CN112565726A - 作业处方图的确定方法、作业控制方法及相关装置 - Google Patents

作业处方图的确定方法、作业控制方法及相关装置 Download PDF

Info

Publication number
CN112565726A
CN112565726A CN202011456465.XA CN202011456465A CN112565726A CN 112565726 A CN112565726 A CN 112565726A CN 202011456465 A CN202011456465 A CN 202011456465A CN 112565726 A CN112565726 A CN 112565726A
Authority
CN
China
Prior art keywords
image
target
target area
water
determining
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
Application number
CN202011456465.XA
Other languages
English (en)
Other versions
CN112565726B (zh
Inventor
冼嘉晖
张园波
黄泽坛
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.)
Guangzhou Xaircraft Technology Co Ltd
Original Assignee
Guangzhou Xaircraft Technology 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 Guangzhou Xaircraft Technology Co Ltd filed Critical Guangzhou Xaircraft Technology Co Ltd
Priority to CN202011456465.XA priority Critical patent/CN112565726B/zh
Publication of CN112565726A publication Critical patent/CN112565726A/zh
Application granted granted Critical
Publication of CN112565726B publication Critical patent/CN112565726B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/12—Picture reproducers
    • H04N9/31—Projection devices for colour picture display, e.g. using electronic spatial light modulators [ESLM]
    • 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
    • A01M7/0096—Testing of spray-patterns
    • 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
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/12—Picture reproducers
    • H04N9/31—Projection devices for colour picture display, e.g. using electronic spatial light modulators [ESLM]
    • H04N9/3179—Video signal processing therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Pest Control & Pesticides (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Insects & Arthropods (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Environmental Sciences (AREA)
  • Image Processing (AREA)

Abstract

本申请的实施例提供了一种作业处方图的确定方法、作业控制方法及相关装置，涉及设备控制领域。方法包括：获取目标区域的多光谱图像和正射投影图像；根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图；作业处方图用于指示目标区域对应的投射物的喷洒量。通过根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图，而该作业处方图可以用于指示目标区域对应的投射物的喷洒量。因此，利用该作业处方图可以准确地确定出目标区域的水量情况，进而能够根据目标区域的水量情况合理地控制投射物的喷洒量，提升作业效果，降低人力成本。

