CN111868566B - 一种基于定位漂移测算模型的农机作业面积测算方法 - Google Patents

Abstract

一种基于定位漂移测算模型的农机作业面积测算方法，包括下列步骤：步骤1、农机运行轨迹点采集和预处理：将传感器数据进行预处理，过滤农机作业状态信息，构建符合作业状态的轨迹点时间序列；步骤2、构造定位轨迹和作业轨迹；根据作业宽度建立一个多边形；步骤3、计算作业轨迹覆盖面积：从不同的角度对作业轨迹计算轨迹面积、覆盖面积和空白面积；步骤4、利用提取的核心特征构建定位漂移测算模型，训练样本对模型参数进行学习；步骤5、农机作业面积测算：将待计算的作业轨迹和作业面积输入定位漂移测算模型，获得精确的农机作业面积。解决了当农机耕作过程中存在多种作业类型，产生重叠区域、未作业区域时，农机作业面积计算精度不高的问题。

Description

一种基于定位漂移测算模型的农机作业面积测算方法

技术领域

本发明涉及一种基于定位漂移测算模型的农机作业面积测算方法。

背景技术

农机深松、耕整地作业对实现土地保墒，改善农田板结都有重要意义。在农机上安装地理信息系统、空间定位系统等数字技术导航装置，结合后台服务系统的模式，可以满足农机的深松、耕整地作业远程监控、管理需求，实现农业生产耕种收的精准作业。新型的农机管理和市场化服务模式日渐成熟，供求双方都要求农机作业服务提供精度高、可靠性高、实时便捷的农机作业面积计算结果。

现有的农机作业面积测算方法主要包括距离法、缓冲区法、栅格法等。这些方法受限于以下两个方面：当低成本的GPS(Global Positioning System，全球定位系统)由于漂移、干扰等原因造成的农机运行轨迹点定位精度不高时，作业面积测算结果会有较大误差；当农机耕作过程中存在多种作业类型，产生重叠区域、未作业区域时，计算精度不高。

因此，如何在安装低成本GPS的农机及复杂的作业环境中精确地测算农机作业面积已经成为一个急需解决的技术问题。

发明内容

本发明的目的在于提供一种基于定位漂移测算模型的农机作业面积测算方法，以解决现有技术中当农机耕作过程中存在多种作业类型，产生重叠区域、未作业区域时，农机作业面积计算精度不高的问题。

所述的一种基于定位漂移测算模型的农机作业面积测算方法，包括下列步骤：

步骤1、农机运行轨迹点采集和预处理：将农机定位传感器和姿态传感器的数据进行预处理，过滤农机作业状态信息，构建符合作业状态的轨迹点时间序列；

步骤2、构造定位轨迹和作业轨迹：将符合作业状态的定位点依次连接，建立作业轨迹的折线路径；同时每两个点分别根据作业宽度生成四边形，多个四边形进行逻辑运算建立一个多边形；

