“病害”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28142个，建议您升级VIP下载更多相关专利

[发明专利]一种基于多源数据的田间水稻白叶枯病监测方法及系统-CN202210608339.4在审
发明人：冯旭萍;白秀琳;何勇;张金诺;陶明珠;吴晴观 -专利权人：浙江大学
申请日： 2022-05-31 - 公布日： 2022-08-19 - 主分类号： G01N21/84 文献下载
摘要：本发明涉及一种基于多源数据的田间水稻白叶枯病监测方法及系统，涉及作物病害监测领域，该方法包括：获取在不同生育期下水稻田的多光谱图像、水稻白叶枯病害程度和积温数据；获取水稻田种植的水稻品种对白叶枯病害的抗性；提取水稻田中每个小区的平均冠层光谱反射率；基于平均冠层光谱反射率和水稻白叶枯病害程度，采用卷积神经网络进行水稻白叶枯病害程度回归，输出深度光谱特征；以各小区对应的积温数据、深度光谱特征和对于白叶枯病害的抗性为输入，以对应水稻白叶枯病害程度为输出训练病害程度回归模型；采用病害程度回归模型对待监测水稻田的水稻白叶枯病害程度进行监测。
一种基于数据田间水稻白叶枯病监测方法系统

[发明专利]作物病害严重程度预测方法、系统、存储介质及电子设备-CN202210673612.1在审
发明人：董莹莹;李璐;肖颖欣;刘林毅;马慧琴;黄文江;赵星 -专利权人：中国科学院空天信息创新研究院;首都师范大学
申请日： 2022-06-13 - 公布日： 2022-08-19 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例提供了一种作物病害严重程度预测方法、系统、存储介质及电子设备。其中，方法包括：对作物信息进行分析，确定预设作物种植区内的多株第一作物的病害严重程度；基于病害严重程度，从因子库中筛选出预测因子；基于预测因子和病害严重程度确定各预测因子的因子权重；因子权重表征预测因子对作物病害的贡献度；基于因子权重，计算第一作物的预测因子与待预测作物的预测因子的加权欧式距离，至少基于与最小加权欧式距离对应的第一作物的病害严重程度获得待预测作物的病害严重程度。本发明通过确定各预测因子的因子权重，利用预测因子对作物病害的贡献度进行作物病害严重程度预测，有利于提高作物病害严重程度预测的准确性。
作物病害严重程度预测方法系统存储介质电子设备

[发明专利]一种基于图像分割和配准融合对葡萄进行病害检测的方法-CN202210628213.3在审
发明人：熊盛武;刘赫喃 -专利权人：武汉理工大学
申请日： 2022-06-06 - 公布日： 2022-10-11 - 主分类号： G06V20/17 文献下载
摘要：本发明提供一种基于图像分割和配准融合对葡萄进行病害检测的方法,包括：获取葡萄多光谱图像；对获取的葡萄多光谱病害图像配准后进行人工标注,分割出病斑图像并标记病斑类别；建立葡萄病害样本集,并将其划分为训练样本集和测试样本集；构建基于可见光以及近红外光下的语义分割病害检测模型；利用训练样本集和测试样本集分别对构建的葡萄病害检测模型进行训练和模型误差分析；利用训练好的葡萄病害检测模型直接对获取的实际葡萄病害图像进行检测,分割出病斑图像；融合多光谱下的病斑图像，得到最终的病害图。本发明提高了葡萄病害检测的精度,有助于及时掌握葡萄病害状态，具有广阔的应用前景。
一种基于图像分割融合葡萄进行病害检测方法

[发明专利]一种基于深度学习的隧道衬砌病害智能检测方法-CN202210374768.X在审
发明人：李眉慷;涂歆玥;朱倩雯 -专利权人：重庆大学
申请日： 2022-04-11 - 公布日： 2022-07-12 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度学习的隧道衬砌病害智能检测方法，其包括S1：制作由经过标注的病害图像样本构成的隧道衬砌病害数据集；S2：将隧道衬砌病害数据集中的病害图像样本划分为训练集与测试集；S3：搭建深度学习模型；S4：通过训练集对所搭建的深度学习模型进行训练及参数迭代，通过测试集评估经训练后的深度学习模型的检测效果，选择最终应用的深度学习模型；S5：用经选择得到的深度学习模型检测隧道图像中病害，输出病害类别与位置信息本发明以隧道图像为数据源，通过深度学习模型对隧道表观病害进行智能识别并分类，并对病害位置进行定位，相对于现有依靠人工判别和评估病害，其工作效率大大提高。
一种基于深度学习隧道衬砌病害智能检测方法

[发明专利]一种基于高精度定位及深度神经网络的路面病害去重方法-CN202211112814.5在审
发明人：张晓明;杨康;钟盛;李孟轲;李祥勇 -专利权人：上海同陆云交通科技有限公司
申请日： 2022-09-13 - 公布日： 2022-11-25 - 主分类号： G01N21/88 文献下载
摘要：本发明涉及一种基于高精度定位及深度神经网络的路面病害去重方法，包括以下步骤：步骤1、车载智能巡查设备搭载定位模块、车载相机、用于采集处理和上传的中央工控机，车载智能巡查设备启动前对车载相机进行俯视变换外参标定；步骤2、启动设备采集图像和GPS数据,并利用神经网络算法识别道路路面病害；步骤3、结合车载相机标定参数和车载相机的GPS结合图像识别中的道路病害像素坐标,计算出道路病害的GPS坐标的计算；步骤4、利用病害的GPS坐标和病害类型与数据库数据进行查重,若重复则判定为重复病害,若不重复则判定为新增病害,并写入数据库。其能够实现快速、准确的做到道路病害的高精度定位和标签信息，并用于日常巡查的相同病害判断。
一种基于高精度定位深度神经网络路面病害方法

[发明专利]一种结构病害检测方法及装置-CN202111681574.6在审
发明人：曾程;纪雅琪;王健 -专利权人：中移（上海）信息通信科技有限公司;中移智行网络科技有限公司;中国移动通信集团有限公司
申请日： 2021-12-29 - 公布日： 2023-07-11 - 主分类号： G06T17/00 文献下载
摘要：本发明提供一种结构病害检测方法及装置，该方法包括：获取对目标结构采集的多张图像；根据多张图像，生成针对目标结构的三维点云模型；根据不同病害特征对应的图像滤波算法，筛选目标结构的三维点云模型的病害特征，结合病害特征及三维点云模型的空间信息建立病害三维空间表达；利用模型视角，生成三维点云模型在目标视角下的多个图片，并基于三维投影变化将三维点云模型中的病害三维空间表达转化为图片中的二维病害信息；根据多个图片，训练病害检测模型；将沿模拟无人机航线拍摄的巡检图像输入至病害检测模型，获取不同GUID下的病害分布信息。
一种结构病害检测方法装置

[发明专利]高速路面病害识别及告警方法-CN202310135036.X在审
发明人：陈曦;王鹏亮;李如旺;成国森 -专利权人：广州丰石科技有限公司
申请日： 2023-02-17 - 公布日： 2023-06-06 - 主分类号： G06V20/56 文献下载
摘要：本发明提供了一种高速路面病害识别及告警方法，属于交通道路监测技术领域。本发明包括使用巡检车辆采集多张包括路面病害的高速公路路面图像；制作训练集；基于YOLO v5网络模型，建立高速路面病害识别及告警模型，输入训练集进行高速路面病害识别及告警模型训练，将各种病害识别出来并用边界框框出来，得到训练好的高速路面病害识别及告警模型；实时采集高速公路路面图像传输至云端服务器；将实时采集的高速公路路面图像输入训练好的高速路面病害识别及告警模型，进行高速路面病害识别。本发明实现了自动化巡检工作，及时、有效的监控路面病害，降低了运营成本，实时通知车主避开路面病害，保障安全驾驶。
高速路面病害识别告警方法

[发明专利]一种道路激光点云中路面病害自动提取方法-CN201810489795.5有效
发明人：刘如飞;卢秀山;朱健;马新江;王鹏;杨雷 -专利权人：山东科技大学
申请日： 2018-05-21 - 公布日： 2021-06-11 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种道路激光点云中路面病害自动提取方法，首先根据原始道路点云数据选取包含路面病害信息的种子点；利用环形邻域约束的反距离权重插值获得完整的包含路面病害信息的所有种子点；利用直方图统计对种子点去噪，再栅格化计算坡度并进行顾及病害特征约束的中值滤波，消除椒盐噪声；然后线性归一化生成路面病害特征图像，利用移动窗口法对图像二值化；再进行病害邻域分布特征的形态学去噪；最后对路面病害聚类生长，生成可编辑的路面病害矢量要素成果，完成对路面病害的自动化提取。本发明采用了激光点云和图像处理相结合的方法，开创了运用激光点云完整地提取路面病害的新方法，为道路养护管理提供了可靠的数据支撑。
一种道路激光点云中路面病害自动提取方法

[发明专利]一种路面养护方法-CN201610659600.8有效
发明人：林翔;李强 -专利权人：中公高科养护科技股份有限公司
申请日： 2016-08-11 - 公布日： 2018-11-09 - 主分类号： E01C23/00 文献下载
摘要：本发明公开了一种路面养护方法，包括：根据病害路段的路面破损状况，确定病害路段上的典型病害；在所述典型病害的出现频率最高的位置处进行钻芯取样；根据所述钻芯取样的结果，确定病害路段各结构层的破损率；根据所述病害路段各结构层的破损率本发明通过以病害路段内部不同结构层的破坏程度，选择不同的养护策略，避免了单一数据导致的有效性和可靠性低的问题；以典型病害的出现频率最高的位置处进行钻芯取样，典型病害数量不会超过4个，无需对每一种病害进行一一钻芯取样
病害典型病害钻芯取样路段结构层路面养护破损率位置处养护单一数据破损状况重点位置采样钻芯

[发明专利]一种沥青路面病害识别与自动绘图系统及其方法-CN201610675648.8有效
发明人：林森;章永超;毕乾;钱峰;严孝平;陈晓敏 -专利权人：浙江省交通集团检测科技有限公司
申请日： 2016-08-15 - 公布日： 2018-03-16 - 主分类号： E01C23/01 文献下载
摘要：本发明公开了一种沥青路面病害识别与自动绘图系统及其方法。通过道路综合检测车采集沥青路面技术状况原始数据；通过路面工程转换模块将路面技术状况原始数据转化为标准化的工程对象；通过路面病害识别模块对路面病害进行人工识别；通过报表生成模块自动生成路面病害明细表；通过路面病害平面分布CAD图纸自动生成模块从路面病害明细表中提取信息，自动绘制和生成路面病害平面分布CAD图纸。本发明摆脱了以往人工进行路面病害调查和记录，再根据记录信息人工绘制CAD图纸的方法，极大的提高了沥青路面病害识别、分布展示的效率及准确性，生成的路面病害平面分布CAD图纸可直接用于指导沥青路面养护设计及施工
一种沥青路面病害识别自动绘图系统及其方法

[发明专利]一种水产病害流行趋势预测及展示方法和系统-CN201810048853.0有效
发明人：胡金有;王靖杰;张小栓;肖新清;王文胜;冯欢欢;张永军 -专利权人：中国农业大学
申请日： 2018-01-18 - 公布日： 2019-09-13 - 主分类号： A01K61/13 文献下载
摘要：本发明提供了一种水产病害流行趋势预测及展示方法和系统，所述方法包括：获取待预测区域数据，其中，所述待预测区域数据包括待预测区域内多个位置点的环境参数集合、位置信息以及水产品种类信息；根据各位置点的信息，通过预先构建的水产病害发生概率知识库，获取各位置点对应的目标病害发生概率；根据各位置点的目标病害发生概率和位置信息，绘制与待预测区域对应的目标病害发生概率等值线图，并基于目标病害发生概率等值线图对目标病害的流行趋势进行预测本发明通过病害发生概率等值线图对水产病害的发生和流行趋势进行预测和直观的展示，提高水产病害发生和流行预测的可视化程度。
发生概率目标病害水产病害位置点等值线图预测区域数据趋势预测预测区域预测知识库展示病害发生动态变化动态展示环境参数种类信息自动更新可视化构建水产品集合直观绘制概率

[发明专利]公路技术状况检测系统-CN201810141978.8有效
发明人：禹海伟;于然;魏于春;王榕;胡博;仇亚云;何宇;安静;张金文;孙小龙;付仕超;邵江辉 -专利权人：云南通衢工程检测有限公司
申请日： 2018-02-11 - 公布日： 2020-12-01 - 主分类号： G06T7/00 文献下载
摘要：记录不准确的技术问题，提供了一种公路技术状况检测系统，包括：行走模块，用于供工作人员不依赖双手驾乘并在道路上低速稳定行驶；定位模块，用于实时获取行走模块在道路上的位置参数；记录模块，用于工作人员在观察到道路有病害后供工作人员记录病害的种类和病害的形状，记录模块用于在工作人员记录下病害的种类和病害的形状后调用定位模块中的当前的位置参数记录下病害发生地点；报表生成模块，报表生成模块与记录模块信号连接，报表生成模块用于接收记录模块记录的病害的种类和病害的形状以及病害发生地点的信息生成病害结果
公路技术状况检测系统

[发明专利]一种基于行方差的自动定位GPR信号病害位置方法-CN201810148138.4有效
发明人：曹雪虹;焦良葆;叶奇玲;夏天;张磊 -专利权人：南京工程学院
申请日： 2018-02-13 - 公布日： 2021-11-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于行方差的自动定位GPR信号病害位置方法，其特征是，包括如下步骤：1)采集探地雷达数据，对所采集的数据进行重叠分割；2)对分割后的数据进行归一化处理；3)对处理后的数据计算行方差，并构成列向量；4)设置行方差的阈值，并对列向量的每个数据与阈值比较，进行判定是否该行有病害；若有病害的行段总行数小于最小行数，判定该图无病害；若有病害的行段总行数大于最小行数，判定该图有病害，并输出最大行数对应的行段；所述最小行数为判定是否有病害的阈值。本发明所达到的有益效果：根据GPR信号公路路基图像有无病害的行方差分布的区别，结合阈值法区分出图像有无病害，并提取病害位置，节省了大量时间和人力。
一种基于方差自动定位 gpr 信号病害位置方法

[发明专利]融合多种上下文深度学习模型的水稻病害图像检测方法-CN201710894729.1有效
发明人：谢成军;王儒敬;张洁;李瑞;陈天娇 -专利权人：中国科学院合肥物质科学研究院
申请日： 2017-09-28 - 公布日： 2019-07-16 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及融合多种上下文深度学习模型的水稻病害图像检测方法，与现有技术相比解决了水稻病害检测未考虑其相关条件因素的缺陷。本发明包括以下步骤：训练样本的收集和预处理；基于深度学习融合水稻图像上下文信息获得水稻病害图像检测模型；待检测水稻图像的空间、位置、温湿度信息收集和预处理；病害在水稻图像中具体位置的标记。本发明不仅考虑了病害图像本身的特征，还考虑了采集时空间、时间、温湿度等相关因素，通过对水稻病害图像全局上下文训练模型、水稻病害图像局部上下文训练模型、水稻病害属性约束上下文训练模型的融合，提高了田间复杂应用情况下水稻病害图像检测与识别能力，提高了水稻病害图像检测率。
融合多种上下文深度学习模型水稻病害图像检测方法

[发明专利]基于视觉和力觉感知的隧道掉块病害检测方法和系统-CN202011130560.0有效
发明人：蒋奇;杜卿宇 -专利权人：山东大学
申请日： 2020-10-21 - 公布日： 2021-09-07 - 主分类号： G01N19/08 文献下载
摘要：本发明提供了一种基于视觉和力觉感知的隧道掉块病害检测方法和系统，采集隧道内壁图像，利用训练后的第一神经网络模型初步识别掉块病害；以初步识别过程中确定的疑似掉块病害的中心位置为圆心，构建圆形，并通过多条直径将圆形圆周等分，以垂直于隧道内壁的姿态抵住疑似掉块病害的中心，在疑似掉块病害范围内沿所述直径方向上运动，记录位移，并采集运动过程中疑似掉块病害处所受力和力矩；基于采集的位移、力和力矩，利用第二神经网络模型对疑似隧道掉块病害做进一步判定，最终判定隧道掉块病害；本发明能够快速进行隧道掉块病害检测，达到掉落病害快速、准确检测的效果。
基于视觉感知隧道病害检测方法系统