-
公开(公告)号：CN119273838A
公开(公告)日：2025-01-07
申请号：CN202411318335.8
申请日：2024-09-20
Applicant: 中国农业大学
IPC: G06T17/00
Abstract: 本发明提供了一种基于神经辐射场的表型获取方法及装置，涉及农业信息化技术领域，包括：获取拍摄设备以多个视角方向采集的待重建植物的图像序列，通过图像分割大模型和运动结构恢复算法，基于图像序列生成拍摄设备的内外参数，作为训练数据集；利用训练数据集对基于神经辐射场网络框架的植物三维重建模型进行训练，通过训练得到的植物三维重建模型基于图像序列生成隐式的三维场景表示；模型包括多分辨率哈希编码模块、基于ECA注意力机制的体积密度预测单元和基于多层感知机的颜色预测单元和体积渲染模块；基于隐式的三维场景表示提取待重建植物对应的表型参数。本发明具有较高的作物重建精度，同时可以大幅缩短作物重建时间。
-
公开(公告)号：CN119295979A
公开(公告)日：2025-01-10
申请号：CN202411432341.6
申请日：2024-10-14
Applicant: 中国农业大学
Abstract: 本发明提供了一种基于无人机时序图像的作物耐密植品种选育方法及装置，涉及农业信息化技术领域，包括：获取无人机针对作物种植区域采集的时序图像，作物种植区域内以不同密度种植多个品种的作物；基于时序图像，提取每个品种的作物对应的冠层发育阶段及冠层发育阶段对应的中间特征，以利用中间特征量化每个品种的作物在不同密度下的冠层发育速率差异指数；根据每个品种的作物对应的耐密指数，与其在不同密度下的冠层发育速率差异指数之间的相关性，筛选出目标中间特征，以利用目标中间特征实现作物耐密植品种的选育。本发明有效量化了不同种植密度下作物品种的冠层发育速率差异指数，显著提高了作物耐密植品种选育的效率和可靠性。
-
公开(公告)号：CN118536191A
公开(公告)日：2024-08-23
申请号：CN202410592879.7
申请日：2024-05-14
Applicant: 中国农业大学
IPC: G06F30/13 , G06F30/20 , G06T17/00 , G06F119/08
Abstract: 本发明提供了一种日光温室光环境的调节方法、装置、设备及介质，包括：取日光温室对应的温室属性数据，以及日光温室内种植的作物对应的作物属性数据；基于温室属性数据和作物属性数据，针对日光温室构造温室数字孪生模型；其中，温室数字孪生模型包括温室三维结构模型、作物三维结构模型和太阳辐射模型；通过温室数字孪生模型，基于日光温室对应的室外太阳辐射数据，对日光温室进行光环境仿真分析，得到被截获太阳辐射数据；其中，被截获太阳辐射数据用于对日光温室内部署的智能设备进行自适应反馈调节。本发明实现了对日光温室设计的智能优化，可以较好地满足不同气候条件下的生产需求。
-
公开(公告)号：CN116682029A
公开(公告)日：2023-09-01
申请号：CN202310719132.9
申请日：2023-06-16
Applicant: 中国农业大学
IPC: G06V20/17 , G06V10/25 , G06V10/26 , G06V10/764
Abstract: 一种对比无人机航线图像利用率的方法，属于遥感数据处理技术领域。所述方法为：无人机获取图像的标记，图像标记目的在于选定目标区域，基于目标区域对图像进行分类；经过筛选后图像被划分为三类：不含目标信息的无关图像、包含目标信息的有效图像以及目标信息被遮挡的无效图像；定义图像利用率评价指标，所述评价指标包括总利用率TU、有效利用率EU和遮挡率OR；总利用率TU表示不考虑遮挡的图像利用率，有效利用率EU代表考虑遮挡的图像利用率；计算图像利用率。本发明可有效地量化无人机所拍摄图像的利用率，为进一步飞行航线规划、提升建模精度以及降低作业成本提供技术支撑。
-
公开(公告)号：CN116343044A
公开(公告)日：2023-06-27
申请号：CN202310329989.X
申请日：2023-03-30
Applicant: 中国农业大学
IPC: G06V20/10 , G06V10/774 , G06V10/778
Abstract: 一种基于数码图像和半监督学习的玉米雄穗分支计数方法，属于植物表型测量领域。所述方法为：玉米雄穗分支识别模型YOLOv5‑C3CA的构建：基于YOLOv5构建新网络模型YOLOv5‑C3CA，用于玉米雄穗分支识别；基于YOLOv5‑C3CA模型并引入半监督学习的玉米雄穗分支识别模型；玉米雄穗识别和分支数提取：应用基于半监督学习的YOLOv5‑C3CA检测模型识别玉米雄穗；识别雄穗后继续应用基于半监督学习的YOLOv5‑C3CA训练模型，提取玉米雄穗分支数。本发明的玉米雄穗识别及雄穗分支识别较为精准，表明所提出的基于半监督学习的玉米雄穗分支计数方案可行，不仅保证了模型的检测性能，还节省了数据标注工作量。
-
