中大型無人機植物表型成像系統(tǒng)

基于無人機業(yè)內(nèi)標(biāo)桿“大疆創(chuàng)新公司”飛行平臺，采用其最新推出的M300RTK行業(yè)級無人機進行系統(tǒng)集成，保障了無人機表型平臺的穩(wěn)定性、安全性、易操作性、可擴展性及便攜性。

功能特性

穩(wěn)定性：水平和垂直懸停精度±0.1m：遙控器最大信號有效距 離15km, 最大可承受風(fēng)速15m/s（7級風(fēng)），最大負(fù) 載2.7kg，IP45防水（小于100mm/24h雨量情況 可正常飛行），最長飛行時間55分鐘（空載），45分 鐘（1.2kg負(fù)載，包含RGB可見光高清相機、多光譜 相機和熱紅外相機，或高光譜相機）。
安全性：前后、上下、左右、六方向障礙物感知（0.1-8m）, 低電量、信號失聯(lián)等情況自動返航；雙電池，冗余備 份，單個旋翼停機，可以自主安全降落，最大限度保障 無人機平臺及人員安全。
可擴展性 ：可同時靈活掛載超高分辨率可見 光、多光譜、熱紅外、高光譜相 機和激光Lidar，氣體傳感器等 （可同時掛載多達3種傳感器， 實現(xiàn)多源數(shù)據(jù)的同步獲取）。
易操作性：圖 形 化 界 面 ， 作 業(yè) 航 線 自 動 規(guī) 劃，實時圖傳成像結(jié)果，相機都 采用快接接口，無人機從開箱到 裝配相機，3分鐘內(nèi)可以完成起 飛前的準(zhǔn)備工作。
便攜性：完整平臺提供便攜式拉桿箱（內(nèi)置 泡沫、26寸），可放入小型轎車 后備箱，單兵作業(yè)，拎起即走。



成像平臺-傳感器

借助多源傳感器，從圖（紋理、覆蓋度）、形（株高、生物量）和譜（葉綠素、葉溫）等遙感數(shù)據(jù)中捕捉作物生長過程中所展 現(xiàn)的表型信息，提供配套圖形譜表型信息提取軟件，自動提取株高、生物量、葉面積及NDVI等作物植被指數(shù)共計百余種作物 長勢相關(guān)光譜植被指數(shù)（高光譜數(shù)據(jù)可計算30萬種植被指數(shù)）。
所提供傳感器均具備PSDK或OSDK一體化快接接口，可以共享飛行平臺資源，如電源、通訊鏈路、狀態(tài)信息( GPS 信息、 姿態(tài)信息、時間日期）等，在無人機和傳感器之間實現(xiàn)無縫協(xié)同作業(yè)，同時快接接口提升了野外數(shù)據(jù)采集過程中的傳感器安裝 時間，平均每臺傳感器1分鐘之內(nèi)就可以完成安裝或拆卸。




超高分辨率可見光相機

中大型無人機搭載超高分辨率可見光傳感器可用于作物計數(shù)、作物穗部識別、病蟲害檢測、群體三維建模等方向的研究。
圖像格式 ：RAW，TIFF，JEPG
存儲：最高支持512G高速SD



多/高光譜相機
中大型無人機搭載多/高光譜傳感器可用于植物營養(yǎng)學(xué)、土壤肥力、決策處方、作物估產(chǎn)等方向的研究。
圖像格式 ：12位 /span>
存儲：最大支持128G MicroSD卡 480G內(nèi)置SSD


熱紅外相機
中大型無人機搭載熱紅外傳感器可用于植物冠層蒸散估算、植物水分脅迫探測、灌溉管理等方向的研究。
圖像格式 ：JPEG，TIFF，R-JPEG
存儲：最大支持128G MicroSD卡




激光Lidar
中大型無人機搭載激光雷達傳感器可用于植物株高精細(xì)測量、植物冠層結(jié)構(gòu)探測等方向的研究。
圖像格式 ：照片，IMU，點云數(shù)據(jù)
存儲：MicroSD卡：傳輸速度達到 UHS-1 評級或 Class10 及以上的MicroSD卡， 最大支持 256GB 容量


高通量作物表型數(shù)據(jù)自動化處理平臺HTCPP-UAV
高通量作物表型信息自動化提取軟件主要由三個部分組成：數(shù)據(jù)預(yù)處理、表型信息提取和關(guān)鍵表型篩選。


選型配置表HTCPP-UAV



參考文獻
Jian Zhang , Biquan Zhao, Chenghai Yang , Yeyin Shi , Qingxi Liao ,Guangsheng Zhou , Chufeng Wang , Tianjin Xie , Zhao Jiang , Dongyan Zhang ,Wanneng Yang, Chenglong Huang and Jing Xie.Rapeseed Stand Count Estimation at Leaf Development Stages With UAV Imagery and Convolutional Neural Networks. Front. Plant Sci.2020.
Jian Zhang , Chufeng Wang , Chenghai Yang , Tianjin Xie , Zhao Jiang , Tao Hu , Zhibang Luo , Guangsheng Zhou and Jing Xie. Assessing the Effect of Real Spatial Resolution of In Situ UAV Multispectral Images on Seedling Rapeseed Growth Monitoring. Remote Sens. 2020.
Jian Zhang , Tianjin Xie , Chenghai Yang , Huaibo Song , Zhao Jiang , Guangsheng Zhou , Dongyan Zhang , Hui Feng and Jing Xie. Segmenting Purple Rapeseed Leaves in the Field from UAV RGB Imagery Using Deep Learning as an Auxiliary Means for Nitrogen Stress Detection. Remote Sens. 2020.
Abiquan Zhao , Jiating Li , P. Stephen Baenziger , Vikas Belamkar , Yufeng Ge , Jian Zhang and Yeyin Shi. Automatic Wheat Lodging Detection and Mapping in Aerial Imagery to Support High-Throughput Phenotyping and In-Season Crop Management. Agronomy. 2020.
Dongyan Zhang , Xingen Zhou , Jian Zhang , Yubin Lan , Chao Xu , Dong Liang. Detection of rice sheath blight using an unmanned aerial system with high-resolution color and multispectral imaging. PLOS ONE. 2018.
Biquan Zhao , Jian Zhang , Chenghai Yang , Guangsheng Zhou , Youchun Ding , Yeyin Shi , Dongyan Zhang , Jing Xie and Qingxi Liao. Rapeseed Seedling Stand Counting and Seeding Performance Evaluation at Two Early Growth Stages Based on Unmanned Aerial Vehicle Imagery. Front. Plant Sci. 2020.
Xiaoyang Zhao , Jian Zhang , Chenghai Yang , Huaibo Song , Yeyin Shi , Xingen Zhou , Dongyan Zhang and Guozhong Zhang. Registration for Optical Multimodal Remote Sensing Images Based on FAST Detection, Window Selection, and Histogram Specification. Remote Sens. 2018.


合作用戶