一种无人机察打一体除草方法技术

本发明专利技术公开了一种无人机察打一体除草方法，所述无人机察打一体除草方法包括如下步骤：田间生境数据获取，获取目标作业区域的作业规划信息，确定察打一体除草区域，并确定察打一体无人机航线，通过使用察打一体无人机获取光谱数据，将获取的光谱数据进行存储，备用；数据预处理；使用语义分割精准识别田间杂草。该种无人机察打一体除草方法，在实际作业过程中，通过无人机监测田间杂草同时快速地对田间杂草精准识别，能够为植保机械在田间提供准确的坐标信息，并且提供准确的施药比例，再根据田间杂草的长势情况变量科学地指导除草药剂的投入，在田间的有杂草的地点进行着重喷洒，达到节约农药以及除草的目的。达到节约农药以及除草的目的。达到节约农药以及除草的目的。

【技术实现步骤摘要】
一种无人机察打一体除草方法


[0001]本专利技术涉及一种无人机察打一体除草方法，具体为一种无人机察打一体除草方法，属于除草技术应用


技术介绍

[0002]农事是指耕地、施肥、播种、田间管理(除草、防倒伏、喷洒农药、病虫害防治、防寒、防冻、防旱、浇水、防涝、排灌)、收割、收获﹑贮藏、六畜管理(饲养、疾病预防)等农业生产活动；农业活动涵盖果蔬、花木、中草药、食用菌、粮油、水产、禽畜、农药、肥料、种子、农业机械与设施等行业。
[0003]当前农事作业过程中，进行除草作业主要有两种方式；其一，除草作业采用田间均匀喷洒除草药剂的方式进行除草作业，而且往往会过量施药，此种作业方式对于田间杂草长势情况没有完全顾及，导致易出现农药残留过多，造成农药的浪费，增加农事作业的成本，并且容易出现农作物药害的情况；其二，除草作业首先利用监测无人机监测田间杂草长势情况，生成田间杂草的监测数据和监测图，从而精确的识别出田间各点的杂草，然后生成变量施药处方图，以此依据通过施药无人机变量的喷洒除草剂除草，但是此种作业方式需要不同类型无人机非同步作业，造成了时间空间上的脱节，很可能在无人机除草作业时杂草有了新的变化，影响了施药的准确性。因此，针对上述问题提出一种无人机察打一体除草方法。

技术实现思路

[0004]本专利技术的目的就在于为了解决上述问题而提供一种无人机察打一体除草方法。
[0005]本专利技术通过以下技术方案来实现上述目的，一种无人机察打一体除草方法，所述无人机察打一体除草方法包括如下步骤：r/>[0006](1)田间生境数据获取，获取目标作业区域的作业规划信息，确定察打一体除草区域，并确定察打一体无人机航线，通过使用察打一体无人机获取光谱数据，将获取的光谱数据进行存储，备用；
[0007](2)数据预处理，对采集到的数据进行几何校正和辐射定标，数据的DN值转变为反射率；
[0008](3)使用语义分割精准识别田间杂草，采用图像语义分割结构，通过Unet网络结合底层和高层的信息，而UNet两大特点是U型结构和跳跃连接，通过U型结构对应编码和解码，编码进行下采样，解码进行上采样，也就是将编码得到的高级语义特征图恢复到原图片的分辨率；编码后底层信息是低分辨率信息，提供分割目标在整个图像中上下文语义信息，细化得到分割的轮廓，在解码中使用到跳跃连接，补充信息的作用，为分割提供更加精细的特征，针对目标与背景分布不平衡、分类难度差异不同，进而损失函数使用FocalLoss，进而确定田间杂草；
[0009](4)根据田间杂草长势情况变量喷洒除草药剂，根据语义分割精准识别出田间杂
草，监测当前田块是否有草，然后确定是否施药；在施药策略上有草的地方施药，无草的地方分两种方法施药；其一，无草的地方不打药；其二，由于无人机监测的是植株冠层，可能会遮挡到底部的杂草，为保险起见，无草的地方打一定比例的药剂。
[0010]进一步地，所述步骤(1)中察打一体无人机选用的喷头雾化要适度，避免雾滴过大或者过小，雾滴过大，叶面布展着不好，且易滚落，雾滴过小，蒸发作用明显，导致药效不佳。
[0011]进一步地，所述步骤(1)中除草区域确定后需要制定目标航线，确定目标航向方便控制无人作业设备按照目标航线进行待播草种的植草作业。
[0012]进一步地，所述步骤(2)中DN值是遥感影像像元亮度值，记录的地物的灰度值；无单位，是一个整数值，值大小与传感器的辐射分辨率、地物发射率、大气透过率和散射率等有关。
[0013]进一步地，所述步骤(3)中的损失函数是标准交叉熵损失的升级改进版，它可以通过减少易分类样本的权重，使得模型在训练时更专注于难分类的样本；FocalLoss这个损失函数有gamma和alpha两个参数，gamma这个参数用来解决简单样本与困难样本的问题，alpha这个参数是平衡因子，用来解决数据集样本不均的问题；网络训练时gamma和alpha两个参数需合理调参。
[0014]进一步地，所述步骤(3)中图像分割是计算机视觉研究的关键，亦是理解图像内容的基石技术，其发展历程从基于边缘检测、基于阈值、基于区域等方法的传统图像分割，逐渐发展到当今主流的基于深度神经网络的图像语义分割，在技术水平上取得了巨大的进步；传统的图像分割受计算机算力的限制，只能提取图像的纹理信息、颜色、形状等低层特征对图像进行分割，且需要人工设计特征，因而分割准度不高；而随着计算机软硬件的更新换代、深度学习技术的日益强大，语义分割也进入新的发展时期；许多研究学者将深度学习引入图像语义分割领域，利用深度神经网络从输入数据中自动学习特征，能够提取图像的低层、中层和高层特征，实现对图像目标端到端的像素级分类，极大地提高了语义分割的精度和效率。
[0015]进一步地，所述步骤(3)在中损失函数Focal Loss是标准交叉熵损失的升级改进版，它可以通过减少易分类样本的权重，使得模型在训练时更专注于难分类的样本，损失函数FocalLoss有gamma和alpha两个参数，gamma这个参数用来解决简单样本与困难样本的问题，alpha这个参数是平衡因子，用来解决数据集样本不均的问题，网络训练时gamma和alpha两个参数需合理调参。
[0016]进一步地，所述步骤(4)中在除草药剂兑药时，兑药液时勿用浑浊水，且最好使用二次稀释法，使药滴分散均匀。
[0017]进一步地，所述步骤(4)中除草药剂必须使用专用的飞防助剂和安全剂。
[0018]进一步地，所述步骤(4)中施药时间，避开露水未干和雨前施药，避开中午高温。
[0019]本专利技术的有益效果是：该种无人机察打一体除草方法，在实际作业过程中，通过无人机监测田间杂草同时快速地对田间杂草精准识别，能够为植保机械在田间提供准确的坐标信息，并且提供准确的施药比例，再根据田间杂草的长势情况变量科学地指导除草药剂的投入，在田间的有杂草的地点进行着重喷洒，达到节约农药以及除草的目的，从而做到无人机察打一体地施用农药，减少农药用量，降低农药残留，节省前期监测时间和省去处方图生成过程，使用无人机察打一体除草作业，可极大的节药率，适合推广使用。
附图说明
[0020]图1为本专利技术的方法流程图。
具体实施方式
[0021]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0022]实施例一：
[0023]一种无人机察打一体除草方法，所述无人机察打一体除草方法包括如下步骤：
[0024](1)田间生境数据获取，获取目标作业区域的作业规划信息，确定察打一体除草区域，并确定察打一体无人机航线，通过使用察打一体无人机获取光谱数据，将获取的光谱数据进行存储，备用；
[0025](2)数据预处理，对采集到的数据进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机察打一体除草方法，其特征在于：所述无人机察打一体除草方法包括如下步骤：(1)田间生境数据获取，获取目标作业区域的作业规划信息，确定察打一体除草区域，并确定察打一体无人机航线，通过使用察打一体无人机获取光谱数据，将获取的光谱数据进行存储，备用；(2)数据预处理，对采集到的数据进行几何校正和辐射定标，数据的DN值转变为反射率；(3)使用语义分割精准识别田间杂草，采用图像语义分割结构，通过Unet网络结合底层和高层的信息，而UNet两大特点是U型结构和跳跃连接，通过U型结构对应编码和解码，编码进行下采样，解码进行上采样，也就是将编码得到的高级语义特征图恢复到原图片的分辨率；编码后底层信息是低分辨率信息，提供分割目标在整个图像中上下文语义信息，细化得到分割的轮廓，在解码中使用到跳跃连接，补充信息的作用，为分割提供更加精细的特征，针对目标与背景分布不平衡、分类难度差异不同，进而损失函数使用FocalLoss，进而确定田间杂草；(4)根据田间杂草长势情况变量喷洒除草药剂，根据语义分割精准识别出田间杂草，监测当前田块是否有草，然后确定是否施药；在施药策略上有草的地方施药，无草的地方分两种方法施药；其一，无草的地方不打药；其二，由于无人机监测的是植株冠层，可能会遮挡到底部的杂草，为保险起见，无草的地方打一定比例的药剂。2.根据权利要求1所述的一种无人机察打一体除草方法，其特征在于：所述步骤(1)中察打一体无人机选用的喷头雾化要适度，避免雾滴过大或者过小，雾滴过大，叶面布展着不好，且易滚落，雾滴过小，蒸发作用明显，导致药效不佳。3.根据权利要求1所述的一种无人机察打一体除草方法，其特征在于：所述步骤(1)中除草区域确定后需要制定目标航线，确定目标航向方便控制无人作业设备按照目标航线进行待播草种的植草作业。4.根据权利要求1所述的一种无人机察打一体除草方法，其特征在于：所述步骤(2)中DN值是遥感影像像元亮度值，记录的地物的灰度值；无单位，是一个整数值，值大小与传感器的辐射分辨率、地物发射率、大气透过率和散射率等有关。5.根据权利要求1所述的一种无人机察打一体除草方法，其特征在于：所述步骤(3)中的损失函数是标准交叉熵损失的升级改进...

【专利技术属性】
技术研发人员：孙福权，
申请(专利权)人：北京麦飞科技有限公司，
类型：发明
国别省市：