Patent Agency Ranking
公开(公告)号：CN115578634A
公开(公告)日：2023-01-06
申请号：CN202211111268.3
申请日：2022-09-13
Applicant: 中国农业大学
Abstract: 本发明提供一种植物三维点云的处理方法、装置、电子设备及存储介质，其中方法包括：获取植物光谱三维点云图；将植物光谱三维点云图输入至分类网络，得到分类网络输出的植物病害点和植物非病害点；分类网络用于从植物光谱三维点云图中提取植物病害点和植物非病害点；将植物病害点和植物非病害点输入至分割网络，得到分割网络输出的病害区域分割图；病害区域分割图用于表征植物光谱三维点云图中的病害区域和非病害区域，分割网络用于基于植物病害点和植物非病害点，从植物光谱三维点云图中分割出病害区域和非病害区域，得到病害区域分割图。相较于相关技术中通过人工目视评估植物病害，本发明实施例可以有效提高评估植物病害的准确性。
-
公开(公告)号：CN117036370A
公开(公告)日：2023-11-10
申请号：CN202310704110.5
申请日：2023-06-14
Applicant: 中国农业大学
IPC: G06T7/10 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 一种基于注意力机制和图卷积的植物器官点云分割方法，属于三维点云实例分割技术领域。基于点注意力机制和空间图卷积的双分支并行实例分割网络TRGCN，直接输入三维点云，双分支分别关注局部特征提取和全局特征提取，并通过T‑G特征耦合层融合两种特征。以番茄、玉米、烟草、高粱、小麦五种植物点云数据作为研究对象，双分支并行神经网络架构TRGCN，能够同时捕获点云的局部特征和全局特征，用于训练高鲁棒性的实例分割模型，可提高植物点云的分割精度，具有很好的泛化能力，可以为快速、高效、准确的植物表型分析提供良好的数据支撑。
-
公开(公告)号：CN116740079A
公开(公告)日：2023-09-12
申请号：CN202310704100.1
申请日：2023-06-14
Applicant: 中国农业大学
IPC: G06T7/10 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/096
Abstract: 一种基于动态图卷积和迁移学习的作物器官点云分割方法，属于三维点云实例分割技术领域。所述方法首先基于图卷积操作设计了一个全新的点云实例分割网络PointDGCNet。然后，采用迁移学习方法微调预训练分割模型的参数，得到适用于单子叶植株点云的实例分割模型，有效提高了单子叶植物点云的分割准确率(平均准确率68.98％，平均交并比66.53％)，同时极大的缩短了模型的训练时间，并避免了过拟合情况的发生。训练后，采用重采样方法进一步提高了分割的准确率(平均准确率72.10％)。最后，通过进一步实验证明，该方法对于单子叶植物点云，如玉米、小麦等均具有一定的泛化能力。
-
公开(公告)号：CN115471745A
公开(公告)日：2022-12-13
申请号：CN202210989456.X
申请日：2022-08-17
Applicant: 中国农业大学
Abstract: 本发明涉及农业生产技术领域，尤其涉及一种用于植株识别的网络模型和装置、电子设备。网络模型用于提取多个不同尺度的第一植株特征图，对多个不同尺度的第一植株特征图所包括的植株特征进行特征融合，得到多个不同尺度的第二植株特征图，采用滑动窗口扫描第二植株特征图，得到包括植株特征信息的多个不同尺度的预选框区域，对多个不同尺度的预选框区域采用双线性插值法进行处理，得到多个尺度相同的第三植株特征图；对多个尺度相同的第三植株特征图进行特征识别和分类，得到包括植株特征的目标特征图，经过对比测试，采用本申请的网络模型提取的植株的目标特征图更加精确，且特征信息更加丰富，有助于对作物表型的研究。
-
公开(公告)号：CN118411603A
公开(公告)日：2024-07-30
申请号：CN202410499227.9
申请日：2024-04-24
Applicant: 中国农业大学
Abstract: 一种基于无人机和卫星影像的大尺度农田生物量监测方法，属于农业监管技术领域。本发明的目的是为了解决现有基于卫星遥感数据生物量估算模型的精度受限于卫星数据与地面测量的空间尺度不匹配，提供了一种以无人机数据作为中间桥梁结合提出的SS‑GMI抽样方法实现基于卫星遥感数据的生物量估算精确建模方法。该方法是一个通用的方法，适用于基于卫星数据估算作物生物量的建模；而且，通过结合提出的适用于农田地理空间的SS‑GMI抽样方法，在充分利用无人机和卫星影像数据的同时能够获得更具代表性和独立性的样本点集，为地理空间数据的分析和建模提供了更可靠的基础，进一步提高了作物生物量估算的精度和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.019 seconds)
