CN103440648A - 农作物冠层整齐度的自动测量方法及装置 - Google Patents
农作物冠层整齐度的自动测量方法及装置 Download PDFInfo
- Publication number
- CN103440648A CN103440648A CN2013103703841A CN201310370384A CN103440648A CN 103440648 A CN103440648 A CN 103440648A CN 2013103703841 A CN2013103703841 A CN 2013103703841A CN 201310370384 A CN201310370384 A CN 201310370384A CN 103440648 A CN103440648 A CN 103440648A
- Authority
- CN
- China
- Prior art keywords
- plane
- canopy
- calculate
- image
- regularity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明提供了一种农作物冠层整齐度的自动测量方法及装置,涉及农业信息技术领域。该方法包括以下步骤:S1、获取农作物冠层图像;S2、利用双目图像重建技术计算所述农作物冠层图像的三维点云数据;S3、从所述三维点云数据中分离出农作物的行向点云数据;S4、依据所述行向点云数据,计算农作物冠层整齐度的基础数据;S5、依据所述基础数据计算农作物冠层整齐度指标。本发明解决了连续、自动的获取农作物冠层整齐度指标的问题,能够自动、连续、无损的对农作物冠层整齐度进行测量,该方法相较于以往方法,需要较少的人力投入,自动化程度高,测量结果能够综合反应农作物冠层整齐度,测量结果不受人为误差和测量人员经验的影响。
Description
技术领域
本发明涉及农业信息技术领域,具体涉及一种农作物冠层整齐度的自动测量方法及装置。
背景技术
玉米冠层整齐度包含两个方面,其一是植株在田间分布的均匀程度,第二是植株个体间性状的差异大小。调查玉米冠层整齐度具有一定的现实和理论意义。从现实观点来看,植株在田间分布不均时,一部分植株可得到充足的光照、养分等,而另一部分植株则缺乏这些条件,从而影响植株生产潜力的充分发挥。农业生产上一向从选种、整地、播种、田间管理等各个方面来尽可能地保证田间作物的分布和生长均匀,究竟整齐度要达到怎样的过程才不致影响产量而又节省劳力和成本,就成为一个现实问题。从理论上来说,植株本身具有适应外界条件并根据外界条件来调节其生长发育的能力,它的分蘖、分支习性、向光性、向化性等都是它的调节手段。这种调节的作用有多大,规律如何,如何加以利用,是很值得研究的。
长久以来调查玉米植株冠层分布整齐度的方法主要依靠人工肉眼判断,即通过人工肉眼观察冠层分布,根据人的经验性判断给出冠层整齐度评价。或者人工测量一个、几个能够反映玉米植株冠层整齐度的指标,如冠层中株高的整齐度,人工测量一定范围内的植株高度,取该范围内株高值的变异系数的倒数衡量冠层整齐度。
玉米冠层整齐度的人工测量方法需要耗费大量人力,不易大规模开展,并且人工测量方式依赖于测量人员的操作熟练程度,经验性强,很难去除测量结果中的人为误差。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供一种农作物冠层整齐度的自动测量方法及装置,解决了自动的获取农作物冠层整齐度指标的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种农作物冠层整齐度的自动测量方法,包括以下步骤:
S1、获取农作物冠层图像;
S2、利用双目图像重建技术计算所述农作物冠层图像的三维点云数据;
S3、从所述三维点云数据中分离出农作物的行向点云数据;
S4、依据所述行向点云数据,计算农作物冠层整齐度的基础数据;
S5、依据所述基础数据计算农作物冠层整齐度指标。
优选的,步骤S3中包含步骤:
S31、依据所述农作物冠层图像的像素点的灰度值,从所述农作物冠层图像的像素点中分离出行向像素点;
S32、遍历所述行向像素点,以预订阈值对图像二值化,得到二值图像;
S33、对所述二值图像进行滤波去噪,去除孤岛像素,填充中间孔洞的操作后;与二值图像中白色像素对应的三维点云既是农作物行向点云数据。
优选的,步骤S4中包含步骤:
S41、将所述行向像素点使用最小二乘法,拟合出一条行向直线;
S42、将所述行向直线映射到所述三维点云数据中,以所述行向直线为中心轴,以预设半径的圆柱体内的冠层点云数据做为计算农作物冠层整齐度的基础数据。
优选的,步骤S5中包含:
S51、计算所述基础数据所包含空间点集的最小外包长方体;
S52、将所述最小外包长方体等分为2n个等分长方体,遍历每一等分长方体,对包含在每一等分长方体中的点云数据进行平面拟合,获得平面集合;
S53、计算所述平面集合中的平面与该平面的上下、前后、左右相邻的平面所形成的夹角α,以及所述平面与相邻平面的中心距离dp,并计算所述平面与相邻平面的距离函数f;
S54、对所述距离函数f进行判断,若f小于阈值M,则合并所述平面与相邻平面;
S55、重复步骤S53~S54的操作,当所述平面集合中的任一平面距离函数f大于等于阈值M时,合并截止;并将所述平面集合中占据长方体个数小于阀值N的的平面去除。
优选的,步骤S53中计算距离函数f的表达式为:
优选的,步骤S54中合并所述平面与相邻平面的方法为:用两个相邻等分长方体中的点云拟合新的平面带代替原有平面。
优选的,步骤S5中计算农作物冠层整齐度指标的表达式为:
式中,p=t/sump,表示每个长方体中平面出现的概率,其中t=0或1,sump为平面个数之和。
优选的,步骤S5中的阈值M为0.45,阈值N为4。
本发明还提供了一种农作物冠层整齐度的自动测量装置,包括以下模块:
获取冠层图像模块,通过双目立体相机获取农作物冠层图像;
计算三维点云数据模块,利用双目图像重建技术计算所述农作物冠层图像的三维点云数据;
分离行向点云数据模块,从所述三维点云数据中分离出农作物的行向点云数据;
计算基础数据模块,依据所述行向点云数据,计算农作物冠层整齐度的基础数据;
计算冠层整齐度指标模块,依据所述基础数据计算农作物冠层整齐度指标。
本发明还提供了一种农作物冠层整齐度的自动测量装置,包括以下模块:
获取冠层图像模块,通过双目立体相机获取农作物冠层图像;
计算三维点云数据模块,利用双目图像重建技术计算所述农作物冠层图像的三维点云数据;
分离行向点云数据模块,从所述三维点云数据中分离出农作物的行向点云数据;
计算基础数据模块,依据所述行向点云数据,计算农作物冠层整齐度的基础数据;
计算冠层整齐度指标模块,依据所述基础数据计算农作物冠层整齐度指标。
(三)有益效果
本发明通过提供一种农作物冠层整齐度的自动测量方法及装置,通过获取农作物冠层图像,得到农作物的三维点云数据,进而得到农作物的行向点云数据,进而得到计算农作物冠层整齐度指标,通过此指标来判断农作物冠层整齐度。本发明能够自动、连续、无损的对农作物冠层整齐度进行测量。
本发明相较于以往方法,需要较少的人力投入,自动化程度高,测量结果能够综合反应农作物冠层整齐度,测量结果不受人为误差和测量人员经验的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种农作物冠层整齐度的自动测量方法的流程示意图;
图2为本发明实施例的一种农作物冠层整齐度的自动测量装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
如图1所示,本发明实施例提供了一种农作物冠层整齐度的自动测量方法,该方法包括以下步骤:
S1、获取农作物冠层图像;
S2、利用双目图像重建技术计算所述农作物冠层图像的三维点云数据;
S3、从所述三维点云数据中分离出农作物的行向点云数据;
S4、依据所述行向点云数据,计算农作物冠层整齐度的基础数据;
S5、依据所述基础数据计算农作物冠层整齐度指标。
本发明实施例通过获取农作物冠层图像,得到农作物的三维点云数据,进而得到农作物的行向点云数据,进而得到计算农作物冠层整齐度指标,通过此指标来判断农作物冠层整齐度。本发明实施例能够自动、连续、无损的对农作物冠层整齐度进行测量;
下面对本发明实施例进行详细的描述:
一种玉米冠层整齐度的自动测量方法,该方法包括以下步骤:
S1、获取农作物冠层图像;
本实施例采用双目立体相机,型号mvcsam1000-30st(北京微视图像),相机距离冠层顶部100cm左右,垂直朝向地面放置,沿着玉米行方向移动相机10m,每隔50cm获取一幅图像。
拍摄时间宜选择晴朗的午后开展,以便去除阳光与风对获取图像质量的干扰。
S2、利用双目图像重建技术计算所述玉米冠层图像的三维点云数据;
依据事先标定好的双目相机内外参数,使用双目图像重建技术计算出玉米冠层三维点云数据,并根据摄像机的投影关系将三维点云数据与图像上的像素一一对应。
双目摄像机的投影矩阵为Pi,由标定好的双目相机内外参数组成。
设冠层植株上一点M(X,Y,Z),m1(x1,y1)、m2(x2,y2)分别为M点在左右两幅图像上投影点的图像坐标,则
其中:(x1,y1,1)、(x2,y2,1)分别为m1、m2在各自图像中的齐次坐标;(X,Y,Z,1)为M(X,Y,Z)点世界坐标下的齐次坐标;wi为非零参数;ak mn(k=1,2;m=1,2,3;n=1,2,3,4)为投影矩阵Pi(i=1,2)中的元素,代表摄像机的内参矩阵(焦距、畸变)和外参矩阵(平移、旋转)。根据被测点M在摄像机像面上的坐标m1(x1,y1)、m2(x2,y2)和式(2),就可以求出未知点M的世界坐标(X,Y,Z),计算表达式如下:
S3、从所述三维点云数据中分离出玉米的行向点云数据;
优选的,分离出玉米的行向点云数据方法为:
S31、依据所述玉米冠层图像的像素点的灰度值,从所述玉米冠层图像的像素点中分离出行向像素点;
S32、遍历所述行向像素点,以灰度值185为阈值对图像二值化,得到二值图像;
S33、对所述二值图像进行滤波去噪,去除孤岛像素,填充中间孔洞的操作后;与二值图像中白色像素对应的三维点云既是玉米行向点云数据。
S4、依据所述行向点云数据,计算玉米冠层整齐度的基础数据;
优选的,计算玉米冠层整齐度的基础数据的方法为:
S41、将所述行向像素点使用最小二乘法,拟合出一条行向直线。
假设有N个数据点(xi yi,i=1,2,3,…n),一个能够代表函数自变量与因变量之间关系的模型可以被定义为:
y(x)=y(x;a1…aM)
a1...am是模型的系数。求算模型系数即可获得模型的解析形式,一般通过最小二乘法拟合模型,计算下式的最小值,获得a1...am的最大似然估计。
S42、将所述行向直线映射到所述三维点云数据中,以所述行向直线为中心轴,以预设半径为15cm的圆柱体内的冠层点云数据做为计算农作物冠层整齐度的基础数据。
S5、依据所述基础数据计算农作物冠层整齐度指标。
优选的,计算农作物冠层整齐度指标的方法为:
S51、计算所述基础数据所包含空间点集的最小外包长方体;
S52、将所述最小外包长方体等分为64个等分长方体,遍历每一等分长方体,对包含在每一等分长方体中的点云数据进行平面拟合,获得平面集合;
S53、计算所述平面集合中的平面与该平面的上下、前后、左右相邻的任一平面所形成的夹角α,以及所述平面与任一相邻平面的中心距离dp,并计算所述平面的距离函数f;
优选的,步骤S53中计算距离函数f的表达式为:
S54、对所述距离函数f进行判断,若f小于阈值0.45,则合并所述平面与相邻平面;
优选的,步骤S54中合并所述平面与相邻平面的方法为:用两个相邻等分长方体中的点云拟合新的平面带代替原有平面。
S55、重复步骤S53~S54的操作,当所述平面集合中的任一平面距离函数f大于等于阈值0.45时,合并截止;并将所述平面集合中占据长方体个数小于阀值4的的平面去除。
优选的,步骤S5中计算农作物冠层整齐度指标的表达式为:
式中,p=t/sump,表示每个长方体中平面出现的概率,其中t=0或1,sump为平面个数之和。
实施例2:
本发明实施例还提供了一种玉米冠层整齐度的自动测量装置,包括以下模块:
获取冠层图像模块,通过双目立体相机获取玉米冠层图像;
计算三维点云数据模块,利用双目图像重建技术计算所述玉米冠层图像的三维点云数据;
分离行向点云数据模块,从所述三维点云数据中分离出玉米的行向点云数据;
计算基础数据模块,依据所述行向点云数据,计算玉米冠层整齐度的基础数据;
计算冠层整齐度指标模块,依据所述基础数据计算玉米冠层整齐度指标。
综上,本发明实施例所提供的方法和装置相较于以往方法和装置,需要较少的人力投入,自动化程度高,测量结果能够综合反应玉米冠层整齐度,测量结果不受人为误差和测量人员经验的影响。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
