[发明专利]一种基于无人机遥感的农作物种类识别系统

权利要求书

1.一种基于无人机遥感的农作物种类识别系统，包括设有图像采集模块（4）的无人机和设有数据处理系统的地面站，所述图像采集模块（4）包括光学采集设备（41）和合成孔径雷达（42），所述光学采集设备（41）和所述合成孔径雷达（42）均装载在可升降吊舱（43）上，其特征在于：所述无人机包括容纳所述可升降吊舱（43）的容纳舱室（1）和喷气装置（2），所述容纳舱室（1）底部设有供所述可升降吊舱（43）伸出的底部舱门（12），所述容纳舱室（1）的底部设有一对导风板（3），一对导风板（3）的受风方向的前端之间留有一定空隙，所述导风板（3）后端向外侧倾斜延伸让所述导风板（3）在所述可升降吊舱（43）降下后挡在所述可升降吊舱（43）受风方向的左右两侧，所述喷气装置（2）吸入空气后加压通过自身具有的中空喷气件（24）喷出，所述中空喷气件（24）的前端设有出气狭缝（241），所述出气狭缝（241）至所述中空喷气件（24）的后端之间为具有一定倾角的导流面（242），所述导流面（242）引导后的喷气方向向后喷向所述导风板（3）外侧面，所述中空喷气件（24）设于所述导风板（3）的前方外侧并与所述导风板（3）之间形成进风口（21）大于出风口的导风通道（33）；

所述导风板（3）为所述底部舱门（12）的门板，所述容纳舱室（1）的底部通过垂直于自身的转轴转动连接有铰链结构（34），所述铰链结构（34）通过电动转轴与所述底部舱门（12）的门板相连，所述喷气装置（2）包括高速喷气组件，所述高速喷气组件包括转动连接在所述容纳舱室（1）的底部的喷气件安装板和所述中空喷气件（24），所述中空喷气件（24）安装于喷气件安装板下面，所述铰链结构（34）的外壳与所述喷气件安装板通过传动连杆（35）相连，所述喷气件安装板通过所述无人机的机体内的转动电机（6）驱动旋转；

所述容纳舱室（1）的底部设有转动连接在所述容纳舱室（1）的侧壁下面的可转动底板（11），所述可升降吊舱（43）和所述底部舱门（12）均设于所述可转动底板（11）的中心处，所述容纳舱室（1）的侧壁内侧安装有自转电机（8），所述自转电机（8）通过齿轮机构（9）驱动所述可转动底板（11）旋转，所述齿轮机构（9）包括固定在所述可转动底板（11）上的齿圈和固定在所述自转电机（8）的输出轴上的齿轮，所述自转电机（8）驱动所述可转动底板（11）转动令所述导风板（3）之间的空隙朝向受风方向。

2.根据权利要求1所述的一种基于无人机遥感的农作物种类识别系统，其特征在于：所述喷气装置（2）还包括吸风口、风机（22）和风道（23），所述中空喷气件（24）内的空腔经所述风道（23）连通所述吸风口，所述风机（22）设于所述吸风口处。

3.根据权利要求2所述的一种基于无人机遥感的农作物种类识别系统，其特征在于：所述容纳舱室（1）还设有容纳所述中空喷气件（24）的喷气件腔室（7），所述喷气件腔室（7）底部与所述喷气件安装板上都设有供所述中空喷气件（24）通过的空槽，所述中空喷气件（24）的顶部与所述喷气件腔室（7）内的升降机构（5）的升降端相连，所述升降机构（5）的固定端通过支架连接到所述喷气件安装板上。

4.根据权利要求3所述的一种基于无人机遥感的农作物种类识别系统，其特征在于：所述安装板包括内板（26）、外板（25）和连接轴，所述内板（26）设于所述喷气件腔室（7）内，所述外板（25）设于所述容纳舱室（1）的底部，所述外板（25）与所述传动连杆（35）连接，所述内板（26）与所述支架固定连接，所述外板（25）与所述内板（26）通过所述连接轴固定连接，所述连接轴与所述容纳舱室（1）的底部转动连接。

5.根据权利要求1所述的一种基于无人机遥感的农作物种类识别系统，其特征在于：所述导风板（3）朝向所述可升降吊舱（43）的表面为平滑面（32）而另一侧为具有弧形隆起的导风面（31），所述导风面（31）沿风向方向的延伸长度大于所述导流面（242）。

6.根据权利要求1-5中任一所述的一种基于无人机遥感的农作物种类识别系统，其特征在于：采用的农作物分类方法包括下列步骤：

S1、在选定的农作物样区中通过无人机携带图像采集模块（4）连续采集的光学遥感数据和雷达遥感数据，并适时发送到地面站储存；

S2、分别从光学遥感数据和雷达遥感数据中提取对应的特征数据并进行时间序列化，由此得到光学时序特征数据和雷达时序特征数据；

S3、将光学时序特征数据和雷达时序特征数据融合为多维特征数据集；

S4、构建用于农作物分类的神经网络模型，将从农作物样区获得多维特征数据集作为输入，以事先调查得到的农作物样区中分类结果验证输出，对神经网络模型进行训练得到对应的分类模型；

S5、对待调查区中按一定频率利用无人机进行航空遥感采集光学遥感数据和雷达遥感数据；

S6、依据步骤S2- S3的方式处理后得到的待调查区的多维特征数据集，并将其输入到训练后的分类模型，从而得到待调查区的农作物分类结果。