基于无人机RGB影像的染条锈冬小麦花青素含量监测

小麦植株感染条锈病后叶片花青素含量会发生明显变化。为了在地块尺度上利用冬小麦花青素值实现条锈病害的直观、快速监测,通过监测叶片花青素含量评估小麦条锈病严重程度,2021年获取感染条锈病的小麦田块的无人机RGB影像和采集地面病害区域的花青素含量数据,利用影像提取采样点感兴趣区的光谱特征参数和基于灰度共生矩阵的纹理特征参数,采用连续投影算法(SPA)结合相关性分析优选特征参数,分别采用单一光谱特征参数和组合参数,结合主成分回归(PCR)、拉索回归(LR)、随机森林回归(RFR)、梯度提升回归(GBR)和误差反向传播神经网络(BPNN)等方法构建了小麦花青素含量估算模型,并利用最优模型反演了田块的花青素含量。结果表明,图像光谱特征结合纹理特征后,花青素估算模型的R²增大,RMSE减小,模型精度显著提升。基于组合特征参数构建的随机森林模型精度最高,验证集R²、RMSE和MAE分别为0.801、0.026、0.021。该模型具有良好的花青素含量估算能力,得到的花青素值分布图与条锈病的空间分布具有一致性,能够定量化、可视化地反映病害严重程度。     

A novel approach to estimating the competitive ability of Cirsium arvense in cereals using unmanned aerial vehicle imagery

Eight experiments were carried out in Denmark to determine the yield loss of spring barley due to Cirsium arvense in farmers' fields and to suggest and evaluate a novel approach for quantifying C. arvense infestation in large plots. Literature about the competitive ability of C. arvense is old, scattered and inconclusive, and existing models for estimating crop yield loss are based on data from North America. This study showed that C. arvense coverage could be quantified from unmanned aerial vehicle imagery using a manual image analysis procedure. This gave similar results as scoring the coverage. Yield loss of spring barley due to C. arvense infestation assessed at harvest was given by Y = 100·(1−exp(−0.00170·X)) where Y is the percentage of crop yield loss and X is the percentage of C. arvense coverage. The yield loss was much lower than estimates from models that have been developed in North America. It is speculated that the main reason for this is the later emergence of C. arvense than the crop due to lower soil temperatures in spring. Grain moisture increased linearly with C. arvense coverage: M = 0.0310·X where M is the proportional (%) increase in grain moisture and X is the proportion (%) of C. arvense coverage. Automated image analysis procedures are needed to estimate C. arvense coverage on field scales, and further experiments are needed to reveal whether the low competitive ability of C. arvense found in this study is representative for Northern Europe.     

M45型多旋翼植保无人机减量施药对稻飞虱防治效果的影响

目的 研究多旋翼植保无人机减量施药对雾滴沉积效果以及稻飞虱防治效果的影响,促进水稻减量施药技术发展。方法 采用M45多旋翼植保无人机开展水稻施药田间试验,选取15.0和22.5 L/hm² 的施药液量,以及人工施药推荐剂量100%、90%、80%的3种减量农药剂量,研究不同施药液量和减量农药剂量对雾滴沉积效果以及稻飞虱防治效果的影响。结果 水稻冠层上部的雾滴沉积量明显优于冠层下部,2种施药液量以及3种减量农药剂量对雾滴沉积量的影响不显著;施药1周后稻飞虱数量显著减少。在相同施药液量条件下,减量农药剂量的变化对稻飞虱防治效果影响不明显。80%的农药剂量能满足稻飞虱防治要求。结论 无人机水稻施药作业中可选择80%的农药剂量进行减量施药。本研究可为水稻减量施药、减少水稻植保作业成本提供有益参考。     

基于无人机遥感的松材线虫病识别定位与视频会商系统开发研究

为实现松材线虫病Bursaphelenchus xylophilus的有效识别和定位,开发了基于Java、C++和HTML编程语言,结合OpenCV开源库、CloudRoom SDK、GeoTools工具和MySql数据库的具有松材线虫病识别定位和视频会商两个模块的系统.该系统利用OpenCV算法对感病松树Pinus ...     

植保无人机低空低量施药雾滴沉积飘移分布立体测试方法

随着植保无人机在中国的广泛使用,植保无人机的沉积分布均匀性与雾滴飘移流失也引起各方面的重视。目前,针对植保无人机施药雾滴沉积飘移的测试方法较少,且着重于从沉积或飘移中某一方面分析植保无人机雾滴沉积飘移规律,未对作业中全方位的雾滴的沉积飘失规律进行系统测试。该文基于国际标准ISO22866和ISO24253建了1套针对低空低量植保无人机的立体测试方法,分别在地面布置沉积和飘移收集器,在空中架设立体沉积和空中飘移收集器,结合航拍影像所获取的植保无人机准确作业参数,对4个型号植保无人机分别搭载德国Lechler公司的IDK120-015和TR80-0067喷头进行了测试,系统分析了无人机周边的总沉积以验证方法准确性,计算了总地面沉降以表征可利用部分和空中耗散以评估环境风险。结果表明,各植保无人机地面沉积率在53.6%~76.6%,地面飘移率最高17.4%,空中飘移率可高达14.7%;该测试系统可收集62.4%~101.7%无人机喷洒出的雾滴。测试的4种植保无人机在搭载IDK喷头后均明显降低了雾滴飘移,但也同时降低地面沉积率;各植保无人机在搭载2种喷头时沉积规律不同,不同植保无人机设计需要选择不同喷头。该测试方法能够有效的收集并分析植保无人机在作业区域的雾滴立体分布状态,可为植保无人机综合评估提供新的参考依据。     

小型植保无人机超低量喷雾对荒漠绿洲麦区小麦白粉病的防治效果

研究小型植保无人机超低量喷雾对小麦白粉病的防治效果,为科学使用小型植保无人机防控小麦病害提供指导。采用随机区组的方法,定点调查各处理小麦白粉病发生情况,评价供试药剂对小麦白粉病的防治效果。结果表明,240 g/L氯氟醚·吡唑酯SC 180 g/hm²、19%啶氧·丙环唑SC 199.50 g/hm²和 23%醚菌·氟环唑 SC 103.50 g/hm²添加增效剂迈飞对小麦白粉病具有较好的防效,防效分别为77.88%、74.23%和 73.26%。42%苯菌酮 SC 189.00 g/hm²、430 g/L戊唑醇悬浮剂SC 129.00 g/hm²、75%肟菌·戊唑醇 WG 202.50 g/hm²和 40%腈菌唑 WP 120.00 g/hm²添加增效剂迈飞对小麦白粉病防效在60.90%～65.72%之间。7 种药剂均可用于小型植保无人机超低量喷雾防治小麦白粉病,为了减缓抗药性的产生,建议在生产上轮换使用。     

无人机在棉田管理中的应用

棉花是国内重要的经济作物和纺织工业原料,是事关国计民生的重要战略物资,但棉花生产机械化程度低,现代植棉业发展缓慢,特别是黄河流域和长江流域棉区,一家一户的棉花种植规模小、效率低.近年来,国内农用无人机产业快速发展,农用无人机技术是发展智慧农业的有效保障手段之一,它为棉花产业向机械化、智能化升级提供了一定的技术支撑.通过...     

基于无人机视频影像的油菜苗检测与计数

针对油菜生长早期传统人工苗情调查方法效率低、主观意识强,不能满足大面积或经常性高精度苗期调查作业需求的问题,该研究基于无人机影像及机器学习技术,提出一种油菜苗视频流检测模型及计数方法。通过对YOLO系列基础模型添加多头自注意力,用BasicRFB（basic receptive field block）模块替换原有的空间池化结构（spatial pyramid pooling-fast,SPPF）模块,并对Neck部分添加一维卷积及更换下采样方式等,进一步结合DeepSORT（deep simple online and real-time tracking）算法和越线计数技术实现对油菜苗的数量统计。算例测试结果表明,改进后YOLOv5s的交并比阈值0.50的平均精度均值达到93.1%,交并比阈值0.50～0.95的平均精度均值达到了67.5%,明显优于Faster R-CNN、SSD和YOLOX等其他经典目标检测算法,交并比阈值0.50的平均精度均值分别高出14.82、26.37和3.3个百分点,交并比阈值为0.50～0.95范围下的平均精度均值分别高出25.7、33.9和6.7个百分点。油菜苗计数试验结果表明,离线视频计数时,在合理的种植密度区间内,所提算法的油菜苗计数精度平均达到93.75%,计数效率为人工计数的9.54倍;在线实时计数时,在不同天气情况下,计数平台的油菜苗计数精度最大相差1.87个百分点,具有良好的泛化性,满足油菜苗计数实时性要求。     

基于无人机遥感的盛花期薇甘菊监测技术

薇甘菊是世界十大有害杂草之一,其泛滥会对生态系统造成重大影响。建立一个高空间分辨率全域尺度的薇甘菊预警评估方法,是防治薇甘菊的关键手段之一。目前对薇甘菊的监测主要有人工踏查、卫星遥感监测,但前者效率低下而后者识别精度不够。以无人机为载体,通过采集待监测区域的薇甘菊彩色图像,应用Otsu-K-means、RGB、HSV色彩空间阈值分割算法以及K-means-RGB、K-means-HSV、K-means-RGB-HSV融合算法和MobileNetV3深度学习算法进行识别,采用召回率、精确率和均衡平均数F1值共3个评价指标对识别结果进行评价。实验结果表明K-means-RGB-HSV算法对盛花期薇甘菊的整体识别效果最佳。在此基础上,基于识别结果应用模糊层次分析法以及盖度公式,初步建立了薇甘菊的预警评估方法,划分了5个薇甘菊入侵危害等级,可根据所需监测精度的不同,设置不同尺寸的网格和辐射半径,绘制出薇甘菊入侵的精准分布热力图,能够清晰准确地体现不同区域的入侵薇甘菊的危害程度。在厘米级分辨率精度下,实现了基于无人机遥感的盛花期薇甘菊精准监测,为薇甘菊入侵的监测、预警和精准防治提供了有力支撑。     

农用植保旋翼无人机地面监控系统的设计与实现

植保无人机凭借其低成本、高效率、精准快速作业等优点,在农业植保领域得到快速发展,成为现代农业的一种重要装备。为了能够实时远程监控农用植保旋翼无人机的飞行状态信息,提高无人机飞行作业安全和作业质量,进行更好的飞行控制管理,设计并实现了植保旋翼无人机地面监控系统,可实现与植保无人机的远距离实时通信、监测飞行姿态、显示飞行作业轨迹和飞行控制等操作。地面监控系统采用嵌入式树莓派2作为硬件平台,2.4G无线模块实现数据收发,使用跨平台C++图形用户界面应用程序框架Qt对地面监控系统软件功能和交互界面进行开发,并制定了旋翼无人机与地面监控系统之间的数据通讯协议。该系统实际测试表明:监控系统可长时间连续稳定的工作,有效实现了对农用植保旋翼无人机实时监控与操作。