CN109511630B - 具有目标跟踪功能的智能喷头 - Google Patents

具有目标跟踪功能的智能喷头 Download PDF

Info

Publication number
CN109511630B
CN109511630B CN201710859029.9A CN201710859029A CN109511630B CN 109511630 B CN109511630 B CN 109511630B CN 201710859029 A CN201710859029 A CN 201710859029A CN 109511630 B CN109511630 B CN 109511630B
Authority
CN
China
Prior art keywords
image
target
nozzle
camera
laser lamp
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.)
Active
Application number
CN201710859029.9A
Other languages
English (en)
Other versions
CN109511630A (zh
Inventor
李琦
夏青元
许立松
曹振东
彭玺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201710859029.9A priority Critical patent/CN109511630B/zh
Publication of CN109511630A publication Critical patent/CN109511630A/zh
Application granted granted Critical
Publication of CN109511630B publication Critical patent/CN109511630B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
    • A01M7/005—Special arrangements or adaptations of the spraying or distributing parts, e.g. adaptations or mounting of the spray booms, mounting of the nozzles, protection shields
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D1/00—Dropping, ejecting, releasing, or receiving articles, liquids, or the like, in flight
    • B64D1/16—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting
    • B64D1/18—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting by spraying, e.g. insecticides

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Pest Control & Pesticides (AREA)
  • Insects & Arthropods (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Environmental Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种具有目标跟踪功能的智能喷头，包括自稳定云台、相机、激光灯、喷嘴、储水壶、图像处理器、电机和图像采集卡；所述喷嘴、激光灯和相机固定在自稳定云台上，相机用于拍摄图像并通过图像采集卡将图像发送给图像处理器；图像处理器对采集的图像进行分割，区分出目标和背景，将目标位置信息发送给搭载智能喷头的运动平台；激光灯用于瞄准目标，储水壶用于储存待喷液体，喷嘴和电机连接。本发明利用图像识别自动寻找目标，实现对目标精确喷洒。

Description

具有目标跟踪功能的智能喷头
技术领域
本发明涉及农业机械领域，尤其涉及一种具有目标跟踪功能的智能喷头。
背景技术
目前，对无人飞行器的应用已经逐渐遍及工业、农业等各个领域。
在农业或园植方面，现有的方法大多是以手动操控无人机直接搭载农药喷头，对作物等进行喷洒，这样既消耗了大量的人力，又使得部分农药被喷洒到了无用的地方，浪费了大量资源。
发明内容
本发明的目的在于提供一种具有目标跟踪功能的智能喷头，弥补现有技术无法自主寻找目标的不足。
实现本发明目的的技术方案为：一种具有目标跟踪功能的智能喷头，包括自稳定云台、相机、激光灯、喷嘴、储水壶、图像处理器、电机和图像采集卡；所述喷嘴、激光灯和相机固定在自稳定云台上，相机用于拍摄图像并通过图像采集卡将图像发送给图像处理器；图像处理器对采集的图像进行分割，区分出目标和背景，将目标位置信息发送给搭载智能喷头的运动平台；激光灯用于瞄准目标，储水壶用于储存待喷液体，喷嘴和电机连接。
与现有技术相比，本发明的优点为：
(1)本发明对获得的图像进行处理得到目标物体的位置信息，并将其发送给搭载平台，搭载平台再对其做出相应的移动操作，使得相应的目标物体进入到相应的喷洒区域内，不需要专业人员对搭载平台进行直接操作；
(2)本发明能够对目标精确喷洒，节省大量资源。
附图说明
图1是本发明具有目标跟踪功能的智能喷头总体结构图。
图2是喷嘴、激光灯和相机所在位置局部示意图。
图3是图像处理过程流程图。
具体实施方式
结合图1、图2，一种具有目标跟踪功能的智能喷头，包括自稳定云台1、相机2、激光灯3、喷嘴4、储水壶5、图像处理器6、电机7和图像采集卡8；
所述喷嘴4、激光灯3和相机2固定在自稳定云台1上，相机2用于拍摄图像并通过图像采集卡8将图像发送给图像处理器6；图像处理器6对采集的图像进行分割，区分出目标和背景，将目标位置信息发送给搭载智能喷头的运动平台；激光灯3用于瞄准目标，储水壶5用于储存待喷液体，喷嘴4和电机7连接，电机7用于从储水壶5中吸取待喷液体至喷头4。
进一步的，激光灯3固定在相机2下方，喷嘴4固定在激光灯3下方，以防止液体在喷洒时滴落到镜头上。
进一步的，图像处理器6对采集图像的处理过程为：
第一步：图像的预处理：
对目标图像进行亮度调整、去除噪声，使原始图像归一化为标准图像；
由于目标图像结构的相似性，当把很多目标图像规一化后，这些图像在这一超高空间中不是随机或散乱分布的，而是存在某种规律。因此，通过PCA变换用一个低维子空间描述目标图像，同时又能保存所需要的识别信息。
第二步：利用PCA变换进行目标识别
(1)设训练样本集为X＝(x1，x2，…，xN)，N为训练样本的总数，xi为第i个训练样本图像向量；
(2)计算协方差矩阵：
Figure BDA0001413522020000021
(3)计算特征值λi及对应的正交化、归一化特征向量ai，将特征值按照从大到小进行排序λ1≥λ2≥…≥λn；
(4)取出前d个最大特征值及其对应的正交化、归一化特征向量a1，a2，…，ad，分别将这d个特征向量化为p行q列矩阵得到d幅图像，称为特征图像；由特征图像a1，a2，…，ad张成一个降维的特征子空间；
(5)对于任意待识别样本f，通过向特征图像子空间投影获得其系数向量：
y＝(a1，a2，…，ad)Tf
其重现图像为：
f′＝(a1，a2，…，ad)Ty
其重建图像的信噪比：
Figure BDA0001413522020000031
若信噪比小于阈值θ，则判决不是目标图像。
图3为图像处理总流程。通过相机采集图像数据，并通过图像采集卡传送到图像处理器中。图像处理器对传入的图像数据进行图像分析得到目标的位置信息，进而将目标位置信息发送给搭载平台。搭载平台在根据收到的位置信息进行移动，找到相应的目标。

Claims (2)

1.一种具有目标跟踪功能的智能喷头的使用方法，其特征在于，智能喷头包括自稳定云台（1）、相机（2）、激光灯（3）、喷嘴（4）、储水壶（5）、图像处理器（6）、电机（7）和图像采集卡（8）；所述喷嘴（4）、激光灯（3）和相机（2）固定在自稳定云台（1）上，相机（2）用于拍摄图像并通过图像采集卡（8）将图像发送给图像处理器（6）；图像处理器（6）对采集的图像进行分割，区分出目标和背景，将目标位置信息发送给搭载智能喷头的运动平台；激光灯（3）用于瞄准目标，储水壶（5）用于储存待喷液体，喷嘴（4）和电机（7）连接；
使用方法具体步骤如下：
通过相机（2）采集图像数据，并通过图像采集卡（8）传送到图像处理器（6）中；
图像处理器（6）对传入的图像数据进行图像分析得到目标的位置信息，进而将目标位置信息发送给自稳定云台（1）；
自稳定云台（1）根据收到的位置信息进行移动，找到相应的目标，从而进行喷洒；
其中，图像处理器（6）对采集图像的处理过程为：
第一步：图像的预处理
对目标图像进行亮度调整、去除噪声，使原始图像归一化为标准图像；
第二步：利用PCA变换进行目标识别
（1）设训练样本集为
Figure 955561DEST_PATH_IMAGE001
，N为训练样本的总数，
Figure 978880DEST_PATH_IMAGE002
为第i个训练样本图像向量；
（2）计算协方差矩阵：
Figure 423768DEST_PATH_IMAGE003
（3）计算特征值
Figure 292367DEST_PATH_IMAGE004
及对应的正交化、归一化特征向量
Figure 201417DEST_PATH_IMAGE005
，将特征值按照从大到小进行排序
Figure 739846DEST_PATH_IMAGE006
；
（4）取出前d个最大特征值及其对应的正交化、归一化特征向量
Figure 62243DEST_PATH_IMAGE007
，分别将这d个特征向量化为p行q列矩阵得到d幅图像，称为特征图像；由特征图像
Figure 406636DEST_PATH_IMAGE007
张成一个降维的特征子空间；
（5）对于任意待识别样本f，通过向特征图像子空间投影获得其系数向量：
Figure 107876DEST_PATH_IMAGE008
其重现图像为：
Figure 472998DEST_PATH_IMAGE009
其重建图像的信噪比：
Figure 689216DEST_PATH_IMAGE010
若信噪比小于阈值
Figure 774984DEST_PATH_IMAGE011
，则判决不是目标图像。
2.根据权利要求1所述的具有目标跟踪功能的智能喷头的使用方法，其特征在于，激光灯（3）固定在相机（2）下方，喷嘴（4）固定在激光灯（3）下方。
CN201710859029.9A 2017-09-20 2017-09-20 具有目标跟踪功能的智能喷头 Active CN109511630B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710859029.9A CN109511630B (zh) 2017-09-20 2017-09-20 具有目标跟踪功能的智能喷头

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710859029.9A CN109511630B (zh) 2017-09-20 2017-09-20 具有目标跟踪功能的智能喷头

Publications (2)

Publication Number Publication Date
CN109511630A CN109511630A (zh) 2019-03-26
CN109511630B true CN109511630B (zh) 2021-09-21

Family

ID=65768627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710859029.9A Active CN109511630B (zh) 2017-09-20 2017-09-20 具有目标跟踪功能的智能喷头

Country Status (1)

Country Link
CN (1) CN109511630B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101295401A (zh) * 2008-06-05 2008-10-29 上海交通大学 基于线性pca的红外点目标检测方法
CN101626489A (zh) * 2008-07-10 2010-01-13 苏国政 无人值守目标智能识别与自动跟踪的方法及其***
CN102680488A (zh) * 2012-03-31 2012-09-19 北京农业信息技术研究中心 一种基于pca的块状农产品在线识别装置及方法
CN103918636A (zh) * 2014-04-29 2014-07-16 青岛农业大学 基于图像处理的智能喷药方法及喷药机器人
CN103988824A (zh) * 2014-04-18 2014-08-20 浙江大学 一种基于双目视觉技术的自动对靶喷施***
CN104430272A (zh) * 2014-11-06 2015-03-25 安徽农业大学 一种基于图像处理的自走式智能喷雾机
WO2015161352A1 (pt) * 2014-04-22 2015-10-29 Da Costa Goerl Eduardo Veiculo aéreo não tripulado (vant), usado para atividade agrícola e aplicação de pesticidas e fertilizantes
CN205750557U (zh) * 2016-07-06 2016-11-30 河北博鹰通航科技有限公司 一种采用差分gps导航的植保无人机
KR20170040606A (ko) * 2015-10-05 2017-04-13 조봉현 도로의 노면 표시 장치

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101295401A (zh) * 2008-06-05 2008-10-29 上海交通大学 基于线性pca的红外点目标检测方法
CN101626489A (zh) * 2008-07-10 2010-01-13 苏国政 无人值守目标智能识别与自动跟踪的方法及其***
CN102680488A (zh) * 2012-03-31 2012-09-19 北京农业信息技术研究中心 一种基于pca的块状农产品在线识别装置及方法
CN103988824A (zh) * 2014-04-18 2014-08-20 浙江大学 一种基于双目视觉技术的自动对靶喷施***
WO2015161352A1 (pt) * 2014-04-22 2015-10-29 Da Costa Goerl Eduardo Veiculo aéreo não tripulado (vant), usado para atividade agrícola e aplicação de pesticidas e fertilizantes
CN103918636A (zh) * 2014-04-29 2014-07-16 青岛农业大学 基于图像处理的智能喷药方法及喷药机器人
CN104430272A (zh) * 2014-11-06 2015-03-25 安徽农业大学 一种基于图像处理的自走式智能喷雾机
KR20170040606A (ko) * 2015-10-05 2017-04-13 조봉현 도로의 노면 표시 장치
CN205750557U (zh) * 2016-07-06 2016-11-30 河北博鹰通航科技有限公司 一种采用差分gps导航的植保无人机

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
无人飞行器双目视觉位姿估计算法改进与验证;张梁 等;《上海交通大学学报》;20150930;第49卷(第09期);第1387-1393页 *

Also Published As

Publication number Publication date
CN109511630A (zh) 2019-03-26

Similar Documents

Publication Publication Date Title
Sarwar et al. Detecting and counting sheep with a convolutional neural network
Roychowdhury et al. Machine learning models for road surface and friction estimation using front-camera images
Bargoti et al. Image segmentation for fruit detection and yield estimation in apple orchards
CN111797653B (zh) 基于高维图像的图像标注方法和装置
Kurtulmus et al. Green citrus detection using ‘eigenfruit’, color and circular Gabor texture features under natural outdoor conditions
CN105976310B (zh) 一种基于分块的vca端元提取方法
US8041080B2 (en) Method for recognizing traffic signs
US10325169B2 (en) Spatio-temporal awareness engine for priority tree based region selection across multiple input cameras and multimodal sensor empowered awareness engine for target recovery and object path prediction
Silwal et al. Apple identification in field environment with over the row machine vision system
EP3427186A1 (en) Systems and methods for normalizing an image
Liu et al. Identifying immature and mature pomelo fruits in trees by elliptical model fitting in the Cr–Cb color space
US20210357643A1 (en) Method for determining distribution information, and control method and device for unmanned aerial vehicle
Weyler et al. In-field phenotyping based on crop leaf and plant instance segmentation
US20140177949A1 (en) Unsupervised adaptation method and automatic image classification method applying the same
Aggarwal Biological tomato leaf disease classification using deep learning framework
Han et al. Shape context based object recognition and tracking in structured underwater environment
Atoum et al. Monocular video-based trailer coupler detection using multiplexer convolutional neural network
Xiang et al. Measuring stem diameter of sorghum plants in the field using a high-throughput stereo vision system
CN109511630B (zh) 具有目标跟踪功能的智能喷头
Emmi et al. Toward autonomous mobile robot navigation in early-stage crop growth
JP5755516B2 (ja) 物体形状推定装置
Sohail et al. An analysis on machine vision and image processing techniques for weed detection in agricultural crops
WO2022061496A1 (zh) 对象边界提取方法、装置、可移动平台及存储介质
CN115482256A (zh) 一种轻量化的目标检测与基于语义分割的自动跟踪方法
Tang et al. sUAS and Machine Learning Integration in Waterfowl Population Surveys

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant