[发明专利]一种基于大数据与深度学习的病虫害识别系统在审

专利信息
申请号: 202110911829.7 申请日: 2021-08-10
公开(公告)号: CN113673394A 公开(公告)日: 2021-11-19
发明(设计)人: 宋彩霞;亓志国;刘传奇;霍青峰;孙振华;丁洵;陈勃宇;付华侨;孙福豪;刘永奇 申请(专利权)人: 青岛农业大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06Q50/02;G06F16/951
代理公司: 暂无信息 代理人: 暂无信息
地址: 266109 山东省青岛市城阳区*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 数据 深度 学习 病虫害 识别 系统
【权利要求书】:

1.一种基于大数据与深度学习的病虫害识别系统,其特征在于:包括数据收集模块、数据存储与处理模块、数据应用模块;

所述数据收集模块,用于收集各种数据;其中,所述数据收集模块包括图像数据收集子模块、新闻数据收集子模块、价格收集子模块、气象数据收集子模块、淘宝数据收集子模块,可以分别收集图像、新闻、价格、气象数据和淘宝数据;

所述数据存储与处理模块,用于存储从互联网上获取到和用户上传的数据;其中,所述数据存储与处理模块包括数据存储子模块、数据处理子模块、数据迁移子模块,可以实现存储数据、处理数据、迁移数据;

所述数据应用模块,用于将处理得到的数据进行训练和展示;其中,所述数据应用模块包括用户注册登录子模块、自助模型训练子模块、训练任务管理子模块、模型自动更新子模块、病虫害识别子模块和大屏可视化子模块,用户可注册登录网站、上传图片进行病虫害识别以及查看大屏可视化数据。

2.根据权利要求1所述的一种基于大数据与深度学习的病虫害识别系统,其特征在于:所述图像数据收集子模块包括收集互联网中脐橙相关的病虫害图像数据,所述新闻数据收集子模块包括收集新闻门户网站中的农业新闻数据和病虫害防治措施数据,所述价格收集子模块包括收集商务部批发市场的价格数据,所述气象数据收集子模块包括收集国家气象数据中心的部分气象数据,所述淘宝数据收集子模块包括收集淘宝上的农具、防治病虫害的农药数据。

3.根据权利要求1所述的一种基于大数据与深度学习的病虫害识别系统,其特征在于:所述数据存储与处理模块中数据存储,是指对收集到的数据进行存储;所述数据存储与处理模块中数据处理,是指对不符合要求的数据进行删除处理;所述数据存储与处理模块中数据迁移,是指对数据进行不同存储介质之间进行转移。

4.根据权利要求1所述的一种基于大数据与深度学习的病虫害识别系统,其特征在于:所述数据应用模块中用户注册登录,是指实现用户的注册与登录功能。

5.根据权利要求1所述的一种基于大数据与深度学习的病虫害识别系统,其特征在于:所述数据应用模块中自助模型训练,是指用户通过书写输入数据库位置,选择训练模型,选择优化器,用户需要填写用户地址,然后输入训练轮次和学习率,并将训练结果推送到指定邮箱中去。

6.根据权利要求1所述的一种基于大数据与深度学习的病虫害识别系统,其特征在于:所述数据应用模块中训练任务管理,是指对提交的任务进行管理;其中,所述任务管理包括查看任务信息和删除任务两个功能。

7.根据权利要求1所述的一种基于大数据与深度学习的病虫害识别系统,其特征在于:所述数据应用模块中模型自动更新,是指自动对新数据进行模型训练。

8.根据权利要求1所述的一种基于大数据与深度学习的病虫害识别系统,其特征在于:所述数据应用模块中病虫害识别,是指对脐橙病虫害图像进行识别并返回识别结果治疗措施相关新闻和视频商品等。

9.根据权利要求1所述的一种基于大数据与深度学习的病虫害识别系统,其特征在于:所述数据应用模块中大屏可视化,是指对资源库中的数据统计信息进行展示说明。

10.根据权利要求9所述的一种基于大数据与深度学习的病虫害识别系统,其特征在于:数据统计信息展示说明是指按照数据类型和特点选择柱状图、折线图、词云、热力图等对数据库中图片数量、新闻数量、视频数量、病虫害图片类别以及数量,新闻类型以及数量,新闻来源,新闻关键字词云图进行展示说明。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于青岛农业大学,未经青岛农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110911829.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top