CN113189015A - 一种基于高光谱遥感的虫害监测系统及方法 - Google Patents
一种基于高光谱遥感的虫害监测系统及方法 Download PDFInfo
- Publication number
- CN113189015A CN113189015A CN202110444477.9A CN202110444477A CN113189015A CN 113189015 A CN113189015 A CN 113189015A CN 202110444477 A CN202110444477 A CN 202110444477A CN 113189015 A CN113189015 A CN 113189015A
- Authority
- CN
- China
- Prior art keywords
- data
- hyperspectral
- crop
- remote sensing
- module
- 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
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 48
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 26
- 241000238631 Hexapoda Species 0.000 title claims description 29
- 238000001228 spectrum Methods 0.000 claims abstract description 14
- 230000000694 effects Effects 0.000 claims abstract description 7
- 229930002875 chlorophyll Natural products 0.000 claims abstract description 5
- 235000019804 chlorophyll Nutrition 0.000 claims abstract description 5
- 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 claims abstract description 5
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 14
- 239000013307 optical fiber Substances 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000002457 bidirectional effect Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001846 repelling effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- 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
-
- 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
- G01N21/3554—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for determining moisture content
-
- 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
- G01N21/17—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
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
- G01N2021/1765—Method using an image detector and processing of image signal
-
- 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
- G01N2021/1793—Remote sensing
- G01N2021/1797—Remote sensing in landscape, e.g. crops
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于高光谱遥感的虫害监测系统及方法，内部设置有信息控制中心、云控制平台、地面控制模块、高光谱数据处理模块、虫害散布区域分析模块、作物光谱反射模块和作物光谱数据处理模块。该基于高光谱遥感的虫害监测系统及方法，首先此方法能够利用等距离分布的终端监测设备对作物的内部数据包括有光化学反射指数、转换型叶绿素指数、叶片湿度指数及叶面积植被指数、黄度指数等高光谱数据进行收集传输，能够提高虫害的防治效果，对比传统只用柔要观看的情况更加的精准，提高了作物的健康生长，同时多个终端设备将数据上传，只有正常的数据能够形成历史数据，提高了数据对比的准确性。
Description
技术领域
本发明涉及高光谱遥感技术领域，具体为一种基于高光谱遥感的虫害监测系统及方法。
背景技术
光谱分辨率在10λ数量级范围内的光谱图像称为高光谱图像。遥感技术经过20世纪后半叶的发展，无论在理论上、技术上和应用上均发生了重大的变化。其中，高光谱图像技术的出现和快速发展无疑是这种变化中十分突出的一个方面。通过搭载在不同空间平台上的高光谱传感器，即成像光谱仪，在电磁波谱的紫外、可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对目标区域同时成像。在获得地表图像信息的同时，也获得其光谱信息，第一次真正做到了光谱与图像的结合。与多光谱遥感影像相比，高光谱影像不仅在信息丰富程度方面有了极大的提高，在处理技术上，对该类光谱数据进行更为合理、有效的分析处理提供了可能。因而，高光谱图像技术所具有的影响及发展潜力，是以往技术的各个发展阶段所不可比拟的，不仅引起了遥感界的关注，同时也引起了其它领域(如医学、农学、食品等)的极大兴趣。
然而，现在的虫害检测技术在具体使用时具有不够方便和不够简洁的缺点，不能够更好的对农作物虫害起到预防和防控的作用，同时一般的虫害技术精准性不够，不能够准确的对被病虫害侵害的区域进行定位，帮助使用者更好的进行驱虫。
发明内容
本发明的目的在于提供一种基于高光谱遥感的虫害监测系统及方法，以解决上述背景技术中提出现在的虫害检测技术在具体使用时具有不够方便和不够简洁的缺点，不能够更好的对农作物虫害起到预防和防控的作用，同时一般的虫害技术精准性不够，不能够准确的对被病虫害侵害的区域进行定位，帮助使用者更好的进行驱虫的问题。
为实现上述目的，本发明提供如下技术方案：一种基于高光谱遥感的虫害监测系统及方法，其步骤如下：
步骤一：地面控制模块能够在需要监测的作物区域范围内设置需要使用的高光谱相机/微型光纤光谱仪，并将各设备等距离放置，保持作物区域划分的等范围效果，随后将高光谱相机/微型光纤光谱仪调至接收消息的频次，保证数据能够实时上传至云控制平台；
步骤二：云控制平台内部能够将收集到的波段分类，并与相匹配的作物区域进行数据绑定，保证不同作物的波段能够被准确上传，并与高光谱数据处理模块内部进行数据交换；
步骤三：云控制平台同时还对作物反射光谱进行提取，并获取作物光谱形成历史数据作为对比数据，高光谱相机和高光谱遥感监测仪能够实时不间断的反馈作物地面的数据，并由监测定位模块按照区域划分来准确对应不同区域内部的作物种类及生长周期，保证被验证的作物数据的准确性；
步骤四：高光谱数据处理模块将数据接收后，传输集合各区域数据进行加载，并对不同的作物区域历史数据进行对比，检测到正常则无显示，检测异常后则能够将数据传输至虫害散布区域分析模块的内部，利用其内部对虫害区域进行分析，及时上传反馈至信息控制中心，做到精准监测。
进一步的，所述信息控制中心与云控制平台为双向连接，所述云控制平台的内部包括有光谱波段选择模块、作物区域计算模块和监测定位模块，所述云控制平台的输出端与地面控制模块的输入端相连接。
进一步的，所述高光谱数据处理模块的输出端与虫害散布区域分析模块的输入端相连接，所述高光谱数据处理模块的内部包括有各区域数据加载、各区域历史数据对比、检测正常和检测异常，所述检测异常与虫害散布区域分析模块双向连接。
进一步的，所述虫害散布区域分析模块的内部包括有定位显示器、虫害确定单元和数据反馈单元。
进一步的，所述地面控制模块的内部包括有高光谱遥感监测仪、微型光纤光谱仪和高光谱相机，所述高光谱相机/微型光纤光谱仪为的距离的分布设计，所述高光谱相机/微型光纤光谱仪能够被设置上传为a1、a2、a3和a4...，所述作物区域计算模块内部等距离分为几份，且设置的名称为b1、b2、b3、和b4...，所述a1的监测覆盖范围半径为b1或b4的长度。
进一步的，所述作物区域计算模块内计算b1区域的波长为a1b1及a2b1，需分析两者波长区别，由此类推，b2区域的波长为a2b2及a3b2，b3区域的波长为a3b3、a4b3，b4区域的波长为a4b4及a1b4。
进一步的，所述高光谱数据处理模块内部的数据收集包括可见光和近红外的所有波段的光谱数据，所述作物光谱数据处理模块内部数据包括有光化学反射指数、转换型叶绿素指数、叶片湿度指数及叶面积植被指数、黄度指数等。
与现有技术相比，本发明的有益效果是：该基于高光谱遥感的虫害监测系统及方法，首先此方法能够利用等距离分布的终端监测设备对作物的内部数据包括有光化学反射指数、转换型叶绿素指数、叶片湿度指数及叶面积植被指数、黄度指数等高光谱数据进行收集传输，能够提高虫害的防治效果，对比传统只用柔要观看的情况更加的精准，提高了作物的健康生长，同时多个终端设备将数据上传，只有正常的数据能够形成历史数据，提高了数据对比的准确性，大数据的筛选更能增加病虫害的微小细节，有利于此方法的使用。
再就是使用过程中，由监测定位模块按照区域划分来准确对应不同区域内部的作物种类及生长周期，保证被验证的作物数据的准确性，在监测过程中也能够对应不同的区域来绑定不同的作物，帮助作物更好的使用种植，高光谱相机/微型光纤光谱仪能够被设置上传为a1、a2、a3和a4...，作物区域计算模块内部等距离分为几份，且设置的名称为b1、b2、b3、和b4...，在具体使用过程中，这样不会出现作物的监测缺失，同时还能够因为叠加而多次测量相同区域的数据，保证了作物数据高光谱信息的准确性，进一步提高了数据的准确性，而且在发现虫害后还能够及时精准定位，帮助发现虫害位置，从而快速治理，保证作物的健康生长。
附图说明
图1为本发明连接原理示意图；
图2为本发明云控制平台内部示意图；
图3为本发明地面控制模块内部示意图；
图4为本发明高光谱数据处理内部连接示意图；
图5为本发明虫害散布区域分析模块内部示意图；
图6为本发明操作流程步骤示意图；
图7为本发明区域划分检测示意图；
图8为本发明分区域高光谱显示对比示意图。
具体实施方式
下面将结合本发明实施例对本发明作进一步说明。
请参考图1-8，实施例一：
本发明公开了一种基于高光谱遥感的虫害监测系统及方法，其步骤如下：
步骤一：地面控制模块能够在需要监测的作物区域范围内设置需要使用的高光谱相机/微型光纤光谱仪，并将各设备等距离放置，保持作物区域划分的等范围效果，随后将高光谱相机/微型光纤光谱仪调至接收消息的频次，保证数据能够实时上传至云控制平台；
步骤二：云控制平台内部能够将收集到的波段分类，并与相匹配的作物区域进行数据绑定，保证不同作物的波段能够被准确上传，并与高光谱数据处理模块内部进行数据交换；
步骤三：云控制平台同时还对作物反射光谱进行提取，并获取作物光谱形成历史数据作为对比数据，高光谱相机和高光谱遥感监测仪能够实时不间断的反馈作物地面的数据，并由监测定位模块按照区域划分来准确对应不同区域内部的作物种类及生长周期，保证被验证的作物数据的准确性；
步骤四：高光谱数据处理模块将数据接收后，传输集合各区域数据进行加载，并对不同的作物区域历史数据进行对比，检测到正常则无显示，检测异常后则能够将数据传输至虫害散布区域分析模块的内部，利用其内部对虫害区域进行分析，及时上传反馈至信息控制中心，做到精准监测。
该方法能够在使用时对待监测的区位放置上合适的高光谱遥感监测仪、微型光纤光谱仪和高光谱相机，用来旋转范围内测量需要监测的作物区域，在使用过程中，首先各终端监测装置能够将作物的包括光化学反射指数、转换型叶绿素指数、叶片湿度指数及叶面积植被指数、黄度指数等数据上传至云控制平台，平台内部将数据整理分类，从作物的种类到作物种植的区域进行一一对应，分类完成后，再利用现有数据与历史数据进行对比，历史数据的收集方式是去除检测异常的数据，从而达到提高精准度的效果，随后再将检测异常的数据剔出，使其传输至云控制平台，监测定位哪片区域出现了问题，锁定虫害的区域和类型，从而达到精准驱虫的效果，高光谱相机和高光谱遥感监测仪能够实时不间断的反馈作物地面的数据，并由监测定位模块按照区域划分来准确对应不同区域内部的作物种类及生长周期，保证被验证的作物数据的准确性，同时这种在作物区域计算模块内部等距离分为几份，且设置的名称为b1、b2、b3、和b4...的情况下，作物不会出现无法检测的区域，并且很多区域能够被多次监测，保证了作物在正常情况下的监测防治效果，提高了此方法的实用性。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于高光谱遥感的虫害监测系统及方法，其特征在于：其步骤如下：
步骤一：地面控制模块能够在需要监测的作物区域范围内设置需要使用的高光谱相机/微型光纤光谱仪，并将各设备等距离放置，保持作物区域划分的等范围效果，随后将高光谱相机/微型光纤光谱仪调至接收消息的频次，保证数据能够实时上传至云控制平台；
步骤二：云控制平台内部能够将收集到的波段分类，并与相匹配的作物区域进行数据绑定，保证不同作物的波段能够被准确上传，并与高光谱数据处理模块内部进行数据交换；
步骤三：云控制平台同时还对作物反射光谱进行提取，并获取作物光谱形成历史数据作为对比数据，高光谱相机和高光谱遥感监测仪能够实时不间断的反馈作物地面的数据，并由监测定位模块按照区域划分来准确对应不同区域内部的作物种类及生长周期，保证被验证的作物数据的准确性；
步骤四：高光谱数据处理模块将数据接收后，传输集合各区域数据进行加载，并对不同的作物区域历史数据进行对比，检测到正常则无显示，检测异常后则能够将数据传输至虫害散布区域分析模块的内部，利用其内部对虫害区域进行分析，及时上传反馈至信息控制中心，做到精准监测。
2.根据权利要求1所述的一种基于高光谱遥感的虫害监测系统及方法，其特征在于：所述信息控制中心与云控制平台为双向连接，所述云控制平台的内部包括有光谱波段选择模块、作物区域计算模块和监测定位模块，所述云控制平台的输出端与地面控制模块的输入端相连接。
3.根据权利要求1所述的一种基于高光谱遥感的虫害监测系统及方法，其特征在于：所述高光谱数据处理模块的输出端与虫害散布区域分析模块的输入端相连接，所述高光谱数据处理模块的内部包括有各区域数据加载、各区域历史数据对比、检测正常和检测异常，所述检测异常与虫害散布区域分析模块双向连接。
4.根据权利要求1所述的一种基于高光谱遥感的虫害监测系统及方法，其特征在于：所述虫害散布区域分析模块的内部包括有定位显示器、虫害确定单元和数据反馈单元。
5.根据权利要求1所述的一种基于高光谱遥感的虫害监测系统及方法，其特征在于：所述地面控制模块的内部包括有高光谱遥感监测仪、微型光纤光谱仪和高光谱相机，所述高光谱相机/微型光纤光谱仪为的距离的分布设计，所述高光谱相机/微型光纤光谱仪能够被设置上传为a1、a2、a3和a4...，所述作物区域计算模块内部等距离分为几份，且设置的名称为b1、b2、b3、和b4...，所述a1的监测覆盖范围半径为b1或b4的长度。
6.根据权利要求1所述的一种基于高光谱遥感的虫害监测系统及方法，其特征在于：所述作物区域计算模块内计算b1区域的波长为a1b1及a2b1，需分析两者波长区别，由此类推，b2区域的波长为a2b2及a3b2，b3区域的波长为a3b3、a4b3，b4区域的波长为a4b4及a1b4。
7.根据权利要求1所述的一种基于高光谱遥感的虫害监测系统及方法，其特征在于：所述高光谱数据处理模块内部的数据收集包括可见光和近红外的所有波段的光谱数据，所述作物光谱数据处理模块内部数据包括有光化学反射指数、转换型叶绿素指数、叶片湿度指数及叶面积植被指数、黄度指数等。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110444477.9A CN113189015A (zh) | 2021-04-23 | 2021-04-23 | 一种基于高光谱遥感的虫害监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110444477.9A CN113189015A (zh) | 2021-04-23 | 2021-04-23 | 一种基于高光谱遥感的虫害监测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113189015A true CN113189015A (zh) | 2021-07-30 |
Family
ID=76978384
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110444477.9A Pending CN113189015A (zh) | 2021-04-23 | 2021-04-23 | 一种基于高光谱遥感的虫害监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113189015A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113984212A (zh) * | 2021-10-27 | 2022-01-28 | 中国气象科学研究院 | 农业灌区提取方法及系统 |
| CN115326805A (zh) * | 2022-10-12 | 2022-11-11 | 云南瀚哲科技有限公司 | 图像采集装置与基于ibmr的烟叶作物长势分析方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104266982A (zh) * | 2014-09-04 | 2015-01-07 | 浙江托普仪器有限公司 | 一种大面积虫害量化监测系统 |
| CN105445214A (zh) * | 2015-11-27 | 2016-03-30 | 安徽科技学院 | 一种农业工程遥感监测方法 |
| CN105954283A (zh) * | 2016-05-05 | 2016-09-21 | 信阳师范学院 | 一种基于互联网的小麦病虫害防治方法 |
| CN106780091A (zh) * | 2016-12-30 | 2017-05-31 | 黑龙江禾禾遥感科技有限公司 | 基于植被指数时空间统计特征的农业灾害信息遥感提取方法 |
| CN108694391A (zh) * | 2018-05-16 | 2018-10-23 | 黄铁成 | 基于高光谱遥感的胡杨林春尺蠖灾害监测方法 |
| CN111985445A (zh) * | 2020-09-02 | 2020-11-24 | 青海省草原总站 | 一种基于无人机多光谱遥感的草原虫害监测系统及方法 |
| CN112101198A (zh) * | 2020-09-14 | 2020-12-18 | 汪素华 | 果园智能监测方法及装置 |
-
2021
- 2021-04-23 CN CN202110444477.9A patent/CN113189015A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104266982A (zh) * | 2014-09-04 | 2015-01-07 | 浙江托普仪器有限公司 | 一种大面积虫害量化监测系统 |
| CN105445214A (zh) * | 2015-11-27 | 2016-03-30 | 安徽科技学院 | 一种农业工程遥感监测方法 |
| CN105954283A (zh) * | 2016-05-05 | 2016-09-21 | 信阳师范学院 | 一种基于互联网的小麦病虫害防治方法 |
| CN106780091A (zh) * | 2016-12-30 | 2017-05-31 | 黑龙江禾禾遥感科技有限公司 | 基于植被指数时空间统计特征的农业灾害信息遥感提取方法 |
| CN108694391A (zh) * | 2018-05-16 | 2018-10-23 | 黄铁成 | 基于高光谱遥感的胡杨林春尺蠖灾害监测方法 |
| CN111985445A (zh) * | 2020-09-02 | 2020-11-24 | 青海省草原总站 | 一种基于无人机多光谱遥感的草原虫害监测系统及方法 |
| CN112101198A (zh) * | 2020-09-14 | 2020-12-18 | 汪素华 | 果园智能监测方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 刘卉等: "基于规则网络的农田环境监测传感器节点部署方法", 《农业工程学报》 * |
| 崔亚琴: "遥感技术在森林病虫害监测研究中的应用", 《山西林业科技》 * |
| 郑有飞等: "高光谱遥感在农作物长势监测中的应用", 《气象与环境科学》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113984212A (zh) * | 2021-10-27 | 2022-01-28 | 中国气象科学研究院 | 农业灌区提取方法及系统 |
| CN113984212B (zh) * | 2021-10-27 | 2023-06-27 | 中国气象科学研究院 | 农业灌区提取方法及系统 |
| CN115326805A (zh) * | 2022-10-12 | 2022-11-11 | 云南瀚哲科技有限公司 | 图像采集装置与基于ibmr的烟叶作物长势分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Oliveira et al. | Machine learning estimators for the quantity and quality of grass swards used for silage production using drone-based imaging spectrometry and photogrammetry | |
| CN111582055B (zh) | 一种无人机的航空施药航线生成方法及系统 | |
| US20170118925A1 (en) | Information processing apparatus, method of producing control signal, and information processing system | |
| US8249308B2 (en) | Portable intelligent fluorescence and transmittance imaging spectroscopy system | |
| Saari et al. | Unmanned Aerial Vehicle (UAV) operated spectral camera system for forest and agriculture applications | |
| CN113189015A (zh) | 一种基于高光谱遥感的虫害监测系统及方法 | |
| Alchanatis et al. | In-field assessment of single leaf nitrogen status by spectral reflectance measurements | |
| US20060290933A1 (en) | System and method for monitoring plant conditions | |
| JP6390054B2 (ja) | モニタリングシステム | |
| CN106596412A (zh) | 利用无人机携带多光谱光源进行植物生长监测的方法 | |
| US20140022381A1 (en) | Radiometric multi-spectral or hyperspectral camera array using matched area sensors and a calibrated ambient light collection device | |
| CN112285504A (zh) | 多谱段日盲窄带紫外成像仪及其检测不同放电状态的方法 | |
| CN112130316B (zh) | 多通道多谱段滤光片结构及其应用、方法 | |
| CN109187417B (zh) | 一种无人机载的太赫兹波及高光谱遥感农作物监测系统 | |
| CN109863377A (zh) | 用于测量光谱的装置 | |
| US20060006335A1 (en) | Method for detecting and managing nematode population | |
| WO2020165671A1 (en) | Method for monitoring vegetation ground covers | |
| Sakamoto et al. | Application of day and night digital photographs for estimating maize biophysical characteristics | |
| KR101844678B1 (ko) | 식물 군락의 구조와 기능을 실시간으로 모니터링 하기 위한 시스템 | |
| CN103018196A (zh) | 一种油菜需水信息的快速探测方法 | |
| CN105136732A (zh) | 田间作物双波段成像ndvi测量装置 | |
| Wen et al. | A new spray deposition pattern measurement system based on spectral analysis of a fluorescent tracer | |
| CN209525221U (zh) | 一种农药沉积量特征波数据采集及农药沉积量检测装置 | |
| JP2019039913A (ja) | モニタリングシステム | |
| Moriya et al. | Detecting citrus huanglongbing in Brazilian orchards using hyperspectral aerial images |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210730 |
|
| WD01 | Invention patent application deemed withdrawn after publication |