步骤3、计算作业轨迹覆盖面积：从不同的角度对作业轨迹计算轨迹面积、覆盖面积和空白面积；

步骤4、构造定位漂移测算模型：分析不同轨迹覆盖类型，抽取轨迹覆盖面积测算的核心特征，利用提取的核心特征构建定位漂移测算模型，训练样本对模型参数进行学习；

步骤5、农机作业面积测算：将待计算的作业轨迹和作业面积输入定位漂移测算模型，获得精确的农机作业面积。

优选的，所述步骤1具体包括下列步骤：

步骤1.1、接收安装在农机上的GPS传感器和姿态传感器每秒回传的数据；

步骤1.2、将间隔时间内农机定位点过近、过远的定位点过滤掉；

步骤1.3、将过滤后的且耕作深度达到国家深耕要求的轨迹点保留下来作为农机作业有效轨迹点放入集合，构建轨迹点时间序列。

优选的，所述步骤2具体包括下列步骤：

步骤2.1、将步骤1中符合作业状态的定位点依次连接，建立作业轨迹的折线路径；

步骤2.2、以农机作业轨迹上时序相邻的2个轨迹点P1、P2的坐标计算他们之间的方位角；

步骤2.3、根据农机具与轨迹是垂直的，计算农机具在上述相邻2个轨迹点间轨迹上的方位角；

步骤2.4、根据农机具方位角、犁具长度R得出轨迹点P1、P2的延伸四个点L1、L2、L3、L4，进而构成该段轨迹作业覆盖面的四边形S1，以此类推，计算出轨迹路径上的所有四边形S1...Sn；

步骤2.5：将步骤2.4中得到的四边形S1...Sn进行逻辑运算建立一个总作业面积多边形。

优选的，所述步骤3具体包括下列步骤：

步骤3.1、计算作业的理论轨迹面积：将符合作业状态的定位点依次连接，分别计算各段轨迹的距离，依据作业宽度统计轨迹覆盖的面积；

步骤3.2、计算作业的理论覆盖面积：将两两作业点形成的小矩形逻辑运算获得的多边形进行基于图形学计算，统计理论覆盖的面积、外部轮廓面积、内部空白面积。

优选的，所述步骤4具体包括下列步骤：

步骤4.1、确定反映坐标定位漂移的要素，进而提取用于实现空白面积分析的核心特征，分别是局部重叠度、全局重叠度、全局覆盖度；

步骤4.2、优化核心特征的参数，根据样本数据训练核心特征的参数，将核心特征映射到特定的统一区间[0,1]；

步骤4.3、构造定位漂移测算模型，利用优化后的核心特征的参数，运用机器学习方法建立定位漂移测算模型。

优选的，所述步骤4.1具体包括下列步骤：

步骤4.1.1、确定反映坐标定位漂移的要素：取作业轨迹在地图上的有限的包络区域面积表示为外面积S_外，在有限的包络区域内，轨迹点生成的四边形合并形成的有效覆盖面积表示为内面积S_内，S_外和S_内之间存在一个差值，即内部空白面积表示为S_空，轨迹长度结合犁具宽度R计算形成的轨迹覆盖的面积称之为轨迹面积S_轨；

步骤4.1.2：抽取实现空白面积分析的核心特征局部重叠度、全局重叠度、全局覆盖度：

局部重叠度定义为轨迹面积和内面积的比值，用表示用α表示，

局部重叠度α表达了轨迹内局部重叠的程度，轨迹越密集、重叠区域越集中，则局部重叠度越大。理想情况下，局部重叠度趋近于1，表示轨迹无漂移，作业正常。

全局重叠度定义为轨迹面积和外面积的比值，用β表示

全局重叠度β表达了轨迹内部整体分散的程度，轨迹点分布越均匀，重叠区域越分散，则全局重叠度越大。理想情况下，完整作业轨迹，其全局重叠度趋近于1。

全局覆盖度定义为内面积和外面积的比值，用γ表示

全局覆盖度γ表达了实际作业面积覆盖作业区域的程度。作业越规范，轨迹越均匀，则全局覆盖度越大；作业异常，重叠集中，则全局覆盖度越小。

优选的，所述步骤4.2具体包括下列步骤：

步骤4.2.1：优化核心特征的参数，选择sigmod函数将参数映射到[0,1]区间

步骤4.2.2：根据样本数据训练核心特征的参数x和y，确定具体映射函数K₁(α)和K₂(β)。

优选的，所述步骤4.3具体包括下列步骤：

所述步骤4.3具体包括下列步骤：

步骤4.3.1：构造定位漂移测算模型，利用优化后的核心特征的参数进行形式化表示；

特别地，对S_空空的结构进行分析，S_空＝S_漂移+S_异常中S_异常可以具体分为两种类型，一种是冗余部分，特别当全局重叠度β小于1的情况下，后续有其他的轨迹进行填充；另一种是未作业空白部分，由于作业过程中未覆盖产生空白区域，面积表示为S_未作业；

方法定义轨迹的冗余率为θ_冗余作业轨迹内部面积中冗余的作业面积占据的比例：

以S_冗余表示对应的作业冗余面积，β为全局重叠度，则有：

S_冗余＝θ_冗余×S_空

同时定义轨迹的空白率θ_空白为实际轨迹内异常作业产生空白区域的面积占据除去作业冗余面积后的空白面积的比例，则有：

S_未作业＝θ_空白×(S_空-S_冗余)

S_异常是异常作业产生的作业未覆盖面积，综上分析可知，应表示如下：

S_异常＝S_冗余+S_未作业

步骤4.3.2：基于优化后的核心特征的参数，运用机器学习方法建立定位漂移测算模型；

基于试验样本的轨迹，我们将实际作业面积用S_正表示，存在关系：

S_正＝S_外-S_空×f(α，β)

其中f(α，β)为S_异常在S_空中占比的计算函数，其中空白率θ_空白的算式已知，因此还需要建立θ_空白的计算模型；

经过试验发现，当β保持不变，α越大，θ_空白的值越大；当α保持不变，β越大值，θ_空白越小；依据上述结论，通过sigmod函数构建空白率θ_空白的计算模型：

运用机器学习方法，结合具体的样本轨迹建立定位漂移测算模型的明确表示；基于试验样本的轨迹，我们将实际作业面积用S_正表示，存在关系：

S_正＝S_外-S_异常

即S_正＝S_外-θ_冗余×S_空-θ_空白×(1-θ_冗余)×S_空

由此得到定位漂移测算模型。

优选的，所述步骤5具体包括下列步骤：

步骤5.1：将定位点预处理成轨迹序列，计算不同特征和参数的取值，生成待处理的轨迹；

步骤5.2：将待处理的轨迹输入定位漂移测算模型，实现轨迹的不同分类，并对漂移区域进行纠正和补偿，得到农机作业的实际面积。

本发明具有如下优点：

本发明将采集的农机运行轨迹点经过预处理后，利用逻辑运算构造作业面积多边形，通过分析不同轨迹覆盖类型，抽取轨迹覆盖面积测算的核心特征来构建定位漂移测算模型，最终获得精确的农机作业面积。利用机器学习方法，能将测算模型不断修正提高精确性。作业异常的两种情况，一种称为冗余，为后续全局重叠度小于1，后续由其他轨迹进行填充的情况，另一种为作业异常造成作业过程中未覆盖的空白区域；作业异常产生的空白区域和定位漂移显示出的空白区域共同组成了测算时出现的空白区域。针对作业异常的两种情况，本方法都提供了用于计算分析的冗余率和空白率，并通过机器学习来不断修正不易计算的空白率，从而保证对作业异常产生的误差部分能精确计算，从而解决了由于低成本GPS定位漂移及农机操作偏移等导致的农机作业面积测算误差问题，提高了农机作业面积的测量精度，为农机精准作业及农机手作业补贴提供了依据。

附图说明

图1为本发明一种基于定位漂移测算模型的农机作业面积测算方法的流程图。

具体实施方式

下面对照附图，通过对实施例的描述，对本发明具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。

如图1所示，本发明提供了一种基于定位漂移测算模型的农机作业面积测算方法，包括下列步骤：

步骤1、农机运行轨迹点采集和预处理：将农机定位传感器和姿态传感器的数据进行预处理，过滤农机作业状态信息，构建符合作业状态的轨迹点时间序列；其具体步骤为：

步骤1.1、接收安装在农机上的GPS传感器和姿态传感器每秒回传的数据；

步骤1.2、将间隔时间内农机定位点过近、过远的定位点过滤掉；

步骤1.3、将过滤后的且耕作深度达到国家深耕要求的轨迹点保留下来作为农机作业有效轨迹点放入集合，构建轨迹点时间序列。

步骤2、构造定位轨迹和作业轨迹：将符合作业状态的定位点依次连接，建立作业轨迹的折线路径；同时每两个点分别根据作业宽度生成四边形，多个四边形进行逻辑运算建立一个多边形；其具体步骤为：

