摘要
本发明公开了高光谱与形态特征融合的稻飞虱阶段与性别鉴定方法,旨在提高稻飞虱种类、龄期和性别的分类准确性,在若虫初期阶段。通过高光谱成像技术获取稻飞虱的光谱数据,并结合形态学图像处理技术提取形态特征,采用多模态数据融合技术,将光谱数据与形态特征数据结合。使用机器学习算法对融合数据进行训练与分类,精确识别稻飞虱的种类、龄期及性别。为解决数据不平衡问题,本发明采用SMOTE算法进行样本过采样,确保类别分布均衡。通过自动计数和虫口密度生成实时评估虫害严重程度,为防治措施提供支持。筛选特征波段,有望为特种多光谱相机的研制提供关键技术支持。此外,采用SHAP分析提升模型可解释性,量化特征对分类结果的贡献。
技术关键词
性别鉴定方法
稻飞虱
SMOTE算法
形态学图像处理
高光谱成像技术
反射光谱数据
形态学特征
机器学习算法
机器学习模型
样本
阶段
mRMR算法
分层抽样方法
多模态数据融合
综合评估模型
网格搜索方法
多光谱相机
分水岭算法
系统为您推荐了相关专利信息
番茄黄化曲叶病
高光谱成像技术
无损检测方法
感兴趣区域提取
梯度提升机
化疗敏感性预测
多模态数据采集
交叉注意力机制
Kubernetes集群
解析单元
光学系统畸变
镜子
非线性方程组
误差函数
进化算法
集成学习模型
状态预测方法
集成策略
状态预测系统
学习器
杂草识别方法
智能农业
检测模型训练
坐标
嵌入式设备