-
公开(公告)号：CN111461992A
公开(公告)日：2020-07-28
申请号：CN202010343812.1
申请日：2020-04-27
Applicant: 廖廓 , 武汉珈和科技有限公司
Abstract: 本发明公开一种基于深度学习的超高分辨率遥感影像茶叶分布自动提取方法及装置，所述方法包括：对待测的超高分辨率影像进行数据预处理，得到待测影像；准备不同时期不同地区的茶叶超高分辨率影像作为训练样本，进行数据预处理得到训练影像，标记后保存为矢量样本；构建卷积神经网络模型，根据不同时间不同地区的茶叶超高分辨率影像及其矢量样本，训练所述模型，得到不同时间不同地区的预测模型；将经过预处理后的待测影像及其所在的区域及时间输入到对应的预测模型中进行茶叶分布提取，获得初步分类结果；对所述初步分类结果进行分类后处理，得到茶叶分布提取结果。本发明不依赖人工经验，实现了作物分布的自动化提取，提取结果可信度高。
-
公开(公告)号：CN109492568A
公开(公告)日：2019-03-19
申请号：CN201811289647.5
申请日：2018-10-31
Applicant: 武汉珈和科技有限公司
Inventor： 杨泽宇
Abstract: 本发明公开了一种提取全球特定农作物主产区种植分布方法及系统，用于农业遥感领域。本发明提供的方法包括：获取中低分辨率MODIS数据的多时相数据，生成时间序列NDVI影像，对该影像进行S-G滤波，并根据特定农作物的物候期筛选所述影像，生成新的NDVI影像；对其进行主成分变换，选取主成分作为监督分类输入影像；通过计算NDVI影像的生长曲线和标准生长曲线的均方根误差，获取所述特定农作物的样本；调用支持向量机方法对输入影像进行监督分类，并对监督分类结果进行约束。本发明通过对特定农作物的NDVI时序变化曲线进行分析，得到生长曲线，进而方便选取样本，减少人工经验的影响和样本选取的时间消耗。可以提高农作物种植分布提取效率，同时提高提取的精确度。
-
公开(公告)号：CN110738711A
公开(公告)日：2020-01-31
申请号：CN201910836228.7
申请日：2019-11-12
Applicant: 武汉珈和科技有限公司
Abstract: 本发明涉及测绘遥感技术领域，尤其涉及一种温度植被干旱指数生产与专题图制作的自动化工具，包括数据预处理模块，用于影像获取和地表温度数据与植被指数数据预处理；数据计算模块，用于计算温度植被干旱等级数据；专题图制作模块，用于干旱等级专题图自动生产；具体包括，对干旱等级分级结果数据通过配置制图模板，控制生成专题图；本发明实施例提供一种温度植被干旱指数生产与专题图制作的自动化工具，通过获取地表温度数据与植被指数数据，自动拟合出各区域温度植被指数模型计算系数，计算温度植被指数并进行等级划分，基于温度植被指数等级数据实现自动生成专题图。
-
公开(公告)号：CN109509112A
公开(公告)日：2019-03-22
申请号：CN201811287814.2
申请日：2018-10-31
Applicant: 武汉珈和科技有限公司
IPC: G06Q50/02
Abstract: 本发明涉及一种基于MODIS NDVI的全球大豆和玉米主产区产量评估方法及系统，所述方法通过对全球玉米和大豆主产国阿根廷、巴西、中国、加拿大、印度、墨西哥和美国，以MOD09A1反射率数据计算的NDVI影像、作物分布数据和美国农业部官网上获取的各国玉米和大豆产量作为输入，建立线性回归模型，寻找各主产国估算玉米和大豆的最优时期，并且估算出它们的产量。
-
公开(公告)号：CN111537668A
公开(公告)日：2020-08-14
申请号：CN202010045086.5
申请日：2020-01-16
Applicant: 农业农村部规划设计研究院 , 武汉珈和科技有限公司
Abstract: 本发明公开一种基于气象卫星数据的作物病虫害遥感监测方法及装置，所述方法包括：获取SMAP和TRMM卫星影像数据并对数据进行预处理，根据病虫害类型选取对应的气象因子，利用反距离权重法对两种卫星数据进行插值，得到研究区域内指定空间分辨率、指定时间分辨率的关键气象要素数据；按照北京时间计算得到研究区内关键气象要素日数据；利用数理统计方法建立对应的病虫害发病指数气象评价模型；根据研究区内指定病虫害类型的关键气象要素日数据及对应的病虫害发病指数气象评价模型，以旬为周期，计算得到病虫害发病指数；利用目标作物的分布数据执行掩膜，生成专题图。本发明可以提高预警实时性、准确性，监测范围更广。
-
Patent Agency Ranking
公开(公告)号：CN110751019A
公开(公告)日：2020-02-04
申请号：CN201910827204.5
申请日：2019-09-03
Applicant: 武汉珈和科技有限公司
Abstract: 本发明提出一种基于深度学习的高分辨率影像农作物自动提取方法及装置，所述方法包括：获取目标农作物不同物候期的高分辨率影像，制作标准样本并保存为矢量格式，得到标记的矢量样本；构建卷积神经网络模型，通过每个物候期的高分辨率影像以及对应的矢量样本分别训练所述卷积神经网络模型，得到不同物候期的分类模型；根据待分类数据的类型，从不同物候期的分类模型中匹配出与待分类数据相对应的物候期的分类模型；根据待分类数据的类型及匹配到相应的物候期的分类模型进行目标农作物分布提取。本发明可大幅度提升农作物分类识别的效率，分类过程中不需要人工进行干预，且可提高准确率。
-
公开(公告)号：CN110570440A
公开(公告)日：2019-12-13
申请号：CN201910655043.6
申请日：2019-07-19
Applicant: 武汉珈和科技有限公司
Abstract: 本发明提出一种基于深度学习边缘检测的图像自动分割方法及装置，所述方法包括：根据高分辨率遥感影像绘制一定数量的训练样本；通过所述训练样本训练HED边缘检测模型；使用训练好的HED边缘检测模型对待分割遥感影像进行边缘检测，生成边缘概率图；对所述边缘概率图进行后处理，生成矢量多边形；对所述矢量多边形进行简化处理，得到所述待分割遥感影像的图像分割结果。本发明提出的图像分割方法无须调节参数，分割准确率更高，且可自动化运行，图像分割效率高。
-
公开(公告)号：CN109492568B
公开(公告)日：2021-10-08
申请号：CN201811289647.5
申请日：2018-10-31
Applicant: 武汉珈和科技有限公司
Inventor： 杨泽宇
Abstract: 本发明公开了一种提取全球特定农作物主产区种植分布方法及系统，用于农业遥感领域。本发明提供的方法包括：获取中低分辨率MODIS数据的多时相数据，生成时间序列NDVI影像，对该影像进行S‑G滤波，并根据特定农作物的物候期筛选所述影像，生成新的NDVI影像；对其进行主成分变换，选取主成分作为监督分类输入影像；通过计算NDVI影像的生长曲线和标准生长曲线的均方根误差，获取所述特定农作物的样本；调用支持向量机方法对输入影像进行监督分类，并对监督分类结果进行约束。本发明通过对特定农作物的NDVI时序变化曲线进行分析，得到生长曲线，进而方便选取样本，减少人工经验的影响和样本选取的时间消耗。可以提高农作物种植分布提取效率，同时提高提取的精确度。
-
公开(公告)号：CN111583050A
公开(公告)日：2020-08-25
申请号：CN202010045073.8
申请日：2020-01-16
Applicant: 武汉珈和科技有限公司
Abstract: 本发明涉及测绘遥感技术领域，尤其涉及一种融合多尺度遥感影像的农作物病虫害预警方法及系统。所述方法包括：提取目标农作物分布数据；进行田块分割提取地块矢量数据；提取关键卫星气象数据代入病虫害气象指数评价模型，逐旬计算所述研究区内病虫害发病指数；通过农作物分布数据对各旬病虫害发病指数执行掩膜操；将执行掩膜操作后的各旬病虫害发病指数作为属性挂接至地块矢量数据属性表中。所述系统包括农作物分布数据模块、地块矢量数据模块，气象指数计算模块和数据输出模块；本发明实施例通过农作物分布数据对各旬病虫害发病指数执行掩膜操作后精准挂接至地块矢量数据属性表中，获得各地块的病虫害发病指数，满足地块精细化管理与监控要求。
-
公开(公告)号：CN109658446B
公开(公告)日：2023-04-07
申请号：CN201811273738.X
申请日：2018-10-30
Applicant: 武汉珈和科技有限公司
Abstract: 本发明提出一种高分辨率遥感影像几何配准方法及装置，所述方法包括如下步骤：获取含有投影信息的高分辨率影像数据，包括基准影像和待配准影像；进行地理信息粗匹配，得到初步校正结果A1；从所述基准影像中裁剪出与A1具有相同地理坐标的区域A2；将A1和A2分别按相同的大小均匀分块，计算每一对具有相同地理坐标区域的分块影像的标准差均值，选取所述标准差均值在中间位置的那一对分块影像；进行傅里叶变换，在频率域根据相位信息计算出所述分块影像对之间的仿射参数；根据所述仿射参数对A1进行仿射校正，得到配准结果。本发明提供的方法及装置可减少业务需要的时间，提高效率，同时保证配准精度，降低成本。本发明属于测绘遥感领域。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.028 seconds)
