CN109033937B - 通过无人机影像进行植物数量统计方法及系统 - Google Patents

通过无人机影像进行植物数量统计方法及系统 Download PDF

Info

Publication number
CN109033937B
CN109033937B CN201810556960.4A CN201810556960A CN109033937B CN 109033937 B CN109033937 B CN 109033937B CN 201810556960 A CN201810556960 A CN 201810556960A CN 109033937 B CN109033937 B CN 109033937B
Authority
CN
China
Prior art keywords
plant
pit
plants
image
area
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.)
Active
Application number
CN201810556960.4A
Other languages
English (en)
Other versions
CN109033937A (zh
Inventor
刘世生
唐正
李叶民
王亚非
王仁宗
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.)
Wuhan Heda Technology Co ltd
Original Assignee
Wuhan Heda Technology Co ltd
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 Wuhan Heda Technology Co ltd filed Critical Wuhan Heda Technology Co ltd
Priority to CN201810556960.4A priority Critical patent/CN109033937B/zh
Publication of CN109033937A publication Critical patent/CN109033937A/zh
Application granted granted Critical
Publication of CN109033937B publication Critical patent/CN109033937B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB

Abstract

一种通过无人机影像进行植物数量统计方法，其包括如下步骤：S1、通过无人机采集监测目标区域的多光谱图像数据，所述多光谱图像数据包括可见光、不可见光波段；并经处理得到包含位置属性信息的完整影像；S2、从完整影像中提取植物种植坑；S3、从完整影像中提取目标植物信息；S4、通过植物种植坑以及目标植物信息获得目标植物成活率及造林密度；S5、重复执行步骤S1至S4直至达到预设次数，并以时间为X轴，以植物建康状况信息为Y轴，建立每株植物的生长曲线，完成对植物生长状况的长期监测。

Description

通过无人机影像进行植物数量统计方法及系统
技术领域
本发明涉及智慧林业技术领域，特别涉及一种通过无人机影像进行植物数量统计方法及系统。
背景技术
现在的梭梭造林密度验收完全是靠人力进行的，依照统计方法进行抽样验证。依靠人力数出一定区域内梭梭的数量，再推断梭梭种植总数；依靠传统GPS测量的方法得出梭梭种植面积，进而计算出梭梭造林密度，若符合要求，则发放补贴。
现有的梭梭统计方法依赖于统计抽样，不能完全反应出种植情况，统计人员需要长时间在野外工作，并且统计时间长，统计难度大，工作效率低，耗费大量人力物力。现有方法不能宏观展示出梭梭的种植情况，只能用文字、表格等方式进行记录，不能直观展示梭梭的分布情况、生长情况、成活情况等信息，不能对牧民的造林情况、造林密度、成活率等进行系统管理。
发明内容
有鉴于此，本发明提出一种能够对牧民的造林情况、造林密度、成活率等进行系统管理的通过无人机影像进行植物数量统计方法及系统。
一种通过无人机影像进行植物数量统计方法，其包括如下步骤：
S1、通过无人机采集监测目标区域的多光谱图像数据，所述多光谱图像数据包括可见光、不可见光波段；并经处理得到包含位置属性信息的完整影像；
S2、从完整影像中提取植物种植坑；
S3、从完整影像中提取目标植物信息；
S4、通过植物种植坑以及目标植物信息获得目标植物成活率及造林密度；
S5、重复执行步骤S1至S4直至达到预设次数，并以时间为X轴，以植物建康状况信息为Y轴，建立每株植物的生长曲线，完成对植物生长状况的长期监测。
在本发明所述的通过无人机影像进行植物数量统计方法，所述步骤S2包括：
对步骤S1中完整影像进行图像识别获得完整影像中植物种植坑的区域，并根据植物成熟期的形态，将坑的面积进行扩展，并将完整影像对应图片转换为二值图像，在二值图像中1表示坑内区域，0表示坑外区域，同时提取出坑的经纬度坐标，为每一个坑建立矢量图形；坑的数量与种植总数相同。
在本发明所述的通过无人机影像进行植物数量统计方法，所述步骤S3包括：
对于步骤S2中的二值图片，通过两两二值图片数据的乘积运算，过滤掉坑外部的数据，对坑内区域的数据进行处理，根据植物特定的光谱特征，进行波段组合及波段运算，生成一种或多种植被指数的影像数据，将植被指数的影像数据加入到二值图像中。
在本发明所述的通过无人机影像进行植物数量统计方法，
所述步骤S4中目标植物成活率及造林密度通过如下方式获得：
通过植被指数计算出植被的冠幅面积、种植年龄因素加权计算出每株植物的健康状况，形成目标植物的健康度模型，并将以上信息记录到加入了植被指数的影像数据的二值图像的矢量图层的属性表中；
根据步骤S1中坑的矢量图形，统计出种植区域的面积以及该种植区域内的植物总数，计算出该种植区域的造林密度；依据步骤S4中获取的加入了植被指数的影像数据的二值图像的矢量图层的属性表，获取当前阶段成活的植物数量，计算出该种植区域的目标植物成活率，计算公式如下：
成活率＝成活数量/坑总数
造林密度＝坑总数/种植面积。
在本发明所述的通过无人机影像进行植物数量统计方法，
所述步骤S5之后还包括：重复执行步骤S1至S4直至达到预设次数，并以时间为X轴，以植物建康状况信息为Y轴，建立每株植物的生长曲线，完成对植物生长状况的长期监测；
将多光谱图像数据、二值图像、坑和植物的矢量信息、目标植物成活信息通过WebGIS技术发布，并叠加到互联网地图中，形成植物生长监测体系以实时展示每一株植物的生长状况。
在本发明所述的通过无人机影像进行植物数量统计方法，
完整影像进行图像识别获得完整影像中坑的区域包括：
通过坑的物理结构特点和光谱反射特性，对坑进行初步提取，再通过提取出的坑对象的面积大小、形状、排列规律信息以排除被识别出来非坑的物体，得到最终的坑的信息；所述坑的物理结构特点和光谱反射特性包括：接近圆形，坑外围较亮，坑中心较暗。
在本发明所述的通过无人机影像进行植物数量统计方法，
所述通过植被指数计算出植被的冠幅面积、种植年龄因素加权计算出每株植物的健康状况，形成目标植物的健康度模型包括：
依据植物的光谱特性，通过植被指数反映出植物的生长状况；在二值图像中矢量图层的属性表中提取出目标植物的植被指数区域；
在每个植被指数区域进行植被指数统计，通过植被指数、冠幅面积、植株高度、种植年龄因素加权计算出每株植物的健康状况，形成目标植物的健康度模型。
本发明还提供一种通过无人机影像进行植物数量统计系统，其包括如下单元：
数据采集单元，用于通过无人机采集监测目标区域的多光谱图像数据，所述多光谱图像数据包括可见光、不可见光波段；并经处理得到包含位置属性信息的完整影像；
种植坑提取单元，用于从完整影像中提取植物种植坑；
植物信息提取单元，用于从完整影像中提取目标植物信息；
数据统计单元，用于通过植物种植坑以及目标植物信息获得目标植物成活率及造林密度；
监测单元，用于重复依次执行数据采集单元、种植坑提取单元、植物信息提取单元、数据统计单元的功能直至达到预设次数，并以时间为X轴，以植物建康状况信息为Y轴，建立每株植物的生长曲线，完成对植物生长状况的长期监测。
实施本发明提供的通过无人机影像进行植物数量统计方法及系统与现有技术相比具有以下有益效果：
1、依靠无人机或卫星可进行大范围、快速采集数据，经图像处理软件处理后，可以得到采集区域影像，全面记录地面情况；
2、通过图像识别算法对种植的植物进行识别，可精准识别，进行数量统计，不再使用统计估算的方法；
3、对植物的分布状况、成活状况等信息可加载到地图上，展示方法更加科学；
4、通过信息管理系统，对牧民所属地块的造林密度、成活率等信息进行系统管理。
附图说明
图1是本发明实施例的通过无人机影像进行植物数量统计方法流程图。
图2是本发明实施例的通过无人机影像进行植物数量统计方法中多光谱图像。
具体实施方式
如图1、2所示，本发明提供一种通过无人机影像进行植物数量统计方法，其包括如下步骤：
S1、通过无人机采集监测目标区域的多光谱图像数据，所述多光谱图像数据包括可见光、不可见光波段；并经处理得到包含位置属性信息的完整影像；
通过无人机(如无人飞行机、航测飞机等)采集监测目标区域的多光谱图像数据，经无人机图像处理软件得到一幅完整的影像。遥感影像和普通照片不一样的地方是，普通照片只有RGB三个可见光波段，而无人机等飞行器所搭载的传感器所获取到的图像具有更多波段，可以覆盖可见光和不可见光，如近红外、中红外等，可以反映出更多的光谱信息。由于无人机飞行时由GPS进行实时定位，经过软件处理的影像本身就含有位置属性，可直接获取影像上任意一点的位置信息，也可直接测量种植面积。
S2、从完整影像中提取植物种植坑；
在本发明所述的通过无人机影像进行植物数量统计方法，所述步骤S2包括：
对步骤S1中完整影像进行图像识别获得完整影像中植物种植坑的区域，并根据植物成熟期的形态，将坑的面积进行扩展，并将完整影像对应图片转换为二值图像，在二值图像中1表示坑内区域，0表示坑外区域，同时提取出坑的经纬度坐标，为每一个坑建立矢量图形；坑的数量与种植总数相同。
在无人机影像上，通过植物坑的识别算法识别出每一个坑，生成坑的影像。将生成的影像转变为二值图像，坑是1，其他区域是0，获取每个坑的位置信息，并进行矢量化，统计坑的数量(理论上有多少坑就种植了多少植物)，作为成活率和造林密度统计的依据(种植总数)。
坑的提取原理：在无人机影像上，通过坑的物理结构特点和光谱反射特性(接近圆形，坑外围较亮，坑中心较暗)，可先对其进行初步提取，再通过提取出的对象的面积大小、形状、排列规律等信息排除不是坑的但是被识别出来的物体，得到精确的坑的信息。
S3、从完整影像中提取目标植物信息；
在本发明所述的通过无人机影像进行植物数量统计方法，所述步骤S3包括：
对于步骤S2中的二值图片，通过两两二值图片数据的乘积运算，过滤掉坑外部的数据，对坑内区域的数据进行处理，根据植物特定的光谱特征，进行波段组合及波段运算，生成一种或多种植被指数的影像数据，将植被指数的影像数据加入到二值图像中。
根据植物特定的光谱特征(比如植物在近红外波段反射率很高)，进行一定的波段组合及波段运算，生成一种或多种植被指数的影像，对植物信息可以进行一定程度上的增强。通过设定一定的阈值，可以在植被指数影像上把植物和其他地物区分出来，进而提取出所有的植物。再结合坑的信息，寻找坑内的植物(可能有多个或没有植物)，筛选出可能是目标植物的植物。目标植物分布有一定的空间分布规律，根据规律通过算法找出坑内的目标(适用于坑内有多个植物)，完成目标识别任务。识别完成后，将目标植物转换为矢量图层，获取植物的位置信息，并统计数量，得到成活植物的数量，用于计算成活率
S4、通过植物种植坑以及目标植物信息获得目标植物成活率及造林密度；
在本发明所述的通过无人机影像进行植物数量统计方法，
所述步骤S4中目标植物成活率及造林密度通过如下方式获得：
通过植被指数计算出植被的冠幅面积、种植年龄因素加权计算出每株植物的健康状况，形成目标植物的健康度模型，并将以上信息记录到加入了植被指数的影像数据的二值图像的矢量图层的属性表中；
根据步骤S1中坑的矢量图形，统计出种植区域的面积以及该种植区域内的植物总数，计算出该种植区域的造林密度；依据步骤S4中获取的加入了植被指数的影像数据的二值图像的矢量图层的属性表，获取当前阶段成活的植物数量，计算出该种植区域的目标植物成活率，计算公式如下：
成活率＝成活数量/坑总数
造林密度＝坑总数/种植面积。
S5、重复执行步骤S1至S4直至达到预设次数，并以时间为X轴，以植物建康状况信息为Y轴，建立每株植物的生长曲线，完成对植物生长状况的长期监测。
在本发明所述的通过无人机影像进行植物数量统计方法，
所述步骤S5之后还包括：重复执行步骤S1至S4直至达到预设次数，并以时间为X轴，以植物建康状况信息为Y轴，建立每株植物的生长曲线，完成对植物生长状况的长期监测；
将多光谱图像数据、二值图像、坑和植物的矢量信息、目标植物成活信息通过WebGIS技术发布，并叠加到互联网地图中，形成植物生长监测体系以实时展示每一株植物的生长状况。
优选地，第一次统计要计算植物成活率，第二次统计要对比第一次数据统计出死亡的植物，第三次统计要对比第二次数据提取出第二年新种植的植物，并统计成活率。每一次飞行的数据均要对处理后的数据生成植被指数(如归一化植被指数NDVI，增强型植被指数EVI等)，并结合植物冠幅大小，对每一棵植物进行精准建模，形成植物营养健康状况体系。对提取出的植物建康状况进行矢量化，每一棵植物无论成活还是未成活，都会形成一个矢量图形，生成植物成活地图，成活的植物还会记录健康状况，并通过分级系统展示出来。可选地，所述植物为梭梭。
优选地，根据生成植物成活地图，成活的植物记录健康状况来确定种植植物的补贴发放。
以2017年阿拉善梭梭识别项目为例：
1、2017年4月，进行第一次无人机数据采集及处理工作，获取梭梭种植前的基础信息。确定梭梭种植范围，确定梭梭原始位置信息，确定造林密度符合国家标准(不少于44棵/亩，最好保持在50棵/亩以上)。
2、2017年7月，进行第二次无人机数据采集及处理工作，在无人机影像上通过算法识别出梭梭，统计梭梭成活数量及成活率，通过植被指数判断梭梭长势情况。
3、2017年9月，进行第三次无人机数据采集及处理工作，在影像上通过算法识别梭梭，判断梭梭长势情况，统计成活及未成活的梭梭并计算成活率，若成活率高于70％，阿拉善SEE就会向牧民发放补贴，并将其计入项目组。
在本发明所述的通过无人机影像进行植物数量统计方法，
完整影像进行图像识别获得完整影像中坑的区域包括：
通过坑的物理结构特点和光谱反射特性，对坑进行初步提取，再通过提取出的坑对象的面积大小、形状、排列规律信息以排除被识别出来非坑的物体，得到最终的坑的信息；所述坑的物理结构特点和光谱反射特性包括：接近圆形，坑外围较亮，坑中心较暗。可选地，可以设置接近圆形的标准，来判断是否接近圆形；还可以分别设置坑外、坑中心亮度阈值来判断坑外、坑中心。
在本发明所述的通过无人机影像进行植物数量统计方法，
所述通过植被指数计算出植被的冠幅面积、种植年龄因素加权计算出每株植物的健康状况，形成目标植物的健康度模型包括：
依据植物的光谱特性，通过植被指数反映出植物的生长状况；在二值图像中矢量图层的属性表中提取出目标植物的植被指数区域；
在每个植被指数区域进行植被指数统计，通过植被指数、冠幅面积、植株高度、种植年龄因素加权计算出每株植物的健康状况，形成目标植物的健康度模型。
本发明还提供一种通过无人机影像进行植物数量统计系统，其包括如下单元：
数据采集单元，用于通过无人机采集监测目标区域的多光谱图像数据，所述多光谱图像数据包括可见光、不可见光波段；并经处理得到包含位置属性信息的完整影像；
种植坑提取单元，用于从完整影像中提取植物种植坑；
植物信息提取单元，用于从完整影像中提取目标植物信息；
数据统计单元，用于通过植物种植坑以及目标植物信息获得目标植物成活率及造林密度；
监测单元，用于重复依次执行数据采集单元、种植坑提取单元、植物信息提取单元、数据统计单元的功能直至达到预设次数，并以时间为X轴，以植物建康状况信息为Y轴，建立每株植物的生长曲线，完成对植物生长状况的长期监测。
实施本发明提供的通过无人机影像进行植物数量统计方法及系统与现有技术相比具有以下有益效果：
1、依靠无人机或卫星可进行大范围、快速采集数据，经图像处理软件处理后，可以得到采集区域影像，全面记录地面情况；
2、通过图像识别算法对种植的植物进行识别，可精准识别，进行数量统计，不再使用统计估算的方法；
3、对植物的分布状况、成活状况等信息可加载到地图上，展示方法更加科学；
4、通过信息管理系统，对牧民所属地块的造林密度、成活率等信息进行系统管理。
可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其它各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。

Claims (7)

1.一种通过无人机影像进行植物数量统计方法，其特征在于，其包括如下步骤：
S1、通过无人机采集监测目标区域的多光谱图像数据，所述多光谱图像数据包括可见光、不可见光波段；并经处理得到包含位置属性信息的完整影像；
S2、从完整影像中提取植物种植坑；
S3、从完整影像中提取目标植物信息；
S4、通过植物种植坑以及目标植物信息获得目标植物成活率及造林密度；
S5、重复执行步骤S1至S4直至达到预设次数，并以时间为X轴，以植物建康状况信息为Y轴，建立每株植物的生长曲线，完成对植物生长状况的长期监测；
所述步骤S2包括：
对步骤S1中完整影像进行图像识别获得完整影像中植物种植坑的区域，并根据植物成熟期的形态，将坑的面积进行扩展，并将完整影像对应图片转换为二值图像，在二值图像中1表示坑内区域，0表示坑外区域，同时提取出坑的经纬度坐标，为每一个坑建立矢量图形；坑的数量与种植总数相同。
2.如权利要求1所述的通过无人机影像进行植物数量统计方法，其特征在于，所述步骤S3包括：
对于步骤S2中的二值图片，通过两两二值图片数据的乘积运算，过滤掉坑外部的数据，对坑内区域的数据进行处理，根据植物特定的光谱特征，进行波段组合及波段运算，生成一种或多种植被指数的影像数据，将植被指数的影像数据加入到二值图像中。
3.如权利要求2所述的通过无人机影像进行植物数量统计方法，其特征在于，
所述步骤S4中目标植物成活率及造林密度通过如下方式获得：
通过植被指数计算出植被的冠幅面积、种植年龄因素加权计算出每株植物的健康状况，形成目标植物的健康度模型，并将以上信息记录到加入了植被指数的影像数据的二值图像的矢量图层的属性表中；
根据步骤S1中坑的矢量图形，统计出种植区域的面积以及该种植区域内的植物总数，计算出该种植区域的造林密度；依据步骤S4中获取的加入了植被指数的影像数据的二值图像的矢量图层的属性表，获取当前阶段成活的植物数量，计算出该种植区域的目标植物成活率，计算公式如下：
成活率＝成活数量/坑总数
造林密度＝坑总数/种植面积。
4.如权利要求3所述的通过无人机影像进行植物数量统计方法，其特征在于，
所述步骤S5之后还包括：重复执行步骤S1至S4直至达到预设次数，并以时间为X轴，以植物建康状况信息为Y轴，建立每株植物的生长曲线，完成对植物生长状况的长期监测；
将多光谱图像数据、二值图像、坑和植物的矢量信息、目标植物成活信息通过WebGIS技术发布，并叠加到互联网地图中，形成植物生长监测体系以实时展示每一株植物的生长状况。
5.如权利要求1所述的通过无人机影像进行植物数量统计方法，其特征在于，
完整影像进行图像识别获得完整影像中坑的区域包括：
通过坑的物理结构特点和光谱反射特性，对坑进行初步提取，再通过提取出的坑对象的面积大小、形状、排列规律信息以排除被识别出来非坑的物体，得到最终的坑的信息；所述坑的物理结构特点和光谱反射特性包括：接近圆形，坑外围较亮，坑中心较暗。
6.如权利要求3所述的通过无人机影像进行植物数量统计方法，其特征在于，
所述通过植被指数计算出植被的冠幅面积、种植年龄因素加权计算出每株植物的健康状况，形成目标植物的健康度模型包括：
依据植物的光谱特性，通过植被指数反映出植物的生长状况；在二值图像中矢量图层的属性表中提取出目标植物的植被指数区域；
在每个植被指数区域进行植被指数统计，通过植被指数、冠幅面积、植株高度、种植年龄因素加权计算出每株植物的健康状况，形成目标植物的健康度模型。
7.一种通过无人机影像进行植物数量统计系统，其特征在于，其包括如下单元：
数据采集单元，用于通过无人机采集监测目标区域的多光谱图像数据，所述多光谱图像数据包括可见光、不可见光波段；并经处理得到包含位置属性信息的完整影像；
种植坑提取单元，用于从完整影像中提取植物种植坑；
植物信息提取单元，用于从完整影像中提取目标植物信息；
数据统计单元，用于通过植物种植坑以及目标植物信息获得目标植物成活率及造林密度；
监测单元，用于重复依次执行数据采集单元、种植坑提取单元、植物信息提取单元、数据统计单元的功能直至达到预设次数，并以时间为X轴，以植物建康状况信息为Y轴，建立每株植物的生长曲线，完成对植物生长状况的长期监测；
种植坑提取单元具体用于：对数据采集单元中完整影像进行图像识别获得完整影像中植物种植坑的区域，并根据植物成熟期的形态，将坑的面积进行扩展，并将完整影像对应图片转换为二值图像，在二值图像中1表示坑内区域，0表示坑外区域，同时提取出坑的经纬度坐标，为每一个坑建立矢量图形；坑的数量与种植总数相同。
CN201810556960.4A 2018-06-01 2018-06-01 通过无人机影像进行植物数量统计方法及系统 Active CN109033937B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810556960.4A CN109033937B (zh) 2018-06-01 2018-06-01 通过无人机影像进行植物数量统计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810556960.4A CN109033937B (zh) 2018-06-01 2018-06-01 通过无人机影像进行植物数量统计方法及系统

Publications (2)

Publication Number Publication Date
CN109033937A CN109033937A (zh) 2018-12-18
CN109033937B true CN109033937B (zh) 2021-11-05

Family

ID=64612179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810556960.4A Active CN109033937B (zh) 2018-06-01 2018-06-01 通过无人机影像进行植物数量统计方法及系统

Country Status (1)

Country Link
CN (1) CN109033937B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110084120B (zh) * 2019-03-26 2021-07-20 南方电网调峰调频发电有限公司 海岛环境下的植被调查方法、装置、系统、设备和介质
CN110334683A (zh) * 2019-07-12 2019-10-15 四川长虹电器股份有限公司 基于无人机遥感系统智能识别植物的方法
CN111238448B (zh) * 2020-01-17 2022-04-01 南通大学 一种非破坏性监测草地植物物种多样性的方法
CN113407755A (zh) * 2020-03-17 2021-09-17 北京百度网讯科技有限公司 植物生长状况信息获取方法、装置及电子设备
AU2021246276A1 (en) * 2020-04-02 2022-10-27 Grace And Kowloon Holdings Limited Tree image data acquisition
CN112859920B (zh) * 2021-01-19 2022-04-15 济南市政公用资产管理运营有限公司 基于大数据的智慧城市管理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101008676A (zh) * 2006-01-16 2007-08-01 北京林业大学 无人机航空摄影遥感森林计测方法
US8139858B1 (en) * 2003-06-13 2012-03-20 Landwehr Val R System and method for identifying arthropods in color-digital image information
CN106446875A (zh) * 2016-11-16 2017-02-22 航天恒星科技有限公司 面向县域遥感尺度的农作物种植面积信息提取方法及装置
CN106971167A (zh) * 2017-03-30 2017-07-21 北京兴农丰华科技有限公司 基于无人机平台的作物生长分析方法及其分析系统
CN107833201A (zh) * 2017-10-11 2018-03-23 辽宁远天城市规划有限公司 一种基于无人机遥感影像的地上生物量测算方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8139858B1 (en) * 2003-06-13 2012-03-20 Landwehr Val R System and method for identifying arthropods in color-digital image information
CN101008676A (zh) * 2006-01-16 2007-08-01 北京林业大学 无人机航空摄影遥感森林计测方法
CN106446875A (zh) * 2016-11-16 2017-02-22 航天恒星科技有限公司 面向县域遥感尺度的农作物种植面积信息提取方法及装置
CN106971167A (zh) * 2017-03-30 2017-07-21 北京兴农丰华科技有限公司 基于无人机平台的作物生长分析方法及其分析系统
CN107833201A (zh) * 2017-10-11 2018-03-23 辽宁远天城市规划有限公司 一种基于无人机遥感影像的地上生物量测算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Performance Evaluation of Machine Learning Algorithms for Urban Pattern Recognition from Multi-spectral Satellite Images;Marc W 等;《Remote Sensing》;20140331;第2912-2939页 *
基于GF-1PMS影像的柠檬种植面积估算;蒋怡 等;《中国农业资源与区划》;20161130;第37卷(第11期);第50-55页 *

Also Published As

Publication number Publication date
CN109033937A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
CN109033937B (zh) 通过无人机影像进行植物数量统计方法及系统
Guerra-Hernández et al. Comparison of ALS-and UAV (SfM)-derived high-density point clouds for individual tree detection in Eucalyptus plantations
US20230350065A1 (en) Method of individual tree crown segmentation from airborne lidar data using novel gaussian filter and energy function minimization
CN113221806B (zh) 基于云平台融合多源卫星影像和茶树物候期的茶园自动识别方法
Xu et al. Classification method of cultivated land based on UAV visible light remote sensing
Xue et al. Assessment of canopy vigor information from kiwifruit plants based on a digital surface model from unmanned aerial vehicle imagery
Zhu et al. Estimating and mapping mangrove biomass dynamic change using WorldView-2 images and digital surface models
CN107121681B (zh) 基于高分卫星遥感数据的居民地提取系统
Klein et al. Quantification of carbon sequestration in urban forests
Ouyang et al. Assessment of canopy size using UAV-based point cloud analysis to detect the severity and spatial distribution of canopy decline
Borlaf-Mena et al. Methods for tree cover extraction from high resolution orthophotos and airborne LiDAR scanning in Spanish dehesas
Cameron et al. Temporal measurement of the loss of native pinewood in Scotland through the analysis of orthorectified aerial photographs
Klein et al. N-dimensional geospatial data and analytics for critical infrastructure risk assessment
Rinnamang et al. Estimation of aboveground biomass using aerial photogrammetry from unmanned aerial vehicle in teak (Tectona grandis) plantation in Thailand
Huang et al. Recognition and counting of pitaya trees in karst mountain environment based on unmanned aerial vehicle RGB images
Zhou et al. A framework for precisely thinning planning in a managed pure Chinese fir forest based on UAV remote sensing
Wang et al. Canopy extraction and height estimation of trees in a shelter forest based on fusion of an airborne multispectral image and photogrammetric point cloud
Azizi et al. Individual urban trees detection based on point clouds derived from UAV-RGB imagery and local maxima algorithm, a case study of Fateh Garden, Iran
Bonaria Grapevine yield estimation using image analysis for the variety Arinto
Jiménez-Bello et al. Use of remote sensing and geographic information tools for irrigation management of citrus trees
Wahyuni Forest change analysis using OBIA approach and supervised classification a case study: Kolaka District, South East Sulawesi
Li et al. Application of High-Resolution Remote Sensing Image for Individual Tree Identification of Pinus sylvestris and Pinus tabulaeformis
Hosingholizade et al. An assessment of support vector machines for crown delineation of pine single trees on unmanned aerial vehicle imagery
CN117347974B (zh) 一种灌丛植被地上生物量的估测方法及装置
Xiao et al. Construction of terrain information extraction model in the karst mountainous terrain fragmentation area based on UAV remote sensing

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
GR01 Patent grant
GR01 Patent grant