基于赤眼蜂的生物防治技术研究现状与展望

赤眼蜂人工投放效率低,时效性差,难以满足大面积防治的需求,且容易出现漏防、覆盖不均匀等问题。为解决上述难题,进一步推进赤眼蜂机械化投放技术,综述国内外赤眼蜂投放技术的发展状况,对比分析现有的几种主要的赤眼蜂卵的保护措施以及相关投放机械。结合我国赤眼蜂防治技术的应用情况,指出我国赤眼蜂投放技术的相关研究单一、赤眼蜂投放机械的应用不成熟等问题,并对赤眼蜂投放技术在机械创新设计、精准投放、智能作业等方向进行展望,旨在为更好地实现机械化投放赤眼蜂提供参考。     

基于六轴多旋翼飞行器的赤眼蜂投放系统设计与试验

为更好地进行农作物病虫害防治,结合农业无人机和生物防治,设计了一种基于Hex-Rotor飞行器的赤眼蜂投放系统,实现赤眼蜂自主投放功能。首先,使用共轴双桨和旋翼系统的倾斜配置,对6轴多旋翼飞行器结构进行了改进,提高了系统的冗余性和可靠性,整个系统满载9 kg,以10 m/s的速度可飞行超过20 min;然后,利用带有扩张状态观测器和快速微分器的反步控制算法,使系统在投放干扰和外部风扰共同作用下,能够很好地完成轨迹跟踪飞行任务。最后,设计了专用的赤眼蜂投放装置,配合GPS和Google earth地图,实现赤眼蜂自主投放功能。在实际试验中,投放系统投放速度超过9 700 m2/min,飞行投放覆盖率100%,赤眼蜂孵化率75.81%。试验证明,该系统可以稳定可靠地完成赤眼蜂的投放工作,投放效率和经济效益方面表现良好,可以实现无人机自主生物防治。     

基于无人机技术的水稻精准喷药系统研究

水稻是我国最主要的粮食作物,但每年因病虫害而严重减产。喷洒农药对病虫害防治效果明显,成本也较低。我国适合用无人机进行水稻喷药作业,但采用的是大面积粗放喷洒方式,不利于节约成本和保护环境。精准喷药能够解决上述问题,符合绿色农业的发展趋势。为此,设计了基于无人机的水稻精准喷药系统,由计算机识别作物区域和空缺区域后形成处方图;喷药设备根据处方图控制喷头开启程度,实现精准喷药;单张图片的处理过程耗时50ms,可以满足快速作业的要求。系统能够识别作物区域,在飞行速度为2m/s时的雾滴沉积量与处方图剂量的线性关系较好,具有较高的作业质量和效率。     

水稻分蘖颗粒肥无人机投放电控系统设计

为实现水稻分蘖颗粒肥高效精准投放,设计一种无人机投放化肥装置。阐述数据控制信号的来源,分析电控系统内部控制模块的选用思路,介绍STC89C51RC芯片的软件算法,为水稻分蘖颗粒肥无人机投放装置设计提供参考。     

基于无线传感网的无人机精准喷药系统研究

喷药无人机由飞行平台、飞行控制系统和喷药系统组成,主要用于农药的喷洒。无线传感网络是一种结合了计算、通信和传感器3种技术的产物,可实现对无人机的控制。为此,基于无线传感网络设计了喷药无人机以较低的能量遍历农作物区域的航线控制系统,通过GDOP算法对无人机的航线进行规划和控制,从而达到无人机精准喷药的目的。试验结果表明:基于无线传感网络的无人机航线规划能够使无人机以较低的能量消耗遍历农作物区域,从而达到精准喷药的目的。     

辽宁省赤眼蜂防治农业害虫技术研究

推广生物防治技术替代农药,可有效减少农药残留和环境污染,有利于无公害农业发展。介绍生物防治虫害技术发展情况,探讨辽宁省生物防治现状,阐述赤眼蜂防治害虫技术要点,以期为辽宁省植物保护工作开展提供技术支持。     

无人机精准施药关键技术综述

无人机施药技术具有快速、高效、适应性广和操控人员安全等显著特点,近年来在我国发展迅猛,已成为一个具有中国特色的新兴产业。无人机精准施药技术针对田间作物的生长发育阶段和病虫草害状况,按需对作物喷施农药,可显著提高施药作业效率、增加农药的有效利用率,并减少对人体的危害和对环境的污染,精准施药技术得到了植保行业的高度重视。该文从无人机机体、无人机飞控导航避障技术、田间作物信息获取和航空变量施药技术方面,综述实现无人机精准施药的关键技术及其发展现状,分析目前在指导实际田间无人机精准施药过程中存在的问题,即缺乏针对具体作物和病虫害的药剂及药量配方指导、所需雾化特性参数和应有的飞行参数的系统研究,提出应将人工智能AI（Artificial Intelligence）技术有效引入无人机精准施药系统中,提高系统的自适应性和鲁棒性,使农业从业者容易操纵植保无人机精准施药系统,推动无人机精准施药技术尽快得到应用、推广和普及。      

水稻无人机施肥技术要点及展望

水稻规模化生产中迫切需要降低施肥劳动强度和生产成本。无人机施肥作为一项适用于水稻规模化生产轻简高效、绿色低碳的新兴技术,正在迅速发展。水稻无人机施肥过程中能规范化作业,是保障施肥效果和实现水稻高产的关键。本文从作业机型、肥料要求、施肥准备、施肥作业、机具保养、安全保障等方面阐述了水稻无人机施肥技术要点及展望,旨在为水稻无人机施肥技术规范化示范推广提供支撑。     

基于多传感器融合的无人机精准自主飞行控制方法

为解决我国植保无人机实际作业过程中普遍存在的由空间位置定位精度不足和飞行参数不稳定造成的雾滴分布不均匀、重喷、漏喷等问题,以多旋翼无人机系统为平台,基于ROS(Robot operating system)和MAVROS构建了由协同计算机与开源飞行控制器组成的二级控制系统,结合基于RTK-GPS的绝对位置测量和基于激光雷达的相对距离探测方法,融合外部传感器与飞行控制器板载传感器数据对无人机状态估计进行修正,提高了无人机飞行参数和飞行轨迹的稳定性。为进一步提高植保无人机自主作业性能,基于ROS设计了飞行任务管理系统,实现了无人机精准自主任务点之间的直线飞行。真实飞行试验结果表明：无人机自主飞行过程中水平方向平均定位误差为0.145m,垂直方向平均定位误差为0.053m。     

基于无人机遥感影像的盐碱地信息的精准提取方法

为探索在无人机遥感影像下可以对盐碱地信息精确分类的方法.选取甘肃省景泰川电力提灌灌区一期灌区为研究区,通过运用Trimble UX5固定机翼无人机采集研究区遥感数据,结合ENVI软件应用监督分类的五种分类器(平行六面体、最小距离、神经网络、最大似然、支持向量机)执行分类,对分类结果进行精度对比,并将典型区域盐碱地面积进...     

无人机在农作物病虫害快速诊断上的应用

从病虫害传统诊断方式的优缺点入手,基于现实应用案例,概括了无人机技术相较于传统诊断方式具有监测成本低、反映速度快、数据分辨率高、信息反馈直观全面等优势。并指出了基于无人机技术的病虫害诊断方式依然具有数据来源单一、简单;处理、分析能力及精度有限等亟待解决的问题。结论显示无人机在病虫害信息获取、分析、诊断方面具有广阔的应用前景。     

植保四轴无人飞行器关键技术探讨

笔者首先介绍了四轴飞行器的机械结构及飞行原理,然后分析了飞行器控制系统的软硬件设计,最后探讨了飞行器姿态数据的获取与解算以及实现飞行器稳定飞行的控制算法,希望能够为今后相关问题的研究提供一定的参考依据.     

基于遗传算法的无人机多目标路径规划

研究了无人机在抢险救灾中的应用,通过构建路径规划模型来求解最优路径,模型以整个无人机飞行路径距离最短为目标,利用遗传算法对路径方案进行迭代优化,利用适应度函数在迭代过程中更新种群个体,使得算法能够趋向最优解,同时利用遗传变异操作防止算法陷入局部最优解。利用MATLAB对算法进行计算,并通过随机个体比较对方案进行了验证。案例结果表明:该模型能够在较短时间内得到最优解,提高了无人机的工作效率,为抢险救灾争取到了宝贵的时间。     

无人机喷洒技术的研究

针对我国各地区土地资源、农业经营规模和农业栽培模式的特点,综述了无人机喷洒技术在病虫害防治方面的综合应用,提出了研究高效、高性能的无人机喷洒设备的迫切需求,以减少防治成本,提高农药使用效率,保护生态环境;同时,介绍了国内外无人机喷洒技术的研究现况,重点分析了无人机喷洒技术的关键技术研究,从理论、试验、应用等方面给出了无人机喷洒技术的研究对策和发展前景,为今后进一步研究无人机喷洒技术、实现数字农业以及经济的可持续发展奠定基础.     

基于无线传感网络的农业无人机航线控制系统

无人机是一个由飞行器、控制站、通讯设备和其它部件形成的系统,在农业领域主要应用于农药喷洒、信息监测和农业保险勘察。农业无人机在飞行过程中的实际航线与规划航路之间会存在偏差,不仅降低了作业质量,还会影响作业效率。无线传感网络是一种与无人机紧密结合的技术,可以用于对无人机的航线进行控制。为此,基于无线传感网络,设计了无人机的航线控制系统。该系统由无人机平台、传感节点、汇聚节点和控制中心4部分组成,对航线的控制通过二维坐标系跟随算法完成。试验结果表明:无线传感网络对直线和曲线航线的跟踪更加稳定,具有较高的航线控制精确度。     

基于深度学习的无人机土地覆盖图像分割方法

编制土地覆盖图需要包含精准类别划分的土地覆盖数据,传统获取方法成本高、工程量大,且效果不佳。提出一种面向无人机航拍图像的语义分割方法,用于分割不同类型的土地区域并分类,从而获取土地覆盖数据。首先,按照最新国家标准,对包含多种土地利用类型的航拍图像进行像素级标注,建立无人机高分辨率复杂土地覆盖图像数据集。然后,在语义分割模型DeepLab V3+的基础上进行改进,主要包括:将原始主干网络Xception+替换为深度残差网络ResNet+;引入联合上采样模块,增强编码器的信息传递能力;调整扩张卷积空间金字塔池化模块的扩张率,并移除该模块的全局池化连接;改进解码器,使其融合更多浅层特征。最后在本文数据集上训练和测试模型。实验结果表明,本文提出的方法在测试集上像素准确率和平均交并比分别为95. 06%和81. 22%,相比原始模型分别提升了14. 55个百分点和25. 49个百分点,并且优于常用的语义分割模型FCN-8S和PSPNet模型。该方法能够得到精度更高的土地覆盖数据,满足编制精细土地覆盖图的需要。     

基于改进RDN网络的无人机茶叶图像超分辨率重建

针对无人机搭建可见光传感器进行茶叶长势、病害等监测中因飞行高度影响图像分辨率的问题,本文提出了一种改进的残差密集网络(Residual dense network, RDN)用于无人机茶叶图像超分辨率重建。针对无人机茶叶图像纹理复杂的特点,以RDN为基线网络,在其结构中引入了残差组(Residual group, RG)模块,将多个残差通道注意力模块(Residual channel attention block, RCAB)组合在一起,通过引入注意力机制来区别对待不同的通道,关注无人机茶叶图像高频细节信息,从而提高网络的表征能力;同时设计了一个卷积长跳跃结构,利用带有卷积的远程跳跃连接,动态调整经过残差密集块(Residual dense block, RDB)后特征的权重,更好地利用无人机茶叶图像的分层特征信息,从而提升超分辨率重建图像的质量。实验结果表明,本文改进的RDN网络在无人机茶叶图像测试集上相较于其他算法表现更优,超分辨率重建后的图像具有更高的峰值信噪比和结构相似度,在4倍超分的情况下分别达到36.03 dB和0.913 2,能够为茶叶智能化监测研究提供支持。     

基于无人机遥感影像的冬小麦氮素监测

精准氮素管理是一项提高作物氮肥利用效率的有效策略,利用无人机遥感技术精确估测小麦氮素状况是必要的。试验在山东省乐陵市科技小院实验基地进行,利用八旋翼无人机搭载Mini-MCA多光谱相机于2016年获取冬小麦4个关键生育时期(返青期、拔节期、孕穗期、扬花期)冠层多光谱数据,同步获取地上部植株样品并测定其生物量、吸氮量、氮营养指数,及成熟期籽粒产量,根据各关键生育期与全生育期分别构建植被指数与农学参数回归分析模型,评估基于无人机遥感影像的冬小麦氮素营养诊断潜力。结果表明:基于无人机遥感影像能够较好地估测冬小麦氮素指标(R2为0.45~0.96),决定系数随着生育期推移而逐渐增大。拔节期、孕穗期和扬花期估产效果接近且具有很好的估测能力,扬花期DATT幂函数模型对小麦氮营养指数的解释能力最强(R2=0.95)。因此,以多旋翼无人机为平台同步搭载多光谱相机对冬小麦有较好的氮素诊断潜力,可利用估测结果指导精准氮肥管理。