CN110260789A - 一种田间高通量作物表型监测系统及方法 - Google Patents

一种田间高通量作物表型监测系统及方法 Download PDF

Info

Publication number
CN110260789A
CN110260789A CN201910627921.3A CN201910627921A CN110260789A CN 110260789 A CN110260789 A CN 110260789A CN 201910627921 A CN201910627921 A CN 201910627921A CN 110260789 A CN110260789 A CN 110260789A
Authority
CN
China
Prior art keywords
platform
crop
high throughput
lidar
camera
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
Application number
CN201910627921.3A
Other languages
English (en)
Other versions
CN110260789B (zh
Inventor
刘守阳
姜东�
范超昱
朱辰
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.)
Nanjing Agricultural University
Original Assignee
Nanjing Agricultural University
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 Nanjing Agricultural University filed Critical Nanjing Agricultural University
Priority to CN201910627921.3A priority Critical patent/CN110260789B/zh
Publication of CN110260789A publication Critical patent/CN110260789A/zh
Application granted granted Critical
Publication of CN110260789B publication Critical patent/CN110260789B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0608—Height gauges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
    • G01B11/285—Measuring arrangements characterised by the use of optical techniques for measuring areas using photoelectric detection means
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种田间高通量作物表型监测系统及方法，该系统包括：平台，用于搭载传感器及相关设备；控制机构，安装在平台上，用于控制整个监测系统；定位机构，安装在平台上，用于定位平台运动轨迹；成像机构，安装在定位机构上，用于扫描和拍摄作物图像。本发明是集作物位置信息、光谱波段信息和作物表型信息于一体的作物采集监测系统，实现了作物生长信息无损、高通量的获取，将有助于实现作物表型信息更为精确和有效的估算。

Description

一种田间高通量作物表型监测系统及方法
技术领域
本发明涉及一种智能农机装备，特别是关于一种基于田间平台的高通量作物表型监测系统及方法。
背景技术
作物表型是作物基因与环境交互作用的外在表达，包括作物生长发育过程的生理生态性状及其动态特征，例如，株高、密度、叶长、叶宽、叶倾角和叶面积指数等。在作物生育期内，连续、及时和准确的监测多种作物表型性状(即高通量表型)，是实现作物智能化诊断和管理的重要依据。其中，作物冠层的绿色部分是进行光合作用的主要器官，主要包括，叶片，茎秆等的绿色部分，因而高通量表型叶面积指数和叶倾角等冠层结构性状是评价作物光合作用效率的关键。
目前，在大田条件下，几十甚至上百个田块，作物冠层结构性状的高通量监测是绝大多数农业实验的要求。现有的作物表型监测方法可分为直接测量和间接测量两种方法：直接测量方法为人工取样，破坏性测量，通过剪纸称重法、叶片称重法测定作物叶面积指数、米尺测定株高，费时费力，仅适用于小区域范围的作物采样，无法高通量、大区域范围获取作物信息；间接测量方法主要利用无人机或田间机器人等搭载可见光相机、雷达或多光谱相机等探头，进一步借助图像分析和光传输等模型算法，实现对作物结构和功能特性的估算。相较于直接测量方法，间接测量方法更容易实现高的表型通量。但是，在大田条件下，基于无人机的监测系统，容易受到环境条件的影响，同时由于滞空时间的限制，无人机获取的影像信息的精度往往并不能很好满足精准的作物表型特性提取的要求。尽管基于田间机器人的监测系统可以很好克服无人机系统的不足，但其造价高昂，同时对田块布设等有非常苛刻的要求，因而除了上千个田块的育种实验，它并不适用于大多数的农业实验。
此外，现有方法大多数局限于应用单种相机或单一设备，由于冠层内茎秆和叶片分布的复杂性，单一角度拍摄的照片或单一设备采集的图像，反应的冠层结构信息单一，且精度不一定都能得到很好保证。综上所述，能够满足大多数农业实验对高通量的需求、便于操作、价格合理且能同时获取多种作物表型信息的作物表型设备还有待进一步开发。
发明内容
针对上述问题，本发明的目的是提供一种基于田间平台的高通量作物表型监测系统及方法，能够满足高通量作物无损拍摄、多个多种设备连续同时采集的要求，实现作物表型的高通量、自动化实时监测获取。
为实现上述目的，本发明采取以下技术方案：一种田间高通量作物表型监测系统，包括：平台，用于搭载传感器及相关设备；定位机构，安装在所述平台上，用于定位所述平台运动轨迹；成像机构，安装在所述平台上，用于扫描和拍摄作物图像；控制机构，安装在所述平台上，用于控制整个监测系统。
所述的田间高通量作物表型监测系统，优选的，所述定位机构包括：支架，所述支架平行安装在所述平台上；连接横梁，水平连接在所述支架的顶部；GPS天线，所述GPS天线分别安装在所述支架和连接横梁结合处的顶端。
所述的田间高通量作物表型监测系统，优选的，该系统还包括GPS基站，由所述GPS基站和GPS天线传输的所述平台的位置信息。
所述的田间高通量作物表型监测系统，优选的，所述成像机构包括：安装轴，水平连接在所述连接横梁下方的所述支架之间；LiDAR，所述LiDAR通过第一搭载板安装在所述安装轴上；多光谱相机，所述多光谱相机通过第二搭载板安装在位于所述LiDAR内侧的所述安装轴上；可见光相机，所述可见光相机安装在所述安装轴的中间位置，其余所述可见光相机分别安装在位于所述多光谱相机内侧的所述第二搭载板上且亦对称设置。
所述的田间高通量作物表型监测系统，优选的，所述平台为由多个支架套接组成的对称结构，所述支架上开设有多个用于固定各支架连接轴的安装孔；所述平台为自动化、半自动化或人力平台，所述平台的底部还安装有行走轮。
所述的田间高通量作物表型监测系统，优选的，所述控制机构与所述GPS天线、LiDAR、多光谱相机和可见光相机连接，以定位所述平台的位置信息和控制所述LiDAR的扫描模式以及所述多光谱相机和可见光相机的拍摄模式。
一种田间高通量作物表型监测方法，采用上述的田间高通量作物表型监测系统，其特征在于，该方法包括以下步骤：
步骤一：通过RTK-GPS获取当地的地理位置，对应GPS基站中的位置点，定位机构准确定位平台的位置信息及运动轨迹；
步骤二：在PC端安装Pheno系统，并使Pheno系统与控制机构相匹配，平台在田块中运动轨迹实时显示在Pheno系统界面；
步骤三：平台运动过程中，操作Pheno系统控制成像机构进行定位定点拍摄，根据平台在田块中的运动轨迹，获得田块编号序列，匹配实际田块编号信息；
步骤四：通过操作Pheno系统，设定LiDAR的扫描模式，设定多光谱相机和可见光相机的拍摄模式，按照定位定点拍摄中平台的运动轨迹，在运动轨迹区域内，LiDAR实时获取作物三维点云数据，同时多光谱相机和可见光相机定点拍摄、实时连续监测作物光谱波段和作物表型，并将这些原始数据压缩保存到Pheno系统中；
步骤五：通过分析软件，解压缩各传感器获取的原始数据，并提取感兴趣的作物表型性状。
所述的田间高通量作物表型监测方法，优选的，所述步骤五具体包括以下步骤：
步骤1：通过压缩软件，解压LiDAR、多光谱相机和可见光相机获取的原始数据；
步骤2：LiDAR获取的作物三维点云数据，通过一维光传输模型，反演作物冠层的叶面积指数和光截获信息；
步骤3：多光谱相机获取的作物光谱波段数据，通过耦合的冠层光传输和叶片光传输模型，实现对叶绿素含量的反演；
步骤4；解压缩可见光相机获取的作物表型数据，然后对无效和有效信息进行分类，提取感兴趣的叶片数据。
所述的田间高通量作物表型监测方法，优选的，在Pheno系统中设定平台的运动速度，若运动速度超过设定值，可在Pheno系统界面实时反馈，并将平台速度调整为设定值范围内。
所述的田间高通量作物表型监测方法，优选的，在Pheno系统中设定LiDAR扫描高度，若扫描作物图像超过设定阈值，可在Pheno系统界面实时反馈，需重新修改设置扫描高度，并再次扫描。
本发明由于采取以上技术方案，其具有以下优点：1、本发明将定位机构、成像机构和控制机构集成在平台上，只需要一个人辅助控制平台的行驶方向和，通过RTK-GPS以厘米级精度实时定位平台的空间位置，然后依据控制机构预设的程序，控制成像机构在规定的田块通过多种传感器实时拍摄采集作物光谱波段和表型信息，从而形成集作物位置信息、光谱波段信息和作物表型信息于一体的作物采集监测系统，实现了作物生长信息无损、高通量的获取，将有助于实现作物表型信息更为精确和有效的估算。2、本发明可以控制可见光相机、激光雷达和多光谱相机等多种传感器，通过对多种传感器拍摄获取信息的解译，可以获取一系列表征作物生长状态的重要性状，包括叶面积指数、叶绿素含量、株高等，监测的作物表型信息更立体化、精准化和全面化。3、本发明的平台为可拆卸装置，便于携带和运输，并且可根据需求，在平台上自行设置螺丝口和装载板(轴)，以搭载各种设备和传感器。
附图说明
图1是本发明田间高通量作物表型监测系统的结构示意图；
图2是本发明成像机构的结构示意图；
图3是本发明设备和传感器连接示意图；
图4是田块信息分布及平台运动轨迹图。
具体实施方式
以下将结合附图对本发明的较佳实施例进行详细说明，以便更清楚理解本发明的目的、特点和优点。应理解的是，附图所示的实施例并不是对本发明范围的限制，而只是为了说明本发明技术方案的实质精神。
如图1所示，本发明提供的田间高通量作物表型监测系统，包括：
平台2，用于搭载传感器及相关设备；
控制机构3，安装在平台2一侧，用于控制整个监测系统；
定位机构4，安装在平台2上，用于定位平台2的运动轨迹及田块分布位置信息；
成像机构5，安装在定位机构4上，用于扫描和拍摄作物图像；
动力机构6，安装在平台2另一侧，用于为整个监测系统提供动力。
