CN104535575A - 基于无人机检测的农作物成熟度识别平台 - Google Patents
基于无人机检测的农作物成熟度识别平台 Download PDFInfo
- Publication number
- CN104535575A CN104535575A CN201510037940.2A CN201510037940A CN104535575A CN 104535575 A CN104535575 A CN 104535575A CN 201510037940 A CN201510037940 A CN 201510037940A CN 104535575 A CN104535575 A CN 104535575A
- Authority
- CN
- China
- Prior art keywords
- crops
- degree
- crop
- ripeness
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种基于无人机检测的农作物成熟度识别平台,包括移动硬盘、图像采集设备、图像处理设备和数字信号处理器,数字信号处理器与图像采集设备和图像处理设备分别连接,在无人机飞抵农作物成熟度的采集区域后,启动图像采集设备和图像处理设备,图像采集设备用于对采集区域拍摄,以获得农作物区域图像,图像处理设备用于对农作物区域图像执行图像处理,数字信号处理器根据图像处理结果确定采集区域内农作物的成熟度,移动硬盘连接数字信号处理器以存储采集区域内农作物的成熟度。通过本发明,能够灵活、高效地获得大面积区域内各种农作物的当前成熟度,为当地的农林管理部门制定计划提供重要参考数据。
Description
技术领域
本发明涉及无人机监控领域,尤其涉及一种基于无人机检测的农作物成熟度识别平台。
背景技术
传统的农作物种植方式是以农户为单位的分散式种植模式,紧邻的农田之间,由于分属不同的农户,农户的种植农作物类型不同以及种植习惯不同,导致种植的农作物成熟度参差不齐,这样的种植模式也难以在同一时间使用大型化机械工具进行统一农作物收割或采摘,农户只能根据个人经验,判断自家农田内农作物的成熟程度,并在判定成熟时,以家庭为单位组织人手单独收割。
随着农作物种植方式由分散式种植模式向集约式种植模式的发展,许多紧邻的农田可能属于同一个农业管理部门,种植的农作物类型相同,种植的时间也相同,导致这些农田内的农作物的生长状况一直保持同步,这使得所述农业管理部门在确定农作物成熟的情况下,聘用大型化机械工具进行大面积的统一农作物收割或采摘成为可能。
然而,在同一种农作物集约式大面积种植的今天,成熟度的判断仍依靠落后的人工方式,这种方式应用到大面积农作物成熟度判断会出现以下几个问题:(1)人眼触及范围有限,可能当前农作物是成熟的,但人眼未触及的绝大部分农作物未成熟,这时收割,会给农业管理部门造成巨大经济损失;(2)人工判断的方式过于依赖个人经验,其判断结果与标准结果之间存在一定的误差。
因而,为了解决上述问题,需要一种新的农作物成熟度识别方案,能够以科学的仪器识别的方式替代人工识别方式,实现对大面积甚至超大面积的农作物成熟度判断,避免成熟度误判的情况发生。
发明内容
为了解决上述问题,本发明提供了一种基于无人机检测的农作物成熟度识别平台,借用无人机灵活、机动的特点,将成熟度识别的电子器件搭载在无人机上,在远端控制平台的操控下,控制无人机飞抵各个区域,并以区域为单位,逐个识别每一个区域的成熟度,从而能够快速获得大面积的农作物成熟度情况,为农作物经营部门的收割或采摘时段的选择及时提供更有价值的参考数据。
根据本发明的一方面,提供了一种基于无人机检测的农作物成熟度识别平台,所述识别平台包括移动硬盘、图像采集设备、图像处理设备和数字信号处理器,所述数字信号处理器与所述图像采集设备和所述图像处理设备分别连接,在所述无人机飞抵农作物成熟度的采集区域后,启动所述图像采集设备和所述图像处理设备,所述图像采集设备用于对所述采集区域拍摄,以获得农作物区域图像,所述图像处理设备用于对所述农作物区域图像执行图像处理,所述数字信号处理器根据图像处理结果确定所述采集区域内农作物的成熟度,所述移动硬盘连接所述数字信号处理器以存储所述采集区域内农作物的成熟度。
更具体地,所述基于无人机检测的农作物成熟度识别平台中,所述识别平台还包括北斗星定位设备,连接北斗星导航卫星,用于实时接收无人机所在位置的北斗星导航数据,所述北斗星导航数据的精度为2米;无线电高度传感器,包括无线电发射机、无线电接收机和微控制器,所述微控制器与所述无线电发射机和所述无线电接收机分别连接,所述无线电发射机向地面发射无线电波,所述无线电接收机接收地面反射的无线电波,所述微控制器根据所述无线电发射机的发射时间、所述无线电接收机的接收时间和无线电波传播速度计算无人机的当前高度,所述无线电波传播速度为光速;USB驱动接口,用于***外部U盘,以接收所述外部U盘中存储的各个类型的农作物图像模板,所述各个类型的农作物图像模板为各个类型的农作物的基准二值化图像,还用于接收所述外部U盘中存储的农作物上限灰度阈值和农作物下限灰度阈值,所述农作物上限灰度阈值和所述农作物下限灰度阈值用于将图像中的农作物和背景分离,还用于接收所述外部U盘中存储的农作物成熟度数据表,所述农作物成熟度数据表中以农作物类型为索引,保存了每一种农作物对应的成熟度阈值、判定数量阈值和各个成熟度等级;无线收发设备,用于接收地面农林部门监控平台发送的控制信号,所述控制信号中包括所述农林部门监控平台指定的采集区域的定位数据,所述定位数据包括对应的采集北斗星位置、采集高度和区域位置,所述农林部门监控平台按顺序逐个发送多个控制信号,所述多个控制信号中每一个控制信号中对应的指定采集区域都不同;无人机动力驱动设备,为所述无人机的飞行提供动力;所述移动硬盘与所述USB驱动接口连接,以接收并存储各个类型的农作物图像模板、农作物上限灰度阈值、农作物下限灰度阈值和农作物成熟度数据表;所述图像采集设备包括航拍摄像机和辅助光源,所述航拍摄像机用于对所述采集区域拍摄,以获得农作物区域图像,所述辅助光源为所述航拍摄像机的拍摄提供照明辅助光,所述照明辅助光的强度与所述辅助光源周围环境的光线亮度成反比;所述图像处理设备与所述移动硬盘和所述图像采集设备分别连接,包括小波滤波器件、灰度化处理器件、二值化处理器件、农作物类型识别器件和成熟度等级识别器件,所述小波滤波器件与所述航拍摄像机连接,基于哈尔小波滤波器对所述农作物区域图像执行滤波处理,以获得农作物滤波图像,所述灰度化处理器件与所述小波滤波器件和所述移动硬盘分别连接,将所述农作物滤波图像中灰度值在所述农作物上限灰度阈值和所述农作物下限灰度阈值之间的像素识别并组成多个农作物子图像,每一个农作物子图像对应一株农作物,所述二值化处理器件与所述灰度化处理器件连接,基于预设二值化阈值将所述多个农作物子图像分别二值化,以生成多个农作物二值化子图像,所述预设二值化阈值为一个数值在0-255之间的灰度值,所述农作物类型识别器与所述二值化处理器件和所述移动硬盘分别连接,将每一个农作物二值化子图像与各个类型的农作物图像模板逐一匹配,以获得每一个农作物二值化子图像对应的农作物类型,针对所述多个农作物二值化子图像对应的各个不同农作物类型,取出现次数占据所述多个农作物二值化子图像数量的百分比大于预设百分比阈值的农作物类型作为采集区域农作物类型输出,所述成熟度等级识别器件和所述灰度化处理器件、所述农作物类型识别器件和所述移动硬盘分别连接,在所述农作物成熟度数据表中查找到与所述采集区域农作物类型对应的成熟度阈值、判定数量阈值和各个成熟度等级以作为目标成熟度阈值、目标判定数量阈值和各个目标成熟度等级,针对每一个农作物子图像,统计像素灰度值小于等于所述目标成熟度阈值的像素数量,当统计的像素数量大于等于所述目标判定数量阈值时,确定所述农作物子图像对应的农作物为成熟,当所述像素数量小于所述目标判定数量阈值时,确定所述农作物子图像对应的农作物为未成熟,基于多个农作物子图像的农作物的成熟确定结果统计并输出所述采集区域内农作物的成熟度;所述数字信号处理器与所述农作物类型识别器件、所述成熟度等级识别器件、所述无线收发设备、所述无人机动力驱动设备、所述北斗星定位设备和所述无线电高度传感器分别连接,对所述控制信号进行解析以获得所述采集北斗星位置、采集高度和区域位置,并控制所述无人机动力驱动设备以驱动所述无人机飞往与所述控制信号对应的采集区域,在所述北斗星导航数据与所述采集北斗星位置一致且所述当前高度与所述采集高度一致时,启动所述图像采集设备和所述图像处理设备,将当前指定采集区域对应的区域位置、农作物类型和农作物成熟度存储到所述移动硬盘,随后发送成熟度信息采集结束信号;所述无线收发设备在接收到所述成熟度信息采集结束信号后,向所述农林部门监控平台转发所述成熟度信息采集结束信号,以便于所述农林部门监控平台按顺序发送下一个控制信号;其中,所述移动硬盘将各个指定采集区域对应的区域位置、农作物类型和农作物成熟度组成一个以指定采集区域为单位的成熟度信息模拟图。
更具体地,所述基于无人机检测的农作物成熟度识别平台中,采用气压高度传感器替换所述无线电高度传感器,用于根据无人机附近的气压变化,检测无人机的当前高度。
更具体地,所述基于无人机检测的农作物成熟度识别平台中,所述无线收发设备还用于接收所述农林部门监控平台发送的数据请求信号,以在所述数字信号处理器的控制下,将所述移动硬盘中的成熟度信息模拟图通过所述无线收发设备转发给所述农林部门监控平台。
更具体地,所述基于无人机检测的农作物成熟度识别平台中,所述数字信号处理器为TMS6000系列的数字处理器DSP。
更具体地,所述基于无人机检测的农作物成熟度识别平台中,所述小波滤波器件、所述灰度化处理器件、所述二值化处理器件、所述农作物类型识别器件和所述成熟度等级识别器件分别采用不同的FPGA芯片来实现。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的基于无人机检测的农作物成熟度识别平台的结构方框图。
图2为根据本发明实施方案示出的基于无人机检测的农作物成熟度识别平台的无线电高度传感器的结构方框图。
具体实施方式
下面将参照附图对本发明的基于无人机检测的农作物成熟度识别平台的实施方案进行详细说明。
无人机,即无人驾驶飞机,其英文缩写为“UAV”,是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。
从技术角度定义,可以将无人机分为以下类型:无人直升机、无人固定翼机、无人多旋翼飞行器、无人飞艇、无人伞翼机这几大类。从用途方面分类,可以将无人机分为军用无人机和民用无人机。军用方面,可用于完成战场侦察和监视、定位校射、毁伤评估、电子战,而民用方面,可用于边境巡逻、核辐射探测、航空摄影、航空探矿、灾情监视、交通巡逻和治安监控。
无人机的出现为各个领域的大面积数据采集提供了方便,在远端控制设备的操作下,可以控制无人机逐个飞行到各个目标位置的上方以实现不同类型的数据采集,尤其对于大面积农产品种植的区域,可以将无人机用于农产品生长状况相关的各种数据的采集,例如,农产品的病虫害情况、干旱情况以及成熟度情况,基于采集到的各株农作物的数据进行统计,获得农业管理部门制定管理计划的各个参考数据。
本发明的基于无人机检测的农作物成熟度识别平台,以无人机为数据采集设备的载体,针对农作物种植日趋大面积化的特点,以无线通信技术为基础,制订了以区域为单位的逐个区域成熟度数据采集的策略,完成对目标区域的成熟度数据的采集、统计和复合图像制作。
图1为根据本发明实施方案示出的基于无人机检测的农作物成熟度识别平台的结构方框图,所述识别平台包括图像采集设备1、图像处理设备2、数字信号处理器3、移动硬盘4和供电设备5,所述数字信号处理器3与所述图像采集设备1、所述图像处理设备2、所述移动硬盘4和所述供电设备5分别连接,所述图像采集设备1与所述图像处理设备2连接。
其中,所述数字信号处理器3在所述无人机飞抵农作物成熟度的采集区域后,启动所述图像采集设备1和所述图像处理设备2,所述图像采集设备1用于对所述采集区域拍摄,以获得农作物区域图像,所述图像处理设备2用于对所述农作物区域图像执行图像处理,所述数字信号处理器3根据图像处理结果确定所述采集区域内农作物的成熟度,所述移动硬盘4连接所述数字信号处理器3以存储所述采集区域内农作物的成熟度,所述供电设备5为所述识别平台提供必要的电力供应。
接着,对本发明的田间旱情采集装置的结构进行更具体的说明。
所述识别平台还包括:北斗星定位设备,连接北斗星导航卫星,用于实时接收无人机所在位置的北斗星导航数据,所述北斗星导航数据的精度为2米。
如图2所示,所述识别平台还包括无线电高度传感器,所述无线电高度传感器包括无线电发射机6、无线电接收机7和微控制器8,所述微控制器8与所述无线电发射机6和所述无线电接收机7分别连接,所述无线电发射机6向地面发射无线电波,所述无线电接收机7接收地面反射的无线电波,所述微控制器8根据所述无线电发射机6的发射时间、所述无线电接收机7的接收时间和无线电波传播速度计算无人机的当前高度,所述无线电波传播速度为光速。
所述识别平台还包括:USB驱动接口,用于***外部U盘,以接收所述外部U盘中存储的各个类型的农作物图像模板,所述各个类型的农作物图像模板为各个类型的农作物的基准二值化图像,还用于接收所述外部U盘中存储的农作物上限灰度阈值和农作物下限灰度阈值,所述农作物上限灰度阈值和所述农作物下限灰度阈值用于将图像中的农作物和背景分离,还用于接收所述外部U盘中存储的农作物成熟度数据表,所述农作物成熟度数据表中以农作物类型为索引,保存了每一种农作物对应的成熟度阈值、判定数量阈值和各个成熟度等级。
所述识别平台还包括:无线收发设备,用于接收地面农林部门监控平台发送的控制信号,所述控制信号中包括所述农林部门监控平台指定的采集区域的定位数据,所述定位数据包括对应的采集北斗星位置、采集高度和区域位置,所述农林部门监控平台按顺序逐个发送多个控制信号,所述多个控制信号中每一个控制信号中对应的指定采集区域都不同。
所述识别平台还包括:无人机动力驱动设备,为所述无人机的飞行提供动力。
所述移动硬盘4与所述USB驱动接口连接,以接收并存储各个类型的农作物图像模板、农作物上限灰度阈值、农作物下限灰度阈值和农作物成熟度数据表。
