基于机器视觉的无人机油菜长势调查研究

精准农业以实时准确地获得作物生长信息为前提,可精确调控各种环境因素,促进农业物资合理利用和实现高产。在各种生长信息中,作物长势相关的参数是研究的重点。基于无人机的作物长势调查能够适应农田的复杂环境,在作业效率和降低成本上也有明显的优势。为此,开发了基于机器视觉的油菜长势调查方法,利用无人机搭载数码相机拍摄油菜图像,经过机器视觉分析处理后区分不同生育时期的油菜。以H分量值作为与生物量相关的特征参数,用于反映油菜的长势。在实际的应用中,建模样本的H值与实测生物量之间存在极显著的相关性,建立的模型准确计算出检验样本的生物量,为油菜的长势调查和产量预测提供了依据。     

飞行速度对无人机喷雾流场影响规律数值分析

为了解单旋翼无人机飞行速度对于其喷雾流场和雾滴沉积分布的影响,采用ANSYS FLUENT开展了单旋翼无人机喷雾作业气液两相流场的数值分析研究,重点分析了单旋翼无人机的飞行速度对于其喷雾流场的影响规律。数值分析的结果表明:单旋翼无人机下方的旋翼风场沿主旋翼的旋转方向具有一定的旋转分量,气流流速随离地高度的增大而增大;随着单旋翼无人机飞行速度由3m/s增加至5m/s,雾滴轨迹与水平线的夹角由25°减小到17°,沉积采样带上的变异系数CV均值由0.95减小到0.3;随着飞行速度的增大,雾滴沉积均匀性随之提高,单旋翼无人机的飞行速度对于其雾滴沉积均匀性具有显著影响。本文采用了更为贴近于实际的CFD模拟方法,可以比较准确地模拟出实际的雾滴沉积情况,为单旋翼无人机实际作业提供具有参考价值的指导。     

农业无人机智能机器学习系统——基于人工智能和深度学习

为了提高农业无人机作业时的自主学习能力,基于人工智能技术将深度学习算法应用到了无人机机器学习系统的设计上,并提出了基于神经网络深度学习的农业无人机智能识别系统,有效提高了无人机的自动学习和识别能力。以采摘机器人的设计为例,对智能机器学习系统的可靠性进行了验证,并对不同学习算法果实识别的准确性进行了测试。测试结果表明：基于神经网络的深度学习算法在果实的成熟度识别方面具有明显的优势,从而验证了算法的可靠性。     

基于无人机影像匹配点云的苗圃单木冠层三维分割

近年来较多的树冠提取算法以激光雷达数据为基础,然而激光点云数据量大、冗余多而且采集成本高。本文基于无人机影像匹配点云提取单木树冠轮廓,研究一种成本可控、能够补充甚至部分替代激光雷达的小范围森林制图方案。以福建省三明市某林场内苗圃地作为研究对象,在稠密的无人机影像匹配点云中截取2个25 m×25 m的样地作为测试样本。预处理后,首先构建植被冠层高度模型,以局部最大值法探测树冠位置并标记为种子点;从这些种子点形成的初始区域开始生长,迭代计算直到全部的影像匹配点云归并完毕;最后,将算法提取的树冠轮廓导入Arc GIS中获取树冠轮廓矢量边界,并与手绘参考树冠叠加,利用F测度实现精度的评定。依此方案,在2个林分范围内的树冠提取F测度均达到了89%以上,单木冠幅提取的误差在0.14 m以内。结果表明,该方案简单有效、精度可靠,适用于小范围、高精度的植被制图。     

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。     

剔除土壤背景的棉花水分胁迫无人机热红外遥感诊断

剔除无人机热红外影像中的土壤背景是提高作物水分诊断精度的有效途径,但也是热红外图像处理的难点问题。本文以不同水分处理的花铃期棉花为研究对象,分别在09:00、13:00和17:00等3个时刻,连续5 d采集无人机高分辨率热红外影像,并采用二值化Ostu算法和Canny边缘检测算法对热红外图像进行掩膜处理,实现对土壤背景的剔除,然后分别计算二值化Ostu算法、Canny边缘检测算法和包含土壤背景下的3种棉花水分胁迫指数(Crop water stress index,CWSI),最后建立不同时刻下3种CWSI与棉花叶片气孔导度Gs的关系模型。研究结果表明,应用Canny边缘检测算法可有效剔除热红外影像中的土壤背景,剔除土壤背景后的温度直方图呈单峰的偏态分布;3种处理方法获得的作物水分胁迫指数CWSI中,Canny边缘检测算法的CWSI最小,二值化Ostu算法的CWSI较高,包含土壤背景的CWSI最大;采用Canny边缘检测算法剔除土壤背景后的CWSI与棉花叶片气孔导度Gs的决定系数R2达到0.84,Ostu算法的结果次之,包含土壤背景的最差。本研究可为无人机热红外遥感监测作物水分状况提供参考。     

无人机航测在土地管理中的应用现状及前景分析

总结无人机航测的特点及其在土地管理中的应用现状,并分析目前存在的缺乏相关规范和标准、低空空域未开放、信息年取方法落后等问题,从政策、科技方面分析了无人机航测在土地管理中的应用前景。     

小型无人机非测量相机在林业调查中的应用研究

为提升林业调查的技术水平,研究小型无人机搭载非测量相机在林业调查中的应用技术。选择北京十三陵林场开展低空航拍试验,针对非测量相机的镜头畸变和小型无人机相机云台外方位元素误差较大的特点,分别通过相机检校算法和外方位元素逆向求解,进行内外方位元素定向,生成立体像对和正射影像;用地面控制点对相片整体进行几何精校正,采用3D量测工具测量立体区域树高,用地面控制点测量图像拼接区域面积和周长,用现地实测树高、面积和周长对图测结果进行检验和模型拟合。结果表明,通过适当的校正和调整,小型无人机搭载非测量相机基本能够满足林业调查对树高、面积及周长等的量测精度要求,应用前景广阔。