-
公开(公告)号：CN117575830B
公开(公告)日：2024-06-21
申请号：CN202311495042.2
申请日：2023-11-10
Applicant: 南京农业大学
IPC: G06Q50/02 , G06F18/20 , G06F30/20 , G06F111/10
Abstract: 本发明提供了一种基于NKI预测氮钾互作下小麦植株氮钾亏缺和产量状况的方法，包括：获取氮钾互作下相应的小麦植株生长参数；基于贝叶斯理论框架描述给定观察日期的生物量对钾浓度的响应；使用概率分布描述线性加平台参数在观察日期内的变异性；根据指定先验概率分布来定义这些参数合理值的先验知识；模型参数的后验分布进行估计；在估计的模型参数中取中值用于拟合每个日期的特定线性加平台函数，确定为临界钾稀释曲线模型；根据养分临界稀释理论计算KNI；根据临界氮稀释曲线模型计算NNI；进一步根据NNI和KNI计算NKI。本发明方法能够准确预测小麦植株氮钾亏缺和产量对氮钾互作效应的响应变化。
-
公开(公告)号：CN113435282A
公开(公告)日：2021-09-24
申请号：CN202110677003.9
申请日：2021-06-18
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于深度学习的无人机影像麦穗识别方法，通过将无人机测试影像输入至麦穗识别模型识别出麦穗信息，所述识别模型的构建包括：S1、数据采集步骤；S2、数据处理步骤；S3、构建适用于无人机影像麦穗识别网络，对所述无人机影像数据进行训练，得到麦穗识别模型；S4、利用训练好的麦穗识别模型对无人机影像中的待检测麦穗进行识别，融合麦穗识别模型的检测框，得到识别结果；其特征在于S3构建多尺度网络特征架构，通过多尺度检测层提取麦穗特征，增强网络对小尺寸麦穗特征的提取能力；基于交并比计算检测层的置信度损失权重，提高小尺寸麦穗特征对网络的贡献。本发明提出的方案具有检测小尺寸密集麦穗影像的优点，很好解决了麦穗识别的技术困境。
-
公开(公告)号：CN115099071B
公开(公告)日：2022-11-11
申请号：CN202211005719.5
申请日：2022-08-22
Applicant: 南京农业大学 , 神农智慧农业研究院南京有限公司
IPC: G06F30/20 , G06N7/00 , G06Q10/04 , G06Q50/02 , G06F111/08 , G06F119/02
Abstract: 本发明提供了一种生产力预测不确定性计算方法，包括如下步骤：根据预设的划分方式将研究区域划分成不同亚区；获取亚区内多个农业观测站点的多组作物生产力数据；根据品种管理数据选取每个亚区内的主栽品种；将每个主栽品种相匹配的多组作物生产力数据分为调参用数据和验证用数据两部分；根据调参用数据计算出每个主栽品种的n组品种参数；根据验证用数据对对应主栽品种的n组品种参数进行验证；在品种参数验证结果合格的情况下，将每个主栽品种的n组品种参数构建为参数库；基于参数库，计算作物生长情况的平均值及其变异系数的空间分布。本发明能够实现在预测区域作物生产力的同时，对预测结果的不确定性进行量化。
-
公开(公告)号：CN103745407A
公开(公告)日：2014-04-23
申请号：CN201310750814.2
申请日：2013-12-31
Applicant: 南京农业大学
IPC: G06Q50/02
Abstract: 本发明公开了一种借助智能手机和GPS制定作物精确栽培方案的方法，它通过智能手机装载农区基本信息数据，在农业生产现场利用GPS接收装置定位田块，选择田块栽培管理阶段，并输入田块的作物品种类型、产量目标和栽培管理措施数据或实时苗情数据，通过智能手机处理程序的作物管理知识模型模块进行运算决策，生成精确管理方案。本发明实施方法简单，使用主流的智能手机设备作为决策工具，方便携带，制定的方案具有实用性和可靠性。本发明还公开了一种借助智能手机和GPS制定作物精确栽培方案的系统，用于实现本发明的方法。
-
公开(公告)号：CN112557393B
公开(公告)日：2024-02-20
申请号：CN202011303981.9
申请日：2020-11-19
Applicant: 南京农业大学
IPC: G01N21/84
Abstract: 本发明提出基于高光谱影像融合图谱特征的小麦叶层氮含量估测方法，步骤包括：采集小麦冠层高光谱影像数据和实测小麦叶层氮含量；首先，进行影像预处理，提取光谱反射率，计算植被指数、位置和形状特征，利用卷积神经网络提取深层特征。其次，通过相关系数分析、随机森林算法进行特征优选，利用并行融合策略构建新的融合图谱特征。最后，利用粒子群优化支持向量回归方法，构建基于融合图谱特征的小麦叶层氮含量估测模型。本发明的方法估测精度高、特征鲁棒性强，适用于小麦全生育期，同时也是目前第一次提出综合高光谱影像的植被指数、位置和形状特征、深层特征构建融合图谱特征估测小麦叶层氮含量的方法。
-
Patent Agency Ranking
公开(公告)号：CN113435282B
公开(公告)日：2021-12-21
申请号：CN202110677003.9
申请日：2021-06-18
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于深度学习的无人机影像麦穗识别方法，通过将无人机测试影像输入至麦穗识别模型识别出麦穗信息，所述识别模型的构建包括：S1、数据采集步骤；S2、数据处理步骤；S3、构建适用于无人机影像麦穗识别网络，对所述无人机影像数据进行训练，得到麦穗识别模型；S4、利用训练好的麦穗识别模型对无人机影像中的待检测麦穗进行识别，融合麦穗识别模型的检测框，得到识别结果；其特征在于S3构建多尺度网络特征架构，通过多尺度检测层提取麦穗特征，增强网络对小尺寸麦穗特征的提取能力；基于交并比计算检测层的置信度损失权重，提高小尺寸麦穗特征对网络的贡献。本发明提出的方案具有检测小尺寸密集麦穗影像的优点，很好解决了麦穗识别的技术困境。
-
公开(公告)号：CN112557393A
公开(公告)日：2021-03-26
申请号：CN202011303981.9
申请日：2020-11-19
Applicant: 南京农业大学
IPC: G01N21/84
Abstract: 本发明提出基于高光谱影像融合图谱特征的小麦叶层氮含量估测方法，步骤包括：采集小麦冠层高光谱影像数据和实测小麦叶层氮含量；首先，进行影像预处理，提取光谱反射率，计算植被指数、位置和形状特征，利用卷积神经网络提取深层特征。其次，通过相关系数分析、随机森林算法进行特征优选，利用并行融合策略构建新的融合图谱特征。最后，利用粒子群优化支持向量回归方法，构建基于融合图谱特征的小麦叶层氮含量估测模型。本发明的方法估测精度高、特征鲁棒性强，适用于小麦全生育期，同时也是目前第一次提出综合高光谱影像的植被指数、位置和形状特征、深层特征构建融合图谱特征估测小麦叶层氮含量的方法。
-
公开(公告)号：CN117575830A
公开(公告)日：2024-02-20
申请号：CN202311495042.2
申请日：2023-11-10
Applicant: 南京农业大学
IPC: G06Q50/02 , G06F18/20 , G06F30/20 , G06F111/10
Abstract: 本发明提供了一种基于NKI预测氮钾互作下小麦植株氮钾亏缺和产量状况的方法，包括：获取氮钾互作下相应的小麦植株生长参数；基于贝叶斯理论框架描述给定观察日期的生物量对钾浓度的响应；使用概率分布描述线性加平台参数在观察日期内的变异性；根据指定先验概率分布来定义这些参数合理值的先验知识；模型参数的后验分布进行估计；在估计的模型参数中取中值用于拟合每个日期的特定线性加平台函数，确定为临界钾稀释曲线模型；根据养分临界稀释理论计算KNI；根据临界氮稀释曲线模型计算NNI；进一步根据NNI和KNI计算NKI。本发明方法能够准确预测小麦植株氮钾亏缺和产量对氮钾互作效应的响应变化。
-
公开(公告)号：CN112613338B
公开(公告)日：2023-11-24
申请号：CN202011303935.9
申请日：2020-11-19
Applicant: 南京农业大学
IPC: G06V20/10 , G06V20/17 , G06V10/44 , G06V10/54 , G06V10/56 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06V20/68 , G06N3/006 , G06N3/0464 , G01N21/17 , G01N21/84
Abstract: 本发明提出基于RGB图像融合特征的小麦叶层氮含量估测方法，步骤包括：采集小麦冠层RGB图像和实测小麦叶层氮含量；首先，进行RGB图像预处理，计算可见光植被指数；其次，利用离散小波变换方法实现水平方向、垂直方向和对角方向的多尺度小波纹理特征提取；再次，利用卷积神经网络提取RGB图像深层特征；最后，构建基于融合特征的粒子群优化支持向量回归模型估测小麦叶层氮含量。本发明的方法估测精度高、特征鲁棒性强，适用于小麦全生育期，同时也是目前
-
公开(公告)号：CN112613338A
公开(公告)日：2021-04-06
申请号：CN202011303935.9
申请日：2020-11-19
Applicant: 南京农业大学
Abstract: 本发明提出基于RGB图像融合特征的小麦叶层氮含量估测方法，步骤包括：采集小麦冠层RGB图像和实测小麦叶层氮含量；首先，进行RGB图像预处理，计算可见光植被指数；其次，利用离散小波变换方法实现水平方向、垂直方向和对角方向的多尺度小波纹理特征提取；再次，利用卷积神经网络提取RGB图像深层特征；最后，构建基于融合特征的粒子群优化支持向量回归模型估测小麦叶层氮含量。本发明的方法估测精度高、特征鲁棒性强，适用于小麦全生育期，同时也是目前第一次提出综合RGB图像的可见光植被指数、小波纹理特征、优选的深层特征构建融合特征来估测小麦叶层氮含量的方法。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.036 seconds)
