CN117630337A - 一种基于无人机的珊瑚沙盐碱监测系统 - Google Patents
一种基于无人机的珊瑚沙盐碱监测系统 Download PDFInfo
- Publication number
- CN117630337A CN117630337A CN202410012980.0A CN202410012980A CN117630337A CN 117630337 A CN117630337 A CN 117630337A CN 202410012980 A CN202410012980 A CN 202410012980A CN 117630337 A CN117630337 A CN 117630337A
- Authority
- CN
- China
- Prior art keywords
- coral sand
- aerial vehicle
- unmanned aerial
- parameters
- type
- 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
- 235000014653 Carica parviflora Nutrition 0.000 title claims abstract description 115
- 239000004576 sand Substances 0.000 title claims abstract description 110
- 239000003513 alkali Substances 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 244000132059 Carica parviflora Species 0.000 title description 77
- 239000002689 soil Substances 0.000 claims abstract description 66
- 238000005070 sampling Methods 0.000 claims abstract description 40
- 238000004891 communication Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000007689 inspection Methods 0.000 claims abstract description 8
- 230000000694 effects Effects 0.000 claims abstract description 7
- 241000243321 Cnidaria Species 0.000 claims abstract 38
- 238000012545 processing Methods 0.000 claims description 75
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000013500 data storage Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 229910052791 calcium Inorganic materials 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 239000011780 sodium chloride Substances 0.000 description 2
- 241001164374 Calyx Species 0.000 description 1
- 241000258955 Echinodermata Species 0.000 description 1
- 244000064622 Physalis edulis Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及土壤监测领域,尤其涉及一种基于无人机的珊瑚沙盐碱监测系统,包括采样模块、通信模块、无人机、控制模块和计算模块;所述采样模块用于对珊瑚沙土壤的各种参数进行采样;所述通信模块用于实现采样模块与无人机的信息交流以及无人机与控制模块之间的信息交流;所述无人机用于获取珊瑚沙地区的图像;所述控制模块用于控制无人机的活动并获取所述无人机和所述采样模块所采集的信息,所述计算模块用于计算珊瑚沙地区的生态质量指标。本方案通过采用无人机对珊瑚沙进行巡检,并通过无人机与提前设定采样模块中的设备进行信号交流从而获取珊瑚沙土壤的各种参数,有利于节省人力资源。
Description
技术领域
本发明涉及土壤监测领域,尤其涉及一种基于无人机的珊瑚沙盐碱监测系统。
背景技术
珊瑚沙,是以珊瑚碎屑为主并有石灰藻、有孔虫、棘皮动物碎片组成的钙质砂。其钙质含量达90%,主要分布在珊瑚岛或珊瑚礁周围。由于气候变化、过度捕捞和人类活动等因素,许多珊瑚沙地区正面临盐碱化的挑战。盐碱化会对珊瑚沙土壤产生负面影响,因此,对珊瑚沙盐碱进行实时监测成为保护海洋生态系统和可持续发展的关键任务。
如CN106033085A的现有技术公开了的一种土壤盐碱度定位监测装置,包括信息存储发送装置和土壤信息采集装置,所述土壤信息采集装置包括测量电路板、用于保护测量电路板的保护壳和设于保护壳外壁的探针,所述信息存储发送装置包括信息存储发送器和天线;所述信息存储发送器通过信号传输线与所述土壤信息采集装置相连,通过数据线与所述天线相连。
另一种典型的如CN101614818B的现有技术公开的一种土壤盐碱化的雷达遥感监测方法,基于全极化SAR数据计算极化参数,进行裸地与植被覆盖区的划分,生成掩膜图像;划定试验区,利用测量数据建立含水含盐土壤介电模型;利用全极化SAR数据反演区域复介电常数图并进行RD地理编码、数据信息分离与转化;基于介电模型及区域复介电常数,利用遗传算法进行反演,得到区域含水量和含盐量,综合地理坐标信息和植被覆盖掩膜图,生成区域含水量图和含盐量图;利用区域复介电常数和区域含水量,进行盐土和碱土的区分。
再来看如CN108693331B的现有技术公开的一种土壤盐碱地监测装置及方法,其中,所述装置包括:一卫星信号源,其向土壤盐碱地发射直射信号;一信号接收机,其至少接收来自于所述土壤盐碱地的反射信号,并生成相应的DDM波形数据;一与所述信号接收机连接的去噪分析系统,其对所述DDM波形数据进行去噪处理,获得仅包含反应盐碱地信息的波形图,并根据该波形图分析得到相应的盐碱地信息图。
传统的珊瑚沙盐碱监测通常依赖于陆地观测站和卫星遥感技术。然而,陆地观测站的局限性在于其覆盖范围有限,且无法覆盖珊瑚礁的整个区域,卫星遥感受制于分辨率和周期性,不能提供足够细致和实时的信息。为了解决本领域普遍存在的问题,作出了本发明。
发明内容
本发明的目的在于,针对目前所存在的不足,提出了一种基于无人机的珊瑚沙盐碱监测系统。
为了克服现有技术的不足,本发明采用如下技术方案:
一种基于无人机的珊瑚沙盐碱监测系统,包括采样模块、通信模块、无人机、控制模块和计算模块;所述采样模块设置于珊瑚沙土壤中,所述采样模块用于对珊瑚沙土壤的各种参数进行采样;所述通信模块包括多个通信单元、所述通信单元分别设置于所述采样模块、无人机和控制模块,所述通信模块用于实现采样模块与无人机的信息交流以及无人机与控制模块之间的信息交流;所述无人机环绕珊瑚沙地区飞行,所述无人机用于获取珊瑚沙地区的图像;所述控制模块用于控制无人机的活动并获取所述无人机和所述采样模块所采集的信息,所述计算模块用于根据所述控制模块所获取的信息计算珊瑚沙地区的生态质量指标。
更进一步的,所述采样模块包括土壤水分仪、电导率仪、PH计和温度计,所述土壤水分仪用于检测珊瑚沙土壤中的含水量,所述电导率仪用于检测珊瑚沙土壤的电导率,所述PH计用于检测珊瑚沙土壤的PH值,所述温度计用于检测珊瑚沙土壤的温度。
更进一步的,所述无人机包括拍摄单元、图像识别单元、土壤样本收集单元和导航模块,所述拍摄单元用于对珊瑚沙地区的地表图像进行拍摄,所述图像识别单元用于根据所述拍摄单元的拍摄图像识别珊瑚沙地区的植被覆盖情况,所述土壤样本收集单元用于收集珊瑚沙土壤的样本,所述导航模块用于引导无人机沿珊瑚沙地区的指定线路进行巡检。
更进一步的,所述计算模块包括数据处理单元、数据存储单元、算法存储单元、计算单元和判断单元;所述数据处理单元用于预处理所述控制模块所接收的数据,所述数据存储单元用于存储所述数据处理单元预处理后的数据,所述算法存储单元用于存储算法,所述计算单元用于根据所述算法存储单元存储的算法以及所述数据存储单元存储的数据计算珊瑚沙地区的生态质量指标;所述判断单元珊瑚沙地区的生态质量指标是否超出设定阈值。
更进一步的,所述珊瑚沙盐碱监测系统的工作流程包括以下步骤:
S1,无人机沿指定巡检路线进行巡检,拍摄珊瑚沙地区的图像;
S2,图像识别单元生成珊瑚沙地区的区域划分图;
S3,采样模块对珊瑚沙地区的不同区域的参数进行采样,并在无人机进入通讯范围时将采样数据发送到无人机;
S4,无人机将接收的采样数据以及图像识别单元的生成内容发送到控制模块,控制模块将数据转发到计算模块;
S5,计算模块计算区域划分图中不同区域的局部生态质量指标,以及整个珊瑚沙地区的生态质量指标;
S6,判断单元判断每个区域的局部生态质量指标是否合格,若某个区域的局部生态质量指标不合格则执行S7,反之结束;
S7,控制模块控制无人机前往局部生态质量指标不合格的区域,无人机的土壤样本收集单元收集不合格区域的土壤样品。
更进一步的,S2中,图像识别单元生成珊瑚沙地区的区域划分图包括以下步骤:
S21,通过卫星通讯获取珊瑚沙地区的遥感图像,根据遥感图像生成珊瑚沙地区的二维图;
S22,根据设定的区域大小,将二维图划分为由多个相同大小的次级二维图组成的图像,每个次级二维图对应珊瑚沙地区的一个区域;
S23,通过拍摄单元进行拍摄时无人机的定位,将次级二维图与拍摄单元的拍摄图像进行匹配;
S24,通过图像识别技术识别每个次级二维图所对应的拍摄单元的拍摄图像中的植被覆盖率;
S25,判断每个次级二维图所对应的植被覆盖率是否大于第三阈值,若大于,则将该次级二维图对应的区域判断为不计算区域,反之,则将该次级二维图对应的区域判断为待计算区域。
更进一步的,S5中,计算模块计算区域划分图中不同区域的局部生态质量指标包括以下步骤:
S51,根据下式生成x行y列的生态质量矩阵:
其中,A为生态质量矩阵,x为区域个数,y为计算局部生态质量指标所需要的参数个数,axy为第x个区域的第y个参数的参数值;
S52,将生态质量矩阵中的每个参数进行同向处理;
S53,将生态质量矩阵中的每个参数归一化处理;
S54,根据下式生成x行y列的处理后的生态质量矩阵:
其中,B为处理后的生态质量矩阵,bxy为第x个区域的第y个参数的处理后的参数值;
S55,根据下式计算局部生态质量指标:
其中,ZBx为第x个区域的局部生态质量指标,bmaxx为第x个区域处理后的所有参数值的最大值,bminx为第x个区域处理后的所有参数值的最小值,bxi为第x个区域的第i个参数的处理后的参数值。
更进一步的,S52中,对生态质量矩阵中的每个参数进行同向处理包括以下步骤:
S521,根据生态质量矩阵中的参数进行分类,将参数区分为第一类参数、第二类参数、第三类参数和第四类参数;
S522,根据下式对第一类参数进行同向处理:
ENEW=E*k1
其中,E为同向处理前第一类参数的参数值,ENEW为同向处理后第一类参数的参数值,k1为进行处理的第一类参数所对应的参数权重;
S523,根据下式对第二类参数进行同向处理:
其中,C为同向处理前第二类参数的参数值,CNEW为同向处理后第二类参数的参数值,k2为进行处理的第二类参数所对应的参数权重;
S524,根据下式对第三类参数进行同向处理:
其中,D为同向处理前第三类参数的参数值,DNEW为同向处理后第三类参数的参数值,DBEST为进行处理的第三类参数所对应的最佳值,k3为进行处理的第三类参数所对应的参数权重,e为自然常数;
S525,根据下式对第四类参数进行同向处理:
其中,F为同向处理前第四类参数的参数值,FNEW为同向处理后第四类参数的参数值,FA为进行处理的第四类参数所对应的最佳区间的下限,FB为进行处理的第四类参数所对应的最佳区间的上限,k3为进行处理的第四类参数所对应的参数权重。
本发明所取得的有益效果是:1.通过采用无人机对珊瑚沙进行巡检,并通过无人机与提前设定采样模块中的设备进行信号交流从而获取珊瑚沙土壤的各种参数,无需工作人员亲自到场,有利于节省人力资源。
2.通过采用无人机拍摄珊瑚沙地区图像,并根据植被覆盖率区分图像,有利于减少植被覆盖地区对计算生态质量指标的影响,有利于提高计算的准确率。
3.通过将不同类型的参数进行分类,并进行同向处理,有利于将参数转化为参数值越大,生态质量越好的参数类型,有利于局部生态质量指标的计算,并提高计算的准确度。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在不同的视图中,相同的附图标记指定相同的部分。
图1为本发明的结构示意图。
图2为本发明的工作流程示意图。
图3为本发明的图像识别单元生成珊瑚沙地区的区域划分图的流程示意图。
图4为本发明的计算模块计算区域划分图中不同区域的局部生态质量指标的流程示意图。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式,本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用,本说明书中的各项细节也可基于不同观点与应用,在不悖离本发明的精神下进行各种修饰与变更。另外,本发明的附图仅为简单示意说明,并非依实际尺寸的描绘,事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容,但所公开的内容并非用以限制本发明的保护范围。
实施例一:根据图1、图2、图3和图4,本实施例提供一种基于无人机的珊瑚沙盐碱监测系统,包括采样模块、通信模块、无人机、控制模块和计算模块;所述采样模块设置于珊瑚沙土壤中,所述采样模块用于对珊瑚沙土壤的各种参数进行采样;所述通信模块包括多个通信单元、所述通信单元分别设置于所述采样模块、无人机和控制模块,所述通信模块用于实现采样模块与无人机的信息交流以及无人机与控制模块之间的信息交流;所述无人机环绕珊瑚沙地区飞行,所述无人机用于获取珊瑚沙地区的图像;所述控制模块用于控制无人机的活动并获取所述无人机和所述采样模块所采集的信息,所述计算模块用于根据所述控制模块所获取的信息计算珊瑚沙地区的生态质量指标。
更进一步的,所述采样模块包括土壤水分仪、电导率仪、PH计和温度计,所述土壤水分仪用于检测珊瑚沙土壤中的含水量,所述电导率仪用于检测珊瑚沙土壤的电导率,所述PH计用于检测珊瑚沙土壤的PH值,所述温度计用于检测珊瑚沙土壤的温度。
具体的,所述采样模块除了上述设备外还可增设其他设备,具体设备可由本领域技术人员根据需求进行增减。
更进一步的,所述无人机包括拍摄单元、图像识别单元、土壤样本收集单元和导航模块,所述拍摄单元用于对珊瑚沙地区的地表图像进行拍摄,所述图像识别单元用于根据所述拍摄单元的拍摄图像识别珊瑚沙地区的植被覆盖情况,所述土壤样本收集单元用于收集珊瑚沙土壤的样本,所述导航模块用于引导无人机沿珊瑚沙地区的指定线路进行巡检。
更进一步的,所述计算模块包括数据处理单元、数据存储单元、算法存储单元、计算单元和判断单元;所述数据处理单元用于预处理所述控制模块所接收的数据,所述数据存储单元用于存储所述数据处理单元预处理后的数据,所述算法存储单元用于存储算法,所述计算单元用于根据所述算法存储单元存储的算法以及所述数据存储单元存储的数据计算珊瑚沙地区的生态质量指标;所述判断单元珊瑚沙地区的生态质量指标是否超出设定阈值。
更进一步的,所述珊瑚沙盐碱监测系统的工作流程包括以下步骤:
S1,无人机沿指定巡检路线进行巡检,拍摄珊瑚沙地区的图像;
S2,图像识别单元生成珊瑚沙地区的区域划分图;
S3,采样模块对珊瑚沙地区的不同区域的参数进行采样,并在无人机进入通讯范围时将采样数据发送到无人机;
S4,无人机将接收的采样数据以及图像识别单元的生成内容发送到控制模块,控制模块将数据转发到计算模块;
S5,计算模块计算区域划分图中不同区域的局部生态质量指标,以及整个珊瑚沙地区的生态质量指标;
S6,判断单元判断每个区域的局部生态质量指标是否合格,若某个区域的局部生态质量指标不合格则执行S7,反之结束;
具体的,判断单元通过将整个珊瑚沙地区的生态质量指标与第一阈值进行对比,若整个珊瑚沙地区的生态质量指标低于第一阈值,则判断整个珊瑚沙地区的生态质量指标不合格;判断单元通过将不同区域的局部生态质量指标与第二阈值进行对比,若某个区域的局部生态质量指标低于第一阈值,则判断该区域的局部生态质量指标不合格。
S7,控制模块控制无人机前往局部生态质量指标不合格的区域,无人机的土壤样本收集单元收集不合格区域的土壤样品。
更进一步的,S2中,图像识别单元生成珊瑚沙地区的区域划分图包括以下步骤:
S21,通过卫星通讯获取珊瑚沙地区的遥感图像,根据遥感图像生成珊瑚沙地区的二维图;
S22,根据设定的区域大小,将二维图划分为由多个相同大小的次级二维图组成的图像,每个次级二维图对应珊瑚沙地区的一个区域;
具体的,所述区域大小由本领域技术人员根据实际需求进行设定;
S23,通过拍摄单元进行拍摄时无人机的定位,将次级二维图与拍摄单元的拍摄图像进行匹配;
S24,通过图像识别技术识别每个次级二维图所对应的拍摄单元的拍摄图像中的植被覆盖率;
S25,判断每个次级二维图所对应的植被覆盖率是否大于第三阈值,若大于,则将该次级二维图对应的区域判断为不计算区域,反之,则将该次级二维图对应的区域判断为待计算区域。
具体的,局部生态质量指标只针对待计算区域进行计算,不计算区域由于植被覆盖率较大,地表的珊瑚沙较少,且树木生长对珊瑚沙土壤的各种参数影响较大,因此不纳入计算范围。
更进一步的,S5中,计算模块计算区域划分图中不同区域的局部生态质量指标包括以下步骤:
S51,根据下式生成x行y列的生态质量矩阵:
其中,A为生态质量矩阵,x为区域个数,y为计算局部生态质量指标所需要的参数个数,axy为第x个区域的第y个参数的参数值;
S52,将生态质量矩阵中的每个参数进行同向处理;
具体的,所述同向处理指的是将各种不同类型的参数,如参数值越小,对应生态质量越好的参数,或参数值越接近某个设定值,对应生态质量越好的参数,统一为参数值越大,生态质量越好的参数;
S53,将生态质量矩阵中的每个参数归一化处理;
具体的,归一化属于现有技术在此不多赘述;
S54,根据下式生成x行y列的处理后的生态质量矩阵:
其中,B为处理后的生态质量矩阵,bxy为第x个区域的第y个参数的处理后的参数值;
S55,根据下式计算局部生态质量指标:
其中,ZBx为第x个区域的局部生态质量指标,bmaxx为第x个区域处理后的所有参数值的最大值,bminx为第x个区域处理后的所有参数值的最小值,bxi为第x个区域的第i个参数的处理后的参数值。
更进一步的,S52中,对生态质量矩阵中的每个参数进行同向处理包括以下步骤:
S521,根据生态质量矩阵中的参数进行分类,将参数区分为第一类参数、第二类参数、第三类参数和第四类参数;
具体的,第一类参数指的是参数值越大,生态质量越好的参数,如有机质含量;第二类参数指的是参数值越小,生态质量越好的参数,如盐度;土壤的盐度可通过所述电导率仪测量得到,土壤电导率越大,盐度越大;第三类参数指的是参数值越接近某个设定值,生态质量越好的参数,如土壤温度值;第四类参数指的是参数值落在某个区间,生态质量最好的参数,如土壤PH值;对于珊瑚沙土壤,其PH值在8.0到8.5之间生态质量最好,此外,土壤PH值越大,碱度越大;
具体的所述分类可由本领域技术人员在采样模块开始工作前根据采样模块包含的设备,对设备所采集的各种参数种类进行分类。
S522,根据下式对第一类参数进行同向处理:
ENEW=E*k1
其中,E为同向处理前第一类参数的参数值,ENEW为同向处理后第一类参数的参数值,k1为进行处理的第一类参数所对应的参数权重;
S523,根据下式对第二类参数进行同向处理:
其中,C为同向处理前第二类参数的参数值,CNEW为同向处理后第二类参数的参数值,k2为进行处理的第二类参数所对应的参数权重;
S524,根据下式对第三类参数进行同向处理:
其中,D为同向处理前第三类参数的参数值,DNEW为同向处理后第三类参数的参数值,DBEST为进行处理的第三类参数所对应的最佳值,k3为进行处理的第三类参数所对应的参数权重,e为自然常数;
S525,根据下式对第四类参数进行同向处理:
其中,F为同向处理前第四类参数的参数值,FNEW为同向处理后第四类参数的参数值,FA为进行处理的第四类参数所对应的最佳区间的下限,FB为进行处理的第四类参数所对应的最佳区间的上限,k3为进行处理的第四类参数所对应的参数权重。
具体的,参数权重由本领域技术人员根据参数所代表的具体的生态参数(如酸碱度、温度等)对生态质量的影响程度进行设定;即使对于同一类参数,如第一类参数,每一个不同的第一类参数所对应的参数权重会根据该参数所代表的具体生态参数而有所不同。
实施例二:本实施例应当理解为包含前述任一一个实施例的全部特征,并在其基础上进一步改进,S5中,通过下式计算整个珊瑚沙地区的生态质量指标:
其中,ZB为整个珊瑚沙地区的生态质量指标,ZBi为第i个区域的局部生态质量指标,mi为第i个区域的植被覆盖率。
本实施例的有益效果:通过引入植被覆盖率与局部生态质量指标对珊瑚沙地区的生态质量指标进行计算,让植被覆盖率较低的地区在计算中占据较大的比重,有利于降低植被覆盖所造成的误差,有利于提高计算结果与生态质量的贴合度。
以上所公开的内容仅为本发明的优选可行实施例,并非因此局限本发明的保护范围,所以凡是运用本发明说明书及附图内容所做的等效技术变化,均包含于本发明的保护范围内,此外,随着技术发展其中的参数可以更新的。以上单位只是一种示例,本领域技术人员可以在实施本方案的时候,根据实际需求来进行不同的设计而采用对应的单位。
Claims (8)
1.一种基于无人机的珊瑚沙盐碱监测系统,其特征在于,包括采样模块、通信模块、无人机、控制模块和计算模块;所述采样模块设置于珊瑚沙土壤中,所述采样模块用于对珊瑚沙土壤的各种参数进行采样;所述通信模块包括多个通信单元、所述通信单元分别设置于所述采样模块、无人机和控制模块,所述通信模块用于实现采样模块与无人机的信息交流以及无人机与控制模块之间的信息交流;所述无人机环绕珊瑚沙地区飞行,所述无人机用于获取珊瑚沙地区的图像;所述控制模块用于控制无人机的活动并获取所述无人机和所述采样模块所采集的信息,所述计算模块用于根据所述控制模块所获取的信息计算珊瑚沙地区的生态质量指标。
2.根据权利要求1所述的一种基于无人机的珊瑚沙盐碱监测系统,其特征在于,所述采样模块包括土壤水分仪、电导率仪、PH计和温度计,所述土壤水分仪用于检测珊瑚沙土壤中的含水量,所述电导率仪用于检测珊瑚沙土壤的电导率,所述PH计用于检测珊瑚沙土壤的PH值,所述温度计用于检测珊瑚沙土壤的温度。
3.根据权利要求2所述的一种基于无人机的珊瑚沙盐碱监测系统,其特征在于,所述无人机包括拍摄单元、图像识别单元、土壤样本收集单元和导航模块,所述拍摄单元用于对珊瑚沙地区的地表图像进行拍摄,所述图像识别单元用于根据所述拍摄单元的拍摄图像识别珊瑚沙地区的植被覆盖情况,所述土壤样本收集单元用于收集珊瑚沙土壤的样本,所述导航模块用于引导无人机沿珊瑚沙地区的指定线路进行巡检。
4.根据权利要求3所述的一种基于无人机的珊瑚沙盐碱监测系统,其特征在于,所述计算模块包括数据处理单元、数据存储单元、算法存储单元、计算单元和判断单元;所述数据处理单元用于预处理所述控制模块所接收的数据,所述数据存储单元用于存储所述数据处理单元预处理后的数据,所述算法存储单元用于存储算法,所述计算单元用于根据所述算法存储单元存储的算法以及所述数据存储单元存储的数据计算珊瑚沙地区的生态质量指标;所述判断单元珊瑚沙地区的生态质量指标是否超出设定阈值。
5.根据权利要求4所述的一种基于无人机的珊瑚沙盐碱监测系统,其特征在于,所述珊瑚沙盐碱监测系统的工作流程包括以下步骤:
S1,无人机沿指定巡检路线进行巡检,拍摄珊瑚沙地区的图像;
S2,图像识别单元生成珊瑚沙地区的区域划分图;
S3,采样模块对珊瑚沙地区的不同区域的参数进行采样,并在无人机进入通讯范围时将采样数据发送到无人机;
S4,无人机将接收的采样数据以及图像识别单元的生成内容发送到控制模块,控制模块将数据转发到计算模块;
S5,计算模块计算区域划分图中不同区域的局部生态质量指标,以及整个珊瑚沙地区的生态质量指标;
S6,判断单元判断每个区域的局部生态质量指标是否合格,若某个区域的局部生态质量指标不合格则执行S7,反之结束;
S7,控制模块控制无人机前往局部生态质量指标不合格的区域,无人机的土壤样本收集单元收集不合格区域的土壤样品。
6.根据权利要求5所述的一种基于无人机的珊瑚沙盐碱监测系统,其特征在于,S2中,图像识别单元生成珊瑚沙地区的区域划分图包括以下步骤:
S21,通过卫星通讯获取珊瑚沙地区的遥感图像,根据遥感图像生成珊瑚沙地区的二维图;
S22,根据设定的区域大小,将二维图划分为由多个相同大小的次级二维图组成的图像,每个次级二维图对应珊瑚沙地区的一个区域;
S23,通过拍摄单元进行拍摄时无人机的定位,将次级二维图与拍摄单元的拍摄图像进行匹配;
S24,通过图像识别技术识别每个次级二维图所对应的拍摄单元的拍摄图像中的植被覆盖率;
S25,判断每个次级二维图所对应的植被覆盖率是否大于第三阈值,若大于,则将该次级二维图对应的区域判断为不计算区域,反之,则将该次级二维图对应的区域判断为待计算区域。
7.根据权利要求6所述的一种基于无人机的珊瑚沙盐碱监测系统,其特征在于,S5中,计算模块计算区域划分图中不同区域的局部生态质量指标包括以下步骤:
S51,根据下式生成x行y列的生态质量矩阵:
其中,A为生态质量矩阵,x为区域个数,y为计算局部生态质量指标所需要的参数个数,axy为第x个区域的第y个参数的参数值;
S52,将生态质量矩阵中的每个参数进行同向处理;
S53,将生态质量矩阵中的每个参数归一化处理;
S54,根据下式生成x行y列的处理后的生态质量矩阵:
其中,B为处理后的生态质量矩阵,bxy为第x个区域的第y个参数的处理后的参数值;
S55,根据下式计算局部生态质量指标:
其中,ZBx为第x个区域的局部生态质量指标,bmaxx为第x个区域处理后的所有参数值的最大值,bminx为第x个区域处理后的所有参数值的最小值,bxi为第x个区域的第i个参数的处理后的参数值。
8.根据权利要求7所述的一种基于无人机的珊瑚沙盐碱监测系统,其特征在于,S52中,对生态质量矩阵中的每个参数进行同向处理包括以下步骤:
S521,根据生态质量矩阵中的参数进行分类,将参数区分为第一类参数、第二类参数、第三类参数和第四类参数;
S522,根据下式对第一类参数进行同向处理:
ENEW=E*k1
其中,E为同向处理前第一类参数的参数值,ENEW为同向处理后第一类参数的参数值,k1为进行处理的第一类参数所对应的参数权重;
S523,根据下式对第二类参数进行同向处理:
其中,C为同向处理前第二类参数的参数值,CNEW为同向处理后第二类参数的参数值,k2为进行处理的第二类参数所对应的参数权重;
S524,根据下式对第三类参数进行同向处理:
其中,D为同向处理前第三类参数的参数值,DNEW为同向处理后第三类参数的参数值,DBEST为进行处理的第三类参数所对应的最佳值,k3为进行处理的第三类参数所对应的参数权重,e为自然常数;
S525,根据下式对第四类参数进行同向处理:
其中,F为同向处理前第四类参数的参数值,FNEW为同向处理后第四类参数的参数值,FA为进行处理的第四类参数所对应的最佳区间的下限,FB为进行处理的第四类参数所对应的最佳区间的上限,k3为进行处理的第四类参数所对应的参数权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410012980.0A CN117630337A (zh) | 2024-01-04 | 2024-01-04 | 一种基于无人机的珊瑚沙盐碱监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410012980.0A CN117630337A (zh) | 2024-01-04 | 2024-01-04 | 一种基于无人机的珊瑚沙盐碱监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117630337A true CN117630337A (zh) | 2024-03-01 |
Family
ID=90036313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410012980.0A Pending CN117630337A (zh) | 2024-01-04 | 2024-01-04 | 一种基于无人机的珊瑚沙盐碱监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117630337A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106989783A (zh) * | 2017-06-08 | 2017-07-28 | 广东容祺智能科技有限公司 | 一种基于土壤信息监测分析的无人机系统 |
CN115147746A (zh) * | 2022-09-02 | 2022-10-04 | 广东容祺智能科技有限公司 | 基于无人机遥感图像的盐碱地质识别方法 |
US20220365007A1 (en) * | 2021-05-08 | 2022-11-17 | University Of Electronic Science And Technology Of China | Method for detection of soil heavy metal pollution using unmanned aerial vehicle (uav) and x-ray fluorescence (xrf) technology |
CN115761535A (zh) * | 2022-11-10 | 2023-03-07 | 贵州师范学院 | 应用于土壤质量数据分析方法和系统 |
CN115937711A (zh) * | 2022-10-13 | 2023-04-07 | 兰州理工大学 | 一种基于无人机遥感的土壤盐分快速监测方法 |
CN116597322A (zh) * | 2023-06-05 | 2023-08-15 | 南昌大学 | 一种基于无人机采集图像的环境监测方法和系统 |
CN116735507A (zh) * | 2023-06-02 | 2023-09-12 | 哈尔滨师范大学 | 一种基于无人机低空遥感影像的开裂盐碱土电导率测量方法 |
-
2024
- 2024-01-04 CN CN202410012980.0A patent/CN117630337A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106989783A (zh) * | 2017-06-08 | 2017-07-28 | 广东容祺智能科技有限公司 | 一种基于土壤信息监测分析的无人机系统 |
US20220365007A1 (en) * | 2021-05-08 | 2022-11-17 | University Of Electronic Science And Technology Of China | Method for detection of soil heavy metal pollution using unmanned aerial vehicle (uav) and x-ray fluorescence (xrf) technology |
CN115147746A (zh) * | 2022-09-02 | 2022-10-04 | 广东容祺智能科技有限公司 | 基于无人机遥感图像的盐碱地质识别方法 |
CN115937711A (zh) * | 2022-10-13 | 2023-04-07 | 兰州理工大学 | 一种基于无人机遥感的土壤盐分快速监测方法 |
CN115761535A (zh) * | 2022-11-10 | 2023-03-07 | 贵州师范学院 | 应用于土壤质量数据分析方法和系统 |
CN116735507A (zh) * | 2023-06-02 | 2023-09-12 | 哈尔滨师范大学 | 一种基于无人机低空遥感影像的开裂盐碱土电导率测量方法 |
CN116597322A (zh) * | 2023-06-05 | 2023-08-15 | 南昌大学 | 一种基于无人机采集图像的环境监测方法和系统 |
Non-Patent Citations (1)
Title |
---|
徐存东等: "基于无人机遥感影像的盐碱地信息的精准提取方法", 《中国农村水利水电》, no. 8, 31 August 2021 (2021-08-31), pages 116 - 122 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | UAV-based partially sampling system for rapid NDVI mapping in the evaluation of rice nitrogen use efficiency | |
CN101915910B (zh) | 利用航海雷达识别海上溢油目标的方法及系统 | |
Zhou et al. | Individual tree parameters estimation for plantation forests based on UAV oblique photography | |
CN109946762A (zh) | 一种基于概率分布短时预报降水的方法及系统 | |
CN106950573B (zh) | 一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统 | |
CN108766203B (zh) | 一种紧致极化水稻制图的方法及系统 | |
CN109376589A (zh) | 基于卷积核筛选ssd网络的rov形变目标与小目标识别方法 | |
CN111950336B (zh) | 基于背包式激光雷达的植被冠层生态水估算方法 | |
CN115372282B (zh) | 一种基于无人机高光谱影像的农田土壤含水量监测方法 | |
Tomar et al. | A satellite-based biodiversity dynamics capability in tropical forest | |
Yang et al. | Plot-scale rice grain yield estimation using UAV-based remotely sensed images via CNN with time-invariant deep features decomposition | |
CN112884029B (zh) | 融合全极化sar与高光谱遥感的协同分类方法 | |
Nageswara Rao et al. | Cropland inventory in the command area of Krishnarajasagar project using satellite data | |
CN117630337A (zh) | 一种基于无人机的珊瑚沙盐碱监测系统 | |
CN114545410B (zh) | 基于合成孔径雷达双极化数据相干性的作物倒伏监测方法 | |
You et al. | Crop Mapping of Complex Agricultural Landscapes Based on Discriminant Space | |
CN106503662A (zh) | 一种潮间带鼠尾藻藻床资源量的评估方法 | |
LU500262B1 (en) | Method for estimating vegetation coverage rate change in desert area | |
AU2021100309A4 (en) | Weather monitoring and early warning using iot enabled devices and 5g wireless communication network | |
CN109470364A (zh) | 一种适用于被动微波资料的广义ri指数频率干扰检测及订正方法 | |
Wang et al. | Assessing the effectiveness of a central flux tower in representing the spatial variations in gross primary productivity in a semi-arid pine forest | |
CN118053069A (zh) | 基于时序sar数据多特征融合的农作物识别方法及系统 | |
Setiawan et al. | VEGETATION INDICES FROM LANDSAT-8 DATA IN PALABUHANRATU | |
CN117649598A (zh) | 基于sar影像的近海养殖空间分布信息监测方法及系统 | |
CN118097460A (zh) | 一种基于无人机遥感的地表植被识别方法及系统 |
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 |