色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

基于無人機(jī)成像高光譜估算馬鈴薯植株氮含量-萊森光學(xué)

萊森光學(xué) ? 來源:萊森光學(xué) ? 作者:萊森光學(xué) ? 2023-06-08 14:33 ? 次閱讀

引言

氮素是作物合成葉綠素和蛋白質(zhì)的物質(zhì)基礎(chǔ),對作物的生長發(fā)育和呼吸代謝具有重要作用。植株氮含量(PNC)是評價作物氮營養(yǎng)狀況的重要指標(biāo), 快速準(zhǔn)確地獲取PNC信息有利于氮肥的精準(zhǔn)施控和作物長 勢的動態(tài)監(jiān)測,對提高作物產(chǎn)量和品質(zhì)具有重要的意義。傳統(tǒng)的 PNC測定方法是人工取樣結(jié)合實(shí)驗(yàn)室測試,該方法耗時費(fèi)力,且測定結(jié)果滯后,不利于高效、無損及大范圍監(jiān)測作物的氮營養(yǎng)狀況。近年來,遙感技術(shù)憑借其高通量、大尺度和實(shí)時動態(tài)等特點(diǎn)在作物理化參數(shù)監(jiān)測中得到廣泛關(guān)注。與衛(wèi)星和地面遙感技術(shù)相比,無人機(jī)遙感技術(shù)操作簡單,機(jī)動性強(qiáng),在農(nóng)田精細(xì)尺度和連續(xù)動態(tài)監(jiān)測方面具有更大的優(yōu)勢。

目前,無人機(jī)平臺搭載的傳感器主要有數(shù)碼、多光譜和高光譜。數(shù)碼和多光譜傳感器雖價格低廉,但含有的波段數(shù)目少,無法提供作物冠層精細(xì)的光譜信息。而高光譜傳感器具有光譜分辨率高和圖譜合一等優(yōu)點(diǎn),已成為有效監(jiān)測作物理化參數(shù)的可靠技術(shù)手段。目前,國內(nèi)外學(xué)者利用無人機(jī)高光譜成像技術(shù)在監(jiān)測作物的氮素營養(yǎng)狀況方面取得了一定的研究進(jìn)展。不同波長組合方式及光譜變換技術(shù)可以充分挖掘高光譜影像豐富的光譜信息,有利于提高監(jiān)測作物氮營養(yǎng)狀況的精度,但也存在一定不 足。作物冠層在不同氮營養(yǎng)狀況下的差異不僅體現(xiàn)在光譜反射率方面,在圖像特征如紋理和顏色上也有明顯體現(xiàn),僅挖掘影像的光譜特征忽略了高光譜圖譜合一的優(yōu)勢,容易造成影像信息的丟失和浪費(fèi),且無法避免單一光譜特征估算作物理化參數(shù)時存在的飽和現(xiàn)象。

然而,結(jié)合無人機(jī)成像高光譜的圖像和光譜特征監(jiān)測作物氮營養(yǎng)狀況的研究還鮮有報道。綜上所述,本研究以無人機(jī)為遙感平臺,獲取了馬鈴薯5個生育期的高光譜影像,并提取各生育期的冠層光譜特征和冠層原始光譜特征波長圖像的紋理和顏色2種圖像特征,分別基于光譜特征、圖像特征和圖譜融合特征利用3種方法 構(gòu)建各生育期的PNC估算模型,探究圖像特征對估算馬鈴薯PNC的影響,以期為馬鈴薯氮肥的精準(zhǔn)管理提供技術(shù)支持。

實(shí)驗(yàn)部分

2.1 試驗(yàn)設(shè)計

于2019年4月—7月在北京市昌平區(qū)小湯山鎮(zhèn)國家精準(zhǔn)農(nóng)業(yè)研究示范基地開展馬 鈴薯試驗(yàn),該地平均海拔36m。選擇2個早熟品種中薯5(Z1)和中薯3(Z2)作為試驗(yàn)品種。設(shè)置密度試驗(yàn)(N 區(qū))、氮肥試驗(yàn)(S區(qū))和鉀肥試驗(yàn)(K區(qū))3個試驗(yàn)區(qū),每個試驗(yàn)區(qū)設(shè)置3次重復(fù),共48個小區(qū),每個小區(qū)面積為6.5m×5m。試驗(yàn)田位置與各試驗(yàn)小區(qū)處理詳情如圖1所示。

wKgaomSBdk2ANmptAAdp5Z9VSDQ024.png

圖1馬鈴薯試驗(yàn)田位置及試驗(yàn)設(shè)計

2.2 無人機(jī)高光譜影像的獲取與預(yù)處理

分別于馬鈴薯現(xiàn)蕾期(2019年5月13日)、塊莖形成期(2019年5月28日)、塊莖增長期(2019年6月10日)、淀粉積累期(2019年6月20日)和成熟期(2019年7月3日)利用無人機(jī)搭載成像光譜儀獲取高光譜影像,該傳感器的波譜范圍為450~950nm,采樣間隔為4nm,光譜分辨率為8nm。選擇晴朗、無風(fēng)無云的天氣開展飛行作業(yè),飛行時間為12:00—14:00,飛行高度設(shè)置為20m,旁向重疊率為93%。通過軟件無人機(jī)高光譜影像的預(yù)處理,主要包括影像的幾何校正、拼接和融合,最后生成試驗(yàn)區(qū)域的數(shù)字正射影像。

2.3 馬鈴薯PNC測定

馬鈴薯PNC的測定方法如下:無人機(jī)飛行作業(yè)結(jié)束后,在每個試驗(yàn)小區(qū)選取3株能代表整體長勢的馬鈴薯植株,將其莖葉分離,用清水洗凈,105℃殺青0.5h后置于80℃環(huán)境下,烘干至質(zhì)量恒重,然后分別測量莖和葉部分的樣本干質(zhì)量和全氮含量,最后根據(jù)所測數(shù)據(jù)計算莖和葉的氮含量,進(jìn)而得到馬鈴薯植株氮含量。

2.4 高光譜數(shù)據(jù)分析

2.4.1 光譜特征提取

不同氮素營養(yǎng)狀態(tài)會引起馬鈴薯冠層光譜反射率的差異,因此可以通過特征波長的反射率特征監(jiān)測馬鈴薯植株氮含量。馬鈴薯5個生育期冠層光譜特征波長的提取方法如下:首先基于5個生育期的 DOM,利用軟件生成馬鈴薯48個試驗(yàn)小區(qū)的矢量數(shù)據(jù),其次 提取各小區(qū)的平均光譜,并將提取的平均光譜作為馬鈴薯的冠層原始光譜,然后通過軟件計算5個生育期的一階微分光譜,最后基于軟件,利用相關(guān)性分析法篩選馬鈴薯5個生育期冠層原始光譜和一階微分光譜的特征波長。

2.4.2 圖像特征提取

基于冠層原始光譜特征波長對應(yīng)的高光譜圖像,提取紋理和顏色2種圖像特征。其中,圖像的紋理特征用灰度共生矩陣表示。已有 的研究表明,窗口的大小和方向?qū)μ崛〉幕叶染仃嚰y理影響不大,因此,選取窗口大小為3×3、45°方向上的對比度、能量、熵、同質(zhì)性和相關(guān)性5種紋理特征作為模型因子估算馬鈴薯植株氮含量;圖像的顏色特征用1~3階顏色矩表示,即均值、方差和斜度。

2.5 數(shù)據(jù)分析方法

采用彈性網(wǎng)絡(luò)回歸、 貝葉斯線性回歸和極限學(xué)習(xí)機(jī)3種方法構(gòu)建馬鈴薯5個生育期的植株氮含量估算模型。ENR是一種改進(jìn)的線性回歸模型,它通過引入L1和 L2懲罰項(xiàng)對目標(biāo)函數(shù)進(jìn)行約束,對具有相關(guān)性的變量同時進(jìn)行篩選或縮減,以達(dá)到提高模型精度和穩(wěn)定性的目的。BLR能夠根據(jù)輸入?yún)?shù)的先驗(yàn)信息形成先驗(yàn)分布,進(jìn)而提高對數(shù)據(jù)的適應(yīng)能力,防止出現(xiàn)過擬合現(xiàn)象。ELM 是一種簡單高效的單隱層前饋神經(jīng)網(wǎng)絡(luò)算法,該算法能避免常規(guī)神經(jīng)網(wǎng)絡(luò)算法中存在的收斂速度慢,易陷入局部極小值等問題。

