本发明涉及无人机，特别涉及一种无人机施药方法。
背景技术：
1、薇甘菊(mikania micrantha)是菊科假泽兰属植物，为多年生草质或稍木质藤本，具蔓生茎，攀缘并缠绕幼树、作物或其他植物，使其死亡。薇甘菊原产于南美洲和中美洲，现已广泛传播到亚洲热带地区，成为当今世界热带、亚热带区域危害最严重的杂草之一。
2、为有效防控薇甘菊的蔓延和扩散，需先勘察目标区域内薇甘菊的分布情再行施药，现有技术中往往以人工勘察、人工施药的方式防治薇甘菊，但由于使用人工勘察时效性差、对薇甘菊识别经验要求高、劳动力成本以及时间成本都较高，且很多薇甘菊生长在山林峭壁、荒滩农田、水库河道等人力难以到达的位置，以人工很难全面、快速、准确的勘察并及时施药，难以遏制薇甘菊的蔓延。
技术实现思路
1、基于此，有必要提供一种能够高效、精准的识别薇甘菊的存在情况以及具体分布区域，并自主对薇甘菊作出对应处理的施药方法。
2、本发明的技术方案如下：
3、一种防治薇甘菊的无人机施药方法，该方法为：
4、s1：选定目标区域，获取目标区域的光谱图像和rgb图像，对齐融合该光谱图像和rgb图像，使用光谱图像和/或该融合图像训练分割模型直至获得能够自主识别目标区域内薇甘菊的存在情况以及分布情况的识别模型，并将所述识别模型部署到无人机侧；在对具体的待施药区域进行处理前，需要通过s1步骤完成建模并采集足够多的数据以训练模型。由于薇甘菊本身为多年生草本植物或灌木状攀缘藤本植物，叶薄，淡绿色，卵心形或戟形，渐尖，茎生叶大多箭形或戟形，具深凹刻，近全缘至粗波状齿；圆锥花序顶生或侧生，复花序聚伞状分枝；头状花序小，花冠白色，喉部钟状，具长小齿，弯曲；其植株形态与分布形态能作为其区别于其他植株的重要依据，因此可以通过划定目标区域并采集目标区域的光谱图像和rgb图像，通过光谱图像中反射率、吸收率等等信息、rgb图像中颜色、形状等等信息共同训练模型通过图像信息识别出薇甘菊，将其与周围的其他植物分割开来，在不同的地形、天气条件、花期条件、地表植被情况下准确、清楚地识别到目标区域内是否存在薇甘菊以及薇甘菊的具体分布情况。
5、s2：确定待施药区域范围，获取并分析待施药区域的光谱图像和rgb图像，分析待施药区域内薇甘菊的存在情况以及分布情况，生成对应的施药方案；经s1训练成熟的识别模型能够自主分析输入的待施药区域的光谱图像和rgb图像，得出待施药区域内是否存在薇甘菊以及薇甘菊分布情况的分析结果。
6、s3：使用无人机搭载薇甘菊施药设备以及药剂，根据施药方案对待施药区域内的薇甘菊自主施药。根据s2的分析结果，待施药区域被薇甘菊的分布位置被精确定位，结合现有技术中成熟的薇甘菊施药药剂选择、施药量管理方案等，使用无人机搭载实现配置好的药剂，按照s2中得出待施药区域内是否存在薇甘菊以及薇甘菊分布情况的分析结果自主定点施药，针对性地精准杀灭薇甘菊。
7、可选地，所述s1包括以下子步骤：
8、s11：选定目标区域，使用无人机搭载光谱相机，采集目标区域的高光图像；
9、s12：从目标区域的高光谱图像中提取薇甘菊的光谱特征，训练分类器对光谱特征进行分类，以实现对薇甘菊分布区域的初步划分；
10、s13：使用无人机搭载rgb相机，采集目标区域的rgb图像；
11、s14：建立实时实例分割预模型，将高光谱图像与rgb图像对齐，并在通道上拼接融合，使用融合图像训练实时实例分割预模型，以初步区分目标区域内有薇甘菊存在的区域以及没有薇甘菊存在的区域。
12、可选地，所述s12中使用支持向量机作为分类器。
13、可选地，所述s1还包括以下子步骤：
14、s15：选取处于不同花期下、具有不同分布情况的不同区域作为新的目标区域；可对应选择非盛花期、盛花期、枯花期等多个花期，选择山林峭壁、荒滩农田、水库河道等不同地面情况，选择晴天、雨天、雾天、阴天等多种天气情况，选择存在大范围薇甘菊分布、存在中等规模薇甘菊分布、存在小范围薇甘菊分布、不存在薇甘菊分布等等多种分布情况的不同区域多次采样，采集巨量的图像数据以输入模型中，训练模型能够充分学习到薇甘菊自身的植株特征、薇甘菊的分布特征、薇甘菊的成像特征等，以尽可能提升模型的识别准确度。
15、s16：重复s11-s14，直至训练得到能够自主识别目标区域内薇甘菊的存在情况以及分布情况的识别模型；
16、s17：将识别模型部署在无人机侧。
17、可选地，所述识别模型为轻量级实时实例分割模型bisenet。bisenet计算量小、性能表现好、能兼顾运行速度和网络性能，应用于融合图像的实时实例分割中能获得良好的分割结果。
18、可选地，所述s2包括以下子步骤：
19、s21：确定待施药区域范围，划定待施药区域的边界；
20、s22：根据待施药区域的范围和光谱相机的取景范围规划第一航线，以保证光谱相机的总拍摄范围覆盖整个待施药区域；根据待施药区域内障碍物的高度以及光谱相机的取景范围规划第一高度，以保证越过目标区域内的所有障碍物；
21、s23：使用部署了识别模型的无人机搭载光谱相机，按照第一高度要求沿第一航线飞行，飞行期间，光谱相机拍摄并获取到待施药区域的高光谱图像；
22、s24：使用无人机上部署的识别模型对待施药区域的高光谱图像作出图像预处理以及特征提取，使用识别模型中的分类器对提取出来特征进行初步分割，记录薇甘菊可能分布区域的坐标点；
23、s25：根据薇甘菊可能分布区域的坐标点规划第二航线，并根据薇甘菊可能分布区域的坐标点以及第一高度规划第二高度，以保证rgb相机拍摄到清晰、准确的rgb图像；
24、s26：使用部署了识别模型的无人机搭载rgb相机，按照第二高度要求沿第二航线飞行，飞行期间，rgb相机拍摄待施药区域的rgb图像；
25、s27：对齐融合待施药区域的高光谱图像和rgb图像，使用无人机上部署的识别模型分析该融合图像，得到待施药区域内薇甘菊的存在情况以及分布情况的分析结果；
26、s28：根据待施药区域内的薇甘菊存在情况和分布情况规划施药路线以及施药计量。
27、可选地，所述第二航线不超出第一航线的航迹范围，所述第二高度不高于所述第一高度。无人机沿第一航线飞行时采集了待施药区域的高光谱图像，识别模型对该高光谱图像初步分割，初步分析出该待施药区域中薇甘菊大致的分布情况，因此在无人机第二次飞行时，仅需规划第二航线不超出第一航线的航迹范围、且第二高度不高于所述第一高度，控制无人机在待施药区域中薇甘菊的大致分布范围上空飞行，更贴近该区域内的薇甘菊，使用rgb相机精准拍摄薇甘菊的大致分布范围中具体的薇甘菊，获得相较于高光谱图像而言更清晰的薇甘菊rgb图像。
28、可选地，所述s27具体包括以下子步骤：
29、s271：保持待施药区域的高光谱图像和rgb图像根据被拍摄对象位置、拍摄角度、拍摄比例上一致；
30、s272：将待施药区域的高光谱图像和rgb图像像素级对齐，将两种图像在通道上进行融合拼接；
31、s273：使用识别模型对融合图像进行分割，获取精确的薇甘菊分布区域的坐标。
32、可选地，所述s273中使用识别模型对融合图像进行分割后，识别模型得出融合图像中包含了薇甘菊的像素点在融合图像中的位置坐标。
33、可选地，所述s273中使用识别模型对融合图像进行分割后，融合图像中包含了薇甘菊的像素点在融合图像中的位置坐标对应待施药区域内现实的薇甘菊分布面积为：
34、
35、s＝gsd2×s0
36、其中，h为无人机飞行的第二高度，f为rgb相机的镜头焦距，a为rgb图像的像元尺寸，gsd为单个像素点对应现实的实际距离，gsd(ground sampling distance,gsd)即实际采样间隔，表示rgb图像中单个像元对应的地面尺寸，具体用于描述两个连续像素的中心点之间的距离；s0为薇甘菊分布区域像素个数，s为薇甘菊分布区域的面积。
37、本发明技术方案的有益效果为：首先，本发明中提供的技术方案利用无人机实施，可以解决人工巡查时劳动强度大、工作条件艰苦、效率低下、范围受限等问题，降低了劳动力成本的同时，提升了工作效率；同时，本发明中融合高光谱图像和rgb图像对薇甘菊的分布区域和生长状况进行识别，不同模态的数据提供的信息相辅相成，提高了对薇甘菊的识别精度；其次，将训练得到的识别模型部署与无人机侧，无人机可以实时处理光谱图像和rgb图像，无人机从区域搜索、识别发现、定点施药实现了一体化的作业流程；最后，通过识别模型识别出薇甘菊后定制对应的施药方案定点施药的方法不仅大大减少了药物使用量，还能有效避免大规模无差别施药误伤其他种类的植株，降低对环境的潜在影响，从而为生态保护和农业生产提供强有力的支持。
1.一种防治薇甘菊的无人机施药方法，其特征在于，所述方法为：
2.如权利要求1所述的防治薇甘菊的无人机施药方法，其特征在于，所述s1包括以下子步骤：
3.如权利要求1所述的防治薇甘菊的无人机施药方法，其特征在于，所述s12中使用支持向量机作为分类器。
4.如权利要求3所述的防治薇甘菊的无人机施药方法，其特征在于，所述s1还包括以下子步骤：
5.如权利要求4所述的防治薇甘菊的无人机施药方法，其特征在于，所述识别模型为轻量级实时实例分割模型bisenet。
6.如权利要求5所述的防治薇甘菊的无人机施药方法，其特征在于，所述s2包括以下子步骤：
7.如权利要求6所述的防治薇甘菊的无人机施药方法，其特征在于，所述第二航线不超出第一航线的航迹范围，所述第二高度不高于所述第一高度。
8.如权利要求7所述的防治薇甘菊的无人机施药方法，其特征在于，所述s27具体包括以下子步骤：
9.如权利要求8所述的防治薇甘菊的无人机施药方法，其特征在于，所述s273中使用识别模型对融合图像进行分割后，识别模型得出融合图像中包含了薇甘菊的像素点在融合图像中的位置坐标。
10.如权利要求9所述的防治薇甘菊的无人机施药方法，其特征在于，所述s273中使用识别模型对融合图像进行分割后，基于rgb图像，融合图像中包含了薇甘菊的像素点在融合图像中的位置坐标对应待施药区域内现实的薇甘菊分布面积为：