在上述实施例中，优选的，定位机构4包括：三脚支架41，两个三脚支架41平行安装在平台2上；连接横梁42，水平连接在两个三脚支架41的顶部；GPS天线43，两个GPS天线43分别安装在两个三脚支架41的顶端。
在上述实施例中，优选的，该田间高通量作物表型监测系统还包括GPS基站1，由GPS基站1和GPS天线43传输的平台2的位置信息。
在上述实施例中，优选的，如图2所示，成像机构5包括：相机安装轴54，水平连接在连接横梁下方的两个三脚支架之间；LiDAR(激光雷达)51，两个LiDAR51通过第一搭载板对称地安装在相机安装轴54上；多光谱相机52，两个多光谱相机52通过第二搭载板对称地安装在位于两个LiDAR51内侧的相机安装轴54上；可见光相机53，一个可见光相机53安装在相机安装轴54的中间位置，另两个可见光相机53分别安装在位于两个多光谱相机52内侧的第二搭载板上且亦对称设置。
在上述实施例中，优选的，如图1所示，平台2为由多个圆管支架套接组成的三角形-梯形结合对称结构，圆管支架上开设有多个用于固定各支架连接轴的圆孔，便携可拆卸；平台2为自动化、半自动化或人力平台，平台2的底部安装有行走轮7和驱动轮8。
在上述实施例中，优选的，如图1、图3所示，动力机构6包括平台2的电箱61以及控制机构3的电源62，电箱61与驱动轮8连接以驱动平台2运动，电源62与控制机构3连接以为整个监测系统提供动力；同时，控制机构3与GPS天线43、LiDAR 51、多光谱相机52和可见光相机53连接，以定位平台2的位置信息和控制LiDAR 51的扫描模式以及多光谱相机52和可见光相机53的拍摄模式。
基于上述实施例提供的田间高通量作物表型监测系统，本发明还提出了一种田间高通量作物表型监测方法，包括如下步骤：
步骤一：通过RTK-GPS获取当地的地理位置，对应GPS基站1中的位置点，定位机构4准确定位平台2的位置信息及后续运动轨迹；
步骤二：在PC端安装Pheno系统，并使Pheno系统与控制机构3相匹配，平台2在田块中运动轨迹实时显示在Pheno系统界面；
步骤三：平台2运动过程中，操作Pheno系统控制成像机构5进行定位定点拍摄，根据平台2在田块中的运动轨迹，获得田块编号序列，匹配实际田块编号信息；
步骤四：通过操作Pheno系统，设定LiDAR 51的扫描模式，设定多光谱相机52和可见光相机53的拍摄模式，按照定位定点拍摄中平台2的运动轨迹(如图4所示)，在运动轨迹区域内，LiDAR 51实时获取作物三维点云数据，同时多光谱相机52和可见光相机53定点拍摄、实时连续监测作物光谱波段和作物表型，并将这些原始数据压缩保存到Pheno系统中；
步骤五：通过分析软件，解压缩各传感器获取的原始数据，并提取感兴趣的作物表型性状，具体包括以下步骤：
步骤1：通过压缩软件，解压LiDAR 51、多光谱相机52和可见光相机53获取的原始数据；
步骤2：LiDAR 51获取的作物三维点云数据，通过一维光传输模型，反演作物冠层的叶面积指数和光截获信息；
步骤3：多光谱相机52获取的作物光谱波段数据，通过耦合的冠层光传输和叶片光传输模型，实现对叶绿素含量等叶片生物化学参数的反演；
步骤4；解压缩可见光相机53获取的作物表型数据，然后对无效和有效信息进行分类(如土壤和叶片信息)，提取感兴趣的叶片数据。
在上述实施例中，优选的，在Pheno系统中设定平台2的行驶速度，若行驶速度超过设定值，可在Pheno系统界面实时反馈，并将平台2速度调整为设定值范围内。
在上述实施例中，优选的，在Pheno系统中设定LiDAR 51扫描高度，若扫描作物图像超过设定阈值，可在Pheno系统界面实时反馈，需重新修改设置扫描高度，并再次扫描。
上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (10)

1.一种田间高通量作物表型监测系统，其特征在于，包括：
平台(2)，用于搭载传感器及相关设备；
定位机构(4)，安装在所述平台(2)上，用于定位所述平台运动轨迹；
成像机构(5)，安装在所述平台(2)上，用于扫描和拍摄作物图像；
控制机构(3)，安装在所述平台(2)上，用于控制整个监测系统。
2.根据权利要求1所述的田间高通量作物表型监测系统，其特征在于，所述定位机构(4)包括：
支架(41)，所述支架(41)平行安装在所述平台(2)上；
连接横梁(42)，水平连接在所述支架(41)的顶部；
GPS天线(43)，所述GPS天线(43)分别安装在所述支架和连接横梁结合处(41)的顶端。
3.根据权利要求2所述的田间高通量作物表型监测系统，其特征在于，该系统还包括GPS基站(1)，由所述GPS基站(1)和GPS天线(43)传输的所述平台(2)的位置信息。
4.根据权利要求1所述的田间高通量作物表型监测系统，其特征在于，所述成像机构(5)包括：
安装轴(54)，水平连接在所述连接横梁(42)下方的所述支架(41)之间；
LiDAR(51)，所述LiDAR(51)通过第一搭载板安装在所述安装轴(54)上；
多光谱相机(52)，所述多光谱相机(52)通过第二搭载板安装在位于所述LiDAR(51)内侧的所述安装轴(54)上；
可见光相机(53)，所述可见光相机(53)安装在所述安装轴(54)的中间位置，其余所述可见光相机(53)分别安装在位于所述多光谱相机(52)内侧的所述第二搭载板上且亦对称设置。
5.根据权利要求1所述的田间高通量作物表型监测系统，其特征在于，所述平台(2)为由多个支架套接组成的对称结构，所述支架上开设有多个用于固定各支架连接轴的安装孔；所述平台(2)为自动化、半自动化或人力平台，所述平台(2)的底部还安装有行走轮。
6.根据权利要求5所述的田间高通量作物表型监测系统，其特征在于，所述控制机构(3)与所述GPS天线(43)、LiDAR(51)、多光谱相机(52)和可见光相机(53)连接，以定位所述平台(2)的位置信息和控制所述LiDAR(51)的扫描模式以及所述多光谱相机(52)和可见光相机(53)的拍摄模式。
7.一种田间高通量作物表型监测方法，采用如权利要求2到6任一项的田间高通量作物表型监测系统，其特征在于，该方法包括以下步骤：
步骤一：通过RTK-GPS获取当地的地理位置，对应GPS基站(1)中的位置点，定位机构(4)准确定位平台(2)的位置信息及运动轨迹；
步骤二：在PC端安装Pheno系统，并使Pheno系统与控制机构(3)相匹配，平台(2)在田块中运动轨迹实时显示在Pheno系统界面；
步骤三：平台(2)运动过程中，操作Pheno系统控制成像机构(5)进行定位定点拍摄，根据平台(2)在田块中的运动轨迹，获得田块编号序列，匹配实际田块编号信息；
步骤四：通过操作Pheno系统，设定LiDAR(51)的扫描模式，设定多光谱相机(52)和可见光相机(53)的拍摄模式，按照定位定点拍摄中平台(2)的运动轨迹，在运动轨迹区域内，LiDAR(51)实时获取作物三维点云数据，同时多光谱相机(52)和可见光相机(53)定点拍摄、实时连续监测作物光谱波段和作物表型，并将这些原始数据压缩保存到Pheno系统中；
步骤五：通过分析软件，解压缩各传感器获取的原始数据，并提取感兴趣的作物表型性状。
8.根据权利要求7所述的田间高通量作物表型监测方法，其特征在于，所述步骤五具体包括以下步骤：
步骤1：通过压缩软件，解压LiDAR(51)、多光谱相机(52)和可见光相机(53)获取的原始数据；
步骤2：LiDAR(51)获取的作物三维点云数据，通过一维光传输模型，反演作物冠层的叶面积指数和光截获信息；
步骤3：多光谱相机(52)获取的作物光谱波段数据，通过耦合的冠层光传输和叶片光传输模型，实现对叶绿素含量的反演；
步骤4；解压缩可见光相机(53)获取的作物表型数据，然后对无效和有效信息进行分类，提取感兴趣的叶片数据。
9.根据权利要求7所述的田间高通量作物表型监测方法，其特征在于，在Pheno系统中设定平台(2)的运动速度，若运动速度超过设定值，可在Pheno系统界面实时反馈，并将平台(2)速度调整为设定值范围内。
10.根据权利要求7所述的田间高通量作物表型监测方法，其特征在于，在Pheno系统中设定LiDAR(51)扫描高度，若扫描作物图像超过设定阈值，可在Pheno系统界面实时反馈，需重新修改设置扫描高度，并再次扫描。
CN201910627921.3A 2019-07-12 2019-07-12 一种田间高通量作物表型监测系统及方法 Active CN110260789B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910627921.3A CN110260789B (zh) 2019-07-12 2019-07-12 一种田间高通量作物表型监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910627921.3A CN110260789B (zh) 2019-07-12 2019-07-12 一种田间高通量作物表型监测系统及方法

