高光谱成像仪,精准农业,农作物检测,遥感探测_高光谱成像仪_高光谱相机_高光谱成像系统解决方案-江苏双利合谱科技有限公司

网站首页 > 行业应用 > 精准农业

精准农业∣ODP：利用无人机高光谱图像估算玉米光合能力和产量的新指标

快速、准确地监测光合指标对了解作物生长发育、预测产量具有重要意义。高光谱图像在作物辐射检测中具有非破坏性，已成为评估作物光合能力的有力工具。大多数光合指标具有瞬时理想值，不能充分反映作物群体在田间环境下的光合能力。本研究在综合净光合速率（Pn）、气孔导度（Gs）、内部CO2浓度（Ci）、蒸腾速率（Tr）等多种光合指标的基础上，提出了一种新的指标“单日光合作用”（one day photosynthetic，ODP）。对频率为2小时的时间序列光合指标进行趋势拟合，计算拟合曲线在时间轴上的投影面积。利用CRITIC和相关法对投影区域赋权计算ODP，并利用百粒重生长（HGW）检验ODP的可行性。最后，构建了基于冠层高光谱数据的ODP估算模型，并对产量进行了进一步估算。本研究结果为新的ODP指标提供了新的见解，在玉米光合能力和产量的有效估算中具有潜在的应用前景。阅读全文 ∨
从识品种到辨霉变，高光谱成像赋能粮食质量全链条监控

【上期回顾】我们介绍了高光谱成像技术在粮食水分、脂肪酸、蛋白质等理化品质检测中的最新研究进展，展示了其在粮食品质可视化和精准定量中的强大潜力。【本期看点】今天我们将进一步聚焦高光谱成像技术在粮食品种识别与不完善粒检测中的应用，从假种子识别、混杂品种分辨，到霉变、虫蛀等缺陷的精准分类与可视化分析，一起看看高光谱如何“看穿”每一粒粮食的内外品质，为粮食安全保驾护航！阅读全文 ∨
颠覆传统！高光谱成像+深度森林模型，精准识别冻害水稻种子

本研究采用高光谱成像技术和深度森林（DF）模型，对不同程度霜害稻种进行快速无损分类。通过优化光谱数据预处理（如多元散射校正MSC）和特征提取算法（如邻域成分分析NCA），构建了多种分类模型，并对比了传统机器学习方法（决策树、KNN、SVM）与DF模型在小样本数据上的表现。结果显示，DF模型具有更高的分类精度和鲁棒性。研究还通过可视化技术直观展示了霜害稻种的分类结果，为农业生产中的种子筛选和质量控制提供了高效、智能化的解决方案。该方法不仅提高了霜害种子检测精度，也为高光谱成像在精准农业中的应用提供了重要参考。阅读全文 ∨
从光谱中读懂土壤：基于高光谱与多尺度特征的碳含量预测

高光谱成像技术在本研究中的应用方向是土壤碳含量预测。通过多尺度的空间和光谱特征融合，该研究旨在提升土壤碳含量预测的精度和稳定性。这种方法结合了高光谱影像中不同尺度的光谱和空间信息，提出了一个多尺度的光谱和空间特征网络(SpeSpaMN)模型，有助于在大范围和快速采集土壤碳含量数据的应用。阅读全文 ∨
红薯瑕疵无处遁形！高光谱成像技术：品质检测的“超级显微镜”

红薯缺陷的快速非破坏性检测和分类技术能够同时获取样品的光谱信息和空间信息，为红薯的品质评估提供了一种有效的工具。通过高光谱成像技术的应用，可以实现对红薯中的健康、冻伤和病变样本的精确鉴别，进而提高红薯加工和储存过程中的经济效益。阅读全文 ∨
高光谱揭秘叶片生物量监测新方法-基于最佳光谱特征提取

本论文的应用方向集中于农业中作物叶片生物量的精准监测及高光谱数据的特征提取。通过提出的SIPLS-SPA方法，有效提取小麦叶片生物量的敏感光谱特征，用于构建准确、稳定的预测模型，支持农田精准管理、资源优化及作物育种。同时，该方法适用于植物性状的快速检测，为生态环境监测中的碳循环评估和农业信息化提供新思路。这一成果可广泛应用于未来农业和生态系统的相关研究中。阅读全文 ∨