-
公开(公告)号：CN118032672B
公开(公告)日：2024-08-16
申请号：CN202410168979.7
申请日：2024-02-06
Applicant: 南京农业大学
Abstract: 本发明公开了一种手持快照式多光谱成像型作物生长传感装置，包括成像物镜、光谱成像模块、主控模块、供电模块、维稳云台、RGB成像模组、测距传感器、手持杆、控制显示器和罩壳，所述成像物镜设于罩壳下方，所述光谱成像模块设于成像物镜上方，所述主控模块设于光谱成像模块上方，所述维稳云台设于罩壳上方，所述维稳云台与手持杆相连接，所述RGB成像模组和测距传感器设于罩壳下方，所述控制显示器紧固于手持杆，所述供电模块为各模块进行供电。本发明解决了因采集角度和高度不一致导致图谱信息实时处理难、作物生长监测精度低等问题，同时实现了作物生长多特征信息实时无损高精度感知，具有携带方便、操作简单及功能丰富等特点。
-
公开(公告)号：CN113435282A
公开(公告)日：2021-09-24
申请号：CN202110677003.9
申请日：2021-06-18
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于深度学习的无人机影像麦穗识别方法，通过将无人机测试影像输入至麦穗识别模型识别出麦穗信息，所述识别模型的构建包括：S1、数据采集步骤；S2、数据处理步骤；S3、构建适用于无人机影像麦穗识别网络，对所述无人机影像数据进行训练，得到麦穗识别模型；S4、利用训练好的麦穗识别模型对无人机影像中的待检测麦穗进行识别，融合麦穗识别模型的检测框，得到识别结果；其特征在于S3构建多尺度网络特征架构，通过多尺度检测层提取麦穗特征，增强网络对小尺寸麦穗特征的提取能力；基于交并比计算检测层的置信度损失权重，提高小尺寸麦穗特征对网络的贡献。本发明提出的方案具有检测小尺寸密集麦穗影像的优点，很好解决了麦穗识别的技术困境。
-
公开(公告)号：CN112329856A
公开(公告)日：2021-02-05
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
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：CN118609003A
公开(公告)日：2024-09-06
申请号：CN202410751370.2
申请日：2024-06-12
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于点云和光谱融合的估测作物产量的新三维指标构建方法，首先，通过作物无人机多光谱影像构建植被指数，并与冠层叶绿素建立线性回归模型；然后，通过无人机激光雷达获取作物点云，利用多维矩阵融合的方法将点云与多光谱影像进行融合，生成作物多光谱点云；同时，将冠层叶绿素线性回归模型应用于作物多光谱点云，从而生成作物冠层叶绿素三维空间分布；最后，将冠层叶绿素三维空间分布进行垂直分层并统计垂直层的75％分位数(CCC_P75th)用来估测产量。结果表明，本发明构建的新型三维指标(CCC_P75th)同时包含了作物的结构和生理特征，相比于传统指标对产量具有更好的估测能力，这对作物高产株型筛选具有重要的指导意义。
-
公开(公告)号：CN110874617B
公开(公告)日：2023-05-05
申请号：CN201911169596.7
申请日：2019-11-26
Applicant: 南京农业大学
IPC: G06V10/762 , G06V10/774 , G06T5/00 , G06T7/11 , G06T7/90
Abstract: 本发明公开了一种冬小麦叶片氮含量估算模型的建立方法，包括：采集小麦冠层图像，测定小麦氮素营养参数；利用冠层图像H分量的K均值聚类方法分割小麦冠层图像，提取分割处理后冠层图像的非0像素值的R、G、B、H、S、V、L*、a*、b*分量，分别计算其平均像素值作为基础颜色分量，构建融合三个常用颜色空间的多颜色空间；以图像在多颜色空间下的基础颜色分量作为模型自变量，以叶片氮含量作为模型因变量，选用径向基核函数，建立ε‑SVR模型。本发明建立的多颜色空间下的支持向量回归模型有着更好的泛化性能，具有较高的预测精度，可对小麦叶片氮含量进行快速无损检测。
-
Patent Agency Ranking
公开(公告)号：CN115099071A
公开(公告)日：2022-09-23
申请号：CN202211005719.5
申请日：2022-08-22
Applicant: 南京农业大学 , 神农智慧农业研究院南京有限公司
IPC: G06F30/20 , G06N7/00 , G06Q10/04 , G06Q50/02 , G06F111/08 , G06F119/02
