-
公开(公告)号：CN115508356B
公开(公告)日：2025-03-14
申请号：CN202211301573.9
申请日：2022-10-24
Applicant: 南京农业大学
IPC: G01N21/84
Abstract: 本发明提出一种基于氮分配理论的稻麦叶片氮含量高光谱估算方法，包括以下步骤：构建叶片氮分配模型，利用稻麦叶片尺度数据集标定模型系数，基于冠层反射光谱估算叶片叶绿素含量和干物质含量，利用标定的叶片氮分配模型估算叶片氮含量。本发明的方法在叶片尺度构建叶片氮分配模型，然后用遥感技术更容易估算的生化参数来估算叶片氮含量，该方法操作步骤简单，模型具有跨尺度可拓展性，适用于冠层水平不同稻麦品种、不同栽培处理、不同生育时期，可广泛用于稻麦冠层水平的叶片氮含量监测。
-
公开(公告)号：CN116593419A
公开(公告)日：2023-08-15
申请号：CN202310400044.2
申请日：2023-04-14
Applicant: 南京农业大学
IPC: G01N21/3563 , G01N21/55 , G01N21/359
Abstract: 本发明公开了一种缓解LCC与秸秆‑土壤背景影响的小麦绿色LAI估算方法，其步骤为：步骤一、数据采集；步骤二、计算秸秆‑土壤背景适应红边差值指数，包括：a、基于小麦冠层光谱计算已有的REDVI；b、基于田间背景光谱计算已有的REDVI；c、结合小麦冠层多光谱曲线的RE1和R波段，构建RSARE；步骤三、构建小麦叶面积指数LAI估算模型；步骤四、检验小麦LAI估算模型。本发明可以同时缓解LAI估算过程中秸秆‑土壤背景与LCC的影响，并基于该指数构建小麦叶面积指数估算模型，可在小麦生产过程中实现LAI的早期估算。
-
公开(公告)号：CN114782840A
公开(公告)日：2022-07-22
申请号：CN202210414686.3
申请日：2022-04-20
Applicant: 南京农业大学
IPC: G06V20/17 , G06V20/68 , G06V10/20 , G06V10/54 , G06V10/58 , G06V10/771 , G06V10/764 , G06K9/62
Abstract: 本发明提出了一种基于无人机RGB影像的小麦物候期实时分类方法，其步骤为：(1)根据不同播期处理的小麦大田实际生长情况，获取时序高空间分辨率RGB影像并进行预处理，得到不同年份间的相同区域的无人机影像；(2)提取时序无人机影像的光谱信息和纹理信息，衍生出的所有光谱特征与纹理特征作为特征全集；(3)基于紧致‑分离原则的特征选择算法对所有特征重要性进行排序，确定最佳特征与特征数量；(4)应用mRVM分类器，自动对不同物候阶段的特征进行分类识别，获得总体分类精度与各时期分类精度。本发明构建的分类方法简单、高效，可得到及时的作物物候信息，为有效指导农业管理决策提供依据，例如特定阶段的灌溉、施肥和农药管理活动等。
-
公开(公告)号：CN116593419B
公开(公告)日：2024-02-27
申请号：CN202310400044.2
申请日：2023-04-14
Applicant: 南京农业大学
IPC: G01N21/3563 , G01N21/55 , G01N21/359
Abstract: 本发明公开了一种缓解LCC与秸秆‑土壤背景影响的小麦LAI估算方法，其步骤为：步骤一、数据采集；步骤二、计算秸秆‑土壤背景适应红边差值指数，包括：a、基于小麦冠层光谱计算已有的REDVI；b、基于田间背景光谱计算已有的REDVI；c、结合小麦冠层多光谱曲线的RE1和R波段，构建RSARE；步骤三、构建小麦叶面积指数LAI估算模型；步骤四、检验小麦LAI估算模型。本发明可以同时缓解LAI估算过程中秸秆‑土壤背景与LCC的影响，并基于该指数构建小麦叶面积指数估算模型，可在小麦生产过程中实现LAI的早期估算。
-
公开(公告)号：CN114782840B
公开(公告)日：2024-11-26
申请号：CN202210414686.3
申请日：2022-04-20
Applicant: 南京农业大学
IPC: G06V20/17 , G06V20/68 , G06V10/20 , G06V10/54 , G06V10/58 , G06V10/771 , G06V10/764
Abstract: 本发明提出了一种基于无人机RGB影像的小麦物候期实时分类方法，其步骤为：(1)根据不同播期处理的小麦大田实际生长情况，获取时序高空间分辨率RGB影像并进行预处理，得到不同年份间的相同区域的无人机影像；(2)提取时序无人机影像的光谱信息和纹理信息，衍生出的所有光谱特征与纹理特征作为特征全集；(3)基于紧致‑分离原则的特征选择算法对所有特征重要性进行排序，确定最佳特征与特征数量；(4)应用mRVM分类器，自动对不同物候阶段的特征进行分类识别，获得总体分类精度与各时期分类精度。本发明构建的分类方法简单、高效，可得到及时的作物物候信息，为有效指导农业管理决策提供依据，例如特定阶段的灌溉、施肥和农药管理活动等。
-
Patent Agency Ranking
公开(公告)号：CN118015463A
公开(公告)日：2024-05-10
申请号：CN202410163332.5
申请日：2024-02-05
Applicant: 云南省烟草农业科学研究院 , 南京农业大学
Abstract: 本申请实施例公开了一种烟碱含量高光谱监测模型构建方法及应用，其中烟碱含量高光谱监测模型构建方法包括：获取样本烟株全生育期的冠层高光谱图像和烟叶烟碱含量；利用土壤植被组分光谱分解算法和植被指数阈值法去除所述高光谱图像的土壤效应，得到高光谱数据；基于所述高光谱数据和烟叶烟碱含量，利用光谱指数波段优化算法，进行特征波段提取，特征波段与烟叶烟碱含量相关性最高的光谱指数定义为最优光谱指数，建立用于预测烟叶烟碱含量的光谱指数与烟叶烟碱含量之间的回归关系；基于所述回归关系和最优光谱指数，使用单因子线性建模构建所述烟碱含量高光谱监测模型。以解决现有技术中在利用光谱数据估算烟碱时估算结果不准确的问题。
-
公开(公告)号：CN119314042A
公开(公告)日：2025-01-14
申请号：CN202411342428.4
申请日：2024-09-25
Applicant: 南京农业大学
IPC: G06V20/10 , G06V20/13 , G06V10/62 , G06T3/4053 , G06T7/62 , G06Q10/04 , G06Q10/0639 , G06Q50/02
Abstract: 本发明提出了一种基于高分辨率总初级生产力和动态收获指数的田块级水稻产量遥感估测方法，包括以下步骤：首先基于遥感云平台获取水稻生长季时间序列Sentinel‑2影像并计算叶面积指数，同时获取气象数据EAR5产品和CO2数据；然后利用自助抽样法和多模型过程敏感性分析方法分析了水稻生长季环境因子对总初级生产力GPP的影响规律，构建一种改进的双叶光能利用率模型，实现高分辨率水稻GPP高精度估算。最后结合动态收获指数形成HIDYM方法，实现江苏省多年份田块级水稻产量估测。该方法可快速、准确估测大范围田块级水稻产量。
-
公开(公告)号：CN115508314B
公开(公告)日：2024-06-18
申请号：CN202211163318.2
申请日：2022-09-23
Applicant: 南京农业大学
IPC: G01N21/55
Abstract: 本发明提出一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，包括以下步骤：提取小麦冠层反射光谱特征波段的反射率，利用两个特征波段模拟土壤组分的光谱信号，剔除土壤组分得到小麦组分光谱信号，计算植被指数估算小麦叶片叶绿素含量。本发明的方法通过对小麦和土壤反射光谱进行特征分析，分离出土壤和植被光谱的信号，减少土壤背景对叶片叶绿素含量估算的影响，该方法操作步骤简单，运算速度快，适用于冠层水平不同小麦品种、不同栽培处理、不同生育时期，可广泛用于小麦冠层水平的平均叶片叶绿素含量监测。
-
公开(公告)号：CN116469019A
公开(公告)日：2023-07-21
申请号：CN202310400046.1
申请日：2023-04-14
Applicant: 南京农业大学
IPC: G06V20/17 , G06V20/10 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于全卷积神经网络的田间小区自动分割方法，该方法基于无人机遥感平台获取小麦育种试验的无人机影像，构建全卷积神经网模型，在模型中引入注意力机制用于平衡数据集中类别分布不均衡的情况，之后使用图像细化以及直线检测等后处理算法对全卷积神经网络得到的边界提取结果行进一步的改进和完善，最后将训练好的全卷积神经网络模型和后处理算法部署至电脑端实现Windows操作系统下的育种小区边界提取系统，实现一套系统化、自动化的育种小区边界提取流程。本发明能够有效地缓解传统方法因小区内部阴影和杂草等原因造成的误分类现象，适用于基于无人机平台获取的遥感影像的育种试验边界提取问题。
-
公开(公告)号：CN115508314A
公开(公告)日：2022-12-23
申请号：CN202211163318.2
申请日：2022-09-23
Applicant: 南京农业大学
IPC: G01N21/55
Abstract: 本发明提出一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，包括以下步骤：提取小麦冠层反射光谱特征波段的反射率，利用两个特征波段模拟土壤组分的光谱信号，剔除土壤组分得到小麦组分光谱信号，计算植被指数估算小麦叶片叶绿素含量。本发明的方法通过对小麦和土壤反射光谱进行特征分析，分离出土壤和植被光谱的信号，减少土壤背景对叶片叶绿素含量估算的影响，该方法操作步骤简单，运算速度快，适用于冠层水平不同小麦品种、不同栽培处理、不同生育时期，可广泛用于小麦冠层水平的平均叶片叶绿素含量监测。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.043 seconds)
