CN111972123A - 一种基于智慧种植机的智能果蔬采摘推荐方法和装置 - Google Patents
一种基于智慧种植机的智能果蔬采摘推荐方法和装置 Download PDFInfo
- Publication number
- CN111972123A CN111972123A CN202010691093.2A CN202010691093A CN111972123A CN 111972123 A CN111972123 A CN 111972123A CN 202010691093 A CN202010691093 A CN 202010691093A CN 111972123 A CN111972123 A CN 111972123A
- Authority
- CN
- China
- Prior art keywords
- fruit
- taste
- detection sensor
- intelligent
- taste detection
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D46/00—Picking of fruits, vegetables, hops, or the like; Devices for shaking trees or shrubs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于智慧种植机的智能果蔬采摘推荐方法和装置,智能果蔬采摘推荐方法包括:获取智慧种植机中作物的多维度图,依据作物的多维度图生成作物模型,其中,作物模型中包含果实的分布信息;获取口感检测传感器所检测到的各果实的口感信息;根据口感检测传感器的初始位置和/或运动轨迹,建立口感信息与果实位置的映射参数;依据映射参数以及作物模型,确定作物模型中,进入最佳采摘期的目标果实。采用本发明的方法可以确定进入最佳采摘期的果实在作物模型(即实际生长的作物)上的实际位置,以引导人们进行采摘,避免过早或过晚采摘果实,从而保证人们能够享用口感最佳的果实。
Description
技术领域
本发明属于农作物种植以及检测技术领域,更具体地,涉及一种基于智慧种植机的智能果蔬采摘推荐方法和装置。
背景技术
随着社会经济的快速发展和人们生活水平的提高,时令蔬菜与反季节蔬菜逐渐受到人们的欢迎,为了迎合人们对健康安全蔬菜的要求,一些种植黑科技也逐渐涌入人们的生活,例如,自动种植机可以自动种植各种蔬菜或水果,在种植过程中,只需买回种苗、加营养液等简单操作,即可实现在家种菜。
不过,在作物生长过程中,仅凭颜色或大小很难判断果实的口感情况,经常出现将还未成熟的果实采摘下来,或者,已经成熟的果实没有立即采摘,而导致果实过熟,使得人们很难品尝到口感最佳的果实。
鉴于此,克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于智慧种植机的智能果蔬采摘推荐方法和装置,其目的在于采用本发明的方法可以确定进入最佳采摘期的果实在作物模型(即实际生长的作物)上的实际位置,以引导人们进行采摘,避免过早或过晚采摘果实,从而保证人们能够享用口感最佳的果实。
为实现上述目的,按照本发明的一个方面,提供了一种基于智慧种植机的智能果蔬采摘推荐方法,所述智能果蔬采摘推荐方法包括:
获取智慧种植机中作物的多维度图,依据所述作物的多维度图生成作物模型,其中,所述作物模型中包含果实的分布信息;
获取口感检测传感器所检测到的各果实的口感信息;
根据口感检测传感器的初始位置和/或运动轨迹,建立口感信息与果实位置的映射参数;
依据所述映射参数以及所述作物模型,确定所述作物模型中,进入最佳采摘期的目标果实。
优选地,所述根据口感检测传感器的初始位置和/或运动轨迹,建立口感信息与果实位置的映射参数包括:
获取每个口感检测传感器在预设坐标系下的初始坐标,以及在检测果实口感的过程中,每个口感检测传感器的旋转角度;
基于口感检测传感器的初始坐标以及口感检测传感器的旋转角度,确定作物上分布的果实在预设坐标系下的坐标;
依据每个果实在预设坐标系下的坐标和相应的口感检测传感器的口感检测结果,建立口感信息与果实位置的映射参数。
优选地,所述基于口感检测传感器的初始坐标以及口感检测传感器的旋转角度,确定作物上分布的果实在预设坐标系下的坐标包括:
在接收到任一口感检测传感器所发送的口感信息后,获取对应口感检测传感器的旋转角度;
结合至少两个口感检测传感器的初始坐标以及对应的旋转角度,确定作物上分布的果实在预设坐标系下的坐标。
优选地,所述根据口感检测传感器的初始位置和/或运动轨迹,建立口感信息与果实位置的映射参数还包括:
判断作物上分布的果实在预设坐标系下的坐标,是否存在相同的情况;
若存在,则根据相同的坐标确定待验证果实,并选择第一口感检测传感器和第二口感检测传感器,分别调节所述第一口感检测传感器和所述第二口感检测传感器的检测角度,使得所述第一口感检测传感器和所述第二口感检测传感器的检测信号均射向同一待验证果实;
根据所述第一口感检测传感器和所述第二口感检测传感器的检测情况,更正待验证果实在预设坐标系下的坐标。
优选地,所述根据所述第一口感检测传感器和所述第二口感检测传感器的检测情况,更正待验证果实在预设坐标系下的坐标包括:
依据所述第一口感检测传感器和所述第二口感检测传感器各自接收到的信号强度,确定所述第一口感检测传感器与待验证果实之间的第一距离,所述第二口感检测传感器与待验证果实之间的第二距离;
依据所述第一距离、所述第二距离、所述第一口感检测传感器的坐标和所述第二口感检测传感器的坐标,更正待验证果实在预设坐标系下的坐标。
优选地,所述获取智慧种植机中作物的多维度图,依据所述作物的多维度图生成作物模型包括:
接收用户上报的多张智慧种植机中作物的图片;
对多张智慧种植机中作物的图片进行拟合,得到智慧种植机中作物的多维度图;
依据所述作物的多维度图生成作物模型。
优选地,在所述接收用户上报的多张智慧种植机中作物的图片中,用户上报图片的请求由用户主动触发智能终端而生成,或,由智能终端识别到图片中包含智慧种植机对象后,自动发起而生成。
优选地,所述获取口感检测传感器所检测到的各果实的口感信息之前还包括:
根据所述作物模型中果实的分布信息,调节所述智慧种植机上的口感检测传感器的分布情况。
优选地,所述智能果蔬采摘推荐方法还包括:
在确定进入最佳采摘期的目标果实后,触发所述智慧种植机上的LED灯,将所述LED灯的光线射向所述目标果实。
按照本发明的另一方面,提供了一种智能果蔬采摘推荐装置,包括至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被程序设置为执行本发明所述的智能果蔬采摘推荐方法。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有如下有益效果:本发明的智能果蔬采摘推荐方法包括:获取智慧种植机中作物的多维度图,依据作物的多维度图生成作物模型,其中,作物模型中包含果实的分布信息;获取口感检测传感器所检测到的各果实的口感信息;根据口感检测传感器的初始位置和/或运动轨迹,建立口感信息与果实位置的映射参数;依据映射参数以及作物模型,确定作物模型中,进入最佳采摘期的目标果实。采用本发明的智能果蔬采摘推荐方法,可以智能分析每个果实的口感,筛选出进入最佳采摘期的果实,同时可以通过作物模型以及口感检测传感器的位置和/或运动轨迹进行匹配,从而确定进入最佳采摘期的果实在作物模型(即实际生长的作物)上的实际位置,以引导人们进行采摘,避免过早或过晚采摘果实,从而保证人们能够享用口感最佳的果实。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的一种智慧种植机的结构示意图;
