基于无人机遥感通信农业种植数测量系统设计

李 艳

(四川工业科技学院 , 四川 德阳 618500)

0 引言

随着农业的发展,我国进入了精准农业的新时代。精准农业[1]是以现有的农业方式作为基础,通过采集的农情数据,及时地获取作物需求并投入,从而实现精准生产的作业方式。现有的农作物生长仍主要受到自然环境的影响,实时且准确地获取农业种植数量,可以为农业的安全生产提供数据支持[2]。传统的大面积农业种植数量的统计主要为人工测量,一般包括丈量法或PDA实地测量法等[3-4],这种测量方式效率低、误差较大且易受到环境干扰,无法满足人们对于作物数量统计精度的要求。因此,如何快速且准确地获取农业种植数量信息成为目前亟待解决的问题。

为了对农业种植数进行统计,可以建立测量系统。遥感技术是利用传感器实现对目标远程观测的技术,集合了地理学、光学等学科。目前,卫星遥感技术因其具有快速、无损和可监测范围广的优点,在农作物的生长发育监测方面应用较为广泛[5]。但是,该技术存在易受环境影响且精度较低的缺点,无法将其应用于农业种植数测量系统。

无人机(Unmanned aerial vehicle,UAV)是一种通过无线电控制的、可重复使用的无人驾驶飞行器,通过在无人机上配置的设备,可执行多种任务。无人机遥感通信技术是通过在无人机上装载传感器和影响采集设备,并利用图像解析技术获得特定的结果,从而对目标实现监测的技术。该技术将无人机和遥感技术的优点集合在一起,包括易于使用、可无人驾驶、高时效性及更为安全的优点。目前,无人机遥感技术已广泛的应用于军事等领域,还未在种植数方面得到应用。为此,基于无人机遥感通信技术对农业种植数测量系统进行了设计。

1 系统硬件设计

1.1 总体设计

农业种植数测量系统主要由无人机飞行平台、飞行控制系统、遥感设备、地面监控站、无线电通讯系统和数据处理系统等部分组成,如图1所示。

1.2 无人机飞行平台

无人机飞行平台主要为遥感设备提供一个搭载平台,其布局合理性及性能的稳定性是系统能够作业的基本保证。目前,无人机分为多旋翼、固定翼、直升机类和飞艇,通过对各类无人机进行分析,四旋翼无人机具有可定点悬停、可慢速航行的特点,更适合于精度较高的农田信息采集[6]。因此,选择四旋翼无人机作为飞行平台。无人机的主要组成为执行机构和传感器。其中,传感器主要包括GPS、陀螺仪、加速度计及磁力计,用于采集无人机飞行过程中的俯仰/横滚姿态角及角速度等信号;执行机构主要包括机架、飞控、桨叶及电池等,用于执行飞行指令。

1.3 飞行控制系统

飞行控制系统用于控制无人机的飞行和任务的管理,主要是通过飞行控制计算机实现控制。为了提高飞行控制系统的可靠性,保证信号传递的精度且不受外界的干扰,无人机的传感器、执行机构等之间的信息传递以数字化方式进行。飞行控制系统的控制框图如图2所示。

图1 系统组成结构简图Fig.1 The system composition structure diagram

图2 飞行控制系统的控制框图Fig.2 The control diagram of flight control system

1.4 遥感设备

遥感设备主要为遥感传感器,根据任务需求且在无人机平台的载荷范围内,可以搭载一种或多种传感器,如数码相机、多光谱相机和激光雷达等。在拍摄时,高分辨率与宽幅面摄影互相矛盾,为增加摄影面积,采用多个相机结合的方式,增加摄影角度。多相机的图像拼接原理图如图3所示。

图3 多相机的图像拼接原理图Fig.3 The image mosaic schematic of multiple cameras

1.5 地面监控站

地面监控站的主要任务是实时接收并分析遥测和飞行数据,发送指令,远程操控无人机完成作业任务,动态显示无人机的飞行状态及采集到的目标信息。地面监控站的功能主要包括飞行状态监控、数据分析和飞行控制。地面监控站的工作流程图如图4所示。

图4 地面监控站的工作流程图Fig.4 The work flow chart of ground monitoring station

对于无人机飞行状态的监控是地面监控站的最核心功能之一。通过无线电通讯系统实现无人机与地面的实时通信,将无人机的GPS信息、飞行姿态和状态等及时地传递并显示,实现对无人飞行平台的监控。

数据分析主要是对无人机的GPS位置信息、飞行姿态和状态数据进行解算、显示、存储和分析处理。

飞行控制则是根据数据分析的结果,实时调整无人机的飞行状态和飞行路线,满足无人机的飞行任务要求。

1.6 无线电通讯系统

无线电通讯系统一方面将无人机和遥感设备的作业参数传递至地面监控站,一方面将地面操控人员的指令传输至无人机,使无人机按照地面人员的指令完成相关任务。

为了便于架设且易携带,将地面监控站和通讯系统设计为一体化,主要硬件由发射机、接收机、天线、电源、计算机和显示器等组成,如图5所示。

图5 无线电通讯系统和地面监控站的结构框图Fig.5 The structural block diagram of radio communication system and ground monitoring station

1.7 数据处理系统

数据处理系统是为了实现无人机和遥感数据的快速处理,制作的数据处理软件。

2 图像特征分析与种植数测量方法

遥感图像的特征是指从图像中提取出来的关键信息,作为分类器的输入值,统计农业种植数。

2.1 图像特征分析

遥感图像信息特征的提取是统计农业种植数的核心和基础。一般图像的特征主要包括颜色特征和纹理特征。因此,需要研究图像的特征确定方法。

遥感图像是在自然条件下拍摄的,会受到天气原因的影响,从而产生噪声,降低图像质量。在进行图像特征确定前,首先对图像进行预处理,降低噪声,提高图像精度。在此,采用中值滤波的方式进行图像的预处理,实现公式为

g(i,j)=

median{f(i±Δi,j±Δj),i±Δi,j±Δj∈S}

Δi,Δj≤INT(N/2)

其中,INT为对数进行取整;S表示窗口的覆盖范围。中值滤波的原理如图6所示。

图6 中值滤波原理图Fig.6 The median filtering schematic diagram

在进行颜色特征的选取时,采用数码相机拍摄的图像均为RGB模型;与RGB模型相比较,HIS模型更符合人类感官对颜色、明暗和色调对色彩的定义。因此,需要将图像的RGB模型转变为HIS模型,转变方式为[7]

纹理特征的信息主要通过灰度共生矩阵(GLCM)进行计算,共包括8类。第一类为对比度(Contrast),计算公式为

其中,A为与纹理相关方向的GLCM;m、n和i为各不同方向的灰度值和分辨率。第二类为角二阶矩(Energy),表示图像的灰度分布是否均匀,即

第三类为均一性,表示纹理分布的规则性(Homogeniety),即

第四类为熵(Entroy),表示图像的复杂性,即

第五类为均值(Mean),表示图像的色调明暗程度,即

第六类为方差(Variance),表示图像纹理变化的快慢,即

第七类为相关性(Correlation),表示图像纹理在某方向的近似程度,即

第八类为相异性(Dissimilarity),表示图像纹理的清晰程度,即

通过以上计算方式,得出纹理相关信息。

2.2 种植数测量方法

在对种植数进行测量时,采用支持向量机(SVM)的方法进行计算[8]。该算法采用径向基核函数作为支持向量机的核函数,即

其中,xm为算法的样本因子;x为预测因子;σ为核参数因子。在引入核函数后,SVM的决策函数则更改为

f(x)=Sgn{αm*(xm·x)+b*}

通过以上方式可以得到种植数。

3 试验结果

为了验证该种植数测量系统的性能,需要对其进行种植数测量试验。试验地点为四川省德阳市的主要农业区域,主要种植作物为水稻、玉米、小麦、油菜和洋芋等农作物,故主要对这5种农作物进行样本点统计。以实地调查的数据为准,采用本系统对该片区域的农作物样本点进行精度检验。试验结果如表1所示。

表1 种植数测量试验Table 1 Measurement test of planting number

由表1可知:系统对样本点统计的相对精度均在78%以上,能够满足大面积农作物种植数的测量。

4 结论

1)为了快速且准确地取农业种植数量信息,基于无人机遥感通信技术对农业种植数测量系统进行设计。系统主要由无人机飞行平台、飞行控制系统、遥感设备、地面监控站、无线电通讯系统和数据处理系统等部分组成。

2)通过对遥感图像信息的颜色和纹理特征的提取方式进行设计,并采用支持向量机(SVM)对种植数进行计算,使系统可以准确测量农业种植数。

3)为了验证测量系统的性能,对其进行种植数测量试验,结果表明:系统对样本点统计的精度较高,可以用于大面积农作物种植数的测量。