在线投稿网在线投稿网

论文在线投稿
论文范文大全

基于无人机的农田精准监测系统

知网论文查重系统

  摘要:针对目前农田识别病虫害和实时预警方面的能力欠佳、灵敏度不足等问题,提出一种新型且能快速监测、识别、预警病虫害的农田精准监测系统,通过无人机上集成光流传感器、BDS导航模块、摄像头等模块,同时在软件上加入深度可分离卷积和点态卷积算法,使识别精度达到了93.62%,并且识别速度也得到了提升,能满足农田监控的需求。
  关键词:单片机;农田精度识别;无人机;图像处理;深度学习
  1引
  现代农业系统中,对于农作物全方位的人工保护,处理方面已经初步形成规模,但是由于大规模种植,人工不可能完全且细致的监测出农田异常状况,,无人机以其小体积,性能优良,灵活性高,续航能力强而被大量利用于拍摄,巡航,军事,农业,现有农业无人机仅仅停留在大型植保无人机上,而对于小型农田情况监测无人机也仅仅只是传图,需要人实时进行识别,为了解决此问题,本文设计出一种能够实时监测加在线识别病虫害的无人机系统,利用现有的Mobile Net算法加上快速网络图传技术,使得人无需实时监测画面,系统能自动监测并识别病虫害等问题。
  2 系统总体结构设计
  该系统的主要目的是以无人机为搭载平台,在其基础之上架设所需的传感器和摄像设备来完成对农田现状的分析,进而实现对农田的监测。为了实现预期功能,本次系统硬件主要包括:无人机本体、飞控板、动力系统(由电池、电动机和电调组成)、巡航功能的BDS模块、运动捕捉的光流传感器、以及湿度传感器等。系统的硬件结构模块图如图1所示。
  3.系统各模块技术设计
  3.1图像采集模块
  系统采用OmniVision公司的CMOS图像传感器0V5647芯片采集图像。OV5647体积小,工作电压低,提供单片VGA摄像头和影像处理器的所有功能。由于单片机工作频率不能和摄像头的采样频率保持匹配,因此需采用一片FIFO先进先出存储器作缓存,本系统采用的是AverLogic公司推出的存储容量为3 MB的视频帧存储器AL422B。此DRAM数据存储器主要用于存放完整的一帧OV5647输出的图像数据。
  3.2收发端系统模块设计
  该模块将摄像头采集到的图像数据,通过设计一定的逻辑电路,使OV5647 自动地将图像数据写入FIFO,再利用图像去噪模块对图像信号进行相应的去噪处理,同时传入单片机系统,并将图像数据通过无线模块nRF24L01发射,接收端接受到图像数据后传至上位机进行图像显示。
  与此同时,采用CH340T进行串口与USB进行转换,实现USB转串口通讯功能。在串口方式下,CH340T提供常用的MODEM 联络信号,用于为计算机扩展异步串口,或者将串口设备直接审计到USB 总线。PC端可实现点对点无线传输功能,可以通过串口助手工具進行初步调试。
  3.3图像处理与识别模块
  图像处理模块针对系统所采集到的图像经过预处理以及图像分割处理后,提取图像特征,并训练出农作物识别模型,然后与采集到的数据信息进行匹配识别,以得到具体的检测结果,再将结果反馈给主控系统。在这里采用了计算机视觉中较为普遍的卷积神经网络其中的分支,由谷歌发布的MobileNet,是直接设计小模型进行训练进而达到提高识别效率的一个结果。图 3所示为Mobile Net 模型示意图。
  3.4基于Android的交互式用户界面模块
  本系统通过设计强交交互式界面进行界面,以更方便直观地给出实时图像和识别结果。该界面基于Android平台进行开发,通过灵活应用Activity类及其派生继承类,实现系统的稳定性和强交互性,以此满足设计的目标以及设计要求的主要功能,能为用户提供真实的、可靠的、参考价值高的农田监测信息。用户界面接口框图如图4所示。
  4 结 语
  为了解决大规模农业种植中,无法有效实时监督作物病虫害等各种问题,本系统利用当前热门的无人机及图像识别技术,构建了一套基于无人机的农田精准监测系统,包含完善的硬件系统,并设计了功能完整、可行的上位机软件,在此基础上加入了基于深度学习的Mobile Net网络算法,以提高运算识别速度,使得无人机在农田病虫害监测、预警和识别方面的能力大大提高,为我国农业系统病虫害管治方面提供了新的思路,对于大型粮油企业及农业主产区产量的增高也有一定的参考价值。
  参考文献
  [1]吴雪梅,梁长江,张大斌, 等.基于无人机遥感影像的收获期后残膜识别方法[J].农业机械学报,2020,51(8):189-195.
  [2]徐信罗,陶欢,李存军, 等.基于Faster R-CNN的松材线虫病受害木识别与定位[J].农业机械学报,2020,51(7):228-236.
  [3]孙钰,韩京冶,陈志泊, 等.基于深度学习的大棚及地膜农田无人机航拍监测方法[J].农业机械学报,2018,49(2):133-140.
  [4]杨焰飞,曹阳.基于深度学习的无人机拍摄图像绝缘子目标检测[J].激光杂志,2020,41(10):63-66.
  [5]吴松元,牛宗超,吕康胜.基于OpenMV的循迹无人机设计[J].电子世界,2020,(4):175-176..
  作者简介:黄仪龙(2000.10-),男,汉族,河南省许昌市人,大三学生,主要从事自动化专业研究。
  河南科技大学SRTP项目:基于无人机的农田精准监测系统   编号:2020079
  (河南科技大学信息工程学院 河南 洛阳 471000)

万方通用版论文查重
维普编辑部版论文查重

论文查重 检测系统 官方入口

知网期刊检测 知网PMLC 万方检测 知网检测VIP