隨著氣候變化加劇，極端天氣頻發(fā)，農(nóng)田監(jiān)測正遭“看得慢、看得粗、看得少”的多重困境。而AI+低空技術(shù)的融合應(yīng)用，正為破解這些困境提供全新路徑。
托普云農(nóng)低空無人機(jī)巡檢系統(tǒng)集成高分辨率可見光與多光譜成像模組，結(jié)合多源異構(gòu)數(shù)據(jù)融合技術(shù)，實(shí)現(xiàn)對作物全生育周期的時(shí)空動態(tài)監(jiān)測。依托深度學(xué)習(xí)框架下的AI算法集群，通過卷積神經(jīng)網(wǎng)絡(luò)與遷移學(xué)習(xí)模型，對采集的影像數(shù)據(jù)進(jìn)行智能解析，可高效監(jiān)測土地平整度、出苗率、作物長勢、肥量、雜草、蟲害、病害、產(chǎn)量等關(guān)鍵信息。并結(jié)合“問稷”給出合理化農(nóng)事操作建議，實(shí)現(xiàn)采集自動化、分析智能化、決策專業(yè)化、管理精準(zhǔn)化的目標(biāo)。
多成像單元，賦能精準(zhǔn)農(nóng)業(yè)
l 可見光成像單元
捕捉作物圖像，智能識別作物生育期、缺苗、倒伏、等顯性特征，進(jìn)而幫助建立作物的生長檔案，為農(nóng)業(yè)管理提供重要參考。
l 多光譜成像單元
選取特定光波段成像，支持病害識別、作物長勢監(jiān)測、變量施肥，助力精準(zhǔn)農(nóng)業(yè)作業(yè)，提升種植效率。
l 高光譜成像單元
采集連續(xù)光譜數(shù)據(jù)以區(qū)分細(xì)微物質(zhì)差異，可做作物表型研究、病蟲害監(jiān)測與作物生長評估，為作物生長調(diào)控、品質(zhì)優(yōu)化提供精準(zhǔn)的數(shù)據(jù)支撐。
l 熱成像成像單元
探測物體紅外輻射并轉(zhuǎn)換為溫度分布圖，能監(jiān)測作物脅迫（干旱、熱脅迫）、冠層蒸發(fā)，森林火險(xiǎn)與等，為節(jié)水灌溉和作物水分管理提供科學(xué)依據(jù)，并提升農(nóng)業(yè)災(zāi)害預(yù)警效率。
l 激光雷達(dá)成像單元
通過激光脈沖測距構(gòu)建三維點(diǎn)云模型，可實(shí)現(xiàn)三維建模、獲取冠層結(jié)構(gòu)、作物株高等表型數(shù)據(jù)，此外還可以為森林資源調(diào)查、土地規(guī)劃提供高精度的空間數(shù)據(jù)參考。
系統(tǒng)組成
覆蓋多類農(nóng)業(yè)應(yīng)用場景
打造閉環(huán)業(yè)務(wù)管理系統(tǒng)，構(gòu)建全流程解決方案
配套無人機(jī)數(shù)據(jù)巡檢管理平臺，集設(shè)備管理、航線規(guī)劃、任務(wù)下發(fā)、實(shí)時(shí)直播、數(shù)據(jù)回傳、算法分析、結(jié)果展示于一體。平臺支持無人機(jī)綁定與統(tǒng)一管控，用戶可便捷創(chuàng)建飛巡任務(wù)、劃定區(qū)域并指派人員執(zhí)行。無人機(jī)采集數(shù)據(jù)自動回傳后，平臺調(diào)用病蟲害識別、作物長勢分析等預(yù)設(shè)算法實(shí)時(shí)解析，通過可視化界面直觀展示結(jié)果，輔助決策。同時(shí)完整記錄歷史數(shù)據(jù)，支持回溯對比，形成“任務(wù)-采集-分析-反饋”閉環(huán)管理，大幅提升巡檢效率與智能化水平。
功能選配模塊
能力名稱 | 適用作物 | 能力描述 |
可見光成像 | ||
作物覆蓋率分析 | 全作物 | 支持全作物種類冠層覆蓋率識別； |
作物識別 | 全作物 | 可識別作物種類； |
玉米 | 自動識別玉米雄穗數(shù)量、位置、占比等信息； | |
玉米父本行識別 | 玉米 | 可區(qū)分父本行和母本行雄穗，快速指導(dǎo)去雄； |
玉米授粉識別 | 玉米 | 可識別玉米授粉是否成功（授粉成功與否要有明顯差異）； |
生育期識別 | 水稻、小麥 | 可自動分析作物所處生育期； |
產(chǎn)量預(yù)估 | 水稻、小麥 | 可精準(zhǔn)識別水稻和小麥的穗數(shù)，自動計(jì)數(shù)，還可自動計(jì)算畝產(chǎn)量、地塊產(chǎn)量、基地產(chǎn)量等數(shù)據(jù)； |
出苗分析 | 水稻、玉米 | 出苗率、缺苗率，補(bǔ)苗指導(dǎo)； |
倒伏識別 | 水稻、小麥、玉米 | 可識別作物倒伏面積、倒伏占比以及作物受災(zāi)損失； |
非糧非農(nóng)識別 | / | 對目標(biāo)區(qū)域進(jìn)行數(shù)據(jù)采集和分類，對非糧非農(nóng)區(qū)域進(jìn)行切割劃分，統(tǒng)計(jì)區(qū)域大小和類型； |
株高分析 | 全作物 | 作物株高識別，可得到作物群體株高數(shù)據(jù)； |
植被指數(shù) | 全作物 | 可實(shí)現(xiàn)NDVI、SR、DVI等數(shù)植被指數(shù)參數(shù)； |
作物病害分析 | 全作物 | 可對作物病害發(fā)生等級進(jìn)行劃分； |
作物病害識別 | 主糧作物 | 可對常見作物的常見病害進(jìn)行識別； |
種植面積分析 | 全作物 | 可識別目標(biāo)作物并統(tǒng)計(jì)目標(biāo)作物占地面積，統(tǒng)計(jì)種植面積； |
土地平整度分析 | / | 可生成田間地塊三維點(diǎn)云數(shù)據(jù)； |
三維建模 | / | 可進(jìn)行群體三維建模、株高、葉面積指數(shù)以及單株分割等； |
煙火檢測 | / | 可識別是否有煙火，判斷是否秸稈焚燒 |
垃圾識別 | / | 識別是否有垃圾堆放或者田間藥瓶等垃圾 |
高光譜分析 | 高光譜可測：≥30個(gè)植被指數(shù)指標(biāo)和光譜圖像：歸一化植被指數(shù)、增強(qiáng)型植被指數(shù)、雙波段增強(qiáng)型植被指數(shù)等 ≥2個(gè)生化組分指標(biāo)和光譜圖像：葉綠素含量、葉片氮含量 | |
紅外熱成像分析 | 植物平均溫度、最高溫度、最低溫度數(shù)據(jù)； | |
激光雷達(dá)分析 | 三維建模，可建立數(shù)字高程模型DEM、數(shù)字地表模型DSM、冠層高度模型CHM 群體參數(shù)：植物群冠層郁閉度、冠層透光率、冠層覆蓋度等 | |
