-
公开(公告)号：CN118115894B
公开(公告)日：2025-04-25
申请号：CN202410432218.8
申请日：2024-04-11
Applicant: 山东科技大学
IPC: G06V20/13 , G06V20/10 , G06V10/764 , G06V10/774
Abstract: 本发明公开一种基于植被近红外反射植被指数的作物样本提取方法，属于图像数据处理方法和农业遥感领域，用于农作物历史训练样本提取。本发明使用光学遥感数据，基于初始年份作物样本经随机森林算法实现作物分类，以此作为邻近年份训练样本提取基础，将初始年与邻近年遥感影像的NIRv的比值作为变量输入，通过设置变量阈值范围，实现邻近年份作物训练样本提取，依此迭代，实现作物历史逐年训练样本提取。本发明能够保证训练样本提取精度，解决作物遥感分类中历史训练样本缺乏的问题，实现同一区域历史年份的作物分类。
-
公开(公告)号：CN118365746B
公开(公告)日：2025-01-28
申请号：CN202410530006.3
申请日：2024-04-29
Applicant: 山东科技大学
IPC: G06T11/20 , G06T3/06 , G06V20/00 , G06V20/64 , G06V20/70 , G06V10/26 , G06V10/84 , G06N5/01 , G06N7/01
Abstract: 本发明公开了三维点云语义引导的室内场景平面图生成方法，包括：利用点云语义分割网络将室内点云进行划分，获取室内建筑物主体结构图像；对所述建筑物主体结构图像进行空间剖分，获取室内剖分结构图像；对所述室内剖分结构图像进行房屋优化，获取初步优化结构图像；对所述初步优化结构图像进行房屋边界优化，获取室内场景平面图。本发明不仅可以大大节省室内平面图生成的人力和时间成本，而且对局部点云数据缺失和点云密度变化不敏感，可以实现大规模室内场景的平面图建模。
-
公开(公告)号：CN118015473A
公开(公告)日：2024-05-10
申请号：CN202410411375.0
申请日：2024-04-08
Applicant: 山东科技大学
IPC: G06V20/10 , G06V10/766 , G06V10/143 , G06T7/70 , G01N21/25 , G01B11/28 , G01G17/00
Abstract: 本发明公开了一种基于多光谱无人机的田间花生生物量反演方法，属于无人机遥感反演及图像处理技术领域，包括：对目标监测区域规划无人机飞行航线；通过所述无人机航线进行花生各生育期多光谱影像采集；对采集的多光谱影像进行配准，获得配准影像数据；利用不同品种花生地块面积值和田间采样花生植株干重计算单个花生地块生物量实测值；获取平均植被指数，基于所述平均植被指数和所述单个花生地块生物量实测值建立线性支持回归模型实现花生生物量反演。本发明通过无人机多光谱系统获取目标监测区域的多光谱数据和实测生物量数据，进行生物量反演模型的建立，完成对不同花生品种各个生育时期生物量的反演，生成各品种花生生物量增长趋势折线图。
-
公开(公告)号：CN117851726A
公开(公告)日：2024-04-09
申请号：CN202410246392.3
申请日：2024-03-05
Applicant: 山东科技大学
IPC: G06F17/10 , G06F18/213 , G01N21/84 , G01N25/00
Abstract: 本发明公开一种利用冬小麦积温计算叶龄的方法，属于农业数据预测技术领域，用于计算冬小麦积温，包括提取冬小麦播种期，基于待监测叶龄区域的遥感影像提取归一化植被指数NDVI时间序列数据，采用S‑G滤波对NDVI时间序列数据进行平滑，求出NDVI时间序列最小值作为冬小麦播种期；以待监测叶龄区域历年稳定高于0℃日期的平均值计算冬小麦冬前积温，计算冬小麦叶龄。本发明构建的冬小麦叶龄监测方法，借助遥感技术可实现大范围冬小麦叶龄监测，并且通过影响冬小麦叶龄的主要因素的冬前积温进行计算，更符合作物生长习性。
-
公开(公告)号：CN117423003B
公开(公告)日：2024-03-19
申请号：CN202311746581.9
申请日：2023-12-19
Applicant: 山东科技大学
IPC: G06V20/10 , G06Q50/02 , G06V10/764 , G06N3/126
Abstract: 本发明公开一种冬小麦越冬期苗情分级遥感监测方法，属于图形数据读取技术领域，用于对冬小麦进行苗情分级。本发明根据农学统计数据，应用多种植被指数的遥感信息确定苗情分级阈值，即冬小麦苗情遥感分级阈值与地理空间位置的相关性得到确定，使用权重分配构建苗情识别模型，从而得到不同区域的冬小麦苗情的空间分布。本发明结合了先进的遥感技术和少量统计数据的资源，为冬小麦苗情的精确监测提供了一种有效且广泛适用的解决方法。
-
Patent Agency Ranking
公开(公告)号：CN117457066A
公开(公告)日：2024-01-26
申请号：CN202311800546.0
申请日：2023-12-26
Applicant: 山东科技大学
Abstract: 本发明公开一种省域尺度的冬小麦籽粒蛋白质含量预测方法，属于数据预测技术领域，用于冬小麦籽粒蛋白质含量预测，包括获得小麦生长期不同空间分辨率和光谱分辨率的作物冠层光谱信息，进行光谱信息的预处理，基于逐像素物候匹配法进行特征选择，逐像素计算每个像素成熟期90天内光谱植被指数的最大值，选择与籽粒蛋白质含量相关性最强的植被指数进行相关性分析，构建分层线性模型，进行冬小麦籽粒蛋白质含量预测。本发明综合考虑遥感信息、气候信息与籽粒蛋白质含量关系的物候差异，引入逐像素物候匹配和分层线性模型，以关键环境因子为区域籽粒蛋白质模型的差异因子，构建面前全国的籽粒蛋白质含量预测的嵌套模型。
-
公开(公告)号：CN116735538A
公开(公告)日：2023-09-12
申请号：CN202311021078.7
申请日：2023-08-15
Applicant: 山东科技大学
Abstract: 本发明公开一种基于氮素分配模型的作物氮素累积量遥感预测方法，属于专门适用于预测目的的数据处理方法技术领域，用于进行作物氮素累积量预测，包括：遥感植被指数计算与敏感指数筛选，根据敏感植被指数构建LNA反演模型，对作物整体与部分之间的联系和区别进行分析，找到植株中的氮素在整个生育期的分配规律，构建氮素分配模型NDM。本发明所构建的植株氮素累积量遥感监测模型结合了作物生理生态特点及氮素分配的动态规律，具有一定的机理性，能够消除因生长阶段不同而影响的估测不准确问题，可用于作物全生育期的植株氮素累积量预测，同时能够有效解决生育后期存在的部分预测值低估问题。
-
公开(公告)号：CN118736331A
公开(公告)日：2024-10-01
申请号：CN202411206480.7
申请日：2024-08-30
Applicant: 山东科技大学
Abstract: 本发明公开一种冬小麦早期两增一减的光谱特征构建方法，属于光谱特征构建技术领域，用于光谱特征构建，包括获得实验区的多光谱遥感影像并进行预处理得到待处理影像，分别计算分蘖期、越冬期、返青期的归一化植被指数；构建两增一减的光谱特征，计算待处理影像中所有地物的两增一减的光谱特征，确定冬小麦的两增一减的光谱特征的筛选阈值。本发明获取识别冬小麦的新的指数特征，能够解决与冬小麦光谱特征相似的农作物（如大蒜）与冬小麦种植区域的区分问题，从而更有效的提取冬小麦区域的像元。
-
公开(公告)号：CN117095318B
公开(公告)日：2024-03-19
申请号：CN202311360636.2
申请日：2023-10-20
Applicant: 山东科技大学
IPC: G06V20/17 , G06V10/762 , G06Q50/06
Abstract: 本发明公开了一种联合输电走向和塔架位置的高压输电线路提取方法，属于输电线系统故障诊断技术领域，包括如下步骤：采用直升机和无人机获取电力廊道场景原始点云数据；基于块约束的三维欧式聚类方法，对电力廊道场景原始点云数据进行聚类和分割；基于RANSAC算法定义线性率指标对电力线进行粗识别；利用粗识别的电力线确定高压输电廊道的线路走向；基于高程分布直方图统计和输电线路走向对塔架位置进行定位；利用塔架位置进行输电线路分档，并对电力线进行数学模型参数拟合。本发明充分结合电力廊道空间层次分布和电力线局部线性特点，实现电力廊道场景自动分档和电力线精细化提取。
-
公开(公告)号：CN119323781A
公开(公告)日：2025-01-17
申请号：CN202411733112.8
申请日：2024-11-29
IPC: G06V20/68 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/045 , G06N3/048 , G06N3/049 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种用于花生种子表型参数预测的神经网络构建方法，属于神经网络技术领域，用于花生种子表型参数预测，包括获得花生照片作为数据源，划分训练集和测试集，将训练集输入改进的YOLOv5s神经网络进行训练，训练满足精度要求后，将测试集输入训练好的改进的YOLOv5s神经网络进行花生种子表型参数预测，获得花生种子的周长和面积。本发明根据对象的具体形状和花生朝向进行预测框生成，实现全方位无死角地精确测量，使模型更好地聚焦于花生果的特征信息；在不增加成本的情况下融合更多特征，减少冗余计算；有效减少了回归过程的自由度，从而加快了网络的收敛速度，并提高了回归准确性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.055 seconds)
