CN109353504A - 基于处方图的无人机智能喷施系统及方法 - Google Patents
基于处方图的无人机智能喷施系统及方法 Download PDFInfo
- Publication number
- CN109353504A CN109353504A CN201811031041.1A CN201811031041A CN109353504A CN 109353504 A CN109353504 A CN 109353504A CN 201811031041 A CN201811031041 A CN 201811031041A CN 109353504 A CN109353504 A CN 109353504A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- submodule
- accurate
- work
- prescription
- 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
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
- A01M7/0089—Regulating or controlling systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D1/00—Dropping, ejecting, releasing, or receiving articles, liquids, or the like, in flight
- B64D1/16—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting
- B64D1/18—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting by spraying, e.g. insecticides
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D47/00—Equipment not otherwise provided for
- B64D47/08—Arrangements of cameras
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
Abstract
本发明公开了一种基于处方图的无人机智能喷施系统及方法,系统包括无人机飞行决策系统、无人机精准作业系统、作业处方系统和无人机工勘系统;所述无人机飞行决策系统通过ZigBee无线传感网与所述无人机精准作业系统通信,所述无人机精准作业系统通过4G网络与所述作业处方系统通信,所述作业处方系统通过4G网络与无人机工勘系统通信;所述无人机工勘系统通过ZigBee无线传感网与无人机飞行决策系统通信;本发明采用了低空遥感判别土壤肥力、人工智能决策、以作业处方图的方式驱动植保无人机精准作业的技术方案,解决了传统作业方式用肥不合理、人工效率低下、喷洒不均匀、施肥效果不理想的技术问题,从而达到精细化作业的效果。
Description
技术领域
本发明属于低空遥感图像技术领域,涉及一种基于处方图的无人机智能喷施系统及方法。
背景技术
低空遥感技术能够精细化定量分析田块的肥力,以及对农作物的研究,能够让精准作业有据可依;人工智能的能力,让智能决策成为可能。目前的无人机植保作业,可分成人工飞控以及自主飞控两类;
(1)在人工飞控的情况下,人为因素导致无人机飞行姿态不稳定,人工成本高,技术门槛高,容易坠机,不利于无人机植保作业的推广;
(2)在自主飞控的情况下,能够解决人工成本以及技术门槛高问题,但是不能解决农田风场因素干扰的问题;
无论是在人工飞控还是自主飞控的情况下,作业过程中高度固定,速度固定,飞行路线固定,导致施肥量分布不可控,不能根据田块肥力和实时环境情况进行精准作业。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供一种基于处方图的无人机智能喷施系统及方法,实现基于低空遥感图像的人工智能决策无人机精准作业,让无人机作业更高效、精准以及减少肥料使用。
为了达到上述目的,本发明采用以下技术方案:
本发明一种基于处方图的无人机智能喷施系统,包括无人机飞行决策系统、无人机精准作业系统、作业处方系统和无人机工勘系统;所述无人机飞行决策系统通过ZigBee无线传感网与所述无人机精准作业系统通信,所述无人机精准作业系统通过4G网络与所述作业处方系统通信,所述作业处方系统通过4G网络与无人机工勘系统通信;所述无人机工勘系统通过ZigBee无线传感网与无人机飞行决策系统通信;
所述无人机飞行决策系统,用于采集环境信息,为无人机精准作业系统以及无人机工勘系统是否作业或工勘做决策;
所述无人机工勘系统,用于无人机工勘作业,拍摄农田原生图像、低空遥感图像以及记录图像的经纬度信息,并将农田图像以及经纬度信息发送至作业处方系统;
所述作业处方系统,用于接收来自无人机工勘系统的农田可见光图像、低空遥感图像以及经纬度信息之后,利用云端人工智能算法模型训练系统训练好的算法模型,将序列化的可见光图像、低空遥感图像整合并配准成没有畸变且包含位置信息的图像,并根据光谱与土壤的化学元素含量之间的关系,以及作物品种、生长季与所需肥力的关系,自动计算并生成作业处方图,最后返回此作业处方图至无人机精准作业系统;
所述无人机精准作业系统,用于为作业处方系统提供施肥建议,智能调度无人机、实时调整飞行姿态进行精准化作业。
作为优选的技术方案,所述无人机飞行决策系统搭载了飞行决策ZigBee子模块、风力风向传感器以及温湿度传感器;
所述飞行决策ZigBee子模块,用于组建Mesh拓扑的ZigBee无线传感网,实现大范围的无线通信网络,与无人机精准作业系统以及无人机工勘系统进行通信;
所述风力风向传感器,用于采集环境的风力风向参数;
所述温湿度传感器,用于采集环境的温湿度参数。
作为优选的技术方案,所述的无人机飞行决策系统是基于ZigBee的基于环境信息决策系统,在农田间,等间距分布着采集卡,每一块采集卡都搭载了温湿度传感器、风速风向传感器以及飞行决策ZigBee子模块,采集卡将采集到的环境参数,转化成统一标准格式后,通过ZigBee发送到ZigBee网络,ZigBee网络是Mesh拓扑网络结构,有利于提高ZigBee网络的容错性以及可扩展性,更加方便扩大ZigBee网络范围以覆盖农田。
作为优选的技术方案,所述无人机工勘系统搭载工勘GPS子模块、工勘避障子模块、摄像头子模块、工勘ZigBee子模块、工勘4G路由子模块以及工勘动态网络连接控制子模块;
所述工勘GPS子模块,用于记录无人机拍摄农田图像时所在的经纬度信息;
所述工勘避障子模块,用于把采集环境障碍物信息,为无人机避开障碍物提供数据支持;
所述摄像头子模块,用于拍摄农田原生图像、农田低空遥感图像;
所述工勘ZigBee子模块,用于加入农田信息采集系统组建的ZigBee无线网络,实现无人机工勘系统与无人机飞行决策系统的通信;
所述工勘4G路由子模块,用于建立一个4G网络通信节点,打通无人工勘模块与互联网的通信壁垒,为无人机工勘与作业处方的通信提供通道;
所述工勘动态网络连接控制子模块,用于提供远程控制无人机工勘系统通道,为远程调试无人机工勘系统成为可能。
作为优选的技术方案,所述作业处方系统包括处方管理子模块、遥感数据管理子模块、基本配置子模块以及云端人工智能算法模型训练系统子模块;
所述处方管理子模块和基本配置子模块,用于支持对处方、农作物品种、农作物生长信息的管理;
所述云端人工智能算法模型训练系统子模块,作为遥感数据管理子模块以及无人机飞控智能调度系统的算法训练平台,通过大量的实验数据、以及作业的记录及效果等数据,不定期得对算法进行改进。
作为优选的技术方案,所述无人机精准作业系统搭载喷嘴口径可控子模块、精准作业GPS子模块、精准作业避障子模块、精准作业ZigBee子模块、精准作业4G路由子模块以及精准作业动态网络连接控制子模块;
所述喷嘴口径可控子模块,用于喷施作业;
所述精准作业GPS子模块,用于定位无人机的精准经纬度,为无人机精准作业系统提供精准的经纬度信息,按照作业处方图进行精准作业;
所述精准作业避障子模块,用于把采集环境障碍物信息,为无人机避开障碍物提供数据支持;
所述精准作业ZigBee子模块,用于加入农田信息采集系统组建的ZigBee无线网络,实现无人机精准作业系统与农田信息采集系统的通信;
所述精准作业4G子模块,用于建立一个4G网络通信节点,打通无人机精准作业系统与互联网的通信壁垒,为无人机精准作业系统与作业处方系统的通信提供通道;
所述精准作业动态网络连接控制子模块,用于提供远程控制无人机精准作业系统通道,为远程调试无人机精准作业系统成为可能。
作为优选的技术方案,所述无人机飞控精准作业系统,基于底层控制接口以及人工智能算法进行精准作业,具体如下:
所述无人机精准作业系统底提供了控制无人机飞行高度、飞行速度、飞行方向接口这三个底层控制接口,且该三个底层控制接口优先级次于精准作业避障子模块,还提供了获取GPS位置信息接口、控制喷嘴口径接口和ZigBee通信接口;
所述无人机精准作业系统通过人工智能算法,合理调用底层控制接口,控制无人机整个作业时的飞行参数,以达到变量喷施、精准作业的效果;作业时,无人机精准作业系统通过4G网络,向作业处方系统请求作业处方图,并调用已经存放在本地的由作业处方系统人工智能算法模型训练系统训练出来的算法模型,对作业处方系统返回的作业处方图进行计算;计算出最佳作业路径后,无人机精准作业系统在接收到无人机决策系统决策可以作业后,调度无人机按照计算结果进行精细化作业。
作为优选的技术方案,所述无人机精准作业系统,以基于ARM Cortex-A53 1.2GHz64-bit quad-core ARMv8 CPU为核心处理器的树莓派3B为核心调度系统,使用有线网口与4G模块通信,使用串口通信技术与精准作业GPS子模块、精准作业避障子模块以及喷洒子模块进行通信;核心调度系统与其子模块的通信建立在一套十六进制的通信协议上进行,此通信协议包含了接口ID、指令编码、CRC16校验码;
所述的无人机精准作业系统的底层控制接口,严格遵循上述通信协议,保证了此底层控制接口的独立性,即此系统不依赖于无人机精准作业系统所搭载的子模块,有利于此系统的移植以及子模块的替换;
所述无人机精准作业系统的人工智能算法模型,基于Tensorflow等框架,通过调用在作业处方系统中的云端人工智能算法模型训练系统模块训练好的模型,在本地计算出最佳作业路径,该人工智能算法模型,首先根据作业处方系统返回的作业处方图,规划好最佳作业路径,按照路径飞行并实时调整喷嘴口径进行精准作业。
作为优选的技术方案,所述的无人机精准作业系统与无人机工勘系统共有的动态网络连接控制子模块,用于在外界访问固定域名的情况下,远程连接到IP动态改变的无人机精准作业系统以及无人机工勘系统;
所述动态网络连接控制子模块,通过利用向云端发送其序列号,与云端建立通信;云端将序列号与一个固定的域名绑定,实时通过序列号将域名解析到动态远程控制模块的IP;动态远程控制模块通过路由器的NAT功能,将其映射到无人机精准作业系统以及无人机工勘系统,从而最终实现在外网访问域名不变的情况下,能动态解析到无人机精准作业系统和无人机工勘系统,从而实现远程控制。
本发明还提供了一种基于处方图的无人机智能喷施系统的实现方法,包括下述步骤:
S1、无人机工勘系统初始化设备,调度无人机飞行轨迹与姿态,同时调度摄像头子模块拍摄农田的原生图像、低空遥感图像,记录拍摄时的精准的经纬度信息,并将所拍摄的图像以及记录的经纬度信息上传至作业处方系统;
S2、作业处方系统接收到无人机工勘系统上传的农田图像后,将图像碎片进行整合、配准,生成一份完整的农田图像;再调用TensorFlow训练好的模型,自动划分农田肥力相近的区块,取平均值作为区块的肥力;根据作物的品种、生长季,以及田块的肥力,计算作物最佳的施肥量,生成作业处方图并保存;
S3、无人机精准作业系统,向作业处方系统发送作业请求,在接收作业处方系统返回的作业处方图后,调用训练好的TensorFlow模型,计算出最佳作业路径;在作业前,无人机精准作业系统根据无人机决策系统的决策决定是否作业;在作业时,无人能机精准作业系统根据处方图,实时调整喷嘴口径,达到精准作业的效果;
S4、农田信息采集系统初始化设备,搭载ZigBee协调器的采集卡首先启动,ZigBee协调器组建ZigBee Mesh拓扑网络,其余的数据采集卡启动,搭载的ZigBee路由器或ZigBee节点加入ZigBee协调器组建的网络,同时数据采集卡初始化IO口,控制传感器采集并根据此数据决定无人机是否作业或工勘。
本发明与现有技术相比,具有如下优点和有益效果:
本发明采用了低空遥感判别土壤肥力、人工智能决策、以作业处方图的方式驱动植保无人机精准作业的技术方案,解决了传统作业方式用肥不合理、人工效率低下、喷洒不均匀、施肥效果不理想的技术问题,低空遥感技术,让施肥用量有据可依,深度学习技术加入,让无人机航线规划更加智能化,而无人机自主喷施,极大地解放了生产力,提高了工作效率,扩大了作业范围,提高作业效果,从而达到高效率、自动化、精细化作业的效果。
附图说明
图1是本发明系统结构图;
图2是本发明方法流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
如图1所示,本实施例一种基于处方图的无人机智能喷施系统,包括无人机飞行决策系统100、无人机工勘系统200、作业处方系统300、无人机精准作业系统400;所述无人机飞行决策系统100通过ZigBee无线传感网与所述无人机精准作业系统400通信,所述无人机精准作业系统400通过4G网络与所述作业处方系统300通信,所述作业处方系统300通过4G网络与无人机工勘系统200通信;所述无人机工勘系统200通过ZigBee无线传感网与无人机飞行决策系统100通信;
所述无人机飞行决策系统100,用于采集环境信息,为无人机精准作业系统以及无人机工勘系统是否作业或工勘做决策;所述无人机飞行决策系统搭载了飞行决策ZigBee子模块101、风力风向传感器102以及温湿度传感器103;
所述飞行决策ZigBee子模块101,用于组建Mesh拓扑的ZigBee无线传感网,实现大范围的无线通信网络,与无人机精准作业系统以及无人机工勘系统进行通信;
所述风力风向传感器102,用于采集环境的风力风向参数;
所述温湿度传感器103,用于采集环境的温湿度参数。
所述的无人机飞行决策系统是基于ZigBee的基于环境信息决策系统,在农田间,等间距分布着采集卡,每一块采集卡都搭载了温湿度传感器、风速风向传感器以及飞行决策ZigBee子模块,采集卡将采集到的环境参数,转化成统一标准格式后,通过ZigBee发送到ZigBee网络,ZigBee网络是Mesh拓扑网络结构,有利于提高ZigBee网络的容错性以及可扩展性,更加方便扩大ZigBee网络范围以覆盖农田。
所述无人机工勘系统200,用于无人机工勘作业,拍摄农田原生图像、低空遥感图像以及记录图像的经纬度信息,并将图像以及经纬度信息发送至作业处方系统;所述无人机工勘系统200搭载工勘GPS子模块201、工勘避障子模块202、摄像头子模块203、工勘ZigBee子模块204、工勘4G路由子模块205以及工勘动态网络连接控制子模块206;
所述工勘GPS子模块201,用于记录无人机拍摄农田图像时所在的经纬度信息;
所述工勘避障子模块202,用于把采集环境障碍物信息,为无人机避开障碍物提供数据支持;
所述摄像头子模块203,用于拍摄农田原生图像、农田低空遥感图像;
所述工勘ZigBee子模块204,用于加入农田信息采集系统组建的ZigBee无线网络,实现无人机工勘系统与无人机飞行决策系统的通信;
所述工勘4G路由子模块205,用于建立一个4G网络通信节点,打通无人工勘模块与互联网的通信壁垒,为无人机工勘与作业处方工勘的通信提供通道;
所述工勘动态网络连接控制子模块206,用于提供远程控制无人机工勘系统通道,为远程调试无人机工勘系统成为可能。
所述作业处方系统300,用于接收来自无人机工勘系统的农田可见光图像、低空遥感图像以及经纬度信息之后,利用云端人工智能算法模型训练系统训练好的算法模型,将序列化的可见光图像、低空遥感图像整合并配准成没有畸变且包含位置信息的图像,并根据光谱与土壤的化学元素含量之间的关系,以及作物品种、生长季与所需肥力的关系,自动计算并生成作业处方图,最后返回此作业处方图至无人机精准作业系统;所述作业处方系统300包括处方管理子模块301、遥感数据管理子模块302、基本配置子模块303以及云端人工智能算法模型训练系统子模块304;
所述处方管理子模块301和基本配置子模块303,用于支持对处方、农作物品种、农作物生长信息的管理;
所述云端人工智能算法模型训练系统子模块304,作为遥感数据管理子模块302以及无人机飞控智能调度系统的算法训练平台,通过大量的实验数据、以及作业的记录及效果等数据,不定期得对算法进行改进。
所述无人机精准作业系统400,用于为作业处方系统提供施肥建议,智能调度无人机、实时调整飞行姿态进行精准化作业。所述无人机精准作业系统400搭载喷嘴口径可控子模块401、精准作业GPS子模块402、精准作业避障子模块403、精准作业ZigBee子模块404、精准作业4G路由子模块405以及精准作业动态网络连接控制子模块405;
所述喷嘴口径可控子模块401,用于变量喷施作业;
所述精准作业GPS子模块402,用于定位无人机的精准经纬度,为无人机精准作业系统提供精准的经纬度信息,按照作业处方图进行精准作业;
所述精准作业避障子模块403,用于把采集环境障碍物信息,为无人机避开障碍物提供数据支持;
所述精准作业ZigBee子模块404,用于加入农田信息采集系统组建的ZigBee无线网络,实现无人机精准作业系统与农田信息采集系统的通信;
所述精准作业4G子模块405,用于建立一个4G网络通信节点,打通无人机精准作业系统与互联网的通信壁垒,为无人机精准作业系统与作业处方系统的通信提供通道;
所述精准作业动态网络连接控制子模块406,用于提供远程控制无人机精准作业系统通道,为远程调试无人机精准作业系统成为可能。
所述无人机飞控精准作业系统,基于底层控制接口以及人工智能算法进行精准作业,具体如下:
所述无人机精准作业系统底提供了控制无人机飞行高度、飞行速度、飞行方向接口这三个底层控制接口,且该三个底层控制接口优先级次于精准作业避障子模块,还提供了获取GPS位置信息接口、控制喷嘴口径接口和ZigBee通信接口;
所述无人机精准作业系统通过人工智能算法,合理调用底层控制接口,控制无人机整个作业时的飞行参数,以达到变量喷施、精准作业的效果;作业时,无人机精准作业系统通过4G网络,向作业处方系统请求作业处方图,并调用已经存放在本地的由作业处方系统人工智能算法模型训练系统训练出来的算法模型,对作业处方系统返回的作业处方图进行计算;计算出最佳作业路径后,无人机精准作业系统在接收到无人机决策系统决策可以作业后,调度无人机按照计算结果进行精细化作业。
所述无人机精准作业系统400,以基于ARM Cortex-A53 1.2GHz 64-bit quad-core ARMv8 CPU为核心处理器的树莓派3B为核心调度系统,使用有线网口与4G模块通信,使用串口通信技术与精准作业GPS子模块、精准作业避障子模块以及喷洒子模块进行通信;核心调度系统与其子模块的通信建立在一套十六进制的通信协议上进行,此通信协议包含了接口ID、指令编码、CRC16校验码;
所述的无人机精准作业系统400的底层控制接口,严格遵循上述通信协议,保证了此底层控制接口的独立性,即此系统不依赖于无人机精准作业系统所搭载的子模块,有利于此系统的移植以及子模块的替换;
所述无人机精准作业系统400的人工智能算法模型,基于Tensorflow等框架,通过调用在作业处方系统中的云端人工智能算法模型训练系统模块训练好的模型,在本地计算出最佳作业路径,避免了因为网络问题而引起的不稳定、延时的问题,该人工智能算法,首先根据作业处方系统返回的作业处方图,规划好最佳作业路径,按照路径飞行并实时调整喷嘴口径进行精准作业。
所述的无人机精准作业系统与无人机工勘系统共有的动态网络连接控制子模块,用于在外界访问固定域名的情况下,远程连接到IP动态改变的无人机精准作业系统以及无人机工勘系统;
所述动态网络连接控制子模块,通过利用向云端发送其序列号,与云端建立通信;云端将序列号与一个固定的域名绑定,实时通过序列号将域名解析到动态远程控制模块的IP;动态远程控制模块通过路由器的NAT功能,将其映射到无人机精准作业系统以及无人机工勘系统,从而最终实现在外网访问域名不变的情况下,能动态解析到无人机精准作业系统和无人机工勘系统,从而实现远程控制。
如图2所示,本发明基于处方图的无人机智能喷施系统的实现方法,包括下述步骤:
S1、无人机工勘系统初始化设备,调度无人机飞行轨迹与姿态,同时调度摄像头子模块拍摄农田的原生图像、低空遥感图像,记录拍摄时的精准的经纬度信息,并将所拍摄的图像以及记录的经纬度信息上传至作业处方系统;
S2、作业处方系统接收到无人机工勘系统上传的农田图像后,将图像碎片进行整合、配准,生成一份完整的农田图像;再调用TensorFlow训练好的模型,自动划分农田肥力相近的区块,取平均值作为区块的肥力;根据作物的品种、生长季,以及田块的肥力,计算作物最佳的施肥量,生成作业处方图并保存;
S3、无人机精准作业系统,向作业处方系统发送作业请求,在接收作业处方系统返回的作业处方图后,调用训练好的TensorFlow模型,计算出最佳作业路径;在作业前,无人机精准作业系统根据无人机决策系统的决策决定是否作业;在作业时,无人能机精准作业系统根据处方图,实时调整喷嘴口径,达到精准作业的效果。
S4、农田信息采集系统初始化设备,搭载ZigBee协调器的采集卡首先启动,ZigBee协调器组建ZigBee Mesh拓扑网络,其余的数据采集卡启动,搭载的ZigBee路由器或ZigBee节点加入ZigBee协调器组建的网络,同时数据采集卡初始化IO口,控制传感器采集并根据此数据决定无人机是否作业或工勘。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种基于处方图的无人机智能喷施系统,其特征在于,包括无人机飞行决策系统、无人机精准作业系统、作业处方系统和无人机工勘系统;所述无人机飞行决策系统通过ZigBee无线传感网与所述无人机精准作业系统通信,所述无人机精准作业系统通过4G网络与所述作业处方系统通信,所述作业处方系统通过4G网络与无人机工勘系统通信;所述无人机工勘系统通过ZigBee无线传感网与无人机飞行决策系统通信;
所述无人机飞行决策系统,用于采集环境信息,为无人机精准作业系统以及无人机工勘系统是否作业或工勘做决策;
所述无人机工勘系统,用于无人机工勘作业,拍摄农田原生图像、低空遥感图像以及记录图像的经纬度信息,并将图像以及经纬度信息发送至作业处方系统;
所述作业处方系统,用于接收来自无人机工勘系统的农田可见光图像、低空遥感图像以及经纬度信息之后,利用云端人工智能算法模型训练系统训练好的算法模型,将序列化的可见光图像、低空遥感图像整合并配准成没有畸变且包含位置信息的图像,并根据光谱与土壤的化学元素含量之间的关系,以及作物品种、生长季与所需肥力的关系,自动计算并生成作业处方图,最后返回此作业处方图至无人机精准作业系统;
所述无人机精准作业系统,用于为作业处方系统提供施肥建议,智能调度无人机、实时调整飞行姿态进行精准化作业。
2.根据权利要求1所述基于处方图的无人机智能喷施系统,其特征在于,所述无人机飞行决策系统搭载了飞行决策ZigBee子模块、风力风向传感器以及温湿度传感器;
所述飞行决策ZigBee子模块,用于组建Mesh拓扑的ZigBee无线传感网,实现大范围的无线通信网络,与无人机精准作业系统以及无人机工勘系统进行通信;
所述风力风向传感器,用于采集环境的风力风向参数;
所述温湿度传感器,用于采集环境的温湿度参数。
3.根据权利要求2所述基于处方图的无人机智能喷施系统及方法,其特征在于,所述的无人机飞行决策系统是基于ZigBee的基于环境信息决策系统,在农田间,等间距分布着采集卡,每一块采集卡都搭载了温湿度传感器、风速风向传感器以及飞行决策ZigBee子模块,采集卡将采集到的环境参数,转化成统一标准格式后,通过ZigBee发送到ZigBee网络,ZigBee网络是Mesh拓扑网络结构,有利于提高ZigBee网络的容错性以及可扩展性,更加方便扩大ZigBee网络范围以覆盖农田。
4.根据权利要求1所述基于处方图的无人机智能喷施系统,其特征在于,所述无人机工勘系统搭载工勘GPS子模块、工勘避障子模块、摄像头子模块、工勘ZigBee子模块、工勘4G路由子模块以及工勘动态网络连接控制子模块;
所述工勘GPS子模块,用于记录无人机拍摄农田图像时所在的经纬度信息;
所述工勘避障子模块,用于把采集环境障碍物信息,为无人机避开障碍物提供数据支持;
所述摄像头子模块,用于拍摄农田原生图像、农田低空遥感图像;
所述工勘ZigBee子模块,用于加入农田信息采集系统组建的ZigBee无线网络,实现无人机工勘系统与无人机飞行决策系统的通信;
所述工勘4G路由子模块,用于建立一个4G网络通信节点,打通无人工勘模块与互联网的通信壁垒,为无人机工勘与作业处方工勘的通信提供通道;
所述工勘动态网络连接控制子模块,用于提供远程控制无人机工勘系统通道,为远程调试无人机工勘系统成为可能。
5.根据权利要求1所述基于处方图的无人机智能喷施系统,其特征在于,所述作业处方系统包括处方管理子模块、遥感数据管理子模块、基本配置子模块以及云端人工智能算法模型训练系统子模块;
所述处方管理子模块和基本配置子模块,用于支持对处方、农作物品种、农作物生长信息的管理;
所述云端人工智能算法模型训练系统子模块,作为遥感数据管理子模块以及无人机飞控智能调度系统的算法训练平台,通过大量的实验数据、以及作业的记录及效果等数据,不定期得对算法进行改进。
6.根据权利要求1所述基于处方图的无人机智能喷施系统,其特征在于,所述无人机精准作业系统搭载喷嘴口径可控子模块、精准作业GPS子模块、精准作业避障子模块、精准作业ZigBee子模块、精准作业4G路由子模块以及精准作业动态网络连接控制子模块;
所述喷嘴口径可控子模块,用于变量喷施作业;
所述精准作业GPS子模块,用于定位无人机的精准经纬度,为无人机精准作业系统提供精准的经纬度信息,按照作业处方图进行精准作业;
所述精准作业避障子模块,用于把采集环境障碍物信息,为无人机避开障碍物提供数据支持;
所述精准作业ZigBee子模块,用于加入农田信息采集系统组建的ZigBee无线网络,实现无人机精准作业系统与农田信息采集系统的通信;
所述精准作业4G子模块,用于建立一个4G网络通信节点,打通无人机精准作业系统与互联网的通信壁垒,为无人机精准作业系统与作业处方系统的通信提供通道;
所述精准作业动态网络连接控制子模块,用于提供远程控制无人机精准作业系统通道,为远程调试无人机精准作业系统成为可能。
7.根据权利要求6所述基于处方图的无人机智能喷施系统,其特征在于,所述无人机飞控精准作业系统,基于底层控制接口以及人工智能算法进行精准作业,具体如下:
所述无人机精准作业系统底提供了控制无人机飞行高度、飞行速度、飞行方向接口这三个底层控制接口,且该三个底层控制接口优先级次于精准作业避障子模块,还提供了获取GPS位置信息接口、控制喷嘴口径接口和ZigBee通信接口;
所述无人机精准作业系统通过人工智能算法,合理调用底层控制接口,控制无人机整个作业时的飞行参数,以达到变量喷施、精准作业的效果;作业时,无人机精准作业系统通过4G网络,向作业处方系统请求作业处方图,并调用已经存放在本地的由作业处方系统人工智能算法模型训练系统训练出来的算法模型,对作业处方系统返回的作业处方图进行计算;计算出最佳作业路径后,无人机精准作业系统在接收到无人机决策系统决策可以作业后,调度无人机按照计算结果进行精细化作业。
8.根据权利要求7所述基于处方图的无人机智能喷施系统,其特征在于,所述无人机精准作业系统,以基于ARM Cortex-A53 1.2GHz 64-bit quad-core ARMv8 CPU为核心处理器的树莓派3B为核心调度系统,使用有线网口与4G模块通信,使用串口通信技术与精准作业GPS子模块、精准作业避障子模块以及喷洒子模块进行通信;核心调度系统与其子模块的通信建立在一套十六进制的通信协议上进行,此通信协议包含了接口ID、指令编码、CRC16校验码;
所述的无人机精准作业系统的底层控制接口,严格遵循上述通信协议,保证了此底层控制接口的独立性,即此系统不依赖于无人机精准作业系统所搭载的子模块,有利于此系统的移植以及子模块的替换;
所述无人机精准作业系统的人工智能算法模型,基于Tensorflow等框架,通过调用在作业处方系统中的云端人工智能算法模型训练系统模块训练好的模型,在本地计算出最佳作业路径,该人工智能算法模型,首先根据作业处方系统返回的作业处方图,规划好最佳作业路径,按照路径飞行并实时调整喷嘴口径进行精准作业。
9.根据权利要求1所述基于处方图的无人机智能喷施系统,其特征在于,所述的无人机精准作业系统与无人机工勘系统共有的动态网络连接控制子模块,用于在外界访问固定域名的情况下,远程连接到IP动态改变的无人机精准作业系统以及无人机工勘系统;
所述动态网络连接控制子模块,通过利用向云端发送其序列号,与云端建立通信;云端将序列号与一个固定的域名绑定,实时通过序列号将域名解析到动态远程控制模块的IP;动态远程控制模块通过路由器的NAT功能,将其映射到无人机精准作业系统以及无人机工勘系统,从而最终实现在外网访问域名不变的情况下,能动态解析到无人机精准作业系统和无人机工勘系统,从而实现远程控制。
10.根据权利要求1-9中任一项所述基于处方图的无人机智能喷施系统的实现方法,其特征在于,包括下述步骤:
S1、无人机工勘系统初始化设备,调度无人机飞行轨迹与姿态,同时调度摄像头子模块拍摄农田的原生图像、低空遥感图像,记录拍摄时的精准的经纬度信息,并将所拍摄的图像以及记录的经纬度信息上传至作业处方系统;
S2、作业处方系统接收到无人机工勘系统上传的农田图像后,将图像碎片进行整合、配准,生成一份完整的农田图像;再调用TensorFlow训练好的模型,自动划分农田肥力相近的区块,取平均值作为区块的肥力;根据作物的品种、生长季,以及田块的肥力,计算作物最佳的施肥量,生成作业处方图并保存;
S3、无人机精准作业系统,向作业处方系统发送作业请求,在接收作业处方系统返回的作业处方图后,调用训练好的TensorFlow模型,计算出最佳作业路径;在作业前,无人机精准作业系统根据无人机决策系统的决策决定是否作业;在作业时,无人能机精准作业系统根据处方图,实时调整喷嘴口径,达到精准作业的效果;
S4、农田信息采集系统初始化设备,搭载ZigBee协调器的采集卡首先启动,ZigBee协调器组建ZigBee Mesh拓扑网络,其余的数据采集卡启动,搭载的ZigBee路由器或ZigBee节点加入ZigBee协调器组建的网络,同时数据采集卡初始化IO口,控制传感器采集并根据此数据决定无人机是否作业或工勘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811031041.1A CN109353504B (zh) | 2018-09-05 | 2018-09-05 | 基于处方图的无人机智能喷施系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811031041.1A CN109353504B (zh) | 2018-09-05 | 2018-09-05 | 基于处方图的无人机智能喷施系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109353504A true CN109353504A (zh) | 2019-02-19 |
CN109353504B CN109353504B (zh) | 2020-11-13 |
Family
ID=65350304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811031041.1A Active CN109353504B (zh) | 2018-09-05 | 2018-09-05 | 基于处方图的无人机智能喷施系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109353504B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110371294A (zh) * | 2019-07-12 | 2019-10-25 | 仲恺农业工程学院 | 植保无人机系统及植保无人机作业方法 |
CN110476941A (zh) * | 2019-09-30 | 2019-11-22 | 华南农业大学 | 自动对靶变量喷雾控制系统、喷雾机及控制方法 |
CN112009690A (zh) * | 2020-09-09 | 2020-12-01 | 北京麦飞科技有限公司 | 植保无人机精准变量喷洒药液的方法及系统 |
CN112180987A (zh) * | 2020-09-27 | 2021-01-05 | 广州极飞科技有限公司 | 协同作业方法、系统、装置、计算机设备及存储介质 |
CN112269400A (zh) * | 2020-11-06 | 2021-01-26 | 华南农业大学 | 一种无人机精准变量施肥方法及系统 |
CN113342036A (zh) * | 2021-06-02 | 2021-09-03 | 华南农业大学 | 一种农作物的精准管控系统及其管控方法 |
CN116050842A (zh) * | 2023-02-01 | 2023-05-02 | 东华理工大学 | 城市地下工程施工安全风险动态控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103803083A (zh) * | 2014-01-17 | 2014-05-21 | 浙江大学 | 一种基于gps的无人机喷药装置及其喷药方法 |
CN105173085A (zh) * | 2015-09-18 | 2015-12-23 | 山东农业大学 | 无人机变量施药自动控制系统及方法 |
CN105539851A (zh) * | 2015-12-09 | 2016-05-04 | 华南农业大学 | 基于无线传感网的无人机农药精准喷施作业系统及方法 |
US20180093284A1 (en) * | 2016-04-06 | 2018-04-05 | Benjamin Harris | Modular sprayer system for heavy-lift unmanned aerial vehicles |
CN108519775A (zh) * | 2017-10-30 | 2018-09-11 | 北京博鹰通航科技有限公司 | 一种精准喷洒的无人机系统及其控制方法 |
-
2018
- 2018-09-05 CN CN201811031041.1A patent/CN109353504B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103803083A (zh) * | 2014-01-17 | 2014-05-21 | 浙江大学 | 一种基于gps的无人机喷药装置及其喷药方法 |
CN105173085A (zh) * | 2015-09-18 | 2015-12-23 | 山东农业大学 | 无人机变量施药自动控制系统及方法 |
CN105539851A (zh) * | 2015-12-09 | 2016-05-04 | 华南农业大学 | 基于无线传感网的无人机农药精准喷施作业系统及方法 |
US20180093284A1 (en) * | 2016-04-06 | 2018-04-05 | Benjamin Harris | Modular sprayer system for heavy-lift unmanned aerial vehicles |
CN108519775A (zh) * | 2017-10-30 | 2018-09-11 | 北京博鹰通航科技有限公司 | 一种精准喷洒的无人机系统及其控制方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110371294A (zh) * | 2019-07-12 | 2019-10-25 | 仲恺农业工程学院 | 植保无人机系统及植保无人机作业方法 |
CN110476941A (zh) * | 2019-09-30 | 2019-11-22 | 华南农业大学 | 自动对靶变量喷雾控制系统、喷雾机及控制方法 |
CN110476941B (zh) * | 2019-09-30 | 2023-09-26 | 华南农业大学 | 自动对靶变量喷雾控制系统、喷雾机及控制方法 |
CN112009690A (zh) * | 2020-09-09 | 2020-12-01 | 北京麦飞科技有限公司 | 植保无人机精准变量喷洒药液的方法及系统 |
CN112180987A (zh) * | 2020-09-27 | 2021-01-05 | 广州极飞科技有限公司 | 协同作业方法、系统、装置、计算机设备及存储介质 |
CN112180987B (zh) * | 2020-09-27 | 2024-02-20 | 广州极飞科技股份有限公司 | 协同作业方法、系统、装置、计算机设备及存储介质 |
CN112269400A (zh) * | 2020-11-06 | 2021-01-26 | 华南农业大学 | 一种无人机精准变量施肥方法及系统 |
CN113342036A (zh) * | 2021-06-02 | 2021-09-03 | 华南农业大学 | 一种农作物的精准管控系统及其管控方法 |
CN116050842A (zh) * | 2023-02-01 | 2023-05-02 | 东华理工大学 | 城市地下工程施工安全风险动态控制方法及系统 |
CN116050842B (zh) * | 2023-02-01 | 2023-08-04 | 东华理工大学 | 一种城市地下工程施工安全风险动态控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109353504B (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109353504A (zh) | 基于处方图的无人机智能喷施系统及方法 | |
CN106200683B (zh) | 无人机植保系统及植保方法 | |
CN107728642B (zh) | 一种无人机飞行控制系统及其方法 | |
CN108519775A (zh) | 一种精准喷洒的无人机系统及其控制方法 | |
CN204859395U (zh) | 大面积农业作业无人机 | |
CN107356230A (zh) | 一种基于实景三维模型的数字测图方法和系统 | |
CN109845715A (zh) | 农药喷洒控制方法、装置、设备以及存储介质 | |
US11889793B2 (en) | Internet-of-things management and control system for intelligent orchard | |
CN107808550B (zh) | 一种植保无人机管理系统 | |
Spachos et al. | Integration of wireless sensor networks and smart uavs for precision viticulture | |
CN104764533A (zh) | 基于无人机图像采集和红外热像仪的智能农业系统 | |
US11406052B2 (en) | Cartridges to employ an agricultural payload via an agricultural treatment delivery system | |
CN105025262A (zh) | 大面积农业作业无人机 | |
CN205455559U (zh) | 一种自动喷洒式农业无人机 | |
CN107238574A (zh) | 面向棉花靶向施肥的植株长势检测与诊断方法 | |
CN208506596U (zh) | 无人机多光谱遥感系统 | |
WO2020103108A1 (zh) | 一种语义生成方法、设备、飞行器及存储介质 | |
CN109283937A (zh) | 一种基于无人机的植保喷施作业的方法及系统 | |
JP6914874B2 (ja) | 飛行経路生成装置及び飛行経路生成方法 | |
CN108990944A (zh) | 基于可见光热红外图像融合的无人机遥感喷药一体化方法及装置 | |
CN107274254B (zh) | 互联网共享租赁无人机系统 | |
WO2020103109A1 (zh) | 一种地图生成方法、设备、飞行器及存储介质 | |
CN113283554B (zh) | 基于北斗和rfid的昆虫追踪系统及方法 | |
US11625915B2 (en) | Micro-precision application of multiple treatments to agricultural objects | |
US11465162B2 (en) | Obscurant emission to assist image formation to automate agricultural management and treatment |
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 |