一种基于初级生产力数据同化的叶面积指数预测方法

    公开(公告)号:CN116432849B

    公开(公告)日:2024-03-26

    申请号:CN202310420571.X

    申请日:2023-04-19

    Abstract: 一种基于初级生产力数据同化的叶面积指数预测方法,属于叶面积指数预测技术领域。为解决农作物的叶面积指数进行准确的预测的问题。本发明采集空气湿度数据、温度数据、植被吸收光合有效辐射数据,采集初级生产力数据,对植被进行拍照,构建初级生产力预测数据集、初级生产力实测数据集,利用集合卡尔曼滤波进行数据同化,得到初级ENKF同化的初级生产力数据集,利用LSTM神经网络进行训练,得到最终ENKF同化的初级生产力数据集;将光量子通量密度、最终ENKF同化的初级生产力数据集、植物照片利用LSTM神经网络进行训练,训练后的LSTM神经网络模型用于对叶面积指数预测。本发明对于不同种类的作物具有兼容性和可泛化性。

    一种基于初级生产力数据同化的叶面积指数预测方法

    公开(公告)号:CN116432849A

    公开(公告)日:2023-07-14

    申请号:CN202310420571.X

    申请日:2023-04-19

    Abstract: 一种基于初级生产力数据同化的叶面积指数预测方法,属于叶面积指数预测技术领域。为解决农作物的叶面积指数进行准确的预测的问题。本发明采集空气湿度数据、温度数据、植被吸收光合有效辐射数据,采集初级生产力数据,对植被进行拍照,构建初级生产力预测数据集、初级生产力实测数据集,利用集合卡尔曼滤波进行数据同化,得到初级ENKF同化的初级生产力数据集,利用LSTM神经网络进行训练,得到最终ENKF同化的初级生产力数据集;将光量子通量密度、最终ENKF同化的初级生产力数据集、植物照片利用LSTM神经网络进行训练,训练后的LSTM神经网络模型用于对叶面积指数预测。本发明对于不同种类的作物具有兼容性和可泛化性。

    基于误差分离的光学非线性一阶误差补偿方法及装置

    公开(公告)号:CN109780991B

    公开(公告)日:2021-03-30

    申请号:CN201711120966.9

    申请日:2017-11-14

    Abstract: 基于误差分离的光学非线性一阶误差补偿方法及装置属于激光测量领域,本发明在外差激光干涉仪参考光路和测量光路中放置相同分光比的分光镜,将光学非线性一阶误差信号分离出来,并在光学非线性一阶误差信号处理电路中实时进行补偿,从而去除光学非线性一阶误差。本发明结构简单,具有实时性,能够将外差激光干涉仪中的光学非线性一阶误差补偿至皮米量级。

    基于误差分离的光学非线性一阶误差补偿方法及装置

    公开(公告)号:CN109780991A

    公开(公告)日:2019-05-21

    申请号:CN201711120966.9

    申请日:2017-11-14

    Abstract: 基于误差分离的光学非线性一阶误差补偿方法及装置属于激光测量领域,本发明在外差激光干涉仪参考光路和测量光路中放置相同分光比的分光镜,将光学非线性一阶误差信号分离出来,并在光学非线性一阶误差信号处理电路中实时进行补偿,从而去除光学非线性一阶误差。本发明结构简单,具有实时性,能够将外差激光干涉仪中的光学非线性一阶误差补偿至皮米量级。

    一种基于多模态数据融合的农作物生长估计模型构建方法

    公开(公告)号:CN116403048B

    公开(公告)日:2024-03-26

    申请号:CN202310407119.X

    申请日:2023-04-17

    Abstract: 一种基于多模态数据融合的农作物生长估计模型构建方法,属于农作物识别技术领域。为解决农作物生长过程中针对多种农作物普遍适用且估计准确的问题。本发明构建农作物图像训练集、农作物图像测试集、传感器数据训练集,传感器数据测试集;利用线性投影方法,将农作物图像训练集中的农作物图像输入卷积神经网络进行图像特征提取,利用传感器感知机方法,将传感器数据训练集中的传感器数据输入多层感知机神经网络进行传感器数据特征提取,利用Transformer编码器融合后进行拼接处理,然后经过池化、线性变换后输出为农作物生长评价指标,进行多模态数据融合的农作物生长估计。本发明适用于多种作物,大大减少了重新训练网络的时间。

    一种基于多模态数据融合的农作物生长估计模型构建方法

    公开(公告)号:CN116403048A

    公开(公告)日:2023-07-07

    申请号:CN202310407119.X

    申请日:2023-04-17

    Abstract: 一种基于多模态数据融合的农作物生长估计模型构建方法,属于农作物识别技术领域。为解决农作物生长过程中针对多种农作物普遍适用且估计准确的问题。本发明构建农作物图像训练集、农作物图像测试集、传感器数据训练集,传感器数据测试集;利用线性投影方法,将农作物图像训练集中的农作物图像输入卷积神经网络进行图像特征提取,利用传感器感知机方法,将传感器数据训练集中的传感器数据输入多层感知机神经网络进行传感器数据特征提取,利用Transformer编码器融合后进行拼接处理,然后经过池化、线性变换后输出为农作物生长评价指标,进行多模态数据融合的农作物生长估计。本发明适用于多种作物,大大减少了重新训练网络的时间。

    一种用于测量干涉镜组热漂移系数的测量系统和方法

    公开(公告)号:CN108225733A

    公开(公告)日:2018-06-29

    申请号:CN201810007423.4

    申请日:2018-01-04

    CPC classification number: G01M11/00 G01B9/02

    Abstract: 本发明提供一种用于测量激光干涉镜组热漂移系数的测试系统,包括:真空腔、热辐射结构、隔热基板、热辐射器、激光干涉镜组、薄膜式温度传感器、真空法兰盘、真空阀、真空管、真空泵、热辐射器控制系统、温度采集系统、光学窗、导光原件、激光器、光电探测器和位移测量系统、气压传感器和气压表,该系统可以有效地解决空气折射率误差干扰激光干涉镜组热漂移系数测量的问题。另外,本发明还提供的一种用于测量激光干涉镜组热漂移系数的测试方法,该方法解决了热传递过程中激光干涉镜组的几何尺寸以及光学特性的变化滞后于环境温度的变化产生测量时刻温度数值与漂移数值不同步导致测量的热漂移系数不精确的问题。

Patent Agency Ranking