CN115903855A - 一种基于卫星遥感的林场喷药路径规划方法、装置及设备 - Google Patents
一种基于卫星遥感的林场喷药路径规划方法、装置及设备 Download PDFInfo
- Publication number
- CN115903855A CN115903855A CN202310032230.5A CN202310032230A CN115903855A CN 115903855 A CN115903855 A CN 115903855A CN 202310032230 A CN202310032230 A CN 202310032230A CN 115903855 A CN115903855 A CN 115903855A
- Authority
- CN
- China
- Prior art keywords
- spraying
- pesticide
- needing
- forest farm
- acquiring
- 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
Links
- 238000005507 spraying Methods 0.000 title claims abstract description 220
- 239000000575 pesticide Substances 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000011159 matrix material Substances 0.000 claims abstract description 106
- 239000003814 drug Substances 0.000 claims abstract description 67
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 61
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 38
- 230000006378 damage Effects 0.000 claims abstract description 32
- 238000004088 simulation Methods 0.000 claims abstract description 30
- 239000007921 spray Substances 0.000 claims abstract description 29
- 230000006870 function Effects 0.000 claims description 71
- 230000007704 transition Effects 0.000 claims description 41
- 239000003016 pheromone Substances 0.000 claims description 27
- 238000005303 weighing Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 26
- 241000257303 Hymenoptera Species 0.000 claims description 22
- 239000000126 substance Substances 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 18
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 239000002917 insecticide Substances 0.000 claims 2
- 241000238631 Hexapoda Species 0.000 description 32
- 210000004027 cell Anatomy 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 8
- 230000001771 impaired effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 210000002457 barrier cell Anatomy 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000505 pernicious effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/40—Afforestation or reforestation
Landscapes
- Catching Or Destruction (AREA)
Abstract
本发明提供一种基于卫星遥感的林场喷药路径规划方法、装置及设备,涉及林场路径规划领域,所述方法包括:获取林场的卫星遥感图像;根据卫星遥感图像,获取林场的参数信息;绘制林场的二维模拟地图,二维模拟地图中包括需喷药区域和障碍区域;根据需喷药区域的虫害受损程度,对需喷药区域进行排序,获取排序矩阵;根据喷药机器人的有效喷药距离,将需喷药区域划分为多个需喷药单元;获取各个需喷药单元的形心,作为需喷药单元对应的目标点;获取多个目标点之间的最短距离,根据最短距离,获取距离矩阵;通过改进蚁群算法进行计算,获取最优喷药路径。根据虫害情况选择最优喷药路径,对虫害严重的区域优先喷药,节省了资源,减少了危害。
Description
技术领域
本发明涉及林场路径规划领域,具体而言,涉及一种基于卫星遥感的林场喷药路径规划方法、装置及设备。
背景技术
林场是在保护自然森林和人工造林的***计划下,以一种保证连续商品木材生产的方式进行经营的森林土地的地区。森林虫害会导致树木的生长发育不良,甚至引起林木的产量和质量下降。因此,对森林病虫的妨害防治极其重要。正常情况下,需对林场内的树木定期喷洒药物,而就喷洒药物而言,若不对虫害程度较大的区域进行及时喷洒药物,虫害程度和受灾区域就会成指数增长。
在现有技术中,还未有在林场领域的喷药路径规划的成熟技术或方案,仅有路径规划或“旅行商问题”方面的技术,大多采用路径规划算法达到寻找长度最短的路径的目的,例如,Dijkstra算法、A*算法、D*lite算法以及启发式算法等,在启发式算法中,大多采用蚁群算法进行路径规划,但是,现在的路径规划算法只考虑路径长短,对于森林林场喷药路径规划,并不会考虑不同虫害受损程度区域的喷洒优先顺序问题,如此可能会造成林场虫害区域的恶性扩大。
发明内容
本发明解决的问题是,如何根据林场不同区域的虫害受损程度,确定林场内的药物喷洒路径。
为解决上述问题,本发明提供一种基于卫星遥感的林场喷药路径规划方法、装置及设备。
第一方面,本发明提供了一种基于卫星遥感的林场喷药路径规划方法,包括:
获取林场的卫星遥感图像;
根据卫星遥感图像,获取林场的参数信息,其中,参数信息包括林场的边界、林场中需喷药区域、需喷药区域的边界以及林场的坡度信息;
根据参数信息,绘制林场的二维模拟地图,二维模拟地图中包括需喷药区域和障碍区域;
根据需喷药区域的虫害受损程度,对需喷药区域进行排序,获取排序矩阵;
根据喷药机器人的有效喷药距离,将需喷药区域划分为多个需喷药单元;
获取各个需喷药单元的形心,作为需喷药单元对应的目标点;
获取多个目标点之间的最短距离,根据最短距离,获取距离矩阵;
基于距离矩阵和排序矩阵,通过改进蚁群算法进行计算,获取最优喷药路径。
可选地,根据卫星遥感图像,获取林场的参数信息,包括:
获取喷药机器人的最大临界坡度;
根据最大临界坡度和林场的坡度信息,获取障碍区域,其中,障碍区域的坡度大于最大临界坡度。
可选地,根据喷药机器人的有效喷药距离,将需喷药区域划分为多个需喷药单元,包括:
根据喷药机器人的有效喷药距离,获取喷药机器人的有效喷药范围;
根据有效喷药范围,将需喷药区域划分为多个需喷药单元,其中,需喷药单元的面积小于或等于有效喷药范围。
可选地,在获取各个需喷药单元的形心,作为需喷药单元对应的目标点之后,在获取多个目标点之间的最短距离,根据最短距离,获取距离矩阵之前,还包括:
采用单元格对二维模拟地图进行划分,并对障碍区域中的单元格进行补全,得到林场的栅格图,其中,单元格的面积小于需喷药单元的面积;
获取多个目标点之间的最短距离,根据最短距离,获取距离矩阵,包括:
根据栅格图,获取多个目标点之间的最短距离;
根据最短距离,获取距离矩阵;
距离矩阵如公式一所示:
(公式一);
其中,
D为距离矩阵,为第
i个目标点与第
j个目标点之间的最短距离。
可选地,基于距离矩阵和排序矩阵,通过改进蚁群算法进行计算,获取最优喷药路径,包括:
根据排序矩阵,获取权衡系数;
权衡系数如公式二所示:
(公式二);
其中,为目标点到目标点的权衡系数,
I为排序矩阵,为第
k个需喷药区域,为需喷药区域在排序矩阵
I中排列的顺序数,为第
i个所述目标点,为第
j个所述目标点;
根据权衡系数,获取权衡系数矩阵;
权衡系数矩阵如公式三所示:
(公式三);
根据距离矩阵和权衡系数矩阵,得到权衡函数;
根据权衡函数,获取改进蚁群算法的转移概率公式;
基于转移概率公式,通过改进蚁群算法进行计算,获取最优喷药路径。
可选地,根据距离矩阵和权衡系数矩阵,得到权衡函数,包括:
根据距离矩阵和权衡系数矩阵,通过权衡函数计算公式计算得到权衡函数,其中,权衡函数计算公式如公式四所示:
(公式四);
其中,为权衡函数,
n为目标点的个数,为目标点之间的最短距离,为权衡系数。
可选地,根据权衡函数,获取改进蚁群算法的转移概率公式,包括:将权衡函数输入改进蚁群算法的转移概率公式中,其中,转移概率公式如公式五所示:
(公式五);
其中,为
t时刻蚂蚁
k从目标点到目标点的概率,
α为信息素重要程度因子,
β为启发函数重要程度因子,
γ为权衡函数重要程度因子,
A为蚂蚁
k下一步选择的所述目标点的集合,为信息素,为启发函数,为权衡函数。
可选地,基于转移概率公式,通过改进蚁群算法进行计算,获取最优喷药路径,包括:
初始化参数,参数包括:蚂蚁数量、初始迭代值、最大迭代次数、信息素重要程度因子、启发函数重要程度因子、权衡函数重要程度因子和信息素挥发程度;
通过转移概率公式,获取转移概率;
根据转移概率和轮盘赌法,确定蚂蚁的下一个目标点;
获取蚂蚁前往下一个目标点的路径;
更新路径的信息素;
若蚂蚁未到达终点,则重新通过转移概率公式,获取转移概率;
若蚂蚁到达终点,则获取到达终点的蚂蚁数量;
当到达终点的蚂蚁数量大于或等于预设阈值,且初始迭代值小于或等于最大迭代次数时,则重新通过转移概率公式,获取转移概率;
当到达终点的蚂蚁数量大于或等于预设阈值,且初始迭代值大于最大迭代次数时,输出最优喷药路径。
本发明通过获取林场的卫星遥感图像,并依据获取的图像,获得林场的边界、需喷药区域边界和林场的坡度信息,进一步绘制便于路径规划的二维模拟地图,二维模拟地图上可清晰地显示需喷药区域和障碍区域,便于最优喷药路径地展示;根据不同需喷药区域的虫害受损程度,对需喷药区域进行排序,得到排序矩阵,根据用于喷药的喷药机器人的有效喷射距离,将需喷药区域划分为多个需喷药单元,并获取各个需喷药单元的形心作为目标点,确定喷药机器人需要到达的位置,计算出各个目标点之间的最短距离后得到距离矩阵,采用改进蚁群算法计算最优喷药路径时,充分考虑排序矩阵和距离矩阵,提高虫害受损严重的区域的优先级,使虫害受损严重的区域可以优先喷药,降低虫害对林场的危害,同时,根据喷药机器人的有效喷药距离将需喷药区域合理划分为需喷药单元,并规划了喷药机器人喷药的目标点,使喷药机器人仅在目标点进行喷药即可对需喷药区域进行全面覆盖,不需要喷药机器人在移动过程中进行药物喷洒,节省了药物的用量。
第二方面,本发明提供了一种基于卫星遥感的林场喷药路径规划装置,包括:
遥感获取模块,用于获取林场的卫星遥感图像;
参数获取模块,用于根据卫星遥感图像,获取林场的参数信息,其中,参数信息包括林场的边界、林场中需喷药区域、需喷药区域的边界以及林场的坡度信息;
地图绘制模块,用于根据参数信息,绘制林场的二维模拟地图,二维模拟地图中包括需喷药区域和障碍区域;
排序矩阵模块,用于根据需喷药区域的虫害受损程度,对需喷药区域进行排序,获取排序矩阵;
区域划分模块,用于根据喷药机器人的有效喷药距离,将需喷药区域划分为多个需喷药单元;
目标获取模块,用于获取各个需喷药单元的形心,作为需喷药单元对应的目标点;
距离获取模块,用于获取多个目标点之间的最短距离,根据最短距离,获取距离矩阵;
最优路径模块,用于基于距离矩阵和排序矩阵,通过改进蚁群算法进行计算,获取最优喷药路径。
第三方面,本发明提供了一种基于卫星遥感的林场喷药路径规划设备,包括存储器和处理器;
所述存储器,用于存储计算机程序;
所述处理器,用于当执行计算机程序时,实现如第一方面任一项所述的基于卫星遥感的林场喷药路径规划方法。
本发明提供的基于卫星遥感的林场喷药路径规划装置及设备与基于卫星遥感的林场喷药路径规划方法相对于现有技术的优势相同,在此不再赘述。
附图说明
图1为本发明实施例的一种基于卫星遥感的林场喷药路径规划方法的流程示意图;
图2为本发明实施例的一种基于卫星遥感的林场喷药路径装置的结构示意图;
图3为本发明另一实施例的一种基于卫星遥感的林场喷药路径设备的结构示意图;
图4为本发明另一实施例的一种基于卫星遥感的林场喷药路径方法的二维模拟地图;
图5为本发明另一实施例的一种基于卫星遥感的林场喷药路径方法的需喷药单元示意图;
图6为本发明另一实施例的一种基于卫星遥感的林场喷药路径方法的栅格图;
图7为本发明另一实施例的一种基于卫星遥感的林场喷药路径方法的最优喷药路径图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
现有技术中,如何根据林场不同区域的虫害受损程度,确定林场内的药物喷洒路径,依旧是一个未解决的问题。
针对上述技术问题,如图1所示,本发明实施例提供的一种基于卫星遥感的林场喷药路径规划方法,包括:
步骤S10,获取林场的卫星遥感图像;
具体地,通过卫星遥感技术,可以实时准确地获取林场的图像,便于后续进行林场喷药路径规划,是整个林场喷药路径规划方法的基底,使林场喷药路径规划方法的计算更加快捷准确。
步骤S20,根据所述卫星遥感图像,获取所述林场的参数信息,其中,所述参数信息包括所述林场的边界、所述林场中需喷药区域、所述需喷药区域的边界以及所述林场的坡度信息;
具体地,在通过卫星遥感技术获取林场的图像后,通过卫星遥感数据处理技术处理获取的图像,卫星遥感数据处理技术包括纠正校准、拼接镶嵌、色彩调整、匹配融合、影像叠加、数据分幅、矢量纠正、坐标转换、分类提取、正射校正、矢量化、三维建模、后期制图等,通过上述卫星遥感数据处理技术可获取林场边界,需喷药区域边界以及所述林场的坡度等,增加了林场喷药路径规划方法的精度和准确性,间接地对受虫害的林区产生更好的有益效果。
步骤S30,根据所述参数信息,绘制所述林场的二维模拟地图,所述二维模拟地图中包括所述需喷药区域和障碍区域;
具体地,如图4所示,依据林场的边界,需喷药区域的边界以及所述林场的坡度,通过MATLAB绘制二维模拟地图,MATLAB主要具有高效的数值计算及符号计算功能、完备的图形处理功能、友好的用户界面及接近数学表达式的自然化语言以及功能丰富的应用工具箱,本发明采用MATLAB对获取的参数数据进行模拟计算,从而绘制的二维模拟地图,应用于改进蚁群算法,基于二维模拟地图,经过各个算法处理,可直观地展示最终的最优喷药路径,使最优喷药路径更容易、更方便地被理解。
具体地,需喷药区域指的是林场中需要喷洒药物的区域,障碍区域指的是因为坡度原因,喷药机器人不能触及的区域;在林场中,不同的区域拥有不同的植物品种,不同的植物品质也会遭受不同的虫害,所以,不同的区域也有着不同的喷洒药物的需求。二维模拟地图中的需喷药区域备注有喷药需求,也就是说,每个需喷药区域均备注了各自的喷药需求,喷药需求包括但不限于药物的种类、适配的浓度、需求的喷洒量、喷洒时间以及注意事项,在后续喷药机器人进行作业时,会参考喷药需求工作。而且,林场中的自然环境并非一成不变的,不同区域甚至相同的区域内,地形和地貌都有着极大的不同,所以,预先获取林场的需喷药区域和障碍区域,可减少后续的繁琐计算,加快林场喷药路径规划的运算速度,在路径规划中,仅规划需喷药区域的路径,喷药机器人触及不到的障碍区域不在喷药路径规划范围内。
在一个实施例中,所述根据所述卫星遥感图像,获取所述林场的参数信息,包括:
获取所述喷药机器人的最大临界坡度;
根据所述最大临界坡度和所述林场的坡度信息,获取所述障碍区域,其中,所述障碍区域的坡度大于所述最大临界坡度。
具体地,因为不同型号的喷药机器人工作能力不同,其爬坡能力及可行使的环境也不同,所以,在林场喷药路径规划时,需要获取喷药机器人可以克服的最大临界坡度,并判定大于或等于最大临界坡度的坡度对应区域为障碍区域,将障碍区域设置在喷药机器人的喷药路径外,避免喷药机器人因为坡度问题导致的各种工作无效问题,更避免了因为坡度问题导致的未及时喷药造成的危害。
步骤S40,根据所述需喷药区域的虫害受损程度,对所述需喷药区域进行排序,获取排序矩阵;
具体地,具体地,因为林场不同需喷药区域受虫害的起始时间不同,虫害受损情况也不同,为了使林场喷药路径能够考虑各个需喷药区域的虫害受损程度,减少因为未及时喷药造成的虫害影响增大、林区植物价值降低、生态环境遭到破坏等弊端,需要在规划林场喷药路径时,获取各个需喷药区域的虫害受损数据,虫害受损数据包括:虫害种群、虫害受损时间、虫害受损程度等,可有效减小因虫害造成的各种弊端。根据虫害受损程度,自动对各个需喷药区域进行排序,并输出一个计算机算法可识别的排序矩阵,便于计算,通过排序矩阵,在规划林场喷药路径时,就可以考虑各个需喷药区域的虫害受损程度,将虫害受损严重的需喷药区域,依照排序矩阵,排在路径的前端,使喷药机器人可以优先前往虫害受损程度大的区域,及时止损。
步骤S50,根据喷药机器人的有效喷药距离,将所述需喷药区域划分为多个需喷药单元;
具体地,根据喷药机器人的有效喷药距离将需喷药区域合理划分为需喷药单元,使喷药机器人仅在目标点进行喷药即可对需喷药区域进行全面覆盖,不需要喷药机器人在移动过程中进行药物喷洒,节省了药物的用量。
在一个实施例中,所述根据喷药机器人的有效喷药距离,将所述需喷药区域划分为多个需喷药单元,包括:
根据所述喷药机器人的所述有效喷药距离,获取所述喷药机器人的有效喷药范围;
根据所述有效喷药范围,将所述需喷药区域划分为多个所述需喷药单元,其中,所述需喷药单元的面积小于或等于所述有效喷药范围。
具体地,如图5所示,将喷药机器人喷药的有效喷药距离设为R,有效喷药范围设为;
设需喷药区域为,
n=1,2,3,......,n;
以有效喷药范围对需喷药区域进行划分,设其中一个需喷药区域的二维空间横坐标范围如下所示:
[xmin ,xmax];
纵坐标范围如下所示:
[ymin ,ymax];
则每列有u个需喷药单元,u的公式如下述公式所示:
;
每行有v个需喷药单元,v的公式如下述公式所示:
;
需喷药单元,即目标点总数n如下述公式所示:
n=u*v;
并按照从左往右、从上往下的顺序给需喷药单元编号,则编号为k的需喷药单元编号计算公式如下述公式所示:
;
其中
k=1,2,3,......,n。
本发明实施例的依据喷药机器人的有效喷药距离设置有效喷药范围,充分考虑了喷药机器人工作的实际情况,使最终获取的最优喷药路径更加合理,并且以需喷药区域中的各个需喷药单元的形心作为目标点,可以使喷药机器人的喷药效果最大化,充分发挥喷药机器人的喷药效果,最大程度地节省人力物力和资源。
步骤S60,获取各个所述需喷药单元的形心,作为所述需喷药单元对应的目标点;
具体地,如图5所示,根据上述的有效喷药范围、需喷药区域的二维空间横坐标范围、纵坐标范围以及编号为k的需喷药单元编号计算公式等,获取第
k个需喷药单元左上角的点坐标为(xk ,yk),则获取各个所述需喷药单元的形心,即目标点的坐标如下所示:
;
步骤S70,获取多个所述目标点之间的最短距离,根据所述最短距离,获取距离矩阵;
具体地,作为优选,本发明采用JPS算法获取目标点之间的最短距离,JPS算法可以更好地与改进蚁群算法结合,输出最优的林场喷药路径。
在一个实施例中,在所述获取各个所述需喷药单元的形心,作为所述需喷药单元对应的目标点之后,在所述获取多个所述目标点之间的最短距离,根据所述最短距离,获取距离矩阵之前,还包括:
采用单元格对所述二维模拟地图进行划分,并对所述障碍区域中的所述单元格进行补全,得到所述林场的栅格图,其中,所述单元格的面积小于所述需喷药单元的面积;
所述获取多个所述目标点之间的最短距离,根据所述最短距离,获取距离矩阵,包括:根据所述栅格图,获取多个所述目标点之间的所述最短距离;
根据所述最短距离,获取距离矩阵;
所述距离矩阵如公式一所示:
(公式一);
其中,
D为所述距离矩阵,为第
i个所述目标点与第
j个所述目标点之间的所述最短距离。
具体地,如图6所示,将喷药机器人喷药的有效范围设为
R,单元格设为
a*a,其中
a小于
R,在获取需喷药区域的网格图和目标点后,以
a*a的单元格对二维模拟地图进行划分,获取栅格图,根据获取的栅格图和目标点坐标,为后续计算目标点之间的最短距离和蚁群算法获取最优喷药路径做好前期的计算准备,本发明实施例的依据喷药机器人喷药的有效范围设置栅格图的范围,使最终获取的最优喷药路径更加合理,使喷药机器人的喷药效果最大化,充分发挥喷药机器人的喷药效果,最大程度地节省人力物力和资源。
在另一个实施例中,所述采用单元格对所述二维模拟地图进行划分,并对所述障碍区域中的所述单元格进行补全,得到所述林场的栅格图,包括:
获取补全规则;
依据所述补全规则,对所述障碍区域中的所述单元格进行补全,得到所述栅格图;
所述补全规则如公式六所示:;
(公式六);
其中,为所述栅格图中第
i行第
j列元素单元格,0为通行单元,1为障碍单元,为障碍物在所述单元格的所占面积,为所述单元格的面积。
具体地,为了便于改进蚁群算法计算,需要对在栅格图中补全障碍区域所在位置的栅格,这样可减少改进蚁群算法的计算压力,加速规划最优喷药路径。
步骤S80,基于所述距离矩阵和所述排序矩阵,通过改进蚁群算法进行计算,获取最优喷药路径;
在一个实施例中,所述基于所述距离矩阵和所述排序矩阵,通过改进蚁群算法进行计算,获取最优喷药路径,包括:
根据所述排序矩阵,获取权衡系数;
所述权衡系数如公式二所示:
(公式二);
其中,为目标点到目标点的所述权衡系数,
I为所述排序矩阵,为第
k个所述需喷药区域,为所述需喷药区域在所述排序矩阵
I中排列的顺序数,为第
i个所述目标点,为第
j个所述目标点;
根据所述权衡系数,获取权衡系数矩阵;
所述权衡系数矩阵如公式三所示:
(公式三);
根据所述距离矩阵和所述权衡系数矩阵,得到权衡函数;
根据所述权衡函数,获取所述改进蚁群算法的转移概率公式;
基于所述转移概率公式,通过所述改进蚁群算法进行计算,获取所述最优喷药路径。
具体地,为了使蚁群算法能够基于虫害受损数据进行路径规划,在蚁群算法的基础上,引进了虫害受损数据,同时引进目标点之间的最短距离,所以本发明提供的权衡函数,改进了蚁群算法只能获取全局最短路径的缺点,在获取全局最短路径的同时,改进蚁群算法可以依据虫害受损数据计算出最短的林场喷药路径,最短的林场喷药路径将虫害受损严重的需喷药区域排在前列,供喷药机器人优先喷药。
在一个实施例中,所述根据所述距离矩阵和所述权衡系数矩阵,得到权衡函数,包括:
根据所述距离矩阵和所述权衡系数矩阵,通过权衡函数计算公式计算得到所述权衡函数,其中,所述权衡函数计算公式如公式四所示:
(公式四);
其中,为所述权衡函数,
n为所述目标点的个数,为所述目标点之间的所述最短距离,为所述权衡系数。
具体地,为了更好的将最短距离和虫害受损数据融入到改进蚁群算法中,本发明提供了权衡函数公式,通过权衡函数计算公式,使最短距离和虫害受损数据整合,输出为一个权衡函数数据。
在另一个实施例中,所述根据所述权衡函数,获取所述改进蚁群算法的转移概率公式,包括:将所述权衡函数输入所述改进蚁群算法的所述转移概率公式中,其中,所述转移概率公式如公式五所示:
(公式五);
其中,为
t时刻蚂蚁
k从所述目标点到所述目标点的概率,
α为信息素重要程度因子,
β为启发函数重要程度因子,
γ为权衡函数重要程度因子,
A为所述蚂蚁
k下一步选择的所述目标点的集合,为信息素,为启发函数,为所述权衡函数。
具体地,通过权衡函数数据来影响改进蚁群算法的转移概率公式,值得注意的是,本发明的转移概率公式不仅引入了权衡函数,还引入了权衡函数重要程度因子,可以使改进蚁群算法贴合实际情况去进行林场喷药路径规划。转移概率公式为蚁群算法的基础算子,本发明提供的转移概率公式是蚁群算法的改进版,本发明的改进蚁群算法的转移概率公式集成了权衡函数,而权衡函数中包含了虫害受损数据和最短距离,也就是说,转移概率公式集成了虫害受损数据和最短距离,使改进蚁群算法拥有考虑虫害受损数据的能力,可以有效地获取最优喷药路径。
在一个实施例中,所述基于所述转移概率公式,通过所述改进蚁群算法进行计算,获取所述最优喷药路径,包括:
初始化参数,所述参数包括:蚂蚁数量、初始迭代值、最大迭代次数、信息素重要程度因子、启发函数重要程度因子、权衡函数重要程度因子和信息素挥发程度;
通过所述转移概率公式,获取转移概率;
根据所述转移概率和轮盘赌法,确定蚂蚁的下一个目标点;
获取所述蚂蚁前往所述下一个目标点的路径;
更新所述路径的信息素;
若所述蚂蚁未到达终点,则重新通过所述转移概率公式,获取所述转移概率;
若所述蚂蚁到达所述终点,则获取到达所述终点的蚂蚁数量;
当所述到达终点的蚂蚁数量大于或等于预设阈值,且所述初始迭代值小于或等于最大迭代次数时,则重新通过所述转移概率公式,获取所述转移概率;
当所述到达终点的蚂蚁数量大于或等于所述预设阈值,且所述初始迭代值大于所述最大迭代次数时,输出所述最优喷药路径。
具体地,在初始化参数后,将多只蚂蚁随机放在目标点上,每只蚂蚁根据转移概率公式获取转移概率,并结合轮盘赌法确定下一个目标点;
通过轮盘赌法确定下一目标点的步骤包括:
通过转移概率获取选择下一个目标点的概率,选择下一个目标点的概率如下述公式所示:
;
;
;
其中,
K为1至
M之间的任意自然数;
依据选择下一个目标点的概率获取目标点的积累概率,积累概率如下述公式所示:
;
;
其中,
j=2,3,4,......,M,
m为1至
j之间的任意自然数,根据轮盘赌法,在[0,1]内产生一个均匀分布的随机数
r。
若
r ≤ ,则蚂蚁前往1号目标点;
若
< r ≤
(2 ≤ j ≤ M), 则蚂蚁前往
j号目标点;
例如,从当前目标点通往
A,B,C三点的概率值为0.75,1,1.25,则
A,B,C被选中的概率分别为0.25,0.33,0.416,则
0<
r ≤ 0.25对应
A点,0.25<
r≤0.58对应
B点,0.58<
r≤1对应路径
C点;若在随机数为[0,1]之间,生成一个随机数0.4,蚂蚁则将会向目标点
B移动;
获取所述蚂蚁前往所述下一个目标点的路径,例如,蚂蚁从目标点走到目标点,则获取目标点和目标点之间的路径;
更新目标点和目标点之间的路径的信息素,信息素公式如下述公式所示:
;
其中,
ζ为全局信息素的挥发系数,为蚂蚁
k在目标点到目标点的路径上的信息素浓度增量,的公式如下述公式所示:
;
其中,
L k 为蚂蚁
k搜索到的全局最优路径长度;
应当理解的是,每个蚂蚁由一个目标点前往下一个目标点,均更新路径的信息素;一个路径有多个蚂蚁经过,均更新对应次数的信息素;
为了实现最优的林场喷药路径规划,需要进行多次完整地计算,若有蚂蚁未达到最后的终点,则重新通过转移概率公式,获取转移概率,直至该蚂蚁到达终点;
统计到达终点的蚂蚁数量,当到达终点的蚂蚁数量大于或等于预设阈值时,判断改进蚁群算法的初始迭代值与最大迭代次数的关系;
在算法开始运行前,依据实际情况,设置初始迭代值和最大迭代次数,初始迭代值随着改进蚁群算法的迭代次数增加而增加;
在改进蚁群算法迭代一定次数后,判断初始迭代值与最大迭代次数的关系,若初始迭代值小于或等于最大迭代次数,则重新通过转移概率公式,获取转移概率,直至初始迭代值大于最大迭代次数;当初始迭代值大于最大迭代次数时,输出最优喷药路径。
本发明的改进蚁群算法引入了权衡函数到转移概率公式中,且权衡函数输入有虫害受损数据,使改进的蚁群算法拥有依据虫害受损程度进行林场喷药路径规划的能力,再通过轮盘赌法的计算公式和改进蚁群算法中的判断条件,对林场喷药路径进行多次规划,最终可输出最优的林场喷药路径,相较于未引入权衡函数的蚁群算法,本发明的改进蚁群算法有着极大的有益效果,在林场喷药领域起着重大作用。
在另一个实施例中,在基于所述距离矩阵和所述排序矩阵,通过改进蚁群算法进行计算,获取最优喷药路径之后,还包括:
将所述最优喷药路径无线传输到所述喷药机器人的工控机中。
具体地,本发明在改进蚁群算法确定最优林场喷药路径后,为了更便捷的将最优林场喷药路径传输到喷药机器人中,采用无线传输的方式进行实时传输,将最优林场喷药路径传输至喷药机器人的工控机中。
如图2所示,本发明另一实施例提供的一种基于卫星遥感的林场喷药路径规划装置,包括:
遥感获取模块,用于获取林场的卫星遥感图像;
参数获取模块,用于根据所述卫星遥感图像,获取所述林场的参数信息,其中,所述参数信息包括所述林场的边界、所述林场中需喷药区域、所述需喷药区域的边界以及所述林场的坡度信息;
地图绘制模块,用于根据所述参数信息,绘制所述林场的二维模拟地图,所述二维模拟地图中包括所述需喷药区域和障碍区域;
排序矩阵模块,用于根据所述需喷药区域的虫害受损程度,对所述需喷药区域进行排序,获取排序矩阵;
区域划分模块,用于根据喷药机器人的有效喷药距离,将所述需喷药区域划分为多个需喷药单元;
目标获取模块,用于获取各个所述需喷药单元的形心,作为所述需喷药单元对应的目标点;
距离获取模块,用于获取多个所述目标点之间的最短距离,根据所述最短距离,获取距离矩阵;
最优路径模块,用于基于所述距离矩阵和所述排序矩阵,通过改进蚁群算法进行计算,获取最优喷药路径。
如图3所示,本发明又一实施例提供的一种基于卫星遥感的林场喷药路径规划设备,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于对当执行所述计算机程序时,实现如上所述的基于卫星遥感的林场喷药路径规划方法。
下面结合具体实施例介绍本发明实施例提供的基于卫星遥感的林场喷药路径规划方法:
1.1、通过卫星遥感技术获取林场的卫星遥感图像;
1.2、根据卫星遥感图像,获取林场的参数信息,其中,参数信息包括林场的边界、林场中需喷药区域、需喷药区域的边界以及林场的坡度信息;
1.3、根据林场的坡度信息以及喷药机器人的最大临界坡度,确定林场中喷药机器人无法克服坡度的区域,作为障碍区域;
1.4、根据步骤参数信息以及障碍区域,采用MATLAB绘制出林场的二维模拟地图,二维模拟地图如图4所示,图4中S1和S2表示需喷药区域,S3和S4表示障碍区域;
1.5、根据需喷药区域的虫害受损程度,对需喷药区域进行排序,获取排序矩阵,排序矩阵为
I=( S2,S1);
1.6、根据喷药机器人的有效喷药距离R,采用的单元将需喷药区域划分为多个需喷药单元,分别获取每个需喷药单元的形心,作为喷药机器人的目标点,如图5所示,其中S1区域划分为4个需喷药单元,目标点分别为C1、C2、C3和C4,S2区域划分2个需喷药单元,目标点分别为C5和C6;
1.7、采用单元格对林场的二维模拟地图进行划分,并对障碍区域中的单元格进行补全,得到林场的栅格图,其中,对障碍区域中单元格进行补全时,补全规则如下述公式所示:
;
其中,为所述栅格图中第
i行第
j列元素单元格,0为通行单元,1为障碍单元,为障碍物在所述单元格的所占面积,为所述单元格的面积。
林场的栅格图如图6所示;
1.8、通过JPS算法计算得到各个目标点之间的最短路径
d ij ,并输出距离矩阵D,距离矩阵D如下述公式所示:
;
1.9、根据排序矩阵计算权衡系数,计算公式如下述公式所示:
;
根据权衡系数,获取权衡系数矩阵,如下所示:
;
2.1、将距离矩阵D和权衡系数矩阵K,通过权衡函数计算公式,计算得到权衡函数,权衡函数计算公式如下述公式所示:
;
2.2、初始化的参数,设蚂蚁数量为
m、初始迭代值为
iter、最大迭代次数为
iter_
max、信息素重要程度因子为
α,启发函数重要程度因子为
β,权衡函数重要程度因子为
γ,信息素挥发程度为
ζ;设定
m=50,iter=1,iter_max=200,α=1,β=5,γ=1,ζ=0.1;
2.3、将权衡函数带入到转移概率公式,通过转移概率获取选择下一个目标点的概率,选择下一个目标点的概率如下述公式所示:
;
;
;
其中,
K为1至
M之间的任意自然数。
2.4、依据选择下一个目标点的概率获取目标点的积累概率,积累概率如下述公式所示:
;
;
其中,
j=2,3,4,......,M,
m为1至
j之间的任意自然数;
2.5、依据积累概率,通过轮盘赌法确定蚂蚁的下一个目标点:
根据轮盘赌法,在[0,1]内产生一个均匀分布的随机数
r。
若
r ≤ ,则蚂蚁前往1号目标点;
若
< r ≤
(2 ≤ j ≤ M), 则蚂蚁前往
j号目标点。
2.6、获取所述蚂蚁前往所述下一个目标点的路径,蚂蚁从目标点走到目标点,则获取目标点和目标点之间的路径。
2.7、更新目标点和目标点之间的路径的信息素,信息素公式如下述公式所示:
;
其中,
ζ为全局信息素的挥发系数,为蚂蚁
k在目标点到目标点的路径上的信息素浓度增量,的公式如下述公式所示:
;
2.8、若有蚂蚁未达到最后的终点,则重新通过转移概率公式,获取转移概率,直至该蚂蚁到达终点。
2.9、统计到达终点的蚂蚁数量,当到达终点的蚂蚁数量大于或等于预设阈值时,判断改进蚁群算法的初始迭代值与最大迭代次数的关系,若初始迭代值小于或等于最大迭代次数,则重新通过转移概率公式,获取转移概率,直至初始迭代值大于最大迭代次数;当初始迭代值大于最大迭代次数时,输出最优喷药路径。
如图7所示,最终输出的最优喷药路径为:C3-C1-C2-C4-C5-C6。
虽然本发明公开披露如上,但本发明公开的保护范围并非仅限于此。本领域技术人员在不脱离本发明公开的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
Claims (10)
1.一种基于卫星遥感的林场喷药路径规划方法,其特征在于,包括:
获取林场的卫星遥感图像;
根据所述卫星遥感图像,获取所述林场的参数信息,其中,所述参数信息包括所述林场的边界、所述林场中需喷药区域、所述需喷药区域的边界以及所述林场的坡度信息;
根据所述参数信息,绘制所述林场的二维模拟地图,所述二维模拟地图中包括所述需喷药区域和障碍区域;
根据所述需喷药区域的虫害受损程度,对所述需喷药区域进行排序,获取排序矩阵;
根据喷药机器人的有效喷药距离,将所述需喷药区域划分为多个需喷药单元;
获取各个所述需喷药单元的形心,作为所述需喷药单元对应的目标点;
获取多个所述目标点之间的最短距离,根据所述最短距离,获取距离矩阵;
基于所述距离矩阵和所述排序矩阵,通过改进蚁群算法进行计算,获取最优喷药路径。
2.根据权利要求1所述的基于卫星遥感的林场喷药路径规划方法,其特征在于,所述根据所述卫星遥感图像,获取所述林场的参数信息,包括:
获取所述喷药机器人的最大临界坡度;
根据所述最大临界坡度和所述林场的坡度信息,获取所述障碍区域,其中,所述障碍区域的坡度大于所述最大临界坡度。
3.根据权利要求1所述的基于卫星遥感的林场喷药路径规划方法,其特征在于,所述根据喷药机器人的有效喷药距离,将所述需喷药区域划分为多个需喷药单元,包括:
根据所述喷药机器人的所述有效喷药距离,获取所述喷药机器人的有效喷药范围;
根据所述有效喷药范围,将所述需喷药区域划分为多个所述需喷药单元,其中,所述需喷药单元的面积小于或等于所述有效喷药范围。
4.根据权利要求3所述的基于卫星遥感的林场喷药路径规划方法,其特征在于,在所述获取各个所述需喷药单元的形心,作为所述需喷药单元对应的目标点之后,在所述获取多个所述目标点之间的最短距离,根据所述最短距离,获取距离矩阵之前,还包括:
采用单元格对所述二维模拟地图进行划分,并对所述障碍区域中的所述单元格进行补全,得到所述林场的栅格图,其中,所述单元格的面积小于所述需喷药单元的面积;
所述获取多个所述目标点之间的最短距离,根据所述最短距离,获取距离矩阵,包括:
根据所述栅格图,获取多个所述目标点之间的所述最短距离;
根据所述最短距离,获取距离矩阵;
所述距离矩阵如公式一所示:
(公式一);
其中,D为所述距离矩阵,为第i个所述目标点与第j个所述目标点之间的所述最短距离。
5.根据权利要求1所述的基于卫星遥感的林场喷药路径规划方法,其特征在于,所述基于所述距离矩阵和所述排序矩阵,通过改进蚁群算法进行计算,获取最优喷药路径,包括:
根据所述排序矩阵,获取权衡系数;
所述权衡系数如公式二所示:
(公式二);
其中,为目标点到目标点的所述权衡系数,I为所述排序矩阵,为第k个所述需喷药区域,为所述需喷药区域在所述排序矩阵I中排列的顺序数,为第i个所述目标点,为第j个所述目标点;
根据所述权衡系数,获取权衡系数矩阵;
所述权衡系数矩阵如公式三所示:
(公式三);
根据所述距离矩阵和所述权衡系数矩阵,得到权衡函数;
根据所述权衡函数,获取所述改进蚁群算法的转移概率公式;
基于所述转移概率公式,通过所述改进蚁群算法进行计算,获取所述最优喷药路径。
6.根据权利要求5所述的基于卫星遥感的林场喷药路径规划方法,其特征在于,所述根据所述距离矩阵和所述权衡系数矩阵,得到权衡函数,包括:
根据所述距离矩阵和所述权衡系数矩阵,通过权衡函数计算公式计算得到所述权衡函数,其中,所述权衡函数计算公式如公式四所示:
(公式四);
其中,为所述权衡函数,n为所述目标点的个数,为所述目标点之间的所述最短距离,为所述权衡系数。
7.根据权利要求6所述的基于卫星遥感的林场喷药路径规划方法,其特征在于,所述根据所述权衡函数,获取所述改进蚁群算法的转移概率公式,包括:将所述权衡函数输入所述改进蚁群算法的所述转移概率公式中,其中,所述转移概率公式如公式五所示:
(公式五);
其中,为t时刻蚂蚁k从所述目标点到所述目标点的概率,α为信息素重要程度因子,β为启发函数重要程度因子,γ为权衡函数重要程度因子,A为所述蚂蚁k下一步选择的所述目标点的集合,为信息素,为启发函数,为所述权衡函数。
8.根据权利要求7所述的基于卫星遥感的林场喷药路径规划方法,其特征在于,所述基于所述转移概率公式,通过所述改进蚁群算法进行计算,获取所述最优喷药路径,包括:
初始化参数,所述参数包括:蚂蚁数量、初始迭代值、最大迭代次数、所述信息素重要程度因子、所述启发函数重要程度因子、所述权衡函数重要程度因子和信息素挥发程度;
通过所述转移概率公式,获取转移概率;
根据所述转移概率和轮盘赌法,确定蚂蚁的下一个目标点;
获取所述蚂蚁前往所述下一个目标点的路径;
更新所述路径的信息素;
若所述蚂蚁未到达终点,则重新通过所述转移概率公式,获取所述转移概率;
若所述蚂蚁到达所述终点,则获取到达所述终点的蚂蚁数量;
当所述到达终点的蚂蚁数量大于或等于预设阈值,且所述初始迭代值小于或等于所述最大迭代次数时,则重新通过所述转移概率公式,获取所述转移概率;
当所述到达终点的蚂蚁数量大于或等于所述预设阈值,且所述初始迭代值大于所述最大迭代次数时,输出所述最优喷药路径。
9.一种基于卫星遥感的林场喷药路径规划装置,其特征在于,包括:
遥感获取模块,用于获取林场的卫星遥感图像;
参数获取模块,用于根据所述卫星遥感图像,获取所述林场的参数信息,其中,所述参数信息包括所述林场的边界、所述林场中需喷药区域、所述需喷药区域的边界以及所述林场的坡度信息;
地图绘制模块,用于根据所述参数信息,绘制所述林场的二维模拟地图,所述二维模拟地图中包括所述需喷药区域和障碍区域;
排序矩阵模块,用于根据所述需喷药区域的虫害受损程度,对所述需喷药区域进行排序,获取排序矩阵;
区域划分模块,用于根据喷药机器人的有效喷药距离,将所述需喷药区域划分为多个需喷药单元;
目标获取模块,用于获取各个所述需喷药单元的形心,作为所述需喷药单元对应的目标点;
距离获取模块,用于获取多个所述目标点之间的最短距离,根据所述最短距离,获取距离矩阵;
最优路径模块,用于基于所述距离矩阵和所述排序矩阵,通过改进蚁群算法进行计算,获取最优喷药路径。
10.一种基于卫星遥感的林场喷药路径规划设备,其特征在于,包括存储器和处理器;
所述存储器,用于存储计算机程序;
所述处理器,用于当执行所述计算机程序时,实现如权利要求1至8任一项所述的基于卫星遥感的林场喷药路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310032230.5A CN115903855B (zh) | 2023-01-10 | 2023-01-10 | 一种基于卫星遥感的林场喷药路径规划方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310032230.5A CN115903855B (zh) | 2023-01-10 | 2023-01-10 | 一种基于卫星遥感的林场喷药路径规划方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115903855A true CN115903855A (zh) | 2023-04-04 |
CN115903855B CN115903855B (zh) | 2023-05-09 |
Family
ID=85751740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310032230.5A Active CN115903855B (zh) | 2023-01-10 | 2023-01-10 | 一种基于卫星遥感的林场喷药路径规划方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115903855B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117727197A (zh) * | 2024-02-07 | 2024-03-19 | 南京信息工程大学 | 基于混合型蚁群算法的车辆报警器控制方法、装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104731097A (zh) * | 2015-02-09 | 2015-06-24 | 聊城大学 | 一种美国白蛾幼虫网幕喷药机器人局部运动控制方法 |
CN107992078A (zh) * | 2017-12-15 | 2018-05-04 | 西安天问智能科技有限公司 | 一种植保无人机自主路径规划方法 |
CN108849819A (zh) * | 2018-06-29 | 2018-11-23 | 深圳春沐源控股有限公司 | 关于生物制剂喷洒的自动控制方法、喷药装置及控制*** |
CN110050619A (zh) * | 2019-05-10 | 2019-07-26 | 广西润桂科技有限公司 | 基于精准气象保障技术的无人机甘蔗病虫害防治喷药方法 |
CN112154447A (zh) * | 2019-09-17 | 2020-12-29 | 深圳市大疆创新科技有限公司 | 地表特征识别方法、设备、无人机及计算机可读存储介质 |
CN112947591A (zh) * | 2021-03-19 | 2021-06-11 | 北京航空航天大学 | 基于改进蚁群算法的路径规划方法、装置、介质及无人机 |
CN113973794A (zh) * | 2021-09-10 | 2022-01-28 | 常州希米智能科技有限公司 | 一种无人机喷洒农药量监控处理方法和装置 |
WO2022095040A1 (zh) * | 2020-11-09 | 2022-05-12 | 深圳市大疆创新科技有限公司 | 无人机的喷洒航线规划方法和设备 |
-
2023
- 2023-01-10 CN CN202310032230.5A patent/CN115903855B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104731097A (zh) * | 2015-02-09 | 2015-06-24 | 聊城大学 | 一种美国白蛾幼虫网幕喷药机器人局部运动控制方法 |
CN107992078A (zh) * | 2017-12-15 | 2018-05-04 | 西安天问智能科技有限公司 | 一种植保无人机自主路径规划方法 |
CN108849819A (zh) * | 2018-06-29 | 2018-11-23 | 深圳春沐源控股有限公司 | 关于生物制剂喷洒的自动控制方法、喷药装置及控制*** |
CN110050619A (zh) * | 2019-05-10 | 2019-07-26 | 广西润桂科技有限公司 | 基于精准气象保障技术的无人机甘蔗病虫害防治喷药方法 |
CN112154447A (zh) * | 2019-09-17 | 2020-12-29 | 深圳市大疆创新科技有限公司 | 地表特征识别方法、设备、无人机及计算机可读存储介质 |
WO2022095040A1 (zh) * | 2020-11-09 | 2022-05-12 | 深圳市大疆创新科技有限公司 | 无人机的喷洒航线规划方法和设备 |
CN112947591A (zh) * | 2021-03-19 | 2021-06-11 | 北京航空航天大学 | 基于改进蚁群算法的路径规划方法、装置、介质及无人机 |
CN113973794A (zh) * | 2021-09-10 | 2022-01-28 | 常州希米智能科技有限公司 | 一种无人机喷洒农药量监控处理方法和装置 |
Non-Patent Citations (1)
Title |
---|
孙光辉: "风场环境下植保无人飞机丘陵地区路径规划技术研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117727197A (zh) * | 2024-02-07 | 2024-03-19 | 南京信息工程大学 | 基于混合型蚁群算法的车辆报警器控制方法、装置 |
CN117727197B (zh) * | 2024-02-07 | 2024-05-03 | 南京信息工程大学 | 基于混合型蚁群算法的车辆报警器控制方法、装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115903855B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7086203B2 (ja) | 植物体耕作データ測定方法、作業経路計画方法及び装置、システム | |
KR101801746B1 (ko) | 방제용 스마트 드론, 이를 이용한 스마트 방제 시스템 및 방법 | |
Emmi et al. | Fleets of robots for precision agriculture: a simulation environment | |
CN107807540A (zh) | 一种基于图像处理的农业智能平台 | |
CN110297483A (zh) | 待作业区域边界获取方法、装置,作业航线规划方法 | |
CN109886155B (zh) | 基于深度学习的单株水稻检测定位方法、***、设备及介质 | |
Estornell et al. | Tree extraction and estimation of walnut structure parameters using airborne LiDAR data | |
De Castro et al. | High-throughput system for the early quantification of major architectural traits in olive breeding trials using UAV images and OBIA techniques | |
CN109032174B (zh) | 一种无人机作业航线规划方法以及作业执行方法 | |
CN115903855A (zh) | 一种基于卫星遥感的林场喷药路径规划方法、装置及设备 | |
CN113920474A (zh) | 一种智能监管柑橘种植态势的物联网***及方法 | |
CN103824324B (zh) | 一种果树冠层叶子和果实三维重建方法及*** | |
Rinaldi et al. | Electronic characterization of the phenological stages of grapevine using a LIDAR sensor | |
Wilson et al. | The virtual plant: a new tool for the study and management of plant diseases | |
CN112204569A (zh) | 结合多光谱和地表语义的作业规划方法、装置及设备 | |
Moreno et al. | Proximal sensing for geometric characterization of vines: A review of the latest advances | |
Sangjan et al. | Phenotyping architecture traits of tree species using remote sensing techniques | |
Liu et al. | Estimation model of canopy stratification porosity based on morphological characteristics: A case study of cotton | |
Escolà et al. | Mapping Vineyard Leaf Area Using Mobile Terrestrial Laser Scanners: Should Rows be Scanned On-the-Go or Discontinuously Sampled? | |
Miao et al. | Crop weed identification system based on convolutional neural network | |
BK et al. | An approach for digital farming using mobile robot | |
Guo et al. | Apple tree canopy leaf spatial location automated extraction based on point cloud data | |
Emmi | Contributions to the configuration of fleets of robots for precision agriculture | |
CN118202987A (zh) | 基于增强现实远程控制的视觉喷洒机器人的施药方法 | |
CN108803657A (zh) | 一种用于自动操控的无人机植保监控***及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |