-
公开(公告)号：CN112329856B
公开(公告)日：2024-05-14
申请号：CN202011226965.4
申请日：2020-11-06
申请人： 神农智慧农业研究院南京有限公司 , 南京农业大学
IPC分类号： G06V10/80 , G06T7/00 , G06Q10/04 , G06Q50/02 , G06V10/764 , G06T5/77 , G06N3/084 , G06N3/0499
摘要： 本发明公开了一种基于光谱与RGB‑D融合图像的小麦氮积累量预测方法，属于精准农业技术领域。该方法根据RGB图像与深度图像对应像素之间的相关性，提出RGB图像与深度图像的像素级融合算法；通过构建结合小麦冠层颜色与结构信息的特征参数，对单一光谱特征预测小麦叶层氮积累量(Leaf layer nitrogen accumulation，LNA)和地上部氮积累量(Shoot nitrogen accumulation，SNA)的模型进行补偿，建立基于多维特征的预测模型。克服了光谱技术在预测小麦氮积累量时忽视冠层结构各向异性特征，导致预测结果精度低、不稳定等弊端，冠层结构特征的加入对基于光谱预测氮积累量模型进行了有效补偿，预测模型具有更好的精度与稳定性。
-
公开(公告)号：CN114694036A
公开(公告)日：2022-07-01
申请号：CN202210267472.8
申请日：2022-03-18
申请人： 南京农业大学 , 神农智慧农业研究院南京有限公司
摘要： 本发明公开了一种基于高分影像和机器学习的高海拔地区作物分类识别的方法，该方法使用国产GF6‑PMS卫星影像，结合光谱、纹理、植被指数及地形因子等特征，通过基于随机森林的递归特征消除策略筛选出最优特征组合，并计算Gini指数获得各输入特征的重要性得分，进一步利用两层堆叠驱动的集成分类模型(包含Random Forest、XGBoost和AdaBoost三个单一分类器模型)对高海拔地区作物进行分类识别。本发明基于最优特征组合(Green、Red、NIR、TVI、GNDVI、Blue_Mean、Green_Mean、Red_Mean、NIR_Mean、DEM)构建的Stacking模型可以在较大程度上改善高海拔地区农作物的分类识别精度，尤其是种植面积较大的大宗作物的分类识别精度，为国产高分卫星影像在高海拔地区进行农作物遥感识别提供了科学参考依据。
-
公开(公告)号：CN112329856A
公开(公告)日：2021-02-05
申请号：CN202011226965.4
申请日：2020-11-06
申请人： 神农智慧农业研究院南京有限公司 , 南京农业大学
摘要： 本发明公开了一种基于光谱与RGB‑D融合图像的小麦氮积累量预测方法，属于精准农业技术领域。该方法根据RGB图像与深度图像对应像素之间的相关性，提出RGB图像与深度图像的像素级融合算法；通过构建结合小麦冠层颜色与结构信息的特征参数，对单一光谱特征预测小麦叶层氮积累量(Leaf layer nitrogen accumulation，LNA)和地上部氮积累量(Shoot nitrogen accumulation，SNA)的模型进行补偿，建立基于多维特征的预测模型。克服了光谱技术在预测小麦氮积累量时忽视冠层结构各向异性特征，导致预测结果精度低、不稳定等弊端，冠层结构特征的加入对基于光谱预测氮积累量模型进行了有效补偿，预测模型具有更好的精度与稳定性。
-
公开(公告)号：CN117074318A
公开(公告)日：2023-11-17
申请号：CN202310860144.3
申请日：2023-07-13
申请人： 南京农业大学 , 神农智慧农业研究院南京有限公司
摘要： 本发明公开了一种快照‑马赛克式多光谱成像型作物生长传感装置串扰信息去除方法，包括以下步骤：S1快照‑马赛克式多光谱成像型作物生长传感装置获取不同波段的均匀光源图像；S2根据马赛克滤光片的波段设置，提取随着光谱仪波段步进分光后各波段所对应像素位置的灰度值平均值，并对各对应位置灰度值进行高斯拟合；S3对原始数据与高斯拟合后的数据进行最小二乘拟合，输出校正系数矩阵；S4使用校正系数矩阵消除原始光谱图像波段间的数据串扰。本发明有效解决了因马赛克滤光片与探测器安装间距造成的光谱信息串扰问题，具有通用型、简单化等特点。
-
公开(公告)号：CN115808668A
公开(公告)日：2023-03-17
申请号：CN202211499194.5
申请日：2022-11-28
申请人： 南京农业大学 , 神农智慧农业研究院南京有限公司
IPC分类号： G01S7/48 , G01S17/88 , G06T5/00 , G06T7/33 , G06V10/762
摘要： 本发明公开了一种田间小麦茎蘖数提取方法，包括步骤为：首先，采集小麦茎蘖数样本和点云数据，并对数据进行预处理，在数据预处理中引入卡尔曼滤波算法，以去除多余噪声，提高初始点云数据质量；其次，在将数据体素化后，利用孔隙率与体素点云密度间的数学关系，对冠层中缺失体素进行插值，以减轻遮挡对算法的影响，获取较为完整的冠层点云信息；最后，用均值漂移算法对插值后的冠层进行聚类，聚类数即为茎蘖数。本发明方法提取的小麦茎蘖数与田间实测的茎蘖数进行比较，验证了算法的可行性。本发明在一定程度上解决了地基激光雷达应用中出现的噪声和遮挡问题，为今后的地基激光雷达估测其他生长参数提供了技术支撑。
-
公开(公告)号：CN217195348U
公开(公告)日：2022-08-16
申请号：CN202123216452.8
申请日：2021-12-20
申请人： 南京农业大学 , 神农智慧农业研究院南京有限公司
摘要： 本实用新型公开了一种麦田巡检机器人，其特征在于它包括机器人底盘(1)，机器人底盘(1)的顶部前端装置激光雷达(2)、第二深度相机(3)、GNSS主天线(4)，机器人底盘(1)的顶部后端装置GNSS定向天线(5)，机器人底盘(1)的顶部中部装置双轴直线导轨(6)；机器人底盘(1)的尾部设置充电口(7)、2.4G天线(8)。设计采用双轴直线导轨和相机集成箱作为传感器搭载平台，可以对小麦生长动态进行多高度多行距多角度的信息采集，扩大长势信息采集范围，可满足对小麦全生育期进行监测的需求，便于对机器人进行远程控制，提高了麦田巡检机器人的自动化程度。
-
公开(公告)号：CN118333213A
公开(公告)日：2024-07-12
申请号：CN202410418998.0
申请日：2024-04-09
申请人： 南京农业大学
IPC分类号： G06Q10/04 , G06V20/13 , G06V20/68 , G06Q50/02 , G06N5/01 , G06N20/00 , G06F18/25 , G06F17/18 , G06F18/214
摘要： 本发明提出了一种基于遥感与气象信息的田块尺度大面积水稻产量高精度预测方法，包括以下步骤：首先基于遥感云平台计算水稻不同时期的Sentinel‑1后向散射系数和Sentinel‑2植被指数最大值与累积值，同时利用农业气象站物候数据获取研究区全生育期内气象指标；然后利用随机森林算法明确不同数据最优组合；构建元学习集成学习回归MLER；基于先验知识测试省级范围不同时间窗口的MLER预测精度，明确省级范围内多源数据最优组合，实现大面积田块尺度水稻产量预测。该方法可以及时、准确对大面积田块尺度水稻产量进行估算，在水稻种植管理、粮食安全评估和应对气候变化方面具有极大的应用价值。
-
公开(公告)号：CN112557393B
公开(公告)日：2024-02-20
申请号：CN202011303981.9
申请日：2020-11-19
申请人： 南京农业大学
IPC分类号： G01N21/84
摘要： 本发明提出基于高光谱影像融合图谱特征的小麦叶层氮含量估测方法，步骤包括：采集小麦冠层高光谱影像数据和实测小麦叶层氮含量；首先，进行影像预处理，提取光谱反射率，计算植被指数、位置和形状特征，利用卷积神经网络提取深层特征。其次，通过相关系数分析、随机森林算法进行特征优选，利用并行融合策略构建新的融合图谱特征。最后，利用粒子群优化支持向量回归方法，构建基于融合图谱特征的小麦叶层氮含量估测模型。本发明的方法估测精度高、特征鲁棒性强，适用于小麦全生育期，同时也是目前第一次提出综合高光谱影像的植被指数、位置和形状特征、深层特征构建融合图谱特征估测小麦叶层氮含量的方法。
-
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
申请人： 南京农业大学
IPC分类号： G01N21/3563 , G01N21/55 , G01N21/359
摘要： 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：CN114441457B
公开(公告)日：2022-11-22
申请号：CN202210119047.4
申请日：2022-02-08
申请人： 南京农业大学
IPC分类号： G01N21/27 , G01N21/55 , G06V20/17 , G06V20/10 , G06V10/764 , G06V10/766 , G06V10/774 , G06K9/62
摘要： 本发明提出了一种基于无人机多光谱影像消除水稻冠层背景效应并提升叶片氮浓度监测精度的方法，包括以下步骤：首先对获取的无人机多光谱影像，进行拼接、几何校正和辐射校正等预处理，得到研究区的正射影像；然后基于正射影像，以决策树方法获取端元，构建端元反射率数据库；再次应用光谱解混模型，求解端元丰度；最后将端元丰度和植被指数相乘，构建叶片氮浓度估算模型，从而达到消除背景效应提升氮浓度监测精度的效果。本发明构建的冠层背景消除和提升氮浓度反演精度的方法操作步骤简单、高效，并且可实现自动化，可用于消除无人机或卫星影像中的冠层背景效应及相关农学参数反演等。
-
-
-
-
-
-
-
-
-
搜索结果
123 条记录 (耗时 0.062 秒)