图2a是本发明提供的一种智慧种植机的种植机本体的俯视示意图(仅展示部分结构);
图2b是本发明实施例提供的一种旋转底座相对于种植机本体旋转的实现方式;
图2c是本发明实施例提供一种对应图2b的剖面结构示意图;
图3是本发明实施例提供的一种补光带的结构示意图;
图4是本发明提供的一种支撑架的结构示意图;
图5是本发明实施例提供的另一种智慧种植机的结构示意图;
图6是本发明实施例提供的另一种支撑架的结构示意图;
图7a是本发明实施例提供的另一种旋转底座相对于种植机本体旋转的实现方式;
图7b是本发明实施例提供的对应图7a的剖面结构示意图;
图8是本发明实施例提供的一种基于智慧种植机的智能果蔬采摘推荐方法的流程示意图;
图9是图8中步骤102的具体流程示意图;
图10是本发明实施例提供的一种预设坐标系的设定方式;
图11a是本发明实施例的支撑架旋转角度a后的对比示意图;
图11b是本发明实施例图11a中将实物映射到预设坐标系下的坐标变换示意图;
图12是本发明实施例提供的口感检测传感器的检测角度范围示意图;
图13是图9中步骤102b和步骤102c之间还包括的步骤流程示意图;
图14是本发明实施例精准确定待验证果实的位置的实现方式之一;
图15是本发明实施例精准确定待验证果实的位置的实现方式之二;
图16是本发明实施例提供的一种智能果蔬采摘推荐装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1:
本实施例提供一种智慧种植机,该智慧种植机可用于种植各类蔬菜或水果等农作物,其中,该智慧种植机不仅适用于小范围的家庭种植,也适用于大范围的农业种植,采用该智慧种植机种植的作物生长速度快,种植密度大,而且产量高。
如图1和图2a所示,本实施例的智慧种植机包括种植机本体1、支撑架2、多个口感检测传感器20以及旋转底座3;所述口感检测传感器20分布在所述支撑架2上,所述口感检测传感器20用于检测所述智慧种植机中的作物上的果实口感信息,并进行上报。
所述旋转底座3与所述支撑架2连接,所述旋转底座3用于带动所述支撑架2围绕所述智慧种植机中的作物旋转,以调节所述口感检测传感器20的位置和/或运动轨迹,从而全方位检测所述智慧种植机中的作物上的果实。如图2c所示,所述旋转底座3上设置有容置槽32,所述容置槽32用于收容所述支撑架2的底部;其中,所述容置槽32和所述支撑架2形成可拆卸连接,例如,磁吸附或螺纹连接。
在可选的方案中,种植机本体1上设置有圆形轨道11,旋转底座3可以沿着圆形轨道11进行360度旋转,以带动所述支撑架2围绕所述智慧种植机中的作物旋转,从而全方位检测所述智慧种植机中的作物上的果实。
在实际应用场景下,如图2b和图2c所示,所述种植机本体1上设置有主动轮12,所述旋转底座3上设置有从动轮31,所述主动轮12上设置有第一齿轮121,所述从动轮31上设置有第二齿轮311,所述主动轮12和所述从动轮31之间通过所述第一齿轮121和所述第二齿轮311形成齿轮啮合连接;其中,所述主动轮12和所述从动轮31相互配合带动所述旋转底座3沿着所述轨道11旋转。在可选的方案中,智慧种植机还包括电机,电机与从动轮31连接,主动轮12相对于种植机本体1保持不动,电机驱动从动轮31沿着主动轮12转动,从而带动支撑架2沿着轨道11转动,如图2a所示,旋转底座3可以从初始位置(右侧位置),沿着轨道11分别运行至下侧位置、左侧位置和上侧位置后,再次回到初始位置(右侧位置)。在另一个可选的方案中,智慧种植机还包括电机,电机与主动轮12连接,电机驱动主动轮12转动,主动轮12带动从动轮31转动,从而带动支撑架2沿着轨道11转动。
进一步地,所述种植机本体1上还设置有牵引件13,所述牵引件13上设置有内齿轮131,所述牵引件13和所述主动轮12同轴设置;所述牵引件13上的内齿轮131和所述主动轮12上的第一齿轮121形成可供所述旋转底座3旋转的轨道11;其中,所述从动轮31上的第二齿轮311还与所述牵引件13上的内齿轮131形成齿轮啮合连接。通过主动轮12、从动轮31以及牵引件13之间的相互配合,带动旋转底座3沿着轨道11旋转。
其中,所述支撑架2包括至少可以沿两个不同方向延展的支撑臂,口感检测传感器20分布在沿不同方向延展的支撑臂上,从而通过不同口感检测传感器20的位置以及检测结果,确定被检测到的果实的位置。
在可选的方案中,如图4所示,所述支撑架2包括第一支撑臂21和第二支撑臂22,所述第一支撑臂21与所述第二支撑臂22之间活动连接,可以理解为,第一支撑臂21和第二支撑臂22之间的角度可以调节,例如,第一支撑臂21和第二支撑臂22之间的角度为90度,所述口感检测传感器20分别分布在所述第一支撑臂21和所述第二支撑臂22上。在实际分析过程中,可以依据所述第一支撑臂21和所述第二支撑臂22为参照基准建立坐标系,以便于确定果实的具体位置。
在可选的方案中,所述第一支撑臂21和所述第二支撑臂22可伸缩,以根据所述智慧种植机中的作物生产情况,调节所述第一支撑臂21和所述第二支撑臂22的长度。在实际应用场景下,不同作物的大小是不同的,例如,有的作物为窄长型(可以理解为,横向较短,纵向较高),有的作物为胖矮性(可以理解为,横向较长,纵向较短),可以依据作物的实际生长情况,调节所述第一支撑臂21和所述第二支撑臂22的长度,以保证支撑臂上的口感检测传感器20能够全面覆盖作物上的果实。
在实际应用场景下,当果实密度过大时,有可能出现邻近的果实被相同位置处的口感检测传感器20共同检测到,从而出现重叠检测的情况,导致果实的真实位置被误判。为解决该问题,在优选的实施方式中,口感检测传感器20的检测角度可调,以通过调节某些口感检测传感器20的检测角度,对需要验证的果实进行重新检测。其中,检测角度指的是口感检测传感器20的光线射出角度。
在实际应用场景下,本实施例的智慧种植机还包括可调节支架4,一些攀爬类作物,例如,黄瓜、西红柿等可以沿着可调节支架4生长,其中,可调节支架4的高度可以调节,从而适应作物的生长。
在另一个可选的方案中,如图5~图7所示,所述支撑架2包括第一支撑臂21、第二支撑臂22和第三支撑臂23,第二支撑臂22分别与第一支撑臂21和第三支撑臂23垂直,旋转底座3和从动轮12的数目为二,其余的结构与上述实施方案相同,在此不再赘述。采用此种结构,支撑架2可以沿着轨道11旋转180度,即可实现全方位检测。
在优选的实施例中,智慧种植机还包括补光带23,其中,补光带23可以设置在支撑架2上,LED灯补光带可以为5红1蓝LED灯带,实现大功率高光效植物生长补光灯,满足植物不同生长阶段所需光谱,防止作物只长叶和杆不长果,大大提高产量,光照不足时自动进行补光。如图3所示,所述补光带23的数目可以为多个,具体包括第一补光带231、第二补光带232和第三补光带233,其中,所述第一补光带231的光照强度大于所述第二补光带232的光照强度,所述第二补光带232的强度大于所述第三补光带233的强度。通过作物的实际生长情况,选择性开启对应的补光带23,实现智能光照的功能。或者,第一补光带231、第二补光带232和第三补光带233的光照强度均可调节,通过物的实际生长情况,对应调节第一补光带231、第二补光带232和第三补光带233的光照强度,以保证作物能够良好地生长。
为了实现自动种植,在优选的方案中,智慧种植机还包括精准滴灌系统、光照传感器、空气温湿度传感器和土壤湿度传感器,通过各传感器实时监测植物生长的光照、温度、湿度等信息,整合信息流,为种植器提供准确的信息源,以便于控制LED灯补光带为作物补光,并通过精准滴灌系统为作物补充营养液或水。
其中,精准滴灌系统把包括静音水泵,能够实现流量0-100L/H无级调节,稀释好的营养液(将高浓度浓缩营养液1:500稀释)通过水泵连接的导管输入到种植盆中。
在优选的方案中,智慧种植机还包括液位传感器,通过液位传感器实时监测营养液水位,防止液位过高或过低,缺水报警。
进一步地,智慧种植机还包括主控芯片,其中,该主控芯片可以为搭载ARM CortexM3内核的高性能主控芯片。该主控芯片分别与光照传感器、空气温湿度传感器、土壤湿度传感器和液位传感器连接,以分别接收各传感器的检测信息,获取作物的生长状态,该主控芯片还分别与LED灯补光带、精准滴灌系统,以便于依据作物的生长状态,控制LED灯补光带为作物补光,并通过精准滴灌系统为作物补充营养液或水。
此外,该主控芯片还与口感检测传感器20连接,以便于获取各口感检测传感器20的口感检测结果。或者,在需要精准确定果实的位置时,主控芯片还用于控制调节口感检测传感器20的检测角度。
结合实施例2中的智能果蔬采摘推荐方法,本实施例的主控芯片能与智能终端和/或服务器建立连接,以将检测到的口感信息以及其他信息进行上报。
采用本实施例的智慧种植机,可以通过口感检测传感器智能分析每个果实的口感,以筛选出进入最佳采摘期的果实,同时可以通过口感检测传感器的位置和/或运动轨迹确定进入最佳采摘期的果实在实际生长的作物上的实际位置,以引导人们进行采摘,避免过早或过晚采摘果实,从而保证人们能够享用口感最佳的果实。
实施例2:
本实施例提供一种基于智慧种植机的智能果蔬采摘推荐方法,该基于智慧种植机的智能果蔬采摘推荐方法适用于上述任一实施例的智慧种植机,采用本实施例的智能果蔬采摘推荐方法,可以确定进入最佳采摘期的果实以及该果实在实际生长的作物上的具体位置,以引导人们进行采摘,从而保证人们能够享用口感最佳的果实。
下面参阅图8,具体说明智能果蔬采摘推荐方法的实现过程,本实施例的智能果蔬采摘推荐方法包括如下步骤:
步骤100:获取智慧种植机中作物的多维度图,依据所述作物的多维度图生成作物模型,其中,所述作物模型中包含果实的分布信息。
其中,智慧种植机中的作物的果实是生长于培养基之上的,且作物可以结出较多的果实,例如,作物可以为番茄、黄瓜、青椒或樱桃等蔬菜或水果。
其中,作物的多维度图能够覆盖作物全方位的特征,多维度图可以依据多张不同角度的照片而获得,或者,也可以通过解析包含作物全方位信息的视频而获得。
其中,作物模型可以为三维模型,是依据作物的真实形态、大小以及果实的分布进行建模而得到的,模拟展现作物的实际生长情况。实际应用场景中,在预设的坐标系下,可以根据作物模型确定作物上分布的果实的三维坐标,以供后续建立口感信息与果实位置的映射关系,从而引导人们采摘进入最佳采摘期的果实。
步骤101:获取口感检测传感器所检测到的各果实的口感信息。
其中,口感检测传感器可以为基于近红外光谱检测技术制作而成的传感器,在实际检测过程中,采用近红外光谱检测技术检测果实的口感信息。其中,近红外光为介于可见光和中红外光之间的电磁波,一般是指波长在780nm~2526nm范围内的电磁波。
