-
公开(公告)号：CN118609003A
公开(公告)日：2024-09-06
申请号：CN202410751370.2
申请日：2024-06-12
申请人： 南京农业大学
摘要： 本发明公开了一种基于点云和光谱融合的估测作物产量的新三维指标构建方法，首先，通过作物无人机多光谱影像构建植被指数，并与冠层叶绿素建立线性回归模型；然后，通过无人机激光雷达获取作物点云，利用多维矩阵融合的方法将点云与多光谱影像进行融合，生成作物多光谱点云；同时，将冠层叶绿素线性回归模型应用于作物多光谱点云，从而生成作物冠层叶绿素三维空间分布；最后，将冠层叶绿素三维空间分布进行垂直分层并统计垂直层的75％分位数(CCC_P75th)用来估测产量。结果表明，本发明构建的新型三维指标(CCC_P75th)同时包含了作物的结构和生理特征，相比于传统指标对产量具有更好的估测能力，这对作物高产株型筛选具有重要的指导意义。
-
公开(公告)号：CN112345458A
公开(公告)日：2021-02-09
申请号：CN202011137002.7
申请日：2020-10-22
申请人： 南京农业大学
摘要： 本发明提出一种基于无人机多光谱影像的小麦产量估测方法，将小麦冠层多光谱影像数据与产量数据相结合，通过单因子和多因子的建模角度，采用不同建模方法构建了小麦产量预测模型。本发明充分考虑了产量的形成过程机理以及不同生育时期对小麦产量估测的影响，通过敏感植被指数的筛选、多个生育期的结合以及机器学习方法的应用能够精准、无损地估测不同处理下的小麦产量，本发明将为小麦产量精准估测方法提供新的思路，为区域尺度的精准农业管理和决策提供重要理论基础与技术支撑。
-
公开(公告)号：CN109459392B
公开(公告)日：2019-06-14
申请号：CN201811312158.7
申请日：2018-11-06
申请人： 南京农业大学
摘要： 本发明提出一种基于无人机多光谱影像的水稻地上部生物量估测方法，步骤如下：规范采集水稻冠层无人机多光谱影像数据和地面实测生物量数据；获取后进行影像预处理，提取反射率和纹理特征参数，计算植被指数，并构建新的纹理指数；利用逐步多元回归分析法，综合植被指数和纹理指数估测水稻生物量，并以此建立估测生物量的多元线性模型。采用交叉验证方法对该新估测模型进行精度验证。本发明的方法估测精度高、对输入数据要求少，适用于水稻全生育期，同时也是目前第一次提出综合无人机光谱和纹理信息估测水稻生物量的方法，可广泛用于无人机遥感监测作物长势。
-
公开(公告)号：CN118032672B
公开(公告)日：2024-08-16
申请号：CN202410168979.7
申请日：2024-02-06
申请人： 南京农业大学
摘要： 本发明公开了一种手持快照式多光谱成像型作物生长传感装置，包括成像物镜、光谱成像模块、主控模块、供电模块、维稳云台、RGB成像模组、测距传感器、手持杆、控制显示器和罩壳，所述成像物镜设于罩壳下方，所述光谱成像模块设于成像物镜上方，所述主控模块设于光谱成像模块上方，所述维稳云台设于罩壳上方，所述维稳云台与手持杆相连接，所述RGB成像模组和测距传感器设于罩壳下方，所述控制显示器紧固于手持杆，所述供电模块为各模块进行供电。本发明解决了因采集角度和高度不一致导致图谱信息实时处理难、作物生长监测精度低等问题，同时实现了作物生长多特征信息实时无损高精度感知，具有携带方便、操作简单及功能丰富等特点。
-
公开(公告)号：CN117934564A
公开(公告)日：2024-04-26
申请号：CN202410018558.6
申请日：2024-01-05
申请人： 南京农业大学
摘要： 本发明公开了一种基于体素分割法向量算法的小麦冠层叶倾角分布自动估算方法，其包括步骤：步骤1、获取小麦冠层的点云数据；步骤2、点云的拼接和去噪；步骤3、计算点云的法向量；步骤4、将点云进行体素化；步骤5、利用体素分割法向量；步骤6、计算体素的角度；步骤7、统计体素的角度并曲线拟合计算得到叶倾角分布和平均叶倾角。本发明的方法估算的平均叶倾角与田间实测数据进行了比较，并利用三维辐射传输模型验证了算法的可行性。本发明在一定程度上解决了利用地基激光雷达估算小麦冠层叶倾角分布时受叶片具有曲率和冠层的点密度不均影响的问题，为今后的高通量表型分析提供了技术支撑。
-
公开(公告)号：CN116593419B
公开(公告)日：2024-02-27
申请号：CN202310400044.2
申请日：2023-04-14
申请人： 南京农业大学
IPC分类号： G01N21/3563 , G01N21/55 , G01N21/359
