CN112987793B - 基于无人机的喷雾方法、装置、电子设备和介质 - Google Patents
基于无人机的喷雾方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN112987793B CN112987793B CN202110366697.4A CN202110366697A CN112987793B CN 112987793 B CN112987793 B CN 112987793B CN 202110366697 A CN202110366697 A CN 202110366697A CN 112987793 B CN112987793 B CN 112987793B
- Authority
- CN
- China
- Prior art keywords
- region
- area
- characteristic region
- characteristic
- determining
- 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
- 238000005507 spraying Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 72
- 230000008569 process Effects 0.000 claims abstract description 30
- 230000008021 deposition Effects 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 26
- 239000002245 particle Substances 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000002663 nebulization Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 4
- 238000011410 subtraction method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Catching Or Destruction (AREA)
Abstract
本公开涉及一种基于无人机的喷雾方法装置、电子设备和介质；其中，该方法包括：确定无人机作业过程中的第一特征区域和第二特征区域；其中，第一特征区域包括作物冠层涡旋区域，第二特征区域包括雾滴沉积区域；确定第一特征区域的中心点和第二特征区域的中心点的距离，以及确定第一特征区域的面积和第二特征区域的面积的面积差；根据距离和面积差调整无人机的作业参数。本公开实施例在作业过程中能够调整无人机的作业参数以使得作物冠层涡旋区域和雾滴沉积区域重叠，且冠层涡旋区域主动包含雾滴沉积区域，从而提高喷雾精准度，获得最佳的作业效果。
Description
技术领域
本公开涉及无人机技术领域，尤其涉及一种基于无人机的喷雾方法、装置、电子设备和介质。
背景技术
植保无人飞机作为新型施药装备，发展十分迅速。植保无人机作业时会产生向下的旋翼风场，会对作物冠层产生扰动作用，处于冠层涡旋内的植株常常发生摆动、叶片翻转现象，这对雾滴穿透性有很大影响。
无人机在作业过程中快速前进时，雾滴流沉积区域和作物冠层涡旋区域均会滞后，不同作业速度下，由于不同粒子的运动速度衰减程度不同，所以气流和雾滴到达作物冠层处时的位置不一样，导致旋翼风场使叶片翻转过来后雾滴难以及时沉积在冠层涡旋区域，因此严重影响喷雾效果；从而使得植保无人机的作业效率大大下降。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种基于无人机的喷雾方法、装置、电子设备和介质。
第一方面，本公开提供了一种基于无人机的喷雾方法，所述方法包括：
确定无人机作业过程中的第一特征区域和第二特征区域；其中，所述第一特征区域包括作物冠层涡旋区域，所述第二特征区域包括雾滴沉积区域；
确定所述第一特征区域的中心点和所述第二特征区域的中心点的距离，以及确定所述第一特征区域的面积和所述第二特征区域的面积的面积差；
根据所述距离和所述面积差调整所述无人机的作业参数。
可选地，所述确定无人机作业过程中的第一特征区域和第二特征区域，包括：
获取无人机在作业过程中的作业参数和气象参数；其中，所述作业参数包括飞行速度、飞行高度、雾滴粒径和机型中的至少一种；所述气象参数包括空气温度、湿度、风速和风向中的至少一种；
将所述作业参数输入预先训练得到的第一识别模型中，并根据所述第一识别模型的输出确定第一特征区域；其中，所述第一识别模型是根据第一历史特征区域和历史作业参数训练得到；
将所述气象参数输入预先训练得到的第二识别模型中，并根据所述第二识别模型的输出确定第二特征区域；其中，所述第二识别模型是根据第二历史特征区域和历史气象参数训练得到。
可选地，所述确定无人机作业过程中的第一特征区域和第二特征区域，包括：
获取无人机作业时的作业图像；
将所述作业图像进行分割处理，得到第一特征区域和第二特征区域；其中，所述分割处理包括光流法、帧间差分法和背景减法中的至少一种。
可选地，所述确定所述第一特征区域的中心点和所述第二特征区域的中心点的距离，包括：
对所述第一特征区域进行轮廓提取，得到所述第一特征区域的包围区域；以及，对所述第二特征区域进行轮廓提取，得到所述第二特征区域的包围区域；
根据所述第一特征区域的包围区域确定所述第一特征区域的中心点的坐标；根据所述第二特征区域的包围区域确定所述第二特征区域的中心点的坐标；
计算所述第一特征区域的中心点的坐标和所述第二特征区域的中心点的坐标之间的距离。
可选地，所述确定所述第一特征区域的面积和所述第二特征区域的面积的面积差，包括：
根据所述第一特征区域的中心点的坐标和所述第二特征区域的中心点的坐标，计算所述第一特征区域的面积和所述第二特征区域的面积的面积差。
可选地，所述确定所述第一特征区域的中心点和所述第二特征区域的中心点的距离，包括：
根据所述作业图像，确定所述第一特征区域的第一飞行夹角和所述第二特征区域的第二飞行夹角；
根据所述第一飞行夹角和所述无人机的飞行高度确定第一滞后距离；根据所述第二飞行夹角和所述无人机的飞行高度确定第二滞后距离；
将所述第一滞后距离与所述第二滞后距离的距离差作为所述第一特征区域的中心点和所述第二特征区域的中心点的距离。
可选地，所述根据所述距离和所述面积差调整所述无人机的作业参数，包括：
检测所述面积差是否大于预设阈值，且所述距离是否等于所述预设阈值；
若否，则调整所述无人机的飞行速度、飞行高度和雾滴粒径中的至少一种，以使得所述面积差大于预设阈值，且所述距离等于所述预设阈值。
第二方面，本公开还提供了一种基于无人机的喷雾装置，包括：
第一确定模块，用于确定无人机作业过程中的第一特征区域和第二特征区域；其中，所述第一特征区域包括作物冠层涡旋区域，所述第二特征区域包括雾滴沉积区域；
第二确定模块，用于确定所述第一特征区域的中心点和所述第二特征区域的中心点的距离，以及确定所述第一特征区域的面积和所述第二特征区域的面积的面积差；
参数调整模块，用于根据所述距离和所述面积差调整所述无人机的作业参数。
可选地，第一确定模块，具体用于：
获取无人机在作业过程中的作业参数和气象参数；其中，所述作业参数包括飞行速度、飞行高度、雾滴粒径和机型中的至少一种；所述气象参数包括空气温度、湿度、风速和风向中的至少一种；
将所述作业参数输入预先训练得到的第一识别模型中，并根据所述第一识别模型的输出确定第一特征区域；其中，所述第一识别模型是根据第一历史特征区域和历史作业参数训练得到；
将所述气象参数输入预先训练得到的第二识别模型中，并根据所述第二识别模型的输出确定第二特征区域；其中，所述第二识别模型是根据第二历史特征区域和历史气象参数训练得到。
可选地，第一确定模块，具体用于：
获取无人机作业时的作业图像；
将所述作业图像进行分割处理，得到第一特征区域和第二特征区域；其中，所述分割处理包括光流法、帧间差分法和背景减法中的至少一种。
可选地，第二确定模块，具体用于：
对所述第一特征区域进行轮廓提取，得到所述第一特征区域的包围区域；以及，对所述第二特征区域进行轮廓提取，得到所述第二特征区域的包围区域；
根据所述第一特征区域的包围区域确定所述第一特征区域的中心点的坐标；根据所述第二特征区域的包围区域确定所述第二特征区域的中心点的坐标；
计算所述第一特征区域的中心点的坐标和所述第二特征区域的中心点的坐标之间的距离。
可选地，第二确定模块，具体用于：
根据所述第一特征区域的中心点的坐标和所述第二特征区域的中心点的坐标，计算所述第一特征区域的面积和所述第二特征区域的面积的面积差。
可选地，第二确定模块，具体用于：
根据所述作业图像，确定所述第一特征区域的第一飞行夹角和所述第二特征区域的第二飞行夹角；
根据所述第一飞行夹角和所述无人机的飞行高度确定第一滞后距离；根据所述第二飞行夹角和所述无人机的飞行高度确定第二滞后距离；
将所述第一滞后距离与所述第二滞后距离的距离差作为所述第一特征区域的中心点和所述第二特征区域的中心点的距离。
可选地，参数调整模块，具体用于：
检测所述面积差是否大于预设阈值，且所述距离是否等于所述预设阈值；
若否，则调整所述无人机的飞行速度、飞行高度和雾滴粒径中的至少一种，以使得所述面积差大于预设阈值，且所述距离等于所述预设阈值。
第三方面，本公开还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例中的任一种所述的基于无人机的喷雾方法。
第四方面，本公开还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例中的任一种所述的基于无人机的喷雾方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点：在作业过程中能够调整无人机的作业参数以使得作物冠层涡旋区域和雾滴沉积区域重叠，且冠层涡旋区域主动包含雾滴沉积区域，从而提高喷雾精准度，获得最佳的作业效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种基于无人机的喷雾方法的流程示意图；
图2是本公开实施例提供的另一种基于无人机的喷雾方法的流程示意图；
图3是本公开实施例提供的又一种基于无人机的喷雾方法的流程示意图；
图4是无人机的工作示意图；
图5是本公开实施例提供的一种基于无人机的喷雾装置的结构示意图；
图6是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
图1是本公开实施例提供的一种基于无人机的喷雾方法的流程示意图。本实施例可适用于利用无人机进行植保作业的情况。本实施例方法可由基于无人机的喷雾装置来执行，该装置可采用硬件/或软件的方式来实现，并可配置于电子设备中。可实现本申请任意实施例所述的基于无人机的喷雾方法。如图1所示，该方法具体包括如下：
S110、确定无人机作业过程中的第一特征区域和第二特征区域；其中，第一特征区域包括作物冠层涡旋区域，第二特征区域包括雾滴沉积区域。
由于无人机在作业时，忽略自然风力因素，当无人机处于悬停时，旋翼风场会对作物冠层造成一定扰动，出现作物冠层旋涡区域，从而会影响到雾滴的穿透性。作物冠层旋涡区域和雾滴沉积区域进均处于无人机的下方，若在喷雾过程中，作物冠层旋涡区域和雾滴沉积区域处于重叠且作物冠层旋涡区域主动包含雾滴沉积区域时，雾滴才能有效的沉积在植株中下层和叶片背面，实现喷雾的有效吸收。
在本实施例中，第一特征区域和第二特征区域为无人机作业时在作物上形成的两个区域；对这两个区域进行有效分析，能够使得第一特征区域和第二特征区域在垂直面上趋近于重叠，以提高无人机的作业效率。
S120、确定第一特征区域的中心点和第二特征区域的中心点的距离，以及确定第一特征区域的面积和第二特征区域的面积的面积差。
在本实施例中，第一特征区域的中心点和第二特征区域的中心点的距离能够有效反映出第一特征区域与第二特征区域的位置偏差；第一特征区域的面积和第二特征区域的面积的面积差能够直接反映出这两个区域的大小之分，从而有效的判断出第一特征区域和第二特征区域的覆盖关系。
S130、根据距离和面积差调整无人机的作业参数。
由于无人机在作业时产生的作物冠层旋涡区域和雾滴沉积区域的过程是动态的，很难直接测量其位置；因此，本实施例通过在无人机作业过程中基于两区域的距离和面积偏差实时进行作业参数的调整，以使得作物冠层旋涡区域和雾滴沉积区域重叠，且作物冠层旋涡区域主动包含雾滴沉积区域，从而提高喷雾精度，使得无人机的作业效果达到最佳。
本公开实施例确定无人机作业过程中的第一特征区域和第二特征区域；其中，第一特征区域包括作物冠层涡旋区域，第二特征区域包括雾滴沉积区域；确定第一特征区域的中心点和第二特征区域的中心点的距离，以及确定第一特征区域的面积和第二特征区域的面积的面积差；根据距离和面积差调整无人机的作业参数。本公开实施例在作业过程中能够调整无人机的作业参数以使得作物冠层涡旋区域和雾滴沉积区域重叠，且冠层涡旋区域主动包含雾滴沉积区域，从而提高喷雾精准度，获得最佳的作业效果。
图2是本公开实施例提供的另一种基于无人机的喷雾方法的流程示意图。本实施例是在上述实施例的基础上进一步扩展与优化，并可与上述技术方案中任意可选方案组合。如图2所示，该方法包括：
S210、获取无人机在作业过程中的作业参数和气象参数。
在本实施例中，作业参数包括飞行速度、飞行高度、雾滴粒径和机型中的至少一种；气象参数包括空气温度、湿度、风速和风向中的至少一种。
其中，无人机的作业参数可预先进行人为设置，在获取作业参数时，可通过无人机的控制***读取无人机预设的作业参数；并基于云端服务器获取本地的气象数据。
S220、将作业参数输入预先训练得到的第一识别模型中，并根据第一识别模型的输出确定第一特征区域；其中，第一识别模型是根据第一历史特征区域和历史作业参数训练得到。
在本实施例中，预先训练得到的第一识别模型可为用过试验、计算流体动力学方法(Computational Fluid Dynamics，CFD)研究得到无人机作业参数与作物冠层旋涡区域的数学模型。
S230、将气象参数输入预先训练得到的第二识别模型中，并根据第二识别模型的输出确定第二特征区域；其中，第二识别模型是根据第二历史特征区域和历史气象参数训练得到。
在本实施例中，预先训练得到的第二识别模型可为用过试验、计算流体动力学方法(Computational Fluid Dynamics，CFD)研究得到无人机作业参数与雾滴沉积区域的数学模型。
本实施例通过预先训练好的识别模型，根据模型的输入信息有效快速的确定出作物冠层旋涡区域和雾滴沉积区域，解决了人工难以直接获取准确区域的问题。
S240、对第一特征区域进行轮廓提取，得到第一特征区域的包围区域；以及，对第二特征区域进行轮廓提取，得到第二特征区域的包围区域。
在本实施例中，第一特征区域的包围区域为第一特征区域的边界点组成的边界形状；第二特征区域的包围区域为第二特征区域的边界点组成的边界形状。
具体的，可通过轮廓提取法、边界跟踪法、区域增长法或者区域***合并法对第一特征区域和第二特征区域进行轮廓提取，以得到第一特征区域的边界形状和第二特征区域的边界形状。
S250、根据第一特征区域的包围区域确定第一特征区域的中心点的坐标；根据第二特征区域的包围区域确定第二特征区域的中心点的坐标；计算第一特征区域的中心点的坐标和第二特征区域的中心点的坐标之间的距离。
在本实施例中，可采用两点间的距离公式，计算第一特征区域的中心点的坐标和第二特征区域的中心点的坐标之间的距离；具体可参见如下公式(1)。
其中，xa为第一特征区域的中心点的横坐标；ya为第一特征区域的中心点的纵坐标；xb为第二特征区域的中心点的横坐标；yb为第二特征区域的中心点的纵坐标。
S260、根据第一特征区域的中心点的坐标和第二特征区域的中心点的坐标，计算第一特征区域的面积和第二特征区域的面积的面积差。
在本实施例中，若第一特征区域和第二特征区域为规则图形，则可根据规则图形的面积计算方式进行第一特征区域和第二特征区域的面积计算，并得到两者的面积差；若第一特征区域和第二特征区域为非规则图形，则可对其面积进行预测，以求出两者的面积差。
本实施例根据第一特征区域的中心点的坐标和第二特征区域的中心点的坐标，能够准确计算出第一特征区域的中心点的坐标和第二特征区域的中心点的坐标之间的距离，和第一特征区域的面积和第二特征区域的面积的面积差。
S270、根据距离和面积差调整无人机的作业参数。
图3是本公开实施例提供的又一种基于无人机的喷雾方法的流程示意图。本实施例是在上述实施例的基础上进一步扩展与优化，并可与上述技术方案中任意可选方案组合。如图3所示，该方法包括：
S310、获取无人机作业时的作业图像。
在本实施例中，可通过在无人机上安装图像信息采集组件，在无人机作业时采集第一特征区域和第二特征区域的图像信息并返回给无人机；具体的，图形信息采集组件可安装在无人机正上方和正侧方以采集图像信息。
本实施例中获取到的作业图像的图形种类可包括红绿蓝(GRB)图像、全色图像、深度图像、热红外图像、高光谱图像、多光谱图像和点云图像。
S320、将作业图像进行分割处理，得到第一特征区域和第二特征区域；其中，分割处理包括光流法、帧间差分法和背景减法中的至少一种。
在本实施例中，可基于作业图像中的边界点对其进行分割处理，以区分第一特征区域和第二特征区域。
本实施例还提供了一种可以根据无人机的作业图像确定第一特征区域和第二特征区域，为第一特征区域和第二特征区域的确定提供更多的识别方法。
S330、根据作业图像，确定第一特征区域的第一飞行夹角和第二特征区域的第二飞行夹角。
在本实施例中，第一特征区域的第一飞行夹角为无人机以垂直于地面的方向为参考线，和第一特征区域的夹角；第二特征区域的第二飞行夹角为无人机以垂直于地面的方向为参考线，和第二特征区域的夹角；具体可参见图4，图4为无人机的工作示意图；图4中，第一飞行夹角为α；第二飞行夹角为β。
S340、根据第一飞行夹角和无人机的飞行高度确定第一滞后距离；根据第二飞行夹角和无人机的飞行高度确定第二滞后距离；将第一滞后距离与第二滞后距离的距离差作为第一特征区域的中心点和第二特征区域的中心点的距离。
在本实施例中，参见图4；无人机的飞行高度为预先设定好的参数值H；第一滞后距离为L；第二滞后距离为B；则第一特征区域的中心点和第二特征区域的中心点的距离可参见如下公式(2)。
d＝L-B＝tanα·H-tanβ·H (2)
本实施例还提供了可以根据作业图像计算与特征区域的夹角，以此求出两特征区域间中心点的距离，增加了第一特征区域的中心点和第二特征区域的中心点的距离计算的可选方法。
S350、根据第一特征区域的中心点的坐标和第二特征区域的中心点的坐标，计算第一特征区域的面积和第二特征区域的面积的面积差。
S360、根据距离和面积差调整无人机的作业参数。
在本实施例中，可选地，根据距离和面积差调整无人机的作业参数，包括：
检测面积差是否大于预设阈值，且距离是否等于预设阈值；
若否，则调整无人机的飞行速度、飞行高度和雾滴粒径中的至少一种，以使得面积差大于预设阈值，且距离等于预设阈值。
其中，本实施例的预设阈值可趋近于零。当第一特征区域和第二特征区域的面积差大于零，且距离等于零时，才能使得雾滴沉积区域重叠在作物冠层旋涡区域之中，实现雾滴的有效穿透。
本实施例通过在无人机的作业过程中实时监测第一特征区域和第二特征区域的面积差，以及第一特征区域的中心点到第二特征区域的中心点的距离是否满足预设条件，以此判断是否需要调整作业参数，从而在无人机的作业过程中实现有效监控。
图5是本公开实施例提供的一种基于无人机的喷雾装置的结构示意图；该装置配置于电子设备中，可实现本申请任意实施例所述的基于无人机的喷雾方法。该装置具体包括如下：
第一确定模块510，用于确定无人机作业过程中的第一特征区域和第二特征区域；其中，所述第一特征区域包括作物冠层涡旋区域，所述第二特征区域包括雾滴沉积区域；
第二确定模块520，用于确定所述第一特征区域的中心点和所述第二特征区域的中心点的距离，以及确定所述第一特征区域的面积和所述第二特征区域的面积的面积差；
参数调整模块530，用于根据所述距离和所述面积差调整所述无人机的作业参数。
在本实施例中，可选地，第一确定模块510，具体用于：
获取无人机在作业过程中的作业参数和气象参数；其中，所述作业参数包括飞行速度、飞行高度、雾滴粒径和机型中的至少一种；所述气象参数包括空气温度、湿度、风速和风向中的至少一种；
将所述作业参数输入预先训练得到的第一识别模型中，并根据所述第一识别模型的输出确定第一特征区域；其中，所述第一识别模型是根据第一历史特征区域和历史作业参数训练得到；
将所述气象参数输入预先训练得到的第二识别模型中，并根据所述第二识别模型的输出确定第二特征区域；其中，所述第二识别模型是根据第二历史特征区域和历史气象参数训练得到。
在本实施例中，可选地，第一确定模块510，具体用于：
获取无人机作业时的作业图像；
将所述作业图像进行分割处理，得到第一特征区域和第二特征区域；其中，所述分割处理包括光流法、帧间差分法和背景减法中的至少一种。
在本实施例中，可选地，第二确定模块520，具体用于：
对所述第一特征区域进行轮廓提取，得到所述第一特征区域的包围区域；以及，对所述第二特征区域进行轮廓提取，得到所述第二特征区域的包围区域；
根据所述第一特征区域的包围区域确定所述第一特征区域的中心点的坐标；根据所述第二特征区域的包围区域确定所述第二特征区域的中心点的坐标；
计算所述第一特征区域的中心点的坐标和所述第二特征区域的中心点的坐标之间的距离。
在本实施例中，可选地，第二确定模块520，具体用于：
根据所述第一特征区域的中心点的坐标和所述第二特征区域的中心点的坐标，计算所述第一特征区域的面积和所述第二特征区域的面积的面积差。
在本实施例中，可选地，第二确定模块520，具体用于：
根据所述作业图像，确定所述第一特征区域的第一飞行夹角和所述第二特征区域的第二飞行夹角；
根据所述第一飞行夹角和所述无人机的飞行高度确定第一滞后距离；根据所述第二飞行夹角和所述无人机的飞行高度确定第二滞后距离；
将所述第一滞后距离与所述第二滞后距离的距离差作为所述第一特征区域的中心点和所述第二特征区域的中心点的距离。
在本实施例中，可选地，参数调整模块530，具体用于：
检测所述面积差是否大于预设阈值，且所述距离是否等于所述预设阈值；
若否，则调整所述无人机的飞行速度、飞行高度和雾滴粒径中的至少一种，以使得所述面积差大于预设阈值，且所述距离等于所述预设阈值。
通过本发明实施例的基于无人机的喷雾装置，在作业过程中能够调整无人机的作业参数以使得作物冠层涡旋区域和雾滴沉积区域重叠，且冠层涡旋区域主动包含雾滴沉积区域，从而提高喷雾精准度，获得最佳的作业效果。
本发明实施例所提供的基于无人机的喷雾装置可执行本发明任意实施例所提供的基于无人机的喷雾方法，具备执行方法相应的功能模块和有益效果。
图6是本公开实施例提供的一种电子设备的结构示意图。如图6所示，该电子设备包括处理器610、存储器620、输入装置630和输出装置640；电子设备中处理器610的数量可以是一个或多个，图6中以一个处理器610为例；电子设备中的处理器610、存储器620、输入装置630和输出装置640可以通过总线或其他方式连接，图6中以通过总线连接为例。
存储器620作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的基于无人机的喷雾方法对应的程序指令/模块。处理器610通过运行存储在存储器620中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现本发明实施例所提供的基于无人机的喷雾方法。
存储器620可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器620可进一步包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置630可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，可以包括键盘、鼠标等。输出装置640可包括显示屏等显示设备。
本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于实现本发明实施例所提供的基于无人机的喷雾方法。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的基于无人机的喷雾方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种基于无人机的喷雾方法，其特征在于，所述方法包括：
确定无人机作业过程中的第一特征区域和第二特征区域；其中，所述第一特征区域包括作物冠层涡旋区域，所述第二特征区域包括雾滴沉积区域；
确定所述第一特征区域的中心点和所述第二特征区域的中心点的距离，以及确定所述第一特征区域的面积和所述第二特征区域的面积的面积差；
根据所述距离和所述面积差调整所述无人机的作业参数；
所述确定无人机作业过程中的第一特征区域和第二特征区域，包括：
获取无人机在作业过程中的作业参数和气象参数；其中，所述作业参数包括飞行速度、飞行高度、雾滴粒径和机型中的至少一种；所述气象参数包括空气温度、湿度、风速和风向中的至少一种；
将所述作业参数输入预先训练得到的第一识别模型中，并根据所述第一识别模型的输出确定第一特征区域；其中，所述第一识别模型是根据第一历史特征区域和历史作业参数训练得到；
将所述气象参数输入预先训练得到的第二识别模型中，并根据所述第二识别模型的输出确定第二特征区域；其中，所述第二识别模型是根据第二历史特征区域和历史气象参数训练得到；
所述确定所述第一特征区域的中心点和所述第二特征区域的中心点的距离，包括：
对所述第一特征区域进行轮廓提取，得到所述第一特征区域的包围区域；以及，对所述第二特征区域进行轮廓提取，得到所述第二特征区域的包围区域；
根据所述第一特征区域的包围区域确定所述第一特征区域的中心点的坐标；根据所述第二特征区域的包围区域确定所述第二特征区域的中心点的坐标；
计算所述第一特征区域的中心点的坐标和所述第二特征区域的中心点的坐标之间的距离；
所述确定所述第一特征区域的面积和所述第二特征区域的面积的面积差，包括：
根据所述第一特征区域的中心点的坐标和所述第二特征区域的中心点的坐标，计算所述第一特征区域的面积和所述第二特征区域的面积的面积差；
所述根据所述距离和所述面积差调整所述无人机的作业参数，包括：
检测所述面积差是否大于预设阈值，且所述距离是否等于所述预设阈值；
若否，则调整所述无人机的飞行速度、飞行高度和雾滴粒径中的至少一种，以使得所述面积差大于预设阈值，且所述距离等于所述预设阈值。
2.根据权利要求1所述的方法，其特征在于，所述确定无人机作业过程中的第一特征区域和第二特征区域，包括：
获取无人机作业时的作业图像；
将所述作业图像进行分割处理，得到第一特征区域和第二特征区域；其中，所述分割处理包括光流法、帧间差分法和背景减法中的至少一种。
3.根据权利要求2所述的方法，其特征在于，所述确定所述第一特征区域的中心点和所述第二特征区域的中心点的距离，包括：
根据所述作业图像，确定所述第一特征区域的第一飞行夹角和所述第二特征区域的第二飞行夹角；
根据所述第一飞行夹角和所述无人机的飞行高度确定第一滞后距离；根据所述第二飞行夹角和所述无人机的飞行高度确定第二滞后距离；
将所述第一滞后距离与所述第二滞后距离的距离差作为所述第一特征区域的中心点和所述第二特征区域的中心点的距离。
4.一种基于无人机的喷雾装置，其特征在于，所述装置包括：
第一确定模块，用于确定无人机作业过程中的第一特征区域和第二特征区域；其中，所述第一特征区域包括作物冠层涡旋区域，所述第二特征区域包括雾滴沉积区域；
第二确定模块，用于确定所述第一特征区域的中心点和所述第二特征区域的中心点的距离，以及确定所述第一特征区域的面积和所述第二特征区域的面积的面积差；
参数调整模块，用于根据所述距离和所述面积差调整所述无人机的作业参数；
所述第一确定模块，确定无人机作业过程中的第一特征区域和第二特征区域，具体用于：
获取无人机在作业过程中的作业参数和气象参数；其中，所述作业参数包括飞行速度、飞行高度、雾滴粒径和机型中的至少一种；所述气象参数包括空气温度、湿度、风速和风向中的至少一种；
将所述作业参数输入预先训练得到的第一识别模型中，并根据所述第一识别模型的输出确定第一特征区域；其中，所述第一识别模型是根据第一历史特征区域和历史作业参数训练得到；
将所述气象参数输入预先训练得到的第二识别模型中，并根据所述第二识别模型的输出确定第二特征区域；其中，所述第二识别模型是根据第二历史特征区域和历史气象参数训练得到；
所述第二确定模块，确定所述第一特征区域的中心点和所述第二特征区域的中心点的距离，具体用于：
对所述第一特征区域进行轮廓提取，得到所述第一特征区域的包围区域；以及，对所述第二特征区域进行轮廓提取，得到所述第二特征区域的包围区域；
根据所述第一特征区域的包围区域确定所述第一特征区域的中心点的坐标；根据所述第二特征区域的包围区域确定所述第二特征区域的中心点的坐标；
计算所述第一特征区域的中心点的坐标和所述第二特征区域的中心点的坐标之间的距离；
所述第二确定模块，确定所述第一特征区域的面积和所述第二特征区域的面积的面积差，具体用于：
根据所述第一特征区域的中心点的坐标和所述第二特征区域的中心点的坐标，计算所述第一特征区域的面积和所述第二特征区域的面积的面积差；
所述参数调整模块，根据所述距离和所述面积差调整所述无人机的作业参数，具体用于：
检测所述面积差是否大于预设阈值，且所述距离是否等于所述预设阈值；
若否，则调整所述无人机的飞行速度、飞行高度和雾滴粒径中的至少一种，以使得所述面积差大于预设阈值，且所述距离等于所述预设阈值。
5.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1～3中任一所述的基于无人机的喷雾方法。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～3中任一所述的基于无人机的喷雾方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110366697.4A CN112987793B (zh) | 2021-04-06 | 2021-04-06 | 基于无人机的喷雾方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110366697.4A CN112987793B (zh) | 2021-04-06 | 2021-04-06 | 基于无人机的喷雾方法、装置、电子设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112987793A CN112987793A (zh) | 2021-06-18 |
| CN112987793B true CN112987793B (zh) | 2023-03-24 |
Family
ID=76339243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110366697.4A Active CN112987793B (zh) | 2021-04-06 | 2021-04-06 | 基于无人机的喷雾方法、装置、电子设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112987793B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105159319A (zh) * | 2015-09-29 | 2015-12-16 | 广州极飞电子科技有限公司 | 一种无人机的喷药方法及无人机 |
| CN110217397A (zh) * | 2019-07-09 | 2019-09-10 | 农业农村部南京农业机械化研究所 | 一种植保无人飞机防飘喷洒机构 |
| CN110503259A (zh) * | 2019-08-19 | 2019-11-26 | 农业农村部南京农业机械化研究所 | 一种植保无人飞机作业参数设置决策方法 |
| CN112330655A (zh) * | 2020-11-18 | 2021-02-05 | 广东技术师范大学 | 暗环境下的药液喷施作业测试方法、装置和计算机设备 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1151793A (en) * | 1966-07-16 | 1969-05-14 | Cammell Laird Shiprepairers Lt | Improvements in or relating to Supporting and Manipulating Equipment for Shot Blasting Apparatus. |
| US20100004913A1 (en) * | 2008-06-17 | 2010-01-07 | Honeywell International Inc. | Winds aloft profiler |
| US10054939B1 (en) * | 2012-09-22 | 2018-08-21 | Paul G. Applewhite | Unmanned aerial vehicle systems and methods of use |
| CN104977935A (zh) * | 2014-04-04 | 2015-10-14 | 北京中科火冠科技有限公司 | 一种旋翼无人机风场静电喷药装置及方法 |
| GB201715123D0 (en) * | 2017-09-19 | 2017-11-01 | Flylogix Ltd | FlyLogix Big Book |
| CN209268455U (zh) * | 2018-11-01 | 2019-08-20 | 农业部南京农业机械化研究所 | 一种农用植保飞机自动升降喷杆 |
-
2021
- 2021-04-06 CN CN202110366697.4A patent/CN112987793B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105159319A (zh) * | 2015-09-29 | 2015-12-16 | 广州极飞电子科技有限公司 | 一种无人机的喷药方法及无人机 |
| CN110217397A (zh) * | 2019-07-09 | 2019-09-10 | 农业农村部南京农业机械化研究所 | 一种植保无人飞机防飘喷洒机构 |
| CN110503259A (zh) * | 2019-08-19 | 2019-11-26 | 农业农村部南京农业机械化研究所 | 一种植保无人飞机作业参数设置决策方法 |
| CN112330655A (zh) * | 2020-11-18 | 2021-02-05 | 广东技术师范大学 | 暗环境下的药液喷施作业测试方法、装置和计算机设备 |
Non-Patent Citations (2)
| Title |
|---|
| Determining the Leaf Area Index and Percentage of Area Covered by Coffee Crops Using UAV RGB Images;Luana Mendes dos Santos，;《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》;第13卷;全文 * |
| 植保无人机作业参数对雾滴在茶树冠层沉积分布影响研究;余文胜，等;《中国农机化学报》;第41卷(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112987793A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113485453B (zh) | 一种海上无人机巡检飞行路径生成方法、装置及无人机 | |
| CN110781827B (zh) | 一种基于激光雷达与扇状空间分割的路沿检测***及其方法 | |
| CN109144097B (zh) | 障碍物或地面识别及飞行控制方法、装置、设备及介质 | |
| CN106407880B (zh) | 使用图像处理的存量、生长和风险预测 | |
| CN109785363A (zh) | 一种无人机航拍视频运动小目标实时检测与跟踪方法 | |
| CN109299688A (zh) | 基于可变形快速卷积神经网络的舰船检测方法 | |
| Lv et al. | Influence of UAV flight speed on droplet deposition characteristics with the application of infrared thermal imaging | |
| CN110490114A (zh) | 一种基于深度随机森林和激光雷达的无人机实时空中目标检测避障方法 | |
| CN113096075B (zh) | 输电线路缠绕异物清除器的入侵物检测方法及*** | |
| CN109949229A (zh) | 一种多平台多视角下的目标协同检测方法 | |
| CN112907520A (zh) | 基于端到端深度学习方法的单株树冠检测方法 | |
| CN114138012A (zh) | 一种风机叶片巡检方法、装置、设备及存储介质 | |
| CN112987793B (zh) | 基于无人机的喷雾方法、装置、电子设备和介质 | |
| CN116704333A (zh) | 一种基于激光点云数据的单株林木检测方法 | |
| CN114689030A (zh) | 一种基于机载视觉的无人机辅助定位方法及*** | |
| CN116171962B (zh) | 一种植保无人机的高效对靶喷雾调控方法及*** | |
| CN117765006A (zh) | 基于无人机影像与激光点云的多层次密集树冠分割方法 | |
| CN113868970A (zh) | 一种基于数值仿真模型及中尺度气象模式的机场区域多源风场融合方法 | |
| CN109522893B (zh) | 一种空中非合作目标气球要害点快速的检测方法 | |
| CN112298564A (zh) | 基于图像识别的变量施药控制方法及装置 | |
| Treboux et al. | Towards retraining of machine learning algorithms: an efficiency analysis applied to smart agriculture | |
| CN112508970B (zh) | 一种点云数据分割方法及装置 | |
| CN115685237A (zh) | 视锥与几何约束相结合的多模态三维目标检测方法及*** | |
| CN112731335B (zh) | 一种基于全区域激光扫描的多无人机协作定位方法 | |
| Lai et al. | Vision-Based Mid-Air Object Detection and Avoidance Approach for Small Unmanned Aerial Vehicles with Deep Learning and Risk Assessment |
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 |