一种基于云平台的无人值守的无人机巡检系统及方法与流程

本发明涉及无人机巡检，具体为一种基于云平台的无人值守的无人机巡检系统及方法。

背景技术：

1、随着农业技术的飞速发展以及规模化生产的不断推进，传统的人工巡检方式在现代农业的高效、精准管理需求面前显得力不从心，这种方式不仅耗费大量的人力和时间，而且由于巡检覆盖范围和频率的限制，难以对广阔的农田进行及时且全面的检查，这导致农田管理效率低下，无法及时察觉并处理潜在问题；

2、更进一步说，传统的人工巡检高度依赖于巡检人员的个人经验和主观判断，这使得对农作物生长状况、病虫害情况的评估难以做到准确和量化，此外，人为因素的不确定性往往导致巡检结果存在误差，从而影响到农田管理的质量；

3、然而，当农作物遭受损害时，这种滞后的人工巡检方式往往难以迅速应对，因为发现时农作物可能已经遭受了较大程度的损害，此时再采取措施往往已经难以挽回损失。

技术实现思路

1、为了克服背景技术中的缺点，本发明实施例提供了一种基于云平台的无人值守的无人机巡检系统及方法，能够有效解决上述背景技术中涉及的问题。

2、本发明的目的可以通过以下技术方案实现：

3、一种基于云平台的无人值守的无人机巡检系统，包括：

4、生长分析模块，用于对目标区域农作物的生长状态进行判定分析，得到生长趋势异常信号，并反馈至云平台，云平台依据生长趋势异常信号则执行环境分析模块；

5、环境分析模块，用于对目标区域农作物的外部环境状态进行分析处理，得到外部环境正常信号，并反馈至云平台，云平台依据外部环境正常信号则执行无人机巡检安排模块；

6、无人机巡检安排模块，用于对无人机基站的各巡检无人机状态参数进行监测分析，得到各巡检无人机的优派值，将各巡检无人机的优派值与预设的优派阈值进行比较分析，若各巡检无人机的优派值大于预设的优派阈值时，则将无人机基站的该巡检无人机判定为可派巡检无人机，将被判定为可派巡检无人机按照设定的巡检路径前往进行巡检目标区域农作物；

7、无人机巡检采集模块，用于通过可派巡检无人机获取目标区域农作物的图像数据并构建图像集合，并反馈至云平台，云平台将图像集合发送到执行分析模块；

8、执行分析模块，基于图像集合，由此对目标区域农作物的健康状态进行判定分析，得到执行类型信号，并反馈至云平台，云平台将执行类型信号发送到执行处理模块；

9、执行处理模块用于接收执行类型信号，由此对目标区域农作物进行执行操作分析，据此得到对应的执行指令，同时执行对应的操作处理。

10、进一步地，所述对目标区域农作物的生长状态进行判定分析，具体的分析过程如下：

11、通过获取目标区域农作物的生长周期，并将目标区域农作物的生长周期标定为m；

12、通过获取一段时间内目标区域农作物的生长状态参数中的湿养值、株高值、温度值和光强值，并分别标定为，i表示一段时间内的各监测时间点，且i=1，2，3…n，n为大于零的正整数，提取四者的数值进行归一化处理，依据公式：，得到目标区域农作物的生长状态评估系数szp，其中，分别表示参考湿养值、参考株高值、参考温度值和参考光强值，η1、η2、η3和η4分别表示设定的权值系数；

13、将目标区域农作物的生长状态评估系数与预设的生长状态评估阈值进行比较分析，当目标区域农作物的生长状态评估系数大于预设的生长状态评估阈值时，则生成生长趋势异常信号。

14、进一步地，所述对目标区域农作物的外部环境状态进行分析处理，具体的分析过程如下：

15、通过获取当前监测时段内目标区域农作物的外部环境状态参数中的风速、降雨量和能见度，并从中提取最大风速值、最小风速值、平均风速值、最大降雨量值、最小降雨量值、平均降雨量值、最大能见度值、最小能见度值和平均能见度值，并分别标定为，同时取其数值进行归一化处理，依据公式：，得到目标区域农作物的外部环境状态评估系数hjp，其中，分别表示风速评估指数、降雨量评估指数和能见度评估指数，a1、a2和a3分别表示修正系数，β1、β2和β3分别表示风速评估指数、降雨量评估指数和能见度评估指数权重系数；

16、将目标区域农作物的外部环境状态评估系数与预设的参考对比区间进行比较分析，若目标区域农作物的外部环境状态评估系数处于预设的参考对比区间之内时，则生成外部环境正常信号。

17、进一步地，所述对无人机基站的各巡检无人机状态参数进行监测分析，具体的分析过程如下：

18、通过获取无人机基站的各巡检无人机状态参数中的剩余电量、运行次数和间隔时长，并分别标定为，提取三者数值进行归一化处理，依据公式：，得到各巡检无人机的优派值xjp，其中，λ1、λ2和λ3分别表示剩余电量、运行次数和间隔时长的权重系数。

19、进一步地，所述对目标区域农作物的健康状态进行判定分析，具体的分析过程如下：

20、将目标区域农作物的图像集合按照拍摄时间顺序进行排列，得到目标区域农作物的图像序列，将每个图像标定为一个检测点，由此得到目标区域农作物的各检测点；

21、通过获取目标区域农作物的各检测点中的病虫数量，并将相邻检测点的病虫数量进行差值计算，得到目标区域农作物的病虫数波值，将目标区域农作物的病虫数波值与预设的病虫数波阈值进行比较分析，若目标区域农作物的病虫数波值大于预设的病虫数波阈值时，则判定为异常状态，统计被判定为异常状态次数和总判定次数，将被判定为异常状态次数与总判定次数进行占比分析，得到病虫数倾值；

22、通过获取目标区域农作物的各检测点中的颜色异常面积，并将目标区域农作物的各检测点中的颜色异常面积进行均值分析，得到颜变面均值；

23、通过获取目标区域农作物的各检测点中土壤的裂纹数量和裂纹面积的数值进行分析，得到裂纹评值；

24、提取病虫数倾值、颜变面均值和裂纹评值的数值进行归一化处理，得到目标区域农作物的健康状态评估系数；

25、将目标区域农作物的健康状态评估系数与健康状态评估阈值进行比较分析，当目标区域农作物的健康状态评估系数大于或等于健康状态评估阈值时，则生成健康异常信号；

26、依据生成的健康异常信号，则调取目标区域农作物的健康状态评估系数，并将其与健康状态评估阈值进行差值计算，得到目标区域农作物的健康偏差值；

27、设置目标区域农作物的健康偏差值的三个健康偏差梯度对比区间，分别为第一梯度健康偏差区间、第二梯度健康偏差区间和第三梯度健康偏差区间；

28、当目标区域农作物的健康偏差值处于预设的第一梯度健康偏差区间时，则生成一级执行信号，当目标区域农作物的健康偏差值处于预设的第二梯度健康偏差区间时，则生成二级执行信号，当目标区域农作物的健康偏差值处于预设的第三梯度健康偏差区间时，则生成三级执行信号；

29、由一级执行信号、二级执行信号和三级执行信号构成执行类型信号。

30、进一步地，所述对目标区域农作物进行执行操作分析，具体的分析过程如下：

31、若捕捉到执行类型信号中的一级执行信号，则触发除虫执行指令，依据触发的除虫执行指令，则在设定的l1时间段内调度除虫无人机前往目标区域进行除虫药物的喷洒操作；

32、若捕捉到执行类型信号中的二级执行信号，则触发施肥执行指令，依据触发的施肥执行指令，则在设定的l2时间段内调度施肥无人机前往目标区域进行精确施肥操作；

33、若捕捉到执行类型信号中的三级执行信号，则触发浇灌执行指令，依据触发的浇灌执行指令，则在设定的l3时间段内调度浇灌无人机前往目标区域进行浇灌喷洒操作。

34、进一步地，一种基于云平台的无人值守的无人机巡检方法，包括以下步骤：

35、步骤一：对目标区域农作物的生长状态进行判定分析，得到生长趋势异常信号，依据生长趋势异常信号则执行步骤二；

36、步骤二：对目标区域农作物的外部环境状态进行分析处理，得到外部环境正常信号，依据外部环境正常信号则执行步骤三；

37、步骤三：对无人机基站的各巡检无人机状态参数进行监测分析，得到各巡检无人机的优派值，将各巡检无人机的优派值与预设的优派阈值进行比较分析，若各巡检无人机的优派值大于预设的优派阈值时，则将无人机基站的该巡检无人机判定为可派巡检无人机，将被判定为可派巡检无人机按照设定的巡检路径前往进行巡检目标区域农作物；

38、步骤四：通过可派巡检无人机获取目标区域农作物的图像数据并构建图像集合，依据图像集合则执行步骤五；

39、步骤五：基于图像集合，由此对目标区域农作物的健康状态进行判定分析，得到执行类型信号，依据执行类型信号则执行步骤六；

40、步骤六：基于执行类型信号，由此对目标区域农作物进行执行操作分析，据此得到对应的执行指令，同时执行对应的操作处理。

41、本发明提供的技术方案，与已知的现有技术相比，具有如下有益效果：

42、1、本发明，通过实时监测目标区域农作物的生长状态参数，并对这些参数进行精确的归一化处理，从而得出一个生长状态评估系数，当这个评估系数超过预设的生长状态评估阈值时，会立即发出异常信号，警示农作物生长趋势存在异常，与此同时，还密切监测目标区域农作物的外部环境状态参数，并通过分析计算得到外部环境状态评估系数，若该评估系数处于预设的参考对比区间内，则表明当前外部环境条件适宜，适合进行无人机巡检，在这种情况下，云平台将自动启动无人机巡检安排，迅速派遣无人机对目标区域进行详尽的现场勘察，这种自动化的巡检方式不仅显著提高了巡检效率，而且有效降低了人力成本，使得农业管理更加高效、精准；

43、2、本发明，通过监测无人机基站的各巡检无人机状态参数中的剩余电量、运行次数和间隔时长，结合权重系数进行归一化处理，得出优派值，优派值越大说明巡检无人机被安排前往巡检目标区域农作物的概率越大，从而实现了无人机巡检任务的智能化调度，这种决策方式能够确保巡检任务的高效执行，同时延长无人机的使用寿命；

44、3、本发明，通过对目标区域的农作物进行精准的健康状态评估，能够实时反映农作物的生长状况和潜在问题，一旦发现农作物出现健康异常，则会立即根据健康状态的程度生成不同级别的执行信号，从而调度相应种类的无人机前往目标区域进行相应的操作处理，从而实现了不仅对农作物健康状态的精准评估，还确保了针对不同健康问题的快速响应和有效处理，通过合理利用不同种类的无人机，我们能够实现对农作物生长环境的持续优化，从而促进农作物的健康生长，提高产量和品质。