买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜安徽大学申请的专利一种用于大田环境高通量植物表型平台的多元数据动态融合校正方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119397945B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411443505.5，技术领域涉及：G06F30/28；该发明授权一种用于大田环境高通量植物表型平台的多元数据动态融合校正方法是由赵晋陵;邢新宇;黄林生;阮超;梁栋设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本一种用于大田环境高通量植物表型平台的多元数据动态融合校正方法在说明书摘要公布了：本发明涉及一种用于大田环境高通量植物表型平台的多元数据动态融合校正方法，与现有技术相比解决了难以实现多环境数据融合修正的缺陷。本发明包括以下步骤：环境数据与作物表型数据的获取；进行风速风向校正；进行光照校正；进行温度校正；数据的融合校正。本发明通过实时算法对多源数据进行校正和融合，从而实现高精度的表型数据多层次的动态融合校正。

本发明授权一种用于大田环境高通量植物表型平台的多元数据动态融合校正方法在权利要求书中公布了：1.一种用于大田环境高通量植物表型平台的多元数据动态融合校正方法，其特征在于，包括以下步骤：11环境数据与作物表型数据的获取：获取环境数据与作物表型数据；12进行风速风向校正：采用流体力学方程与叶片柔性结构动力学模型相结合的方法，精确计算风速和风向对作物叶片姿态的影响；通过建立物理模型，考虑空气动力学力的作用，动态修正叶片在风力作用下的位移和形变，对三维点云数据进行修正；13进行光照校正：通过引入光响应生物学模型，结合实时光照传感器的数据，动态调整作物叶片的姿态以及图像的曝光和白平衡设置，实现光照条件下的校正；所述进行光照校正包括以下步骤：131建立光响应模型：植物叶片具有向光性，当光线强度和角度发生变化时，叶片发生转动，以优化其光合效率；校正模型基于植物的光合反应特性，光响应用公式如下：θleaf＝θ0+fN,α其中，θleaf是叶片相对于水平面的夹角，θ0是初始角度，即无光照或均匀光照条件下的叶片姿态，N是当前光照强度，由光照强度传感器实时获取，单位为α是光照的入射角，即光线与叶片表面的夹角，fN,α是叶片的光响应函数，用于描述光照变化下叶片的转动特性，其表示如下：fN,α＝k1·logN+k2·sinα其中，k1和k2是经验参数，取决于植物种类和环境；132曝光与白平衡的调整：通过光照强度传感器实时监测光线强度，自动调整相机的曝光时间和白平衡设置，确保多光谱和高清相机在不同光照条件下采集的图像具有一致的亮度和颜色，具体通过以下公式进行自动调节， 其中，曝光时间texp的调整根据光照强度N动态调整，确保成像亮度一致，其中kexp是一个常数，取决于相机的具体设置，白平衡的调整基于不同光源下的色温Tlight进行校正，色温与光照强度N和光照方向α相关，W为白平衡的调整系数，在不同的光照环境下调整相机的白平衡，Tref是参考白色光源的色温6500K，Tlight是当前环境的色温，由传感器实时获取；133光谱反射数据动态校正：通过实时监测环境光照强度N和调整曝光时间texp，确保在不同光照条件下获取的一致性，然后，根据光照条件和入射角α的影响，对未校正的反射率进行修正，得到经过动态校正的波长λi下的反射率如下： 其中，是原始波长λi下的反射率，通过表型平台多光谱传感器获取；gN,α是描述光照强度和入射角对反射率影响的校正函数；最终通过将所有波长的反射率进行校正，得到经过动态校正的光谱反射数据Dspectral如下： 134RGB颜色信息的光动态校正：通过RGB相机获取的原始颜色数据包含每个像素在红、绿、蓝通道下的强度值，表示如下：dcolor＝{R,G,B}通过白平衡校正，校正不同光源条件下色温的影响；通过调整曝光确保在不同光照条件下图像亮度的一致性，最终校正后的RGB颜色数据如下所示： 135叶片姿态校正：根据叶片的光响应特性，校正模型调整叶片的姿态，模拟光照强度变化下的叶片角度变化；结合多光谱相机和高清相机采集的图像数据，校正模型通过姿态调整补偿因光照不均导致的成像误差，叶片转动的角度Δθleaf公式如下所示：Δθleaf＝fN,α再根据叶片的转动变化，校正模型调整叶片的三维坐标；获取经过风矫正模型得到的几何数据X′,Y′,Z′，经过光模型校正后的位置通过如下旋转矩阵进行变换得到，此旋转矩阵用于调整叶片的三维位置，根据叶片的角度变化，修正叶片的空间位置，得到通过风矫正和光校正的双重校正后的几何结构数据Dgeometry， 14进行温度校正：基于气孔开合的物理机制，构建了温湿度调节模型，用于模拟气孔在不同温湿度条件下的反应，进而推导出叶片温度的变化，从而实现温度校正；所述进行温度校正包括以下步骤：141基于气孔调节模型建立温湿度调节模型：基于气孔开合的物理机制，构建温湿度调节模型，用于模拟气孔在不同温湿度条件下的反应，进而推导出叶片温度的变化，温湿度调节模型描述如下所示： 其中，ΔTstomata是由于气孔开合引起的叶片温度变化，T和H分别为当前的环境温度和湿度，通过温湿度传感器获取得到，Topt和Hopt是植物在气孔最佳开合时的最优温度和湿度，Tmax、Tmin、Hmax和Hmin分别是气孔完全打开或关闭时的温度和湿度极值，h1和h2是基于植物生理特性确定的参数，表示气孔调节对温度的影响权重；142多源数据中的作物温度动态校正：校正模型根据温湿度传感器的实时数据，对表型平台传感器采集的温度数据进行修正，温度校正过程公式如下所示，Dthermal＝Tsensor+ΔTstomata其中，Tsensor为表型平台热红外传感器采集到的初始温度数据，Dthermal为温湿度校正的温度数据，通过引入ΔTstomata，对气孔开合引起的叶片温度变化进行了补偿，确保传感器测得的温度更加符合作物的真实温度状况；15数据的融合校正：进行高精度的数据融合与修正，生成无外界环境干扰的三维作物点云和表型数据，实现多元数据动态融合校正；所述数据的融合校正包括以下步骤：151基于矫正的数据实现再融合：将多源数据的融合表示为加权平均或优化组合，融合的目标是生成一个统一的三维点云数据，同时每个点云点还包含温度、光谱反射信息，融合过程如下所示：Dfused＝α·Dgeometry+β·Dspectral+γ·Dthermal+δ·Dcolor其中，Dfused是融合后的三维点云数据，包含几何、光谱、温度和颜色数据；Dgeometry是通过风矫正和光校正的双重校正后的几何结构数据；Dspectral是经过动态校正的光谱反射数据；Dthermal是经过温湿度校正的温度数据；Dcolor是校正后的RGB颜色数据；α，β，γ，δ是各传感器数据的权重系数，基于数据的可靠性或环境条件进行调整；152优化各部分权重系数：基于环境因素的自适应权重调整，在不同的环境条件下，根据环境条件自动调整。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学，其通讯地址为：230039 安徽省合肥市经济技术开发区九龙路111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。