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！

龙图腾网获悉延安大学申请的专利农田病虫害监测方法、装置及存储介质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：CN120563494B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202511042250.6，技术领域涉及：G06T7/00；该发明授权农田病虫害监测方法、装置及存储介质是由田星;李时荣;田敏;陈国梁;王秀康;王贝诚;胡炳宏;覃胜铭设计研发完成，并于2025-07-28向国家知识产权局提交的专利申请。

本农田病虫害监测方法、装置及存储介质在说明书摘要公布了：本发明提供一种农田病虫害监测方法、装置及存储介质，涉及农业领域技术领域，本发明将农田划分为多个子区域，获取红外光谱图像并分割为对应子图像；基于虫害相关特征波段的反射率，计算植被胁迫综合指数，筛选高风险子区域。在高风险区域随机抽取风险植株并采集叶片生理参数，构建叶片生理健康指数，并依据环境数据通过环境调控系数进行动态矫正。采用训练后的网络模型识别风险样本叶片病斑，计算病斑面积指数。最后融合矫正后叶片生理健康指数与病斑面积指数，通过风险评估函数计算归一化风险值，并划分为四级风险等级。本发明通过光谱分析、生理参数校正与深度学习病斑检测的多级融合，实现病虫害早期精准预警，提升监测效率。

本发明授权农田病虫害监测方法、装置及存储介质在权利要求书中公布了：1.农田病虫害监测方法，其特征在于，具体步骤包括： S1：将待监测农田划分为多个子区域，获取待监测农田的红外光谱图像，并将红外光谱图像划分为和每个子区域相映射的子图像，根据每个子图像中像素病虫害相关特征波段的反射率，计算植被胁迫综合指数，并进行分析筛选出高风险的子图像，依据映射关系在子区域内筛选出农田高风险区域； S2：抽选出各个高风险区域的农作物植株作为风险样本，测量风险样本的叶片生理参数，通过多参数耦合，对叶片生理健康状态进行评估；并根据采集风险样本时的环境数据，根据环境数据设计惩罚项，并针对不同农作物的环境敏感程度，对评估的叶片生理健康状态进行矫正； S3：捕获指定风险样本叶片图像，并对风险样本的图像使用训练后的网络模型进行病斑识别；经模型输出病斑面积以及叶片成像面积，结合图像清晰度进行清晰度补偿，对于叶片病斑情况进行评估； S4：根据高风险区域对应的风险样本矫正后的叶片生理健康指数和病斑面积指数进行分析，获得高风险区域对应的病虫害风险评估指数；经过风险评估函数得到风险值，根据风险值进行风险级别分级； 其中，采用随机抽检高风险子区域内样本作物，使用荧光-气孔测量仪接触植株顶端完全展开叶片，测量叶片生理参数，叶片生理参数包括：气孔导度、蒸腾速率、光合速率；读取当前农田所种植农作物品种的最大光合速率、最适气孔导度、最大气孔导度；对叶片生理健康状态进行评估，构建叶片生理健康指数，公式如下： 其中，Gs为气孔导度，Gsmax为最大气孔导度，Gsopt为最适气孔导度，E为蒸腾速率，A为光合速率，Amax为最大光合速率； 根据采集风险样本时的环境数据对叶片生理健康指数进行矫正，采集风险样本时的环境数据包括：通过温度传感器读取温度、湿度；通过光量子传感器读取光照强度；调用作物参数库，读取当前农田所种植农作物品种最适湿度、最适温度、最适光照、光饱和点；计算环境调控系数，公式如下： 其中，T为温度，H为湿度，I为光照强度，Topt为最适温度，Hopt为最适湿度，Iopt为最适光照强度；调用风险样本所处点位实时环境数据，对评估的叶片生理健康状态进行矫正，按以下公式修正SPI值： SPI′＝SPI×1-η×gT,H,I 其中，η为农作物环境敏感性系数； 对风险样本的图像使用训练后的网络模型进行病斑识别，所述网络模型为改进的YOLOv11网络模型，采用了CSPDarknet53作为主干网络，结合PANet进行特征融合，引入了自适应锚点机制，能够根据数据集的特点自动调整锚点大小，对输入图像进行多通道分解，检测图像叶片中实时的病斑、虫蛀区域；输入采集图像，模型输出病斑面积与叶片成像面积，进行密度计算获得病斑面积指数，公式如下： 其中，Ak为第k个病斑面积，Aleaf为叶片成像面积，CI为图像清晰度指数，输出病斑面积指数，用于病虫害风险评估。

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延安大学，其通讯地址为：716000 陕西省延安市宝塔区圣地路580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”。

以上内容由龙图腾AI智能生成。