-
公开(公告)号：CN118657697B
公开(公告)日：2025-01-10
申请号：CN202411124845.1
申请日：2024-08-16
Applicant: 三亚中国农业科学院国家南繁研究院 , 中国水稻研究所
IPC: G06T5/90 , G06T5/20 , G06V10/766 , G06N3/006
Abstract: 本发明公开了一种基于改进GPR的无人机采集田间水稻图像颜色校正方法及系统，包括以下步骤：利用无人机拍摄24色卡和水稻图像；基于24色卡图像，提取区域色块内R、G、B三通道的均值；利用区域色块内R、G、B三通道的均值训练优化高斯过程回归模型，获得基于高斯过程回归改进的颜色校正模型；利用基于高斯过程回归改进的颜色校正模型，对24色卡和水稻图像进行颜色校正，获得最终的田间水稻校正图像。本发明提供了一种基于高斯过程回归（GPR）改进的颜色校正模型，通过引入改进的鲸鱼优化算法和修改适应度函数，在GPR基础上让模型能够自动调整非线性表达式，从而进一步改善田间采集图像的颜色校正效果。
-
Patent Agency Ranking
公开(公告)号：CN118628278B
公开(公告)日：2024-10-22
申请号：CN202411092353.9
申请日：2024-08-09
Applicant: 三亚中国农业科学院国家南繁研究院 , 中国水稻研究所
IPC: G06Q50/02 , G06N3/0442 , G06N3/08 , G06Q10/04 , G06F18/2431 , G06F18/25 , G01N33/00 , G01D21/02
Abstract: 本发明涉及农业生态环境技术领域，涉及一种基于实时传感器监测数据的稻田甲烷周排放通量预测方法。通过融合一系列土壤实时传感设备，通过采集稻田基础数据、实时气候数据、实时根（际）区土壤理化特征数据、实时水稻长势，结合机器学习算法，研发了一套可以实现稻田小尺度实时甲烷排放的检测系统。这不仅能够克服传统静态箱法的局限，如采样频率低、数据代表性受限等，还能为稻田甲烷减排策略的制定提供更为精确、及时的信息支持。通过连续监测和快速响应田间环境变化，农业生产者可以更加高效地调整管理措施，如优化灌溉计划、调整肥料施用策略，从而在保障粮食安全的同时，有效减轻稻田对全球温室效应的贡献。
-
公开(公告)号：CN118657697A
公开(公告)日：2024-09-17
申请号：CN202411124845.1
申请日：2024-08-16
Applicant: 三亚中国农业科学院国家南繁研究院 , 中国水稻研究所
IPC: G06T5/90 , G06T5/20 , G06V10/766 , G06N3/006
Abstract: 本发明公开了一种基于改进GPR的无人机采集田间水稻图像颜色校正方法及系统，包括以下步骤：利用无人机拍摄24色卡和水稻图像；基于24色卡图像，提取区域色块内R、G、B三通道的均值；利用区域色块内R、G、B三通道的均值训练优化高斯过程回归模型，获得基于高斯过程回归改进的颜色校正模型；利用基于高斯过程回归改进的颜色校正模型，对24色卡和水稻图像进行颜色校正，获得最终的田间水稻校正图像。本发明提供了一种基于高斯过程回归（GPR）改进的颜色校正模型，通过引入改进的鲸鱼优化算法和修改适应度函数，在GPR基础上让模型能够自动调整非线性表达式，从而进一步改善田间采集图像的颜色校正效果。
-
公开(公告)号：CN118628278A
公开(公告)日：2024-09-10
申请号：CN202411092353.9
申请日：2024-08-09
Applicant: 三亚中国农业科学院国家南繁研究院 , 中国水稻研究所
IPC: G06Q50/02 , G06N3/0442 , G06N3/08 , G06Q10/04 , G06F18/2431 , G06F18/25 , G01N33/00 , G01D21/02
Abstract: 本发明涉及农业生态环境技术领域，涉及一种基于实时传感器监测数据的稻田甲烷周排放通量预测方法。通过融合一系列土壤实时传感设备，通过采集稻田基础数据、实时气候数据、实时根（际）区土壤理化特征数据、实时水稻长势，结合机器学习算法，研发了一套可以实现稻田小尺度实时甲烷排放的检测系统。这不仅能够克服传统静态箱法的局限，如采样频率低、数据代表性受限等，还能为稻田甲烷减排策略的制定提供更为精确、及时的信息支持。通过连续监测和快速响应田间环境变化，农业生产者可以更加高效地调整管理措施，如优化灌溉计划、调整肥料施用策略，从而在保障粮食安全的同时，有效减轻稻田对全球温室效应的贡献。
-
公开(公告)号：CN118506187A
公开(公告)日：2024-08-16
申请号：CN202410669638.8
申请日：2024-05-28
Applicant: 中国水稻研究所
IPC: G06V20/10 , G06V20/17 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明公开了基于LKNet的多生育期水稻穗计数方法及系统，包括以下步骤：获取不同穗型下不同生育期的水稻穗；以P2PNet为原型，构建LKnet深度学习模型；基于LKnet深度学习模型，完成对不同穗型下不同生育期的水稻穗的计数。本发明以P2PNet为原型，重新设计了一种名为Large Kernel net(LKnet)的深度学习网络用于更好地适应作物穗的计数任务。本发明改进了主干网络并优化了损失函数，能够对不同穗型下不同生育期的水稻穗进行有效计数。
-
公开(公告)号：CN117636158A
公开(公告)日：2024-03-01
申请号：CN202311512068.3
申请日：2023-11-14
Applicant: 中国水稻研究所
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/774 , G06N20/10 , G06V10/82
Abstract: 本发明属于水稻培育领域，具体涉及一种水稻关键栽培阶段判定方法，包括：步骤1，从水稻移栽后一周开始，直至水稻成熟收获，利用固定长势监测装置获取水稻的冠层特征值，并利用冠层长势模型进行全生育期的栽培阶段判断；步骤2，通过RGB摄像头进行水稻全生育期图像数据采集；步骤3，进行数据除杂和标签定义，对水稻关键栽培阶段和节点进行标记；步骤4，进行基于RGB摄像头的栽培阶段模型训练与校验；步骤5，通过基于冠层长势模型和生育期模型的混合模型对最终栽培阶段进行判定。本发明覆盖了水稻栽培管理的大部分阶段，相对于人工判断，高效精准，省时省力；与其他智能方案相比精度更高，尤其是对于群体饱和和相似性阶段的识别。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
