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。

光照不均匀条件下无人机航拍低照度图像增强方法

增强图像时高低频参数未增强,没有更好地保留图像的细节和平衡图像的亮度,因此,提出一种光照不均匀条件下无人机航拍低照度图像增强方法。首先通过高斯滤波预处理无人机航拍图像,实现无人机航拍图像中的噪声抑制,将预处理后的图像通过小波分解得到图像的高频参数和低频参数,分别通过双边滤波算法、软阈值方法和直方图对图像的低频参数和高频参数进行增强,采用小波重构对增强后的图像高频参数和低频参数进行重构,得到增强后的无人机航拍图像。通过实验验证,该方法能够实现一种效果较好的图像增强,在原始图像基础上,通过文中方法增强原始亮度8.14%、对比度提高了37.90%以及清晰度增加了31.01%,使得图像的整体质量得到了显著提升,为后续的图像分析、处理提供了更加准确、丰富的信息。

基于预测误差法的无人机安全控制器设计

具备安全性的无人机控制器是保障无人机作战完整性的重要因素之一,该控制器能够在安全的界限范围内控制无人机的飞行性能。针对无人机的安全控制器的设计问题,首先,对无人机的闭环控制系统进行分析,并采用非参数预测误差估计的方法对闭环控制系统中的执行机构模块进行辨识,以证明辨识得到的模型与实际模型无偏;其次,阐明了无人机安全性的含义,并在闭环控制系统的辨识模型的基础上,对无人机的安全控制器进行了设计;最后,以无人机飞行姿态角中的俯仰通道为例,对安全控制器性能进行了仿真验证。实验结果证明了无人机安全控制器的有效性,能够将无人机的飞行性能控制在安全范围内,为飞行安全提供保障。

基于能耗优化的四旋翼无人机航迹规划:分段式高斯伪谱法

在四旋翼无人机航迹规划中引入能耗优化策略以延长其飞行时间,能够显著提升其实用性和经济性。为此,提出了一种基于分段式高斯伪谱法的能耗最优航迹规划算法。首先,构建了四旋翼无人机运动学-能耗综合模型,能定量描述无人机运动学及能耗间耦合关系;其次,基于此模型,将考虑能耗优化的航迹规划问题转化为带约束的连续时间优化问题;最后,设计了分段式高斯伪谱法求解出优化航迹,其中通过滑动选取优化子区间的方法,在航点数量较多的复杂飞行任务中有效缩短了计算时间,同时提升了轨迹的平滑性和航点跟踪准确性。仿真和实验结果表明,与传统定航点飞行相比,所提算法能大幅降低飞行能耗,与常用优化算法相比,所提算法在保证能耗优化效果的同时,所需计算时间更短,航点跟踪精度更高。

基于图像处理和BP神经网络的森林防火无人机系统

对无人机设计方案、图像处理和火焰分割算法的技术原理进行了介绍,并利用BP神经网络对图像中的火焰面积变化率和火焰尖角等特征进行识别,实现了对森林火灾的快速监测。实验结果表明:系统的准确率为98.5%,比普通神经网络的84.5%更高;耗时仅22 s,比普通神经网络159 s缩短很多。这表明,BP神经网络是更可靠且更有效率的火灾识别方案。

面向工业场景的无人机时空众包资源分配

无人机时空众包资源分配是工业物联网能源管理中的重要任务之一.尽管现有方法考虑了联合反映时间敏感性和公平性的信息新鲜度指标,但忽略了无人机禁飞区和窃听者对数据新鲜度的影响.本文提出了一种基于深度强化学习的无人机时空众包资源分配方法,在考虑无人机禁飞区约束和对窃听者发送干扰信号以保障数据安全的情况下,最小化平均信息新鲜度和物联网设备能耗,从而得到最优无人机轨迹、发射干扰信号功率和物联网发射功率.然而,无人机时空众包中的资源分配复杂且存在挑战,主要表现为决策变量类型多且与考虑服务质量要求的系统性能指标关系复杂.本文将该问题建模为马尔可夫决策过程并使用先进的深度强化学习算法求解该问题,即软演员–评论家(SAC)算法.在多无人机场景下验证了所提出算法在解决无人机时空众包资源分配任务中的有效性和正确性.另外,SAC算法相较于其他两种先进的深度强化学习算法,即深度确定性策略梯度算法和双延迟深度确定性策略梯度算法,具有更快的收敛速度和更优的解.最后,分析了最优无人机数目的选择方案.

