-
公开(公告)号：CN111259321A
公开(公告)日：2020-06-09
申请号：CN202010043927.9
申请日：2020-01-15
Applicant: 杭州电子科技大学
IPC: G06F17/13 , G06F30/20 , G06F119/14
Abstract: 本发明公开了一种具有主脉的植物叶片的卷曲程度测定方法。本发明如下：步骤一、建立卷曲叶片空间几何形态模型；y＝afx2。步骤二、在被测叶片上选取n个被测横截面，分别测量各被测横截面对应的叶片宽度和叶片边缘处的挠度。分别以各个被测横截面叶片宽度的二分之一为横坐标值，叶片挠度为纵坐标值，在平面直角坐标系中描出n个离散点。将n个离散点通过最小二乘法法拟合成抛物线y＝afx2。得到被测叶片对应的特征参数af。特征参数af越大，则被测叶片卷曲越显著。本发明为定量描述与叶片卷曲特性的相关的生理生态特征提供依据。进而提高了生理生态监测和植被遥感定量监测的精准度。
-
公开(公告)号：CN110390028A
公开(公告)日：2019-10-29
申请号：CN201910304011.1
申请日：2019-04-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种植物光谱库的建立方法。本发明采用标准化的数据采集方法收集数据，提出一套完整齐备的光谱特征提取方法、特征敏感性分析方法、模型建立方法并进行植物分类和状态监测，其中提出波段自适应聚类法可有效去除相邻或相近波段中的信息冗余，有效提高数据使用效率。基于上述方法，建立植物光谱光谱库，并为之提供一套完整光谱分析和应用的方法。
-
公开(公告)号：CN106993121B
公开(公告)日：2019-10-18
申请号：CN201710224461.0
申请日：2017-04-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于压缩感知的高光谱图像采集成像系统与控制方法；本发明首先通过数字微镜(DMD)器件对图像信息进行压缩采样，其次通过液晶可调谐滤波器(LCTF)控制可透过光波长和光谱分辨率，然后通过面阵电荷耦合器件(CCD)获取光强信息，最后通过模拟加法器和ADC转换器进行信号处理，并把处理后的数字量保存于存储器。本发明实现了信号采样与压缩的同时进行，使采样数据远小于传统奈奎斯特采样理论所需要的数据量；解决了高光谱数据采集引起的传输压力和大量冗余信息导致的资源浪费等问题。
-
公开(公告)号：CN110146451A
公开(公告)日：2019-08-20
申请号：CN201910339056.2
申请日：2019-04-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于高光谱分析的麦草畏除草剂对作物伤害的评价方法。将麦草畏除草剂误喷至某些无麦草畏抗性的作物上，则会给作物造成严重伤害。本发明的具体步骤如下：一、麦草畏作物伤害模拟试验。二、麦草畏伤害的可恢复性评价。三、可恢复情况下的损伤程度的评估。四、评价种植有目标作物的被测农田的农药喷洒情况。本发明利用高光谱技术对作物光谱进行了提取和分析处理，利用可恢复性指数HDNI作为标准对除草剂伤害的可恢复性情况进行评价。本发明在可恢复的情况下，结合敏感特征集和作物株高对损伤程度进行了评估。对麦草畏伤害的可恢复性和程度的有效评价对农田杂草管理和在早期采取补救措施均具有重要意义。
-
公开(公告)号：CN108732133A
公开(公告)日：2018-11-02
申请号：CN201810326678.7
申请日：2018-04-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于光学成像技术的植物病害在体无损检测系统。目前植物病害检测大多针对病症可见的植物病害。本发明中光源发出的光信号经光纤耦合器后分别进入样品臂和参考臂；返回的待测物信号光和参考光在光纤耦合器发生干涉；干涉光信号由OCT光谱仪接收并输入控制计算机；氙灯出射的光经窄带通滤波片滤波后形成紫外光，然后经二向色镜反射进入物镜，经物镜聚焦入射到待测物激发出荧光；荧光原路返回高光谱光谱仪，形成光谱传输至控制计算机。控制计算机进行待测物OCT结构图像重建，计算出光穿透深度、衰减系数、图像熵，并基于荧光高光谱图像进行光谱信息分析，提取光谱特征。本发明满足植物微小病变检测，可做到早期病害检测。
-
Patent Agency Ranking
公开(公告)号：CN115018125B
公开(公告)日：2025-04-18
申请号：CN202210486469.5
申请日：2022-05-06
Applicant: 杭州电子科技大学
IPC: G06Q10/04 , G06Q10/0635 , G06Q10/0639 , G06Q50/02
Abstract: 本发明公开了基于气象及虫情监测数据的茶小绿叶蝉虫害动态预测方法。该方法包括以下步骤：步骤一、获取数据，构建模型数据集。步骤二、计算虫害压力指数。虫害压力指数包括压力值和程度值。压力值是当前时间的茶小绿叶蝉虫害发生情况和未来虫害发展趋势的综合压力值；程度值是当前时间的茶小绿叶蝉的虫害发生情况和未来虫害发展趋势的风险等级。步骤三、根据压力值和程度值的大小评估被测区域当前及未来若干天内的虫害爆发的风险情况。本发明以被测区域在历史上的小绿叶蝉虫害压力情况为基础，结合气象数据和虫口密度监测数据，实时获取当天及未来若干天内的茶小绿叶蝉虫害发生风险。
-
公开(公告)号：CN111738066B
公开(公告)日：2024-04-02
申请号：CN202010392669.5
申请日：2020-05-11
Applicant: 杭州电子科技大学
IPC: G06V20/10
Abstract: 本发明公开了综合多源遥感信息的网格化水稻纹枯病生境评价方法。仅仅依靠点状气象数据预测较为粗放且无法提供连续面状预测结果。本发明如下：一、选取调查区域并获取其多源遥感数据和调查其病害严重度。二、确定晚稻位置和面积。三、基于多源遥感影像的水稻纹枯病生境特征提取。四、建立病害生境适宜性模型。五、对被测田地进行网格化，并提取水稻纹枯病遥感生境特征。六、利用晚稻分类图对各遥感生境特征进行掩膜，得到晚稻的各个遥感生境因子特征。七、根据模型获取各个网格对应的病害生境适宜性程度。八、得到病害生境适宜性空间分布图。本发明通过调查及研究分析发现绝大多数土传病害的发生与寄主植物生长状态及农田环境等生境条件相关。
-
公开(公告)号：CN116597332A
公开(公告)日：2023-08-15
申请号：CN202310685870.6
申请日：2023-06-09
Applicant: 杭州电子科技大学
IPC: G06V20/17 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种基于无人机的茶树嫩芽检测方法，包括S1、拍摄包含茶树嫩芽的图像，并建立茶树嫩芽数据集；S2、构建Nanodet‑Tea轻量化茶树嫩芽识别模型；S3、应用步骤S1建立的茶树嫩芽数据集对Nanodet‑Tea轻量化茶树嫩芽识别模型进行训练，所述Nanodet‑Tea轻量化茶树嫩芽识别模型训练时加入训练辅助模块AGM并配合动态的软标签分配策略DSLA加速模型收敛；损失函数函数由Classification Cost，Regression Cost以及Distance Cost组成；S4、将通过步骤S3训练好的Nanodet‑Tea轻量化茶树嫩芽识别模型部署至嵌入式芯片；S5、建立图像传输系统，将图像实时传输到嵌入式芯片上进行检测，并将检测结果同步到显示设备上。该方法满足模型对嫩芽的高精度检测与轻量化的要求，实现使用搭载深度学习模型的无人机对茶树嫩芽进行精准检测。
-
公开(公告)号：CN116579495A
公开(公告)日：2023-08-11
申请号：CN202310606767.8
申请日：2023-05-25
Applicant: 杭州电子科技大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/02 , G06F18/214 , G06N3/126
Abstract: 本发明公开了众源植保数据驱动的水稻纹枯病时空动态预测方法；其过程如下：一、构建模型数据集。二、构建以气象数据和生育期数据为输入，病害动态发展曲线为输出的水稻纹枯病动态预测模型。三、针对验证辅助数据集计算不同区域的历史病害动态发展曲线的病害曲线下面积。计算所得的多个病害曲线下面积的平均值，记为历年病害AUDPC平均值。四、以病害曲线下面积的偏差可接受率为精度评价指标，对步骤二构建的水稻纹枯病动态预测模型进行模型标定。五、利用经过步骤四训练的水稻纹枯病动态预测模型对研究区域的水稻纹枯病进行预测，得到预测的病害动态发展曲线。
-
公开(公告)号：CN115861185A
公开(公告)日：2023-03-28
申请号：CN202211421105.5
申请日：2022-11-14
Applicant: 杭州电子科技大学 , 杭州睿坤科技有限公司
Abstract: 本发明涉及一种田间复杂背景的稻飞虱计数模型，包括：获取包含稻飞虱的拍摄图片；对图片中的稻飞虱位置进行手工标注建立数据集；构建基于YOLO v5的稻飞虱计数模型；将稻飞虱数据集输入计数模型进行训练；将测试图片输入计数模型得到检测结果，检测结果即稻飞虱的定位位置。本发明通过对YOLO v5进行改进，在CSP‑Darknet53主干网络中加入Swin_Transformer模块作为特征提取部分，对检测网络颈部加入CBAM注意力机制、SPP模块并用BIFPN结构融合特征，更改网络的检测尺寸，提高模型田间复杂背景的稻飞虱检测精度。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.023 seconds)
