-
公开(公告)号：CN118961626B
公开(公告)日：2025-03-07
申请号：CN202411023684.7
申请日：2024-07-29
Applicant: 南京农业大学
Abstract: 本发明公开了一种通用型马赛克式多光谱成像作物生长传感装置串扰信息校正方法，包括：S1利用传感装置结合可调单色光源系统，步进获取不同波段的均匀光源图像；S2根据马赛克滤光片上的波段设置，寻找对应波段的均匀光源图像，遍历并记录各波段图像宏像素区域中响应值最大的像素索引。按照像素索引提取各步进波段图像所对应像素位置的响应值，并绘制各通道的响应平均值曲线；S3根据各通道的响应值曲线，绘制高斯响应曲线，并利用响应值数据的伪逆矩阵与高斯数据矩阵相乘，获取校正系数矩阵，使用该矩阵消除原始光谱图像波段间的数据串扰。本发明解决了马赛克式多光谱成像作物生长传感装置波段串扰信息问题，具有通用型和高效型的特点。
-
公开(公告)号：CN119314042A
公开(公告)日：2025-01-14
申请号：CN202411342428.4
申请日：2024-09-25
Applicant: 南京农业大学
IPC: G06V20/10 , G06V20/13 , G06V10/62 , G06T3/4053 , G06T7/62 , G06Q10/04 , G06Q10/0639 , G06Q50/02
Abstract: 本发明提出了一种基于高分辨率总初级生产力和动态收获指数的田块级水稻产量遥感估测方法，包括以下步骤：首先基于遥感云平台获取水稻生长季时间序列Sentinel‑2影像并计算叶面积指数，同时获取气象数据EAR5产品和CO2数据；然后利用自助抽样法和多模型过程敏感性分析方法分析了水稻生长季环境因子对总初级生产力GPP的影响规律，构建一种改进的双叶光能利用率模型，实现高分辨率水稻GPP高精度估算。最后结合动态收获指数形成HIDYM方法，实现江苏省多年份田块级水稻产量估测。该方法可快速、准确估测大范围田块级水稻产量。
-
公开(公告)号：CN115508314B
公开(公告)日：2024-06-18
申请号：CN202211163318.2
申请日：2022-09-23
Applicant: 南京农业大学
IPC: G01N21/55
Abstract: 本发明提出一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，包括以下步骤：提取小麦冠层反射光谱特征波段的反射率，利用两个特征波段模拟土壤组分的光谱信号，剔除土壤组分得到小麦组分光谱信号，计算植被指数估算小麦叶片叶绿素含量。本发明的方法通过对小麦和土壤反射光谱进行特征分析，分离出土壤和植被光谱的信号，减少土壤背景对叶片叶绿素含量估算的影响，该方法操作步骤简单，运算速度快，适用于冠层水平不同小麦品种、不同栽培处理、不同生育时期，可广泛用于小麦冠层水平的平均叶片叶绿素含量监测。
-
公开(公告)号：CN112329856B
公开(公告)日：2024-05-14
申请号：CN202011226965.4
申请日：2020-11-06
Applicant: 神农智慧农业研究院南京有限公司 , 南京农业大学
IPC: G06V10/80 , G06T7/00 , G06Q10/04 , G06Q50/02 , G06V10/764 , G06T5/77 , G06N3/084 , G06N3/0499
Abstract: 本发明公开了一种基于光谱与RGB‑D融合图像的小麦氮积累量预测方法，属于精准农业技术领域。该方法根据RGB图像与深度图像对应像素之间的相关性，提出RGB图像与深度图像的像素级融合算法；通过构建结合小麦冠层颜色与结构信息的特征参数，对单一光谱特征预测小麦叶层氮积累量(Leaf layer nitrogen accumulation，LNA)和地上部氮积累量(Shoot nitrogen accumulation，SNA)的模型进行补偿，建立基于多维特征的预测模型。克服了光谱技术在预测小麦氮积累量时忽视冠层结构各向异性特征，导致预测结果精度低、不稳定等弊端，冠层结构特征的加入对基于光谱预测氮积累量模型进行了有效补偿，预测模型具有更好的精度与稳定性。
-
公开(公告)号：CN112613338B
公开(公告)日：2023-11-24
申请号：CN202011303935.9
申请日：2020-11-19
Applicant: 南京农业大学
IPC: G06V20/10 , G06V20/17 , G06V10/44 , G06V10/54 , G06V10/56 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06V20/68 , G06N3/006 , G06N3/0464 , G01N21/17 , G01N21/84
Abstract: 本发明提出基于RGB图像融合特征的小麦叶层氮含量估测方法，步骤包括：采集小麦冠层RGB图像和实测小麦叶层氮含量；首先，进行RGB图像预处理，计算可见光植被指数；其次，利用离散小波变换方法实现水平方向、垂直方向和对角方向的多尺度小波纹理特征提取；再次，利用卷积神经网络提取RGB图像深层特征；最后，构建基于融合特征的粒子群优化支持向量回归模型估测小麦叶层氮含量。本发明的方法估测精度高、特征鲁棒性强，适用于小麦全生育期，同时也是目前
-
Patent Agency Ranking
公开(公告)号：CN116486034A
公开(公告)日：2023-07-25
申请号：CN202211499179.0
申请日：2023-01-28
Applicant: 南京农业大学
IPC: G06T17/20 , G06T7/136 , G06V10/762
Abstract: 本发明公开了一种田间小麦穗数提取方法，包括步骤：步骤1、采集小麦穗数样本和点云；步骤2、对从步骤1得到的小麦点云进行预处理；步骤3、选取任意点进行最小二乘曲面拟合，并获取该点所在平面的法向量；步骤4、计算点云法线差异度，分割茎或穗点云；步骤5、通过密度聚类进行茎或穗点云聚类：步骤6、根据聚类结果，统计小区内穗数。本发明方法提取的小麦穗数与田间实测的穗数进行比较，验证了算法的可行性，说明本发明方法实现了对大田作物穗数的快速、准确、无损提取，同时具有较高的普适性，为田间小麦穗数的提取提供了理论基础和技术支撑。
-
公开(公告)号：CN116469019A
公开(公告)日：2023-07-21
申请号：CN202310400046.1
申请日：2023-04-14
Applicant: 南京农业大学
IPC: G06V20/17 , G06V20/10 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于全卷积神经网络的田间小区自动分割方法，该方法基于无人机遥感平台获取小麦育种试验的无人机影像，构建全卷积神经网模型，在模型中引入注意力机制用于平衡数据集中类别分布不均衡的情况，之后使用图像细化以及直线检测等后处理算法对全卷积神经网络得到的边界提取结果行进一步的改进和完善，最后将训练好的全卷积神经网络模型和后处理算法部署至电脑端实现Windows操作系统下的育种小区边界提取系统，实现一套系统化、自动化的育种小区边界提取流程。本发明能够有效地缓解传统方法因小区内部阴影和杂草等原因造成的误分类现象，适用于基于无人机平台获取的遥感影像的育种试验边界提取问题。
-
公开(公告)号：CN115508314A
公开(公告)日：2022-12-23
申请号：CN202211163318.2
申请日：2022-09-23
Applicant: 南京农业大学
IPC: G01N21/55
Abstract: 本发明提出一种基于冠层组分光谱分离的土壤影响消除与小麦叶片叶绿素含量高精度估算方法，包括以下步骤：提取小麦冠层反射光谱特征波段的反射率，利用两个特征波段模拟土壤组分的光谱信号，剔除土壤组分得到小麦组分光谱信号，计算植被指数估算小麦叶片叶绿素含量。本发明的方法通过对小麦和土壤反射光谱进行特征分析，分离出土壤和植被光谱的信号，减少土壤背景对叶片叶绿素含量估算的影响，该方法操作步骤简单，运算速度快，适用于冠层水平不同小麦品种、不同栽培处理、不同生育时期，可广泛用于小麦冠层水平的平均叶片叶绿素含量监测。
-
公开(公告)号：CN114694036A
公开(公告)日：2022-07-01
申请号：CN202210267472.8
申请日：2022-03-18
Applicant: 南京农业大学 , 神农智慧农业研究院南京有限公司
Abstract: 本发明公开了一种基于高分影像和机器学习的高海拔地区作物分类识别的方法，该方法使用国产GF6‑PMS卫星影像，结合光谱、纹理、植被指数及地形因子等特征，通过基于随机森林的递归特征消除策略筛选出最优特征组合，并计算Gini指数获得各输入特征的重要性得分，进一步利用两层堆叠驱动的集成分类模型(包含Random Forest、XGBoost和AdaBoost三个单一分类器模型)对高海拔地区作物进行分类识别。本发明基于最优特征组合(Green、Red、NIR、TVI、GNDVI、Blue_Mean、Green_Mean、Red_Mean、NIR_Mean、DEM)构建的Stacking模型可以在较大程度上改善高海拔地区农作物的分类识别精度，尤其是种植面积较大的大宗作物的分类识别精度，为国产高分卫星影像在高海拔地区进行农作物遥感识别提供了科学参考依据。
-
公开(公告)号：CN112613338A
公开(公告)日：2021-04-06
申请号：CN202011303935.9
申请日：2020-11-19
Applicant: 南京农业大学
Abstract: 本发明提出基于RGB图像融合特征的小麦叶层氮含量估测方法，步骤包括：采集小麦冠层RGB图像和实测小麦叶层氮含量；首先，进行RGB图像预处理，计算可见光植被指数；其次，利用离散小波变换方法实现水平方向、垂直方向和对角方向的多尺度小波纹理特征提取；再次，利用卷积神经网络提取RGB图像深层特征；最后，构建基于融合特征的粒子群优化支持向量回归模型估测小麦叶层氮含量。本发明的方法估测精度高、特征鲁棒性强，适用于小麦全生育期，同时也是目前第一次提出综合RGB图像的可见光植被指数、小波纹理特征、优选的深层特征构建融合特征来估测小麦叶层氮含量的方法。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.028 seconds)