摘要： 本发明公开了一种缓解LCC与秸秆‑土壤背景影响的小麦LAI估算方法，其步骤为：步骤一、数据采集；步骤二、计算秸秆‑土壤背景适应红边差值指数，包括：a、基于小麦冠层光谱计算已有的REDVI；b、基于田间背景光谱计算已有的REDVI；c、结合小麦冠层多光谱曲线的RE1和R波段，构建RSARE；步骤三、构建小麦叶面积指数LAI估算模型；步骤四、检验小麦LAI估算模型。本发明可以同时缓解LAI估算过程中秸秆‑土壤背景与LCC的影响，并基于该指数构建小麦叶面积指数估算模型，可在小麦生产过程中实现LAI的早期估算。
-
公开(公告)号：CN114441457A
公开(公告)日：2022-05-06
申请号：CN202210119047.4
申请日：2022-02-08
申请人： 南京农业大学
IPC分类号： G01N21/27 , G01N21/55 , G06V20/17 , G06V20/10 , G06V10/764 , G06V10/766 , G06V10/774 , G06K9/62
摘要： 本发明提出了一种基于无人机多光谱影像消除水稻冠层背景效应并提升叶片氮浓度监测精度的方法，包括以下步骤：首先对获取的无人机多光谱影像，进行拼接、几何校正和辐射校正等预处理，得到研究区的正射影像；然后基于正射影像，以决策树方法获取端元，构建端元反射率数据库；再次应用光谱解混模型，求解端元丰度；最后将端元丰度和植被指数相乘，构建叶片氮浓度估算模型，从而达到消除背景效应提升氮浓度监测精度的效果。本发明构建的冠层背景消除和提升氮浓度反演精度的方法操作步骤简单、高效，并且可实现自动化，可用于消除无人机或卫星影像中的冠层背景效应及相关农学参数反演等。
-
公开(公告)号：CN112884672B
公开(公告)日：2021-11-23
申请号：CN202110242020.X
申请日：2021-03-04
申请人： 南京农业大学
摘要： 本发明提出了一种基于同期卫星影像的多架次无人机影像相对辐射校正方法，包括以下步骤：对于多架次的无人机影像，首先获取同时期的中高空间分辨率卫星影像并进行预处理，得到相同区域的无人机和卫星影像；然后基于重采样无人机影像和卫星影像的光谱反射率，以回归树的方式将训练数据集分割为多个子集并开发回归模型；最后将多子集多元回归模型应用到无人机影像生成参考影像，并应用最小二乘回归建立各波段的辐射校正模型，从而获得相对辐射校正后的无人机影像。本发明构建的多架次无人机影像相对辐射校正方法操作步骤简单、高效，并且可实现自动化，可用于遥感影像拼接和遥感信息提取，以及基于无人机和卫星遥感协同的作物生长监测等。
-
公开(公告)号：CN112557393B
公开(公告)日：2024-02-20
申请号：CN202011303981.9
申请日：2020-11-19
申请人： 南京农业大学
IPC分类号： G01N21/84
摘要： 本发明提出基于高光谱影像融合图谱特征的小麦叶层氮含量估测方法，步骤包括：采集小麦冠层高光谱影像数据和实测小麦叶层氮含量；首先，进行影像预处理，提取光谱反射率，计算植被指数、位置和形状特征，利用卷积神经网络提取深层特征。其次，通过相关系数分析、随机森林算法进行特征优选，利用并行融合策略构建新的融合图谱特征。最后，利用粒子群优化支持向量回归方法，构建基于融合图谱特征的小麦叶层氮含量估测模型。本发明的方法估测精度高、特征鲁棒性强，适用于小麦全生育期，同时也是目前第一次提出综合高光谱影像的植被指数、位置和形状特征、深层特征构建融合图谱特征估测小麦叶层氮含量的方法。
-
公开(公告)号：CN116593419A
公开(公告)日：2023-08-15
申请号：CN202310400044.2
申请日：2023-04-14
申请人： 南京农业大学
IPC分类号： G01N21/3563 , G01N21/55 , G01N21/359
摘要： 本发明公开了一种缓解LCC与秸秆‑土壤背景影响的小麦绿色LAI估算方法，其步骤为：步骤一、数据采集；步骤二、计算秸秆‑土壤背景适应红边差值指数，包括：a、基于小麦冠层光谱计算已有的REDVI；b、基于田间背景光谱计算已有的REDVI；c、结合小麦冠层多光谱曲线的RE1和R波段，构建RSARE；步骤三、构建小麦叶面积指数LAI估算模型；步骤四、检验小麦LAI估算模型。本发明可以同时缓解LAI估算过程中秸秆‑土壤背景与LCC的影响，并基于该指数构建小麦叶面积指数估算模型，可在小麦生产过程中实现LAI的早期估算。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.026 秒)