CN112896520A - 一种基于大数据分析的农业无人机作业远程控制方法 - Google Patents

一种基于大数据分析的农业无人机作业远程控制方法 Download PDF

Info

Publication number
CN112896520A
CN112896520A CN202110406310.3A CN202110406310A CN112896520A CN 112896520 A CN112896520 A CN 112896520A CN 202110406310 A CN202110406310 A CN 202110406310A CN 112896520 A CN112896520 A CN 112896520A
Authority
CN
China
Prior art keywords
rice
rice field
subregion
area
plant
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.)
Granted
Application number
CN202110406310.3A
Other languages
English (en)
Other versions
CN112896520B (zh
Inventor
李玉莲
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.)
Shenzhen Fengnong Shuzhi Agricultural Technology Co ltd
Shenzhen Wugu Network Technology Co ltd
Original Assignee
Wuhan Flying Star Technology Co ltd
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 Wuhan Flying Star Technology Co ltd filed Critical Wuhan Flying Star Technology Co ltd
Priority to CN202110406310.3A priority Critical patent/CN112896520B/zh
Publication of CN112896520A publication Critical patent/CN112896520A/zh
Application granted granted Critical
Publication of CN112896520B publication Critical patent/CN112896520B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • A01M7/0089—Regulating or controlling systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/04—Control of altitude or depth
    • G05D1/06—Rate of change of altitude or depth
    • G05D1/0607—Rate of change of altitude or depth specially adapted for aircraft
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls
    • B64U2201/20—Remote controls

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Pest Control & Pesticides (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Insects & Arthropods (AREA)
  • Environmental Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于大数据分析的农业无人机作业远程控制方法，通过对稻田区域进行子区域划分，并获取各稻田子区域的面积，同时获取各稻田子区域的稻株长势参数，由此统计出各稻田子区域对应的水稻平均综合长势系数，此时根据各稻田子区域的面积分析出各稻田子区域对应的总喷洒农药量，与此同时从各稻田子区域的稻株长势参数中获取各稻田子区域对应的稻株平均高度，进而得到各稻田子区域对应的无人机标准喷洒高度，弥补了目前通过无人机对农作物进行喷洒农药作业过程中存在的不符合农作物实际喷洒需求的不足，提高了喷洒效果，大大减少了因不符合农作物实际喷洒需求造成农作物损伤情况的发生，满足了对农作物的精准植保需求。

