-
公开(公告)号：CN111881953A
公开(公告)日：2020-11-03
申请号：CN202010672339.1
申请日：2020-07-14
Applicant: 安徽大学
Abstract: 本发明涉及基于局部二值模式和KNN分类器的遥感高光谱图像分类方法，与现有技术相比解决了难以进行遥感高光谱图像分类的缺陷。本发明包括以下步骤：训练数据的获取；光谱特征向量的提取；空间特征向量的提取；颜色特征向量的提取；多特征向量的堆叠；KNN分类器的构建和训练；待分类遥感高光谱图像的获取；待分类遥感高光谱图像的预处理；遥感高光谱图像分类结果的获得。本发明通过光谱、空间、颜色特征相联合，增强了同类像元的相似性，同时增大了不同像元的相异性，与部分提出的分类方法相比，总体分类精度、平均分类精度、Kappa系数均有不同程度的提高。
-
公开(公告)号：CN111798327A
公开(公告)日：2020-10-20
申请号：CN202010590387.6
申请日：2020-06-24
Applicant: 安徽大学
Abstract: 本发明特别涉及一种基于高光谱影像的小麦产量计算模型的构建方法,包括如下步骤：A、拍摄实验麦田的高光谱图像；B、对麦田高光谱图像进行预处理得到训练集和测试集；C计算样本特征值；D、人工计算样本的小麦产量；E、将训练集的特征值和对应的小麦产量输入随机森林算法中进行训练，得到每种特征的权重系数，选取最优特征组合；F、将训练集的最优特征组合和对应的小麦产量代入进行训练即可得到小麦产量计算模型；本发明还公开了利用该模型计算小麦产量的方法。以高光谱波段以及植被指数来作为样本的特征值，这些特征值能很好地作为小麦产量评估依据；利用随机森林算法挑选最优特征组合，可以大幅减少后期小麦产量计算量和处理速度，并且计算结果的精确度也能够得到保证。
-
公开(公告)号：CN111767863A
公开(公告)日：2020-10-13
申请号：CN202010616580.2
申请日：2020-07-01
Applicant: 安徽大学
Abstract: 本发明涉及一种基于近地高光谱技术冬小麦赤霉病识别方法，与现有技术相比解决了从直立角度识别冬小麦赤霉病严重程度精度低的缺陷。本发明包括以下步骤：高光谱数据的获取；赤霉病病情严重度的计算；原始光谱波段特征的筛选；最优小波特征的筛选；冬小麦麦穗赤霉病识别模型的构建；冬小麦麦穗赤霉病识别模型的训练；冬小麦麦穗赤霉病识别结果的获得。本发明不仅实现了直立角度下对冬小麦赤霉病严重度进行识别，还大大提高了冬小麦赤霉病严重度识别的精度。
-
公开(公告)号：CN110211099A
公开(公告)日：2019-09-06
申请号：CN201910414797.2
申请日：2019-05-18
Applicant: 安徽大学
Abstract: 本发明涉及特别涉及一种综合麦穗正反面病情的小麦赤霉病检测方法，包括以下步骤：采集麦穗的正面图像和反面图像；对麦穗的正面图像和反面图像分别进行处理，得到正面图像中麦穗面积S11和病斑区域面积S12以及反面图像中麦穗面积S21和病斑区域面积S22；(C)按如下公式计算麦穗的病斑面积和麦穗面积比值：R＝(S12+S22)/(S11+S21)；(D)根据比值R以及国家标准对麦穗进行病害分级；并公开了对应的检测装置。相较于以往的单面检测而言，本发明通过对正反两面的麦穗进行分割，并计算正反两面的麦穗面积和病斑面积，把正反两面的病害面积和麦穗面积线性相加，最后，计算病害面积与麦穗面积的比值，划分病害等级，为植保人员调查病情和精准施药防治病害提供更加可靠的技术支持。
-
公开(公告)号：CN110132856A
公开(公告)日：2019-08-16
申请号：CN201910415768.8
申请日：2019-05-18
Applicant: 安徽大学
IPC: G01N21/25
Abstract: 本发明特别涉及一种小麦赤霉病染病籽粒识别的光谱病害指数构建，包括如下步骤：(A)挑选健康和染病小麦籽粒作为样本，采集得到两条平均光谱曲线；(B)分别对两条平均光谱曲线进行一阶微分处理得到两条一阶微分光谱曲线；(C)根据两条平均光谱曲线求解波长λ1，根据两条一阶微分光谱曲线求解波长λ2；(D)计算每个小麦籽粒的光谱病害指数；(E)根据健康和染病小麦籽粒的光谱病害指数分别画出其频数直方图；(F)对两个频数直方图进行曲线拟合，取两条拟合曲线的交点为判断阈值；还公开了利用该模型进行小麦赤霉病检测的方法。本发明构建的光谱病害指数，具有无损、计算速度快、精度高、稳定性好的应用优势。
