“病虫害”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果37066个，建议您升级VIP下载更多相关专利

[发明专利]植保地图的生成方法及装置-CN201711262615.1在审
发明人：潘振鹏 -专利权人：深圳春沐源控股有限公司
申请日： 2017-12-04 - 公布日： 2018-05-01 - 主分类号： G06K9/00 文献下载
摘要：其中，一种植保地图的生成方法，包括将种植区中各传感器的监测位点显示在地图上；接收各传感器上传的病虫害图像，根据病虫害图像，辨识出病虫害种类和/或病虫害程度，其中，病虫害程度包括病虫害数量和病虫害范围；标识不同的病虫害种类以及指示相应的病虫害程度
植保地图生成方法装置

[发明专利]一种果园病虫害监测预警方法及系统-CN202011351554.8在审
发明人：王金星;刘雪梅;刘双喜;王熠;慕君林;马博;张正辉 -专利权人：山东农业大学
申请日： 2020-11-27 - 公布日： 2021-02-26 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种果园病虫害监测预警方法及系统，涉及果园管理技术领域，对果园内的果树进行视频采集，获得所述果树的病虫害情况；对果树的病虫害情况进行分类识别，确定出果树病虫害类别；根据识别出的病虫害类别给出相应的管理措施并给出实时的预警信息通过对果园内的果树病虫害情况采用视频的方式实时获取，然后将实时获取的病虫害视频信息进行处理，准确识别出病虫害类别，对应的管理措施和预警信息在果园植保人员的终端上显示。将视频技术、互联网技术、图像处理技术与传统农业植保工作相结合，不仅节省了果树植保人员的时间，而且提供了及时、准确的果园病虫害数据，对改善果品品质，提升苹果产量有着显著的效果。
一种果园病虫害监测预警方法系统

[发明专利]一种枣树病虫害的快速鉴定方法-CN202111583126.2在审
发明人：秦国杰;贾民隆;刘毅;左力翔;安晓宁;牛艳;高磊 -专利权人：山西省农业科学院园艺研究所
申请日： 2021-12-22 - 公布日： 2022-03-25 - 主分类号： G06V20/17 文献下载
摘要：本发明涉及一种枣树病虫害的快速鉴定方法，所述枣树病虫害的快速鉴定方法包括以下步骤：绘制枣林轮廓图，在所述枣林轮廓图上均匀设置取样点，所述取样点内枣树为样本枣树；建立病虫害识别模型和防治数据库；定期对所有所述取样点内的所述样本枣树进行拍照采样，得到样本照片；将所述样本照片进行预处理后输入病虫害识别模型进行识别，输出所述植物的病虫害信息，所述病虫害信息同时输入防治数据库，输出防治信息。本发明通过在枣林内均匀设置取样点，在取样点内取样代表了整个独立区的枣树病虫害状态，避免大面积的枣林取样困难的问题；通过建立病虫害模型对拍摄的病虫害照片进行识别，准确度更高，而且速度更快。
一种枣树病虫害快速鉴定方法

[发明专利]一种基于卷积神经网络的果树病虫害识别方法及系统-CN202210464269.X在审
发明人：胡景怡;李腊全;张桂铭;夏泽昊;沙霖;赖宗萱;余海燕;邵亚斌 -专利权人：重庆邮电大学
申请日： 2022-04-29 - 公布日： 2022-07-15 - 主分类号： G06V10/26 文献下载
摘要：本发明属于计算机视觉应用技术领域，具体涉及一种基于卷积神经网络的果树病虫害识别方法及系统，该方法包括：获取果树图像，将果树图像输入到训练好的果树病虫害识别模型中，得到果树病虫害识别结果；根据病虫害结果对果树进行治疗；所述果树病虫害识别模型包括分割模型和卷积神经网络；其中分割模型用于对果树图像中的果叶和果实进行分割，得到果实图像和果叶图像；卷积神经网络用于对果树的病虫害进行识别；本发明采用深度学习方法对柑橘进行病虫害识别，该系统能为柑橘种植人员提供柑橘的病虫害信息，有助于种植人员及时采取措施对病虫害进行治疗，有效提高柑橘的产量和品质。
一种基于卷积神经网络果树病虫害识别方法系统

[发明专利]基于AI自动识别的林业病虫害智能监测管理系统-CN202310165779.1在审
发明人：李华威;夏舫;栗学魁;王岚 -专利权人：北京甲板智慧科技有限公司
申请日： 2023-02-21 - 公布日： 2023-06-02 - 主分类号： G06V20/10 文献下载
摘要：本发明实施例公开了一种基于AI自动识别的林业病虫害智能监测管理系统，包括病虫害名录管理模块、监测设备管理模块、监测设备执行策略管理模块、病虫害监测告警模块、设备告警模块和监测结果展示与统计模块；其中，所述监测设备执行策略管理模块用于管理监测设备的执行策略，所述病虫害监测告警模块用于监测识别病虫害并发出告警信息，所述设备告警模块用于监测设备运行状态并可发出告警信息，所述监测结果展示与统计模块用于展示所述监测设备的状态数据、所述病虫害监测数据以及统计分析数据这样，本系统实现了林业病虫害智能在线监测管理和病虫害检测结果的状态展示，实现了林业病虫害的自动化智能管理，降低了人力成本。
基于 ai 自动识别林业病虫害智能监测管理系统

[发明专利]一种基于改进SSD网络的水稻病虫害识别方法-CN202110841332.2在审
发明人：邓继忠;杨畅;黄康华;谢尧庆;严智维;霍静朗;叶家杭;雷落成;罗明达 -专利权人：华南农业大学
申请日： 2021-07-23 - 公布日： 2021-11-05 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于改进SSD网络的水稻病虫害识别方法，包括以下步骤：(1)采集水稻病虫害图像，确认图像中水稻病虫害的类型，从而获得水稻病虫害样本；(2)对所述水稻病虫害样本进行图像预处理；(3)将经过预处理后的水稻病虫害样本输入至改进SSD网络模型中，对改进SSD网络模型进行训练；(4)采用训练好的改进SSD网络模型对待测图像进行识别，并输出识别结果，得出水稻病虫害情况。本发明基于改进SSD网络模型，对水稻病虫害进行高效和高精度的识别，省时省力，以便对水稻进行针对性施药救治，确保水稻产量。
一种基于改进 ssd 网络水稻病虫害识别方法

[发明专利]一种茶树病虫害识别的方法及装置-CN202110964352.9在审
发明人：周祖煜;白博文;王俊霞;陈煜人;余敏;张澎彬;李天齐;刘俊 -专利权人：杭州领见数字农业科技有限公司
申请日： 2021-08-22 - 公布日： 2021-12-07 - 主分类号： G06K9/00 文献下载
摘要：本申请提供了一种茶树病虫害识别的方法及装置，应用于农业防治领域，包括：获取待测茶树图像数据；根据交并比算法取出坐标框对应的图像数据，根据预先训练的检测模型对所述图像数据进行特征检测，得到病虫害图像数据,所述坐标框为待测茶树图像数据中病虫害集中的位置；根据预先训练的分类模型对所述病虫害图像数据进行种类分类，得到茶树病虫害种类数据。根据本申请提供的茶树病虫害识别的方法及装置，将识别过程分为检测和分类两个主要环节，以确定病虫害的类别，从而提高了病虫害种类识别的精度和准确度。
一种茶树病虫害识别方法装置

[发明专利]一种基于深度学习的番茄病虫害实时检测方法、系统、计算机及存储介质-CN202310261874.1在审
发明人：任元杰;谭逸凡;常佳程;啜天禹;姚渊林;路紫葳;丁锐剑;张梓琪 -专利权人：任元杰;谭逸凡;常佳程
申请日： 2023-03-17 - 公布日： 2023-08-04 - 主分类号： G06V10/764 文献下载
摘要：一种基于深度学习的番茄病虫害实时检测方法、系统、计算机及存储介质，涉及深度学习智慧农业领域。本发明解决了传统的机器视觉方法在复杂场景下鲁棒性较差，难以满足复杂场景下的工作要求的问题。所述检测方法包括：利用相机采集番茄叶面图像；根据所述采集的番茄叶面图像进行病虫害害类别和位置的标注；根据所述标注的病虫害类别和位置进行数据增强处理，获取处理后的病虫害数据信息；根据所述处理后的病虫害数据信息构建番茄病虫害检测模型；根据所述番茄病虫害检测模型进行番茄叶面图像检测，获取检测结果。本发明应用于番茄检测病虫害检测领域。
一种基于深度学习番茄病虫害实时检测方法系统计算机存储介质

[发明专利]一种油茶病虫害防治方法-CN201810374988.6有效
发明人：付志江 -专利权人：侯喜容
申请日： 2018-04-24 - 公布日： 2021-04-20 - 主分类号： A01G13/00 文献下载
摘要：本发明申请公开了一种油茶病虫害防治方法，涉及油茶种植领域，包括以下步骤：步骤一：在每棵油茶树的周围安装一个用来包围油茶树的病虫害防治装置；步骤二：在白天时收缩病虫害防治装置，向病虫害防治装置的所有液压囊上灌杀虫剂；步骤三：在晚上时向上拉伸展开病虫害防治装置，病虫害防治装置在展开时逐渐从下往上包围住整棵油茶树，且病虫害防治装置在展开时逐渐向被包围的油茶树喷洒杀虫剂。通过本方法能够方便快捷地完成油茶病虫害防治。
一种油茶病虫害防治方法

[发明专利]一种作物病虫害检测方法-CN202110828822.9在审
发明人：陈煜源;郭萍;何光宇;缪宏;夏云帆;李爽;李孟丽 -专利权人：扬州市斯年网络科技有限公司
申请日： 2021-07-22 - 公布日： 2021-11-23 - 主分类号： G01N30/02 文献下载
摘要：一种作物病虫害检测方法，本发明首先采集作物病虫害挥发物，再利用气相色谱‑质谱联用仪对采集的挥发物进行定性定量分析，对比气敏传感器获取的挥发物含量变化现象，建立病虫害挥发物判别模型，搭建病虫害诊断平台。本发明解决了目前农作物病虫害在复杂环境下难以高效精准检测的问题，本发明将促进农业病虫害检测的发展，提供更精准高效的农作物病虫害防治手段，保障农业生产安全。
一种作物病虫害检测方法

[发明专利]基于卷积神经网络对农作物病虫害主动定位聚焦的方法-CN202010397400.6在审
发明人：杨桂玲;王紫艳;孙健 -专利权人：浙江省农业科学院
申请日： 2020-05-12 - 公布日： 2020-09-22 - 主分类号： G06K9/32 文献下载
摘要：本发明涉及一种基于卷积神经网络对农作物病虫害主动定位聚焦的方法，属于农作物病虫害部位定位聚焦技术领域，本发明的目的就是结合最新的卷积神经网络技术，通过对大量的病虫害部位图像的研究得到病虫害部位特征参数，形成一个病虫害部位特征算法，只需要把图像参数代入到该算法，就可以判断出病虫害部位，从而在拍照过程中对病虫害部位进行自动定位聚焦，标记出病虫害部位，弱化背景干扰，提高病虫害识别准确率和效率。采用卷积神经网络技术，识别聚焦响应速度快；通过对图像每一个像素的识别分类，可同时识别出一张图像上的多个病虫害部位，识别更全面；每次手动选择调整定位可帮助自动定位聚焦自我学习，更新特征参数，使定位聚焦越来越准确
基于卷积神经网络农作物病虫害主动定位聚焦方法