需要说明的是,本发明实施例所提供的冠层整齐度的自动测量方法和装置,不仅适合与玉米,还适合与其它如大豆、高粱等农作物的测量需要。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种农作物冠层整齐度的自动测量方法,其特征在于,包括以下步骤:
S1、获取农作物冠层图像;
S2、利用双目图像重建技术计算所述农作物冠层图像的三维点云数据;
S3、从所述三维点云数据中分离出农作物的行向点云数据;
S4、依据所述行向点云数据,计算农作物冠层整齐度的基础数据;
S5、依据所述基础数据计算农作物冠层整齐度指标。
2.如权利要求1所述的自动测量方法,其特征在于,步骤S3中包含步骤:
S31、依据所述农作物冠层图像的像素点的灰度值,从所述农作物冠层图像的像素点中分离出行向像素点;
S32、遍历所述行向像素点,以预订阈值对图像二值化,得到二值图像;
S33、对所述二值图像进行滤波去噪,去除孤岛像素,填充中间孔洞的操作后;与二值图像中白色像素对应的三维点云既是农作物行向点云数据。
3.如权利要求2所述的自动测量方法,其特征在于,步骤S4中包含步骤:
S41、将所述行向像素点使用最小二乘法,拟合出一条行向直线;
S42、将所述行向直线映射到所述三维点云数据中,以所述行向直线为中心轴,以预设半径的圆柱体内的冠层点云数据做为计算农作物冠层整齐度的基础数据。
4.如权利要求3所述的自动测量方法,其特征在于,步骤S5中包含:
S51、计算所述基础数据所包含空间点集的最小外包长方体;
S52、将所述最小外包长方体等分为2n个等分长方体,遍历每一等分长方体,对包含在每一等分长方体中的点云数据进行平面拟合,获得平面集合;
S53、计算所述平面集合中的平面与该平面的上下、前后、左右相邻的平面所形成的夹角α,以及所述平面与相邻平面的中心距离dp,并计算所述平面与相邻平面的距离函数f;
S54、对所述距离函数f进行判断,若f小于阈值M,则合并所述平面与相邻平面;
S55、重复步骤S53~S54的操作,当所述平面集合中的任一平面距离函数f大于等于阈值M时,合并截止;并将所述平面集合中占据长方体个数小于阀值N的的平面去除。
5.如权利要求4所述的自动测量方法,其特征在于,步骤S53中计算距离函数f的表达式为:
式中,e1=0.7,e2=0.3,len是所述基础数据所包含空间点集的最小外包长方体长边的
6.如权利要求4所述的自动测量方法,其特征在于,步骤S54中合并所述平面与相邻平面的方法为:用两个相邻等分长方体中的点云拟合新的平面带代替原有平面。
7.如权利要求4所述的自动测量方法,其特征在于,步骤S5中计算农作物冠层整齐度指标的表达式为:
式中,p=t/sump,表示每个长方体中平面出现的概率,其中t=0或1,sump为平面个数之和。
8.如权利要求4所述的自动测量方法,其特征在于,步骤S5中的阈值M为0.45,阈值N为4。
9.一种农作物冠层整齐度的自动测量装置,其特征在于,包括以下模块:
获取冠层图像模块,通过双目立体相机获取农作物冠层图像;
计算三维点云数据模块,利用双目图像重建技术计算所述农作物冠层图像的三维点云数据;
分离行向点云数据模块,从所述三维点云数据中分离出农作物的行向点云数据;
计算基础数据模块,依据所述行向点云数据,计算农作物冠层整齐度的基础数据;
计算冠层整齐度指标模块,依据所述基础数据计算农作物冠层整齐度指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310370384.1A CN103440648B (zh) | 2013-08-22 | 2013-08-22 | 农作物冠层整齐度的自动测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310370384.1A CN103440648B (zh) | 2013-08-22 | 2013-08-22 | 农作物冠层整齐度的自动测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103440648A true CN103440648A (zh) | 2013-12-11 |
CN103440648B CN103440648B (zh) | 2016-02-10 |
Family
ID=49694341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310370384.1A Active CN103440648B (zh) | 2013-08-22 | 2013-08-22 | 农作物冠层整齐度的自动测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103440648B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103885454A (zh) * | 2014-03-07 | 2014-06-25 | 华南农业大学 | 农用飞行器跟随冠层特征参数飞行的作业方法及装置 |
CN103914786A (zh) * | 2014-03-10 | 2014-07-09 | 北京农业信息技术研究中心 | 一种大田农业生产情景感知计算方法及装置 |
CN106950573A (zh) * | 2017-02-23 | 2017-07-14 | 北京农业信息技术研究中心 | 一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统 |
CN109816680A (zh) * | 2018-12-19 | 2019-05-28 | 黑龙江八一农垦大学 | 一种农作物株高的高通量计算方法 |
CN110288594A (zh) * | 2019-07-02 | 2019-09-27 | 河北农业大学 | 一种植物冠层结构性状分析方法 |
CN111862315A (zh) * | 2020-07-25 | 2020-10-30 | 南开大学 | 一种基于深度相机的人体多尺寸测量方法及系统 |
WO2022007118A1 (zh) * | 2020-07-06 | 2022-01-13 | 周爱丽 | 座椅排列整齐度测量系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1928921A (zh) * | 2006-09-22 | 2007-03-14 | 东南大学 | 三维扫描系统中特征点云带的自动搜索方法 |
CN101226633B (zh) * | 2008-01-30 | 2011-04-20 | 哈尔滨工程大学 | 基于均值漂移的农作物冠层图像分割方法 |
-
2013
- 2013-08-22 CN CN201310370384.1A patent/CN103440648B/zh active Active
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103885454A (zh) * | 2014-03-07 | 2014-06-25 | 华南农业大学 | 农用飞行器跟随冠层特征参数飞行的作业方法及装置 |
CN103885454B (zh) * | 2014-03-07 | 2016-07-13 | 华南农业大学 | 农用飞行器跟随冠层特征参数飞行的作业方法及装置 |
CN103914786A (zh) * | 2014-03-10 | 2014-07-09 | 北京农业信息技术研究中心 | 一种大田农业生产情景感知计算方法及装置 |
CN103914786B (zh) * | 2014-03-10 | 2017-06-30 | 北京农业信息技术研究中心 | 一种大田农业生产情景感知计算方法及装置 |
CN106950573A (zh) * | 2017-02-23 | 2017-07-14 | 北京农业信息技术研究中心 | 一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统 |
CN106950573B (zh) * | 2017-02-23 | 2019-09-10 | 北京农业信息技术研究中心 | 一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统 |
CN109816680A (zh) * | 2018-12-19 | 2019-05-28 | 黑龙江八一农垦大学 | 一种农作物株高的高通量计算方法 |
CN109816680B (zh) * | 2018-12-19 | 2020-10-27 | 黑龙江八一农垦大学 | 一种农作物株高的高通量计算方法 |
CN110288594A (zh) * | 2019-07-02 | 2019-09-27 | 河北农业大学 | 一种植物冠层结构性状分析方法 |
CN110288594B (zh) * | 2019-07-02 | 2021-06-04 | 河北农业大学 | 一种植物冠层结构性状分析方法 |
WO2022007118A1 (zh) * | 2020-07-06 | 2022-01-13 | 周爱丽 | 座椅排列整齐度测量系统及方法 |
CN111862315A (zh) * | 2020-07-25 | 2020-10-30 | 南开大学 | 一种基于深度相机的人体多尺寸测量方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103440648B (zh) | 2016-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103440648B (zh) | 农作物冠层整齐度的自动测量方法及装置 | |
CN103914786B (zh) | 一种大田农业生产情景感知计算方法及装置 | |
Cabrera‐Bosquet et al. | High‐throughput estimation of incident light, light interception and radiation‐use efficiency of thousands of plants in a phenotyping platform | |
CN109886155B (zh) | 基于深度学习的单株水稻检测定位方法、系统、设备及介质 | |
CN103529439B (zh) | 一种神经网络系统的植被参数遥感反演方法和装置 | |
CN103413172B (zh) | 玉米苗期缺苗数的测量方法 | |
CN104503518A (zh) | 一种小型智能化植物生长系统 | |
Lowe et al. | Canopy density estimation in perennial horticulture crops using 3D spinning lidar SLAM | |
CN107393004A (zh) | 一种获取输电线走廊中建筑物拆迁量的方法及装置 | |
CN109584293A (zh) | 一种基于rgb-d视觉技术的温室作物三维形态全景测量系统 | |
CN110648020A (zh) | 一种温室作物需水量预测方法及装置 | |
CN106323182A (zh) | 植物茎杆直径测量方法及装置 | |
CN106651149A (zh) | 一种植物生长行为分析方法 | |
CN102592118B (zh) | 一种玉米出苗期的自动检测方法 | |
CN108537164B (zh) | 基于无人机遥感的点穴播种出芽率监测方法与装置 | |
CN109827503B (zh) | 一种田间作物精准定位方法和装置 | |
DE102011086091B4 (de) | Vorrichtung und Verfahren zum mechanischen Ausdünnen von Blüten | |
CN111721269A (zh) | 一种小麦幼苗格局特征的量化评价方法 | |
Hu et al. | Optimal scale extraction of farmland in coal mining areas with high groundwater levels based on visible light images from an unmanned aerial vehicle (UAV) | |
CN110866972B (zh) | 一种甘蔗根系构型的原位观测装置及其分析方法 | |
CN105740211B (zh) | 一种基于蜂巢视频—温度采集系统的信息融合分析方法 | |
CN110554406B (zh) | 一种基于无人机立体摄影测量点云的次生林结构参数反演的方法 | |
CN108834667A (zh) | 一种基于物联网的大棚系统 | |
CN206192901U (zh) | 一种水植粗根作物的生长监测装置 | |
CN111753687A (zh) | 缺苗识别方法、装置、电子设备和计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |