CN107807125B - 基于无人机载多光谱传感器的植物信息计算系统及方法 - Google Patents

基于无人机载多光谱传感器的植物信息计算系统及方法 Download PDF

Info

Publication number
CN107807125B
CN107807125B CN201710947496.7A CN201710947496A CN107807125B CN 107807125 B CN107807125 B CN 107807125B CN 201710947496 A CN201710947496 A CN 201710947496A CN 107807125 B CN107807125 B CN 107807125B
Authority
CN
China
Prior art keywords
plant
target
image
calculating
light
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
CN201710947496.7A
Other languages
English (en)
Other versions
CN107807125A (zh
Inventor
孙红
龙耀威
眭畅豪
刘宁
李民赞
张漫
杨玮
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.)
China Agricultural University
Original Assignee
China Agricultural University
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 China Agricultural University filed Critical China Agricultural University
Priority to CN201710947496.7A priority Critical patent/CN107807125B/zh
Publication of CN107807125A publication Critical patent/CN107807125A/zh
Application granted granted Critical
Publication of CN107807125B publication Critical patent/CN107807125B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0428—Safety, monitoring
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2656—Instrumentation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供了一种基于无人机载多光谱传感器的植物信息计算系统及方法，包括：多光谱传感器和地面监控装置；多光谱传感器设置在无人机上，用于获取每一目标波长处的光照强度和目标植物在每一目标波长处的植物图像，并将每一目标波长处的光照强度和植物图像传输至地面监控装置；地面监控装置用于根据每一目标波长处的光照强度和植物图像，计算目标植物的植物信息，植物信息包括目标植物内的叶绿素含量、水分含量、氮素含量和所述目标植物的叶面积指数。能够同时计算出目标植物内的叶绿素含量、水分含量、氮素含量和所述目标植物的叶面积指数等参数，不需要工作人员进行大量的计算工作，实现了计算过程的简化。

Description

基于无人机载多光谱传感器的植物信息计算系统及方法
技术领域
本发明涉及航空遥感成像技术领域，更具体地，涉及基于无人机载多光谱传感器的植物信息检测系统及方法。
背景技术
随着无人机行业的快速发展，无人机在农业方面的应用也越来越广。无人机遥感系统凭借其运载便利、灵活性高、作业周期短、影像数据分辨率高等优势，已被广泛应用于农田药物喷洒、农田信息监测、农业保险勘察等专业领域。
光谱遥感技术具有分辨率高、光谱连续性强和数据信息丰富的特点，能动态、快速、准确和及时地提供地物数据信息，是农业中获取信息的有效手段。光谱遥感技术可以探测到作物叶片生长过程中的生理化学变化，能有效的将得到的光谱数据绘制光谱响应曲线，从光谱响应曲线中可以反映出叶绿素、叶片水分、微量元素的含量及其变化。依据光谱遥感技术的特性，可以及时了解农作物生长过程中的营养状况，为变量施肥管理提供重要参考。利用无人机载多光谱传感器对农作物的冠层光谱信息进行检测，可满足田间作物快速、无损的检测的需求。
目前，市场上已出现一种Parrot Sequoia多光谱传感器，它可与所有类型的无人机兼容。Parrot Sequoia多光谱传感器具体包含：多光谱相机和日光照度计。其中，多光谱相机设置在无人机朝向植物的一侧，通过四个独立单元来捕捉植物反射的不同波段：绿光波段、红光波段、近红外波段和红光边缘波段。日光照度计，即阳光传感器则设置在无人机朝向天空一侧，用来检测这四个光谱波段的太阳光照强度。
MicaSense RedEdge是另一种可搭载在无人机上的多光谱成像设备，可以提供精确的多波段光谱数据。MicaSense RedEdge具有五个独立的成像器，分别安装配套的滤光片，可以使每个成像器接收到精确波长范围的光谱。
上述两种设备均为通用型采集数据的设备，均可与所有类型的无人机兼容。但由于这些设备采集数据的最终目的是为了检测植物信息，而采集的数据并不能直观的体现植物信息，还需要经过专业人员对采集到的数据进行后续分析和处理，使得整个检测过程需要消耗大量的人力，不利于实现检测过程的自动化。
发明内容
为克服上述问题或者至少部分地解决上述问题，本发明提供了一种基于无人机载多光谱传感器的植物信息计算系统，包括：多光谱传感器和地面监控装置；
所述多光谱传感器设置在所述无人机上，用于获取每一目标波长处的光照强度和目标植物在所述每一目标波长处的植物图像，并将所述每一目标波长处的光照强度和植物图像传输至地面监控装置；
所述地面监控装置用于根据所述每一目标波长处的光照强度和植物图像，计算所述目标植物的植物信息，所述植物信息包括所述目标植物内的叶绿素含量、水分含量、氮素含量和所述目标植物的叶面积指数。
优选地，所述多光谱传感器具体包括：光强度采集单元、植物图像采集单元和控制单元；
所述光强度采集单元朝上设置，用于采集所述每一目标波长处的光照强度，所述植物图像采集单元朝下设置，用于采集所述目标植物在所述每一目标波长处的植物图像；
所述控制单元用于接收所述地面监控装置发送的控制指令，并根据所述控制指令控制所述光强度采集单元和所述植物图像采集单元的采集动作；
相应地，所述地面监控装置还用于向所述光谱传感器发送控制指令。
优选地，所述光强度获取单元具体包括：上光学通道和下光学通道；
所述上光学通道的数量和所述下光学通道的数量均与所述目标波长的数量相等，每一上光学通道均与一下光学通道相通；
每一上光学通道包括凸透镜和漫射片，所述漫射片设置在所述凸透镜的上方，每一下光学通道包括由上到下依次设置的垫圈、滤光片和光电探测器。
优选地，基于无人机载多光谱传感器的植物信息计算系统中还包括：GPS模块，所述GPS设置在所述多光谱传感器上或设置在所述无人机上，用于获取所述无人机的地理位置信息和行驶路程；
相应地，所述地面监控装置还用于基于PID算法，根据所述无人机的地理位置信息和行驶路程，计算所述多光谱传感器的采集速度，并向所述光谱传感器发送速度指令，以使所述光谱传感器内的所述控制单元根据所述速度指令，调整所述多光谱传感器的采集速度。
优选地，所述目标波长包括：450nm、550nm、700nm、766nm、850nm和900nm六个。
优选地，所述地面监控装置具体包括：光谱反射率计算单元、叶绿素含量计算单元、水分含量计算单元和氮素含量计算单元；
所述光谱反射率计算单元用于根据所述每一目标波长处的光照强度和对应的植物图像中每一个像素的灰度值，计算所述目标植物在所述每一目标波长处的光谱反射率；
所述叶绿素含量计算单元用于根据900nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在900nm处的光谱反射率，以及450nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在450nm处的光谱反射率，计算所述目标植物的叶绿素含量；
所述水分含量计算单元用于根据850nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在850nm处的光谱反射率，以及550nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在550nm处的光谱反射率，计算所述目标植物内的水分含量；
所述氮素含量计算单元用于根据700nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在700nm处的光谱反射率，以及766nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在766nm处的光谱反射率，计算所述目标植物的氮素含量。
优选地，所述多光谱传感器内还包括：无线传输单元；
所述无线传输单元用于所述多光谱传感器与所述地面监控装置之间进行无线数据传输。
另一方面，本发明还提供了一种基于无人机载多光谱传感器的植物信息计算方法，包括：
S1，获取每一目标波长处的光照强度和目标植物在所述每一目标波长处的植物图像；
S2，根据所述每一目标波长处的光照强度和植物图像，计算所述目标植物的植物信息，所述植物信息包括所述目标植物内的叶绿素含量、水分含量、氮素含量和所述目标植物的叶面积指数。
优选地，所述目标波长包括：450nm、550nm、700nm、766nm、850nm和900nm；
相应地，S2具体包括：
S21，根据所述每一目标波长处的光照强度和对应的植物图像中每一个像素的灰度值，计算所述目标植物在所述每一个目标波长处的光谱反射率；
S22，根据900nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在900nm处的光谱反射率，以及450nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在450nm处的光谱反射率，计算所述目标植物的叶绿素含量；
S23，根据850nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在850nm处的光谱反射率，以及550nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在550nm处的光谱反射率，计算所述目标植物内的水分含量；
S24，根据700nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在700nm处的光谱反射率，以及766nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在766nm处的光谱反射率，计算所述目标植物的氮素含量。
优选地，S1还包括：
获取所述植物图像对应的位置信息和所述无人机的行驶路程；
根据所述位置信息和所述行驶路程，以及所述光照强度和对应的植物图像，计算所述多光谱传感器的采集速度。
本发明提供的基于无人机载多光谱传感器的植物信息计算系统及方法，系统包括：多光谱传感器和地面监控装置；所述多光谱传感器设置在所述无人机上，用于获取每一目标波长处的光照强度和目标植物在所述每一目标波长处的植物图像，并将所述每一目标波长处的光照强度和植物图像传输至地面监控装置；所述地面监控装置用于根据所述每一目标波长处的光照强度和植物图像，计算所述目标植物的植物信息，所述植物信息包括所述目标植物内的叶绿素含量、水分含量、氮素含量和所述目标植物的叶面积指数。本发明中，通过在植物信息计算系统中设置地面监控装置，可以根据多光谱传感器获取到的每一目标波长处的光照强度和植物图像，能够同时计算出目标植物内的叶绿素含量、水分含量、氮素含量和所述目标植物的叶面积指数等参数，不需要工作人员进行大量的计算工作，实现了计算过程的简化，节约了人力资源。
附图说明
图1为本发明实施例提供的基于无人机载多光谱传感器的植物信息计算系统中光强度采集单元的结构示意图；
图2为图1中光强度采集单元的俯视图；
图3为本发明实施例提供的基于无人机载多光谱传感器的植物信息计算系统中植物图像采集单元采集到的植物图像示意图；
图4为本发明实施例提供的光强度采集单元的结构框图；
图5为本发明实施例提供的基于无人机载多光谱传感器的植物信息计算系统示意图；
图6为本发明实施例提供的基于无人机载多光谱传感器的植物信息计算方法流程示意图；
图7为本发明实施例提供的基于无人机载多光谱传感器的植物信息计算方法中计算植物信息的流程示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本发明一实施例提供了一种基于无人机载多光谱传感器的植物信息计算系统，包括：多光谱传感器和地面监控装置；
所述多光谱传感器设置在所述无人机上，用于获取每一目标波长处的光照强度和目标植物在所述每一目标波长处的植物图像，并将所述每一目标波长处的光照强度和植物图像传输至地面监控装置；
所述地面监控装置用于根据所述每一目标波长处的光照强度和植物图像，计算所述目标植物的植物信息，所述植物信息包括所述目标植物内的叶绿素含量、水分含量、氮素含量和所述目标植物的叶面积指数。
具体地，所述多光谱传感器需要同时获取每一目标波长处的光照强度和目标植物在所述每一目标波长处的植物图像，可以理解的是，获取的植物图像实际上是目标植物在某一目标波长处的灰度图像，从植物图像中可以计算出目标植物在该目标波长处的光谱反射率，进而可以通过不同目标波长处的光照强度和光谱反射率，同时得到目标植物的不同参数，即目标植物的植物信息。
在太阳光的照射下，多光谱传感器可获取所有目标波长处的光照强度以及植物图像。地面监控装置对由多光谱传感器传输的每一个目标波长处的光照强度和对应的植物图像中每个像素的灰度值进行分析，得出与该植物图像的光谱反射率。将这些多光谱数据进行计算，同步计算目标植物内的叶绿素含量、水分含量、氮素含量和目标植物的叶面积指数参数等各种参数。为保证能够同时计算出目标植物内的各种植物信息，在多光谱传感器获取所有相关信息时，需要同时获取。
本实施例中，通过获取每一目标波长处的光照强度可以实时对外界光强值实时变化进行监控，即对外界光照强度值进行实时标定。这可以解决现有技术中的多光谱传感器采用照度计进行标定，但并不能对每一个具体目标波长处的光照强度值进行标定的技术问题。
本实施例中，通过在植物信息计算系统中设置地面监控装置，可以根据多光谱传感器获取到的每一目标波长处的光照强度和植物图像，能够同时计算出目标植物内的叶绿素含量、水分含量、氮素含量和所述目标植物的叶面积指数等参数，不需要工作人员进行大量的计算工作，实现了计算过程的简化，节约了人力资源。
在上述实施例的基础上，所述多光谱传感器具体包括：光强度采集单元、植物图像采集单元和控制单元；
所述光强度采集单元朝上设置，用于采集每一目标波长处的光照强度，所述植物图像采集单元朝下设置，用于采集所述目标植物在每一目标波长处的植物图像；
所述控制单元用于接收所述地面监控装置发送的控制指令，并根据所述控制指令控制所述光强度采集单元和所述植物图像采集单元的采集动作；
相应地，所述地面监控装置还用于向所述光谱传感器发送控制指令。
具体地，光强度采集单元朝上设置，即需要光强度采集单元朝向空中，使光强度采集单元能够更加准确的采集到每一目标波长处的光照强度。同样地，植物图像采集单元朝下设置，即需要植物图像采集单元朝向目标植物，使植物图像采集单元可以更加准确的采集到每一目标波长处的植物图像。
为实现整个检测系统的自动化，在多光谱传感器中设置有控制单元，多光谱传感器通过内部的控制单元与地面监控装置连接。当需要计算目标植物的植物信息时，地面监控装置向多光谱传感器发送控制指令，多光谱传感器内的控制单元接收所述地面监控装置发送的控制指令，并根据所述控制指令控制所述光强度采集单元和所述植物图像采集单元的采集动作。
作为优选方案，本实施例中的控制单元利用C语言在IAR平台进行开发，具体采用MSP430F149单片机。
在上述实施例的基础上，所述光强度获取单元具体包括：上光学通道和下光学通道；所述上光学通道的数量和所述下光学通道的数量均与所述目标波长的数量相等，每一上光学通道均与一下光学通道相通；
每一上光学通道包括凸透镜和漫射片，所述漫射片设置在所述凸透镜的上方，每一下光学通道包括由上到下依次设置的垫圈、滤光片和光电探测器。
具体地，由于所述上光学通道的数量和所述下光学通道的数量均与所述目标波长的数量相等，且每一上光学通道均与一下光学通道相通构成一个完整的光学通道。设目标波长的数量有六个，则光强度获取单元中具有6个上光学通道和6个下光学通道，且每个上光学通道均与一个下光学通道通过机械外壁整合成一体。如图1所示，如图1中(a)为6个上光学通道的左视图，6个上光学通道排列成2行3列，所以图1中(a)仅仅能看到两个上光学通道。从图中可以看出，每一上光学通道包括漫射片11和凸透镜12，所述漫射片11设置在所述凸透镜12的上方，漫射片11和凸透镜12外部由机械外壁13固定。如图1中(b)为下光学通道的左视图，为使下光学通道与上光学通道一一对应，所以6个下光学通道也采用2行3列的排列结构，所以图1中(b)仅仅能看到两个下光学通道。从图中可以看出，每一下光学通道包括由上到下依次设置的垫圈14、滤光片15和光电探测器16。图2为光强度获取单元的俯视图，从图2中可以看出上光学通道10呈2行3列的排列结构，周围由机械外壁13固定。
结合图1和图2还可以看到，在每4个相邻的上光学通道的中心位置设置有圆柱体的固定通道17，固定通道17延伸并贯穿与上述4个上光学通道对应的4个下光学通道的中心位置。固定通道17用于将6个上光学通道与对应的6个下光学通道整合形成一体。作为优选方案，在固定通道的内壁上设置有螺纹，可以通过螺栓将6个上光学通道与对应的6个下光学通道整合形成一体。
