CN115629393A - 生物量估算方法、装置、系统、电子设备及存储介质 - Google Patents
生物量估算方法、装置、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115629393A CN115629393A CN202211520166.7A CN202211520166A CN115629393A CN 115629393 A CN115629393 A CN 115629393A CN 202211520166 A CN202211520166 A CN 202211520166A CN 115629393 A CN115629393 A CN 115629393A
- Authority
- CN
- China
- Prior art keywords
- fruit tree
- estimated
- tree canopy
- canopy
- sample
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明提供一种生物量估算方法、装置、系统、电子设备及存储介质,涉及计算机技术领域,该方法包括:基于待估算果树冠层的目标三维点云数据和目标超声波数据,获取待估算果树冠层内叶片的稠密度和待估算果树冠层的几何尺寸;将几何尺寸和稠密度输入果树冠层生物量估算模型,获取果树冠层生物量估算模型输出的用于表征待估算果树冠层的生物量的待估算果树冠层叶面积。本发明提供的生物量估算方法、装置、系统、电子设备及存储介质,能在不影响待估算果树正常生长的基础上,更准确、更高效地获取用于表征果树冠层的生物量的果树冠层叶面积以及冠层内叶片的空间分布,能为待估算果树冠层的精准施药、精准施肥以及产量预测等提供数据支撑。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种生物量估算方法、装置、系统、电子设备及存储介质。
背景技术
果树冠层的生物量,可为果树的施药、施肥作业以及产量预测等提供数据支撑。研究发现,叶面积与生物量之间具有较强的相关性,可以用果树冠层叶面积表征果树冠层的生物量。
现有技术中,可以通过破坏性的方法或非破坏性的方法,获取果树冠层叶面积。上述破坏性的方法包括摘取果树冠层的全部叶片之后,利用测量仪逐一测量上述叶片的面积,进而可以计算上述所有叶片的面积之和,作为果树冠层叶面积。基于上述破坏性的方法虽然可以准确地获得果树冠层叶面积,但严重影响果树的正常生长。上述非破坏性的方法包括在无需摘取果树冠层叶片的情况下,直接利用测量仪测量果树冠层每一叶片的面积,进而可以计算上述所有叶片的面积之和,作为果树冠层叶面积。上述非破坏性的方法虽然对果树的正常生长影响较小,但所需投入的人力成本和时间成本较高,测量效率较低。
因此,现有技术中难以在不影响果树正常生长的情况下,高效地对果树冠层的生物量进行估算。如何在不影响果树正常生长的情况下,更高效地估算果树冠层的生物量是本领域亟待解决的技术问题。
发明内容
本发明提供一种生物量估算方法、装置、系统、电子设备及存储介质,用以解决现有技术中难以在不影响果树正常生长的情况下,高效地对果树冠层的生物量进行估算的缺陷,实现在不影响果树正常生长的情况下,更高效地估算果树冠层的生物量。
本发明提供一种生物量估算方法,包括:
获取待估算果树冠层的目标三维点云数据和目标超声波数据;
基于所述目标三维点云数据,获取所述待估算果树冠层的几何尺寸,基于所述目标超声波数据,获取所述待估算果树冠层内叶片的稠密度;
将所述几何尺寸和所述稠密度输入果树冠层生物量估算模型,获取所述果树冠层生物量估算模型输出的所述待估算果树冠层叶面积,所述待估算果树冠层叶面积用于表征所述待估算果树冠层的生物量;
其中,所述果树冠层生物量估算模型基于样本数据以及样本果树冠层叶面积构建,用于描述所述样本数据与所述样本果树冠层叶面积之间的映射关系;所述样本数据包括所述样本果树冠层的几何尺寸以及所述样本果树冠层内叶片的稠密度。
根据本发明提供的一种生物量估算方法,所述获取待估算果树冠层的目标三维点云数据和目标超声波数据,包括:
基于第一预设速度,控制激光雷达传感器在测量所述待估算果树冠层过程中的移动速度,基于第二预设速度,控制超声波传感器在测量所述待估算果树冠层过程中的移动速度;
在所述激光雷达传感器完成对所述待估算果树冠层的测量的情况下,接收所述激光雷达传感器发送的所述目标三维点云数据,在所述超声波传感器完成对所述待估算果树冠层的测量的情况下,接收所述超声波传感器发送的所述目标超声波数据。
根据本发明提供的一种生物量估算方法,所述获取所述果树冠层生物量估算模型输出的所述待估算果树冠层叶面积之后,所述方法还包括:
基于所述待估算果树冠层叶面积、所述几何尺寸和所述稠密度,生成所述待估算果树冠层的施药方案和/或施肥方案。
根据本发明提供的一种生物量估算方法,所述获取所述果树冠层生物量估算模型输出的所述待估算果树冠层叶面积之后,所述方法还包括:
基于所述待估算果树冠层叶面积、所述几何尺寸和所述稠密度,对所述待估算果树进行产量预测,获取所述待估算果树的产量预测结果。
本发明还提供一种生物量估算装置,包括:
数据获取模块,用于获取待估算果树冠层的目标三维点云数据和目标超声波数据;
数值计算模块,用于基于所述目标三维点云数据,获取所述待估算果树冠层的几何尺寸,基于所述目标超声波数据,获取所述待估算果树冠层内叶片的稠密度;
生物量估算模块,用于将所述几何尺寸和所述稠密度输入果树冠层生物量估算模型,获取所述果树冠层生物量估算模型输出的所述待估算果树冠层叶面积,所述待估算果树冠层叶面积用于表征所述待估算果树冠层的生物量;
其中,所述果树冠层生物量估算模型基于样本数据以及样本果树冠层叶面积构建,用于描述所述样本数据与所述样本果树冠层叶面积之间的映射关系;所述样本数据包括所述样本果树冠层的几何尺寸以及所述样本果树冠层内叶片的稠密度。
本发明还提供一种生物量估算系统,包括:激光雷达传感器、超声波传感器以及处理器;
所述激光雷达传感器用于对待估算果树冠层进行测量,获得目标三维点云数据之后,将所述目标三维点云数据发送至所述处理器;
所述超声波传感器用于对所述待估算果树冠层进行测量,获得目标超声波数据之后,将所述目标超声波数据发送至所述处理器;
所述处理器用于基于接收到的所述目标三维点云数据,获取所述待估算果树冠层的几何尺寸,基于接收到的所述目标超声波数据,获取所述待估算果树冠层内叶片的稠密度之后,将所述几何尺寸和所述稠密度输入所述果树冠层生物量估算模型,获取所述果树冠层生物量估算模型输出的所述待估算果树冠层叶面积,所述待估算果树冠层叶面积用于表征所述待估算果树冠层的生物量;
其中,所述果树冠层生物量估算模型基于样本数据以及样本果树冠层叶面积构建,用于描述所述样本数据与所述样本果树冠层叶面积之间的映射关系;所述样本数据包括所述样本果树冠层的几何尺寸以及所述样本果树冠层内叶片的稠密度。
根据本发明提供的一种生物量估算系统,还包括:滑轨、第一滑块、第二滑块以及驱动机构;
所述第一滑块和所述第二滑块分别与所述滑轨滑动连接;所述第一滑块与所述激光雷达传感器连接;所述第二滑块与所述超声波传感器连接;所述驱动机构与所述处理器通信连接;
所述驱动机构用于基于所述处理器发送的第一预设速度,驱动所述第一滑块沿所述滑轨的延伸方向滑动;
所述驱动机构还用于基于所述处理器发送的第二预设速度,驱动所述第二滑块沿所述滑轨的延伸方向滑动。
根据本发明提供的一种生物量估算系统,还包括:支撑结构和电源;
所述支撑结构用于固定所述滑轨;
所述电源用于为所述驱动机构和所述处理器供电。
根据本发明提供的一种生物量估算系统,所述滑轨沿所述待估算果树的径向方向设置。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述生物量估算方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述生物量估算方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述生物量估算方法。
本发明提供的生物量估算方法、装置、系统、电子设备及存储介质,通过获取LiDAR传感器对待估算果树冠层进行测量得到的目标三维点云数据,以及获取超声波传感器对待估算果树冠层进行测量得到的目标超声波数据之后,基于上述目标三维点云数据,获取待估算果树冠层的几何尺寸,基于上述目标超声波数据,获取待估算果树冠层内叶片的稠密度,进而将上述几何尺寸和上述稠密度输入果树冠层生物量估算模型,获取上述果树冠层生物量估算模型输出的、上述几何尺寸和上述稠密度对应的待估算果树冠层叶面积,以表征待估算果树冠层的生物量,能在不影响待估算果树正常生长的基础上,更准确、更高效地获取可以用于表征待估算果树冠层的生物量的待估算果树冠层叶面积,还能在不影响待估算果树正常生长的基础上,在更准确、更高效地获取待估算果树冠层内叶片的空间分布,能为待估算果树冠层的精准施药、精准施肥以及产量预测等提供数据支撑,能提高农药和化肥的利用率,降低农产品的农药残留,能提高农产品的质量。
附图说明
为了更清楚地说明本发明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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的生物量估算方法的流程示意图;
图2是本发明提供的生物量估算方法中果树冠层叶面积测量装置的结构示意图之一;
图3是本发明提供的生物量估算方法中基于图2所示的果树冠层叶面积测量装置对样本果树冠层中目标网格区域的叶片面积进行测量的示意图;
图4是本发明提供的生物量估算方法中果树冠层叶面积测量装置的结构示意图之二;
图5是本发明提供的生物量估算装置的结构示意图;
图6是本发明提供的生物量估算系统的结构示意图;
图7是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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做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。
在发明的描述中,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,或一体地连接;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,可以根据具体情况理解上述术语在本发明中的具体含义。
需要说明的是,果树冠层指果树枝叶的稠密顶层。
果树冠层叶面积,可以指果树冠层内所有叶片的面积总和。由于叶面积与生物量之间具有较强的相关性,因此通常情况下,果树冠层叶面积可以用于表征果树冠层的生物量。
通过破坏性的方法虽然可以准确地获得果树冠层叶面积,但是获取果树冠层叶面积的过程不具有重复性,并严重影响果树的正常生长。通过非破坏性的方式获取果树冠层叶面积的过程虽然对果树生长的影响较小,但上述非破坏性的方式所需投入的人力成本和时间成本较高,测量效率较低,仅适用于果树冠层叶片数量较少且测量难度较低的情况,不适用于获取树叶稠密的果树冠层叶面积。
并且,果树冠层不同区域内的树叶分布的稠密度差异较大,果树冠层内的树叶具有分布不规律和统计分析难等特点。基于上述破坏性的方法或上述非破坏性的方法获取果树冠层叶面积时,均未考虑叶片在果树冠层内的空间分布。而果树冠层内叶片的空间分布可以为果树冠层的精准施药、精准施肥以及产量预测等提供数据支撑,对提高农药和化肥的利用率、降低农产品的农药残留以及提高农产品的质量等方面具有重要意义。
综上,上述破坏性的方法和上述非破坏性的方法仅适用于在果树冠层内叶片生长缓慢的特定生产期内获得果树冠层叶面积,难以在不影响果树正常生长的情况下,高效、准确地获取用于表征果树冠层生物量的果树冠层叶面积以及果树冠层内叶片的空间分布,重复性和可行性较差。
对此,本发明提供一种生物量估算方法。基于本发明提供的生物量估算方法可以在不影响果树正常生长的基础上,在果树的不同生长时期获取可以用于表征果树冠层的生物量的果树冠层叶面积,可以提高获取果树冠层叶面积的效率和准确率,还可以在不影响果树正常生长的基础上,在果树的不同生长时期更准确、更高效地获取果树冠层内叶片的空间分布,可以为果树冠层的精准施药、精准施肥以及产量预测等提供数据支撑,可以提高农药和化肥的利用率,降低农产品的农药残留,可以提高农产品的质量。
图1是本发明提供的生物量估算方法的流程示意图。下面结合图1描述本发明的生物量估算方法。如图1所示,该方法包括:步骤101、获取待估算果树冠层的目标三维点云数据和目标超声波数据。
需要说明的是,本发明实施例的执行主体为生物量估算装置。
需要说明的是,待估算果树冠层为本发明提供的生物量估算方法的估算对象。基于本发明提供的生物量估算方法,可以获取待估算果树冠层叶面积,用于表征待估算果树冠层的生物量。
具体地,激光雷达(Light Detection And Ranging,LiDAR)传感器,是以激光器作为发射光源,采用光电探测技术手段进行探测的传感器。
LiDAR传感器探测精度高,利用LiDAR测量待估算果树冠层,可以快速获取待估算果树冠层的三维点云数据,进而可以基于待估算果树冠层的三维点云数据,获取待估算果树冠层的几何尺寸。
但是,LiDAR传感器的穿透性较差,基于LiDAR传感器难以准确地探测待估算果树冠层的内部结构;并且,LiDAR传感器在在线使用的过程中,三维数据的存储和处理量较大,数据处理效率较低。
超声波传感器具有波长越短穿透力越强的优势,利用超声波传感器可以探测待估算果树冠层的回波特性,进而可以更准确地探测待估算果树冠层的内部结构。但是,超声波传感器的分辨率和测量准确率不高,利用超声波传感器难以准确地获取待估算果树冠层的几何尺寸。
因此,本发明提供的生物量估算方法中,可以综合LiDAR传感器和超声波传感器的优势,对LiDAR传感器和超声波传感器采集到的数据进行融合使用,从而可以利用LiDAR传感器探测精度高的优势,仅对待估算果树冠层进行几何尺寸探测,利用超声波传感器穿透力较强的优势,仅对待估算冠层的内部结构进行探测,可以降低LiDAR传感器三维数据的存储和处理量,提高LiDAR传感器数据处理的速度和效率。
需要说明的是,本发明实施例中可以用待估算果树冠层内叶片的稠密度表征待估算果树冠层的内部结构。
本发明实施例中,LiDAR传感器对待估算果树冠层进行测量,获得待估算果树冠层的三维点云数据之后,可以将上述待估算果树冠层的三维点云数据确定为目标三维点云数据,并将上述目标三维点云数据发送至上述生物量估算装置。超声波传感器对待估算果树冠层进行测量,获得待估算果树冠层的超声波数据之后,可以将上述待估算果树冠层的超声波数据确定为目标超声波数据,并可以将上述目标超声波数据发送至上述生物量估算装置。
步骤102、基于目标三维点云数据,获取待估算果树冠层的几何尺寸,基于目标超声波数据,获取待估算果树冠层内叶片的稠密度。
具体地,获取目标三维点云数据之后,可以通过多种数值计算的方式,基于目标三维点云数据,计算获得待估算果树冠层的几何尺寸。其中,上述几何尺寸可以包括冠层高度、冠层宽度以及冠层体积中的至少一个。
获取目标超声波数据之后,可以通过多种数值计算的方式,基于目标超声波数据,计算获得待估算果树冠层内叶片的稠密度。
需要说明的是,本发明实施例中对基于目标三维点云数据计算待估算果树冠层的几何尺寸的具体方式,以及对基于目标超声波数据计算待估算果树冠层内叶片的稠密度的具体方式不作限定。
步骤103、将几何尺寸和稠密度输入果树冠层生物量估算模型,获取果树冠层生物量估算模型输出的待估算果树冠层叶面积,待估算果树冠层叶面积用于表征待估算果树冠层的生物量。
其中,果树冠层生物量估算模型基于样本数据以及样本果树冠层叶面积构建,用于描述样本数据与样本果树冠层叶面积之间的映射关系;样本数据包括样本果树冠层的几何尺寸以及样本果树冠层内叶片的稠密度。
具体地,获取待估算果树冠层的几何尺寸和待估算果树冠层内叶片的稠密度之后,可以将上述几何尺寸和上述稠密度输入果树冠层生物量估算模型。
果树冠层生物量估算模型可以基于样本数据与样本果树冠层叶面积之间的映射关系,确定与上述几何尺寸和上述稠密度对应的数值,作为待估算果树冠层叶面积,进而可以输出待估算果树冠层叶面积。其中,样本数据包括样本果树冠层的几何尺寸以及样本果树冠层内叶片的稠密度。
获取果树冠层生物量估算模型输出的待估算果树冠层叶面积之后,可以基于待估算果树冠层叶面积表征待估算果树冠层的生物量。
需要说明的是,本发明实施例中的样本果树与待估算果树可以为相同类型的果树。
可选地,本发明实施例中果树冠层生物量估算模型可以通过多种方式描述样本数据与样本果树冠层叶面积之间的映射关系,例如:果树冠层生物量估算模型可以通过映射表、拟合曲线或拟合函数等方式,描述样本数据与样本果树冠层叶面积。
可选地,利用LiDAR传感器对样本果树冠层进行测量,可以获取样本果树冠层的三维点云数据,作为样本三维点云数据。利用超声波传感器对样本果树冠层进行测量,可以获取样本果树冠层的超声波数据,作为样本超声波数据。
基于上述样本三维点云数据进行数值计算,可以计算得到样本果树冠层的几何尺寸。基于上述样本超声波数据进行数值计算,可以计算得到样本果树冠层内叶片的稠密度。
本发明实施例中可以通过多种方式获取样本果树冠层叶面积,例如可以采用传统的破坏性方法或非破坏性方法,获取样本果树冠层叶面积。
获取包括样本果树冠层的几何尺寸以及样本果树冠层内叶片的稠密度的样本数据,以及样本果树冠层叶面积之后,可以建立上述样本数据以及样本果树冠层内叶面积之间的映射关系,进而可以基于上述映射关系,构建得到果树冠层生物量估算模型。
本发明实施例通过获取LiDAR传感器对待估算果树冠层进行测量得到的目标三维点云数据,以及获取超声波传感器对待估算果树冠层进行测量得到的目标超声波数据之后,基于上述目标三维点云数据,获取待估算果树冠层的几何尺寸,基于上述目标超声波数据,获取待估算果树冠层内叶片的稠密度,进而将上述几何尺寸和上述稠密度输入果树冠层生物量估算模型,获取上述果树冠层生物量估算模型输出的、上述几何尺寸和上述稠密度对应的待估算果树冠层叶面积,以表征待估算果树冠层的生物量,能在不影响待估算果树正常生长的基础上,更准确、更高效地获取可以用于表征待估算果树冠层的生物量的待估算果树冠层叶面积,还能在不影响待估算果树正常生长的基础上,在更准确、更高效地获取待估算果树冠层内叶片的空间分布,能为待估算果树冠层的精准施药、精准施肥以及产量预测等提供数据支撑,能提高农药和化肥的利用率,降低农产品的农药残留,能提高农产品的质量。
基于上述各实施例的内容,获取待估算果树冠层的目标三维点云数据和目标超声波数据,包括:基于第一预设速度,控制激光雷达传感器在测量待估算果树冠层过程中的移动速度,基于第二预设速度,控制超声波传感器在测量待估算果树冠层过程中的移动速度。
具体地,本发明实施例中LiDAR传感器对待估算果树冠层进行测量时,可以在沿第一方向由起始位置点移动至终止位置点的过程中,对待估算果树冠层进行连续测量。
本发明实施例中超声波传感器对待估算果树冠层进行测量时,也可以在沿上述第一方向由上述起始位置点移动至上述终止位置点的过程中,持续对待估算果树冠层进行连续测量。
需要说明的是,本发明实施例中的第一方向,可以为待估算果树冠层的径向方向。上述起始位置点和上述终止位置点可以基于实际情况确定,例如:可以基于待估算果树冠层的边界,确定上述起始位置点和上述终止位置点;或者,还可以根据实际需求确定上述起始位置点和上述终止位置点。
本发明实施例中可以基于先验知识和/或实际情况确定第一预设速度和第二预设速度,进而可以基于上述第一预设速度,对LiDAR传感器在测量待估算果树冠层的过程中的移动速度进行控制,还可以基于上述第二预设速度,对超声波传感器在测量待估算果树冠层的过程中的移动速度进行控制。
需要说明的是,本发明实施例中对上述第一预设速度和上述第二预设速度的具体取值不作限定。
在激光雷达传感器完成对待估算果树冠层的测量的情况下,接收激光雷达传感器发送的目标三维点云数据,在超声波传感器完成对待估算果树冠层的测量的情况下,接收超声波传感器发送的目标超声波数据。
具体地,LiDAR传感器在基于第一预设速度、沿第一方向由起始位置点移动至终止位置点的过程中,对待估算果树冠层进行连续测量,获得待估算果树冠层的三维点云数据之后,可以将上述待估算果树冠层的三维点云数据作为目标三维点云数据,并可以将上述目标三维点云数据发送至生物量估算装置。
生物量估算装置可以接收LiDAR传感器发送的目标点云数据。
超声波传感器在基于第二预设速度、在沿上述第一方向由上述起始位置点移动至上述终止位置点的过程中,持续对待估算果树冠层进行连续测量,获得待估算果树冠层的超声波数据之后,可以将上述待估算果树冠层的超声波数据发送至生物量估算装置。
生物量估算装置可以接收超声波传感器发送的目标超声波数据。
本发明实施例通过基于第一预设速度,控制LiDAR传感器在测量待估算果树冠层的过程中的移动速度,基于第二预设速度,控制超声波传感器在测量待估算果树冠层的过程中的移动速度,能根据实际需求更灵活地获取待估算果树冠层的目标三维点云数据和目标超声波数据。
基于上述各实施例的内容,获取果树冠层生物量估算模型输出的待估算果树冠层叶面积之后,上述方法还包括:基于待估算果树冠层叶面积、几何尺寸和稠密度,生成待估算果树冠层的施药方案和/或施肥方案。
具体地,获取待估算果树冠层叶面积之后,可以基于待估算果树冠层叶面积、待估算果树冠层的几何尺寸和待估算果树冠层内叶片的稠密度,通过数值计算、数理统计或深度学习技术等方式,更客观、更准确地生成待估算果树冠层的施药方案和/或施肥方案,能提高农药和化肥的利用率,降低农产品的农药残留,能提高农产品的质量。
需要说明的是,本发明实施例中对基于待估算果树冠层叶面积、待估算果树冠层的几何尺寸和待估算果树冠层内叶片的稠密度,生成待估算果树冠层的施药方案和/或施肥方案的具体方式不作限定。
基于上述各实施例的内容,获取果树冠层生物量估算模型输出的待估算果树冠层叶面积之后,上述方法还包括:基于待估算果树冠层叶面积、几何尺寸和稠密度,对待估算果树进行产量预测,获取待估算果树的产量预测结果。
具体地,获取待估算果树冠层叶面积之后,可以基于待估算果树冠层叶面积、待估算果树冠层的几何尺寸和待估算果树冠层内叶片的稠密度,通过数值计算、数理统计或深度学习技术等方式,更客观、更准确地预测待估算果树的产量,获取待估算果树的产量预测结果,能提高待估算果树的产量预测结果的准确率。
需要说明的是,本发明实施例中对基于待估算果树冠层叶面积、待估算果树冠层的几何尺寸和待估算果树冠层内叶片的稠密度,预测待估算果树的产量的具体方式不作限定。
作为一个可选地实施例,可以基于一种果树冠层叶面积测量装置,获取样本果树冠层叶面积。
图2是本发明提供的生物量估算方法中果树冠层叶面积测量装置的结构示意图之一。图3是本发明提供的生物量估算方法中基于图2所示的果树冠层叶面积测量装置对样本果树冠层中目标网格区域的叶片面积进行测量的示意图。
如图2和图3所示,上述果树冠层叶面积测量装置,包括:移动架1、第一网格架2、第二网格架3、第一网格分界线4和叶面积测量仪。
第一网格架2和第二网格架3间隔地设于移动架1,第一网格架2和第二网格架3之间用于设置样本果树冠层8。
第一网格分界线4设有多根,多根第一网格分界线4设于第一网格架2和第二网格架3之间,以形成第一立方体网格;第一网格架2用于确定第一立方体网格的位置。叶面积测量仪用于测量样本果树冠层8处于第一立方体网格中的叶片的面积。
可理解的是,本发明实施例可以将第一网格架2和第二网格架3设置成相同的结构,通过将第一网格架2和第二网格架3间隔设置,可使得第一网格架2和第二网格架3之间形成包络样本果树冠层8的包络区间。
与此同时,第一网格架2和第二网格架3上设置有相对应的网格特征,可将网格特征按照参考坐标进行设置,以便根据网格特征确定第一立方体网格的位置,从而可根据实际需求,对样本果树冠层8所对应的立体空间通过不同的第一立方体网格进行定位和划分。
其中,每个第一立方体网格均可由四根第一网格分界线4限定而成;在第一网格分界线4设置有多根的情形下,可基于多根第一网格分界线4组成多个第一立方体网格。
在一些实施例中、如图2和图3所示,本发明实施例的第一网格架2和第二网格架3均设有多个第一单元格100,第一网格架2上的多个第一单元格100和第二网格架3上的多个第一单元格100呈一一相对设置。
其中,第一网格分界线4设于相对设置的第一网格架2的第一单元格100和第二网格架3的第一单元格100之间。
具体地,为了便于确定第一立方体网格的位置,本发明实施例可设置第一网格架2上的多个第一单元格100沿第一方向和第二方向呈阵列排布;相应地,本发明实施例可设置第二网格架3上的多个第一单元格100沿第一方向和第二方向呈阵列排布,第一方向和第二方向垂直。因而,第一立方体网格的位置可以根据第一单元格100在阵列中所处的行和列来表示。
与此同时,本发明实施例可将第一网格分界线4的一端和第一网格架2的第一单元格100上的第一特征位置连接,以及将第一网格分界线4的另一端和第二网格架3的第一单元格100上的第二特征位置连接。
其中,第一网格架2的第一单元格100上的第一特征位置和第二网格架3的第一单元格100上的第二特征位置沿第一网格分界线4的延伸方向相对设置。例如,第一特征位置和第二特征位置为第一网格架2上的第一单元格100和第二网格架3上的第一单元格100处于相对应的拐角部位,以便通过四根第一网格分界线4即可确定一个第一立方体网格。
基于上述设置,可根据第一网格架2和第二网格架3的结构特征,可准确地获取与第一立方体网格所对应的网格区域的坐标,可网格区域的坐标表征第一立方体网格的位置。
在此应指出的是,本发明实施例的第一网格架2和第二网格架3的结构既可以相同,也可以不同,对此不做具体限定,只需确保第一网格架2上的多个第一单元格100和第二网格架3上的多个第一单元格100的大小和排列相同,并呈一一相对设置即可。
在一些实施例中,如图2所示,本发明实施例的第一网格架2和第二网格架3结构相同。其中,第一网格架2包括第一矩形框架21、第一网格线22和第二网格线23。
第一矩形框架21和移动架1连接;第一网格线22和第二网格线23分别设于第一矩形框架21,并呈垂直相交设置。
第一网格线22设有多根,多根第一网格线22沿第一矩形框架21的长度方向依次等间距排列,每根第一网格线22沿第一矩形框架21的宽度方向延伸;第二网格线23设有多根,多根第二网格线23沿第一矩形框架21的宽度方向等间距排列,每根第二网格线23沿第一矩形框架21的长度方向延伸。
第一网格分界线4的第一端设于第一网格架2的第一网格线22和第二网格线23的相交点,第一网格分界线4的第二端设于第二网格架3的第一网格线22和第二网格线23的相交点。
如此,基于第一网格架2上的第一网格线22和第二网格线23,可在第一网格架2上构建出阵列排布的多个第一单元格100,并且基于第二网格架3上的第一网格线22和第二网格线23,可在第二网格架3上构建出阵列排布的多个第一单元格100。
由于第一网格架2和第二网格架3的结构相同,并呈平行设置,可将第一网格架2和第二网格架3设置为相对应的位姿,以使得第一网格架2上的多个第一单元格100和第二网格架3上的多个第一单元格100一一相对设置,还可确保第一网格分界线4设于相对设置的第一网格架2的第一单元格100和第二网格架3的第一单元格100之间。
在一些实施例中,第一网格分界线4和第一网格架2之间设有张紧组件;和/或,第一网格线22和第一矩形框架21之间,以及第二网格线23和第一矩形框架21之间均设有张紧组件。
如此,基于张紧组件的设置,可确保第一网格分界线4、第一网格线22和第二网格线23均处于张紧状态,并防止出现松散的情况。
其中,本发明实施例的一网格分界线、第一网格线22和第二网格线23均可以为尼龙线,尼龙线的直径可以为1mm。
在一个示例中,在对第一网格分界线4进行张紧调节时,张紧组件可以为用于调节第一网格分界线4的张紧度的夹具,夹具设于第一网格架2的第一网格线22和第二网格线23的相交点,并与第一网格分界线4连接。
在一个示例中,在对第一网格线22或第二网格线23进行张紧调节时,张紧组件可以为设置于第一矩形框架21上的螺栓锁紧件,螺栓锁紧件与第一网格线22或第二网格线23连接,以便于实现对第一网格线22或第二网格线23的张紧度的调节。
在一些实施例中,如图2和图3所示,本发明实施例的移动架1包括第一移动支架11和第二移动支架12。
具体地,第一移动支架11和第二移动支架12用于间隔地设于样本果树冠层8的相对侧;第一移动支架11的第一端和第二移动支架12的第一端分别与第一网格架2连接,第一移动支架11的第二端和第二移动支架12的第二端分别与第二网格架3连接。
基于上述设置,不仅可使得样本果树冠层8位于第一网格架2和第二网格架3之间,还可使得样本果树冠层8位于第一移动支架11和第二移动支架12之间,确保整套果树冠层叶面积测量装置能够围绕样本果树冠层8移动,从而便于工作人员选择合适的位置搭建第一立方体网格,以实现对样本果树冠层8中相对应区域的叶片面积的测量。
在一些实施例中,如图2所示,本发明实施例的移动架1包括支撑部111和转接部112;支撑部111的底端设有万向轮1110,支撑部111的顶端和转接部112连接,转接部112的第一端和第一网格架2连接,转接部112的第二端和第二网格架3连接;支撑部111沿竖直方向延伸设置,转接部112沿水平方向延伸设置,第一网格架2和第二网格架3均设于转接部112的上侧。
具体地,本发明实施例的支撑部111可以为本领域公知的竖直支架,转接部112可以为本领域公知的水平支杆,可以将竖直支架和水平支杆的中部连接,水平支杆的第一端和第一网格架2连接,水平支杆的第二端和第二网格架3连接。
与此同时,在移动架1包括第一移动支架11和第二移动支架12的情形下,可将第一移动支架11和第二移动支架12设置为相同的结构,并且第一移动支架11和第二移动支架12均包括上述实施例所示的支撑部111和转接部112。
另外,通过在支撑部111的底端设置万向轮1110,可确保移动架1在水平面上沿任意方向移动,以提高对样本果树冠层8的叶片面积测量的便捷性。
进一步地,本发明实施例的支撑部111可以设置为可升降支架,以便根据实际需求,通过可升降支架控制第一网格架2和第二网格架3移动至所需要的设定高度,使得样本果树冠层8包络于第一网格架2和第二网格架3之间。
在一些示例中,可升降支架可以包括第一支架、第二支架和伸缩驱动件,第一支架沿竖直方向可移动地设于第二支架,伸缩驱动件连接于第一支架和第二支架之间,以便通过伸缩驱动件驱动第一支架相对于第二支架移动。其中,第一支架和转接部112连接,万向轮1110设于第二支架。
图4是本发明提供的生物量估算方法中果树冠层叶面积测量装置的结构示意图之二。在一些实施例中,如图4所示,本发明实施例的果树冠层叶面积测量装置还设置有第三网格架5、第四网格架6和第二网格分界线7。
第三网格架5和第四网格架6间隔地设于移动架1,第一网格架2、第三网格架5、第二网格架3和第四网格架6依次首尾连接,以形成环形结构,环形结构用于沿周向围设于样本果树冠层8的外侧。
第二网格分界线7设有多根,多根第二网格分界线7设于第三网格架5和第四网格架6之间,以形成第二立方体网格;第三网格架5用于确定第二立方体网格的位置。
第一网格分界线4和第二网格分界线7上均设有多个仿真树叶10,多个仿真树叶10基于第一立方体网格和第二立方体网格分布设置,以构成具有冠层结构的仿真树。
具体地,本发明实施例可以根据样本果树冠层8的结构特征,设置第一网格架2和第二网格架3之间的第一网格分界线4分布的位置和数量,以及第三网格架5和第四网格架6之间的第二网格分界线7分布的位置和数量,以便通过多个第一立方体网格和多个第二立方体网格模拟果树冠层的结构特征,通过基于各个第一立方体网格和第二立方体网格布设仿真树叶10,可以构建出与样本果树冠层8的结构特征相对应的仿真树。
在一些实施例中,本发明实施例的第一网格架2和第二网格架3平行设置,第三网格架5和第四网格架6平行设置,以及第一网格架2和第三网格架5垂直设置。
进一步地,本发明实施例不仅可以将第一网格架2和第二网格架3设置为相同的结构,也可以将第三网格架5和第四网格架6设置为相同的结构。
如图4所示,本发明实施例的第三网格架5和第四网格架6的结构相同,并且第三网格架5包括第二矩形框架、第三网格线51和第四网格线52。其中,第二矩形框架在图3中未具体示意出。
第二矩形框架和移动架1连接;第三网格线51和第四网格线52分别设于第二矩形框架,并呈垂直相交设置。
第三网格线51设有多根,多根第三网格线51沿第二矩形框架的长度方向等间距排列,每根第三网格线51沿第二矩形框架的宽度方向延伸;第四网格线52设有多根,多根第四网格线52沿第二矩形框架的宽度方向等间距排列,每根第四网格线52沿第二矩形框架的长度方向延伸。
第二网格分界线7的第一端设于第三网格架5的第三网格线51和第四网格线52的相交点,第二网格分界线7的第二端设于第四网格架6的第三网格线51和第四网格线52的相交点。
其中,由于第一网格架2和第二网格架3平行设置,第三网格架5和第四网格架6平行设置,以及第一网格架2和第三网格架5垂直设置,这使得第一网格分界线4和第二网格分界线7垂直设置。
如此,本发明实施例可以基于第三网格架5上的第三网格线51和第四网格线52,可在第三网格架5上构建出阵列排布的多个第二单元格200,并且基于第四网格架6上的第三网格线51和第四网格线52,可在第四网格架6上构建出阵列排布的多个第二单元格200。
由于第三网格架5和第四网格架6的结构相同,并呈平行设置,可将第三网格架5和第四网格架6设置为相对应的位姿,以使得第三网格架5上的多个第二单元格200和第四网格架6上的多个第二单元格200一一相对设置,还可确保第二网格分界线7设于相对设置的第三网格架5的第二单元格200和第四网格架6的第二单元格200之间。
其中,根据第三网格架5和第四网格架6上各个第二单元格200所处的行和列,可以确定第二立方体网格的位置信息。
需要说明的是,基于本发明实施例中的果树冠层叶面积测量装置,可以更准确、更高效地获取样本果树冠层叶面积。
图5是本发明提供的生物量估算装置的结构示意图。下面结合图5对本发明提供的生物量估算装置进行描述,下文描述的生物量估算装置与上文描述的本发明提供的生物量估算方法可相互对应参照。如图5所示,该装置包括:数据获取模块501、数值计算模块502和生物量估算模块503。
数据获取模块501,用于获取待估算果树冠层的目标三维点云数据和目标超声波数据。
数值计算模块502,用于基于目标三维点云数据,获取待估算果树冠层的几何尺寸,基于目标超声波数据,获取待估算果树冠层内叶片的稠密度。
生物量估算模块503,用于将几何尺寸和稠密度输入果树冠层生物量估算模型,获取果树冠层生物量估算模型输出的待估算果树冠层叶面积,待估算果树冠层叶面积用于表征待估算果树冠层的生物量。
其中,果树冠层生物量估算模型基于样本数据以及样本果树冠层叶面积构建,用于描述样本数据与样本果树冠层叶面积之间的映射关系;样本数据包括样本果树冠层的几何尺寸以及样本果树冠层内叶片的稠密度。
具体地,数据获取模块501、数值计算模块502和生物量估算模块503电连接。
可选地,数据获取模块501可以具体用于基于第一预设速度,控制激光雷达传感器在测量待估算果树冠层过程中的移动速度,基于第二预设速度,控制超声波传感器在测量待估算果树冠层过程中的移动速度;在激光雷达传感器完成对待估算果树冠层的测量的情况下,接收激光雷达传感器发送的目标三维点云数据,在超声波传感器完成对待估算果树冠层的测量的情况下,接收超声波传感器发送的目标超声波数据。
可选地,生物量估算装置还可以包括方案生成模块。
方案生成模块用于基于待估算果树冠层叶面积、几何尺寸和稠密度,生成待估算果树冠层的施药方案和/或施肥方案。
可选地,生物量估算装置还可以包括产量预测模块。
产量预测模块用于基于待估算果树冠层叶面积、几何尺寸和稠密度,对待估算果树进行产量预测,获取待估算果树的产量预测结果。
本发明实施例中的生物量估算装置,通过获取LiDAR传感器对待估算果树冠层进行测量得到的目标三维点云数据,以及获取超声波传感器对待估算果树冠层进行测量得到的目标超声波数据之后,基于上述目标三维点云数据,获取待估算果树冠层的几何尺寸,基于上述目标超声波数据,获取待估算果树冠层内叶片的稠密度,进而将上述几何尺寸和上述稠密度输入果树冠层生物量估算模型,获取上述果树冠层生物量估算模型输出的、上述几何尺寸和上述稠密度对应的待估算果树冠层叶面积,以表征待估算果树冠层的生物量,能在不影响待估算果树正常生长的基础上,更准确、更高效地获取可以用于表征待估算果树冠层的生物量的待估算果树冠层叶面积,还能在不影响待估算果树正常生长的基础上,在更准确、更高效地获取待估算果树冠层内叶片的空间分布,能为待估算果树冠层的精准施药、精准施肥以及产量预测等提供数据支撑,能提高农药和化肥的利用率,降低农产品的农药残留,能提高农产品的质量。
图6是本发明提供的生物量估算系统的结构示意图。下面结合图6对本发明提供的生物量估算装置进行描述。如图6所示,该系统包括:激光雷达传感器601、超声波传感器602以及处理器603。
激光雷达传感器601用于对待估算果树冠层进行测量,获得目标三维点云数据之后,将目标三维点云数据发送至处理器603。
超声波传感器602用于对待估算果树冠层进行测量,获得目标超声波数据之后,将目标超声波数据发送至处理器603。
具体地,激光雷达(Light Detection And Ranging,LiDAR)传感器601,是以激光器作为发射光源,采用光电探测技术手段进行探测的传感器。
LiDAR传感器601探测精度高,利用LiDAR测量待估算果树冠层,可以快速获取待估算果树冠层的三维点云数据,进而可以基于待估算果树冠层的三维点云数据,获取待估算果树冠层的几何尺寸。
但是,LiDAR传感器601的穿透性较差,基于LiDAR传感器601难以准确地探测待估算果树冠层的内部结构;并且,LiDAR传感器601在在线使用的过程中,三维数据的存储和处理量较大,数据处理效率较低。
超声波传感器602具有波长越短穿透力越强的优势,利用超声波传感器可以探测待估算果树冠层的回波特性,进而可以更准确地探测待估算果树冠层的内部结构。但是,超声波传感器的分辨率和测量准确率不高,利用超声波传感器难以准确地获取待估算果树冠层的几何尺寸。
因此,本发明提供的生物量估算系统中,可以综合LiDAR传感器601和超声波传感器602的优势,对LiDAR传感器601和超声波传感器602采集到的数据进行融合使用,从而可以利用LiDAR传感器601探测精度高的优势,仅对待估算果树冠层进行几何尺寸探测,利用超声波传感器602穿透力较强的优势,仅对待估算冠层的内部结构进行探测,可以降低LiDAR传感器601三维数据的存储和处理量,提高LiDAR传感器601数据处理的速度和效率。
需要说明的是,本发明实施例中可以用待估算果树冠层内叶片的稠密度表征待估算果树冠层的内部结构。
LiDAR传感器601对待估算果树冠层进行测量,获得待估算果树冠层的三维点云数据之后,可以将上述待估算果树冠层的三维点云数据确定为目标三维点云数据,并将上述目标三维点云数据发送至上述处理器603。
超声波传感器602对待估算果树冠层进行测量,获得待估算果树冠层的超声波数据之后,可以将上述待估算果树冠层的超声波数据确定为目标超声波数据,并可以将上述目标超声波数据发送至上述处理器603。
可选地,本发明实施例中的处理器603可以为笔记本电脑。
处理器603用于基于接收到的目标三维点云数据,获取待估算果树冠层的几何尺寸,基于接收到的目标超声波数据,获取待估算果树冠层内叶片的稠密度之后,将几何尺寸和稠密度输入果树冠层生物量估算模型,获取果树冠层生物量估算模型输出的待估算果树冠层叶面积,待估算果树冠层叶面积用于表征待估算果树冠层的生物量。
其中,果树冠层生物量估算模型基于样本数据以及样本果树冠层叶面积构建,用于描述样本数据与样本果树冠层叶面积之间的映射关系;样本数据包括样本果树冠层的样本几何尺寸以及样本果树冠层内叶片的样本稠密度。
具体地,上述处理器603接收到LiDAR传感器601发送的目标三维点云数据之后,可以通过多种数值计算的方式,基于目标三维点云数据,计算获得待估算果树冠层的几何尺寸。其中,上述几何尺寸可以包括冠层高度、冠层宽度以及冠层体积中的至少一个。
上述处理器603接收到超声波传感器602发送的目标超声波数据之后,可以通过多种数值计算的方式,基于目标超声波数据,计算获得待估算果树冠层内叶片的稠密度。
需要说明的是,本发明实施例中对处理器603基于目标三维点云数据计算待估算果树冠层的几何尺寸的具体方式,以及对基于目标超声波数据计算待估算果树冠层内叶片的稠密度的具体方式不作限定。
处理器603获取待估算果树冠层的几何尺寸和待估算果树冠层内叶片的稠密度之后,可以将上述几何尺寸和上述稠密度输入果树冠层生物量估算模型。
果树冠层生物量估算模型可以基于样本数据与样本果树冠层叶面积之间的映射关系,确定与上述几何尺寸和上述稠密度对应的数值,作为待估算果树冠层叶面积,进而可以输出待估算果树冠层叶面积。其中,样本数据包括样本果树冠层的几何尺寸以及样本果树冠层内叶片的稠密度。
处理器603获取果树冠层生物量估算模型输出的待估算果树冠层叶面积之后,可以基于待估算果树冠层叶面积表征待估算果树冠层的生物量。
需要说明的是,果树冠层生物量估算模型的具体介绍以及构建方式可以参见上述各实施例中的记载,本发明实施例中不再赘述。
本发明实施例中的生物量估算系统,利用LiDAR传感器对待估算果树冠层进行测量,获得目标三维点云数据,利用超声波传感器对待估算果树冠层进行测量,获得目标超声波数据之后,处理器基于上述目标三维点云数据,获取待估算果树冠层的几何尺寸,基于上述目标超声波数据,获取待估算果树冠层内叶片的稠密度,进而处理器将上述几何尺寸和上述稠密度输入果树冠层生物量估算模型,获取上述果树冠层生物量估算模型输出的、上述几何尺寸和上述稠密度对应的待估算果树冠层叶面积,以表征待估算果树冠层的生物量,能在不影响待估算果树正常生长的基础上,更准确、更高效地获取可以用于表征待估算果树冠层的生物量的待估算果树冠层叶面积,还能在不影响待估算果树正常生长的基础上,在更准确、更高效地获取待估算果树冠层内叶片的空间分布,能为待估算果树冠层的精准施药、精准施肥以及产量预测等提供数据支撑,能提高农药和化肥的利用率,降低农产品的农药残留,能提高农产品的质量。
基于上述各实施例的内容,生物量估算系统,还包括:滑轨604、第一滑块605、第二滑块606以及驱动机构607。
第一滑块605和第二滑块606分别与滑轨604滑动连接;第一滑块605与激光雷达传感器连接;第二滑块606与超声波传感器602连接;驱动机构607与处理器603通信连接。
驱动机构607用于基于处理器603发送的第一预设速度,驱动第一滑块605沿滑轨604的延伸方向滑动。
驱动机构607还用于基于处理器603发送的第二预设速度,驱动第二滑块606沿滑轨604的延伸方向滑动。
具体地,处理器603可以通过多种方式获取第一预设速度和第二预设速度,例如:处理器603可以基于用户的输入,获取上述第一预设速度和第二预设速度;或者,处理器603还可以接收其他电子设备发送的上述第一预设速度和第二预设速度。
需要说明的是,本发明实施例中可以基于先验知识和/或实际情况确定第一预设速度和第二预设速度。本发明实施例中对上述第一预设速度和第二预设速度的具体取值不作限定。
处理器603可以将上述第一预设速度发送至驱动机构607,从而可以使得驱动机构607基于上述第一预设速度,驱动第一滑块605带动LiDAR传感器601在滑轨604上沿滑轨604的延伸方向滑动。
处理器603可以将上述第二预设速度发送至驱动机构607,从而可以使得驱动机构607基于上述第二预设速度,驱动第二滑块带动超声波传感器602在滑轨604上沿滑轨604的延伸方向滑动。
可选地,驱动装置可以包括电机608和控制器609。电机608可以驱动第一滑块605和第二滑块606在滑轨604上沿滑轨604的延伸方向滑动。电机608的转速与第一滑块605的滑动速度正相关;电机608的转速还与第二滑块606的滑动速度正相关。
上述控制器609可以接收处理器603发送的第一预设速度和第二预设速度,进而可以基于第一预设速度和第二预设速度控制电机608的转速。
作为一个可选地实施例,滑轨604沿待估算果树的径向方向设置。
本发明实施例中的生物量估算系统,处理器能基于第一预设速度和第二预设速度,对驱动机构进行控制,进而能基于第一预设速度控制第一滑块带动LiDAR传感器沿滑轨延伸方向滑动的速度,能基于第二预设速度,控制第二滑块带动超声波传感器沿滑轨延伸方向滑动的速度,能根据实际需求更灵活地获取待估算果树冠层的目标三维点云数据和目标超声波数据。
基于上述各实施例的内容,生物量估算系统,还包括:支撑结构610和电源611。
支撑结构610用于固定滑轨604。
电源用于为驱动机构607和处理器603供电。
可选地,生物量估算系统还可以包括操作台612。上述操作台612可以用于支撑处理器603、控制器609以及电源611等设备。
需要说明的是,本发明实施例中的支撑结构610用于固定滑轨604,图6所示为支撑结构610的一个具体的示例,本发明实施例中对支撑结构610的具体结构不作限定。
图7示例了一种电子设备的实体结构示意图,如图7所示,该电子设备可以包括:处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令,以执行生物量估算方法,该方法包括:获取待估算果树冠层的目标三维点云数据和目标超声波数据;基于目标三维点云数据,获取待估算果树冠层的几何尺寸,基于目标超声波数据,获取待估算果树冠层内叶片的稠密度;将几何尺寸和稠密度输入果树冠层生物量估算模型,获取果树冠层生物量估算模型输出的待估算果树冠层叶面积,待估算果树冠层叶面积用于表征待估算果树冠层的生物量;其中,果树冠层生物量估算模型基于样本数据以及样本果树冠层叶面积构建,用于描述样本数据与样本果树冠层叶面积之间的映射关系;样本数据包括样本果树冠层的几何尺寸以及样本果树冠层内叶片的稠密度。
此外,上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、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。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的生物量估算方法,该方法包括:获取待估算果树冠层的目标三维点云数据和目标超声波数据;基于目标三维点云数据,获取待估算果树冠层的几何尺寸,基于目标超声波数据,获取待估算果树冠层内叶片的稠密度;将几何尺寸和稠密度输入果树冠层生物量估算模型,获取果树冠层生物量估算模型输出的待估算果树冠层叶面积,待估算果树冠层叶面积用于表征待估算果树冠层的生物量;其中,果树冠层生物量估算模型基于样本数据以及样本果树冠层叶面积构建,用于描述样本数据与样本果树冠层叶面积之间的映射关系;样本数据包括样本果树冠层的几何尺寸以及样本果树冠层内叶片的稠密度。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的生物量估算方法,该方法包括:获取待估算果树冠层的目标三维点云数据和目标超声波数据;基于目标三维点云数据,获取待估算果树冠层的几何尺寸,基于目标超声波数据,获取待估算果树冠层内叶片的稠密度;将几何尺寸和稠密度输入果树冠层生物量估算模型,获取果树冠层生物量估算模型输出的待估算果树冠层叶面积,待估算果树冠层叶面积用于表征待估算果树冠层的生物量;其中,果树冠层生物量估算模型基于样本数据以及样本果树冠层叶面积构建,用于描述样本数据与样本果树冠层叶面积之间的映射关系;样本数据包括样本果树冠层的几何尺寸以及样本果树冠层内叶片的稠密度。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上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精神和范围。
Claims (11)
1.一种生物量估算方法,其特征在于,包括:
获取待估算果树冠层的目标三维点云数据和目标超声波数据;
基于所述目标三维点云数据,获取所述待估算果树冠层的几何尺寸,基于所述目标超声波数据,获取所述待估算果树冠层内叶片的稠密度;
将所述几何尺寸和所述稠密度输入果树冠层生物量估算模型,获取所述果树冠层生物量估算模型输出的所述待估算果树冠层叶面积,所述待估算果树冠层叶面积用于表征所述待估算果树冠层的生物量;
其中,所述果树冠层生物量估算模型基于样本数据以及样本果树冠层叶面积构建,用于描述所述样本数据与所述样本果树冠层叶面积之间的映射关系;所述样本数据包括所述样本果树冠层的几何尺寸以及所述样本果树冠层内叶片的稠密度。
2.根据权利要求1所述的生物量估算方法,其特征在于,所述获取待估算果树冠层的目标三维点云数据和目标超声波数据,包括:
基于第一预设速度,控制激光雷达传感器在测量所述待估算果树冠层过程中的移动速度,基于第二预设速度,控制超声波传感器在测量所述待估算果树冠层过程中的移动速度;
在所述激光雷达传感器完成对所述待估算果树冠层的测量的情况下,接收所述激光雷达传感器发送的所述目标三维点云数据,在所述超声波传感器完成对所述待估算果树冠层的测量的情况下,接收所述超声波传感器发送的所述目标超声波数据。
3.根据权利要求1或2所述的生物量估算方法,其特征在于,所述获取所述果树冠层生物量估算模型输出的所述待估算果树冠层叶面积之后,所述方法还包括:
基于所述待估算果树冠层叶面积、所述几何尺寸和所述稠密度,生成所述待估算果树冠层的施药方案和/或施肥方案。
4.根据权利要求1或2所述的生物量估算方法,其特征在于,所述获取所述果树冠层生物量估算模型输出的所述待估算果树冠层叶面积之后,所述方法还包括:
基于所述待估算果树冠层叶面积、所述几何尺寸和所述稠密度,对所述待估算果树进行产量预测,获取所述待估算果树的产量预测结果。
5.一种生物量估算装置,其特征在于,包括:
数据获取模块,用于获取待估算果树冠层的目标三维点云数据和目标超声波数据;
数值计算模块,用于基于所述目标三维点云数据,获取所述待估算果树冠层的几何尺寸,基于所述目标超声波数据,获取所述待估算果树冠层内叶片的稠密度;
生物量估算模块,用于将所述几何尺寸和所述稠密度输入果树冠层生物量估算模型,获取所述果树冠层生物量估算模型输出的所述待估算果树冠层叶面积,所述待估算果树冠层叶面积用于表征所述待估算果树冠层的生物量;
其中,所述果树冠层生物量估算模型基于样本数据以及样本果树冠层叶面积构建,用于描述所述样本数据与所述样本果树冠层叶面积之间的映射关系;所述样本数据包括所述样本果树冠层的几何尺寸以及所述样本果树冠层内叶片的稠密度。
6.一种生物量估算系统,其特征在于,包括:激光雷达传感器、超声波传感器以及处理器;
所述激光雷达传感器用于对待估算果树冠层进行测量,获得目标三维点云数据之后,将所述目标三维点云数据发送至所述处理器;
所述超声波传感器用于对所述待估算果树冠层进行测量,获得目标超声波数据之后,将所述目标超声波数据发送至所述处理器;
所述处理器用于基于接收到的所述目标三维点云数据,获取所述待估算果树冠层的几何尺寸,基于接收到的所述目标超声波数据,获取所述待估算果树冠层内叶片的稠密度之后,将所述几何尺寸和所述稠密度输入所述果树冠层生物量估算模型,获取所述果树冠层生物量估算模型输出的所述待估算果树冠层叶面积,所述待估算果树冠层叶面积用于表征所述待估算果树冠层的生物量;
其中,所述果树冠层生物量估算模型基于样本数据以及样本果树冠层叶面积构建,用于描述所述样本数据与所述样本果树冠层叶面积之间的映射关系;所述样本数据包括所述样本果树冠层的几何尺寸以及所述样本果树冠层内叶片的稠密度。
7.根据权利要求6所述的生物量估算系统,其特征在于,还包括:滑轨、第一滑块、第二滑块以及驱动机构;
所述第一滑块和所述第二滑块分别与所述滑轨滑动连接;所述第一滑块与所述激光雷达传感器连接;所述第二滑块与所述超声波传感器连接;所述驱动机构与所述处理器通信连接;
所述驱动机构用于基于所述处理器发送的第一预设速度,驱动所述第一滑块沿所述滑轨的延伸方向滑动;
所述驱动机构还用于基于所述处理器发送的第二预设速度,驱动所述第二滑块沿所述滑轨的延伸方向滑动。
8.根据权利要求7所述的生物量估算系统,其特征在于,还包括:支撑结构和电源;
所述支撑结构用于固定所述滑轨;
所述电源用于为所述驱动机构和所述处理器供电。
9.根据权利要求7或8所述的生物量估算系统,其特征在于,所述滑轨沿所述待估算果树的径向方向设置。
10.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述生物量估算方法。
11.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述生物量估算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211520166.7A CN115629393B (zh) | 2022-11-30 | 2022-11-30 | 生物量估算方法、装置、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211520166.7A CN115629393B (zh) | 2022-11-30 | 2022-11-30 | 生物量估算方法、装置、系统、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115629393A true CN115629393A (zh) | 2023-01-20 |
CN115629393B CN115629393B (zh) | 2023-04-21 |
Family
ID=84909866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211520166.7A Active CN115629393B (zh) | 2022-11-30 | 2022-11-30 | 生物量估算方法、装置、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115629393B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109212505A (zh) * | 2018-09-11 | 2019-01-15 | 南京林业大学 | 一种基于无人机多光谱高重叠度影像的森林林分特征反演方法 |
CN110148116A (zh) * | 2019-04-12 | 2019-08-20 | 深圳大学 | 一种森林生物量估算方法及其系统 |
CN111289997A (zh) * | 2020-01-19 | 2020-06-16 | 江苏大学 | 一种基于激光雷达传感器的田间作物冠层稠密度检测方法 |
CN111781605A (zh) * | 2020-07-24 | 2020-10-16 | 江苏大学 | 一种基于超声回波信号的树体冠层厚度探测方法 |
CN111984915A (zh) * | 2020-08-20 | 2020-11-24 | 黑龙江工程学院 | 一种基于异速生长关系联合激光雷达方程的生物量提取方法 |
CN112837314A (zh) * | 2021-03-08 | 2021-05-25 | 华南农业大学 | 基于2D-LiDAR和Kinect的果树冠层参数检测系统和方法 |
CN113785783A (zh) * | 2021-08-26 | 2021-12-14 | 北京市农林科学院智能装备技术研究中心 | 一种牲畜分群系统及方法 |
US20220198749A1 (en) * | 2019-04-19 | 2022-06-23 | Seoul National University R&Db Foundation | System and method for monitoring forest gap using lidar survey data |
-
2022
- 2022-11-30 CN CN202211520166.7A patent/CN115629393B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109212505A (zh) * | 2018-09-11 | 2019-01-15 | 南京林业大学 | 一种基于无人机多光谱高重叠度影像的森林林分特征反演方法 |
CN110148116A (zh) * | 2019-04-12 | 2019-08-20 | 深圳大学 | 一种森林生物量估算方法及其系统 |
US20220198749A1 (en) * | 2019-04-19 | 2022-06-23 | Seoul National University R&Db Foundation | System and method for monitoring forest gap using lidar survey data |
CN111289997A (zh) * | 2020-01-19 | 2020-06-16 | 江苏大学 | 一种基于激光雷达传感器的田间作物冠层稠密度检测方法 |
CN111781605A (zh) * | 2020-07-24 | 2020-10-16 | 江苏大学 | 一种基于超声回波信号的树体冠层厚度探测方法 |
CN111984915A (zh) * | 2020-08-20 | 2020-11-24 | 黑龙江工程学院 | 一种基于异速生长关系联合激光雷达方程的生物量提取方法 |
CN112837314A (zh) * | 2021-03-08 | 2021-05-25 | 华南农业大学 | 基于2D-LiDAR和Kinect的果树冠层参数检测系统和方法 |
CN113785783A (zh) * | 2021-08-26 | 2021-12-14 | 北京市农林科学院智能装备技术研究中心 | 一种牲畜分群系统及方法 |
Non-Patent Citations (1)
Title |
---|
张美娜;吕晓兰;邱威;雷哓晖;杨青松;张东新;: "基于三维激光点云的靶标叶面积密度计算方法" * |
Also Published As
Publication number | Publication date |
---|---|
CN115629393B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101344474B (zh) | 一种测量土壤孔隙率的方法 | |
US20190017984A1 (en) | Method of efficient acquisition of soil data using image mapping | |
CN109581349B (zh) | 一种雷达地形遮蔽分析及显示方法 | |
Guo et al. | Detection of wheat height using optimized multi-scan mode of LiDAR during the entire growth stages | |
CN106597391A (zh) | 一种相控阵天线阵面变形全天候监测方法 | |
CN107796331A (zh) | 基于推扫式LiDAR的土壤表面形态监测装置、土壤表面形态监测及数据分析方法 | |
Lowe et al. | Canopy density estimation in perennial horticulture crops using 3D spinning lidar SLAM | |
CN105572617B (zh) | 一种脉冲功率标准的校准系统和方法 | |
CN105606906A (zh) | 一种毫米波相控阵测试标定方法 | |
CN107506724A (zh) | 倾角检测方法及检测终端 | |
CN114659621B (zh) | 一种桥梁振动监测装置 | |
CN115700370A (zh) | 碳储量计算方法、装置、电子设备和存储介质 | |
CN109407112A (zh) | 基于LiDAR点云数据的果树树冠体积测算方法及系统 | |
CN111504195A (zh) | 基于激光点云的电力基建验收方法及装置 | |
CN103439299A (zh) | 一种作物群体光能空间分布量化方法 | |
CN115629393B (zh) | 生物量估算方法、装置、系统、电子设备及存储介质 | |
CN109006749B (zh) | 一种基于分行阻力的田间冠层稠密度检测系统及其标定方法 | |
CN104236486A (zh) | 一种棉花叶面积指数快速无损测定方法 | |
CN107478155A (zh) | 产品检测方法、装置及系统 | |
Escolà et al. | Mobile terrestrial laser scanner vs. UAV photogrammetry to estimate woody crop canopy parameters–Part 1: Methodology and comparison in vineyards | |
CN107369206B (zh) | 一种玉米群体三维模型构建方法及系统 | |
CN107194913A (zh) | 一种作物群体最适研究尺度检测方法及装置 | |
US20240125759A1 (en) | Systems and methods for real-time measurement of soil carbon sequestration using non-invasive multimodal sensors | |
CN113156082B (zh) | 一种识别作物根系活动层深度的方法及系统 | |
JPWO2019181357A1 (ja) | 電波環境解析装置および電波環境解析方法 |
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 |