当果实与近红外光线相互作用时,果实成分以及内部品质参数等有关信息负载到近红外光线上,然后再从近红外光线中分析并提取果实内部品质参数。具体地,当近红外光照射到果实上时,不同果实的内部成分对于不同波长的光吸收和反射程度不同,随着果实内部成分(例如,O-H、N-H和C-H等分子)以及各成分质量分数的不同,其光谱特性也会发生变化,以根据近红外光谱分析出果实中的主要成分以及相应的内部品质信息,从而确定果实的口感信息,其中,口感信息按照成熟情况分为还未成熟、已成熟以及成熟过度等级别。可选地,针对未成熟的果实,口感信息中还可以包括该未成熟的果实的预计成熟日期,可以依据该智慧种植机中的果实平均成熟期预测该未成熟果实的预计成熟日期。
步骤102:根据口感检测传感器的初始位置和/或运动轨迹,建立口感信息与果实位置的映射参数。
在本实施例中,根据口感检测传感器的初始位置和/或运动轨迹,确定被测果实的位置,然后再根据被测果实的位置与其口感信息,建立口感信息与果实位置的映射参数。其中,在此步骤中果实位置是依据口感检测传感器的位置进行预估的,可能与果实的实际位置之间有一定的偏差,不过该偏差是在可接受的范围内。
其中,智慧种植机上分布多个口感检测传感器,且该口感检测传感器至少分布在两个不同的方向上,可以依据不在同一个方向上的口感检测传感器确定果实的位置。在初始状态下,口感检测传感器的检测角度是固定朝向一个方向的,则结合在同一平面内的两条直线会相交于一点的理论(如图10所示),以及两个口感检测传感器的口感检测相似度情况确定果实的位置。
为了全方位检测作物上所有果实的口感信息,口感检测传感器所在的支撑架可以沿着预设方向旋转,以带动口感检测传感器转换位置,360度围绕着作物旋转运动,保证能够检测到作物上的全部果实。
其中,口感检测传感器的初始位置可以是口感检测传感器未进行旋转时对应的位置,经过360度旋转后口感检测传感器会再次还原到初始位置,如图1所示的智慧种植机,在图2a中,当支撑架处于右侧位置时,口感检测传感器位于初始位置。
步骤103:依据所述映射参数以及所述作物模型,确定所述作物模型中,进入最佳采摘期的目标果实。
其中,映射参数中的果实位置是采用数学算法进行预测的位置,作物模型中果实的位置与作物的实际生长情况是相同的,通过映射参数中的果实位置与作物模型中果实的分布情况进行坐标匹配,以将每个果实的口感信息与其真实所在的位置对应起来,从而确定进入最佳采摘期的目标果实。
在此,需要说明的是,在进行坐标匹配时,需保证作物模型对应的参考坐标系,与映射参数中对应的参考坐标系相同,或者,二者不相同,需要进行坐标转换,从而保证果实坐标是依据同一个参照坐标系建立的。
在实际应用场景下,可以存在多种实现方式,向人们展示目标果实的位置,以便于采摘。例如,可以在作物模型中采用高亮或者其他颜色标记目标果实,由于作物模型与作物的实际生长情况是相同的,人们可以参照作物模型直接分辨出目标果实的位置,或者,触发智慧种植机上的LED灯,将LED灯的光线射向目标果实。
本实施例的智能果蔬采摘推荐方法,可以智能分析每个果实的口感,筛选出进入最佳采摘期的果实,同时可以通过作物模型以及口感检测传感器的位置和/或运动轨迹进行匹配,从而确定进入最佳采摘期的果实在作物模型(即实际生长的作物)上的实际位置,以引导人们进行采摘,避免过早或过晚采摘果实,从而保证人们能够享用口感最佳的果实。
在实际应用场景下,为了保护用户的隐私,在智慧种植机上没有安装拍摄装置,作物的多维度图一般是由用户自主拍摄并上传至服务器,服务器再依据作物的多维度图生产作物模型。
