龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：东北师范大学
申请日：2024-02-29
公开（公告）日：2024-06-11
公开（公告）号：CN118172663A
主分类号：G06V20/10
分类号：G06V20/10;G06V20/17;G06V20/68;G06V10/58;G06V10/764;G06V10/766;G06V10/70;G06N5/01
优先权：
专利状态码：在审-公开
法律状态：2024.06.11#公开
摘要：本发明公开了一种基于无人机高光谱的小麦叶面积指数估算方法，包括以下步骤：步骤一，数据采集；步骤二，数据预处理；步骤三，样方光谱反射率提取；步骤四，特征波段提取；步骤五，构建LAI反演模型；步骤六，估算LAI；所述步骤五中，机器学习方法包括偏最小二乘回归PLSR、随机森林回归模型RF、支持向量机SVM和极度梯度提升树XGBoost；本发明通过在作物冠层高光谱反射率中选择对LAI更加敏感的波段构建新型光谱指数，进而利用少量更加精确的波段实现作物叶面积指数的估算，提高了模型精度，降低了模型的复杂程度，节省了计算资源，增强了模型的适用性，为春小麦的快速、无损检测和精准农业提供了理论依据和技术支持。
主权项：1.一种基于无人机高光谱的小麦叶面积指数估算方法，包括以下步骤：步骤一，数据采集；步骤二，数据预处理；步骤三，样方光谱反射率提取；步骤四，特征波段提取；步骤五，构建LAI反演模型；步骤六，估算LAI；其特征在于：其中在上述步骤一中，获取待测区域春小麦冠层高光谱影像数据及地面数据，将所获取的作物高光谱影像利用Cube-Pilot软件进行影像传输及数据查看；其中在上述步骤二中，利用Agisoft软件对步骤一中获取的高光谱影像数据进行预处理；其中在上述步骤三中，对步骤二中预处理后的高光谱数据进行样方平均光谱反射率提取；其中在上述步骤四中，针对步骤一中获取的地面数据和步骤三中获取的样方平均光谱反射率提取，利用不同的特征波段提取方法，提取反演LAI最佳波段组合，利用获得的最佳特征波段构建新型光谱指数；其中在上述步骤五中，将新型光谱指数与多种机器学习方法相结合，构建多个LAI反演模型，并对模型性能进行评价，获取最优模型；其中在上述步骤六中，将最优模型应用于春小麦不同生长期LAI的反演。
全文数据：
权利要求：
百度查询： 东北师范大学 一种基于无人机高光谱的小麦叶面积指数估算方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号