-
公开(公告)号：CN113705526B
公开(公告)日：2022-03-04
申请号：CN202111041936.5
申请日：2021-09-07
Applicant: 安徽大学
Abstract: 本发明涉及一种高光谱遥感影像分类方法，与现有技术相比克服了有限样本量下高光谱遥感影像特征提取不充分及分类精度不理想的问题。本发明包括以下步骤：高光谱遥感影像的获取和预处理；生成对抗网络的构建和训练；扩充训练样本的获得；构建多尺度残差注意力网络；多尺度残差注意力网络的训练；待分类高光谱遥感影像的获取；高光谱遥感影像分类结果的获得。本发明在训练样本不足的情况下，也能得到较理想的高光谱遥感影像分类结果。
-
公开(公告)号：CN113176214A
公开(公告)日：2021-07-27
申请号：CN202110423984.4
申请日：2021-04-20
Applicant: 安徽大学
Abstract: 本发明涉及一种非成像光谱应用连续小波分析的麦穗赤霉病监测方法，与现有技术相比解决了麦穗尺度上小麦赤霉病监测精度差的缺陷。本发明包括以下步骤：麦穗非成像高光谱数据的获取；敏感特征的筛选；最优敏感特征子集的筛选；赤霉病监测模型的建立；赤霉病监测模型的训练；待分析麦穗非成像高光谱数据的获取；麦穗赤霉病监测结果的获得。本发明利用连续小波分析从麦穗非成像高光谱数据中提取小波特征，然后采用递归特征消除法筛选出最优小波特征子集结合PSO‑SVM算法构建小麦赤霉病监测模型，实现了麦穗尺度上快速、准确、有效地监测小麦赤霉病发生严重程度。
-
公开(公告)号：CN110008905B
公开(公告)日：2021-02-12
申请号：CN201910278469.4
申请日：2019-04-09
Applicant: 安徽大学
Abstract: 本发明涉及基于遥感影像红边波段的区域尺度小麦条锈病监测方法，与现有技术相比解决了对小麦条锈病利用遥感监测精度差的缺陷。本发明包括以下步骤：遥感影像的获取及预处理；初选特征因子的筛选；构建小麦条锈病严重度监测模型；小麦条锈病严重度监测模型的训练；区域尺度小麦条锈病严重度的判定。本发明利用Sentine‑2遥感影像反演得到与病害相关的宽波段植被指数特征及红边植被指数特征，再通过ReliefF和K‑means算法筛选与病害相关性较大且冗余性较小的宽波段植被指数特征集和加入红边植被指数的特征集，分别与BPNN算法建立小麦条锈病严重度监测模型，以实现区域尺度上小麦条锈病严重度的监测。
-
公开(公告)号：CN108596104B
公开(公告)日：2021-01-05
申请号：CN201810383173.4
申请日：2018-04-26
Applicant: 安徽大学
Abstract: 本发明涉及一种带有病害特征预处理功能的小麦白粉病遥感监测方法，与现有技术相比解决了小麦病害特征冗余度高、监测精度差的缺陷。本发明包括以下步骤：遥感数据的获取和预处理；特征变量的提取；特征变量的处理；白粉病监测模型的构建和优化；小麦白粉病遥感监测结果的获得。本发明通过将relief与mRMR两种特征选择技术与经过遗传方法优化的支持向量机结合，形成对区域尺度的白粉病进行有效遥感监测。
-
公开(公告)号：CN111832507A
公开(公告)日：2020-10-27
申请号：CN202010702759.X
申请日：2020-07-20
Applicant: 安徽大学
Abstract: 本发明涉及基于麦穗顶部光谱信息的小麦赤霉病遥感识别方法，与现有技术相比解决了尚无基于麦穗顶部进行赤霉病监测的缺陷。本发明包括以下步骤：非成像近地高光谱数据的获取；数据的预处理；敏感特征集的获取；SVM模型的构建；SVM模型的优化；小麦赤霉病遥感识别结果的获得。本发明基于遥感设备垂直角度利用小麦顶部信息对赤霉病进行识别，并通过对特征进行筛选和组合，以及对模型进行优化，实现了单穗尺度上的小麦赤霉病的垂直研究，为实际大区域尺度赤霉病识别提供了更加精准的技术方案。
-
Patent Agency Ranking
公开(公告)号：CN110132860A
公开(公告)日：2019-08-16
申请号：CN201910454573.4
申请日：2019-05-29
Applicant: 安徽大学
IPC: G01N21/25
Abstract: 本发明涉及一种基于麦穗尺度分析的冬小麦赤霉病高光谱遥感监测方法，与现有技术相比解决了赤霉病的遥感监测未针对麦穗尺度分析的缺陷。本发明包括以下步骤：高光谱遥感数据的获取；数据预处理；构建小麦赤霉病指数；多元逐步回归模型的建立；遥感监测结果的获得。本发明利用敏感波段内一阶微分总和的归一化比值构建赤霉病指数后，建立其与病情严重度的一元线性回归和多元逐步回归模型，实现了小麦赤霉病的有效监测，为染病小麦赤霉病在冠层尺度以及田块尺度上的无损诊断提供思路和依据。
-
公开(公告)号：CN104766152A
公开(公告)日：2015-07-08
申请号：CN201510051397.1
申请日：2015-01-30
Applicant: 安徽大学
Abstract: 本发明涉及农业植保信息技术领域，特别涉及一种作物病害识别与病情评估装置，包括：图谱信息采集装置、样品采集装置、图像采集卡和处理器；图谱信息采集装置，用于采集作物病害叶片的图谱信息；样品采集装置，设置在图谱信息采集装置的正下方，用于放置作物病害叶片以及为图谱信息采集装置提供微环境光源；图像采集卡，用于将图谱信息采集装置采集的作物病害叶片的图谱信息传输到处理器，处理其获取作物病害叶片的图谱信息，进行病害识别并计算病情指数，提供喷施药剂名称与喷洒剂量。本发明能准确地区分作物病害，计算病情指数，划分作物病害严重度；并针对作物病害的病情指数给出病害防治方法及施药措施，利于环境保护和促进农业生产。
-
公开(公告)号：CN102878957B
公开(公告)日：2015-05-27
申请号：CN201210367345.1
申请日：2012-09-26
Applicant: 安徽大学
Abstract: 本发明涉及基于遥感影像优化PROSAIL模型参数的叶面积指数和叶绿素含量的反演方法，包括：下载遥感影像并对其进行预处理，得到多光谱冠层反射率数据；运用PROSAIL模型，根据不同的参数组合建立查找表，确定不同参数和冠层反射率的关系，即回归方程；建立目标函数，结合多光谱冠层反射率数据，优化参数，直至得到目标函数的全局最小值及对应的参数组合，并利用多光谱冠层反射率数据对参数进行更新；根据上述所得到的回归方程、多光谱冠层反射率数据及参数组合，反演得到叶面积指数和叶绿素含量。该方法对传统方法进行了由点及面的扩展，无需田间观测数据，有效降低了传统方法测量叶面积指数和叶绿素含量的成本，提高了反演精度和速度。
-
公开(公告)号：CN119904747A
公开(公告)日：2025-04-29
申请号：CN202411963203.0
申请日：2024-12-30
Applicant: 安徽大学
Abstract: 本发明涉及一种基于提示学习的农作物病害识别方法，包括：获取农作物病害图像数据集；构建提示学习模型；将训练集输入提示学习模型进行训练；采用动态校准策略进行动态校准；校准后的提示向量通过动量缓冲机制进行更新，替换调整后的提示向量，得到更新后的提示学习模型；将待识别的农作物病害图像输入更新后的提示学习模型，得到识别结果。本发明首次将提示学习引入农作物病害识别任务，有效融合不同层次的特征信息，显著提升模型对基类的识别精度和新类的泛化性能；动态校准策略提升模型的域泛化能力，无需额外训练数据，利用CLIP模型中的跨模态知识在测试时对结果直接调优，有效解决传统熵最小化方法存在的特征偏移和性能衰减问题。
-
公开(公告)号：CN119785221A
公开(公告)日：2025-04-08
申请号：CN202411983904.0
申请日：2024-12-31
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/40 , G06V10/54 , G06V10/56 , G06N20/00 , G06N3/126 , G06V10/774 , G06V10/764 , G06N5/01
Abstract: 本发明涉及基于多时相多特征与可解释性机器学习算法相结合的小麦赤霉病遥感预测方法，与现有技术相比解决了难以基于多时多特征相结合提升赤霉病预测精度的缺陷。本发明包括以下步骤：单时相和多时相数据的获取及预处理；构建多时相特征；小麦赤霉病最优特征的筛选；小麦赤霉病预测模型的构建和训练；待预测遥感影像的获取；小麦赤霉病遥感预测结果的获得。本发明结合了小麦的多时相和多特征，基于模拟退火算法寻找最优的XGBoost超参数训练模型，且获得理性的分类模型，实现了小麦赤霉病遥感影像的精准预测。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.035 seconds)