需要说明的是，漫射片11用于增加太阳光的透过率，使足够多的太阳光进入上光学通道。凸透镜12用于将进入的太阳光进行会聚，并将太阳光经垫圈14会聚至滤光片15上。由于本发明中采用了6种目标波长，所以每个下光学通道内的滤光片15会选择出与该光学通道对应的目标波长的光，并经过光电探测器16检测该光学通道对应的目标波长处的光照强度，并将其转换为电信号传输至地面监控装置，以供其做后续分析和计算。
需要说明的是，本发明中的光强度获取单元上的六个光学通道的排列方式并不限于2行3列，还可以将六个光学通道设置在一行上，或其他合理的排列方式。
在将上光学通道与对应的下光学通道整合形成一体的过程中，为避免光学器件被破坏，在滤光片15上方设置垫圈14，防止凸透镜12与滤光片15之间发生碰撞，导致光学器件的性能降低甚至被破坏。作为优选方案，垫圈14为聚四氟乙烯材料。
本实施例中的光电探测器采用PIN型光电二极管，光谱的响应范围为400-1100nm，灵敏度为0.55A/W，短路电流最大为120μA；6个光电探测器封装在同一底座上，增强了系统可靠性。
经光电探测器检测所在光学通道对应的目标波长处的光照强度，并将其转换为电信号后，实际上这个电信号为电流，还需要通过IV转换电路将电流转换为电压，并通过放大电路将电压进行放大，最后将放大后的电压传输至地面监控装置。
在上述实施例的基础上，所述目标波长包括：450nm、550nm、700nm、766nm、850nm和900nm六个。多光谱传感器获取太阳光中每一目标波长处的光照强度和植物图像，并将获取到的每一目标波长处的光照强度和植物图像传输至地面监控装置。
在上述实施例的基础上，植物图像采集单元包括第一子单元、第二子单元、第三子单元和第四子单元，这四个子单元均为多波段成像传感器，或均为相机。植物图像采集单元获取的植物图像如图3所示，其中，第一子单元用于获取目标植物在太阳光中的可见光范围的彩色植物图像(也就是RGB植物图像)，如图3中的(a)，进行处理后可以分别得到目标植物在目标波长450nm、550nm和700nm处的植物图像的灰度图。第二子单元用于获取目标植物在太阳光中的766nm处的植物图像的灰度图，如图3中的(b)，766nm的光属于整个太阳光光谱中的红边范围。第三子单元用于获取目标植物在太阳光中的850nm处的植物图像的灰度图，如图3中的(c)。第四子单元用于获取目标植物在太阳光中的900nm处的植物图像的灰度图，如图3中的(d)。其中，850nm的光和900nm的光均属于近红外范围。实际上，可以理解的是，植物图像采集单元利用4个子单元获取了6个不同目标波长处的植物图像的灰度图。可以减少多波段成像传感器或相机的使用数量，进而降低成本。
作为优选方案，本实施例中的植物图像采集单元采用OpenMV Cam摄像头，并使用Python脚本对OpenMV Cam进行编程，将摄像头结构中的近红外截止滤光片更换成带通滤光片，使OpenMV Cam摄像头可以拍摄带通波段的照片。
在上述实施例的基础上，检测系统内还包括GPS模块，所述GPS设置在所述多光谱传感器上或设置在所述无人机上，用于获取所述无人机的地理位置信息和行驶路程；
相应地，所述地面监控装置还用于基于PID算法，根据所述无人机的地理位置信息和行驶路程，计算所述多光谱传感器的采集速度，并向所述光谱传感器发送速度指令，以使所述光谱传感器内的所述控制单元根据所述速度指令，调整所述多光谱传感器的采集速度。
具体地，由于多光谱传感器是有无人机携带，无人机在飞行过程中，无人机的飞行速度将会影响多光谱传感器中植物图像采集单元对植物图像的采集速度，进而会影响多光谱传感器的采集速度。所以为使植物图像采集单元在无人机不同飞行速度下进行不同速度的图像采集，本实施例中地面监控装置还用于计算并控制多光谱传感器的采集速度。具体地，地面监控装置采用一种采集速度自适应调节的方法来实现上述作用。此方法主要利用GPS模块获取的无人机的地理位置信息和行驶路程，基于PID算法计算所述多光谱传感器的采集速度，并向所述光谱传感器发送速度指令，以使所述光谱传感器内的所述控制单元根据所述速度指令，调整所述多光谱传感器的采集速度。
需要说明的是，GPS模块每隔预设时间段获取一次无人机的地理位置信息和行驶路程，这里的预设时间段即为GPS模块的获取周期。地面监控装置根据GPS模块当前时刻获取的无人机的地理位置信息、上次获取无人机地理位置信息的时刻至当前时刻的时间段内无人机的行驶路程以及GPS模块的获取周期计算多光谱传感器的采集速度。
计算所述多光谱传感器的采集速度的具体公式如下：
Figure BDA0001432066410000111
Y＝K1Y1+K2Y2
其中：ΔT为GPS模块的获取周期，Lo，La分别表示无人机所在的经度和纬度，ΔL0为ΔT时间段内无人机在经度上的行驶路程，ΔL0/ΔT即为无人机在经度上的行驶速度，ΔLa为ΔT时间段内无人机在纬度上的行驶路程，ΔLa/ΔT即为无人机在纬度上的行驶速度，P1，P2，I1，I2，D1，D2分别表示PID算法中的参数，P1表示经度上的偏差比例参数，I1表示经度上的偏差积分参数，D1表示经度上的偏差微分参数，P2表示纬度上的偏差比例参数，I2表示纬度上的偏差积分参数，D2表示纬度上的偏差微分参数。Y1为多光谱传感器在经度上的采集速度，Y2为多光谱传感器在纬度上的采集速度，Y为多光谱传感器的采集速度。K1，K2分别表示Y中Y1和Y2所占比例。
PID算法中的参数具体取值需通过判断无人机所处的多个地理位置处多光谱传感器获取的目标植物的多个植物图像的之间的匹配度确定，由于这部分属于现有技术，本发明在此不再赘述。
本实施例采用的GPS模块的型号为NEO-6M，GPS模块上携带有高性能有源天线。GPS模块固定数据输出语句($GPGGA)是一帧GPS定位的主要数据，$GPGGA语句包括17个字段：语句标识头，世界时间，纬度，纬度半球，经度，经度半球，定位质量指示，使用卫星数量，水平精确度，海拔高度，高度单位，大地水准面高度，高度单位，差分GPS数据期限，差分参考基站标号，校验和结束标记，分别用14个逗号进行分隔。
需要注意的是，本实施例提供的GPS模块由多光谱传感器内的控制单元控制是否执行获取操作。当地面监控装置向控制单元发送控制指令后，控制单元即控制GPS模块执行获取操作。
本实施例中，地面监控装置通过采用采集速度自适应调节的方法调节多光谱传感器的采集速度，考虑了无人机的飞行速度对多光谱传感器的采集速度的影响，使多光谱传感器采集的植物图像更加准确。
在上述实施例的基础上，多光谱传感器内还包括SD卡，SD卡用于存储获取的光照强度和植物图像，以及GPS模块获取到的无人机的地理位置信息和行驶路程，将获取的所有信息进行汇总并同时发送给地面监控装置。
在上述实施例的基础上，多光谱传感器内还包括：惯性测量单元(IMU)。
在上述实施例的基础上，多光谱传感器内还包括：无线传输单元；所述无线传输单元用于所述多光谱传感器与所述地面监控装置之间进行无线数据传输。作为优选方案，本实施例采用无线数据传输模块SV6202。
如图4所示，在上述实施例的基础上，本发明另一实施例提供了一种多光谱传感器的结构示意图。从图中可以看出，这种多光谱传感器中的光强度采集单元具有六个通道，也就是具有六个光学通道。这六个通道分别为：通道1，对应的目标波长为450nm；通道2，对应的目标波长为550nm；通道3，对应的目标波长为700nm；通道4，对应的目标波长为766nm；通道5，对应的目标波长为850nm；通道6，对应的目标波长为900nm。经过这六个通道后输出对应的电流，经过IV转换电流将六个电流分别转换为六个电压，并将六个电压通过放大电路进行放大，最后将放大后的电压值传输至控制单元(MSP430F149)中。
多光谱传感器中的植物图像采集单元由4个OpenMV Cam构成，分别为：OpenMV Cam1，获取的植物图像为RGB图像，实际上可理解为分别对应于目标波长为450nm、550nm和700nm的植物图像的灰度图；OpenMV Cam 2，获取766nm处植物图像的灰度图；OpenMV Cam3，获取850nm处植物图像的灰度图；OpenMV Cam 2，获取900nm处植物图像的灰度图。将获取的植物图像传输至控制单元(MSP430F149)中。
同时，多光谱传感器中还包括GPS模块和无线传输模块，GPS模块将获取的无人机的地理位置信息和行驶路程分别传输至控制单元，控制单元将接收到的所有光照强度和植物图像，以及无人机的地理位置信息和行驶路程通过无线传输模块传输至地面监控装置。
在上述实施例的基础上，本发明的整体方案可用图5表示，图中无人机51上载有多光谱传感器53，这个多光谱传感器53包括具有6个光学通道531的光强度采集单元和具有四个子单元532的植物图像采集单元。这里需要说明的是，本实施例中采用的6个光学通道是排列在一行上，但是每个光学通道的结构和对应目标波长与上述实施例中的描述是一致的，植物图像采集单元中的四个子单元与上述实施例中的描述是一致的，本实施例中不再赘述。多光谱传感器通过无线传输模块与地面监控装置连接，用以传输多光谱传感器获取的光照强度和植物图像。
在上述实施例的基础上，所述地面监控装置具体包括：光谱反射率计算单元、叶绿素含量计算单元、水分含量计算单元和氮素含量计算单元；
所述光谱反射率计算单元用于根据所述每一目标波长处的光照强度和对应的植物图像中每一个像素的灰度值，计算所述目标植物在所述每一目标波长处的光谱反射率；
所述叶绿素含量计算单元用于根据900nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在900nm处的光谱反射率，以及450nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在450nm处的光谱反射率，计算所述目标植物的叶绿素含量；
所述水分含量计算单元用于根据850nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在850nm处的光谱反射率，以及550nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在550nm处的光谱反射率，计算所述目标植物内的水分含量；
所述氮素含量计算单元用于根据700nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在700nm处的光谱反射率，以及766nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在766nm处的光谱反射率，计算所述目标植物的氮素含量。
具体地，光谱反射率可通过如下公式计算：
Figure BDA0001432066410000151
其中，T(i,j)为目标植物上与目标波长λ处的植物图像中第i行第j列的像素相对应的位置的光谱反射率，U'λ(i,j)为目标植物在目标波长为λ处的植物图像中第i行第j列的像素的灰度值，Uλ为目标波长为λ的光的光照强度。
以下为方便描述，将所有目标波长进行排序，分别为：序号1代表766nm，序号2代表550nm，序号3代表450nm，序号4代表700nm，序号5代表850nm，序号6代表900nm。
叶绿素含量计算单元通过如下公式计算目标植物中的叶绿素含量Y：
Y＝a·NDVI+b
其中，a和b为常数，NDVI(Normalized Difference Vegetation Index,标准差异植被指数)通过如下公式计算：
Figure BDA0001432066410000152
其中，
Figure BDA0001432066410000153
为目标波长900nm处的光谱反射率的平均值，
Figure BDA0001432066410000154
为目标波长450nm处的光谱反射率的平均值。
其中，a和b取值的确定是利用至少两个已知叶绿素含量的植物，利用本发明提供的多光谱传感器获取目标波长900nm和450nm处的光照强度和植物图像，计算出目标波长900nm处的光谱反射率的平均值和目标波长450nm处的光谱反射率的平均值。即可得到a和b的取值。
水分含量计算单元通过如下公式计算目标植物中的水分含量W：
W＝a·NDVI+b
其中，a和b为常数，NDVI通过如下公式计算：
Figure BDA0001432066410000161
其中，
Figure BDA0001432066410000162
为目标波长850nm处的光谱反射率的平均值，
Figure BDA0001432066410000163
为目标波长550nm处的光谱反射率的平均值。
其中，a和b取值的确定是利用至少两个已知水分含量的植物，利用本发明提供的多光谱传感器获取目标波长850nm和550nm处的光照强度和植物图像，计算出目标波长850nm处的光谱反射率的平均值和目标波长550nm处的光谱反射率的平均值。即可得到a和b的取值。
氮素含量计算单元通过如下公式计算目标植物中的氮素含量D：
D＝a·NDVI+b
其中，a和b为常数，NDVI通过如下公式计算：
Figure BDA0001432066410000164
其中，
Figure BDA0001432066410000165
为目标波长700nm处的光谱反射率的平均值，
Figure BDA0001432066410000166
为目标波长766nm处的光谱反射率的平均值。
其中，a和b取值的确定是利用至少两个已知氮素含量的植物，利用本发明提供的多光谱传感器获取目标波长700nm和766nm处的光照强度和植物图像，计算出目标波长700nm处的光谱反射率的平均值和目标波长766nm处的光谱反射率的平均值。即可得到a和b的取值。
地面监控装置还包括叶面积指数计算单元，叶面积指数计算单元通过植物图像采集单元采集到的任一目标波长处的植物图像，计算目标植物的叶面积指数，具体通过如下公式计算目标植物的叶面积指数：
Figure BDA0001432066410000171
其中，m和n分别表示任一目标波长处的植物图像中像素的行数和像素的列数，L(i,j)表示上述植物图像中第i行第j列的像素的灰度值，
Figure BDA0001432066410000172
表示上述植物图像中所有像素的灰度值之和，LAI为叶面积指数。作为优选方案，可采用目标波长为450nm处的植物图像来计算目标植物的叶面积指数。
地面监控装置还包括植物生长相对高度计算单元，用于利用目标波长850nm和900nm处的灰度图像，结合设置在多光谱传感器内部的惯性测量单元，计算目标植物的相对生长高度。其中惯性测量单元的数据对计算出的植物生长相对高度进行修正。
为解决无人机快速飞行状态下数据的快速采集和数据存储速度慢的矛盾，还可以将多光谱传感器采集的四种植物图像分别存储在第一子单元、第二子单元、第三子单元和第四子单元中，将获取到的光照强度、地理位置数据实时发送至地面监控装置。为保证数据存储和发送过程中保持同步的问题，采用“触发-反馈”的机制，即四个子单元等待控制单元的控制指令，接收到控制指令后，各个子单元同时进行数据采集和存储，并发送反馈数据给控制单元，保证数据的时间和位置的统一。
如图6所示，在上述实施例的基础上，本发明另一实施例中还提供了一种基于无人机载多光谱传感器的植物信息计算方法，包括：
S1，获取每一目标波长处的光照强度和目标植物在所述每一目标波长处的植物图像；
S2，根据所述每一目标波长处的光照强度和植物图像，计算所述目标植物的植物信息，所述植物信息包括所述目标植物内的叶绿素含量、水分含量、氮素含量和所述目标植物的叶面积指数。
本实施例中，根据所述每一目标波长处的光照强度和植物图像，能够同时计算出目标植物内的叶绿素含量、水分含量、氮素含量和所述目标植物的叶面积指数等参数，不需要工作人员进行大量的计算工作，实现了计算过程的简化，节约了人力资源。
在上述实施例的基础上，所述目标波长包括：450nm、550nm、700nm、766nm、850nm和900nm。
如图7所示，在上述实施例的基础上，S2具体包括：
S21，根据所述每一目标波长处的光照强度和对应的植物图像中每一个像素的灰度值，计算所述目标植物在所述每一个目标波长处的光谱反射率；
S22，根据900nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在900nm处的光谱反射率，以及450nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在450nm处的光谱反射率，计算所述目标植物的叶绿素含量；
S23，根据850nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在850nm处的光谱反射率，以及550nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在550nm处的光谱反射率，计算所述目标植物内的水分含量；
S24，根据700nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在700nm处的光谱反射率，以及766nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在766nm处的光谱反射率，计算所述目标植物的氮素含量。
具体地，本实施例中S22、S23和S24是相互独立的，所以对S22、S23和S24的执行顺序不作具体限定，既可以同时执行，也可以按某一顺序执行。
在上述实施例的基础上，S1还包括：
获取所述植物图像对应的位置信息和所述无人机的行驶路程；
根据所述位置信息和所述行驶路程，以及所述光照强度和对应的植物图像，计算所述多光谱传感器的采集速度。
具体地，本实施例提供的基于无人机载多光谱传感器的植物信息计算方法，与上述系统的实施例中给装置、单元和子单元的功能，操作步骤是一一对应的，本实施例在此不再赘述。
在上述实施例的基础上，由于在计算每一目标波长处的光谱反射率时，并没有考虑到外界环境因素对光谱反射率的影响，为减少外界环境因素对数据结果的干扰，本发明中引入各个波段的入射光光照强度数据对图像数据进行修正。
具体的修正方法如下：
通过所述多光谱传感器分别获取反射率为1的白板在每一所述目标波长处的白板图像和所述白板图像中每一个像素的灰度值，以及获取每一所述目标波长处的光照强度；
利用修正系数使如下公式成立，则修正完成。
Figure BDA0001432066410000191
其中，
Figure BDA0001432066410000193
表示在图像数据修正时朝向植物的可见光范围RGB图像中R(波长为700nm)、G(波长为550nm)、B(波长为450nm)的三个灰度图像和766nm、850nm、960nm处的图像中每个像素的灰度值。U450，U550，U700，U766，U850，U900表示在图像数据修正时朝向太阳的六个光学通道采集的450nm、550nm、700nm、766nm、850nm、960nm处光照强度的值。
Figure BDA0001432066410000194
表示图像数据修正后每一目标波长对应的修正系数。
此时，可以利用带有修正系数为计算得到农作物的光谱参数，设计了利用的六个目标波长处的波段光谱反射率进行结果计算目标植物的植物信息的方法。六个目标波长处的波段光谱反射率的计算根据传感器实时获取的数据与图像数据修正后的系数进行通过如下公式计算：
Figure BDA0001432066410000201
Figure BDA0001432066410000202
其中：
Figure BDA0001432066410000203
分别表示检测时朝向植物的可见光范围RGB图像中R(波长为700nm)、G(波长为550nm)、B(波长为450nm)的三个灰度图像和766nm、850nm、900nm处的植物图像中每个像素的灰度值。U450，U550，U700，U766，U850，U900分别表示测量时朝向空中的六个光学通道采集的450nm、550nm、700nm、766nm、850nm、960nm处的光照强度。
Figure BDA0001432066410000204
分别表示每一目标波长对应的修正系数。
Figure BDA0001432066410000205
分别表示计算得到的每个目标波长处的光谱反射率。
在上述实施例的基础上，为应对无人机载多光谱相机复杂的应用环境，满足实际工作中在复杂环境下实现数据的准确和快速传输。设计了专门用于多光谱相机与地面站数据的通讯格式。通讯格式如下：#<type>,<sum>,<longitude>,<latitude>,<C1>,<C2>,<C3>,<C4>,<C5>,<C6>,<number>,<check>*
其中：type表示数据帧类型，sum表示数据长度，longitude表示经度，latitude表示纬度，C1～C6表示每一目标波长处的光照强度，number表示采集次数，check表示校验数据和。数据存储主要是针对植物图像数据进行组织存储，植物图像数据的存储格式为“.jpg”格式。文件命名格式为“number.jpg”，其中number表示植物图像采集的次数。
在上述实施例的基础上，为了满足不同的实际应用场景，本发明提供的植物图像采集单元可采用模块化设计，可以直接进行安装和卸载，无需重新启动系统。根据不同数据的采集需要，可以搭配选择其他波段的图像采集单元。
在上述实施例的基础上，为了解决无人机载多光谱传感器受到无人机振动的影响，所有线路尽量通过电路板来实现，避免受到振动的影响。
在上述实施例的基础上，本发明中对信号处理电路的设计包括通道复用电路的设计、IV转换电路的设计和运算放大电路的设计。通道复用电路采用8选1模拟开关ADG708。运算放大电路为先利用T形电阻网络，由集成运算放大器芯片TLC2201组成的IV转换电路将电流转换为电压，再利用NE5532组成的运算放大电路将电压放大处理。
在上述实施例的基础上，本实施例提供了基于无人机载多光谱传感器的植物信息计算系统的工作方法，具体包括：
(1)将多光谱传感器安装无人机上；
(2)打开多光谱传感器的电源开关；
(3)打开地面监控装置，准备数据采集；
(4)控制无人机飞行，系统开始工作；
(5)飞行结束后，将数据导入地面监控装置；
(6)地面监控装置计算目标植物的植物信息。
最后，本发明的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于无人机载多光谱传感器的植物信息计算系统，其特征在于，包括：多光谱传感器和地面监控装置；
所述多光谱传感器设置在所述无人机上，用于获取每一目标波长处的光照强度和目标植物在所述每一目标波长处的植物图像，并将所述每一目标波长处的光照强度和植物图像传输至地面监控装置；
所述地面监控装置用于根据所述每一目标波长处的光照强度和植物图像，计算所述目标植物的植物信息，所述植物信息包括所述目标植物内的叶绿素含量、水分含量、氮素含量和所述目标植物的叶面积指数；
所述多光谱传感器具体包括：光强度采集单元、植物图像采集单元和控制单元；
所述光强度采集单元朝上设置，用于采集所述每一目标波长处的光照强度，所述植物图像采集单元朝下设置，用于采集所述目标植物在所述每一目标波长处的植物图像；
所述控制单元用于接收所述地面监控装置发送的控制指令，并根据所述控制指令控制所述光强度采集单元和所述植物图像采集单元的采集动作；
相应地，所述地面监控装置还用于向所述光谱传感器发送控制指令；
所述植物图像采集单元包括第一子单元、第二子单元、第三子单元和第四子单元，所述第一子单元用于获取所述目标植物在太阳光中的可见光范围的彩色植物图像，所述第二子单元用于获取所述目标植物在太阳光中的766nm处的植物图像的灰度图，所述第三子单元用于获取所述目标植物在太阳光中的850nm处的植物图像的灰度图，所述第四子单元用于获取所述目标植物在太阳光中的900nm处的植物图像的灰度图；
所述光强度获取单元具体包括：上光学通道和下光学通道；
所述上光学通道的数量和所述下光学通道的数量均与所述目标波长的数量相等，每一上光学通道均与一下光学通道相通；
每一上光学通道包括凸透镜和漫射片，所述漫射片设置在所述凸透镜的上方，每一下光学通道包括由上到下依次设置的垫圈、滤光片和光电探测器；
所述目标波长包括：450nm、550nm、700nm、766nm、850nm和900nm六个；
所述地面监控装置具体包括：光谱反射率计算单元、叶绿素含量计算单元、水分含量计算单元和氮素含量计算单元；
所述光谱反射率计算单元用于根据所述每一目标波长处的光照强度和对应的植物图像中每一个像素的灰度值，计算所述目标植物在所述每一目标波长处的光谱反射率；
所述叶绿素含量计算单元用于根据900nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在900nm处的光谱反射率，以及450nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在450nm处的光谱反射率，计算所述目标植物的叶绿素含量；
所述水分含量计算单元用于根据850nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在850nm处的光谱反射率，以及550nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在550nm处的光谱反射率，计算所述目标植物内的水分含量；
所述氮素含量计算单元用于根据700nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在700nm处的光谱反射率，以及766nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在766nm处的光谱反射率，计算所述目标植物的氮素含量。
2.根据权利要求1所述的系统，其特征在于，还包括：GPS模块，所述GPS设置在所述多光谱传感器上或设置在所述无人机上，用于获取所述无人机的地理位置信息和行驶路程；
相应地，所述地面监控装置还用于基于PID算法，根据所述无人机的地理位置信息和行驶路程，计算所述多光谱传感器的采集速度，并向所述光谱传感器发送速度指令，以使所述光谱传感器内的所述控制单元根据所述速度指令，调整所述多光谱传感器的采集速度。
3.根据权利要求1或2所述的系统，其特征在于，所述多光谱传感器内还包括：无线传输单元；
所述无线传输单元用于所述多光谱传感器与所述地面监控装置之间进行无线数据传输。
4.一种基于无人机载多光谱传感器的植物信息计算方法，其特征在于，包括：
S1，获取每一目标波长处的光照强度和目标植物在所述每一目标波长处的植物图像；
S2，根据所述每一目标波长处的光照强度和植物图像，计算所述目标植物的植物信息，所述植物信息包括所述目标植物内的叶绿素含量、水分含量、氮素含量和所述目标植物的叶面积指数；
其中，通过光强度采集单元获取每一目标波长处的光照强度，通过植物图像采集单元采集所述目标植物在所述每一目标波长处的植物图像，所述光强度采集单元和所述植物图像采集单元由控制单元控制；
所述目标植物在所述每一目标波长处的植物图像具体包括：
所述目标植物在太阳光中的可见光范围的彩色植物图像、所述目标植物在太阳光中的766nm处的植物图像的灰度图、所述目标植物在太阳光中的850nm处的植物图像的灰度图以及所述目标植物在太阳光中的900nm处的植物图像的灰度图；
所述目标波长包括：450nm、550nm、700nm、766nm、850nm和900nm；
相应地，S2具体包括：
S21，根据所述每一目标波长处的光照强度和对应的植物图像中每一个像素的灰度值，计算所述目标植物在所述每一个目标波长处的光谱反射率；
S22，根据900nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在900nm处的光谱反射率，以及450nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在450nm处的光谱反射率，计算所述目标植物的叶绿素含量；
S23，根据850nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在850nm处的光谱反射率，以及550nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在550nm处的光谱反射率，计算所述目标植物内的水分含量；
S24，根据700nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在700nm处的光谱反射率，以及766nm的光对应的植物图像中每一个像素的灰度值和所述目标植物在766nm处的光谱反射率，计算所述目标植物的氮素含量。
5.根据权利要求4所述的方法，其特征在于，S1还包括：
获取所述植物图像对应的位置信息和所述无人机的行驶路程；
根据所述位置信息和所述行驶路程，以及所述光照强度和对应的植物图像，计算所述多光谱传感器的采集速度。
CN201710947496.7A 2017-10-12 2017-10-12 基于无人机载多光谱传感器的植物信息计算系统及方法 Active CN107807125B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710947496.7A CN107807125B (zh) 2017-10-12 2017-10-12 基于无人机载多光谱传感器的植物信息计算系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710947496.7A CN107807125B (zh) 2017-10-12 2017-10-12 基于无人机载多光谱传感器的植物信息计算系统及方法

Publications (2)

Publication Number Publication Date
CN107807125A CN107807125A (zh) 2018-03-16
CN107807125B true CN107807125B (zh) 2020-08-11

Family

ID=61584920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710947496.7A Active CN107807125B (zh) 2017-10-12 2017-10-12 基于无人机载多光谱传感器的植物信息计算系统及方法

Country Status (1)

Country Link
CN (1) CN107807125B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111279127B (zh) 2017-08-25 2023-03-31 阿格尼泰克斯股份有限公司 照明器材、照明系统、受控环境农业系统和方法
US10999976B2 (en) 2017-09-19 2021-05-11 Agnetix, Inc. Fluid-cooled lighting systems and kits for controlled agricultural environments, and methods for installing same
CN110647781B (zh) * 2018-06-07 2022-03-18 中国农业大学 一种基于谱图融合的农作物生长信息获取方法及装置
CN108760660A (zh) * 2018-08-17 2018-11-06 山东农业大学 一种返青期冬小麦叶绿素含量估算方法
CN108680509A (zh) * 2018-08-17 2018-10-19 山东农业大学 一种滨海盐渍区土壤盐分含量估算方法
CN109324051A (zh) * 2018-11-08 2019-02-12 北方民族大学 一种植物水分检测方法及系统
KR102635813B1 (ko) * 2018-11-13 2024-02-08 아그네틱스, 인크. 통합된 카메라 및/또는 센서 및 무선 통신 수단을 구비한 환경 제어 농업을 위한 유체 냉각식 led-기반 조명 방법 및 장치
CN109580512A (zh) * 2018-12-10 2019-04-05 北京航天泰坦科技股份有限公司 一种基于光谱和纹理特征的小麦氮素营养监测方法
CN110567891B (zh) * 2019-09-16 2021-09-07 中国水利水电科学研究院 一种冬小麦冠层叶绿素估测系统及方法
JP2023505677A (ja) 2019-12-10 2023-02-10 アグネティックス，インコーポレイテッド 照射器およびカメラおよび／またはセンサーを使用した、制御された環境園芸のためのマルチ知覚撮像方法および装置
JP2023505995A (ja) 2019-12-12 2023-02-14 アグネティックス，インコーポレイテッド 環境制御型園芸のための近接栽培システムにおける流体冷却ｌｅｄベースの照明器具
CN110987183A (zh) * 2019-12-27 2020-04-10 广州极飞科技有限公司 多光谱成像系统及方法
CN112651295A (zh) * 2020-11-18 2021-04-13 上海市园林科学规划研究院 一种城市绿地树木识别系统及方法
CN113203689A (zh) * 2021-04-13 2021-08-03 中国农业大学 土壤全氮含量检测方法、装置、电子设备和存储介质
CN113221780A (zh) * 2021-05-19 2021-08-06 神华准格尔能源有限责任公司 露天矿复垦效果分析方法、存储介质和电子设备
CN113470034A (zh) * 2021-06-10 2021-10-01 六盘水市农业科学研究院 一种自动测量离体植物软腐病斑面积的装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102721651A (zh) * 2012-06-18 2012-10-10 浙江大学 基于多光谱图像的植物叶片水分含量的检测方法及系统
CN103238058A (zh) * 2010-12-02 2013-08-07 日本电气株式会社 叶面积指数测量系统、设备、方法和程序
CN104614321A (zh) * 2015-01-20 2015-05-13 山东农业大学 一种基于光谱图像的作物长势实时监测方法
CN106596412A (zh) * 2016-12-31 2017-04-26 上海复展智能科技股份有限公司 利用无人机携带多光谱光源进行植物生长监测的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103238058A (zh) * 2010-12-02 2013-08-07 日本电气株式会社 叶面积指数测量系统、设备、方法和程序
CN102721651A (zh) * 2012-06-18 2012-10-10 浙江大学 基于多光谱图像的植物叶片水分含量的检测方法及系统
CN104614321A (zh) * 2015-01-20 2015-05-13 山东农业大学 一种基于光谱图像的作物长势实时监测方法
CN106596412A (zh) * 2016-12-31 2017-04-26 上海复展智能科技股份有限公司 利用无人机携带多光谱光源进行植物生长监测的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
COINCIDENT DETECTION OF CROP WATER STRESS, NITROGEN STATUS AND CANOPY DENSITY USING GROUND-BASED MULTISPECTRAL DATA;E.M. Barnes等;《International Conference on Precision Agriculture &Other Resource Management》;20000731;第5-12页 *

Also Published As

Publication number Publication date
CN107807125A (zh) 2018-03-16

Similar Documents

Publication Publication Date Title
CN107807125B (zh) 基于无人机载多光谱传感器的植物信息计算系统及方法
CN110567891B (zh) 一种冬小麦冠层叶绿素估测系统及方法
CA2960375C (en) System and method for calibrating imaging measurements taken from aerial vehicles
US10585210B2 (en) Apparatus for radiometric correction and orthorectification of aerial imagery
Saari et al. Unmanned Aerial Vehicle (UAV) operated spectral camera system for forest and agriculture applications
Honkavaara et al. Hyperspectral reflectance signatures and point clouds for precision agriculture by light weight UAV imaging system
JP6390054B2 (ja) モニタリングシステム
US20160232650A1 (en) Method and system of calibrating a multispectral camera on an aerial vehicle
JP2006314215A (ja) 移動体搭載用の生育度測定装置
US11721008B2 (en) Multispectral filters
Torres-Sánchez et al. Imagery from unmanned aerial vehicles for early site specific weed management
Salvado et al. Semantic navigation mapping from aerial multispectral imagery
Lan et al. Development of an airborne remote sensing system for crop pest management: system integration and verification
Ehsani et al. Affordable multirotor Remote sensing platform for applications in precision horticulture
JP2019039913A (ja) モニタリングシステム
von Bueren et al. Comparative validation of UAV based sensors for the use in vegetation monitoring
CN112949411A (zh) 一种光谱图像校正方法及装置
CN115797807A (zh) 基于无人机载光谱仪数据的海洋垃圾监测方法、系统及介质
CN115993609A (zh) 一种感存算一体化的线阵遥感系统及其数据处理方法
Rydberg et al. Field specific overview of crops using UAV (Unmanned Aerial Vehicle)
Gilliot et al. Correction of in-flight luminosity variations in multispectral UAS images, using a luminosity sensor and camera pair for improved biomass estimation in precision agriculture
Domenzain et al. Jean-Marc Gilliot, Joël Michelin, Romain Faroux, Luis
US11044448B1 (en) Aerial vehicle with spectral shaping filtering
Melo et al. A system embedded in small unmanned aerial vehicle for vigor analysis of vegetation.
US11127165B1 (en) Registration of single channel image sensors

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