CN111867372A - 用于杂草控制的设备 - Google Patents
用于杂草控制的设备 Download PDFInfo
- Publication number
- CN111867372A CN111867372A CN201980022281.1A CN201980022281A CN111867372A CN 111867372 A CN111867372 A CN 111867372A CN 201980022281 A CN201980022281 A CN 201980022281A CN 111867372 A CN111867372 A CN 111867372A
- Authority
- CN
- China
- Prior art keywords
- sensor
- ground
- weed control
- electrode
- location
- 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
Links
- 241000196324 Embryophyta Species 0.000 title claims abstract description 286
- 238000012545 processing Methods 0.000 claims abstract description 49
- 230000003213 activating effect Effects 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims description 30
- 230000004913 activation Effects 0.000 claims description 22
- 239000002689 soil Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000003780 insertion Methods 0.000 claims description 9
- 230000037431 insertion Effects 0.000 claims description 9
- 230000005674 electromagnetic induction Effects 0.000 claims description 7
- 238000002310 reflectometry Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 4
- 239000000523 sample Substances 0.000 description 18
- 238000010191 image analysis Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 239000004927 clay Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000004009 herbicide Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 241000282346 Meles meles Species 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 241000009328 Perro Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000002363 herbicidal effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003415 peat Substances 0.000 description 1
- 230000002786 root growth Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000009333 weeding Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M21/00—Apparatus for the destruction of unwanted vegetation, e.g. weeds
- A01M21/04—Apparatus for destruction by steam, chemicals, burning, or electricity
- A01M21/046—Apparatus for destruction by steam, chemicals, burning, or electricity by electricity
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B39/00—Other machines specially adapted for working soil on which crops are growing
- A01B39/12—Other machines specially adapted for working soil on which crops are growing for special purposes, e.g. for special culture
- A01B39/18—Other machines specially adapted for working soil on which crops are growing for special purposes, e.g. for special culture for weeding
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B39/00—Other machines specially adapted for working soil on which crops are growing
- A01B39/28—Other machines specially adapted for working soil on which crops are growing with special additional arrangements
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
- E01H11/00—Control of undesirable vegetation on roads or similar surfaces or permanent ways of railways, e.g. devices for scorching weeds or for applying herbicides; Applying liquids, e.g. water, weed-killer bitumen, to permanent ways
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2639—Energy management, use maximum of cheap power, keep peak load low
-
- 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
- G06T2207/20081—Training; Learning
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Environmental Sciences (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Pest Control & Pesticides (AREA)
- Insects & Arthropods (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Soil Sciences (AREA)
- Mechanical Engineering (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Automation & Control Theory (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Biomedical Technology (AREA)
- Structural Engineering (AREA)
- Molecular Biology (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
Abstract
本发明涉及一种用于杂草控制的设备。其被描述为向处理单元提供(210)环境的至少一个传感器数据。处理单元分析(220)所述至少一个传感器数据中的至少一些以针对环境的多个位置中的每一个确定至少一个地面性质。处理单元针对所述多个位置中的每一个确定(230)用于激活至少一个基于电极的杂草控制单元的功率设定。确定用于激活基于电极的杂草控制单元的功率设定包括利用与该位置相关联的至少一个地面性质。输出单元输出(240)可用于激活所述至少一个基于电极的杂草控制单元的信息。
Description
技术领域
本发明涉及用于杂草控制的设备、用于杂草控制的系统、用于杂草控制的方法,以及计算机程序元件和计算机可读介质。
背景技术
本发明的总体背景是杂草控制。某些工业区域和铁路轨道周围的区域需要对植被进行控制。对于铁路而言,从火车上的人(诸如,驾驶员)的角度看,这种控制改善了可见度,并且从在轨道上工作的人的角度看,这种控制也改善了可见度。这种控制会导致安全得到改善。此外,植被会破坏或损坏轨道和相关联的信号线和通信线。于是要求对植被的控制来缓解这种情况。植被控制也被称为杂草控制,能够是非常费时且耗费资源的,尤其是如果手工地实施的话。杂草喷雾器火车带有容纳在火车上的化学品罐中的除草剂,除草剂能够被喷洒到轨道和周围区域上以控制植被。然而,这种杂草控制会是昂贵的,并且普通大众越来越希望看到对环境影响的减小。
发明内容
具有改善的用于杂草控制的设备将是有利的。
本发明的目的通过独立权利要求的主题来解决,其中,进一步的实施例并入从属权利要求中。应注意的是,本发明的以下描述的方面和示例也适用于用于杂草控制的设备、用于杂草控制的系统、用于杂草控制的方法,以及适用于计算机程序元件和计算机可读介质。
根据第一方面,提供了一种用于杂草控制的设备,其包括:
输入单元;
处理单元;以及
输出单元。
输入单元被构造成向处理单元提供环境的至少一个传感器数据。处理单元被构造成分析所述至少一个传感器数据中的至少一些以针对环境的多个位置中的每一个确定至少一个地面性质。处理单元被构造成针对所述多个位置中的每一个确定用于激活至少一个基于电极的杂草控制单元的功率设定。用于激活基于电极的杂草控制单元的功率设定的确定包括利用与该位置相关联的所述至少一个地面性质。输出单元被构造成输出可用于激活所述至少一个基于电极的杂草控制单元的信息。
换言之,已获取了环境的传感器数据。存在许多个基于电极的杂草控制单元,它们能够各自通过使用两个电极在电极之间施加电压,以便电流经由地面和该地点处的任何局部植被从一个电极流到另一电极。这样做时,能够控制或杀死杂草。然而,取决于环境中的不同位置处的地面性质,诸如地面是潮湿的、或干燥的、或压实的、或疏松的、或石质的、或有空隙的、或具有相当大的植被根系含量、或者具有能够具有不同导电性质的不同土壤类型,能够要求基于电极的杂草控制单元的构型是不同的,以便以最佳方式操作。因此,在一些情况下,地面能够比在其他情况下导电性更强,诸如相比于干燥当潮湿时,或者取决于土壤的类型并且即使存在能够提供传导路径的特定植物根系也是如此。因此,需要改变电极之间的电压和/或待施加通过地面的电流,以便在该地点处提供最佳的杂草控制。类似地,如果地面是疏松的或有空隙,则所需的最佳构型与当地面是压实的时所需的最佳构型不同。此外,即使地面是干燥的,不同的土壤类型(诸如相较于粘土类型的土壤的多泥炭的土壤)也需要用于基于电极的杂草控制单元的不同的最佳构型设定。而且,地面是否具有相当多的植被根系物质(尤其是长的直根)能够又改变电流流过地面的方式,且需要相应地改变最佳构型设定。因此,获取环境的传感器数据,从而使得能够确定地面性质,由此使得电极杂草控制单元能够被正确地构造以便以最佳方式操作。
以这种方式,能够最佳地控制存在于不同位置处的杂草,因为基于电极的杂草控制单元以最佳方式操作,该最佳方式考虑到了具体位置处的地面性质。
在示例中,至少一个传感器数据包括至少一个图像。处理单元被构造成分析所述至少一个图像以确定所述多个位置中的至少一个激活位置以便激活所述至少一个基于电极的杂草控制单元。
换言之,已获取了环境的一个或多个图像。存在一个基于电极的杂草控制单元或许多个基于电极的杂草控制单元,其能够激活以在从对那个或那些图像的图像分析所确定的一个或多个位置处在高电位下使电流通过地面,并且其中电极杂草控制技术被最佳地构造以便在该位置处激活。以这种方式,能够杀死或控制杂草。
以这种方式,能够在图像分析的基础上在区域中控制环境中的杂草,从而使得能够仅在需要之处才应用(激活)高电压电极,并且其中对于每个应用区域,提供了基于电极的杂草控制单元的最佳构型。例如,在环境的区域(诸如,混凝土区域、柏油碎石区域)中、在具有金属和/或木质铁路轨枕的位置处、在金属铁路轨道的位置处,能够确定不应激活电极,因为杂草不能或通常不在这些区域中生长。以这种方式,使用了更少的功率并且减少了环境影响。而且,能够确定环境的区域,诸如存在能够被成像和识别的敏感装备的区域以及将不激活电极以便不损坏这种装备的区域。而且,如果例如确定动物将处于高电压除草装置的路径中,则图像处理能够识别该动物(诸如,獾、兔、狗、猫)且电极不激活,并且激活系统甚至被抬升到动物上方,以便不杀死或伤害动物。
而且,除了确定不应在何处激活电极之外或与确定不应在何处激活电极不同,能够在图像分析的基础上确定应在何处激活电极,诸如确定杂草的一个或多个位置和在该位置处激活的电极。而且,这使得电极能够仅在需要之处才被激活,并且成本、时间和环境影响方面的优势增加。
因此,设备能够基于地面性质来确定如何针对不同位置来构造电极,且然后电极能够被起动以激活,但是仅在图像数据的图像处理的基础上在特定位置处被激活。
在示例中,分析所述至少一个图像以确定所述至少一个激活位置包括确定植被的至少一个位置。
换言之,能够使用图像处理以便在所获取的影像中确定植被的区域,从中能够做出在该位置处激活基于电极的杂草控制单元的决定。以这种方式,电极仅能够在植被的区域处和植被周围区域处被激活。因此,通过有针对性地将电力施加通过植物和地面且因此通过植物的根系以便控制和杀死杂草,能够控制区域中的杂草,但是该施加仅在存在植被处进行,然而,激活处于针对在该激活位置处的地面条件被优化的水平下。
在示例中,针对激活位置确定用于激活所述至少一个基于电极的杂草控制单元的功率设定包括利用植被的确定的至少一个位置。
换言之,用于基于电极的杂草控制单元的功率设定能够考虑地面条件,诸如土壤类型、电导率等,并且此外,能够进一步调整该功率设定以考虑经由图像处理分析检测到的植被。因此,设备能够实际上确定考虑地面类型的基线功率设定,并且起动基于电极的杂草控制单元以在例如特定的电压和电流下操作,但是该单元不被激活直到检测到植被。但是,当检测到植被时,然后能够对电压和/或功率设定做出轻微调整以考虑植被(诸如,植被的大小或密度),且然后能够更快地激活该单元,因为调整不必太大。然后,基于电极的杂草控制单元以考虑到在特定位置处的地面性质相对于存在于该特定位置处的植被而言最佳的构型操作。因此,用以杀死粘土中的特定大小的杂草丛的功率设定与杀死沙质土壤中的相同大小的杂草丛所需的功率设定能够是不同的,并且如果在相邻位置中(对于粘土或沙质条件中的任一者)找到更小的杂草丛,则能够再次地且适当地对功率设定做出调整,该调整与针对更大的杂草丛所做的调整能够是不同的。
在示例中,分析所述至少一个图像以确定所述至少激活位置包括确定至少一种杂草类型。
在示例中,针对激活位置确定用于激活所述至少一个基于电极的杂草控制单元的功率设定包括利用确定的至少一种杂草类型。
换言之,能够选择用于基于电极的杂草控制单元的适当功率设定以考虑待控制的一种或多种杂草类型以及发现该具体杂草类型之处的地面条件。
换言之,能够使用图像处理以确定杂草的类型及其位置,并且其中传感器数据被用于确定提供第一水平的功率设定的地面性质,并且其中确定的特定杂草然后增强该第一水平的功率设定以提供第二功率设定,其考虑在该位置处的土壤/地面条件,对于在该特定位置处杀死该特定杂草而言是最佳的。该位置能够是影像内的位置。该位置能够是实际地理位置。该位置能够在影像内并且能够涉及所述至少一个基于电极的杂草控制单元的地点。
在示例中,分析所述至少一个图像包括利用机器学习算法。
在示例中,所述至少一个地面性质包括以下各项中的一项或多项:地面湿气的量度;地面质地的量度;地面电导率的量度;地面温度的量度;地面硬度的量度;植物根系出现的量度;地面类型的量度;盐度的量度。
在示例中,所述至少一个传感器数据由至少一个传感器获取,并且其中,输入单元被构造成当获取至少一个传感器数据时向处理单元提供与至少一个传感器相关联的至少一个位置。
该位置能够是地理位置(相对于地面上的精确位置),或者能够是地面上的涉及基于电极的杂草控制单元的一个或多个地点的位置。换言之,能够利用绝对地理位置或地面上的无需以绝对化方式已知但涉及基于电极的杂草控制单元的位置的位置。因此,通过将图像与获取该图像的位置相关联,能够将电力准确地施加到该位置。
在示例中,所述至少一个传感器包括以下各项中的一项或多项:摄像机;地面湿气传感器;地面质地传感器;电导率传感器;土壤插入传感器;电磁感应传感器;温度传感器;地面硬度传感器;根系出现传感器;地面类型传感器;盐度传感器;至少一个反射率(reflectance)传感器,其被构造成在可见光、红外光、近红外光、中红外光、远红外光中的一者或多者中操作。
根据第二方面,提供一种用于杂草控制的系统,其包括:
- 至少一个传感器;
- 根据第一方面的用于杂草控制的设备;以及
- 至少一个基于电极的杂草控制单元。
所述至少一个传感器被构造成获取环境的至少一个传感器数据。所述至少基于电极的杂草控制单元安装在运载工具上。设备被构造成激活所述至少一个基于电极的杂草控制单元。
以这种方式,运载工具能够在环境周围移动并在已调整功率设定从而考虑到不同位置处的地面条件的位置处使用一个或多个基于电极的杂草控制单元在该环境内控制杂草。以这种方式,能够通过一个平台来获取传感器数据,例如,在环境上方飞行的一架或多架无人机(drone)。该信息被发送到能够在办公室中的设备。设备针对在环境内的不同位置处确定电极的构型。能够在特征图(map)和/或杂草控制图中提供该信息,该特征图和/或杂草控制图被提供给在该环境周围移动的运载工具,并且在环境的特定部分处以正确的功率设定激活电极。替代地,对于获取数据、处理数据并在运载工具上具有电极系统的一个运载工具,能够发生这种情况,并且运载工具在考虑本地地面条件和性质的环境周围行进时确定最佳功率设定。
在示例中,设备安装在运载工具上;并且其中,所述至少一个传感器安装在运载工具上。
以这种方式,系统能够通过以下步骤实时或准实时地操作:获取影像、分析该影像以确定何种功率设定用在何处,以及然后在所需的特定位置处激活适当的基于电极的杂草控制单元。
在示例中,所述至少一个传感器包括以下各项中的一项或多项:摄像机;地面湿气传感器;地面质地传感器;地面电导率传感器;电磁感应传感器;地面温度传感器;土壤插入传感器;地面硬度传感器;根系出现传感器;地面类型传感器;盐度传感器;反射率传感器。
根据第三方面,提供一种用于杂草控制的方法,其包括:
a)向处理单元提供环境的至少一个传感器数据;
b)由处理单元分析所述至少一个传感器数据中的至少一些以针对环境的多个位置中的每一个确定至少一个地面性质;
d)由处理单元针对所述多个位置中的每一个确定用于激活至少一个基于电极的杂草控制单元的功率设定,其中,确定用于激活基于电极的杂草控制单元的功率设定包括利用与该位置相关联的至少一个地面性质;以及
e)由输出单元输出可用于激活所述至少一个基于电极的杂草控制单元的输出信息。
根据另一个方面,提供一种用于控制根据第一方面的设备和/或根据第二方面的系统的计算机程序元件,当由处理器执行时,该计算机程序元件被构造成实施第三方面的方法。
有利地,由上述方面中的任一者提供的益处等同地适用于所有其他方面,且反之亦然。
参考下文中描述的实施例,以上方面和示例将变得显而易见并得到阐明。
附图说明
下文中将参考以下附图描述示例性实施例:
图1示出用于杂草控制的设备的示例的示意性设置;
图2示出用于杂草控制的系统的示例的示意性设置;
图3示出用于杂草控制的方法;
图4示出用于杂草控制的系统的示例的示意性设置;
图5示出用于杂草控制的系统的示例的示意性设置;
图6示出用于杂草控制的系统的一部分的示例的示意性设置;
图7示出图6中所示的用于杂草控制的系统的部分的一段的更多细节的示意性设置;
图8示出了铁路轨道和周围区域的示意性表示。
具体实施方式
图1示出了用于杂草控制的设备10的示例。设备10包括输入单元20、处理单元30和输出单元40。输入单元20被构造成向处理单元30提供环境的至少一个传感器数据。处理单元30被构造成分析至少一个传感器数据中的至少一些以针对环境的多个位置中的每一个确定至少一个地面性质。处理单元30还被构造成针对所述多个位置中的每一个确定用于激活至少一个基于电极的杂草控制单元的功率设定。确定用于激活基于电极的杂草控制单元的功率设定包括利用与该位置相关联的至少一个地面性质。输出单元30被构造成输出可用于激活至少一个基于电极的杂草控制单元的信息。
在示例中,设备是实时操作的,其中传感器数据被获取并立即处理,并且一个或多于一个基于电极的杂草控制单元被构造和激活。
在示例中,设备是准实时操作的,其中获取环境的传感器数据并且该传感器数据被立即处理以确定基于电极的杂草控制单元的正确构型。该信息之后能够由在环境内行进的一个或多个适当的系统使用,并且在该环境的特定部分处激活基于电极的杂草控制单元。因此,例如,装备有一个或多个传感器的第一运载工具(诸如,小汽车、火车、货车或无人驾驶飞行器(UAV)或无人机)能够在环境内行进并获取传感器数据。该传感器数据能够被立即处理以确定环境周围的地面性质,从中能够针对环境中的不同位置确定电极杂草控制单元的构型。之后,装备有一个或多个基于电极的杂草控制单元的运载工具能够在环境内行进并在环境的不同特定区域处激活电极,其中电极杂草控制单元针对不同位置被适当地构造。
在示例中,设备以离线模式操作。因此,先前已获取的传感器数据之后被提供给设备。设备然后确定在环境中的不同位置处基于电极的杂草控制单元的构型应如何。然后,该信息之后被一个或多个运载工具使用,所述运载工具然后在区域内行进并激活它们的为环境的特定部分适当地构造的电极杂草控制单元。
在示例中,输出单元输出信号,该信号可直接用于激活至少一个基于电极的杂草控制单元。
根据示例,所述至少一个传感器数据包括至少一个图像。处理单元被构造成分析至少一个图像以确定多个位置中的至少一个激活位置以便激活至少一个基于电极的杂草控制单元。
根据示例,分析至少一个图像以确定至少一个激活位置包括确定植被的至少一个位置。
根据示例,针对激活位置确定用于激活至少一个基于电极的杂草控制单元的功率设定包括利用确定的植被的至少一个位置。
根据示例,分析至少一个图像以确定至少激活位置包括确定至少一种杂草类型。
根据示例,针对激活位置确定用于激活至少一个基于电极的杂草控制单元的功率设定包括利用确定的至少一种杂草类型。
根据示例,分析至少一个图像包括利用机器学习算法。
在示例中,机器学习算法包括决策树算法。
在示例中,机器学习算法包括人工神经网络。
在示例中,已在多个图像的基础上教导了机械学习算法。在示例中,已在包含至少一种杂草类型的影像的多个图像的基础上教导了机器学习算法。在示例中,已在包含多个杂草的影像的多个图像的基础上教导机器学习算法。
根据示例,所述至少一个地面性质包括以下各项中的一项或多项:地面湿气的量度;地面质地的量度;地面电导率的量度;地面温度的量度;地面硬度的量度;植物根系出现的量度;地面类型的量度;盐度的量度。
根据示例,所述至少一个传感器数据由至少一个传感器获取。输入单元被构造成当获取所述至少一个传感器数据时向处理单元提供与所述至少一个传感器相关联的至少一个位置。
在示例中,该位置是绝对地理位置。
在示例中,该位置是参考基于电极的杂草控制单元的一个或多个地点确定的位置。换言之,能够确定图像与地面上的特定位置相关联,而不知晓其精确的地理地点,但是通过知晓在获取图像的时刻基于电极的杂草控制单元相对于该位置的地点,然后能够通过将适当的基于电极的杂草控制单元移动到该位置(例如,通过移动基于电极的杂草控制单元附接于其的运载工具),在之后的时刻在该位置处施加所需的功率。因此,例如,一个或多个传感器能够安装在运载工具(诸如,火车)上、在安装用于控制杂草的电极的地点前方。知晓这些安装地点之间的距离以及火车的速度使得能够在一位置处获取传感器数据,且然后取决于火车的速度在之后的适当时间,能够在获取传感器数据之处的同一位置处激活电极。
在示例中,使用GPS单元来确定在获取特定传感器数据时所述至少一个传感器的位置,和/或在确定上述位置时使用GPS单元。
在示例中,单独使用惯性导航单元,或者与GPS单元结合使用惯性导航单元,以在获取特定数据时确定所述至少一个传感器的位置。因此,例如,包括例如一个或多个激光陀螺仪的惯性导航单元在已知位置处被校准或调零,并且当其与所述至少一个传感器一起移动时,能够确定在x、y和z坐标中远离该已知位置的运动,从中能够确定当获取传感器数据时所述至少一个传感器的位置。
在示例中,单独使用所获取影像的图像处理,或者与GPS单元结合、或与GPS单元和惯性导航单元结合使用所获取影像的图像处理,以确定当获取特定数据时所述至少一个传感器的位置。因此,能够单独地使用视觉标记,或者与GPS导出的信息结合使用视觉标记。
根据示例,所述至少一个传感器包括以下各项中的一项或多项:摄像机;地面湿气传感器;地面质地传感器;电导率传感器;土壤插入传感器;电磁感应传感器;温度传感器;地面硬度传感器;根系出现传感器;地面类型传感器;盐度传感器;至少一个反射率传感器,其被构造成在可见光、红外光、近红外光、中红外光、远红外光中的一者或多者中操作。
图2示出了用于杂草控制的系统100的示例。系统包括至少一个传感器110、如关于上文参考图1描述的一个示例或示例的组合所描述的用于杂草控制的设备10。系统100还包括至少一个基于电极的杂草控制单元120。所述至少一个传感器110被构造成获取环境的至少一个传感器数据。所述至少基于电极的杂草控制单元120安装在运载工具130上。设备10被构造成激活至少一个基于电极的杂草控制单元120。
根据示例,设备安装在运载工具上,并且所述至少一个传感器安装在运载工具上。
在示例中,运载工具是火车。
在示例中,运载工具是货车或卡车或乌尼莫克(Unimog)。
在示例中,输入单元被构造成当获取所述至少一个传感器数据时向处理单元提供与所述至少一个传感器相关联的至少一个位置。在示例中,位置是绝对地理位置。
根据示例,所述至少一个传感器包括以下各项中的一项或多项:摄像机;地面湿气传感器;地面质地传感器;地面电导率传感器;电磁感应传感器;地面温度传感器;土壤插入传感器;地面硬度传感器;根系出现传感器;地面类型传感器;盐度传感器;反射率传感器。
在示例中,湿气传感器包括频域反射计或时域传输或时域反射计—以这种方式,能够将一个或多个探头插入地面,并且能够根据信号频率或传播信号(signature)的速度确定地面的体积元的介电常数,能够据此确定湿气含量。
在示例中,湿气传感器包括地面电阻传感器,该地面电阻传感器确定插入地面的两个电极或探头之间的电阻,据此除了地面电阻和电导率本身之外,还能够确定湿气含量。
在示例中,根据将一个或多个探头插入地面中所需的力来确定地面质地和硬度。
在示例中,使用插入地面中的温度探头来测量地面温度。
在示例中,根系出现传感器包括获取图像的摄像机,对图像的分析能够被用于确定存在的杂草的类型及其地面密度,据此能够确定预期的根系的出现和地面中的根系的类型。
此外,能够分析来自地面的反射率信号(其能够用光谱法询问)以提供关于地面性质的信息。
以这种方式,一个或多个传感器或探头能够被推入地面中,或者以其他方式在该地点处获取数据,并且确定地面性质。这能够实时发生,其中传感器或探头安装在运载工具上、在基于电极的杂草控制单元前面,并且被连续地推入地面中、拉出、且然后当运载工具向前移动时被推入地面的下一部段中,和/或获取图像或反射率传感器数据。然后,确定地面性质,并且能够正确地构造基于电极的杂草控制单元,使得如果需要在任何地点处将它们激活,它们已经被正确起动从而以最佳方式来被激活。
图3以其基本步骤示出用于杂草控制的方法200。方法200包括:
在提供步骤210(也被称为步骤a))中,向处理单元提供环境的至少一个传感器数据;
在分析步骤220(也被称为步骤b))中,由处理单元分析所述至少一个传感器数据中的至少一些以针对环境的多个位置中的每一个确定至少一个地面性质;
在确定步骤230(也被称为步骤d))中,由处理单元针对所述多个位置中的每一个确定用于激活至少一个基于电极的杂草控制单元的功率设定,其中,确定用于激活基于电极的杂草控制单元的功率设定包括利用与该位置相关联的至少一个地面性质;以及
在输出步骤240(也被称为步骤e))中,由输出单元输出可用于激活所述至少一个基于电极的杂草控制单元的输出信息。
在示例中,所述至少一个传感器数据包括至少一个图像,并且其中,该方法包括步骤c):由处理单元分析250所述至少一个图像以确定所述多个位置中的至少一个激活位置以便激活所述至少一个基于电极的杂草控制单元。
在示例中,步骤c)包括确定植被的至少一个位置。
在示例中,步骤d)包括利用确定的植被的至少一个位置。
在示例中,步骤c)包括确定杂草的至少一个类型。
在示例中,步骤d)包括利用确定的杂草的至少一个类型。
在示例中,步骤c)包括利用机器学习算法。
在示例中,所述至少一个地面性质包括以下各项中的一项或多项:地面湿气的量度;地面质地的量度;地面电导率的量度;地面温度的量度;地面硬度的量度;植物根系出现的量度;地面类型的量度;盐度的量度。
在示例中,所述至少一个传感器数据由至少一个传感器获取,并且其中,输入单元被构造成当获取所述至少一个传感器数据时向处理单元提供与所述至少一个传感器相关联的至少一个位置。
在示例中,所述至少一个传感器包括以下各项中的一项或多项:摄像机;地面湿气传感器;地面质地传感器;电导率传感器;土壤插入传感器;电磁感应传感器;温度传感器;地面硬度传感器;根系出现传感器;地面类型传感器;盐度传感器;至少一个反射率传感器,其被构造成在可见光、红外光、近红外光、中红外光、远红外光中的一者或多者中操作。
现在结合图4-8更详细地描述用于杂草控制的设备、系统和方法,它们涉及在铁路轨道的环境中的杂草控制,并且其中呈许多个基于电极的杂草控制单元的形式的植被控制技术(也被称为杂草控制技术)安装在火车的一个或多个部分上。
图4示出了用于杂草控制的系统100的示例。在系统内,若干无人机具有呈摄像机的形式的传感器110。这些无人机沿着铁路轨道飞行。摄像机获取铁路轨道的环境的影像,并且其中该影像是轨道之间的地面以及在轨道两边的地面。被成像的环境是需要对杂草进行控制的环境。无需存在若干个无人机,并且具有一个摄像机110的一个无人机就能够获取必需的影像。实际上,影像能够例如已被由访问铁路轨道环境的人员手持、由飞机、卫星或由已沿着铁路轨道行驶的火车持有的一个或多个摄像机110获取。由摄像机110获取的影像处于使得能够将植被识别为植被的分辨率,并且确实能够处于使得能够将一种杂草类型与另一种杂草类型区别开的分辨率。所获取的影像能够是彩色影像,但无需是彩色影像。由无人机获取的影像被传输到设备10。该影像能够在其一被摄像机110获取时就被传输到设备10,或者能够在比其被获取的时间更晚的时间被传输,例如当无人机着陆时。无人机能够具有全球定位系统(GPS),并且这使得能够确定所获取的影像的位置。例如,当影像被获取时摄像机110的取向和无人机的地点能够被用于确定图像在地平面处的地理覆盖区(footprint)。无人机还能够具有惯性导航系统,例如基于激光陀螺仪。除了被用于确定无人机的取向及因此摄像机的取向从而促进确定何时在地面上获取影像之外,惯性导航系统还能够在没有GPS系统的情况下单独起作用,以通过确定远离一个或许多个已知位置的移动来确定无人机的地点。
继续参考图4,在图片的右侧处示出的运载工具沿着铁路轨道行进。该运载工具具有一个或许多个传感器110。这些传感器被用于确定在沿着铁路轨道的不同位置处的地面性质。随着运载工具前进,呈探头的形式的许多个传感器110被推入地面中、抽出、且然后在运载工具已略微向前移动时在下一个位置处被推回地面中。同时,呈辐射反射率监测器的形式的传感器110确定地面的反射率。当探头被推入地面中时,测量将它们推入地面中一定距离所需的力—替代地,能够施加恒定的力并且测量迫使探头进入地面中的距离。以这种方式,能够确定在不同位置处地面的硬度。测量两个探头之间的地面的电导率,并且这些探头中的至少一者具有温度计以测量地面温度,且这些探头中的至少一者具有盐度探头以测量地面盐度。使用两个探头的时域传输技术被用于确定在一位置处地面的介电常数,据此能够推断出地面中的湿气含量。然而,能够使用频域反射计或时域传输或时域反射计中的任一者—其中一个或多个探头被插入地面中,并且根据信号频率或传播信号的速度能够确定地面的体积元的介电常数,据此能够确定湿气含量。如上文讨论的,从如由呈由无人机承载的摄像机的形式的传感器110获取的图像数据,能够识别杂草并确定预期的根系生长;例如,某些根系能够帮助电传输通过地面,并且当构造基于电极的杂草控制单元以便激活时能够考虑到这种地面性质。还获取了使用被推入地面中的传感器110的地面感应探测以及使用从地面获取反射率数据的传感器110的光谱反射率数据,并且所有这种数据构成了在该探测位置处的地面性质。然后,这些地面性质意味着基于电极的杂草控制单元需要就电压和/或电流方面进行调整,以便以最佳方式操作。离线测试被用于确定用于该地面性质参数空间的最佳设定,并且实际上形成设定的查找表。在每个位置处,基于电极的杂草控制技术单元能够然后适当地被构造成考虑到在那些位置处的地面条件,如从基于传感器的数据获取所确定的。然而,如果在那些位置处没有杂草,或者通过图像分析已确定存在如果单元被激活则将被损坏的敏感性装备,则不激活单元。然而,分析由无人机获取的影像以确定杂草的位置以及在不同位置处的杂草的特性(identities),且然后在那些位置处激活电极杂草控制单元。如所讨论的那样,在该位置处,基于电极的杂草控制单元的操作特性针对在该位置处的地面条件被优化。然而,当存在杂草时,构型可能需要从该基于地面的最佳态略微改变以考虑到杂草的特定类型和例如杂草丛的大小。因此,与杂草的存在有关的信息不仅被用于在该位置处激活基于电极的杂草控制单元,而且被用于进一步优化操作特性以考虑在该位置处的杂草以及考虑在该位置处的地面条件。
进一步详细地,设备10的输入单元20将所获取的影像传递给处理单元30。图像分析软件在处理器30上操作。图像分析软件能够使用特征提取,诸如边缘检测,以及物体检测分析,物体检测分析例如能够识别结构(诸如,铁路轨道、枕木、树、平交道口、车站站台)。因此,在物体的已知位置(诸如,在环境内的建筑物的位置)的基础上,以及在已知结构信息(诸如,枕木之间的距离和铁路轨道之间的距离)的基础上,处理单元能够拼补所获取的影像以实际上形成环境的合成表示,其能够实际上被叠加在环境的地理图上。因此,能够确定每个图像的地理位置,并且无需存在与所获取的影像相关联的基于相关联的GPS和/或惯性导航的信息。然而,如果存在可用的GPS和/或惯性导航信息,则不需要这种图像分析,其中这种图像分析仅能够在影像的基础上将特定图像放置在特定地理位置处。尽管如此,如果基于GPS和/或惯性导航的信息可用,则这种图像分析能够被用于增加(augment)与图像相关联的地理位置。因此,例如,如果在基于GPS和/或惯性导航的信息的基础上所获取的图像的中心被认为位于距一段铁路的特定铁路枕木的侧边缘22 cm且距该枕木的端部67 cm,同时根据实际获取的影像,通过使用上文描述的图像分析,图像的中心被确定为位于距枕木的边缘25 cm且距枕木的端部64 cm,则基于GPS/惯性导航的所导出的位置能够根据需要通过将该位置沿一个方向移位3 cm并沿另一个方向移位3 cm来被增加。
处理器30运行另一图像处理软件。该软件分析图像以确定图像内的将发现植被的区域。能够基于所获取的图像内的特征的形状来检测植被,其中例如边界检测软件被用于描划物体的外周界和在物体本身的外周界内的特征的外周界。植被影像的数据库能够被用于帮助确定影像中的特征是否与植被有关,例如使用经训练的机器学习算法,诸如人工神经网络或决策树分析。摄像机能够获取多光谱影像,并且其中影像具有与图像内的颜色相关的信息,并且这能够被单独使用,或者与特征检测结合使用以确定图像中何处将发现植被。如上文所讨论的,因为能够确定图像的地理位置,所以根据图像在地面上的大小的知识,图像中将发现植被的一个或多个位置然后能够被映射到该植被在地面上的确切地点。
处理器30然后运行另一图像处理软件,该图像处理软件能够是在特征提取的基础上(如果使用特征提取的话)确定植被位置的图像处理的一部分。该软件包括机器学习分析器。获取特定杂草的图像,其中使用也与杂草的大小有关的信息。与世界上的将发现这种杂草的地理位置有关的信息以及与一年中将发现这种杂草的时间有关的信息(包括何时开花等)能够用影像标记。杂草的名称也能够由杂草的影像标记。然后,在该地面实况所获取影像上训练机器学习分析器,该机器学习分析器能够基于人工神经网络或决策树分析器。以这种方式,当植被的新图像被呈现给分析器时(其中这种图像能够具有标记于其的相关联的时间戳(诸如,一年中的时间)和地理位置(诸如,德国或南非),分析器通过在新图像中发现的杂草的影像与不同杂草(该分析器就所述不同杂草被训练)的影像的比较来确定在图像中的杂草的特定类型,其中杂草的大小、以及它们在何地以及何时生长也能够被考虑到。因此,能够确定该杂草类型在环境内的地面上的特定位置以及其大小。
处理器30能够访问包含不同杂草类型、以及在控制该杂草类型中将使用的基于电极的杂草控制技术的最佳模式的数据库,该数据库由经验确定的数据汇编而成。该数据库能够是与考虑基于电极的杂草控制单元的构型随地面性质而变的数据库相同的数据库,并且提供与不同地面类型中的不同杂草有关的信息的并置,例如电压和/或电流以及实际上施加的持续时间能够变化以考虑不同位置处的不同杂草。
因此,获取传感器数据,其使得基于电极的杂草控制技术能够被最佳地激活以考虑地面条件和在那些位置处的杂草。
继续参考图4,在获取了所有传感器数据(据此能够做出应在何处激活基于电极的杂草控制单元以控制杂草以及它们的特定构型应如何的决定)后,之后,杂草控制火车130沿着铁路轨道前进。杂草控制火车具有无盖货运车皮(truck),该无盖货运车皮包含许多个基于电极的杂草控制单元,其带有相关联的电源。杂草控制火车具有处理器(未示出),该处理器使用上文所讨论的关于应在何处以及以何方式激活基于电极的杂草控制单元的信息。杂草控制火车还具有用以确定其地理位置的器件,其能够基于GPS、惯性导航、图像分析中的一者或多者以便定位杂草控制火车的地点和基于电极的杂草控制技术的单元的特定位置。这意味着当杂草控制火车通过环境时,基于电极的杂草控制技术的不同单元能够在杂草的特定位置处被激活,其中在杂草的位置处被激活的杂草控制技术的特定模式已被确定为对于该任务而言是最佳的。
图5示出用于杂草控制的系统100的另一个示例。图5的用于杂草控制的系统与图4中所示的用于杂草控制的系统类似。然而,在图5中,杂草控制火车130具有呈摄像机、地面插入探头和地面反射率传感器的形式的传感器110,如上文关于图4所讨论的那样。图5的杂草控制火车130还具有如先前讨论的设备10。在杂草控制火车130上的摄像机110现在获取先前由无人机获取的影像,并且探头110获取用于确定地面性质的传感器数据,如上文关于图4所讨论的那样。在杂草控制火车130上的设备的处理器30处理所获取的影像以确定杂草的位置和类型,并且地面性质被确定以据此构造基于电极的杂草控制单元以便激活,其中进一步调整特定激活设定以考虑到在特定位置处的杂草且仅在存在杂草处才激活单元。于是,不要求确定杂草的确切的地理位置以及特定地面性质的确切位置。而是,在传感器110本身(摄像机、地面插入探头和反射率传感器)之间以及在传感器和装纳在火车130的无盖货运车皮中的基于电极的杂草控制单元120之间的相对间距的基础上,杂草能够被定位并连同在该位置处的地面性质一起被识别,并且基于电极的杂草控制单元能够被最佳地构造以在该位置处操作。然后,由于传感器110和单元120之间的距离是已知的,因此根据杂草控制火车的向前运动的知识(其速度),单元120能够被激活、最佳地构造,其中杂草根据将单元120移动到特定位置(杂草已被识别为位于该处)所花费的时间被定位。以这种方式,杂草控制火车不需要具有GPS和/或惯性导航系统或基于图像的绝对地理位置确定器件。而是,为了考虑确定杂草的类型和其在图像内的确切位置以及其在地面上的确切位置-在火车坐标系内-所需要的处理、以及确定地面性质所花费的时间和构造基于电极的杂草控制单元所花费的时间(产生总的处理和构造时间),传感器110必须与杂草控制技术120间隔一定距离,该距离至少等于处理时间乘以在杂草控制期间杂草控制火车的最大速度。因此,例如,如果对于以25 m/s行进的火车而言总的处理和构造时间花费0.2 s、0.4 s或0.8 s,则参考图5,对于该火车速度,传感器110必须在基于电极的杂草控制技术单元120前方间隔5 m、10m或20 m。火车速度的减小使得能够减小间距。另外,获取影像的摄像机110能够具有非常短的曝光时间,以便使在曝光时间期间由于火车的移动而引起的图像模糊(smear)最小化。这能够通过各种手段完成,包括例如结合滤镜使用经由例如激光或LED的具有短曝光时间或短脉冲照明的摄像机。然而,设备能够使用GPS系统和/或惯性导航系统和/或图像分析以确定杂草的确切的地理位置。这意味着能够保存已控制了何种杂草以及如何构造基于电极的杂草控制单元的记录,能够确定和保存那些杂草位于何处,以及保存在那些位置处地面性质如何。而且,通过生成杂草的确切的地理位置,基于电极的杂草控制单元120能够具有相关联的位置确定手段,诸如能够被用于提供单元120的确切地点的GPS系统和/或惯性导航系统和/或基于图像的系统。因此,火车的前车厢能够具有传感器110,所述传感器110具有诸如GPS的相关联的位置确定器件,并且从其获得的数据能够被用于确定位置和在确切的已知位置处的杂草的类型以及在那些位置处的地面性质,根据这些单元120能够被最佳地构造以便在那些位置处激活。然后,火车的最后一节无盖货运车皮能够具有装纳在它们内的基于电极的杂草控制单元。这些在后的无盖货运车皮能够通过承载负荷的无盖货运车皮与前车厢间隔数十米(如果不是数百米)。随着火车上坡和下坡,前车厢到后车厢的绝对间隔于是能够变化,但是因为带有杂草控制单元的无盖货运车皮和传感器一样知晓它们的确切位置,因此当单元向前移动到已确定驻留有杂草连同确定在该位置处的地面性质的地点时,基于电极的杂草控制单元能够在那些确切位置处以最佳构型激活以控制那些杂草。如图6中所示,基于电极的杂草控制单元在火车下方横向地延伸并延伸到火车旁边,以便控制火车轨道之间以及轨道旁边和斜坡(bank)上(如果必要)的杂草。
图6示出如图4-5中所示的杂草控制火车130的无盖货运车皮的后视图,其具有许多个基于高电压电极的杂草控制技术单元120。图6示出了火车的该无盖货运车皮的后视图,并且其中该视图是沿着铁路轨道的视图。每个基于电极的单元在一电压和电流设定下在已确定存在杂草的地方激活,该电压和电流设定考虑到了局部地面性质以及特定杂草和该杂草的大小。如上文讨论的,能够针对不同杂草执行简单的实验,以确定为了杀死不同杂草类型所需的不同的电压和功率水平以及施加的持续时间,从而使得能够构建数据库,从所示数据库中能够选择高电压技术的操作模式。而且,能够执行简单的实验以确定随不同地面性质而变的对于单元而言最佳设定如何,这再次使得数据库能够由设定构建。然后,单元能够被设定在适合于地面条件的水平下,并且使该设定被调整以考虑到各位置处的杂草。
