-
公开(公告)号:CN112418073A
公开(公告)日:2021-02-26
申请号:CN202011308777.6
申请日:2020-11-19
Applicant: 安徽农业大学
Abstract: 本发明提出一种基于无人机图像融合特征的小麦植株氮含量估测方法,步骤包括:采集小麦冠层无人机图像和小麦植株氮含量;首先,通过无人机图像预处理,计算灰度共生矩阵;其次,利用小波变换技术实现水平方向、垂直方向和对角方向的多尺度小波纹理特征提取;再次,利用卷积神经网络提取深层特征;最后,构建基于融合特征的粒子群优化支持向量回归模型估测小麦植株氮含量。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无人机图像灰度共生矩阵、小波纹理特征、深层特征构建融合特征估测小麦植株氮含量的方法。
-
公开(公告)号:CN115063677B
公开(公告)日:2023-10-10
申请号:CN202210657365.6
申请日:2022-06-10
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V20/64 , G06V10/30 , G06V10/774
Abstract: 本发明公开了一种基于点云信息的麦田倒伏程度识别方法和装置,该方法包括:1获取麦田倒伏样本的倾斜高度、垂直高度、麦田的倒伏面积以及麦田无人机图像数据,其中,麦田实测数据用于确定麦田倒伏程度,麦田无人机图像数据用于获取麦田原始点云;2基于麦田原始点云,对麦田原始点云进行预处理,得到麦田归一化点云;3基于霍特林变换的麦田点云数据降维方法,对麦田归一化点云进行降维,得到点云降维图像;4利用深度学习模型对点云降维图像进行训练,得到麦田倒伏程度识别结果。本发明能降低点云数据处理的难度和复杂度;同时,能实现小麦倒伏程度的快速、精准识别。
-
公开(公告)号:CN112418073B
公开(公告)日:2023-10-03
申请号:CN202011308777.6
申请日:2020-11-19
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06V10/77 , G06N3/006 , G06V10/80 , G06T5/00 , G06T5/10 , G06T7/41 , G06T7/90
Abstract: 本发明提出一种基于无人机图像融合特征的小麦植株氮含量估测方法,步骤包括:采集小麦冠层无人机图像和小麦植株氮含量;首先,通过无人机图像预处理,计算灰度共生矩阵;其次,利用小波变换技术实现水平方向、垂直方向和对角方向的多尺度小波纹理特征提取;再次,利用卷积神经网络提取深层特征;最后,构建基于融合特征的粒子群优化支持向量回归模型估测小麦植株氮含量。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无人机图像灰度共生矩阵、小波纹理特征、深层特征构建融合特征估测小麦植株氮含量的方法。
-
公开(公告)号:CN115063677A
公开(公告)日:2022-09-16
申请号:CN202210657365.6
申请日:2022-06-10
Applicant: 安徽农业大学
IPC: G06V20/10 , G06V20/64 , G06V10/30 , G06V10/774
Abstract: 本发明公开了一种基于点云信息的麦田倒伏程度识别方法和装置,该方法包括:1获取麦田倒伏样本的倾斜高度、垂直高度、麦田的倒伏面积以及麦田无人机图像数据,其中,麦田实测数据用于确定麦田倒伏程度,麦田无人机图像数据用于获取麦田原始点云;2基于麦田原始点云,对麦田原始点云进行预处理,得到麦田归一化点云;3基于霍特林变换的麦田点云数据降维方法,对麦田归一化点云进行降维,得到点云降维图像;4利用深度学习模型对点云降维图像进行训练,得到麦田倒伏程度识别结果。本发明能降低点云数据处理的难度和复杂度;同时,能实现小麦倒伏程度的快速、精准识别。
-
公开(公告)号:CN115049946B
公开(公告)日:2023-09-26
申请号:CN202210658129.6
申请日:2022-06-10
Applicant: 安徽农业大学
IPC: G06V20/17 , G06V20/10 , G06V20/64 , G06V10/774
Abstract: 本发明公开了一种基于点云变换的麦田生长状态判别方法与装置,该方法包括:1、获取麦田无人机图像数据,其中,麦田无人机图像数据用于获取麦田原始点云;2、基于麦田原始点云进行预处理,得到麦田归一化点云;3、基于麦田归一化点云进行连续不同高度的点云个数统计,得到麦田点云高度信号;4、基于变分模态分解以及格拉姆变换方法,对麦田点云高度信号进行图像化,得到点云变换图像;5、基于点云变换图像构建深度学习识别模型,并用于判别麦田生长状态。本发明能够有效提取麦田点云高度信息,从而能提高对麦田生长状态判别的精准性。
-
公开(公告)号:CN115049946A
公开(公告)日:2022-09-13
申请号:CN202210658129.6
申请日:2022-06-10
Applicant: 安徽农业大学
IPC: G06V20/17 , G06V20/10 , G06V20/64 , G06V10/774
Abstract: 本发明公开了一种基于点云变换的麦田生长状态判别方法与装置,该方法包括:1、获取麦田无人机图像数据,其中,麦田无人机图像数据用于获取麦田原始点云;2、基于麦田原始点云进行预处理,得到麦田归一化点云;3、基于麦田归一化点云进行连续不同高度的点云个数统计,得到麦田点云高度信号;4、基于变分模态分解以及格拉姆变换方法,对麦田点云高度信号进行图像化,得到点云变换图像;5、基于点云变换图像构建深度学习识别模型,并用于判别麦田生长状态。本发明能够有效提取麦田点云高度信息,从而能提高对麦田生长状态判别的精准性。
-
-
-
-
-