產品中心
Product Center
當前位置:首頁
產品中心
機載多源遙感測量系列
機載多源遙感
GaiaSky無人機載高光譜成像儀


無人機載高光譜成像儀
產品簡介
product
產品分類| 品牌 | 雙利合譜 | 視場(TFOV) | 5° @16mm、23° @25mm/35° @15mm/11° @50mm° |
|---|---|---|---|
| 光譜分辨率 | 5.5/8/8.8nm | 光譜范圍 | 400-1000/900-1700/1000-2500nm |
| 成像方式 | 推掃式 | 價格區間 | 面議 |
| 使用狀態 | 機載 | 工作原理 | 推掃型 |
| 應用領域 | 環保,農林牧漁,地礦 |
產品簡介 Product Introduction
GaiaSky 系列是雙利合譜專為中低空無人機平臺自主研發的機載高光譜成像系統。
采用透射光柵分光結構獲取單位空間尺度內真實、準確的地物反射光譜信息。
針對小型無人機搭載推掃式高光譜成像儀時普遍存在的震動干擾與姿態軌跡漂移問題,GaiaSky 集成了雙利合譜兩項核心創新技術——懸停內置掃描與自研三軸增穩技術,有效克服成像過程中的抖動與畸變,顯著提升原始數據采集質量。
配合自主研發的高光譜數據拼接軟件,系統可實現平方公里級正射影像拼接,輸出圖像無錯位、無色差、無拼接痕跡,為用戶提供高質量的中低空高光譜遙感數據。
GaiaSky 兼具高光譜成像性能與機載作業適應性,廣泛應用于精準農業、林業監測、生態遙感、環境監測、遙感應用解析等。
產品特點 Product Features
1. 懸停內置推掃技術:
采用自主研發的懸停內置推掃成像方式,有效還原目標真實的空間位置與光譜信息,確保數據真實可靠。
2. 無人機平臺深度集成:
基于華測X500、大疆M400 無人機進行深度開發,實現飛控與采集系統一體化界面控制,大幅降低操作難度,提升作業效率。
3. 實時高清輔助取景:
配備高清輔助攝像頭,支持實時高清圖傳,用戶可通過遙控器同步觀察測量區域,實現精準取景與目標定位。
4. 一體化快裝結構:
采用卡扣式一體化安裝設計,無需復雜調試,戶外場景下三分鐘即可完成起飛前準備工作,響應迅速。
5. 自主軟硬件協同優化:
系統軟硬件均為自主研發搭建,軟硬深度協同,極大降低軟件故障概率,提升整體運行穩定性與數據采集可靠性。
6. 大區域高精度拼接:
支持平方公里級高精度正射影像拼接,研究范圍不再受限,滿足區域尺度遙感監測與科研應用需求。
技術參數 Technical Parameters
| GaiaSky-mini3-VN | GaiaSky-mini3-NIR | GaiaSky-mini-SW |
光譜范圍 | 400-1000nm | 900-1700nm | 1000-2500nm |
光譜分辨率 | 5.5nm | 8nm | 8.8 nm |
空間通道數 | 1024 | 640 | 640 |
光譜通道數 | 224/448 | 224/112 | 512 |
光譜采樣間隔 | 2.7nm (@224) / 1.4nm (@448) | 3.5 nm (@224) / 7 nm (@112) | 7nm |
圖像分辨率 | 1024*1003 | 640*630 | 640*400 |
成像鏡頭 | 標準C接口, | 53°@12.5mm | 19°@30mm |
橫向視場角 | 35°@16mm、23°@25mm | 35°@15mm | 11°@50mm |
存儲 |
| 標配1T SSD |
|
重量 | 1.2 Kg | 1.35 Kg | 7 Kg |
輔助攝像頭 |
| 800W像素實時成像 |
|
適配無人機 | 華測導航X500、大疆 Matrice 300/350/400 | Yunux-Long Pro | |
一體化設計,便捷安裝
國際*創—懸停內置推掃式成像
高性能分光探測系統
采用透射式光柵分光的技術,使平行光通過光譜儀中的透射光柵在垂直于狹縫方向發生色散,變為在垂直于狹縫方
向隨波長展開的高精度單色光,獲取真實的地物反射信息。
應用方向 Application Fields
應用案例 Application Cases
水體多參數水質反演
基于無人機(UAV)高光譜影像的深度學 習框架 TL-Net,估算總氮(TN)、溶解 氧(DO)、總懸浮固體(TSS)和葉綠素 a(Chla)四個水質參數,并生成它們的 空間分布圖。TL-Net 模型對總氮(TN) 的 R2 值為 0.9938,對溶解氧(DO)的平 均絕對誤差(MAE)為 0.0728,對總懸 浮固體(TSS)的均方根誤差(RMSE)為 0.3881,對葉綠素 a(Chla)的平均絕對 百分比誤差(MAPE)低至 0.2568%。TLNet顯著提高了多參數水質預測的準確性, 能夠捕捉精細尺度的空間變異性,并為內 陸水生生態系統監測提供了一種穩健且可 擴展的解決方案。
土壤特性和作物性狀預測
利用無人機高光譜影像同時預測多種土壤 性質和作物性狀,開發了一種土壤早期預 警框架,將種植前的土壤條件與作物性狀 聯系起來,以便及早發現潛在的生長限制, 從而實現主動管理,為土壤和作物管理提 供了一種穩健的解決方案。通過優化土壤 條件和促進可持續土地利用方式,為精準 農業做出了貢獻,凸顯了深度學習在農業 應用中的價值。
小麥氮素含量預測
將 N-PROSAIL 輻射傳輸模型與深度遷移 學習相結合,實現了在不同生長階段冬小 麥冠層氮密度的高精度估算(R2 = 0.81, RMSE = 0.14)。證實了將物理先驗知識 與深度遷移學習相結合在克服農業遙感數 據異質性、增強模型遷移性方面具有巨大 潛力,為作物氮素營養的精準監測提供了 一種可解釋且高效的技術方法。
圖像分類
利用精簡的二維卷積神經網絡(2D-CNN) 模型,并采用改進的深度可分離卷積方法 對荒漠草原植物進行分類。
該模型在整體 分類準確率、Kappa 系數和內存占用方 面均優于其他模型,分別達到 99.216%、 98.735% 和 16.3 MB。
該模型能夠有效地 對荒漠草原物種進行分類。該方法為監測 草原生態系統退化提供了一種新途徑。