2.6 精度評價

利用重復(fù)1和重復(fù)3的數(shù)據(jù)(32個)訓(xùn)練模型,重復(fù)2的數(shù)據(jù)(16個)驗(yàn)證模型,并采用決定系數(shù)R2)、均方根誤差RMSE)和標(biāo)準(zhǔn)均方根誤差,NRMSE)評價模型性能。

結(jié)果與討論

3.1 特征波長選擇

將馬鈴薯5個生育期的冠層原始光譜和一階微分光譜分別與對應(yīng)的PNC進(jìn)行相關(guān)性分析,結(jié)果如圖2所示。其中,自由度為48時,0.01相關(guān)水平閾值是0.36,黑色和紅色縱向虛線分別表示冠層原始光譜和一階微分光譜特征波長。

wKgZomSBdk6AasVlAAmSvlXyOoU487.png

圖2冠層光譜與PNC相關(guān)性OR表示冠層原始光譜與PNC相關(guān)性曲線,FD表示一階微分光譜與PNC相關(guān)性曲線

由圖2可知,現(xiàn)蕾期,冠層原始光譜在波段454~730nm 范圍內(nèi)與PNC呈0.01相 關(guān) 水 平,一階微分光譜主要在波段492~550、630~666、674~694和710~766nm范圍內(nèi)與PNC呈0.01相關(guān)水平,因此,選取相關(guān)性較高的波長554和710nm 為冠層原始光譜特征波長,波長542、662、 678和766nm為一階微分光譜特征波長;塊莖形成期,冠層原始光譜主要在波段550~618、694~706和734~922nm范圍內(nèi)與PNC呈0.01相關(guān)水平,一階微分光譜主要在波段 486~550、626~662、670~682、698~762和774~798nm范圍內(nèi)與PNC呈0.01相關(guān)水平,因此選取相關(guān)性較高的波長566、698和778nm為冠層原始光譜特征波長,波長502、 658、678、730和782nm為一階微分光譜特征波長;塊莖增 長期,冠層原始光譜主要在波段454~698和714~950nm 范圍內(nèi)與PNC呈0.01相關(guān)水平,一階微分光譜主要在波段546~582、650~778和846~946nm范圍內(nèi)與PNC呈0.01 相關(guān)水平,因此,選取相關(guān)性較高的波長518、574和854nm為冠層原始光譜的特征波長,波長554、722和862nm 為一 階微分光譜的特征波長;淀粉積累期,冠層原始光譜主要在波段454~706和722~950nm范圍內(nèi)與PNC呈0.01水平 相關(guān),一階微分光譜主要在波長470nm、波 段694~778和866~946nm范圍內(nèi)與PNC呈0.01相關(guān)水 平,因此,選取相關(guān)性較高的波長542、694和830nm為冠層原始光譜的特征波長,波長470、738和906nm為一階微分光譜的特征波長;成熟期,冠層原始光譜主要在波段 518~582和 714~ 722nm范圍內(nèi)與PNC呈0.01相關(guān)水平,一階微分光譜主要在波段502~542、650~674和770~778nm范圍內(nèi)與PNC呈0.01相關(guān)水平,因此,選取相關(guān)性較高的波長546和718 nm為冠層原始光譜的特征波長,波長510、662和774nm為一階微分光譜的特征波長。