Abstract: 本发明提供了一种生产力预测不确定性计算方法，包括如下步骤：根据预设的划分方式将研究区域划分成不同亚区；获取亚区内多个农业观测站点的多组作物生产力数据；根据品种管理数据选取每个亚区内的主栽品种；将每个主栽品种相匹配的多组作物生产力数据分为调参用数据和验证用数据两部分；根据调参用数据计算出每个主栽品种的n组品种参数；根据验证用数据对对应主栽品种的n组品种参数进行验证；在品种参数验证结果合格的情况下，将每个主栽品种的n组品种参数构建为参数库；基于参数库，计算作物生长情况的平均值及其变异系数的空间分布。本发明能够实现在预测区域作物生产力的同时，对预测结果的不确定性进行量化。
-
公开(公告)号：CN107392356A
公开(公告)日：2017-11-24
申请号：CN201710509683.7
申请日：2017-06-28
Applicant: 南京农业大学
Abstract: 本发明公开了一种管理田块的矩形格网构建方法，以在大田中获取的土壤采样点数据为数据，建立基于半方差分析和二值线性规划的矩形格网分区。本发明改善现有管理分区方法，确定最优的管理格网尺寸、保证分区结果的均质性并提高了规则格网构建计算的效率。本发明方法能够利用不同土壤要素进行矩形分区，与现有大田环境管理分区方法对比，效率提升，应用性、普适性和准确性提高。
-
公开(公告)号：CN119942319A
公开(公告)日：2025-05-06
申请号：CN202311454183.X
申请日：2023-11-03
Applicant: 南京农业大学 , 神农智慧农业研究院南京有限公司
IPC: G06V20/10 , G06V20/17 , G06V10/10 , G06V10/776 , G06T7/73
Abstract: 本发明公开了一种适用于棉花出苗早期的快速、高效计数方法，其步骤为：步骤一、获取棉花出苗早期无人机RGB图像；步骤二、将采集的RGB图像拼接后输出正射影像；步骤三、计算ExG指数后将图像二值化，使用直线检测方法获取作物行，对作物行扩展后生成掩膜边界，掩膜后提取出棉花幼苗行；步骤四、ExG指数图像中垂直于作物行像元DN值累加可得到一条有多个波峰波谷的波形曲线，对达到要求的波峰进行定位与计数；步骤五、使用RMSE和R2两个指标对WM计数效果进行评价。本发明在棉花幼苗监测时，对棉花幼苗尺寸不敏感，在粗分辨率与亮度变化的图像中依然能保障计数精度，是适用于棉花幼苗早期监测需要的高效率、短周期、低成本监测方法。
-
公开(公告)号：CN115015132A
公开(公告)日：2022-09-06
申请号：CN202210616907.5
申请日：2022-06-01
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数据融合建立冬小麦水分状况监测模型的方法，包括：获取小麦植株冠层光谱反射率；测定水分指标，获取植株数据、土壤数据、气象数据；分别筛选对冠层含水量、植株含水量和冠层等效水厚度相关性最好的光谱指数；使用主成分分析和皮尔逊相关系数方法，对土壤数据、植株数据和气象数据进行特征选择；将筛选出的光谱指数融合不同数据库作为模型输入参数，分别利用R语言代码中的决策树DT、随机森林RF和支持向量机SVM算法，建立基于数据融合构建的冬小麦水分状况监测模型；比较不同冬小麦水分状况监测模型对于水分指标的预测效果，筛选出对水分状况最优监测模型。本发明还公开了一种基于数据融合的冬小麦水分状况监测方法。
-
公开(公告)号：CN113435282B
公开(公告)日：2021-12-21
申请号：CN202110677003.9
申请日：2021-06-18
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于深度学习的无人机影像麦穗识别方法，通过将无人机测试影像输入至麦穗识别模型识别出麦穗信息，所述识别模型的构建包括：S1、数据采集步骤；S2、数据处理步骤；S3、构建适用于无人机影像麦穗识别网络，对所述无人机影像数据进行训练，得到麦穗识别模型；S4、利用训练好的麦穗识别模型对无人机影像中的待检测麦穗进行识别，融合麦穗识别模型的检测框，得到识别结果；其特征在于S3构建多尺度网络特征架构，通过多尺度检测层提取麦穗特征，增强网络对小尺寸麦穗特征的提取能力；基于交并比计算检测层的置信度损失权重，提高小尺寸麦穗特征对网络的贡献。本发明提出的方案具有检测小尺寸密集麦穗影像的优点，很好解决了麦穗识别的技术困境。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.025 seconds)
