[發(fā)明專利]基于深度學(xué)習(xí)的松材線蟲病災(zāi)害預(yù)測預(yù)報(bào)方法及裝置

在審

• 申請?zhí)枺?/td>: 202110320985.6
• 申請日: 2021-03-25
• 公開（公告）號: CN112861812A
• 公開（公告）日: 2021-05-28
• 發(fā)明（設(shè)計(jì)）人: 周宏威;周宏舉;李曉冬;嚴(yán)善春;王峰;袁新佩;方國飛;周艷濤
• 申請（專利權(quán)）人: 東北林業(yè)大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08;G06Q10/04;G06Q50/02
• 代理公司: 成都帝鵬知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51265
• 代理人: 李華

1.一種基于深度學(xué)習(xí)的松材線蟲病災(zāi)害預(yù)測預(yù)報(bào)方法，其特征在于：包括以下步驟：

步驟一，松材線蟲病數(shù)據(jù)的獲取，數(shù)據(jù)的獲取包括結(jié)構(gòu)化數(shù)值數(shù)據(jù)和圖像數(shù)據(jù)集，所述結(jié)構(gòu)化數(shù)值數(shù)據(jù)通過傳感器在線監(jiān)測獲取，所述圖像數(shù)據(jù)集的獲取包括自行采集和公開數(shù)據(jù)集，所述自行采集圖像數(shù)據(jù)常通過衛(wèi)星遙感和無人機(jī)遙感對松材線蟲發(fā)病狀態(tài)進(jìn)行拍攝；

步驟二，松材線蟲病數(shù)據(jù)預(yù)處理，對松材線蟲病獲取的數(shù)據(jù)進(jìn)行預(yù)處理，過程包括松材線蟲病數(shù)據(jù)清洗、松材線蟲病數(shù)據(jù)轉(zhuǎn)換、缺失值處理、松材線蟲病數(shù)據(jù)編碼、松材線蟲病數(shù)據(jù)無量綱化和降維處理，所述松材線蟲病數(shù)據(jù)清洗對松材線蟲病數(shù)據(jù)特定特征的完整性檢測，所述松材線蟲病數(shù)據(jù)轉(zhuǎn)換將數(shù)據(jù)從一種格式或結(jié)構(gòu)轉(zhuǎn)換為另一種格式或結(jié)構(gòu)，所述降維處理去除不相關(guān)和冗余的變量，降低分析和生成模型的復(fù)雜性；

步驟三，松材線蟲病數(shù)據(jù)擴(kuò)增，采集松材線蟲病的病樣圖片的數(shù)據(jù)進(jìn)行擴(kuò)增通過圖像隨機(jī)旋轉(zhuǎn)、平移和垂直翻轉(zhuǎn)，向模型提供不同環(huán)境的松材線蟲病數(shù)據(jù)，針對樣本稀缺、數(shù)據(jù)分裂、樣本邊界重疊和噪聲樣本數(shù)據(jù)不平衡問題，采用數(shù)據(jù)仿真方法進(jìn)行數(shù)據(jù)擴(kuò)增，通過合成少數(shù)類過采樣算法、基于自調(diào)參的改進(jìn)合成少數(shù)類算法、SMOTE算法樣本合成、Boosting集成學(xué)習(xí)算法、AS-SMOTE Boost算法進(jìn)行數(shù)據(jù)的擴(kuò)增；

步驟四，特征選擇，通過松材線蟲病采集擴(kuò)充的數(shù)據(jù)集中己有的特征里選擇若干個病樣特征使得系統(tǒng)的特定指標(biāo)進(jìn)行最優(yōu)化的篩選，所述特征選擇從原始特征中篩選出特征降低數(shù)據(jù)集的維度，將特征系統(tǒng)中的顏色和紋理進(jìn)行數(shù)據(jù)的提取，進(jìn)而去構(gòu)建深度學(xué)習(xí)模型；

步驟五，構(gòu)建深度學(xué)習(xí)模型，通過GoogleNet，VGG深度學(xué)習(xí)訓(xùn)練模型進(jìn)行網(wǎng)絡(luò)訓(xùn)練，網(wǎng)絡(luò)訓(xùn)練的深度學(xué)習(xí)模型包括輸入層，卷積層，池化層，全連接層，所述構(gòu)建深度學(xué)習(xí)模型包括訓(xùn)練集和測試集，所述訓(xùn)練集對數(shù)據(jù)間的規(guī)律進(jìn)行自我學(xué)習(xí)，所述測試集用于檢驗(yàn)經(jīng)過所述訓(xùn)練集訓(xùn)練后的模型，所述訓(xùn)練集與所述測試集中數(shù)據(jù)為隨機(jī)提取，通過對所述訓(xùn)練集與所述測試集中數(shù)據(jù)為隨機(jī)提取，對松材線蟲病的發(fā)病的規(guī)律通過深度學(xué)習(xí)模型建立模型曲線，通過GoogleNet，VGG深度學(xué)習(xí)訓(xùn)練模型中的曲線中的規(guī)律進(jìn)行對松材線蟲病災(zāi)害預(yù)測預(yù)報(bào)。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的松材線蟲病災(zāi)害預(yù)測預(yù)報(bào)方法，其特征在于：所述步驟五中所述訓(xùn)練集輸出結(jié)果，通過損失函數(shù)中的“SMOTE算法樣本”計(jì)算出與驗(yàn)證數(shù)據(jù)的誤差，再通過優(yōu)化器更新深度學(xué)習(xí)模型的參數(shù)，直到“訓(xùn)練誤”差小于“期望值”完成深度學(xué)習(xí)模型的訓(xùn)練。

3.一種基于深度學(xué)習(xí)的松材線蟲病災(zāi)害預(yù)測預(yù)報(bào)裝置，其特征在于：包括預(yù)測預(yù)報(bào)安裝臺(1)，所述預(yù)測預(yù)報(bào)安裝臺(1)的下表面焊接連接有預(yù)報(bào)臺支撐座(11)，所述預(yù)報(bào)臺支撐座(11)的內(nèi)表面設(shè)置有所述數(shù)據(jù)預(yù)處理電路板(2)，所述數(shù)據(jù)預(yù)處理電路板(2)的外表面設(shè)置有數(shù)據(jù)轉(zhuǎn)化器(3)和數(shù)據(jù)擴(kuò)增器(4)，所述預(yù)測預(yù)報(bào)安裝臺(1)的上表面設(shè)置有預(yù)測預(yù)報(bào)顯示器(5)，所述預(yù)測預(yù)報(bào)顯示器(5)的上側(cè)設(shè)置有顯示器防塵罩(51)，所述預(yù)測預(yù)報(bào)顯示器(5)的前表面設(shè)置有預(yù)測預(yù)報(bào)操作臺(6)，所述預(yù)測預(yù)報(bào)操作臺(6)電性連接有操作臺控制面板(61)，所述預(yù)測預(yù)報(bào)操作臺(6)的側(cè)邊設(shè)置有操作臺加固側(cè)板(62)，所述預(yù)測預(yù)報(bào)顯示器(5)側(cè)邊設(shè)置有預(yù)測預(yù)報(bào)側(cè)燈(7)，所述操作臺控制面板(61)側(cè)邊設(shè)置有預(yù)報(bào)側(cè)燈復(fù)位按鈕(71)。

4.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)的松材線蟲病災(zāi)害預(yù)測預(yù)報(bào)裝置，其特征在于：所述預(yù)測預(yù)報(bào)顯示器(5)側(cè)邊設(shè)置有所述預(yù)測預(yù)報(bào)側(cè)燈(7)，且所述預(yù)測預(yù)報(bào)側(cè)燈(7)線性排列在所述預(yù)測預(yù)報(bào)顯示器(5)的兩側(cè)。

5.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)的松材線蟲病災(zāi)害預(yù)測預(yù)報(bào)裝置，其特征在于：所述預(yù)測預(yù)報(bào)安裝臺(1)的下表面焊接連接有所述預(yù)報(bào)臺支撐座(11)且所述預(yù)報(bào)臺支撐座(11)采用合計(jì)鋼材質(zhì)。

6.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)的松材線蟲病災(zāi)害預(yù)測預(yù)報(bào)裝置，其特征在于：所述操作臺控制面板(61)側(cè)邊設(shè)置有所述預(yù)報(bào)側(cè)燈復(fù)位按鈕(71)且所述預(yù)報(bào)側(cè)燈復(fù)位按鈕(71)采用橡膠材質(zhì)。