研究背景
随着气候变化和人口增长，水稻作为全球重要的粮食作物，在满足人类日益增长的粮食需求方面起着至关重要的作用。然而，水稻倒伏是影响水稻产量的主要因素之一，也会直接影响水稻品质并导致收获困难。因此，及时获取水稻倒伏数据非常重要。但是，由于涉及的土地面积较大，水稻倒伏评估通常需要大量的时间和人力，这是一项繁琐的任务。
研究内容
为了解决这个问题，本研究提出了一种适用于无人机的水稻倒伏边缘计算方法，称为实时水稻倒伏面积计算方法（RTAL）。该方法基于深度学习和摄影测量，并可以仅使用边缘计算设备实时计算大规模农田的倒伏面积。在Nvidia Jetson Xavier NX边缘计算设备上进行测试，当地面分辨率为0.1m时，最快的预测速度可以达到14417.9平方米/秒。当单次出动时间为80分钟时，预测面积可以达到10平方千米。这种方法大大提高了预测的效率，并可以提供实时的帮助，用于水稻产量测量或灾害损失评估。
研究意义
RTAL方法的提出，利用边缘计算技术和深度学习算法，可以实现对水稻倒伏面积的实时评估，大大提高了水稻产量评估的效率。此外，该技术还可以为农民提供实时的帮助，帮助他们更好地了解农田的情况，及时采取措施，保障农业生产的顺利进行。因此，该研究具有重要的现实意义和应用价值，为农业生产提供了新的思路和方法。
