CN118426493B - 一种基于云平台的无人值守的无人机巡检系统及方法 - Google Patents

Abstract

本发明涉及无人机巡检技术领域，具体涉及一种基于云平台的无人值守的无人机巡检系统及方法，包括生长分析模块、环境分析模块、无人机巡检安排模块、无人机巡检采集模块、执行分析模块、执行处理模块和显示终端；本发明，通过对目标区域农作物的生长状态进行判定分析，一旦发现生长趋势异常，便触发对外部环境状态进行评估，在确保外部环境条件正常的情况下，基于巡检无人机的状态参数，智能选择并派遣合适的无人机进行巡检任务，以此获取目标区域农作物的图像集合，基于图像集合，对目标区域农作物的健康状态进行评估，据此生成并执行相应的执行指令，从而实现了能够实时监测农作物生长情况并根据生长情况进行自动控制调取无人机进行操作处理。

Description

一种基于云平台的无人值守的无人机巡检系统及方法

技术领域

本发明涉及无人机巡检技术领域，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

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；

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；

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。

发明内容

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。

本发明的目的可以通过以下技术方案实现：

一种基于云平台的无人值守的无人机巡检系统，包括：

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；

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；

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；

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；

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；

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。

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：

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；

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；

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。

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：

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；

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。

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：

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。

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：

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；

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；

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；

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；

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；

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；

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；

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；

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；

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。

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：

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；

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；

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。

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：

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；

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；

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；

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；

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；

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。

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：

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；

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；

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。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的整体模块框图；

图2为本发明的整体流程框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，一种基于云平台的无人值守的无人机巡检系统，包括：云平台，云平台内设置有生长分析模块、环境分析模块、无人机巡检安排模块、无人机巡检采集模块、执行分析模块、执行处理模块和显示终端；

需要说明的是，云平台负责接收、处理、存储和传输数据，提供与其它模块的通信接口，确保数据的实时交互；

生长分析模块用于对目标区域农作物的生长状态参数进行监测，由此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：

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划分为四个生长阶段，分别为一阶生长周期、二阶生长周期、三阶生长周期和四阶生长周期，并将目标区域农作物的生长周期标定为M，且M=q1、q2、q3和q4，其中，q1表示一阶生长周期的编号，q2表示二阶生长周期的编号，q3表示三阶生长周期的编号，q4表示四阶生长周期的编号；

需要说明的是，一阶生长周期指的是种子发芽期，设定生长时长为[FS1，FS2），二阶生长周期指的是幼苗期，设定生长时长为[FS2，FS3），三阶生长周期指的是生长期，设定生长时长为[FS3，FS4），四阶生长周期指的是成熟期，设定生长时长为[FS4，FS5），其中，0≤FS1＜FS2＜FS3＜FS4≤FS5；其中，每个生长周期的生长时长设定都是基于该生长周期的极限值，以确保划分的准确性和实用性；

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，且，η1＞η2＞η3＞η4；

需要说明的是，湿养值指的是目标区域农作物生长土壤中的水分和养分的综合状态评估值，反映了土壤对目标区域农作物生长的适宜程度，具体求解为：通过土壤传感器获取土壤中的水分含量、氮含量、磷含量和钾含量，并提取水分含量、氮含量、磷含量和钾含量的数值分别乘以对应的权重系数再相加得到湿养值；株高值指的是目标区域农作物生长的高度，其具体是目标区域内农作物从地面到其顶部（通常是最高叶片的尖端或穗状花序的顶部）的垂直距离；温度值指的是目标区域农作物生长所处空间的气温；光强值指的是单位时间内照射到目标区域农作物表面上的光照强度；

将目标区域农作物的生长状态评估系数SZP与预设的生长状态评估阈值SY进行比较分析，当目标区域农作物的生长状态评估系数SZP大于预设的生长状态评估阈值SY时，则生成生长趋势异常信号，反之，则生成生长趋势正常信号；

将生成的生长趋势异常信号反馈至云平台，云平台依据生长趋势异常信号则执行环境分析模块；

环境分析模块用于对目标区域农作物的外部环境状态参数进行监测，由此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：

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，且β1＞β2＞β3；

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，反之，则生成外部环境异常信号；

将生成的外部环境正常信号反馈至云平台，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；

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，由此对无人机基站的各巡检无人机进行安排分析，具体的分析过程如下：

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，且λ1＞λ2＞λ3；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，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；

无人机巡检采集模块用于通过可派巡检无人机搭载的设备对目标区域农作物进行拍摄，由此得到目标区域农作物的图像集合，并将目标区域农作物的图像集合反馈至云平台，云平台将目标区域农作物的图像集合发送到执行分析模块；

需要说明的是，可派巡检无人机搭载的设备包括红外热成像仪和高清摄像头，以此用来对目标区域农作物进行精确拍摄；

执行分析模块基于目标区域农作物的图像集合，由此对目标区域农作物的健康状态进行判定分析，具体的分析过程如下：

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；

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，并分别标定为，将被判定为异常状态次数与总判定次数进行占比分析，依据公式：，得到病虫数倾值，其中，k1、k2分别表示被判定为异常状态次数和总判定次数的修正系数；

通过获取目标区域农作物的各检测点中的颜色异常面积，将其标定为，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，依据公式：，得到颜变面均值，其中，j表示各检测点的编号，且j=1,2，3…w，w表示各检测点编号的总数；

其中，颜色异常面积指的是在目标区域农作物的各检测点中，由于营养不足、水分失衡或其他因素导致的，与正常健康作物颜色存在显著差异的区域面积，这种颜色异常通常表现为叶片发黄、发红、发褐等明显症状；

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，并将其分别标定为，依据公式：，得到裂纹评值，其中，δ1、δ2分别表示裂纹数量和裂纹面积的权重系数；

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，依据公式：，得到目标区域农作物的健康状态评估系数ZPH，其中，u表示自然常数，γ1、γ2和γ3分别表示病虫数倾值、颜变面均值和裂纹评值的权重系数，且γ1＞γ2＞γ3；

设置目标区域农作物的健康状态评估阈值为ZY，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，反之，则生成健康正常信号；

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；

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qngh1、第二梯度健康偏差区间qngh2和第三梯度健康偏差区间qngh3，其中，且qngh1=Φqngh2=2Φqngh3，其中，qngh1＞qngh2＞qngh3，Φ表示梯度的倍数，且Φ的具体数值的设定由本领域技术人员在具体无人机巡检实例中进行具体设置；

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qngh1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qngh2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qngh3时，则生成三级执行信号；

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；

将生成的执行类型信号反馈至云平台，云平台将执行类型信号发送到执行处理模块；

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，具体的分析过程如下：

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，从而确保农作物得到及时的虫害防治，并在显示终端进行显示通知；

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，从而帮助农作物及时获得必要的营养支持，促进其健康生长，并在显示终端进行显示通知；

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，从而实现及时的浇灌，满足农作物对水分的需求确保其正常生长，并在显示终端进行显示通知。

如图2所示，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：

步骤一：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：

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；

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；

将目标区域农作物的生长状态评估系数SZP与预设的生长状态评估阈值SY进行比较分析，当目标区域农作物的生长状态评估系数SZP大于预设的生长状态评估阈值SY时，则生成生长趋势异常信号；

步骤二：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：

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；

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，依据外部环境正常信号则执行步骤三；

步骤三：对无人机基站的各巡检无人机进行安排分析，具体的分析过程如下：

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，且λ1＞λ2＞λ3；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，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；

步骤四：通过可派巡检无人机搭载的设备对目标区域农作物进行拍摄，由此得到目标区域农作物的图像集合，依据目标区域农作物的图像集合则执行步骤五；

步骤五：基于目标区域农作物的图像集合，由此对目标区域农作物的健康状态进行判定分析，具体的分析过程如下：

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；

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；

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；

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；

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；

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；

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；

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；

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；

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，依据执行类型信号则执行步骤六；

步骤六：基于执行类型信号，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：

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，并在显示终端进行显示通知；

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，并在显示终端进行显示通知；

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，并在显示终端进行显示通知。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (4)

1.一种基于云平台的无人值守的无人机巡检系统，其特征在于，包括：

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，其具体分析为：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；

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tsnz^M _i、zhnz^M _i、wdnz^M _i和gqnz^M _i，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，tsnz_M ^*、zhnz_M ^*、wdnz_M ^*和gqnz_M ^*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；

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，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；

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，其具体分析为：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FS_max ^M、FS_min ^M、FS_mpj ^M、JY_max ^M、JY_min ^M、JY_mpj ^M、TG_max ^M、TG_min ^M和TG_mpj ^M，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，FSZ^M、JYZ^M和TGZ^M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；

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，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；

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，其具体分析为：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syz^M、yxc^M和sjz^M，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，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；

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；

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；

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。

2.根据权利要求1所述的一种基于云平台的无人值守的无人机巡检系统，其特征在于，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：

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；

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；

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；

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；

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；

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；

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；

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；

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；

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。

3.根据权利要求1所述的一种基于云平台的无人值守的无人机巡检系统，其特征在于，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：

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；

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；

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。

4.一种基于云平台的无人值守的无人机巡检方法，其特征在于，包括以下步骤：

步骤一：对目标区域农作物的生长状态进行判定分析，其具体分析为：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，提取四者的数值进行归一化处理，得到目标区域农作物的生长状态评估系数；

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，依据生长趋势异常信号则执行步骤二；

步骤二：对目标区域农作物的外部环境状态进行分析处理，其具体分析为：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，同时取其数值进行归一化处理，得到目标区域农作物的外部环境状态评估系数；

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，依据外部环境正常信号则执行步骤三；

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，其具体分析为：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，提取三者数值进行归一化处理，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；

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；

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；

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。