在步骤100中,所述获取智慧种植机中作物的多维度图,依据所述作物的多维度图生成作物模型,至少存在如下两种实现方式:
方式一:用户侧的智能终端上装载有一应用程序(APP),该应用程序用于监控智慧种植机中的作物的生长状态。该APP会根据用户拍摄的图片,自动识别图片中是否包含智慧种植机对象,如果包含,则智能终端发起向服务器上报图片请求。服务器侧依据该上报图片请求,接收智能终端上报的多张智慧种植机中作物的照片,对多张智慧种植机中作物的图片进行拟合,得到智慧种植机中作物的多维度图;依据所述作物的多维度图生成作物模型。或者,该APP会根据用户拍摄的图片,自动识别图片中是否包含智慧种植机对象,如果包含,则智能终端提示用户发起将图片上报给服务器的请求,智能终端接收到用户触发的上报图片操作后,智能终端再与服务器建立连接,并向服务器发起上报图片请求。
方式二:在方式一中,装载于智能终端上的APP会自动识别用户拍摄的图片,在一定程度上侵犯了用户的隐私。在优选的方式中,用户拍摄作物的图片后,主动触发智能终端向服务器上报图片,服务器通过图像识别,在确定图片中包含智慧种植机对象后,对多张智慧种植机中作物的图片进行拟合,得到智慧种植机中作物的多维度图;依据所述作物的多维度图生成作物模型。
不同作物的果实密度存在差异,甚至于相同的作物也会出现果实密度相差较大的情况,当口感检测传感器的分布与果实密度不匹配时,很容易出现漏检或者重叠检测的问题,例如,当口感检测传感器数量较少,而果实密度较大时,有可能出现一部分果实不能被检测到(漏检);当口感检测传感器的数量较多,而果实密度较小时,有可能出现邻近的果实被相同位置处的口感检测传感器共同检测到(重叠检测),从而导致果实的真实位置被误判。
为解决前述问题,在优选的方案中,在步骤101之前,还可以根据作物模型中果实的分布信息,确定果实的密度或果实在不同方向上的数量以及间隔情况,再根据实际情况调节所述智慧种植机上的口感检测传感器的分布情况,使得口感检测传感器与作物上的果实分布能够达到最佳的适配度,保证作物上的果实能够全部被覆盖,而且可以尽量避免发生漏检的情况。
在可选的方案中,结合图9~图11,在步骤102中,所述根据口感检测传感器的初始位置和/或运动轨迹,建立口感信息与果实位置的映射参数可以采用如下方式实现:
步骤102a:获取每个口感检测传感器在预设坐标系下的初始坐标,以及在检测果实口感的过程中,每个口感检测传感器的旋转角度。
其中,预设坐标系可以参照图10进行设定(例如,第一支撑臂所在的方向为Z轴,第二支撑臂所在的方向为X轴),其中,在图10中,左侧为实物示意图,右侧为左侧的实物图映射到预设的坐标系下的示意图。在可选的实施例中,支撑架在旋转的过程中,是沿着第二支撑臂的中心点所在的直线(沿Z轴方向延展的中心线)转动的,以第二支撑臂的中心点为原点,第一支撑臂所在的方向为Z轴,第二支撑臂所在的方向为X轴,建立预设的坐标系。在其他实施例中,也可采用其他方式建立预设的坐标系,保证与参照对象相对应即可。
口感检测传感器的旋转角度可以由旋转底座带动支撑架旋转的角度而定,其中,在如图11a中,展示了支撑架转动角度a后的对比示意图,在图11b中,展示了支撑架旋转前和旋转后,同一口感检测传感器的坐标情况,其中,角度a为旋转底座带动支撑架旋转的角度,即为口感检测传感器的旋转角度。如图11b所示,第一支撑臂上的某一口感检测传感器的初始坐标为(x1,0,z1),经过旋转角度a后,该口感检测传感器的坐标为(x1cosa,x1sina,z1);第二支撑臂上的某一口感检测传感器的初始坐标为(x0,0,0),经过旋转角度a后,该口感检测传感器的坐标为(x0cosa,x0sina,0)。因此,分布在不同方向上的口感检测传感器,再结合旋转角度,确定作物上的果实的三维坐标。
