CN111044520A - 一种油茶主要病虫害的监测方法 - Google Patents
一种油茶主要病虫害的监测方法 Download PDFInfo
- Publication number
- CN111044520A CN111044520A CN201911275938.3A CN201911275938A CN111044520A CN 111044520 A CN111044520 A CN 111044520A CN 201911275938 A CN201911275938 A CN 201911275938A CN 111044520 A CN111044520 A CN 111044520A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- oil
- diseases
- tea
- pest
- 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
- 201000010099 disease Diseases 0.000 title claims abstract description 88
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 88
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 81
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 241000238631 Hexapoda Species 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 45
- 241000526900 Camellia oleifera Species 0.000 title claims description 25
- 241000196324 Embryophyta Species 0.000 claims abstract description 27
- 239000003921 oil Substances 0.000 claims abstract description 21
- 238000011835 investigation Methods 0.000 claims abstract description 16
- 239000010495 camellia oil Substances 0.000 claims abstract description 15
- 230000003595 spectral effect Effects 0.000 claims abstract description 9
- 241001122767 Theaceae Species 0.000 claims abstract 3
- 240000001548 Camellia japonica Species 0.000 claims description 9
- 235000018597 common camellia Nutrition 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 208000024891 symptom Diseases 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 2
- 235000009024 Ceanothus sanguineus Nutrition 0.000 claims 2
- 240000003553 Leptospermum scoparium Species 0.000 claims 2
- 235000015459 Lycium barbarum Nutrition 0.000 claims 2
- 238000012795 verification Methods 0.000 abstract description 3
- 244000269722 Thea sinensis Species 0.000 description 13
- 238000012360 testing method Methods 0.000 description 12
- 230000002265 prevention Effects 0.000 description 10
- 238000011282 treatment Methods 0.000 description 6
- 239000003814 drug Substances 0.000 description 4
- 240000007594 Oryza sativa Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 235000006468 Thea sinensis Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229930002875 chlorophyll Natural products 0.000 description 2
- 235000019804 chlorophyll Nutrition 0.000 description 2
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 240000006833 Camellia sasanqua Species 0.000 description 1
- 235000002537 Camellia sasanqua Nutrition 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 244000082204 Phyllostachys viridis Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000008157 edible vegetable oil Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 235000018553 tannin Nutrition 0.000 description 1
- 229920001864 tannin Polymers 0.000 description 1
- 239000001648 tannin Substances 0.000 description 1
Classifications
-
- 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
- G01N21/88—Investigating the presence of flaws or contamination
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- 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
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Abstract
本发明公开了一种油茶主要病虫害的监测方法，具体步骤如下：(1)无人机对主要病虫害的监测：实时采集油茶的病虫害的状态：无人机上的相机设备对油茶所在区域内进行图像监测，同时无人机的雷达对有害昆虫进行监测以及遥感设备采集油茶不同波段的光谱特征，并生成图谱；对采集的图像和生成的图谱进行进一步分析，获得病虫害的种类和程度等级；(2)人为调查监测：根据对步骤(1)获得病虫害程度进行人工调查进行进一步核实，并具体确定病虫害种类和程度；(3)根据步骤(2)确定的病虫害种类和程度对病虫进行防治。本发明将无人机监测结果与地面人工调查数据相结合，可以有效避免误判现象的发生，大大提高监测结果的有效性和精确度。
Description
技术领域
本发明涉及油茶种植领域，特别涉及一种油茶主要病虫害的监测方法。
背景技术
油茶树是世界四大木本油料之一，它生长在中国南方亚热带地区的高山及丘陵地带，是中国特有的一种纯天然高级油料，茶油色清味香，营养丰富，耐贮藏，是优质食用油；也可作为润滑油、防锈油用于工业。茶饼既是农药，又是肥料，可提高农田蓄水能力和防治稻田害虫。果皮是提制栲胶的原料。
随着油茶推广种植面积的扩大，油茶病虫害问题日益凸显，不仅影响油茶生长，导致油茶产量减少，而且降低油茶质量，目前油茶的主要病虫害有炭疽病、软腐病、叶枯病、毒蛾、蛀茎虫、天牛、象鼻虫、茶毛虫、金龟子、叶蜂等。
然而，目前油茶种植病过程中虫害的防治以预防为主，现有的油茶病虫害防治的方法比较简单，防治不彻底，容易复发。本发明提供了一种油茶主要病虫害监测方法，该方法加强对油茶病害的监测，密切注意病虫害的发生情况，可做到精准防治。
发明内容
有鉴于此，本发明提供了一种油茶主要病虫害的监测方法，通过无人机监测病虫害种类与危害程度和人工调查核实相结合，密切注意病虫害的发生情况，然后可以进行积极有效的防治工作，省工省时。
一种油茶主要病虫害的监测方法，包括以下步骤：
(1)无人机对主要病虫害的监测：
实时采集油茶病虫害的状态：无人机的相机对油茶所在区域进行图像监测，同时无人机的雷达对有害昆虫进行监测以及遥感设备采集油茶不同波段的光谱特征，并生成图谱；
对采集的图像、监测结果和生成的图谱进行分析，获得病虫害的种类和程度等级；
(2)人为调查监测
对所述步骤(1)获得病虫害的种类和程度等级进行人工调查进行进一步核实，并具体确定病虫害种类和程度；
(3)根据所述步骤(2)确定的病虫害种类和程度对病虫进行相应的防治。
遥感方法预测作物病虫害除了从光谱角度分析外，还可使用遥感影像来识别有病虫害的油茶树。油茶树肉眼还觉察不出来的病虫害初期阶段，其在彩红外影像上呈现出的颜色与正常油茶树所呈现的颜色是不同的。根据影像对比所产生的色调差异即可判断出受害树木。因为树木在近红外波长域的光谱反射率往往很高，当受病虫害时，叶片含水量降低，细胞随之塌陷，叶绿素减少，因此，它们在红外波长域的光谱反射会自然降低，即发生红外光谱反射衰减，致使在彩红外影像上，受害作物的色调比正常作物的色调要暗，在正常作物为红色时，受害作物则呈现为暗红色。当病虫害进一步发展，使作物叶片的叶绿素消失殆尽、叶片结构遭到彻底破坏时，影像色调则会变得更暗，以致于呈现青色调等。
优选地，所述遥感设备包括红外光谱仪和多波段光谱扫描仪。
优选地，所述步骤(1)分析的方法为：模糊聚类算法和基于纹理特征的图像分割算法相结合。
优选地，所述模糊聚类算法适用于油茶病虫害程度较重的图谱，基于纹理特征的图像分割算法适用于油茶病虫害程度较轻的图谱。
优选地，所述模糊聚类算法包括：C-Means，FCM，Type-2 FCM。
优选地，所述步骤(1)无人机的拍摄高度为40-300m。
优选地，所述步骤(1)图像的分析方法为：对监测区域内异常植株进行定位，确定分布点精准地理坐标信息。
优选地，所述步骤(2)人工调查监测的方法为：依据无人机监测设备所反映的具有纹理特征的图像、异常植株的定位信息，设置标准地采用五点取样法进行人工调查，调查时根据油茶嫩梢、叶片、枝条及干部反馈的危害症状，采取搜寻、震落、观察等方法对害虫种类进行记录；采取拍照、采样、挖根等方法对病害种类进行记录。室内鉴定明确病虫害种类、发生面积及危害程度。人为调查采取抽样方法进行核查。
本发明对图谱和图像通过各种算法进行试验，引用错分率、相对最终测量精度进行定性分析和定量比较，并探索图像拍摄高度等因素对分析方法的影响，最终得出模糊聚类算法和基于纹理特征的图像分割算法相结合，模糊聚类算法适用于油茶病虫害程度较重，基于纹理特征的图像分割算法适用于油茶病虫害程度较轻，本方法简单快速，准确率高。
与现有技术相比，本发明具有如下有益效果：
(1)通过无人机航拍采集油茶图像，能够快速获取多空间尺度、多相向的地面观测数据，且无人机结构简单、使用成本低，在突发事情应急、预警等方面有很大的作用；
(2)本发明采用模糊聚类算法和基于纹理特征的图像分割算法相结合，对不同病虫害程度的图谱采用不同的处理方法，使得计算结果更加准确，可靠；
(3)本发明将无人机监测结果与地面人工调查数据相结合，省工省时，同时可以有效避免误判现象的发生，大大提高监测结果的有效性和精确度。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。
一种油茶主要病虫害监测方法，具体包括以下步骤：
(1)无人机对主要病虫害的监测：
实时采集油茶的病虫害的状态：无人机在250～300m(视天气条件而定)的高度，通过相机对油茶所在区域进行图像监测，同时无人机的雷达对病虫害进行监测以及无人机通过红外光谱仪和多波段光谱扫描仪采集油茶的不同波段的光谱特征，并生成图谱；无人机在40～60m的高度，对病虫害危害严重区域，通过高分辨率相机拍摄图片。
对采集的图像和生成的图谱采用模糊聚类算法和基于纹理特征的图像分割算法进行进一步分析，获得病虫害的程度等级；对地空(40～60m)拍摄的高清图片进行人为识别，可确定病虫害具体种类。
(2)人为调查监测
依据无人机监测设备所反映的具有纹理特征的图像、异常植株的定位信息，设置标准地采用五点取样法进行人工调查，调查时根据油茶嫩梢、叶片、枝条及干部反馈的危害症状，采取搜寻、震落、观察等方法对害虫种类进行记录；采取拍照、采样、挖根等方法对病害种类进行记录。室内鉴定明确病虫害种类、发生面积及危害程度。人为调查采取抽样方法进行核查。
(3)根据步骤(2)确定的病虫害种类和程度对病虫进行防治。
叶芽、春梢和叶片于3-4月开始发病，花蕾病始于5月初，果实病害始于6月上旬，6-8月造成大量落叶、落果，温暖和多雨高湿的气候条件有利于该病的发生与流行，罐度过大、排水不良、杂草丛生、管理粗放的油茶林，发病尤重，8-9月为果病高峰期，气候温暖、夏秋多雨对此病的发生发展有利，阳坡、山脊和林缘一般比阴坡、山寓和林内发病重。根据油茶的发病规律，合理安排无人机的巡检时间与频率，同时配合人工调查，精确确定病虫害种类和程度，进行合理的防治措施。
实施例 林间应用效果
监测时间为油茶林整个生长期。
施用方法：试验组：无人机监测+人工调查核实进行防治，常规人为查看防治方法为对照组。
试验地点：湖南省耒阳市竹市镇油茶林种植基地，面积2000亩。
试验地概况：试验区和对照区均为10年生油茶湘林系列品种，海拔200～240m，按相同方法造林及管理。各种栽培管理措施按照当地油茶林栽培技术精心管理。
试验设计采用完全随机区组设计，共2个区组。试验组分别于当年的4月、6月、8月和10月采用本发明方法进行4次监测，对照组采取常规监测办法，通过监测处理发现病虫害达到危害程度，进行防控，防控后及时针对主要病虫害发生情况(有病虫株率)进行及时调查。各处理油茶林达到收获期进行样品采集。
试验结果：
(1)使用本发明方法比常规对照组病虫害发生率降低。通过监测能够及时发现病虫害危害、发现植株的各种病害，并适度开展精准防治工作，保护植株。由此表明本发明方法能显著降低防治药剂(化学药剂或生物药剂)晃油茶林病虫害的发生率，监测效果显著。具体见表1和表2。
表1 不同处理区油茶病虫害防治药剂使用量
| 实验组(g/hm<sup>2</sup>) | 对照组(g/hm<sup>2</sup>) | 药剂使用量降低率(％) |
| 2520±274 | 4540±625 | 44.49±6.3 |
表2 不同处理区油茶林病虫害发生情况
| 试验组发生率(％) | 对照组发发生率(％) | |
| 炭疽病 | 5.4±1.7 | 20.4±2.3 |
| 叶枯病 | 7.4±3.4 | 35.8±6.8 |
| 软腐病 | 4.8±1.2 | 15.0±3.7 |
| 藻斑病 | 2±1.1 | 5.4±2.4 |
| 油茶织蛾 | 3.6±1.7 | 8.2±3.4 |
| 油茶叶蜂 | 11.4±3.3 | 32.8±8.3 |
| 茶角胸叶甲 | 14.8±4.3 | 68.4±11.7 |
| 其它害虫 | 轻微 | 轻微 |
注：发生率即有虫(病)株率。
(2)使用本发明方法比常规对照组油茶产量及品质均显著提高，试验组产量比对照提高了约36％，出油率也得到了明显的提升。具体见表3。
表3 不同处理油茶产量
| 总重量(kg/亩) | 出油率(％) | |
| 对照组 | 225.6 | 17 |
| 试验组 | 306.9 | 21 |
本说明书中的实施例采用试验组和对照组进行比较的方式进行描述，重点说明试验组与对照组的不同之处。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种油茶主要病虫害监测方法，其特征在于，包括以下步骤：
(1)无人机对主要病虫害的监测：
实时采集油茶病虫害的状态：无人机的相机对油茶所在区域进行图像监测，同时无人机的雷达对有害昆虫进行监测以及遥感设备采集油茶不同波段的光谱特征，并生成图谱；
对采集的图像、监测结果和生成的图谱进行分析，获得病虫害的种类和程度等级；
(2)人为调查监测
对所述步骤(1)获得病虫害的种类和程度等级进行人工调查进行进一步核实，并具体确定病虫害种类和程度；
(3)根据所述步骤(2)确定的病虫害种类和程度对病虫进行相应的防治。
2.根据权利要求1所述的一种油茶主要病虫害监测方法，其特征在于，所述遥感设备包括红外光谱仪和多波段光谱扫描仪。
3.根据权利要求1所述的一种油茶主要病虫害监测方法，其特征在于，所述步骤(1)图谱的分析方法为：模糊聚类算法和基于纹理特征的图像分割算法相结合。
4.根据权利要求3所述的一种油茶主要病虫害监测方法，其特征在于，所述模糊聚类算法适用于油茶病虫害程度较重的图谱，基于纹理特征的图像分割算法适用于油茶病虫害程度较轻的图谱。
5.根据权利要求1所述的一种油茶主要病虫害监测方法，其特征在于，所述模糊聚类算法包括：C-Means，FCM，Type-2 FCM。
6.根据权利要求1所述的一种油茶主要病虫害监测方法，其特征在于，所述步骤(1)无人机的拍摄高度为40-300m。
7.根据权利要求1所述的一种油茶主要病虫害监测方法，其特征在于，所述步骤(1)图像的分析方法为：对监测区域内异常植株进行定位，确定分布点精准地理坐标信息。
8.根据权利要求1所述的一种油茶主要病虫害监测方法，其特征在于，所述步骤(2)人工调查监测的方法为：依据无人机监测设备所反映的具有纹理特征的图像、异常植株的定位信息，设置标准地采用五点取样法进行人工调查，调查时根据油茶嫩梢、叶片、枝条及干部反馈的危害症状，采取搜寻、震落、观察等方法对害虫种类进行记录；采取拍照、采样、挖根等方法对病害种类进行记录，室内鉴定明确病虫害种类、发生面积及危害程度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911275938.3A CN111044520A (zh) | 2019-12-12 | 2019-12-12 | 一种油茶主要病虫害的监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911275938.3A CN111044520A (zh) | 2019-12-12 | 2019-12-12 | 一种油茶主要病虫害的监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111044520A true CN111044520A (zh) | 2020-04-21 |
Family
ID=70236750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911275938.3A Pending CN111044520A (zh) | 2019-12-12 | 2019-12-12 | 一种油茶主要病虫害的监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111044520A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111898590A (zh) * | 2020-08-26 | 2020-11-06 | 龙川县林业科学研究所 | 一种油茶病虫害监测方法 |
| CN112131949A (zh) * | 2020-08-25 | 2020-12-25 | 航天信德智图（北京）科技有限公司 | 一种基于卫星遥感的油茶病虫害检测方法 |
| CN115131683A (zh) * | 2022-08-25 | 2022-09-30 | 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) | 基于高分辨率遥感影像的林业信息识别方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104035412A (zh) * | 2014-06-12 | 2014-09-10 | 江苏恒创软件有限公司 | 一种基于无人机的农作物病虫害监测系统和方法 |
| CN104881865A (zh) * | 2015-04-29 | 2015-09-02 | 北京林业大学 | 基于无人机图像分析的森林病虫害监测预警方法及其系统 |
| CN105844285A (zh) * | 2016-02-25 | 2016-08-10 | 中国农业大学 | 基于图像信息的黄瓜病害识别方法及装置 |
| CN107315381A (zh) * | 2017-08-02 | 2017-11-03 | 宿松县玖索科技信息有限公司 | 一种农作物病虫害的监测方法 |
| CN108489929A (zh) * | 2018-05-09 | 2018-09-04 | 夏永刚 | 人参、三七和西洋参三种法定基源人参属多糖的鉴别方法 |
| WO2019034070A1 (zh) * | 2017-08-18 | 2019-02-21 | 广州极飞科技有限公司 | 一种植物健康状态监测方法及装置 |
-
2019
- 2019-12-12 CN CN201911275938.3A patent/CN111044520A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104035412A (zh) * | 2014-06-12 | 2014-09-10 | 江苏恒创软件有限公司 | 一种基于无人机的农作物病虫害监测系统和方法 |
| CN104881865A (zh) * | 2015-04-29 | 2015-09-02 | 北京林业大学 | 基于无人机图像分析的森林病虫害监测预警方法及其系统 |
| CN105844285A (zh) * | 2016-02-25 | 2016-08-10 | 中国农业大学 | 基于图像信息的黄瓜病害识别方法及装置 |
| CN107315381A (zh) * | 2017-08-02 | 2017-11-03 | 宿松县玖索科技信息有限公司 | 一种农作物病虫害的监测方法 |
| WO2019034070A1 (zh) * | 2017-08-18 | 2019-02-21 | 广州极飞科技有限公司 | 一种植物健康状态监测方法及装置 |
| CN108489929A (zh) * | 2018-05-09 | 2018-09-04 | 夏永刚 | 人参、三七和西洋参三种法定基源人参属多糖的鉴别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 汪京京等: "农作物病虫害图像识别技术的研究综述", 《计算机工程与科学》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112131949A (zh) * | 2020-08-25 | 2020-12-25 | 航天信德智图（北京）科技有限公司 | 一种基于卫星遥感的油茶病虫害检测方法 |
| CN111898590A (zh) * | 2020-08-26 | 2020-11-06 | 龙川县林业科学研究所 | 一种油茶病虫害监测方法 |
| CN115131683A (zh) * | 2022-08-25 | 2022-09-30 | 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) | 基于高分辨率遥感影像的林业信息识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Stagakis et al. | Monitoring water stress and fruit quality in an orange orchard under regulated deficit irrigation using narrow-band structural and physiological remote sensing indices | |
| Lamb et al. | Using remote sensing to predict grape phenolics and colour at harvest in a Cabernet Sauvignon vineyard: Timing observations against vine phenology and optimising image resolution | |
| 't Mannetje | Measuring biomass of grassland vegetation. | |
| Odenweller et al. | Crop identification using Landsat temporal-spectral profiles | |
| CN111044520A (zh) | 一种油茶主要病虫害的监测方法 | |
| Zeven | The semi-wild oil palm and its industry in Africa | |
| Corell et al. | Stem water potential-based regulated deficit irrigation scheduling for olive table trees | |
| Carey et al. | Viticultural terroirs in Stellenbosch, South Africa. II. The interaction of Cabernet-Sauvignon and Sauvignon blanc with environment | |
| Ferrer et al. | Meteorological conditions: Influence on yield, sanitary status and grape composition | |
| Elshikha et al. | Estimation of direct-seeded guayule cover, crop coefficient, and yield using UAS-based multispectral and RGB data | |
| Wellens | Rangeland vegetation dynamics and moisture availability in Tunisia: an investigation using satellite and meteorological data | |
| May | The value of an estimate of fruiting potential in the Sultana | |
| Pinto et al. | Correlations between spectral and biophysical data obtained in canola canopy cultivated in the subtropical region of Brazil | |
| Brink et al. | Barley vs. Oat Companion Crops. II. Influence on Alfalfa Persistence and Yield 1 | |
| Geldenhuys et al. | Fruit quality and yield of mandarin (Citrus reticulata) in orchards with different windbreaks in the Western Cape, South Africa | |
| Papić et al. | On Olive Groves Analysis using UAVs | |
| Valentín et al. | Using on-the-ground surface energy balance to monitor vine water status and evapotranspiration under deficit irrigation and rainfed conditions | |
| Costa et al. | Potential rootstocks for Valencia sweet orange in rain-fed cultivation in the North of São Paulo, Brazil | |
| Goward | Shortwave infrared detection of vegetation | |
| CN114332628B (zh) | 一种基于典型物候及膜网特征的生姜快速遥感提取方法 | |
| Enciso et al. | Evaluating the Use of True Color Unmanned Aerial System images for Irrigation Scheduling in Citrus | |
| Jaramillo-Giraldo et al. | Relationship between spatio-temporal leaf area index and crop coefficient when monitoring coffee plots in Brazil using the Sentine-2 | |
| CN108647188B (zh) | 一种核桃晚霜冻害调查方法 | |
| HOLADA et al. | A method for estimating peanut maturity | |
| Jendoubi et al. | Response of the parlatoria citrus scale insects (Hemiptera, Coccoidea) to coloured sticky traps. |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200421 |
|
| RJ01 | Rejection of invention patent application after publication |