-
公开(公告)号：CN118552870B
公开(公告)日：2024-11-01
申请号：CN202410997527.X
申请日：2024-07-24
Applicant: 华南农业大学
Abstract: 本发明提供了一种地空光谱技术联合的茶芽产量监测方法，包括采集高光谱图像和无人机图像，采摘茶垄平面的茶芽叶，记录茶芽叶的重量，根据第一类茶芽叶和第二类茶芽叶计算茶芽叶密度。基于高光谱图像对无人机图像进行处理，得到最优特征光谱数据。根据茶芽叶密度和最优特征光谱数据构建第一茶芽产量模型，根据第一类茶芽叶的数量、第二类茶芽叶的数量和最优特征光谱数据构建第二茶芽产量模型。结合第一茶芽产量模型和第二茶芽产量模型，计算最终茶芽产量。上述方法结合近地高光谱成像技术与无人机多光谱遥感技术，可以精准的监测茶芽叶产量。由于只需要建立一次模型即可实时监控最终茶芽产量的变化，因此上述方法具有较高的茶芽产量监测效率。
-
公开(公告)号：CN117218540A
公开(公告)日：2023-12-12
申请号：CN202311213024.0
申请日：2023-09-19
Applicant: 华南农业大学 , 广东省农业科学院茶叶研究所
Inventor： 吴伟斌 , 高昌伦 , 凌彩金 , 张方任 , 何兆铠 , 曹藩荣 , 罗远强 , 黄靖凯 , 李俊霖 , 李浩欣 , 段雨欣 , 王锴 , 罗青 , 李嘉堂 , 邱文隆 , 郑泽勇
Abstract: 本发明公开了一种基于高光谱图像的山地果茶树叶氮元素预测方法，包括：对山地果茶树叶高光谱信号进行CEEMDAN分解，得到包含n个本征模态函数的第一本征模态函数集和一个残差；根据第一本征模态函数集筛选出多个包含噪声较多、且有用信息较少的本征模态函数，对其使用SURE‑LET算法去噪；将去噪后的多个本征模态函数与未被筛选的多个本征模态函数合并得到第二本征模态函数集；对第二本征模态函数集和残差进行重构，得到去噪后的山地果茶树叶高光谱信号。本发明通过对山地果茶树叶高光谱信号进行CEEMDAN自适应分解，对分解后存在噪声信息的本征模态函数进行SURE‑LET算法去噪，然后重构的方法，能够在有效去除山地果茶树叶原始光谱曲线的噪声，减少有效信息损失，提高光谱信号信噪比，最终达到高效预测山地果茶树叶氮元素相对含量的目的。
-
公开(公告)号：CN109937864A
公开(公告)日：2019-06-28
申请号：CN201910230567.0
申请日：2019-03-26
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于自动控制系统的水培茶苗装置，其特征在于，包括定量杯、储水箱、自动控制模块、传感器模块、水培箱；定量杯设置于储水箱顶部，并与储水箱连接；储水箱侧壁开设有储水箱进液口、储水箱出液口，并分别设置阀门；自动控制模块设置于储水箱箱体外侧；水培箱底部设置有抽水泵，抽水泵通过水泵抽液管与储水箱连通，并由自动控制系统进行控制；水培箱箱体上设置育苗盘，用于放置定植篮；传感器模块设置于水培箱箱体外侧，用于获取水培箱数据并传输至自动控制模块处理；本发明采用自动化培育，对茶苗的生长环境进行实时监测，保证茶苗营养所需，解决因移苗换水对幼苗根部造成伤害问题，减少成本，操作简单实用，推广性强。
-
Patent Agency Ranking
公开(公告)号：CN118552870A
公开(公告)日：2024-08-27
申请号：CN202410997527.X
申请日：2024-07-24
Applicant: 华南农业大学
Abstract: 本发明提供了一种地空光谱技术联合的茶芽产量监测方法，包括采集高光谱图像和无人机图像，采摘茶垄平面的茶芽叶，记录茶芽叶的重量，根据第一类茶芽叶和第二类茶芽叶计算茶芽叶密度。基于高光谱图像对无人机图像进行处理，得到最优特征光谱数据。根据茶芽叶密度和最优特征光谱数据构建第一茶芽产量模型，根据第一类茶芽叶的数量、第二类茶芽叶的数量和最优特征光谱数据构建第二茶芽产量模型。结合第一茶芽产量模型和第二茶芽产量模型，计算最终茶芽产量。上述方法结合近地高光谱成像技术与无人机多光谱遥感技术，可以精准的监测茶芽叶产量。由于只需要建立一次模型即可实时监控最终茶芽产量的变化，因此上述方法具有较高的茶芽产量监测效率。
-
公开(公告)号：CN116630810A
公开(公告)日：2023-08-22
申请号：CN202310646779.3
申请日：2023-06-01
Applicant: 广东省农业科学院茶叶研究所 , 华南农业大学 , 紫金县紫龙农业开发有限公司 , 英德市林清语茶文化传播有限公司
IPC: G06V20/10 , G06V20/70 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及图像处理的技术领域，公开了一种基于神经网络和图像识别的茶小绿叶蝉叮咬鲜叶等级分类方法和装置。该方法包括：利用彩色相机采集不同叮咬程度的茶鲜叶图像，构成基础数据集；对基础数据集中的每个茶鲜叶图像进行数据预处理；人工标注基础数据集中的每个茶鲜叶图像；对基础数据集进行数据增广，构建增广数据集；构建卷积神经网络初始模型，利用增广数据集对卷积神经网络模型进行训练，得到卷积神经网络模型；利用卷积神经网络模型对目标茶鲜叶图像进行分级。实施本发明，可以做到精确检测茶小绿叶蝉叮咬程度的同时对茶鲜叶进行等级分类，为茶鲜叶原料适度的推断、茶鲜叶质量等级评定的定量化、自动化、规模化提供有力支撑。
-
公开(公告)号：CN119206180A
公开(公告)日：2024-12-27
申请号：CN202411313213.X
申请日：2024-09-20
Applicant: 华南农业大学
IPC: G06V10/25 , G06V10/26 , G06V10/762 , G06V10/766 , G06V10/77 , G06V20/10 , G06T7/12 , G06T7/181 , G01N21/25
Abstract: 本发明提供了一种茶叶高光谱图像ROI区域筛选方法和计算机设备，其中方法包括计算主叶脉图像和M类叶肉ROI的反射率，共得到M+1类反射率。对预处理后图像进行图像分割，从叶片图像中去除主叶脉图像，得到叶肉图像。计算茶叶叶片的目标成分与每个反射率的相关系数，根据相关系数构建反射率评估模型，使用反射率评估模型选出最优反射率和对应的最终ROI区域。相关系数可以反映叶肉和主叶脉的局部图像特征与反射率之间的关系，结合不同评估方式，可以全面衡量反射率评估模型对茶叶叶片的高光谱图像的拟合程度和预测精度。上述方法将茶叶叶片的叶肉区域和主叶脉区域分离，使用反射率评估模型筛选出最优反射率和对应的最终ROI区域。
-
公开(公告)号：CN118656619B
公开(公告)日：2024-11-22
申请号：CN202411141620.7
申请日：2024-08-20
Applicant: 华南农业大学
IPC: G06F18/2113 , G06F18/10 , G06F18/27 , G01N21/25
Abstract: 本发明提供了一种光谱数据特征筛选方法、计算机设备和存储介质，属于光谱数据处理技术领域，其中方法包括获取目标检测物的原始光谱数据，对原始光谱数据进行预处理，得到预处理后光谱曲线。将预处理后光谱曲线变换到勒贝格空间，得到单位圆。基于单位圆计算目标矩阵，根据目标矩阵将预处理后光谱曲线分解为m层，得到k个重构后光谱函数。构建第i组样本对应的第i个偏最小二乘回归模型，从所有偏最小二乘回归模型中筛选出决定系数的最大值，将决定系数的最大值对应的目标矩阵作为最终光谱特征。上述方法改变了目标矩阵的选择方式，在单位圆的正交有理系统内计算目标矩阵，可以自适应选择目标检测物的光谱数据的特征，适用于小样本的应用场景。
-
公开(公告)号：CN118656619A
公开(公告)日：2024-09-17
申请号：CN202411141620.7
申请日：2024-08-20
Applicant: 华南农业大学
IPC: G06F18/2113 , G06F18/10 , G06F18/27 , G01N21/25
Abstract: 本发明提供了一种光谱数据特征筛选方法、计算机设备和存储介质，属于光谱数据处理技术领域，其中方法包括获取目标检测物的原始光谱数据，对原始光谱数据进行预处理，得到预处理后光谱曲线。将预处理后光谱曲线变换到勒贝格空间，得到单位圆。基于单位圆计算目标矩阵，根据目标矩阵将预处理后光谱曲线分解为m层，得到k个重构后光谱函数。构建第i组样本对应的第i个偏最小二乘回归模型，从所有偏最小二乘回归模型中筛选出决定系数的最大值，将决定系数的最大值对应的目标矩阵作为最终光谱特征。上述方法改变了目标矩阵的选择方式，在单位圆的正交有理系统内计算目标矩阵，可以自适应选择目标检测物的光谱数据的特征，适用于小样本的应用场景。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
