CN109883323A - 一种田间作物表型参数的测量装置及方法 - Google Patents
一种田间作物表型参数的测量装置及方法 Download PDFInfo
- Publication number
- CN109883323A CN109883323A CN201910074712.0A CN201910074712A CN109883323A CN 109883323 A CN109883323 A CN 109883323A CN 201910074712 A CN201910074712 A CN 201910074712A CN 109883323 A CN109883323 A CN 109883323A
- Authority
- CN
- China
- Prior art keywords
- data
- crop
- measured
- image
- canopy
- 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.)
- Granted
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明实施例提供一种田间作物表型参数的测量装置及方法,所述装置至少包括:地面控制站、无人机、机械臂和光电吊舱,其中,所述机械臂一端承载在所述无人机上,另一端链接光电吊舱,所述地面控制站发送指令给所述无人机,所述无人机根据接收到的指令控制所述机械臂和所述光电吊舱,以使所述光电吊舱测量待测量目标作物的表型数据。从而实现了高效、准确、自动的获取到田间作物的表型数据。
Description
技术领域
本发明实施例涉及农业信息化技术领域,尤其涉及一种田间作物表型参数的测量装置及方法。
背景技术
高通量植物表型平台是一种未来化的精准农业技术,它是遗传学、传感器、机器人的结合体。从目前来看,无论是二维图像法、立体视觉法还是基于三维的激光雷达技术,单独获取作物表型数据时受制于通量或局限于精度,使其不能全面满足科研及应用需求。将传感器与全自动化的搭载平台相结合,是实现作物表型高通量测量的一个重要发展方向,对于作物育种研究具有重要意义。因作物育种科研及生产中作物面积较大,作物生长全生育期需连续观测,高效率、高精度的作物表型数据的获取仍是作物生产与科研中亟待解决的问题。
目前在田间作物表型参数高通量获取方面尚没有方便实用的测量仪器设备,已有的技术手段:(1)传统作物表型测量主要以人工测量为主,即通过直尺、量角器等工具对目标群体内的植株进行测量记录,该方法主要是测量效率低,人工工作量大,难以满足大面积作物表型数据的连续监测;(2)遥感反演方法:为了解决大面积作物表型连续监测,通过卫星遥感或利用无人机获取遥感影像,通过高分辨率影像、多光谱影像、高光谱影像进行遥感反演,从而实现大面积作物表型数据的连续监测,但这种通过遥感及光谱模型反演的方法误差较大,无法满足作物表型指标获取的精度;(3)利用手推车平台搭载多种传感器获取田间作物表型数据灵活性强适应范围广,但某些作物生长到后期由于高度问题手推车无法进入。(4)利用无人机挂载多种传感器的测量方法只能获取到作物冠层表型数据,冠层以下无法获取到。(5)利用机动车平台搭载多传感器获取田间作物表型数据可以实现大样地的自主作业,但成本较高,不利于推广。
发明内容
为了解决现有技术中存在的问题,本发明实施例提供一种田间作物表型参数的测量装置及方法。
第一方面,本发明实施例提供一种田间作物表型参数的测量装置,包括:地面控制站、无人机、机械臂和光电吊舱,其中,所述机械臂一端承载在所述无人机上,另一端链接光电吊舱,所述地面控制站发送指令给所述无人机,所述无人机根据接收到的指令控制所述机械臂和所述光电吊舱,以使所述光电吊舱测量待测量目标作物的表型数据。
第二方面,本发明实施例提供一种田间作物表型参数的测量方法,包括:
获取所述待测量目标作物的植株影像、点云数据和冠层及冠层下的多光谱数据;
根据获取的所述植株影像、点云数据和多光谱数据,计算所述待测量目标作物的表型数据。
本发明实施例提供的田间作物表型参数的测量装置及方法,在无人机平台的基础上,结合可伸缩式机械臂及集成化光电吊舱,利用现代高分辨率影像、多光谱影像、三维点云获取与处理技术,实现田间大面积作物表型数据的高精度、高效率、连续、原位监测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的田间作物表型参数的测量装置的结构示意图;
图2为本发明又一实施例提供的田间作物表型参数的测量装置的结构示意图;
图3为本发明实施例提供的田间作物表型参数的测量方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的田间作物表型参数的测量装置的结构示意图,如图1所示,所述装置至少包括:地面控制站40、无人机10、机械臂20和光电吊舱30,其中,所述机械臂20一端承载在所述无人机10上,另一端链接光电吊舱30,所述地面控制站40发送指令给所述无人机,所述无人机10根据接收到的指令控制所述机械臂20和所述光电吊舱30,以使所述光电吊舱30测量待测量目标作物的表型数据。
具体地,如图2所示,本发明实施例提供的田间作物表型参数的测量装置,其中,无人机集成伸缩机械臂及光电吊舱可获取田间作物地上部的所有表型数据,通过伸缩机械臂,光电吊舱可以测量植株任意位置的表型数据,不再受冠层遮挡的影响,冠层以下的表型数据也可以获取到。
具体地,确定待测量的目标作物群体后,可在完成播种后在作物生长的全生育期可随时利用无人机搭载机械臂控制光电吊舱获取田间目标群体的表型数据。
具体地,机械臂为可伸缩式机械臂,机械臂下端连接光电吊舱,根据不同作物、不同生育时期可调整光电吊舱的高度,平时可完全收缩后与无人机分离便于运输携带。
可伸缩机械臂可以将光电吊舱伸缩到田间作物的任意位置,不受冠层遮挡的影响,精确的获取作物的表型参数。
本发明实施例提供的田间作物表型参数的测量装置,在无人机平台的基础上,结合可伸缩式机械臂及集成化光电吊舱,利用现代高分辨率影像、多光谱影像、三维点云获取与处理技术,实现田间大面积作物表型数据的高精度、高效率、连续、原位监测。
可选地,所述装置还包括发电机,用于给所述无人机进行供电。
在上述实施例的基础上,为了便于在田间长时间大范围监测,上述装置由地面发电机供电,续航时间是无限的。
可选地,所述无人机还包括实时定位模块,用于对待测量目标作物进行定位监测。
在上述实施例的基础上,上述无人机配有高精度的实时定位模块,即RTK(Real-Time Kinematic,实时动态定位)模块,可实现田间作物的高精度定位监测,从而实现对每株作物的定株化管理,自动的去获取田间作物的表型数据。
可选地,所述光电吊舱测量待测量目标作物的表型数据,具体为:
获取所述待测量目标作物的植株影像、点云数据和冠层及冠层下的多光谱数据;
根据获取的所述植株影像、点云数据和多光谱数据,计算所述待测量目标作物的表型数据。
具体地,所述表型数据为株高、作物直径、茎叶夹角、叶面积指数、植被覆盖度、植被指数、氮素反演和光分布模拟图像。
在上述实施例的基础上,利用无人机控制光电吊舱获取待测量作物群体的冠层影像数据及点云数据,并通过无人机挂载机械臂控制光电吊舱伸入目标区域的冠层下获取作物不同位置的影像及点云数据,进而,可以通过根据获取的所述植株影像、点云数据和多光谱数据,计算所述待测量目标作物的表型数据。
(1)株高测量:通过地面站系统规划航线遥控无人机飞到田间开始执行任务,机器人自动测定每株作物的坐标,伸缩机械臂控制光电吊舱到作物冠层顶部自动测量离地面高度,并同时发出信号,地面站系统通过接收信号得到目标作物高h。
(2)任意直径测量:无人机伸缩机械臂控制光电吊舱在植株任意位置处测的同一高度平面上植株表面的四点坐标,运用已知三点坐标可以确定圆的理论依据,利用最小二乘原理推出计算该高度处植株直径的计算公式,计算方法如下:首先假设植株底部坐标为(0,0,0),由步骤(1)可以得到株高h,则植株顶部的坐标为(0,0,h),伸缩机械臂自冠层向下延伸,通过光电吊舱获取任意高度j处植株表面坐标(xi,yi,hi)(i=1,2,3,4),根据已知圆表面三点坐标求的圆中心点坐标公式①②测得j点处植株中心点坐标(xj,yj,hj),根据数模③求得植株任意点的直径。
(3)茎叶夹角测量:无人机通过伸缩机械臂控制光电吊舱获取植株叶片的侧面影像,通过图像后处理得到叶片的茎叶夹角。
(4)植被覆盖度测量:无人机通过伸缩机械臂控制光电吊舱获取作物群体冠层影像及点云数据,从而构建大田冠层的二维正交拼接影像和三维点云,提取三维图像的作物植被部分,并分离植被与土壤背景,再用植被像素计算植被覆盖度。
(5)叶面指数(Leaf Area Index,LAI)提取:无人机通过伸缩机械臂控制光电吊舱获取作物群体冠层影像及点云数据,重建植株叶片的曲面结构,进一步提取作物各个生育期的叶面积指数,进而可以分析不同生育期生物量积累与最终产量的关系。
(6)植被指数(Normalized Difference Vegetation Index,NDVI)提取:无人机通过伸缩机械臂控制光电吊舱获取田间作物冠层及冠层下的多光谱数据,对数据进行反射率校正及正射影像拼接,由近红外波段和红波波段处的反射率值的归一化比率计算而得到NDVI值,从而实现大田环境下不同作物全生育期NDVI的定量化分析。
(7)氮素反演:无人机通过伸缩机械臂控制光电吊舱获取作物群体的影像、点云、多光谱数据,基于区域大田的高程模型重建,随着其在垂直方向分布情况可以实现植被归一化指数在地上部空间的变异性分析,进而监测地上部的氮素分布及转移情况,为高效基因育种工程、优化大田种植管理模式下提供技术支撑。
(8)光分布模拟:无人机通过伸缩机械臂控制光电吊舱获取作物群体冠层影像及点云数据,将大田环境下的作物三维结构重建与光分布模型相耦合用于区域冠层光分布的模拟。
本发明实施例通过把最新的高科技成果引入到作物表型数据测量中,利用无人机及机械臂灵活便于操作的优点,测量了田间作物群体的株高和任意高度处直径、茎叶夹角等表型数据,为田间作物表型的高通量精确测定提供了技术支持;克服了各种自然环境和人为因素带来的测量误差,大大减少了测量人员的工作量和测量难度;
本发明实施例在无人机平台的基础上,结合可伸缩式机械臂及集成化光电吊舱,利用现代高分辨率影像、多光谱影像、三维点云获取与处理技术,实现田间大面积作物表型数据的高精度、高效率、连续、原位监测。通过多源数据的融合分析能够有效地提高图像数据信息挖掘的准确性。
图3为本发明实施例提供的田间作物表型参数的测量方法的流程示意图,如图3所示,所述方法包括:
S101、获取所述待测量目标作物的植株影像、点云数据和冠层及冠层下的多光谱数据;
S102、根据获取的所述植株影像、点云数据和多光谱数据,计算所述待测量目标作物的表型数据。
具体地,无人机集成伸缩机械臂及光电吊舱可获取田间作物地上部的所有表型数据,通过伸缩机械臂,光电吊舱可以测量植株任意位置的表型数据,不再受冠层遮挡的影响,冠层以下的表型数据也可以获取到。
具体地,确定待测量的目标作物群体后,可在完成播种后在作物生长的全生育期可随时利用无人机搭载机械臂控制光电吊舱获取田间目标群体的表型数据。
具体地,机械臂为可伸缩式机械臂,机械臂下端连接光电吊舱,根据不同作物、不同生育时期可调整光电吊舱的高度,平时可完全收缩后与无人机分离便于运输携带。
可伸缩机械臂可以将光电吊舱伸缩到田间作物的任意位置,不受冠层遮挡的影响,精确的获取作物的表型参数。
本发明实施例提供的田间作物表型参数的测量方法,在无人机平台的基础上,结合可伸缩式机械臂及集成化光电吊舱,利用现代高分辨率影像、多光谱影像、三维点云获取与处理技术,实现田间大面积作物表型数据的高精度、高效率、连续、原位监测。
可选地,所述表型数据为株高、作物直径、茎叶夹角、叶面积指数、植被覆盖度、植被指数、氮素反演和光分布模拟图像。
具体地,上述各个表型数据的测量采用如下的方式进行计算:
(1)株高测量:通过地面站系统规划航线遥控无人机飞到田间开始执行任务,机器人自动测定每株作物的坐标,伸缩机械臂控制光电吊舱到作物冠层顶部自动测量离地面高度,并同时发出信号,地面站系统通过接收信号得到目标作物高h。
(2)任意直径测量:无人机伸缩机械臂控制光电吊舱在植株任意位置处测的同一高度平面上植株表面的四点坐标,运用已知三点坐标可以确定圆的理论依据,利用最小二乘原理推出计算该高度处植株直径的计算公式,计算方法如下:首先假设植株底部坐标为(0,0,0),由步骤(1)可以得到株高h,则植株顶部的坐标为(0,0,h),伸缩机械臂自冠层向下延伸,通过光电吊舱获取任意高度j处植株表面坐标(xi,yi,hi)(i=1,2,3,4),根据已知圆表面三点坐标求的圆中心点坐标公式①②测得j点处植株中心点坐标(xj,yj,hj),根据数模③求得植株任意点的直径。
(3)茎叶夹角测量:无人机通过伸缩机械臂控制光电吊舱获取植株叶片的侧面影像,通过图像后处理得到叶片的茎叶夹角。
(4)叶面指数(Leaf Area Index,LAI)提取:无人机通过伸缩机械臂控制光电吊舱获取作物群体冠层影像及点云数据,重建植株叶片的曲面结构,进一步提取作物各个生育期的叶面积指数,进而可以分析不同生育期生物量积累与最终产量的关系。
可选地,所述计算所述植被覆盖度具体为:
获取所述待测量目标作物的群体冠层影像及点云数据;
根据所述冠层影像及点云数据,构建所述冠层的二维正交拼接影像和三维点云图像,并提取三维点云图像的作物植被部分,并分离植被与土壤背景,再用植被像素计算植被覆盖度。
可选地,所述计算所述植被指数具体为:
获取所述待测量目标作物的冠层及冠层下的多光谱数据;
对所述多光谱数据进行反射率校正及正射影像拼接,根据近红外波段和红波波段处的反射率值的归一化比率计算,得到所述待测量目标作物的植被指数值。
具体地,植被指数(Normalized Difference Vegetation Index,NDVI)的提取,无人机通过伸缩机械臂控制光电吊舱获取田间作物冠层及冠层下的多光谱数据,对数据进行反射率校正及正射影像拼接,由近红外波段和红波波段处的反射率值的归一化比率计算而得到NDVI值,从而实现大田环境下不同作物全生育期NDVI的定量化分析。
可选地,所述计算所述氮素反演具体为:
获取作所述待测量目标作物的影像、点云、多光谱数据;
基于区域大田的高程模型重建,通过对所述高程模型在垂直方向上的分布情况的变异性分析,监测地上部的氮素分布及转移情况,为高效基因育种工程、优化大田种植管理模式下提供技术支撑。
可选地,所述方法还包括光分布模拟,具体地,无人机通过伸缩机械臂控制光电吊舱获取作物群体冠层影像及点云数据,将大田环境下的作物三维结构重建与光分布模型相耦合用于区域冠层光分布的模拟。
本发明实施例提供的田间作物表型参数的测量方法,在无人机平台的基础上,结合可伸缩式机械臂及集成化光电吊舱,利用现代高分辨率影像、多光谱影像、三维点云获取与处理技术,实现田间大面积作物表型数据的高精度、高效率、连续、原位监测。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上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精神和范围。
Claims (10)
1.一种田间作物表型参数的测量装置,其特征在于,至少包括:地面控制站、无人机、机械臂和光电吊舱,其中,所述机械臂一端承载在所述无人机上,另一端链接光电吊舱,所述地面控制站发送指令给所述无人机,所述无人机根据接收到的指令控制所述机械臂和所述光电吊舱,以使所述光电吊舱测量待测量目标作物的表型数据。
2.根据权利要求1所述的装置,其特征在于,所述装置还包括发电机,用于给所述无人机进行供电。
3.根据权利要求1所述的装置,其特征在于,所述无人机还包括实时定位模块,用于对待测量目标作物进行定位监测。
4.根据权利要求1所述的装置,其特征在于,所述表型数据为株高、作物直径、茎叶夹角、叶面积指数、植被覆盖度、植被指数、氮素反演和光分布模拟图像。
5.根据权利要求4所述的装置,其特征在于,所述光电吊舱测量待测量目标作物的表型数据,具体为:
获取所述待测量目标作物的植株影像、点云数据和冠层及冠层下的多光谱数据;
根据获取的所述植株影像、点云数据和多光谱数据,计算所述待测量目标作物的表型数据。
6.一种基于上述权利要求1-5任一项所述装置的田间作物表型参数的测量方法,其特征在于,所述方法包括:
获取所述待测量目标作物的植株影像、点云数据和冠层及冠层下的多光谱数据;
根据获取的所述植株影像、点云数据和多光谱数据,计算所述待测量目标作物的表型数据。
7.根据权利要求6所述的方法,其特征在于,所述表型数据为株高、作物直径、茎叶夹角、叶面积指数、植被覆盖度、植被指数、氮素反演和光分布模拟图像。
8.根据权利要求7所述的方法,其特征在于,所述计算所述植被覆盖度具体为:
获取所述待测量目标作物的群体冠层影像及点云数据;
根据所述冠层影像及点云数据,构建所述冠层的二维正交拼接影像和三维点云图像,并提取三维点云图像的作物植被部分,并分离植被与土壤背景,再用植被像素计算植被覆盖度。
9.根据权利要求7所述的方法,其特征在于,所述计算所述植被指数具体为:
获取所述待测量目标作物的冠层及冠层下的多光谱数据;
对所述多光谱数据进行反射率校正及正射影像拼接,根据近红外波段和红波波段处的反射率值的归一化比率计算,得到所述待测量目标作物的植被指数值。
10.根据权利要求7所述的方法,其特征在于,所述计算所述氮素反演具体为:
获取作所述待测量目标作物的影像、点云、多光谱数据;
基于区域大田的高程模型重建,通过对所述高程模型在垂直方向上的氮素分布情况的变异性分析,监测所述待测量目标作物地上部的氮素分布及转移情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910074712.0A CN109883323B (zh) | 2019-01-25 | 2019-01-25 | 一种田间作物表型参数的测量装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910074712.0A CN109883323B (zh) | 2019-01-25 | 2019-01-25 | 一种田间作物表型参数的测量装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109883323A true CN109883323A (zh) | 2019-06-14 |
CN109883323B CN109883323B (zh) | 2020-12-29 |
Family
ID=66926918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910074712.0A Active CN109883323B (zh) | 2019-01-25 | 2019-01-25 | 一种田间作物表型参数的测量装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109883323B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110487730A (zh) * | 2019-08-15 | 2019-11-22 | 北京农业信息技术研究中心 | 作物田间表型高通量监测系统及监测方法 |
CN110598619A (zh) * | 2019-09-06 | 2019-12-20 | 中国农业科学院农业资源与农业区划研究所 | 一种利用无人机影像进行果树识别和计数的方法和系统 |
CN112698347A (zh) * | 2020-12-02 | 2021-04-23 | 北京华益瑞科技有限公司 | 地表植被参数监测装置、系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105890623A (zh) * | 2016-04-19 | 2016-08-24 | 华南农业大学 | 一种无人机作业参数自动采集系统及自动感知方法 |
CN106406178A (zh) * | 2016-10-21 | 2017-02-15 | 中国科学院南京土壤研究所 | 一种温室作物生长信息实时对等监测装置及监测方法 |
CN206720589U (zh) * | 2017-04-19 | 2017-12-08 | 上海昂丰装备科技有限公司 | 具有伸缩式光电吊舱的半潜式抓斗 |
US20180075760A1 (en) * | 2016-09-09 | 2018-03-15 | Wal-Mart Stores, Inc. | Solar rechargeable unmanned vehicle systems and methods to monitor a geographic area |
CN207346112U (zh) * | 2017-11-03 | 2018-05-11 | 西安冰果智能航空科技有限公司 | 一种光电吊舱升降机构 |
CN108460361A (zh) * | 2018-03-23 | 2018-08-28 | 苏州市农业科学院 | 一种作物监测装置及方法 |
-
2019
- 2019-01-25 CN CN201910074712.0A patent/CN109883323B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105890623A (zh) * | 2016-04-19 | 2016-08-24 | 华南农业大学 | 一种无人机作业参数自动采集系统及自动感知方法 |
US20180075760A1 (en) * | 2016-09-09 | 2018-03-15 | Wal-Mart Stores, Inc. | Solar rechargeable unmanned vehicle systems and methods to monitor a geographic area |
CN106406178A (zh) * | 2016-10-21 | 2017-02-15 | 中国科学院南京土壤研究所 | 一种温室作物生长信息实时对等监测装置及监测方法 |
CN206720589U (zh) * | 2017-04-19 | 2017-12-08 | 上海昂丰装备科技有限公司 | 具有伸缩式光电吊舱的半潜式抓斗 |
CN207346112U (zh) * | 2017-11-03 | 2018-05-11 | 西安冰果智能航空科技有限公司 | 一种光电吊舱升降机构 |
CN108460361A (zh) * | 2018-03-23 | 2018-08-28 | 苏州市农业科学院 | 一种作物监测装置及方法 |
Non-Patent Citations (1)
Title |
---|
孙新博: "无人机视频地理编码系统设计与实现", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110487730A (zh) * | 2019-08-15 | 2019-11-22 | 北京农业信息技术研究中心 | 作物田间表型高通量监测系统及监测方法 |
CN110598619A (zh) * | 2019-09-06 | 2019-12-20 | 中国农业科学院农业资源与农业区划研究所 | 一种利用无人机影像进行果树识别和计数的方法和系统 |
CN110598619B (zh) * | 2019-09-06 | 2023-04-07 | 中国农业科学院农业资源与农业区划研究所 | 一种利用无人机影像进行果树识别和计数的方法和系统 |
CN112698347A (zh) * | 2020-12-02 | 2021-04-23 | 北京华益瑞科技有限公司 | 地表植被参数监测装置、系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109883323B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11957090B2 (en) | Methods for pruning fruit plants | |
Li et al. | High-throughput plant phenotyping platform (HT3P) as a novel tool for estimating agronomic traits from the lab to the field | |
Torres-Sánchez et al. | Assessing UAV-collected image overlap influence on computation time and digital surface model accuracy in olive orchards | |
Duan et al. | Comparison of ground cover estimates from experiment plots in cotton, sorghum and sugarcane based on images and ortho-mosaics captured by UAV | |
CN110260789B (zh) | 一种田间高通量作物表型监测系统及方法 | |
JP6487143B2 (ja) | 樹木計測システム | |
CN109883323A (zh) | 一种田间作物表型参数的测量装置及方法 | |
CN107966709A (zh) | 一种基于激光雷达测绘的植保作业方法 | |
CN110223386A (zh) | 一种基于多源无人机遥感数据融合的数字地形建模方法 | |
US11656624B2 (en) | Horticulture aided by autonomous systems | |
CN108287926A (zh) | 一种农业生态多源异构大数据采集、处理与分析架构 | |
US11730089B2 (en) | Horticulture aided by autonomous systems | |
CN108901366B (zh) | 一种天地一体化柑橘采摘方法 | |
CN110487730A (zh) | 作物田间表型高通量监测系统及监测方法 | |
CN106708075A (zh) | 基于固定翼无人机的大范围油菜田spad值遥感系统及采集方法 | |
CN109584293A (zh) | 一种基于rgb-d视觉技术的温室作物三维形态全景测量系统 | |
CN109814126A (zh) | 一种移动式平面激光雷达植物形态测量装置 | |
Metechko et al. | Aerospace monitoring in solving problems of modern precision agriculture | |
Belton et al. | Crop height monitoring using a consumer-grade camera and UAV technology | |
Gautam et al. | Footprint determination of a spectroradiometer mounted on an unmanned aircraft system | |
Dhami et al. | Crop height and plot estimation for phenotyping from unmanned aerial vehicles using 3D LiDAR | |
Wallerman et al. | Drone-based forest variables mapping of icos tower surroundings | |
Chen et al. | A Hybrid Cable-Driven Robot for Non-Destructive Leafy Plant Monitoring and Mass Estimation using Structure from Motion | |
CN109827503A (zh) | 一种田间作物精准定位方法和装置 | |
Sari et al. | Using LAPER quadcopter imagery for precision oil palm geospatial intelligence (OP GeoInt) |
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 |