-
公开(公告)号：CN117872390A
公开(公告)日：2024-04-12
申请号：CN202410269801.1
申请日：2024-03-11
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本申请涉及高光谱激光雷达技术领域，提供一种图像融合方法、高光谱激光雷达传感器及系统。所述方法包括：利用GPS的原子钟时间校准激光扫描仪、光谱仪和惯性测量单元IMU的时间；控制激光扫描仪对探测区域进行扫描成像，得到三维点云图像，并控制激光扫描仪触发光谱仪对探测区域进行光谱成像，得到高光谱图像；控制GPS和IMU采集信号，得到GPS信号和IMU信号；将三维点云图像、高光谱图像、GPS信号和IMU信号发送至图像处理设备，以供图像处理设备基于GPS信号和IMU信号对三维点云图像和高光谱图像进行融合。本申请图像融合方法可以最大限度地消除高光谱图像和三维点云图像之间的几何误差，从而提高两图像的融合精度。
-
公开(公告)号：CN111582554B
公开(公告)日：2024-02-23
申请号：CN202010307610.1
申请日：2020-04-17
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06Q10/04 , G06F18/2135 , G06Q50/02
Abstract: 本发明提供一种农作物长势预测方法及系统，包括：获取当前年份对应的归一化植被指数和每一历史年份对应的归一化植被指数；对当前年份和每一历史年份对应的归一化植被指数进行拟合重构，获取当前NDVI拟合曲线和每一历史NDVI拟合曲线；利用DTW算法对当前NDVI拟合曲线和每一历史NDVI拟合曲线进行规整处理，获取当前NDVI长势曲线和每一历史NDVI长势曲线；计算当前NDVI长势曲线与每一历史NDVI长势曲线的最短距离，将距离最小的历史NDVI长势曲线对应的年份作为最佳NDVI长势匹配年份，对当前年份目标农作物的长势进行预测。根据得出的最佳匹配年份对目标农作物进行后期的长势预测，进而指导作物管理。
-
公开(公告)号：CN117011702A
公开(公告)日：2023-11-07
申请号：CN202310786941.1
申请日：2023-06-29
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V20/10 , G06V10/764 , G06N20/00
Abstract: 本发明提供一种基于卫星影像的茶园识别方法及装置，该方法包括：基于待识别区域的Sentinel‑2图像数据和Landsat图像数据，确定出待识别区域的常绿植被区域；通过决策树模型从所述常绿植被区域识别出茶园区域；其中，所述决策树模型基于以下特征及以下特征对应的分类阈值构建：茶叶物候特征指数、地形特征、由分离性指数确定的光谱指数，SI用于反映茶园与其他常绿植被光谱反射率的分离性；其中，所述茶叶物候特征指数由N月的增强植被指数和M月的地表水指数确定；相比其他任意月份的EVI和其他任意月份的LSWI之间的SI，N月的增强植被指数和M月的地表水指数之间的SI最大，N和M为大于0且小于13的整数。
-
公开(公告)号：CN116484712A
公开(公告)日：2023-07-25
申请号：CN202310140890.5
申请日：2023-02-15
Applicant: 北京市农林科学院信息技术研究中心 , 浙江大学华南工业技术研究院 , 清远市智慧农业农村研究院
Abstract: 本发明提供一种植被区域地表温度重建方法、装置、电子设备及存储介质，所述方法包括：获取目标植被区域的合成孔径雷达图像和数字高程模型数据；将所述合成孔径雷达图像和所述数字高程模型数据输入至地表温度重建模型，获取所述地表温度重建模型输出的所述目标植被区域的地表温度重建结果；所述地表温度重建模型是根据植被区域的合成孔径雷达图像样本、数字高程模型数据样本以及地表温度数据样本训练得到的。本发明可以建立一种合成孔径雷达图像特征和地形特征集成的地表温度融合框架，可以获取实现对不同植被区域地表温度的重建，极大地提升了观测地表温度高时空分辨率的地表温度数据，数据的有效性和适用性。
-
公开(公告)号：CN118865098B
公开(公告)日：2025-04-25
申请号：CN202410760939.1
申请日：2024-06-13
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V20/10 , G06V20/17 , G06V10/26 , G06V10/764 , G06V10/82 , G06Q10/0639 , G06Q50/02
Abstract: 本发明提供基于遥感图像的植物苗期出苗质量评估方法及装置，方法包括：获取目标地块的遥感图像，将遥感图像输入至已训练的目标检测模型，获取植物幼苗识别结果；基于植物幼苗识别结果在遥感图像中确定出苗区域，出苗区域为遥感图像中包括目标地块中目标植物的幼苗的区域；基于植物幼苗识别结果对遥感图像中的出苗区域进行沃罗诺伊分割，得到多个子区域；基于子区域的面积对子区域进行分类，得到第一子区域、第二子区域和第三子区域，基于子区域的面积确定目标地块中目标植物的出苗质量评估结果出苗质量评估结果包括目标地块中目标作物的缺苗率和复苗率、出苗整齐度以及苗势活力。本发明可以实现对出苗质量的自动化评估。
