CN114463647A - 一种作业方法、装置、设备及存储介质 - Google Patents
一种作业方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114463647A CN114463647A CN202111582048.4A CN202111582048A CN114463647A CN 114463647 A CN114463647 A CN 114463647A CN 202111582048 A CN202111582048 A CN 202111582048A CN 114463647 A CN114463647 A CN 114463647A
- Authority
- CN
- China
- Prior art keywords
- index
- vegetation
- area
- standard value
- vegetation index
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000009826 distribution Methods 0.000 claims abstract description 92
- 230000004720 fertilization Effects 0.000 claims abstract description 13
- 238000010586 diagram Methods 0.000 claims description 34
- 241000607479 Yersinia pestis Species 0.000 claims description 16
- 230000003595 spectral effect Effects 0.000 claims description 14
- 239000003337 fertilizer Substances 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 claims 3
- 230000001276 controlling effect Effects 0.000 claims 1
- 230000002596 correlated effect Effects 0.000 claims 1
- 239000002609 medium Substances 0.000 description 13
- 230000002159 abnormal effect Effects 0.000 description 7
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 239000003814 drug Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 239000000575 pesticide Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 239000012773 agricultural material Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 244000037666 field crops Species 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000000447 pesticide residue Substances 0.000 description 1
- 229940126532 prescription medicine Drugs 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了一种作业方法、装置、设备及存储介质。本申请实施例提供的技术方案通过根据目标田块的目标影像生成植被指数分布图,并在植被指数分布图中确定指数标准值,根据目标田块不同作业区域的植被指数与指数标准值的植被指数的比较结果,确定对不同作业区域的区域作业量,可按照区域作业量对目标田块的不同作业区域进行差异化作业,根据目标田块不同作业区域在同一时刻的植被指数与指数标准值的比较结果调整施药量或施肥量,减少不同环境对作业量确定带来的限制及误差。
Description
技术领域
本申请实施例涉及智慧农业领域,尤其涉及一种作业方法、装置、设备及存储介质。
背景技术
在传统的农业种植过程中,农事作业大多采用无差别方式进行全田均匀作业,比如对全田进行无差别的施肥、植保喷药等,这种传统的作业方式没有考虑田间作物的长势分布以及实际病虫害分布情况,往往过量施药或过量施肥,导致药物残留以及农资的浪费,增加农事作业的成本。
随着无人机技术和图像处理技术的发展,出现了根据农田处方图确定农田实际情况和作物需求,对农田进行差异化作业的农田作业方式。目前农田处方图一般是通过农田的光谱图像对应的植被指数的分布来表示,可根据农田处方图中的植被指数确定对农田不同区域的作业量(例如用药量、施肥量等)。目前对农田作业量的确定大多是根据植被指数的绝对数值来进行,但是在不同环境(例如不同天气、光照)下,即使同一田块的植被指数也会存在较大差异,容易导致不同时刻在同一区域确定的作业量区别较大的情况,根据农田处方图确定对农田作业量的准确性较低。
发明内容
本申请实施例提供一种作业方法、装置、设备及存储介质,以解决现有技术中根据农田处方图中植被指数的绝对数值确定的农田作业量的准确性较低的技术问题,基于植被指数与指数标准值的相对情况准确确定不同作业区域的区域作业量,减少不同环境对作业量确定带来的限制及误差。
在第一方面,本申请实施例提供了一种作业方法,包括:
获取目标影像,所述目标影像由光谱相机对目标田块进行拍摄得到;
根据所述目标影像生成植被指数分布图,所述植被指数分布图包括所述目标田块的不同作业区域的植被指数;
根据所述植被指数分布图确定指数标准值;
基于所述指数标准值以及所述目标田块的不同作业区域的植被指数的比较结果,确定不同作业区域的区域作业量。
在第二方面,本申请实施例提供了一种作业装置,包括影像获取模块、指数分布获取模块、指数标准确定模块和作业量确定模块,其中:
所述影像获取模块,用于获取目标影像,所述目标影像由光谱相机对目标田块进行拍摄得到;
所述指数分布获取模块,用于根据所述目标影像生成植被指数分布图,所述植被指数分布图包括所述目标田块的不同作业区域的植被指数;
所述指数标准确定模块,用于根据所述植被指数分布图确定指数标准值;
所述作业量确定模块,用于基于所述指数标准值以及所述目标田块的不同作业区域的植被指数的比较结果,确定不同作业区域的区域作业量。
在第三方面,本申请实施例提供了一种作业设备,包括:存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的作业方法。
在第四方面,本申请实施例提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的作业方法。
本申请实施例通过根据目标田块的目标影像生成植被指数分布图,并在植被指数分布图中确定指数标准值,根据目标田块不同作业区域的植被指数与指数标准值的植被指数的比较结果,确定对不同作业区域的区域作业量,可按照区域作业量对目标田块的不同作业区域进行差异化作业,根据目标田块不同作业区域在同一时刻的植被指数与指数标准值的比较结果调整施药量或施肥量,减少不同环境对作业量确定带来的限制及误差。
附图说明
图1是本申请实施例提供的一种作业方法的流程图;
图2是本申请实施例提供的另一种作业方法的流程图;
图3是本申请实施例提供的一种根据比较结果确定区域作业量的流程示意图;
图4是本申请实施例提供的一种作业装置的结构示意图;
图5是本申请实施例提供的一种作业设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1给出了本申请实施例提供的一种作业方法的流程图,本申请实施例提供的作业方法可以由作业装置来执行,该作业装置可以通过硬件和/或软件的方式实现,并集成在作业设备中。
下述以作业装置执行作业方法为例进行描述。参考图1,该作业方法包括:
S101:获取目标影像,所述目标影像由光谱相机对目标田块进行拍摄得到。
本实施例提供的目标影像由光谱相机对目标田块进行拍摄得到。其中,光谱线机可以是多光谱相机或高光谱相机,对应的目标影像为多光谱图像或高光谱图像。本实施例提供的目标影像可以是目标田块的全田正射影像,例如通过无人机搭载光谱相机,并飞行到目标田块的上方,通过光谱相机拍摄整个目标田块对应的光谱图像,从而得到目标田块的目标影像。
S102:根据所述目标影像生成植被指数分布图,所述植被指数分布图包括所述目标田块的不同作业区域的植被指数。
示例性的,在得到目标田块的目标影像后,计算目标影像计算每个像素点对应的植被指数,即目标田块的不同作业区域的植被指数,得到目标田块的植被指数分布图。不同的植被指数可反映的内容不同,比如一些植被指数可以表征作物的长势,一些植被指数可以表征作物的病虫害情况,又比如某种植被指数高可以表示作物的长势好,某种植被指数高也可能表示作物的长势差,某种植被指数高可能表示作物的病虫害严重,某种植被指数高也可能表示作物的病虫害不严重。其中植被指数的指数类型可以是比值植被指数(RVI)、差值植被指数(DVI)、归一化植被指数(NDVI)、增强型植被指数(EVI)、绿度植被指数(GVI)等,可根据实际需要选择合适的指数类型。
S103:根据所述植被指数分布图确定指数标准值。
可以理解的是,目标田块的植被指数分布图中不同的指数分布反映了整个目标地块的农田状况分布情况(例如作物信息、病虫害信息、土壤信息等),通过指数分布图可反演作物的长势情况,例如作物氮素含量、叶面积指数等。其中,指数标准值可理解为在目标田块中,作物长势正常的区域对应的植被指数,根据指数分布图中不同区域的植被指数与指数标准值的比较结果可得知对应区域的作物相对于正常生产的作物的偏离情况。
示例性的,在植被指数分布图中确定作物正常生长的区域对应的植被指数,并将该植被指数作为植被指数分布图的指数标准值。在一个实施例中,在得到植被指数分布图后,按照设定的指数分区间隔,对植被指数分布图中的指数标准值进行分区,得到对应不同植被指数范围的指数分布区域,并确定长势正常的作物所在的指数分布区域,并将该指数分布区域对应的植被指数确定为指数标准值。
S104:基于所述指数标准值以及所述目标田块的不同作业区域的植被指数的比较结果,确定不同作业区域的区域作业量。
示例性的,将目标田块的不同作业区域的植被指数与上述确定的指数标准值进行比较,并根据比较结果确定各个作业区域的区域作业量。例如设置一个标准作业量,植被指数与指数标准值一致的作业区域,可将标准作业量作为该作业区域的区域作业量;植被指数与指数标准值不一致的作业区域,按照植被指数相对于指数标准值的差值比例,在标准作业量的基础上进行调整得到对应作业区域的区域作业量。其中,对目标田块的不同作业区域的区分方式可与不同指数分布区域的区分方式一致,即一个指数分布区域对应目标田块上的一个作业区域。需要进行解释的是,植被指数与指数标准值一致包括植被指数与指数标准值完全相同的情况,以及植被指数与指数标准值的偏差在设定范围内的情况。
在确定各个作业区域的区域作业量后,可基于各个作业区域的区域作业量对目标田块进行作业,例如控制无人机以作业区域对应的区域作业量对作业区域作业,按照确定的区域作业量对目标田块的各个作业区域进行差异化作业,更合理地分配用药,减少作业量过多导致的物料浪费或作业量过低导致作物治理效果不足的情况。
上述,通过根据目标田块的目标影像生成植被指数分布图,并在植被指数分布图中确定指数标准值,根据目标田块不同作业区域的植被指数与指数标准值的植被指数的比较结果,确定对不同作业区域的区域作业量,可按照区域作业量对目标田块的不同作业区域进行差异化作业,根据目标田块不同作业区域在同一时刻的植被指数与指数标准值的比较结果调整施药量或施肥量,减少不同环境对作业量确定带来的限制及误差。
在上述实施例的基础上,图2给出了本申请实施例提供的另一种作业方法的流程图,该作业方法是对上述作业方法的具体化。参考图2,该作业方法包括:
S201:获取目标影像,所述目标影像由光谱相机对目标田块进行拍摄得到。
S202:根据所述目标影像生成植被指数分布图,所述植被指数分布图包括所述目标田块的不同作业区域的植被指数。
S203:根据所述植被指数分布图确定指数标准值。
本实施例提供的指数标准值可基于植被指数分布图在目标田块的标准长势区域对应的植被指数、用户在植被指数分布图上指定的植被指数、植被指数分布图中植被指数的中位数以及植被指数分布图中占比最多的植被指数中的一种或多种的组合确定。其中,目标田块的标准长势区域可理解为目标田块中正常生长的作物所在的区域。在一个实施例中,目标田块的标准长势区域可基于图像识别技术对目标田块的近距离影像进行识别的区域、用户在目标田块的近距离影像上指定的区域中的一种或多种的组合确定。其中,近距离影像可以理解为近距离拍摄目标田块或作物的影响,其拍摄的高度相对于目标影像的高度低,即拍摄近距离影像时,拍摄设备更接近目标田块上的作物,并且近距离影像上显示的作物更清晰,足以供用户或计算机系统判断作物的实际长势或病虫害情况。
具体的,对于基于植被指数分布图在目标田块的标准长势区域对应的植被指数确定指数标准值,在获取目标影像或得到植被指数分布图后,利用无人机对目标田块进行低空近距离拍摄,得到目标田块在各个指数分布区域的近距离影像。其中,近距离影像是无人机以第一高度对所述目标田块进行拍摄得到,目标影像是无人机以第二高度对目标田块进行拍摄得到,并且第一高度低于第二高度。通过近距离影像可更直观清晰地观察到目标田块在每个指数分布区域的作物生长情况,方便利用图像识别技术或人工指定的方式对目标田块进行分析处理,确定目标田块各个区域作物的生长情况。其中,近距离影像可通过无人机搭载摄像设备,以第一高度在目标田块上飞行并拍摄得到。近距离影像还可以是通过布设在目标田块里的摄像设备拍摄得到,其中摄像设备的布设高度为第一高度。
