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！

摘要：本发明的实施例提供了基于语义分割与集成学习的蚊虫分布预测方法和装置。所述方法包括选取目标研究点位，获取目标研究点位的蚊虫数据；获取目标研究点位的遥感影像图，输入训练后的Deeplabv3模型进行语义分割，得到语义分割结果；将目标研究点位的地物特征数据与目标点位的蚊虫数据进行相关性分析，若存在典型相关关系，则得到与蚊虫分布相关的地物特征数据，以与蚊虫分布相关的地物特征数据作为自变量，所述目标点位的蚊虫数据作为因变量的训练集训练XGBoost分类模型，对所述目标研究点位的蚊虫分布进行预测。以此方式，可以对大面积区域进行蚊虫分布预测，节省人工，提升效率，精确地预测蚊虫分布情况，提高了预测结果的准确性和可靠性。

主权项：1.一种基于语义分割与集成学习的蚊虫分布预测方法，其特征在于，包括：在目标研究区域内选取目标研究点位，获取所述目标研究点位的蚊虫数据；以深度学习图像语义分割数据集作为第一训练集，通过Adadelta优化器对Deeplabv3模型进行训练，得到训练后的Deeplabv3模型；获取所述目标研究点位的遥感影像图，输入训练后的Deeplabv3模型进行语义分割，得到语义分割结果，所述语义分割结果中包含目标研究点位的地物特征数据；将所述目标研究点位的地物特征数据与所述目标研究点位的蚊虫数据作为特征变量，进行相关性分析，若存在典型相关关系，则得到与蚊虫分布相关的地物特征数据，并以与蚊虫分布相关的地物特征数据作为自变量，所述目标研究点位的蚊虫数据作为因变量的训练集训练XGBoost分类模型，通过训练后的XGBoost分类模型对所述目标研究点位的蚊虫分布进行预测；XGBoost分类模型的训练过程，包括：从所述训练集中筛选出常见种和优势种，分别用常见种和优势种对XGBoost分类模型进行训练，得到常见种模型和优势种模型；对所述训练集进行数据优化，得到优化后的训练集；通过所述优化后的训练集对XGBoost分类模型进行训练；所述数据优化，包括：向所述训练集中的与蚊虫分布相关的地物特征数据中加入湖面数据，得到第一数据集；通过伪标签对所述第一数据集进行分组，生成包含多组数据的第二数据集；对所述第二数据集进行加权处理，得到加权后的第二数据集；筛选出所述加权后的第二数据集中包含多种蚊虫类型组合的数据组，将其拆分为仅包含单一蚊虫类型的多个数据组，作为优化后的训练集。

全文数据：

权利要求：

百度查询： 无锡市疾病预防控制中心 基于语义分割与集成学习的蚊虫分布预测方法和装置