具体实施方式

为了能够更加清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述，这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成，需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请保护范围的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明创造的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本申请中的具体含义。

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。

实施例一：

本发明第一方面提供了一种基于无人机的蔬菜生长监测及喷药系统，包括无人机101以及搭载在无人机101上的电源、控制单元、导航单元、监测单元、喷药单元；

如图1、2所示，所述监测单元包括摄像机102与光源发生器103，所述光源发生器103一端与所述电源电性连接，另一端连接有聚光镜，所述光源发生器103设置在所述摄像机102上，所述电源与所述控制单元、所述导航单元以及所述喷药单元电性连接，所述导航单元向所述控制单元输出位置信息数据，所述控制单元向所述喷药单元与所述监测单元输出控制信号；

所述喷药单元包括药箱104以及与所述药箱104连通的喷头105，所述药箱104出药口与所述喷头105的进药口之间设置有流量调节阀106，所述监测单元用于监测作物生长状态信息；无人机101沿预设航线进行监测过程中，依据所述位置信息数据，所述无人机101遍历所述预设航线上所有的悬停位置，通过监测单元对农作物进行监测并反馈作物生长状态信息，且所述控制单元能够根据所述监测单元反馈的作物生长状态信息控制喷药单元对作物进行定量、定时、定位的喷药。

需要说明的是，通过增设流量调节阀106，便于对喷药单元在单位时长内喷药量进行控制，通过监测单元监测出农作物的生长情况，然后根据农作物的生长情况制定出喷药的位置、喷药量、喷药时间等，在喷药过程中，控制单元控制喷药单元在无人机101为悬停状态时进行预设时长喷药，以解决现有技术中无人机101在飞行过程中速度不定及姿态不定对不同区域接收到实际药量影响的问题，以均衡待喷药区域内不同位置处的喷药量，提高喷药效果，避免浪费农药。此外，通过调节流量调节阀106以对其喷药速率进行控制，从而可对无人机101悬停时间进行更精确地调控，进一步提高喷药质量，具备精准喷药的功能。

如图3、4所示，所述无人机101底部设置有承载机构107，所述药箱104放置在所述承载机构107上，所述承载机构107包括固定板108与夹持机构109，所夹持机构109包括第一夹持臂201与第二夹持臂202，所述第一夹持臂201与所述第二夹持臂202通过第一转动轴203转动连接在所述固定板108的两侧，所述第一夹持臂201与第二夹持臂202结构相同，包括第一夹持关节204与第二夹持关节205，所述第一夹持关节204与所述第二夹持关节205通过第二转动轴206转动连接在一起，所述第二关节上通过第三转动轴307转动连接有夹紧杆207，所述夹紧杆207的底部配合连接有支撑座208。

所述第一转动轴203配合连接有第一齿轮209，所述第二转动轴206配合连接有第二齿轮301，所述第三转动轴307配合连接有第三齿轮302，所述第一齿轮209与第二齿轮301能够啮合传动，所述第二齿轮301与所述第三齿轮302能够啮合传动。

需要说明的是，药箱104放置在承载机构107上，承载机构107通过第一夹持臂201与第二夹持臂202能够夹持不同大小的药箱104，以满足不同的喷药需求，如当无人机101需要监测的范围较大且路程较短时，能够在无人机101上搭载体积较大的药箱104，以保证单次出航就能够完成工作，不需要来回补充农药；当监测的范围较小而路程较远时，可以使用体积较小的药箱104，以保证足够的续航能力。承载机构107的具体工作原理为：在第一齿轮209的一端配合连接有齿轮电机，齿轮电机能够带动第一齿轮209转动，当需要夹持不同大小的药箱104时，通过控制齿轮电机转动，第一齿轮209随着转动，然后第二齿轮301与第三齿轮302也随着转动，通过第二齿轮301与第二齿轮301带动第一夹持关节204与第二夹持关节205夹紧或放松，以能够夹持不同体积大小的药箱104。

如图1、2所示，所述无人机101底部固定安装有第一转动机构303，所述第一转动机构303上配合连接有固定架304，所述摄像机102通过第二转动机构305转动连接在所述固定架304上，所述无人机101顶部设置有定位仪306，所述定位仪306用于记录无人机101的位置信息。

所述光源发生器103上设置有多个出光孔，所述出光孔用于发射一种或多种不同的波长的光，所述光源发生器103用于根据环境的光照情况进行调节亮度，从出光孔发射出的光线通过聚光镜进行校正出光方向。

需要说明的是，通过出光孔来改变发射出的光线数目，从而改变聚光镜发出的光照强度，当农作物的叶片接受光的照射后，若叶片背部藏有害虫，叶片上便会呈现出不同轮廓的阴影，通过摄像机102拍摄获取该叶片的图像信息，根据该轮廓的形状，能够识别出害虫的类型，具有虫情监测的作用，以便用户后续进行对症下药。

实施例二：

本发明另一方面提供了一种基于无人机101的蔬菜生长监测及喷药系统的检测方法，应用于任一所述的一种基于无人的蔬菜生长监测及喷药系统，如图5所示，包括如下步骤：

S102：获取目标物信息以及检测区域位置信息，其中所述目标物信息包括目标物特征与目标物类型，将所述检测区域位置信息定义为检测的节点；

S104：执行蚁群算法，所述蚁群算法是指模拟蚂蚁寻找食物的过程，无人机101通过该算法能够求出从原点出发，经过若干个节点后，最终返回原点的最短路径；

S106：当无人到达预设节点后，开启摄像机，进入检测阶段；

S108：对该节点内的目标物进行检测，生成检测结果，根据检测结果，判断目标物的生长状况；

S110：若生长状况为异常，则生成处理方案，对其进行喷药处理；

S112：若生长状况为正常，则无人机移动至下一节点进行检测。

需要说明的是，在某一个区域中，农作物的生长情况受多种因素影响，例如病虫害、杂草过多、缺乏某种肥料等。在本发明中，通过摄像机102拍摄农作物的视频信息，可以检测出农作物的形状轮廓、颜色等信息，然后根据检测出来的信息，识别出检测结果，根据检测结果，制定不同的方案。例如在一个区域之中，该农作物缺乏某种肥料、病虫害导致农作物生长缓慢的情况，控制单元标记此区域，并用多种颜色进行标记，在病虫害区域计算出面积，从而根据病虫害的面积进行计算施药量，从而使得在这类情况中，减少农药的喷洒，避免农药喷洒过多，残留于环境中造成污染。此外，一些生长缓慢的农作物，常常表现出叶子暗黄、枯萎等情况，而一些病虫侵染过的叶子也表现出叶子暗黄、枯萎等情况，而在这些类型的情况亦有相同之处，在图像识别的过程中，此时增加光照强度，每个叶子的厚度并不厚，在光照强度一定的情况下，被害虫侵染的叶子常常呈现出凹陷部分的阴影轮廓。从而利用此方式来进行分辨出病虫害与自然生长情况、肥料不足的情况，能够准确、高效、可靠的识别农作物生长情况。

其中，对该节点内的目标物进行检测，生成检测结果，如图6所示，还包括如下步骤：

S202：获取农作物正常生长的各个时期的图像信息，并将获取得到的图像信息存储于标准数据库；

S204：通过摄像机获取待检测农作物的初始视频，根据预设视频处理方法处理初始视频，以得到具有放大效果的目标视频；其中，所述放大效果是指所述待检测区域在所述目标视频中是经过放大处理的；

S206：通过所述目标视频获取待检测农作物生长信息；其中，所述生长信息包括农作物叶尖部信息、干枯叶片信息、农作物茎部信息；

需要说明的是，若作物出现冠层面积减少，甚至出现叶片萎缩的情况，则表明虫害情况可能已经发生，可以通过这情况监测虫害发生的数量以及规模。当虫害发生后，害虫会取食作物的叶片，从作物的冠层特征来看，会造成作物的叶片卷曲畸形，导致作物叶片面积减少，进而造成作物的叶片萎缩甚至腐烂，从作物的颜色特征来看，叶面出现斑纹，进而呈现褐色或变黑，严重时叶片枯萎呈黑色。因此，通过摄像机102拍摄的图像，通过图像中的R、G、B分量分别计算其指数直方图，对比三者的平均值，如果G分量平均值大于其他两个的分量，初步判断作物长势情况良好；如果G分量平均值远低于其中一个分量，则发出预警信息，可能已经发生了虫害。

S208：将所述农作物生长信息与标准数据库进行比较，分析出当前农作物生长情况；

S210：若作物生长情况大于预设阈值，则表明农作物生长状况正常；

S212：若作物生长情况小于预设阈值，则表明生长状况异常，采用害虫发育预警模型进行预测，得出害虫风险预测结果；

S214：根据预测结果，将作物害虫风险预测结果发送至控制单元。

需要说明的是，所述初始视频包括由三原色RGB颜色空间组成的多帧图像，将多帧图像的RGB颜色空间转换到YIQ颜色空间，获取所述多帧图像的亮度Y信息，其中，YIQ指的是电视系统标准，Y是提供黑白电视及彩色电视的亮度信号，即亮度，I代表In-phase，色彩从橙色到青色，Q代表Quadrature-phase，色彩从紫色到黄绿色。

其中，得到所述初始视频对应具有运动放大效果的亮度Y通道图像具体的实现方式为：启动处理器的多个线程，且多个线程同时执行对Y通道图像的视频运动放大算法，每个线程能够负责一个或者多个初始视频，得到放大后的Y通道图像，然后将放大后的Y通道图像与上述转换后的I、Q通道图像相加，再反向转化为RGB颜色空间，从而得到目标视频。

需要说明的是，测试系统上的储存器存储有视频运动放大算法与权重系数的映射关系，测试系统上的处理器可以根据另一视频运动放大算法查询该映射关系，然后确定对应的权重系数。

其中，根据所述亮度Y通道图像对应的权重系数和所述初始视频对应的亮度Y通道图像合成所述待测马达具有运动放大效果的目标视频的具体实施方式为：将初始视频对应的放大后的亮度Y通道图像根据对应的权重系数计算得到目标视频文件的放大后的亮度Y通道图像，然后与颜色空间转换后的I、Q通道图像相加，再反向转化为RGB颜色空间，从而得到目标视频。

其中，根据预设视频处理方法处理初始视频，以得到具有放大效果的目标视频，如图7所示，还包括：

S302：根据所述预设视频处理方法处理摄像机采集到待检测农作物的初始视频，得到所述初始视频对应运动放大效果的亮度Y通道图像；

S304：根据所述预设视频处理方法，确定所述亮度Y通道图像对应的权重系数；

S306：根据所述亮度Y通道图像对应的权重系数和所述初始视频对应的亮度Y通道。

其中，根据所述预设视频处理方法处理摄像机102采集到待检测农作物的初始视频，得到所述初始视频对应具有放大效果的亮度Y通道图像，如图8所示，还包括：

S402：确定摄像机相对于待检测农作物的位置参数；其中，所述位置参数包括距离参数与角度参数；

S404：根据所述位置参数，确定所述亮度通道Y图像的清晰度等级；

S406：当清晰度等级大于或等于预设清晰度等级时，通过第一放大算法获取所述亮度Y通道图像；

S408：当清晰度等级小于预设清晰度等级时，通过第二放大算法获取所述亮度Y通道图像；

其中，所述第一放大算法为基于欧拉视角的运动放大算法，所述第二放大算法为基于拉普拉斯视角的运动放大算法。

需要说明的是，可以是根据所述位置参数中的距离参数确定所述预设视频处理方法中的放大算法，也可以根据所述位置参数中的角度参数确定所述预设视频处理方法中的放大算法。例如，当所述待检测农作物与摄像机102的之间的距离参数小于或者等于预设距离阈值时，可以拍摄较为清晰，分辨都较高的初始视频，因此使用运算速度较快，准确率相对不高的第一放大算法即可；当所述待检测农作物与摄像机102之间的距离参数大于预设距离阈值时，拍摄的初始视频清晰度不高，因而确定使用准确率相对较高的第二放大算法。

需要说明的是，基于欧拉视角的运动放大算法不用跟踪运动点，便于运算，运算速度较快，可以用于清晰度较高，数据量较多的初始视频；基于拉普拉斯视角的运动放大算法需要对多帧图像中特征点的运动轨迹进行精确的跟踪和估计，计算量较大，能够用于清晰度较差、数据量较少的初始视频。

其中，若生长状况为异常，则生成处理方案，对其进行喷药处理，具体为：根据生成的处理方案，控制单元控制喷药单元定时、定量、定位的对生长异常的农作物进行喷药。

以上依据本发明的理想实施例为启示，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。