CN112956461A - 一种基于图像识别的智能农业杀虫系统 - Google Patents
一种基于图像识别的智能农业杀虫系统 Download PDFInfo
- Publication number
- CN112956461A CN112956461A CN202011521776.XA CN202011521776A CN112956461A CN 112956461 A CN112956461 A CN 112956461A CN 202011521776 A CN202011521776 A CN 202011521776A CN 112956461 A CN112956461 A CN 112956461A
- Authority
- CN
- China
- Prior art keywords
- unit
- aerial vehicle
- unmanned aerial
- cloud
- instruction
- 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
- 230000000749 insecticidal effect Effects 0.000 title claims abstract description 19
- 238000005507 spraying Methods 0.000 claims abstract description 54
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical group C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 38
- 239000000575 pesticide Substances 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims description 52
- 241000607479 Yersinia pestis Species 0.000 claims description 39
- 201000010099 disease Diseases 0.000 claims description 29
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 29
- 241001465754 Metazoa Species 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000007921 spray Substances 0.000 abstract description 14
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000010223 real-time analysis Methods 0.000 abstract 1
- 241000238631 Hexapoda Species 0.000 description 12
- 238000004891 communication Methods 0.000 description 6
- 239000003814 drug Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000002917 insecticide Substances 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 230000001846 repelling effect Effects 0.000 description 1
Images
Classifications
-
- 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
- A01M7/0025—Mechanical sprayers
-
- 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
- A01M29/00—Scaring or repelling devices, e.g. bird-scaring apparatus
- A01M29/16—Scaring or repelling devices, e.g. bird-scaring apparatus using sound waves
-
- 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
-
- 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
-
- 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
- B64D47/00—Equipment not otherwise provided for
- B64D47/08—Arrangements of cameras
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pest Control & Pesticides (AREA)
- Insects & Arthropods (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Environmental Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Birds (AREA)
- Mechanical Engineering (AREA)
- Catching Or Destruction (AREA)
Abstract
本申请公开了一种基于图像识别的智能农业杀虫系统,包括无人机终端,云终端服务器,客户端。无人机终端包括:第一图像采集单元:采集作物的作物图像发送至云端,定位单元:获取无人机终端的位置数据并发送至云端,农药喷洒单元,飞行控制单元,指令接收单元:接受客户端发送的决策指令来控制农药喷洒单元和飞行控制单元;云终端服务器包括:云端导航单元:生成初始的飞控指令发送至无人机终端以控制无人机终端的飞行状态,辅助决策单元:根据作物图像生成云端指令建议并发送至远程连接云端服务器的客户端,云端存储单元,云端警报单元。本发明的技术方案的有益效果在于:通过无人机终端对图像的采集,云终端服务器的实时分析和处理,实现客户端快速调整无人机终端的喷洒作业,来解决现有无人机喷洒农药的及时性和针对性较低的问题。
Description
技术领域
本申请一般涉及人工智能技术领域,具体涉及一种基于图像识别的智能农业杀虫系统。
背景技术
我国是传统的农业大国,农业不仅是国民经济建设与发展的基础,也是社会安定和有序运行的重要保障,然而每年由农作物病虫害造成的损失巨大。一方面传统的大规模喷洒农药的方式既浪费资源又造成环境的破坏;另一方面,现有的无人机喷洒农药时,无人机由人工在农田外操控,不深入田间,难以及时发现病虫害情况并针对性的进行药物喷洒,降低了无人机喷洒农药的及时性和针对性。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种基于图像识别的智能农业杀虫系统,能够解决无人机喷洒农药时针对农作物病虫害的及时性和针对性问题。
本申请提供了一种基于图像识别的智能农业杀虫系统,包括:
无人机终端,与所述无人机终端通信的云端服务器;
所述无人机终端包括:
图像采集单元,用于采集作物的图像并发送至所述云端服务器;
定位单元,用于获取无人机终端的位置数据并发送至所述云端服务器;
农药喷洒单元,用于接收一外部输入的喷洒指令并根据所述喷洒指令执行喷洒任务;
飞行控制单元,用于接收一外部输入的飞控指令并根据所述飞控指令控制无人机终端的飞行状态;
所述云端服务器包括:
云端导航单元,用于根据所述无人机终端的设定的飞行路线生成初始飞控指令,并将初始的所述飞控指令发送至所述无人机终端以控制所述无人机终端的所述飞行状态;
云端辅助决策单元,用于生成云端指令建议并发送至远程连接所述云端服务器的客户端,所述云端指令建议包括飞控指令建议和喷洒指令建议;
则所述无人机终端还包括一指令接收单元,用于远程连接所述无人机终端的所述客户端发送的决策指令,并根据所述决策指令对所述无人机终端进行控制,所述决策指令包括所述飞控指令和/或所述喷洒指令。
优选的,所述云端辅助决策单元具体包括:
第一识别模块,用于采用一预设的第一目标检测模型对所述作物图像进行识别,以识别得到所述作物图像中包括的病虫害农作物以及所述病虫害农作物的定位位置;
第一生成模块,连接所述第一识别模块,用于根据所述病虫害农作物以及对应的所述定位位置生成所述云端指令建议;
所述云端指令建议中的所述飞控指令建议用于建议所述客户端的使用者控制所述无人机终端飞行至与所述定位位置相匹配的喷洒位置;以及所述云端指令建议中的所述喷洒指令建议用于建议所述客户端的使用者控制所述无人机终端进行农药喷洒的喷洒范围和/或喷洒量。
优选的,所述云端辅助决策单元还包括:
第二识别模块,用于采用一预设的第一目标检测模型识别得到所述作物图像中的入侵动物;
第二生成模块,连接所述第二识别模块,用于根据所述第二识别模块的识别结果,在所述图像数据中存在所述入侵动物时生成发声指令并发送至所述无人机终端;
则所述无人机终端中还包括声音发生单元,用于获取所述发声指令并发出设定的声波,以驱赶所述入侵动物。
优选的,所述无人机终端还包括:
第二图像采集单元,用于采集无人机终端的飞行方向上的飞行图像;数据生成单元,连接所述第二图像采集单元,用于根据所述飞行图像生成障碍数据;
智能避障单元,分别连接所述数据生成单元和所述飞行控制单元,用于根据所述障碍数据和所述无人机终端的实时的飞行路线处理得到一规避指令并发送至所述飞行控制单元,以控制所述无人机终端调整飞行方向避开障碍物。
优选的,所述数据生成单元具体包括:
第三识别模块,用于采用一预设的第三目标检测模型识别得到所述飞行图像中的障碍物;
