-
公开(公告)号：CN109738438A
公开(公告)日：2019-05-10
申请号：CN201811632807.1
申请日：2018-12-29
Applicant: 扬州大学
Abstract: 本发明涉及植物叶片衰老程度测量技术领域，特别涉及一种小麦叶片衰老程度快速测量方法，具体为，在预备实验阶段，通过常规方法，监测小麦叶片衰老过程中各项生理指标，根据各生理指标将小麦叶片衰老过程划分为若干个等级，再结合不同衰老等级叶片颜色的图像数据，确定与衰老程度相关的颜色特征参数MT，再建立小麦衰老等级与颜色特征参数MT的标准回归曲线方程，通过前期预备实验阶段，总结出叶片衰老与颜色特征参数的曲线关系，以便于实际测量中快速应用；在实际叶片衰老程度检测和判定时，通过拍摄获取叶片图像，识别提取图像中叶片部位的R、G、B值，计算颜色特征参数MT后，代入标准回归曲线方程以确定小麦叶片的具体衰老等级。
-
公开(公告)号：CN119515950A
公开(公告)日：2025-02-25
申请号：CN202411537812.X
申请日：2024-10-31
Applicant: 扬州大学
Abstract: 本发明公开了一种基于小麦冠层光分布的各叶层叶面积指数估测方法，步骤如下：S1，通过无人机采集多光谱数据和小麦冠层三维点云数据；S2，进行多光谱图像拼接和冠层三维点云重建；S3，利用ArcGIS软件生成每个小区的形状文件，利用ENVI软件裁剪多光谱图像，利用PCM软件裁剪冠层点云，获取每个小区的多光谱图像和三维点云；S4，利用MATLAB软件提取每个小区的植被指数；S5，统计冠层点云不同层的点云数量；S6，基于不同层点云数量特征，使用机器学习算法构建冠层光分布估测模型；S7，基于估测冠层光分布特征及植被指数，使用机器学习算法构建不同叶层LAI估测模型。本发明能实现大规模的有效监测叶面积指数。
-
公开(公告)号：CN109738438B
公开(公告)日：2021-07-23
申请号：CN201811632807.1
申请日：2018-12-29
Applicant: 扬州大学
Abstract: 本发明涉及植物叶片衰老程度测量技术领域，特别涉及一种小麦叶片衰老程度快速测量方法，具体为，在预备实验阶段，通过常规方法，监测小麦叶片衰老过程中各项生理指标，根据各生理指标将小麦叶片衰老过程划分为若干个等级，再结合不同衰老等级叶片颜色的图像数据，确定与衰老程度相关的颜色特征参数MT，再建立小麦衰老等级与颜色特征参数MT的标准回归曲线方程，通过前期预备实验阶段，总结出叶片衰老与颜色特征参数的曲线关系，以便于实际测量中快速应用；在实际叶片衰老程度检测和判定时，通过拍摄获取叶片图像，识别提取图像中叶片部位的R、G、B值，计算颜色特征参数MT后，代入标准回归曲线方程以确定小麦叶片的具体衰老等级。
-
公开(公告)号：CN119579617A
公开(公告)日：2025-03-07
申请号：CN202411632721.4
申请日：2024-11-15
Applicant: 扬州大学
IPC: G06T7/11 , G06T7/00 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/80
Abstract: 本发明属于图像识别检测技术领域，公开了一种多视角的小麦茎蘖数检测方法，包括：步骤一，田间数据获取，采集作物顶部和其两个侧面的多视角高分辨率可见光图像；步骤二，数据预处理，对多视角图像依次进行兴趣区域分割、透视投影以及目标提取，得到目标图像；步骤三，图像特征提取，从目标图像中提取冠层特征和侧式特征；步骤四，图像分析，特征相关性分析，筛选冠层图、侧式图中与茎蘖数检测相关的最佳特征；步骤五，建模与验证，结合采集的实际茎蘖数据利用随机森林回归算法构建模型并进行验证；步骤六，检测方法的应用。本发明减少了单一图像的特征在检测时存在的误差，同时基本不受作物茎秆粗细的影响，能大幅提升检测精度。
-
-
-
Search Results
4
records
(took 0.018 seconds)
