【技术实现步骤摘要】
本专利技术涉及农业施药，尤其涉及一种航空施药药液沉积分布监测方法、装置和电子设备。
技术介绍
1、近年来无人机凭借其速度快、效率高、不受地形限制、不损坏作物的优点，被广泛应用于植保作业。无人机作业时机体与作物冠层间存在一定的空间距离，且喷施的雾滴粒径细小，雾滴极易产生漂移，使得雾滴在喷施区域的沉积分布难以监测。目前，研究者根据雾滴的物理特性和运动学特性建立预测模型，对雾滴沉积分布进行预测，预测的准确性较差。
技术实现思路
1、本专利技术提供一种航空施药药液沉积分布监测方法、装置和电子设备，用以解决现有技术中根据雾滴物理特性和运动学特性建立预测模型，对雾滴沉积分布进行预测，预测的准确性较差的缺陷。
2、第一方面，本专利技术提供一种航空施药药液沉积分布监测方法，包括：
3、实时获取施药无人机的作业状态数据、环境数据，以及所述施药无人机拍摄的作业区域的图像数据；
4、实时地将所述作业状态数据、环境数据和作业区域的图像数据输入至雾滴沉积分布预测模型，得到所述雾滴沉积分布预测模型输出的作业区域对应的雾滴沉积分布热力图；
5、其中，所述雾滴沉积分布预测模型是基于样本施药无人机的样本作业状态数据、样本环境数据和所述样本施药无人机拍摄的样本区域的样本图像数据，以及所述样本区域对应的雾滴沉积分布热力图标签训练得到的。
6、在一些实施例中，所述雾滴沉积分布预测模型包括特征提取层、特征融合层和预测层；
7、对应地，所述将所述作业状态
8、将所述作业状态数据、环境数据和作业区域的图像数据输入至所述特征提取层，得到所述特征提取层输出的多维特征向量和特征图；
9、将所述多维特征向量和特征图输入至所述特征融合层，得到所述特征融合层输出的融合特征图；
10、将所述融合特征图输入至所述预测层，得到所述预测层输出的所述作业区域对应的雾滴沉积分布热力图。
11、在一些实施例中，所述特征提取层包括第一特征提取层和第二特征提取层；
12、对应地，所述将所述作业状态数据、环境数据和作业区域的图像数据输入至所述特征提取层，得到所述特征提取层输出的多维特征向量和特征图，包括：
13、将所述作业状态数据、环境数据输入至所述第一特征提取层，得到所述第一特征提取层输出的所述多维特征向量；
14、将所述作业区域的图像数据输入至所述第二特征提取层，得到所述第二特征提取层输出的所述特征图。
15、在一些实施例中，所述方法还包括：
16、获取预设时间段内的多个所述雾滴沉积分布热力图；
17、确定每一雾滴沉积分布热力图的时间信息；
18、对所述每一雾滴沉积分布热力图进行坐标转换，得到所述每一雾滴沉积分布热力图的空间信息，所述空间信息包括所述每一雾滴沉积分布热力图上各点的经纬度坐标；
19、基于所述每一雾滴沉积分布热力图的时间信息和空间信息，对多个所述雾滴沉积分布热力图进行融合，得到多个作业区域对应的全局雾滴沉积分布热力图。
20、在一些实施例中，所述作业状态数据包括飞行参数和施药参数，所述环境数据包括温度、湿度、风速和风向，所述作业区域的图像数据包括所述作业区域的热红外图像数据。
21、在一些实施例中，所述方法还包括：
22、将所述作业区域对应的雾滴沉积分布热力图实时发送至客户端。
23、在一些实施例中，所述雾滴沉积分布预测模型的确定过程包括：
24、获取样本施药无人机的样本作业状态数据、样本环境数据，以及所述样本施药无人机拍摄的样本区域的样本图像数据；
25、确定所述样本区域对应的雾滴沉积分布热力图标签；
26、以所述样本作业状态数据、样本环境数据和样本区域的样本图像数据为样本数据，以所述样本区域对应的雾滴沉积分布热力图标签为样本标签，对初始雾滴沉积分布预测模型进行训练；
27、在所述初始雾滴沉积分布预测模型训练完成后，得到所述雾滴沉积分布预测模型。
28、在一些实施例中，所述初始雾滴沉积分布预测模型包括初始特征提取层、初始特征融合层和初始预测层；
29、对应地，所述对初始雾滴沉积分布预测模型进行训练，包括：
30、将所述样本作业状态数据、样本环境数据，以及样本区域的样本图像数据输入至所述初始特征提取层，得到所述初始特征提取层输出的样本多维特征向量和样本特征图；
31、将所述样本多维特征向量和样本特征图输入至所述初始特征融合层，得到所述初始特征融合层输出的样本融合特征图；
32、将所述样本融合特征图输入至所述初始预测层，得到所述初始预测层输出的所述样本区域对应的雾滴沉积分布热力图预测结果；
33、基于所述样本区域对应的雾滴沉积分布热力图预测结果，以及所述样本区域对应的雾滴沉积分布热力图标签，利用二元交叉熵损失函数，计算损失函数值；
34、基于所述损失函数值，更新所述初始雾滴沉积分布预测模型的参数。
35、第二方面，本专利技术还提供一种航空施药药液沉积分布监测装置，包括：
36、第一获取单元，用于实时获取施药无人机的作业状态数据、环境数据，以及所述施药无人机拍摄的作业区域的图像数据；
37、预测单元，用于实时地将所述作业状态数据、环境数据和作业区域的图像数据输入至雾滴沉积分布预测模型，得到所述雾滴沉积分布预测模型输出的作业区域对应的雾滴沉积分布热力图；
38、其中，所述雾滴沉积分布预测模型是基于样本施药无人机的样本作业状态数据、样本环境数据和所述样本施药无人机拍摄的样本区域的样本图像数据，以及所述样本区域对应的雾滴沉积分布热力图标签训练得到的。
39、第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述航空施药药液沉积分布监测方法。
40、本专利技术提供的航空施药药液沉积分布监测方法、装置和电子设备，通过实时获取施药无人机的作业状态数据、环境数据和作业区域的图像数据，基于获取的数据，利用预先构建的雾滴沉积分布预测模型，实时地得到作业区域对应的雾滴沉积分布热力图，提高了雾滴沉积分布预测的准确性。
本文档来自技高网...【技术保护点】
1.一种航空施药药液沉积分布监测方法，其特征在于，包括：
2.根据权利要求1所述的航空施药药液沉积分布监测方法，其特征在于，所述雾滴沉积分布预测模型包括特征提取层、特征融合层和预测层；
3.根据权利要求2所述的航空施药药液沉积分布监测方法，其特征在于，所述特征提取层包括第一特征提取层和第二特征提取层；
4.根据权利要求1所述的航空施药药液沉积分布监测方法，其特征在于，所述方法还包括：
5.根据权利要求1-4任一项所述的航空施药药液沉积分布监测方法，其特征在于，所述作业状态数据包括飞行参数和施药参数，所述环境数据包括温度、湿度、风速和风向，所述作业区域的图像数据包括所述作业区域的热红外图像数据。
6.根据权利要求1所述的航空施药药液沉积分布监测方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的航空施药药液沉积分布监测方法，其特征在于，所述雾滴沉积分布预测模型的确定过程包括：
8.根据权利要求7所述的航空施药药液沉积分布监测方法，其特征在于，所述初始雾滴沉积分布预测模型包括初始特征提取层、初
9.一种航空施药药液沉积分布监测装置，其特征在于，包括：
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述航空施药药液沉积分布监测方法。
...【技术特征摘要】
1.一种航空施药药液沉积分布监测方法，其特征在于，包括：
2.根据权利要求1所述的航空施药药液沉积分布监测方法，其特征在于，所述雾滴沉积分布预测模型包括特征提取层、特征融合层和预测层；
3.根据权利要求2所述的航空施药药液沉积分布监测方法，其特征在于，所述特征提取层包括第一特征提取层和第二特征提取层；
4.根据权利要求1所述的航空施药药液沉积分布监测方法，其特征在于，所述方法还包括：
5.根据权利要求1-4任一项所述的航空施药药液沉积分布监测方法，其特征在于，所述作业状态数据包括飞行参数和施药参数，所述环境数据包括温度、湿度、风速和风向，所述作业区域的图像数据包括所述作业区域的热红外图像数据。...
【专利技术属性】
技术研发人员：翟长远，付豪，陈立平，赵学观，谭昊然，
申请(专利权)人：北京市农林科学院智能装备技术研究中心，
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。