BR102020015508A2 - método de identificação de ervas daninhas dentro de uma fileira definida de plantas de uma área agrícola - Google Patents

método de identificação de ervas daninhas dentro de uma fileira definida de plantas de uma área agrícola Download PDF

Info

Publication number
BR102020015508A2
BR102020015508A2 BR102020015508-3A BR102020015508A BR102020015508A2 BR 102020015508 A2 BR102020015508 A2 BR 102020015508A2 BR 102020015508 A BR102020015508 A BR 102020015508A BR 102020015508 A2 BR102020015508 A2 BR 102020015508A2
Authority
BR
Brazil
Prior art keywords
plants
area
plant
characteristic values
row
Prior art date
Application number
BR102020015508-3A
Other languages
English (en)
Inventor
Farid Khani
Original Assignee
Robert Bosch Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch Gmbh filed Critical Robert Bosch Gmbh
Publication of BR102020015508A2 publication Critical patent/BR102020015508A2/pt

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01BSOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
    • A01B79/00Methods for working soil
    • A01B79/005Precision agriculture
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01BSOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
    • A01B39/00Other machines specially adapted for working soil on which crops are growing
    • A01B39/12Other machines specially adapted for working soil on which crops are growing for special purposes, e.g. for special culture
    • A01B39/18Other machines specially adapted for working soil on which crops are growing for special purposes, e.g. for special culture for weeding
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01MCATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M7/00Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
    • A01M7/0089Regulating or controlling systems
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01BSOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
    • A01B69/00Steering of agricultural machines or implements; Guiding agricultural machines or implements on a desired track
    • A01B69/001Steering by means of optical assistance, e.g. television cameras
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01MCATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M21/00Apparatus for the destruction of unwanted vegetation, e.g. weeds
    • A01M21/04Apparatus for destruction by steam, chemicals, burning, or electricity

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental Sciences (AREA)
  • Insects & Arthropods (AREA)
  • Pest Control & Pesticides (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Mechanical Engineering (AREA)
  • Soil Sciences (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

: "método de identificação de ervas daninhas dentro de uma fileira definida de plantas de uma área agrícola". método para identificar ervas daninhas (16’) em uma fileira definida de plantas (18) de uma área agrícola, com as etapas: recepção de informação de imagem de um segmento de campo (10) de uma área agrícola com plantas (12), detectado por uma unidade de detecção óptica; identificação de pelo menos uma fileira de plantas (18) na informação de imagem por uma unidade de computação; definição de uma área de plantas de cultura (22) compreendendo pelo menos uma fileira de planta identificada (18) usando a pelo menos uma fileira de planta identificada (18) e uma área de ervas daninhas (24) diferente da área de plantas de cultura (22) na informação de imagem pela unidade de computação; apuração de valores característicos para características de plantas (26) de plantas (16) da área de ervas daninhas (24) na informação de imagem pela unidade de computação para obter uma faixa característica de valores característicos (28) de plantas (16) da área de ervas daninhas (24); apuração de valores característicos para as mesmas características de plantas (26) de plantas (14) da área de plantas de cultura (22) na informação da imagem pela unidade de computação; e identificação das plantas (16’) da área de plantas de cultura (22) com valores característicos que se enquadram na faixa característica de valores característicos (28) de plantas (16) da área de ervas daninhas obtida para identificar ervas daninhas (16') em uma fileira de plantas (18)

Description

MÉTODO DE IDENTIFICAÇÃO DE ERVAS DANINHAS DENTRO DE UMA FILEIRA DEFINIDA DE PLANTAS DE UMA ÁREA AGRÍCOLA
[0001] A presente invenção é baseada em um método para identificar ervas daninhas dentro de uma fileira definida de plantas de uma área agrícola e de uma unidade de classificação e uma máquina de trabalho agrícola com uma ferramenta de trabalho agrícola e uma unidade de classificação de plantas de acordo com o gênero das reivindicações independentes. A presente invenção também se refere a uma unidade de computação e um programa de computador.
[0002] Os algoritmos atuais para classificação de plantas geralmente são baseados em redes neurais ("Deep-Learning") e usam grandes bancos de dados de imagens que precisam ser configurados e mantidos com grande esforço. Os algoritmos para reconhecimento de plantas são bem conhecidos na literatura, por exemplo „Hemández-Serna A, Jiménez-Segura LF. 2014. Automatic identification of species with neural networks". Esses métodos de "Deep-Learning" são muito intensivos em termos computacionais, com altas resoluções de imagem e requerem muitos dados de imagem para serem treinados.
Descrição da Invenção
[0003] A presente invenção refere-se a um método para identificar ervas daninhas em uma fileira definida de plantas em uma área agrícola, compreendendo as etapas:
recepção de informações de imagem de um segmento de campo de uma área agrícola com plantas, detectado por meio de uma unidade de detecção óptica;
identificação de pelo menos uma fileira de plantas nas informações da imagem usando uma unidade de computação;
definição de uma área de planta de cultura compreendendo pelo menos uma fileira de planta identificada, pelo uso de pelo menos uma fileira de planta identificada e de uma área de ervas daninhas diferente da área de planta de cultura na informação da imagem por meio da unidade de computação;
apuração de valores de características para características de plantas de plantas da área de ervas daninhas nas informações de imagem usando a unidade de computação para obter uma faixa característica de valor característico de plantas na área de ervas daninhas;
apuração de valores característicos para as mesmas características de plantas na área de plantas de cultura na informação de imagem por meio da unidade de computação; e
[0004] Identificação das plantas na área de plantas de cultura com valores característicos que se enquadram na faixa característica de valor característico obtida, de plantas da área de ervas daninhas, a fim de identificar ervas daninhas em uma fileira definida de planta.
[0005] A presente invenção também se refere a uma unidade de computação que está configurada para executar e/ou controlar as etapas de um método descrito acima. A presente invenção também se refere a um programa de computador configurado para executar e/ou controlar as etapas de um método descrito acima, e um meio de armazenamento legível por máquina no qual o programa de computador é armazenado.
[0006] A presente invenção também se refere a uma unidade de identificação de plantas com uma unidade de detecção óptica para detectar um segmento de campo de uma área agrícola com plantas, a fim de obter informações de imagem do segmento de campo detectado, e uma unidade de computação descrita acima.
[0007] A presente invenção se refere ainda a uma máquina de trabalho agrícola com uma ferramenta de trabalho agrícola e uma unidade de identificação de plantas descrita acima, em que a ferramenta de trabalho é controlada em função das plantas identificadas na área de plantas de cultura com valores característicos que se enquadram na faixa característica de valor característico obtida, de plantas na área de ervas daninhas.
[0008] Por uma área agrícola, entende-se uma área utilizada para fins agrícolas, uma área cultivada para plantas ou uma parcela dessa área ou área cultivada. A área agrícola pode, portanto, ser uma área arável, prado ou pastagem. As plantas incluem plantas de cultura ou Plantas úteis cujos frutos são utilizados na agricultura, por exemplo, como meio nutritivo, ração ou como planta energética, bem como ervas daninhas ou ervas.
[0009] O segmento de campo pode ser um segmento de detecção ou segmento de uma imagem detectado de uma unidade de detecção óptica. As informações da imagem podem, por exemplo, ser uma imagem do segmento de campo detectado. Uma unidade de detecção óptica pode ser entendida como, por exemplo, uma câmera ou uma câmera 3D ou uma unidade de detecção por infravermelho. A unidade de detecção óptica pode ser calibrada para, por exemplo, para calcular a atribuição de altura das imagens capturadas.
[00010] O método pode compreender uma etapa de detecção de um segmento de campo de uma área agrícola com plantas por meio da unidade de detecção óptica. A etapa de detecção pode ser realizada durante uma travessia ou vôo da unidade de identificação da planta. Pelo menos uma etapa adicional do método, em particular todas as etapas do método, podem ser realizadas durante uma travessia ou vôo da unidade de identificação da planta.
[00011] Nesse caso, a unidade de identificação da planta pode compreender uma unidade móvel ou pode ser disposta em uma unidade móvel, em que a unidade móvel pode ser projetada em particular como um veículo terrestre e/ou aeronave e/ou reboque. A unidade móvel também pode ser um robô automotor ou autônomo. A unidade de identificação de plantas é preferivelmente uma unidade de classificação de plantas para classificar plantas.
[00012] A máquina de trabalho agrícola é preferivelmente uma máquina de controle de ervas daninhas. A ferramenta de trabalho agrícola é preferivelmente uma ferramenta mecânica e/ou um dispositivo de pulverização para controle de ervas daninhas.
[00013] O método compreende uma etapa de identificação de pelo menos uma fileira de plantas ou uma fileira de culturas nas informações de imagem do segmento de campo detectado por meio da unidade de computação. Pelo menos uma fileira de plantas é preferivelmente identificada usando pelo menos uma das seguintes informações: Componente de cor, em particular componente de cor vermelha das plantas no segmento de campo detectado, componente infravermelho de plantas do segmento de campo detectado, distância entre plantas, distância entre fileiras das plantas, estágio de crescimento das plantas, geocoordenadas de uma semeadura das plantas. As fileiras de planta podem ser identificadas de maneira simples por meio dessas informações, por exemplo, porque, por exemplo, as plantas de cultura são geralmente plantadas equidistantemente ou as plantas em crescimento estão mais longe do estágio de crescimento do que as ervas daninhas ou ervas. Na etapa de identificação de pelo menos uma fileira de plantas, todas as fileiras de plantas são preferivelmente identificadas nas informações da imagem ou no segmento de campo detectado. Como as fileiras de plantas se estendem essencialmente em uma fileira reta, a identificação de uma fileira de plantas pode ser realizada, por exemplo, ajustando uma fileira reta ou uma fileira de ponto central de fileiras de plantas em uma trajetória de imagem com um índice NDVI calculado (distância padronizada entre vermelho e infravermelho).
[00014] A etapa de identificação de pelo menos uma fileira de plantas inclui compreensivelmente a detecção de plantas nas informações de imagem ou no segmento de campo detectado. Por detecção de plantas entende-se, por exemplo, a determinação da presença de plantas no segmento de campo, em particular sem que as plantas sejam classificadas. A etapa de detectação de plantas pode compreender a detecção de um componente de cor, em particular de um componente de cor vermelha e/ou de um componente de infravermelho no segmento de campo ou segmento de imagem. Nesse caso, as plantas podem ser detectadas por meio da unidade de detecção óptica, por exemplo, com base em um valor predeterminado de NDVI (índice de vegetação diferenciado normalizado, formado a partir de valores de reflexão na faixa de comprimento de onda vermelho infravermelho e visível do espectro de luz), distinguindo a biomassa do solo (terra).
[00015] O método compreende ainda uma etapa de definição de uma área de planta de cultura compreendendo pelo menos uma fileira de planta identificada usando pelo menos uma fileira de planta identificada por meio da unidade de computação. No presente documento, por definição, todas as plantas na área de planta de cultura são vistas como objetos da mesma classe ou atribuídas à mesma classe, por exemplo, a classe "plantas de cultura". A área de plantas de cultura é preferivelmente definida usando pixels vizinhos de plantas detectadas na área de plantas de cultura. Nesse caso, a área de planta de cultura é preferivelmente definida em torno de uma fileira de ponto central da fileira da planta, em particular onde a fileira de ponto central da fileira da planta se estende essencialmente em uma fileira reta. A área da planta de cultura pode incluir completamente as plantas da fileira da planta. No entanto, a área de planta de cultura também pode incluir a fileira de planta sem que as plantas individuais da fileira de planta sejam completamente abrangidas. Consequentemente, a área de planta de cultura pode abranger apenas parcialmente as plantas individuais na fileira de planta. No entanto, a área de planta de cultura também pode ser a própria fileira de ponto central da fileira de planta. A área de plantas de cultura pode ser definida em torno da respectiva fileira de ponto central da fileira de planta com uma largura constante ou definida. No entanto, a área de plantas de cultura também pode ter uma largura variável, dependendo da fase de crescimento de uma planta da área de plantas de cultura disposta em uma área correspondente.
[00016] Essa forma de modalidade da abordagem proposta no presente documento oferece a vantagem adicional de que o crescimento diferente da largura das plantas de cultura na área de planta de cultura também seja levado em consideração. Isso impede, em particular, que partes da planta de cultura que se projetam para a área das ervas daninhas não sejam classificadas como ervas daninhas. Para tanto, um tubo flexível em torno do ponto central da fileira de planta é definido com base no estágio de crescimento da planta de cultura. As partes/pixels de planta que delimitam diretamente em um pixel da planta a partir da área de planta de cultura também são classificados como plantas de cultura (pixels da vizinhança).
[00017] O método também inclui uma etapa de definição de uma área de erva daninha diferente da área de planta de cultura nas informações de imagem do segmento de campo detectado por meio da unidade de computação. Por definição, todas as plantas na área de ervas daninhas são consideradas objetos da mesma classe ou atribuídas à mesma classe, por exemplo, a classe "ervas daninhas". A área de ervas daninhas preferivelmente não apresenta uma sobreposição à área de plantas de cultura. A área de ervas daninhas se estende, preferivelmente entre a área da planta de cultura ou as áreas da planta de cultura. A área de ervas daninhas pode ser uma área residual do segmento de campo, que resulta de acordo com a definição da área de planta de cultura, ou áreas de planta de cultura. No entanto, a área de ervas daninhas também pode estar a uma distância definida da área de plantas de cultura ou das áreas de plantas de cultura.
[00018] O método compreende ainda uma etapa de apuração de valores característicos para características de plantas de plantas da área de ervas daninhas nas informações de imagem por meio da unidade de computação, a fim de obter uma faixa característica de valor de característico de plantas na área de ervas daninhas. Um valor característico é determinado para cada característica da planta e por planta. Os valores característicos de cada planta formam um vetor característico. Portanto, um vetor característico é obtido para cada planta com tantas entradas quantas características de planta sejam consideradas. Cada um desses vetores característicos indica um ponto no espaço de característica. O espaço de característica tem tantas dimensões quantas características de planta sejam consideradas. Os pontos, por sua vez, no espaço de característica formam uma área característica de valores característicos ou um cluster/uma classe de plantas na área de ervas daninhas. Os valores característicos de pelo menos duas características de planta, preferivelmente de uma pluralidade de características de planta, são preferivelmente apurados no presente documento. As características de plantas são preferivelmente características nas quais as plantas ou ervas daninhas da área de ervas daninhas se diferenciam bastante das plantas ou plantas de cultura da área de plantas de cultura. As características de plantas podem, em particular, ser características geométricas das plantas. As características de planta podem, por exemplo, ser selecionadas do grupo que consiste em: Curvatura, assimetria, centro de gravidade, área, circularidade, compacidade, convexidade. Os valores característicos podem ser apurados usando momentos invariantes. Essas características ou momentos são uma descrição estatística dos objetos individuais ou plantas na informação de imagem. Os valores característicos para as características da planta com maior seletividade são preferivelmente no presente documento. Assim, a seleção de características das plantas, entre outras coisas é feita dependendo da seletividade.
[00019] Em outras palavras, é realizada uma extração de características para as plantas na área de ervas daninhas (que por definição são consideradas "ervas daninhas", por exemplo), em que através de uma combinação (adequada) ou seleção de características de planta, é estendido um espaço de característica, no qual os pontos são combinados para formar uma faixa característica de valor de característico ou um cluster/classe. A seleção das características de planta pode ser apurada, por exemplo, por dois métodos:
manualmente, especialmente pela avaliação de dados e estatísticas de teste
ou
por meio de um algoritmo, que é projetado para calcular todos as características de forma e determinar independentemente a melhor seletividade com uma composição variável de características de forma.
[00020] O método compreende ainda uma etapa de apuração dos valores característicos para as mesmas características das plantas na área de plantas de cultura na informação da imagem por meio da unidade de computação. Nesse caso, um valor característico por característica de planta e por planta é apurado analogamente à etapa explicada acima. Em outras palavras, uma extração de característica também é realizada para as plantas na área da planta de cultura (que são inicialmente consideradas por definição, por exemplo, como "plantas de cultura"), sendo os valores característicos descritos acima calculados por característica de planta e por planta.
[00021] O método também compreende uma etapa de identificação das plantas na área de plantas de cultura com valores característicos, que se enquadram na faixa característica de valor característico obtida de plantas na área de ervas daninhas, a fim de identificar ervas daninhas em uma fileira de plantas definida ou em uma área de plantas de cultura definida. Em outras palavras, as plantas na área de plantas de cultura são identificadas, cujos pontos estão no espaço de característica na faixa característica de valor característico ou no cluster/classe de plantas na área de ervas daninhas e, portanto, apresentam valores característicos de plantas da área de ervas daninhas, ou seja, de ervas daninhas. Consequentemente, todas as plantas identificadas na área de plantas de cultura, que também eram inicialmente consideradas como "plantas de cultura" por definição, agora são identificadas como ervas daninhas.
[00022] A unidade de computação é projetada para processar sinais e/ou dados. A unidade de computação pode ter pelo menos uma unidade de armazenamento para armazenar sinais ou dados, pelo menos uma interface para um sensor ou um atuador para ler sinais de sensor do sensor ou para enviar dados ou sinais de controle para o atuador e/ou pelo menos uma interface de comunicação para ler ou emitir de dados, que são incorporados em um protocolo de comunicação. A unidade de computação pode ser, por exemplo, um processador de sinal, um microcontrolador ou similar, em que a unidade de armazenamento pode ser uma memória flash, uma EPROM ou uma unidade de armazenamento magnético. A interface de comunicação pode ser projetada para ler ou enviar dados sem fio e/ou conectado a cabo, em que uma interface de comunicação que pode ler ou enviar dados com conexão a cabo, pode ler esses dados, por exemplo, eletricamente ou opticamente, a partir de uma fileira de transmissão de dados correspondente ou pode enviá-los para uma fileira de transmissão de dados correspondente.
[00023] Através do método de acordo com a invenção, agora é possível identificar ervas daninhas em uma fileira de plantas ou de uma fileira de plantas de cultura de maneira muito simples e com economia de recursos. Sem a necessidade de um banco de dados de imagens ou similar. Portanto, o método pode ser usado com muita flexibilidade, pois tira proveito das características das ervas daninhas que estão na área agrícola e as extrai para identificar ervas daninhas nas fileiras de plantas.
[00024] Isso oferece várias vantagens. Como no processo é feita uma extração automática das características necessárias das plantas usando as imagens gravadas atualmente, o processo pode ser usado para classificar facilmente as plantas identificadas ou todas as plantas detectadas. Em particular, as ervas daninhas classificadas incorretamente podem ser identificadas e classificadas corretamente nas fileiras da planta. Por conseguinte, o método também compreende, preferivelmente, uma etapa de classificação das plantas identificadas na área de plantas de cultura com valores característicos, que se enquadram na faixa característica de valores característicos obtida de plantas na área de ervas daninhas em uma primeira classe de plantas, em particular uma classe de ervas daninhas. Nesse caso, na etapa de classificação, todas as plantas na área de ervas daninhas também são preferivelmente classificadas na primeira classe de plantas, em particular a classe de ervas daninhas. Alternativamente ou adicionalmente, na etapa de classificação, todas as plantas restantes na área da planta de cultura, ou seja, todas as plantas menos as plantas com valores característicos que se enquadram na faixa característica de valores característicos obtida de plantas na área de ervas daninhas e que foram identificadas ou classificadas como ervas daninhas, são classificadas em uma segunda classe de plantas que difere da primeira classe de plantas, em particular uma classe de plantas de cultura.
[00025] Além disso, através das plantas identificadas ou ervas daninhas na área da planta de cultura pode ser usada a informação para as etapas subsequentes para identificar melhor ou mais precisamente as fileiras da planta, uma vez que as ervas daninhas identificadas ou reconhecidas permanecem desconsideradas por isso ou podem ser "ignoradas". Por conseguinte, pelo menos uma fileira de plantas é preferivelmente identificada, levando em consideração plantas previamente identificadas na área de plantas de cultura, com valores característicos que se enquadram na faixa característica de valores característicos obtida de plantas na área de ervas daninhas.
[00026] Além disso, o processo permite combater ou regular seletivamente ervas daninhas nas fileiras de plantas. Por conseguinte, o método compreende, preferivelmente, uma etapa de acionamento de uma máquina de trabalho agrícola, em particular uma ferramenta de trabalho agrícola de uma máquina de trabalho agrícola, em função das plantas identificadas na área de plantas de cultura com valores característicos que se enquadram na faixa característica de valores característicos obtida de plantas na área de ervas daninhas.
[00027] Também é vantajoso um produto de programa de computador ou programa de computador com código de programa, que pode ser armazenado em um suporte legível por máquina ou mídia de armazenamento, como uma memória semicondutora, uma memória de disco rígido ou uma memória óptica e ser empregado para executar, implementar e/ou controlar as etapas do método de acordo com uma das modalidades descritas acima, principalmente se o produto de programa ou programa for executado em um computador ou dispositivo.
[00028] Exemplos de modalidade da invenção são mostrados nos desenhos e explicados em mais detalhes na descrição a seguir. Onde:
[00029] A Figura 1 mostra uma informação de imagem ou uma imagem de um segmento de campo detectado;
[00030] A Figura 2 mostra uma representação esquemática de um espaço de característica bidimensional com a faixa característica de valores característicos;
[00031] A Figura 3 mostra uma representação esquemática do espaço de característica bidimensional da Figura 2 com pontos adicionais de plantas na área da planta de cultura;
[00032] A Figura 4 mostra a informação da imagem ou a imagem da Figura 1 com uma reclassificação das plantas identificadas na área da planta de cultura; e
[00033] A Figura 5 mostra um fluxograma de um método de acordo com um exemplo de modalidade.
[00034] Na descrição a seguir de exemplos de modalidade favoráveis da presente invenção, os mesmos números de referência ou similares são usados para os elementos mostrados nas diferentes Figuras e que possuem função similar, em que é omitida uma descrição repetida desses elementos.
[00035] A Figura 1 mostra informações de imagem ou uma imagem de uma unidade de detecção óptica ou (não mostrada) ou de um segmento de campo 10 detectado pela câmera, de uma área agrícola com plantas 12. Como será explicado em mais detalhes abaixo, as plantas 12 compreendem um grupo ou classe de plantas 14 ou plantas de cultura 14 e um grupo ou classe de plantas 16 ou ervas daninhas 16.
[00036] Como pode ser visto na Figura 1, depois que as plantas 12 foram detectadas (usando o componente de cor vermelha e/ou ido componente infravermelho e de uma informação de distância da planta), as fileiras das plantas 18 foram identificadas no segmento de campo 10 por meio de uma unidade de computação (não mostrada). A identificação das fileiras 18 da planta foi realizada pelo ajuste de fileiras de ponto central retilíneas 20 em trajetórias de imagem com o valor de NDVI máximo (diferença de vermelho para NIR) das plantas 14.
[00037] Como pode ser visto ainda a partir da Figura 1, uma área de planta de cultura 22, que compreende as fileiras de planta 18, foi definida. A área 22 de planta de cultura compreende áreas parciais com uma largura constante definida, cada uma passando simetricamente em torno de uma fileira de ponto central da fileira da planta 20. Todas as plantas 12 detectadas na área de plantas de cultura 22 são inicialmente consideradas como plantas de cultura 14 por definição ou atribuídas à classe de "plantas de cultura" 14.
[00038] Além disso, foi definida uma área de ervas daninhas 24, que é diferente da área de plantas de cultura 22 e também não tem sobreposição sobre ela. A área 24 da erva daninha fica disposta entre a área 22 da planta de colheita ou as áreas parciais da área 22 da planta de colheita e está a uma distância definida dela. Por definição, todas as plantas 12 detectadas na área de ervas daninhas 24 são consideradas ervas daninhas 16 ou são atribuídas à classe "ervas daninhas" 16.
[00039] Para identificar agora as ervas daninhas 16 nas fileiras 18 de planta ou na área 22 de plantas de cultura, os valores característicos das características de planta 26 das plantas 16 ou ervas daninhas 16 da área de ervas daninhas 24 são apurados nas informações da imagem para obter uma faixa característica de valores característicos 28 das plantas 16 ou ervas daninhas 16 da área de ervas daninhas 24. As características de planta 26 são neste caso características geométricas das ervas daninhas 16.
[00040] No exemplo de modalidade mostrado, os valores característicos de apenas duas características de planta 26 foram determinados por razões de ilustração. Conforme explicado na introdução, um valor característico é determinado para cada característica de planta 26 e para cada erva daninha 16. Os valores característicos de cada erva daninha 16 formam um vetor de característica. Por conseguinte, para cada erva daninha 16, é obtido um vetor de característica com tantas entradas quantas características da planta 26 sejam consideradas. Cada um desses vetores de características indica um ponto em um espaço de característica 30. O espaço de característica 30 tem, portanto, tantas dimensões M1, M2 quantas características da planta 26 sejam consideradas. Os pontos, por sua vez, no espaço de característica 30 formam a faixa característica de valores característicos 28 ou o cluster 28/classe 28 de ervas daninhas 16 da área de ervas daninhas 24.
[00041] Analogamente, os valores característicos para as características de plantas 26 das plantas 14 da área 22 de plantas de cultura também são determinados nas informações da imagem por meio da unidade de computação, de acordo com a ilustração esquemática da Figura 3.
[00042] Como agora pode ser visto na Figura 3, existem plantas 16' na área de planta de cultura 18 que, embora inicialmente vistas como plantas de cultura 14, têm valores característicos que estão na faixa característica de valores característicos 28 obtida das plantas 16 ou ervas daninhas 16 da área de ervas daninhas 24. Assim, essas plantas identificadas 16 "são ervas daninhas 16" dentro das fileiras de planta definidas 18 ou dentro da área de plantas de cultura 22, que inicialmente eram incorretamente consideradas como plantas de cultura 14 e agora foram identificadas por meio da unidade de computação. Dessa forma, as ervas daninhas classificadas incorretamente 16' localizadas nas fileiras de planta 18 podem ser identificadas e classificadas corretamente.
[00043] Assim, com os métodos apresentados das plantas identificadas 16' ou ervas daninhas 16‘ da área de plantas de cultura 22 com valores característicos, que se enquadram na faixa característica de valores característicos 28 de plantas 16 ou ervas daninhas 16 da área de ervas daninhas 24, pode-se fazer uma classificação juntamente com todas as ervas daninhas 16 da área de ervas daninhas 24 em uma classe de ervas daninhas. Além disso, todas as plantas restantes 14 da área de plantas de cultura 22 podem ser classificadas em uma das classes de planta de cultura.
[00044] Na Figura 4 é mostrada a informação da imagem ou a imagem da Figura 1 com uma reclassificação das plantas identificadas 16 , na área de planta de cultura 22.
[00045] A Figura 5 mostra um diagrama de fluxo de um exemplo de modalidade da abordagem apresentada no presente documento como método 100 para identificar ervas daninhas () dentro de uma fileira definida de plantas (18) em uma área agrícola. O método 100 compreende uma etapa de recepção 102 de uma informação de imagem de um segmento de campo 10 de uma área agrícola com plantas 12 que é detectado por meio de uma unidade de detecção óptica. O método compreende ainda uma etapa de identificação 104 de pelo menos uma fileira de plantas 18 na informação de imagem por meio de uma unidade de computação. O método também inclui uma etapa de definição de 106 uma área de plantas de cultura 22 compreendendo pelo menos uma fileira de planta identificada 18 usando pelo menos uma fileira de planta identificada 18 e uma área de erva daninha 24 diferente da área de planta de cultura 22 na informação de imagem por meio da unidade de computação. O método compreende ainda uma etapa de apuração 108 de valores característicos para características de planta 26 de plantas 16 da área de ervas daninhas nas informações de imagem por meio da unidade de computação, a fim de obter faixas características de valores característicos para características de plantas 26 de plantas 16 da área de ervas daninhas 24. O método compreende ainda uma etapa de apuração 110 de valores característicos para as mesmas características de plantas 26 das plantas 14 da área de plantas de cultura 22 na informação da imagem por meio da unidade de computação. O método compreende ainda uma etapa de identificação de 112 das plantas 16 , da área de planta de cultura 22 com valores de características que se enquadram na faixa característica de valores característicos 28 de plantas 16 da área de ervas daninhas 24 obtida para identificar ervas daninhas 16' dentro de uma fileira de plantas definida 18.
[00046] O método também inclui uma etapa opcional de classificação 114 das plantas identificadas 16’ da área 22 de plantas de cultura com valores de característica que se enquadram dentro da faixa característica de valores característicos 28 em uma primeira classe de planta, em particular uma classe de ervas daninhas usando a unidade de computação. Na etapa de classificação 114, além disso, todas as plantas 16 da área 24 de ervas daninhas também são classificadas na primeira classe de plantas, em particular classe de ervas daninhas e todas as plantas restantes 14 da área de plantas de cultura 22 são classificadas em uma segunda classe de plantas diferente da primeira classe de plantas, em particular uma classe de plantas de cultura.
[00047] Se um exemplo de modalidade compreender um elemento de ligação "e/ou" entre uma primeira característica e uma segunda característica, isso deve ser lido de tal maneira que o exemplo de modalidade de acordo com uma forma de modalidade tenha tanto a primeira característica quanto a segunda característica e de acordo com uma forma de modalidade adicional a primeira característica ou apenas a segunda característica.

Claims (14)

  1. Método (100) para identificação de ervas daninhas (16') dentro de uma fileira definida de plantas (18) em uma área agrícola, caracterizado pelo fato de que ele compreende as etapas:
    • - recepção (102) de uma informação de imagem de um segmento de campo (10), detectado por meio de uma unidade de detecção óptica, de uma área agrícola com plantas (12);
    • - identificação (104) de pelo menos uma fileira de plantas (18) na informação de imagem por meio de uma unidade de computação;
    • - definição (106) de uma área de plantas de cultura (22) compreendendo a pelo menos uma fileira de planta identificada (18) usando a pelo menos uma fileira de planta identificada (18) e uma área de ervas daninhas (24) diferente da área de plantas de cultura (22) na informação de imagem por meio da unidade de computação;
    • - apuração (108) de valores característicos para características de plantas (26) de plantas (16) da área de ervas daninhas (24) na informação de imagem por meio da unidade de computação, a fim de obter uma faixa característica de valores característicos (28) de plantas (16) da área de ervas daninhas (24);
    • - apuração (110) de valores característicos para as mesmas características de plantas (26) de plantas (14) da área de plantas de cultura (22) na informação da imagem por meio da unidade de computação; e
    • - identificação (112) das plantas (16') da área de plantas de cultura (22) com valores característicos, que se enquadram na faixa característica de valores característicos (28) de plantas (16) da área de ervas daninhas obtida para identificar ervas daninhas (16') dentro de uma fileira de plantas definida (18).
  2. Método (100), de acordo com a reivindicação 1, caracterizado pelo fato de que através de uma etapa de classificação (114) das plantas identificadas (16') da área de plantas de cultura (22) com valores característicos, que se enquadram na faixa característica de valores característicos (28) obtida de plantas (16) da área de ervas daninhas (24), em uma primeira classe de plantas, em particular uma classe de ervas daninhas por meio da unidade de computação.
  3. Método (100) de acordo com a reivindicação 2, caracterizado pelo fato de que na etapa de classificação (114) todas as plantas (16) da área de ervas daninhas (24) são classificadas na primeira classe de plantas, em particular na classe de ervas daninhas.
  4. Método (100), de acordo com a reivindicação 2 ou 3, caracterizado pelo fato de que na etapa de classificação (114) todas as plantas restantes (14) da área de plantas de cultura (22) são classificadas em uma segunda classe de plantas diferente da primeira classe de plantas, em particular em uma classe de plantas de cultura.
  5. Método (100), de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de que a identificação (104) de pelo menos uma fileira de plantas (18), levando em consideração as plantas previamente identificadas (16') da área de plantas de cultura (22) com valores característicos que correspondem à faixa característica de valores característicos (28)) de plantas (16) na área de ervas daninhas.
  6. Método (100), de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de que a identificação (104) de pelo menos uma fileira de plantas (18) é realizada usando pelo menos uma das seguintes informações: componente de cor, em particular componente de cor vermelha de plantas (12) do segmento de campo detectado (10), componente de infravermelho de plantas (12) do segmento de campo detectado (10), distância entre plantas, distância entre fileiras das plantas, estágio de crescimento das plantas (12), geocoordenadas de uma semeadura das plantas (12).
  7. Método (100), de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de que na etapa de identificação (104) de pelo menos uma fileira de plantas (18) todas as fileiras de plantas (18) são identificadas na informação de imagem.
  8. Método (100), de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de que as características da planta (26) são características geométricas das plantas (12) e são apuradas em particular por momentos invariantes.
  9. Método (100) para acionar uma máquina de trabalho agrícola, em particular uma ferramenta de trabalho agrícola de uma máquina de trabalho agrícola, caracterizado pelo fato de que isso é feito na dependência de ervas daninhas identificadas (16’) em uma área de plantas de cultura (22) com valores característicos, que se enquadram na faixa característica de valores característicos (28) de plantas (16) obtida da área de ervas daninhas, em que as ervas daninhas (1 6’) são identificadas por um método, como definido em qualquer uma das reivindicações precedentes.
  10. Unidade de computação, caracterizada pelo fato de que ela é configurada para executar e/ou controlar as etapas de um método (100), como definido em qualquer uma das reivindicações precedentes.
  11. Unidade de identificação de plantas, caracterizada pelo fato de que ela compreende uma unidade de detecção óptica para detecção de um segmento de campo (10) de uma área agrícola com plantas (12) a fim de obter uma informação de imagem do segmento de campo detectado (10) e uma unidade de computação, como definida na reivindicação 10.
  12. Máquina de trabalho agrícola, caracterizada pelo fato de que compreende uma ferramenta de trabalho agrícola e uma unidade de identificação de plantas, como definida na reivindicação 11, em que a ferramenta de trabalho é acionada na dependência das plantas identificadas (16') da área de plantas de cultura (22) com valores característicos, que se enquadram na faixa característica de valores característicos obtida (28) de plantas (16) da área de ervas daninhas (24).
  13. Programa de computador, caracterizado pelo fato de que ele é configurado para executar e/ou controlar as etapas de um método (100), como definido em qualquer uma das reivindicações 1 a 9.
  14. Mídia de armazenamento legível por máquina, caracterizada pelo fato de ser na qual é armazenado o programa de computador, como definido na reivindicação 13.
BR102020015508-3A 2019-08-02 2020-07-30 método de identificação de ervas daninhas dentro de uma fileira definida de plantas de uma área agrícola BR102020015508A2 (pt)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102019211642.6 2019-08-02
DE102019211642.6A DE102019211642A1 (de) 2019-08-02 2019-08-02 Verfahren zum Identifizieren von Beikräutern innerhalb einer definierten Pflanzenreihe einer landwirtschaftlichen Fläche

Publications (1)

Publication Number Publication Date
BR102020015508A2 true BR102020015508A2 (pt) 2021-02-17

Family

ID=71670074

Family Applications (1)

Application Number Title Priority Date Filing Date
BR102020015508-3A BR102020015508A2 (pt) 2019-08-02 2020-07-30 método de identificação de ervas daninhas dentro de uma fileira definida de plantas de uma área agrícola

Country Status (4)

Country Link
EP (1) EP3782467B1 (pt)
BR (1) BR102020015508A2 (pt)
DE (1) DE102019211642A1 (pt)
HU (1) HUE061095T2 (pt)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020214838A1 (de) 2020-11-26 2022-06-02 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zur Klassifizierung von Pflanzen und Computerprogrammprodukt
DE102020214837A1 (de) 2020-11-26 2022-06-02 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zur Klassifizierung von Pflanzen sowie Computerprogrammprodukt
DE102021203937A1 (de) * 2021-04-21 2022-10-27 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Ausbringen zweier unterschiedlicher Spritzmittel auf eine landwirtschaftliche Fläche
DE102021203938A1 (de) * 2021-04-21 2022-10-27 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Ausbringen zweier unterschiedlicher Spritzmittel auf eine landwirtschaftliche Fläche
CN113331160B (zh) * 2021-06-02 2022-09-27 河南省农业科学院烟草研究所 一种烟草专用精准喷药系统
DE102021207983A1 (de) * 2021-07-23 2023-01-26 Robert Bosch Gesellschaft mit beschränkter Haftung Unkrauterkennungsvorrichtung, Verfahren zu Unkrauterkennung, Computerprogramm und Speichermedium
DE102021207984A1 (de) 2021-07-23 2023-01-26 Robert Bosch Gesellschaft mit beschränkter Haftung Unkrauterkennungsvorrichtung, Verfahren zur Unkrauterkennung, Computerprogramm und Speichermedium
DE102021210510A1 (de) * 2021-09-22 2023-03-23 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Ausbringen zumindest eines Spritzmittels auf eine landwirtschaftliche Fläche
DE102021211803A1 (de) * 2021-10-19 2023-04-20 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Identifizieren von Beikräutern in einer identifizierten Pflanzenreihe einer landwirtschaftlichen Fläche
WO2023118326A1 (en) * 2021-12-23 2023-06-29 Basf Se Targeted weed control spraying

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4413739C2 (de) * 1994-04-20 1996-07-18 Deutsche Forsch Luft Raumfahrt Einrichtung zum Erkennen und Unterscheiden von Pflanzen und Bodenbereichen sowie zum Unterscheiden von Kultur- und Wildpflanzen
DE19530356A1 (de) * 1995-08-18 1997-04-10 Hilker Andreas Vielfachgerät für Mischkulturen
DE102017210804A1 (de) * 2017-06-27 2018-12-27 Robert Bosch Gmbh Verfahren Ausbringen eines Spritzmittels auf ein Feld
DE102017217258A1 (de) * 2017-09-28 2019-03-28 Robert Bosch Gmbh Verfahren zum Klassifizieren von Pflanzen

Also Published As

Publication number Publication date
EP3782467B1 (de) 2022-07-06
HUE061095T2 (hu) 2023-05-28
EP3782467A1 (de) 2021-02-24
DE102019211642A1 (de) 2021-02-04

Similar Documents

Publication Publication Date Title
BR102020015508A2 (pt) método de identificação de ervas daninhas dentro de uma fileira definida de plantas de uma área agrícola
US20230292647A1 (en) System and Method for Crop Monitoring
Lottes et al. UAV-based crop and weed classification for smart farming
Gai et al. Automated crop plant detection based on the fusion of color and depth images for robotic weed control
Kamilaris et al. Deep learning in agriculture: A survey
Valente et al. Automated crop plant counting from very high-resolution aerial imagery
Fernández‐Quintanilla et al. Is the current state of the art of weed monitoring suitable for site‐specific weed management in arable crops?
ES2837552T3 (es) Método para reconocer y clasificar una planta de raíz desnuda
BR112018009108B1 (pt) Método para a aquisição e análise de imagens aéreas
Shirzadifar et al. Mapping crop stand count and planting uniformity using high resolution imagery in a maize crop
Alzadjali et al. Maize tassel detection from UAV imagery using deep learning
Zhang et al. Estimating plant distance in maize using Unmanned Aerial Vehicle (UAV)
Weis et al. Detection and identification of weeds
Sharma et al. Predict crop production in India using machine learning technique: a survey
Che et al. The effect of growth stage and plant counting accuracy of maize inbred lines on LAI and biomass prediction
Fuentes-Peñailillo et al. Using clustering algorithms to segment UAV-based RGB images
Guo et al. Mapping of rice varieties with sentinel-2 data via deep cnn learning in spectral and time domains
Liang et al. Inter-row navigation line detection for cotton with broken rows
Xiang et al. Measuring stem diameter of sorghum plants in the field using a high-throughput stereo vision system
Ahn et al. An overview of perception methods for horticultural robots: From pollination to harvest
Ribeiro et al. Automated detection of sugarcane crop lines from UAV images using deep learning
Karegowda et al. Deep learning solutions for agricultural and farming activities
Asad et al. Detection and Mapping of Kochia Plants and Patches using High-Resolution Ground Imagery and Satellite Data: Application of Machine Learning
Crulhas et al. Blank spots identification on plantations
Estrada-Peraza et al. RGB Image-Based Coffee Rust Detection: Application of Vegetation Indices and Algorithm Development

Legal Events

Date Code Title Description
B03A Publication of a patent application or of a certificate of addition of invention [chapter 3.1 patent gazette]