检索结果-内蒙古大学图书馆

农业工程学报 2022年第15期38卷 53-62页

作者：汪斌斌杨贵军杨浩顾寄南赵丹许思喆徐波江苏大学机械工程学院镇江212000 农业农村部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 江苏大学农业工程学院镇江212000

玉米雄穗表型信息的获取对研究玉米长势及产量起着非常重要的作用,为实现复杂田间环境玉米雄穗的精确识别和计数,该研究使用无人机采集试验田的玉米雄穗影像,基于FasterR-CNN、SSD、YOLO_X目标检测模型,使用迁移学习方法实现玉米雄穗的... 详细信息

玉米雄穗表型信息的获取对研究玉米长势及产量起着非常重要的作用,为实现复杂田间环境玉米雄穗的精确识别和计数,该研究使用无人机采集试验田的玉米雄穗影像,基于FasterR-CNN、SSD、YOLO_X目标检测模型,使用迁移学习方法实现玉米雄穗的高精度识别,并分析了模型对不同品种和不同种植密度的玉米雄穗检测效果。试验结果表明,基于迁移学习的FasterR-CNN、SSD、YOLO_X的目标检测效果相比于未使用迁移学习的模型有明显提升,其中,迁移学习后YOLO_X的识别精确度为97.16%,平均精度为93.60%,准确度为99.84%,对数平均误检率为0.22,识别效果最好;不同玉米品种对模型的适应性有所差异,其中郑单958对模型适应性最好,Faster R-CNN、SSD、YOLO_X的决定系数R^(2)分别为0.9474、0.9636、0.9712;不同种植密度下玉米雄穗的检测效果有所差异,在29985,44978,67466,89955株/hm^(2)种植密度下,模型对郑单958检测的平均绝对误差分别为0.19、0.31、0.37、0.75,随着种植密度的增加,检测误差逐渐变大。研究为农田玉米雄穗高精度识别提供了一种可靠方法,对玉米表型性状高通量调查具有一定的应用价值。

关键词：无人机目标检测图像识别玉米雄穗迁移学习深度学习

来源：评论

学校读者我要写书评

暂无评论

基于无人机数码影像的冬小麦氮含量反演

引用

农业工程学报 2019年第11期35卷 75-85页

作者：刘帅兵杨贵军景海涛冯海宽李贺丽陈鹏杨文攀北京农业信息技术研究中心农业部农业遥感机理与定量遥感重点实验室北京100097 武汉大学电子信息学院武汉430072 河南理工大学测绘与国土信息工程学院焦作454000 国家农业信息化工程技术研究中心北京100097

准确、快速地获取关键生育期冬小麦氮素含量,对农业管理者进行田间氮素施肥有重要的决策作用。利用无人机(unmanned aerial vehicle,UAV)搭载数码相机,可以短时间内获取冬小麦长势信息,实现对冬小麦氮素含量动态监测。该研究利用2015年... 详细信息

准确、快速地获取关键生育期冬小麦氮素含量,对农业管理者进行田间氮素施肥有重要的决策作用。利用无人机(unmanned aerial vehicle,UAV)搭载数码相机,可以短时间内获取冬小麦长势信息,实现对冬小麦氮素含量动态监测。该研究利用2015年北京市小汤山冬小麦无人机数码影像,采用3种阈值分割方法,将田间植株作物与土壤背景分离。对比影像分割方法的时效性与准确性,最终确定可见光波段差异植被指数VDVI(visible-band difference vegetation index)提取植被信息。按照试验方案要求,在不同的氮肥与水分胁迫管理下,将冬小麦3次重复试验分成48个试验小区,依据小区边界提取小区的红、绿和蓝通道的平均DN(digital number)值,选取25个植被指数,同时与各个试验小区冬小麦不同器官氮含量进行相关性分析,筛选数码影像变量。由于植被指数之间耦合度较高,因此采用主成分分析对原始数据进行成分提取,提取特征向量参与建模,最后利用多元线性回归分析建立氮素反演模型,通过决定系数(R^2)、均方根误差(RMSE)和归一化的均方根误差(nRMSE)3个指标筛选出最佳模型,探究各器官氮素含量与数码变量的相关性。结果表明,实验室实测氮素含量与UAV数码影像氮素反演结果及基本一致。在反演模型构建精度方面,3种数据处理结果整体>部分>植被指数,反演效果叶氮>植株氮>茎氮。以冬小麦挑旗期为例,叶片氮含量整体信息提取验证模型的R^2、RMSE和nRMSE分别为0.85、0.235和6.10%,比部分信息提取验证模型的R^2高0.14,RMSE和nRMSE分别降低0.068和1.77个百分点;比植被指数信息提取验证模型的R^2高0.43,RMSE和nRMSE分别降低0.141和3.67个百分点。研究表明,基于UAV数码影像利用多元线性回归构建冬小麦氮素含量反演模型,对试验小区整体提取作物信息的方式反演冬小麦叶氮含量效果最好,相比传统反演方法,模型稳定性更高,可为冬小麦田间水肥决策管理提供参考。

关键词：无人机氮素冬小麦主成分分析多元线性回归

来源：评论

学校读者我要写书评

暂无评论

基于无人机高光谱长势指标的冬小麦长势监测

引用

农业机械学报 2020年第2期51卷 180-191页

作者：陶惠林徐良骥冯海宽杨贵军苗梦珂林博文安徽理工大学测绘学院淮南232001 北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097

为快速准确监测作物长势,以冬小麦为研究对象,获取了不同生育期的无人机高光谱影像。利用无人机高光谱数据构建光谱指数,并分析4个生育期的指数与生物量、叶面积指数以及由生物量和叶面积2个生理参数构建的长势监测指标(Growth monitori... 详细信息

为快速准确监测作物长势,以冬小麦为研究对象,获取了不同生育期的无人机高光谱影像。利用无人机高光谱数据构建光谱指数,并分析4个生育期的指数与生物量、叶面积指数以及由生物量和叶面积2个生理参数构建的长势监测指标(Growth monitoring indicator,GMI)的相关性;建立与GMI相关性较强的4个光谱指数的单指数回归模型,利用多元线性回归、偏最小二乘和随机森林3种机器学习方法分别建立冬小麦各生育期的GMI反演模型;将最佳模型应用于无人机高光谱影像,得到冬小麦长势监测图。结果表明:各生育期光谱指数与冬小麦GMI相关性较高,大部分指数都达到了显著水平,其中NDVI、SR、MSR和NDVI×SR与GMI的相关性高于生物量、叶面积指数与GMI的相关性;拔节期、挑旗期、开花期、灌浆期、全生育期,表现最好的回归模型对应光谱指数分别是NDVI×SR、NDVI、SR、NDVI和NDVI×SR;对比3种方法构建的GMI反演模型,开花期模型MLR-GMI效果最佳,此时期的模型建模R^2、RMSE和NRMSE分别是0.7164、0.0963、15.90%。

关键词：冬小麦长势监测无人机遥感高光谱多元线性回归偏最小二乘随机森林

来源：评论

学校读者我要写书评

暂无评论

基于无人机高光谱遥感的冬小麦株高和叶面积指数估算

引用

农业机械学报 2020年第12期51卷 193-201页

作者：陶惠林徐良骥冯海宽杨贵军代阳牛亚超北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 安徽理工大学测绘学院淮南232001 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097

为了快速、准确地估算叶面积指数(LAI),通过无人机搭载成像高光谱相机,获取了冬小麦3个生育期的影像数据,从中提取出株高(Hcsm)。首先,分析了植被指数、Hcsm与LAI的相关性,挑选出最优植被指数;然后,分别构建了单个参数的LAI线性估算模型... 详细信息

为了快速、准确地估算叶面积指数(LAI),通过无人机搭载成像高光谱相机,获取了冬小麦3个生育期的影像数据,从中提取出株高(Hcsm)。首先,分析了植被指数、Hcsm与LAI的相关性,挑选出最优植被指数;然后,分别构建了单个参数的LAI线性估算模型;最后,以植被指数、植被指数结合Hcsm为模型输入因子,采用偏最小二乘回归方法构建LAI估算模型。结果表明:通过无人机高光谱遥感影像提取的Hcsm精度较高(R^2=0.95);在不同生育期,大部分植被指数和Hcsm均与LAI呈0.01显著相关水平;基于最优植被指数结合Hcsm估算LAI的精度优于仅基于最优植被指数或Hcsm的估算精度;以植被指数、植被指数结合Hcsm为输入变量,通过偏最小二乘回归构建的LAI估算模型在开花期估算精度达到最高,并且以植被指数结合Hcsm为自变量估算LAI的能力更佳(建模R^2=0.73,RMSE为0.64)。本研究方法可以提高LAI估算精度,为农业管理者提供参考。

关键词：冬小麦叶面积指数株高高光谱植被指数偏最小二乘

来源：评论

学校读者我要写书评

暂无评论

基于无人机高光谱遥感数据的冬小麦产量估算

引用

农业机械学报 2020年第7期51卷 146-155页

作者：陶惠林徐良骥冯海宽杨贵军杨小冬牛亚超北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 安徽理工大学测绘学院淮南232001 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097

为了准确和高效地预测作物产量,以冬小麦为研究对象,利用无人机遥感平台搭载高光谱相机,获取了冬小麦各生育期的无人机影像。根据高光谱具有较多的光谱信息且存在特有的红边区域的特点,选取了9种植被指数和5种红边参数。首先,分析植被... 详细信息

为了准确和高效地预测作物产量,以冬小麦为研究对象,利用无人机遥感平台搭载高光谱相机,获取了冬小麦各生育期的无人机影像。根据高光谱具有较多的光谱信息且存在特有的红边区域的特点,选取了9种植被指数和5种红边参数。首先,分析植被指数和红边参数与产量的相关性,优选5种植被指数和2种红边参数用于构建产量估算模型;然后,构建了不同生育期的3种产量估算模型:单参数线性回归模型、基于植被指数并使用偏最小二乘回归方法模型、基于植被指数结合红边参数并使用偏最小二乘回归方法模型;最后利用3种模型分别估算冬小麦产量。结果表明:4个生育期内,大部分植被指数和红边参数与产量呈现极显著相关性;拔节期、挑旗期、开花期与灌浆期构建的单参数线性回归模型中表现最佳的参数分别为REP、Dr/Drmin、GNDVI与GNDVI;利用偏最小二乘回归方法提高了产量估算精度,以植被指数结合红边参数为因子构建的模型提高了产量估算效果(优于以植被指数为因子构建的产量模型)。本研究可为无人机高光谱估算作物产量提供参考。

关键词：冬小麦产量无人机高光谱遥感估算偏最小二乘

来源：评论

学校读者我要写书评

暂无评论

多层离散各向异性辐射传输模型在玉米叶面积指数垂直分布反演中的应用

引用

浙江大学学报（农业与生命科学版） 2021年第4期47卷 439-450页

作者：董震杨贵军孙林杨浩朱耀辉雷蕾陈日强张成健刘淼北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 山东科技大学测绘与空间信息学院山东青岛266590

为更准确地监测玉米叶面积指数(leaf area index,LAI)垂直分布,以多层离散各向异性辐射传输(discrete anisotropic radiative transfer,DART)模型构建的模拟数据集为基础,提出一种条件约束的LAI垂直分布反演方法。首先,基于3层垂直分布... 详细信息

为更准确地监测玉米叶面积指数(leaf area index,LAI)垂直分布,以多层离散各向异性辐射传输(discrete anisotropic radiative transfer,DART)模型构建的模拟数据集为基础,提出一种条件约束的LAI垂直分布反演方法。首先,基于3层垂直分布场景,评价DART模型对玉米冠层反射率和光合有效辐射(photosynthetically active radiation,PAR)的模拟效果,并构建相应的模拟数据集。其次,基于模拟数据集构建LAI和PAR单参数反演模型。最后,以单参数反演模型为先验知识,通过求解约束化问题实现基于高光谱植被指数的玉米冠层LAI垂直分布反演。结果表明:相较于单参数反演模型,约束优化条件下的反演模型精度更高。玉米上层LAI反演结果的决定系数(R^(2))提高0.022,均方根误差(root-mean-square error,RMSE)降低0.016 m^(2)/m^(2),归一化均方根误差(normalized root-mean-square error,NRMSE)降低1.3%;玉米中层LAI反演结果的R^(2)提高0.08,RMSE降低0.219 m^(2)/m^(2),NRMSE降低10.1%;玉米下层LAI反演结果的R^(2)提高0.069,RMSE降低0.041 m^(2)/m^(2),NRMSE降低4.6%。说明利用条件约束优化的方法进行玉米冠层LAI的垂直分布反演,能有效提高反演精度。

关键词：农业遥感离散各向异性辐射传输模型光合有效辐射叶面积指数垂直分布

来源：评论

学校读者我要写书评

暂无评论

基于无人机数码影像的大豆育种材料叶面积指数估测

引用

农业机械学报 2017年第8期48卷 147-158页

作者：李长春牛庆林杨贵军冯海宽刘建刚王艳杰河南理工大学测绘与国土信息工程学院焦作454000 农业部农业遥感机理与定量遥感重点实验室北京100097 国家农业信息化工程技术研究中心北京100097

利用低成本的无人机(Unmanned aerial vehicle,UAV)高清数码影像获取系统,于2016年7—9月在山东省济宁市嘉祥县圣丰大豆育种基地,获取大豆育种材料试验区的R1-R2、R3、R5-R6共3个关键生育期的高清数码影像,首先利用高清数码影像中的黑... 详细信息

利用低成本的无人机(Unmanned aerial vehicle,UAV)高清数码影像获取系统,于2016年7—9月在山东省济宁市嘉祥县圣丰大豆育种基地,获取大豆育种材料试验区的R1-R2、R3、R5-R6共3个关键生育期的高清数码影像,首先利用高清数码影像中的黑白定标布,对数码影像的DN(Digital number,DN)值进行归一化标定,并构建标定的18个数码影像变量,然后基于900个育种小区的叶面积指数实测数据构建大豆育种材料叶面积指数的一元线性回归、逐步回归、全子集回归、偏最小二乘回归、支持向量机回归和随机森林回归模型,最后基于模型建立和验证的决定系数(R^2)、均方根误差(RMSE)和归一化的均方根误差(nRMSE)3个指标,筛选估测叶面积指数的最佳模型。研究表明,全子集回归模型中采用4个数码影像变量B、RGBVI、GLA和B/(R+G+B)的多元线性回归模型对大豆育种材料叶面积指数的解析精度最优,模型建立的R^2、RMSE和nRMSE分别为0.69、0.99和17.90%,验证模型的R^2、RMSE和nRMSE分别为0.68、1.00和18.10%。结果表明,以无人机为遥感平台,搭载低成本的高清数码相机,利用高清数码影像进行大豆育种材料LAI估测是可行的,可以快速、有效、无损地获取大豆育种材料的长势信息,为筛选高产大豆品种提供一种低成本的可行方法。

关键词：大豆育种材料叶面积指数标定无人机数码影像全子集回归

来源：评论

学校读者我要写书评

暂无评论

基于立体视觉的玉米雄穗三维信息提取

引用

农业工程学报 2018年第11期34卷 166-173页

作者：韩东杨贵军杨浩邱春霞陈明杰温维亮牛庆林杨文攀农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 西安科技大学测绘科学与技术学院西安710054 河南理工大学测绘与国土信息工程学院焦作454000

玉米雄穗的表型信息对玉米育种研究具有重要的参考意义。该研究以自动获取玉米雄穗三维表型信息为目的。通过对雄穗样本进行多视角摄影处理来重建其三维模型。对重建的三维点云数据运用基于密度聚类的方法统计其分枝数信息,运用Delaunay... 详细信息

玉米雄穗的表型信息对玉米育种研究具有重要的参考意义。该研究以自动获取玉米雄穗三维表型信息为目的。通过对雄穗样本进行多视角摄影处理来重建其三维模型。对重建的三维点云数据运用基于密度聚类的方法统计其分枝数信息,运用Delaunays三角网方法计算其外包络体积信息,并基于点云信息对雄穗主轴和最大穗冠的结构参数进行计算,同时定义了相关表型参数。用实测结果验证计算结果:分枝数统计结果的最大绝对误差为2,RMSE(root mean square error)为1.03,n RMSE(normalized root mean square error)为0.05;主轴长度,主轴最大/最小直径,最大穗冠高度和最大穗冠直径的R^2分别为0.99,0.82,0.83,0.97和0.93,均达到极显著相关水平。研究提出的相关表型参数和其提取方法在育种研究中具有应用潜力,为田间高通量雄穗信息的快速提取提供了参考。

关键词：作物机器视觉三维重建玉米雄穗数码相机雄穗表型信息

来源：评论

学校读者我要写书评

暂无评论

无人机成像高光谱的马铃薯地上生物量估算

引用

光谱学与光谱分析 2021年第9期41卷 2657-2664页

作者：刘杨张涵冯海宽孙乾黄珏王娇娇杨贵军农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 University of New South Wales Sydney NSW 2052Australia 南京农业大学国家信息农业工程技术中心江苏南京210095 山东科技大学测绘科学与工程学院山东青岛266590 国家农业信息化工程技术研究中心北京100097

地上生物量(AGB)的精准监测是农田生产管理的重要环节,因此快速准确地估算AGB,对于精准农业的发展十分重要。传统上,获取AGB的方法是采用破坏性取样法,这使得大面积、长期的测量变得困难。无人机高光谱遥感因具有机动性强、光谱分辨率... 详细信息

地上生物量(AGB)的精准监测是农田生产管理的重要环节,因此快速准确地估算AGB,对于精准农业的发展十分重要。传统上,获取AGB的方法是采用破坏性取样法,这使得大面积、长期的测量变得困难。无人机高光谱遥感因具有机动性强、光谱分辨率高和图谱合一的优势,成为当前估算大面积作物AGB最有效的技术手段。该研究通过无人机平台搭载成像高光谱传感器分别获取马铃薯块茎形成期、块茎增长期、淀粉积累期的冠层高光谱影像以及利用烘干称重法获取相应生育期实测AGB数据。然后,采用相关性分析法(CAM)、随机蛙跳算法(RFM)和高斯过程回归波长分析工具(GPR-BAT)分别筛选冠层原始光谱(COS)和一阶导数光谱(FDS)的敏感波长,结合偏最小二乘回归(PLSR)和高斯过程回归(GPR)构建各生育期的AGB估算模型,并对比不同模型的估测效果。结果显示:(1)基于同种方法分别筛选COS和FDS的特征波长,结合2种回归技术估算AGB的效果均从块茎形成期到淀粉积累期由好变差。(2)基于FDS分别通过3种方法筛选的特征波长,通过同种回归技术构建的模型效果要优于基于COS的相应效果。(3)基于COS和FDS使用CAM,RFM和GPR-BAT方法筛选的特征波长个数在块茎形成期分别为28,12,6个和12,23,10个,在块茎增长期分别为32,8,2个和18,28,4个,在淀粉积累期分别为30,15,3个和21,33,5个。(4)各生育期基于COS和FDS通过3种方法筛选的敏感波长估算AGB效果由高到低依次均为GPR-BAT,RFM和CAM。(5)各生育期基于FDS通过GPR-BAT方法筛选的敏感波长,结合PLSR建立的模型精度更高、稳定性更强,R^(2)分别为0.67,0.73和0.65,NRMSE分别为16.63%,15.84%和20.81%。研究表明利用无人机高光谱成像技术可以准确地估算AGB,这为实现马铃薯作物长势动态监测,提供科学指导和参考。

关键词：马铃薯无人机成像高光谱随机蛙跳高斯过程回归地上生物量

来源：评论

学校读者我要写书评

暂无评论

利用无人机激光雷达提取玉米叶面积密度

引用

武汉大学学报（信息科学版） 2021年第11期46卷 1737-1745页

作者：雷蕾李振洪杨浩杨贵军长安大学地质工程与测绘学院陕西西安710054 农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097

叶面积密度可以表征冠层内部叶面积的垂直分布,是作物生长发育、营养诊断和育种研究的重要结构参数。激光雷达通过发射多脉冲和接收多回波信号可以探测到作物冠层内部信息。首先基于无人机激光雷达获取60个小区多航线的玉米点云数据,采... 详细信息

叶面积密度可以表征冠层内部叶面积的垂直分布,是作物生长发育、营养诊断和育种研究的重要结构参数。激光雷达通过发射多脉冲和接收多回波信号可以探测到作物冠层内部信息。首先基于无人机激光雷达获取60个小区多航线的玉米点云数据,采用基于接触频率的体素法对叶面积密度进行估算,再对多个体素大小进行分析得到最优体素大小(0.2 m);其次对各航线以及航线叠加效果进行对比,得到无人机激光雷达获取点云数据的最优激光脉冲入射角(-30°~52°);然后结合玉米叶倾角和激光脉冲入射角对叶面积密度估算模型进行校正,从而提高叶面积密度估算精度;最后通过对不同种植密度和不同品种的玉米叶面积密度分布进行分析,得到不同品种玉米的发育快慢、株型特点以及最合理的种植密度。以上结果可为基于无人机激光雷达数据估算叶面积密度提供指导,并为玉米育种和科学管理提供参考。

关键词：叶面积密度分布基于接触频率的体素法叶倾角脉冲入射角无人机激光雷达

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：