趙 靜，龍 騰，蘭玉彬，龍擁兵，李繼宇

多旋翼無人機近地遙感光譜成像裝置研制

趙 靜1，龍 騰1，蘭玉彬1，龍擁兵1，李繼宇2※

（1. 華南農(nóng)業(yè)大學(xué)電子工程學(xué)院，廣州 510642； 2. 華南農(nóng)業(yè)大學(xué)工程學(xué)院，廣州 510642）

為了滿足多旋翼植保無人機懸停、定速飛行2種作業(yè)模式下近地遙感的需求，該文設(shè)計了一套液晶光譜成像裝置。首先，通過硬件、軟件開發(fā)，實現(xiàn)了裝置采集模塊、控制模塊和通信模塊3部分的協(xié)同工作。其中，采集模塊由16位CCD灰度相機、消色差鏡頭、液晶可調(diào)濾光器以及UV鏡組成，控制模塊由微電腦處理器和USB連接器組成，通信模塊由數(shù)傳、北斗定位系統(tǒng)和地面工作站組成。由5V3A電源供電。開發(fā)相應(yīng)軟件實現(xiàn)各硬件模塊之間的協(xié)同控制，以及數(shù)據(jù)處理的功能。數(shù)據(jù)處理功能既可用于拍攝前裝置的參數(shù)調(diào)節(jié)，又可單獨用于光譜圖像分析?；诒狙b置的數(shù)據(jù)采集方法，實現(xiàn)了光譜圖像采集與旋翼無人機2種飛行模式的匹配。通過室內(nèi)模擬飛行試驗和田間試驗，對裝置性能進行測試。結(jié)果顯示裝置可獲得清晰的光譜圖像，光譜范圍400～720 nm，光譜間隔最高可達到2 nm，空間分辨率1 392×1 040，且光譜連續(xù)平滑、特征穩(wěn)定可靠。本裝置基于面陣分光原理，采用密接耦合光路設(shè)計、核心器件同步觸發(fā)技術(shù)，結(jié)構(gòu)緊湊、抗震性好、穩(wěn)定度高，適合植保作業(yè)，有望應(yīng)用于精準(zhǔn)農(nóng)藥噴施、作物處方圖生成等多個領(lǐng)域。

無人機；遙感；高光譜技術(shù)；液晶光譜成像裝置

0 引 言

無人機以其體積小，重量輕，成本低，飛行操控靈活的特點，近年來被廣泛應(yīng)用于災(zāi)害檢測、監(jiān)控巡查、農(nóng)業(yè)植保等領(lǐng)域。無人機根據(jù)機型結(jié)構(gòu)可分為固定翼和旋翼2種。旋翼無人機具有機動性強、可垂直起降、能夠在空中懸停、大幅度轉(zhuǎn)彎的特點，且在設(shè)計制造難度和負(fù)載能力上具有優(yōu)勢，因此在中國廣大農(nóng)村植保作業(yè)中有較強的實用性[1-7]。而在植保無人機眾多應(yīng)用領(lǐng)域，包括農(nóng)藥噴灑[8-10]、信息監(jiān)測[11-16]、植物表型[17]等，遙感裝置都是不可或缺的設(shè)備，為其作業(yè)提供病害疫情、作物長勢、環(huán)境情況等基礎(chǔ)信息。如Huang等[18]提出通過無人機遙感精確定位稻田中的雜草，可使無人機噴施除草劑的用量節(jié)約58.3%到70.8%。Zhao等[19]通過遙感監(jiān)測冬小麥氮素和籽粒蛋白質(zhì)含量，可得到更優(yōu)的施肥和收割策略。Yeom等采用無人機光譜遙感技術(shù)對棉花棉鈴期進行了探測，用于棉花產(chǎn)量預(yù)估[20]。

光譜成像是無人機遙感的重要方式，以光譜分辨率高低可分為高光譜遙感、多光譜遙感等。它是保障植保無人機精準(zhǔn)作業(yè)的重要技術(shù)手段。目前國內(nèi)外主流的近地高光譜成像裝置多基于光柵分光，推掃式成像，即面陣成像探測器垂直面向待測目標(biāo)，每個瞬視場獲取一維空間內(nèi)的全波段光譜信息，通過搭載平臺水平運動，完成二維空間的掃描，從而合成光譜圖像立方體[21-28]。代表產(chǎn)品有采用透射式光柵分光的芬蘭Specim、采用反射式光柵分光的美國Headwall Nano等。這類型設(shè)備具有波段數(shù)多、光譜信息豐富等優(yōu)點，但無法滿足植保低空遙感的需求，主要表現(xiàn)在：只能工作于定速飛行狀態(tài)下，無法匹配無人機懸停工作狀態(tài)；采集波段不能任意組合，對于已明確光譜特征波段的植保對象無法靈活調(diào)節(jié)波段參數(shù)。目前國內(nèi)外主流的近地多光譜成像裝置多由4個透射式濾光片配合4個光電傳感器構(gòu)成，可得到近紅外、紅邊、紅、綠4幅寬光譜圖像，代表產(chǎn)品有法國Parrot系列。這類設(shè)備體積小、重量輕、造價低、用途廣泛[29-30]，但因其波段固定、波段數(shù)少、光譜信息不足，在植物病害[31]、營養(yǎng)脅迫[32]等植保遙感領(lǐng)域難以應(yīng)用?？傊?，上述通用型遙感設(shè)備無法滿足旋翼無人機低空植保作業(yè)的需求。

為解決上述問題，一方面，可通過尋找更優(yōu)分類算法提高檢測精度，以彌補多光譜成像光譜信息的不足[33]；另一方面，可采用新型分光器件和相應(yīng)的技術(shù)，以更好地滿足無人機植保作業(yè)需求[34]。隨著無人機低空植保遙感應(yīng)用領(lǐng)域不斷擴大、需求急劇增加，亟待更多新方法、新技術(shù)出現(xiàn)。本文針對多旋翼無人機具有懸停、定速飛行2種作業(yè)模式的特點，在多光譜面陣成像技術(shù)研究成果的基礎(chǔ)上，提出了基于液晶濾光器面陣分光的光譜成像方案，在提高光譜分辨率的同時，解決了光柵分光只能通過無人機推掃成像的問題。通過核心器件同步觸發(fā)技術(shù)，實現(xiàn)了光譜波段參數(shù)靈活選擇、自由調(diào)節(jié)，為滿足植保無人機近地遙感需求提供了一套高效可行的裝置和方法。

1 裝置設(shè)計

1.1 裝置結(jié)構(gòu)

機載光譜成像裝置由采集模塊、控制模塊和通信模塊3部分構(gòu)成，核心器件主要有分光器、探測器、鏡頭、北斗定位系統(tǒng)、微電腦控制器、數(shù)傳模塊等。分光器采用液晶可調(diào)濾光器（LCTF，PerkinElmer Varispec VIS-10-20），光電探測器采用Lumenera LM165M科研級16位CCD灰度相機，配以消色差鏡頭（Schneider Xenoplan 1.9/35）。北斗定位系統(tǒng)通過GPS模塊（MT3333芯片BD2雙模北斗雙系統(tǒng)導(dǎo)航授時模塊開發(fā)板 BD-126K）獲取位置信息，采用GPS/北斗/GLONASS 三系統(tǒng)七頻測量型天線進行差分，使得精度可達到2 cm。微電腦控制器為MOREFINE M1s，可容納30GB高光譜圖像數(shù)據(jù)，在TF卡拓展條件下可另外增加128GB儲存空間，運行系統(tǒng)為Windows 10。

裝置基本結(jié)構(gòu)如圖1所示，LCTFs前置分光，通過法蘭環(huán)與鏡頭密接，后接CCD。由5V3A的電源給微電腦控制器供電，微電腦控制器輸出穩(wěn)定的電流給USB連接器，USB連接器同時連接液晶濾光器、CCD和北斗定位系統(tǒng)以實現(xiàn)同步觸發(fā)，并實現(xiàn)與地面工作站無線通信。

圖1 裝置結(jié)構(gòu)

1.2 采集模塊

采集模塊實現(xiàn)裝置采集功能，是整套裝置的核心。為了匹配旋翼無人機懸停采集工作模式，采用了面陣分光成像方案。為了實現(xiàn)連續(xù)光譜波段圖像采集，選擇了液晶可調(diào)濾光器為核心分光器。本文選用的液晶可調(diào)濾光器工作波長范圍400～720 nm，包含了農(nóng)作物光譜信息最重要的特征區(qū)間可見波段反射峰、可見波段吸收峰、紅邊上升沿；光譜最小間隔2 nm、光譜分辨率10 nm，均可任意選擇調(diào)節(jié)，保障了植保作業(yè)的靈活性。16位CCD配以35 mm短焦成像鏡頭，使信號動態(tài)范圍達到6.5萬個等級，圖像最高空間分辨率達到1 392×1 040，工作最小距離達到30 cm，可分辨厘米級地物、獲得作物葉片級光譜，提高了作物低空遙感數(shù)據(jù)精度。采用濾光器前置光路結(jié)構(gòu)，濾光器、鏡頭、相機密接，裝置結(jié)構(gòu)緊湊，封裝后整機質(zhì)量1.25 kg，減輕了無人機載荷。圖2為圖像采集模塊設(shè)計圖。

在數(shù)據(jù)采集的過程中，需將采集模塊搭載于模擬飛行器（圖3a）或旋翼無人機（圖3b）上，裝置鏡頭保持垂直向下。地物反射光譜經(jīng)LCTF二維分光后，由CCD接收并轉(zhuǎn)換為光電圖像，保存于微電腦控制器中。在采集圖像的同時，同步提取北斗定位數(shù)據(jù)。表1為采集模塊的設(shè)計參數(shù)。

1.16位CCD 2.消色差鏡頭 3.液晶可調(diào)濾光器 4.微型電腦控制器 5.外殼

圖3 采集模塊搭載平臺

表1 采集模塊設(shè)計參數(shù)

1.3 控制與通信模塊

控制模塊實現(xiàn)設(shè)置采集模塊參數(shù)的功能，通信模塊實現(xiàn)無線傳輸控制信號以及無線傳輸北斗數(shù)據(jù)的功能。裝置與地面站的通信采用數(shù)傳無線控制方案，適用于遠(yuǎn)距離高光譜成像裝置控制，控制終端與裝置距離≥1 km。微型電腦控制器通過USB通用串行總線與數(shù)傳模塊連接，與裝置控制終端數(shù)傳通信。數(shù)傳通信用于發(fā)送拍攝參數(shù)指令。

1.4 控制軟件開發(fā)

自行開發(fā)的控制軟件實現(xiàn)采集模塊、控制模塊和通信模塊之間的協(xié)同工作，主要包括3大功能：1）實現(xiàn)LCTF、CCD和差分北斗系統(tǒng)同步觸發(fā)、協(xié)同工作；2）光譜圖像采集參數(shù)設(shè)置、數(shù)據(jù)保存；3）光譜提取，打開和處理采集的高光譜圖像、分析高光譜圖像灰度直方圖和光譜、進行標(biāo)準(zhǔn)曲線矯正功能以及實時預(yù)覽等功能。軟件以Windows 7及以上版本為工作平臺，采用C++編程環(huán)境。軟件的運行需要C++運行庫支持。編譯工具采用visual studio 2008（X86），圖形庫采用OpenCV3.0.0。

在圖像采集前，需通過程序控制的參數(shù)有：相機拍攝位深、曝光時間、增益、幀頻、白板校正模式等。液晶可調(diào)濾光器（LCTFs）起止波段范圍、循環(huán)步長、延時時長、循環(huán)模式等；高光譜圖像記錄拍攝時間、拍攝參數(shù)信息等。軟件設(shè)計流程圖如圖4所示。

圖4 軟件設(shè)計流程

軟件數(shù)據(jù)處理功能既可用于正式拍攝前的參數(shù)調(diào)節(jié)，又可單獨用于光譜圖像分析。用于參數(shù)調(diào)節(jié)時，首先，通過濾波器以及CCD的設(shè)置來確定拍攝參數(shù)，再確定單張拍攝還是掃描拍攝，之后進入圖像質(zhì)量評價即光譜分析，來判斷圖像拍攝參數(shù)設(shè)置是否合適，主要通過用點和矩形區(qū)域選擇工具來觀察光譜，并通過灰度直方圖來分析圖像質(zhì)量。若合格則進入下一階段，否則重新設(shè)置濾波器以及CCD參數(shù)。最后開始拍攝并觸發(fā)北斗系統(tǒng)得到圖像以及北斗數(shù)據(jù)，流程結(jié)束。用于光譜圖像分析時，直接打開一組光譜圖片，可獲得灰度直方圖；選取ROI區(qū)域，可提取其光譜，并進行圖像質(zhì)量分析。

2 光譜圖像采集方法

在裝置設(shè)計開發(fā)完成后，需根據(jù)裝置的工作原理，對其采集方法進一步研究和規(guī)范。遙感光譜圖像采集包括成像裝置調(diào)平衡和參數(shù)設(shè)置。

2.1 裝置調(diào)平衡

將裝置與云臺連接之后，首先需手動調(diào)節(jié)云臺的俯仰軸，橫滾軸以及平移軸的平衡，使裝置處于一個相對水平的位置。粗調(diào)之后，用Ronin調(diào)參（1.0.0）軟件進行微調(diào)，進入軟件連接上云臺后，點擊電機→自動校準(zhǔn)，轉(zhuǎn)動遙控器使裝置鏡頭向下，此時扭動裝置會發(fā)現(xiàn)有明顯的扭力會使它恢復(fù)原狀。直到垂直狀態(tài)，完成調(diào)平。

2.2 參數(shù)設(shè)置

裝置需設(shè)定的參數(shù)有拍攝位深、曝光時間、增益、起止波段范圍、循環(huán)步長、延時時長等。其中，拍攝位深有8和16 bit兩種選擇，曝光時間從1 ms至2 000 ms可調(diào)，起止波段最大范圍為400～720 nm，在此區(qū)間內(nèi)可任意選擇范圍；循環(huán)步長最小2 nm；延時時長應(yīng)等于或大于曝光時間。具體參數(shù)值因天氣情況、對數(shù)據(jù)質(zhì)量的要求而不同，表2是部分參數(shù)的常規(guī)設(shè)置。這些參數(shù)的設(shè)定均在控制軟件中完成。

表2 裝置參數(shù)

除上述裝置參數(shù)設(shè)定外，當(dāng)在無人機定速飛行模式下工作時，還需設(shè)置裝置參數(shù)和無人機飛行參數(shù)匹配，以滿足圖像拼接需求，進而獲得大視場光譜圖像。基于本文裝置的分光原理，遙感數(shù)據(jù)采集方法如圖5所示。圖中設(shè)每個光譜立方體采集波長分別為400、500、600 nm的3張光譜圖像，共有3個光譜立方體。通過拍攝參數(shù)和飛行速度匹配，保障相鄰3個光譜立方體內(nèi)對應(yīng)光譜圖像有20%的冗余。對應(yīng)波段圖像拼接完成后，進行圖像配準(zhǔn)，得到大視場光譜立方體，完成遙感數(shù)據(jù)采集。

圖5 遙感數(shù)據(jù)采集方法

根據(jù)上述數(shù)據(jù)采集方法，光譜成像裝置、無人機參數(shù)設(shè)定需滿足如下條件：

式中為光譜分辨率；為無人機的飛行速度，m/s；為圖像所需冗余度，為了保障光譜圖像拼接質(zhì)量，冗余度一般設(shè)置在10%至40%之間，視地物特征而定；為無人機的飛行高度，m；為裝置垂直視場角（即裝置前進方向視場角），(°)。

3 裝置測試

為了測試裝置性能，項目組分別開展了室內(nèi)、室外近地遙感試驗。室內(nèi)試驗地點為廣東省廣州市華南農(nóng)業(yè)大學(xué)風(fēng)洞實驗室（113°22′E，23°06′N），試驗環(huán)境無風(fēng)場干擾、光照均勻穩(wěn)定，裝置搭載于模擬飛行器，以模擬在無人機理想飛行狀態(tài)下的光譜圖像采集情況。室外試驗地點為河南新鄉(xiāng)中國農(nóng)業(yè)科學(xué)院植物保護研究所小麥實驗基地（113°55′E，35°18′N），試驗當(dāng)天微風(fēng)、天氣晴朗，裝置搭載于四旋翼無人機。

3.1 室內(nèi)試驗

3.1.1 模擬飛行器參數(shù)

室內(nèi)滑動模擬飛行器選用110三相混合式步進電機（浙江奔騰數(shù)控電子技術(shù)有限公司），具有步距角小、力矩大、動態(tài)性能穩(wěn)定、易于啟停、控制精度高等優(yōu)點，具體參數(shù)如表3。

表3 模擬飛行器參數(shù)

3.1.2 室內(nèi)懸停采集

選擇室內(nèi)模擬飛行高度2 m，光譜間隔10 nm，光譜范圍400～720 nm，空間分辨率1 392×1 040像素。此時裝置鏡頭前后視距為36.5 cm（10°），左右視距為52 cm（14°）。圖6a為懸停采集的一個光譜立方體，共采集33幅光譜圖像。提取光譜立方體中的葉片、莖、地面的光譜，如圖6b所示。

圖6 地物光譜立方體及其光譜

從圖6a可以看出，裝置成像穩(wěn)定、清晰。從圖6b可以看出，所提取的光譜曲線光滑連續(xù)。對比圖中不同地物的3條光譜曲線，葉片光譜在550 nm附近有明顯波峰、680 nm附近有波谷，680～700 nm是紅邊上升沿，特征準(zhǔn)確穩(wěn)定，且與地面反射光譜差異顯著。說明裝置在室內(nèi)理想條件下，圖像和光譜質(zhì)量理想可靠，滿足低空遙感需求。

采用Brenner梯度函數(shù)對采集光譜圖像清晰度進行評估。該函數(shù)定義如下：

其中(,)表示圖像對應(yīng)像素點(,)的灰度值，()為圖像清晰度計算結(jié)果，數(shù)值越大清晰度越高。

圖7第1列圖像為從懸停采集的一個光譜立方體中隨機選出的3張光譜圖像，從7a到7c分別對應(yīng)波長450、550、650 nm。第2列為同一視場、相同波段下重新微調(diào)鏡頭焦距，從而由于定焦問題產(chǎn)生的毫米級離焦光譜圖像。第3列為同一視場、相同波段下取消模擬飛行器上避震器，導(dǎo)致裝置微小震動增大，從而得到的運動模糊光譜圖像。通過比較3種情況下的計算結(jié)果可看出各圖像的清晰程度，表4為計算結(jié)果。

注：OI為原始圖像；OFI為離焦圖像；GBI為運動模糊圖像。

表4 圖像清晰度計算結(jié)果

Brenner函數(shù)計算結(jié)果顯示，各波段原圖清晰度均為毫米級離焦圖像的10倍左右，為高斯模糊圖像的15倍左右，說明原圖成像質(zhì)量高。室內(nèi)懸停采集試驗結(jié)果表明，裝置可以在無人機懸停模式下進行光譜圖像采集，性能穩(wěn)定、圖像清晰度高。

3.1.3 室內(nèi)定速采集

根據(jù)式（1）和（2），設(shè)置裝置參數(shù)與飛行參數(shù)?？刂蒲b置拍攝幀頻為1.34幀/s，曝光時間11.77 ms，波長間隔為30 nm，采用循環(huán)拍攝模式。飛行參數(shù)為飛行速度5.5 cm/s，飛行高度2 m。相鄰2個光譜立方體相同波段圖像之間有20%左右的冗余。圖8a為拍攝相鄰4個光譜立方體中波長為550 nm的4幅光譜圖像?；趕urf特征點算法對圖8a中的4幅光譜圖進行拼接，效果如圖8b所示。

圖8 波長為550 nm的光譜圖像拼接

從圖8a可以看出，裝置在定速運動情況下，可以獲得高質(zhì)量的光譜圖像，成像穩(wěn)定清晰。從圖8b可以看出，定速采集的圖像通過特征點算法可以實現(xiàn)較好的拼接。

采用峰值信噪比PSNR（dB）定量評價拼接后圖像質(zhì)量，PSNR定義如下：

式中和分別為原始圖像橫縱方向的總像素量，(,)代表原始圖像第行第列的像素值，MAX為圖像最高灰度級，MSE為均方差。PSNR越大，圖像失真越小，通常要求拼接圖像質(zhì)量≥20 dB。

分別將4幅原圖和拼接后相同區(qū)域圖像作比較，得到PSNR值，分別為24.23，22.84，23.27，23.55 dB。從結(jié)果可以看出，拼接后圖像的PSNR值均大于22 dB，拼接圖像質(zhì)量較為理想，表明裝置在無人機定速飛行模式下工作性能穩(wěn)定。

綜合室內(nèi)模擬試驗，在理想飛行條件下，裝置實現(xiàn)了與旋翼無人機2種飛行模式的匹配，更好地滿足了旋翼無人機近地遙感的需求。

3.2 室外試驗

3.2.1 飛行平臺參數(shù)

室外試驗飛行器采用華南農(nóng)業(yè)大學(xué)自組裝的四旋翼植保無人機，主控制器使用STM32F427芯片，故障安全協(xié)處理器使用STM32F100芯片，飛行控制器采用pixhawk2，參數(shù)見表5。

表5 自組裝無人機參數(shù)

3.2.2 試驗結(jié)果與分析

根據(jù)作物長勢和常規(guī)植保作業(yè)經(jīng)驗，確定試飛高度5 m，光譜間隔10 nm，圖像空間分辨率1 392×1 040像素。圖9a為搭載裝置試飛；圖9b為隨機抽取的一幅550 nm的光譜圖像。圖9c是獲得的小麥區(qū)域反射光譜，該反射光譜能夠準(zhǔn)確反映小麥在550 nm附近、680～700 nm處的光譜特征。

為了驗證小麥區(qū)域反射光譜的準(zhǔn)確性，采用光纖光譜儀（美國，海洋光學(xué)，F(xiàn)LAME-S-VIS-NIR-ES）隨機采集視場區(qū)域內(nèi)小麥光譜數(shù)據(jù)20組，平均并歸一化后，與本裝置采集的光譜數(shù)據(jù)歸一化值作比較，兩者的Pearson相關(guān)系數(shù)為0.98，表明本文裝置得到的結(jié)果與商用光譜儀采集的光譜基本一致，說明本文裝置采集到的光譜數(shù)據(jù)可靠準(zhǔn)確。圖9d為本文裝置采集光譜數(shù)據(jù)的歸一化值和海洋光譜儀采集的20條光譜曲線歸一化值。

從試驗結(jié)果可以看出，裝置在田間采集的光譜圖像成像質(zhì)量高、光譜穩(wěn)定可靠，說明在天氣狀況良好的情況下，裝置搭載于旋翼無人機，適于開展田間近地遙感，可得到理想的結(jié)果。

4 結(jié) 論

為了使光譜成像裝置與植保無人機作業(yè)需求更加匹配，本文基于多旋翼無人機懸停、定速飛行2種作業(yè)模式特點和遙感需求，設(shè)計開發(fā)了一套液晶光譜成像裝置。

1）本裝置基于面陣分光原理，以液晶可調(diào)濾光器為核心分光器，相對于常規(guī)面陣分光設(shè)備僅能提供4～6個波段的多光譜圖像具有更高光譜分辨間隔，在400～720 nm的光譜范圍內(nèi)，光譜間隔最高可達到2 nm。

2）通過硬件、軟件開發(fā)，實現(xiàn)了裝置采集模塊、控制模塊和通信模塊3部分的協(xié)同工作。在此基礎(chǔ)上，建立了裝置的數(shù)據(jù)采集方法，保障了光譜圖像的可拼接性，實現(xiàn)了裝置與無人機懸停和定速飛行2種作業(yè)模式的匹配，解決了光柵分光設(shè)備無法實現(xiàn)懸停拍攝的問題。

3）裝置采用密接耦合光路設(shè)計、核心器件同步觸發(fā)技術(shù)，整套裝置結(jié)構(gòu)緊湊、抗震性好、穩(wěn)定度高，更適合植保作業(yè)。

4）本文進一步開展了裝置性能測試試驗。通過室內(nèi)模擬實驗，對懸停采集成像質(zhì)量、定速飛行拼接圖像質(zhì)量進行評價；通過室外試驗，對采集光譜的特征性進行對比分析。結(jié)果顯示裝置在懸停采集和定速飛行采集工作模式下，均可獲得清晰、穩(wěn)定的光譜圖像，且光譜平滑連續(xù)、特征穩(wěn)定可靠。

綜上，本文設(shè)計開發(fā)的液晶光譜成像裝置在無人機植保作業(yè)中具有明顯的優(yōu)勢，集2種作業(yè)模式于一體，在作業(yè)模式選擇、光譜工作波段選擇上都具有更高的靈活性。本文為旋翼無人機低空遙感提供了一套新方法，有望應(yīng)用于精準(zhǔn)噴施、作物處方圖生成等多個領(lǐng)域。

[1] 姬江濤，扈菲菲，賀智濤，等.四旋翼無人機在農(nóng)田信息獲取中的應(yīng)用[J].農(nóng)機化研究，2013，35(2)：1－4.

Ji Jiangtao, Hu Feifei, He Zhitao, et al. The application of quad-rotor UAV in farmland information acquisition[J]. Agricultural Mechanization Research, 2013, 35(2): 1－4. (in Chinese with English abstract)

[2] 蔡銀杰，孫娟，丁曉輝，等. 我國植保無人機發(fā)展現(xiàn)狀與展望[J]. 世界農(nóng)藥，2018，40(6)：15－18，36.

Cai Yingjie, Sun Juan, Ding Xiaohui, et al. Development status and prospect of plant protection unmanned aerial vehicle in China [J]. World Pesticides, 2018, 40(6): 15－18, 36. (in Chinese with English abstract)

[3] 葉海絲，黃育棟. 論植保無人機在現(xiàn)代農(nóng)業(yè)發(fā)展中的應(yīng)用[J].農(nóng)機化研究，2019，50(10)：34.

[4] 張鋒. 植保無人機在農(nóng)田病蟲害防治中的應(yīng)用研究[J]. 農(nóng)業(yè)與技術(shù)，2019，39(8)：33－34.

[5] 楊亞飛，金濯，祝戴樂，等. 農(nóng)用植保無人機發(fā)展研究現(xiàn)狀[J]. 南方論壇，2019，50(9)：22，36.

[6] 耿天華. 論農(nóng)用植保無人機的應(yīng)用推廣[J]. 湖北農(nóng)機化，2019(5)：5.

[7] 王軍，吳修文，吳乃剛，等. 農(nóng)業(yè)植保無人機的發(fā)展現(xiàn)狀與問題思考[J]. 農(nóng)業(yè)開發(fā)與裝備，2019(2)：84－85.

[8] 張海艷，蘭玉彬，文晟，等. 植保無人機水稻田間農(nóng)藥噴施的作業(yè)效果[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報，2019，40(1)：116－124.

Zhang Haiyan, Lan Yubin, Wen Cheng, et al. Operational effects of unmanned helicopters for pesticide spraying in rice field [J]. Journal of South China Agricultural University, 2019, 40(1): 116－124. (in Chinese with English abstract)

[9] 李繼宇，蘭玉彬，施葉茵. 旋翼無人機氣流特征及大田施藥作業(yè)研究進展[J]. 農(nóng)業(yè)工程學(xué)報，2018，34(12)：104－118.

Li Jiyu, Lan Yubin, Shi Yeyin. Research progress on airflow characteristics and field pesticide application system of rotary-wing UAV[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(12): 104－118. (in Chinese with English abstract)

[10] 許真珠，黃鶯. 基于無人機技術(shù)的水稻精準(zhǔn)噴藥系統(tǒng)研究[J]. 農(nóng)機化研究，2019，41(2)：238－241，247.

Xu Zhenzhu, Huang Ying. Study on precision spraying system of rice based on unmanned aerial vehicle technology[J]. Agricultural Mechanization Research, 2019, 41(2): 238－241, 247. (in Chinese with English abstract)

[11] 劉雪峰，呂強，何紹蘭，等. 柑橘植株冠層氮素和光合色素含量近地遙感估測[J]. 遙感學(xué)報，2015，19(6)：1007－1018.

Liu Xuefeng, Lü Qiang, He Shaolan, et al. Estimation of nitrogen and pigments content in citrus canopy by low-altitude remote sensing [J]. Journal of Remote Sensing, 2015, 19(6): 1007－1018. (in Chinese with English abstract)

[12] 韓玉杰，丁寧，馮海寬，等. 基于隨機森林算法的冬小麥葉片氮含量遙感估算研究[J]. 現(xiàn)代農(nóng)業(yè)科技，2019(13)：1－3, 5.

Han Yujie, Ding Ning, Feng Haikuan, et al. Remote sensing estimation of nitrogen content in winter wheat leaves based on random forest algorithm[J]. Modern Agricultural Science and Technology, 2019(13): 1－3, 5. (in Chinese with English abstract)

[13] 郭玉斌. 基于遙感技術(shù)的礦山塌陷地質(zhì)災(zāi)害調(diào)查的應(yīng)用研究[J]. 地質(zhì)災(zāi)害，2019(10)：141－143.

Guo Yubin. Application of remote sensing technology in survey of mine subsidence geological disasters[J]. Geologic hazard, 2019(10): 141－143. (in Chinese with English abstract)

[14] 郭偉，朱耀輝，王慧芳，等. 基于無人機高光譜影像的冬小麥全蝕病監(jiān)測模型研究[J]. 農(nóng)業(yè)機械學(xué)報，2019：162－169.

Guo Wei, Zhu Yaohui, Wang Huifang, et al. Monitoring model of winter wheat take-all based on UAV hyperspectral imaging[J]. Transactions of The Chinese Society for Agricultural Machinery, 2019: 162－169. (in Chinese with English abstract)

[15] Sankey T, Donager J, Mcvay J, et al. UAV lidar and hyperspectral fusion for forest monitoring in the southwestern USA[J]. Remote Sensing of Environment, 2017, 195: 30－43.

[16] Rango A, Laliberte A, Herrick J E, et al. Unmanned aerial vehicle-based remote sensing for rangeland assessment, monitoring, and management[J]. Journal of Applied Remote Sensing, 2009, 3(1): 1－15.

[17] 劉建剛，趙春江，楊貴軍，等. 無人機遙感解析田間作物表型信息研究進展[J]. 農(nóng)業(yè)工程學(xué)報，2016，32(24)：98－106.

Liu Jiangang, Zhao Chunjiang,Yang Guijun, et al. Review of field-based phenotyping by unmanned aerial vehicle remote sensing platform[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(24): 98－106. (in Chinese with English abstract)

[18] Huang Huasheng, Deng Jizhong, Lan Yubin, et al. Accurate weed mapping and prescription map generation based on fully convolutional networks using UAV imagery[J]. Sensors, 2018, 18(10) : 1－12.

[19] Zhao Haitao, Song Xiaoyu, Yang Guijun, et al. Monitoring of nitrogen and grain protein content in winter wheat based on sentinel-2A data[J]. Remote Sensing, 2019, 11(14) : 1－25.

[20] Yeom J, Jung J, Chang A, et al. Automated open cotton boll detection for yield estimation using unmanned aircraft vehicle (UAV) data[J]. Remote Sensing, 2018, 10(12) : 1－20.

[21] 劉帆，王傳寬，王興昌. 近地遙感在森林冠層物候動態(tài)監(jiān)測中的應(yīng)用[J]. 應(yīng)用生態(tài)學(xué)報，2018，29(6)：1768－1778.

Liu Fan, Wang Chuankuan, Wang Xingchang. Application of near-surface remote sensing in monitoring the dynamics of forest canopy phenology[J]. Chinese Journal of Applied Ecology, 2018, 29(6): 1768－1778. (in Chinese with English abstract)

[22] 涂兵，張曉飛，張國云，等. 遞歸濾波與KNN的高光譜遙感圖像分類方法[J]. 國土資源遙感，2019，31(1)：22－32.

Tu Bing, Zhang Xiaofei, Zhang Guoyun, et al. Hyperspectral image classification via recursive filtering and KNN[J]. Remote Sensing for Land & Resources, 2019, 31(1): 22－32. (in Chinese with English abstract)

[23] 張冬英，洪津，湯偉平，等. 基于LCTF調(diào)諧的高光譜成像系統(tǒng)設(shè)計[J]. 光譜學(xué)與光譜分析，2008(10)：2455－2458.

Zhang Dongying, Hong Jin, Tang Weiping, et al. Design of hyperspectral imaging system based on LCTF [J]. Spectroscopy and Spectral Analysis, 2008, 28(10): 2455－2458. (in Chinese with English abstract)

[24] 陳生奇，張文君，侯綠，等. 基于LCTF的新型多光譜成像光學(xué)系統(tǒng)設(shè)計[J]. 光學(xué)與光電技術(shù)，2016，14(2)：82－85.

Chen Shengqi, Zhang Wenjun, Hou Lu, et al. Optical system design of multi-spectral imaging system based on liquid crystal tunable filter[J]. Optics & Optoelectronic Technology, 2016, 14(2): 82－85. (in Chinese with English abstract)

[25] 沈志學(xué). 基于液晶的光譜成像技術(shù)及其應(yīng)用研究[D]. 北京：中國工程物理研究院，2012.

Shen Zhixue. Research on LC-based spectral imaging technology and its applications[D]. Beijing: China Academy of Engineering Physics, 2012. (in Chinese with English abstract)

[26] 黎偉強，倪志平. 高光譜遙感圖像波段選擇方法研究[J]. 激光雜志，2019，40(6)：55－58.

Li Weiqiang, Ni Zhiping. Study on band selection of hyperspectral remote sensing images[J]. Laser Journal, 2019, 40(6): 55－58. (in Chinese with English abstract)

[27] 高軍，荊益國. 基于全卷積神經(jīng)網(wǎng)絡(luò)的衛(wèi)星遙感圖像云檢測方法[J]. 紅外技術(shù)，2019，41(7)：1－9.

Gao Jun, Jing Yiguo. A fully convoluted neural network-based cloud detection method for satellite remote sensing images[J]. Infrared Technology, 2019, 41(7): 1－9. (in Chinese with English abstract)

[28] 趙曉陽，張建，張東彥，等. 低空遙感平臺下可見光與多光譜傳感器在水稻紋枯病病害評估中的效果對比研究[J]. 光譜學(xué)與光譜分析，2019，39(4)：1192－1198.

Zhao Xiaoyang, Zhang Jian, Zhang Dongyan, et al. Comparison between the effects of visible light and multispectral sensor based on low-altitude remote sensing platform in the evaluation of rice sheath blight[J]. Spectroscopy and Spectral Analysis, 2019, 39(4): 1192－1198. (in Chinese with English abstract)

[29] 孫剛，黃文江，陳鵬飛，等. 輕小型無人機多光譜遙感技術(shù)應(yīng)用進展[J]. 農(nóng)業(yè)機械學(xué)報，2018，49(3)：1－17.

Sun Gang, Huang Wenjiang, Chen Pengfei, et al. Advances in UAV-based multispectral remote sensing applications [J]. Transactions of The Chinese Society for Agricultural Machinery, 2018, 49(3): 1－17. (in Chinese with English abstract)

[30] 劉翔，張曉杰，鄭翰清，等. 復(fù)雜背景中紅外多光譜目標(biāo)檢測算法研究[J]. 上海航天，2016，33(4)：56－62.

Liu Xiang, Zhang Xiaojie, Zheng Hanqing, et al. Infrared dim and small targets detection for multispectral imagery[J]. Aerospace Shanghai, 2016, 33(4): 56－62. (in Chinese with English abstract)

[31] 盧勁竹. 基于光譜成像技術(shù)的植物葉部病害檢測研究[D]. 杭州：浙江大學(xué)，2016.

Lu Jinzhu. Plant leaves diseases detection using spectral imaging technology[D]. Hangzhou: Zhejiang University, 2016. (in Chinese with English abstract)

[32] 黃耀歡，李中華，朱海濤. 作物脅迫無人機遙感監(jiān)測研究評述[J]. 地球信息科學(xué)學(xué)報，2019，21(4)：512－523.

Huang Yaohuan, Li Zhonghua, Zhu Haitao. The use of UAV remote sensing technology to identify crop stress: A review[J]. Journal of Geo-information Science, 2019, 21(4): 512－523. (in Chinese with English abstract)

[33] Thomas K A, Alexandra T A, Eirini P X. Novelty detection classifiers in weed mapping: silybum marianum detection on UAV multispectral images[J]. Sensors, 2017, 17(9): 1－12.

[34] 王義坤，韓貴丞，姚波，等. 面陣擺掃型無人機載大視場高光譜成像技術(shù)研究[J]. 激光與紅外，2019，49(7)：876－880.

Wang Yikun, Han Guicheng, Yao Bo, et al. The research on wide-field hyperspectral imaging technology with UAV [J]. Laser & Infrared, 2019, 49(7): 876－880. (in Chinese with English abstract)

Development of near-earth remote sensing spectral imaging device based on multi-rotor UAV

Zhao Jing1, Long Teng1, Lan Yubin1, Long Yongbing1, Li Jiyu2※

(1.,,510642,; 2.,,510642,)

There are two kinds of operation mode of plant protect multi-rotor UAV, hover and fixed-speed flight, so corresponding working modes of spectral remote are needed. However, general-purpose remote sensing equipment couldn’t satisfy the needs. A set of liquid crystal spectral imaging device was designed to meet the requirements of low-altitude spectral remote of multi-rotor UAV based on the principle of two-dimensional optical splitting. Firstly, the hardware and the software of the device were developed to realize the synchronization of three modules: the acquisition module, the control module and the communication module. The acquisition module consists of a16-bit CCD grayscale camera, a color aberration lens, a liquid crystal tunable filters (LCTFs), and a UV filter. The control module consists of a microcomputer controller and a USB connector. The communication module consists of a data transmission device, BEIDOU positioning systems, and the ground workstations. The software was developed to control hardware for working synchronously and analyze data. The functions of software were not only for parameter adjustment before formal capturing, but also for spectral images analysis alone and achieving spectral abstraction. Secondly, the data acquisition method based on the principle of device was studied. The relationship between the flight speed, altitude and capturing parameters of the device was established, which guaranteed the quality of spectral images, the possibility of image mosaics, spectral continuity and stability of the captured spectral images. Thirdly, indoor and outdoor experiments were carried out to test the device performance and data acquisition method. The indoor experiment was performed in the wind tunnel laboratory of South China Agricultural University by a stepper motor equipped. Compared with the millimeter-defocus blur spectral images, and the micro motion blur spectral images, the original images taken indoors were 10 and 15 times clearer respectively. Furthermore, image mosaics could be achieved based on feature point algorithm. The outdoor experiment was carried out in Xinxiang, Henan Province, China, with a Quadrotor UAV equipped. The results showed that the original images taken outdoors had high-quality, and the spatial resolution was up to 1 392×1 040 pixels. The spectra abstracted from original images were stable and reliable. The spectral range was 400-720 nm, and the spectral step was up to 2 nm. Both the comprehensive indoor simulation tests and the outdoor tests showed that the liquid crystal spectral imaging device developed in the paper could obtain qualified spectral images, and showed that the device could match two operating modes of multi-rotor UAV, hover and fixed speed motion. Based on the design of direct coupling optical path, the whole set of device is compact structure, vibrate resistance, high reliability and stability, and suitable for plant protection working. The new method and the device were provided for low-altitude remote sensing of multi-rotor UAV in the paper, which is expected to be applied to precision spraying, crop prescription map generation and other related fields.

unmanned aerial vehicle; remote sensing; hyperspectral technique; liquid crystal spectral imaging device

10.11975/j.issn.1002-6819.2020.03.010

TH74; O433

A

1002-6819(2020)-03-0078-08

趙 靜，龍 騰，蘭玉彬，龍擁兵，李繼宇. 多旋翼無人機近地遙感光譜成像裝置研制[J]. 農(nóng)業(yè)工程學(xué)報，2020，36(3)：78－85.doi：10.11975/j.issn.1002-6819.2020.03.010 http://www.tcsae.org

Zhao Jing, Long Teng, Lan Yubin, Long Yongbing, Li Jiyu. Development of near-earth remote sensing spectral imaging device based on multi-rotor UAV[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(3): 78－85. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.03.010 http://www.tcsae.org

2019-07-24

2019-12-03

國家重點研發(fā)計劃（2017YFD0701001）

趙 靜，博士，副教授，主要研究方向為光譜成像技術(shù)及其應(yīng)用。Email：zhaojsacu@163.com

李繼宇，博士，副教授，主要從事農(nóng)業(yè)航空應(yīng)用技術(shù)研究。Email：lijiyuscau@qq.com

中國農(nóng)業(yè)工程學(xué)會高級會員：李繼宇(E042100037M）