-
公开(公告)号：CN109544538B
公开(公告)日：2021-09-24
申请号：CN201811422679.8
申请日：2018-11-27
Applicant: 安徽大学
Abstract: 本发明特别涉及一种小麦赤霉病病害等级分级方法，包括以下步骤：(A)采集得到原始图像；(B)对原始图像依次进行灰度化处理、二值化处理、开闭运算得到二值化图像；(C)将原始图像和二值化图像进行结合；(D)转换到Lab颜色空间，利用IABC‑K‑PCNN方法对a通道灰度图进行处理得到二值化的单穗赤霉病病斑图；(E)计算单穗面积S1和病斑面积S2，然后计算两者比值R；(F)根据国家标准、比值R将对该单穗的病害进行分级并将病害等级输出；还公开了一种分级装置。本发明提出的病害等级分级方法经大量样本测试，在小麦赤霉病田间调查时不破坏性采样，具有分级精度可靠、推广价值高等优势。
-
公开(公告)号：CN108959661B
公开(公告)日：2021-08-06
申请号：CN201810946788.3
申请日：2018-08-20
Applicant: 安徽大学 , 中国科学院遥感与数字地球研究所
Abstract: 本发明涉及一种基于3S技术的土壤养分等级分类图生成方法及其精度评价方法，与现有技术相比解决了难以实现大空间范围土壤养分等级划分的缺陷。本发明包括以下步骤：土壤养分数据空间栅格图的生成；土壤养分等级分类图的设定；耕地地块提取；生成地块尺度的土壤养分等级分类图。本发明基于3S技术，在用GPS获取的野外采样点和RS提取耕地地块的基础上，综合运用GIS空间分析和地统计功能，解析地块尺度的土壤养分空间分布特征，实现大空间范围内、田块尺度上的土壤养分等级划分、空间制图和精度评价。
-
公开(公告)号：CN111751295A
公开(公告)日：2020-10-09
申请号：CN202010633251.9
申请日：2020-07-02
Applicant: 安徽大学
Abstract: 本发明提供了一种基于成像高光谱数据的小麦白粉病严重程度检测模型的建模方法及应用。通过高光谱成像仪扫描获取侵染白粉病小麦叶片382.9～1059.1nm波长范围内1024个波段的高光谱影像；计算小麦叶片白粉病病情指数，依据病情指数对小麦侵染程度进行分级，获取小麦叶片的等级标签；以高光谱影像的光谱数据作为原始波段，利用主成分分析算法、随机森林和连续投影算法分别从1024个波段中挑选出对白粉病敏感的特征波段的光谱信息，用支持向量机、随机森林、概率神经网络三种建模方法将等级标签和每个样本特征波长光谱信息一一对应，训练对应关系，得到预估模型。本发明的预估模型精度达到93.33％。
-
公开(公告)号：CN108254341B
公开(公告)日：2020-08-11
申请号：CN201711478794.2
申请日：2017-12-29
Applicant: 安徽大学
IPC: G01N21/64
Abstract: 本发明特别涉及一种双量子点荧光二维探针马拉硫磷与乙硫磷识别定量检测方法及装置，该方法包括如下步骤：(A)开启激发光源，激发光源均匀射向第一比色皿和第二比色皿；(B)向第一、二比色皿中分别加入两种量子点溶液后用光谱仪采集两个比色皿的荧光光谱并分析得到荧光峰值和峰位；(C)加入被测溶液后再分析得到荧光峰值和峰位；(D)计算峰值比率和发射峰红移值：(E)将所得值与二维探针标准曲线进行比较得到有机磷农药种类和浓度信息。这里通过引入峰值比率和发射峰红移值两维变量实现对农药种类和浓度的识别，识别的结果准确度和精确度都非常的高；同时，处理过程相对简单，大幅提高了检测的速度。
-
公开(公告)号：CN111462223A
公开(公告)日：2020-07-28
申请号：CN202010321528.4
申请日：2020-04-22
Applicant: 安徽大学
Abstract: 本发明特别涉及一种基于Sentinel-2影像的江淮地区大豆和玉米种植面积识别方法，包括如下步骤：A、获取Sentinel-2卫星拍摄的待测区域卫星图像并进行预处理；B、采用JM距离计算土地覆盖类型之间的可分离性，选择最佳分类时相的图像；C、通过分类算法对目标区图像中的像素点进行分类；D、根据被分类为大豆/玉米的像素点数量计算得到大豆/玉米的种植面积。本发明利用具有较高时空分辨率的Sentinel-2影像数据，结合相关分类算法，可以很好地实现江淮地区大豆和玉米的识别。采用这些步骤，可以在大豆和玉米收获之前，以相对快速和低成本的方式，在种植结构破碎的主产区对大豆和玉米进行识别并制图，获得相对可靠的大豆和玉米的空间分布结果，从而为种植结构复杂和气候多变地区的大豆和玉米种植面积提取提供技术支持。
-
Patent Agency Ranking
公开(公告)号：CN110736750A
公开(公告)日：2020-01-31
申请号：CN201911033059.X
申请日：2019-10-28
Applicant: 安徽大学
IPC: G01N21/88
Abstract: 本发明特别涉及一种基于多角度田间高清成像的小麦赤霉病检测方法，包括如下步骤：(A)将疏松架放置在田间待检测区域，让麦穗从疏松架的网格孔中穿过；(B)启动拍摄单元，采集M张多个角度的麦穗图像；(C)对M张麦穗图像进行处理，识别图像中的麦穗以及该麦穗对应的网格，得到每张麦穗图像中每株麦穗的麦穗区域和染病区域，以此计算出麦穗的病害严重度；(D)计算第n个麦穗病害严重度均值。通过多角度拍摄，可以避免某个角度下麦穗因遮挡而导致的结果不准确现象，为了匹配多角度图片中相同的麦穗，这里通过疏松架对麦穗进行分割，保证后续麦穗匹配的准确度和处理速度，同时还能让麦穗更整齐，拍摄的图片处理效果更佳。
-
公开(公告)号：CN110596185A
公开(公告)日：2019-12-20
申请号：CN201911003921.2
申请日：2019-10-22
Applicant: 安徽大学
Abstract: 本发明涉及一种热电纤维材料塞贝克值测试装置，与现有技术相比解决了无法针对热电纤维材料进行Seebeck测试的缺陷。本发明中测试纤维样品的左端安装在左陶瓷片上、右端安装在右陶瓷片上，所述的左陶瓷片为加热陶瓷片，左电压探针台的探针抵在测试纤维样品的左端，右电压探针台的探针抵在测试纤维样品的右端。本发明能够适用于热电纤维材料的塞贝克值测试。
-
公开(公告)号：CN110196886A
公开(公告)日：2019-09-03
申请号：CN201910316918.X
申请日：2019-04-19
Applicant: 安徽大学
Abstract: 本发明涉及一种基于属性分类的农业面源污染多源异构大数据关联方法，与现有技术相比解决了难以根据数据属性进行高效关联的缺陷。本发明包括以下步骤：判断多源异构大数据属于定量数据还是定性数据；对定量数据采用支持向量机、度量学习等方法实现分类；对定性数据采用文本语义挖掘方法获取量化特征，再采用支持向量机、度量学习等方法实现分类；对分类后的结果进行编码实现多源异构大数据的关联；本发明还提出一种农业面源污染大数据监管平台，本发明将农业面源污染多源异构大数据的属性作为分类依据，通过对定量和定性数据采用不同的处理方法，实现农业面源污染多源异构大数据的分类，借助于生成的树状结构土壤污染属性编码进行关联。
-
公开(公告)号：CN110160967A
公开(公告)日：2019-08-23
申请号：CN201910305370.9
申请日：2019-04-16
Applicant: 安徽大学
IPC: G01N21/25
Abstract: 本发明属于作物生化组分光谱无损检测技术领域，公开了一种作物冠层叶片的全氮含量估算方法：首先，利用连续投影变换算法SPA，敏感光谱特征数据集、位置特征数据集和植被指数特征数据集；然后，从敏感光谱特征数据集、位置特征数据集和植被指数特征数据集中筛选出共线性小最小的敏感光谱变量集；最后，将敏感光谱变量集进行偏最小二乘回归PLS建模，得到作物冠层叶片的全氮含量LNC的估算模型。该模型能够精确的估测作物冠层叶片全氮含量，与实测值相差不大。
-
公开(公告)号：CN110132862A
公开(公告)日：2019-08-16
申请号：CN201910461294.0
申请日：2019-05-30
Applicant: 安徽大学
IPC: G01N21/27
Abstract: 本发明涉及病虫害检测技术领域，特别涉及一种小麦赤霉病检测专属病情指数构建方法，包括如下步骤：(A)采集不同染病程度的多个小麦麦穗作为样本；(B)利用高光谱相机拍摄样本中每个小麦麦穗的高光谱图像；(C)对高光谱图像进行处理，得到每个小麦麦穗的光谱曲线；(D)利用随机森林算法对光谱波段特征进行度量，筛选出对赤霉病敏感的两个特征波段；(E)根据特征波段的光谱反射率值计算小麦赤霉病检测专属病情指数FDI；还公开了基于该病情指数的小麦赤霉病病害等级检测方法。该方法能够快速、准确地确定出高光谱图像中最能够体现病害情况的特征波段，检测时，采用波段少、计算方便、速度快，具有非常好的应用推广价值。
-
-
-
-
-
-
-
-
-
Search Results
295
records
(took 0.033 seconds)
