CN110267525A - 信息产生方法、信息产生装置和程序 - Google Patents

信息产生方法、信息产生装置和程序 Download PDF

Info

Publication number
CN110267525A
CN110267525A CN201780085949.8A CN201780085949A CN110267525A CN 110267525 A CN110267525 A CN 110267525A CN 201780085949 A CN201780085949 A CN 201780085949A CN 110267525 A CN110267525 A CN 110267525A
Authority
CN
China
Prior art keywords
information
vegetation
area
stress
image
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.)
Granted
Application number
CN201780085949.8A
Other languages
English (en)
Other versions
CN110267525B (zh
Inventor
小川哲
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.)
Sony Corp
Original Assignee
Sony Corp
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 Sony Corp filed Critical Sony Corp
Publication of CN110267525A publication Critical patent/CN110267525A/zh
Application granted granted Critical
Publication of CN110267525B publication Critical patent/CN110267525B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Botany (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Forests & Forestry (AREA)
  • Mathematical Physics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Wood Science & Technology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Image Analysis (AREA)

Abstract

这个信息产生方法准确地并且相对容易地计算对植被的特定环境胁迫。为了产生环境胁迫信息，首先使用植被的成像信号确定植被信息。还确定参考植被信息，所述参考植被信息可以是在没有所述特定环境胁迫的状态下的植被信息。然后，指示参考植被信息和从在所述特定环境胁迫可能存在的状态下的植被的成像信号获得的植被信息之差的信息被确定为与对植被的所述环境胁迫相关的信息。

Description

信息产生方法、信息产生装置和程序
技术领域
本技术涉及一种用于产生与对植被的特定环境胁迫(environmental stress)关联的信息的信息产生方法和信息产生设备以及用于实现所述信息产生方法和信息产生设备的程序。
背景技术
植物的光合活性和伴随光合活性的植物体的生长受到环境状态(包括阳光、温度、饱和差、CO2浓度、土壤水分和土壤中的肥料成分)的影响，并且即使在相同环境状态下也根据植物的类型和对环境的适应的状态指示不同行为。
因此，为了有利地培育植物，下面的操作是很重要的：掌握环境状态，监测涉及按照植物的类型或按照培育阶段的时间变化的植物的内部状态，并且响应于所述内部状态而控制培育环境。
以下提及的PTL 1公开通过从水势的光谱测量和物理测量获得关联来测量水胁迫作为水胁迫光谱测量方案。
PTL 2公开使用从红色可见光区域到近红外区域的光谱反射率的变化点的移动作为水胁迫测量方法。
PTL 3公开通过遥感以这种方式对参考区和邻近田地进行成像，即参考区与邻近田地交叠，并且通过与参考区关联的成像信息和农作物信息(通过使用手持式测量仪器的现场测量)来校正与邻近田地关联的农作物信息。
引用列表
专利文献
[PTL 1]
日本专利No.5186635
[PTL 2]
日本专利No.4524473
[PTL 3]
日本专利No.5162890
发明内容
技术问题
同时，通常，迅速而准确地监测植物的内部状态是十分困难的。例如，从过去经验确定即使在具有充足阳光的情况下植物也不能在极低温度充分地执行光合作用的状态，或者难以区分该状态，除非能够观测到指示下面情况的结果：几天过去，状态保持不变，并且生长不充分。
另外，特别地，在环境条件不固定并且多种环境胁迫发生的室外环境等中，难以指定和量化影响植物的培育的环境条件或响应于该状态而采取措施。
例如，即使使用在每个专利文献中描述的技术，也难以在多种胁迫可能同时发生的情况下区分和观测特定环境胁迫。
另外，预期源于由干旱引起的水短缺的灌溉水的量的减少和源于环境污染的肥料的减少。
例如，如果能够利用土壤水分传感器测量土壤含水量，则灌溉水的量能够被合适地设置；然而，所述测量和设置需要较高成本，并且还不能在宽广的农田中实现。
尽管通过利用照相机对植物成像来实现的植物的光谱测量能够被以低成本实现，但该测量是具有植物的环境胁迫反应的形式的间接测量；因此，在农田中同时发生多种环境胁迫的情况下，无法区分环境胁迫的原因(例如，水短缺)。例如，在减少灌溉水的量的情况下，无法理解生长是受到水短缺不利地影响还是受到其它环境胁迫不利地影响；因此，难以确定灌溉水的量的合适的减少。
因此，本技术的目的在于使得即使在多种环境胁迫可能同时发生的环境中也可相对容易地掌握特定环境胁迫。
问题的解决方案
根据本技术的信息产生方法是一种产生与对植被的环境胁迫关联的信息的方法。另外，所述信息产生方法包括：植被信息获取过程，使用植被的成像信号获取植被信息；和差获取过程，获取植被信息和与特定环境胁迫相关的参考植被信息之间的差信息。
在对植被的多种环境胁迫存在的情况下，计算与某种特定环境胁迫关联的信息。在例如诸如温度状态和干旱状态的胁迫大体相同的状态下，计算与特定环境胁迫(例如，水胁迫)关联的信息。为此，获得在没有特定环境胁迫的状态下的参考植被信息和在可能具有特定环境胁迫的状态下的植被信息之间的差别，并且这种差别被视为与特定环境胁迫关联的信息。
可想到，在上述信息产生方法中，所述植被信息获取过程包括从设置为没有所述特定环境胁迫的状态的参考区的成像信号获得与参考区关联的植被信息，并且从设置为可能具有所述特定环境胁迫的状态的待测量区的成像信号获得与待测量区关联的植被信息，参考植被信息获取过程包括使用与参考区关联的植被信息计算参考植被信息，并且差获取过程包括执行与待测量区关联的植被信息和参考植被信息之差的计算。
例如，农田的一部分被用作参考区。例如，在没有水胁迫的状态下采用参考区。农田的另一部分被用作待测量区，并且在具有不同灌溉条件的状态下采用待测量区。另外，基于那些区的成像信号计算与特定环境胁迫关联的信息。
在上述信息产生方法中，可想到，参考区被布置在与待测量区分开的位置。
农田被划分为例如参考区和待测量区。
在上述信息产生方法中，可想到，参考区被布置为与每个待测量区相邻。
换句话说，在待测量区的一部分中准备在没有所述特定环境胁迫的状态下的区，并且这个区被用作参考区。
在上述信息产生方法中，可想到，所述参考植被信息获取过程包括通过使用从被确定为在时区方面与用于获得与待测量区关联的植被信息的成像信号相同的参考区的成像信号获得的植被信息来计算用于执行与待测量区关联的植被信息和参考植被信息之差的计算的参考植被信息。
根据诸如成像设备的数量、类型和性能的机械装备情况以及诸如农场的大小的情况，待测量区和参考区在一些情况下能够在相同时区中被成像，并且在其它情况下不能在相同时区中被成像。如果待测量区和参考区在不同时区中被成像，则改变环境条件(诸如，阳光条件和温度)引起除待计算的所述特定环境胁迫之外的条件的变化。为了解决该问题，使用添加到每个成像信号的成像日期信息选择用于计算参考植被信息的植被信息。
在上述信息产生方法中，可想到，所述植被信息获取过程包括从当待测量区被设置为没有所述特定环境胁迫的状态时成像的指示待测量区的第一成像信号获得植被信息，并且从当待测量区被设置为可能具有所述特定环境胁迫的状态时成像的指示待测量区的第二成像信号获得植被信息，参考植被信息获取过程包括使用从第一成像信号获得的植被信息计算参考植被信息，并且差获取过程包括执行从第二成像信号获得的植被信息和参考植被信息之差的计算。
例如，对于作为待测量区的农田，可变控制被设置为能够针对所述特定环境胁迫的状态执行。另外，基于在没有所述特定环境胁迫时的第一成像信号产生参考植被信息。计算这个参考植被信息和从在施加所述特定环境胁迫时的第二成像信号获得的植被信息之差。
在上述信息产生方法中，可想到，所述成像信号是捕获图像。
另外，在上述信息产生方法中，可想到，所述差获取过程包括产生用作差信息的图像信息。
例如，产生代表从在可能具有所述特定环境胁迫的状态下的植被的捕获图像获取的植被信息和参考植被信息之差的图像信息。
在上述信息产生方法中，可想到，所述参考植被信息获取过程包括：在计算参考植被信息时，计算在没有所述特定环境胁迫的状态下的植被信息的平均值。
从在没有所述特定环境胁迫的状态下的捕获图像获得的植被信息在某种程度上具有不均匀性。为了解决该问题，使用通过计算平均值而获取的值获得用作植被信息的代表值的参考植被信息。
在上述信息产生方法中，可想到，所述特定环境胁迫是水胁迫、低温胁迫、高温胁迫、干旱胁迫、由二氧化碳的不足引起的胁迫或氮胁迫中的任何一个。
另外，在上述信息产生方法中，可想到，所述植被信息是PRI、叶绿素荧光强度、叶绿素荧光指数或状态转换反射率中的任何一个。
根据本技术的信息产生设备包括：植被信息获取部分，使用植被的成像信号获取植被信息；和差获取部分，获取植被信息和与特定环境胁迫相关的参考植被信息之间的差信息。
另外，所述信息产生设备还包括：参考植被信息获取部分，使用从在没有所述特定环境胁迫的状态下的植被的成像信号获取的植被信息获得参考植被信息。
这个信息产生设备能够获得视为基准的具有没有所述特定环境胁迫(例如，水胁迫)的状态的参考植被信息，并且获得从所述特定环境胁迫例如可能发生的区中的成像信号获取的植被信息和参考植被信息之差。
可想到，上述信息产生设备还包括：图像获取部分，通过外部成像设备来获取捕获图像数据作为成像信号。
换句话说，图像获取部分获取由外部成像设备捕获的植被的捕获图像作为用于胁迫测量处理的数据。
在上述信息产生设备中，可想到，对于由图像获取部分获取的捕获图像数据，所述信息产生设备包括：区分获取部分，获取区分信息，区分信息用于区分指示在没有所述特定环境胁迫的状态下的植信息的捕获图像与指示在可能具有所述特定环境胁迫的状态下的植被信息的捕获图像。
区分获取部分获取例如用于区分捕获图像是参考区的图像还是待测量区的图像的信息。
在上述信息产生设备中，可想到，所述参考植被信息获取部分基于区分信息确定从指示在没有所述特定环境胁迫的状态下的植被信息的捕获图像获得的植被信息，并且使用确定的植被信息获得参考植被信息。
由此可合适地选择在没有所述特定环境胁迫的状态下的植被信息，并且获得参考植被信息。
在上述信息产生设备中，可想到，对于由图像获取部分获取的捕获图像数据，所述信息产生设备包括：图像划分部分，将捕获图像数据划分为指示在没有所述特定环境胁迫的状态下的植被信息的捕获图像和指示在可能具有所述特定环境胁迫的状态下的植被信息的捕获图像。
在例如一个捕获图像包含参考区的图像和待测量区的图像的混合图像的情况下，那些区的图像被划分并且提取。
在上述信息产生设备中，可想到，所述参考植被信息获取部分通过使用从在没有所述特定环境胁迫的状态下的成像信号获得的植被信息来计算相对于在可能具有所述特定环境胁迫的状态下的植被信息的参考植被信息，所述成像信号被确定为在时区方面与用于获得在可能具有所述特定环境胁迫的状态下的植被信息的成像信号相同。
例如，使用从在与待测量区的成像信号的时区相同的时区中成像的参考区的成像信号获得的植被信息，计算相对于从待测量区的成像信号获得的植被信息的参考植被信息。
可想到，上述信息产生设备包括：指示部分，发出用于将农田改变为没有所述特定环境胁迫的状态或可能具有所述特定环境胁迫的状态的指令。
例如，灌溉装置被控制，从而某个农田能够被改变为可能具有水胁迫的状态或没有水胁迫的状态。
可想到，上述信息产生设备包括：指示部分，基于由差获取部分获取的差信息控制环境胁迫可变装置。
例如，自动控制等被设置为能够基于植被信息和参考植被信息之间的差信息针对调节灌溉的量的阀等执行。
在上述信息产生设备中，可想到，所述差获取部分产生用作差信息的图像信息，并且所述信息产生设备包括输出所述图像信息的图像输出部分。
例如，指示差信息的图像被输出以对应于农田(待测量区)。
在上述信息产生设备中，可想到，所述参考植被信息获取部分使用由植被信息获取部分从在没有所述特定环境胁迫的状态下的植被的成像信号获取的植被信息获得参考植被信息。换句话说，利用在没有环境胁迫的状态下的植被作为基准获得差信息。
发明的有益效果
根据本技术，可掌握多种环境胁迫可能同时发生的环境(诸如，室外农田)中的特定环境胁迫，并且优化环境胁迫的原因的辨别和使用辨别的结果的农作物管理。
需要注意的是，效果并不总是局限于这里描述的那些效果，而是可以是在本公开中描述的任何效果。
附图说明
图1是根据本技术的第一实施例的系统结构的解释示图。
图2是在实施例中设置的农田中的区的解释示图。
图3是根据实施例的环境胁迫信息的计算的流程的解释示图。
图4是实现根据实施例的信息产生设备的计算机设备的方框图。
图5是根据实施例的环境胁迫信息产生处理的流程图。
图6是根据实施例的用于植被指标的计算处理的流程图。
图7是根据实施例在灌溉控制单元中提供参考区的情况下的解释示图。
图8是根据第二实施例的系统结构的解释示图。
图9是根据第二实施例的用于植被指标的计算处理的流程图。
图10是根据实施例在作为灌溉控制单元的待测量区内提供参考区的情况下的解释示图。
图11是根据第三实施例的系统结构的解释示图。
图12是根据第三实施例的用于植被指标的计算处理的流程图。
图13是根据第四实施例的系统结构的解释示图。
图14是根据第四实施例的胁迫反应观测的解释示图。
图15是根据实施例在通过灌溉管来逐步改变灌溉的量的情况下的解释示图。
图16是根据实施例在通过灌溉管在每个待测量区中逐步改变灌溉的量的情况下的解释示图。
图17是根据实施例在检测灌溉渠中的破损的情况下的解释示图。
图18是根据实施例的用于氮胁迫的测量的施肥的解释示图。
具体实施方式
以下将按照下面的次序描述实施例。
<1.第一实施例>
<2.第二实施例>
<3.第三实施例>
<4.第四实施例>
<5.灌溉的量的设置>
<6.灌溉渠中的破损的检测>
<7.其它环境胁迫的测量>
<8.结论和变型>
<1.第一实施例>
图1描述作为第一实施例的系统结构，该系统结构包括信息产生设备1，信息产生设备1计算对植被的特定环境胁迫。
信息产生设备1使用捕获图像计算特定环境胁迫，所述捕获图像是关于待计算田地的成像信号。
需要注意的是，将作为示例在每个实施例中描述测量水胁迫作为特定环境胁迫的情况。
图1描述参考区Aref和待测量区A1、A2等作为农田的示例。参考区Aref和待测量区A1、A2等位于种植植物/农作物的农田中。农田被划分为区以计算环境胁迫。例如，农田被按照灌溉设备单位划分为区。
图2描述农田的状态。在农田中，由灌溉渠12提供的水被引入到各区中的灌溉设置阀11(11-R、11-1、11-2等)中。
在参考区Aref中，例如，通过灌溉管，灌溉渠12-R被拉出，并且灌溉渠12-R的灌溉水的量由灌溉设置阀11-R控制。
另外，在待测量区A1、A2等中，例如，通过灌溉管，灌溉渠12-1、12-2等分别被类似地拉出。灌溉渠12-1、12-2等的灌溉水的量分别由灌溉设置阀11-1、11-2等控制。
以这种方式，灌溉水的量能够在参考区Aref和待测量区A1、A2等中被个体地设置。换句话说，水胁迫的状态能够在各区中被个体地设置。
图2描述小型飞行器200。通过例如操作人员的无线电控制或无线电自动驾驶，飞行器200能够在农田上方移动。另外，飞行器200中安装成像设备250，从而飞行器200能够在农田上方移动的同时对参考区Aref和待测量区A1和A2中的植被进行成像。
图1示意性地描述如图2中所述的参考区Aref以及待测量区A1和A2。需要注意的是，作为示例给出参考区Aref以及待测量区A1和A2的面积、配置等。划分为各区的方法、面积比等不受具体限制。
灌溉控制器10是控制由灌溉设置阀11(11-R、11-1、11-2等)释放的水的量的设备。
在这个示例中，灌溉控制器10不仅能够响应于操作人员的指令等而控制每个灌溉量设置阀11，还能够向信息产生设备1提供与由灌溉量设置阀11释放的水的量关联的信息作为区分信息PI。
参考区Aref在这里表示这样的区：在该区中，足够量的灌溉水被设置以防止水短缺，而不管其它环境条件(诸如，天气)。换句话说，参考区Aref是在没有水胁迫的状态下设置的区。
因此，图1等中描述的参考区Aref是这样的区：在该区中，灌溉控制器10控制灌溉设置阀11以确保充分的灌溉。尽管这个参考区Aref可被设置为固定位置，但参考区Aref可以是仅在计算环境胁迫时被控制处于没有水胁迫的状态的区，并且参考区Aref可被改变。
另一方面，待测量区A1、A2等被定义为这样的区：在每个待测量区中，灌溉的量被按照位置、按照天气或按照培育阶段设置得尽可能最小。因此，待测量区A1、A2等被定义为这样的区：在每个待测量区中，灌溉控制器10控制灌溉设置阀11，从而灌溉水的量在某种程度上受到限制。
通过从灌溉控制器10向信息产生设备1提供与每个区中的灌溉水的量关联的信息(灌溉设置阀11的控制信息)作为区分信息PI，这使信息产生设备1能够区分什么区(具有什么灌溉设置阀11的区)是参考区Aref或者什么区是待测量区A1或A2。
需要注意的是，每个灌溉量设置阀11可被构造为手动地调节释放的水的量。在这种情况下，并不总是提供灌溉控制器10。另外，在这种情况下，可想到，区分信息PI由工作人员手动地输入到信息产生设备1，所述工作人员设置每个区中的灌溉水的量。
信息产生设备1具有图像获取部分21、植被指标计算部分22、植被指标缓冲器23、区分获取部分24、参考值计算部分25、差计算部分26、输出缓冲器27、图像输出部分28和输出数据产生部分29。
需要注意的是，这些部分中的每一个可被利用硬件配置，或者这些部分中的每一个可以是在将在稍后描述的计算机设备中由软件(环境胁迫信息产生程序)实现的功能。将在以下描述这样的示例：这些部分中的每一个由软件实现为功能块。
图像获取部分21获取由例如安装在上述飞行器200中的成像设备250获得的图像数据作为用于计算环境胁迫的图像。
另外，图像获取部分21获取图像文件Ref作为通过对至少参考区Aref中的植被进行成像而获得的图像数据，并且获取图像文件M1、M2等作为通过对待测量区A1、A2等中的植被进行成像而获得的图像数据。
需要注意的是，获取的图像文件(Ref、M1、M2等)是从成像设备250或中继设备经有线传输或无线传输发送并且由信息产生设备1接收的图像数据文件，或者由成像设备250侧或其它记录设备记录在记录介质中并且通过由信息产生设备1再现记录介质而获取的图像数据文件。
另外，图像获取部分21可实时地(在成像时)或在稍后的定时获取捕获图像文件(Ref、M1、M2等)。图像获取部分21可至少在产生环境胁迫信息时获取参考区Aref和待测量区A1、A2等中的图像。
此外，尽管作为用于获取捕获图像的成像设备的示例提及安装在飞行器200中的成像设备250，但图像获取部分21可获取由安装在农田中的定点照相机捕获的图像或使用由人拥有的成像设捕获的图像。
另外，在本实施例中假设：由图像获取部分21获取的图像文件(Ref、M1、M2等)包含光谱测量图像。换句话说，成像设备250被假设为多光谱照相机，并且图像文件(Ref、M1、M2等)包含在任意两个或更多个波长的测量图像。
图3描述图像文件Ref和M1中所包含的数据的示例。这些图像文件中的每个图像文件包含在由“λ1”、“λ2”、“λ3”和“λ4”表示的多个波长的图像。尽管这里描述四个图像，但每个图像文件被假设包含至少两个波长的图像。
另外，标签信息TG被添加到每个图像文件。标签信息TG包含成像日期信息、作为GPS(全球定位系统)数据的位置信息(经度/纬度信息)、成像设备信息(与照相机关联的个体识别信息、型号信息等)、与每个图像数据关联的信息(诸如图像大小、波长和成像参数的信息)等。
图1的信息产生设备1中的植被指标计算部分22执行这样的处理：使用由图像获取部分21获取的图像获得用作与植被关联的信息的植被指标。
作为用于测量环境胁迫的指标由植被指标计算部分22计算的指标的示例包括：
·PRI(光化学反射指数)
·叶绿素荧光强度
·叶绿素荧光指数
·状态转换反射率
等。
叶绿素荧光强度可以是由太阳光激发的叶绿素荧光的强度(太阳诱导叶绿素荧光(SIF))，或者并非由太阳光而是通过使用激光器或LED而被激发。
叶绿素荧光指数用于在几个分开的波长测量叶绿素荧光，并且由两个波长(例如，685nm和735nm)之比表示。
在本实施例中，将作为示例描述获得PRI的情况。
通过将随着叶黄素循环的脱环氧化作用而变化的光谱反射率指标化来获得PRI。叶黄素循环是这样的机制：由于伴随强光或水胁迫的气孔关闭，释放量太大而无法被光合反应消耗的过多光能作为热量。
PRI在这里被假设如下计算。
PRI＝(R570-R531)/(R570+R531)
需要注意的是，“R570”表示在570nm的波长的反射光强，并且“R531”表示在531nm的波长的反射光强。
因此，植被指标计算部分22使用图像文件Ref、M1、M2等中的在570nm的波长的图像和在531nm的波长的图像基于PRI值产生植被指标图像文件Ref_P、M1_P、M2_P等。
在图3中，描述从图像文件Ref产生植被指标图像文件Ref_P以及从图像文件M1产生植被指标图像文件M1_P。
换句话说，使用“λ1”图像(例如，在570nm的波长的图像)和“λ2”图像(例如，在531nm的波长的图像)获得这些植被指标图像文件。植被指标计算部分22针对构成每个图像的每个像素的值(响应于反射光强的亮度值)计算PRI，并且获得每个像素的PRI值作为植被指标图像。包含关于每个像素的PRI值的图像数据的文件用作植被指标图像文件。
需要注意的是，在以上定义的PRI值的情况下，PRI值也随着胁迫的增加而增加。
由植被指标计算部分22获得的这些植被指标图像文件被暂时地存储在植被指标缓冲器23中。
将补充地描述作为另一指标的叶绿素荧光。
使用叶绿素荧光也能够检测胁迫。叶绿素荧光是伴随植物中的光合作用从植物发射的荧光，并且是在从由光激发电子的反应中心在某个时间内没有耗散能量的情况下在高等植物中作为在大约680至770nm的波长的荧光释放能量的现象。
释放的能量是输入光能的0.5％至3％，随着植物的光合状态而变化，并且在下面的情况下增加：由于伴随强光或水胁迫的气孔关闭，过多光能的量太大而无法被光合反应消耗。
PRI和叶绿素荧光中的每一个是响应于胁迫在几分钟内观测到变化的反应。
另外，即使不能区分瞬时胁迫，NDVI(归一化差值植被指标)等也可被用于区分作为结果看起来像生长差异的永久胁迫。
植被指标计算部分22可使用获取的图像文件Ref、M1、M2等基于除PRI值之外的值获得植被指标图像文件。
信息产生设备1中的区分获取部分24如上所述获取区分信息PI。这种区分信息PI是用于区分存储在植被指标缓冲器23中的植被指标图像文件的信息。
区分信息PI是至少用于区分什么文件是与参考区Aref对应的植被指标图像文件Ref_P或者什么文件是与待测量区A1、A2等对应的植被指标图像文件M1_P、M2_P等的信息。
如上所述，经常从灌溉控制器10提供区分信息PI。另外，由图像获取部分21获取的每个图像文件(Ref、M1、M2等)中的标签信息TG经常被用作区分信息PI。此外，由工作人员输入的信息经常被用作区分信息PI，但未在图1中描述。
区分获取部分24向参考值计算部分25提供区分信息PI或基于区分信息PI产生的用于文件指定的信息。
参考值计算部分25计算用于获得环境胁迫信息的参考植被信息(参考值Vref)。
参考值计算部分25使用植被指标图像文件Ref_P计算参考值Vref。由此，为了计算参考值Vref，参考值计算部分25基于来自区分获取部分24的信息从存储在植被指标缓冲器23中的植被指标图像文件之中选择和读取与参考区Aref对应的植被指标图像文件Ref_P。
参考值计算部分25使用植被指标图像文件Ref_P中的图像数据的每个像素的值(也就是说，参考区Aref中的每个部分的PRI值)计算参考值Vref。
可想到，参考值Vref被设置为例如构成植被指标图像文件Ref_P中的每个图像的像素值的平均值。例如，所有像素的平均值被简单地设置为参考值Vref。
另外，尽管本实施例中的处理旨在测量与植物相关的胁迫，但捕获图像也经常包含土壤部分。土壤部分的图像(也就是说，与土壤部分对应的植被指标图像的像素值)用作植物的PRI值的噪声。
因此，参考值计算部分25可排除土壤，仅提取植物出现的部分(像素)，获得提取的像素的PRI值的平均值，并且使用获得的平均值作为参考值Vref。
为了在图像中区分植物部分与土壤部分，可设想使用其它植被指标(例如，NDVI)。
此外，参考值计算部分25可仅提取植物暴露于光的部分，获得平均值，并且使用平均值作为参考值Vref。
替代地，参考值计算部分25可仅提取植物未暴露于光的部分，获得平均值，并且使用平均值作为参考值Vref。
通过用于利用例如所述另一植被指标(诸如，NDVI)区分植物与土壤并且随后选择在高亮度的像素或选择在低亮度的像素的方案，能够获得这些。
使用由参考值计算部分25计算的参考值Vref和存储在植被指标缓冲器23中的待测量区A1、A2等的植被指标图像文件M1_P、M1_P等，差计算部分26计算每个待测量区A1、A2等的胁迫值。
在图3中，描述产生与待测量区A1关联的胁迫信息作为差图像文件M1_DP，作为植被指标图像文件M1_P和参考值Vref之差获得所述差图像文件M1_DP。
具体地讲，通过用植被指标图像文件M1_P的每个像素值减去参考值Vref来获得差值，并且作为按原样包含这个差值作为每个像素值的图像数据，产生与待测量区A1关联的胁迫信息。这个图像数据被定义为差图像文件M1_DP。
类似地，通过用植被指标图像文件M2_P的每个像素值减去参考值Vref来获得差值，并且作为按原样包含这个差值作为每个像素值的图像数据，产生与待测量区A2关联的胁迫信息。这个图像数据被定义为差图像文件M2_DP。
作为针对待测量区A1、A2等获得的胁迫信息的差图像文件M1_DP、M2_DP等被存储在输出缓冲器27中。
通过例如工作人员的操作，存储在输出缓冲器27中的差图像文件M1_DP、M2_DP等被从图像输出部分28输出作为输出图像信息Pout。输出图像信息Pout例如被显示在监测显示器上，发送给其它信息处理设备，或存储在存储设备中的存储介质中。
输出图像中的每一个是响应于由差计算部分26获得的每个像素的差值的图像。因此，输出图像用作这样的图像：参照没有水胁迫的参考区Aref，针对水胁迫可能存在的待测量区A1、A2等，表示对各部分中的植被的水胁迫的程度。
另外，存储在输出缓冲器27中的差图像文件M1_DP、M2_DP等可由输出数据产生部分29响应于例如工作人员的操作而处理。例如，输出数据产生部分29可获得差图像文件M1_DP的像素值的平均值、代表值、最大值、最小值、重心值等，并且输出这些0作为输出数据Dout，所述输出数据Dout用作待测量区A1的水胁迫的指标。
替代地，输出数据产生部分29还可分析差图像文件M1_DP的差值，产生与水胁迫关联的观测信息、待测量区A1内的分布状态和其它信息，并且输出这些条信息作为输出数据Dout。使用这些条信息使得可获得不同的或高级的分析信息。
如图1中所述并且如到目前为止所述配置的根据第一实施例的信息产生设备1测量除待测量农田之外仅在待计算的特定环境胁迫(水胁迫)方面条件不同的用作参考的个体块(参考区Aref)，并且从所述差异计算对植被的环境胁迫(水胁迫)。
用每个待测量区中的植被指标的计算结果减去作为灌溉被充分地执行以防止水胁迫的发生的参考区Aref中的植被指标的计算结果(例如，平均值)的参考值Vref使信息产生设备1能够获得在水胁迫方面不同的前一个体块和另一个体块之差。
此时，将测量时间(成像设备250捕获图像的时间)设置为基本上相同(相同时区)使其它环境胁迫(诸如，温度和阳光)能够在条件方面是相同的。换句话说，使飞行器200依次在短时间内对参考区Aref以及待测量区A1和A2进行成像使得可将基于在那时捕获的图像文件Ref、M1、M2等计算的植被指标(植被指标图像文件Ref_P、M1_P、M2_P等)视为在其它条件方面相同并且仅在水胁迫方面不同的植被指标。
具有图1中描述并且到目前为止描述的功能结构的信息产生设备1由具有例如图4中描述的硬件结构的计算机设备100实现。
如图4中所述，计算机设备100配置有CPU(中央处理单元)51、ROM(只读存储器)52和RAM(随机存取存储器)53。
CPU 51根据存储在ROM 52中的程序或从存储部分59加载到RAM 53的程序执行各种处理。RAM 53也根据需要存储CPU 51执行各种处理所需的数据等。
CPU 51、ROM 52和RAM 53经总线54互相连接。输入/输出接口55也连接到这个总线54。
显示器56(包括液晶面板、有机EL面板等)、输入部分57(包括键盘、鼠标等)、扬声器58、配置有HDD等的存储部分59、通信部分60等能够连接到输入/输出接口55。
显示器56可被与计算机设备100或与计算机设备100分开的设备集成。例如，输出图像Pout和输出数据Dout被显示在显示器56上。
输入部分57表示由使用计算机设备100的用户使用的输入装置。
通信部分60执行经网络(包括互联网)的通信处理，并且支持与外围的设备的通信。例如，通信部分60可与成像设备250通信。
另外，驱动器61被连接到输入/输出接口55，存储卡62根据需要连接到驱动器61，从存储卡62读取的计算机程序被根据需要安装在存储部分59中，并且由CPU 51处理的数据被根据需要存储在存储部分59中。当然，驱动器61可以是用于可移动存储介质(诸如，磁盘、光盘或磁光盘)的记录/再现驱动器。
利用这种硬件结构，计算机设备100能够执行作为根据实施例的信息产生设备1的处理，也就是说，作为图像获取部分21、植被指标计算部分22、区分获取部分24、参考值计算部分25、差计算部分26、图像输出部分28和输出数据产生部分29的处理。换句话说，这些处理由在CPU 51中激活的软件实现。配置所述软件的程序被从网络下载或从可移动存储介质读取，并且被安装在图4的计算机设备100中。替代地，所述程序可被预先存储在用作存储部分59的HDD等中。通过在CPU 51中激活程序，各部分的功能出现。
此外，植被指标缓冲器23和输出缓冲器27被使用例如RAM 53的存储区域实现。
图像文件Ref、M1、M2等由通信部分60接收或由驱动器61从存储介质读取，并且被存储在例如存储部分59中。具有作为图像获取部分21的功能的CPU 51在以这种方式捕获的图像文件之中获取产生胁迫信息所需的图像文件。
类似地，CPU 51获取必要的区分信息PI。替代地，经常作为由操作人员使用输入部分57输入的信息捕获区分信息PI。
由图像输出部分28和输出数据产生部分29执行的信息的输出被以各种形式执行，包括输出到显示器56或扬声器58作为图像或语音、存储在存储部分59中、由通信部分60发送给外部设备以及由驱动器61存储在存储介质中。
需要注意的是，根据实施例的信息处理设备1不限于具有有着图4中描述的硬件结构的单个信息处理设备(计算机设备)100的结构，而是可通过使多个计算机设备系统化而被配置。所述多个计算机设备可通过LAN等而被系统化，或者可通过使用互联网等的VPN(虚拟私有网络)等而被布置在远程位置。所述多个计算机设备可包括可通过云计算服务使用的计算机设备。
另外，图4的计算机设备100能够被实现为静止类型、笔记本类型等的个人计算机，或实现为移动终端(诸如，平板计算机终端或智能电话)。此外，具有作为计算机设备100的功能的电子设备(诸如，测量设备、电视设备、监测设备、成像设备或装置管理设备)可安装根据本实施例的信息产生设备1。
将描述由信息产生设备1执行的胁迫信息产生处理的示例。
图5和6描述由具有作为信息产生设备1的图1中描述的功能的计算机设备100中的CPU 51执行的处理的示例。
CPU 51在步骤S101中读取从例如灌溉控制器10发送的区分信息PI。换句话说，CPU51获取用于区分灌溉控制分区的信息，具体地讲，用于将参考区Aref和待测量区A1、A2等彼此区分的信息。
CPU 51在步骤S102中读取用于该处理的光谱测量图像文件。换句话说，图像文件Ref、M1、M2等是将要如上所述处理的光谱测量图像文件，并且CPU 51读取一个光谱测量图像文件(该光谱测量图像文件被例如用作图像文件Ref)。具体地讲，步骤S102是这样的处理：用于在从成像设备250等发送并且存储在存储部分59等中的的图像文件Ref、M1、M2等之中读取图像文件Ref。
CPU 51在步骤S103中读取添加到读取的图像文件Ref的标签信息TG。
该标签信息被用作用于根据需要将参考区Aref和待测量区A1、A2等彼此区分的信息(区分信息PI)。
CPU 51在步骤S104中基于图像文件Ref计算植被指标。在针对这个图像文件Ref执行该处理的情况下，CPU 51在步骤S104中获得参考区Aref的植被指标。
图6描述用于计算这个植被指标(在PRI的情况下)的处理的示例。
图6描述用于从一个图像文件产生一个植被指标图像文件的处理。换句话说，CPU51针对图像文件Ref执行图6的处理，并且产生植被指标图像文件Ref_P。
CPU 51在图6的步骤S141中读取一个像素的值作为光谱测量图像文件(在这种情况下，该光谱测量图像文件是图像文件Ref)中的在570nm的波长的测量值。
另外，CPU 51在步骤S142中读取一个像素的值作为光谱测量图像文件(在这种情况下，该光谱测量图像文件是图像文件Ref)中的在531nm的波长的测量值。
使用这些读取的一像素值，CPU 51在步骤S143中计算PRI＝(R570-R531)/(R570+R531)，并且计算每一个像素的PRI值。
CPU 51在步骤S144中确认该处理是否针对待处理的光谱测量图像文件中的所有像素结束。如果该处理未针对所有像素结束，则CPU 51返回到步骤S141，并且对下一个像素执行相似的处理。
通过重复这个处理，CPU 51计算光谱测量图像文件中的所有像素的PRI值。换句话说，在CPU 51在步骤S144中确定针对图像文件Ref结束所有像素的计算时，CPU 51已能够产生包含PRI值作为所有像素值的植被指标图像文件Ref_P。因此，CPU 51结束针对一个光谱测量图像文件(例如，图像文件Ref)的图6的处理。
在执行以上作为图5的步骤S105描述的处理时，CPU 51在步骤S105中将产生的植被指标图像文件Ref_P写到植被指标缓冲器23。
CPU 51在步骤S106中确认当前产生的植被指标图像文件是否对应于参考区Aref(当前产生的植被指标图像文件是否是“Ref_P”)。
换句话说，CPU 51将作为区分信息PI获得的与灌溉分区关联的信息与标签信息TG进行比较，并且确认是否已产生植被指标图像文件Ref_P。
在这种情况下，通过将例如与灌溉分区关联的信息与添加到图像文件Ref的标签信息TG内的位置信息进行比较，CPU 51能够确定当前产生的植被指标图像文件是与参考区Aref对应的植被指标图像文件Ref_P。
在确定已产生与参考区Aref对应的植被指标图像文件Ref_P的情况下，CPU 51在步骤S107中计算参考值Vref。换句话说，CPU51从植被指标缓冲器23读取植被指标图像文件Ref_P。
需要注意的是，植被指标缓冲器23可至少存储植被指标图像文件Ref_P，直至CPU51在步骤S107中读取植被指标图像文件Ref_P。
CPU 51随后通过上述方案(诸如，获得读取的植被指标图像文件Ref_P中的所有像素的平均值)来计算参考值Vref。随后，CPU 51前进至步骤S108。
CPU 51在步骤S108中确定是否针对待处理的所有光谱测量图像文件结束植被指标的计算。如果未针对所有光谱测量图像文件结束该计算，则CPU 51返回到步骤S102，并且针对另一光谱测量图像文件执行该处理。
例如，CPU 51接下来针对图像文件M1执行步骤S102至S106中的处理。因此，CPU 51在步骤S102中读取图像文件M1，在步骤S103中读取标签信息TG，并且在步骤S104中计算植被指标。换句话说，在图像文件M1被设置为对象的情况下，CPU 51执行图6的处理。CPU 51由此产生与待测量区A1对应的植被指标图像文件M1_P。
CPU 51在图5的步骤S105中将植被指标图像文件M1_P写到植被指标缓冲器23。
在这种情况下，CPU 51在步骤S106中确定当前产生的植被指标图像文件不对应于参考区Aref；因此，CPU 51前进至步骤S108，而不经过步骤S107，并且确认是否存在剩余的光谱测量图像文件。
CPU 51针对图像文件M2和后面的图像文件执行相似的处理以产生植被指标图像文件。
当CPU 51结束针对所有光谱测量图像文件的植被指标的计算时，CPU 51前进至步骤S109。这里，CPU 51执行针对待测量区A1、A2等的植被指标图像文件M1_P、M2_P等连续地产生差图像文件M1_DP、M2_DP等的处理。
CPU 51在步骤S109中从植被指标缓冲器23读取例如植被指标图像文件M1_P。CPU51随后在步骤S110中用植被指标图像文件M1_P中的每个像素的植被指标的值减去参考值Vref。CPU 51由此产生包含差值作为所有像素的差图像文件M1_DP。
CPU 51在步骤S111中将差图像文件M1_DP写到输出缓冲器27。
CPU 51在步骤S112中确认是否针对作为对象的所有待测量区A1、A2等结束对植被指标图像文件的处理，并且如果未针对所有待测量区A1、A2等结束该处理，则返回到步骤S109。
CPU 51随后在步骤S109中从植被指标缓冲器23读取另一植被指标图像文件M2_P，并且在步骤S110中用植被指标图像文件M2_P中的每个像素的植被指标的值减去参考值Vref。CPU 51由此产生包含差值作为所有像素的差图像文件M2_DP。CPU 51在步骤S111中将差图像文件M2_DP写到输出缓冲器27。
在步骤S112中确定此时针对作为对象的所有待测量区A1、A2等结束对植被指标图像文件的处理时，CPU 51前进至步骤S113以输出差图像文件M1_DP、M2_DP等。例如，CPU 51输出差图像文件M1_DP、M2_DP等作为图像，或者基于差图像文件M1_DP、M2_DP等产生输出数据并且输出产生的输出数据Dout。
由此输出针对待测量区A1、A2等产生的胁迫信息。
现在将参照图7描述根据第一实施例的农田的灌溉控制单元。图7描述大体上在灌溉控制单元(1ha(10,000m2))中创建参考区Aref的情况。
图7A描述农田中的区A0、A1、A2和A3。在每个区中，灌溉渠12-0、12-1、12-2或12-3被铺设，并且灌溉渠12-0、12-1、12-2或12-3的灌溉水的量能够分别由灌溉设置阀11-0、11-1、11-2或11-3调节。
图7B描述这样的情况：在这种农田中，作为按照位置、按照天气或按照培育阶段调整的临时灌溉设置，将灌溉设置阀11-0、11-1、11-2和11-3的开放率分别设置为50％、60％、90％和70％。然而，如果这个设置是不合适的，则水胁迫可能发生在区A0、A1、A2和A3中的每个区中；因此，获得与每个区关联的水胁迫信息使得可确定合适的灌溉水的量。
然而，在这种情况下，难以进行正确的确定，因为不存在基准。例如，即使作为与具有90％的灌溉水的量的区A2关联的胁迫信息获得指示水胁迫低的结果，也无法确定该结果是否是最佳的。
需要注意的是，100％在这里表示按照已有灌溉方案的值，该值是未按照位置、按照天气或按照培育阶段调整的固定值或者未按照那些条件充分地并且个体地优化的设置值。例如，100％意味着：即使在不同位置(诸如，A0、A1、A2和A3)，也使用一致并且充分的灌溉值。通常，如果仅考虑位置，则需要的灌溉的量由于位置的排水性能及其土壤的成分的差异而在各位置之间变化。
为了解决该问题，根据实施例，提供没有水胁迫的参考区Aref，并且产生胁迫信息作为参考区Aref的植被指标和每个待测量区的植被指标之间的差信息。
由此，例如，区A0被设置为参考区Aref，并且区A0中的灌溉水的量被设置为100％，如图7C中所述。其它区A1、A2和A3被设置为待测量区A1、A2和A3，并且待测量区A1、A2和A3中的合适的灌溉水的量被分别设置。
如上所述按照这种设置产生水胁迫信息使得可在灌溉水的量将要被减少的情况下清楚地确定灌溉水的量是否是合适的。
例如，在未能观测到显著差异作为与待测量区A2和A3对应的差图像文件M2_DP和M3_DP(也就是说，待测量区A2和A3并未显著不同于参考区Aref)的情况下，应该清楚地理解，这些待测量区被充分地灌溉或可接收灌溉的量的进一步减少。在观测到显著差异作为待测量区A1的差图像文件M1_DP的情况下，应该清楚地理解，灌溉的量在待测量区A1中被过度减少。
<2.第二实施例>
将参照图8描述第二实施例。
需要注意的是，在随后的实施例的描述中，与已经描述的实施例中的那些组成地点类似的组成地点由相同标号表示，并且其重复描述将会被省略。
第二实施例是这样的示例：对于每个待测量区A，参考区Aref被提供作为与每个待测量区A(“A”被用作A1、A2等的一般符号)相邻的区。
例如，如图8中所述，参考区Aref1被布置在待测量区A1内，并且参考区Aref2被布置在待测量区A2内。(在这个第二实施例的情况下，假设：“Aref”是Aref1、Aref2等的一般符号。)
由此，作为捕获的光谱测量图像的图像文件M1、M2等中的每个图像文件包含待测量区A(A1、A2等)的图像和参考区Aref(Aref1、Aref2等)的图像的混合图像。
需要注意的是，这个第二实施例是这样的示例：待测量区A和参考区Aref的图像被一起捕获。参考区Aref不限于由待测量区A包围的区，并且可以是布置在待测量区A之间的区或者与待测量区A相邻并且并排的区。换句话说，作为农田中的一部分，参考区Aref可被提供作为不与对应待测量区A分开的区。
这个图8描述这样的示例：来自输入部分33的输入信息被输入到信息产生设备1中的区分获取部分24作为区分信息PI。
输入部分33是例如与图4的输入部分57对应的键盘、鼠标和遥控器或者便携式终端设备(诸如，智能电话)，所述便携式终端设备是这样的设备：通过该设备，工作人员能够将信息输入到信息产生设备1。
例如，关于参考区Aref被如何相对于每个待测量区A布置的信息被输入作为区分信息PI。
在农田中形成参考区Aref时，工作人员可响应于形成的参考区Aref而输入信息(与农田中的位置和范围关联的信息)。
图像文件M1、M2等中的每个图像文件包含待测量区A和参考区Aref的混合图像。这是因为，待测量区A1和参考区Aref1例如被同时成像。
由此，必须针对图像文件M1、M2等中的每个图像文件区分作为待测量区A的图像区域与作为参考区Aref的图像区域。
信息产生设备1因此具有作为图像划分部分30的功能。
图像划分部分30基于由区分获取部分24获取的区分信息PI执行区分处理。例如，图像划分部分30在作为光谱测量图像的图像文件M1中区分参考区Aref1的图像区域与待测量区A1的图像区域。
植被指标计算部分22基于划分的图像计算PRI值，并且产生植被指标图像文件Ref_P1和M1_P。
在这种情况下，由于在每个待测量区A提供参考区Aref，所以从图像文件M1产生植被指标图像文件Ref_P1和M1_P，并且从图像文件M2产生植被指标图像文件Ref_P2和M2_P。
参考值计算部分25计算每个待测量区A的参考值Vref。换句话说，参考值计算部分25使用植被指标图像文件Ref_P1产生用于植被指标图像文件M1_P的参考值Vref1，并且使用植被指标图像文件Ref_P2产生用于植被指标图像文件M2_P的参考值Vref2。
图9描述由用作这种信息产生设备1的计算机设备100(CPU 51)执行的胁迫信息产生处理的示例。这个图9描述与参照图5和6描述的那些处理基本上类似的处理(并且在图9中，相同的步骤编号被添加到与图5中的那些处理相同的处理)。
应该注意的是，用于区分参考区Aref的图像与待测量区A的图像的图像划分处理S120被添加在图5的步骤S103和步骤S104(图9的步骤S104A)之间，因为图像文件M1、M2等如上所述包含参考区Aref的图像。
例如，CPU 51在步骤S120中使用区分信息PI(包括标签信息TG)确定什么像素区域是图像文件M1中的光谱测量图像中的参考值Vref的图像区域，并且确定作为参考区Aref1的图像的像素区域和作为待测量区A1的图像的另一区域。
另外，CPU 51在步骤S104A中使用划分的参考区Aref1的图像执行图6的处理以计算PRI，并且产生植被指标图像文件Ref_P1。另外，CPU 51类似地使用待测量区A1的图像执行图6的处理以计算PRI，并且产生植被指标图像文件M1_P。
CPU 51在步骤S105A中将这些植被指标图像文件Ref_P1和M1_P写到植被指标缓冲器23。
CPU 51随后前进至步骤S107A以使用植被指标图像文件Ref_P1计算参考值Vref1。
随后，如果另一图像文件还未被处理，则CPU 51从步骤S108返回到步骤S102。例如，CPU 51针对图像文件M2执行相似的处理。
在如上所述的第二实施例的情况下，参考区Aref1、Aref2等被布置为与待测量区A1、A2等相邻；因此，可同时获得待测量区A的图像和参考区Aref的那些图像，并且将除所述特定环境胁迫(例如，水胁迫)之外的环境条件(例如，阳光和温度)设置为相同。在农场土地广阔的情况下，这一点特别有效。在实际农场运营中，这个方案是有价值的。
这里，图10描述在水胁迫被用作所述特定环境胁迫的情况下形成参考区Aref的方法的示例。
图10描述待测量区A1、A2、A3和A4。在每个待测量区A中，通过例如灌溉管来布置灌溉渠12-1、12-2、12-3或12-4。
尽管通常按照一垄(50cm至1m)的间隔掩埋灌溉管，但仅在局部掩埋两个灌溉管。这些局部部分对应于参考区Aref1、Aref2、Aref3和Aref4。
尽管两个灌溉管被掩埋在每个参考区Aref中，但具有大直径孔或具有按照短间隔形成的孔的灌溉管可被掩埋在那里。
这使得即使减少设置的整个农田的灌溉的量也可实现能够在局部被充分地灌溉的区。
需要注意的是，在这个示例中，灌溉设置阀11-1、11-2、11-3和11-4的开放率被设置为50％、60％、90％和70％。
<3.第三实施例>
将参照图11描述第三实施例的结构的示例。
这个实施例是这样的情况的示例：类似于第一实施例，提供与待测量区A1、A2等分开的参考区Aref，并且根据需要与对待测量区A1、A2等进行成像并且产生其植被指标图像文件分开地对参考区Aref进行成像并且产生其植被指标图像文件。
例如，定点照相机被提供用于参考区Aref以按照预定时间的间隔对参考区Aref进行成像。当然，可使飞行器200按照预定时间的间隔在空中飞行以利用成像设备250对参考区Aref进行成像。
另外，每当飞行器200在空中飞行时，产生植被指标图像文件Ref_P。换句话说，在各时间产生所述产生的参考区Aref的植被指标图像文件Ref_P(t1)、Ref_P(t2)、Ref_P(t3)等。
信息产生设备1具有作为成像时间提取部分31和时间同步部分32的功能。
成像时间提取部分31提取图像文件Ref、M1、M2等的成像时间信息。成像时间信息被输入到区分获取部分24作为区分信息PI。成像时间信息还被提供给时间同步部分32。
时间同步部分32向参考值计算部分25提供成像时间信息以用于计算每个参考值Vref。
图12描述由用作这种信息产生设备1的计算机设备100(CPU 51)执行的胁迫信息产生处理。处理基本上类似于参照图5和6描述的那些处理(并且在图12中，相同的步骤编号被添加到与图5中的那些处理基本上类似的处理)。然而，用于同步成像时间的处理被如下所述添加，因为图像文件Ref和图像文件M1、M2等未被连续地输入。
顺序地从成像设备提供参考区Aref的图像文件Ref。图11将在不同定时的图像文件Ref描述为图像文件Ref(t1)、Ref(t2)等。
CPU 51针对这些图像文件Ref(t1)、Ref(t2)等顺序地执行图12的步骤S101至S105中的处理，并且产生植被指标图像文件Ref_P(t1)、Ref_P(t2)等。然而，需要注意的是，不必在这个阶段计算参考值Vref。
CPU 51利用视为对象的待测量区A1、A2等的图像文件M1、M2等执行图12的处理。在这种情况下，类似于图5，CPU 51利用连续地视为待处理对象的图像文件M1、M2等执行图12的步骤S101至S105中的处理。
CPU 51针对例如图像文件M1执行步骤S101至S105中的处理，并且产生植被指标图像文件M1_P。
此时，通过在步骤S106B中确定当前产生的植被指标图像文件是待测量区A1的图像，CPU 51前进至步骤S160中的处理，并且选择在与图像文件M1的时区相同的时区中捕获的参考区Aref的图像文件Ref的植被指标图像文件Ref_P。换句话说，这是用于使用从图像文件(Ref、M1、M2等)提取的成像时间信息同步的处理。
通过这个同步处理，CPU 51针对例如植被指标图像文件M1_P确定：植被指标图像文件Ref_P(t1)对应于与植被指标图像文件M1_P的时区相同的时区中的植被指标图像文件。
在这种情况下，CPU 51在步骤S161中使用植被指标图像文件Ref_P(t1)产生参考值Vref(t1)。CPU 51存储这个参考值Vref(t1)作为与植被指标图像文件M1_P对应的值。
接下来，CPU 51针对例如图像文件M2执行步骤S101至S105中的处理，并且产生植被指标图像文件M2_P。
此时，通过在步骤S106B中确定当前产生的植被指标图像文件是待测量区A2的图像，CPU 51前进至步骤S160中的处理，并且选择在与图像文件M2的时区相同的时区中捕获的参考区Aref的图像文件Ref的植被指标图像文件Ref_P。另外，CPU 51针对植被指标图像文件M2_P确定：植被指标图像文件Ref_P(t2)对应于与植被指标图像文件M2_P的时区相同的时区中的植被指标图像文件。
在这种情况下，CPU 51在步骤S161中使用植被指标图像文件Ref_P(t2)产生参考值Vref(t2)。CPU 51存储这个参考值Vref(t2)作为与植被指标图像文件M2_P对应的值。
步骤S109至S113中的处理类似于图5中的那些处理。然而，需要注意的是，在步骤S110中，与植被指标图像文件M1_P、M2_P等对应的参考值Vref(t1)、Vref(t2)等被用作参考值Vref。
这个第三实施例适合这样的情况：在例如广阔的农场土地中测量植被。
如果例如假设飞行器200花费十分钟在空中飞行以对一个待测量区A进行成像并且待测量区A的数量是20，则在待测量区A1的成像时间和待测量区A20的成像时间之间产生200分钟的差。
如果以这种方式测量待测量区A花费较长时间，则产生在测量时间方面显著不同于参考区Aref的待测量区A。在这种情况下，环境条件(诸如，阳光条件和温度)变化，导致这样的结果：除待计算的环境胁迫之外的条件在待测量区A和参考区Aref之间变化。
为了解决该问题，参考区Aref被顺序地成像。通过如此操作，存在在与待测量区A1至A20中的每个待测量区的时间基本上相同的时间捕获的参考区Aref的图像，并且那些图像使得可获得对应时区中的参考值Vref。
因此，可在将除所述特定环境胁迫之外的环境条件设置为大体相同的情况下通过参考值Vref来获得差图像文件M1_DP、M2_DP等。
尽管在图12的处理的示例中在产生每个待测量区A的植被指标图像文件时在步骤S161中计算参考值Vref，但每当产生参考区Aref的植被指标图像文件Ref_P(t1)、Ref_P(t2)等时，可计算并且存储参考值Vref(t1)、Vref(t2)等。在这种情况下，CPU 51可在步骤S110使用成像时间信息选择对应参考值Vref。
用于确定的时区可被设置为时间宽度，利用该时间宽度，其它环境条件能够被视为基本上相同。可根据农场土地的位置、装置、气候等确定时区。
<4.第四实施例>
图13描述第四实施例的结构的示例。
在这个实施例中，灌溉指示部分35被布置在信息产生设备1中。另外，参考区Aref并不特别地布置在农田中。
灌溉指示部分35在灌溉的量方面指示灌溉控制器10。灌溉控制器10驱动并且控制用于待测量区A1的灌溉设置阀11-1以控制待测量区A1中的灌溉水的量。
例如，灌溉指示部分35能够按照作为灌溉水的量的100％灌溉、90％灌溉、80％灌溉等指示灌溉控制器10。灌溉控制器10响应于这种指示而驱动并且控制灌溉设置阀11-1。
另外，灌溉指示部分35每次向参考值计算部分25传送灌溉水量指示信息。
在这种结构的情况下，在将灌溉水的量设置为100％时的捕获图像被用作图像文件Ref，并且在减少灌溉水的量(将灌溉水的量设置为例如70％)时的捕获图像被用作待测量区A1的图像文件M。
由用作信息产生设备1的计算机设备100(CPU 51)执行的胁迫信息产生处理类似于图5和6中的胁迫信息产生处理。
然而，CPU 51在步骤S106中确定产生的植被指标图像文件是作为基准的植被指标图像文件Ref_P还是待测量区A1的植被指标图像文件M_P。在产生的植被指标图像文件是作为基准的植被指标图像文件Ref_P的情况下，CPU 51可在步骤S107中计算参考值Vref。
例如，由于将灌溉水的量设置为100％的时间是已知的，所以CPU 51可将使用在该时间的图像文件产生的植被指标图像文件视为植被指标图像文件Ref_P。
将参照图14描述在利用以这种方式故意地控制的灌溉水的量的测量的情况下的植被指标图像文件Ref_P和M_P的产生。
时间段TM1是这样的时间段：在该时间段中，在抑制状态下(将灌溉水的量设置为例如70％)设置灌溉控制。
从在这个时间段TM1中捕获的图像文件M(光谱测量图像)，观测到高胁迫反应作为PRI值。
时间段TM2是这样的时间段：在该时间段中，灌溉控制处于暂时增加状态(将灌溉水的量设置为例如100％)。
从在这个时间段TM2中捕获的图像文件Ref(光谱测量图像)，PRI值下降并且观测到无胁迫状态。
因此，使用参考值Vref执行从这个时间段TM2的植被指标图像文件Ref_P获得的参考值Vref和时间段TM1的植被指标图像文件M_P之间的差计算使得可获得针对水胁迫的合适的差图像文件M_DP。
在到目前为止描述的第四实施例中，通过控制特定环境，执行测量以通过是否出现测量值的变化来确定是否发生所述特定环境胁迫。此时，可想到，逐步控制所述特定环境，记录无胁迫的环境设置值(例如，温度或灌溉的量)，并且利用用作最佳环境设置值的这个记录的值自动地控制环境胁迫可变装置(例如，灌溉设置阀11-1)。环境胁迫可变装置在这里表示用于改变环境状态(水的量、温度、CO2浓度等)以直接或间接影响对植物的环境胁迫的设备。环境胁迫可变装置不限于示例性地描述的灌溉设置阀，并且环境胁迫可变装置的示例可包括照明灯、加热器和CO2发生器。
例如，按照各种环境条件(除用于影响所述特定环境胁迫的条件之外)的最佳环境设置值被预先记录，并且在差值为正(指示存在胁迫)时按照最接近条件设置环境设置值作为目标值的同时，控制环境胁迫可变装置。具体地讲，灌溉指示部分35向灌溉控制器10发出用于控制待测量区A1的灌溉水的量(灌溉设置阀11-1)的指示。换句话说，环境胁迫可变装置被控制以便以这种方式改变环境状态，即减少对植物的环境胁迫。
也就是说，基于与参考值Vref的差关联的信息自动地控制调节灌溉的量等的灌溉设置阀11-1使得可基于观测结果执行想要的灌溉控制。
<5.灌溉的量的设置>
将接下来描述能够被用于到目前为止描述的每个实施例的用于设置灌溉的量的方案的另一示例。
尽管以前已参照图7和10描述用于设置每个区中的灌溉的量的方案的示例，但图15描述该方案的另一示例。
图15A描述用作灌溉渠12的灌溉管120。在购买灌溉管120时，孔未被特别地形成在灌溉管120中。例如，用于在农田中安装灌溉管120的拖拉机装备有穿孔机构。另外，在安装灌溉管120时，在形成孔120H的同时安装灌溉管120，如图15C中所述。
在这种情况下，使孔120H的间隔可变或设置不同孔直径使得可使灌溉水的量在灌溉管120的各部分之间不同。
图15B描述这样的示例：在从80％到200％的范围中将灌溉水的量设置为在灌溉管120的各部分之间不同。
图16B描述使用如图15B中所述设置的灌溉管120的示例。图16A描述与图15B的灌溉管120相同的灌溉管120。
图16A的灌溉管120被用作待测量区A1、A2、A3和A4中的灌溉渠12-1、12-2、12-3和12-4，如图16B中所述。需要注意的是，图16B描述这样的状态：多个灌溉管120仅整体上平行地布置在待测量区A1中，而待测量区A2、A3和A4被省略并且仅被部分地描述。然而，每个待测量区A中的灌溉管120的布置不限于平行布置，并且一个灌溉管120可被安装在每个待测量区A中。
灌溉设置阀11-1、11-2、11-3和11-4的开放分别被设置为50％、60％、90％和70％。
这种设置使得可在农田的各部分中精细地设置灌溉水的量，如图16B中所述。
另外，如果具有所述灌溉水的量的每个待测量区被用作待测量区A1、A2等，则可获得用于各种灌溉水的量的水胁迫信息(差图像文件M1_DP、M2_DP等)。
在例如灌溉的量被设置为50％的待测量区A1中，除了具有几乎100％的灌溉的量的参考区Aref1之外，还存在具有40％至90％的灌溉的量的区。在利用直至50％的灌溉的量未测量出胁迫的情况下，应该理解，最佳灌溉设置是50％。这方便在改变灌溉水的量的同时确定什么程度的灌溉水的量是最佳的，而不重复用于执行测量的试凑法。
<6.灌溉渠中的破损的检测>
同时，根据实施例的信息产生设备1能够检测由灌溉管120形成的灌溉渠12中的破损等。
图17描述例如四个参考区Aref1、Aref2、Aref3和Aref4。通过灌溉设置阀11-R1、11-R2、11-R3或11-R4，在参考区Aref1、Aref2、Aref3和Aref4中的每个参考区中调节灌溉水的量。由于所述区全部是参考区Aref，所以灌溉水的量全部被设置为100％。
从四个参考区Aref1、Aref2、Aref3和Aref4的图像文件Ref产生植被指标图像文件Ref_P，并且获得参考值Vref。
由于所述参考区全部处于相同的水胁迫状态，所以各参考值Vref能够是大体相等的值。
然而，在例如参考区Aref3中假设：到达灌溉设置阀11-R3的灌溉渠12具有破损，并且灌溉水的量在基本上整个区域(阴影部分)中是0％。还在参考区Aref4中假设：灌溉渠12-4的一部分具有破损，并且阴影部分未被合适地灌溉。
在这种情况下，针对参考区Aref3和Aref4获得的参考值Vref大大不同于针对参考区Aref1和Aref2获得的参考值Vref。
作为结果，在像参考区Aref3和Aref4的示例的情况下，由此可检测到：由于灌溉管中的破损等的发生，未执行合适的灌溉。
因此，在第一实施例中提供例如多个参考区Aref并且比较来自那些参考区Aref的参考值Vref使得可确定异常是否发生在任何参考区Aref中。
由于任何参考区Aref中的异常的发生妨碍环境胁迫的合适的测量，所以这个异常检测方案是有价值的。
另外，可想到，当在某个参考区Aref中检测到异常时，使用另一参考区Aref的捕获图像执行上述处理。
由此，即使参考区的一部分具有异常，也可执行合适的胁迫测量。
可考虑到灌溉系统的故障率而确定将要安装的参考区Aref的数量。
同时，尽管这个示例是参考区Aref中的异常的检测的示例，但通过下面的操作能够检测出异常：提供具有不同灌溉路径但具有相同的灌溉水的量的多个区(不管是参考区Aref还是待测量区A)并且比较所述区的测量结果(例如，PRI平均值)。
在广阔的农场中，例如，定位由于灌溉管120中的破损等而导致的灌溉渠12中的异常是不容易的。由此，下面的情况适合用作系统使用：使用信息产生设备1的处理操作，能够检测到灌溉渠中的异常。
<7.其它环境胁迫的测量>
通过作为示例采用测量水胁迫作为特定环境胁迫的情况，已描述以上实施例；然而，当然，实施例的技术能够被类似地应用于其它环境胁迫。
例如，氮胁迫能够被测量。
在像第一实施例中一样提供参考区Aref的情况下，如图18A中所述设置分区。参考区Aref中的施加的肥料的量被设置为100％，并且待测量区A1、A2和A3中的施加的肥料的量分别被设置为90％、80％和70％。
在这种状态下执行第一实施例中的处理使得可获得用于确定多少施加的肥料的量合适的差图像文件M1_DP、M2_DP和M3_DP。
在将第二实施例应用于氮胁迫的测量的情况下，如图18B中所述设置分区。例如，待测量区A1、A2、A3和A4中的施加的肥料的量分别被设置为90％、80％、70％和60％。具有设置为100％的施加的肥料的量的参考区Aref1、Aref2、Aref3和Aref4中的每个参考区被布置为与各区相邻。
在这种状态下执行第二实施例中的处理使得可获得用于确定多少施加的肥料的量合适的差图像文件M1_DP、M2_DP、M3_DP和M4_DP。
当然，植被指标可以不是指示胁迫的指标(诸如，PRI)，而是可以是指示生长结果的指标(诸如，NDVI)。
如果通过以视觉方式检查NDVI图像而识别出线，则能够确定施肥是不合适的。这是因为，参考区Aref的线能够被以视觉方式确认的情况是参考区Aref和待测量区A在植被状态方面不同的情况。
假设：能够在实施例中测量的对植被的环境胁迫的类型不仅包括水胁迫和氮胁迫，还包括低温胁迫、高温胁迫、干旱胁迫和由CO2的不足引起的胁迫。
<8.结论和变型>
以上实施例能够获得下面的效果。
根据实施例的信息产生设备1的信息产生方法包括：植被信息获取过程(图5和图6的S104)，使用植被的捕获图像获取植被信息；参考植被信息获取过程(图5的S107；图9的S107A；图12的S161)，获得与在没有特定环境胁迫的状态下的植被信息关联的参考植被信息(参考值Vref)；和差获取过程(S109、S110和S111)，获取从在可能具有所述特定环境胁迫的状态下的植被的捕获图像获取的植被信息和参考植被信息之间的差信息作为与环境胁迫关联的信息。
获得视为基准的具有没有所述特定环境胁迫(例如，水胁迫)的状态的参考植被信息(参考值Vref)并且获得从所述特定环境胁迫可能发生的区的捕获图像获取的植被信息和参考植被信息之差使得可非常准确地并且相对容易地获取与所述特定环境胁迫关联的信息。
可掌握多种环境胁迫可能同时发生的环境(诸如，室外农田)中的特定环境胁迫，并且优化环境胁迫的原因的辨别和使用辨别的结果的农作物管理。
另外，在希望减少灌溉水的量、减少肥料等的情况下，由此可精确地掌握环境胁迫不会通过执行这种减少而影响植被的范围。因此，可提供用于合适地减少灌溉水的量或减少肥料的非常有用的信息。
尽管已描述基于捕获图像的处理，但数据不限于图像。也能够使用例如由成像波长范围部件等获得的植被的成像信号获得植被信息。
在第一、第二和第三实施例中，从设置为没有所述特定环境胁迫的状态的参考区Aref的捕获图像(图像文件Ref)获得与参考区关联的植被信息(植被指标图像文件Ref_P)。另外，从设置为可能具有所述特定环境胁迫的状态的待测量区A1、A2等的捕获图像M1、M2等获得与待测量区关联的植被信息(植被指标图像文件M1_P、M2_P等)。此外，通过使用与参考区Aref关联的植被信息计算参考值Vref并且执行与待测量区关联的植被信息和参考值Vref之差的计算，获得差信息(差图像文件M1_DP、M2_DP等)。
例如，农田的一部分被用作参考区Aref。例如，在没有水胁迫的状态下采用参考区Aref。农田的另一部分被用作待测量区A(A1、A2等)，并且在具有不同灌溉条件的状态下采用待测量区A。
以这种方式划分各区使得可形成这样的状态：在使其它环境胁迫大体类似时，所述特定环境胁迫(例如，水胁迫)不同。另外，基本上同时对参考区Aref和待测量区A进行成像使得可准确地从所述区的捕获图像获取与例如水胁迫关联的信息(差图像文件M1_DP、M2_DP等)。
在第一实施例中，参考区Aref被布置在与待测量区A分开的位置。
这能够促进将参考区Aref设置为没有所述特定环境胁迫的区并且将待测量区A设置为可能具有所述特定环境胁迫的区。
提供参考区Aref作为在例如灌溉装置方面不同于待测量区A的区促进通过经每个灌溉装置调节灌溉水的量来设置没有水胁迫的参考区Aref和可能具有水胁迫的待测量区A。
在第二实施例中，已提及这样的示例：提供与每个待测量区A相邻的参考区Aref。
例如，参考区Aref被例如布置在与待测量区A的灌溉控制单元相同的灌溉控制单元内。
这促进基本上同时对参考区Aref和待测量区A进行成像。参考区Aref能够存在于与待测量区A所在的捕获图像相同的捕获图像中。
特别地，在假设广阔的农场的情况下，像第一实施例中一样提供与待测量区A分开的参考区Aref经常使得难以在相同时区中对参考区Aref和待测量区A进行成像。在这种情况下，参考区Aref和待测量区A可能在其它环境条件方面不同。为了尽可能同时对参考区Aref和待测量区A进行成像以避免这种差异，例如必须由多个飞行器250对各区进行成像或在多个位置提供定点照相机，导致装置成本和运营成本的增加。
采用如第二实施例中所述的结构使得可基本上同时对参考区Aref和待测量区A进行成像，而无需这些成本增加。换句话说，可按照低成本容易地获取仅在所述特定环境胁迫方面彼此不同的环境条件的图像作为参考区Aref和待测量区A的图像。
在第三实施例中，通过使用从被确定为在时区方面与用于获得与待测量区A关联的植被信息的捕获图像相同的参考区Aref的捕获图像获得的植被信息，计算用于执行与待测量区A关联的植被信息和参考植被信息之差的计算的参考植被信息(参考值Vref)。
根据诸如成像设备的数量、类型和性能的机械装备情况以及诸如农场的大小的情况，待测量区A和参考区Aref在一些情况下能够在相同时区中被成像，并且在其它情况下不能在相同时区中被成像。如果待测量区A和参考区Aref在不同时区中被成像，则改变环境条件(诸如，阳光条件和温度)引起除待计算的所述特定环境胁迫之外的条件的变化。为了解决该问题，使用添加到捕获图像的成像日期信息选择用于计算参考值Vref的植被信息。
由此即使在参考区Aref和待测量区A不能被同时成像的情况下也可在相同时区中按照基本上相同的环境条件将与待测量区A关联的植被信息与与参考区Aref关联的植被信息(从该植被信息获得的参考值Vref)进行比较。因此，所述差信息具有精确地表示待测量的所述特定环境胁迫(例如，水胁迫)的值，因此使得可提高测量可靠性。
所述相同时区可被设置为时间宽度等，利用该时间宽度，其它环境条件被估计为基本上相同。
在第四实施例中，从当待测量区A被设置为没有所述特定环境胁迫的状态时成像的指示待测量区A的第一捕获图像(图像文件Ref)获得植被信息(植被指标图像文件Ref_P)，并且从当待测量区A被设置为可能具有所述特定环境胁迫的状态时成像的指示待测量区A的第二捕获图像(图像文件M)获得植被信息(植被指标图像文件M_P)。另外，使用从第一捕获图像获得的植被信息计算参考植被信息(参考值Vref)，并且执行从第二捕获图像获得的植被信息(植被指标图像文件M_P)和参考值Vref之差的计算。
在同一待测量区A中可变地控制所述特定环境胁迫(例如，水胁迫)使得可按照高准确性通过差计算来获取与所述特定环境胁迫关联的信息。
另外，在这种情况下，不需要与待测量区分开地准备参考区Aref。
此外，动态地控制培育环境并且在改变环境胁迫的同时执行测量能够实现与所述特定环境胁迫相关的测量，而不依赖于环境(例如，不依赖于天气)。
尽管已在这个第四实施例中描述控制灌溉系统的灌溉的量并且改变土壤含水量以测量水胁迫的示例，但下面的方案可被设想为对所述特定环境胁迫的控制。
可想到，空气调节被控制以改变温度从而测量例如低温或高温胁迫。
也可想到，空气调节被控制以改变饱和差从而测量干旱胁迫。
此外，可想到，二氧化碳发生器被控制以改变CO2浓度从而测量由CO2的不足引起的胁迫。
在第一至第四实施例中，已描述这样的示例：产生图像信息(差图像文件M1_DP等)作为差信息。换句话说，所述图像信息代表从在可能具有所述特定环境胁迫的状态下的植被的捕获图像获取的植被信息和参考植被信息(参考值Vref)之差。
产生这种代表与农田中的每个位置对应的胁迫状态的图像信息使得可提供这样的信息：该信息使人(工作人员)能够容易地识别在每个位置的胁迫状态。
在第一至第四实施例中，已描述这样的示例：在计算参考植被信息(参考值Vref)时，计算在没有所述特定环境胁迫的状态下的植被信息的平均值。
在计算的过程中使用该平均值使得可吸收例如参考区内的每个个体块的不均匀性以获取合适的参考值Vref。
根据第一至第四实施例的信息产生设备1包括：植被指标计算部分22，使用植被的捕获图像获得植被信息；参考植被信息获取部分(参考值计算部分25)，获得与特定环境胁迫相关的参考植被信息(参考值Vref)；和差计算部分26，获取植被信息和与所述特定环境胁迫相关的参考植被信息之间的差信息。
这个信息产生设备1能够获得从具有视为基准的植被的某个状态的待测量区的捕获图像获取的植被信息和参考植被信息之差。这个差使信息产生设备1能够评估与参考状态相比的植被的胁迫状态。
需要注意的是，经常使用预先获取的参考植被信息。
另外，由差计算部分26产生的差信息可指示定量数值，或仅指示大小关系(诸如，正/负)。所述差信息可以是这样的值：在该值为正的情况下，指示胁迫的存在，并且在该值为负的情况下，指示无胁迫。
换句话说，所述差信息可指示胁迫的存在/不存在或者程度。
根据第一至第四实施例的信息产生设备1包括图像获取部分21，图像获取部分21通过外部成像设备来获取捕获图像数据。
外部设备的示例应该包括安装有成像设备250的飞行器200、定点照相机和由人拥有的照相机。
接收从这些成像设备经有线传输或无线传输发送的图像或者从存储介质读取图像使信息产生设备1能够获取农田中的植被的捕获图像。获取捕获图像作为待处理对象使计算机设备100等能够执行作为信息产生设备1的处理。
根据第一至第三实施例的信息产生设备1包括：区分获取部分24，对于由图像获取部分21获取的捕获图像数据，获取区分信息PI，区分信息PI用于区分指示在没有所述特定环境胁迫的状态下的植被信息的捕获图像与指示在可能具有所述特定环境胁迫的状态下的植被信息的捕获图像。
必须区分由图像获取部分21获取的图像是参考区Aref的图像还是待测量区A的图像。
为了满足该需要，位置信息、时间信息、手动地输入的指定信息等被接收作为区分信息，从而图像能够被区分。这使信息产生设备1能够正确地处理获取的图像以产生胁迫信息。
根据第一至第三实施例的信息产生设备1基于区分信息PI确定从指示在没有所述特定环境胁迫的状态下的植被信息的捕获图像获得的植被信息，并且使用确定的植被信息获得参考植被信息(参考值Vref)。
这使信息产生设备1能够准确地从在没有所述特定环境胁迫的状态下的植被信息确定参考植被信息。换句话说，信息产生设备1能够使用参考区Aref的植被指标图像文件Ref_P计算参考值Vref。
根据第二实施例的信息产生设备1包括：图像划分部分30，对于由图像获取部分21获取的捕获图像数据，将捕获图像数据划分为指示在没有所述特定环境胁迫的状态下的植被信息的捕获图像和指示在可能具有所述特定环境胁迫的状态下的植被信息的捕获图像。
换句话说，在第二实施例的情况下，由图像获取部分21获取的图像文件(M1、M2等)包含参考区Aref的图像和待测量区A(A1、A2等)的图像的混合图像。在一个捕获图像以这种方式包含参考区Aref的图像和待测量区A的图像的混合图像的情况下，那些区的图像被划分并且提取。
这使信息产生设备1能够正确地处理获取的图像以产生胁迫信息。
根据第三实施例的信息产生设备1被配置为，通过使用从被确定为在时区方面与用于获得在可能具有所述特定环境胁迫的状态下的植被信息的捕获图像相同的在没有所述特定环境胁迫的状态下的捕获图像获得的植被信息，计算相对于在可能具有所述特定环境胁迫的状态下的植被信息的参考植被信息(参考值Vref)。
像第三实施例的情况一样考虑到时区而选择植被指标图像文件Ref_P使信息产生设备1能够基于与植被指标图像文件M1_P、M2_P等的时区相同的时区中的捕获图像计算参考值Vref。由于能够获得这个参考值Vref作为在将除所述特定环境胁迫(例如，PRI值)之外的环境条件设置为大体相同的情况下的参考植被信息，所以获得的差图像文件M1_DP、M2_DP等用作合适地表示所述特定环境胁迫的信息。换句话说，可提高与所述特定环境胁迫关联的测量信息的准确性。
需要注意的是，根据第一和第二实施例的信息产生设备1能够类似地实现非常准确的测量，因为能够基本上使用相同时区中的图像计算参考值Vref。
根据第四实施例的信息产生设备1包括：指示部分(灌溉指示部分35)，发出用于将农田改变为没有所述特定环境胁迫的状态或可能具有所述特定环境胁迫的状态的指令。换句话说，信息产生设备1能够通过控制灌溉装置来将某个农田改变为可能具有水胁迫的状态或没有水胁迫的状态。
这使信息产生设备1能够将甚至同一区域设置为没有所述特定环境胁迫的状态或可能具有所述特定环境胁迫的状态。
在根据第一至第四实施例的信息产生设备1中，差计算部分26产生用作差信息的图像信息(差图像文件M1_DP等)，并且根据第一至第四实施例的信息产生设备1又包括图像输出部分28，图像输出部分28输出这个图像信息。
输出图像信息作为图像使得可提供农场工作人员容易以视觉方式理解并且识别环境胁迫的信息。
另外，在根据第一至第四实施例的信息产生设备1中，参考植被信息获取部分(参考值计算部分25)使用由植被指标计算部分22从在没有所述特定环境胁迫的状态下的植被的捕获图像获取的植被信息获得参考植被信息(参考值Vref)。
这个信息产生设备1能够获得视为基准的具有没有所述特定环境胁迫(例如，水胁迫)的状态的参考值Vref，并且获得从所述特定环境胁迫可能发生的区的捕获图像获取的植被信息和参考值Vref之差。
根据本发明的实施例的程序是使计算机设备100中的CPU 51执行下述操作的程序：植被信息计算处理，用于使用植被的捕获图像获得植被信息；参考植被信息获取处理，用于获得与特定环境胁迫相关的参考植被信息；和差获取处理，用于获取植被信息和参考植被信息之间的差信息。
更具体地讲，根据实施例的程序是使计算机设备100中的CPU51执行下述操作的程序：植被信息计算处理，用于使用植被的捕获图像获得植被信息；参考植被信息获取处理，用于获得与在没有所述特定环境胁迫的状态下的植被信息关联的参考植被信息；和差获取处理，用于获取从在可能具有所述特定环境胁迫的状态下的植被的捕获图像获取的植被信息和参考植被信息之间的差信息作为与环境胁迫关联的信息。
换句话说，根据实施例的程序是使计算机100执行图5和6的处理(或图9或12中的处理)的程序。
这种程序促进实现根据实施例的信息产生设备1。
另外，这种程序能够被预先存储在嵌入在设备(诸如，计算机设备)中的记录介质、具有CPU的微型计算机内的ROM等中。替代地，所述程序能够被暂时地或永久地保存(存储)在可移动记录介质(诸如，半导体存储器、存储卡、光盘、磁光盘或磁盘)中。另外，这种可移动记录介质能够被提供作为所谓的封装软件。
此外，这种程序能够被从可移动记录介质安装到个人计算机等中，或者能够被经网络(诸如，LAN或互联网)从下载网站下载。
需要注意的是，仅作为示例给出在本说明书中描述的效果，并且效果不限于在本说明书中描述的那些效果并且可包含其它效果。
需要注意的是，本技术能够被如下构造。
(1)一种信息产生方法，包括：
植被信息获取过程，使用植被的成像信号获取植被信息；和
差获取过程，获取植被信息和与特定环境胁迫相关的参考植被信息之间的差信息。
(2)如(1)所述的信息产生方法，其中
所述植被信息获取过程包括从设置为没有所述特定环境胁迫的状态的参考区的成像信号获得与参考区关联的植被信息，并且从设置为可能具有所述特定环境胁迫的状态的待测量区的成像信号获得与待测量区关联的植被信息，并且
作为参考植被信息获取过程，使用与参考区关联的植被信息获取参考植被信息，并且
差获取过程包括执行与待测量区关联的植被信息和参考植被信息之差的计算。
(3)如(2)所述的信息产生方法，其中
所述参考植被信息获取过程包括
通过使用从被确定为在时区方面与用于获得与待测量区关联的植被信息的成像信号相同的参考区的成像信号获得的植被信息来计算用于执行与待测量区关联的植被信息和参考植被信息之差的计算的参考植被信息。
(4)如(2)所述的信息产生方法，其中
所述植被信息获取过程包括从当待测量区被设置为没有所述特定环境胁迫的状态时成像的指示待测量区的第一成像信号获得植被信息，并且从当待测量区被设置为可能具有所述特定环境胁迫的状态时成像的指示待测量区的第二成像信号获得植被信息，
参考植被信息获取过程包括使用从第一成像信号获得的植被信息计算参考植被信息，并且
差获取过程包括执行从第二成像信号获得的植被信息和参考植被信息之差的计算。
(5)如(1)至(4)中任何一项并且如权利要求1所述的信息产生方法，其中
所述成像信号包括捕获图像。
(6)如(1)至(5)中任何一项所述的信息产生方法，其中
所述差获取过程包括产生用作差信息的图像信息。
(7)如(2)至(4)中任何一项所述的信息产生方法，其中
所述参考植被信息获取过程包括
在计算参考植被信息时，计算在没有所述特定环境胁迫的状态下的植被信息的平均值。
(8)如(1)至(7)中任何一项所述的信息产生方法，其中
所述特定环境胁迫包括水胁迫、低温胁迫、高温胁迫、干旱胁迫、由二氧化碳的不足引起的胁迫或氮胁迫中的任何一个。
(9)如(1)至(8)中任何一项所述的信息产生方法，其中
所述植被信息包括PRI、叶绿素荧光强度、叶绿素荧光指数或状态转换反射率中的任何一个。
(10)一种信息产生设备，包括：
植被信息获取部分，使用植被的成像信号获取植被信息；和
差获取部分，获取植被信息和与特定环境胁迫相关的参考植被信息之间的差信息。
(11)如(10)所述的信息产生设备，还包括：
参考植被信息获取部分，使用从在没有所述特定环境胁迫的状态下的植被的成像信号获取的植被信息获得参考植被信息。
(12)如(10)或(11)所述的信息产生设备，还包括：
图像获取部分，通过外部成像设备来获取捕获图像数据作为成像信号。
(13)如(12)所述的信息产生设备，包括：
区分获取部分，对于由图像获取部分获取的捕获图像数据，获取区分信息，区分信息用于区分指示在没有所述特定环境胁迫的状态下的植被信息的捕获图像与指示在可能具有所述特定环境胁迫的状态下的植被信息的捕获图像。
(14)如(13)所述的信息产生设备，其中
所述参考植被信息获取部分基于区分信息确定从指示在没有所述特定环境胁迫的状态下的植被信息的捕获图像获得的植被信息，并且使用确定的植被信息获得参考植被信息。
(15)如(12)所述的信息产生设备，包括：
图像划分部分，对于由图像获取部分获取的捕获图像数据，将捕获图像数据划分为指示在没有所述特定环境胁迫的状态下的植被信息的捕获图像和指示在可能具有所述特定环境胁迫的状态下的植被信息的捕获图像。
(16)如(11)所述的信息产生设备，其中
所述参考植被信息获取部分
通过使用从在没有所述特定环境胁迫的状态下的成像信号获得的植被信息来计算相对于在可能具有所述特定环境胁迫的状态下的植被信息的参考植被信息，所述成像信号被确定为在时区方面与用于获得在可能具有所述特定环境胁迫的状态下的植被信息的成像信号相同。
(17)如(10)至(16)中任何一项所述的信息产生设备，包括：
指示部分，发出用于将农田改变为没有所述特定环境胁迫的状态或可能具有所述特定环境胁迫的状态的指令。
(18)如(10)至(17)中任何一项所述的信息产生设备，包括：
指示部分，基于由差获取部分获取的差信息控制环境胁迫可变装置。
(19)如(10)至(18)中任何一项所述的信息产生设备，其中
所述差获取部分产生用作差信息的图像信息，并且
所述信息产生设备包括输出所述图像信息的图像输出部分。
(20)如(11)所述的信息产生设备，其中
所述参考植被信息获取部分
使用由植被信息获取部分从在没有所述特定环境胁迫的状态下的植被的成像信号获取的植被信息获得参考植被信息。
(21)一种程序，使计算机执行：
植被信息计算处理，使用植被的成像信号获得植被信息；和
差获取处理，获得植被信息和与特定环境胁迫相关的参考植被信息之间的差信息。
标号列表
1信息产生设备，10灌溉控制器，11、11-R、11-1和11-2灌溉设置阀(阀)，12、12-R、12-1和12-2灌溉渠，21图像获取部分，22植被指标计算部分，23植被指标缓冲器，24区分获取部分，25参考值计算部分，26差计算部分，27输出缓冲器，28图像输出部分，29输出数据产生部分，30图像划分部分，31成像时间提取部分，32时间同步部分，33输入部分，35灌溉指示部分，51CPU，52ROM，53RAM，Aref参考区，A1，A2、A3和A4待测量区，100计算机设备，200飞行器，250成像设备。

Claims (21)

1.一种信息产生方法，包括：
植被信息获取过程，使用植被的成像信号获取植被信息；和
差获取过程，获取植被信息和与特定环境胁迫相关的参考植被信息之间的差信息。
2.如权利要求1所述的信息产生方法，其中
所述植被信息获取过程包括从设置为没有所述特定环境胁迫的状态的参考区的成像信号获得与参考区关联的植被信息，并且从设置为可能具有所述特定环境胁迫的状态的待测量区的成像信号获得与待测量区关联的植被信息，并且
作为参考植被信息获取过程，使用与参考区关联的植被信息获取参考植被信息，并且
差获取过程包括执行与待测量区关联的植被信息和参考植被信息之差的计算。
3.如权利要求2所述的信息产生方法，其中
所述参考植被信息获取过程包括
通过使用从被确定为在时区方面与用于获得与待测量区关联的植被信息的成像信号相同的参考区的成像信号获得的植被信息来计算用于执行与待测量区关联的植被信息和参考植被信息之差的计算的参考植被信息。
4.如权利要求2所述的信息产生方法，其中
所述植被信息获取过程包括从当待测量区被设置为没有所述特定环境胁迫的状态时成像的第一成像信号获得植被信息，并且从当待测量区被设置为可能具有所述特定环境胁迫的状态时成像的第二成像信号获得植被信息，
参考植被信息获取过程包括使用从第一成像信号获得的植被信息计算参考植被信息，并且
差获取过程包括执行从第二成像信号获得的植被信息和参考植被信息之差的计算。
5.如权利要求1所述的信息产生方法，其中
所述成像信号包括捕获图像。
6.如权利要求1所述的信息产生方法，其中
所述差获取过程包括产生用作差信息的图像信息。
7.如权利要求2所述的信息产生方法，其中
所述参考植被信息获取过程包括
在计算参考植被信息时，计算在没有所述特定环境胁迫的状态下的植被信息的平均值。
8.如权利要求1所述的信息产生方法，其中
所述特定环境胁迫包括水胁迫、低温胁迫、高温胁迫、干旱胁迫、由二氧化碳的不足引起的胁迫或氮胁迫中的任何一个。
9.如权利要求1所述的信息产生方法，其中
所述植被信息包括PRI、叶绿素荧光强度、叶绿素荧光指数或状态转换反射率中的任何一个。
10.一种信息产生设备，包括：
植被信息获取部分，使用植被的成像信号获取植被信息；和
差获取部分，获取植被信息和与特定环境胁迫相关的参考植被信息之间的差信息。
11.如权利要求10所述的信息产生设备，还包括：
参考植被信息获取部分，使用从在没有所述特定环境胁迫的状态下的植被的成像信号获取的植被信息获得参考植被信息。
12.如权利要求10所述的信息产生设备，还包括：
图像获取部分，通过外部成像设备来获取捕获图像数据作为成像信号。
13.如权利要求12所述的信息产生设备，包括：
区分获取部分，对于由图像获取部分获取的捕获图像数据，获取区分信息，区分信息用于区分指示在没有所述特定环境胁迫的状态下的植被信息的捕获图像与指示在可能具有所述特定环境胁迫的状态下的植被信息的捕获图像。
14.如权利要求13所述的信息产生设备，其中
所述参考植被信息获取部分基于区分信息确定从指示在没有所述特定环境胁迫的状态下的植被信息的捕获图像获得的植被信息，并且使用确定的植被信息获得参考植被信息。
15.如权利要求12所述的信息产生设备，包括：
图像划分部分，对于由图像获取部分获取的捕获图像数据，将捕获图像数据划分为指示在没有所述特定环境胁迫的状态下的植被信息的捕获图像和指示在可能具有所述特定环境胁迫的状态下的植被信息的捕获图像。
16.如权利要求11所述的信息产生设备，其中
所述参考植被信息获取部分
通过使用从在没有所述特定环境胁迫的状态下的成像信号获得的植被信息来计算相对于在可能具有所述特定环境胁迫的状态下的植被信息的参考植被信息，所述在没有所述特定环境胁迫的状态下的成像信号被确定为在时区方面与用于获得在可能具有所述特定环境胁迫的状态下的植被信息的成像信号相同。
17.如权利要求10所述的信息产生设备，包括：
指示部分，发出用于将农田改变为没有所述特定环境胁迫的状态或可能具有所述特定环境胁迫的状态的指令。
18.如权利要求10所述的信息产生设备，包括：
指示部分，基于由差获取部分获取的差信息控制环境胁迫可变装置。
19.如权利要求10所述的信息产生设备，其中
所述差获取部分产生用作差信息的图像信息，并且
所述信息产生设备包括输出所述图像信息的图像输出部分。
20.如权利要求11所述的信息产生设备，其中
所述参考植被信息获取部分
使用由植被信息获取部分从在没有所述特定环境胁迫的状态下的植被的成像信号获取的植被信息获得参考植被信息。
21.一种程序，使计算机执行：
植被信息计算处理，使用植被的成像信号获得植被信息；和
差获取处理，获得植被信息和与特定环境胁迫相关的参考植被信息之间的差信息。
CN201780085949.8A 2017-02-15 2017-12-06 信息产生方法、信息产生装置和程序 Active CN110267525B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017026458 2017-02-15
JP2017-026458 2017-02-15
PCT/JP2017/043823 WO2018150691A1 (ja) 2017-02-15 2017-12-06 情報生成方法、情報生成装置、プログラム

Publications (2)

Publication Number Publication Date
CN110267525A true CN110267525A (zh) 2019-09-20
CN110267525B CN110267525B (zh) 2023-03-07

Family

ID=63169343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780085949.8A Active CN110267525B (zh) 2017-02-15 2017-12-06 信息产生方法、信息产生装置和程序

Country Status (6)

Country Link
US (1) US11763457B2 (zh)
EP (1) EP3583840B1 (zh)
JP (1) JP7172605B2 (zh)
CN (1) CN110267525B (zh)
AU (1) AU2017399173A1 (zh)
WO (1) WO2018150691A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113008843A (zh) * 2019-12-22 2021-06-22 中国科学院遥感与数字地球研究所 基于tropomi叶绿素荧光遥感的冬小麦旱情监测方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7474031B2 (ja) 2019-03-29 2024-04-24 株式会社トプコン 圃場情報管理装置、圃場情報管理システム、圃場情報管理装置の制御方法及び圃場情報管理プログラム
DE102019131650A1 (de) * 2019-11-22 2021-05-27 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren zum Ermitteln und Optimieren des Gehalts von wenigstens einem Pflanzeninhaltsstoff von wenigstens einem Teil einer Pflanze
CN111325760B (zh) * 2020-01-26 2023-07-04 四川大学 仿真植被阻水面积的确定方法
JP7433105B2 (ja) * 2020-03-27 2024-02-19 本田技研工業株式会社 情報提供装置、草刈り車両及び草刈り管理システム
US20240015375A1 (en) * 2020-11-10 2024-01-11 Sony Group Corporation Imaging device
KR102433570B1 (ko) * 2021-03-29 2022-08-19 전북대학교산학협력단 상추 유전자원의 건조 스트레스 지수 제공 방법
KR102631597B1 (ko) * 2023-06-29 2024-02-02 주식회사 리플로그 엽록소 형광값을 이용한 딸기의 스트레스 지수 산출방법 및 재배관리 시스템

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6178253B1 (en) * 1997-10-10 2001-01-23 Case Corporation Method of determining and treating the health of a crop
CN102564593A (zh) * 2011-12-30 2012-07-11 河海大学常州校区 基于计算机视觉及物联网的植物生长状况监测系统
CN102706328A (zh) * 2012-04-28 2012-10-03 中国神华能源股份有限公司 地面沉陷区域的检测方法和装置及数据处理设备
CN102788752A (zh) * 2012-08-08 2012-11-21 江苏大学 基于光谱技术的农作物内部信息无损检测装置及方法
US20150027043A1 (en) * 2013-03-07 2015-01-29 Blue River Technology, Inc. System and method for plant dislodgement
JP2015204788A (ja) * 2014-04-21 2015-11-19 パナソニックＩｐマネジメント株式会社 栽培支援方法、栽培支援装置、およびコンピュータプログラム
CN106323880A (zh) * 2016-07-29 2017-01-11 河南科技大学 基于soc高光谱指数的植物叶片花青素含量估算方法及装置

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4524473B2 (ja) 2004-03-25 2010-08-18 長崎県 植物の受ける水分ストレスの測定方法及び装置
US8208680B2 (en) * 2006-11-07 2012-06-26 The Curators Of The University Of Missouri Method of predicting crop yield loss due to N-deficiency
JP5162890B2 (ja) 2006-12-01 2013-03-13 株式会社サタケ リモートセンシングにおける補正方法
CA2679330C (en) * 2007-03-23 2015-08-25 Heliospectra Aktiebolag System for modulating plant growth or attributes
JP5186635B2 (ja) 2007-10-30 2013-04-17 長崎県 植物の水ストレス計測方法
WO2012063455A1 (ja) * 2010-11-08 2012-05-18 国立大学法人 愛媛大学 植物健康診断方法および植物健康診断装置
KR101415933B1 (ko) * 2012-11-08 2014-07-08 재단법인대구경북과학기술원 식물 생장 모니터링 시스템
EP3171327A1 (en) * 2014-07-16 2017-05-24 Ricoh Company, Ltd. Information processing device, method for generating control signal, information processing system, and program
JP2016049102A (ja) * 2014-08-29 2016-04-11 株式会社リコー 圃場管理システム、圃場管理方法、プログラム
US9943046B2 (en) * 2014-09-29 2018-04-17 International Business Machines Corporation Targeted irrigation using a central pivot irrigation system with a sensor network
US9886016B2 (en) * 2015-01-08 2018-02-06 International Business Machines Corporation Automated irrigation control system
JP5979567B1 (ja) * 2015-04-30 2016-08-24 パナソニックＩｐマネジメント株式会社 植物ストレス検出装置及び植物ストレス検出方法
EP3350554A4 (en) * 2015-09-18 2019-06-12 Slantrange, Inc. SYSTEMS AND METHODS FOR DETERMINING STATISTICS RELATING TO PLANT POPULATIONS BASED ON OPERATIONAL OPTIC MEASUREMENTS
JP6770802B2 (ja) * 2015-12-28 2020-10-21 川崎重工業株式会社 プラント異常監視方法およびプラント異常監視用のコンピュータプログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6178253B1 (en) * 1997-10-10 2001-01-23 Case Corporation Method of determining and treating the health of a crop
CN102564593A (zh) * 2011-12-30 2012-07-11 河海大学常州校区 基于计算机视觉及物联网的植物生长状况监测系统
CN102706328A (zh) * 2012-04-28 2012-10-03 中国神华能源股份有限公司 地面沉陷区域的检测方法和装置及数据处理设备
CN102788752A (zh) * 2012-08-08 2012-11-21 江苏大学 基于光谱技术的农作物内部信息无损检测装置及方法
US20150027043A1 (en) * 2013-03-07 2015-01-29 Blue River Technology, Inc. System and method for plant dislodgement
JP2015204788A (ja) * 2014-04-21 2015-11-19 パナソニックＩｐマネジメント株式会社 栽培支援方法、栽培支援装置、およびコンピュータプログラム
CN106323880A (zh) * 2016-07-29 2017-01-11 河南科技大学 基于soc高光谱指数的植物叶片花青素含量估算方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113008843A (zh) * 2019-12-22 2021-06-22 中国科学院遥感与数字地球研究所 基于tropomi叶绿素荧光遥感的冬小麦旱情监测方法

Also Published As

Publication number Publication date
EP3583840A1 (en) 2019-12-25
JPWO2018150691A1 (ja) 2019-12-12
WO2018150691A1 (ja) 2018-08-23
US11763457B2 (en) 2023-09-19
CN110267525B (zh) 2023-03-07
EP3583840B1 (en) 2023-07-19
EP3583840A4 (en) 2020-01-22
US20200013166A1 (en) 2020-01-09
JP7172605B2 (ja) 2022-11-16
AU2017399173A1 (en) 2019-08-22

Similar Documents

Publication Publication Date Title
CN110267525A (zh) 信息产生方法、信息产生装置和程序
US10241488B2 (en) Automated irrigation control system
CN105548113B (zh) 一种基于叶绿素荧光和多光谱图像的植物生理监测方法
JP5593255B2 (ja) 植生制御装置、植物育成システム
CN109757175A (zh) 一种基于无人机监测的玉米水肥一体化变量施肥方法
Sakamoto et al. Detecting seasonal changes in crop community structure using day and night digital images
CN106971409B (zh) 玉米冠层叶色建模系统及方法
CN109827957A (zh) 一种基于计算机视觉的水稻叶片spad值估测方法及系统
Fan et al. A simple visible and near-infrared (V-NIR) camera system for monitoring the leaf area index and growth stage of Italian ryegrass
CN102636486A (zh) 一种棉花三真叶期的自动检测方法
CN113962474A (zh) 用于预测植物株高的方法及处理器
CN102663396A (zh) 一种水稻乳熟期自动检测的方法
CN118011970A (zh) 基于物联网的智能农业生产管理系统
CN115292753A (zh) 一种基于区块链的农业大棚数据溯源与管理方法
US20240177478A1 (en) Information processing device, information processing method, and program
CN115176616A (zh) 一种林下种植系统
KR20190071204A (ko) 통합 식물체 재배환경 분석시스템
Fernández et al. New approaches for precise irrigation in hedgerow olive orchards
KR102271864B1 (ko) 학습 데이터를 기반으로 자동재배 데이터를 제공할 수 있는 스마트팜 복합환경 제어시스템
CN118212541B (zh) 基于遥感影像的水稻碳排放测算方法、装置、设备及介质
AU2021106558A4 (en) Solar Moisture and Fertilizer Measurement Recommendation System
KR102597253B1 (ko) 영상을 기반으로 한 작물재배 생육 플랫폼 구축을 통한스마트 팜 시스템
CN105847411A (zh) 一种农作物病虫害检测系统
Atanasov Automated remote sensing system for crops monitoring and irrigation management, based on leaf color change and piecewise linear regression models for soil moisture content predicting
Wang et al. An Illumination Invariant Maize Canopy Structure Parameters Analysis Method Based on Hemispherical Photography

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