CN113418509A - 一种用于农业的自动对靶检测装置及检测方法 - Google Patents
一种用于农业的自动对靶检测装置及检测方法 Download PDFInfo
- Publication number
- CN113418509A CN113418509A CN202110552344.3A CN202110552344A CN113418509A CN 113418509 A CN113418509 A CN 113418509A CN 202110552344 A CN202110552344 A CN 202110552344A CN 113418509 A CN113418509 A CN 113418509A
- Authority
- CN
- China
- Prior art keywords
- light source
- camera
- color
- agriculture
- detection device
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000005286 illumination Methods 0.000 claims abstract description 13
- 239000003086 colorant Substances 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 11
- 230000008685 targeting Effects 0.000 claims description 5
- 238000003707 image sharpening Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 abstract description 3
- 241000607479 Yersinia pestis Species 0.000 description 29
- 241000196324 Embryophyta Species 0.000 description 26
- 239000000575 pesticide Substances 0.000 description 12
- 239000003337 fertilizer Substances 0.000 description 9
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 241000238631 Hexapoda Species 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 230000006378 damage Effects 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 238000005507 spraying Methods 0.000 description 4
- 238000009333 weeding Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000001681 protective effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010059866 Drug resistance Diseases 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
Abstract
一种用于农业的自动对靶检测装置,包括无人机组件、摄像组件、光源组件、控制单元;所述无人机组件包括机架,所述机架的顶部一端设置有连杆,所述机架的底部一端连接支撑杆,所述支撑杆连接防护杆;所述光源组件包括光源发生器,所述光源发生器一端连接蓄电池,另一端连接聚光镜,所述光源组件设置于支撑杆的内侧且所述光源组件与机架连接。利用无人机进行摄像检测,更加灵活方便,而且相对于其他技术成本更低,一方面能够检测到其他技术(如遥感技术)难以检测到的视野盲区,另一方面根据此前的光线情况进行自由调节光照程度,提高摄像时的可靠性,从而进一步提高分析结果的精确性。
Description
技术领域
本发明涉及农业领域,尤其涉及一种用于农业的自动对靶检测装置及检测方法。
背景技术
自动对靶装置能够根据靶标的特征信息有选择地对靶标进行施药,明显减少农药在非靶标区域的沉降,有效控制了药物的附着率,从而有效降低成本和减少农药对环境的污染。科研工作者经过多年努力在新型施药技术上取得了很大的进展,但是它仍然存在很多问题,如GPS的定位精度、关键技术的应用、各项技术的协调等,缺乏政府管制的条件下,以“大雾量、雨淋式”的施药方式无法从根本上除消。此外。由于大量使用农药,消耗了大量劳动力,浪费了水资源,病虫害抗药性提高,产生恶性循环,农药逸散至水体,积聚于食物链,对生态环境和人体健康造成严重危害。现有技术中,许多检测设备难以从复杂的作物生长环境中精确识别靶标,识别时易产生误判。作物的生长一般伴有着多种层次的杂草,杂草的颜色和作物颜色存在相似性;对于相似性病害特征研究的较少,存在识别率低的问题。
发明内容
本申请克服了现有技术的不足,提供了一种用于农业的自动对靶检测装置及检测方法。
为达上述目的,本发明采用的技术方案为:
本申请第一方面提供了一种用于农业的自动对靶检测装置,包括无人机组件、摄像组件、光源组件、控制单元;
所述无人机组件包括机架,所述机架的顶部一端设置有连杆,所述机架的底部一端连接支撑杆,所述支撑杆连接防护杆;
所述光源组件包括光源发生器,所述光源发生器一端连接蓄电池,另一端连接聚光镜,所述光源组件设置于支撑杆的内侧且所述光源组件与机架连接。
进一步地,本发明的一个较佳实施例中,所述光源发生器上设置有多个出光孔,所述出光孔用于发射一种或多种不同的波长的光。
进一步地,本发明的一个较佳实施例中,所述摄像组件包括摄像头保护罩,所述摄像头保护罩包裹摄像头,所述摄像头由固定块固定,所述固定块另一端连接微型电机,所述微型电机设置于机架底端。
进一步地,本发明的一个较佳实施例中,所述连杆的另一端连接定位仪,所述定位仪用于记录无人机的摄像头摄取图像的位置点。
进一步地,本发明的一个较佳实施例中,所述光源发生器用于根据环境的光照情况进行调节亮度,从出光孔发射出的光线通过聚光镜进行校正出光方向。
进一步地,本发明的一个较佳实施例中,摄像头摄取的图像通过所述控制单元处理,并将所述无人机的摄像头摄取图像的位置点根据图像的处理情况进行不同程度的颜色标记,所述颜色程度越深表示作物的生长状况受到的阻碍越大。
本发明第二方面提供了一种用于农业的自动对靶检测装置的检测方法,应用于任一所述的用于农业的自动对靶检测装置,具体包括以下步骤:
获取农作物的生长实时信息;
通过分析所述的生长实时信息记录摄像的位置点,生成位置信息;
根据所述位置信息建立区域面积模型,得到模型信息;
所述模型信息根据所述实时信息标记预设颜色,得到区域颜色模型并生成颜色模型信息;
将所述颜色模型信息与预设颜色模型信息对比,得出偏差率;
通过分析偏差率,制定处理方案;
将所述处理方案传输至输出终端。
进一步地,本发明的一个较佳实施例中,所述模型信息根据所述实时信息标记一种或者多种颜色,得到区域颜色模型并生成颜色模型信息具体包括:
将所拍摄的图片采用中值滤波法进行平滑滤波处理,以消除图像的随机干扰噪声;
对图像进行图像锐化处理,以加强图像中的轮廓边缘和细节,提取特征像素点;
将所述特征像素点和邻域像素的灰度差与灰度差阈值作比较;
当所述特征像素点和邻域像素的灰度差小于灰度差阈值时,提取该邻域特征并进行颜色标记此特征所在的区域。
进一步地,本发明的一个较佳实施例中,所述区域颜色模型为一种或多种颜色的组合,预设颜色的种类越多代表越多的外界因素阻碍农作物的生长。
进一步地,本发明的一个较佳实施例中,所述处理方案根据区域颜色模型的颜色种类的数目而制定,所述颜色的种类越多代表着所述处理方案的处理方式越多,并且所述颜色程度越深表示作物的生长状况受到的阻碍越大。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:利用无人机进行摄像检测,更加灵活方便,而且相对于其他技术成本更低,一方面能够检测到其他技术(如遥感技术)难以检测到的视野盲区,另一方面根据此前的光线情况进行自由调节光照程度,提高摄像时的可靠性,从而进一步提高分析结果的精确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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实施例的附图。
图1示出了装置的整体结构示意图;
图2示出了光源发生器的结构示意图;
图3示出了摄像组件的结构示意图;
图4示出了检测装置的总体方法流程图;
图5示出了图像处理的方法流程图;
图中:
1.无人机组件,2.摄像组件,3.光源组件,101.机架,102.连杆,103.支撑杆,104.防护杆,105.定位仪,201.摄像头保护罩,202.摄像头,203.固定块,204.微型电机,301.光源发生器,302.蓄电池,303.聚光镜。
具体实施方式
为了能够更加清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述,这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成,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。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本申请中的具体含义。
实施例一:
如图1、图2、图3所示,
本申请第一方面提供了一种用于农业的自动对靶检测装置,包括无人机组件1、摄像组件2、光源组件3、控制单元;
所述无人机组件1包括机架101,所述机架101的顶部一端设置有连杆102,所述机架101的底部一端连接支撑杆103,所述支撑杆103连接防护杆104;在复杂的检测区域之中,摄像头与光源容易被损坏,而利用支撑杆103与防护杆104进行对光源与摄像头进行保护,而且无人机组件上的机翼的涡轮旋转机构上设置伸缩杆,所述伸缩杆一端连接微型电机,另一端连接气缸,利用伸缩杆的伸缩与旋转,改变涡轮旋转机构的的旋转位置,从而在一些复杂的地形中,在检测时,无人机的涡轮旋转机构进行改变形态(如装置整体体积变小),适合在大多数的地区上飞行,为图像的摄取提供一个好基础。
所述光源组件3包括光源发生器301,所述光源发生器301一端连接蓄电池302,另一端连接聚光镜303,所述光源组件3设置于支撑杆103的内侧且所述光源组件3与机架101连接。所述光源发生器301上设置有多个出光孔,所述出光孔用于发射一种或多种不同的波长的光。所述光源发生器301用于根据环境的光照情况进行调节亮度,从出光孔发射出的光线通过聚光镜303进行校正出光方向。利用改变出光孔的发射出的光线数目,来改变聚光镜发出的光照强度,而且在一些叶子接受光的照射之后,如叶子的背部被害虫侵染,但是由于被遮挡住,此时增加光照强度,每个叶子的厚度并不厚,在光照强度一定的情况下,呈现出不同的阴影轮廓部分,从而控制单元识别出此类叶子背部被侵染的类型,增加识别的可靠性能,从而实时进行对症下药,保证弄作物的健康成长。
所述摄像组件2包括摄像头保护罩201,所述摄像头保护罩201包裹摄像头202,所述摄像头202由固定块203固定,所述固定块203另一端连接微型电机204,所述微型电机204设置于机架101底端。无人机在复杂的地形飞行的过程中,无人机的自身的调整受到阻碍时,可通过微型电机204旋转角度进行拍摄,这过程中摄像头保护罩201进一步避免了摄像头有被损害的危险。
所述连杆102的另一端连接定位仪105,所述定位仪105用于记录无人机的摄像头摄取图像的位置点。利用定位仪105实时对拍摄的图片进行定位,记录下该图像的位置,在图像识别区域识别出有杂草或者有病虫害等情况时,能够记录下此位置,利用无人机喷洒系统进行移动至此位置进行施药或者除草无人机飞行至此位置进行除草等操作。
需要说明的是,利用无人机进行摄像检测,更加灵活方便,而且相对于其他技术成本更低,一方面能够检测到其他技术(如遥感技术)难以检测到的视野盲区,另一方面根据此前的光线情况进行自由调节光照程度,提高摄像时的可靠性,从而进一步提高分析结果的精确性。本发明无论在白天还是夜晚,都能使用。而且利用无人机,能够根据不同的地形、不同农作物的区域生长情况进行自动调节角度,从而进行多方位的图像检测,检测方位更全面。
实施例二:
所述摄像头202摄取的图像通过所述控制单元处理,并将所述无人机的摄像头202摄取图像的位置点根据图像的处理情况进行不同程度的颜色标记,所述颜色程度越深表示作物的生长状况受到的阻碍越大。
需要说明的是,在图像处理的过程中,在一个区域之中,农作物的生长情况有许多因素,如缺乏某种肥料、病虫害、杂草过多导致农作物生长缓慢等。而且本发明在这类型的检测当中,利用不同的颜色进行标记,而且颜色程度越深表示作物的生长状况受到的阻碍越大。并且制定一个实施方案,此类实施的方案可以包含多种实施的方式以及建议实行的时间段等情况,如在一个区域之中,该农作物缺乏某种肥料、病虫害、杂草过多导致农作物生长缓慢的情况,控制单元标记此区域,并用多种颜色进行标记,并且在病虫害区域计算出面积,从而根据病虫害的面积进行计算施药量,从而使得在这类情况中,减少农药的喷洒,避免农药喷洒过多,残留于环境中造成污染。而且当杂草过多时,此时首先检测该农作物的生长阶段,在实际的生长环境当中,都会以相同的间隔进行种植,每个区域的杂草的数量不一致,利用相同的间隔进行播种的方式,计算与杂草很多的区域的农作物相近的一处的农作物,从而得出杂草很多的区域的农作物的位置点的区域,进一步得出被杂草遮住的农作物区域,这些区域经常因为被遮挡,导致害虫无法检测到,解决杂草的形态、颜色与作物形态、颜色相近造成害虫无法被检测到的问题,从而从复杂的作物生长环境精确识别标靶,提高检测的准确性。而且,一些生长缓慢的农作物,常常表现出叶子暗黄、枯萎等情况,而一些病虫侵染过的叶子也表现出叶子暗黄、枯萎等情况,而在这些类型的情况亦有相同之处,在图像识别的过程中,此时增加光照强度,每个叶子的厚度并不厚,在光照强度一定的情况下,被害虫侵染的叶子常常呈现出凹陷部分的阴影轮廓。从而利用此方式来进行分辨出病虫害与自然生长情况、肥料不足的情况,总体来说本装置的识别方式更加准确、高效、可靠。需要说明的是,关于控制单元包括处理器、控制器等系统,处理器为存储着大数据的数据库。
实施例三:
图4示出了检测装置的总体方法流程图;
本发明第二方面提供了一种用于农业的自动对靶检测装置的检测方法,应用于任一所述的用于农业的自动对靶检测装置,具体包括以下步骤:
S102:获取农作物的生长实时信息;
S104:通过分析所述的生长实时信息记录摄像的位置点,生成位置信息;
S106:根据所述位置信息建立区域面积模型,得到模型信息;
S108:所述模型信息根据所述实时信息标记预设颜色,得到区域颜色模型并生成颜色模型信息;
S110:将所述颜色模型信息与预设颜色模型信息对比,得出偏差率;
S112:通过分析偏差率,制定处理方案;
S114:将所述处理方案传输至输出终端。
需要说明的是,利用摄像头获取农作物的生长实时信息,其中农作物的生成实时信息包括农作物的生长的高度、拍摄的时间点,用户可通过输入时间信息(如长出嫩芽的时间点),利用时间点的差别,进而计算出该作物的预设的农作物生长状况。利用此预设的农作物生长状况进行判断此阶段的生长状况是否正常,可以理解的是存储有这样的历史数据(该作物每个阶段的生长状况)。而且同时记录摄像的位置点,利用标靶与位置点的相对位置,方面后续的利用无人机喷洒系统进行移动至此位置进行施药或者除草无人机飞行至此位置进行除草等操作。而且根据对检测的区域分成多个面积区域,不同的面积区域对应着不同位置点,为后续的喷洒作业、施肥作业、除草作业等提供一个高效的作业效果。如在此过程中,每一种不同的情况代表着不一致的实际情况,如杂草的区域代表绿色,被害虫侵染的区域代表红色,缺肥料的区域代表红色,以及多种症状组合的情况代表其他颜色,以便人们能够进行对症下药。而且颜色的程度的深浅代表着该症状的程度,控制单元做一个判断,因在此类型中,对作物的生长情况基本不受影响,控制单元做出一个可行的报告,告知用户是否需要进行及时操作。可以理解为,与预设的颜色区域模型进行对比,从而根据偏差值进行判断,此偏差值为一个阈值范围。当在范围内时,说明还安全,但是当为害虫侵染农作物时,这时控制单元常为作出预警信号,提示用户提前预防。该输出终端一般为喷洒系统、除草系统、施肥系统等。
图5示出了图像处理的方法流程图;
进一步地,本发明的一个较佳实施例中,所述模型信息根据所述实时信息标记一种或者多种颜色,得到区域颜色模型并生成颜色模型信息具体包括:
S202:将所拍摄的图片采用中值滤波法进行平滑滤波处理,以消除图像的随机干扰噪声;
S204:对图像进行图像锐化处理,以加强图像中的轮廓边缘和细节,提取特征像素点;
S206:将所述特征像素点和邻域像素的灰度差与灰度差阈值作比较;
S208:当所述特征像素点和邻域像素的灰度差小于灰度差阈值时,提取该邻域特征并进行颜色标记此特征所在的区域。
需要说明的是,首先控制单元将所拍摄的图片采用中值滤波法进行平滑滤波处理,以消除图像的随机干扰噪声;中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点。方法是用某种结构的二维滑动模板,将板内像素按照像素值的大小进行排序,生成单调上升(或下降)的为二维数据序列。利用此中值滤波法来消除图像的干扰噪声。进一步地,对图像进一步锐化,加强图像中的轮廓边缘和细节,并且提取特征像素点。这里要说明的是,此特征像素点可理解为,农作物的生长情况有许多因素,如缺乏某种肥料、病虫害、杂草过多导致农作物生长缓慢等。而且本发明在这类型的检测当中,利用不同的颜色进行标记,而且颜色程度越深表示作物的生长状况受到的阻碍越大。并且制定一个实施方案,此类实施的方案可以包含多种实施的方式以及建议实行的时间段等情况,如在一个区域之中,该农作物缺乏某种肥料、病虫害、杂草过多导致农作物生长缓慢的情况,控制单元标记此区域,并用多种颜色进行标记,并且在病虫害区域计算出面积,从而根据病虫害的面积进行计算施药量,从而使得在这类情况中,减少农药的喷洒,避免农药喷洒过多,残留于环境中造成污染。而且当杂草过多时,此时首先检测该农作物的生长阶段,在实际的生长环境当中,都会以相同的间隔进行种植,每个区域的杂草的数量不一致,利用相同的间隔进行播种的方式,计算与杂草很多的区域的农作物相近的一处的农作物,从而得出杂草很多的区域的农作物的位置点的区域,进一步得出被杂草遮住的农作物区域,解决杂草的形态、颜色与作物形态、颜色相近造成误判的问题,从而从复杂的作物生长环境精确识别标靶。而且,一些生长缓慢的农作物,常常表现出叶子暗黄、枯萎等情况,而一些病虫侵染过的叶子也表现出叶子暗黄、枯萎等情况,而在这些类型的情况亦有相同之处,在图像识别的过程中,此时增加光照强度,每个叶子的厚度并不厚,在光照强度一定的情况下,被害虫侵染的叶子常常呈现出凹陷部分的阴影轮廓。而且当经过这一阶段时,利用特征像素点和邻域像素的灰度差与灰度差阈值作比较,此灰度阈值有多种情况,如被害虫侵染的叶片,叶片的某一部分始终形成一个残缺的部分,与缺少肥料的叶片表现出来的症状枯萎、叶子暗黄等情况,两者有着明显区别。不同情况下,灰度阈值都不一致。当所述特征像素点和邻域像素的灰度差小于灰度差阈值时,提取该邻域特征并进行颜色标记此特征所在的区域。如杂草的区域代表绿色,被害虫侵染的区域代表红色,缺肥料的区域代表红色,以及多种症状组合的情况代表其他颜色,以便人们能够进行对症下药。因此,利用此方式来进行分辨出病虫害与自然生长情况、肥料不足的情况,总体来说本装置的识别方式更加准确、高效、可靠。
进一步地,本发明的一个较佳实施例中,所述区域颜色模型为一种或多种颜色的组合,预设颜色的种类越多代表越多的外界因素阻碍农作物的生长。
进一步地,本发明的一个较佳实施例中,所述处理方案根据区域颜色模型的颜色种类的数目而制定,所述颜色的种类越多代表着所述处理方案的处理方式越多,并且所述颜色程度越深表示作物的生长状况受到的阻碍越大。
实施例四:
需要说明的是,害虫贴合于叶片上,特别是在贴附于背部侵染作物时,害虫存在于背部,被遮挡的部分占比不一致,当害虫完全遮挡或害虫只侵染了叶片背部但并未造成叶片损伤时,现有技术中难以从中检测,通过增强光源的光线,当害虫正在叶片的背部侵染叶片时,此时在图片的处理过程中即使害虫位于叶片的背部,但是所拍摄的图片之中依然能够通过像素特征点的采集得出一个阴影部分,从历史数据中的害虫的轮廓与此阴影部分轮廓进行对比,得出一个相似度。从而进行对相似度进行分析,当相似度符合预设阈值时,则可理解为有害虫侵蚀叶片。在害虫侵染叶片的背部时,叶片的背部有凹陷,根据作物的生长阶段的叶片,厚度发生变化,图片中的特征像素点出现阴影部分。此方法采集的数据更全面,提高了检测的精确度。而且光源发生器根据作物的厚度进行变换。
以上依据本发明的理想实施例为启示,通过上述的说明内容,相关人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定技术。
Claims (10)
1.一种用于农业的自动对靶检测装置,其特征在于,包括无人机组件、摄像组件、光源组件、控制单元;
所述无人机组件包括机架,所述机架的顶部一端设置有连杆,所述机架的底部一端连接支撑杆,所述支撑杆连接防护杆;
所述光源组件包括光源发生器,所述光源发生器一端连接蓄电池,另一端连接聚光镜,所述光源组件设置于支撑杆的内侧且所述光源组件与机架连接。
2.根据权利要求1所述的一种用于农业的自动对靶检测装置,其特征在于,所述光源发生器上设置有多个出光孔,所述出光孔用于发射一种或多种不同的波长的光。
3.根据权利要求1所述的一种用于农业的自动对靶检测装置,其特征在于,所述摄像组件包括摄像头保护罩,所述摄像头保护罩包裹摄像头,所述摄像头由固定块固定,所述固定块另一端连接微型电机,所述微型电机设置于机架底端。
4.根据权利要求1所述的一种用于农业的自动对靶检测装置,其特征在于,所述连杆的另一端连接定位仪,所述定位仪用于记录无人机的摄像头摄取图像的位置点。
5.根据权利要求2所述的一种用于农业的自动对靶检测装置,其特征在于,所述光源发生器用于根据环境的光照情况进行调节亮度,从出光孔发射出的光线通过聚光镜进行校正出光方向。
6.根据权利要求4所述的一种用于农业的自动对靶检测装置,其特征在于,摄像头摄取的图像通过所述控制单元处理,并将所述无人机的摄像头摄取图像的位置点根据图像的处理情况进行不同程度的颜色标记,所述颜色程度越深表示作物的生长状况受到的阻碍越大。
7.一种用于农业的自动对靶检测装置的检测方法,其特征在于,应用于权利要求1-6任一所述的用于农业的自动对靶检测装置,具体包括以下步骤:
获取农作物的生长实时信息;
通过分析所述的生长实时信息记录摄像的位置点,生成位置信息;
根据所述位置信息建立区域面积模型,得到模型信息;
所述模型信息根据所述实时信息标记预设颜色,得到区域颜色模型并生成颜色模型信息;
将所述颜色模型信息与预设颜色模型信息对比,得出偏差率;
通过分析偏差率,制定处理方案;
将所述处理方案传输至输出终端。
8.根据权利要求7所述的一种用于农业的自动对靶检测装置的检测方法,其特征在于,所述模型信息根据所述实时信息标记一种或者多种颜色,得到区域颜色模型并生成颜色模型信息具体包括:
将所拍摄的图片采用中值滤波法进行平滑滤波处理,以消除图像的随机干扰噪声;
对图像进行图像锐化处理,以加强图像中的轮廓边缘和细节,提取特征像素点;
将所述特征像素点和邻域像素的灰度差与灰度差阈值作比较;
当所述特征像素点和邻域像素的灰度差小于灰度差阈值时,提取该邻域特征并进行颜色标记此特征所在的区域。
9.根据权利要求7所述的一种用于农业的自动对靶检测装置的检测方法,其特征在于,所述区域颜色模型为一种或多种颜色的组合,预设颜色的种类越多代表越多的外界因素阻碍农作物的生长。
10.根据权利要求7所述的一种用于农业的自动对靶检测装置的检测方法,其特征在于,
所述处理方案根据区域颜色模型的颜色种类的数目而制定,所述颜色的种类越多代表着所述处理方案的处理方式越多,并且所述颜色程度越深表示作物的生长状况受到的阻碍越大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110552344.3A CN113418509A (zh) | 2021-05-20 | 2021-05-20 | 一种用于农业的自动对靶检测装置及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110552344.3A CN113418509A (zh) | 2021-05-20 | 2021-05-20 | 一种用于农业的自动对靶检测装置及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113418509A true CN113418509A (zh) | 2021-09-21 |
Family
ID=77712664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110552344.3A Pending CN113418509A (zh) | 2021-05-20 | 2021-05-20 | 一种用于农业的自动对靶检测装置及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113418509A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113895629A (zh) * | 2021-11-08 | 2022-01-07 | 广东省农业科学院蔬菜研究所 | 一种基于无人机的蔬菜生长监测及喷药系统 |
CN114298615A (zh) * | 2022-03-09 | 2022-04-08 | 浙江大学 | 一种农作物种植风险预防方法、装置、存储介质和设备 |
CN113895629B (zh) * | 2021-11-08 | 2024-04-26 | 广东省农业科学院蔬菜研究所 | 一种基于无人机的蔬菜生长监测及喷药系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108226224A (zh) * | 2018-01-30 | 2018-06-29 | 浙江大学 | 一种基于无人机热成像技术的作物病害监测方法和系统 |
CN109122634A (zh) * | 2018-08-10 | 2019-01-04 | 华南农业大学 | 一种基于机器视觉的无人机区域对靶变量施药控制装置与方法 |
EP3474109A1 (en) * | 2017-10-17 | 2019-04-24 | Topcon Corporation | Measuring device, control device for unmanned aerial vehicle and method for controlling unmanned aerial vehicle |
CN110069966A (zh) * | 2018-01-24 | 2019-07-30 | 南京机器人研究院有限公司 | 一种基于机器人的图像快速识别方法 |
CN110827269A (zh) * | 2019-11-11 | 2020-02-21 | 深圳前海微众银行股份有限公司 | 农作物生长变化状况检测方法、装置、设备及介质 |
CN111126174A (zh) * | 2019-12-04 | 2020-05-08 | 东莞理工学院 | 一种用于机器人抓取零件的视觉检测方法 |
CN111489338A (zh) * | 2020-04-07 | 2020-08-04 | 中铁工程服务有限公司 | 一种盾构机液压管路内部缺陷无损检测方法 |
US20210250539A1 (en) * | 2018-10-26 | 2021-08-12 | Autel Robotics Co., Ltd. | Image processing method and device for aerial camera, and unmanned aerial vehicle |
-
2021
- 2021-05-20 CN CN202110552344.3A patent/CN113418509A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3474109A1 (en) * | 2017-10-17 | 2019-04-24 | Topcon Corporation | Measuring device, control device for unmanned aerial vehicle and method for controlling unmanned aerial vehicle |
CN110069966A (zh) * | 2018-01-24 | 2019-07-30 | 南京机器人研究院有限公司 | 一种基于机器人的图像快速识别方法 |
CN108226224A (zh) * | 2018-01-30 | 2018-06-29 | 浙江大学 | 一种基于无人机热成像技术的作物病害监测方法和系统 |
CN109122634A (zh) * | 2018-08-10 | 2019-01-04 | 华南农业大学 | 一种基于机器视觉的无人机区域对靶变量施药控制装置与方法 |
US20210250539A1 (en) * | 2018-10-26 | 2021-08-12 | Autel Robotics Co., Ltd. | Image processing method and device for aerial camera, and unmanned aerial vehicle |
CN110827269A (zh) * | 2019-11-11 | 2020-02-21 | 深圳前海微众银行股份有限公司 | 农作物生长变化状况检测方法、装置、设备及介质 |
CN111126174A (zh) * | 2019-12-04 | 2020-05-08 | 东莞理工学院 | 一种用于机器人抓取零件的视觉检测方法 |
CN111489338A (zh) * | 2020-04-07 | 2020-08-04 | 中铁工程服务有限公司 | 一种盾构机液压管路内部缺陷无损检测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113895629A (zh) * | 2021-11-08 | 2022-01-07 | 广东省农业科学院蔬菜研究所 | 一种基于无人机的蔬菜生长监测及喷药系统 |
CN113895629B (zh) * | 2021-11-08 | 2024-04-26 | 广东省农业科学院蔬菜研究所 | 一种基于无人机的蔬菜生长监测及喷药系统 |
CN114298615A (zh) * | 2022-03-09 | 2022-04-08 | 浙江大学 | 一种农作物种植风险预防方法、装置、存储介质和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11744189B2 (en) | Plant treatment based on morphological and physiological measurements | |
US10192185B2 (en) | Farmland management system and farmland management method | |
US10721859B2 (en) | Monitoring and control implement for crop improvement | |
CA2740503C (en) | Variable rate sprayer system and method of variably applying agrochemicals | |
US8433483B2 (en) | Method and system for vehicular guidance with respect to harvested crop | |
Yang et al. | Comparison of airborne multispectral and hyperspectral imagery for mapping cotton root rot | |
WO2019014703A1 (en) | 2D AND / OR 3D IMAGING DEVICE WITH ACTIVE LIGHTING FOR AGRICULTURE | |
US20200375172A1 (en) | Device to detect and exercise control over weeds applied on agricultural machinery | |
Steward et al. | Machine-vision weed density estimation for real-time, outdoor lighting conditions | |
CN113418509A (zh) | 一种用于农业的自动对靶检测装置及检测方法 | |
Pauly | Applying conventional vegetation vigor indices to UAS-derived orthomosaics: issues and considerations | |
CN113313737B (zh) | 一种基于计算机视觉的诱虫瓶昆虫计数方法以及计数装置 | |
WO2020142822A1 (pt) | Dispositivo dotado de sistema de visão e identificação instalado em equipamento agrícola | |
Liu et al. | Development of a proximal machine vision system for off-season weed mapping in broadacre no-tillage fallows | |
Blakeman | The identification of crop disease and stress by aerial photography | |
Kim et al. | Case study: Cost-effective weed patch detection by multi-spectral camera mounted on unmanned aerial vehicle in the buckwheat field | |
JP3551264B2 (ja) | 植物活力変動の評価画像作成方法 | |
Sökefeld et al. | Image acquisition for weed detection and identification by digital image analysis | |
Ranganath et al. | Detection of diseased rubber plantations using satellite remote sensing | |
Schumann et al. | Georeferenced ground photography of citrus orchards to estimate yield and plant stress for variable rate technology | |
NGUYEN | Development of a smart sprayer system for rice fields in the Vietnamese Mekong Delta | |
WO2023193072A1 (pt) | Sistema, dispositivo e método para identificação de plantas e controle de pulverização | |
WO2022268756A1 (en) | Apperatus and method for measuring insect activity | |
CN113895629A (zh) | 一种基于无人机的蔬菜生长监测及喷药系统 | |
Shahbazi | Use of Light Detection and Ranging (LiDAR) to detect and map weeds that grow taller than crops at harvest |
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 |
Application publication date: 20210921 |
|
RJ01 | Rejection of invention patent application after publication |