CN110598619A - 一种利用无人机影像进行果树识别和计数的方法和系统 - Google Patents
一种利用无人机影像进行果树识别和计数的方法和系统 Download PDFInfo
- Publication number
- CN110598619A CN110598619A CN201910840633.6A CN201910840633A CN110598619A CN 110598619 A CN110598619 A CN 110598619A CN 201910840633 A CN201910840633 A CN 201910840633A CN 110598619 A CN110598619 A CN 110598619A
- Authority
- CN
- China
- Prior art keywords
- fruit tree
- vegetation
- fruit
- height
- unmanned aerial
- 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
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 129
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 239000002420 orchard Substances 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241000495841 Oenanthe oenanthe Species 0.000 description 1
- 241000209504 Poaceae Species 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Multimedia (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种基于无人机数据采集的果树识别和数量监测方法，包括：S1，将无人机原始影像进行预处理，生成数字表面模型和正射影像；S2，基于正射影像计算植被指数；S3，根据植被指数的性质，识别出植被区域和背景；S4，通过已知的果树直径范围和图像的空间分辨率对果树进行筛选，确定果树位置和直径；S5，将初步识别的果树位置和直径代入到数字表面模型，利用果树位置临近的海拔的最低值与果树海拔的最高值进行做差，获得果树高度。本发明还提出一种对应的系统。本发明提出了一种新思路，将无人机同步生成的数字表面模型作为依据，利用数字表面模型求取识别后的作物高度，然后根据果树高度范围对果树进行二次识别和计数，提高果树识别精度。
Description
技术领域
本发明涉及一种精细化果园管理方法，尤其涉及一种利用无人机影像进行果树识别和计数的方法和系统。
背景技术
果树的种植和管理是现代农业发展的重要组成部分，据联合国粮农组织统计，全世界果树种植面积约占总耕地面积的3％～4％(FAO，2012)。准确统计果树数量对果园产量估算以及种植管理至关重要。相较于传统的人工果树统计费时费力且主观性强的特点，遥感技术依其经济性强、持续性好、可靠性高的特点，可以提供大面积、长时间内必要的果树信息数据，成为保证果园中果树数量可持续统计的重要方式(Shao and Reynolds,2006)。
利用遥感技术对果树的统计基础是对遥感影像中的果树进行识别。Wulder等人对高分辨率卫星影像进行了一系列研究，假设波段组合后的影像局部峰值即为树的位置，利用局部最大滤波器即可识别树的位置。Gebreslassie等人研究发现，利用局部峰值识别并定位单株树木的方法是基于高斯滤波器平滑卫星影像以消除噪声，同时他们还提出采用了半变异函数来确定局部峰值检测窗口的大小。
然而，考虑到果树树冠的大小和形状，要对果树进行精准识别并计数需要较高空间分辨率的遥感影像，这使得空间分辨率较低的卫星影像在此方面的应用得到很大的限制。随着无人机遥感技术的发展，使得利用无人机获取果园尺度高空间、高时间和多光谱分辨率影像成为了可能；同时，无人机影像处理过程中利用SfM方法产生的密集点云可以生成质量较高的DSM影像，也为利用遥感技术进行植被识别与计数提供了新的可靠数据源。Wang等人提出了一种利用无人机可见光和多光谱影像对油菜花的开花数量进行了统计方法，但该方法需要分类数据做配合提供油菜花从的位置信息。Wu等人将无人机影像与深度学习将结合对小麦抽穗数量进行识别，得到了不错的识别精度，但该方法使用的前提是需要人工事先勾画小麦生长区，而且应用区域受限于训练样本区域。Harris公司发布了一种普适性较强的Count Crops Tools，该工具仅需输入作物的最小和最大直径就会对作物进行自动识别和计数。考虑到果树之前通常有较明显的间隙，可以单独区分，因此该方法被认为在果树识别与计数方面有着广阔的应用前景。然而，由于遥感影像通常只能表达作物冠层顶部信息，该方法在果树识别中不可避免的会将果园中的杂草和果园旁的其他树木误识别果树，从而影响统计精度，使其在实际果园管理中的应用受到很大限制。
