CN113498639B - 一种除草装置及除草方法 - Google Patents

一种除草装置及除草方法 Download PDF

Info

Publication number
CN113498639B
CN113498639B CN202111065724.0A CN202111065724A CN113498639B CN 113498639 B CN113498639 B CN 113498639B CN 202111065724 A CN202111065724 A CN 202111065724A CN 113498639 B CN113498639 B CN 113498639B
Authority
CN
China
Prior art keywords
weeding
target
assembly
weeds
image
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
CN202111065724.0A
Other languages
English (en)
Other versions
CN113498639A (zh
Inventor
孙涛
薛新宇
崔龙飞
乐飞翔
张宋超
金永奎
丁素明
蔡晨
徐阳
孔伟
秦维彩
陈晨
孙竹
顾伟
周立新
张玲
王宝坤
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.)
Nanjing Research Institute for Agricultural Mechanization Ministry of Agriculture
Original Assignee
Nanjing Research Institute for Agricultural Mechanization Ministry of Agriculture
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 Nanjing Research Institute for Agricultural Mechanization Ministry of Agriculture filed Critical Nanjing Research Institute for Agricultural Mechanization Ministry of Agriculture
Priority to CN202111065724.0A priority Critical patent/CN113498639B/zh
Publication of CN113498639A publication Critical patent/CN113498639A/zh
Application granted granted Critical
Publication of CN113498639B publication Critical patent/CN113498639B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01BSOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
    • A01B39/00Other machines specially adapted for working soil on which crops are growing
    • A01B39/12Other machines specially adapted for working soil on which crops are growing for special purposes, e.g. for special culture
    • A01B39/18Other machines specially adapted for working soil on which crops are growing for special purposes, e.g. for special culture for weeding
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01BSOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
    • A01B39/00Other machines specially adapted for working soil on which crops are growing
    • A01B39/20Tools; Details
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50Constructional details
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60Control of cameras or camera modules
    • H04N23/695Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects

Abstract

本发明公开了一种除草装置及除草方法,其属于机械除草技术领域,除草装置包括连接组件、全局摄像模组、局部摄像模组、主控制系统及多组除草机构;全局摄像模组在位于除草装置行进方向侧的第一区域内拍摄目标经济作物与杂草的分布图像,局部摄像模组拍摄位于除草装置行进方向侧的第二区域内的绿色分布图像;主控制系统根据目标经济作物与杂草的分布图像得到目标经济作物分布信息,并根据绿色分布图像和目标经济作物分布信息得到杂草分布信息,以及根据杂草分布信息控制升降驱动件及除草组件动作,以使除草组件去除杂草。本发明用于田间机械除草,能够在保护农田环境和维护目标经济作物生长的基础上,具有较高的除草效率和较好的除草效果。

Description

一种除草装置及除草方法
技术领域
本发明涉及机械除草技术领域,尤其涉及一种除草装置及除草方法。
背景技术
目标经济作物的种植可以为农民带来显著的经济收益,其种植区域分布于我国多个省市自治区,我国农田目标经济作物的种植普遍采用轮作方式。前茬作物种类及栽培方式的不同,使得目标经济作物种植时田间杂草的发生情况也呈现很大的差异性。同时,常年使用化学除草剂来进行田间杂草清除,目标经济作物田间杂草的种群结构产生了很大的变化,杂草种类繁多,杂草的生长时间与发生特点也呈现很大的差异性。
田间杂草的丛生会对目标经济作物的苗期生长发育产生很大的负面影响,常规除草的方式一般是用除草剂,虽然除草剂的使用可以带来较好的效果,但是由于目标经济作物播种后及苗期,田间杂草的分布面积较小,田间分布均匀性低,施用化学除草剂时一般容易造成过量施用,这不仅会对农田及水域环境造成破坏,同时也会增加农药残留的风险;并且,长期过量施用除草剂,还将破坏农田环境的平衡,造成杂草耐药性的提高,使得除草的效果逐渐变差。需要设计一种机械除草的方式,以在保护农田环境、维护目标经济作物生长及有效除草方面均具有较好的效果。
发明内容
本发明的目的在于提供一种除草装置及除草方法,用于田间机械除草,能够在保护农田环境和维护目标经济作物生长的基础上,具有较高的除草效率和较好的除草效果。
如上构思,本发明所采用的技术方案是:
一种除草装置,包括:
连接组件;
除草机构,设有多组,多组除草机构沿Y向依次排布,每组所述除草机构包括支撑组件、升降驱动件及除草组件,所述支撑组件连接于所述连接组件,所述升降驱动件固接于所述支撑组件,所述除草组件连接于所述升降驱动件的输出端,所述升降驱动件用于驱动所述除草组件升降;
全局摄像模组,用于在位于所述除草装置行进方向侧的第一区域内拍摄目标经济作物与杂草的分布图像;
局部摄像模组,设有多组,多组所述局部摄像模组与多组除草机构一一对应,且所述局部摄像模组固设于与其对应的所述除草机构的所述支撑组件上,所述局部摄像模组用于拍摄位于所述除草装置行进方向侧的第二区域内的绿色分布图像,所述绿色分布图像为所述第二区域内的目标经济作物与杂草的分布图像;
主控制系统,控制连接于所述升降驱动件、所述除草组件、所述全局摄像模组及所述局部摄像模组,所述主控制系统用于根据所述目标经济作物与杂草的分布图像得到目标经济作物分布信息,并用于根据所述绿色分布图像和所述目标经济作物分布信息得到杂草分布信息,以及用于根据所述杂草分布信息控制所述升降驱动件及所述除草组件动作,以使除草组件去除杂草。
可选地,所述除草机构还包括连杆组件,所述连杆组件包括第一连杆、第二连杆、滑板及多个滑轮;
所述升降驱动件的输出端连接于所述第一连杆的一端,并用于驱动所述第一连杆转动,所述第一连杆的另一端转动连接于所述第二连杆的一端,所述第二连杆的另一端转动连接于所述滑板的顶端,所述滑板通过多个所述滑轮滑动连接于所述支撑组件,且所述滑板的底端固接于所述除草组件。
可选地,所述除草组件包括除草固定架、除草驱动件及除草轮,所述除草固定架连接于所述升降驱动件,所述除草驱动件固设于所述除草固定架,且所述除草驱动件驱动连接于所述除草轮,并能驱动除草轮旋转,所述除草轮沿周向设有多个梳齿,所述除草轮旋转能通过多个梳齿接触并破坏杂草。
可选地,所述除草机构还包括排泥组件,所述排泥组件包括固接于所述支撑组件的排泥壳及连接于所述排泥壳底端且相对设置的两个挡泥板,所述排泥壳具有贯穿其两端的通孔,所述除草轮滑动穿设于所述通孔中。
可选地,所述排泥壳和/或所述挡泥板上设有多个排泥齿,多个所述排泥齿间隔设置,并避让所述梳齿,所述排泥齿用于刮除附着于所述梳齿上的泥。
可选地,还包括多个阻尼组件,多个所述阻尼组件与多个所述支撑组件一一对应,所述支撑组件铰接于所述连接组件,所述阻尼组件包括两个阻尼弹簧,两个所述阻尼弹簧位于对应的所述支撑组件沿所述X向的两侧,两个所述阻尼弹簧的一端分别固接于所述支撑组件,两个所述阻尼弹簧的另一端分别连接于所述连接组件沿所述X向的两端。
可选地,还包括照明组件,所述照明组件设有一个或多个,所述照明组件固设于所述连接组件,并用于对所述第一区域及所述第二区域照明。
一种除草方法,应用于如上所述的除草装置,包括如下步骤:
获取全局摄像模组在位于除草装置行进方向侧的第一区域内拍摄的目标经济作物与杂草的分布图像;
获取局部摄像模组在位于除草装置行进方向侧的第二区域内拍摄的绿色分布图像,所述绿色分布图像为所述第二区域内的目标经济作物与杂草的分布图像;
根据所述目标经济作物与杂草的分布图像确定目标经济作物分布信息;
根据所述目标经济作物分布信息及所述绿色分布图像确定杂草分布信息;
根据所述杂草分布信息控制升降驱动件及除草组件动作,以去除杂草。
可选地,所述除草方法还包括:
采集目标经济作物在预设条件下的图像,并制作数据集,所述预设条件包括不同时间段、不同光照条件、不同大小、不同拍摄角度;
对所述数据集中的目标经济作物进行打标签处理,并创建训练数据;
基于卷积神经网络算法的目标检测模型对所述训练数据进行检测训练,并生成目标经济作物检测模型;
所述根据所述目标经济作物与杂草的分布图像确定目标经济作物分布信息包括:调用所述目标经济作物检测模型分析所述目标经济作物与杂草的分布图像,并得到所述目标经济作物的分布信息。
可选地,根据所述目标经济作物分布信息及所述绿色分布图像确定杂草分布信息,包括:
根据所述目标经济作物分布信息确定非目标经济作物区域;
将所述绿色分布图像中位于所述非目标经济作物区域中的绿色作物确定为杂草;
根据所述非目标经济作物区域中的杂草分布得到杂草分布信息。
本发明至少具有如下有益效果:
本发明提供的除草装置,通过全局摄像模组得到第一区域内目标经济作物及杂草的分布图像,并通过局部摄像模组拍摄第二区域内的绿色分布图像,通过主控制系统根据目标经济作物与杂草的分布图像及绿色分布图像计算得到杂草分布信息,根据杂草分布信息中杂草的分布情况控制位于杂草上方的除草机构的升降驱动件及除草组件动作,以能够将杂草去除,实现了机械化除草,通过机械化除草替代化学除草,不仅可以起到目标经济作物苗期除草的效果,更可以防止因除草剂施用对农田及水域环境造成的破坏,能够在保护农田环境和维护目标经济作物生长的基础上,具有较高的除草效率和较好的除草效果。
并且,本发明中,全局摄像模组和局部摄像模组分工明确,全局摄像模组用于在第一区域进行非目标经济作物区域的划分,局部摄像模组则用于检测第二区域内是否有绿色作物,两者分析系统的算法都相对简单易执行,且分析速度快,并且局部摄像模组离采样面距离近,成像效果好,可以对尺寸较小的杂草进行检测,弥补了全局摄像模组成像在细节上不足的缺陷。
附图说明
图1是本发明实施例一提供的除草装置的结构示意图;
图2是本发明实施例一中图1所示的A处放大示意图;
图3是本发明实施例一提供的除草装置的主视图;
图4是本发明实施例一中图3所示的B-B剖视图;
图5是本发明实施例一提供的除草装置的侧视图;
图6是本发明实施例一提供的除草机构及排泥组件的装配示意图;
图7是本发明实施例一提供的图6所示结构的分解示意图;
图8是本发明实施例一提供的排泥组件的结构示意图;
图9是本发明实施例一提供的全局摄像模组的安装示意图;
图10是本发明实施例一提供的除草装置的控制示意图;
图11是本发明实施例二提供的一种除草方法的流程图;
图12是本发明实施例二提供的另一种除草方法的流程图;
图13是本发明实施例二提供的目标经济作物及杂草的分布图像;
图14是本发明实施例二提供将目标经济作物所在区域转换为黑色后的图像;
图15是本发明实施例二提供仅显示杂草的图像;
图16是本发明实施例二提供的一张图像的控制码。
图中:
1、连接组件;
2、除草机构;21、支撑组件;211、V型轨道;22、升降驱动件;23、除草组件;231、除草固定架;232、除草驱动件;233、除草轮;2331、梳齿;24、连杆组件;241、第一连杆;242、第二连杆;243、滑板;244、滑轮;
3、全局摄像模组;
4、局部摄像模组;
5、主控制系统;
6、排泥组件;61、排泥壳;62、挡泥板;63、排泥齿;
7、阻尼组件;71、阻尼弹簧;
8、照明组件;
9、第一摄像支架;
101、第二摄像支架;102、第三摄像支架;
20、田间管理机器人速度、位置信息采集系统;30、图像处理系统;40、升降驱动件控制系统;50、除草驱动件控制系统。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“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,仅是为了便于描述本发明和简化描述,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发明的限制。此外,术语“第一”、“第二”、仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,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;可以是机械连接,也可以是电连接;可以是直接相连,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,可以具体情况理解上述术语在本发明中的具体含义。
实施例一
本实施例提供了一种除草装置,用于田间机械除草,能够在保护农田环境和维护目标经济作物生长的基础上,具有较高的除草效率和较好的除草效果。
如图1和图2所示,除草装置包括连接组件1、除草机构2、全局摄像模组3、局部摄像模组4及主控制系统5。
其中,连接组件1用于与其他设备连接,使得其他设备能够通过连接组件1带动除草装置沿X向移动,以遍历整个农田。示例地,其他设备可以为田间管理机器人,田间管理机器人能够自主运动,且其移动速度能够被控制。可选地,连接组件1包括三根挂载支架横杆和两根挂载支架竖杆,三根挂载支架横杆连接在两根挂载支架竖杆之间,且三根挂载支架横杆均匀且间隔设置。田间管理机器人可以具有挂钩等固定结构,并通过固定结构固定挂载支架横杆和/或挂载支架竖杆,以带动连接组件1移动。连接组件1由铝合金型材及角件连接组成,具有质量轻强度高、扩展安装能力强的优点。
如图1所示,除草机构2设有多组,多组除草机构2沿垂直于X向的Y向依次排布并均连接于连接组件1,且相邻两组除草机构2相互不干扰。每组除草机构2包括支撑组件21、升降驱动件22及除草组件23。其中,支撑组件21连接于连接组件1的底面,升降驱动件22固接于支撑组件21,除草组件23连接于升降驱动件22的输出端,使得升降驱动件22能驱动除草组件23在Z向升降,除草组件23能够机械去除杂草。示例地,除草组件23可以以转动的方式与杂草接触,并搅碎杂草,或者,除草组件23还可以水平移动,将杂草铲除,本实施例对除草组件23去除杂草的方式不作限定。
全局摄像模组3连接于连接组件1和/或田间管理机器人,使得全局摄像模组3能够在X向移动。全局摄像模组3用于在第一区域内拍摄目标经济作物与杂草的分布图像,以用于挑选目标经济作物,进而能够实现非目标经济作物的划分;该第一区域位于除草装置的行进方向侧,可以理解的是,全局摄像模组3的作用是拍摄还未处理的区域的目标经济作物,因此,第一区域为除草装置即将到达的区域。需要说明的是,第一区域不是地面上固定的区域,而是随着除草装置位置不同而发生变化,但第一区域的大小是一定的。
请参见图2,上述局部摄像模组4设有多组,多组局部摄像模组4与多组除草机构2一一对应,且局部摄像模组4固设于与其对应的除草机构2的支撑组件21上。局部摄像模组4位于支撑组件21沿X向的一侧,且局部摄像模组4用于拍摄第二区域内的绿色分布图像,以确定杂草的具体位置。其中,所述绿色分布图像为所述第二区域内的目标经济作物与杂草的分布图像。该第二区域位于除草装置的行进方向侧,可以理解的是,局部摄像模组4的作用是拍摄还未处理的区域的杂草,因此,第二区域为除草装置即将到达的区域。需要说明的是,第二区域小于第一区域,且局部摄像模组4拍摄的图片用于确定如何控制该局部摄像模组4对应的除草机构2动作。
主控制系统5控制连接于升降驱动件22、除草组件23、全局摄像模组3及局部摄像模组4。并且,主控制系统5用于根据全局摄像模组3拍摄的目标经济作物与杂草的分布图像得到目标经济作物分布信息,并用于根据局部摄像模组4拍摄的绿色分布图像和目标经济作物分布信息得到杂草分布信息,以及用于根据杂草分布信息控制对应的升降驱动件22及除草组件23动作,以去除杂草。其中,根据杂草分布信息控制对应的升降驱动件22及除草组件23动作是指控制位于杂草正上方的除草机构2的升降驱动件22及除草组件23动作,以将该杂草去除。
本实施例提供的除草装置,通过全局摄像模组3得到第一区域内目标经济作物及杂草的分布图像,并通过局部摄像模组4拍摄第二区域内的绿色分布图像,通过主控制系统5根据目标经济作物与杂草的分布图像及绿色分布图像计算得到杂草分布信息,根据杂草分布信息中杂草的分布情况控制位于杂草上方的除草机构2的升降驱动件22及除草组件23动作,以能够将杂草去除,实现了机械化除草,通过机械化除草替代化学除草,不仅可以起到目标经济作物苗期除草的效果,更可以防止因除草剂施用对农田及水域环境造成的破坏,能够在保护农田环境和维护目标经济作物生长的基础上,具有较高的除草效率和较好的除草效果。
并且,本实施例的主控制系统5在图像处理过程上算法简单,只需要对目标经济作物这一主要目标建立目标检测模型,田间杂草种类繁多,且同一时期会出现不同生长期的杂草,因此,现有技术中对杂草进行图像采集及目标检测模型的工作量大,且会给图像处理系统30造成较大的工作负担,增加系统的处理时间,影响了除草效率。
而本实施例中,全局摄像模组3和局部摄像模组4分工明确,全局摄像模组3用于在第一区域进行非目标经济作物区域的划分,局部摄像模组4则用于检测第二区域内是否有绿色作物,两者分析系统的算法都相对简单易执行,且分析速度快,并且局部摄像模组4离采样面距离近,成像效果好,可以对尺寸较小的杂草进行检测,弥补了全局摄像模组3成像在细节上不足的缺陷。
可选地,如图3和图4所示,除草机构2还包括连杆组件24,升降驱动件22通过连杆组件24驱动连接于除草组件23。
具体地,如图4或图6所示,连杆组件24包括第一连杆241、第二连杆242、滑板243及多个滑轮244。
其中,升降驱动件22的输出端连接于第一连杆241的一端,并用于驱动第一连杆241转动。第一连杆241的另一端转动连接于第二连杆242的一端,使得第一连杆241在升降驱动件22的驱动下转动时,能够带动第二连杆242转动。第二连杆242的另一端转动连接于滑板243的顶端,且第二连杆242转动时,能够驱动滑板243在Z向移动,滑板243通过多个滑轮244滑动连接于支撑组件21,以通过支撑组件21进行导向。并且,滑板243的底端固接于除草组件23,使得滑板243能够带动除草组件23在Z向上移动,以实现除草组件23的升降。
可选地,本实施例中,多个滑轮244均匀分布于滑板243的两侧,以能够提高滑板243滑动时的稳定性。并且,如图7所示,本实施例中的滑轮244为V型轮,也即是,滑轮244的表面具有V型槽,支撑组件21具有滑槽,滑板243及多个滑轮244分别位于滑槽中,且滑槽内设有四个V型轨道211,位于滑板243一侧的滑轮244通过V型槽卡设在相对的两个V型轨道211之间,位于滑板243另一侧的滑轮244通过V型槽卡设在相对的另两个V型轨道211之间。
如图6所示,升降驱动件22驱动第一连杆241逆时针转动时,第一连杆241的另一端带动第二连杆242向下移动,使得第二连杆242带动滑板243向下移动,以实现除草组件23的下降。升降驱动件22驱动第一连杆241顺时针转动时,第一连杆241的另一端带动第二连杆242向上移动,使得第二连杆242带动滑板243向上移动,以实现除草组件23的向上移动。
请参见图4、图5和图7,除草组件23包括除草固定架231、除草驱动件232及除草轮233。其中,除草固定架231连接于升降驱动件22,具体地,除草固定架231连接于滑板243的底端。在一些实施例中,除草固定架231包括顶板和两个侧板,顶板连接于滑板243的底端,两个侧板分别连接于顶板且相对设置。
除草驱动件232固设于除草固定架231,具体地,除草驱动件232位于两个侧板之间,且与两个侧板分别连接。并且,除草驱动件232驱动连接于除草轮233,并能驱动除草轮233旋转。可选地,除草轮233为空心结构,且除草轮233固定套设于除草驱动件232外,以便于除草驱动件232带动除草轮233旋转。在一些实施例中,除草驱动件232为旋转电机等能够向外输出扭矩的部件。在另外一些实施例中,除草驱动件232包括外转子电机及转子外接转轴,转子外接转轴通过螺栓固定安装于外转子电机的第一定位孔,转子外接转轴的另一端则插入安装至一个侧板的第一安装孔中,且该第一安装孔中装有轴承。除草轮233套装于外转子电机的外转子部分,通过紧定螺钉进行固定,使除草轮233与外转子部分不会发生相对滑动。外转子电机的定子部分通过第二定位孔安装于另一个侧板;当外转子电机转动时,定子部分保持不动,转子外接转轴随着外转子部分在另一个侧板的第二定位孔中转动,共同对外转子电机起到支撑作用,同时又不影响其转动。除草轮233与外转子部分同步转动。
如图5所示,除草轮233沿周向设有多个梳齿2331,多个梳齿2331沿除草轮233的周向及轴向间隔设置,除草轮233旋转能通过多个梳齿2331接触并破坏杂草。可选地,梳齿2331的材料为塑料等较硬的材料,以能够顺利地除草。滚式的除草轮233通过梳齿2331与杂草进行接触,高速旋转对杂草的叶片组织进行破坏,破坏其光合作用,从而起到除草的目的。除草驱动件232通过力矩反馈,与升降驱动件22形成联动,从而维持一定的工作扭矩,保证了除草的效果,避免固定升降行程而导致除草驱动件232空转与过载的现象出现,保证了除草效果。
进一步地,如图6和图7所示,除草机构2还包括排泥组件6,具体地,排泥组件6包括固接于支撑组件21的排泥壳61及连接于排泥壳61底端且相对设置的两个挡泥板62。排泥壳61具有贯穿其两端的通孔,除草轮233滑动穿设于通孔中,挡泥板62用于遮挡梳齿2331甩出的泥,以防止梳齿2331甩出的泥飞溅。需要说明的是,除草轮233在除草时,除草轮233或梳齿2331伸出挡泥板62预设长度,以便于与杂草接触,还能够防止挡泥板62干扰除草;除草轮233未进行除草时,除草轮233位于两个挡泥板62之间,使得挡泥板62能够保护除草轮233。
进一步地,如图8所示,排泥壳61的内壁和/或排泥板62的内壁还设有多个排泥齿63。多个排泥齿63间隔设置,排泥齿63避让梳齿2331且能够允许梳齿2331穿过,排泥齿63用于刮除附着于梳齿2331上的泥。
可选地,请参见图5,除草装置还包括第一摄像支架9,第一摄像支架9固设于排泥组件6上,局部摄像模组4固设于第一摄像支架9上。具体地,第一摄像支架9设有多个,多个第一摄像支架9与多个排泥组件6及多个局部摄像模组4分别一一对应,且每个第一摄像支架9固设在与其对应的排泥组件6上,每个局部摄像模组4固设于与其对应的第一摄像支架9上。需要说明的是,局部摄像模组4的镜头方向朝下,以便于对除草轮233执行端前方的地面情况进行图像的拍摄。
本实施例中,如图9所示,全局摄像模组3可以通过第二摄像支架101及第三摄像支架102固定在连接组件1或田间管理机器人上,其中,第二摄像支架101沿水平方向延伸,第三摄像支架102沿竖直方向延伸,全局摄像模组3固设于第二摄像支架101上。可选地,第二摄像支架101与第三摄像支架102分别可伸缩,且全局摄像模组3的镜头方向朝下,以能够对第一区域田间目标经济作物及杂草的分布情况进行图像的拍摄,并且,通过第二摄像支架101与第三摄像支架102可伸缩,使得全局摄像模组3的安装高度可以根据图像的视野要求进行调节。
本实施例中,如图5所示,除草装置还包括多个阻尼组件7。多个阻尼组件7与多个支撑组件21一一对应。并且,支撑组件21铰接于连接组件1,具体地,支撑组件21铰接于三根挂载支架横杆中位于中间的挂载支架横杆。每个阻尼组件7分别包括两个阻尼弹簧71,两个阻尼弹簧71位于对应的支撑组件21沿X向的两侧,且两个阻尼弹簧71的一端分别固接于支撑组件21,两个阻尼弹簧71的另一端分别连接于连接组件1沿X向的两端,具体地,两个阻尼弹簧71的另一端分别连接于位于边缘的两根挂载支架横杆。通过设置阻尼组件7,使得支撑组件21可以沿X向摆动,使得支撑组件21或排泥组件6在受到外力时可以摆动,同时由于支撑组件21的两侧均连接有阻尼弹簧71,在外力消失后,支撑组件21可以复位至中间位置。可见,本实施例提供的除草装置,当除草轮233在工作时遇到地面凸起障碍物时,一方面可以通过升降驱动件22将除草轮233抬起来进行避障,同时也可以通过阻尼组件7来进行X向的位移,防止除草轮233等结构损坏。
请参见图3和图5,除草装置还包括照明组件8,照明组件8设有一个或多个,一个或多个照明组件8固设于连接组件1,并用于对第一区域及第二区域照明。可选地,照明组件8的角度可调节,以具有较好的照明效果。
本实施例中,如图10所示,除草装置还包括田间管理机器人速度、位置信息采集系统20,该田间管理机器人速度、位置信息采集系统20用于获取或采集田间管理机器人的速度及位置信息,并将该田间管理机器人的速度及位置信息发送至主控制系统5。
请继续参见图10,主控制系统5通过图像处理系统30处理全局摄像模组3及局部摄像模组4拍摄的图片及信息,主控制系统5通过升降驱动件控制系统40控制升降驱动件22的动作,以及通过除草驱动件控制系统50控制除草驱动件232的动作。可以理解的是,除草装置还包括电力系统,电力系统用于为主控制系统5、全局摄像模组3、局部摄像模组4、升降驱动件22及除草驱动件232提供电能。
实施例二
本实施例还提供了一种除草方法,应用于实施例一所述的除草装置,如图11所示,该除草方法包括如下步骤:
S1、获取全局摄像模组3在位于除草装置行进方向侧的第一区域内拍摄的目标经济作物与杂草的分布图像。
全局摄像模组3的位置较高,因此,全局摄像模组3能够拍摄较大面积的图像。需要说明的是,全局摄像模组3拍摄得到的图像应满足清楚地拍摄到第一区域内的每个目标经济作物。图13为全局摄像模组3拍摄的目标经济作物与杂草的分布图像,其中,六角星图案表示目标经济作物,菱形图案、椭圆形图案及三角形图案分别表示不同类型的杂草。
S2、获取局部摄像模组4在位于除草装置行进方向侧的第二区域内拍摄的绿色分布图像。
局部摄像模组4的位置较低,因此,局部摄像模组4能拍摄较小面积的图像,但是局部摄像模组4的分辨率较高,以能够准确地定位杂草。需要说明的是,局部摄像模组4拍摄得到的图像应满足清楚地拍摄到第二区域内的每个杂草。
可选地,绿色分布图像为所述第二区域内的目标经济作物与杂草的分布图像。图像处理系统30可以根据绿色分布图像得到绿色分布信息,该绿色分布信息具体指局部摄像模组4拍摄的图像中绿色的分布位置,该绿色包括目标经济作物成像后的绿色和杂草成像后的绿色。可选地,绿色的分布位置及大小可以通过图像的像素点进行标记,或者,还可以通过在图像上建立坐标系进行标记,只需能够记录绿色所在的位置及每个绿色的大小即可。
可选地,步骤S1与步骤S2的先后顺序可以根据实际需求进行调整,本实施例对此不作限定。
S3、根据所述目标经济作物与杂草的分布图像确定目标经济作物分布信息。
在步骤S3中,在得到目标经济作物与杂草的分布图像后,主控制系统5先确定目标经济作物所在的区域,该区域为除草组件23中的除草轮233不能下降的区域,以防止损伤目标经济作物,目标经济作物所在区域以外的区域定义为非目标经济作物区域。可选地,目标经济作物分布信息具体指目标经济作物在分布图像中的位置及大小。可选地,目标经济作物的分布位置及大小可以通过图像的像素点进行标记,或者,还可以通过在图像上建立坐标系进行标记,只需能够记录目标经济作物所在的位置及每个目标经济作物的大小即可。
S4、根据目标经济作物分布信息及绿色分布图像确定杂草分布信息。
在步骤S4中,可以先在全局摄像模组3拍摄的图像中,将目标经济作物所在的区域转换为黑色,处理后的图像如图14所示,黑色的区域代表目标经济作物所在的区域。然后,在局部摄像模组4拍摄的图像中,将除绿色所在区域之外的区域设置为黑色,也即是,将露出的土地所在的区域转换为黑色。之后,将转换后的图像进行叠合处理。
具体地,叠合处理的过程如下:(1)、进行图像预处理与分析区域的选择,根据图像的视场宽度与分辨率,对图像进行裁剪,剪裁后的新图像的视场宽度为多个除草组件23的总工作宽度w2,图像中心点不变,分析区域图像宽度方向像素点个数为w2*m/w1,其中,m为原图像宽度方向上的像素点个数,w1为原图像的宽度,长度方向的像素点个数为n。(2)、对目标经济作物进行识别与框选,并将目标经济作物识别定位框区外的区域定义为杂草待选区域,同时,令目标经济作物识别定位框内的图像转为黑色(R=G=B=0),其余区域为白色(R=G=B=255),得到如图14所示的图像;(3)、根据单个除草轮233工作宽度对图像进行分辨率转换,除草轮233个数为a,单个除草轮233工作宽度为w2/a,单次升降执行距离为L2,将新图像分辨率重置为(a,L1/L2);新图像单个像素点其颜色转换由步骤(2)中其原始所包含像素点的0与1的比例系数η决定(即为像素点所包含的区域中目标经济作物部分的面积占比),当0与1的比例大于η,则将该像素点内图像转为黑色(R=G=B=0);当0与1的比例不大于η,则将该像素点内图像转为白色(R=G=B=255),依照此方法,对新图像进行重新赋值。
S5、根据杂草分布信息控制升降驱动件22及除草组件23动作,以去除杂草。
本实施例提供的除草方法,通过全局摄像模组3得到第一区域内目标经济作物及杂草的分布图像,并通过局部摄像模组4拍摄第二区域内的绿色分布图像,通过主控制系统5根据目标经济作物与杂草的分布图像及绿色分布图像计算得到杂草分布信息,根据杂草分布信息中杂草的分布情况控制位于杂草上方的除草机构2的升降驱动件22及除草组件23动作,以能够将杂草去除,实现了机械化除草,通过机械化除草替代化学除草,不仅可以起到目标经济作物苗期除草的效果,更可以防止因除草剂施用对农田及水域环境造成的破坏,能够在保护农田环境和维护目标经济作物生长的基础上,具有较高的除草效率和较好的除草效果,
并且,本实施例的主控制系统5在图像处理过程上算法简单,只需要对目标经济作物这一主要目标建立目标检测模型,田间杂草种类繁多,且同一时期会出现不同生长期的杂草,因此,现有技术中对杂草进行图像采集及目标检测模型的工作量大,且会给图像处理系统30造成较大的工作负担,增加系统的处理时间,影响了除草效率。
可选地,如图12所示,除草方法还包括如下步骤:
S01、采集目标经济作物在预设条件下的图像,并制作数据集,预设条件包括不同时间段、不同光照条件、不同大小、不同拍摄角度。
在步骤S01中,采集目标经济作物在不同时间段、不同光照条件、不同大小及不同拍摄角度下的图像,以便于在全局摄像模组3拍摄的图像中快速且准确地锁定目标经济作物,以便于区分目标经济作物与非目标经济作物,避免出现除草组件23误将目标经济作物去除的情况。
S02、对数据集中的目标经济作物进行打标签处理,并创建训练数据。
本实施例中,得到数据集后,对数据集中每个图像中的目标经济作物进行打标签处理,也即是,标记每个图像中的目标经济作物,并根据目标经济作物不同时间段、不同光照条件、不同大小、不同拍摄角度的特征创建训练数据,训练数据能够在新的图像中快速锁定目标经济作物。
S03、基于卷积神经网络算法的目标检测模型对训练数据进行检测训练,并生成目标经济作物检测模型。
本实施例中,基于卷积神经网络算法的目标检测模型对训练数据进行检测训练的具体方式可以参考现有技术,本实施例对此不作限定。检测训练的目的是为了提高识别目标经济作物的准确性。
如图12所示,上述步骤S3包括:
S31、调用目标经济作物检测模型分析目标经济作物与杂草的分布图像,并得到目标经济作物的分布信息。
在步骤S31中,主控制系统5调用目标经济作物检测模型,以在全局摄像模组3拍摄的目标经济作物与杂草的分布图像中锁定目标经济作物,并得到目标经济作物的分布信息。
可选地,在本实施例中,步骤S4包括如下步骤:
S41、根据目标经济作物分布信息确定非目标经济作物区域。
主控制系统5或图像处理系统30根据目标经济作物分布信息确定非目标经济作物区域。
S42、将绿色分布图像中位于非目标经济作物区域中的绿色作物确定为杂草。
主控制系统5将绿色分布图像及目标经济作物与杂草分布图像进行融合,使得绿色分布图像中对应有非目标经济作物区域,将绿色分布图像中位于非目标经济作物区域中的绿色确定为杂草,以便于除草组件23去除杂草。
S43、根据非目标经济作物区域中的杂草分布得到杂草分布信息。
主控制系统5在确定非目标经济作物区域中的杂草后,需要对杂草进行定位,以便于控制升降驱动件22及除草组件23动作,进而便于去除杂草。
下面,为了便于理解,本实施例将详细描述上述除草方法。
1)前期准备:前期准备主要为目标经济作物苗期图像数据集采集与目标检测模型建立。在此步骤中,需要采集大量的目标经济作物苗期图像,包括不同时间段、不同光照、不同大小、不同拍摄角度等条件下的图像,制作数据集;对图像中的目标经济作物图像进行打标签处理,并生成相应的xml文件,同时创建训练数据。借助基于卷积神经网络算法的目标检测模型对目标经济作物图像进行检测训练;生成目标经济作物检测模型,实现目标经济作物的识别与定位。调用模型,分析图片,对图片里面的目标经济作物识别、定位。
2)全局摄像模组3的摄像头高度设置:全局摄像模组3的摄像头采集图像的成像范围在宽度上要覆盖除草装置中多个除草组件23或多个除草轮233的宽度。在完成全局摄像模组3的摄像头的校准标定后,调节该摄像头的安装高度,进行成像对焦,在保证清晰度的同时,使其成像的宽度w1大于除草组件23或多个除草轮233的总宽度w2,测量成像图片在前进方向的长度,记为L1,图像分辨率为m*n,宽度方向为m,长度方向为n。
3)局部摄像模组4摄像头高度设置:局部摄像模组4的摄像头采集图像的成像范围在宽度上要覆盖单个除草轮233的除草宽度。在完成局部摄像模组4的摄像头的校准标定后,调节该摄像头的安装高度,进行成像对焦,在保证清晰度的同时,使其成像的宽度w3略宽于单个除草轮233的除草宽度w4。
4)全局摄像模组3的图像采集:全局摄像模组3的图像采集触发主要由田间管理机器人行进距离控制,行进距离信号由田间管理机器人的位置、速度传感器提供,可以为车轮里程计、机载全球定位系统(GPS)与惯性测量系统(imu)融合数据,田间管理机器人每前进L1距离,全局摄像模组3的摄像头获取一帧图像,并传输至主控制系统5或图像处理系统30进行图像处理。
5)全局摄像模组3采集图像的处理:对于全局摄像模组3传输来的图像,由主控制系统5进行处理,其处理步骤主要分为:①图像预处理与分析区域选择,根据图像的视场宽度与分辨率,对图像进行裁剪,新图像的视场宽度为除草组件23或多个除草轮233的总工作宽度w2,图像中心点不变,分析区域图像宽度方向像素点个数为w2*m/w1,长度方向为n;②目标经济作物检测与定位,调用步骤1)的目标经济作物检测模型,对目标经济作物进行识别与框选;③非经济作物区域的提取,对目标经济作物识别定位框区外的区域,将其定义为非经济作物区域,令目标经济作物识别定位框内的图像转为黑色(R=G=B=0),其余区域为白色(R=G=B=255);④根据单个除草轮233工作宽度对图像进行分辨率转换,除草轮233个数为a,单个除草轮233工作宽度为w2/a,单次升降执行距离为L2,也即是,升降驱动件22每次驱动除草轮233上升或下降的距离为L2,新图像分辨率重置为(a,L1/L2);⑤新图像单个像素点其颜色转换由步骤③中其原始所包含像素点的0与1的比例系数η决定(即为像素点所包含的区域中目标经济作物部分的面积占比),其中,0表示目标经济作物所占据的像素,1表示非目标经济作物所占据的像素,η的取值可以提前输入至主控制系统中。当0与1的比例大于η,则将该像素点内图像转为黑色(R=G=B=0),当0与1的比例不大于η,则将该像素点内图像转为白色(R=G=B=255),依照此方法,对新图像进行重新赋值。
6)根据步骤5)处理后得到的图像,将图像信息转换为除草装置的控制码,一张图像可拆分为L1/L2行控制码,每行控制码有a个值,每个值由图像中对应的像元的RGB值决定,(R=G=B=255)为1,(R=G=B=0)为0,每行控制码控制除草轮233的执行宽度为w2,行进方向长度为L2,执行完一行控制码后继续执行下一行。其中,图16为本实施例提供的一张图像的控制码。在图16中可以确定,该图像共10行,每行控制码有18个值,也即是,除草装置具有18个除草轮233,针对第一行控制码,第四个控制码、第十个控制码及第十六个控制码的值为1,其他控制码的值为0,此时,控制第四个除草轮233、第十个除草轮233及第十六个除草轮233下降除草,其他除草轮233处于不工作状态。
7)根据全局摄像模组3的位置、局部摄像模组4的位置、除草轮233的位置进行三维坐标系转换,在田间管理机器人行进方向上,除草装置距离图像边缘的距离为w5,当系统开始执行时,全局摄像模组3采集并处理第一帧图像,生成L1/L2行控制码,靠近除草轮233侧的图像像元所生成的控制码编号为1,沿前进方向顺序编号,存入寄存器;根据田间管理机器人速度、位置信息采集系统20所获得行进距离信息,除草装置前进距离为w5时,执行编号1的控制码,此后每行进L2,执行下一个编号的控制码。
8)对于单行控制码,控制码中的0和1分别用于控制对应的除草轮233的执行状态,每行控制码有a个值,每个值在行中的位置与除草组件23中单个除草轮233所在的位置一一对应。
9)局部摄像模组4用于检测除草轮233下方是否有作物,局部摄像模组4实时进行图像采集并分析,分析算法主要是对图像中绿色作物部分进行提取,计算绿色部分的覆盖率,设定覆盖率阈值λ(可以预先输入至主控制系统5中),当绿色部分的覆盖率大于λ,且该绿色部分不是目标经济作物,此时代表视野中有杂草,生成控制代码1,小于λ代表视野中无作物,生成控制代码0。每个除草轮233直接接收根据其对应的局部摄像模组4的图像生产的控制码。
10)除草轮233的执行由7)~8)中生成的控制码共同控制,只有当两个控制码均为1时,此时执行除草操作,升降驱动件22驱动除草轮233下降,除草驱动件232驱动除草轮233转动,根据田间管理机器人的实时行进速度对除草轮233的提前量进行控制。
11)当除草轮233未接触地面作物时,此时为空转状态,升降驱动件22制除草轮233继续下降,直至除草轮233与地面作物接触,此时为除草工作状态,此时除草驱动件232工作扭矩发生变化,按照除草要求设定其执行扭矩a1,当除草驱动件232工作扭矩小于a1,升降驱动件22控制除草轮233继续下降,直至除草驱动件232的工作扭矩达到a1;设定除草驱动件232最大执行扭矩a2,当除草驱动件232的工作扭矩大于a2时,升降驱动件22控制除草轮233上升,降低除草驱动件232的工作扭矩至a1,保证除草驱动件232始终正常工作。
12)除草轮233只会在非目标经济作物区域工作,当检测到非目标经济作物区域有绿色作物时,则进行下降接触并旋转,对被认定为非目标经济作物的作物进行物理破坏,从而达到除草的目的。
13)当田间管理机器人执行转弯换行操作时,系统进行重置,当再次进入作物行直行时,重新开始进行图像采集与除草操作,即返回步骤2)。
以上实施方式只是阐述了本发明的基本原理和特性,本发明不受上述实施方式限制,在不脱离本发明精神和范围的前提下,本发明还有各种变化和改变,这些变化和改变都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种除草装置,其特征在于,包括:
连接组件(1);
除草机构(2),设有多组,多组除草机构(2)沿Y向依次排布,每组所述除草机构(2)包括支撑组件(21)、升降驱动件(22)及除草组件(23),所述支撑组件(21)连接于所述连接组件(1),所述升降驱动件(22)固接于所述支撑组件(21),所述除草组件(23)连接于所述升降驱动件(22)的输出端,所述升降驱动件(22)用于驱动所述除草组件(23)升降;
全局摄像模组(3),用于在位于所述除草装置行进方向侧的第一区域内拍摄目标经济作物与杂草的分布图像;
局部摄像模组(4),设有多组,多组所述局部摄像模组(4)与多组除草机构(2)一一对应,所述局部摄像模组(4)用于拍摄位于所述除草装置行进方向侧的第二区域内的绿色分布图像,所述绿色分布图像为所述第二区域内的目标经济作物与杂草的分布图像;
主控制系统(5),控制连接于所述升降驱动件(22)、所述除草组件(23)、所述全局摄像模组(3)及所述局部摄像模组(4),所述主控制系统(5)用于根据所述目标经济作物与杂草的分布图像得到目标经济作物分布信息,用于根据所述目标经济作物分布信息确定非目标经济作物区域,用于将所述绿色分布图像中位于所述非目标经济作物区域中的绿色作物确定为杂草,用于根据所述非目标经济作物区域中的杂草分布得到杂草分布信息,以及用于根据所述杂草分布信息控制所述升降驱动件(22)及所述除草组件(23)动作,以使除草组件(23)去除杂草;
所述除草机构(2)还包括连杆组件(24),所述连杆组件(24)包括第一连杆(241)、第二连杆(242)、滑板(243)及多个滑轮(244),所述升降驱动件(22)的输出端连接于所述第一连杆(241)的一端,并用于驱动所述第一连杆(241)转动,所述第一连杆(241)的另一端转动连接于所述第二连杆(242)的一端,所述第二连杆(242)的另一端转动连接于所述滑板(243)的顶端,所述滑板(243)通过多个所述滑轮(244)滑动连接于所述支撑组件(21),且所述滑板(243)的底端固接于所述除草组件(23)。
2.根据权利要求1所述的除草装置,其特征在于,所述除草组件(23)包括除草固定架(231)、除草驱动件(232)及除草轮(233),所述除草固定架(231)连接于所述升降驱动件(22),所述除草驱动件(232)固设于所述除草固定架(231),且所述除草驱动件(232)驱动连接于所述除草轮(233),并能驱动所述除草轮(233)旋转,所述除草轮(233)沿周向设有多个梳齿(2331),所述除草轮(233)旋转能通过多个梳齿(2331)接触并破坏杂草。
3.根据权利要求2所述的除草装置,其特征在于,所述除草机构(2)还包括排泥组件(6),所述排泥组件(6)包括固接于所述支撑组件(21)的排泥壳(61)及连接于所述排泥壳(61)底端且相对设置的两个挡泥板(62),所述排泥壳(61)具有贯穿其两端的通孔,所述除草轮(233)滑动穿设于所述通孔中。
4.根据权利要求3所述的除草装置,其特征在于,所述排泥壳(61)和/或所述挡泥板(62)上设有多个排泥齿(63),多个所述排泥齿(63)间隔设置,并避让所述梳齿(2331),所述排泥齿(63)用于刮除附着于所述梳齿(2331)上的泥。
5.根据权利要求1所述的除草装置,其特征在于,还包括多个阻尼组件(7),多个所述阻尼组件(7)与多个所述支撑组件(21)一一对应,所述支撑组件(21)铰接于所述连接组件(1),所述阻尼组件(7)包括两个阻尼弹簧(71),两个所述阻尼弹簧(71)位于对应的所述支撑组件(21)沿X向的两侧,两个所述阻尼弹簧(71)的一端分别固接于所述支撑组件(21),两个所述阻尼弹簧(71)的另一端分别连接于所述连接组件(1)沿所述X向的两端,所述X向垂直于所述Y向。
6.根据权利要求1所述的除草装置,其特征在于,还包括照明组件(8),所述照明组件(8)设有一个或多个,所述照明组件(8)固设于所述连接组件(1),并用于对所述第一区域及所述第二区域照明。
7.一种除草方法,应用于权利要求1-6任一项所述的除草装置,其特征在于,包括如下步骤:
获取全局摄像模组在位于除草装置行进方向侧的第一区域内拍摄的目标经济作物与杂草的分布图像;
获取局部摄像模组在位于除草装置行进方向侧的第二区域内拍摄的绿色分布图像,所述绿色分布图像为所述第二区域内的目标经济作物与杂草的分布图像;
根据所述目标经济作物与杂草的分布图像确定目标经济作物分布信息;
根据所述目标经济作物分布信息及所述绿色分布图像确定杂草分布信息;
根据所述杂草分布信息控制升降驱动件及除草组件动作,以去除杂草;
根据所述目标经济作物分布信息及所述绿色分布图像确定杂草分布信息,包括:
根据所述目标经济作物分布信息确定非目标经济作物区域;
将所述绿色分布图像中位于所述非目标经济作物区域中的绿色作物确定为杂草;
根据所述非目标经济作物区域中的杂草分布得到杂草分布信息。
8.根据权利要求7所述的除草方法,其特征在于,所述除草方法还包括:
采集目标经济作物在预设条件下的图像,并制作数据集,所述预设条件包括不同时间段、不同光照条件、不同大小、不同拍摄角度;
对所述数据集中的目标经济作物进行打标签处理,并创建训练数据;
基于卷积神经网络算法的目标检测模型对所述训练数据进行检测训练,并生成目标经济作物检测模型;
所述根据所述目标经济作物与杂草的分布图像确定目标经济作物分布信息包括:调用所述目标经济作物检测模型分析所述目标经济作物与杂草的分布图像,并得到所述目标经济作物的分布信息。
CN202111065724.0A 2021-09-13 2021-09-13 一种除草装置及除草方法 Active CN113498639B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111065724.0A CN113498639B (zh) 2021-09-13 2021-09-13 一种除草装置及除草方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111065724.0A CN113498639B (zh) 2021-09-13 2021-09-13 一种除草装置及除草方法

Publications (2)

Publication Number Publication Date
CN113498639A CN113498639A (zh) 2021-10-15
CN113498639B true CN113498639B (zh) 2021-12-10

Family

ID=78016817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111065724.0A Active CN113498639B (zh) 2021-09-13 2021-09-13 一种除草装置及除草方法

Country Status (1)

Country Link
CN (1) CN113498639B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115281172B (zh) * 2022-08-05 2023-06-23 安徽中科智能感知科技股份有限公司 用于激光除草机器人的阵列联控式激光平台

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09262008A (ja) * 1996-03-27 1997-10-07 Iseki & Co Ltd トラクタの除草機
CN101511004A (zh) * 2009-03-25 2009-08-19 北京中星微电子有限公司 一种摄像监控的方法及装置
CN101707992A (zh) * 2009-10-15 2010-05-19 南京林业大学 高效除草机器人
CN106238342A (zh) * 2016-09-14 2016-12-21 郑州轻工业学院 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法
CN109849289A (zh) * 2018-11-26 2019-06-07 吴冬琴 一种化妆瓶用切割装置
CN109961024A (zh) * 2019-03-08 2019-07-02 武汉大学 基于深度学习的小麦田间杂草检测方法
CN111837593A (zh) * 2020-07-24 2020-10-30 安徽农业大学 一种新型基于机器视觉和卷积神经网络算法的前胡除草机
CN113273376A (zh) * 2021-06-07 2021-08-20 内蒙古科学技术研究院 一种模块化除草装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09262008A (ja) * 1996-03-27 1997-10-07 Iseki & Co Ltd トラクタの除草機
CN101511004A (zh) * 2009-03-25 2009-08-19 北京中星微电子有限公司 一种摄像监控的方法及装置
CN101707992A (zh) * 2009-10-15 2010-05-19 南京林业大学 高效除草机器人
CN106238342A (zh) * 2016-09-14 2016-12-21 郑州轻工业学院 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法
CN109849289A (zh) * 2018-11-26 2019-06-07 吴冬琴 一种化妆瓶用切割装置
CN109961024A (zh) * 2019-03-08 2019-07-02 武汉大学 基于深度学习的小麦田间杂草检测方法
CN111837593A (zh) * 2020-07-24 2020-10-30 安徽农业大学 一种新型基于机器视觉和卷积神经网络算法的前胡除草机
CN113273376A (zh) * 2021-06-07 2021-08-20 内蒙古科学技术研究院 一种模块化除草装置

Also Published As

Publication number Publication date
CN113498639A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
JP5020444B2 (ja) 作物生育量測定装置、作物生育量測定方法、作物生育量測定プログラム及びその作物生育量測定プログラムを記録したコンピュータ読取可能な記録媒体
RU2771097C2 (ru) Сельскохозяйственная рабочая машина
CN107426958B (zh) 农业监控系统和方法
US11319067B2 (en) Drone for capturing images of field crops
CN113498639B (zh) 一种除草装置及除草方法
US5798519A (en) Method of and apparatus for golf driving range distancing using focal plane array
EP2755101B1 (de) Selbstfahrender Roboter und Verfahren zur Abstandsbestimmung bei einem selbstfahrenden Roboter
CN107846848A (zh) 机器人车辆和使用机器人用于植物生物体的自动处理的方法
EP3852520A1 (de) Detektion von gliederfüssern
Aravind et al. Design and development of automatic weed detection and smart herbicide sprayer robot
DE10231391A1 (de) Bodenbearbeitungssystem
CN205785335U (zh) 农林四情信息采集装置
Van Evert et al. A mobile field robot with vision-based detection of volunteer potato plants in a corn crop
CN105547360A (zh) 基于情景感知的作物冠层图像采集方法
CN113747017A (zh) 一种基于视觉导航的无人驾驶马蹄采收机
CN209983105U (zh) 收割机
CN110501350A (zh) 一种农作物病变监测装置
CN106603993A (zh) 基于立体视觉的灯诱昆虫图像采集装置及方法
CN113418509A (zh) 一种用于农业的自动对靶检测装置及检测方法
CN113349188A (zh) 一种基于云端杀草谱的草坪及牧草精准除草方法
Braun et al. Improving pesticide spray application in vineyards by automated analysis of the foliage distribution pattern in the leaf wall
Grimstad et al. Thorvald II configuration for wheat phenotyping
CN116965394B (zh) 一种激光除草装置
CN214125370U (zh) 摄像装置
JPH096949A (ja) 雑草の識別及び除去方法

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
GR01 Patent grant
GR01 Patent grant