-
公开(公告)号：CN119417881A
公开(公告)日：2025-02-11
申请号：CN202411444962.6
申请日：2024-10-16
Applicant: 中国农业科学院农业信息研究所
Abstract: 本发明公开了一种田间环境下小麦芒表型性状测量方法及装置，其中该方法包括：通过移动终端获取田间环境下的麦穗图像；所述麦穗图像中包括指定尺寸标尺；对麦穗图像进行麦芒麦穗和指定尺寸标尺的图像分割提取，得到麦芒麦穗和指定尺寸标尺的图像；根据指定尺寸标尺的图像，确定麦穗图像中每个像素代表的实际尺寸；对麦芒麦穗的图像进行图像处理，得到麦芒麦穗的二值化图像；根据麦芒麦穗的二值化图像中麦芒、麦穗分别占有的像素数据，和每个像素代表的实际尺寸，确定麦芒表型性状；所述麦芒表型性状包括麦芒面积、麦芒数量和麦芒平均长度。本发明可以在不破坏小麦生长的前提下通过图像处理技术获得更多的麦芒表型性状。
-
公开(公告)号：CN119214103A
公开(公告)日：2024-12-31
申请号：CN202411175286.7
申请日：2024-08-26
Applicant: 中国农业科学院农业信息研究所
IPC: A01K47/00 , A01K47/04 , A01K47/06 , A01K67/033 , G01D21/02 , H04N23/20 , G06V20/52 , G06V40/10 , G06V10/143 , G06V10/147 , G06V10/82 , G06V10/25 , G06T7/62
Abstract: 本发明公开了一种蜂群观测箱、蜂群越冬监测方法及装置，其中该方法包括：接收多个红外视频采集设备传输的图像数据；所述多个红外视频采集设备：安装于蜂群观测箱内部，分别从不同角度采集蜂脾图像；利用预先训练好的蜂群智能监测模型对图像数据进行处理，输出蜂团面积大小和蜂团紧密值；蜂群智能监测模型利用历史红外视频采集设备传输的图像数据，对YOLOv9模型训练得到；蜂群智能监测模型用于测得蜜蜂位置信息，根据蜜蜂位置信息确定蜂团面积大小和蜂团紧密值；根据蜂团面积大小、蜂团紧密值，确定蜂群越冬状态是否异常。本发明可以采集齐全的蜂脾图像，对蜜蜂越冬行为进行智能监测。
-
Patent Agency Ranking
公开(公告)号：CN116228782B
公开(公告)日：2024-01-12
申请号：CN202211654903.2
申请日：2022-12-22
Applicant: 中国农业科学院农业信息研究所
IPC: G06T7/10 , G06T3/4038 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种基于无人机采集的麦田穗数计数方法和装置，包括：根据麦田属性和无人机参数，确定无人机采集参数和图像采集数量；根据无人机采集参数和图像采集数量，采集无人机麦穗图像；对无人机麦穗图像进行分割，确定多个子图像；利用训练好的密度图回归优化模型，确定每一子图像的优化质量密度图；其中，利用自适应高斯核参与所述密度图回归优化模型的训练过程；将每一子图像的优化质量密度图进行拼接，确定麦穗密度图；根据麦穗密度图，确定麦田麦穗数量。本发明构建了密度图回归优化模型以适应无人机图像，采用自适应高斯核参与模型的训练过程，使用少量无人机图像即可实现大面积麦穗计数，提高了小麦穗数的田间调查效率。
-
公开(公告)号：CN116228782A
公开(公告)日：2023-06-06
申请号：CN202211654903.2
申请日：2022-12-22
Applicant: 中国农业科学院农业信息研究所
IPC: G06T7/10 , G06T3/40 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种基于无人机采集的麦田穗数计数方法和装置，包括：根据麦田属性和无人机参数，确定无人机采集参数和图像采集数量；根据无人机采集参数和图像采集数量，采集无人机麦穗图像；对无人机麦穗图像进行分割，确定多个子图像；利用训练好的密度图回归优化模型，确定每一子图像的优化质量密度图；其中，利用自适应高斯核参与所述密度图回归优化模型的训练过程；将每一子图像的优化质量密度图进行拼接，确定麦穗密度图；根据麦穗密度图，确定麦田麦穗数量。本发明构建了密度图回归优化模型以适应无人机图像，采用自适应高斯核参与模型的训练过程，使用少量无人机图像即可实现大面积麦穗计数，提高了小麦穗数的田间调查效率。
-
公开(公告)号：CN119417880A
公开(公告)日：2025-02-11
申请号：CN202411444958.X
申请日：2024-10-16
Applicant: 中国农业科学院农业信息研究所
Abstract: 本发明公开了一种田间环境下麦穗表型性状测量方法及装置，其中该方法包括：通过移动终端获取田间环境下的麦穗图像；麦穗图像中包括指定尺寸标尺，利用指定尺寸标尺确定麦穗图像中每个像素代表的实际尺寸；通过每个像素代表的实际尺寸和麦穗在图像中像素特征确定麦穗的实际长度和实际宽度，并通过深度学习确定麦穗穗粒数，同时，根据穗粒中心点投影到图像垂直中心线后的点彼此之间的第一距离间隔、和预设的经过穗粒中心点的斜线与图像垂直中心线的交点彼此之间的第二距离间隔，确定小穗数。本发明可以在不破坏小麦生长的前提下获取麦穗图像，根据麦穗图像确定更多的麦穗表型性状，提高麦穗表型性状测量准确性。
-
公开(公告)号：CN115527130A
公开(公告)日：2022-12-27
申请号：CN202211148118.X
申请日：2022-09-20
Applicant: 中国农业科学院农业信息研究所 , 中国农业科学院植物保护研究所
Abstract: 本发明涉及害鼠鼠密度调查技术领域，尤其涉及草原害鼠鼠密度调查方法及智能评估系统。本发明通过无人机采集害鼠活动痕迹影像，对其预处理，再根据场景和需求，输入智能评估系统中预置的不同模型进行自动计算，进而输出害鼠活动痕迹信息。再结合地面抽样调查数据，将害鼠活动痕迹数量转换成鼠密度，从而获取监测区域内鼠密度估算结果，实现鼠密度的自动识别与量化分析。同时根据害鼠活动痕迹的经纬度信息，在地图上进行位置还原，从而实现区域内鼠害发生的空间呈现、动态分析、鼠情可视化展示与智能监测。本发明实现鼠密度调查的智能性、自动性、高效性，可以更直观、更精准地获取鼠情发生水平，实用性更强，适用场景更广。
-
公开(公告)号：CN114882385A
公开(公告)日：2022-08-09
申请号：CN202210532635.0
申请日：2022-05-13
Applicant: 中国农业科学院农业信息研究所
Abstract: 本发明涉及麦穗计数方法领域，具体为一种基于无人机平台的大田麦穗计数方法，其包括以下步骤；S1、无人机获取影像；S2、将原始图像长宽均按照6等份分割，对子图像进行重新采样，使用Labelme4.5.10软件对麦穗进行点标记，图像和标签集合构成了UEC数据集；将UEC数据集和GWD数据集集合形成本方法模型构建的数据集；S3、使用相同大小的高斯核的方法生成密度图；S4、构建RGBLNet模型；S5、对模型进行训练和评估；S6、麦穗计数结果展示。本发明利用深度网络模型直接生成密度图估计麦穗数量，在保障高精度的同时提高效率，且模型加入L波段构成RGBL四维模型输入以增强大田环境下光照不均的适应能力。
-
-
-
-
-
-
Search Results
7
records
(took 0.033 seconds)