-
Patent Agency Ranking
公开(公告)号：CN119672457A
公开(公告)日：2025-03-21
申请号：CN202411511915.9
申请日：2024-10-28
Applicant: 北京市农林科学院信息技术研究中心
IPC: G06V10/774 , G06V10/764 , G06V20/10 , G06Q50/02 , G06V10/62
Abstract: 本发明提供一种果园样本的生成方法、装置、系统、设备及介质，该方法包括：获取时间序列遥感数据和年度植被像素数据；根据所述时间序列遥感数据确定树木制图指数和果园酚类物候指数；利用所述树木制图指数和所述果园酚类物候指数，在所述年度植被像素数据中确定果园位置分布信息；基于所述果园位置分布信息，确定果园样本。本发明解决了相关技术中针对大尺度果园制图任务中果园样本缺失的问题，充分发挥了遥感技术的优势，从而服务于任何时间与地点的大尺度果园空间分布制图，为使用监督分类实现大尺度、多年份果园制图提升了数据量和数据精确度。
-
公开(公告)号：CN117589093A
公开(公告)日：2024-02-23
申请号：CN202410071958.3
申请日：2024-01-18
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供作物叶面积指数高光谱遥感监测方法、装置、设备及介质，涉及遥感数据处理技术领域，其中方法包括：获取目标作物的高光谱遥感数据，高光谱遥感数据是对高光谱数据采集设备采集的原始遥感数据进行预处理后得到的；基于高光谱遥感数据，提取目标作物的作物冠层在多个预设波段的反射率作为目标反射率，预设波段至少包括920nm波段、1095nm波段、741nm波段以及747nm波段；基于预设波段确定对应的目标模型，将预设波段对应的目标反射率输入至目标模型中，得到目标作物的叶面积指数，目标模型为对目标反射率进行线性运算的模型。本发明可以实现适应多种条件下作物LAI的计算，稳健性高。
-
公开(公告)号：CN115542938A
公开(公告)日：2022-12-30
申请号：CN202211057431.2
申请日：2022-08-31
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供一种作物冠层测量系统、方法、存储介质及计算机程序产品，包括：无人机、升降机构、作物冠层感知测量装置和控制模块；升降机构的一端与无人机的机体连接，升降机构的另一端与作物冠层感知测量装置连接；无人机搭载有激光测距装置；无人机用于在控制模块的控制下，飞行至待测田块中的测量位置上方；激光测距装置用于测量作物冠层感知测量装置与作物冠层感知测量装置下方测量位置处作物冠层的距离信息；控制模块用于基于距离信息，控制升降机构带动作物冠层感知测量装置升降至目标测量高度，并控制作物冠层感知测量装置在目标测量高度处对作物冠层进行测量。本发明可以实现不受田间地域空间环境条件限制的作物冠层测量，测量效率高。
-
公开(公告)号：CN114858722A
公开(公告)日：2022-08-05
申请号：CN202210293198.1
申请日：2022-03-23
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供一种花量空间分布图生成方法及装置，包括：获取目标监测区域的多光谱反射率遥感图像；提取所述多光谱反射率遥感图像中各个像元在目标光谱波段上的反射率，并基于所述各个像元在目标光谱波段上的反射率和花量光谱指数模型，计算每个像元的光谱指数；所述花量光谱指数模型是基于所述目标监测区域中的花朵、叶片和土壤的光谱反射率特性确定的；基于所有像元的光谱指数，生成所述目标监测区域中的花量空间分布图。本发明的方法极大地节约了人力和物力成本，可以实现利用多光谱数据对覆盖整个园区花量的空间分布进行连续动态监测，提供准确的高时空分辨率的花量信息，实现对果园花期管理的有效指导。
-
公开(公告)号：CN114782312A
公开(公告)日：2022-07-22
申请号：CN202210247897.2
申请日：2022-03-14
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供一种茶芽密度检测方法及装置，该方法包括：获取待检测区域的茶树冠层图像，所述冠层图像中包括预先设置的面积已知的标记框；将所述冠层图像输入训练后的Faster R‑CNN检测模型，输出所述冠层图像中的芽量结果；根据所述芽量结果、所述标记框的面积，以及所述标记框与所述冠层图像的面积比值，确定所述待检测区域的茶芽密度；其中，所述Faster R‑CNN检测模型，根据已标注茶芽的样本冠层图像训练后得到。该方法获取方式简单快捷，可实现实时在线的监测，对于镜头较远包含芽头数量更多及类型多样、背景更复杂的场景下的嫩芽检测，具有较强的适用性。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.048 seconds)
