-
公开(公告)号：CN108596104B
公开(公告)日：2021-01-05
申请号：CN201810383173.4
申请日：2018-04-26
Applicant: 安徽大学
Abstract: 本发明涉及一种带有病害特征预处理功能的小麦白粉病遥感监测方法，与现有技术相比解决了小麦病害特征冗余度高、监测精度差的缺陷。本发明包括以下步骤：遥感数据的获取和预处理；特征变量的提取；特征变量的处理；白粉病监测模型的构建和优化；小麦白粉病遥感监测结果的获得。本发明通过将relief与mRMR两种特征选择技术与经过遗传方法优化的支持向量机结合，形成对区域尺度的白粉病进行有效遥感监测。
-
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。
-
公开(公告)号：CN111798326A
公开(公告)日：2020-10-20
申请号：CN202010590368.3
申请日：2020-06-24
Applicant: 安徽大学
Abstract: 本发明特别涉及一种基于可见光影像的小麦产量计算模型的构建方法，包括如下步骤：A、拍摄实验麦田的RGB图像；B、对麦田RGB图像进行预处理得到训练集和测试集；C、计算样本的特征值；D、人工计算样本的小麦产量；E、将训练集的特征值和对应的小麦产量输入随机森林算法中进行训练，得到每种特征的权重系数，选取最优特征组合；F、将训练集的最优特征组合和对应的小麦产量代入进行训练即可得到小麦产量计算模型；本发明还公开了利用该模型计算小麦产量的方法。以RGB像元值以及植被指数来作为样本的特征值，这些特征值能很好地作为小麦产量评估依据；利用随机森林算法挑选最优特征组合，可以大幅减少后期小麦产量计算量和处理速度，并且计算结果的精确度也能够得到保证。
-
公开(公告)号：CN111735772A
公开(公告)日：2020-10-02
申请号：CN202010404191.3
申请日：2020-05-13
Applicant: 中国科学院空天信息创新研究院 , 安徽大学
Abstract: 本发明实施例提供一种改进的级联神经网络的高光谱数据地表反射率反演方法，所述方法包括：确定待测区域的高光谱数据和地形参数；将高光谱数据和地形参数输入至地表反射率反演模型，得到地表反射率反演模型输出的待测区域的地表反射率；其中，地表反射率反演模型是基于样本区域的样本高光谱数据、样本地形参数和样本地表反射率训练得到的；地表反射率模型用于基于高光谱数据和样本地形参数，确定待测区域的大气参数集，并基于大气参数集，确定地表反射率。本发明实施例提供的方法，充分利用了地物的光谱特征，同时考虑了大气对传感器辐亮度的影响，能够实现高精度的地表反射率的反演。
-
公开(公告)号：CN111461053A
公开(公告)日：2020-07-28
申请号：CN202010286460.0
申请日：2020-04-13
Applicant: 安徽大学
Abstract: 本发明特别涉及一种基于迁移学习的多个生育期小麦倒伏区域识别系统，包括图像采集模块、预处理模块以及识别模块；图像采集模块的无人机上搭载有相机用于拍摄待识别麦田图像并输出至预处理模块，预处理模块对图像进行拼接和剪裁并输出至识别模块，通过识别模块中存储的训练好的DeepLabv3+模型的识别得到标记后麦田图像。这里由无人机搭载相机拍摄图片，可以有效适合多种环境情况，并且非常便携，随拍随走；同时，通过预处理模块和识别模块，可以集中对拍摄到的图片进行处理和识别，自动标记待识别麦田的倒伏区域，由于识别模块中的模型是预先训练好的，这里直接将图片导入模型中进行识别即可，故处理速度快，降低识别模块的成本。
-
Patent Agency Ranking
公开(公告)号：CN110889394A
公开(公告)日：2020-03-17
申请号：CN201911267940.6
申请日：2019-12-11
Applicant: 安徽大学
Abstract: 本发明特别涉及一种基于深度学习UNet网络的水稻倒伏识别方法，包括如下步骤：S1、拍摄待检测稻田图像并进行分块处理，分块处理后的图像宽度和高度为32的倍数；S2、提取分块后图像的像元值或计算植被指数输入到训练好的UNet网络模型中；S3、将UNet网络模型输出的图像依次进行二值化处理、滤波处理得到分割结果图；S4、计算分割结果图中倒伏区域占总区域的比值即可得到倒伏占比。这里通过对无人机进行拍摄得到的图像进行处理得到田块的倒伏占比，其机动性强，受云层和雾的影响小，图像的分辨率很高，识别起来也更加精准；同时，利用UNet深度学习框架，此模型可以自主地学习到数据中的各种浅层、深层特征，具有泛化性高的优点，非常容易扩展到其他特征的识别上。
-
公开(公告)号：CN110334090A
公开(公告)日：2019-10-15
申请号：CN201910384212.7
申请日：2019-05-09
Applicant: 安徽大学
IPC: G06F16/22 , G06F16/29 , G06F16/951
Abstract: 一种基于时空特征的多源异构面源污染大数据的关联和检索方法，获取多源异构面源污染数据的时间特征和空间特征，将目标区的地理空间划分为若干个子空间，形成初始网格，在初始网格上逐级划分形成各级子网格，为每一个子网格进行编码，确定多源异构面源污染数据的空间编码，在每一个子网格编码中引入时间特征码，增加时间维度，采用多级网格化组织和索引模型，利用时间和空间位置匹配，实现数据关联和检索，本发明还提供了一种多源异构面源污染大数据监管平台，与现有技术相比，本发明将多源异构大数据的时间和空间特征进行综合考虑，有助于实现数据关联，大大优化了检索，便于利用爬取模块实时监测数据，实现高效检索和管理。
-
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：CN110089297A
公开(公告)日：2019-08-06
申请号：CN201910414703.1
申请日：2019-05-18
Applicant: 安徽大学
Abstract: 本发明特别涉及一种小麦赤霉病大田环境下病情严重度诊断方法，包括以下步骤：(A)在麦田采集感染小麦赤霉病麦穗45度角图像；(B)用田间麦穗分割模型分割病害图像得到麦穗区域；用小麦赤霉病分割模型分割病害图像得到病斑区域；(C)采用凹点匹配法分割麦穗和病斑的粘连区域，得到麦田中每株麦穗的面积和病斑面积；(D)计算每株麦穗的病斑面积和麦穗面积的比值R，判断R是否大于设定阈值，若R大于设定阈值，则判定该株麦穗为病穗；(E)计算麦田中病穗数量与总穗数量的比值X，并根据比值X对病情进行分级；并公开了对应的检测装置。该方法可以实现大田环境下小麦赤霉病病情诊断，诊断速度快且精确度高。
-
公开(公告)号：CN109544538A
公开(公告)日：2019-03-29
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。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.021 seconds)