Description

一种基于大数据分析的农业无人机作业远程控制方法
技术领域
本发明属于农业无人机远程控制技术领域，具体涉及一种基于大数据分析的农业无人机作业远程控制方法。
背景技术
在近年来,随着农业现代化水平的不断提升,农业生产中对安全高效植保技术的需求越来越大，以喷洒农药为例，我国传统的人工喷洒农药技术不仅费时费力,植保效果也差强人意,无法有效的保护农作物。而现代的无人机喷洒农药技术相比传统人工机械喷洒,具有安全、高效、节省药剂使用量等优点,不仅可以降低植保成本,还可大幅提升工作效率,从而更好的防止农作物出现病虫害,提高种植户经济利益。
但目前通过无人机对农作物进行喷洒农药作业过程中，无人机在农作物种植区域内喷洒的高度和喷洒的药量均是是统一控制的，没有考虑到农作物种植区域内农作物的植株高度不同对喷洒高度的影响和农作物长势不同对喷洒药量的影响。对于同一种农作物来说，不同的植株高度，其实际需求的喷洒高度是不同的，不同的长势状况，其实际需求的喷洒药量也是不同的，单纯以统一的喷洒高度和喷洒药量对农作物种植区域内的所有农作物进行农药喷洒，显然不符合农作物的实际喷洒需求，进而使得农作物种植区域内有些农作物达不到预设的喷洒效果，甚至造成农作物的损伤，不能很好保障农作物的安全，难以满足对农作物的精准植保需求。
发明内容
为了解决上述问题，本发明以对水稻进行农药喷洒为例，提出一种基于大数据分析的农业无人机作业远程控制方法，通过将稻田区域进行子区域划分，并分析各稻田子区域的水稻长势情况，以此统计各稻田子区域对应的总喷洒农药量、无人机喷洒高度，进而实时调控无人机在各稻田子区域对应的喷洒参数，实现了对农作物的精准植保需求。
本发明的目的可以通过以下技术方案实现：
一种基于大数据分析的农业无人机作业远程控制方法，包括以下步骤；
S1.稻田子区域划分：获取待喷洒农药的稻田对应的稻田区域边界轮廓，并根据获取的稻田区域边界轮廓统计稻田区域面积，由此将稻田区域按照稻田区域面积均匀等分的方法划分为若干稻田子区域，并对划分的各稻田子区域依据预定义的顺序进行编号，分别标记为1,2...i...n，同时根据划分的稻田子区域数量统计各稻田子区域对应的面积；
S2.稻田子区域稻田图像采集：在各稻田子区域进行稻田图像采集，以此得到各稻田子区域的稻田图像，并从得到的各稻田子区域的稻田图像中获取稻株数量，进而对获取的各稻田子区域对应的各个稻株进行编号，依次标记为A,B...I...N；
S3.稻田子区域稻株长势参数集合构建：按照各稻田子区域内各个稻株的编号顺序，将各稻田子区域的稻田图像依次聚焦在各个稻株区域，进而获取各个稻株对应的稻株高度和稻穗长度，与此同时将各稻田子区域的稻田图像依次聚焦在各个稻株对应的稻穗区域，并提取各个稻株对应的稻穗上稻粒最大轮廓和最小轮廓、稻粒颜色特征，以此获取各稻田子区域各个稻株对应的稻粒最大体积、最小体积和稻粒颜色色度，此时根据各稻田子区域内各个稻株对应的稻粒最大体积、最小体积计算各稻田子区域内各个稻株对应的稻粒平均体积，由此将获取的各稻田子区域内各个稻株对应的稻株高度、稻穗长度、稻粒平均体积和稻粒颜色色度构成稻田子区域稻株长势参数集合Qw i(qw iA,qw iB,...,qw iI,...,qw iN)，qw iI表示为第i个稻田子区域内第I个稻株的长势参数对应的数值，w表示为长势参数，w＝r1,r2,r3,r4,分别表示为稻株高度、稻穗长度、稻粒平均体积、稻粒颜色色度；
S4.稻田子区域各稻株综合长势系数统计：从稻田子区域稻株长势参数集合中依次提取各稻田子区域各个稻株对应的稻株高度，将其与长势参数数据库中各种稻株高度对应的株高长势系数进行对比，从中筛选出各稻田子区域各个稻株对应的株高长势系数，接着从稻田子区域稻株长势参数集合中依次提取各稻田子区域各个稻株对应的稻穗长度，并将其与长势参数数据库中各种稻穗长度对应的穗长长势系数进行对比，从中筛选出各稻田子区域各个稻株对应的穗长长势系数，再从稻田子区域稻株长势参数集合中依次提取各稻田子区域各个稻株对应的稻粒平均体积，并将其与长势参数数据库中各种稻粒平均体积对应的饱满度长势系数进行对比，从中筛选出各稻田子区域各个稻株对应的饱满度长势系数，最后从稻田子区域稻株长势参数集合中依次提取各稻田子区域各个稻株对应的稻粒颜色色度，并将其与长势参数数据库中各种稻粒颜色色度对应的色泽度长势系数进行对比，从中筛选出各稻田子区域各个稻株对应的色泽度长势系数，由此根据各稻田子区域各个稻株对应的株高长势系数、穗长长势系数、饱满度长势系数和色泽度长势系数统计各稻田子区域各个稻株对应的综合长势系数；
S5.稻田子区域总喷洒农药量统计：将各稻田子区域各个稻株对应的综合长势系数进行均值处理，得到各稻田子区域对应的水稻平均综合长势系数，其计算公式为
Figure BDA0003022501180000031
Figure BDA0003022501180000032
