CN113588500A - 一种航空施药作业雾滴沉积效果检测方法 - Google Patents
一种航空施药作业雾滴沉积效果检测方法 Download PDFInfo
- Publication number
- CN113588500A CN113588500A CN202110761805.8A CN202110761805A CN113588500A CN 113588500 A CN113588500 A CN 113588500A CN 202110761805 A CN202110761805 A CN 202110761805A CN 113588500 A CN113588500 A CN 113588500A
- Authority
- CN
- China
- Prior art keywords
- odor
- detection
- pesticide
- detection area
- pesticide application
- 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
Links
- 239000000575 pesticide Substances 0.000 title claims abstract description 114
- 230000008021 deposition Effects 0.000 title claims abstract description 66
- 230000000694 effects Effects 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 152
- 238000005070 sampling Methods 0.000 claims abstract description 63
- 239000000654 additive Substances 0.000 claims abstract description 19
- 230000000996 additive effect Effects 0.000 claims abstract description 17
- 238000005507 spraying Methods 0.000 claims abstract description 12
- 239000007788 liquid Substances 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 239000003814 drug Substances 0.000 claims abstract description 7
- 235000019645 odor Nutrition 0.000 claims description 127
- 238000000605 extraction Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000011065 in-situ storage Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 241000607479 Yersinia pestis Species 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 239000000178 monomer Substances 0.000 claims description 3
- 230000002265 prevention Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000009423 ventilation Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 201000010099 disease Diseases 0.000 claims description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 2
- 241000238631 Hexapoda Species 0.000 claims 1
- 238000003909 pattern recognition Methods 0.000 claims 1
- 231100000331 toxic Toxicity 0.000 claims 1
- 230000002588 toxic effect Effects 0.000 claims 1
- 238000000151 deposition Methods 0.000 description 46
- 230000035943 smell Effects 0.000 description 22
- 241000196324 Embryophyta Species 0.000 description 10
- 238000012360 testing method Methods 0.000 description 3
- 244000038559 crop plants Species 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010828 elution Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 231100000252 nontoxic Toxicity 0.000 description 2
- 230000003000 nontoxic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- JDLKFOPOAOFWQN-UHFFFAOYSA-N allicin Chemical compound C=CCSS(=O)CC=C JDLKFOPOAOFWQN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001647 drug administration Methods 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 150000002898 organic sulfur compounds Chemical class 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008786 sensory perception of smell Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/04—Investigating sedimentation of particle suspensions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种航空施药作业雾滴沉积效果检测方法，首先划定航空施药作业的检测区域，接着确定施药作业检测区域三维场景空间深度及结构；构建喷施检测区域靶标作物多模态三维生长模型以及制作检测区域采样点位布局方案与施药作业处方图；随后在检测区域进行气味传感器布置；接着将气味添加剂与农药混合；无人机按照施药作业处方图进行航空施药作业；待药液沉降T时间后，所有气味传感器对气味检测室内收集到的特定添加气味进行检测，结合气味‑农药定量转化检测模型分析各个采样点位的农药沉积量；地面控制端结合各个采样点位所处检测区域的实际空间位置，评价不同施药区域农药沉积情况，最终得到整体检测区域的航空施药作业雾滴沉积效果。
Description
技术领域
本发明涉及农业航空施药检测技术领域，尤其涉及一种航空施药作业雾滴沉积效果检测方法。
背景技术
农业航空施药是当下新型热门的一种植保作业形式，在操控飞机沿着预设航线快捷高效作业的同时，人们更加关注的是施药效果究竟如何，雾滴沉积效果检测因此也成为了航空施药作业的一个重要环节。常规的雾滴检测手段主要包括纸卡显色法和染色剂洗脱法两种，这也是当前最为常用的方法，但这两种方法对操作人员有着较高的要求，操作过程也较为复杂，操作不当极易污染样品导致检测失效，比较费时费力。为此，授权公告号为CN108535152B的发明专利“一种全自动卷筒式雾滴沉积图像快速循环采集装置及方法”公开了一种基于图像手段的雾滴循环采集分析装置，虽简化了采集的操作工序，但采样范围有限，更是无法做到大范围的田间实时在线检测，雾滴沉积效果分析与采样效率提升较为有限。授权公告号为CN110836841B的发明专利“一种龙门吊式植保无人机雾滴测试试验台”公开了一种室内的导轨式雾滴采集分析装置，直接对雾滴进行收集，虽试验数据精准、完整，但仅适用于室内理想条件试验，无法精准测定实际作业环境下雾滴的沉积效果，局限性较大。
此外，当前大多数的雾滴沉积效果检测技术大多是通过视觉和触觉等手段，尚未有发现基于作物表型特征与味觉识别的航空喷施沉积效果判定方法。表型特征可以直观反映出作物的实际生长状态，被喷施靶标作物的生长状态不同，其雾滴沉积效果也会存在一定的差异；味觉是经常被忽略的一种无损感知手段，气味传感器能够对特定范围内气味挥发成分的整体信息进行比对和分析，通过采集标样信息建立数据库，并利用化学计量学的统计分析方法进行定性和定量分析。进一步通过查阅文献可以发现，现有的农药气味检测相关研究大都是建立在已知气味农药种类的基础上而进行的对应性分析检测，不同种类农药的挥发气味及气味的强烈程度也各不相同，这就导致若以农药本身气味作为检测目标，每种农药都要进行对应的气味标定建模，工作量较大且适用性受限导致实际检测应用效率过低。同时，上述针对农药本身的气味检测方法对于某些气味不大的非有机磷类农药检来说，检测难度较大，结果误差也较大，难以精确定量分析。
发明内容
本发明在于克服现有技术的不足，提供一种航空施药作业雾滴沉积效果检测方法，所述航空施药作业雾滴沉积效果检测方法能够准确地检测出航空喷施雾滴在靶标作物及施药空间区域的实际沉积效果，具有快速灵敏、精确度高及操作简便的优点。
本发明解决上述技术问题的技术方案是：
一种航空施药作业雾滴沉积效果检测方法，包括以下步骤：
(1)、根据施药靶标对象划定航空施药作业的检测区域，其中，所述的检测区域包括沉积检测区域和飘移检测区域；该检测区域的总面积记为S，其中，用于对高杆类作物的检测区域的总面积S不小于5000m2，用于矮棵类作物的检测区域的总面积S不小于8000m2，用于果树类作物的检测区域的总面积S不小于10000m2；
(2)、利用双目视觉技术与三维场景深度恢复技术来确定施药作业检测区域三维场景空间深度及结构；同时，结合植株三维点云茎叶分割、果穗提取和表型性状提取技术，利用多种视觉设备获取检测区域场景数据与靶标作物的表型数据；对获取的各类数据进行预处理、标注及筛选，构建喷施检测区域靶标作物多模态三维生长模型；
(3)、选择气味添加剂，按照添加比例r添加至喷施药液中混合，选用气味传感器阵列，利用气味传感器在实验室环境中对不同农药量的气味添加剂的特定气味进行精确特征提取，完善信号预处理和模式识别，确定气味传感器最佳开始采样时刻T及采样时长t，获得添加气味物质的气味图谱，结合不同农药浓度生成气味曲线，建立基于特定添加气味的气味-农药定量转化检测模型；
(4)、根据喷施检测区域靶标作物多模态三维生长模型，结合靶标作物病虫害发生特性、防治目的、作业时气象条件以及农用无人机亩用药量、飞行参数、机型、飞行路径、喷头类型，制作检测区域采样点位布局方案与施药作业处方图；
(5)、检测人员按照检测区域采样点布局方案进入施药作业检测区域进行气味传感器布置，并依次对各个气味传感器进行开机检查，保证其远程正常工作，地面控制端指令传送与数据接收通畅；
(6)、气味传感器布置完毕后，将气味添加剂按照实验室配比比例r与农用无人机中的药液混合，农用无人机按照施药作业处方图开始进行航空施药作业；此时，气味传感器均处于关闭状态；
(7)、农用无人机施药作业结束后，待药液沉降一段时间T后，地面控制端远程控制所有气味传感器打开其气味检测室，开始对气味进行采集工作，采样时长为t，之后地面控制端再远程控制所有气味传感器的气味检测室同步关闭；
(8)、气味传感器开始对气味检测室内储存的特定添加气味进行检测，结合气味-农药定量转化检测模型分析判读各个采样点位的农药沉积量，数据实时回传地面控制端；
(9)、地面控制端结合各个采样点位所处检测区域的实际空间位置，对回传的数据进行整体分析研判，快速评价不同施药区域农药沉积情况，最终得到整体检测区域的航空施药作业雾滴沉积效果。
优选的，在步骤(1)中，所述沉积检测区域为必须设定区域，所述飘移检测区域为非必须设定区域，其中，所述沉积检测区域根据作物表型特征对应设置采样点位，采样点位的设置数量为每100m2不少于2个；所述飘移检测区域以设置若干条飘移检测带的形式进行检测，每条飘移检测带由若干线性间隔排列的采样点位组成；同时，要求飘移检测带的最远端检测采样点位距离最近飞行航线的直线距离不少于50m。
优选的，在步骤(2)中，所述检测区域场景数据与靶标作物的表型数据包括株高、冠幅、茎粗、茎高、叶宽、叶长、穗位高、株高穗位高比、穗长、穗粗、密度、郁闭度、原位群体点云数据、单体点云数据、原位多视角图像以及深度图像；其中，深度识别范围在05-4.5m，茎叶分割精度不低于90％，果穗识别精度不低于70％，相机有效采样率不低于30Hz。
优选的，在步骤(3)中，所述的气味添加剂要求区别于农药本身的气味，且不与农药溶液发生反应，并且无毒无害、易于降解。
优选的，在步骤(4)中，所述的采样点位布局方案包括采样点位位置、采样空间层级、采样点位面密度、飘移检测带条数以及采样点位总数。
优选的，所述气味传感器具有多种气味成分高灵敏交叉响应特性及风送式自净能力。
优选的，所述气味传感器内设置有可控制开闭的气味检测室，每次施药结束后T＝30s后打开气味检测室，所述气味检测室以采样流量为400-600ml/min进行气味收集，采样时间t＝30s后，密封该气味检测室；所述气味传感器开始进行气味检测，检测所得到的气味识别数据采用无线传输的形式回传地面控制端；数据回传保存后，气味传感器会通过自带的小型风机产生的风力清洁气味检测室内的检测气体，其中，通风清洁时间不少于40s；清洁完毕后，所述气味传感器的数据自动归零，以供下次使用。
优选的，所述气味传感器的气味数据分析以提取各个气味传感器采样数据30s时刻的响应值作为特征值，优选传感器响应数据段。
优选的，所述气味传感器通过对检测到的数据曲线进行小波降噪和多分辨率分析，并采用特征比值法进行传感器响应信号的特征提取。
优选的，所述气味传感器除正常检测农药沉积效果外，还对其它特异性气味信息进行无差异收集分析，之后通过数据库大数据信息比对，对作物植株的健康状况进行判定评估，用以辅助预测作物长势，便于种植户提前采取干预措施。
本发明与现有技术相比具有以下的有益效果：
1、本发明的航空施药作业雾滴沉积效果检测方法预先采集获取施药靶标对象的表型特征进行建模，根据作物实际生长特点设置采样位置，检测更加合理，结果更加准确。
2、本发明的航空施药作业雾滴沉积效果检测方法以特定气味作为本证参量，对样品前处理要求比较低，受外界因素影响小，不需要复杂的前处理，就可以进行检测并且结果较准确；操作方法也比气相、液相色谱等检测方法更简单。
3、本发明的航空施药作业雾滴沉积效果检测方法基于智能仿生嗅觉技术的无损检测，不损伤植株，不再需要采集叶片进行光谱洗脱检测或者在植株上夹持采样装置，施药后可以快速地在线获取雾滴沉积数据，操作更为便捷，易于推广。
4、本发明的航空施药作业雾滴沉积效果检测方法的检测范围较大，检测结果反馈及时，可施药区域进行全覆盖，还可以进行飘移分析，从而获取更详细、全面的检测数据，具有较强的适用性。
附图说明
图1是本发明的航空施药作业雾滴沉积效果检测方法的流程图。
图2是检测区域采样点位布局方案的示意图。
图3是本发明的航空施药作业雾滴沉积效果检测方法以玉米为实例得到的检测区域靶标作物单体点云数据图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
参见图1-图3，本发明的航空施药作业雾滴沉积效果检测方法，包括以下步骤：
(1)、根据施药靶标对象划定航空施药作业的检测区域，其中，所述的检测区域包括沉积检测区域和飘移检测区域；该检测区域的总面积记为S，且对不同的作物有不同的要求，其中，用于对高杆类作物的检测区域的总面积S不小于5000m2，用于矮棵类作物的检测区域的总面积S不小于8000m2，用于果树类作物的检测区域的总面积S不小于10000m2；
(2)、利用双目视觉技术与三维场景深度恢复技术来确定施药作业检测区域三维场景空间深度及结构；同时，结合植株三维点云茎叶分割、果穗提取和表型性状提取技术，利用多种视觉设备(例如相机)获取检测区域场景数据与靶标作物的表型数据；对获取的各类数据进行预处理、标注及筛选，构建喷施检测区域靶标作物多模态三维生长模型；
(3)、选择气味添加剂，所述气味添加剂要求区别于农药本身的气味，不与农药溶液发生反应，且无毒无害、易于降解；此外，可以仅添加一种气味添加剂，一种选择为采用有机硫化合物作为气味添加剂，例如二烯丙基硫代亚磺酸酯溶液等；也可以添加多种气味添加剂，同时进行识别分析，增加结果的准确性；接着将选择好的气味添加剂按照添加比例r添加至喷施药液中混合，选用气味传感器阵列，利用气味传感器在实验室环境中对不同农药量的气味添加剂的特定气味进行精确特征提取，完善信号预处理和模式识别，确定气味传感器最佳开始采样时刻T及采样时长t，获得添加气味物质的气味图谱，结合不同农药浓度生成气味曲线，建立基于特定添加气味的气味-农药定量转化检测模型。本实施例中，所述气味浓度C与农药沉积量P之间的关系如下公式所示：
P＝uεΦC
式中，u是与实验条件相关的系数，与气味传感器敏感度、气味添加剂添加比例r、气味有效识别图谱范围以及农药类型有关；ε为气味覆盖度，Ф为综合转化效率。
(4)、根据喷施检测区域靶标作物多模态三维生长模型，结合靶标作物病虫害发生特性、防治目的、作业时气象条件以及农用无人机亩用药量、飞行参数、机型、飞行路径、喷头类型等参数，制作检测区域采样点位布局方案与施药作业处方图。
本实施例中，所述施药作业处方图的关系模型如下公式所示：
式中，P是农药沉积量；Qc是标准施药农药有效成分含量；Qb是计算施药农药有效成分含量，由于无人机作业为变量减量施药，默认Qc>Qb；m为施药决定系数，与作业面积、气象参数、无人机作业速度和高度有关；z为农药溶液浓度；k为综合有效利用率；w为有效成分转化率。
(5)、检测人员按照检测区域采样点布局方案进入施药作业检测区域进行气味传感器布置，并依次对各个气味传感器进行开机检查，保证其远程正常工作，地面控制端指令传送与数据接收通畅；
(6)、气味传感器布置完毕后，将气味添加剂按照实验室配比比例r与农用无人机中的药液混合，农用无人机按照施药作业处方图开始进行航空施药作业；此时，气味传感器均处于关闭状态；
(7)、农用无人机施药作业结束后，待药液沉降一段时间T后，地面控制端远程控制所有气味传感器打开其气味检测室，开始对气味进行采集工作，采样时长为t，之后地面控制端再远程控制所有气味传感器的气味检测室同步关闭；
(8)、气味传感器开始对气味检测室内储存的特定添加气味进行检测，结合气味-农药定量转化检测模型分析判读各个采样点位的农药沉积量，数据实时回传地面控制端；
(9)、地面控制端结合各个采样点位所处检测区域的实际空间位置，对回传的数据进行整体分析研判，快速评价不同施药区域农药沉积情况，最终得到整体检测区域的航空施药作业雾滴沉积效果。本实施例中，所述雾滴沉积效果主要通过沉积量值、沉积均匀性和沉积穿透性来表征，其中沉积均匀性和沉积穿透性通过各采样点沉积量的变异系数CV值大小来表征，变异系数越小，表示雾滴沉积分布越均匀(或者穿透性越好)，变异系数计算公式为：
式中SD为同条雾滴采集带采集样本标准差；Xi为各采样点沉积量；
为同条雾滴采集带采样点沉积量平均值；n为各组试验采样点个数。
其中，在步骤(1)中，所述沉积检测区域为必须设定区域，所述飘移检测区域为非必须设定区域，有条件时建议设置；其中，所述沉积检测区域根据作物表型特征对应设置采样点位，采样点位的设置数量为每100m2不少于2个；所述飘移检测区域以设置若干条飘移检测带的形式进行检测，每条飘移检测带由若干线性间隔排列的采样点位组成；同时，要求飘移检测带的最远端检测采样点位距离最近飞行航线的直线距离不少于50m。
其中，在步骤(2)中，所述检测区域场景数据与靶标作物的表型数据包括株高、冠幅、茎粗、茎高、叶宽、叶长、穗位高、株高穗位高比、穗长、穗粗、密度、郁闭度、原位群体点云数据、单体点云数据、原位多视角图像以及深度图像等；其中，深度识别范围在05-4.5m，茎叶分割精度不低于90％，果穗识别精度不低于70％，相机有效采样率不低于30Hz。
其中，所述气味传感器具有多种气味成分高灵敏交叉响应特性及风送式自净能力，该气味传感器内设置有可控制开闭的气味检测室，每次施药结束后30s(即T＝30s)后打开气味检测室，所述气味检测室以采样流量为400-600ml/min进行气味收集，采样时间t＝30s后，密封该气味检测室；所述气味传感器开始进行气味检测，检测所得到的气味识别数据采用无线传输的形式回传地面控制端；数据回传保存后，气味传感器会通过自带的小型风机产生的风力清洁气味检测室内的检测气体，其中，通风清洁时间不少于40s；清洁完毕后，所述气味传感器的数据自动归零，以供下次使用。
其中，所述气味传感器的气味数据分析以提取各个气味传感器采样数据30s时刻的响应值作为特征值，优选传感器响应数据段。
其中，所述气味传感器通过对检测到的数据曲线进行小波降噪和多分辨率分析，并采用特征比值法进行传感器响应信号的特征提取。
此外，所述气味传感器除正常检测农药沉积效果外，还对其它特异性气味信息进行无差异收集分析，之后通过数据库大数据信息比对，对作物植株的健康状况进行判定评估，用以辅助预测作物长势，便于种植户提前采取干预措施。
上述为本发明较佳的实施方式，但本发明的实施方式并不受上述内容的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、块合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (10)
1.一种航空施药作业雾滴沉积效果检测方法，其特征在于，包括以下步骤：
(1)、根据施药靶标对象划定航空施药作业的检测区域，其中，所述的检测区域包括沉积检测区域和飘移检测区域；该检测区域的总面积记为S；
(2)、利用双目视觉技术与三维场景深度恢复技术来确定施药作业检测区域三维场景空间深度及结构；同时，结合植株三维点云茎叶分割、果穗提取和表型性状提取技术，利用多种视觉设备获取检测区域场景数据与靶标作物的表型数据；对获取的各类数据进行预处理、标注及筛选，构建喷施检测区域靶标作物多模态三维生长模型；
(3)、选择气味添加剂，按照添加比例r添加至喷施药液中混合；选用气味传感器阵列，利用气味传感器在实验室环境中对不同农药量的气味添加剂的特定气味进行精确特征提取，完善信号预处理和模式识别，确定气味传感器最佳开始采样时刻T及采样时长t，获得添加气味物质的气味图谱，结合不同农药浓度生成气味曲线，建立基于特定添加气味的气味-农药定量转化检测模型；
(4)、根据喷施检测区域靶标作物多模态三维生长模型，结合靶标作物病虫害发生特性、防治目的、作业时气象条件以及农用无人机的亩用药量、飞行参数、机型、飞行路径、喷头类型，制作检测区域采样点位布局方案与施药作业处方图；
(5)、检测人员按照检测区域采样点布局方案进入施药作业检测区域进行气味传感器布置，并依次对各个气味传感器进行开机检查，保证各个气味传感器远程正常工作，以及保证地面控制端的指令传送与数据接收通畅；
(6)、气味传感器布置完毕后，将气味添加剂按照实验室配比比例r与农用无人机中的药液混合，农用无人机按照施药作业处方图开始进行航空施药作业；此时，气味传感器均处于关闭状态；
(7)、农用无人机施药作业结束后，待药液沉降一段时间T后，地面控制端远程控制所有气味传感器打开其气味检测室，开始对气味进行采集工作，采样时长为t，之后地面控制端再远程控制所有气味传感器的气味检测室同步关闭；
(8)、气味传感器开始对气味检测室内储存的特定添加气味进行检测，结合气味-农药定量转化检测模型分析判读各个采样点位的农药沉积量，数据实时回传地面控制端；
(9)、地面控制端结合各个采样点位所处检测区域的实际空间位置，对回传的数据进行整体分析，评价不同施药区域农药沉积情况，最终得到整体检测区域的航空施药作业的雾滴沉积效果。
2.根据权利要求1所述的航空施药作业雾滴沉积效果检测方法，其特征在于，在步骤(1)中，所述沉积检测区域为必须设定区域，所述飘移检测区域为非必须设定区域，其中，所述沉积检测区域根据作物表型特征对应设置采样点位，采样点位的设置数量为每100m2不少于2个；所述飘移检测区域以设置若干条飘移检测带的形式进行检测，每条飘移检测带由若干线性间隔排列的采样点位组成；同时，要求飘移检测带的最远端检测采样点位距离最近飞行航线的直线距离不少于50m。
3.根据权利要求1所述的航空施药作业雾滴沉积效果检测方法，其特征在于，在步骤(2)中，所述检测区域场景数据与靶标作物的表型数据包括株高、冠幅、茎粗、茎高、叶宽、叶长、穗位高、株高穗位高比、穗长、穗粗、密度、郁闭度、原位群体点云数据、单体点云数据、原位多视角图像以及深度图像；其中，深度识别范围在05-4.5m，茎叶分割精度不低于90％，果穗识别精度不低于70％，相机有效采样率不低于30Hz。
4.根据权利要求1所述的航空施药作业雾滴沉积效果检测方法，其特征在于，在步骤(3)中，所述的气味添加剂要求区别于农药本身的气味，且不与农药溶液发生反应，并且无毒无害、易于降解。
5.根据权利要求1所述的航空施药作业雾滴沉积效果检测方法，其特征在于，在步骤(4)中，所述的采样点位布局方案包括采样点位位置、采样空间层级、采样点位面密度、飘移检测带条数以及采样点位总数。
6.根据权利要求1所述的航空施药作业雾滴沉积效果检测方法，其特征在于，所述气味传感器具有多种气味成分高灵敏交叉响应特性及风送式自净能力。
7.根据权利要求6所述的航空施药作业雾滴沉积效果检测方法，其特征在于，所述气味传感器内设置有可控制开闭的气味检测室，每次施药结束后T＝30s后打开气味检测室，所述气味检测室以采样流量为400-600ml/min进行气味收集，采样时间t＝30s后，密封该气味检测室；所述气味传感器开始进行气味检测，检测所得到的气味识别数据采用无线传输的形式回传地面控制端；数据回传保存后，气味传感器会通过自带的小型风机产生的风力清洁气味检测室内的检测气体，其中，通风清洁时间不少于40s；清洁完毕后，所述气味传感器的数据自动归零，以供下次使用。
8.根据权利要求7所述的航空施药作业雾滴沉积效果检测方法，其特征在于，所述气味传感器的气味数据分析以提取各个气味传感器采样数据30s时刻的响应值作为特征值。
9.根据权利要求8所述的航空施药作业雾滴沉积效果检测方法，其特征在于，所述气味传感器通过对检测到的数据曲线进行小波降噪和多分辨率分析，并采用特征比值法进行传感器响应信号的特征提取。
10.根据权利要求9所述的航空施药作业雾滴沉积效果检测方法，其特征在于，在步骤(1)中，用于对高杆类作物的检测区域的总面积S不小于5000m2，用于矮棵类作物的检测区域的总面积S不小于8000m2，用于果树类作物的检测区域的总面积S不小于10000m2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110761805.8A CN113588500B (zh) | 2021-07-06 | 2021-07-06 | 一种航空施药作业雾滴沉积效果检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110761805.8A CN113588500B (zh) | 2021-07-06 | 2021-07-06 | 一种航空施药作业雾滴沉积效果检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113588500A true CN113588500A (zh) | 2021-11-02 |
| CN113588500B CN113588500B (zh) | 2023-05-26 |
Family
ID=78246123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110761805.8A Active CN113588500B (zh) | 2021-07-06 | 2021-07-06 | 一种航空施药作业雾滴沉积效果检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113588500B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117929215A (zh) * | 2024-03-21 | 2024-04-26 | 北京市农林科学院智能装备技术研究中心 | 航空施药药液沉积分布监测方法、装置和电子设备 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030010365A (ko) * | 2001-07-23 | 2003-02-05 | 김일환 | 안개 감지장치 |
| CN103558131A (zh) * | 2013-11-19 | 2014-02-05 | 南京林业大学 | 农药沉积和飘移性能的快速测试分析系统及方法 |
| CN103969322A (zh) * | 2014-05-04 | 2014-08-06 | 江苏省农业科学院 | 利用过渡金属配合物的农药沉积量测定方法 |
| CN104596567A (zh) * | 2014-12-31 | 2015-05-06 | 北京农业智能装备技术研究中心 | 药液地面沉积均一性测量方法及系统 |
| CN105300851A (zh) * | 2015-11-11 | 2016-02-03 | 中国农业大学 | 一种基于激光技术的喷雾雾滴三维空间分布的检测方法 |
| CN107036942A (zh) * | 2017-06-22 | 2017-08-11 | 山东农业大学 | 一种作物生长全周期施药方式适用性评价方法 |
| CN108469403A (zh) * | 2018-01-16 | 2018-08-31 | 江苏大学 | 一种植保机械喷雾作业雾滴沉积量在线检测系统及方法 |
| CN108535151A (zh) * | 2018-01-24 | 2018-09-14 | 江苏大学 | 一种基于无线传感的农药雾滴沉积量检测装置 |
| CN109374587A (zh) * | 2018-10-23 | 2019-02-22 | 华南农业大学 | 一种基于激光诱导荧光技术的飞机施药效果检测方法 |
| CN111504863A (zh) * | 2020-05-08 | 2020-08-07 | 农业农村部南京农业机械化研究所 | 一种基于金属离子浓度探测的雾滴沉积量测定装置及方法 |
| CN113008742A (zh) * | 2021-02-23 | 2021-06-22 | 中国农业大学 | 一种雾滴沉积量检测方法及系统 |
-
2021
- 2021-07-06 CN CN202110761805.8A patent/CN113588500B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030010365A (ko) * | 2001-07-23 | 2003-02-05 | 김일환 | 안개 감지장치 |
| CN103558131A (zh) * | 2013-11-19 | 2014-02-05 | 南京林业大学 | 农药沉积和飘移性能的快速测试分析系统及方法 |
| CN103969322A (zh) * | 2014-05-04 | 2014-08-06 | 江苏省农业科学院 | 利用过渡金属配合物的农药沉积量测定方法 |
| CN104596567A (zh) * | 2014-12-31 | 2015-05-06 | 北京农业智能装备技术研究中心 | 药液地面沉积均一性测量方法及系统 |
| CN105300851A (zh) * | 2015-11-11 | 2016-02-03 | 中国农业大学 | 一种基于激光技术的喷雾雾滴三维空间分布的检测方法 |
| CN107036942A (zh) * | 2017-06-22 | 2017-08-11 | 山东农业大学 | 一种作物生长全周期施药方式适用性评价方法 |
| CN108469403A (zh) * | 2018-01-16 | 2018-08-31 | 江苏大学 | 一种植保机械喷雾作业雾滴沉积量在线检测系统及方法 |
| CN108535151A (zh) * | 2018-01-24 | 2018-09-14 | 江苏大学 | 一种基于无线传感的农药雾滴沉积量检测装置 |
| CN109374587A (zh) * | 2018-10-23 | 2019-02-22 | 华南农业大学 | 一种基于激光诱导荧光技术的飞机施药效果检测方法 |
| CN111504863A (zh) * | 2020-05-08 | 2020-08-07 | 农业农村部南京农业机械化研究所 | 一种基于金属离子浓度探测的雾滴沉积量测定装置及方法 |
| CN113008742A (zh) * | 2021-02-23 | 2021-06-22 | 中国农业大学 | 一种雾滴沉积量检测方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117929215A (zh) * | 2024-03-21 | 2024-04-26 | 北京市农林科学院智能装备技术研究中心 | 航空施药药液沉积分布监测方法、装置和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113588500B (zh) | 2023-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111582055B (zh) | 一种无人机的航空施药航线生成方法及系统 | |
| CN109470299A (zh) | 一种基于物联网的作物生长信息监测系统和方法 | |
| Amarasingam et al. | A review of UAV platforms, sensors, and applications for monitoring of sugarcane crops | |
| Skjøth et al. | Identifying urban sources as cause of elevated grass pollen concentrations using GIS and remote sensing | |
| Julitta et al. | Using digital camera images to analyse snowmelt and phenology of a subalpine grassland | |
| CN113925039B (zh) | 一种基于物联网的园林病虫害智能防护系统及防控方法 | |
| Asaei et al. | Site-specific orchard sprayer equipped with machine vision for chemical usage management | |
| CN106102448B (zh) | 植物状态自动化分析装置以及利用其的植物分析方法 | |
| CN110926430B (zh) | 一种空地一体化红树林监测系统及控制方法 | |
| CN107835634A (zh) | 用于选择性授粉的系统和方法 | |
| CN113468964B (zh) | 一种基于高光谱的农业病虫害监测方法及设备 | |
| CN109029588A (zh) | 一种基于气候影响的农作物长势预测方法 | |
| WO2016025848A1 (en) | Apparatus and methods for in-field data collection and sampling | |
| US20200225207A1 (en) | Land monitoring system and method of collecting data via a uav | |
| CN108140118A (zh) | 用于识别至少一株种植在耕地上的植物的方法和信息系统 | |
| Awais et al. | Remotely sensed identification of canopy characteristics using UAV-based imagery under unstable environmental conditions | |
| US20220272907A1 (en) | Automated plant monitoring systems and methods | |
| Bauer et al. | Processing and filtering of leaf area index time series assessed by in-situ wireless sensor networks | |
| CN115291541A (zh) | 一种农作物病虫害监测系统与方法 | |
| CN113342036A (zh) | 一种农作物的精准管控系统及其管控方法 | |
| CN113588500B (zh) | 一种航空施药作业雾滴沉积效果检测方法 | |
| Kim et al. | Case study: Cost-effective weed patch detection by multi-spectral camera mounted on unmanned aerial vehicle in the buckwheat field | |
| CN115144343A (zh) | 基于分布式数据采集的茶树病害智能监测分析方法及系统 | |
| CN116267857A (zh) | 一种智能控制的梨树病虫害防治系统 | |
| Downey et al. | Weeds accurately mapped using DGPS and ground-based vision identification |
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 |