目前还没有利用DSM影像进行作物识别的研究，但已有部分研究利用无人机DSM求取作物高度。Ziliani等人利用无耕种时期的无人机数字表面模型作为基底数据，利用植被生长期的获取的无人机数字表面模型与基底数据做差求取植被高度，但该方法需要在无耕种时获取无人机数字表面模型，无法利用单次无人机数据计算植被高度。
现有技术是利用正射影像在二维尺度通过果树冠层直径范围来对果树进行识别，但该方法会将冠层直径范围内其他树种和草丛误识别成果树造成误差。
发明内容
针对背景技术中的问题，及本发明首次将无人机密集点云产生的数字表面模型作为辅助数据加入到果树识别与计数研究中，通过对果树高度的求取，将利用冠层半径范围识别后的植被进行二次筛选，提高果树识别的精度。
本发明提出一种基于无人机数据采集的果树识别和数量监测方法，包括：
S1，将无人机原始影像进行预处理，生成数字表面模型和正射影像；
S2，基于正射影像计算植被指数；
S3，根据植被指数的性质，识别出植被区域和背景；
S4，通过已知的果树直径范围和图像的空间分辨率对果树进行筛选，确定果树位置和直径；
S5，将初步识别的果树位置和直径代入到数字表面模型，利用果树位置临近的海拔的最低值与果树海拔的最高值进行做差，获得果树高度。
本发明还提出一种基于无人机数据采集的果树识别和数量监测系统，包括：
预处理单元，其将无人机原始影像进行预处理，生成数字表面模型和正射影像；
植被指数获取单元，其基于预处理单元获得的正射影像计算得到植被指数；
植被提取单元，其根据植被指数获取单元得到的植被指数的性质，识别出植被区域和背景；
果树初识别单元，其通过已知的果树直径范围和图像的空间分辨率对果树进行筛选，确定果树位置和直径；
果树高度计算单元，其将初步识别的果树位置和直径代入到数字表面模型，利用果树位置临近的海拔的最低值与果树海拔的最高值进行做差，获得果树高度
本发明的有益效果为：本发明利用已有的根据植被冠层直径对果树进行识别并计数的方法，创新性的提出利用识别的果树位置和直径，代入到数字表面模型，利用果树位置临近的海拔的最低值与果树海拔的最高值进行做差求取果树高度。同时，本发明又创新性的利用求取的果树高度和已知的果树高度范围，将之前识别的不符合果树高度的植被剔除，提高了果树识别和计数的精度。本发明的方法通过做过模拟实验，结果精度近100％，具有非常好的识别效果。
附图说明
为了更容易理解本发明，将通过参照附图中示出的具体实施方式更详细地描述本发明。这些附图只描绘了本发明的典型实施方式，不应认为对本发明保护范围的限制。
图1为本发明的方法的的流程图。
图2为本发明的方法的一个实施方式的流程图。
图3为本发明的系统的结构图。
具体实施方式
下面参照附图描述本发明的实施方式，其中相同的部件用相同的附图标记表示。在不冲突的情况下，下述的实施例及实施例中的技术特征可以相互组合。
如图1-2所示，本发明的一种利用无人机影像进行果树识别和计数的方法包括：
S1，将无人机原始影像进行预处理，例如通过photoscan软件进行处理，生成数字表面模型(DSM，Digital Surface Model)和正射影像。
S2，基于正射影像计算植被指数。植被指数，是根据植被的光谱特性，将影像可见光和近红外波段进行组合，对地表植被状况的简单、有效和经验的度量。
S3，植被提取：根据植被指数的性质，将植被指数小于0的像元值设置为背景，大于0的像元认为是植被区域。
S4，通过已知的果树直径范围和图像的空间分辨率对果树进行初步识别，确定果树位置和直径。
S5，初步识别的果树位置和直径代入到数字表面模型DSM，利用果树位置临近的海拔的最低值(对应DSM影像中的最小值)与果树海拔的最高值(对应DSM影像中的最大值)进行做差，获得果树高度。
D(u)＝⊙[o(x,y),R]
式中，D(u)代表果树的像素集合，d为识别到的果树的直径，PPI为DSM影像的空间分辨率，R为识别到的果树的半径所对应的像素数量，o(x,y)为识别到的果树中心坐标。
根据果树的邻近空间关系，将果树的半径向外扩展一个像素，形成新集合D′(u)。该集合表示识别到的单棵果树和其最邻近的地表的海拔数据集。
D′(u)＝⊙[o(x，y)，(R+1)]
此时，果树高度即可表示为：
hmax＝maxu(D(u)) hmin＝minu(D′(u))
H＝hmax-hmin
式中，H代表果树高度，hmax代表数据集D(u)中的最大值，hmin代表数据集D′(u)的最小值。
S6，利用果树高度信息对果树进行二次识别
在纵向空间中，果树的高度通常介于高大乔木与低矮灌木之间，形成其独特的纵向特征。依据此特性，可以依据果树高度范围为阈值，利用S5中生成的果树高度数据对S1中生成的果树影像进行二次识别，剔除出不符合果树高度范围的对象，生成全新的果树位置影像并统计果树的数量。
式中，Hmin，Hmax分别为果树高度的最小值和最大值。
本发明还提出一种利用无人机影像进行果树识别和计数的系统，如图3所示，所述系统包括：
预处理单元，其将无人机原始影像进行预处理，例如通过photoscan软件进行处理，生成数字表面模型(DSM，Digital Surface Model)和正射影像。
植被指数获取单元，其基于预处理单元获得的正射影像计算得到植被指数。
植被提取单元，其根据植被指数获取单元得到的植被指数的性质，将植被指数小于0的像元值设置为背景，大于0的像元认为是植被区域。
果树初识别单元，其通过已知的果树直径范围和图像的空间分辨率对植被提取单元识别的果树进行初步筛选，确定果树位置和直径。
果树高度计算单元，其利于果树初识别单元确定的果树位置和直径，代入到数字表面模型DSM，利用果树位置临近的海拔的最低值与果树海拔的最高值进行做差，获得果树高度。
剔除单元，其根据已知的果树高度范围，将不符合果树高度的植被剔除，提高果树识别和计数的精度。
以上所述的实施例，只是本发明较优选的具体实施方式，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。
Claims (8)
1.一种利用无人机影像进行果树识别和计数的方法，其特征在于，包括：
S1，将无人机原始影像进行预处理，生成数字表面模型和正射影像；
S2，基于正射影像计算植被指数；
S3，根据植被指数的性质，识别出植被区域和背景；
S4，通过已知的果树直径范围和图像的空间分辨率对果树进行初步识别，确定果树位置和直径；
S5，将初步识别的果树位置和直径代入到数字表面模型，利用果树位置临近的海拔的最低值与果树海拔的最高值进行做差，获得果树高度。
2.根据权利要求1所述的方法，其特征在于，
在S3中，将植被指数小于0的像元值设置为背景，大于0的像元认为是植被区域。
3.根据权利要求1所述的方法，其特征在于，还包括：
S6，根据已知的果树高度信息，将不符合果树高度的植被剔除以提高果树识别和计数的精度。
4.根据权利要求3所述的方法，其特征在于，还包括：
在获得果树高度后，根据最终识别的果树对象的个数进行计数。
5.一种利用无人机影像进行果树识别和计数的系统，其特征在于，包括：
预处理单元，其将无人机原始影像进行预处理，生成数字表面模型和正射影像；
植被指数获取单元，其基于预处理单元获得的正射影像计算得到植被指数；
植被提取单元，其根据植被指数获取单元得到的植被指数的性质，识别出植被区域和背景；
果树初识别单元，其通过已知的果树直径范围和图像的空间分辨率对果树进行筛选，确定果树位置和直径；
果树高度计算单元，其将初步识别的果树位置和直径代入到数字表面模型，利用果树位置临近的海拔的最低值与果树海拔的最高值进行做差，获得果树高度。
6.根据权利要求5所述的系统，其特征在于，包括：
所述植被提取单元将植被指数小于0的像元值设置为背景，大于0的像元认为是植被区域。
7.根据权利要求5所述的系统，其特征在于，还包括：
剔除单元，其根据已知的果树高度信息，将不符合果树高度的植被剔除以提高果树识别和计数的精度。
8.根据权利要求5所述的系统，其特征在于，包括：
在获得果树高度后，根据最终识别的果树对象的个数进行计数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910840633.6A CN110598619B (zh) | 2019-09-06 | 2019-09-06 | 一种利用无人机影像进行果树识别和计数的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910840633.6A CN110598619B (zh) | 2019-09-06 | 2019-09-06 | 一种利用无人机影像进行果树识别和计数的方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110598619A true CN110598619A (zh) | 2019-12-20 |
| CN110598619B CN110598619B (zh) | 2023-04-07 |
Family
