-
公开(公告)号：CN116541688B
公开(公告)日：2024-04-26
申请号：CN202310380233.8
申请日：2023-04-11
Applicant: 南京农业大学 , 南京农业大学泰州研究院
IPC: G06F18/213 , G01N33/18 , G06F18/10 , G06V20/10 , G06F123/02
Abstract: 本发明提供了一种基于遥感物候/植被信息的稻作灌区田面水氮浓度预测方法，运用GEE云平台，采用谐波分析提取水稻种植范围，通过双逻辑函数识别水稻主要物候时间；结合实地调研建立基于物候的施肥时间预测模型，建立基于水稻不同物候阶段LAI的施氮量反演模型，建立基于施肥后天数和施氮量的稻田田面水氮浓度预测模型；基于GEE云平台，运用施肥时间预测模型以及施氮量反演模型获取灌区内施肥时间及施氮量的时空变化，结合稻田田面水氮浓度预测模型，能够精准预测灌区稻田田面水氮浓度时空热点。本方法充分考虑了灌区不同田块施肥日期\量的时空变异性，并科学刻画出不同施肥日期\量下田面水氮浓度衰减规律，为面源氮污染物流失精准定量评估及减排提供保障。
-
公开(公告)号：CN118536703A
公开(公告)日：2024-08-23
申请号：CN202410600073.8
申请日：2024-05-15
Applicant: 南京农业大学 , 南京农业大学泰州研究院
IPC: G06Q10/063 , G06Q50/02
Abstract: 本发明提供了一种基于遥感与水量平衡的高时空分辨率灌区稻田径流预测方法，基于遥感和调查数据确定区域尺度上稻田田块的初始灌溉时间/量以及田埂排水口高度空间分布；基于多源遥感获取灌区高时空分辨率蒸散发数据；基于观测水文数据提出渗漏定量模型，获取高时空分辨率稻田渗漏量数据；基于水量平衡方程在田块尺度上自动迭代模拟灌区稻田关键水文过程，精准预测稻田径流时空变化。本方法充分考虑了灌区不同田块初始灌溉时间/量以及田埂排水口高度的空间异质性，可以提高灌溉效率，同时也为农业面源污染流失评估提供精准的水情预报数据。
-
公开(公告)号：CN116381176B
公开(公告)日：2024-04-12
申请号：CN202310380483.1
申请日：2023-04-11
Applicant: 南京农业大学 , 南京农业大学泰州研究院
Abstract: 本发明提供了一种基于低成本传感器和智能算法的灌区水体温室气体监测系统，通过低成本传感器监测系统实时监测灌区内池塘、河流的水环境参数(流量、水温、水深、pH、硝态氮、氨态氮、CO2溶解态浓度)和大气环境参数(CO2气体浓度)，基于水环境参数和溶解态N2O实测数据集构建溶解态N2O智能算法，再通过温室气体水气界面交换模型实现灌区水环境的溶解态N2O和CO2及其排放通量同步监测，通过OneNET云服务器实现定时远程控制及灌区水生态系统的水质、溶解态N2O和CO2排放通量变化的可视化显示。本设计充分结合了传感器技术及智能算法的优势，既降低了成本，又实现了快速有效的灌区水生态系统N2O和CO2排放评估。
-
公开(公告)号：CN116541688A
公开(公告)日：2023-08-04
申请号：CN202310380233.8
申请日：2023-04-11
Applicant: 南京农业大学 , 南京农业大学泰州研究院
IPC: G06F18/213 , G01N33/18 , G06F18/10 , G06V20/10 , G06F123/02
Abstract: 本发明提供了一种基于遥感物候/植被信息的稻作灌区田面水氮浓度预测方法，运用GEE云平台，采用谐波分析提取水稻种植范围，通过双逻辑函数识别水稻主要物候时间；结合实地调研建立基于物候的施肥时间预测模型，建立基于水稻不同物候阶段LAI的施氮量反演模型，建立基于施肥后天数和施氮量的稻田田面水氮浓度预测模型；基于GEE云平台，运用施肥时间预测模型以及施氮量反演模型获取灌区内施肥时间及施氮量的时空变化，结合稻田田面水氮浓度预测模型，能够精准预测灌区稻田田面水氮浓度时空热点。本方法充分考虑了灌区不同田块施肥日期\量的时空变异性，并科学刻画出不同施肥日期\量下田面水氮浓度衰减规律，为面源氮污染物流失精准定量评估及减排提供保障。
-
公开(公告)号：CN116381176A
公开(公告)日：2023-07-04
申请号：CN202310380483.1
申请日：2023-04-11
Applicant: 南京农业大学 , 南京农业大学泰州研究院
Abstract: 本发明提供了一种基于低成本传感器和智能算法的灌区水体温室气体监测系统，通过低成本传感器监测系统实时监测灌区内池塘、河流的水环境参数(流量、水温、水深、pH、硝态氮、氨态氮、CO2溶解态浓度)和大气环境参数(CO2气体浓度)，基于水环境参数和溶解态N2O实测数据集构建溶解态N2O智能算法，再通过温室气体水气界面交换模型实现灌区水环境的溶解态N2O和CO2及其排放通量同步监测，通过OneNET云服务器实现定时远程控制及灌区水生态系统的水质、溶解态N2O和CO2排放通量变化的可视化显示。本设计充分结合了传感器技术及智能算法的优势，既降低了成本，又实现了快速有效的灌区水生态系统N2O和CO2排放评估。
-
Patent Agency Ranking
公开(公告)号：CN120031826A
公开(公告)日：2025-05-23
申请号：CN202510100602.2
申请日：2025-01-22
Applicant: 南京农业大学
