无人施肥方法、装置、设备、介质及无人施肥车与流程

本申请涉及农业生产种植领域，特别是涉及一种无人施肥方法、装置、设备、介质及无人施肥车。

背景技术：

1、在农业生产中，施肥是提高作物产量和质量的重要措施之一。传统的垄间施肥方法包括人工施肥和机械施肥。人工施肥效率低下，且容易造成施肥过量或不均匀；机械施肥虽然能提高效率，但其精准度仍存在一定的偏差。

2、为了提高垄间施肥的效率和精确度，近年来出现了基于无人机或无人车的自动施肥系统，利用卫星、无人机等遥感平台获取图像及光谱信息，并将其处理生成施肥量处方图，再运用固定式水肥一体机、自动施肥机等实现处方图执行。

3、但是，处方图生成通常依赖于gps定位和图像处理技术来确定垄间位置和施肥量，由于覆盖区域较大，同时，由于受到天气、遮挡等因素的影响，gps定位的精准度可能下降，因此，很难实现局部精准施肥。

技术实现思路

1、本申请的目的是提供一种无人施肥方法、装置、设备、介质及产品，可提升局部施肥的精确度。为实现上述目的，本申请提供了如下方案：

2、第一方面，本申请提供了一种无人施肥方法，包括：

3、获取目标区域作物生长环境的第一特征数据集；

4、基于所述第一特征数据集构建神经网络模型，将所述第一特征数据集作为所述神经网络模型的输入，对所述神经网络模型进行训练；

5、基于训练好的所述神经网络模型预测待施肥区域土壤和作物叶冠的营养元素含量；

6、基于所述待施肥区域土壤和作物叶冠的营养元素含量获取所述待施肥区域所需肥料中营养元素的配比；

7、基于地理信息系统获取多个待施肥区域的空间定位信息，根据多个待施肥区域所需肥料中营养元素的配比与相应的空间定位信息生成施肥处方图，施肥处方图用于表征所述待施肥区域各个位置所需肥料中营养元素的配比及施肥量，根据所述施肥处方图控制无人车行驶至指定区域对作物进行施肥作业。

8、第二方面，本申请提供了一种无人施肥装置，包括：

9、主控模块，所述主控模块用于控制动力模块、定位模块、信息采集模块、肥料供给模块、喷施控制模块、数据处理模块；

10、动力模块，用于对所述定位模块、信息采集模块、肥料供给模块、喷施控制模块、数据处理模块提供电力驱动支持；

11、定位模块，用于实现对无人车的定位控制；

12、信息采集模块，用于获取目标区域作物生长环境的第一特征数据集；

13、肥料供给模块，用于根据待施肥区域土壤和作物叶冠的营养元素含量配比肥料；

14、喷施控制模块，用于将配比好的肥料对作物进行喷淋；

15、数据处理模块，用于基于所述第一特征数据集构建神经网络模型，将所述第一特征数据集作为所述神经网络模型的输入，对所述神经网络模型进行训练；基于训练好的所述神经网络模型预测待施肥区域土壤和作物叶冠的营养元素含量；基于待施肥区域土壤和作物叶冠的营养元素含量获取待施肥区域所需肥料中营养元素的配比；基于地理信息系统获取多个待施肥区域的空间定位信息，根据多个待施肥区域所需肥料中营养元素的配比与相应的空间定位信息生成施肥处方图，施肥处方图用于表征待施肥区域各个位置所需肥料中营养元素的配比及施肥量，根据所述施肥处方图控制无人车行驶至指定区域对作物进行施肥作业。

16、第三方面，本申请提供了一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述中任一项所述的无人施肥方法的步骤。

17、第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的无人施肥方法的步骤。

18、第五方面，本申请提供了一种无人施肥车，包括计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的无人施肥方法的步骤。

19、根据本申请提供的具体实施例，本申请公开了以下技术效果：

20、本申请提供了一种无人施肥方法、装置、设备、介质及无人施肥车，通过获取目标区域作物生长环境的第一特征数据集；基于第一特征数据集构建神经网络模型，将第一特征数据集作为神经网络模型的输入，对神经网络模型进行训练。基于训练好的神经网络模型预测待施肥区域土壤和作物叶冠的营养元素含量。基于待施肥区域土壤和作物叶冠的营养元素含量获取待施肥区域所需肥料中营养元素的配比。通过地理信息系统获取多个待施肥区域的空间定位信息，根据多个待施肥区域所需肥料中营养元素的配比与相应的空间定位信息生成施肥处方图。施肥处方图用于表征待施肥区域的肥料营养元素配比及施肥量，根据施肥处方图控制无人车行驶至指定区域对作物进行施肥作业。根据gps定位和待施肥区域作物生长环境的实测值，对土壤和作物叶冠的营养元素含量进行预测，并基于空间定位信息确定待施肥区域各个位置所需肥料中营养元素的配比和施肥量。这使得在营养元素含量不同的待施肥区域之间，所施加的肥料配比和施肥量不同，实现了对小块区域的有针对性的施肥，从而实现了对待施肥区域的高精度施肥。

技术特征：

1.一种无人施肥方法，其特征在于，所述无人施肥方法包括：

2.根据权利要求1所述的无人施肥方法，其特征在于，所述获取目标区域作物生长环境的第一特征数据集，具体包括：

3.根据权利要求2所述的无人施肥方法，其特征在于，所述将所述高光谱图像数据、营养成分数据及环境数据通过自动机器学习平台进行处理，得到所述第一特征数据集，具体包括：

4.根据权利要求1所述的无人施肥方法，其特征在于，所述基于训练好的所述神经网络模型预测待施肥区域土壤和作物叶冠的营养元素含量，具体包括：

5.根据权利要求1所述的无人施肥方法，其特征在于，所述待施肥区域所需肥料中营养元素的配比通过计算第i种肥料的需求量获取，所述第i种肥料的需求量表示为：

6.一种无人施肥装置，其特征在于，所述无人施肥装置包括：

7.根据权利要求6所述的无人施肥装置，其特征在于，所述信息采集模块包含成像光谱仪模块、土壤探针模块及环境感知模块；

8.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-5中任一项所述的无人施肥方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-5中任一项所述的无人施肥方法的步骤。

10.一种无人施肥车，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-5中任一项所述的无人施肥方法的步骤。

技术总结本申请公开了一种无人施肥方法、装置、设备、介质及无人施肥车，涉及农业生产种植领域，该方法包括获取目标区域作物生长环境的第一特征数据集；基于特征数据集构建神经网络模型，将特征数据集作为神经网络模型的输入，对神经网络模型进行训练；基于训练好的神经网络模型预测待施肥区域土壤和作物叶冠的营养元素含量；基于所述待施肥区域土壤和作物叶冠的营养元素含量获取待施肥区域所需肥料中营养元素的配比；基于地理信息系统获取多个待施肥区域的空间定位信息，根据多个待施肥区域所需肥料中营养元素的配比与相应的空间定位信息生成施肥处方图。本申请实现了对作物的局部精准施肥。技术研发人员：吴兵,宋宁,黄珏东,宋含受保护的技术使用者：南京喜壤农业科技有限责任公司技术研发日：技术公布日：2024/10/10