一种基于无人机对香蕉早期病虫害实时可视化标记的方法

1.本发明涉及香蕉病虫害可视化标记技术领域，尤其涉及一种基于无人机对香蕉早期病虫害实时可视化标记的方法。

背景技术：

2.香蕉是热带、亚热带主要水果之一，在我国种植面积约有30万公顷，香蕉病虫害对香蕉产量及质量影响极大，对香蕉病虫进行防治是生产的关键环节之一。香蕉常见病虫害有20多种，香蕉束顶病、花叶心腐病，镰刀菌枯萎病已成为香蕉生产的毁灭性病害，此外还有香蕉叶斑病，病等，虫害主要有香蕉交脉蚜、象鼻虫、卷叶虫等。病虫害问题已成为香蕉种植业发展的严重障碍。为使农户能及早发现香蕉植株的异变，减少香蕉产量的损失，对香蕉病虫害及早的发现及防治，现决定利用一种基于无人机对香蕉早期病害可视化实时标记的方法。

技术实现要素：

3.本发明的目的在于提供一种基于无人机对香蕉早期病虫害实时可视化标记的方法，解决传统香蕉病虫害认为无法早期发现，对香蕉造成减产的技术问题。
4.为了实现上述目的，本发明采用的技术方案如下：
5.一种基于无人机对香蕉早期病虫害实时可视化标记的方法，所述方法包括如下步骤：
6.步骤1：无人机开始巡航，获取香蕉田范围区域，生成香蕉田区域地图，并进行巡航轨迹规划；
7.步骤2：使用rgb-d相机采集图像通过极坐标法识别香蕉树；
8.步骤3：使用rgb-d相机、多光谱相机、热红外相机扫描香蕉树，将采集的图像输入到相应类型的识别模型中，通过输出模型得到结果分析，判断香蕉树树叶是否有病虫害；
9.步骤4：当发现有病虫害时，无人机喷射装置驻停，使用ds距离计算模型计算测量病虫害点与无人机的距离,并通过实时距离反馈来调整无人机喷射装置飞行高度，使距离稳定保持在1.2米以内，无病虫害时返回步骤2，继续循环；
10.ds距离计算模型距离计算公式如下：
[0011][0012]
其中，ds为无人机与患病香蕉植株叶片之间的距离，c为光速，t0为光脉冲持续时间，s1为曝光时间内s1电容积累电量，s2为曝光时间内s2电容积累电量，τ为电容积累电量误差值，μ为电容积累电量过载值；
[0013]
步骤5：距离小于设定距离时，开启喷射装置对病虫害进行喷射标记；
[0014]
步骤6：获取病虫害点的坐标，并在香蕉田区域地图上标记；
[0015]
步骤7：无人机喷射装置依据巡航轨迹规划图判断是否存在待巡航香蕉田区域，若存在未巡航区域，则返回步骤2，循环进行；若无人机喷射装置已完成全部巡航路线，则进行步骤8。
[0016]
步骤8：巡航检查完香蕉田区域，将香蕉田区域标记地图输出给香蕉田管理员查看。
[0017]
进一步地，步骤1的具体过程为，无人机起飞后，人工控制无人机沿着香蕉田的周围飞行一圈，利用无人机搭载的rgb-d相机采集香蕉田区域的rgb-d图像，生成点云图并对齐照片，图像建立网格和纹理，输入地面控制点的地理信息坐标对图像进行正射校正，判断校正后的图像是否符合精度，若符合则输出校正后的数字表面模型(dsm)，建立香蕉田区域地图，若不符合则重新执行飞行任务。
[0018]
进一步地，步骤2的具体过程为：
[0019]
通过rgb-d相机获取前端的图像，然后对预处理的图像进行图像边缘轮廓识别，得到植物的外围轮廓；
[0020]
同时需要提前获取香蕉树叶的rgb图像进行图像识别，然后识别得到香蕉树叶的轮廓，将香蕉树叶轮廓放到二维坐标轴上，选定香蕉树叶轮廓的中心点分别与二维坐标轴的原点对应，然后把香蕉树叶轮廓分别设定为k个点，k为大于64的整数倍数值，则得到香蕉树叶轮廓上设置的点的极坐标为n为正整数，且大于等于k，将所有极坐标中的rn提取出来得到苹果轮廓极坐标函数l(k)＝(r1,r2,r3…rn
)，则得到所有香蕉树叶轮廓线条图源的极坐标函数l
t
(k)＝(r1,r2,r3…rn
)，t为编码轮廓线条图的个数，为正整数；
[0021]
将获取的植物的外围轮廓放到二维坐标轴上，选定植物的外围轮廓的中心点分别与二维坐标轴的原点对应，然后把植物的外围轮廓设定为k个点，k为大于64的整数倍数值，则得到植物的外围轮廓上设置的点的极坐标为n为正整数，且大于等于k，将所有极坐标中的r’n
提取出来得到极坐标函数l’t
(k)＝(r
’1,r
’2,r
’3…
r’n
)，然后将l’t
(k)＝(r
’1,r
’2,r
’3…
r’n
)与l
t
(k)＝(r1,r2,r3…rn
)傅里叶变换得到离散函数l”(k)，然后将离散函数l”(k)进行反傅里叶变换得到轮廓的相识度函数，出函数的最大值，当最大值大于等于设定值时，则认定为识别对比正确，然后确定识别植物的外围轮廓为香蕉叶轮廓。
[0022]
进一步地，步骤3的具体过程为：首先要提前获取香蕉病虫害的rgb、多光谱和热红外图像数据，构建学习网络，并训练得到相应图像类型(rgb图像、多光谱图像和热红外图像)的识别模型ⅰ、ⅱ、ⅲ，然后将得到图像放到相应类型的识别模型中进行识别判断，当有一个及以上的模型的输出结果为香蕉树患病时，则判断香蕉树患病虫害。
[0023]
进一步地，获取香蕉病虫害的rgb、多光谱和热红外图像数据集，构建三种图像类型的图像数据集，对数据集进行划分，将数据集分为基类数据集和新类数据集，两个数据集涵盖的类别不重叠，采用k-means聚类算法对所有图像进行聚类，区分类别之间的相似度。
[0024]
进一步地，学习网络包括基础特征提取网络、共性特征网络和个性特征网络，共性特征网络用于学习同一聚类内不同类别图像的共性特征，个性特征网络用于学习不同类别图像之间的可区分性个性特征，从而得到两组不同类型的特征；
[0025]
训练的具体过程为：对聚类后的基类数据集图像输入基础特征提取网络，再经过共性神经网络和个性特征网络得到的相应的共性特征与个性特征，分别利用分类器将图像特征映射为分类标签计算模型函数；其中，基础特征提取网络与共性特征网络用的是交叉函数，个性特征网络用的是交叉函数和三重函数；
[0026]
然后再将聚类后的基类数据集图像分为支持集和查询集，两者进行对比学习，融合后的特征利用分类器根据支持集和查询集的相似度进行计算，
[0027]
相似度计算表达式为：
[0028][0029]
其中f(m)、f(n)分别为支持集、查询集样本的特征向量。
[0030]
进一步地，交叉函数的表达式为：
[0031][0032]
其中，y为期望值标签输出，x为神经网络实际标签输出，n为样本数，用于基础特征提取网络、共性特征提取网络以及个性特征提取网络末端，用于确保网络输出的类别标签以及聚类标签的正确性；
[0033]
三重函数表示为：
[0034]
loss2＝max{11f(a)-f(b)||
2-||f(a)-f(c)||2+α，0}，
[0035]
其中a，b为同一类的图像，而a，c为同一聚类下不同类别的图像，α为距离参数用于扩大两个相似类别之间的特征距离。
[0036]
进一步地，步骤5中，喷射装置包括直流无刷电机、管制通风枢口、弹簧环、钢制弹簧控制阀、喷射阈值阀门、外设飞控连接口、弹簧环拉伸轴承、弹簧泵、端口角度控制螺栓、雾化器、喷针、螺旋扇叶和内外层弹簧链接阀；
[0037]
通过外设的rgb-d相机、多光谱相机及热红外相机进行香蕉植株的检测，当判断植株患有香蕉枯萎病时，无人机飞控对外设飞控连接口进行控制，无人机喷射装置内部接线与飞控接线均通过外设飞控连接口进行连接，钢制弹簧控制阀由飞控控制旋转180
°
，使弹簧环内弹簧径向发生形变，而弹簧环拉伸轴承进行横向拉伸，改变弹簧环横切半径，增大形变，使弹簧环处于收缩的状态，从而对内外层弹簧链接阀的连接线产生拉伸力，致使弹簧泵内的弹簧受到向上的拉伸力，使弹簧产生形变，造成内气压降低，成为标记物喷洒的第一动力，直流无刷电机带动螺旋扇叶进行转动，产生向上的离心力，成为标记物喷洒的第二动力，标记物经过雾化器后，液化程度提高，经过喷针进行喷洒，可实现精度喷射目标，为保持内外气压平衡，管制通风枢口与外部空气相连，进行气压缓冲功能，喷射阈值阀门，端口角度控制螺栓提前进行设置，使喷洒量及角度更加精准。
[0038]
本发明还提供了一种可视化标记的飞行装置，包括：
[0039]
无人机：作为整个可视化标记的飞行装置的主要飞行载体；
[0040]
无人机脚架：固定安装于无人机下方；
[0041]
亚克力大型圆环：通过连接杆与无人机固定相连，为各个装置提供安装平台；
[0042]
亚克力小型圆环：固定安装于亚克力大型圆环下方；
[0043]
马蒂斯丙烯红颜料携带瓶：安装于高精度喷射装置上；
[0044]
多光谱相机：固定安装于亚克力大型圆环；
[0045]
rgb-d相机：固定安装于亚克力大型圆环；
[0046]
热红外相机：通过安装于亚克力大型圆环；
[0047]
高精度喷射装置：安装于亚克力小型圆环上。
[0048]
本发明提供的可视化标记的飞行装置，能够实现图像采集、病虫害分析的自动化，可对飞行轨迹上的香蕉植株的生长状况进行病虫害检测，同时对患病香蕉植株进行定点精准喷洒标记颜料，最终实现早期香蕉病虫害实时可视化标记工作。
[0049]
为了实现装置的精确飞行，所述无人机采用是由现成的大疆无人机改造而成，以便于完成各种飞行任务。
[0050]
为了便于高精度喷射装置喷射颜料，对患病香蕉植株的进行标记，所述亚克力大型圆环和亚克力小型圆环均可以实现360
°
的旋转。
[0051]
为了保证被标记的香蕉植株清晰可见，便于养护人员查看，喷洒物采用了马蒂斯丙烯红颜料，此颜料无毒无害，颜鲜明，耐高温，耐强光，具有低碳环保优点。
[0052]
为了便于实现对香蕉植株定点精准喷洒标记颜料，所有喷洒的颜料均存储于所述马蒂斯丙烯红颜料携带瓶中，马蒂斯丙烯红颜料携带瓶与喷射装置共同组成标记物喷洒装置，均按安装于为亚克力小型圆环上。
[0053]
为了便于获取香蕉植株的位置及所述无人机机载喷射装置距离香蕉植株的距离，所述无人机rgb-d相机采用了kinect2.0深度相机。
[0054]
为了便于调整各个相机的装置的工作状态，rgb-d相机，热红外相机和多光谱相机分别安装于亚克力大型圆环上。
[0055]
本发明由于采用了上述技术方案，具有以下有益效果：
[0056]
本发明可以代替人工对香蕉田进行查看，同时可视化标记比人为查看效果更好，由于香蕉树较高，很多的病虫害人工调查不易发现，通过无人机可以更好的进行提前发现并喷洒标记，同时在整个香蕉田的地图上做标记，使得管理人员更快更加精准的查到有病害的香蕉，及时处理，避免周围的香蕉感染或者被病虫侵害，提高香蕉产量，解放人力。
附图说明
[0057]
图1是本发明方法流程图；
[0058]
图2是本发明的香蕉田区域地图构建流程图；
[0059]
图3是本发明喷射装置结构示意图；
[0060]
图4使本发明可视化标记的飞行装置结构示意图；
[0061]
图5使本发明可视化标记的飞行装置结构俯视图；
[0062]
图6使本发明可视化标记的飞行装置结构侧视图。
[0063]
附图中，1-直流无刷电机；2-管制通风枢口；3-弹簧环；4-钢制弹簧控制阀；5-喷射阈值阀门；6-外设飞控连接口；7-弹簧环拉伸轴承；8-弹簧泵；9-端口角度控制螺栓；10-雾化器；11-喷针；12-螺旋扇叶；13-内外层弹簧链接阀；14-rgb-d相机；15-热红外相机；16-亚克力大型圆环；17-多光谱相机；18-马蒂斯丙烯红颜料携带瓶；19-无人机机翼；20-无人机脚架；21-高精度喷射装置，22-无人机主控芯片；23-亚克力小型圆环
具体实施方式
[0064]
为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举出优选实施例，对本发明进一步详细说明。然而，需要说明的是，说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解，即便没有这些特定的细节也可以实现本发明的这些方面。
[0065]
如图1-2所示，一种基于无人机对香蕉早期病虫害实时可视化标记的方法，所述方法包括如下步骤：
[0066]
步骤1：无人机开始巡航，获取香蕉田范围区域，生成香蕉田区域地图。无人机起飞后，人工控制无人机沿着香蕉田的周围飞行一圈，获取飞行线路，然后在二维坐标上讲飞行线路绘画出，得到香蕉田区域地图。
[0067]
步骤2：使用摄像头拍照通过极坐标法识别香蕉树。通过rgb-d相机获取前端的图像，然后对预处理的图像进行图像边缘轮廓识别，得到植物的外围轮廓；
[0068]
同时需要提前获取香蕉树叶的rgb图像进行图像识别，然后识别得到香蕉树叶的轮廓，将香蕉树叶轮廓放到二维坐标轴上，选定香蕉树叶轮廓的中心点分别与二维坐标轴的原点对应，然后把香蕉树叶轮廓分别设定为k个点，k为大于64的整数倍数值，则得到香蕉树叶轮廓上设置的点的极坐标为n为正整数，且大于等于k，将所有极坐标中的rn提取出来得到苹果轮廓极坐标函数l(k)＝(r1,r2,r3…rn
)，则得到所有香蕉树叶轮廓线条图源的极坐标函数l
t
(k)＝(r1,r2,r3…rn
)，t为编码轮廓线条图的个数，为正整数；
[0069]
将获取的植物的外围轮廓放到二维坐标轴上，选定植物的外围轮廓的中心点分别与二维坐标轴的原点对应，然后把植物的外围轮廓设定为k个点，k为大于64的整数倍数值，则得到植物的外围轮廓上设置的点的极坐标为n为正整数，且大于等于k，将所有极坐标中的r’n
提取出来得到极坐标函数l’t
(k)＝(r
’1,r
’2,r
’3…
r’n
)，然后将l’t
(k)＝(r
’1,r
’2,r
’3…
r’n
)与l
t
(k)＝(r1,r2,r3…rn
)傅里叶变换得到离散函数l”(k)，然后将离散函数l”(k)进行反傅里叶变换得到轮廓的相识度函数，出函数的最大值，当最大值大于等于设定值时，则认定为识别对比正确，然后确定识别植物的外围轮廓为香蕉叶轮廓。
[0070]
通过极坐标的识别方式，具有速度快，不受距离远近的影响，大大的提高了识别的速率，更好的满足快速巡航查看的目的。
[0071]
步骤3：使用相机扫描香蕉树，判断香蕉树树叶是否有病虫害。
[0072]
首先要提前获取香蕉病虫害的rgb、多光谱和热红外图像数据，构建学习网络，并训练得到相应图像类型(rgb图像、多光谱图像和热红外图像)的识别模型ⅰ、ⅱ、ⅲ，然后将得到图像放到相应类型的识别模型中，当有一个及以上的模型的输出结果为香蕉树患病时，则判断香蕉树患病虫害。
[0073]
获取香蕉病虫害的rgb、多光谱和热红外图像数据集，构建三种图像类型的图像数据集，对数据集进行划分，分为基类数据集和新类数据集，两个数据集涵盖的类别不重叠，采用k-means聚类算法对所有图像进行聚类，区分类别之间的相似度。
[0074]
学习网络包括基础特征提取网络、共性特征网络和个性特征网络，共性特征网络用于学习同一聚类内不同类别图像的共性特征，个性特征网络用于学习不同类别图像之间
的可区分性个性特征，从而得到两组不同类型的特征；
[0075]
训练的具体过程为：对聚类后的基类数据集图像输入基础特征提取网络，再经过共性神经网络和个性特征网络得到的相应的共性特征与个性特征，分别利用分类器将图像特征映射为分类标签计算模型函数；其中，基础特征提取网络与共性特征网络用的是交叉函数，个性特征网络用的是交叉函数和三重函数；
[0076]
然后再将聚类后的基类数据集图像分为支持集和查询集，两者进行对比学习，融合后的特征利用分类器根据支持集和查询集的相似度进行计算，
[0077]
相似度计算表达式为：
[0078][0079]
其中f(m)、f(n)分别为支持集、查询集样本的特征向量。
[0080]
交叉函数的表达式为：
[0081][0082]
其中，y为期望值标签输出，x为神经网络实际标签输出，n为样本数，用于基础特征提取网络、共性特征提取网络以及个性特征提取网络末端，用于确保网络输出的类别标签以及聚类标签的正确性；
[0083]
三重函数表示为：
[0084]
loss2＝max{||f(a)-f(b)||
2-||f(a)-f(c)||2+α，0}，
[0085]
其中a，b为同一类的图像，而a，c为同一聚类下不同类别的图像，α为距离参数用于扩大两个相似类别之间的特征距离。
[0086]
步骤4：当发现有病虫害时，无人机喷射装置驻停，使用ds距离计算模型计算测量病虫害点与无人机的距离,并通过实时距离反馈来调整无人机喷射装置飞行高度，使距离稳定保持在1.2米以内，无病虫害时返回步骤2，继续循环；
[0087]
ds距离计算模型距离计算公式如下：
[0088][0089]
其中，ds为无人机与患病香蕉植株叶片之间的距离，c为光速，t0为光脉冲持续时间，s1为曝光时间内s1电容积累电量，s2为曝光时间内s2电容积累电量，τ为电容积累电量误差值，μ为电容积累电量过载值；
[0090]
步骤5：距离小于设定距离时，开启喷射装置对病虫害进行喷射标记。喷射装置包括1直流无刷电机bldc-1oow，2管制通风枢口，3弹簧环，4钢制弹簧控制阀，5喷射阈值阀门，6外设飞控连接口，7弹簧环拉伸轴承，8弹簧泵，9端口角度控制螺栓，10雾化器，11喷针，12螺旋扇叶，13内外层弹簧链接阀。
[0091]
通过外设的rgb-d相机、多光谱相机及热红外相机进行香蕉植株的检测，当判断为该植株患有香蕉枯萎病时，无人机飞控对6外设飞控连接口进行控制(高精度植保无人机喷射装置内部接线与飞控接线均通过6进行连接)，4钢制弹簧控制阀由飞控控制旋转180
°
，使
3弹簧环内弹簧径向发生形变，而7弹簧环拉伸轴承进行横向拉伸，改变3弹簧环横切半径，增大形变，使3弹簧环处于极度收缩的状态，从而对13内外层弹簧链接阀的连接线产生较大的拉伸力，致使8弹簧泵内的弹簧受到向上的拉伸力，使弹簧产生极大的形变，造成内气压降低，成为标记物喷洒的主要动力之一。1直流无刷电机bldc-1oow进行小规模供电，带动12螺旋扇叶进行转动，产生向上的离心力，成为标记物喷洒的主要动力之二。标记物经过11雾化器后，液化程度大幅提高，经过10喷针进行喷洒，可实现高精度喷射目标。为保持内外气压平衡，2管制通风枢口与外部空气相连，进行气压缓冲功能。5喷射阈值阀门，9端口角度控制螺栓可提前进行设置，使喷洒量及角度更加精准。
[0092]
步骤6：获取病虫害点的坐标，并在香蕉田区域地图上标记。通过gps获取标记时的坐标数据，然后与香蕉田区域地图的坐标对应点记性做标记，并标记具体的病害类型合伙数量。
[0093]
步骤7：无人机喷射装置依据巡航轨迹规划图判断是否存在待巡航香蕉田区域，若存在未巡航区域，则返回步骤2，循环进行；若无人机喷射装置已完成全部巡航路线，则进行步骤8。步骤8：巡航检查完香蕉田区域，将香蕉田区域标记地图输出给香蕉管理员查看。
[0094]
由无人机巡航模块及飞控系统进行控制，使无人机按原设定路线在果园中进行巡航。在巡航期间，使无人机低空飞行，速度降低为3.6km/h,以此确保无人机在扫描过程中的精度。
[0095]
在巡航中，无人机机载多光谱相机、rgb-d相机、热红外相机扫描模块首先对果园中的香蕉植株及其他植物进行分类，在分类任务完成后，无人机机载多光谱相机、rgb-d相机、热红外相机对香蕉植株生长状况进行检测，并利用够贱的香蕉病虫害识别模型对香蕉植株生长状况是否异常进行判断，当判断该香蕉植株生长正常时，无人机继续进行巡航任务。当判断该香蕉植株生长异常时，无人机喷射装置驻停，使用ds距离计算模型计算测量病虫害点与无人机的距离,并通过实时距离反馈来调整无人机喷射装置飞行高度，使距离稳定保持在1.2米以内，并开始喷洒作业。无人机机载喷射装置进行对香蕉植株定点精准喷洒，喷洒物为马蒂斯丙烯红颜料，此颜料无毒无害，颜鲜明，耐高温，耐强光，具有低碳环保优点。喷洒装置将标记物喷洒至树干及养护人员肉眼能够看到的区域。
[0096]
每台无人机装载2台完全一致的标记物喷射装置，当其中一台装置喷射150ml标记物后，启动自动喷射器转换模块，x亚克力大型圆环转动90
°
，使相邻喷射装置进行喷洒。直到2个喷射装置均喷洒完成后进行循环。此举可有效保证重力改变量有效分配，使重心几乎不变，确保了无人机悬停喷洒时的稳定性。
[0097]
当总喷洒量达到一棵患病虫害植株预设的喷洒量时，无人机喷洒装置结束工作，无人机由悬停模式进入巡航模式，并对喷洒植株进行数量累计。
[0098]
无人机在对整片香蕉植株进行扫描比对后，统计当日共标记的患病虫害植株总量，并将该数目通过无人机机载通讯模块反馈给果园信号接收处理模块。
[0099]
当香蕉植株被标记后，农户可直接依据树木上的标记符号进行树木的针对性检查，并依据无人机机载通讯模块反馈回的数据，进行检查比对，防止对患病植株的检查缺失。
[0100]
一种基于无人机对香蕉早期病害可视化实时标记的方法使患病虫害的植株的检测难度大大降低，实时性及精准性得到大幅度的提高。
[0101]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：

1.一种基于无人机对香蕉早期病虫害实时可视化标记的方法，其特征在于，所述方法包括如下步骤：步骤1：无人机开始巡航，获取香蕉田范围区域，生成香蕉田区域地图，并进行巡航轨迹规划；步骤2：使用rgb-d相机采集图像并通过极坐标法识别香蕉树；步骤3：使用rgb-d相机、多光谱相机、热红外相机扫描香蕉树，将采集的图像输入到相应类型的识别模型中，通过输出模型得到结果分析，判断香蕉树植株是否有病虫害；步骤4：当发现有病虫害时，无人机喷射装置驻停，使用ds距离计算模型计算测量病虫害点与无人机的距离,并通过实时距离反馈来调整无人机喷射装置飞行高度，使距离稳定保持在1.2米以内，未检测到病虫害时返回步骤2，继续循环；ds距离计算模型距离计算公式如下：其中，ds为无人机与患病香蕉植株叶片之间的距离，c为光速，t0为光脉冲持续时间，s1为曝光时间内s1电容积累电量，s2为曝光时间内s2电容积累电量，τ为电容积累电量误差值，μ为电容积累电量过载值；步骤5：距离小于设定距离时，开启喷射装置对病虫害进行喷射标记；步骤6：获取病虫害点的坐标，并在香蕉田区域地图上标记；步骤7：无人机喷射装置依据巡航轨迹规划图判断是否存在待巡航香蕉田区域，若存在未巡航区域，则返回步骤2，循环进行；若无人机喷射装置已完成全部巡航路线，则进行步骤8；步骤8：巡航检查完香蕉田区域，将香蕉田区域标记地图输出给香蕉田管理员查看。2.根据权利要求1所述的一种基于无人机对香蕉早期病虫害实时可视化标记的方法，其特征在于：步骤1的具体过程为，无人机起飞后，人工控制无人机沿着香蕉田的周围飞行一圈，获取飞行线路，然后在二维坐标上将飞行线路绘画出，得到香蕉田区域地图。3.根据权利要求1所述的一种基于无人机对香蕉早期病虫害实时可视化标记的方法，其特征在于：步骤2的具体过程为：通过rgb-d相机获取前端的图像，然后对预处理的图像进行图像边缘轮廓识别，得到植物的外围轮廓；同时需要提前获取香蕉树叶的图像进行图像识别，然后识别得到香蕉树叶的轮廓，将香蕉树叶轮廓放到二维坐标轴上，选定香蕉树叶轮廓的中心点分别与二维坐标轴的原点对应，然后把香蕉树叶轮廓分别设定为k个点，k为大于64的整数倍数值，则得到香蕉树叶轮廓上设置的点的极坐标为n为正整数，且大于等于k，将所有极坐标中的r
n
提取出来得到苹果轮廓极坐标函数l(k)＝(r1,r2,r3…
n
r)，则得到所有香蕉树叶轮廓线条图源的极坐标函数l
t
(k)＝(r1,r2,r3…
r
n
)，t为编码轮廓线条图的个数，为正整数；
将获取的植物的外围轮廓放到二维坐标轴上，选定植物的外围轮廓的中心点分别与二维坐标轴的原点对应，然后把植物的外围轮廓设定为k个点，k为大于64的整数倍数值，则得到植物的外围轮廓上设置的点的极坐标为n为正整数，且大于等于k，将所有极坐标中的r’n
提取出来得到极坐标函数l
′
t
(k)＝(r
′1,r
′2,r
′3…
r
′
n
)，然后将l
′
t
(k)＝(r
′1,r
′2,r
′3…
r
′
n
)与l
t
(k)＝(r1,r2,r3…
r
n
)傅里叶变换得到离散函数l”(k)，然后将离散函数l”(k)进行反傅里叶变换得到轮廓的相识度函数，出函数的最大值，当最大值大于等于设定值时，则认定为识别对比正确，然后确定识别植物的外围轮廓为香蕉叶轮廓。4.根据权利要求1所述的一种基于无人机对香蕉早期病虫害实时可视化标记的方法，其特征在于，步骤3的具体过程为：首先要提前获取香蕉病虫害图像数据，构建学习网络，并训练得到识别模型，然后将得到图像放到识别模型中判断病虫为哪一类病虫害。5.根据权利要求4所述的一种基于无人机对香蕉早期病虫害实时可视化标记的方法，其特征在于：获取香蕉病虫害图像数据集，对数据集进行划分，分为基类数据集和新类数据集，两个数据集涵盖的类别不重叠，采用k-means聚类算法对所有图像进行聚类，区分类别之间的相似度。6.根据权利要求5所述的一种基于无人机对香蕉早期病虫害实时可视化标记的方法，其特征在于：学习网络包括基础特征提取网络、共性特征网络和个性特征网络，共性特征网络用于学习同一聚类内不同类别图像的共性特征，个性特征网络用于学习不同类别图像之间的可区分性个性特征，从而得到两组不同类型的特征；训练的具体过程为：对聚类后的基类数据集图像输入基础特征提取网络，再经过共性神经网络和个性特征网络得到的相应的共性特征与个性特征，分别利用分类器将图像特征映射为分类标签计算模型函数；其中，基础特征提取网络与共性特征网络用的是交叉函数，个性特征网络用的是交叉函数和三重函数；然后再将聚类后的基类数据集图像分为支持集和查询集，两者进行对比学习，融合后的特征利用分类器根据支持集和查询集的相似度进行计算，相似度计算表达式为：其中f(m)、f(n)分别为支持集、查询集样本的特征向量。7.根据权利要求6所述的一种基于无人机对香蕉早期病虫害实时可视化标记的方法，其特征在于：交叉函数的表达式为：其中，y为期望值标签输出，x为神经网络实际标签输出，n为样本数，用于基础特征提取网络、共性特征提取网络以及个性特征提取网络末端，用于确保网络输出的类别标签以及聚类标签的正确性；三重函数表示为：loss2＝max{||f(a)-f(b)||
2-||f(a)-f(c)||2+α，0}，其中a，b为同一类的图像，而a，c为同一聚类下不同类别的图像，α为距离参数用于扩大
两个相似类别之间的特征距离。8.根据权利要求7所述的一种基于无人机对香蕉早期病虫害实时可视化标记的方法，其特征在于：步骤5中，喷射装置包括直流无刷电机、管制通风枢口、弹簧环、钢制弹簧控制阀、喷射阈值阀门、外设飞控连接口、弹簧环拉伸轴承、弹簧泵、端口角度控制螺栓、雾化器、喷针、螺旋扇叶和内外层弹簧链接阀；通过外设的rgb-d相机、多光谱相机和热红外相机进行香蕉植株的检测，当判断植株患有香蕉枯萎病时，无人机飞控对外设飞控连接口进行控制，无人机喷射装置内部接线与飞控接线均通过外设飞控连接口进行连接，钢制弹簧控制阀由飞控控制旋转180
°
，使弹簧环内弹簧径向发生形变，而弹簧环拉伸轴承进行横向拉伸，改变弹簧环横切半径，增大形变，使弹簧环处于收缩的状态，从而对内外层弹簧链接阀的连接线产生拉伸力，致使弹簧泵内的弹簧受到向上的拉伸力，使弹簧产生形变，造成内气压降低，成为标记物喷洒的第一动力，直流无刷电机带动螺旋扇叶进行转动，产生向上的离心力，成为标记物喷洒的第二动力，标记物经过雾化器后，液化程度提高，经过喷针进行喷洒，可实现精度喷射目标，为保持内外气压平衡，管制通风枢口与外部空气相连，进行气压缓冲功能，喷射阈值阀门，端口角度控制螺栓提前进行设置，使喷洒量及角度更加精准。

技术总结

本发明提供一种基于无人机对香蕉早期病虫害实时可视化标记方法，属于香蕉病虫害可视化标记技术领域。使用RGB-D相机获取香蕉田范围区域并进行巡航路线规划，生成香蕉田区域地图，使用极坐标法识别香蕉树，使用相机扫描香蕉树，判断香蕉树是否有病虫害，当发现有病虫害时，使用Ds测距方法进行测距，测量病虫害点与无人机的距离，开启喷射装置对病虫害进行喷射标记，获取病虫害点的坐标，并在香蕉田区域地图上标记。本方法具有实时、可视化、精准标记等诸多优点，代替人工对香蕉田进行查看，可视化标记比人为查看效果更好，由于香蕉树较高，很多的病虫害依靠人为技术不易发现，通过本套系统装置可以更好的进行提前发现病虫害并采取防治措施。取防治措施。取防治措施。