【技术实现步骤摘要】
本专利技术涉及无人施药，特别是一种基于多源数据融合的无人机精准施药方法及系统。
技术介绍
1、随着农业生产的科技进步和无人机技术的发展，利用无人机进行农田精准施药已成为现代化农业生产的重要手段，无人机精准施药是指利用无人机进行农田作物的精确施药，通过使用无人机进行施药，可以实现精确、高效、灵活的施药操作，提高农作物的保护效果，减少农药的浪费和环境污染。然而，在无人机施药过程中，由于环境影响以及设备持续性工作误差原因(如电机累积误差等)会导致施药参数发生变化，导致施药参数发生变化，从而发生施药漂移现象，影响施药精度，为了解决这些问题，本申请提出了一种基于多源数据融合的无人机精准施药方法。
技术实现思路
1、本专利技术克服了现有技术的不足，提供了一种基于多源数据融合的无人机精准施药方法及系统。
2、为达到上述目的本专利技术采用的技术方案为：
3、本专利技术第一方面公开了一种基于多源数据融合的无人机精准施药方法，包括以下步骤：
4、获取待施药农作物的点云数据，基于所述点云数据构建待施药农作物三维模型图，并基于所述待施药农作物三维模型图生成对该待施药农作物进行施药时的预设施药参数；
5、基于所述预设施药参数控制无人机对待施药农作物进行施药，并在多个预设时间节点获取无人机的实际施药参数，构建参数存储库，并将所述实际施药参数导入所述参数存储库中；
6、对所述参数存储库中的实际施药参数进行聚类处理，得到各实际施药参数的隶属度矩阵；并对所
7、根据所述修正后的隶属度矩阵得到无人机中不同类型的实际施药参数，并将各种类型的实际施药参数与相应类型预设施药参数进行比较，得到比较结果，根据所述比较结果对无人机的实际施药参数进行调控。
8、进一步地，本专利技术的一个较佳实施例中，获取待施药农作物的点云数据，基于所述点云数据构建待施药农作物三维模型图，并基于所述待施药农作物三维模型图生成对该待施药农作物进行施药时的预设施药参数，具体为：
9、通过激光点云设备在多个角度位置对待施药农作物进行扫描，并获取在各个角度位置待施药农作物所反馈的点云数据，得到与不同角度位置相应的点云数据子集；
10、引入孤立森林算法，并通过孤立森林算法计算各电源数据子集中各点云数据的孤立得分，将孤立得分大于预设得到的点云数据在相应的点云数据子集中剔除，得到筛选后的点云数据子集；
11、构建三维坐标系，将各点云数据子集导入所述三维坐标系中，并在所述三维坐标系中对各点云数据子集中的点云数据进行对齐处理，得到一个完整的点云模型；
12、在所述三维坐标系中获取所述点云模型中各点云数据之间的相对三维坐标值，根据所述相对三维坐标值构建得到待施药农作物三维模型图；初始化无人机的施药路径起点，以及获取无人机的预设施药范围；
13、基于所述施药路径起点、预设施药范围以及待施药农作物三维模型图，并结合蚁群算法，迭代规划得到对该待施药农作物进行施药时的预设施药参数；其中，所述预设施药参数包括施药路径、施药压力、施药速度、喷洒量、喷洒高度以及喷雾粒径。
14、进一步地，本专利技术的一个较佳实施例中，在所述三维坐标系中对各点云数据子集中的点云数据进行对齐处理，得到一个完整的点云模型，具体为：
15、提取各点云数据子集中点云数据的点云特征，基于所述点云特征生成各点云数据的特征描述符，以通过特征描述符来描述每个点云数据的局部几何属性；
16、根据所述特征描述符，结合最近邻搜索方式找到各点云数据之间的对应关系，根据各点云数据之间的对应关系将不同点云数据子集中距离最近的点云数据进行特征匹配，得到若干对点云数据点对；
17、基于匹配得到的若干对点云数据点对，结合最小二乘法估计每对点云数据点对之间的初始变换矩阵；
18、通过全局优化算法来细化初始变换矩阵，直至所述初始变换矩阵满足预设要求，将对齐后的点云数据进行融合，生成一个完整的点云模型。
19、进一步地，本专利技术的一个较佳实施例中，对所述参数存储库中的实际施药参数进行聚类处理，得到各实际施药参数的隶属度矩阵，具体为：
20、将各实际施药参数转化为一个独立的簇团，并通过余弦相似度算法计算各簇团之间的余弦相似度，根据所述余弦相似度构建相似度矩阵；
21、根据所述相似度矩阵检索出相似度最高的两个簇团，并将相似度最高的两个簇团合并为一个新簇团；
22、根据合并后的新簇团更新相似度矩阵，以反映新簇团与其余簇团之间的相似度；在更新后的相似度矩阵中再次检索出相似度最高的两个簇团，同样将相似度最高的两个簇团合并为一个新簇团；
23、重复以上步骤，直到达到期望的簇团数目，生成初步聚类结果，并根据所述初步聚类结果计算各簇团中各实际施药参数与其聚类中心之间的隶属度，根据所述隶属度生成隶属度矩阵。
24、进一步地，本专利技术的一个较佳实施例中，对所述隶属度矩阵进行修正，得到修正后的隶属度矩阵，具体为：
25、获取各实际施药参数在隶属度矩阵中对应的隶属度，并将隶属度大于预设阈值的实际施药参数映射为1，将隶属度不大于预设阈值的实际施药参数映射为0，得到单位矩阵；
26、根据所述单位矩阵的列向量组成一个基向量组，并利用所述基向量组来表示和操作高维空间中的向量和子空间，以构建得到一个n维空间；
27、将所述隶属度矩阵导入所述n维空间中，获取所述隶属度矩阵中的行向量，并引入jaccard相似度算法，并将预设位置中的行向量作为基准向量，通过所述jaccard相似度算法计算所述基准向量与其余行向量之间的相似性；
28、若某一行向量与基准向量之间的相似性大于预设相似性，则获取与该行向量对应的实际施药参数，并计算该行向量中所有实际施药参数与其余簇团的聚类中心之间的曼哈顿距离；
29、判断该行向量中的实际施药参数与其余簇团的聚类中心之间的曼哈顿距离是否存在小于预设距离的情况，若存在，则将该行向量中相应的实际施药参数重新聚类至曼哈顿距离小于预设距离的簇团中，并更新所述隶属度矩阵，得到修正后的隶属度矩阵。
30、进一步地，本专利技术的一个较佳实施例中，根据所述修正后的隶属度矩阵得到无人机中不同类型的实际施药参数，并将各种类型的实际施药参数与相应类型预设施药参数进行比较，得到比较结果，根据所述比较结果对无人机的实际施药参数进行调控，具体为：
31、根据修正后的隶属度矩阵得到无人机中不同类型的实际施药参数，通过灰哈希算法计算各种类型的实际施药参数与相应类型预设施药参数之间的哈希值；并根据所述哈希值确定出各种类型的实际施药参数与相应类型预设施药参数之间的重合度；
32、将所述重合度与预设重合度进行比较，若所述重合度大于预设重合度，则将该类型的实际施药参数标记为正常施药参数；
33、若所述重合度不大于预设重合度，则将本文档来自技高网...
【技术保护点】
1.一种基于多源数据融合的无人机精准施药方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多源数据融合的无人机精准施药方法，其特征在于，获取待施药农作物的点云数据，基于所述点云数据构建待施药农作物三维模型图，并基于所述待施药农作物三维模型图生成对该待施药农作物进行施药时的预设施药参数，具体为：
3.根据权利要求2所述的一种基于多源数据融合的无人机精准施药方法，其特征在于，在所述三维坐标系中对各点云数据子集中的点云数据进行对齐处理，得到一个完整的点云模型，具体为：
4.根据权利要求1所述的一种基于多源数据融合的无人机精准施药方法，其特征在于，对所述参数存储库中的实际施药参数进行聚类处理，得到各实际施药参数的隶属度矩阵，具体为：
5.根据权利要求1所述的一种基于多源数据融合的无人机精准施药方法，其特征在于，对所述隶属度矩阵进行修正，得到修正后的隶属度矩阵，具体为：
6.根据权利要求1所述的一种基于多源数据融合的无人机精准施药方法，其特征在于，根据所述修正后的隶属度矩阵得到无人机中不同类型的实际施药参数，并将各
7.一种基于多源数据融合的无人机精准施药系统，其特征在于，所述无人机精准施药系统包括存储器与处理器，所述存储器中存储有无人机精准施药方法程序，当所述无人机精准施药方法程序被所述处理器执行时，实现如下步骤：
8.根据权利要求7所述的一种基于多源数据融合的无人机精准施药系统，其特征在于，对所述参数存储库中的实际施药参数进行聚类处理，得到各实际施药参数的隶属度矩阵，具体为：
9.根据权利要求7所述的一种基于多源数据融合的无人机精准施药系统，其特征在于，对所述隶属度矩阵进行修正，得到修正后的隶属度矩阵，具体为：
10.根据权利要求7所述的一种基于多源数据融合的无人机精准施药系统，其特征在于，根据所述修正后的隶属度矩阵得到无人机中不同类型的实际施药参数，并将各种类型的实际施药参数与相应类型预设施药参数进行比较，得到比较结果，根据所述比较结果对无人机的实际施药参数进行调控，具体为：
...【技术特征摘要】
1.一种基于多源数据融合的无人机精准施药方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多源数据融合的无人机精准施药方法，其特征在于，获取待施药农作物的点云数据，基于所述点云数据构建待施药农作物三维模型图，并基于所述待施药农作物三维模型图生成对该待施药农作物进行施药时的预设施药参数，具体为：
3.根据权利要求2所述的一种基于多源数据融合的无人机精准施药方法，其特征在于，在所述三维坐标系中对各点云数据子集中的点云数据进行对齐处理，得到一个完整的点云模型，具体为：
4.根据权利要求1所述的一种基于多源数据融合的无人机精准施药方法，其特征在于，对所述参数存储库中的实际施药参数进行聚类处理，得到各实际施药参数的隶属度矩阵，具体为：
5.根据权利要求1所述的一种基于多源数据融合的无人机精准施药方法，其特征在于，对所述隶属度矩阵进行修正，得到修正后的隶属度矩阵，具体为：
6.根据权利要求1所述的一种基于多源数据融合的无人机精准施药方法，其特征在于，根据所述修正后的隶属度矩阵得到无人机中不同类型的...
【专利技术属性】
技术研发人员：王秀国，王清海，刘通，亓玉昆，慕文静，董爱新，
申请(专利权)人：中国农业科学院烟草研究所中国烟草总公司青州烟草研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。