基于工艺美术基础的农业无人机外壳外观设计

农业无人机是近年来农业机械化发展的新兴领域,它既可以提高农业生产效率,又能够减少农药和化肥的使用量,保护生态环境。农业无人机的外观设计,不仅要考虑美观度,还要考虑实用性和安全性。为此,将工艺美术基础相关技术引入到农业无人机外壳外观设计过程中,首先设计了其外观,然后设计了外壳模具结构,最后进行了开模试验。结果表明:实际开模试验的实物没有出现气泡、变形和缺料等缺陷,外观造型富含艺术感,符合设计需求。

基于迭代算法分析的无线通信信号识别研究

为进一步提升我国植保无人机通信系统的作业效率,基于迭代计算思维,针对其无线通信信号的识别与处理模块展开分析。以通信路径原理为基础,以通信信道资源识别、功率改进为切入点,搭建准确的通信迭代计算模型,进行特性分析与关联匹配设置,并展开整机通信作业参数试验效果验证。结果表明:基于迭代算法分析的无线通信信号识别与处理各模块功能运行稳定,信号时延率与信道误码率均相对降低,通信的识别准确率相对提升8.94%,整体通信综合效率提升至96.93%。此迭代算法分析准确,设计效果明显,对于类似智慧型农机装备的通信质量与通信效率提升有较好的参考价值。

基于计算机仿真技术的农业无人机通信系统设计

对农业无人机信道模型进行了分析,并从软、硬件两方面设计了农业无人机通信系统,最后根据农业无人机作业特点,采用统计性建模方式建立了农业无人机通信系统仿真平台。仿真结果表明:农业无人机通信系统吞吐量较大,资源分配能力和网络缓存能力较强,系统稳定性高,能够满足作业过程中正常的通信需求。

基于果树的农业无人机作业模式及参数研究现状

农业无人机具有地形适应性强、工作效率高、对土地污染少、节约用水等优势,在果树植保领域应用前景广阔。以果树的作业需求为背景进行无人机装备研制、作业模式探索和作业参数研究等具有现实意义。介绍了用于果树作业的国内部分知名品牌农业无人机的主流机型及性能特点,分析了农业无人机针对果树作业的主要作业方式和喷洒方式,对无人机喷头喷雾特性、航线设计和算法优化等研究现状进行了阐述,综述了无人机作业参数对果树施药雾滴沉积分布和施药效果影响的研究现状。最后总结分析了果树作业模式下未来农业无人机的研究方向和发展趋势。

基于多光谱遥感和CNN的玉米地上生物量估算模型

目前玉米地上生物量(Aboveground biomass,AGB)的预测方法集中在使用从无人机图像中提取光学植被指数,通过线性模型或机器学习算法与AGB建立关系,原始图像信息损失严重,玉米生长后期的饱和效应会严重降低模型精度。针对此问题,本文收集了玉米拔节期、吐丝期和乳熟期的无人机图像和地面数据。分析了不同生育期玉米干地上生物量、鲜地上生物量与8个植被指数(Vegetation indexes,VIs)之间的相关性。分别以最优植被指数作为输入建立多层感知机(Multilayer perceptron,MLP)模型、以无人机多光谱图像作为输入建立卷积神经网络(Convolutional neural network,CNN)模型来估算玉米干地上生物量、鲜地上生物量。结果表明,基于MLP的玉米干地上生物量估算模型随着玉米生育期推进,模型的精度急剧下降,3个生长期MLP模型验证集R^(2)分别为0.65、0.23、0.32,RMSE分别为0.27、2.15、5.03 t/hm^(2)。CNN模型能够较好地克服光谱饱和问题,具有良好的精度和适用性,3个生育期验证集R^(2)分别提高27.69%、191.30%、171.88%,RMSE分别降低22.22%、38.14%、45.53%。基于MLP的玉米鲜地上生物量估算模型在玉米生长后期模型的精度同样较低,吐丝期、乳熟期验证集的R^(2)分别为0.27、0.37,RMSE分别为11.57、14.98 t/hm^(2)。CNN模型2个生育期验证集的R^(2)分别提高159.26%、129.73%,RMSE分别降低26.62%、54.01%。使用原始多光谱图像作为输入的CNN模型取得了最好的估计结果,可为玉米不同生育期的监测研究、精准管理提供指导。

基于无人机视频影像的油菜苗检测与计数

针对油菜生长早期传统人工苗情调查方法效率低、主观意识强,不能满足大面积或经常性高精度苗期调查作业需求的问题,该研究基于无人机影像及机器学习技术,提出一种油菜苗视频流检测模型及计数方法。通过对YOLO系列基础模型添加多头自注意力,用BasicRFB(basic receptive field block)模块替换原有的空间池化结构(spatial pyramid pooling-fast,SPPF)模块,并对Neck部分添加一维卷积及更换下采样方式等,进一步结合DeepSORT(deep simple online and real-time tracking)算法和越线计数技术实现对油菜苗的数量统计。算例测试结果表明,改进后YOLOv5s的交并比阈值0.50的平均精度均值达到93.1%,交并比阈值0.50~0.95的平均精度均值达到了67.5%,明显优于Faster RCNN、SSD和YOLOX等其他经典目标检测算法,交并比阈值0.50的平均精度均值分别高出14.82、26.37和3.3个百分点,交并比阈值0.50~0.95的平均精度均值分别高出25.7、33.9和6.7个百分点。油菜苗计数试验结果表明,离线视频计数时,在合理的种植密度区间内,所提算法的油菜苗计数精度平均达到93.75%,平均计数效率为人工计数的9.54倍;在线实时计数时,在不同天气情况下,计数平台的油菜苗计数精度最大相差1.87个百分点,具有良好的泛化性,满足油菜苗计数实时性要求。

无人机播种技术专利现状

我国作为世界上的农业大国,农田面积达到1.2亿公顷,农业发展由人工作业向机械化、自动化,田间管理向精细化、智能化转变是大势所趋。对于播种技术,传统的农业播种方式有撒播、点播、条播等。其中撒播技术作为一种重要的农业播种方式,由于其是采用抛撒的方式实现的播种作业,相比于其他的点播、条播技术,其具有成本低、作业效率高等特点。

基于半解析涡环模型的农用单旋翼直升机流场快速计算

农业航空领域中,定量获取风场(流场)速度分布对单旋翼直升机辅助授粉作业、农药施用效率提升具有重要意义。基于此提出一种半解析理论方法能够快速完整计算单旋翼流场速度。以涡环模型为基础,将农用直升机旋转桨盘下的尾涡系等效为涡环连续叠加所形成的圆柱涡面,再由涡环速度诱导公式半解析计算直升机旋翼空间各点速度。理论模型与仿真和文献试验数据比较,结果表明:涡环模型简单快速,普通计算机(CPU 2 GHz,内存2 GB)上2.8 s完成计算;悬停时与计算流体力学仿真结果下洗速度径向平均误差小于1.9 m/s,平均相对误差小于39.1%,轴向平均误差小于2.26 m/s,平均相对误差小于54.6%;悬停时,诱速从中央往桨尖递增;前飞时,平飞速度越大诱速越小;流场主要影响因素依次为前飞速度、旋翼半径、飞机总重、空气密度。为定量计算农用直升机旋翼风场、辅助授粉作业和田间施药喷头布置提供一种快速方法和参考。

基于KNN神经网络的无人机作业操控系统研究

为进一步提升我国农业植保无人机的精准作业效率,针对其操控系统展开优化研究。选定KNN神经网络算法为执行理念,以无人机作业控制原理为基础,搭建正确的过程参数动态计算模型,进行操控系统的算法实现与调控配置,并展开基于KNN神经网络的无人机喷施作业试验。试验结果表明:KNN神经网络算法下的无人机操控系统运行稳定,过程参数的分类准确率相对提高了8.00%,目标喷施流量与试验喷施流量的偏差率相对降低了5.71%,农药喷施均匀度可提升至94.75%,整机作业综合效率明显提升。此设计理念以计算机智能数据处理为出发点,对无人机的高效率全面发挥有一定的推动作用,可用于类似智能农机装备的控制系统改进与开发,具有一定的参考价值。

无人机在农业中的应用及其对农业效率的影响研究

文章综合论述无人机技术应用于农业生产,显着提高农业效率。无人机作为一种先进农业工具在农作物生长监测,土地资源管理,精准农药和肥料喷洒,收成后农作物评价和管理等诸多方面都起到了至关重要的作用。研究显示无人机技术应用显著提高作业效率与成本效益,当然也有技术应用局限性。本文最后探讨了无人机技术未来的发展方向及其在农业可持续性方面可能做出的贡献。

基于相邻争夺算法的无人机多架次植保作业路径规划

为了提高植保无人机作业效率,减少无人机作业损耗,该研究针对传统粒子群优化(particle swarm optimization,PSO)算法在规划植保作业路径时容易陷入局部最优,能耗最优方案的搜索能力低下等问题,该研究提出一种基于相邻争夺(adjacent competition, AC)算法的植保无人机作业路径规划算法。首先,对所有粒子设置作业距离范围,以防止单次作业距离过长或过短的极端情况;其次,在作业距离范围内随机分配每个粒子的作业距离,作为搜索的初始值;最后,相邻粒子相互争夺作业距离间接改变各架次作业距离,搜索出最优路径。相邻争夺算法保证了植保无人机作业总距离一定,对搜索方向进行先验且保证特殊点不被遗漏,避免算法陷入局部最优解。使用Matlab软件对420 m×200 m的模拟植保场地进行算法仿真验证,传统粒子群算法常陷入局部最优解,在10次规划中相较于遍历出的能耗最优规划方案增加了16.16%~38.14%的能耗,本文提出的相邻争夺算法规划结果的能耗远低于传统粒子群算法,算法具有更强的搜索能力。使用RflySim仿真平台搭建植保无人机模型和420 m×200 m的作业场地,在虚拟环境下比较传统粒子群算法与相邻争夺算法规划结果的模拟跟踪情况,相邻争夺算法规划结果的能耗相较传统粒子群算法减少了25.15%。420 m×200 m作业场地实际飞行试验中,相邻争夺算法规划结果的能耗相较传统粒子群算法减少了34.48%,更适应多架次植保作业。

考虑动态能耗的无人机采收菠萝田间收集点优化配置研究

为了深化无人机在田间菠萝采收和运输过程中的应用,探索无人机悬停放置菠萝到收集箱中的技术方案。无人机的续航能力限制菠萝采收工作的完成,而对续航能力影响最大的因素是无人机的载重,提出在田间设立菠萝收集点,并确定收集点的最优设立数量及位置,以确保菠萝采收工作的有效完成。在研究方法上,基于K-means算法寻找最佳收集点位置及分组方式,建立无人机采收菠萝的能耗及成本模型,通过编写程序对模型进行求解,并以无人机续航能力为约束条件,确定了无人机采收菠萝的最大覆盖范围和菠萝采摘数量。通过比较不同设立数量和位置的收集点方案,得出综合最优的结果。在不更换无人机电池的情况下,1台农业无人机采收菠萝约480个,采收面积约44m^(2)。随着收集点设立数量增加,无人机总路程和总能耗呈稳步下降状态,总成本呈稳步上升状态,分析发现667 m^(2)菠萝地设立15个固定位置的收集点时总能耗、总路程和总成本达到均衡最优。无人机采收菠萝的收集点配置优化方案,可为应用无人机进行田间作物采收及运输时收集点的数量和选址提供建设性意见。

基于无人机多光谱影像的水稻生物量估测

水稻是中国主要粮食作物之一,对水稻生物量进行及时、准确、快速、高效地监测具有重要作用。该研究以无人机多光谱影像作为数据源,提取10种多光谱植被指数与水稻生物量进行相关性分析,结果表明全生育期的生物量与植被指数的相关性比单期更高,在植被覆盖度接近100%并趋于稳定后,将全生育期数据划分为营养生长期和生殖生长期,也能提高生物量与植被指数的相关性。全生育期10种植被指数全为显著相关,其中差值植被指数(difference vegetation index,DVI)相关性最高,为0.689;营养生长期10种植被指数均为显著相关,其中红边波段比值植被指数(red-edge ratio vegetation index,RE-RVI)相关性最高,为0.894;生殖生长期植被指数除DVI外均为显著相关,其中稻穗部分红边波段归一化植被指数(red-edge normalized difference spectral reflectance index,RE-NDVI)相关性最高,为-0.794,茎秆叶部分RE-RVI相关性最高,为0.629。分别利用营养生长期与生殖生长期的植被指数构建生物量估测模型,营养生长期主要模型为二次回归模型和指数模型,较优的多光谱指数为RE-RVI,验证精度决定系数R^(2)为0.90,均方根误差RMSE为119.36 g/m^(2);生殖生长期稻穗主要模型为二次回归模型,较优的多光谱指数为比值植被指数(ratio vegetation index,RVI),验证精度决定系数R^(2)为0.78,均方根误差RMSE为124.98 g/m^(2)。总体上看,利用植被覆盖度接近100%时来划分全生育期数据构建生物量估测模型能够提升模型精度,而生殖生长期将稻穗与茎秆叶分别构建模型也能提高生物量的估测精度。研究结果可为无人机多光谱影像技术对全生育期水稻生物量监测提供理论依据和技术支持。

农用无人机施药技术应用研究现状

无人机施药作为一种新型施药技术,与传统施药相比作业效率高、环保、时效性强、成本低,且不会对作物和土壤造成物理损害,已广泛应用于大田作物。综述国内外农用无人机发展现状及其快速发展的原因,阐述农用无人机在玉米、水稻、小麦、棉花上的应用。分析农用无人机施药技术面临的主要问题:质量参差不齐,相关政策法规不健全;飞防专用药剂选择无标准、安全风险大;电池容量较小,电池续航能力弱;售后服务体系不完善、专业飞手培训局限等。展望农用无人机施药作业实时监测、一机多能或多机合作、生物防治、喷药方式革新等未来发展方向,以期为农用无人机施药技术的发展提供借鉴与参考。

无人机作业参数对苹果树雾滴沉积分布的影响

为了研究植保无人飞机在苹果果树雾滴分布的情况,选用韦加JF01-20电动八旋翼四轴植保无人机作为测试平台,探讨飞行速度和喷雾助剂对于苹果果树雾滴分布的影响。试验设定了6组试验处理,以水敏纸为雾滴分布测试工具,分别布置在果树的上中下冠层,统计果树立体冠层的雾滴分布数据。研究结果表明:果树相同冠层水平面的雾滴分布差异性较大,雾滴分布的变异系数值范围在49.1%~227.6%之间变化;雾滴的分布数值结果在果树冠层从上至下逐步降低,雾滴分布的数值结果随着飞行速度的增加而降低,各雾滴测试指标的变化趋势相同;添加助剂后,各个试验处理以及冠层间的雾滴分布结果具有显著的提升。研究结果可为植保无人飞机应用于苹果果树的喷洒提供数据支持。

基于无人机影像技术的柑橘园产量估算方法

为了实现对柑橘果园产量的准确自动估算,设计了一套基于无人机影像技术的柑橘产量估算系统,包括无人机、摄像机、图像接收器和计算机等主要模块。首先,通过无人机航拍获取果园中的柑橘果树视频数据,接收器将获得的数据传输到计算机平台,使用改进的YOLOv5目标检测算法获得视频中柑橘果实的位置信息;然后,通过卡尔曼滤波和卷积神经网络实现不同帧之间相同水果的匹配关联,为每个水果标记独立的ID,以ID总数作为视频中的柑橘果实总数的估计值。试验结果表明:果园柑橘产量的估算最高获得88.6%的准确率,可有效帮助果农掌握果园中的柑橘数量,为果园的智慧管理提供了科学决策依据。

植保无人机精准喷施方法研究综述

作为一种新兴农业技术,植保无人机以其高效、精准、灵活等特点在农作物疾病和虫害防治中具有重要意义。综述了植保无人机精准喷施方法的关键技术,包括植保无人机发展现状、路径规划算法、喷施器研究和漂移控制。通过对相关文献的分析和整理,总结了植保无人机路径规划算法的特点和应用情况,重点介绍了经典路归算法、遗传算法以及蚁群优化等元启发算法的优点和不足,以及喷施器研究和漂移控制研究的进展和挑战。最后,提出了未来研究的方向和建议,包括改进算法性能、优化路径规划策略、提高喷施器的精度和稳定性、优化漂移控制算法等。旨在为相关研究者提供全面的研究概览,推动植保无人机精准喷施技术的进一步发展和应用。

无人机在乡村振兴精准农业中的应用研究——基于汉语语言多维视角选择

介绍了汉语语言多维视角选择在无人机中的应用,设计了无人机飞行控制系统整体方案,并从姿态检测和高度检测等模块设计了无人机飞行控制系统硬件部分,最后建立了无人机运动模型和实现了无人机自主飞行的避障策略。飞行试验结果表明:无人机可以准确从起点飞行至终点,中途避开了障碍物,具有较好的稳定性,验证了飞行避障策略的可行性。

基于语音识别处理的植保无人机航行路径控制研究

设计了基于HMM的语音识别处理算法,分析了植保无人机的结构与工作原理,并利用改进人工势场法对植保无人机的飞行控制和航行轨迹规划进行分析了研究。试验结果表明:语音控制控制准确度非常高,达到了90%及以上;植保无人机航行路径控制准确,能够成功避开障碍物,并动态规划最优飞行路径。

基于无人机遥感的农作物病害监测研究进展

作物病害的高效、精准监测不仅在保障农业生产安全中具有重要意义,还对国家粮食安全政策的制定起着至关重要的作用。近年来,随着无人机技术的迅速发展,无人机农业遥感因其高空间分辨率、时效性强、成本相对较低等优势,在农作物病害监测领域的应用日益广泛。首先梳理了无人机遥感在作物病害监测中的应用背景,概述了当前广泛应用于农业生产中的无人机设备及其搭载的作物监测传感器;其次,从技术方法和研究进展的双重视角,系统综述了无人机遥感技术在作物病害监测中的具体应用及其成果;最后,深入探讨了影响无人机遥感病害监测精度的关键因素,分析了当前尚存的技术瓶颈,并展望了无人机遥感在作物病害监测中的未来发展方向。通过研究旨在为我国农作物病害监测平台的构建及相关技术的发展提供理论支持和实践参考。