数据生成模块,连接所述第三识别模块,用于根据所述第三识别模块的识别结果生成所述障碍数据,所述障碍数据中包括所述障碍物的尺寸信息、高度信息以及位置信息。
优选的,所述无人机终端还包括;
连接检测单元,用于持续检测所述无人机终端与所述云端服务器的连接信号是否达到预设信号条件;
边缘计算单元,连接所述连接检测单元,用于当所述连接信号未达到所述预设信号条件时,获取所述图像采集单元采集得到的所述作物图像并识别得到识别结果,随后将所述识别结果暂存于一存储单元中;
发送单元,分别连接所述连接检测单元和所述存储单元,用于在所述连接信号重新达到所述预设信号条件时,将所述存储单元中暂存的所述识别结果同步至所述云端服务器;
则所述云端服务器根据所述识别结果直接生成所述云端指令建议。
优选的,所述边缘计算单元具体包括:
作物识别模块,用于采用一预设的第一目标检测模型对所述作物图像进行识别,以识别得到所述作物图像中包括的病虫害农作物以及所述病虫害农作物的定位位置并包括在所述识别结果中。
优选的,所述边缘计算单元具体包括:
动物识别模块,用于采用一预设的第一目标检测模型识别得到所述作物图像中的入侵动物并包括在所述识别结果中。
优选的,所述云端服务器还包括:
云端存储单元,连接所述云端辅助决策单元,用于存储所述图像采集单元发送的所述作物图像,以用于优化所述第一目标检测模型。
优选的,所述云端服务器还包括:
云端警报单元,连接所述云端辅助决策单元,用于根据所述图像采集单元发送的所述作物图像和/或所述云端辅助决策单元生成的所述云端指令建议生成警报信息,并发送所述警报信息至所述客户端,以展示给使用者查看。
本申请提供的一种基于图像识别的智能农业杀虫系统,首先无人机终端根据云端导航单元设定的飞行路线进行飞行,同时通过图像采集单元采集作物的作物图像,通过定位单元获取无人机终端的位置数据,将这些图像数据和位置数据发送到云端服务器,由云端服务器上的云端辅助决策单元利用第一目标检测模型,当检测到病虫害农作物时,利用无人机终端的位置数据定位病虫害农作物的位置,根据病虫害农作物的位置生成云端指令建议,包括飞控指令建议和喷洒指令建议,供农场管理人员进行决策。当农场管理人员使用云端指令建议通过指令发送单元向无人机发送指令。通过飞控指令控制无人机飞到病虫害农作物的位置上方,然后执行喷洒指令,对病虫害农作物进行农药喷洒处理。同时,如果识别出不同的病虫害类型,可以针对性的生成针对相应病虫害的喷洒指令,以喷洒不同的农药来进行针对。从而可以及时发现病虫害情况并针对性的进行药物喷洒,提高了无人机喷洒农药的及时性和针对性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为本申请的实施例中一种基于图像识别的智能农业杀虫系统的示意图;
图2为本申请的实施例中云端辅助决策单元的内部模块示意图;
图3为本申请的实施例中无人机终端数据生成单元的示意图;
图4为本申请的实施例中无人机终端边缘计算单元的示意图。
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作出创造性劳动的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。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
在为农田喷洒农药时,为了提高喷洒效率,小块农田现已采用无人机进行农药喷洒,使得操作人员不需要进入田地便可进行农药喷洒。这也导致操作人员难以及时发现病虫害情况并针对性的进行药物喷洒,降低了无人机喷洒农药的及时性和针对性。为了解决这一问题,在本申请的一个实施例中,公开了一种基于图像识别的智能农业杀虫系统,如图1所示,包括:
无人机终端1,与无人机终端1通信的云端服务器2;
无人机终端1包括:
第一图像采集单元101,用于采集作物的作物图像并发送至所述云端服务器2;
定位单元102,用于获取无人机终端1的位置数据并发送至云端服务器2;
农药喷洒单元103,用于接收一外部输入的喷洒指令并根据喷洒指令执行喷洒任务;飞行控制单元104,用于接收一外部输入的飞控指令并根据飞控指令控制无人机终端1的飞行状态;
云端服务器2包括:
云端导航单元20,用于根据无人机终端1的设定的飞行路线生成初始的飞控指令,并将初始的飞控指令发送至无人机终端1以控制无人机终端1的飞行状态;
云端辅助决策单元21,用于根据作物图像生成云端指令建议并发送至远程连接云端服务器2的客户端3,云端指令建议包括飞控指令建议和喷洒指令建议;
则无人机终端1还包括一指令接收单元105,用于远程连接无人机终端1的客户端3发送的决策指令,并根据决策指令对无人机终端1进行控制,决策指令包括飞控指令和/或喷洒指令。
在本实施例中首先无人机终端1根据云端导航单元设定的飞行路线进行飞行,同时通过图像采集单元采集作物的图像数据,通过定位单元获取无人机终端1的位置数据,将这些图像数据和位置数据发送到云端服务器2,由云端服务器2上的云端辅助决策单元21利用第一目标检测模型211(包括Yolov3目标检测模型和Yolov3-tiny目标检测模型中的一种),如Yolov3目标检测模型进行目标检测,当检测到病虫害农作物时,利用无人机终端1的位置数据定位病虫害农作物的位置,根据病虫害农作物的位置生成云端指令建议,包括飞控指令建议和喷洒指令建议,供客户端3的农场管理人员进行决策。当客户端3的农场管理人员使用云端指令建议通过指令发送单元向无人机发送指令。通过飞控指令控制无人机终端1飞到病虫害农作物的位置上方,然后执行喷洒指令,对病虫害农作物进行农药喷洒处理。执行喷洒指令时,该农药喷洒单元可以是洒单一的农药,此时的喷洒指令只分为喷洒和不喷洒,或设定时刻/位置时进行喷洒。也可以对应于多个不同喷洒指令喷洒多种不同的农药,该情况依赖于无人机终端1上喷洒单元的设置。无人机终端1在执行喷洒作业的时候,极少情况下需要调整无人机终端1的飞行姿态。当然,一般来说,无人机终端1均配置有定位单元102,如GPS模块等,一般用于辅助飞行状态的控制,如确定当前位置,飞行速度等,无人机终端1还可以配置有微处理芯片,通过卡尔曼滤波等方式计算出当前的飞行状态再加以控制。一方面,无人机终端1以及云端服务器2上均设有通信单元,本申请已通过功能限定隐含包括通信单元,以下不再赘述。另一方面,本申请的第一图像采集单元101,还可以通过增加多种传感器来获取农作物生长的环境信息,如光照、湿度、温度、风速等,以增加目标识别的准确性,提高药物喷洒的精确性。
在优选的实施例中,如图2所示,云端辅助决策单元21具体包括:
第一识别模块210,用于采用一预设的第一目标检测模型211对作物图像进行识别,以识别得到作物图像中包括的病虫害农作物以及病虫害农作物的定位位置;
第一生成模块213,连接第一识别模块210,用于根据病虫害农作物以及对应的定位位置生成云端指令建议;
云端指令建议中的飞控指令建议用于建议客户端3的使用者控制无人机终端1飞行至与定位位置相匹配的喷洒位置;以及云端指令建议中的喷洒指令建议用于建议客户端3的使用者控制无人机终端1进行农药喷洒的喷洒范围和/或喷洒量。
在本实施例中可以通过图像数据识别得到不同的病虫害类型,针对不同类型的病虫害,可以预设不同的喷洒量。而喷洒范围以覆盖病虫害的范围为标准。同时,如果识别出不同的病虫害类型,可以针对性的生成针对相应病虫害的喷洒指令,以喷洒不同的农药来进行针对。从而可以及时发现病虫害情况并针对性的进行药物喷洒,提高了无人机终端1喷洒农药的及时性和针对性。
在优选的实施例中,如图2所示,云端辅助决策单元21还包括:
第二识别模块213,用于采用一预设的第一目标检测模型211识别得到作物图像中的入侵动物;
第二生成模块214,连接第二识别模块213,用于根据第二识别模块213的识别结果,在图像数据中存在所述入侵动物时生成发声指令并发送至无人机终端1;
则无人机终端1中还包括声音发生单元106,用于获取发声指令并发出设定的声波,以驱赶入侵动物。
在本实施例中云端辅助决策单元21利用预设的第一目标检测模型211识别出入侵动物后,向客户端3的农场管理人员发送可以驱赶入侵动物的发声指令建议,当客户端3的农场管理人员确定使用该发声指令建议时,则通过指令发送单元向无人机终端1的声音发生单元发送该发声指令建议,使声音发生单元106发出声波对入侵动物进行驱赶。从而能够及时驱赶入侵动物,及时保护农作物。
在优选的实施例中,无人机终端1还包括:
第二图像采集单元107,用于采集无人机终端1的飞行方向上的飞行图像;数据生成单元108,连接第二图像采集单元107,用于根据飞行图像生成障碍数据;
智能避障单元109,分别连接数据生成单元108和飞行控制单元104,用于根据障碍数据和无人机终端1的实时的飞行路线处理得到一规避指令并发送至飞行控制单元104,以控制无人机终端1调整飞行方向避开障碍物。
在本实施例中通过第二图像采集单元107采集无人机终端1飞行前方的图像数据,当前方存在障碍物时,该位置一般是一个范围,通常包括障碍物的大小、高度。通过数据生成单元108生成障碍数据,再根据所获取的无人机终端1的飞行路线,由智能避障单元109确定规避路线,生成规避指令,发送该规避指令到飞行控制单元104以控制无人机终端1的飞行,使得避开障碍后能按之前的路线继续飞行。从而解决在无人操作时,无人机终端1难以规避障碍物,造成碰撞事故的问题。
在优选的实施例中,如图3所示,所述数据生成单元108具体包括:
第三识别模块1080,用于采用一预设的第三目标检测模型1081识别得到飞行图像中的障碍物;
数据生成模块1082,连接第三识别模块1080,用于根据第三识别模块1080的识别结果生成所述障碍数据,所述障碍数据中包括所述障碍物的尺寸信息、高度信息以及位置信息。
