CN109813286A - 一种基于无人机的倒伏灾害遥感定损方法 - Google Patents
一种基于无人机的倒伏灾害遥感定损方法 Download PDFInfo
- Publication number
- CN109813286A CN109813286A CN201910082559.6A CN201910082559A CN109813286A CN 109813286 A CN109813286 A CN 109813286A CN 201910082559 A CN201910082559 A CN 201910082559A CN 109813286 A CN109813286 A CN 109813286A
- Authority
- CN
- China
- Prior art keywords
- lodging
- unmanned plane
- region
- crops
- 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.)
- Withdrawn
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明属于保险定损方法技术领域,尤其涉及一种基于无人机的倒伏灾害遥感定损方法,包括无人机操控人员通过外业采集获取倒伏作物航拍数据,将倒伏农作物航飞影像拼接为正射影像图,选取倒伏与非倒伏区域的训练样本,监督分类提取倒伏农作物的面积,计算农作物倒伏面积,并制作倒伏受灾专题图的步骤。本发明提供的一种外业采样提高遥感解译效率的方法具有人力成本低、效率稿,能够精确获取倒伏作物地块位置,精确得出倒伏受灾的面积的优点。
Description
技术领域
本发明属于保险定损方法技术领域,尤其涉及无人机遥感技术,图像分类技术,地理信息系统技术的,用于农业保险灾害理赔领域,能够实现快速、高效、精确倒伏灾害定损的一种基于无人机的倒伏灾害遥感定损方法。
背景技术
倒伏是农业生产中造成减产、作物品质降低的主要原因,目前对作物倒伏定损的方法主要有人工法和遥感法。人工法是调查人员在受灾地区目视发现倒伏作物,然后使用卷尺、GPS等工具测量作物倒伏面积及位置的方法。人工法存在人力成本高、效率低下,获取倒伏作物地块位置困难,不能够精确得出倒伏受灾的面积的问题。现有的利用卫星遥感技术进行倒伏定损的遥感法虽然可以获取地面大范围遥感数据,但存在空间分辨率低,受云雾影像较大,重访周期长、小范围田间尺度精细农业应用不多等方面不足。
发明内容
本发明的目的就是为解决由于极端恶劣天气造成大面积倒伏时,保险公司应对倒伏(以小麦倒伏为例)灾害查勘理赔,往往采用人力成本高、效率低下的人工查勘采集法进行理赔,该方法存在诸多弊端,且不能够精确得出倒伏受灾的面积的问题,而提出利用本无人机遥感技术方法实现快速对受灾区域的分析与提取解译,准确得出倒伏受灾面积与受灾等级分布,为农业保险定损理赔业务提供精准技术支持的一种基于无人机的倒伏灾害遥感定损方法。
本发明采用的技术方案是:
一种基于无人机的倒伏灾害遥感定损方法,包括以下步骤:
步骤1)、外业人员通过外业采集获取倒伏作物航拍数据,所述航拍数据包括照片、POS点数据、镜头焦距、主点参数和传感器尺寸,具体为:
1.1外业人员在收到某一农作物倒伏无人机查勘任务后,携带外业影像采集设备到达指定的该农作物倒伏查勘区域,所述外业影像采集设备为带航拍功能的固定翼无人机或旋翼无人机;
1.2 预设好无人机相对航高、航向重叠度与旁向重叠度,规划航飞倒伏区域,设置飞行航线,进行影像采集;
步骤2)、内业人员在图形工作站中通过Pix4Dmapper或Smart3D Capture无人机数据处理软件将倒伏农作物航飞影像拼接为正射影像图,具体为:
2.1将采集好的外业数据航飞数据交予内业人员,内业人员在计算机中通过AdobePhotoshop软件中的批处理匀色功能将航拍照片进行匀色处理;
2.2使用Smart3D Capture或Pix4Dmapper无人机数据处理软件,导入经匀色处理后的航拍照片,检查航拍照片的POS点信息、镜头焦距、主点参数和传感器尺寸是否正确;
2.3在无人机数据处理软件中进行空中三角测量,生成正射影像图,在ArcGIS软件中完成镶嵌处理,并保存为tiff格式文件,tiff格式文件图像存储了地物红、绿、蓝三种色彩的灰度值,数值范围为0~255;
步骤3)、将正射影像图导入ENVI软件中,通过目视识别解译,选取倒伏与非倒伏区域的训练样本;
步骤4)、通过监督分类提取倒伏农作物的面积;具体为,在ENVI中,通过事先选取倒伏农作物和非倒伏区域的训练样本,以tiff图像红、绿、蓝色灰度值为分类指标,使用Classification进行监督分类,区分倒伏农作物区域与非倒伏区域,提取倒伏农作物面积;
步骤5)、将分类结果导入ArcGIS软件中,计算农作物倒伏面积,具体是利用ArcGIS软件中根据像元大小统计面积的功能得到,并制作倒伏受灾专题图。
进一步的,所述步骤1)中预设无人机飞行高度为1000~2000米,航向重叠度与旁向重叠度为30%~60%。
进一步的,所述步骤3)中选取倒伏与非倒伏区域的训练样本的具体方法为,在ENVI软件中打开拼接好的无人机正射影像图上,选择感兴趣区域,根据影像大小,在感兴趣区中尽量分散的多选取倒伏农作物典型区域和非倒伏区域;选取时保证所选取区域尽量分散。
进一步的,所述非倒伏区域包括与、树、蔬菜、建筑物和水域的区域;
进一步的,所述步骤4)中监督分类过程为利用随机森林算法或最大似然算法的分离器提供,或为采用决策树分类方法。
进一步的,所述步骤5)中通过ArcGIS软件计算农作物倒伏面积的具体方法为,在ArcGIS软件中调节出图比例、页面大小,插入图例、指北针、比例尺,导出地图完成专题图出图工作。
本发明的有益效果是:
无人机遥感具有分辨率高,成本低,受天气、云层覆盖限制小,灵活方便、时效性强等优点,非常适于作物倒伏调查。该方法通过样本选取与图像分类技术结合提取农作物倒伏面积,可准确快速提取出受灾面积和受损程度等级划分数据,大量减少了保险公司地面查勘人员工作量,实现快速精准查勘定损。本方法利用无人机遥感技术手段可有效解决农业保险精准查勘问题。
附图说明
图1是本发明提供的一种基于无人机的倒伏灾害遥感定损方法的流程图;
图2是示例1中所示小麦倒伏的照片影像;
图3是示例1中所示倒伏区域小麦与非倒伏区域小麦光谱折线表现出来的差异对比图;
图4是示例1中无人机航拍得到的相邻五幅航飞影像图;
图5是示例1中得到的拼接好的小麦倒伏正射影像图;
图6是示例1中标注选取倒伏小麦典型区域和非倒伏区域后的正射影像图;
图7是示例1中得到的提取倒伏小麦面积的示意图;
图8是图5的细节放大图;
图9是图6的细节放大图;
图10是图7的细节放大图。
具体实施方式
本发明的核心是提供一种基于无人机的倒伏灾害遥感定损方法。
如图1所示,一种基于无人机的倒伏灾害遥感定损方法,如图1所示,包括以下步骤:
步骤1)、外业人员通过外业采集获取倒伏作物航拍数据,所述航拍数据包括照片、POS点数据、镜头焦距、主点参数和传感器尺寸,具体为:
1.1外业人员在收到某一农作物倒伏无人机查勘任务后,携带外业影像采集设备到达指定的该农作物倒伏查勘区域,所述外业影像采集设备为带航拍功能的固定翼无人机或旋翼无人机;
1.2 预设好无人机相对航高、航向重叠度与旁向重叠度,规划航飞倒伏区域,设置飞行航线,进行影像采集;
1.3为保证尽量获取较大范围航飞区域,无人机飞行高度设定为1000~2000米,航向重叠度与旁向重叠度设定为30%~60%;
步骤2)、内业人员在图形工作站中通过Pix4Dmapper或Smart3D Capture无人机数据处理软件将倒伏农作物航飞影像拼接为正射影像图,具体为:
2.1将采集好的外业数据航飞数据交予内业人员,内业人员在计算机中通过AdobePhotoshop软件中的批处理匀色功能将航拍照片进行匀色处理;
2.2使用Smart3D Capture或Pix4Dmapper无人机数据处理软件,导入经匀色处理后的航拍照片,检查航拍照片的POS点信息、镜头焦距、主点参数和传感器尺寸是否正确;
2.3在无人机数据处理软件中进行空中三角测量,生成正射影像图,在ArcGIS软件中完成镶嵌处理,并保存为tiff格式文件,tiff格式文件图像存储了地物红、绿、蓝三种色彩的灰度值,数值范围为0~255;
步骤3)、将正射影像图导入ENVI软件中,通过目视识别解译,选取倒伏与非倒伏区域的训练样本;具体为,在ENVI软件中打开拼接好的无人机正射影像图上,选择感兴趣区域,根据影像大小,在感兴趣区中尽量分散的多选取倒伏农作物典型区域和非倒伏区域;所述非倒伏区域包括正常农作物、树、蔬菜、建筑物和水域所在的区域;
步骤4)、通过监督分类提取倒伏农作物的面积;具体为,在ENVI中,通过事先选取倒伏农作物和非倒伏区域的训练样本,以tiff图像红、绿、蓝色灰度值为分类指标,使用Classification进行监督分类,所监督分类过程为利用随机森林算法或最大似然算法的分离器提供,或为采用决策树分类方法,区分倒伏农作物区域与非倒伏区域,提取倒伏农作物面积;
步骤5)、将分类结果导入ArcGIS软件中,计算农作物倒伏面积,具体是利用ArcGIS软件中根据像元大小统计面积的功能得到,并制作倒伏受灾专题图;具体为,在ArcGIS软件中调节出图比例、页面大小,插入图例、指北针、比例尺,导出地图完成专题图出图工作。
示例1,以农作物小麦为例,采用本发明提供的一种基于无人机的倒伏灾害遥感定损方法对某一目标区域进行调查。本方法使用的硬件系统包括:遥感监测车、无人机航拍系统、计算机图形工作站;使用的软件包括:Pix4Dmapper、Smart3D Capture、ArcGIS、ENVI、Adobe Photoshop。如图2所示,当小麦发生倒伏后,茎秆和冠层的光谱会产生差异,图3为倒伏区域小麦与非倒伏区域小麦光谱折线表现出来的差异,横坐标1、2、3分别代表R、G、B(红、绿、蓝)波段,纵坐标代表相应的波段值。可以看出倒伏区域小麦RGB三波段的值明显高于非倒伏区域小麦RGB值。因此,可首先通过无人机航飞获取小麦倒伏受灾影像,根据光谱特征,然后建立基于无人机航飞影像的小麦倒伏面积提取方法,即在ENVI中通过选取训练样本,使用监督分类方法,最终提取出小麦倒伏面积,并制作倒伏灾害专题图。如图1所示,具体操作包括以下步骤:
步骤1)、外业人员通过外业采集获取倒伏作物航拍数据,所述航拍数据包括照片、POS点数据、镜头焦距、主点参数和传感器尺寸,具体为:
1.1外业人员在收到小麦倒伏无人机查勘任务后,携带外业影像采集设备到达指定的小麦倒伏查勘区域,所述外业影像采集设备为带航拍功能的固定翼无人机或旋翼无人机;
1.2 预设好无人机相对航高、航向重叠度与旁向重叠度,规划航飞倒伏区域,设置飞行航线,进行影像采集;
1.3为保证尽量获取较大范围航飞区域,无人机飞行高度设定为1000~2000米,航向重叠度与旁向重叠度设定为30%~60%;图4为无人机航拍得到的相邻五幅航飞影像图;
步骤2)、内业人员在图形工作站中通过Pix4Dmapper或Smart3D Capture无人机数据处理软件将倒伏小麦航飞影像拼接为正射影像图,具体为:
2.1将采集好的外业数据航飞数据交予内业人员,内业人员在计算机中通过AdobePhotoshop软件中的批处理匀色功能将航拍照片进行匀色处理;
2.2使用Smart3D Capture或Pix4Dmapper无人机数据处理软件,导入经匀色处理后的航拍照片,检查航拍照片的POS点信息、镜头焦距、主点参数和传感器尺寸是否正确;
2.3在无人机数据处理软件中进行空中三角测量,生成正射影像图,在ArcGIS软件中完成镶嵌处理,并保存为tiff格式文件,tiff格式文件图像存储了地物红、绿、蓝三种色彩的灰度值,数值范围为0~255;图5为得到的拼接好的小麦倒伏正射影像图,图8为图5的细节放大图;
步骤3)、将正射影像图(图5)导入ENVI软件中,通过目视识别解译,选取倒伏与非倒伏区域的训练样本;具体为,在ENVI软件中打开拼接好的无人机正射影像图上,选择感兴趣区域,根据影像大小,在感兴趣区中尽量分散的多选取倒伏小麦典型区域和非倒伏区域;所述非倒伏区域包括正常小麦、树、蔬菜、建筑物和水域的区域;图6为标注选取倒伏小麦典型区域和非倒伏区域后的正射影像图,其中红色区域为倒伏样本点,黄色区域为非倒伏样本点,图9为图6的细节放大图;
步骤4)、通过监督分类提取倒伏小麦的面积;具体为,在ENVI中,通过已选取倒伏小麦和非倒伏区域的训练样本,以tiff图像红、绿、蓝色灰度值为分类指标,使用Classification进行监督分类,所监督分类过程为利用随机森林算法或最大似然算法的分离器提供,或为采用决策树分类方法,区分倒伏小麦区域与非倒伏区域,提取倒伏小麦面积,图7即为得到的提取倒伏小麦面积的示意图,图10为图7的细节放大图;
步骤5)、将分类结果导入ArcGIS软件中,计算小麦倒伏面积,具体是利用ArcGIS软件中根据像元大小统计面积的功能得到,并制作倒伏受灾专题图;具体为,在ArcGIS软件中调节出图比例、页面大小,插入图例、指北针、比例尺,导出地图完成专题图出图工作。
Claims (6)
1.一种基于无人机的倒伏灾害遥感定损方法,其特征在于,包括以下步骤:
步骤1)、外业人员通过外业采集获取倒伏作物航拍数据,所述航拍数据包括照片、POS点数据、镜头焦距、主点参数和传感器尺寸,具体为:
1.1外业人员在收到某一农作物倒伏无人机查勘任务后,携带外业影像采集设备到达指定的该农作物倒伏查勘区域,所述外业影像采集设备为带航拍功能的固定翼无人机或旋翼无人机;
1.2 预设好无人机相对航高、航向重叠度与旁向重叠度,规划航飞倒伏区域,设置飞行航线,进行影像采集;
步骤2)、内业人员在图形工作站中通过Pix4Dmapper或Smart3D Capture无人机数据处理软件将倒伏农作物航飞影像拼接为正射影像图,具体为:
2.1将采集好的外业数据航飞数据交予内业人员,内业人员在计算机中通过AdobePhotoshop软件中的批处理匀色功能将航拍照片进行匀色处理;
2.2使用Smart3D Capture或Pix4Dmapper无人机数据处理软件,导入经匀色处理后的航拍照片,检查航拍照片的POS点信息、镜头焦距、主点参数和传感器尺寸是否正确;
2.3在无人机数据处理软件中进行空中三角测量,生成正射影像图,在ArcGIS软件中完成镶嵌处理,并保存为tiff格式文件,tiff格式文件图像存储了地物红、绿、蓝三种色彩的灰度值,数值范围为0~255;
步骤3)、将正射影像图导入ENVI软件中,通过目视识别解译,选取倒伏与非倒伏区域的训练样本;
步骤4)、通过监督分类提取倒伏农作物的面积;具体为,在ENVI中,通过事先选取倒伏农作物和非倒伏区域的训练样本,以tiff图像红、绿、蓝色灰度值为分类指标,使用Classification进行监督分类,区分倒伏农作物区域与非倒伏区域,提取倒伏农作物面积;
步骤5)、将分类结果导入ArcGIS软件中,计算农作物倒伏面积,具体是利用ArcGIS软件中根据像元大小统计面积的功能得到,并制作倒伏受灾专题图。
2.根据权利要求1所述的基于无人机的倒伏灾害遥感定损方法,其特征在于:所述步骤1)中预设无人机飞行高度为1000~2000米,航向重叠度与旁向重叠度为30%~60%。
3.根据权利要求1所述的基于无人机的倒伏灾害遥感定损方法,其特征在于:所述步骤3)中选取倒伏与非倒伏区域的训练样本的具体方法为,在ENVI软件中打开拼接好的无人机正射影像图上,选择感兴趣区域,根据影像大小,在感兴趣区中尽量分散的多选取倒伏农作物典型区域和非倒伏区域;选取时保证所选取区域尽量分散。
4.根据权利要求1或3所述的基于无人机的倒伏灾害遥感定损方法,其特征在于:所述非倒伏区域包括与、树、蔬菜、建筑物和水域的区域。
5.根据权利要求1所述的基于无人机的倒伏灾害遥感定损方法,其特征在于:所述步骤4)中监督分类过程为利用随机森林算法或最大似然算法的分离器提供,或为采用决策树分类方法。
6.根据权利要求1所述的基于无人机的倒伏灾害遥感定损方法,其特征在于:所述步骤5)中通过ArcGIS软件计算农作物倒伏面积的具体方法为,在ArcGIS软件中调节出图比例、页面大小,插入图例、指北针、比例尺,导出地图完成专题图出图工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910082559.6A CN109813286A (zh) | 2019-01-28 | 2019-01-28 | 一种基于无人机的倒伏灾害遥感定损方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910082559.6A CN109813286A (zh) | 2019-01-28 | 2019-01-28 | 一种基于无人机的倒伏灾害遥感定损方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109813286A true CN109813286A (zh) | 2019-05-28 |
Family
ID=66605566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910082559.6A Withdrawn CN109813286A (zh) | 2019-01-28 | 2019-01-28 | 一种基于无人机的倒伏灾害遥感定损方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109813286A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110751639A (zh) * | 2019-10-16 | 2020-02-04 | 黑龙江地理信息工程院 | 一种基于深度学习的水稻倒伏智能评估定损系统及其评估定损方法 |
CN110827266A (zh) * | 2019-11-07 | 2020-02-21 | 航天信德智图(北京)科技有限公司 | 一种基于多期影像对比的作物定损方法 |
CN111652893A (zh) * | 2020-04-22 | 2020-09-11 | 中国科学院城市环境研究所 | 一种评估台风对城市树木生态系统损失的方法及其设备 |
CN112597855A (zh) * | 2020-12-15 | 2021-04-02 | 中国农业大学 | 农作物倒伏程度识别方法及装置 |
CN113160131A (zh) * | 2021-03-10 | 2021-07-23 | 卓尔智联(武汉)研究院有限公司 | 一种农业保险理赔方法、装置及存储介质 |
CN117315492A (zh) * | 2023-11-29 | 2023-12-29 | 中国平安财产保险股份有限公司 | 基于无人机技术的种植险预警方法、系统、设备及介质 |
CN117789067A (zh) * | 2024-02-27 | 2024-03-29 | 山东字节信息科技有限公司 | 一种基于机器学习的无人机农作物监测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046909A (zh) * | 2015-06-17 | 2015-11-11 | 中国计量学院 | 一种基于小型无人机的农业辅助定损方法 |
CN108053325A (zh) * | 2017-11-30 | 2018-05-18 | 河南云保遥感科技有限公司 | 一种基于农作物遥感技术的农业保险定损方法 |
CN108169138A (zh) * | 2017-12-18 | 2018-06-15 | 扬州大学 | 一种利用热红外图像的水稻倒伏监测方法 |
CN108445489A (zh) * | 2018-02-07 | 2018-08-24 | 海南云保遥感科技有限公司 | 基于卫星遥感与无人机遥感确定热带农业损失的方法 |
-
2019
- 2019-01-28 CN CN201910082559.6A patent/CN109813286A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046909A (zh) * | 2015-06-17 | 2015-11-11 | 中国计量学院 | 一种基于小型无人机的农业辅助定损方法 |
CN108053325A (zh) * | 2017-11-30 | 2018-05-18 | 河南云保遥感科技有限公司 | 一种基于农作物遥感技术的农业保险定损方法 |
CN108169138A (zh) * | 2017-12-18 | 2018-06-15 | 扬州大学 | 一种利用热红外图像的水稻倒伏监测方法 |
CN108445489A (zh) * | 2018-02-07 | 2018-08-24 | 海南云保遥感科技有限公司 | 基于卫星遥感与无人机遥感确定热带农业损失的方法 |
Non-Patent Citations (4)
Title |
---|
朱逍贤: "基于无人机倾斜摄影制作真正射影像研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
李宗南 等: "基于小型无人机遥感的玉米倒伏面积提取", 《农业工程学报》 * |
田明璐 等: "基于低空无人机多光谱遥感的水稻倒伏监测研究", 《上海农业学报》 * |
董锦绘 等: "基于无人机遥感影像的冬小麦倒伏面积信息提取", 《黑龙江农业科学》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110751639A (zh) * | 2019-10-16 | 2020-02-04 | 黑龙江地理信息工程院 | 一种基于深度学习的水稻倒伏智能评估定损系统及其评估定损方法 |
CN110827266A (zh) * | 2019-11-07 | 2020-02-21 | 航天信德智图(北京)科技有限公司 | 一种基于多期影像对比的作物定损方法 |
CN111652893A (zh) * | 2020-04-22 | 2020-09-11 | 中国科学院城市环境研究所 | 一种评估台风对城市树木生态系统损失的方法及其设备 |
CN112597855A (zh) * | 2020-12-15 | 2021-04-02 | 中国农业大学 | 农作物倒伏程度识别方法及装置 |
CN112597855B (zh) * | 2020-12-15 | 2024-04-16 | 中国农业大学 | 农作物倒伏程度识别方法及装置 |
CN113160131A (zh) * | 2021-03-10 | 2021-07-23 | 卓尔智联(武汉)研究院有限公司 | 一种农业保险理赔方法、装置及存储介质 |
CN117315492A (zh) * | 2023-11-29 | 2023-12-29 | 中国平安财产保险股份有限公司 | 基于无人机技术的种植险预警方法、系统、设备及介质 |
CN117315492B (zh) * | 2023-11-29 | 2024-04-02 | 中国平安财产保险股份有限公司 | 基于无人机技术的种植险预警方法、系统、设备及介质 |
CN117789067A (zh) * | 2024-02-27 | 2024-03-29 | 山东字节信息科技有限公司 | 一种基于机器学习的无人机农作物监测方法及系统 |
CN117789067B (zh) * | 2024-02-27 | 2024-05-10 | 山东字节信息科技有限公司 | 一种基于机器学习的无人机农作物监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gašparović et al. | An automatic method for weed mapping in oat fields based on UAV imagery | |
CN109813286A (zh) | 一种基于无人机的倒伏灾害遥感定损方法 | |
Reza et al. | Rice yield estimation based on K-means clustering with graph-cut segmentation using low-altitude UAV images | |
Jin et al. | Estimates of plant density of wheat crops at emergence from very low altitude UAV imagery | |
Dunford et al. | Potential and constraints of Unmanned Aerial Vehicle technology for the characterization of Mediterranean riparian forest | |
Laliberte et al. | Image processing and classification procedures for analysis of sub-decimeter imagery acquired with an unmanned aircraft over arid rangelands | |
CN106971167B (zh) | 基于无人机平台的作物生长分析方法及其分析系统 | |
Masjedi et al. | Sorghum biomass prediction using UAV-based remote sensing data and crop model simulation | |
JP5542530B2 (ja) | サンプリング位置決定装置 | |
Baofeng et al. | Digital surface model applied to unmanned aerial vehicle based photogrammetry to assess potential biotic or abiotic effects on grapevine canopies | |
Röder et al. | Application of optical unmanned aerial vehicle-based imagery for the inventory of natural regeneration and standing deadwood in post-disturbed spruce forests | |
CN108195767A (zh) | 河口湿地外来种监测方法 | |
Xu et al. | Classification method of cultivated land based on UAV visible light remote sensing | |
KR20200020209A (ko) | 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치 | |
CN110765977A (zh) | 一种基于无人机多时相遥感数据提取小麦倒伏信息的方法 | |
Zhao et al. | Tree canopy differentiation using instance-aware semantic segmentation | |
Belton et al. | Crop height monitoring using a consumer-grade camera and UAV technology | |
CN115453555A (zh) | 一种草地生产力的无人机快速监测方法及系统 | |
Howell et al. | Structure from motion techniques for estimating the volume of wood chips | |
Wijesingha | Geometric quality assessment of multi-rotor unmanned aerial vehicle borne remote sensing products for precision agriculture | |
CN115830474A (zh) | 一种识别野生藏药独一味及其分布并计算其产量的方法与系统 | |
Bonaria | Grapevine yield estimation using image analysis for the variety Arinto | |
Liebermann et al. | Using unmanned aerial systems for deriving forest stand characteristics in mixed hardwoods of West Virginia | |
Hosingholizade et al. | An assessment of support vector machines for crown delineation of pine single trees on unmanned aerial vehicle imagery | |
Izere | Plant Height Estimation Using RTK-GNSS Enabled Unmanned Aerial Vehicle (UAV) Photogrammetry |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 450044 No. 301, Building No. 4, Dongruigu District, North Xincheng Road and South Chuangjie Street, Huiji District, Zhengzhou City, Henan Province Applicant after: Zhongke Guangqi Space Information Technology Co., Ltd. Address before: 450046 Room 517, 136 Zhengkai Avenue, Baisha Park, Zhengdong New District, Zhengzhou City, Henan Province Applicant before: Zhongke Guangqi Space Information Technology Co., Ltd. |
|
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190528 |