共查询到20条相似文献，搜索用时 39 毫秒
1.
无人机提高了农业生产效率,但作业性能受各方面因素的影响,而导航能力是重点关注的内容。图像识别技术通过分析图像中的大量信息来辨识目标,可以提高无人机的自动导航能力。固定翼无人机在飞行速度和高度上具有优势,进行农业信息监测和保险勘察时效率更高,但精准导航的难度较大。为此,设计了一个基于图像识别的无人机导航系统,以固定翼的航拍无人机为平台,搭载影像传感器拍摄图像,进行图像边缘检测和目标识别分析,获得空间定位和跑道识别的功能。同时,地面站根据分析结果生成飞行控制指令,无人机接收指令后通过舵面偏转调整飞行姿态,获得自主飞行和着陆能力。 相似文献
2.
3.
为在农业监测中获得大面积的农田影响信息,设计一种成本低、稳定性高且可存储图像和视频的航拍四旋翼农用无人机,用于农田信息监测。装置包括控制器、姿态传感器、电子调速器模块、无刷电机、图像采集模块、存储模块和遥控器,以STM32103CBT6为核心处理器,并移植入uC/OSII操作系统,通过姿态传感器MPU6050及磁力传感器HMC5883采集姿态数据,并经过滤波、四元数、欧拉角转换,以串级PID作为主要控制算法控制无刷电机,保证四旋翼的平衡。用遥控器控制其姿态及航拍,并将视频数据经过滤波等处理后以AVI格式存入SD卡,用于农作物生长状态,生理指标的检测或进行农作物产量的估计。 相似文献
4.
5.
基于深度学习的大棚及地膜农田无人机航拍监测方法 总被引：5，自引：0，他引：5
随着精准农业技术的发展,快速获取大棚和地膜农田面积及地理分布的需求越来越大,但沿用面向卫星遥感影像的解译方法处理无人机航拍影像,存在特征选择复杂、识别精度较低、处理时间长等问题。基于此,本文提出一种基于深度学习的大棚及地膜农田无人机航拍监测方法,即采用六旋翼无人机搭载索尼NEX-5k相机进行航拍作业,对采集到的558幅赤峰市王爷府镇地区的无人机航片进行正射校正与拼接,构建全卷积神经网络(Fully convolutional network,FCN),通过多尺度融合的方法实现了FCN的5个变种模型:FCN-32s、FCN-16s、FCN-8s、FCN-4s、FCN-2s,使用带动量的随机梯度下降算法端到端训练模型,自动提取并分类影像特征。FCN模型与ENVI商用遥感软件的基于像素的分类方法、e Cognition软件的面向对象的分类方法对比后表明:FCN-4s模型为识别大棚和地膜农田的最佳模型,对于测试区域的平均整体正确率为97%,而基于像素的分类方法平均整体正确率为74.1%,面向对象的分类方法平均整体正确率为81.78%。FCN-4s模型平均运行时间为16.85 s,是基于像素的分类方法运行时间的0.06%,是面向对象的分类方法运行时间的5.62%。本方法可快速准确获取大棚和地膜农田的地理分布及面积,满足设施农业对无人机航拍监测的需求。 相似文献
6.
基于全卷积神经网络的林区航拍图像虫害区域识别方法 总被引：4，自引：0，他引：4
针对航拍林区虫害图像的虫害区域不规则和传统识别方法泛化能力差的问题,提出一种基于全卷积神经网络(Fully convolution networks,FCN)的虫害区域识别方法。采用八旋翼无人机航拍虫害林区、获取林区虫害图像,并对虫害区域进行像素级标注,用于模型训练;将VGG16模型的全连接层替换为卷积层,并通过上采样实现端到端的学习;使用预训练的卷积层参数,提升模型收敛速度;采用跳跃结构融合多种特征信息,有效提升识别精度,并通过该方法构造了5种全卷积神经网络。试验表明,针对林区航拍虫害图像,FCN-2s在5种全卷积神经网络中区域识别精度最高,其像素准确率为97. 86%,平均交并比为79. 49%,单幅分割时间为4. 31 s。该方法与K-means、脉冲耦合神经网络、复合梯度分水岭算法相比,像素准确率分别高出44. 93、20. 73、6. 04个百分点,平均交并比分别高出50. 19、35. 67、18. 86个百分点,单幅分割时间分别缩短47. 54、19. 70、11. 39 s,可以实现林区航拍图像的虫害区域快速准确识别,为林业虫害监测和防治提供参考。 相似文献
7.
首先,介绍了VR虚拟现实技术,并将其应用在视频图像处理中;然后,研究了基于三帧差法的视频目标提取方法;最后,对森林火灾视频监控系统进行了硬件和软件设计,可实现对森林火灾的实时监控。实验结果表明：提出的SVM分类算法具有非常好的识别效果,能够对火灾和烟雾进行准确的识别和分类,验证了系统的实时性和可靠性。 相似文献
8.
9.
深化分析我国森林资源需要重点保护的举措,就是配备自然保护区森林资源智能化防火监测管理系统,有效保障森林资源,避免遭受毁灭性的火灾破坏.因此,人们及国家高度重视对森林防火工作采取相关智能化的安全防火措施.随着物联网技术的不断提升,整合计算机网络、互联网技术,实现人工智能化推进森林防火管理模式,从而不断提升新时代系统管理自... 相似文献
10.
11.
12.
基于无人机遥感与随机森林的荒漠草原植被分类方法 总被引：2，自引：0，他引：2
荒漠草原是草原中最旱生的类型,属于草原的极限生态状态,也是气候变化和生态系统演变的预警区。利用无人机高光谱遥感技术快速、准确地提取荒漠草原草地植被类型,对动态监测草原生态安全和合理开发草地畜牧业具有重要意义。以无人机搭载高光谱成像系统采集内蒙古荒漠草原遥感图像,获得具有高空间分辨率和高光谱分辨率的图像;通过光谱连续统去除变换,增强草地植被之间的光谱差异,并构建植被指数;采用分步波段选择法选择荒漠草原植被的特征波段,实现高光谱数据降维;构建融合光谱特征、植被特征、地形特征和纹理特征等24个变量的随机森林分类模型,并与支持向量机（SVM）、K-最近邻（KNN）和最大似然分类（MLC）法进行比较。结果表明,在4种分类方法中随机森林分类算法分类效果最好,总体分类精度达到91.06%,比SVM、KNN和MLC等机器学习算法分别高7.9、15.61、18.33个百分点,Kappa系数达到0.90,比SVM、KNN和MLC算法分别高0.13、0.23和0.26。无人机高光谱低空遥感和随机森林算法的结合为荒漠草原草地植被分类提供了新途径。 相似文献
13.
14.
针对农田监测无人机对大范围观测视野、便利操控和高质量拍摄图像的需求问题,设计跟随人体头部姿态的监测云台。首先,根据云台对小体积、轻量化和易集成的设计要求,设计云台结构,并利用ANSYS有限元分析软件进行静力学载荷校核和动力学模态分析;其次,采用四元数方法进行头部姿态解算,利用互补滤波算法进行加速度计和陀螺仪的数据融合,利用嵌入式平台设计并制作云台控制系统;最后,对云台系统的姿态解算准确度进行动态测试和静态测试,对云台的减振性能进行对比测试。结果表明：云台在结构强度和减震性能上满足需求;控制算法和系统能够稳定可靠的解算姿态,并控制云台实时跟随,动态姿态角度误差不超过2°,600 s的静态角度漂移不超过5.5°;云台具有较好的减振和抗振性能,平飞测试中振动加速度均方根值比航拍云台的小41.8%,机动测试中振动加速度最大幅值比航拍云台小21%。该装置可以为无人机的农田监测任务提供更好的便利性。 相似文献
15.
随着“中国制造2025”的提出，我国加快推进以智能制造为核心的工业4.0战略，无人机市场发展迅速。目前,无人机除了在军事领域中执行侦察、监视、火力打击、通信等多种任务外，在民用领域亦可完成灾害评估、地质勘测、航拍航测、农业植保、警用高速公路巡查、森林防火、海事巡逻等多种任务。无人机植保技术作为行业应用的重要方向之一，人才需求缺口巨大。本文将从“新工科“视域下探析《无人机植保技术》课程的教学探索和实现路径，以培养满足行业发展需求的一流无人机应用技术人才。 相似文献
16.
基于计算机视觉的芋头病害监测与识别 总被引：1，自引：0，他引：1
为深入及时掌握芋头病害的信息与生长动态,基于计算机视觉中的图像识别与特征提取技术,对芋头常见病害进行监测与识别研究。在全面理解芋头病害监测的内部波段划分与识别方法匹配基础上,融合计算机视觉的图像纹理特征识别与边界区域条件参数,建立芋头病害识别监测理论模型,通过系统的硬件仪器及电路配置、软件程序功能实现,进行芋头病害图像监测识别试验。结果表明:根据芋头常见病害的外形特征,可得到多组清晰化的芋头病害特征与症状显示图,是直观化识别与分类管控的重要依据。该监测系统整体芋头病害识别率较高,平均维持在88%以上,其中疽病的识别率可达到91.3%,试验效果良好且思路可行,对类似农作物病害的监测与识别技术优化有一定的参考价值。 相似文献
17.
正确识别西兰花田间位置是实现西兰花自动化采收的基础,西兰花花球颜色与植株的叶片、茎秆相似,仅通过颜色特征无法对西兰花进行识别,本文以成熟期的田间西兰花为研究对象,提出了一种基于纹理特征与颜色特征的西兰花识别算法。首先通过预处理以及Laws滤波对图像进行边界纹理强化,再通过Gabor滤波对图像进行纹理特征向量提取,并对提取后的纹理特征向量进行z-score标准化,随后对标准化后的纹理特征向量进行K-means聚类与开运算,获取花球潜在存在区域。同时对RGB图像进行HSV转换,通过对图像的H分量进行阈值分割达到滤除地面像素的效果。最终对纹理特征识别与颜色特征识别的结果进行融合,实现对田间西兰花的识别。算法通过结合纹理与颜色特征,对田间西兰花进行了识别,解决了西兰花的花球与茎叶等背景颜色相近难以识别的问题。本文共使用792幅图像进行试验,试验结果表明,本方法可以准确地对西兰花田间图像进行识别,其精确率为96.96%,召回率为94.41%,F1值为95.67%。通过对3组不同拍摄环境的数据集进行算法识别,3组数据集的F1值始终保持在94%以上,具有良好的拍摄环境适应性,为农业机器人进行西兰花自... 相似文献
18.
19.
【目的】实现通过手势对采摘机器进行远程操控,优化采摘机器控制系统,减少识别与采摘误差。【方法】笔者设计了一种基于手势识别的智能农业采摘控制系统,该系统应用图像滤波算法,提高了采摘机器控制的准确性与高效性。在系统设计中,将手势识别与远程操控机械臂结合,通过高分辨双目摄像机收集手势图像信息并提取特征,将其转化为电机控制命令后发送至控制层,实现了通过手势对机器的远程操控。【结果】图像滤波算法的识别时间仅为0.3 s,远低于其他两种算法的4.1 s与3.5 s;识别准确率高达96%,远高于其他两种算法的94%与92%。【结论】采用图像滤波算法的系统对手势识别的时间更短、识别准确度更高,可有效提高作物成熟判断准确率与采摘效率,具有良好的推广价值。 相似文献
20.
无人机是无人驾驶航空飞行器的简称,在农业方面可用于农田信息监测。无人机监测农田信息的覆盖范围广,实效性强且客观准确,具有其它方法无可比拟的优势。计算机视觉是一种新兴的图像分析技术,可以分析无人机拍摄的农田作物图像,其与无人机结合应用符合精准农业的发展趋势。为此,基于计算机视觉建立了一种农田信息获取的无人机系统。无人机拍摄农田图像,由信息检测中心转换为数字信号后发给计算机视觉模块处理,根据颜色特征识别作物种类和长势,并计算各区域面积。试验结果表明:该系统对水稻、小麦和大豆的信息获取相对误差较小,玉米由于植株太高形成遮挡,降低了农田信息获取的准确性。系统从拍摄图像到输出结果的整个过程耗时2s,具有较强的实时性,可以为拓宽无人机在农业中的应用范围提供技术支持。 相似文献