CN108226224A - 一种基于无人机热成像技术的作物病害监测方法和系统 - Google Patents
一种基于无人机热成像技术的作物病害监测方法和系统 Download PDFInfo
- Publication number
- CN108226224A CN108226224A CN201810089147.0A CN201810089147A CN108226224A CN 108226224 A CN108226224 A CN 108226224A CN 201810089147 A CN201810089147 A CN 201810089147A CN 108226224 A CN108226224 A CN 108226224A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- infrared image
- farmland
- temperature
- illness
- 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
Links
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 53
- 201000010099 disease Diseases 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 238000001931 thermography Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 7
- 206010061217 Infestation Diseases 0.000 claims abstract description 6
- 208000031968 Cadaver Diseases 0.000 claims abstract description 5
- 230000009466 transformation Effects 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 6
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 5
- 230000007812 deficiency Effects 0.000 abstract description 4
- 238000005070 sampling Methods 0.000 abstract description 4
- 230000005855 radiation Effects 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 241000221696 Sclerotinia sclerotiorum Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000021393 food security Nutrition 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/02—Constructional details
- G01J5/03—Arrangements for indicating or recording specially adapted for radiation pyrometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于无人机热成像技术的作物病害监测方法和系统,属于农业信息监测技术领域,检测系统包括安装有红外图像采集装置的无人机和用于照片处理并检测病害分布的处理器,无人机按设定的拍摄航线飞行并拍摄农田照片;处理器包括图像处理单元、建模单元和无线遥控单元。针对传统田间取样检测所存在的不足,利用红外热成像技术,通过物体自身各部分对红外热辐射的差异把红外辐射图像转换为可视图像,根据病害侵染作物叶片时,叶片表面温度会出现变化,从而判断作物是否发生病害。能够快速、有效且大范围采集农作物病害。具有检测速度快,省时省力的优点。
Description
技术领域
本发明涉及农业信息监测技术领域,具体地说,涉及一种基于无人机热成像技术的作物病害监测方法和系统。
背景技术
农作物病害是我国的主要农业灾害之一,其具有种类繁多、影响大、易爆发成灾等特点,严重影响作物的产量,甚至造成绝收。以油菜菌核病为例,它是一种世界性病害,在我国以长江流域发病最为严重。据统计,菌核病在我国所有油菜产区均有发生,其发病率一般为10%~80%,每年产量损失最多可达30%。
在农田自然环境下生长,农作物易受到环境、土壤和品种的影响,病害侵染作物的时期和程度都具有很大的随机性。病害检测是有效控制作物病害的关键,也是保证粮食果蔬高产及食品安全的一项重要措施,对提高粮食果蔬品质安全具有重大的实际意义。目前作物病害的监测一般只能根据病害发生的大致时期,以人工目测和田间取样的方式确定染病的种类和程度,这些方法费时费力,主观性强,且不具有代表性。
发明内容
本发明的目的为提供一种基于无人机热成像技术的作物病害监测方法和系统,根据病害侵染作物叶片时,叶片表面温度会出现变化,从而判断作物是否发生病害。
为了实现上述目的,本发明提供的基于无人机热成像技术的作物病害监测方法包括以下步骤:
1)根据设定的拍摄航线,对农田进行拍照并收集所拍摄的照片,将所有照片拼接成农田整体的原始红外图像;
2)对原始红外图像进行灰度线性变换处理得到处理后的红外图像;
3)使用温度定标公式对处理后的红外图像进行温度转换,得到温度分布图;
4)分别对正常样本农田和不同染病程度的染病样本农田进行步骤1)~3),通过ROI选取算法选择出含有对应作物的有效区域,,根据各自的温度分布图求出正常样本区域中所有像素点对应的平均温度和染病样本区域中所有像素点对应的平均温度,并计算染病样本区域与正常样本区域的平均温度的差;
5)通过线性拟合的方法建立平均温度的差与染病程度之间的预测模型,对病害侵染程度进行分级,分为轻度、中度和重度;
6)采集待测农田样本的原始红外图像,计算出待测样本区域与正常样本区域的平均温度的差,利用预测模型对待测农田进行检测,并生成病害分布图。
上述技术方案中,针对传统田间取样检测所存在的不足,利用红外热成像技术,通过物体自身各部分对红外热辐射的差异把红外辐射图像转换为可视图像,根据病害侵染作物叶片时,叶片表面温度会出现变化,从而判断作物是否发生病害。其中,步骤6)中对待测农田样本实施步骤1)~3)得到待测农田样本的温度分布图。该方法能够快速、有效且大范围采集农作物病害。具有检测速度快,省时省力的优点。
优选的,步骤1)中根据设定的拍摄航线,对农田进行拍照包括:
1-1)无人机接收地面站发送的飞行航线;
1-2)通过GPS获取无人机的实时经纬度坐标,并与设定的图像采集信号触发点比对;
1-3)当无人机进入图像采集信号触发点设定的距离范围内时,飞控系统向红外图像采集装置发出PWM触发指令,触发红外图像采集装置拍摄照片。
优选的,步骤1)中将所有照片拼接成农田整体的原始红外图像采用SIFT算法提取特征点的方法进行。
优选的,步骤2)采用以下方法:
对原始红外图像f(x,y)的逐个像素扫描获取像素灰度最小值Fmin和灰度最大值Fmax,将其扩展为16位数字图像,即处理后的红外图像g(x,y),线性变换的公式为:
其中,(x,y)是图像空间坐标。
优选的,步骤3)温度定标公式如下:
t(x,y)=kf(x,y)-273.15
其中,k为温度系数。
一种基于无人机热成像技术的作物病害监测系统,利用作物病害监测方法实现对作物病害进行监测,包括:
安装有红外图像采集装置的无人机,按设定的拍摄航线飞行并拍摄农田照片;
和用于照片处理并检测病害分布的处理器,处理器包括:
图像处理单元:将所拍摄的照片拼接成农田整体的原始红外图像,进行灰度线性变换处理及温度转换,得到温度分布图;
建模单元,根据相应的温度分布图求出正常样本区域中所有像素点对应的平均温度和染病样本区域中所有像素点对应的平均温度,并计算染病样本区域与正常样本区域的平均温度的差,建立平均温度的差与染病程度之间的预测模型,用于检测待测农田样本的病害分布;
无线遥控单元,用于控制无人机按设定的拍摄航线飞行。
优选的,无人机上设有用于安装红外图像采集装置的增稳云台。
与现有技术相比,本发明的有益效果为:
本发明针对传统田间取样检测所存在的不足,利用遥感成像技术快速、有效且大范围采集农作物病害。利用红外热成像技术并针对物体自身各部分对红外热辐射的差异把红外辐射图像转换为可视图像的技术,该技术可根据病害侵染作物叶片时,叶片表面温度会出现变化,从而判断作物是否发生病害。与传统人工目测和田间取样的方式相比,具有检测速度快,省时省力等优点。
附图说明
图1为本发明实施例的基于无人机热成像技术的作物病害监测系统示意图;
图2为本发明实施例的基于无人机热成像技术的作物病害监测方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下结合实施例及其附图对本发明作进一步说明。
实施例
参见图1,基于无人机热成像技术的作物病害监测系统包括安装有红外图像采集装置的无人机1和用于照片处理并检测病害分布的处理器。无人机1按设定的拍摄航线飞行并拍摄农田照片。处理器包括图像处理单元、建模单元和无线遥控单元。
图像处理单元用于将所拍摄的照片拼接成农田整体的原始红外图像,进行灰度线性变换处理及温度转换,得到温度分布图。
建模单元根据相应的温度分布图求出正常样本区域中所有像素点对应的平均温度和染病样本区域中所有像素点对应的平均温度,并计算染病样本区域与正常样本区域的平均温度的差,建立平均温度的差与染病程度之间的预测模型,用于检测待测农田样本的病害分布。
无线遥控单元,安装在地面站,可以实时获取无人机的飞行参数,也可以将飞行航线发送给无人机,以控制无人机按设定的拍摄航线飞行。本实施例的无人机1为多旋翼无人机,无人机上安装有数据链路与地面站通讯。
红外图像采集装置包括非制冷红外热成像相机机芯3和图像采集测温卡4。非制冷红外热成像相机机芯3的成像分辨率为640×512,可输出14位数字图像,采集的波长范围为7.5-13.5μm,灵敏度为50mK。非制冷红外热成像相机机芯3前方装有19mm镜头,视场角为32°×26°。图像采集测温卡4安装在非制冷红外热成像相机机芯3的背部,将采集到的无损数字图像以raw格式保存到TF卡中。
无人机1上设有用于安装红外图像采集装置的增稳云台2,无人机1与增稳云台2间设有水平轴、横滚轴和俯仰轴,分别通过三个电机驱动保持增稳云台2保持平稳状态。当无人机1姿态发生改变时,增稳云台2通过传感器感知机身的动作,通过两个电机驱动横滚轴和俯仰轴使红外图像采集装置保持原来的位置,抵消机身晃动或者震动的影响,保证获取的红外照片清晰无重影。增稳云台2的水平角可连续转动360°,横滚角限位±45°,俯仰角限位±90°。根据实际的应用情况,可将增稳云台2设置成正射拍摄和倾斜拍摄两种模式。无人机1接收地面站发送的飞行航线,其中包括飞行高度、飞行速度、重叠、图像采集信号触发点等。无人机1起飞后,按照设定的飞行航线执行飞行计划。
参见图2,基于无人机热成像技术的作物病害监测方法,在上述系统的基础上实现,该方法包括以下步骤:
1)根据设定的拍摄航线,对农田进行拍照并收集所拍摄的照片,将所有照片拼接成农田整体的原始红外图像;
该步骤中根据设定的拍摄航线,对农田进行拍照包括:
1-1)无人机接收地面站发送的飞行航线;
1-2)通过GPS获取无人机的实时经纬度坐标,并与设定的图像采集信号触发点比对;
1-3)当无人机进入图像采集信号触发点设定的距离范围内时,飞控系统向红外图像采集装置发出PWM触发指令,触发红外图像采集装置拍摄照片。采集图像时,三轴云台设置为正射拍摄模式。
该步骤中将所有照片拼接成农田整体的原始红外图像采用SIFT算法提取特征点的方法进行,具体过程如下:
对于无人机拍摄的红外图像的尺度空间可定义为:
L(x,y,σ)=G(x,y,σ)*I(x,y)
其中,G(x,y,σ)为尺度可变高斯函数,(x,y)是空间坐标,σ是尺度坐标。
为了在尺度空间中检测稳定的关键点,构造高斯尺度空间:
D(x,y,σ)=[G(x,y,kσ)-G(x,y,σ)]*I(x,y)=L(x,y,kσ)-L(x,y,σ)
其中k为相邻两个高斯尺度空间的比例因子。
通过设置不同的尺度坐标σ,构建高斯金字塔,将相邻高斯金字塔相减得到具有S层图像的DoG金字塔。在DoG金字塔的不同层图像中寻找极值点,求取极值点的主方向,生成描述图像特征的特征向量。
在从多幅航拍图像中提取出对尺度缩放、旋转、亮度变化无关的特征向量之后,采用欧式距离作为两幅图像中的关键点相似性的判断度量,完成图像的SIFT特征初步匹配。采用RANSAC算法对匹配点进行提纯,计算L-M优化透视矩阵M,使匹配点的误差控制在0.1个像素以内。根据图像间透视矩阵M,对相应的图像进行变换以确定图像间的重叠区域,并将待融合的图像注册到一幅新的空白图像中形成红外图像拼接图。
2)对原始红外图像进行灰度线性变换处理得到处理后的红外图像;
非制冷红外热成像相机机芯出厂时已完成测温标定,输出为14位数字图像(灰度范围0-16383),在无人机遥感作业过程中获取的图像的灰度值主要集中在7000-8000的范围内,直接显示会因对比度不足而使得观看效果很差,必须对得到的图像进行灰度线性变换处理;
对原始红外图像f(x,y)的逐个像素扫描获取像素灰度最小值Fmin和灰度最大值Fmax,将其扩展为16位数字图像,及处理后的红外图像g(x,y),线性变换的公式为:
其中,x为图像横轴上的像素点,y为图像纵轴上的像素点。
3)使用温度定标公式对处理后的红外图像进行温度转换,得到温度分布图;温度定标公式如下:
t(x,y)=kf(x,y)-273.15
其中,k为温度系数,非制冷红外热成像相机机芯的k=0.04。
4)分别对正常样本农田和不同染病程度的染病样本农田进行步骤1)~3),选出有效的样本区域,根据各自的温度分布图求出正常样本区域中所有像素点对应的平均温度(ti是像素点i对应的温度,nN是正常样本区域内的像素总数)和染病样本区域中所有像素点对应的平均温度(ti是像素点i对应的温度,nD是正常样本区域内的像素总数),并计算不同染病程度的样本区域与正常样本区域的平均温度的差
5)通过线性拟合的方法建立平均温度的差与染病程度之间的预测模型,将病害侵染程度分为轻度、中度和重度;
6)采集待测农田样本的原始红外图像,计算出待测样本区域与正常样本区域的平均温度的差,利用预测模型对待测农田进行检测,并生成病害分布图。
本实施例中,无人机1的飞行高度设置为25米,飞行速度为2m/s,相邻航片间的航向重叠率设置为75%,旁向重叠率设置为60%。
Claims (7)
1.一种基于无人机热成像技术的作物病害监测方法,其特征在于,包括以下步骤:
1)根据设定的拍摄航线,对农田进行拍照并收集所拍摄的照片,将所有照片拼接成农田整体的原始红外图像;
2)对原始红外图像进行灰度线性变换处理得到处理后的红外图像;
3)使用温度定标公式对处理后的红外图像进行温度转换,得到温度分布图;
4)分别对正常样本农田和不同染病程度的染病样本农田进行步骤1)~3),通过ROI选取算法选择出含有对应作物的有效区域,根据各自的温度分布图求出正常样本区域中所有像素点对应的平均温度和染病样本区域中所有像素点对应的平均温度,并计算不同染病程度的样本区域与正常样本区域的平均温度的差;
5)通过线性拟合的方法建立平均温度的差与染病程度之间的预测模型,对病害侵染程度进行分级;
6)采集待测农田样本的原始红外图像,计算出待测样本区域与正常样本区域的平均温度的差,利用预测模型对待测农田进行检测,并生成病害分布图。
2.根据权利要求1所述的作物病害监测方法,其特征在于,步骤1)中所述的根据设定的拍摄航线,对农田进行拍照包括:
1-1)无人机接收地面站发送的飞行航线;
1-2)通过GPS获取无人机的实时经纬度坐标,并与设定的图像采集信号触发点比对;
1-3)当无人机进入图像采集信号触发点设定的距离范围内时,飞控系统向红外图像采集装置发出PWM触发指令,触发红外图像采集装置拍摄照片。
3.根据权利要求1所述的作物病害监测方法,其特征在于,步骤1)中所述的将所有照片拼接成农田整体的原始红外图像采用SIFT算法提取特征点的方法进行。
4.根据权利要求1所述的作物病害监测方法,其特征在于,所述的步骤2)采用以下方法:
对原始红外图像f(x,y)的逐个像素扫描获取像素灰度最小值Fmin和灰度最大值Fmax,将其扩展为16位数字图像,即处理后的红外图像g(x,y),线性变换的公式为:
其中,(x,y)是图像空间坐标。
5.根据权利要求4所述的作物病害监测方法,其特征在于,步骤3)所述的温度定标公式如下:
t(x,y)=kf(x,y)-273.15
其中,k为温度系数。
6.一种利用权利要求1~5中任一权利要求所述的作物病害监测方法对农作物病害进行监测的无人机热成像技术的作物病害监测系统,其特征在于,包括:
安装有红外图像采集装置的无人机,按设定的拍摄航线飞行并拍摄农田照片;
和用于照片处理并检测病害分布的处理器,所述处理器包括:
图像处理单元:将所拍摄的照片拼接成农田整体的原始红外图像,进行灰度线性变换处理及温度转换,得到温度分布图;
建模单元,根据相应的温度分布图求出正常样本区域中所有像素点对应的平均温度和染病样本区域中所有像素点对应的平均温度,并计算染病样本区域与正常样本区域的平均温度的差,建立平均温度的差与染病程度之间的预测模型,用于检测待测农田样本的病害分布;
无线遥控单元,控制无人机按设定的拍摄航线飞行。
7.根据权利要求6所述的无人机热成像技术的作物病害监测系统,其特征在于,所述的无人机上设有用于安装所述红外图像采集装置的增稳云台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810089147.0A CN108226224A (zh) | 2018-01-30 | 2018-01-30 | 一种基于无人机热成像技术的作物病害监测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810089147.0A CN108226224A (zh) | 2018-01-30 | 2018-01-30 | 一种基于无人机热成像技术的作物病害监测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108226224A true CN108226224A (zh) | 2018-06-29 |
Family
ID=62669237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810089147.0A Pending CN108226224A (zh) | 2018-01-30 | 2018-01-30 | 一种基于无人机热成像技术的作物病害监测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108226224A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111982298A (zh) * | 2020-08-14 | 2020-11-24 | 扬州大学 | 一种基于无人机的水稻冠层温度检测方法 |
CN112485284A (zh) * | 2020-12-01 | 2021-03-12 | 中国农业大学 | 一种无人机农田病虫草害信息协同感知系统 |
CN113155293A (zh) * | 2021-04-06 | 2021-07-23 | 内蒙古工业大学 | 一种基于无人机的人体遥感测温监测识别系统 |
CN113310514A (zh) * | 2021-05-24 | 2021-08-27 | 广州大气候农业科技有限公司 | 一种农作物生长状况检测方法、系统、装置及存储介质 |
CN113418509A (zh) * | 2021-05-20 | 2021-09-21 | 中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所) | 一种用于农业的自动对靶检测装置及检测方法 |
CN117079143A (zh) * | 2023-10-16 | 2023-11-17 | 南京佳格耕耘科技有限公司 | 基于遥感数据的农田动态监测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105527657A (zh) * | 2016-01-14 | 2016-04-27 | 河海大学 | 基于无人机红外热图像采集的大面积农田作物水分状态监测方法及系统 |
CN106683097A (zh) * | 2017-03-03 | 2017-05-17 | 广东工业大学 | 一种无人机定位的方法以及系统 |
CN106872045A (zh) * | 2017-02-07 | 2017-06-20 | 贵阳学院 | 用红外图像温差监测评估农作物早期病害及其程度的方法 |
-
2018
- 2018-01-30 CN CN201810089147.0A patent/CN108226224A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105527657A (zh) * | 2016-01-14 | 2016-04-27 | 河海大学 | 基于无人机红外热图像采集的大面积农田作物水分状态监测方法及系统 |
CN106872045A (zh) * | 2017-02-07 | 2017-06-20 | 贵阳学院 | 用红外图像温差监测评估农作物早期病害及其程度的方法 |
CN106683097A (zh) * | 2017-03-03 | 2017-05-17 | 广东工业大学 | 一种无人机定位的方法以及系统 |
Non-Patent Citations (1)
Title |
---|
庞小平等: "《遥感制图与应用》", 30 June 2016, 测绘出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111982298A (zh) * | 2020-08-14 | 2020-11-24 | 扬州大学 | 一种基于无人机的水稻冠层温度检测方法 |
CN112485284A (zh) * | 2020-12-01 | 2021-03-12 | 中国农业大学 | 一种无人机农田病虫草害信息协同感知系统 |
CN112485284B (zh) * | 2020-12-01 | 2022-02-15 | 中国农业大学 | 一种无人机农田病虫草害信息协同感知系统 |
CN113155293A (zh) * | 2021-04-06 | 2021-07-23 | 内蒙古工业大学 | 一种基于无人机的人体遥感测温监测识别系统 |
CN113418509A (zh) * | 2021-05-20 | 2021-09-21 | 中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所) | 一种用于农业的自动对靶检测装置及检测方法 |
CN113310514A (zh) * | 2021-05-24 | 2021-08-27 | 广州大气候农业科技有限公司 | 一种农作物生长状况检测方法、系统、装置及存储介质 |
CN117079143A (zh) * | 2023-10-16 | 2023-11-17 | 南京佳格耕耘科技有限公司 | 基于遥感数据的农田动态监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108226224A (zh) | 一种基于无人机热成像技术的作物病害监测方法和系统 | |
JP5020444B2 (ja) | 作物生育量測定装置、作物生育量測定方法、作物生育量測定プログラム及びその作物生育量測定プログラムを記録したコンピュータ読取可能な記録媒体 | |
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 | |
Kalisperakis et al. | Leaf area index estimation in vineyards from UAV hyperspectral data, 2D image mosaics and 3D canopy surface models | |
Feng et al. | Cotton yield estimation from UAV-based plant height | |
CN106441442A (zh) | 一种大田作物表型信息高通量对等监测装置及监测方法 | |
CN104732564B (zh) | 一种玉米叶面积无损动态监测装置与方法 | |
CN112418188A (zh) | 基于无人机视觉的农作物生长全程数字化评估方法 | |
CN108760660A (zh) | 一种返青期冬小麦叶绿素含量估算方法 | |
AU2021101693A4 (en) | Method for determining water use efficiency of vegetation layer and evapotranspiration water-gross primary production-water use efficiency measuring device | |
CN109816680A (zh) | 一种农作物株高的高通量计算方法 | |
CN103400463B (zh) | 一种基于二维图像的林火定位方法和装置 | |
CN108896022A (zh) | 一种植被覆盖度估算方法 | |
CN108267175A (zh) | 一种基于无人机的农作物监测方法和装置 | |
Roberts | Shallow water bathymetry using integrated airborne multi-spectral remote sensing | |
Xu et al. | Classification method of cultivated land based on UAV visible light remote sensing | |
CN211477203U (zh) | 基于高分辨率遥感影像的精细化监测设备系统 | |
de Oca et al. | A UAS equipped with a thermal imaging system with temperature calibration for crop water stress index computation | |
Yang et al. | Comparison of hyperspectral imagery with aerial photography and multispectral imagery for mapping broom snakeweed | |
CN113762161A (zh) | 一种障碍物智能监测方法及系统 | |
Bhatti et al. | Comparison of stationary and mobile canopy sensing systems for maize and soybean in Nebraska, USA | |
Zhang et al. | Analysis of vegetation indices derived from aerial multispectral and ground hyperspectral data | |
Petro et al. | Aerial mapping of rice crops using mosaicing techniques for vegetative index monitoring | |
CN111896045A (zh) | 温室作物三维有向感知与细粒度自动采集装置及方法 | |
Fan et al. | Depth Ranging Performance Evaluation and Improvement for RGB-D Cameras on Field-Based High-Throughput Phenotyping Robots |
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 |
Application publication date: 20180629 |
|
RJ01 | Rejection of invention patent application after publication |