作物拍摄用无人机的制作方法

本发明涉及一种无人飞行器(无人机)，其适用于为了通过图像分析来掌握农场作物的生长情况的作物拍摄。

背景技术：

已知一种方法：为了掌握作物的生长情况，通过无人机(无人飞行器、多轴直升机)等从上空拍摄农场，并对拍摄的图像进行分析(例如，专利文献1)。通过使用在农场上方低空中飞行的无人机，可以获得比使用卫星照片时更高精度的信息，但是仍然存在无法获得足够信息以进行准确分析的问题。

例如，飞虱等作物害虫大多出现在根部分，但是从上空拍摄很难适当地拍摄到根部分。同样，也很难拍摄到根部上出现的病斑、以及水面上出现的杂草。另外，尤其是在水稻的情况下，如果获得受到风力时的叶子的形状图像，则可以掌握硅的蓄积量，可以基于此估计水稻的生长程度并最优化肥料计划，但是，从上空拍摄很难适当地掌握水稻的生长程度。

现有技术文献

专利文献

专利文献1：专利公开公报特开2003-9664

技术实现要素：

发明所要解决的问题

本发明提供一种无人机(无人飞行器)，其能够适当地拍摄农场作物的根部分以及侧面。

用于解决问题的手段

本发明通过提供一种无人飞行器来解决上述问题，该无人飞行器具有摄像头和旋转翼，其中所述摄像头被设置在相对于行进方向的大约后方、并且在相对于水平线形成约60度的俯角的方向上可拍摄农场的位置上，所述摄像头对由于所述旋转翼产生的气流而露出的作物的根部或叶子的侧面进行拍摄。

另外，本发明还通过提供段落0006所述的无人飞行器来解决上述问题，该无人飞行器还具有根据移动速度、或风力和风向来调整所述摄像头方向的俯角的装置。

另外，本发明还通过提供段落0006或0007所述的无人飞行器来解决上述问题，该无人飞行器还具有控制装置，其进行姿势控制，以在进行方向转换时使所述摄像头相对于行进方向始终朝向后方。

另外，本发明还通过提供如下方法来解决上述课题：将由段落0006、段落0007或段落0008所述的无人飞行器的所述摄像头拍摄的所述作物的根部或叶子的侧面的图像作为神经网络的输入来研究所述作物的生长情况、害虫情况或杂草情况。

发明效果

本发明提供一种无人机(无人飞行器)，其能够适当地拍摄农场作物的根部分以及侧面。

附图说明

图1是本发明的作物的农场拍摄用无人机的实施例的整体图(平面图)。

图2是本发明的作物的农场拍摄用无人机的实施例的整体图(右侧面图)。

图3是示出了本发明的农场拍摄用无人机的实施例中作物根部分拍摄的基本概念的图。

图4是示出了本发明的农场拍摄用无人机的实施例的方向转换方法的图。

具体实施方式

下面参照附图对本发明的实施方式进行描述。附图均为例示。

图1示出了根据本发明的无人机(100)的整体结构(平面图)。本文中，“无人机”是指不管驱动方法或控制方法如何的所有无人飞行器。旋转翼(转子)(101)和电动机(102)是用于使无人机飞行的装置。在该图中，示出了使用四组两级转子的配置，但是转子的数量或配置方法可以与此不同。虽然没有图示出来，但本发明的无人机(100)优选具有用于进行飞行控制的计算机装置、用于远程操作无线通信装置、用于位置检测的gps装置(优选为rtk-gps等高精度装置)、以及电池等。另外，该图中示出了普通无人机所需的部件，例如着陆所需的支腿、保持电动机的框架、以及用于防止手接触旋转翼的安全框架等，但是，由于是显而易见的，因此不再特别说明。

图2示出了本发明的无人机(100)的整体结构(有侧面图)。在本发明的无人机(100)的下部设置有摄像头(103)。优选地，摄像头(103)可以连续地拍摄农场作物的映像作为动态图像。虽然没有图示出来，但无人机(100)优选具有存储装置，其临时保存摄像头(103)的拍摄图像。

如图3所示，一般情况下，在无人机中，旋转翼产生的气流(301)流向机身行进方向的后方。旋转翼产生的气流具有临时吹倒农场作物的作用。结果，在无人机(100)的行进方向的后方，出现农场(302)的作物(303)的根部分以及叶子的侧面露出到空中的区域。通过摄像头(103)选择性地拍摄该区域(304)，或者通过拍摄比该区域宽的区域并提取通过图像处理获得的区域(304)，可以获得作物根部分以及叶子侧面的图像。叶子侧面露出到空中的区域(304)的图像与其他区域相比，亮度或色彩度都有很大不同，因此很容易通过图像处理被提取出来。并且，还可以根据受到风力时的作物的叶子的弯曲形状估计叶子的厚度或硬度。

发明人的实验已表明：在无人机以典型的移动速度(大约每秒5米)移动时，最受旋转翼产生的气流的影响的作物在无人机的行进方向的后方，并且在俯角约60度的方向。可以将摄像头(103)朝向该方向，但也可以将广角性能优异的摄像头(103)朝下方拍摄，仅剪切出作物的根部以及叶子的侧面图像。

由于可有效拍摄根部的摄像头的朝向根据移动速度而变化，因此可以在无人机(100)中设置速度传感器，并且通过步进电机等使摄像头(103)的拍摄方向可变、以根据移动速度进行调整。并且，由于临时被吹倒的作物相对于无人机机身的相对位置会受风力和风向的影响，因此可以在无人机(100)中设置风力·风向传感器来自动调整摄像头(103)的拍摄方向。另外，摄像头(103)的远程操作装置上显示摄像头(103)的图像，操作者可以在确认图像的同时对摄像头(103)的位置进行微调整。在无人机(100)悬停时，或者以低速(例如，每秒约3米以下)飞行时，可以控制摄像头(103)不进行拍摄。

图4示出了本发明的农场拍摄用无人机进行方向转换时的动作。另外，图4中的无人机(400)示意性地示出了图1所示的无人机，以便容易理解机身的朝向。一般情况下，在无人机转换方向时，如图4-a所示，仅改变移动方向而不改变机身的绝对方向。在如图4-a所示的方向转换方式中，为了使摄像头(103)可以始终拍摄无人机(100)的行进方向的后侧，需要设置多个(典型地为4个)摄像头(103)并适当地切换以进行拍摄，或者通过步进电动机等根据机身的行进方向改变摄像头(103)的位置。

作为替代方法，如图4-b所示，在进行方向转换时，可以改变机身的绝对方向本身。通过采用这种方式，在无人机(100)上设置一个摄像头(103)就可以始终拍摄无人机(100)的行进方向后侧。尽管需要调整俯角，但是与设置多个摄像头的方法或改变摄像头的方向本身的方法相比，在成本、重量以及准确度方面是都有利的。

通过分析由摄像头(103)拍摄的图像数据，可以获得传统上不能获得的各种信息。例如，可以通过分析近红外图像(例如，780nm波长附近)来检测叶绿素的存在，由此可以从图像中仅提取作物部分。通过对作物部分的图像应用边缘检测并提取叶子的轮廓线，可以测量受到风力时叶子的弯曲程度。由此，可以估计叶片厚度，并且可以估计作物的生长情况。尤其是当作物为水稻时，也可以掌握硅的蓄积量(因为硅越多，叶子的硬度就越高)。另外，根据通过分析近红外图像判明的、没有作物部分的部分即水面区域可以估计(通过边缘检测处理检测出的)直线部分密集的部分是根部。对于根部中近红外线量减少的部分进行边缘检测，当看到斑点状区域时，可以估计有飞虱附着。当根部有暗红色区域时，可以估计出发生了纹枯病。另外，由于通常以20厘米至30厘米的相等间隔种植植株，因此在图像上没有等间隔地出现水面区域时，可以估计有杂草产生。并且，发明人的实验已表明：除了通过这些传统的图像分析之外，还可以通过将大量的图像数据示例作为神经网络(优选为深度神经网络)的输入进行机器学习来有效地进行高精度分析。

(本发明在技术上的显著效果)

根据本发明的无人机能够有效地获得农场中整个作物的根部以及叶子的侧面图像。通过分析获得的结果，可以与有效的害虫对策或施肥计划相关联。另外，当作物为水稻时，可以通过受到风力时的叶子的形状图像来掌握硅的蓄积量，并基于此估计水稻的生长程度，并最优化肥料计划。