CN108449988B - 用于精准农业的反向散射成像 - Google Patents

用于精准农业的反向散射成像 Download PDF

Info

Publication number
CN108449988B
CN108449988B CN201680051858.8A CN201680051858A CN108449988B CN 108449988 B CN108449988 B CN 108449988B CN 201680051858 A CN201680051858 A CN 201680051858A CN 108449988 B CN108449988 B CN 108449988B
Authority
CN
China
Prior art keywords
living plants
fruit
scanning
plant
penetrating radiation
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
CN201680051858.8A
Other languages
English (en)
Other versions
CN108449988A (zh
Inventor
阿龙·科图雷
卡尔文·亚当斯
拉斐尔·丰塞卡
杰弗里·舒伯特
理查德·马斯特罗纳尔迪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
American Science and Engineering Inc
Original Assignee
American Science and Engineering Inc
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 American Science and Engineering Inc filed Critical American Science and Engineering Inc
Publication of CN108449988A publication Critical patent/CN108449988A/zh
Application granted granted Critical
Publication of CN108449988B publication Critical patent/CN108449988B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
    • G01N23/203—Measuring back scattering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
    • G01N23/20066—Measuring inelastic scatter of gamma rays, e.g. Compton effect
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G01N33/246—Earth materials for water content
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/612—Specific applications or type of materials biological material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/613—Specific applications or type of materials moisture
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Wood Science & Technology (AREA)
  • Botany (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measurement Of Radiation (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

一种用于表征活植物的方法，其中，在田野条件下，在植物上扫描诸如x射线的穿透性辐射的一个或多个射束。从活植物检测到康普顿散射并且对其进行处理得出活植物的特性，诸如含水量、根部结构、枝条结构、木质部尺寸、果实尺寸、果实形状、果实总体积、串尺寸和形状、果实成熟度及植物的一部分的图像。使用相同的技术来测量地下水含量。康普顿反向散射被用于引导机器人夹持器来夹持植物的一部分，诸如用于收获果实。

Description

用于精准农业的反向散射成像
本申请要求2015年9月8日提交的美国临时专利申请62/215,456和2016年5月18日提交的临时专利申请62/337,971的优先权。这些申请的内容，包括其附属装置，通过引用并入本文中。
技术领域
本发明涉及用于从x射线反向散射(backscatter，背反射)特性获得作物的农业显著性的数据并且成像作物的设备和方法。
背景技术
对于最近的10,000年，作物是基于非系统地收集的数据栽培的。现在人类利用穿透植被的电磁辐射，更加系统地评估作物体内的情形已变得可能，然而，下文描述的困难至今阻碍它们的应用。
精准农业描述了基于在田地中根据位置和时间测量的作物和土壤数据的管理技术。使用数据与作物在田地中的位置的随时间的相互关系来进行可以使总体收益最大化的农田管理决定。数据采集可包括关于四个主要方面的信息：农田环境、土壤、植物或最终作物。如果跨各种各样的不同作物，尤其在特色作物方面仅存在一些方式提供这些关键方面的多个的具体的和准确的数据，就作物产量和品质而言的更多值将会是可得到的。特色作物包括用于直接销售给客户并且因此需要特别高的美学品质的食物或者药物的高价值水果、蔬菜和坚果。对于这些作物，高价值在于准确的产量预测以及植物健康两者。早期及准确地测量作物产量允许筹备用于收获、包装及存储的装备和资源以及准确地给作物定价的能力。对于基于特色作物的树木及藤本植物，植物与去年同期相比的维护和健康也是关键的。每年收集产量数据和植物健康允许使用用于施肥和灌溉以及收获规划的预测性工具。
作物估产是管理各种农业作物(包括诸如苹果的果园)的重要任务。果实作物、诸如苹果、柑桔属果实、葡萄及其他由富含淀粉并且相对低密度(叶子、枝条及树干)的植物以及紧密且富含水的果实组成。目前用于估计的技术依靠使用人力的统计样品来提供估产，这种方法是耗时的、劳动力密集的且不准确。
根据Wang等人的“Automated Crop Yield Estimation for Apple Orchards(用于苹果园的自动作物产量估算)”第13届国际实验机器人研讨会(ISER 2012)，其通过引用并入本文中，
通过对疏果强度和收获劳动力规模作出更好的决定，准确的产量预测帮助种植者提高果实品质并且减小生产成本。这也有利于包装工业，因为管理者可以使用估计结果来优化包装和存储容量。典型的估产是基于历史数据、天气条件、及工人在多个取样点手动计数诸如苹果的果实产量进行的。该处理是耗时的并且劳动力密集的，并且受限的样品尺寸通常不足以反映果园，尤其在具有高的空间变异性的果园，中的产量分布。因此，当前估产实践不准确并且效率低，而且改善当前实践将会是行业的显著成果。如上，P.1。
虽然已观察x射线散射一段时间，但是x射线量子通过电子散射的机理在康普顿的“On the Mechanism of X-Ray Scattering(X射线散射的机理研究)”，美国国家科学院院刊，第11卷，第303-06页(1925)中首次描述，通过引用并入本文中，并且因此称作“康普顿散射”。先前建议在表征植物物质中使用x射线反向散射受农产物已采摘并且在受控条件下操作的应用的限制。这些包括食物在处理期间的实际操作，如Cruvinel等人的“ComptonScatter Tomography for Agricultural Measurements(用于农业测量的康普顿散射层析成像)”，Eng.Aric.Jaboticabal，第26卷，第151-60页(2006)，和美国专利第7,734,012号(Boyden等人)论述的，两者均通过引用并入本文中。
果树种植者期望执行作物估产的自动化系统。当前技术聚焦视觉成像系统。由于易变的照明、由于叶簇导致的遮挡、及多重计数，基于视觉环境的估计具有挑战性。基于观察整个作物的难度，叶簇导致的遮挡可引起多重计数。有利地，视觉成像处理也可以是计算密集型。
向还未收获并且在田地中成活的作物应用x射线反向散射提供特定的益处，但是需要本领域至今未知的专业技术。根据本发明在下面详细描述这些专业技术和益处。为了本说明的目的，植物物质如果在生长过程中消耗能量，那么应称为“活的(living)”。
发明内容
根据本发明的实施方式，提供一种用于远程表征活植物的方法。该方法具有以下步骤
a、生成穿透性辐射的第一射束；
b、在活植物上扫描射束；
c、检测源自穿透性辐射的第一射束的来自活植物的康普顿散射以生成第一散射信号；以及
d、处理散射信号，得出活植物的一个或多个特性。
康普顿反向散射x射线特性，特别是成像，对低有效原子数的材料，诸如水和有机材料特别敏感。
本发明的一些实施方式可以使用在一个维度上校准的射束。其他实施方式可以使用在两个维度上校准的射束(称作笔形射束)。本发明的一些实施方式可以得出特性，诸如含水量、根部结构、枝条结构、木质部尺寸、果实尺寸、果实形状、果实总体积、串尺寸和形状、果实成熟度及活植物一部分的图像。在一些实施方式中，穿透性辐射可包括x射线。在其他实施方式中，x射线可包括范围在50keV与220keV之间的光子。
当前发明的另外的实施方式可以使用并行感测形态(concurrent sensingmodality，感测模式)获取数据。在一些实施方式中，感测形态可包括可见光、微波、太赫兹及超声中至少一种。其他实施方式可以使用通过并行感测形态所获取的数据，该并行感测形态用于相对于活植物的参考系配准(registration，记录)活植物的图像。在本发明的一些实施方式中，活植物可利用从运输工具发出的笔形射束进行照射。在其他实施方式中，活植物可从活植物上方照射。另外的实施方式可包括从相对于活植物水平位移的位置照射活植物。在其他实施方式中，在部署在关节臂上的扫描头中可生成射束。其他实施方式可以进一步具有夹持器和利用布置在机器人臂上的笔形射束准直的x射线源。另外的实施方式可包括衍生出活植物的根部的特性。在本发明的其他实施方式中，穿透性辐射可同时发出到两个半空间中。在其他实施方式中，扫描可包括电子地引导穿透性辐射的射束。
在本发明的其他实施方式中，辐射可穿过限定孔径。在另外的实施方式中，在扫描射束的过程期间可调节该限定孔径。在其他实施方式中，散射可在光谱上进行分辨。该分辩率可通过调制穿透性辐射的第一射束的光谱含量或者对不同光谱特征的区别敏感度的检测来实现。
在本发明的其他实施方式中，可基于区别性光谱特征区分有机特征。在本发明的另外的实施方式中，可监测到活植物的参考系中的笔形射束的位置和方向中至少一个，并且可在闭环中控制笔形射束以维持笔形射束在活植物的参考系中的指定路径。在本发明的其他实施方式中，可相对于活植物的参考系配准散射信号的图像。在本发明的其他实施方式中，穿透性辐射的第一射束和第二射束可用于生成第二散射信号，并且该第二散射信号可被处理为得出活植物的第二特性。在本发明的其他实施方式中，至少一个得出的特性与吸水性相关联。在本发明的另外的实施方式中，第一散射信号和第二散射信号可以用于得出植物的三维特性。该得出的三维特性可以是立体图像。在本发明的其他实施方式中，第一散射信号和第二散射信号可以用于生成活植物相对于其他活植物的全体的空间坐标、活植物相对于活植物的底部的空间坐标、或者果实相对于活植物的另一部分的空间坐标。在另外的实施方式中，夹持器可以安装在机器人臂上并且闭环反馈控制系统可以用于定位该夹持器。在本发明的某些实施方式中，可以从运输工具扫描第一射束和第二射束。在本发明的其他实施方式中，第一射束和第二射束可以各自相对于相应的第一中心射线和第二中心射线扫描并且可以相对位移一角度。该角度可以在45与135度的范围内。在本发明的另外的实施方式中，第一散射信号和第二散射信号可以用于生成除了活植物之外的、位于运输工具与活植物之间的至少一个目标的空间坐标，使用这些坐标可以生成地形图。
根据本发明的另一实施方式，提供一种用于测量地下水含量的方法。该方法具有以下步骤：
a、生成穿透性辐射的射束；
b、在地面上扫描该射束；
c、从源自穿透性辐射的射束的地面检测康普顿散射；以及
d、相对于参考样本处理来自康普顿散射的散射信号以得出地面的水分含量。
仍根据本发明的另一实施方式，提供一种用于引导机器人运动的方法。该方法具有以下步骤：
a、生成穿透性辐射的第一射束；
b、在活植物上扫描第一射束；
c、检测源自穿透性辐射的第一射束的来自活植物的康普顿散射以生成散射信号；
d、处理散射信号以得出活植物的特性；以及
e、使用植物的得出的特性引导机器人的夹持器来夹持活植物的部分。
另外的实施方式可包括利用夹持器收获植物。在本发明的其他实施方式中，夹持器可以安装在机器人臂上并且系统可以使用闭环反馈控制系统来定位该夹持器。
附图说明
参考附图，通过参考以下详细描述，将更容易理解本发明的上述特征，其中：
图1示出水根据波长或者光子能量对电磁辐射的相对吸收的图表。
图2根据本发明的实施方式示出水平反向散射扫描装置的后视图。
图3根据本发明的实施方式示出双面扫描装置。
图4根据本发明的实施方式示出上下反向散射扫描装置的视图。
图5根据本发明的实施方式示出示例性双能量检测器扫描装置。
图6根据本发明的实施方式示出农业场景的示例性x射线反向散射图像。
图7根据本发明的实施方式示出描绘扫描方法的步骤的流程图。
图8根据本发明的实施方式示出描绘用于引导机器人运动的方法的步骤的第二流程图。
图9根据本发明的实施方式示出使用扇形射束照明的扇形射束扫描装置。
图10根据本发明的实施方式示出一曲线图，该曲线图示出了使用来自扫描处理的体积信息来量化果实。
图11是根据本发明的实施方式的列出可以应用反向散射成像的特色作物的示例性类型的图表。
具体实施方式
如本发明人首次认识到的，约50-220keV能量范围中的康普顿散射x射线辐射是作物尺寸和产量的理想探测器，因为该辐射从水中有效地散射，并且在康普顿x射线反向散射成像中以鲜明对比显示。x射线穿透低密度目标，诸如叶子或者枝条，并且相应地显示较小的反向散射信号。穿透叶簇并生成对含水量敏感的信号的能力允许反向散射x射线成像，以相对于其他技术(诸如可见光成像、红外成像或者雷达成像)提供非常准确的数据。
下文描述提供关于反向散射成像应用于在精准农业领域中的各种各样的难题的详细教导，包括估产、在季节期间和与去年同期相比作物和植物的发展、水管理、机器人收获、及数据合并和管理。
虽然x射线反向散射已用于许多物质的特性化，但人们始终认为不可能使用反向散射技术表现作物体内的特性，这些因为反向散射技术倾向于运动诱发的几何无规律性和变化，这在目前应用中是无法接受的，因为用户缺少对样本位置和稳定性的控制。在散射技术无法控制和没有规律性的情况下，可能无法获得适当的作物估产。作物估产是管理各种农业作物(诸如苹果、葡萄和黄瓜)的重要任务。通过对疏果强度和收获劳动力规模作出更好的决定，准确的产量预测帮助种植者提高果实品质并且减小操作成本。管理者可使用估计结果来优化包装和存储容量。能够评估产品尺寸和数量的扫描仪可应用于总体作物估产；用于灌溉、肥料及杀虫剂的空间分布图；对病害、昆虫、或者作物损失的其他原因的检测、损伤评估和绘图；作物生长率和发展的时间分析；及测试肥料或者杀虫剂的功效。
果树作物(诸如苹果、柑桔属水果、葡萄等)由富含淀粉、低密度特征(叶子、枝条及树干)和紧密和富含水的果实组成。约100keV能量范围内的x射线辐射从水中有效地散射，并在康普顿x射线反向散射成像中以鲜明对比显示。x射线穿透低密度目标，诸如叶子或者枝条，并且相应地显示较小的反向散射信号。
除了图像中作物的数量，3D位置还可用于防止重复计数，及更好地理解杀虫剂和肥料的目标位置。通过包括多个x射线照明角度，可以估计3D位置。另外，可以记录x射线源的精确位置。为了校正地平面的非均匀性，优选记录该源的位置以及方位的感测。在某些实施方式中还可以使用全球定位系统(GPS)在田地中进行定位，可选地结合用于施肥的GPS的使用和杀虫剂的应用的使用。
本发明的实施方式可将多个感测系统结合到移动运输工具上以允许用于作物估产的精确的、快速的、自动化的检测系统。实施方式可包括x射线系统和位置与方位感测的组合，这防止了在从作物行的两侧扫描时重复计数。
另外的实施方式可包括x射线系统，该x射线系统包括可用于计算作物的3D位置的多个视角。在一些实施方式中，x射线成像系统在源和检测器的设计上得到优化，以使灵敏度最大化并且因此增大检查速度。具体地，使用源和区域检测器的编码孔径配置可以实现快速扫描速率。在Huang等人的美国专利第5,940,469号中可以找到使用编码孔径x射线反向散射检测技术的完整描述，其通过引用并入本文中。
确定作物的产量需要利用指定空间分辨率测量指定光谱范围上的散射强度，所有这些根据所涉及的作物变化。一个实例是葡萄栽培，葡萄的产量可以通过利用1-4mm的分辩率测量140至220keV范围内散射的变化来确定。为了从大约1米的距离以每小时1公里的速率拍摄生长作物，人们需要每个根部Hz每秒每个球面角度500-600光子的检测灵敏度。如下面详细地描述的，在本发明人认识到笔形射束X射线源用于从允许必要的灵敏度(如本发明的独特能力)的移动检验台生成康普顿反向散射信号，以穿透果实与扫描仪之间的干预生长之前，这被认为是不可能的。
对于通常需要被覆盖的大的区域(常常扫描平方英里)，扫描笔形射束可能不太可行。例如，从1m的间隙距离实现1mm2的分辩率暗示10-6sr的角分辨率或者旋转箍中0.06°的孔径。在5×108光子/每秒/cm2/mA的入射通量、1m的间隙距离及有代表性的射束光谱基础上的信噪比的计算建议通过旋转孔径产生的笔形射束的每个像素至少2.5μs的停留时间。这暗示孔径箍的每秒3,000转数的转速。包括以每行间隔3m覆盖10英亩正方形的l m高的果树的场景将包含约1010像素，因此需要利用笔形射束24小时来扫描该田地。在许多情况下，这种扫描无法提供关于对农业洞察力有用的时间表的数据。有利地，可以使用扇形射束，或者可替代地，使用编码孔径技术的锥形射束来增大通量，并且因此增大扫描速率超过100倍。在扇形射束情况下，这仅从同时检测约100共线像素中得出。
例如，在葡萄栽培领域，基于1000W耗散的160keV x射线源，采用具有8个以1800转/分旋转的轮辐的斩波轮，在两个方向上同时扫描以获得双向数据，以2.18mph的速度沿着行运动，行距130英寸的1英亩正方形葡萄园可以在0.3小时内完成扫描。
定义：“运输工具(conveyance)”应该是任何设备，特征在于：承载位于地面接触构件(诸如用于将装备从一个位置运送至另一位置的车轮、轨道、踏板、刹车等)上的平台。
如本文和任何所附权利要求中使用的，词语“拖车(trailer)”应指代适合于在底表面上由机动车辆拖拉的运输工具或者在本文中可以称为“拖拉机”的运输工具。
如本文中和任何所附权利要求中使用的，词语“图像”应指代任何多维表示，无论以有形形式或者其他可感知的形式还是其他方式，由此一些特性(振幅、相位等)的值与对应于目标在物理空间中的维度坐标的多个位置的每个相关联，然而不必一一映射其上。因此，例如，一些田地的空间分布的图形显示(标量或者矢量，诸如亮度或者颜色，或者x射线散射强度等)构成图像。因此，计算机存储器或者全息介质中的数字阵列，诸如3D全息数据集也是如此。类似地，“成像”指代依据一个或多个图像渲染所述的物理特性。
术语“x射线源”应表示产生x射线的设备，包括(不限于)x射线管，或者通过高能粒子撞击的轫致辐射目标，无需考虑用于生成x射线的机构包括(不限于)线性加速器等。
“半空间”应指代虚平面将三维空间划分为两部分中的每个部分。
“活植物”应指代未收获的植物，就是说活植物仍然连接至提供用于其生长的营养物来源。
在本领域中以另外方式指代“臂工具的末端”的“夹持器”是用于保持并操纵目标的远程操作设备。其可以是本领域熟知的并且包含在本发明的范围内的钩爪、袋状物、抽吸设备等。
“机器人臂”是将夹持器耦接至基座的致动机械联动装置，其中基座可以是车辆或者其他运输工具。
如本文中使用的，术语“部件”指代目标，应该包括目标的部分或者全部。
“扫描仪”是用于移动射束传播方向的设备。在美国专利第9,014,339号(Grodzins等人的“Versatile X-Ray Beam Scanner(多功能的X射线束扫描仪)”)中描述了可以与X射线束一起使用的扫描仪的实例，该扫描仪的实例包括机械扫描仪，诸如旋转箍，具有旋转阳极孔径的x射线管，如美国专利第9,099,279号(Rommel等人的“X-Ray Tube with RotatingAnode Aperture(带旋转阳极孔径的X射线管)”)中描述的，或者电子扫描仪，例如，美国专利第6,282,260号(Grodzins的“Unilateral Hand-held X-Ray Inspection Apparatus(单边手持式X射线检测仪)”)中描述的。所有这些扫描仪在本发明的范围内。
更一般地，术语“扫描头”用于指代引导射束的硬件，并且例如，可包括通过扫描仪扫描的辐射源。
“扫描装置”应指代用于基于在场景上扫描的辐射(诸如x射线)，表现扫描目标或者场景的特性的系统。扫描装置可包括用于检测散射辐射的检测器，并且还可包括用于运送扫描头和检测器以及诸如电源、传感器等的辅助设备的运输工具。
“扇形射束”是在横向于射束的传播方向的一个维度上进行校准的射束。
“笔形射束”是在横向于射束的传播方向的两个维度上进行校准的射束。
“有机特征”是有机物(诸如植物)的、与无机物进行区分的物质的特征。有机特征可包括，但不限于含水量、根部结构、枝条结构、木质部尺寸、果实尺寸、果实形状、果实总体积、串尺寸、串形状及果实成熟度。
反向散射成像利用照射目标的x射线辐射的笔形射束并检测来自目标的康普顿散射辐射。反向散射成像中的对比度取决于材料的组成物。由于康普顿散射生成和x射线吸收的两个竞争效应，生物学材料，由包括氢、碳、氮、及氧的低原子数材料组成，在反向散射x射线成像中具有强烈的对比度。康普顿散射截面以与原子数(Z)成正比例上升，因此更高的Z材料散射更多。然而，光电吸收与Z4/E3成比例，因此对于尤其在较低能量的更高的Z，光电吸收防止康普顿散射x射线离开目标材料。约50-220keV能量范围中的康普顿散射x射线辐射是作物尺寸和产量的理想探测器，因为该辐射从水中有效地散射，并且在康普顿x射线反向散射成像中以鲜明对比显示。该能量用于深度渗透土壤和/或对植物根部进行成像。虽然描述了约50-220keV范围中的操作，但是该范围是以实例的方式提供的而非出于限制意图。
在图1中根据波长(以米为单位)或者光子能量(以eV为单位)绘制的水蒸气的吸收光谱突出了在x射线区域中由光电效应支配的可见光谱的短向区域中的显著衰减。因此，如农业环境中要求的，不建议较短的波长辐射从任何实质的间隙距离进行检测、成像或者作物的任何特性化。因为较短的波长成像性能逐渐变差，所以用于康普顿散射x射线成像的辐射穿透、散射、及成像性能满足实现良好的估产性能要求的所有标准是违反直觉的。
用于作物产量的反向散射成像可有利地应用于具有分离的或者成串的果实的任何作物，包括树、藤本植物或者植物。作物可以在种类、尺寸及形状上变化但是扫描方法，包括根据本发明的一些实施方式跨植物线性平移成像器，可保持相同。
较大的苹果树和柑桔属树通常生长在室外，而较小的类似番茄、南瓜、甜瓜等可以生长在温室或者室外。在本发明的实施方式中，相同的基本反向散射系统可以用于多个应用，其中，诸如射束光谱含量或者停留时间的参数被修改用于特定的应用。
根据本发明的某些实施方式，扫描装置，大体上由图2中的数字101表示，具有位于臂组件的末端的扫描头。扫描装置101可以用于水平扫描或者上下扫描。
图2根据本发明的实施方式示出水平反向散射扫描装置101的后视图。在该实施方式中，扫描头100安装在机器人104的臂102上。此外，夹持器106还耦接至机器人104的臂102。机器人104可以装载在运输工具108上、自力推进、或者可以是自主的或者被引导的。在本发明的一些实施方式中，运输工具108，如上文限定的，为拖拉机、卡车、或者机动拖车。另外，运输工具可以具有扫描电子设备113和一个或多个传感器110。在一些实施方式中，水平反向散射扫描装置101可有利地使用康普顿反向散射x射线成像，该康普顿反向散射x射线成像对包括水和有机材料的低原子数敏感。康普顿反向散射x射线成像可有利地用来检测通常包含浓缩量的水的果实112。
在一些实施方式中，为了执行位置感测，例如，可以共同配准多个数据流(诸如x射线、可见光、微波、亚亳米波及红外线)的位置。在一些实施方式中，位置感测装置116可在任何给定时间确定运输工具108的位置。优选以高达要求成像的最小特征的尺寸的1/5的准确度来确定位置。在一些实施方式中，还可以记录运输工具108的方位，以保存相对的照明角度和x射线源114相对于作物的位置。
在本发明的一些实施方式中，图像分辩率与x射线源功率成比例并且与扫描速度成反比例。作物类型应用通常关于需要多少扫描时间和功率而不同。例如，扫描未管理的苹果树或者柑桔属树，与经管理的树需要的情况相比，可能需要更大的功率及更慢的扫描速度。未管理的树具有比经管理的树更大的高度和直径，因此需要更大的功率和能量来成像更大的树高度和直径。这对应于更大的功率和能量。经管理的果园的经管理的树的枝条附接至格子。未管理的果园的未管理的树没有格子结构。
由轫致辐射产生的x射线束包含能量高达端点能量的光子，端点能量等于撞击轫致辐射目标的最高能量的电子的能量。当x射线束在本文中仅由能量表征时，该能量应指代射束的端点能量。因此，如果第一x射线束的端点能量超过第二x射线束的端点能量，将第一x射线束称为比第二x射线束更高的能量。
相对于周围枝条和叶簇材料(本文中指代“干预材料”)，成熟的作物由相对高浓度的水、碳及氮组成。进一步参考图2，对于击中果实112的笔形射束120，康普顿散射信号将随着一些(而不是所有)果实的半径而增大入射的x射线的光谱，这是因为作物中发生的散射和吸收的多个处理，如随时计算的。笔形射束120在本文中还可以称为“输入射束”或者“扫描射束”。在扫描射束120穿过组成作物的植物127的厚度时，输入射束120的一部分从植物127散射。植物127，在散射x射线的情况下，在本文中还可以称为“目标”，在输入射束120穿过植物127的情况下，还可以称作“物质”。
用于由果实112散射的输入射束120的辐射在本文中还称为散射辐射130(或者“反向散射x射线”)，现在必须通过相同的干预物质传回以回到检测器125。反向散射x射线130的各个光子的能量比引起散射的入射束120的光子低，并且将通过输出的干预物质衰减。“输出的干预物质(Outgoing intervening material)”指通过由途中的散射辐射130穿过的植物127至检测器125的路径。由于康普顿散射导致的能量传递的效应是散射角度和能量的函数。对于叶簇和小直径的作物，诸如柑桔或者苹果，散射辐射通过果实自身的厚度时没有明显的衰减，然而，对于非常大的作物，诸如甜瓜，在果实自身内可能出现反向散射x射线的显著衰减。不论在哪种情况下，果实的高散射相对于干预物质的低散射在检测到的散射信号中强调果实。
在一些实施方式中，水平反向散射扫描装置101可以通过运输工具108一侧以外的扫描来扫描植物、水果、或者树木。如图3中，该配置可以具有一个扫描仪100或者两个扫描仪。
图3描述根据本发明的实施方式的双面水平反向散射扫描装置，总体上由数字201表示。在本发明的一些实施方式中，多个反向散射x射线扫描头203、205放置为紧密邻近植物127并且允许观察可以生长作物的区域的全视图。x射线源228产生扫描仪203和205扫描的x射线以创建扫描射束222用于一次扫描多行(例如，扫描仪的每侧)。在采用多定向射束的地方，屏蔽物235通过相对定向的检测器203防止检测散射。
用于x射线成像的扫描装置(诸如双面水平反向散射扫描装置201)在本文中还可以称为“x射线成像器”。x射线成像器201在运输工具108运动时可不断地或间歇性地操作。例如，在本发明的范围内，成像系统可采用飞点/笔形射束222、扇形射束成像、或者编码孔径成像。根据本发明的各种实施方式，在双扫描仪配置201中可以搜集三维信息。在其他实施方式中，可以通过包括单个系统搜集三维信息，该单个系统通过以周期间隔旋转成像系统201而以可变的角度获取图像。在一些实施方式中，在运输工具108上包括具有不同视角的多个成像扫描仪203、205可以用来获取3D信息，其中，运输工具108不断地记录反向散射信号或者多个角度的编码孔径成像。除了x射线检测器230(本文中还称为x射线传感器)，在某些实施方式中可包括额外的感测以提供关于运输工具108在作物127的参考系内的位置和方向的准确信息。这提供用于管理射束222的方位，或者用于使用跟踪位置在获取的图像内配准反向散射信号(图6中示出)。这可有利地提高测量作物127的尺寸和/或作物127的体积的能力。还可以将Ghz/Thz辐射、热/IR、及超声技术与x射线数据合并来产生所扫描场景的3D图像。
图4根据本发明的实施方式示出总体上由数字301表示的上下反向散射扫描装置的视图。上下反向散射扫描装置301具有包括作物127的视野310。在一些实施方式中，可以为具有多个高度的作物设置可调节高度台架303。上下扫描可以用于诸如草莓的植物。如果扫描装置301的高度增加，根据本发明的实施方式一次可以获得多个结果。在本发明的一些实施方式中，耦接至运输工具108的扫描头305被耦接至现有的喷洒装备以减小种植者的实现成本。
扫描头100可发出覆盖大约4-5英尺宽度的x射线。x射线检测器230的大检测区域将增加检测到的通量并且因此增加扫描速率。优选在诸如棉花、甜瓜等可能不允许来自顶部的侧面照明的足够空间的作物的地方。可以增加x射线通量来增加扫描速率，然而，如果通过增加孔径尺寸实现额外通量，则以图像分辩率为代价。对于典型装置301，可以利用尺寸高达4mm的射束孔径。在一些实施方式中，对于具有重复形状的点目标的成像，编码的孔径成像系统可允许更高效的成像。在其中目标的形状相同、但尺寸和位置改变的水果作物的情况下，可以使用编码孔径x射线成像系统来有效地确定目标在视野中的位置和尺寸。因为成像系统允许照亮全区域，所以编码孔径系统中递送至作物的通量可以明显较高。这可有利地增加系统的扫描速率。
图5根据本发明的实施方式示出总体上由数字401表示的示例性双扫描仪扫描装置。第一射束403和第二射束406可以从运输工具108扫描。在本发明的其他实施方式中，第一射束和第二射束可以各自相对于相应的第一中心射线405和第二中心射线407扫描并且可以相对位移一角度。虽然第一中心射线405和第二中心射线407在所示的实施方式中是平行的，但是在其他实施方式中，第一中心射线405和第二中心射线407之间的角度可以在45与135度之间。射束403和406的发射适当地分阶段，因此达到检测器230的散射光子的起源是明确的。
图6示出根据本发明的实施方式产生的农业场景的示例性x射线反向散射图像，总体上由数字501表示。在本发明的一些实施方式中，作物产量图可由四条信息：果实尺寸、果实数、植物位置和日期/时间组成。在图像501中可以突出果实503以辅助获取上面论述的表征数据。为了辅助历史数据，在一些实施方式中，扫描装置可耦接至GPS单元以监测果实或者植物的位置。数据可以被收集、相关联并且存储在数据库中。可以为种植者生成报告以向种植者反映所收集的数据。根据本发明的实施方式，利用相同的植物/树木的历史数据，可以有利地年年跟踪作物健康。
除了用于产量和植物健康的反向散射成像数据，根据某些实施方式，可以将其他数据来源合并以构造对本地环境的充分理解。有利地，本地环境可能包括温度、湿度、土壤条件及更多。
在一些实施方式中，软件可以具有易于理解的图形用户界面，允许种植者访问并将各条信息显示到易于读取的界面。在某些实施方式中，可以包括用于植物和作物的历史数据的报告和图形表示。该数据可包括植物健康、作物健康、作物产量、单个植物健康和生长及各种其他数据。
现在参考图7和图8的流程图描述根据本发明的实施方式的方法。图7根据本发明的实施方式示出总体上由数字601表示的描绘用于扫描活植物的方法的步骤的流程图。具体地，用于扫描的方法601可识别活植物的特性，诸如有机特征，其中，在上文限定了认为是有机的特征。在本发明的一些实施方式中，软件算法可改善噪声抑制、重复计算分辩率及作物尺寸/分布估计。另外，算法可以通过映射田地来用于表示哪些作物需要更多或更少的水/肥料。
在第一步骤602中，生成穿透性辐射的射束。应当理解，在本发明的任何实施方式的范围内，源可以暂时调制。在过程604中，生成的射束在活植物上扫描。在过程606中，使用至少一个散射检测器来检测康普顿散射。在本发明的一些实施方式中，使用多个散射检测器125(图2中示出)或者以其他方式执行检测，以使得一个信号优先配准高能散射，而第二信号优先配准低能散射。高能散射和低能散射是相对于彼此限定的术语，并且在本文中用于表示全部根据已知的多能量技术通过改变入射x射线的能量分布或者通过检测到的散射的能量分辩率设置能量分辨率。在采用能量分辨率时，在过程608中计算反向散射信号从低能量至高能散射检测的比率。在通过引用并入本文中的美国专利第8,442,186号中进一步说明该计算。应当理解本文中使用的术语“比率”包含加权或者校正的比率、对数的差异等。一旦计算出低能至高能散射信号的比率，将该比率与阈值进行比较以确定活植物的特性(608)。
在本发明的优选实施方式中，在图像中逐个像素的基础上比较在不同能量光谱处的检测之间的比率R的值与指定阈值，允许为图像中的每个像素进行确定。然而，在用于植物检查的实际系统中，由于在单个像素的积分时间中可以检测到有限数量的散射光子，所以x射线强度通常不足以允许为单个像素计算的R的值达到要求的精确度。为此，可以分析图像的由许多像素组成的子区域，例如10×10区域，及从来自子区域的所有像素的总计反向散射信号计算的R的值。
在本发明的另外的实施方式中，软件算法可以用于尺寸估计、处理并且消除重复计数，并且确定作物在3D中的位置。在一些实施方式中，尺寸估计算法用于确定所扫描图像中的特征。
在一些实施方式中，软件算法可以用于尺寸估计。反向散射x射线在图像中生成高对比度、分离的散射特征。软件算法可以用于使用已知的孔径响应函数去卷积(deconvolve)果实尺寸。利用去卷积的图像，可以估计果实的尺寸。
另外，算法可以用于拒绝不紧密并且分离的特征。这些特征可包括枝条、树干或者叶子。在另外的实施方式中，图像处理软件可以与位置数据结合来利用来自行两侧的扫描的数据消除重复计数。实施方式还可以使用3D重建算法，该3D重建算法使用运输工具的位置和方向信息及x射线照明的多角度视野。
在本发明的其他实施方式中，通过监测植物树干中的含水量来确定植物健康。通过改变反向散射源的能量级，可以看出植物的含水量仅在树木的形成层的树皮下面。通过将树木与树木进行比较，成像处理算法可以指出哪些树木缺水和哪些树木是健康的。类似地，根据本发明的实施方式，使用更高的能量并将扫描引导至根系，反向散射可以穿透密度小的土壤来确定一些根部结构。这些扫描还可以确定土壤的湿度是否足够适于植物生长。土壤的密度越小，允许单个反向散射穿透更深以允许更好地检查根系。
此外，在其他实施方式中，算法可以用于跟踪根部结构和总体植物健康。对于类似草莓的植物，根系接近表面并且因为根部的含水量大于土壤，根部突出并且可以类似枝条进行映射。在某些实施方式中，对根部的长度和厚度进行测量，并且相对于植物成熟度与历史参考进行比较，并且可以确定植物健康方面。
本发明的另外的实施方式可针对土壤水分含量进行扫描。在一些实施方式中，算法可以具有关于本地附近的含水量的对于湿土壤样本和干土壤样本的历史参考级。从土壤扫描的图像，可以监测到含水量信号级以确定地面对于植物是否足够湿润。
在精准农业行业中，重要的是可以在植物生长时确定作物健康。为了辅助作物健康，根据一些实施方式，沿着发展过程可以采取反向散射扫描。
在一些实施方式中，可以在出芽后使用扫描。对于苹果和柑桔属作物，出芽后通常发生在果实直径几毫米时。在该阶段，果实如果患病(太小或者不规则形状)或者如果果实成串，可将其淘汰。如果成串，可以淘汰果实来减小串中的果实数量，因此，防止随后在生长阶段损伤果实。在一些实施方式中，可以使用出芽后阶段的扫描来确定果实数并且定位串。
扫描可以定位果实串并且还计数新出现的果实。在较小的植物中，可以扫描根部结构来确定植物的适当发展。如果根部坚固并且发展得足以使果实成熟，可以确定图像处理例程。
在其他实施方式中，在生长中可以使用扫描。出芽后阶段不久后，树木倾向于随着自己的适者生存淘汰果实。在该自身淘汰过程之后，树木通常将剩余果实保持到成熟。在果实，诸如苹果或者柑桔类果实，在30至40毫米之间时扫描作物，将给出种植者成熟时的准确估产。在该扫描阶段，种植者可以保持并准确了解在淘汰步骤期间损失多少果实。
在其他实施方式中，扫描被用于确定作物健康。因为果实主要由水构成并且具有强的反向散射信号，所以在果实生长时可以监测作物健康。枝条结构还可以作为另一机理来监测以确定树木健康。在其他实施方式中，通过将能量从较高的能量(例如，大于100keV)改变至较低的能量(例如，50keV)，可以评估树冠，因为较软的x射线可引起更多的信号针对叶子返回。另外，在另外的实施方式中，通过使反向散射与光学成像合并并且使用信号处理，可以从水分含量(利用反向散射x射线扫描)和光学更精确地评估树冠来确定颜色和尺寸。
在某些实施方式中，还可以使用反向散射扫描来确定作物的成熟度。成熟之前(例如，采摘前几周)，反向散射扫描可以获得包括计数的实际作物产量，并且可以计算尺寸，因此种植者可以(或者利用反向散射自动化)确定采摘工作力度、需要的包装材料量，确定市场价格，及在采摘之前可以获知利润和损失。
随着果实成熟，果实的含水量显著增加并且可以上升至果实体积的85％-90％。过剩的水允许反向散射返回的信号给出果实的更加准确的表示。利用该更新的信息，可以更加准确地确定尺寸、形状及数量，给出种植者关于作物产量(例如，作物体积)的非常准确的信息。
该体积信息允许种植者准确地计划并且确定采摘果实需要的劳力、需要的包装材料、设定市场价格及利润和损失。
本发明的实施方式还可以有利地用于病害检测。病害是种植者的主要问题，因为病害减少作物的总利润。病害也可以指寄生物或者昆虫损伤/蔓延。通过对作物执行若干次应时的反向散射扫描，健康的植物的果实和枝条中将具有足够量的水。通过改变树冠的能量级也可以检查含水量。在某些实施方式中，一些幼虫和昆虫可以被发现，但是它们需要被反向散射拾取的足够的尺寸和密度。
本发明的实施方式也可以用来监测并跟踪植物发展和健康。这可包括，但是不限于，枝条结构和映射、叶簇映射、根部映射及树干结构。
在本发明的某些实施方式中，通过使用反向散射扫描，图像处理可以在季节期间并且每年映射枝条生长结构。这是良好的植物健康指示，因为枝条通常在季节期间根据植物/树木品种以各种速率生长。了解每年的生长可以给出种植者有价值的信息，来确定植物/树木是否需要更换或者植物是否需要更多或更少的肥料和/或水。
随着植物在季节期间成熟，树冠开始变薄并且通常在季节发展的早期，树冠变厚并且大约在季节中间，树冠可以是饱满的。在某些实施方式中，为了保证树冠适当地生长，在季节期间可以通过反向散射扫描映射叶簇。可以将植物树冠与相邻的植物和田地中的其他植物进行比较，以确定可能是植物病害、昆虫、寄生物、灌溉问题或者肥料问题导致的任何图案。可以针对叶子尺寸和含水量(信号返回振幅)处理反向散射图像。
植物根系对于植物健康是关键性的。在一些实施方式中，扫描仪通过使用高能(例如，大于140keV)可以扫描诸如草莓的植物周围的地面并且获得近地表根部结构的图像。根部如果充满了水，则将突出。通过处理图像并且给出种植者根部信息，种植者于是可以决定是否需要在发展早期替换植物，因此植物仍然具有结果实的时间。在没有本发明的实施方式的情况下，种植者可能不得不等到生长期的末尾才确定根部健康，这时注意到停滞的植物生长可能过晚。
植物的树干的内部部分包含心材，心材是来自先前的木质部生长的枯死材料并且不包含植物中输送的水。根据某些实施方式，因为心材和木质部中的含水量和密度不同，所以树干的成像可区分这两个层。在心材和木质部中反向散射信号的维度以及相对强度可用作树木健康的量规。
本发明的实施方式可以用于检测地下水和吸水性。在本发明的某些实施方式中，x射线反向散射信号由土壤中的含水量调制。反向散射信号还可以通过土壤衰减，防止系统检测深度大于3-4”的含水量。根据某些实施方式，x射线反向散射信号的深度灵敏度将取决于土壤组成物和密度。反向散射成像系统可以映射出土壤中的含水量的相对变化。水少的土壤将具有指示区域干燥的弱的反向散射信号。一个用于测量含水量的示例性方法如下：对具有变化的水分条件的土壤进行参考样本扫描。参考扫描可以用于构建涉及反向散射信号和含水量的相互关系或者查找表。然后可以使用参考扫描来测量土壤组成物保持不变的地点处的相对水分含量。
此外，根据某些实施方式，x射线反向散射信号可以用作植物中的含水量的量规。例如，植物的树干和枝条可以利用反向散射x射线系统成像，以确定植物是否接收足够的水并且还表示防止水吸收的患病情形。树木中的水输送发生在位于树干的外直径处的边材或者木质部中。相对散射强度以及木质部尺寸的下降可表示缺水情况或者病害。对于类似番茄的较小植物，整个茎杆输送水。对于更健康的植物，该信号级将高于没有通过树干接收同样多的水的植物。
在其他实施方式中，算法可以用于跟踪树干和枝条含水量。在一些实施方式中，算法可分割并检测植物的枝条和树干系统。然后算法可以检查树干两侧并且确定边缘亮度以指出与树干的中心部分相比较的含水量。在一些实施方式中，算法和扫描仪可能跟踪树干的木质部周围关于含水量的一致性。因为树干图像的中心可以具有薄于图像边缘的木质部截面，木质部深度在图像边缘由于树干的曲率导致较深，所以根据本发明的一些实施方式，边缘在信号返回中可以是更亮的。这表示树干的水分级。通过具有含有和不含有水分的参考树干图像，可进行比较来确定树干的健康情况。
图8根据本发明的实施方式描绘具有用于引导机器人运动的方法的步骤的第二流程图701。图8是与图3中示出的平行的过程的流程图，除了在这种情况下，该方法使用处理的散射信号来引导机器人的夹持器抓取活植物710。生成穿透性辐射的射束(602)并且在活植物上进行扫描(604)。检测来自活植物的康普顿散射(606)并且处理生成的散射信号(608)以得出活植物的特性，并且以与源自其他感测形态的输入的可能的组合用于引导机器人的夹持器抓取植物或者其部分。
图11提供列出可以应用反向散射成像的特色作物的示例性类型的图表。植物高度和宽度用于估计需要的成像条件。参考功率是在源处耗散的功率，即，至目标的电子流(mA)乘以目标的电势(kV)的乘积。
苹果或者柑桔属树具有可以作为单个果实或者小区域中的两个或多个果实串生长的果实。通常，成串导致不准确的计数和损坏果实使得它们不能在成熟时出售的最坏情况。在一些实施方式中，在使用反向散射技术的早期阶段，种植者可以准确地定位这些串并且修剪或淘汰它们，因此可以收获成熟的果实。在一些实施方式中，通过以立体模式使用两个同步反向散射源进行树木的两个正交扫描可以定点精确位置。为了使用两个正交的源并且获得适当的成像，根据一些实施方式，源扫描是交叉的，因此在一个源发出x射线时，其他源不发出。例如，在美国专利第7,400,701号(Cason的“Backscatter Inspection Portal(后向散射检查门户)”)中描述了x射线源交叉技术，通过引用将其并入本文中。在一些实施方式中，各个扫描线使用笔形射束源创建一个图像线。为了产生扫描笔形射束，在某些实施方式中使用预准直器和斩波轮。每个斩波轮具有多个称为轮辐的狭缝，并且各个轮辐创建一行图像数据。利用图像处理，这允许各个系统在各个源的数据中收集每棵树的时间和空间同步数据。这允许更加准确地定位果实并且还允许系统通过用户界面和数据库向操作者指示串所在地点。在某些实施方式中，机器人采摘系统可以被精确地告知串地点并且机械采摘臂于是可以经由闭环控制系统淘汰不期望的果实。
在某些实施方式中，对于成串生长的类似葡萄的果实，反向散射系统可以获得体积信息以允许种植者确定作物的体积，而不是仅单独的果实计数。该信息可辅助种植者了解作物产量并且更好地计划采摘、包装并且设定市场价格。
根据某些实施方式，通过扫描系统创建的反向散射图像带来与显示器上的信号强度和果实图像的尺寸相称的果实尺寸。通过图像处理，可以确定几何形状和尺寸并且由此确定体积，假设果实是匀称的。在某些实施方式中，软件还可以记录具体植物的累加总和、作物位置和每年的尺度。
当果实成熟时，它包含大量水，允许强散射信号到扫描系统。在图像中，散射信号显示为明亮的球状物。树枝显示遮光器并且树冠返回不是重要的信号返回。使用图像处理，可以将树干和枝条分割出来，因此仅剩余果实。从该图像可以搜集并存储果实尺寸、体积和计数，以用于向种植者报告统计数据。
在一些实施方式中，为了检测和定位果实，需要图像处理。在某些实施方式中，算法可接收未成熟果实的图像来通过使用各种分割方法去除枝条和叶簇，确定果实健康和果实成串。算法(诸如单元映射算法)可以用于跟踪并分割果实。在一些实施方式中，算法可聚焦在作为果实的明亮的圆形球状物上。可以监测圆度的尺寸并且确定尺寸已确认果实在彼此的20％内。算法还可以记录在串中是哪些果实和果实的位置。算法可以进一步报告所有的问题，诸如尺寸要求之外的果实、畸形果实和成串果实。
在一些实施方式中，算法还可以用于树冠检测。在一些实施方式中，树冠检测算法将使用双能量方法来将树冠从植物的其他部分分出。将连同树冠的密度一起确定叶子返回水平(流体含量)、尺寸和形状。此外，在一些实施方式中，视觉照相机可以用于辅助确定叶子尺寸、形状和颜色。
本发明的实施方式还可以用于机器人引导710(图8中示出)。这可包括2D或者3D的初始目标映射、闭环反馈引导、及机器人收获。闭环反馈引导可包括振动射束引导和图像引导。
至今，机器人收获特色作物的两个关键挑战包括引导以及目标作物的无损伤夹持。由于植物叶簇产生的视觉混乱导致视觉引导方法低效。对于色泽与背景叶簇相同的作物，视觉瞄准尤其具有挑战性。因为特色作物直接出售至客户，所以机器人收获不能碰伤或者损伤果实。诸如摇树的方法在过去使用，但是导致碰伤。使作物成像用于机械手控制的光学方法受叶簇阻碍的限制。
在本发明的实施方式中，反向散射成像用于提高引导以及机械手控制。首先，可以生成全部植物的初始2D图像来生成用于收获的目标映射。在某些实施方式中，以类似层析成像法的方式使用多个视图的成像可以生成作物的3D映射。利用每个植物上的作物的2D或者3D坐标，系统可以规划出有效地移动以收获作物的轨迹。接下来，在本发明的某些实施方式中，闭环反馈系统可以用于生成到达目标作物的快速引导。最后，可以使用反向散射成像系统来引导端部执行器夹持果实进行收获。本发明的使用用于轨迹规划和最终引导的反向散射信号的实施方式将不会由叶簇产生的混乱而失真。与分析视觉图像相比较，可以简化反向散射图像的数据分析。此外，本发明的实施方式可以不受环境变化影响，并且在白天或者夜间照明、易变的温度条件、大雾或者降雨中起作用。通过叶簇上的水分生成的反向散射信号可增加来自叶簇的均匀的散射背景，但是不能防止生成反向散射图像。
本发明的实施方式可用于初始目标映射，具体地2D或者3D位置检测。典型作物(诸如苹果、橙子、草莓)例如以分离果实出现。因此，它们表现为反向散射信号的单个分离点发射器。在该情况下，根据本发明的某些实施方式，通过使用在植物的不同视角所取的若干反向散射成像，可以在收获之前或者收获期间生成作物的3D映射。通过在启用先前描述的跟踪系统的车辆上安装两个或多个扫描仪可以生成3D映射。然后，可以使用单个植物或者树木的作物的空间坐标生成用于机器人收获的目标映射。
根据某些实施方式，可以使用初始图像数据来避免枝条。车辆还可以包括适于收获作物的端部执行器的机器人操纵的器件。定制的端部执行器可特制成需要收获的每个作物的形状和尺寸。可选地，本发明的实施方式可包括以相对于作物的不同角度安装的两个或更多个反向散射成像系统。在本发明的某些实施方式中，反向散射成像系统可以成不同角度，视图之间至少45度并且优选90度，以生成作物的3D立体图。
本发明的实施方式还可以提供包括图像引导的闭环反馈引导。在某些实施方式中，生成目标坐标之后，系统可使用闭环反馈控制系统(该闭环反馈控制系统使用两个方法中的一个)来将机械手定位接近果实。本发明的一些实施方式采用的一种方法可利用作物的快速2D或者3D成像。机器人收获系统可用来从多个视图中的一个创建植物的快速局部化反向散射图像。
本发明的实施方式还可以使用振动射束引导来使用3D位置信息移动机器人的机械手接近目标。在一些实施方式中，在臂接近目标时，该臂可以被闭环反馈系统引导。为了快速并且准确地最终引导至具体的选择目标，产生和处理图像需要的时间是重要的。该机器人臂可以配备有具有笔形射束准直或者扇形射束准直的x射线源。
在本发明的一些实施方式中，输出射束将击中目标并且产生反向散射信号。通过改变准直的位置或角度，射束的位置在示出的运动中可以是摆动的，以产生时间变化的反向散射信号。该位置可以在一个或多个维度上变化。通过振动输入射束生成的信号的振幅与目标上的射束位置相关。
在一些实施方式中，为了维持最接近目标，通过在运输工具108(图2中示出)接近目标时提供该运输工具的位置和方向，主动地维护反向散射信号振幅最大化。在一些实施方式中，通过将信号保持在最大振幅，机器人的机械手将以直线接近目标。基于固定的笔形射束数据的图像可以与基于机器人运动的速度和与目标的接近度的图像一起使用。根据本发明的某些实施方式，在采摘臂移动靠近待采摘的果实时，可以不断地更新定位并将关于臂位置和果实位置的新控制数据馈送至臂。
在一些实施方式中，当臂紧密接近(几乎触摸)果实时，反向散射图像可以用于控制夹持器运动。基于反向散射数据中的果实的形状、尺寸和方位，可以打开采摘机构来包围果实。一旦采摘到果实，机器人可以将果实轻轻地放在容器中，不损伤果实。感测机构，诸如声音或IR范围传感器，可以告知机器人容器中果实的深度，因此机器人可以轻轻地放置，而不会使果实掉落和碰撞到其他果实。
在一些实施方式中利用3D坐标映射，系统可以适于选择性地仅收获植物的离机器人最近的一侧，以防止由穿过植物的机械手引起的植物损伤。这是基于如下方式实现的：确定植物的中心主干的位置，并且仅收获设置为在每个具体高度相对于机器人的距离短于至中心主干的距离的产物。有利地，使用3D坐标映射，植物可以不中断地顺行收获。有利地，系统可以能够连续操作，一星期扫描七天，一天扫描24小时，有利地仅需要较少的操作者干涉或者监督。照相机可以有利地位于机器人上以允许操作者监控进展，并且如果遇到问题进行干预。
图9示出使用扇形射束照明的扇形射束扫描装置，总体上由数字901表示，用于加速获取估产和其他作物特性。在本发明的一些实施方式中，从笔形射束准直发出的通量可能限制反向散射成像的速度。在某些实施方式中，为了增加照亮目标的通量，反向散射成像系统可有利地使用扇形射束照明。在一些实施方式中，扫描装置901可以估计田地中作物112的总体积。在某些实施方式中，照明扇形射束910有利地定位在竖直方位中并且在检查时在目标上进行扫描。同时检测到来自沿着照明线的总x射线反向散射(其为扇形射束的截面)并且其产生散射信号。根据某些实施方式，从扫描得到的数据可以是沿着运输工具108的路径的总反向散射位置与信号的ID曲线图。
图10示出曲线图1001，其示出了使用来自扫描处理的体积信息来量化果实。通过求曲线1001下方的区域1005的积分并将其与用于检测果实112(图2中示出)的可调谐的阈值1010进行比较，可以从反向散射信号与位置的ID曲线图1001推断体积信息。根据某些实施方式，从区域1005得到的体积可能与果实的总质量相关。在某些实施方式中，可调谐阈值1010可以有利地拒绝目标，诸如树干、树冠及枝条信号。
本文中描述的本发明的实施方式旨在仅是示例性的；变化和修改对于本领域中的技术人员是显而易见的。所有的这种变化和修改旨在落入本发明的附加至从其要求优先权的任何应用的任何权利要求中限定的范围内。

Claims (39)

1.一种用于表征多个活植物的产量的方法，所述方法包括：
生成穿透性辐射的第一射束；
在所述多个活植物上扫描所述第一射束；
检测源自所述穿透性辐射的所述第一射束的来自所述多个活植物的康普顿散射，以生成第一散射信号；
处理所述散射信号以得出所述多个活植物的第一特性；
基于所述第一特性识别所述多个活植物的部分；以及
提供对所识别的部分的计数。
2.根据权利要求1所述的方法，其中，所述第一射束在一个维度上是准直的。
3.根据权利要求1所述的方法，其中，所述第一特性选自由下列项组成的组：含水量、根部结构、枝条结构、木质部尺寸、果实尺寸、果实形状、果实总体积和果实成熟度。
4.根据权利要求1所述的方法，其中，扫描所述第一射束包括利用穿透性辐射的笔形射束照射所述多个活植物。
5.根据权利要求1所述的方法，其中，所述穿透性辐射包括x射线。
6.根据权利要求5所述的方法，其中，所述x射线包括范围在50keV与220keV之间的光子。
7.根据权利要求1所述的方法，进一步包括使用并行感测形态来获取数据，并且其中，所述并行感测形态是包括可见光、微波、太赫兹及超声的感测形态的组合中的一种。
8.根据权利要求7所述的方法，所述第一特性至少部分基于水分。
9.根据权利要求7所述的方法，进一步包括基于使用并行感测形态获取的数据来校正运输工具的运动和姿态中的至少一者，所述穿透性辐射的第一射束是从所述运输工具发出。
10.根据权利要求7所述的方法，其中，使用并行感测形态获取的所述数据被用于相对于所述多个活植物的参考系配准所述多个活植物的图像。
11.根据权利要求1所述的方法，其中，扫描所述第一射束包括利用从运输工具发出的笔形射束照射所述多个活植物。
12.根据权利要求1所述的方法，其中，扫描所述第一射束包括从所述多个活植物的上方照射所述多个活植物。
13.根据权利要求1所述的方法，其中，扫描所述第一射束包括从相对于所述多个活植物水平移位的位置照射所述多个活植物。
14.根据权利要求1所述的方法，其中，生成所述穿透性辐射的第一射束包括在部署于关节臂上的扫描头中生成该第一射束。
15.根据权利要求1所述的方法，其中，将夹持器和以笔形射束瞄准的x射线源布置在机器人臂上。
16.根据权利要求1所述的方法，其中，得出所述多个活植物的第一特性包括得出所述多个活植物的根部的特性。
17.根据权利要求1所述的方法，其中，扫描包括将所述穿透性辐射同时发出到两个半空间中。
18.根据权利要求1所述的方法，其中，扫描包括以电子方式引导所述穿透性辐射的第一射束。
19.根据权利要求1所述的方法，其中，生成穿透性辐射的第一射束包括使所述穿透性辐射穿过限定孔径。
20.根据权利要求19所述的方法，进一步包括在扫描所述第一射束的过程期间调节所述限定孔径。
21.根据权利要求1所述的方法，其中，检测康普顿散射包括所述散射的光谱分辩率。
22.根据权利要求21所述的方法，其中，通过调制所述穿透性辐射的第一射束的光谱含量来实现光谱分辩率。
23.根据权利要求21所述的方法，其中，通过对不同光谱特征的区别敏感度的检测来实现光谱分辩率。
24.根据权利要求21所述的方法，进一步包括基于区别性光谱特征来区分有机特征。
25.根据权利要求11所述的方法，进一步包括：
监测所述笔形射束在所述多个活植物的参考系中的位置和方向中的至少一者；以及
以闭环方式操纵所述笔形射束以维持所述笔形射束在所述多个活植物的参考系中的指定路径。
26.根据权利要求11所述的方法，进一步包括：
监测所述笔形射束在所述多个活植物的参考系中的位置和方向中的至少一者；以及
相对于所述多个活植物的参考系配准所述散射信号的图像。
27.根据权利要求1所述的方法，进一步包括：
检测源自所述穿透性辐射的第二射束的来自所述多个活植物的康普顿散射以生成第二散射信号；以及
处理所述第二散射信号以得出所述多个活植物的第二特性。
28.根据权利要求27所述的方法，其中，所述第一特性和所述第二特性各自与吸水性相关联。
29.根据权利要求27所述的方法，进一步包括处理所述第一散射信号和所述第二散射信号以得出所述多个活植物的三维特性。
30.根据权利要求29所述的方法，其中，所得出的三维特性是立体图像。
31.根据权利要求27所述的方法，进一步包括处理所述第一散射信号和所述第二散射信号以生成所述多个活植物相对于其他多个活植物的全体的空间坐标。
32.根据权利要求27所述的方法，进一步包括处理所述第一散射信号和所述第二散射信号以生成所述多个活植物的一部分相对于所述多个活植物的底部的空间坐标。
33.根据权利要求27所述的方法，进一步包括处理所述第一散射信号和所述第二散射信号以生成所述多个活植物的果实相对于所述多个活植物的另一部分的空间坐标。
34.根据权利要求33所述的方法，其中，将夹持器安装在机器人臂上，该方法进一步包括采用用于定位所述夹持器的闭环反馈控制系统。
35.根据权利要求27所述的方法，其中，从运输工具扫描所述第一射束和所述第二射束。
36.根据权利要求27所述的方法，其中，所述第一射束和所述第二射束各自相对于相应的第一中心射线和第二中心射线扫描，并且其中，所述第一中心射线和所述第二中心射线相对位移一角度。
37.根据权利要求36所述的方法，其中，所述第一中心射线和所述第二中心射线之间的位移角度在45至135度的范围内。
38.根据权利要求35所述的方法，进一步包括：
处理所述第一散射信号和所述第二散射信号以生成除了所述多个活植物之外的、位于所述运输工具与所述多个活植物之间的至少一个目标的空间坐标；
使用生成的所述多个活植物的空间坐标和除了所述多个活植物之外的、位于所述运输工具与所述多个活植物之间的所述至少一个目标的空间坐标来生成地形图。
39.一种用于测量水含量以确定作物产量的方法，所述方法包括：
生成穿透性辐射的射束；
扫描多个活植物；
检测源自所述穿透性辐射的射束的来自所述多个活植物的康普顿散射；
相对于参考样本处理来自所述康普顿散射的散射信号，以得出所述多个活植物的水分含量；以及
基于所述水分含量提供对所述多个活植物的计数。
CN201680051858.8A 2015-09-08 2016-09-07 用于精准农业的反向散射成像 Active CN108449988B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201562215456P 2015-09-08 2015-09-08
US62/215,456 2015-09-08
US201662337971P 2016-05-18 2016-05-18
US62/337,971 2016-05-18
PCT/US2016/050545 WO2017044484A1 (en) 2015-09-08 2016-09-07 Backscatter imaging for precision agriculture

Publications (2)

Publication Number Publication Date
CN108449988A CN108449988A (zh) 2018-08-24
CN108449988B true CN108449988B (zh) 2021-08-20

Family

ID=58239913

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680051858.8A Active CN108449988B (zh) 2015-09-08 2016-09-07 用于精准农业的反向散射成像

Country Status (9)

Country Link
US (3) US10955367B2 (zh)
EP (1) EP3347707B1 (zh)
CN (1) CN108449988B (zh)
AU (1) AU2016321171B2 (zh)
GB (1) GB2558464C (zh)
NZ (1) NZ741000A (zh)
PL (1) PL3347707T3 (zh)
WO (1) WO2017044484A1 (zh)
ZA (1) ZA201801690B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9958569B2 (en) 2002-07-23 2018-05-01 Rapiscan Systems, Inc. Mobile imaging system and method for detection of contraband
US10670740B2 (en) 2012-02-14 2020-06-02 American Science And Engineering, Inc. Spectral discrimination using wavelength-shifting fiber-coupled scintillation detectors
US11266006B2 (en) * 2014-05-16 2022-03-01 American Science And Engineering, Inc. Method and system for timing the injections of electron beams in a multi-energy x-ray cargo inspection system
US10168445B2 (en) 2015-03-20 2019-01-01 Rapiscan Systems, Inc. Hand-held portable backscatter inspection system
US11536672B2 (en) 2015-09-08 2022-12-27 American Science And Engineering, Inc. Systems and methods for using backscatter imaging in precision agriculture
KR20190103323A (ko) * 2017-01-20 2019-09-04 그린파이토 피티이 리미티드 영농 시스템 및 방법
US11291418B2 (en) * 2018-05-16 2022-04-05 Hologic, Inc. Backscattering x-ray imager with x-ray source at detector center
CN112424644A (zh) 2018-06-20 2021-02-26 美国科学及工程股份有限公司 波长偏移片耦合的闪烁检测器
EP3818788A4 (en) 2018-07-06 2022-03-30 Institut National De La Recherche Scientifique METHOD AND SYSTEM FOR LASER-DRIVEN INTENSE X-RAY PHOTON IMAGING
US10891482B2 (en) 2018-07-10 2021-01-12 Adroit Robotics Systems, devices, and methods for in-field diagnosis of growth stage and crop yield estimation in a plant area
EP3836783A4 (en) 2018-08-13 2022-05-04 Farmwise Labs, Inc. METHOD FOR AUTONOMOUS DETECTION OF CROP LOCATION BASED ON THE DEPTH AND LOCATION OF A TOOL
WO2020089768A1 (en) * 2018-10-29 2020-05-07 Ffrobotics Ltd. Robotic fruit harvesting machine with fruit-pair picking and hybrid motorized-pneumatic robot arms
CN111695606B (zh) * 2020-05-25 2022-10-04 中国科学院东北地理与农业生态研究所 一种多类型城市绿地分类方法
US11193898B1 (en) 2020-06-01 2021-12-07 American Science And Engineering, Inc. Systems and methods for controlling image contrast in an X-ray system
US11175245B1 (en) 2020-06-15 2021-11-16 American Science And Engineering, Inc. Scatter X-ray imaging with adaptive scanning beam intensity
MX2023000725A (es) 2020-07-16 2023-02-13 Climate Llc Cartografia del rendimiento por zona de recoleccion de productos horticolas basada en la vision por ordenador.
US11340361B1 (en) 2020-11-23 2022-05-24 American Science And Engineering, Inc. Wireless transmission detector panel for an X-ray scanner
GB2615952A (en) * 2020-12-17 2023-08-23 American Science & Eng Inc Systems and methods for using backscatter imaging in precision agriculture
US12019035B2 (en) 2021-07-16 2024-06-25 Rapiscan Holdings, Inc. Material detection in x-ray security screening

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6243545A (ja) * 1985-08-21 1987-02-25 Nippon Steel Corp 石炭、コークス等のかさ密度分布測定方法
US6449334B1 (en) * 2000-09-29 2002-09-10 Lunar Corporation Industrial inspection method and apparatus using dual energy x-ray attenuation
CN1556921A (zh) * 2002-11-06 2004-12-22 �����Ƽ����̹�˾ 移动式x射线反向散射检查车
CN101287985A (zh) * 2005-07-27 2008-10-15 物理光学公司 龙虾眼x射线系统及其制造方法
CN101501477A (zh) * 2006-08-11 2009-08-05 美国科技工程公司 使用同时的并且近似的透射和反向散射成像的x射线检测
CN101592623A (zh) * 2009-07-06 2009-12-02 中国民航大学 一种基于甄别级探测器的多角度康普顿散射成像装置
CN102549413A (zh) * 2009-07-20 2012-07-04 原子能与替代能源委员会 用于识别物体之材料的方法和装置
CN102596039A (zh) * 2009-10-13 2012-07-18 皇家飞利浦电子股份有限公司 用于生成软组织对比度图像的装置和方法

Family Cites Families (67)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3904923A (en) 1974-01-14 1975-09-09 Zenith Radio Corp Cathodo-luminescent display panel
JPS57128047A (en) 1981-01-30 1982-08-09 Nec Corp High frequency high power transistor
US5014293A (en) 1989-10-04 1991-05-07 Imatron, Inc. Computerized tomographic x-ray scanner system and gantry assembly
GB2255634A (en) 1991-05-10 1992-11-11 British Steel Plc Photomultiplier tube for thickness measurement
DE4226501A1 (de) 1992-08-11 1994-02-17 Otmar Fahrion Flugzeug-Arbeitsdock
US5600303A (en) 1993-01-15 1997-02-04 Technology International Incorporated Detection of concealed explosives and contraband
US5764683B1 (en) 1996-02-12 2000-11-21 American Science & Eng Inc Mobile x-ray inspection system for large objects
USRE39396E1 (en) 1996-02-12 2006-11-14 American Science And Engineering, Inc. Mobile x-ray inspection system for large objects
US5838759A (en) 1996-07-03 1998-11-17 Advanced Research And Applications Corporation Single beam photoneutron probe and X-ray imaging system for contraband detection and identification
DE19639243C2 (de) 1996-09-24 1998-07-02 Siemens Ag Multi-, insbesondere dichromatische Röntgenquelle
US6220099B1 (en) 1998-02-17 2001-04-24 Ce Nuclear Power Llc Apparatus and method for performing non-destructive inspections of large area aircraft structures
US6526120B1 (en) 1998-05-06 2003-02-25 Joseph N. Gray X-ray flow rate measurement system for materials, including agricultural materials and food products
US6763635B1 (en) 1999-11-30 2004-07-20 Shook Mobile Technology, Lp Boom with mast assembly
DE19959617A1 (de) 1999-12-10 2001-06-21 Volkswagen Ag Konstruktionssystem und Verfahren zum Konstruieren oder Entwerfen neuer Bauteile
US6888640B2 (en) 2000-02-04 2005-05-03 Mario J. Spina Body spatial dimension mapper
US6378387B1 (en) 2000-08-25 2002-04-30 Aerobotics, Inc. Non-destructive inspection, testing and evaluation system for intact aircraft and components and method therefore
US7069192B1 (en) 2000-08-25 2006-06-27 Hewlett-Packard Company CAD system
US6614872B2 (en) 2001-01-26 2003-09-02 General Electric Company Method and apparatus for localized digital radiographic inspection
US7280990B2 (en) 2001-08-07 2007-10-09 Ugs Corp. Method and system for designing and modeling a product in a knowledge based engineering environment
US6636581B2 (en) 2001-08-31 2003-10-21 Michael R. Sorenson Inspection system and method
US7024272B2 (en) 2002-04-26 2006-04-04 Delphi Technologies, Inc. Virtual design, inspect and grind optimization process
US8503605B2 (en) 2002-07-23 2013-08-06 Rapiscan Systems, Inc. Four sided imaging system and method for detection of contraband
US7322745B2 (en) 2002-07-23 2008-01-29 Rapiscan Security Products, Inc. Single boom cargo scanning system
US7092106B2 (en) 2002-12-13 2006-08-15 The United States Of America As Represented By The Secretary Of The Army System for determining the configuration of obscured structure by employing phase profilometry and method of use therefor
US6785357B2 (en) 2003-01-16 2004-08-31 Bio-Imaging Research, Inc. High energy X-ray mobile cargo inspection system with penumbra collimator
US6950719B2 (en) 2003-01-31 2005-09-27 Delphi Technologies, Inc. Horizontally structured manufacturing process modeling: across file feature operability
US7086028B1 (en) 2003-04-09 2006-08-01 Autodesk, Inc. Simplified generation of design change information on a drawing in a computer aided design (CAD) environment
WO2004092768A2 (en) * 2003-04-11 2004-10-28 Fischer Imaging Corporation Scatter rejection for composite medical imaging systems
US6928141B2 (en) 2003-06-20 2005-08-09 Rapiscan, Inc. Relocatable X-ray imaging system and method for inspecting commercial vehicles and cargo containers
US6950493B2 (en) 2003-06-25 2005-09-27 Besson Guy M Dynamic multi-spectral CT imaging
DE602004020628D1 (de) 2003-07-18 2009-05-28 Koninkl Philips Electronics Nv Zylindrische röntgenröhre für die computertomographieabbildung
US7103434B2 (en) 2003-10-14 2006-09-05 Chernyak Alex H PLM-supportive CAD-CAM tool for interoperative electrical and mechanical design for hardware electrical systems
US6950495B2 (en) 2003-12-01 2005-09-27 The Boeing Company Backscatter imaging using Hadamard transform masking
WO2005084352A2 (en) 2004-03-01 2005-09-15 Varian Medical Systems Technologies, Inc. Dual energy radiation scanning of objects
ES2338899T3 (es) * 2004-04-09 2010-05-13 AMERICAN SCIENCE & ENGINEERING, INC. Eliminacion de cruces en un portico de inspeccion por retrodispersion que comprenda multiples generadores asegurando que solo un generador emita radiacion al mismo tiempo.
US7224772B2 (en) 2004-07-20 2007-05-29 University Of Florida Research Foundation, Inc. Radiography by selective detection of scatter field velocity components
US7203276B2 (en) 2004-08-27 2007-04-10 University Of New Brunswick X-ray scatter image reconstruction by balancing of discrepancies between detector responses, and apparatus therefor
US7151447B1 (en) 2004-08-31 2006-12-19 Erudite Holding Llc Detection and identification of threats hidden inside cargo shipments
US7319738B2 (en) 2004-10-08 2008-01-15 General Electric Company Delivering X-ray systems to pipe installations
US8173970B2 (en) 2005-02-04 2012-05-08 Dan Inbar Detection of nuclear materials
US7266174B2 (en) 2005-03-07 2007-09-04 General Electric Company Radiographic inspection of airframes and other large objects
EP1949139A2 (en) 2005-10-24 2008-07-30 American Science & Engineering, Inc. X-ray inspection based on scatter detection
US7581884B1 (en) 2006-02-07 2009-09-01 Barnes Gary T Mobile radiography system and grid alignment process
US7649976B2 (en) 2006-02-10 2010-01-19 The Boeing Company System and method for determining dimensions of structures/systems for designing modifications to the structures/systems
US7508910B2 (en) 2006-05-04 2009-03-24 The Boeing Company System and methods for x-ray backscatter reverse engineering of structures
US7526064B2 (en) 2006-05-05 2009-04-28 Rapiscan Security Products, Inc. Multiple pass cargo inspection system
CN101627320A (zh) 2006-11-20 2010-01-13 皇家飞利浦电子股份有限公司 探测器头接近度感测和碰撞避免装置及方法
US8837677B2 (en) * 2007-04-11 2014-09-16 The Invention Science Fund I Llc Method and system for compton scattered X-ray depth visualization, imaging, or information provider
US20080253627A1 (en) 2007-04-11 2008-10-16 Searete LLC, a limited liability corporation of Compton scattered X-ray visualization, imaging, or information provider using image combining
US8041006B2 (en) 2007-04-11 2011-10-18 The Invention Science Fund I Llc Aspects of compton scattered X-ray visualization, imaging, or information providing
US7860214B1 (en) 2007-06-13 2010-12-28 The United States Of America As Represented By Secretary Of Agriculture Correction of x-ray images
CN102435620A (zh) * 2007-10-05 2012-05-02 清华大学 液态物品检查方法和设备
US8139225B2 (en) 2007-10-24 2012-03-20 Siemens Medical Solutions Usa, Inc. System for processing patient monitoring power and data signals
US8003949B2 (en) 2007-11-01 2011-08-23 Rapiscan Systems, Inc. Multiple screen detection systems
GB0810638D0 (en) 2008-06-11 2008-07-16 Rapiscan Security Products Inc Photomultiplier and detection systems
CN102440078A (zh) 2008-08-11 2012-05-02 拉派斯坎实验室股份有限公司 使用强度调制的x射线源的系统及方法
WO2011142768A2 (en) 2009-05-16 2011-11-17 Rapiscan Security Products, Inc. Systems and methods for automated, rapid detection of high-atomic-number materials
US8033724B2 (en) * 2009-06-30 2011-10-11 The Boeing Company Rapid assembly and operation of an X-ray imaging system
EP2494340B1 (en) 2009-10-29 2020-03-11 Rapiscan Systems, Inc. Mobile aircraft inspection system
WO2011149566A2 (en) 2010-02-12 2011-12-01 American Science And Engineering, Inc. Disruptor guidance system and methods based on scatter imaging
EP2377467A1 (en) * 2010-04-08 2011-10-19 CSEM Centre Suisse d'Electronique et de Microtechnique SA - Recherche et Développement System and method for determining the composition of an object
MY166352A (en) 2011-02-08 2018-06-25 American Science & Eng Inc Backscatter energy analysis for classification of materials based on positional non-commutativity
WO2012142456A2 (en) * 2011-04-15 2012-10-18 American Science And Engineering, Inc. Backscatter system with variable size of detector array
MX2013011843A (es) 2011-04-15 2013-11-01 American Science & Eng Inc Metodos para realizar inspecciones de retrodispersion de objetivos en espacios confinados.
US9435900B2 (en) * 2011-06-08 2016-09-06 The Board Of Trustees Of The Leland Stanford Junior University X-ray system utilizing alternating spectrum x-ray source in conjuction with a fixed spectrum separation filter approval
WO2013181558A1 (en) 2012-06-01 2013-12-05 Agerpoint, Inc. Systems and methods for monitoring agricultural products
WO2015006675A2 (en) * 2013-07-11 2015-01-15 Blue River Technology, Inc. Method for automatic phenotype measurement and selection

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6243545A (ja) * 1985-08-21 1987-02-25 Nippon Steel Corp 石炭、コークス等のかさ密度分布測定方法
US6449334B1 (en) * 2000-09-29 2002-09-10 Lunar Corporation Industrial inspection method and apparatus using dual energy x-ray attenuation
CN1556921A (zh) * 2002-11-06 2004-12-22 �����Ƽ����̹�˾ 移动式x射线反向散射检查车
CN101287985A (zh) * 2005-07-27 2008-10-15 物理光学公司 龙虾眼x射线系统及其制造方法
CN101501477A (zh) * 2006-08-11 2009-08-05 美国科技工程公司 使用同时的并且近似的透射和反向散射成像的x射线检测
CN101592623A (zh) * 2009-07-06 2009-12-02 中国民航大学 一种基于甄别级探测器的多角度康普顿散射成像装置
CN102549413A (zh) * 2009-07-20 2012-07-04 原子能与替代能源委员会 用于识别物体之材料的方法和装置
CN102596039A (zh) * 2009-10-13 2012-07-18 皇家飞利浦电子股份有限公司 用于生成软组织对比度图像的装置和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
多光谱视觉技术在收获机器人中的应用;林伟明 等;《农业装备技术》;20041231;第30卷(第6期);第15-17页 *

Also Published As

Publication number Publication date
EP3347707A1 (en) 2018-07-18
GB2558464B (en) 2021-09-01
EP3347707A4 (en) 2019-05-22
WO2017044484A1 (en) 2017-03-16
PL3347707T3 (pl) 2022-11-21
EP3347707B1 (en) 2022-07-13
AU2016321171A1 (en) 2018-04-12
US20210223190A1 (en) 2021-07-22
GB2558464A (en) 2018-07-11
GB2558464C (en) 2021-10-27
US10955367B2 (en) 2021-03-23
AU2016321171B2 (en) 2019-08-15
ZA201801690B (en) 2020-09-30
GB201805701D0 (en) 2018-05-23
US20200049635A1 (en) 2020-02-13
US20200033274A1 (en) 2020-01-30
CN108449988A (zh) 2018-08-24
US10712293B2 (en) 2020-07-14
NZ741000A (en) 2019-05-31

Similar Documents

Publication Publication Date Title
CN108449988B (zh) 用于精准农业的反向散射成像
US11647701B2 (en) Plant treatment based on morphological and physiological measurements
US11927551B2 (en) Systems and methods for using backscatter imaging in precision agriculture
Zude-Sasse et al. Applications of precision agriculture in horticultural crops
Zhang et al. Imaging technologies for plant high-throughput phenotyping: a review
Sanz et al. Relationship between tree row LIDAR-volume and leaf area density for fruit orchards and vineyards obtained with a LIDAR 3D Dynamic Measurement System
Mazzetto et al. Integration of optical and analogue sensors for monitoring canopy health and vigour in precision viticulture
Andújar et al. Potential of a terrestrial LiDAR-based system to characterise weed vegetation in maize crops
Andújar et al. A LiDAR-based system to assess poplar biomass
Haff et al. X-ray based stem detection in an automatic tomato weeding system
Sui et al. Development of sensor systems for precision agriculture in cotton
Gregorio et al. Sensing crop geometry and structure
Tsoulias et al. In-situ fruit analysis by means of LiDAR 3D point cloud of normalized difference vegetation index (NDVI)
Tsoulias et al. Effects of soil ECa and LiDAR-derived leaf area on yield and fruit quality in apple production
Tsoulias et al. In-situ detection of apple fruit using a 2D LiDAR laser scanner
AU2020481684A1 (en) Systems and methods for using backscatter imaging in precision agriculture
Riczu et al. Precision weed detection using terrestrial laser scanning techniques
Reis Evaluation of phenotyping methods for maize
Arnaudova et al. REMOTE SENSING IN HORTICULTURE-SCIENTIFIC INFORMATION AND PRACTICAL IMPLEMENTATION: CASE OF BULGARIA
EP4393293A1 (en) Method for analysing above ground crops in an agricultural field
Tsoulias Extracting and assessing plant features spatio-temporally by means of 3D sensing in apple trees
Arnó Satorra et al. Leaf area index estimation in vineyards using a ground-based LiDAR scanner

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant