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
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
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
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
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,V
iI
max、V
iI
min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
δ
iI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,α
iI、β
iI、γ
iI、λ
iI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。
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
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
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,V
iI
max、V
iI
min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Q
w i(q
w iA,q
w iB,...,q
w iI,...,q
w iN),q
w 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
δ
iI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,α
iI、β
iI、γ
iI、λ
iI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
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K
i=k
i*s,K
i表示为第i个稻田子区域对应的总喷洒农药量,k
i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
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。