CN106767717A - 一种基于无人机的水稻成熟期草谷比采样与检测方法 - Google Patents

一种基于无人机的水稻成熟期草谷比采样与检测方法 Download PDF

Info

Publication number
CN106767717A
CN106767717A CN201611145944.3A CN201611145944A CN106767717A CN 106767717 A CN106767717 A CN 106767717A CN 201611145944 A CN201611145944 A CN 201611145944A CN 106767717 A CN106767717 A CN 106767717A
Authority
CN
China
Prior art keywords
flight
unmanned plane
gvg
point
points
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.)
Granted
Application number
CN201611145944.3A
Other languages
English (en)
Other versions
CN106767717B (zh
Inventor
蒋庆
李伟
王儒敬
宋良图
孙丙宇
崔超远
韦灵敏
王敏
鲁翠萍
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.)
Hefei Institutes of Physical Science of CAS
Original Assignee
Hefei Institutes of Physical Science of CAS
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 Hefei Institutes of Physical Science of CAS filed Critical Hefei Institutes of Physical Science of CAS
Priority to CN201611145944.3A priority Critical patent/CN106767717B/zh
Publication of CN106767717A publication Critical patent/CN106767717A/zh
Application granted granted Critical
Publication of CN106767717B publication Critical patent/CN106767717B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Adjustment And Processing Of Grains (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于无人机的水稻成熟期草谷比采样与检测方法，其特征在于：首先利用无人机按设定的飞行区域和航线对待测水稻田块进行巡航和拍摄，然后对获取的照片进行拼接，获得整个飞行区域的正射影像图；再对正射影像图进行栅格化处理，将其分割成一定数量的规则区域，并根据各区域的灰度值，分为若干个层次；最后在每个层次取若干个单位面积的水稻田块作为该层次的采样点，人工测量获取各采样点处的草谷比值，取平均值，作为该层次水稻田块的草谷比值，从而获得待测水稻田块所有区域的草谷比检测值。通过本发明的方法，不仅可以避免草谷比采样点选择的随机性，而且可以有效提高该区域水稻成熟期草谷比检测值的精度和效率。

Description

一种基于无人机的水稻成熟期草谷比采样与检测方法
技术领域
本发明涉及一种水稻成熟期草谷比采样与检测方法。
背景技术
水稻是我国的主要粮食之一，水稻的产量关系着整个国家的经济命脉。水稻收获过程中，作物和秸秆的产量都是十分重要的数据统计量，而草谷比正是反映两组数据的关系的表达式：草谷比＝秸秆产量/作物产量。作物的产量一般是很容易得到的，通过草谷比的检测，就能得到秸秆的产量，从而有效的估算秸秆的能源利用情况，以便准确和有效的最大化利用秸秆。
因此，如何提高草谷比的预测精度是一项十分重要的工作。传统的测量方法一般均是通过人工经验来随机选择采样点的，该种方法具有一定的随机性，而且人工作业对于一些面积很大的田块的实验区的效率及其低下。
发明内容
本发明是为避免上述现有技术所存在的不足之处，提供一种基于无人机的水稻成熟期草谷比采样与检测方法，旨在避免草谷比采样点选择的随机性，获得适用于大范围农田的草谷比检测方法。
本发明解决技术问题，采用如下技术方案：
本发明基于无人机的水稻成熟期草谷比采样与检测方法，其特点在于包括如下步骤：
(1)根据待测水稻田块的面积和无人机的飞行续航时间，确定无人机的飞行区域，并对无人机的航线进行设定；所述飞行区域覆盖待测水稻田块；
(2)按照步骤(1)中设定的航线利用无人机进行巡航；在巡航的过程中，通过搭载在无人机上的高分辨率数码相机定时拍摄照片，获取飞行区域的图像；所述高分辨率数码相机的像素不低于800万；
(3)飞行完毕后，对飞行过程获取的照片进行拼接处理，获得整个飞行区域的正射影像图；
(4)对正射影像图中待测水稻田块的区域进行划分、栅格化处理，将其分割成一定数量的规则区域；再根据各区域的灰度值，将所有规则区域划分为若干个层次；
(5)分别在每个层次取若干个单位面积的水稻田块作为该层次水稻草谷比的采样点，完成待测水稻田块的草谷比采样点布局；分别人工获取每个层次各采样点处的草谷比值，取平均值，作为该层次水稻田块的草谷比值，从而获得待测水稻田块所有区域的草谷比值。
本发明的有益效果体现在：
本发明基于无人机的水稻成熟期草谷比采样与检测方法，避免了人工采样点选择的随机性，且采样点的设置更科学合理，有利于对后期秸秆的利用；本发明利用无人机所获得的正射影像图，以灰度值为标准，对待测水稻田块进行分层，测得每一个层次的草谷比的精确范围，比人工经验随机获取的草谷比精度要高，而且对于一些大面积的水稻区域该方法效率更高、更节省劳动力。
附图说明
图1为无人机的飞行区域的确定示意图；
图2～图6依次为无人机的5条航线的示意图。
具体实施方式
实施例1
本实施例基于无人机的水稻成熟期草谷比采样与检测方法，包括如下步骤：
(1)根据待测水稻田块的面积和无人机的飞行续航时间，确定无人机的飞行区域，并对无人机的航线进行设定；飞行区域覆盖待测水稻田块；具体如下：
11)考察待测水稻田块的周边环境，确保无人机的飞行航线内无障碍物；
12)如图1所示，确定待测水稻田块的最大内接矩形，将最大内接矩形的四个顶点依次定义为A、B、C、D；将最大内接矩形的各个边向外扩30～40m(图中外扩了40m)，所得矩形即为无人机的飞行区域，各顶点依次定义为A'、B'、C'、D'；
13)设定5条飞行航线，使无人机依次沿各条航线进行定高巡航；以确保以最短的航线使步骤(2)所获取的照片满足航向重叠度和旁向重叠度的要求，各航线如下：
第1条航线：如图2所示，将AD分为若干段，各段长度为15～20m(图中为20m)，图中圆点处为经过的定位点，下同)，各分隔点依次定义为E1、E2、……、En；将BC分为若干段，各段长度与AD各段长度相同，各分隔点依次定义为F1、F2、……、Fn；以A点上方作为飞行起点，沿AB方向飞行，到达B点上方后，转向，飞行至F1点上方，转向，飞行至E1点上方，转向，飞行至E2点上方，转向，飞行至F2点上方，……，依次类推，无人机依次飞过各间隔点上方，直至飞过C、D上方；
第2条航线：如图3所示，将A'D'分为若干段，各段长度为15～20m(图中为20m)，各分隔点依次定义为E'1、E'2、……、E'n-1、E'n；将B'C'分为若干段，各段长度与A'D'各段长度相同，各分隔点依次定义为F'1、F'2、……、F'n-1、F'n；以A'点上方作为飞行起点，沿A'B'方向飞行，到达B'点上方后，转向，飞行至F'1点上方，转向，飞行至E'1点上方，转向，飞行至E'2点上方，转向，飞行至F'2点上方，……，依次类推，无人机依次飞过各间隔点上方，直至飞过C、D上方或直至达到飞行续航时间(图中示意飞过C、D上方)。
第3条航线：如图4所示，将A'D'和B'C'按第2条航线做相同的划分；以C'点上方作为飞行起点，沿C'D'方向飞行，到达D'点上方后，转向，飞行至E'n点上方，转向，飞行至F'n点上方，转向，飞行至F'n-1点上方，转向，飞行至E'n-1点上方，……，依次类推，无人机依次飞过各间隔点上方，直至飞过A、B上方或直至达到飞行续航时间(图中示意飞过A、B上方)。
第4条航线：如图5所示，将B'A'分为若干段，各段长度为15～20m(图中为20m)，各分隔点依次定义为G'1、G'2、……、G'n-1、G'n；将C'D'分为若干段，各段长度与A'B'各段长度相同，各分隔点依次定义为H'1、H'2、……、H'n-1、H'n；以B'点上方作为飞行起点，沿B'C'方向飞行，到达C'点上方后，转向，飞行至H'1点上方，转向，飞行至G'1点上方，转向，飞行至G'2点上方，转向，飞行至H'2点上方，……，依次类推，无人机依次飞过各间隔点上方，直至飞过A、D上方或直至达到飞行续航时间(图中示意飞过A、D上方)。
第5条航线：如图6所示，将B'A'和C'D'按第4条航线做相同的划分；以D'点上方作为飞行起点，沿D'A'方向飞行，到达A'点上方后，转向，飞行至G'n点上方，转向，飞行至H'n点上方，转向，飞行至H'n-1点上方，转向，飞行至G'n-1点上方，……，依次类推，无人机依次飞过各间隔点上方，直至飞过B、C上方或直至达到飞行续航时间(图中示意飞过B、C上方)。
(2)按照步骤(1)中设定的航线利用无人机进行巡航；在巡航的过程中，通过搭载在无人机上的高分辨率数码相机定时拍摄照片，获取飞行区域的图像；拍摄的角度设置成零度。
(3)飞行完毕后，对飞行过程获取的照片进行拼接处理，获得整个飞行区域的正射影像图；具体如下：
31)对飞行过程获取的所有照片通过Pix4Dmapper软件进行处理，剔除不含经度、纬度和高度信息的照片；
32)对剩余照片进行重叠率检查，若航向重叠度≥75％、且旁向重叠度≥60％，则照片满足要求，否则重新进行步骤(2)，直至获得重叠度满足要求的照片；
33)将剩余照片进行拼接处理，获得整个飞行区域的正射影像图。
(4)对正射影像图中待测水稻田块的区域进行划分、栅格化处理，将其分割成一定数量的规则区域；再根据各区域的灰度值，将所有规则区域划分为若干个层次；具体为：
将整个飞行区域的正射影像图导入ArcMap中，对待测水稻田块的区域进行划分、栅格化处理，分割成一定数量的规则区域；根据各规则区域的灰度的最大值和最小值，将灰度值均分为5～10个区间，按照各区域的灰度值所在的区间，将所有规则区域划分为5～10个层次。层次的多少根据需要来测定，如若各规则区域灰度的最大值和最小值差距很多，可以多设几个层次，以提高精度。
(5)分别在每个层次取3～5个单位面积的水稻田块作为该层次水稻草谷比的采样点，完成待测水稻田块的草谷比采样点布局；分别人工测量获取每个层次各采样点处的草谷比值，取平均值，作为该层次水稻田块的草谷比，从而获得待测水稻田块所有区域的草谷比检测值。
实际中，对于水稻收割机在水稻收割前期，可以提前把每个水稻田块的草谷比信息输送到收割机中，让操作者提前知道每一个区域的草谷比的大小，对于收割机的参数的改变是十分重要的。

Claims (6)

1.一种基于无人机的水稻成熟期草谷比采样与检测方法，其特征在于包括如下步骤：
(1)根据待测水稻田块的面积和无人机的飞行续航时间，确定无人机的飞行区域，并对无人机的航线进行设定；所述飞行区域覆盖待测水稻田块；
(2)按照步骤(1)中设定的航线利用无人机进行巡航；在巡航的过程中，通过搭载在无人机上的高分辨率数码相机定时拍摄照片，获取飞行区域的图像；
(3)飞行完毕后，对飞行过程获取的照片进行拼接处理，获得整个飞行区域的正射影像图；
(4)对正射影像图中待测水稻田块的区域进行划分、栅格化处理，将其分割成一定数量的规则区域；再根据各区域的灰度值，将所有规则区域划分为若干个层次；
(5)分别在每个层次取若干个单位面积的水稻田块作为该层次水稻草谷比的采样点，完成待测水稻田块的草谷比采样点布局；分别获得每个层次各采样点处的草谷比值，取平均值，作为该层次水稻田块的草谷比值，从而获得待测水稻田块所有区域的草谷比检测值。
2.根据权利要求1所述的基于无人机的水稻成熟期草谷比采样与检测方法，其特征在于：
步骤(1)中根据待测水稻田块的面积和无人机的飞行续航时间，确定无人机的飞行区域，并对无人机的航线进行设定的具体方法为：
11)考察待测水稻田块的周边环境，确保无人机的飞行航线内无障碍物；
12)确定待测水稻田块的最大内接矩形，将所述最大内接矩形的四个顶点依次定义为A、B、C、D；将所述最大内接矩形的各个边向外扩30～40m，所得矩形即为无人机的飞行区域，各顶点依次定义为A'、B'、C'、D'；
13)设定5条飞行航线，使无人机依次沿各条航线进行定高巡航；以确保以最短的航线使步骤(2)所获取的照片满足航向重叠度和旁向重叠度的要求：
第1条航线：将AD分为若干段，各段长度为10-20m，各分隔点依次定义为E1、E2、……、En；将BC分为若干段，各段长度与AD各段长度相同，各分隔点依次定义为F1、F2、……、Fn；以A点上方作为飞行起点，沿AB方向飞行，到达B点上方后，转向，飞行至F1点上方，转向，飞行至E1点上方，转向，飞行至E2点上方，转向，飞行至F2点上方，……，依次类推，无人机依次飞过各间隔点上方，直至飞过C、D上方；
第2条航线：将A'D'分为若干段，各段长度为10～20m，各分隔点依次定义为E'1、E'2、……、E'n-1、E'n；将B'C'分为若干段，各段长度与A'D'各段长度相同，各分隔点依次定义为F'1、F'2、……、F'n-1、F'n；以A'点上方作为飞行起点，沿A'B'方向飞行，到达B'点上方后，转向，飞行至F'1点上方，转向，飞行至E'1点上方，转向，飞行至E'2点上方，转向，飞行至F'2点上方，……，依次类推，无人机依次飞过各间隔点上方，直至飞过C、D上方或直至达到飞行续航时间；
第3条航线：将A'D'和B'C'按第2条航线做相同的划分；以C'点上方作为飞行起点，沿C'D'方向飞行，到达D'点上方后，转向，飞行至E'n点上方，转向，飞行至F'n点上方，转向，飞行至F'n-1点上方，转向，飞行至E'n-1点上方，……，依次类推，无人机依次飞过各间隔点上方，直至飞过A、B上方或直至达到飞行续航时间；
第4条航线：将B'A'分为若干段，各段长度为10～20m，各分隔点依次定义为G'1、G'2、……、G'n-1、G'n；将C'D'分为若干段，各段长度与A'B'各段长度相同，各分隔点依次定义为H'1、H'2、……、H'n-1、H'n；以B'点上方作为飞行起点，沿B'C'方向飞行，到达C'点上方后，转向，飞行至H'1点上方，转向，飞行至G'1点上方，转向，飞行至G'2点上方，转向，飞行至H'2点上方，……，依次类推，无人机依次飞过各间隔点上方，直至飞过A、D上方或直至达到飞行续航时间；
第5条航线：将B'A'和C'D'按第4条航线做相同的划分；以D'点上方作为飞行起点，沿D'A'方向飞行，到达A'点上方后，转向，飞行至G'n点上方，转向，飞行至H'n点上方，转向，飞行至H'n-1点上方，转向，飞行至G'n-1点上方，……，依次类推，无人机依次飞过各间隔点上方，直至飞过B、C上方或直至达到飞行续航时间。
3.根据权利要求1所述的基于无人机的水稻成熟期草谷比采样与检测方法，其特征在于：飞行完毕后，对飞行过程获取的照片进行拼接处理，获得整个飞行区域的正射影像图的方法为：
31)对飞行过程获取的所有照片通过Pix4Dmapper软件进行处理，剔除不含经度、纬度和高度信息的照片；
32)对剩余照片进行重叠率检查，若航向重叠度≥75％、且旁向重叠度≥60％，则照片满足要求，否则重新进行步骤(2)，直至获得重叠度满足要求的照片；
33)将剩余照片进行拼接处理，获得整个飞行区域的正射影像图。
4.根据权利要求1所述的基于无人机的水稻成熟期草谷比采样点布局方法，其特征在于：步骤(4)的具体方法为：
将整个飞行区域的正射影像图导入ArcMap中，对待测水稻田块的区域进行划分、栅格化处理，分割成一定数量的规则区域；根据各规则区域的灰度的最大值和最小值，将灰度值均分为5～10个区间，再按照各区域的灰度值所在的区间，将所有规则区域划分为5～10个层次。
5.根据权利要求1所述的基于无人机的水稻成熟期草谷比采样与检测方法，其特征在于：步骤(5)中是分别在每个层次的田块取3～5个单位面积的水稻田块作为该层次水稻草谷比的采样点。
6.根据权利要求1所述的基于无人机的水稻成熟期草谷比采样与检测方法，其特征在于：步骤(2)中拍摄的角度设置成零度。
CN201611145944.3A 2016-12-13 2016-12-13 一种基于无人机的水稻成熟期草谷比采样与检测方法 Active CN106767717B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611145944.3A CN106767717B (zh) 2016-12-13 2016-12-13 一种基于无人机的水稻成熟期草谷比采样与检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611145944.3A CN106767717B (zh) 2016-12-13 2016-12-13 一种基于无人机的水稻成熟期草谷比采样与检测方法

Publications (2)

Publication Number Publication Date
CN106767717A true CN106767717A (zh) 2017-05-31
CN106767717B CN106767717B (zh) 2019-05-14

Family

ID=58876507

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611145944.3A Active CN106767717B (zh) 2016-12-13 2016-12-13 一种基于无人机的水稻成熟期草谷比采样与检测方法

Country Status (1)

Country Link
CN (1) CN106767717B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108901366A (zh) * 2018-06-19 2018-11-30 华中农业大学 一种天地一体化柑橘采摘方法
CN109186672A (zh) * 2018-09-13 2019-01-11 浙江农林大学 一种大规模竹林环境温湿度检测方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108901366A (zh) * 2018-06-19 2018-11-30 华中农业大学 一种天地一体化柑橘采摘方法
CN109186672A (zh) * 2018-09-13 2019-01-11 浙江农林大学 一种大规模竹林环境温湿度检测方法及系统

Also Published As

Publication number Publication date
CN106767717B (zh) 2019-05-14

Similar Documents

Publication Publication Date Title
CN111815014B (zh) 一种基于无人机低空遥感信息的作物产量预测方法及系统
US10937148B2 (en) System and method for monitoring crops
CN110222903B (zh) 一种基于无人机遥感的水稻产量预测方法及系统
CN106770299A (zh) 使用无人机航拍作物冠层图片进行作物氮素分析及土壤施肥指导的方法及无人机航拍设备
CN112131746B (zh) 叶绿素a浓度反演方法及系统
CN110927082A (zh) 一种基于无人机成像高光谱遥感的冬小麦产量预测方法
Sharifi Estimation of biophysical parameters in wheat crops in Golestan province using ultra-high resolution images
CN104298245A (zh) 基于无人机的监控林木生长状态的方法
CN109117811A (zh) 一种基于低空遥感测量技术估算城市植被覆盖率的系统及方法
Blanchette et al. Predicting wood fiber attributes using local-scale metrics from terrestrial LiDAR data: A case study of Newfoundland conifer species
CN109409441A (zh) 基于改进随机森林的近岸水体叶绿素a浓度遥感反演方法
CN106403904A (zh) 一种基于无人机的景观尺度植被覆盖度的计算方法及系统
CN110414738A (zh) 一种农作物产量预测方法及系统
Estornell et al. Estimation of wood volume and height of olive tree plantations using airborne discrete-return LiDAR data
CN110969654A (zh) 基于收割机的玉米高通量表型测量的方法及装置、收割机
CN113610040B (zh) 一种基于改进BiSeNetV2分割网络的水稻田杂草密度实时统计方法
CN103090946B (zh) 果树单树产量测量的方法和系统
CN114140695B (zh) 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统
CN106767717A (zh) 一种基于无人机的水稻成熟期草谷比采样与检测方法
CN113325872A (zh) 植物的巡查方法及装置、系统、飞行器
WO2024025964A1 (en) Methods and systems for use in scan-based analysis of crops
Qubaa et al. Using uavs/drones and vegetation indices in the visible spectrum to monitoring agricultural lands
CN105574516B (zh) 可见光图像中基于logistic回归的观赏凤梨叶绿素检测方法
CN106501454A (zh) 一种枣树冠层叶绿素b含量的卫星遥感监测方法
CN113673339A (zh) 基于无人机影像的立地秸秆提取方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant