CN111626148B - 一种无人机农田核查方法、系统、智能终端及存储介质 - Google Patents

一种无人机农田核查方法、系统、智能终端及存储介质 Download PDF

Info

Publication number
CN111626148B
CN111626148B CN202010389014.2A CN202010389014A CN111626148B CN 111626148 B CN111626148 B CN 111626148B CN 202010389014 A CN202010389014 A CN 202010389014A CN 111626148 B CN111626148 B CN 111626148B
Authority
CN
China
Prior art keywords
current
crop
aerial vehicle
unmanned aerial
information
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
CN202010389014.2A
Other languages
English (en)
Other versions
CN111626148A (zh
Inventor
戎奕
张玲
洪梦佳
王燕
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.)
Zhejiang Shuzhi Space Planning And Design Co ltd
Original Assignee
Zhejiang Shuzhi Space Planning And Design Co ltd
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 Zhejiang Shuzhi Space Planning And Design Co ltd filed Critical Zhejiang Shuzhi Space Planning And Design Co ltd
Priority to CN202010389014.2A priority Critical patent/CN111626148B/zh
Publication of CN111626148A publication Critical patent/CN111626148A/zh
Application granted granted Critical
Publication of CN111626148B publication Critical patent/CN111626148B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种无人机农田核查方法、系统、智能终端及存储介质，其包括获取当前农田区域中无人机的当前坐标信息；判断当前无人机是否位于农田区域中；若位于农田区域中，则根据当前坐标信息从预先设置的地图数据库中查找出当前区域信息；根据当前区域信息以从预先设置的区域农作物类型数据库中查找出当前农作物类型。解决了无人机是在飞行的状态下对农作物进行识别，此时需要先对无人机进行稳定，然后通过摄像头对植物进行识别，因此对操作者的操作技术有很高的要求，一旦出现晃动，就会导致检测识别不准确的问题，本发明具有降低对操作者的操作要求的效果。

