大數據在農業無人機上的應用研究

顧軍林

(淮安信息職業技術學院，江蘇 淮安 223001)

0 引言

隨著科學技術的發展，人類在生產生活和科學研究中產生的數據呈指數倍增長，促進了大數據概念的形成。大數據在21世紀開始引起人們的關注，《Nature》和《Science》雜志都用專刊對其進行了論述。美國對此率先啟動了“大數據研究與開發計劃”，旨在收集處理龐大的數據信息，提高對知識的洞察能力，從而推動科學技術的創新進程[1]。

大數據的含義有多種，維基百科將其定義為無法在一定時間內用普通軟件工具進行捕獲和管理的數據集合。大數據具有規模性、多樣性和高速性的3大特點，即“3V”特性。規模是大數據的主要特點，其數據量非常龐大，一般可以達到1PB。其類型的多樣性主要體現在大數據不僅包括結構化的數據形式，還有半結構化和非結構化的數據形式。高速性是數據處理速度要足夠快，從而滿足對龐大數據量的實時分析要求。

大數據是在相應的需求下應運而生的，誕生之初應用于商業和金融，后來逐漸擴展到其它的領域，如科學研究中的地球空間信息學[2]、物流服務[3]、經濟發展狀況[4-5]和智能電網[6]等。大數據的應用也面臨一些問題和挑戰，其對公民個人信息的獲取和傳播都很便捷，由此產生了隱私安全問題。不法分子在互聯網上利用大數據對他人進行“人肉搜索”，不僅侵犯公民的個人權利，還使人們對大數據的社會影響產生疑惑[7]。即便如此，大數據仍然具有劃時代的意義，其不僅促進社會進步，還推動科學研究層次的深入，具有廣闊的發展空間和應用潛力[8]。

與大數據一樣，無人機也是一種在信息科學和計算機科學基礎上興起的現代技術。無人機是無人駕駛航空飛行器的簡稱，雖然早在1914年就已經誕生，但是直到20世紀下半葉才取得較大的發展。無人機可分為固定翼無人機和旋翼無人機，它們均是由飛行器、遙控站及通訊設備等部件組成的系統[9]。我國的無人機研制技術世界領先，形成了以“大疆”系列為代表的多種類型產品，應用范圍也極為廣泛。在民用方面以旋翼無人機為主，工業和農業均有涉及，未來的市場效益超過千億。

無人機在飛行和作業過程中會產生大量數據，普通的設備和方法難以完成這些龐大數據的實時分析和存儲。若將這些數據按照大數據的方式進行處理，則可以從中提取出有價值的信息，為無人機的功能發揮提供技術支持。將大數據與無人機結合，既可以拓寬大數據的應用范圍，又能夠提高無人機的性能和使用效率。

測繪是無人機的一個重要應用內容。通過搭載的各種傳感器和攝像機拍攝獲得地面高清圖像，再輔以強大的傳輸能力，可以產生實時性和準確性極高的測繪信息；但是，測繪獲得的數據量巨大，還須通過分析處理提取有用的信息，才能真正實現無人機測繪的目的。對大量數據的實時分析處理，正是大數據技術的優勢所在。受傳統計算機硬件的限制，圖像處理技術在數據存儲、傳輸速度和數據流安全等方面都存在一些局限；而在大數據背景下，計算機網絡被云計算網絡代替，針對具體的需求可以直接從測繪信號中快速提取有用的信息，以合適的圖像形式反映出來[10]。魯昱昊為解決攝影和遙感的龐大數據管理問題，設計了HADOOP海量數據分布式處理平臺，展現出良好的可維護性和擴展性[11]。

電力領域已經開始利用無人機巡視線路，可以解決人工巡視不能保證電網安全運行的問題。大數據的加入賦予了無人機在野外電網巡視中兩個新的功能，即故障預測和健康管理[12]。另外，現代無人機的結構和機載設備越來越復雜，信息化程度越來越高，測試的需求也發生了深刻變革，導致飛行數據產生了從海量到巨量的飛躍。在大數據的背景下，無人機飛行數據出現結構化和非結構化并存的局面，數據的處理速度加快，提供的信息價值也不斷提高[13]。齊嬋穎等提出了一種基于大數據的通道復用方案，解決海量數據的實時測量問題，實現了對無人機飛行荷載數據的實時測量[14]。本文對大數據在農業無人機上的應用進行研究，介紹了無人機航線規劃、飛行控制和圖像處理3個功能的大數據從獲取至存儲的過程，以期推動大數據與無人機結合，為無人機性能升級提供技術支撐。

1 硬件設備

研究的硬件設備包括無人機平臺、無線傳輸裝置和地面站3部分。無人機平臺為大疆精靈Phantom4 Pro型專業智能無人機，最大飛行時間30min，具有紅外避障能力。無人機采用GPS/GLONASS雙模式定位，無線傳輸方式的速度可達Class10，通訊距離7km。數據采集裝置為各種傳感器，包括XV-8000CB型角速度傳感器、CZ3-X-Y型加速度傳感器、BA5803型氣壓高度傳感器和中科能慧NHFS47型風速風向傳感器。飛行控制裝置為方向舵、副翼舵和升降舵，舵面偏轉改變無人機的飛行方向和姿態，實現對航線的控制。圖像采集設備為下方搭載的1英寸CMOS影像傳感器，2 000萬有效像素。

無人機采用WiFi無線通訊方式，信息傳輸容量大，實時性好。通訊裝置通過PID控制方法和通訊接口將數據實時傳送地面站，JPEG格式圖像由天創UB570型圖像采集卡轉換為數字信號后進行分析處理。大數據分析需要PB級數據的讀取和寫入，大型的建模和運算必不可少。地面站的大數據分析硬件為x86架構的PC Server型服務器，配置銳龍AMD Ryzen7型2路8核CPU，DDR4型128GB內存和Intel I350T2型千兆網卡，可以滿足運算速度、存儲空間和分析結果展示的要求。

2 處理流程

大數據是來自于各種數據源的巨量數據，蘊含的有用信息是大數據的價值所在，信息獲取是通過一系列的處理過程來完成。無人機搭載的各種傳感器、攝像機和其它設備采集數據，經過網絡和傳輸協議進入交換機；交換機網絡連接數據采集器，實現數據交換和匯聚功能，同時執行IEEE1588時間同步協議，縮小交換延時，提高數據的實時性和準確性。

受搭載設備性能的限制，無人機平臺無法對采集的大數據進行分析處理，需要交給地面站完成，無線傳輸是無人機與地面站之間的聯系紐帶。在傳統數據的基礎上，大數據傳輸向著高頻率、高速率和高效率的方向發展，以通訊鏈路的形式，采用數字化調制寬帶將數據傳輸給地面站。

地面站接受到數據后，首先按照特定的規范記錄數據，然后根據實際需求對錄入的數據快速重放，以便開展后續的分析處理。大數據的分析處理又可以細分為預處理、數據分析、信息挖掘和結果展現，實現了從以往的以服務器為中心到以數據為中心的模式轉變。在方式上，針對大數據的半結構和非結構化特點，采用并行處理技術來提高處理的速度。

在數據記錄的同時，還對大數據進行綜合監測，即將數據實時分類，按照各自類型將數據下發至相應的應用系統；另一方面，根據專業化的知識庫輔助決策，作為信息挖掘的依據；最后，綜合監測和分析處理的結果一起匯聚到存儲管理模塊中，組成應用功能的數據庫，如圖1所示。

3 軟件和算法

本研究進行大數據分析的是Hadoop技術，是一種基于Java的分布式大數據分析處理的軟件框架。Hadoop框架包括通用模塊、分布式文件系統等組件，集群文件存儲在分布式文件系統中，在特定的節點上構建分布式文件架構。Hadoop技術可以運行簡潔的并行計算模型，具有很強的容錯性和擴展性，適合于大規模數據的分析處理。

航線規劃采用方格區域路徑算法，理論基礎是路徑的不合理性來源于對作業區域方格的重復造訪。為減少這一情況，按照優先原則規劃初等路徑，即優先選擇同一行的方格作為下一個規劃方格，直到涵蓋所有的方格。飛行控制通過二維跟隨算法完成，首先構建二維坐標系計算飛行方向上的角速度，獲得無人機投影的航線。在規劃的航線中，實際航向角等于理論航向角，按照這一原則不斷地調整無人機航向逼近規劃的航向，當二者差異為零時則沿著規劃的航線飛行。圖像處理是利用顏色特征對圖像各組成部分進行識別，在HIS顏色空間中將I分量做最大類間方差分析后再進行二值化，獲得最大閾值，經過閾值分割區分目標和背景區域。

圖1 大數據的處理流程Fig.1 Processing flow of big data

4 功能測試

將無人機用于油菜地和山茶園的信息采集，并對航線規劃、飛行控制和圖像處理的大數據分析處理功能進行測試。與普通的航線規劃方法相比，在作業質量一致的前提下，通過大數據分析規劃的航線覆蓋率和均勻性都更好，無人機的轉彎次數較少，完成作業所需的時間減少了20%。

在飛行期間，每隔100s記錄無人機飛行航線偏離規劃航線的距離，結果如圖2和圖3所示。

圖2 油菜地的航線偏差Fig. 2 Tracking error of rapeseed field

圖3 山茶園的航線偏差Fig. 3 Tracking error of camellia garden

兩種作業環境下，基于大數據分析的無人機航線偏差都在10m之內，并且能夠快速地回歸到規劃的航線上來，隨后一直保持較高的飛行控制精確度。

利用無人機采集油菜的種植面積和山茶的雜草信息，圖像處理的結果如圖4所示。經過大數據分析，準確快速地識別出油菜及雜草與背景的顏色差異，并將識別目標在結果中用黑色區域展現出來。

圖4 基于大數據的圖像處理Fig.4 Image processing based on big data

5 結論

無人機在飛行和作業中產生大量的數據，普通的設備難以完成這些數據的分析處理。本文對大數據在農業無人機上的應用進行研究，硬件設備包括無人機平臺、無線傳輸裝置和地面站，采集巨量數據后通過一系列的處理過程來獲得有用的信息。基于Hadoop的大數據分析技術，對不同的功能采用相應的算法。將無人機用于油菜地和山茶園的信息采集，并對航線規劃、飛行控制和圖像處理的大數據分析處理功能進行測試，取得了理想的效果。本研究可以推動大數據與無人機的結合，為無人機性能升級提供技術支撐。