预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113588500A(43)申请公布日2021.11.02(21)申请号202110761805.8(22)申请日2021.07.06(71)申请人沈阳农业大学地址110000辽宁省沈阳市沈河区东陵路120号(72)发明人陈春玲姚伟祥于丰华许童羽郭爽苏东旭周传琦赵丹(74)专利代理机构佛山市君创知识产权代理事务所(普通合伙)44675代理人冼柏恩(51)Int.Cl.G01N15/04(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种航空施药作业雾滴沉积效果检测方法(57)摘要本发明公开了一种航空施药作业雾滴沉积效果检测方法,首先划定航空施药作业的检测区域,接着确定施药作业检测区域三维场景空间深度及结构;构建喷施检测区域靶标作物多模态三维生长模型以及制作检测区域采样点位布局方案与施药作业处方图;随后在检测区域进行气味传感器布置;接着将气味添加剂与农药混合;无人机按照施药作业处方图进行航空施药作业;待药液沉降T时间后,所有气味传感器对气味检测室内收集到的特定添加气味进行检测,结合气味‑农药定量转化检测模型分析各个采样点位的农药沉积量;地面控制端结合各个采样点位所处检测区域的实际空间位置,评价不同施药区域农药沉积情况,最终得到整体检测区域的航空施药作业雾滴沉积效果。CN113588500ACN113588500A权利要求书1/2页1.一种航空施药作业雾滴沉积效果检测方法,其特征在于,包括以下步骤:(1)、根据施药靶标对象划定航空施药作业的检测区域,其中,所述的检测区域包括沉积检测区域和飘移检测区域;该检测区域的总面积记为S;(2)、利用双目视觉技术与三维场景深度恢复技术来确定施药作业检测区域三维场景空间深度及结构;同时,结合植株三维点云茎叶分割、果穗提取和表型性状提取技术,利用多种视觉设备获取检测区域场景数据与靶标作物的表型数据;对获取的各类数据进行预处理、标注及筛选,构建喷施检测区域靶标作物多模态三维生长模型;(3)、选择气味添加剂,按照添加比例r添加至喷施药液中混合;选用气味传感器阵列,利用气味传感器在实验室环境中对不同农药量的气味添加剂的特定气味进行精确特征提取,完善信号预处理和模式识别,确定气味传感器最佳开始采样时刻T及采样时长t,获得添加气味物质的气味图谱,结合不同农药浓度生成气味曲线,建立基于特定添加气味的气味‑农药定量转化检测模型;(4)、根据喷施检测区域靶标作物多模态三维生长模型,结合靶标作物病虫害发生特性、防治目的、作业时气象条件以及农用无人机的亩用药量、飞行参数、机型、飞行路径、喷头类型,制作检测区域采样点位布局方案与施药作业处方图;(5)、检测人员按照检测区域采样点布局方案进入施药作业检测区域进行气味传感器布置,并依次对各个气味传感器进行开机检查,保证各个气味传感器远程正常工作,以及保证地面控制端的指令传送与数据接收通畅;(6)、气味传感器布置完毕后,将气味添加剂按照实验室配比比例r与农用无人机中的药液混合,农用无人机按照施药作业处方图开始进行航空施药作业;此时,气味传感器均处于关闭状态;(7)、农用无人机施药作业结束后,待药液沉降一段时间T后,地面控制端远程控制所有气味传感器打开其气味检测室,开始对气味进行采集工作,采样时长为t,之后地面控制端再远程控制所有气味传感器的气味检测室同步关闭;(8)、气味传感器开始对气味检测室内储存的特定添加气味进行检测,结合气味‑农药定量转化检测模型分析判读各个采样点位的农药沉积量,数据实时回传地面控制端;(9)、地面控制端结合各个采样点位所处检测区域的实际空间位置,对回传的数据进行整体分析,评价不同施药区域农药沉积情况,最终得到整体检测区域的航空施药作业的雾滴沉积效果。2.根据权利要求1所述的航空施药作业雾滴沉积效果检测方法,其特征在于,在步骤(1)中,所述沉积检测区域为必须设定区域,所述飘移检测区域为非必须设定区域,其中,所述沉积检测区域根据作物表型特征对应设置采样点位,采样点位的设置数量为每100m2不少于2个;所述飘移检测区域以设置若干条飘移检测带的形式进行检测,每条飘移检测带由若干线性间隔排列的采样点位组成;同时,要求飘移检测带的最远端检测采样点位距离最近飞行航线的直线距离不少于50m。3.根据权利要求1所述的航空施药作业雾滴沉积效果检测方法,其特征在于,在步骤(2)中,所述检测区域场景数据与靶标作物的表型数据包括株高、冠幅、茎粗、茎高、叶宽、叶长、穗位高、株高穗位高比、穗长、穗粗、密度、郁闭度、原位群体点云数据、单体点云数据、原位多视角图像以及深度图像;其中,深度识别范围在05‑4.5m,茎叶分割精度不低于90%,果2CN113588500A权利要求书2/2页穗识别精