-
公开(公告)号：CN117347322A
公开(公告)日：2024-01-05
申请号：CN202311399582.0
申请日：2023-10-26
申请人： 安徽大学
IPC分类号： G01N21/47
摘要： 本发明公开了一种水稻稻纵卷叶螟的虫害等级确定方法，涉及遥感监测技术领域，本发明通过测定水稻冠层光谱和叶绿素相对含量；根据水稻冠层光谱和叶绿素相对含量确定单位面积上受危害叶片占总叶片数据的百分比，从而划分虫害等级；分别绘制健康和虫害水稻的光谱反射率的差值和变化率曲线，将虫害等级与对应反射率进行相关性分析，根据相关性分析结果和高光谱反射率，构建反演稻纵卷叶螟的高光谱虫害指数；根据反演稻纵卷叶螟的高光谱虫害指数，确定水稻稻纵卷叶螟的虫害等级；与传统技术相比，本发明减少了随机误差，避免了遥感技术空间分辨率或光谱分辨率的限制，可以获得满足稻纵卷叶螟监测的理想数据，清晰地表达水稻稻纵卷叶螟的虫害等级。
-
公开(公告)号：CN113240697A
公开(公告)日：2021-08-10
申请号：CN202110519829.2
申请日：2021-05-13
申请人： 安徽大学
摘要： 本发明涉及一种生菜多光谱图像前景分割方法，与现有技术相比解决了多镜头多光谱相机各通道之间存在偏差以及传统方法无法精确提取生菜前景区域的缺陷。本发明包括以下步骤：生菜多光谱图像的获取和预处理；行边缘提取操作；生菜多光谱图像的配准；图像分割模型的建立；图像分割模型的训练；待分割图像的获取和处理；待分割图像结果的获得。本发明能够对田间生菜多光谱图像进行各个通道的精确配准并实现前景分割，其单张图像的配准时间为0.92s，配准精确度达到99％。
-
公开(公告)号：CN117286014A
公开(公告)日：2023-12-26
申请号：CN202311254140.7
申请日：2023-09-26
申请人： 安徽大学
摘要： 本发明涉及农业病菌孢子检测技术领域，具体是涉及一种能够捕捉气传真菌病害孢子的自动化装置，包括壳体、竖直设置于壳体内的孢子捕捉装置，孢子捕捉装置靠近壳体顶部设置；所述孢子捕捉装置还设有顶部捕捉仓和侧壁捕捉仓，顶部捕捉仓呈竖直状态设置于孢子捕捉装置顶部且穿过壳体置于防尘罩内；侧壁捕捉仓呈竖直状态固定设置于壳体边角处且一一对应壳体边角设置有多组；孢子检测装置呈竖直状态固定设置于壳体内且靠近壳体底部设置；所述壳体的外壁还折叠设置有用以为设置供电的太阳能供电模块；本发明不仅可以实现自动对孢子进行捕捉而且可以自动对其进行检测，可以实时对孢子进行检测，精确地预测孢子的传播以及病害情况。
-
公开(公告)号：CN113240697B
公开(公告)日：2022-10-18
申请号：CN202110519829.2
申请日：2021-05-13
申请人： 安徽大学
摘要： 本发明涉及一种生菜多光谱图像前景分割方法，与现有技术相比解决了多镜头多光谱相机各通道之间存在偏差以及传统方法无法精确提取生菜前景区域的缺陷。本发明包括以下步骤：生菜多光谱图像的获取和预处理；行边缘提取操作；生菜多光谱图像的配准；图像分割模型的建立；图像分割模型的训练；待分割图像的获取和处理；待分割图像结果的获得。本发明能够对田间生菜多光谱图像进行各个通道的精确配准并实现前景分割，其单张图像的配准时间为0.92s，配准精确度达到99％。
-
公开(公告)号：CN117455770A
公开(公告)日：2024-01-26
申请号：CN202311270151.4
申请日：2023-09-28
申请人： 安徽大学
IPC分类号： G06T3/4053 , G06T3/4046 , G06T7/10 , G06N3/0464 , G06N3/09
摘要： 本发明涉及一种基于逐层上下文信息聚合网络的轻量级图像超分辨率方法，包括：获取图像对作为训练样本，图像对由图像ILR和图像IHR组成；搭建逐层上下文信息聚合网络模型，利用训练样本对逐层上下文信息聚合网络模型进行训练，得到训练后的逐层上下文信息聚合网络模型；将待处理图像输入到训练后的逐层上下文信息聚合网络模型中，训练后的逐层上下文信息聚合网络模型输出超分辨率预测结果。本发明利用图像各个层次的多尺度信息构建网络，它不仅解决了显卡内存占用大、计算时间长的问题，还能够实现更高质量的超分任务；通过高分辨率图像重建单元将重参数化技术引入部分卷积，连接这两种信息，进行图像重建，实现了在多种超分辨率任务下的优异表现。
-
公开(公告)号：CN117197807A
公开(公告)日：2023-12-08
申请号：CN202311220559.0
申请日：2023-09-20
申请人： 安徽大学
IPC分类号： G06V20/69 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/084
摘要： 本发明涉及基于YOLOv4‑tiny轻量化模型的小麦赤霉病孢子识别方法，与现有技术相比解决了赤霉病孢子检测准确率低、检测速度慢、计算量大的缺陷。本发明包括以下步骤：孢子图像数据集的建立；构建轻量化孢子识别模型；轻量化孢子识别模型的训练；待识别孢子图像的获取；小麦赤霉病孢子识别结果的获得。本发明利用YOLOv4‑tiny具有更高的检测速度和较好的实时性的特点，在保证准确性的同时实现快速检测；本发明通过将YOLOv4主干特征提取网络CSPDarknet53模块替换为CSPDarknet53_tiny模块，有效的实现了小麦赤霉病孢子快速准确检测识别。
-
公开(公告)号：CN113340815A
公开(公告)日：2021-09-03
申请号：CN202110607814.1
申请日：2021-06-01
申请人： 安徽大学
摘要： 本发明涉及基于二波段组合指数的冠层尺度小麦赤霉病病情指数评估方法，与现有技术相比解决了小麦发病程度判断不准确的缺陷。本发明包括以下步骤：光谱数据的获取和预处理；传统植被指数的选取以及二波段组合指数的构建；二波段组合指数的优选；单变量回归模型的构建；多元回归模型的构建。本发明利用小麦冠层关键生育期近地高光谱数据，通过构建最佳光谱指数实现了小麦病情指数的有效评估。
-
公开(公告)号：CN110008905A
公开(公告)日：2019-07-12
申请号：CN201910278469.4
申请日：2019-04-09
申请人： 安徽大学
摘要： 本发明涉及基于遥感影像红边波段的区域尺度小麦条锈病监测方法，与现有技术相比解决了对小麦条锈病利用遥感监测精度差的缺陷。本发明包括以下步骤：遥感影像的获取及预处理；初选特征因子的筛选；构建小麦条锈病严重度监测模型；小麦条锈病严重度监测模型的训练；区域尺度小麦条锈病严重度的判定。本发明利用Sentine-2遥感影像反演得到与病害相关的宽波段植被指数特征及红边植被指数特征，再通过ReliefF和K-means算法筛选与病害相关性较大且冗余性较小的宽波段植被指数特征集和加入红边植被指数的特征集，分别与BPNN算法建立小麦条锈病严重度监测模型，以实现区域尺度上小麦条锈病严重度的监测。
-
公开(公告)号：CN109919395A
公开(公告)日：2019-06-21
申请号：CN201910256805.5
申请日：2019-04-01
申请人： 安徽大学
摘要： 本发明涉及一种基于短周期遥感区域数据的冬小麦产量估测方法，与现有技术相比解决了尚无基于高时空分辨率NPP数据进行冬小麦产量预测的缺陷。本发明包括以下步骤：环境星遥感数据和气象数据的获取；环境星遥感数据和气象数据的预处理；冬小麦净初级生产力NPP的估算；冬小麦产量预测结果的获得。本发明通过利用改进的CASA模型，估算以5天为间隔的高时空分辨率冬小麦NPP空间分布信息，结合NPP-产量转换模型，实现了冬小麦产量遥感估测。
-
公开(公告)号：CN117272021A
公开(公告)日：2023-12-22
申请号：CN202311211477.X
申请日：2023-09-19
申请人： 安徽大学
IPC分类号： G06F18/213 , G06F18/2451 , G01N25/72
摘要： 本发明涉及一种基于水果表面不同组织热特性的水果损伤检测方法，与现有技术相比解决了难以针对水果进行损坏检测的缺陷。本发明包括以下步骤：温度数据的采集；温度数据特征值的提取；特征值的计算；分类器的训练；获取待检测水果的温度数据；水果损伤检测结果的获得。本发明通过热电堆传感器采集水果样品不同感兴趣区域的温度数据；对温度数据进行压缩和傅里叶变换分析，提取曲线峰值作为特征值；将特征值输入最小二乘法线性分类器进行分类训练，从而实现对待测水果损伤的检测。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.024 秒)
