-
公开(公告)号：CN111461052B
公开(公告)日：2023-05-23
申请号：CN202010286392.8
申请日：2020-04-13
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/764
Abstract: 本发明涉及图像识别技术领域，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方法，包括以下步骤：A、拍摄待识别麦田的RGB图像和/或多光谱图像；B、对图像进行拼接和剪裁得到待识别麦田的完整图；C、将待识别麦田的完整图导入训练好的DeepLabv3+模型中进行倒伏区域的识别。这里基于DeepLabv3+网络模型，采用迁移学习的方式构建两种方法实现多生育期小麦倒伏区域提取，基于无人机影像和迁移学习方法可以有效获取多时期的倒伏小麦特征，实现高精度的小麦区域自动提取，使得精准检测小麦倒伏区域称为可能，为研究小麦倒伏影响因素提供有力的数据支持；该方法受环境影响小，且实现起来方便，在训练好DeepLabv3+模型以后，只需要拍摄待识别麦田的图像导入模型中即可自动识别倒伏区域。
-
Patent Agency Ranking
公开(公告)号：CN111798327A
公开(公告)日：2020-10-20
申请号：CN202010590387.6
申请日：2020-06-24
Applicant: 安徽大学
Abstract: 本发明特别涉及一种基于高光谱影像的小麦产量计算模型的构建方法,包括如下步骤：A、拍摄实验麦田的高光谱图像；B、对麦田高光谱图像进行预处理得到训练集和测试集；C计算样本特征值；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。以高光谱波段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：CN111461052A
公开(公告)日：2020-07-28
申请号：CN202010286392.8
申请日：2020-04-13
Applicant: 安徽大学
Abstract: 本发明涉及图像识别技术领域，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方法，包括以下步骤：A、拍摄待识别麦田的RGB图像和/或多光谱图像；B、对图像进行拼接和剪裁得到待识别麦田的完整图；C、将待识别麦田的完整图导入训练好的DeepLabv3+模型中进行倒伏区域的识别。这里基于DeepLabv3+网络模型，采用迁移学习的方式构建两种方法实现多生育期小麦倒伏区域提取，基于无人机影像和迁移学习方法可以有效获取多时期的倒伏小麦特征，实现高精度的小麦区域自动提取，使得精准检测小麦倒伏区域称为可能，为研究小麦倒伏影响因素提供有力的数据支持；该方法受环境影响小，且实现起来方便，在训练好DeepLabv3+模型以后，只需要拍摄待识别麦田的图像导入模型中即可自动识别倒伏区域。
-
公开(公告)号：CN111461053B
公开(公告)日：2023-05-23
申请号：CN202010286460.0
申请日：2020-04-13
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/774
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。
-
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：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。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
