CN104330410B - 位于无人机上的作物病虫害检测系统 - Google Patents

位于无人机上的作物病虫害检测系统 Download PDF

Info

Publication number
CN104330410B
CN104330410B CN201410613936.1A CN201410613936A CN104330410B CN 104330410 B CN104330410 B CN 104330410B CN 201410613936 A CN201410613936 A CN 201410613936A CN 104330410 B CN104330410 B CN 104330410B
Authority
CN
China
Prior art keywords
disease
scab
unmanned plane
image
crop
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410613936.1A
Other languages
English (en)
Other versions
CN104330410A (zh
Inventor
周亚宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong Hongda Mechanical and Electrical Manufacturing Co., Ltd.
Original Assignee
NANTONG HONGDA MECHANICAL AND ELECTRICAL MANUFACTURING Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NANTONG HONGDA MECHANICAL AND ELECTRICAL MANUFACTURING Co Ltd filed Critical NANTONG HONGDA MECHANICAL AND ELECTRICAL MANUFACTURING Co Ltd
Priority to CN201410613936.1A priority Critical patent/CN104330410B/zh
Publication of CN104330410A publication Critical patent/CN104330410A/zh
Application granted granted Critical
Publication of CN104330410B publication Critical patent/CN104330410B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Catching Or Destruction (AREA)

Abstract

本发明涉及一种位于无人机上的作物病虫害检测系统,包括随机存储器、高清摄像头、图像处理器和主控制器,所述高清摄像头用于捕获作物图像,所述图像处理器与所述高清摄像头连接,用于对所述作物图像进行图像处理,以获得所述作物图像中的作物病虫害类型,所述主控制器与所述随机存储器和所述图像处理器分别连接,用于将所述作物病虫害类型存储到所述随机存储器中。通过本发明,能够自动获得田间作物的病虫害类型,以方便相关农业管理部门在无人机返航时进行调用,从而做出有针对性的病虫害防控措施。

Description

位于无人机上的作物病虫害检测系统
技术领域
本发明涉及病虫害防控领域,尤其涉及一种位于无人机上的作物病虫害检测系统。
背景技术
在农业生产过程中,有效实现对病虫害的防控是保证农业丰收的前提,如果种植的作物病害是分布较广、危害较重的病害,将会严重影响作物的产量和品质,在对病虫害的防控之前,首先要做的是判断病虫害的类型,病虫害类型判断如果准确,则病虫害容易得到根治,而病虫害类型判断如果不准确,则将浪费大量人力和财力,耽误宝贵的医治时间。
传统的病虫害诊断方法是通过肉眼观察判断,并结合农业作物病害图谱进行比对,效率低下,难以及时、准确地发现和治理病害。近年来开发和应用的一些作物病害专家系统虽然起到了一些作用,但由于其需要大量的病害数据作为系统的输入,而作物病害的具体特征非常复杂,难以实现精确的量化,因此影响了专家系统判断的准确性。也有一些农业管理部门采用卫星遥感的方式进行病虫害检测,但这种检测方式造价昂贵。
因此,需要一种新的作物病虫害检测系统,性价比适中,能够适应作物检测面积宽广和病虫害精确诊断的要求,方便相关农业管理部门灵活操控,以便于后期有的放矢地进行作物病虫害医治。
发明内容
为了解决上述问题,本发明提供了一种位于无人机上的作物病虫害检测系统,借用无人机的平台,依靠无人机灵活、检测面积广的特点,能够灵活对任何需要监控的区域进行病虫害检测,同时采用图像识别技术,首先进行病害图像的预处理,将采集到的图像通过灰度化和中值滤波后,进行图像分割,得到病斑图像,随后以病虫害特征来描述病斑图像中作物病斑的形状特征,从而有效识别病虫害类型。
根据本发明的一方面,提供了一种位于无人机上的作物病虫害检测系统,所述检测系统包括随机存储器、高清摄像头、图像处理器和主控制器,所述高清摄像头用于捕获作物图像,所述图像处理器与所述高清摄像头连接,用于对所述作物图像进行图像处理,以获得所述作物图像中的作物病虫害类型,所述主控制器与所述随机存储器和所述图像处理器分别连接,用于将所述作物病虫害类型存储到所述随机存储器中。
更具体地,所述位于无人机上的作物病虫害检测系统中,所述检测系统还包括,串行通信接口,与所述随机存储器连接,用于将所述随机存储器中的存储内容读出;闪存卡,预先存储了病斑上限灰度阈值和病斑下限灰度阈值,还预先存储有病虫害特征数据库,所述病虫害特征数据库保存了每一种病虫害类型以及每一种病虫害类型对应的病虫害特征,所述病虫害特征包括病斑面积、病斑最小外接矩形面积和病斑矩形度;无线通信接口,用于接收远程农业管理平台无线发送的无人机控制指令,所述无人机控制指令中包括拍照高度和拍照GPS位置;GPS定位器,连接GPS导航卫星,用于接收所述无人机所在位置的当前GPS位置;气压高度传感器,包括无线电发射机、无线电接收机和单片机,所述单片机与所述无线电发射机和所述无线电接收机分别连接,所述无线电发射机向地面发射无线电波,所述无线电接收机接收地面反射的无线电波,所述单片机根据所述无线电发射机的发射时间、所述无线电接收机的接收时间和无线电波传播速度计算无人机的当前高度,所述无线电波传播速度为光速;无人机驱动设备,用于为所述无人机的飞行提供动力;所述图像处理器包括灰度处理单元、增强处理单元、滤波处理单元、图像分割单元和特征识别单元,所述灰度处理单元与所述高清摄像头连接以对所述作物图像进行灰度处理,获得灰度图像,所述增强处理单元与所述灰度处理单元连接以基于小波图像增强算法对所述灰度图像处理,获得增强图像,所述滤波处理单元与所述增强处理单元连接以基于中值滤波算法对所述增强图像处理,获得滤波图像,所述图像分割单元与所述滤波处理单元和所述闪存卡分别连接,将所述滤波图像中灰度值在所述病斑上限灰度阈值和所述病斑下限灰度阈值之间的像素识别并组成病斑图像,所述特征识别单元与所述图像分割单元和所述闪存卡分别连接,识别所述病斑图像中的病虫害特征,并将识别的病虫害特征在所述病虫害特征数据库中查找与识别的病虫害特征匹配的病虫害类型,以作为所述作物病虫害类型输出;所述主控制器,与所述随机存储器、所述闪存卡、所述无线通信接口、所述GPS定位器、所述气压高度传感器、所述无人机驱动设备、所述高清摄像头和所述图像处理器分别连接,对所述无人机控制指令进行解析以获得所述拍照高度和所述拍照GPS位置,并控制所述无人机驱动设备以驱动所述无人机飞往所述拍照高度和所述拍照GPS位置,在所述当前GPS位置与所述拍照GPS位置一致且所述当前高度与所述拍照高度一致时,启动所述高清摄像头和所述图像处理器,并将所述当前GPS位置和所述图像处理器输出的作物病虫害类型对应存储到所述随机存储器中;其中,所述随机存储器存储完所述当前GPS位置和所述作物病虫害类型后,向所述主控制器发送存储成功信号,所述主控制器在接收到所述存储成功信号后通过所述无线通信接口向所述远程农业管理平台发送检测完成命令,以便于所述远程农业管理平台继续向所述无线通信接口发送无人机控制指令;所述病斑面积为所述病斑图像中病斑形状所占据的像素总数,所述病斑最小外接矩形为包围所述病斑图像中病斑形状的最小矩形所占据的像素总数,所述病斑矩形度为所述病斑面积与所述病斑最小外接矩形的比值。
更具体地,所述位于无人机上的作物病虫害检测系统中,所述检测系统还包括,照明设备,用于为所述高清摄像头的拍摄提供辅助照明。
更具体地,所述位于无人机上的作物病虫害检测系统中,所述照明设备包括亮度传感器,用于测量所述无人机所在位置的亮度数据,所述照明设备基于所述亮度数据控制为所述高清摄像头的拍摄提供的辅助照明。
更具体地,所述位于无人机上的作物病虫害检测系统中,所述高清摄像头的分辨率为1280×720。
更具体地,所述位于无人机上的作物病虫害检测系统中,所述病虫害特征还包括病斑几何重心和病斑圆度。
更具体地,所述位于无人机上的作物病虫害检测系统中,所述病斑几何重心为所述病斑图像中病斑形状的形心。
更具体地,所述位于无人机上的作物病虫害检测系统中,所述病斑圆度为所述病斑图像中病斑形状与标准圆形的相似度。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的位于无人机上的作物病虫害检测系统的结构方框图。
图2为根据本发明实施方案示出的位于无人机上的作物病虫害检测系统的气压高度传感器的结构方框图。
具体实施方式
下面将参照附图对本发明的位于无人机上的作物病虫害检测系统的实施方案进行详细说明。
病虫害是病害和虫害的并称,常对农业生产造成不良影响。
具体到病害,植物在栽培过程中,受到有害生物的侵染或不良环境条件的影响,正常新陈代谢受到干扰,从生理机能到组织结构上发生一系列的变化和破坏,以至在外部形态上呈现反常的病变现象,如枯萎、腐烂、斑点、霉粉、花叶等,统称病害。
引起植物发病的原因,包括生物因素和非生物因素。由生物因素如真菌、细菌、病毒等侵入植物体所引起的病害,有传染性,称为侵染性病害或寄生性病害,由非生物因素如旱、涝、严寒、养分失调等影响或损坏生理机能而引起的病害,没有传染性,称为非侵染性病害或生理性病害。在侵染性病害中,致病的寄生生物称为病原生物,其中真菌、细菌常称为病原菌。被侵染的植物称为寄主植物。侵染性病害的发生不仅取决于病原生物的作用,而且与寄主生理状态以及外界环境条件也有密切关系,是病原生物、寄主植物和环境条件三者相互作用的结果。
具体到虫害,危害药用植物的动物种类很多,其中主要是昆虫,另外有螨类、蜗牛、鼠类等。昆虫中虽有很多属于害虫,但也有益虫,对益虫应加以保护、繁殖和利用。因此,认识昆虫,研究昆虫,掌握害虫发生和消长规律,对于防治害虫,保护植物获得优质高产,具有重要意义。
各种昆虫由于食性和取食方式不同,口器也不相同,主要有咀嚼式口器和刺吸式口器。咀嚼式口器害虫,如甲虫、蝗虫及蛾蝶类幼虫等。他们都取食固体食物,危害根、茎、叶、花、果实和种子、蔬菜,造成机械性损伤,如缺刻、孔洞、折断、钻蛀茎秆、切断根部等。刺吸式口器害虫,如蚜虫、椿蟓、叶蝉和螨类等。他们是以针状口器刺入植物组织吸食食料,使植物呈现萎缩、皱叶、卷叶、枯死斑、生长点脱落、虫瘿(受唾液刺激而形成)等。此外,还有虹吸式口器(如蛾蝶类)、纸吸式口器(如蝇类)、嚼吸式口器(如蜜蜂)。
不同的病虫害形成的作物病斑,在外观上形状各不相同,可用来进行病虫害类型的识别依据。
本发明的位于无人机上的作物病虫害检测系统,在相关农业管理部门的远程无线操控下,能够灵活到达任何需要检测的领域,同时图像识别技术的引用保证了病虫害识别的精确性。
图1为根据本发明实施方案示出的位于无人机上的作物病虫害检测系统的结构方框图,如图1所示,所述检测系统包括随机存储器3、高清摄像头1、图像处理器2和主控制器4,所述高清摄像头1用于捕获作物图像,所述图像处理器2与所述高清摄像头1连接,用于对所述作物图像进行图像处理,以获得所述作物图像中的作物病虫害类型,所述主控制器4与所述随机存储器3、所述图像处理器2和所述高清摄像头1分别连接,用于将所述作物病虫害类型存储到所述随机存储器3中。
接着,对本发明的位于无人机上的作物病虫害检测系统的结构进行更具体的说明。
所述检测系统还包括,串行通信接口,与所述随机存储器3连接,用于将所述随机存储器3中的存储内容读出。
所述检测系统还包括,闪存卡,预先存储了病斑上限灰度阈值和病斑下限灰度阈值,还预先存储有病虫害特征数据库,所述病虫害特征数据库保存了每一种病虫害类型以及每一种病虫害类型对应的病虫害特征,所述病虫害特征包括病斑面积、病斑最小外接矩形面积和病斑矩形度。
所述检测系统还包括,无线通信接口,用于接收远程农业管理平台无线发送的无人机控制指令,所述无人机控制指令中包括拍照高度和拍照GPS位置。
所述检测系统还包括,GPS定位器,连接GPS导航卫星,用于接收所述无人机所在位置的当前GPS位置。
参照图2所示,所述检测系统还包括,气压高度传感器,气压高度传感器包括无线电发射机5、无线电接收机6和单片机7,所述单片机7与所述无线电发射机5和所述无线电接收机6分别连接,所述无线电发射机5向地面发射无线电波,所述无线电接收机6接收地面反射的无线电波,所述单片机7根据所述无线电发射机5的发射时间、所述无线电接收机6的接收时间和无线电波传播速度计算无人机的当前高度,所述无线电波传播速度为光速。
所述检测系统还包括,无人机驱动设备,用于为所述无人机的飞行提供动力。
所述图像处理器2包括灰度处理单元、增强处理单元、滤波处理单元、图像分割单元和特征识别单元,所述灰度处理单元与所述高清摄像头1连接以对所述作物图像进行灰度处理,获得灰度图像,所述增强处理单元与所述灰度处理单元连接以基于小波图像增强算法对所述灰度图像处理,获得增强图像,所述滤波处理单元与所述增强处理单元连接以基于中值滤波算法对所述增强图像处理,获得滤波图像,所述图像分割单元与所述滤波处理单元和所述闪存卡分别连接,将所述滤波图像中灰度值在所述病斑上限灰度阈值和所述病斑下限灰度阈值之间的像素识别并组成病斑图像,所述特征识别单元与所述图像分割单元和所述闪存卡分别连接,识别所述病斑图像中的病虫害特征,并将识别的病虫害特征在所述病虫害特征数据库中查找与识别的病虫害特征匹配的病虫害类型,以作为所述作物病虫害类型输出。
所述主控制器4,与所述随机存储器3、所述闪存卡、所述无线通信接口、所述GPS定位器、所述气压高度传感器、所述无人机驱动设备、所述高清摄像头1和所述图像处理器2分别连接,对所述无人机控制指令进行解析以获得所述拍照高度和所述拍照GPS位置,并控制所述无人机驱动设备以驱动所述无人机飞往所述拍照高度和所述拍照GPS位置,在所述当前GPS位置与所述拍照GPS位置一致且所述当前高度与所述拍照高度一致时,启动所述高清摄像头1和所述图像处理器2,并将所述当前GPS位置和所述图像处理器2输出的作物病虫害类型对应存储到所述随机存储器3中。
其中,所述随机存储器3存储完所述当前GPS位置和所述作物病虫害类型后,向所述主控制器4发送存储成功信号,所述主控制器4在接收到所述存储成功信号后通过所述无线通信接口向所述远程农业管理平台发送检测完成命令,以便于所述远程农业管理平台继续向所述无线通信接口发送无人机控制指令;所述病斑面积为所述病斑图像中病斑形状所占据的像素总数,所述病斑最小外接矩形为包围所述病斑图像中病斑形状的最小矩形所占据的像素总数,所述病斑矩形度为所述病斑面积与所述病斑最小外接矩形的比值。
其中,所述检测系统还可以包括,照明设备,用于为所述高清摄像头1的拍摄提供辅助照明,所述照明设备可以包括亮度传感器,用于测量所述无人机所在位置的亮度数据,所述照明设备基于所述亮度数据控制为所述高清摄像头1的拍摄提供的辅助照明,所述高清摄像1的分辨率可选为1280×720,所述病虫害特征还包括病斑几何重心和病斑圆度,所述病斑几何重心为所述病斑图像中病斑形状的形心,所述病斑圆度为所述病斑图像中病斑形状与标准圆形的相似度。
另外,中值滤波法是一种非线性平滑技术,他将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值,中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点。中值滤波法对消除椒盐噪声非常有效,在光学测量条纹图像的相位分析处理方法中有特殊作用,但在条纹中心分析方法中作用不大,中值滤波在图像处理中,常用于保护边缘信息,是经典的平滑噪声的方法。
另外,闪存(FlashMemory)是一种长寿命的非易失性(在断电情况下仍能保持所存储的数据信息)的存储器,数据删除不是以单个的字节为单位而是以固定的区块为单位,区块大小一般为256KB到20MB。闪存是电子可擦除只读存储器(EEPROM)的变种,闪存与EEPROM不同的是,EEPROM能在字节水平上进行删除和重写而不是整个芯片擦写,而闪存的大部分芯片需要块擦除。由于其断电时仍能保存数据,闪存通常被用来保存设置信息,如在电脑的BIOS(基本程序)、PDA(个人数字助理)、数码相机中保存资料等。闪存是一种非易失性存储器,即断电数据也不会丢失。
采用本发明的位于无人机上的作物病虫害检测系统,针对现有作物病虫害检测系统性价比不高、监控不够灵活、精度不高的技术问题,通过将检测系统设置在无人机上,借用无人机的可控制性、低空飞行的特点,能够出现在任何需要监控的区域,同时图像识别技术和无线通信技术的引用,保证病虫害特征识别的准确性和数据传输的有效性。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。

Claims (7)

1.一种位于无人机上的作物病虫害检测系统,其特征在于,所述检测系统包括随机存储器、高清摄像头、图像处理器和主控制器,所述高清摄像头用于捕获作物图像,所述图像处理器与所述高清摄像头连接,用于对所述作物图像进行图像处理,以获得所述作物图像中的作物病虫害类型,所述主控制器与所述随机存储器和所述图像处理器分别连接,用于将所述作物病虫害类型存储到所述随机存储器中,
所述检测系统还包括:
串行通信接口,与所述随机存储器连接,用于将所述随机存储器中的存储内容读出;
闪存卡,预先存储了病斑上限灰度阈值和病斑下限灰度阈值,还预先存储有病虫害特征数据库,所述病虫害特征数据库保存了每一种病虫害类型以及每一种病虫害类型对应的病虫害特征,所述病虫害特征包括病斑面积、病斑最小外接矩形面积和病斑矩形度;
无线通信接口,用于接收远程农业管理平台无线发送的无人机控制指令,所述无人机控制指令中包括拍照高度和拍照GPS位置;
GPS定位器,连接GPS导航卫星,用于接收所述无人机所在位置的当前GPS位置;
气压高度传感器,包括无线电发射机、无线电接收机和单片机,所述单片机与所述无线电发射机和所述无线电接收机分别连接,所述无线电发射机向地面发射无线电波,所述无线电接收机接收地面反射的无线电波,所述单片机根据所述无线电发射机的发射时间、所述无线电接收机的接收时间和无线电波传播速度计算无人机的当前高度,所述无线电波传播速度为光速;
无人机驱动设备,用于为所述无人机的飞行提供动力;
所述图像处理器包括灰度处理单元、增强处理单元、滤波处理单元、图像分割单元和特征识别单元,所述灰度处理单元与所述高清摄像头连接以对所述作物图像进行灰度处理,获得灰度图像,所述增强处理单元与所述灰度处理单元连接以基于小波图像增强算法对所述灰度图像处理,获得增强图像,所述滤波处理单元与所述增强处理单元连接以基于中值滤波算法对所述增强图像处理,获得滤波图像,所述图像分割单元与所述滤波处理单元和所述闪存卡分别连接,将所述滤波图像中灰度值在所述病斑上限灰度阈值和所述病斑下限灰度阈值之间的像素识别并组成病斑图像,所述特征识别单元与所述图像分割单元和所述闪存卡分别连接,识别所述病斑图像中的病虫害特征,并将识别的病虫害特征在所述病虫害特征数据库中查找与识别的病虫害特征匹配的病虫害类型,以作为所述作物病虫害类型输出;
所述主控制器,与所述随机存储器、所述闪存卡、所述无线通信接口、所述GPS定位器、所述气压高度传感器、所述无人机驱动设备、所述高清摄像头和所述图像处理器分别连接,对所述无人机控制指令进行解析以获得所述拍照高度和所述拍照GPS位置,并控制所述无人机驱动设备以驱动所述无人机飞往所述拍照高度和所述拍照GPS位置,在所述当前GPS位置与所述拍照GPS位置一致且所述当前高度与所述拍照高度一致时,启动所述高清摄像头和所述图像处理器,并将所述当前GPS位置和所述图像处理器输出的作物病虫害类型对应存储到所述随机存储器中;
其中,所述随机存储器存储完所述当前GPS位置和所述作物病虫害类型后,向所述主控制器发送存储成功信号,所述主控制器在接收到所述存储成功信号后通过所述无线通信接口向所述远程农业管理平台发送检测完成命令,以便于所述远程农业管理平台继续向所述无线通信接口发送无人机控制指令;
其中,所述病斑面积为所述病斑图像中病斑形状所占据的像素总数,所述病斑最小外接矩形为包围所述病斑图像中病斑形状的最小矩形所占据的像素总数,所述病斑矩形度为所述病斑面积与所述病斑最小外接矩形的比值。
2.如权利要求1所述的位于无人机上的作物病虫害检测系统,其特征在于,所述检测系统还包括:
照明设备,用于为所述高清摄像头的拍摄提供辅助照明。
3.如权利要求2所述的位于无人机上的作物病虫害检测系统,其特征在于:
所述照明设备包括亮度传感器,用于测量所述无人机所在位置的亮度数据,所述照明设备基于所述亮度数据控制为所述高清摄像头的拍摄提供的辅助照明。
4.如权利要求1所述的位于无人机上的作物病虫害检测系统,其特征在于:
所述高清摄像头的分辨率为1280×720。
5.如权利要求1所述的位于无人机上的作物病虫害检测系统,其特征在于:
所述病虫害特征还包括病斑几何重心和病斑圆度。
6.如权利要求5所述的位于无人机上的作物病虫害检测系统,其特征在于:
所述病斑几何重心为所述病斑图像中病斑形状的形心。
7.如权利要求5所述的位于无人机上的作物病虫害检测系统,其特征在于:
所述病斑圆度为所述病斑图像中病斑形状与标准圆形的相似度。
CN201410613936.1A 2014-11-04 2014-11-04 位于无人机上的作物病虫害检测系统 Active CN104330410B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410613936.1A CN104330410B (zh) 2014-11-04 2014-11-04 位于无人机上的作物病虫害检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410613936.1A CN104330410B (zh) 2014-11-04 2014-11-04 位于无人机上的作物病虫害检测系统

Publications (2)

Publication Number Publication Date
CN104330410A CN104330410A (zh) 2015-02-04
CN104330410B true CN104330410B (zh) 2015-11-25

Family

ID=52405180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410613936.1A Active CN104330410B (zh) 2014-11-04 2014-11-04 位于无人机上的作物病虫害检测系统

Country Status (1)

Country Link
CN (1) CN104330410B (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104697501A (zh) * 2015-03-08 2015-06-10 无锡桑尼安科技有限公司 苹果园产量测量系统
CN104677342A (zh) * 2015-03-08 2015-06-03 无锡桑尼安科技有限公司 一种苹果园产量测量方法
CN105875066A (zh) * 2015-04-08 2016-08-24 吴春光 一种石榴树电子化自动采摘方法
CN104950082A (zh) * 2015-06-22 2015-09-30 黑龙江八一农垦大学 一种病虫害预测系统
CA3034610A1 (en) * 2016-09-08 2018-03-15 Walmart Apollo, Llc Systems and methods for defending crops from crop-damaging pests via unmanned vehicles
CA3035068A1 (en) 2016-09-08 2018-03-15 Walmart Apollo, Llc Systems and methods for dispensing an insecticide via unmanned vehicles to defend a crop-containing area against pests
CN106645147A (zh) * 2016-11-16 2017-05-10 王金鹏 一种病虫害监测方法
CN106568777A (zh) * 2016-11-16 2017-04-19 王金鹏 一种病虫害监测系统
CN106791602A (zh) * 2016-11-23 2017-05-31 河池学院 一种林果业防虫害飞行机器人
CN106585992A (zh) * 2016-12-15 2017-04-26 上海土是宝农业科技有限公司 一种无人机智能识别、精确喷洒农药的方法及系统
CN106778888A (zh) * 2016-12-27 2017-05-31 浙江大学 一种基于无人机遥感的果园病虫害普查系统和方法
CN106815819B (zh) * 2017-01-24 2019-08-13 河南工业大学 多策略粮虫视觉检测方法
CN110418572A (zh) * 2017-03-12 2019-11-05 株式会社尼罗沃克 作物拍摄用无人机
CN106940734A (zh) * 2017-04-24 2017-07-11 南京信息工程大学 一种迁飞昆虫空中监测识别方法及装置
CN106952300A (zh) * 2017-04-28 2017-07-14 深圳前海弘稼科技有限公司 基于图像识别植物病变的方法及系统、计算机设备
CN107315381B (zh) * 2017-08-02 2020-07-17 吴青平 一种农作物病虫害的监测方法
WO2019076759A1 (en) * 2017-10-17 2019-04-25 Basf Se AERIAL VEHICLE WITHOUT PILOT
CN109724149A (zh) * 2018-07-24 2019-05-07 永康市蜂蚁科技有限公司 基于图像数据解析的拓展型暖气片
CN109840549B (zh) * 2019-01-07 2021-04-27 武汉南博网络科技有限公司 一种病虫害识别方法和装置
CN109548775A (zh) * 2019-01-15 2019-04-02 浙江蓝禾医疗用品有限公司 娱乐型捕虫无人机
CN110859180A (zh) * 2019-11-21 2020-03-06 中国林业科学研究院森林生态环境与保护研究所 一种落叶松尺蠖性信息素组合物合成方法、鉴定以及智能投放系统
CN111866462B (zh) * 2020-07-22 2022-07-01 南京科沃云计算信息技术有限公司 一种基于飞行器的低空扫描病虫害识别系统及其方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101145201A (zh) * 2007-10-08 2008-03-19 北京科技大学 一种快速目标识别与定位系统及方法
CN101971006A (zh) * 2008-03-21 2011-02-09 株式会社伊藤园 茶叶采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价系统以及计算机可使用的介质
CN103930919A (zh) * 2011-10-24 2014-07-16 天宝导航有限公司 农业和土壤管理
CN104035412A (zh) * 2014-06-12 2014-09-10 江苏恒创软件有限公司 一种基于无人机的农作物病虫害监测系统和方法
CN204142639U (zh) * 2014-11-04 2015-02-04 无锡北斗星通信息科技有限公司 位于无人机上的作物病虫害检测系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101145201A (zh) * 2007-10-08 2008-03-19 北京科技大学 一种快速目标识别与定位系统及方法
CN101971006A (zh) * 2008-03-21 2011-02-09 株式会社伊藤园 茶叶采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价系统以及计算机可使用的介质
CN103930919A (zh) * 2011-10-24 2014-07-16 天宝导航有限公司 农业和土壤管理
CN104035412A (zh) * 2014-06-12 2014-09-10 江苏恒创软件有限公司 一种基于无人机的农作物病虫害监测系统和方法
CN204142639U (zh) * 2014-11-04 2015-02-04 无锡北斗星通信息科技有限公司 位于无人机上的作物病虫害检测系统

Also Published As

Publication number Publication date
CN104330410A (zh) 2015-02-04

Similar Documents

Publication Publication Date Title
CN104330410B (zh) 位于无人机上的作物病虫害检测系统
CN204142639U (zh) 位于无人机上的作物病虫害检测系统
US11647701B2 (en) Plant treatment based on morphological and physiological measurements
Di Gennaro et al. A low-cost and unsupervised image recognition methodology for yield estimation in a vineyard
EP3741214A1 (en) Method for plantation treatment based on image recognition
Goldshtein et al. Development of an automatic monitoring trap for Mediterranean fruit fly (Ceratitis capitata) to optimize control applications frequency
Otranto et al. The zoophilic fruitfly Phortica variegata: morphology, ecology and biological niche
Bargoti et al. A pipeline for trunk detection in trellis structured apple orchards
CN112911931A (zh) 节肢动物的检测
RU2769288C2 (ru) Прогнозирование урожайности зернового поля
KR20200065696A (ko) 드론을 이용한 농작물 모니터링 시스템
Hadi et al. Development of an automated multidirectional pest sampling detection system using motorized sticky traps
Ouyang et al. UAV and ground-based imagery analysis detects canopy structure changes after canopy management applications
Underwood et al. Fruit load estimation in mango orchards—A method comparison
de Ocampo et al. Integrated Weed Estimation and Pest Damage Detection in Solanum melongena Plantation via Aerial Vision-based Proximal Sensing.
BR112019011008A2 (pt) método implementado por computador, aeronave drone, e, meio legível por computador não transitório.
Barnard The use of technology to improve current precision viticulture practices: predicting vineyard performance
CN112766178B (zh) 基于智能除虫系统的病虫定位方法、装置、设备及介质
Subbaian et al. Detection of coconut leaf diseases using enhanced deep learning techniques
Rani et al. A study on hyper spectral remote sensing pest management
US20220406043A1 (en) Machine learning model for accurate crop count
Kriel Drones can take precision farming to the next level-cover
Longhi et al. Monitoring the spread of a pathogenic insect on vineyards using UAS
Zieschank et al. Digital whole-community phenotyping to assess morphological and physiological features of plant communities in the field
Hieronimo et al. Integrating land cover and terrain characteristics to explain plague risks in Western Usambara Mountains, Tanzania: a geospatial approach

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
CB03 Change of inventor or designer information

Inventor after: Zhou Yahong

Inventor before: The inventor has waived the right to be mentioned

COR Change of bibliographic data
TA01 Transfer of patent application right

Effective date of registration: 20151028

Address after: 226600 Simon Road, Chengdong Town, Haian County, Nantong, Jiangsu 139-8

Applicant after: Nantong Hongda Mechanical and Electrical Manufacturing Co., Ltd.

Address before: 214016 Jiangsu province Wuxi chonganou Guangrui Road 1906, 1908-257

Applicant before: Wuxi Beidouxing Communication Information Science and Technology Co., Ltd.

C14 Grant of patent or utility model
GR01 Patent grant