申请/专利权人:中国科学院空天信息创新研究院
申请日:2024-03-27
公开(公告)日:2024-06-25
公开(公告)号:CN118247558A
主分类号:G06V10/764
分类号:G06V10/764;G06N3/0455;G06V10/80;G06V10/44;G06V20/10;G06N3/0895
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明涉及植物保护技术领域,提供一种多模态深度学习的植物病情定量反演方法、装置及设备,方法包括:将RGB影像、多光谱影像和植被指数输入至植物病情定量反演模型,得到植物病情指数定量反演结果;植物病情定量反演模型包括多流并行的编码器、特征融合模块和解码器;多流并行的编码器包括RGB编码器、多光谱编码器和植被指数编码器;特征融合模块对RGB影像特征、多光谱影像特征和植被指数特征进行特征融合得到多模态融合特征;解码器对多模态融合特征进行解码得到定量反演结果。基于具备高空间分辨率特点的RGB影像和具备高光谱分辨率特点的多光谱影像和植被指数进行植物病情指数定量反演,提高了植物病情指数定量反演的准确性。
主权项:1.一种多模态深度学习的植物病情定量反演方法,其特征在于,包括:获取RGB影像、多光谱影像和植被指数;所述植被指数基于所述多光谱影像确定;将所述RGB影像、所述多光谱影像和所述植被指数输入至植物病情定量反演模型中,得到所述植物病情定量反演模型输出的植物病情指数定量反演结果;所述植物病情定量反演模型包括多流并行的编码器、特征融合模块和解码器;所述多流并行的编码器包括RGB编码器、多光谱编码器和植被指数编码器;所述RGB编码器用于提取所述RGB影像中的RGB影像特征,所述多光谱编码器用于提取所述多光谱影像中的多光谱影像特征,所述植被指数编码器用于提取所述植被指数中的植被指数特征;所述特征融合模块用于对所述RGB影像特征、所述多光谱影像特征和所述植被指数特征进行特征融合,得到多模态融合特征;所述解码器用于对所述多模态融合特征进行解码,得到所述植物病情指数定量反演结果。
全文数据:
权利要求:
百度查询: 中国科学院空天信息创新研究院 多模态深度学习的植物病情定量反演方法、装置及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。