欧美+日本+国产+在线观看,精国产品一区二区三区A片,国产50部艳色禁片无码,精品国模一区二区三区

網站首頁產品展示多光譜相機RedEdge-P > 多光譜相機RedEdge-P對農田作物監測
多光譜相機RedEdge-P對農田作物監測

多光譜相機RedEdge-P對農田作物監測

訪問次數:1791

產品廠地:深圳市

更新時間:2022-10-15

簡要描述:多光譜相機RedEdge-P對農田作物監測,RedEdge-P無人機載多光譜相機是款堅固耐用、質量和功能大的多光譜相機。擁有分辨率全色帶,輸出分辨率為2cm (離地60m)。捕捉經過校的分辨率多光譜和RGB圖像,化的FOV和捕獲率。集成了分辨率全彩色成像儀和同步多光譜成像儀,以實現像素對齊輸出

詳細說明:

品牌其他品牌產地進口
加工定制重量350克

多光譜相機RedEdge-P對農田作物監測

MicaSense多光譜相機RedEdge-P產品應用:

植物計數:植物計數算法需要分辨率圖像。RedEdge- P將全色透鏡與分辨率多光譜透鏡相結合,可生成分辨率RGB和多光譜,使其即使在早期生長階段也能進行植物計數。

表型分析:手動測量農作物的各項征數據非常耗時,RedEdge- P波段組合允許生成分辨率多光譜輸出,從而能夠檢測葉的變異性。

植物健康制圖: RedEdge-P的分辨率多光譜輸出允許生成指數和復合指數,以查看植物中單個葉綠素水平并隨著時間的推移對數值進行比較。

病蟲害識別: RedEdge-P能夠捕捉用于植物研究的關鍵光譜部分(712~722 nm)。此部分稱為紅邊諸帶。正是在這個光譜帶,植物開始顯現逆境狀況。借助由紅邊諸帶生成的分析數據,我們可以快地識別病蟲害并快地采取措施來阻止病害傳播。

作物區分和雜草識別:物種之間的某些差異可能無法通過肉眼進行判斷。分辨率的多光譜數據可通過突出顯示葉綠素含量、植物活力和葉片大小等征來區分物種(包括雜草)。

作物勘查:分辨率的多光譜和RGB成像技術具有的田地偵察功能。RedEdge-P在次 飛行中,可以收集某個問題確且帶有地理標簽的信息,從而使您可以輕松評估現場情況并確定適當的干預措施。

分辨率3D點云: RedEdge- P的5.1MP像素全色波段提供了RedEdge-MX (行業標)兩倍以上的地面分辨率,可生成較點密度達4倍的3D點云。

肥料管理: RedEdge P的分辨率和確輸出不可以輕松識別養分含量低的區域,還可以幫助監控整個季節的施肥效果來確定是否需要,以及在何時何地需要再次施肥。


倒伏是影響農作物產量的一個常見且重要的因素,常由大風、暴雨、冰雹等氣象災害引發,一般多發生在水稻、小麥、玉米等糧食作物灌漿期至成熟期,導致作物嚴重減產,谷物品質下降。

快速、準確地監測作物的倒伏災害,有助于管理者及時評估損失,也有助于育種人員選育抗倒伏品種。
近年來,基于無人機平臺的遙感技術正以其機動靈活、低成本的勢,在倒伏監測中發揮著越來越重要的作用。此次來自上海農科院的田明璐和班松濤博士為我們講述了他們如何使用無人機多光譜/可見光傳感器監測水稻倒伏,并且對比了這兩種傳感器的監測結果。

項目地點

上海崇明東灘

項目所屬機構

上海市農業科學院

傳感器

可見光:DJI 精靈4 RTK多光譜:Micasense RedEdge

軟件

Pix4Dmapper

項目大小

1平方公里

飛行度

100米

影像重疊率

80%航向 70%旁向

倒伏監測流程  

 

無人機倒伏監測流程可以分為三個步驟,分別是數據采集、數據處理、以及數據分析。
在數據采集階段,工作人員使用無人機搭載可見光或多光譜傳感器對農田進行掃描式影像采集,需要注意飛行度、重疊率以及天氣等因素。

image.png

在數據處理階段,把上一階段采集到的可見光或多光譜影像導入Pix4D軟件中進行校正、拼接等處理。班松濤博士評價說:“Pix4D軟件能生成定位和輻射雙的正射影像,是我們進行農業研究的利器。" 這一階段的成果是農田的完整可見光或多光譜正射影像鑲嵌圖。
在數據分析階段,工作人員分別使用農科所自行研發的倒伏監測模型,對上述各種正射影像進行逐像元的解算和分類,找出哪里是正常作物,哪里是倒伏作物。
可見光倒伏監測模型的分類機理是基于作物的色彩和紋理。相比于正常作物,倒伏作物在色彩和紋理上都會有明顯不同:比如倒伏水稻的紋理更為規則,在綠通道上的均值紋理特征要顯著于正常水稻。

image.png

可見光倒伏監測基礎:倒伏/正常作物在色彩和紋理上會有明顯不同
相對而言,多光譜倒伏監測模型的分類機理是:當作物發生倒伏后,作物冠層結構和植株理化成分發生變化,進而影響反射光譜。比如在綠、紅邊和近紅外波段,倒伏作物的反射率與正常作物有明顯區別。

image.png

可見光 vs 多光譜  
以下兩張是可見光和多光譜倒伏監測模型所得到的分類圖,兩者的分類結果基本一致,倒伏水稻約占整體面積的30%。

image.pngimage.png

上圖:基于可見光影像的倒伏分類圖;下圖:基于多光譜影像的倒伏分類圖

田明璐和班松濤博士分別從以下幾個維度,來分析可見光和多光譜,哪個方法更占勢:


基于可見光和多光譜的倒伏監測模型,其識別都達到了90%以上。使用多光譜影像比使用可見光影像更,這主要是因為多光譜相機能獲取更大范圍波長的信號,特別是對植被敏感的紅外波段和近紅外波段。此外,多光譜相機獲取的數據經過了嚴格的輻射校正,生成的數據比可見光相機更準確。

處理時間

基于多光譜影像的倒伏監測模型更為簡潔,物理意義更明確,對圖像的解算速度也更快。

成本


可見光相機使用范圍廣,成本更低,因此具有更廣闊的應用前景。

結論

使用多光譜相機還是可見光相機,需要根據項目的大小、目標、預算、已有技術等實際情況來決定。然而無論使用哪種傳感器,基于無人機平臺的遙感技術都可以及時、效、地提取作物倒伏信息,可以作為作物災害監測的有效技術手段。


RedEdge-P產品特點:

CFexpress移動存儲,存儲空間大

每2次以上的捕獲率

分辨率RGB和多光譜同步捕獲,多達6個離散光譜波段,分辨率輸出,如RGB、作物活力指數(NDVI. NDRE等)和分辨率全色波段

空間分辨率,可達2cm (離地60m)

空間分辨率1:1輸出,每個成像器都有個濾鏡

具有全色段圖像銳化,圖像清晰

全色段傳感器,達5.1MP

配備CRP2校正板,是經過校的光發射控制板

堅固設計,IP4X防塵和防濺


多光譜相機RedEdge-P對農田作物監測



留言框

  • 產品:

  • 您的單位:

  • 您的姓名:

  • 聯系電話:

  • 常用郵箱:

  • 省份:

  • 詳細地址:

  • 補充說明:

  • 驗證碼:

    請輸入計算結果(填寫阿拉伯數字),如:三加四=7