[发明专利]基于多源特征融合的农作物病虫害图像识别方法-CN202110272126.4在审
发明人：琚成;陶怡;杨会甲;范营营;张亚军;郭瑞;朱超 -专利权人：西安航天自动化股份有限公司
申请日： 2021-03-12 - 公布日： 2021-06-29 - 主分类号： G06K9/32 文献下载
摘要：本申请提供一种基于多源特征融合的农作物病虫害图像识别方法，获取初始农作物叶片病虫害数据集；通过仿射变换，得到规格化的预处理农作物叶片病虫害数据集；根据深度卷积对抗式生成网络对预处理农作物叶片病虫害数据集进行扩充，得到农作物叶片病虫害图像样本；根据预设候选框，通过三分支结构构建多尺度融合网络模型，提取农作物叶片病虫害图像样本中的农作物叶片病虫害图像候选区域；将多源特征和农作物叶片病虫害图像候选区域融合，采用AlexNet、ResNet50和VGG基准模型，得到农作物病虫害的定位信息和类别信息；根据类别信息，采用Siamese Network模型，判定农作物病虫害的程度。
基于特征融合农作物病虫害图像识别方法

[发明专利]林业病虫害监测无人机-CN202011583998.4在审
发明人：任博文;武建超;谢毓芬;郭晖;陈鹏;赵斐;李军航 -专利权人：陕西省林业科学院
申请日： 2020-12-28 - 公布日： 2022-04-12 - 主分类号： B64C39/02 文献下载
摘要：本发明提供了一种林业病虫害监测无人机，包括无人机主体、摄像头、主控制单元、定位单元以及喷漆标记装置；主控制单元用于将摄像头拍摄的图像数据回传至终端控制设备以判断林区树木是否发生病虫害，定位单元用于在无人机主体飞行至与发生病虫害的树木小于预设距离的位置时进行定位并将定位位置回传至终端控制设备以对发生病虫害的树木的位置进行一次标记；喷漆标记装置用于向发生病虫害的树木进行喷漆以对发生病虫害的树木的位置进行二次标记。从而在对发生病虫害的树木进行防治和处理时，能够方便、快速地找到发生病虫害的树木。解决了现有技术中监测到发生病虫害的树木时，采用人工方式对发生病虫害的树木进行精确标记效率较低的问题。
林业病虫害监测无人机

[实用新型]林业病虫害监测无人机-CN202023221200.X有效
发明人：任博文;武建超;谢毓芬;郭晖;陈鹏;赵斐;李军航 -专利权人：陕西省林业科学院
申请日： 2020-12-28 - 公布日： 2021-08-20 - 主分类号： B64C39/02 文献下载
摘要：本实用新型提供了一种林业病虫害监测无人机，包括无人机主体、摄像头、主控制单元、定位单元以及喷漆标记装置；主控制单元用于将摄像头拍摄的图像数据回传至终端控制设备以判断林区树木是否发生病虫害，定位单元用于在无人机主体飞行至与发生病虫害的树木小于预设距离的位置时进行定位并将定位位置回传至终端控制设备以对发生病虫害的树木的位置进行一次标记；喷漆标记装置用于向发生病虫害的树木进行喷漆以对发生病虫害的树木的位置进行二次标记。从而在对发生病虫害的树木进行防治和处理时，能够方便、快速地找到发生病虫害的树木。解决了现有技术中监测到发生病虫害的树木时，采用人工方式对发生病虫害的树木进行精确标记效率较低的问题。
林业病虫害监测无人机

[发明专利]一种基于深度学习的农作物病虫害移动端识别方法-CN202211240879.8在审
发明人：王伟任 -专利权人：广西万维空间科技集团有限公司
申请日： 2022-10-11 - 公布日： 2022-12-23 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及病虫害识别技术领域，具体涉及一种基于深度学习的农作物病虫害移动端识别方法，通过在PC端使用农作物病虫害图片数据集对Resnet50卷积神经网络进行训练，获得训练后的农作物病虫害识别模型，并通过API接口在云端部署，结合应用程序，实现了在移动端提交图片即可对农作物病虫害进行精确识别的功能，同时建集农作物病虫害识别、诊断、农作物专家咨询问答、农业小课堂、农业社交于一体的农作物病虫害识别应用程序，实现了高准确率地机器视觉农作物病虫害诊断，以及专家问诊、信息交互一站式服务。
一种基于深度学习农作物病虫害移动识别方法