CN109186672A - 一种大规模竹林环境温湿度检测方法及系统 - Google Patents
一种大规模竹林环境温湿度检测方法及系统 Download PDFInfo
- Publication number
- CN109186672A CN109186672A CN201811069275.5A CN201811069275A CN109186672A CN 109186672 A CN109186672 A CN 109186672A CN 201811069275 A CN201811069275 A CN 201811069275A CN 109186672 A CN109186672 A CN 109186672A
- Authority
- CN
- China
- Prior art keywords
- bamboo
- monitoring
- bamboo grove
- humidity
- grove
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明涉及数据采集领域,尤其是一种大规模竹林环境温湿度检测方法及系统。所述大规模竹林环境温湿度检测方法,包括如下步骤:确定待监测的竹林;获取所述竹林的相关信息,根据所述相关信息选取监测点;在所述监测点安装检测装置并对竹林的温度和湿度进行检测。本发明克服了现有技术的不足,通过根据竹子的数量以及位置,在竹林中设置多个监测点并在所述监测点上检测装置完成对整片大规模竹林温度以及湿度数据的检测,提高了检测精度和检测效率。
Description
技术领域
本发明涉及数据采集领域,尤其是一种大规模竹林环境温湿度检测方法及系统。
背景技术
在实验过程中,数据采集是保证实验研究结果准确性的重要一环,由于数据不准确导致实验失败的案例比比皆是。而针对于大规模的竹林的温度以及湿度的检测往往是通过在竹林的多个地方随机安装检测装置,利用所述检测装置实施检测,但是采用该方式其最大的弊端在于没有充分考虑竹子的生长情况,由于竹子的分布的密集程度与其周围的空气流通速度等因素存在必然联系,所以通过随机布置采集装置对于检测结果来说影响甚巨。
发明内容
针对现有技术中的缺陷,本发明提供一种大规模竹林环境温湿度检测方法及系统,克服了现有技术的不足,提供了湿度及温度的检测精度。
为了实现上述目的,本发明的第一方面所提供的一种大规模竹林环境温湿度检测方法,其特征在于,包括如下步骤:
确定待监测的竹林;
获取所述竹林的相关信息,根据所述相关信息选取监测点;
在所述监测点安装检测装置并对竹林的温度和湿度进行检测。
本发明的第二方面所提供的一种大规模竹林环境温湿度检测方法包括如下步骤:
利用承载设备飞抵竹林上空,通过所述承载设备所携带的图像采集装置对该竹林实施数据采集得到所述竹林的图像信息;
将所述图像信息中分割为大小相同的多个监测区域,对每个监测区域内的竹子进行识别,获取所述竹子在所述监测区域内竹子的分布位置信息和分布密度信息,其中所述分布密度信息的获取包括将所述代表着不同监测区域的图像信息进行二值化变换并绘制灰度图像直方图,将所述灰度直方图的灰度值与预设的灰度级进行对比,以及预估所述监测区域内竹子的数量;
若在所述监测区域内的竹子的数量ρ≤m,则在所述监测区域内设置0个监测点,若在所述监测域内的竹子的数量ρ>m,则在所述监测区域内设置N个监测点;其中,监测点在设置时包括将所述N个监测点环形闭合分布于所述监测区域的边沿;其中ρ表示所在监测区域内的竹子的数量,m为自然数,N为自然数;
在所述监测点安装检测装置,根据每个检测装置所收集到的检测数据得到竹林的每个监测区域中的温度和湿度值。
作为本申请一种优选的实施方式,所述大规模竹林环境温湿度检测方法还包括预设灰度级:
预设n个灰度级,所述n个灰度级的灰度值分别为:P1,P2,…,Pn-1,Pn,所述P1,P2,…,Pn-1,Pn为等差数列,其中n为自然数。
作为本申请一种优选的实施方式,将所述灰度直方图的灰度平均值与预设的灰度级进行对比,以及预估所述监测区域内竹子的数量包括:
令所述灰度直方图的灰度值依次为A1,A2,…,An-1,An,当在所述监测区域内的竹子的数量ρ∈[0,m]时,A1=P1,A2=P2,…,Am=Pm,当在所述监测区域内的竹子的数量ρ∈(m,n]时,Am+1=Pm+1,Am+2=Pm+2,…,An=Pn。
作为本申请一种优选的实施方式,所述n的值为256。
作为本申请一种优选的实施方式,根据每个检测装置所收集到的检测数据得到竹林的每个监测区域中的温度和湿度值包括:
若每个监测点所测得的温度为:τ1,τ2,…,τN;则该检测区域内的温度即为:
若每个监测点所测得的湿度为:ω1,ω2,…,ωN;则该检测区域内的湿度即为:
作为本申请一种优选的实施方式,所述图像采集装置包括红外摄像仪。
作为本申请一种优选的实施方式,所述检测装置包括温度传感器和湿度传感器。
作为本申请一种优选的实施方式,承载设备为无人机。
本发明的第三方面所提供的一种大规模竹林环境温湿度检测系统包括承载设备、检测装置和数据处理装置;
利用承载设备飞抵竹林上空,通过所述承载设备所携带的图像采集装置对该竹林实施数据采集得到所述竹林的图像信息;
数据处理装置将所述图像信息中分割为大小相同的多个监测区域,对每个监测区域内的竹子进行识别,获取所述竹子在所述监测区域内竹子的分布位置信息和分布密度信息,其中所述分布密度信息的获取包括将所述代表着不同监测区域的图像信息进行二值化变换并绘制灰度图像直方图,将所述灰度直方图的灰度值与预设的灰度级进行对比,以及预估所述监测区域内竹子的数量;
若在所述监测区域内的竹子的数量ρ≤m,则在所述监测区域内设置0个监测点,若在所述监测域内的竹子的数量ρ>m,则在所述监测区域内设置N个监测点;其中,监测点在设置时包括将所述N个监测点环形闭合分布于所述监测区域的边沿;其中ρ表示所在监测区域内的竹子的数量,m为自然数,N为自然数;
在所述监测点安装检测装置,根据每个检测装置所收集到的检测数据得到竹林的每个监测区域中的温度和湿度值。
本发明的有益效果是:本发明克服了现有技术的不足,通过根据竹子的数量以及位置,在竹林中设置多个监测点并在所述监测点上检测装置,完成对整片大规模竹林温度以及湿度数据的检测,提高了检测精度和检测效率。
附图说明
图1为本发明第一实施例大规模竹林环境温湿度检测方法的流程图;
图2为本发明第三实施例检测装置的示意图;
图3为本发明第三实施例检测装置的剖视图;
图4为本发明第四实PCB电路板的电路图。
具体实施方式
下面将详细描述本发明的具体实施例,应当注意,这里描述的实施例只用于举例说明,并不用于限制本发明。在以下描述中,为了提供对本发明的透彻理解,阐述了大量特定细节。然而,对于本领域普通技术人员显而易见的是:不必采用这些特定细节来实行本发明。在其他实例中,为了避免混淆本发明,未具体描述公知的电路,软件或方法。
在整个说明书中,对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着:结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此,在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外,可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外,本领域普通技术人员应当理解,在此提供的示图都是为了说明的目的,并且示图不一定是按比例绘制的。
如图1所示,本发明的第一实施例所示出的大规模竹林环境温湿度检测方法,包括如下步骤:
S101,确定待监测的竹林;
S102,获取所述竹林的相关信息,根据所述相关信息选取监测点;
S103,在所述监测点安装检测装置并对竹林的温度和湿度进行检测。
本发明的第二实施例所示出的大规模竹林环境温湿度检测方法,包括如下步骤:
S201,利用承载设备飞抵竹林上空,通过所述承载设备所携带的图像采集装置对该竹林实施数据采集得到所述竹林的图像信息;
具体的,所述承载设备包括但不限于无人机,通过控制所述无人机可以飞抵不同位置的竹林,并利用无人机上所携带的图像采集装置对图像信息进行采集,为后期确定检测具体那一处的竹林温度和湿度数据做好准备。本实施例中所述图像采集装置包括红外摄像仪,在本发明的另外一个或一些实施例中,所述图像采集装置也可以采用其他装置进行替代,在此就不一一进行列举。
S202,预设n个灰度级,所述n个灰度级的灰度值分别为:P1,P2,…,Pn-1,Pn,所述P1,P2,…,Pn-1,Pn为等差数列。
其中n为自然数,优选的所述n的值为256;本实施例中灰度值的取值具体为:P1=0,P2=2,P3=3,…,P256=255。
S203,将所述图像信息中分割为大小相同的多个监测区域,对每个监测区域内的竹子进行识别,获取所述竹子在所述监测区域内竹子的分布位置信息和分布密度信息,其中所述分布密度信息的获取包括将所述代表着不同监测区域的图像信息进行二值化变换并绘制灰度图像直方图,将所述灰度直方图的灰度值与预设的灰度级进行对比,以及预估所述监测区域内竹子的数量;
本实施例中,所述将所述灰度直方图的灰度值与预设的灰度级进行对是将灰度直方图的平均值与预设的灰度级进行对比,由于在一固定区域内,竹子的分布越是密集,则在二值化灰度图像中该区域的灰度越大,将灰度图像绘制成绘制灰度图像直方图后根据每个直方图中所代表的数值进行平均值计算得到该监测区域的灰度平均值,利用所述灰度平均值与预设的代表不同竹子数量的灰度级进行对比即可估计得到该监测区域内竹子的数量。
S204,若在所述监测区域内的竹子的数量ρ≤m,则在所述监测区域内设置0个监测点,若在所述监测域内的竹子的数量ρ>m,则在所述监测区域内设置N个监测点;其中,监测点在设置时包括将所述N个监测点环形闭合分布于所述监测区域的边沿;其中ρ表示所在监测区域内的竹子的数量,m为自然数,N为自然数;
进一步地,将所述灰度直方图的灰度平均值与预设的灰度级进行对比,以及预估所述监测区域内竹子的数量包括:令所述灰度直方图的灰度值依次为A1,A2,…,An-1,An,当在所述监测区域内的竹子的数量ρ∈[0,m]时,A1=P1,A2=P2,…,Am=Pm,当在所述监测区域内的竹子的数量ρ∈(m,n]时,Am+1=Pm+1,Am+2=Pm+2,…,An=Pn。
S205,在所述监测点安装检测装置,根据每个检测装置所收集到的检测数据得到竹林的每个监测区域中的温度和湿度值。
获取监测区域中设置有N个监测点后,每个监测点所测得的温度为:τ1,τ1,…,τN;则该检测区域内的温度即为:同理每个监测点所测得的湿度为:ω1,ω2,…,ωN;则该检测区域内的湿度即为:最后将所得到的所有检测区域的温度以及湿度值进行求平均值即可得到所述竹林的平均温度和湿度值。
本实施例克服了现有技术的不足,通过根据竹子的数量以及位置,在竹林中设置多个监测点并在所述监测点上检测装置,完成对整片大规模竹林温度以及湿度数据的检测,提高了检测精度和检测效率。
本发明的第二实施例中所示出的一种大规模竹林环境温湿度检测系统,包括承载设备、检测装置和数据处理装置;
利用承载设备飞抵竹林上空,通过所述承载设备所携带的图像采集装置对该竹林实施数据采集得到所述竹林的图像信息;
具体的,所述承载设备包括但不限于无人机,通过控制所述无人机可以飞抵不同位置的竹林,并利用无人机上所携带的图像采集装置对图像信息进行采集,为后期确定检测具体那一处的竹林温度和湿度数据做好准备。本实施例中所述图像采集装置包括红外摄像仪,在本发明的另外一个或一些实施例中,所述图像采集装置也可以采用其他装置进行替代,在此就不一一进行列举。
数据处理装置预设n个灰度级,所述n个灰度级的灰度值分别为:P1,P2,…,Pn-1,Pn,所述P1,P2,…,Pn-1,Pn为等差数列。
其中n为自然数,优选的所述n的值为256;本实施例中灰度值的取值具体为:P1=0,P2=2,P3=3,…,P256=255。
数据处理装置将所述图像信息中分割为大小相同的多个监测区域,对每个监测区域内的竹子进行识别,获取所述竹子在所述监测区域内竹子的分布位置信息和分布密度信息,其中所述分布密度信息的获取包括将所述代表着不同监测区域的图像信息进行二值化变换并绘制灰度图像直方图,将所述灰度直方图的灰度值与预设的灰度级进行对比,以及预估所述监测区域内竹子的数量;
本实施例中,所述将所述灰度直方图的灰度值与预设的灰度级进行对是将灰度直方图的平均值与预设的灰度级进行对比,由于在一固定区域内,竹子的分布越是密集,则在二值化灰度图像中该区域的灰度越大,将灰度图像绘制成绘制灰度图像直方图后根据每个直方图中所代表的数值进行平均值计算得到该监测区域的灰度平均值,利用所述灰度平均值与预设的代表不同竹子数量的灰度级进行对比即可估计得到该监测区域内竹子的数量。
若在所述监测区域内的竹子的数量ρ≤m,则在所述监测区域内设置0个监测点,若在所述监测域内的竹子的数量ρ>m,则根据分布位置信息在所述监测区域内设置N个监测点;其中,监测点在设置时包括将所述N个监测点环形闭合分布于所述监测区域的边沿;其中ρ表示所在监测区域内的竹子的数量,m为自然数,N为自然数;
数据处理装置将所述灰度直方图的灰度平均值与预设的灰度级进行对比,以及预估所述监测区域内竹子的数量包括:令所述灰度直方图的灰度值依次为A1,A2,…,An-1,An,当在所述监测区域内的竹子的数量ρ∈[0,m]时,A1=P1,A2=P2,…,Am=Pm,当在所述监测区域内的竹子的数量ρ∈(m,n]时,Am+1=Pm+1,Am+2=Pm+2,…,An=Pn。
在所述监测点安装检测装置,根据每个检测装置所收集到的检测数据得到竹林的每个监测区域中的温度和湿度值。
数据处理装置在获取监测区域中设置有N个监测点后,每个监测点所测得的温度为:τ1,τ2,…,τN;则该检测区域内的温度即为:同理每个监测点所测得的湿度为:ω1,ω2,…,ωN;则该检测区域内的湿度即为:最后将所得到的所有检测区域的温度以及湿度值进行求平均值即可得到所述竹林的平均温度和湿度值。
如图2和3所示,所述检测装置包括壳体1和探头4,所述壳体1的两端分别设置有第一排风部3和第二排风部5,所述壳体1内部具有一收容空间,所述探头4设置在所述收容空间中,所述壳体1上还覆盖有防辐射层2。
具体的,在需要对某一处的环境温度进行检测时,将所述空气温度检测装置的壳体1直接平放至平面上,接通所述第一排风部3和第二排风部5的工作电源(所述工作电源可以是市电经过电源适配器变压后的电源也可以是内置的锂电池所存储的电源)让其同步旋转并朝同一方向送风,进而实现空气的流通,并且在所述壳体1的侧壁均覆盖上防辐射层2能够有效阻隔外部辐射。进而实现了提高检测精度的效果。
所述第一排风部3包括第一电风扇,所述第二排风部5包括第二电风扇。所述第一电风扇与第二电风扇可以是多种类型的排风扇,例如可采用MB-06型排风扇,通过DC5V工作电压能够保证其正常工作。本领域的技术人员应该理解为本实施例中所列举的排风扇仅仅是本发明的一种实施方式,在其余另外一个或一些实施例中也可以采用其他型号的排风扇进行替代,在此不一一进行列举。
其中,所述防辐射层2包括锡箔纸。具体的,所述锡箔纸覆盖于所述壳体1的外侧,利用光的反射原理将太阳光线反射到别处,能够有效隔离太阳以及其他热源的辐射。所述探头4包括温度传感器或湿度传感器。具体的,所述温度传感器或湿度传感器的型号可以是不同种类的温度传感器,在此就不做限定。
如图4所示,本发明的第四实施例中,所述壳体的内部还可以设置有PCB电路板,在所述PCB电路板上设置有电风扇驱动电路,所述电风扇驱动电路包括NE555型芯片、晶闸管VTH1、电位器R1、可变电阻R2以及三极管Q1及其外围电路;所述NE555型芯片的第3引脚与电阻R6的一端相连,所述电阻R6的另一端与晶闸管VTH1的第1端相连,所述晶闸管VTH1的第2端接地,所述晶闸管VTH1的第3端接地与电风扇的一端相连,所述电风扇的另一端与220V电源相连。所述三极管Q1的基极与电位器R1和可变电阻R2的公共连接点相连,所述三极管Q1的集电极与NE555型芯片的第4引脚相连,所述三极管Q1的发射极接地。
具体的,电位器R1根据人为手动调节改变其阻值,当电位器R1的阻值很低基本趋近于零时,三极管Q1导通,NE555型芯片的第4引脚输出的是低电平,三极管Q1导通;由电阻R3、电阻R4、二极管D1、电容C1和NE555型芯片组成的超低频多谐振荡器不产生振荡频率,NE555型芯片的第3引脚输出的是低电压,晶闸管VTH1截止,切断电风扇的电源。反之,当电位器R1的阻值很高,三极管Q1截止,超低频多谐振荡器产生振荡频率,NE555型芯片的第3引脚输出的是高电压,晶闸管VTH1导通,进而接通电风扇的电源使之正常工作。
需要进行说明的是,本实施例中未提及的其他系统组成部件,以及系统部件的整体或者局部有益效果与本发明的第一、第二或第三实施例中所记载的基本类似,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种大规模竹林环境温湿度检测方法,其特征在于,包括如下步骤:
确定待监测的竹林;
获取所述竹林的相关信息,根据所述相关信息选取监测点;
在所述监测点安装检测装置并对竹林的温度和湿度进行检测。
2.一种大规模竹林环境温湿度检测方法,其特征在于,包括如下步骤:
利用承载设备飞抵竹林上空,通过所述承载设备所携带的图像采集装置对该竹林实施数据采集得到所述竹林的图像信息;
将所述图像信息中分割为大小相同的多个监测区域,对每个监测区域内的竹子进行识别,获取所述竹子在所述监测区域内竹子的分布位置信息和分布密度信息,其中所述分布密度信息的获取包括将所述代表着不同监测区域的图像信息进行二值化变换并绘制灰度图像直方图,将所述灰度直方图的灰度值与预设的灰度级进行对比,以及预估所述监测区域内竹子的数量;
若在所述监测区域内的竹子的数量ρ≤m,则在所述监测区域内设置0个监测点,若在所述监测域内的竹子的数量ρ>m,则在所述监测区域内设置N个监测点;其中,监测点在设置时包括将所述N个监测点环形闭合分布于所述监测区域的边沿;其中ρ表示所在监测区域内的竹子的数量,m为自然数,N为自然数;
在所述监测点安装检测装置,根据每个检测装置所收集到的检测数据得到竹林的每个监测区域中的温度和湿度值。
3.根据权利要求1所述的大规模竹林环境温湿度检测方法,其特征在于,所述大规模竹林环境温湿度检测方法还包括预设灰度级:
预设n个灰度级,所述n个灰度级的灰度值分别为:P1,P2,…,Pn-1,Pn,所述P1,P2,…,Pn-1,Pn为等差数列,其中n为自然数。
4.根据权利要求3所述的大规模竹林环境温湿度检测方法,其特征在于,将所述灰度直方图的灰度平均值与预设的灰度级进行对比,以及预估所述监测区域内竹子的数量包括:
令所述灰度直方图的灰度值依次为A1,A2,…,An-1,An,当在所述监测区域内的竹子的数量ρ∈[0,m]时,A1=P1,A2=P2,…,Am=Pm,当在所述监测区域内的竹子的数量ρ∈(m,n]时,Am+1=Pm+1,Am+2=Pm+2,…,An=Pn。
5.根据权利要求4所述的大规模竹林环境温湿度检测方法,其特征在于:所述n的值为256。
6.根据权利要求1所述的大规模竹林环境温湿度检测方法,其特征在于,根据每个检测装置所收集到的检测数据得到竹林的每个监测区域中的温度和湿度值包括:
若每个监测点所测得的温度为:τ1,τ2,...,τN;则该检测区域内的温度即为:
若每个监测点所测得的湿度为:ω1,ω2,...,ωN;则该检测区域内的湿度即为:
7.根据权利要求1所述的大规模竹林环境温湿度检测方法,其特征在于:所述图像采集装置包括红外摄像仪。
8.根据权利要求1所述的大规模竹林环境温湿度检测方法,其特征在于:所述检测装置包括温度传感器和湿度传感器。
9.根据权利要求1所述的大规模竹林环境温湿度检测方法,其特征在于:承载设备为无人机。
10.一种大规模竹林环境温湿度检测系统,其特征在于,包括承载设备、检测装置和数据处理装置;
利用承载设备飞抵竹林上空,通过所述承载设备所携带的图像采集装置对该竹林实施数据采集得到所述竹林的图像信息;
数据处理装置将所述图像信息中分割为大小相同的多个监测区域,对每个监测区域内的竹子进行识别,获取所述竹子在所述监测区域内竹子的分布位置信息和分布密度信息,其中所述分布密度信息的获取包括将所述代表着不同监测区域的图像信息进行二值化变换并绘制灰度图像直方图,将所述灰度直方图的灰度值与预设的灰度级进行对比,以及预估所述监测区域内竹子的数量;
若在所述监测区域内的竹子的数量ρ≤m,则在所述监测区域内设置0个监测点,若在所述监测域内的竹子的数量ρ>m,则在所述监测区域内设置N个监测点;其中,监测点在设置时包括将所述N个监测点环形闭合分布于所述监测区域的边沿;其中ρ表示所在监测区域内的竹子的数量,m为自然数,N为自然数;
在所述监测点安装检测装置,根据每个检测装置所收集到的检测数据得到竹林的每个监测区域中的温度和湿度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811069275.5A CN109186672A (zh) | 2018-09-13 | 2018-09-13 | 一种大规模竹林环境温湿度检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811069275.5A CN109186672A (zh) | 2018-09-13 | 2018-09-13 | 一种大规模竹林环境温湿度检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109186672A true CN109186672A (zh) | 2019-01-11 |
Family
ID=64910822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811069275.5A Pending CN109186672A (zh) | 2018-09-13 | 2018-09-13 | 一种大规模竹林环境温湿度检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109186672A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115965812A (zh) * | 2022-12-13 | 2023-04-14 | 桂林理工大学 | 无人机影像对湿地植被物种和地物分类的评估方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101076734B1 (ko) * | 2011-07-12 | 2011-10-26 | 주식회사 에이치케이 일렉트로닉스 | 정보분석형 산불 감시 장치 및 그 방법 |
CN102496020A (zh) * | 2011-10-31 | 2012-06-13 | 天津大学 | 基于累积边缘点可视灰度范围直方图的图像二值化方法 |
CN102506938A (zh) * | 2011-11-17 | 2012-06-20 | 江苏大学 | 基于多传感信息的温室作物生长和环境信息检测方法 |
CN104318697A (zh) * | 2014-10-16 | 2015-01-28 | 湘潭大学 | 无线传感器网络监测森林火灾的节点布置方法 |
CN205843712U (zh) * | 2016-06-30 | 2016-12-28 | 中国林业科学研究院森林生态环境与保护研究所 | 一种森林小气候观测装置 |
CN106767717A (zh) * | 2016-12-13 | 2017-05-31 | 中国科学院合肥物质科学研究院 | 一种基于无人机的水稻成熟期草谷比采样与检测方法 |
-
2018
- 2018-09-13 CN CN201811069275.5A patent/CN109186672A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101076734B1 (ko) * | 2011-07-12 | 2011-10-26 | 주식회사 에이치케이 일렉트로닉스 | 정보분석형 산불 감시 장치 및 그 방법 |
CN102496020A (zh) * | 2011-10-31 | 2012-06-13 | 天津大学 | 基于累积边缘点可视灰度范围直方图的图像二值化方法 |
CN102506938A (zh) * | 2011-11-17 | 2012-06-20 | 江苏大学 | 基于多传感信息的温室作物生长和环境信息检测方法 |
CN104318697A (zh) * | 2014-10-16 | 2015-01-28 | 湘潭大学 | 无线传感器网络监测森林火灾的节点布置方法 |
CN205843712U (zh) * | 2016-06-30 | 2016-12-28 | 中国林业科学研究院森林生态环境与保护研究所 | 一种森林小气候观测装置 |
CN106767717A (zh) * | 2016-12-13 | 2017-05-31 | 中国科学院合肥物质科学研究院 | 一种基于无人机的水稻成熟期草谷比采样与检测方法 |
Non-Patent Citations (4)
Title |
---|
俞淑红: "《中国优秀硕士学位论文全文数据库 农业科技辑》", 15 May 2017, 中国学术期刊(光盘版)电子杂志社 * |
李尊民: "《电视图像自动跟踪的基本原理》", 30 September 1998, 国防工业出版社 * |
李景镇: "《光学手册 下卷》", 31 July 2010, 陕西科学技术出版社 * |
王聪 等: "基于几何光学模型的毛竹林郁闭度无人机遥感定量反演", 《应用生态学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115965812A (zh) * | 2022-12-13 | 2023-04-14 | 桂林理工大学 | 无人机影像对湿地植被物种和地物分类的评估方法 |
CN115965812B (zh) * | 2022-12-13 | 2024-01-19 | 桂林理工大学 | 无人机影像对湿地植被物种和地物分类的评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416521A (zh) | 一种信息来源确定的方法以及信息来源确定装置 | |
CN105650022B (zh) | 一种风扇转速控制方法及风扇转速控制装置 | |
US20190072075A1 (en) | Method and device for detecting equivalent load of wind turbine | |
CN105804189B (zh) | 一种自动定位尿液的方法、装置及含有其的健康智能马桶 | |
CN106656035A (zh) | 一种光伏电站故障检测方法 | |
CN105242723A (zh) | 基于物联网的禽畜养殖环境自动调控系统及调控方法 | |
CN107026612A (zh) | 一种太阳能电站自动巡检系统 | |
CN113987823A (zh) | 陆上集中式光伏电站气候效应评估的中尺度数值模拟方法 | |
CN104713192A (zh) | 机房的空调控制系统 | |
CN109186672A (zh) | 一种大规模竹林环境温湿度检测方法及系统 | |
US11727335B2 (en) | Systems and methods for managing energy usage intensity of buildings | |
Ogrosky et al. | Identifying convectively coupled equatorial waves using theoretical wave eigenvectors | |
CN111400845B (zh) | 风电机组的发电性能评估方法和装置 | |
CN114387253A (zh) | 外墙外保温层缺陷红外图像处理方法、装置及存储介质 | |
CN106603002A (zh) | 一种光伏电站故障检测系统 | |
Sung et al. | Creating Smart House via IoT and Intelligent Computation | |
WO2016015637A1 (zh) | 光伏空调系统及其性能检测方法和性能检测装置 | |
Belhadj et al. | LabVIEW based real time Monitoring of HVAC System for Residential Load | |
CN115495895A (zh) | 光伏采暖系统的设计方法、装置、电子设备及存储介质 | |
CN115688388A (zh) | 基于大数据的居住建筑环境调节方法 | |
Hu et al. | A detecting algorithm for occlusion on the surface of photovoltaic modules based on improved YOLOv5 | |
Abhyankar et al. | Portable autonomous rain prediction model using machine learning algorithm | |
CN111488553A (zh) | 一种太阳辐照度计算方法及装置 | |
Verma et al. | Developing a Robotic Solar-Powered Fire Detection and Avoidance System With Machine Learning-Based Sensing | |
Fan et al. | A Study of Modified Infotaxis Algorithms in 2D and 3D Turbulent Environments |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20211026 |