TWI708546B - 無人機系統與人工智慧影像處理技術的液體噴灑方法 - Google Patents
無人機系統與人工智慧影像處理技術的液體噴灑方法 Download PDFInfo
- Publication number
- TWI708546B TWI708546B TW108130305A TW108130305A TWI708546B TW I708546 B TWI708546 B TW I708546B TW 108130305 A TW108130305 A TW 108130305A TW 108130305 A TW108130305 A TW 108130305A TW I708546 B TWI708546 B TW I708546B
- Authority
- TW
- Taiwan
- Prior art keywords
- block
- spraying
- liquid
- flight path
- water
- Prior art date
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 63
- 238000005507 spraying Methods 0.000 title claims abstract description 63
- 238000012545 processing Methods 0.000 title claims abstract description 31
- 238000005516 engineering process Methods 0.000 title claims abstract description 12
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 42
- 239000003337 fertilizer Substances 0.000 claims abstract description 33
- 230000012010 growth Effects 0.000 claims abstract description 31
- 230000008054 signal transmission Effects 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 238000009313 farming Methods 0.000 claims abstract description 19
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 11
- 239000000575 pesticide Substances 0.000 claims abstract description 9
- 239000007921 spray Substances 0.000 claims description 21
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical group C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 18
- 239000003814 drug Substances 0.000 claims description 9
- 239000003621 irrigation water Substances 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 7
- 239000003269 fluorescent indicator Substances 0.000 claims description 6
- 230000035790 physiological processes and functions Effects 0.000 claims description 5
- 208000035143 Bacterial infection Diseases 0.000 claims description 4
- 208000022362 bacterial infectious disease Diseases 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 201000010099 disease Diseases 0.000 claims description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 4
- 235000016709 nutrition Nutrition 0.000 claims description 4
- 150000003839 salts Chemical class 0.000 claims description 4
- 208000005156 Dehydration Diseases 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims description 2
- 235000015097 nutrients Nutrition 0.000 claims 1
- 238000003973 irrigation Methods 0.000 abstract description 9
- 230000002262 irrigation Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 21
- 241000196324 Embryophyta Species 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 241000238631 Hexapoda Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012632 fluorescent imaging Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 210000003763 chloroplast Anatomy 0.000 description 2
- 238000002073 fluorescence micrograph Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 206010003694 Atrophy Diseases 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241001116459 Sequoia Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000037444 atrophy Effects 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 238000004177 carbon cycle Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 238000001917 fluorescence detection Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000006461 physiological response Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000037039 plant physiology Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Catching Or Destruction (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本發明係揭露一種無人機系統與人工智慧影像處理技術的液體噴灑方法，其係於無人機載具裝設噴灑裝置及多光譜相機。將農作區域劃分為複數區塊，每一區塊設定航行參數。依據噴灑飛行路徑來控制無人機載具依序飛過每一區塊，並以多光譜相機於每一區塊擷取多光譜影像。透過訊號傳輸手段將每一區塊的航行參數及多光譜影像傳輸至監控單元。以監控單元內建之影像處理模組對多光譜影像做影像處理，並解讀每一區塊的各航行參數，影像處理模組依據多光譜影像計算出每一區塊的投影葉面積指數及歸一化植被指數，並決定所需噴灑水液/液肥/藥液的區塊以及該區塊的噴灑量，俾能精準化地控制作物生長所需水液/液肥/藥液的灌溉噴灑時機，因而具有改善濫用農藥問題、降低農業種植成本以及提高農業病蟲害管理的效率等特點。
Description
本發明係有關一種無人機系統與人工智慧影像處理技術的液體噴灑方法，尤指一種可以精準化控制作物生長所需農水液/液肥/藥液灌溉噴灑時機的無人機精準農業實施技術。
按，應用無人飛行系統(Unmanned Aerial System,UAS)用於收集攝影測量與遙感探測資料，近年來已廣泛受到各研究單位、企業界與相關政府部門的高度關注。相較於衛星載具與有人機載平台，無人飛行系統具備低人員操作風險、低操作成本、高效率與高空間解析度影像獲取之優點。在遙感探測領域中，多光譜(Multispectral)與高光譜(Hyperspectral)相機對於獲取可見光(如紅光、綠光、藍光)與不可見光(如紅光邊緣與近紅外光)資訊是不可或缺的感測器，其所拍攝到的各種波長影像，能推導出超過70種植生指標，適合應用於精密農業、植生調查與災害評估等需求，因此，藉由無人飛行系統搭載多光譜/高光譜相機確實為一種高效率的植物監測技術解決方案。
已知的精準農業施作技術經常使用無人機載具，並搭載多光譜相機來記錄大面積農作物生長狀態的多光譜影像，以識別出農作區域哪些區域需要受到特別注意，因此，多光譜相機確實已然成為無人機載具是最適合的酬載。然而，所使用的多光譜相機由於是百萬像素等級的高光譜
(hyperspectral)相機，所以既貴(約台幣200萬以上)且重量又重(重達1.5kg以上)，而且還需要無人機載具懸停7秒鐘以上不動來擷取影像，因而造成影像擷取與成本支出過高所致的不便與困擾情事產生。
為解決此一缺失，近年來歐美廠商陸續推出了多款適合無人機搭載且價格相對便宜的多光譜相機，一般有4~6個頻段，重量約150g，取像同RGB相機一樣方便快速，兼具實用與價格優勢，是無人機應用於精緻農業的最佳酬載。例如『Sequoia』多光譜相機即可具備RGB與近紅外線鏡頭，能夠函蓋四個不同光譜波段，包括：綠光(波長500nm)、紅光(波長660nm)、紅光邊緣(波長735nm)以及近紅外線光(波長790mn)。多光譜影像利用不同物體對各個波段光譜有著不同的反射特徵，對於資源調查及環境探勘有著非常便捷之處。
據查，以無人機載具實現農業施作用途的專利，如美國發明公開第US2017/0127606號、美國發明第US9745060號以及世界知識產權組織第WO2018/000399號等專利所示。該等專利皆是以遙控無人機載具來進行農業灌溉、施肥以及施藥等應用為申請標的，未有以多光譜影像軟體分析之精準農業應用的整體技術特徵揭露，故該等專利無法精準地控制作物生長所需水液/液肥/藥液的灌溉噴灑時機，因而無法有效改善濫用農藥問題，而且無法降低農業種植成本以及提高農業病蟲害管理的效率。
有鑑於此，上述習知精準農業施作技術以及前述該等專利確實皆未臻完善，仍有再改善的必要性，而且基於相關產業的迫切需求之下，本發明人等乃經不斷的努力研發之下，終於研發出一套有別於上述習知技術與前揭專利的本發明。
本發明第一目的，在於提供一種無人機系統與人工智慧影像處理技術的液體噴灑方法，主要是可以精準化控制作物生長所需水液/液肥/藥液的灌溉噴灑時機，因而具有改善濫用農藥問題、降低農業種植成本以及提高農業病蟲害管理的效率等諸多特點。達成前述第一目的之技術手段，係於無人機載具裝設噴灑裝置及多光譜相機。將農作區域劃分為複數區塊，每一區塊設定航行參數。依據噴灑飛行路徑來控制無人機載具依序飛過每一區塊，並以多光譜相機於每一區塊擷取多光譜影像。透過訊號傳輸手段將每一區塊的航行參數及多光譜影像傳輸至監控單元。以監控單元內建之影像處理模組對多光譜影像做影像處理，並解讀每一區塊的各航行參數，影像處理模組依據多光譜影像計算出每一區塊的投影葉面積指數及歸一化植被指數，並決定所需噴灑水液/液肥/藥液的區塊以及區塊的噴灑量。
本發明第二目的，在於提供一種具備間影像擷取功能的無人機系統與人工智慧影像處理技術的液體噴灑方法，主要是搭配可發散短波光源於無人機載具上，以作為作物逆境的偵測用途，主要是利用動態螢光指標作為無人機取相後的數值指標，以作為作物生理狀態遭受逆境後的推估。達成前述第二目的之技術手段，係於無人機載具裝設噴灑裝置及多光譜相機。將農作區域劃分為複數區塊，每一區塊設定航行參數。依據噴灑飛行路徑來控制無人機載具依序飛過每一區塊，並以多光譜相機於每一區塊擷取多光譜影像。透過訊號傳輸手段將每一區塊的航行參數及多光譜影像傳輸至監控單元。以監控單元內建之影像處理模組對多光譜影像做影像處理，並解讀每一區塊的各航行參數，影像處理模組依據多光譜影像計算出每一區塊的投影葉面積指數及歸一化植被指數，並決定所需噴
灑水液/液肥/藥液的區塊以及區塊的噴灑量。其更包含一夜間影像擷取步驟，係於該無人機載具裝設一短波光源裝置，以於夜間控制該無人機載具依序飛過該農作區域的每一該區塊，並於每一該區塊執行多光譜影像擷取；當該無人機載具抵達其中一個該區塊時，則開啟該短波光源裝置以對該區塊的作物發射段波光源，並啟動該多光譜相機約25~35秒，以擷取該區塊的該多光譜影像；該影像處理模組將所擷取之該多光譜影像轉換為螢光指標，並將該螢光指標數值繪製成等高圖，以獲得該區塊位置點的螢光指標強度與差異特性，以對該作物生理狀態遭受逆境後進行推估，藉以作為該水液/液肥/藥液噴灑量的調整依據。
本發明第三目的，在於提供一種使無人機載具可以執行農肥料噴灑行程規劃設定任務以取得每一區域的航行參數而作為規劃噴灑航行路徑依據的無人機系統與人工智慧影像處理技術的液體噴灑方法。達成前述第三目的之技術手段，係於無人機載具裝設噴灑裝置及多光譜相機。將農作區域劃分為複數區塊，每一區塊設定航行參數。依據噴灑飛行路徑來控制無人機載具依序飛過每一區塊，並以多光譜相機於每一區塊擷取多光譜影像。透過訊號傳輸手段將每一區塊的航行參數及多光譜影像傳輸至監控單元。以監控單元內建之影像處理模組對多光譜影像做影像處理，並解讀每一區塊的各航行參數，影像處理模組依據多光譜影像計算出每一區塊的投影葉面積指數及歸一化植被指數，並決定所需噴灑水液/液肥/藥液的區塊以及區塊的噴灑量。其更包含一設於該無人機載具的飛行控制單元及一噴灑航程設定模組，該噴灑航程設定模組與該飛行控制單元經該訊號傳輸手段而訊號連通；該噴灑航程設定模組可供設定而產生至少一控制訊號，該至少一控制訊號經該訊號傳輸手段傳輸至該飛行控制單元，
以控制該無人機載具依據該飛行路徑而執行該飛行路徑設定步驟，執行該飛行路徑設定步驟時，該無人機載具係依一預定高度及一預定速度且依路徑順序飛過該農作區域之每一該區塊上方的該中心座標位置，並設定或記錄每一該中心座標位置的航行參數，該航行參數包含序號參數、速度參數、高度參數、中心座標位置參數及抵達時間參數，當每一該區塊皆已完成航行參數設定或記錄時，該噴灑航程設定模組則產生該飛行路徑，並由該訊號傳輸手段傳輸傳輸至該監控單元，經該影像處理模組解讀該飛行路徑後再依據該投影葉面積指數及該歸一化植被指數而修正為該噴灑飛行路徑，以令該飛行控制單元依據該噴灑飛行路徑而控制該無人機載具做相應的飛行控制及該水液/液肥/藥液的噴灑控制等動作。
10‧‧‧無人機載具
11‧‧‧飛行控制單元
20‧‧‧訊號傳輸手段
21‧‧‧第二訊號傳輸手段
30‧‧‧監控單元
31‧‧‧影像處理模組
40‧‧‧噴灑裝置
50‧‧‧多光譜相機
60‧‧‧噴灑航程設定模組
70‧‧‧短波光源裝置
a‧‧‧農作區域
a1‧‧‧區塊
A1‧‧‧植物佔地面積
A2‧‧‧葉片投影總面積
O‧‧‧原點
dn‧‧‧噴灑飛行路徑
圖1係本發明無人機載具的操作實施示意圖。
圖2係本發明無人機載具裝載噴灑裝置及多光譜相機的實施示意圖。
圖3係本發明噴灑裝置之噴灑啟閉控制與需灌溉區塊的對照實施示意圖。
圖4係本發明無人機載具沿著噴灑飛行路徑飛行的實施示意圖。
圖5係本發明RGB光譜影像的拼圖實施示意圖。
圖6係本發明由左至右分別為綠光、紅光、紅光邊緣以及近紅外光等多光譜影像的拼圖示意圖。
圖7(a)係本發明NIR影像拼圖；(b)係本發明DI影像拼圖；(c)係本發明SR影像拼圖；(d)係本發明GNDI影像拼圖；(e)係本發明MSAVI影像拼圖的實施示意圖。
圖8係本發明投影葉面積指數與幼苗生長天數的對照生長曲線示意圖。
圖9係本發明歸一化植被指數的生長狀態顯示示意圖。
圖10係本發明幼苗生長狀態與數種環境因數、NDVI及PLAI指數的對照分析示意圖。
圖11係本發明螢光強度與螢光發射時間的對照曲線示意圖。
圖12係本發明水份潛勢與螢光指標距離的對照曲線示意圖。
圖13係本發明螢光指數與含水量的對照曲線示意圖。
圖14係本發明水份潛勢與螢光下降率的對照曲線示意圖。
圖15係本發明投影葉面積指數高低對照示意；(a)為投影葉面積指數高於0.85的分佈示意圖；(b)投影葉面積指數低於0.85的分佈示意圖。
為讓 貴審查委員能進一步瞭解本發明整體的技術特徵與達成本發明目的之技術手段，玆以具體實施例並配合圖式加以詳細說明：請配合參看圖1~4所示，為達成本發明第一目之第一具體實施例，係包括下列步驟：
(a)準備步驟：係提供一無人機載具10、一訊號傳輸手段20及一監控單元30。其中，於無人機載具10裝設包括一可供噴灑水液/液肥/藥液的噴灑裝置40及一多光譜相機50。訊號傳輸手段20可以是一種分設於監控單元30與無人機載具10上的RF、UHF或VHF等無線通訊模組。
(b)飛行路徑設定步驟：係將一農作區域a劃分為複數相互鄰接的區塊a1，每一區塊a1皆設定一包含有一中心座標位置P的航行參數，用以設定一飛行路徑。具體的，於本步驟中，係將一原點O起至農作區域a之每一區塊a1的各中心座標位置P依序串聯為一種飛行路徑。
(c)影像擷取步驟：依據該飛行路徑來控制無人機載具10依序飛過農作區域a的每一區塊a1，並以多光譜相機50於每一區塊a1擷取多光譜影像。
(d)資訊取得步驟：係透過訊號傳輸手段20將每一區塊a1的航行參數及多光譜影像傳輸至監控單元30。
(e)影像處理步驟：以監控單元30內建之一影像處理模組31對多光譜影像做影像處理，並依序將各多光譜影像分別依據一投影葉面積指數公式及一歸一化植被指數公式而計算出每一區塊a1的投影葉面積指數(PLAI)及歸一化植被指數(NDVI)，再依據投影葉面積指數及歸一化植被指數重新修正飛行路徑為一噴灑飛行路徑dn；其中，投影葉面積指數公式係為葉片投影總面積A2/植物佔地面積A1；歸一化植被指數公式係為(近紅外光反射量ρNIR-紅光反射量ρRED)/(近紅外光反射量ρNIR+紅光反射量ρRED)。
(f)噴灑執行步驟：係依據噴灑飛行路徑dn來控制無人機載具10依序飛過農作區域a需要噴灑水液/液肥/藥液的區域a1，並依據投影葉面積指數及歸一化植被指數來決定需要噴灑之該區域a1的噴灑量。
於一種具體的運作實施例中，當區塊a1的投影葉面積指數高於0.85時，則啟動噴灑裝置40將水液/液肥/藥液噴灑至該區塊a1，同時，當區塊a1的歸一化植被指數達到0.75時，則設定該區塊a1為標準的水液/液肥/藥液噴灑量；當歸一化植被指數高於0.75時，則增加該區塊a1的水液/液肥/藥液噴灑量；當歸一化植被指數低於0.75時，則減少該區塊a1的水液/液肥/藥液噴灑量。
請配合參看圖1~4所示，為達成本發明第二目之第二具體實施例，本實施例除了包括上述第一具體實施例的整體技術特徵之外，於上述影像擷取步驟中更包含一夜間影像擷取步驟，係於無人機載具10裝設
一短波光源裝置70，以於夜間控制無人機載具10依序飛過農作區域a的每一區塊a1，並於每一區塊a1執行多光譜影像擷取。當無人機載具10抵達其中一個區塊a1時，則開啟短波光源裝置70以對區塊a1的作物發射段波光源，並啟動多光譜相機50約25~35秒(較佳為30秒)，以擷取區塊a1的多光譜影像。影像處理模組31將所擷取之多光譜影像轉換為螢光指標，並將螢光指標數值繪製成等高圖，以獲得該區塊a1位置點P的螢光指標強度與差異特性，以對作物生理狀態遭受逆境後進行生長狀況推估，用以作為水液/液肥/藥液噴灑量的調整依據。
具體的，上述推估係指水分逆境、營養逆境、溫度逆境、鹽度逆境、細菌感染逆境或是病蟲害逆境而言。更具體的，上述水液/液肥/藥液可以是灌溉水、鹽水、液態肥料或是液態農藥的其中一種。當區塊a1的生長狀況推估為水分或溫度逆境時，則增加該區塊a1的灌溉水噴灑量。當該區塊a1的生長狀況推估為營養逆境時，則增加該區塊a1的液態肥料噴灑量。當該區塊a1的生長狀況推估為溫度逆境時，則增加該區塊a1的灌溉水噴灑量。當該區塊a1的生長狀況推估為鹽度逆境時，則增加該區塊a1的鹽水噴灑量。當該區塊a1的生長狀況推估為細菌感染或病蟲害逆境逆境時，則增加該區塊a1的液態農藥噴灑量。
請配合參看圖1~4所示，為達成本發明第三目之第三具體實施例，本實施例除了包括上述第一具體實施例的整體技術特徵之外，更包含一設於無人機載具10的飛行控制單元11及一噴灑航程設定模組60(如遠距遙控器；但不以此為限)。噴灑航程設定模組60與飛行控制單元11經訊號傳輸手段20而訊號連通。噴灑航程設定模組60可供設定而產生至少一控制訊號，該至少一控制訊號經訊號傳輸手段20傳輸至飛行控制單元11，以控制無人機載具10依據飛行路徑而上述執行飛行路徑設定步驟，執行飛行路徑設
定步驟時，無人機載具10係依一預定高度及一預定速度且依路徑順序飛過農作區域a之每一區塊a1上方的中心座標位置P，並設定或記錄每一中心座標位置P的航行參數，此航行參數包含序號參數、速度參數(可透過速度感測器確認高度)、高度參數(可透過高度感測器確認高度)、中心座標位置參數(可透過GPS確認位置)及抵達時間參數。當每一區塊a1皆已完成航行參數設定或記錄時，噴灑航程設定模組60則產生上述飛行路徑，並由一第二訊號傳輸手段21傳輸傳輸至監控單元30，經影像處理模組31解讀飛行路徑後再依據投影葉面積指數及歸一化植被指數而修正為上述噴灑飛行路徑dn，再經訊號傳輸手段20傳輸至飛行控制單元11，以令飛行控制單元11依據噴灑飛行路徑dn而控制無人機載具10做相應的飛行控制及水液/液肥/藥液的噴灑控制等動作。
於一種具體的運作實施例中，在無人機載具10飛行前，可以預先設定好多光譜相機50相鄰多光譜影像的左右與前後的重疊率，而且多光譜相機50所拍攝的每張多光譜影像皆記錄有GPS座標位置、高度以及拍攝姿態等資料；接著，透過影像處理模組31內建的拼圖軟體依照不同光譜拼成一張完整較大多光譜影像圖。如圖5所示為RGB光譜的拼圖結果示意。圖6所示係由左而右分別為綠光、紅光、紅光邊緣以及近紅外光等多光譜影像的拼圖示意。此外，亦可以從以上不同光譜的照片，經由下列公式計算每一點的植被指數(Vegetation index)。圖7(a)為水稻空拍的近紅外光(NIR)譜影像拼接結果。藉由分析不同波段所取得的影像數值，許多研究進一步提出植被指數(vegetation index)公式，如下表1所示，期望能更精準的掌握作物產量。舉例來說，圖7(b)為利用近紅外光譜(NIR)影像與綠光(Green)影像，所計算出的差值索引DI(Difference Index)植披指數(Vegetation Index)影像。將作物的
多光譜影像中，紅外光的強度減去可見光的強度，這個就叫做DVI，Difference Vegetation Index。如果再除以紅外光強度加上可見光強度，那就叫做NDVI。(除以這個值的原因，是因為每個地方照射的光強不一定相同，所以除以這個值予以標準化)總結一下，公式就是NDVI=(IR-VIS)/(IR+VIS)IR就是紅外光VIS就是可見光；此外，圖7(c)係SR影像拼圖；圖7(d)係GNDI影像拼圖；圖7(e)係MSAVI影像拼圖的實施示意圖。
然後，計算下列二種作物指標：
(1)投影葉面積指數(Projected leaf area index,PLAI)：葉片為植物進行光合、呼吸、蒸騰、碳循環和降水截獲等作用的主要器官，而葉面積是作物生理及農業研究上表示作物生產潛能中最有效的量測項目。葉片面積的變化及大小可呈現作物生長發育的程度、光能的截取能力等，為作物生長分析之重要性狀。它的計算公式為投影葉面積指數。圖8所示係本發明投影葉面積指數與幼苗生長天數的對照生長曲線示意。
攝影時，多光譜相機50儘可能與葉片呈90度俯視拍攝，於此可以減少影像變形造成的葉面積估測誤差。
(2)歸一化植被指數(Normalized difference vegetation index,NDVI)：用於分析遙感觀測所得到的資訊，NDVI通常是用衛星遙感數據計算，以評估目標地區綠色植被的生長狀況。計算方式是利用紅光的反射量ρRED與近紅外光的反射量ρNIR，能顯示出植物生長、生態系的活力與生產力等資訊。數值愈大表示植物生長愈多，公式如下所示：
NDVI之值介於-1~1之間。當ρRED=0時，有最大值1；反之，當ρNIR=0時，有最小值-1。同時也量測每處作物的下列三項環境條件，包括溫度、相對濕度及照明條件來改善這些環境條件的均勻度，並了解植物的生長條件，和實施特定地點的種植(site-specific cultivation)，這正是精準農業的精神。最後採用PLAI指標和NDVI指標值來決定作物的灌溉量。灌溉的開關有兩個狀態，打開澆水的狀態為1，關閉不澆水的狀態為0。PLAI標準值高於0.85時，本發明設定澆水開關狀態為1；否則PLAI標準值低於0.85時，本發明設定澆水開關狀態為0，並且NDVI值(0.75)被添加到用於評估澆水水平的標準中。如下圖所示，對作物範圍內建立xy座標系統(分割成連續的。一些固定大小的小區塊)，然後計算每一點的PLAI和NDVI值，依照設定的閥值決定每一座標點灌溉水閥的開關狀態。圖9所示係本發明歸一化植被指數的生長狀態顯示示意。圖10所示係本發明幼苗生長狀態與數種環境因數、NDVI及PLAI指數的對照分析示意。
如果灌溉的開關是線性，可設定開關的打開量u(t)從0~1，0
代表開關未打開，1代表開關全開。本發明u(x,y)是由座標點處作物的PLAI指標值和NDVI標值所決定，其中一種實施例為：u w (x,y)=MAX{PLAI(x,y),NDVI(x,y)}
其中u(x,y)可以是在無人機上灑水uw(x,y)或施肥uf(x,y)或農藥up(x,y)的閥控制量。
而u(x,y)的決定可以是u w (x,y)=w(PLAI(x,y),ρ blue (x,y),ρ green (x,y),ρ red (x,y),ρ red edge (x,y),ρ NIR (x,y))
u f (x,y)=f(PLAI(x,y),ρ blue (x,y),ρ green (x,y),ρ red (x,y),ρ red edge (x,y),ρ NIR (x,y))
u P (x,y)=P(PLAI(x,y),ρ blue (x,y),ρ green (x,y),ρ red (x,y),ρ red edge (x,y),ρ NIR (x,y))
除此之外，本發明可以利用無人機載具10掛載多光譜相機50，並搭配可發散短波光源之輕量化短波光源裝置70於無人機載具10上，對於作物逆境的偵測，可以利用動態螢光指標作為無人機取相後的數值指標，可以用於作物生理狀態遭受逆境後之推估，逆境後之推估可以是水分逆境，可以是營養逆境，可以是溫度逆境，也可以是鹽度逆境，這些逆境在螢光表現上會有所不同，可以作為無人機於夜間螢光影像取相後之分析判斷依據。並增加無人機的拍攝功能，將夜間拍攝作為與其他無人機載具10的差異化與區別性。
在夜間拍攝之前，需要進行暗處理；亦即，在進行多光譜影像取相前，作物不能照其他的光源，以免影響其生理的反應，在無人機載具10進行定點拍攝後，要在定點上開啟短波光源裝置70，如圖1所示，並以多光譜相機50進行影像擷取，無人機載具10上的多光譜相機50要能在定點連續擷取三十秒，以取得足夠的螢光量，並能計算出動態螢光指標，
因此在田區的影像擷取上，必須要能進行經緯度的精準位置定位，以擷取有效位置之多光譜影像資訊，針對水份逆境的實施例。
另外，對於病蟲害的診斷部分，依據螢光影像以及作物本體的多光譜影像資訊，遭受病蟲害之作物會引起葉片中葉綠體的損害，並表現於葉綠素螢光中，在病害引發的狀態，多半會造成葉片的萎縮或是病斑，這些都是直接影響植物葉片中的葉綠體，因此，剛受到細菌、黴菌、真菌或是病毒的感染時，局部的葉片螢光反應會有不同的螢光反應，例如細菌的病斑會造成在受感染區域的螢光強度較強，並與正常的葉片組織有不同的螢光強度表現。
對於蟲害的診斷，若有若蟲、成蟲或是卵在葉片的背面或是捲曲葉片，也會在多光譜影像以及螢光影像中有不同的變化，這些變化多可用於蟲害的數據診斷上，經由不同的影像強度訊號以及區域的判斷，可以提供葉片損害時的診斷。
繼而，請參看圖11所示，其中RF：是指正常的澆水，而EA是一天斷水處理，EB是兩天斷水處理，EC是三天斷水處哩，ED是四天斷水處理；在水分處理後的物理狀態來觀察並與螢光影像曲線比較，EA與EB組是在永久凋萎點之前，都有恢復的機會，但是EC與ED的曲線表現，則是作物缺水難以回復的狀態。
再請參看圖12所示，係為螢光指標與水分潛勢之曲線，是作為螢光影像轉換為水分管理的依據與科學性證據。此回歸曲線可以作為線上無人機螢光影像系統的科學性指標依據。請參看圖13所示，傳統的螢光檢測使用的數據為RFD，其定義是(Fm/Fs)-1，也就是螢光曲線的最大值與穩態值比值減一，因此透過傳統螢光檢測的數據來和葉片的含水率來迴歸分析，其結果會有較大的標準誤差，因此，不建議使用於線上型無人機
螢光影像系統的使用。請參看圖14所示，傳統植物生理研究的螢光指標與作物的水分潛勢之迴歸分析是較發散的，沒有收斂的現象，不適於使用在線上型無人機螢光影像系統上。
請繼續配合參看圖15(a)所示，係投影葉面積指數高於0.85的面積分佈示意圖，而圖15(b)所示則為投影葉面積指數低於0.85的面積分佈示意圖。
以上所述，僅為本發明一種較為可行的實施例，並非用以限定本發明之專利範圍，凡舉依據下列請求項所述之內容、特徵以及其精神而為之其他變化的等效實施，皆應包含於本發明之專利範圍內。本發明所具體界定於請求項之結構特徵，未見於同類物品，且具實用性與進步性，已符合發明專利要件，爰依法具文提出申請，謹請 鈞局依法核予專利，以維護本申請人合法之權益。
10‧‧‧無人機載具
11‧‧‧飛行控制單元
20‧‧‧訊號傳輸手段
21‧‧‧第二訊號傳輸手段
30‧‧‧監控單元
31‧‧‧影像處理模組
40‧‧‧噴灑裝置
50‧‧‧多光譜相機
60‧‧‧噴灑航程設定模組
70‧‧‧短波光源裝置
Claims (4)
- 一種無人機系統與人工智慧影像處理技術的液體噴灑方法，其包括：(a)準備步驟：提供一無人機載具、一訊號傳輸手段及一監控單元；其中，於該無人機載具裝設包括一可供噴灑水液/液肥/藥液的噴灑裝置及一多光譜相機；(b)飛行路徑設定步驟：係將一農作區域劃分為複數相互鄰接的區塊，每一該區塊設定一包含有一中心座標位置的航行參數，用以設定一飛行路徑；(c)影像擷取步驟：依據該飛行路徑來控制該無人機載具依序飛過該農作區域的每一該區塊，並以該多光譜相機於每一該區塊擷取多光譜影像；(d)資訊取得步驟：係透過該訊號傳輸手段將每一該區塊的該航行參數及該多光譜影像傳輸至該監控單元；(e)影像處理步驟：以該監控單元內建之一影像處理模組對該多光譜影像做影像處理，並依序將各該多光譜影像分別依據一投影葉面積指數公式及一歸一化植被指數公式而計算出每一該區塊的投影葉面積指數(PLAI)及歸一化植被指數(NDVI)，再依據該投影葉面積指數及該歸一化植被指數重新修正該飛行路徑為一噴灑飛行路徑；其中，該投影葉面積指數公式係為葉片投影總面積/植物佔地面積；該歸一化植被指數公式係為(近紅外光反射量ρNIR-紅光反射量ρRED)/(近紅外光反射量ρNIR+紅光反射量ρRED)；及(f)噴灑執行步驟：係依據該噴灑飛行路徑來控制該無人機載具依序飛過該農作區域需要噴灑該水液/液肥/藥液的該區域，並依據該投影葉面積指數及該歸一化植被指數來決定需要噴灑該區域的噴灑量；其中，當該區 塊的該投影葉面積指數高於0.85時，則啟動該噴灑裝置將該水液/液肥/藥液噴灑至該區塊；當該區塊的該歸一化植被指數達到0.75時，則設定為該區塊為標準的該水液/液肥/藥液噴灑量；當該歸一化植被指數高於0.75時，則增加該區塊的該水液/液肥/藥液噴灑量；當該歸一化植被指數低於0.75時，則減少該區塊的該水液/液肥/藥液噴灑量；於該影像擷取步驟中更包含一夜間影像擷取步驟，係於該無人機載具裝設一短波光源裝置，以於夜間控制該無人機載具依序飛過該農作區域的每一該區塊，並於每一該區塊執行多光譜影像擷取；當該無人機載具抵達其中一個該區塊時，則開啟該短波光源裝置以對該區塊的作物發射段波光源，並啟動該多光譜相機約25~35秒，以擷取該區塊的該多光譜影像；該影像處理模組將所擷取之該多光譜影像轉換為螢光指標，並將該螢光指標數值繪製成等高圖，以獲得該區塊位置點的螢光指標強度與差異特性，以對該作物生理狀態遭受逆境後進行生長狀況推估，用以作為該水液/液肥/藥液噴灑量的調整依據；於該無人機載具設置包括一飛行控制單元及一噴灑航程設定模組，該噴灑航程設定模組與該飛行控制單元經該訊號傳輸手段而訊號連通；該噴灑航程設定模組可供設定而產生至少一控制訊號，該至少一控制訊號經該訊號傳輸手段傳輸至該飛行控制單元，以控制該無人機載具依據該飛行路徑而執行該飛行路徑設定步驟，執行該飛行路徑設定步驟時，該無人機載具係依一預定高度及一預定速度且依路徑順序飛過該農作區域之每一該區塊上方的該中心座標位置，並設定或記錄每一該中心座標位置的航行參數，該航行參數包含序號參數、速度參數、高度參數、中心座標位置參數及抵達時間參數；當每一該區塊皆已完成航行參數設定或記錄時，該噴灑航程設定模組則產生該飛行路徑，並由一第二訊號傳輸手段傳輸傳輸至該監控單元， 經該影像處理模組解讀該飛行路徑後再依據該投影葉面積指數及該歸一化植被指數而修正為該噴灑飛行路徑，以令該飛行控制單元依據該噴灑飛行路徑而控制該無人機載具做相應的飛行控制及該水液/液肥/藥液的噴灑控制等動作。
- 如請求項1所述之方法，其中，於該飛行路徑設定步驟中，係將一原點起至該農作區域之每一該區塊的各該中心座標位置依序串聯為該飛行路徑。
- 如請求項1所述之方法，其中，該生長狀況推估係選自水分逆境、營養逆境、溫度逆境、鹽度逆境、細菌感染逆境以及病蟲害逆境的其中一種。
- 如請求項3所述之方法，其中，該水液/液肥/藥液係選自灌溉水、鹽水、液態肥料以及液態農藥的其中一種；該區塊的該生長狀況推估為水分或溫度逆境時，則增加該區塊的該灌溉水噴灑量；該區塊的該生長狀況推估為營養逆境時，則增加該區塊的該液態肥料噴灑量；該區塊的該生長狀況推估為溫度逆境時，則增加該區塊的該灌溉水噴灑量；該區塊的該生長狀況推估為鹽度逆境時，則增加該區塊的該鹽水噴灑量；該區塊的該生長狀況推估為水分逆境時，則增加該區塊的該灌溉水噴灑量；該區塊的該生長狀況推估為細菌感染或病蟲害逆境逆境時，則增加該區塊的該液態農藥噴灑量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108130305A TWI708546B (zh) | 2019-08-23 | 2019-08-23 | 無人機系統與人工智慧影像處理技術的液體噴灑方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108130305A TWI708546B (zh) | 2019-08-23 | 2019-08-23 | 無人機系統與人工智慧影像處理技術的液體噴灑方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI708546B true TWI708546B (zh) | 2020-11-01 |
| TW202107972A TW202107972A (zh) | 2021-03-01 |
Family
ID=74202075
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW108130305A TWI708546B (zh) | 2019-08-23 | 2019-08-23 | 無人機系統與人工智慧影像處理技術的液體噴灑方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI708546B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112514874A (zh) * | 2020-11-24 | 2021-03-19 | 张金凤 | 一种喷洒物质材料的修正方法和系统 |
| CN114145220A (zh) * | 2021-11-19 | 2022-03-08 | 中建山河建设管理集团有限公司 | 一种农田水利工程灌溉装置 |
| CN114451118A (zh) * | 2022-03-16 | 2022-05-10 | 中国水稻研究所 | 一种基于无人机的水稻均匀施穗肥方法 |
| CN114868505A (zh) * | 2022-07-12 | 2022-08-09 | 山西方圆村信息技术有限公司 | 一种智能水肥控制柜 |
| WO2023082105A1 (zh) * | 2021-11-10 | 2023-05-19 | 深圳市大疆创新科技有限公司 | 喷洒作业的规划方法、装置、控制终端和存储介质 |
| WO2024077668A1 (zh) * | 2022-10-12 | 2024-04-18 | 安徽科技学院 | 一种六旋翼多光谱无人机变量追肥装置及其使用方法 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI799850B (zh) * | 2021-05-05 | 2023-04-21 | 嶺東科技大學 | 農田監控系統 |
| TWI785900B (zh) * | 2021-11-24 | 2022-12-01 | 南開科技大學 | 基於殘餘量的無人機農藥噴灑路徑規劃系統及其方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN207911353U (zh) * | 2018-02-11 | 2018-09-28 | 华南农业大学 | 一种适用于林果茶园的无人机喷雾系统 |
| JP2019126268A (ja) * | 2018-01-22 | 2019-08-01 | 株式会社クボタ | 農業支援装置及び農業支援システム |
| US20190246549A1 (en) * | 2016-10-18 | 2019-08-15 | Basf Agro Trademarks Gmbh | Planning and implementing agricultural measures |
| CN110143281A (zh) * | 2019-04-29 | 2019-08-20 | 曲阜师范大学 | 一种自主飞行与变量喷施的植保无人机系统 |
-
2019
- 2019-08-23 TW TW108130305A patent/TWI708546B/zh not_active IP Right Cessation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190246549A1 (en) * | 2016-10-18 | 2019-08-15 | Basf Agro Trademarks Gmbh | Planning and implementing agricultural measures |
| JP2019126268A (ja) * | 2018-01-22 | 2019-08-01 | 株式会社クボタ | 農業支援装置及び農業支援システム |
| CN207911353U (zh) * | 2018-02-11 | 2018-09-28 | 华南农业大学 | 一种适用于林果茶园的无人机喷雾系统 |
| CN110143281A (zh) * | 2019-04-29 | 2019-08-20 | 曲阜师范大学 | 一种自主飞行与变量喷施的植保无人机系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112514874A (zh) * | 2020-11-24 | 2021-03-19 | 张金凤 | 一种喷洒物质材料的修正方法和系统 |
| WO2023082105A1 (zh) * | 2021-11-10 | 2023-05-19 | 深圳市大疆创新科技有限公司 | 喷洒作业的规划方法、装置、控制终端和存储介质 |
| CN114145220A (zh) * | 2021-11-19 | 2022-03-08 | 中建山河建设管理集团有限公司 | 一种农田水利工程灌溉装置 |
| CN114451118A (zh) * | 2022-03-16 | 2022-05-10 | 中国水稻研究所 | 一种基于无人机的水稻均匀施穗肥方法 |
| CN114451118B (zh) * | 2022-03-16 | 2023-01-03 | 中国水稻研究所 | 一种基于无人机的水稻均匀施穗肥方法 |
| CN114868505A (zh) * | 2022-07-12 | 2022-08-09 | 山西方圆村信息技术有限公司 | 一种智能水肥控制柜 |
| WO2024077668A1 (zh) * | 2022-10-12 | 2024-04-18 | 安徽科技学院 | 一种六旋翼多光谱无人机变量追肥装置及其使用方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202107972A (zh) | 2021-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI708546B (zh) | 無人機系統與人工智慧影像處理技術的液體噴灑方法 | |
| US11440659B2 (en) | Precision agriculture implementation method by UAV systems and artificial intelligence image processing technologies | |
| US12082541B2 (en) | Plant treatment based on morphological and physiological measurements | |
| Zhang et al. | Orchard management with small unmanned aerial vehicles: A survey of sensing and analysis approaches | |
| US20220307971A1 (en) | Systems and methods for phenotyping | |
| Moradi et al. | UAV-based smart agriculture: A review of UAV sensing and applications | |
| Che'Ya | Site-Specific Weed Management Using Remote Sensing | |
| Kutugata et al. | Seed rain potential in late-season weed escapes can be estimated using remote sensing | |
| Thongnim et al. | Design and testing of spraying drones on durian farms | |
| de Ocampo et al. | Integrated Weed Estimation and Pest Damage Detection in Solanum melongena Plantation via Aerial Vision-based Proximal Sensing. | |
| Paul et al. | Smart agriculture using UAV and deep learning: a systematic review | |
| Ahale et al. | Disease and Pest Control Through Advance Technology | |
| Adaka et al. | Drones: a modern breakthrough for smart farming | |
| Ji et al. | The Application of Unmanned Aerial Vehicles Data Communication in Agriculture | |
| Niu et al. | Scale-aware pomegranate yield prediction using UAV imagery and machine learning | |
| Yuksel | Digitalization with the Use of Unmanned Aerial Vehicle (UAV) in Agriculture | |
| Mazeed et al. | Chapter-16, Application of drone in smart agriculture | |
| Alsadik et al. | UAV Remote Sensing for Smart Agriculture | |
| Elshikha | Using Drones for Management of Crops | |
| Bremer et al. | Considerations with using unmanned aircraft systems in turfgrass | |
| Koshkarov | THE CHOICE OF UNMANNED AERIAL VEHICLES FOR DIGITAL AGRICULTURE | |
| Vaheed | Chapter-4 Drone technology-for Smart Agriculture | |
| Feng et al. | Unmanned Aerial Vehicle (UAV) Applications in Cotton Production | |
| Mandal et al. | Pest and Disease Monitoring and Surveillance for Ensuring Food Security | |
| Abinaya et al. | Efficiency of IDRONE Technology in Finding Pest-Free Solutions for Tea Farming-Looper Caterpillar and Tea Leaf Hopper |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |