CN108633533B - 树木自动抚育方法、装置、电子设备及存储介质 - Google Patents
树木自动抚育方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN108633533B CN108633533B CN201810321660.8A CN201810321660A CN108633533B CN 108633533 B CN108633533 B CN 108633533B CN 201810321660 A CN201810321660 A CN 201810321660A CN 108633533 B CN108633533 B CN 108633533B
- Authority
- CN
- China
- Prior art keywords
- tending
- tree
- strategy
- trees
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000010801 machine learning Methods 0.000 claims description 88
- 238000013138 pruning Methods 0.000 claims description 47
- 238000012549 training Methods 0.000 claims description 41
- 230000001953 sensory effect Effects 0.000 claims description 27
- 238000009966 trimming Methods 0.000 claims description 19
- 239000002689 soil Substances 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 claims description 4
- 230000008014 freezing Effects 0.000 claims 2
- 238000007710 freezing Methods 0.000 claims 2
- 238000013528 artificial neural network Methods 0.000 description 17
- 230000000875 corresponding effect Effects 0.000 description 14
- 241000894007 species Species 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000005520 cutting process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 210000000481 breast Anatomy 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 235000011609 Pinus massoniana Nutrition 0.000 description 2
- 241000018650 Pinus massoniana Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000009746 freeze damage Effects 0.000 description 2
- RYMZZMVNJRMUDD-UHFFFAOYSA-N SJ000286063 Natural products C12C(OC(=O)C(C)(C)CC)CC(C)C=C2C=CC(C)C1CCC1CC(O)CC(=O)O1 RYMZZMVNJRMUDD-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 235000008216 herbs Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000009342 intercropping Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- RYMZZMVNJRMUDD-HGQWONQESA-N simvastatin Chemical compound C([C@H]1[C@@H](C)C=CC2=C[C@H](C)C[C@@H]([C@H]12)OC(=O)C(C)(C)CC)C[C@@H]1C[C@@H](O)CC(=O)O1 RYMZZMVNJRMUDD-HGQWONQESA-N 0.000 description 1
- 229960002855 simvastatin Drugs 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000009333 weeding Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G17/00—Cultivation of hops, vines, fruit trees, or like trees
- A01G17/005—Cultivation methods
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
- A01G7/06—Treatment of growing trees or plants, e.g. for preventing decay of wood, for tingeing flowers or wood, for prolonging the life of plants
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G23/00—Forestry
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G3/00—Cutting implements specially adapted for horticultural purposes; Delimbing standing trees
- A01G3/02—Secateurs; Flower or fruit shears
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Environmental Sciences (AREA)
- Botany (AREA)
- Engineering & Computer Science (AREA)
- Wood Science & Technology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Catching Or Destruction (AREA)
Abstract
本公开实施例公开了一种树木自动抚育方法、装置、电子设备及存储介质。方法包括:接收待抚育树木的传感数据;根据所述传感数据确定所述待抚育树木的抚育策略;根据所述抚育策略输出抚育执行控制信号,以控制树木自动抚育设备对所述待抚育树木执行所述抚育策略。本公开实施例能够自动对树木进行观测和评估,并自动生成抚育策略,进而能够根据生成的抚育策略驱动对应的树木自动抚育设备,完成对树木的抚育作业,进一步降低了人工成本。
Description
技术领域
本公开涉及森林工业技术领域,具体涉及一种树木自动抚育方法、装置、电子设备及存储介质。
背景技术
在森林工业中,用于经济目的的森林经营和管理是一项重要的工作。尤其在人工培育的经济林木中,对树木的精细化管理直接决定了未来树木的产量和质量,进而决定了树木的经济效益。
其中,对人工林的森林抚育工作是一项专门的工作,具体而言森林抚育是指从造林起到成熟龄以前的森林培育过程中,为保证幼林成活,促进林木生长,改善林木组成和品质,以及提高森林生产力所采取的各项措施,包括除草、松土、间作、施肥、灌溉、排水、去藤、修枝、抚育采伐、栽植下木等工作。
如上所述,森林抚育是一项涉及到多种操作和作业,并且需要根据不同的情况采取不同策略的工作。例如修枝抚育技术要求使用不同的抚育强度,弱度修枝修去树高1/3以下的枝条,中度修枝修去树高1/2以下枝条,强度修枝修去树高2/3以下的枝条。确定修枝强度因不同的树种、年龄、立地和树冠发育的情况等条件而异。一般以中等强度的整枝为合适,只修除力枝以下的枝条(树冠中最长的一轮侧枝俗称“力枝”),或者修去枯死枝和林木下部1-2轮活枝。
发明内容
本公开实施例提供一种树木自动抚育方法、装置、电子设备及存储介质。
第一方面,本公开实施例中提供了一种树木自动抚育方法。
接收待抚育树木的传感数据;
根据所述传感数据确定所述待抚育树木的抚育策略;
根据所述抚育策略输出抚育执行控制信号,以控制树木自动抚育设备对所述待抚育树木执行所述抚育策略。
可选地,接收待抚育树木的传感数据,包括以下至少之一:
从设置在所述待抚育树木上或所述待抚育树木周围的第一传感器接收所述待抚育树木自身的传感数据;
从设置在所述待抚育树木周围的第二传感器接收所述待抚育树木的立地环境传感数据;
从设置在与所述待抚育树木相邻的其他树木上或所述其他树木周围的第三传感器接收所述其他树木的传感数据。
可选地,根据所述传感数据确定所述待抚育树木的抚育策略,包括:
根据所述传感数据确定制定所述抚育策略的特征参数;
根据所述特征参数生成抚育策略。
可选地,根据所述传感数据确定所述待抚育树木的抚育策略,包括:
将所述传感数据输入到至少一个通过训练数据训练过的机器学习模型;
根据所述机器学习模型的输出得到所述抚育策略。
可选地,所述训练数据包括样本树木的传感数据以及对所述样本树木所采取的抚育策略。
可选地,所述抚育策略包括:是否执行抚育策略;以及在执行抚育策略时,所述抚育策略还包括修枝抚育策略或者间伐抚育策略。
可选地,根据所述抚育策略输出抚育执行控制信号,包括:
在所述抚育策略为执行抚育策略时,输出包括移动所述树木自动抚育设备至所述待抚育树木周围的预定位置处和执行所述抚育策略的抚育执行控制信号。
可选地,所述抚育策略为修枝抚育策略时,还包括以下至少一个修枝参数:修剪强度、修剪高度、修剪频率;所述抚育策略为间伐抚育策略时,还包括以下至少一个砍伐参数:树木砍伐位置、砍伐强度、砍伐频率。
第二方面,本公开实施例提出了一种树木自动抚育设备,包括:传感装置、控制装置、移动装置以及抚育执行装置;其中,
所述传感装置用于获取待抚育树木的传感数据;
所述控制装置用于根据所述传感数据确定所述待抚育树木的抚育策略,并根据所述抚育策略输出抚育执行控制信号;
所述移动装置根据所述抚育执行控制信号将所述树木自动抚育设备移动到所述待抚育树木周围的预定位置处;
所述抚育执行装置根据所述抚育执行控制信号对所述待抚育树木执行所述抚育策略。
可选地,所述传感转置包括图像传感器、测距传感器、立地环境监测传感器、位置传感器中的至少一个。
可选地,所述传感器设置在所述树木自动抚育设备上,或者独立于所述树木自动抚育设备,并通过数据通信方式与所述控制装置进行通信。
可选地,所述控制装置从设置在所述待抚育树木上或所述待抚育树木周围的第一传感器接收所述待抚育树木自身的传感数据、从设置在所述待抚育树木周围的第二传感器获取所述待抚育树木的立地环境传感数据、和/或从设置在与所述待抚育树木相邻的其他树木上或所述其他树木周围的第三传感器接收所述其他树木的传感数据。
可选地,所述控制装置从所述传感装置获取当前传感数据和/或历史传感数据。
可选地,所述控制装置根据所述传感数据确定制定所述抚育策略的特征参数,并根据所述特征参数生成抚育策略。
可选地,所述控制装置将所述传感数据输入到至少一个通过训练数据训练过的机器学习模型,并根据所述机器学习模型的输出得到所述抚育策略。
可选地,所述移动装置包括框架单元、滑动单元、驱动单元和可控弹性单元;
所述滑动单元、驱动单元和可控弹性单元设置在框架单元上,所述框架单元用于支撑所述树木自动抚育设备,并将所述树木自动抚育设备固定在所述待抚育树木上;
所述可控弹性单元根据所述控制装置输出的抚育执行控制信号改变其内径尺寸,所述滑动单元设置在所述可控弹性单元内部,并在所述可控弹性单元收缩内径尺寸时,压紧在所述待抚育树木外表面,以将所述树木自动抚育设备固定在所述待抚育树木上;
所述驱动单元用于驱动所述滑动单元在所述待抚育树木外表面上下移动。
可选地,所述抚育执行装置设置在所述框架单元上,用于在所述树木自动抚育设备移动到所述预定位置处后,根据所述抚育执行控制信号对所述待抚育树木执行抚育策略。
可选地,所述抚育策略包括修枝抚育策略或间伐抚育策略;
在所述控制装置输出执行修枝抚育策略时,所述移动装置将所述树木自动抚育设备移动到所述待抚育树木周围的预定位置处,并将所述抚育执行装置固定在所述待抚育树木上;所述抚育执行装置根据所述抚育策略对所述待抚育树木进行修枝操作;或者,
在所述控制装置输出执行间伐抚育策略时,所述移动装置将所述树木自动抚育装置移动到与所述待抚育树木相对的预定位置处;所述抚育执行装置根据所述抚育策略对所述待抚育树木进行间伐操作。
第三方面,提供了一种树木自动抚育装置,包括:
接收模块,被配置为接收待抚育树木的传感数据;
确定模块,被配置为根据所述传感数据确定所述待抚育树木的抚育策略;
输出模块,被配置为根据所述抚育策略输出抚育执行控制信号,以控制树木自动抚育设备对所述待抚育树木执行所述抚育策略。
可选地,所述接收模块,包括以下至少之一:
第一接收子模块,被配置为从设置在所述待抚育树木上或所述待抚育树木周围的第一传感器接收所述待抚育树木自身的传感数据;
第二接收子模块,被配置为从设置在所述待抚育树木周围的第二传感器接收所述待抚育树木的立地环境传感数据;
第三接收子模块,被配置为从设置在与所述待抚育树木相邻的其他树木上或所述其他树木周围的第三传感器接收所述其他树木的传感数据。
可选地,所述确定模块,包括:
第一确定子模块,被配置为根据所述传感数据确定制定所述抚育策略的特征参数;
生成子模块,被配置为根据所述特征参数生成抚育策略。
可选地,所述确定模块,包括:
输入子模块,被配置为将所述传感数据输入到至少一个通过训练数据训练过的机器学习模型;
第二确定子模块,被配置为根据所述机器学习模型的输出得到所述抚育策略。
可选地,所述训练数据包括样本树木的传感数据以及对所述样本树木所采取的抚育策略。
可选地,所述抚育策略包括:是否执行抚育策略;以及在执行抚育策略时,所述抚育策略还包括修枝抚育策略或者间伐抚育策略。
可选地,所述输出模块,包括:
输出子模块,被配置为在所述抚育策略为执行抚育策略时,输出包括移动所述树木自动抚育设备至所述待抚育树木周围的预定位置处和执行所述抚育策略的抚育执行控制信号。
可选地,所述抚育策略为修枝抚育策略时,还包括以下至少一个修枝参数:修剪强度、修剪高度、修剪频率;所述抚育策略为间伐抚育策略时,还包括以下至少一个砍伐参数:树木砍伐位置、砍伐强度、砍伐频率。
所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中,树木自动抚育装置的结构中包括存储器和处理器,所述存储器用于存储一条或多条支持树木自动抚育装置执行上述第一方面中树木自动抚育方法的计算机指令,所述处理器被配置为用于执行所述存储器中存储的计算机指令。所述树木自动抚育装置还可以包括通信接口,用于树木自动抚育装置与其他设备或通信网络通信。
第四方面,本公开实施例提供了一种电子设备,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现第一方面所述的方法步骤。
第五方面,本公开实施例提供了一种计算机可读存储介质,用于存储树木自动抚育装置所用的计算机指令,其包含用于执行上述第一方面中树木自动抚育方法所涉及的计算机指令。
本公开实施例提供的技术方案可以包括以下有益效果:
本公开实施例在树木抚育过程中,通过监测待抚育树木的传感数据,并基于传感数据自动确定对待抚育树木的抚育策略,进而由树木自动抚育设备根据抚育策略自动执行树木的抚育。本公开实施例能够自动对树木进行观测和评估,并自动生成抚育策略,进而能够根据生成的抚育策略驱动对应的树木自动抚育设备,完成对树木的抚育作业,进一步降低了人工成本。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出根据本公开一实施方式的树木自动抚育方法的流程图;
图2示出根据图1所示实施方式的步骤S102的流程图;
图3示出根据图1所示实施方式的步骤S102的又一流程图;
图4示出根据本公开一实施方式的树木自动抚育设备的结构框图;
图5示出根据图4所示实施方式的移动装置403的结构框图;
图6示出根据本公开一实施方式的树木自动抚育装置的结构框图;
图7是适于用来实现根据本公开一实施方式的树木自动抚育方法的电子设备的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施方式,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施方式无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
传统的森林抚育工作由人工完成,通过具有专业知识的森林工业人员,对森林进行观察、测量和分析,并制定对应的抚育策略,最终由人工的方式完成森林抚育操作。尽管有一些自动化的工具可以代替人工的方式实现例如灌溉或修枝的工作。但是,这些抚育策略仍然是由人工的方式来制定,并控制半自动化的机器完成任务。
然而,随着近期的人工智能的突破性进展,很多传统机器视觉无法完成的工作逐步转为可能。例如,卷积神经网络和深度学习的进步使得对图像的识别和分类以及策略规划等任务变得可行。这是由于新的技术突破在方法论层面取得了进展,机器学习允许通过使用更多的训练数据来不断提升机器视觉的性能,进而完成各种复杂的任务。
图1示出根据本公开一实施方式的树木自动抚育方法的流程图。如图1所示,所述树木自动抚育方法包括以下步骤S101-S103:
在步骤S101中,接收待抚育树木的传感数据;
在步骤S102中,根据所述传感数据确定所述待抚育树木的抚育策略;
在步骤S103中,根据所述抚育策略输出抚育执行控制信号,以控制树木自动抚育设备对所述待抚育树木执行所述抚育策略。
本实施例中,待抚育树木可以是人工森林、园林等处生长的树木,例如杉树、棕榈树、马尾松等等。待抚育树木的传感数据可以通过传感装置采集得到。传感装置可以是图像传感器,例如摄像头;传感装置也可以是测距传感器,例如激光雷达、毫米波雷达、超声雷达等;传感装置也可以是立地环境监测传感器,例如温度、湿度、阳光、大气成分、大气压力、降雨、土壤成分等的检测传感器;传感装置也可以是位置传感器,例如全球定位系统接收机。在一种实施方式中,传感装置可以安装于树木自动抚育设备之上,因此可以直接获取树木的传感数据。在另外一种实施方式中,传感装置可以独立于树木自动抚育设备之外,进而通过数据通信的方式与树木自动抚育设备进行传感数据的通信。待抚育树木的传感数据可以包括待抚育树木自身的传感数据,也可以包括待抚育树木所在环境的立地环境传感数据,还可以包括待抚育树木周围其他树木的传感数据。
本实施例中,获得待抚育树木相关的传感数据后,通过对传感数据进行分析确定待抚育树木的特征参数,以及确定待抚育树木所在环境的特征参数,进而通过对这些特征参数进行自动分析、综合考量得到该待抚育树木的抚育策略,例如,可以通过预先训练好的机器学习模型实现对特征参数的自动分析处理,并由机器学习模型输出相应的抚育策略。机器学习模型可以通过人工标注或其他方式标注后的训练数据进行训练,训练数据可以包括样本树木的传感数据以及对样本树木所执行的真实抚育策略。机器学习模型,例如可以是深度卷积神经网络。例如,通过训练一个对应的深度卷积神经网络,机器学习模型可以在输入至少一个传感数据之后,推荐出一个抚育策略。
本实施例中,在确定了抚育策略之后,可以根据抚育策略生成响应的抚育执行控制信号,并输出至自动执行抚育策略的树木自动抚育设备。树木自动抚育设备可以基于抚育执行控制信号执行相应的操作,以完成抚育策略的执行。树木自动抚育设备的结构以及功能细节将在下一实施例中详细说明。
在一实施例中,待抚育树木可以是单独的一棵树木,也可以是整片树林中的多个树木。
在本实施例的一个可选实现方式中,接收待抚育树木的传感数据,包括以下至少之一:
从设置在所述待抚育树木上或所述待抚育树木周围的第一传感器接收所述待抚育树木自身的传感数据;
从设置在所述待抚育树木周围的第二传感器接收所述待抚育树木的立地环境传感数据;
从设置在与所述待抚育树木相邻的其他树木上或所述其他树木周围的第三传感器获取所述其他树木的传感数据。
该可选的实现方式中,可以通过一个或者多个传感器获得待抚育树木的多种不同的传感数据。待抚育树木相关的传感数据包括待抚育树木自身的传感数据,例如待抚育树木的图像传感数据、测距传感数据(例如待抚育树木树枝与树干的距离信息等)、定位传感数据等;待抚育树木相关的传感数据还包括待抚育树木所在环境的立地环境传感数据,例如环境温度、湿度、土壤水分、土壤成分、采光度、大气压力、大气成分、降雨量等;待抚育树木相关的传感数据还包括周边其他树木自身的传感数据,例如图像传感数据、测距传感数据、定位传感数据等。待抚育树木自身的传感数据可以从设置在待抚育树木上或者周边的第一传感器获得,待抚育树木所在环境的立地环境传感数据可以从设置在待抚育树木上或者周边的第二传感器获得,待抚育树木周边其他树木的传感数据可以通过设置在其他树木上或其他树木周边的第三传感器获得。第一传感器、第二传感器和第三传感器可以是同一个,也可以是多个,具体根据实际情况进行设置。
在本实施例的一个可选实现方式中,如图2所示,所述步骤S102,即根据所述传感数据确定所述待抚育树木的抚育策略的步骤,进一步包括以下步骤S201-S202:
在步骤S201中,根据所述传感数据确定制定所述抚育策略的特征参数;
在步骤S202中,根据所述特征参数生成抚育策略。
该可选的实现方式中,根据待抚育树木的传感数据可以获得制定待抚育树木的抚育策略的特征参数,包括待抚育树木自身的特征参数和/或环境特征参数,例如通过图像传感数据获得待抚育树木的树种、树龄、圆直度、树冠形态、底部枝条形态、与相邻树木的位置关系、相邻树木的形态、相邻树木的树种、采光度等。
在本实施例的一个可选实现方式中,如图3所示,所述步骤S102,即根据所述传感数据确定所述待抚育树木的抚育策略的步骤,进一步包括以下步骤S301-S302:
在步骤S301中,将所述传感数据输入到至少一个通过训练数据训练过的机器学习模型;
在步骤S302中,根据所述机器学习模型的输出得到所述抚育策略。
该可选的实现方式中,通过将传感数据输入至训练好的机器学习模型所述抚育策略。机器学习模型可以通过训练数据进行训练,训练数据包括样本树木的传感数据和针对该传感数据对该样本树木所执行的抚育策略。例如,机器学习模型采用神经网络,在训练过程中,不断地将训练数据中的传感数据输入至神经网络,并将神经网络的输出与训练数据中的抚育策略进行比较来更新神经网络的网络参数,直至训练次数达到预设值或者神经网络的输出与训练数据中的抚育策略的相近程度小于预设阈值时,可以认为神经网络已经训练完成,即获得了经过训练的机器学习模型。在实际应用中,可以将采集到的传感数据输入至训练好的机器学习模型,从而由机器学习模型输出抚育策略。
在一实施方式中,样本树木的传感数据可以包含样本树木的图像数据,该图像数据可以通过安装在树木自动抚育设备之上或者独立于树木自动抚育设备的图像传感器获得,该传感数据可被用于机器学习模型的训练上。该图像数据可以包括待抚育树木的各种特征,例如样本树木的高度、胸径、树冠和树叶形态、树枝和树叶的形态、树干的圆直度等图像特征信息。根据采集到的不同图像数据,进行抚育策略的标注。在一实施方式中,抚育策略可以被划分为“执行抚育”和“不执行抚育”两个类别。此时,样本树木的图像数据可以通过人工方式标注出一个合适的抚育策略,并与该图像数据进行关联进而生成一个训练数据。通过上述训练数据训练对应的机器学习模型,则得到一个简单的抚育策略规划模型。在机器学习模型训练好之后,通过图像传感器获得待抚育树木的图像信息后,可以将该图像信息输入至训练后的机器学习模型,并由该机器学习模型输出或为“执行抚育”或为“不执行抚育”的抚育策略。当该机器学习模型输出为“不执行抚育”时,向树木自动抚育设备输出的抚育执行控制信号可以为不执行抚育策略的信号,也即树木自动抚育设备不执行任何操作;当机器学习模型输出为“执行抚育”时,可以按照与抚育策略向对应的抚育参数生成抚育执行控制信号,并输出至树木自动抚育设备上,完成对待抚育树木的抚育。
在另一实施方式中,除了待抚育树木本身的图像数据外,周边树木的一些参数或环境传感数据也可以作为机器学习模型的输入,使得机器学习模型可以参考整体环境进行更为精准的抚育策略规划。例如,传感数据还可以包括与相邻树木的位置关系、相邻树木的形态、相邻树木的树种、树木所在森林的郁闭度、树干下端树枝是否出现枯枝、该树种是否为易受冻害的树种、该地区土壤和降水条件、当前树木采光情况等多种数据。
在另一实施例中,所采用的机器学习模型可以包括多个,例如可以有一个机器学习模型可以通过待抚育树木的图像传感数据识别树木的种类、树龄(中龄或幼龄)、树木园直度等参数,而另一个机器学习模型则采用第一个机器学习模型输出的参数生成抚育策略。进一步,机器学习模型还可以输出更精细的抚育策略,例如修剪的强度,是否使用平切法,是否留桩等抚育策略进行规划。进一步,机器学习模型还可以输入传感器历史数据或抚育历史数据,对抚育间隔进行规划。
在本实施例的一个可选实现方式中,所述训练数据包括样本树木的传感数据以及对所述样本树木所采取的抚育策略。
在本实施例的一个可选实现方式中,所述抚育策略包括:是否执行抚育策略;以及在执行抚育策略时,所述抚育策略还包括修枝抚育策略或者间伐抚育策略。
该可选的实现方式中,通过对传感数据进行分析处理,例如通过训练好的机器学习模型对传感数据进行处理,可以得到是否执行抚育策略的结果。并且在需要执行抚育策略时,输出抚育策略的类别,例如修枝抚育策略或间伐抚育策略。修枝抚育策略可以包括修剪哪个枝条、修剪到什么程度等信息;间伐抚育策略是指是否砍伐待抚育树木等信息。
在本实施例的一个可选实现方式中,根据所述抚育策略输出抚育执行控制信号,包括:
在所述抚育策略为执行抚育策略时,输出包括移动所述树木自动抚育设备至所述待抚育树木周围的预定位置处和执行所述抚育策略的抚育执行控制信号。
该可选的实现方式中,在确定了抚育策略以后,可以根据抚育策略生成控制树木自动抚育设备执行具体抚育策略的控制信号。例如,生成的抚育策略为执行抚育策略时,可以生成控制树木自动抚育设备移动到待抚育树木所在地的预定位置处的控制信号,进而还可以生成如何执行抚育策略的控制信号,比如对于间伐抚育策略,生成控制树木自动抚育设备上的砍伐道具移动到树干的待砍伐位置处进行砍伐的信号等。
在本实施例的一个可选实现方式中,所述抚育策略为修枝抚育策略时,还包括以下至少一个抚育参数:修剪强度、修剪高度、修剪频率等;所述抚育策略为间伐抚育策略时,还包括以下至少一个砍伐参数:树木砍伐位置、砍伐强度、砍伐频率。
该可选的实现方式中,抚育策略为修枝抚育策略时,不同树种、树木大小以及树枝形态等,所采用的修枝策略不同,具体可以表现在修剪强度(较细的树枝可以采用低强度修剪方式,而较粗的树枝可以采用高强度修剪方式),修剪频率(较细的树枝可以采用低频率的修剪方式,而较粗的树枝可以采用高强度修剪方式),修剪高度(根据待抚育树木的整体形态等确定纸条的修剪高度)。抚育策略为间伐抚育策略时,可以生成从待抚育树木主树干的哪个位置进行砍伐,以及以何种砍伐强度和砍伐频率进行砍伐等砍伐参数。
图4示出根据本公开一实施方式的树木自动抚育设备的结构框图。如图4所示,该树木自动抚育设备包括:传感装置401、控制装置402、移动装置403以及抚育执行装置404;其中,
所述传感装置401用于获取待抚育树木的传感数据;
所述控制装置402用于根据所述传感数据确定所述待抚育树木的抚育策略,并根据所述抚育策略输出抚育执行控制信号;
所述移动装置403根据所述抚育执行控制信号将所述树木自动抚育设备移动到所述待抚育树木周围的预定位置处;
所述抚育执行装置404根据所述抚育执行控制信号对所述待抚育树木执行所述抚育策略。
本实施例中,传感装置401用于采集待抚育树木的传感数据,包括待抚育树木自身的传感数据、待抚育树木立地环境传感数据和/或待抚育树木周围其他树木的传感数据。待抚育树木可以是人工森林、园林等处生长的树木,例如杉树、棕榈树、马尾松等等。传感装置可以是图像传感器,例如摄像头;传感装置也可以是测距传感器,例如激光雷达、毫米波雷达、超声雷达等;传感装置也可以是立地环境监测传感器,例如温度、湿度、阳光、大气成分、大气压力、降雨、土壤成分等的检测传感器;传感装置也可以是位置传感器,例如全球定位系统接收机。在一种实施方式中,传感装置可以安装于树木自动抚育设备之上,因此可以直接获取树木的传感数据。在另外一种实施方式中,传感装置可以独立于树木自动抚育设备之外,进而通过数据通信的方式与树木自动抚育设备进行传感数据的通信。
控制装置402能够通过传感装置401获取待抚育树木的传感数据,并规划生成抚育策略。进一步,控制装置还可以通过生成的抚育策略生成抚育执行控制信号,以驱动移动装置403和抚育执行装置404,完成对待抚育树木的抚育。控制装置402可以包括CPU、FPGA、MCU、DSP等处理器,用于对接收到的传感数据进行分析处理,并生成抚育策略。控制装置402还可以包括通信单元,用于与树木自动抚育设备上的其他装置如传感装置401、移动装置403和抚育执行装置404进行信息交互,还可以用于与外部设备如云服务器等进行通信。控制装置402还包括存储器,用于存储相关数据。控制装置402可以用于执行图1所示实施例及其他实施例所提出树木自动抚育方法,具体细节可参见上述对图1所示实施例及其他实施例的描述,在此不再赘述。
移动装置403用于接收控制装置402输出的抚育执行控制信号,并基于抚育执行控制信号将树木自动抚育设备移动到指定位置,即待抚育树木周边的预定位置处。树木自动抚育设备需要对待抚育树木执行相应抚育策略时,通常需要移动到待抚育树木跟前,之后再执行抚育策略。预定位置可以是邻近待抚育树木的任何一个能够容纳树木自动抚育设备的空闲位置。移动装置403的机械实现结构可以是带驱动轮或履带等能够移动的装置,还可以是能够承载树木自动抚育设备的移动小车等,具体实现方式可根据实际情况而定,在此不做限制。
控制装置402控制移动装置403将树木自动抚育设备移动到待抚育树木周边的预定位置处后,可以向抚育执行装置404发送控制信号,以取代抚育执行装置404执行相应的抚育策略。抚育策略例如可以包括修剪抚育策略或间伐抚育策略。例如,生成的抚育策略为间伐抚育策略时,控制装置402在树木自动抚育设备移动到预定位置处后,可以控制抚育执行装置404从树干的某个位置处进行砍伐。抚育执行装置的机械实现结构可以是带有修剪刀具、砍伐刀具或锯条的机械臂结构等,抚育执行装置404还可以是直接固定在框架上的刀具或锯条,框架可以包围固定在树干或树枝上,刀具或锯条可以在框架所固定的位置处进行修剪或砍伐。抚育执行装置404的具体实现结构可以根据实际情况设定,在此不做限制。
在本实施例的一个可选实现方式中,所述传感转置包括图像传感器、测距传感器、立地环境监测传感器、位置传感器中的至少一个。
在本实施例的一个可选实现方式中,所述传感器设置在所述树木自动抚育设备上,或者独立于所述树木自动抚育设备,并通过数据通信方式与所述控制装置进行通信,例如设置在无人机上,或者是卫星遥感数据传感器等。
在本实施例的一个可选实现方式中,所述控制装置从设置在所述待抚育树木上或所述待抚育树木周围的第一传感器接收所述待抚育树木自身的传感数据、从设置在所述待抚育树木周围的第二传感器获取所述待抚育树木的立地环境传感数据、和/或从设置在与所述待抚育树木相邻的其他树木上或所述其他树木周围的第三传感器接收所述其他树木的传感数据。
该可选的实现方式中,可以通过一个或者多个传感器获得待抚育树木的多种不同的传感数据。待抚育树木相关的传感数据包括待抚育树木自身的传感数据,例如待抚育树木的图像传感数据、测距传感数据(例如待抚育树木树枝与树干的距离信息等)、定位传感数据等;待抚育树木相关的传感数据还包括待抚育树木所在环境的立地环境传感数据,例如环境温度、湿度、土壤水分、土壤成分、采光度、大气压力、大气成分、降雨量等;待抚育树木相关的传感数据还包括周边其他树木自身的传感数据,例如图像传感数据、测距传感数据、定位传感数据等。待抚育树木自身的传感数据可以从设置在待抚育树木上或者周边的第一传感器获得,待抚育树木所在环境的立地环境传感数据可以从设置在待抚育树木上或者周边的第二传感器获得,待抚育树木周边其他树木的传感数据可以通过设置在其他树木上或其他树木周边的第三传感器获得。第一传感器、第二传感器和第三传感器可以是同一个,也可以是多个,具体根据实际情况进行设置。
在本实施例的一个可选实现方式中,所述控制装置从所述传感装置获取当前传感数据和/或历史传感数据。
该可选的实现方式中,控制装置402可以根据实际需要实时获取传感装置当前检测到的传感数据,也可以在需要时从传感装置401获取历史传感数据。传感装置401可以将监测到的传感数据暂时存储在自身存储单元中。
在本实施例的一个可选实现方式中,所述控制装置根据所述传感数据确定制定所述抚育策略的特征参数,并根据所述特征参数生成抚育策略。
该可选的实现方式中,根据待抚育树木的传感数据可以获得制定待抚育树木的抚育策略的特征参数,包括待抚育树木自身的特征参数和/或环境特征参数,例如通过图像传感数据获得待抚育树木的树种、树龄、圆直度、树冠形态、底部枝条形态、与相邻树木的位置关系、相邻树木的形态、相邻树木的树种、采光度等。
在本实施例的一个可选实现方式中,所述控制装置将所述传感数据输入到至少一个通过训练数据训练过的机器学习模型,并根据所述机器学习模型的输出得到所述抚育策略。
该可选的实现方式中,通过将传感数据输入至训练好的机器学习模型所述抚育策略。机器学习模型可以通过训练数据进行训练,训练数据包括样本树木的传感数据和针对该传感数据对该样本树木所执行的抚育策略。例如,机器学习模型采用神经网络,在训练过程中,不断地将训练数据中的传感数据输入至神经网络,并将神经网络的输出与训练数据中的抚育策略进行比较来更新神经网络的网络参数,直至训练次数达到预设值或者神经网络的输出与训练数据中的抚育策略的相近程度小于预设阈值时,可以认为神经网络已经训练完成,即获得了经过训练的机器学习模型。在实际应用中,可以将采集到的传感数据输入至训练好的机器学习模型,从而由机器学习模型输出抚育策略。
在一实施方式中,样本树木的传感数据可以包含样本树木的图像数据,该图像数据可以通过安装在树木自动抚育设备之上或者独立于树木自动抚育设备的图像传感器获得,该传感数据可被用于机器学习模型的训练上。该图像数据可以包括待抚育树木的各种特征,例如样本树木的高度、胸径、树冠和树叶形态、树枝和树叶的形态、树干的圆直度等图像特征信息。根据采集到的不同图像数据,进行抚育策略的标注。在一实施方式中,抚育策略可以被划分为“执行抚育”和“不执行抚育”两个类别。此时,样本树木的图像数据可以通过人工方式标注出一个合适的抚育策略,并与该图像数据进行关联进而生成一个训练数据。通过上述训练数据训练对应的机器学习模型,则得到一个简单的抚育策略规划模型。在机器学习模型训练好之后,通过图像传感器获得待抚育树木的图像信息后,可以将该图像信息输入至训练后的机器学习模型,并由该机器学习模型输出或为“执行抚育”或为“不执行抚育”的抚育策略。当该机器学习模型输出为“不执行抚育”时,向树木自动抚育设备输出的抚育执行控制信号可以为不执行抚育策略的信号,也即树木自动抚育设备不执行任何操作;当机器学习模型输出为“执行抚育”时,可以按照与抚育策略向对应的抚育参数生成抚育执行控制信号,并输出至树木自动抚育设备上,完成对待抚育树木的抚育。
在另一实施方式中,除了待抚育树木本身的图像数据外,周边树木的一些参数或环境传感数据也可以作为机器学习模型的输入,使得机器学习模型可以参考整体环境进行更为精准的抚育策略规划。例如,传感数据还可以包括与相邻树木的位置关系、相邻树木的形态、相邻树木的树种、树木所在森林的郁闭度、树干下端树枝是否出现枯枝、该树种是否为易受冻害的树种、该地区土壤和降水条件、当前树木采光情况等多种数据。
在另一实施例中,所采用的机器学习模型可以包括多个,例如可以有一个机器学习模型可以通过待抚育树木的图像传感数据识别树木的种类、树龄(中龄或幼龄)、树木园直度等参数,而另一个机器学习模型则采用第一个机器学习模型输出的参数生成抚育策略。进一步,机器学习模型还可以输出更精细的抚育策略,例如修剪的强度,是否使用平切法,是否留桩等抚育策略进行规划。进一步,机器学习模型还可以输入传感器历史数据或抚育历史数据,对抚育间隔进行规划。
在本实施例的一个可选实现方式中,如图5所示,所述移动装置403包括框架单元501、滑动单元502、驱动单元503和可控弹性单元504;
所述滑动单元502、驱动单元503和可控弹性单元504设置在框架单元501上,所述框架单元501用于支撑所述树木自动抚育设备,并将所述树木自动抚育设备固定在所述待抚育树木上;
所述可控弹性单元504根据所述控制装置402输出的抚育执行控制信号改变其内径尺寸,所述滑动单元502设置在所述可控弹性单元504内部,并在所述可控弹性单元504收缩内径尺寸时,压紧在所述待抚育树木外表面,以将所述树木自动抚育设备固定在所述待抚育树木上;
所述驱动单元503用于驱动所述滑动单元502在所述待抚育树木外表面上下移动。
在一实施方式中,树木自动抚育设备可以是在地表之上移动的设备,移动装置403可以是滑轮或履带式移动装置,树木自动抚育设备可以承载在移动装置403的框架单元501上;移动装置403可以通过驱动单元503驱动树木自动抚育设备进行移动。移动装置403还可以包括定位和地图系统,通过移动装置403的定位和地图系统,移动装置可以实现定位并绘制场景地图。移动装置403的路径规划系统可以规划设备移动的目的地,并通过驱动单元503和控制装置402实现树木自动抚育设备从第一位置移动到第二位置点。
在另外一种实施方式中,树木自动抚育设备为可飞行的设备。移动装置403可以为固定翼或旋翼的动力单元,移动装置403可以通过驱动单元503,使得树木自动抚育设备在地表的树木之间进行飞行移动。
框架单元501可以是具有可开合开口的环状结构,能够环绕住待抚育树木的树干或者树枝。在一实现方式中,可控弹性单元504包括多个,对称设置在框架单元上,其可以为一端固定在框架单元501上,而另一端可绕固定端摆动的机械臂的结构。滑动单元502也可以包括多个,可以分别设置在可控弹性单元504可动一端的内部。框架单元501环绕在树干上后,可控弹性单元504在控制装置的控制下可改变其内径尺寸,例如可动一端向内收缩,进而使得滑动单元504压紧在待抚育树木外表面,使得树木自动抚育设备固定在待抚育树木上,此时驱动单元503可以驱动滑动单元502在待抚育树木的外表面上下滑动,进而带动树木自动抚育设备进行移动。上述结构仅是示意性的,在实际应用中,可以根据实际需要改变各个单元的机械结构,只要能够实现上述功能即可。
在本实施例的一个可选实现方式中,所述抚育执行装置设置在所述框架单元上,用于在所述树木自动抚育设备移动到所述预定位置处后,根据所述抚育执行控制信号对所述待抚育树木执行抚育策略。
该可选的实现方式中,抚育执行装置404设置在图5所示的框架单元501上,移动装置403通过框架单元501和可控弹性单元504固定在待抚育树木上之后,可以根据控制装置402输出的抚育执行控制信号执行抚育策略,例如抚育执行装置为一端固定在框架单元501上的刀具或锯条,而该固定端上可以设置动力单元,用于驱动刀具或锯条来回切割,以修剪树木或者砍伐树木。抚育执行装置404的机械结构可以根据实际情况进行设置,此处仅为举例说明,对其机械结构不做任何限制。
在本实施例的一个可选实现方式中,所述抚育策略包括修枝抚育策略或间伐抚育策略;
在所述控制装置402输出执行修枝抚育策略时,所述移动装置403将所述树木自动抚育设备移动到所述待抚育树木周围的预定位置处,并将所述抚育执行装置404固定在所述待抚育树木上;所述抚育执行装置404根据所述抚育策略对所述待抚育树木进行修枝操作;或者,
在所述控制装置402输出执行间伐抚育策略时,所述移动装置404将所述树木自动抚育装置移动到与所述待抚育树木相对的预定位置处;所述抚育执行装置404根据所述抚育策略对所述待抚育树木进行间伐操作。
下面通过举例的方式详细说明本公开的内容。
在一种较为简单的实施方式中,树木自动抚育设备通过图像传感器获取一个树木的图像,并通过机器学习模型对图像进行处理,得到图像中的至少一颗树木的图像数据。进一步,通过对该树木的特征提取,机器学习模型可以识别当前树木是否应该进行间伐操作。如果机器学习模型输出的结果为“需要间伐”,则设备驱动移动装置和抚育执行装置,完成对该树木的砍伐。如果机器学习模型输出的结果为“无需间伐”,则树木自动抚育设备将该树木记录在数据库中并标记为目标树。在一种实现方式中,机器学习模型可以使用一个深度卷积神经网络并配合标注训练数据的方式实现。例如,获得森林中的树木的图像数据,并通过人工的方式判断该树木是否应该被实施间伐操作。例如,在天然林中高大的草本植物、灌木、藤蔓等树木需要被砍伐;在人工纯林中过密的和树干纤细的、生长落后、干形不良的树木需要被砍伐。通过人工标注的方式,图像上数据中需要被保留的树木被标记为目标树,同时需要被砍伐的树木被标记为间伐对象。基于以上标注的训练数据训练一个深度卷积神经网络,可以得到一个用于生成间伐策略的机器学习模型。树木自动抚育设备在森林中移动,通过图像传感器和定位系统识别一颗树木的存在以及其所在位置。进一步,通过使用单独的一个神经网络或共用的神经网络,机器学习模型可以对该树木的间伐策略进行判断。例如,机器学习模型对具体一颗树木输出“需要间伐”或“无需间伐”的策略。进一步,控制装置根据局机器学习模型的输出驱动移动装置和抚育执行装置完成对目标树木的砍伐和记录。当机器学习输出“无需间伐”时,控制装置认为当前的树木属于目标保留树木,同时控制装置可以对目标保留树木进行测绘和记录,例如将树木的位置、树龄、树种、胸径、立地环境等信息进行测量并在数据库中建立对应的档案。
在一实施方式中,所述机器学习模型可以使用更多的传感数据对间伐决策进行更精确的规划。例如,控制装置可以将当前是树木与周围树木之间的距离信息、当前森林中树种分布,进而使得间伐能够保留优势树木,增加森林经济价值的效果。其中,可以使用一个神经网络用于当前树木及周围树木识别,进一步使用另外一个独立的神经网络对间伐策略进行规划。或者,首先将目标森林内所有树木的位置、树种进行识别,然后再将全部数据输入至一个神经网络中进行间伐策略规划。
在一实施方式中,通过设置多个传感器,不仅可以搜集当前待抚育树木的信息,而且还可以搜集待抚育树木所在森林的整体数据,进而完成对间伐抚育的精准规划。这是由于,间伐抚育虽然基于对每一颗树木的操作来完成,但是整体优化目标是整片森林的生长情况,因此整片森林的传感数据成为必不可少的一部分。
下述为本公开装置实施例,可以用于执行本公开方法实施例。
图6示出根据本公开一实施方式的树木自动抚育装置的结构框图,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图6所示,所述树木自动抚育装置包括接收模块601、确定模块602和输出模块603:
接收模块601,被配置为接收待抚育树木的传感数据;
确定模块602,被配置为根据所述传感数据确定所述待抚育树木的抚育策略;
输出模块603,被配置为根据所述抚育策略输出抚育执行控制信号,以控制树木自动抚育设备对所述待抚育树木执行所述抚育策略。
本实施例提出的树木自动抚育装置与图1所示实施例及相关实施例中提出的树木自动抚育方法对应一致,具体细节可参见上述对树木自动抚育方法的描述,在此不再赘述。
在本实施例的一个可选实现方式中,所述接收模块601,包括以下至少之一:
第一接收子模块,被配置为从设置在所述待抚育树木上或所述待抚育树木周围的第一传感器接收所述待抚育树木自身的传感数据;
第二接收子模块,被配置为从设置在所述待抚育树木周围的第二传感器接收所述待抚育树木的立地环境传感数据;
第三接收子模块,被配置为从设置在与所述待抚育树木相邻的其他树木上或所述其他树木周围的第三传感器接收所述其他树木的传感数据。
在本实施例的一个可选实现方式中,所述确定模块602,包括:
第一确定子模块,被配置为根据所述传感数据确定制定所述抚育策略的特征参数;
生成子模块,被配置为根据所述特征参数生成抚育策略。
在本实施例的一个可选实现方式中,所述确定模块602,包括:
输入子模块,被配置为将所述传感数据输入到至少一个通过训练数据训练过的机器学习模型;
第二确定子模块,被配置为根据所述机器学习模型的输出得到所述抚育策略。
在本实施例的一个可选实现方式中,所述训练数据包括样本树木的传感数据以及对所述样本树木所采取的抚育策略。
在本实施例的一个可选实现方式中,所述抚育策略包括:是否执行抚育策略;以及在执行抚育策略时,所述抚育策略还包括修枝抚育策略或者间伐抚育策略。
在本实施例的一个可选实现方式中,所述输出模块603,包括:
输出子模块,被配置为在所述抚育策略为执行抚育策略时,输出包括移动所述树木自动抚育设备至所述待抚育树木周围的预定位置处和执行所述抚育策略的抚育执行控制信号。
在本实施例的一个可选实现方式中,所述抚育策略为修枝抚育策略时,还包括以下至少一个修枝参数:修剪强度、修剪高度、修剪频率;所述抚育策略为间伐抚育策略时,还包括以下至少一个砍伐参数:树木砍伐位置、砍伐强度、砍伐频率。
上述可选实时方式中的具体细节也可参见上述对树木自动抚育方法相关内容的描述,在此不再赘述。
图7是适于用来实现根据本公开实施方式的树木自动抚育方法的电子设备的结构示意图。
如图7所示,电子设备700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行上述图1所示的实施方式中的各种处理。在RAM703中,还存储有电子设备700操作所需的各种程序和数据。CPU701、ROM702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本公开的实施方式,上文参考图1描述的方法可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在及其可读介质上的计算机程序,所述计算机程序包含用于执行图1的方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种树木自动抚育方法,其特征在于,包括:
接收待抚育树木的传感数据包括:
从设置在所述待抚育树木上或所述待抚育树木周围的第一传感器接收所述待抚育树木自身的传感数据;
从设置在所述待抚育树木周围的第二传感器接收所述待抚育树木的立地环境传感数据;
从设置在与所述待抚育树木相邻的其他树木上或所述其他树木周围的第三传感器接收所述其他树木的传感数据,
所述传感数据还包括与相邻树木的位置关系、相邻树木的形态、相邻树木的树种、树木所在森林的郁闭度、树干下端树枝是否出现枯枝、该树种是否为易受冻害的树种、该地区土壤和降水条件、当前树木采光情况;
根据所述传感数据确定所述待抚育树木的抚育策略,包括:
将所述传感数据输入到多个通过训练数据训练过的机器学习模型;
根据多个机器学习模型的输出得到所述抚育策略,
所述多个机器学习模型包括通过待抚育树木的图像传感数据识别树木的种类、树龄、树木园直度参数的第一机器学习模型,第二机器学习模型采用所述第一机器学习模型输出的参数生成抚育策略,第三机器学习模型通过输入传感器历史数据或抚育历史数据,输出对抚育间隔的规划;
根据所述抚育策略输出抚育执行控制信号,以控制树木自动抚育设备对所述待抚育树木执行所述抚育策略,
所述抚育策略包括:是否执行抚育策略;以及在执行抚育策略时,所述抚育策略还包括修枝抚育策略或者间伐抚育策略,
根据所述抚育策略输出抚育执行控制信号,包括:
在所述抚育策略为执行抚育策略时,输出包括移动所述树木自动抚育设备至所述待抚育树木周围的预定位置处和执行所述抚育策略的抚育执行控制信号,
所述抚育策略为修枝抚育策略时,还包括以下至少一个修枝参数:修剪强度、修剪高度、修剪频率;所述抚育策略为间伐抚育策略时,还包括以下至少一个砍伐参数:树木砍伐位置、砍伐强度、砍伐频率。
2.根据权利要求1所述的树木自动抚育方法,其特征在于,根据所述传感数据确定所述待抚育树木的抚育策略,包括:
根据所述传感数据确定制定所述抚育策略的特征参数;
根据所述特征参数生成抚育策略。
3.根据权利要求1所述的树木自动抚育方法,其特征在于,所述训练数据包括样本树木的传感数据以及对所述样本树木所采取的抚育策略。
4.一种树木自动抚育设备,其特征在于,包括:传感装置、控制装置、移动装置以及抚育执行装置;其中,
所述传感装置用于获取待抚育树木的传感数据包括:
从设置在所述待抚育树木上或所述待抚育树木周围的第一传感器接收所述待抚育树木自身的传感数据;
从设置在所述待抚育树木周围的第二传感器接收所述待抚育树木的立地环境传感数据;
从设置在与所述待抚育树木相邻的其他树木上或所述其他树木周围的第三传感器接收所述其他树木的传感数据,
所述传感数据还包括与相邻树木的位置关系、相邻树木的形态、相邻树木的树种、树木所在森林的郁闭度、树干下端树枝是否出现枯枝、该树种是否为易受冻害的树种、该地区土壤和降水条件、当前树木采光情况;
所述控制装置用于根据所述传感数据确定所述待抚育树木的抚育策略,包括:
将所述传感数据输入到多个通过训练数据训练过的机器学习模型;
根据多个机器学习模型的输出得到所述抚育策略,
所述多个机器学习模型包括通过待抚育树木的图像传感数据识别树木的种类、树龄、树木园直度参数的第一机器学习模型,第二机器学习模型采用所述第一机器学习模型输出的参数生成抚育策略,第三机器学习模型通过输入传感器历史数据或抚育历史数据,输出对抚育间隔的规划,
并根据所述抚育策略输出抚育执行控制信号;
所述移动装置根据所述抚育执行控制信号将所述树木自动抚育设备移动到所述待抚育树木周围的预定位置处;
所述抚育执行装置根据所述抚育执行控制信号对所述待抚育树木执行所述抚育策略,
所述抚育策略包括:是否执行抚育策略;以及在执行抚育策略时,所述抚育策略还包括修枝抚育策略或者间伐抚育策略,
根据所述抚育策略输出抚育执行控制信号,包括:
在所述抚育策略为执行抚育策略时,输出包括移动所述树木自动抚育设备至所述待抚育树木周围的预定位置处和执行所述抚育策略的抚育执行控制信号,
所述抚育策略为修枝抚育策略时,还包括以下至少一个修枝参数:修剪强度、修剪高度、修剪频率;所述抚育策略为间伐抚育策略时,还包括以下至少一个砍伐参数:树木砍伐位置、砍伐强度、砍伐频率。
5.根据权利要求4所述的树木自动抚育设备,其特征在于,所述传感装置包括图像传感器、测距传感器、立地环境监测传感器、位置传感器中的至少一个。
6.一种电子设备,其特征在于,包括存储器和处理器;其中,
所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现权利要求1-3任一项所述的方法步骤。
7.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该计算机指令被处理器执行时实现权利要求1-3任一项所述的方法步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810321660.8A CN108633533B (zh) | 2018-04-11 | 2018-04-11 | 树木自动抚育方法、装置、电子设备及存储介质 |
PCT/CN2018/109105 WO2019196360A1 (zh) | 2018-04-11 | 2018-09-30 | 树木自动抚育方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810321660.8A CN108633533B (zh) | 2018-04-11 | 2018-04-11 | 树木自动抚育方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108633533A CN108633533A (zh) | 2018-10-12 |
CN108633533B true CN108633533B (zh) | 2024-06-04 |
Family
ID=63746047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810321660.8A Active CN108633533B (zh) | 2018-04-11 | 2018-04-11 | 树木自动抚育方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108633533B (zh) |
WO (1) | WO2019196360A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829372A (zh) * | 2018-12-26 | 2019-05-31 | 北京木业邦科技有限公司 | 树木间伐方法、装置、电子设备及计算机可读存储介质 |
FI20195678A1 (fi) * | 2019-08-14 | 2021-02-15 | Ponsse Oyj | Menetelmä ja järjestelmä metsäkoneessa |
CN112735071B (zh) * | 2020-12-29 | 2022-08-12 | 岳阳市金霖昇行科技有限公司 | 基于互联网的林业监控系统 |
CN115362841A (zh) * | 2022-09-03 | 2022-11-22 | 东莞市嘉航实业有限公司 | 一种电动剪切工具的剪切开度控制方法 |
CN117546691B (zh) * | 2023-10-19 | 2024-04-19 | 廊坊市园林绿化事务中心 | 一种基于图像识别的园林树木智能修剪系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1276700A (zh) * | 1996-10-23 | 2000-12-13 | 本格特·索维克 | 伐木方法和林业系统 |
CN1628513A (zh) * | 2003-12-18 | 2005-06-22 | 南京林业大学 | 农药精确对靶施用方法 |
FR2923674A1 (fr) * | 2007-11-16 | 2009-05-22 | Xi Sarl | Procede d'entretien d'une propriete viticole. |
CN103593563A (zh) * | 2013-11-12 | 2014-02-19 | 中南林业科技大学 | 一种天然次生林抚育间伐对象木选择方法 |
CN104067145A (zh) * | 2014-05-26 | 2014-09-24 | 中国科学院自动化研究所 | 剪枝机器人系统 |
CN105794502A (zh) * | 2016-04-12 | 2016-07-27 | 山东国兴智能科技有限公司 | 一种全自动树枝修剪机器人及修剪方法 |
CN106295971A (zh) * | 2016-08-02 | 2017-01-04 | 北京百秀京林园林绿地养护有限公司 | 一种园林养护管理服务系统及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007252234A (ja) * | 2006-03-22 | 2007-10-04 | Kazuo Matsuura | 植物栽培方法および植物自動栽培制御装置 |
US20150081058A1 (en) * | 2013-09-13 | 2015-03-19 | Mr. Ian James Oliver | Plant profile game system |
CN103563719A (zh) * | 2013-10-29 | 2014-02-12 | 桂林雅馨装饰工程有限公司 | 园林绿化自动浇灌系统 |
CN104719099A (zh) * | 2013-12-19 | 2015-06-24 | 西安欧德隆电气有限公司 | 一种新型园林智能喷雾系统 |
CN104798666A (zh) * | 2014-01-29 | 2015-07-29 | 魏春旺 | 果园林带智能化渗浇灌溉系统 |
CN105532277A (zh) * | 2015-12-24 | 2016-05-04 | 江苏商贸职业学院 | 一种树木智能输液系统 |
-
2018
- 2018-04-11 CN CN201810321660.8A patent/CN108633533B/zh active Active
- 2018-09-30 WO PCT/CN2018/109105 patent/WO2019196360A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1276700A (zh) * | 1996-10-23 | 2000-12-13 | 本格特·索维克 | 伐木方法和林业系统 |
CN1628513A (zh) * | 2003-12-18 | 2005-06-22 | 南京林业大学 | 农药精确对靶施用方法 |
FR2923674A1 (fr) * | 2007-11-16 | 2009-05-22 | Xi Sarl | Procede d'entretien d'une propriete viticole. |
CN103593563A (zh) * | 2013-11-12 | 2014-02-19 | 中南林业科技大学 | 一种天然次生林抚育间伐对象木选择方法 |
CN104067145A (zh) * | 2014-05-26 | 2014-09-24 | 中国科学院自动化研究所 | 剪枝机器人系统 |
CN105794502A (zh) * | 2016-04-12 | 2016-07-27 | 山东国兴智能科技有限公司 | 一种全自动树枝修剪机器人及修剪方法 |
CN106295971A (zh) * | 2016-08-02 | 2017-01-04 | 北京百秀京林园林绿地养护有限公司 | 一种园林养护管理服务系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019196360A1 (zh) | 2019-10-17 |
CN108633533A (zh) | 2018-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108633533B (zh) | 树木自动抚育方法、装置、电子设备及存储介质 | |
Zhang et al. | Orchard management with small unmanned aerial vehicles: A survey of sensing and analysis approaches | |
CN111372444B (zh) | 信息处理装置、信息处理方法以及植被管理系统 | |
CN109191074A (zh) | 智慧果园种植管理系统 | |
CN115204689B (zh) | 一种基于图像处理的智慧农业管理系统 | |
JP6616378B2 (ja) | 情報処理システム及びプログラム | |
US11935242B2 (en) | Crop yield estimation | |
CN111985694A (zh) | 一种种植规划系统 | |
CN112836623B (zh) | 设施番茄农事决策辅助方法及装置 | |
Ozdemir et al. | Precision Viticulture tools to production of high quality grapes. | |
WO2023204243A1 (ja) | 森林管理システムおよび森林管理方法 | |
CN111095314A (zh) | 作物植物种植的产量估计 | |
Karkee et al. | Agricultural robots for precision agricultural tasks in tree fruit orchards | |
Zarembo et al. | Digital twin: Orchard management using UAV | |
WO2022091092A1 (en) | System and method for indoor crop management | |
JP6616377B2 (ja) | 情報処理システム及びプログラム | |
Robinson et al. | Studies in precision crop load management of apple | |
CN111508078A (zh) | 基于3d模型的农作物修剪演示方法、装置及系统 | |
CN112781647A (zh) | 一种生长中水果品质微型智能飞行检测器 | |
Rovira-Más et al. | Crop scouting and surrounding awareness for specialty crops | |
Halder et al. | Application of Precision Farming in Horticulture: A Comprehensive Review | |
De Bei et al. | Vineyard variability: can we assess it using smart technologies? Original language of the article: English. | |
Mhamed et al. | Developments of the Automated Equipment of Apple in the Orchard: A Comprehensive Review | |
Sakila et al. | Smart Farming: IoT-Based Plant Leaf Disease Detection and Prediction Using Image Processing Techniques | |
CN115660236B (zh) | 作物物候期预测方法、装置、电子设备和存储介质 |
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 |