作品展示
作品展示 > A类:智能农业装备科技发明制作类 > A3智能田间管理农业装备发明
翼眸巡除——基于Retinex理论的图像增强植保无人机
- 作品编号:2025A6045
- 所属领域:A3智能田间管理农业装备发明
- 作品层次:本科生
- 所在高校:大连海事大学
- 所在院/系:交通运输工程学院
- 作品所处阶段:A、实验室阶段
- 作品展示形式:样机
- 制作成本估算:3.2万元
作品简介:
本项目针对传统植保无人机在清晨、傍晚及日光温室等低光照条件下杂草识别精度低、药剂浪费严重等问题,研发了一款智能除草无人机系统。系统采用大疆精灵4多光谱无人机采集田间数据,通过4G/5G无线传输至云平台,运用改进的Retinex图像增强算法(融合非局部均值滤波与自适应双边滤波)提升低光照图像质量,基于卷积神经网络深度学习模型精准识别小麦田间杂草并计算覆盖度,生成数字化处方图回传至无人机。智能控制系统根据杂草类型与分布自动规划航线、调控喷头,实现除草剂精准变量喷洒。本系统将杂草识别率提升20%以上,减少农药使用量30%-40%,为绿色高效农业提供智能化解决方案。
主要创新点:
算法:首创改进Retinex图像增强框架,采用非局部均值滤波与自适应双边滤波替代传统高斯滤波,结合MSRCP多尺度融合与神经网络动态加权,有效解决了低光照环境下图像细节丢失与边缘模糊问题,显著提升复杂光照条件下的杂草识别精度。
系统:构建“感知-传输-决策-执行”全链条智能化系统,实现从多光谱数据采集、云端深度学习识别、处方图生成到精准变量喷洒的闭环控制,可根据杂草覆盖度自动选择药剂类型与喷洒量,实现真正精准施药。
技术关键和主要技术指标:
关键技术:①图像增强:基于Retinex理论,将HSV色彩空间的V分量分别通过改进双边滤波(引入自适应亮度相似性函数)与非局部均值滤波(利用图像块欧氏距离加权)进行光照估计,融合后执行Gamma校正,在降噪保边的同时保留纹理细节;②智能识别:采用ResNet卷积神经网络提取多光谱特征,通过RPN区域建议网络与ROI池化实现杂草快速定位与分类;③精准喷洒:六旋翼轴距1300mm设计,搭载10L药箱,基于处方图实现喷头独立控制,喷洒精度达厘米级。
设计理念:秉承“精准农业、减施增效、环境友好”的可持续农业理念,以低光照场景下的图像质量提升为突破口,通过算法与硬件协同优化,在保证除草效果前提下最大限度减少化学品投入。系统采用模块化设计,机臂可折叠,电池快拆结构,兼具高载重(最大29.16kg)与实用性(续航12-15分钟),为小麦等粮食作物规模化生产提供智能化、轻量化的精准除草装备。
推广应用价值:
面向精准农业和绿色植保需求,针对清晨、傍晚等低清晰度作业场景,提出了一种集图像增强、杂草识别与喷洒于一体的植保无人机解决方案。该系统可显著提升杂草识别精度,减少除草剂盲目喷洒,实现减药增效,具有良好的环境效益与经济效益。相比传统均匀施药方式,本作品在降低农药使用量、减少环境污染、提升作业效率等方面优势明显,适用于小麦等主要粮食作物种植区域,具备在设施农业、规模化农田及智慧农业场景中的推广应用潜力。
作品视频: