CN114967761A - 一种植保无人机作业的智能控制方法及系统 - Google Patents
一种植保无人机作业的智能控制方法及系统 Download PDFInfo
- Publication number
- CN114967761A CN114967761A CN202210904182.XA CN202210904182A CN114967761A CN 114967761 A CN114967761 A CN 114967761A CN 202210904182 A CN202210904182 A CN 202210904182A CN 114967761 A CN114967761 A CN 114967761A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- plant protection
- protection unmanned
- current
- 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
- 238000000034 method Methods 0.000 title claims abstract description 80
- 239000000575 pesticide Substances 0.000 claims abstract description 82
- 238000005507 spraying Methods 0.000 claims abstract description 45
- 238000010586 diagram Methods 0.000 claims abstract description 28
- 239000003814 drug Substances 0.000 claims description 43
- 229940079593 drug Drugs 0.000 claims description 38
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 11
- 238000005265 energy consumption Methods 0.000 abstract description 8
- 239000000447 pesticide residue Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Catching Or Destruction (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种植保无人机作业的智能控制方法及系统，属于植保无人机控制技术领域，包括获取当前植保无人机的工作任务信息，并根据所述工作任务信息生成植保无人机作业轨迹图；获取当前植保无人机的工作环境信息，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到当前植保无人机在各个工作次序的运行消耗参数，通过本方法对植保无人机施药的过程进行能耗值计算，从而精准地预估各个工作环境温度之下以及各载药量的植保无人机的运行消耗参数，从而根据运行消耗参数对植保无人机作业过程中进行协调，能够修正待作业区域的边缘部分的农药量，从而使得农药的喷洒量更加合理，从而提高了通过植保无人机的农药的喷洒效率。
Description
技术领域
本发明涉及植保无人机控制技术领域，尤其涉及一种植保无人机作业的智能控制方法及系统。
背景技术
近年来，我国农业航空产业发展迅速，特别是农业航空重要组成之一的植保无人机的迅猛发展和应用引起了人们的广泛关注。植保无人机航空施药作业作为国内新型植保作业方式，与传统的人工施药和地面机械施药方法相比，具有作业效率高、成本低、农药利用率高的特点，可有效解决高秆作物、水田和丘陵山地人工和地面机械作业难以下地等问题，是应对大面积突发性病虫害防治，缓解由于城镇化发展带来的农村劳动力不足，减少农药对操作人员的伤害等问题的有效方式。与有人驾驶固定翼飞机和直升机相比，植保无人机具有机动灵活、无需专用的起降机场的优势，特别适用于我国田块小、田块分散的地域和民居稠密的农业区域；且植保无人机采用低空低量喷施方式，旋翼产生的向下气流有助于增加雾滴对作物的穿透性，防治效果相比人工与机械喷施方式提高了15%到35%。因此，植保无人机航空喷施已成为减少农药用量、降低农药残留和提升农药防效的新型有力手段。
而现如今，由于在喷洒作业之前均会先通过遥感技术或者无人机测绘技术来进行拍摄待施药区域的图像，由于拍摄角度的影响，所拍摄出的作业区域的图像的边缘区域之中存在包围盒冗余，包围盒冗余容易导致喷洒作业范围增大，从而使得植保无人机的施药量增加。另一方面，由于植保无人机在高温的地域之中喷洒时，容易出现耗电量过高的温度，若不能够准确地计算出在各个温度之下的运行消耗参数，无人机可能在施药的过程中提前将能量消耗完，无法持续以及正常的进行作业。
发明内容
本发明克服了现有技术的不足，提供了一种植保无人机作业的智能控制方法及系统。
为达上述目的，本发明采用的技术方案为：
本发明第一方面提供了一种植保无人机作业的智能控制方法，包括以下步骤：
获取当前植保无人机的工作任务信息，并根据所述工作任务信息生成植保无人机作业轨迹图；
获取当前植保无人机的工作环境信息，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到当前植保无人机在各个工作次序的运行消耗参数；
获取当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数，根据所述当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数选取出空闲状态的植保无人机，并将所述空闲状态的植保无人机作为作业无人机；
获取当前植保无人机的剩余任务信息，并将所述剩余任务信息传输至空闲状态的植保无人机。
进一步地，本发明的一个较佳实施例中，根据所述工作任务信息生成植保无人机作业轨迹图，具体包括以下步骤：
获取当前植保无人机的工作任务信息，并将所述工作任务信息分为多个子工作任务信息；
获取每个子工作任务所在的图像信息，通过对所述图像信息进行预处理，得到每个子工作任务的预估喷洒范围面积；
通过奇异值特征分解方式对所述预估喷洒范围面积的边缘区域进行修正，得到修正后的喷洒范围面积；
获取当前作业区域的作业信息，根据所述修正后的喷洒范围面积以及作业信息生成植保无人机作业轨迹图。
进一步地，本发明的一个较佳实施例中，通过奇异值特征分解方式对所述预估喷洒范围面积的边缘区域进行修正，得到修正后的喷洒范围面积，具体包括：
获取所述预估喷洒范围面积的边缘区域对应的特征向量；
通过奇异值分解方式对所述特征向量进行分解，得到所述特征向量对应的正交矩阵以及对角矩阵；
建立新的坐标系，并将所述正交矩阵以及对角矩阵导入新的坐标系中，生成重新组合的目标数据矩阵；
获取所述重新组合的目标数据矩阵的极限坐标点，并将所述极限坐标点导入世界坐标系中，并将所述极限坐标点在所述世界坐标系中重新组合，生成修正后的喷洒范围面积。
进一步地，本发明的一个较佳实施例中，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到运行消耗参数，具体包括以下步骤：
基于神经网络构建运行消耗模型，获取单位时间内各体积载药量的植保无人机在各工作环境温度之下的运行消耗特性，并将所述运行消耗特性输入所述运行消耗模型中，调整所述运行消耗模型的参数，保存最优模型参数；
获取当前植保无人机待作业区域的实时环境温度值，并将所述实时环境温度值导入所述运行消耗模型中，得到单位时间内各体积载药量工作状态之下的植保无人机运行消耗特性；
获取当前植保无人机的载药量，根据所述植保无人机的载药量以及所述植保无人机作业轨迹图确定当前植保无人机在各个工作次序的作业飞行轨迹；
根据所述单位时间内各体积载药量工作状态之下的植保无人机运行消耗特性以及当前植保无人机在各个工作次序的作业飞行轨迹得到当前植保无人机在各个工作次序的运行消耗参数。
进一步地，本发明的一个较佳实施例中，获取当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数，根据所述当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数选取出空闲状态的植保无人机，并将所述空闲状态的植保无人机作为作业无人机，具体包括以下步骤：
获取当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数；
判断所述当前工作次序的运行消耗参数是否大于当前植保无人机的剩余能量值；
若所述当前工作次序的运行消耗参数大于当前植保无人机的剩余能量值，则获取植保无人机的剩余能量值大于当前工作次序的运行消耗参数的植保无人机；
若所述植保无人机的剩余能量值大于当前工作次序的运行消耗参数的植保无人机处于空闲状态，则将所述空闲状态的植保无人机作为作业无人机。
进一步地，本发明的一个较佳实施例中，获取当前植保无人机的剩余任务信息，并将所述剩余任务信息传输至空闲状态的植保无人机，具体包括以下步骤：
获取当前植保无人机的互联网协议地址，并根据所述互联网协议地址得到当前植保无人机的剩余任务信息；
获取空闲状态的植保无人机的互联网协议地址，并将所述空闲状态的植保无人机的互联网协议地址作为接收信息节点；
将所述当前植保无人机的互联网协议地址作为传输信息节点，获取所述接收信息节点以及传输信息节点的通讯规则；
根据所述通讯规则将所述当前植保无人机的剩余任务信息从所述传输信息节点传输至所述接收信息节点。
进一步地，本发明的一个较佳实施例中，所述的一种植保无人机作业的智能控制方法，还包括以下步骤：
获取植保无人机在各个风力数据信息之下的历史施药参数数据信息，构建植保无人机防漂移数据库；
将所述植保无人机在各个风力数据信息之下的历史施药参数数据信息导入所述植保无人机防漂移数据库中，得到实时的植保无人机防漂移数据库；
获取当前工作环境中植保无人机的风力数据信息，将所述当前工作环境中植保无人机的风力数据信息导入所述实时的植保无人机防漂移数据库中，得到当前植保无人机的施药参数数据信息；
获取当前植保无人机的施药参数数据信息，根据所述当前植保无人机的施药参数数据信息以及当前植保无人机的施药参数数据信息得到补充施药参数数据信息，并根据补充施药参数数据信息对当前植保无人机的施药参数数据信息进行调整。
本发明第二方面提供了一种植保无人机作业的智能控制系统，所述控制系统包括存储器以及处理器，所述存储器中包括植保无人机作业的智能控制方法程序，所述植保无人机作业的智能控制方法程序被处理器执行时，实现如下步骤：
获取当前植保无人机的工作任务信息，并根据所述工作任务信息生成植保无人机作业轨迹图；
获取当前植保无人机的工作环境信息，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到当前植保无人机在各个工作次序的运行消耗参数；
获取当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数，根据所述当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数选取出空闲状态的植保无人机，并将所述空闲状态的植保无人机作为作业无人机；
获取当前植保无人机的剩余任务信息，并将所述剩余任务信息传输至空闲状态的植保无人机。
进一步地，本发明的一个较佳实施例中，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到运行消耗参数，具体包括以下步骤：
基于神经网络构建运行消耗模型，获取单位时间内各体积载药量的植保无人机在各工作环境温度之下的运行消耗特性，并将所述运行消耗特性输入所述运行消耗模型中，调整所述运行消耗模型的参数，保存最优模型参数；
获取当前植保无人机待作业区域的实时环境温度值，并将所述实时环境温度值导入所述运行消耗模型中，得到单位时间内各体积载药量工作状态之下的植保无人机运行消耗特性；
获取当前植保无人机的载药量，根据所述植保无人机的载药量以及所述植保无人机作业轨迹图确定当前植保无人机在各个工作次序的作业飞行轨迹；
根据所述单位时间内各体积载药量工作状态之下的植保无人机运行消耗特性以及当前植保无人机在各个工作次序的作业飞行轨迹得到当前植保无人机在各个工作次序的运行消耗参数。
进一步地，本发明的一个较佳实施例中，所述的一种植保无人机作业的智能控制系统，包括以下步骤：
获取植保无人机在各个风力数据信息之下的历史施药参数数据信息，构建植保无人机防漂移数据库；
将所述植保无人机在各个风力数据信息之下的历史施药参数数据信息导入所述植保无人机防漂移数据库中，得到实时的植保无人机防漂移数据库；
获取当前工作环境中植保无人机的风力数据信息，将所述当前工作环境中植保无人机的风力数据信息导入所述实时的植保无人机防漂移数据库中，得到当前植保无人机的施药参数数据信息；
获取当前植保无人机的施药参数数据信息，根据所述当前植保无人机的施药参数数据信息以及当前植保无人机的施药参数数据信息得到补充施药参数数据信息，并根据补充施药参数数据信息对当前植保无人机的施药参数数据信息进行调整。
