一种松材线虫航拍远程监测的无人机制造技术

本发明专利技术涉及一种松材线虫航拍远程监测的无人机，其包括机身，安装在机身上的多个桨叶动力单元，设置在机身底部的广角摄像头，机身上设有高度传感器，机身内设有与广角摄像头和高度传感器有线信号连接的控制单元

【技术实现步骤摘要】
一种松材线虫航拍远程监测的无人机


[0001]本专利技术涉及航拍监控设备领域，尤其是涉及一种松材线虫航拍远程监测的无人机
。

技术介绍

[0002]松材线虫是松属树种最严重
、
具有毁灭性的外来入侵物种，可导致松树染病后最快
40
天左右死亡，2‑3月内全部死亡
。
自从其
1982
年在我国初次发现以来，迅速扩散，
2021
年3月已经蔓延至全国
17
个省
(
市
、
自治区
)723
个县级行政区，其中浙江省内疫区达
70
个县
(
市
、
区
)
，防控形势十分严峻
。
[0003]投入不断加大
、
措施逐渐严密的积极防控努力没能完全阻隔疫病的扩散，究其原因，其中最主要的是缺乏及时
、
准确
、
详尽的疫情监测信息，无法动态
、
精准地指导防控工作
。
目前，每年一次的普查信息主要依靠人工地面典型调查获得，不仅频率低，而且精度不高，更重要的是没有疫木的空间位置信息
。
由此导致除治计划偏离实际
、
实施效率低
、
监管无法到位等一系列问题，最后结果是在很多情况下防控效果不尽人意
。
[0004]遥感技术因其成像面积大，不用直接接触目标物体等特点，为松材线虫病监测提供了一种新途径
。
近年来飞速发展的高空间分辨率卫星遥感和无人机遥感技术，使得疫木识别和空间位置信息获取自动化成为可能
。
[0005]近年来发展起来的无人机遥感技术为我国变色松树的快速定位和总量估计带来了解决办法
。
然而，目前分散的单株变色松树无人机影像提取中仍然停留在目视判读的水平，完全依靠人工目视判读变色松树的工作方案效率低
、
主观性强
。
现有的支持向量机
、
面向对象
、
神经网络等遥感数据分类提取算法虽然一定程度上提高人工目视判读的效率，但就时间复杂度而言难以满足
GB
甚至
TB
数量级的超高空间分辨率大区域无人机影像计算需求
。

技术实现思路

[0006]本专利技术的目的是为了解决现有技术存在的缺陷，提供一种松材线虫航拍远程监测的无人机
。
[0007]为了实现上述目的，本专利技术采用的技术方案如下：
[0008]一种松材线虫航拍远程监测的无人机，包括机身，安装在机身上的多个桨叶动力单元，设置在机身底部的广角摄像头，机身上设有高度传感器，机身内设有与广角摄像头和高度传感器有线信号连接的控制单元；
[0009]其中，控制单元包括：
[0010]第一信号接收
、
存储模块，用于接收广角摄像头拍摄的松树所在区域的影像，并将拍摄的影像存储；
[0011]第二信号接收模块，用于接收高度传感器的高度传感信号；
[0012]数据获取模块，使用遥感技术获取广角摄像头拍摄的影像的树冠颜色影像数据；
[0013]预处理模块，用于对获取的树冠颜色影像进行预处理，包括去除噪声
、
校正图像偏差；
[0014]树冠标准特征存储模块，用于存储若干张正常松树树冠的图像；
[0015]特征提取模块，从树冠颜色影像中提取特征，包括纹理特征
、
颜色特征和形状特征；
[0016]分类算法模块，选择合适的分类算法对特征提取模块提取的特征进行分类；
[0017]训练
、
测试模块，使用已标记的样本数据进行分类的训练，并使用另一组未标记的数据进行分类的测试和验证；
[0018]松树数量记录模块，根据广角摄像头拍摄的松树所在区域的影像，对松树株的数量进行记录；
[0019]中央处理模块，与第一信号接收
、
存储模块和第二信号接收模块信号连接
。
[0020]进一步，桨叶动力单元包括设置在机身上的多个电机，与电机连接的桨叶
。
[0021]进一步，数据获取模块获取树冠颜色影像数据时，需要计算树冠颜色影像数据的
RGB
值：
[0022]首先，从树冠颜色影像中选择一个感兴趣的区域或像素点；
[0023]对于彩色图像，每个像素点包含红色
R、
绿色
G
和蓝色
B
三个通道的数值；
[0024]使用计算公式计算
RGB
值时，采用以下公式之一：
[0025]平均值法：
RGB
＝
(R+G+B)/3
；
[0026]加权平均法：
RGB
＝
(0.3*R)+(0.59*G)+(0.11*B)
；
[0027]将计算得到的
RGB
值作为树冠颜色影像数据进行记录和分析
。
[0028]进一步，分类算法模块的分类算法包括支持向量机
、
随机森林和卷积神经网络
。
[0029]进一步，预处理模块对获取的树冠颜色影像进行去噪音预处理时，其方法为：
[0030]使用一个固定大小的滤波器，将每个像素点的值替换为其周围像素的均值；
[0031]公式如下：滤波后像素值＝
(
周围像素的总和
)/(
滤波器大小
)。
[0032]进一步，特征提取模块对拍摄的树冠影像颜色特征提取的具体演算包括如下步骤：
[0033]RGB
颜色空间：
[0034]‑
平均
RGB
值：计算图像中所有像素的
R、G、B
分量的平均值；
[0035]‑
方差：计算图像中所有像素的
R、G、B
分量的方差；
[0036]‑
色彩直方图：统计图像中每个颜色值的像素数量，使用
3D
直方图或者分别计算
R、G、B
分量的
1D
直方图；
[0037]HSV
颜色空间：
[0038]‑
平均色调：计算图像中所有像素的色调分量的平均值；
[0039]‑
饱和度：计算图像中所有像素的饱和度分量的平均值；
[0040]‑
值：计算图像中所有像素的值分量的平均值；
[0041]‑
色彩直方图：统计图像中每个色调
、
饱和度
、
值的像素数量，使用
3D
直方图或者分别计算每个分量的
1D
直方图；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种松材线虫航拍远程监测的无人机，包括机身，安装在所述机身上的多个桨叶动力单元，设置在所述机身底部的广角摄像头，其特征在于，所述机身上设有高度传感器，所述机身内设有与所述广角摄像头和高度传感器有线信号连接的控制单元；其中，所述控制单元包括：第一信号接收
、
存储模块，用于接收所述广角摄像头拍摄的松树所在区域的影像，并将拍摄的影像存储；第二信号接收模块，用于接收所述高度传感器的高度传感信号；数据获取模块，使用遥感技术获取所述广角摄像头拍摄的影像的树冠颜色影像数据；预处理模块，用于对获取的树冠颜色影像进行预处理，包括去除噪声
、
校正图像偏差；树冠标准特征存储模块，用于存储若干张正常松树树冠的图像；特征提取模块，从树冠颜色影像中提取特征，包括纹理特征
、
颜色特征和形状特征；分类算法模块，选择合适的分类算法对所述特征提取模块提取的特征进行分类；训练
、
测试模块，使用已标记的样本数据进行分类的训练，并使用另一组未标记的数据进行分类的测试和验证；松树数量记录模块，根据所述广角摄像头拍摄的松树所在区域的影像，对松树株的数量进行记录；中央处理模块，与所述第一信号接收
、
存储模块和所述第二信号接收模块信号连接
。2.
根据权利要求1所述的一种松材线虫航拍远程监测的无人机，其特征在于，所述桨叶动力单元包括设置在所述机身上的多个电机，与所述电机连接的桨叶
。3.
根据权利要求1所述的一种松材线虫航拍远程监测的无人机，其特征在于，所述数据获取模块获取树冠颜色影像数据时，需要计算树冠颜色影像数据的
RGB
值：首先，从树冠颜色影像中选择一个感兴趣的区域或像素点；对于彩色图像，每个像素点包含红色
R、
绿色
G
和蓝色
B
三个通道的数值；使用计算公式计算
RGB
值时，采用以下公式之一：平均值法：
RGB
＝
(R+G+B)/3
；加权平均法：
RGB
＝
(0.3*R)+(0.59*G)+(0.11*B)
；将计算得到的
RGB
值作为树冠颜色影像数据进行记录和分析
。4.
根据权利要求1所述的一种松材线虫航拍远程监测的无人机，其特征在于，所述分类算法模块的分类算法包括支持向量机
、
随机森林和卷积神经网络
。5.
根据权利要求1所述的一种松材线虫航拍远程监测的无人机，其特征在于，所述预处理模块对获取的树冠颜色...

【专利技术属性】
技术研发人员：周文锋，叶根华，蔡伟飞，王臻，张鑫磊，孙钰富，
申请(专利权)人：浙江同创空间技术有限公司，
类型：发明
国别省市：