申请/专利权人：山东同圆数字科技有限公司

申请日：2024-03-06

公开（公告）日：2024-04-09

公开（公告）号：CN117853947A

主分类号：G06V20/13

分类号：G06V20/13;G06V20/10;G06V10/46;G06V10/54;G06V10/764;G06V10/82;G06N3/0442;G06N3/0464;G06N3/048;G06N3/08;G06N20/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及遥感图像分析技术领域，具体为一种冬小麦遥感影像自动分析系统，冬小麦遥感影像自动分析系统包括时间序列分析模块、纹理识别模块、湿度分析模块、病害检测模块、生长阶段监测模块、营养分析模块、产量估计模块、综合决策模块。本发明中，采用动态时间弯曲算法和长短期记忆网络，提高了对时间序列和湿度变化的分析准确性，使得时间点同步和土壤湿度预测更加精准，通过灰度共生矩阵和局部二值模式算法，有助于更准确地判断冬小麦的健康状况，利用谱聚类和高斯混合模型算法，病害检测更加细致，可以更早地识别和分类潜在的病害问题，结合深度学习模型和光谱特征分析，不仅提升了营养状况评估的精确度，也使产量预测更为科学。

主权项：1.一种冬小麦遥感影像自动分析系统，其特征在于：所述冬小麦遥感影像自动分析系统包括时间序列分析模块、纹理识别模块、湿度分析模块、病害检测模块、生长阶段监测模块、营养分析模块、产量估计模块、综合决策模块，所述时间序列分析模块基于多时段遥感影像，采用动态时间弯曲算法对时间序列进行分析，同步影像数据时间点，使用时间序列分析技术挖掘数据的趋势和周期性，通过比较差异时间点的遥感数据，揭示植被变化规律，生成时间序列分析结果；所述纹理识别模块基于时间序列分析结果，应用灰度共生矩阵和局部二值模式算法，对遥感影像中的植被纹理进行深度分析，区分差异纹理特征，识别冬小麦的健康状况及其他生长问题，生成纹理识别结果；所述湿度分析模块基于纹理识别结果，运用长短期记忆网络对遥感影像中的土壤湿度信息进行分析，识别湿度变化趋势和模式，通过分析影像中的湿度关联特征，预测未来的土壤湿度变化，生成湿度分析结果；所述病害检测模块基于湿度分析结果，结合谱聚类和高斯混合模型算法，分析遥感影像中的异常模式，识别潜在发生的病害，通过对多种病害特征的聚类和分类，揭示病害的分布和发展趋势，生成病害检测结果；所述生长阶段监测模块基于病害检测结果，运用随机森林分类器，结合遥感影像特征，对冬小麦的生长阶段进行分类，分析各阶段的生长状况，通过对比生长阶段的影像特征，准确评估植被的生长进度，生成生长阶段监测结果；所述营养分析模块基于生长阶段监测结果，结合遥感影像与农业气象数据，应用深度学习模型，分析冬小麦的营养状况，识别养分缺乏或过量的区域，通过对比营养状况与生长状况，为农业管理提供指导，生成营养分析结果；所述产量估计模块基于营养分析结果，结合遥感影像的光谱特征和图像处理技术，预测冬小麦的产量，通过分析历史产量数据和当前生长情况，估计收获量，生成产量估计结果；所述综合决策模块基于时间序列分析结果、纹理识别结果、湿度分析结果、病害检测结果、生长阶段监测结果、营养分析结果、产量估计结果，采用综合评估和决策支持技术，对整体的农业管理策略进行优化，生成综合决策结果。

全文数据：

权利要求：

百度查询： 山东同圆数字科技有限公司 一种冬小麦遥感影像自动分析系统

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