在本实施例中第三目标检测模型1081,使用Yolov3-tiny目标检测模型,相比较第一目标检测模型211使用的是Yolov3目标检测模型,Yolov3目标检测模型的参数数目和模型尺寸较大,推理时间较长,且目标检测识别准确率较高;上述Yolov3-tiny目标检测模型是对Yolov3目标检测模型简化后的算法,相较于Yolov3目标检测模型,其参数数目和模型尺寸较小,推理时间较短,目标检测识别准确率较低,能够满足使用需求的同时,有效减少数据处理负荷。所述第三目标检测模型1081使用Yolov3-tiny目标检测模型用于识别障碍物的位置,生成的障碍数据中包括障碍物的尺寸信息、高度信息以及位置信息,发送给智能避障单元,生成并发送避障指令,使飞行控制单元运行避障指令,调整无人机终端避开障碍物,并在避开障碍物后迅速返回所述飞行路线。
在优选的实施例中,所述无人机终端1还包括;
连接检测单元110,用于持续检测所述无人机终端与云端服务器的连接信号是否达到预设信号条件;
边缘计算单元111,连接所述连接检测单元,用于当连接信号未达到预设信号条件时,获取第一图像采集单元101采集得到的作物图像并识别得到识别结果,随后将识别结果暂存于一存储单元中;
发送单元113,分别连接所述连接检测单元110和存储单元112,用于在连接信号重新达到预设信号条件时,将存储单元112中暂存的识别结果同步至云端服务器2;
则云端服务器2根据识别结果直接生成云端指令建议。
在本实施例中无人机终端1连接检测单元110检测是否与云端服务器2的通信中断,可以通过检测信号强度来进行判断,或检测是否超过一定时间没有收到云端服务器2心跳信息进行判断等均可以,本申请不对此做具体的限定。当检测到与云端服务器2的通信中断,连接信号未达到预设信号条件时,无人机终端1的边缘计算单元111,获取第一图像采集单元101发送的图像数据、无人机终端1的位置数据,存储于本地存储单元112。当连接信号达到预设信号条件时,无人机终端1与云端服务器2恢复通信,发送单元113再将本地存储112单元所存储的数据发送到云端服务器2。
在优选的实施例中,如图4所示,边缘计算单元111具体包括:
作物识别模块1110,用于采用一预设的第一目标检测模型211对作物图像进行识别,以识别得到作物图像中包括的病虫害农作物以及病虫害农作物的定位位置并包括在识别结果中。
在优选的实施例中,如图4所示,边缘计算单元具体包括:
动物识别模块1112,用于采用一预设的第一目标检测模型211识别得到作物图像中的入侵动物并包括在识别结果中。
在本实施例中边缘计算单元111采用的预设的第一目标检测模型211与云端服务器上的云端辅助决策单元预设的第一目标检测模型211相同,包括Yolov3目标检测模型和Yolov3-tiny目标检测模型中的一种。
在优选的实施例中,云端服务器2还包括:
云端存储单元22,连接云端辅助决策单元21,用于存储图像采集单元发送的作物图像,以用于优化第一目标检测模型211。
在本实施例中云端存储单元22存储图像采集单元发送的作物图像,通过更新图像数据的数据库,使用更新的图像数据来优化第一目标检测模型211,从而能够提高第一目标检测模型211识别的准确性。
在优选的实施例中,云端服务器2还包括:
云端警报单元23,连接云端辅助决策单元21,用于根据图像采集单元发送的作物图像和/或云端辅助决策单元21的云端指令建议生成警报信息,并发送警报信息至客户端3,以展示给使用者查看。
在本实施例中云端服务器2的云端警报单元23根据预设的推送规则向用户端3发送警报信息,警报信息可以是当前无人机终端1所在位置信息,识别出的病虫害农作物的图像信息,入侵动物的图像信息,障碍物的图像信息等。推送方式可以是网页推送、手机APP提醒、短信提醒等,从而提醒客户端3农场管理人员做出决策。使得无人机终端1工作过程中遇到的问题可以及时处理,保障农药喷洒的工作效率。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (10)
1.一种基于图像识别的智能农业杀虫系统,其特征在于,包括:
无人机终端,与所述无人机终端通信的云端服务器;
所述无人机终端包括:
第一图像采集单元,用于采集作物的作物图像并发送至所述云端服务器;
定位单元,用于获取无人机终端的位置数据并发送至所述云端服务器;
农药喷洒单元,用于接收一外部输入的喷洒指令并根据所述喷洒指令执行喷洒任务;
飞行控制单元,用于接收一外部输入的飞控指令并根据所述飞控指令控制无人机终端的飞行状态;
所述云端服务器包括:
云端导航单元,用于根据所述无人机终端的设定的飞行路线生成初始的飞控指令,并将初始的所述飞控指令发送至所述无人机终端以控制所述无人机终端的所述飞行状态;
云端辅助决策单元,用于根据所述作物图像生成云端指令建议并发送至远程连接所述云端服务器的客户端,所述云端指令建议包括飞控指令建议和喷洒指令建议;
则所述无人机终端还包括一指令接收单元,用于远程连接所述无人机终端的所述客户端发送的决策指令,并根据所述决策指令对所述无人机终端进行控制,所述决策指令包括所述飞控指令和/或所述喷洒指令。
2.根据权利要求1所述的智能农业杀虫系统,其特征在于,所述云端辅助决策单元具体包括:
第一识别模块,用于采用一预设的第一目标检测模型对所述作物图像进行识别,以识别得到所述作物图像中包括的病虫害农作物以及所述病虫害农作物的定位位置;
第一生成模块,连接所述第一识别模块,用于根据所述病虫害农作物以及对应的所述定位位置生成所述云端指令建议;
所述云端指令建议中的所述飞控指令建议用于建议所述客户端的使用者控制所述无人机终端飞行至与所述定位位置相匹配的喷洒位置;以及所述云端指令建议中的所述喷洒指令建议用于建议所述客户端的使用者控制所述无人机终端进行农药喷洒的喷洒范围和/或喷洒量。
3.根据权利要求1所述的智能农业杀虫系统,其特征在于,
所述云端辅助决策单元还包括:
第二识别模块,用于采用一预设的第一目标检测模型识别得到所述作物图像中的入侵动物;
第二生成模块,连接所述第二识别模块,用于根据所述第二识别模块的识别结果,在所述作物图像中存在所述入侵动物时生成发声指令并发送至所述无人机终端;
则所述无人机终端中还包括声音发生单元,用于获取所述发声指令并发出设定的声波,以驱赶所述入侵动物。
4.根据权利要求1所述的智能农业杀虫系统,其特征在于,
所述无人机终端还包括:
第二图像采集单元,用于采集无人机终端的飞行方向上的飞行图像;
数据生成单元,连接所述第二图像采集单元,用于根据所述飞行图像生成障碍数据;
智能避障单元,分别连接所述数据生成单元和所述飞行控制单元,用于根据所述障碍数据和所述无人机终端的实时的飞行路线处理得到一规避指令并发送至所述飞行控制单元,以控制所述无人机终端调整飞行方向避开障碍物。
5.根据权利要求4所述的智能农业杀虫系统,其特征在于,所述数据生成单元具体包括:
第三识别模块,用于采用一预设的第三目标检测模型识别得到所述飞行图像中的障碍物;
数据生成模块,连接所述第三识别模块,用于根据所述第三识别模块的识别结果生成所述障碍数据,所述障碍数据中包括所述障碍物的尺寸信息、高度信息以及位置信息。
6.根据权利要求1所述的智能农业杀虫系统,其特征在于,所述无人机终端还包括;
连接检测单元,用于持续检测所述无人机终端与所述云端服务器的连接信号是否达到预设信号条件;
边缘计算单元,连接所述连接检测单元,用于当所述连接信号未达到所述预设信号条件时,获取所述图像采集单元采集得到的所述作物图像并识别得到识别结果,随后将所述识别结果暂存于一存储单元中;
发送单元,分别连接所述连接检测单元和所述存储单元,用于在所述连接信号重新达到所述预设信号条件时,将所述存储单元中暂存的所述识别结果同步至所述云端服务器;
则所述云端服务器根据所述识别结果直接生成所述云端指令建议。
7.根据权利要求6所述的智能农业杀虫系统,其特征在于,所述边缘计算单元具体包括:
作物识别模块,用于采用一预设的第一目标检测模型对所述作物图像进行识别,以识别得到所述作物图像中包括的病虫害农作物以及所述病虫害农作物的定位位置并包括在所述识别结果中。
8.根据权利要求6所述的智能农业杀虫系统,其特征在于,所述边缘计算单元具体包括:
动物识别模块,用于采用一预设的第一目标检测模型识别得到所述作物图像中的入侵动物并包括在所述识别结果中。
9.根据权利要求2或3所述的智能农业杀虫系统,其特征在于,所述云端服务器还包括:
云端存储单元,连接所述云端辅助决策单元,用于存储所述图像采集单元发送的所述作物图像,以用于优化所述第一目标检测模型。
10.根据权利要求1所述的智能农业杀虫系统,其特征在于,
所述云端服务器还包括:
云端警报单元,连接所述云端辅助决策单元,用于根据所述图像采集单元发送的所述作物图像和/或所述云端辅助决策单元生成的所述云端指令建议生成警报信息,并发送所述警报信息至所述客户端,以展示给使用者查看。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011521776.XA CN112956461A (zh) | 2020-12-21 | 2020-12-21 | 一种基于图像识别的智能农业杀虫系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011521776.XA CN112956461A (zh) | 2020-12-21 | 2020-12-21 | 一种基于图像识别的智能农业杀虫系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112956461A true CN112956461A (zh) | 2021-06-15 |
Family
ID=76271560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011521776.XA Pending CN112956461A (zh) | 2020-12-21 | 2020-12-21 | 一种基于图像识别的智能农业杀虫系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112956461A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113615672A (zh) * | 2021-08-30 | 2021-11-09 | 山东元一动力科技有限公司 | 一种喷气式植保弥雾机 |
CN114581783A (zh) * | 2022-05-06 | 2022-06-03 | 中国计量大学 | 智能车及智慧农业管理系统 |
CN115104588A (zh) * | 2022-07-01 | 2022-09-27 | 云士智能科技(上海)有限公司 | 一种可识别叶面病虫害智能自动喷洒药液的喷洒机器 |
CN115675874A (zh) * | 2022-12-12 | 2023-02-03 | 西南大学 | 一种喷洒农药用无人机 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205490923U (zh) * | 2016-01-27 | 2016-08-17 | 上海润之信息科技有限公司 | 一种农业智能数据采集系统 |
CN107181717A (zh) * | 2016-03-10 | 2017-09-19 | 阿里巴巴集团控股有限公司 | 一种风险终端检测方法及装置 |
CN207748022U (zh) * | 2017-12-04 | 2018-08-21 | 陈军瑞 | 一种具有无人机的巡逻驱赶装置 |
CN108541683A (zh) * | 2018-04-18 | 2018-09-18 | 济南浪潮高新科技投资发展有限公司 | 一种基于卷积神经网络芯片的无人机农药喷洒系统 |
CN108594851A (zh) * | 2015-10-22 | 2018-09-28 | 飞智控(天津)科技有限公司 | 一种基于双目视觉的无人机自主障碍物检测系统、方法及无人机 |
CN108693119A (zh) * | 2018-04-20 | 2018-10-23 | 北京麦飞科技有限公司 | 基于无人机高光谱遥感的病虫害智能察打系统 |
CN208274674U (zh) * | 2017-07-11 | 2018-12-25 | 武汉市康本龙医疗器械有限公司 | 视力测试和矫正系统 |
CN109286788A (zh) * | 2018-10-09 | 2019-01-29 | 黄杏兰 | 一种基于云计算的安防监控系统 |
CN110347127A (zh) * | 2019-06-26 | 2019-10-18 | 北京农业智能装备技术研究中心 | 基于云服务的农作物种植托管系统及方法 |
-
2020
- 2020-12-21 CN CN202011521776.XA patent/CN112956461A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108594851A (zh) * | 2015-10-22 | 2018-09-28 | 飞智控(天津)科技有限公司 | 一种基于双目视觉的无人机自主障碍物检测系统、方法及无人机 |
CN205490923U (zh) * | 2016-01-27 | 2016-08-17 | 上海润之信息科技有限公司 | 一种农业智能数据采集系统 |
CN107181717A (zh) * | 2016-03-10 | 2017-09-19 | 阿里巴巴集团控股有限公司 | 一种风险终端检测方法及装置 |
CN208274674U (zh) * | 2017-07-11 | 2018-12-25 | 武汉市康本龙医疗器械有限公司 | 视力测试和矫正系统 |
CN207748022U (zh) * | 2017-12-04 | 2018-08-21 | 陈军瑞 | 一种具有无人机的巡逻驱赶装置 |
CN108541683A (zh) * | 2018-04-18 | 2018-09-18 | 济南浪潮高新科技投资发展有限公司 | 一种基于卷积神经网络芯片的无人机农药喷洒系统 |
CN108693119A (zh) * | 2018-04-20 | 2018-10-23 | 北京麦飞科技有限公司 | 基于无人机高光谱遥感的病虫害智能察打系统 |
CN109286788A (zh) * | 2018-10-09 | 2019-01-29 | 黄杏兰 | 一种基于云计算的安防监控系统 |
CN110347127A (zh) * | 2019-06-26 | 2019-10-18 | 北京农业智能装备技术研究中心 | 基于云服务的农作物种植托管系统及方法 |
Non-Patent Citations (1)
Title |
---|
中国科学技术协会: "《2016-2017植物保护学学科发展报告》", 30 June 2018, 科学普及出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113615672A (zh) * | 2021-08-30 | 2021-11-09 | 山东元一动力科技有限公司 | 一种喷气式植保弥雾机 |
CN114581783A (zh) * | 2022-05-06 | 2022-06-03 | 中国计量大学 | 智能车及智慧农业管理系统 |
CN115104588A (zh) * | 2022-07-01 | 2022-09-27 | 云士智能科技(上海)有限公司 | 一种可识别叶面病虫害智能自动喷洒药液的喷洒机器 |
CN115675874A (zh) * | 2022-12-12 | 2023-02-03 | 西南大学 | 一种喷洒农药用无人机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112956461A (zh) | 一种基于图像识别的智能农业杀虫系统 | |
US20210000097A1 (en) | Integrated system for controlling, detecting, monitoring, evaluating and treating crop pests | |
US11147257B2 (en) | Software process for tending crops using a UAV | |
US11321942B2 (en) | Method for measuring plant planting data, device and system | |
US20220254155A1 (en) | Method for plantation treatment based on image recognition | |
US20180074518A1 (en) | Apparatus and method for unmanned flight task optimization | |
CN106585992A (zh) | 一种无人机智能识别、精确喷洒农药的方法及系统 | |
AU2021270468A1 (en) | Obstacle monitoring systems and methods for same | |
KR20200065696A (ko) | 드론을 이용한 농작물 모니터링 시스템 | |
KR102379398B1 (ko) | 방제용 드론과 이를 이용한 자율 분사 포지셔닝 시스템 및 방법 | |
KR102522477B1 (ko) | 약제살포 드론을 이용한 최적 경로 생성 시스템 및 방법 | |
JP6765109B2 (ja) | 農業システム | |
AT508514B1 (de) | Verfahren zur erkennung von tieren einschliesslich brutgelegen in landwirtschaftlich genutzten feldern und wiesen sowie vorrichtung zur durchführung des verfahrens | |
EP3878741A1 (en) | Unmanned aerial vehicle | |
Chatzisavvas et al. | Autonomous Unmanned Ground Vehicle in Precision Agriculture–The VELOS project | |
US20220046859A1 (en) | System and method for selective harvesting at night or under poor visibility conditions, night dilution and agriculture data collection | |
US11971725B2 (en) | System and method for performing spraying operations with an agricultural applicator | |
Sreeram et al. | Autonomous robotic system based environmental assessment and dengue hot-spot identification | |
CA3224120A1 (en) | Multi-device agricultural field treatment | |
KR20230051351A (ko) | 스카우팅 드론과 오토로봇을 이용한 스마트 농업 시스템 | |
EP4230037A1 (en) | Multi-device agricultural field treatment | |
Karouta et al. | Autonomous platforms | |
WO2023230730A1 (en) | System and method for precision application of residual herbicide through inference | |
Kapila et al. | Applications of Drones in Predictive Analytics | |
JP2022119267A (ja) | 農業支援システム、移動体、及び農業支援方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210615 |