步骤2.1、将步骤1中符合作业状态的定位点依次连接，建立作业轨迹的折线路径；

步骤2.2、以农机作业轨迹上时序相邻的2个轨迹点P1、P2的坐标计算他们之间的方位角；

步骤2.3、根据农机具与轨迹是垂直的，计算农机具在上述相邻2个轨迹点间轨迹上的方位角；

步骤2.4、根据农机具方位角、犁具长度R得出轨迹点P1、P2的延伸四个点L1、L2、L3、L4，进而构成该段轨迹作业覆盖面的四边形S1，以此类推，计算出轨迹路径上的所有四边形S1...Sn；

步骤2.5：将步骤2.4中得到的四边形S1...Sn进行逻辑运算建立一个总作业面积多边形。总作业面积多边形为后续面积计算提供依据。

步骤3、计算作业轨迹覆盖面积：从不同的角度对作业轨迹计算轨迹面积、覆盖面积和空白面积；具体包括下列步骤：

步骤3.1、计算作业的理论轨迹面积：将符合作业状态的定位点依次连接，分别计算各段轨迹的距离，依据作业宽度统计轨迹覆盖的面积，该面积包括各段轨迹之间重叠的部分；

步骤3.2、计算作业的理论覆盖面积：将两两作业点形成的小矩形逻辑运算获得的多边形进行基于图形学计算，统计理论覆盖的面积、外部轮廓面积、内部空白面积。外部轮廓面积为组成的多边形的外部轮廓围出的面积，空白面积为多边形形成的位于外部轮廓内的空白部分的面积，理论覆盖面积为多边形自身的覆盖面积。上述面积提供给构建的定位漂移测算模型以求得实际作业面积。

步骤4、构造定位漂移测算模型：分析不同轨迹覆盖类型，抽取轨迹覆盖面积测算的核心特征，利用提取的核心特征构建定位漂移测算模型，训练样本对模型参数进行学习；具体包括下列步骤：

步骤4.1、确定反映坐标定位漂移的要素，进而提取用于实现空白面积分析的核心特征，分别是局部重叠度、全局重叠度、全局覆盖度；该步骤又具体包括下列步骤：

步骤4.1.1、确定反映坐标定位漂移的要素：取作业轨迹在地图上的有限的包络区域面积表示为外面积S_外，在有限的包络区域内，轨迹点生成的四边形合并形成的有效覆盖面积表示为内面积S_内，S_外和S_内之间存在一个差值，即内部空白面积表示为S_空，轨迹长度结合犁具宽度R计算形成的轨迹覆盖的面积称之为轨迹面积S_轨；

步骤4.1.2：抽取实现空白面积分析的核心特征局部重叠度、全局重叠度、全局覆盖度：

局部重叠度定义为轨迹面积和内面积的比值，用表示用α表示，

局部重叠度α表达了轨迹内局部重叠的程度，轨迹越密集、重叠区域越集中，则局部重叠度越大。理想情况下，局部重叠度趋近于1，表示轨迹无漂移，作业正常。

全局重叠度定义为轨迹面积和外面积的比值，用β表示

全局重叠度β表达了轨迹内部整体分散的程度，轨迹点分布越均匀，重叠区域越分散，则全局重叠度越大。理想情况下，完整作业轨迹，其全局重叠度趋近于1。

全局覆盖度定义为内面积和外面积的比值，用γ表示

全局覆盖度γ表达了实际作业面积覆盖作业区域的程度。作业越规范，轨迹越均匀，则全局覆盖度越大；作业异常，重叠集中，则全局覆盖度越小。上述核心特征均可由步骤3计算出的面积数据获得，是求得实际作业面积所需的重要参数，根据上述核心特征的差异决定了不同轨迹覆盖类型。

步骤4.2、优化核心特征的参数，根据样本数据训练核心特征的参数，将核心特征映射到特定的统一区间[0,1]；该步骤又具体包括下列步骤：

步骤4.2.1：优化核心特征的参数，选择sigmod函数将参数映射到[0,1]区间

步骤4.2.2：根据样本数据训练核心特征的参数x和y，确定具体映射函数K₁(α)和K₂(β)。映射函数对后续异常情况的面积分析非常重要。

步骤4.3、构造定位漂移测算模型，利用优化后的核心特征的参数，运用机器学习方法建立定位漂移测算模型，该步骤又具体包括下列步骤：

步骤4.3.1：构造定位漂移测算模型，利用优化后的核心特征的参数进行形式化表示；

特别地，对S_空空的结构进行分析，S_空＝S_漂移+S_异常中S_异常可以具体分为两种类型，一种是冗余部分，特别当全局重叠度β小于1的情况下，后续有其他的轨迹进行填充；另一种是未作业空白部分，由于作业过程中未覆盖产生空白区域，面积表示为S_未作业；

方法定义轨迹的冗余率为θ_冗余作业轨迹内部面积中冗余的作业面积占据的比例：

以S_冗余表示对应的作业冗余面积，β为全局重叠度，则有：

S_冗余＝θ_冗余×S_空

同时定义轨迹的空白率θ_空白为实际轨迹内异常作业产生空白区域的面积占据除去作业冗余面积后的空白面积的比例，则有：

S_未作业＝θ_空白×(S_空-S_冗余)

S_异常是异常作业产生的作业未覆盖面积，综上分析可知，应表示如下：

S_异常＝S_冗余+S_未作业

步骤4.3.2：基于优化后的核心特征的参数，运用机器学习方法建立定位漂移测算模型；

基于试验样本的轨迹，我们将实际作业面积用S_正表示，存在关系：

S_正＝S_外-S_空×f(α，β)

其中f(α，β)为S_异常在S_空中占比的计算函数，其中空白率θ_空白的算式已知，因此还需要建立θ_空白的计算模型；

经过试验发现，当β保持不变，α越大，θ_空白的值越大；当α保持不变，β越大值，θ_空白越小；依据上述结论，通过sigmod函数构建空白率θ_空白的计算模型：

运用机器学习方法，结合具体的样本轨迹建立定位漂移测算模型的明确表示；基于试验样本的轨迹，我们将实际作业面积用S_正表示，存在关系：

S_正＝S_外-S_异常

即S_正＝S_外-θ_冗余×S_空-θ_空白×(1-θ_冗余)×S_空

由此得到定位漂移测算模型。由于映射函数K₁(α)和K₂(β)已经在样本数据训练核心特征得以确定，因此S_异常也能准确计算出来，保证实际作业面积的准确性。

步骤5、农机作业面积测算：将待计算的作业轨迹和作业面积输入定位漂移测算模型，获得精确的农机作业面积；具体包括下列步骤：

步骤5.1：将定位点预处理成轨迹序列，计算不同特征和参数的取值，生成待处理的轨迹；

步骤5.2：将待处理的轨迹输入定位漂移测算模型，实现轨迹的不同分类，并对漂移区域进行纠正和补偿，得到农机作业的实际面积。

本方法在结果中去除了异常情况造成的空白部分面积，而实际作业覆盖到但采集数据时因定位漂移造成未能正确显示的S_漂移则仍然包括在计算结果内，从而令本方法能精确计算出实际作业面积，克服了现有技术因农机耕作过程中存在多种作业类型，产生重叠区域、未作业区域时，农机作业面积计算精度不高的缺陷，并且实际作业面积的计算较少受定位漂移现象影响。

上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的发明构思和技术方案进行的各种非实质性的改进，或未经改进将本发明构思和技术方案直接应用于其它场合的，均在本发明保护范围之内。

Claims (5)

1.一种基于定位漂移测算模型的农机作业面积测算方法，其特征在于：包括下列步骤：

步骤1、农机运行轨迹点采集和预处理：将农机定位传感器和姿态传感器的数据进行预处理，过滤农机作业状态信息，构建符合作业状态的轨迹点时间序列；

步骤2、构造定位轨迹和作业轨迹：将符合作业状态的定位点依次连接，建立作业轨迹的折线路径；同时每两个点分别根据作业宽度生成四边形，多个四边形进行逻辑运算建立一个多边形；

步骤3、计算作业轨迹覆盖面积：从不同的角度对作业轨迹计算轨迹面积、覆盖面积和空白面积；

步骤4、构造定位漂移测算模型：分析不同轨迹覆盖类型，抽取轨迹覆盖面积测算的核心特征，利用提取的核心特征构建定位漂移测算模型，训练样本对模型参数进行学习；

步骤5、农机作业面积测算：将待计算的作业轨迹和作业面积输入定位漂移测算模型，获得精确的农机作业面积；

所述步骤4具体包括下列步骤：

步骤4.1、确定反映坐标定位漂移的要素，进而提取用于实现空白面积分析的核心特征，分别是局部重叠度、全局重叠度、全局覆盖度；

步骤4.2、优化核心特征的参数，根据样本数据训练核心特征的参数，将核心特征映射到特定的统一区间[0，1]；

步骤4.3、构造定位漂移测算模型，利用优化后的核心特征的参数，运用机器学习方法建立定位漂移测算模型；

所述步骤4.1具体包括下列步骤：

步骤4.1.1、确定反映坐标定位漂移的要素：取作业轨迹在地图上的有限的包络区域面积表示为外面积S_外，在有限的包络区域内，轨迹点生成的四边形合并形成的有效覆盖面积表示为内面积S_内，S_外和S_内之间存在一个差值，即内部空白面积表示为S_空，轨迹长度结合犁具宽度R计算形成的轨迹覆盖的面积称之为轨迹面积S_轨；

步骤4.1.2：抽取实现空白面积分析的核心特征局部重叠度、全局重叠度、全局覆盖度：

局部重叠度定义为轨迹面积和内面积的比值，用表示用α表示，

局部重叠度α表达了轨迹内局部重叠的程度，轨迹越密集、重叠区域越集中，则局部重叠度越大；理想情况下，局部重叠度趋近于1，表示轨迹无漂移，作业正常；

全局重叠度定义为轨迹面积和外面积的比值，用β表示

全局重叠度β表达了轨迹内部整体分散的程度，轨迹点分布越均匀，重叠区域越分散，则全局重叠度越大；理想情况下，完整作业轨迹，其全局重叠度趋近于1；

全局覆盖度定义为内面积和外面积的比值，用γ表示

全局覆盖度γ表达了实际作业面积覆盖作业区域的程度；作业越规范，轨迹越均匀，则全局覆盖度越大；作业异常，重叠集中，则全局覆盖度越小；

所述步骤4.2具体包括下列步骤：

步骤4.2.1：优化核心特征的参数，选择sigmod函数将参数映射到[0，1]区间

步骤4.2.2：根据样本数据训练核心特征的参数x和y，确定具体映射函数K₁(α)和K₂(β)；

所述步骤4.3具体包括下列步骤：

步骤4.3.1：构造定位漂移测算模型，利用优化后的核心特征的参数进行形式化表示；

特别地，对S_空空的结构进行分析，S_空＝S_漂移+S_异常中S_异常可以具体分为两种类型，一种是冗余部分，特别当全局重叠度β小于1的情况下，后续有其他的轨迹进行填充；另一种是未作业空白部分，由于作业过程中未覆盖产生空白区域，面积表示为S_未作业；