在一个实施例中,在得到目标田块在各个指数分布区域的近距离影像后,可基于图像识别技术或人工指定的方式确定目标田块的标准长势区域。在基于图像识别技术对目标田块的近距离影像进行识别时,将采集到的近距离正射影像输入到训练好的田块标准区域识别模型中,由田块标准区域识别模型对输入的近距离正射影像进行分析处理并输出长势标准的作物对应的近距离正射影像,该近距离正射影像对应的指数分布区域即为标准区域,该标准区域在目标田块上对应的区域即为目标田块的标准长势区域,对应的植被指数即为指数标准值。在基于人工指定的方式确定目标田块的标准长势区域时,用户可根据种植经验在各个指数分布区域的近距离影像中确定作物长势标准的近距离正射影像,该近距离正射影像对应的指数分布区域即为标准区域,该标准区域在目标田块上对应的区域即为目标田块的标准长势区域,对应的植被指数即为指数标准值。
对于用户在植被指数分布图上指定的植被指数确定指数标准值,在获取目标影像或得到植被指数分布图后,用户可到田块中查看地块的苗情、长势、病虫害情况、土壤情况等,确定田块中的标准长势区域,并标准长势在植被指数分布图中对应的指数分布区域,该指数分布区域对应的植被指数即为指数标准值。
对于基于植被指数分布图中植被指数的中位数或植被指数分布图中占比最多的植被指数确定指数标准值,可计算植被指数分布图中植被指数的中位数或植被指数分布图中占比最多(即面积最大的区域)的植被指数,并将植被指数的中位数或占比最多的植被指数作为指数标准值。可以理解的是,对于正常管理的农田,无论是病害、虫害还是施肥不均等原因造成的异常,在田块上都是从点、面开始的,那么在异常出现的初期,异常区域相对整个目标田块来说是分布较小的区域,也即目标田块的大部分区域的植被指数还是在正常范围内的,那么可以通过植被指数分布图中植被指数的中位数或占比最多的植被指数确定的指数标准值,同样可反映出田块中的标准长势区域。
S204:对所述目标田块的不同作业区域的植被指数和所述指数标准值进行比较得到比较结果。
S205:根据所述比较结果以及设定的标准作业量确定各个作业区域的区域作业量。
具体的,根据目标田块标准长势区域中作物的生长情况设定一个标准作业量,目标田块中的其他区域可在标准作业量的基础上进行调整,其中作业量可以是施肥量、用药量等,作业的类型可根据对目标田块的作业需求进行确定。例如对于处方施肥的施肥作业,在获取植被指数分布图后,以苗情、长势正常的区域对应的植被指数作为指数标准值,则指数标准值对应的作业区域的作业量(施肥量)为标准作业量(按照常规会计划的施肥量确定),植被指数低于指数标准值的作业区域(即长势较弱的区域)根据植被指数相对于指数标准值的差值比例,在标准作业量的基础上增加作业量比例得到该区域的区域作业量;植被指数高于指数标准值的作业区域(即长势过旺的区域)根据植被指数相对于指数标准值的差值比例,在标准作业量的基础上减少作业量比例得到该区域的区域作业量。对于处方植保的施药作业,在获取植被指数分布图后,植被指数分布图中植被指数的中位数或植被指数分布图中占比最多的植被指数确定指数标准值,并根据标准长势区域的实际情况确定标准长势区域的施药量,其他区域的施药量以标准长势区域对应的施药量为基准,根据实际情况确定处方施药规则,并调整具体的区域作业量。
如图3提供的一种根据比较结果确定区域作业量的流程示意图所述,本方案在根据比较结果以及设定的标准作业量确定各个作业区域的区域作业量时,包括以下至少一种:
S2051:在所述比较结果指示作业区域的植被指数和所述指数标准值一致时,将所述作业区域的区域作业量确定为标准作业量。
依次将目标田块的各个作业区域的植被指数和上述确定的指数标准值进行比较,在作业区域的植被指数和指数标准值一致时,表示当前作业区域的作物长势在标准范围内,可将设定的标准作业量作为该作业区域的区域作业量。
S2052:在所述比较结果指示作业区域的植被指数与所述指数标准值不一致时,根据所述植被指数与所述指数标准值的指数差距,在标准作业量的基础上进行调整得到所述作业区域的区域作业量。
具体的,在比较结果指示作业区域的植被指数与指数标准值不一致时,根据植被指数与指数标准值的指数差距,在设定的标准作业量的基础上进行调整得到作业区域的区域作业量。可选的,植被指数与指数标准值的指数差距可以是植被指数与指数标准值的差值大小,也可以是植被指数与指数标准值的差值比例(例如植被指数和指数标准值的差与指数标准值的比值)。
其中,在不同比较结果下对标准作业量的调整方向,根据指数分布图对应的指数类型和/或作业量类型确定。其中,在不同的指数类型和/或作业量类型下,对应植被指数的值越大,对应作业量的调整方向不同,例如在一种指数类型和/或作业量类型下,植被指数越大,对应的作业量需求越大,而在另一种指数类型和/或作业量类型下,植被指数越大,对应的作业量需求越小。例如,指数分布图对应的指数类型为归一化植被指数,并且作业量为施肥量时,归一化植被指数对应的植被指数越大,表示作物的长势越好,对应的作业量(施肥量)需求越小。其中指数类型可根据实际的作业需求、对田块异常分析的类型、作业需求或用料类型进行确定。
在一个实施例中,植被指数可表征作物的长势,作业量包括施肥量,可以理解的是,植被指数越大,表征作物的长势越好,在同一目标地块中,长势越好的作物相对于其他长势较弱的作物,其对肥料的需求量越低,那么,可将作物的长势与施肥量之间的相关关系确定为负相关,即植被指数表征的作物长势越好,需要的作业量越小。在一个实施例中,植被指数可表征作物的病虫害情况,作业量包括施药量,可以理解的是,植被指数越大,表征作物的病虫害情况越差,在同一目标地块中,病虫害情况越差的作物相对于其他病虫害情况较好的作物,其对药物的需求量越高,那么,可将作物的病虫害情况与施药量之间的相关关系确定为正相关,即植被指数表征作物的病虫害情况越差,需要的作业量越大。
对于植被指数越大作业量需求越大的指数类型,例如在指数分布图对应的指数类型包括归一化植被指数,并且作业量包括施肥量时,本实施例在根据植被指数与指数标准值的指数差距调整标准作业量时,具体包括:
S20521:在所述比较结果指示作业区域的植被指数低于所述指数标准值时,根据所述指数标准值与所述植被指数的指数差距,在设定的标准作业量的基础上提高作业量作为所述作业区域的区域作业量。
S20522:在所述比较结果指示作业区域的植被指数高于所述指数标准值时,根据所述植被指数与所述指数标准值的指数差距,在设定的标准作业量的基础上降低作业量作为所述作业区域的区域作业量。
分别根据每个作业区域对应的比较结果对标准作业量进行调整得到区域作业量,具体的,在作业区域的植被指数低于指数标准值时(可认为当前作业区域的作物长势较弱),根据指数标准值与植被指数的指数差距,在设定的标准作业量的基础上提高作业量作为作业区域的区域作业量。例如根据该作业区域的植被指数与指数标准值的差值比例,确定增加标准作业量(施肥量)的调整比例,以确定提高标准作业量后的区域作业量,比如可以以标准作业量为基数乘以大于1的系数,从而得到大于标准作业量的作业量作为区域作业量。而在植被指数高于指数标准值时(可认为当前作业区域的作物长势过旺),根据植被指数与指数标准值的指数差距,在设定的标准作业量的基础上降低作业量作为作业区域的区域作业量。例如根据该作业区域的植被指数与指数标准值的差值比例,确定减少标准作业量的调整比例或取消对该作业区域的施肥,以确定降低标准作业量后的区域作业量。
在确定各个作业区域的区域作业量后,可基于各个作业区域的区域作业量对目标田块进行作业,例如在无人机上装配肥料或农药后,无人机按照设定的作业任务在目标田块上飞行,并基于确定的区域作业量,在每一个作业区域上经过时进行喷洒作业。目标田块的各个作业区域按照确定的区域作业量进行差异化作业,更合理地分配用药,减少作业量过多导致的物料浪费或作业量过低导致作物治理效果不足的情况。
可以理解的是,由于不同时刻拍摄到的多光谱图像受不同天气、光影的影响,其光谱反射率会存在差异,那么对于同一位置不同多光谱图像对应的植被指数也会存在差异,会出现不同时间或位置拍摄多光谱图像中,相同长势的区域得到的植被指数差别较大的情况,如果根据植被指数与设定的标准值(此时该标准值为绝对的值)的比较结果来确定对不同作业区域的区域作业量,会出现区域作业量差异过大的情况,无法对各个作业区域进行精确的作业。本方案基于同一时刻同一张目标影像进行植被指数分布图的分析,在相同时间以及拍摄位置拍摄得到的目标影像中,目标田块的正常区域和异常区域的光谱反射率的相对差异是不变的,采用同一时空下的植被指数分布图中植被指数相对于指数标准值的差别来识别并界定目标田块中的异常区域和正常区域,再根据异常区域的植被指数相对于指数标准值的差别来确定异常区域的区域作业量,各个作业区域的区域作业量的确定不受天气和光影的变化带来的影响,减少采用绝对值的指数标准值时,受天气、光影影响而造成的在不同时间维度下的数据差异带来的误差。
上述,通过根据目标田块的目标影像生成植被指数分布图,并在植被指数分布图中确定指数标准值,根据目标田块不同作业区域的植被指数与指数标准值的植被指数的比较结果,确定对不同作业区域的区域作业量,可按照区域作业量对目标田块的不同作业区域进行差异化作业,根据目标田块不同作业区域在同一时刻的植被指数与指数标准值的比较结果调整施药量或施肥量,减少不同环境对作业量确定带来的限制及误差。采用同一时空下的植被指数分布图中植被指数相对于指数标准值的差别来识别并界定目标田块中的异常区域和正常区域,再根据异常区域的植被指数相对于指数标准值的差别来确定异常区域的区域作业量,减少天气和光影的变化对区域作业量的确定带来的影响。同时,可根据标准长势区域、用户指定、植被指数的中位数或占比最多的植被指数的方式确定指数标准值,更准确地确定在当前环境下标准长势作物对应的指数标准值。并且对标准作业量进行调整得到区域作业量的过程中,对标准作业量的调整方向根据指数分布图对应的指数类型确定,以适应不同作业类型对作业量的调整方式,提高对不同作业类型下进行差异化作业的适用性。
图4给出了本申请实施例提供的一种作业装置的结构示意图。参考图4,该作业装置包括影像获取模块31、指数分布获取模块32、指数标准确定模块33和作业量确定模块34。
其中,所述影像获取模块31,用于获取目标影像,所述目标影像由光谱相机对目标田块进行拍摄得到;所述指数分布获取模块32,用于根据所述目标影像生成植被指数分布图,所述植被指数分布图包括所述目标田块的不同作业区域的植被指数;所述指数标准确定模块33,用于根据所述植被指数分布图确定指数标准值;所述作业量确定模块34,用于基于所述指数标准值以及所述目标田块的不同作业区域的植被指数的比较结果,确定不同作业区域的区域作业量。
上述,通过根据目标田块的目标影像生成植被指数分布图,并在植被指数分布图中确定指数标准值,根据目标田块不同作业区域的植被指数与指数标准值的植被指数的比较结果,确定对不同作业区域的区域作业量,可按照区域作业量对目标田块的不同作业区域进行差异化作业,根据目标田块不同作业区域在同一时刻的植被指数与指数标准值的比较结果调整施药量或施肥量,减少不同环境对作业量确定带来的限制及误差。
本申请实施例还提供了一种作业设备,该作业设备可集成本申请实施例提供的作业装置。图5是本申请实施例提供的一种作业设备的结构示意图。参考图5,该作业设备包括:输入装置43、输出装置44、存储器42以及一个或多个处理器41;所述存储器42,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器41执行,使得所述一个或多个处理器41实现如上述实施例提供的作业方法。其中输入装置43、输出装置44、存储器42和处理器41可以通过总线或者其他方式连接,图5中以通过总线连接为例。
存储器42作为一种计算设备可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请任意实施例所述的作业方法对应的程序指令/模块(例如,作业装置中的影像获取模块31、指数分布获取模块32、指数标准确定模块33和作业量确定模块34)。存储器42可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器42可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器42可进一步包括相对于处理器41远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置43可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置44可包括显示屏等显示设备。
处理器41通过运行存储在存储器42中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的作业方法。
上述提供的作业装置、设备和计算机可用于执行上述任意实施例提供的作业方法,具备相应的功能和有益效果。
本申请实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的作业方法,该作业方法包括:获取目标影像,所述目标影像由光谱相机对目标田块进行拍摄得到;根据所述目标影像生成植被指数分布图,所述植被指数分布图包括所述目标田块的不同作业区域的植被指数;根据所述植被指数分布图确定指数标准值;基于所述指数标准值以及所述目标田块的不同作业区域的植被指数的比较结果,确定不同作业区域的区域作业量。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的作业方法,还可以执行本申请任意实施例所提供的作业方法中的相关操作。
上述实施例中提供的作业装置、设备及存储介质可执行本申请任意实施例所提供的作业方法,未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的作业方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由权利要求的范围决定。
Claims (17)
1.一种作业方法,其特征在于,包括:
获取目标影像,所述目标影像由光谱相机对目标田块进行拍摄得到;
根据所述目标影像生成植被指数分布图,所述植被指数分布图包括所述目标田块的不同作业区域的植被指数;
根据所述植被指数分布图确定指数标准值;
基于所述指数标准值以及所述目标田块的不同作业区域的植被指数的比较结果,确定不同作业区域的区域作业量。
2.根据权利要求1所述的作业方法,其特征在于,所述指数标准值基于所述植被指数分布图在所述目标田块的标准长势区域对应的植被指数确定。
3.根据权利要求2所述的作业方法,其特征在于,所述目标田块的标准长势区域基于图像识别技术对所述目标田块的近距离影像进行识别的区域确定。
4.根据权利要求2所述的作业方法,其特征在于,所述目标田块的标准长势区域基于用户在所述目标田块的近距离影像上指定的区域确定。
5.根据权利要求3或4所述的作业方法,其特征在于,所述近距离影像是无人机以第一高度对所述目标田块进行拍摄得到,所述目标影像是所述无人机以第二高度对所述目标田块进行拍摄得到,所述第一高度低于所述第二高度。
6.根据权利要求1所述的作业方法,其特征在于,所述指数标准值基于用户在所述植被指数分布图上指定的植被指数确定。
7.根据权利要求1所述的作业方法,其特征在于,所述指数标准值基于所述植被指数分布图中植被指数的中位数和/或所述植被指数分布图中占比最多的植被指数确定。
8.根据权利要求1所述的作业方法,其特征在于,所述基于所述指数标准值以及所述目标田块的不同作业区域的植被指数的比较结果,确定不同作业区域的区域作业量,包括:
在所述比较结果指示作业区域的植被指数和所述指数标准值一致时,将所述作业区域的区域作业量确定为标准作业量。
9.根据权利要求1所述的作业方法,其特征在于,所述基于所述指数标准值以及所述目标田块的不同作业区域的植被指数的比较结果,确定不同作业区域的区域作业量,包括:
在所述比较结果指示作业区域的植被指数与所述指数标准值不一致时,根据所述植被指数与所述指数标准值的指数差距,在标准作业量的基础上进行调整得到所述作业区域的区域作业量。
10.根据权利要求1所述的作业方法,其特征在于,其特征在于,所述植被指数表征作物的长势,所述作业量包括施肥量,所述作物的长势与所述施肥量负相关。
11.根据权利要求1所述的作业方法,其特征在于,其特征在于,所述植被指数表征作物的病虫害情况,所述作业量包括施药量,所述作物的病虫害情况与所述施药量正相关。
12.根据权利要求9所述的作业方法,其特征在于,在不同比较结果下对所述标准作业量的调整方向,根据植被指数对应的指数类型和/或作业量类型确定。
13.根据权利要求9所述的作业方法,其特征在于,所述指数分布图对应的指数类型包括归一化植被指数,所述作业量包括施肥量;
所述根据所述植被指数与所述指数标准值的指数差距,在设定的标准作业量的基础上进行调整得到所述作业区域的区域作业量,包括:
在所述比较结果指示作业区域的植被指数低于所述指数标准值时,根据所述指数标准值与所述植被指数的指数差距,在设定的标准作业量的基础上提高作业量作为所述作业区域的区域作业量;
在所述比较结果指示作业区域的植被指数高于所述指数标准值时,根据所述植被指数与所述指数标准值的指数差距,在设定的标准作业量的基础上降低作业量作为所述作业区域的区域作业量。
14.根据权利要求1-13任一项所述的作业方法,其特征在于,所述方法还包括:
控制无人机以所述作业区域对应的区域作业量对所述作业区域作业。
15.一种作业装置,其特征在于,包括影像获取模块、指数分布获取模块、指数标准确定模块和作业量确定模块,其中:
所述影像获取模块,用于获取目标影像,所述目标影像由光谱相机对目标田块进行拍摄得到;
所述指数分布获取模块,用于根据所述目标影像生成植被指数分布图,所述植被指数分布图包括所述目标田块的不同作业区域的植被指数;
所述指数标准确定模块,用于根据所述植被指数分布图确定指数标准值;
所述作业量确定模块,用于基于所述指数标准值以及所述目标田块的不同作业区域的植被指数的比较结果,确定不同作业区域的区域作业量。
16.一种作业设备,其特征在于,包括:存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-14任一项所述的作业方法。
17.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-14任一项所述的作业方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111582048.4A CN114463647A (zh) | 2021-12-22 | 2021-12-22 | 一种作业方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111582048.4A CN114463647A (zh) | 2021-12-22 | 2021-12-22 | 一种作业方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114463647A true CN114463647A (zh) | 2022-05-10 |
Family
ID=81406500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111582048.4A Pending CN114463647A (zh) | 2021-12-22 | 2021-12-22 | 一种作业方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114463647A (zh) |
-
2021
- 2021-12-22 CN CN202111582048.4A patent/CN114463647A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111406261B (zh) | 一种从大视野图像中检测被感染对象的计算机实现的方法 | |
US20200124581A1 (en) | Detecting infection of plant diseases by classifying plant photos | |
CN113196287A (zh) | 应季田地级产量预报 | |
CN113228047A (zh) | 利用多阶段、多尺度深度学习的植物病害检测 | |
CN112955000A (zh) | 使用基于机器学习的种子收获水分预测来改进计算机辅助农场操作 | |
CA3020852C (en) | Estimating rainfall adjustment values | |
US11716985B2 (en) | Method for remediating developmentally delayed plants | |
AU2016373963A1 (en) | Generating digital models of relative yield of a crop based on nitrate values in the soil | |
CN112889063A (zh) | 基于天气数据的产量自动预测和播种率推荐 | |
CN111985724B (zh) | 一种农作物产量预估的方法、装置、设备及存储介质 | |
EP4088250A1 (en) | Using optical remote sensors and machine learning models to predict agronomic field property data | |
US10956780B2 (en) | Detecting infection of plant diseases with improved machine learning | |
Liu et al. | Estimating maize seedling number with UAV RGB images and advanced image processing methods | |
CN114463647A (zh) | 一种作业方法、装置、设备及存储介质 | |
CN113492981A (zh) | 播撒控制方法、装置、终端设备、无人设备及介质 | |
US12008447B1 (en) | Methods and systems for sub-field soil nutrient management | |
CN116844075B (zh) | 一种耕地环境判定方法及系统 | |
RU2805670C2 (ru) | Обнаружение заражения растений болезнями путем классификации фотоснимков растений | |
WO2023219919A1 (en) | Machine learning methods and systems for characterizing corn growth efficiency |
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 |