所述图像采集设备1包括航拍摄像机和辅助光源,所述航拍摄像机用于对所述采集区域拍摄,以获得农作物区域图像,所述辅助光源为所述航拍摄像机的拍摄提供照明辅助光,所述照明辅助光的强度与所述辅助光源周围环境的光线亮度成反比。
所述图像处理设备2与所述移动硬盘4和所述图像采集设备1分别连接,所述图像处理设备2包括小波滤波器件、灰度化处理器件、二值化处理器件、农作物类型识别器件和成熟度等级识别器件。
所述小波滤波器件与所述航拍摄像机连接,基于哈尔小波滤波器对所述农作物区域图像执行滤波处理,以获得农作物滤波图像,所述灰度化处理器件与所述小波滤波器件和所述移动硬盘4分别连接,将所述农作物滤波图像中灰度值在所述农作物上限灰度阈值和所述农作物下限灰度阈值之间的像素识别并组成多个农作物子图像,每一个农作物子图像对应一株农作物,所述二值化处理器件与所述灰度化处理器件连接,基于预设二值化阈值将所述多个农作物子图像分别二值化,以生成多个农作物二值化子图像,所述预设二值化阈值为一个数值在0-255之间的灰度值。
所述农作物类型识别器与所述二值化处理器件和所述移动硬盘4分别连接,将每一个农作物二值化子图像与各个类型的农作物图像模板逐一匹配,以获得每一个农作物二值化子图像对应的农作物类型,针对所述多个农作物二值化子图像对应的各个不同农作物类型,取出现次数占据所述多个农作物二值化子图像数量的百分比大于预设百分比阈值的农作物类型作为采集区域农作物类型输出。
所述成熟度等级识别器件和所述灰度化处理器件、所述农作物类型识别器件和所述移动硬盘4分别连接,在所述农作物成熟度数据表中查找到与所述采集区域农作物类型对应的成熟度阈值、判定数量阈值和各个成熟度等级以作为目标成熟度阈值、目标判定数量阈值和各个目标成熟度等级,针对每一个农作物子图像,统计像素灰度值小于等于所述目标成熟度阈值的像素数量,当统计的像素数量大于等于所述目标判定数量阈值时,确定所述农作物子图像对应的农作物为成熟,当所述像素数量小于所述目标判定数量阈值时,确定所述农作物子图像对应的农作物为未成熟,基于多个农作物子图像的农作物的成熟确定结果统计并输出所述采集区域内农作物的成熟度。
所述数字信号处理器3与所述农作物类型识别器件、所述成熟度等级识别器件、所述无线收发设备、所述无人机动力驱动设备、所述北斗星定位设备和所述无线电高度传感器分别连接,对所述控制信号进行解析以获得所述采集北斗星位置、采集高度和区域位置,并控制所述无人机动力驱动设备以驱动所述无人机飞往与所述控制信号对应的采集区域,在所述北斗星导航数据与所述采集北斗星位置一致且所述当前高度与所述采集高度一致时,启动所述图像采集设备1和所述图像处理设备2,之后,将当前指定采集区域对应的区域位置、农作物类型和农作物成熟度存储到所述移动硬盘4,随后发送成熟度信息采集结束信号。
所述无线收发设备在接收到所述成熟度信息采集结束信号后,向所述农林部门监控平台转发所述成熟度信息采集结束信号,以便于所述农林部门监控平台按顺序发送下一个控制信号。
其中,所述移动硬盘4将各个指定采集区域对应的区域位置、农作物类型和农作物成熟度组成一个以指定采集区域为单位的成熟度信息模拟图,所述成熟度信息模拟图在采集完各个指定采集区域的成熟度数据后最终形成,以供相关管理部门在需要时调用。
其中,所述识别平台中,可以采用气压高度传感器替换所述无线电高度传感器,用于根据无人机附近的气压变化,检测无人机的当前高度,所述无线收发设备还可以用于接收所述农林部门监控平台发送的数据请求信号,以在所述数字信号处理器3的控制下,将所述移动硬盘4中的成熟度信息模拟图通过所述无线收发设备转发给所述农林部门监控平台,所述数字信号处理器可选型为TMS6000系列的数字处理器DSP,可选地,所述小波滤波器件、所述灰度化处理器件、所述二值化处理器件、所述农作物类型识别器件和所述成熟度等级识别器件分别采用不同的FPGA芯片来实现。
另外,北斗卫星导航***是中国正在实施的自主发展、独立运行的全球卫星导航***。***建设目标是:建成独立自主、开放兼容、技术先进、稳定可靠的覆盖全球的北斗卫星导航***,促进卫星导航产业链形成,形成完善的国家卫星导航应用产业支撑、推广和保障体系,推动卫星导航在国民经济社会各行业的广泛应用,北斗卫星导航***由空间段、地面段和用户段三部分组成,空间段包括5颗静止轨道卫星和30颗非静止轨道卫星,地面段包括主控站、注入站和监测站等若干个地面站,用户段包括北斗用户终端以及与其他卫星导航***兼容的终端。
另外,数字信号处理器并非只局限于音视频层面,他广泛的应用于通信与信息***、信号与信息处理、自动控制、雷达、军事、航空航天、医疗、家用电器等许多领域。以往是采用通用的微处理器来完成大量数字信号处理运算,速度较慢,难以满足实际需要;而同时使用位片式微处理器和快速并联乘法器,曾经是实现数字信号处理的有效途径,但此方法器件较多,逻辑设计和程序设计复杂,耗电较大,价格昂贵。数字信号处理器DSP的出现,很好的解决了上述问题。DSP可以快速的实现对信号的采集、变换、滤波、估值、增强、压缩、识别等处理,以得到符合人们需要的信号形式。
另外,哈尔小波转换,又称作为Haar小波转换,是于1909年由Haar所提出,是小波转换(Wavelet transform)中最简单的一种转换,也是最早提出的小波转换。他是多贝西小波的于N=2的特例,可称之为D2。在所有正交性(orthonormal)小波转换中哈尔小波转换(Haar wavelet)是最简单的一种转换,但他并不适合用于较为平滑的函数,因为他只有一个消失矩(Vanishing Moment)。
采用本发明的基于无人机检测的农作物成熟度识别平台,针对现有农作物成熟度检测手段仍以人工检测为主、无法跟随大面积农作物种植趋势的特点,借用无人机平台,通过图像采集技术、图像识别技术、无线通信技术、定位技术和高度检测技术,完成对大面积农作物逐区域成熟度的自动识别,提高了农作物成熟度识别的效率和准确性。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (6)
1.一种基于无人机检测的农作物成熟度识别平台,其特征在于,所述识别平台包括移动硬盘、图像采集设备、图像处理设备和数字信号处理器,所述数字信号处理器与所述图像采集设备和所述图像处理设备分别连接,在所述无人机飞抵农作物成熟度的采集区域后,启动所述图像采集设备和所述图像处理设备,所述图像采集设备用于对所述采集区域拍摄,以获得农作物区域图像,所述图像处理设备用于对所述农作物区域图像执行图像处理,所述数字信号处理器根据图像处理结果确定所述采集区域内农作物的成熟度,所述移动硬盘连接所述数字信号处理器以存储所述采集区域内农作物的成熟度。
2.如权利要求1所述的基于无人机检测的农作物成熟度识别平台,其特征在于,所述识别平台还包括:
北斗星定位设备,连接北斗星导航卫星,用于实时接收无人机所在位置的北斗星导航数据,所述北斗星导航数据的精度为2米;
无线电高度传感器,包括无线电发射机、无线电接收机和微控制器,所述微控制器与所述无线电发射机和所述无线电接收机分别连接,所述无线电发射机向地面发射无线电波,所述无线电接收机接收地面反射的无线电波,所述微控制器根据所述无线电发射机的发射时间、所述无线电接收机的接收时间和无线电波传播速度计算无人机的当前高度,所述无线电波传播速度为光速;
USB驱动接口,用于***外部U盘,以接收所述外部U盘中存储的各个类型的农作物图像模板,所述各个类型的农作物图像模板为各个类型的农作物的基准二值化图像,还用于接收所述外部U盘中存储的农作物上限灰度阈值和农作物下限灰度阈值,所述农作物上限灰度阈值和所述农作物下限灰度阈值用于将图像中的农作物和背景分离,还用于接收所述外部U盘中存储的农作物成熟度数据表,所述农作物成熟度数据表中以农作物类型为索引,保存了每一种农作物对应的成熟度阈值、判定数量阈值和各个成熟度等级;
无线收发设备,用于接收地面农林部门监控平台发送的控制信号,所述控制信号中包括所述农林部门监控平台指定的采集区域的定位数据,所述定位数据包括对应的采集北斗星位置、采集高度和区域位置,所述农林部门监控平台按顺序逐个发送多个控制信号,所述多个控制信号中每一个控制信号中对应的指定采集区域都不同;
无人机动力驱动设备,为所述无人机的飞行提供动力;
所述移动硬盘与所述USB驱动接口连接,以接收并存储各个类型的农作物图像模板、农作物上限灰度阈值、农作物下限灰度阈值和农作物成熟度数据表;
所述图像采集设备包括航拍摄像机和辅助光源,所述航拍摄像机用于对所述采集区域拍摄,以获得农作物区域图像,所述辅助光源为所述航拍摄像机的拍摄提供照明辅助光,所述照明辅助光的强度与所述辅助光源周围环境的光线亮度成反比;
所述图像处理设备与所述移动硬盘和所述图像采集设备分别连接,包括小波滤波器件、灰度化处理器件、二值化处理器件、农作物类型识别器件和成熟度等级识别器件,所述小波滤波器件与所述航拍摄像机连接,基于哈尔小波滤波器对所述农作物区域图像执行滤波处理,以获得农作物滤波图像,所述灰度化处理器件与所述小波滤波器件和所述移动硬盘分别连接,将所述农作物滤波图像中灰度值在所述农作物上限灰度阈值和所述农作物下限灰度阈值之间的像素识别并组成多个农作物子图像,每一个农作物子图像对应一株农作物,所述二值化处理器件与所述灰度化处理器件连接,基于预设二值化阈值将所述多个农作物子图像分别二值化,以生成多个农作物二值化子图像,所述预设二值化阈值为一个数值在0-255之间的灰度值,所述农作物类型识别器与所述二值化处理器件和所述移动硬盘分别连接,将每一个农作物二值化子图像与各个类型的农作物图像模板逐一匹配,以获得每一个农作物二值化子图像对应的农作物类型,针对所述多个农作物二值化子图像对应的各个不同农作物类型,取出现次数占据所述多个农作物二值化子图像数量的百分比大于预设百分比阈值的农作物类型作为采集区域农作物类型输出,所述成熟度等级识别器件和所述灰度化处理器件、所述农作物类型识别器件和所述移动硬盘分别连接,在所述农作物成熟度数据表中查找到与所述采集区域农作物类型对应的成熟度阈值、判定数量阈值和各个成熟度等级以作为目标成熟度阈值、目标判定数量阈值和各个目标成熟度等级,针对每一个农作物子图像,统计像素灰度值小于等于所述目标成熟度阈值的像素数量,当统计的像素数量大于等于所述目标判定数量阈值时,确定所述农作物子图像对应的农作物为成熟,当所述像素数量小于所述目标判定数量阈值时,确定所述农作物子图像对应的农作物为未成熟,基于多个农作物子图像的农作物的成熟确定结果统计并输出所述采集区域内农作物的成熟度;
所述数字信号处理器与所述农作物类型识别器件、所述成熟度等级识别器件、所述无线收发设备、所述无人机动力驱动设备、所述北斗星定位设备和所述无线电高度传感器分别连接,对所述控制信号进行解析以获得所述采集北斗星位置、采集高度和区域位置,并控制所述无人机动力驱动设备以驱动所述无人机飞往与所述控制信号对应的采集区域,在所述北斗星导航数据与所述采集北斗星位置一致且所述当前高度与所述采集高度一致时,启动所述图像采集设备和所述图像处理设备,将当前指定采集区域对应的区域位置、农作物类型和农作物成熟度存储到所述移动硬盘,随后发送成熟度信息采集结束信号;
所述无线收发设备在接收到所述成熟度信息采集结束信号后,向所述农林部门监控平台转发所述成熟度信息采集结束信号,以便于所述农林部门监控平台按顺序发送下一个控制信号;
其中,所述移动硬盘将各个指定采集区域对应的区域位置、农作物类型和农作物成熟度组成一个以指定采集区域为单位的成熟度信息模拟图。
3.如权利要求2所述的基于无人机检测的农作物成熟度识别平台,其特征在于:
采用气压高度传感器替换所述无线电高度传感器,用于根据无人机附近的气压变化,检测无人机的当前高度。
4.如权利要求2所述的基于无人机检测的农作物成熟度识别平台,其特征在于:
所述无线收发设备还用于接收所述农林部门监控平台发送的数据请求信号,以在所述数字信号处理器的控制下,将所述移动硬盘中的成熟度信息模拟图通过所述无线收发设备转发给所述农林部门监控平台。
5.如权利要求2所述的基于无人机检测的农作物成熟度识别平台,其特征在于:
所述数字信号处理器为TMS6000系列的数字处理器DSP。
6.如权利要求2所述的基于无人机检测的农作物成熟度识别平台,其特征在于:
所述小波滤波器件、所述灰度化处理器件、所述二值化处理器件、所述农作物类型识别器件和所述成熟度等级识别器件分别采用不同的FPGA芯片来实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510037940.2A CN104535575A (zh) | 2015-01-25 | 2015-01-25 | 基于无人机检测的农作物成熟度识别平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510037940.2A CN104535575A (zh) | 2015-01-25 | 2015-01-25 | 基于无人机检测的农作物成熟度识别平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104535575A true CN104535575A (zh) | 2015-04-22 |
Family
ID=52851147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510037940.2A Pending CN104535575A (zh) | 2015-01-25 | 2015-01-25 | 基于无人机检测的农作物成熟度识别平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104535575A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105527657A (zh) * | 2016-01-14 | 2016-04-27 | 河海大学 | 基于无人机红外热图像采集的大面积农田作物水分状态监测方法及*** |
CN108901366A (zh) * | 2018-06-19 | 2018-11-30 | 华中农业大学 | 一种天地一体化柑橘采摘方法 |
CN110412048A (zh) * | 2019-07-25 | 2019-11-05 | 青岛大学 | 一种电力损伤探测巡航装置 |
CN110823187A (zh) * | 2019-11-21 | 2020-02-21 | 中国太平洋财产保险股份有限公司 | 一种基于航拍测量待测面积的控制方法及装置 |
CN111163628A (zh) * | 2017-05-09 | 2020-05-15 | 蓝河技术有限公司 | 使用图像数据的自动植物检测 |
CN111626148A (zh) * | 2020-05-09 | 2020-09-04 | 杭州学联土地规划设计咨询有限公司 | 一种无人机农田核查方法、***、智能终端及存储介质 |
CN118258966A (zh) * | 2024-05-30 | 2024-06-28 | 农业农村部南京农业机械化研究所 | 一种基于无人机的青稞成熟度预测装置及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6009186A (en) * | 1996-08-30 | 1999-12-28 | New Holland Braud S.A. | Method and apparatus for harvesting crop material |
CN101226146A (zh) * | 2008-01-25 | 2008-07-23 | 中国农业大学 | 基于多光谱散射图像的苹果硬度预测方法 |
US7607338B1 (en) * | 2004-07-30 | 2009-10-27 | The United States Of America As Represented By The Secretary Of Agriculture | Handheld instrument for monitoring and/or identification of chemicals |
US20110207231A1 (en) * | 2008-11-17 | 2011-08-25 | Cabot Security Materials Inc. | Melamine Assay Methods and Systems |
-
2015
- 2015-01-25 CN CN201510037940.2A patent/CN104535575A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6009186A (en) * | 1996-08-30 | 1999-12-28 | New Holland Braud S.A. | Method and apparatus for harvesting crop material |
US7607338B1 (en) * | 2004-07-30 | 2009-10-27 | The United States Of America As Represented By The Secretary Of Agriculture | Handheld instrument for monitoring and/or identification of chemicals |
CN101226146A (zh) * | 2008-01-25 | 2008-07-23 | 中国农业大学 | 基于多光谱散射图像的苹果硬度预测方法 |
US20110207231A1 (en) * | 2008-11-17 | 2011-08-25 | Cabot Security Materials Inc. | Melamine Assay Methods and Systems |
Non-Patent Citations (2)
Title |
---|
何勇 等: "农用无人机现状与发展趋势", 《现代农机》 * |
郭凝 等: "基于数字图像处理的番茄成熟度检测", 《中国科技论文在线》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105527657A (zh) * | 2016-01-14 | 2016-04-27 | 河海大学 | 基于无人机红外热图像采集的大面积农田作物水分状态监测方法及*** |
CN111163628A (zh) * | 2017-05-09 | 2020-05-15 | 蓝河技术有限公司 | 使用图像数据的自动植物检测 |
US11748976B2 (en) | 2017-05-09 | 2023-09-05 | Blue River Technology Inc. | Automated plant detection using image data |
CN108901366A (zh) * | 2018-06-19 | 2018-11-30 | 华中农业大学 | 一种天地一体化柑橘采摘方法 |
CN110412048A (zh) * | 2019-07-25 | 2019-11-05 | 青岛大学 | 一种电力损伤探测巡航装置 |
CN110823187A (zh) * | 2019-11-21 | 2020-02-21 | 中国太平洋财产保险股份有限公司 | 一种基于航拍测量待测面积的控制方法及装置 |
CN111626148A (zh) * | 2020-05-09 | 2020-09-04 | 杭州学联土地规划设计咨询有限公司 | 一种无人机农田核查方法、***、智能终端及存储介质 |
CN111626148B (zh) * | 2020-05-09 | 2023-07-11 | 浙江数治空间规划设计有限公司 | 一种无人机农田核查方法、***、智能终端及存储介质 |
CN118258966A (zh) * | 2024-05-30 | 2024-06-28 | 农业农村部南京农业机械化研究所 | 一种基于无人机的青稞成熟度预测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104535574A (zh) | 一种农作物成熟度识别方法 | |
CN204346928U (zh) | 基于无人机检测的农作物成熟度识别平台 | |
CN104535575A (zh) | 基于无人机检测的农作物成熟度识别平台 | |
AU2019245339B2 (en) | Visual observer of unmanned aerial vehicle for monitoring horticultural grow operations | |
US10872534B2 (en) | Aerial vehicle inspection path planning | |
US10953985B2 (en) | System for measuring three-dimensional environment data, particularly for plant care, as well as sensor module | |
CN104730005A (zh) | 地空一体化农业监测***及方法 | |
CN104735423B (zh) | 位于无人机上的输电设备辨认平台 | |
CN114020043A (zh) | 无人机建筑工程监理***、方法、电子设备及存储介质 | |
CN115649501A (zh) | 一种无人机夜行照明***及方法 | |
CN104735425B (zh) | 基于无人机的输电设备辨认方法 | |
CN205175455U (zh) | 一种烟田遥感监测无人机*** | |
CN110413002A (zh) | 一种无人机遥感信息采集方法及装置 | |
CN204514798U (zh) | 地空一体化农业监测*** | |
US20220172306A1 (en) | Automated mobile field scouting sensor data and image classification devices | |
CN205103173U (zh) | 基于多类图像终端—服务器架构的大田作物信息检测*** | |
CN205483037U (zh) | 一种地理信息采集装置 | |
Hung et al. | Using robotic aircraft and intelligent surveillance systems for orange hawkweed detection | |
CN208421639U (zh) | 一种精准定位超长续航无人机巡检防灾*** | |
CN110837260A (zh) | 一种用于高原地区的地理测绘用飞行器 | |
CN216438340U (zh) | 一种基于5g通讯技术的红火蚁分布区域侦察机器人 | |
RU2648696C1 (ru) | Агротехнический комплекс с беспилотным летательным аппаратом | |
CN211375429U (zh) | 一种用于高原地区的地理测绘用飞行器 | |
Wijesingha | Geometric quality assessment of multi-rotor unmanned aerial vehicle borne remote sensing products for precision agriculture | |
Hui | Efficient drone-based radio tracking of wildlife |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150422 |