Description

一种无人机农田核查方法、系统、智能终端及存储介质
技术领域
本发明涉及农作物识别的技术领域，尤其是涉及一种无人机农田核查方法、系统、智能终端及存储介质。
背景技术
无人机是一种由遥控或者其他终端进行控制的飞行装置，无人机上可以安装摄像头、拾音器等装置，从而对飞行经过的地方进行图像的采集以及声音的采集。
现有技术中，如公告号为CN105046229B的中国专利，一种农作物行的识别方法及装置，该方法首先通过模糊聚类方法将采集的农作物图像转化为二值图像，然后从获取的二值图像中提取感兴趣的区域ROI图像，通过横条法获取其中农作物特征点，并对所提取的农作物特征点进行线性回归，拟合出农作物行直线方程，最后再通过多次线性回归的方法剔除错误的特征点，对农作物行直线方程进行修正。
上述中的现有技术方案存在以下缺陷：由于无人机是在飞行的状态下对农作物进行识别，此时需要先对无人机进行稳定，然后通过摄像头对植物进行识别，因此对操作者的操作技术有很高的要求，一旦出现晃动，就会导致检测识别不准确，还有改进的空间。
发明内容
本发明目的一是提供一种无人机农田核查方法，具有降低对操作者的操作要求的特点。
本发明的上述发明目的一是通过以下技术方案得以实现的：
一种无人机农田核查方法，包括：
获取当前农田区域中无人机的当前坐标信息；
判断当前无人机是否位于农田区域中；
若位于农田区域中，则根据当前坐标信息从预先设置的地图数据库中查找出当前区域信息；
根据当前区域信息以从预先设置的区域农作物类型数据库中查找出当前农作物类型。
通过采用上述技术方案，通过对无人机当前的位置进行定位，从而通过坐标信息进行判断，首先对农田区域进行判断，一旦位于农田区域中时，就会通过地图数据库对当前区域信息进行查找，从而将农作物类型进行匹配，通过定位停留的方式对植物进行识别，提高了整体的准确性，实用性强。
本发明在一较佳示例中可以进一步配置为：当前坐标信息的获取方法包括：
获取当前无人机的当前坐标点；
分别实时计算出当前坐标点与所预设的三个基点之间的直线距离，三个基点为不同高度且不处于同一直线上的三个点；
将计算出的直线距离形成一个数组并存储；
当前坐标信息用数组表示。
通过采用上述技术方案，通过对无人机的坐标点进行获取，从而通过直线距离的方式对数组进行获得，通过数组对坐标信息进行表示，从而提高整体的准确性，由于无人机在飞行的时候，高度也会发生变化，而数据阐述的距离具有限制，因此通过基点高度不同的设置，从而提高了整体的准确性。
本发明在一较佳示例中可以进一步配置为：地图数据库的获取方法包括：
获取前农田区域中的每种农作物的农作物边界点；
分别计算出农作物边界点与所预设的三个基点之间的直线距离，三个基点为不同高度且不处于同一直线上的三个点；
将计算出的直线距离形成一个数组并存储；
按照顺序依次获取农田中每个种植区域的边界点的所对应的数组，并将存储的数组调取以生成农作物三维数，将农作物三维数组互相组合以做为农作物种植的总范围，并完善地图数据库。
通过采用上述技术方案，在对农作物边界点进行采集，并且计算出与三个几点之间的直线距离，并通过数组的方式进行存储，并且单独对每一块种植区域进行单独的存储，生成的三维数可以进行互相组合，从而形成地图数据库。
本发明在一较佳示例中可以进一步配置为：包括：
若识别到农作物边界点；
则判断农作物边界点所在位置；
若农作物边界点所在位置为不同农作物之间的边界，则判断当前位置于所预设的农作物类型参考点之间的距离，并判定为小于或等于农作物类型参考点一侧的农作物类型；
若农作物边界点所在位置不为不同农作物之间的边界，则默认为该农作物边界点所在的农作物类型。
通过采用上述技术方案，对农作物边界点进行判断，一旦采集到边界点的时候，通过对相邻的位置进行判断，从而判断出变成是否边上有其他的农作物，从而对农作物类型进行判断，以提高整体的检测准确性。
本发明在一较佳示例中可以进一步配置为：包括：
若位于农田区域中，则同步获取当前农作物特征信息；
根据当前农作物特征信息从预先设置的区域特征数据库中查找出农作物类型信息；
判断当前农作物类型与查找出的农作物类型信是否一致；
若一致，则控制指示灯指示；
若不一致，则控制告警器告警。
通过采用上述技术方案，在定位的同时，也同步对农作物特征信息进行判断，通过进一步的判断，从而验证定位的准确性，以提高整体的稳定性，并且在出现不一致的时候，通过告警器进行告警；在一致的时候，通过指示灯指示，实用性强。
本发明在一较佳示例中可以进一步配置为：农作物特征信息的获取方式包括：
获取当前图片信息；
从当前图像信息中裁剪出非植物特征区与植物特征区；
将非植物特征区去除，以保留植物特征区，并根据所预设的非本区域植物数据库，以去除非农作物类型，以获得农作物类型信息。
通过采用上述技术方案，通过对图片信息的获取，从而对植物和非植物的区域进行剪裁，从而减小识别的工作量，并且通过剪裁的方式，能够减少识别出错的情况，从而提高整体的稳定性。
本发明在一较佳示例中可以进一步配置为：包括：
区域特征数据库包括成熟度状态库以及虫害状态库；
根据当前农作物特征信息从成熟度状态库以及虫害状态库中查找出当前成长状态以及虫害状态并显示。
通过采用上述技术方案，通过特征对比的方式，还可以对成熟度以及农作物的虫害状态进行同步的识别，在通过照片拍摄的时候，同步进行识别，从而提高了整体的识别能力，实用性强。
本发明目的二是提供一种无人机农田核查系统，具有降低对操作者的操作要求的特点。
本发明的上述发明目的二是通过以下技术方案得以实现的：
一种无人机农田核查系统，包括：
获取模块，用于获取坐标信息、农作物特征信息、图片信息；
存储器，用于存储无人机农田核查的控制方法的程序；
处理器，存储器中的程序能够被处理器加载执行且实现无人机农田核查的控制方法。
通过采用上述技术方案，通过对无人机当前的位置进行定位，从而通过坐标信息进行判断，首先对农田区域进行判断，一旦位于农田区域中时，就会通过地图数据库对当前区域信息进行查找，从而将农作物类型进行匹配，通过定位停留的方式对植物进行识别，提高了整体的准确性，实用性强。
本发明目的三是提供一种智能终端，具有降低对操作者的操作要求的特点。
本发明的上述发明目的三是通过以下技术方案得以实现的：
一种智能终端，包括存储器和处理器，所属存储器上存储有能够被处理器加载并执行上述无人机农田核查方法的计算机程序。
通过采用上述技术方案，通过对无人机当前的位置进行定位，从而通过坐标信息进行判断，首先对农田区域进行判断，一旦位于农田区域中时，就会通过地图数据库对当前区域信息进行查找，从而将农作物类型进行匹配，通过定位停留的方式对植物进行识别，提高了整体的准确性，实用性强。
本发明目的四是提供一种计算机存储介质，能够存储相应的程序，具有便于实现降低对操作者的操作要求的特点。
本发明的上述发明目的四是通过以下技术方案得以实现的：
一种计算机可读存储介质，存储有能够被处理器加载并执行上述任一种无人机农田核查方法的计算机程序。
通过采用上述技术方案，通过对无人机当前的位置进行定位，从而通过坐标信息进行判断，首先对农田区域进行判断，一旦位于农田区域中时，就会通过地图数据库对当前区域信息进行查找，从而将农作物类型进行匹配，通过定位停留的方式对植物进行识别，提高了整体的准确性，实用性强。
综上所述，本发明包括以下至少一种有益技术效果：
1.实现降低对操作者的操作要求；
2.检测更加稳定，缺准确性高。
附图说明
图1是无人机定位判断农作物类型的方法流程图。
图2是坐标信息的的获取方法流程图。
图3是地图数据库的构建方法流程图。
图4是农作物边界处理的方法流程图。
图5是农作物双重判断的方法流程图。
图6是图像获取识别的方法流程图。
图7是特征判断的方法流程图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
本发明实施例提供一种无人机农田核查方法，通过摄像头对图像的采集，配合无人机于农田中的定位位置，从而降低对操作者的操作要求的特点。
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
下面结合说明书附图对本发明实施例作进一步详细描述。
本发明实施例提供一种无人机农田核查方法，所述方法的主要流程描述如下。
如图1所示，步骤100：获取当前农田区域中无人机的当前坐标信息。
在获取当前坐标信息时，将定位用的电子标签安装在无人机上，并且在地面上设置基站的方式，从而将基准到无人机上的电子标签的距离生成数据，从而获取出坐标信息，坐标信息包括x，y，z上的数据。
步骤101：判断当前无人机是否位于农田区域中。
在判断当前无人机是否位于农田区域中时，就是判断当前无人机上的电子标签，是否在基站所规定的检测区域中，此时对无人家至三个基站之间的距离进行检测。
步骤102：若位于农田区域中，则根据当前坐标信息从预先设置的地图数据库中查找出当前区域信息。
一旦位于农田区域中时，就可以识别出当前位置的当前坐标信息，此时通过当前坐标信息从地图数据库中查找出当前区域信息，而地图数据库为预先设置的数据库，通过工作人员进行信息的录入，工作人员预先将农田按照种植的农作物不同，分割为若干农田种植区域，因此通过当前坐标信息从而匹配出对应的区域信息，区域信息即当前区域中为工作人员所划定的具体区域。
步骤103：根据当前区域信息以从预先设置的区域农作物类型数据库中查找出当前农作物类型。
区域农作物类型数据库与区域信息互相对应，并且区域农作物类型数据库为工作人员进行定义的数据库，工作人员在将区域进行划分的时候，对每块区域种植的农作物进行记载，从而通过对区域的检测，以查找出当前农作物类型。
参照图2所示，当前坐标信息通过基站与电子定位标签进行互相配合，获取的方法步骤包括：
步骤200：获取当前无人机的当前坐标点。
坐标点在获取的时候，通过三个基站对无人机上的电子标签进行距离的检测，从而判断当前位置，三个基站到无人机上的电子标签的距离为坐标点。
步骤201：分别实时计算出当前坐标点与所预设的三个基点之间的直线距离，三个基点为不同高度且不处于同一直线上的三个点。
基站在设置的时候，优先设置于农田区域外，即将农田区域包含在三个基站所围合而成的区域中，从而提高整体的检测准确性，同时将三个基站设置在不同的位置上，并且设置的三个基站在高度不同的状态下能够提高整体的准确性。
步骤202：将计算出的直线距离形成一个数组并存储。
在计算出电子标签至三个基站点之间的直线距离后，从而生成一个数组并且将数组进行存储。
步骤203：当前坐标信息用数组表示。
另外，在坐标信息进行表示的时候，也采用数组进行表示。
参照图3所示，地图数据库为预设的数据库，而地图数据库为了更加贴合实际的使用环境，可以进行现场数据的采集，当后期也是相同的场景时，可以直接调取使用，从而提高整体的效率。
地图数据库的获取方法步骤包括：
步骤300：获取前农田区域中的每种农作物的农作物边界点。
农作物边界点按照农作物类型不同进行划分，在进行获取的时候，按照不同的农作物类型进行依次划分，通过对当前点进行采集的方式，从而按照顺序依次围合，从而形成与当前农作物相对应的农作物边界点。
在进行采集的时候，也判断无人机的位置的方法一致，因此可以采用无人机进行现场的实际飞行操作，由于飞行的高度不同，因此在对应区域中围合后，针对不同高度进行重复围合，从而提高整体的准确性，同时也可以采用人工修正数据的方式，将不同高度进行数据的生成，由工作人员根据实际情况进行选择。
步骤301：分别计算出农作物边界点与所预设的三个基点之间的直线距离，三个基点为不同高度且不处于同一直线上的三个点。
通过电子标签与三个基点之间进行直线距离进行计算，基点即基站所安装的位置，并且将三个基站设置在不同的位置上，并且设置的三个基站在高度不同的状态下能够提高整体的准确性。
步骤302：将计算出的直线距离形成一个数组并存储。
在计算出电子标签至三个基站点之间的直线距离后，从而生成一个数组并且将数组进行存储。
步骤303：按照顺序依次获取农田中每个种植区域的边界点的所对应的数组，并将存储的数组调取以生成农作物三维数，将农作物三维数组互相组合以做为农作物种植的总范围，并完善地图数据库。
在获得数组后，按照顺序进行获取，此顺序可以为顺时针和逆时针，从而将数组组合成农作物三维数，将农作物三维数组互相组合以做为农作物种植的总范围，并完善地图数据库。
参照图4所示，无人机在进行飞行的时候，一旦飞行到农作物边界点时，此时需要此位置的农作物类型，因此需要进行判断，且方法包括：
步骤400：若识别到农作物边界点。
判断农作物边界点，此边界点为无人机首次飞行的时候，所获得的最外界的边界点，即此边界的极限位置。
步骤401：则判断农作物边界点所在位置。
再判断农作物边界点所在的位置，即当前定位点于规划区域中的位置，通过位置的判断，从而判断是哪种农作物。
步骤402：若农作物边界点所在位置为不同农作物之间的边界，则判断当前位置于所预设的农作物类型参考点之间的距离，并判定为小于或等于农作物类型参考点一侧的农作物类型。
一旦边界点所在的位置是不同农作物之间的边界时，就判断当前位置到农作物类型参考点之间的距离，通过对距离的检测，从而判断农作物类型。判断的方法步骤为：在遇到相邻均是不同农作物类型的时候，将当前无人机所停留的位置与农作物类型参考点进行对比，并将小于或等于农作物类型参考点一侧的农作物作为无人机所检测到的农作物类型。
其中，农作物类型参考点为预设的参考点，本实施例中，设置为边界点至第一个农作物所对应的距离点。
步骤403：若农作物边界点所在位置不为不同农作物之间的边界，则默认为该农作物边界点所在的农作物类型。
如果农作物边界点所在的位置不为农作物之间的边界，即遇到外侧无农作物时，此时无人所在的位置判断为该农作物边界点所在的农作物类型。即靠近边界点所在的农作物的类型。
参照图5所示，在定位识别的同时，同步采用摄像头进行图像的采集，并且做二次的识别判断，具体方法步骤如下：
步骤500：若位于农田区域中，则同步获取当前农作物特征信息。
在无人机上的电子标签与三个基站之间的直线距离进行判断，若判断为农田区域中时，则启动无人机上的摄像头，从而对农作物的特征进行获取，即获取农作物特征信息。
步骤501：根据当前农作物特征信息从预先设置的区域特征数据库中查找出农作物类型信息。
其中，区域特征数据库为所预设的数据库，区域特征数据库中具备不同农作物的特征，通过对特征的判断，从而可以识别出农作物的类型。
步骤502：判断当前农作物类型与查找出的农作物类型信是否一致。
在识别出来农作物类型后，与当前无人机所对应的位置所匹配出来的农作物类型进行对比，从而判断两者是否保持一致。
步骤503：若一致，则控制指示灯指示。
在判断的过程中，如果保持一致，则控制指示灯进行指示，从而进行一致的提示。
步骤504：若不一致，则控制告警器告警。
在判断的过程中，如果保持不一致，则控制告警器进行告警，从而进行不一致的告警，在告警后，对工作人员进行提醒。
参照图6所示，农作物特征信息在进行获取的时候，采用摄像头进行获取，且获取的方式包括：
步骤600：获取当前图片信息。
摄像头安装在无人机上，通过摄像头对当前能够识别到的位置进行图片信息的采集，采用拍照的方式，从而进行图像的采集。
步骤600：从当前图像信息中裁剪出非植物特征区与植物特征区。
为了提高整体的识别率，在进行裁剪的时候，将区分植物和非植物，从而从当前图像信息中裁剪出非植物特征区与植物特征区。
步骤600：将非植物特征区去除，以保留植物特征区，并根据所预设的非本区域植物数据库，以去除非农作物类型，以获得农作物类型信息。
需要进行特征采集的时候，将非植物特征区去除，以保留植物特征区，并根据所预设的非本区域植物数据库，以去除非农作物类型，以获得农作物类型信息。其中，非本区域植物数据库根据每个区域的不同，进行不同的设置，从而将所需要的植物筛选出来，以提高整体的识别效率。
参照图7所示，在特征进行识别的时候，对虫害和成熟度进行检测，且判断的方式如下：
步骤700：区域特征数据库包括成熟度状态库以及虫害状态库。
区域特征数据库包括成熟度状态库以及虫害状态库，成熟度状态数据库中通过对每种农作物的成长状态不同，因此进行对应状态的识别，以匹配出不同农作物的不同成长状态，不同的农作物状态特征均不同，因此均进行分别设置。
不同的农作物针对不同虫害的部位以及状态均不同，因此针对不同的农作物进行特征状态的单独采集，从而对农作物的虫害状态进行判断。
步骤701：根据当前农作物特征信息从成熟度状态库以及虫害状态库中查找出当前成长状态以及虫害状态并显示。
根据当前农作物特征信息从成熟度状态库中查找出当前成长状态并显示，根据当前农作物特征信息从虫害状态库中查找出虫害状态并显示。从而给予观察者了解植物的当前状态。
基于同一发明构思，本发明实施例提供一种无人机农田核查系统，包括：
获取模块，用于获取坐标信息、农作物特征信息、图片信息；
存储器，用于存储如图求1至7中的无人机农田核查的控制方法的程序；
处理器，存储器中的程序能够被处理器加载执行且实现如图1至7中的无人机农田核查的控制方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明实施例提供一种计算机可读存储介质，存储有能够被处理器加载并执行如图1至7中的流程步骤。
计算机可读存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
基于同一发明构思，本发明实施例提供一种智能终端，包括存储器和处理器，所属存储器上存储有能够被处理器加载并执行如图1至7中的计算机程序。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (9)

1.一种无人机农田核查方法，其特征在于，包括：
获取当前农田区域中无人机的当前坐标信息；
其中，在获取当前坐标信息时，将定位用的电子标签安装在无人机上，并且在地面上设置基站的方式，从而将基站到无人机上的电子标签的距离生成数据，从而获取出坐标信息，坐标信息包括x，y，z上的数据；
判断当前无人机是否位于农田区域中；
若位于农田区域中，则根据当前坐标信息从预先设置的地图数据库中查找出当前区域信息；
根据当前区域信息以从预先设置的区域农作物类型数据库中查找出当前农作物类型；
地图数据库的获取方法包括：
获取前农田区域中的每种农作物的农作物边界点；
分别计算出农作物边界点与所预设的三个基点之间的直线距离，三个基点为不同高度且不处于同一直线上的三个点；
将计算出的直线距离形成一个数组并存储；
按照顺序依次获取农田中每个种植区域的边界点的所对应的数组，并将存储的数组调取以生成农作物三维数组，将农作物三维数组互相组合以做为农作物种植的总范围，并完善地图数据库。
2.根据权利要求1所述的方法，其特征在于，当前坐标信息的获取方法包括：
获取当前无人机的当前坐标点；
分别实时计算出当前坐标点与所预设的三个基点之间的直线距离，三个基点为不同高度且不处于同一直线上的三个点；
将计算出的直线距离形成一个数组并存储；
当前坐标信息用数组表示。
3.根据权利要求1所述的方法，其特征在于，包括：
若识别到农作物边界点；
则判断农作物边界点所在位置；
若农作物边界点所在位置为不同农作物之间的边界，则判断当前位置与所预设的农作物类型参考点之间的距离，并判定为小于或等于农作物类型参考点一侧的农作物类型；
若农作物边界点所在位置不为不同农作物之间的边界，则默认为该农作物边界点所在的农作物类型。
4.根据权利要求1所述的方法，其特征在于，包括：
若位于农田区域中，则同步获取当前农作物特征信息；
根据当前农作物特征信息从预先设置的区域特征数据库中查找出农作物类型信息；
判断当前农作物类型与查找出的农作物类型是否一致；
若一致，则控制指示灯指示；
若不一致，则控制告警器告警。
5.根据权利要求4所述的方法，其特征在于，农作物特征信息的获取方式包括：
获取当前图片信息；
从当前图像信息中裁剪出非植物特征区与植物特征区；
将非植物特征区去除，以保留植物特征区，并根据所预设的非本区域植物数据库，以去除非农作物类型，以获得农作物类型信息。
6.根据权利要求5所述的方法，其特征在于，包括：
区域特征数据库包括成熟度状态库以及虫害状态库；
根据当前农作物特征信息从成熟度状态库以及虫害状态库中查找出当前成长状态以及虫害状态并显示。
7.一种无人机农田核查系统，其特征在于，包括：
获取模块，用于获取坐标信息、农作物特征信息、图片信息；
存储器，用于存储如权利要求1至6中任一项的无人机农田核查的控制方法的程序；
处理器，存储器中的程序能够被处理器加载执行且实现如权利要求1至6中任一项的无人机农田核查的控制方法。
8.一种智能终端，其特征在于，包括存储器和处理器，所属存储器上存储有能够被处理器加载并执行如权利要求1至6中任一种方法的计算机程序。
9.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至6中任一种方法的计算机程序。
CN202010389014.2A 2020-05-09 2020-05-09 一种无人机农田核查方法、系统、智能终端及存储介质 Active CN111626148B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010389014.2A CN111626148B (zh) 2020-05-09 2020-05-09 一种无人机农田核查方法、系统、智能终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010389014.2A CN111626148B (zh) 2020-05-09 2020-05-09 一种无人机农田核查方法、系统、智能终端及存储介质

Publications (2)

Publication Number Publication Date
CN111626148A CN111626148A (zh) 2020-09-04
CN111626148B true CN111626148B (zh) 2023-07-11

Family

ID=72259821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010389014.2A Active CN111626148B (zh) 2020-05-09 2020-05-09 一种无人机农田核查方法、系统、智能终端及存储介质

Country Status (1)

Country Link
CN (1) CN111626148B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114065877B (zh) * 2022-01-13 2022-06-10 易旺(北京)企业管理有限公司 茶田茶叶成熟度识别方法及设备
CN115131670B (zh) * 2022-09-02 2022-12-20 广州艾米生态人工智能农业有限公司 一种水稻图片智能审核方法、系统、装置及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103714563A (zh) * 2014-01-03 2014-04-09 中南大学 一种曲线形农田作业区域边界建模方法
CN104535575A (zh) * 2015-01-25 2015-04-22 无锡桑尼安科技有限公司 基于无人机检测的农作物成熟度识别平台
CN107066489A (zh) * 2016-12-28 2017-08-18 贵州大学 一种快速绘制农田电子地图的方法
KR101801746B1 (ko) * 2017-01-03 2017-11-27 (주)세이프어스드론 방제용 스마트 드론, 이를 이용한 스마트 방제 시스템 및 방법
CN107710994A (zh) * 2017-11-07 2018-02-23 北京勇搏科技有限公司 一种基于无人驾驶技术的谷物条播播种机
CN109670002A (zh) * 2018-12-04 2019-04-23 中国农业机械化科学研究院 一种农田田块信息的多维表示方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7916898B2 (en) * 2003-09-15 2011-03-29 Deere & Company Method and system for identifying an edge of a crop
CN103723273A (zh) * 2012-10-11 2014-04-16 陕西杰创科技有限公司 一种可自动分类型施药的农药喷洒无人机
CN103809155B (zh) * 2014-01-17 2015-09-16 西北农林科技大学 一种基于ZigBee的四轴飞行器农田定位系统
JP6842190B2 (ja) * 2016-04-08 2021-03-24 株式会社ナイルワークス 無人飛行体による薬剤散布方法、プログラム、および、装置
US10664702B2 (en) * 2016-12-30 2020-05-26 International Business Machines Corporation Method and system for crop recognition and boundary delineation
CN107392104A (zh) * 2017-06-23 2017-11-24 深圳市盛路物联通讯技术有限公司 一种基于物联网的农作物生长管理方法及系统
US10885331B2 (en) * 2018-01-23 2021-01-05 X Development Llc Crop boundary detection in images
US10621434B2 (en) * 2018-01-25 2020-04-14 International Business Machines Corporation Identification and localization of anomalous crop health patterns
CN108549869A (zh) * 2018-04-13 2018-09-18 哈尔滨理工大学 一种基于专家系统的植保无人机自适应作业方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103714563A (zh) * 2014-01-03 2014-04-09 中南大学 一种曲线形农田作业区域边界建模方法
CN104535575A (zh) * 2015-01-25 2015-04-22 无锡桑尼安科技有限公司 基于无人机检测的农作物成熟度识别平台
CN107066489A (zh) * 2016-12-28 2017-08-18 贵州大学 一种快速绘制农田电子地图的方法
KR101801746B1 (ko) * 2017-01-03 2017-11-27 (주)세이프어스드론 방제용 스마트 드론, 이를 이용한 스마트 방제 시스템 및 방법
CN107710994A (zh) * 2017-11-07 2018-02-23 北京勇搏科技有限公司 一种基于无人驾驶技术的谷物条播播种机
CN109670002A (zh) * 2018-12-04 2019-04-23 中国农业机械化科学研究院 一种农田田块信息的多维表示方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GPS技术在农田土地平整地形测量中应用的初步研究;林金标;;建材与装饰(第27期);全文 *
农业土地利用遥感信息提取的研究进展与展望;董金玮;吴文斌;黄健熙;尤南山;何盈利;闫慧敏;;地球信息科学学报(第04期);全文 *

Also Published As

Publication number Publication date
CN111626148A (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
US11651478B2 (en) Methods for agronomic and agricultural monitoring using unmanned aerial systems
CN109840549B (zh) 一种病虫害识别方法和装置
CN111626148B (zh) 一种无人机农田核查方法、系统、智能终端及存储介质
US11564357B2 (en) Capture of ground truthed labels of plant traits method and system
US10936870B2 (en) Method for selectively deploying sensors within an agricultural facility
EP3626043B1 (en) Agricultural work apparatus, agricultural work management system, and program
CN108140118A (zh) 用于识别至少一株种植在耕地上的植物的方法和信息系统
JP6685856B2 (ja) 農作業計画支援装置及び農作業計画支援方法
CN105259909A (zh) 基于无人飞行器的植被数据采集方法及采集装置
CN112507768A (zh) 目标物检测方法、装置和图像采集方法、装置
CN111985724A (zh) 一种农作物产量预估的方法、装置、设备及存储介质
Sukumal et al. Modelling occurrence probability of the Endangered green peafowl Pavo muticus in mainland South-east Asia: applications for landscape conservation and management
KR20210037313A (ko) 농업용 드론 운용 시스템
CN113435345A (zh) 生长阶段确定方法、装置、农业系统、设备及存储介质
CN115797764B (zh) 一种应用于耕地非农化监测的遥感大数据解译方法及系统
CN112040197A (zh) 作物病虫害监测方法及装置
CN111009000A (zh) 昆虫取食行为分析方法、装置和存储介质
CN114067038A (zh) 图像处理方法、装置及电子设备
CN113850173A (zh) 针对故障光伏组件的消除重复定位的方法、装置及介质
CN116823918B (zh) 作物苗株数测量方法、装置、电子设备及存储介质
CN112767301A (zh) 作物苗数的确定方法及装置、测量系统
CN115314851B (zh) 一种基于大数据平台的农业信息化管理平台
CN116805395B (zh) 农业保险标的物的核验方法、装置、系统和存储介质
CN116449875A (zh) 一种无人机巡检方法及系统
CN116309838A (zh) 点云地图定位能力评估系统、方法、电子设备和存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 401, Building 2, Huace Center, Xihu District, Hangzhou City, Zhejiang Province, 310000

Applicant after: Zhejiang Shuzhi space planning and Design Co.,Ltd.

Address before: 310013 floor 14, building 2, No. 567, Dengcai street, Sandun Town, Xihu District, Hangzhou City, Zhejiang Province

Applicant before: HANGZHOU UNION OF STUDENTS LAND PLANNING AND DESIGN CONSULTATION Co.,Ltd.

GR01 Patent grant
GR01 Patent grant