CN115689795A - 基于无人机遥感的山地果园作物长势分析方法及系统 - Google Patents
基于无人机遥感的山地果园作物长势分析方法及系统 Download PDFInfo
- Publication number
- CN115689795A CN115689795A CN202211275607.1A CN202211275607A CN115689795A CN 115689795 A CN115689795 A CN 115689795A CN 202211275607 A CN202211275607 A CN 202211275607A CN 115689795 A CN115689795 A CN 115689795A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- plant
- remote sensing
- image
- 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
Images
Abstract
本发明公开了基于无人机遥感的山地果园作物长势分析方法及系统,包括:通过无人机搭载空中遥感数据采集装置,采集目标山地果园图像;采用植株检测算法,获取目标山地果园图像中的植株位置信息;根据植株位置信息,利用蚁群算法规划最优遍历路径;无人机根据最优遍历路径进行巡航,并搭载空中遥感数据采集装置在预设高度处采集植株图像;根据植株图像,利用叶绿素‑水分胁迫指数反演模型评估植株的生长状态;通过该方法可以针对山地果园中植株的长势进行分析,基于此,可以宏观掌握山地果园作物生长情况,确保能够及时采取田间管理维护措施以保证作物产量。
Description
技术领域
本发明属于作物长势分析技术领域,特别是基于无人机遥感的山地果园作物长势分析方法及系统。
背景技术
遥感技术具有宏观、适时和动态的特点,利用遥感数据动态监测区域作物长势具有无可比拟的优势。作物长势遥感监测是利用遥感数据对作物的实时苗情和分布状况进行宏观的估测,及时了解作物的分布概况、生长状况、肥水行情以及病虫草害动态,便于采取各种管理措施,为作物生产管理者或管理决策者提供及时准确的数据信息平台。现有的作物长势分析技术大多依靠卫星遥感、人工测量检测等完成,该现有方法具有更新频率不高、成本开销昂贵等缺点,无法实时低成本掌握大范围的作物生长情况。
由于目前还没有针对山地果园的低成本大范围作物长势分析系统,因此,如何基于遥感技术,宏观掌握山地果园作物生长情况,及时采取田间管理维护措施以保证作物产量,成为当前研究的关键问题。
发明内容
鉴于上述问题,本发明提供一种至少解决上述部分技术问题的基于无人机遥感的山地果园作物长势分析方法及系统,通过该方法可以针对山地果园中植株的长势进行分析,基于此,可以宏观掌握山地果园作物生长情况,确保能够及时采取田间管理维护措施以保证作物产量。
一方面本发明实施例提供了基于无人机遥感的山地果园作物长势分析方法,包括:
S1、通过无人机搭载空中遥感数据采集装置,采集目标山地果园图像;
S2、采用植株检测算法,获取所述目标山地果园图像中的植株位置信息;
S3、根据所述植株位置信息,利用蚁群算法规划最优遍历路径;
S4、所述无人机根据所述最优遍历路径进行巡航,并搭载空中遥感数据采集装置在预设高度处采集植株图像;
S5、根据所述植株图像,利用叶绿素-水分胁迫指数反演模型评估植株的生长状态。
进一步地,所述S1具体包括:
S11、采用全站仪测量目标山地果园的边缘,获得所述目标山地果园的边缘三维坐标信息,并生成边界多边形;
S12、基于所述边界多边形,采用自适应路径生成算法为无人机规划巡航路径;
S13、所述无人机根据规划路径进行巡航,并搭载空中遥感数据采集装置,采集目标山地果园图像。
进一步地,所述S12具体包括:
S121、在所述边界多边形内生成多条水平的等间距直线;
S122、设定无人机的起飞点;选择与所述起飞点距离最近的边界多边形上的一点作为巡航开始点,规划无人机沿水平方向的巡航路径;
S123、在所述边界多边形内生成多条竖直的等间距直线;
S124、以无人机在所述S122中的结束点为新的起飞点;选择与所述新的起飞点距离最近的竖直线E1上的一点作为巡航开始点,规划无人机沿竖直方向的巡航路径;
S125、无人机巡航结束后,自动返航并降落到所述起飞点。
进一步地,所述S122中,所述无人机沿水平方向的巡航路径包括:
无人机沿着边界飞行至距离所述巡航开始点最近的一条水平线L1,从水平线L1与边界的交点处开始沿所述水平线L1飞行,飞行至所述水平线L1与边界另一边的交点后,沿着边界到相邻的水平线L2与边界交点,沿着所述水平线L2飞行,以此类推。
进一步地,所述S124中,所述无人机沿竖直方向的巡航路径包括:
无人机移动至所述竖直线E1与边界的交点,并沿所述竖直线E1飞行,飞行至所述竖直线E1与边界另一边的交点后,沿着边界到相邻的竖直线E2与边界交点,沿着所述竖直线E2飞行,以此类推。
进一步地,所述S4中,所述预设高度由自适应高度匹配算法实现,实现步骤具体包括:
通过空中遥感数据采集装置获取目标山地果园中的植株图像;
通过目标检测算法获得图像视野中所有的植株;
选择距离图像中心点最近的植株,计算其占据图像的比例;
利用改进PID算法控制无人机高度,使植株占据图像的比例控制在预设范围内。
进一步地,所述S5中,所述叶绿素-水分胁迫指数反演模型,包括叶片图像提取算法与叶绿素-水分胁迫指数计算模型;
通过所述叶片图像提取算法提取出所述植株图像中植株的叶片特征点;利用叶绿素-水分胁迫指数计算模型根据所述叶片特征点计算出植株顶部的叶片的叶绿素含量以及水分胁迫程度,基于此评估植物养分供给情况以及缺水情况,实现对植株的生长状态进行评估。
进一步地,所述S5还包括:根据所述植株图像,利用病虫害检测算法评估植株的病虫害情况,具体为:利用目标检测算法识别植株体在图像中的位置,结合无人机离地高度和摄像头焦距,求出植株的地面投影尺寸以及投影中心的坐标,基于此实现植株的病虫害情况进行评估。
另一方面,本发明实施例还提供了基于无人机遥感的山地果园作物长势分析系统,应用上述的方法,该系统包括无人机、空中遥感数据采集装置、数传模块和上位机;
所述无人机,用于搭载所述空中遥感数据采集装置在目标山地果园中巡航;
所述空中遥感数据采集装置,用于采集目标山地果园中的植株位置信息和植株图像信息,并将所获取的信息通过所述数传模块发送至所述上位机;
所述上位机,用于根据获取的信息为所述无人机规划路径,以及利用叶绿素-水分胁迫指数反演模型评估植株的生长状态,并对评估结果进行存储。
进一步地,所述空中遥感数据采集装置包括:对地摄像头、对地激光测距模块、RTK定位模块和处理器模块;
所述对地摄像头、对地激光测距模块和RTK定位模块均与所述处理器模块通信连接;
所述对地摄像头,用于获取目标山地果园中的植株图像信息,并发送至所述处理器模块;
所述对地激光测距模块,用于获取所述无人机离地距离,并发送至所述处理器模块;
所述气压传感器,用于获取高空处的气压数据,并基于所述气压数据计算当前无人机的高度,对所述对地激光的读数进行校正;
所述RTK定位模块,用于记录所述对地摄像头拍照时的拍摄点坐标,并发送至所述处理器模块;
所述处理器模块,用于根据所获取的信息数据,采用植株检测算法获得植株位置信息和植株图像信息。
与现有技术相比,本发明记载的基于无人机遥感的山地果园作物长势分析方法及系统,具有如下有益效果:可以针对山地果园中植株的长势进行分析,基于此,可以宏观掌握山地果园作物生长情况,确保能够及时采取田间管理维护措施以保证作物产量。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例提供的基于无人机遥感的山地果园作物长势分析方法流程示意图。
图2为本发明实施例提供的自适应路径生成算法示意图。
图3为本发明实施例提供的自适应高度匹配算法示意图。
图4为本发明实施例提供的位置计算算法示意图。
图5为本发明实施例提供的基于无人机遥感的山地果园作物长势分析系统框架示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
参见图1所示,本发明实施例提供了基于无人机遥感的山地果园作物长势分析方法,具体包括如下步骤:
S1、通过无人机搭载空中遥感数据采集装置,采集目标山地果园图像;
S2、采用植株检测算法,获取所述目标山地果园图像中的植株位置信息;
S3、根据所述植株位置信息,利用蚁群算法规划最优遍历路径;
S4、所述无人机根据所述最优遍历路径进行巡航,并搭载空中遥感数据采集装置在预设高度处采集植株图像;
S5、根据所述植株图像,利用叶绿素-水分胁迫指数反演模型评估植株的生长状态。
下面分别对上述步骤进行详细的说明。
在上述步骤S1中,首先具有高程和距离测量功能的全站仪测量目标果园的边缘,目标山地果园的边缘三维坐标信息,并生成边界多边形;之后基于该边界多边形,采用自适应路径生成算法为无人机规划巡航路径;
该自适应路径生成算法是一种无人机巡航路径的规划算法,该算法分为水平规划部分以及高度自适应控制部分,具体可参见图2所示;其中:
水平规划部分用于生成无人机的水平巡航路径,具体实现步骤为:在边界多边形内生成多条水平的等间距直线,直线之间距离可由用户设定,直线的数量多至覆盖整个多边形区域;设定无人机的起飞点;选择与起飞点距离最近的边界多边形上的一点作为巡航开始点,无人机沿着边界飞行至距离巡航开始点最近的一条水平线L1,从水平线L1与边界的交点处开始沿水平线L1飞行,飞行至水平线L1与边界另一边的交点后,沿着边界到相邻的水平线L2与边界交点,沿着水平线L2飞行,以此类推;
高度自适应控制部分用于生成无人机的竖直巡航路径,具体实现步骤为:在边界多边形内生成多条竖直的等间距直线,直线之间距离可由用户设定,直线的数量多至覆盖整个多边形区域;以无人机在水平巡航路径中的结束点为新的起飞点;选择与新的起飞点距离最近的竖直线E1上的一点作为巡航开始点,无人机移动至竖直线E1与边界的交点,并沿竖直线E1飞行,飞行至竖直线E1与边界另一边的交点后,沿着边界到相邻的竖直线E2与边界交点,沿着竖直线E2飞行,以此类推。
无人机根据规划路径进行巡航,并搭载空中遥感数据采集装置采集目标山地果园图像;巡航结束后,无人机自动返航并降落到起飞点。
在上述步骤S4中,无人机根据最优遍历路径再次自动起飞进行巡航,利用自适应高度匹配算法竖直移动至最佳高度,采集植株图像并记录照片拍摄点坐标。其中,高度自适应控制算法的实现步骤具体包括:通过空中遥感数据采集装置获取目标山地果园中的植株图像;通过目标检测算法获得图像视野中所有的植株;选择距离图像中心点最近的植株,计算其占据图像的比例;利用改进PID算法控制无人机高度,使植株占据图像的比例控制在预设范围内;
本发明实施例中的自适应高度匹配算法可参见图3所示,该算法基于改进PID算法实现;该改进PID算法运行于无人机的飞行控制系统上,区别于现有的PID算法,本算法的差分计算没有使用误差的差分量,而使用反馈值的差分量作为差分分量用于计算PID的控制量。在识别到植株时,空中遥感数据采集装置发送植株占据图像的比例到无人机,无人机根据该比例,利用自适应高度匹配算法结合占比阈值控制无人机飞行高度;其中飞行控制系统取该比例作为改进PID算法的观测值,执行以下步骤:
计算观测差分值diff:
其中,Kd为差分系数;fb[n]表示执行本算法第n此输入的观测量;t为距离上一次执行本算法的时间差,单位为s。
计算误差err:
err=exp-fb[n]
其中,exp表示改进PID算法的期望值,设置为用户期望的植株占据图像比例。
计算误差积分量:
int[n]=int[n-1]+Ki*err*t
其中,int[n]表示第n次执行PID算法时的积分量;Ki为积分系数。
计算PID控制量输出:
u[n]=u[n-1]+(Kp*err+diff+int[n])
其中,Kp为比例系数;u[n]表示第n次执行算法时的控制量输出,该控制量即为无人机的规划飞行高度。
在上述步骤S5中,叶绿素-水分胁迫指数反演模型,包括叶片图像提取算法与叶绿素-水分胁迫指数计算模型;
步骤S5包括:通过叶片图像提取算法提取出植株图像中植株的叶片特征点;利用叶绿素-水分胁迫指数计算模型根据叶片特征点计算出植株顶部的叶片的叶绿素含量以及水分胁迫程度,基于此评估植物养分供给情况以及缺水情况,实现对植株的生长状态进行评估;
步骤S5还包括根据植株图像,利用病虫害检测算法评估植株的病虫害情况;具体为:利用目标检测算法识别植株体在图像中的位置,结合无人机离地距离和摄像头焦距,求出植株的地面投影尺寸以及投影中心的坐标,基于此实现植株的病虫害情况进行评估。其中,病虫害检测算法基于机器视觉算法实现,其具体实现形式包括但不限于R-CNN系列、YOLO系列、SSD等主流的目标检测网络;
其中,位置计算算法可参见图4所示,无人机抵达植株上空时,空中遥感采集装置利用对地摄像头的回传图像,通过植株检测算法检测植株在图像中的长度与宽度,此过程的前视图如右图所示,实际宽度的计算公式为:
其中,y为实际宽度;v为投影宽度,该宽度由植株检测算法得到;f为摄像头焦距;h为对地摄像头的离地距离,由对地激光测距模块提供。植株的长度也可用此方法得到。
本发明实施例中,在利用叶绿素-水分胁迫指数反演模型和病虫害检测算法评估植株的生长状态和病虫害情况后,将相关数据和评估结果上传识别结果到云服务器数据库。
参见图5所示,本发明实施例还提供了基于无人机遥感的山地果园作物长势分析系统,应用上述的方法,该系统包括无人机、空中遥感数据采集装置数传模块和上位机;其中:
无人机包括自适应高度匹配算法模块和自稳平台;其中,自适应高度匹配算法模块用于控制无人机的飞行高度;空中遥感数据采集装置安装在无人机的自稳平台上,在无人机巡航的过程中,该空中遥感数据采集装置可用于采集目标山地果园中的植株图像信息;
空中遥感数据采集装置包括对地摄像头、对地激光测距模块、气压传感器、RTK定位模块和处理器模块;其中对地摄像头、对地激光测距模块、气压传感器和RTK定位模块均与处理器模块通信连接;对地摄像头用于获取目标山地果园中的植株图像信息,并发送至处理器模块;对地激光测距模块用于获取无人机离地距离,以及获取植株高度信息,并发送至处理器模块;其中无人机离地距离是在无人机根据最优遍历路径进行巡航,经过两颗植株之间的路径时,通过对地激光测距模块测量结合距离修正算法得到;由于只靠对地激光测距模块获得的高度数据存在较大的突变噪声,对于采集的精度有影响,因此本发明实施例中引入气压传感器获取高空处的气压数据,基于该气压数据计算当前无人机的高度,对对地激光的读数进行校正,提高无人机高度的测量精度,从而提高植株高度测量精度;RTK定位模块用于记录对地摄像头拍照时的拍摄点坐标,并发送至处理器模块;处理器模块根据所获取的信息数据,采用植株检测算法获得植株位置信息和植株图像信息,并将所获取的信息通过数传模块发送至上位机。
上位机包括用户交互模块、自适应路径生成算法模块、叶绿素-水分胁迫指数反演模型和病虫害检测模块;其中:用户交互模块用于工作人员控制无人机;自适应路径生成算法模块用于规划无人机的飞行路径;叶绿素-水分胁迫指数反演模型用于评估植株的生长状态,并对评估结果进行存储;病虫害检测模块用于评估植株的病虫害情况,并对评估结果进行存储。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.基于无人机遥感的山地果园作物长势分析方法,其特征在于,包括:
S1、通过无人机搭载空中遥感数据采集装置,采集目标山地果园图像;
S2、采用植株检测算法,获取所述目标山地果园图像中的植株位置信息;
S3、根据所述植株位置信息,利用蚁群算法规划最优遍历路径;
S4、所述无人机根据所述最优遍历路径进行巡航,并搭载空中遥感数据采集装置在预设高度处采集植株图像;
S5、根据所述植株图像,利用叶绿素-水分胁迫指数反演模型评估植株的生长状态。
2.如权利要求1所述的基于无人机遥感的山地果园作物长势分析方法,其特征在于,所述S1具体包括:
S11、采用全站仪测量目标山地果园的边缘,获得所述目标山地果园的边缘三维坐标信息,并生成边界多边形;
S12、基于所述边界多边形,采用自适应路径生成算法为无人机规划巡航路径;
S13、所述无人机根据规划路径进行巡航,并搭载空中遥感数据采集装置,采集目标山地果园图像。
3.如权利要求2所述的基于无人机遥感的山地果园作物长势分析方法,其特征在于,所述S12具体包括:
S121、在所述边界多边形内生成多条水平的等间距直线;
S122、设定无人机的起飞点;选择与所述起飞点距离最近的边界多边形上的一点作为巡航开始点,规划无人机沿水平方向的巡航路径;
S123、在所述边界多边形内生成多条竖直的等间距直线;
S124、以无人机在所述S122中的结束点为新的起飞点;选择与所述新的起飞点距离最近的竖直线E1上的一点作为巡航开始点,规划无人机沿竖直方向的巡航路径;
S125、无人机巡航结束后,自动返航并降落到所述起飞点。
4.如权利要求3所述的基于无人机遥感的山地果园作物长势分析方法,其特征在于,所述S122中,所述无人机沿水平方向的巡航路径包括:
无人机沿着边界飞行至距离所述巡航开始点最近的一条水平线L1,从水平线L1与边界的交点处开始沿所述水平线L1飞行,飞行至所述水平线L1与边界另一边的交点后,沿着边界到相邻的水平线L2与边界交点,沿着所述水平线L2飞行,以此类推。
5.如权利要求3所述的基于无人机遥感的山地果园作物长势分析方法,其特征在于,所述S124中,所述无人机沿竖直方向的巡航路径包括:
无人机移动至所述竖直线E1与边界的交点,并沿所述竖直线E1飞行,飞行至所述竖直线E1与边界另一边的交点后,沿着边界到相邻的竖直线E2与边界交点,沿着所述竖直线E2飞行,以此类推。
6.如权利要求1所述的基于无人机遥感的山地果园作物长势分析方法,其特征在于,所述S4中,所述预设高度由自适应高度匹配算法实现,实现步骤具体包括:
通过空中遥感数据采集装置获取目标山地果园中的植株图像;
通过目标检测算法获得图像视野中所有的植株;
选择距离图像中心点最近的植株,计算其占据图像的比例;
利用改进PID算法控制无人机高度,使植株占据图像的比例控制在预设范围内。
7.如权利要求1所述的基于无人机遥感的山地果园作物长势分析方法,其特征在于,所述S5中,所述叶绿素-水分胁迫指数反演模型,包括叶片图像提取算法与叶绿素-水分胁迫指数计算模型;
通过所述叶片图像提取算法提取出所述植株图像中植株的叶片特征点;利用叶绿素-水分胁迫指数计算模型根据所述叶片特征点计算出植株顶部的叶片的叶绿素含量以及水分胁迫程度,基于此评估植物养分供给情况以及缺水情况,实现对植株的生长状态进行评估。
8.如权利要求1所述的基于无人机遥感的山地果园作物长势分析方法,其特征在于,所述S5还包括:根据所述植株图像,利用病虫害检测算法评估植株的病虫害情况,具体为:利用目标检测算法识别植株体在图像中的位置,结合无人机离地高度和摄像头焦距,求出植株的地面投影尺寸以及投影中心的坐标,基于此实现植株的病虫害情况进行评估。
9.基于无人机遥感的山地果园作物长势分析系统,其特征在于,应用上述权利要求1-8任一项所述的方法;该系统包括:无人机、空中遥感数据采集装置、数传模块和上位机;
所述无人机,用于搭载所述空中遥感数据采集装置在目标山地果园中巡航;
所述空中遥感数据采集装置,用于采集目标山地果园中的植株位置信息和植株图像信息,并将所获取的信息通过所述数传模块发送至所述上位机;
所述上位机,用于根据获取的信息为所述无人机规划路径,以及利用叶绿素-水分胁迫指数反演模型评估植株的生长状态,并对评估结果进行存储。
10.如权利要求9所述的基于无人机遥感的山地果园作物长势分析方法,其特征在于,所述空中遥感数据采集装置包括:对地摄像头、对地激光测距模块、气压传感器、RTK定位模块和处理器模块;
所述对地摄像头、对地激光测距模块和RTK定位模块均与所述处理器模块通信连接;
所述对地摄像头,用于获取目标山地果园中的植株图像信息,并发送至所述处理器模块;
所述对地激光测距模块,用于获取所述无人机离地距离,并发送至所述处理器模块;
所述气压传感器,用于获取高空处的气压数据,并基于所述气压数据计算当前无人机的高度,对所述对地激光的读数进行校正;
所述RTK定位模块,用于记录所述对地摄像头拍照时的拍摄点坐标,并发送至所述处理器模块;
所述处理器模块,用于根据所获取的信息数据,采用植株检测算法获得植株位置信息和植株图像信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211275607.1A CN115689795A (zh) | 2022-10-18 | 2022-10-18 | 基于无人机遥感的山地果园作物长势分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211275607.1A CN115689795A (zh) | 2022-10-18 | 2022-10-18 | 基于无人机遥感的山地果园作物长势分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115689795A true CN115689795A (zh) | 2023-02-03 |
Family
ID=85066631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211275607.1A Pending CN115689795A (zh) | 2022-10-18 | 2022-10-18 | 基于无人机遥感的山地果园作物长势分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115689795A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036954A (zh) * | 2023-08-22 | 2023-11-10 | 生态环境部南京环境科学研究所 | 一种植物区长势识别方法及系统 |
CN117146831A (zh) * | 2023-10-31 | 2023-12-01 | 北京佳格天地科技有限公司 | 基于机器学习和无人机的果树生长状态评估方法及系统 |
-
2022
- 2022-10-18 CN CN202211275607.1A patent/CN115689795A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036954A (zh) * | 2023-08-22 | 2023-11-10 | 生态环境部南京环境科学研究所 | 一种植物区长势识别方法及系统 |
CN117036954B (zh) * | 2023-08-22 | 2024-04-26 | 生态环境部南京环境科学研究所 | 一种植物区长势识别方法及系统 |
CN117146831A (zh) * | 2023-10-31 | 2023-12-01 | 北京佳格天地科技有限公司 | 基于机器学习和无人机的果树生长状态评估方法及系统 |
CN117146831B (zh) * | 2023-10-31 | 2024-01-02 | 北京佳格天地科技有限公司 | 基于机器学习和无人机的果树生长状态评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019238712B2 (en) | Plant planting data measuring method, working route planning method, device and system | |
Fernández‐Quintanilla et al. | Is the current state of the art of weed monitoring suitable for site‐specific weed management in arable crops? | |
CN115689795A (zh) | 基于无人机遥感的山地果园作物长势分析方法及系统 | |
Amarasingam et al. | A review of UAV platforms, sensors, and applications for monitoring of sugarcane crops | |
KR102187654B1 (ko) | 저고도 무인 비행체 및 이를 포함하는 작물 재배 정보 획득 시스템 | |
CN111582055B (zh) | 一种无人机的航空施药航线生成方法及系统 | |
CN108519775A (zh) | 一种精准喷洒的无人机系统及其控制方法 | |
WO2017099951A1 (en) | Cloud detection on remote sensing imagery | |
CN109117811A (zh) | 一种基于低空遥感测量技术估算城市植被覆盖率的系统及方法 | |
CN105539851A (zh) | 基于无线传感网的无人机农药精准喷施作业系统及方法 | |
CA3162410A1 (en) | Highly responsive farming systems with extraordinary in-season optimization | |
CN110282135B (zh) | 一种植保无人机农药精准喷施系统及喷施方法 | |
CN111985724B (zh) | 一种农作物产量预估的方法、装置、设备及存储介质 | |
Cunha et al. | Estimating vegetation volume of coffee crops using images from unmanned aerial vehicles | |
CN104766135A (zh) | 一种预测农作物产量的方法、装置及系统 | |
CN113920474A (zh) | 一种智能监管柑橘种植态势的物联网系统及方法 | |
CN112015200A (zh) | 一种农业无人机群协同作业系统、协同作业方法及无人机 | |
CN111506097A (zh) | 一种无人机遥感技术在精准农业中的应用系统及方法 | |
CN117115769A (zh) | 一种基于语义分割网络的植株检测与定位方法 | |
CN111814585A (zh) | 无人机近地空作物苗情遥感监测方法、装置及存储介质 | |
CN116739739A (zh) | 一种贷款额度评估方法、装置、电子设备及存储介质 | |
CN115761475A (zh) | 一种用于玉米小麦幼苗的在线监控识别系统 | |
CN114971212A (zh) | 一种基于农业物联网的元宇宙交互系统及其方法 | |
US11845449B2 (en) | Map generation and control system | |
KR20230094918A (ko) | 드론을 이용한 자동화 방제 관리 시스템 및 그 방법 |
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 |