CN116609278B - 一种农田重金属光谱数据的采集方法及系统 - Google Patents

一种农田重金属光谱数据的采集方法及系统 Download PDF

Info

Publication number
CN116609278B
CN116609278B CN202310896740.7A CN202310896740A CN116609278B CN 116609278 B CN116609278 B CN 116609278B CN 202310896740 A CN202310896740 A CN 202310896740A CN 116609278 B CN116609278 B CN 116609278B
Authority
CN
China
Prior art keywords
farmland
parameter
ranging signal
flying
heavy metal
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.)
Active
Application number
CN202310896740.7A
Other languages
English (en)
Other versions
CN116609278A (zh
Inventor
罗微
张晶
章海亮
刘雪梅
范国柱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East China Jiaotong University
Original Assignee
East China Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by East China Jiaotong University filed Critical East China Jiaotong University
Priority to CN202310896740.7A priority Critical patent/CN116609278B/zh
Publication of CN116609278A publication Critical patent/CN116609278A/zh
Application granted granted Critical
Publication of CN116609278B publication Critical patent/CN116609278B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U20/00—Constructional aspects of UAVs
    • B64U20/80—Arrangement of on-board electronics, e.g. avionics systems or wiring
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U20/00—Constructional aspects of UAVs
    • B64U20/80—Arrangement of on-board electronics, e.g. avionics systems or wiring
    • B64U20/87—Mounting of imaging devices, e.g. mounting of gimbals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
    • G01N21/718—Laser microanalysis, i.e. with formation of sample plasma
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing

Abstract

本发明公开了一种农田重金属光谱数据的采集方法及系统。该采集方法通过无人机在农田上方飞行采样，并通过第一装置进行多角度测距，通过第二装置获取农田的遥感图像，通过第三装置采集土壤的重金属污染数据。进一步的，实时调整第二装置的扫描角，确保获取最佳的遥测效果，并实时调整第三装置的功率参数，确保获取最佳的重金属污染数据。本发明的这种重金属污染数据采集方法能够全面提升农田重金属污染数据的采集效率，并实现了更高密度的全面采样。

