【技术实现步骤摘要】
本专利技术涉及农业监测，更具体地说，本专利技术涉及一种基于卫星遥感与ai算法的作物病虫害监测与预警系统。
技术介绍
1、传统的作物病虫害监测方法往往依赖于人工实地调查，这种方法不仅耗时费力，而且难以覆盖大面积区域，导致监测效率低下，预警不及时。此外，现有的基于地面传感器的监测系统虽然能够提供局部信息，但对于广袤的农田而言，仍然存在监测盲区。
2、在农业环境领域，随着机器学习模型的应用，如中国授权专利为：cn111985370b，公开一种基于改进混合注意力模块的农作物病虫害的细粒度识别方法，采用inception和残差学习思想构建卷积网络，能够减少映射区间，保留原图细节；
3、其主要针对采集的图像进行病虫害识别，但是在实际应用中，由于农田占地面积大，无法采集的精确病虫害实时图像，通常提供基础的病虫害信息，没有集成智能化的预测和决策支持系统，农业管理者只能依赖经验作出决策，可能导致防控措施不够精准或不及时。
4、鉴于此，本专利技术提出一种基于卫星遥感与ai算法的作物病虫害监测与预警系统。
【技术保护点】
1.一种基于卫星遥感与AI算法的作物病虫害监测与预警系统，其特征在于，包括数据获取模块（100）、数据分析模块（200）、趋势预测模块（300）和预警决策模块（400），各个模块之间通过有线或无线连接；
2.根据权利要求1所述的一种基于卫星遥感与AI算法的作物病虫害监测与预警系统，其特征在于：利用多颗卫星定期获取覆盖多个波段的农田多光谱图像，农田多光谱图像包括b1波段光谱图像、b2波段光谱图像、b3波段光谱图像和b4波段光谱图像；所述农田多光谱图像通过光谱特征分析进行图像分割提取农田种植区域。
3.根据权利要求2所述的一种基于卫星遥感与AI算法...
【技术特征摘要】
1.一种基于卫星遥感与ai算法的作物病虫害监测与预警系统，其特征在于，包括数据获取模块（100）、数据分析模块（200）、趋势预测模块（300）和预警决策模块（400），各个模块之间通过有线或无线连接；
2.根据权利要求1所述的一种基于卫星遥感与ai算法的作物病虫害监测与预警系统，其特征在于：利用多颗卫星定期获取覆盖多个波段的农田多光谱图像，农田多光谱图像包括b1波段光谱图像、b2波段光谱图像、b3波段光谱图像和b4波段光谱图像；所述农田多光谱图像通过光谱特征分析进行图像分割提取农田种植区域。
3.根据权利要求2所述的一种基于卫星遥感与ai算法的作物病虫害监测与预警系统，其特征在于：农田三维空间图像的获取逻辑为：
4.根据权利要求3所述的一种基于卫星遥感与ai算法的作物病虫害监测与预警系统，其特征在于：所述病虫害图像的获取逻辑为：
5.根据权利要求4所述的一种基于卫星遥感与ai算法的...
【专利技术属性】
技术研发人员：赵洪祥，陈子健，李彩，荣延寿，刘鑫，
申请(专利权)人：天勰力山东卫星技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。