基于图像识别的变量施药控制方法及装置

技术领域

本发明涉及植保作业技术领域，尤其涉及一种基于图像识别的变量施药控制方法及装置。

背景技术

航空施药作业是现代农业植保作业的重要手段，在航空施药作业领域中无人机精准施药是未来的技术发展趋势。目前无人机植保作业高度依赖地理信息系统。通过卫星导航定位系统提供的位置信息可获得无人机当前的作业位置，根据划定的地理信息轨迹进行飞行作业，在飞行过程中由程序控制打开或关闭喷头进行施药。

但是，在存在混种、果园、不同作物分布距离较近、以及作业区域附近有水渠等非作业目标的情况下，植保无人机无法直接依赖卫星导航信息来区分作业区域，因此，经常出现越界喷洒。

发明内容

本发明实施例提供一种基于图像识别的变量施药控制方法及装置，以解决混种区域植保无人机的对靶识别问题。

本发明实施例提供一种基于图像识别的变量施药控制方法，包括：采用激光雷达获取作业区域的深度图像；根据所述深度图像，确定作物叶面轮廓图像；根据所述叶面轮廓图像，确定叶面参数，并根据所述叶面参数，确定施药量；其中，所述叶面参数包括空隙面积与叶面面积比值。

根据本发明一个实施例的基于图像识别的变量施药控制方法，其特征在于，所述根据所述叶面参数，确定施药量，包括：根据空隙面积与叶面面积比值，结合无人机速度，确定无人机的施药量。

根据本发明一个实施例的基于图像识别的变量施药控制方法，所述叶面参数还包括叶面长度与叶面面积比值，相应地，所述根据所述叶面参数，确定施药量，包括：根据空隙面积与叶面面积比值，和叶面长度与叶面面积比值，确定叶面识别参数；根据所述叶面识别参数，确定作物类型；根据所述作物类型确定施药量。

根据本发明一个实施例的基于图像识别的变量施药控制方法，所述根据所述叶面参数，确定施药量之前，还包括：获取多种已知类型作物图像的空隙面积与叶面面积比值，以及叶面长度与叶面面积比值；根据空隙面积与叶面面积比值，和叶面长度与叶面面积比值，确定叶面识别参数；根据所述叶面识别参数和作物类型，建立叶面识别参数和作物类型的映射关系。

根据本发明一个实施例的基于图像识别的变量施药控制方法，所述根据空隙面积与叶面面积比值，和叶面长度与叶面面积比值，确定叶面识别参数，包括：根据空隙面积与叶面面积比值，和叶面长度与叶面面积比值的加权值，确定叶面识别参数。

根据本发明一个实施例的基于图像识别的变量施药控制方法，所述根据所述深度图像，确定作物叶面轮廓图像，包括：根据所述深度图像，采用灰度直方图方式消除饱和区域或冠层空隙的图像信息；进行滤波消除局部奇异点，得到边缘图像，并用拉普拉斯算子进行图像边缘增强，得到所述叶面轮廓图像。

本发明实施例还提供一种基于图像识别的变量施药控制装置，包括：采集模块，用于采用激光雷达获取作业区域的深度图像；处理模块，用于根据所述深度图像，确定作物叶面轮廓图像；计算模块，用于根据所述叶面轮廓图像，确定叶面参数，并根据所述叶面参数，确定施药量；其中，所述叶面参数包括空隙面积与叶面面积比值。

根据本发明一个实施例的基于图像识别的变量施药控制装置，所述叶面参数还包括叶面长度与叶面面积比值，相应地，所述计算模块具体用于：根据空隙面积与叶面面积比值，和叶面长度与叶面面积比值，确定叶面识别参数；根据所述叶面识别参数，确定作物类型；根据所述作物类型确定施药量。

本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于图像识别的变量施药控制方法的步骤。

本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于图像识别的变量施药控制方法的步骤。

本发明实施例提供的基于图像识别的变量施药控制方法及装置，能够实现混合作物冠层区域的实时识别探测，根据探测结果的冠层叶面覆盖程度进行对靶变量施药，从而可以提高施药的精准度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种基于图像识别的变量施药控制方法的流程示意图；

图2是本发明实施例提供的一种基于图像识别的变量施药控制装置的结构示意图；

图3是本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合图1-图3描述本发明实施例的基于图像识别的变量施药控制方法及装置。图1是本发明实施例提供的一种基于图像识别的变量施药控制方法的流程示意图，如图1所示，本发明实施例提供一种基于图像识别的变量施药控制方法，包括：

101、采用激光雷达获取作业区域的深度图像。

采用固态激光雷达可实时获取作业区域面阵深度信息，并形成width*length(宽*长)的深度图像。

102、根据所述深度图像，确定作物叶面轮廓图像。

由于面阵式固态激光雷达的深度图像与可见光图像在冠层特征上具有较高的一致性，因此可运用图像处理方式对固态激光雷达成像信息进行提取和图像处理。通过深度信息图像识别的方式获取目标的特征，采用冠层激光雷达深度图像特征提取的方式获得作叶面轮廓图像。

103、根据所述叶面轮廓图像，确定叶面参数，并根据所述叶面参数，确定施药量。

深度图像处理后得到的叶面轮廓图像，可以反映出叶面空隙分布比例信息，以此可快速判定是否存在不同作物冠层混合种植。当到达混种区域时，根据叶面轮廓图像的叶面空隙比例(叶面参数包括叶面空隙比例，即空隙面积与叶面面积的比值)，调节对应的施药流速流量，实现在混种区域的变量施药。

本发明实施例的基于图像识别的变量施药控制方法，能够实现混合作物冠层区域的实时识别探测，根据探测结果的冠层叶面覆盖程度进行对靶变量施药，从而可以提高施药的精准度。

基于上述实施例的内容，作为一种可选实施例，根据所述叶面参数，确定施药量，包括：根据空隙面积与叶面面积比值，结合无人机速度，确定无人机的施药量。

空隙面积与叶面面积比值计算如下：

其中，D’

具体的施药控制量可以为：

Volume＝K*R

其中，R

基于上述实施例的内容，作为一种可选实施例，所述叶面参数还包括叶面长度与叶面面积比值，相应地，所述根据所述叶面参数，确定施药量，包括：根据空隙面积与叶面面积比值，和叶面长度与叶面面积比值，确定叶面识别参数；根据所述叶面识别参数，确定作物类型；根据所述作物类型确定施药量。

叶面长度与叶面面积比值计算具体如下：

其中，x

可设置如下的叶面识别参数Ratio：

Ratio＝a

其中，a

根据叶面识别参数对应到作物的类型，如大豆或者玉米。然后根据不同作物类型，分别确定对应的施药速度或施药量。

基于上述实施例的内容，作为一种可选实施例，所述根据所述叶面参数，确定施药量之前，还包括：获取多种已知类型作物图像的空隙面积与叶面面积比值，以及叶面长度与叶面面积比值；根据空隙面积与叶面面积比值，和叶面长度与叶面面积比值，确定叶面识别参数；根据所述叶面识别参数和作物类型，建立叶面识别参数和作物类型的映射关系。

在进行图像识别得到叶面识别参数，并根据叶面识别参数确定对应的作物类型之前。可以采用试验的方式，分别确定不同类型作物的叶面识别参数，以建立作物类型和叶面识别参数之间的映射关系。在图像识别得到叶面参数之后，便可根据该映射关系，快速确定对应的作物类型，从而根据作物类型进行对应的施药控制。

基于上述实施例的内容，作为一种可选实施例，所述根据空隙面积与叶面面积比值，和叶面长度与叶面面积比值，确定叶面识别参数，包括：根据空隙面积与叶面面积比值，和叶面长度与叶面面积比值的加权值，确定叶面识别参数。上述实施例已经对此进行了说明，权值系数可根据多组试验数据的准确度进行评估最终确定。

基于上述实施例的内容，作为一种可选实施例，根据所述深度图像，确定作物叶面轮廓图像，包括：根据所述深度图像，采用灰度直方图方式消除饱和区域或冠层空隙的图像信息；进行滤波消除局部奇异点，得到边缘图像，并用拉普拉斯算子进行图像边缘增强，得到所述叶面轮廓图像。

灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其出现的频率。灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。采用灰度直方图消除饱和区域或冠层空隙，得到叶面的初始轮廓。

再使用如Sobel算子进行滤波消除局部奇异点，得到边缘图像。在此基础上，采用拉普拉斯算子进行图像边缘增强，得到准确的叶面轮廓图像。

本实施例提供的基于图像识别的变量施药控制方，当机体处于目标施药区域时，开启对靶施药，当机体处于非作业目标区域上空时，无人机能有效识别下方其它作物冠层并及时关闭喷洒装置。

下面对本发明实施例提供的基于图像识别的变量施药控制装置进行描述，下文描述的基于图像识别的变量施药控制装置与上文描述的基于图像识别的变量施药控制方法可相互对应参照。

图2是本发明实施例提供的一种基于图像识别的变量施药控制装置的结构示意图，如图2所示，该基于图像识别的变量施药控制装置包括：采集模块201、处理模块202和计算模块203。其中，采集模块201用于采用激光雷达获取作业区域的深度图像；处理模块202用于根据所述深度图像，确定作物叶面轮廓图像；计算模块203用于根据所述叶面轮廓图像，确定叶面参数，并根据所述叶面参数，确定施药量；其中，所述叶面参数包括空隙面积与叶面面积比值。

本发明实施例提供的装置实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。

本发明实施例提供的基于图像识别的变量施药控制装置，能够实现混合作物冠层区域的实时识别探测，根据探测结果的冠层叶面覆盖程度进行对靶变量施药，从而可以提高施药的精准度。

图3是本发明实施例提供的一种电子设备的结构示意图，如图3所示，该电子设备可以包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储器303中的逻辑指令，以执行基于图像识别的变量施药控制方法，该方法包括：采用激光雷达获取作业区域的深度图像；根据所述深度图像，确定作物叶面轮廓图像；根据所述叶面轮廓图像，确定叶面参数，并根据所述叶面参数，确定施药量；其中，所述叶面参数包括空隙面积与叶面面积比值。

此外，上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的基于图像识别的变量施药控制方法，该方法包括：采用激光雷达获取作业区域的深度图像；根据所述深度图像，确定作物叶面轮廓图像；根据所述叶面轮廓图像，确定叶面参数，并根据所述叶面参数，确定施药量；其中，所述叶面参数包括空隙面积与叶面面积比值。

又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的基于图像识别的变量施药控制方法，该方法包括：采用激光雷达获取作业区域的深度图像；根据所述深度图像，确定作物叶面轮廓图像；根据所述叶面轮廓图像，确定叶面参数，并根据所述叶面参数，确定施药量；其中，所述叶面参数包括空隙面积与叶面面积比值。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。