CN111252246A - 一种基于无人机、固定摄像模块联用的大区域病虫害防治方法 - Google Patents
一种基于无人机、固定摄像模块联用的大区域病虫害防治方法 Download PDFInfo
- Publication number
- CN111252246A CN111252246A CN202010101322.0A CN202010101322A CN111252246A CN 111252246 A CN111252246 A CN 111252246A CN 202010101322 A CN202010101322 A CN 202010101322A CN 111252246 A CN111252246 A CN 111252246A
- Authority
- CN
- China
- Prior art keywords
- insect
- aerial vehicle
- unmanned aerial
- migration
- insects
- 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
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 42
- 241000238631 Hexapoda Species 0.000 claims abstract description 171
- 238000013508 migration Methods 0.000 claims abstract description 62
- 230000005012 migration Effects 0.000 claims abstract description 62
- 239000000575 pesticide Substances 0.000 claims abstract description 8
- 230000000749 insecticidal effect Effects 0.000 claims description 31
- 238000004891 communication Methods 0.000 claims description 10
- 239000002917 insecticide Substances 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000001556 precipitation Methods 0.000 claims description 8
- 238000009395 breeding Methods 0.000 claims description 6
- 230000001488 breeding effect Effects 0.000 claims description 6
- 238000005507 spraying Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 241000894007 species Species 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000003814 drug Substances 0.000 claims description 3
- 241000256251 Spodoptera frugiperda Species 0.000 description 22
- 201000010099 disease Diseases 0.000 description 15
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 15
- 241000196324 Embryophyta Species 0.000 description 13
- 240000008042 Zea mays Species 0.000 description 13
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 13
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 13
- 235000005822 corn Nutrition 0.000 description 13
- 241000254022 Locusta migratoria Species 0.000 description 7
- 241000209094 Oryza Species 0.000 description 6
- 235000007164 Oryza sativa Nutrition 0.000 description 6
- 235000009566 rice Nutrition 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 230000001617 migratory effect Effects 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 241000008892 Cnaphalocrocis patnalis Species 0.000 description 3
- 241000193981 Loxostege sticticalis Species 0.000 description 3
- 241001477931 Mythimna unipuncta Species 0.000 description 3
- 241001556089 Nilaparvata lugens Species 0.000 description 3
- 240000000111 Saccharum officinarum Species 0.000 description 3
