CN111095339A - 作物栽培支持装置 - Google Patents

作物栽培支持装置 Download PDF

Info

Publication number
CN111095339A
CN111095339A CN201880054787.6A CN201880054787A CN111095339A CN 111095339 A CN111095339 A CN 111095339A CN 201880054787 A CN201880054787 A CN 201880054787A CN 111095339 A CN111095339 A CN 111095339A
Authority
CN
China
Prior art keywords
cultivation
image
unit
crop
standard range
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.)
Pending
Application number
CN201880054787.6A
Other languages
English (en)
Inventor
片桐哲也
冈本志乃
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.)
Konica Minolta Inc
Original Assignee
Konica Minolta Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Konica Minolta Inc filed Critical Konica Minolta Inc
Publication of CN111095339A publication Critical patent/CN111095339A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining

Abstract

本发明的作物栽培支持装置具备：栽培信息输出部，其按照栽培作物(PL)的多块农田(FD)(栽培区域)来输出与作物(PL)相关的规定的栽培信息；比较部(38)，其针对每块农田(FD)对规定的标准范围(NR)与栽培信息进行比较，该规定的标准范围(NR)是基于包括栽培信息的多个参数之间的关联的范围；以及显示部(31)，其基于比较部(38)的比较结果按照农田(FD)对栽培信息是否在标准范围(NR)内进行显示。

Description

作物栽培支持装置
技术领域
本发明涉及一种支持作物栽培的作物栽培支持装置。
背景技术
专利文献1中公开了以往的作物栽培支持装置。该作物栽培支持装置具有：数据库、生长曲线生成部、关键时刻提取部、高维分析模型生成部、趋势预测部以及显示部。数据库用于存储卫星数据和气象数据，该卫星数据是基于作物的植被生长的多个周期的时间序列的卫星图像的数据，该气象数据包括时间序列的温度。生长曲线生成部基于从数据库读出的卫星数据及气象数据，计算每块农田及每个时期的植物的植被指数及从预先规定的参考时期开始的有效积温，并关于每块农田的过去的多个周期的对象作物生成多个表示植被指数对有效积温的植被生长曲线。
关键时刻提取部针对生成的植被生长曲线，提取出相对于表示植被特有的生长重要时期的预先决定的关键时刻的植被指数(NDVI)。高维分析模型生成部关于每块农田的过去的多个周期的对象作物生成多个高维分析模型，该高维分析模型是在以多个关键时刻的植被指数作为各轴的高维植被分析坐标上绘制出每个植被生长曲线的各关键时刻的植被指数而得到的分析模型。
趋势预测部基于关于成为预测对象的农田的作物的多个高维分析模型，根据预测年、预测周期的植被生长曲线中的已获取的关键时刻的植被指数，求出未获取的关键时刻的预测植被指数。由此，趋势预测部预测出对象作物的已获取后的植被生长曲线。由此，作物栽培支持装置能够进行规定的农田的作物的生长情况及产量的预测。
现有技术文献
专利文献
专利文献1：日本特开2015-188333号公报
近年，由于作物的栽培方法的多样化，因此有时候即使是同一品种的作物，作物的生长情况也因农田、农家、地域等而不同。例如，使用低于普通量肥料量来栽培米的农田中的米与使用普通量的肥料来栽培米的农田中的米相比，生长迟缓。因此，当使用上述以往的作物栽培支持装置在栽培方法不同的农田之间比较作物的植被生长曲线时，虽然能够预测各农田中的作物的生长情况，但难以判断农田的情况合适与否(有无异常部位)。即，难以对农田的情况进行绝对判断。因此，存在下述问题：使用者不能准确地判断农田的情况，作物栽培支持装置的使用性低下。
发明内容
本发明的目的在于提供一种能够提高使用性的作物栽培支持装置。
为了达到上述目的，本发明的一个方面所涉及的作物栽培支持装置具备：栽培信息输出部，其按照栽培作物的多个栽培区域来输出与作物相关的规定的栽培信息；比较部，其针对每个所述栽培区域对规定的标准范围与所述栽培信息进行比较，该规定的标准范围是基于包括所述栽培信息的多个参数之间的关联的范围；以及显示部，其基于所述比较部的比较结果按照所述栽培区域对所述栽培信息是否在所述标准范围内进行显示。
根据本发明，作物栽培支持装置具备：栽培信息输出部，其按照栽培作物的多个栽培区域来输出与作物相关的规定的栽培信息；比较部，其针对每个栽培区域对规定的标准范围与栽培信息进行比较，该规定的标准范围是基于包括栽培信息的多个参数之间的关联的范围；以及显示部，其基于比较部的比较结果按照栽培区域对栽培信息是否在标准范围内进行显示。由此，使用者对农田的情况进行相对判断，而不是绝对判断，就能容易地识别出情况不良的栽培区域(存在异常部位的栽培区域)。因此，能够提高作物栽培支持装置的使用性。
附图说明
图1是表示本发明的第1实施方式的作物栽培支持装置的概略构成图；
图2是表示本发明的第1实施方式的作物栽培支持装置的构成的框图；
图3是表示本发明的第1实施方式的作物栽培支持装置的合成图像的生成工序的图；
图4是表示本发明的第1实施方式的作物栽培支持装置的拍摄工序的俯视图；
图5是表示本发明的第1实施方式的作物栽培支持装置的拍摄工序的侧视图；
图6是表示本发明的第1实施方式的作物栽培支持装置的缺陷检测工序的图；
图7是表示本发明的第1实施方式的作物栽培支持装置的图像合成工序的图；
图8是表示本发明的第1实施方式的作物栽培支持装置的显示工序的一例的图；
图9是表示本发明的第1实施方式的作物栽培支持装置的显示部的数据显示画面的一例的图；
图10是表示本发明的第2实施方式的作物栽培支持装置的显示工序的一例的图；以及
图11是表示本发明的第2实施方式的作物栽培支持装置的显示部的数据显示画面的一例的图。
标号的说明
1 作物栽培支持装置
2 拍摄部
3 信息终端
4 飞行体
20 可见拍摄部
21 近红外拍摄部
31 显示部
32 操作部
33 存储部
34 合成部
35 连接部
36 缺陷检测部
37 生长指数导出部
38 比较部
43 存储部
45 连接部
48 位置检测部
100 散布图
200、210 分布图
DR 缺陷区域
FD 农田
FI 拍摄图像
PI 地点图像
PL 作物
SP 同一地点
具体实施方式
<第1实施方式>
下面，参照附图来说明本发明的实施方式。图1是表示第1实施方式的作物栽培支持装置的概略构成的图。栽培支持装置1具备拍摄部2以及信息终端3，用于支持在农田FD(栽培区域)中栽培作物PL。此外，就农田FD而言，例如以俯视时呈大致矩形形状的方式在四边设置有畦畔，表示由畦畔包围的水田或旱田。
拍摄部2例如由多光谱摄影机构成且安装在飞行体4上。拍摄部2具有可见拍摄部20(参见图2)以及近红外拍摄部21(参见图2)。可见拍摄部20和近红外拍摄部21在与农田FD平行的面内隔开规定间隔地配置。
可见拍摄部20形成可见光的图像(可见图像)。可见拍摄部20具有：第1带通滤波器、第1成像光学系统、第1图像传感器(光学传感器)以及第1数字信号处理器等(均未图示)。第1带通滤波器例如使以波长650nm为中心波长的较窄频段的光透过。第1成像光学系统使透过了第1带通滤波器的测定对象的可见光的光学图像成像于规定的第1成像面上。第1图像传感器以使受光面与第1成像面一致的方式配置，对由农田FD反射的太阳光中所含的以波长650nm为中心波长的较窄频段的光进行检测，并将测定对象的可见光的光学图像转换为电信号。第1数字信号处理器对第1图像传感器的输出实施图像处理，形成可见图像。
近红外拍摄部21形成近红外光的图像(近红外图像)。近红外拍摄部20具有：第2带通滤波器、第2成像光学系统、第2图像传感器(光学传感器)以及第2数字信号处理器等(均未图示)。第2带通滤波器使以750nm以上的规定波长(例如800nm)为中心波长的较窄频段的光透过。第2成像光学系统使透过了第2带通滤波器的测定对象的近红外光的光学图像成像于规定的第2成像面上。第2图像传感器以使受光面与第2成像面一致的方式配置，对由农田FD反射的太阳光中所含的以波长800nm为中心波长的较窄频段的光进行检测，并将测定对象的近红外光的光学图像转换为电信号。第2数字信号处理器对第2图像传感器的输出实施图像处理，形成近红外图像。此外，作为第1图像传感器及第2图像传感器，例如可使用VGA型(640像素×480像素)的图像传感器。
此外，就拍摄部2而言，也可以省去近红外拍摄部21而由可见拍摄部20构成。在该情况下，可见拍摄部20构成为具备第1成像光学系统、第1图像传感器以及配置于第1图像传感器上的R/G/B/Ir或W/Y/R/Ir(例如参见特许第5168353号公报)。上述“R”、“G”、“B”分别为主要使红色光、绿色光、蓝色光透过的滤波器。上述“Ir”为主要使近红外光透过的滤波器。上述“W”为主要使白色光透过的滤波器，上述“Y”为主要使黄色光透过的滤波器。
飞行体4由可自主飞行的无人航空机(无人机)构成，在农田FD的上空飞行。飞行体4具有设置有多个(例如8个)水平旋转叶片42的壳体41。拍摄部2配置在安装于壳体41的下表面的筐体25内。筐体25构成为：通过移动机构(未图示)使得具有开口部(未图示)的下表面能够在朝向垂直下方的方向和朝向正面的方向上移动。由此，可见拍摄部20及近红外拍摄部21经由开口部而能够在朝向垂直下方的方向和朝向正面的方向上移动。另外，从壳体41的下表面朝向下方突出设置有多个脚部46。飞行体4着陆时，脚部46与地面接触。
当通过事先的程序设计而针对飞行体41设定飞行路线和飞行高度等时，即便使用者不使用无线遥控器(未图示)等进行操控，飞行体4也能使水平旋转叶片42旋转而自主飞行。飞行体4飞行时，可见拍摄部20及近红外拍摄部21朝向垂直下方。由此，可见拍摄部20及近红外拍摄部21能够在农田FD的上空移动来拍摄农田FD。飞行体4着陆时，可见拍摄部20及近红外拍摄部21朝向正面方向。由此，能够防止可见拍摄部20及近红外拍摄部21的镜头(未图示)等冲击地面而造成破损。此外，飞行体4也可以构成为能够由使用者进行无线操控飞行(引导飞行)。
另外，飞行体4也可以为例如气球、飞艇、飞机、直升机等。另外，也可以使用从地上吊起筐体25的起重机等吊起装置(未图示)来代替飞行体4。此时，使吊起的筐体25在水平方向上移动。
信息终端3例如由个人电脑构成。信息终端3构成为经由连接部35、45(参见图2)能够与飞行体4及拍摄部2通信，且具有显示部31及操作部32。显示部31例如由液晶面板等构成，用于显示操作菜单、与飞行体4的通信情况、后述的合成图像CI、后述的散布图100、后述的分布图200、210等。操作部32具有键盘32a及鼠标32b，用于接受各种数据的输入操作并进行输出。此外，信息终端3也可以由智能手机等便携电话机或平板PC构成。
图2是表示作物栽培支持装置1的构成的框图。信息终端3和飞行体4分别具有对它们的各部分进行控制的由CPU构成的控制部39、49。控制部39与控制部49经由连接部35、45无线连接。控制部39连接有显示部31、操作部32、存储部33、合成部34、连接部35、缺陷检测部36、生长指数导出部37及比较部38。
存储部33用于存储各种程序及各种数据。各种程序中包含控制信息终端3的整体动作的程序等。各种数据中包含可见图像、近红外图像、拍摄图像FI、地点图像PI及合成图像CI等。在本实施方式中，拍摄图像FI是基于可见图像及近红外图像两者或近红外图像而形成的图像。地点图像PI是拍摄图像FI上的地点的图像。此外，地点图像PI由一个或多个像素构成，一个地点图像PI的尺寸比一个拍摄图像FI的尺寸小。合成图像CI是合成多个地点图像PI而形成的图像，在本实施方式中，合成图像CI例如是一块农田FD的整体图像。另外，在本实施方式中，拍摄图像FI、地点图像PI及合成图像CI由后述的NDVI图像及植被率图像形成。
合成部34基于多张(在本实施方式中为6张)拍摄图像FI来形成地点图像PI。另外，合成部34合成多张地点图像PI。由此，合成部34形成合成图像CI。
连接部35、45设有天线(未图示)。连接部35、45经由天线通过无线电波进行通信数据的发送和接收。通信数据中包含可见拍摄部20及近红外拍摄部21分别拍摄的可见图像及近红外图像。
缺陷检测部36用于检测拍摄图像FI上的存在后述的缺陷的缺陷区域DR(参见图6)。合成部34如后述那样除去缺陷区域DR来形成地点图像PI。
生长指数导出部37基于由可见拍摄部20拍摄的可见图像及由近红外拍摄部21拍摄的近红外图像，导出表示农田FD内的作物PL的生长状态的生长指数。在本实施方式中，作为生长指数，使用的是NDVI(Normalized Difference Vegetation Index、归一化差值植被指数)。NDVI显示的图像即NDVI图像是基于可见图像及近红外图像而形成的图像。将可见图像的像素值设为Rv，将近红外图像的像素值设为Ri，则与可见图像及近红外图像的像素值对应的NDVI图像的像素值相当于NDVI，表示为NDVI＝(Ri-Rv)/(Ri+Rv)。NDVI越大表示植被越浓郁。
例如，NDVI图像的像素位置(10，15)处的像素值是基于可见图像的像素位置(10，15)处的像素值和近红外图像的像素位置(10，15)处的像素值而导出的值。此外，也可以考虑可见拍摄部20和近红外拍摄部21的视差，而在可见图像的像素位置及近红外图像的像素位置中的至少一方的像素位置被移位以修正视差之后，导出NDVI。另外，可见拍摄部20的第1成像光学系统和近红外拍摄部21的第2成像光学系统的视角及失真像差等光学特性是互相相等的。
另外，作为生长指数，也可以使用RVI(Ratio Vegetation Index、比值植被指数、RVI＝Ri/Rv)、DVI(Difference Vegetation Index、差值植被指数、DVI＝Ri-Rv)、TVI(Transformed Vegetation Index、TVI＝NDVI+0.5)0.5)或者IPVI(Infrared PercentageVegetation Index、IPVI＝Ri/(Ri+Rv)＝(NDVI+1)/2)等。
另外，在本实施方式中，作为生长指数，除了NDVI之外，还使用了植被率，该植被率表示作物PL对农田FD的地表面的覆盖比例。例如，生长指数导出部37基于由近红外拍摄部21拍摄的农田FD的近红外图像进行二值化处理，形成白色和黑色的二值化图像。此时，白色部分相当于作物PL，黑色部分相当于土壤。然后，生长指数导出部37导出表示在二值化图像中白色部分所占的比例的植被率。在本实施方式中，将用植被率表示的图像称为植被率图像。
由拍摄部2和生长指数导出部37构成栽培信息输出部，该栽培信息输出部用于输出与作物PL相关的规定的栽培信息。
比较部38针对各农田FD对后述的标准范围NR(参见图9)和NDVI及植被率，该标准范围NR是基于NDVI(栽培信息、参数)与植被率(栽培信息、参数)之间的关联的范围。另外，比较部38导出对NDVI与植被率之间的关系进行近似得到的近似曲线AC(参见图9)，将规定的偏差量的范围设为标准范围NR。
飞行体4的控制部49连接有存储部43、连接部45、水平旋转叶片42、方位测定部47以及位置检测部48。另外，控制部49连接有可见拍摄部20及近红外拍摄部21。存储部43中存储有飞行体4的控制程序(包括自主飞行程序)、拍摄部2的控制程序以及各种数据。存储部43所存储的各种数据中包含飞行体4的飞行路线及高度等飞行数据等。
位置检测部48具备例如GPS(Global Positioning System、全球定位系统)。此外，GPS也可以是DGPS(Differential GPS)等具有对误差进行修正的修正功能的GPS。通过位置检测部48检测拍摄部2(可见拍摄部20及近红外拍摄部21)的位置(纬度X、经度Y、高度Z)。方位测定部47例如由3轴方位计(3轴地磁传感器)构成，用于测定拍摄部2在地球上的方位。另外，控制部39根据拍摄部2的位置、视角及像素数导出地点图像PI的位置。
图3是表示形成合成图像CI的工序的图。形成合成图像CI的工序包括：拍摄工序、生长指数图像形成工序、缺陷检测工序、地点图像形成工序及图像合成工序。在本实施方式中，以一块农田FD的图像为例来说明合成图像CI。此外，由于植被率图像的合成图像CI也以同样的方式形成，所以这里以NDVI图像的合成图像CI的形成为例进行说明。
图4是表示拍摄工序的俯视图。在上述构成的作物栽培支持装置1中，飞行体4通过水平旋转叶片42的旋转而自主飞行，到达农田FD的上空。飞行体4在农田FD的上空以设定高度H(本实施方式中为30m)及设定速度(本实施方式中为15km/h)且以如箭头FC所示那样俯视时折回多次的方式飞行。具体地，飞行体4重复如下情况：沿着农田FD的长度方向从长度方向的一个端部朝向另一个端部飞行，到达另一个端部后，沿着农田FD的宽度方向飞行规定距离之后沿着长度方向朝向长度方向的一个端部飞行。飞行体4在农田FD的上空飞行期间，可见拍摄部20及近红外拍摄部21对农田FD进行拍摄。
图5表示拍摄工序的侧视图。此外，在图5中，省略了飞行体4的图示，箭头FC表示飞行体4的飞行方向(拍摄部2的移动方向)。在拍摄工序中，设可见拍摄部20及近红外拍摄部21的视角α为45°，则拍摄范围D为约24.85m×约33.13m的区域。而且，当拍摄部2在1秒时间分别拍摄一张可见图像和近红外图像时，农田FD上的同一地点SP分别被拍摄6次。可见图像和近红外图像经由连接部45、35被发送到控制部39，并被存储到存储部33中。此时，各可见图像及各近红外图像与拍摄部2的位置关联起来被存储到存储部33中。拍摄工序之后，进入生长指数图像形成工序。
在生长指数图像形成工序中，由生长指数导出部37根据可见图像的像素及近红外图像的像素导出NDVI。由此，形成NDVI图像即拍摄图像FI。在NDVI图像中，根据NDVI，以R、G、B进行颜色区分。例如，在NDVI图像中，NDVI以R、G、B的顺序降低。生长指数图像形成工序之后，进入缺陷检测工序。
当形成用植被率表示的植被率图像时，在生长指数图像形成工序中，由生长指数导出部37导出植被率。由此，形成植被率图像即拍摄图像FI。在植被率图像中，根据植被率，以R、G、B进行颜色区分。例如，在植被率图像中，植被率以R、G、B的顺序降低。
图6是表示在缺陷检测工序中拍摄同一地点SP而得到的多张(本实施方式中为6张)拍摄图像FI的图。“A”至“F”的拍摄图像FI中拍摄的是同一地点SP。“A”至“F”的拍摄图像FI的拍摄时机各不相同，以“A”至“F”的顺序按照时间序列排列。例如，在农田FD为水田的情况下，在拍摄工序时，有时候映在水面上的太阳会被拍入可见图像及近红外图像中。因此，有时候在拍摄图像FI上会出现存在由拍入太阳引起的缺陷的缺陷区域DR。
另外，在拍摄工序中，有时候例如收纳有拍摄部2的筐体25的朝向因移动机构的误动作等而暂时变更为正面方向(农田FD以外的方向)。该情况下，在拍摄图像FI上，拍摄部2的朝向发生了变更时的区域成为缺陷区域DR。
另外，在拍摄工序中，有时候例如作物PL因风等而倒伏的样子被拍入可见图像及近红外图像中。该情况下，在拍摄图像FI上，作物PL倒伏的区域成为缺陷区域DR。
另外，有时候会出现拍摄图像FI的周边部Ph的NDVI(特性值)比中心部CP的NDVI低的浓淡处理误差。该情况下，拍摄图像FI的周边部Ph的区域成为缺陷区域DR。
另外，如前文所述，可见拍摄部20和近红外拍摄部21以隔开规定距离的方式配置。因此，有时候会出现由可见拍摄部20和近红外拍摄部21的视差引起的可见像素与近红外像素的差异所导致的误差。该情况下，差异量比规定值大的区域成为缺陷区域DR。
上述示例的缺陷区域DR的NDVI表现出比不存在缺陷的其它区域(不是缺陷区域DR的区域)的NDVI低的值。因此，当使用缺陷区域DR的NDVI合成多张地点图像PI时，合成图像CI的质量降低。因此，缺陷检测部36检测拍摄图像FI上的缺陷区域DR，合成部34除去由缺陷检测部36检测出的缺陷区域DR来形成地点图像PI。在本实施方式中，缺陷检测部36对将一张拍摄图像FI内划分出的多个区域的NDVI进行相对比较来检测缺陷区域DR。
例如，当在图6示出的拍摄同一地点SP得到的“A”至“F”的拍摄图像FI中拍入了映入农田FD的水面的太阳时，缺陷检测部36将拍入了太阳的区域检测为缺陷区域DR。此时，“C”的拍摄图像FI上的包括同一地点SP的规定区域的区域图像Pr与缺陷区域DR重合。此外，区域图像Pr的尺寸(范围)比拍摄图像FI的尺寸(范围)小。
接着，关于包括同一地点SP的6张区域图像Pr，合成部34不使用“C”的区域图像Pr，而使用其余的5张区域图像Pr来导出包括同一地点SP的区域图像Pr内的各像素的NDVI的平均值。由此，形成除去了缺陷区域DR的同一地点SP的地点图像PI(参见图7)。关于其它的同一地点SP的区域图像Pr，也以同样的方式形成除去了缺陷区域DR的地点图像PI。由此，形成除去了缺陷区域DR的多张地点图像PIN(参见图7)。此外，“N”是分配给多张地点图像PI中的每一张地点图像的序列号，当多张地点图像PI的总数为K时，“N”为从1到K的整数。
此外，在本实施方式中，关于包括同一地点SP的6张区域图像Pr，在未检测出缺陷区域DR的情况下，合成部34使用全部6张区域图像Pr来导出包括同一地点SP的区域图像Pr内的各像素的NDVI的平均值。此外，当通过区域图像Pr的图像修正能够修正缺陷区域DR的NDVI时，也可以使用修正后的区域图像Pr。
接着，关于合成多张地点图像PI来形成合成图像CI的图像合成工序进行说明。合成部34基于除去了缺陷区域DR的多张地点图像PIN中的每一张地点图像中的纬度XN、经度YN、高度ZN以及方位θN，导出进行仿射变换的图像变换矩阵。多张地点图像PIN中的每一张地点图像具备形成地点图像PIN时使用的分别拍摄可见图像及近红外图像时的可见拍摄部20及近红外拍摄部21的纬度XN、经度YN、高度ZN以及方位θN。合成部34关于多张地点图像PIN中的每一张地点图像，对地点图像PIN的像素位置进行基于地点图像PIN所具备的纬度XN、经度YN、高度ZN以及方位θN的仿射变换。由此，将地点图像PI的像素位置转换为合成图像CI中的像素位置。
图7表示用于说明图像合成工序的图。图7的上部表示多张地点图像PIN，图7的下部表示合成图像CI的坐标系。仿射变换是如公知那样组合了线性变换和平行移动(并进)的变换，由式1表示(例如，“什么是仿射变换”，[online]，[2017年5月15日检索]，互联网(URL：http：//d.hatena.ne.jp/Zellij/2012523/p1))。
[式1]
Figure BDA0002390001400000101
式1中的右边的列向量(x，y)是如图7的上部所示那样在地点图像PI中的像素位置(在第N个地点图像PIN中，x＝xN，y＝yN)，列向量(x′，y′)表示如图7的下部所示那样在合成图像CI的坐标系中的像素位置。由式1的右边第1项中的1行1列、1行2列、2行1列及2行2列的各分量a、b、c、d构成的2行2列的矩阵表示旋转的变换矩阵R(θ)，式1的右边第2项的列向量(tx，ty)表示并进(平行移动)的变换矩阵。
旋转的变换矩阵R(θ)中的各分量a、b、c、d是根据方位测定部47的值θ，由式2给出的(在第N个地点图像PIN中，θ＝θN)。此外，当拍摄工序时的拍摄部2的实际高度与参考高度(设定高度H，参见图5)不同时，对旋转矩阵R(θ)乘以与拍摄工序时的实际高度相应的比例系数，以使拍摄工序时的拍摄部2的实际高度与参考高度相等。例如，分量a是对cosθ乘以比例系数所得到的值。
[式2]
Figure BDA0002390001400000111
而且，并进(平行移动)的变换矩阵中的各分量tx，ty是由式3及式4给出的。在式3及式4中，根据纬度X及经度Y，导出距离合成图像CI的坐标系中的原点(0，0)的距离d[m]和与水平方向(x轴)之间的角度φ[rad]，并将其转换为像素数。
[式3]
tx＝cos(θ)·d·k
[式4]
ty＝sin(θ)·d·k
式3及式4的系数k是用于将米转换为像素数的系数。例如，当第1图像传感器及第2图像传感器的像素数为480像素时，系数k＝24.85[m]/480[像素]≈0.052[m/像素]。另外，距离d[m]和角度φ[rad]的计算方法是公知的，由式5及式6给出(例如，“两个地点之间的距离和方位角”，[online]，[2017年5月22日搜索]，互联网(URL：http：//keisan.casio.jp/exec/system/1257670779))。
另外，式5及式6的X1及Y1分别是地点A的维度及经度，式5及式6的X2及Y2分别是地点B的维度及经度。式5的r是将地球看作球体时的赤道半径(＝6378.137km)。这里，地点A或地点B成为合成图像CI的坐标系中的原点(0，0)。
[式5]
d＝r×arccos[sin(Y1)sin(Y2)+cos(Y1)cos(Y2)cos(X2-X1)]
[式6]
φ＝90-arctan[sin(X2-X1)，cos(Y1)tan(Y2)-sin(Y1)cos(X2-X1)]
另外，式1的旋转矩阵和并进(平行移动)的变换矩阵可以组合成单个矩阵M(3行3列的矩阵)，并表现为式7。
[式7]
Figure BDA0002390001400000121
另外，在实际求解转换后的位置(x＇，y＇)中的像素的NDVI时，首先导出矩阵M的逆矩阵即M-1，并根据式8导出转换后的(x＇，y＇)的对应位置(x，y)。
[式8]
Figure BDA0002390001400000122
然后，将由根据式8得到的转换前的位置(x，y)中的像素的NDVI或存在于该位置附近的多个像素的NDVI进行插值(线性插值等)而得到的NDVI决定为转换后的位置(x＇，y＇)中的像素的NDVI。
通过以上的合成图像CI的形成工序，能够得到一块农田FD的整体图像。此外，关于其它农田FD，也能以同样的方法得到整体图像。
下面，关于显示工序进行说明，该显示工序是将NDVI(栽培信息)及植被率(栽培信息)是否在标准范围NR内这一情况按照农田FD(栽培区域)显示于显示部31中的工序。图8是表示显示工序的图。图9是表示显示工序结束时显示于显示部31中的数据显示画面DS的一例的图。显示工序包括：读入工序、近似曲线导出工序、标准范围决定工序、散布图形成工序及分布图形成工序。
在读入工序中，比较部38从存储部33读入多块农田FD(本实施方式中为#1至#12的农田FD)的与合成图像CI的所有像素对应的NDVI及植被率。此外，在#1至#12的农田FD中，栽培同一品种的作物PL(例如越米)，栽培方法相同。在近似曲线导出工序中，比较部38关于各农田FD分别导出NDVI及植被率的平均值。然后，关于多块农田FD，基于各农田FD的NDVI的平均值及植被率的平均值，使用例如最小二乘法，导出近似曲线AC(包括近似直线)。即，比较部38导出对2个参数(NDVI、植被率)之间的关系进行近似得到的近似曲线AC。此外，在本实施方式中，对2个参数(NDVI、植被率)之间的关系进行近似得到的近似曲线AC为近似直线。
在标准范围决定工序中，比较部38将距离近似曲线AC为规定的偏差量的范围决定为标准范围NR(图9中用虚线围成的区域)。偏差量为例如到近似曲线AC的距离。即，标准范围NR是基于NDVI(参数)与植被率(参数)的关联的范围。此外，根据参数的种类，有时候近似曲线AC由二次函数等表现，而不是由一次函数表现。该情况下，将该参数的平方值设为“参数”。
在散布图形成工序中，显示部31形成将NDVI及植被率作为坐标轴的散布图100。散布图100表现为分别将NDVI及植被率作为横轴及纵轴的二维直角坐标。此时，显示部31使用三角形符号(标记)来显示NDVI及植被率在标准范围NR内的#2、#4的农田FD，使用四边形符号(标记)来显示NDVI及植被率在标准范围NR内的#3、#10的农田FD，使用圆形符号(标记)来显示NDVI及植被率在标准范围NR内的#5、#6、#9的农田FD。即，显示部31分别使用三角形符号、四边形符号及圆形符号来显示在标准范围NR内NDVI及植被率较低的农田FD、中间的农田FD及较高的农田FD。由此，使用者能够容易地识别出标准范围NR内的农田FD中的作物PL的生长速度的不同。此外，在散布图100中，标准范围NR内的农田FD的NDVI及植被率由于肥料量等的增减而沿着近似曲线AC移动的可能性增加，在标准范围NR内的农田FD中存在异常部位(例如土壤流失、水闸故障等)的可能性降低。
此外，显示部31也可以使用相同的符号来显示标准范围NR内的所有农田FD。
另外，显示部31使用菱形符号(标记)来显示NDVI及植被率在标准范围NR外的#1、#7、#8的农田FD，使用星形符号(标记)来显示NDVI及植被率在标准范围NR外的#11、#12的农田FD，即，显示部31使用不同的标记来显示NDVI及植被率在标准范围NR内的农田FD和在标准范围NR外的农田FD。
在分布图形成工序中，显示部31基于存储在存储部33中的#1至#12的农田FD的合成图像CI(NDVI图像及植被率图像)，分别形成用NDVI及植被率表示的#1至#12的农田FD的分布图200、210(参见图9)。在分布图200中，NDVI按照等高线A1、A2、A3的顺序增高，在分布图210中，植被率按照等高线B1、B2、B3的顺序增高。此外，分布图200、210是使用仿射变换等而形成的。散布图100及分布图200、210的数据被存储在存储部33中。
另外，在分布图200、210中，显示部31在NDVI及植被率在标准范围NR外的农田FD上显示出标记。在本实施方式中，与散布图100相同地，在分布图200、210的#1、#7、#8的农田FD上显示出菱形符号，在分布图200、210的#11、#12的农田FD上显示出星形符号。
通过散布图100及分布图200、210，使用者能够容易地识别出#1、#7、#8、#11、#12的农田FD的NDVI及植被率脱离了标准范围NR。即，在#1、#7、#8、#11、#12的农田FD中，作物的生长状态脱离了#1至#12的农场FD中预测的作物PL的生长状态，使用者能够容易地识别出农田FD的情况不良(农田FD中存在异常部位等)。而且，使用者能够关于#1、#7、#8、#11、#12的农田FD而采取对策。作为对策，例如为变更肥料的施用时期、确认农田FD的土壤、维护对农田FD供给水的用水路径、水闸等。
另外，关于标准范围NR外的农田FD，显示部31使用不同的标记来显示图9中比近似曲线AC靠上侧的#1、#7、#8的农田FD和比近似曲线AC靠下侧的#11、#12的农田FD。由此，使用者能够容易地识别出针对#1、#7、#8的农田FD应采取的对策和针对#11、#12的农田FD应采取的对策是不同的。
具体地，在#11、#12的农田FD中，相对于NDVI的高度而言，植被率较低，使用者能够预测例如由于秧苗移植后的气温低下等而生根不良，从而能够采取如下对策：在比标准范围NR内的农田FD晚的时期施用与标准范围NR内的农田FD的肥料量(标准量)等量的肥料。另一方面，在#1、#7、#8的农田FD中，相对于植被率的高度而言，NDVI较低，使用者能够预测例如茎数多但叶子的叶绿素浓度较低，从而能够采取如下对策：在比标准范围NR内的农田FD早的时期施用与标准范围NR内的农田FD的肥料量(标准量)等量的肥料。此外，“肥料量”表示每1米2的肥料量。
另外，在本实施方式中，散布图100及分布图200、210同时一览显示于显示部31中。由此，使用者能够容易地掌握各农田FD的情况以及存在异常部位的农田FD的位置。
另外，在本实施方式中，作为参数使用的是NDVI及植被率，但也可以构成为：一个参数由NDVI或植被率的生长指数构成，而另一个参数由月或年等时间构成。
另外，在本实施方式中，散布图100是由二维直角坐标来表现的，但代替于此，也可以由使用了农田FD单位、农家单位、地域单位的NDVI等生长指数的平均值的一维坐标来表现。
另外，也可以由远红外摄像机等来构成拍摄部2，并拍摄农田FD的热像。热像的温度值(生长指数、参数)越高，表示作物PL的叶子的蒸腾作用越大，热像的温度值与作物PL的疾病、根的张力情况(养分的吸收率)之间的正相关关系成立。
另外，也可以使用三维测量仪(例如扫描型激光测距器)，并将作物PL的生长高度(高度信息)作为生长指数、参数，该三维测量仪使用了LIDAR(Laser Imaging Detectionand Ranging、激光成像检测和测距)技术。
根据本实施方式，具备：拍摄部2(栽培信息输出部)及生长指数导出部37(栽培信息输出部)，其按照栽培作物PL的多块农田FD(栽培区域)来输出与作物PL相关的NDVI(栽培信息、参数)及植被率(栽培信息、参数)；比较部38，其针对每块农田FD来比较标准范围NR与NDVI及植被率，该标准范围NR是基于NDVI与植被率的关联的范围；以及显示部31，其基于比较部38的比较结果并按照农田FD来显示NDVI及植被率是否在标准范围NR内。由此，使用者能够容易地识别出NDVI及植被率脱离了标准范围NR的农田FD。因此，使用者能够容易地判断出各农田FD的情况合适与否，并能够对情况不良(存在异常部位等)的农田FD采取对策。其结果为，能够提高作物栽培支持装置1的使用性。
此外，在本实施方式中，显示部31是按照农田FD来进行显示的，但也可以按照农家、地域来进行显示。
另外，栽培信息输出部具有：第1图像传感器及第2图像传感器(光学传感器)，其用于检测由农田FD反射的太阳光中所含的规定波长的光；以及生长指数导出部37，其基于第1图像传感器及第2图像传感器的检测结果来导出表示农田FD内的作物PL的生长状态的NDVI(生长指数)及植被率(生长指数)，与作物相关的栽培信息由NDVI及植被率构成。由此，通过使用生长指数，使用者能够更准确地把握农田FD的情况。
另外，显示部31形成将NDVI(参数)及植被率(参数)作为坐标轴的散布图100。显示部31使用不同的标记来显示NDVI及植被率在标准范围NR内的农田FD和在标准范围NR外的农田FD。由此，使用者能够更容易地识别出情况不良的农田FD。
此外，显示部31也可以使用不同颜色的标记来显示NDVI及植被率在标准范围NR内的农田FD和在标准范围NR外的农田FD。例如，使用黑色标记来显示标准范围NR内的农田FD，使用红色标记来显示标准范围NR外的农田FD。
另外，显示部31形成多块农田FD的分布图200、210。显示部31在NDVI及植被率在标准范围NR外的农田FD上显示出标记。由此，使用者能够容易地掌握情况不良的农田FD的位置。此外，使用者能够预测情况不良的农田FD的异常部位等是否是由该农田FD的位置引起的。
另外，比较部38导出对NDVI(参数)与植被率(参数)之间的关系进行近似得到的近似曲线AC，将距离近似曲线AC为规定的偏差量的范围设为标准范围NR。由此，能够容易地决定标准范围NR。
另外，NDVI(参数)及植被率(参数)由与作物PL相关的栽培信息构成。由此，能够决定基于与作物PL相关的参数之间的关联的标准范围NR，使用者能够更准确地判断农田FD的情况合适与否。
此外，也可以构成为：一个参数由栽培信息构成，而另一个参数由年或月等时间构成。由此，使用者能够按照时间序列更准确地判断农田FD的情况合适与否。
另外，具备：可见拍摄部20(拍摄部)及近红外拍摄部21(拍摄部)，其在栽培作物PL的农田FD(栽培区域)的上空移动来拍摄农田FD；位置检测部48，其对可见拍摄部20及近红外拍摄部21的位置进行检测；以及合成部34，其基于由可见拍摄部20及近红外拍摄部21拍摄的多张拍摄图像FI形成农田FD的同一地点SP的地点图像PI，并且合成多张地点图像PI。另外，设置有缺陷检测部36，其对拍摄图像FI上的存在缺陷的缺陷区域DR进行检测，合成部34除去由缺陷检测部36检测到的缺陷区域DR来形成地点图像PI。
由此，形成除去了缺陷区域DR的地点图像PI，并合成多张地点图像PI。因此，能够提供农田FD整体的合成图像的质量提高且对判断作物PL的生长状态有用的图像。
另外，缺陷检测部36对将一张拍摄图像FI内划分出的多个区域的NDVI(特性值)进行相对比较来检测缺陷区域DR。由此，缺陷检测部36能够容易地检测出缺陷区域DR。
此外，缺陷检测部36也可以对多张拍摄图像FI的针对同一地点SP的多个区域的NDVI(特性值)进行相对比较来检测缺陷区域DR。该情况下，缺陷检测部36也能容易地检测出缺陷区域DR。
另外，缺陷检测部36也可以对将一张拍摄图像FI内划分出的多个区域的特性值和规定的阈值进行比较来检测缺陷区域DR。该情况下，缺陷检测部36也能容易地检测出缺陷区域DR。
另外，缺陷检测部36也可以将各拍摄图像FI的周边部Ph判定为缺陷区域DR。由此，能够容易地防止由拍摄图像FI的周边部Ph的NDVI比中心部CP的NDVI低的浓淡处理误差导致的合成图像CI的质量低下。
另外，也可以构成为：具有拍摄可见图像的可见拍摄部20和拍摄近红外图像的近红外拍摄部21，缺陷检测部36将可见图像的像素与近红外图像的像素的差异量比规定量大的区域判定为缺陷区域DR。由此，能够容易地防止由可见拍摄部20和近红外拍摄部21的视差所引起的可见像素与近红外像素的差异导致的误差而引起合成图像CI的质量低下。
另外，控制部39基于可见拍摄部20及近红外拍摄部21的位置、视角及像素数来导出地点图像PI的位置。由此，能够容易地导出地点图像PI的位置。
此外，也可以构成为：信息终端3连接至因特网等规定的网络，而网络上设置有用于存储拍摄图像FI、地点图像PI及合成图像CI的存储部。由此，能够减小存储部33的容量。
<第2实施方式>
接着，说明本发明的第2实施方式。图10是表示第2实施方式的作物栽培支持装置1的显示工序的图。图11是表示第2实施方式的显示部31的数据显示画图DS的一例的图。为了便于说明，对于与图1至图9中所示的第1实施方式相同的部分赋予相同的符号。在本实施方式中，显示于显示部31中的散布图100的坐标轴与第1实施方式不同。另外，在第1实施方式中，显示部31中显示了分布图200、210两者，但在本实施方式中，其中仅显示了分布图200。其它部分与第1实施方式相同。
本实施方式的显示工序包括：栽培信息输入工序、近似曲线读出工序、标准范围决定工序、散布图形成工序及分布图形成工序。在栽培信息输入工序中，经由操作部32输入#1至#12的农田FD的产量差(栽培信息、参数)及施肥量差(栽培信息、参数)。即，操作部32接收产量差及施肥量差的输入操作并进行输出。由此，栽培信息输出部具有操作部32。产量差表示被比较的最近2年间的作物PL的产量之差(单位：kg/农田)，施肥量差表示被比较的最近2年间的施肥量(施用的肥料的量)之差(单位：kg/m2)。
在本实施方式中，产量差与施肥量差之间的相关关系是公知的，对产量差与施肥量差之间的关系进行近似得到的近似曲线AC被预先存储在存储部33中。在近似曲线读出工序中，比较部38从存储部33中读出对产量差与施肥量差之间的关系进行近似得到的近似曲线AC。在标准范围决定工序中，与第1实施方式相同地，比较部38将距离该近似曲线AC为规定的偏差量的范围决定为标准范围NR。
在散布图形成工序中，显示部31形成将产量差及施肥量差作为坐标轴的散布图100。散布图100表现为分别将产量差及施肥量差作为横轴及纵轴的二维直角坐标。此时，显示部31使用白色圆形符号(标记)来显示产量差及施肥量差在标准范围NR内的#2至#6、#9、#10的农田FD。另外，显示部31使用黑色圆形符号(标记)来显示在标准范围NR外的#1、#7、#8、#11、#12的农田FD。即，显示部31使用不同的标记来显示产量差及施肥量在标准范围NR内的农田FD和在标准范围NR外的农田FD。
在分布图形成工序中，显示部31生成现状的分布图200。然后，与第1实施方式相同地，显示部31在NDVI在标准范围NR外的1、#7、#8、#11、#12的农田FD上显示出黑色圆形符号。
根据本实施方式，能够得到与第1实施方式相同的效果。另外，栽培信息输出部具有接收产量差(栽培信息)及施肥量差(栽培信息)的输入操作并进行输出的操作部32。由此，使用者能够输入所希望的栽培信息，且显示部31能够按照农田FD对栽培信息是否在标准范围NR内进行显示。
另外，对产量差(参数)与施肥量差(参数)之间的关系进行近似得到的近似曲线AC被预先存储在存储部33中，比较部38将距离近似曲线AC为规定的偏差量的范围设为标准范围NR。由此，能够利用多种参数的公知的相关关系从而省去第1实施方式的近似曲线导出工序。
此外，在第2实施方式中，显示部31也可以显示分布图200、210两者，也可以显示分布图210来代替分布图200。
另外，在第1实施方式及第2实施方式中，显示部31对散布图100、分布图200同时进行一览显示，但也可以仅显示散布图100或者仅显示分布图200。若显示部31对散布图100和分布图200同时进行一览显示，由于使用者能够容易地掌握农田FD的情况及存在异常部位的农田FD的位置，因此更加适合。
<其它>
以上说明的各实施方式的作物栽培支持装置也可以表现为如下方式。
即，以上说明的作物栽培支持装置具备：栽培信息输出部，其按照栽培作物的多个栽培区域来输出与作物相关的规定的栽培信息；比较部，其针对每个所述栽培区域对规定的标准范围与所述栽培信息进行比较，该规定的标准范围是基于包括所述栽培信息的多个参数之间的关联的范围；以及显示部，其基于所述比较部的比较结果按照所述栽培区域对所述栽培信息是否在所述标准范围内进行显示。
在上述结构的作物栽培支持装置中，优选地，所述栽培信息输出部具有：光学传感器，其检测由所述栽培区域反射的太阳光中所含的规定波长的光；以及生长指数导出部，其基于所述光学传感器的检测结果来导出表示所述栽培区域内的作物的生长状态的生长指数，所述栽培信息由所述生长指数构成。
在上述结构的作物栽培支持装置中，优选地，所述栽培信息输出部具有操作部，其接收所述栽培信息的输入操作并进行输出。
在上述结构的作物栽培支持装置中，优选地，所述显示部形成将多个所述参数作为坐标轴的散布图，并以不同的标记来显示所述栽培信息在所述标准范围内的所述栽培区域和在所述标准范围外的所述栽培区域。
在上述结构的作物栽培支持装置中，优选地，所述显示部形成多个所述栽培区域的分布图，并在所述栽培信息在所述标准范围外的所述栽培区域上显示出规定的标记。
在上述结构的作物栽培支持装置中，优选地，所述比较部导出对多个所述参数之间的关系进行近似得到的近似曲线，并将距离所述近似曲线为规定的偏差量的范围设为所述标准范围。
在上述结构的作物栽培支持装置中，优选地，预先存储对多个所述参数之间的关系进行近似得到的近似曲线，所述比较部将距离所述近似曲线为规定的偏差量的范围设为所述标准范围。
在上述结构的作物栽培支持装置中，优选地，多个所述参数分别由所述栽培信息构成。
在上述结构的作物栽培支持装置中，优选地，一个所述参数由所述栽培信息构成，另一个所述参数由时间构成。
以上，关于本发明的实施方式进行了说明，但本发明的范围并不局限于此，在不脱离发明的主旨的范围内可加入各种变更来实施。
工业上的可利用性
本发明能够用于支持作物的栽培的作物栽培支持装置中。

Claims (9)

1.一种作物栽培支持装置，其具备：
栽培信息输出部，其按照栽培作物的多个栽培区域来输出与作物相关的规定的栽培信息；
比较部，其针对每个所述栽培区域对规定的标准范围与所述栽培信息进行比较，该规定的标准范围是基于包括所述栽培信息的多个参数之间的关联的范围；以及
显示部，其基于所述比较部的比较结果按照所述栽培区域对所述栽培信息是否在所述标准范围内进行显示。
2.根据权利要求1所述的作物栽培支持装置，其中，
所述栽培信息输出部具有：光学传感器，其检测由所述栽培区域反射的太阳光中所含的规定波长的光；以及生长指数导出部，其基于所述光学传感器的检测结果来导出表示所述栽培区域内的作物的生长状态的生长指数，所述栽培信息由所述生长指数构成。
3.根据权利要求1或2所述的作物栽培支持装置，其中，
所述栽培信息输出部具有操作部，其接收所述栽培信息的输入操作并进行输出。
4.根据权利要求1至3中任一项所述的作物栽培支持装置，其中，
所述显示部形成将多个所述参数作为坐标轴的散布图，并且所述栽培信息以不同的标记来显示在所述标准范围内的所述栽培区域和在所述标准范围外的所述栽培区域。
5.根据权利要求1至4中任一项所述的作物栽培支持装置，其中，
所述显示部形成多个所述栽培区域的分布图，并在所述栽培信息在所述标准范围外的所述栽培区域上显示出规定的标记。
6.根据权利要求1至5中任一项所述的作物栽培支持装置，其中，
所述比较部导出对多个所述参数之间的关系进行近似得到的近似曲线，并将距离所述近似曲线为规定的偏差量的范围设为所述标准范围。
7.根据权利要求1至5中任一项所述的作物栽培支持装置，其中，
预先存储对多个所述参数之间的关系进行近似得到的近似曲线，所述比较部将距离所述近似曲线为规定的偏差量的范围设为所述标准范围。
8.根据权利要求1至7中任一项所述的作物栽培支持装置，其中，
多个所述参数分别由所述栽培信息构成。
9.根据权利要求1至7中任一项所述的作物栽培支持装置，其中，
一个所述参数由所述栽培信息构成，另一个所述参数由时间构成。
CN201880054787.6A 2017-09-01 2018-07-19 作物栽培支持装置 Pending CN111095339A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017168585 2017-09-01
JP2017-168585 2017-09-01
PCT/JP2018/027072 WO2019044244A1 (ja) 2017-09-01 2018-07-19 作物栽培支援装置

Publications (1)

Publication Number Publication Date
CN111095339A true CN111095339A (zh) 2020-05-01

Family

ID=65526303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880054787.6A Pending CN111095339A (zh) 2017-09-01 2018-07-19 作物栽培支持装置

Country Status (3)

Country Link
JP (1) JP6996560B2 (zh)
CN (1) CN111095339A (zh)
WO (1) WO2019044244A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112987779A (zh) * 2021-02-03 2021-06-18 湖南祥柏生态环保科技有限公司 基于环形作业的种植区

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7215984B2 (ja) * 2019-10-07 2023-01-31 Ckd株式会社 混成栽培システム
JP7330867B2 (ja) * 2019-11-19 2023-08-22 キヤノン株式会社 撮像装置、情報処理装置、情報処理システム、データの生成方法、およびプログラム
JP7321928B2 (ja) * 2019-12-27 2023-08-07 株式会社クボタ 農業支援システム
JP7439905B2 (ja) 2020-03-27 2024-02-28 日本電気株式会社 植生観測装置、植生観測システム、植生観測方法及び植生観測プログラム
CN114636417B (zh) * 2022-05-23 2022-09-02 珠海翔翼航空技术有限公司 基于图像识别的飞行器迫降路径规划方法、系统和设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971199A (zh) * 2014-04-08 2014-08-06 武汉禾讯农业信息科技有限公司 一种大范围农作物长势的遥感评级方法
US20160063420A1 (en) * 2014-08-29 2016-03-03 Ricoh Company, Ltd. Farmland management system and farmland management method
US20160223506A1 (en) * 2015-01-30 2016-08-04 AgriSight, Inc. System and method for crop health monitoring
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
CN106780091A (zh) * 2016-12-30 2017-05-31 黑龙江禾禾遥感科技有限公司 基于植被指数时空间统计特征的农业灾害信息遥感提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4873545B2 (ja) * 2006-05-16 2012-02-08 株式会社日立ソリューションズ 圃場管理支援方法及びシステム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971199A (zh) * 2014-04-08 2014-08-06 武汉禾讯农业信息科技有限公司 一种大范围农作物长势的遥感评级方法
US20160063420A1 (en) * 2014-08-29 2016-03-03 Ricoh Company, Ltd. Farmland management system and farmland management method
US20160223506A1 (en) * 2015-01-30 2016-08-04 AgriSight, Inc. System and method for crop health monitoring
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
CN106780091A (zh) * 2016-12-30 2017-05-31 黑龙江禾禾遥感科技有限公司 基于植被指数时空间统计特征的农业灾害信息遥感提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
米兆荣等: "NDVI和EVI在高寒草地牧草鲜质量估算和植被动态监测中的比较", 《草业科学》, vol. 27, no. 06, 30 June 2010 (2010-06-30), pages 2 - 4 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112987779A (zh) * 2021-02-03 2021-06-18 湖南祥柏生态环保科技有限公司 基于环形作业的种植区

Also Published As

Publication number Publication date
JPWO2019044244A1 (ja) 2020-08-13
WO2019044244A1 (ja) 2019-03-07
JP6996560B2 (ja) 2022-01-17

Similar Documents

Publication Publication Date Title
CN111095339A (zh) 作物栽培支持装置
Houborg et al. A cubesat enabled spatio-temporal enhancement method (cestem) utilizing planet, landsat and modis data
Guo et al. Crop 3D—a LiDAR based platform for 3D high-throughput crop phenotyping
Benincasa et al. Reliability of NDVI derived by high resolution satellite and UAV compared to in-field methods for the evaluation of early crop N status and grain yield in wheat
Kalisperakis et al. Leaf area index estimation in vineyards from UAV hyperspectral data, 2D image mosaics and 3D canopy surface models
Stanton et al. Unmanned aircraft system-derived crop height and normalized difference vegetation index metrics for sorghum yield and aphid stress assessment
Turner et al. Development of an Unmanned Aerial Vehicle (UAV) for hyper resolution vineyard mapping based on visible, multispectral, and thermal imagery
Feng et al. Cotton yield estimation from UAV-based plant height
Huang et al. Multispectral imaging systems for airborne remote sensing to support agricultural production management
EP3467702A1 (en) Method and system for performing data analysis for plant phenotyping
US10585210B2 (en) Apparatus for radiometric correction and orthorectification of aerial imagery
de Oca et al. The AgriQ: A low-cost unmanned aerial system for precision agriculture
Yang et al. Yield estimation from hyperspectral imagery using spectral angle mapper (SAM)
CN111432628B (zh) 施肥设计方法及施肥设计装置
JP7069609B2 (ja) 作物栽培支援装置
Ahamed et al. Tower remote-sensing system for monitoring energy crops; image acquisition and geometric corrections
Kavvadias et al. Precision Agriculture-Comparison and Evaluation of Innovative Very High Resolution (UAV) and LandSat Data.
WO2015193822A1 (en) Method and device for measuring vegetation cover on farmland
Pauly Applying conventional vegetation vigor indices to UAS-derived orthomosaics: issues and considerations
Khose et al. UAV-based multispectral image analytics for generating crop coefficient maps for rice
Mancini et al. A multi/hyper-spectral imaging system for land use/land cover using unmanned aerial systems
Yang et al. Evaluating high-resolution QuickBird satellite imagery for estimating cotton yield
Pauly Towards calibrated vegetation indices from UAS-derived orthomosaics
JP7318768B2 (ja) 作物栽培支援装置
Yusof et al. Land clearing, preparation and drone monitoring using Red-Green-Blue (RGB) and thermal imagery for Smart Durian Orchard Management project

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