本發(fā)明涉及農(nóng)業(yè)數(shù)據(jù)監(jiān)管，具體是一種基于三維視圖的無人農(nóng)場作業(yè)數(shù)據(jù)監(jiān)管系統(tǒng)及方法。

背景技術(shù)：

1、農(nóng)業(yè)數(shù)據(jù)監(jiān)管技術(shù)是指在農(nóng)業(yè)生產(chǎn)全過程中，利用物聯(lián)網(wǎng)、遙感、無人機等技術(shù)手段對作業(yè)數(shù)據(jù)、環(huán)境數(shù)據(jù)和作物生長數(shù)據(jù)進行全面采集、融合處理與智能分析的過程，旨在實現(xiàn)農(nóng)業(yè)作業(yè)的可視化、精細化與智能化管理。

2、隨著農(nóng)業(yè)智能化、精細化管理持續(xù)深入發(fā)展，無人機在農(nóng)場作業(yè)里的應(yīng)用愈發(fā)普遍。在播種、施藥、測繪等作業(yè)環(huán)節(jié)，無人機展現(xiàn)出極高的效率，操作也十分靈活。與此同時，傳感器、遙感影像、gps定位等技術(shù)不斷進步，讓農(nóng)場環(huán)境信息的采集變得更全面、更具實時性，為農(nóng)業(yè)數(shù)字化管理奠定了數(shù)據(jù)基礎(chǔ)。不過，現(xiàn)有的農(nóng)業(yè)管理系統(tǒng)大多局限于單一類型數(shù)據(jù)的記錄，或是采用分散式的環(huán)境監(jiān)測方式。這些系統(tǒng)未能系統(tǒng)地構(gòu)建起無人機作業(yè)行為、農(nóng)田環(huán)境變化與作物生長結(jié)果之間的關(guān)系模型，也缺乏深入分析。并且，傳統(tǒng)系統(tǒng)大多借助二維地圖或者靜態(tài)圖表來呈現(xiàn)農(nóng)場信息，很難體現(xiàn)出地形差異、作物分布、土壤狀況等空間特性，也無法實時更新作業(yè)狀態(tài)，這就致使監(jiān)管缺乏直觀性。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于三維視圖的無人農(nóng)場作業(yè)數(shù)據(jù)監(jiān)管系統(tǒng)及方法，以解決現(xiàn)有技術(shù)中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于三維視圖的無人農(nóng)場作業(yè)數(shù)據(jù)監(jiān)管方法，所述無人農(nóng)場作業(yè)數(shù)據(jù)監(jiān)管方法具體包括如下步驟：

3、步驟s100、采集無人機作業(yè)數(shù)據(jù)與農(nóng)場環(huán)境數(shù)據(jù)；所述無人機作業(yè)數(shù)據(jù)包括無人機作業(yè)軌跡數(shù)據(jù)和無人機作業(yè)質(zhì)量數(shù)據(jù)；所述農(nóng)場環(huán)境數(shù)據(jù)包括農(nóng)場基本數(shù)據(jù)、土壤墑情數(shù)據(jù)和作物生長數(shù)據(jù)；

4、步驟s200、以農(nóng)場基本數(shù)據(jù)為基底，疊加無人機作業(yè)軌跡數(shù)據(jù)構(gòu)建農(nóng)場動態(tài)數(shù)字孿生模型，實時顯示無人機作業(yè)質(zhì)量數(shù)據(jù)、土壤墑情數(shù)據(jù)和作物生長數(shù)據(jù)；

5、步驟s300、根據(jù)所述農(nóng)場動態(tài)數(shù)字孿生模型，分析無人機作業(yè)軌跡數(shù)據(jù)與作物生長數(shù)據(jù)的對應(yīng)關(guān)系；

6、步驟s400、通過不同時間作物生長數(shù)據(jù)之間的對比，量化無人機作業(yè)效果，根據(jù)所述無人機作業(yè)軌跡數(shù)據(jù)與作物生長數(shù)據(jù)的對應(yīng)關(guān)系，對無人機作業(yè)進行自動化監(jiān)管。

7、在步驟s100中，采集無人機作業(yè)數(shù)據(jù)與農(nóng)場環(huán)境數(shù)據(jù)，具體為：

8、所述無人機作業(yè)數(shù)據(jù)包括無人機作業(yè)軌跡數(shù)據(jù)和無人機作業(yè)質(zhì)量數(shù)據(jù)；

9、所述農(nóng)場環(huán)境數(shù)據(jù)包括農(nóng)場基本數(shù)據(jù)、土壤墑情數(shù)據(jù)和作物生長數(shù)據(jù)；

10、無人機配備gps定位裝置，通過一定時間間隔獲取無人機的位置，得到所述無人機作業(yè)軌跡數(shù)據(jù)；

11、在無人機上安裝各種傳感器來監(jiān)測作業(yè)質(zhì)量；

12、安裝農(nóng)藥噴灑監(jiān)測傳感器，實時監(jiān)測農(nóng)藥噴灑的流量、壓力等參數(shù)，以判斷噴灑是否均勻、是否達到設(shè)定的噴灑量；對于播種作業(yè)，通過安裝視覺傳感器或重量傳感器，監(jiān)測播種的密度和均勻性。

13、通過衛(wèi)星影像獲取農(nóng)場基本數(shù)據(jù)，所述農(nóng)場基本數(shù)據(jù)包括農(nóng)場中不同作物的邊界、面積和地形地貌數(shù)據(jù)；

14、通過網(wǎng)格化部署土壤水分傳感器，獲取所述土壤墑情數(shù)據(jù)；

15、通過無人機定期拍攝作物多光譜圖像，獲取作物生長數(shù)據(jù)。

16、其中，通過圖像分析軟件測量作物的株高、覆蓋度、顏色等特征，得到所述作物生長數(shù)據(jù)；

17、通過lorawan組網(wǎng)進行數(shù)據(jù)傳輸；

18、在步驟s200中，以農(nóng)場基本數(shù)據(jù)為基底，疊加無人機作業(yè)軌跡數(shù)據(jù)構(gòu)建農(nóng)場動態(tài)數(shù)字孿生模型，實時顯示無人機作業(yè)質(zhì)量數(shù)據(jù)、土壤墑情數(shù)據(jù)和作物生長數(shù)據(jù)，具體為：

19、以采集無人機作業(yè)數(shù)據(jù)與農(nóng)場環(huán)境數(shù)據(jù)的時間為基準，進行時空對齊；

20、通過三維網(wǎng)格顯示農(nóng)場中不同作物的邊界、面積和地形地貌數(shù)據(jù)；

21、通過無人機配備的gps定位裝置，顯示當(dāng)前無人機作業(yè)軌跡，并實時更新；

22、實時顯示無人機作業(yè)軌跡對應(yīng)的無人機作業(yè)質(zhì)量數(shù)據(jù)；

23、通過顏色梯度標識土壤墑情數(shù)據(jù)；

24、通過作物生長數(shù)據(jù)繪制作物隨時間的生長曲線，進行可視化展示。

25、在步驟s300中，根據(jù)所述農(nóng)場動態(tài)數(shù)字孿生模型，分析無人機作業(yè)軌跡數(shù)據(jù)與作物生長數(shù)據(jù)的對應(yīng)關(guān)系，具體為：

26、步驟s301、將農(nóng)場劃分為等面積的網(wǎng)格單元，記錄每個單元的位置、作物種類和作物數(shù)量；

27、步驟s302、根據(jù)所述農(nóng)場動態(tài)數(shù)字孿生模型，獲取無人機作業(yè)參數(shù)o(x,y,t)，采集一段時間δt之后的作物生長數(shù)據(jù)g(x,y,t+δt)；其中，x和y分別表示無人機作業(yè)軌跡的橫坐標與縱坐標；t表示獲取的時間標識；

28、步驟s303、獲取若干組所述無人機作業(yè)參數(shù)o(x,y,t)和一段時間δt之后的作物生長數(shù)據(jù)g(x,y,t+δt)，進行數(shù)據(jù)擬合，分別得到不同作物生長數(shù)據(jù)與無人機作業(yè)參數(shù)之間的估量關(guān)系函數(shù)；

29、步驟s304、考慮鄰域效應(yīng)對相鄰網(wǎng)格單元內(nèi)農(nóng)作物的影響，得到鄰域效應(yīng)修正項，進行空間耦合。

30、在步驟s400中，通過不同時間作物生長數(shù)據(jù)之間的對比，量化無人機作業(yè)效果，根據(jù)所述無人機作業(yè)軌跡數(shù)據(jù)與作物生長數(shù)據(jù)的對應(yīng)關(guān)系，對無人機作業(yè)進行自動化監(jiān)管，具體為：

31、步驟s401、以當(dāng)前作物生長數(shù)據(jù)為基準，采集一段時間之后的作物生長數(shù)據(jù)，對比不同時間作物的生長數(shù)據(jù)，提取作物生長的結(jié)構(gòu)變化指標；

32、步驟s402、根據(jù)所述無人機作業(yè)軌跡數(shù)據(jù)與作物生長數(shù)據(jù)的對應(yīng)關(guān)系，對無人機作業(yè)進行自動化監(jiān)管。

33、一種基于三維視圖的無人農(nóng)場作業(yè)數(shù)據(jù)監(jiān)管系統(tǒng)，所述無人農(nóng)場作業(yè)數(shù)據(jù)監(jiān)管系統(tǒng)包括數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊、數(shù)字孿生建模模塊、數(shù)據(jù)分析模塊和數(shù)據(jù)監(jiān)管與可視化模塊；

34、所述數(shù)據(jù)采集模塊用于采集無人機作業(yè)數(shù)據(jù)與農(nóng)場環(huán)境數(shù)據(jù)；

35、所述數(shù)據(jù)處理模塊用于對采集到的無人機作業(yè)數(shù)據(jù)與農(nóng)場環(huán)境數(shù)據(jù)進行時間戳對齊，提供連續(xù)數(shù)據(jù)；

36、所述數(shù)字孿生建模模塊用于以農(nóng)場基本數(shù)據(jù)為基底，疊加無人機作業(yè)軌跡數(shù)據(jù)構(gòu)建農(nóng)場動態(tài)數(shù)字孿生模型，實時顯示無人機作業(yè)質(zhì)量數(shù)據(jù)、土壤墑情數(shù)據(jù)和作物生長數(shù)據(jù)；

37、所述數(shù)據(jù)分析模塊用于根據(jù)所述農(nóng)場動態(tài)數(shù)字孿生模型，分析無人機作業(yè)軌跡數(shù)據(jù)與作物生長數(shù)據(jù)的對應(yīng)關(guān)系；

38、所述數(shù)據(jù)監(jiān)管與可視化模塊用于對比不同時間的作物生長數(shù)據(jù)，量化無人機作業(yè)效果，根據(jù)所述無人機作業(yè)軌跡數(shù)據(jù)與作物生長數(shù)據(jù)的對應(yīng)關(guān)系，對無人機作業(yè)進行自動化監(jiān)管，并可視化展示作物隨時間的生長曲線。

39、所述數(shù)據(jù)采集模塊包括無人機作業(yè)數(shù)據(jù)單元、農(nóng)場環(huán)境數(shù)據(jù)單元和數(shù)據(jù)傳輸單元；

40、所述無人機作業(yè)數(shù)據(jù)單元用于獲取無人機作業(yè)數(shù)據(jù)，所述無人機作業(yè)數(shù)據(jù)包括無人機作業(yè)軌跡數(shù)據(jù)和無人機作業(yè)質(zhì)量數(shù)據(jù)；

41、所述農(nóng)場環(huán)境數(shù)據(jù)單元用于獲取農(nóng)場環(huán)境數(shù)據(jù)，所述農(nóng)場環(huán)境數(shù)據(jù)包括農(nóng)場基本數(shù)據(jù)、土壤墑情數(shù)據(jù)和作物生長數(shù)據(jù)；

42、所述數(shù)據(jù)傳輸單元用于通過lorawan進行遠程數(shù)據(jù)傳輸。

43、具體為：

44、對采集到的無人機作業(yè)數(shù)據(jù)、農(nóng)場環(huán)境數(shù)據(jù)和作物隨時間的生長曲線進行數(shù)據(jù)備份；

45、所述作物隨時間的生長曲線支持回放。

46、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明能夠系統(tǒng)地整合無人機作業(yè)數(shù)據(jù)與農(nóng)場環(huán)境數(shù)據(jù)，構(gòu)建動態(tài)、空間化的數(shù)字孿生模型，實現(xiàn)農(nóng)場作業(yè)的全流程、可視化、智能化監(jiān)管。通過將無人機作業(yè)軌跡、作業(yè)質(zhì)量參數(shù)與土壤墑情、作物生長等數(shù)據(jù)進行時空對齊與三維疊加，不僅提升了作業(yè)過程的直觀展示能力，還能夠?qū)崟r動態(tài)反映農(nóng)場狀態(tài)，彌補傳統(tǒng)二維圖表展示的局限性。此外，本發(fā)明建立了作業(yè)行為與作物生長結(jié)果之間的定量關(guān)聯(lián)模型，并引入鄰域耦合機制，有效分析作業(yè)參數(shù)對作物生長質(zhì)量的影響，實現(xiàn)對作業(yè)效果的量化評估。同時本發(fā)明還具備作物數(shù)據(jù)變化的差異分析能力，支持對異常作業(yè)區(qū)域的識別，從而顯著提升監(jiān)管效率。本發(fā)明有效提升了無人農(nóng)場作業(yè)的數(shù)據(jù)智能化監(jiān)管水平。