(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210849284.6 (22)申请日 2022.07.19 (71)申请人 杭州市路桥集团股份有限公司 地址 310000 浙江省杭州市拱 墅区半山 街 道临一街108号6幢一层 (72)发明人 谢伟　陈雨　宓波　陈雍　马啸飞　 赵蕊　 (74)专利代理 机构 杭州浙科专利事务所(普通 合伙) 33213 专利代理师 吴昌榀 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/22(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06N 5/04(2006.01) G01D 21/02(2006.01) (54)发明名称 基于人工智能技术的病虫害识别方法及智 能处理系统 (57)摘要 本发明属于农业互联网领域， 具体涉及一种 基于人工智能技术的病虫害识别方法及智能处 理系统， 包括： 采集月季不同病虫害的图片输入 到深度卷积神经网络模型之中训练； 构建专家系 统； 进行月季病虫害的初筛， 将光谱异于正常生 长月季的区域标注为可疑区域； 采集可疑区域的 环境信息， 并上传云端， 由数据中心得出细查的 结果； 数据中心综合接收到的信息， 分析该可疑 区域病虫害情况并得出应该采取的措施， 返回分 析结果； 检测员根据返回的结果， 判断自身是否 有条件处理。 本发明提供能够采集月季生长环境 的多种重要信息， 较为全面地反映了月季生长环 境信息， 从而使得专家系统能够更加全面地衡量 月季所处环 境与病虫害信息， 进而做出更加准确 的诊断。 权利要求书2页 说明书6页 附图3页 CN 115272753 A 2022.11.01 CN 115272753 A 1.一种基于人工智能技 术的病虫害识别方法， 其特 征在于， 包括： S1采集月季不同病虫害的图片输入到深度 卷积神经网络模型之中训练， 使神经网络能 够自动识别病虫害种类； S2构建专 家系统； S3通过光谱仪进行月季病虫害的初筛， 将光谱异于正常生长月季的区域标注为可疑区 域； S4采集可疑区域的环境信息， 并传输给 数据中心； S5数据中心综合接收到的信息， 分析该可疑区域病虫害情况并得出应该采取的措施， 通过云端返回分析 结果； S6检测员根据数据中心返回的结果， 判断 自身是否有条件处 理； 若有， 则进行处 理； 否则， 检测员在该 可疑区域做好标记。 2.根据权利要求1所述的一种基于人工智能技术的病虫害识别方法， 其特征在于， S1还 包括输入的图片的形状约定为25 6×256×3。 3.根据权利要求1所述的一种基于人工智能技术的病虫害识别方法， 其特征在于， S1还 包括图片在输入到深度卷积神经网络模型 前进行归一 化和直方图均衡化处 理。 4.根据权利要求1所述的一种基于人工智能技术的病虫害识别方法， 其特征在于， S1中 深度卷积神经网络模型的结构采用ResNet5 0。 5.根据权利要求1所述的一种基于人工智能技术的病虫害识别方法， 其特征在于， S1中 深度卷积神经网络模型的输出层9个神经元， 返回一个9维的向量， 分别对应于没有病虫害 的概率， 月季患有黑斑病的概率， 月季患有白粉病的概率， 月季患有霜霉病的概率， 月季患 有红蜘蛛虫害的概率， 月季患有蚜虫虫害的概率， 月季患有白蜡蚧虫害的概率， 月季患有天 牛虫害的概 率， 月季有病虫害但不属于以上七种 病虫害的概 率。 6.根据权利要求1所述的一种基于人工智能技术的病虫害识别方法， 其特征在于， S2 中， 专家系统基于专家给出的基础规则并进 行不确定性推理从而得到应该对该片区域采取 的举措； 专家系统中包 含专家预先设定好的产生式规则， 产生式规则的形式为： IF E THEN H(CF(H,E) ) 其中， E为证据， H为结论， CF(H， E)为可信度因子， 取值范围为[ ‑1,1]表明该条规则的可 信度； 若由于相应证据的出现增加结论H为真的可能性， 则CF(H， E)>0， 且证据的出现越 是支 持H为真， 就使CF(H， E)的值越大； 反 之亦然； 专家系统进行推理的方式为： 1)初始化 规则集合， 具体为专 家预先给定的产生式规则； 2)初始化 规则事实集 合， 具体为采集到的环境信息 。 3)推理， 利用不确定性推理方法进行正向推理， 并将结果放到知识库中， 不停循环直至 得到所需答案 。 7.根据权利要求1所述的一种基于人工智能技术的病虫害识别方法， 其特征在于， 环境 信息包括采集到的环 境温度、 土壤湿度、 土壤肥力、 环 境的位置信息、 采集的时间信息、 月季 生长环境照片中的一种或多种。 8.根据权利要求1所述的一种基于人工智能技术的病虫害识别方法， 其特征在于， S3具权　利　要　求　书 1/2 页 2 CN 115272753 A 2体包括： 检测员驾驶载有对应传感器与联网设备 的车辆到高架上， 通过光谱仪进行月季病 虫害的初筛， 将光谱异于正常生长月季的区域标注为可疑区域， 并下 车进行细查。 9.根据权利要求1所述的一种基于人工智能技术的病虫害识别方法， 其特征在于， S5具 体包括： 数据中心根据可疑区域的图片， 通过训练好的深度卷积神经网络模型得到该区域 的病虫害种类； 通过GPS位置信息获得检测位置所属地区； 通过时间信息可以得到检测时的 时间区间； 知识推理机将以上信息作为外界输入， 并结合预先设置好的产生式规则进行不 确定性推理， 从而得 出应该采取的措施， 并通过云端返回给检测员。 10.一种基于人工智能技 术的病虫害智能处 理系统， 其特 征在于， 包括： 光谱仪， 其将月季发出的复色光分离成光谱， 用于月季病虫害的初筛， 将光谱异于正常 月季的区域标记为可疑区域； 摄像头， 其采集可疑区域的照片， 用于深度卷积神经网络判断该区域的病虫害种类； GPS定位仪， 其测量环境 地理位置， 用于给专 家系统提供位置坐标信息； 土壤湿度传感器， 其测量土壤中的湿度， 用于给专家系统提供月季生长环境的水分信 息； 空气温度传感器， 其测量空气温度， 用于给专 家系统提供月季生长环境的温度信息； 肥力传感器， 其测量可疑区域月季生长土壤的肥力， 用于给专家系统提供土壤氮磷钾 含量信息； 数据收集单元， 其收集光谱仪、 摄像头、 GPS定位仪、 土壤湿度传感器、 空气温度传感器、 肥力传感器采集的数据； 无线通信单元， 其将数据收集单元收集的数据传输至云端， 并接收云端传输来的信 息； 以及 显示单元， 其显示云端传输来的信息 。权　利　要　求　书 2/2 页 3 CN 115272753 A 3