仪器对比
关注
产品参数
1、操作简单：可对当前成像图片，或历史图像，一键便可进行自动化表型提取；
2、可扩展性：不仅支持自动化提取，还支持通过添加模型功能任意扩展个性化指标；
3、热成像传感器：红外分辨率不低于640*480；热灵敏度(NETD)不低于30mk(0.03° C)；测温范围-20°C~700°C；
4、适用范围：适用多尺度组织和器官，支持类型不少于5种主流尺度，包括不限于种子、叶片、花、果实、整株等；
5、系统功能：涵盖表型提取、模型预测、可视化绘图三大功能，支持个性化指标的升级扩展，支持海量图像批量分析，支持根据电脑配置自动调节占用的CPU核数速度；
6、操作方式：傻瓜式操作界面，用户只需点击界面上两个按钮即可进行分析；
7、选择方式：支持两种文件选择方式，支持选择文件夹，支持海量图像批量分析，当选择文件夹时支持用户前后翻阅查看；
8、自定义界面：支持用户拖拽工具栏，按照使用偏好可放置上、下、左、右四个区域；
9、图像格式：支持所有主流图像格式，包括不限于JPG、PNG、Tif等；
10、提取指标：针对可见光图像可提取不少于50个表型指标，包括不限于小区面积、覆盖度、小区纹理、NGRDI 、ExG 、CIVE 、VEG 、ExGR等，针对热红外图像可提取温度等指标；可灵活配置要提取的表型类型和分析区域；
11、模型预测：功能支持传统机器学习模型和深度学习模型两大类型，其中支持的传统机器学习模型覆盖所有 joblib 保存的模型， 包括不限于 SVM、Random Forest、GBDT、 Decision Tree、AdaBoost、BPNN、KNN、Naïve Bayes、Logistic Regresion等,支持的深度学习支持所有keras 保存的模型， 包括不限于VGG、ResNet、NasNet、DenseNet、EfficientNet、 Xception、MobileNet 等；支持客户上传标记文件，自动评估模型准确度；
12、可视化绘图：该功能支持分析图表自动化存储，并可描出目标轮廓方便用户查看识别精度，以及自动标记目标编号方便用户查看表格数据；
13、添加模型：对于较复杂的分析场景，支持添加所有主流框架或产品下的深度学习模型用于分割，包括Pytorch、TensorFlow、Keras、GrowthBrain；
14、测量修正：区域测温支持区域发射率修正；
15、测温精度：-20 ° C ~ 120° C 测温量程，0° C-100° C 士 1° C；其它 ±2 ° C 或 ±2% 取大值；
| 用户单位 | 采购时间 |
|---|---|
| 国家数字种植业创新应用中心基地 | 2024-08-01 |
90天
1年
安装调试现场免费培训
相关产品
