智农云芯(Agribrain)-CSDN博客

原创【教程】如何高效提取香蕉果实的形态表型特征？

本教程旨在指导如何高效地提取香蕉果实的表型特征，以便快速进行科学研究、品种鉴定或品质评估。

2024-07-10 10:28:54 493

可根据RGB的整体均值获取梨果实表面颜色分布情况，利用RGB颜色空间中各个颜色通道中Homogeneity（同质度）、Contrast（对比度)、Dissimilarity（非相似性）等各纹理指标的的差异快速对梨果实的果点分布进行全面分析，从而深入了解果点的形态特征、分布规律和复杂性等信息。① 一块背景布(黑色或蓝色)和一个白板(5cm*5cm)、成像设备(数码相机、手机、无人机、扫描仪、单反相机等均可)、需要分析的样本。梨主要分为砂梨、白梨、秋子梨、新疆梨、西洋梨五大品种，被视为至关重要的农艺性状。

2024-07-09 17:58:58 270

原创【教程】如何高效提取番茄果实的形态表型特征？（果纵径、果横径等）

本教程旨在指导如何高效地提取番茄果实的表型特征，以便快速进行科学研究、品种鉴定或品质评估。

2024-07-09 17:53:41 242

原创【教程】基于无人机的苗数统计教程

本文介绍了一种基于无人机的苗数统计的方法，在高效便捷的同时兼顾精准性，能够正确识别目标作物，分割土壤和植被，统计苗数、覆盖率和田块面积等数据。

2024-07-05 11:52:03 826

原创【教程】基于无人机的作物生长监测

本文将以无人机一体化分析系统为工具，通过分析示例作物的图像，获取与作物生长监测相关度较高的几个关键性指标，并将不同小区进行数值对比，介绍如何使用无人机技术进行作物生长监测。

2024-06-26 13:50:50 852

原创【教程】基于无人机的苗情苗势信息监测

农作物苗期阶段的生长状态和健康状况是作物生命周期中的关键时期，决定了后续生长和产量的潜力,传统苗情获取主要依靠植保员田间抽样调查、手动估算，这种方式主观性强、精确度低且费时费力，难以满足当前农业发展要求。随着遥感技术的发展，针对大田环境中作物苗情信息人工采集困难、误差大、效率低等问题，无人机具有效率高、成本低、操作灵活、更适合复杂农田环境等特点，不仅克服了人工获取影像数据的困难，还可减少人体接触对农作物的损害，为大范围农情信息获取提供了新的技术手段。

2024-06-21 16:37:46 885

原创【教程】基于无人机的高效抗逆品种筛选

以田间选择为主的“经验育种”表型评价方法仍然需要耗费大量的人力和物力，且效率低。因此，高效信息采集工具越来越备受关注，其中无人机采集分析一体化技术为田间作物品种选育提供了最优方法，可实现光谱数据的快速精准采集和检测，从而反映植物健康程度或生理生态情况。植被光谱指数分析可以为品种筛选提供重要标准，本次将以NDVI、mSR、RVI、LCI、OSAVI植被指数为抗逆的标准。的NDVI、mSR、RVI、LCI、OSAVI等关键植被指数均比2号小区表现优异，结果表明：1号小区品种比2号小区品种更抗逆。

2024-06-18 15:30:53 178

原创高光谱图像处理流程

高光谱数据具有比RGB图像和多光谱数据更高的光谱分辨率和信息含量，这使其能够识别和分析传统影像无法检测到的材料和生物。已有研究结果表明，高光谱遥感在作物含氮量、产量和营养价值监测等方面具有较高可行性。

2024-03-20 15:37:13 911 1

原创如何选购无人机实现图像智能分析？

支持添加任意经典机器学习和深度学习模型的可视化训练和调参模块，无需编程，使得算法训练和分析一体化，更方便应对复杂图像场景的准确分割和日常数据分析问题。

2024-03-20 15:34:33 170 1

原创如何处理无人机多光谱/高光谱图像

一般的可见光无人机能获取的指标数据有限，为了获得更复杂的植物参数和指标，往往需要配备多光谱甚至高光谱无人机，然而昂贵的无人机却不能和预想一样自动获得各区域数据信息，只是得到了一堆图像，后续的图像处理和分析才是真正令人头疼的。

2024-03-20 15:31:38 1119 1

原创无人机图像识别处理教程

无人机采集到的图像需要进行下一步的拼接处理，利用计算机视觉技术，自动识别和匹配航摄图像中的特征点，并将其拼接成为完整的地图或景观。常用无人机图像拼接软件有PIX4D、Agisoft Metashape、大疆智图、PhotoScan等，大大提高了图像处理的精度和效率。

2024-03-20 15:28:56 355 1

原创【教程】如何量化叶片分裂程度？

叶片形态可直接影响植物的生理生化过程, 反映植物的资源获取策略。叶裂是植物叶的植物学形态特征的组成部分，有些植物的叶片天生具有叶裂，有些植物在缺乏营养时叶片会出现叶裂，基于植物叶特征的生长监控一直是农业信息领域的研究热点，量化叶片分裂程度，有助于研究植物生理生化过程及提出相应的策略。② 成像设备(数码相机、手机、无人机、扫描仪、单反相机等均可)一块背景布(黑色或蓝色)和一个白板(5cm*5cm)分析结果表明：叶片分裂程度与相对应的表格数据相匹配。提取需要分析的图片，点击。③ 需要分析的样本。

2024-03-06 11:47:07 114 1

原创【教程】如何高效提取葡萄表型特征？

纹理：Homogeneity(同质度)、Contrast(对比度)、Dissmilarity(非相似性)、Entropy(熵)、ASM(角二阶矩)、 Correlation(相关性)等。颜色:R(红色)、G(绿色)、B(蓝色)、L(亮度)、a(颜色通道)、b(颜色通道)、H(色调)、S(饱和度)、V(明度)；Roundness(圆度)、Length(长)、Width(宽)、L/W Ratio(长宽比)、Area(面积)、Perimeter(周长)等。②PhenoAI分析系统。提取需要分析的图片，点击。

2024-03-04 17:24:56 203 1

原创【教程】快速测量叶片表型

常用在植物生物生化、生理生态、作物栽培管理与育种等研究和应用方面。因此，准确获取所研究对象单位叶面积具有重要的意义。叶片是植物进行光合作用的主要器官。是众多关于估算植物特征参数模型输入或输出的重要参数。步骤二：使用成像设备(数码相机、手机、无人机、扫描仪、单反相机等)进行拍照。② 成像设备(数码相机、手机、无人机、扫描仪、单反相机等均可)一块背景布(黑色或蓝色)和一个白板(5cm*5cm)分析结果自动弹出(各作物的轮廓标记图及数据汇总表)提取需要分析的图片，点击。③ 需要分析的样本。

2024-02-28 13:05:42 322 1

原创【教程】如何高效提取种子表型特征(以红豆银杏种子为例）

该系统适用于各类茄果作物，自动化提取近60个表型指标，包括形态（果横径、果纵径、面积、周长、圆度等)、颜色(R、G、B、H、S、V、L、a、b 等)、纹理（dissimilarity、energy、correlation、ASM、entropy 等）三大类指标，并且还能通过添加模型功能扩展任意个性化功能，针对个性化或细粒度提取需求，分析平台支持添加任意机器学习或深度学习模型进行个性化拓展。种子是人类赖以生存的粮食的最主要来源，为人类提供了80%的主粮，是粮食产量和品质形成的基础。提取需要分析的图片，点击。

2024-02-28 11:56:16 202 1

Agribrain的博客