无人机遥感监测小麦条锈病初探

由条形柄锈菌小麦专化型(Puccinia striiformisf.sp.tritici)引起的小麦条锈病是我国重要的小麦病害之一,该病害是一种气传病害,在适宜条件下能够在短时间内大规模流行成灾[1].近年来,应用遥感技术进行植物病害监测的研究逐渐增多.Nilsson[2]综述了遥感技术在植物病害防控中的应用,认为多光谱测量、热红外、数码摄像、雷达、短波、激光、卫星等多种遥感监测技术,在植物病害和植物病害测量中具有很大潜力.无人机遥感也是遥感监测技术的重要组成部分,与一般的航空遥感相比,其具有成本低、分辨率高、受天气条件影响小的特点.     

无人机在我国林业上应用概述

文章对无人机在我国林业上的应用做一归类,主要包括在森林资源调查、森林资源监测、森林信息提取等方面的应用,并提出无人机在我国林业上应用存在的问题及建议。     

Using image analysis for quantitative assessment of needle bladder rust disease of Norway spruce

High elevation spruce forests of the European Alps are frequently infected by the needle rust Chrysomyxa rhododendri, a pathogen causing remarkable defoliation, reduced tree growth and limited rejuvenation. Exact quantification of the disease severity on different spatial scales is crucial for monitoring, management and resistance breeding activities. Based on the distinct yellow discolouration of attacked needles, it was investigated whether image analysis of digital photographs can be used to quantify disease severity and to improve phenotyping compared to conventional assessment in terms of time, effort and application range. The developed protocol for preprocessing and analysis of digital RGB images enabled identification of disease symptoms and healthy needle areas on images obtained in ground surveys (total number of analysed images n = 62) and by the use of a semiprofessional quadcopter (n = 13). Obtained disease severities correlated linearly with results obtained by manual counting of healthy and diseased needles for all approaches, including images of individual branches with natural background (R² = 0.87) and with black background (R² = 0.95), juvenile plants (R² = 0.94), and top views and side views of entire tree crowns of adult trees (R² = 0.98 and 0.88, respectively). Results underline that a well‐defined signal related to needle bladder rust symptoms of Norway spruce can be extracted from images recorded by standard digital cameras and using drones. The presented protocol enables precise and time‐efficient quantification of disease symptoms caused by C. rhododendri and provides several advantages compared to conventional assessment by manual counting or visual estimations.     

直线型植保无人机航姿UKF两级估计算法

针对直线型植保无人机航姿测量受磁场干扰严重、磁力计校准动态性能差、航姿估计精度低等问题,提出了一种基于磁力计实时校准的无人机航姿两级解算方法。依据地磁场矢量变化小的特点,利用列文伯格-马夸特（Levenberg-Marquardt,LM）算法和磁力计误差模型,建立磁力计实时校准模型,实时计算磁力计误差参数。考虑运动加速度、电机磁场以及环境磁场干扰,采用无迹卡尔曼滤波器（Unscented Kalman filter,UKF）融合陀螺仪和加速度计实现一级航姿估计,通过四元数精准解析出横滚角和俯仰角姿态信息;然后融合磁力计实时校准数据和陀螺仪修正航向角完成二级航姿估计,最终实现无人机姿态和航向的精准估计。试验结果表明,在外部磁场干扰高达30.97μT时,实时校准算法仍可快速计算出磁力计校准参数,模长均方根误差为0.59μT,减小了航向观测信息噪声。本文的航姿测量系统姿态角均方根误差不大于0.75°,航向角均方根误差为1.40°,较互补滤波算法,姿态角精度提高约0.6%,航向角估计精度提高1.38°;动态飞行试验中,姿态估计算法大幅减弱了磁干扰影响,航姿跟踪准确,航向角快速收敛,稳态精度更高。     

日本农业航空技术发展及对我国的启示

日本根据其地形、地貌特征、从事农业劳动的情况选择了从有人直升机到无人直升机航空施药为主的发展模式,研制了几款不同发展时期的植保无人机机型(R50、RMAX、RMAXⅡG、FAZER)应用于水稻植保作业,日本学者对农业航空遥感技术、精准导航控制技术、无人机控制技术进行了大量研究,在施药实践中形成了较为实用的无人机植保管理体制,确保了日本农业航空的健康、有序发展。本文旨在介绍日本农业航空现状、应用领域、精准施药技术及管理方法,以期为我国农业航空应用技术的发展提供借鉴。     

植保无人机昼夜作业的雾滴沉积特性及棉蚜防效对比

针对无人机在棉蚜防治过程中夜间作业雾滴沉积特性和防效未知、目标喷洒区域雾滴沉积规律不明确等问题,该研究采用P20植保无人机进行棉蚜防治试验,对比了无人机白天和夜间作业时棉花植株不同部位的雾滴沉积规律及棉蚜防效,以常规喷杆喷雾机和喷枪为对照。结果表明,无人机白天和夜间作业的雾滴沉积数量及覆盖率差异显著,相同作业参数下,夜间作业的雾滴沉积数量平均比白天多42.82%,覆盖率平均比白天增加51.04%;夜间作业的雾滴穿透性较好,棉花植株的中下层及叶片背面雾滴沉积数量均多于白天。夜间作业时,棉花植株中、下层的雾滴沉积数量平均占垂直方向上雾滴总数量的比例分别为34.79%和22.07%,白天平均占33.27%和21.89%,喷枪为29.50%和19.98%,喷杆喷雾机为43.30%和15.84%;无人机夜间作业的叶片背面雾滴沉积数量平均占正反面总雾滴沉积数量的19.80%,白天作业占14.18%,夜间比白天多39.63%,各层叶片背面的雾滴沉积数量表现为上层下层中层;总体上,无人机作业的叶片背面雾滴沉积数量比例不超过25%,喷枪及喷杆喷雾机作业的叶片背面雾滴数量少,分别占7.09%和0.20%;在棉花花铃期和蕾期作业时,为提高雾滴沉积数量和雾滴穿透性,建议将无人机作业参数设置为飞行高度1.5～2 m,飞行速度3～4 m/s,选用较大的喷洒量,因为只有无人机下压风场不削弱、雾滴不大量损失的前提下,旋翼风场才能有效促进雾滴穿透性。就雾滴沉积数量和棉蚜防效关系而言,药后第1天棉蚜减退率与叶片背面雾滴沉积数量呈正相关关系,因受天敌影响药后第10天二者关联性不高。试验表明,无人机夜间作业更有利于棉蚜防治,其防效显著优于白天作业和其他2种常规设备,且农药剂量减少20%对棉蚜防效无显著影响。该研究结果可为植保无人机作业参数的合理设置提供参考,为棉蚜有效防控提供科学依据。     

基于无人机影像自动检测冠层果的油茶快速估产方法

快速准确的产量估算对油茶经营管理和可持续发展具有重要意义。该研究针对油茶快速估产的应用现状,提出一种基于无人机影像自动检测冠层果的方法用于油茶快速估产。首先借助无人机航拍影像,通过随机抽样选取120株油茶树进行无人机近景摄影和人工采摘称量;然后利用Mask RCNN(Mask Region Convolutional Neural Networks) 网络开展基于近景影像的油茶冠层果自动检测与计数;采用线性回归和K最邻近建立冠层果数与单株果数之间的关系,同时结合研究区典型样木株数和平均单果质量,构建基于冠层果自动检测的估产模型。结果表明：1）无人机超低空近景影像结合Mask RCNN网络能够有效检测不同光照条件油茶果,平均F1值达89.91%;2）同传统卫星遥感相比,基于无人机近景摄影的冠层果自动检测在作物产量估测方面显示出明显优势,Mask RCNN网络预测的冠层果数与油茶样木单株果数之间具有良好的一致性,拟合决定系数R2达0.871;3）结合线性回归和K最邻近构建的模型估产精度均较高,拟合决定系数R2和标准均方根误差NRMSE（Normalized Root Mean Square Error）分别在0.892～0.913和28.01%～31.00%之间,表明基于无人机影像自动检测冠层果的油茶快速估产是一种切实可行的方法。研究结果可为油茶快速估产和智能监测提供参考。     

基于无人机影像的冠层光谱和结构特征监测甜菜长势

甜菜是中国北方地区重要的经济作物。快速、准确、高通量的获取甜菜的地上部和块根鲜质量、块根含糖率、叶绿素含量对甜菜生产具有重要意义。该研究采用无人机搭载数码和多光谱相机,获取甜菜叶丛快速生长期、块根及糖分增长期和糖分积累期的数码影像和多光谱影像,提取了冠层的结构特征和光谱特征。选择随机森林回归（Random Forest Regression,RFR）和偏最小二乘回归（Partial Least Squares Regression,PLSR）2种建模方法基于获取的冠层特征,构建甜菜全生育期的地上部和块根鲜质量、块根含糖率和SPAD（Soil and Plant Analyzer Development）值估算模型。研究结果表明,随机森林回归模型和偏最小二乘回归模型对地上部和块根鲜质量、含糖率都做出较好的预测,R2范围分别为0.9～0.94、0.88～0.9,rRMSE范围分别为7.6%～17%、8.8%～20%。对SPAD值的预测均较弱,R2分别为0.66和0.67。为了减小输入变量集的大小以及去掉对预测不敏感的变量,该研究采用置换重要性（Permutation Importance,PIMP）来筛选冠层光谱特征和结构特征中对预测有重要影响的变量。结果表明基于筛选出的重要性特征构建的随机森林回归模型和偏最小二乘回归模型对地上部和块根鲜质量、含糖率都做出较好的预测,R2范围分别为0.89～0.94、0.74～0.91,rRMSE范围分别为7.3%～19%、7.6%～19%。对SPAD值的预测均较弱,R2分别为0.65和0.68。进一步表明随机森林回归模型在精度上略好于偏最小二乘回归模型。同时基于PIMP筛选变量的方法在保持原有精度的同时能实现降低数据收集复杂性的目的。研究结果为基于无人机遥感技术快速、准确监测甜菜长势和估测块根类作物的根部活性物质提供了参考。     

基于移动无线传感器网络的植株图像监测系统设计与测试

针对静态无线传感器网络(static wireless sensor network,SWSN)在图像监测中功耗分布不均、传输不可靠等问题,设计了基于移动无线传感器网络(mobile wireless sensor network,MWSN)的农田植株图像监测系统。选用JN5139模块搭配摄像头采集和编码图像,利用无人机(unmanned aerial vehicle,UAV)搭载协调器收集信息。通过仿真和测试可得,节点在MWSN中的最小功耗为10μW,工作功耗为133 m W,在SWSN中为133 m W,路由节点功耗为普通节点的2倍;在10~35 m范围内,MWSN的信号强度为-68~-86 dbm,SWSN为-83~-85 dbm;在10~80 m范围内,MWSN的误码率范围是0~9.2%,SWSN是0~38.6%。试验时UAV在15 m高空悬停接收地面设备发出的图像数据,测得获取一张图片平均需135 s,图片分包平均为22次,解码后的图像可以较好的反映植株生长状态。上述结果表明,工作时间相同,MWSN中节点的功耗差异性小,呈均匀分布;在一定距离范围内,MWSN的传输能力和抗干扰能力整体上优于SWSN,能保证数据传输的可靠性,因此,基于移动无线传感器网络技术的图像监控系统能够满足大范围农田中植株图像的监测需求。     

无人机点射式水稻播种装置控制系统设计与试验

针对当前无人机水稻撒播难以成行成穴、落种易受旋翼风场干扰和播种均匀性不佳等问题,该研究结合点射式水稻播种装置和飞行控制器设计了一套播种控制系统,开发了配套的地面站功能,并制作了样机。控制系统基于PID算法实现排种器步进电机的转速闭环控制,通过标定模型对振动电机激振力和摩擦轮电机转速进行控制,并根据状态机设计播种控制程序。以3倍丸粒化稻种为对象,从播种量准确性、播种成行性和播种均匀性3个方面对样机的播种性能进行验证并优选合适的播种参数。试验结果表明：无人机模拟飞行的播种量准确性测试中,样机以1.0～2.5 m/s的作业速度进行播种时,播种量的平均相对误差小于4%,控制系统具有较好的动态调节能力。实地飞播测试中,样机以1.0和1.5 m的高度播种时,种子分布在12 cm种行宽度内的平均概率超过80%,成行性较好。考虑安全因素,优选1.5 m为样机的适宜作业高度。在作业高度为1.5 m,3倍丸粒化稻种的播种量为90～150 kg/hm2（对应裸种的播种量22.5～37.5 kg/hm2）,作业速度为0.5～2.0 m/s时,播种均匀性变异系数为20.51%～35.52%。进一步分析发现,适当提升作业速度可提高播种均匀性。田间试验结果表明,播种量的相对误差分别为2.47%和4.12%,播种均匀性变异系数分别为22.17%和21.82%,种子破损率分别为0.34%和0.18%,满足相关标准的水稻飞播精度控制要求。研究结果可为无人机水稻直播技术提供参考。