方法定义轨迹的冗余率为θ_冗余作业轨迹内部面积中冗余的作业面积占据的比例：

以S_冗余表示对应的作业冗余面积，β为全局重叠度，则有：

S_冗余＝θ_冗余×S_空

同时定义轨迹的空白率θ_空白为实际轨迹内异常作业产生空白区域的面积占据除去作业冗余面积后的空白面积的比例，则有：

S_未作业＝θ_空白×(S_空-S_冗余)

S_异常是异常作业产生的作业未覆盖面积，综上分析可知，应表示如下：

S_异常＝S_冗余+S_未作业

步骤4.3.2：基于优化后的核心特征的参数，运用机器学习方法建立定位漂移测算模型；

基于试验样本的轨迹，我们将实际作业面积用S_正表示，存在关系：

S_正＝S_外-S_空×f(α，β)

其中f(α，β)为S_异常在S_空中占比的计算函数，其中空白率θ_空白的算式已知，因此还需要建立θ_空白的计算模型；

经过试验发现，当β保持不变，α越大，θ_空白的值越大；当α保持不变，β越大值，θ_空白越小；依据上述结论，通过sigmod函数构建空白率θ_空白的计算模型：

运用机器学习方法，结合具体的样本轨迹建立定位漂移测算模型的明确表示；基于试验样本的轨迹，我们将实际作业面积用S_正表示，存在关系：

S_正＝S_外-S_异常

即S_正＝S_外-θ_冗余×S_空-θ_空白×(1-θ_冗余)×S_空

由此得到定位漂移测算模型。

2.根据权利要求1所述的一种基于定位漂移测算模型的农机作业面积测算方法，其特征在于：所述步骤1具体包括下列步骤：

步骤1.1、接收安装在农机上的GPS传感器和姿态传感器每秒回传的数据；

步骤1.2、将间隔时间内农机定位点过近、过远的定位点过滤掉；

步骤1.3、将过滤后的且耕作深度达到国家深耕要求的轨迹点保留下来作为农机作业有效轨迹点放入集合，构建轨迹点时间序列。

3.根据权利要求1所述的一种基于定位漂移测算模型的农机作业面积测算方法，其特征在于：所述步骤2具体包括下列步骤：

步骤2.1、将步骤1中符合作业状态的定位点依次连接，建立作业轨迹的折线路径；

步骤2.2、以农机作业轨迹上时序相邻的2个轨迹点P1、P2的坐标计算他们之间的方位角；

步骤2.3、根据农机具与轨迹是垂直的，计算农机具在上述相邻2个轨迹点间轨迹上的方位角；

步骤2.4、根据农机具方位角、犁具长度R得出轨迹点P1、P2的延伸四个点L1、L2、L3、L4，进而构成该段轨迹作业覆盖面的四边形S1，以此类推，计算出轨迹路径上的所有四边形S1...Sn；

步骤2.5：将步骤2.4中得到的四边形S1...Sn进行逻辑运算建立一个总作业面积多边形。

4.根据权利要求1所述的一种基于定位漂移测算模型的农机作业面积测算方法，其特征在于：所述步骤3具体包括下列步骤：

步骤3.1、计算作业的理论轨迹面积：将符合作业状态的定位点依次连接，分别计算各段轨迹的距离，依据作业宽度统计轨迹覆盖的面积；

步骤3.2、计算作业的理论覆盖面积：将两两作业点形成的小矩形逻辑运算获得的多边形进行基于图形学计算，统计理论覆盖的面积、外部轮廓面积、内部空白面积。

5.根据权利要求1所述的一种基于定位漂移测算模型的农机作业面积测算方法，其特征在于：

所述步骤5具体包括下列步骤：

步骤5.1：将定位点预处理成轨迹序列，计算不同特征和参数的取值，生成待处理的轨迹；

步骤5.2：将待处理的轨迹输入定位漂移测算模型，实现轨迹的不同分类，并对漂移区域进行纠正和补偿，得到农机作业的实际面积。