[发明专利]一种基于深度学习算法的多无人机协同农田喷淋方法

说明书

本发明提出了一种基于深度学习算法的多无人机协同农田喷淋方法，其步骤为：首先，将农田均匀分成大小相同的N个小型区域，并利用勘探机上的摄像头采集每个小型区域内的作物图像；其次，将作物图像输入勘探机上的智能控制器内的神经网络模型中，输出每个小型区域内作物的类别；然后，勘探机将相同类别对应的小型区域分为一组，并根据每组小型区域的坐标利用遗传算法规划出最优路径，并发送至目标机；最后，目标机按照类别对应的操作按最优路径进行实施，同时，目标机之间相互协作，并通过通信协议实时将坐标信息返回至勘探机。本发明利用无人机协同控制的方法进行农药的喷洒，提高了条理性和效率，节约了资源。

技术领域

本发明涉及人工智能控制技术领域，特别是指一种基于深度学习算法的多无人机协同农田喷淋方法。

背景技术

近几年，随着国家自动化技术的不断发展，国内掀起了一股农用无人机的热潮。迎着这股热潮，无人机技术也开始走进平常人的生活。许多人都考虑到让无人机代替人去执行农田喷洒，因此目前已经有了许多种类的农用无人机喷洒方法。现阶段，无人机也更加智能，可实现更加丰富的功能，如自主飞行，自主避障等，这给了更加优秀的无人机喷洒方法实现的可能。

现阶段我国农业智能化发展仍然非常滞后，虽然出现了类似农用植保无人机这一类高科技农用喷洒方法，如遥控多旋翼农用无人机、升降翼喷洒无人机等，但是依然不成熟，存在许多不足，比如喷洒缺少目的性，造成了资源的浪费；喷洒缺少对农田环境的整体把控，不能对植物状况做出合理的分析预测。现有的喷洒无人机大都采用单机作业模式，有些兼顾图像识别、路径规划以及无人机喷洒的农用植保无人机的模式思路冗杂，缺少条理性，且鲁棒性差等。现存的无人机喷洒方法中，大部分判断一片农田是否需要喷洒药物都需要人亲自去判断，且在同一片试验田中，不同的作物生长状况及需求是不一样的，比如存在不同作物需要不同种类的药物的可能性。而现阶段，不管是人力还是无人机喷洒方法大都选择对农田统一喷洒。假设现在农田中部分作物得了黑斑病，若对农田中全部作物统一施药，对于一些不需要施此种药的作物来说，对其施药对于它来说是有一定程度的损害的，而且这种方法无疑浪费的，无法实现资源的余量化及人力资源的最大程度的解放。

发明内容

针对上述背景技术中存在的不足，本发明提出了一种基于深度学习算法的多无人机协同农田喷淋方法，解决了现有无人机药物喷洒技术效率低、资源利用率不足的技术问题。

本发明的技术方案是这样实现的：

一种基于深度学习算法的多无人机协同农田喷淋方法，其步骤如下：

S1、将农田均匀分成大小相同的N个小型区域，并利用勘探机上的摄像头采集每个小型区域内的作物图像；

S2、将作物图像输入勘探机上的智能控制器内的神经网络模型中，输出每个小型区域内作物的类别；

S3、将相同类别对应的小型区域分为一组，并根据每组小型区域的坐标利用遗传算法规划出最优路径；

S4、勘探机通过通信协议与多个目标机相连接，每个目标机接收一组小型区域的最优路径和类别；

S5、目标机按照类别对应的操作按最优路径进行实施，同时，目标机之间相互协作，并通过通信协议实时将坐标信息返回至勘探机。

所述步骤S2中神经网络模型的训练方法为：

S21、从大田作物病害识别研究图像数据集上获取病害图像，利用图像变换对病害图像进行预处理，并将预处理后的病害图像进行分类和标注类别标签获得数据集，其中，数据集包括训练集和测试集，图像变换包括图像去噪、图像平移、图像反转和图像裁剪；

S22、构造神经网络函数；

S22.1、利用TensorFlow中的nn.conv2d函数构造卷积层的生成函数；