【技术】一种基于YOLOv5的高分辨率遥感影像目标检测方法
如图4所示,GhostConv模块通过将传统的卷积运算与廉价的线性运算相结合,充分利用特征提取与特征映射冗余特性之间的关系,减少了模型的参数量和浮点计算,同时确保了检测性能。GhostConv模块采用普通卷积层生成少量的特征图,利用廉价的线性运算增强特征,增加通道数。图4普通卷积运算和GhostConv卷积模块运算2实验2.1数据集...
ASD | 使用 VIS-NIR 光谱仪通过特征波长和线性判别分析法快速区分...
分别对这些蔬菜的叶子和茎的反射光谱进行二元分类。鉴于VIS-NIR光谱范围广泛,使用稳定性选择(SS)、随机森林(RF)和方差分析(ANOVA)来评估遗传算法(GA)选择的波长的重要性。根据GA选择的波长及其SS评估值和位置,叶片光谱分类的显著波段为550-910nm和1380-1500nm,而茎光谱分类的显著波段为750-900nm...
未来生物识别的“光谱猎手”:高光谱传感器产业化之路初现
每种物质有自身特有的光谱曲线,因此根据吸收或者反射的光谱便能确定物质的种类。高光谱成像技术(HSI)便是基于此种原理,通过获取大量连续窄波段(通常小于10nm)的物体光谱信息,将光谱信息与普通成像信息相结合,最终将数据合成为光谱连续的图像数据。高光谱成像是光谱技术和成像技术的结合,通常也被称为成像光谱技术。高光...
遥感分析时什么情况下需要做大气校正?
可以看出,具有严格模型的QUAC和FLAASH方法,得到的光谱曲线更能准确地反应健康植被的光谱特性。和暗像元法和表观反射率定标法相比,经过FLAASH和QUAC校正的光谱曲线,其吸收特征更贴近实际的光谱曲线。图用四种大气校正方法得到的同一植被像元光谱曲线对比
2024年南京邮电大学硕士研究生考试大纲
应用:常见双变量统计分析方法应用;常见多变量统计分析方法应用7.撰写研究报告识记:基本概念领会:研究报告的类型;研究报告的撰写步骤;撰写定量研究报告应注意的问题;定性研究报告与定量研究报告的比较应用:定量研究报告各部分的撰写;定性研究报告各部分的撰写参考教材1.全国社会工作者职业水平考试教材编委会...
重磅!GPT与Python联手,农大研究生连续在顶尖期刊上发表研究成果
“最新AI支持下近红外光谱数据分析”高级培训班,旨在帮助学员掌握ChatGPT4.0在科研工作中的各种使用方法与技巧,以及人工智能领域经典机器学习算法(BP神经网络、支持向量机、决策树、随机森林、变量降维与特征选择、群优化算法等)和热门深度学习方法(卷积神经网络、迁移学习、自编码器、U-Net等)的基本原理及Python、...
高光谱成像仪与地物光谱仪作物实验对比
传统的地物光谱仪仅能采集单一的光谱数据,其点测量(Spotmeasurement)数据采集方式造成测量效率低、误差大(比如几乎没法精准病斑测量)等缺点,且数据分析非常耗时。IQ智能高光谱相机具备智能化、高通量面测量、在线实时分析等特点,一举解决了高通量+光谱测量+成像分析问题,革新了作物表型研究、性状分析、病虫害监测研究的...
学术交流 | 空谱协同多尺度顶点成分分析的高光谱影像端元提取
端元提取是从高光谱影像中提取纯净的地物光谱曲线。目前高光谱端元提取算法主要分为以下5大类[5]:几何单形体体积法、统计误差法、空间投影法、融合空间信息的端元提取算法、稀疏回归算法。几何单形体体积法基于图面几何体理论,利用高光谱点云数据在特征空间中呈现的凸面单形体结构,寻找顶点作为高光谱影像中的端元,典...
基于无人机高光谱技术的烟草生化指标分析研究
图4烟草与其他地物的光谱反射率曲线2.4植被指数分析植被指数是一类具有一定生化意义的不同波段光谱值的组合,通常有比值植被指数、线性组合植被指数、修正植被指数、差值植被指数等。不同波段组合的植被指数对于不同指标预测效果不同。在农业上,基于光谱技术检测作物生理指数的波段范围一般在400~2500nm之间,涉及到色...
中科谱光:软硬“能打”推动高光谱技术在河南的落地与应用
高光谱属于遥感的细分领域,利用成像光谱仪在连续的几十甚至几百个光谱通道获取地物辐射信息,在取得空间图像的同时,每个像元都能够得到一条包含地物诊断性光谱特征的连续光谱曲线,根据光谱信息能够定量分析物质组成成分。它的出现和发展使人类通过遥感技术观测和认识事物的能力产生了一次飞跃,也续写和完善了光学遥感影像从全...