首页 > 分享 > 基于无人机遥感的西兰花花球尺寸与位置二维分布实时构建方法及系统

基于无人机遥感的西兰花花球尺寸与位置二维分布实时构建方法及系统

花匠小妙招
2025-07-07 10:47

本发明涉及一种基于无人机遥感技术的农业信息采集系统，具体地，是一种用于实时构建西兰花花球尺寸二维分布实时构建方法及系统，利用无人机搭载高性能计算平台(nvidia xavier nx)、深度学习算法实时处理和分析西兰花花球尺寸、位置、数量及其二维分布情况，实现西兰花田地花球尺寸与位置分布的实时监测与构建，为农业生产提供精准的数据支持。

背景技术：

1、传统的农业生产管理往往依赖于人工巡查和经验判断，这种方式存在着诸多不足之处。首先，人工巡查需要耗费大量的时间和人力成本，特别是对于大面积的农田来说，监测效率较低。其次，由于人为因素和主观判断的干扰，容易导致数据的不准确性和一致性问题。而且，传统的人工巡查无法提供即时的反馈和处理，对于农作物生长过程中的异常情况难以及时发现和处理。

2、随着信息技术和农业科技的发展，无人机遥感技术逐渐成为解决农业生产管理难题的有效手段。无人机搭载的相机可以实现对农田的高分辨率航拍，能够获取高通量的空间信息数据。利用这些数据，可以进行作物生长情况的监测、病虫害的识别、施肥浇水的精准管理等。然而，传统的无人机遥感技术往往局限于对农田整体的监测和分析，对于特定作物的尺寸二维分布实时监测与构建仍然存在技术挑战。

3、在西兰花等特定作物的种植管理中，花球的尺寸是一个重要的指标，直接关系到农业生产的产量和质量。通过完成对西兰花各地块的花球尺寸与位置的分布统计，能够为西兰花的采收决策做出指导；其次通过横向比较不同地块的花球数据或纵向比较同一地块不同年代的数据，能够评价西兰花的生长状况，为后续的农艺指导(施肥、浇水或除草等)提供依据。因此，实时准确地监测西兰花的生长状况并构建西兰花花球的尺寸二维分布，对于农业生产的管理和优化具有重要意义。

技术实现思路

1、为了克服传统农业生产管理中人工管理存在效率低、误差大、成本高的不足，本发明提供了一种基于无人机遥感的西兰花花球尺寸与位置二维分布实时构建方法及系统，实时建图效果好，且不需要专门的付费软件完成额外的二维建图操作，大大降低了时间和经济成本。

2、本发明解决其技术问题所采用的技术方案是：

3、一种基于无人机遥感的西兰花花球尺寸与位置二维分布实时构建方法，包括以下步骤：

4、步骤1，地面站给无人机飞行控制器下达飞行任务，包含无人机的飞行路径和拍照点位，无人机通过飞行控制器控制到达目标所在区域后，基于高精度rtk的定位，在每一个拍照点位通过云台相机中的图像传感器获取图片，同时应用激光测距仪测量无人机与云台相机所拍摄目标平面的垂直距离h；

5、步骤2，无人机中的nvdia xavier nx对所获取的图像首先进行预处理，在通过nvdia xavier nx模块内置的经过训练的yolov8算法模型对图像进行处理，实时识别西兰花花球，同时，通过rtk与图像匹配处理获取单颗西兰花中心经纬度位置信息，利用垂直距离h计算出地面采样距离gsd(ground sample distance),再采用经过训练的bisenet算法模型进行轮廓拟合结合gsd获取直径尺寸，以单颗西兰花为对象整合位置坐标及尺寸特征信息；

6、步骤3，识别处理后的目标特征实时记录后，将经纬度坐标转换为具有比例尺的直角坐标系(x,y)坐标，以无人机底角像控点位坐标原点，在直角坐标系中，实时绘制表达出对应原始图像中西兰花花球的位置及直径尺寸，并进行重复筛除，逐步生成西兰花花球的尺寸二维分布图；

7、步骤4，西兰花花球的尺寸二维分布图，经数传通过无线网络传输给地面站显示出来，应用于后续西兰花采收决策。

8、进一步，所述步骤1中，无人机所配备rtk为厘米级精度，经纬度误差在可接受范围内，对后续决策影响很小。

9、所述步骤1中，基准站是实现rtk定位的关键组成部分，基准站安装在一个已知坐标的位置，在像控点或已测绘的gps标志点。

10、所述步骤1中，航拍高度是通过激光测距的高度来确定的，保证初始高度是12m，飞行过程中需调整飞行高度维持稳定。

11、所述步骤1中，西兰花的生长高度误差，对gsd的影响较小，通过激光测距得到的无人机与云台相机所拍摄平面的垂直距离h，进而计算出相应的gsd，其误差影响可忽略不计；但对于同一块田不同区域海拔相差大于1m时，这会使得gsd的误差大于8％，这对西兰花花球尺寸的估计影响较大。

12、所述步骤2中，先进行西兰花遥感图像数据采集，从采集图像中抽取图像进行标注，作为训练集，利用yolo v8目标检测网络模型构建西兰花识别模型，利用所述训练样本进行训练，得到训练好的西兰花识别模型。

13、所述步骤2中，nvidia xavier nx使用预处理算法对图像进行优化，包括去噪、增强和图像质量的提升，裁剪掉四周畸变较大的部分。

14、所述步骤2中，地面采样距离(ground sampling distance,gsd)表示数字影像中单个像元对应的地面尺寸，它描述了两个连续像素的中心点之间的实际距离，bisenet是一种用于图像分割的深度学习算法，可以有效地提取物体的边界信息；

15、

16、其中，d:探测器单元大小，h:地面分辨距离，f:焦距。

17、所述步骤2中，在对西兰花花球的轮廓进行拟合之后，结合已知的gsd，计算出直径尺寸参数，以拟合轮廓的最小外接圆直径作为西兰花的直径尺寸。

18、所述步骤3中，在直角坐标系中，使用绘图工具或软件，将每个西兰花花球的位置用点标示，并使用对应的直径尺寸绘制相应大小的圆。

19、所述步骤3中，对于重叠区域，根据需要进行筛除或合并处理，确保生成的尺寸二维分布图准确反映西兰花花球的实际分布情况。

20、所述步骤4中，由于无人机相机的分辨率有限，对于直径小于5cm的西兰花识别误差较大，但是采收条件是直径大于12cm，在此左右区间内识别准确度完全达到要求，因此不会影响后续做出的西兰花采收决策。

21、一种基于无人机遥感的西兰花花球尺寸与位置二维分布实时构建系统，包括无人机、图像采集装置、数据处理单元和用户界面，无人机搭载高分辨率的rgb相机，图像采集装置对西兰花种植区域进行航拍，并将采集的图像数据传输至数据处理单元；数据处理单元使用预先训练的yolov8识别算法及bisenet分割算法对图像中的西兰花花球进行识别和测量，获得花球的尺寸和位置信息；通过用户界面实时展示西兰花花球的尺寸与位置二维分布情况，帮助种植者进行农业管理和决策。

22、本发明相较于常用的航拍后的二维重建绘图而言，基于无人机遥感的系统能够在无人机飞行时实时获取西兰花地块的图像数据，并且机载的nvdia xavier nx内置的yolov8和bisenet融合算法模型处理图像完成花球的识别与轮廓拟合，而后二维分布算法计算模型进行处理和建模，从而提供西兰花花球实时的二维分布信息，实时建图效果好，且不需要专门的付费软件完成额外的二维建图操作，这大大降低了时间和经济成本。

23、本发明的有益效果主要表现在：实时建图效果好，且不需要专门的付费软件完成额外的二维建图操作，大大降低了时间和经济成本。