应用背包和无人机LiDAR数据对森林地上生物量估测

激光雷达(LiDAR)技术在林业调查中应用广泛,能够精确获取森林垂直结构信息。利用背包LiDAR结合实地调查样地,验证其替代实地调查的可行性;应用UAV-LiDAR数据,采用多元逐步回归(MSR)、支持向量机(SVM)和随机森林(RF)算法,建立地上生物量估测模型并进行对比分析。研究结果显示:(1)在人工干预下,应用背包LiDAR数据提取的单木参数与实测值高度相关,平均胸径的决定系数(R^(2))为0.98,均方根误差(R_(MSE))为0.35 cm;平均树高的R^(2)为0.96,R_(MSE)为0.63 m。(2)应用背包LiDAR构建的生物量样本,利用UAV-LiDAR建立的AGB估测模型中,随机森林模型表现最佳(R^(2)=0.75,R_(MSE)=23.58 t/hm^(2)),其次是支持向量机模型(R^(2)=0.63,R_(MSE)=30.49 t/hm^(2)),多元逐步回归模型表现最差(R^(2)=0.54,R_(MSE)=35.60 t/hm^(2))。因此,背包LiDAR获取的单木胸径及树高精度较高,可替代实测样地生物量,以扩大样本覆盖范围;应用背包LiDAR数据结合机载LiDAR,可实现较大尺度的森林生物量快速估测,为大范围森林生物量反演提供了一种可行方法。

无人机海上舰船目标影像超分辨率重建

针对无人机在获取海上舰船目标影像时面临的实时性与清晰度之间的矛盾,提出一种影像压缩模糊重建方法。该方法利用改进的YOLOv8检测模型和Real-ESRGAN网络,通过数据集构建、网络训练调试和部署运用等步骤,实现了在有限带宽和计算资源环境下地面端高质量舰船目标影像的实时重建。首先利用改进的YOLOv8模型对影像中舰船目标进行精准检测和定位,随后通过Real-ESRGAN网络对压缩及模糊影像进行重建,以恢复影像的高分辨率和细节信息。实验结果表明,该方法不仅显著提升了影像的清晰度和检测准确性,还大幅减少了带宽消耗,满足了无人机舰船识别的高实时性要求,且在资源受限的情况下表现尤为突出。为无人机在海上舰船目标监测领域提供了一种有效的解决方案,不仅提高了无人机的监测和识别能力,也为进一步推进无人机在海洋监测中的广泛应用奠定了基础。

改进YOLOv8n的无人机航拍图像检测算法

针对无人机航拍图像中目标小、尺度变化大和背景干扰等因素导致检测精度低、定位不准确的问题,提出一种改进YOLOv8n的无人机航拍图像目标检测算法。首先改进C2f模块,利用可变形卷积(DCN)替换其Bottleneck中的卷积以适应航拍图像中物体的形变和尺度变化,同时,在主干网络引入LSK注意力机制,实现动态调整空间感受野,从而在特征提取阶段更灵活地适应不同目标对背景信息需求的差异;然后改进颈部网络,增加一个较浅的检测层并移除大目标检测层,使网络能更有效地捕获小目标的特征以提升检测精度;最后引入WIoU损失函数,使模型更加关注低质量样本,得到更高的检测精度。在VisDrone2019数据集上进行对比实验和消融实验,mAP_(50)值较基线算法模型提升了5.2个百分点,参数量减少了20%,检测速度(FPS)达到87帧/s,能够满足实时性的检测需求。与主流算法进行对比实验,所提算法表现优于目前的主流算法。在DOTA数据集上进行泛化实验,mAP_(50)值提升了1.7个百分点,证明所提算法具有通用性。

基于无人机果树冠层卷吸效应的窄弧扇形防漂移喷嘴设计

针对植保无人机对果树冠层喷洒易产生的药液漂移问题,结合植保无人机对果树喷洒时产生的卷吸效应和扇形喷嘴雾化原理,设计了一种窄弧扇形喷嘴结构,并通过对不同冠层压力损失系数下的喷洒过程进行仿真分析,得到最佳防漂移的窄弧扇形喷嘴结构参数。研究结果表明:喷嘴内径增大,液膜与液带结构趋于稳定,液滴分布均匀,沉积率呈先降后升趋势;冠层压力损失系数降低,粒径频谱宽度减小,但沉积率总体提高;对较厚冠层果树植保时,选择内径1.3 mm、狭缝宽度0.15 mm的喷嘴,防漂移性能较好;对较薄冠层果树植保时,选择内径1.03 mm、狭缝宽度0.2 mm的喷嘴,防漂移性能较好;采用窄弧扇形喷嘴的液滴频谱宽度>0.7,沉积率>94.1%。