ID=68857899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910840633.6A Active CN110598619B (zh) | 2019-09-06 | 2019-09-06 | 一种利用无人机影像进行果树识别和计数的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110598619B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112069947A (zh) * | 2020-08-25 | 2020-12-11 | 航天信德智图（北京）科技有限公司 | 一种基于密度分析的果林颗数统计系统 |
| CN112489211A (zh) * | 2020-11-27 | 2021-03-12 | 广州极飞科技有限公司 | 农作物长势状态确定方法、农作物作业方法及相关装置 |
| CN112613477A (zh) * | 2020-12-31 | 2021-04-06 | 广州极飞科技有限公司 | 农作物高度的确定方法、装置、存储介质和设备 |
| CN112668534A (zh) * | 2021-01-05 | 2021-04-16 | 长沙理工大学 | 基于数字正射影像和数字表面模型反演林区植被高度的方法 |
| WO2022094854A1 (zh) * | 2020-11-05 | 2022-05-12 | 深圳市大疆创新科技有限公司 | 农作物的生长监测方法、设备及存储介质 |
| CN114596494A (zh) * | 2022-03-16 | 2022-06-07 | 北京爱科农科技有限公司 | 一种基于果园的果树监测方法及装置 |
| CN115226579A (zh) * | 2022-05-27 | 2022-10-25 | 江苏大学 | 一种油麦田画机械精准种植方法及系统和装置 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521835A (zh) * | 2011-12-14 | 2012-06-27 | 武汉大学 | 一种基于空间三维模板的点云数据树高提取方法 |
| US20150317740A1 (en) * | 2014-04-30 | 2015-11-05 | Buildfax (A D/B/A Of Builderadius, Inc.) | Computer-implemented method for estimating insurance risk of a structure based on tree proximity |
| CN106643529A (zh) * | 2016-09-30 | 2017-05-10 | 中国科学院、水利部成都山地灾害与环境研究所 | 基于无人机影像的山区农作物生长高度快速测量的方法 |
| CN107451982A (zh) * | 2017-08-14 | 2017-12-08 | 东北林业大学 | 一种基于无人机影像的高郁闭度林分树冠面积获取方法 |
| CN108020211A (zh) * | 2017-12-01 | 2018-05-11 | 云南大学 | 一种无人机航空摄影估测入侵植物生物量的方法 |
| CN108154082A (zh) * | 2016-12-02 | 2018-06-12 | 经纬航太科技股份有限公司 | 航拍影像自动物体侦测的方法及系统 |
| 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 |
| CN109447945A (zh) * | 2018-09-21 | 2019-03-08 | 河南农业大学 | 基于机器视觉和图形处理的小麦基本苗快速计数方法 |
| CN109883323A (zh) * | 2019-01-25 | 2019-06-14 | 北京农业信息技术研究中心 | 一种田间作物表型参数的测量装置及方法 |
| CN109919088A (zh) * | 2019-03-06 | 2019-06-21 | 贵州师范大学 | 一种喀斯特地区火龙果单株识别自动提取方法 |
| CN109948484A (zh) * | 2019-03-07 | 2019-06-28 | 景遥（上海）信息技术有限公司 | 基于无人机影像dsm提取植物高度的系统及方法 |
| CN109961043A (zh) * | 2019-03-22 | 2019-07-02 | 广西北斗星测绘科技有限公司 | 一种基于无人机高分辨率影像的单木高度测量方法及系统 |
-
2019
- 2019-09-06 CN CN201910840633.6A patent/CN110598619B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521835A (zh) * | 2011-12-14 | 2012-06-27 | 武汉大学 | 一种基于空间三维模板的点云数据树高提取方法 |
| US20150317740A1 (en) * | 2014-04-30 | 2015-11-05 | Buildfax (A D/B/A Of Builderadius, Inc.) | Computer-implemented method for estimating insurance risk of a structure based on tree proximity |
| CN106643529A (zh) * | 2016-09-30 | 2017-05-10 | 中国科学院、水利部成都山地灾害与环境研究所 | 基于无人机影像的山区农作物生长高度快速测量的方法 |
| CN108154082A (zh) * | 2016-12-02 | 2018-06-12 | 经纬航太科技股份有限公司 | 航拍影像自动物体侦测的方法及系统 |
| CN107451982A (zh) * | 2017-08-14 | 2017-12-08 | 东北林业大学 | 一种基于无人机影像的高郁闭度林分树冠面积获取方法 |
| CN108020211A (zh) * | 2017-12-01 | 2018-05-11 | 云南大学 | 一种无人机航空摄影估测入侵植物生物量的方法 |
| 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 |
| CN109447945A (zh) * | 2018-09-21 | 2019-03-08 | 河南农业大学 | 基于机器视觉和图形处理的小麦基本苗快速计数方法 |
| CN109883323A (zh) * | 2019-01-25 | 2019-06-14 | 北京农业信息技术研究中心 | 一种田间作物表型参数的测量装置及方法 |
| CN109919088A (zh) * | 2019-03-06 | 2019-06-21 | 贵州师范大学 | 一种喀斯特地区火龙果单株识别自动提取方法 |
| CN109948484A (zh) * | 2019-03-07 | 2019-06-28 | 景遥（上海）信息技术有限公司 | 基于无人机影像dsm提取植物高度的系统及方法 |
| CN109961043A (zh) * | 2019-03-22 | 2019-07-02 | 广西北斗星测绘科技有限公司 | 一种基于无人机高分辨率影像的单木高度测量方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| LIANG WAN 等: "Combining UAV-Based Vegetation Indices and Image Classification to Estimate Flower Number in Oilseed Rape", 《REMOTE SENSING》 * |
| 李福根等: "利用单次无人机影像的果树精准识别方法", 《中国农业信息》 * |
| 谢巧雅 等: "杉木人工林冠层高度无人机遥感估测", 《浙江农林大学学报》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112069947A (zh) * | 2020-08-25 | 2020-12-11 | 航天信德智图（北京）科技有限公司 | 一种基于密度分析的果林颗数统计系统 |
| WO2022094854A1 (zh) * | 2020-11-05 | 2022-05-12 | 深圳市大疆创新科技有限公司 | 农作物的生长监测方法、设备及存储介质 |
| CN112489211A (zh) * | 2020-11-27 | 2021-03-12 | 广州极飞科技有限公司 | 农作物长势状态确定方法、农作物作业方法及相关装置 |
| CN112489211B (zh) * | 2020-11-27 | 2024-06-11 | 广州极飞科技股份有限公司 | 农作物长势状态确定方法、农作物作业方法及相关装置 |
| CN112613477A (zh) * | 2020-12-31 | 2021-04-06 | 广州极飞科技有限公司 | 农作物高度的确定方法、装置、存储介质和设备 |
| CN112668534A (zh) * | 2021-01-05 | 2021-04-16 | 长沙理工大学 | 基于数字正射影像和数字表面模型反演林区植被高度的方法 |
| CN112668534B (zh) * | 2021-01-05 | 2022-08-23 | 长沙理工大学 | 基于数字正射影像和数字表面模型反演林区植被高度的方法 |
| CN114596494A (zh) * | 2022-03-16 | 2022-06-07 | 北京爱科农科技有限公司 | 一种基于果园的果树监测方法及装置 |
