CN115761535A - 应用于土壤质量数据分析方法和系统 - Google Patents

Abstract

本发明提供了应用于土壤质量数据分析方法和系统，其利用无人机作为采样辅助工具，先对目标区域进行影像拍摄和分析从中筛选出采样区域，再利用无人机对采样区域的土壤样本采样点进行自动土壤样本采集，这样能够实现对目标区域的有效覆盖化采样，降低土壤样本采集的人力成本，同时还能够生成关于目标区域的土壤质量标定模型，便于直观得到土壤质量高低分布情况，从而准确真实反映区域的实际土壤质量情况以及提高土壤质量分析的操作便捷性与分析结果可信度。

Description

应用于土壤质量数据分析方法和系统

技术领域

本发明涉及土壤质量分析的技术领域，特别涉及应用于土壤质量数据分析方法和系统。

背景技术

土壤质量对于植物生长和生态环境具有重要影响，当土壤存在水土流失或重金属污染等情况，现有技术对于土壤质量分析都是采用人工采样的方式采集不同区域的土壤样本，并进行相应的检测分析。但是上述方式只能针对较小面积区域进行操作，当需要进行土壤质量分析的区域面积较大时，仅仅依靠人工采样的方式无法有效覆盖区域的每个位置进行全面的采样，使得最终得到的土壤质量分析结果无法准确真实反映区域的实际土壤质量情况，从而降低土壤质量分析的操作便捷性和分析结果可信度。

发明内容

针对现有技术存在的缺陷，本发明提供应用于土壤质量数据分析方法和系统，其利用地面基站控制无人机对目标区域进行拍摄和定位，得到目标区域影像及其对应的位置信息，以此确定目标区域的植物生长状态和地表土壤状态，继而从目标区域中确定需要进行土壤样本采集的采样区域；再指示无人机对采样区域的每个土壤样本采集点进行土壤样本采集；通过土壤分析仪确定土壤样本的土壤水土成分信息和土壤元素成分信息，并结合土壤样本的区别标识结果，得到关于采样区域的土壤质量分布状态信息，最后生成关于目标区域的土壤质量标定模型，其利用无人机作为采样辅助工具，先对目标区域进行影像拍摄和分析从中筛选出采样区域，再利用无人机对采样区域的土壤样本采样点进行自动土壤样本采集，这样能够实现对目标区域的有效覆盖化采样，降低土壤样本采集的人力成本，同时还能够生成关于目标区域的土壤质量标定模型，便于直观得到土壤质量高低分布情况，从而准确真实反映区域的实际土壤质量情况以及提高土壤质量分析的操作便捷性与分析结果可信度。

本发明提供应用于土壤质量数据分析方法，其包括如下步骤：

步骤S1，通过地面基站控制无人机对目标区域进行拍摄以及定位，得到目标区域影像及其对应的位置信息；对所述目标区域影像进行分析处理，确定所述目标区域的植物生长状态和地表土壤状态；

步骤S2，根据所述植物生长状态和所述地表土壤状态，从所述目标区域中确定需要进行土壤样本采集的采样区域，并从所述采样区域中标定若干土壤样本采集点；指示无人机分别对每个土壤样本采集点进行土壤样本采集，并对采集得到的土壤样本进行区分标识；

步骤S3，通过土壤分析仪对采集得到的所有土壤样本分别进行分析处理，确定所述土壤样本的土壤水土成分信息和土壤元素成分信息；根据所述土壤水土成分信息，所述土壤元素成分信息以及所述土壤样本的区别标识结果，得到关于所述采样区域的土壤质量分布状态信息；

步骤S4，根据所述土壤质量分布状态信息，生成关于所述目标区域的土壤质量标定模型。

进一步，在所述步骤S1中，通过地面基站控制无人机对目标区域进行拍摄以及定位，得到目标区域影像及其对应的位置信息具体包括：

通过地面基站根据目标区域的地面边界分布位置信息和地形海拔信息，确定无人机的飞行路径和飞行高度；并根据所述飞行路径和所述飞行高度，生成无人机飞行路径和飞行高度控制指令，并将所述控制指令发送至所述无人机；

当所述无人机在所述目标区域上空飞行过程中，指示所述无人机自带的摄像头以固定拍摄方位角对所述目标区域进行多次拍摄操作，从而分别得到多个子区域影像；同时指示所述无人机自带的定位设备在每次执行拍摄操作时同步进行定位检测，以此得到每个子区域影像对应的位置信息。

进一步，在所述步骤S1中，通过地面基站根据目标区域的地面边界分布位置信息和地形海拔信息，确定无人机的飞行路径和飞行高度；并根据所述飞行路径和所述飞行高度，生成无人机飞行路径和飞行高度控制指令，并将所述控制指令发送至所述无人机具体包括：

步骤S101，利用下面公式(1)，根据目标区域的地面边界分布位置信息和地形海拔信息，确定无人机的控制飞行高度，

在上述公式(1)中，H表示无人机的控制飞行高度；h(i,j)表示所述目标区域影像中第i行第j列像素点位置处的地形海拔高度值；h(a,b)表示所述目标区域影像中第a行第b列像素点位置处的地形海拔高度值；h(c,d)表示所述目标区域影像中第c行第d列像素点位置处的地形海拔高度值；G表示所述目标区域影像中属于目标区域的地面边界分布位置内的像素点行列坐标集合；(i,j)∈G表示所述目标区域影像中第i行第j列像素点在目标区域的地面边界分布位置内；max_(i,j)∈G[]表示将满足(i,j)∈G的像素点行列坐标代入到括号内得到括号内的最大值；h(t)表示当前所述无人机的拍摄高度；R表示所述目标区域影像中属于目标区域的地面边界分布位置上的像素点行列坐标集合；(a,b)∈R表示所述目标区域影像中第a行第b列像素点在目标区域的地面边界分布位置上；(c,d)∈R表示所述目标区域影像中第c行第d列像素点在目标区域的地面边界分布位置上；L表示所述无人机的拍摄影像中横向任意一行的像素点个数；S[→]表示求取括号内→两边像素点之间的距离值；max{,}表示求取括号内逗号左右两端的最大值；

步骤S102，利用下面公式(2)，根据目标区域的地面边界分布位置信息和地形海拔信息以及所述无人机的控制飞行高度，确定无人机的控制飞行路径，

在上述公式(2)中，θ表示无人机的控制下降偏离角度值；D表示无人机的控制下降距离值；(I,J)表示无人机的控制目标位置点；,I′(t),J′(t)]表示当前无人机拍摄的中心位置点在所述目标区域影像中的第I′(t)行第J′(t)列；f表示无人机的拍摄焦距；N_(i,j)∈G表示所述目标区域影像中在目标区域的地面边界分布位置内的像素点总个数；

所述无人机的控制飞行路径为以当前拍摄到的目标区域影像中第I行第J列像素点为最终无人机拍摄的中心位置点为飞行目标，以偏离竖直方向θ角度对准所述(I,J)位置点下降飞行D距离，从而控制所述无人机的飞行路径；

步骤S103，利用下面公式(3)，根据无人机的控制飞行路径和控制飞行高度，生成无人机的控制指令，

k₁₆＝{A₁₆,,ASCII(θ)]₁₆,,ASCII(D)]₁₆,,ASCII(I)]₁₆,[ASCII(J)]₁₆,E₁₆} (3)

在上述公式(3)中，k₁₆表示无人机的控制指令，所述指令形式为16进制数据形式；A₁₆表示无人机的控制指令预设16进制帧头；E₁₆表示无人机的控制指令预设16进制帧尾；[ASCII()]₁₆表示先将括号()内的数值转换为ASCII码的形式，然后再将所述ASCII码形式的数据转换成16进制数据的形式；{,,,,,}表示将括号{}内的16进制数值以逗号作为分割标记形成新的16进制数据，在形成新的16进制数据时所述逗号也会转换为16进制数据的形式；

无人机在接收到所述控制指令后会验证帧头帧尾是否正确，在验证正确后先将[ASCII(θ)]₁₆,[ASCII(D)]₁₆,[ASCII(I)]₁₆,[ASCII(J)]₁₆四个数据转换成ASCII码然后再转换成浮点数，最终得到θ,D和I,J，然后无人机以偏离竖直方向θ角度对准所述(I,J)位置点下降飞行D距离。

进一步，在所述步骤S1中，对所述目标区域影像进行分析处理，确定所述目标区域的植物生长状态和地表土壤状态具体包括：

对所有子区域影像进行拼接处理，得到所述目标区域的全局区域影像；对所述全局区域影像进行植物轮廓识别处理和植物颜色识别处理，确定所述目标区域的植物枯萎面积范围，以此作为所述植物生长状态；

对所述全局区域影像进行地表土壤颜色识别处理，确定所述目标区域的异常地表土壤颜色覆盖范围，以此作为所述地表土壤状态。

进一步，在所述步骤S2中，根据所述植物生长状态和所述地表土壤状态，从所述目标区域中确定需要进行土壤样本采集的采样区域，并从所述采样区域中标定若干土壤样本采集点具体包括：

将所述植物枯萎面积范围和所述异常地表土壤颜色覆盖范围在所述目标区域共同组成的范围区域，作为需要进行土壤样本采集的采样区域；并在所述采样区域的区域边界线上均匀设定若干边界点作为土壤样本采集点，以及在所述采样区域的内部上均匀设定若干内部点作为土壤样本采集点，同时标定所有土壤样本采集点各自的点位置信息。

进一步，在所述步骤S2中，指示无人机分别对每个土壤样本采集点进行土壤样本采集，并对采集得到的土壤样本进行区分标识具体包括：

通过所述地面基站根据所有土壤样本采集点各自的点位置信息，向所述无人机发送相应的飞行定点悬浮指令，以使所述无人机在每个土壤样本采集点上方进行定点悬浮飞行，并在定点悬浮飞行过程中对相应土壤样本采集点进行土壤样本采集；以及对采集得到的土壤样本进行点位置信息的区分标识。

进一步，在所述步骤S3中，通过土壤分析仪对采集得到的所有土壤样本分别进行分析处理，确定所述土壤样本的土壤水土成分信息和土壤元素成分信息具体包括：

通过土壤分析仪对采集得到的所有土壤样本分别进行分析处理，确定所述土壤样本的土壤水分与砂质重量占比信息，以及所述土壤样本的土壤重金属重量占比信息。

进一步，在所述步骤S3中，根据所述土壤水土成分信息，所述土壤元素成分信息以及所述土壤样本的区别标识结果，得到关于所述采样区域的土壤质量分布状态信息具体包括：

根据所述土壤水分与砂质重量占比信息，判断相应的土壤样本采集点是否存在水土流失和土壤沙化情况；

根据所述土壤重金属重量占比信息，判断相应的土壤样本采集点是否存在重金属污染情况；

将存在水土流失和土壤沙化情况或存在重金属污染情况的土壤样本采集点确定为异常土壤质量位置点，其他土壤样本采集点确定为正常土壤质量位置点；并确定所有异常土壤质量位置点和所有正常土壤质量位置点各自的点位置信息，以此作为所述土壤质量分布状态信息。

进一步，在所述步骤S4中，根据所述土壤质量分布状态信息，生成关于所述目标区域的土壤质量标定模型具体包括：

根据所有异常土壤质量位置点和所有正常土壤质量位置点各自的点位置信息，生成关于所述目标区域的土壤质量标定平面图。

本发明还提供应用于土壤质量数据分析系统，其包括：

地面基站，其用于控制无人机对目标区域进行拍摄以及定位，得到目标区域影像及其对应的位置信息；以及对所述目标区域影像进行分析处理，确定所述目标区域的植物生长状态和地表土壤状态；

所述地面基站还用于根据所述植物生长状态和所述地表土壤状态，从所述目标区域中确定需要进行土壤样本采集的采样区域，并从所述采样区域中标定若干土壤样本采集点；以及指示无人机分别对每个土壤样本采集点进行土壤样本采集，并对采集得到的土壤样本进行区分标识；

土壤分析仪，其用于对采集得到的所有土壤样本分别进行分析处理，确定所述土壤样本的土壤水土成分信息和土壤元素成分信息；

所述地面基站还用于根据所述土壤水土成分信息，所述土壤元素成分信息以及所述土壤样本的区别标识结果，得到关于所述采样区域的土壤质量分布状态信息；以及根据所述土壤质量分布状态信息，生成关于所述目标区域的土壤质量标定模型。。

相比于现有技术，该应用于土壤质量数据分析方法和系统利用地面基站控制无人机对目标区域进行拍摄和定位，得到目标区域影像及其对应的位置信息，以此确定目标区域的植物生长状态和地表土壤状态，继而从目标区域中确定需要进行土壤样本采集的采样区域；再指示无人机对采样区域的每个土壤样本采集点进行土壤样本采集；通过土壤分析仪确定土壤样本的土壤水土成分信息和土壤元素成分信息，并结合土壤样本的区别标识结果，得到关于采样区域的土壤质量分布状态信息，最后生成关于目标区域的土壤质量标定模型，其利用无人机作为采样辅助工具，先对目标区域进行影像拍摄和分析从中筛选出采样区域，再利用无人机对采样区域的土壤样本采样点进行自动土壤样本采集，这样能够实现对目标区域的有效覆盖化采样，降低土壤样本采集的人力成本，同时还能够生成关于目标区域的土壤质量标定模型，便于直观得到土壤质量高低分布情况，从而准确真实反映区域的实际土壤质量情况以及提高土壤质量分析的操作便捷性与分析结果可信度。

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

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的附图。

图1为本发明提供的应用于土壤质量数据分析方法的流程示意图。

图2为本发明提供的应用于土壤质量数据分析系统的结构示意图。

具体实施方式

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，所描述的实施例仅仅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。

参阅图1，为本发明实施例提供的应用于土壤质量数据分析方法和系统的结构示意图。该应用于土壤质量数据分析方法包括如下步骤：

步骤S1，通过地面基站控制无人机对目标区域进行拍摄以及定位，得到目标区域影像及其对应的位置信息；对该目标区域影像进行分析处理，确定该目标区域的植物生长状态和地表土壤状态；

步骤S2，根据该植物生长状态和该地表土壤状态，从该目标区域中确定需要进行土壤样本采集的采样区域，并从该采样区域中标定若干土壤样本采集点；指示无人机分别对每个土壤样本采集点进行土壤样本采集，并对采集得到的土壤样本进行区分标识；

步骤S3，通过土壤分析仪对采集得到的所有土壤样本分别进行分析处理，确定该土壤样本的土壤水土成分信息和土壤元素成分信息；根据该土壤水土成分信息，该土壤元素成分信息以及该土壤样本的区别标识结果，得到关于该采样区域的土壤质量分布状态信息；

步骤S4，根据该土壤质量分布状态信息，生成关于该目标区域的土壤质量标定模型。

上述技术方案的有益效果为：该应用于土壤质量数据分析方法利用地面基站控制无人机对目标区域进行拍摄和定位，得到目标区域影像及其对应的位置信息，以此确定目标区域的植物生长状态和地表土壤状态，继而从目标区域中确定需要进行土壤样本采集的采样区域；再指示无人机对采样区域的每个土壤样本采集点进行土壤样本采集；通过土壤分析仪确定土壤样本的土壤水土成分信息和土壤元素成分信息，并结合土壤样本的区别标识结果，得到关于采样区域的土壤质量分布状态信息，最后生成关于目标区域的土壤质量标定模型，其利用无人机作为采样辅助工具，先对目标区域进行影像拍摄和分析从中筛选出采样区域，再利用无人机对采样区域的土壤样本采样点进行自动土壤样本采集，这样能够实现对目标区域的有效覆盖化采样，降低土壤样本采集的人力成本，同时还能够生成关于目标区域的土壤质量标定模型，便于直观得到土壤质量高低分布情况，从而准确真实反映区域的实际土壤质量情况以及提高土壤质量分析的操作便捷性与分析结果可信度。

优选地，在该步骤S1中，通过地面基站控制无人机对目标区域进行拍摄以及定位，得到目标区域影像及其对应的位置信息具体包括：

通过地面基站根据目标区域的地面边界分布位置信息和地形海拔信息，确定无人机的飞行路径和飞行高度；并根据该飞行路径和该飞行高度，生成无人机飞行路径和飞行高度控制指令，并将该控制指令发送至该无人机；

当该无人机在该目标区域上空飞行过程中，指示该无人机自带的摄像头以固定拍摄方位角对该目标区域进行多次拍摄操作，从而分别得到多个子区域影像；同时指示该无人机自带的定位设备在每次执行拍摄操作时同步进行定位检测，以此得到每个子区域影像对应的位置信息。

上述技术方案的有益效果为：在实际工作中，以目标区域的地面边界分布位置信息和地形海拔信息为基准，使得无人机在目标区域上空飞行过程中，能够在目标区域的地面边界及其内部区域进行相应路径的飞行，以及保证无人机能够在相应海拔高度进行飞行。在无人机飞行过程中，每当无人机自带的摄像头对准目标区域的一部分进行拍摄，这样能够得到对应的子区域影像，同时还会指示无人机自带的GPS定位设备同步进行定位检测，从而对每个子区域影像进行定位标识，便于后续对土壤样本采集点进行准确定位。

优选地，在所述步骤S1中，通过地面基站根据目标区域的地面边界分布位置信息和地形海拔信息，确定无人机的飞行路径和飞行高度；并根据所述飞行路径和所述飞行高度，生成无人机飞行路径和飞行高度控制指令，并将所述控制指令发送至所述无人机具体包括：

步骤S101，利用下面公式(1)，根据目标区域的地面边界分布位置信息和地形海拔信息，确定无人机的控制飞行高度，

在上述公式(1)中，H表示无人机的控制飞行高度；h(i,j)表示所述目标区域影像中第i行第j列像素点位置处的地形海拔高度值；h(a,b)表示所述目标区域影像中第a行第b列像素点位置处的地形海拔高度值；h(c,d)表示所述目标区域影像中第c行第d列像素点位置处的地形海拔高度值；G表示所述目标区域影像中属于目标区域的地面边界分布位置内的像素点行列坐标集合；(i,j)∈G表示所述目标区域影像中第i行第j列像素点在目标区域的地面边界分布位置内；max_(i,j)∈G[]表示将满足(i,j)∈G的像素点行列坐标代入到括号内得到括号内的最大值；h(t)表示当前所述无人机的拍摄高度；R表示所述目标区域影像中属于目标区域的地面边界分布位置上的像素点行列坐标集合；(a,b)∈R表示所述目标区域影像中第a行第b列像素点在目标区域的地面边界分布位置上；(c,d)∈R表示所述目标区域影像中第c行第d列像素点在目标区域的地面边界分布位置上；L表示所述无人机的拍摄影像中横向任意一行的像素点个数；S[→]表示求取括号内→两边像素点之间的距离值；max{,}表示求取括号内逗号左右两端的最大值；

步骤S102，利用下面公式(2)，根据目标区域的地面边界分布位置信息和地形海拔信息以及所述无人机的控制飞行高度，确定无人机的控制飞行路径，

在上述公式(2)中，θ表示无人机的控制下降偏离角度值；D表示无人机的控制下降距离值；(I,J)表示无人机的控制目标位置点；,I′(t),J′(t)]表示当前无人机拍摄的中心位置点在所述目标区域影像中的第I′(t)行第J′(t)列；f表示无人机的拍摄焦距；N_(i,j)∈G表示所述目标区域影像中在目标区域的地面边界分布位置内的像素点总个数；

所述无人机的控制飞行路径为以当前拍摄到的目标区域影像中第I行第J列像素点为最终无人机拍摄的中心位置点为飞行目标，以偏离竖直方向θ角度对准所述(I,J)位置点下降飞行D距离，从而控制所述无人机的飞行路径；

步骤S103，利用下面公式(3)，根据无人机的控制飞行路径和控制飞行高度，生成无人机的控制指令，

k₁₆＝{A₁₆,,ASCII(θ)]₁₆,,ASCII(D)]₁₆,,ASCII(I)]₁₆,[ASCII(J)]₁₆,E₁₆} (3)

在上述公式(3)中，k₁₆表示无人机的控制指令，所述指令形式为16进制数据形式；A₁₆表示无人机的控制指令预设16进制帧头；E₁₆表示无人机的控制指令预设16进制帧尾；[ASCII()]₁₆表示先将括号()内的数值转换为ASCII码的形式，然后再将所述ASCII码形式的数据转换成16进制数据的形式；{,,,,,}表示将括号{}内的16进制数值以逗号作为分割标记形成新的16进制数据，在形成新的16进制数据时所述逗号也会转换为16进制数据的形式；

无人机在接收到所述控制指令后会验证帧头帧尾是否正确，在验证正确后先将[ASCII(θ)]₁₆,[ASCII(D)]₁₆,[ASCII(I)]₁₆,[ASCII(J)]₁₆四个数据转换成ASCII码然后再转换成浮点数，最终得到θ,D和I,J，然后无人机以偏离竖直方向θ角度对准所述(I,J)位置点下降飞行D距离。

上述技术方案的有益效果为：利用上述公式(1)，根据目标区域的地面边界分布位置信息和地形海拔信息，确定无人机的控制飞行高度，进而在不影响无人机飞行的海拔高度以及拍摄效果的情况下尽可能的降低高度，从而可以更加拍摄到清晰度更高的图像；然后利用上述公式(2)，根据目标区域的地面边界分布位置信息和地形海拔信息以及所述无人机的控制飞行高度，确定无人机的控制飞行路径，利用上述公式(2)进行自主计算确保无人机飞行的准确性以及可靠性；最后利用上述公式(3)，根据无人机的控制飞行路径和控制飞行高度，生成无人机的控制指令，进而通过指令实现无人机的自主控制，体现了系统的智能化自动化的特点。

优选地，在该步骤S1中，对该目标区域影像进行分析处理，确定该目标区域的植物生长状态和地表土壤状态具体包括：

对所有子区域影像进行拼接处理，得到该目标区域的全局区域影像；对该全局区域影像进行植物轮廓识别处理和植物颜色识别处理，确定该目标区域的植物枯萎面积范围，以此作为该植物生长状态；当目标区域的植物存在枯萎时，植物颜色会呈现枯黄的颜色，这样以植物颜色为基准并结合植物轮廓，能够准确识别植物枯萎面积范围；

对该全局区域影像进行地表土壤颜色识别处理，确定该目标区域的异常地表土壤颜色覆盖范围，以此作为该地表土壤状态；其中，可将识别得到的地表土壤颜色与预设异常地表土壤颜色进行对比，当识别得到的地表土壤颜色与预设异常地表土壤颜色之间的色度差小于预设色度差阈值，则确定对应范围属于异常地表土壤颜色覆盖范围。

上述技术方案的有益效果为：通过上述方式，将所有子区域影像拼接形成全局区域影像，再对全局区域影像进行植物轮廓、植物颜色和地表土壤颜色的识别处理，从而对目标区域的植物生长状态和地面土壤状态进行精确识别。

优选地，在该步骤S2中，根据该植物生长状态和该地表土壤状态，从该目标区域中确定需要进行土壤样本采集的采样区域，并从该采样区域中标定若干土壤样本采集点具体包括：

将该植物枯萎面积范围和该异常地表土壤颜色覆盖范围在该目标区域共同组成的范围区域，作为需要进行土壤样本采集的采样区域；并在该采样区域的区域边界线上均匀设定若干边界点作为土壤样本采集点，以及在该采样区域的内部上均匀设定若干内部点作为土壤样本采集点，同时标定所有土壤样本采集点各自的点位置信息。

上述技术方案的有益效果为：在实际工作中，将植物枯萎面积范围和异常地表土壤颜色覆盖范围形成并集范围作为需要进行土壤样本采集的采样区域，再在采样区域的区域边界线上均匀设定若干边界点以及在采样区域的内部上均匀设定若干内部点共同组成土壤样本采样点，实现对采样区域的全面均匀样本采集。

优选地，在该步骤S2中，指示无人机分别对每个土壤样本采集点进行土壤样本采集，并对采集得到的土壤样本进行区分标识具体包括：

通过该地面基站根据所有土壤样本采集点各自的点位置信息，向该无人机发送相应的飞行定点悬浮指令，以使该无人机在每个土壤样本采集点上方进行定点悬浮飞行，并在定点悬浮飞行过程中对相应土壤样本采集点进行土壤样本采集；以及对采集得到的土壤样本进行点位置信息的区分标识。

上述技术方案的有益效果为：通过上述方式，能够控制无人机在每个土壤样本采集点上方进行定点悬浮飞行，实时对每个土壤样本采集点进行土壤样本采集，便于后续对每个土壤样本采集点进行土壤样本的分析。

优选地，在该步骤S3中，通过土壤分析仪对采集得到的所有土壤样本分别进行分析处理，确定该土壤样本的土壤水土成分信息和土壤元素成分信息具体包括：

通过土壤分析仪对采集得到的所有土壤样本分别进行分析处理，确定该土壤样本的土壤水分与砂质重量占比信息，以及该土壤样本的土壤重金属重量占比信息。

上述技术方案的有益效果为：在实际工作中，可采用现有技术的土壤组分分析仪和土壤元素分析仪对土壤样本进行自动分析处理，快速准确得到土壤样本的土壤水分与砂质重量占比信息和土壤重金属重量占比信息。

优选地，在该步骤S3中，根据该土壤水土成分信息，该土壤元素成分信息以及该土壤样本的区别标识结果，得到关于该采样区域的土壤质量分布状态信息具体包括：

根据该土壤水分与砂质重量占比信息，判断相应的土壤样本采集点是否存在水土流失和土壤沙化情况；

根据该土壤重金属重量占比信息，判断相应的土壤样本采集点是否存在重金属污染情况；

将存在水土流失和土壤沙化情况或存在重金属污染情况的土壤样本采集点确定为异常土壤质量位置点，其他土壤样本采集点确定为正常土壤质量位置点；并确定所有异常土壤质量位置点和所有正常土壤质量位置点各自的点位置信息，以此作为该土壤质量分布状态信息。

上述技术方案的有益效果为：在实际工作中，若土壤样本的土壤水分重量占比小于预设水分重量占比阈值，则判断土壤样本采集点存在水土流失情况；若土壤样本的砂质重量占比大于预设砂质重量占比阈值，则判断土壤样本采集点存在土壤沙化情况；若土壤样本的重金属重量占比大于预设重金属重量占比阈值，则判断土壤样本采集点存在重金属污染情况，这样能够将每个土壤样本采集点区分为异常土壤质量位置点和正常土壤质量位置点，以及对所有异常土壤质量位置点和所有正常土壤质量位置点进行位置标定。

优选地，在该步骤S4中，根据该土壤质量分布状态信息，生成关于该目标区域的土壤质量标定模型具体包括：

根据所有异常土壤质量位置点和所有正常土壤质量位置点各自的点位置信息，生成关于该目标区域的土壤质量标定平面图。

上述技术方案的有益效果为：在实际工作中，将所有异常土壤质量位置点和所有正常土壤质量位置点各自的点位置信息对应映射到目标区域对应的平面地图中，从而得到关于目标区域的土壤质量标定平面图，这样土壤质量标定平面图能够直观表征每个异常土壤质量位置点和每个正常土壤质量位置点的精确位置坐标。

参阅图2，为本发明实施例提供的应用于土壤质量数据分析系统的结构示意图。该应用于土壤质量数据分析系统包括：

地面基站，其用于控制无人机对目标区域进行拍摄以及定位，得到目标区域影像及其对应的位置信息；以及对该目标区域影像进行分析处理，确定该目标区域的植物生长状态和地表土壤状态；

该地面基站还用于根据该植物生长状态和该地表土壤状态，从该目标区域中确定需要进行土壤样本采集的采样区域，并从该采样区域中标定若干土壤样本采集点；以及指示无人机分别对每个土壤样本采集点进行土壤样本采集，并对采集得到的土壤样本进行区分标识；

土壤分析仪，其用于对采集得到的所有土壤样本分别进行分析处理，确定该土壤样本的土壤水土成分信息和土壤元素成分信息；

该地面基站还用于根据该土壤水土成分信息，该土壤元素成分信息以及该土壤样本的区别标识结果，得到关于该采样区域的土壤质量分布状态信息；以及根据该土壤质量分布状态信息，生成关于该目标区域的土壤质量标定模型。

从上述实施例的内容可知，该应用于土壤质量数据分析方法和系统利用地面基站控制无人机对目标区域进行拍摄和定位，得到目标区域影像及其对应的位置信息，以此确定目标区域的植物生长状态和地表土壤状态，继而从目标区域中确定需要进行土壤样本采集的采样区域；再指示无人机对采样区域的每个土壤样本采集点进行土壤样本采集；通过土壤分析仪确定土壤样本的土壤水土成分信息和土壤元素成分信息，并结合土壤样本的区别标识结果，得到关于采样区域的土壤质量分布状态信息，最后生成关于目标区域的土壤质量标定模型，其利用无人机作为采样辅助工具，先对目标区域进行影像拍摄和分析从中筛选出采样区域，再利用无人机对采样区域的土壤样本采样点进行自动土壤样本采集，这样能够实现对目标区域的有效覆盖化采样，降低土壤样本采集的人力成本，同时还能够生成关于目标区域的土壤质量标定模型，便于直观得到土壤质量高低分布情况，从而准确真实反映区域的实际土壤质量情况以及提高土壤质量分析的操作便捷性与分析结果可信度。

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.应用于土壤质量数据分析方法，其特征在于，其包括如下步骤：

步骤S1，通过地面基站控制无人机对目标区域进行拍摄以及定位，得到目标区域影像及其对应的位置信息；对所述目标区域影像进行分析处理，确定所述目标区域的植物生长状态和地表土壤状态；

步骤S2，根据所述植物生长状态和所述地表土壤状态，从所述目标区域中确定需要进行土壤样本采集的采样区域，并从所述采样区域中标定若干土壤样本采集点；指示无人机分别对每个土壤样本采集点进行土壤样本采集，并对采集得到的土壤样本进行区分标识；

步骤S3，通过土壤分析仪对采集得到的所有土壤样本分别进行分析处理，确定所述土壤样本的土壤水土成分信息和土壤元素成分信息；根据所述土壤水土成分信息，所述土壤元素成分信息以及所述土壤样本的区别标识结果，得到关于所述采样区域的土壤质量分布状态信息；

步骤S4，根据所述土壤质量分布状态信息，生成关于所述目标区域的土壤质量标定模型。

2.如权利要求1所述的应用于土壤质量数据分析方法，其特征在于：

在所述步骤S1中，通过地面基站控制无人机对目标区域进行拍摄以及定位，得到目标区域影像及其对应的位置信息具体包括：

通过地面基站根据目标区域的地面边界分布位置信息和地形海拔信息，确定无人机的飞行路径和飞行高度；并根据所述飞行路径和所述飞行高度，生成无人机飞行路径和飞行高度控制指令，并将所述控制指令发送至所述无人机；

当所述无人机在所述目标区域上空飞行过程中，指示所述无人机自带的摄像头以固定拍摄方位角对所述目标区域进行多次拍摄操作，从而分别得到多个子区域影像；同时指示所述无人机自带的定位设备在每次执行拍摄操作时同步进行定位检测，以此得到每个子区域影像对应的位置信息。

3.如权利要求2所述的应用于土壤质量数据分析方法，其特征在于：

在所述步骤S1中，通过地面基站根据目标区域的地面边界分布位置信息和地形海拔信息，确定无人机的飞行路径和飞行高度；并根据所述飞行路径和所述飞行高度，生成无人机飞行路径和飞行高度控制指令，并将所述控制指令发送至所述无人机具体包括：

步骤S101，利用下面公式(1)，根据目标区域的地面边界分布位置信息和地形海拔信息，确定无人机的控制飞行高度，

在上述公式(1)中，H表示无人机的控制飞行高度；h(i,j)表示所述目标区域影像中第i行第j列像素点位置处的地形海拔高度值；h(a,b)表示所述目标区域影像中第a行第b列像素点位置处的地形海拔高度值；

h(c,d)表示所述目标区域影像中第c行第d列像素点位置处的地形海拔高度值；G表示所述目标区域影像中属于目标区域的地面边界分布位置内的像素点行列坐标集合；(i,j)∈G表示所述目标区域影像中第i行第j列像素点在目标区域的地面边界分布位置内；max_(i,j)∈G[]表示将满足(i,j)∈G的像素点行列坐标代入到括号内得到括号内的最大值；h(t)表示当前所述无人机的拍摄高度；R表示所述目标区域影像中属于目标区域的地面边界分布位置上的像素点行列坐标集合；(a,b)∈R表示所述目标区域影像中第a行第b列像素点在目标区域的地面边界分布位置上；(c,d)∈R表示所述目标区域影像中第c行第d列像素点在目标区域的地面边界分布位置上；L表示所述无人机的拍摄影像中横向任意一行的像素点个数；S[→]表示求取括号内→两边像素点之间的距离值；max{,}表示求取括号内逗号左右两端的最大值；

步骤S102，利用下面公式(2)，根据目标区域的地面边界分布位置信息和地形海拔信息以及所述无人机的控制飞行高度，确定无人机的控制飞行路径，

在上述公式(2)中，θ表示无人机的控制下降偏离角度值；D表示无人机的控制下降距离值；(I,J)表示无人机的控制目标位置点；[I′(t),J′(t)]表示当前无人机拍摄的中心位置点在所述目标区域影像中的第I′(t)行第J′(t)列；f表示无人机的拍摄焦距；N_(i,j)∈G表示所述目标区域影像中在目标区域的地面边界分布位置内的像素点总个数；

所述无人机的控制飞行路径为以当前拍摄到的目标区域影像中第I行第J列像素点为最终无人机拍摄的中心位置点为飞行目标，以偏离竖直方向θ角度对准所述(I,J)位置点下降飞行D距离，从而控制所述无人机的飞行路径；

步骤S103，利用下面公式(3)，根据无人机的控制飞行路径和控制飞行高度，生成无人机的控制指令，

k₁₆＝{A₁₆,[ASCII(θ)]₁₆,[ASCII(D)]₁₆,[ASCII(I)]₁₆,[ASCII(J)]₁₆,E₁₆} (3)

在上述公式(3)中，k₁₆表示无人机的控制指令，所述指令形式为16进制数据形式；A₁₆表示无人机的控制指令预设16进制帧头；E₁₆表示无人机的控制指令预设16进制帧尾；[ASCII()]₁₆表示先将括号()内的数值转换为ASCII码的形式，然后再将所述ASCII码形式的数据转换成16进制数据的形式；{,,,,,}表示将括号{}内的16进制数值以逗号作为分割标记形成新的16进制数据，在形成新的16进制数据时所述逗号也会转换为16进制数据的形式；

无人机在接收到所述控制指令后会验证帧头帧尾是否正确，在验证正确后先将[ASCII(θ)]₁₆,[ASCII(D)]₁₆,[ASCII(I)]₁₆,[ASCII(J)]₁₆四个数据转换成ASCII码然后再转换成浮点数，最终得到θ,D和I,J，然后无人机以偏离竖直方向θ角度对准所述(I,J)位置点下降飞行D距离。

4.如权利要求2所述的应用于土壤质量数据分析方法，其特征在于：

在所述步骤S1中，对所述目标区域影像进行分析处理，确定所述目标区域的植物生长状态和地表土壤状态具体包括：

对所有子区域影像进行拼接处理，得到所述目标区域的全局区域影像；

对所述全局区域影像进行植物轮廓识别处理和植物颜色识别处理，确定所述目标区域的植物枯萎面积范围，以此作为所述植物生长状态；

对所述全局区域影像进行地表土壤颜色识别处理，确定所述目标区域的异常地表土壤颜色覆盖范围，以此作为所述地表土壤状态。

5.如权利要求4所述的应用于土壤质量数据分析方法，其特征在于：

在所述步骤S2中，根据所述植物生长状态和所述地表土壤状态，从所述目标区域中确定需要进行土壤样本采集的采样区域，并从所述采样区域中标定若干土壤样本采集点具体包括：

将所述植物枯萎面积范围和所述异常地表土壤颜色覆盖范围在所述目标区域共同组成的范围区域，作为需要进行土壤样本采集的采样区域；并在所述采样区域的区域边界线上均匀设定若干边界点作为土壤样本采集点，以及在所述采样区域的内部上均匀设定若干内部点作为土壤样本采集点，同时标定所有土壤样本采集点各自的点位置信息。

6.如权利要求5所述的应用于土壤质量数据分析方法，其特征在于：

在所述步骤S2中，指示无人机分别对每个土壤样本采集点进行土壤样本采集，并对采集得到的土壤样本进行区分标识具体包括：

通过所述地面基站根据所有土壤样本采集点各自的点位置信息，向所述无人机发送相应的飞行定点悬浮指令，以使所述无人机在每个土壤样本采集点上方进行定点悬浮飞行，并在定点悬浮飞行过程中对相应土壤样本采集点进行土壤样本采集；以及对采集得到的土壤样本进行点位置信息的区分标识。

7.如权利要求6所述的应用于土壤质量数据分析方法，其特征在于：

在所述步骤S3中，通过土壤分析仪对采集得到的所有土壤样本分别进行分析处理，确定所述土壤样本的土壤水土成分信息和土壤元素成分信息具体包括：

通过土壤分析仪对采集得到的所有土壤样本分别进行分析处理，确定所述土壤样本的土壤水分与砂质重量占比信息，以及所述土壤样本的土壤重金属重量占比信息。

8.如权利要求7所述的应用于土壤质量数据分析方法，其特征在于：

在所述步骤S3中，根据所述土壤水土成分信息，所述土壤元素成分信息以及所述土壤样本的区别标识结果，得到关于所述采样区域的土壤质量分布状态信息具体包括：

根据所述土壤水分与砂质重量占比信息，判断相应的土壤样本采集点是否存在水土流失和土壤沙化情况；

根据所述土壤重金属重量占比信息，判断相应的土壤样本采集点是否存在重金属污染情况；

将存在水土流失和土壤沙化情况或存在重金属污染情况的土壤样本采集点确定为异常土壤质量位置点，其他土壤样本采集点确定为正常土壤质量位置点；并确定所有异常土壤质量位置点和所有正常土壤质量位置点各自的点位置信息，以此作为所述土壤质量分布状态信息。

9.如权利要求8所述的应用于土壤质量数据分析方法，其特征在于：

在所述步骤S4中，根据所述土壤质量分布状态信息，生成关于所述目标区域的土壤质量标定模型具体包括：

根据所有异常土壤质量位置点和所有正常土壤质量位置点各自的点位置信息，生成关于所述目标区域的土壤质量标定平面图。

10.用于实施如权利要求1所述的应用于土壤质量数据分析方法的土壤质量数据分析系统，其特征在于，其包括：

地面基站，其用于控制无人机对目标区域进行拍摄以及定位，得到目标区域影像及其对应的位置信息；以及对所述目标区域影像进行分析处理，确定所述目标区域的植物生长状态和地表土壤状态；

所述地面基站还用于根据所述植物生长状态和所述地表土壤状态，从所述目标区域中确定需要进行土壤样本采集的采样区域，并从所述采样区域中标定若干土壤样本采集点；以及指示无人机分别对每个土壤样本采集点进行土壤样本采集，并对采集得到的土壤样本进行区分标识；

土壤分析仪，其用于对采集得到的所有土壤样本分别进行分析处理，确定所述土壤样本的土壤水土成分信息和土壤元素成分信息；

所述地面基站还用于根据所述土壤水土成分信息，所述土壤元素成分信息以及所述土壤样本的区别标识结果，得到关于所述采样区域的土壤质量分布状态信息；以及根据所述土壤质量分布状态信息，生成关于所述目标区域的土壤质量标定模型。

Images