[發明專利]柑橘潰瘍病的識別方法、裝置及終端設備

在審

• 申請號: 202211517104.0
• 申請日: 2022-11-30
• 公開（公告）號: CN115876768A
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 王宏樂;葉全州;劉大存;胡漢錫;鄧烈;王興林
• 申請（專利權）人: 深圳市豐農數智農業科技有限公司;深圳市五谷網絡科技有限公司
• 主分類號: G01N21/84
• 分類號: G01N21/84;G01N21/01;G06V20/10
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 甘瑩

1.一種柑橘潰瘍病的識別方法，其特征在于，包括：

獲取待測作物的葉片和/或果實對應的第一圖譜，所述第一圖譜為通過高光譜相機對所述待測作物的葉片和/或果實拍攝得到的光譜圖；

從所述第一圖譜篩選出600-900nm波段所對應的圖譜，得到第二圖譜；

根據所述第二圖譜與標準圖譜，判斷所述待測作物是否存在柑橘潰瘍病，其中，所述標準圖譜為存在柑橘潰瘍病的作物的葉片和/或果實在600-900nm波段所對應的圖譜。

2.如權利要求1所述的柑橘潰瘍病的識別方法，其特征在于，所述根據所述第二圖譜與標準圖譜，判斷所述待測作物是否存在柑橘潰瘍病，包括：

從所述第二圖譜確定出待匹配的吸收峰，以及，從所述標準圖譜確定出標準的吸收峰；

根據所述待匹配的吸收峰與所述標準的吸收峰的相似度，判斷所述待測作物是否存在柑橘潰瘍病。

3.如權利要求1所述的柑橘潰瘍病的識別方法，其特征在于，所述根據所述第二圖譜與標準圖譜，判斷所述待測作物是否存在柑橘潰瘍病，包括：

將所述第二圖譜輸入已訓練的柑橘潰瘍病識別模型，得到所述已訓練的柑橘潰瘍病識別模型輸出的第一識別結果，所述第一識別結果用于指示所述第二圖譜對應的待測作物是否存在柑橘潰瘍病，其中，所述已訓練的柑橘潰瘍病識別模型通過多個所述標準圖譜訓練得到。

4.如權利要求3所述的柑橘潰瘍病的識別方法，其特征在于，所述柑橘潰瘍病識別模型包括基于高光譜的特征波段圖譜的判定子模型，以及，包括以下至少一種子模型：

基于深度學習的柑橘潰瘍病識別及病害分級子模型、柑橘潰瘍病預測子模型；

所述基于高光譜的特征波段圖譜的判定子模型的輸入包括所述第二圖譜，所述基于高光譜的特征波段圖譜的判定子模型的輸出包括所述第一識別結果；

所述基于深度學習的柑橘潰瘍病識別及病害分級子模型的輸入包括可見光圖像，所述基于深度學習的柑橘潰瘍病識別及病害分級子模型的輸出包括第二識別結果，所述第二識別結果用于指示所述待測作物是否存在柑橘潰瘍病，以及，在存在柑橘潰瘍病時對應的病害級別，其中，所述可見光圖像為通過所述高光譜相機對所述待測作物的葉片和/或果實拍攝得到的可見光波段所對應的圖像；

當所述柑橘潰瘍病識別模型還同時包括所述基于深度學習的柑橘潰瘍病識別及病害分級子模型和所述柑橘潰瘍病預測子模型時，所述柑橘潰瘍病預測子模型的輸入包括所述第二圖譜、所述第一識別結果、所述可見光圖像、所述第二識別結果以及所述待測作物當前所在地所對應的氣象信息，所述柑橘潰瘍病預測子模型的輸出包括所述待測作物發生大規模柑橘潰瘍病的概率，和/或，所述待測作物存在的嚴重程度；

當所述柑橘潰瘍病識別模型沒有包括所述基于深度學習的柑橘潰瘍病識別及病害分級子模型但包括所述柑橘潰瘍病預測子模型時，所述柑橘潰瘍病預測子模型的輸入包括所述第二圖譜、所述第一識別結果以及所述待測作物當前所在地所對應的氣象信息，所述柑橘潰瘍病預測子模型的輸出包括所述待測作物發生大規模柑橘潰瘍病的概率，和/或，所述待測作物存在的柑橘潰瘍病的嚴重程度。

5.如權利要求4所述的柑橘潰瘍病的識別方法，其特征在于，所述柑橘潰瘍病預測子模型的輸入還包括：

所述高光譜相機所對應的位置信息和/或所述高光譜相機對所述待測作物的葉片和/或果實進行拍攝時的拍攝時間。

6.如權利要求4或5所述的柑橘潰瘍病的識別方法，其特征在于，所述柑橘潰瘍病的識別方法還包括：

若所述待測作物發生大規模柑橘潰瘍病的概率大于預設的概率閾值，和/或，所述待測作物存在的柑橘潰瘍病的嚴重程度大于預設的嚴重程度，則發出預警提示，所述預警提示用于提示用戶及時進行病害防治工作。