-
公开(公告)号：CN117726902A
公开(公告)日：2024-03-19
申请号：CN202311757298.6
申请日：2023-12-19
申请人： 中国科学院空天信息创新研究院
IPC分类号： G06V10/774 , G06V10/40 , G06V10/34 , G06V10/764 , G06V20/10 , G06T7/62 , G06Q50/02
摘要： 本发明提出一种基于Sentinel2时序曲线分布的大豆样本生成方法和系统。其中，方法包括：从大豆作物的理化性质出发，利用Sentinel2特征参量时间序列的特征分布生成大豆样本点，能够以准确、简易的方式实现大豆样本点获取，解决大豆种植区分布制图中缺乏样本的问题，使大范围的大豆制图成本更低。经与现有作物分类产品对比，本方法在黑龙江省能够达到90％左右的精度。该方法能够实现市级或省级尺度的大豆样本点准确生成，进而应用在大豆种植区精确识别中，为大豆作物的种植管理、产量估算和市场调动提供重要科学指导依据。
-
公开(公告)号：CN115690585B
公开(公告)日：2023-06-06
申请号：CN202211414929.X
申请日：2022-11-11
申请人： 中国科学院空天信息创新研究院
IPC分类号： G06V20/10 , G06V10/774 , G06V10/776 , G06V10/82 , G06T3/60 , G06T7/90 , G06N3/0464 , G06N3/048
摘要： 本发明提出一种基于数字相片提取小麦分蘖数的方法和系统。其中，方法包括：采集冬小麦数字相片，得到训练集和验证集；对所述训练集进行数据增强，得到数据增强后的训练集；以真实的分蘖数为标签，对所述数据增强后的训练集和验证集进行样本标签制作；构建分蘖数提取模型；应用所述数据增强后的训练集和对应的标签对所述分蘖数提取模型进行训练和参数设置；定量评价所述分蘖数提取模型对所述验证集的相片分蘖数提取的准确性。本发明提出的方案，可以从数字相片中提取出小麦的分蘖数量，其精度保证相对误差在10％左右，可以满足未来利用拍摄数字相片的方式，基于深度学习提取冬小麦分蘖数，代替人工田间计数。
-
公开(公告)号：CN114494882B
公开(公告)日：2023-04-18
申请号：CN202210116672.3
申请日：2022-02-07
申请人： 中国科学院空天信息创新研究院
IPC分类号： G06V20/10 , G06V10/54 , G06V10/764 , G06V10/774 , G06V10/80 , G06T7/41 , G06T7/62
摘要： 本发明提出一种基于随机森林的冬小麦遥感识别分析方法和系统。其中，方法包括：应用影像集生成指数特征，然后将影像集、指数特征和地形特征融合得到第二合成影像，再应用第二合成影像计算纹理特征，最后将纹理特征与第二合成影像融合，得到第三合成影像；应用训练集和第三合成影像作为随机森林分类模型输入，训练随机森林模型；应用测试集计算混淆矩阵，来评估每个生育期阶段的冬小麦的分类结果精度；选取可分性和分类结果精度最高的生育期阶段的遥感影像生成冬小麦空间分布图，得到提取面积，并应用提取面积与地面真实值，对提取面积进行精度评价。本发明提出的方案，总体精度高，分类效果好，拔节抽穗期冬小麦遥感识别精度最高。
-
公开(公告)号：CN117592619B
公开(公告)日：2024-08-30
申请号：CN202311742195.2
申请日：2023-12-18
申请人： 中国科学院空天信息创新研究院
IPC分类号： G06Q10/04 , G06Q50/02 , G06N3/0442 , G06N3/042 , G06N3/045
摘要： 本发明提出一种基于GNN‑LSTM的县域冬小麦估产分析方法和系统。其中，方法包括：在研究区内计各个县的冬小麦单产数据，然后将其制作带有标签的量产文件，并转化为县域邻接矩阵文件；获取遥感影像和气象数据；在所述遥感影像和气象数据中选择估产分析模型的输入特征；应用所述输入特征、带有标签的量产文件和县域邻接矩阵文件制作训练集和测试集；应用训练集对估产分析模型进行训练和模型调参；应用测试集对训练好的估产分析模型预测县域的冬小麦产量，并对估产分析模型的训练结果进行评价。本发明提出的方案能够看到，预测和真实产量值的空间分布趋势也大致相同，高值和低值的空间展布是温和的，在空间上的预测效果也很好。
-
公开(公告)号：CN117592619A
公开(公告)日：2024-02-23
申请号：CN202311742195.2
申请日：2023-12-18
申请人： 中国科学院空天信息创新研究院
IPC分类号： G06Q10/04 , G06Q50/02 , G06N3/0442 , G06N3/042 , G06N3/045
摘要： 本发明提出一种基于GNN‑LSTM的县域冬小麦估产分析方法和系统。其中，方法包括：在研究区内计各个县的冬小麦单产数据，然后将其制作带有标签的量产文件，并转化为县域邻接矩阵文件；获取遥感影像和气象数据；在所述遥感影像和气象数据中选择估产分析模型的输入特征；应用所述输入特征、带有标签的量产文件和县域邻接矩阵文件制作训练集和测试集；应用训练集对估产分析模型进行训练和模型调参；应用测试集对训练好的估产分析模型预测县域的冬小麦产量，并对估产分析模型的训练结果进行评价。本发明提出的方案能够看到，预测和真实产量值的空间分布趋势也大致相同，高值和低值的空间展布是温和的，在空间上的预测效果也很好。
-
公开(公告)号：CN117173565A
公开(公告)日：2023-12-05
申请号：CN202311127275.7
申请日：2023-09-01
申请人： 中国科学院空天信息创新研究院
IPC分类号： G06V20/10 , G06V20/13 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/096 , G06N3/084 , G06V10/74
摘要： 本发明提出一种深度迁移学习估算大区域小麦植被覆盖度方法和系统。其中，方法包括：以PROSAIL模型输入参数数据和挑选的土壤反射率数据为PROSAIL模型输入，生成目标卫星对应波段的模拟反射率数据，使用LAI和ALA的间隙函数计算模拟数据标签，得到模拟训练数据集；应用采样后的模拟训练数据集预训练基础的小麦植被覆盖度估算模型；以研究区域卫星数据和实测小麦植被覆盖度测量数据作为目标域中实际训练数据集，进一步通过误差反向传播算法微调估算模型的网络的参数。本发明提出的方案能够通过学习实际卫星遥感数据的光谱特征来降低预训练后的模型的不确定性，从而显著提升估算模型的反演精度，有较强的泛化能力和鲁棒性。
-
公开(公告)号：CN115830442B
公开(公告)日：2023-08-04
申请号：CN202211414911.X
申请日：2022-11-11
申请人： 中国科学院空天信息创新研究院
IPC分类号： G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
摘要： 本发明提出一种基于机器学习的小麦茎蘖密度遥感估算方法和系统。其中，方法包括：根据小麦茎蘖的植被结构和生化参数，再应用遥感影像的反射率值，得到植被指数图；根据遥感影像的几何形状的反射率值，计算得到图像纹理特征图；将采样点的点矢量格式的数据与植被指数图和图像纹理特征图对应，得到样本数据；对样本数据中的植被指数进行筛选，进而得到筛选后的样本数据；应用筛选后的样本数据对机器学习模型进行训练；应用训练好的机器学习模型对小麦茎蘖密度进行估算。本发明提出的方案，可以扩展到县级区域进行使用，其精度能保证相对误差在10％之内，可以满足未来应用卫星遥感数据进行大区域冬小麦茎蘖估算的精度要求。
-
公开(公告)号：CN115578637B
公开(公告)日：2023-05-30
申请号：CN202211267533.7
申请日：2022-10-17
申请人： 中国科学院空天信息创新研究院
摘要： 本发明提出一种基于长短期记忆网络的冬小麦估产分析方法和系统。其中，方法包括：得到冬小麦每个样点边界所对应的矢量文件；根据冬小麦所含叶绿素和水分对特定波段吸收或反射的光谱信息，得到特征光谱波段，计算指数特征；将每个月份内的筛选后的遥感影像通过取均值的方法合成一副均值影像，再在均值影像中计算出指数特征，得到包含指数特征栅格区域的影像，应用矢量文件对包含指数特征栅格区域的影像进行裁剪，得到影像特征；应用影像特征和矢量文件对应的产量数据对基于长短期记忆网络的深度学习网络进行训练；对训练好的深度学习网络的预测进行评价。本发明提出的方案，使用深度学习的估产方案精度更高，采用R2指标评价精度达到0.9以上。
-
公开(公告)号：CN115578637A
公开(公告)日：2023-01-06
申请号：CN202211267533.7
申请日：2022-10-17
申请人： 中国科学院空天信息创新研究院
摘要： 本发明提出一种基于长短期记忆网络的冬小麦估产分析方法和系统。其中，方法包括：得到冬小麦每个样点边界所对应的矢量文件；根据冬小麦所含叶绿素和水分对特定波段吸收或反射的光谱信息，得到特征光谱波段，计算指数特征；将每个月份内的筛选后的遥感影像通过取均值的方法合成一副均值影像，再在均值影像中计算出指数特征，得到包含指数特征栅格区域的影像，应用矢量文件对包含指数特征栅格区域的影像进行裁剪，得到影像特征；应用影像特征和矢量文件对应的产量数据对基于长短期记忆网络的深度学习网络进行训练；对训练好的深度学习网络的预测进行评价。本发明提出的方案，使用深度学习的估产方案精度更高，采用R2指标评价精度达到0.9以上。
-
公开(公告)号：CN114463637A
公开(公告)日：2022-05-10
申请号：CN202210117044.7
申请日：2022-02-07
申请人： 中国科学院空天信息创新研究院
摘要： 本发明提出一种基于深度学习的冬小麦遥感识别分析方法和系统。其中，方法包括：创建多边形区域的标签矢量文件，将标签矢量文件转化成栅格文件，生成方形矢量数据，利用方形矢量数据，批量裁剪多边形区域的五个生育期的中值合成影像和栅格文件，并调其大小，得到训练数据集、验证数据集和测试数据集；以每个生育期的训练数据集和验证数据集作为输入对语义分割模型进行训练，并对各个生育期的测试集进行分类。生成各个生育期的冬小麦空间分布图，并进行冬小麦空间制图与面积提取。本发明提出的方案，基于语义分割分类方法，总体精度高，分类效果好，其中拔节抽穗期冬小麦遥感识别精度最高。深度学习方法拔节抽穗期研究区的冬小麦面积提取精度高。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.045 秒)