无人机多光谱影像的小麦倒伏信息多特征融合检测研究

为探究多特征融合方法在作物倒伏领域快速精准识别中的适用性,利用无人机获取多田块冠层尺度的不同倒伏率麦田多光谱数据,对原始倒伏图像进行图像拼接、辐射校正、几何校正等预处理,并利用重归一化差值植被指数和阴影指数分别剔除土壤和阴影背景,提取小麦倒伏DSM模型和植被指数分别与多光谱图像进行多特征图像主成分变换融合,筛选差异性较大的纹理特征,采用支持向量机(SVM)、人工神经网络(ANN)和最大似然法(MLC)监督分类模型对多光谱和DSM融合图像、多光谱和归一化植被指数(NDVI)融合图像、多光谱图像和纹理特征图像进行监督分类,并采用总体精度(OA)、 Kappa系数和提取误差综合评价各监督模型的分类性能和倒伏提取精度。分类结果表明:各监督分类方法在不同倒伏区域提取结果建模效果趋势一致,SVM和ANN整体提取精度高于MLC,在高倒伏区域,多光谱与NDVI融合图像的SVM监督模型(OA:92.63%, Kappa系数:0.85,提取误差:1.11%)提取效果最好;在中倒伏区域,多光谱与DSM融合图像的SVM监督模型(OA:90.35%, Kappa系数:0.79,提取误差:9.34%)提取效果最好;在低倒伏区域,均值纹理特征图像的ANN监督模型(OA:91.05%, Kappa系数:0.82,提取误差:8.20%)提取结果较好。本研究将DSM模型、植被指数、纹理特征与多光谱图像进行融合对比,并对多特征融合方法能否高精度有效提取小麦倒伏信息进行了探究,结果表明无人机多光谱遥感结合特征融合技术能有效提取小麦倒伏面积,提取效果优于单特征小麦倒伏图像。本研究结果可为助力小麦倒伏灾情调查数据的精确获取方法提供参考。

“岗课赛证”融合育人模式探索与实践——以《无人机技术》为例

为紧跟职业技能人才发展需求,提高人才培养质量,以无人机技术为例,从职业岗位出发,将技能竞赛和证书的考核要求融入教学内容,基于“岗课赛证”四位一体化教学改革,设计了典型工作模块,并从课程设计、教学实施与成效、教学反思与改进方面进行探索与实践,突出虚实结合,强调德技双修,课堂教学采用“三段-八步”模式展开,注重过程考核,实现以赛证促学、促教,教学效果良好,以期能为相关专业课程开展“岗课赛证”教学改革提供参考。

一种面向多任务的无人机辅助的通信网络资源分配与轨迹优化研究

装载各种有效荷载的无人机(UAV)能够实现传感、通信和计算等多任务,因而常被部署到数据采集(DA)和辅助计算等领域。但是到目前为止,绝大多数研究仅专注于单一功能的无人机辅助的通信网络资源分配与轨迹优化,对于面向多任务的资源分配和轨迹优化问题还未解决。为此,该文提出一种综合考虑无人机数据采集、数据广播以及计算任务卸载的无人机辅助的通信网络资源优化的分配策略,旨在通过联合优化传输占空比、用户发射功率与无人机轨迹,在满足目标位置采集数据实时广播的前提下,最大化用户卸载量。为了解决多变量耦合优化问题,提出了基于块坐标下降(BCD)和连续凸逼近(SCA)的高效迭代优化算法,将耦合优化问题分解为3个子问题进行迭代优化。最后,大量仿真结果表明,该算法在公平性和总卸载计算量方面都优于其他测试方案。

基于轻量型网络的无人机遥感图像中茶叶枯病检测方法

针对无人机采集的茶叶枯病图像中病斑差异大,病斑和背景之间相似性高等问题,设计了一个轻量型网络LiTLBNet,用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络,用来提取茶叶枯病病斑的可区分特征,减少因图像中病斑的尺度、颜色和形状的巨大差异而导致的漏检。在LiTLBNet的LNeck结构中引入了SE和ECA模块,帮助网络在通道维度上学习目标的综合特征,减少因病斑和背景之间的相似性造成的误检,同时删除原基线网络最大的特征图,以减少计算量和模型大小。此外,本研究还通过旋转、加噪声、构建合成图像等方式来扩充训练样本数量,提高小样本条件下LiTLBNet网络泛化能力。实验结果表明,利用LiTLBNet检测无人机遥感图像中茶叶枯病的精度为75.1%,平均精度均值为78.5%,与YOLO v5s接近。然而,LiTLBNet内存占用量仅2.0 MB,是YOLO v5s网络的13.9%。LiTLBNet网络可用于对茶叶枯病进行实时、准确的无人机遥感监测。

