无人机机载激光雷达提取果树单木树冠信息

定株管理是未来果园精准生产管理的趋势,果树单木树冠信息的提取是定株管理的关键。该研究利用无人机采集的苹果园激光探测与测量数据（Light Detection and Ranging,LiDAR）检测和测量每棵果树的树冠面积和树冠直径,并评价空间分辨率对于果树单木树冠检测与提取的影响。该方法主要包括使用反距离权重插值法间接生成冠层高度模型（Canopy Height Model,CHM）;使用局部极大值滤波算法和标记控制分水岭分割算法（Marked-Controlled Watered Segmentation,MCWS）对果树进行单木树冠检测与提取,通过与参考数据的比较,评估了该方法的精度,并定量分析了空间分辨率对于单木树冠检测与信息提取结果的敏感性。结果表明,该方法有效地实现果树单木树冠检测与信息提取,代表果树检测精度的F1得分为94.86%,树冠轮廓提取准确率为86.39%,树冠面积的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.81和20.56%,树冠直径的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.85和14.79%,树冠面积和直径不同程度地被高估。此外,冠层高度模型的空间分辨率接近果树平均树冠直径的1/10时精度最高,可以有效检测果树单木树冠及提取树冠轮廓,从而准确提取果树单木树冠信息。     

基于无人机与激光测距技术的农田地形测绘

平整地技术是提高作物单产的重要措施,而获取高精度的农田地形测绘数据与农田数字地形模型,是进行精准平整地作业的必要条件。为了解决传统接触式地形测绘效率低、基于航拍摄影技术的遥感地形测绘精度差及作业成本高等问题,该研究提出了一种基于多旋翼无人机与激光测距技术的农田地形测绘方法。在多旋翼无人机测绘平台上搭载激光测距模块与后处理动态差分全球定位系统设备（Post-Processing Kinematic Global Positioning System,PPK-GPS）,获取激光测距序列、PPK-GPS三维定位数据以及无人机的飞行姿态数据。首先使用均值滤波器处理原始激光测距序列,并将得到的激光测距序列与PPK-GPS定位数据进行同步处理,使二者建立空间对应关系。根据无人机倾斜状态时的测距激光方向与理论竖直方向的空间几何关系,使用从无人机的飞行控制器中提取的姿态信息校正激光测距序列,消除无人机平台在飞行过程中俯仰与横滚姿态变化对激光测距精度的影响。最后,根据PPK-GPS定位数据的海拔高度分量与激光测距序列计算试验地块内地面测量点的海拔高度,共获取1 417组地面测量点的有效测绘数据。利用手持PPK-GPS设备对地面测量点的海拔高度进行测绘精度检验。验证试验结果表明,本文提出的无人机农田地形测绘系统获取的海拔高度与手持PPK-GPS设备采集的海拔高度的均方根误差为5.2 cm,表明该无人机农田地形测绘系统具有较高的测绘精度。与利用手持GPS设备进行地形测绘作业的方法相比较,本文提出的无人机农田地形测绘系统具有自动化程度高、作业效率高等优点。该研究可为促进精准平整地技术的大规模应用提供数据支持。     

小型植保无人机超低量喷雾对荒漠绿洲麦区小麦白粉病的防治效果

研究小型植保无人机超低量喷雾对小麦白粉病的防治效果,为科学使用小型植保无人机防控小麦病害提供指导。采用随机区组的方法,定点调查各处理小麦白粉病发生情况,评价供试药剂对小麦白粉病的防治效果。结果表明,240 g/L氯氟醚·吡唑酯SC 180 g/hm²、19%啶氧·丙环唑SC 199.50 g/hm²和 23%醚菌·氟环唑 SC 103.50 g/hm²添加增效剂迈飞对小麦白粉病具有较好的防效,防效分别为77.88%、74.23%和 73.26%。42%苯菌酮 SC 189.00 g/hm²、430 g/L戊唑醇悬浮剂SC 129.00 g/hm²、75%肟菌·戊唑醇 WG 202.50 g/hm²和 40%腈菌唑 WP 120.00 g/hm²添加增效剂迈飞对小麦白粉病防效在60.90%～65.72%之间。7 种药剂均可用于小型植保无人机超低量喷雾防治小麦白粉病,为了减缓抗药性的产生,建议在生产上轮换使用。     

基于无人机视频影像的油菜苗检测与计数

针对油菜生长早期传统人工苗情调查方法效率低、主观意识强,不能满足大面积或经常性高精度苗期调查作业需求的问题,该研究基于无人机影像及机器学习技术,提出一种油菜苗视频流检测模型及计数方法。通过对YOLO系列基础模型添加多头自注意力,用BasicRFB（basic receptive field block）模块替换原有的空间池化结构（spatial pyramid pooling-fast,SPPF）模块,并对Neck部分添加一维卷积及更换下采样方式等,进一步结合DeepSORT（deep simple online and real-time tracking）算法和越线计数技术实现对油菜苗的数量统计。算例测试结果表明,改进后YOLOv5s的交并比阈值0.50的平均精度均值达到93.1%,交并比阈值0.50～0.95的平均精度均值达到了67.5%,明显优于Faster R-CNN、SSD和YOLOX等其他经典目标检测算法,交并比阈值0.50的平均精度均值分别高出14.82、26.37和3.3个百分点,交并比阈值为0.50～0.95范围下的平均精度均值分别高出25.7、33.9和6.7个百分点。油菜苗计数试验结果表明,离线视频计数时,在合理的种植密度区间内,所提算法的油菜苗计数精度平均达到93.75%,计数效率为人工计数的9.54倍;在线实时计数时,在不同天气情况下,计数平台的油菜苗计数精度最大相差1.87个百分点,具有良好的泛化性,满足油菜苗计数实时性要求。     

基于纹理特征与植被指数融合的水稻含水量无人机遥感监测

含水量是表征水稻生理和健康状况的关键参数，精确预测水稻含水量对于水稻育种和大田精准管理具有重要意义。目前，利用无人机搭载光谱图像传感器监测作物生长的研究主要集中在利用植被指数评估作物在单一或者几个生育期的生长参数，针对作物含水量监测的研究非常有限。本研究主要利用多旋翼无人机低空遥感平台获取不同生育期水稻冠层的RGB图像和多光谱图像，通过提取植被指数和纹理特征，分析水稻的动态生长变化，并构建了基于随机森林回归方法的含水量预测模型。试验结果表明：（1）从无人机图像提取的植被指数、纹理特征以及地面测量的含水量都能用于监测水稻生长，并且这些参数随水稻生长呈现出了相似的动态变化趋势；（2）与RGB图像相比，多光谱图像评估水稻含水量具有更高的潜力，其中归一化光谱指数NDSI_771,611实现了更好的预测精度（R²=0.68，RMSEP=0.039，rRMSE =5.24%）；（3）融合植被指数和纹理特征能够进一步改善含水量的预测结果（R²=0.86，RMSEP=0.026，rRMSE=3.51%），预测误差RMSEP分别减小了16.13%和18.75%。上述结果表明，基于无人机遥感技术监测水稻含水量是可行的，可为农田精准灌溉和田间管理决策提供新思路。     

基于文献计量学的2001－2020全球农用无人机研究进展

在数字农业时代下,无人机或将成为推动农业数字化的一大关键。为了宏观掌握农用无人机的发展动态,了解农用无人机在国内外的研究前沿和应用热点,该研究基于Web of Science核心论文集、Derwent Innovations Index德温特创新索引数据库等5个数据源,采用数理统计及文献计量法对2001-2020年累计20年间农用无人机领域内发布的期刊论文及发明专利进行分析。分析结果显示,农用无人机从2014年起研究进展驶入高速,2016-2018年达到高热期,2020年农用无人机论文产出达1 232篇,专利达1 970件;中国、美国是农用无人机现阶段的主要研究国家,两者累计论文发表量超过总统计数量的45%,中国占21.43%,美国占24.60%,特别地,专利数量中国约占总数的83.41%,西班牙最早奠定了农用无人机的研究理论基础,其中,中美机构间、欧洲各国机构间研究合作联系较为密切;农用无人机论文的学科领域主要涉及遥感和环境科学,分别占论文总量的30.22%和24.79%,专利的技术领域主要涉及释放物质用飞行器、特殊用途飞行器及液体喷施设备,分别占专利总量的30.03%、23.66%和21.01%,具体研究内容分为农用无人机的平台搭建及农业应用两方面,农业应用包含农业信息采集及农业物料释放两类场景;目前的研究前沿为农业大数据挖掘及农业数字模型搭建,实际应用重心向低空遥感喷施、能源续航倾斜。综上,农用无人机仍处于活跃的发展状态,应用场景日趋丰富,纵向发展稍有阻滞,未来可能会在畜牧业和渔业上挖掘到崭新的研究应用方向。     

快速图像去雾算法在无人机果园巡检系统中的应用

无人机果园巡检是提高果园管理效率、降低人力成本的有效手段。随着无人机技术的发展，使用无人机进行果园巡检是一大趋势。针对室外雾霾天气对无人机果园巡检图像质量的影响，本文基于无人机果园巡检图像的特征，提出一种将无人机拍摄的雾天图像中天空或亮度较强区域与其他区域分割的图像去雾算法。该算法首先将图像中的天空与非天空区域进行区分，分别处理以减少传统暗通道先验去雾算法在天空区域的失真，然后通过提取图像背景区域的特征并进行算法优化，最终达到快速去雾的效果，以满足实时性要求。     

Diagnostic Feed Values of Natural Grasslands Based on Multispectral Images Acquired by Small Unmanned Aerial Vehicle

Grasslands are the largest renewable source of terrestrial chlorophytes. Furthermore, grasslands can be both fiber sources and the primary metabolizable energy source for ruminants. Therefore, rapid, accurate, and large-scale monitoring of grassland ecosystems is important to provide spatial information on forage quality control and rangeland management. In this experiment, 100 grassland sites were randomly selected in two study areas. A multiaxis unmanned aerial vehicle (UAV) made 26 flights over those areas to capture spectral images during August 2016, which enabled the acquisition of vegetation index values of the grassland sites. Next, grassland plots were harvested and the nutritional composition of the grass was determined. After selecting the most sensitive spectral information for each nutritional value, retrieval models for grassland nutrition were constructed. Predictor variables of the models were then tested on the samples. The results demonstrate that there are correlations between nutritional values and vegetation indices. The predicted values of the coefficient of determination (R²-P) and root mean square error (RMSE) for dry matter (DM) were 0.676% and 4.719%. The same values for crude protein (CP) were 0.653% and 1.361%. The R²-P and RMSE values for in vitro DM digestibility (IVDMD) prediction models were weak, but they could be improved by more sensitive wavelengths and improved mathematical models to fit the data. The results show that UAV remote sensing can be used to estimate the feed values of natural grassland and that this sensing approach provides a rapid, flexible, and efficient method of estimating feed values. Although the prediction models for nutritional values need to be improved, they still opened perspectives for the use of UAV-based remote sensing in rangeland management and grassland husbandry.     

基于改进蝙蝠算法和圆柱坐标系的农业无人机航迹规划

针对传统蝙蝠算法全局搜索能力不足的问题，提出一种改进蝙蝠算法(IBA-FCS)，通过设计脉冲变频策略、自适应局部搜索策略和变异机制，有效提升了算法的全局搜索能力。基于经典测试函数的寻优结果表明，与粒子群算法、传统蝙蝠算法和其他改进蝙蝠算法相比，IBA-FCS算法具有更好的寻优性能。针对农业无人机的航迹规划问题，结合山地果园飞行环境的三维地形数据，构建了农业无人机安全航迹规划模型，设计了多因素约束的飞行成本函数；同时，将航迹规划模型的求解空间由笛卡尔坐标系变换到圆柱坐标系，进一步提升IBA-FCS算法的寻优效率，从而获取更好的航迹规划方案。仿真实验结果表明，在具有不同数量障碍物的多个飞行任务中，IBA-FCS算法较传统蝙蝠算法的飞行成本函数适应度平均下降20.3355%，并且基于圆柱坐标系的IBA-FCS算法求解的飞行成本函数适应度较基于笛卡尔坐标系的规划结果平均下降4.6127%。实地场景实验结果表明，基于IBA-FCS算法的规划方案能够收敛于最优航迹，进一步验证了山地果园静态障碍环境下应用改进蝙蝠算法和圆柱坐标系进行农业无人机安全航迹规划的可行性和有效性。     

基于无人机可见光影像对喀斯特地区植被信息提取与覆盖度研究

为准确快速获取喀斯特石漠化地区植被和植被覆盖度信息，本研究利用四旋翼无人机采集喀斯特石漠化区域的可见光影像，选择过绿指数（EXG，excess green）、可见光波段差异植被指数（VDVI，visible-band difference vegetation indx）、红绿蓝植被指数（RGBRI，red green and blue vegetation index）、过绿减过红指数（ExG-ExR，excess green-excess red），利用植被指数时序图交点法和样本统计法思想，运用阈值分割法进行植被和植被覆盖度的信息提取，并以监督分类得到的植被和植被覆盖度信息为真实值，进行精度验证。结果表明，在贵州省关岭贞丰花江喀斯特石漠化地区，对于植被信息提取，ExG-ExR的精度最高，总体精度为95.56%，Kappa系数为0.919；ExG-ExR得到的植被覆盖度精度最好，为99.174%，均方根误差RMSE为0.097，R²为0.977。由此可见，在喀斯特地区利用植被指数时序图交点法和样本统计法思想，适合该地区的植被信息提取和植被覆盖度的提取，具有较高的精度。