-
公开(公告)号：CN111259925B
公开(公告)日：2023-05-02
申请号：CN202010016353.6
申请日：2020-01-08
Applicant: 安徽大学
IPC: G06V10/762 , G06V10/764 , G06V10/774 , G06T7/11 , G06T7/155 , G06T7/187
Abstract: 本发明特别涉及一种基于K均值聚类和宽度突变算法的田间麦穗计数方法，包括如下步骤：S1、采集麦穗原始图像并对原始图像进行预处理；S2、对预处理后的图像依次进行图像变换、K均值聚类、形态学处理后得到麦穗粗分割图；S3、选择随机森林分类器，用滑窗法对训练集图片滑窗取样，进一步对麦穗粗分割图进行细分割；S4、根据每个连通域中的麦穗区域宽度突变情况统计麦穗数量。通过预处理将原始图像转换成统一格式的图像以方便后续处理，通过K均值聚类可以将图像中连通域挑选出来，通过随机森林分类器，可以将其中的麦穗部分筛选出来，最后根据宽度突变情况来对麦穗进行计数，这样就能较为准确的计算出麦穗的数量，即使麦穗之间有遮挡，依然不会影响到麦穗的计数。
-
公开(公告)号：CN108846370B
公开(公告)日：2021-08-24
申请号：CN201810665242.0
申请日：2018-06-26
Applicant: 安徽大学
Abstract: 本发明涉及一种小麦白粉病中晚期病害严重度自动分析方法，该方法包括以下步骤：(1)采集叶片样本的高光谱数据。(2)根据整个叶片和病斑区域的像素数计算病斑占叶片面积的百分比，求得叶片样本的病情严重度a0。(3)对试验数据进行降维处理。(4)在降维之后，选取m个样本中的m1个样本作为训练样本，将d维特征作为自变量，对应的类别作为因变量输入到概率神经网络模型中进行训练，得到预测模型；将剩余的m‑m1个样本作为测试样本进行模型准确率验证，将这m‑m1个样本的d维特征作为自变量输入到概率神经网络模型中，得到叶片样本的病情严重度的预测结果a1，并将a1与a0进行比较。本发明能够对小麦白粉病严重度进行监测和分析。
-
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：CN110211099A
公开(公告)日：2019-09-06
申请号：CN201910414797.2
申请日：2019-05-18
Applicant: 安徽大学
Abstract: 本发明涉及特别涉及一种综合麦穗正反面病情的小麦赤霉病检测方法，包括以下步骤：采集麦穗的正面图像和反面图像；对麦穗的正面图像和反面图像分别进行处理，得到正面图像中麦穗面积S11和病斑区域面积S12以及反面图像中麦穗面积S21和病斑区域面积S22；(C)按如下公式计算麦穗的病斑面积和麦穗面积比值：R＝(S12+S22)/(S11+S21)；(D)根据比值R以及国家标准对麦穗进行病害分级；并公开了对应的检测装置。相较于以往的单面检测而言，本发明通过对正反两面的麦穗进行分割，并计算正反两面的麦穗面积和病斑面积，把正反两面的病害面积和麦穗面积线性相加，最后，计算病害面积与麦穗面积的比值，划分病害等级，为植保人员调查病情和精准施药防治病害提供更加可靠的技术支持。
-
公开(公告)号：CN107103306B
公开(公告)日：2019-06-18
申请号：CN201710362043.8
申请日：2017-05-22
Applicant: 安徽大学
Abstract: 本发明涉及基于小波分析与支持向量机的冬小麦白粉病遥感监测方法，与现有技术相比解决了小麦白粉病难以监测预报的缺陷。本发明包括以下步骤：数据获取；遥感数据的预处理；建模特征的选择；支持向量机模型的建立；获得遥感监测结果。本发明利用环境星遥感数据经过小波变换及特征筛选后，结合SVM算法建立的监测模型，实时准确获取大面积小麦白粉病发生的空间分布特征，为白粉病防治提供依据。
-
Patent Agency Ranking
公开(公告)号：CN111462223B
公开(公告)日：2023-05-26
申请号：CN202010321528.4
申请日：2020-04-22
Applicant: 安徽大学
IPC: G06T7/62 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06V10/764
Abstract: 本发明特别涉及一种基于Sentinel‑2影像的江淮地区大豆和玉米种植面积识别方法，包括如下步骤：A、获取Sentinel‑2卫星拍摄的待测区域卫星图像并进行预处理；B、采用JM距离计算土地覆盖类型之间的可分离性，选择最佳分类时相的图像；C、通过分类算法对目标区图像中的像素点进行分类；D、根据被分类为大豆/玉米的像素点数量计算得到大豆/玉米的种植面积。本发明利用具有较高时空分辨率的Sentinel‑2影像数据，结合相关分类算法，可以很好地实现江淮地区大豆和玉米的识别。采用这些步骤，可以在大豆和玉米收获之前，以相对快速和低成本的方式，在种植结构破碎的主产区对大豆和玉米进行识别并制图，获得相对可靠的大豆和玉米的空间分布结果，从而为种植结构复杂和气候多变地区的大豆和玉米种植面积提取提供技术支持。
-
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：CN110736750B
公开(公告)日：2022-03-04
申请号：CN201911033059.X
申请日：2019-10-28
Applicant: 安徽大学
IPC: G01N21/88
Abstract: 本发明特别涉及一种基于多角度田间高清成像的小麦赤霉病检测方法，包括如下步骤：(A)将疏松架放置在田间待检测区域，让麦穗从疏松架的网格孔中穿过；(B)启动拍摄单元，采集M张多个角度的麦穗图像；(C)对M张麦穗图像进行处理，识别图像中的麦穗以及该麦穗对应的网格，得到每张麦穗图像中每株麦穗的麦穗区域和染病区域，以此计算出麦穗的病害严重度；(D)计算第n个麦穗病害严重度均值。通过多角度拍摄，可以避免某个角度下麦穗因遮挡而导致的结果不准确现象，为了匹配多角度图片中相同的麦穗，这里通过疏松架对麦穗进行分割，保证后续麦穗匹配的准确度和处理速度，同时还能让麦穗更整齐，拍摄的图片处理效果更佳。
-
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
36
records
(took 0.02 seconds)
