-
公开(公告)号：CN112950700B
公开(公告)日：2022-10-04
申请号：CN202110213709.X
申请日：2021-02-25
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于深度学习和图像处理的植物叶片气孔导度测量方法，包括：1在待测植物叶片的固定位置采样得到植物叶片气孔图像；2使用Mask R‑CNN算法对植物叶片气孔图像中的气孔进行实例分割得到气孔的掩膜图像；3对掩膜图像进行图像处理得到气孔的二值图像；4计算每个采样周期上的植物叶片的图像中气孔的总面积；5计算植物叶片在各采样周期上的气孔导度。本发明能简单有效地计算出植物叶片气孔导度，适用于对植物的光合、呼吸、蒸腾等生理活动进行研究及其应用。
-
公开(公告)号：CN112800929A
公开(公告)日：2021-05-14
申请号：CN202110095461.1
申请日：2021-01-25
Abstract: 本发明公开了一种基于深度学习的竹笋数量与高生长率在线监测方法，包括：1通过固定的网络摄像头定时采集包含竹笋的竹林图像；2采用已训练好的竹笋深度学习模型，获得目标区域检测框以及各检测框的顶点坐标，检测框的个数即代表竹笋的数量；3对所有检测框进行排序，并将排序后的对应坐标存入基础数据库或临时数据库；4筛选竹笋；5计算竹笋高生长率。本发明提出的方法可以实时监测竹林中竹笋数量和高生长率，从而判断竹笋的生长状况。该方法实用性强，结果准确，适用于竹林经营的各个方面，尤其是笋用林的培育和林下经济。
-
公开(公告)号：CN112800929B
公开(公告)日：2022-05-31
申请号：CN202110095461.1
申请日：2021-01-25
Abstract: 本发明公开了一种基于深度学习的竹笋数量与高生长率在线监测方法，包括：1通过固定的网络摄像头定时采集包含竹笋的竹林图像；2采用已训练好的竹笋深度学习模型，获得目标区域检测框以及各检测框的顶点坐标，检测框的个数即代表竹笋的数量；3对所有检测框进行排序，并将排序后的对应坐标存入基础数据库或临时数据库；4筛选竹笋；5计算竹笋高生长率。本发明提出的方法可以实时监测竹林中竹笋数量和高生长率，从而判断竹笋的生长状况。该方法实用性强，结果准确，适用于竹林经营的各个方面，尤其是笋用林的培育和林下经济。
-
公开(公告)号：CN112950700A
公开(公告)日：2021-06-11
申请号：CN202110213709.X
申请日：2021-02-25
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于深度学习和图像处理的植物叶片气孔导度测量方法，包括：1在待测植物叶片的固定位置采样得到植物叶片气孔图像；2使用Mask R‑CNN算法对植物叶片气孔图像中的气孔进行实例分割得到气孔的掩膜图像；3对掩膜图像进行图像处理得到气孔的二值图像；4计算每个采样周期上的植物叶片的图像中气孔的总面积；5计算植物叶片在各采样周期上的气孔导度。本发明能简单有效地计算出植物叶片气孔导度，适用于对植物的光合、呼吸、蒸腾等生理活动进行研究及其应用。
-
-
-
Search Results
4
records
(took 0.021 seconds)
