精品亚洲a∨无码专区毛片-精品亚洲aⅴ无码午夜在线-精品亚洲aⅴ无码午夜在线观看-精品亚洲aⅴ无码一区二区三区-精品亚洲aⅴ无码专区毛片-精品亚洲aⅴ在线

GaiaSky mini3-VN 無人機載高光譜成像系統適配大疆 M300 RTK。采用自有的內置掃描 系統和基于大疆 Payload SDK 開發的專用三軸增穩云臺系統，成功克服了無人機系統搭載高光譜相機 時，由于無人機系統的自身震動，以及飛行過程中由于飛機偏航、俯仰和翻滾所造成的成像質量扭曲變形的問題。在獲取研究對象的影像的同時獲得每個像元的光譜分布，定量分析地球表面生物物 理化學過程和參數，為無人機載高光譜成像技術在目標識別、wei裝與反wei裝軍事領域，地面物體與 水體遙測、現代精細農業等生態環境監測等領域的廣泛應用奠定了基礎。

系統特點：

1、適配大疆 M300 RTK 無人機

2、采用懸停拍攝方式，搭配基于大疆 Payload SDK 開發的專用三軸增穩云臺系統，圖像清晰無變形

3、飛機、云臺、成像儀均單一接口連接，即插即用，操作方便，可實現單人操作

4、可規劃航點航線（內置推掃模式）和航帶航線（隨無人機飛行推掃模式）。全程自動飛行采集數 據。

5、高光譜鏡頭實現真正的所見即所得，數據采集過程實時顯示，輔助真彩色攝像頭監控拍攝區域， 并同時保存高清圖片。

6、數據預覽及矯正功能：輻射度校正、反射率校正、區域校正支持批處理

7、實時常用植被指數計算功能：歸一化植被指數(NDVI)、比值植被指數(RVI)、增強植被指數 (EVI)、大氣阻抗植被指數(ARVI)、改進紅邊比值植被指數(mSR 705)、、Vogelmann 紅邊指數2  測 (VOG)、光化學植被指數(PRI)、結構不敏感色素指數(SIPI)、歸一化氮指數(NDNI)、類胡蘿卜素反 射指數 1(CRI1)、類胡蘿卜素反射指數 2(CRI2)、花青素反射指數 1(ARI1)、花青素反射指數 2(ARI2)、水波段指數(WBI)、歸一化水指數(NDWI)、水分脅迫指數(MSI)、歸一化紅外指數(NDII)、 歸一化木質素指數(NDLI)、纖維素吸收指數(CAI)、植被衰減指數(PSRI)、調整土壤亮度的植被指數 (SAVI)

8、支持自定義實時分析模型輸入功能，采集數據過程中實時得到結果并顯示、保存。

9、數據格式兼容 Evince、Envi 等第三方數據分析軟件

GaiaSky mini3-VN 無人機載高光譜成像系統配置及參數：

光譜范圍：400-1000 nm

光譜分辨率：5±0.5 nm

采樣光譜分辨率：1.4nm

NCU：7 代 i5,8G 內存，256G SSD

光譜通道數：224；448

空間通道數：1024（默認）

成像速度：4s/cube

連接方式：Gige

功率：45W

輔助相機：500W 像素

數值孔徑：F/1.7

視場角：23°

成像方式：逐線推掃

總重量：1.1Kg

采集及處理軟件：SpecVIEW

采集功能：可靈活設置曝光、增益、速度，動態顯示實時高光譜圖像和高光譜曲線；具有輔助攝 像頭可做到所見即所得；具有自動曝光、自動速度匹配、自動數據保存等功能；支持任意三波段 合成實時顯示、圖像回傳；支持一鍵采集黑白幀和大面積定標標靶數據采集；數據保存格式通用 性廣，自帶常用的數據回看、校正功能，并有優化過的快速校正以及特殊校正算法。

預處理功能：幾何校正、反射率校正、區域校正、輻射度校正等功能；無需第三方軟件可一鍵獲 取聚類分析、單波段、真假彩色、20 種以上植被指數（可自定義）、圖像三維裁剪、目標光譜識 別等圖像，以上功能皆可實現無人值守批處理 。能自動使用 GPS 及慣導系統獲取的 GPS 信息和 飛行姿態數據，對高光譜影像進行自動幾何糾正，并能顯著消除由無人機等機載平臺運動照成的 圖像扭曲，處理后的影像不應存在明顯的條帶錯位現象；能對各糾正后的條帶數據進行有效的自動拼接，拼接結果不含明顯錯位現象；提供對所有波段進行輻射度校準的功能。

成像原理模擬：

應用案例展示：

1. 農作物快速識別分類

當不止一種作物，快速分類識別就非常重要，因為不同作物，肥料種類和用 量都不一樣，如 果只根據長勢圖施肥可能導致一些作物施肥過量而另一些施肥不足。無人機高光譜系統相比多光譜 系統有更多譜段和更高光譜分辨率，因而可以在不同波長段獲取不同作物的不同響應，進而達到快 速有效識別。其識別率可高達 95%。

2.土壤含水量與土壤肥力分析

無人機高光譜系統可以在其高光譜圖像采集過程中獲得土壤水分含量，土壤 總肥力含量和有 機質含量分布圖。根據土壤水分含量和土壤肥力分布圖，農戶可以定量灌溉和施肥，從而解決開 支、避免環境污染。

3.樹種分類、監測樹高

考慮到用戶科研數據的保密性，本研究僅用單景高光譜影像數據進行不同樹 種的分類 識別，分類識別結果如下所示。為利用最佳指數法提取特征波段，并利用 see5.0 機器學習 規則軟件進行樹種分類的效果圖，用戶可利用無人機高光譜 相機獲取的多組數據進行拼接， 然后再進行樹種的分類，步驟和算法均是相同的。

拍攝不同高度的樹林高光譜數據，利用 ENVI 進行統計算法學習，評估監測 時間段內樹高 的變化。