| CN114596494B (zh) * | 2022-03-16 | 2023-10-24 | 北京爱科农科技有限公司 | 一种基于果园的果树监测方法及装置 |
| CN115226579A (zh) * | 2022-05-27 | 2022-10-25 | 江苏大学 | 一种油麦田画机械精准种植方法及系统和装置 |
| CN115226579B (zh) * | 2022-05-27 | 2023-12-15 | 江苏大学 | 一种油麦田画机械精准种植方法及系统和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110598619B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110598619B (zh) | 一种利用无人机影像进行果树识别和计数的方法和系统 | |
| US20230292647A1 (en) | System and Method for Crop Monitoring | |
| Shirzadifar | Automatic weed detection system and smart herbicide sprayer robot for corn fields | |
| CN111345214A (zh) | 一种基于卫星影像数据的新疆棉花区域识别方法及系统 | |
| CN106022224B (zh) | 一种冬小麦识别方法 | |
| CN111798433B (zh) | 基于无人机遥感的高原山区成熟火龙果实识别与计数方法 | |
| CN108764284B (zh) | 一种对松树病死木的高分辨率影像的分类去噪方法及系统 | |
| 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 | |
| CN116091938B (zh) | 一种针对单季稻种植面积的多源遥感监测方法 | |
| CN104915660A (zh) | 一种基于gf-1/wfv ndvi时间序列的冬小麦自动识别方法 | |
| CN107314990A (zh) | 一种春玉米遥感识别方法 | |
| CN113869370A (zh) | 基于深度学习算法和时序哨兵影像的树种精细化分类方法 | |
| CN111353402B (zh) | 一种油棕林遥感提取方法 | |
| CN117079152A (zh) | 一种基于卫星遥感影像的农作物精细分类提取方法和系统 | |
| Reza et al. | Automatic counting of rice plant numbers after transplanting using low altitude uav images | |
| CN111832480B (zh) | 一种基于光谱特征的油菜种植区遥感识别方法 | |
| CN117392535A (zh) | 一种面向复杂环境的果树花芽目标检测与白点率估算方法 | |
| Kaur et al. | Automatic crop furrow detection for precision agriculture | |
| Ibaraki et al. | Image analysis for plants: basic procedures and techniques | |
| Rinnamang et al. | Estimation of aboveground biomass using aerial photogrammetry from unmanned aerial vehicle in teak (Tectona grandis) plantation in Thailand | |
| Morales et al. | Estimation of individual potato plants area and volume from uav-based multispectral images | |
| CN114332596A (zh) | 一种越冬作物的识别方法及装置 | |
| CN115035423A (zh) | 一种基于无人机遥感影像的杂交水稻父母本识别提取方法 | |
| CN114332626A (zh) | 一种基于视觉分析的水稻产量预测方法 | |
| Bonaria | Grapevine yield estimation using image analysis for the variety Arinto |
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 |