导读
随着无人机在农业科研中的应用越来越广泛，已从最初的植保管护试验田，扩展到了参与实验获取关键信息的重要角色，可很多用户购买后才发现是入坑了：无人机负责低空拍照，配套软件只能起到拼图的作用，而不是预想中的获得各区域植被数据信息。该如何解决这类问题以免入坑呢？要先从用户细分群体说起。
购买无人机用于农业科研的群体大概有三类：智慧农业、育种方向和栽培方向，其中对于智慧农业群体，部分用户本身具有一定计算机基础，可通过编程语言或学习处理图像的软件来实现数据的进一步获取，而育种和栽培方向的用户因自身背景原因并不适用此方法。
● 因此这部分用户在选购时要选择：
带表型提取功能的无人机，而已经购买过无人机的育种和栽培方向用户可购买带一键分析功能的软件来解决获取数据的问题。
比如：PhenoAI air。
产品介绍
PhenoAI air 无人机一体化系统集无人机高效采集和图像智能分析于一体，自动化提取各类植物的农艺性状，精准分割，同时分析图表自动化保存，并描出植被轮廓方便用户查看识别精度。
扫描二维码
进行产品咨询或预约演示
小区标记
不论是高光谱、多光谱还是可见光图像，PhenoAI air都能自动选取可见光波段进行显示，方便用户进行作物小区的标记。
尺度校正
通过标记参照物的实际尺寸，后续特征提取时将自动折算小区的实际形态信息。
特征提取
不论是高光谱、多光谱还是可见光图像，都可一键分析，并描出作物轮廓方便用户查看分割精度。
添加模型
对于较复杂的分析场景，PhenoAI air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。
扩展模块
支持添加任意经典机器学习和深度学习模型的可视化训练和调参模块，无需编程，使得算法训练和分析一体化，更方便应对复杂图像场景的准确分割和日常数据分析问题。还可根据研究目的灵活搭载各类传感器。
深度学习
包括Mask RCNN、FPN、LinkNet、PSPNet、 Unet等
经典机器学习
包括RandomForest、Neural NetWork、SVM、PLSR等
视频示例
联系我们
咨 询 热 线 ：
400-060-5626
客 服 微 信 ：
agribrain2020
企 业 邮 箱 ：
hello@agribrain.cn
推荐阅读
