排序方式: 共有576条查询结果,搜索用时 0 毫秒
51.
随着精细农业的发展,无人机在农业生产中的应用越来越广泛,无人机定位系统是无人机航线路径规划的关键环节。由于缺乏智能算法的应用,传统的无人机航线路径规划始终无法保证处于最优路径,经常发生误撞现象,严重影响无人机在农业生产中的持续作业,降低无人机作业效率。为此,深入研究了遗传算法工作原理、进化周期模型以及算法运算流程等理论,将遗传算法应用在无人机定位系统中,用于无人机航线路径的规划。通过确定无人机定位约束条件,按照遗传算法运算流程,定位无人机下一时刻最优运动节点,从而计算分析无人机最优航行轨迹,使无人机定位系统具有较强的定位功能,保证无人机航线路径处于最优路线,避免无人机碰撞到其他物体,使其能够在任何复杂的环境下完成飞行任务。 相似文献
52.
以Android为系统开发平台,设计一种植保无人机监控系统,可实现植保无人机飞行过程的移动控制.通过对植保无人机监控系统功能模块进行设计,并从Android基础理论出发,进行植保无人机控制系统软件设计,完成无人机植保作业过程中的状态监控及飞行控制.测试结果表明:该植保无人机监控系统能够有效地对无人机飞行过程进行控制. 相似文献
53.
植保无人机动态变量施药系统设计与试验 总被引:10,自引:0,他引:10
针对我国植保无人机施药系统控制方式单一,施药流量无法根据飞行参数自动调整造成的雾滴分布不均匀、重喷、漏喷等问题,设计了基于ARM架构单片机的施药控制系统,提出基于PWM(脉宽调制)的施药流量控制方法,采用多传感器融合技术,实现施药参数的实时动态监测。设计了基于LabVIEW的地面站控制软件,实现对施药系统的远程控制和作业数据存储。基于3CD-15型单旋翼无人机平台对动态变量施药系统实际作业性能及施药效果进行了测试。试验结果表明,在飞行速度为0.8~5.8 m/s时,该动态变量施药系统可实现施药流量与飞行速度自动匹配,实际流量与理论流量之间平均偏差为1.9%,实际施药作业优选飞行速度为3.91~5.10 m/s,此时有效喷幅为5 m,雾滴覆盖密度为18~41个/cm~2,变异系数为34%~75%,雾滴沉积量为42.1~52.4μg/cm~2。 相似文献
54.
55.
为了在病害发生条件下进行玉米LAI的遥感估算,针对41个不同抗性的玉米自交系品种,通过人工接种方法,获得了不同病害严重程度(1~9级)的LAI数据,同时采集了地面高光谱和无人机多光谱数据,构建了K近邻算法、支持向量机、梯度提升分类树和决策分类树分类模型对病害进行分类,对玉米种质资源抗病性进行了划分。基于不同玉米病害胁迫程度分类结果,采用随机森林回归、梯度提升回归树、极端梯度增强算法、轻量梯度提升机4种机器学习模型对玉米LAI进行反演,讨论了不同模型在病害胁迫下的鲁棒性。研究结果表明,对不同生育期玉米病害程度进行划分,基于地面高光谱识别精度分别为84.72%(梯度提升分类树)、47.67%(支持向量机)、55.05%(K近邻算法)、83.02%(决策分类树)。基于病害分类结果,本文利用无人机多光谱数据估算了不同病情等级胁迫下的玉米LAI。构建了4种集成学习模型对不同病情等级的LAI进行估算,4个LAI反演模型的总体反演精度(rRMSE)分别为:19.11%(梯度提升回归树)、15.94%(轻量梯度提升机)、14.51%(随机森林回归)和15.45%(极端梯度增强算法)。其中极端梯度增强算... 相似文献
56.
为从无人机遥感影像中准确识别烟草,实现植株定位与计数,以雪茄烟草植株为研究对象,提出一种新的深度学习模型。区别于传统的利用检测框识别目标,本文模型利用少量的关键点学习烟草中心形态学特征,并采用轻量级的编、解码器从无人机遥感影像快速识别烟草并定位计数。首先,提出的模型针对烟草植物形态学特点,通过中心关键点标注的方法,使用高斯函数生成概率密度图,引入更多监督信息。其次,对比不同主干网络在模型中的效果,ResNet18作为主干网络时平均精度大于99.5%,精度和置信度都高于测试的其他主干网络。而MobileNetV2在CPU环境下达到运行效率最优,但平均置信度相对较低。使用损失函数Focal Loss与MSE Loss结合的Union Loss时,平均精度大于99.5%。最后,利用不同波段组合作为训练数据,对比结果发现使用红边波段更有助于模型快速收敛且能够很好地区分烟草和杂草。由于红边波段与植株冠层结构相关,使用红边、红、绿波段时平均精度达到99.6%。本文提出的深度学习模型能够准确地检测无人机遥感影像中的烟草,可为烟草的农情监测提供数据支持。 相似文献
57.
高温干旱是影响作物生长及最终生产力的主要胁迫源。当前,无人机遥感技术已在作物倒伏和病虫害的分级监测研究中取得重大进展,但有关利用无人机遥感进行作物抗旱等级监测的研究却鲜有报道。因此,以苎麻种质资源为研究对象,提出了苎麻抗旱性量化标准,并提供了一种利用无人机多光谱遥感鉴定苎麻种质资源抗旱性的方法。首先,由专家对36份苎麻种质资源进行抗旱性分级;然后,结合无人机多光谱遥感获取的植被指数,采用随机森林(Random forest, RF)、支持向量机(Support vector machine, SVM)、决策树(Decision tree, DT)3种机器学习方法分别构建苎麻抗旱性鉴定模型,并通过苎麻在高温干旱胁迫下的表型响应检验鉴定结果;最后,基于无人机获取的遥感表型,筛选高温干旱胁迫下优质苎麻种质资源。结果表明,利用SVM构建的苎麻抗旱性鉴定模型正确率达到0.74,不同抗旱级分类F1得分范围为0.69~0.79,说明该方法能用于苎麻种质资源抗旱性评估。利用无人机遥感数据反演得到的3项苎麻表型性状(叶绿素相对含量、叶面积指数、株高)均与人工测量值具有较强的相关性,在此基础上,研究从高温... 相似文献
58.
无人机具有作业效率高、地形适应性好等独特优势,近年在农林业中应用范围不断扩大,相关研究成果数量呈快速上升式发展。为掌握无人机农林应用全球研究态势,本研究采集2011—2020年期间Web of Science 核心合集数据库中无人机农林应用全球研究相关文献数据,利用VOSviewer等统计软件对文献进行科学计量分析。分析结果表明,自2017年开始,无人机农林业应用研究发文数量快速增加,全球已有94个国家/地区、1778个机构开展了研究;发文量排名前三位的国家依次是美国、中国和澳大利亚,表明这三个国家从事无人机农林业应用的科研实力强,学术影响力大;共有398种期刊发表了有关无人机农林业应用研究文章,约占全部收录期刊的1.90%,说明更多的期刊开始关注无人机农林业应用研究;发文最多的期刊是由MDPI主办的Remote Sensing;被引次数最多的文章内容主要是关注无人机系统在摄影测量和遥感上的传感、导航、定位和通用数据处理等的研究现状。此外,对无人机农林业应用研究热点进行分析发现,无人机施药、无人机病虫害遥感、植物表型获取是无人机农林业应用的主要研究热点。本研究可为无人机在农林业上的创新研究、科研团队之间的合作提供参考。 相似文献
59.
针对实际稻田环境中水稻与杂草相互遮挡、难以准确区分的问题,提出一种基于改进DeepLabv3+的水稻杂草识别方法。以无人机航拍的复杂背景下稻田杂草图像为研究对象,在DeepLabv3+模型的基础上,选择轻量级网络MobileNetv2作为主干特征提取网络,以减少模型参数量和降低计算复杂度;融合通道和空间双域注意力机制模块,加强模型对重要特征的关注;提出一种基于密集采样的多分支感受野级联融合结构对空洞空间金字塔池化模块(ASPP)进行改进,扩大对全局和局部元素特征的采样范围;对模型解码器部分进行改进。设置消融试验验证改进方法的有效性,并与改进前DeepLabv3+、UNet、PSPNet、HrNet模型进行对比试验。试验结果表明,改进后模型对水稻田间杂草的识别效果最佳,其平均交并比(MIoU)、平均像素准确率(mPA)、F1值分别为90.72%、95.67%、94.29%,较改进前模型分别提高3.22、1.25、2.65个百分点;改进后模型内存占用量为11.15 MB,约为原模型的1/19,网络推算速度为103.91 f/s。结果表明改进后模型能够实现复杂背景下水稻与杂草分割,研究结果可... 相似文献
60.
设计了一种垂直起降尾座式无人机,利用中心组合试验(Central composite design,CCD)对无人机的翼展长、后掠角、小翼高和小翼厚4个结构参数进行设计,构建了25组样本点。利用ANSYS CFX进行升阻比和阻力数值模拟,通过Design-Expert软件建立无人机结构参数与升阻比、阻力的响应面模型,其中升阻比随着翼展长和小翼高的增加而增大,后掠角和小翼高对升阻比的影响较小,当攻角为4°~8°时,升阻比随小翼厚的增加而减小,当攻角为10°~12°时,升阻比随小翼厚的增加而增大;阻力随着翼展长和小翼厚的增加而增大,随小翼高的增加而减小,随后掠角的增加先增大后减小。以升阻比最大和阻力最小为优化目标,采用多目标遗传算法进行结构参数优化,得到最优结构参数为:翼展长1 123 mm、后掠角34°、小翼高39 mm、小翼厚3 mm,与原始样机相比升阻比提高了12. 4%,阻力降低了5. 3%。采用风洞试验对响应面模型进行了验证,其中升阻比和阻力的数值模拟相对误差小于8. 0%,响应面模型相对误差小于3%,表明响应面模型具有较高的精度和良好的通用性,可用于垂直起降尾座式无人机的优化设计。 相似文献