CN117115687A - 一种基于人工智能技术的无人机精准施肥方法及*** - Google Patents
一种基于人工智能技术的无人机精准施肥方法及*** Download PDFInfo
- Publication number
- CN117115687A CN117115687A CN202310970523.8A CN202310970523A CN117115687A CN 117115687 A CN117115687 A CN 117115687A CN 202310970523 A CN202310970523 A CN 202310970523A CN 117115687 A CN117115687 A CN 117115687A
- Authority
- CN
- China
- Prior art keywords
- crop
- maturity
- fertilizer
- spraying
- information
- 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
- 230000004720 fertilization Effects 0.000 title claims abstract description 46
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 30
- 238000005516 engineering process Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 24
- 239000003337 fertilizer Substances 0.000 claims abstract description 109
- 238000005507 spraying Methods 0.000 claims abstract description 90
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 239000007921 spray Substances 0.000 claims description 19
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 238000005520 cutting process Methods 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Fertilizing (AREA)
Abstract
本发明适用于无人机施肥技术领域,提供了一种基于人工智能技术的无人机精准施肥方法及***,所述方法包括以下步骤:接收用户上传的喷洒延时和无人机飞行高度,确定拍摄角度,根据拍摄角度对摄像头进行角度调整,使得肥料喷洒在正确的区域;通过摄像头采集得到作物俯拍图像,对作物俯拍图像进行形状分析确定农作物种类;对作物俯拍图像进行颜色分析确定农作物成熟度;根据农作物种类和农作物成熟度确定喷洒肥料信息和喷洒量信息;如此,根据喷洒肥料信息就可以确定各类肥料阀门的开闭情况,然后结合喷洒量信息对开启的肥料阀门的流量进行控制,这样能够使得无人机进行精准施肥,施肥效果更好。
Description
技术领域
本发明涉及无人机施肥技术领域,具体是涉及一种基于人工智能技术的无人机精准施肥方法及***。
背景技术
与地面施肥机械相比,无人机施肥的优势在于通过性好,且现有无人机的稳定性、易用性、续航能力和有效载荷正不断提升,在农业生产中的应用越来越广。由于作物的种类或者长势不同,每个区域所需要的肥料种类和施肥量并不同,目前的无人机施肥不能够对肥料种类和施肥量进行很好的控制。因此,需要提供一种基于人工智能技术的无人机精准施肥方法及***,旨在解决上述问题。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种基于人工智能技术的无人机精准施肥方法及***,以解决上述背景技术中存在的问题。
本发明是这样实现的,一种基于人工智能技术的无人机精准施肥方法,所述方法包括以下步骤:
接收用户上传的喷洒延时和无人机飞行高度,确定拍摄角度,根据拍摄角度对摄像头进行角度调整;
通过摄像头采集得到作物俯拍图像,对作物俯拍图像进行形状分析确定农作物种类;
对作物俯拍图像进行颜色分析确定农作物成熟度;
根据农作物种类和农作物成熟度确定喷洒肥料信息和喷洒量信息;
根据喷洒肥料信息和喷洒量信息对各类肥料阀门的开闭以及流量进行控制,使得无人机喷洒出对应的肥料进行施肥。
作为本发明进一步的方案:所述确定拍摄角度,根据拍摄角度对摄像头进行角度调整的步骤,具体包括:
调取无人机的飞行速度;
计算得到拍摄角度,tan拍摄角度=无人机飞行高度÷(喷洒延时×飞行速度);
将所述拍摄角度发送给摄像头角度控制器,使得摄像头进行角度调整。
作为本发明进一步的方案:所述对作物俯拍图像进行形状分析确定农作物种类的步骤,具体包括:
对作物俯拍图像进行放大裁剪得到局部作物图像;
对局部作物图像进行边缘锐化处理,增强形状特征;
基于卷积神经网络对处理后的局部作物图像进行识别,得到农作物种类。
作为本发明进一步的方案:所述对作物俯拍图像进行颜色分析确定农作物成熟度的步骤,具体包括:
根据确定的农作物种类调取各成熟度颜色信息,所述各成熟度颜色信息包括若干个成熟度,每个成熟度对应有颜色特征;
确定每个颜色特征在所述作物俯拍图像中的像素点数;
确定像素点数最多的颜色特征所对应的成熟度为农作物成熟度。
作为本发明进一步的方案:所述根据农作物种类和农作物成熟度确定喷洒肥料信息和喷洒量信息的步骤,具体包括:
将农作物种类和农作物成熟度输入至农作物肥料库中,所述农作物肥料库包括所有的农作物种类,每个农作物种类对应有喷洒肥料信息,且每个农作物种类对应有若干个成熟度,每个成熟度对应有喷洒量信息;
输出对应的喷洒肥料信息以及对应的喷洒量信息。
本发明的另一目的在于提供一种基于人工智能技术的无人机精准施肥***,所述***包括:
摄像头角度调整模块,用于接收用户上传的喷洒延时和无人机飞行高度,确定拍摄角度,根据拍摄角度对摄像头进行角度调整;
农作物种类确定模块,用于通过摄像头采集得到作物俯拍图像,对作物俯拍图像进行形状分析确定农作物种类;
作物成熟度确定模块,用于对作物俯拍图像进行颜色分析确定农作物成熟度;
喷洒肥料信息模块,用于根据农作物种类和农作物成熟度确定喷洒肥料信息和喷洒量信息;
肥料阀门控制模块,用于根据喷洒肥料信息和喷洒量信息对各类肥料阀门的开闭以及流量进行控制,使得无人机喷洒出对应的肥料进行施肥。
作为本发明进一步的方案:所述摄像头角度调整模块包括:
飞行速度调取单元,用于调取无人机的飞行速度;
拍摄角度计算单元,用于计算得到拍摄角度,tan拍摄角度=无人机飞行高度÷(喷洒延时×飞行速度);
角度调整控制单元,用于将所述拍摄角度发送给摄像头角度控制器,使得摄像头进行角度调整。
作为本发明进一步的方案:所述农作物种类确定模块包括:
图像放大裁剪单元,用于对作物俯拍图像进行放大裁剪得到局部作物图像;
边缘锐化处理单元,用于对局部作物图像进行边缘锐化处理,增强形状特征;
作物种类确定单元,用基于卷积神经网络对处理后的局部作物图像进行识别,得到农作物种类。
作为本发明进一步的方案:所述作物成熟度确定模块包括:
颜色信息调取单元,用于根据确定的农作物种类调取各成熟度颜色信息,所述各成熟度颜色信息包括若干个成熟度,每个成熟度对应有颜色特征;
像素点数识别单元,用于确定每个颜色特征在所述作物俯拍图像中的像素点数;
成熟度确定单元,用于确定像素点数最多的颜色特征所对应的成熟度为农作物成熟度。
作为本发明进一步的方案:所述喷洒肥料信息模块包括:
作物信息输入单元,用于将农作物种类和农作物成熟度输入至农作物肥料库中,所述农作物肥料库包括所有的农作物种类,每个农作物种类对应有喷洒肥料信息,且每个农作物种类对应有若干个成熟度,每个成熟度对应有喷洒量信息;
肥料信息确定单元,用于输出对应的喷洒肥料信息以及对应的喷洒量信息。
与现有技术相比,本发明的有益效果是:
本发明能够根据拍摄角度对摄像头进行角度调整,使得肥料喷洒在正确的区域,避免错位;然后通过摄像头采集得到作物俯拍图像,对作物俯拍图像进行形状分析确定农作物种类,对作物俯拍图像进行颜色分析确定农作物成熟度;根据农作物种类和农作物成熟度确定喷洒肥料信息和喷洒量信息;如此,根据喷洒肥料信息就可以确定各类肥料阀门的开闭情况,然后结合喷洒量信息对开启的肥料阀门的流量进行控制,这样能够使得无人机进行精准施肥,施肥效果更好。
附图说明
图1为一种基于人工智能技术的无人机精准施肥方法的流程图。
图2为一种基于人工智能技术的无人机精准施肥方法中确定拍摄角度的流程图。
图3为一种基于人工智能技术的无人机精准施肥方法中确定农作物种类的流程图。
图4为一种基于人工智能技术的无人机精准施肥方法中确定农作物成熟度的流程图。
图5为一种基于人工智能技术的无人机精准施肥方法中确定喷洒肥料信息和喷洒量信息的流程图。
图6为一种基于人工智能技术的无人机精准施肥***的结构示意图。
图7为一种基于人工智能技术的无人机精准施肥***中摄像头角度调整模块的结构示意图。
图8为一种基于人工智能技术的无人机精准施肥***中农作物种类确定模块的结构示意图。
图9为一种基于人工智能技术的无人机精准施肥***中作物成熟度确定模块的结构示意图。
图10为一种基于人工智能技术的无人机精准施肥***中喷洒肥料信息模块的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰,以下结合附图及具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1所示,本发明实施例提供了一种基于人工智能技术的无人机精准施肥方法,所述方法包括以下步骤:
S100,接收用户上传的喷洒延时和无人机飞行高度,确定拍摄角度,根据拍摄角度对摄像头进行角度调整;
S200,通过摄像头采集得到作物俯拍图像,对作物俯拍图像进行形状分析确定农作物种类;
S300,对作物俯拍图像进行颜色分析确定农作物成熟度;
S400,根据农作物种类和农作物成熟度确定喷洒肥料信息和喷洒量信息;
S500,根据喷洒肥料信息和喷洒量信息对各类肥料阀门的开闭以及流量进行控制,使得无人机喷洒出对应的肥料进行施肥。
需要说明的是,与地面施肥机械相比,无人机施肥的优势在于通过性好,且现有无人机的稳定性、易用性、续航能力和有效载荷正不断提升,在农业生产中的应用越来越广。由于作物的种类或者长势不同,每个区域所需要的肥料种类和施肥量并不同,目前的无人机施肥不能够对肥料种类和施肥量进行很好的控制,本发明实施例旨在解决上述问题。
本发明实施例中,用户需要事先输入喷洒延时和无人机飞行高度,喷洒延时是指肥料阀门开启到肥料喷洒出之间的时间差;容易理解,当无人机上的摄像头对准正下方A点进行拍摄,确定肥料种类和施肥量后打开肥料阀门,当肥料喷洒出时,肥料势必落在A点前方,因此,摄像头的角度应该是斜向下,本发明实施例会自行确定拍摄角度,根据拍摄角度对摄像头进行角度调整,使得肥料喷洒在正确的区域。摄像头角度调整后,通过摄像头采集得到作物俯拍图像,对作物俯拍图像进行形状分析确定农作物种类,并自行对作物俯拍图像进行颜色分析确定农作物成熟度;然后会根据农作物种类和农作物成熟度确定喷洒肥料信息和喷洒量信息,根据喷洒肥料信息就可以确定各类肥料阀门的开闭情况,然后结合喷洒量信息对开启的肥料阀门的流量进行控制,如此,能够使得无人机进行精准施肥,效果更好。
如图2所示,作为本发明一个优选的实施例,所述确定拍摄角度,根据拍摄角度对摄像头进行角度调整的步骤,具体包括:
S101,调取无人机的飞行速度;
S102,计算得到拍摄角度,tan拍摄角度=无人机飞行高度÷(喷洒延时×飞行速度);
S103,将所述拍摄角度发送给摄像头角度控制器,使得摄像头进行角度调整。
本发明实施例中,为了确定较为精准的拍摄角度,需要调取无人机此时的飞行速度,然后就可以计算拍摄角度了,tan拍摄角度=无人机飞行高度÷(喷洒延时×飞行速度),所述拍摄角度是指摄像头水平向下倾斜的角度,拍摄角度计算出来后,将所述拍摄角度发送给摄像头角度控制器,摄像头的角度就会自行调整了。
如图3所示,作为本发明一个优选的实施例,所述对作物俯拍图像进行形状分析确定农作物种类的步骤,具体包括:
S201,对作物俯拍图像进行放大裁剪得到局部作物图像;
S202,对局部作物图像进行边缘锐化处理,增强形状特征;
S203,基于卷积神经网络对处理后的局部作物图像进行识别,得到农作物种类。
本发明实施例中,事先需要对农场中的所有农作物进行图像特征学习来构建卷积神经网络,利用深度卷积神经网络对作物图像的分类识别已经得到了广泛的应用,这里不再赘述。为了使得卷积神经网络的识别更加准确快速,本发明实施例会对作物俯拍图像进行放大裁剪得到局部作物图像,优选的,局部作物图像为作物俯拍图像中间区域的部分图像,如此局部作物图像中内容较少,识别更加方便;接着对局部作物图像进行边缘锐化处理,增强形状特征,使得识别结果更加准确。