-
Patent Agency Ranking
公开(公告)号：CN107103306B
公开(公告)日：2019-06-18
申请号：CN201710362043.8
申请日：2017-05-22
Applicant: 安徽大学
Abstract: 本发明涉及基于小波分析与支持向量机的冬小麦白粉病遥感监测方法，与现有技术相比解决了小麦白粉病难以监测预报的缺陷。本发明包括以下步骤：数据获取；遥感数据的预处理；建模特征的选择；支持向量机模型的建立；获得遥感监测结果。本发明利用环境星遥感数据经过小波变换及特征筛选后，结合SVM算法建立的监测模型，实时准确获取大面积小麦白粉病发生的空间分布特征，为白粉病防治提供依据。
-
公开(公告)号：CN109657653A
公开(公告)日：2019-04-19
申请号：CN201910051447.4
申请日：2019-01-21
Applicant: 安徽大学
Abstract: 本发明涉及一种基于成像高光谱数据的小麦籽粒赤霉病识别方法，与现有技术相比解决了尚无快速识别小麦籽粒赤霉病方法的缺陷。本发明包括以下步骤：高光谱基础图像的采集；高光谱基础图像的预处理；构建小麦籽粒赤霉病识别模型；小麦籽粒赤霉病识别模型的训练；待识别高光谱图像的获取；待识别高光谱图像的预处理；小麦籽粒赤霉病的识别。本发明利用室内高光谱成像数据，通过图像分割技术，在高光谱图像中分割小麦籽粒，继而对小麦籽粒的光谱信息进行对比分析，通过数据噪声去除并进行特征波长筛选，建立了小麦赤霉病病害侵染麦粒的有效识别模型，形成了小麦籽粒赤霉病检测的快速有效方法。
-
公开(公告)号：CN108985959A
公开(公告)日：2018-12-11
申请号：CN201810899574.5
申请日：2018-08-09
Applicant: 安徽大学
Abstract: 本发明涉及一种基于地表温度反演技术的小麦白粉病遥感监测方法，与现有技术相比解决了难以将多时相地表温度作为生境因子进行白粉病遥感监测的缺陷。本发明包括以下步骤：源数据的获取和预处理；小麦种植面积的提取；小麦生长状态的反演；地表温度的反演；MODIS温度和Landsat-8反演地表温度的时空融合；基于地表温度遥感监测模型的构建；小麦白粉病遥感监测结果的获得。本发明基于多时相Landsat-8和MODIS遥感数据反演地表温度，利用国产GF-1数据反演植被指数，通过Linear-SVM构建综合决策树以反演小麦白粉病严重度，实现小麦白粉病病情严重度的遥感监测。
-
公开(公告)号：CN108765359A
公开(公告)日：2018-11-06
申请号：CN201810548568.5
申请日：2018-05-31
Applicant: 安徽大学
IPC: G06T5/50
CPC classification number: G06T5/50 , G06T2207/10032 , G06T2207/20221
Abstract: 本发明涉及一种基于JSKF模型和NSCT技术的高光谱遥感影像与全色图像的融合方法，与现有技术相比解决了难以针对高光谱遥感图像进行融合处理的缺陷。本发明包括以下步骤：遥感影像数据的获取；假彩色遥感影像的提取；HIS变换；高低频系数的获得；低频系数的计算；高频系数融合规则的选取；融合影像的获得。本发明能够针对高光谱遥感影像数据和全色遥感影像进行有效融合。
-
公开(公告)号：CN108428038A
公开(公告)日：2018-08-21
申请号：CN201810061877.X
申请日：2018-01-23
Applicant: 安徽大学
Abstract: 本发明涉及基于GAM模型的土壤锌含量影响因素分析方法，与现有技术相比解决了难以找到土壤中影响锌含量因素的缺陷。本发明包括以下步骤：采样点数据的获取；采样点数据预处理；GAM模型的建立；锌含量影响因素的分析，将单因素分析的变量纳入GAM模型进行多因素分析。本发明将锌含量作为响应变量，养分和空间经纬度作为解释变量，利用GAM模型适用于多种分布类型、复杂非线性关系的分析及模型不需要预先设定参数模型的优点，来研究养分及经纬度对土壤Zn含量的影响。
-
-
-
-
-
-
-
-
-
Search Results
343
records
(took 0.037 seconds)
