-
公开(公告)号：CN109858186B
公开(公告)日：2022-06-03
申请号：CN201910179486.2
申请日：2019-03-11
Applicant: 武汉大学
IPC: G06F30/20
Abstract: 本发明公开了一种联合光学和热学数据的农田干旱评估方法，利用多光谱相机获取农田的光学信息，计算得到植被覆盖指数；利用热学传感器获取农田的热学信息，计算水分亏缺指数，将水分亏缺指数简化为温度植被干燥指数并确定干边和湿边的表面温度后，计算得到温度植被干燥指数；综合植被覆盖指数和温度植被干燥指数，建立基于光学和热学数据的地表电导率模型；利用观测信息确定实际的地表电导率，通过Penman‑Monteith模型得到估算的地表电导率，使得估算的地表电导率与实际的地表电导率有最好的拟合效果，从而确定地表电导率模型的参数，即确认地表电导率模型，通过计算地表电导率评估农田干旱程度。本方法综合光学和热学的数据建立地表电导率模型，结果可靠。
-
公开(公告)号：CN109858186A
公开(公告)日：2019-06-07
申请号：CN201910179486.2
申请日：2019-03-11
Applicant: 武汉大学
IPC: G06F17/50
Abstract: 本发明公开了一种联合光学和热学数据的农田干旱评估方法，利用多光谱相机获取农田的光学信息，计算得到植被覆盖指数；利用热学传感器获取农田的热学信息，计算水分亏缺指数，将水分亏缺指数简化为温度植被干燥指数并确定干边和湿边的表面温度后，计算得到温度植被干燥指数；综合植被覆盖指数和温度植被干燥指数，建立基于光学和热学数据的地表电导率模型；利用观测信息确定实际的地表电导率，通过Penman-Monteith模型得到估算的地表电导率，使得估算的地表电导率与实际的地表电导率有最好的拟合效果，从而确定地表电导率模型的参数，即确认地表电导率模型，通过计算地表电导率评估农田干旱程度。本方法综合光学和热学的数据建立地表电导率模型，结果可靠。
-
Patent Agency Ranking
公开(公告)号：CN109977802A
公开(公告)日：2019-07-05
申请号：CN201910175557.1
申请日：2019-03-08
Applicant: 武汉大学
Abstract: 本发明公开了一种强噪音背景下作物分类识别方法，用多光谱相机拍摄各类别作物的图片各若干张形成图片集；得各像素点NDVI值并分割出植物区域；将非植物区域替换为纯色背景来突出植物区域，进行图片预处理后形成多光谱数据集并分为训练、测试、验证3个数据集；通过迁移学习的方法，将训练数据集输入预设的卷积神经网络模型进行训练，得到卷积预测神经网络模型，将测试数据集输入卷积预测神经网络模型进行准确率测试得到合格的卷积预测神经网络模型；将验证数据集输入卷积预测神经网络模型，对其中的作物进行分类识别并获取分类结果。该方法减少了强噪音背景对作物分类识别产生的影响，提高了模型的识别效率和预测能力。
-
公开(公告)号：CN110397545B
公开(公告)日：2021-05-18
申请号：CN201910610528.3
申请日：2019-07-08
Applicant: 武汉大学
Abstract: 一种螺旋叶对旋式双转轮水轮机，包括扩散段，与扩散段相连的方圆渐变段，与方圆渐变段相连的外壳，以及与外壳相连的尾水段，还包括设置在外壳内的前段转轮以及后段转轮；其中，所述前段转轮以及后段转轮分别包括内筒、设置在内筒上的双螺旋结构的螺旋叶片、设置螺旋叶片外部的外筒，所述内筒、螺旋叶片、外筒为一体式结构共同绕设置在外壳内部的固定轴旋转，且所述前段转轮与后段转轮转动方向相反。本发明采用两段式结构设计，具有较长的流道可减小流道内压力梯度；前、后段转轮反向转动，可消除旋转流态；内筒、螺旋叶片、外筒一体式结构防止叶片和外筒间产生气蚀，减小了鱼类受到机械损伤的概率。
-
公开(公告)号：CN110397545A
公开(公告)日：2019-11-01
申请号：CN201910610528.3
申请日：2019-07-08
Applicant: 武汉大学
Abstract: 一种螺旋叶对旋式双转轮水轮机，包括扩散段，与扩散段相连的方圆渐变段，与方圆渐变段相连的外壳，以及与外壳相连的尾水段，还包括设置在外壳内的前段转轮以及后段转轮；其中，所述前段转轮以及后段转轮分别包括内筒、设置在内筒上的双螺旋结构的螺旋叶片、设置螺旋叶片外部的外筒，所述内筒、螺旋叶片、外筒为一体式结构共同绕设置在外壳内部的固定轴旋转，且所述前段转轮与后段转轮转动方向相反。本发明采用两段式结构设计，具有较长的流道可减小流道内压力梯度；前、后段转轮反向转动，可消除旋转流态；内筒、螺旋叶片、外筒一体式结构防止叶片和外筒间产生气蚀，减小了鱼类受到机械损伤的概率。
-
公开(公告)号：CN109961024A
公开(公告)日：2019-07-02
申请号：CN201910175260.5
申请日：2019-03-08
Applicant: 武汉大学
Abstract: 本发明公开了一种基于深度学习的小麦田间杂草检测方法，采集大量不同生长阶段的小麦和小麦田间主要杂草的图片，建立数据集并将数据集分为训练集与测试集；通过迁移学习的方法，将训练集输入预设的卷积神经网络模型中进行训练得到作物杂草分类识别器，利用测试集对作物杂草分类识别器进行测试得到分类识别结果从而进行微调；采用滑动窗口法在待检测图片上生成大量不同尺寸的兴趣域，将每个兴趣域输入作物杂草分类识别器进行分类识别得到对应的预测类别与正确概率；应用非极大值抑制算法从所有兴趣域中筛选出对应每个种类局部极大正确概率的兴趣域，输出分类与定位的预测结果。本方法能快速准确的对作物与杂草进行识别和定位，对所数据要求较低。
-
公开(公告)号：CN109883524A
公开(公告)日：2019-06-14
申请号：CN201910175558.6
申请日：2019-03-08
Applicant: 武汉大学
Abstract: 本发明公开了一种作物器官重量估计模型的建模方法，采集目标作物在相同生育期的多株样本且编号，先得到目标器官鲜重，再对舒展的目标器官和参照物拍照，最后得到目标器官干重，从而建立鲜重集、照片集和干重集；对照片集进行图像处理，得到面积集，将面积集替换数据集中的照片集；将作物器官面积作为解释变量，目标器官鲜重和目标器官干重作为预报变量，利用一部分数据集分别进行一元线性回归分析，得到目标器官鲜重和目标器官干重与目标器官面积的关系式，从而得到目标器官重量估计模型，利用剩余的数据集对目标器官重量估计模型的拟合结果进行检验。该方法可快速准确的对作物器官鲜重、干重进行估计，增强了测量作物器官面积的效率和便捷性。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
