[发明专利]一种无人机双喷头雾滴粒径沉积量预测方法

说明书

本发明涉及一种无人机双喷头雾滴粒径沉积量预测方法，包括：将单喷头放置于不同的高度位置；确定不同高度下单喷头的喷幅范围；将双喷头放置于不同高度和不同间距位置；以双喷头之间间距的中心为零点，左右各间隔第一设定距离，测量不同高度、不同间距和不同水平位置下喷幅重叠区域内的雾滴体积中径VMD；确定占雾滴总体积10％的雾滴体积中径值V₁₀；测量在所述喷幅重叠区域内的沉积量；将喷头高度、双喷头之间间距、测量得到的VMD、V₁₀作为自变量，每个测量点的沉积量作为因变量，将所有自变量和因变量划分为固定比例的建模集和预测集，建立ELM模型；基于所述ELM模型确定雾滴粒径沉积量。本发明中的上述方法采用机器学习方法得到了高精度的定量建模效果。

技术领域

本发明涉及机器学习领域，特别是涉及一种无人机双喷头雾滴粒径沉积量预测方法。

背景技术

无人机喷施由于其作业低成本，高效率和强机动性等特点在农业施肥以及喷药作业方面得到了非常广泛地应用。然而，无人机喷施与地面机具喷施相比更容易受到气流以及空气运动条件地影响，其还存在着雾滴尺寸分布范围过大、沉积量难以控制、雾滴漂移明显等问题。沉积量分布及其均匀程度是喷头喷施效果的重要方面，其直观反应了喷头喷施的均匀性，但是在测量时需要经过复杂的处理或者大量的时间，目前无人机喷施测量的方式以水敏纸为主。雾滴体积中径(VMD)表示将所有喷洒中根据雾滴粒径从小到大累加，体积叠加至总体积50％时的雾滴粒径，是最常用的表征雾滴粒径的参数,同理,V₁₀表示体积叠加至总体积10％时的雾滴粒径。

机器学习的方法在农业、能源工程、生物医学以及各种领域都得到了广泛使用。在农用无人机邻域，机器学习的方法主要应用于图像处理以及自动化作业方向，使用机器学习的方法建立喷头沉积量分布的定量模型可以大大提高模型的精确性。

发明内容

本发明的目的是提供一种无人机双喷头雾滴粒径沉积量预测方法，实现对沉积量的精确预测。

为实现上述目的，本发明提供了如下方案：

一种无人机双喷头雾滴粒径沉积量预测方法，所述预测方法包括：

将单喷头放置于不同的高度位置；

确定不同高度下单喷头的喷幅范围；

将双喷头放置于不同高度和不同间距位置；所述双喷头包括：第一喷头和第二喷头；

以双喷头之间间距的中心为零点，左右各间隔第一设定距离，测量不同高度、不同间距和不同水平位置下喷幅重叠区域内的雾滴体积中径VMD；

确定占雾滴总体积10％的雾滴体积中径值V₁₀；

测量在所述喷幅重叠区域内的沉积量；

将喷头高度、双喷头之间间距、测量得到的VMD、V₁₀作为自变量，每个测量点的沉积量作为因变量，将所有自变量和因变量划分为固定比例的建模集和预测集，建立ELM模型；

基于所述ELM模型确定雾滴粒径沉积量。

可选的，所述不同高度位置具体包括：距离地面1m、1.5m以及2m。

可选的，所述确定不同高度下单喷头的喷幅范围具体包括：

将多个量筒依次排列于单喷头的正下方，采用50％有效沉积量判定法确定不同高度下单喷头的喷幅范围；所述量筒的筒底外径与所述第一设定距离相同。

可选的，所述第一设定距离为6.5cm。

可选的，所述不同间距位置具体包括：0.5m、0.6m以及0.7m。

可选的，测量在所述喷幅重叠区域内的沉积量具体包括：