-
公开(公告)号：CN119169071B
公开(公告)日：2025-04-08
申请号：CN202411284929.1
申请日：2024-09-13
Applicant: 中国农业科学院农业资源与农业区划研究所 , 河南省农业科学院农业信息技术研究所
IPC: G06T7/62 , G06N3/0455 , G06N3/08 , G06V10/77 , G06Q50/02
Abstract: 本发明公开了一种耦合物理模型和深度学习的作物叶面积指数估算方法，包括以下步骤：步骤1：数据获取与预处理；步骤2：模拟Sentinel‑2通道反射率；步骤3：优选对叶面积指数敏感的光谱特征组合；步骤4：构建PROSAIL‑Transformer耦合模型估算作物叶面积指数。本发明充分利用冠层辐射传输模型PROSAIL和深度学习模型Transformer的优势，通过采用样本匹配方法选择与Sentinel‑2影像最接近的样本数据，旨在更准确地捕捉现实世界环境的变化。结合最大信息系数(MIC)和递归特征消除(RFE)的特征选择方法，识别不同作物叶面积指数估算中最敏感的光谱特征组合。利用最具代表性和准确性的数据对耦合模型进行训练，提高模型训练的效率和准确性。
-
公开(公告)号：CN119649243A
公开(公告)日：2025-03-18
申请号：CN202411647716.0
申请日：2024-11-18
Applicant: 中国农业科学院农业资源与农业区划研究所 , 苏州中农数智科技有限公司
IPC: G06V20/17 , G06V20/10 , G06V20/70 , G06V10/20 , G06V10/44 , G06V10/70 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种用于航空影像中多种类农作物植株计数的多尺度语义增强型点监督算法，包括以下步骤：数据预处理，使用点对作物图像进行标注；RcsNet50骨干网络作为特征提取器对输入影像进行编码；使用CSGEM模块通过语义权重调节的方式，增强农作物植株语义，抑土壤、阴影等背景信息语义；使用RDDCM模块通过并行非线性卷积机制适应不同农作物植株尺度变化；分别使用注意力图路径AMP和密度图路径DMP进行双路径解码，并在解码过程中引入CoT模块；将逐元素相乘应用于AMP和DMP解码结果，获得农作物植株预测数量。本发明能减少作物复杂背景信息和尺度变化对计数精度的影响，MCPCNet在精确度、计算效率和泛化能力方面的重大改进，应对复杂农业挑战方面的优越性和实用性。
-
公开(公告)号：CN119323170A
公开(公告)日：2025-01-17
申请号：CN202411348379.5
申请日：2024-09-26
Applicant: 中国农业科学院农业资源与农业区划研究所 , 河南省农业科学院农业信息技术研究所
Abstract: 本发明公开了一种基于堆叠模型的土壤有机质遥感反演方法，包括以下步骤：步骤1：数据获取与预处理；步骤2：光谱特征变量优选；步骤3：土壤有机质反演模型构建；步骤4：基于遗传算法的模型组合寻优；步骤5：基于最优模型组合的堆叠模型的土壤有机质遥感反演；本发明引入光谱特征和地形特征作为土壤有机质遥感反演的协变量，通过堆叠集成多个机器学习模型，采用遗传算法优选堆叠集成学习模型的基础学习器组合，构建基于最优模型组合的堆叠模型的土壤有机质遥感反演模型，解决单一机器学习模型容易过度拟合和泛化能力弱的问题，不仅增强了模型的泛化能力，而且提高了土壤有机质的反演精度。
-
公开(公告)号：CN119020212A
公开(公告)日：2024-11-26
申请号：CN202411148408.3
申请日：2024-08-21
Applicant: 中国农业科学院农业资源与农业区划研究所
IPC: C12N1/20 , C05F17/20 , C05F17/80 , B01D53/84 , B01D53/52 , B01D53/58 , C12P17/10 , C12N9/42 , C12R1/025
Abstract: 本发明公开了一株兼具农林废弃物降解及臭味去除的菌株。本发明提供了无色杆菌(Achromobacter insuavis)，其菌株号为YCY4‑14，其在中国微生物菌种保藏管理委员会普通微生物中心的登记入册编号为CGMCC No.30358。本发明提供的菌株YCY4‑14能够促进农林废弃物腐解，去除其腐解过程中产生的臭味，其在开发农林废弃物资源化利用和其腐解过程中产生的臭味的专用微生物菌肥方面具有良好的应用前景。
-
公开(公告)号：CN117876870B
公开(公告)日：2024-10-18
申请号：CN202410044724.X
申请日：2024-01-12
Applicant: 中国农业科学院农业资源与农业区划研究所
IPC: G06V20/10 , G06V10/774 , G06V10/776
Abstract: 本发明提出一种基于多源遥感数据的农作物估产的方法，包括：S1.分别计算多源遥感平台的农作物累积光合有效辐射吸收总量QPAR；S2.基于过往观测数据和实测数据，构建QPAR和产量的多层次关系模型；S3.使用当季采集的卫星或无人机数据计算QPAR，并估算产量。本发明还对应提出一种基于多源遥感数据的农作物估产的系统。本发明的方法和系统使用QPAR这一与农作物光合作用密切相关的参数，减少了估产时的输入参数，能够精确、及时地估算农作物的产量，且和传统的方法相比，使用多源遥感数据进行分层估产，有效地扩充了训练数据集的范围和代表性，提升了估产精度。
-
Patent Agency Ranking
公开(公告)号：CN118566143B
公开(公告)日：2024-09-27
申请号：CN202411034367.5
申请日：2024-07-31
Applicant: 中国农业科学院农业资源与农业区划研究所