Publications (2)

Publication Number Publication Date
CN110260789A true CN110260789A (zh) 2019-09-20
CN110260789B CN110260789B (zh) 2020-09-29

Family

ID=67925757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910627921.3A Active CN110260789B (zh) 2019-07-12 2019-07-12 一种田间高通量作物表型监测系统及方法

Country Status (1)

Country Link
CN (1) CN110260789B (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110612843A (zh) * 2019-10-28 2019-12-27 南京农业大学 一种作物表型高通量获取装置与气候舱
CN110715665A (zh) * 2019-11-15 2020-01-21 南京农业大学 一种田间作物表型监测机器人及其导航方法
CN110736809A (zh) * 2019-10-28 2020-01-31 沈阳农业大学 一种日光温室作物水分胁迫诊断系统
CN110741848A (zh) * 2019-10-21 2020-02-04 南京慧瞳作物表型组学研究院有限公司 一种用于田间作物表型分析的移动大棚系统及其运输轨道
CN110741849A (zh) * 2019-10-21 2020-02-04 南京慧瞳作物表型组学研究院有限公司 一种田间作物移动表型舱监测系统
CN111238394A (zh) * 2020-01-29 2020-06-05 南京慧瞳作物表型组学研究院有限公司 一种田间作物根系表型的获取系统
CN111637342A (zh) * 2020-06-10 2020-09-08 山东农业大学 一种面向田间的自走式作物表型获取设备及获取方法
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
CN112702565A (zh) * 2020-12-03 2021-04-23 浙江大学 一种田间植物表型信息采集系统及方法
CN112710663A (zh) * 2021-01-17 2021-04-27 无锡职业技术学院 一种高通量植物全生命周期表型信息的测量系统及测量方法
CN112731946A (zh) * 2021-02-19 2021-04-30 河北农业大学 一种田间作物表型监控系统及其监控方法
WO2021151287A1 (zh) * 2020-01-29 2021-08-05 南京慧瞳作物表型组学研究院有限公司 一种用于田间作物表型获取与分析的移动表型舱
WO2021184667A1 (zh) * 2020-03-15 2021-09-23 南京星土科技有限公司 一种基于槽道的作物根系表型采集系统
CN113722519A (zh) * 2021-09-06 2021-11-30 南京农业大学 一种作物表型云平台分析系统及方法
CN114104143A (zh) * 2021-11-29 2022-03-01 东北农业大学 一种自动获取水稻叶面积指数无人车
CN114222044A (zh) * 2021-12-13 2022-03-22 东北农业大学 一种面向复杂农田的全方位近地高通量表型图像采集平台
CN115061168A (zh) * 2022-06-27 2022-09-16 安徽农业大学 一种移动巡检式农作物生长监测系统及方法
CN115165436A (zh) * 2022-06-30 2022-10-11 南京农业大学 一种田间作物表型垂直信息监测方法
SE2250270A1 (en) * 2022-02-28 2023-02-28 Nehe Ajit Sudhakar System and method for phenotyping using horizontal imaging
CN116009562A (zh) * 2023-03-27 2023-04-25 慧诺云谱(海南)科技有限公司 田间作物表型监测机器人自走平台与监测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106403820A (zh) * 2016-11-09 2017-02-15 中国科学院植物研究所 田间作物表型数据高通量采集系统
CN106441442A (zh) * 2016-10-21 2017-02-22 中国科学院南京土壤研究所 一种大田作物表型信息高通量对等监测装置及监测方法
CN106908062A (zh) * 2017-04-21 2017-06-30 浙江大学 一种自走式叶绿素荧光图像采集机器人及其采集方法
CN107290309A (zh) * 2017-05-25 2017-10-24 浙江大学 基于荧光成像的田间水稻霉病自动化检测装置及检测方法
CN109115725A (zh) * 2018-06-14 2019-01-01 中国农业大学 一种玉米冠层lai和叶绿素含量联合反演方法和设备
WO2019040866A2 (en) * 2017-08-25 2019-02-28 The Board Of Trustees Of The University Of Illinois APPARATUS AND METHOD FOR COLLECTING AGRICULTURAL DATA AND AGRICULTURAL OPERATIONS
CN109466655A (zh) * 2018-10-30 2019-03-15 南京农业大学 田间作物表型监测机器人
CN109813852A (zh) * 2019-03-08 2019-05-28 山东农业大学 一种田间小麦高通量表型信息获取装置及其控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106441442A (zh) * 2016-10-21 2017-02-22 中国科学院南京土壤研究所 一种大田作物表型信息高通量对等监测装置及监测方法