Description

一种农田重金属光谱数据的采集方法及系统
技术领域
本发明涉及非接触式重金属污染采集的技术领域，尤其涉及一种农田重金属光谱数据的采集方法及系统。
背景技术
重金属不利于农作物生长，长期食用对人体健康产生极大的负面影响。对农田中的重金属污染数据进行测度是农业科学中常用的技术手段。现有技术中，对农田水源进行采样，经过化学实验判断重金属污染程度的局限性较强，需要大量样本数据，且最终结果也不能反应全部农田状态。因此，基于非接触式的重金属污染采集方法得到了广泛应用，例如，CN113155880A公开了一种采用无人机和XRF技术对土壤重金属污染的检测方法。该方法的缺陷在于定点悬停、定点采样，实际应用效果不佳。现有技术希望连续扫描获得多点检测数据。农田之间的高度不一致，激光诱导击穿光谱技术的精度与测量距离直接相关，当测量距离发生改变的情况下，需要增强激光能量密度与聚焦方式以达到最佳的检测效果。因此需要一种根据农田情况自适应调整测量参数的重金属光谱数据的采集方法。
发明内容
针对上述问题，本发明提出了一种农田重金属光谱数据的采集方法。该采集方法通过测量农田的遥感图像与诱导击穿光谱数据生成用于表达重金属污染的重金属污染云图，并根据飞行设备与待测农田的距离改变数据采集装置的工作参数。进一步的，本发明还提供了一种用于实现该农田重金属光谱数据的采集方法的采集系统。
本申请的发明目的可通过以下技术手段实现：
一种农田重金属光谱数据的采集方法，包括以下步骤：
步骤1：飞行设备按规划路径扫描农田区，飞行设备的第一装置发射与水平面垂直的第一测距信号，飞行设备根据第一测距信号生成第一高度参数L1，飞行设备的第二装置与第三装置预设的扫描角为α；
步骤2：飞行设备的第二装置基于第一高度参数L1扫描农田区并生成遥感图像，飞行设备的第三装置以功率参数P扫描农田区并生成光谱数据；
步骤3：飞行设备将遥感图像与光谱数据发送至控制站，控制站基于虚拟坐标将光谱数据匹配至遥感图像，生成重金属污染云图；
步骤4：飞行设备发射与水平面构成锐角的第二测距信号，根据第二测距信号生成第二高度参数L2，若，进入步骤5，反之，进入步骤2，其中，δ为误差阈值，L3为根据第一高度参数生成的斜面长度值；
步骤5：飞行设备将第二高度参数发送至控制站，控制站预测环境光偏角并根据该环境光偏角与第二高度参数生成扫描角α'；
步骤6：进入校准周期，第一装置周期性发射第一测距信号，飞行设备根据第一测距信号重新生成第一高度参数L1'，若，进入步骤7，校准周期结束，反之，则继续发射第一测距信号；
步骤7：第二装置的扫描角调整为α'，第三装置根据第一高度参数L1'调整功率参数P，第三装置以调整后的功率参数P扫描农田区，返回至步骤3。
在本发明中，第一高度参数、第二高度参数为飞行设备与农田区的距离，遥感图像为正射影像。
在本发明中，控制站基于第一高度参数确定飞行设备在大地坐标系的位置坐标，并将该位置坐标转换为虚拟坐标。
在本发明中，第三装置发射激光光束至农田区并收集农田区反射的光谱数据，提取所述光谱数据的多个吸收峰，控制站将吸收峰匹配至遥感图像，生成一个包含多个污染点的三维空间点云，所述污染点的横坐标与纵坐标为虚拟坐标，点云的高度为污染点的污染值，通过点云分割算法将点云分成多个区域，计算出每个区域内的平均污染值，构成重金属污染云图。
在本发明中，第一测距信号、第二测距信号为能量密度恒定的激光光束，第二测距信号与水平面的夹角为β，L3= L1/sinβ。
在本发明中，调整后的扫描角α'=(π/4)-(γ/2)，γ为环境光偏角。
一种用于实现所述农田重金属光谱数据的采集方法的采集系统，所述采集系统包括控制站和飞行设备，飞行设备包括第一装置、第二装置以及第三装置，其中，
第一装置被配置为发射第一测距信号与第二测距信号，根据第一测距信号生成第一高度参数L1，根据第二测距信号生成第二高度参数L2；
第二装置被配置为基于第一高度参数L1扫描农田区并生成遥感图像；
第三装置被配置为以功率参数P扫描农田区并生成光谱数据；
控制站接收遥感图像与光谱数据，生成重金属污染云图，其中，
飞行设备将第二高度参数发送至控制站，控制站预测环境光偏角并根据该环境光偏角与第二高度参数调整第二装置与第三装置的扫描角α'。
在本发明中，所述飞行设备为无人机，该飞行设备具有固定云台和可动云台，所述第一装置安装在固定云台上，所述第二装置和第三装置安装在可动云台上，可动云台通过一步进电机调整扫描角。
实施本发明的一种农田重金属光谱数据的采集方法及系统，有益效果在于：通过飞行设备遥测的方式实现了非接触式自动化测量梯田的重金属污染数据，可以大幅提高采样效率。飞行设备可以在短时间内覆盖大面积的农田，实现广泛化的重金属污染数据采样。另外，针对农田环境复杂，本发明通过改变第二装置和第三装置的参数，确保飞行设备在扫描过程中重金属污染数据的采样精度。
附图说明
图1为本发明的农田重金属光谱数据的采集方法的流程图；
图2为本发明的飞行设备在农田区移动的示意图；
图3为本发明的飞行设备在农田区移动的另一示意图；
图4为本发明的飞行设备在农田区移动的又一示意图；
图5为本发明的采集遥感图像的示意图；
图6为本发明的用于实现农田重金属光谱数据的采集方法的采集系统的硬件框图；
图7为本发明的飞行设备的示意图。
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。
实施例一
本发明的农田重金属光谱数据的采集方法，通过测量农田的遥感图像与光谱数据生成用于表达重金属污染的重金属污染云图。在该采集方法中，飞行设备上配置有第一装置、第二装置以及第三装置。第一装置具备发射第一测距信号、第二测距信号的功能，实现多角度测距。第二装置按照一定的比例尺采集遥感图像。第三装置上配备有激光发射器及光谱数据收集模块，能够基于高频脉冲激光激发土壤产生等离子体生成光谱数据。应当理解，第一装置、第二装置、第三装置均具有数据处理能力，其中应包含有适用于其功能以及功能实现的计算机可读存储介质或控制算法。参照图1，本实施例的农田重金属光谱数据的采集方法，包括以下步骤。
步骤1：飞行设备按规划路径扫描农田区，飞行设备的第一装置发射与水平面垂直的第一测距信号，飞行设备根据第一测距信号生成第一高度参数L1，飞行设备的第二装置与第三装置预设的扫描角为α。预设的扫描角可以是π/6。本发明的农田区包含多个种植块，种植块间地高度不一致。在更具体的实施例中，种植块为梯田。第一高度参数L1为飞行设备与农田区的距离。第一高度参数可以根据实际需要确定，通常第一高度参数越大，实施本发明的技术方案所获取的结果精度更低但是扫描速度更快。规划路径应该覆盖目标区域的所有梯田，路径规划算法可以参照现有技术，在此不做详述。
步骤2：飞行设备的第二装置基于第一高度参数L1扫描农田区并生成遥感图像，飞行设备的第三装置以功率参数P扫描农田区并生成光谱数据。第一高度参数、第二高度参数为飞行设备与农田区的距离，遥感图像为正射影像。在本实施例中，功率参数P为第三装置发射的功率密度，基于当前飞行设备距离农田的高度生成。在本实施例中，第三装置发射激光光束至农田区，收集农田区反射的光谱数据，提取所述光谱数据中的各个吸收峰。
步骤3：飞行设备将遥感图像与光谱数据发送至控制站，控制站基于虚拟坐标将光谱数据匹配至遥感图像，生成重金属污染云图。其中，第二装置基于第一高度参数确定飞行设备在大地坐标系的位置坐标，并将该位置坐标转换为虚拟坐标。在本实施例中，第三装置发射激光光束至农田区并收集农田区反射的光谱数据，提取所述光谱数据的多个吸收峰，控制站将吸收峰匹配至遥感图像，生成一个包含多个污染点的三维空间点云，所述污染点的横坐标与纵坐标为虚拟坐标，点云的高度为污染点的污染值，通过点云分割算法将点云分成多个区域，计算出每个区域内的平均污染值，构成重金属污染云图。在另一实施例中，可以根据光谱数据计算每一位置的重金属浓度值，再将该浓度值标定至遥感图像的对应位置，生成将浓度值等级相同的坐标渲染成同一颜色，生成重金属污染云图。
步骤4：飞行设备发射与水平面构成锐角的第二测距信号，根据第二测距信号生成第二高度参数L2，若，进入步骤5，反之，进入步骤2，其中，δ为误差阈值，L3为根据第一高度参数生成的斜面长度值。所述第二测距信号为能量密度恒定的激光光束。
在本实施例中，第一测距信号、第二测距信号为能量密度恒定的激光光束，第二测距信号与水平面的夹角为β，L3= L1/sinβ。第二测距信号用于判断移动路径上是否进入下一块梯田，当第二高度参数L2超过阈值波动范围的情况，则说明进入下一块梯田。需要说明的是，用于判断的第二高度参数为多次测量得到的稳定数值，若第二高度参数逐渐增加或逐渐减小，此时第二高度参数为不稳定数值，说明逐渐靠近梯田接触面，需要继续测量得到的稳定数值。进一步的，可以通过数值优化算法确定第二高度参数是否达到稳定。
参照图2，无人机从第一位置移动至第二位置，L2＜L3-δ，则说明无人机进入下一块梯田；参照图3，无人机从第一位置移动至第二位置，L2＞L3+δ，则说明无人机进入下一块梯田。参照图4，无人机从第一位置移动至第二位置，L2不存在显著的变化，L2∈[L3-δ，L3+δ]，则说明无人机进入未进入下一块梯田，或者梯田高度未发生明显变化。
步骤5：飞行设备将第二高度参数发送至控制站，控制站预测环境光偏角并根据该环境光偏角与第二高度参数生成扫描角α'。在同一块高度完全相同的农田区中，环境光偏角保持稳定，预设的扫描角不需要调整。在本实施例中，高度不同的农田块会导致环境光源的入射角与遥感图像焦点发生变化，从而在农田区水面上产生光斑，需要生成扫描角的调整量用于减少高度变化对遥感图像的影响。环境光源可以是固定的补偿光源，也可以是自然光与飞行设备组成的复合光源。
步骤6：进入校准周期，第一装置周期性发射第一测距信号，飞行设备根据第一测距信号重新生成第一高度参数L1'，若，进入步骤7，校准周期结束，反之，则继续发射第一测距信号。在本实施例中，校准周期内被理解为无人机移动至下一梯田的调整周期，此时第一装置、第二装置、第三装置获得区别于上一梯田的参数。
步骤7：第二装置的扫描角调整为α'，第三装置根据第一高度参数L1'调整功率参数P，第三装置以调整后的功率参数P扫描农田区，返回至步骤3。由于农田区存在水域，环境光照的影响容易在农田区形成镜面反射。如图5，若第二装置的角度在镜面反射的区域内，遥感图像形成光斑。另外，飞行设备在农田区的投影又会形成阴影。本发明进一步公开了通过调整扫描角避免在遥感图像产生光斑和阴影。通过调整为计算得到的扫描角，使第二装置布置在环境光源和遥感图像焦点之间，从而减少高度不同的农田块导致环境光源的入射角与遥感图像焦点发生变化的干扰。环境光偏角γ在遥感图像形成光斑特征，扫描角的大小与环境光偏角γ有关。本实施调整后的扫描角α'=(π/4)-(γ/2)。
在另一实施例中，基于遥感图像的光斑特征提取光斑粗轮廓区域，并提取光斑粗轮廓区域内的辐射出射度M(γ)，再识别遥感图像光斑焦点位置f。辐射出射度。该方法可以反算最佳的扫描角偏移量，获得扫描角更准确的调整，但是该方法依赖辐射出射度M(γ)的参数设置。
实施例二
本实施例详述本发明扫描农田区的重金属并生成光谱数据优选的方法。在本实施例中，第三装置输入初始的功率参数P，设置波长固定的高功率脉冲激光辐射梯田表面，确定待检测梯田的重金属成分。在本实施例中，所述高功率脉冲激光为Nd:YAG激光。第三装置接收反射的光谱线，基于所述光谱线强度计算重金属元素的种类与浓度。
飞行设备周期性通过第三装置采集农田区的重金属的元素浓度，获得按照农田区虚拟坐标排列的多个元素浓度散点，任意一元素浓度对应一条光谱线，所述光谱线强度决定某虚拟坐标下的光谱线的特征。在本实施例中，任意一元素的光谱线强度与元素浓度的关系为：。m为等离子体的上能级，n为等离体子的下能级，Em为光谱线上能级所包含的能量，En为光谱线上下能级所包含的能量，I为元素光谱线强度，λ为元素光谱线的波长，Ns为元素光谱线的粒子数浓度，A为等离子体跃迁概率，gm为能级的简并度，U(T)为配分函数，T为等离子体的温度，k为玻尔兹曼常数。
第三装置需要搭载在飞行设备上，第三装置的体积、重量受到限制，上述扫描农田区的重金属污染数据方法适用于便携式激光诱导击穿光谱扫描设备。应当理解，当其他标准可以适用时，在本发明的具体实施方式中等效于本实施例所提出的技术方案。
实施例三
下面详述本发明配对光谱数据与遥感图像并构成重金属污染云图的方法，包括以下步骤：
步骤:301：对遥感图像进行预处理，通过灰度二值化处理后消除可见噪点，并基于大气校正模块减少光照、大气环境因素产生的误差干扰，得到处理后的遥感图像；
步骤302：提取光谱数据，通过数据去噪的方式确保重金属污染数据完整且有效。在本实施例中，控制站基于虚拟坐标为任意一个重金属赋权值，该权值为重金属的浓度，基于插值算法估计各个虚拟坐标点之间权值变化趋势，生成连续的函数判定重金属污染区域。
步骤303：结合生成的函数，在指定区域内生成点云数据，通过随机抽样的方式选取点云数据的虚拟坐标，将重金属浓度作为点云数据的权值。在本实施例中，生成后的点云数据还需要进行拓扑结构的优化，以最大化提升数据的质量。
步骤304：对遥感图像上的各个虚拟坐标标注不同的颜色，通过MeshLab软件对遥感图像进行渲染，得到表达重金属污染范围的重金属污染云图。
进一步的，虚拟坐标 对应的重金属浓度为 ，使用插值算法构建函数模型 /> 并基于线性插值法估计虚拟坐标附近的函数值。/>，其中 。上式表示当前位置 /> 上的函数值 可以通过已知坐标点 /> 和 /> 所构成的直线进行估计。
实施例四
参照图6，本实施例公开了一种用于实现所述农田重金属光谱数据的采集方法的采集系统。采集系统包括控制站和飞行设备，飞行设备包括第一装置、第二装置以及第三装置，第一装置被配置为发射第一测距信号与第二测距信号，根据第一测距信号生成第一高度参数L1，根据第二测距信号生成第二高度参数L2。第二装置被配置为基于第一高度参数L1扫描农田区并生成遥感图像。第三装置被配置为以功率参数P扫描农田区并生成光谱数据。控制站接收遥感图像与光谱数据，生成重金属污染云图。
飞行设备将第二高度参数发送至控制站，控制站预测环境光偏角并根据该环境光偏角与第二高度参数调整第二装置与第三装置的扫描角α。参照图7，所述飞行设备为无人机，该飞行设备具有固定云台和可动云台。第一装置安装在固定云台上，第二装置和第三装置安装在可动云台上，其中，第三装置置于如图7所示的第二装置后方，可动云台通过一步进电机调整扫描角。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改，等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种农田重金属光谱数据的采集方法，其特征在于，包括以下步骤：
步骤1：飞行设备按规划路径扫描农田区，飞行设备的第一装置发射与水平面垂直的第一测距信号，飞行设备根据第一测距信号生成第一高度参数L1，飞行设备的第二装置与第三装置预设的扫描角为α；
步骤2：飞行设备的第二装置基于第一高度参数L1扫描农田区并生成遥感图像，飞行设备的第三装置以功率参数P扫描农田区并生成光谱数据；
步骤3：飞行设备将遥感图像与光谱数据发送至控制站，控制站基于虚拟坐标将光谱数据匹配至遥感图像，生成重金属污染云图；
步骤4：飞行设备发射与水平面构成锐角的第二测距信号，根据第二测距信号生成第二高度参数L2，若，进入步骤5，反之，进入步骤2，其中，δ为误差阈值，L3为根据第一高度参数生成的斜面长度值；
步骤5：飞行设备将第二高度参数发送至控制站，控制站预测环境光偏角并根据该环境光偏角与第二高度参数生成扫描角α'；
步骤6：进入校准周期，第一装置周期性发射第一测距信号，飞行设备根据第一测距信号重新生成第一高度参数L1'，若，进入步骤7，校准周期结束，反之，则继续发射第一测距信号；
步骤7：第二装置的扫描角调整为α'，第三装置根据第一高度参数L1'调整功率参数P，第三装置以调整后的功率参数P扫描农田区，返回至步骤3，
其中，第一测距信号、第二测距信号为能量密度恒定的激光光束，第二测距信号与水平面的夹角为β，L3= L1/sinβ，
调整后的扫描角α'=(π/4)-(γ/2)，γ为环境光偏角。
2.根据权利要求1所述的农田重金属光谱数据的采集方法，其特征在于，第一高度参数、第二高度参数为飞行设备与农田区的距离，遥感图像为正射影像。
3.根据权利要求1所述的农田重金属光谱数据的采集方法，其特征在于，控制站基于第一高度参数确定飞行设备在大地坐标系的位置坐标，并将该位置坐标转换为虚拟坐标。
4.根据权利要求1所述的农田重金属光谱数据的采集方法，其特征在于，第三装置发射激光光束至农田区并收集农田区反射的光谱数据，提取所述光谱数据的多个吸收峰，控制站将吸收峰匹配至遥感图像，生成一个包含多个污染点的三维空间点云，所述污染点的横坐标与纵坐标为虚拟坐标，点云的高度为污染点的污染值，通过点云分割算法将点云分成多个区域，计算出每个区域内的平均污染值，构成重金属污染云图。
5.一种根据权利要求1所述的农田重金属光谱数据的采集方法的采集系统，其特征在于，所述采集系统包括控制站和飞行设备，飞行设备包括第一装置、第二装置以及第三装置，其中，
第一装置被配置为发射第一测距信号与第二测距信号，根据第一测距信号生成第一高度参数L1，根据第二测距信号生成第二高度参数L2；
第二装置被配置为基于第一高度参数L1扫描农田区并生成遥感图像；
第三装置被配置为以功率参数P扫描农田区并生成光谱数据；
控制站接收遥感图像与光谱数据，生成重金属污染云图，其中，
飞行设备将第二高度参数发送至控制站，控制站预测环境光偏角并根据该环境光偏角与第二高度参数调整第二装置与第三装置的扫描角α'。
6.根据权利要求5所述的农田重金属光谱数据的采集方法的采集系统，其特征在于，所述飞行设备为无人机，该飞行设备具有固定云台和可动云台，所述第一装置安装在固定云台上，所述第二装置和第三装置安装在可动云台上，可动云台通过一步进电机调整扫描角。
CN202310896740.7A 2023-07-21 2023-07-21 一种农田重金属光谱数据的采集方法及系统 Active CN116609278B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310896740.7A CN116609278B (zh) 2023-07-21 2023-07-21 一种农田重金属光谱数据的采集方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310896740.7A CN116609278B (zh) 2023-07-21 2023-07-21 一种农田重金属光谱数据的采集方法及系统

Publications (2)

Publication Number Publication Date
CN116609278A CN116609278A (zh) 2023-08-18
CN116609278B true CN116609278B (zh) 2023-10-17

Family

ID=87680473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310896740.7A Active CN116609278B (zh) 2023-07-21 2023-07-21 一种农田重金属光谱数据的采集方法及系统

Country Status (1)

Country Link
CN (1) CN116609278B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116952900B (zh) * 2023-09-18 2023-11-28 中国矿业大学 一种煤层瓦斯浓度检测装置及测量方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103776426A (zh) * 2014-01-03 2014-05-07 北京农业信息技术研究中心 一种旋转平台农田成像几何校正方法
CN106716285A (zh) * 2016-06-30 2017-05-24 深圳市大疆创新科技有限公司 农业无人机作业方法、系统及农业无人机
CN109885063A (zh) * 2019-03-15 2019-06-14 江苏大学 一种融合视觉和激光传感器的施药机器人农田路径规划方法
CN110134145A (zh) * 2016-11-22 2019-08-16 深圳市大疆创新科技有限公司 无人机避障控制方法、飞行控制器及无人飞行器
CN110907945A (zh) * 2019-10-28 2020-03-24 广西电网有限责任公司电力科学研究院 一种兼顾无人机室内外飞行的定位方法
CN111061284A (zh) * 2019-12-11 2020-04-24 江苏大学 一种用于植保无人机近作物飞行的高度控制方法
WO2021084907A1 (ja) * 2019-10-30 2021-05-06 ソニー株式会社 画像処理装置、画像処理方法及び画像処理プログラム
WO2021166008A1 (ja) * 2020-02-17 2021-08-26 株式会社ナイルワークス ドローン及びドローンの制御方法
CN115166731A (zh) * 2022-07-19 2022-10-11 西北农林科技大学 基于无人机微波及多光谱的非均质覆被农田土壤水分反演方法
CN116046692A (zh) * 2023-03-23 2023-05-02 航天宏图信息技术股份有限公司 一种基于高光谱的土壤重金属污染监测方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060290933A1 (en) * 2005-06-27 2006-12-28 Paige Holm System and method for monitoring plant conditions
CN113155880B (zh) * 2021-05-08 2023-06-27 电子科技大学 一种采用无人机和xrf技术对土壤重金属污染的检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103776426A (zh) * 2014-01-03 2014-05-07 北京农业信息技术研究中心 一种旋转平台农田成像几何校正方法
CN106716285A (zh) * 2016-06-30 2017-05-24 深圳市大疆创新科技有限公司 农业无人机作业方法、系统及农业无人机
CN110134145A (zh) * 2016-11-22 2019-08-16 深圳市大疆创新科技有限公司 无人机避障控制方法、飞行控制器及无人飞行器
CN109885063A (zh) * 2019-03-15 2019-06-14 江苏大学 一种融合视觉和激光传感器的施药机器人农田路径规划方法
CN110907945A (zh) * 2019-10-28 2020-03-24 广西电网有限责任公司电力科学研究院 一种兼顾无人机室内外飞行的定位方法
WO2021084907A1 (ja) * 2019-10-30 2021-05-06 ソニー株式会社 画像処理装置、画像処理方法及び画像処理プログラム
CN111061284A (zh) * 2019-12-11 2020-04-24 江苏大学 一种用于植保无人机近作物飞行的高度控制方法
WO2021166008A1 (ja) * 2020-02-17 2021-08-26 株式会社ナイルワークス ドローン及びドローンの制御方法
CN115166731A (zh) * 2022-07-19 2022-10-11 西北农林科技大学 基于无人机微波及多光谱的非均质覆被农田土壤水分反演方法
CN116046692A (zh) * 2023-03-23 2023-05-02 航天宏图信息技术股份有限公司 一种基于高光谱的土壤重金属污染监测方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于高度融合的植保无人机仿地飞行方法研究;吴开华;孙学超;张竞成;陈丰农;;农业机械学报(06);17-23 *

Also Published As

Publication number Publication date
CN116609278A (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
Palacín et al. Real-time tree-foliage surface estimation using a ground laser scanner
CN116609278B (zh) 一种农田重金属光谱数据的采集方法及系统
CN110065074B (zh) 一种采摘机器人的视觉伺服激光定位系统及方法
CA2437897C (en) Lidar system and method
CN107561547B (zh) 输电线路到目标物的距离测量方法、装置及系统
CN110208771B (zh) 一种移动二维激光雷达的点云强度改正方法
Tan et al. Correction of mobile TLS intensity data for water leakage spots detection in metro tunnels
Gatziolis Dynamic range-based intensity normalization for airborne, discrete return lidar data of forest canopies
KR102274688B1 (ko) 속도 및 방향 분해능이 향상된 미세먼지 소산계수 측정 주사 라이다 운용 방법
WO2019152787A1 (en) Apparatuses and methods for gas flux measurements
US20210181319A1 (en) Multi-beam lidar intensity calibration by interpolating learned response curve
Qin et al. Stepwise decomposition and relative radiometric normalization for small footprint LiDAR waveform
Arnqvist et al. Robust processing of airborne laser scans to plant area density profiles
Liu et al. Point cloud intensity correction for 2D LiDAR mobile laser scanning
CN113176586B (zh) 一种雨滴测量方法及固态面阵激光雨滴谱仪
CN111798509B (zh) 一种基于半球图像法测量叶面积指数的方法
Räty et al. A comparison of linear-mode and single-photon airborne LiDAR in species-specific forest inventories
CN111146728B (zh) 用于电网激光异物清除装置的高效闭环调焦系统及方法
Jutzi et al. Waveform processing of laser pulses for reconstruction of surfaces in urban areas
Hyyppä et al. Airborne laser scanning
CN116577776B (zh) 一种多源自主协同的目标探测与智能识别方法及系统
US20230377163A1 (en) Image-based method of defining a scanning area
Zhang et al. Quantitative analysis on geometric size of LiDAR footprint
CN111579449B (zh) 一种大气颗粒污染物空间扫描预警方法和装置
US20220155416A1 (en) Laser emission control in light detection and ranging (lidar) systems

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