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：
本发明通过获取当前植保无人机的工作任务信息，并根据所述工作任务信息生成植保无人机作业轨迹图，获取当前植保无人机的工作环境信息，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到当前植保无人机在各个工作次序的运行消耗参数，获取当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数，根据所述当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数选取出空闲状态的植保无人机，并将所述空闲状态的植保无人机作为作业无人机，获取当前植保无人机的剩余任务信息，并将所述剩余任务信息传输至空闲状态的植保无人机。通过本方法对植保无人机施药的过程进行能耗值计算，从而精准地预估各个工作环境温度之下以及各载药量的植保无人机的运行消耗参数，从而根据这个运行消耗参数对植保无人机作业过程中进行协调。
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示出了一种植保无人机作业的智能控制方法的第一方法流程图；
图2示出了一种植保无人机作业的智能控制方法的部分方法流程图；
图3示出了一种植保无人机作业的智能控制方法的第二方法流程图；
图4示出了一种植保无人机作业的智能控制系统的系统框图。
具体实施方式
为了能够更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。需要说明的是，在不冲突的情况下，本申请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。
图1示出了一种植保无人机作业的智能控制方法的第一方法流程图。
本发明第一方面提供了一种植保无人机作业的智能控制方法，包括以下步骤：
S102:获取当前植保无人机的工作任务信息，并根据所述工作任务信息生成植保无人机作业轨迹图；
S104:获取当前植保无人机的工作环境信息，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到当前植保无人机在各个工作次序的运行消耗参数；
S106:获取当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数，根据所述当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数选取出空闲状态的植保无人机，并将所述空闲状态的植保无人机作为作业无人机；
S108:获取当前植保无人机的剩余任务信息，并将所述剩余任务信息传输至空闲状态的植保无人机。
根据本实施例中，所述工作任务信息为待作业区域的位置信息、待作业区域的区域面积等，在施药前的过程中均可通过遥感技术、无人机测绘技术等采集待作业区域的图像信息，所述工作环境信息包括植保无人机的工作环境温度值，由于无人机容易受到温度以及载药量的影响，当相同的载药量是在不同的高温情况之下进行作业时，植保无人机的运行耗损量是不一致的。通过本方法能够对不同温度之下以及不同载药量之下的运行损耗量进行计算，从而根据植保无人机的运行损耗参数进行修正植保无人机的作业计划。
进一步地，本发明的一个较佳实施例中，根据所述工作任务信息生成植保无人机作业轨迹图，具体包括以下步骤：
获取当前植保无人机的工作任务信息，并将所述工作任务信息分为多个子工作任务信息；
获取每个子工作任务所在的图像信息，通过对所述图像信息进行预处理，得到每个子工作任务的预估喷洒范围面积；
通过奇异值特征分解方式对所述预估喷洒范围面积的边缘区域进行修正，得到修正后的喷洒范围面积；
获取当前作业区域的作业信息，根据所述修正后的喷洒范围面积以及作业信息生成植保无人机作业轨迹图。
需要说明的是，在施药前的过程中均可通过遥感技术、无人机测绘技术等采集待作业区域的图像信息，由于地形因素以及拍摄的摄像系统的角度影响，待作业的区域边缘地带会出现一定的包围盒冗余量，经过图像的去噪、滤波等方式处理之后，得到每个子工作任务的预估喷洒范围面积。最终可以通过蚁群算法、遗传算法等根据所述修正后的喷洒范围面积进行路线规划，从而形成植保无人机作业轨迹图。
进一步地，本发明的一个较佳实施例中，通过奇异值特征分解方式对所述预估喷洒范围面积的边缘区域进行修正，得到修正后的喷洒范围面积，具体包括：
获取所述预估喷洒范围面积的边缘区域对应的特征向量；
通过奇异值分解方式对所述特征向量进行分解，得到所述特征向量对应的正交矩阵以及对角矩阵；
建立新的坐标系，并将所述正交矩阵以及对角矩阵导入新的坐标系中，生成重新组合的目标数据矩阵；
获取所述重新组合的目标数据矩阵的极限坐标点，并将所述极限坐标点导入世界坐标系中，并将所述极限坐标点在所述世界坐标系中重新组合，生成修正后的喷洒范围面积。
需要说明的是，由于地形以及拍摄的图像角度的影响，待作业区域的边缘位置中容易出现作业区域包围盒的冗余，本方法通过奇异值分解方式对预估喷洒范围面积的边缘区域对应的特征向量记性分解，根据特征向量构成新的坐标系，对目标点云进行描述，通过计算目标点云在新坐标系下的包围盒来实现包围盒的优化，优化后的包围盒在新坐标下所对应的多个坐标顶点通过坐标变换映射回原坐标上，获取世界坐标系下的多个坐标点，从而就能够该喷洒范围面积进行重新修正，从而完成喷洒范围的缩小，通过本方法能够修正待作业区域的边缘部分的农药量，从而使得农药的喷洒量更加合理，从而提高了通过植保无人机的农药的喷洒效率。
图2示出了一种植保无人机作业的智能控制方法的部分方法流程图；
进一步地，本发明的一个较佳实施例中，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到运行消耗参数，具体包括以下步骤：
S202:基于神经网络构建运行消耗模型，获取单位时间内各体积载药量的植保无人机在各工作环境温度之下的运行消耗特性，并将所述运行消耗特性输入所述运行消耗模型中，调整所述运行消耗模型的参数，保存最优模型参数；
S204:获取当前植保无人机待作业区域的实时环境温度值，并将所述实时环境温度值导入所述运行消耗模型中，得到单位时间内各体积载药量工作状态之下的植保无人机运行消耗特性；
S206:获取当前植保无人机的载药量，根据所述植保无人机的载药量以及所述植保无人机作业轨迹图确定当前植保无人机在各个工作次序的作业飞行轨迹；
S208:根据所述单位时间内各体积载药量工作状态之下的植保无人机运行消耗特性以及当前植保无人机在各个工作次序的作业飞行轨迹得到当前植保无人机在各个工作次序的运行消耗参数。
需要说明的是，植保无人机喷洒作业的由于电池特性的影响，同一载药量之下不同工作温度的无人机在飞行同一距离时的运行消耗参数是不一致的，该数据特性可以从大数据网络中获得，由于植保无人机载药量的差异性，如在飞行过程中至少存在两个阶段，一个是载满药的飞行路段，另一种情况是施药过程中药量持续减少的情况，最后为返航载药阶段，三个阶段的消耗能量的行程轨迹是不一致的，即为当前植保无人机工作次序的作业飞行轨迹，进而完成一个作业流程。而无人机在完成一个作业流程后继续进行完成下一个作业流程，即各个工作次序的作业飞行轨迹可能是一致亦可能是不一致的，根据运行消耗模型能够计算出当前工作环境温度之下植保无人机在各个工作次序的运行消耗参数。
进一步地，本发明的一个较佳实施例中，获取当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数，根据所述当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数选取出空闲状态的植保无人机，并将所述空闲状态的植保无人机作为作业无人机，具体包括以下步骤：
获取当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数；
判断所述当前工作次序的运行消耗参数是否大于当前植保无人机的剩余能量值；
若所述当前工作次序的运行消耗参数大于当前植保无人机的剩余能量值，则获取植保无人机的剩余能量值大于当前工作次序的运行消耗参数的植保无人机；
若所述植保无人机的剩余能量值大于当前工作次序的运行消耗参数的植保无人机处于空闲状态，则将所述空闲状态的植保无人机作为作业无人机。
根据本实施例中，当所述当前工作次序的运行消耗参数大于当前植保无人机的剩余能量值，说明当前的植保无人机已经无法进行下一工作次序的运行消耗参数，选取出所述植保无人机的剩余能量值大于当前工作次序的运行消耗参数的空闲状态植保无人机。
进一步地，本发明的一个较佳实施例中，获取当前植保无人机的剩余任务信息，并将所述剩余任务信息传输至空闲状态的植保无人机，具体包括以下步骤：
获取当前植保无人机的互联网协议地址，并根据所述互联网协议地址得到当前植保无人机的剩余任务信息；
获取空闲状态的植保无人机的互联网协议地址，并将所述空闲状态的植保无人机的互联网协议地址作为接收信息节点；
将所述当前植保无人机的互联网协议地址作为传输信息节点，获取所述接收信息节点以及传输信息节点的通讯规则；
根据所述通讯规则将所述当前植保无人机的剩余任务信息从所述传输信息节点传输至所述接收信息节点。
图3示出了一种植保无人机作业的智能控制方法的第二方法流程图；
进一步地，本发明的一个较佳实施例中，所述的一种植保无人机作业的智能控制方法，还包括以下步骤：
S302:获取植保无人机在各个风力数据信息之下的历史施药参数数据信息，构建植保无人机防漂移数据库；
S304:将所述植保无人机在各个风力数据信息之下的历史施药参数数据信息导入所述植保无人机防漂移数据库中，得到实时的植保无人机防漂移数据库；
S306:获取当前工作环境中植保无人机的风力数据信息，将所述当前工作环境中植保无人机的风力数据信息导入所述实时的植保无人机防漂移数据库中，得到当前植保无人机的施药参数数据信息；
S308:获取当前植保无人机的施药参数数据信息，根据所述当前植保无人机的施药参数数据信息以及当前植保无人机的施药参数数据信息得到补充施药参数数据信息，并根据补充施药参数数据信息对当前植保无人机的施药参数数据信息进行调整。
需要说明的是，所述施药参数数据信息包括喷洒头的喷洒速度，植保无人机作业的高度，植保无人机的作业时的工作角度参数等。所述风力数据信息包括风力的大小方向等，该数据可通过植保无人机上装载风力测量仪获取，通过本方法能够根据实际的风力数据信息来调整当前植保无人机的施药参数数据信息，使得喷洒作业更加合理。
此外，本方法还可以包括以下步骤：
获取当前植保无人机的剩余任务信息，并根据所述当前植保无人机的剩余任务信息计算出农药剩余残余量，获取待补充能量的植保无人机的剩余任务信息，并根据所述待补充能量的植保无人机的剩余任务信息计算出待喷洒剩余残余量；
若所述农药剩余残余量大于待喷洒剩余残余量，则获取具有农药剩余残余量的无人机的位置信息，建立能耗排序表；
根据所述具有农药剩余残余量的无人机的位置信息以及待补充能量的植保无人机的剩余任务信息计算出具有农药剩余残余量的无人机完成所述待补充能量的植保无人机的剩余任务信息的能耗值；
将所述具有农药剩余残余量的无人机完成所述待补充能量的植保无人机的剩余任务信息的能耗值导入所述能耗排序表中进行排序，并选取出小能耗的植保无人机作为最终的作业植保无人机。
需要说明的是，在施药的过程中，由于通过多架植保无人机进行施药，在植保无人机完成作业的最后阶段，可能存在植保无人机具有剩余的农药残余量以及具有植保无人机差部分农药余量来完成该区域的喷洒作业，而无需当前植保无人机继续返回载药，通过本方法能够增加植保无人机之间的协同作业。
此外，本方法还可以包括以下步骤：
获取当前植保无人机的工作状态信息，并判断工作状态信息是否处于异常状态；
若所述工作状态信息处于异常状态，则获取当前植保无人机的工作任务节点；
根据所述植保无人机的工作任务以及当前植保无人机的工作任务节点生成剩余任务轨迹运行图；
获取当前空闲状态的植保无人机的互联网协议地址，并将所述剩余任务轨迹运行图通过互联网协议地址传输至空闲状态的植保无人机。
需要说明的是，所述异常状态可以是植保无人机在作业的过程中出现故障，此时通过传输剩余任务来使得无人机完成植保作业。
图4示出了一种植保无人机作业的智能控制系统的系统框图。
本发明第二方面提供了一种植保无人机作业的智能控制系统，所述控制系统包括存储器41以及处理器62，所述存储器41中包括植保无人机作业的智能控制方法程序，所述植保无人机作业的智能控制方法程序被处理器62执行时，实现如下步骤：
获取当前植保无人机的工作任务信息，并根据所述工作任务信息生成植保无人机作业轨迹图；
获取当前植保无人机的工作环境信息，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到当前植保无人机在各个工作次序的运行消耗参数；
获取当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数，根据所述当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数选取出空闲状态的植保无人机，并将所述空闲状态的植保无人机作为作业无人机；
获取当前植保无人机的剩余任务信息，并将所述剩余任务信息传输至空闲状态的植保无人机。
根据本实施例中，所述工作任务信息为待作业区域的位置信息、待作业区域的区域面积等，在施药前的过程中均可通过遥感技术、无人机测绘技术等采集待作业区域的图像信息，所述工作环境信息包括植保无人机的工作环境温度值，由于无人机容易受到温度以及载药量的影响，当相同的载药量是在不同的高温情况之下进行作业时，植保无人机的运行耗损量是不一致的。通过本方法能够对不同温度之下以及不同载药量之下的运行损耗量进行计算，从而根据植保无人机的运行损耗参数进行修正植保无人机的作业计划。
进一步地，本发明的一个较佳实施例中，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到运行消耗参数，具体包括以下步骤：
基于神经网络构建运行消耗模型，获取单位时间内各体积载药量的植保无人机在各工作环境温度之下的运行消耗特性，并将所述运行消耗特性输入所述运行消耗模型中，调整所述运行消耗模型的参数，保存最优模型参数；
获取当前植保无人机待作业区域的实时环境温度值，并将所述实时环境温度值导入所述运行消耗模型中，得到单位时间内各体积载药量工作状态之下的植保无人机运行消耗特性；
获取当前植保无人机的载药量，根据所述植保无人机的载药量以及所述植保无人机作业轨迹图确定当前植保无人机在各个工作次序的作业飞行轨迹；
根据所述单位时间内各体积载药量工作状态之下的植保无人机运行消耗特性以及当前植保无人机在各个工作次序的作业飞行轨迹得到当前植保无人机在各个工作次序的运行消耗参数。
需要说明的是，植保无人机喷洒作业的由于电池特性的影响，同一载药量之下不同工作温度的无人机在飞行同一距离时的运行消耗参数是不一致的，该数据特性可以从大数据网络中获得，由于植保无人机载药量的差异性，如在飞行过程中至少存在两个阶段，一个是载满药的飞行路段，另一种情况是施药过程中药量持续减少的情况，最后为返航载药阶段，三个阶段的消耗能量的行程轨迹是不一致的，即为当前植保无人机工作次序的作业飞行轨迹，进而完成一个作业流程。而无人机在完成一个作业流程后继续进行完成下一个作业流程，即各个工作次序的作业飞行轨迹可能是一致亦可能是不一致的，根据运行消耗模型能够计算出当前工作环境温度之下植保无人机在各个工作次序的运行消耗参数。
进一步地，本发明的一个较佳实施例中，所述的一种植保无人机作业的智能控制系统，包括以下步骤：
获取植保无人机在各个风力数据信息之下的历史施药参数数据信息，构建植保无人机防漂移数据库；
将所述植保无人机在各个风力数据信息之下的历史施药参数数据信息导入所述植保无人机防漂移数据库中，得到实时的植保无人机防漂移数据库；
获取当前工作环境中植保无人机的风力数据信息，将所述当前工作环境中植保无人机的风力数据信息导入所述实时的植保无人机防漂移数据库中，得到当前植保无人机的施药参数数据信息；
获取当前植保无人机的施药参数数据信息，根据所述当前植保无人机的施药参数数据信息以及当前植保无人机的施药参数数据信息得到补充施药参数数据信息，并根据补充施药参数数据信息对当前植保无人机的施药参数数据信息进行调整。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种植保无人机作业的智能控制方法，其特征在于，包括以下步骤：
获取当前植保无人机的工作任务信息，并根据所述工作任务信息生成植保无人机作业轨迹图；
获取当前植保无人机的工作环境信息，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到当前植保无人机在各个工作次序的运行消耗参数；
获取当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数，根据所述当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数选取出空闲状态的植保无人机，并将所述空闲状态的植保无人机作为作业无人机；
获取当前植保无人机的剩余任务信息，并将所述剩余任务信息传输至空闲状态的植保无人机。
2.根据权利要求1所述的一种植保无人机作业的智能控制方法，其特征在于，根据所述工作任务信息生成植保无人机作业轨迹图，具体包括以下步骤：
获取当前植保无人机的工作任务信息，并将所述工作任务信息分为多个子工作任务信息；
获取每个子工作任务所在的图像信息，通过对所述图像信息进行预处理，得到每个子工作任务的预估喷洒范围面积；
通过奇异值特征分解方式对所述预估喷洒范围面积的边缘区域进行修正，得到修正后的喷洒范围面积；
获取当前作业区域的作业信息，根据所述修正后的喷洒范围面积以及作业信息生成植保无人机作业轨迹图。
3.根据权利要求2所述的一种植保无人机作业的智能控制方法，其特征在于，通过奇异值特征分解方式对所述预估喷洒范围面积的边缘区域进行修正，得到修正后的喷洒范围面积，具体包括：
获取所述预估喷洒范围面积的边缘区域对应的特征向量；
通过奇异值分解方式对所述特征向量进行分解，得到所述特征向量对应的正交矩阵以及对角矩阵；
建立新的坐标系，并将所述正交矩阵以及对角矩阵导入新的坐标系中，生成重新组合的目标数据矩阵；
获取所述重新组合的目标数据矩阵的极限坐标点，并将所述极限坐标点导入世界坐标系中，并将所述极限坐标点在所述世界坐标系中重新组合，生成修正后的喷洒范围面积。
4.根据权利要求1所述的一种植保无人机作业的智能控制方法，其特征在于，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到运行消耗参数，具体包括以下步骤：
基于神经网络构建运行消耗模型，获取单位时间内各体积载药量的植保无人机在各工作环境温度之下的运行消耗特性，并将所述运行消耗特性输入所述运行消耗模型中，调整所述运行消耗模型的参数，保存最优模型参数；
获取当前植保无人机待作业区域的实时环境温度值，并将所述实时环境温度值导入所述运行消耗模型中，得到单位时间内各体积载药量工作状态之下的植保无人机运行消耗特性；
获取当前植保无人机的载药量，根据所述植保无人机的载药量以及所述植保无人机作业轨迹图确定当前植保无人机在各个工作次序的作业飞行轨迹；
根据所述单位时间内各体积载药量工作状态之下的植保无人机运行消耗特性以及当前植保无人机在各个工作次序的作业飞行轨迹得到当前植保无人机在各个工作次序的运行消耗参数。
5.根据权利要求1所述的一种植保无人机作业的智能控制方法，其特征在于，获取当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数，根据所述当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数选取出空闲状态的植保无人机，并将所述空闲状态的植保无人机作为作业无人机，具体包括以下步骤：
获取当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数；
判断所述当前工作次序的运行消耗参数是否大于当前植保无人机的剩余能量值；
若所述当前工作次序的运行消耗参数大于当前植保无人机的剩余能量值，则获取植保无人机的剩余能量值大于当前工作次序的运行消耗参数的植保无人机；
若所述植保无人机的剩余能量值大于当前工作次序的运行消耗参数的植保无人机处于空闲状态，则将所述空闲状态的植保无人机作为作业无人机。
6.根据权利要求1所述的一种植保无人机作业的智能控制方法，其特征在于，获取当前植保无人机的剩余任务信息，并将所述剩余任务信息传输至空闲状态的植保无人机，具体包括以下步骤：
获取当前植保无人机的互联网协议地址，并根据所述互联网协议地址得到当前植保无人机的剩余任务信息；
获取空闲状态的植保无人机的互联网协议地址，并将所述空闲状态的植保无人机的互联网协议地址作为接收信息节点；
将所述当前植保无人机的互联网协议地址作为传输信息节点，获取所述接收信息节点以及传输信息节点的通讯规则；
根据所述通讯规则将所述当前植保无人机的剩余任务信息从所述传输信息节点传输至所述接收信息节点。
7.根据权利要求1所述的一种植保无人机作业的智能控制方法，其特征在于，还包括以下步骤：
获取植保无人机在各个风力数据信息之下的历史施药参数数据信息，构建植保无人机防漂移数据库；
将所述植保无人机在各个风力数据信息之下的历史施药参数数据信息导入所述植保无人机防漂移数据库中，得到实时的植保无人机防漂移数据库；
获取当前工作环境中植保无人机的风力数据信息，将所述当前工作环境中植保无人机的风力数据信息导入所述实时的植保无人机防漂移数据库中，得到当前植保无人机的施药参数数据信息；
获取当前植保无人机的施药参数数据信息，根据所述当前植保无人机的施药参数数据信息以及当前植保无人机的施药参数数据信息得到补充施药参数数据信息，并根据补充施药参数数据信息对当前植保无人机的施药参数数据信息进行调整。
8.一种植保无人机作业的智能控制系统，其特征在于，所述控制系统包括存储器以及处理器，所述存储器中包括植保无人机作业的智能控制方法程序，所述植保无人机作业的智能控制方法程序被处理器执行时，实现如下步骤：
获取当前植保无人机的工作任务信息，并根据所述工作任务信息生成植保无人机作业轨迹图；
获取当前植保无人机的工作环境信息，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到当前植保无人机在各个工作次序的运行消耗参数；
获取当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数，根据所述当前植保无人机的剩余能量值以及当前工作次序的运行消耗参数选取出空闲状态的植保无人机，并将所述空闲状态的植保无人机作为作业无人机；
获取当前植保无人机的剩余任务信息，并将所述剩余任务信息传输至空闲状态的植保无人机。
9.根据权利要求8所述的一种植保无人机作业的智能控制系统，其特征在于，基于所述植保无人机作业轨迹图以及所述当前植保无人机的工作环境信息得到运行消耗参数，具体包括以下步骤：
基于神经网络构建运行消耗模型，获取单位时间内各体积载药量的植保无人机在各工作环境温度之下的运行消耗特性，并将所述运行消耗特性输入所述运行消耗模型中，调整所述运行消耗模型的参数，保存最优模型参数；
获取当前植保无人机待作业区域的实时环境温度值，并将所述实时环境温度值导入所述运行消耗模型中，得到单位时间内各体积载药量工作状态之下的植保无人机运行消耗特性；
获取当前植保无人机的载药量，根据所述植保无人机的载药量以及所述植保无人机作业轨迹图确定当前植保无人机在各个工作次序的作业飞行轨迹；
根据所述单位时间内各体积载药量工作状态之下的植保无人机运行消耗特性以及当前植保无人机在各个工作次序的作业飞行轨迹得到当前植保无人机在各个工作次序的运行消耗参数。
10.根据权利要求8所述的一种植保无人机作业的智能控制系统，其特征在于，包括以下步骤：
获取植保无人机在各个风力数据信息之下的历史施药参数数据信息，构建植保无人机防漂移数据库；
将所述植保无人机在各个风力数据信息之下的历史施药参数数据信息导入所述植保无人机防漂移数据库中，得到实时的植保无人机防漂移数据库；
获取当前工作环境中植保无人机的风力数据信息，将所述当前工作环境中植保无人机的风力数据信息导入所述实时的植保无人机防漂移数据库中，得到当前植保无人机的施药参数数据信息；
获取当前植保无人机的施药参数数据信息，根据所述当前植保无人机的施药参数数据信息以及当前植保无人机的施药参数数据信息得到补充施药参数数据信息，并根据补充施药参数数据信息对当前植保无人机的施药参数数据信息进行调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210904182.XA CN114967761B (zh) | 2022-07-29 | 2022-07-29 | 一种植保无人机作业的智能控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210904182.XA CN114967761B (zh) | 2022-07-29 | 2022-07-29 | 一种植保无人机作业的智能控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114967761A true CN114967761A (zh) | 2022-08-30 |
| CN114967761B CN114967761B (zh) | 2022-11-01 |
Family
ID=82968629
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210904182.XA Active CN114967761B (zh) | 2022-07-29 | 2022-07-29 | 一种植保无人机作业的智能控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114967761B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115943789A (zh) * | 2023-03-03 | 2023-04-11 | 重庆市农业科学院 | 固态有机肥高效施肥机及其高效施肥方法、装置 |
| CN116451126A (zh) * | 2023-06-13 | 2023-07-18 | 北京市农林科学院智能装备技术研究中心 | 确定直升机作业轨迹和施药量的方法及其装置 |
| CN118244778A (zh) * | 2024-04-19 | 2024-06-25 | 广东省农业科学院植物保护研究所 | 一种植保无人机的智能调度方法、系统及存储介质 |
| CN118278593A (zh) * | 2024-05-30 | 2024-07-02 | 安徽省农业科学院植物保护与农产品质量安全研究所 | 基于植保无人机的害虫治理路线规划方法及系统 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018129887A (ja) * | 2017-02-06 | 2018-08-16 | 株式会社Ｓｕｂａｒｕ | 車両の情報処理装置 |
| CN109558988A (zh) * | 2018-12-13 | 2019-04-02 | 北京理工新源信息科技有限公司 | 一种基于大数据融合的电动汽车能耗预测方法及系统 |
| CN109845715A (zh) * | 2019-03-06 | 2019-06-07 | 广州极飞科技有限公司 | 农药喷洒控制方法、装置、设备以及存储介质 |
| CN110728396A (zh) * | 2019-09-25 | 2020-01-24 | 国网山西省电力公司经济技术研究院 | 一种考虑时空分布的电动汽车充电负荷综合建模方法 |
| CN110794862A (zh) * | 2019-11-20 | 2020-02-14 | 深圳市益鑫智能科技有限公司 | 一种植保固定翼无人航迹规划控制方法 |
| CN111273693A (zh) * | 2020-02-27 | 2020-06-12 | 辽宁壮龙无人机科技有限公司 | 一种植保无人机作业的控制方法及系统 |
| CN111660816A (zh) * | 2020-06-16 | 2020-09-15 | 南京汽车集团有限公司 | 一种纯电动车续驶里程预测方法 |
| CN112189176A (zh) * | 2019-08-22 | 2021-01-05 | 深圳市大疆创新科技有限公司 | 多机作业航线规划方法、控制终端及计算机可读存储介质 |
| CN112180723A (zh) * | 2020-09-15 | 2021-01-05 | 东北大学 | 一种基于能量分析的无人机任务规划方法及装置 |
| CN112327911A (zh) * | 2020-10-29 | 2021-02-05 | 浙江万里学院 | 一种无人机农药喷洒控制方法及无人机 |
| CN112440970A (zh) * | 2019-08-29 | 2021-03-05 | 福特全球技术公司 | 车辆神经网络 |
| CN112799415A (zh) * | 2019-10-24 | 2021-05-14 | 广州极飞科技股份有限公司 | 作业航线生成方法和设备、航线规划设备以及存储介质 |
| CN113303306A (zh) * | 2021-05-20 | 2021-08-27 | 中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所) | 农药喷洒无人机的防喷药漂移方法、系统及存储介质 |
| CN114021391A (zh) * | 2021-12-06 | 2022-02-08 | 国网上海市电力公司 | 基于动态能耗与用户心理的电动汽车充电负荷预测方法 |
| CN114253293A (zh) * | 2021-12-16 | 2022-03-29 | 长春长光博翔无人机有限公司 | 多旋翼植保无人机作业方法 |
| CN114662726A (zh) * | 2020-12-24 | 2022-06-24 | 株式会社日立制作所 | 车辆能耗预测方法和装置 |
-
2022
- 2022-07-29 CN CN202210904182.XA patent/CN114967761B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018129887A (ja) * | 2017-02-06 | 2018-08-16 | 株式会社Ｓｕｂａｒｕ | 車両の情報処理装置 |
| CN109558988A (zh) * | 2018-12-13 | 2019-04-02 | 北京理工新源信息科技有限公司 | 一种基于大数据融合的电动汽车能耗预测方法及系统 |
| CN109845715A (zh) * | 2019-03-06 | 2019-06-07 | 广州极飞科技有限公司 | 农药喷洒控制方法、装置、设备以及存储介质 |
| CN112189176A (zh) * | 2019-08-22 | 2021-01-05 | 深圳市大疆创新科技有限公司 | 多机作业航线规划方法、控制终端及计算机可读存储介质 |
| CN112440970A (zh) * | 2019-08-29 | 2021-03-05 | 福特全球技术公司 | 车辆神经网络 |
| CN110728396A (zh) * | 2019-09-25 | 2020-01-24 | 国网山西省电力公司经济技术研究院 | 一种考虑时空分布的电动汽车充电负荷综合建模方法 |
| CN112799415A (zh) * | 2019-10-24 | 2021-05-14 | 广州极飞科技股份有限公司 | 作业航线生成方法和设备、航线规划设备以及存储介质 |
| CN110794862A (zh) * | 2019-11-20 | 2020-02-14 | 深圳市益鑫智能科技有限公司 | 一种植保固定翼无人航迹规划控制方法 |
| CN111273693A (zh) * | 2020-02-27 | 2020-06-12 | 辽宁壮龙无人机科技有限公司 | 一种植保无人机作业的控制方法及系统 |
| CN111660816A (zh) * | 2020-06-16 | 2020-09-15 | 南京汽车集团有限公司 | 一种纯电动车续驶里程预测方法 |
| CN112180723A (zh) * | 2020-09-15 | 2021-01-05 | 东北大学 | 一种基于能量分析的无人机任务规划方法及装置 |
| CN112327911A (zh) * | 2020-10-29 | 2021-02-05 | 浙江万里学院 | 一种无人机农药喷洒控制方法及无人机 |
| CN114662726A (zh) * | 2020-12-24 | 2022-06-24 | 株式会社日立制作所 | 车辆能耗预测方法和装置 |
| CN113303306A (zh) * | 2021-05-20 | 2021-08-27 | 中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所) | 农药喷洒无人机的防喷药漂移方法、系统及存储介质 |
| CN114021391A (zh) * | 2021-12-06 | 2022-02-08 | 国网上海市电力公司 | 基于动态能耗与用户心理的电动汽车充电负荷预测方法 |
| CN114253293A (zh) * | 2021-12-16 | 2022-03-29 | 长春长光博翔无人机有限公司 | 多旋翼植保无人机作业方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115943789A (zh) * | 2023-03-03 | 2023-04-11 | 重庆市农业科学院 | 固态有机肥高效施肥机及其高效施肥方法、装置 |
| CN116451126A (zh) * | 2023-06-13 | 2023-07-18 | 北京市农林科学院智能装备技术研究中心 | 确定直升机作业轨迹和施药量的方法及其装置 |
| CN116451126B (zh) * | 2023-06-13 | 2023-10-20 | 北京市农林科学院智能装备技术研究中心 | 确定直升机作业轨迹和施药量的方法及其装置 |
| CN118244778A (zh) * | 2024-04-19 | 2024-06-25 | 广东省农业科学院植物保护研究所 | 一种植保无人机的智能调度方法、系统及存储介质 |
| CN118278593A (zh) * | 2024-05-30 | 2024-07-02 | 安徽省农业科学院植物保护与农产品质量安全研究所 | 基于植保无人机的害虫治理路线规划方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114967761B (zh) | 2022-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114967761B (zh) | 一种植保无人机作业的智能控制方法及系统 | |
| CN110428111B (zh) | Uav/ugv协同长时多任务作业轨迹规划方法 | |
| Zhang et al. | A novel phase angle-encoded fruit fly optimization algorithm with mutation adaptation mechanism applied to UAV path planning | |
| Liu et al. | Multi-UAV path planning based on fusion of sparrow search algorithm and improved bioinspired neural network | |
| CN108983823B (zh) | 一种植保无人机集群协同控制方法 | |
| CN108958288A (zh) | 基于地理信息的低空作业无人机系统及其航迹规划方法 | |
| CN108871335B (zh) | 一种无人机喷施作业航线及载荷规划方法 | |
| CN108897312A (zh) | 多无人飞行器对大规模环境的持续监控路径规划方法 | |
| CN110794862A (zh) | 一种植保固定翼无人航迹规划控制方法 | |
| Xu et al. | Path planning optimization with multiple pesticide and power loading bases using several unmanned aerial systems on segmented agricultural fields | |
| CN115454148A (zh) | 固定翼集群无人机区域覆盖路径规划方法、介质及装置 | |
| CN117150757A (zh) | 一种基于数字孪生的仿真推演系统 | |
| Huang et al. | An autonomous task assignment and decision-making method for coverage path planning of multiple pesticide spraying UAVs | |
| CN114815891A (zh) | 一种基于per-idqn的多无人机围捕战术方法 | |
| CN112180987B (zh) | 协同作业方法、系统、装置、计算机设备及存储介质 | |
| Chen et al. | An improved spherical vector and truncated mean stabilization based bat algorithm for uav path planning | |
| CN114326805A (zh) | 无人机架空线路巡检协同控制方法、系统和存储介质 | |
| CN117724524A (zh) | 一种基于改进球面向量粒子群算法的无人机航线规划方法 | |
| CN116171962B (zh) | 一种植保无人机的高效对靶喷雾调控方法及系统 | |
| Gaowei et al. | Using multi-layer coding genetic algorithm to solve time-critical task assignment of heterogeneous UAV teaming | |
| Jasim et al. | Guided genetic algorithm for solving capacitated vehicle routing problem with unmanned-aerial-vehicles | |
| CN114967764A (zh) | 多作业区域植保无人机航线规划与任务分配方法 | |
| CN115316172A (zh) | 一种基于植保无人机的纳米农药施药方法及系统 | |
| CN113870421A (zh) | 一种竞速无人机的轨道智能定位方法、装置及设备 | |
| Li et al. | Inspection Path Optimization of the Agricultural Unmanned Aerial Vehicle Based on the Improved PSO Algorithm. |
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 |