-
公开(公告)号：CN119557596A
公开(公告)日：2025-03-04
申请号：CN202411700686.5
申请日：2024-11-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种全覆盖日最低气温遥感估算方法及系统，该系统包括，遥感采集模块通过连接卫星传感器和公开数据集，获取相关遥感信息数据；数据处理模块对相关遥感信息数据进行预处理，得到遥感指数集合、海拔高度信息的数据集合、地表温度和空气温度；算法分析模块根据数据处理模块预处理后的数据，使用XGBoost进行训练，计算出1km空间分辨率逐小时的空气温度数据；气温估算模块根据空气温度数据，对每天逐个小时的空气温度数据进行逐天迭代处理，输出逐天的日最低气温数据，计算出日最低气温。本发明快速处理和分析数据，提供实时更新的日最低气温信息，估算结果准确性高，及时响应天气变化。
-
公开(公告)号：CN118608936A
公开(公告)日：2024-09-06
申请号：CN202410634718.X
申请日：2024-05-22
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V20/17 , G06V20/13 , G06V10/764 , G06T7/62
Abstract: 本发明公开了茶园受干旱高温复合灾害危害卫星遥感定量监测方法，该方法首先获取茶园CDH受害区域的Sentinel‑2遥感影像和无人机数据并预处理。其次利用预处理后的遥感影像构建特征空间，结合XGBoost提取茶园种植面积，根据预处理后的无人机数据，计算茶园CDH受害程度指数CDH_DSI参考数据。然后计算茶园遭受CDH胁迫前后植被指数变化ΔVI，利用CDH_DSI参考数据和ΔVI，构建茶园CDH_DSI估算模型。最后基于茶园估算模型及遥感影像，完成基于卫星遥感的茶园CDH_DSI定量制图。本发明实现对茶园受害程度指数卫星遥感定量估算和卫星遥感定量制图。
-
公开(公告)号：CN117787452A
公开(公告)日：2024-03-29
申请号：CN202310428483.4
申请日：2023-04-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于活动积温病害敏感时段抽取的茶树炭疽病预测方法，其包括以下步骤：一：构建多个不同地区的病害植保与气象、遥感及地理关联数据集。二：确定茶树炭疽病最优敏感时段对应的活动积温阈值，以及时间窗口长度。三：根据最佳活动积温阈值和时间窗口长度，确定不同地区的茶树炭疽病最优敏感时段；抽取茶树炭疽病最优敏感时段内的生境因子作为备选预测因子集合。四：在备选预测因子集合中选取最优预测因子，构建茶树炭疽病预测模型。发明基于活动积温确定茶树炭疽病的敏感时段，不同地区的敏感时段存在差异，能够实现对不同区域茶园数据的时空差异化提取，基于此构建的病害预测特征数据集能够显著提高茶树炭疽病预测的准确性。
-
公开(公告)号：CN113537310B
公开(公告)日：2024-02-23
申请号：CN202110734522.4
申请日：2021-06-30
Applicant: 杭州电子科技大学
IPC: G06F18/2113 , G06F18/214
Abstract: 本发明公开了一种基于连续小波投影的光谱信息挖掘方法。具体包括对光谱数据集进行小波分解，将小波系数矩阵按照分解尺度展开，然后在二维平面依次拼接形成二维小波系数矩阵，基于投影运算进行特征组合，得到特征链矩阵，再对特征链矩阵进行敏感性分析，对敏感性矩阵的每一列元素求均值，将最大的均值对应列的小波系数作为特征组合，输入分类模型中选取最优的特征组合数及对应特征组合成员。本方法提出的以特征敏感性排序为选择依据，保证排列靠前的特征既有高敏感性又有强互补性，因此在前段能够得到数量少且组合优的特征。最终使用较少量的特征达到较高的模型精度，解决传统的光谱信息挖掘方法所选特征集难以做到敏感性与特征间互补性的统一。
-
公开(公告)号：CN111325767B
公开(公告)日：2023-06-02
申请号：CN202010097186.2
申请日：2020-02-17
Applicant: 杭州电子科技大学
Abstract: 本发明属于农业图像技术领域，具体涉及一种基于真实场景的柑橘果树图像集合的合成方法,包括，采用阈值分割法对果实图像集合F中的每一幅图像f进行阈值分割处理；采用标记控制分水岭方法对果树图像集合T中的每一幅图像t进行阈值分割处理；包含已知果实数目的图像掩膜集合制作；对果实图像与果树图像进行基于掩膜集合的果树图形合成。本发明利用处理后的果实和果树的简单图像合成包含固定果实个数的果树图像集合，节省了解析和标签数据的过程，普适性高，具有较高应用价值。
-
Patent Agency Ranking
公开(公告)号：CN115018125A
公开(公告)日：2022-09-06
申请号：CN202210486469.5
申请日：2022-05-06
Applicant: 杭州电子科技大学
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：CN114627380A
公开(公告)日：2022-06-14
申请号：CN202210351261.2
申请日：2022-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于光学影像与SAR时序数据融合的水稻识别方法；该方法如下：一、提取被测区域的单景光学影像和SAR时序数据；并根据单景光学影像对被测区域进行粗分类。二、基于粗分类结果进行多尺度影像分割，根据最优分割参数提取地块边界信息。三、通过地块分割边界结果对SAR时序特征数据进行提取，得到面向对象的SAR时序特征数据。四、通过机器学习完成水稻面积识别分类。本发明在缺少充足晴空光学影像的地区，以单时相光学影像作为多尺度图像分割方法的数据源，放宽了对光学数据时相的限制。基于面向对象尺度的微波影像，能够充分克服其在像素层面由于地块破碎和椒盐噪声影响的弱点，从而进行水稻区域的精准提取。
-
公开(公告)号：CN110211147B
公开(公告)日：2021-01-05
申请号：CN201910445932.X
申请日：2019-05-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于成像高光谱分析的水稻纹枯病病斑提取方法。传统的病害表型测量与调查主要依靠人工，劳动量大，效率低。本发明的步骤如下：1、用成像光谱仪拍摄目标作物，得到成像高光谱数据。2、去除步骤1所得成像高光谱数据中的非植物背景。3、在666nm和494nm波段反射率下对步骤2所得的成像高光谱数据中的水稻叶片茎杆与异常区域进行分类。4、基于病斑扫描的非病斑异常区域去除。本发明独创的图像识别方法，能够识别对茎杆上的纹枯病病斑，克服了现有技术中仅能高效提取叶部病斑的缺陷。本发明能够对图像中的病斑和枯叶进行区别，以达到较高的识别精度。
-
公开(公告)号：CN108732133B
公开(公告)日：2020-10-16
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。
-
公开(公告)号：CN108460777B
公开(公告)日：2020-06-05
申请号：CN201711404372.0
申请日：2017-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种面向植物高光谱的提取分块压缩重构方法。本发明先原始植物高光谱进行植物区域提取，然后采用分块压缩在数据展开的形式上充分利用了小块区域之间高度的空间相关性，使得展开后的待重构数据不仅在数据排布上保持与原始单光谱曲线一致，同时又提高了单次待重构数据的长度，这使得一方面相同采样率下单次采集到的数据量更多，大大提高了成功重构的概率；另一方面使得以更低的采样率对原始植物高光谱采样已经能够获取足够的光谱信息，从而可以以更低的压缩比完成对植物高光谱的压缩重构，在实际应用中相应降低存储成本，同时为将重构的植物高光谱用于植物生理化参数反演提供保障。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.031 seconds)
