[发明专利]一种雾滴沉积量检测方法及系统

说明书

本发明提供一种雾滴沉积量检测方法及系统，该方法包括：对农作物环境信息进行数据采集，获取目标环境信息数据；将预设无人机作业参数数据和所述目标环境信息数据输入到训练好的雾滴沉积量预测模型中，得到雾滴沉积量的检测结果，其中，所述训练好的雾滴沉积量预测模型是由样本无人机作业参数数据、样本环境信息数据，对卷积神经网络进行训练得到的。本发明在保留卷积神经网络算法提取数据特征优势的同时，降低了模型的运算时间，便于实时远程检测雾滴沉积量。

技术领域

本发明涉及农业农药检测技术领域，尤其涉及一种雾滴沉积量检测方法及系统。

背景技术

无人机是精细农业研究的一个重要领域，其用于喷洒农药防治病虫害的应用在农业上具有重要意义。与传统的人工背负式喷雾机和自走式地面喷雾设备相比，无人机具有更高的喷雾高度和更小的雾滴尺寸，因此无人机的雾滴沉积容易漂移，难以达到靶标。雾滴沉积量是一个重要的指标，它代表着单位面积上沉积雾滴的体积。获得准确的雾滴沉积量有助于制定合理的喷雾决策，提高喷雾质量，降低农药用量。

最常用的雾滴沉积检测方法为水敏纸检测，水敏纸采集雾滴后，结合图像处理方法分析雾滴沉积信息。这种方法可以直接观察沉积效果。然而，雾滴沉积检测的准确性会受到水敏纸上雾滴重叠和扫描仪分辨率的限制。在一些研究中，通过计算和分析添加到杀虫剂中的示踪剂量来间接检测雾滴沉积。示踪法能灵敏地检测雾滴的沉积，且原料成本低。然而，为了获得但雾滴沉积数据的获取，需要后续进行数据处理和复杂分析。目前还有一些商用产品用于检测雾滴沉积质量，如激光粒度分析仪和叶片湿度传感器。此外，分析天平已用于直接测量雾滴沉积质量。这种设备在测量雾滴沉积量时是精确的。但该方法价格昂贵，多用于学术研究，不适合农业生产应用。

现有技术中，有的提出了一种基于yolo网络的雾滴沉积图像检测系统，该系统方案仍是使用水敏纸收集雾滴，无法避免水敏纸应用的缺点，且该系统缺乏便携性；有的提出一种便携式航空施药雾滴沉积量检测装置，采用该装置在作物密集时检测，会对作物造成损伤，此外，施药后进入大田采集雾滴沉积量，会对人体健康造成危害；有的提出一种植保机械喷雾作业雾滴沉积量在线检测系统，由于使用的电容传感器输出电压与液体的电导率有关，当液体电导率发生变化时，会影响系统检测雾滴沉积量的准确性，同时，航空施药作业雾滴粒径较小，喷洒量较少，而采用电容传感器，会因其灵敏度不足难以支持微量雾滴沉积量的采集。因此，现在亟需一种雾滴沉积量检测方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题，本发明提供一种雾滴沉积量检测方法及系统。

本发明提供一种雾滴沉积量检测方法，包括：

对农作物环境信息进行数据采集，获取目标环境信息数据；

将预设无人机作业参数数据和所述目标环境信息数据输入到训练好的雾滴沉积量预测模型中，得到雾滴沉积量的检测结果，其中，所述训练好的雾滴沉积量预测模型是由标记有输入参数类型标签的样本无人机作业参数数据、样本环境信息数据，对卷积神经网络进行训练得到的。

根据本发明提供的一种雾滴沉积量检测方法，所述训练好的雾滴沉积量预测模型通过以下步骤训练得到：

根据样本环境信息数据、样本无人机作业参数及对应的样本雾滴沉积量构建训练样本集；

将所述训练样本集输入所述卷积神经网络进行训练，若满足预设条件，获取训练好的雾滴沉积量预测模型。

根据本发明提供的一种雾滴沉积量检测方法，所述将所述训练样本集输入所述卷积神经网络进行训练，若满足预设条件，获取训练好的雾滴沉积量预测模型，包括：

将所述训练样本集输入所述卷积神经网络进行训练，得到预测雾滴沉积量，根据预测雾滴沉积量与样本雾滴沉积量，获取所述卷积神经网络的损失函数值，若判断获知所述损失函数值满足收敛条件，获取训练好的雾滴沉积量预测模型。