-
公开(公告)号:CN118212522A
公开(公告)日:2024-06-18
申请号:CN202410331846.7
申请日:2024-03-22
Applicant: 吉林大学
Abstract: 本发明适用于土壤有机质检测技术领域,提供了一种基于光谱耦合效应的土壤有机质含量预测方法,在通过减轻土壤物理性质对光谱的耦合效应,提高SOM预测模型的时空可转移性。基于卫星高光谱影像和土壤水分、土壤表面粗糙度、土壤体积重等土壤物理变量,建立了基于信息分解的土壤光谱校正策略。结果表明,基于四阶多项式和XG‑Boost算法的土壤光谱校正具有良好的精度和泛化能力。此外,当采用土壤光谱校正策略时,SOM预测模型的精度和模型迁移后的泛化能力显著提高。与模型的直接迁移预测相比,采用基于四阶多项式和XG‑Boost的土壤光谱校正策略,SOM预测结果的RMSE分别降低了57.90%和60.27%。该工作为其他地区土壤性质参数的预测提供了新的研究范式。
-
公开(公告)号:CN118424353B
公开(公告)日:2024-09-17
申请号:CN202410884927.X
申请日:2024-07-03
Applicant: 吉林大学
Abstract: 本发明适用于作物表型检测技术领域,提供了一种降落式多源同步采集作物表型装置,包括:外设架;移动升降组件,安装在所述外设架上;暗室采集箱,与所述移动升降组件相连,所述暗室采集箱上设置自动开合组件;伸缩采集组件,安装在所述暗室采集箱中,用于采集作物表型;遮光组件,安装在所述暗室采集箱的外侧,用于确保检测环境。本发明利用移动升降组件带动暗室采集箱移动至目标作物的上方,再启动自动开合组件将暗室采集箱底部打开,带动暗室采集箱降落至目标作物的方形区域,启动遮光组件对自动开合组件的邻侧面进行遮挡,形成不透光的暗室环境,保证表征检测过程中的稳定性和准确性,再启动伸缩采集组件对作物植株冠层进行采集。
-
公开(公告)号:CN118485584A
公开(公告)日:2024-08-13
申请号:CN202410600167.5
申请日:2024-05-15
Applicant: 吉林大学
Abstract: 本发明涉及图像处理技术领域,具体公开了一种基于多时相多光谱图像和环境协变量的土壤盐分制图方法,所述方法包括:获取土壤电导率数据以及采样点的经纬度数据,将得到的数据进行汇总得到样本集,获取历史多时相多光谱图像集;对多时相多光谱图像进行融合;获取环境协变量数据;根据融合后的多时相多光谱图像、环境协变量数据以及样本集建立土壤电导率预测模型;根据土壤电导率预测模型输出土壤电导率结果,根据土壤电导率结果生成土壤盐分空间分布图,多时间融合影像对土壤盐分的预测精度优于单时间融合影像,具有时序环境协变量的多时相遥感影像的结合用于土壤盐分制图,可以最大限度地减少土壤性质时空异质性的影响。
-
公开(公告)号:CN118031066A
公开(公告)日:2024-05-14
申请号:CN202410354590.1
申请日:2024-03-27
Applicant: 吉林大学
Abstract: 本发明适用于作物表型采集技术领域,提供了一种自稳定田间作物表型采集车,包括机架,还包括:三轴运动控制模块,所述三轴运动控制模块包括X轴移动组件,所述X轴移动组件上安装有Y轴移动组件,所述Y轴移动组件上安装有Z轴移动组件,所述Z轴移动组件上安装有连接柱;三轴姿态控制模块,所述三轴姿态控制模块包括连接座和安装座,所述连接座的底部安装有航向轴电机,所述航向轴电机通过第一连接杆连接有翻滚轴电机,所述翻滚轴电机通过第二连接杆连接有俯仰轴电机,所述俯仰轴电机通过第三连接杆与安装座连接。该装置可实现对信息采集模块的空间位置以及姿态角的灵活调节,调节精度高,适用范围广,在田间植物表型采集中具有显著的优势。
-
公开(公告)号:CN118424353A
公开(公告)日:2024-08-02
申请号:CN202410884927.X
申请日:2024-07-03
Applicant: 吉林大学
Abstract: 本发明适用于作物表型检测技术领域,提供了一种降落式多源同步采集作物表型装置,包括:外设架;移动升降组件,安装在所述外设架上;暗室采集箱,与所述移动升降组件相连,所述暗室采集箱上设置自动开合组件;伸缩采集组件,安装在所述暗室采集箱中,用于采集作物表型;遮光组件,安装在所述暗室采集箱的外侧,用于确保检测环境。本发明利用移动升降组件带动暗室采集箱移动至目标作物的上方,再启动自动开合组件将暗室采集箱底部打开,带动暗室采集箱降落至目标作物的方形区域,启动遮光组件对自动开合组件的邻侧面进行遮挡,形成不透光的暗室环境,保证表征检测过程中的稳定性和准确性,再启动伸缩采集组件对作物植株冠层进行采集。
-
公开(公告)号:CN119167225A
公开(公告)日:2024-12-20
申请号:CN202411180197.1
申请日:2024-08-27
Applicant: 吉林大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/214 , G06F18/15 , G06F18/211 , G06F18/25 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06Q50/02
Abstract: 本发明适用于现代农业和计算机技术领域,提供了一种基于多模态的作物早期病害检测方法,所述方法包括:基于卷积神经网络、门控循环单元和多头注意力机制层,构建作物病害检测模型;基于已建立好的实验条件,进行叶片反射率光谱的测量、叶片生理变量的测量,实现数据收集;将收集好的数据作为模型训练、测试用的样本数据,并对所述样本数据进行筛选和预处理,得到样本数据集;通过所述样本数据集对所述作物病害检测模型进行训练和测试;将作物检测用数据输入训练好的作物病害检测模型,输出结果;本发明一体化集成GRU和CNN,可以有效地从数据中捕获空间和时间特征;将光谱和生理数据以及数据转换相结合,从而能够早期准确地检测ShB感染。
-
-
-
-
-