更新时间：2026-08-15 00:02:24
已登记
详细信息
-
知识产权名称
莲藕病虫害识别AI训练数据
-
登记编号
DIP2025000002756
-
申请人
浙江天演维真网络科技股份有限公司
-
登记类型
首次登记
-
登记有效期
3年
-
申请时间
2025-04-15 11:24:29
详细信息
-
所属行业
农、林、牧、渔业
-
交易状态
待交易
-
数据规模
902
-
更新频次
每周更新
-
应用场景
本训练数据主要应用于提升AI模型在莲藕病虫害识别场景中对病虫害的识别能力和识别准确度。通过这些数据的训练，采集莲藕叶片高清图像数据，结合深度学习模型对叶片表面的病斑、虫害特征进行多维度分析，能够快速识别病虫害类型及严重程度，生成科学的诊断结果。这种技术不仅显著提升了病虫害识别的准确率，还通过精准定位病害区域，减少了农药的过度使用，降低了环境污染风险，同时提升了防治效率。
-
算法规则简要说明
1、数据采集：由企业采购相机等硬件设备拍摄的莲藕叶片高清图像，详细记录每张图像的图像ID、文件路径、标签拍摄时间等关键信息。同时，对图像进行初步分类，标注其是否含有病虫害以及病虫害的类型。 2、图像预处理：对采集到的图像进行去噪处理，去除图像中的噪声干扰，使图像更加清晰。同时，增强图像的对比度，突出图像中的病虫害特征，提升图像质量，为后续的特征提取和模型训练提供更好的基础。 3、数据准备：从指定路径读取预处理后的图像数据，提取图像的标签、目标框（病虫害的位置）信息，同时加载图像对应的特征数据。 4、模型训练：采深度学习框架进行模型训练。利用标记好的病虫害图像数据，通过调整模型的超参数（如学习率、批次大小等），优化模型结构，减少训练过程中的损失值。在每个训练周期（Epoch）结束时，记录训练损失和精度，监控模型的训练进度。 5、模型评估：通过验证集对训练好的模型进行性能评估，计算验证损失和精度，检验模型对未见过数据的识别能力。同时，计算F1分数、精确率和召回率等指标，生成混淆矩阵和AUC值，全面评估模型的性能。 6、结果分析与优化：根据收集到的各种指标，分析模型在病虫害识别任务中的优缺点。针对模型存在的问题，如对某些病虫害类型的识别精度较低，进一步优化算法参数，如调整模型的网络结构、改进损失函数等，提高模型的识别精度和泛化能力。最终输出病虫害识别结果。
-
更新频次
每周更新
-
存证平台
浙江省知识产权区块链公共存证平台