3.2 圖像特征與PNC相關(guān)性分析

為探究高光譜圖像特征對估算馬鈴薯PNC的影響,利用GLCM和顏色矩分別提取了冠層原始光譜特征波長對應(yīng)的圖像的紋理和顏色特征,并分析與PNC的相關(guān)性,結(jié)果如圖3所示。由圖3可知,馬鈴薯現(xiàn)蕾期,與 PNC相關(guān)性較高的前5個圖像特征分別是710Var(波長701nm 對應(yīng)的 Var紋 理)、554Var、554Mea、710Cor和 554Ent,相關(guān)系數(shù)絕對值位于 0.78~0.86之間;塊莖形成期,相關(guān)性較高的前5個圖像特 征分別是698Hom 、698Sec、698Ent、698Cor和566Mea,相 關(guān) 系 數(shù) 絕對值位于0.79~0.85之間;塊莖增長期,相關(guān)性較高的前 5個圖像特征 分 別 是518Ske、518Var、854Ent、854Sec和574Con, 相關(guān)系數(shù)絕對值位于0.65~0.75之間;淀粉積累期,相關(guān)性 較高的前5個圖像特征分別是542Mea、542Ske、542Ent、542Sec 和542Cor,相關(guān)系數(shù)絕 對 值 位 于 0.60~0.69之 間;成 熟 期, 相關(guān)性較高的前5個圖像特征分別是546Mea、546Ent、546Sec、 546Cor和546Con,相關(guān)系數(shù)絕對值位于0.53~0.63之間。5個生育期篩選的相關(guān)性較高的前5個圖像特征均與 PNC 達(dá) 到 0.01相關(guān)水平,且都含有紋理和顏色2種特征,這說明紋理和顏色特征與馬鈴薯PNC的聯(lián)系較為密切。

wKgaomSBdk6AZjhhAAWwuV8RSxY708.png

圖3圖像特征與PNC相關(guān)性

3.3 馬鈴薯PNC估算

3.3.1 單一模型變量估算馬鈴薯 PNC

分別基于馬鈴薯5個生育期冠層光譜特征波長和相關(guān)性較高的前5個圖像特征,利用ENR、BLR 和 ELM3種方法構(gòu)建PNC估算模型并驗(yàn)證,建模和驗(yàn)證結(jié)果如表1和 表2 所示。由表1和 表 2可 知,基 于 光 譜 特 征 (x1)和 圖 像 特 征 (x2)利用3種方法構(gòu)建的馬鈴薯各生育期PNC估算模型均表現(xiàn)為現(xiàn)蕾期到淀粉積累期估算效果較好,成熟期估算效果較差。其中,現(xiàn)蕾期到塊莖增長期,利用3種方法基于光譜特征構(gòu)建的模型效果略優(yōu)于圖像特征,但相差不大;淀 粉積累期,基于圖像特征的估算效果開始變差,這一時期,光 譜特征構(gòu)建的模型效果明顯優(yōu)于圖像特征;成熟期,基于2種 模型變量的估算效果均明顯變差,基于光譜特征的建模效果優(yōu)于圖像特征,驗(yàn)證效果二者相差不大。綜合5個生育期的建模和驗(yàn)證結(jié)果可知,基于同種模型變量,利用ENR構(gòu)建的PNC估算模型效果較優(yōu),BLR方法次之,ELM方法較差。

表1 各生育期基于單一模型變量估算馬鈴薯PNC的建模結(jié)果

wKgZomSBdk6ACzRVAAGxmG4o7hw593.png

表2 各生育期基于單一模型變量估算馬鈴薯PNC的驗(yàn)證結(jié)果

wKgaomSBdk6ALviEAAIrnUuH0WY208.png

3.3.2 結(jié)合光譜和圖像特征估算馬鈴薯

PNC為探究結(jié)合高光譜圖像和光譜特征估算馬鈴薯PNC的效果,基于冠層光譜特征波長及篩選的與PNC相關(guān)性較高的紋理和顏色特征,分別利用3種方法構(gòu)建馬鈴薯5個生育期的PNC估算模型并驗(yàn)證,結(jié)果如表3和圖4所示。由表3和圖4可知,與單一模型變量相似,基于圖譜融合特征(x3) 構(gòu)建的馬鈴薯PNC估算模型在現(xiàn)蕾期到淀粉積累期效果較好,成熟期效果較差。綜合表1、表2、表3和圖4的結(jié)果可 知,現(xiàn)蕾期到淀粉積累期,以圖譜融合特征為模型變量的PNC估算模型的精度和穩(wěn)定性均明顯高于單一光譜特征和圖像特征,而成熟期,圖譜融合特征的估算效果與單一光譜特征相差不大。基于圖譜融合特征利用3種方法估算馬鈴薯PNC的效果為ENR較優(yōu),BLR次之,ELM 較差。

表3各生育期基于融合特征估算馬鈴薯PNC的建模結(jié)果

wKgZomSBdlGAEpmVAAFqJ5K7quU209.png

wKgaomSBdlGAAItNAAMhzjlSFew321.png

wKgZomSBdlKAUtZjAAIXB0ywByg444.png

圖4 各生育期基于融合特征估算馬鈴薯PNC的驗(yàn)證效果

為探究高光譜圖像特征估算馬鈴薯PNC的效果,分別基于光譜特征和圖像特征利用3種方法構(gòu)建馬鈴薯5個生育期的PNC估算模型。由結(jié)果可知,現(xiàn)蕾期到塊莖增長期,以圖像特征為模型變量構(gòu)建的PNC估算模型的估算效果與光譜特征相差不大,這表明圖像特征能較好地反映馬鈴薯的PNC狀況,其原因是,作物植株氮含量的變化不僅會引起冠層光譜特性發(fā)生改變,也會導(dǎo)致冠層凸凹部分的灰度值及亮度值出現(xiàn)差異,即圖像的紋理和顏色差異,因此,圖像特征也能較好地估算PNC;淀粉積累期,光譜特征估算PNC的效果明顯優(yōu)于圖像特征,其原因是,淀粉積累期,部分馬鈴薯植株開始衰老,葉片逐漸枯黃,紋理減少,顏色特征減弱,導(dǎo)致圖像特征與PNC的相關(guān)性降低。成熟期,2種模型變量構(gòu)建的PNC估算模型均未取得較好的效果,其原因是,馬鈴薯生長后期,受降雨較 多影響,部分馬鈴薯植株枯死凋零, 葉片迅速脫落,這一時期提取的光譜和圖像特征均不能反映馬鈴薯真實(shí)的生長狀態(tài),故模型估算效果較差。

為探究圖譜融合特征估算馬鈴薯PNC的效果,以光譜特征結(jié)合圖像特征為模型變量,利用3種方法構(gòu)建馬鈴薯5個生育期的PNC估算模型。由結(jié)果可知,現(xiàn)蕾期到淀粉積累 期,相較于單一光譜特征和圖像特征,圖譜融合特征構(gòu)建的模型R2均有所提高,RMSE和NRMSE均有所下降,其原因是,圖譜融合特征包含不同氮營養(yǎng)狀況的作物冠層光譜和圖像兩方面的信息,為估算PNC提供了更多的有效信息,能更準(zhǔn)確地反映PNC的變化情況。

成熟期,圖譜融合特征估算PNC的效果明顯變差,其原因是,受降雨等因素的影響,這一時期提取的光譜和圖像特征不能反映馬鈴薯真實(shí)的生長狀態(tài),二者結(jié)合也未能提高模型的精度。利用ENR、BLR和 ELM3種方法構(gòu)建馬鈴薯PNC估 算模型,綜合各生育期的建模和驗(yàn)證結(jié)果可知,基于同種模型變量,利用ENR方法估算馬鈴薯PNC效果最優(yōu),BLR 次 之,ELM最差。其原因是,ENR在損失函數(shù)中同時引入L1和L2懲罰項(xiàng),提高了對自變量的篩選和縮減能力,能更有效地利用多個光譜和圖像特征對PNC進(jìn)行估算;BLR雖能充分利用樣本數(shù)據(jù),但效果不如 ENR,可 能 原 因 是 BLR過于依賴先驗(yàn)信息,導(dǎo)致模型的精度有所降低;ELM雖具有良好的泛化性能,但對較小的數(shù)據(jù)集優(yōu)勢不明顯,導(dǎo)致模型精度不高。此外,本研究僅采用 了1年的馬鈴薯數(shù)據(jù),后續(xù)將采用不同地點(diǎn)及年限的馬鈴薯數(shù)據(jù)驗(yàn)證所得結(jié)論,以期得到普適的馬鈴薯PNC估算模型。

研究方法

(1)利用相關(guān)系數(shù)法篩選的馬鈴薯5個生育期的冠層光譜特征波長存在差異,但多數(shù)集中于可見光區(qū)域。

(2)基于冠層原始光譜特征波長圖像篩選的5個圖像特征與馬鈴薯PNC均達(dá)到0.01相關(guān)水平,且都包含紋理和顏色2種特征。

(3)基于光譜特征、圖像特征和圖譜融合特征構(gòu)建的馬鈴薯 PNC估算模型均表現(xiàn)為現(xiàn)蕾期到淀粉積累期估算效果較好,成熟期效果較差,且現(xiàn)蕾期到淀粉積累期圖譜融合特征的估算效果明顯優(yōu)于單一光譜特征和單一圖像特征。

(4)馬鈴薯各生育期基于同種模型變量利用ENR方法構(gòu)建的PNC估算模型效果較優(yōu),BLR方法次之,ELM方法較差。其中,以圖譜融合特征為模型變量,利用ENR構(gòu)建的PNC估算模型效 果最好。該研究可為馬鈴薯氮肥的精準(zhǔn)管理提供一種新的技術(shù)參考。

推薦

便攜式地物光譜儀iSpecField-NIR/WNIR

專門用于野外遙感測量、土壤環(huán)境、礦物地質(zhì)勘探等領(lǐng)域的最新明星產(chǎn)品,由于其操作靈活、便攜方便、光譜測試速度快、光譜數(shù)據(jù)準(zhǔn)確是一款真正意義上便攜式地物光譜儀。

wKgZomSBdlOASv1JAACIEhUKZfU41.jpeg

無人機(jī)機(jī)載高光譜成像系統(tǒng)iSpecHyper-VM100

一款基于小型多旋翼無人機(jī)機(jī)載高光譜成像系統(tǒng),該系統(tǒng)由高光譜成像相機(jī)、穩(wěn)定云臺、機(jī)載控制與數(shù)據(jù)采集模塊、機(jī)載供電模塊等部分組成。無人機(jī)機(jī)載高光譜成像系統(tǒng)通過獨(dú)特的內(nèi)置式或外部掃描和穩(wěn)定控制,有效地解決了在微型無人機(jī)搭載推掃式高光譜照相機(jī)時,由于振動引起的圖像質(zhì)量較差的問題,并具備較高的光譜分辨率和良好的成像性能。

wKgaomSBdlOAcCJwAABJinx5T6w24.jpeg

便攜式高光譜成像系統(tǒng)iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫(yī)學(xué)醫(yī)療、精準(zhǔn)農(nóng)業(yè)、礦物地質(zhì)勘探等領(lǐng)域的最新產(chǎn)品,主要優(yōu)勢具有體積小、幀率高、高光譜分辨率高、高像質(zhì)等性價比特點(diǎn)采用了透射光柵內(nèi)推掃原理高光譜成像,系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng),高速USB3.0接口傳輸,全靶面高成像質(zhì)量光學(xué)設(shè)計,物鏡接口為標(biāo)準(zhǔn)C-Mount,可根據(jù)用戶需求更換物鏡。

wKgZomSBdlOAFrdWAABMLluj9sU06.jpeg


審核編輯黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 無人機(jī)
    +關(guān)注

    關(guān)注

    229

    文章

    10422

    瀏覽量

    180165
  • 高光譜
    +關(guān)注

    關(guān)注

    0

    文章

    330

    瀏覽量

    9934
收藏 人收藏

    評論

    相關(guān)推薦

    無人機(jī)搭載光譜成像系統(tǒng)

    無人機(jī)搭載光譜成像系統(tǒng)是一種先進(jìn)的遙感技術(shù),結(jié)合了無人機(jī)(UAV)的便攜性和靈活性以及光譜成像
    的頭像 發(fā)表于 08-09 12:00 ?1617次閱讀
    <b class='flag-5'>無人機(jī)</b>搭載<b class='flag-5'>高</b><b class='flag-5'>光譜成像</b>系統(tǒng)

    光學(xué)-無人機(jī)光譜在石家莊學(xué)院的驗(yàn)收

    光譜無人機(jī)
    萊森光學(xué)
    發(fā)布于 :2023年10月20日 15:54:45

    無人機(jī)成像光譜儀的詳細(xì)介紹

    無人機(jī)成像光譜儀體積小、重量輕,非常適合無人機(jī)(UAV)上應(yīng)用,同時無人機(jī)成像
    發(fā)表于 08-20 11:29 ?2622次閱讀

    無人機(jī)光譜成像設(shè)備的研究及應(yīng)用進(jìn)展

    無人機(jī)光譜成像設(shè)備因其機(jī)動靈活、操作簡單等優(yōu)點(diǎn),被應(yīng)用于諸多研究領(lǐng)域,具有廣泛的發(fā)展前景。本文對當(dāng)前無人機(jī)
    的頭像 發(fā)表于 05-05 10:19 ?6430次閱讀
    <b class='flag-5'>無人機(jī)</b>載<b class='flag-5'>高</b><b class='flag-5'>光譜成像</b>設(shè)備的研究及應(yīng)用進(jìn)展

    光學(xué)成功試飛多旋翼無人機(jī)光譜成像系統(tǒng)

    2022年11月30日,光學(xué)(深圳)有限公司的技術(shù)人員外出至東莞市大嶺山森林公園。對iSpecHyper-VM100 無人機(jī)
    的頭像 發(fā)表于 12-07 11:49 ?1140次閱讀
    <b class='flag-5'>萊</b><b class='flag-5'>森</b><b class='flag-5'>光學(xué)</b>成功試飛多旋翼<b class='flag-5'>無人機(jī)</b><b class='flag-5'>高</b><b class='flag-5'>光譜成像</b>系統(tǒng)

    深圳大學(xué)洋涌河水體光譜數(shù)據(jù)采集服務(wù)圓滿完成-光學(xué)

    2022年12月21日,光學(xué)(深圳)有限公司(以下簡稱光學(xué))在深圳市寶安區(qū)洋涌河開展
    的頭像 發(fā)表于 01-09 15:00 ?706次閱讀
    深圳大學(xué)洋涌河水體<b class='flag-5'>光譜</b>數(shù)據(jù)采集服務(wù)圓滿完成-<b class='flag-5'>萊</b><b class='flag-5'>森</b><b class='flag-5'>光學(xué)</b>

    基于多源光譜信息的棉花水、監(jiān)測模型研究-光學(xué)

    具有快速、無損等優(yōu)點(diǎn),因此,本研究以不同水、水平處理的棉花為研究對象,借助無人機(jī)光譜遙感與地面光譜遙感綜合建模,提出多種應(yīng)用于多
    的頭像 發(fā)表于 05-11 11:34 ?566次閱讀
    基于多源<b class='flag-5'>光譜</b>信息的棉花水、<b class='flag-5'>氮</b>監(jiān)測模型研究-<b class='flag-5'>萊</b><b class='flag-5'>森</b><b class='flag-5'>光學(xué)</b>

    基于光譜成像光譜儀的馬鈴薯檢測-光學(xué)

    本文通過基于光譜成像光譜儀的馬鈴薯檢測方法,探討如何在馬鈴薯檢測中提高檢出效率。 ? 一、馬鈴薯
    的頭像 發(fā)表于 05-24 11:19 ?576次閱讀

    基于無人機(jī)光譜遙感的森林可燃物分類方法研究-光學(xué)

    在森林防火中的應(yīng)用,利用無人機(jī)拍攝的多光譜影像進(jìn)行可燃物分類相繼開展,并出現(xiàn)了結(jié)合激光雷達(dá)的可燃物分類方法。我國目前可燃物分類技術(shù)的研究多集中于利用 Landsat衛(wèi)星的多光譜影像,基于無人機(jī)
    的頭像 發(fā)表于 06-02 11:42 ?806次閱讀
    基于<b class='flag-5'>無人機(jī)</b><b class='flag-5'>高</b><b class='flag-5'>光譜</b>遙感的森林可燃物分類方法研究-<b class='flag-5'>萊</b><b class='flag-5'>森</b><b class='flag-5'>光學(xué)</b>

    光譜成像技術(shù)對大米含量的可視化研究-光學(xué)

    光譜成像技術(shù)在許多領(lǐng)域都有廣泛應(yīng)用,包括農(nóng)業(yè)和食品檢測。在大米中蛋白質(zhì)含量的可視化研究方面,光譜成像技術(shù)可以為我們提供有關(guān)大米蛋白質(zhì)
    的頭像 發(fā)表于 06-09 14:37 ?470次閱讀
    用<b class='flag-5'>高</b><b class='flag-5'>光譜成像</b>技術(shù)對大米<b class='flag-5'>含量</b>的可視化研究-<b class='flag-5'>萊</b><b class='flag-5'>森</b><b class='flag-5'>光學(xué)</b>

    無人機(jī)光譜相機(jī)研究馬鈴薯和地上生物量估算

    無人機(jī)(UAV)帶有光譜相機(jī)已經(jīng)成為現(xiàn)代農(nóng)業(yè)技術(shù)的重要組成部分。這種先進(jìn)的技術(shù)可以幫助科學(xué)家和農(nóng)民更準(zhǔn)確地估計作物的生長情況,例如馬鈴薯的株
    的頭像 發(fā)表于 08-23 15:19 ?1203次閱讀
    <b class='flag-5'>無人機(jī)</b><b class='flag-5'>高</b><b class='flag-5'>光譜</b>相機(jī)研究<b class='flag-5'>馬鈴薯</b>株<b class='flag-5'>高</b>和地上生物量<b class='flag-5'>估算</b>

    針對無人機(jī)成像應(yīng)用的鏡頭設(shè)計

    無人機(jī)成像的另一個重要應(yīng)用是:植被的多光譜光譜成像。多光譜成像是在多個單獨(dú)的波長區(qū)域收集數(shù)據(jù)
    的頭像 發(fā)表于 01-14 14:03 ?1258次閱讀
    針對<b class='flag-5'>無人機(jī)</b><b class='flag-5'>成像</b>應(yīng)用的鏡頭設(shè)計

    [光學(xué)]使用無人機(jī)光譜成像系統(tǒng)進(jìn)行地表監(jiān)測

    近年來,隨著遙感技術(shù)的迅速發(fā)展和無人機(jī)(Unmanned Aerial Vehicle,UAV)技術(shù)的普及,使用無人機(jī)搭載光譜成像系統(tǒng)進(jìn)行地表監(jiān)測成為了一種新興且高效的方法。這種結(jié)合
    的頭像 發(fā)表于 01-17 13:51 ?418次閱讀
    [<b class='flag-5'>萊</b><b class='flag-5'>森</b><b class='flag-5'>光學(xué)</b>]使用<b class='flag-5'>無人機(jī)</b><b class='flag-5'>高</b><b class='flag-5'>光譜成像</b>系統(tǒng)進(jìn)行地表監(jiān)測

    無人機(jī)機(jī)載光譜成像系統(tǒng)的應(yīng)用及優(yōu)勢

      隨著無人機(jī)技術(shù)的快速發(fā)展,基于無人機(jī)平臺的光譜成像系統(tǒng)在多個領(lǐng)域中得到了廣泛應(yīng)用。本文將介紹一款小型多旋翼無人機(jī)機(jī)載
    的頭像 發(fā)表于 08-15 15:03 ?682次閱讀
    <b class='flag-5'>無人機(jī)</b>機(jī)載<b class='flag-5'>高</b><b class='flag-5'>光譜成像</b>系統(tǒng)的應(yīng)用及優(yōu)勢
    主站蜘蛛池模板: 久久久影院亚洲精品| 青青青视频在线| 日本无码欧美激情在线视频| 亚洲 欧美 清纯 校园 另类| 2017最新伦理伦理片67| 囯产精品久久久久免费蜜桃 | videossex性暴力| 国产欧美国日产在线播放| 秘密教学26我们在做一次吧免费| 日本熟妇乱妇熟色A片蜜桃亚洲 | 亚洲欧美精品无码一区二在线| 67194成在线观看免费| 国产树林野战在线播放| 蜜臀AV999无码精品国产| 无码国产成人午夜在线观看不卡 | 蜜芽一区二区国产精品| 忘忧草在线影院WWW日本二| 中文字幕亚洲视频| 国产精品嫩草影院| 牛牛在线精品视频| 亚洲人人为我我为人人| 动漫护士被乳羞羞漫| 久热人人综合人人九九精品视频| 无限好资源免费观看| G国产精品无马| 久久re视频这里精品09首页| 体育生爆操| AV精品爆乳纯肉H漫网站| 精品无码乱码AV| 玩高中女同桌肉色短丝袜脚文| 99国内精品久久久久久久清纯| 国模啪啪久久久久久久| 色大姐综合网| 9国产露脸精品国产麻豆| 久久国产欧美| 无颜之月全集免费观看| 背着老婆爆操性感小姨子| 美女扒开屁股让男人桶| 亚洲免费人成在线视频观看| 国产成人久久AV免费看澳门| 欧美 亚洲 日韩 中文2019|