申请/专利权人：安徽科技学院

申请日：2023-12-25

公开（公告）日：2024-03-26

公开（公告）号：CN117760984A

主分类号：G01N21/25

分类号：G01N21/25;G01J3/28;G06V20/10;G06V20/17;G06V10/764;G06V10/80;G06V10/58;G06V10/766;G06N20/00;G06N5/01;G06N7/01

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明公开了一种冬小麦SPAD时空变化监测方法，涉及作物监测技术领域。本发明包括：无人机多光谱传感器获取了抽穗期、开花期和灌浆后期的冬小麦冠层图像，从多光谱图像中提取基于冬小麦冠层反射率的光谱特征和基于灰度共生矩阵的纹理特征，采用特征选择策略优选敏感的遥感特征，并应用特征融合策略和SVR算法构建冬小麦SPAD估算模型。近红外波段与其他波段组合的光谱特征可以充分捕捉冬小麦SPAD在生殖生长阶段的光谱差异，且在红光波段、近红外波段的纹理特征对冬小麦SPAD较为敏感。应用特征选择策略和特征融合策略构建的SPAD模型稳定性、估算精度均优于单独应用特征策略和不应用策略的模型。

主权项：1.一种冬小麦SPAD时空变化监测方法，其特征在于，包括以下步骤：步骤S001：利用无人机在生育期采集冬小麦的多光谱数据；步骤S002：利用SPAD-502型叶绿素仪在若干个样地里测定冬小麦相对叶绿素含量值；步骤S003：无人机图像预处理：将各生育期采集到的无人机多光谱图像导入PIX4Dmapper软件进行影像拼接；步骤S004：计算出每个地块相对叶绿素含量值的平均数并进行分析，对光谱特征、纹理特征和光谱纹理特征融合集分别构建SPAD预测模型；步骤S005：基于R语言采用支持向量机回归算法预测冬小麦基于SPAD值的叶绿素的含量。

全文数据：

权利要求：

百度查询： 安徽科技学院 一种冬小麦SPAD时空变化监测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD