[發(fā)明專利]一種無人機(jī)察打一體除草方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011381523.7
• 申請(qǐng)日: 2020-12-01
• 公開（公告）號(hào): CN112699729A
• 公開（公告）日: 2021-04-23
• 發(fā)明（設(shè)計(jì)）人: 孫福權(quán)
• 申請(qǐng)（專利權(quán)）人: 北京麥飛科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08;A01M7/00;B64D1/18
• 代理公司: 北京久維律師事務(wù)所 11582
• 代理人: 邢江峰

1.一種無人機(jī)察打一體除草方法，其特征在于：所述無人機(jī)察打一體除草方法包括如下步驟：

(1)田間生境數(shù)據(jù)獲取，獲取目標(biāo)作業(yè)區(qū)域的作業(yè)規(guī)劃信息，確定察打一體除草區(qū)域，并確定察打一體無人機(jī)航線，通過使用察打一體無人機(jī)獲取光譜數(shù)據(jù)，將獲取的光譜數(shù)據(jù)進(jìn)行存儲(chǔ)，備用；

(2)數(shù)據(jù)預(yù)處理，對(duì)采集到的數(shù)據(jù)進(jìn)行幾何校正和輻射定標(biāo)，數(shù)據(jù)的DN值轉(zhuǎn)變?yōu)榉瓷渎剩?/p>

(3)使用語義分割精準(zhǔn)識(shí)別田間雜草，采用圖像語義分割結(jié)構(gòu)，通過Unet網(wǎng)絡(luò)結(jié)合底層和高層的信息，而UNet兩大特點(diǎn)是U型結(jié)構(gòu)和跳躍連接，通過U型結(jié)構(gòu)對(duì)應(yīng)編碼和解碼，編碼進(jìn)行下采樣，解碼進(jìn)行上采樣，也就是將編碼得到的高級(jí)語義特征圖恢復(fù)到原圖片的分辨率；編碼后底層信息是低分辨率信息，提供分割目標(biāo)在整個(gè)圖像中上下文語義信息，細(xì)化得到分割的輪廓，在解碼中使用到跳躍連接，補(bǔ)充信息的作用，為分割提供更加精細(xì)的特征，針對(duì)目標(biāo)與背景分布不平衡、分類難度差異不同，進(jìn)而損失函數(shù)使用FocalLoss，進(jìn)而確定田間雜草；

(4)根據(jù)田間雜草長(zhǎng)勢(shì)情況變量噴灑除草藥劑，根據(jù)語義分割精準(zhǔn)識(shí)別出田間雜草，監(jiān)測(cè)當(dāng)前田塊是否有草，然后確定是否施藥；在施藥策略上有草的地方施藥，無草的地方分兩種方法施藥；其一，無草的地方不打藥；其二，由于無人機(jī)監(jiān)測(cè)的是植株冠層，可能會(huì)遮擋到底部的雜草，為保險(xiǎn)起見，無草的地方打一定比例的藥劑。

2.根據(jù)權(quán)利要求1所述的一種無人機(jī)察打一體除草方法，其特征在于：所述步驟(1)中察打一體無人機(jī)選用的噴頭霧化要適度，避免霧滴過大或者過小，霧滴過大，葉面布展著不好，且易滾落，霧滴過小，蒸發(fā)作用明顯，導(dǎo)致藥效不佳。

3.根據(jù)權(quán)利要求1所述的一種無人機(jī)察打一體除草方法，其特征在于：所述步驟(1)中除草區(qū)域確定后需要制定目標(biāo)航線，確定目標(biāo)航向方便控制無人作業(yè)設(shè)備按照目標(biāo)航線進(jìn)行待播草種的植草作業(yè)。

4.根據(jù)權(quán)利要求1所述的一種無人機(jī)察打一體除草方法，其特征在于：所述步驟(2)中DN值是遙感影像像元亮度值，記錄的地物的灰度值；無單位，是一個(gè)整數(shù)值，值大小與傳感器的輻射分辨率、地物發(fā)射率、大氣透過率和散射率等有關(guān)。

5.根據(jù)權(quán)利要求1所述的一種無人機(jī)察打一體除草方法，其特征在于：所述步驟(3)中的損失函數(shù)是標(biāo)準(zhǔn)交叉熵?fù)p失的升級(jí)改進(jìn)版，它可以通過減少易分類樣本的權(quán)重，使得模型在訓(xùn)練時(shí)更專注于難分類的樣本；FocalLoss這個(gè)損失函數(shù)有g(shù)amma和alpha兩個(gè)參數(shù)，gamma這個(gè)參數(shù)用來解決簡(jiǎn)單樣本與困難樣本的問題，alpha這個(gè)參數(shù)是平衡因子，用來解決數(shù)據(jù)集樣本不均的問題；網(wǎng)絡(luò)訓(xùn)練時(shí)gamma和alpha兩個(gè)參數(shù)需合理調(diào)參。

6.根據(jù)權(quán)利要求1所述的一種無人機(jī)察打一體除草方法，其特征在于：所述步驟(3)中圖像分割是計(jì)算機(jī)視覺研究的關(guān)鍵，亦是理解圖像內(nèi)容的基石技術(shù)，其發(fā)展歷程從基于邊緣檢測(cè)、基于閾值、基于區(qū)域等方法的傳統(tǒng)圖像分割，逐漸發(fā)展到當(dāng)今主流的基于深度神經(jīng)網(wǎng)絡(luò)的圖像語義分割，在技術(shù)水平上取得了巨大的進(jìn)步；傳統(tǒng)的圖像分割受計(jì)算機(jī)算力的限制，只能提取圖像的紋理信息、顏色、形狀等低層特征對(duì)圖像進(jìn)行分割，且需要人工設(shè)計(jì)特征，因而分割準(zhǔn)度不高；而隨著計(jì)算機(jī)軟硬件的更新?lián)Q代、深度學(xué)習(xí)技術(shù)的日益強(qiáng)大，語義分割也進(jìn)入新的發(fā)展時(shí)期；許多研究學(xué)者將深度學(xué)習(xí)引入圖像語義分割領(lǐng)域，利用深度神經(jīng)網(wǎng)絡(luò)從輸入數(shù)據(jù)中自動(dòng)學(xué)習(xí)特征，能夠提取圖像的低層、中層和高層特征，實(shí)現(xiàn)對(duì)圖像目標(biāo)端到端的像素級(jí)分類，極大地提高了語義分割的精度和效率。

7.根據(jù)權(quán)利要求1所述的一種無人機(jī)察打一體除草方法，其特征在于：所述步驟(3)在中損失函數(shù)FocalLoss是標(biāo)準(zhǔn)交叉熵?fù)p失的升級(jí)改進(jìn)版，它可以通過減少易分類樣本的權(quán)重，使得模型在訓(xùn)練時(shí)更專注于難分類的樣本，損失函數(shù)FocalLoss有g(shù)amma和alpha兩個(gè)參數(shù)，gamma這個(gè)參數(shù)用來解決簡(jiǎn)單樣本與困難樣本的問題，alpha這個(gè)參數(shù)是平衡因子，用來解決數(shù)據(jù)集樣本不均的問題，網(wǎng)絡(luò)訓(xùn)練時(shí)gamma和alpha兩個(gè)參數(shù)需合理調(diào)參。