继续图6,杂草控制技术的许多个单独的电极对在火车下方横向地延伸并延伸到火车两侧,并且这些在图7中更详细地示出。每个电极对形成单独的基于电极的杂草控制单元。电极也能够沿向前方向延伸。当这些电极对中的一对从已被识别为应由该基于高电压的杂草控制来控制的杂草的杂草上经过时,处理器30在需要由该高电压和功率控制的杂草的特定位置处激活特定的一对或多对电极。在图6中,存在这种杂草的两个特定位置,一个是将在轨道之间发现的、还延伸到轨道的右手侧的大丛,一个将在轨道的左边发现的小丛,且因此一个电极对已在左手侧处被激活,并且在火车下方且延伸到右手侧的许多个电极对被激活。
图7示出基于高电压的杂草控制技术的更多细节。提供多对电极以形成各个基于电极的杂草控制单元,它们在被激活时引起电流经由杂草和包括杂草的根系的地面从一个电极流到另一个电极。所示的一个子单元能够具有一个电极对或实际上具有许多个电极对以便提供更大的分辨率和这种基于高电压的杂草控制的应用的更小的空间范围。高电压能够以DC模式被应用一段时间或者以AC模式被应用一段时间。
图8示出铁路环境的表示,其示出了铁路轨道和轨道旁边的地面。存在具有不同地面性质的三个不同轨道区域,这些轨道区域被示为由点划线划分的A、B和C。区域A是壤质土壤类型,并且区域B也是壤质类型的土壤,但比区域A更湿,同时区域C更具沙质性,具有大量石子。如果将用于区域A的基于电极的电压和功率设定视为基线,则因为区域B中的地面导电性更强(由于水的存在),因此在区域B中用于基于电极的杂草控制单元的电压和功率设定能够低于基线。然而,对于沙质且石质的区域C,电流不能像对于致密地面结构一样有效地流过地面,且因而,用于基于电极的杂草控制单元的电压和功率设定需要大于基线。
继续图8,示出了许多杂草。第一杂草类型“W1”在区域A、B和C中以小丛存在。第二杂草类型“W2”仅存在于区域B中。对于第一杂草类型“W1”,由于地面性质不同,用于基于电极的杂草控制单元的设定在每个区域(A、B和C)中均不同,并且优化的设定分别被示为120a、120c和120d。在第二区域B中,存在两种杂草类型“W1”和“W2”。然而,地面性质相同,从而导致确定电压/功率的第一程度或水平,然后对其进行调整以考虑被控制的特定杂草。因此,在区域B中,用优化的电压和功率设定120c控制杂草W1,同时用优化的电压和功率设定120b控制杂草W2。如先前讨论的,对于在相同地面性质的地面中的相同杂草类型,呈优化形式的电压和功率设定能够不同以考虑草丛的大小,并且其中用更高水平的电压/功率控制更大的草丛。然而,出于表示的简单性的目的,这并未在图8中示出。
已参考铁路讨论了以上详述的示例,然而,杂草控制火车、卡车或货车或乌尼莫克能够具有安装在其上/内的基于电极的杂草控制单元,所述基于电极的杂草控制单元能够使用传感器来确定地面性质和杂草的类型,以便控制如上文讨论的那些特定杂草类型。
用以实现分析以确定杂草类型的图像处理
现在描述如何处理图像并将该图像确定为适合于图像处理以便能够确定杂草的类型的特定示例:
1. 捕获杂草的数字图像,特别是彩色图像。
2. 在边界轮廓内,将数字图像内具有限定颜色和纹理的区域画出轮廓。通常,人们可预期来自一株杂草植物的一个轮廓化区域。然而,也可存在来自不同的潜在地不相连的叶子、来自两株杂草植物等的多于一个轮廓化区域。-这种检测或确定过程检测数字图像的绿色区域的边界。在该过程期间,可构建至少一个轮廓化区域-例如一片或多片叶子以及一株或多株杂草植物-所述轮廓化区域包括与边界轮廓内的杂草有关的像素。然而,也可能有可能的是,数字图像已捕获了多于一片叶子和/或一根茎。因此,可确定多于一个轮廓化区域。
3. 确定边界轮廓是否覆盖足够大的区域,并且确定边界轮廓内的图像数据的清晰度(例如,聚焦度)。这首先确保了将存在充足的图像数据,能够根据该图像数据就杂草的类型做出决定,且其次确定将满足数字图像的最小品质以便能够确定杂草类型。
4. 如果3)中的两个标准均得到满足,则如上文描述的,数字图像(且特定地在边界轮廓内的数字图像)被发送到处理单元以便通过人工神经网络进行图像分析,从而确定杂草的类型。
在另一个示例性实施例中,提供一种计算机程序或计算机程序元件,其特征在于被构造成在适当的系统上执行根据前述实施例中的一者的方法的方法步骤。
因此,计算机程序元件可被存储在计算机单元上,计算机单元也可能是实施例的一部分。该计算单元可被构造成执行或引发执行上文描述的方法的步骤。此外,它可被构造成操作上文描述的设备和/或系统的部件。计算单元能够被构造成自动操作和/或执行使用者的命令。计算机程序可被载入数据处理器的工作存储器中。因此,数据处理器可被装备成实施根据前述实施例中的一者的方法。
本发明的该示例性实施例覆盖了从一开始就使用本发明的计算机程序和借助于更新将现有程序变成使用本发明的程序的计算机程序两者。
更进一步地,计算机程序元件可能能够提供所有必要的步骤以满足如上文描述的方法的示例性实施例的过程。
根据本发明的另一示例性实施例,呈现了计算机可读介质,诸如CD-ROM、USB棒等,其中,计算机可读介质具有存储在其上的计算机程序元件,该计算机程序元件由前面部分描述。
计算机程序可存储和/或分布在合适的介质上,诸如与其他硬件一起或作为其他硬件的一部分供应的固态介质或光学存储介质,但是也可以以其他形式分布,诸如经由因特网或者其它有线或无线电信系统。
然而,计算机程序也可通过网络(如万维网)来呈现,并且能够从这样的网络被下载到数据处理器的工作存储器中。根据本发明的另一示例性实施例,提供用于使计算机程序元件可用于下载的介质,该计算机程序元件布置成执行根据本发明的先前描述的实施例中的一者的方法。
必须注意到的是,本发明的实施例参考不同的主题描述。具体地,一些实施例参考方法类型权利要求描述,而其他实施例参考装置类型权利要求描述。然而,本领域技术人员将从前文以及以下描述中料到,除非另有其它告知,否则除了属于一种类型的主题的特征的任何组合之外,与不同主题有关的特征之间的任何组合也被认为随本申请公开。然而,所有特征均能够被组合,从而提供比这些特征的简单相加更多的协同效果。
虽然已在附图和前面描述中详细图示和描述了本发明,但是这种图示和描述将被认为是说明性的或示例性的且不是限制性的。本发明不限于所公开的实施例。本领域技术人员在实践要求保护的发明时能够根据对附图、公开内容和从属权利要求的学习理解并实现所公开的实施例的其他变型。
在权利要求中,词语“包括”不排除其他的元件或步骤,且不定冠词“一(a)”或“一个(an)”不排除多个。单个处理器或其他单元可满足在权利要求中记载的若干物件的功能。在互不相同的从属权利要求中记载某些措施的纯粹的事实不指示不能有利地使用这些措施的组合。权利要求中的任何参考标记均不应被解释为限制范围。
Claims (15)
1.一种用于杂草控制的设备(10),其包括:
输入单元(20);
处理单元(30);以及
输出单元(40);
其中,所述输入单元被构造成向所述处理单元提供环境的至少一个传感器数据;
其中,所述处理单元被构造成分析所述至少一个传感器数据中的至少一些以针对所述环境的多个位置中的每一个确定至少一个地面性质;
其中,所述处理单元被构造成针对所述多个位置中的每一个确定用于激活至少一个基于电极的杂草控制单元的功率设定,其中,确定用于激活所述基于电极的杂草控制单元的功率设定包括利用与该位置相关联的所述至少一个地面性质;以及
其中,所述输出单元被构造成输出可用于激活所述至少一个基于电极的杂草控制单元的信息。
2.根据权利要求1所述的设备,其中,所述至少一个传感器数据包括至少一个图像,并且其中,所述处理单元被构造成分析所述至少一个图像以确定所述多个位置中的至少一个激活位置以便激活所述至少一个基于电极的杂草控制单元。
3.根据权利要求2所述的设备,其中,分析所述至少一个图像以确定所述至少一个激活位置包括确定植被的至少一个位置。
4.根据权利要求3所述的设备,其中,针对所述激活位置确定用于激活所述至少一个基于电极的杂草控制单元的功率设定包括利用确定的所述植被的至少一个位置。
5.根据权利要求2至4中任一项所述的设备,其中,分析所述至少一个图像以确定所述至少激活位置包括确定至少一个杂草类型。
6.根据权利要求5所述的设备,其中,针对所述激活位置确定用于激活所述至少一个基于电极的杂草控制单元的功率设定包括利用确定的所述至少一个杂草类型。
7.根据权利要求2至6中任一项所述的设备,其中,分析所述至少一个图像包括利用机器学习算法。
8.根据权利要求1至7中任一项所述的设备,其中,所述至少一个地面性质包括以下各项中的一项或多项:地面湿气的量度;地面质地的量度;地面电导率的量度;地面温度的量度;地面硬度的量度;植物根系出现的量度;地面类型的量度;盐度的量度。
9.根据权利要求1至8中任一项所述的设备,其中,所述至少一个传感器数据由至少一个传感器获取,并且其中,所述输入单元被构造成当获取所述至少一个传感器数据时向所述处理单元提供与所述至少一个传感器相关联的至少一个位置。
10.根据权利要求9所述的设备,其中,所述至少一个传感器包括以下各项中的一项或多项:摄像机;地面湿气传感器;地面质地传感器;电导率传感器;土壤插入传感器;电磁感应传感器;温度传感器;地面硬度传感器;根系出现传感器;地面类型传感器;盐度传感器;至少一个反射率传感器,其被构造成在可见光、红外光、近红外光、中红外光、远红外光中的一者或多者中操作。
11.一种用于杂草控制的系统(100),其包括:
至少一个传感器(110);
根据权利要求1至10中任一项所述的用于杂草控制的设备(10);以及
至少一个基于电极的杂草控制单元(120);
其中,所述至少一个传感器被构造成获取环境的至少一个传感器数据;
其中,所述至少基于电极的杂草控制单元安装在运载工具(130)上;并且
其中,所述设备被构造成激活所述至少一个基于电极的杂草控制单元。
12.根据权利要求11所述的系统,其中,所述设备安装在所述运载工具上;并且其中,所述至少一个传感器安装在所述运载工具上。
13.根据权利要求11至12中任一项所述的系统,其中,所述至少一个传感器包括以下各项中的一项或多项:摄像机;地面湿气传感器;地面质地传感器;地面电导率传感器;电磁感应传感器;地面温度传感器;土壤插入传感器;地面硬度传感器;根系出现传感器;地面类型传感器;盐度传感器;反射率传感器。
14.一种用于杂草控制的方法(200),其包括:
a)向处理单元提供(210)环境的至少一个传感器数据;
b)由所述处理单元分析(220)所述至少一个传感器数据中的至少一些以针对所述环境的多个位置中的每一个确定至少一个地面性质;
d)由所述处理单元针对所述多个位置中的每一个确定(230)用于激活至少一个基于电极的杂草控制单元的功率设定,其中,确定用于激活所述基于电极的杂草控制单元的功率设定包括利用与该位置相关联的至少一个地面性质;以及
e)由输出单元输出(240)可用于激活所述至少一个基于电极的杂草控制单元的输出信息。
15.一种计算机程序元件,其用于控制根据权利要求1至10中任一项所述的设备和/或根据权利要求11至14中任一项所述的系统,所述计算机程序元件在由处理器执行时被构造成实施根据权利要求14所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18164138.2 | 2018-03-27 | ||
EP18164138.2A EP3545760A1 (en) | 2018-03-27 | 2018-03-27 | Apparatus for weed control |
PCT/EP2019/057032 WO2019185434A1 (en) | 2018-03-27 | 2019-03-21 | Apparatus for weed control |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111867372A true CN111867372A (zh) | 2020-10-30 |
Family
ID=61971888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980022281.1A Pending CN111867372A (zh) | 2018-03-27 | 2019-03-21 | 用于杂草控制的设备 |
Country Status (12)
Country | Link |
---|---|
US (1) | US20210015087A1 (zh) |
EP (2) | EP3545760A1 (zh) |
JP (1) | JP7357633B2 (zh) |
KR (1) | KR20200132886A (zh) |
CN (1) | CN111867372A (zh) |
AR (1) | AR117408A1 (zh) |
AU (1) | AU2019245829A1 (zh) |
BR (1) | BR112020019528A2 (zh) |
CA (1) | CA3095070A1 (zh) |
IL (1) | IL277390A (zh) |
MX (1) | MX2020010088A (zh) |
WO (1) | WO2019185434A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019006544A1 (de) * | 2019-09-18 | 2021-03-18 | Zasso Group Ag | Brandgefahr |
US11719681B2 (en) | 2020-10-30 | 2023-08-08 | International Business Machines Corporation | Capturing and analyzing data in a drone enabled environment for ecological decision making |
US11719682B2 (en) | 2020-10-30 | 2023-08-08 | International Business Machines Corporation | Capturing and analyzing data in a drone enabled environment for ecological decision making |
LV15634B (lv) * | 2020-11-11 | 2023-02-20 | Weedbot, Sia | Tehnoloģija un iekārta lāzera pozicionēšanai |
KR102591530B1 (ko) * | 2021-01-21 | 2023-10-19 | 국민대학교 산학협력단 | 작물 재배 장치, 이의 작물 재배 방법, 및 이를 포함하는 시스템 |
EP4292033A1 (en) * | 2021-02-10 | 2023-12-20 | Stoneridge Electronics AB | Camera assisted docking system for commercial shipping assets in a dynamic information discovery protocol environment |
IT202100007502A1 (it) * | 2021-03-26 | 2022-09-26 | Gs Net Italia S R L | Sistema per la gestione dell’erogazione di diserbante per un locomotore o vagone ferroviario diserbante |
WO2024121667A1 (en) * | 2022-12-06 | 2024-06-13 | Precision Planting Llc | Vision based system to generate and display weed data for georeferenced locations in an agricultural field |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007052007A1 (en) * | 2005-11-01 | 2007-05-10 | Robert Eric Bradwell Holland | Method of controlling vegetation |
CN101151418A (zh) * | 2005-04-29 | 2008-03-26 | G&G诺芙尼威德米和克斯克德米有限公司 | 用于构建杂草地图的装置 |
CH707476A2 (de) * | 2013-01-18 | 2014-07-31 | Walter Schädler | Elektrische Unkraut- und Schädlingsbekämpfung. |
US20150027043A1 (en) * | 2013-03-07 | 2015-01-29 | Blue River Technology, Inc. | System and method for plant dislodgement |
CN204930106U (zh) * | 2015-08-13 | 2016-01-06 | 北京林业大学 | 一种激光除草飞行器 |
WO2018050143A2 (de) * | 2016-09-16 | 2018-03-22 | Zasso Gmbh | Vorrichtung zur zerstörung von pflanzen |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3370734B2 (ja) * | 1993-06-15 | 2003-01-27 | 株式会社成裕 | 通電式除草装置 |
JP3606071B2 (ja) | 1998-11-17 | 2005-01-05 | 富士電機システムズ株式会社 | 雑草の除去装置 |
JP4362646B2 (ja) | 2001-07-06 | 2009-11-11 | 農工大ティー・エル・オー株式会社 | 土壌特性観測装置 |
WO2016025848A1 (en) * | 2014-08-15 | 2016-02-18 | Monsanto Technology Llc | Apparatus and methods for in-field data collection and sampling |
US20160205917A1 (en) * | 2015-01-15 | 2016-07-21 | Elwha Llc | Weed eradication method and apparatus |
GB201505832D0 (en) * | 2015-04-04 | 2015-05-20 | Ubiqutek Ltd | Apparatus and method for electrically killing plants |
DE102015209879A1 (de) * | 2015-05-29 | 2016-12-01 | Robert Bosch Gmbh | Unkrautregulierungsvorrichtung |
JP2017158533A (ja) | 2016-03-02 | 2017-09-14 | 株式会社リコー | 除草装置および除草装置の制御方法 |
ES2947635T3 (es) * | 2016-05-03 | 2023-08-14 | Antonio davido TRIGIANI | Control ultrasónico de algas |
WO2019075179A1 (en) * | 2017-10-13 | 2019-04-18 | Bayer Cropscience Lp | INDIVIDUALIZED AND CUSTOMIZED PLANT MANAGEMENT USING AUTONOMOUS DRINKING DRONES AND ARTIFICIAL INTELLIGENCE |
EP3700338A1 (en) * | 2017-10-27 | 2020-09-02 | Basf Se | Apparatus for plant management |
-
2018
- 2018-03-27 EP EP18164138.2A patent/EP3545760A1/en not_active Withdrawn
-
2019
- 2019-03-21 JP JP2020551832A patent/JP7357633B2/ja active Active
- 2019-03-21 AU AU2019245829A patent/AU2019245829A1/en active Pending
- 2019-03-21 EP EP19712758.2A patent/EP3772932A1/en active Pending
- 2019-03-21 BR BR112020019528-6A patent/BR112020019528A2/pt unknown
- 2019-03-21 KR KR1020207027387A patent/KR20200132886A/ko not_active Application Discontinuation
- 2019-03-21 WO PCT/EP2019/057032 patent/WO2019185434A1/en unknown
- 2019-03-21 CN CN201980022281.1A patent/CN111867372A/zh active Pending
- 2019-03-21 CA CA3095070A patent/CA3095070A1/en active Pending
- 2019-03-21 MX MX2020010088A patent/MX2020010088A/es unknown
- 2019-03-21 US US17/040,293 patent/US20210015087A1/en active Pending
- 2019-03-27 AR ARP190100768A patent/AR117408A1/es active IP Right Grant
-
2020
- 2020-09-16 IL IL277390A patent/IL277390A/en unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101151418A (zh) * | 2005-04-29 | 2008-03-26 | G&G诺芙尼威德米和克斯克德米有限公司 | 用于构建杂草地图的装置 |
WO2007052007A1 (en) * | 2005-11-01 | 2007-05-10 | Robert Eric Bradwell Holland | Method of controlling vegetation |
CH707476A2 (de) * | 2013-01-18 | 2014-07-31 | Walter Schädler | Elektrische Unkraut- und Schädlingsbekämpfung. |
US20150027043A1 (en) * | 2013-03-07 | 2015-01-29 | Blue River Technology, Inc. | System and method for plant dislodgement |
US20150027040A1 (en) * | 2013-07-26 | 2015-01-29 | Blue River Technology, Inc. | System and method for individual plant treatment based on neighboring effects |
CN204930106U (zh) * | 2015-08-13 | 2016-01-06 | 北京林业大学 | 一种激光除草飞行器 |
WO2018050143A2 (de) * | 2016-09-16 | 2018-03-22 | Zasso Gmbh | Vorrichtung zur zerstörung von pflanzen |
Also Published As
Publication number | Publication date |
---|---|
MX2020010088A (es) | 2020-10-28 |
WO2019185434A1 (en) | 2019-10-03 |
IL277390A (en) | 2020-11-30 |
KR20200132886A (ko) | 2020-11-25 |
EP3545760A1 (en) | 2019-10-02 |
EP3772932A1 (en) | 2021-02-17 |
BR112020019528A2 (pt) | 2021-01-05 |
US20210015087A1 (en) | 2021-01-21 |
AU2019245829A1 (en) | 2020-09-03 |
CA3095070A1 (en) | 2019-10-03 |
JP7357633B2 (ja) | 2023-10-06 |
JP2021519080A (ja) | 2021-08-10 |
AR117408A1 (es) | 2021-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111867372A (zh) | 用于杂草控制的设备 | |
KR102627174B1 (ko) | 잡초 방제 장치 | |
EP3425572A1 (en) | Apparatus for automated weed control | |
EP3446564B1 (en) | Apparatus for weed control | |
do Amaral et al. | Application of drones in agriculture | |
CA3068894A1 (en) | Apparatus for weed control | |
BR112020000097B1 (pt) | Aparelho, sistema e método para controle de erva daninha e meio não transitório legível por computador |
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 |