高光谱与形态特征融合的稻飞虱阶段与性别鉴定方法

AITNT
正文
推荐专利
高光谱与形态特征融合的稻飞虱阶段与性别鉴定方法
申请号:CN202510389583
申请日期:2025-03-28
公开号:CN120356239A
公开日期:2025-07-22
类型:发明专利
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
1
基于高光谱成像技术的番茄黄化曲叶病无损检测方法及装置
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
2
一种中晚期喉癌新辅助化疗敏感性预测系统
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
3
全反射光学系统畸变控制的方法
光学系统畸变 镜子 非线性方程组 误差函数 进化算法
4
一种基于集成学习模型的血糖状态预测方法、系统及终端
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
5
基于多任务融合模型与根系定位的智能农业杂草识别方法及系统
杂草识别方法 智能农业 检测模型训练 坐标 嵌入式设备
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号