-
公开(公告)号：CN117853903A
公开(公告)日：2024-04-09
申请号：CN202311698416.0
申请日：2023-12-12
Applicant: 南京农业大学 , 南京农业大学三亚研究院
IPC: G06V20/10 , G06V20/56 , G06V10/10 , G06V10/82 , G06V10/94 , G06F16/51 , G06F16/587 , H04W4/029 , H04W4/38 , H04W4/44 , H04W64/00 , G16Y10/05 , G16Y20/00 , G16Y40/10 , G16Y40/20 , G16Y40/60
Abstract: 面向生物育种的跨平台作物表型数据采集处理系统及方法，该系统包括：数据采集装置，其包括图像采集设备，采集包含作物表型信息的图片；表型数据传输装置，其与数据采集装置进行通信连接，对数据采集装置获取的包含作物表型信息的图片进行信息标注，以得到作物表型数码图片数据；标准化数据存储管理系统，使用OpenSilex进行数据的规范、标准化；表型数据性状提取分析装置，其为部署在云端的服务器，其与标准化数据存储管理系统进行通信连接，进行作物表型性状分析；所述表型数据传输装置还包括定位模块，其用于实现对数据采集装置所进行的采集作业位置进行准确定位，以确定数据采集装置所采集的包含作物表型信息的图片所对应的作物位置。
-
公开(公告)号：CN117433449B
公开(公告)日：2024-03-19
申请号：CN202311751637.X
申请日：2023-12-19
Applicant: 南京农业大学三亚研究院 , 南京农业大学
IPC: G01B11/24 , G01B11/00 , G01B11/02 , G01B11/06 , G01B11/08 , G01B11/14 , G01B11/28 , A01G9/029 , A01G7/04 , A01G9/16 , G06V10/141 , G06V10/26 , G06V10/82 , G06V20/70
Abstract: 本发明涉及一种基于根盒的植物地上部与地下部表型联合鉴定方法，该方法基于作物表型信息监测装置，方法包括如下步骤：将营养土装入根盒中，将根盒放在根盒支架上；将作物种子放置在根盒中，种子长到一定程度，对作物进行表型数据的获取；将相机连接到电脑端，将作物的实时图像显示在屏幕上；将获取到的地上部和地下部图像进行标注；利用Segformer神经网络训练模型对地下部进行训练；利用U‑Net方法对地上部进行分割；对模型训练后图像进行预测，得到作物地下部的分割图；对U‑Net方法分割后图像进行预测，得到作物地上部的分割图；对地下部和地上部的分割图进行性状提取；对上述步骤得到的结果，采用关联分析方法找到各性状之间的关系。
-
公开(公告)号：CN117433449A
公开(公告)日：2024-01-23
申请号：CN202311751637.X
申请日：2023-12-19
Applicant: 南京农业大学三亚研究院 , 南京农业大学
IPC: G01B11/24 , G01B11/00 , G01B11/02 , G01B11/06 , G01B11/08 , G01B11/14 , G01B11/28 , A01G9/029 , A01G7/04 , A01G9/16 , G06V10/141 , G06V10/26 , G06V10/82 , G06V20/70
Abstract: 本发明涉及一种基于根盒的植物地上部与地下部表型联合鉴定方法，该方法基于作物表型信息监测装置，方法包括如下步骤：将营养土装入根盒中，将根盒放在根盒支架上；将作物种子放置在根盒中，种子长到一定程度，对作物进行表型数据的获取；将相机连接到电脑端，将作物的实时图像显示在屏幕上；将获取到的地上部和地下部图像进行标注；利用Segformer神经网络训练模型对地下部进行训练；利用U‑Net方法对地上部进行分割；对模型训练后图像进行预测，得到作物地下部的分割图；对U‑Net方法分割后图像进行预测，得到作物地上部的分割图；对地下部和地上部的分割图进行性状提取；对上述步骤得到的结果，采用关联分析方法找到各性状之间的关系。
-
Patent Agency Ranking
公开(公告)号：CN119804402A
公开(公告)日：2025-04-11
申请号：CN202411844185.4
申请日：2024-12-15
Applicant: 南京农业大学
IPC: G01N21/64
Abstract: 本申请提供一种基于日光诱导叶绿素荧光估算水稻叶片光合氮含量的方法。本申请基于感应设备采集获取的冠层日光诱导叶绿素荧光的观测值SIF，先将其转化为光系统II的荧光总激发值SIFPSII；再基于水稻光合生理过程及入射光合有效辐射I，基于光系统II的荧光总激发值SIFPSII计算得到电子传输速率J，并计算得到最大电子传输速率Jmax；然后，基于该电子传输速率J计算出最大羧化速率Vcmax，从而分别计算出分配到羧化系统的光合氮含量Ncb和电子传递系统的光合氮含量Net，将两者叠加获得叶片光合氮含量的估算值PN。本发明依托日光诱导叶绿素荧光与水稻光合作用过程的机理联系，实现水稻叶片光合氮含量的精准估算，能够实现田块和区域尺度的水稻光合氮含量的准确估算。
-
公开(公告)号：CN119541687A
公开(公告)日：2025-02-28
申请号：CN202411536346.3
申请日：2024-10-31
Applicant: 南京农业大学
Abstract: 本发明提供一种基于CH4MN模型的稻田甲烷排放预测方法，考虑了稻田甲烷排放微生物过程和土壤氮影响，减少模拟的不确定性，精准预测稻田甲烷排放。包括S1、获取稻田农业生产投入、水管理措施、气象数据，观测稻田土壤环境信息、水稻信息、微生物信息，作为CH4MN模型的输入数据；S2、基于CH4MN模型算法计算甲烷产生所需要的底物来源以及土壤环境、土壤氮素对有机质分解影响；S3、基于CH4MN模型算法计算土壤氧化还原电位、微生物、水稻植株对甲烷产生和氧化的影响；S4、使用步骤S1‑3计算的甲烷产生和氧化影响因子，基于CH4MN模型算法计算甲烷生成率以及排放率；S5、基于点位观测信息验证CH4MN模型精度。
-
公开(公告)号：CN116975522A
公开(公告)日：2023-10-31
申请号：CN202311225703.X
申请日：2023-09-22
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) , 南京农业大学
Abstract: 本申请提供一种基于通量数据的叶绿素荧光遥感传感器退化校正方法。本申请分别获取通量站点长期连续观测多年的年度总初级生产力数据和对应的日光诱导叶绿素荧光的遥感数据，并分别对上述两组时间序列数据进行标准化，基于标准化数据的多站点平均值拟合出变化函数#imgabs0#，最后，以目标年份#imgabs1#带入变化函数#imgabs2#获得该年份所对应的校正系数为#imgabs3#，利用校正系数#imgabs4#对SIF原始遥感数据的传感器退化影响进行校正。本发明以GPP的长期变化趋势作为基准，根据SIF遥感数据受传感器退化影响逐年递增的规律拟合出SIF遥感数据的校正系数，实现对SIF遥感数据时间变化趋势的校正。相比传统校正手段，本申请可将校正的绝对误差降低一半左右，使校正后年际变化趋势的精度提高约48%。
-
公开(公告)号：CN114595429A
公开(公告)日：2022-06-07
申请号：CN202210256359.X
申请日：2022-03-16
Applicant: 南京农业大学
Abstract: 本发明公开了一种水稻叶片功能表型的估算方法，包括步骤为：首先，基于冠层辐射传输模型进行情境模拟，得到光系统II的开放比例qL与光合有效辐射I的耦合关系；其次，基于叶片叶绿素荧光SIF与电子传输速率J的紧密机理联系，结合上述耦合关系，基于SIF观测实现水稻叶片J的准确估算；最后，基于进化论最优性原理，结合J与最大羧化速率Vcmax的机理联系，实现水稻叶片Vcmax的精准估算。本发明在构建qL与I的耦合关系的基础上，依托SIF与电子传输速率和最大羧化速率的机理联系，实现水稻叶片功能表型J和Vcmax的精准估算，构建了一种全新的水稻功能表型估算方法。
-
公开(公告)号：CN116975522B
公开(公告)日：2023-12-22
申请号：CN202311225703.X
申请日：2023-09-22
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) , 南京农业大学
Abstract: 本申请提供一种基于通量数据的叶绿素荧光遥感传感器退化校正方法。本申请分别获取通量站点长期连续观测多年的年度总初级生产力数据和对应的日光诱导叶绿素荧光的遥感数据，并分别对上述两组时间序列数据进行标准化，基于标准化数据的多站点平均值拟合出变化函数，最后，以目标年份 带入变化函数获得该年份所对应的校正系数为 ，利用校正系数 对SIF原始遥感数据的传感器退化影响进行校正。本发明以GPP的长期变化趋势作为基准，根据SIF遥感数据受传感器退化影响逐年递增的规律拟合出SIF遥感数据的校正系数，实现对SIF遥感数据时间变化趋势的校正。相比传统校正手段，本申请可将校正的绝对误差降低一半左右，使校正后年际变化趋势的精度提高约48%。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
