一种基于无人机遥感数据的茶树病害识别系统技术方案

本发明专利技术公开了一种基于无人机遥感数据的茶树病害识别系统，茶树的病虫害状况直接影响茶叶的产量和质量，传统茶树病害监测存在耗时耗力并且效率低和成本高的问题。因此，本发明专利技术将无人机遥感技术与茶树病害防治相结合，利用无人机采集茶树冠层的高光谱影像数据，对采集到的影像数据进行校正处理，根据高光谱遥感测定的反射率数据来反演计算出茶树冠层的叶绿素含量和叶面积指数，通过对比分析健康与病害虫态茶叶的光谱特征，提前有效地预判茶园的病虫害状况。以此可满足茶树病虫情信息高频率定期监测需求，提高茶树病虫害的普查效率。提高茶树病虫害的普查效率。提高茶树病虫害的普查效率。

【技术实现步骤摘要】
一种基于无人机遥感数据的茶树病害识别系统


[0001]本专利技术涉及茶树养护领域，特别涉及一种基于无人机遥感数据的茶树病害识别系统。

技术介绍

[0002]茶树在其生长发育过程中，时时刻刻面临着病虫害的危害，病虫害会导致茶叶品质不佳以及减产，造成严重经济损失。目前，我国常见的茶园病虫害防治方法有喷洒农药、昆虫网诱捕等，效率较低，防治效果有限，并且所使用的化学农药会对人体和茶园环境造成一定程度的危害。及时有效地对茶树进行监测并提供预警，有利于控制茶树病虫害的发展，最大限度地减少经济损失，提高经济效益。目前主要采用传统人工普查的方法来发现茶树中的病虫害，劳动强度大，并且耗费财力，普查效率低下。而如果茶农利用无人机遥感技术，可以对茶园环境进行精准检测，了解茶树的生长状况，结合大数据、人工智能等先进技术，对茶树的受灾程度、受灾原因进行分析，从而制定科学有效的防治方案，节省农药喷洒量，提高茶园的综合效。
[0003]高光谱遥感技术是目前国际上监测农作物病虫害光谱特性变化手段之一，它具有光谱分辨率高、图谱合一、波段较多且连续性强、光谱信息量大等特点。以无人机为载体，搭载高光谱影像仪等传感器获取地表遥感影像，通过计算机对采集的影像信息进行处理，此举结合了无人机轻便、易操作和高光谱影像仪可采集地物连续光谱信息等优点，可以方便快捷地对大面积茶山进行监测和病虫害防治。高光谱数据的应用使信息提取更有利。研究作物受病虫危害后的光谱变化，确定不同作物和病虫害监测的敏感波段和敏感时期，如何将光谱数据融合计算机视觉进行机器学习，是目前高光谱遥感用于农作物病虫害监测的研究热点和关键。针对以上问题，以下提出一种解决方案。

技术实现思路

[0004]本专利技术的目的是提供一种基于无人机遥感数据的茶树病害识别系统，具有可以更全面地得到整体和局部病虫害查打方案，解决了现在人力资源浪费、无法精细施药作业的技术问题的优点。
[0005]本专利技术的上述技术目的是通过以下技术方案得以实现的：
[0006]一种基于无人机遥感数据的茶树病害识别系统，包括数据监测和接收系统、无人机自主导航系统以及数据传输和云计算平台，
[0007]所述数据监测和接收系统包括：
[0008]监测定位模块，所述监测定位模块用于定位无人机集体，以获取所述飞行坐标和坡面海拔数据；
[0009]传感器遥感模块，所述传感器遥感模块用于控制接收无人机所采集的监测数据，所述监测数据包括可见光谱数据，所述可见光谱数据为茶树叶面病害光谱图像并生成的高精度光谱影像数据，所述高精度光谱影像数据包括多个波段光谱影像数据，所述传感器模
块用于提供可见光谱数据，所述传感器模块用于提供飞行坐标和坡面海拔数据；
[0010]人工算法模块，所述人工算法模块用于为图像校正处理精度和对比度，所述人工算法用于对高精度光谱影像数据进行校正处理的边缘计算；
[0011]基于STM32F103的数据接收存储模块，所述数据接收存储模块用于将所述监测数据从外设通过同步DMA短脉冲传输协议传输保存至本地内存，生成本地内存数据；
[0012]所述数据传输和云计算平台包括：
[0013]数据传输单元DTU，所述数据传输单元DTU为将所述本地内存数据转换为IP数据，并通过4G移动信息系统进行传送的无线终端设备；
[0014]茶被病害程度指数计算模块，所述茶被病害程度指数计算模块预置有病害程度等级，根据传输的所述高精度可见光谱数据和多个波段的光谱影像数据得到所述茶被病害程度值，并得出第一预案数据，用于提供防治建议；
[0015]地理位段整合模块，所述地理位段整合模块用于从飞行坐标和坡面海拔中整合出茶园病虫害分布矢量图，并得出第二预案数据；
[0016]驱虫病害计算模块，所述驱虫病害计算模块用于将所述第一预案数据和所述第二预案数据输入至神经网络喷洒模型，以得到病虫害查打数据；
[0017]病虫害查打模型，所述病虫害查打模型用于根据病虫害查打数据形成病虫害查打方案，所述病虫害查打方案包括茶园整体查打方案和局部查打重点方案；
[0018]所述无人机自主导航系统包括飞行控制系统、无人机定位系统和视觉处理系统。
[0019]所述传感器模块获取地表遥感影像数据，并对影像数据进行校正处理，所述校正处理包括对采集的高光谱影像数据进行辐射校正，再进行去噪处理，最后进行几何校正。
[0020]作为优选，所述人工算法为对高光谱影像数据的局部方差来调整滤波器的输出，建立图像数据各个波段模型，利用模型所建来实现高光谱影像数据的辐射校正；利用维纳滤波算法对辐射一致性校正后的高光谱影像数据进行去噪处理；采用双通道修补所述高光谱影像数据的缺损值。
[0021]作为优选，所述无人机定位系统包括一项有已知反射率变化的定向靶标，所述定向靶标架设于茶园内，所述传感器模块采集标定靶标的高光谱影像数据。
[0022]作为优选，所述神经网络喷洒模型用于将所要喷洒药量的等级逐一输入进行计算，并对其输出向量为农药的喷洒量控制。
[0023]所述病虫害查打模型用于根据病虫害查打数据形成病虫害查打方案；
[0024]所述病虫害查打方案包括茶园(茶坡)整体查打方案和局部查打重点方案；
[0025]由传感器遥感模块监测到的监测数据和定位系统提供的飞行坐标和坡面海拔数据通过STM32单片机双ADC同步采集获得，通过DMA协议保存内部。由于在所有可见光谱波段中，能体现茶作物生长信息的可见光谱数据仅在所有波段中特殊波段位置，因此传感器模块会首先筛选出所述可见光谱数据中，通过modbus协议将此数据和定位数据传递给DTU，让使用过程更加自动化。
[0026]以上为该系统数据监测和接收的边缘处理过程，以下详述具体的数据传输和云端处理过程：
[0027]通过DTU将数据转换为IP数据并通过4G移动信息系统进行传送的无线终端设备，云端对采集的内容进行校正和去噪，并对校正后的部分数据进行优选和拼接，将可用结果
保存，并组构出完整的病虫害区域矢量图。云计算平台通过矢量图从库中筛选出对应病虫查打方案。
[0028]无人机自动导航系统的自动巡航也会在设定后存放在云端和无人机机体。对于自动巡航中航线路线和巡航时间都是可供随时修改的变量文件，也可提供多个不同子文件和备选文件，巡航作业过程至少会在同一个瞄体记录两次，用以获取更高准确度的高光谱数据。
[0029]本技术提供的基于无人机遥感数据的茶树病害识别系统，包括无人机和云端平台，所述无人机的搭载包括：
[0030]基于ARM Cortex
‑
M3处理器的STM32嵌入式主控模块；
[0031]可见光谱传感器，采集茶园的高光谱影像数据；
[0032]存储模块，将采集到的高光谱影像和定位信息进行保存；
[0033]4G通信模块，将采集到的高光谱影像和定位信息传至云端平台和通过WIFI进行定位
[0034]本专利技术的有益效果为：<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机遥感数据的茶树病害识别系统，其特征在于，包括数据监测和接收系统、无人机自主导航系统以及数据传输和云计算平台，所述数据监测和接收系统包括：监测定位模块，所述监测定位模块用于定位无人机集体，以获取所述飞行坐标和坡面海拔数据；传感器遥感模块，所述传感器遥感模块用于控制接收无人机所采集的监测数据，所述监测数据包括可见光谱数据，所述可见光谱数据为茶树叶面病害光谱图像并生成的高精度光谱影像数据，所述高精度光谱影像数据包括多个波段光谱影像数据，所述传感器模块用于提供可见光谱数据，所述传感器模块用于提供飞行坐标和坡面海拔数据；人工算法模块，所述人工算法模块用于为图像校正处理精度和对比度，所述人工算法用于对高精度光谱影像数据进行校正处理的边缘计算；基于STM32F103的数据接收存储模块，所述数据接收存储模块用于将所述监测数据从外设通过同步DMA短脉冲传输协议传输保存至本地内存，生成本地内存数据；所述数据传输和云计算平台包括：数据传输单元DTU，所述数据传输单元DTU为将所述本地内存数据转换为IP数据，并通过4G移动信息系统进行传送的无线终端设备；茶被病害程度指数计算模块，所述茶被病害程度指数计算模块预置有病害程度等级，根据传输的所述高精度可见光谱数据和多个波段的光谱影像数据得到所述茶被病害程度值，并得出第一预案数据，用于提供防治建议；地理位段整合模块，所述地理位段整合模块用于从飞行坐标和坡面海拔中整合出茶园病虫害分布矢量图，并得出第二预案数据；驱...

【专利技术属性】
技术研发人员：王妍，白云龙，王健，刘益，
申请(专利权)人：绍兴职业技术学院，
类型：发明
国别省市：