CN110334683A - 基于无人机遥感系统智能识别植物的方法 - Google Patents
基于无人机遥感系统智能识别植物的方法 Download PDFInfo
- Publication number
- CN110334683A CN110334683A CN201910629919.XA CN201910629919A CN110334683A CN 110334683 A CN110334683 A CN 110334683A CN 201910629919 A CN201910629919 A CN 201910629919A CN 110334683 A CN110334683 A CN 110334683A
- Authority
- CN
- China
- Prior art keywords
- plant
- unmanned plane
- multispectral
- image
- remote sensing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 11
- 238000002474 experimental method Methods 0.000 title claims abstract description 10
- 238000001228 spectrum Methods 0.000 claims abstract description 10
- 230000003595 spectral effect Effects 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 10
- 230000012010 growth Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000003384 imaging method Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 21
- 241000209140 Triticum Species 0.000 description 6
- 235000021307 Triticum Nutrition 0.000 description 6
- 239000000284 extract Substances 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000855 fermentation Methods 0.000 description 1
- 230000004151 fermentation Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000985 reflectance spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Automation & Control Theory (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明涉及植物监测领域，公开了一种基于无人机遥感系统智能识别植物的方法，用以同时解决人工植物监测方式效率低以及卫星遥感植物监测方式灵活性差的问题。本发明利用低空无人机遥控系统，通过多光谱成像技术对已知植物进行模型构建。然后通过对指定作业区域进行飞行，分割成最小的基础模块，对每个基础模块进行模型的输入判断并输出。综合以上信息得到判断植物种类和其它生长等信息用来指导精细化农林业作业。本发明适用于农、林业中的植物监测。
Description
技术领域
本发明涉及植物监测领域，特别涉及基于无人机遥感系统智能识别植物的方法。
背景技术
传统的植物监测要么用大量人工实地考察和经验判断进行，要么是卫星遥感监测。用人工方式效率低，覆盖面小，成本高，而且受地形和环境的因素很多场地作业都无法实时。卫星遥感技术也有短板，受到天气、轨道周期、空间分辨率等现实因素制约，难以实现精细的监测，而且门槛高，灵活度低。
发明内容
本发明要解决的技术问题是：提供一种基于无人机遥感系统智能识别植物的方法，用以同时解决人工植物监测方式效率低以及卫星遥感植物监测方式灵活性差的问题。
为解决上述问题，本发明采用的技术方案是：基于无人机遥感系统智能识别植物的方法，包括以下步骤：
步骤1：将多光谱相机搭载在无人机上；
步骤2：无人机进行指定区域飞行，并通过多光谱相机对指定区域中的已知植物进行航拍，得到已知植物的多光谱图像；
步骤3：地面站收集步骤2获得的多光谱图像，并输出到图像处理站进行光谱特征提取；
步骤4：图像处理站基于步骤3提取的光谱特征，构建已知植物的光谱模型；
步骤5：对划定的无人机作业区域进行基础块划分；
步骤6：无人机按照划定的无人机作业区域飞行，飞行过程中通过多光谱相机对每个基础块进行多光谱图像采集；
步骤7：地面站收集步骤6获得的多光谱图像，并输出到图像处理站进行光谱特征提取；
步骤8：图像处理站提取到各个基础块的光谱特征之后，将光谱特征与步骤4建立的光谱模型进行对比分析，得到各个基础块内是否有光谱模型所对应的植物，以及该植物的生长信息；
步骤9：汇总步骤8的分析得到结果，绘制出整个无人机作业区域内光谱模型所对应的植物的分布以及其长势。
进一步的，为了提升识别精度，本发明中多光谱相机采集多光谱图像的同时，无人机还会采集多光谱图像所对应的时间、阳光以及地理位置信息，并且在光谱模型构建以及比对分析时考虑时间、阳光以及地理位置因素。
本发明的有益效果是：本发明利用低空无人机遥控系统，通过多光谱成像技术对已知植物进行模型构建。然后通过对指定作业区域进行飞行，分割成最小的基础模块，对每个基础模块进行模型的输入判断并输出。综合以上信息得到判断植物种类和其它生长等信息用来指导精细化农林业作业。跟传统的信息获取方式比较，本发面有明显的技术优势，效率优势，成本优势。具有机动性好、时效性强、空间分辨率高的特点，不受制于恶劣地理环境，可以节省大量的人力物力，大大的提供了可作业范围。集合人工智能和大数据分析技术，让信息的获取更加可靠准确及时，能够大大的提升农林业的智能化水平，提高生产力。
附图说明
图1为本发明的流程图。
具体实施方式
本发明通过无人机遥感系统，视觉系统，图像分析等技术手段实现对植物的精确判断。利用自动飞航线规划软件，实现航线规划、飞行控制；利用全高清录像机和多光谱传感器实现作物的全程侦查和长势信息采集，通过植物反射光谱建立模型判断；利用后期图形化处理软件对数据进行分析等实现对植物的监测及精细化管理，集合业务可以开拓更多的服务场景应用。下面通过附图和具体步骤对本发明做进一步说明。
如图1所示，本发明提供了一种基于无人机遥感系统智能识别植物的方法，具体步骤如下：
步骤1：将多光谱相机搭载在无人机上。
步骤2：无人机进行指定区域飞行，并通过多光谱相机对指定区域中的已知植物(下面以下小麦为例进行说明)进行航拍，得到已知植物的多光谱图像。如果无人机具有采集时间、阳光以及地理位置信息的能力，本发明在多光谱相机采集多光谱图像时，还可以用过无人机同时采集多光谱图像所对应的时间、阳光以及地理位置信息。
步骤3：地面站收集步骤2获得的多光谱图像，并输出到图像处理站进行光谱特征提取。
步骤4：图像处理站基于步骤3提取的光谱特征，构建小麦的光谱模型。构建模型时，若有无人机采集有多光谱图像所对应的时间、阳光以及地理位置信息，可同时将时间、阳光以及地理位置因素考虑进去，从而得到一个更加全面的模型。
步骤5：划定无人机作业区域，对划定的无人机作业区域进行基础块划分，比如将无人机作业区域划分成1平方米大小的基础快。
步骤6：基础块划分之后，无人机开始按照划定的无人机作业区域飞行，并在飞行过程中通过多光谱相机对每个基础块进行多光谱图像采集。
步骤7：地面站实时收集步骤6获得的多光谱图像，并输出到图像处理站进行光谱特征提取。
步骤8：图像处理站提取到各个基础块的光谱特征之后，进行AI判断，即将光谱特征与步骤4建立的光谱模型进行对比分析，得到各个基础块内是否有小麦，如果有小麦，小麦的生长信息又是如何。对比分析时，若有无人机采集有多光谱图像所对应的时间、阳光以及地理位置信息，同时光谱模型有包含时间、阳光以及地理位置因素，则可以将光谱模型与光谱特征、时间、阳光以及地理位置进行比对，得到更加准切的识别结果。
步骤9：汇总步骤8的分析得到所有基础快的结果，最终拼接绘制出整个无人机作业区域内小麦的分布以及其长势。
综上，本发明是在低空无人机遥感技术基础上，利用多光谱成像技术再结合当下的深度学习和大数据分析建模，提供了一种既方便灵活，又高效实用的测绘判断方案。可为智能化精准的农林业赋能，为其更多的应用作业场景提供支撑。
Claims (2)
1.基于无人机遥感系统智能识别植物的方法，其特征在于，包括如下步骤：
步骤1：将多光谱相机搭载在无人机上；
步骤2：无人机进行指定区域飞行，并通过多光谱相机对指定区域中的已知植物进行航拍，得到已知植物的多光谱图像；
步骤3：地面站收集步骤2获得的多光谱图像，并输出到图像处理站进行光谱特征提取；
步骤4：图像处理站基于步骤3提取的光谱特征，构建已知植物的光谱模型；
步骤5：对划定的无人机作业区域进行基础块划分；
步骤6：无人机按照划定的无人机作业区域飞行，飞行过程中通过多光谱相机对每个基础块进行多光谱图像采集；
步骤7：地面站收集步骤6获得的多光谱图像，并输出到图像处理站进行光谱特征提取；
步骤8：图像处理站提取到各个基础块的光谱特征之后，将光谱特征与步骤4建立的光谱模型进行对比分析，得到各个基础块内是否有光谱模型所对应的植物，以及该植物的生长信息；
步骤9：汇总步骤8的分析得到结果，绘制出整个无人机作业区域内光谱模型所对应的植物的分布以及其长势。
2.如权利要求1所述基于无人机遥感系统智能识别植物的方法，其特征在于，多光谱相机采集多光谱图像的同时，无人机还会采集多光谱图像所对应的时间、阳光以及地理位置信息，并且在光谱模型构建以及比对分析时考虑时间、阳光以及地理位置因素。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910629919.XA CN110334683A (zh) | 2019-07-12 | 2019-07-12 | 基于无人机遥感系统智能识别植物的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910629919.XA CN110334683A (zh) | 2019-07-12 | 2019-07-12 | 基于无人机遥感系统智能识别植物的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110334683A true CN110334683A (zh) | 2019-10-15 |
Family
ID=68146654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910629919.XA Pending CN110334683A (zh) | 2019-07-12 | 2019-07-12 | 基于无人机遥感系统智能识别植物的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110334683A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110779879A (zh) * | 2019-11-07 | 2020-02-11 | 航天信德智图（北京）科技有限公司 | 一种基于红边植被指数的松材线虫监测方法 |
| CN111556157A (zh) * | 2020-05-06 | 2020-08-18 | 中南民族大学 | 农作物分布的监测方法、设备、存储介质及装置 |
| CN111959526A (zh) * | 2020-06-30 | 2020-11-20 | 北京百度网讯科技有限公司 | 基于无人车的控制方法、装置、无人车和电子设备 |
| CN112580493A (zh) * | 2020-12-16 | 2021-03-30 | 广东省林业科学研究院 | 基于无人机遥感的植物识别方法、装置、设备及存储介质 |
| CN114460099A (zh) * | 2022-02-11 | 2022-05-10 | 软通智慧信息技术有限公司 | 一种基于无人机的水葫芦监测方法、装置、无人机及介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105403199A (zh) * | 2015-12-28 | 2016-03-16 | 北京观典航空科技股份有限公司 | 基于无人机的毒品原植物种植侦测方法及系统 |
| CN105510242A (zh) * | 2015-12-28 | 2016-04-20 | 南京农业大学 | 一种基于多旋翼无人机平台的作物生长监测方法及装置 |
| 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 |
| CN108334110A (zh) * | 2018-02-06 | 2018-07-27 | 首欣（北京）科技有限公司 | 一种基于无人机的林业病害监测方法和装置 |
| 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 |
| CN109033937A (zh) * | 2018-06-01 | 2018-12-18 | 武汉禾大科技有限公司 | 通过无人机影像进行植物数量统计方法及系统 |
| CN109142240A (zh) * | 2018-09-02 | 2019-01-04 | 西北农林科技大学 | 一种基于无人机遥感的大田作物水分胁迫监测方法 |
| CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
-
2019
- 2019-07-12 CN CN201910629919.XA patent/CN110334683A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105403199A (zh) * | 2015-12-28 | 2016-03-16 | 北京观典航空科技股份有限公司 | 基于无人机的毒品原植物种植侦测方法及系统 |
| CN105510242A (zh) * | 2015-12-28 | 2016-04-20 | 南京农业大学 | 一种基于多旋翼无人机平台的作物生长监测方法及装置 |
| 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 |
| CN108334110A (zh) * | 2018-02-06 | 2018-07-27 | 首欣（北京）科技有限公司 | 一种基于无人机的林业病害监测方法和装置 |
| CN109033937A (zh) * | 2018-06-01 | 2018-12-18 | 武汉禾大科技有限公司 | 通过无人机影像进行植物数量统计方法及系统 |
| 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 |
| CN109142240A (zh) * | 2018-09-02 | 2019-01-04 | 西北农林科技大学 | 一种基于无人机遥感的大田作物水分胁迫监测方法 |
| CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 胡健波 等: "无人机遥感在生态学中的应用进展", 《生态学报》 * |
| 艾效夷: "植物营养与胁迫多平台遥感监测研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110779879A (zh) * | 2019-11-07 | 2020-02-11 | 航天信德智图（北京）科技有限公司 | 一种基于红边植被指数的松材线虫监测方法 |
| CN111556157A (zh) * | 2020-05-06 | 2020-08-18 | 中南民族大学 | 农作物分布的监测方法、设备、存储介质及装置 |
| CN111959526A (zh) * | 2020-06-30 | 2020-11-20 | 北京百度网讯科技有限公司 | 基于无人车的控制方法、装置、无人车和电子设备 |
| CN111959526B (zh) * | 2020-06-30 | 2022-02-15 | 北京百度网讯科技有限公司 | 基于无人车的控制方法、装置、无人车和电子设备 |
| CN112580493A (zh) * | 2020-12-16 | 2021-03-30 | 广东省林业科学研究院 | 基于无人机遥感的植物识别方法、装置、设备及存储介质 |
| CN112580493B (zh) * | 2020-12-16 | 2021-11-09 | 广东省林业科学研究院 | 基于无人机遥感的植物识别方法、装置、设备及存储介质 |
| CN114460099A (zh) * | 2022-02-11 | 2022-05-10 | 软通智慧信息技术有限公司 | 一种基于无人机的水葫芦监测方法、装置、无人机及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110334683A (zh) | 基于无人机遥感系统智能识别植物的方法 | |
| CN108765404B (zh) | 一种基于深度学习图像分类的道路破损检测方法及装置 | |
| Khan et al. | Unmanned aerial vehicle–based traffic analysis: Methodological framework for automated multivehicle trajectory extraction | |
| KR101793509B1 (ko) | 작물 모니터링을 위하여 무인 비행체의 자동 경로 산정을 통한 원격 관측 방법 및 그 시스템 | |
| CN108881825A (zh) | 基于Jetson TK1的水稻杂草无人机监控系统及其监控方法 | |
| CN112422783A (zh) | 一种基于停机坪集群的无人机智能巡查系统 | |
| CN109792951B (zh) | 用于杂交水稻授粉的无人机航线校正系统及其校正方法 | |
| KR102450019B1 (ko) | 드론을 이용한 수질현황 모니터링 방법 및 시스템 | |
| CN111727457B (zh) | 一种基于计算机视觉的棉花作物行检测方法、装置及存储介质 | |
| CN109813286A (zh) | 一种基于无人机的倒伏灾害遥感定损方法 | |
| CN209131665U (zh) | 一种基于无人机大地面快速扫描放样规划系统 | |
| CN115641412B (zh) | 基于高光谱数据的三维语义地图的生成方法 | |
| CN114089786A (zh) | 一种基于无人机视觉的沿山区公路自主巡检系统 | |
| CN112528912A (zh) | 基于边缘计算的作物生长监测嵌入式系统及方法 | |
| CN110413002B (zh) | 一种无人机遥感信息采集方法及装置 | |
| CN109631860A (zh) | 基于无人机的水库生活垃圾监测方法及系统 | |
| WO2022107619A1 (ja) | データ解析装置および方法、並びに、プログラム | |
| WO2022107620A1 (ja) | データ解析装置および方法、並びに、プログラム | |
| CN113033386B (zh) | 一种基于高分辨率遥感影像的输电线路通道隐患识别方法及系统 | |
| Zhou et al. | Pairs autogeo: an automated machine learning framework for massive geospatial data | |
| Hung et al. | Using robotic aircraft and intelligent surveillance systems for orange hawkweed detection | |
| CN115649501A (zh) | 一种无人机夜行照明系统及方法 | |
| CN114778476A (zh) | 一种基于无人机遥感的苜蓿棉田土壤含水量监测模型 | |
| CN115100551A (zh) | 一种基于遥感影像技术的土地利用属性的监测方法 | |
| CN114694048A (zh) | 基于无人机遥感技术的稀疏灌木物种识别方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191015 |
|
| RJ01 | Rejection of invention patent application after publication |