CN106778888A - 一种基于无人机遥感的果园病虫害普查系统和方法 - Google Patents

一种基于无人机遥感的果园病虫害普查系统和方法 Download PDF

Info

Publication number
CN106778888A
CN106778888A CN201611230771.5A CN201611230771A CN106778888A CN 106778888 A CN106778888 A CN 106778888A CN 201611230771 A CN201611230771 A CN 201611230771A CN 106778888 A CN106778888 A CN 106778888A
Authority
CN
China
Prior art keywords
remote sensing
airborne
disease damage
orchard
fruit
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.)
Pending
Application number
CN201611230771.5A
Other languages
English (en)
Inventor
岑海燕
翁海勇
殷文鑫
何勇
刘飞
何木斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201611230771.5A priority Critical patent/CN106778888A/zh
Publication of CN106778888A publication Critical patent/CN106778888A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/10—Scanning
    • G01N2201/102—Video camera

Abstract

本发明公开了一种基于无人机遥感的果园病虫害普查系统和方法，其中方法包括：利用无人机采集果树冠层的高光谱影像数据和RGB图像，对采集的高光谱影像数据进行校正处理；根据校正处理后的高光谱影像数据计算出果树冠层的光谱反射率、冠幅大小、叶片密度以及对应波段图像的纹理特征；根据RGB图像计算出果树上果实的大小、形状、颜色特征以及果树的颜色分布规律以及果园地表的三维视图；将果树冠层的光谱反射率、叶片密度、光谱图像的纹理特征，果实的大小、颜色特征输入到判别模型，实现对果园果树病虫害的识别。通过获取信息更加丰富的高光谱图像以及RGB图像，可满足果园虫情信息高频率定期监测需求，提高果园病虫害的普查效率。

Description

一种基于无人机遥感的果园病虫害普查系统和方法
技术领域
本发明涉及现代农业领域，尤其涉及一种基于无人机遥感的果园病虫害普查系统和方法。
背景技术
病虫害引发果树减产，造成经济损失。及时有效地对果园的墒情进行监测并提供预警，有利于控制果园病虫害的发展，最大限度的减少经济损失，提高经济效益。目前主要采用人工普查的方法来发现果园中的病虫害。采用人工普查，劳动强度大，并且耗费财力，普查效率低下。
公开号为CN104035412A的中国发明专利文献公开了一种基于无人机的农田作物病虫害监测系统，包括无人机和地面站，无人机搭载的设备有控制模块及与控制模块相连的GPS定位模块、传感模块和图像采集模块，传感模块包括监测昆虫的脉冲雷达和监测农作物的多波段光谱扫描仪、红外光谱仪。该发明还提供一种利用基于无人机的农作物病虫害监测方法，具体步骤利用无人机采集规定范围内的农作物多光谱图像；主控单元分析所采集的多光谱图像信息；最后将数据传回地面站。根据影像对比所产生的色调差异即可判断出受害作物。
公开号为CN105739518A的中国发明专利文献公开了基于无人机多光谱遥感的农田病虫害监测系统。包括无人机系统、多光谱遥感系统、数据链系统、地面控制系统和应用系统几个子系统，将采集数据进行分析并生成分析报告。
上述的方法只是获取农田作物的多光谱信息，多光谱图像所能表达的信息量有限，对于地形更加复杂的果园病虫害尚未研究。
发明内容
针对地形复杂的果园，本发明提供一种基于无人机遥感的果园病虫害普查系统和方法，利用高光谱成像系统和RGB相机分别获得更丰富的高光谱图像信息和RGB图像，并利用RGB图像信息对果园地表进行三维重构，可以更全面精准的实现病虫害普查。
一种基于无人机遥感的果园病虫害普查方法，包括：
(1)利用无人机采集果树冠层的高光谱影像数据和RGB图像，对采集的高光谱影像数据进行校正处理；
(2)根据校正处理后的高光谱影像数据计算出果树冠层的光谱反射率、冠幅大小、叶片密度以及对应波段光谱图像的纹理特征；根据RGB图像计算出果树上果实的大小、形状、颜色特征以及果树的颜色分布规律；
(3)将果树冠层的光谱反射率、叶片密度、光谱图像的纹理特征，果实的大小、颜色特征输入到判别模型，实现对果园果树病虫害的识别。
作为优选，步骤(1)中，所述的校正处理包括：
(1-1)对采集的高光谱影像数据进行辐射一致性校正，对辐射一致性校正的高光谱影像数据进行去噪处理；
一个架次内拍摄的高光谱影像内相同的物体应该具有相同的灰度值，但由于气象因子(如光照)、拍摄角度的变化，传感器相应的非均匀性等影响，会引起同一物体在不同的影像内呈现出不同的灰度值，因此需要对采集的高光谱影像数据进行辐射一致性校正。
进一步优选的，采用SIFT算法对同一物体在不同的影像中进行匹配，建立同一物体的同名点各个波段的模型，利用模型所建立的关系实现高光谱影像的辐射一致性校正；
辐射一致性校正后的高光谱影像会产生的椒盐噪声，进一步优选的，利用双边滤波算法对辐射一致性校正后的高光谱影像数据进行去噪处理。
(1-2)对去噪处理后的高光谱影像数据进行辐射校正，对辐射校正后的高光谱影像数据进行几何校正。
作为优选，步骤(1)中还包括在平坦地面铺设一块灰度值呈梯度变化且反射率已知的靶标，利用无人机采集靶标的高光谱影像数据。
进一步优选的，采用伪标准地物辐射纠正法对去噪处理后的高光谱影像数据进行辐射校正；
由于无人机飞行高度、速度和地面凹凸的变化而引起高光谱影像畸变，需要对畸变的高光谱影像进行几何校正，进一步优选的，采用双线性内插法消除辐射校正后产生几何畸变的高光谱影像数据。
作为优选，利用Hough变换检测所述的RGB图像中果树上的果实，计算出果树上果实的大小、形状、颜色特征以及果树的颜色分布规律。
对于地形复杂的果园，为了获取更加精准的果园病虫害信息，作为优选，步骤(1)中，采集的相邻区域的RGB图像之间具有重叠区域；步骤(2)中，还包括利用所述的RGB图像对果园地表进行三维重构，分析病虫害的分布规律。
本发明的基于无人机遥感的果园病虫害普查方法利用高光谱成像系统和RGB相机分别获得更丰富的高光谱图像信息和RGB图像，并利用RGB图像信息对果园地表进行三维重构，可满足不同果园、不同病害、不同虫害的监测与普查，相比于获取单一的叶片或者冠层信息，基于果园三维信息可以更全面精准的实现病虫害普查，有利于解决当前果园病虫害普查存在费时费力等问题，缩短的果园病虫害的普查周期而且提高了普查效率。
本发明还提供了一种基于无人机遥感的果园病虫害普查系统，包括无人机和控制中心，所述的无人机上搭载有：
处理模块，以及连接并受控于处理模块的：
高光谱成像模块，采集果树的高光谱影像数据；
RGB成像模块，采集果树的RGB图像；
GPS模块，记录所采集高光谱影像和RGB图像的地理坐标；
存储模块，将采集到的高光谱影像数据和RGB图像进行保存；
通讯模块，将采集到的高光谱影像数据和RGB图像传回控制中心。
作为优选，所述的高光谱成像模块为波长范围为400～1000nm的高光谱相机。
作为优选，所述的无人机为多旋翼无人机。
与现有技术相比，本发明的有益效果为：
(1)通过获取信息更加丰富的高光谱图像以及RGB图像，以及对果园的地表进行三维重构，可满足果园虫情信息高频率定期监测需求，提高果园病虫害的普查效率。
(2)相比于获取单一的叶片或者冠层信息，基于果园地表的三维信息可以更全面精准的实现病虫害普查。
附图说明
图1为本发明基于无人机遥感的果园病虫害普查系统的结构框图。
具体实施方式
本发明提供了一种基于无人机遥感的果园病虫害普查系统，包括无人机和控制中心，无人机上搭载有：
采用树莓派作为主控单元的处理模块，以及连接并受控于处理模块的：
波长范围为400～1000nm的高光谱相机，采集果树的高光谱影像数据；
RGB相机，采集果树的RGB图像；
GPS模块，记录所采集高光谱影像和RGB图像的地理坐标，方便后续的病株挖除；
存储模块，将采集到的高光谱影像数据和RGB图像进行保存；
通讯模块，将采集到的高光谱影像数据和RGB图像传回控制中心。
将上述普查系统用于普查柑橘黄龙病的普查，方法包括：
(1)首先在平坦的地面铺设一块分布四个梯度且反射率已知的靶标；靶标的反射率利用地物光谱仪测得。设计四个梯度则是为了针对不同的室外光照条件选择对应合适的灰阶，从而提高信噪比；
(2)利用挂载在无人机云台上的高光谱相机和RGB相机获取果树冠层和靶标的高光谱影像数据和RGB图像；拍摄过程中，一个架次内拍摄的高光谱影像和RGB图像具有一定的重叠率；
(3)对拍摄获取高光谱影像进行辐射一致性校正；气象因子(如光照)和拍摄角度的变化会引起同一物体在不同的影像内呈现出不同的灰度值。因此采用SIFT算法对同一物体在不同的影像中进行匹配，建立同一物体的同名点各个波段的模型。利用转换模型所建立的关系实现高光谱影像的辐射一致性校正；
(4)针对辐射一致性校正后的产生的椒盐噪声，利用双边滤波算法对辐射一致性校正后的影像进行去噪处理。滤波后，当前像素的灰度值为邻域像素灰度值的加权和。即：
式中，g(x，y)为输出的当前像素灰度值，w(x，y，k，l)为滤波器内各个像素的加权系数，[k，l]为滤波器的大小；
(5)采用伪标准地物辐射纠正法对拍摄获取的高光谱影像数据进行辐射校正，得到高光谱影像各个波段的反射率：根据靶标反射率和DN值已知的情况下，利用公式R＝a*DN+b计算辐射校正参数，其中：R为反射率，DN为灰度值，a，b为辐射校正参数。利用求得的辐射校正参数a和b计算所有影像的反射率；
(6)采用双线性内插法消除辐射校正后产生畸变的高光谱影像数据，原始图像上的像素点(X，Y)经校正后的像素值Fj为：
Fj＝(1-x)(1-y)f(x0-y0)+y(1-x)f(x0+1，y0)+x(1-y)f(x0，y0+1)+xyf(x0+1，y0+1)
式中，x0，y0分别X，Y的整数部分，表示列号和行号；x，y分别为表示X，Y的小数部分；f(x0，y0)表示像素值；
(7)根据高光谱影像计算出不同波段下的果树冠层光谱反射率，计算冠幅大小、叶片密度以及对应波段图像的纹理特征；根据感病植株果实发育不良的特点，利用Hough变换检测RGB图像中果树上的果实，计算果实大小、形状和颜色特征以及果实的颜色分布规律；
(8)感病植株长势较弱，叶片的叶绿素遭到破坏，将果树冠层的光谱反射率、光谱图像的纹理特征、叶片密度、果实大小、果实的颜色特征输入到判别模型，实现果园果树病虫害的识别；