Abstract: 本发明公开了一种基于高光谱数据的水稻叶绿素含量估测方法，包括如下步骤：在水稻的幼苗期、分蘖期、拔节期、抽穗期、灌浆期、乳熟期通过光谱测量仪进行光谱测定；在水稻的幼苗期、分蘖期、拔节期、抽穗期、灌浆期、乳熟期通过叶绿素测量仪进行水稻叶绿素含量测量；对采集的水稻样本叶片高光谱数据进行预处理；特征波段选择；利用PLSR多元统计方法构建不同生育期水稻叶绿素含量的估测模型。本申请利用谐波分解得到的频率域参数代替常规的植被参数作为模型的最后输入因子，从而达到有效减少常规植被参数计算过程中带来的人为误差，而且频率域信号能更加清楚的显示出信号的本质特征和差异信息。
-
公开(公告)号：CN118566143A
公开(公告)日：2024-08-30
申请号：CN202411034367.5
申请日：2024-07-31
Applicant: 中国农业科学院农业资源与农业区划研究所
Abstract: 本发明公开了一种基于高光谱数据的水稻叶绿素含量估测方法，包括如下步骤：在水稻的幼苗期、分蘖期、拔节期、抽穗期、灌浆期、乳熟期通过光谱测量仪进行光谱测定；在水稻的幼苗期、分蘖期、拔节期、抽穗期、灌浆期、乳熟期通过叶绿素测量仪进行水稻叶绿素含量测量；对采集的水稻样本叶片高光谱数据进行预处理；特征波段选择；利用PLSR多元统计方法构建不同生育期水稻叶绿素含量的估测模型。本申请利用谐波分解得到的频率域参数代替常规的植被参数作为模型的最后输入因子，从而达到有效减少常规植被参数计算过程中带来的人为误差，而且频率域信号能更加清楚的显示出信号的本质特征和差异信息。
-
公开(公告)号：CN117910944A
公开(公告)日：2024-04-19
申请号：CN202311739991.0
申请日：2023-12-18
Applicant: 中国农业科学院农业资源与农业区划研究所 , 苏州中农数智科技有限公司
Abstract: 本发明公开了一种土壤采样点野外校核方法及装置。该方法包括步骤：A、获取目标采样点信息和当前实际位置信息；调整当前实际位置至目标采样点位置；B、提取基础数据，获取当前实际位置的土壤信息数据；C、比较土壤信息数据与基础数据，进行一致性和准确性校核；D、获取当前实际位置的环境图像，与一致性和准确性校核结果形成校核报告。本发明的土壤采样点野外校核方法及装置，提高土壤信息采样以及校核的效率和准确性，并避免了人为误差，保证后续调查采样质量。
-
公开(公告)号：CN117876463A
公开(公告)日：2024-04-12
申请号：CN202410044634.0
申请日：2024-01-12
Applicant: 中国农业科学院农业资源与农业区划研究所
IPC: G06T7/62
Abstract: 本发明提出一种基于多源遥感数据评估农作物衰落速率的方法，包括：针对生育期内的农田影像，计算冠层绿色植被覆盖度fCover；构建fCover时序动态模型，计算T对应的冠层绿色植被覆盖度fCover值，T代表从出苗日期开始，若每日温度超过起始温度T0后的每日均温的累积值；基于冠层绿色植被覆盖度fCover值来计算农作物衰落速率。本发明还对应提出一种基于多源遥感数据评估农作物衰落速率的系统。本发明的方法和系统能够定量评估每块农田的衰落速率，大大减少了人为操作，快速计算得到每块农田衰落速率，且提高了效率和精度。而且本发明的方法受观测数据噪声的影响小，鲁棒性高。
-
公开(公告)号：CN116863341B
公开(公告)日：2024-01-26
申请号：CN202311070751.6
申请日：2023-08-24
Applicant: 中国农业科学院农业资源与农业区划研究所
IPC: G06V20/10 , G06N3/0442 , G06N3/06 , G06N3/084 , G06V10/764 , G06V10/82 , G06V20/13
Abstract: 本发明公开了一种基于时间序列卫星遥感影像的作物分类和识别方法和系统，从遥感影像中提取反射率和光谱指数时间序列曲线作为作物识别的特征；构建作物分类深度学习模型进行训练，利用门控循环单元提取作物的时间序列特征，利用注意力机制捕捉作物识别的关键生长期，利用双向结构充分利用作物生长周期的时间序列信息；保存训练过程中得到的最优模型，将最优模型用于时间序列卫星遥感影像的作物分类和识别。本发明利用循环神经网络对时间序列遥感影像进行作物分类，结合注意力机制和双向结构进行关键特征的提取，充分利用了作物整个生长周期的时序信息，能够区分不同作物独特的(56)对比文件赵红伟 等.深度学习方法在作物遥感分类中的应用和挑战《.中国农业资源与区划》.2020,第41卷(第5期),35-49.董芃杉 等.基于双通道门控复合网络的中文产品评论情感分析《.计算机工程与科学》.2023,第45卷(第5期),911-919.J. D.Bermudez 等.Evaluation of Ｒecurrent Neural Networks for Crop Ｒecognition from Multitemporal ＲemoteSensing Images《.Anais do XXVII CongressoBrasileiro de Cartografia;Ｒio deJaneiro》.2017,800-804.Xinxin Lu 等.Sentiment Analysis Method of NetworkText Based on Improved AT-BiGRU Model.《Scientific Programming》.2021,1-11.李鑫川 等.基于时间序列环境卫星影像的作物分类识别《.农业工程学报》.2013,第29卷(第2期),169-176.
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.047 seconds)
