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。     

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。     

面向农业移动管理的信息获取技术

基于移动终端、嵌入式GIS和无线通讯等技术,设计了面向田间交互管理的农业移动管理系统技术框架,研究了农田信息无线采集与传输、基于位置的图像获取、GPS虚拟差分数据获取和无线数据传输等技术,开发了农业移动管理系统原型.移动终端具有GPS定位与导航、GPS照相、照片编辑与查看、专题图制作、属性信息查询、农田网格划分等功能.初步应用试验表明,该原型系统可应用于农田移动管理.     

小型无人机在农田信息监测系统中的应用

根据我国国情,分析了目前农田信息监测领域中获取遥感信息的主要方式及其存在问题,指出了发展以小型无人机为平台的新型低空遥感系统是对传统农田信息获取方式的有力补充。同时,对国内外无人机发展历程与现状进行了分析,简述了小型无人机在农田信息监测系统中应用的特点、意义和关键技术;最后展望了小型无人机在农田监测系统应用中应解决的关键问题。     

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。     

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...     

基于图像识别的无人机导航系统设计

无人机提高了农业生产效率,但作业性能受各方面因素的影响,而导航能力是重点关注的内容.图像识别技术通过分析图像中的大量信息来辨识目标,可以提高无人机的自动导航能力.固定翼无人机在飞行速度和高度上具有优势,进行农业信息监测和保险勘察时效率更高,但精准导航的难度较大.为此,设计了一个基于图像识别的无人机导航系统,以固定翼的航...     

基于GPRS技术的农田信息远程监测系统的实现

由于农田信息具有多样性、多变性、分散性等特点,为了解决农业中农田信息的快速获取和远程传输的问题,提出了一种基于GPS和GPRS技术的农业信息获取及远程农业监测系统.系统由3部分组成,即DSP和各种传感器构成的现场工作站、GPRS无线模块和GPRS无线网络构成的传输系统、PC机构成的上位机.系统具有定位准确、实时测定和远程传输等功能.为此,主要介绍了系统的软硬件组成和信息的传输原理.     

农业信息采集机器人设计及试验研究

随着农业现代化的不断发展,人们对于精细农田各方面的要求也达到了新的高度,需要将自动化、智能化的设备应用于农业信息采集中。为此,提出一款新型的农业信息采集机器人,主要在农业信息采集机器人的总体结构设计的基础上,对图像采集、温湿度检测及图像处理进行了试验分析与验证。试验结果表明:该机器人可通过自行走的方式来精准探测农田的温湿度,并根据获取的图像了解作物的生长状态。实现了在减少人力消耗、提高效率的前提下,仍得到可靠的数据与图像,为更好的管理农田作业提供了可靠依据。     

农田图像采集与无线传输系统设计

结合ZigBee和GPRS,设计了农田图像采集与无线传输系统。系统由MESH型ZigBee图像采集网络和远程服务器构成,服务器与ZigBee网络的协调器通过GPRS网络进行数据传输。基于V4L技术采集了农田图像,阐述了JPEG压缩和解压缩流程,使用改进的离散余弦变换减小了图像压缩的运算量,并对压缩后的图像作了数据分组和校验,保证了数据传输的可靠性。在选定农田对系统进行实地测试,系统能够顺利采集图像,无线传输成功率为76%,同时分析了传输一幅图像的理论最短时间和实际平均传输时间产生的差异。     

无人机农业遥感在农作物病虫草害诊断应用研究进展

农田作物信息的快速获取与解析是开展精准农业实践的前提和基础。根据农作物病虫草害的实际程度进行变量喷施和作业管理,可减少农业生产成本、优化作物栽培、提高农作物产量和品质,从而实现农业精准管理。近年来,随着无人机产业的快速发展,无人机农业遥感技术因其空间分辨率高、时效性强和成本低等特点,在农作物病虫草害监测应用中发挥了重要作用。本文首先介绍了精准农业航空的基本思想与系统组成和无人机遥感在精准农业航空的地位。接着探讨了无人机农业遥感系统常见的成像方式和遥感影像解析方法,并阐述了国内外无人机农业遥感技术在农作物病虫草害检测研究的最新进展。最后总结了无人机农业遥感技术发展至今面临的挑战并展望了未来的发展方向。本文将为开展无人机农业遥感技术在精准农业航空领域的研究提供理论参考和技术支撑。     

低空无人机影像分辨率对冬小麦氮浓度反演的影响

针对目前基于无人机遥感进行作物氮素营养诊断中缺乏规范化的标准来指导无人机应用过程中数据获取与处理的问题,开展了不同分辨率、低空无人机影像对冬小麦植株氮浓度反演影响的研究。在小麦生长的灌浆期,通过设置15、30、50、80 m共4种无人机飞行高度,获取了不同分辨率下的无人机多光谱影像,并开展地面试验,采集冬小麦植株氮浓度信息。基于这些数据,提取了不同分辨率下影像的光谱信息和纹理特征,并分别建立光谱信息、纹理特征和光谱信息+纹理特征等反演植株氮浓度的模型。对不同情景下的模型估测效果进行比较,结果表明,影像分辨率在1.00～5.69 cm之间变化时,影像光谱信息对小麦植株氮浓度反演影响不大,各情景下建模结果和验证结果差异较小;随着影像分辨率的降低,影像纹理特征对小麦植株氮浓度反演的效果变差;影像光谱信息+纹理特征信息对小麦植株氮浓度反演效果整体随着影像分辨率的提高呈增加趋势,且其反演结果优于单一光谱特征或单一纹理特征的反演效果。     

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。     

基于深度学习的无人机水田图像语义分割方法

为高效获取水田信息提高精准农业应用水平,提出一种基于深度学习的无人机水田图像语义分割方法。首先,采集无人机水田图像并制作一套高分辨率水田数据集,使用双边滤波去除图像噪声;然后,通过调整编码器获取更为细致的田块边界特征信息;最后,改进解码器融合更多浅层特征并采用深度可分离卷积解耦图像深度信息与空间信息,获得改进网络结构的DeepLabv3+模型。试验结果显示,改进模型的像素精度和平均交并比分别为96.04%和85.90%,与原始模型相比提升2.09%和4.66%;与典型的UNet、SegNet和PSPNet语义分割模型相比,各项指标均有不同程度的提高。本文方法能够实现准确、高效的水田分割,为进一步获取水田边界定位信息和构建高精度农田地图提供重要基础。     

基于改进SURF算法无人机影像特征匹配的研究

由于无人机受相机广角和飞行高度的限制,单张影像无法拍摄整个农田形状,导致无法准确测量农田实际面积。为此,基于图像特征匹配技术,提出改进SURF算法,用于无人机影像拼接。该算法针对传统SURF算法初始特征点选取精度不足的问题提出改进方案,优化高斯模糊的过程,进而形成新的尺度空间生成方式。通过在实验基地试验得出:本研究提出的改进SURF算法比传统SURF算法特征点在卷积核尺寸为3×3时,70 m、120 m高空的匹配率分别提升4.7%和5.3%;在卷积核尺寸为5×5时,70 m、120 m高空的匹配率分别提升4.0%和4.3%。本研究将改进后的SURF算法用于后期图像拼接中,经试验对比发现:改进的SURF算法在图片拼接处衔接程度明显提升,得到匹配精度更优的拼接图像。     

基于嵌入式电子信息的农田信息采集系统开发

农田信息内容丰富,既描述环境条件,也反映作物的生长状况,是进行各项农艺操作的参考依据。采集准确的农田信息,能为作物高产稳产提供保障。嵌入式技术是以计算机为基础发展起来的电子信息技术,已用于农业智能灌溉,取得了理想效果。为此,以嵌入式芯片为核心,设计了农田信息采集系统,采集农田气象、土壤和作物信息,并进行分析和存储。试验结果表明:系统采集的水稻田数据与实际值差异不明显,对抽穗期的评估最为准确。系统的视屏传输达到了非常流畅的效果,图像视觉分析也可以反映水稻的生长状况。该嵌入式系统可以准确采集农田信息,为农艺操作提供了参考依据。     

农田非结构特征视觉导航研

研究了农田非结构环境下,通过机器视觉提取导航线的处理算法.首先,根据农作物的特点提出了使用聚类的方法检测作业区域终点;其次,为避免噪声干扰,利用移动窗口检测二值图像白色像素的个数,确定导航路径区域;最后,使用改进的Hough变换提取导航线.实验表明,该算法可以准确提取绿色植物的行信息,处理一帧分辨率为320×240像素的彩色图像平均需要57.404ms,正确识别率达99%.