(9)利用RGB相机拍摄的地表RGB图像对果园地表进行三维重构，实现更加精准的果园病虫害信息普查。
以上所述的实施例对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的具体实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于无人机遥感的果园病虫害普查方法，其特征在于，包括：
(1)利用无人机采集果树冠层的高光谱影像数据和RGB图像，对采集的高光谱影像数据进行校正处理；
(2)根据校正处理后的高光谱影像数据计算出果树冠层的光谱反射率、冠幅大小、叶片密度以及对应波段光谱图像的纹理特征；根据RGB图像计算出果树上果实的大小、形状、颜色特征以及果树的颜色分布规律；
(3)将果树冠层的光谱反射率、叶片密度、光谱图像的纹理特征，果实的大小、颜色特征输入到判别模型，实现对果园果树病虫害的识别。
2.根据权利要求1所述的基于无人机遥感的果园病虫害普查方法，其特征在于，步骤(1)中，所述的校正处理包括：
(1-1)对采集的高光谱影像数据进行辐射一致性校正，对辐射一致性校正的高光谱影像数据进行去噪处理；
(1-2)对去噪处理后的高光谱影像数据进行辐射校正，对辐射校正后的高光谱影像数据进行几何校正。
3.根据权利要求2所述的基于无人机遥感的果园病虫害普查方法，其特征在于，步骤(1-1)中，采用SIFT算法对同一物体在不同的影像中进行匹配，建立同一物体的同名点各个波段的模型，利用模型所建立的关系实现高光谱影像的辐射一致性校正；利用双边滤波算法对辐射一致性校正后的高光谱影像数据进行去噪处理。
4.根据权利要求2所述的基于无人机遥感的果园病虫害普查方法，其特征在于，步骤(1)中还包括在平坦地面铺设一块灰度值呈梯度变化且反射率已知的靶标，利用无人机采集靶标的高光谱影像数据。
5.根据权利要求4所述的基于无人机遥感的果园病虫害普查方法，其特征在于，步骤(1-2)中，采用伪标准地物辐射纠正法对去噪处理后的高光谱影像数据进行辐射校正；采用双线性内插法消除辐射校正后产生几何畸变的高光谱影像数据。
6.根据权利要求1所述的基于无人机遥感的果园病虫害普查方法，其特征在于，利用Hough变换检测所述的RGB图像中果树上的果实，计算出果树上果实的大小、形状、颜色特征以及果树的颜色分布规律。
7.根据权利要求1所述的基于无人机遥感的果园病虫害普查方法，其特征在于，步骤(1)中，采集的相邻区域的RGB图像之间具有重叠区域。
8.根据权利要求7所述的基于无人机遥感的果园病虫害普查方法，其特征在于，步骤(2)中，还包括利用所述的RGB图像对果园地表进行三维重构，分析病虫害的分布规律。
9.一种基于无人机遥感的果园病虫害普查系统，包括无人机和控制中心，其特征在于，所述的无人机上搭载有：
处理模块，以及连接并受控于处理模块的：
高光谱成像模块，采集果树的高光谱影像数据；
RGB成像模块，采集果树的RGB图像；
GPS模块，记录所采集高光谱影像和RGB图像的地理坐标；
存储模块，将采集到的高光谱影像数据和RGB图像进行保存；
通讯模块，将采集到的高光谱影像数据和RGB图像传回控制中心。
10.根据权利要求9所述的基于无人机遥感的果园病虫害普查系统，其特征在于，所述的高光谱成像模块为波长范围为400～1000nm的高光谱相机。
CN201611230771.5A 2016-12-27 2016-12-27 一种基于无人机遥感的果园病虫害普查系统和方法 Pending CN106778888A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611230771.5A CN106778888A (zh) 2016-12-27 2016-12-27 一种基于无人机遥感的果园病虫害普查系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611230771.5A CN106778888A (zh) 2016-12-27 2016-12-27 一种基于无人机遥感的果园病虫害普查系统和方法

Publications (1)

Publication Number Publication Date
CN106778888A true CN106778888A (zh) 2017-05-31

Family

ID=58922919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611230771.5A Pending CN106778888A (zh) 2016-12-27 2016-12-27 一种基于无人机遥感的果园病虫害普查系统和方法

Country Status (1)

Country Link
CN (1) CN106778888A (zh)

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107451982A (zh) * 2017-08-14 2017-12-08 东北林业大学 一种基于无人机影像的高郁闭度林分树冠面积获取方法
CN107944426A (zh) * 2017-12-14 2018-04-20 安徽大学 基于纹理滤波和二维光谱特征空间判别相结合的小麦叶片白粉病斑标记方法
CN108333140A (zh) * 2018-02-01 2018-07-27 福州大学 用于刚竹毒蛾危害检测的特征光谱指数及检测方法
CN108346143A (zh) * 2018-01-30 2018-07-31 浙江大学 一种基于无人机多源图像融合的作物病害监测方法和系统
CN108693119A (zh) * 2018-04-20 2018-10-23 北京麦飞科技有限公司 基于无人机高光谱遥感的病虫害智能察打系统
CN108765544A (zh) * 2018-04-11 2018-11-06 浙江大学 一种大田作物冠层表型波谱图像的实时自动较正方法与系统
CN108801350A (zh) * 2018-06-22 2018-11-13 江苏省农业科学院 一种基于无人机低空遥感技术的果树生长监测系统
CN108990944A (zh) * 2018-06-27 2018-12-14 浙江大学 基于可见光热红外图像融合的无人机遥感喷药一体化方法及装置
CN109191074A (zh) * 2018-08-27 2019-01-11 宁夏大学 智慧果园种植管理系统
CN109598767A (zh) * 2018-11-22 2019-04-09 仲恺农业工程学院 一种基于无人机定位拍摄的果园监控系统和方法
CN109598215A (zh) * 2018-11-22 2019-04-09 仲恺农业工程学院 一种基于无人机定位拍摄的果园建模分析系统和方法
EP3467702A1 (en) * 2017-10-04 2019-04-10 Kws Saat Se Method and system for performing data analysis for plant phenotyping
CN109613022A (zh) * 2019-01-25 2019-04-12 华南农业大学 一种低空高光谱遥感检测柑橘黄龙病的方法、装置及系统
CN109765190A (zh) * 2019-02-20 2019-05-17 中国水稻研究所 一种利用高光谱成像技术识别稻田稗草的方法
CN109886259A (zh) * 2019-02-22 2019-06-14 潍坊科技学院 一种基于计算机视觉的番茄病害识别预警方法及装置
CN109991911A (zh) * 2019-05-05 2019-07-09 西安邮电大学 一种基于物联网的果园综合监控系统
CN110110730A (zh) * 2019-04-12 2019-08-09 东南大学 一种用于无人机影像辐射校正中校正模型构建的方法
CN110175958A (zh) * 2019-04-24 2019-08-27 艾瑞迈迪科技石家庄有限公司 一种基于医学影像的消融结果分析方法和系统
CN110378894A (zh) * 2019-07-25 2019-10-25 内蒙古工业大学 基于相关性的TomoSAR植被病虫害监测方法及装置
CN110533595A (zh) * 2019-09-03 2019-12-03 北京麦飞科技有限公司 一种作物病虫害空间动态分布监测的方法和系统
CN110579987A (zh) * 2019-09-10 2019-12-17 西京学院 基于lora通讯的智慧果园信息控制系统及方法
CN111344738A (zh) * 2017-11-15 2020-06-26 日本电气方案创新株式会社 用于在农场中收集育种数据的设备、用于分析育种特征的设备、用于在农场中收集育种数据的方法、程序和记录介质
CN112434569A (zh) * 2020-11-09 2021-03-02 吉林化工学院 一种无人机热成像系统
WO2021051278A1 (zh) * 2019-09-17 2021-03-25 深圳市大疆创新科技有限公司 地表特征识别方法、设备、无人机及计算机可读存储介质
CN112906436A (zh) * 2019-12-04 2021-06-04 杭州声能科技有限公司 一种水稻飞虱区域虫情监测系统
CN113588560A (zh) * 2021-08-23 2021-11-02 广州思林杰科技股份有限公司 用于柑橘黄龙病监测的多光谱采集终端、系统及方法
CN114255262A (zh) * 2021-12-15 2022-03-29 赣南师范大学 一种害虫消杀系统、方法、电子设备及存储介质
CN115443845A (zh) * 2022-09-29 2022-12-09 贵州师范学院 基于无人机的茶园茶树病变与长势监测方法
CN117649608A (zh) * 2024-01-29 2024-03-05 阿坝州林业和草原科学技术研究所 基于遥感监测的松材线虫病识别系统及方法
CN117788351A (zh) * 2024-02-27 2024-03-29 杨凌职业技术学院 一种农业遥感图像校正方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101881726A (zh) * 2010-06-18 2010-11-10 北京农业智能装备技术研究中心 植物幼苗综合性状活体无损检测方法
CN103198298A (zh) * 2013-03-18 2013-07-10 浙江大学 一种基于导数光谱法的轻度虫害叶片的叶脉识别方法
CN103903252A (zh) * 2012-12-28 2014-07-02 中国农业机械化科学研究院 棉田虫情自动监测装置及监测方法
CN104035412A (zh) * 2014-06-12 2014-09-10 江苏恒创软件有限公司 一种基于无人机的农作物病虫害监测系统和方法
CN104330410A (zh) * 2014-11-04 2015-02-04 无锡北斗星通信息科技有限公司 位于无人机上的作物病虫害检测系统
CN105427377A (zh) * 2015-11-03 2016-03-23 武汉地大信息工程股份有限公司 一种基于无人机的地质灾害数据采集处理方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101881726A (zh) * 2010-06-18 2010-11-10 北京农业智能装备技术研究中心 植物幼苗综合性状活体无损检测方法
CN103903252A (zh) * 2012-12-28 2014-07-02 中国农业机械化科学研究院 棉田虫情自动监测装置及监测方法
CN103198298A (zh) * 2013-03-18 2013-07-10 浙江大学 一种基于导数光谱法的轻度虫害叶片的叶脉识别方法
CN104035412A (zh) * 2014-06-12 2014-09-10 江苏恒创软件有限公司 一种基于无人机的农作物病虫害监测系统和方法
CN104330410A (zh) * 2014-11-04 2015-02-04 无锡北斗星通信息科技有限公司 位于无人机上的作物病虫害检测系统
CN105427377A (zh) * 2015-11-03 2016-03-23 武汉地大信息工程股份有限公司 一种基于无人机的地质灾害数据采集处理方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨贵军: "无人机多光谱影像辐射一致性自动校正", 《农业工程学报》 *
麦春艳: "基于RGB-D相机的果树三维重构与果实识别定位", 《农业机械学报》 *

Cited By (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107451982B (zh) * 2017-08-14 2020-08-14 东北林业大学 一种基于无人机影像的高郁闭度林分树冠面积获取方法
CN107451982A (zh) * 2017-08-14 2017-12-08 东北林业大学 一种基于无人机影像的高郁闭度林分树冠面积获取方法
WO2019068835A1 (en) * 2017-10-04 2019-04-11 Kws Saat Se METHOD AND SYSTEM FOR DATA ANALYSIS FOR PLANT PHENOTYPING
EP3467702A1 (en) * 2017-10-04 2019-04-10 Kws Saat Se Method and system for performing data analysis for plant phenotyping
CN111357009A (zh) * 2017-10-04 2020-06-30 科沃施种子欧洲股份两合公司 用于进行植物表型分型数据分析的方法和系统
CN111344738B (zh) * 2017-11-15 2024-03-29 日本电气方案创新株式会社 在农场中收集育种数据、分析育种特征的设备、方法
CN111344738A (zh) * 2017-11-15 2020-06-26 日本电气方案创新株式会社 用于在农场中收集育种数据的设备、用于分析育种特征的设备、用于在农场中收集育种数据的方法、程序和记录介质
CN107944426B (zh) * 2017-12-14 2020-06-02 安徽大学 基于纹理滤波和二维光谱特征空间判别相结合的小麦叶片白粉病斑标记方法
CN107944426A (zh) * 2017-12-14 2018-04-20 安徽大学 基于纹理滤波和二维光谱特征空间判别相结合的小麦叶片白粉病斑标记方法
CN108346143A (zh) * 2018-01-30 2018-07-31 浙江大学 一种基于无人机多源图像融合的作物病害监测方法和系统
CN108333140B (zh) * 2018-02-01 2020-10-09 福州大学 用于刚竹毒蛾危害检测的特征光谱指数及检测方法
CN108333140A (zh) * 2018-02-01 2018-07-27 福州大学 用于刚竹毒蛾危害检测的特征光谱指数及检测方法
CN108765544B (zh) * 2018-04-11 2020-06-19 浙江大学 一种大田作物冠层表型波谱图像的实时自动较正方法与系统
CN108765544A (zh) * 2018-04-11 2018-11-06 浙江大学 一种大田作物冠层表型波谱图像的实时自动较正方法与系统
CN108693119A (zh) * 2018-04-20 2018-10-23 北京麦飞科技有限公司 基于无人机高光谱遥感的病虫害智能察打系统
CN108693119B (zh) * 2018-04-20 2020-09-25 北京麦飞科技有限公司 基于无人机高光谱遥感的病虫害智能察打系统
CN108801350A (zh) * 2018-06-22 2018-11-13 江苏省农业科学院 一种基于无人机低空遥感技术的果树生长监测系统
CN108990944A (zh) * 2018-06-27 2018-12-14 浙江大学 基于可见光热红外图像融合的无人机遥感喷药一体化方法及装置
CN109191074A (zh) * 2018-08-27 2019-01-11 宁夏大学 智慧果园种植管理系统
CN109598215A (zh) * 2018-11-22 2019-04-09 仲恺农业工程学院 一种基于无人机定位拍摄的果园建模分析系统和方法
CN109598767A (zh) * 2018-11-22 2019-04-09 仲恺农业工程学院 一种基于无人机定位拍摄的果园监控系统和方法
CN109613022A (zh) * 2019-01-25 2019-04-12 华南农业大学 一种低空高光谱遥感检测柑橘黄龙病的方法、装置及系统
CN109765190A (zh) * 2019-02-20 2019-05-17 中国水稻研究所 一种利用高光谱成像技术识别稻田稗草的方法
CN109886259A (zh) * 2019-02-22 2019-06-14 潍坊科技学院 一种基于计算机视觉的番茄病害识别预警方法及装置
CN110110730A (zh) * 2019-04-12 2019-08-09 东南大学 一种用于无人机影像辐射校正中校正模型构建的方法
CN110175958A (zh) * 2019-04-24 2019-08-27 艾瑞迈迪科技石家庄有限公司 一种基于医学影像的消融结果分析方法和系统
CN110175958B (zh) * 2019-04-24 2021-05-25 艾瑞迈迪科技石家庄有限公司 一种基于医学影像的消融结果分析方法和系统
CN109991911A (zh) * 2019-05-05 2019-07-09 西安邮电大学 一种基于物联网的果园综合监控系统
CN110378894A (zh) * 2019-07-25 2019-10-25 内蒙古工业大学 基于相关性的TomoSAR植被病虫害监测方法及装置
CN110533595A (zh) * 2019-09-03 2019-12-03 北京麦飞科技有限公司 一种作物病虫害空间动态分布监测的方法和系统
CN110579987A (zh) * 2019-09-10 2019-12-17 西京学院 基于lora通讯的智慧果园信息控制系统及方法
WO2021051278A1 (zh) * 2019-09-17 2021-03-25 深圳市大疆创新科技有限公司 地表特征识别方法、设备、无人机及计算机可读存储介质
CN112906436A (zh) * 2019-12-04 2021-06-04 杭州声能科技有限公司 一种水稻飞虱区域虫情监测系统
CN112434569B (zh) * 2020-11-09 2024-03-12 吉林化工学院 一种无人机热成像系统
CN112434569A (zh) * 2020-11-09 2021-03-02 吉林化工学院 一种无人机热成像系统
CN113588560A (zh) * 2021-08-23 2021-11-02 广州思林杰科技股份有限公司 用于柑橘黄龙病监测的多光谱采集终端、系统及方法
CN114255262A (zh) * 2021-12-15 2022-03-29 赣南师范大学 一种害虫消杀系统、方法、电子设备及存储介质
CN115443845B (zh) * 2022-09-29 2023-09-01 贵州师范学院 基于无人机的茶园茶树病变与长势监测方法
CN115443845A (zh) * 2022-09-29 2022-12-09 贵州师范学院 基于无人机的茶园茶树病变与长势监测方法
CN117649608A (zh) * 2024-01-29 2024-03-05 阿坝州林业和草原科学技术研究所 基于遥感监测的松材线虫病识别系统及方法
CN117649608B (zh) * 2024-01-29 2024-03-29 阿坝州林业和草原科学技术研究所 基于遥感监测的松材线虫病识别系统及方法
CN117788351A (zh) * 2024-02-27 2024-03-29 杨凌职业技术学院 一种农业遥感图像校正方法及系统
CN117788351B (zh) * 2024-02-27 2024-05-03 杨凌职业技术学院 一种农业遥感图像校正方法及系统

Similar Documents

Publication Publication Date Title
CN106778888A (zh) 一种基于无人机遥感的果园病虫害普查系统和方法
US11445665B2 (en) Plant treatment based on morphological and physiological measurements
US7058197B1 (en) Multi-variable model for identifying crop response zones in a field
CN112418188A (zh) 基于无人机视觉的农作物生长全程数字化评估方法
US20230292647A1 (en) System and Method for Crop Monitoring
CN108346143A (zh) 一种基于无人机多源图像融合的作物病害监测方法和系统
CN112345458A (zh) 一种基于无人机多光谱影像的小麦产量估测方法
CN109325431A (zh) 草原放牧绵羊采食路径中植被覆盖度的检测方法及其装置
Xiang et al. An automated stand-alone in-field remote sensing system (SIRSS) for in-season crop monitoring
CN113033279A (zh) 一种基于多源遥感影像的作物精细分类方法及其系统
CN117409339A (zh) 一种用于空地协同的无人机作物状态视觉识别方法
Kumari et al. Soybean cropland mapping using multi-temporal sentinel-1 data
Moreno et al. Proximal sensing for geometric characterization of vines: A review of the latest advances
Tsoulias et al. An approach for monitoring temperature on fruit surface by means of thermal point cloud
CN112364691B (zh) 一种烟草病虫害识别方法
CN112434569A (zh) 一种无人机热成像系统
Ormeci et al. Identification of crop areas Using SPOT–5 data
JP3551264B2 (ja) 植物活力変動の評価画像作成方法
Duman et al. Design of a smart vertical farming system using image processing
CN115035423A (zh) 一种基于无人机遥感影像的杂交水稻父母本识别提取方法
Johansen et al. Multi-temporal assessment of lychee tree crop structure using multi-spectral RPAS imagery
Yang et al. Feature extraction of cotton plant height based on DSM difference method
CN116485822B (zh) 一种高郁闭度人工林单木树冠分层分割方法
Ripa et al. Orchard Yield Estimation using Multi-angle Image Processing
LU102497B1 (en) An UAV thermal imaging system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531