CN112166911B - 一种快速病虫害精准检测施药***和方法 - Google Patents
一种快速病虫害精准检测施药***和方法 Download PDFInfo
- Publication number
- CN112166911B CN112166911B CN202011100390.1A CN202011100390A CN112166911B CN 112166911 B CN112166911 B CN 112166911B CN 202011100390 A CN202011100390 A CN 202011100390A CN 112166911 B CN112166911 B CN 112166911B
- Authority
- CN
- China
- Prior art keywords
- acquisition
- unmanned aerial
- aerial vehicle
- grid
- insect pests
- 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
Links
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 118
- 201000010099 disease Diseases 0.000 title claims abstract description 115
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 115
- 239000000575 pesticide Substances 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 230000006378 damage Effects 0.000 title claims abstract description 17
- 241000238631 Hexapoda Species 0.000 claims abstract description 84
- 230000002265 prevention Effects 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims description 60
- 238000004458 analytical method Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 17
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical group C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000000265 homogenisation Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000010191 image analysis Methods 0.000 claims description 4
- 230000008635 plant growth Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims 1
- 238000012031 short term test Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000012271 agricultural production Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G13/00—Protecting plants
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/05—Agriculture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/30—Control
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/60—Positioning; Navigation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Agronomy & Crop Science (AREA)
- Toxicology (AREA)
- Physics & Mathematics (AREA)
- Marine Sciences & Fisheries (AREA)
- Multimedia (AREA)
- Mining & Mineral Resources (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Animal Husbandry (AREA)
- Catching Or Destruction (AREA)
- Aviation & Aerospace Engineering (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Environmental Sciences (AREA)
Abstract
本发明提供了一种病虫害快速检测精准施药的***和方法，包括地面数据处理中心、图像采集无人机、施药作业无人机；地面数据处理中心解算数据、划分网格、规划作业方案；图像采集无人机瞰式或精细步进模式采集；施药作业无人机病虫害施药防治；***据瞰式数据对网格异常分析标记异常、规划常规施药作业方案和精细步进模式采集方案，施药作业无人机和图像采集无人机分别执行；若不能确定病虫害则精细步进模式内部步进下一模式采集；若精细步进模式均不能确定病虫害，转人工判定；地面数据处理中心实时整合施药作业方案，施药作业无人机执行方案至完成。本***和方法适于病虫害的快速检测及时防治，提高精准农业作业效果并为智慧农业提供可靠数据。
Description
技术领域
本发明涉及精准农业中的病虫害检测防治技术领域，具体为一种快速病虫害精准检测施药***和方法。
背景技术
我国是个传统的农业大国，相当长时间里以农耕为主，就农业技术而言并非农业强国。目前我国农业生产仍然以传统生产模式为主，多是凭借经验来进行农业管理，诸如施肥灌溉杀虫灭害等，造成巨大的人力财力的浪费；从环保层面来说，施肥喷药等对环境影响日益严重，严重威胁环境与水土保持构成，对农业发展可持续性带来严峻的挑战，严重不符合生态文明的要求。国外先进的农业生产，基本实施精准农业生产，大幅的提高农业生产效益，进一步的增强农作物的抗灾抗害能力。相较在精准农业方面，我国存在有明显的差距。
针对上述问题，精准农业运用传感器和软件通过移动平台或者电脑平台对农业生产进行检测和控制，将大数据技术运用到传统农业中去，使传统农业更“灵”、更“准”。在农田病虫害的检测和防治方面，现有技术是通过植保无人机检测作物病虫害，一般通过无人机的搭载的图像采集***，整个区域的数据采集后，数据输入到地面数据处理中心进行处理，采用图像识别等技术再结合采集的数据、病虫害的数据库进行分析，判断病虫害并针对性的解算处方图、规划施药作业方案，发送至施药作业无人机来实施，从而完成整个病虫害的检测和施药。现有技术虽提高了传统农业的精准度，但由于采用线式作业，没有作业核心不突出重点，对没有病虫害的区域浪费了大量作业时间，特别是无效的施药给环境也造成极为严重的影响，再加大无效采集导致的海量数据加大了数据传输及处理难度，不能快速分析解算处方，严重影响了精准作业的实时性，极为严重的影响精准农业的作业效果。
发明内容
本发明要解决的技术问题是：提供一种克服现有技术效率低实时性差的快速病虫害精准检测施药***和方法。
本发明是一种快速病虫害精准检测施药***和方法，所述的病虫害快速检测精准施药的***包含有网格异常分析、精细作业的子模式步进模式、针对网格病虫害处方图的整合施药方案的实时实施，图1为本***的主要组成部分示意图，***主要包括了地面数据处理中心（下简地控）、图像采集无人机（下简采集机）、施药作业无人机（下简施药机）；所述的地面数据处理中心包含有车载平台、图像分析处理单元、判断规划控制单元、高速信息收发单元a；所述的图像采集无人机由无人机搭载平台、飞控单元b、图像采集单元、高速信息收发单元b等组成，选择性的搭载有机载初步分析***；所述的施药作业无人机由无人机施药平台、飞控单元c、信息收发单元、施药作业单元组成；
所述的地面数据处理中心与图像采集无人机通过高速信息收发单元互通信息，地面数据处理中心利用信息收发单元连通施药作业无人机；
所述的地面数据处理中心进行解算图像数据分析、划分网格经纬标定、规划整合作业方案、实时控制作业流程等，
所述的划分网格见网格划分示意图5；
所述的图像采集无人机进行高空瞰式图像采集或精细步进模式图像采集；
所述的高空瞰式图像采集是图像采集无人机高空作业，整个区域扫描获取全局图像信息，见图6瞰式图像采集示意；
所述的精细步进模式主要有：定常采集、低速采集、悬停采集、抵近采集、重点采集、高清采集、多维采集、动态采集；
所述的精细步进模式步进方向一般顺序为定常采集、低速采集、悬停采集、抵近采集、高清采集、多维采集、动态采集，病虫害异于常规时可预先调整该顺序，以利于快速判别病虫害；
所述的定常采集是固定飞行速度、固定飞行高度匀速进行图像数据采集；
所述的低速采集速度为定常采集速度的1/5-2/3；
所述的抵近采集是定常采集距离的一半或更近；
所述的悬停采集定点凝视采集；
所述的高清采集在于提高图像的像素；
所述的多维采集从不同角度对异常网格进行图像数据采集；
所述的动态采集为异常处的多点多角度连续视频采集；
所述的施药作业无人机实施病虫害施药防治，见示意图7；
所述***按瞰式数据对网格进行异常分析，并标记异常网络，由此来规划常规作业方案和精细步进模式采集方案，发送至所述的施药作业无人机和图像采集无人机分别执行；
所述的图像采集无人机按精细模式采集方案进行图像采集，并实时发回采集数据；
所述的地面数据处理中心依实时回传数据，结合病虫害相关数据库，判定病虫害；若不能判定病虫害则图像采集无人机精细步进模式内步进下一模式继续该网格的图像采集。
本***适于病虫害的快速发现及时防治，为精准农业、智慧农业等提供可靠数据支承。
本发明的一种快速病虫害精准检测施药方法，具体实施按照以下步骤进行：
Ⅰ地面数据处理中心综合作业任务、区域、植物特性、病虫害历史情况、植物生长期等因素，对作业区域进行网格划分，并规划高空瞰式图像数据采集方案；
Ⅱ进一步的数据经传送至所述的图像采集无人机，进行高空瞰式图像采集；
Ⅲ进一步的***对网格进行异常分析，标定异常网格；
Ⅳ进一步的异常分析包括了瞰式图像的全视场匀化处理获背景均值、瞰式图像网格匀化处理获各网格均值；
Ⅴ进一步的匀化处理为对图像的亮度或色调或饱和度进行域内平均得相应均值；
Ⅵ进一步的网格均值较背景均值相差小于设定值M，即公式
，则该网络标记异常，设定值M一般取值为15-35%，和图像解晰度及植物辨别难度等有关，解晰度高、植物易辨别时取小值；
Ⅶ进一步的图像采集无人机对正常网格定常进行抽查；
Ⅷ进一步的地面数据处理中心据正常网格的抽查数据、病虫害数据库等判断病虫害；
Ⅸ进一步的地面数据处理中心据确定的病虫害再结合病虫害治理及作业条件相关因素，对正常网格规划常规作业方案并发送施药作业无人机执行；
Ⅹ进一步的地面数据处理中心对异常网格规划精细步进模式采集方案，对异常网格进行更为精细的图像数据采集；
ⅩⅠ进一步的图像采集无人机按精细步进方案对异常网格进行图像数据采集并实时数据传送地面数据处理中心；
ⅩⅡ进一步的地面数据处理中心据已接收的精细作业图像采集信息对病虫害进行判断，若能确定病虫害则解算异常网格处方并及时整合到施药作业方案中以实时施药防治病虫害，从而实现并行处理协同作业目的；
ⅩⅢ进一步的地面数据处理中心若不能明确确定病虫害且各精细步进模式均不能确定时，该网格转人工判断，若不能明确确定病虫害但还有精细步进模式未实施时，则按步进方向由下一精细步进模式继续采集并按前叙过程确定病虫害；
ⅩⅣ进一步的异常网格转人工判断后，若采集方案未完成则进行下一异常网格的精细步进模式采集图像数据，若采集方案已完成则采集工作完成；
ⅩⅤ进一步的施药作业无人机执行整合作业方案进行施药对病虫害进行精准防治，至作业方案完成，整个作业区域病虫害快速检测精准防治的工作整体完成，相关数据由地面数据处理中心整理；
ⅩⅥ进一步的完善相关数据库，以支承精准农业、智慧农业应用。
本发明的一种快速病虫害精准检测施药方法可进一步的简化，将网格简化为点位，具体实施按照以下步骤进行：
Ⅰ由地面数据处理中心先行对待检场地GPS或经纬定位标记，并对无人机高空采集方案规划；
Ⅱ地面数据处理中心将高空采集方案、分划及片区经纬标记信息传送至图像采集无人机；
Ⅲ图像采集无人机飞控***按高空采集方案定位进行高空俯视超清静态图像采集；
Ⅳ图像采集无人机机载初级分析***对高空俯视超清静态图像亮度进行全视场平均化分析，得到全场亮度匀值；
Ⅴ机载分析***对亮度异常点位分析，点位亮度值与全场亮度匀值之差占全场亮度匀值的15-50%为异常点位，超过50%的为噪点，噪点应排除；
Ⅵ对异常点位和噪点进行经纬标定；图像采集无人机对正常点位随机抽取3-10%进行定常图像收集以确定正常区域病虫害状况；
Ⅶ进一步的地面数据处理中心据正常网格的抽查数据、病虫害数据库等判断病虫害；
Ⅷ进一步的地面数据处理中心据确定的病虫害再结合病虫害治理及作业条件相关因素；
Ⅸ进一步的地面数据处理中心对正常区域规划常规作业方案并发送施药作业无人机执行；
Ⅹ进一步的地面数据处理中心对异常点位规划精细步进模式采集方案，对异常点位进行更为精细的图像数据采集；
ⅩⅠ进一步的图像采集无人机按精细步进方案对异常点位进行图像数据采集并实时数据传送地面数据处理中心；
ⅩⅡ进一步的地面数据处理中心据已接收的精细作业图像采集信息对病虫害进行判断，若能确定病虫害则解算异常点位区域处方并及时整合到施药作业方案中以实时施药防治病虫害，从而实现并行处理协同作业目的，若不能明确确定病虫害且各精细步进模式均不能确定时该点位转人工判断，若不能明确确定病虫害但还有精细步进模式未实施时则按步进方向由下一精细步进模式继续采集并按前叙过程确定病虫害；
ⅩⅢ进一步的异常点位区域转人工判断后，若采集方案未完成则进行下一异常点位的精细步进模式采集图像数据，若采集方案已完成则采集工作完成；
ⅩⅣ进一步的施药作业无人机执行整合作业方案进行施药对病虫害进行精准防治，至作业方案完成，整个作业区域病虫害快速检测精准防治的工作整体完成。
将大的区域进一步简化为点位，数据量进一步的减少，分析处理速度加快，并且考虑点位的代表性弱于网格带来的干扰，引入噪点排除机制，提高了点位方向的可靠性。
本发明的有益技术效果是：
1.本发明中所述的一种病虫害快速检测精准施药的***和方法，不仅解决了现有技术病虫害检测数据量大效率低下，更重要的通过协同作业提高精准施药的实时性有效性，极大提升精准农业的作业效能；2.本***和方法通过划分网格规划作业方案以协同图像采集作业和施药作业，并且图像采集利用瞰式采集进行网格异常分析；3.抽查正常网格快速判断植物情况，进而规划正常网格的常规作业方案并由施药作业无人机实施；4.对于异常网格则由图像采集无人机按精细步进模式方案图像数据采集，并依病虫害确定情况步进下一精细步进模式，避免了不必要的采集流程，节约时间、减少数据量，极为明显的提高采集作业效率；5.图像采集作业和施药作业并行处理同时进行，并由地面数据处理中心据采集作业数据实时整合作业方案，使作业更协同更高效6.采集工作的分层分步作业，减少采集作业量和数据量，降低了对数据处理的要求；7.施药作业实时执行整合方案，针对性强、实时性强，施药更精准高效，突显了整个***的精准性和经济性。
本发明是针对植物病虫害的快速检测精准防治的***和方法，适用于现代农业、精准农业，可满足于智慧农业等现代农业发展的要求，以提升我国的农业现代化水平。
附图说明
图1本发明的***构成示意。
图2为地面数据处理中心组成示意。
图3为图像采集无人机组成示意。
图4为施药作业无人机组成示意。
图5为地面数据处理中心网格划分经纬标定示意。
图6为图像采集无人机高空瞰式图像数据采集示意。
图7为图像采集无人机精细步进模式图像数据采集示意。
图8为施药作业无人机作业示意。
图9为网格色差示意，其中两个异常网格浅于背景匀值，三个异常网格深于背景匀值。
图10为现有技术作业模式。
图11为本发明的作业流程图。
图12为异常点位判定示意图。
图中1.地面数据处理中心，11.车载平台，12.图像分析处理单元，13.判断规划控制单元，14.高速信息收发单元；2. 图像采集无人机，21.无人机搭载平台，22.飞控单元b，23.图像采集单元，24.高速信息收发单元，25.机载初步分析***；3.施药作业无人机，31.施药作业无人机，32.飞控单元c，33.信息收发单元，34.施药作业单元 。
具体实施方式
下面结合具体实施实例对本发明进行详细说明。以下实施实例有助于此领域的技术人员进一步理解本发明，但不以任何形式限制本实用新型。
实施例一
如图所示，本发明的一种快速病虫害精准检测施药***和方法，所述的病虫害快速检测精准施药的***包含有网格异常分析、精细作业的子模式步进模式、针对网格病虫害处方图的整合施药方案的实时实，快速病虫害精准检测施药***主要包括了地面数据处理中心1（下简地控）、图像采集无人机2（下简采集机）、施药作业无人机3（下简施药机）；所述的地面数据处理中心包含有车载平台11、图像分析处理单元12、判断规划控制单元13、高速信息收发单元a14；所述的图像采集无人机2由无人机搭载平台21、飞控单元b22、图像采集单元23、高速信息收发单元b24等组成，选择性的搭载有机载初步分析***25；所述的施药作业无人机3由无人机施药平台31、飞控单元c32、信息收发单元33、施药作业单元34组成；
所述的地面数据处理中心1与图像采集无人机2通过高速信息收发单元14互通信息，地面数据处理中心1利用信息收发单元33连通施药作业无人机3；
所述的地面数据处理中心1进行解算图像数据分析、划分网格经纬标定、规划整合作业方案、实时控制作业流程等，
所述的划分网格见网格划分示意图5；
所述的图像采集无人机2进行高空瞰式图像采集或精细步进模式图像采集；
所述的高空瞰式图像采集是图像采集无人机2高空作业，整个区域扫描获取全局图像信息，见图6瞰式图像采集示意；
所述的精细步进模式主要有：定常采集、低速采集、悬停采集、抵近采集、重点采集、高清采集、多维采集、动态采集；
所述的精细步进模式步进方向一般顺序为定常采集、低速采集、悬停采集、抵近采集、高清采集、多维采集、动态采集，病虫害异于常规时可预先调整该顺序，以利于快速判别病虫害；
所述的定常采集是固定飞行速度、固定飞行高度匀速进行图像数据采集；
所述的低速采集速度为定常采集速度的1/5-2/3，图像采集无人机2降低飞行速度更加细致进行图像采集；
所述的抵近采集是定常采集距离的一半或更近，起到降低高低拉紧距离，提高清晰度的作用；
所述的悬停采集定点凝视采集，图像采集无人机2在同一位置进行不间断的图像采集；
所述的高清采集在于提高图像的像素，提高图像的清晰度，有利于图像的辨别；
所述的多维采集从不同角度对异常网格进行图像数据采集，起到全方位反映异常点的情况；
所述的动态采集为异常处的多点多角度连续视频采集；
所述的施药作业无人机3实施病虫害施药防治，见示意图7；
所述***按瞰式数据对网格进行异常分析，并标记异常网络，由此来规划常规作业方案和精细步进模式采集方案，发送至所述的施药作业无人机3和图像采集无人机2分别执行；
所述的图像采集无人机2按精细模式采集方案进行图像采集，并实时发回采集数据；
所述的地面数据处理中心1依实时回传数据，结合病虫害相关数据库，判定病虫害；若不能判定病虫害则图像采集无人机2精细步进模式内步进下一模式继续该网格的图像采集。
实施例二
本发明的一种快速病虫害精准检测施药方法，具体实施按照以下步骤进行：
Ⅰ地面数据处理中心1综合作业任务、区域、植物特性、病虫害历史情况、植物生长期等因素，对作业区域进行网格划分，并规划高空瞰式图像数据采集方案；
Ⅱ进一步的数据经传送至所述的图像采集无人机2，进行高空瞰式图像采集；
Ⅲ进一步的***对网格进行异常分析，标定异常网格；
Ⅳ进一步的异常分析包括了瞰式图像的全视场匀化处理获背景均值、瞰式图像网格匀化处理获各网格均值；
Ⅴ进一步的匀化处理为对图像的亮度或色调或饱和度进行域内平均得相应均值；
Ⅵ进一步的网格均值较背景均值相差小于设定值M，即公式
，则该网络标记异常，设定值M一般取值为15-35%，和图像解晰度及植物辨别难度等有关，解晰度高、植物易辨别时取小值；
Ⅶ进一步的图像采集无人机2对正常网格定常进行抽查；
Ⅷ进一步的地面数据处理中心1据正常网格的抽查数据、病虫害数据库等判断病虫害；
Ⅸ进一步的地面数据处理中心1据确定的病虫害再结合病虫害治理及作业条件相关因素，对正常网格规划常规作业方案并发送施药作业无人机3执行；
Ⅹ进一步的地面数据处理中心1对异常网格规划精细步进模式采集方案，对异常网格进行更为精细的图像数据采集；
ⅩⅠ进一步的图像采集无人机2按精细步进方案对异常网格进行图像数据采集并实时数据传送地面数据处理中心；
ⅩⅡ进一步的地面数据处理中心1据已接收的精细作业图像采集信息对病虫害进行判断，若能确定病虫害则解算异常网格处方并及时整合到施药作业方案中以实时施药防治病虫害，从而实现并行处理协同作业目的；
ⅩⅢ进一步的地面数据处理中心1若不能明确确定病虫害且各精细步进模式均不能确定时，该网格转人工判断，若不能明确确定病虫害但还有精细步进模式未实施时，则按步进方向由下一精细步进模式继续采集并按前叙过程确定病虫害；
ⅩⅣ进一步的异常网格转人工判断后，若采集方案未完成则进行下一异常网格的精细步进模式采集图像数据，若采集方案已完成则采集工作完成；
ⅩⅤ进一步的施药作业无人机3执行整合作业方案进行施药对病虫害进行精准防治，至作业方案完成，整个作业区域病虫害快速检测精准防治的工作整体完成，相关数据由地面数据处理中心整理；
ⅩⅥ进一步的完善相关数据库，以支承精准农业、智慧农业应用。
实施例三
本发明的一种快速病虫害精准检测施药方法可进一步的简化，将网格简化为点位，具体实施按照以下步骤进行：
Ⅰ由地面数据处理中心1先行对待检场地GPS或经纬定位标记，并对图像采集无人机2高空采集方案规划；
Ⅱ地面数据处理中心1将高空采集方案、分划及片区经纬标记信息传送至图像采集无人机2；
Ⅲ图像采集无人机飞2控***按高空采集方案定位进行高空俯视超清静态图像采集；
Ⅳ图像采集无人机2机载初级分析***25对高空俯视超清静态图像亮度进行全视场平均化分析，得到全场亮度匀值；
Ⅴ机载分析***25对亮度异常点位分析，点位亮度值与全场亮度匀值之差占全场亮度匀值的15-50%为异常点位，超过50%的为噪点，噪点应排除；
Ⅵ对异常点位和噪点进行经纬标定；图像采集无人机2对正常点位随机抽取3-10%进行定常图像收集以确定正常区域病虫害状况；
Ⅶ进一步的地面数据处理中心1据正常网格的抽查数据、病虫害数据库等判断病虫害；
Ⅷ进一步的地面数据处理中心1据确定的病虫害再结合病虫害治理及作业条件相关因素；
Ⅸ进一步的地面数据处理中心1对正常区域规划常规作业方案并发送施药作业无人机3执行；
Ⅹ进一步的地面数据处理中心1对异常点位规划精细步进模式采集方案，对异常点位进行更为精细的图像数据采集；
ⅩⅠ进一步的图像采集无人机2按精细步进方案对异常点位进行图像数据采集并实时数据传送地面数据处理中心；
ⅩⅡ进一步的地面数据处理中心1据已接收的精细作业图像采集信息对病虫害进行判断，若能确定病虫害则解算异常点位区域处方并及时整合到施药作业方案中以实时施药防治病虫害，从而实现并行处理协同作业目的，若不能明确确定病虫害且各精细步进模式均不能确定时该点位转人工判断，若不能明确确定病虫害但还有精细步进模式未实施时则按步进方向由下一精细步进模式继续采集并按前叙过程确定病虫害；
ⅩⅢ进一步的异常点位区域转人工判断后，若采集方案未完成则进行下一异常点位的精细步进模式采集图像数据，若采集方案已完成则采集工作完成；
ⅩⅣ进一步的施药作业无人机3执行整合作业方案进行施药对病虫害进行精准防治，至作业方案完成，整个作业区域病虫害快速检测精准防治的工作整体完成。
将大的区域进一步简化为点位，数据量进一步的减少，分析处理速度加快，并且考虑点位的代表性弱于网格带来的干扰，引入噪点排除机制，提高了点位方向的可靠性。
在不明显增加无人机机载***复杂度的条件下，在图像采集无人机2上加载微型处理***——机载初级分析***，以使图像采集无人机具备基本的分析能力，能够完成对网络异常分析；具有机载初级分析***的图像采集无人机2，对瞰式采集数据直接进行分析、判断网格情况、标记网格，避免了瞰式采集数据向地面数据处理中心的传输，提高了网格异常分析的效率；减少了传输相应也减少了传输错误，提高了网格分析的正确率，提高了分析的精准性，更利于快速检测病虫害。
本***中的施药作业无人机3可进一步的提升为单旋翼无人机乃至固定翼无人机，加大机载能力，提高施药作业效率。
本***中的图像采集无人机2提升为到单旋翼无人机或固定翼无人机，可搭载多光谱、红外或高光谱等相机，以拓宽检测手段，提高检测精度和效率，通过载机能力的提升，扩大作业时间及相应的作业能力，促进快速。
以上所述的本发明实施方式，并不构成对本发明保护范围的限定，任何在本发明的精神和原则之内所做的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。
Claims (9)
1.一种病虫害快速检测精准施药的方法，包括地面数据处理中心(1)、图像采集无人机(2)、施药作业无人机(3)，其特征在于：所述的地面数据处理中心(1)进行解算数据、划分网格经纬标定、规划作业方案、控制作业；所述的图像采集无人机(2)可进行瞰式或有步进方向的精细作业的子模式步进模式采集；所述的施药作业无人机(3)对病虫害实时精准施药防治；所述的病虫害快速检测精准施药的***包含有网格异常分析、精细作业的子模式步进模式、针对网格病虫害处方图的整合施药方案的实时实施；所述的地面数据处理中心(1)综合作业任务、区域、植物特性、病虫害历史情况、植物生长期因素，对作业区域进行网格划分，并规划高空瞰式图像数据采集方案；进一步的数据经传送至所述的图像采集无人机(2)，进行高空瞰式图像采集；
进一步的***对网格进行异常分析、标定异常网格；
进一步的地面数据处理中心(1)据正常网格的抽查数据、病虫害数据库判断病虫害；
进一步的地面数据处理中心(1)据确定的病虫害再结合病虫害治理及作业条件相关因素，对正常网格规划常规作业方案并发送施药作业无人机(3)执行；
进一步的异常网格由地面数据处理中心(1)规划精细步进模式采集方案，对异常网格进行更为精细的图像数据采集；
进一步的图像采集无人机(2)按精细步进方案对异常网格进行图像数据采集并实时数据传送地面数据处理中心(1)；
进一步的地面数据处理中心(1)据已接收的精细作业图像采集信息对病虫害进行判断，若能确定病虫害则解算异常网格处方并及时整合到施药作业方案中以实时施药防治病虫害，从而实现并行处理协同作业目的，若不能明确确定病虫害且各精细步进模式均不能确定时该网格转人工判断，若不能明确确定病虫害但还有精细步进模式未实施时则按步进方向由下一精细步进模式继续采集并按前叙过程确定病虫害；
进一步的异常网格转人工判断后，若采集方案未完成则进行下一异常网格的精细步进模式采集图像数据，若采集方案已完成则采集工作完成；
进一步的施药作业无人机(3)执行整合作业方案进行施药对病虫害进行精准防治至作业方案完成，整个作业区域病虫害快速检测精准防治的工作整体完成。
2.根据权利要求1所述的病虫害快速检测精准施药的方法，其特征在于：所述的地面数据处理中心(1)包含有车载平台(11)、图像分析处理单元(12)、判断规划控制单(13)、高速信息收发单元a(14)；所述的图像采集无人机(2)由无人机搭载平台(21)、飞控单元b(22)、图像采集单元(23)、高速信息收发单元b(24)；所述的施药作业无人机(3)由无人机施药平台(31)、飞控单元c(32)、信息收发单元(33)、施药作业单元(34)组成。
3.根据权利要求2所述的病虫害快速检测精准施药的方法，其特征在于：所述的图像采集无人机(2)还包括有机载初步分析***(25)进行网格异常分析。
4.根据权利要求1-3任一权利要求所述的病虫害快速检测精准施药的方法，其特征在于：所述的图像采集无人机(2)和施药作业无人机(3)为多旋翼无人机、单旋翼无人机或固定翼无人机。
5.根据权利要求1所述的病虫害快速检测精准施药的方法，其特征在于：所述的高空瞰式图像采集是图像采集无人机(2)高空作业，扫描整个区域获取全局图像信息；所述的网格异常分析是瞰式采集匀化处理数据的背景均值和网格均值进行比对分析，超出设定值标记异常；所述的网格异常比对分析为：
式中：
背景均值：瞰式图像的全视场匀化处理获背景均值
网格均值：瞰式图像网格匀化处理获各网格均值
设定值M一般取值为15-35％，和图像解晰度及植物辨别难度有关，解晰度高、植物易辨别时取小值。
6.根据权利要求1所述的病虫害快速检测精准施药的方法，其特征在于：所述的网格为点位；所述的网格异常分析为瞰式图像全视场平均化得到全场均匀值、进一步的对瞰式图像中亮度(或色调或饱和度)异常点位对比分析、点位亮度值与全场亮度匀值之差占全场亮度匀值的15-50％为异常点位、超过50％的为噪点、噪点排除采集；进一步的对异常点位和噪点进行经纬标定。
7.根据权利要求1或6所述的病虫害快速检测精准施药的方法，其特征在于：所述的精细步进模式及步进方向为：定常采集、低速采集、悬停采集、抵近采集、高清采集、多维采集、动态采集；所述的精细步进模式依病虫害的不能确定而步进下一精细步进模式。
8.根据权利要求7所述的病虫害快速检测精准施药的方法，其特征在于：所述的精细步进模式的步进方向可依病虫害类型、作业条件预先设定或调整。
9.根据权利要求1或6所述的病虫害快速检测精准施药的方法，其特征在于：所述的精准施药是针对性对异常网格的病虫害而特别解算的处方并整合到作业方案并实时施药防治作业。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011100390.1A CN112166911B (zh) | 2020-10-15 | 2020-10-15 | 一种快速病虫害精准检测施药***和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011100390.1A CN112166911B (zh) | 2020-10-15 | 2020-10-15 | 一种快速病虫害精准检测施药***和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112166911A CN112166911A (zh) | 2021-01-05 |
| CN112166911B true CN112166911B (zh) | 2022-05-24 |
Family
ID=73950225
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011100390.1A Active CN112166911B (zh) | 2020-10-15 | 2020-10-15 | 一种快速病虫害精准检测施药***和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112166911B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114063686A (zh) * | 2021-11-15 | 2022-02-18 | 宁夏农林科学院植物保护研究所（宁夏植物病虫害防治重点实验室） | 农业有害生物监测预警方法 |
| CN114568185A (zh) * | 2022-04-08 | 2022-06-03 | 西藏自治区农牧科学院蔬菜研究所 | 一种果树病虫害的防治方法 |
| CN115272314B (zh) * | 2022-09-27 | 2022-12-23 | 广东晟腾地信科技有限公司 | 农业低空遥感测绘方法、装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105173085A (zh) * | 2015-09-18 | 2015-12-23 | 山东农业大学 | 无人机变量施药自动控制***及方法 |
| CN105869340A (zh) * | 2016-03-28 | 2016-08-17 | 北方民族大学 | 一种基于无人机的异常火点监测***及监测方法 |
| CN107346434A (zh) * | 2017-05-03 | 2017-11-14 | 上海大学 | 一种基于多特征及支持向量机的植物病虫害检测方法 |
| KR20170135579A (ko) * | 2016-05-31 | 2017-12-08 | 김성남 | 슬라이드 암이 적용된 다목적 드론 |
| CN108921849A (zh) * | 2018-09-30 | 2018-11-30 | 靖西海越农业有限公司 | 用于防治沃柑病虫害的智慧农业监控预警*** |
| CN110162087A (zh) * | 2019-05-17 | 2019-08-23 | 安徽舒州农业科技有限责任公司 | 一种植保无人机自动识别农作物病害的方法及装置 |
| CN111543413A (zh) * | 2020-05-28 | 2020-08-18 | 中国农业大学 | 一种空地协同的农业机器人精准施药方法及*** |
-
2020
- 2020-10-15 CN CN202011100390.1A patent/CN112166911B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105173085A (zh) * | 2015-09-18 | 2015-12-23 | 山东农业大学 | 无人机变量施药自动控制***及方法 |
| CN105869340A (zh) * | 2016-03-28 | 2016-08-17 | 北方民族大学 | 一种基于无人机的异常火点监测***及监测方法 |
| KR20170135579A (ko) * | 2016-05-31 | 2017-12-08 | 김성남 | 슬라이드 암이 적용된 다목적 드론 |
| CN107346434A (zh) * | 2017-05-03 | 2017-11-14 | 上海大学 | 一种基于多特征及支持向量机的植物病虫害检测方法 |
| CN108921849A (zh) * | 2018-09-30 | 2018-11-30 | 靖西海越农业有限公司 | 用于防治沃柑病虫害的智慧农业监控预警*** |
| CN110162087A (zh) * | 2019-05-17 | 2019-08-23 | 安徽舒州农业科技有限责任公司 | 一种植保无人机自动识别农作物病害的方法及装置 |
| CN111543413A (zh) * | 2020-05-28 | 2020-08-18 | 中国农业大学 | 一种空地协同的农业机器人精准施药方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112166911A (zh) | 2021-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112166911B (zh) | 一种快速病虫害精准检测施药***和方法 | |
| CN108684282B (zh) | 一种农业察打一体机***及喷洒控制方法 | |
| CN105173085B (zh) | 无人机变量施药自动控制***及方法 | |
| CN105842246B (zh) | 农田监测***及监测农田的方法 | |
| CN104764533A (zh) | 基于无人机图像采集和红外热像仪的智能农业*** | |
| CN113920474B (zh) | 一种智能监管柑橘种植态势的物联网***及方法 | |
| CN109032174B (zh) | 一种无人机作业航线规划方法以及作业执行方法 | |
| CN208506596U (zh) | 无人机多光谱遥感*** | |
| CN109164214B (zh) | 一种边界污染源快速映射定位及强度反演***及方法 | |
| Xu et al. | Classification method of cultivated land based on UAV visible light remote sensing | |
| CN113610040B (zh) | 一种基于改进BiSeNetV2分割网络的水稻田杂草密度实时统计方法 | |
| CN105936337A (zh) | 一种农业无人机 | |
| CN205861560U (zh) | 农田监测*** | |
| CN105657261A (zh) | 一种基于安卓设备的无人机遥感图像采集***及方法 | |
| CN110334683A (zh) | 基于无人机遥感***智能识别植物的方法 | |
| CN111506097A (zh) | 一种无人机遥感技术在精准农业中的应用***及方法 | |
| CN113887085A (zh) | 基于雾滴沉积模型的植保无人机喷洒质量评价方法 | |
| CN110472596A (zh) | 一种农业精细化种植及灾害预防控制*** | |
| CN110413002B (zh) | 一种无人机遥感信息采集方法及装置 | |
| CN109146508A (zh) | 一种基于无人机的农产品溯源*** | |
| CN108762290A (zh) | 无人机植保作业***及方法 | |
| Hong et al. | Adaptive target spray system based on machine vision for plant protection UAV | |
| CN115797807A (zh) | 基于无人机载光谱仪数据的海洋垃圾监测方法、***及介质 | |
| CN115183820A (zh) | 基于浮空器机载光谱的茶园智能监测***及方法 | |
| Pathak et al. | Review on effective role of UAV in precision farming |
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 |