买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东省农业技术推广中心(山东省农业农村发展研究中心)申请的专利一种农产品病害实时监测与预警系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119492419B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510048579.7，技术领域涉及：G01D21/02；该发明授权一种农产品病害实时监测与预警系统是由李文静;王赫;于凯雯;李振博;王丹凤设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本一种农产品病害实时监测与预警系统在说明书摘要公布了：本发明涉及农业技术领域，具体涉及一种农产品病害实时监测与预警系统，包括环境监测模块、作物生长监测模块、病害检测模块、数据分析模块以及预警生成模块；其中：环境监测模块：用于实时监测农田的环境参数；作物生长监测模块：用于采集作物的生长状态数据；病害检测模块：用于实时检测作物的病害信息；数据分析模块：对监测的数据进行综合分析，评估当前病害风险，并预测未来病害发展趋势；预警生成模块：用于生成相应的病害预警信息。本发明，通过融合环境监测、作物生长状态监测和病害检测，结合决策树算法进行精准病害风险评估与预测，实现了实时、准确的病害预警，从而帮助农场管理人员预警。

本发明授权一种农产品病害实时监测与预警系统在权利要求书中公布了：1.一种农产品病害实时监测与预警系统，其特征在于，包括环境监测模块、作物生长监测模块、病害检测模块、数据分析模块以及预警生成模块；其中： 环境监测模块：用于实时监测农田的环境参数，包括温湿度、土壤酸碱度、光照强度； 作物生长监测模块：用于采集作物的生长状态数据，包括叶面积、植株高度和生长速度； 所述作物生长监测模块包括叶面积监测单元、植株高度监测单元以及生长速度监测单元；其中： 叶面积监测单元：用于实时采集作物叶面积数据，该监测单元包括高分辨率图像采集设备，通过拍摄作物叶片的图像并利用图像处理算法计算作物的叶面积；叶面积的计算公式为：，其中，为叶面积，和分别为第个叶片的长度和宽度，为叶片数量； 植株高度监测单元：用于实时测量作物植株的高度，该监测单元包括激光测距仪或超声波传感器，通过发射信号并测量反射信号的时间差来精确测定作物的高度；作物高度的计算公式为：，其中，为作物的高度，为声波或光信号的传播速度，为信号往返的时间； 生长速度监测单元：用于实时监测作物的生长速度，该监测单元通过周期性采集作物的高度，叶面积的生长数据，并结合采集的时间信息，计算作物的生长速度；生长速度的计算公式为：，其中，为作物的生长速度，和分别为作物在时间和时的叶面积，为时间间隔； 病害检测模块：用于通过红外成像技术，实时检测作物的病害信息，包括农作物表面病斑、腐烂或虫害现象； 所述病害检测模块包括红外成像单元、图像处理单元以及病害识别单元；其中： 红外成像单元：包括高分辨率红外相机，用于捕捉作物表面的热分布图像； 图像处理单元：用于对来自红外成像单元的红外图像数据进行处理；所述单元包括图像增强子单元和图像分割子单元； 图像增强子单元：用于通过调整对比度和亮度，提高病害区域的可见性； 图像分割子单元：用于采用边缘检测算法，将作物表面与背景分离，提取病斑、腐烂或虫害区域的轮廓数据，生成病害区域的二值图像； 病害识别单元：用于分析图像处理单元输出的二值图像数据，识别并分类作物的病害信息；所述单元包括特征提取子单元和分类子单元； 特征提取子单元：用于通过提取病斑的面积、形状、边缘锐利度的特征参数； 分类子单元：用于根据提取的特征参数对病害类型进行分类识别，判断病斑、腐烂或虫害的具体种类，并将识别结果传输至数据分析模块； 数据分析模块：用于接收来自环境监测模块、作物生长监测模块及病害检测模块的数据，采用决策树算法对接收的数据进行综合分析，基于环境参数、生长状态数据和病害信息的多个条件，评估当前病害风险，并预测未来病害发展趋势； 所述数据分析模块包括数据整合单元、决策树分析单元、风险评估单元以及趋势预测单元；其中： 数据整合单元：用于接收来自环境监测模块、作物生长监测模块及病害检测模块的所有数据，并将不同来源的数据进行统一格式化和整合，形成综合性的农田数据集； 决策树分析单元：用于对整合后的农田数据集进行分析，采用决策树算法构建多层决策树模型，基于环境参数、作物生长状态数据和病害信息的多个条件，评估当前病害风险； 所述决策树分析单元包括： 决策树构建子单元：用于根据来自数据整合单元的农田数据集，通过决策树算法构建多层决策树模型，具体构建过程包括以下步骤： 选择分裂特征：通过计算各环境参数、作物生长状态数据和病害信息的信息增益，选择最佳分裂特征；信息增益的计算公式为： ，其中，为数据集，为特征，为特征的某个取值对应的子集，为数据集的信息熵； 节点分裂：根据选定的特征和其阈值，将数据集分裂为子集和，使得每个子集在该特征上的值满足或； 递归构建：对每个子集和递归执行特征选择和节点分裂步骤，直到满足停止条件； 模型生成：完成上述步骤后，构建完成的多层决策树模型用于对输入数据进行分类识别； 病害风险评估子单元：用于基于构建的决策树模型，结合当前环境参数、作物生长状态数据和病害信息，评估当前病害风险；评估步骤包括： 输入数据：接收当前的环境参数、作物生长状态数据和病害信息作为输入特征； 路径遍历：根据输入特征，通过决策树模型从根节点开始，依次判断每个节点的分裂条件，沿着满足条件的路径向下遍历，直到到达叶节点； 风险等级输出：在叶节点，根据类别标签输出病害风险等级，包括低风险、中风险或高风险，并将评估结果传递至风险评估单元； 风险评估单元：用于根据决策树分析单元的输出结果，对病害风险进行定量评估，计算病害发生的概率值，并生成风险评估报告； 所述风险评估单元包括： 历史病害模式分析子单元：用于通过统计历史病害发生的频率和发生条件，计算对应的病害发生的条件概率值； 实时气象信息分析子单元：用于接收实时气象信息，包括温湿度，降水量和风速，并将气象信息与历史病害模式数据进行结合分析；通过计算实时气象因素与历史病害模式的相关系数，量化气象因素对病害发生的影响； 病害风险计算子单元：用于根据历史病害模式分析子单元和实时气象信息分析子单元提供的条件概率值和气象因素的相关系数，结合贝叶斯推理算法计算病害发生的综合概率值； 风险评估报告生成子单元：用于根据计算得到的病害发生的综合概率值，生成病害风险评估报告，包括病害风险等级、影响区域和病害类型； 趋势预测单元：用于基于当前及历史数据，预测病害的发展趋势，利用多层决策树模型的分支路径，分析不同环境和作物生长条件下病害潜在的发展方向和严重程度，提供未来一段时间内的病害发展预测； 所述趋势预测单元包括： 分支路径分析子单元：用于利用多层决策树模型的分支路径，分析不同环境参数、作物生长状态数据和病害信息的组合条件下，病害潜在的发展方向； 发展方向评估子单元：基于分支路径分析单元的输出结果，评估不同病害发展方向的严重程度，具体采用以下公式进行严重程度评估： ，其中，为病害发展的总严重程度评分，为第条路径的权重，为第条路径对应的病害严重程度评分，为涉及的路径数量； 趋势预测生成子单元：基于发展方向评估单元的严重程度评分，预测未来一段时间内病害的发展趋势；具体应用时间序列预测模型，预测未来病害的发展趋势，公式为：，其中，为时间的病害严重程度预测值，为常数项，为自回归系数，为移动平均系数，为随机误差项； 预警生成模块：根据数据分析模块提供的病害风险评估结果，生成相应的病害预警信息，并将预警信息传输至农场管理人员的终端设备。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东省农业技术推广中心(山东省农业农村发展研究中心)，其通讯地址为：250014 山东省济南市历下区解放路15号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。