-
公开(公告)号：CN118609003A
公开(公告)日：2024-09-06
申请号：CN202410751370.2
申请日：2024-06-12
Applicant: 南京农业大学
Abstract: 本发明公开了一种基于点云和光谱融合的估测作物产量的新三维指标构建方法，首先，通过作物无人机多光谱影像构建植被指数，并与冠层叶绿素建立线性回归模型；然后，通过无人机激光雷达获取作物点云，利用多维矩阵融合的方法将点云与多光谱影像进行融合，生成作物多光谱点云；同时，将冠层叶绿素线性回归模型应用于作物多光谱点云，从而生成作物冠层叶绿素三维空间分布；最后，将冠层叶绿素三维空间分布进行垂直分层并统计垂直层的75％分位数(CCC_P75th)用来估测产量。结果表明，本发明构建的新型三维指标(CCC_P75th)同时包含了作物的结构和生理特征，相比于传统指标对产量具有更好的估测能力，这对作物高产株型筛选具有重要的指导意义。
-
公开(公告)号：CN112345458A
公开(公告)日：2021-02-09
申请号：CN202011137002.7
申请日：2020-10-22
Applicant: 南京农业大学
Abstract: 本发明提出一种基于无人机多光谱影像的小麦产量估测方法，将小麦冠层多光谱影像数据与产量数据相结合，通过单因子和多因子的建模角度，采用不同建模方法构建了小麦产量预测模型。本发明充分考虑了产量的形成过程机理以及不同生育时期对小麦产量估测的影响，通过敏感植被指数的筛选、多个生育期的结合以及机器学习方法的应用能够精准、无损地估测不同处理下的小麦产量，本发明将为小麦产量精准估测方法提供新的思路，为区域尺度的精准农业管理和决策提供重要理论基础与技术支撑。
-
公开(公告)号：CN109459392B
公开(公告)日：2019-06-14
申请号：CN201811312158.7
申请日：2018-11-06
Applicant: 南京农业大学
Abstract: 本发明提出一种基于无人机多光谱影像的水稻地上部生物量估测方法，步骤如下：规范采集水稻冠层无人机多光谱影像数据和地面实测生物量数据；获取后进行影像预处理，提取反射率和纹理特征参数，计算植被指数，并构建新的纹理指数；利用逐步多元回归分析法，综合植被指数和纹理指数估测水稻生物量，并以此建立估测生物量的多元线性模型。采用交叉验证方法对该新估测模型进行精度验证。本发明的方法估测精度高、对输入数据要求少，适用于水稻全生育期，同时也是目前第一次提出综合无人机光谱和纹理信息估测水稻生物量的方法，可广泛用于无人机遥感监测作物长势。
-
公开(公告)号：CN119314042A
公开(公告)日：2025-01-14
申请号：CN202411342428.4
申请日：2024-09-25
Applicant: 南京农业大学
IPC: G06V20/10 , G06V20/13 , G06V10/62 , G06T3/4053 , G06T7/62 , G06Q10/04 , G06Q10/0639 , G06Q50/02
Abstract: 本发明提出了一种基于高分辨率总初级生产力和动态收获指数的田块级水稻产量遥感估测方法，包括以下步骤：首先基于遥感云平台获取水稻生长季时间序列Sentinel‑2影像并计算叶面积指数，同时获取气象数据EAR5产品和CO2数据；然后利用自助抽样法和多模型过程敏感性分析方法分析了水稻生长季环境因子对总初级生产力GPP的影响规律，构建一种改进的双叶光能利用率模型，实现高分辨率水稻GPP高精度估算。最后结合动态收获指数形成HIDYM方法，实现江苏省多年份田块级水稻产量估测。该方法可快速、准确估测大范围田块级水稻产量。
-
公开(公告)号：CN112613338B
公开(公告)日：2023-11-24
申请号：CN202011303935.9
申请日：2020-11-19
Applicant: 南京农业大学
IPC: G06V20/10 , G06V20/17 , G06V10/44 , G06V10/54 , G06V10/56 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06V20/68 , G06N3/006 , G06N3/0464 , G01N21/17 , G01N21/84
Abstract: 本发明提出基于RGB图像融合特征的小麦叶层氮含量估测方法，步骤包括：采集小麦冠层RGB图像和实测小麦叶层氮含量；首先，进行RGB图像预处理，计算可见光植被指数；其次，利用离散小波变换方法实现水平方向、垂直方向和对角方向的多尺度小波纹理特征提取；再次，利用卷积神经网络提取RGB图像深层特征；最后，构建基于融合特征的粒子群优化支持向量回归模型估测小麦叶层氮含量。本发明的方法估测精度高、特征鲁棒性强，适用于小麦全生育期，同时也是目前
-
Patent Agency Ranking
公开(公告)号：CN116486034A
公开(公告)日：2023-07-25
申请号：CN202211499179.0
申请日：2023-01-28
Applicant: 南京农业大学
IPC: G06T17/20 , G06T7/136 , G06V10/762
Abstract: 本发明公开了一种田间小麦穗数提取方法，包括步骤：步骤1、采集小麦穗数样本和点云；步骤2、对从步骤1得到的小麦点云进行预处理；步骤3、选取任意点进行最小二乘曲面拟合，并获取该点所在平面的法向量；步骤4、计算点云法线差异度，分割茎或穗点云；步骤5、通过密度聚类进行茎或穗点云聚类：步骤6、根据聚类结果，统计小区内穗数。本发明方法提取的小麦穗数与田间实测的穗数进行比较，验证了算法的可行性，说明本发明方法实现了对大田作物穗数的快速、准确、无损提取，同时具有较高的普适性，为田间小麦穗数的提取提供了理论基础和技术支撑。
-
公开(公告)号：CN116469019A
公开(公告)日：2023-07-21
申请号：CN202310400046.1
申请日：2023-04-14
Applicant: 南京农业大学
IPC: G06V20/17 , G06V20/10 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于全卷积神经网络的田间小区自动分割方法，该方法基于无人机遥感平台获取小麦育种试验的无人机影像，构建全卷积神经网模型，在模型中引入注意力机制用于平衡数据集中类别分布不均衡的情况，之后使用图像细化以及直线检测等后处理算法对全卷积神经网络得到的边界提取结果行进一步的改进和完善，最后将训练好的全卷积神经网络模型和后处理算法部署至电脑端实现Windows操作系统下的育种小区边界提取系统，实现一套系统化、自动化的育种小区边界提取流程。本发明能够有效地缓解传统方法因小区内部阴影和杂草等原因造成的误分类现象，适用于基于无人机平台获取的遥感影像的育种试验边界提取问题。
-
公开(公告)号：CN114694036A
公开(公告)日：2022-07-01
申请号：CN202210267472.8
申请日：2022-03-18
Applicant: 南京农业大学 , 神农智慧农业研究院南京有限公司
Abstract: 本发明公开了一种基于高分影像和机器学习的高海拔地区作物分类识别的方法，该方法使用国产GF6‑PMS卫星影像，结合光谱、纹理、植被指数及地形因子等特征，通过基于随机森林的递归特征消除策略筛选出最优特征组合，并计算Gini指数获得各输入特征的重要性得分，进一步利用两层堆叠驱动的集成分类模型(包含Random Forest、XGBoost和AdaBoost三个单一分类器模型)对高海拔地区作物进行分类识别。本发明基于最优特征组合(Green、Red、NIR、TVI、GNDVI、Blue_Mean、Green_Mean、Red_Mean、NIR_Mean、DEM)构建的Stacking模型可以在较大程度上改善高海拔地区农作物的分类识别精度，尤其是种植面积较大的大宗作物的分类识别精度，为国产高分卫星影像在高海拔地区进行农作物遥感识别提供了科学参考依据。
-
公开(公告)号：CN113989296A
公开(公告)日：2022-01-28
申请号：CN202111074382.9
申请日：2021-09-14
Applicant: 南京农业大学
Abstract: 本发明提出基于改进U‑net网络的无人机麦田遥感图像分割方法，通过加入注意力模块的方式加强目标特征学习，同时通过改进损失函数的方法对权重进行重分配，从而解决遥感图像中目标背景类别分布不均的问题；最后，结合形状先验信息对分割结果进行进一步修正。本发明利用采集的无人机麦田数据集进行训练和模型验证，试验结果表明，分割准确率和平均交并比分别达93.31％和73.91％，较好解决了田埂分割遮挡和缺失等问题。
-
公开(公告)号：CN112613338A
公开(公告)日：2021-04-06
申请号：CN202011303935.9
申请日：2020-11-19
Applicant: 南京农业大学
Abstract: 本发明提出基于RGB图像融合特征的小麦叶层氮含量估测方法，步骤包括：采集小麦冠层RGB图像和实测小麦叶层氮含量；首先，进行RGB图像预处理，计算可见光植被指数；其次，利用离散小波变换方法实现水平方向、垂直方向和对角方向的多尺度小波纹理特征提取；再次，利用卷积神经网络提取RGB图像深层特征；最后，构建基于融合特征的粒子群优化支持向量回归模型估测小麦叶层氮含量。本发明的方法估测精度高、特征鲁棒性强，适用于小麦全生育期，同时也是目前第一次提出综合RGB图像的可见光植被指数、小波纹理特征、优选的深层特征构建融合特征来估测小麦叶层氮含量的方法。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.024 seconds)