表示为第i个稻田子区域对应的水稻平均综合长势系数，并将得到的各稻田子区域对应的水稻平均综合长势系数与农药喷洒数据库中各种水稻平均综合长势系数对应的单位稻田区域面积农药喷洒量进行对比，从中筛选出各稻田子区域对应的单位稻田区域面积农药喷洒量，与此同时根据各稻田子区域对应的面积统计各稻田子区域对应的总喷洒农药量；
S6.稻田子区域无人机标准喷洒高度分析：从稻田子区域稻株长势参数集合中提取各稻田子区域内各个稻株对应的稻株高度，并对其进行均值处理，得到各稻田子区域对应的稻株平均高度，其计算公式为
Figure BDA0003022501180000041
Figure BDA0003022501180000042
表示为第i个稻田子区域对应的稻株平均高度，由此将各稻田子区域对应的稻株平均高度与农药喷洒数据库中各种稻株平均高度对应的无人机标准喷洒高度进行对比，从中得到各稻田子区域对应的无人机标准喷洒高度；
S7.稻田子区域风速检测：在各稻田子区域分别安装风速风向仪，用于采集各稻田子区域的风速；
S8.稻田子区域无人机实际喷洒高度统计：将各稻田子区域的风速与农药喷洒数据库中各种风速对应的喷洒高度影响系数进行对比，从中筛选出各稻田子区域对应的喷洒高度影响系数，以此根据各稻田子区域对应的无人机标准喷洒高度和喷洒高度影响系数统计各稻田子区域对应的无人机实际喷洒高度；
S9.稻田子区域实际边界喷洒区域地理位置获取：提取各稻田子区域对应的边界轮廓线，即为无人机在各稻田子区域对应的标准边界喷洒区域轮廓，此时将各稻田子区域的风速与农药喷洒数据库中各种风速对应的边界喷洒区域偏移距离进行对比，由此得到无人机在各稻田子区域对应的边界喷洒区域偏移距离，与此同时获取无人机在各稻田子区域对应的标准边界喷洒区域对应的地理位置，进而根据无人机在各稻田子区域对应的边界喷洒区域偏移距离获取无人机在各稻田子区域对应的实际边界喷洒区域地理位置；
S10.无人机喷洒参数实时调控：当无人机飞行到各稻田子区域时，根据各稻田子区域对应的总喷洒农药量、无人机实际喷洒高度和实际边界喷洒区域地理位置，实时调控无人机喷洒的总农药量、喷洒高度和边界喷洒区域地理位置，进行各稻田子区域的农药喷洒。
作为优选技术方案，所述S1中根据获取的稻田区域边界轮廓线统计稻田区域面积，其具体统计方法执行以下步骤：
G1:利用GPS测亩仪获取稻田区域边界轮廓线的经纬度坐标；
G2:将获取的稻田区域边界轮廓线端点的经纬度坐标转换为平面坐标，并建立平面坐标系
G3:将稻田区域边界各端点与坐标原点相连，则稻田区域每条边与原点构成一个三角形，由此将稻田区域分隔为若干三角形，分别计算每个三角形的面积；
G4:将计算的若干三角形的面积进行求和，得到稻田区域面积。
作为优选技术方案，所述各稻田子区域对应的面积的计算公式为
Figure BDA0003022501180000051
s表示为各稻田子区域对应的面积，S表示为稻田区域面积。
作为优选技术方案，所述S2中从得到的各稻田子区域的稻田图像中获取稻株数量，其具体获取方法包括以下步骤：
D1:从得到的各稻田子区域的稻田图像中进行单株稻株轮廓提取；
D2:统计提取的单株稻株轮廓的个数，即为各稻田子区域对应的稻株数量。
作为优选技术方案，所述S3中提取各个稻株对应的稻穗上稻粒最大轮廓和最小轮廓，其具体提取过程为获取各个稻株对应的稻穗上存在的稻粒数量，并提取各稻粒对应的轮廓，进而将提取的各稻粒的轮廓进行相互对比，从中筛选出轮廓最大的稻粒和轮廓最小的稻粒。
作为优选技术方案，所述各稻田子区域内各个稻株对应的稻粒平均体积的计算公式为
Figure BDA0003022501180000061
Figure BDA0003022501180000062
表示为第i个稻田子区域内第I个稻株对应的稻粒平均体积，ViImax、ViImin分别表示为第i个稻田子区域内第I个稻株对应的稻粒最大体积、最小体积。
作为优选技术方案，所述各稻田子区域各个稻株对应的综合长势系数的计算公式为
Figure BDA0003022501180000063
δiI表示为第i个稻田子区域内第I个稻株对应的综合长势系数，αiI、βiI、γiI、λiI分别表示为第i个稻田子区域内第I个稻株对应的株高长势系数、穗长长势系数、饱满度长势系数和色泽度长势系数。
作为优选技术方案，所述各稻田子区域对应的总喷洒农药量的计算公式为Ki＝ki*s，Ki表示为第i个稻田子区域对应的总喷洒农药量，ki表示为第i个稻田子区域对应的单位稻田区域面积喷洒农药量。
作为优选技术方案，所述各稻田子区域对应的无人机实际喷洒高度的计算公式为Hi′＝Hi*ηi，H′表示为第i个稻田子区域对应的无人机实际喷洒高度，Hi表示为第i个稻田子区域对应的无人机标准喷洒高度，ηi表示为第i个稻田子区域对应的喷洒高度影响系数。
本发明的有益效果如下：
(1)本发明通过对稻田区域进行子区域划分，并获取各稻田子区域的面积，同时获取各稻田子区域的稻株长势参数，由此统计出各稻田子区域对应的水稻平均综合长势系数，此时根据各稻田子区域的面积分析出各稻田子区域对应的总喷洒农药量，与此同时从各稻田子区域的稻株长势参数中获取各稻田子区域对应的稻株平均高度，进而得到各稻田子区域对应的无人机标准喷洒高度，弥补了目前通过无人机对农作物进行喷洒农药作业过程中存在的不符合农作物实际喷洒需求的不足，提高了喷洒效果，大大减少了因不符合农作物实际喷洒需求造成农作物损伤情况的发生，很好保障农作物的安全，满足了对农作物的精准植保需求，进而提高了种植户的经济利益。
(2)本发明通过对各稻田子区域进行风速检测，进而获取各稻田子区域对应的喷洒高度影响系数，并结合各稻田子区域对应的无人机标准喷洒高度，统计出各稻田子区域对应的无人机实际喷洒高度，实现了风速对无人机实际喷洒高度的影响分析，较好地切合了实际情况，避免只根据无人机标准喷洒高度进行喷洒造成的无法喷洒到目标水稻区域的情况，降低了喷洒的准确度，进而降低了喷洒的效果。
(3)本发明通过根据各稻田子区域的风速获取无人机在各稻田子区域对应的边界喷洒区域偏移距离，由此得到获取无人机在各稻田子区域对应的实际边界喷洒区域地理位置，实现了风速对无人机实际边界喷洒区域的影响分析，避免只根据无人机在各稻田子区域对应的标准边界喷洒区域进行喷洒造成的越界喷洒情况，从而大大减少了因越界喷洒而使其他稻田子区域内的水稻受到药害情况的发生。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的方法实施步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1所示，一种基于大数据分析的农业无人机作业远程控制方法，包括以下步骤；
S1.稻田子区域划分：获取待喷洒农药的稻田对应的稻田区域边界轮廓，并根据获取的稻田区域边界轮廓统计稻田区域面积，其具体统计方法执行以下步骤：
G1:利用GPS测亩仪获取稻田区域边界轮廓线的经纬度坐标；
G2:将获取的稻田区域边界轮廓线端点的经纬度坐标转换为平面坐标，并建立平面坐标系
G3:将稻田区域边界各端点与坐标原点相连，则稻田区域每条边与原点构成一个三角形，由此将稻田区域分隔为若干三角形，分别计算每个三角形的面积；
G4:将计算的若干三角形的面积进行求和，得到稻田区域面积；
由此将稻田区域按照稻田区域面积均匀等分的方法划分为若干稻田子区域，并对划分的各稻田子区域依据预定义的顺序进行编号，分别标记为1,2...i...n，同时根据划分的稻田子区域数量统计各稻田子区域对应的面积
Figure BDA0003022501180000081
s表示为各稻田子区域对应的面积，S表示为稻田区域面积；
本实施例通过对待喷洒农药的稻田进行子区域划分，为后面进行各稻田子区域的无人机喷洒参数分析提供依据；
S2.稻田子区域稻田图像采集：在各稻田子区域进行稻田图像采集，以此得到各稻田子区域的稻田图像，并从得到的各稻田子区域的稻田图像中获取稻株数量，其具体获取方法包括以下步骤：
D1:从得到的各稻田子区域的稻田图像中进行单株稻株轮廓提取；
D2:统计提取的单株稻株轮廓的个数，即为各稻田子区域对应的稻株数量；
进而对获取的各稻田子区域对应的各个稻株进行编号，依次标记为A,B...I...N；
S3.稻田子区域稻株长势参数集合构建：按照各稻田子区域内各个稻株的编号顺序，将各稻田子区域的稻田图像依次聚焦在各个稻株区域，进而获取各个稻株对应的稻株高度和稻穗长度，与此同时将各稻田子区域的稻田图像依次聚焦在各个稻株对应的稻穗区域，并提取各个稻株对应的稻穗上稻粒最大轮廓和最小轮廓、稻粒颜色特征，其中对稻穗上稻粒最大轮廓和最小轮廓的具体提取过程为获取各个稻株对应的稻穗上存在的稻粒数量，并提取各稻粒对应的轮廓，进而将提取的各稻粒的轮廓进行相互对比，从中筛选出轮廓最大的稻粒和轮廓最小的稻粒，以此获取各稻田子区域各个稻株对应的稻粒最大体积、最小体积和稻粒颜色色度，此时根据各稻田子区域内各个稻株对应的稻粒最大体积、最小体积计算各稻田子区域内各个稻株对应的稻粒平均体积
Figure BDA0003022501180000091
Figure BDA0003022501180000092
表示为第i个稻田子区域内第I个稻株对应的稻粒平均体积，ViImax、ViImin分别表示为第i个稻田子区域内第I个稻株对应的稻粒最大体积、最小体积，由此将获取的各稻田子区域内各个稻株对应的稻株高度、稻穗长度、稻粒平均体积和稻粒颜色色度构成稻田子区域稻株长势参数集合Qw i(qw iA,qw iB,...,qw iI,...,qw iN)，qw iI表示为第i个稻田子区域内第I个稻株的长势参数对应的数值，w表示为长势参数，w＝r1,r2,r3,r4,分别表示为稻株高度、稻穗长度、稻粒平均体积、稻粒颜色色度；
S4.稻田子区域各稻株综合长势系数统计：从稻田子区域稻株长势参数集合中依次提取各稻田子区域各个稻株对应的稻株高度，将其与长势参数数据库中各种稻株高度对应的株高长势系数进行对比，从中筛选出各稻田子区域各个稻株对应的株高长势系数，接着从稻田子区域稻株长势参数集合中依次提取各稻田子区域各个稻株对应的稻穗长度，并将其与长势参数数据库中各种稻穗长度对应的穗长长势系数进行对比，从中筛选出各稻田子区域各个稻株对应的穗长长势系数，再从稻田子区域稻株长势参数集合中依次提取各稻田子区域各个稻株对应的稻粒平均体积，并将其与长势参数数据库中各种稻粒平均体积对应的饱满度长势系数进行对比，从中筛选出各稻田子区域各个稻株对应的饱满度长势系数，最后从稻田子区域稻株长势参数集合中依次提取各稻田子区域各个稻株对应的稻粒颜色色度，并将其与长势参数数据库中各种稻粒颜色色度对应的色泽度长势系数进行对比，从中筛选出各稻田子区域各个稻株对应的色泽度长势系数，由此根据各稻田子区域各个稻株对应的株高长势系数、穗长长势系数、饱满度长势系数和色泽度长势系数统计各稻田子区域各个稻株对应的综合长势系数
Figure BDA0003022501180000101
δiI表示为第i个稻田子区域内第I个稻株对应的综合长势系数，αiI、βiI、γiI、λiI分别表示为第i个稻田子区域内第I个稻株对应的株高长势系数、穗长长势系数、饱满度长势系数和色泽度长势系数；
本实施例统计的稻株综合长势系数融合了稻株的株高长势、穗长长势、稻粒饱满度长势和稻粒颜色色泽长势参数，实现了稻株综合长势状况的量化展示，避免了只根据单个长势参数进行综合长势状况分析造成的分析片面化问题，影响后面统计稻田子区域总喷洒农药量的准确度；
S5.稻田子区域总喷洒农药量统计：将各稻田子区域各个稻株对应的综合长势系数进行均值处理，得到各稻田子区域对应的水稻平均综合长势系数，其计算公式为
Figure BDA0003022501180000102
Figure BDA0003022501180000103
表示为第i个稻田子区域对应的水稻平均综合长势系数，并将得到的各稻田子区域对应的水稻平均综合长势系数与农药喷洒数据库中各种水稻平均综合长势系数对应的单位稻田区域面积农药喷洒量进行对比，从中筛选出各稻田子区域对应的单位稻田区域面积农药喷洒量，与此同时根据各稻田子区域对应的面积统计各稻田子区域对应的总喷洒农药量Ki＝ki*s，Ki表示为第i个稻田子区域对应的总喷洒农药量，ki表示为第i个稻田子区域对应的单位稻田区域面积喷洒农药量；
S6.稻田子区域无人机标准喷洒高度分析：从稻田子区域稻株长势参数集合中提取各稻田子区域内各个稻株对应的稻株高度，并对其进行均值处理，得到各稻田子区域对应的稻株平均高度，其计算公式为
Figure BDA0003022501180000111
Figure BDA0003022501180000112
表示为第i个稻田子区域对应的稻株平均高度，由此将各稻田子区域对应的稻株平均高度与农药喷洒数据库中各种稻株平均高度对应的无人机标准喷洒高度进行对比，从中得到各稻田子区域对应的无人机标准喷洒高度；
S7.稻田子区域风速检测：在各稻田子区域分别安装风速风向仪，用于采集各稻田子区域的风速；
S8.稻田子区域无人机实际喷洒高度统计：将各稻田子区域的风速与农药喷洒数据库中各种风速对应的喷洒高度影响系数进行对比，从中筛选出各稻田子区域对应的喷洒高度影响系数，以此根据各稻田子区域对应的无人机标准喷洒高度和喷洒高度影响系数统计各稻田子区域对应的无人机实际喷洒高度H′i＝Hi*ηi，H′表示为第i个稻田子区域对应的无人机实际喷洒高度，Hi表示为第i个稻田子区域对应的无人机标准喷洒高度，ηi表示为第i个稻田子区域对应的喷洒高度影响系数；
本实施例通过对各稻田子区域进行风速检测，进而获取各稻田子区域对应的喷洒高度影响系数，并结合各稻田子区域对应的无人机标准喷洒高度，统计出各稻田子区域对应的无人机实际喷洒高度，实现了风速对无人机实际喷洒高度的影响分析，较好地切合了实际情况，避免只根据无人机标准喷洒高度进行喷洒造成的无法喷洒到目标水稻区域的情况，降低了喷洒的准确度，进而降低了喷洒的效果；
S9.稻田子区域实际边界喷洒区域地理位置获取：提取各稻田子区域对应的边界轮廓线，即为无人机在各稻田子区域对应的标准边界喷洒区域轮廓，此时将各稻田子区域的风速与农药喷洒数据库中各种风速对应的边界喷洒区域偏移距离进行对比，由此得到无人机在各稻田子区域对应的边界喷洒区域偏移距离，与此同时获取无人机在各稻田子区域对应的标准边界喷洒区域对应的地理位置，进而根据无人机在各稻田子区域对应的边界喷洒区域偏移距离获取无人机在各稻田子区域对应的实际边界喷洒区域地理位置；
本实施例通过根据各稻田子区域的风速获取无人机在各稻田子区域对应的边界喷洒区域偏移距离，由此得到获取无人机在各稻田子区域对应的实际边界喷洒区域地理位置，实现了风速对无人机实际边界喷洒区域的影响分析，避免只根据无人机在各稻田子区域对应的标准边界喷洒区域进行喷洒造成的越界喷洒情况，从而大大减少了因越界喷洒而使其他稻田子区域内的水稻受到药害情况的发生；
S10.无人机喷洒参数实时调控：当无人机飞行到各稻田子区域时，根据各稻田子区域对应的总喷洒农药量、无人机实际喷洒高度和实际边界喷洒区域地理位置，实时调控无人机喷洒的总农药量、喷洒高度和边界喷洒区域地理位置，进行各稻田子区域的农药喷洒，弥补了目前通过无人机对农作物进行喷洒农药作业过程中存在的不符合农作物实际喷洒需求的不足，提高了喷洒效果，大大减少了因不符合农作物实际喷洒需求造成农作物损伤情况的发生，很好保障农作物的安全，满足了对农作物的精准植保需求，进而提高了种植户的经济利益。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种基于大数据分析的农业无人机作业远程控制方法，其特征在于：包括以下步骤；
S1.稻田子区域划分：获取待喷洒农药的稻田对应的稻田区域边界轮廓，并根据获取的稻田区域边界轮廓统计稻田区域面积，由此将稻田区域按照稻田区域面积均匀等分的方法划分为若干稻田子区域，并对划分的各稻田子区域依据预定义的顺序进行编号，分别标记为1,2...i...n，同时根据划分的稻田子区域数量统计各稻田子区域对应的面积；
S2.稻田子区域稻田图像采集：在各稻田子区域进行稻田图像采集，以此得到各稻田子区域的稻田图像，并从得到的各稻田子区域的稻田图像中获取稻株数量，进而对获取的各稻田子区域对应的各个稻株进行编号，依次标记为A,B...I...N；
S3.稻田子区域稻株长势参数集合构建：按照各稻田子区域内各个稻株的编号顺序，将各稻田子区域的稻田图像依次聚焦在各个稻株区域，进而获取各个稻株对应的稻株高度和稻穗长度，与此同时将各稻田子区域的稻田图像依次聚焦在各个稻株对应的稻穗区域，并提取各个稻株对应的稻穗上稻粒最大轮廓和最小轮廓、稻粒颜色特征，以此获取各稻田子区域各个稻株对应的稻粒最大体积、最小体积和稻粒颜色色度，此时根据各稻田子区域内各个稻株对应的稻粒最大体积、最小体积计算各稻田子区域内各个稻株对应的稻粒平均体积，由此将获取的各稻田子区域内各个稻株对应的稻株高度、稻穗长度、稻粒平均体积和稻粒颜色色度构成稻田子区域稻株长势参数集合Qw i(qw iA,qw iB,...,qw iI,...,qw iN)，qw iI表示为第i个稻田子区域内第I个稻株的长势参数对应的数值，w表示为长势参数，w＝r1,r2,r3,r4,分别表示为稻株高度、稻穗长度、稻粒平均体积、稻粒颜色色度；
S4.稻田子区域各稻株综合长势系数统计：从稻田子区域稻株长势参数集合中依次提取各稻田子区域各个稻株对应的稻株高度，将其与长势参数数据库中各种稻株高度对应的株高长势系数进行对比，从中筛选出各稻田子区域各个稻株对应的株高长势系数，接着从稻田子区域稻株长势参数集合中依次提取各稻田子区域各个稻株对应的稻穗长度，并将其与长势参数数据库中各种稻穗长度对应的穗长长势系数进行对比，从中筛选出各稻田子区域各个稻株对应的穗长长势系数，再从稻田子区域稻株长势参数集合中依次提取各稻田子区域各个稻株对应的稻粒平均体积，并将其与长势参数数据库中各种稻粒平均体积对应的饱满度长势系数进行对比，从中筛选出各稻田子区域各个稻株对应的饱满度长势系数，最后从稻田子区域稻株长势参数集合中依次提取各稻田子区域各个稻株对应的稻粒颜色色度，并将其与长势参数数据库中各种稻粒颜色色度对应的色泽度长势系数进行对比，从中筛选出各稻田子区域各个稻株对应的色泽度长势系数，由此根据各稻田子区域各个稻株对应的株高长势系数、穗长长势系数、饱满度长势系数和色泽度长势系数统计各稻田子区域各个稻株对应的综合长势系数；
S5.稻田子区域总喷洒农药量统计：将各稻田子区域各个稻株对应的综合长势系数进行均值处理，得到各稻田子区域对应的水稻平均综合长势系数，其计算公式为
Figure FDA0003022501170000021
Figure FDA0003022501170000022
表示为第i个稻田子区域对应的水稻平均综合长势系数，并将得到的各稻田子区域对应的水稻平均综合长势系数与农药喷洒数据库中各种水稻平均综合长势系数对应的单位稻田区域面积农药喷洒量进行对比，从中筛选出各稻田子区域对应的单位稻田区域面积农药喷洒量，与此同时根据各稻田子区域对应的面积统计各稻田子区域对应的总喷洒农药量；
S6.稻田子区域无人机标准喷洒高度分析：从稻田子区域稻株长势参数集合中提取各稻田子区域内各个稻株对应的稻株高度，并对其进行均值处理，得到各稻田子区域对应的稻株平均高度，其计算公式为
Figure FDA0003022501170000031
Figure FDA0003022501170000032
表示为第i个稻田子区域对应的稻株平均高度，由此将各稻田子区域对应的稻株平均高度与农药喷洒数据库中各种稻株平均高度对应的无人机标准喷洒高度进行对比，从中得到各稻田子区域对应的无人机标准喷洒高度；
S7.稻田子区域风速检测：在各稻田子区域分别安装风速风向仪，用于采集各稻田子区域的风速；
S8.稻田子区域无人机实际喷洒高度统计：将各稻田子区域的风速与农药喷洒数据库中各种风速对应的喷洒高度影响系数进行对比，从中筛选出各稻田子区域对应的喷洒高度影响系数，以此根据各稻田子区域对应的无人机标准喷洒高度和喷洒高度影响系数统计各稻田子区域对应的无人机实际喷洒高度；
S9.稻田子区域实际边界喷洒区域地理位置获取：提取各稻田子区域对应的边界轮廓线，即为无人机在各稻田子区域对应的标准边界喷洒区域轮廓，此时将各稻田子区域的风速与农药喷洒数据库中各种风速对应的边界喷洒区域偏移距离进行对比，由此得到无人机在各稻田子区域对应的边界喷洒区域偏移距离，与此同时获取无人机在各稻田子区域对应的标准边界喷洒区域对应的地理位置，进而根据无人机在各稻田子区域对应的边界喷洒区域偏移距离获取无人机在各稻田子区域对应的实际边界喷洒区域地理位置；
S10.无人机喷洒参数实时调控：当无人机飞行到各稻田子区域时，根据各稻田子区域对应的总喷洒农药量、无人机实际喷洒高度和实际边界喷洒区域地理位置，实时调控无人机喷洒的总农药量、喷洒高度和边界喷洒区域地理位置，进行各稻田子区域的农药喷洒。
2.根据权利要求1所述的一种基于大数据分析的农业无人机作业远程控制方法，其特征在于：所述S1中根据获取的稻田区域边界轮廓线统计稻田区域面积，其具体统计方法执行以下步骤：
G1:利用GPS测亩仪获取稻田区域边界轮廓线的经纬度坐标；
G2:将获取的稻田区域边界轮廓线端点的经纬度坐标转换为平面坐标，并建立平面坐标系
G3:将稻田区域边界各端点与坐标原点相连，则稻田区域每条边与原点构成一个三角形，由此将稻田区域分隔为若干三角形，分别计算每个三角形的面积；
G4:将计算的若干三角形的面积进行求和，得到稻田区域面积。
3.根据权利要求1所述的一种基于大数据分析的农业无人机作业远程控制方法，其特征在于：所述各稻田子区域对应的面积的计算公式为
Figure FDA0003022501170000041
s表示为各稻田子区域对应的面积，S表示为稻田区域面积。
4.根据权利要求1所述的一种基于大数据分析的农业无人机作业远程控制方法，其特征在于：所述S2中从得到的各稻田子区域的稻田图像中获取稻株数量，其具体获取方法包括以下步骤：
D1:从得到的各稻田子区域的稻田图像中进行单株稻株轮廓提取；
D2:统计提取的单株稻株轮廓的个数，即为各稻田子区域对应的稻株数量。
5.根据权利要求1所述的一种基于大数据分析的农业无人机作业远程控制方法，其特征在于：所述S3中提取各个稻株对应的稻穗上稻粒最大轮廓和最小轮廓，其具体提取过程为获取各个稻株对应的稻穗上存在的稻粒数量，并提取各稻粒对应的轮廓，进而将提取的各稻粒的轮廓进行相互对比，从中筛选出轮廓最大的稻粒和轮廓最小的稻粒。
6.根据权利要求1所述的的一种基于大数据分析的农业无人机作业远程控制方法，其特征在于：所述各稻田子区域内各个稻株对应的稻粒平均体积的计算公式为
Figure FDA0003022501170000051
Figure FDA0003022501170000052
表示为第i个稻田子区域内第I个稻株对应的稻粒平均体积，ViImax、ViImin分别表示为第i个稻田子区域内第I个稻株对应的稻粒最大体积、最小体积。
7.根据权利要求1所述的的一种基于大数据分析的农业无人机作业远程控制方法，其特征在于：所述各稻田子区域各个稻株对应的综合长势系数的计算公式为
Figure FDA0003022501170000053
δiI表示为第i个稻田子区域内第I个稻株对应的综合长势系数，αiI、βiI、γiI、λiI分别表示为第i个稻田子区域内第I个稻株对应的株高长势系数、穗长长势系数、饱满度长势系数和色泽度长势系数。
8.根据权利要求1所述的的一种基于大数据分析的农业无人机作业远程控制方法，其特征在于：所述各稻田子区域对应的总喷洒农药量的计算公式为Ki＝ki*s，Ki表示为第i个稻田子区域对应的总喷洒农药量，ki表示为第i个稻田子区域对应的单位稻田区域面积喷洒农药量。
9.根据权利要求1所述的的一种基于大数据分析的农业无人机作业远程控制方法，其特征在于：所述各稻田子区域对应的无人机实际喷洒高度的计算公式为H′i＝Hi*ηi，H′表示为第i个稻田子区域对应的无人机实际喷洒高度，Hi表示为第i个稻田子区域对应的无人机标准喷洒高度，ηi表示为第i个稻田子区域对应的喷洒高度影响系数。
CN202110406310.3A 2021-04-15 2021-04-15 一种基于大数据分析的农业无人机作业远程控制方法 Active CN112896520B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110406310.3A CN112896520B (zh) 2021-04-15 2021-04-15 一种基于大数据分析的农业无人机作业远程控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110406310.3A CN112896520B (zh) 2021-04-15 2021-04-15 一种基于大数据分析的农业无人机作业远程控制方法

Publications (2)

Publication Number Publication Date
CN112896520A true CN112896520A (zh) 2021-06-04
CN112896520B CN112896520B (zh) 2022-10-28

Family

ID=76110439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110406310.3A Active CN112896520B (zh) 2021-04-15 2021-04-15 一种基于大数据分析的农业无人机作业远程控制方法

Country Status (1)

Country Link
CN (1) CN112896520B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106956778A (zh) * 2017-05-23 2017-07-18 广东容祺智能科技有限公司 一种无人机农药喷洒方法及***
CN110140704A (zh) * 2019-05-17 2019-08-20 安徽舒州农业科技有限责任公司 一种用于植保无人机的智能农药喷洒方法及***
CN110989684A (zh) * 2019-12-31 2020-04-10 广州极飞科技有限公司 喷洒作业控制方法、装置、地面站和存储介质
CN111596689A (zh) * 2020-06-10 2020-08-28 张玉红 一种基于大数据物联网的智慧农业植保作业控制***
CN111665864A (zh) * 2020-06-12 2020-09-15 张玉红 一种基于大数据物联网的农业种植植保作业智慧管理***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106956778A (zh) * 2017-05-23 2017-07-18 广东容祺智能科技有限公司 一种无人机农药喷洒方法及***
CN110140704A (zh) * 2019-05-17 2019-08-20 安徽舒州农业科技有限责任公司 一种用于植保无人机的智能农药喷洒方法及***
CN110989684A (zh) * 2019-12-31 2020-04-10 广州极飞科技有限公司 喷洒作业控制方法、装置、地面站和存储介质
CN111596689A (zh) * 2020-06-10 2020-08-28 张玉红 一种基于大数据物联网的智慧农业植保作业控制***
CN111665864A (zh) * 2020-06-12 2020-09-15 张玉红 一种基于大数据物联网的农业种植植保作业智慧管理***

Also Published As

Publication number Publication date
CN112896520B (zh) 2022-10-28

Similar Documents

Publication Publication Date Title
CN111596689B (zh) 一种基于大数据物联网的智慧农业植保作业控制***
CN109661979B (zh) 一种基于精准控制作物位置的信息化种植方法
CN106814745A (zh) 无人机智能药物供给喷洒方法和***
CN111985724B (zh) 一种农作物产量预估的方法、装置、设备及存储介质
CN111460998B (zh) 一种动态喷洒方法及其***
CN113142170A (zh) 一种适用于稻田的无人机智能化定点除草技术
CN115443845A (zh) 基于无人机的茶园茶树病变与长势监测方法
CN110503259A (zh) 一种植保无人飞机作业参数设置决策方法
AU2019419580B2 (en) Grain processing self-driving system, self-driving method, and automatic recognition method
CN115689795A (zh) 基于无人机遥感的山地果园作物长势分析方法及***
CN107085669B (zh) 一种基于作物种植密度和不同生长期的施药参数决策方法
CN112896520B (zh) 一种基于大数据分析的农业无人机作业远程控制方法
CN116843493B (zh) 一种基于物联网的油茶林种植生态数字监测管理***
CN113647281B (zh) 一种除草方法及***
CN113807128B (zh) 一种缺苗标记方法、装置、计算机设备和存储介质
WO2020011318A1 (en) A system for use when performing a weeding operation in an agricultural field
CN117115769A (zh) 一种基于语义分割网络的植株检测与定位方法
Hong et al. Adaptive target spray system based on machine vision for plant protection UAV
CN112385632B (zh) 基于lqr控制器的植保无人机变量喷雾控制***及控制方法
TW202326596A (zh) 一種利用光譜遙測和人工智慧的病蟲害防治方法
CN113361377A (zh) 一种植物生长管控模型构建方法、电子设备、存储介质
CN116806799B (zh) 一种智慧农业田间除草方法以及***
CN112699805A (zh) 蔬菜病虫害防治智能识别***
CN116058353B (zh) 一种基于农田耕种的无人化管理***及方法
CN111615963A (zh) 一种智能花房及其控制方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20221010

Address after: 518000 2501, block a, building 1, Shenzhen International Innovation Valley, Dali community, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Applicant after: SHENZHEN WUGU NETWORK TECHNOLOGY Co.,Ltd.

Applicant after: Shenzhen Fengnong Shuzhi Agricultural Technology Co.,Ltd.

Address before: 430056 block B, Heju building, plot 9c2, Wuhan Economic and Technological Development Zone, Hubei Province

Applicant before: Wuhan Flying Star Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant