""
办公室技术商业化
http://www.research.umn.edu/techcomm
612-624-0550

使用3D模型植物生物识别估计

技术#20180266

关于这项技术的问题? 问一个技术经理

下载打印的PDF文档

图库
Corn cropsPlant biometric measurementsSelf-Organized Map algorithm on a leaf
类别
研究人员
尼可拉斯papanikolopoulos博士
教授,计算机科学与工程
外部链接 (www.cts.umn.edu)
由Vassilios morellas博士
主任,计算机科学与工程
外部链接 (www.cts.umn.edu)
大卫·穆拉博士
教授,土壤,水和气候
外部链接 (www.swac.umn.edu)
迈克bazakos
研究员,计算机科学与工程
由...管理
凯文镍
技术授权官 612-625-7289
专利保护

我们正在申请专利
出版物
结合机器学习与精准农业应用计算机视觉
明尼苏达博士学位的大学论文。 , 2018年4月

使用2D图像来估计作物生物识别

这种技术是用于自主估计的各种使用领域的普通二维图像作物生物特征的新的设备和方法。第一,系统创建使用由无人驾驶车辆捕获的图像的作物的三维(3D)模型。接下来,位置和树叶的取向和个体植物的茎由系统自主地定义。使用这个信息,系统可以估算作物生物,其中包括:

  • 株高
  • 叶长
  • 叶面积指数
  • 叶子数
  • 叶茎的角度
  • 节间距

监测作物生长状态和健康状况无破坏

早期发现作物的不足,以及生长状况定期评估是管理健康的作物和最大限度地提高产量的关键。植物生物信息通常用于评估作物的健康和生长状况。然而,获取这些信息往往需要被分析的农作物的破坏。而另一方面,非破坏性的技术往往是劳动密集和缺乏分辨率和精度。可替代地,可以使用利用从无人操纵的飞行器获得的高分辨率图像创建的所述作物的详细3D模型。最近,研究人员在美国澳门新葡新京已经开发出一种系统,自主建造,使用普通,RGB图像的庄稼详细的3D模型。该系统还能够处理3D模型来估计的各种有用的植物生物测定数据的,由容易获得的农民。这种新的生物检测方法,帮助农民更好地了解不仅是整个农场的需要,也是个人的植物。这种高精度的生物特征数据使农民能够快速识别的营养需求,并引导针对小面积到整个农场的潜在治疗的决定。

发展阶段

  • 概念验证。

好处

  • 低成本,移动和易于部署
  • 密切监测生长状况提高产量和利润
  • 早期发现营养不良,并计划潜在的治疗策略
  • 非破坏性替代现有繁琐生物统计估算方法
  • 生物识别技术的自主估计减少了手工劳动

特征

  • 自主估计6个不同的作物生物
  • 估计使用的是详细的3D模型完成的 - 比2D模型更精确
  • 配备有成像装置和作物造型装置无人驾驶车辆
  • 稳健,高效计算自组织映射(SOM)算法

应用

  • 作物生物识别技术
  • 精准农业
  • 农业自动化


感兴趣的许可?
学校依托行业合作伙伴进一步发展,并最终这一技术商业化。许可证是为销售,生产或使用受专利声称产品。请联系 凯文镍 分享这一技术,让您的业务需求,并授权和技术利益。