-
公开(公告)号:CN118501137B
公开(公告)日:2024-12-20
申请号:CN202410540452.2
申请日:2024-04-30
Applicant: 河北农业大学
IPC: G01N21/84 , G01N21/25 , G06V20/17 , G06V20/10 , G06V10/26 , G06V20/70 , G06V10/56 , G06V10/58 , G06V10/762 , G06V20/68 , G06V20/64 , G06V10/82 , G16B40/00 , G06N3/0464 , G06N3/045 , G06N3/096
Abstract: 本发明提供了一种无人机多源数据的大白菜表型高通量获取及监测方法,属于白菜培育技术领域,包括:基于无人机采集多块不同品种大白菜处于不同生育期的多光谱图像;通过图像拼接生成不同品种大白菜的数字正射影像、数字地表模型及密集三维点云;利用改进的多光谱UNet结合分水岭算法和PointNet++结合密度聚类算法分割单株大白菜,定量获取单株大白菜的光谱反射率、三维点云表型信息;结合双输入卷积神经网络模型构建相对叶绿素含量和氮含量的预测模型,并建立叶色判别模型,对生育期的大白菜进行生长监测。本发明结合无人机多光谱成像技术和深度学习,实现整个生育期的大白菜表型定量获取与生长监测,采样时间短,取代耗时耗力的人工目测与尺量等方法。
-
公开(公告)号:CN118310977A
公开(公告)日:2024-07-09
申请号:CN202410433700.3
申请日:2024-04-11
Applicant: 河北农业大学
IPC: G01N21/25 , G01N21/55 , G01J3/28 , G01J3/46 , G06V20/68 , G06V10/26 , G06V10/54 , G06V10/56 , G06V10/764 , G06V10/766 , G06V10/82 , G06T7/62 , G06T7/90
Abstract: 本发明公开了一种适用于青花菜采后贮藏品质评估分析方法,属于采后贮藏领域,步骤包括:采集贮藏期间青花菜的多光谱图像、RGB图像和生理指标信息;采用深度学习方法,计算RGB图像中每个青花菜的黄绿颜色区域占比,对青花菜新鲜度进行评估分级;建立青花菜生理指标信息回归预测模型;建立青花菜分类模型和贮藏天数预测模型;根据青花菜黄绿颜色占比评估分级和分类模型和贮藏天数预测模型建立青花菜品质分类的综合评估模型。本发明采用上述方法,采用光谱成像技术和深度学习相结合的方式,从感官黄化面积大小、物质含量变化及剩余贮藏天数的预测,综合实现青花菜采后贮藏品质评估分析,采样时间短,准确率高。
-
公开(公告)号:CN118501137A
公开(公告)日:2024-08-16
申请号:CN202410540452.2
申请日:2024-04-30
Applicant: 河北农业大学
IPC: G01N21/84 , G01N21/25 , G06V20/17 , G06V20/10 , G06V10/26 , G06V20/70 , G06V10/56 , G06V10/58 , G06V10/762 , G06V20/68 , G06V20/64 , G06V10/82 , G16B40/00 , G06N3/0464 , G06N3/045 , G06N3/096
Abstract: 本发明提供了一种无人机多源数据的大白菜表型高通量获取及监测方法,属于白菜培育技术领域,包括:基于无人机采集多块不同品种大白菜处于不同生育期的多光谱图像;通过图像拼接生成不同品种大白菜的数字正射影像、数字地表模型及密集三维点云;利用改进的多光谱UNet结合分水岭算法和PointNet++结合密度聚类算法分割单株大白菜,定量获取单株大白菜的光谱反射率、三维点云表型信息;结合双输入卷积神经网络模型构建相对叶绿素含量和氮含量的预测模型,并建立叶色判别模型,对生育期的大白菜进行生长监测。本发明结合无人机多光谱成像技术和深度学习,实现整个生育期的大白菜表型定量获取与生长监测,采样时间短,取代耗时耗力的人工目测与尺量等方法。
-
公开(公告)号:CN118196666A
公开(公告)日:2024-06-14
申请号:CN202410433696.0
申请日:2024-04-11
Applicant: 河北农业大学
IPC: G06V20/17 , G06V10/26 , G06V10/774 , G06V10/82 , G06V10/766
Abstract: 本发明公开了一种基于无人机多光谱的单株青花菜生长信息获取方法,属于植株生长监测技术领域。通过采集青花菜不同生长发育期的多光谱图像信息,同时对田间样本进行测量;再进行图像重建,生成多光谱正射影像并进行图像标记与处理;对处理后的图像进行裁剪并分为训练集、测试集和验证集;完成单株青花菜的识别与定位,实现单株青花菜的分割;计算叶绿素、氮含量、幅长、幅宽,建立预测模型,预测生长信息,进行下一步田间管理。本发明能够预测单株青花菜不同生育期的生理指标和表型信息,实现青花菜的快速无损监测,节省成本;并根据青花菜实际情况制定下一步的管理措施,为之后的田间调查提供了一种新方法。
-
公开(公告)号:CN219266223U
公开(公告)日:2023-06-27
申请号:CN202223434375.8
申请日:2022-12-21
Applicant: 河北农业大学 , 保定市农产品质量服务站
Abstract: 本实用新型提供了一种蔬菜表型智能采集装置,包括:控制器及与控制器相连接的第一导轨模块、第二导轨模块、第一升降模块、第二升降模块、可调供电模块、采集模块及环境监测模块,采集区域的左右两侧设置第一导轨模块,第一导轨模块的顶部固定设置有第一固定板,第一固定板的顶部设置第一升降模块,第一升降模块的顶部设置有第二固定板,第二固定板的顶部设置环境监测模块及第二升降模块,左右两侧的第二升降模块的顶部设置第二导轨模块,第二导轨模块的底部设置采集模块,第二导轨模块的顶部设置可调供电模块。本实用新型提供的蔬菜表型智能采集装置,能够实现蔬菜表型智能采集、蔬菜种植环境状态采集及太阳能供电,降低了人工成本及能源消耗。
-
-
-
-