一种基于视觉检测算法的农用无人机除草方法技术

本发明专利技术一种基于视觉检测算法的农用无人机除草方法，所述方法将带有标记的农田区域图片作为改进型YOLOv4网络的输入，基于损失函数对所述网络进行迭代训练，得到训练好的网络模型，之后所述无人机在药剂装配点装配除草剂；所述无人机采集农田区域实时图片，之后用训练好的网络模型对所述实时图片进行检测，若结果均为农作物，则所述无人机沿预设路径继续飞行；当结果除农作物外有杂草时，所述无人机向所述杂草上方移动，待飞行至所述无人机的喷洒有效范围内后喷洒除草剂；当喷洒完毕后所述无人机返回原位置，重复检测和除草过程。本发明专利技术可实现杂草的精准识别与定位，避免了农药的浪费和对环境造成破坏，有利于提高原农作物的生长及产量。长及产量。长及产量。

【技术实现步骤摘要】
一种基于视觉检测算法的农用无人机除草方法


[0001]本专利技术属于无人机农业应用领域，具体为一种基于视觉检测算法的农用无人机除草方法。

技术介绍

[0002]在农业领域，农作物的生长环境中常伴随有杂草的存在，由于土地肥力有限，杂草的存在将大幅度降低农田内待产作物的生长效率，进而降低土地生产力。
[0003]传统的人工拔草或喷药的除草方式需耗费较大的人力成本。目前随着自动化水平的提高，各类机器人已在农业领域逐步投以应用并取得一定程度的效果，然而一般的陆地式机器若要进入土地内部进行除草，其难以应对复杂的种植环境，并会对种植环境造及农作物造成损坏，为此基于无人机的除草作业能为农业领域提供一种新型除草方式。
[0004]一般的无人机农药喷洒装置未考虑杂草的精准识别与定位，当进行大范围的农药喷洒会存在两类问题：一方面是造成农药的浪费，增加除草药剂成本同时也对环境造成破坏；另一方面大范围喷洒会使原种植作物接触到药剂，这将对原农作物生长及产量均会造成不利影响。

技术实现思路

[0005]针对现有技术中存在的问题，本专利技术提供一种基于视觉检测算法的农用无人机除草方法，可实现杂草的精准识别与定位，避免了农药的浪费和对环境造成破坏，有利于提高原农作物的生长及产量。
[0006]为实现上述技术目的，本专利技术采用的技术方案如下：
[0007]一种基于视觉检测算法的农用无人机除草方法，包括如下步骤：
[0008]S1，将带有标记的农田区域图片作为改进型YOLOv4网络的输入，基于损失函数对所述网络进行迭代训练，得到训练好的网络模型，之后所述无人机在药剂装配点装配除草剂；
[0009]S2，所述无人机采集农田区域实时图片，之后用训练好的网络模型对所述实时图片进行检测，若结果均为农作物，则所述无人机沿预设路径继续飞行；当结果除农作物外有杂草时，所述无人机向所述杂草上方移动，待飞行至所述无人机的喷洒有效范围内后喷洒除草剂；
[0010]S3，当喷洒完毕后所述无人机返回S2的原位置，重复S2的检测和除草过程。
[0011]优选的，所述无人机的机架6中安装有药剂箱3，药剂箱3的顶部开设有注液口7，药剂箱3的下表面安装有机器臂9，机器臂9的末端固定连接有喷头2，喷头2内部搭配有霍尔流量计，喷头2的入口与药剂箱3的底部连通，机架6底部安装有摄像头模块1，无人机的机身8中安装有图传模块和机载电脑；
[0012]S1中，摄像头模块1先采集农田区域图片，之后传输至机载电脑，机载电脑通过图传模块将所述图片发送至地面站，在地面站中对所述图片中的农作物和杂草进行标记，然
后地面站将带有标记的农田区域图片通过图传模块发送至机载电脑后作为改进型YOLOv4网络的输入，得到训练好的网络模型在改进型YOLOv4网络中迭代训练，之后通过注液口7装配除草剂；
[0013]S2中，摄像头模块1采集农田区域实时图片，当结果有杂草时，机载电脑将所述杂草位置信息传输至飞控板，飞控板控制所述无人机向所述杂草上方移动，待飞行至喷头2喷洒的有效范围内后，飞控板输出控制信号调节机器臂9的关节旋转，使喷头2指向杂草，之后飞控板打开喷头2的阀门开关喷洒除草剂，当喷洒完毕后飞控板使喷头2的阀门关闭。
[0014]进一步，所述摄像头模块1与机载电脑输入端相连接，机载电脑和图传模块相连接，机载电脑与飞控板的输入端相连接，机器臂9和喷头2的输入端均与飞控板的输出端连接。
[0015]再进一步，在所述药剂箱3内部加入投入式液位计,检测药剂箱3的液位,飞控板接收液位信号，S3中当所述无人机在飞行过程中除草剂低于一次喷洒的剂量时，无人机返航至药剂装配点装配除草剂，装配完成后回到S3的原位置，继续重复S2的检测和除草过程，当所述无人机在农田区域内完成飞行任务后返航，除草任务结束。
[0016]优选的，S1按如下过程，利用带有标记的农田区域图片对改进型YOLOv4网络进行迭代训练，得到训练好的网络模型：
[0017]将1600张以上S1所述的农田区域图片作为训练集，送入改进型YOLOv4网络的输入端，选取CIOU作为边界框的损失函数进行迭代训练100次，迭代训练中不断调整内部权重参数，最终得到一组网络内部参数使损失函数的值达到最小，得到训练好的网络模型。
[0018]进一步，将所述训练集送入改进型YOLOv4网络的输入端后，先通过Mosaic数据增强模型每次从其中随机选取4张图片随机翻转、缩放、色域变化操作后，随机拼接成一张新图片，不断重复直至将所述训练集中所有的图片进行拼接，若最后一次剩余图片不足4张，随机选取拼接过的图片补足，再拼接为一张新图片，再将所有拼接后的图片作为网络输入，选取所述损失函数进行网络的迭代训练。
[0019]进一步，所述损失函数的表达式如下式所示：
[0020][0021]其中，IOU(a,b)为预测框和真实框的交集与预测框和真实框的并集的比值，a
ctr
,b
ctr
分别代表预测框和真实框的中心点坐标，ρ为预测框中心点和真实框中心点的欧式距离，c为同时包含预测框和真实框的最小闭包区域的对角线距离，α为权重函数，v是影响因子。
[0022]进一步，将训练好的网络模型进行精确率和召回率的评估，若精确率和召回率的数值中有一项低于88％，则增大迭代训练的次数为200次继续迭代训练，再进行精确率和召回率的评估，若精确率和召回率的数值中均大于或等于88％，则完成网络模型的优化，用优化后的网络模型对S3所述的实时图片进行检测，否则将训练集中图片的数量增加20％
‑
30％，再进行上述过程的迭代训练。
[0023]优选的，S2中，先用高斯低通滤波抑制农田区域实时图片中的噪声信号，得到处理后的图片，之后用Ghost Net提取处理后的图片的信息，生成Ghost特征图，然后SPP模块提取Ghost特征图中不同大小的空间特征信息，得到三个不同的输出网络层，PANet模块先融
合三个不同的输出网络层之间的特征，将融合后的特征输入至改进型YOLOv4中的Head部分，Head部分根据融合后的特征生成边界框并预测出植被的位置和种类信息。
[0024]进一步，S2在预测出植被的位置和种类信息外，根据最终检测生成的目标边界框判断杂草的大小，当检测到杂草的边界框占比超过整张图片的20％时认定为大型杂草，当检测到杂草的边界框占比小于整张图片的5％时认定为小型杂草，当检测到杂草的边界框占比在整张图片的5％
‑
20％之间认定为中型杂草；
[0025]所述的机身8中还安装有数传模块，数传模块与飞控板相连接，用户通过地面站根据上述三种类型杂草选取对应的除草剂剂量，之后通过数传模块传输至飞控板，S2中当对应的除草剂剂量喷洒完毕后飞控板使喷头2的阀门关闭。
[0026]与现有技术相比，本专利技术具有以下有益的技术效果：
[0027]本专利技术一种基于视觉检测算法的农用无人机除草方法，将带有标记的农田区域图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉检测算法的农用无人机除草方法，其特征在于，包括如下步骤：S1，将带有标记的农田区域图片作为改进型YOLOv4网络的输入，基于损失函数对所述网络进行迭代训练，得到训练好的网络模型，之后所述无人机在药剂装配点装配除草剂；S2，所述无人机采集农田区域实时图片，之后用训练好的网络模型对所述实时图片进行检测，若结果均为农作物，则所述无人机沿预设路径继续飞行；当结果除农作物外有杂草时，所述无人机向所述杂草上方移动，待飞行至所述无人机的喷洒有效范围内后喷洒除草剂；S3，当喷洒完毕后所述无人机返回S2的原位置，重复S2的检测和除草过程。2.根据权利要求1所述的基于视觉检测算法的农用无人机除草方法，其特征在于，所述无人机的机架6中安装有药剂箱3，药剂箱3的顶部开设有注液口7，药剂箱3的下表面安装有机器臂9，机器臂9的末端固定连接有喷头2，喷头2内部搭配有霍尔流量计，喷头2的入口与药剂箱3的底部连通，机架6底部安装有摄像头模块1，无人机的机身8中安装有图传模块和机载电脑；S1中，摄像头模块1先采集农田区域图片，之后传输至机载电脑，机载电脑通过图传模块将所述图片发送至地面站，在地面站中对所述图片中的农作物和杂草进行标记，然后地面站将带有标记的农田区域图片通过图传模块发送至机载电脑后作为改进型YOLOv4网络的输入，得到训练好的网络模型之后通过注液口7装配除草剂；S2中，摄像头模块1采集农田区域实时图片，当结果有杂草时，机载电脑将所述杂草位置信息传输至飞控板，飞控板控制所述无人机向所述杂草上方移动，待飞行至喷头2喷洒的有效范围内后，飞控板输出控制信号调节机器臂9的关节旋转，使喷头2指向杂草，之后飞控板打开喷头2的阀门开关喷洒除草剂，当喷洒完毕后飞控板使喷头2的阀门关闭。3.根据权利要求2所述的基于视觉检测算法的农用无人机除草方法，其特征在于，所述摄像头模块1与机载电脑输入端相连接，机载电脑和图传模块相连接，机载电脑与飞控板的输入端相连接，机器臂9和喷头2的输入端均与飞控板的输出端连接。4.根据权利要求2所述的基于视觉检测算法的农用无人机除草方法，其特征在于，在所述药剂箱3内部加入投入式液位计,检测药剂箱3的液位,飞控板接收液位信号，S3中当所述无人机在飞行过程中除草剂低于一次喷洒的剂量时，无人机返航至药剂装配点装配除草剂，装配完成后回到S3的原位置，继续重复S2的检测和除草过程，当所述无人机在农田区域内完成飞行任务后返航，除草任务结束。5.根据权利要求1所述的基于视觉检测算法的农用无人机除草方法，其特征在于，S1按如下过程，利用带有标记的农田区域图片对改进型YOLOv4网络进行迭代训练，得到训练好的网络模型：将1600张以上S1所述的农田区域图片作为训练集，送入改进型YOLOv4网络的输入端，选取CIOU作为边界框的损失函数进行迭代训练100次，迭代训练中不断调整内部权重参数，最终得到一组...

【专利技术属性】
技术研发人员：杨凯军，梁晨，邹鹏，欧阳凌丛，张志雄，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：