一种作物长势监测的多光谱及光学相机传感器装置

    公开(公告)号:CN113175956A

    公开(公告)日:2021-07-27

    申请号:CN202110520824.1

    申请日:2021-05-13

    Abstract: 本发明公开了一种作物长势监测的多光谱及光学相机传感器装置,包括多光谱探测模块、光学相机模块、姿态传感模块、微控制器、微型计算机模块和网络通信模块。所述多光谱探测模块包括多光谱入射光探测模块、多光谱反射光探测模块和传感器控制主板;多光谱入射光探测模块、多光谱反射光探测模块平行设置,通过SPI总线连接到微控制器;姿态传感模块安装于传感器控制主板上,通过IIC总线连接到微控制器;微控制器、光学相机模块与网络通信模块通过USB总线连接到微型计算机模块。本发明结构简单,能实现作物冠层多波段反射光谱光照条件自适应测量,并获取作物冠层真彩色图像信息,从而实现作物营养状况、长势信息实时采集与动态监测。

    基于光谱波段重叠分离的叶片叶绿素a、b含量反演方法

    公开(公告)号:CN114166793A

    公开(公告)日:2022-03-11

    申请号:CN202111294364.1

    申请日:2021-11-03

    Abstract: 本发明公开了基于光谱波段重叠分离的叶片叶绿素a、b含量反演方法。现有的总叶绿素相对含量检测仪器,不能满足植物生理生态更为细致的监测需求。原因在于没有合适叶绿素a和b重叠波段的分离方法。该方法步骤如下:步骤一、对被测叶片进行高光谱反射率采集,采集的数据包括650nm波段反射率R650、700nm波段反射率R700、消除叶片结构影响的近红外波段反射率Rw。步骤二、计算被测叶片中叶绿素a含量Ca、叶绿素a含量Cb。本发明选取了叶绿素a、b反演特征波段,并建立了叶片中基于高光谱的伪吸收系数的叶绿素a、b含量模型,进而实现了叶绿素a、b含量的无损独立反演。

    一种基于VGG16在昆虫分类学上的图像识别方法

    公开(公告)号:CN111832642A

    公开(公告)日:2020-10-27

    申请号:CN202010643798.7

    申请日:2020-07-07

    Abstract: 本发明涉及一种基于VGG16在昆虫分类学上的图像识别方法,包括:S1、建立图像数据集;S2、对图像数据集的昆虫图像进行处理得到训练数据集;S3、利用VGG16模型对训练数据集进行训练;S4、从图像数据集中抽取部分图像作为参考图像和待识别图像,进行角点检测以对参考图像进行矫正;S5、将待识别图像以及矫正后的参考图像经过处理后输入训练后的VGG16模型,进行图像特征的提取;S6、将提取的图像特征进行可视化以得到特征图;S7、计算待识别图像与每类昆虫目级阶元下所有参考图像的特征图图像相似度SSIM并求取均值,将待识别图像分类至均值最大的一类,作为所属的目级阶元。本发明提高了昆虫分类的准确率和效率。

    基于光谱波段重叠分离的叶片叶绿素a、b含量反演方法

    公开(公告)号:CN114166793B

    公开(公告)日:2023-08-04

    申请号:CN202111294364.1

    申请日:2021-11-03

    Abstract: 本发明公开了基于光谱波段重叠分离的叶片叶绿素a、b含量反演方法。现有的总叶绿素相对含量检测仪器,不能满足植物生理生态更为细致的监测需求。原因在于没有合适叶绿素a和b重叠波段的分离方法。该方法步骤如下:步骤一、对被测叶片进行高光谱反射率采集,采集的数据包括650nm波段反射率R650、700nm波段反射率R700、消除叶片结构影响的近红外波段反射率Rw。步骤二、计算被测叶片中叶绿素a含量Ca、叶绿素a含量Cb。本发明选取了叶绿素a、b反演特征波段,并建立了叶片中基于高光谱的伪吸收系数的叶绿素a、b含量模型,进而实现了叶绿素a、b含量的无损独立反演。

Patent Agency Ranking