-
公开(公告)号：CN112183209A
公开(公告)日：2021-01-05
申请号：CN202010881317.6
申请日：2020-08-27
摘要： 本发明实施例提供一种基于多维特征融合的区域农作物分类方法及系统，该方法包括：获取目标区域农作物的多源多分辨率光学遥感数据和合成孔径雷达数据；首先对低分辨率光学遥感数据的光谱数据和提取得到的物候数据进行特征提取处理，得到光谱‑物候特征；对高分辨率光学遥感数据进行纹理特征提取，得到纹理特征；对合成孔径雷达进行特征提取，得到后向散射特征；将光谱‑物候特征、纹理特征和后向散射特征进行特征融合处理，得到目标区域农作物的多时相多特征数据集；利用多时相多特征对基于深度学习的农作物分类模型进行训练，得到分类结果。本发明实施例通过多源多时相特征融合以及深度学习分类，提高农作物识别精度。
-
公开(公告)号：CN117935073A
公开(公告)日：2024-04-26
申请号：CN202311810953.X
申请日：2023-12-26
申请人： 中国农业大学
摘要： 本发明提供一种多层次贝叶斯数据同化作物产量估测方法及系统，属于产量预测领域，包括：根据待估产区域的作物遥感LAI时间序列数据和待估产区域预设范围内的实测作物产量数据对作物生长模型进行标定，得到作物生长模型的参数后验样本集合；并通过抽样确定作物生长模型的初始预报集合；利用贝叶斯两步推断算法和LAI遥感观测集合确定优化后的不确定参数、优化作物生长模型和优化后的时间序列数据；利用优化后的时间序列数据驱动优化作物生长模型，得到后验预报集合；根据后验预报集合对待估产区域进行作物产量估测。本发明能够提高区域尺度的作物产量估测精度。
-
公开(公告)号：CN112183209B
公开(公告)日：2023-12-22
申请号：CN202010881317.6
申请日：2020-08-27
摘要： 本发明实施例提供一种基于多维特征融合的区域农作物分类方法及系统，该方法包括：获取目标区域农作物的多源多分辨率光学遥感数据和合成孔径雷达数据；首先对低分辨率光学遥感数据的光谱数据和提取得到的物候数据进行特征提取处理，得到光谱‑物候特征；对高分辨率光学遥感数据进行纹理特征提取，得到纹理特征；对合成孔径雷达进行特征提取，得到后向散射特征；将光谱‑物候特征、纹理特征和后向散射特征进行特征融合处理，得到目标区域农作物的多时相多特征数据集；利用多时相多特征对基于深度学习的农作物分类模型进行训练，得到分类结果。本发明实施例通过多源多时相特征融合以及深度学习分类，提高农作物识别精度。
-
公开(公告)号：CN114692971A
公开(公告)日：2022-07-01
申请号：CN202210330408.X
申请日：2022-03-30
申请人： 中国农业大学
摘要： 本发明提供一种基于产量差的作物产量预测方法及装置，该方法包括：采用马尔科夫链‑蒙特卡洛方法标定WOFOST作物模型参数；将气象数据输入已标定的WOFOST模型，生成待预测作物的潜在产量；将待预测作物潜在产量与田间观测产量相减，获取待预测作物的实际产量差；以实测样本作物生育期内的卫星数据、气象数据和潜在产量作为输入样本，以待预测作物的实际产量差为标签，搭建基于过程模型的神经网络模型；逐作物格网运行WOFOST模型生成潜在产量，输入神经网络模型生成预测产量差，由潜在产量减去预测产量差生成预测产量空间图。本发明融合过程模型和深度学习的优势，充分利用机理模型和遥感数据的丰富信息，提高作物产量预测精度。
-
公开(公告)号：CN113537604A
公开(公告)日：2021-10-22
申请号：CN202110826944.4
申请日：2021-07-21
申请人： 中国农业大学
摘要： 本发明提供一种耦合过程模型和深度学习的农作物产量预测方法及装置，方法包括：将训练集样本和待估产地块的目标农作物产量输入至预设物理指导网络PGNet模型进行训练，以获取目标PGNet模型；将测试集样本输入至目标PGNet模型，以获取目标农作物产量的预测值。具体地，通过目标PGNet模型中两个分支进行产量预测，即遥感分支及土壤水分分支，其中第二分支结合过程模型，通过土壤及水分条件保证光能利用率在合理范围内波动，并利用注意力机制将两个分支进行结合。所述装置用于执行上述方法。本发明提供的农作物产量预测方法，基于获得的目标物理指导网络模型可以实现对农作物产量实时准确的估产，并对指导农业生产具有重大意义。
-
公开(公告)号：CN118504814A
公开(公告)日：2024-08-16
申请号：CN202410486326.3
申请日：2024-04-22
申请人： 中国农业大学
IPC分类号： G06Q10/063 , G06N5/022 , G06Q50/26 , G06N3/08
摘要： 本发明属于深度学习技术领域，提供一种基于知识图谱的腾退地块用途适宜性评估方法和装置，该方法包括：获取第一待评估区域的目标数据和腾退地块的预设用途类型；根据目标数据构建第一知识图谱，图谱中包含至少一个第一目标对象和各对象之间的相关关系；根据目标数据提取各第一地块近期、中期和远期各自对应的目标特征取值；利用目标适宜性评估模型根据各第一地块近中远期的目标特征取值、第一知识图谱对应的第一特征向量以及预设用途类型对各第一地块的用途适宜性进行评估得到各第一地块对于各预设用途类型的适宜性概率。本发明实现腾退地块的批量自动评估，提升了对腾退地块进行用途评估的效率。
-
公开(公告)号：CN113505635B
公开(公告)日：2024-05-31
申请号：CN202110567398.7
申请日：2021-05-24
IPC分类号： G06V20/10 , G06V20/13 , G06V10/40 , G06V10/774 , G06V10/764
摘要： 本发明实施例提供一种基于光学和雷达的冬小麦与大蒜混种区识别方法及装置，该方法包括：在生育期内构建多时相遥感数据集，并根据反射率计算每景影像的多特征植被指数；在固定时间窗口内以植被指数最大值对多时相遥感数据集进行重组，得到时间序列数据集；根据研究区域的合成孔径雷达遥感数据，获取对应的后向散射系数时间序列数据集获得；将光学与雷达影像时间序列数据集耦合后特征，输入训练后的随机森林分类模型，得到研究区的作物分类结果；植被指数时间序列和后向散射系数时间序列中的特征，均为冬小麦与大蒜差异化最大的时期对应的区分度明显的遥感特征。该方法增强了冬小麦与大蒜间的差异性息，从而进一步提高混合种植区冬小麦的识别精度。
-
公开(公告)号：CN117934662A
公开(公告)日：2024-04-26
申请号：CN202311860135.0
申请日：2023-12-31
申请人： 中国农业大学
摘要： 本申请提供一种无样本标注的区域大豆制图方法、装置及设备，包括：基于地块样本集和历史参考数据，提取目标作物的物候生育期；基于物候生育期，提取目标作物的光谱波段时间序列曲线，并基于光谱波段时间序列曲线确定多个潜在大豆制图波段；基于作业区的遥感影像，提取各植被类型的遥感植被指数的时间序列曲线；基于各植被类型的遥感植被指数的时间序列曲线，确定与大豆叶绿素含量、冠层绿度的响应机制；基于格网搜索算法确定大豆制图全局目标时间窗口；在大豆制图全局目标时间窗口内基于特征耦合算法确定大豆制图复合指数SMCI，并基于SMCI指数的目标阈值进行大豆制图。本申请的方案能够在不依赖样本标注的情况下实现精准的大豆制图。
-
公开(公告)号：CN114782835A
公开(公告)日：2022-07-22
申请号：CN202210482156.2
申请日：2022-05-05
申请人： 中国农业大学
IPC分类号： G06V20/13 , G06V10/766 , G06V10/764 , G06K9/62 , G06T7/62
摘要： 本发明提供一种作物倒伏面积比例检测方法及装置，该方法包括：获取作业区内作物的卫星遥感影像；将卫星遥感影像输入至倒伏面积比例检测模型中，得到倒伏面积比例检测模型输出的倒伏面积比例检测结果；倒伏面积比例检测模型为从样本遥感影像中提取光谱特征和植被指数特征，基于光谱特征和植被指数特征，确定目标尺度格网单元，基于目标尺度格网单元确定敏感特征，基于敏感特征以及敏感特征对应的倒伏面积比例样本数据进行训练得到的。本发明提供的作物倒伏面积比例检测方法及装置，样能够实现对作物倒伏面积的定量分析，扩大了应用范围，实现了大范围区域的空间外推，提高了检测精度，能够满足大范围倒伏作物的监测需求。
-
公开(公告)号：CN114419367A
公开(公告)日：2022-04-29
申请号：CN202111643634.5
申请日：2021-12-29
申请人： 中国农业大学
IPC分类号： G06V10/764 , G06V20/13 , G06V10/34 , G06K9/62
摘要： 本发明提供一种农作物高精度制图方法及系统，该方法包括：根据预设年份内目标区域的陆地卫星表面反射率影像，获取所述目标区域对应的月均值时序合成影像集合；将所述月均值时序合成影像集合输入到训练好的分类模型中，得到所述目标区域在所述预设年份内的农作物空间分布制图结果，其中，所述训练好的分类模型是由具有月均值时序合成影像像素特征的农作物采样点，对随机森林分类器进行训练得到的。本发明通过获取农作物区域的陆地卫星表面反射率影像，基于由随机森林分类器训练得到的分类模型，对陆地卫星表面反射率影像进行分类，得到农作物区域更为精准的空间分布图，更加准确的对农作物分布区域进行监测和评估。
-
-
-
-
-
-
-
-
-
搜索结果
32 条记录 (耗时 0.061 秒)