CN105173085A

CN105173085A - 无人机变量施药自动控制***及方法

Info

Publication number: CN105173085A
Application number: CN201510599304.9A
Authority: CN
Inventors: 王金星; 刘双喜; 张菡; 李伟; 刘志强
Original assignee: Shandong Agricultural University
Current assignee: Shandong Agricultural University
Priority date: 2015-09-18
Filing date: 2015-09-18
Publication date: 2015-12-23
Anticipated expiration: 2035-09-18
Also published as: CN105173085B

Abstract

本发明提供了一种基于图像处理的水稻无人机变量施药自动控制***，包括田间信息采集模块、信息处理模块、信息管理决策模块及无人机变量喷施控制模块；能够根据不同的地块受灾严重程度设定不同的药量处方值，达到更好的病虫害防治效果，降低农业成本，减少用药量的基于图像处理的水稻无人机变量施药自动控制***及方法。本发明将无人机喷药与变量施药技术相结合，根据作物的实际受害情况变量喷洒农药，提高了作业效率，减少了农药使用量，减轻环境污染，有利于农作物生长，而实时监测显示***实现了可视化作业。

Description

无人机变量施药自动控制***及方法

技术领域

本发明涉及一种水稻无人机变量施药的自动控制***，属于农业植保技术领域。

背景技术

与传统的田间人工施药作业相比，无人机施药作业效率高，农药对作业人员伤害小，用工量和劳动强度降低，还能满足越来越高的环保要求，达到低量、精喷量、少污染、高功效、高防治的要求。

农业无人机在美国、日本等发达国家使用较早，在农田监测、农药喷施方面起着重要的作用。美国航空施药采用大型固定翼农用航空施药装备，灵活性差，不适用于中国农业种植面积小、地块分散、地形复杂的特点。国内无人机农药喷洒已经成为近年来发展较快的一个新兴领域，多采用多旋翼无人机，机动性好，但都采用均匀喷洒方式，无法根据不同的地块受灾严重程度设定不同的药量处方值，从而无法达到更好的病虫害防治效果，降低农业成本，减少用药量。

发明内容

针对上述问题，本发明提供了一种能够根据不同的地块受灾严重程度设定不同的药量处方值，达到更好的病虫害防治效果，降低农业成本，减少用药量的基于图像处理的水稻无人机变量施药自动控制***及方法。

为解决上述问题，本发明采取的技术方案为：一种基于图像处理的水稻无人机变量施药自动控制***，包括田间信息采集模块、信息处理模块、信息管理决策模块及无人机变量喷施控制模块；

所述的田间信息采集模块用于包括航拍无人机及配套飞控***、搭载相机的云台、GPS定位***及植保多旋翼无人机载电脑，其中相机对作物实时采集的图像信息及GPS定位***获得的定位信息均传入植保多旋翼无人机载电脑；

所述的信息处理模块包括GPS接收设备及安装于植保多旋翼无人机载电脑上的嵌入式GIS***，其中嵌入式GIS***接收相机采集的图像信息和GPS接收设备提供的定位信息用于生成农田信息分布图；

GPS接收设备用于为嵌入式GIS***提供GPS定位信息，嵌入式GIS***由eSuperMap软件开发，主要用于提取采集的图像信息和GPS定位信息，建立坐标系，生成农田信息分布图。

所述的信息管理决策模块装于离线计算机上，包括管理决策***、图像处理环节和作物病虫害专家***，其中管理决策***接收由嵌入式GIS***生成的农田信息分布图，结合图像处理环节的分析处理结果，由作物病害防治专家***对处理结果作出判断并生成相应的变量施药处方图，离线计算机将变量施药处方图传输给植保多旋翼无人机载电脑；

所述图像处理环节利用图像处理技术识别病害种类，判断病害严重程度；所述作物病害防治专家***通过改进现有专家***以提高区域适用性，能依据图像处理结果做出准确的农药喷洒量，即给出不同地块的施药处方值。

所述的无人机变量喷施控制***包括装载于植保多旋翼无人机上的变量施药控制***，变量施药控制***通过CAN总线与植保多旋翼无人机载电脑相连，接收植保多旋翼无人机载电脑传输的变量施药处方图。

变量施药控制***接收植保多旋翼无人机载电脑传输的变量施药处方图，作用到变量施药控制***实施作物无人机田间农药喷洒。

所述的植保多旋翼无人机载电脑选用S3C6410型ARM工控机并配置液晶触摸显示屏。植保多旋翼无人机载电脑用来与GPS接收设备、离线计算机和变量施药控制******进行信息传输和数据交互。

所述的变量施药控制***包括变量喷施控制器、药箱、液泵、电磁阀、液管、喷杆和喷头，药箱内设有液泵，并经液管、喷杆连接至喷头,液管上设有用于控制其通断的电磁阀。根据作业所在点的处方值要求，由ARM工控机发送喷雾指令到变量喷施控制器，通过变量喷施控制器控制电磁阀的通电时间，来改变喷头喷洒的药液量。

一种基于图像处理的水稻无人机变量施药自动控制方法，依次包括以下步骤：

步骤一：利用航拍无人机采集田间图像信息，同时由机载GPS定位***获取田间定位信息；

步骤二：对采集的田间图像信息进行处理，以分析不同地块作物受病害情况；

步骤三：由信息管理决策***依据作物受病害情况的分析结果制定出变量施药处方图；

步骤四：无人机变量施药控制***获得变量施药处方图，由植保多旋翼无人机按照预定的路线实施自动变量施药作业；

步骤五：在施药作业过程中实时显示并由检测控制站监测植保多旋翼无人机所在位置、药箱药量和施药状态。

步骤一中田间图像信息的采集是通过对农田划分作业带，每条带宽4m，并在在每条作业带上以4m间距设置若干测试点，由航拍无人机对测试点实时拍照获取；田间定位信息采集是由GPS定位***获得农田轮廓图，并将轮廓图以4m×4m网格大小对其划分，生成作物田间信息分布图。

步骤二中对采集的田间图像信息进行处理分析，识别病害类型，其具体步骤为：先对图像病斑信息部分进行放大，然后对采集的图像进行高斯滤波降噪；将滤波后的图像用阈值分割法获取水稻叶部病斑；提取病害部位的颜色、形状、纹理信息；应用支持向量机(SVM)对提取的病斑信息识别，判定病害类型。

步骤三中变量施药处方图是依据图像处理的分析结果，由信息管理决策***以作物田间信息分布图为基础生成的。

步骤四中变量施药控制***依据变量施药处方图，由多旋翼无人机按照GPS定位***预定的行进路线进行作业。

通过研究基于图像处理的作物无人机变量施药方法，根据不同的地块受灾严重程度设定不同的药量处方值，能达到更好的病虫害防治效果，降低农业成本，减少用药量。

本发明将无人机喷药与变量施药技术相结合，根据作物的实际受害情况变量喷洒农药，提高了作业效率，减少了农药使用量，减轻环境污染，有利于农作物生长，而实时监测显示***实现了可视化作业。病虫害分析过程中采用了图像处理技术，实时采集作物生长信息，做到了及时有效的判断；由GPS***实施获取机组位置信息，并于处方图的网格坐标系融合，判断机组所处网格，得到相应处方值，自动完成作业，节省了人力。

附图说明

图1为基于图像处理的无人机变量施药自动控制***的示意图；

图2为基于图像处理的无人机变量施药方法的流程图；

图3为信息管理决策***生成的变量施药处方图；

图4为变量施药控制***结构示意图；

1、喷杆，2、多旋翼无人机，3、变量喷施控制器，4、液管，5、喷头，6、液泵，7、药箱，8、电磁阀，9、检测控制站。

具体实施方式

一种基于图像处理的水稻无人机变量施药自动控制***，如图1所示，包括田间信息采集模块、信息处理模块、信息管理决策模块及无人机变量喷施控制模块；

所述的田间信息采集模块用于包括航拍无人机及配套飞控***、搭载相机的云台、GPS定位***及植保多旋翼无人机载电脑，其中相机对作物实时采集的图像信息及GPS定位***获得的定位信息均传入植保多旋翼无人机载电脑；所述的植保多旋翼无人机载电脑选用S3C6410型ARM工控机并配置液晶触摸显示屏；

所述的无人机变量喷施控制模块包括装载于植保多旋翼无人机2上的变量施药控制***，变量施药控制***通过CAN总线与植保多旋翼无人机载电脑相连，接收植保多旋翼无人机载电脑传输的变量施药处方图。

一种基于图像处理的水稻无人机变量施药自动控制方法，如图2所示，依次包括以下步骤：

田间图像信息的采集是通过对农田划分作业带，每条带宽4m，并在在每条作业带上以4m间距设置若干测试点，由航拍无人机对测试点实时拍照获取，由图传***传递到地面接收站；田间定位信息采集是由GPS定位***获得农田轮廓图，并将轮廓图以4m×4m网格大小对其划分，生成作物田间信息分布图。

所述的对图像进行处理分析，主要分以下几个步骤：

(1)先对图像中多处病斑信息部位放大，然后对放大图像进行高斯滤波降噪；

(2)将滤波后的图像用阈值分割法获取作物叶部病斑；

(3)提取病害部位的颜色、形状、纹理信息。所述颜色特征由一至三阶颜色矩公式①—③和标准化颜色直方图公式④表示：

μ_{i} = \frac{1}{N} Σ_{j = 1}^{N} P_{i . j}

①

σ_{i} = \sqrt{\frac{1}{N} Σ_{j = 1}^{N} {(p_{i . j} - μ_{i})}^{2}}

②

s_{i} = \sqrt[a]{\frac{1}{N} Σ_{j = 1}^{N} {(p_{i . j} - μ_{i})}^{3}}

③

h_{C_{I}} = \Pr [p &Element; I_{C_{I}}] = \frac{H_{C_{I}} (I)}{w \times h}

④

其中p_i.j表示第i个颜色通道灰度为j的像素出现的概率，N为像素总个数，H_CI(I)为图像I的直方图，p为图像中的像素点，w×h为图像的大小。

所述形状特征由病斑部位的圆形度、矩形度、偏心率表示，其公式分别如下：

e = \frac{4 π S}{L^{2}}

⑤

R = \frac{S}{W \times H}

⑥

E = \sqrt{\frac{(C 1 + C 2) - \sqrt{{(C 1 + C 2)}^{2} + 4 C 3^{2}}}{(C 1 + C 2) - \sqrt{{(C 1 + C 2)}^{2}} + 4 C 3^{2}}}

⑦

其中S表示病斑的面积，L表示周长，W×H为长度×宽度，C1、C2、C3分别是目标的各个像素点分别绕x、y、z坐标轴的转动惯量。

所述纹理特征由通过公式⑧-⑩分别计算角二阶矩(ASM)、对比度(CON)和相关度(COR)3个基于灰度共生矩阵的纹理量化指标来表示：

A S M = Σ_{i, j = 1}^{N} P {(i, j \ d, θ)}^{2}

⑧

C O N = Σ_{i, j = 1}^{N} {(i - j)}^{2} P (i, j \ d, θ)

⑨

C O R = \frac{Σ_{i = 1}^{N} Σ_{j = 1}^{N} (i, j) P (i, j) - μ_{x} μ_{y}}{σ_{x} σ_{y}}

⑩

式中，N为灰度级，σ_x、μ_x为行方向上纹理参数的均值和方差，σ_y、μ_y为列方向上纹理参数的均值和方差。

(4)由病害特征信息判定病害程度，并应用支持向量机(SVM)对提取的病斑信息识别，判定病害种类，其中所述SVM的训练样本通过扫描水稻病害原色图谱获得。

所述的制定变量施药处方图，主要是由作物病虫害专家***依据图像处理分析结果确定相应地块农药喷洒量，即确定处方值，并由信息管理决策***将各个处方值与作物田间信息分布图相结合生成如图3所示的变量施药处方图，将处方图通过存储设备传输到植保多旋翼无人机载电脑的嵌入式GIS***。

所述实施变量施药作业，主要是由植保多旋翼无人机2完成，植保多旋翼无人机上设置有变量施药控制***，包括变量喷施控制器3、药箱7、液泵6、电磁阀8、液管4、喷杆1和喷头5，药箱7内设有液泵6，并经液管4、喷杆1连接至喷头5,液管4上设有用于控制其通断的电磁阀8。根据作业所在点的处方值要求，由ARM工控机发送喷雾指令到变量喷施控制器3，通过变量喷施控制器3控制电磁阀8的通电时间，来改变喷头5喷洒的药液量。

嵌入式GIS***根据给定的变量施药处方图，通过GPS定位***实时获取机组当前位置的经、纬度信息，并与处方图坐标系融合，判断机组所处网格，从而得到机组当前作业位置的作业处方值，再通过CAN总线作用到变量施药控制***自动完成田间变量喷施作业。

步骤五：在施药作业过程中实时显示并由检测控制站9监测植保多旋翼无人机所在位置、药箱药量和施药状态。

以上实施方式仅用于说明本发明，而并非对本发明的限制，在不脱离本发明的精神和范围的情况下做出的各种变化和变型、所有等同的技术方案也属于本发明的范畴。

Claims

1.一种基于图像处理的水稻无人机变量施药自动控制***，其特征在于：包括田间信息采集模块、信息处理模块、信息管理决策模块及无人机变量喷施控制模块；

所述的无人机变量喷施控制模块包括装载于植保多旋翼无人机上的变量施药控制***，变量施药控制***通过CAN总线与植保多旋翼无人机载电脑相连，接收植保多旋翼无人机载电脑传输的变量施药处方图。

2.根据权利要求1所述的基于图像处理的水稻无人机变量施药自动控制***，其特征在于：所述的植保多旋翼无人机载电脑选用S3C6410型ARM工控机并配置液晶触摸显示屏。

3.根据权利要求1所述的基于图像处理的水稻无人机变量施药自动控制***，其特征在于：所述的变量施药控制***包括变量喷施控制器、药箱、液泵、电磁阀、液管、喷杆和喷头，药箱内设有液泵，并经液管、喷杆连接至喷头,液管上设有用于控制其通断的电磁阀。

4.一种基于图像处理的水稻无人机变量施药自动控制方法，其特征在于依次包括以下步骤：

5.根据权利要求4所述的基于图像处理的水稻无人机变量施药自动控制方法，其特征在于：步骤一中田间图像信息的采集是通过对农田划分作业带，每条带宽4m，并在在每条作业带上以4m间距设置若干测试点，由航拍无人机对测试点实时拍照获取；田间定位信息采集是由GPS定位***获得农田轮廓图，并将轮廓图以4m×4m网格大小对其划分，生成作物田间信息分布图。

6.根据权利要求4所述的基于图像处理的水稻无人机变量施药自动控制方法，其特征在于：步骤二中对采集的田间图像信息进行处理分析，识别病害类型，其具体步骤为：先对图像病斑信息部分进行放大，然后对采集的图像进行高斯滤波降噪；将滤波后的图像用阈值分割法获取水稻叶部病斑；提取病害部位的颜色、形状、纹理信息；应用支持向量机(SVM)对提取的病斑信息识别，判定病害类型。

7.根据权利要求4所述的基于图像处理的水稻无人机变量施药自动控制方法，其特征在于：步骤三中变量施药处方图是依据图像处理的分析结果，由信息管理决策***以作物田间信息分布图为基础生成的。

8.根据权利要求4所述的基于图像处理的水稻无人机变量施药自动控制方法，其特征在于：步骤四中变量施药控制***依据变量施药处方图，由植保多旋翼无人无人机按照GPS定位***预定的行进路线进行作业。