[实用新型]一种基于多飞行器协作的农作物病害检测装置有效

专利信息
申请号: 202120162310.9 申请日: 2021-01-21
公开(公告)号: CN214067797U 公开(公告)日: 2021-08-27
发明(设计)人: 谢巍;钱文轩;余锦伟;谢苗苗;许练濠;廉胤东 申请(专利权)人: 华南理工大学
主分类号: G06K9/20 分类号: G06K9/20;G06K9/46;G06T7/80;G06Q50/02
代理公司: 广州市华学知识产权代理有限公司 44245 代理人: 蔡克永
地址: 510640 广*** 国省代码: 广东;44
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 飞行器 协作 农作物 病害 检测 装置
【说明书】:

本实用新型公开了一种基于多飞行器协作的农作物病害检测装置,包括由多个飞行器构成的垂直监测机组和水平监测机组、监控端显示屏组、分析端计算机、输出端显示屏、基站或构建局域网的路由、用于数据传输存储所用的服务器、云台和摄像头。本实用新型可以有效解决人工采集图像以及设置定点摄像头采集图像中无法采集生长较高的果树的枝叶图像问题。并且不局限于水平角度采集图像,可以从多角度采集图像。本实用新型通过多飞行器配合以及合理的路径规划可以实现实时监测整个种植区的情况,不受限于只能实时监测个别区域。

技术领域

本实用新型涉及机器视觉识别技术领域,尤其涉及一种基于多飞行器协作的农作物病害检测装置。

背景技术

农作物病虫害是一个长期以来在我国农业领域内一直存在的问题,其严重影响了农民个人以及农产品相关企业的相关利益,对我国农业领域造成了严重的经济损失,与洪涝旱灾造成的损失相比不逞多让。

大部分农作物染病后基于不同的染病程度,会于叶片、茎部、根部显现相应的病理特征。传统的农作物病虫害识别主要是通过人的肉眼,根据判别人的生产经验和作物知识对于病害种类以及受害程度进行判别,这种判别技术受限于判别人的经验知识以及可观测的区域,不足之处在于容易出现误判、漏判的情况。基于机器识别的图像处理技术可以有效解决上述问题,通过对于病害作物图像中的叶片进行特征提取并对模型进行训练得到能准确识别病害的模型,实现对农作物的病虫害识别检测功能。但是这种判别方式的检测受限于需要大量采集作物图像。

农作物图像采集需要大量的人力物力,低矮农作物尚且能够人工采集图像,而果树枝干叶片较高,不便于人工采集图像。并且检测所用图像具有时效性,但人工采集图像通常存在一定的滞后性以及主观性。若使用定点摄像头采集图像则又会出现采集角度单一固定,采集图像不全面的问题。如果能在一定程度上解决优化这些问题,能有效提高基于机器视觉的农作物病虫害检测效果。

本实用新型针对以上图像采集中存在的问题,将机器视觉识别技术和飞行器图像采集技术相结合。通过多飞行器集群协作,在监控端完成对整个农田或者果林全方位多角度地监控及数据采集,配合病虫害检测网络模型,在检测分析端通过特征提取和识别实现病害的自动化、实时无间断地检测。

发明内容

本实用新型提供一种基于多飞行器协作的农作物病害检测装置。

本实用新型在于解决使用机器视觉技术,进行作物病虫害检测时,人工采集图像或设置定点摄像头,采集图像角度单一,且对于果树类作物的叶片图像采集困难,费时费力,采集工作具有滞后性、主观性等问题。

本实用新型通过下述技术方案实现:

一种基于多飞行器协作的农作物病害检测装置,包括由多个飞行器构成的垂直监测机组和水平监测机组、监控端显示屏组11、分析端计算机12、输出端显示屏13、基站或构建局域网的路由14、用于数据传输存储所用的服务器15、云台和摄像头。

飞行器包含图像、视频流传输功能以及路径规划功能,可以实现传输图像数据以及根据预定路径飞行,实现自动化监测。

云台及摄像头完成农作物的图像采集,并且传输给飞行器中的数据传输模块。

飞行器装有控制器,它们之间的无线传输,在基站有较好信号覆盖时可以使用互联网完成。若无上述条件或存在特殊需求,可采用无线路由器搭建局域网完成信号传输。

监控端显示屏和飞行器由无线传输模块相连,监控端显示屏、输出端显示屏与分析端计算机由视频数据线相连。服务器与分析端计算机使用互联网相连。

垂直监测机组和水平监测机组同时进行图像的采集;

所述垂直监测机组包括第一垂直飞行器1和第二垂直飞行器2;

所述水平监测机组包括第三水平飞行器3、第四水平飞行器4、第五水平飞行器5和第六水平飞行器6;路径8、9、10为水平监测机组预设路径;

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华南理工大学,未经华南理工大学许可,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/202120162310.9/2.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