IPC: G06T7/00 , G06T7/10 , G06T7/62 , G06T17/20 , G06T5/70 , G06V20/10 , G06V20/68 , G06V10/75 , G06V10/762 , G06V10/764 , G06V10/77 , G06V10/766 , G06V10/774 , G06V10/776 , G06Q50/02 , G06N5/01
Abstract: 本发明公开了一种基于三维点云的梨树最佳负载量估算方法。包括以下步骤：1.使用地面激光扫描仪采集梨树点云数据；2.根据点云数据提取梨树三维性状，包括东西冠幅、南北冠幅、树高、树冠高度、树冠体积、树冠表面积和树冠投影面积；3.基于提取的梨树三维性状，使用梨树叶片数估算模型估计梨树叶片数；4.结合梨树叶片数和梨树最佳叶果比，估算梨树最佳负载量(估算公式为：最佳负载量＝叶片数/最佳叶果比)。该方法直接通过三维点云计算获得梨树最佳负载量，弥补了当前梨树最佳负载量估算方法的缺乏，为科学指导梨树疏果作业，实现产量与品质平衡奠定基础。
-
公开(公告)号：CN119540775A
公开(公告)日：2025-02-28
申请号：CN202411717499.8
申请日：2024-11-27
Applicant: 南京农业大学
IPC: G06V20/10 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于梨果实图像深度学习的梨品种识别方法，它包括以下步骤：S1、收集不同梨品种成熟期梨果实图像，通过室内拍摄图像和室外原位拍摄图像两种方式获取数据集，并将每个品种的图像进行数据划分与增强；S2、搭建卷积神经网络模型，包括：ResNet34‑out模型和ResNet34‑ELU模型并训练验证获得相应的卷积神经网络模型；S3、采集成熟期梨果实的图像数据，使用S2搭建的卷积神经网络模型进行梨品种识别。本发明所提出的ResNet34‑out模型和ResNet34‑ELU模型与AlexNet、VGG、GoogleNet模型进行比较，通过上述两种优化后的模型可使梨果实识别准确率达到95.12％。
-
公开(公告)号：CN118542162A
公开(公告)日：2024-08-27
申请号：CN202410686427.5
申请日：2024-05-30
Applicant: 南京农业大学
Abstract: 本申请提供了一种基于机器视觉的果树自动修剪系统，其在履带车上设置机械臂装置、定位导航装置以及边缘计算模块。该系统在运行过程中可同步通过激光雷达扫描果园获得激光点云，配合相机所采集的果园图像构建出果园全景点云地图，并由此分割出各棵果树的点云以指导履带车运行至果树附近，然后进一步根据机械臂上作业端所设的近景激光雷达和作业端深度相机扫描所获得的局部点云和近景图像识别果树枝干上需修剪的树枝，并相应驱动执行器进行修剪。本申请通过将激光扫描技术、机器视觉技术、自主导航与避障技术和果树枝条修剪技术进行整合，真正实现了果树枝条修剪的自动化和智能化，为通过改良树形来提高果树栽培效率提供有力的系统化技术支持。
-
公开(公告)号：CN119540774A
公开(公告)日：2025-02-28
申请号：CN202411717498.3
申请日：2024-11-27
Applicant: 南京农业大学
IPC: G06V20/10 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于梨叶片图像深度学习的梨品种识别方法，它包括以下步骤：S1、收集不同梨品种嫩叶、成熟叶片图像，通过室内拍摄图像和室外原位拍摄图像两种方式获取数据集，并将每个品种的图像进行数据划分与增强；S2、搭建卷积神经网络模型，包括：ResNet34‑out模型和ResNet34‑ELU模型并训练验证获得相应的卷积神经网络模型；S3、采集梨品种叶片的图像数据，使用S2搭建的卷积神经网络模型进行梨品种识别。本发明所提出的ResNet34‑out模型和ResNet34‑ELU模型与AlexNet、VGG、GoogleNet模型进行比较，通过上述两种优化后的模型可使梨叶片识别准确率达到96.01％。
-
公开(公告)号：CN119066954A
公开(公告)日：2024-12-03
申请号：CN202411064087.9
申请日：2024-08-05
Applicant: 南京农业大学
IPC: G06F30/27 , G01N33/18 , G06F30/28 , G06Q50/02 , G06Q50/26 , G06N3/084 , G06N3/048 , G06F16/29 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本发明提供了一种基于遥感和智能算法的稻田N2O温室气体排放监测方法，首先基于实测水质参数(水温、pH、总氮、无机氮)和溶解态N2O浓度数据，使用反向传播神经网络BPNN算法构建溶解态N2O预测模型；基于遥感的总氮、无机氮、pH以及水温反演算法，进一步与溶解态N2O预测模型、水‑气界面N2O排放模型相结合，最终构建了基于遥感和智能算法的稻田N2O温室气体排放监测方法，实现区域尺度不同田块N2O产生和排放的时空变化监测。该方法集成遥感技术和智能算法，能够提供高时空分辨率的监测数据，对探究复杂水肥管理下稻田N2O温室气体的产生与排放具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.017 seconds)
