-
公开(公告)号：CN106845554A
公开(公告)日：2017-06-13
申请号：CN201710067346.7
申请日：2017-02-07
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 一种檀香植株生长土壤铁元素含量的图像确定方法和系统，属于测量和计算机技术领域。包括步骤如下建立预估方程并确定方程参数：获取土壤样本并测定土壤内铁元素含量；获取植株样本；用支持向量机(SVM)图像分割方法获取檀香树种前景图像；获取图像参数并建立图像与土壤铁元素含量之间的关系；根据此关系预测植株土壤铁元素含量。根据本发明，可通过普通照相机和计算机就可实现檀香植株生长土壤铁元素缺乏与否的判定，因此，本发明不需要增加额外设备就可估算檀香植株当前生长的铁元素含量，极其适于珍贵树种檀香营养诊断以及健康生长经营管理工作。
-
公开(公告)号：CN119418210A
公开(公告)日：2025-02-11
申请号：CN202411522025.8
申请日：2024-10-29
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 本发明公开一种基于高光谱影像数据的杨树叶片氮含量反演方法和系统，所述方法包括：S1、获取杨树种植区无人机高光谱影像数据和叶片样本氮含量数据；S2、对所述高光谱影像数据进行预处理，根据叶片样本位置和预处理后的高光谱影像数据提取对应的波段反射率数据，构建数据集，所述数据集包括叶片样本氮含量和对应的波段反射率数据，并划分训练集和验证集；S3、使用深度神经网络DNN结合SHAP算法，确定杨树叶片氮含量反演的初始波段集合；S4、使用序列浮动后向选择算法，确定杨树叶片氮含量反演的最优波段集合，并进而确定最终的杨树叶片氮含量反演模型。采用本发明，对不同氮含量的叶片样本均可以实现较高精度的反演。
-
Patent Agency Ranking
公开(公告)号：CN106845554B
公开(公告)日：2019-11-19
申请号：CN201710067346.7
申请日：2017-02-07
Applicant: 中国林业科学研究院资源信息研究所
Abstract: 一种檀香植株生长土壤铁元素含量的图像确定方法和系统，属于测量和计算机技术领域。包括步骤如下建立预估方程并确定方程参数：获取土壤样本并测定土壤内铁元素含量；获取植株样本；用支持向量机(SVM)图像分割方法获取檀香树种前景图像；获取图像参数并建立图像与土壤铁元素含量之间的关系；根据此关系预测植株土壤铁元素含量。根据本发明，可通过普通照相机和计算机就可实现檀香植株生长土壤铁元素缺乏与否的判定，因此，本发明不需要增加额外设备就可估算檀香植株当前生长的铁元素含量，极其适于珍贵树种檀香营养诊断以及健康生长经营管理工作。
-
公开(公告)号：CN108982386A
公开(公告)日：2018-12-11
申请号：CN201810857671.8
申请日：2018-07-31
Applicant: 中国林业科学研究院资源信息研究所
IPC: G01N21/31
CPC classification number: G01N21/3103
Abstract: 一种檀香叶片全铁含量的多光谱图像确定方法及系统，属于计算机及检测技术领域。建立檀香叶片全铁含量预估模型并确定方程参数：采集叶片样本；获取多光谱图像前进行黑白板校正；按相同的方向摆放叶片，并使每个叶片之间留有足够的空间，避免叶片粘连。用多光谱相机获取叶片的多光谱图像；采用原子吸收分光光度法测定全铁含量；获取校正后的图像参数并建立图像与叶片全铁含量之间的关系。本发明的优点是与普通的可见光图像相比，多光谱图像的近红外波段可以更好的反应叶绿素含量以及叶片内部构造的变化；与手持光谱仪技术以及星载、机载高光谱成像技术相比，多光谱成像降低了成本，减少了数据冗余，更适合小尺度、精细营养诊断。
-
公开(公告)号：CN107862682A
公开(公告)日：2018-03-30
申请号：CN201711068076.8
申请日：2017-11-03
Applicant: 中国林业科学研究院资源信息研究所
CPC classification number: G06T7/0002 , G06T7/41 , G06T7/90 , G06T2207/10004 , G06T2207/10024 , G06T2207/20024 , G06T2207/20036 , G06T2207/30188
Abstract: 本发明的实施例提供了一种檀香叶片灰斑病危害程度的确定方法和装置，可实现对灰斑病危害程度的预测。所述方法，包括：获取整棵树图像；从整棵树图像中分割叶片图像；根据叶片图像确定颜色特征和纹理特征；根据檀香叶片灰斑病危害程度预估模型、颜色特征和纹理特征确定灰斑病危害程度。所述装置包括：获取单元、分割单元、获得单元和确定单元。本发明的技术效果为经营者可以通过野外伺服仪传回的图像来估算檀香叶片灰斑病危害程度，科学的判断每棵檀香树的病害情况，并根据受灾程度的不同实施不同的治疗方案，在控制并治疗病害的同时，做到对檀香树的物理和化学伤害最小，进而保证檀香的存活率和生长质量。
-
公开(公告)号：CN106910214A
公开(公告)日：2017-06-30
申请号：CN201710071176.X
申请日：2017-02-09
Applicant: 中国林业科学研究院资源信息研究所
CPC classification number: G06T2207/30188 , G06T2207/30242
Abstract: 一种檀香树干虫害损伤程度等级图像判别方法,属于森林经理和森林经营领域，含有步骤:檀香树干虫害损伤程度预估模型的建立；檀香树干虫害损伤程度预测目的的自变量提取；檀香树干虫害损伤程度等级的判断。根据本发明，经营者可以通过获取的檀香图像来估算檀香树干的受虫害程度，科学的针对每一棵檀香树进行防止，进而保证檀香的存活率和生长质量。此方法从图像分析角度实现了檀香树干虫害程度的估测，速度快，精度高，及其使用于当前的檀香珍贵树种的栽培。
-
公开(公告)号：CN108982386B
公开(公告)日：2020-11-10
申请号：CN201810857671.8
申请日：2018-07-31
Applicant: 中国林业科学研究院资源信息研究所
IPC: G01N21/31
Abstract: 一种檀香叶片全铁含量的多光谱图像确定方法及系统，属于计算机及检测技术领域。建立檀香叶片全铁含量预估模型并确定方程参数：采集叶片样本；获取多光谱图像前进行黑白板校正；按相同的方向摆放叶片，并使每个叶片之间留有足够的空间，避免叶片粘连。用多光谱相机获取叶片的多光谱图像；采用原子吸收分光光度法测定全铁含量；获取校正后的图像参数并建立图像与叶片全铁含量之间的关系。本发明的优点是与普通的可见光图像相比，多光谱图像的近红外波段可以更好的反应叶绿素含量以及叶片内部构造的变化；与手持光谱仪技术以及星载、机载高光谱成像技术相比，多光谱成像降低了成本，减少了数据冗余，更适合小尺度、精细营养诊断。
-
-
-
-
-
-
Search Results
7
records
(took 0.046 seconds)
