公开(公告)号：CN103733812B

公开(公告)日：2016-04-27

申请号：CN201310711085.X

申请日：2013-12-11

Applicant: 西北农林科技大学

Inventor： 傅隆生 ,  李瑞 ,  张晨 ,  王滨 ,  闫峰欣 ,  郭交 ,  苏宝峰

IPC: A01D46/247 ,  A01D46/22

Abstract: 一种气吸式沙棘果实采收装置，包括风机、树叶收集罐、果实收集罐、果叶分离装置、采摘装置和连通装置；采摘装置包括机械采摘工作头和吸气头，将果实及树叶采摘后送到采集软管；混合物先经由采集软管进入果叶分离装置内的空心管，再进入果叶分离装置，此时气流的截面积突然增大，导致流速急剧降低，使得混合物散开，通过合理控制风机的转速，使果实落下进入果实收集罐内，树叶随气流通过连通软管继续流动至树叶收集罐，实现果实与树叶的分离；果实收集罐下方设有抽屉式装置，可将采集的果实取出；树叶收集罐的顶盖与风机为一体化设计，通过打开顶盖后将树叶取出。该机实现了沙棘果实与树叶在采收时的分离，提高了生产效率。

公开(公告)号：CN111079505B

公开(公告)日：2024-08-20

申请号：CN201910877875.2

申请日：2019-09-17

Applicant: 西北农林科技大学

Inventor： 郭交 ,  李恒辉 ,  刘健 ,  韩文霆 ,  秦立峰

IPC: G06V20/13 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于栈式稀疏自编码网络（Stacked‑Sparse‑Autoencoder，S‑SAE）的多时相PolSAR散射特征的降维算法，步骤有：（1）采用多种目标分解方法对每个时相的PolSAR图像数据进行极化目标分解获取多个散射特征；（2）设置训练参数，隐含层层数和神经元个数，使用训练集对构建的S‑SAE网络进行逐层无监督训练和整体监督优化训练；（3）提取网络的相关参数对高维散射特征进行降维处理，最后使用降维特征作为分类器输入得到PolSAR图像的分类结果。本发明结合多种目标分解方法能充分有效发掘的多时相PolSAR数据中的特征信息，进一步提高了多时相PolSAR数据的应用质量，在作物分类中实现了高于多时相复Wishart方法的分类精度，为多时相PolSAR数据的高效应用提供了一种思路。

公开(公告)号：CN115471737A

公开(公告)日：2022-12-13

申请号：CN202110568917.1

申请日：2021-05-25

Applicant: 西北农林科技大学

Inventor： 郭交 ,  李仪邦 ,  李恒辉 ,  秦立峰

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种基于融合栈式自编码网络与CNN的高光谱遥感影像分类方法，步骤有：（1）对高光谱遥感影像进行高斯预滤波；（2）对栈式自编码网络进行逐层贪婪式预训练，完成编码网络的初始化；（3）将编码网络与CNN网络连接，并进行分类训练，实现整体网络的微调（Fine‑Tuing），对编码器网络和CNN网络进行同时调优，优化网络的整体效果，提高分类精度。本发明融合了自编码网络与CNN网络的优点，改变了传统的“先降维，后分类”的两步独立过程，将数据降维过程与数据分类的过程进行合并，简化了高光谱遥感影像分类的工作流程，在高光谱遥感影像分类的过程中取得了较优的精度，为高光谱遥感影像分类工作提供了一种新思路。

公开(公告)号：CN108663678A

公开(公告)日：2018-10-16

申请号：CN201810082081.2

申请日：2018-01-29

Applicant: 西北农林科技大学

Inventor： 郭交 ,  尉鹏亮 ,  段凯文 ,  刘健 ,  靳标

IPC: G01S13/90

Abstract: 本发明公开了一种基于混合整数优化模型的多基线InSAR相位解缠算法，本发明的实现步骤是：(1)输入主辅SAR复图像数据；(2)通过干涉处理生成复干涉相位图；(3)获取局部最优窗口；(4)根据InSAR系统参数以及局部最优窗口参数构建混合整数优化模型；(5)计算复干涉相位图的模糊整数；(6)计算各个干涉相位图的绝对相位；(7)输出整个场景的DEM。本发明具有多基线情况下，能够对配准后干涉InSAR图像完成高质量的相位展开，满足高质量干涉合成孔径雷达InSAR处理的实际工程性能要求，获得高质量的测绘产品。

公开(公告)号：CN105549049B

公开(公告)日：2018-10-02

申请号：CN201510883751.7

申请日：2015-12-04

Applicant: 西北农林科技大学

Inventor： 靳标 ,  郭交 ,  王胜兰 ,  苏宝峰 ,  朱学卫

IPC: G01S19/42

Abstract: 本发明公开了一种应用于GPS导航的自适应卡尔曼滤波算法，主要解决现有的自适应卡尔曼滤波算法无法随着滤波过程自适应调节的问题，其过程是：(1)设置算法参数，并对目标状态进行初始化；(2)建立AR模型，套用卡尔曼滤波框架计算出AR模型的系数；(3)利用基于AR模型的卡尔曼滤波来预测目标状态，包括预测均值和误差协方差；(4)使用测量数据更新目标状态,计算增益矩阵、后验估计均值以及后验估计误差协方差；(5)在线自适应地计算状态噪声协方差，输出目标位置的状态值和协方差，令k增加1,返回步骤2；本发明与现有自适应卡尔曼滤波算法相比，能够实现更加精确的目标状态估计，可用于实际的GPS导航系统。

公开(公告)号：CN113836779A

公开(公告)日：2021-12-24

申请号：CN202010579494.9

申请日：2020-06-23

Applicant: 西北农林科技大学

Inventor： 郭交 ,  白清源 ,  刘健

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 针对Sentinel系列卫星通过卫星数据水分反演受植被类型及其疏密等参数影响，本发明公开了一种基于CNN的Sentinel多源数据的农田地表土壤水分反演方法，可实现农田地表土壤水分高精度反演。该方法包括如下步骤：步骤1）Sentinel卫星数据使用前进行相应的预处理；步骤2）构建数据集，输入特征参数包括双极化雷达后向散射系数（、）、海拔高度（）、本地入射角（LIA）、极化分解特征（H、A、α）以及3种植被指数(NDVI、MSAVI、DVI)；步骤3）将准备好的154个样本划分为训练集和测试集，按照3:1的比例划分，前者作为模型的训练集，后者作为模型的测试集；步骤4）将数据集输入CNN模型进行训练，并用测试集来验证，最后通过测试集的均方根误差RMSE和相关系数来评价预测效果。

公开(公告)号：CN106778916B

公开(公告)日：2019-12-06

申请号：CN201710038018.4

申请日：2017-01-18

Applicant: 西北农林科技大学

Inventor： 郭交 ,  尉鹏亮 ,  朱琳 ,  靳标 ,  苏宝峰 ,  秦立峰

IPC: G06K9/62

Abstract: 本发明公开了一种基于H/α参数变化规律的多时相PolSAR农作物监督分类算法，本发明的实现步骤是：(1)输入n个多时相的全极化SAR图像数据；(2)完成多时相全极化SAR图像的精准配；(3)将每个单时相的全极化SAR数据进行H/α分解，并将所得的H、α值保存在对应的矩阵中；(4)建立训练集；(5)构建分类函数；(6)对各个像素点进行分类匹配；(7)输出分类结果图。本发明在针对多时相PolSAR图像的农作物分类应用中，可以得到精度高于现有经典复Wishart分类方法的农作物分类图，一定程度上提高了PolSAR图像的分类质量。

公开(公告)号：CN117218177A

公开(公告)日：2023-12-12

申请号：CN202211275603.3

申请日：2022-10-19

Applicant: 西北农林科技大学

Inventor： 郭交 ,  杨涛 ,  白清源 ,  秦立峰 ,  李恒辉

IPC: G06T7/60 ,  H04N23/54 ,  H04N23/61

Abstract: 本发明公开了一种基于针式剖面板的土壤表面粗糙度的计算方法，涉及计算土壤表面粗糙度技术领域，解决的技术问题是提供一种更快速，更准确地提取获取图像中探针目标点质心的横纵坐标值，计算土壤表面粗糙度的方法。该方法包括：首先利用智能手机等获取针式剖面板的彩色图像，然后对图像采用特定的方法进行处理，最终筛选出符合要求的探针目标点，并求取其横纵坐标值，然后根据土壤表面粗糙度的计算公式计算出土壤表面粗糙度。本发明可以快速，准确地提取探针目标点质心的坐标值，提高了识别的正确率和土壤表面粗糙度的计算精度。

公开(公告)号：CN108663678B

公开(公告)日：2022-01-18

申请号：CN201810082081.2

申请日：2018-01-29

Applicant: 西北农林科技大学

Inventor： 郭交 ,  尉鹏亮 ,  段凯文 ,  刘健 ,  靳标

IPC: G01S13/90

Abstract: 本发明公开了一种基于混合整数优化模型的多基线InSAR相位解缠算法，本发明的实现步骤是：(1)输入主辅SAR复图像数据；(2)通过干涉处理生成复干涉相位图；(3)获取局部最优窗口；(4)根据InSAR系统参数以及局部最优窗口参数构建混合整数优化模型；(5)计算复干涉相位图的模糊整数；(6)计算各个干涉相位图的绝对相位；(7)输出整个场景的DEM。本发明具有多基线情况下，能够对配准后干涉InSAR图像完成高质量的相位展开，满足高质量干涉合成孔径雷达InSAR处理的实际工程性能要求，获得高质量的测绘产品。

公开(公告)号：CN105372651A

公开(公告)日：2016-03-02

申请号：CN201510867282.X

申请日：2015-11-30

Applicant: 西北农林科技大学

Inventor： 靳标 ,  郭交 ,  纠博 ,  苏涛 ,  何学辉 ,  朱学卫

IPC: G01S13/66

CPC classification number: G01S13/66

Abstract: 本发明公开了基于最优自回归(Autoregressive，AR)模型的自适应机动目标跟踪方法，主要解决现有方法对目标非机动状态和机动状态的跟踪性能不能兼顾以及需要过多的先验信息等问题，其过程是：(1)设置算法参数，并对目标状态进行初始化；(2)计算低阶AR模型的系数；(3)利用基于低阶AR模型的卡尔曼滤波器进行滤波，并在线计算状态噪声的协方差；(4)判断目标是否发生机动，如果发生机动转至步骤(5)，否则令k增加1并转至步骤(2)；(5)计算高阶AR模型的系数；(6)利用基于高阶AR模型的卡尔曼滤波器进行滤波，并在线计算状态噪声的协方差；(7)令k增加1并转至步骤(2)；本发明能够兼顾目标的非机动和机动状态的跟踪性能，可用于雷达对机动目标的自适应跟踪。