公开(公告)号：CN114092795A

公开(公告)日：2022-02-25

申请号：CN202010756025.X

申请日：2020-07-31

Applicant: 中国矿业大学(北京)

Inventor： 赵恒谦 ,  刘泽龙 ,  郑秋实

IPC: G06V20/10 ,  G06V10/764 ,  G06Q50/02

Abstract: 本发明提出了一种基于植被指数归一化方法的作物病情严重程度分级方法，包括以下步骤：首先从遥感影像中提取研究区域，对研究区域中农作物的染病和未染病区域进行分类，然后计算研究区域的植被指数并进行植被指数归一化，利用归一化后的植被指数来评估每个像元的病情严重程度并进行分级。本发明克服了目前已有技术的不足，具有无需地面调查和普适性强等优势，将会在大面积作物病情监测领域发挥重要的作用。

公开(公告)号：CN115587296A

公开(公告)日：2023-01-10

申请号：CN202110756248.0

申请日：2021-07-05

Applicant: 中国矿业大学(北京)

Inventor： 赵恒谦 ,  杨屹峰 ,  刘泽龙

IPC: G06F18/214 ,  G06F18/2431 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于迁移学习分步识别的农作物病害自动识别方法，包括：使用农作物病害叶片数据集作为样本数据，预处理过程是将图像先按照4:1的比例划分出训练集和验证集，选取样本总数10％的图像作为测试集数据单独准备；将预处理后的图片数据按照分步识别方法划分为作物物种图像和作物病害图像；利用迁移学习后的VGG16和ResNet模型，对两种类别图像分别进行模型训练，选取最优模型组合得到迁移学习分步识别模型；当作物病害图片输入模型，可以自动判别作物的病害种类。采用本方法可以实现农作物病虫害的准确识别，不需要专家的专业知识即可完成病害识别，可为作物病害防治提供有效的技术支持。