四旋翼无人机在农田信息获取中的应用

低空无人机将成为实时、快速监测农情变化的重要平台。为此,简述了精准农业体系中基于四旋翼无人机的农田信息获取系统的功能模型及其特点,分析了国内外四旋翼无人机及农田信息获取技术的发展现状,总结了该信息获取系统涉及的若干关键技术,进而展望了其发展趋势。分析认为,随着飞行控制和无线信息传输等子系统的逐渐完善,低空农田信息获取系统将逐步满足精准农业的技术要求,推动农业数字化的迅速发展。     

基于计算机视觉的无人机农田信息获取系统研究

无人机是无人驾驶航空飞行器的简称,在农业方面可用于农田信息监测。无人机监测农田信息的覆盖范围广,实效性强且客观准确,具有其它方法无可比拟的优势。计算机视觉是一种新兴的图像分析技术,可以分析无人机拍摄的农田作物图像,其与无人机结合应用符合精准农业的发展趋势。为此,基于计算机视觉建立了一种农田信息获取的无人机系统。无人机拍摄农田图像,由信息检测中心转换为数字信号后发给计算机视觉模块处理,根据颜色特征识别作物种类和长势,并计算各区域面积。试验结果表明:该系统对水稻、小麦和大豆的信息获取相对误差较小,玉米由于植株太高形成遮挡,降低了农田信息获取的准确性。系统从拍摄图像到输出结果的整个过程耗时2s,具有较强的实时性,可以为拓宽无人机在农业中的应用范围提供技术支持。     

基于无线传感器网络的无人机农田信息监测系统

现代技术的发展使得农田管理朝着现代化管理方向发展,尤其是在农田信息监测方面,以无线传感器网络为基础的无人机为农田信息监测提供了现代化的管理方法。本文分析的是基于无线传感器网络的无人机农田信息监测系统,全文在分析中从无线传感器网络系统组成、无线传感器网络应用原理以及实际应用以及结果分析等方面进行分析。     

农情监测多旋翼无人机系统开发及性能评估

现代农业要求农业生产者实时、准确、全面地了解农作物的生长环境和生长状态。与传统的人工田间调查方式相比,无人机是一种高效的农田信息获取平台。本研究将自主研发的八旋翼无人机与农田信息采集设备进行整合,形成了一套用于农情监测的无人机系统,实现了无人机按照预设航线自动巡航并采集农田遥感图像、地理位置信息以及环境照度信息。经测试,在飞行中,图像采集设备能够稳定维持垂直对地的姿态并进行拍摄,采集的数据能够拼接成完整的农田正射影遥感图像。测试结果表明研发的无人机系统能够满足低空农情监测作业要求。与商业化产品相比,该系统避免了因任务设备与飞机独立工作而导致重拍、漏拍的情况,实现了无人机与任务设备高效协同作业。     

基于英语语言数据库的无人机农田信息获取技术应用

无人机作为一种新型的农业机械在农业生产过程中发挥着越来越重要的作用,有力地促进了现代化农业的发展.为了准确获取农田的信息,将无人机应用到了农田信息采集系统的设计上,基于图像融合处理技术,提高了图像信息的清晰度,避免了因图像曝光而造成的信息缺失,并基于英语语言数据库提高了信息图像拼接的准确性.以农田信息的获取为例,通过划...     

基于小型智能无人机低空遥感技术的农田信息采集的研究

随着现代农业的发展,精准掌握农田信息越来越重要。目前,传统的地面农田信息监测设备不能准确快速获取农田的空间信息、农田区域边界的划分以及农作物的生长状态等,部分采用遥感技术的无人机虽然可以获取农作物的倒伏状态,但是经常会出现数据判断错误的情况,导致将本来生长正常的农作物判断成伏地农作物。基于此,研究小组采用智能无人机低空遥感技术作为农田信息采集的核心,分析了智能无人机在农田中对农作物信息采集的简便性和快捷性,介绍了智能无人机在农田工作的操作步骤以及与相机数据采集通信的处理。研究结果表明:无人机遥感技术在农田面积检测和面积划分方面具有超高的精度,为农业科学化生产奠定了坚实的基础,推动我国更精细化、更智能化的现代农业的发展。     

无人机在农田信息获取中的应用

随着我国经济的发展、社会的进步和科学技术水平的提升,无人机在农田信息获取中的应用渐渐引起了相关人士的重视。近几年来,我国无人机的发展十分迅速,其不受地形约束,工作效率较高,具备较强的精准性,在现实情况下受到了相关行业工作者的青睐。传统的农田信息获取的工作强度较高,操作人员必须亲自到作业区获取信息,效率较低,无人机的应用不仅可避免农药对人体的危害,还能减少人力成本。据此,文章对无人机在农田信息获取中的应用问题进行了研究,希望对现实有所裨益。     

小型无人机遥感技术在精准农业中的应用

小型无人机遥感技术具有操作简便、可动态连续检测等优势,在精准农业领域中被广泛应用。笔者阐述了小型无人机遥感技术和精准农业的概念,分析了其在农作物精准识别、农作物病虫害检测、农作物长势监测等方面的具体应用,展望了小型无人机遥感技术在精准农业应用中未来的发展。实践证明,小型无人机遥感技术使农业生产具有实时数据获取、准确定位及高效率应对的新特点。     

基于无人机光谱分析的农田监测系统应用

农田监测可以获取作物的生长状态,是农艺管理操作的依据。传统的农田监测由人工完成,效率和准确性较低,无法满足现代化农业的要求。以无人机为平台的遥感技术应用于农田信息监测中,能有效地解决这个问题。高光谱遥感具有连续的光谱,通过光谱分析可以得到农田作物的完整信息。为此,设计了基于无人机光谱分析的农田监测系统,利用无人机搭载的光谱仪拍摄水稻田的高光谱影像,基于多个光谱参数建立估算叶绿素含量(SPAD)的回归模型。结果表明:4个光谱参数与建模样本SPAD值的回归分析都达到显著水平,以DR 526和SD y建立的模型精确度较高。综合考虑决定系数和斜率值,将SD y作为文中SPAD值的最佳估算参数,可为精准农业的发展提供技术支撑。     

泗水县农业植保无人机应用的现状及建议

无人机植保作业利用植保无人机搭载高分辨率遥感和图像传感器，实时获取农田信息，精确制定施药方案，减少农药的使用量和浪费。本文以山东省泗水县植保无人机发展为例对植保无人机作业的特点和应用前景进行了探讨，指出了泗水县在植保无人机应用发展过程中存在的问题，在此基础上给出了植保无人机应用发展的对策，以期为植保无人机在农业中的应用发展提供一定的借鉴。     

基于HJ卫星的洪水损毁农田遥感识别

利用洪水灾害前后两个时期的HJ卫星影像,对“7.21”北京市房山区特大暴雨灾毁农田识别技术进行了研究。首先采用监督分类方法,获取灾毁前后的农田分布图。然后将两个时期的农田分布图叠加,提取农田变化信息,统计受灾农田的分布面积。研究结果显示:房山区“7.21”水毁农田面积4 103.82 hm2,主要分布在拒马河、大石河和夹括河流域。验证了利用HJ卫星影像结合监督分类方法进行洪水损毁农田识别的可行性,可为相关动态监测问题提供一定的理论依据。      

遥感多光谱成像在解析土壤成分方面的研究进展

土壤中营养成分的变化关乎农业的生产质量,其中水分、有机质、氮、磷、钾等养分信息是土壤肥力的关键,因此获取农田土壤成分信息对农田管理有重要意义。传统土壤检测方法烦琐复杂、费时费力、效率低下,难以满足现代农业发展的需要。随着遥感技术的不断发展与成熟,基于低空尺度的农业无人机和基于高空尺度的卫星平台弥补了地面监测的空缺与不足,飞行器搭载的多光谱传感器在土壤信息的快速、无损、实时获取领域表现出巨大潜力。介绍了多光谱技术特点,概括了遥感多光谱成像技术检测土壤成分的一般步骤,重点阐述了多光谱技术在检测土壤有机质、水分、盐分等方面的研究进展,探讨了遥感多光谱技术在解析土壤成分中涉及的主要方法,最后对农业遥感多光谱成像解析土壤成分进行了思考与展望。      

无人机遥感技术在精量灌溉中应用的研究进展

以提高农业用水效率为目标的精量灌溉是未来农业灌溉的主要模式,精量灌溉的前提条件是对作物缺水的精准诊断和科学的灌溉决策。用于作物缺水诊断和灌溉决策定量指标的信息获取技术主要基于田间定点监测、地面车载移动监测及卫星遥感。无人机从根本上解决了卫星遥感由于时空分辨率低而导致的瞬时拓延、空间尺度转换、遥感参数与模型参数定量对应等技术难题,也克服了地面监测效率低、成本高、影响田间作业等问题。近几年的研究结果表明,无人机遥感系统可以高通量地获取多个地块的高时空分辨率图像,使精准分析农业气象条件、土壤条件、作物表型等参数的空间变异性及其相互关系成为可能,为大面积农田范围内快速感知作物缺水空间变异性提供了新手段,在精量灌溉技术应用中具有明显的优势和广阔的前景。无人机遥感系统已经应用在作物覆盖度、株高、倒伏面积、生物量、叶面积指数、冠层温度等农情信息的监测方面,但在作物缺水诊断和灌溉决策定量指标监测方面的研究才刚刚起步,目前主要集中在作物水分胁迫指数(CWSI)、作物系数、冠层结构相关指数、土壤含水率、叶黄素相关指数(PRI)等参数估算的研究,有些指标已经成功应用于监测多种作物的水分胁迫状况,但对于大多数作物和指标,模型的普适性还有待进一步研究。给出了无人机遥感在精准灌溉技术中应用的技术体系,并指出,为满足不同尺度的高效率监测和实现农业用水精准动态管理的需求,今后无人机遥感需要结合卫星遥感和地面监测系统,其中天空地一体化农业水信息监测网络优化布局方法与智能组网技术、多源信息时空融合与同化技术、作物缺水多指标综合诊断模型、农业灌溉大数据等将是未来重点研究内容。     

基于物联网的农田环境监测系统设计

为实现对农田环境参数的监测,设计了基于物联网的农田环境监测系统。系统基于EPC架构,构建网络框架,感知层采用ZigBee传感节点。传感节点实时采集与农田生产有关的多个重要环境参数,对作物形态进行可控图像采集,通过网络构建层将各种数据发送到远程监测服务层。对监测系统进行了试验,结果表明,系统可对播种进度、苗期、花期、施肥、打药、灌水、适时收获、病虫害和质量监控等过程中的信息进行采集。      

基于面向对象分类法的农田识别提取

【目的】利用中低分辨率遥感影像,精确获取县域尺度的农田分类结果,提供一定的方法参考。【方法】兹以中等分辨率的Landsat8 OLI遥感影像数据为数据源,采用面向对象的CART决策树分类法,对垫江县的农田进行了识别与提取,并与基于像元提取的最大似然法分类结果进行精度对比。【结果】(1)与最大似然分类法相比,CART决策树分类法的精度更高,总体精度和Kappa系数分别达到88.8%和0.85,对于旱地和水田的制图精度高达90%以上;(2)在分割尺度的确定上,使用eCognition软件中的ESP工具能快速的确定最优分割尺度,提升了效率和科学性;(3)县域尺度上,面向对象分类法对中等分辨率影像数据进行遥感提取也具有一定的适用性。【结论】基于Landsat8 OLI遥感数据的面向对象分类法能够实现县域尺度低成本高精度农田分类的需要,也为缓解精度和成本、空间分辨率和提取方法的矛盾提供了一定的参考。     

双通道近地遥感图像采集处理系

利用2CCD多光谱相机设计了近地遥感图像采集平台,同步获取小范围区域作物的可见光和NIR图像,通过图像处理技术从作物图像获得反射光谱信息.采集平台包括一个2CCD多光谱相机,两个采集盒,一台具有两个千兆网口的田间计算机.图像处理部分通过2GRB灰度化、中值滤波和Otsu二值化,从背景中分割出作物图像,结合作物原始R分量灰度图像,提取出作物红光图像平均灰度值,利用建立的灰度值与反射率的线性模型,计算得到作物红光波段的反射率.试验结果表明,图像采集平台工作稳定,利用图像处理方法提取的反射率与ASD光谱仪测量结果有较好相关性,为从作物冠层图像探测生长状况提供了理论依据.     

基于深度语义分割的无人机多光谱遥感作物分类方法

为精准获取农田作物种植分布信息以满足农业精细化管理需求,基于DeepLab V3+深度语义分割网络提出了一种面向无人机多光谱遥感影像的农田作物分类方法.通过修改输入层结构、融合多光谱信息和植被指数先验信息、并采用Swish激活函数优化模型,使网络在响应值为负时仍能反向传播.基于2018-2019年连续2年内蒙古自治区河...     

农村土地调查数据库在国土资源管理中的应用分析

通过建立农村土地调查数据库,明确了农村土地利用、基本农田使用、土地权归属等情况。建立了农村土地利用数据库、基本农田数据库、农村土地权属数据库、遥感影像数据库以及分类面积汇总表和图件成果。农村土地调查数据库体现了各行业用地的权属、结构、数量和分布,为国土资源管理规划提供重要依据和参考。      

基于高分辨率遥感影像的灌排沟渠提取方法

科学有效的监管保障了土地整治工程顺利开展。农田水利工程是土地整治项目的重要内容,根据高空间分辨率遥感影像中农田水利灌排沟渠特征,提出一种农田灌排沟渠提取方法。通过对影像中灌排沟渠的光谱值进行统计分析,确定其取值范围,通过二值化和中值滤波去除噪点后得到灌排沟渠的初步结果,最后利用Canny算子对部分有行道树遮挡区域的沟渠进行边缘补充提取,最终得到研究区的灌排沟渠。以内蒙古达拉特旗土地整治某项目区为例,以World View-2为数据源,对提出的方法体系进行了验证,结果表明精度达到91.46%,满足土地整治工程监管的需要。提出的方法很好地解决了微小弯曲和被遮蔽沟渠问题,可为土地整治工程实施监管提供支持