Description

作业处方图的确定方法、作业控制方法及相关装置
技术领域
本申请涉及设备控制领域，具体而言，涉及一种作业处方图的确定方法、作业控制方法及相关装置。
背景技术
随着自动化技术的推广，人们开始使用无人机对农田喷洒农药。
但是，目前无人机在对农田进行农药喷洒时，由于农田的水量情况只能由人工现场判断，并由人工控制无人机进行农药地喷洒，因此，目前存在着无人机农药施放不均、农药效果不好、劳动强度大的问题。
发明内容
本申请的目的包括，提供了一种作业处方图的确定方法、作业控制方法及相关装置，其能够生成指示目标区域对应的投射物的喷洒量的作业处方图，从而提升作业效果，降低人力成本。
本申请的实施例可以这样实现：
第一方面，本申请实施例提供一种作业处方图的确定方法，包括：获取目标区域的多光谱图像和正射投影图像；根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图；作业处方图用于指示目标区域对应的投射物的喷洒量。
在可选的实施方式中，根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图，包括：根据多光谱图像及正射投影图像，生成第一图像数据；其中，第一图像数据中每一个像元具有从正射投影图像中获取到的位置属性；其中，像元的像元值为从多光谱图像中提取到的数值，用于表征位置属性所指向的实际区域的水量情况；获取目标区域在第一图像数据内对应的至少一个目标像元；根据预设的多个水量范围和每个目标像元的像元值，确定每个目标像元对应的水量范围；根据至少一个目标像元对应的水量范围，确定目标区域对应的作业处方图。
在可选的实施方式中，预设有多个水量范围和喷洒调整参数的对应关系，根据至少一个目标像元对应的水量范围，确定目标区域对应的作业处方图，包括：利用目标像元对应的水量范围，从对应关系中查询出对应的喷洒调整参数；根据查询得到的喷洒调整参数和预设的标准喷洒量，确定目标区域对应的投射物的喷洒量，以生成作业处方图。
在可选的实施方式中，预设有多个水量范围，多个水量范围包括依次递减的第一水量范围、第二水量范围和第三水量范围；根据至少一个目标像元对应的水量范围，确定目标区域对应的作业处方图，包括：分别获取属于第一水量范围的目标像元的第一数量、属于第二水量范围的目标像元的第二数量以及属于第三水量范围的目标像元的第三数量；若第一数量大于第二数量与第三数量之和，且第二数量大于第三数量与预设阈值之和，则将预设的第一参数作为目标喷洒调整参数；若第一数量大于第二数量与第三数量之和，且第二数量小于或等于第三数量与预设阈值之和，则将预设的第二参数作为目标喷洒调整参数；若第二数量大于第一数量与第三数量之和，则将预设的第三参数作为目标喷洒调整参数；若第三数量大于第一数量与第二数量之和，且第二数量小于或等于第一数量与预设阈值之和，则将预设的第四参数作为目标喷洒调整参数；若第三数量大于第一数量与第二数量之和，且第二数量大于第一数量与预设阈值之和，则将预设的第五参数作为目标喷洒调整参数；第一参数、第二参数、第三参数、第四参数以及第五参数依次递增；根据得到的目标喷洒调整参数和预设的标准喷洒量，确定目标区域对应的投射物的喷洒量，以生成作业处方图。
在可选的实施方式中，根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图，包括：根据多光谱图像及正射投影图像，生成第一图像数据；其中，第一图像数据中每一个像元具有从正射投影图像中获取到的位置属性；其中，像元的像元值为从多光谱图像中提取到的数值，用于表征位置属性所指向的实际区域的水量情况；获取目标区域在第一图像数据内对应的至少一个目标像元；根据至少一个目标像元的像元值确定目标区域的水量数据；根据水量数据确定目标区域对应的投射物的喷洒量，以生成作业处方图。
在可选的实施方式中，多光谱图像为目标区域的归一化水体指数影像。
在可选的实施方式中，归一化水体指数影像的获取步骤包括：根据作业设备的喷洒面积，确定多光谱图像对应的重采样图像；重采样图像的像元大小由喷洒面积确定；根据归一化水体指数公式对重采样图像处理，得到归一化水体指数影像。
第二方面，本申请实施例提供一种作业控制方法，包括：获取上述作业处方图的确定方法所获得的作业处方图，并根据作业处方图控制作业设备对目标区域作业。
第三方面，本申请实施例提供一种作业处方图的确定装置，包括：获取模块，用于获取目标区域的多光谱图像和正射投影图像；确定模块，用于根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图；作业处方图用于指示目标区域对应的投射物的喷洒量。
在可选的实施方式中，确定模块，用于根据多光谱图像及正射投影图像，生成第一图像数据；其中，第一图像数据中每一个像元具有从正射投影图像中获取到的位置属性；其中，像元的像元值为从多光谱图像中提取到的数值，用于表征位置属性所指向的实际区域的水量情况；确定模块，还用于获取目标区域在第一图像数据内对应的至少一个目标像元；确定模块，还用于根据预设的多个水量范围和每个目标像元的像元值，确定每个目标像元对应的水量范围；确定模块，还用于根据至少一个目标像元对应的水量范围，确定目标区域对应的作业处方图。
在可选的实施方式中，预设有多个水量范围和喷洒调整参数的对应关系，确定模块，用于利用目标像元对应的水量范围，从对应关系中查询出对应的喷洒调整参数；确定模块，还用于根据查询得到的喷洒调整参数和预设的标准喷洒量，确定目标区域对应的投射物的喷洒量，以生成作业处方图。
在可选的实施方式中，预设有多个水量范围，多个水量范围包括依次递减的第一水量范围、第二水量范围和第三水量范围；确定模块，用于分别获取属于第一水量范围的目标像元的第一数量、属于第二水量范围的目标像元的第二数量以及属于第三水量范围的目标像元的第三数量；确定模块，还用于若第一数量大于第二数量与第三数量之和，且第二数量大于第三数量与预设阈值之和，则将预设的第一参数作为目标喷洒调整参数；确定模块，还用于若第一数量大于第二数量与第三数量之和，且第二数量小于或等于第三数量与预设阈值之和，则将预设的第二参数作为目标喷洒调整参数；确定模块，还用于若第二数量大于第一数量与第三数量之和，则将预设的第三参数作为目标喷洒调整参数；确定模块，还用于若第三数量大于第一数量与第二数量之和，且第二数量小于或等于第一数量与预设阈值之和，则将预设的第四参数作为目标喷洒调整参数；确定模块，还用于若第三数量大于第一数量与第二数量之和，且第二数量大于第一数量与预设阈值之和，则将预设的第五参数作为目标喷洒调整参数；第一参数、第二参数、第三参数、第四参数以及第五参数依次递增；确定模块，还用于根据得到的目标喷洒调整参数和预设的标准喷洒量，确定目标区域对应的投射物的喷洒量，以生成作业处方图。
在可选的实施方式中，确定模块，用于根据多光谱图像及正射投影图像，生成第一图像数据；其中，第一图像数据中每一个像元具有从正射投影图像中获取到的位置属性；其中，像元的像元值为从多光谱图像中提取到的数值，用于表征位置属性所指向的实际区域的水量情况；确定模块，还用于获取目标区域在第一图像数据内对应的至少一个目标像元；确定模块，还用于根据至少一个目标像元的像元值确定目标区域的水量数据；确定模块，还用于根据水量数据确定目标区域对应的投射物的喷洒量，以生成作业处方图。
在可选的实施方式中，多光谱图像为目标区域的归一化水体指数影像。
在可选的实施方式中，获取模块，还用于根据作业设备的喷洒面积，确定多光谱图像对应的重采样图像；重采样图像的像元大小由喷洒面积确定；获取模块，还用于根据归一化水体指数公式对重采样图像处理，得到归一化水体指数影像。
第四方面，本申请实施例提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现前述实施方式中任一项的所述方法。
第五方面，本申请实施例提供一种作业设备控制单元，包括处理器和存储器，存储器存储有计算机程序，处理器用于执行计算机程序，以实现前述实施方式中任一项的所述方法。
第六方面，本申请实施例提供一种作业设备，包括：机体；动力设备，安装在机体，用于为作业设备提供动力；作业设备控制单元，包括处理器和存储器，存储器存储有计算机程序，处理器用于执行计算机程序，以实现前述实施方式中任一项的所述方法。
在本申请实施例中，通过根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图，而该作业处方图可以用于指示目标区域对应的投射物的喷洒量。因此，利用该作业处方图可以准确地确定出目标区域的水量情况，进而能够根据目标区域的水量情况合理地控制投射物的喷洒量，提升作业效果，降低人力成本。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的作业设备控制单元的结构框图；
图2为本申请实施例所提供的作业设备的结构框图；
图3为本申请实施例提供的作业处方图的确定方法的一种流程图；
图4为农田的NDWI影像图；
图5为本申请实施例提供的作业处方图的确定方法的另一种流程图；
图6为图5所示方法的S200B的一种流程图；
图7为图3所示方法的S210的一种流程图；
图8为农田的第一图像数据的一种示意图；
图9为无人机对种植有直播稻的农田进行农药地喷洒的应用场景示意图；
图10为图3所示方法的S210的另一种流程图；
图11为图10所示方法的S210d的一种流程图；
图12为图10所示方法的S210d的另一种流程图；
图13为农田的第一图像数据再的一种示意图；
图14为像元块M的示意图；
图15为像元块M1`的示意图；
图16为像元块M2`的示意图；
图17为本申请实施例提供的作业处方图的确定装置的一种功能模块图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。
本申请实施例可能用到的术语及定义如下：
直播稻：是指在水稻栽培过程中省去育秧和移栽作业，在农田里直接播上谷种，栽培水稻的技术。与移栽稻相比，具有减轻劳动强度，缓和季节矛盾，省工、省力、省成本、省秧田以及高产高效等优点。
NDWI(归一化水体指数，Normalized Difference Water Index)：是指用多光谱遥感影像的特定波段进行归一化差值处理，以凸显多光谱遥感影像中的水体信息。
DOM(数字正射影像图，Digital Orthophoto Map)：是对航空(或航天)相片进行数字微分纠正和镶嵌，按一定图幅范围裁剪生成的数字正射影像集。它是同时具有地图几何精度和影像特征的图像。
在本申请实施例的实现过程中，本申请的发明人发现：
在栽培直播稻时，影响直播稻种子存活率的因素有很多(例如，农田不平整、种子播撒不均匀、水量不合适等)，而且受外界因素影响较大。其中，目前判断农田水量是否合理以改善种子存活率主要是通过传统人工进行现场判断。
传统人工进行现场判断的方式下，农田水量情况只能依靠肉眼识别，而对于大面积农田或农田中央人工难以到达的区域，人工难以精准判断其水量情况。而且这种方式劳动强度大、作业效率低。另外，直播稻用药一般在早期，那时部分盲谷在用药时没有胚根，如果农田某处低洼积水处，在萌发时接触了在水层中的药剂就会受药害长不出来从而死亡缺苗，而且干长根湿长芽，播在低洼积水处的即使萌发过的种子因根短芽长，长期泡在药水层里，也有可能解毒不及时而中毒缺苗，所以这个阶段播撒药物需要针对农田当前的积水情况(是否为低洼积水)，进行区别播药。
因此，目前无人机在对农田进行农药喷洒时，由于农田的水量情况只能由人工现场判断，并由人工控制无人机进行农药地喷洒，因此，目前存在着无人机农药施放不均、农药效果不好、劳动强度大的问题。
为了改善上述现有技术中的种种缺陷，本申请实施例提出了一种作业处方图的确定方法、作业控制方法及相关装置，其能够生成指示目标区域对应的投射物的喷洒量的作业处方图，并控制作业设备依据作业处方图作业，从而提升作业效果，降低人力成本。需要说明的是，以上现有技术中的技术方案所存在的种种缺陷，均是发明人经过仔细的实践研究后得出的结果，因此，上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案，都应该是发明人在实现本申请过程中对本申请做出的贡献。
首先，本申请实施例提供了一种能够生成指示目标区域对应的投射物的喷洒量的作业处方图，并控制作业设备依据作业处方图作业，从而提升作业效果，降低人力成本的作业设备控制单元。请参考图1，为本申请实施例所提供的作业设备控制单元的结构框图。该作业设备控制单元110可以包括：存储器111、处理器112，该存储器111、处理器112可以与通信接口之间直接地或间接地电性连接，以实现数据的传输以及交互。例如，这些元件相互之间可通过总线和/或信号线实现电性连接。
处理器112可以处理与作业处方图的确定方法、作业控制方法有关的信息和/或数据，以执行本申请描述的一个或多个功能。例如，处理器112可以获取目标区域的多光谱图像和正射投影图像，并根据上述信息或数据进行作业处方图的确定以及作业设备的作业控制，达到能够生成指示目标区域对应的投射物的喷洒量的作业处方图，并控制作业设备依据作业处方图作业，从而达到提升作业效果，降低人力成本的目的。
其中，上述的存储器111可以是但不限于：固态硬盘(Solid State Disk，SSD)、机械硬盘(Hard Disk Drive，HDD)、只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable ProgrammableRead-Only Memory，EPROM)，随机存取存储器(Random Access Memory，RAM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
上述的处理器112可以是但不限于：中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是但不限于：专用集成电路(Application Specific Integrated Circuit，ASIC)、数字信号处理器(Digital SignalProcessing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。因此，上述的处理器112可以是一种具有信号处理能力的集成电路芯片。
可以理解的是，图1所示的作业设备控制单元110的结构仅为一种示意结构，该作业设备控制单元110还可以包括比图1中所示的结构更多或者更少的组件或模块，或者具有与图1中所示的结构不同的配置或构造。并且，图1中所示的各组件可通过硬件、软件或两者的组合来实现。
此外，还应理解的是，根据实际应用时的需求的不同，本申请提供的作业设备控制单元110可以采用不同的配置或构造，例如，本申请所提供的作业设备控制单元110可以是作业设备的控制核心器件(例如无人机、无人车、无人船等内部的控制器)，也可以是具有通信、计算和存储功能的电子设备(例如手机、计算机、平板、遥控器、服务器、云平台等)。
当本申请实施例所提供的作业设备控制单元110为作业设备的控制核心器件时，本申请还提供了一种作业设备，其能够生成指示目标区域对应的投射物的喷洒量的作业处方图，并控制作业设备依据作业处方图作业，从而提升作业效果，降低人力成本。其中，由于本申请所提供的方法所应用的作业设备的类型并不仅限于无人机，还可以应用于农业用拖拉机、无人车、各种类型的载具、无人船等作业设备，为更好地阐述本申请，下面以作业设备的类型为无人机为例，对本申请实施例所提供的作业设备进行阐述。
请参照图2，为本申请实施例所提供的作业设备100的结构框图，该作业设备100可以包括机体120、动力设备130以及上述的作业设备控制单元110。
其中，动力设备130可以安装在上述的机体120，用于为作业设备100提供动力。由于该作业设备可以采用无人机的构造，动力设备130可以是无人机的驱动模块(例如，包括电动机、旋翼等)，机体120可以是无人机的机身。作业设备控制单元110的存储器111可以存储有与作业设备的作业控制方法相关的机器可读指令，处理器112可以执行该机器可读指令，进而获取目标区域的多光谱图像和正射投影图像，并根据上述数据控制作业设备100进行作业，实现能够生成指示目标区域对应的投射物的喷洒量的作业处方图，并控制作业设备依据作业处方图作业，从而提升作业效果，降低人力成本的目的。
需要说明的是，图2所示的结构仅为一种示意，该作业设备100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。
进一步的，当本申请所提供的作业设备控制单元110为具有通信、计算和存储功能的电子设备时，这些电子设备可以获取目标区域的多光谱图像和正射投影图像，根据这些数据生成指示目标区域对应的投射物的喷洒量的作业处方图，并控制作业设备依据作业处方图作业，从而提升作业效果，降低人力成本，进而实现本申请提供的作业设备的作业处方图的确定方法和作业控制方法。
下面，为了便于理解，本申请以下实施例将以图2所示的作业设备100为例，结合附图，对本申请实施例提供的作业处方图的确定方法进行阐述。
请参照图3，图3示出了本申请实施例提供的作业处方图的确定方法的一种流程图。该作业处方图的确定方法可以应用于上述的作业设备100，该方法可以包括以下步骤：
S200，获取目标区域的多光谱图像和正射投影图像。
以无人机对农田进行农药地喷洒等场景为例，首先可以获取到农田的多光谱图像。其中，多光谱图像中的各个像元(也称为像素点或像元点)的值实际表征着该像元对应至农田的相应点位处的水量值。从而，多光谱图像可以表征农田内任一位置的水量情况(也可称为含水量)。而上述的目标区域可以理解为该多光谱图像中将要被作业的待作业区域。
在一些可能的实施例中，该多光谱图像可以是NDWI影像图(如图4所示)由于各个像元的值实际表征着该像元对应至农田的相应点位处的水量值，从而可以理解的是，在图4所示的影像图中，颜色较深的图像块，其对应至农田的相应地块处的水量较多；颜色较浅的图像块，其对应至农田的相应地块处的水量较少。
在一些可能的实施例中，本申请实施例所提供的方法并不仅限于应用在农田，还可以应用在湿地等含有水的区域，本申请实施例对此不作限定。
其中，在获取农田的多光谱图像和正射投影图像时，在一些可行的实施例中，可以通过搭载有测绘相机和多光谱相机的测绘无人机，按照预先制定的飞行航线对农田进行拍摄，以获取农田的多光谱图像和正射投影图像。而目标区域则可以理解为该农田的多光谱图像中将要被作业的待作业区域(即，目标区域的多光谱图像为农田的多光谱图像的部分或全部)。此外，在另一些可行的实施例中，可以直接通过网络，从其他电子设备(例如，服务器、云端等)的存储介质处，获取预先存储的农田的多光谱图像和正射投影图像。
进而可以理解的是，本申请实施例对于如何获取目标区域的多光谱图像和正射投影图像的具体实施方式不作限定。
S210，根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图。
由于多光谱图像可以表征目标区域的水量情况，而正射投影图像是目标区域实际对应的地理图像，因此，在一些可能的实施例中，根据多光谱图像可以确定出正射投影图像中各个区域的含水量，从而确定出目标区域的含水量。然后，根据该含水量的多少即可确定出目标区域所需要喷洒的投射物的喷洒量。即，目标区域对应的投射物的喷洒量由目标区域的水量情况确定。例如，在种植有直播稻的农田的作业场景中，在控制无人机对其进行农药喷洒时，由于直播稻的生长特性，直播稻所在位置的含水量较多时，所需要喷洒的农药量相对于标准量会相应减少；直播稻所在位置的含水量较少时，所需要喷洒的农药量相对于标准量会相应增加。因此，当目标区域含水量较多时，可以确定出该目标区域对应的投射物的喷洒量相对于标准量偏少；当目标区域含水量较少时，可以确定出该目标区域对应的投射物的喷洒量相对于标准量偏多。
在确定出目标区域所需要喷洒的投射物的喷洒量后，可以确定出目标区域对应的作业处方图。其中，作业处方图用于指示目标区域对应的投射物的喷洒量。
可以理解的是，“根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图”的一种可行的实施方式为：预设有水量情况与喷洒量的对应关系，根据归一化水体指数影像以及该对应关系，确定出目标区域对应的作业处方图。
还可以理解的是，上述的投射物可以是农药、种子、化肥等物质，本申请实施例对此不作限定。
进一步的，确定出目标区域对应的作业处方图后，为了能够控制作业设备依据作业处方图作业，本申请实施例还提供了一种基于图3所示的方法的作业控制方法，该方法可以应用于作业设备，该方法可以包括：根据作业处方图控制作业设备对目标区域作业。
例如，在种植有直播稻的农田的作业场景中，可以先由植保作业人员确定出无人机在该农田中的作业路径相关的参数，由无人机依据该作业路径相关的参数和作业处方图在该农田上作业，实现自动根据农田的水量情况合理地控制农药的喷洒量，将投射物喷洒至目标区域。达到提升作业效果，降低人力成本的目的。解决农户无法高效率管理农田水量而影响直播稻种子存活率的问题。
应理解，在现有技术中，由于是通过人工控制无人机对种植有直播稻的农田进行农药地喷洒，其喷洒量只能由人工判断，而对于大面积的农田或农田中央人工难以到达的区域，人工难以精准判断其水量情况，并不能合理地控制农药的喷洒量，并且，作业效率低、人力成本高。
而在本申请实施例中，通过根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图，而该作业处方图可以用于指示目标区域对应的投射物的喷洒量。因此，利用该作业处方图可以准确地确定出目标区域的水量情况，进而能够根据目标区域的水量情况合理地控制投射物的喷洒量，提升作业效果，降低人力成本。
进一步的，当多光谱图像为归一化水体指数影像时，本申请实施例提供了一种获取归一化水体指数影像的可行的实施方式，请参照图5，该实施方式可以包括以下步骤：
S200A，获取目标区域的多光谱图像。
例如，以获取农田的多光谱图像为例，在一些可行的实施例中，可以通过搭载有测绘相机和多光谱相机的测绘无人机，按照预先制定的飞行航线对农田进行拍摄，以获取农田的多光谱图像。而目标区域可以理解为该农田的多光谱图像中将要被作业的待作业区域(即，目标区域的多光谱图像为农田的多光谱图像的部分或全部)。
此外，在另一些可行的实施例中，可以直接通过网络，从其他电子设备(例如，服务器、云端等)的存储介质处，获取预先存储的目标区域的多光谱图像。进而可以理解的是，本申请实施例对于如何获取目标区域的多光谱图像的具体实施方式不作限定。
S200B，根据多光谱图像和预设的归一化水体指数公式确定目标区域的归一化水体指数影像。
在获取到目标区域的多光谱图像后，可以通过对多光谱图像(也称为多光谱遥感影像)的特定波段进行归一化差值处理，得到目标区域的归一化水体指数影像。
其中，归一化差值处理的方式可以是根据预设的归一化水体指数公式对多光谱图像进行处理，得到目标区域的归一化水体指数影像。换句话说，是根据多光谱图像和预设的归一化水体指数公式确定目标区域的归一化水体指数影像。
由于清洁水体在各波段反射率高低表现为：蓝波段(Blue)>绿波段(Green)>红波段(Red)>近红外波段(Near Infrared，NIR)>中红外波段(Middle Infrared，MIR)。因此，本申请实施例所提供的归一化水体指数公式可以为：NDWI＝(NIR+Green-2*Blue)/(NIR+Green+2*Blue)。
其中，对于如何根据多光谱图像和预设的归一化水体指数公式确定目标区域的归一化水体指数影像，请参照图6，S200B可以包括以下步骤：
S200B-1，根据作业设备的喷洒面积对多光谱图像进行重采样，得到重采样图像；重采样图像的像元大小由喷洒面积确定。
在一些可行的实施例中，由于经过S200A后，所获取到的目标区域的多光谱图像的像元可能较小(即多光谱图像的分辨率较大，图像细节丰富)，多光谱图像的像元对应至目标区域的地块也较小，而作业设备实际在对目标区域进行作业的过程中，其作业面积通常较大(可能大于多光谱图像的像元对应至目标区域的地块大小)。
也即是说，作业设备在目标区域上的作业面积对应至目标区域的多光谱图像的相应区域时，该区域可能包括多个像元。因此，可以对多光谱图像进行重采样，以减少多光谱图像的细节信息，进而减少归一化水体指数影像的细节信息，以便在根据归一化水体指数影像，确定目标区域对应的投射物的喷洒量时，可以减少计算量，提高计算效率。
例如，假设喷洒面积为S，则在获取到多光谱图像后，可以根据S对多光谱图像进行重采样，将多光谱图像重采样为像元大小为S/3的重采样图像。
S200B-2，根据归一化水体指数公式对重采样图像进行处理，得到归一化水体指数影像。
在一些可行的实施例中，得到重采样图像后，可以通过对重采样图像的特定波段进行归一化差值处理，得到目标区域的归一化水体指数影像。(可以相应参照上述的S200B)。
例如，假设喷洒面积为S，当获取到多光谱图像后，根据S对多光谱图像进行重采样，将多光谱图像重采样为像元大小为S/3的重采样图像后，再根据归一化水体指数公式对重采样图像进行处理，得到归一化水体指数影像，此时所得到的归一化水体指数影像的像元大小也为S/3。
还可以理解的是，对于上述的S200B-1、S200B-2，在一些其他的实施例中，也可以：先根据归一化水体指数公式对多光谱图像进行处理，得到归一化水体指数影像；然后，根据作业设备的喷洒面积对归一化水体指数影像进行重采样，得到重采样后的归一化水体指数影像。此时，该重采样后的归一化水体指数影像的像元大小由喷洒面积确定。
进一步的，对于如何根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图，在图3的基础上，本申请实施例提供了一种可行的实施方式，请参照图7，S210可以包括以下步骤：
S210A，根据多光谱图像及正射投影图像，生成第一图像数据。
例如，可以分别在多光谱图像及正射投影图像中，确定出N个第一像元和N个第二像元，这N个第一像元与N个第二像元一一对应，即相互对应的第一像元和第二像元对应至目标区域的相同的实际范围。
由于正射投影图像是目标区域实际对应的地理图像，多光谱图像中的各个像元的值实际表征着该像元对应至目标区域的相应点位处的水量值。从而，可以根据N个第一像元的像元值修改N个第二像元的像元值，以得到修改后的正射投影图像，该修改后的正射投影图像即为第一图像数据。
其中，第一图像数据中每一个像元具有从正射投影图像中获取到的位置属性，且像元的像元值为从多光谱图像中提取到的数值，可以用于表征位置属性所指向的实际区域的水量情况。可理解的，第一像元的像元值表征第一像元对应的水量情况。第二像元具备位置属性，用于指向真实空间内的实际区域。
S210B，获取目标区域在第一图像数据内对应的至少一个目标像元。
结合图8、9，在无人机对农田进行农药地喷洒等场景中，无人机在目标区域的一个实际喷洒区域为N，其对应至图8所示的第一图像数据内的范围为N`，即，无人机在农田上的喷洒面积(即作业范围)通常可以对应到第一图像数据内的多个像元。
因此，在获取目标区域在第一图像数据内对应的至少一个目标像元时，也可以根据无人机的喷洒面积获取目标区域在第一图像数据内对应的多个目标像元，这多个目标像元包围成的目标区域的范围至少包括无人机的喷洒面积。
需要说明的是，由于在实际应用本申请实施例提供的方法时，目标区域的类型、第一图像数据的像元大小以及作业设备的作业策略非常多样，因此，本申请实施例对所获取的至少一个目标像元的个数和具体位置不作限定。
S210C，根据至少一个目标像元的像元值确定目标区域的水量数据。
由于第一图像数据内的每个像元的值都可以表征该像元在目标区域的对应区域的水量情况，因此，通过有限次地试验，采集足够的数据，即能确定出第一图像数据的像元的值与水量的对应关系。
其中，以无人机对农田进行农药地喷洒等场景为例，上述的对应关系的确定方式可以是：可以通过搭载有测绘相机和多光谱相机的测绘无人机，按照预先制定的飞行航线对农田进行拍摄，同时获取农田的多光谱图像和数字正射影像图。结合多光谱图像和数字正射影像图确定第一图像数据的像元的值与水量的对应关系。
进而，在获取到“目标区域在第一图像数据内对应的至少一个目标像元”后，根据上述的对应关系即可确定目标区域的水量数据。
S210D，根据水量数据确定目标区域对应的投射物的喷洒量，以生成作业处方图。
例如，可以预先获取水量数据与投射物的喷洒量的对应关系，进而直接根据该对应关系确定出目标区域对应的投射物的喷洒量。例如，在种植有直播稻的农田的作业场景中，当直播稻所在位置的含水量x与其需要的农药的喷洒量y存在着函数关系y＝f(x)，则可以直接根据该函数关系确定出目标区域对应的投射物的喷洒量，进而可以生成用于指示目标区域对应的投射物的喷洒量的作业处方图，例如，由于像元的值与水量数据存在对应关系，而水量数据与投射物的喷洒量的对应关系，从而可以基于上述两个对应关系，将第一图像数据的像元的值修改为该像元的值对应的投射物的喷洒量，修改后的投射物的喷洒量即可作为作业处方图。
可以理解的是，上述的直播稻所在位置的含水量x与其需要的农药的喷洒量y存在着函数关系y＝f(x)可以经过多次直播稻种植在不同水量环境、受不同农药喷洒量的试验得到，在此不再赘述。在另一些可行的实施例中，对于如何根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图，在图3的基础上，本申请实施例提供了另一种可行的实施方式，请参照图10，S210可以包括以下步骤：
S210a，根据多光谱图像及正射投影图像，生成第一图像数据；其中，第一图像数据中每一个像元具有从正射投影图像中获取到的位置属性。
其中，像元的像元值为从多光谱图像中提取到的数值，用于表征位置属性所指向的实际区域的水量情况。
S210b，获取目标区域在第一图像数据内对应的至少一个目标像元。
可以理解的是，S210a、S210b可以分别参照上述的S210A、S210B，在此不再赘述。
S210c，根据预设的多个水量范围和每个目标像元的像元值，确定每个目标像元对应的水量范围。
可以理解的是，由于目标像元的像元值表征目标像元对应区域的水量情况，因此，可以根据目标像元的像元值以及预先统计确定的目标像元的像元值与水量值的对应关系(该对应关系可以预先经过统计数据确定，在此不再赘述)，可以确定出该目标像元对应的水量值。即，目标像元的像元值势必与一水量值对应。
进而，上述的确定目标像元对应的水量范围的可行方式可以是：根据目标像元的像素值，确定该目标像元对应的水量值，再根据该水量值确定该目标像元对应的水量范围。
例如，假设预设有4个水量范围，分别为(x1，x2)，(x2，x3)，(x3，x4)，(x4，x5)，x1至x5均为实数，且依次递增。则，对于每个目标像元，可以先确定其对应的水量值，然后确定出每个目标像元所对应的水量范围。
其中，由于作业设备在目标区域上的作业面积对应至目标区域的第一图像数据的相应区域时，该区域可能包括多个像元。因此，当多光谱图像为目标区域的归一化水体指数影像时，为了减少计算量，提高计算效率，可以先执行上述的S200B-1、S200B-2，再执行该S210a、S210b、S210c。由于执行了S200B-1、S200B-2后，归一化水体指数影像内的像元实际对应至目标区域的范围变大了，进而，对于目标区域内同样大小的范围，归一化水体指数影像中对应的像元数量会减少，第一图像数据中对应的像元数量也会相应减少，进而在执行S210b时，计算量也会大量减少。
S210d，根据至少一个目标像元对应的水量范围，确定目标区域对应的作业处方图。
可以理解的是，S210d可以参照上述的S210D，在此不再赘述。
进一步的，在一些可行的实施例中，预设有多个水量范围和喷洒调整参数的对应关系，从而对于如何根据至少一个目标像元对应的水量范围，确定目标区域对应的作业处方图，请参照图11，上述S210d可以包括如下步骤：
S210d-1，利用目标像元对应的水量范围，从对应关系中查询出对应的喷洒调整参数。
首先，可以建立不同水量范围与喷洒调整参数之间的对应关系(示例性的，水量范围a对应喷洒调整量50％；水量范围b对应喷洒调整量20％，水量范围c对应喷洒调整量60％)。假如有两个目标像元，一个对应的水量范围是a，一个对应的水量范围是c，那么就可以查询到喷洒调整参数是50％和60％，此时，可以采用求平均之类的方式得到一个调整值，用于在标准值的基础上进行调整，得到实际作业时所需喷洒量，进而创建作业处方图。
例如，假设预设有4个水量范围，分别为(x1，x2)，(x2，x3)，(x3，x4)，(x4，x5)，x1至x5均为实数，且依次递增。假设共有9个目标像元，其中，对应至水量范围(x1，x2)有5个，对应至水量范围(x2，x3)有1个，对应至水量范围(x3，x4)有1个，对应至水量范围(x4，x5)有3个。若预设对应至水量范围(x1，x2)的目标像元个数大于等于5个，则对应喷洒调整参数为125％，则从对应关系中可以查询出当前9个目标像元对应的水量范围所对应的喷洒调整参数为125％。
需要说明的是，由于在实际应用本申请实施例提供的方法时，预设多个水量范围和喷洒调整参数的对应关系的具体策略非常多样，因此，本申请实施例对该对应关系的具体对应形式不作限定，在实际实施时，可以依据表面目标区域的水量情况，以及水量情况和投射物的喷洒量的对应情况作个性设置。
S210d-2，根据查询得到的喷洒调整参数和预设的标准喷洒量，确定目标区域对应的投射物的喷洒量，以生成作业处方图。
例如，可以将喷洒调整参数和标准喷洒量之积作为目标区域对应的投射物的喷洒量，进而生成作业处方图(生成作业处方图的方式可以参照上述S210D)。
进一步的，在一些可能的实施例中，执行上述S210b时，可以根据无人机的喷洒面积获取目标区域在第一图像数据内对应的多个目标像元，这多个目标像元包围成的目标区域的范围至少包括无人机的喷洒面积，进而，在执行S210d时，确定喷洒调整参数时可以直接得到无人机的喷洒面积大小的区域的投射物的喷洒量，使得无人机能够直接依据该数据对目标区域进行作业，提高无人机的执行效率。
进一步的，在另一些可行的实施例中，可以预设三个水量范围，分别为第一水量范围、第二水量范围和第三水量范围，第一水量范围、第二水量范围和第三水量范围依次递减。在此基础上，对于如何根据至少一个目标像元对应的水量范围，确定目标区域对应的作业处方图，请参照图12，上述S210d可以包括如下步骤：
S210d-3，分别获取属于第一水量范围的目标像元的第一数量、属于第二水量范围的目标像元的第二数量以及属于第三水量范围的目标像元的第三数量。
S210d-4，若第一数量大于第二数量与第三数量之和，且第二数量大于第三数量与预设阈值之和，则将预设的第一参数作为目标喷洒调整参数。
S210d-5，若第一数量大于第二数量与第三数量之和，且第二数量小于或等于第三数量与预设阈值之和，则将预设的第二参数作为目标喷洒调整参数。
S210d-6，若第二数量大于第一数量与第三数量之和，则将预设的第三参数作为目标喷洒调整参数。
S210d-7，若第三数量大于第一数量与第三数量之和，且第二数量小于或等于第一数量与预设阈值之和，则将预设的第四参数作为目标喷洒调整参数。
S210d-8，若第三数量大于第一数量与第三数量之和，且第二数量大于第一数量与预设阈值之和，则将预设的第五参数作为目标喷洒调整参数；第一参数、第二参数、第三参数、第四参数以及第五参数依次递增。
S210d-9，根据得到的目标喷洒调整参数和预设的标准喷洒量，确定目标区域对应的投射物的喷洒量，以生成作业处方图。
可以理解，S210d-9可以参照上述S210d-2，在此不作赘述。
下面以无人机对农田进行农药地喷洒等场景为例，结合实际应用对上述的S210d-3至S210d-8作详细阐述。
首先，预设三个水量范围可以是深水区(即，第一水量范围)A＝{i|i＜a}，浅水区(即，第一水量范围)B＝{i|a≤i≤b}，裸露区(即，第一水量范围)C＝{i|i＞b}，其中的分类阈值a和b可以由人工结合归一化水体指数影像和数字正射影像图，采用目视判读方法进行分类，分成深水区、浅水区、裸露区三种类型，再对NDWI影像与分类结果进行多次比对试验，确定分类阈值a和b。
在获取对应第一水量范围的目标像元的第一数量、对应第二水量范围的目标像元的第二数量以及对应第三水量范围的目标像元的第三数量后(第一数量、第二数量、第三数量的总数为K)，而本申请实施例中的S210c-4至S210c-8，其执行逻辑可以如下：
第一数量大于0.5K且第二数量大于第三数量与0.1K之和时，将50％作为喷洒调整参数；
第一数量大于0.5K且第二数量小于或等于第三数量与0.1K之和时，将75％作为喷洒调整参数；
第二数量大于0.5K时，将100％作为喷洒调整参数；
第三数量大于0.5K且第二数量小于或等于第三数量与0.1K之和时，将125％作为喷洒调整参数；
第三数量大于0.5K且第二数量大于第三数量与0.1K之和时，将150％作为喷洒调整参数。
例如，假设目标区域在第一图像数据内对应的至少一个目标像元，为3×3的像元块，如图13以及图14所示，则3×3的像元块M即对应上述的目标区域，其中每个像元的像元值如图14像元块M所示。
当a、b，分别为0.18、0.42时，则可以根据每个像元块的像元值以及上述的深水区、浅水区、裸露区的范围，确定出图14像元块M中每个目标像元对应的水量范围(如图15所示的3×3的像元块M1`)。此时，M1`中属于深水区A的像元数量为6，浅水区B像元数量为2，裸露区C像元数量为1，则植保无人机作业时，可以对该喷洒区域减少50％喷洒量，该范围喷洒结束，则进入到下一地块进行喷洒作业。
当a、b，分别为0.09、0.36时，则可以根据每个像元块的像元值以及上述的深水区、浅水区、裸露区的范围，确定出图14像元块M中每个目标像元对应的水量范围(如图16所示的3×3的像元块M2`)。此时，M2`中属于深水区A的像元数量为3，浅水区B像元数量为5，裸露区C像元数量为1，则植保无人机作业时，可以对该喷洒区域维持标准喷洒量，该范围喷洒结束，则进入到下一地块进行喷洒作业。
为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种作业处方图的确定装置的实现方式，请参阅图17，图17示出了本申请实施例提供的一种作业处方图的确定装置的一种功能模块图。需要说明的是，本实施例所提供的作业处方图的确定装置300，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该作业处方图的确定装置300包括：获取模块310、确定模块320。
可选地，上述模块可以软件或固件(Firmware)的形式存储于存储器中或固化于本申请提供的作业设备100的操作系统(Operating System，OS)中，并可由作业设备100中的处理器112执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器111中。
获取模块310，可以用于获取目标区域的多光谱图像和正射投影图像；确定模块320，可以用于根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图；作业处方图用于指示目标区域对应的投射物的喷洒量。
应理解，获取模块310，可以支持作业设备执行上述S200等，和/或用于本文所描述的技术的其他过程，例如，S200A、S200B、S200B-1、S200B-2。确定模块320，可以支持作业设备执行上述S210等，和/或用于本文所描述的技术的其他过程，例如，S210A至S210D、S210a至S210d、S210d-1至210d-9。
基于上述方法实施例，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述作业处方图的确定方法、作业控制方法的步骤。
具体地，该存储介质可以为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述作业处方图的确定方法、作业控制方法，从而解决目前存在着无人机农药施放不均、农药效果不好、劳动强度大的问题，实现能够生成指示目标区域对应的投射物的喷洒量的作业处方图，从而提升作业效果，降低人力成本。
综上所述，本申请实施例提供了一种作业处方图的确定方法、作业控制方法及相关装置，方法包括：获取目标区域的多光谱图像和正射投影图像；根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图；作业处方图用于指示目标区域对应的投射物的喷洒量。通过根据多光谱图像和正射投影图像，确定目标区域对应的作业处方图，而该作业处方图可以用于指示目标区域对应的投射物的喷洒量。因此，利用该作业处方图可以准确地确定出目标区域的水量情况，进而能够根据目标区域的水量情况合理地控制投射物的喷洒量，提升作业效果，降低人力成本。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种作业处方图的确定方法，其特征在于，包括：
获取目标区域的多光谱图像和正射投影图像；
根据所述多光谱图像和所述正射投影图像，确定所述目标区域对应的作业处方图；所述作业处方图用于指示所述目标区域对应的投射物的喷洒量。
2.根据权利要求1所述的方法，其特征在于，所述根据所述多光谱图像和所述正射投影图像，确定所述目标区域对应的作业处方图，包括：
根据所述多光谱图像及所述正射投影图像，生成第一图像数据；其中，所述第一图像数据中每一个像元具有从所述正射投影图像中获取到的位置属性；其中，所述像元的像元值为从所述多光谱图像中提取到的数值，用于表征所述位置属性所指向的实际区域的水量情况；
获取所述目标区域在所述第一图像数据内对应的至少一个目标像元；
根据预设的多个水量范围和每个所述目标像元的像元值，确定每个所述目标像元对应的水量范围；
根据所述至少一个目标像元对应的水量范围，确定所述目标区域对应的作业处方图。
3.根据权利要求2所述的方法，其特征在于，预设有多个水量范围和喷洒调整参数的对应关系，所述根据所述至少一个目标像元对应的水量范围，确定所述目标区域对应的作业处方图，包括：
利用所述目标像元对应的水量范围，从所述对应关系中查询出对应的喷洒调整参数；
根据查询得到的喷洒调整参数和预设的标准喷洒量，确定所述目标区域对应的投射物的喷洒量，以生成所述作业处方图。
4.根据权利要求2所述的方法，其特征在于，预设有多个水量范围，所述多个水量范围包括依次递减的第一水量范围、第二水量范围和第三水量范围；
所述根据所述至少一个目标像元对应的水量范围，确定所述目标区域对应的作业处方图，包括：
分别获取属于第一水量范围的目标像元的第一数量、属于所述第二水量范围的目标像元的第二数量以及属于所述第三水量范围的目标像元的第三数量；
若所述第一数量大于所述第二数量与所述第三数量之和，且所述第二数量大于所述第三数量与预设阈值之和，则将预设的第一参数作为目标喷洒调整参数；
若所述第一数量大于所述第二数量与所述第三数量之和，且所述第二数量小于或等于所述第三数量与预设阈值之和，则将预设的第二参数作为目标喷洒调整参数；
若所述第二数量大于所述第一数量与所述第三数量之和，则将预设的第三参数作为目标喷洒调整参数；
若所述第三数量大于所述第一数量与所述第二数量之和，且所述第二数量小于或等于所述第一数量与预设阈值之和，则将预设的第四参数作为目标喷洒调整参数；
若所述第三数量大于所述第一数量与所述第二数量之和，且所述第二数量大于所述第一数量与预设阈值之和，则将预设的第五参数作为目标喷洒调整参数；所述第一参数、所述第二参数、所述第三参数、所述第四参数以及所述第五参数依次递增；
根据得到的所述目标喷洒调整参数和预设的标准喷洒量，确定所述目标区域对应的投射物的喷洒量，以生成所述作业处方图。
5.根据权利要求1所述的方法，其特征在于，所述根据所述多光谱图像和所述正射投影图像，确定所述目标区域对应的作业处方图，包括：
根据所述多光谱图像及所述正射投影图像，生成第一图像数据；其中，所述第一图像数据中每一个像元具有从所述正射投影图像中获取到的位置属性；其中，所述像元的像元值为从所述多光谱图像中提取到的数值，用于表征所述位置属性所指向的实际区域的水量情况；
获取所述目标区域在所述第一图像数据内对应的至少一个目标像元；
根据所述至少一个目标像元的像元值确定所述目标区域的水量数据；
根据所述水量数据确定所述目标区域对应的投射物的喷洒量，以生成所述作业处方图。
6.根据权利要求1所述的方法，其特征在于，所述多光谱图像为所述目标区域的归一化水体指数影像。
7.根据权利要求6所述的方法，其特征在于，所述归一化水体指数影像的获取步骤包括：
根据作业设备的喷洒面积，确定所述多光谱图像对应的重采样图像；所述重采样图像的像元大小由所述喷洒面积确定；
根据归一化水体指数公式对所述重采样图像处理，得到所述归一化水体指数影像。
8.一种作业控制方法，其特征在于，获取根据权利要求1至7中任一项所述的方法获得所述作业处方图，根据所述作业处方图控制作业设备对所述目标区域作业。
9.一种作业处方图的确定装置，其特征在于，包括：
获取模块，用于获取目标区域的多光谱图像和正射投影图像；
确定模块，用于根据所述多光谱图像和所述正射投影图像，确定所述目标区域对应的作业处方图；所述作业处方图用于指示所述目标区域对应的投射物的喷洒量。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法。
11.一种作业设备控制单元，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序，以实现权利要求1至8中任一项所述的方法。
12.一种作业设备，其特征在于，包括：
机体；
动力设备，安装在所述机体，用于为所述作业设备提供动力；
作业设备控制单元，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序，以实现权利要求1至8中任一项所述的方法。
CN202011456465.XA 2020-12-10 2020-12-10 作业处方图的确定方法、作业控制方法及相关装置 Active CN112565726B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011456465.XA CN112565726B (zh) 2020-12-10 2020-12-10 作业处方图的确定方法、作业控制方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011456465.XA CN112565726B (zh) 2020-12-10 2020-12-10 作业处方图的确定方法、作业控制方法及相关装置

Publications (2)

Publication Number Publication Date
CN112565726A true CN112565726A (zh) 2021-03-26
CN112565726B CN112565726B (zh) 2023-02-14

Family

ID=75061802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011456465.XA Active CN112565726B (zh) 2020-12-10 2020-12-10 作业处方图的确定方法、作业控制方法及相关装置

Country Status (1)

Country Link
CN (1) CN112565726B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103424366A (zh) * 2013-07-30 2013-12-04 上海丰凸通讯科技有限公司 一种多光谱精准识别的智能施肥实施方法
CN105510239A (zh) * 2014-10-09 2016-04-20 江苏金秆农业装备有限公司 土壤多光谱信息采集装置
CN108955620A (zh) * 2018-02-13 2018-12-07 中国科学院遥感与数字地球研究所 一种农田灌区面积遥感提取的方法及系统
CN109122633A (zh) * 2018-06-25 2019-01-04 华南农业大学 神经网络决策的植保无人机精准变量喷雾装置和控制方法
CN109283937A (zh) * 2018-09-18 2019-01-29 广东省智能制造研究所 一种基于无人机的植保喷施作业的方法及系统
CN109557030A (zh) * 2018-09-28 2019-04-02 浙江农林大学 一种基于无人机遥感的水质要素反演方法
CN109832253A (zh) * 2019-04-10 2019-06-04 陈佳男 一种基于大数据的农药喷洒装置
CN110118732A (zh) * 2019-05-22 2019-08-13 中国农业大学 土壤含水量检测方法及装置
CN110321784A (zh) * 2019-05-08 2019-10-11 中国科学院地理科学与资源研究所 土壤水分估算的方法、装置、电子设备和计算机介质
WO2020075868A1 (ja) * 2018-10-12 2020-04-16 株式会社ナイルワークス 圃場画像分析方法
CN111289441A (zh) * 2020-02-21 2020-06-16 中国农业大学 多光谱下的大田作物含水量确定方法、系统及设备
CN111753615A (zh) * 2019-11-06 2020-10-09 广州极飞科技有限公司 变量喷洒方法及装置、电子设备及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103424366A (zh) * 2013-07-30 2013-12-04 上海丰凸通讯科技有限公司 一种多光谱精准识别的智能施肥实施方法
CN105510239A (zh) * 2014-10-09 2016-04-20 江苏金秆农业装备有限公司 土壤多光谱信息采集装置
CN108955620A (zh) * 2018-02-13 2018-12-07 中国科学院遥感与数字地球研究所 一种农田灌区面积遥感提取的方法及系统
CN109122633A (zh) * 2018-06-25 2019-01-04 华南农业大学 神经网络决策的植保无人机精准变量喷雾装置和控制方法
CN109283937A (zh) * 2018-09-18 2019-01-29 广东省智能制造研究所 一种基于无人机的植保喷施作业的方法及系统
CN109557030A (zh) * 2018-09-28 2019-04-02 浙江农林大学 一种基于无人机遥感的水质要素反演方法
WO2020075868A1 (ja) * 2018-10-12 2020-04-16 株式会社ナイルワークス 圃場画像分析方法
CN109832253A (zh) * 2019-04-10 2019-06-04 陈佳男 一种基于大数据的农药喷洒装置
CN110321784A (zh) * 2019-05-08 2019-10-11 中国科学院地理科学与资源研究所 土壤水分估算的方法、装置、电子设备和计算机介质
CN110118732A (zh) * 2019-05-22 2019-08-13 中国农业大学 土壤含水量检测方法及装置
CN111753615A (zh) * 2019-11-06 2020-10-09 广州极飞科技有限公司 变量喷洒方法及装置、电子设备及存储介质
CN111289441A (zh) * 2020-02-21 2020-06-16 中国农业大学 多光谱下的大田作物含水量确定方法、系统及设备

Also Published As

Publication number Publication date
CN112565726B (zh) 2023-02-14

Similar Documents

Publication Publication Date Title
US11361256B2 (en) Method for mapping crop yields
US11944043B2 (en) Systems and methods for image capture and analysis of agricultural fields
US11440659B2 (en) Precision agriculture implementation method by UAV systems and artificial intelligence image processing technologies
CN107148633B (zh) 用于使用无人机系统进行农艺和农业监测的方法
JP7423631B2 (ja) デジタル画像および機械学習モデルを使用した圃場異常の地図作成
JP2022079623A (ja) 農業支援システム、農業支援装置及び農業支援方法
US20230214747A1 (en) Method and system for managing agricultural processes
RU2668319C1 (ru) Способ и система обработки зон посева сельскохозяйственных культур на основании данных мониторинга
WO2021002280A1 (en) Information processing apparatus, information processing method, program, and sensing system
CN113795846A (zh) 确定作物种植信息的方法、装置及计算机存储介质
CN112204569A (zh) 结合多光谱和地表语义的作业规划方法、装置及设备
WO2021100430A1 (ja) 情報処理装置、情報処理方法、プログラム
CN112565726B (zh) 作业处方图的确定方法、作业控制方法及相关装置
WO2020190952A1 (en) System and method for automatic control of exposure time in an imaging instrument
US20230251386A1 (en) Real-time kinematic (rtk) positioning system, base station and methods for calibrating and operating
WO2021207977A1 (zh) 可移动平台的作业方法、可移动平台以及电子设备
WO2021149355A1 (ja) 情報処理装置、情報処理方法、プログラム
EP3922092A1 (en) Method and agricultural machine for placing planting material in a georeferenced field management unit
US12008744B2 (en) Mapping field anomalies using digital images and machine learning models
EA045347B1 (ru) Система позиционирования в режиме кинематики реального времени (rtk), базовая станция и способ (варианты) калибровки и эксплуатации

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

Address after: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province

Applicant after: Guangzhou Jifei Technology Co.,Ltd.

Address before: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province

Applicant before: Guangzhou Xaircraft Technology Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant