-
公开(公告)号：CN111666855B
公开(公告)日：2023-06-30
申请号：CN202010475356.6
申请日：2020-05-29
申请人： 中国科学院地理科学与资源研究所 , 天津中科无人机应用研究院
IPC分类号： G06V20/10 , G06V20/64 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06T7/62 , G06V20/17
摘要： 本发明涉及一种基于无人机的动物三维参数提取方法、系统及电子设备；首先，通过图像动物识别模型对图像进行识别，得到每头/只动物的种类和每头/只动物的轮廓所对应的掩膜多边形，根据激光雷达点云得到动物点；然后，通过获取每个掩膜多边形所对应的动物点，能准确获知动物在图像和激光雷达点云中的位置匹配关系；最后，从激光雷达点云中得到每头/只动物的高度，从无人机高分辨率影像中计算动物的体长、体面积等参数。本发明通过融合无人机高分辨率影像和激光雷达点云，不仅能提升动物识别精度，实现三维参数的快速提取，还能定量估算大型食草动物的体重和羊单位，对畜牧业发展和野生动物保护有重要意义。
-
公开(公告)号：CN111666855A
公开(公告)日：2020-09-15
申请号：CN202010475356.6
申请日：2020-05-29
申请人： 中国科学院地理科学与资源研究所 , 天津中科无人机应用研究院
摘要： 本发明涉及一种基于无人机的动物三维参数提取方法、系统及电子设备；首先，通过图像动物识别模型对图像进行识别，得到每头/只动物的种类和每头/只动物的轮廓所对应的掩膜多边形，根据激光雷达点云得到动物点；然后，通过获取每个掩膜多边形所对应的动物点，能准确获知动物在图像和激光雷达点云中的位置匹配关系；最后，从激光雷达点云中得到每头/只动物的高度，从无人机高分辨率影像中计算动物的体长、体面积等参数。本发明通过融合无人机高分辨率影像和激光雷达点云，不仅能提升动物识别精度，实现三维参数的快速提取，还能定量估算大型食草动物的体重和羊单位，对畜牧业发展和野生动物保护有重要意义。
-
公开(公告)号：CN116579446A
公开(公告)日：2023-08-11
申请号：CN202211503201.4
申请日：2022-11-28
申请人： 中国科学院地理科学与资源研究所 , 中科山东东营地理研究院
IPC分类号： G06Q10/04 , G06Q50/02 , G06V20/10 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/82 , G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/08 , G06N20/00
摘要： 本发明的利用深度学习和表型特征估算高精度小麦籽粒产量的方法，包括如下步骤：步骤1、拍摄采集小麦籽粒表型特征数据；步骤2、在步骤1拍摄采集完成后，对采样区中的麦穗进行采样计数称重；步骤3、对步骤1拍摄采集到的图像进行预处理；步骤4、将步骤3经过预处理的图像代入深度学习模型中进行迭代训练进行麦穗分割，并进行模型表现评估；步骤5、对经过步骤4完成麦穗分割的图像，进行麦穗表型特征的提取；步骤6、在步骤5提取到的麦穗表型特征驱动下，建立表型特征和籽粒产量之间的关系，从而进行籽粒产量的估算；本发明基于作物表型特征和籽粒产量之间建立直接关系；不易受到外界环境因素干扰，产量估算结果精确。
-
公开(公告)号：CN116579446B
公开(公告)日：2024-03-26
申请号：CN202211503201.4
申请日：2022-11-28
申请人： 中国科学院地理科学与资源研究所 , 中科山东东营地理研究院
IPC分类号： G06Q10/04 , G06Q50/02 , G06V20/10 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/82 , G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/08 , G06N20/00
摘要： 本发明的利用深度学习和表型特征估算高精度小麦籽粒产量的方法，包括如下步骤：步骤1、拍摄采集小麦籽粒表型特征数据；步骤2、在步骤1拍摄采集完成后，对采样区中的麦穗进行采样计数称重；步骤3、对步骤1拍摄采集到的图像进行预处理；步骤4、将步骤3经过预处理的图像代入深度学习模型中进行迭代训练进行麦穗分割，并进行模型表现评估；步骤5、对经过步骤4完成麦穗分割的图像，进行麦穗表型特征的提取；步骤6、在步骤5提取到的麦穗表型特征驱动下，建立表型特征和籽粒产量之间的关系，从而进行籽粒产量的估算；本发明基于作物表型特征和籽粒产量之间建立直接关系；不易受到外界环境因素干扰，产量估算结果精确。
-
公开(公告)号：CN116597296B
公开(公告)日：2024-05-14
申请号：CN202211400718.0
申请日：2022-11-09
申请人： 中国科学院地理科学与资源研究所
摘要： 本发明的基于深度学习和热力图的麦苗密度估算方法，采用包括麦苗和背景分离通道的DeNet模型，将分割的小麦影像输出小麦影像热力值拼图，计算得到小麦影像估算植株计数，得到小麦影像中小麦的估算密度；本发明的基于深度学习和热力图的麦苗密度估算方法，利用无人机和深度学习技术，可实现对大区域内的小麦植株密度详细、无伤估算；对分蘖后的小麦密度进行识别，提高了麦苗密度的估算精确度，有利于提高对大田小麦的精准管理；增加包括了麦苗和背景分离通道对神经网络进行自我修正，得到的估算结果更接近真实数据，与实地采样的结果误差更小；相较于传统的田间手动采样方法，省时省力，应用性好。
-
公开(公告)号：CN116597296A
公开(公告)日：2023-08-15
申请号：CN202211400718.0
申请日：2022-11-09
申请人： 中国科学院地理科学与资源研究所
摘要： 本发明的基于深度学习和热力图的麦苗密度估算方法，采用包括麦苗和背景分离通道的DeNet模型，将分割的小麦影像输出小麦影像热力值拼图，计算得到小麦影像估算植株计数，得到小麦影像中小麦的估算密度；本发明的基于深度学习和热力图的麦苗密度估算方法，利用无人机和深度学习技术，可实现对大区域内的小麦植株密度详细、无伤估算；对分蘖后的小麦密度进行识别，提高了麦苗密度的估算精确度，有利于提高对大田小麦的精准管理；增加包括了麦苗和背景分离通道对神经网络进行自我修正，得到的估算结果更接近真实数据，与实地采样的结果误差更小；相较于传统的田间手动采样方法，省时省力，应用性好。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.06 秒)
