智能无人遥感系统在精准农业中的应用研究

王燕雪，尉粮苹*，刘亚芳，刘鑫秋

（1.青岛恒星科技学院，山东 青岛 266100；2.山东工程职业技术大学，山东 济南 250200）

1 精准农业的内涵

现代农业中的精准农业，是现在农业研究领域的热点。精准农业是以科技为主要基础，根据收集获取的农作物数据，进行快速分析，做出及时反馈，使得农作物产量获得提高的现代化农业管理理念。这个概念是近几年推出的适用于大型农业田的高效管理系统。它可以说是农业和高科技完美结合的产物。我国是以农业为主的国家，众所周知我国的人口数量众多，但是可以种植的土地面积却很紧缺，人口和土地两者比例极不平衡，人口的增长和土地面积的减少这一趋势不可避免，这样的不平衡就会引起矛盾。粮食为民生之本，粮食的短缺会引起众多的纠纷，在未来也有可能不断深化并爆发，为了缓解这样的不平衡，我国就必须保持农业的持续发展。为了高效率发展农业，同时又不会产生环境污染以及过高的成本，而出现了精准农业这一概念，这是农业和高科技技术结合的理念。精准农业可以提高单位面积农田的产率并且只需要较少自然资源的消耗。农田中出现的害虫干旱等情况，也可以得到及时有效的解决。

2 智能无人遥感系统在农业中的优势

农作物的检测技术主要有航天、卫星和地面遥感技术，现在已经在农业中使用广泛，在运用过程中它们的缺陷所产生的众多问题正在慢慢浮现在研究者面前。一方面这样的技术虽然可以提高和加强农作物管理的水平，但是另一方面却又带来了很多新的问题。航天、卫星技术存在着大量的缺点，如成本大、操作难度大、专业水平高及易受恶劣天气的影响等。而地面遥感技术虽然不受天气的影响，可以近距离且非常直观地监测农作物的生长情况，其获取的数据量丰富、农作物信息较为准确，但是它的缺点也非常之多，监测农作物的面积小且费时费力，难以实现快速大面积获取农作物的信息，不能很好地满足农业的发展。根据这两项技术的优缺点引出了一项融合了这两项技术优点同时又避免了一部分缺点的新型技术——智能无人遥感系统。在遥感系统的配合下运用智能无人机。遥感技术作为一项对地观测技术，使用的是电磁波技术，利用传感仪器发出的辐射，然后接收农作物受到辐射所反射的电磁波信息，将在屏幕上进行成像，可以较为直观地观察农作物的生长和种植情况。它可以极大地方便农民对农作物的观察和护理；搭载遥感系统的无人机，可以精准地实现农作物疾病的诊断、生成水利用率图像、判别土壤侵蚀特征影响及病虫害影响等工作，从而达到改善农作物的护理机制的目的。无人机与遥感技术结合使用是现在较为常见的使用形式。无人机遥感系统具有许多优点，它的成本很低、操作简便、灵敏、实用性强，现在正在取代传统的人工操作的直升机遥感、卫星遥感、航天遥感等技术，不仅能够克服这些技术产生的缺点，还具有分辨率高、精确收集数据、多角度收集农作物成长情况的优势，同时还具有收集面积范围广泛、视野开阔的性能。遥感技术和无人机技术的双重配合使得这些难题得到快速有效的解决，对这两项技术的不断深入研究，有利于快速地推动精准农业的发展。遥感技术和无人机技术也成为了当今农业研究的热点。基于这两项技术的优点，智能无人遥感系统在精准农业中的应用研究成为众人关注的热点，通过基于人工智能算法的遥感图像处理和无人机技术的结合，并突破精准农业应用中无人机自主航迹规划和遥感图像精准分类等技术，提高无人机用于植保的效率，提升农业管理水平。

3 国内外研究的进展

在利用智能无人机保护植物的这个领域，美国、日本、韩国等发达国家研究的程度较深，对这项技术的利用也具有一些代表性。简单地介绍这3个国家的情况：美国在20世纪中期以后就利用这项技术从事大型农田的种植，美国农业已经发展为现代化农业。现在，美国已经拥有农业机20多个品种9 000多架，占全世界总量的28%。日本从20世纪90年代开始大量使用无人机技术，将无人机与农业结合，用无人机进行农田农作物的灌溉、害虫的防除、施肥、农作物生长情况的监测等工作。最近，日本的无人机技术发展快速，无人机数量和种类大幅度增加。韩国从2003年首次引入无人机这项技术，到现在数量和种类的增加也很迅速，在农业领域的运用十分广泛。目前，我国农业植保无人机技术的开发还处在初级阶段，应用主要还是试点，并未在全国大范围普及。作业方式都是由飞控手遥控操作无人机进行，信息化和智能化程度较低，还达不到无人机全自主飞行作业的程度。作业精度、作业面积、作业效率，既受控于直升机本身的性能更受控于飞控手的操作水准。2016年全国水稻播种面积为4.5亿亩，如果其中50%采用无人直升机进行植保，按每架飞机负责2 500亩计算，共需无人机9万架。所以说，根据我国现在对于精准农业发展情况，以及我国农业国情的情况，研究智能无人机遥感系统这项技术迫在眉睫，这项技术对于准确快速地了解农作物的生长情况非常有利，利用方式合理的情况下，还可以对粮食产量的大幅度提高起到辅助作用，为中国农业的发展做出贡献。

4 智能无人遥感系统的应用

在精准农田上进行智能无人机遥感系统的实地操作，首先是对作业区域无人机航迹自动规划。多旋翼无人机具有机体面积小、成本低、可以定点悬停及可垂直起降等优势，早些年适用于军事领域，最近发现它在农业方面也可以起到一定的作用。我们将仔细考察多旋翼无人机作业区域的各种典型的轮廓形态，将它们划分为数学意义上的一些标准形态，如长方形（包括正方形）、梯形、平行四边形、L形、三角形、椭圆形以及扇形等，或是它们的组合。然而实际上的农田边界大多不规则，需要研究边界扩展和剪裁方法，对不规则边界进行合理修整将其变成某一类标准形态或多个标准形态的组合。然后，研究运用人工智能技术和进化计算技术（如采用遗传算法、人工免疫算法、蚁群算法或混沌粒子群算法），以路径最短和作业区域面积全覆盖目标函数，对各类标准形态的作业区域设计出无人机最优航迹规划算法。在研究过程中，尽量做到航迹自动规划无漏拍、无重复，确保无人机遥感系统能稳定、可靠、快速地获取高质量作业区域遥感图像数据的采集。

收获到高质量的数据后，以深度学习为基础，将高光谱遥感图像进行分类，研究适合高光谱数据光谱特征解析的深度学习方法，建立高光谱数据多层次光谱特征表达框架；研究神经网络自反馈学习机制，建立从“多层次光谱特征编码”到“原始高光谱数据”的信息重构体系。通过研究这些遥感系统图像分类的方法，更好地进行遥感系统的实验和利用。相比于传统的多光谱数据，高光谱数据波段数目众多，有更强的区分农作物的能力。高光谱图像的分类最近成为一个较为重要的研究热点。高光谱遥感是成像技术和细分光谱技术结合的成像光谱遥感，它可以获取在可见光到短波红外甚至中红外和热红外波段范围内纳米级光谱分辨率的连续、窄波段的图像数据，蕴含丰富的空间、辐射和光谱三重信息。高光谱遥感图像中有许多像素，而每一个像素又有一系列的亮度值。每个亮度值都是一个波段的光谱反射率，所以说每一个信息是一条二维空间的光谱曲线。由于农作物的光谱是不同的，因此像元可以作为区分不同农作物的依据。以像元为基础的算法是现在研究者们研究最多、最深入的。高光谱遥感图像分类方法是根据像元的数据，从一个空间向另一个空间映射的过程。

深度神经网络也是目前的研究潮流，它是模仿人的神经网。人脑的神经是非常复杂的，现在也难以研究透彻，人脑神经网面积小，却能传输数量庞大的数据，深度神经网络就是基于此被研究出来的。利用深度神经网络对高光谱数据进行分类，最终形成较为适合模式分类的理想特征，从而可以提高数据精确性。这项技术读取的数据准确。最后利用智能无人机遥感系统，在实验农田进行操作运行，将每一块农田的数据进行整合，从而验证所提出的航迹规划方法以及基于深度学习的高光谱遥感图像分类方法的准确性。

5 项目的创新性及特色

这个项目的创新性及特色体现在以下两部分：（1）它提出了一种多旋翼无人机的最优航迹规划算法。还将不规则农田的形状利用分拆整合形成人们所熟知的各种数学意义上的一些标准形态，然后采用人工智能技术和进化计算技术设计无人机最优航迹规划算法；（2）提出一种以深度学习为基础的将高光谱遥感图像进行分类的方法。利用深度学习思想，建立高光谱数据光谱本质特征的层次化表达框架，实现海量遥感图像数据自动、高速、高质量的实时处理。

6 项目研究技术路线

针对无人机遥感系统中的自主巡航和图像处理问题，本项目研究了一种基于人工智能的无人机遥感系统。本次研究的技术路线主要是由两部分组成，理论的研究和实地考察收集大量数据后对数据进行运算证实理论研究的正确性，我们所研究的智能无人机遥感系统都是基于实际应用的需求，理论研究的方法也都是根据实际应用。首先，通过分析无人机不同的作业区域，设计无人机飞行区域边界，归纳几种典型的几何形态，研究每一种形态，以路径最短和作业区域面积全覆盖为目标函数，设计出无人机最优航迹规划算法，再采集作业区域的高光谱感光遥感图像。其次，利用机载的高速成像光谱仪来获取农作物的全面信息数据，使用深度学习的概念对获取的感应图像进行分类来搭建高光谱数据多层次光谱特征表达框架，重构深度学习的信息重构体系，建立基于深度学习的分类方法，再采用深度学习方法对海量遥感图像数据从低层到高层逐步进行特征提取，最终得到适合地物分类的理想模型。搭建一套无人机遥感系统用于精准农业中，在实验农田进行实地操作，收集农作物的信息，并利用理论研究得出的算法验证本项目所提出方法的有效性和优越性。利用实际得出的数据不断地更新和修正理论研究的方法，进行多方面的讨论研究，最后在多次总结归纳中的得出最准确的方法。

研究技术路线如图1所示。

图1 研究技术路线

7 结束语

目前智能无人机在农业上运用广泛，已经在许多农田进行操作，可以对农作物进行施肥、灌溉、清除病虫害等工作。为了迎合时代的发展，缓解人口和土地不平衡的矛盾，发展现代化农业刻不容缓。