CN110869744A - 信息处理设备、信息处理方法、程序和信息处理系统 - Google Patents
信息处理设备、信息处理方法、程序和信息处理系统 Download PDFInfo
- Publication number
- CN110869744A CN110869744A CN201880046114.6A CN201880046114A CN110869744A CN 110869744 A CN110869744 A CN 110869744A CN 201880046114 A CN201880046114 A CN 201880046114A CN 110869744 A CN110869744 A CN 110869744A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- data
- information
- ratio
- value
- 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
Links
- 230000010365 information processing Effects 0.000 title claims description 98
- 238000003672 processing method Methods 0.000 title claims description 6
- 238000000605 extraction Methods 0.000 claims abstract description 115
- 230000008859 change Effects 0.000 claims abstract description 83
- 239000000284 extract Substances 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 78
- 238000001514 detection method Methods 0.000 claims description 70
- 238000012545 processing Methods 0.000 claims description 67
- 238000000034 method Methods 0.000 description 45
- 230000008569 process Effects 0.000 description 40
- 238000006243 chemical reaction Methods 0.000 description 22
- 230000006854 communication Effects 0.000 description 21
- 238000004891 communication Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 12
- 229930002875 chlorophyll Natural products 0.000 description 11
- 235000019804 chlorophyll Nutrition 0.000 description 11
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 11
- 230000000694 effects Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 11
- 239000013598 vector Substances 0.000 description 11
- 230000014509 gene expression Effects 0.000 description 8
- 230000002354 daily effect Effects 0.000 description 7
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000029553 photosynthesis Effects 0.000 description 5
- 238000010672 photosynthesis Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 208000005156 Dehydration Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- KBPHJBAIARWVSC-RGZFRNHPSA-N lutein Chemical compound C([C@H](O)CC=1C)C(C)(C)C=1\C=C\C(\C)=C\C=C\C(\C)=C\C=C\C=C(/C)\C=C\C=C(/C)\C=C\[C@H]1C(C)=C[C@H](O)CC1(C)C KBPHJBAIARWVSC-RGZFRNHPSA-N 0.000 description 2
- 229960005375 lutein Drugs 0.000 description 2
- ORAKUVXRZWMARG-WZLJTJAWSA-N lutein Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=CC(O)CC2(C)C)C ORAKUVXRZWMARG-WZLJTJAWSA-N 0.000 description 2
- 235000012680 lutein Nutrition 0.000 description 2
- 239000001656 lutein Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000000243 photosynthetic effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000015378 stomatal closure Effects 0.000 description 2
- KBPHJBAIARWVSC-XQIHNALSSA-N trans-lutein Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C(=CC(O)CC2(C)C)C KBPHJBAIARWVSC-XQIHNALSSA-N 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- FJHBOVDFOQMZRV-XQIHNALSSA-N xanthophyll Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C=C(C)C(O)CC2(C)C FJHBOVDFOQMZRV-XQIHNALSSA-N 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0297—Constructional arrangements for removing other types of optical noise or for performing calibration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/02—Details
- G01J1/04—Optical or mechanical part supplementary adjustable parts
- G01J1/0488—Optical or mechanical part supplementary adjustable parts with spectral filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
- G01J1/4204—Photometry, e.g. photographic exposure meter using electric radiation detectors with determination of ambient light
-
- 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
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
- G01J2001/4266—Photometry, e.g. photographic exposure meter using electric radiation detectors for measuring solar light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
- G01J2001/4266—Photometry, e.g. photographic exposure meter using electric radiation detectors for measuring solar light
- G01J2001/428—Photometry, e.g. photographic exposure meter using electric radiation detectors for measuring solar light for sunlight scattered by atmosphere
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Sustainable Development (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
为了能够生成适当地指示植被状态的时间序列变化的植被变化信息,本发明要处理的对象是包括与指示环境光的各成分比率的比率信息相关联的多个时间点的植被数据的数据组。本发明设置有:提取单元,其通过使用比率信息从数据组中提取要使用的植被数据;以及生成单元,其通过使用通过提取单元提取的植被数据来生成指示植被状态的时间序列变化的植被变化信息。由于使用比率信息,因此可以收集在类似环境光条件下获得的植被数据。
Description
技术领域
技术领域本技术涉及信息处理设备、信息处理方法、程序和信息处理系统,并且特别地,涉及适于生成呈现植被状态变化的植被变化信息的技术。
背景技术
例如,已经尝试通过在农田上方移动其上安装有图像捕获装置的小型飞行体的同时捕获植被状态的图像来对植被的植被状态执行遥感。
专利文献1公开了捕获农田的图像并执行遥感的技术。
引文列表
专利文献
专利文献1:日本专利第5162890号
发明内容
技术问题
可以从捕获的农田中的植被的图像中测量植被指数。例如,当从日常捕获的图像中获得植被指数时,可以生成指示植被状态的时间序列变化的植被变化信息。例如,作为植被指标,获得NDVI(归一化植被指数)并按时间序列排列,从而可以确认植被状态的变化。
但是,对于植被指数(诸如NDVI),由诸如天气(晴/多云)的条件差异引起值波动。因此,即使当希望确认NDVI的日常变化时,例如,其中NDVI按时间序列布置的植被变化信息也包括由天气引起的值波动。因此,即使查看植被变化信息,工人等也不能正确地识别出植被的日常变化。
因此,本技术的目的是使得可以生成不太可能受到诸如天气的条件的影响的植被变化信息,并且可以适当地呈现植被状态的时间序列变化。
问题的解决方案
一种根据本技术的信息处理设备包括:
提取部,其基于作为环境光的成分比率的比率信息从分别与所述比率信息相关联的多个时间点的植被数据中提取至少一部分植被数据。
也就是说,包括与在相应的观测时间处的环境光的成分比率(比率信息)相关联的时间点的植被数据的数据组是要处理的对象。在这种情况下,基于比率信息提取适合于输出的植被数据。
此外,信息处理设备包括生成部,其通过使用由提取部提取的植被数据来生成指示植被数据的时间序列变化的植被变化信息。
