公开(公告)号：CN116188989A

公开(公告)日：2023-05-30

申请号：CN202310210658.4

申请日：2023-03-07

Applicant: 安徽大学

Inventor： 黄林生 ,  张娜 ,  杨贵军 ,  杨浩 ,  赵晋陵 ,  翁士状

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/58 ,  G06V10/762

Abstract: 本发明涉及一种基于光谱和空间特征融合的高光谱制种玉米种植区提取方法，包括：获取研究区数据进行预处理；进行掩膜，得到掩膜后的Setinel‑2数据，提取玉米种植分布数据对预处理后的珠海一号OHS高光谱数据进行掩膜；采用类均值矩阵聚类方法构建光谱特征；采用多尺度形态学方法在光谱特征基础上构建空间特征；寻找分类器最优参数，获得制种玉米提取模型；分别进行制种玉米提取，使用总体精度进行评估。本发明采用一阶统计量类均值矩阵和k‑means聚类提取光谱特征，运算简单并增加了制种玉米与大田玉米的类间差异；本发明采用的多尺度形态学空间特征改善了“椒盐噪声”现象，保留了较为完整的地块结构，提高了制种玉米提取精度。

公开(公告)号：CN109657653B

公开(公告)日：2022-10-04

申请号：CN201910051447.4

申请日：2019-01-21

Applicant: 安徽大学

Inventor： 黄林生 ,  丁串龙 ,  杨贵军 ,  赵晋陵 ,  徐超 ,  梁栋 ,  黄文江 ,  翁士状 ,  张东彦

IPC: G06V20/13 ,  G06V10/764 ,  G06T7/00 ,  G06T7/136

Abstract: 本发明涉及一种基于成像高光谱数据的小麦籽粒赤霉病识别方法，与现有技术相比解决了尚无快速识别小麦籽粒赤霉病方法的缺陷。本发明包括以下步骤：高光谱基础图像的采集；高光谱基础图像的预处理；构建小麦籽粒赤霉病识别模型；小麦籽粒赤霉病识别模型的训练；待识别高光谱图像的获取；待识别高光谱图像的预处理；小麦籽粒赤霉病的识别。本发明利用室内高光谱成像数据，通过图像分割技术，在高光谱图像中分割小麦籽粒，继而对小麦籽粒的光谱信息进行对比分析，通过数据噪声去除并进行特征波长筛选，建立了小麦赤霉病病害侵染麦粒的有效识别模型，形成了小麦籽粒赤霉病检测的快速有效方法。

公开(公告)号：CN109657653A

公开(公告)日：2019-04-19

申请号：CN201910051447.4

申请日：2019-01-21

Applicant: 安徽大学

Inventor： 黄林生 ,  丁串龙 ,  杨贵军 ,  赵晋陵 ,  徐超 ,  梁栋 ,  黄文江 ,  翁士状 ,  张东彦

IPC: G06K9/00 ,  G06K9/62 ,  G06T7/00 ,  G06T7/136

Abstract: 本发明涉及一种基于成像高光谱数据的小麦籽粒赤霉病识别方法，与现有技术相比解决了尚无快速识别小麦籽粒赤霉病方法的缺陷。本发明包括以下步骤：高光谱基础图像的采集；高光谱基础图像的预处理；构建小麦籽粒赤霉病识别模型；小麦籽粒赤霉病识别模型的训练；待识别高光谱图像的获取；待识别高光谱图像的预处理；小麦籽粒赤霉病的识别。本发明利用室内高光谱成像数据，通过图像分割技术，在高光谱图像中分割小麦籽粒，继而对小麦籽粒的光谱信息进行对比分析，通过数据噪声去除并进行特征波长筛选，建立了小麦赤霉病病害侵染麦粒的有效识别模型，形成了小麦籽粒赤霉病检测的快速有效方法。

公开(公告)号：CN116188993A

公开(公告)日：2023-05-30

申请号：CN202310289901.6

申请日：2023-03-23

Applicant: 安徽大学

Inventor： 黄林生 ,  施倩 ,  杨贵军 ,  杨浩 ,  赵晋陵 ,  翁士状

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于多任务学习的遥感图像耕地地块分割方法，包括：制作耕地地块数据集；得到改进后的边缘检测模型DexiNed作为边缘分支；搭建语义分支，边缘分支和语义分支共同组成基于多任务学习的耕地地块识别网络模型；自适应调整耕地地块识别网络模型的子任务损失权重；将耕地地块数据集输入到耕地地块识别网络模型中进行训练；将待分割的大尺度遥感影像输入训练后的耕地地块识别网络模型中，采用膨胀滑窗预测方法进行预测，得到该区域的耕地地块识别结果。本发明以深度学习方法为基础搭建网络模型，能够提取上下文信息、高阶语义信息、空间形态信息等更加丰富的高级特征，从而使地块识别准确性和鲁棒性更优。

公开(公告)号：CN116843960A

公开(公告)日：2023-10-03

申请号：CN202310761956.2

申请日：2023-06-27

Applicant: 安徽大学

Inventor： 黄林生 ,  张娜 ,  杨贵军 ,  杨浩 ,  赵晋陵 ,  翁士状

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于Sentinel‑2时间序列和ReliefF的面向对象果园分类方法，包括：获取研究区的Sentinel‑2数据，并进行预处理，得到Setinel‑2时间序列数据；得到易分作物分类结果，得到易混作物感兴趣区；生成易混作物的分类特征集合；筛选得到最佳特征集合和最佳分类器；进行SNIC图像分割，并结合最佳特征集合和最佳分类器进行易混果园分类，得到易混作物分类结果；对易混作物分类结果进行评价。本发明通过对复杂种植情况的果园作为研究对象，给其它易混作物的遥感多分类提供了参考信息；利用多层分类方法，能够显著降低一些简单区分的作物类型对难区分的作物分类结果造成的干扰，便于分类，能够获取更为准确和可靠的分类结果。