用于ROS系统的多传感器融合探测果树精准对靶喷雾方法

    公开(公告)号:CN120028803A

    公开(公告)日:2025-05-23

    申请号:CN202510099060.1

    申请日:2025-01-21

    Abstract: 本发明公开一种用于ROS系统的多传感器融合探测果树精准对靶喷雾方法,包括以下步骤:数据获取:通过单线激光雷达获取激光雷达数据,通过旋转编码器获取旋转编码器数据,通过Imu传感器获取Imu传感器数据;数据融合三维点云集:将激光雷达数据、旋转编码器数据以及Imu传感器数据融合,获得果树的三维点云集;根据斜截三棱柱分割法,分割三维点云集;构建斜截三棱柱果树冠层模型;根据斜截三棱柱果树冠层模型,计算果树中冠层区域的果树冠层体积;将果树冠层体积转化为果树中冠层区域的施药占空比,指导喷雾机施药喷雾。该方法能够准确获取果树信息和位置,不易受到雨雾环境干扰,靶标探测精度高,可以实现精准喷雾,提高农药利用率。

    果园复杂环境下的多类别香蕉吸芽检测方法、装置、设备及介质

    公开(公告)号:CN120032364A

    公开(公告)日:2025-05-23

    申请号:CN202510119950.4

    申请日:2025-01-25

    Abstract: 本申请涉及一种果园复杂环境下的多类别香蕉吸芽检测方法、装置、设备及介质,方法包括:获取包含有待检测目标物相对应的待检测香蕉园图像帧;采用轻量级YOLOv8n模型为基准模型以构建改进的YOLOv8n模型,其中,改进的YOLOv8n模型包括主干网络、颈部网络以及检测头网络,主干网络包括CBS结构、C2fVMB模块和SPPF结构,C2fVMB模块由C2f模块与VM2Block模块所构建,VM2Block模块包括非因果状态空间模型,颈部网络为FPN‑PAN网络,检测头网络包括解耦检测头、Anchor‑free机制以及TaskAlignedAssigner标签匹配策略;将待检测香蕉园图像帧输入至已训练至收敛状态的改进的YOLOv8n模型中,以检测出待检测香蕉园图像帧中的香蕉完整吸芽、香蕉复生吸芽和/或香蕉假茎。本申请显著提升了计算效率和推理速度。

    香蕉植株生长周期检测方法、装置、设备及介质

    公开(公告)号:CN119205881A

    公开(公告)日:2024-12-27

    申请号:CN202411253867.8

    申请日:2024-09-09

    Abstract: 本申请涉及一种香蕉植株生长周期检测方法、装置、设备及介质,方法包括:将待检测香蕉植株图像输入至已训练至收敛状态的第二香蕉叶片识别模型中,对待检测香蕉植株图像进行掩码分割,以确定述待检测香蕉植株图像中各个香蕉叶片相对应的掩码图像数据;在掩码图像数据中计算确定各个香蕉叶片相对应的投影面积像素点数量,根据投影面积像素点数量计算确定各个香蕉叶片相对应的叶片面积;计算确定各个香蕉叶片相对应的叶片面积之间的叶片面积平均值,检测到叶片面积平均值在叶片面积阈值范围之内,则将该叶片面积阈值范围相对应的生长周期作为待检测香蕉植株的生长周期。本申请不仅能够大大提高香蕉叶片的识别精度,能够准确检测香蕉植株的生长周期。

    一种基于ROS系统的果园对靶喷雾控制系统

    公开(公告)号:CN119937399A

    公开(公告)日:2025-05-06

    申请号:CN202510072650.5

    申请日:2025-01-16

    Abstract: 本发明公开一种基于ROS系统的果园对靶喷雾控制系统,包括机器人本体、主控模块、果树信息采集模块以及喷雾控制模块;所述果树信息采集模块包括单线激光雷达、旋转编码器以及imu传感器;所述单线激光雷达垂直设置在机器人本体的正前端,所述单线激光雷达、旋转编码器以及imu传感器均与主控模块连接;所述喷雾控制模块包括pwm输出控制模块以及电磁阀喷头;所述电磁阀喷头设置在机器人本体的后端,所述pwm输出控制模块的一端与主控模块连接,另一端与所述电磁阀喷头连接。该控制系统可以实现对靶喷雾控制,减少果园机器人的农药浪费与农药污染问题,减少施药过程中的水雾影响靶标探测传感器,实现准确的探测果树靶标的位置。

    基于地下无线传播信号的土壤含水量测定模型探测方法

    公开(公告)号:CN118067955A

    公开(公告)日:2024-05-24

    申请号:CN202410171477.X

    申请日:2024-02-06

    Abstract: 本发明公开一种基于地下无线传播信号的土壤含水量测定模型探测方法,通过无线传感器节点采集土壤数据并发送至网关;网关将接收到的土壤数据并加上无线信号强度以及信噪比发送给云服务器;对云服务器的数据进行下载并且进行标准化预处理;将数据按8:2的比例划分为训练集和测试集;土壤含水量作为模型的真实数据和目标参数;通过无线信号强度、网关到无线传感器节点的距离、土壤温度和信噪比作为训练模型的输入参数来评估模型的性能;采用KELM作为预测模型;通过KELM模型对土壤含水量进行预测。该方法无需依赖气象站来获取参数,灵活性高,且利用单个频段的无线信号强度和信噪比数据,结合其他环境等相关因素,以此提高了土壤含水量预测的准确性。

Patent Agency Ranking