如图4所示,作为本发明一个优选的实施例,所述对作物俯拍图像进行颜色分析确定农作物成熟度的步骤,具体包括:
S301,根据确定的农作物种类调取各成熟度颜色信息,所述各成熟度颜色信息包括若干个成熟度,每个成熟度对应有颜色特征;
S302,确定每个颜色特征在所述作物俯拍图像中的像素点数;
S303,确定像素点数最多的颜色特征所对应的成熟度为农作物成熟度。
本发明实施例中,每个农作物种类都对应有自己的各成熟度颜色信息,农作物种类与各成熟度颜色信息之间的对应关系需要提前建立,所述各成熟度颜色信息包括若干个成熟度,每个成熟度对应有颜色特征,颜色特征可以是一个颜色范围,然后将颜色特征与所述作物俯拍图像中的颜色进行对比识别,确定每个颜色特征占据的像素点数,最后确定像素点数最多的颜色特征所对应的成熟度为农作物成熟度。
如图5所示,作为本发明一个优选的实施例,所述根据农作物种类和农作物成熟度确定喷洒肥料信息和喷洒量信息的步骤,具体包括:
S401,将农作物种类和农作物成熟度输入至农作物肥料库中,所述农作物肥料库包括所有的农作物种类,每个农作物种类对应有喷洒肥料信息,且每个农作物种类对应有若干个成熟度,每个成熟度对应有喷洒量信息;
S402,输出对应的喷洒肥料信息以及对应的喷洒量信息。
本发明实施例中,事先建立有农作物肥料库,所述农作物肥料库包括农场中所有的农作物种类,每个农作物种类对应有喷洒肥料信息,且每个农作物种类对应有若干个成熟度,每个成熟度对应有喷洒量信息,这样的话,将农作物种类和农作物成熟度输入至农作物肥料库中,就可以直接得到喷洒肥料信息和喷洒量信息了。
如图6所示,本发明实施例还提供了一种基于人工智能技术的无人机精准施肥***,所述***包括:
摄像头角度调整模块100,用于接收用户上传的喷洒延时和无人机飞行高度,确定拍摄角度,根据拍摄角度对摄像头进行角度调整;
农作物种类确定模块200,用于通过摄像头采集得到作物俯拍图像,对作物俯拍图像进行形状分析确定农作物种类;
作物成熟度确定模块300,用于对作物俯拍图像进行颜色分析确定农作物成熟度;
喷洒肥料信息模块400,用于根据农作物种类和农作物成熟度确定喷洒肥料信息和喷洒量信息;
肥料阀门控制模块500,用于根据喷洒肥料信息和喷洒量信息对各类肥料阀门的开闭以及流量进行控制,使得无人机喷洒出对应的肥料进行施肥。
本发明实施例中,用户需要事先输入喷洒延时和无人机飞行高度,喷洒延时是指肥料阀门开启到肥料喷洒出之间的时间差;容易理解,当无人机上的摄像头对准正下方A点进行拍摄,确定肥料种类和施肥量后打开肥料阀门,当肥料喷洒出时,肥料势必落在A点前方,因此,摄像头的角度应该是斜向下,本发明实施例会自行确定拍摄角度,根据拍摄角度对摄像头进行角度调整,使得肥料喷洒在正确的区域。摄像头角度调整后,通过摄像头采集得到作物俯拍图像,对作物俯拍图像进行形状分析确定农作物种类,并自行对作物俯拍图像进行颜色分析确定农作物成熟度;然后会根据农作物种类和农作物成熟度确定喷洒肥料信息和喷洒量信息,根据喷洒肥料信息就可以确定各类肥料阀门的开闭情况,然后结合喷洒量信息对开启的肥料阀门的流量进行控制,如此,能够使得无人机进行精准施肥,效果更好。
如图7所示,作为本发明一个优选的实施例,所述摄像头角度调整模块100包括:
飞行速度调取单元101,用于调取无人机的飞行速度;
拍摄角度计算单元102,用于计算得到拍摄角度,tan拍摄角度=无人机飞行高度÷(喷洒延时×飞行速度);
角度调整控制单元103,用于将所述拍摄角度发送给摄像头角度控制器,使得摄像头进行角度调整。
如图8所示,作为本发明一个优选的实施例,所述农作物种类确定模块200包括:
图像放大裁剪单元201,用于对作物俯拍图像进行放大裁剪得到局部作物图像;
边缘锐化处理单元202,用于对局部作物图像进行边缘锐化处理,增强形状特征;
作物种类确定单元203,用基于卷积神经网络对处理后的局部作物图像进行识别,得到农作物种类。
如图9所示,作为本发明一个优选的实施例,所述作物成熟度确定模块300包括:
颜色信息调取单元301,用于根据确定的农作物种类调取各成熟度颜色信息,所述各成熟度颜色信息包括若干个成熟度,每个成熟度对应有颜色特征;
像素点数识别单元302,用于确定每个颜色特征在所述作物俯拍图像中的像素点数;
成熟度确定单元303,用于确定像素点数最多的颜色特征所对应的成熟度为农作物成熟度。
如图10所示,作为本发明一个优选的实施例,所述喷洒肥料信息模块400包括:
作物信息输入单元401,用于将农作物种类和农作物成熟度输入至农作物肥料库中,所述农作物肥料库包括所有的农作物种类,每个农作物种类对应有喷洒肥料信息,且每个农作物种类对应有若干个成熟度,每个成熟度对应有喷洒量信息;
肥料信息确定单元402,用于输出对应的喷洒肥料信息以及对应的喷洒量信息。
以上仅对本发明的较佳实施例进行了详细叙述,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (10)
1.一种基于人工智能技术的无人机精准施肥方法,其特征在于,所述方法包括以下步骤:
接收用户上传的喷洒延时和无人机飞行高度,确定拍摄角度,根据拍摄角度对摄像头进行角度调整;
通过摄像头采集得到作物俯拍图像,对作物俯拍图像进行形状分析确定农作物种类;
对作物俯拍图像进行颜色分析确定农作物成熟度;
根据农作物种类和农作物成熟度确定喷洒肥料信息和喷洒量信息;
根据喷洒肥料信息和喷洒量信息对各类肥料阀门的开闭以及流量进行控制,使得无人机喷洒出对应的肥料进行施肥。
2.根据权利要求1所述的基于人工智能技术的无人机精准施肥方法,其特征在于,所述确定拍摄角度,根据拍摄角度对摄像头进行角度调整的步骤,具体包括:
调取无人机的飞行速度;
计算得到拍摄角度,tan拍摄角度=无人机飞行高度÷(喷洒延时×飞行速度);
将所述拍摄角度发送给摄像头角度控制器,使得摄像头进行角度调整。
3.根据权利要求1所述的基于人工智能技术的无人机精准施肥方法,其特征在于,所述对作物俯拍图像进行形状分析确定农作物种类的步骤,具体包括:
对作物俯拍图像进行放大裁剪得到局部作物图像;
对局部作物图像进行边缘锐化处理,增强形状特征;
基于卷积神经网络对处理后的局部作物图像进行识别,得到农作物种类。
4.根据权利要求1所述的基于人工智能技术的无人机精准施肥方法,其特征在于,所述对作物俯拍图像进行颜色分析确定农作物成熟度的步骤,具体包括:
根据确定的农作物种类调取各成熟度颜色信息,所述各成熟度颜色信息包括若干个成熟度,每个成熟度对应有颜色特征;
确定每个颜色特征在所述作物俯拍图像中的像素点数;
确定像素点数最多的颜色特征所对应的成熟度为农作物成熟度。
5.根据权利要求1所述的基于人工智能技术的无人机精准施肥方法,其特征在于,所述根据农作物种类和农作物成熟度确定喷洒肥料信息和喷洒量信息的步骤,具体包括:
将农作物种类和农作物成熟度输入至农作物肥料库中,所述农作物肥料库包括所有的农作物种类,每个农作物种类对应有喷洒肥料信息,且每个农作物种类对应有若干个成熟度,每个成熟度对应有喷洒量信息;
输出对应的喷洒肥料信息以及对应的喷洒量信息。
6.一种基于人工智能技术的无人机精准施肥***,其特征在于,所述***包括:
摄像头角度调整模块,用于接收用户上传的喷洒延时和无人机飞行高度,确定拍摄角度,根据拍摄角度对摄像头进行角度调整;
农作物种类确定模块,用于通过摄像头采集得到作物俯拍图像,对作物俯拍图像进行形状分析确定农作物种类;
作物成熟度确定模块,用于对作物俯拍图像进行颜色分析确定农作物成熟度;
喷洒肥料信息模块,用于根据农作物种类和农作物成熟度确定喷洒肥料信息和喷洒量信息;
肥料阀门控制模块,用于根据喷洒肥料信息和喷洒量信息对各类肥料阀门的开闭以及流量进行控制,使得无人机喷洒出对应的肥料进行施肥。
7.根据权利要求6所述的基于人工智能技术的无人机精准施肥***,其特征在于,所述摄像头角度调整模块包括:
飞行速度调取单元,用于调取无人机的飞行速度;
拍摄角度计算单元,用于计算得到拍摄角度,tan拍摄角度=无人机飞行高度÷(喷洒延时×飞行速度);
角度调整控制单元,用于将所述拍摄角度发送给摄像头角度控制器,使得摄像头进行角度调整。
8.根据权利要求6所述的基于人工智能技术的无人机精准施肥***,其特征在于,所述农作物种类确定模块包括:
图像放大裁剪单元,用于对作物俯拍图像进行放大裁剪得到局部作物图像;
边缘锐化处理单元,用于对局部作物图像进行边缘锐化处理,增强形状特征;
作物种类确定单元,用基于卷积神经网络对处理后的局部作物图像进行识别,得到农作物种类。
9.根据权利要求6所述的基于人工智能技术的无人机精准施肥***,其特征在于,所述作物成熟度确定模块包括:
颜色信息调取单元,用于根据确定的农作物种类调取各成熟度颜色信息,所述各成熟度颜色信息包括若干个成熟度,每个成熟度对应有颜色特征;
像素点数识别单元,用于确定每个颜色特征在所述作物俯拍图像中的像素点数;
成熟度确定单元,用于确定像素点数最多的颜色特征所对应的成熟度为农作物成熟度。
10.根据权利要求6所述的基于人工智能技术的无人机精准施肥***,其特征在于,所述喷洒肥料信息模块包括:
作物信息输入单元,用于将农作物种类和农作物成熟度输入至农作物肥料库中,所述农作物肥料库包括所有的农作物种类,每个农作物种类对应有喷洒肥料信息,且每个农作物种类对应有若干个成熟度,每个成熟度对应有喷洒量信息;
肥料信息确定单元,用于输出对应的喷洒肥料信息以及对应的喷洒量信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310970523.8A CN117115687B (zh) | 2023-08-02 | 2023-08-02 | 一种基于人工智能技术的无人机精准施肥方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310970523.8A CN117115687B (zh) | 2023-08-02 | 2023-08-02 | 一种基于人工智能技术的无人机精准施肥方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117115687A true CN117115687A (zh) | 2023-11-24 |
CN117115687B CN117115687B (zh) | 2024-04-09 |
Family
ID=88801208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310970523.8A Active CN117115687B (zh) | 2023-08-02 | 2023-08-02 | 一种基于人工智能技术的无人机精准施肥方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115687B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117837366A (zh) * | 2024-03-04 | 2024-04-09 | 湖南惠农科技有限公司 | 一种基于农业物联网的农业监管平台 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN208095182U (zh) * | 2018-04-11 | 2018-11-16 | 北京麦飞科技有限公司 | 一种农业察打一体机*** |
CN110567891A (zh) * | 2019-09-16 | 2019-12-13 | 中国水利水电科学研究院 | 一种冬小麦冠层叶绿素估测***及方法 |
CN111259898A (zh) * | 2020-01-08 | 2020-06-09 | 西安电子科技大学 | 基于无人机航拍图像的农作物分割方法 |
CN111273693A (zh) * | 2020-02-27 | 2020-06-12 | 辽宁壮龙无人机科技有限公司 | 一种植保无人机作业的控制方法及*** |
CN111460998A (zh) * | 2020-03-31 | 2020-07-28 | 北京伟杰东博信息科技有限公司 | 一种动态喷洒方法及其*** |
CN112572802A (zh) * | 2020-12-02 | 2021-03-30 | 贺润生 | 一种基于大数据的农用植保无人机智能管控平台 |
CN112887596A (zh) * | 2021-01-21 | 2021-06-01 | 中国农业大学 | 一种无人机摄像头拍摄角度调整装置及方法 |
CN113850132A (zh) * | 2021-08-23 | 2021-12-28 | 湖北工程学院 | 农作物识别方法、装置、设备及存储介质 |
CN114630575A (zh) * | 2020-11-09 | 2022-06-14 | 深圳市大疆创新科技有限公司 | 固体物料的播撒控制方法和装置、播撒机、可移动平台 |
CN114758132A (zh) * | 2022-04-29 | 2022-07-15 | 重庆邮电大学 | 一种基于卷积神经网络的果树病虫害识别方法及*** |
-
2023
- 2023-08-02 CN CN202310970523.8A patent/CN117115687B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN208095182U (zh) * | 2018-04-11 | 2018-11-16 | 北京麦飞科技有限公司 | 一种农业察打一体机*** |
CN110567891A (zh) * | 2019-09-16 | 2019-12-13 | 中国水利水电科学研究院 | 一种冬小麦冠层叶绿素估测***及方法 |
CN111259898A (zh) * | 2020-01-08 | 2020-06-09 | 西安电子科技大学 | 基于无人机航拍图像的农作物分割方法 |
CN111273693A (zh) * | 2020-02-27 | 2020-06-12 | 辽宁壮龙无人机科技有限公司 | 一种植保无人机作业的控制方法及*** |
CN111460998A (zh) * | 2020-03-31 | 2020-07-28 | 北京伟杰东博信息科技有限公司 | 一种动态喷洒方法及其*** |
CN114630575A (zh) * | 2020-11-09 | 2022-06-14 | 深圳市大疆创新科技有限公司 | 固体物料的播撒控制方法和装置、播撒机、可移动平台 |
CN112572802A (zh) * | 2020-12-02 | 2021-03-30 | 贺润生 | 一种基于大数据的农用植保无人机智能管控平台 |
CN112887596A (zh) * | 2021-01-21 | 2021-06-01 | 中国农业大学 | 一种无人机摄像头拍摄角度调整装置及方法 |
CN113850132A (zh) * | 2021-08-23 | 2021-12-28 | 湖北工程学院 | 农作物识别方法、装置、设备及存储介质 |
CN114758132A (zh) * | 2022-04-29 | 2022-07-15 | 重庆邮电大学 | 一种基于卷积神经网络的果树病虫害识别方法及*** |
Non-Patent Citations (2)
Title |
---|
FENGHUA YU: "Research on Precise Fertilization Method of Rice Tillering Stage Based on UAV Hyperspectral Remote Sensing Prescription Map", 《AGRONOMY》, 18 November 2022 (2022-11-18), pages 1 - 11 * |
岑振钊: "植保无人机自适应变量对靶喷雾***的设计与试验", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, no. 02, 15 February 2023 (2023-02-15), pages 031 - 3 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117837366A (zh) * | 2024-03-04 | 2024-04-09 | 湖南惠农科技有限公司 | 一种基于农业物联网的农业监管平台 |
CN117837366B (zh) * | 2024-03-04 | 2024-06-07 | 湖南惠农科技有限公司 | 一种基于农业物联网的农业监管平台 |
Also Published As
Publication number | Publication date |
---|---|
CN117115687B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117115687B (zh) | 一种基于人工智能技术的无人机精准施肥方法及*** | |
US11170547B2 (en) | Combine, method of generating field farming map, program for generating the field farming map and storage medium recording the field farming map generating program | |
US20210360850A1 (en) | Automatic driving system for grain processing, automatic driving method, and path planning method | |
CN110148120B (zh) | 一种基于cnn与迁移学习的病害智能识别方法及*** | |
US10314224B2 (en) | Multiple harvester planner | |
US20210357643A1 (en) | Method for determining distribution information, and control method and device for unmanned aerial vehicle | |
CN114167922B (zh) | 一种基于多传感器数据采集的农牧智能分析的方法及*** | |
CN111985724B (zh) | 一种农作物产量预估的方法、装置、设备及存储介质 | |
US20210365037A1 (en) | Automatic driving system for grain processing, automatic driving method, and automatic identification method | |
Román et al. | Spatially variable pesticide application in vineyards: Part II, field comparison of uniform and map-based variable dose treatments | |
CN113469248A (zh) | 基于神经网络的农业培育控制方法、装置、***及介质 | |
Shvorov et al. | Using UAV during planned harvesting by unmanned combines | |
CN112020982A (zh) | 一种倒伏作物自动收割方法及收割机 | |
CN111813155A (zh) | 基于模糊pid的靶喷***控制方法、装置和存储介质 | |
Fuentes-Peñailillo et al. | Digital count of sunflower plants at emergence from very low altitude using UAV images | |
CN116228454A (zh) | 一种基于大数据的种植管理控制方法、***和可读存储介质 | |
US20230028506A1 (en) | Method for Processing Plants in a Field | |
CN114119736A (zh) | 用于农业机械的控制方法、控制装置、农业机械及处理器 | |
CN114078228A (zh) | 基于轻量型网络的目标识别方法、识别***及农业机械 | |
CN114267005A (zh) | 用于农作物的收割方法、装置、处理器及农业机械 | |
CN115316237B (zh) | 一种自动驾驶环卫车浇灌控制方法及装置 | |
CN111797781A (zh) | 一种基于图像识别与bp神经网络的病虫害识别*** | |
Clay et al. | Will artificial intelligence and machine learning change agriculture: A special issue | |
CN115454181B (zh) | 一种基于物联网的农业大棚智能监控方法及*** | |
EP4016416A1 (en) | Method for operating on an environment |
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 |