CN106403820A (zh) * 2016-11-09 2017-02-15 中国科学院植物研究所 田间作物表型数据高通量采集系统
CN106908062A (zh) * 2017-04-21 2017-06-30 浙江大学 一种自走式叶绿素荧光图像采集机器人及其采集方法
CN107290309A (zh) * 2017-05-25 2017-10-24 浙江大学 基于荧光成像的田间水稻霉病自动化检测装置及检测方法
WO2019040866A2 (en) * 2017-08-25 2019-02-28 The Board Of Trustees Of The University Of Illinois APPARATUS AND METHOD FOR COLLECTING AGRICULTURAL DATA AND AGRICULTURAL OPERATIONS
CN109115725A (zh) * 2018-06-14 2019-01-01 中国农业大学 一种玉米冠层lai和叶绿素含量联合反演方法和设备
CN109466655A (zh) * 2018-10-30 2019-03-15 南京农业大学 田间作物表型监测机器人
CN109813852A (zh) * 2019-03-08 2019-05-28 山东农业大学 一种田间小麦高通量表型信息获取装置及其控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
UNDERWOOD, J等: "Efficient in-field plant phenomics for row-crops with an autonomous ground vehicle", 《JOURNAL OF FIELD ROBOTICS》 *
郭庆华 等: "Crop 3D—基于激光雷达技术的作物高通量三维表型测量平台", 《中国科学(生命科学)》 *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110741848A (zh) * 2019-10-21 2020-02-04 南京慧瞳作物表型组学研究院有限公司 一种用于田间作物表型分析的移动大棚系统及其运输轨道
CN110741849A (zh) * 2019-10-21 2020-02-04 南京慧瞳作物表型组学研究院有限公司 一种田间作物移动表型舱监测系统
CN110741848B (zh) * 2019-10-21 2024-04-23 南京慧瞳作物表型组学研究院有限公司 一种用于田间作物表型分析的移动大棚系统及其运输轨道
CN110612843A (zh) * 2019-10-28 2019-12-27 南京农业大学 一种作物表型高通量获取装置与气候舱
CN110736809A (zh) * 2019-10-28 2020-01-31 沈阳农业大学 一种日光温室作物水分胁迫诊断系统
CN110715665A (zh) * 2019-11-15 2020-01-21 南京农业大学 一种田间作物表型监测机器人及其导航方法
CN111238394A (zh) * 2020-01-29 2020-06-05 南京慧瞳作物表型组学研究院有限公司 一种田间作物根系表型的获取系统
WO2021151287A1 (zh) * 2020-01-29 2021-08-05 南京慧瞳作物表型组学研究院有限公司 一种用于田间作物表型获取与分析的移动表型舱
WO2021184667A1 (zh) * 2020-03-15 2021-09-23 南京星土科技有限公司 一种基于槽道的作物根系表型采集系统
CN111637342A (zh) * 2020-06-10 2020-09-08 山东农业大学 一种面向田间的自走式作物表型获取设备及获取方法
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
CN112702565A (zh) * 2020-12-03 2021-04-23 浙江大学 一种田间植物表型信息采集系统及方法
CN112710663A (zh) * 2021-01-17 2021-04-27 无锡职业技术学院 一种高通量植物全生命周期表型信息的测量系统及测量方法
CN112731946A (zh) * 2021-02-19 2021-04-30 河北农业大学 一种田间作物表型监控系统及其监控方法
CN113722519B (zh) * 2021-09-06 2022-07-26 南京农业大学 一种作物表型云平台分析系统及方法
CN113722519A (zh) * 2021-09-06 2021-11-30 南京农业大学 一种作物表型云平台分析系统及方法
CN114104143A (zh) * 2021-11-29 2022-03-01 东北农业大学 一种自动获取水稻叶面积指数无人车
CN114222044A (zh) * 2021-12-13 2022-03-22 东北农业大学 一种面向复杂农田的全方位近地高通量表型图像采集平台
SE2250270A1 (en) * 2022-02-28 2023-02-28 Nehe Ajit Sudhakar System and method for phenotyping using horizontal imaging
SE545021C2 (en) * 2022-02-28 2023-02-28 Nehe Ajit Sudhakar System and method for phenotyping using horizontal imaging
CN115061168A (zh) * 2022-06-27 2022-09-16 安徽农业大学 一种移动巡检式农作物生长监测系统及方法
CN115165436A (zh) * 2022-06-30 2022-10-11 南京农业大学 一种田间作物表型垂直信息监测方法
CN116009562A (zh) * 2023-03-27 2023-04-25 慧诺云谱(海南)科技有限公司 田间作物表型监测机器人自走平台与监测方法

Also Published As

Publication number Publication date
CN110260789B (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
CN110260789A (zh) 一种田间高通量作物表型监测系统及方法
Guo et al. Crop 3D—a LiDAR based platform for 3D high-throughput crop phenotyping
CN106441442B (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
EP3417690B1 (en) A self-propelled apparatus for optimally analysing and managing fields intended for agricultural cultivation
CN113167779B (zh) 使用数字图像和机器学习模型对田地异常绘制地图
Kalisperakis et al. Leaf area index estimation in vineyards from UAV hyperspectral data, 2D image mosaics and 3D canopy surface models
ES2951738T3 (es) Escáner de cultivos
Atkinson et al. Field phenotyping for the future
CN110849264A (zh) 一种基于多行轨道的田间作物表型监测系统及方法
Hämmerle et al. Direct derivation of maize plant and crop height from low-cost time-of-flight camera measurements
CN112418188A (zh) 基于无人机视觉的农作物生长全程数字化评估方法
Aicardi et al. Integration between TLS and UAV photogrammetry techniques for forestry applications
CN211553770U (zh) 一种植物表型信息采集装置
CN113920106B (zh) 一种基于rgb-d相机的玉米长势三维重构及茎粗测量方法
Hämmerle et al. Mobile low-cost 3D camera maize crop height measurements under field conditions
CN113325872A (zh) 植物的巡查方法及装置、系统、飞行器
CN107390699A (zh) 一种甘蔗种植机的路线规划系统及其路线规划方法
CN109883323B (zh) 一种田间作物表型参数的测量装置及方法
CN206177358U (zh) 一种大田作物表型信息高通量对等监测装置
Fan et al. Application of internet of things to agriculture—The LQ-FieldPheno platform: A high-throughput platform for obtaining crop phenotypes in field
CN107290054A (zh) 一种基于光谱成像技术的自走式在线检测装置
CN110083176B (zh) 一种基于无人机载高光谱成像的brdf数据采集系统和方法
Rydberg et al. Field specific overview of crops using UAV (Unmanned Aerial Vehicle)
CN211532340U (zh) 一种定位栏母猪的监测系统
CN210775193U (zh) 一种用于田间农作物三维扫描的平台装置

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