排序方式： 共有54条查询结果，搜索用时 15 毫秒
51.
针对疏枝果园的变量对靶施药问题,提出基于移动激光扫描(Mobile laser scanning,MLS)技术的靶标叶面积计算方法,为变量施药实时提供基础数据。为消除激光雷达(Light detection and ranging,LiDAR)探测距离和施药车辆行驶速度对点云密度的影响,在车辆行驶方向和激光雷达扫描方向上计算每个测量点的分辨率,为MLS点云数据建立变尺度格网,以格网面积作为被激光束覆盖的叶面积,建立靶标总体格网面积(Total grid area,TGA)与真实总体叶面积(Total leaf area,TLA)的线性回归模型。采用仿真树模拟疏枝果树靶标,搭建移动激光扫描测量系统,采集靶标点云数据,改变探测距离及移动速度,获取了4种不同疏枝程度靶标的108个样本数据。试验结果表明,随着探测距离的增加和移动速度的降低,靶标点云数显著减少,变异系数最小为0. 920 9,靶标格网面积能稳定提取,变异系数最大为0. 053 7,TGA与TLA的拟合优度为0. 909 0,叶面积测量相对误差均值为9. 16%。 相似文献
52.
无人机变量施药实时监控系统设计与试验 总被引：1，自引：0，他引：1
在航空施药过程中,为保证单位面积施药量的一致性、实现施药流量的实时控制,提出一种航空变量施药分级控制算法。该算法根据各参数的等级和阀门开度建立分级控制表,再结合分级控制公式计算作业参数变化时阀门对应的开度,从而计算出施药流量,实现施药流量的自动调节。基于该算法设计了基于单片机多信息融合的航空变量施药实时监控系统,通过软硬件设计实现了对作业航迹、作业高度、作业速度、施药流量及药液余量等信息的实时监测,进行了航迹监测试验、施药流量监测试验、液位监测试验和变量施药控制试验等。结果表明,该系统可以准确监测多种作业参数,并可根据参数变化精准调控施药流量;飞行航迹监测平均偏差为0.98 m,施药流量监测平均误差为3.57%,液位监测平均误差为1.97%,系统对流量控制的最大误差为9.26%。 相似文献
53.
小型多旋翼植保无人机存在农药飘移、雾滴沉积不均等问题,为此本文结合RANS方程、SST k-ω湍流模型和SIMPLE算法,对耦合六旋翼植保无人机下洗气流场和喷雾雾滴的两相流场进行数值模拟计算,探析环境风速对无人机下洗气流和农药雾滴沉积的影响。机身下方空间点风速试验和模拟值相对误差在15%以内,验证了数值模型的准确性。数值模拟结果表明：植保无人机飞行作业时,来流造成无人机下洗风场出现漩涡,来流速度对机身正下方流场的影响大于其对旋翼正下方流场的影响;侧风造成无人机下洗风场出现较大漩涡,下洗风场稳定性降低;两侧旋翼正下方对称布置喷嘴提高了雾滴沉积均匀性,来流造成雾滴卷积,雾滴飘移量随着来流速度提高而增大。综合各因素,无人机喷嘴应在旋翼下方对称布置,在小型六旋翼植保无人机实际作业时,无人机作业方向需要与外界环境风向保持平行,同时在晴朗环境下施药作业,从而降低雾滴飘移,提高农药利用率。 相似文献