摘要
本发明公开了一种基于物联网与人工智能的农业病虫害自动识别方法,包括以下步骤:通过多维度图像采集和环境数据融合采集,获取农作物的图像信息和环境信息;利用深度卷积神经网络模型和注意力机制提取农作物病虫害特征并构建综合特征向量;将待识别农作物的特征向量与病虫害特征库中的标准特征向量进行相似度匹配计算,识别出病虫害的类型和严重程度;通过交叉校验和数据校验规则对识别结果进行合理性评估和修正;根据最终确定的病虫害类型、等级以及农作物的生长阶段和环境条件,调用预设的智能决策系统,生成精准防治方案。本发明提高了病虫害识别的准确性和效率,适用于不同农作物和环境条件,为农业生产提供有力支持。
技术关键词
自动识别方法
农业病虫害
深度卷积神经网络模型
防治方法
物联网摄像头
数据校验规则
物联网传感器
图像
土壤养分传感器
红外成像功能
增量学习算法
智能决策系统
农作物冠层
无人机摄像头
注意力机制
农作物病虫害
农作物叶片
系统为您推荐了相关专利信息
温室大棚蔬菜种植
害虫防治设备
数据处理单元
害虫防治方法
天敌昆虫释放装置
钢坯
形态
自动识别系统
CT投影图像
自动识别方法
水稻病虫害
机器视觉技术
多光谱融合图像
叶片
识别方法
自动识别方法
合成孔径雷达干涉
滑动窗口
序列
比率
反射率
多波段
自动识别方法
机器学习分类器
多维特征向量