CN115285240A - 一种农业植保小车及控制方法 - Google Patents
一种农业植保小车及控制方法 Download PDFInfo
- Publication number
- CN115285240A CN115285240A CN202211026698.5A CN202211026698A CN115285240A CN 115285240 A CN115285240 A CN 115285240A CN 202211026698 A CN202211026698 A CN 202211026698A CN 115285240 A CN115285240 A CN 115285240A
- Authority
- CN
- China
- Prior art keywords
- sensor
- lower computer
- upper computer
- computer
- soil
- 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 18
- 239000002689 soil Substances 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 20
- 201000010099 disease Diseases 0.000 claims abstract description 19
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 19
- 239000000523 sample Substances 0.000 claims abstract description 14
- 241000238631 Hexapoda Species 0.000 claims abstract description 11
- 230000009471 action Effects 0.000 claims abstract description 10
- 230000008635 plant growth Effects 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000013135 deep learning Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000003028 elevating effect Effects 0.000 claims description 12
- 230000033001 locomotion Effects 0.000 claims description 12
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 11
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 11
- 229910052802 copper Inorganic materials 0.000 claims description 11
- 239000010949 copper Substances 0.000 claims description 11
- 229910002804 graphite Inorganic materials 0.000 claims description 11
- 239000010439 graphite Substances 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000002093 peripheral effect Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 230000012010 growth Effects 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 238000003780 insertion Methods 0.000 abstract description 3
- 230000037431 insertion Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D55/00—Endless track vehicles
- B62D55/06—Endless track vehicles with tracks without ground wheels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/245—Earth materials for agricultural purposes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Food Science & Technology (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Transportation (AREA)
- Signal Processing (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种农业植保小车,包括:土壤综合传感器、垂直升降结构、摄像头云台、履带车、姿态反馈模块、下位机和上位机;履带车安装垂直升降结构和摄像头云台,土壤综合传感器安装在垂直升降结构上;下位机搭载在履带车上,接收上位机发出的动作指令控制工作,下位机能够进行姿态调整,能够将采集的信息反馈给上位机处理;上位机通过深度学习建立用于识别植物生长情况以及是否存在病虫害的植物状态分类检测模型,使得上位机根据反馈的图像信息进行判断。克服了现有农业植保小车采用轮式底盘,不适用于地形复杂的区域;同时农业植保小车的土壤传感器插入被测土壤的过程中,若不能保证传感器平稳插入,容易导致传感器探针损坏的问题。
Description
技术领域
本发明涉及植保技术领域,尤其涉及一种农业植保小车及控制方法。
背景技术
以往人们获取土壤数据信息通常采用人工测量,需要消耗大量的人力物力,农业植保小车能够自主在土地间运行并进行智能检测,返回农业所需的各项基本数据,相较于传统人工方法能大大减轻劳力,相较于固定于某一位置的农业检测装置更加灵活精细,因此被广泛应用。
现有农业植保小车通常采用轮式底盘,不适用于地形复杂的区域;同时农业植保小车的土壤传感器插入被测土壤的过程中,若不能保证传感器平稳插入,容易导致传感器探针被压弯,造成探针的损坏。
发明内容
本发明提供一种农业植保小车及控制方法,以克服现有农业植保小车通常采用轮式底盘,不适用于地形复杂的区域;同时农业植保小车的土壤传感器插入被测土壤的过程中,若不能保证传感器平稳插入,容易导致传感器探针被压弯,造成探针的损坏的问题。
为了实现上述目的,本发明的技术方案是:
一种农业植保小车,包括:土壤综合传感器、垂直升降结构、摄像头云台、履带车、姿态反馈模块、下位机和上位机;
所述履带车上安装垂直升降结构和摄像头云台,所述土壤综合传感器安装在垂直升降结构上,其能够在垂直升降结构带动下插入土壤;
所述下位机搭载在履带车上,能够接收上位机发出的动作指令进而控制垂直升降结构、摄像头云台和履带车工作,所述下位机能够根据姿态反馈模块采集的运动姿态数据进行姿态调整,所述下位机能够将土壤综合传感器采集的土壤信息和摄像头云台采集的图像信息反馈给上位机;
所述上位机能够通过深度学习建立植物状态分类检测模型,所述植物状态分类检测模型用于识别植物生长情况以及是否存在病虫害,使得上位机能够根据下位机反馈的图像信息判断植物生长情况以及是否存在病虫害。
进一步的,所述垂直升降结构包括步进电机、连接板、升降台、丝杠、导杆、法兰石墨铜套;
所述连接板与升降台固定连接,其用于安装土壤综合传感器,所述升降台设有法兰石墨铜套,所述法兰石墨铜套与导杆滑动连接,所述升降台内设有丝杠螺母,所述步进电机能够带动丝杠转动,进而通过丝杠螺母带动升降台沿导杆上下运动。
进一步的,所述姿态反馈模块包括GPS/北斗定位模块,IMU惯性测量单元和超声波测距模块;
所述GPS/北斗定位模块根据卫星定位信息确定所述履带车的位置信息;所述IMU惯性测量单元安装在小车的重心上,能够测量小车三轴姿态角以及加速度,并以此解算出小车的姿态;所述超声波测距模块用于获取小车到前方障碍物的距离。
进一步的,所述上位机包括履带车搭载的边缘计算平台和远端的PC机,所述边缘计算平台基于摄像头云台采集的周边植物图像信息进行图像处理、对植物生长情况和是否存在病虫害进行目标检测并将检测结果返回PC机,所述PC机负责接收边缘计算平台处理后的数据并且能够向下位机下发动作指令。
进一步的,还包括传感器模块,所述传感器模块包括雨滴传感器、温湿度传感器、气压传感器、亮度传感器,所述传感器模块与下位机相连,所述下位机能够将所述传感器模块采集的信息滤波处理后上传至上位机。
进一步的,所述履带车包括两个能够驱动履带转动的有刷电机,以及两个能够调整摄像头云台拍摄范围的舵机。
进一步的,所述履带车上设有载物板,所述载物板搭载太阳能板。
本发明还包括一种农业植保小车的控制方法,包含以下步骤:
S1:下位机等待指令;
S2:下位机接收上位机发出的目标坐标位置以及检测指令;
S3:下位机根据姿态反馈模块获取自身坐标位置;
S4:下位机根据自身坐标与获取的上位机发出的目标坐标计算出偏差角,控制履带车旋转相关角度;
S5:履带车直线前进,下位机实时获取偏差角度,如发现偏差值大于预设阈值,则通过控制履带车进行姿态调整;同时摄像头云台在履带车前进过程中执行步骤S5.5;S5.5:根据上位机的植物状态分类检测模型对周边植物进行实时分类检测,以确定当前位置的周边植物生长情况以及是否存在病虫害,如有病虫害则将其认定为异常情况,下位机将异常情况返回给上位机,上位机进行异常情况警告;
S6:下位机判断是否到达目标坐标位置,如果到达则进行S7,否则继续S5;
S7:履带车停止前进,如果收到检测指令则进入S8,否则返回S1;
S8:下位机控制垂直升降结构将土壤综合传感器的探针插入土壤进行检测,并将检测结果通过下位机传送给上位机,返回S1。
本发明的有益效果:
下位机搭载在履带车上,能够接收上位机发出的动作指令进而控制履带车工作,并能够根据姿态反馈模块采集的运动姿态数据进行姿态调整,解决了现有农业植保小车通常采用轮式底盘,不适用于地形复杂的区域的问题;履带车上安装垂直升降结构,将土壤综合传感器安装在垂直升降结构上,使其能够在垂直升降结构带动下平稳插入土壤,解决了农业植保小车的土壤传感器插入被测土壤的过程中,若不能保证传感器平稳插入,容易导致传感器探针被压弯,造成探针的损坏的问题。
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一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明公开的一种农业植保小车结构的示意图;
图2为本发明公开的一种农业植保小车结构的左视图;
图3为本发明公开的一种农业植保小车结构的主视图;
图4为本发明公开的一种农业植保小车的垂直升降结构的示意图;
图5为本发明公开的一种农业植保小车的主要功能架构框图;
图6为本发明公开的一种农业植保小车的工作流程简图;
图中:1、土壤综合传感器,2、垂直升降结构,21、步进电机,22、固定螺栓,23、连接板,24、升降台,25、联轴器,26、丝杠,27、固定器,28、底座,29、导杆,210、法兰石墨铜套,3、摄像头云台,4、履带车,41、载物板。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本实施例提供了一种农业植保小车,如图1至图3所示,包括:土壤综合传感器1、垂直升降结构2、摄像头云台3、履带车4、姿态反馈模块、下位机和上位机;
所述履带车4上安装垂直升降结构2和摄像头云台3,所述土壤综合传感器1安装在垂直升降结构2上,其能够在垂直升降结构2带动下插入土壤,土壤综合传感器用于测取土壤的湿度PH值以及氮磷钾含量;
所述下位机搭载在履带车4上,能够接收上位机发出的动作指令进而控制垂直升降结构2、摄像头云台3和履带车4工作,所述下位机能够根据姿态反馈模块采集的运动姿态数据进行姿态调整,所述下位机能够将土壤综合传感器1采集的土壤信息和摄像头云台3采集的图像信息反馈给上位机,传感器返回的数据通过adc采集以及iic通信协议获取;
所述上位机能够通过深度学习建立植物状态分类检测模型,所述植物状态分类检测模型用于识别植物生长情况以及是否存在病虫害,使得上位机能够根据下位机反馈的图像信息判断植物生长情况以及是否存在病虫害。
在具体实施例中,如图4所示,所述垂直升降结构2包括步进电机21、连接板23、升降台24、丝杠26、导杆29、法兰石墨铜套210;
所述连接板23与升降台24通过固定螺栓22固定连接,其用于安装土壤综合传感器1,所述升降台24设有法兰石墨铜套210,所述法兰石墨铜套210与导杆29滑动连接,所述升降台24内设有丝杠螺母,所述步进电机21与丝杠26通过联轴器25连接,能够带动丝杠26转动,进而通过丝杠螺母带动升降台24沿导杆29上下运动,所述导杆29两端设有限位开关,所述导杆29固定在固定器27上,所述固定器27与底座28固定连接,所述底座28设在履带车4上。当土壤综合传感器的探针11需要插入时,步进电机带动丝杠转动,驱动升降台降下,使探针插入土壤,通过控制步进电机即可控制探针插入土壤的深度,当探针需要拔出时,步进电机带动丝杠反转,驱动升降台上升直至触发限位开关。
步进电机带动丝杠转动,通过升降台内的丝杆螺母,将滑动摩擦变为滚动摩擦,减小了摩擦力,导杆起到了良好的导向作用,法兰石墨铜套能够自润滑,在它们的共同作用下,保证了升降台能够平稳行进,进而实现了土壤传感器对土壤的平稳插拔。
在具体实施例中,所述姿态反馈模块包括GPS/北斗定位模块,IMU惯性测量单元和超声波测距模块;所述GPS/北斗定位模块根据卫星定位信息确定所述履带车4的位置信息;所述IMU惯性测量单元安装在小车的重心上,能够测量小车三轴姿态角以及加速度,并以此解算出小车的姿态;所述超声波测距模块用于获取小车到前方障碍物的距离。当超声波测距模块检测到前方出现障碍物时,小车根据IMU惯性测量单元解算出的小车的姿态数据结合上位机发出的目标坐标定位信息重新规划路线。
在具体实施例中,所述上位机包括履带车4搭载的边缘计算平台和远端的PC机,所述边缘计算平台基于摄像头云台3采集的周边植物图像信息进行图像处理、对植物生长情况和是否存在病虫害进行目标检测并将检测结果返回PC机,所述PC机负责接收边缘计算平台处理后的数据并且能够向下位机下发动作指令。
上位机通过连接4G模块与下位机通讯,下位机将土壤综合传感器采集的土壤信息、摄像头云台采集的图像数据以及姿态反馈模块采集的运动姿态数据回传至PC端并将PC端数据下发实施,上位机通过摄像头云台联网后进行图传显示实时图像信息。
通过PC端预设的深度学习模型进行深度学习计算,该模型的主网络使用YOLOv3,损失函数计算采用CIOU函数,其能够有效避免梯度消失等问题,并能够在训练结束后对权重文件进行量化,减小模型的尺寸,进而减小边缘计算平台计算量,得到所需的植物状态分类检测模型。
边缘计算平台采用NVIDIA推出的边缘处理器,处理器计算采用两重加速,一方面将模型参数改为整型,使用适用于移动场景的TinyYolo,其性能优异,帧率可以达到30帧;另一方面采用NVIDIA优化的TensorRT,TensorRT使用了kernelauto-tuning、DynamicTensorMemory、LayerFusion和Quantization(FP16/INT8)等方法来加速网络的执行效率,相比于Tensor库更便于计算,对于平台有更好的加速效果。边缘计算平台通过带偏光处理的摄像头云台,进行目标检测,通过对图片的特征进行提取,计算图片的信息,进行边缘化计算识别得虫害的种类、植物生长状况等一系列信息。
在具体实施例中,还包括传感器模块,所述传感器模块包括雨滴传感器、温湿度传感器、气压传感器、亮度传感器,所述传感器模块与下位机相连,所述下位机能够将所述传感器模块采集的信息滤波处理后上传至上位机。
雨滴传感器主要用于测取实时雨量,温湿度传感器主要用于测量当前环境中的温湿度,气压传感器用于获取当前环境下的大气压强,照度传感器主要用于测量当前环境下的光照强度,各传感器获取的参数经由下位机滤波处理,将部分噪声以及尖峰信号进行剔除后上传至上位机交予人工判断。
在具体实施例中,所述履带车4包括两个能够驱动履带转动的有刷电机,以及两个能够调整摄像头云台3拍摄范围的舵机,两个单独的驱动履带转动的有刷电机能确保履带车通过两轮差速实现转向。
本发明公开的一种农业植保小车的主要功能架构框图如图5所示,所述下位机选用32位微处理器,下位机能够接收上位机发出的动作指令进而控制垂直升降结构、摄像头云台和履带车工作,同时其能够将将土壤综合传感器采集的土壤信息、摄像头云台采集的图像数据以及姿态反馈模块采集的运动姿态数据反馈给上位机。
在具体实施例中,所述履带车4上设有载物板41,所述载物板41搭载太阳能板,太阳能板增强履带车的续航能力。
本发明还包括一种农业植保小车的控制方法,包含以下步骤:
S1:下位机等待指令;
S2:下位机接收上位机发出的目标坐标位置以及检测指令;
S3:下位机根据姿态反馈模块获取自身坐标位置;
S4:下位机根据自身坐标与获取的上位机发出的目标坐标计算出偏差角,控制履带车旋转相关角度;
S5:履带车直线前进,下位机实时获取偏差角度,如发现偏差值大于预设阈值,则通过控制履带车进行姿态调整;同时摄像头云台在履带车前进过程中执行步骤S5.5;S5.5:根据上位机的植物状态分类检测模型对周边植物进行实时分类检测,以确定当前位置的周边植物生长情况以及是否存在病虫害,如有病虫害则将其认定为异常情况,下位机将异常情况返回给上位机,上位机进行异常情况警告;
S6:下位机判断是否到达目标坐标位置,如果到达则进行S7,否则继续S5;
S7:履带车停止前进,如果收到检测指令则进入S8,否则返回S1;
S8:下位机控制垂直升降结构将土壤综合传感器的探针插入土壤进行检测,并将检测结果通过下位机传送给上位机,返回S1。
小车的工作流程简图如图6所示,本发明公开的一种农业植保小车的运动路线,由上位机预先确定,下位机根据上位机指定的坐标决定运动方向,根据姿态反馈模块得到的数据以及计算得到的运动轨迹的偏差,使用棒棒控制操纵履带车的基本运动;下位机将所测数据返回给上位机进行上传分析,并交予检测人员人工判断,检测人员能够通过上位机再次对下位机发布指令,下位机能够根据指令执行相应命令。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种农业植保小车,其特征在于,包括:土壤综合传感器(1)、垂直升降结构(2)、摄像头云台(3)、履带车(4)、姿态反馈模块、下位机和上位机;
所述履带车(4)上安装垂直升降结构(2)和摄像头云台(3),所述土壤综合传感器(1)安装在垂直升降结构(2)上,其能够在垂直升降结构(2)带动下插入土壤;
所述下位机搭载在履带车(4)上,能够接收上位机发出的动作指令进而控制垂直升降结构(2)、摄像头云台(3)和履带车(4)工作,所述下位机能够根据姿态反馈模块采集的运动姿态数据进行姿态调整,所述下位机能够将土壤综合传感器(1)采集的土壤信息和摄像头云台(3)采集的图像信息反馈给上位机;
所述上位机能够通过深度学习建立植物状态分类检测模型,所述植物状态分类检测模型用于识别植物生长情况以及是否存在病虫害,使得上位机能够根据下位机反馈的图像信息判断植物生长情况以及是否存在病虫害。
2.根据权利要求1所述的一种农业植保小车,所述垂直升降结构(2)包括步进电机(21)、连接板(23)、升降台(24)、丝杠(26)、导杆(29)、法兰石墨铜套(210);
所述连接板(23)与升降台(24)固定连接,其用于安装土壤综合传感器(1),所述升降台(24)设有法兰石墨铜套(210),所述法兰石墨铜套(210)与导杆(29)滑动连接,所述升降台(24)内设有丝杠螺母,所述步进电机(21)能够带动丝杠(26)转动,进而通过丝杠螺母带动升降台(24)沿导杆(29)上下运动。
3.根据权利要求1所述的一种农业植保小车,所述姿态反馈模块包括GPS/北斗定位模块,IMU惯性测量单元和超声波测距模块;所述GPS/北斗定位模块根据卫星定位信息确定所述履带车(4)的位置信息;所述IMU惯性测量单元安装在小车的重心上,能够测量小车三轴姿态角以及加速度,并以此解算出小车的姿态;所述超声波测距模块用于获取小车到前方障碍物的距离。
4.根据权利要求1所述的一种农业植保小车,所述上位机包括履带车(4)搭载的边缘计算平台和远端的PC机,所述边缘计算平台基于摄像头云台(3)采集的周边植物图像信息进行图像处理、对植物生长情况和是否存在病虫害进行目标检测并将检测结果返回PC机,所述PC机负责接收边缘计算平台处理后的数据并且能够向下位机下发动作指令。
5.根据权利要求1所述的一种农业植保小车,还包括传感器模块,所述传感器模块包括雨滴传感器、温湿度传感器、气压传感器、亮度传感器,所述传感器模块与下位机相连,所述下位机能够将所述传感器模块采集的信息滤波处理后上传至上位机。
6.根据权利要求1所述的一种农业植保小车,所述履带车(4)包括两个能够驱动履带转动的有刷电机,以及两个能够调整摄像头云台(3)拍摄范围的舵机。
7.根据权利要求1所述的一种农业植保小车,所述履带车(4)上设有载物板(41),所述载物板(41)搭载太阳能板。
8.根据权利要求1-7任一项所述的一种农业植保小车的控制方法,其特征在于,包含以下步骤:
S1:下位机等待指令;
S2:下位机接收上位机发出的目标坐标位置以及检测指令;
S3:下位机根据姿态反馈模块获取自身坐标位置;
S4:下位机根据自身坐标与获取的上位机发出的目标坐标计算出偏差角,控制履带车旋转相关角度;
S5:履带车直线前进,下位机实时获取偏差角度,如发现偏差值大于预设阈值,则通过控制履带车进行姿态调整;同时摄像头云台在履带车前进过程中执行步骤S5.5;S5.5:根据上位机的植物状态分类检测模型对周边植物进行实时分类检测,以确定当前位置的周边植物生长情况以及是否存在病虫害,如有病虫害则将其认定为异常情况,下位机将异常情况返回给上位机,上位机进行异常情况警告;
S6:下位机判断是否到达目标坐标位置,如果到达则进行S7,否则继续S5;
S7:履带车停止前进,如果收到检测指令则进入S8,否则返回S1;
S8:下位机控制垂直升降结构将土壤综合传感器的探针插入土壤进行检测,并将检测结果通过下位机传送给上位机,返回S1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211026698.5A CN115285240A (zh) | 2022-08-25 | 2022-08-25 | 一种农业植保小车及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211026698.5A CN115285240A (zh) | 2022-08-25 | 2022-08-25 | 一种农业植保小车及控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115285240A true CN115285240A (zh) | 2022-11-04 |
Family
ID=83831216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211026698.5A Pending CN115285240A (zh) | 2022-08-25 | 2022-08-25 | 一种农业植保小车及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115285240A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102628783A (zh) * | 2012-03-26 | 2012-08-08 | 北京农业智能装备技术研究中心 | 一种土壤硬度测定机器人 |
CN206248127U (zh) * | 2016-11-29 | 2017-06-13 | 丽水职业技术学院 | 生态环境感知与精准农业一体化应用平台 |
KR101830056B1 (ko) * | 2017-07-05 | 2018-02-19 | (주)이지팜 | 딥러닝 기반의 병해 진단 시스템 및 그 이용방법 |
CN107825959A (zh) * | 2017-11-01 | 2018-03-23 | 天津可宏振星科技有限公司 | 一种轮式内履带安防侦查机器人 |
CN108196035A (zh) * | 2018-02-06 | 2018-06-22 | 仲恺农业工程学院 | 可遍历作物及其土壤的温室大棚检测装置 |
WO2018120634A1 (zh) * | 2016-12-30 | 2018-07-05 | 深圳前海弘稼科技有限公司 | 病虫害识别方法及装置 |
CN209284505U (zh) * | 2018-06-20 | 2019-08-23 | 天津工业大学 | 一种自动控制电脑升降台 |
CN209343202U (zh) * | 2019-03-28 | 2019-09-03 | 安徽农业大学 | 一种农业环境信息采集小车 |
US20200117897A1 (en) * | 2018-10-15 | 2020-04-16 | Walt Froloff | Adaptive Artificial Intelligence Training Data Acquisition and Plant Monitoring System |
AU2020102100A4 (en) * | 2020-09-02 | 2020-10-22 | Khan, Mohd. Arsh MR | Disease detection using iot and machine learning in rice crops |
KR20210000698A (ko) * | 2018-12-05 | 2021-01-05 | (주)투비시스템 | 음파 및 IoT 기반의 농작물 생장 제어 및 병해충 방제 시스템 |
KR20210008711A (ko) * | 2019-07-15 | 2021-01-25 | 주식회사 인터웨어 | 인공지능을 활용한 식물병충해방지 로봇시스템 |
CN113110207A (zh) * | 2021-04-28 | 2021-07-13 | 佛山一本农业科技有限公司 | 基于物联网传感器的虫害远程监测方法、系统及存储介质 |
-
2022
- 2022-08-25 CN CN202211026698.5A patent/CN115285240A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102628783A (zh) * | 2012-03-26 | 2012-08-08 | 北京农业智能装备技术研究中心 | 一种土壤硬度测定机器人 |
CN206248127U (zh) * | 2016-11-29 | 2017-06-13 | 丽水职业技术学院 | 生态环境感知与精准农业一体化应用平台 |
WO2018120634A1 (zh) * | 2016-12-30 | 2018-07-05 | 深圳前海弘稼科技有限公司 | 病虫害识别方法及装置 |
KR101830056B1 (ko) * | 2017-07-05 | 2018-02-19 | (주)이지팜 | 딥러닝 기반의 병해 진단 시스템 및 그 이용방법 |
CN107825959A (zh) * | 2017-11-01 | 2018-03-23 | 天津可宏振星科技有限公司 | 一种轮式内履带安防侦查机器人 |
CN108196035A (zh) * | 2018-02-06 | 2018-06-22 | 仲恺农业工程学院 | 可遍历作物及其土壤的温室大棚检测装置 |
CN209284505U (zh) * | 2018-06-20 | 2019-08-23 | 天津工业大学 | 一种自动控制电脑升降台 |
US20200117897A1 (en) * | 2018-10-15 | 2020-04-16 | Walt Froloff | Adaptive Artificial Intelligence Training Data Acquisition and Plant Monitoring System |
KR20210000698A (ko) * | 2018-12-05 | 2021-01-05 | (주)투비시스템 | 음파 및 IoT 기반의 농작물 생장 제어 및 병해충 방제 시스템 |
CN209343202U (zh) * | 2019-03-28 | 2019-09-03 | 安徽农业大学 | 一种农业环境信息采集小车 |
KR20210008711A (ko) * | 2019-07-15 | 2021-01-25 | 주식회사 인터웨어 | 인공지능을 활용한 식물병충해방지 로봇시스템 |
AU2020102100A4 (en) * | 2020-09-02 | 2020-10-22 | Khan, Mohd. Arsh MR | Disease detection using iot and machine learning in rice crops |
CN113110207A (zh) * | 2021-04-28 | 2021-07-13 | 佛山一本农业科技有限公司 | 基于物联网传感器的虫害远程监测方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109911188B (zh) | 非卫星导航定位环境的桥梁检测无人机系统 | |
CN109328973B (zh) | 一种橡胶树智能割胶系统及其控制方法 | |
CN106680290B (zh) | 狭窄空间的多功能检测车 | |
CN108321722B (zh) | 自动避障的可纵向弯曲树障清理空中机器人和避障方法 | |
CN112326686B (zh) | 无人机智能巡航路面病害检测方法、无人机和检测系统 | |
AU2019222803A1 (en) | Volume measurement apparatus and method | |
CN107390699B (zh) | 一种甘蔗种植机的路线规划系统及其路线规划方法 | |
CN105652872B (zh) | 变电站激光导航巡检机器人智能云台自动跟踪定位方法 | |
CN111633660A (zh) | 一种智能巡检机器人 | |
CN106774384A (zh) | 一种桥梁检测智能避障机器人 | |
CN110880258A (zh) | 一种电力线路无人机智能巡检实操仿真培训方法和系统 | |
CN113778137A (zh) | 输电线路的无人机自主巡检方法 | |
CN113532293A (zh) | 一种基于无人机的结构动位移测量方法及系统 | |
CN115285240A (zh) | 一种农业植保小车及控制方法 | |
CN214670726U (zh) | 一种桥梁防撞墙病害数据采集建模系统 | |
CN111832379A (zh) | 基于卷积神经网络的无人机实时视频检测系统 | |
CN112857267B (zh) | 一种基于无人机的土地面积测量系统 | |
CN112659146B (zh) | 一种视觉巡检机器人系统及高速公路视觉巡检方法 | |
CN108803598A (zh) | 一种极地机器人群操作系统及协同方法 | |
CN209343202U (zh) | 一种农业环境信息采集小车 | |
CN110057364B (zh) | 一种水田拖拉机位姿检测和偏航角提取方法及装置 | |
CN215494710U (zh) | 一种作物苗表型巡检机器人 | |
CN114931112B (zh) | 基于智能巡检机器人的母猪体尺检测系统 | |
CN116009562A (zh) | 田间作物表型监测机器人自走平台与监测方法 | |
CN213814413U (zh) | 一种送餐双足机器人控制系统 |
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 |