用P20型植保无人机减量施药防治稻纵卷叶螟

为探讨植保无人机（UAV）减量施药对水稻病虫害的防治效果,该研究采用P20型植保无人机进行水稻田间施药作业。分别在水稻分蘖末期、孕穗期开展了两种施药液量（15、22.5 L/hm2）的水稻冠层雾滴沉积试验,以及两种施药液量下480、540、600 mL/hm2 3种农药剂量（阿维·氯苯酰推荐剂量的80%、90%、100%）的防治稻纵卷叶螟减量施药田间药效试验,并与背负式电动喷雾器（Knapsack Electric Sprayer,KES）人工施药的常规防治方法进行施药效果对比。雾滴沉积试验结果表明,水稻冠层上部的雾滴分布均匀性优于水稻冠层下部;施药液量15、22.5 L/hm2的冠层上部雾滴沉积有显著差异,且施药液量22.5 L/hm2的冠层上部雾滴沉积显著优于施药液量15 L/hm2。药效试验结果表明,农药剂量越大稻纵卷叶螟防治效果越好,采用农药剂量100%的植保无人机施药防治效果最好,并优于KES人工施药;施药液量15、22.5 L/hm2的稻纵卷叶螟防治效果有显著差异,且施药液量22.5 L/hm2较15 L/hm2的防治效果更好;处理T2（施药液量15 L/hm2、农药剂量90%）、处理T4（施药液量22.5 L/hm2、农药剂量80%）与KES人工施药的防治效果没有显著差异。采用植保无人机施药防治稻纵卷叶螟,施药液量22.5 L/hm2可以获得更好的雾滴沉积和稻纵卷叶螟防治效果;施药液量22.5 L/hm2时,减少20%的农药剂量也能保证稻纵卷叶螟防治效果。该结果对水稻田间植保无人机减量施药具有实践指导意义。     

基于无人机平台的柑橘树冠信息提取

为了快速获取柑橘树冠信息,提升柑橘园精准管理,该研究基于无人机平台获取了柑橘数码和多光谱影像,分析了无人机影像反演柑橘树冠信息的效果。首先利用无人机数码影像及分水岭算法进行柑橘单木分割,然后构建柑橘树冠层高度模型,提取柑橘株数、株高、冠幅投影面积等结构参数信息,进而利用无人机多光谱影像获取柑橘的8种常用植被指数,采用全子集分析法筛选柑橘冠层氮素含量的敏感植被指数,构建基于多元线性回归的冠层氮素遥感反演模型,进行以冠幅为基本单元的柑橘树冠层氮素含量遥感制图。研究结果表明:柑橘的单木识别准确率在93%以上,召回率在95%以上,平均F值为96.52%;柑橘树的反演株高与实测株高具有较强的相关性,决定系数R2为0.87,均方根误差为31.9cm;单株冠幅投影面积与人工绘制的冠幅面积的决定系数,除果园A在12月的结果较低(R2为0.78)外,其余均在0.94及以上;采用全子集分析法筛选的柑橘冠层氮素敏感植被指数为归一化植被指数(NDVI)、绿色归一化植被指数和冠层结构不敏感指数,所建立的多元回归模型的决定系数R2达0.82,均方根误差为0.22%,相对误差为6.59%。综上,无人机影像在柑橘树冠参数信息提取方面具有较好的应用效果,能够快速有效地提取柑橘树冠参数信息。该研究可为使用无人机平台进行果园精准管理提供技术支撑。     

基于无人机热红外与数码影像的玉米冠层温度监测

快速、准确、无损地获取田间玉米冠层温度,对实现无人机辅助玉米抗旱性状的监测具有重要的意义。该文以无人机搭载热红外成像仪和RGB高清数码相机构成低空遥感数据获取系统,以不同性状的拔节期玉米为研究对象,采集试验区的无人机影像。利用含有已知三维坐标的几何控制板,进行数码影像几何校正,并利用校正后的数码影像对热红外影像进行几何配准。利用便携式手持测温仪测量辐射定标板黑白面的温度,对热红外影像进行辐射定标。利用高空间分辨率的数码影像对玉米进行分类并二值化处理,基于二值化结果提取热红外影像的玉米冠层像元,并提取试验区不同性状玉米的冠层温度。同时,利用便携式手持测温仪在地面同步测量玉米冠层温度,并与提取的冠层温度经行一致性分析,以验证评估基于热红外影像提取玉米冠层温度的效果。结果表明:提取的冠层温度值与地面实测值具有高度一致性(R2=0.723 6,RMSE=0.60℃),提取精度较高,表明基于无人机热红外影像获取玉米冠层温度的方法具有高通量的优势且精度较高。最后将试验区的植被覆盖度与提取的冠层温度进行对比分析,结果表明:玉米冠层温度与其覆盖度有显著的相关性(R2=0.534 5,P0.000 1),覆盖度越高冠层温度越低,反之则越高,说明玉米冠层覆盖度的大小影响玉米冠层温度的高低。该研究可为玉米育种材料的田间冠层温度监测提供参考。     

基于无人机遥感影像的玉米冠层温度提取及作物水分胁迫监测

针对当前无人机热红外遥感提取冠层温度不准确、监测作物水分胁迫状况精度不高的问题,该研究以不同水分处理的拔节期夏玉米为研究对象,利用无人机获取试验区域热红外和可见光图像资料,分别采用Otsu算法、EXG-Kmeans算法和Otsu-EXG-Kmeans算法获取冠层区域图像,并对提取结果进行精度评价,而后采用最优算法求得对应作物水分胁迫指数（Crop Water Stress Index,CWSI）,通过分析CWSI同土壤含水率相关关系以及CWSI日平均变化趋势来监测玉米水分亏缺状况。结果表明：1）相比于其他方法,Otsu-EXG-Kmeans算法对冠层温度提取精度更高（用户精度为95.9%）,提取的冠层温度更接近实测温度（r=0.788）,可以准确获取图像冠层温度。2）相比于冠层温度,CWSI与土壤含水率的相关性更高（r= -0.738）,CWSI日平均变化趋势更符合实际情况,可更加精确地监测玉米缺水状况。该研究为无人机遥感精准监测作物水分胁迫状况提供参考。     

变量灌溉处方图设计中无人机飞行高度和起飞时间确定

无人机热成像系统快速获取农田水分亏缺信息空间分布的特点为变量灌溉动态分区管理提供了监测平台。为了提高利用无人机热成像系统生成变量灌溉处方图的精度，该研究提出热成像系统获取的红绿蓝3色值与温度间的转化方法，分析了无人机热成像系统飞行时刻和飞行高度对冠层温度空间分布和变量灌溉处方图生成的影响。试验在河北邢台大曹庄管理区水肥一体化试验基地开展，无人机热成像系统飞行高度设置为70、90和110 m，起飞时间选择在08:00、11:00、14:00和17:00，飞行区域为三跨加悬臂圆形喷灌机控制灌溉面积的1/4。结果表明，RGB颜色值与温度间存在极显著的线性关系（P<0.01）。无人机热成像系统的起飞时间对冠层温度空间分布有较大影响，在11:00和14:00飞行时冠层温度空间分布差异最大，变量灌溉处方图内总灌水量相对较小。随着无人机热成像系统飞行高度的增加，图像分辨率降低，变量灌溉处方图内总灌水量呈增大趋势，90和110m飞行高度时的总灌水量平均比70m时分别高6.1%和12.1%。在利用无人机热成像系统获取变量灌溉处方图时，推荐冬小麦生育期内飞行时间为11:00—15:00，夏玉米为11...     

无人机热红外图像计算冠层温度特征数诊断棉花水分胁迫

针对当前无人机热红外遥感诊断作物水分胁迫状况精度不高的问题,该文以4种水分处理的花铃期棉花为试验对象,利用六旋翼无人机搭载热红外传感器,连续5 d采集中午13点的棉花冠层高分辨率热红外影像,通过Canny边缘检测算法将热红外图像中的土壤背景有效剔除,应用温度直方图验证剔除效果,然后计算棉花冠层温度特征数,包括冠层温度标准差(standard deviation of canopy temperature,CTSD)和冠层温度变异系数(canopy temperature coefficient of variation,CTCV);分别研究棉花冠层温度特征数与棉花叶片气孔导度Gs、蒸腾速率Tr、水分胁迫指数(crop water stress index,CWSI)和土壤体积含水率(soil volumetric water content,SWC)的相关关系,并分析冠层温度特征数对诊断棉花水分胁迫的适用性。研究结果表明:棉花冠层温度特征数与表征棉花水分胁迫的生理指标和物理指标都具有较高的相关性,最大的决定系数R2为0.884;棉花冠层温度标准差CTSD和变异系数CTCV与Gs、Tr、CWSI、SWC的决定系数R2分别为0.884、0.625、0.673、0.550和0.853、0.583、0.620、0.520,冠层温度标准差CTSD对作物水分胁迫的敏感程度更高,可以作为诊断作物水分胁迫的新指标。该研究提出冠层温度特征数的计算方法仅需要无人机热红外影像数据,相比其他诊断作物水分胁迫状况的温度指标具有较大的应用潜力。     

基于无人机遥感的夏玉米水分胁迫指数改进方法

冠层温度(canopy temperature,T_c)是作物水分胁迫计算的基础。准确地剔除热红外图像中的土壤背景,可以提高作物水分的监测精度。该研究以4种水分处理的拔节期夏玉米为研究对象,借助无人机可见光和热红外图像,采用红绿比值指数(red-green ratio index,RGRI)法提取研究区域的面状玉米冠层温度的空间分布信息,并分析每幅热红外图像上冠层温度的累积频率。该并提出了两种改进作物水分胁迫指数(crop water stress index,CWSI)性能的方法,一是使用基于正态分布的不同统计分位数分割冠层温度,并基于不同统计分位数上的平均冠层温度计算CWSI (记为CWSI_Tcf%)。二是基于冠层温度方差(canopy temperature variance,V_ar),将玉米冠层数据分为4个区间:区间Ⅰ,T_c≤40,V_ar≤10;区间Ⅱ,T_c≤40,10ar≤20;区间Ⅲ,35c     

基于语义分割的非结构化田间道路场景识别

环境信息感知是智能农业装备系统自主导航作业的关键技术之一。农业田间道路复杂多变，快速准确地识别可通行区域，辨析障碍物类别，可为农业装备系统高效安全地进行路径规划和决策控制提供依据。该研究以非结构化农业田间道路场景为研究对象，根据环境对象动、静态属性进行类别划分，提出一种基于通道注意力结合多尺度特征融合的轻量化语义分割模型。首先采用Mobilenet V2轻量卷积神经网络提取图像特征，将混合扩张卷积融入特征提取网络最后2个阶段，在保证特征图分辨率的基础上增加感受野并保持信息的连续性与完整性；然后引入通道注意力模块对特征提取网络各阶段特征通道依据重要程度重新标定；最后通过空间金字塔池化模块将多尺度池化特征进行融合，获取更加有效的全局场景上下文信息，增强对复杂道路场景识别的准确性。语义分割试验表明，不同道路环境下本文模型可以对场景对象进行有效识别解析，像素准确率和平均像素准确率分别为94.85%、90.38%，具有准确率高、鲁棒性强的特点。基于相同测试集将本文模型与FCN-8S、SegNet、DeeplabV3+、BiseNet模型进行对比试验，本文模型的平均区域重合度为85.51%，检测速度达到8.19帧/s，参数数量为，相比于其他模型具有准确性高、推理速度快、参数量小等优点，能够较好地实现精度与速度的均衡。研究成果可为智能农业装备在非结构化道路环境下安全可靠运行提供技术参考。     

无人机可见光遥感和特征融合的小麦倒伏面积提取

倒伏是造成小麦减产和品质下降的主要原因之一。为快速准确地提取小麦倒伏面积,给农业保险理赔及灾后应急处置提供数据支持,该研究采用无人机遥感平台获取小麦倒伏后的冠层红绿蓝(Red-Green-Blue, RGB)可见光图像,并进行数字表面模型(Digital Surface Model,DSM)图像提取,计算了过绿植被(Excess Green, EXG)指数,利用Arc GIS中的镶嵌工具将不同图像特征进行融合,得到DSM+RGB融合图像和DSM+EXG融合图像,利用最大似然法和随机森林法对2种特征融合图像进行监督分类提取小麦倒伏面积,并与仅基于RGB可见光图像和DSM图像提取倒伏面积结果对比。结果表明,2种方法对4种图像进行小麦倒伏面积提取的整体趋势一致,且最大似然法提取效果整体优于随机森林法,基于最大似然法对RGB图像、DSM图像、DSM+RGB特征融合图像、DSM+EXG特征融合图像提取倒伏小麦面积的整体精度分别为77.21%、93.37%、93.75%和81.78%,Kappa系数分别为0.54、0.86、0.87和0.64,对比分析发现DSM+RGB特征融合图像提取小麦倒伏面积精度最高。该研究表明通过图像特征融合的方法能够有效提取倒伏小麦信息,为快速提取小麦倒伏面积提供参考。     

基于RF-DS图谱信息融合的孵化早期鸡胚蛋性别无损检测

针对图像或光谱单一信息检测孵化早期胚蛋性别识别率不高的问题，该研究提出一种随机森林（Random Forest，RF）和证据理论（Dempster-Shafer，D-S）的图谱信息融合的无损检测方法。利用机器视觉和光谱仪分别采集孵化期第4天水平横放的胚蛋信息，在对胚蛋图像和光谱预处理的基础上，提取图像纹理特征和光谱特征，再分别以2类单特征的RF分类结果作为独立证据构造基本概率分配函数，运用D-S证据理论进行决策级融合，根据分类判决门限得出最终的识别结果。试验结果表明，图像和光谱单特征RF模型识别准确率最高分别达78.00%和82.67%，多特征决策融合识别法准确率达到88.00%，其中雌雄识别率分别达到90.00%和86.25%，单个鸡蛋的平均判别用时为2.843 s。结果表明，该光谱-图像信息融合方法可以提高孵化早期胚蛋雌雄识别准确率。     

图像拼接重建苹果树冠层器官三维形态

为重建苹果树年生长期冠层器官三维形态,以休眠期、疏花期、成熟期苹果树冠层为研究对象,分别针对基于光合混合探测技术(photonic mixer detector,PMD)的摄像机与彩色摄像机获取的强度图像与彩色图像开展冠层图像拼接技术研究。利用Scale invariant feature transform算法的尺度不变特征,并结合Random sample consensus算法精确确定图像映射模型,避免了果园非结构光及图像尺度变换的影响。以此为基础,应用拉普拉斯金字塔分解与重构算法、分层确定融合规则,实现了不同生长期的冠层图像拼接,有效克服了传统融合算法反映细节信息能力差、拼接痕迹明显等缺点。果园不同环境下(晴天顺光、晴天逆光、阴天)的试验表明:提出的拼接方法适合于苹果树年生长期的冠层器官图像拼接,且算法的鲁棒性、速度及拼接精度均能满足冠层三维重建工作的要求,研究成果对提升剪枝、疏花、测产、采摘等果园管理的信息化水平具有重要意义。     

改进RetinaNet的水稻冠层害虫为害状自动检测模型

中国现行的水稻冠层害虫为害状田间调查方法需要测报人员下田目测为害状发生情况,此种人工调查方法存在客观性差、效率低与劳动强度大等问题。近几年,诸多学者开始利用深度学习方法来识别植物病虫为害状,但大多针对单株或单个叶片上病虫害种类进行识别研究。该研究采集了水稻冠层多丛植株上稻纵卷叶螟和二化螟为害状图像,提出一种改进RetinaNet的水稻冠层害虫为害状自动检测模型。模型中采用ResNeXt101作为特征提取网络,组归一化(Group Normalization,GN)作为归一化方法,改进了特征金字塔网络(Feature Pyramid Network,FPN)结构。改进后的RetinaNet模型对2种害虫为害状区域检测的平均精度均值达到93.76%,为实现水稻害虫为害状智能监测提供了理论依据和技术支持。     

植保无人机旋翼风场模型与雾滴运动机理研究进展

近几年，植保无人机施药技术在中国获得广泛应用，并逐渐发展为国内主要植保技术之一。但由于对植保无人机施药技术基础理论研究不够深入，相关机理尚不明晰，且植保无人机作业平台的稳定性依然有待提高，导致国内植保无人机施药效果不够理想。深入研究植保无人机施药技术的基础理论，理论结合试验结果共同指导植保无人机田间施药是提高其施药效果的经典方法。该研究综述了植保无人机旋翼风场分布特性、雾滴与无人机旋翼风场交互机理、雾滴沉降与飘移机理、雾滴与叶片表面的交互机理及雾滴分散和蒸发特性等植保无人机施药技术基础理论及其模型构建情况的国内外研究现状，并结合其基础理论与模型构建的国内外研究现状，给出植保无人机施药技术的未来发展建议，以期为植保无人机施药技术的发展提供参考。     

基于嵌入式互联网的远程智能喷雾控制系统设计

为提高设施农业植保作业智能管控能力,该文提出一种基于STM32F101和STM32F103嵌入式技术,结合4G互联网、局域WIFI通信技术及超声波靶标检测算法,能够便捷地对设施作业装备远程视频与控制的方案,达到人机分离与精准施药的目的。该系统在Eclipse和Keil-uvision4开发环境下采用Socket和多线程技术实现双向通信,以TCP通讯协议为媒介,Android端和客户端通过互联网或无线网卡转接移动路由实现远程智能喷雾控制。试验结果表明：1）Android端能够在LAN或Internet中实现智能喷雾装备的近远程控制,软件界面回传状态无卡顿、延时发生,能够准确发射控制指令,实现了对靶标间歇性施药管控;2）系统建立的双向心跳包能够在通信故障情况下迫使喷雾装备处于休眠状态,经测试,心跳包设定时间与喷雾装备休眠响应时间平均相对误差不超过5.50%;3）采用视频帧对冠层中线定位,借助超声检测算法确定风送距离参数且建立冠层体积模型。试验发现,冠层密度对体积测量结果有显著影响,但总体测量准确度可达94.67%。该研究对其他农机装备的智能化管控研究有参考意义。     

果园变量喷雾技术研究现状与前景分析

果园变量喷雾是提高农药有效利用率、提升果品品质的重要手段之一,已经成为国内外学者研究的热点课题。为明确果园变量喷雾技术与装备已处的研究阶段、所面临的挑战和未来发展的方向,该文从果园变量喷雾技术中冠层结构探测与重构、施药智能决策和变量喷雾执行系统3个主要环节,重点概述了冠层结构探测的主要技术手段及其优缺点,认为机器视觉技术、超声波传感技术、LIDAR(light detection and ranging)探测技术及其相互之间的组合传感技术是未来最主要发展的冠层结构探测技术;综述了当前所采用的基于果园面积GA(ground area)模型、基于冠层高度的LWH(leaf wall height)模型、基于树体面积的LWA(leaf wall area)模型和基于冠层体积的TRV(tree row volum)模型,在此基础上阐述了这4种模型之间的内在联系;在分析了对靶开关决策、离散型决策和连续型决策模型的现状和特点的基础上,提出基于模糊算法的施药量智能连续决策是未来重要的发展方向;从果园变量喷雾机所采用的传感技术、决策模型和所取得的技术指标方面论述了当前世界最典型的装备现状,进一步分析了施药量调控系统、风量调控系统和喷雾位置调控系统的研究现状,提出了风量快速调控系统和喷雾位置快速响应系统的发展方向,以期为果园变量喷雾技术与装备研究提供参考。     

基于叶墙面积的果树施药量模型设计及试验

变量喷雾技术是提高喷雾效果、降低农药使用率的有效手段,而准确的树冠特征参数检测及施药量模型是其关键。为克服果园变量喷雾中果树特征参数检测效率低和对环境要求高的缺陷,该文通过LiDAR(light detection and ranging)检测技术获取表征树冠特征参数的叶墙面积LWA(leaf wall area),并利用图像处理技术计算树冠参数参考值。为了表征树叶密度和LWA对变量喷雾的共同影响效果,研究基于LWA的决策系数KLWA,KLWA由反映果树冠层分区内点云在水平方向平均深度下的分布密度K1和分区内点云分布高度极差占分区高度的比值K2加权决定。通过计算垂直方向各分区内决策系数KLWA,并代入流量函数可得出基于KLWA的施药量计算模型,进一步计算电磁阀PWM占空比并调节水泵和电磁阀的工作状态,使喷头的流量对应冠层各区得到动态调整,实现基于LWA的变量喷雾。利用自制的室外变量喷雾验证装置,进行了多喷头变量喷雾试验,试验结果表明,果树的药液附着率均接近100%,说明基于LWA的变量喷雾模型可实现有效喷雾,与连续喷雾相对比,基于LWA的变量喷雾施药量模型的省药率为68.34%,与纯对靶定量喷雾比,基于LWA的变量喷雾施药量模型的省药率为32.77%。     

基于轻量级CNN-Transformer混合网络的梯田图像语义分割

梯田是一种传统的农业种植方式,发挥着稳定作物生产与水土保持效能,修筑梯田是发展农业生产的重要措施之一。快速、准确地对梯田区域分布信息进行采集,对提高粮食产量、治理水土流失以及规划区域生态等方面具有重要的作用与意义。无人机图像梯田道路边界模糊、具有较长的带状结构,为了更准确地获取梯田的边缘信息,受MobileVit启发,该研究在MobileViT block中引入了轴向注意力机制(axial attention),并采用编码器-解码器结构,提出了基于轻量级CNN-Transformer混合构架网络模型。模型编码器部分由改进的MobileViT block、融入了条形池化的逆残差模块和空洞空间金字塔池化模块构成,再通过有效设计摆放各模块的位置顺序来实现局部与全局的视觉表征信息交互,得到完整的全局特征表达;利用解码器对编码器提取到的多尺度特征图进行采样和卷积操作得到语义分割结果图。选取PSPNet、LiteSeg、BisNetv2、Deeplabv3Plus、MobileViT在相同测试集上进行对比试验,结果表明,该研究所提模型在精度与速度方面均具有一定的优势,其像素精度可达95.79%,频权交并比可达94.86%,模型参数量为8.32 M,实现了使用较少的参数和简单的方法对复杂无规则的无人机图像梯田区域对象较为准确的分割,将其部署到无人机上可以进一步获取梯田的形状、位置、轮廓等信息,及时准确地掌握梯田边缘信息为预防和修护加固梯田提供重要的依据,同时有助于梯田区域种植面积和范围的统计,以期为梯田和旱作区农业建设的发展提供参考。     

基于半监督SPM-YOLOv5的套袋柑橘检测算法

为解决柑橘经过套袋后其形状从圆形变为条状且纹理细节急剧减低,导致当前目标检测算法对套袋柑橘检测难度增大,同时目标检测算法性能依赖于有标记样本数量的问题。该研究设计了一种基于教师学生模型的SPM（Strip Pooling Module）-YOLOv5算法,在YOLOv5的骨干网络中加入条带注意力模块使模型更加关注条状的套袋柑橘与树枝,同时教师学生模型为半监督方法,使目标检测算法可利用无标记样本提升模型的性能,降低对有标记样本的依赖。试验结果表明,该文算法在套袋柑橘与树枝检测的平均精度均值分别为77.4%与53.5%,相比YOLOv5分别提升了7.5个百分点与7.6个百分点,套袋柑橘检测的精度与召回率达到94%与76.2%。因此,基于教师学生模型的SPM-YOLOv5算法精度高、速度快,能有效用于套袋柑橘检测。