也就是说,通过使用适合于输出并且已经由提取部基于比率信息提取的植被数据来生成植被变化信息。
在该信息处理设备中,比率信息可以是直射光的检测值与散射光的检测值的比率的值,或者是总日光的检测值与散射光的检测值的比率的值。
例如,直射光是直接来自诸如太阳的光源的光分量(所谓的直射日光),并且散射光是由大气中的分子和云粒子散射的光。直射光和散射光的总和就是总日光。
在信息处理设备中,提取部可以执行以下处理:从要使用的植被数据中排除相关联的比率信息的值通过与阈值比较而被确定为在特定值附近的值的植被数据。
例如,在比率信息是(直射光)/(散射光)的情况下,在多云天气中比率信息在0附近。
例如,在比率信息是(总日光)/(散射光)的情况下,在多云天气中比率信息在1附近。将值“0”或“1”设置为特定值,并且排除比率信息的值等于或大于特定值的植被数据。
在该信息处理设备中,提取部可以执行如下处理:提取相关联的比率信息的值与特定值相差至少规定量的植被数据。
例如,在计算比率信息以使得在多云天气中比率信息变为“0”或“1”的情况下,将值“0”或“1”设置为特定值,并提取比率信息与特定值充分分开的植被数据作为要使用的植被数据(或其候选项)。
在该信息处理设备中,提取部可以执行以下处理:提取相关联的比率信息的各个值通过与阈值进行比较而被确定为彼此接近的多组植被数据。
作为环境光的成分比率的比率信息彼此接近的情况意味着在用于计算植被数据的观测时间处的环境光的状态彼此类似。
在该信息处理设备中,提取部分可以执行以下处理:提取相关联的比率信息的值通过与阈值比较而被确定为在特定值附近的植被数据。
例如,在计算比率信息以使得在多云天气中比率信息为“0”或“1”的情况下,将值“0”或“1”设置为特定值,并提取比率信息在特定值附近的植被数据作为要使用的植被数据(或其候选)。
在信息处理设备中,可以可变地设置用于由提取部进行的提取处理的提取条件。
例如,对于诸如排除比率信息接近特定值的植被数据、提取比率信息与特定值充分分开的植被数据、提取比率信息彼此接近的多组植被数据以及提取比率信息接近特定值的植被数据的提取处理,可以可变地设置条件。
在信息处理设备中,生成部可以将由提取部提取的植被数据换算为比率信息被调整为固定的值,并且可以通过使用换算后的植被数据来生成植被变化信息。
例如,通过使用提取出的比率信息彼此接近的植被数据来生成植被变化信息。换算植被数据以实现比率信息的值固定的状态。
信息处理设备可以包括植被数据计算部,其通过使用每个时间点的植被观测数据来计算植被数据。
也就是说,在信息处理设备中生成每个时间点的植被数据。
在该信息处理设备中,植被数据计算部可以求出NDVI值作为植被数据。
也就是说,获得作为植被指数的NDVI值,并且生成作为NDVI的变化的植被变化信息。
信息处理设备可以包括比率计算部,其与各时间点的植被数据相对应地通过使用各时间点的环境光的检测值来计算作为环境光的成分比率的比率信息。
也就是说,在信息处理设备中生成与每个时间点的植被数据相对应的比率信息。通过使用在与用于生成植被数据的检测值基本相同的时间点获得的光检测值来计算比率信息。
在信息处理设备中,比率计算部可以通过使用由环境光传感器在各个受光部获得的检测值来计算比率信息,其中所述环境光传感器包括由遮光体投射阴影的受光部和不受遮光体的影响的受光部。
通过使用安装在飞行体上的环境光传感器,可以用遮光体检测直射光和散射光。
根据本技术的信息处理方法包括
借助于信息处理设备执行以下处理:通过使用作为环境光的成分比率的比率信息从包括分别与所述比率信息相关联的多个时间点的植被数据的数据组中提取要使用的植被数据。因此,可以在信息处理设备中提取用于生成不太可能受到环境条件的影响的植被变化信息的植被数据。
根据本技术的程序用于使计算机装置执行以下处理:通过使用作为环境光的成分比率的比率信息从包括分别与所述比率信息相关联的多个时间点的植被数据的数据组中提取要使用的植被数据。因此,可以容易地实现提取用于生成不太可能受到环境条件影响的植被变化信息的植被数据的计算机装置。
根据本技术的信息处理系统包括环境光传感器、比率计算部、提取部和生成部,其中环境光传感器包括由遮光体投射阴影的受光部和不受遮光体的影响的受光部。因此,可以构建适于生成不太可能受到环境条件的影响的植被变化信息的系统。
发明的有益效果
本技术提供了如下效果:可以生成植被变化信息,在该植被变化信息中,不太可能出现由于诸如天气的条件引起的波动,并且可以适当地呈现植被状态的时间序列变化。
注意,这里描述的效果不受限制,并且可以提供本说明书中公开的任何效果。
附图说明
图1是根据本技术的实施例的捕获农田的图像的状态的说明图。
图2是根据实施例的图像捕获装置和环境光传感器的框图。
图3是根据实施例的信息处理设备的框图。
图4是可以在实施例中使用的计算机装置的框图。
图5是通过在晴朗区域和阴影区域中观测获得的光合作用光子通量密度和NDVI的转变图。
图6是通过测量获得的比率信息和NDVI的示例的说明图。
图7是根据实施例的提取处理的说明图。
图8是未经过提取处理而生成的植被变化信息的说明图。
图9是通过根据实施例的提取处理生成的植被变化信息的说明图。
图10是根据实施例的NDVI值的转换的说明图。
图11是通过根据实施例的提取处理和转换处理生成的植被变化信息的说明图。
图12是根据实施例的在NDVI值的转换期间的共线近似的示例的说明图。
图13是根据实施例的处理示例的流程图。
图14是根据实施例的提取处理和生成处理的示例的流程图。
图15是根据实施例的提取处理和生成处理的示例的流程图。
图16是根据实施例的环境光传感器的结构示例的说明图。
图17是根据实施例的对环境光传感器的入射角的说明图。
图18是根据实施例的用于获取散射光的方案的说明图。
图19是根据实施例的用于获取总日光和散射光的方案的说明图。
具体实施方式
在下文中,将根据以下顺序说明实施例。
<1.系统和装置的配置>
<2.使用比率信息进行的提取处理>
<3.使用比率信息进行的植被指数的转换处理>
<4.处理示例>
<5.关于使用环境光传感器进行光检测的各种示例>
<6.结论与修改>
<1.系统和装置的配置>
作为示例,将以对农田的植被状态进行感测的情况来说明实施例。
如图1所示,例如通过使用安装在飞行体200上的图像捕获装置250每天执行关于农田210中的植被的遥感。通过使用通过日常观测获得的植被数据(例如植被指数数据),通过信息处理设备1生成表示植被状态的时间序列变化的植被变化信息。以这种情况为例进行说明。
图1示出了农田210的状态。
紧凑的飞行体200可以通过例如操作员的无线控制或无线自动控制在农田210上方移动。
在飞行体300中,图像捕获装置250被设置为例如捕获该装置下方的区域的图像。当飞行体200沿着规定路线在农田210上方移动时,图像捕获装置250例如定期地捕获静止图像或捕获视频图像,以使得可以获得每个时间点处的图像捕获视野的范围W的图像。
各种类型的图像捕获装置可以用作图像捕获装置250。
例如,通过图像捕获装置250执行的图像捕获获得的图像文件(在特定时间点捕获的图像)可以包括光谱测量图像。也就是说,可以将多光谱相机用作图像捕获装置250,并且要捕获的图像从而可以包括包含两个或更多个特定波长区域的信息的测量图像。
此外,捕获R(红色)、G(绿色)和B(蓝色)可见光的图像的相机可以用作图像捕获装置250。
另外,用于获得红色波长区域(RED)和近红外区域(NIR:近红外)的捕获图像使得可以从所获得的图像计算NDVI的相机可以用作图像捕获装置250。NDVI指的是指示植被的分布状况或活动水平的指标。
在下文中,将基于以下假设给出说明:将能够获得红色波长区域(RED)和近红外区域(NIR)的捕获图像的相机用作图像捕获装置250。
另外,将标签信息添加到通过图像捕获装置250执行的图像捕获而获得的图像。标签信息包括图像捕获日期和时间信息、作为GPS(全球定位系统)数据的位置信息(纬度/经度信息)、图像捕获装置信息(有关相机的标识信息或型号信息等)、有关图像数据的信息(有关图像尺寸、波长、图像捕获参数等的信息)等。
在本实施例中,不仅图像捕获装置250而且环境光传感器260也安装在飞行体200上。在图1中的示例中,两个环境光传感器260A和260B被安装在飞行体200的上表面侧。
注意,为了共同地提及使用的一个或多个环境光传感器,使用表述“环境光传感器260”。
环境光传感器260A和260B均具有设置在其上表面侧的受光部261,以检测光。利用该配置,可以检测光源为太阳400的环境光的水平(照度、光合光子通量密度(以下称为“PPFD”)等)。
注意,PPFD指的是仅在可以吸收叶绿素的400至700nm的波长区域中的光合光子通量密度。
可以从由环境光传感器260A和260B获得的检测值中检测总日光的量和散射光的量。此外,根据这些光量,可以算出直射光的光量。
室外环境光通常用(总日光)=(直射光)+(散射光)表示。
直射光是指来自太阳400的所谓的直射日光。
散射光是指除直射日光以外,由大气中的分子和云粒子散射的光。
总日光是来自整个天空的总光线,也是直射光和散射光的总和。
没有将用于遮蔽日光的东西设置给环境光传感器260A。因此,环境光传感器260A接收直射光和散射光。因此,可以通过环境光传感器260A来检测总日照的照度等。
杆形的遮光体262突出地设置在环境光传感器260B的上表面上。遮光体262在受光部261上投射阴影SDW。结果,受光部261不接收直射光。因此,由环境光传感器260B检测到散射光的照度等。
关于直射光,可以通过从由环境光传感器260A获得的检测值中减去由环境光传感器260B获得的检测值来获得其照度。
分别检测作为环境光的R(红色)光、G(绿色)光、B(蓝色)光、NIR(近红外光)的照度的传感器可以用作环境光传感器260A和260B。
也就是说,可以通过环境光传感器260A获得总日光的R、G、B、IR的检测值(E-RED、E-GREEN、E-BLUE、E-NIR),并且可以通过环境光传感器260B获得散射光的R、G、B、IR的检测值(E-RED,E-GREEN,E-BLUE,E-NIR)。
注意,标签信息被添加到由环境光传感器260A和260B获得的检测值。例如,包括作为GPS数据的检测日期和时间信息和位置信息(纬度/经度信息)作为标签信息。
在环境光传感器260B上设置杆状遮光体262的原因是,希望尽可能地使受光部261仅被遮蔽直射日光。换句话说,受光部261优选仅在针尖处遮蔽太阳400。其原因在于,宽的光遮蔽导致甚至一部分散射光被遮蔽,从而使得散射光水平的检测准确性可能会降低,或者值可能会有所变化。
由安装在飞行体200上的环境光传感器260和图像捕获装置250获得的图像数据和检测值被发送到信息处理设备1。信息处理设备1通过使用图像数据和检测值生成指示植被状态的时间序列变化的植被变化信息。具体地,在本实施例中,将说明生成指示NDVI的时间序列变化的植被变化信息的示例。本实施例被配置为能够在特别是由于天气的影响而引起的NDVI值的波动被抑制的状态下提供植被变化信息。
信息处理设备1例如被实现为PC(个人计算机)或FPGA(现场可编程门阵列)。
注意,信息处理设备1与图1中的图像捕获装置250分离。然而,可以在包括图像捕获装置250的单元中设置用作信息处理设备1的计算装置(例如,微型计算机)。
图2示出了图像捕获装置250的配置示例。
图像捕获装置250包括图像捕获部31、信号处理部32、控制部33、存储部34、通信部35、位置检测部36和时钟部37。
图像捕获部31包括图像捕获透镜系统、曝光部分、过滤器和图像传感器等,并且在接收到被摄体光时输出捕获图像信号作为电信号。
也就是说,在图像捕获部31中,来自诸如待测对象物的被摄体的光(反射光)经由透镜系统和过滤器入射在图像传感器上。
透镜系统是指包括诸如入射端透镜、变焦透镜、聚焦透镜和聚光透镜的各种透镜的入射光学系统。
过滤器是指用于取出待测对象物的被测波长的过滤器。这是指通常形成在图像传感器上的滤色器、通常设置在图像传感器的前方的波长过滤器等。
曝光部分是指图像传感器的一部分,在该部分中,通过调节诸如透镜系统、光圈(光阑)等的光学系统的开口量来执行曝光控制,从而使得在信号电荷落在动态范围内而不饱和的状态下执行感测。
图像传感器形成为在其传感器表面上具有感测元件,在该感测元件中,多个像素以重复图案二维地布置。
图像传感器借助于感测元件检测已经通过滤波器的光,并且将与光的光量相对应的捕获图像信号输出到信号处理部32。
信号处理部32对从图像捕获部31的图像传感器输出的捕获图像信号执行AGC处理、A/D转换处理等以将捕获图像信号转换为数字数据,进一步对数字数据执行各种必要的信号处理,并将得到的数据作为有关待测对象物的图像数据输出到控制部33。
当假定获得红色波长区域(RED)和近红外区域(NIR)的捕获图像作为待测对象物的图像数据时,信号处理部32生成RED图像数据和NIR图像数据,并将生成的数据输出到控制部33。
控制部33例如包括微型计算机,并且控制图像捕获装置250的整体操作,诸如图像捕获操作、图像数据存储操作和通信操作。
控制部33执行将从信号处理部32提供的RED图像数据和NIR图像数据顺序存储在存储部34中的处理。当这样做时,控制部33将标签信息添加到RED图像数据和NIR图像数据,将结果数据制成图像文件,并将该文件存储在存储部34中。
例如,控制部33将每个时间点的RED图像数据和NIR图像数据与由位置检测部36获得的位置信息和由时钟部37获得的时间和日期信息相关联,并且将结果数据制成文件。注意,位置检测部36例如包括GPS接收器,并且将关于纬度和经度的信息作为位置信息提供给控制部33。
另外,控制部33添加上述图像捕获装置信息和关于图像数据的信息。
因此,关于存储在存储部34中的RED图像数据和NIR图像数据,可以在诸如信息处理设备1的外部装置处识别关于图像捕获的位置和日期和时间、数据类型和图像捕获装置的类型等的信息。
在图2的示例中,由环境光传感器260A和260B获得的检测值被输入到图像捕获装置250的控制部33。
控制部33使存储部34顺序存储由环境光传感器260A和260B获得的检测值,分别作为第一环境光数据和第二环境光数据。
此外,控制部33通过使用来自位置检测部36的位置信息和来自时钟部37的日期和时间信息,将检测时间的位置信息和日期和时间信息添加到第一环境光数据和第二环境光数据中,并使存储部34存储结果数据。因此,关于存储在存储部34中的第一环境光数据和第二环境光数据,可以在诸如信息处理设备1的外部装置处识别关于图像捕获的位置以及日期和时间的信息。
注意,在环境光传感器260A和260B具有上述配置的情况下,作为由环境光传感器260A获得的检测值的第一环境光数据是总日光数据。另一方面,作为由具有受光部261的环境光传感器260B获得的检测值的第二环境光数据是散射光数据,遮光体261在受光部261上投射阴影SDW。
例如,作为图像捕获装置250的内部存储器的闪存或便携式存储卡被用作存储部34。也可以使用另一种类型的存储介质。
通信部35经由有线或无线通信与外部装置执行数据的发送和接收。例如,可以执行基于USB(通用串行总线)标准等的有线通信,或者可以执行基于诸如蓝牙(注册商标)或W1-F1(注册商标)的无线通信标准的通信。
在任何情况下,存储在存储部34中的RED图像数据、NIR图像数据、第一环境光数据和第二环境光数据都可以通过通信部35传送到诸如信息处理设备1的外部装置。
注意,在将便携式存储卡等用作存储部34的情况下,可以通过诸如存储卡的记录介质的传送来将存储在其中的数据传送至信息处理设备1等。
接下来,将参考图3说明信息处理设备1的配置。
图3示出了作为本实施例的信息处理设备1的功能配置。如图3所示,信息处理设备1包括计算部10、通信部11、存储部12和输出部13。
通信部11被配置为能够经由有线或无线通信与图像捕获装置250的至少通信部35执行数据的发送和接收。通过通信部11执行的通信,信息处理设备1可以获取存储在图像捕获装置250的存储部34中的RED图像数据、NIR图像数据、第一环境光数据和第二环境光数据。例如,信息处理设备1可以通过在图像捕获装置250捕获图像的同时顺序执行无线通信来接收和获取数据,或者可以在图像捕获完成之后集中地接收和获取每个时间点的数据。
存储部12存储由通信部11获取的RED图像数据、NIR图像数据、第一环境光数据和第二环境光数据。注意,在将存储卡插槽等设置为具有与图像捕获装置250共享的存储介质的驱动器的情况下,诸如图像捕获装置250中使用的存储卡的存储介质可以直接起存储部12的作用,或者可以从与图像捕获装置250共享的存储介质传送数据并存储在信息处理设备1的内部存储介质(存储部12)中。
计算部分10包括后面将参考图4进行说明的CPU 51。作为要由在计算部10(CPU51)中启动的程序实现的功能部件,设置了植被指数计算部10A、比率计算部10B、提取部10C、生成部10D和输出控制部10E。
植被指数计算部10A通过使用带入存储部12的RED图像数据和NIR图像数据(即,植被观测数据)来计算植被数据。将计算出的植被数据作为与观测数据的日期和时间/位置有关的植被数据存储在存储部12中。
具体地,植被数据计算部10A获得作为植被指标之一的NDVI值作为植被数据。
通过使用存储的RED图像数据和NIR图像数据,可以通过下式计算出NDVI
NDVI=(1-RED/NIR)/(1+RED/NIR)。
注意,获取总日光数据作为第一环境光数据,并且获取散射光作为第二环境光数据。可以使用在与RED图像数据和NIR图像数据的获取时间相同(或基本相同)的时间获取的总日光的红色光检测值E-RED和近红外光检测值E-NIR来校正NDVI。
也就是说,将基准系数定义为α,获得校正系数k=α·E-NIR/E-RED。利用校正系数α,将NDVI设置为通过NDVI=(1-k·RED/NIR)/(1+k·RED/NIR)校正的值。
植被指数计算部10A通过上述计算执行获得每个时间点的NDVI的处理。每个时间点的NDVI保存在存储部12中。
比率计算部10B与每个时间点的植被数据(NDVI)相对应地通过使用时间点的检测值来计算作为环境光的成分比率的比率信息。
环境光的成分比率是环境光中包括的(可分解的)成分的比率(例如,成分的照度比率)。
在这种情况下,环境光的成分比率是总日光与散射光的比率,或者是直射光与散射光的比率。也就是说,
比率信息=(直射光)/(散射光)
或者
比率信息=(总日光)/(散射光)。
另外,检测值包括R、G、B、IR的检测值E-RED、E-GREEN、E-BLUE、E-NIR,并且例如,G检测值E-GREEN用于计算比率信息。例如,
比率信息=(直射光(或总日光)的G检测值E-GREEN)/(散射光的G检测值E-GREEN)。
可替代地,可以通过使用检测值(E-RED)+(E-GREEN)+(E-BLUE)的值来获得照度,然后,可以通过以下方式获得比率信息:
比率信息=(直射光(或总日光)的照度)/(散射光的照度)。
通过任何上述方法计算出的比率信息,与对应的日期和时间/位置的NDVI相关联地存储在存储部12中。
提取部10C通过使用作为环境光的比率成分的比率信息从包括分别与比率信息相关联的多个时间点的NDVI的数据组中提取要使用的植被数据。
也就是说,每个时间点的NDVI由植被指数计算部10A获得并保存,并且每个时间点的NDVI与由比率计算部10B获得的比率信息相关联。因此,在存储部12中形成包括一定时间段的时间点的NDVI的数据组。提取部10C通过参照该比率执行从数据组中提取用于生成植被变化信息的NDVI的处理。
注意,并非特别需要提取每个时间点的一部分NDVI。当排列时,所有NDVI可以用作指示NDVI的时间序列变化的植被变化信息。但是,在这种情况下,由于天气的影响,甚至包括了不适合时间序列观测的NDVI值。本实施例尝试提取适合于时间序列观测的NDVI,并通过使用NDVI来创建植被变化信息。
生成部10D通过使用由提取部10C提取的NDVI数据,生成指示植被状态的时间序列变化的植被变化信息。也就是说,生成部10D通过将提取的NDVI按时间序列排列,生成可以观测到植被变化的信息。
输出控制部10E控制由生成部10D生成的植被变化信息的输出。具体地,输出控制部10E执行将在一定时间段期间的植被变化信息存储在存储部12中或将植被变化信息提供给输出部13以通过其输出植被变化信息的处理。
输出部13输出由计算部10生成的植被变化信息IFT。
例如,输出部13用作显示输出部,以图像数据的形式将植被变化信息IFT提供给显示装置,从而执行显示输出。
可替代地,例如,输出部13用作打印控制部,以打印信息的形式将植被变化信息IFT提供给打印机装置,从而执行打印输出。
可替换地,例如,输出部13用作外部装置通信部,以将植被变化信息IFT发送到外部装置。
尽管稍后将说明具体的处理示例,但是计算部10(或包括计算部10的信息处理设备1)在图3的配置中至少具有通过硬件或软件进行的提取部10C的功能,从而对应于权利要求中提出的信息处理设备。
另外,信息处理设备1可以通过PC(个人计算机)、FPGA(现场可编程门阵列)等来实现。
此外,在上述配置中,植被指数计算部10A和比率计算部10B被包括在信息处理设备1侧。然而,这些部可以设置在图像捕获装置250的控制部33中,从而使得可以将处于彼此能够关联的状态的NDVI和比率信息从图像捕获装置250发送到信息处理设备1。
此外,提取部10C和生成部10D的功能也可以设置在图像捕获装置250的控制部33中,从而使得可以由图像捕获装置250输出植被变化信息IFT。在这种情况下,图像捕获装置250对应于权利要求中提出的信息处理设备。
接下来,将参考图4说明在本实施例中由PC等实现的信息处理设备1的硬件配置示例(计算机装置150)。
如图4所示,计算机装置150包括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中的程序或从记录部59加载到RAM 53中的程序执行各种处理。RAM 53还视情况记录CPU 51执行各种处理所需的数据等。
CPU 51、ROM 52和RAM 53经由总线54相互连接。输入/输出接口55也连接至总线54。
包括液晶面板、有机EL(电致发光)面板等的显示器56,包括键盘、鼠标等的输入部56,扬声器58,包括HDD(硬盘驱动器)等的记录部59以及通信部60等可以连接到输入/输出接口55。
显示器56可以与计算机装置150集成在一起,或者可以是分离的装置。例如,显示捕获图像或合成图像,或者显示评估指标。
输入部57是指用户使用计算机装置150使用的输入单元。
通信部60通过包括因特网的网络执行通信处理,或者执行与外围装置的通信。
如果需要,驱动器61也可以连接到输入/输出接口55。可以将存储卡62连接到其上。如果需要,可以将从存储卡62读出的计算机程序安装到记录部59中,或者将在CPU 51处处理的数据记录在记录部59中。显然,用于诸如磁盘、光盘或磁光盘的可移除记录介质的记录和再现驱动器可以用作驱动器61。
利用该硬件配置,将由根据实施例的信息处理设备1执行的处理、或将由提取部10C和生成部10D执行的处理、以及将由植被指数计算部10A、比率计算部10B和输出控制部10E执行的进一步处理可以被执行。也就是说,这些处理可以由在CPU 51处启动的软件来实现。构成该软件的程序通过从网络下载或从可移除记录介质中读取被安装在图4中的计算机装置150中。可替代地,可以将程序预先存储在用作记录部59的HDD等中。在CPU 51处启动程序时,实现上述各部的功能。
注意,根据实施例的信息处理设备1不限于具有如图4所示的硬件配置的单个计算机装置(信息处理设备)150,而是可以由多个计算机装置的系统配置。多个计算机装置可以通过LAN(局域网)等系统化,或者可以使用因特网等通过VPN(虚拟专用网络)等设置在远程的地方。多个计算机装置可以包括可以通过云计算服务使用的计算机装置。
另外,图4中的计算机装置150可以被实现为台式或膝上型个人计算机,或者诸如平板终端或智能电话的便携式终端。另外,根据本实施例的信息处理设备1的功能可以安装在具有计算机装置150的功能的电子装置(诸如测量装置、图像捕获装置、电视装置、监视器装置或设施管理装置)中。
<2.使用比率信息进行的提取处理>
将说明将由计算部10(提取部10C)执行的使用比率信息的植被指数数据(NDVI)提取处理。对于生成部10D执行该提取处理,以生成适合于时间序列观测的植被变化信息。
首先,将参考图5说明提取处理的必要性。
图5示出了在一定时间段(这里,从11月2日至11月30日的时间段)期间观测到的NDVI和PPFD。横轴表示日期,并且纵轴表示NDVI值和PPFD值。NDVI用虚线表示,并且PPFD用实线表示。
特别是关于PPFD,指示了每天的相同时间获得的两个样本。白色圆圈分别指示由设置在晴朗区域中的光传感器观测到的值,并且黑色圆圈分别指示由设置在阴影区域中的光传感器观测到的值。
在此,讨论设置在晴朗区域的光传感器。由于将设置在晴朗区域中的光传感器暴露于直射日光,因此可以通过该光传感器来获得包括直射光成分的总日照的检测值。但是,这发生在晴朗天气。在多云天气(包括阴雨天气)中,基本上不包括直射日光成分。也就是说,所获得的总日光的检测值几乎全部是散射光成分。
另一方面,被设置在阴影区域中以便获得由黑色圆圈指示的值的光传感器被设置在即使在晴朗天气也被遮蔽的位置。不管天气如何,散射光分量都可以被该传感器检测到。
在此,NDVI值不一定被认为与PPFD(或照度)直接相关。但是,在外部测量的NDVI可能会受到环境光的影响。这是根据天气等的变化而波动的因素。
同时,由晴朗区域传感器获得的检测值与由阴影区域传感器获得的检测值之比是在一定程度上取决于天气的值。
因此,在本实施例中,以上述方式生成比率信息,并且基于比率信息提取适合于时间序列观测的NDVI值。换句话说,采用排除根据天气条件而变化的样本的概念。
下面将说明具体示例。
注意,将描述比率信息=(直射光)/(散射光)的示例。
图6A示出了在一定时间段期间观测到的比率信息值和NDVI值。比率信息=0(或在0附近)指示直射光=0,即指示阴天(包括雨天)。
注意,在比率信息=(总日光)/(散射光)的情况下,总日光=散射光。因此,在多云天气中,比率信息在1附近。
在图6B中,图6A中的值被示出成使得水平轴代表比率信息并且垂直轴代表NDVI值。
对这样的日常NDVI数据执行提取处理。
提取处理的特定示例包括:
(处理1)排除环境光成分比率在0附近的NDVI数据;
(处理2)提取环境光成分比率充分大于0的NDVI数据作为候选;以及
(处理3)最终从作为候选而提取的NDVI数据中,提取环境光成分比率(=比率信息)彼此接近的多组NDVI数据。
在此示例中,在处理1中,比率信息=0的11月8日、11日和12日的NDVI数据被视为未使用数据,并被排除在外。
在处理2中,例如,提取比率信息与特定值(=0)充分分开的NDVI数据。例如,提取比率信息相差3.00或更大的数据。在这种情况下,将剩余的NDVI数据选择为候选。
在处理3,提取比率信息彼此接近的多组NDVI。在这种情况下,最终提取11月6日、7日和13日的NDVI数据。图7A和7B分别描述了最终提取的11月6日、7日和13日的NDVI数据。
作为该提取处理的结果,可以生成适合于时间序列观测的植被变化信息。
为了比较,图8示出了不执行提取处理的情况。图8A示出了与从11月5日至11月27日获得的比率信息相关联的NDVI数据组。
图8B示出了通过使用所有NDVI数据而未经历使用比率信息的提取而生成的植被变化信息。如图8B所示,NDVI值的变化较大,并且难以观测该时间段期间的NDVI的变化状态。
另一方面,图9示出了执行提取处理的情况。图9A示出了与图8A相同的NDVI数据组。用上述处理1、处理2和处理3提取的比率信息和NDVI被阴影化。
图9B示出了通过使用提取的NDVI数据生成的植被变化信息。在图9B中的植被变化信息中,排除了由天气状况的影响引起的变化,并且容易观测到该时间段期间的植被变化。
注意,在比率信息=(总日光)/(散射光)的情况下,在上述处理1中排除了环境光成分比率在1附近的数据,并且进一步在处理2中提取环境光成分比率充分大于1的NDVI的数据,作为候选。
<3.使用比率信息进行的植被指数的转换处理>
将说明用于生成通过减少由于天气状况引起的变化的影响而获得的植被变化信息的方法的另一示例。通过以下处理对日常观测数据执行提取处理:
(处理a)排除环境光成分比率在0附近的NDVI数据;
(处理b)提取环境光成分比率的值充分大于0的NDVI数据作为候选;以及
(处理c)从作为候选提取的NDVI数据和比率信息之间的相关性获得近似表达式,并且通过将环境光成分比率的值调整为固定的来执行转换。
处理a和处理b类似于上述处理1和处理2。作为处理c,执行以下转换。
通过处理a和处理b,例如,从图6A中的数据组中提取除了比率信息=0的NDVI以外的NDVI。图10B示出了提取的NDVI值(转换之前的NDVI值)。
在转换之前的NDVI值和比率信息值之间确认了相关性,因此可以执行共线近似。近似直线L1的倾斜度被假定为-0.0173。
在这种情况下,将分布在3.00到5.00范围内的比率信息转换为固定值。例如,执行转换使得比率信息=4.0。
注意,4.0是一个示例。固定值可以是任意定义的。例如,可以使用所提取的NDVI的比率信息的平均值、中值、质心值等。
通过将比率信息调整为固定值4.0转换的NDVI值通过下式来定义:
转换后的NDVI值=0.0173×(比率信息值-4.0)+NDVI。
因此,可以执行转换以便获得环境光成分比率为固定值4.0的状态。
图10A示出了通过比率信息=4.0的转换而获得的NDVI(转换后的值)。在图10B中,这样的转换后的值由“*”表示。
通过使用转换后的NDVI值生成植被变化信息。
图11A示出了与从11月5日至27日获得的比率信息相关联的NDVI的数据组。NDV的值是通过转换使得比率信息为4.0获得的转换后的值。
图11B示出了使用转换后的值的植被变化信息。在这种情况下,可以从信息中很好地识别出植被变化。例如,可以看出,由于11月14日左右的某些原因(例如施肥),NDVI得到了改善。
顺便提及,在图11的情况下,通过图10B中的共线近似来执行时间段的前半部分(11月5日至13日)的转换,而通过不同的共线近似来执行时间段的后半部分(11月14日至27日)的转换。例如,在这种情况下,时间段的后半部分的NDVI的值大于时间段的前半段的NDVI的值。时间段的后半部分的NDVI的值的近似直线是图12所示的近似直线L2。当近似直线L2的倾斜度等于近似直线L1的倾斜度时,可以获得通过上述表达式获得的转换后的NDVI值。
注意,在如上所述地生成NDVI值的组(时间段的前半部分的组和时间段的后半部分的组)的情况下,不必通过具有相同倾斜度的各个直线来近似各组。观测到的NDVI值可能会导致具有不同倾斜度的近似直线。
此外,在图12中的示例中,时间段的后半部分的近似曲线处于沿箭头D1的方向(右上方向)偏移的状态。这指示NDVI值的上升趋势。相反,在近似直线沿箭头D2的方向(左下方向)偏移的情况下,指示NDVI值的下降趋势。
<4.处理示例>
将说明由信息处理设备1的计算部执行的处理的示例,包括上面已经说明的提取处理和转换处理。
图13A、图13B和图13C分别示出了由计算部10执行的处理。根据按功能的分类,具体而言,图13A被认为示出了由植被指数计算部10A执行的NDVI计算处理的示例,图13B被认为示出了由比率计算部10B执行的环境光分量比率(比率信息)计算处理的示例,并且图13C被认为示出了由提取部10C、生成部10D和输出控制部10E执行的提取和生成处理的示例。
首先,将说明图3中的NDVI计算处理。
在步骤S100中,计算部10获取从图像捕获装置250提供的图像数据,并将该图像数据保存在存储部12中。也就是说,获取并保存RED图像数据和NIR图像数据。
在步骤S101中,计算部10经由图像捕获装置250获取从环境光传感器260A和260B提供的环境光数据,并将环境光数据保存在存储部12中。
注意,总日光的R、G、B、IR检测值(E-RED、E-GREEN、E-BLUE、E-NIR)和散射光的R、G、B、IR检测值(E-RED、E-GREEN、E-BLUE、E-NIR)被采用为环境光数据。在NDVI计算处理中,使用总日光的检测值E-RED、E-NIR。
在步骤S102中,计算部10计算NDVI值。也就是说,通过使用RED图像数据、NIR图像数据和总日光的检测值E-RED、E-NIR,通过下式计算NDVI值:
NDVI=(1-k·RED/NIR)/(1+k·RED/NIR)。
计算部10可以在每次接收到每个时间点的图像数据和环境光数据时执行上述NDVI计算处理,或者可以在一定时间段的图像数据和环境光数据被集中在一起接收或存储在存储部12时针对每个时间点执行处理。
接下来,将说明图13B中的环境光成分比率(比率信息)的计算处理。
在步骤S200中,计算部10经由图像捕获装置250获取从环境光传感器260A提供的环境光数据,并将所获取的环境光数据保存在存储部12中。
注意,该处理实际上可以通过与图13A中的步骤S101相同的例程来执行。获取并保存总日光的R、G、B检测值(E-RED、E-GREEN、E-BLUE),以便计算比率信息。
在步骤S201中,计算部10经由图像捕获装置250获取从环境光传感器260B提供的环境光数据,并将所获取的环境光数据保存在存储部12中。也就是说,获取并保存散射光的R、G、B检测值(E-RED、E-GREEN、E-BLUE),以便计算比率信息。
在步骤S202中,计算部10计算比率信息。
获得比率信息=(LA-LB)/LB,其中通过使用总日光的R、G、B检测值(E-RED、E-GREEN、E-BLUE)获得的总日光的照度为LA,而通过使用散射光的R、G、B检测值(E-RED、E-GREEN、E-BLUE)获得的散射光的照度是LB。也就是说,比率信息是直射光/散射光。
可替代地,可以获得比率信息=LA/LB。也就是说,获得总日光/散射光。
另外,可以仅从G个检测值获得比率信息。也就是说,可能会获得
比率信息=((总日光的E-GREEN)-(散射光的E-GREEN))/(散射光的E-GREEN)
或者
比率信息=(总日光的E-GREEN)/(散射光的E-GREEN)。
将说明图13C中的提取和生成处理。
在步骤S300中,计算部10将通过图13A中的处理生成的NDVI数据与通过图13B中的处理生成的环境光成分比率数据(比率信息)相关联。
也就是说,形成如图8A中所示出的每个时间点的NDVI与比率信息相关联的数据组。
然后,计算部10在步骤S301中执行提取用于生成植被变化信息的NDVI的处理,并且在步骤S302中执行生成植被变化信息的处理。
在步骤S303中,执行控制将所生成的植被变化信息(例如,图9B或图11B中的信息)保存在存储部12中或控制通过输出部13输出所生成的植被变化信息的处理。
步骤S301、S302的各种示例在图14和图15中示出。
图14A是其中通过上述(处理1)、(处理2)和(处理3)执行提取的示例。
在步骤S350中,计算部10排除比率信息在0附近的NDVI数据(在处理1中的比率信息=直射光/散射光的情况下)。
例如,设置阈值th1=0.5,并且排除比率信息<th1的NDVI数据。注意,阈值th1=0.5仅是一个示例。除此之外,可以设置阈值th1=0.1等。
在步骤S351中,计算部10提取比率信息具有充分大于0的值的NDVI数据作为候选(处理2)。例如,提取比率信息等于或大于3.00(比率信息与特定值=0相差3.00或更大)的NDVI数据。在这种情况下,将剩余的NDVI数据选择为候选。不用说,“3.00”是一个示例。
在步骤S352中,计算部10最终从被提取为候选的NDVI数据中提取比率信息被确定为彼此接近的多组NDVI数据(处理3)。
例如,当使用NDVI数据候选之一作为基准时,检索比率信息具有在阈值th2=0.01内的差的NDVI数据,并且生成包括基准NDVI数据的临时组。在将NDVI数据候选顺序地用作基准的同时执行该处理,从而生成通过使用各个NDVI数据作为基准而获得的临时组。在临时组中,分别包括两个或更多(或规定数量或更多)的数据组的全部或一些临时组分别被设置为一组比率信息彼此接近的多组NDVI数据。可替代地,可以将具有最大数量组的数据的临时组或以数据的数量的降序排列的n个临时组各自设置为一组比率信息彼此接近的多组NDVI数据。
随后,最终提取出这些组中包括的NDVI数据。因此,例如,执行诸如利用图7B和9A所说明的提取。
注意,在不生成包括多组NDVI数据的任何临时组的情况下,例如,阈值th2可以被改变为0.02,使得再次执行生成临时组。随后,在步骤S353中,计算部10通过使用多组最终提取的NDVI数据来生成植被变化信息。例如,生成诸如图9B中的植被变化信息。
注意,在比率信息=(总日光)/(散射光)的情况下,在上述处理1中排除了环境光成分比率在1附近的数据。例如,设置阈值th11=1.5,并且排除比率信息<th11的NDVI数据。可替代地,设置阈值th11=1.5并且阈值th12=0.5,可以排除th12<比率信息<阈值th11的NDVI数据。
另外,在处理2中,环境光成分比率充分大于1(与特定值=1相差3.00或更大)的NDVI数据。
图14B是其中通过上述(处理a)、(处理b)和(处理c)执行提取和转换的示例。
步骤S350、S351与图14A中的那些类似。也就是说,在步骤S350中,计算部10排除比率信息在0附近的NDVI数据(在处理a中比率信息=直射光/散射光的情况下)。在步骤S351中,计算部10提取比率信息具有充分大于0的值的NDVI数据作为候选(处理b)。
在步骤S360中,计算部10从作为候选提取的多组DVI数据与比率信息之间的相关性获得近似表达式,并且在将环境光分量比率调整为固定值的情况下执行转换。
因此,获得诸如图11A中的转换后的NDVI值。
然后,在步骤S353中,计算部10通过使用多组最终提取的NDVI数据(转换后的值)来生成植被变化信息。例如,生成诸如图11B中的植被变化信息。
图15A和图15B示出了提取处理的其他示例。
在图15A中,计算部10在步骤S370中提取比率信息在0附近的NDVI数据(在比率信息=直射光/散射光的情况下)。通过使用设置为接近0的值的阈值th1来确定比率信息是否在0附近。例如,将阈值th1设置为0.5,并且提取比率信息<th1的NDVI数据。阈值th1可以被设置为1,并且比率信息为1或以下的NDVI数据可以被提取为比率信息在0附近的NDVI数据。
显然,只能提取比率信息=0的NDVI数据。
注意,在比率信息=总日光/散射光的情况下,提取比率信息在1附近的NDVI数据。
在步骤S371中,计算部10通过使用提取的NDVI数据来生成植被变化信息。
也就是说,在该示例中,仅提取在多云天气中观测到的NDVI,并且生成可以从中进行NDVI的后续观测的植被变化信息。
其原因在于,对于某些植被类型、区域、气候条件、土壤条件、季节或其他环境条件,仅通过多云天气下获得的观测数据才可以生成适合时间序列观测的植被变化信息。
图15B是可以可变地设置提取处理的条件的示例。
在步骤S380中,计算部10设置提取条件。例如,通过使用图4中的输入部57的用户输入等来设置执行提取处理的条件。例如,用户可以选择图14A中的提取处理、图14B中的提取处理、图15A中的提取处理等。
在设置了提取条件之后,计算部10从步骤S381进入S382,以根据设置的提取条件执行NDVI数据的提取。例如,通过图14A中的提取处理、图14B中的提取处理和图15A中的提取处理中的任何提取处理来执行NDVI数据的提取。
随后,在步骤S383中,通过使用提取的NDVI数据来生成植被变化信息。
注意,作为用户指定提取处理的条件的示例的替代,可以采用如下示例,其中计算部10例如从捕获图像确定植被的类型或性质,并根据确定结果设置适当的提取处理。
<5.关于使用环境光传感器进行光检测的各种示例>
接下来,将说明关于环境光传感器260的示例。
图16示出了环境光传感器260的各种结构示例。
图16B和16C中的每个是如下示例,其中在如图16A中将环境光传感器260安装在飞行体200的上表面上的情况下,用于测量总日照的环境光传感器260A和用于测量散射光的环境光传感器260B彼此分离并且安装在不同的传感器盒SB中。
这里的传感器盒SB是指包括环境光传感器260和其他装置的壳体主体单元。假设受光部261被设置在各个传感器盒SB的上表面上。
与图1中的上述示例相同,图16B是将杆状遮光体262设置在环境光传感器260B侧的示例。
图16C是将弧形遮光体262设置在环境光传感器260B的上表面上以覆盖受光部261的示例。
图16D和图16E是用于测量总日照和散射光的环境光传感器260被安装在一个传感器盒SB上的示例。在环境光传感器260中,两个受光部261A和261B被设置在传感器盒SB的上表面上,从而在对角线方向上彼此分离。
图16D是将屋顶状遮光体262设置在受光部261B侧的示例。在受光部261B侧检测到散射光。
图16E是在连接受光部261A和261B的对角线的中点设置杆状遮光体262的示例。根据飞行体200的姿态方向将遮光体262的阴影投射在受光部261A和261B中的任一个上,从而由投射有阴影的受光部检测到散射光。
关于散射光,期望仅遮蔽日光的直射光以吸收剩余的光。鉴于这一点,图16B或16E中的结构优于16C或16D中的结构。然而,考虑到可靠地遮蔽直射光,图16C或16D中的结构优于图16B或16E16中的结构。
如图16A所示,诸如多旋翼飞机的飞行体200以朝向前进方向略微倾斜的姿态飞行。因此,环境光传感器260经常与飞行体一起以一定角度飞行。
直射光的校正值根据入射在环境光传感器260的传感器盒SB上的日光的入射角的差异而变化。图12中示出了这种情况。
图17A是设置有环境光传感器260的传感器盒SB的俯视图。矢量VA指示飞行方向。图17A示出了前进方向正好是北的示例。此外,图17B是传感器盒SB的侧视图。
此外,IMU(惯性测量装置)被安装在传感器盒SB上。
基于从安装在传感器盒SB上的IMU(惯性测量装置)获取的侧倾、俯仰、偏航值,提取形成传感器盒SB的上表面的两个矢量(矢量VB1、矢量VB2)。获得两个矢量的外积,从而获得正交于两个矢量的矢量VH(图17B中所示的传感器盒SB的上表面的法向矢量)。此外,基于方位角和姿态,将日光提取为矢量VS(参见图17B)。
在此,基于传感器盒SB的上表面的法向矢量VH和日光矢量VS,可以通过用以下(表达式1)表示的外积的表达式来计算日光入射到传感器盒SB的入射光θ。
[数学式1]
可以从安装在传感器盒SB上的环境光传感器260获得总日光的照度值(LA)和散射光的照度值(LB)。根据这两个值,计算出到环境光传感器260的直射光(LC)。直射光LC=LA-LB。
[数学式2]
当距光源一定距离的某个表面被照亮时获得的照度在该表面被设置为垂直于光的行进方向时变得最大,而当该表面倾斜时则降低。也就是说,照度具有与入射角θ的余弦(COS(θ))成比例地变化的趋势。也就是说,照度具有对角线入射特性(余弦特性)。
因此,根据飞行体200的飞行姿势生成直射光(总日光)中的检测误差。因此,优选地,通过考虑这种余弦特性的校正来获得直射光。
接下来,图18示出了飞行体200用于可靠地检测散射光的飞行计划的示例。
为了计算植被指数而在农田210上方飞行的飞行体200重复沿图中的DA方向飞行,并且在到达农田210的末端时作U形转弯沿DB方向飞行或沿DB方向逆向飞行的动作。
为了可靠地获取散射光的照度,环境光传感器260需要很好地避开太阳400的直射光。
因此,在图16B至16E中的每一个中示出的遮光体262将需要旋转360度。
在图18的示例中,当飞行体200在农田210的末端作U形转弯时,在悬停状态下通过一圈半旋转来改变方向。另外,即使在农田中,也可以通过定期旋转一圈来获得散射光的照度值。注意,在图18中,每个实线表示飞行体200的前进方向,并且虚线箭头HC表示飞行体200的一圈半旋转动作,或者虚线箭头CC表示飞行体200的一圈旋转动作。
因此,飞行体200依次旋转一圈。
设置给飞行器200、图像捕获装置250或环境光传感器260的控制部将在360°旋转期间获取的照度值中的最小的一个确定为散射光的照度值。所确定的照度值作为该飞行期间的散射光的检测值与捕获图像数据相关联。
结果,可以通过使用设置有遮光体262的环境光传感器260来适当地检测散射光。
注意,可以采用不进行360°旋转的示例。
例如,可以基于飞行计划和时钟时间(太阳400的位置)来自动地或手动地设置遮光体262,使得环境光传感器260的受光部261被遮蔽,或者可以自动或手动改变传感器盒SB的姿态方向。
接下来,将描述在将环境光传感器260安装在飞行体200上的情况下的姿态信息。
图19A示出了安装在飞行主体200上的传感器盒SB。图19B示出了传感器盒SBg,其例如设置在地面上并且包括环境光传感器260。
图19C示出了传感器盒SB和SBg以及信号处理部310的配置。
如图19C所示,环境光传感器260、IMU 272和控制部273包括在安装在飞行主体200上的传感器盒SB中的环境光传感器260中。
环境光传感器260和控制部373被包括在设置在地面上的传感器盒SBg中。
在安装在飞行体200上的传感器盒SB中,由环境光传感器260获得的检测值和与获取检测值的定时同步的传感器盒SB的姿态信息(IMU值:侧倾(Roll)、俯仰(Pitch)、偏航值(Yaw))是必要的。因此,控制部273通过同时访问环境光传感器260和IMU 272来获取检测值和姿势信息。所获取的数据被直接或间接地发送到信号处理部310。通过使用上述入射角θ和仰角来计算校正后的直射光。
信号处理部310可以由FPGA实现,或者可以由外部PC实现。另外,可以通过将检测值和态度信息上载到云计算系统来实现该处理。
另外,为了进一步增加获取散射光的频率,通过设置在地面上的传感器盒SBg定期地获取总日光和散射光的检测值,并且控制部373将检测值发送给信号处理部310。关于检测日期和时间的信息被添加到检测值,并且当图像捕获装置250执行图像捕获时,将检测值与时间戳进行核对,由此可以对环境光传感器260在空中难以获取的定时的检测值获取进行内插。
<6.结论与修改>
上面已经说明了实施例。根据实施例,可以获得以下效果。
根据实施例的信息处理设备1包括提取部10C,其通过使用作为环境光的成分比率的比率信息来从包括分别与比率信息相关联的多个时间点的植被数据(例如,NDVI数据)的数据组中提取要使用的植被数据。
此外,根据实施例的信息处理设备1包括生成部10D,其通过使用由提取部10C提取的植被数据来生成指示植被状态的时间序列变化的植被变化信息。
也就是说,将其中每个时间点的植被数据与关于该数据的观测时间的比率信息相关联的数据组设置为要处理的对象,并且基于比率信息提取适合于输出的植被数据(NDVI数据)。通过使用提取的植被数据,生成植被变化信息。
在某些情况下,诸如NDVI的植被数据的值的变化由于环境光的影响而会变大。然而,仅提取适合于通过使用比率信息来指示时间序列转变的目的的数据,从而可以生成植被变化信息。也就是说,在值的变换由于天气等的影响而变大的情况下,排除了值由于天气的影响而波动的植被数据,从而可以生成适当地表示植被的时间序列变化的植被变化信息。这对于植被观测非常有用。
特别地,NDVI具有包括由于天气导致的大误差和大波动的趋势。然而,由于排除了波动的数据,因此可以生成可以容易地每天比较其值的植被变化信息,如图9B或图11B所示。
在实施例中,比率信息是直射光和散射光的检测值的比率的值,或者是总日光和散射光的检测值的比率的值。
通过将光传感器设置在晴朗位置以便能够在晴朗天气中接收直射光,例如,接收直射光和散射光,从而可以检测总日光的光量。
此外,通过将光传感器设置在阴影位置以便能够在晴朗天气中接收散射光,例如,可以检测散射光的光量。通过从总日光的光量中减去散射光的光量来获得直射光的光量。
这里,在多云天气或阴雨天气中,直射光的量几乎为零,并且散射光≈总日光。因此,在多云天气或阴雨天气中,直射光的检测值与散射光的检测值的比率的值几乎为“0”。此外,在多云天气或阴雨天气中,总日光与散射光的比率的值几乎为“1”。也就是说,比率信息的值取决于天气。
通过使用该比率的值,可以将晴朗天气和多云天气(包括阴雨天气)数据作为植被数据彼此适当地区分。
从在晴天获得的图像获得的植被信息的值与从在多云天气获得的图像获得的植被信息的值之间的变换可能变大。因此,通过使用比率信息对每个时间点的植被数据执行根据天气的提取,从而可以收集在类似天气条件下获得的植被数据。
在实施例中,已经描述了如下示例,其中提取部10C从要使用的植被数据中排除相关联的比率信息的值通过与阈值th1的比较而被确定为在特定值附近(例如在0附近或在1附近)的植被数据(图14A、14B中的S350)。
因此,可以执行植被数据的提取,使得从用于生成植被变化信息的植被数据中排除通过在特定天气下观测获得的植被数据。例如,可以执行植被数据的提取,从而排除在多云天气(包括阴雨天气)中没有直射日光时通过观测获得的植被数据。因此,可以生成减少了天气影响的植被变化信息。
在实施例中,已经描述了提取部10C执行提取相关联的比率信息的值与特定值相差至少规定量的植被数据的处理的示例(图14A、图14B的S351)。
例如,在计算比率信息以使得在多云天气中比率信息为“0”或“1”的情况下,将值“0”或“1”设置为特定值,并提取比率信息的值与特定值充分分开的植被数据作为要使用的植被数据(或其候选)。
基于比率信息与特定值相差至少规定量的条件,例如可以提取明显在非多云状态下观测的植被数据。因此,可以收集在类似的环境光条件下获得的植被数据。这也适合于生成减少天气影响的植被变化信息。
在实施例中,已经描述了提取部10C执行提取相关联的比率信息的各个值通过与阈值th2进行比较而被确定为彼此接近的多组植被数据的处理的示例(图14A中的S352)。
作为环境光的成比比率的比率信息彼此接近的情况意味着,在用于计算植被数据的观测时间处的环境光的状态彼此类似。
因此,可以将比率信息彼此接近的多组植被数据视为在不同时间点获得但在类似环境光状态下获得的样本。因此,可以收集在类似的环境条件下获得的植被数据。这适合于生成天气的影响减少的植被变化信息。
在实施例中,已经描述了提取部10C执行提取相关联的比率信息的值通过与阈值th1的比较而被确定为在特定值附近的植被数据的处理的示例(图15A中的S370)。
例如,在计算比率信息以使得在多云天气中比率信息为“0”或“1”的情况下,将值“0”或“1”设置为特定值,并且提取信息比率的值在特定值附近的植被数据作为要使用的植被数据(或其候选)。
根据比率信息接近特定值的条件,可以提取通过在特定的环境光状态(例如多云天气)下观测获得的植被数据。因此,可以收集在类似的环境光条件下获得的植被数据。这也适合于生成天气的影响减少的植被变化信息。
在实施例中,已经描述了可以可变地设置提取部10C的提取处理的提取条件的示例(图15B)。
因此,可以通过选择各种条件来提取要使用的植被数据。例如,当可以通过用户的操作来可变地设置提取条件时,用户可以提取任意天气状态以生成植被变化信息。
在实施例中,已经描述了生成部10D将由提取部10C提取的植被数据转换为将比率信息调整为固定值的值,并使用转换后的植被数据生成植被变化信息的示例(图14B中的S360和S353)。
因此,可以产生由于环境光的影响而不太可能波动的植被变化信息。关于转换,近似表达式的使用导致准确的转换。
在实施例中,已经描述描述了信息处理设备1(计算部10)包括通过使用每个时间点的植被观测数据(例如,捕获图像数据)来计算植被数据的植被数据计算部10A的示例(见图3)。
作为在信息处理设备1中包括植被指数计算部10A的结果,可以获取诸如NDVI数据的植被数据,并且仅从图像捕获装置250获取捕获图像数据就足够了。因此,没有对使用飞行体200等的观测装置侧生成特定的装置负荷。
另外,在该示例中,植被数据计算部10A获得NDVI值作为植被数据。
NDVI是指示植被的分布状况或活动的指数。作为指示NDVI的时间序列变化的信息的植被变化信息的生成在观测植被状态的变化中是有用的。
在实施例中,已经描述了信息处理设备1(计算部10)包括与每个时间点的植被数据相对应地通过使用在该时间点的环境光的检测值计算作为环境光的成分比率的比率信息的比率计算部10B的示例(见图3)。
比率计算部10B被包括在信息处理设备1中以便获得比率信息。因此,可以通过获取环境光传感器260的检测值来执行提取部和生成部的处理。因此,没有对使用飞行体200等的观测装置侧生成特定的装置负荷。
在实施例中,已经描述了比率计算部10B通过使用由环境光传感器260获得的各个受光部261的检测值来计算比率信息的示例,其中环境光传感器260包括遮光体262在其上投射阴影的受光部261和不受到遮光体262的影响的受光部261(见图2和16)。
对于具有遮光体260的结构,通过使用安装在飞行体200上的环境光传感器260适当地进行直射光和散射光的检测。因此,在信息处理设备1中,比率信息的准确性可以提高并且可以适当地提取植被数据。
本技术不限于实施例中描述的示例,并且可以对其进行各种修改。
NDVI已被描述为植被数据的示例。但是,可以采用各种类型的植被指数用作植被数据。其示例包括
·PRI(光化学反射率指数)
·叶绿素荧光的强度
·叶绿素荧光指数
·状态转变反射率等
通过将根据叶黄素循环中的深氧化而变化的光谱反射率转换为指数形式来获得PRI。叶黄素循环是一种用于将不能通过光合作用转化的多余光能作为热量释放的机制,诸如由强光或水分胁迫引起的气孔关闭。
在此,假设PRI由PRI=(R570-R531)/(R570+R531)来计算。
注意,“R570”代表具有570nm的波长的反射光的强度,并且“R531”代表具有531nm的波长的反射光的强度。
叶绿素荧光的强度可以是被日光激发的叶绿素荧光(太阳能诱导的叶绿素荧光(SIF))的强度。叶绿素荧光可以不由日光激发而是由激光或LED激发。
叶绿素荧光指数通过用几个波长分别测量叶绿素荧光来由两个波长(诸如685nm和735nm的两个波长)的比率表示。
可以使用叶绿素荧光进行应力检测。叶绿素荧光与植被的光合作用相关联的从植物产生,并且是一种如下的现象,其中,如果在一定时间段内没有从光激发电子的反应中心提取能量,则该能量作为在更高等的植物中具有约680至770nm的波长的荧光发射。
发射的能量为输入光的能量的0.5%至3%,根据植物的光合作用的状态而变化,并且在无法通过光合作用转换的多余光能的量大的情况(诸如由水分胁迫或强光导致的气孔关闭)下变大。
作为使用图像捕获装置250的图像捕获以及基于通过本实施例的方法(稍后描述)生成的合成图像生成指数的结果,可以对植被进行适当的分析和观测。
因此,在生成了用于时间序列观测的植被变化信息的情况下,假定基于比率信息执行植被数据的提取。
要观测的对象物是农田210中的植被。然而,这是一个示例。例如,本技术可应用于在诸如足球场或棒球场的运动场上的草坪的植被观测,以及在天然草原、林地和原始森林等中的植被观测。
在实施例中已经描述的配置是一个示例。
例如,计算部10可以安装在飞行体200上。此外,图像捕获装置250中的微型计算机可以起计算部10的作用。另外,可以将微型计算机安装在包括环境光传感器260的传感器盒SB中,以便起计算部10的作用。
可以仅通过设置在地面上的环境光传感器260来执行总日光和散射光的检测,而无需使用安装在飞行体200上的环境光传感器260。
根据本发明实施例的程序使计算机装置150的CPU 51执行通过使用作为成分的比率信息从包括分别与比率信息相关联的多个时间点的植被数据的数据组中提取要使用的植被数据的提取步骤(S301)。
可替代地,程序使计算机装置150的CPU 51执行提取步骤(S301),以及通过使用在提取步骤提取的植被数据来生成指示植被状态的时间序列变化的植被变化信息的生成步骤(S302)。
更具体地,程序使计算机装置150的CPU 51执行图13C中的处理(图14、图15)。
利用该程序,可以容易地实现根据本实施例的信息处理设备1。
可以将这种程序预先存储在诸如计算机装置的装置中所包括的记录介质中,或者预先存储在配备有CPU的微型计算机中的ROM中等。可替代地,可以将这种程序临时或永久地保存(存储)在诸如半导体存储器、存储卡、光盘、磁光盘或磁盘的可移除记录介质中。此外,可以将这种可移除记录介质设置为所谓的封装软件。
另外,这种程序可以从可移除记录介质安装到个人计算机等中,或者可以通过诸如LAN或因特网的网络从下载网站安装。
注意,本说明书中描述的效果仅仅是示例,因此不受限制。另外,可能表现出另一种效果。
注意,本技术还可以具有以下配置。
(1)一种信息处理设备,包括:
提取部,其基于作为环境光的成分比率的比率信息从分别与所述比率信息相关联的多个时间点的植被数据中提取至少一部分植被数据。
(2)根据(1)所述的信息处理设备,还包括:
生成部,其通过使用由提取部提取的植被数据来生成指示植被数据的时间序列变化的植被变化信息。
(3)根据(1)或(2)所述的信息处理设备,其中,
所述比率信息是直射光的检测值与散射光的检测值之比的值,或者是总日光的检测值与散射光的检测值之比的值。
(4)根据(1)至(3)中任一项所述的信息处理设备,其中,
所述提取部执行以下处理:从要使用的植被数据中排除关联的比率信息的值通过与阈值比较而被确定为在特定值附近的植被数据。
(5)根据(1)至(4)中任一项所述的信息处理设备,其中,
所述提取部执行以下处理:提取关联的比率信息的值与特定值相差至少规定量的植被数据。
(6)根据(1)至(5)中任一项所述的信息处理设备,其中,
所述提取部执行以下处理:提取关联的比率信息的值通过与阈值进行比较而被确定为彼此接近的多组植被数据。
(7)根据(1)、(2)、(3)、(5)和(6)中任一项所述的信息处理设备,其中,
所述提取部执行以下处理:提取关联的比率信息的值通过与阈值进行比较而被确定为在特定值附近的植被数据。
(8)根据(1)至(7)中任一项所述的信息处理设备,其中,
能够可变地设置用于由提取部进行的提取处理的提取条件。
(9)根据(2)所述的信息处理设备,其中,
所述生成部将由所述提取部提取的植被数据换算为将所述比率信息调整为固定的值,并使用换算后的植被数据生成植被变化信息。
(10)根据(1)至(9)中任一项所述的信息处理设备,还包括:
植被数据计算部,其通过使用各时间点的植被观测数据来计算植被数据。
(11)根据(10)所述的信息处理设备,其中,
所述植被数据计算部求出NDVI值作为植被数据。
(12)根据(1)至(11)中任一项所述的信息处理设备,还包括:
比率计算部,其与各时间点的植被数据相对应地通过使用该时间点的环境光的检测值来计算作为环境光的成分比率的比率信息。
(13)根据(12)所述的信息处理设备,其中,
所述比率计算部通过使用由环境光传感器在各个受光部获得的检测值来计算比率信息,其中环境光传感器包括由遮光体投射阴影的受光部和不受遮光体的影响的受光部。
(14)一种信息处理方法,包括:
借助于信息处理设备执行以下处理:通过使用作为环境光的成分比率的比率信息从包括分别与所述比率信息相关联的多个时间点的植被数据的数据组中提取要使用的植被数据。
(15)一种程序,用于使计算机装置执行以下处理:通过使用作为环境光的成分比率的比率信息从包括分别与所述比率信息相关联的多个时间点的植被数据的数据组中提取要使用的植被数据。
(16)一种信息处理系统,包括:
环境光传感器,包括:由遮光体投射阴影的受光部和不受遮光体的影响的受光部;
比率计算部,其与各时间点的植被数据相对应地通过在各个受光部获得的检测值计算作为环境光的成分比率的比率信息;
提取部,其通过使用作为环境光的成分比率的比率信息从包括分别与所述比率信息相关联的多个时间点的植被数据的数据组中提取要使用的植被数据;以及
生成部,其通过使用提取部提取的植被数据来生成指示植被状态的时间序列变化的植被变化信息。
附图标记列表
1......信息处理设备,10......计算部,11......通信部,12......存储部,13......输出部,31......图像捕获部,32......信号处理部,33......控制部,34......存储部,35......通信部,200......飞行体,210......农田,250......图像捕获设备,260、260A、260B......环境光传感器,261......受光部,262......遮光体。
Claims (16)
1.一种信息处理设备,包括:
提取部,其基于作为环境光的成分比率的比率信息从分别与所述比率信息相关联的多个时间点的植被数据中提取至少一部分植被数据。
2.根据权利要求1所述的信息处理设备,还包括:
生成部,其通过使用由提取部提取的植被数据来生成指示植被数据的时间序列变化的植被变化信息。
3.根据权利要求1所述的信息处理设备,其中,
所述比率信息是直射光的检测值与散射光的检测值之比的值,或者是总日光的检测值与散射光的检测值之比的值。
4.根据权利要求1所述的信息处理设备,其中,
所述提取部执行以下处理:从要使用的植被数据中排除关联的比率信息的值通过与阈值比较而被确定为在特定值附近的植被数据。
5.根据权利要求1所述的信息处理设备,其中,
所述提取部执行以下处理:提取关联的比率信息的值与特定值相差至少规定量的植被数据。
6.根据权利要求1所述的信息处理设备,其中,
所述提取部执行以下处理:提取关联的比率信息的值通过与阈值进行比较而被确定为彼此接近的多组植被数据。
7.根据权利要求1所述的信息处理设备,其中,
所述提取部执行以下处理:提取关联的比率信息的值通过与阈值进行比较而被确定为在特定值附近的植被数据。
8.根据权利要求1所述的信息处理设备,其中,
能够可变地设置用于由提取部进行的提取处理的提取条件。
9.根据权利要求2所述的信息处理设备,其中,
所述生成部将由所述提取部提取的植被数据换算为将所述比率信息调整为固定的值,并使用换算后的植被数据生成植被变化信息。
10.根据权利要求1所述的信息处理设备,还包括:
植被数据计算部,其通过使用各时间点的植被观测数据来计算植被数据。
11.根据权利要求10所述的信息处理设备,其中,
所述植被数据计算部求出NDVI值作为植被数据。
12.根据权利要求1所述的信息处理设备,还包括:
比率计算部,其与各时间点的植被数据相对应地通过使用该时间点的环境光的检测值来计算作为环境光的成分比率的比率信息。
13.根据权利要求12所述的信息处理设备,其中,
所述比率计算部通过使用由环境光传感器在各个受光部获得的检测值来计算比率信息,其中环境光传感器包括由遮光体投射阴影的受光部和不受遮光体的影响的受光部。
14.一种信息处理方法,包括:
借助于信息处理设备执行以下处理:通过使用作为环境光的成分比率的比率信息从包括分别与所述比率信息相关联的多个时间点的植被数据的数据组中提取要使用的植被数据。
15.一种程序,用于使计算机装置执行以下处理:通过使用作为环境光的成分比率的比率信息从包括分别与所述比率信息相关联的多个时间点的植被数据的数据组中提取要使用的植被数据。
16.一种信息处理系统,包括:
环境光传感器,包括:由遮光体投射阴影的受光部和不受遮光体的影响的受光部;
比率计算部,其与各时间点的植被数据相对应地通过在各个受光部获得的检测值计算作为环境光的成分比率的比率信息;
提取部,其通过使用作为环境光的成分比率的比率信息从包括分别与所述比率信息相关联的多个时间点的植被数据的数据组中提取要使用的植被数据;以及
生成部,其通过使用提取部提取的植被数据来生成指示植被状态的时间序列变化的植被变化信息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-139088 | 2017-07-18 | ||
JP2017139088 | 2017-07-18 | ||
PCT/JP2018/021404 WO2019017095A1 (ja) | 2017-07-18 | 2018-06-04 | 情報処理装置、情報処理方法、プログラム、情報処理システム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110869744A true CN110869744A (zh) | 2020-03-06 |
CN110869744B CN110869744B (zh) | 2023-07-28 |
Family
ID=65016650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880046114.6A Active CN110869744B (zh) | 2017-07-18 | 2018-06-04 | 信息处理设备、信息处理方法、程序和信息处理系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11475550B2 (zh) |
EP (1) | EP3657156A4 (zh) |
JP (1) | JP7156282B2 (zh) |
CN (1) | CN110869744B (zh) |
WO (1) | WO2019017095A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113474635A (zh) * | 2019-03-01 | 2021-10-01 | 索尼集团公司 | 图像处理设备、图像处理方法和程序 |
CA3132824A1 (en) * | 2019-04-08 | 2020-10-15 | Oded LIRAN | Remote sensing of plant photosynthetic capacity |
CN110717087B (zh) * | 2019-04-24 | 2022-09-13 | 中国科学院地理科学与资源研究所 | 一种指定位置点的归一化植被指数ndvi获取方法及系统 |
US20220366668A1 (en) * | 2019-10-30 | 2022-11-17 | Sony Group Corporation | Image processing apparatus, image processing method, and image processing program |
JP6896962B2 (ja) * | 2019-12-13 | 2021-06-30 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co.,Ltd | 決定装置、飛行体、決定方法、及びプログラム |
WO2022102295A1 (ja) * | 2020-11-10 | 2022-05-19 | ソニーグループ株式会社 | 撮像装置 |
CN112685468B (zh) * | 2020-12-24 | 2023-03-24 | 吉林大学 | 生态系统属性组分组成结构长期演变图形表达方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4355896A (en) * | 1980-06-27 | 1982-10-26 | Nasa | Cloud cover sensor |
WO2010144877A1 (en) * | 2009-06-11 | 2010-12-16 | Petroalgae, Llc | Vegetation indices for measuring multilayer microcrop density and growth |
CN101971006A (zh) * | 2008-03-21 | 2011-02-09 | 株式会社伊藤园 | 茶叶采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价系统以及计算机可使用的介质 |
CN104483271A (zh) * | 2014-12-19 | 2015-04-01 | 武汉大学 | 光学反射模型与微波散射模型协同的森林生物量反演方法 |
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 |
WO2016009752A1 (ja) * | 2014-07-16 | 2016-01-21 | 株式会社リコー | 情報処理装置、制御信号の生産方法、情報処理システム、プログラム |
US20160063420A1 (en) * | 2014-08-29 | 2016-03-03 | Ricoh Company, Ltd. | Farmland management system and farmland management method |
WO2016171007A1 (ja) * | 2015-04-24 | 2016-10-27 | ソニー株式会社 | 検査装置および検査方法、並びにプログラム |
JP2017035055A (ja) * | 2015-08-12 | 2017-02-16 | コニカミノルタ株式会社 | 植物生育指標測定装置、該方法および該プログラム |
CN106845806A (zh) * | 2017-01-06 | 2017-06-13 | 中国科学院遥感与数字地球研究所 | 农田种植状态的遥感监测方法和系统 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6160902A (en) * | 1997-10-10 | 2000-12-12 | Case Corporation | Method for monitoring nitrogen status using a multi-spectral imaging system |
GB9818443D0 (en) * | 1998-08-24 | 1998-10-21 | Innovation Tk Limited | Colour scanner |
JP4627507B2 (ja) * | 1999-07-08 | 2011-02-09 | 農工大ティー・エル・オー株式会社 | 散布量制御装置及び方法並びに散布量決定装置並びにシステム並びに記録媒体 |
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 |
KR101859677B1 (ko) | 2011-07-27 | 2018-05-21 | 삼성디스플레이 주식회사 | 표시장치 |
EP2554836B1 (en) * | 2011-08-03 | 2014-05-07 | Alstom Renovables España, S.L. | Shadow flicker measurement system, wind turbine comprising such a system, and control method using such a system |
US8902413B2 (en) * | 2012-02-21 | 2014-12-02 | Trimble Navigation Limited | Cell phone NDVI sensor |
CN104768370B (zh) * | 2012-09-04 | 2018-07-17 | 飞利浦灯具控股公司 | 用于通过光增强可食用植物部分中的营养价值的方法以及为此的照明设备 |
JP2015038454A (ja) * | 2013-08-19 | 2015-02-26 | 富士通株式会社 | 作物判定装置、作物判定プログラム及び作物判定方法 |
WO2016005925A1 (en) * | 2014-07-08 | 2016-01-14 | Morgan Solar Inc. | Device for harvesting direct light and diffuse light from a light source |
US20180209090A1 (en) | 2014-07-28 | 2018-07-26 | National University Corporation Chiba University | Method for decolorizing dye |
EP3466248B1 (en) * | 2016-05-31 | 2021-03-31 | Panasonic Intellectual Property Management Co., Ltd. | Moisture content observation device, moisture content observation method and cultivation device |
JP6187639B2 (ja) * | 2016-06-10 | 2017-08-30 | ソニー株式会社 | 撮像装置および撮像方法、並びにプログラム |
FR3067824B1 (fr) * | 2017-06-14 | 2019-07-19 | Shakti | Procede et dispositif d'imagerie d'un vegetal |
US20190268994A1 (en) * | 2018-02-23 | 2019-08-29 | Telelumen, LLC | Streetlights providing moon or fire light |
US10739189B2 (en) * | 2018-08-09 | 2020-08-11 | Ouster, Inc. | Multispectral ranging/imaging sensor arrays and systems |
-
2018
- 2018-06-04 WO PCT/JP2018/021404 patent/WO2019017095A1/ja unknown
- 2018-06-04 JP JP2019530922A patent/JP7156282B2/ja active Active
- 2018-06-04 CN CN201880046114.6A patent/CN110869744B/zh active Active
- 2018-06-04 EP EP18836091.1A patent/EP3657156A4/en not_active Withdrawn
- 2018-06-04 US US16/630,085 patent/US11475550B2/en active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4355896A (en) * | 1980-06-27 | 1982-10-26 | Nasa | Cloud cover sensor |
CN101971006A (zh) * | 2008-03-21 | 2011-02-09 | 株式会社伊藤园 | 茶叶采摘适当性评价方法以及采摘适当性评价装置、采摘适当性评价系统以及计算机可使用的介质 |
WO2010144877A1 (en) * | 2009-06-11 | 2010-12-16 | Petroalgae, Llc | Vegetation indices for measuring multilayer microcrop density and growth |
CN102483808A (zh) * | 2009-06-11 | 2012-05-30 | Pa有限责任公司 | 用于测量多层微作物密度及生长的植被指数 |
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 |
WO2016009752A1 (ja) * | 2014-07-16 | 2016-01-21 | 株式会社リコー | 情報処理装置、制御信号の生産方法、情報処理システム、プログラム |
CN106575419A (zh) * | 2014-07-16 | 2017-04-19 | 株式会社理光 | 信息处理设备、产生控制信号的方法、信息处理系统以及程序 |
US20160063420A1 (en) * | 2014-08-29 | 2016-03-03 | Ricoh Company, Ltd. | Farmland management system and farmland management method |
CN104483271A (zh) * | 2014-12-19 | 2015-04-01 | 武汉大学 | 光学反射模型与微波散射模型协同的森林生物量反演方法 |
WO2016171007A1 (ja) * | 2015-04-24 | 2016-10-27 | ソニー株式会社 | 検査装置および検査方法、並びにプログラム |
JP2017035055A (ja) * | 2015-08-12 | 2017-02-16 | コニカミノルタ株式会社 | 植物生育指標測定装置、該方法および該プログラム |
CN106845806A (zh) * | 2017-01-06 | 2017-06-13 | 中国科学院遥感与数字地球研究所 | 农田种植状态的遥感监测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
US11475550B2 (en) | 2022-10-18 |
EP3657156A1 (en) | 2020-05-27 |
WO2019017095A1 (ja) | 2019-01-24 |
EP3657156A4 (en) | 2020-06-17 |
JPWO2019017095A1 (ja) | 2020-05-28 |
CN110869744B (zh) | 2023-07-28 |
JP7156282B2 (ja) | 2022-10-19 |
US20200219246A1 (en) | 2020-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110869744B (zh) | 信息处理设备、信息处理方法、程序和信息处理系统 | |
Aasen et al. | Generating 3D hyperspectral information with lightweight UAV snapshot cameras for vegetation monitoring: From camera calibration to quality assurance | |
Deng et al. | UAV-based multispectral remote sensing for precision agriculture: A comparison between different cameras | |
O’Connor et al. | Cameras and settings for aerial surveys in the geosciences: Optimising image data | |
Lucieer et al. | HyperUAS—Imaging spectroscopy from a multirotor unmanned aircraft system | |
Verger et al. | Green area index from an unmanned aerial system over wheat and rapeseed crops | |
Bendig et al. | Very high resolution crop surface models (CSMs) from UAV-based stereo images for rice growth monitoring in Northeast China | |
Paredes et al. | Multispectral imaging system with UAV integration capabilities for crop analysis | |
EP3444579A1 (en) | Spectral camera control device, spectral camera control program, spectral camera control system, aircraft equipped with said system, and spectral image capturing method | |
Srivastava et al. | UAVs technology for the development of GUI based application for precision agriculture and environmental research | |
Wulder et al. | Digital high spatial resolution aerial imagery to support forest health monitoring: the mountain pine beetle context | |
CN114072843A (zh) | 用于生成植被状态的多空间分辨率测量 | |
Oldeland et al. | The potential of UAV derived image features for discriminating savannah tree species | |
Zhou et al. | Radiometric calibration of a large-array commodity CMOS multispectral camera for UAV-borne remote sensing | |
Crusiol et al. | Reflectance calibration of UAV-based visible and near-infrared digital images acquired under variant altitude and illumination conditions | |
Mancini et al. | A multi/hyper-spectral imaging system for land use/land cover using unmanned aerial systems | |
Biney et al. | Bor uvka | |
Sharma et al. | Automated extraction of canopy shadow fraction using unmanned helicopter-based color vegetation indices | |
Zhang | Native vegetation classification using remote sensing techniques: A case study of dairy flat regrowth bush by using the AUT unmanned aerial vehicle | |
CN113474635A (zh) | 图像处理设备、图像处理方法和程序 | |
Kazantsev et al. | COTS UAV-borne multispectral system for vegetation monitoring | |
Bai et al. | Goniometer in the air: Enabling BRDF measurement of crop canopies using a cable-suspended plant phenotyping platform | |
Wijesingha | Geometric quality assessment of multi-rotor unmanned aerial vehicle borne remote sensing products for precision agriculture | |
Eskelinen | Computational methods for hyperspectral imaging using Fabry–Perot interferometers and colour cameras | |
US20220319048A1 (en) | Enhanced measurement of photosynthetically active radiation (par) and image conversion therefor |
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 |