- 235000007201 Saccharum officinarum Nutrition 0.000 description 3
- 244000062793 Sorghum vulgare Species 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000013601 eggs Nutrition 0.000 description 3
- 241001600408 Aphis gossypii Species 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 2
- 241000238814 Orthoptera Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 244000098338 Triticum aestivum Species 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 235000019713 millet Nutrition 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 235000007650 Aralia spinosa Nutrition 0.000 description 1
- 241000208838 Asteraceae Species 0.000 description 1
- 235000016068 Berberis vulgaris Nutrition 0.000 description 1
- 241000335053 Beta vulgaris Species 0.000 description 1
- 241000219193 Brassicaceae Species 0.000 description 1
- 208000003643 Callosities Diseases 0.000 description 1
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 1
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 1
- 241000098289 Cnaphalocrocis medinalis Species 0.000 description 1
- 241000131068 Coccinella septempunctata Species 0.000 description 1
- 244000241257 Cucumis melo Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- 235000017896 Digitaria Nutrition 0.000 description 1
- 241001303487 Digitaria <clam> Species 0.000 description 1
- 244000058871 Echinochloa crus-galli Species 0.000 description 1
- 241000508725 Elymus repens Species 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 241000219146 Gossypium Species 0.000 description 1
- 244000020551 Helianthus annuus Species 0.000 description 1
- 235000003222 Helianthus annuus Nutrition 0.000 description 1
- 244000130592 Hibiscus syriacus Species 0.000 description 1
- 235000018081 Hibiscus syriacus Nutrition 0.000 description 1
- 240000005979 Hordeum vulgare Species 0.000 description 1
- 235000007340 Hordeum vulgare Nutrition 0.000 description 1
- 206010020649 Hyperkeratosis Diseases 0.000 description 1
- 206010020710 Hyperphagia Diseases 0.000 description 1
- 240000003483 Leersia hexandra Species 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 244000118056 Oryza rufipogon Species 0.000 description 1
- 241000173219 Paspalum distichum Species 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 241000209504 Poaceae Species 0.000 description 1
- 244000294611 Punica granatum Species 0.000 description 1
- 235000014360 Punica granatum Nutrition 0.000 description 1
- 241000219093 Rhamnus Species 0.000 description 1
- 235000010086 Setaria viridis var. viridis Nutrition 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 235000011684 Sorghum saccharatum Nutrition 0.000 description 1
- 241000949456 Zanthoxylum Species 0.000 description 1
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 1
- 235000009120 camo Nutrition 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 235000005607 chanvre indien Nutrition 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 235000005686 eating Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 244000304962 green bristle grass Species 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 239000011487 hemp Substances 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000001672 ovary Anatomy 0.000 description 1
- 235000020830 overeating Nutrition 0.000 description 1
- 230000017448 oviposition Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
Images
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
-
- 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
- A01M1/00—Stationary means for catching or killing insects
- A01M1/02—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects
- A01M1/04—Attracting insects by using illumination or colours
-
- 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
- A01M1/00—Stationary means for catching or killing insects
- A01M1/22—Killing insects by electric means
- A01M1/223—Killing insects by electric means by using electrocution
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
- H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pest Control & Pesticides (AREA)
- Signal Processing (AREA)
- Zoology (AREA)
- Aviation & Aerospace Engineering (AREA)
- Insects & Arthropods (AREA)
- Wood Science & Technology (AREA)
- Environmental Sciences (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明属于农业领域,其公开了一种基于无人机、固定摄像模块联用的大区域病虫害防治方法,所述方法具体为:步骤1:采集各个小区域的图像并传送至服务器;步骤2:获取各小区域的天气情况;步骤3:获取昆虫种类和昆虫数量;步骤4:分析其迁移路径和迁移速度;步骤5:发送给该路径上的各个小区域针对性的杀虫预警信息;步骤6:准备针对类型和数量的杀虫剂;步骤7:通过杀虫模块、第一无人机进行杀虫。该方法在杀虫策略上综合考虑天气因素、昆虫类型、作物类型、昆虫习性,进行可预警的虫害防治。
Description
技术领域
本发明涉及农业领域,具体为一种基于无人机、固定摄像模块联用的大区域病虫害防治方法。
背景技术
由于草地贪夜蛾一晚可飞行100公里,母蛾子在产卵前可迁飞500公里,目前人工监测其迁飞、发生发展动态情况非常困难。如果没有准确监测,无法掌握防治最佳期,无法科学防治,无法快速有效防控国际农业和生物科学中心评为世界十大植物害虫之一的草地贪夜蛾。
草地贪夜蛾原生于美洲热带和亚热带地区,2016年以前只在西半球活动。2016年首次在非洲的尼日利亚被发现。因其繁衍能力强、迁飞扩散快,以及喜欢温暖湿润的气候环境,草地贪夜蛾迅速蔓延到整个撒哈拉以南的非洲,此后又扩散到也门、印度、缅甸等地。2019年1月草地贪夜蛾从缅甸迁飞至我国云南,并迅速蔓延到贵州、广西等20来个省份。2019年7月最北已出现在陕西汉中、河南、江苏北部地区。草地贪夜蛾可危害80多种农作物,如玉米、高粱、甘蔗、水稻等,可致玉米苗期受害减产20%至50%,严重的田块甚至绝收。低龄的草地贪夜蛾幼虫一般啃食玉米叶,形成窗户纸一样的薄膜,老熟幼虫则会把玉米叶啃穿,叶面形成大大小小的窟窿,甚至会直接钻到玉米果穗里啃食,白天它们都躲在新叶里面,晚上出来为害。到了傍晚以后,它就爬到叶片上咬食叶片。
草地贪夜蛾是2019年首次入侵我国的迁飞性害虫,仅半年时间,草地贪夜蛾已在19 个省份的1000多个县发现,涉及面积约500万亩,主要在南方地区,呈点片状发生,有向北扩展的态势。7月-8月是西南季风最强的季节,也是草地贪夜蛾随季风向北迁徙的关键季节,黄淮海地区玉米将进入生长旺季,防控形势依然严峻。高温少雨导致草地贪夜蛾生长发育加快、历期缩短;草地贪夜蛾繁殖力强,单雌产卵量大,种群数量可在短期内激增;草地贪夜蛾幼虫取食量较大,3龄以后即进入暴食期,为害严重;草地贪夜蛾寄主植物广泛,潜在经济损失巨大。如果不能有效控制其扩散和爆发,对我国玉米等作物的危害影响非常感大。2017年9月,国际农业和生物科学中心报道,仅在已被入侵的非洲12个玉米种植国家中,草地贪夜蛾为害可造成玉米年减产830万到2060万吨,经济损失高达 24.8亿到61.9亿美元。
不仅仅是草地贪夜蛾,我国农业还有其他害虫,如飞蝗、粘虫、草地螟、稻纵卷叶螟、褐飞虱等。
所以,本方案所要解决的技术问题是:如何实现对于流动性强的病虫害进行及时控制。
发明内容
本发明的目的在于提供一种基于无人机、固定摄像模块联用的大区域病虫害防治方法,该方法在杀虫策略上综合考虑天气因素、昆虫类型、作物类型、昆虫习性,进行可预警的虫害防治。
为实现上述目的,本发明提供如下技术方案:一种基于无人机、固定摄像模块联用的大区域病虫害防治方法,所述方法涉及大区域病虫害防治系统,所述大区域病虫害防治系统包括服务器、多个固定在田间的杀虫模块;还包括多台具有药物喷洒功能的第一无人机、多台具有图像采集功能的第二无人机、固定有田间地头的固定摄像模块;所述第一无人机、第二无人机、固定摄像模块设置于大区域中的各个小区域中;所述杀虫模块、第一无人机、第二无人机、固定摄像模块分别和服务器通信连接;
所述方法具体为:
步骤1:各个杀虫模块的第二无人机、固定摄像头采集各个小区域的图像并传送至服务器;
步骤2:服务器从第三方天气预报平台获取各小区域的天气情况,所述天气情况包括是否降水、降水量、温度、风速;所述服务器中预先存储有各种不同的昆虫的迁飞习性资料;
步骤3:服务器从固定摄像头所传输的图像中分析各个小区域的昆虫种类;服务器从第二无人机所传输的图像中统计各个小区域的昆虫数量;
步骤4:服务器根据步骤3所分析得到的昆虫种类找到该昆虫种类的迁飞习性,结合天气情况、各小区域的作物种类分析其迁移路径和迁移速度;
步骤5:服务器根据迁移路径和迁移速度发送给该路径上的各个小区域针对性的杀虫预警信息;所述杀虫预警信息包括:针对该昆虫种类所需采用的杀虫剂类型、针对该昆虫数量准备所需杀虫剂数量、针对迁移速度计算得到的昆虫预计到达时间;
步骤6:各个相关小区域在收到杀虫预警信息后在预计到达时间之前准备针对类型和数量的杀虫剂;
步骤7:通过小区域的固定摄像头判断杀虫预警信息所针对的昆虫是否到达,当到达后采用已经准备好的杀虫剂通过杀虫模块、第一无人机进行杀虫。
在上述的基于无人机、固定摄像模块联用的大区域病虫害防治方法中,所述迁飞习性包括无固定繁育基地的连续迁飞型昆虫的飞行路径、有固定繁育基地的迁飞型昆虫的飞行路径、越冬或越夏迁飞型昆虫的飞行路径;所述迁飞习性预先存储于服务器中;所述迁飞习性经过往年的昆虫迁飞数据统计得到。
在上述的基于无人机、固定摄像模块联用的大区域病虫害防治方法中,其特征在于,所述迁飞习性结合天气情况、各小区域的作物种类分析其迁移路径和迁移速度的方法为:
步骤41:服务器通过第二无人机、固定摄像头采集各个小区域的图像分析得到各个小区域的作物类型;
步骤42:将飞行路径两侧预设距离内的小区域内的作物类型予以标识;
步骤43:分析是否降水,若降水,则该小区域的昆虫停止迁移;若不降水则进行步骤 44;
步骤44:根据昆虫类型确定该昆虫是在白天迁飞还是晚上迁飞;
若该昆虫在白天迁飞,则分析该昆虫白天的可飞行距离并计算野外来临时昆虫预计到达的位置和该位置附近预设距离内的昆虫所适应的作物类型,得到昆虫会在当晚栖息在哪一个或哪几个小区域内;
若该昆虫在晚上迁飞,则分析该昆虫晚上的可飞行距离并计算黎明来临时昆虫预计到达的位置和该位置附近预设距离内的昆虫所适应的作物类型,得到昆虫会在当天白昼栖息在哪一个或哪几个小区域内;
所述可飞行距离的计算方法为:昆虫无风飞行速度与顺着该飞行路径的风速之和。
在上述的基于无人机、固定摄像模块联用的大区域病虫害防治方法中,所述固定摄像模块包括固定有任意一个小区域中的一根或若干根固定杆,所述固定杆上设有360°云台、连接在云台上的第一摄像机。
在上述的基于无人机、固定摄像模块联用的大区域病虫害防治方法中,所述第二无人机上搭载有第二摄像机、第一定位模块。
在上述的基于无人机、固定摄像模块联用的大区域病虫害防治方法中,所述第一无人机上搭载有农药喷洒模块、第二定位模块。
在上述的基于无人机、固定摄像模块联用的大区域病虫害防治方法中,所述杀虫模块分布在各小区域中,每个小区域分布一个或多个杀虫模块。
在上述的基于无人机、固定摄像模块联用的大区域病虫害防治方法中,所述杀虫模块包括固定有田间地头的立柱、设置在立柱上的杀虫灯,所述杀虫灯与外设电源或自备电源电连接。
在上述的基于无人机、固定摄像模块联用的大区域病虫害防治方法中,所述杀虫模块还包括自备电源、控制模块,所述杀虫灯、控制模块分别电连接至自备电源;所述杀虫灯包含多根诱虫灯管、布置于诱虫灯管外围的高压杀虫网,所述诱虫灯管、高压杀虫网与控制模块电连接;所述控制模块用于控制诱虫灯管的开启数量和高压杀虫网的工作启停;所述控制模块和服务器通信连接。
在上述的基于无人机、固定摄像模块联用的大区域病虫害防治方法中,所述自备电源为太阳能电池板、蓄电池,所述太阳能电池板、蓄电池均电连接至控制模块。
在上述的基于无人机、固定摄像模块联用的大区域病虫害防治方法中,还包括车载防控系统,该车载防控系统同样搭载有如上所述的固定摄像模块和杀虫模块。
与现有技术相比,本发明的有益效果是:
本发明在硬件上采用可移动的监控、固定监控组合,通过固定杀虫模块、可移动的杀虫模块组合,基于物联网框架,可实现大区域的病虫害防治,抑制虫害扩大。
本发明在杀虫策略上综合考虑天气因素、昆虫类型、作物类型、昆虫习性,进行可预警的虫害防治。
附图说明
图1为本发明的实施例1的系统的结构示意图;
图2为本发明的实施例1的系统的杀虫模块的结构示意图;
图3为本发明的实施例1的系统的第一无人机的结构示意图;
图4为本发明的实施例1的系统的第二无人机的结构示意图;
图5为本发明的实施例1的系统的固定摄像模块的结构示意图;
图6为本发明的实施例1的系统的控制框图;
图7为本发明的实施例1的方法的流程框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
在阐述本发明的方法之前,先对本发明方法所需要的系统进行介绍。
请参阅图1-6,一种基于无人机、固定摄像模块联用的大区域病虫害防治系统,包括服务器1、多个固定在田间的杀虫模块2;还包括多台具有药物喷洒功能的第一无人机3、多台具有图像采集功能的第二无人机4、固定有田间地头的固定摄像模块5;所述第一无人机3、第二无人机4、固定摄像模块5设置于大区域A中的各个小区域B中;所述杀虫模块2、第一无人机3、第二无人机4、固定摄像模块5分别和服务器1通信连接。
在应用过程中,将大区域A分为若干小区域B,一般来说,我们会要求将几十至几百万平方公里的范围作为一个大区域A,小区域一般为大区域的面积的千分之一或万分之一;然后在大区域A中根据农田分布情况划分若干小区域B。每个小区域B中都有独立的杀虫模块2、第一无人机3、第二无人机4、固定摄像模块5。
第二无人机4和固定摄像模块5是相互配合的,固定摄像模块5基于其固定在田间地头的属性,其并不能完全覆盖小区域B,所以其需要和第二无人机4配合,才能检测本小区域B内是否有病虫害,但是固定摄像模块5有其优势在于:距离虫害近、可24小时不间断监控;其监测逻辑为:第二无人机4定期起航拍摄所属区域内的飞行的虫害,采集图像;固定摄像模块5持续检测所属小区域B内的图像。两者将图像按照一定的频率传送给服务器1。
服务器1根据图像会进行相应的分析,分析内容包括:病虫害密度、病虫害种类。病虫害种类一般提取图像中若干虫类个体图像和标准图像比对,得到结果。
根据分析结果,可以得知本区域的病虫害情况,决定第一无人机3和/或杀虫模块2是否工作。
作为逻辑控制的一个重要方面,本服务器1还会集中多个小区域B内的图像信息进行综合分析,同时,额外的,本系统还包括天气因素分析单元,比如风力采集模块,用于采集个小区域B风力。基于多个小区域B的图像和可选的天气因素等,可以分析病虫害的流动方向,为病虫害即将经过的小区域B进行预警,及时启用适当的防虫杀虫手段,如启用对应的第一无人机3、杀虫模块2。
优选地,所述固定摄像模块5包括固定有任意一个小区域B中的一根或若干根固定杆 51,所述固定杆51上设有360°云台52、连接在云台52上的第一摄像机53。固定杆51 的数量需要根据小区域B的面积来决定,小区域B的面积大,自然固定摄像模块5的数量应当多,后文的杀虫模块2的数量设置也是同样道理。
优选地,所述第二无人机4上搭载有第二摄像机41、第一定位模块42,所述第一无人机3上搭载有农药喷洒模块31、第二定位模块32。第一定位模块42、第二定位模块32 都用于无人机定位用,一般为GPS模块。
隐含的,市售绝大多数的无人机均搭载通信装置,无人机的图像、农药喷洒模块31的控制指令均有无人机内部搭载的和服务器1通信连接的通信装置进行通信连接。
优选地,所述杀虫模块2分布在各小区域B中,每个小区域B分布一个或多个杀虫模块2。
具体来说,所述杀虫模块2包括固定有田间地头的立柱21、设置在立柱21上的杀虫灯,所述杀虫灯与自备电源25电连接,所述杀虫模块2还包括自备电源25、控制模块22,所述杀虫灯、控制模块22分别电连接至自备电源25;所述杀虫灯包含多根诱虫灯管23、布置于诱虫灯管23外围的高压杀虫网24,所述诱虫灯管23、高压杀虫网24与控制模块 22电连接;所述控制模块22用于控制诱虫灯管23的开启数量和高压杀虫网24的工作启停;所述控制模块22和服务器1通信连接;所述自备电源25为太阳能电池板、蓄电池,所述太阳能电池板、蓄电池均电连接至控制模块22。
杀虫模块2的工作原理为:根据服务器1的指令,控制模块22根据指令决定杀虫灯是否启动,以及诱虫灯管23启动的数量,一般来说,诱虫灯管23的数量越多,诱虫效果越好。本杀虫模块2采用太阳能电源进行供电。同理,本实施例的固定摄像模块5也优选采用自备的太阳能电池供电。
请参阅图7,图7示出了本发明的方法步骤流程图,具体来说:
所述方法具体为:
步骤1:各个杀虫模块的第二无人机、固定摄像头采集各个小区域的图像并传送至服务器;服务器中预先存储有各种昆虫的多角度的图片,服务器将固定摄像头采集的图像和图片进行比对,可得到昆虫的种类,很多情况下昆虫种类并不是单一的,因此优选服务器对同一小区域多张图像进行分析,其不仅可以分析得到有多少种昆虫,还可以得到每种昆虫的数量比例,这对于后续的研究和预警分析是有帮助的。
步骤2:服务器从第三方天气预报平台获取各小区域的天气情况,所述天气情况包括是否降水、温度、风速;所述服务器中预先存储有各种不同的昆虫的迁飞习性资料;
温度并不是判断所有昆虫迁移的必要参数,但是其对某些昆虫是有明显影响的,比如 BPH和稻纵卷叶螟在29-30℃以上时,卵巢明显受到抑制,会对其是否继续迁移造成影响。
一般来说,降水会对昆虫的迁移造成普遍性的影响,出现降水昆虫一般会停止迁移直至放晴。
风速也是影响昆虫迁移的一个主要因素,但是风速一般来说并不以改变昆虫的传统迁移路径,因为风速从统计上来说每年的风向、季风发生时间都是相对固定的,风速会减速或减缓迁移速度。
昆虫的迁飞习性决定迁飞路径,由于本方案无法穷举,列出几个比较典型的例子:无固定繁育基地的连续迁飞型昆虫:粘虫、草地螟、稻纵卷叶螟、褐飞虱;
有固定繁育基地的迁飞型昆虫:飞蝗;
越冬或越夏迁飞型昆虫:七星瓢虫、稻水象、棉蚜、草地贪夜蛾。
每种昆虫的迁飞习性导致每年迁飞时候迁飞会分布在一个若干公里宽的迁飞路径上,比如10km,这只是例子,需要根据往年的数据实测得到。
步骤3:服务器从固定摄像头所传输的图像中分析各个小区域的昆虫种类;服务器从第二无人机所传输的图像中统计各个小区域的昆虫数量;
步骤4:服务器根据步骤3所分析得到的昆虫种类找到该昆虫种类的迁飞习性,结合天气情况、各小区域的作物种类分析其迁移路径和迁移速度;
具体来说:步骤4包括如下子步骤:
步骤41:服务器通过第二无人机、固定摄像头采集各个小区域的图像分析得到各个小区域的作物类型;
作物类型决定了昆虫在停歇时有多大概率会停留在该小区域内,一般来说不同的昆虫危害的作物类型是不同的,草地贪夜蛾的幼虫可大量啃食禾本科如水稻、甘蔗和玉米之类细粒禾榖及菊科、十字花科等多种农作物;粘虫寄主于麦、稻、粟、玉米等禾谷类粮食作物及棉花、豆类、蔬菜等16科104种以上植物;草地螟主要为害甜菜、大豆、向日葵、马铃薯、麻类、蔬菜、药材等多种作物;稻纵卷叶螟除为害水稻外,还可取食大麦、小麦、甘蔗、粟等作物及稗、李氏禾、雀稗、双穗雀稗、马唐、狗尾草、蟋蟀草、茅草、芦苇等杂草;褐飞虱则只能在水稻和普通野生稻上取食和繁殖后代;飞蝗属于杂食性昆虫,其适宜发育温度范围介于25—35℃之间,春旱干热,可促进蝗卵提早孵化或加速幼蝻的生长;秋季高温则可部分发生第三代,加重当年的为害,但未必有利于第二年的发生。春季阴冷,则第一代孵化迟、生长慢,使第二代发生推迟;秋末寒流来临早,秋蝗不能全部羽化或未能充分产卵而死亡。冬季低温,可造成越冬卵死亡。凡冬季平均气温在-10℃以下出现20 天或-15℃以下超过5天的地区,就不适于飞蝗的发生。棉蚜寄主植物有石榴、花椒、木槿、鼠李属、棉、瓜类等。
步骤42:将飞行路径两侧预设距离内的小区域内的作物类型予以标识;
一般来说飞行路径左右两侧10公里左右的范围均为昆虫可能停留的区域。当然如果进行往年统计,其预设距离的判断更为精准。
步骤43:分析是否降水,若降水,则该小区域的昆虫停止迁移;若不降水则进行步骤 44;
步骤44:根据昆虫类型确定该昆虫是在白天迁飞还是晚上迁飞;
若该昆虫在白天迁飞,则分析该昆虫白天的可飞行距离并计算野外来临时昆虫预计到达的位置和该位置附近预设距离内的昆虫所适应的作物类型,得到昆虫会在当晚栖息在哪一个或哪几个小区域内;
若该昆虫在晚上迁飞,则分析该昆虫晚上的可飞行距离并计算黎明来临时昆虫预计到达的位置和该位置附近预设距离内的昆虫所适应的作物类型,得到昆虫会在当天白昼栖息在哪一个或哪几个小区域内;
也有些昆虫属于白天和夜晚均迁飞的类型。草地贪夜蛾属于夜晚迁飞型昆虫。
所述可飞行距离的计算方法为:昆虫无风飞行速度与顺着该飞行路径的风速之和。
步骤5:服务器根据迁移路径和迁移速度发送给该路径上的各个小区域针对性的杀虫预警信息;所述杀虫预警信息包括:针对该昆虫种类所需采用的杀虫剂类型、针对该昆虫数量准备所需杀虫剂数量、针对迁移速度计算得到的昆虫预计到达时间;
步骤6:各个相关小区域在收到杀虫预警信息后在预计到达时间之前准备针对类型和数量的杀虫剂;
步骤7:通过小区域的固定摄像头判断杀虫预警信息所针对的昆虫是否到达,当到达后采用已经准备好的杀虫剂通过杀虫模块、第一无人机进行杀虫。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种基于无人机、固定摄像模块联用的大区域病虫害防治方法,其特征在于,所述方法涉及大区域病虫害防治系统,所述大区域病虫害防治系统包括服务器、多个固定在田间的杀虫模块;还包括多台具有药物喷洒功能的第一无人机、多台具有图像采集功能的第二无人机、固定有田间地头的固定摄像模块;所述第一无人机、第二无人机、固定摄像模块设置于大区域中的各个小区域中;所述杀虫模块、第一无人机、第二无人机、固定摄像模块分别和服务器通信连接;
所述方法具体为:
步骤1:各个杀虫模块的第二无人机、固定摄像头采集各个小区域的图像并传送至服务器;
步骤2:服务器从第三方天气预报平台获取各小区域的天气情况,所述天气情况包括是否降水、温度、风速;所述服务器中预先存储有各种不同的昆虫的迁飞习性资料;
步骤3:服务器从固定摄像头所传输的图像中分析各个小区域的昆虫种类;服务器从第二无人机所传输的图像中统计各个小区域的昆虫数量;
步骤4:服务器根据步骤3所分析得到的昆虫种类找到该昆虫种类的迁飞习性,结合天气情况、各小区域的作物种类分析其迁移路径和迁移速度;
步骤5:服务器根据迁移路径和迁移速度发送给该路径上的各个小区域针对性的杀虫预警信息;所述杀虫预警信息包括:针对该昆虫种类所需采用的杀虫剂类型、针对该昆虫数量准备所需杀虫剂数量、针对迁移速度计算得到的昆虫预计到达时间;
步骤6:各个相关小区域在收到杀虫预警信息后在预计到达时间之前准备针对类型和数量的杀虫剂;
步骤7:通过小区域的固定摄像头判断杀虫预警信息所针对的昆虫是否到达,当到达后采用已经准备好的杀虫剂通过杀虫模块、第一无人机进行杀虫。
2.根据权利要求1所述的基于无人机、固定摄像模块联用的大区域病虫害防治方法,其特征在于,所述迁飞习性包括无固定繁育基地的连续迁飞型昆虫的飞行路径、有固定繁育基地的迁飞型昆虫的飞行路径、越冬或越夏迁飞型昆虫的飞行路径;所述迁飞习性预先存储于服务器中;所述迁飞习性经过往年的昆虫迁飞数据统计得到。
3.根据权利要求2所述的基于无人机、固定摄像模块联用的大区域病虫害防治方法,其特征在于,所述迁飞习性结合天气情况、各小区域的作物种类分析其迁移路径和迁移速度的方法为:
步骤41:服务器通过第二无人机、固定摄像头采集各个小区域的图像分析得到各个小区域的作物类型;
步骤42:将飞行路径两侧预设距离内的小区域内的作物类型予以标识;
步骤43:分析是否降水,若降水,则该小区域的昆虫停止迁移;若不降水则进行步骤44;
步骤44:根据昆虫类型确定该昆虫是在白天迁飞还是晚上迁飞;
若该昆虫在白天迁飞,则分析该昆虫白天的可飞行距离并计算野外来临时昆虫预计到达的位置和该位置附近预设距离内的昆虫所适应的作物类型,得到昆虫会在当晚栖息在哪一个或哪几个小区域内;
若该昆虫在晚上迁飞,则分析该昆虫晚上的可飞行距离并计算黎明来临时昆虫预计到达的位置和该位置附近预设距离内的昆虫所适应的作物类型,得到昆虫会在当天白昼栖息在哪一个或哪几个小区域内;
所述可飞行距离的计算方法为:昆虫无风飞行速度与顺着该飞行路径的风速之和。
4.根据权利要求1所述的基于无人机、固定摄像模块联用的大区域病虫害防治方法,其特征在于,所述固定摄像模块包括固定有任意一个小区域中的一根或若干根固定杆,所述固定杆上设有360°云台、连接在云台上的第一摄像机。
5.根据权利要求1所述的基于无人机、固定摄像模块联用的大区域病虫害防治方法,其特征在于,所述第二无人机上搭载有第二摄像机、第一定位模块。
6.根据权利要求1所述的基于无人机、固定摄像模块联用的大区域病虫害防治方法,其特征在于,所述第一无人机上搭载有农药喷洒模块、第二定位模块。
7.根据权利要求1所述的基于无人机、固定摄像模块联用的大区域病虫害防治方法,其特征在于,所述杀虫模块分布在各小区域中,每个小区域分布一个或多个杀虫模块。
8.根据权利要求7所述的基于无人机、固定摄像模块联用的大区域病虫害防治方法,其特征在于,所述杀虫模块包括固定有田间地头的立柱、设置在立柱上的杀虫灯,所述杀虫灯与外设电源或自备电源电连接。
9.根据权利要求8所述的基于无人机、固定摄像模块联用的大区域病虫害防治方法,其特征在于,所述杀虫模块还包括自备电源、控制模块,所述杀虫灯、控制模块分别电连接至自备电源;所述杀虫灯包含多根诱虫灯管、布置于诱虫灯管外围的高压杀虫网,所述诱虫灯管、高压杀虫网与控制模块电连接;所述控制模块用于控制诱虫灯管的开启数量和高压杀虫网的工作启停;所述控制模块和服务器通信连接。
10.根据权利要求8所述的基于无人机、固定摄像模块联用的大区域病虫害防治方法,所述自备电源为太阳能电池板、蓄电池,所述太阳能电池板、蓄电池均电连接至控制模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010101322.0A CN111252246A (zh) | 2020-02-19 | 2020-02-19 | 一种基于无人机、固定摄像模块联用的大区域病虫害防治方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010101322.0A CN111252246A (zh) | 2020-02-19 | 2020-02-19 | 一种基于无人机、固定摄像模块联用的大区域病虫害防治方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111252246A true CN111252246A (zh) | 2020-06-09 |
Family
ID=70947280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010101322.0A Pending CN111252246A (zh) | 2020-02-19 | 2020-02-19 | 一种基于无人机、固定摄像模块联用的大区域病虫害防治方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111252246A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113536011A (zh) * | 2021-08-09 | 2021-10-22 | 河北科技师范学院 | 一种用于调查田间昆虫的植保方法及装置 |
CN114170513A (zh) * | 2021-12-08 | 2022-03-11 | 广东省农业科学院植物保护研究所 | 一种草地贪夜蛾的虫情监测方法、系统及存储介质 |
CN115024300A (zh) * | 2022-06-30 | 2022-09-09 | 昆明理工大学 | 一种三七病虫害防控植保无人机的智能喷药装置、方法与系统 |
CN117250994A (zh) * | 2023-11-14 | 2023-12-19 | 贵州航天智慧农业有限公司 | 基于无人机追踪昆虫迁飞轨迹的方法及系统 |
-
2020
- 2020-02-19 CN CN202010101322.0A patent/CN111252246A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113536011A (zh) * | 2021-08-09 | 2021-10-22 | 河北科技师范学院 | 一种用于调查田间昆虫的植保方法及装置 |
CN113536011B (zh) * | 2021-08-09 | 2022-08-19 | 河北科技师范学院 | 一种用于调查田间昆虫的植保方法及装置 |
CN114170513A (zh) * | 2021-12-08 | 2022-03-11 | 广东省农业科学院植物保护研究所 | 一种草地贪夜蛾的虫情监测方法、系统及存储介质 |
CN115024300A (zh) * | 2022-06-30 | 2022-09-09 | 昆明理工大学 | 一种三七病虫害防控植保无人机的智能喷药装置、方法与系统 |
CN115024300B (zh) * | 2022-06-30 | 2023-08-18 | 昆明理工大学 | 一种三七病虫害防控植保无人机的智能喷药装置、方法与系统 |
CN117250994A (zh) * | 2023-11-14 | 2023-12-19 | 贵州航天智慧农业有限公司 | 基于无人机追踪昆虫迁飞轨迹的方法及系统 |
CN117250994B (zh) * | 2023-11-14 | 2024-02-02 | 贵州航天智慧农业有限公司 | 基于无人机追踪昆虫迁飞轨迹的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111252246A (zh) | 一种基于无人机、固定摄像模块联用的大区域病虫害防治方法 | |
Lomelí-Flores et al. | Impacts of weather, shade cover and elevation on coffee leafminer Leucoptera coffeella (Lepidoptera: Lyonetiidae) population dynamics and natural enemies | |
Miao et al. | Long-distance wind-borne dispersal of Sitodiplosis mosellana Géhin (Diptera: Cecidomyiidae) in Northern China | |
CN116391690A (zh) | 一种基于物联网大数据的智慧农业种植监测系统 | |
Howard | Diet of Petaurus breviceps (Marsupialia: Petauridae) in a mosaic of coastal woodland and heath. | |
He et al. | Seasonal patterns of Scotogramma trifolii Rottemberg (Lepidoptera: Noctuidae) migration across the Bohai Strait in northern China | |
Ma et al. | Experiment of meteorological disaster monitoring on unmanned aerial vehicle | |
Abe et al. | Impact of volcanic activity on a plant-pollinator module in an island ecosystem: the example of the association of Camellia japonica and Zosterops japonica | |
Daudi et al. | Modelling the control of the impact of fall armyworm (spodoptera frugiperda) infestations on maize production | |
Nielsen et al. | Mating strategy of O ecophylla smaragdina (H ymenoptera: F ormicidae) in northern A ustralia | |
CN211766294U (zh) | 基于无人机、固定摄像模块联用的大区域病虫害防治系统 | |
Mazin et al. | Activity and distribution of the mushroom phorid fly, Megaselia halterata, in and around commercial mushroom farms | |
CN112514911A (zh) | 一种夜蛾科小型昆虫性信息素增效剂 | |
Negussie et al. | Potential pollinators and floral visitors of introduced tropical biofuel tree species Jatropha curcas L.(Euphorbiaceae), in Southern Africa. | |
Gopinath et al. | Inadvertent implications of climate change for butterflies | |
CN108983741A (zh) | 基于物联网技术的蔬菜病虫害信息提取与预警控制系统 | |
CN112200368A (zh) | 一种蚊子数量预测方法及系统 | |
CN113598044B (zh) | 一种低温驯化昆虫为早春作物授粉方法 | |
Singh et al. | Effect of weather parameters on populations dynamics of tobacco caterpillar (Spodoptera litura) for soybean crop in Raipur district of Chhattisgarh | |
Engels et al. | Small‐scale dispersal of the European corn borer and its relevance for resistance management in Bt maize | |
Pedgley et al. | International workshop on the control of armyworm and other migrant pests in East Africa, Arusha, July 1982 | |
Akiba et al. | Pollinator community structure and interactions on Monardella odoratissima spp. glauca | |
Bhalla | The ecology and ecosystem services of insectivorous bats in rice dominated landscapes | |
WO2022007114A1 (zh) | 利用蝗虫密度分析的危害检测平台 | |
Daudi et al. | Research Article Modelling the Control of the Impact of Fall Armyworm (Spodoptera frugiperda) Infestations on Maize Production |
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 |