基于FE-P2Pnet的无人机小麦图像麦穗计数方法

针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题,提出了一种基于FE-P2Pnet(Feature enhance-point to point)的无人机小麦图像麦穗自动计数方法。对无人机图像进行亮度和对比度增强,增大麦穗目标与背景之间的差异度,减少叶、秆等复杂背景因素的影响。引入了基于点标注的网络P2Pnet作为基线网络,以解决麦穗密集的问题。同时,针对麦穗目标小引起的特征信息较少的问题,在P2Pnet的主干网络VGG16中添加了Triplet模块,将C(通道)、H(高度)和W(宽度)3个维度的信息交互,使得主干网络可以提取更多与目标相关的特征信息;针对麦穗尺寸不一的问题,在FPN(Feature pyramid networks)上增加了FEM(Feature enhancement module)和SE(Squeeze excitation)模块,使得该模块能够更好地处理特征信息和融合多尺度信息;为了更好地对目标进行分类,使用Focal Loss损失函数代替交叉熵损失函数,该损失函数可以对背景和目标的特征信息进行不同的权重加权,进一步突出特征。实验结果表明,在本文所构建的无人机小麦图像数据集(Wheat-ZWF)上,麦穗计数的平均绝对误差(MAE)、均方误差(MSE)和平均精确度(ACC)分别达到3.77、5.13和90.87%,相较于其他目标计数回归方法如MCNN(Multi-column convolutional neural network)、CSRnet(Congested scene recognition network)和WHCNETs (Wheat head counting networks)等,表现最佳。与基线网络P2Pnet相比,MAE和MSE分别降低23.2%和16.6%,ACC提高2.67个百分点。为了进一步验证本文算法的有效性,对采集的其它4种不同品种的小麦(AK1009、AK1401、AK1706和YKM222)进行了实验,实验结果显示,麦穗计数MAE和MSE平均为5.10和6.17,ACC也达到89.69%,表明本文提出的模型具有较好的泛化性能。

火光烟雾条件下无人机激光探测与跟踪实验研究

高能激光在打击低小慢目标时,目标容易燃烧产生火光烟雾,传统的可见光和红外探测方式对目标的跟踪和瞄准在火光烟雾干扰的情况下易受影响进而导致目标失跟。提出了一种基于主动激光雷达体制的高精度探测和瞄准方法。首先,对火光烟雾条件下无人机表面的激光反射特性进行理论分析和仿真模拟,以此设计了基于APD的单光子激光雷达探测系统,获得了仿真探测概率随激光脉冲能量变化的理论曲线;其次,构建了基于InGaAs-SPAD的光子成像探测系统,进行了无人机室内实验。实验结果表明:在无火光烟雾条件下,基于距离像跟踪的目标质心位置相较于基于可见光图像跟踪的目标质心位置平均角偏差小于0.55 mrad,基于距离像序列的跟踪轨迹与基于可见光图像序列的跟踪轨迹基本一致,证明了Mean-Shift跟踪算法用于距离像的跟踪的可行性。在距离30 m处的模拟烟雾干扰条件下,采用选通延时滤除烟雾干扰能够获得轮廓清晰的目标距离像。在模拟火光干扰条件下,跟踪框中心X、Y坐标偏离目标质心约为0.58 mrad和0.39 mrad。

基于EMSDBO算法的无人机三维航迹规划

针对无人机(unmanned aerial vehicle,UAV)三维航迹规划问题,提出一种增强型多策略蜣螂算法的UAV航迹规划方法。首先,将飞行接近率和响应时间的动态约束添加到威胁成本代价中,并考虑UAV转弯性能的影响,建立三维任务空间模型与航迹代价函数。其次,在蜣螂算法中引入偏移估计策略、变螺旋搜索策略、准反向学习策略和逐维变异策略,提高算法的全局寻优能力和收敛速度。最后,给出了改进算法在三维环境下航迹规划的仿真结果。结果表明:综合考虑UAV机动性能和转弯性能,规划出的路径可以更加安全有效地避开危险源。相比其他算法,改进算法的寻优能力更好,规划的航迹质量更优。

基于无人机技术的露天矿山越界开采监测与评估方法

高效快速评估露天矿山越界开采对开展矿产卫片执法检查和推进严格保护矿产资源策略、推动区域高质量发展具有重要意义。基于无人机飞行技术、传感器技术、通信技术和影像处理技术,结合卫星遥感、地理信息系统应用,采集无人机航测数据与飞控系统数据,快速获取了疑似违法矿山二维场景图像(SIM),动态飞行展示矿区全貌和精细地物;进一步建立了矿山三维数字高程模型(DEM),定性研判违法类型与性质;针对需求建立了矿山的三维数字表面模型(DSM),定量估算违法采矿资源量;利用四维数字表面模型(DSM),查明矿山历史时期的违法过程,测算违法开采的资源量。无人机航测技术实现区域矿产资源开发秩序的快速监测和精细评估,为矿产资源的卫片执法检查工作提供理论支撑和决策依据。在江南某地进行试验的实例表明,基于无人机技术的露天矿山越界开采监测与评估方法技术具有时效性强、操作便捷、精细高效等优势,在支撑服务自然资源领域的卫片执法检查工作方面可以更加广泛地应用。

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。