CN105842246B - 农田监测系统及监测农田的方法 - Google Patents

农田监测系统及监测农田的方法 Download PDF

Info

Publication number
CN105842246B
CN105842246B CN201610364952.0A CN201610364952A CN105842246B CN 105842246 B CN105842246 B CN 105842246B CN 201610364952 A CN201610364952 A CN 201610364952A CN 105842246 B CN105842246 B CN 105842246B
Authority
CN
China
Prior art keywords
farmland
alert
image
agriculture
monitoring
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
CN201610364952.0A
Other languages
English (en)
Other versions
CN105842246A (zh
Inventor
李哲敏
庄家煜
陈威
张永恩
仲晓春
黄敏
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.)
Agricultural Information Institute of CAAS
Original Assignee
Agricultural Information Institute of CAAS
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 Agricultural Information Institute of CAAS filed Critical Agricultural Information Institute of CAAS
Priority to CN201610364952.0A priority Critical patent/CN105842246B/zh
Publication of CN105842246A publication Critical patent/CN105842246A/zh
Application granted granted Critical
Publication of CN105842246B publication Critical patent/CN105842246B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Remote Sensing (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Botany (AREA)
  • Wood Science & Technology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Image Processing (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种农田监测系统及监测农田的方法。所述系统包括无人机和监控终端，所述无人机和所述监控终端无线连接；其中，所述无人机用于根据设置在农田中的位置标识定位桩识别农田类型，并根据所述农田类型对农田的农业警情进行监测，将监测到的农田的农业警情发送给所述监控终端；所述监控终端用于接收所述无人机发送来的农田的农业警情，并通知管理人员。本发明实现了大范围内无人值守农田的智能监测与预警，不再依赖于人力进行监测，可以减少人力资本的投入，提高了大规模的农业生产中的农田监测效率。

Description

农田监测系统及监测农田的方法
技术领域
本发明实施例涉及农业监测预警技术，尤其涉及一种农田监测系统及监测农田的方法。
背景技术
我国是传统农业大国，农业是我国国民经济的命脉。我国信息化、智能化的农业发展还处于初步阶段，随着大规模的土地流转使得大规模的自动化的农业生产成为未来的重要农业生产方式。
而在现有技术中，农业管理还高度的依赖于人力，容易造成资源的浪费，生产成本过高，不利于解放农村劳动力，而且过于依赖工作人员的经验，所以使得农作物的生产管理效率不高，这种现象在大规模的农业生产中尤为明显。
发明内容
有鉴于此，本发明实施例提供一种农田监测系统及监测农田的方法，以提高大规模的农业生产中的农田监测效率。
第一方面，本发明实施例提供了一种农田监测系统，所述系统包括无人机和监控终端，所述无人机和所述监控终端无线连接；
其中，所述无人机用于根据设置在农田中的位置标识定位桩识别农田类型，并根据所述农田类型对农田的农业警情进行监测，将监测到的农田的农业警情发送给所述监控终端；
所述监控终端用于接收所述无人机发送来的农田的农业警情，并通知管理人员。
第二方面，本发明实施例还提供了一种监测农田的方法，所述方法包括：
通过无人机在农田上空巡航，根据设置在农田中的位置标识定位桩识别农田类型，并根据所述农田类型对农田的农业警情进行监测，将监测到的农田的农业警情发送给监控终端；
通过监控终端接收所述无人机发送来的农田的农业警情，并通知管理人员。
本发明实施例的技术方案，通过无人机根据设置在农田中的位置标识定位桩识别出农田类型，再根据农田类型监测农田的农业警情，并发送给监控终端，由监控终端通知管理人员，实现了大范围内无人值守农田的智能监测与预警，不再依赖于人力进行监测，可以减少人力资本的投入，提高了大规模的农业生产中的农田监测效率。
附图说明
图1是本发明实施例一提供的一种农田监测系统的结构示意图；
图2是本发明实施例提供的农田监测系统监测农田的示意图；
图3是本发明实施例二提供的一种农田监测系统的结构示意图；
图4是本发明实施例提供的农田监测系统中的嵌入式载荷计算机的结构示意图；
图5是本发明实施例三提供的一种农田监测系统监测农田的方法的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
实施例一
图1是本发明实施例一提供的一种农田监测系统的结构示意图，本实施例可适用于在大规模的农业生产中对农田进行监测的情况，如图1所示，本实施例所示的农田监测系统包括：无人机10和监控终端20，无人机10和监控终端20无线连接。
其中，无人机10用于根据设置在农田中的位置标识定位桩识别农田类型，并根据所述农田类型对农田的农业警情进行监测，将监测到的农田的农业警情发送给监控终端20；
监控终端20用于接收无人机10发送来的农田的农业警情，并通知管理人员。
图2是本发明实施例提供的农田监测系统监测农田的示意图，如图2所示，利用包括无人机10和监控终端20的农田监测系统监测农田时，需要对农田进行数字化，以利于无人机10进行识别定位，主要是在农田中设置位置标识定位桩31，来实现数字化农田30，在无人机的监测视场中位置标识定位桩的数量要不少于两个。其中，位置标识定位桩是为了方便无人机对农田进行识别和定位，在农田中设置具有位置标识的定位桩，以实现农田的数字化。所述位置标识定位桩优选包括位置标识，所述位置标识优选包括农田类型和所述位置标识定位桩在农田坐标系中的位置坐标的信息，即位置标识主要包含该定位桩在农田坐标系中的位置坐标及其特征，如：(ID,x,y),其中，ID表示农田类型(如小麦田、玉米田、西红柿田等等)，(x,y)为该定位桩在农田坐标系中的位置坐标。其中，定位桩在农田坐标系中的位置坐标是定位桩的中心在农田坐标系中的位置坐标。
其中，所述位置标识为高冗余度的二维码标识。
在数字化农田中，使用的位置标识定位桩为农田中的凸起部分，上端面的位置标识是用耐腐蚀漆喷涂的具有高冗余度的二维码(QR CODE)。使用高冗余度二维码的有益之处在于无人机拍摄同一地块的时间较短，拍摄过程中容易受气流影响使得拍摄相机出现晃动，这需要无人机能够快速对二维码进行识别，而且农田环境复杂需要无人机巡航相机(即定位识别相机)对二维码具有较强纠错能力，而具有较高冗余度的二维码可以满足这些要求。
无人机10可以根据所述位置标识定位桩识别出当前巡航农田的农田类型，再根据所述农田类型，调用与所述农田类型相应的识别算法监测农田的农业警情，当监测到农业警情时，将所述农业警情发送给监控终端20。监控终端20接收到无人机10发送来的农田的农业警情后，通过邮件或者短信的方式通知管理人员，使得管理人员尽快采取措施消除所述农业警情。其中，所述农田的农业警情优选包括下述至少一种：苗情警情、长势警情和病虫害警情。
通过无人机可以实现不同农作物指标的监测，如：苗情监测、长势监测、病虫害监测等等。
本实施例的技术方案，通过无人机根据设置在农田中的位置标识定位桩识别出农田类型，再根据农田类型监测农田的农业警情，并发送给监控终端，由监控终端通知管理人员，实现了大范围内无人值守农田的智能监测与预警，不再依赖于人力进行监测，可以减少人力资本的投入，提高了大规模的农业生产中的农田监测效率，而且可以及时发现农业生产过程中的各类警情、降低农作物受各类病害影响的概率、控制养殖成本，有利于更加科学、规范的进行农业生产。
实施例二
图3是本发明实施例二提供的一种农田监测系统的结构示意图，本实施例在实施例一的基础上进行了优化，将无人机10进一步优化为包括定位识别相机11、监测相机12和嵌入式载荷计算机13。
其中，定位识别相机11和监测相机12同轴固定安装在无人机10的无人机平台上，且分别与嵌入式载荷计算机13连接，嵌入式载荷计算机13与监控终端20无线连接；
定位识别相机11用于拍摄设置在农田中的位置标识定位桩，并将拍摄到的定位图像传输至嵌入式载荷计算机13；
监测相机12用于拍摄农田的监测图像，并将拍摄到的监测图像传输至嵌入式载荷计算机13，来监测农田中的农业警情；
嵌入式载荷计算机13用于接收所述定位图像和所述监测图像，根据所述定位图像和所述监测图像，识别所述监测图像中的农业警情，并根据所述定位图像定位出所述农业警情的位置坐标，并将所述监测图像和所述农业警情的位置坐标发送给监控终端20。
定位识别相机11和监测相机12同轴固定安装在无人机10的无人机平台上，且同时拍摄定位图像和监测图像，从而根据定位图像和监测图像分析出农田的农业警情及相应的位置坐标。
监测相机为高清相机，可以包括多个具有不同功能的相机，根据不同的农田和农情来使用不同类型的相机，如：用红外相机来监测农田鼠害、使用高光谱相机来监测农作物的病害(如小麦条锈病、水稻的稻瘟病等等)。
图4是本发明实施例提供的农田监测系统中的嵌入式载荷计算机的结构示意图，如图4所示，嵌入式载荷计算机13包括FPGA(Field－Programmable Gate Array，现场可编程门阵列)131、DSP(Digital Signal Processor，信号处理器)132和信号发生器133；
其中，FPGA 131与DSP 132连接，DSP 132与信号发生器133连接，信号发生器133与监控终端20无线连接；
FPGA 131用于接收所述定位图像和所述监测图像，并获取所述定位图像和所述监测图像的数据，将所述图像的数据传输给DSP 132；
DSP 132对所述定位图像和所述监测图像的数据进行分析，得到农田的农业警情和农业警情的位置坐标；
信号发生器133用于将所述农田的农业警情和所述农业警情的位置坐标发送至监控终端20。
其中，FPGA为接口电路，DSP为运算电路。DSP 132与信号发生器133之间通过串口或者IO(Input/Output，输入/输出)连接。
本实施例的技术方案，通过无人机上的定位识别相机和监测相机拍摄定位图像和监测图像，由嵌入式载荷计算机对所述定位图像和监测图像进行分析，识别出农田的农业警情及相应的位置坐标，提高了识别的精度，进一步提高了监测效率。
在上述技术方案的基础上，当所述无人机在预设巡航高度范围内时，在所述定位识别相机的监测视场中位置标识定位桩的数量优选为至少两个，且所述位置标识定位桩的间距满足如下条件：
其中，D为所述位置标识定位桩的间距，Hmin为所述预设巡航高度范围中的最低巡航高度、θmin为无人机中定位识别相机的视场角最小值，σ为无人机工作时的稳定度。
通过位置标识定位桩满足的上述条件，可以保证无人机的定位精度。
实施例三
图5是本发明实施例三提供的一种农田监测系统监测农田的方法的流程图，本实施例所述的农田监测系统监测农田的方法是以上述实施例提供的农田监测系统来执行，具体包括如下步骤：
步骤510，通过无人机在农田上空巡航，根据设置在农田中的位置标识定位桩识别农田类型，并根据所述农田类型对农田的农业警情进行监测，将监测到的农田的农业警情发送给监控终端。
通过无人机在待监测的农田上空巡航，根据所述位置标识定位桩识别出当前巡航农田的农田类型，再根据所述农田类型，调用与所述农田类型相应的识别算法监测农田的农业警情，当监测到农业警情时，将所述农业警情发送给监控终端。
其中，根据设置在农田中的位置标识定位桩识别农田类型，并根据所述农田类型对农田的农业警情进行监测，将监测到的农田的农业警情发送给监控终端优选包括：
通过定位识别相机拍摄设置在农田中的位置标识定位桩，并将拍摄到的定位图像传输至嵌入式载荷计算机；
通过监测相机拍摄农田的监测图像，并将拍摄到的监测图像传输至嵌入式载荷计算机；
通过嵌入式载荷计算机接收所述定位图像和所述监测图像，根据所述定位图像识别当前农田类型，根据当前农田类型对所述监测图像进行识别，如果识别到农田的农业警情，则对与所述监测图像相同时戳的定位图像进行识别，定位出所述农业警情的位置坐标，将所述监测图像和所述农业警情的位置坐标发送给所述监控终端。
当无人机启动后，为定位识别相机、监测相机和嵌入式载荷计算机通电。由于当所述无人机在预设巡航高度范围内时，在所述定位识别相机的监测视场中位置标识定位桩的数量为至少两个，定位识别相机拍摄到的定位图像中包括至少两个位置标识定位桩。监测相机与定位识别相机同轴安装在无人机平台上，且监测相机的视场角小于定位识别相机的视场角，那么监测相机拍摄到的监测图像是定位识别相机拍摄到的定位图像的中间的一部分。
嵌入式载荷计算机接收到所述定位图像和监测图像后，先识别所述定位图像中的位置标识定位桩，并识别所述位置标识定位桩中的当前农田类型，从而根据当前农田类型调用相应农田类型的识别算法对所述监测图像进行识别，即不同类型的农作物需要根据相应类型的识别算法进行识别，并调用相应的监测算法来识别农田的农业警情(当监测苗情时，调用苗情算法；当检测病虫害时，调用病虫害算法)。如果识别到出现了农业警情(如病虫害警情)，则根据与识别出农业警情的监测图像相同时戳的定位图像进行识别，通过定位图像中的至少两个位置标识定位桩，来定位出农业警情的位置坐标。提高了农业警情的监测精度，并提高了农业警情的位置坐标的定位精度。
步骤520，通过监控终端接收所述无人机发送来的农田的农业警情，并通知管理人员。
通过监控终端接收无人机发送来的农田的农业警情后，并以邮件或者短信的方式通知管理人员，使得管理人员尽快采取措施消除所述农业警情。
本实施例的技术方案，通过无人机根据设置在农田中的位置标识定位桩识别出的农田类型，再根据农田类型监测农田的农业警情，并发送给监控终端，由监控终端通知管理人员，实现了大范围内无人值守农田的智能监测与预警，不再需要人力进行监测，可以减少人力资本的投入，提高了大规模的农业生产中的农田监测效率，而且可以及时发现农业生产过程中的各类警情、降低农作物受各类病害影响的概率、控制养殖成本，有利于更加科学、规范的进行农业生产。
在上述技术方案的基础上，如果识别到农田的农业警情，则对与所述监测图像相同时戳的定位图像进行识别，定位出所述农业警情的位置坐标优选包括：
如果识别到农田的农业警情，通过DSP根据所述监测图像以及所述监测相机的视场角与定位识别相机的视场角的关系，确定所述农业警情在图像坐标系中的图像坐标；
通过DSP根据与所述监测图像相同时戳的定位图像，确定该定位图像中的位置标识定位桩在农田坐标系中的位置坐标，以及所述位置标识定位桩的图像中形心在图像坐标系中的图像坐标；
通过DSP根据所述位置标识定位桩在农田坐标系中的位置坐标以及所述位置标识定位桩的图像中形心在图像坐标系中的图像坐标，确定从图像坐标系转换到农田坐标系的转移矩阵；
通过DSP根据所述农业警情在图像坐标系中的图像坐标和所述转移矩阵，确定所述农业警情在农田坐标系中的位置坐标。
其中，所述图像坐标系是指定位图像的图像坐标系，且以定位图像的中心为原点。当识别到农田的农业警情时，首先确定出所述农业警情在所述监测图像的图像坐标系中的图像坐标，由于监测相机和定位识别相机是同轴安装在无人机平台上的，且定位识别相机的视场角大于监测相机的视场角，则监测图像是定位图像的中间相应监测相机视场角的一部分图像(如，监测相机的视场角为10°×10°，定位识别相机的视场角为20°×20°，则监测图像映射到定位图像中是定位图像的中心的10°×10°的图像)，则根据监测相机与定位识别相机的视场角的关系，可以将农业警情在所述监测图像的图像坐标系中的图像坐标映射到定位图像的图像坐标系中，得到农业警情在定位图像的图像坐标系中的图像坐标，该图像坐标记为(x′,y′)。
假设定位图像中拍摄到的位置标识定位桩的数量为n(n≥2),识别定位图像中的位置标识定位桩上的位置标识，并识别所述位置标识得到位置标识定位桩的位置标识的中心在农田坐标系中的位置坐标分别为(x1,y1)、(x2,y2)、……、(xn,yn)，并确定所述位置标识定位桩的图像中形心在定位图像的图像坐标系中的图像坐标分别为(x1′,y1′)、(x2′,y2′)、……、(xn′,yn′)。其中，图像中形心是指图像的中心。
假设从图像坐标系转换到农田坐标系的转移矩阵为T，转移矩阵为2×2的矩阵，同时将所述位置标识的图像坐标和位置坐标分别表示为矩阵的形式，分别为A和B，则A和B分别表示如下：
矩阵A和矩阵B满足如下关系：
A·T2×2＝B
根据上述矩阵A和矩阵B的关系，通过最新二乘法得到转移矩阵T如下：
T2×2＝(AT·A)-1·AT·B
根据农业警情在图像坐标系中的图像坐标(x′,y′)所述转移矩阵T，确定农业警情在农田坐标系中的位置坐标为：
[x y]＝T·[x′ y′]
其中，(x,y)为农业警情在农田坐标系中的位置坐标。
通过上述方法确定的农业警情的位置比较准确，可以进一步提高大规模农业生产中的监测效率。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (8)

1.一种农田监测系统，其特征在于，所述系统包括无人机和监控终端，所述无人机和所述监控终端无线连接；
其中，所述无人机用于根据设置在农田中的位置标识定位桩识别农田类型，并根据所述农田类型对农田的农业警情进行监测，将监测到的农田的农业警情发送给所述监控终端；
所述监控终端用于接收所述无人机发送来的农田的农业警情，并通知管理人员；
所述无人机包括定位识别相机、监测相机和嵌入式载荷计算机；
其中，所述定位识别相机和所述监测相机同轴固定安装在所述无人机的无人机平台上，且分别与嵌入式载荷计算机连接，所述嵌入式载荷计算机与所述监控终端无线连接；
所述定位识别相机用于拍摄设置在农田中的位置标识定位桩，并将拍摄到的定位图像传输至所述嵌入式载荷计算机；
所述监测相机用于拍摄农田的监测图像，并将拍摄到的监测图像传输至所述嵌入式载荷计算机，来监测农田中的农业警情；
所述嵌入式载荷计算机用于接收所述定位图像和所述监测图像，根据所述定位图像和所述监测图像，识别所述监测图像中的农业警情，并根据所述定位图像定位出所述农业警情的位置坐标，并将所述监测图像和所述农业警情的位置坐标发送给所述监控终端。
2.根据权利要求1所述的系统，其特征在于，所述嵌入式载荷计算机包括现场可编程门阵列FPGA、数字信号处理器DSP和信号发生器；
其中，所述FPGA与DSP连接，DSP与信号发生器连接，信号发生器与所述监控终端无线连接；
FPGA用于接收所述定位图像和所述监测图像，并获取所述定位图像和所述监测图像的数据，将所述图像的数据传输给DSP；
DSP对所述定位图像和所述监测图像的数据进行分析，得到农田的农业警情和农业警情的位置坐标；
所述信号发生器用于将所述农田的农业警情和所述农业警情的位置坐标发送至所述监控终端。
3.根据权利要求1所述的系统，其特征在于，当所述无人机在预设巡航高度范围内时，在所述定位识别相机的监测视场中位置标识定位桩的数量为至少两个，且所述位置标识定位桩的间距满足如下条件：
其中，D为所述位置标识定位桩的间距，Hmin为所述预设巡航高度范围中的最低巡航高度、θmin为无人机中定位识别相机的视场角最小值，σ为无人机工作时的稳定度。
4.根据权利要求1-3任一所述的系统，其特征在于，所述位置标识定位桩包括位置标识，所述位置标识包括农田类型和所述位置标识定位桩在农田坐标系中的位置坐标的信息。
5.根据权利要求4所述的系统，其特征在于，所述位置标识为高冗余度的二维码标识。
6.根据权利要求1-3任一所述的系统，其特征在于，所述农田的农业警情包括下述至少一种：苗情警情、长势警情和病虫害警情。
7.一种基于权利要求1所述的农田监测系统监测农田的方法，其特征在于，所述方法包括：
通过无人机在农田上空巡航，根据设置在农田中的位置标识定位桩识别农田类型，并根据所述农田类型对农田的农业警情进行监测，将监测到的农田的农业警情发送给监控终端；
通过监控终端接收所述无人机发送来的农田的农业警情，并通知管理人员；
根据设置在农田中的位置标识定位桩识别农田类型，并根据所述农田类型对农田的农业警情进行监测，将监测到的农田的农业警情发送给监控终端包括：
通过定位识别相机拍摄设置在农田中的位置标识定位桩，并将拍摄到的定位图像传输至嵌入式载荷计算机；
通过监测相机拍摄农田的监测图像，并将拍摄到的监测图像传输至嵌入式载荷计算机；
通过嵌入式载荷计算机接收所述定位图像和所述监测图像，根据所述定位图像识别当前农田类型，根据当前农田类型对所述监测图像进行识别，如果识别到农田的农业警情，则对与所述监测图像相同时戳的定位图像进行识别，定位出所述农业警情的位置坐标，将所述监测图像和所述农业警情的位置坐标发送给所述监控终端。
8.根据权利要求7所述的方法，其特征在于，如果识别到农田的农业警情，则对与所述监测图像相同时戳的定位图像进行识别，定位出所述农业警情的位置坐标包括：
如果识别到农田的农业警情，通过DSP根据所述监测图像以及所述监测相机的视场角与定位识别相机的视场角的关系，确定所述农业警情在图像坐标系中的图像坐标；
通过DSP根据与所述监测图像相同时戳的定位图像，确定该定位图像中的位置标识定位桩在农田坐标系中的位置坐标，以及所述位置标识定位桩的图像中形心在图像坐标系中的图像坐标；
通过DSP根据所述位置标识定位桩在农田坐标系中的位置坐标以及所述位置标识定位桩的图像中形心在图像坐标系中的图像坐标，确定从图像坐标系转换到农田坐标系的转移矩阵；
通过DSP根据所述农业警情在图像坐标系中的图像坐标和所述转移矩阵，确定所述农业警情在农田坐标系中的位置坐标。
CN201610364952.0A 2016-05-27 2016-05-27 农田监测系统及监测农田的方法 Active CN105842246B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610364952.0A CN105842246B (zh) 2016-05-27 2016-05-27 农田监测系统及监测农田的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610364952.0A CN105842246B (zh) 2016-05-27 2016-05-27 农田监测系统及监测农田的方法

Publications (2)

Publication Number Publication Date
CN105842246A CN105842246A (zh) 2016-08-10
CN105842246B true CN105842246B (zh) 2019-01-22

Family

ID=56594717

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610364952.0A Active CN105842246B (zh) 2016-05-27 2016-05-27 农田监测系统及监测农田的方法

Country Status (1)

Country Link
CN (1) CN105842246B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339005B (zh) * 2016-09-05 2019-04-02 深圳市双赢伟业科技股份有限公司 农业互联植株管理方法
CN106568777A (zh) * 2016-11-16 2017-04-19 王金鹏 一种病虫害监测系统
CN106645147A (zh) * 2016-11-16 2017-05-10 王金鹏 一种病虫害监测方法
CN109013588B (zh) * 2018-07-10 2020-10-16 北京石油化工学院 一种用于地上立式储油罐清洗机器人的防爆定位方法
CN109032093A (zh) * 2018-08-14 2018-12-18 荆州农业科学院 一种水稻病虫害监测系统
CN109871833B (zh) * 2019-03-19 2023-04-18 广东省农业科学院农业生物基因研究中心 一种基于深度学习卷积神经网络的农作物成熟度监控方法
CN109934186B (zh) * 2019-03-19 2023-04-18 广东省农业科学院农业生物基因研究中心 一种农作物直播成苗率的智慧高效监控方法
CN109766957A (zh) * 2019-03-19 2019-05-17 广东省农业科学院农业生物基因研究中心 一种智慧高效监控农作物种质资源生育期的方法
CN109948535A (zh) * 2019-03-19 2019-06-28 广东省农业科学院农业生物基因研究中心 一种作物种子生产主要生育期肥水条件的智慧监控方法
CN112927307A (zh) * 2021-03-05 2021-06-08 深圳市商汤科技有限公司 一种标定方法、装置、电子设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001266300A (ja) * 2000-03-17 2001-09-28 Toshiba Corp 滑走路等進入制御システム
US20070040734A1 (en) * 1999-03-05 2007-02-22 Evers Carl A Method and system for elliptical-based surveillance
CN103884335A (zh) * 2014-04-09 2014-06-25 北京数联空间科技股份有限公司 基于二维码地理信息标志的遥感与摄影测量定位方法
CN104199425A (zh) * 2014-09-15 2014-12-10 中国农业科学院农业信息研究所 一种智能农业监控预警系统及方法
CN104238523A (zh) * 2014-09-20 2014-12-24 无锡北斗星通信息科技有限公司 基于图像采集的农药喷洒平台
CN104849274A (zh) * 2015-04-18 2015-08-19 中国计量学院 一种基于小型无人机的所检测区域旱情实时检测方法
CN104881017A (zh) * 2015-06-11 2015-09-02 张迪 一种基于北斗的农作物生长监管系统
CN105025262A (zh) * 2015-07-08 2015-11-04 常州华奥航空科技有限公司 大面积农业作业无人机
CN105046909A (zh) * 2015-06-17 2015-11-11 中国计量学院 一种基于小型无人机的农业辅助定损方法
CN205861560U (zh) * 2016-05-27 2017-01-04 中国农业科学院农业信息研究所 农田监测系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070040734A1 (en) * 1999-03-05 2007-02-22 Evers Carl A Method and system for elliptical-based surveillance
JP2001266300A (ja) * 2000-03-17 2001-09-28 Toshiba Corp 滑走路等進入制御システム
CN103884335A (zh) * 2014-04-09 2014-06-25 北京数联空间科技股份有限公司 基于二维码地理信息标志的遥感与摄影测量定位方法
CN104199425A (zh) * 2014-09-15 2014-12-10 中国农业科学院农业信息研究所 一种智能农业监控预警系统及方法
CN104238523A (zh) * 2014-09-20 2014-12-24 无锡北斗星通信息科技有限公司 基于图像采集的农药喷洒平台
CN104849274A (zh) * 2015-04-18 2015-08-19 中国计量学院 一种基于小型无人机的所检测区域旱情实时检测方法
CN104881017A (zh) * 2015-06-11 2015-09-02 张迪 一种基于北斗的农作物生长监管系统
CN105046909A (zh) * 2015-06-17 2015-11-11 中国计量学院 一种基于小型无人机的农业辅助定损方法
CN105025262A (zh) * 2015-07-08 2015-11-04 常州华奥航空科技有限公司 大面积农业作业无人机
CN205861560U (zh) * 2016-05-27 2017-01-04 中国农业科学院农业信息研究所 农田监测系统

Also Published As

Publication number Publication date
CN105842246A (zh) 2016-08-10

Similar Documents

Publication Publication Date Title
CN105842246B (zh) 农田监测系统及监测农田的方法
CN205861560U (zh) 农田监测系统
CN107830846B (zh) 一种利用无人机和卷积神经网络测量通信塔天线角度方法
CN106379536A (zh) 基于无人机的天然气管线巡检系统
CN109032174B (zh) 一种无人机作业航线规划方法以及作业执行方法
CN112325883A (zh) 一种WiFi和视觉多源融合的移动机器人室内定位方法
JPS61112276A (ja) デ−タ処理装置
CN107069859A (zh) 一种基于无人机基站的无线充电系统及方法
WO2020208641A1 (en) Recurrent pattern image classification and registration
CN106949880A (zh) 海拔起伏较大测区无人机影像局部重叠度过高处理的方法
CN106989728A (zh) 一种基于无人机的建筑地面测绘系统
CN109470137A (zh) 基于二维激光扫描仪的林木信息测量系统及数据处理方法
CN111046756A (zh) 高分辨率遥感影像目标尺度特征的卷积神经网络检测方法
Thalluri et al. Drone technology enabled leaf disease detection and analysis system for agriculture applications
CN114442665A (zh) 基于无人机的风电叶片巡检线路规划方法
CN115272458A (zh) 用于固定翼无人机着陆阶段的视觉定位方法
CN112166911A (zh) 一种快速病虫害精准检测施药系统和方法
Farooq et al. Lightweight deep learning model for weed detection for IoT devices
CN109324630A (zh) 一种无人机喷药系统及控制方法
CN114066972A (zh) 一种基于单目视觉的无人机自主定位方法
CN115790610B (zh) 一种无人机精准定位系统及方法
CN103136513B (zh) 一种改进的asm人脸特征点定位方法
Jiang et al. Monocular vision based UAV target detection and ranging system implemented on OpenCV and tensor flow
WO2022061496A1 (zh) 对象边界提取方法、装置、可移动平台及存储介质
CN115144879B (zh) 一种多机多目标动态定位系统及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20160810

Assignee: Foshan lelian Technology Co.,Ltd.

Assignor: Agricultural Information Institute of CAAS

Contract record no.: X2023980032281

Denomination of invention: Farmland monitoring system and methods for monitoring farmland

Granted publication date: 20190122

License type: Common License

Record date: 20230216