当前位置: 首页 > news >正文

【教程】基于无人机的大豆光合效率研究

在追求田间大豆高产的过程中,光合作用效率被视为一个至关重要的因素,本文将介绍一种基于无人机的大豆光合效率研究方法,可对大豆冠层性状进行无损测量(最高单架次可作业10万亩),通过全自动提取分析大豆种植小区的NDGI、RGRI、GNDVI等植被指数并进行更精准的图像分割,比较不同的光谱指数高低来判断大豆的光合作用强弱,进一步分析比较它们的产量或者株型等。

工具/材料

① 无人机(搭载可见光、多光谱、高光谱镜头均可,本次实验搭载多光谱)

②PhenoAI air分析系统

方法/步骤

步骤一:无人机飞行进行图像采集

步骤二:利用拼接软件对无人机图像进行影像处理

步骤三:使用PhenoAI air对图像进行数据分析,仅需点击三步即可(①标记小区②尺度校正③点击分析)

*分析结果自动弹出(精准分割各植被的轮廓标记图及数据汇总表)

结果

本文以NDGI、GBRI、RGRI作为判断大豆光合作用的强弱,可以预见的是,提高大豆育种研究效率的下一个突破将高度依赖于表型分析过程的自动化,从而利用大豆全生育期中的基因组和量化的表型信息,将基因型和大豆表型相关联。

PhenoAI air是一款集无人机高效采集和图像智能分析为一体的表型采集系统,帮助用户快速测量苗情苗势、抗逆选育等。自动化提取各类大田植物和草业的农艺性状并精准量化表型信息,不论是高光谱、多光谱还是可见光图像,都可一键分析,精准分割,同时分析图表自动化保存,并描出植被轮廓方便用户查看识别精度。支持拓展PhenoAI Flow 进行表型数据的深度学习建模和挖掘,还可搭载可视化多组学AI分析平台GSBrain,完成从表型提取到基因挖掘的整体链路。

http://www.lryc.cn/news/592198.html

相关文章:

  • 实战指南|智慧无人机安防系统搭建全流程解析
  • 前端项目利用Gitlab CI/CD流水线自动化打包、部署云服务
  • 无人机悬停技术运行与难点分析
  • 【QT】调用外部dll
  • 无人机传感器模组运行与技术难点分析
  • Python练习(5)Python参数传递的20道核心实战练习题(含答案与深度解析)(下)
  • H3CNE小小综合实验
  • js中的微任务和宏任务的理解
  • 【宇树科技:未来1-3年,机器人可流水线打螺丝】
  • 脚手架本地link标准流程
  • Java HashMap高频面试题深度解析
  • SpringBoot-27-企业云端开发实践之跨域认证JWT
  • BGP的“聪明选路”遇上了TCP的“路径洁癖”,需人工调和
  • jar命令提取 JAR 文件
  • Esbuild-新一代极速前端构建打包工具
  • PE系统机器视觉实战(直播回放)
  • 提示工程核心概念:与AI清晰沟通的艺术
  • wx小程序设置沉浸式导航文字高度问题
  • ::v-deep 是 Vue 中用于 ‌样式穿透(深度选择器)‌ 的语法
  • 自然语言处理:AI 如何听懂人类的 “话”?​
  • 香港服务器SSH安全加固方案与密钥认证实践
  • 多模态大模型重构人机交互,全感官时代已来
  • 从算力到智能资产:Sol long引领A I A g ent赋能设备的价值重构
  • 雪豹大模型驱动效率革命 华鼎冷链科技重构餐饮供应链神经网络
  • Mock 单元测试
  • 物流3D工业相机:解锁自动化物流新纪元
  • Python Pandas 实践学习笔记(1)
  • GISBox切片器技术解析:RVT模型到3DTiles瓦片的高性能转换方案
  • elasticsearch+logstash+kibana+filebeat实现niginx日志收集(未过滤日志内容)
  • 使用 C++ 和 OpenCV 进行表面划痕检测