[发明专利]一种基于卷积神经网络的瓯柑病虫害自动识别装置在审

专利信息
申请号: 202111307270.3 申请日: 2021-11-05
公开(公告)号: CN113911383A 公开(公告)日: 2022-01-11
发明(设计)人: 张志强;刘玉耀 申请(专利权)人: 张志强
主分类号: B64D47/00 分类号: B64D47/00;B64D1/18;B64C27/08;B64C39/02;A01M7/00;B08B5/02
代理公司: 北京祺和祺知识产权代理有限公司 11501 代理人: 胡草
地址: 325000 浙江省*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 卷积 神经网络 病虫害 自动识别 装置
【说明书】:

发明涉及一种基于卷积神经网络的瓯柑病虫害自动识别装置,包括无人机,设置在所述无人机底侧的采集器,所述无人机的顶侧固定连接有导气机构,所述导气机构包括集气管和导气管,所述集气管的一端位于所述无人机旋翼的风向线上,所述集气管的另一端与所述导气管的一端连接,所述导气管的另一端位于所述采集器的周侧;通过所述集气管的设置,使得无人机旋翼产生的风力通过所述集气管通向所述导气管,所述导气管将风力导向所述采集器的周侧,使得无人机在采集信息时其旋翼带起的灰尘不易附着在所述采集器上,影响采集器的卷积神经算法的准确性。

【技术领域】

本发明涉及农业虫害防治领域,具体地说,是一种基于卷积神经网络的瓯柑病虫害自动识别装置。

【背景技术】

由于工业的快速发展,空气污染以及环境恶化等现象都在近年来显现出来,植物的病害发生规模越来越大,蔬菜以及水果类受多种病害的影响,对其产量以及质量造成了严重的损害,对人类造成的经济损失也越来越多,目前针对病虫害的检测主要是以人工目测的方式,通过观察植物的颜色进行判断,这种方法耗费大量的人力以及物力,随着科技的进步,目前也出现了一些使用无人机搭载卷积神经网络算法进行病虫害识别,但是这种方法应用在瓯柑上效果较差,由于瓯柑的枝叶茂盛,并且植株离地高度较低,在使用无人机对其识别时,地上的尘土会被无人机吹起,尘土附着在算法采集摄像头上会影响其算法的准确性,因此,亟待设计一种减少外界环境对算法影响的病虫害自动识别装置。

【发明内容】

本发明的目的是针对现有技术中由于瓯柑的枝叶茂盛,并且植株离地高度较低,在使用无人机搭载卷积神经网络算法对其识别时,地上的尘土会被无人机吹起,尘土附着在算法采集摄像头上会影响其算法的准确性,因此提供一种减少外界环境对算法影响的病虫害自动识别装置。

为实现上述目的,本发明采取的技术方案是:一种基于卷积神经网络的瓯柑病虫害自动识别装置,包括无人机,设置在所述无人机底侧的采集器,所述无人机的顶侧固定连接有导气机构;

所述导气机构包括集气管和导气管,所述集气管的一端位于所述无人机旋翼的风向线上,所述集气管的另一端与所述导气管的一端连接,所述导气管的另一端位于所述采集器的周侧。

优选的,所述导气机构还包括气箱,所述气箱内部设置有气腔,所述气腔的顶壁连通有至少两个所述集气管,每个所述集气管向所述无人机旋翼的方向延伸,每个所述集气管靠近所述旋翼的一端固定连接有锥形的集气斗,所述集气斗位于所述无人机旋翼的上侧。

优选的,所述气腔的下侧壁沿圆周方向设置有至少两个所述导气管,所述导气管贯穿所述无人机延伸到所述采集器的周侧,四个所述导气管靠近所述采集器的一端固定连通有环形吸嘴。

优选的,所述气箱中设置有喷药机构,所述喷药机构包括固定连接在所述气腔顶壁的药箱,所述药箱中设置有推液构件,所述推液构件的底端延伸出所述药箱,所述推液构件的底端固定连接有风扇,所述药箱连接有喷液嘴,所述喷液嘴贯穿所述气箱进入到外界空间,风力带动所述风扇驱动所述推液构件将所述药箱中的农药通过所述喷液嘴喷出。

优选的,所述喷液嘴位于所述药箱的上端,所述药箱为长方体,所述推液构件包括转动连接在所述药箱顶壁的螺纹轴,所述螺纹轴上螺纹连接有螺纹块,所述螺纹块上固定套设有推药板,所述推药板与所述药箱的内壁滑动连接,所述螺纹轴向下延伸贯穿所述药箱。

优选的,所述风扇固定套设在所述螺纹轴的底端,所述螺纹轴底端设置有锁止构件,所述锁止构件与无人机控制系统电联。

优选的,所述锁止构件包括固定连接在所述气腔底壁的电推杆,所述电推杆与无人机控制系统电联,所述电推杆的顶端固定连接有锁止块,所述锁止块为六棱柱状,所述螺纹轴的底端开设有开口向下的锁止槽,所述锁止槽为六棱住状,所述锁止块插入所述锁止槽中。

本发明优点在于:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于张志强,未经张志强许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111307270.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top