无人驾驶飞行器的制作方法

航空航天装置制造技术1.本发明涉及一种用于农田管理的无人驾驶飞行器(uav)、一种基站、一种用于农田管理的系统和方法，以及一种计算机程序产品。背景技术：2.此发明的总体背景是在病害、害虫、营养缺乏症方面对农田进行评估和管理。目前，遥感和无人驾驶飞行器(uav)(诸如无人机)无法以所需的分辨率和质量获取影像以执行所需的图像诊断。3.wo2019/076758a1提出了一种uav，该uav被配置为悬停在作物上方的静止位置，然后将摄像机朝向作物降低并且可以降低到作物冠层中以获取图像。此解决方案的缺点是，此uav设置的螺旋桨的下洗会在成像点处的作物冠层中产生明显的叶子移动。此外，摄像机可以很容易地被拥挤的冠层缠住。此外，从uav升高和降低摄像机会减慢田地探察的过程，这使得获取必要的图像数据非常耗时。技术实现要素：4.具有改进的用于农田管理的手段将是有利的。5.本发明的目的通过独立权利要求的主题来解决，其中进一步的实施方案并入从属权利要求中。应注意的是，以下描述的本发明的方面和实施例也适用于用于农田管理的无人驾驶飞行器、基站、用于农田管理的系统和方法，以及计算机程序产品。6.根据第一方面，提供了一种用于农田管理的无人驾驶飞行器(uav)。uav包括控制和处理单元以及摄像机。控制和处理单元被配置为控制uav飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置。控制和处理单元被配置为控制摄像机在作物的冠层内且低于所述作物的竖直高度的位置处和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置处获取与所述作物有关的至少一个图像。控制和处理单元被配置为分析至少一个图像以确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症。7.换言之，uav靠近作物飞行，以允许近端感测病害、害虫或营养缺乏症问题。以这种方式，uav能够在相对容易控制病害感染、昆虫侵扰和/或营养缺乏症的早期阶段且在已发生对作物的严重损害之前检测病害感染、昆虫侵扰和/或营养缺乏症。例如，感染或侵扰可能发生在靠近地面的植物的茎部处或在叶子的下侧上，并且这些可以通过在冠层内飞行的uav检测到，但不可以通过在冠层上方飞行的uav检测到。然后可以适当地分析在冠层内获取的图像，以确定在田地的该部分处是否存在与作物有关的病害、害虫、昆虫或其他问题。8.uav可以通过在田地周围随机探察来获取数据。uav自身还可以通过图像处理来确定自己在哪里定位以获取数据，或者可以由用户引导到一个位置。由于与诸如wo2019/076758a1中提出的其他技术方案相比，uav可以在更短的时间内飞行穿过冠层获取更多信息，因此uav(或多个类似的uav)可以经济地获取整个田地的探察数据。9.在一个实施例中，控制和处理单元被配置为控制uva飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置，在该位置处使得uav相对于作物处于第一位置。处理和控制单元被配置为控制uav在竖直和/或水平方向上飞行到一个位置，使得所述uav处于第二位置。处理和控制单元被配置为当uav处于第一位置和第二位置之间时控制摄像机获取与作物有关的至少一个图像。处理和控制单元被配置为当无人驾驶飞行器处于第一位置和第二位置和/或在第一位置和第二位置之间时控制摄像机获取与作物有关的至少一个图像。10.换言之，通过在作物的冠层内的各个高度和位置获取图像，增加了可以检测到病害、害虫和/或营养缺乏症的可能性，因为问题可能并未影响作物的所有部分。例如，早期病害感染或害虫侵扰可能仅在作物内的某些位置(诸如作物内靠近地面或在中间高度)变得明显。因此，可以通过从冠层内的各个位置获取的影像来确定无法通过航空检查确定的问题。例如，uav可以在靠近土壤的植物的茎部和基部上、叶子的下侧上、叶子的上侧上、芽上、花上、果实上和/或靠近冠层的顶部检测病害、害虫和/或营养缺乏症。11.在一个实施例中，所述至少一个图像包括多个图像，并且其中处理和控制单元被配置为控制摄像机在uav的第一位置和第二位置处和/或在第一位置和第二位置之间的对应的多个不同位置处获取所述多个图像。12.换言之，利用来自冠层内不同位置的多个图像，可以更早、更准确地确定病害、害虫和营养缺乏症。13.在一个实施例中，uav具有1cm至20cm、优选2cm至10cm、更优选4cm至8cm数量级的尺寸，以及等于或低于200g，优选等于或低于100g，更优选等于或低于50g的重量。14.因此，uav具有较小的尺寸，以便在冠层内和作物排之间、在作物竖直高度以下实现最佳行动自由。当在冠层内飞行时，这样的uav不太容易受到风的干扰，因为作物至少部分地防护uav免受这种影响。此外，由于uav的尺寸小、重量轻，所以安全性更高，例如在发生不期望的意外碰撞的情况下。15.在一个实施例中，uav包括螺旋桨防护装置。螺旋桨防护装置被配置为至少部分地围绕uav的螺旋桨并且优选地完全环绕螺旋桨。16.以这种方式，例如保护螺旋桨免于拍打叶子，否则拍打叶子可能潜在地拦截螺旋桨的旋转运动。17.在一个实施例中，uav的摄像机被安装在uav上的可伸展且可缩回的支架上。支架被配置为改变摄像机和uav的机身之间的距离。支架还被配置为将摄像机相对于作物移动到一个位置，以使摄像机能够在相对于摄像机的位置的叶子的远轴侧上获取作物的至少一个叶子的至少一个图像。18.换言之，uav上的可伸展臂上的摄像机允许uav以极端角度和位置(诸如从叶子的远轴侧(下方))获取作物的植物部分的图像。这是必要的，因为病害感染和害虫侵扰的早期症状通常开始出现在这些位置。19.在一个实施例中，uav包括至少一个病害、害虫和/或营养缺乏症控制单元。至少一个病害、害虫和/或营养缺乏症控制单元被配置为在控制和处理单元基于对与作物有关的至少一个图像的图像分析所确定的位置处被激活。20.因此，uav可以获取图像、分析图像并且例如通过在一个操作序列中施用适当的植物保护剂和/或营养来控制病害、害虫和/或营养缺乏症。与wo2019/076758a1中提出的解决方案相比，这更有效。21.在一个实施例中，至少一个病害、害虫和/或营养缺乏症控制单元被安装在uav上的至少一个可伸展且可缩回的支架上。至少一个支架被配置为改变至少一个病害、害虫和/或营养缺乏症控制单元与uav的机身之间的距离。至少一个支架还被配置为将所述至少一个病害、害虫和/或营养缺乏症控制单元相对于作物移动到一个位置，使得所述至少一个病害、害虫和/或营养缺乏症控制单元能够控制在作物的至少一个叶子的远轴侧和/或近轴侧和/或作物的茎部上的至少一种病害、害虫和/或营养缺乏症。22.换言之，可伸缩臂上的喷洒单元可以相对于待要喷洒的目标被带至最佳位置，这使得即使在冠层内非常难以处理的位置(诸如作物叶子的远轴侧和/或作物的茎部)也能进行高度准确和精确的点状喷洒。23.在一个实施例中，uav包括位置确定装置。位置确定装置被配置为向控制和处理单元提供在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置。24.在一个实施例中，uav包括至少一个病害、害虫和/或营养缺乏症控制单元、收发器和位置确定装置。位置确定装置被配置为向控制和处理单元提供在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置。控制和处理单元被配置为利用收发器发送关于与作物有关的至少一个图像和/或与作物有关的至少一个图像的图像分析，以及当获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置的信息。控制和处理单元被配置为接收一个指令，以飞行至已确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症的至少一个位置并在所述至少一个位置处激活至少一个病害、害虫和/或营养缺乏症控制单元。该指令是基于由收发器发送的与作物有关的至少一个图像和/或与作物有关的至少一个图像的图像分析。25.换言之，uav将关于获取的图像和已经获取图像的位置的信息发送到例如位于基站(诸如运载工具)处的另一个处理单元。基站具有更大尺寸以及更强处理能力，且能够接收来自田地中多个uav的图像信息。基站确实协调多个uav的飞行路径并向uav发送指令以飞行到需要控制病害、害虫和/或营养缺乏症的位置。最佳飞行路径是通过考虑uav的各个方面(诸如uav的能量水平、控制单元的类型、控制单元控制某个问题的剩余能力、uav的位置和已识别出问题的位置之间的距离等)来计算的。通过这种方式，在计算适当的飞行路径时，基站的控制和处理单元也可以考虑作物田地上不同uav的“专业化”(例如，一个完全专用于病害控制的uav，另一个完全专用于害虫控制的uav等)。26.根据第二方面，提供了一种用于多个uav的基站。所述基站包括：包括至少一个uav的uav停放单元、基站控制和处理单元以及至少一个基站收发器。至少一个uav包括控制和处理单元、摄像机和收发器。基站的uav停放单元被配置为运载多个uav。控制和处理单元被配置为控制uav从基站飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置。uav的控制和处理单元被配置为控制摄像机在作物的冠层内且低于所述作物的竖直高度的位置处和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置处获取与作物有关的至少一个图像。uav的控制和处理单元被配置为利用收发器将关于与作物有关的至少一个图像的信息发送到基站。基站的控制和处理单元被配置为利用基站收发器从至少一个uav接收关于与作物有关的至少一个图像的信息。基站的控制和处理单元被配置为分析从至少一个uav接收的至少一个图像，以确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症。27.因此，如果uav具有小尺寸和有限的处理获取的图像信息的能力，它可以通过无线通信将图像信息发送到基站。基站具有更强的处理能力。基站接收小型uav的图像探察数据，并有能力进行深入的图像分析，例如使用人工智能算法来识别作物田地上的病害、害虫和/或营养缺乏症问题。28.在一个实施例中，用于多个uav的基站包括至少一个uav。至少一个uav还包括位置确定装置。位置确定装置被配置为向uav的控制和处理单元提供在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置。uav的控制和处理单元被配置为利用收发器发送在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置的信息。基站的控制和处理单元被配置为利用基站收发器接收在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置的信息。基站的控制和处理单元被配置为分析从至少一个uav接收的至少一个图像，以确定在所述至少一个位置处的至少一种病害、至少一种害虫和/或至少一种营养缺乏症。29.在一个实施例中，用于多个uav的基站包括至少一个uav。至少一个uav还包括至少一个病害、害虫和/或营养缺乏症控制单元。基站的控制和处理单元还被配置为确定给至少一个uav的指令，使其飞行到已确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症的至少一个位置，并且在所述至少一个位置处激活至少一个病害、害虫和/或营养缺乏症控制单元。30.在一个实施例中，用于多个uav的基站包括控制和处理单元，该控制和处理单元被配置为控制所述多个uav在交替分组中操作，使得当一个组外出飞行时，另一组在uav停放单元上。31.换言之，当一组uav正在作物田地上飞行并控制至少一种病害、害虫和/或营养缺乏症时，另一组在基站上并且优选地获得服务单元的服务(诸如给电池再充电和/或重新填充喷洒罐)。32.根据第三方面，提供了一种用于农田管理的系统。所述系统包括用于多个uav的基站。所述基站包括：包括至少一个uav的uav停放单元、基站控制和处理单元以及至少一个基站收发器。至少一个uav包括控制和处理单元、摄像机和收发器。uav停放单元被配置为运载多个uav。uav的控制和处理单元被配置为控制uav从基站飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置。uav的控制和处理单元被配置为控制摄像机在作物的冠层内且低于所述作物的竖直高度的位置处和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置处获取与作物有关的至少一个图像。uav的控制和处理单元被配置为利用收发器向基站发送包括关于与作物有关的至少一个图像的信息的信息。基站的控制和处理单元被配置为利用基站收发器从至少一个uav接收关于与作物有关的至少一个图像的信息。基站的控制和处理单元被配置为分析从至少一个uav接收的至少一个图像，以确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症。33.根据第四方面，提供了一种用于农田管理的方法，包括：34.a)将uav飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置；35.b)通过摄像机在作物的冠层内且低于所述作物的竖直高度的位置处和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置处获取与所述作物有关的至少一个图像；36.c)分析至所述少一个图像，以确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症。37.在第五方面中，提供了一种用于控制第一方面的uav的计算机程序产品，所述计算机程序产品在由处理器执行时被配置为执行第四方面的方法。38.有利地，任何上述方面提供的益处同样适用于所有其他方面，反之亦然。39.参照下文描述的实施方案，上述方面和实施例将变得显而易见并被阐明。附图说明40.下面将参照以下附图描述示例性实施方案：41.图1示出了用于农田管理的uav的实施例的示意性设置；42.图2示出了用于多个uav的基站的实施例的示意性设置；43.图3示出了用于农田管理的系统的示意性实施例；44.图4示出了用于农田管理的方法的示意性实施例；45.图5示出了基站(uav运载工具)和农田上的多个uav的详细实施例的示意性表示。具体实施方式46.图1示出了用于农田管理的无人驾驶飞行器(uav)10的实施例。uav包括控制和处理单元20以及摄像机30。控制和处理单元被配置为控制uav飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置。控制和处理单元被配置为控制摄像机在作物的冠层内且低于所述作物的竖直高度的位置处和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置处获取与所述作物有关的至少一个图像。控制和处理单元被配置为分析所述至少一个图像以确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症。47.在一个实施例中，术语“农田管理”是指田地探察活动以识别植物病害、害虫和/或营养缺乏症。在存在至少一个病害、害虫和/或营养缺乏症控制单元60的情况下，该术语还包括识别的植物病害、害虫和/或营养缺乏症的控制活动。48.在一个实施例中，作物的冠层内且低于所述作物竖直高度的位置是指作物植物的地上部分但不是在所述作物植物上方的高度处的空间布置(三维几何)内部和/或旁边的位置。49.在一个实施例中，一排多个作物之间且低于所述多个作物的竖直高度的位置是指在不同排的作物冠层之间但不在作物植物上方的高度处的位置。可能的是作物冠层在顶部部分地重叠，而uav在下方飞行。50.在一个实施例中，摄像机包括可用于以一定分辨率对枝叶进行成像的普通成像传感器，以使图像处理能够确定病害、昆虫损害、昆虫本身和/或营养缺乏症。51.在一个实施例中，摄像机是360度全方位摄像机，或者可以基本上360度成像的摄像机。52.在一个实施例中，摄像机被配置为在可见波长范围内操作。在一个实施例中，摄像机被配置为在近红外范围内操作。在一个实施例中，摄像机是单色的。在一个实施例中，摄像机被配置为获取诸如rgb的颜色信息。在一个实施例中，摄像机被配置为获取高光谱信息。这样，自动检测病害、害虫、产量因素(例如核尺寸、穗的数目、玉米穗的数目)、昆虫损害和昆虫、营养缺乏症和其他非生物胁迫因素的影像分析可以得到改善。53.在一个实施例中，摄像机还包括光源，该光源也可以是多光谱的，以支持图像的获取。54.在一个实施例中，控制和处理单元被配置为分析至少一个图像以确定至少一种类型的病害，和/或确定至少一种类型的害虫，和/或确定至少一种类型的昆虫，和/或确定至少一种类型的营养缺乏症。55.在一个实施例中，至少一个图像的图像分析包括使用机器学习算法。这适用于图像处理以确定至少一种病害，和/或确定至少一种害虫，和/或确定至少一种昆虫，和/或确定至少一种营养缺乏症。56.在一个实施例中，机器学习算法包括决策树算法。57.在一个实施例中，机器学习算法包括人工神经网络。58.在一个实施例中，机器学习算法已经基于多个图像被教学。在一个实施例中，机器学习算法已经基于多个图像被教学，所述多个图像包含遭受一种或多种病害的至少一种类型的植物，和/或遭受来自一种或多种类型的昆虫的昆虫侵扰和/或至少一种类型的昆虫和龄期增长阶段(当影像具有足够的分辨率时)的至少一种类型的植物，和/或遭受一种或多种害虫的至少一种类型的植物，和/或遭受一种或多种类型的营养缺乏症的至少一种类型的植物的影像。59.在一个实施例中，机器学习算法已经基于包含此类影像的多个图像进行了教学。60.因此，控制和处理单元可以运行包括机器学习分析器的图像处理软件。例如，获取作物上特定病害的图像，以及与病害感染的尺寸有关的信息。与世界上待发现这种植物病害的地理位置有关的信息，以及与待发现该病害的一年中某个时间有关的信息。病害的名称也可以用病害的影像来标记。机器学习分析器然后在该获取的影像上进行训练，所述机器学习分析器可以基于人工神经网络或决策树分析器。这样，当向分析器呈现作物的新图像时，分析器通过将新图像中发现的病害的影像与已在所述分析器上被训练过的不同病害的影像进行比较来确定图像中病害的具体类型，其中这种图像可以具有相关联的时间戳(诸如一年中的时间)以及标记至所述图像的地理位置，已在所述分析器上训练过的所述不同病害的影像中还可以考虑病害感染的尺寸以及它们生长的地点和时间。因此可以确定该病害类型在冠层环境中的具体位置及其尺寸。控制和处理单元可以访问包含不同病害类型的数据库。该数据库是根据实验确定的数据编制的。61.使用机器学习算法的图像处理软件也已被教学，以识别昆虫、被昆虫侵扰的植物、遭受害虫的植物和遭受营养缺乏症的植物。这通过基于先前获取的影像的训练以与上文讨论相同的方式完成。62.在一个实施例中，影像分析包括识别鸟类或小型哺乳动物的筑巢地点及其位置(用于它们的将来保护)。63.在一个实施例中，术语“作物”是指果园作物植物和/或可耕作作物植物，并且优选地是指可耕作作物植物。果园作物选自苹果、梨(欧洲和亚洲)、葡萄藤、核果(诸如桃、油桃、李子、杏、杏李(pluot)、西梅、柿子、樱桃)、亚热带作物(诸如芒果、鳄梨、橄榄、柑橘、橙子、柠檬、酸橙、橘子、葡萄柚、猕猴桃、橘柚、金橘、加利蒙地亚橘、爪哇柚、无花果、枣)、坚果作物(诸如杏仁、山核桃、开心果、核桃、榛子、尖栗和栗子)。可耕作物植物是指粮食作物(诸如小麦、玉蜀黍(玉米)、水稻、大麦、小米、燕麦、黑麦)、豆类作物(诸如扁豆、菜豆、豌豆)，油料种子作物(诸如油菜籽、大豆、向日葵、亚麻籽)、纤维作物(诸如棉花、黄麻、亚麻)、蔬菜作物(诸如番茄、辣椒、马铃薯、南瓜、大蒜、洋葱、韭菜、胡萝卜、芹菜、甜菜、甜菜根、菠菜、生菜、三叶草、卷心菜、抱子甘蓝、西兰花、花椰菜、芜菁、黄瓜)、瓜果作类(诸如甜瓜、西瓜、草莓、覆盆子、蓝莓、菠萝、香蕉)、花卉作物(诸如百合、兰花、郁金香)以及其他作物(诸如花生、甘蔗、可可、咖啡、茶)。64.更优选的作物是成排种植的作物，例如甘蔗、玉蜀黍(玉米)、大豆、油菜籽、向日葵、棉花、马铃薯、番茄、胡椒、黄瓜、洋葱、小麦、大麦、水稻、葡萄藤、花生、香蕉、可可和咖啡。65.在一个实施例中，两排种植作物之间的宽度(距离)在10cm至2m之间，更优选地在50cm至1.5m之间。66.在一个实施例中，作物具有在20cm至10m之间，优选20cm至5m，更优选50cm至3.5m的高度。67.根据一个实施例，控制和处理单元被配置为控制uva飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置，在该位置处使得uav相对于作物处于第一位置。处理和控制单元被配置为控制uav在竖直和/或水平方向上飞行到一个位置，使得uav处于第二位置。处理和控制单元被配置为当uav处于第一位置和第二位置处和/或在第一位置和第二位置之间时控制摄像机获取与作物有关的至少一个图像。68.在一个实施例中，相对于作物的第一位置在作物冠层处和/或旁边，但在作物冠层的顶部下方(因此低于作物的竖直高度)。69.在一个实施例中，相对于作物的第二位置在作物冠层处和/或旁边，但在作物冠层的顶部下方(因此低于作物的竖直高度)并且不同于第一位置。70.在一个实施例中，相对于作物的第一位置在冠层的上部处和/或旁边但低于作物冠层的顶部，并且相对于作物的第二位置在作物冠层的可以靠近地面的下部处和/或旁边。第二位置可以包括地面。71.在一个实施例中，相对于作物的第一位置在冠层的下部处和/或旁边，并且相对于作物的第二位置在作物冠层的上部处和/或旁边但低于作物冠层的竖直高度。72.在一个实施例中，相对于作物的第二位置与第一位置处于相同的高度水平，但相对于作物冠层径向位移一个角度。73.在一个实施例中，相对于作物的第二位置与第一位置相比是uav和摄像机的竖直和水平移动的组合。74.在一个实施例中，关于第一位置和第二位置的位置的变化也可能的是，诸如例如第一位置在冠层的中间部分或第二位置在冠层的中间部分等。75.根据一个实施例，所述至少一个图像包括多个图像。处理和控制单元被配置为控制摄像机在uav的第一位置和第二位置处和/或uav的第一位置和第二位置之间的对应的多个不同位置处获取多个图像。76.根据一个实施例，uav具有1cm至20cm、优选2cm至10cm、更优选4cm至8cm的数量级的尺寸，以及等于或小于200g、优选等于或小于100g、更优选等于或低于50g的重量。77.根据一个实施例，uav包括螺旋桨防护装置40。螺旋桨防护装置被配置为至少部分地围绕uav的螺旋桨，优选地完全环绕螺旋桨。78.在一个实施例中，螺旋桨防护装置可以由坚固的轻质材料制成，并且可以模制成三维形状，或者由薄条带材料组装成三维结构。79.在一个实施例中，uav的螺旋桨是反向旋转螺旋桨。80.根据一个实施例，摄像机被安装在uav上的可伸展且可缩回的支架50上。支架被配置为改变摄像机和uav的机身之间的距离。支架还被配置为将摄像机相对于作物移动到一个位置，以使摄像机能够在相对于摄像机的位置的叶子的远轴侧上获取作物的至少一个叶子的至少一个图像。81.在一个实施例中，摄像机被安装在uav上的伸缩式可伸展且可缩回的支架上。82.在一个实施例中，uav包括距离传感器，该距离传感器被配置为测量可伸展且可缩回的支架相对于作物植物的距离。83.在一个实施例中，uav的控制和处理单元被配置为利用距离传感器的信息来避免uav，相应地uav的可伸展且可缩回的支架与作物植物发生碰撞。84.在一个实施例中，uav包括距离传感器，该距离传感器优选地选自lidar传感器、视差激光测距仪传感器、立体视觉传感器、ir反射传感器、飞行时间传感器、超声波传感器和雷达传感器。85.在一个实施例中，uav包括作为距离传感器的lidar传感器。距离传感器用于引导uav，特别是在空间很小的区域，诸如作物植物的冠层内，并支持避免碰撞。86.根据一个实施例，uav包括至少一个病害、害虫和/或营养缺乏症控制单元60。至少一个病害、害虫和/或营养缺乏症控制单元被配置为在控制和处理单元基于与作物有关的至少一个图像的图像分析所确定的位置处被激活。87.在一个实施例中，至少一个病害、害虫和/或营养缺乏症控制单元包括至少一个喷洒单元。所述至少一个喷洒单元被配置为喷洒液体。88.在一个实施例中，喷洒单元被定位在(或可以用可伸展的支架定位)来自uav的螺旋桨的下降气流的前面以避免干扰。89.在一个实施例中，在喷洒单元的上下文中，术语“激活”是指喷洒过程的开始。90.在一个实施例中，喷洒单元包括至少一个液体雾化器(诸如液压喷嘴)，和/或至少一个雾化盘(诸如转动盘)。91.在一个实施例中，至少一个病害、害虫和/或营养缺乏症控制单元包括液体雾化器、液体罐和至少一个进给管。液体罐被配置为容纳化学品。进给管被配置为将液体从液体罐运送至液体雾化器。液体雾化器被配置为喷洒液体。92.在一个实施例中，液体罐具有0.1ml至800ml、优选0.5ml至100ml的液体体积容量。93.在一个实施例中，术语“液体”是指包括基于化学和/或生物的农业活性成分(诸如杀真菌剂、杀虫剂、作物营养剂、生物刺激剂、植物生长调节剂等)的液体。94.在一个实施例中，术语“液体”还包括待由至少一个喷洒单元施用的一种或多种助剂以增强基于化学和/或生物的农业活性成分在目标作物真菌和/或昆虫上的保留和生物递送。这些可以在喷洒单元之前或在喷洒单元内与基于化学和/或生物的农业活性成分进行组合。95.在一个实施例中，控制和处理单元被配置为激活至少一个喷洒单元，以根据沉积物的优选类型将液体作为细小液滴的喷雾、单个射流、单液滴或这些的组合来施用。96.在一个实施例中，控制和处理单元被配置为根据目标的尺寸来调整待由至少一个喷洒单元施用到目标的液体体积。97.在一个实施例中，控制和处理单元被配置为控制uav飞行并激活至少一个喷洒单元，以在农田上实现条带式、斑块式和目标到目标的喷洒施用，或这些的组合。98.在一个实施例中，控制和处理单元被配置为控制uav飞行并激活至少一个喷洒单元，以在作物内以喷洒施用模式来施用液体以最小化昆虫侵扰和/或病害感染的传播。99.在一个实施例中，喷洒施用模式可能与作物中的屏障排有关。100.根据一个实施例，至少一个病害、害虫和/或营养缺乏症控制单元被安装在uav上的至少一个可伸展且可缩回的支架70上。至少一个支架被配置为改变至少一个病害、害虫和/或营养缺乏症控制单元与uav的机身之间的距离。至少一个支架还被配置为将所述至少一个病害、害虫和/或营养缺乏症控制单元相对于作物移动到一个位置，使得所述至少一个病害、害虫和/或营养缺乏症控制单元能够在作物的至少一个叶子的远轴侧和/或近轴侧上控制至少一种病害、害虫和/或营养缺乏症。101.在一个实施例中，至少一个病害、害虫和/或营养缺乏症控制单元被安装在uav上的至少一个伸缩式可伸展且可缩回的支架上。102.在一个实施例中，uav包括距离传感器，该距离传感器被配置为测量可伸展且可缩回的支架相对于作物植物之间的距离。在上文更详细地讨论了有用的距离传感器。103.在一个实施例中，uav的控制和处理单元被配置为利用距离传感器的信息来避免uav，相应地uav的可伸展且可缩回的支架与作物植物的一部分发生碰撞。104.根据一个实施例，uav包括位置确定装置80。位置确定装置80被配置为向控制和处理单元20提供在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置。105.位置可以是相对于地面上的精确位置的地理位置，或者可以是参考地面上的另一个位置或多个位置的地面上的位置，诸如田地的边界或基站的位置。换言之，可以使用绝对地理位置，或者可以使用在绝对意义上不需要已知但参考已知位置的地面上的位置。106.在一个实施例中，该位置是绝对地理位置。107.在一个实施例中，该位置是参考一个或多个已知位置确定的位置。108.换言之，可以确定图像与地面上的特定位置相关联，而无需知道其精确的地理位置，而是通过知道相对于地面上的已知位置获取图像的位置，可以记录获取影像的位置。换言之，可以提供uav已获取到作物的影像的绝对gps导出位置，和/或可以提供相对于已知位置(诸如田地边界或用于uav的基站的位置)获取到影像的位置，这再次使控制和处理单元能够确定获取到影像的确切位置，因为它们会知道田地边界或充电站的绝对位置。109.在一个实施例中，gps单元用于确定位置(诸如在获取到特定图像时摄像机的位置)和/或在位置(诸如在获取到特定图像时摄像机的位置)的确定中使用。110.在一个实施例中，惯性导航单元单独使用或与gps单元组合使用，以确定位置(诸如在获取到特定图像时摄像机的位置)。因此，例如，包括例如一个或多个激光陀螺仪的惯性导航单元在已知位置(诸如基站)被校准或归零，并且随着它与至少一个摄像机一起移动，可以确定在x、y和z坐标中远离该已知位置的移动，由此可以确定在获取到图像时至少一个摄像机的位置。111.根据一个实施例，uav包括至少一个病害、害虫和/或营养缺乏症控制单元60、收发器90和位置确定装置80。位置确定装置80被配置为向控制和处理单元20提供在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置。控制和处理单元被配置为利用收发器发送关于与作物有关的至少一个图像和/或与作物有关的至少一个图像的图像分析，以及当获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置的信息。控制和处理单元被配置为接收指令，以飞行至已确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症的至少一个位置并在所述至少一个位置处激活至少一个病害、害虫和/或营养缺乏症控制单元60。该指令是基于由收发器发送的与作物有关的至少一个图像和/或与作物有关的至少一个图像的图像分析。112.因此，uav获取被发送(可选地与基本图像分析一起)到uav外部的一个或多个处理器的影像，并在那里进行深入的图像分析。外部处理器可以从多个不同的uav(和位置)接收影像，并且可以计算多个飞行目标和到达所识别的飞行目标的最佳飞行路径，同时最小化相邻uav之间的干扰。飞行路径信息被提供给单独的uav，所述uav使用该信息飞向识别的目标并激活至少一个病害、害虫和/或营养缺乏症控制单元。113.在一个实施例中，uav包括多个鼓风机模块。所述多个鼓风机模块被配置为将作物的至少一个叶子吹到相对于摄像机的位置的叶子的远轴侧。处理单元被配置为控制摄像机以获取被吹至相对于摄像机的位置的叶子的远轴侧的至少一个叶子的至少一个图像。114.在一个实施例中，多个鼓风机围绕uav的机身定位(优选地以相等的距离)并且被配置为朝向相对于uav的横向方向吹空气。115.在一个实施例中，uav包括多光谱光源。这种光源可以帮助识别病害感染、昆虫侵扰和/或营养缺乏症(在冠层内可用的光较少)，以及在飞行期间(包括在黎明、黄昏和夜晚)帮助导航。116.在一个实施例中，uav包括至少一个附加传感器，诸如热感摄像机、测量土壤和/或冠层湿度的传感器、以及测量土壤和/或冠层温度的传感器。来自此类传感器的数据可用于规划病害和昆虫控制操作，因为这些因素会对病害、昆虫和作物生长产生影响。其他传感器可能涉及方向传感器、方位传感器、高度传感器、电池电量传感器和相对于基站的位置传感器等。117.在一个实施例中，uav包括一个或多个声音传感器。控制和处理单元被配置为使用用于声音分析的声音传感器数据以识别和定位昆虫侵扰。118.图2示出了用于多个uav10的基站100的实施例。所述基站包括：包括至少一个uav10的uav停放单元110、基站控制和处理单元120以及至少一个基站收发器130。至少一个uav包括控制和处理单元20、摄像机30和收发器90。uav停放单元被配置为运载多个uav。控制和处理单元20被配置为使uav从基站飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置。控制和处理单元20被配置为控制摄像机在作物的冠层内且低于所述作物的竖直高度的位置处和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置处获取与作物有关的至少一个图像。控制和处理单元20被配置为利用收发器90将关于与作物有关的至少一个图像的信息发送到基站。基站控制和处理单元120被配置为利用基站收发器130从至少一个uav接收关于与作物有关的至少一个图像的信息。基站控制和处理单元120被配置为分析从至少一个uav接收的至少一个图像，以确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症。119.在一个实施例中，基站是指运载工具，所述运载工具是无人地面车辆(ugv)、uav、拖拉机等。120.在一个实施例中，基站是uav运载工具。121.在一个实施例中，uav运载工具通常具有0.5m到2m的尺寸，以及运载数公斤的有效载荷的能力，所述有效载荷优选地大于2kg，这将允许例如40架每个重量为50g的uav的有效载荷，或80架每个重量为25g的uav的有效载荷。运载工具可以运载用于不同目的的不同尺寸uav的混合体(例如，用于作物冠层上方和内部的不同尺寸uav，或用于田地探察的专用uav和用于病害/害虫/营养缺乏症控制的专用uav)。122.在一个实施例中，uav运载工具包括至少一条支腿，优选地多条支腿。在一个实施例中，支腿是可伸展的。因此，uav运载工具可以例如降落在作物田地的中间或边界处，而不会干扰正在生长的作物。123.在一个实施例中，图像分析由基站100的处理单元120完成。由于没有与在作物冠层内飞行的uav类似的尺寸限制，基站可以具有广泛的处理能力并分析多个uav的影像。这以与上文讨论的相同的方式完成。124.在一个实施例中，基站包括服务单元。服务单元被配置为给动力单元(电池)再充电，用液体重新填充至少一个液体罐(如果有的话)，用至少部分填充的液体罐更换至少一个液体罐，清洁喷洒单元，和/或为uav提供其他必要的服务。125.根据一个实施例，基站100包括多个uav 10。uav还包括位置确定装置80。位置确定装置80被配置为向控制和处理单元20提供在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置。控制和处理单元20被配置为利用收发器90发送在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置的信息。基站控制和处理单元120被配置为利用基站收发器130接收在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置的信息。基站控制和处理单元120被配置为分析从至少一个uav接收的至少一个图像，以确定在所述至少一个位置处的至少一种病害、至少一种害虫和/或至少一种营养缺乏症。126.根据一个实施例，基站100包括多个uav 10。至少一个uav还包括至少一个病害、害虫和/或营养缺乏症控制单元60。基站控制和处理单元120还被配置为确定给至少一个uav的指令，以使其飞行到已确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症的至少一个位置，并且在所述至少一个位置处激活至少一个病害、害虫和/或营养缺乏症控制单元。127.在一个实施例中，基站控制和处理单元120被配置为优选地在每个作物植物位置处分析先前的液体处理历史，以选择合适的液体用于喷洒施用，其作用模式与立即的先前处理不同，以最小化抗药性的发展并确定给至少一个uav的指令，使其飞行到已确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症的至少一个位置，并在所述至少一个位置处激活至少一个喷洒单元。128.在一个实施例中，基站控制和处理单元120被配置为识别液体不能有效工作的位置，从而为高抗药性喷洒施用选择合适的液体，并确定给至少一个uav的指令，使其飞行到至少一个位置，并且在所述至少一个位置处激活至少一个喷洒单元。129.在一个实施例中，基站控制和处理单元120被配置为识别未能将液体喷洒到目标位置的uav，并确定给至少一个另外的uav的指令，使其飞行到至少一个目标位置并在所述至少一个目标位置处激活至少一个喷洒单元。130.根据一个实施例，用于多个uav 10的基站100包括uav，其中基站控制和处理单元120被配置为控制多个uav在交替分组中操作，使得当一个组在外面飞行时另一个组在uav停放单元上。131.在一个实施例中，停放单元上的uav获得基站的服务单元的服务。132.在一个实施例中，停放单元是被配置为使多个uav能够起飞和降落的开放式着陆舱。133.在一个实施例中，停放单元被配置为停放和锁定/解锁多个uav。例如，在基站移动期间需要锁定uav。134.在一个实施例中，用于多个uav的基站100包括具有多光谱摄像机的至少一个uav，该多光谱摄像机被配置为在uav10起飞之前对农田进行观察。观察包括确定探察目标。该观察还包括计算如何有效地部署uav10来管理农田。135.在一个实施例中，用于多个uav的基站100包括至少一个回收uav，该回收uav被配置为回收任何依靠自身无法返回基站的uav 10。该回收uav可以包括被配置为将任何uav 10运送回基站的机械臂。136.图3示出了用于农田管理的系统200。系统200包括用于多个uav10的基站100。基站100包括：包括至少一个uav的uav停放单元110、基站控制和处理单元120、至少一个基站收发器130。至少一个uav 10包括控制和处理单元20、摄像机30和收发器90。uav停放单元被配置为运载多个uav。控制和处理单元20被配置为使uav从基站飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置。控制和处理单元20被配置为控制摄像机在作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置处获取与作物有关的至少一个图像。控制和处理单元20被配置为利用收发器90向基站发送信息，该信息包括关于与作物有关的至少一个图像的信息。基站控制和处理单元120被配置为利用基站收发器130从至少一个uav接收关于与作物有关的至少一个图像的信息。基站控制和处理单元120被配置为分析从至少一个uav接收的至少一个图像，以确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症。137.在一个实施例中，系统200包括用于至少一个uav 10的基站100。uav还包括位置确定装置80。位置确定装置80被配置为向控制和处理单元20提供在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置。控制和处理单元20被配置为利用收发器90发送在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置的信息。基站控制和处理单元120被配置为利用基站收发器130接收在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置的信息。基站控制和处理单元120被配置为分析从至少一个uav接收的至少一个图像，以确定在所述至少一个位置处的至少一种病害、至少一种害虫和/或至少一种营养缺乏症。138.在一个实施例中，系统200包括用于多个uav 10的基站100。至少一个uav还包括至少一个病害、害虫和/或营养缺乏症控制单元60。基站控制和处理单元120还被配置为确定给至少一个uav的指令，以使其飞行到已确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症的至少一个位置，并在所述至少一个位置处激活至少一个病害、害虫和/或的营养缺乏症控制单元60。139.图4示出了用于农田管理的方法300的方法的实施例。该方法包括飞行步骤310，也称为步骤a)，将uav飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置；140.在获取步骤320，也称为步骤b)中，通过摄像机在作物的冠层内且低于所述作物的竖直高度的位置处和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置处获取与作物有关的至少一个图像；141.在分析步骤330，也称为步骤c)中，分析至少一个图像以确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症。142.在一个实施例中，该方法包括飞行步骤311，称为步骤a1)，将uav飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置，在该位置处使得uav相对于作物处于第一位置；143.在飞行步骤312，也称为步骤a2)中，将uav在竖直和/或水平方向上飞行到一个位置使得uav处于第二位置；以及144.在获取步骤321，也称为步骤b1)中，当uav在第一位置和第二位置处和/或在第一位置和第二位置之间时，获取与作物有关的至少一个图像。145.在一个实施例中，在步骤b)中获取多个图像，其中处理和控制单元被配置为控制摄像机在uav的第一位置和第二位置之间的对应的多个不同位置处获取多个图像。146.在一个实施例中，在步骤a)中，将uav飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置，其中uav具有1cm至20cm、优选2cm至10cm、更优选4cm至8cm数量级的尺寸，以及等于或小于200g、优选等于或小于100g、更优选等于或小于50g的重量。147.在一个实施例中，在步骤a)中，将uav飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置，其中uav包括螺旋桨防护装置，其中螺旋桨防护装置被配置为至少部分地围绕uav的螺旋桨，优选地完全环绕螺旋桨。148.在一个实施例中，在步骤a)中，将uav飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置，其中uav包括安装在可伸展且可缩回的支架上的摄像机，并且所述支架被配置为改变摄像机与uav的机身之间的距离；149.在移动步骤322中，也称为步骤b2)中，将摄像机相对于作物移动到一个位置使得摄像机能够在相对于摄像机的位置的叶子的远轴侧上获取作物的至少一个叶子的至少一个图像；150.在获取步骤323，也称为步骤b3)中，在相对于摄像机的位置的叶子的远轴侧上获取作物的至少一个叶子的至少一个图像。151.在一个实施例中，在激活步骤340，也称为步骤d)中，基于与作物有关的至少一个图像的图像分析，在由控制和处理单元确定的位置处激活uav的至少一个病害、害虫和/或营养缺乏症控制单元。152.在一个实施例中，在步骤a)中，将uav飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置，其中uav包括至少一个病害、害虫和/或营养缺乏症控制单元，其被安装在uav上的至少一个可伸展且可缩回的支架上。153.在移动步骤341，也称为步骤d1)中，相对于作物将至少一个病害、害虫和/或营养缺乏症控制单元与支架移动至一个位置，以使所述至少一个疾病、害虫和/或营养缺乏症控制单元能够控制作物的至少一个叶子的远轴侧和/或近轴侧和/或作物的茎部上的至少一种疾病、昆虫侵扰和/或营养缺乏症。154.在激活步骤342，也称为步骤d2)中，激活uav的至少一个病害、害虫和/或营养缺乏症控制单元，以控制作物的至少一个叶子的远轴侧和/或近轴侧和/或作物的茎部上的至少一种疾病、昆虫侵扰和/或营养缺乏症。155.在一个实施例中，在步骤a)中，将uav飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置，其中uav包括位置确定装置。156.在获取步骤324，也称为步骤b4)中，获取与作物有关的至少一个图像，并且向控制和处理单元提供在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置。157.在一个实施例中，在步骤a)中，将uav飞行到作物的冠层内且低于所述作物的竖直高度的位置和/或在一排多个作物之间且低于所述多个作物的竖直高度的位置，其中uav包括收发器和位置确定装置。158.在获取步骤324，也称为步骤b4)中，获取与作物有关的至少一个图像，并且向控制和处理单元提供在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置。159.在发送步骤325，也称为步骤b5)中，发送关于与作物有关的至少一个图像和/或与作物有关的至少一个图像的图像分析，以及在获取到与作物有关的至少一个图像时与摄像机相关联的至少一个位置的信息。160.在接收步骤326，也称为步骤b6)中，接收飞行至已确定至少一种病害、至少一种害虫和/或至少一种营养缺乏症的至少一个位置的指令，并且在所述至少一个位置处激活至少一个病害、害虫和/或营养缺乏症控制单元，其中指令是基于由收发器发送的与作物有关的至少一个图像和/或与作物有关的至少一个图像的图像分析。161.图5示出了基站和农田上的多个uav的详细实施例的示意性表示。在该图中，基站是uav运载工具，其运载有多个小型uav。运载工具能够将uav飞行到农田并着陆、停放或悬停。一旦到达农田，uav运载工具可以发射小型uav，所述小型uav可以飞行越过田地以优化的飞行模式检测病害/害虫和/或营养缺乏症。uav可以根据需要局部地施用作物保护产品。小型uav既在作物冠层上方也在作物冠层内部飞行，或在诸如葡萄园的多排作物之间飞行，识别作物内的病害感染、昆虫侵扰和/或营养缺乏症，并局部施用产品来控制这些感染、侵扰和/或营养缺乏症。uav能够在作物冠层内和作物排之间飞行的一个特别优势是，它们可以在相对容易控制病害感染、昆虫侵扰和/或营养缺乏症的早期阶段且在已发生对作物的严重损害之前检测病害感染、昆虫侵扰和/或营养缺乏症。例如，感染或侵扰可能发生在靠近地面的植物茎部处或叶子的下侧上，这些可以通过在冠层内飞行的小型uav检测到，但不能通过在冠层上方飞行的uav检测到。在图5中，在右侧的uav(可伸展的支架上的摄像机；用螺旋桨防护装置保护的螺旋桨)获取作物叶子的下侧的图像。在该图的中间的两架小型uav(在可伸展的支架上带有喷洒单元；用螺旋桨防护装置保护的螺旋桨)通过点状喷洒将液体施用到作物茎部和作物叶子的上侧。控制和处理单元可以根据从摄像机和相关联传感器接收到的信息来决定要施用的适当液体。例如，如果识别出特定的真菌病害或昆虫侵扰，控制和处理单元可以指示ulv将特定产品施用于目标区域。此外，如果在特定位置处识别出病害感染或昆虫侵扰，控制和处理单元可以指示ulv在目标区域施用治病的产品或治疗，并在周围位置施用预防性治疗。这种治疗程序将有助于减少抗药性的发展以及病害感染和昆虫侵扰的传播。本发明的一个特别的优点是，一队uav能够非常快速地探察并将控制产品自主地施用于各个植物中的区域，其益处是可以在相对短的时间内处理整个田地，用于大范围的病害感染、昆虫侵扰和营养缺乏症。工作率取决于uav的数目，二十架uva的机队可以同时处理目标田地内的二十个不同区域，而四十架的机队可以处理四十个不同的区域，并且可以具有高两倍的工作率。本发明的另一个优点是它可以用仅施用到目标区域的液体快速处理农田，从而最小化对非目标区域的施用。这是将液体施用于目标的一种更有效的方法，并且在不降低性能的情况下显着减少了施用于农田的液体量。这对环境和减少农产品中的残留物水平都有益处。这样做的益处是，需要由施用装置运载的液体量也减少了，例如从升/公顷的范围下降到大约100到10毫升/公顷的量级，在所述量级中所需的量很容易由若干架uav的机队运载。此外，由于病害感染、昆虫侵扰和/或营养缺乏症问题在整个生长季节不断发生，本发明的一个优点是它可以快速重新访问农田以重复处理，例如以1-7天为周期，以确保目标病害感染、昆虫侵扰和/或营养缺乏症的尽早得到治疗。这还减少了液体需求，因为早期生长阶段的病害、昆虫侵扰和/或营养缺乏症比后期更容易控制。此外，使用装配在拖拉机上的喷杆喷洒器喷洒田地具有高处理成本，包括司机的时间；具有带有相应高的二氧化碳排放量的高能耗；并且可能对土壤造成压实损害，特别是当作物田地出现问题时必须重复处理时。162.在另一个示例性实施方案中，提供了一种计算机程序或计算机程序产品，其特征在于被配置为在适当的系统上执行根据前述实施方案之一的方法的方法步骤。163.因此，计算机程序产品可以存储在计算机单元上，该计算机单元也可以是实施方案的一部分。此计算单元可以被配置为执行或诱导执行上文描述的方法的步骤。此外，它可以被配置为操作上文描述的uav、基站和/或系统的部件。计算单元可以被配置为自动操作和/或执行用户的命令。可以将计算机程序加载到数据处理器的工作存储器中。数据处理器因此可以被装备以执行根据前述实施方案之一的方法。164.本发明的此示例性实施方案涵盖从一开始就使用本发明的计算机程序和通过更新将现有程序变成使用发明的程序的计算机程序。此外，计算机程序产品可能能够提供所有必要的步骤来完成上文描述的方法的示例性实施方案的步骤。165.根据本发明的另一示例性实施方案，呈现了一种计算机可读介质，诸如cd-rom、usb记忆棒等，其中计算机可读介质具有存储在其上的计算机程序产品，该计算机程序产品是/可以是前一节所描述的计算机程序产品。计算机程序可以存储和/或分布在合适的介质上，诸如与其他硬件一起提供或作为其他硬件的一部分提供的光存储介质或固态介质，但也可以以其他形式分布，诸如通过互联网或其他有线或无线电信系统。166.然而，计算机程序也可以通过像万维网这样的网络呈现并且可以从这样的网络下载到数据处理器的工作存储器中。167.根据本发明的另一示例性实施方案，提供了一种用于使计算机程序产品可用于下载的介质，该计算机程序产品被布置为执行根据本发明的先前描述的实施方案之一的方法。168.必须注意，本发明的实施方案是参照不同的主题来描述的。特别地，参考方法类型权利要求描述了一些实施方案，而参考uav、基站和/或系统类型权利要求描述了其他实施方案。然而，本领域技术人员将从以上和以下描述中得知，除非另有说明，除了属于一种类型的主题的特征的任何组合之外，还认为与不同主题相关的特征之间的任何组合与本技术一起公开。169.尽管已经在附图和前面的描述中详细地例示和描述了本发明，但是这样的例示和描述应被认为是说明性或示例性的而不是限制性的。本发明不限于所公开的实施方案。通过研究附图、公开内容和从属权利要求，本领域技术人员在实践所要求保护的发明时可以理解和实现所公开的实施方案的其他变体。170.在权利要求中，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求中记载的若干项的功能。在互不相同的从属权利要求中记载某些措施的纯粹事实，并不表示不能利用这些措施的组合来谋取利益。权利要求中的任何附图标记都不应被解释为限制范围。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!