-
公开(公告)号：CN117132853A
公开(公告)日：2023-11-28
申请号：CN202310631473.0
申请日：2023-05-31
Applicant: 安徽大学
IPC: G06V10/80 , G01N21/25 , G06V20/10 , G06V10/771 , G06F17/18
Abstract: 本发明涉及一种基于CARS‑Ridge算法融合新型指数的小麦赤霉病识别方法，包括：获得小麦赤霉病冠层高光谱数据；通过CARS、PCA和SPA三种算法对获取的小麦赤霉病冠层高光谱数据进行降维；通过RF、PLSR和Ridge三种算法进行建模，得到9个小麦赤霉病识别模型；通过对9个小麦赤霉病识别模型的结果进行十折交叉验证，确定最优模型；构建两个新型指数；将新型指数与最优模型进行融合，得到最优小麦赤霉病识别模型。本发明通过数据降维并结合新型指数构建评价了高光谱数据在小麦赤霉病识别中的应用潜力，提出了CARS‑Ridge算法和新型指数的开发，确定了最准确的小麦赤霉病识别模型，即最优小麦赤霉病识别模型；大大提高了现有病害反演的精度，克服了小麦赤霉病识别不准确的缺陷。
-
公开(公告)号：CN113176214A
公开(公告)日：2021-07-27
申请号：CN202110423984.4
申请日：2021-04-20
Applicant: 安徽大学
Abstract: 本发明涉及一种非成像光谱应用连续小波分析的麦穗赤霉病监测方法，与现有技术相比解决了麦穗尺度上小麦赤霉病监测精度差的缺陷。本发明包括以下步骤：麦穗非成像高光谱数据的获取；敏感特征的筛选；最优敏感特征子集的筛选；赤霉病监测模型的建立；赤霉病监测模型的训练；待分析麦穗非成像高光谱数据的获取；麦穗赤霉病监测结果的获得。本发明利用连续小波分析从麦穗非成像高光谱数据中提取小波特征，然后采用递归特征消除法筛选出最优小波特征子集结合PSO‑SVM算法构建小麦赤霉病监测模型，实现了麦穗尺度上快速、准确、有效地监测小麦赤霉病发生严重程度。
-
公开(公告)号：CN110008905B
公开(公告)日：2021-02-12
申请号：CN201910278469.4
申请日：2019-04-09
Applicant: 安徽大学
Abstract: 本发明涉及基于遥感影像红边波段的区域尺度小麦条锈病监测方法，与现有技术相比解决了对小麦条锈病利用遥感监测精度差的缺陷。本发明包括以下步骤：遥感影像的获取及预处理；初选特征因子的筛选；构建小麦条锈病严重度监测模型；小麦条锈病严重度监测模型的训练；区域尺度小麦条锈病严重度的判定。本发明利用Sentine‑2遥感影像反演得到与病害相关的宽波段植被指数特征及红边植被指数特征，再通过ReliefF和K‑means算法筛选与病害相关性较大且冗余性较小的宽波段植被指数特征集和加入红边植被指数的特征集，分别与BPNN算法建立小麦条锈病严重度监测模型，以实现区域尺度上小麦条锈病严重度的监测。
-
公开(公告)号：CN111832507A
公开(公告)日：2020-10-27
申请号：CN202010702759.X
申请日：2020-07-20
Applicant: 安徽大学
Abstract: 本发明涉及基于麦穗顶部光谱信息的小麦赤霉病遥感识别方法，与现有技术相比解决了尚无基于麦穗顶部进行赤霉病监测的缺陷。本发明包括以下步骤：非成像近地高光谱数据的获取；数据的预处理；敏感特征集的获取；SVM模型的构建；SVM模型的优化；小麦赤霉病遥感识别结果的获得。本发明基于遥感设备垂直角度利用小麦顶部信息对赤霉病进行识别，并通过对特征进行筛选和组合，以及对模型进行优化，实现了单穗尺度上的小麦赤霉病的垂直研究，为实际大区域尺度赤霉病识别提供了更加精准的技术方案。
-
Patent Agency Ranking
公开(公告)号：CN110132860A
公开(公告)日：2019-08-16
申请号：CN201910454573.4
申请日：2019-05-29
Applicant: 安徽大学
IPC: G01N21/25
Abstract: 本发明涉及一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，与现有技术相比解决了赤霉病的遥感监测未针对麦穗尺度分析的缺陷。本发明包括以下步骤：高光谱遥感数据的获取；数据预处理；构建小麦赤霉病指数；多元逐步回归模型的建立；遥感监测结果的获得。本发明利用敏感波段内一阶微分总和的归一化比值构建赤霉病指数后，建立其与病情严重度的一元线性回归和多元逐步回归模型，实现了小麦赤霉病的有效监测，为染病小麦赤霉病在冠层尺度以及田块尺度上的无损诊断提供思路和依据。
-
公开(公告)号：CN117272021A
公开(公告)日：2023-12-22
申请号：CN202311211477.X
申请日：2023-09-19
Applicant: 安徽大学
IPC: G06F18/213 , G06F18/2451 , G01N25/72
Abstract: 本发明涉及一种基于水果表面不同组织热特性的水果损伤检测方法，与现有技术相比解决了难以针对水果进行损坏检测的缺陷。本发明包括以下步骤：温度数据的采集；温度数据特征值的提取；特征值的计算；分类器的训练；获取待检测水果的温度数据；水果损伤检测结果的获得。本发明通过热电堆传感器采集水果样品不同感兴趣区域的温度数据；对温度数据进行压缩和傅里叶变换分析，提取曲线峰值作为特征值；将特征值输入最小二乘法线性分类器进行分类训练，从而实现对待测水果损伤的检测。
-
公开(公告)号：CN117150351A
公开(公告)日：2023-12-01
申请号：CN202310917381.9
申请日：2023-07-25
Applicant: 安徽大学
IPC: G06F18/241 , G01D21/02 , G06Q50/26
Abstract: 本发明涉及一种基于MaxEnt和时空立方体的也门沙漠蝗生境适宜性评估方法，包括：获取多源数据；对多源数据进行预处理；进行生境因子的筛选；获得参数最优的MaxEnt模型，对参数最优的MaxEnt模型进行训练，获取也门沙漠蝗年际的生境适宜性结果；构建时空立方体；进行时空一体化分析；根据时空一体化分析结果，给也门的沙漠蝗适宜性划分等级。本发明综合评价生态位条件，MaxEnt模型有助于综合考虑也门沙漠蝗的生态位条件；预测潜在适宜区域，考虑时空变化，时空立方体方法允许在时间和空间上跟踪沙漠蝗生境适宜性变化；提前预警，通过生态位模型和时空立方体方法，可以及早预警沙漠蝗可能出现的新生境，从而采取防范措施，减轻其对农业和生态系统的影响。
-
公开(公告)号：CN117115660A
公开(公告)日：2023-11-24
申请号：CN202311239981.0
申请日：2023-09-25
Applicant: 安徽大学
IPC: G06V20/10 , G06V20/68 , G06V10/22 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种结合检测网络和点回归的葡萄图像采摘点位置单阶段定位方法，与现有技术相比解决了难以定位出葡萄图像中茎位置的缺陷。本发明包括以下步骤：葡萄图像的获取及预处理；葡萄采摘点定位模型的构建；葡萄采摘点定位模型的训练；待定位葡萄图像的获取；葡萄图像采摘点位置的定位。本发明使用了具有点回归的检测网络来检测葡萄茎并同时确定采摘点，获得了良好而准确的采摘点定位，其简单性、可部署性和可操作性远远优于两阶段方法，为葡萄果实采摘提供了实用可靠的技术支撑。
-
公开(公告)号：CN110132860B
公开(公告)日：2021-09-14
申请号：CN201910454573.4
申请日：2019-05-29
Applicant: 安徽大学
IPC: G01N21/25
Abstract: 本发明涉及一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，与现有技术相比解决了赤霉病的遥感监测未针对麦穗尺度分析的缺陷。本发明包括以下步骤：高光谱遥感数据的获取；数据预处理；构建小麦赤霉病指数；多元逐步回归模型的建立；遥感监测结果的获得。本发明利用敏感波段内一阶微分总和的归一化比值构建赤霉病指数后，建立其与病情严重度的一元线性回归和多元逐步回归模型，实现了小麦赤霉病的有效监测，为染病小麦赤霉病在冠层尺度以及田块尺度上的无损诊断提供思路和依据。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.048 seconds)