在实际应用场景下,沿着Z轴方向旋转,则在360度旋转过程中,口感检测传感器能够实现全方位的三维检测,在预设坐标系下,口感检测传感器的坐标也会随着其旋转角度而发生改变,从而能够通过口感检测传感器标定果实的位置。
步骤102b:基于口感检测传感器的初始坐标以及口感检测传感器的旋转角度,确定作物上分布的果实在预设坐标系下的坐标。
在初始状态下,口感检测传感器的检测角度是固定朝向一个方向的,则结合在同一平面内的两条直线会相交一点的理论,以及两个口感检测传感器的口感检测相似度情况确定果实的位置。
具体地,在接收到任一口感检测传感器所发送的口感信息后,获取对应口感检测传感器的旋转角度;结合至少两个口感检测传感器的初始坐标以及对应的旋转角度,确定作物上分布的果实在预设坐标系下的坐标,如图10所示,旋转角度为零,结合分布在不同方向上的两个口感检测传感器的初始坐标,可以确定被检测到的果实的位置。
步骤102c:依据每个果实在预设坐标系下的坐标和相应的口感检测传感器的口感检测结果,建立口感信息与果实位置的映射参数。
在实际应用场景下,当果实密度过大时,有可能出现邻近的果实被相同位置处的口感检测传感器共同检测到,从而出现重叠检测的情况,导致果实的真实位置被误判。为解决该问题,在优选的实施方式中,可以通过调节某些口感检测传感器的检测角度,对需要验证的果实进行重新检测。其中,检测角度指的是口感检测传感器的光线射出角度,如图12所示,位于水平方向(X轴所在的方向)的口感检测传感器的可调节的检测角度调节范围为180度~360度,其中,在初始状态下,口感检测传感器的检测角度为270度(如图10所示),即,口感检测传感器的光线垂直向下射出;位于竖直方向(Z轴所在的方向)上的口感检测传感器的可调节的检测角度调节范围为90度~270度,其中,在初始状态下,口感检测传感器的检测角度为180度,即,口感检测传感器的光线水平向左射出(如图10所示)。
在步骤102b和步骤102c之间,依据果实的坐标情况确定待验证的果实,然后再调节相应口感检测传感器的检测角度,精准确定果实的位置。具体的步骤请参阅图13。
步骤102b1:判断作物上分布的果实在预设坐标系下的坐标,是否存在相同的情况。
在本实施例中,采用口感检测传感器对果实的位置进行标定时,当存在至少两个相同的坐标时,则可以确定存在重复检测的情况。
步骤102b2:若存在,则根据相同的坐标确定待验证果实,并选择第一口感检测传感器和第二口感检测传感器,分别调节所述第一口感检测传感器和所述第二口感检测传感器的检测角度,使得所述第一口感检测传感器和所述第二口感检测传感器的检测信号均射向同一待验证果实。
以如图11b所示的坐标系为例,假设相同的坐标点为(X,Y,Z),其中,坐标中包含了三个方向(X、Y以及Z)的信息,可以先从某一个方向进行验证。首先,需要将(X,Y,Z)转换为(x0,0,0)、(x1,0,z1)以及对应的旋转角度,其中,x1为支撑架为旋转时,第一支撑臂上的口感检测传感器对应的初始X坐标,选择初始坐标为(x0,0,0)的口感检测传感器为第一口感检测传感器,选择最靠近第一口感检测传感器的传感器为第二口感检测传感器,然后将旋转底座依据旋转角度将口感检测传感器旋转至相应的角度下,最后分别调节所述第一口感检测传感器和所述第二口感检测传感器的检测角度,使得所述第一口感检测传感器和所述第二口感检测传感器的检测信号均射向同一待验证果实。
和/或,选择初始坐标为(x1,0,z1)的口感检测传感器为第一口感检测传感器,选择最靠近第一口感检测传感器的传感器为第二口感检测传感器。
按照前述方式进行验证,当只选在位于一个方向(X方向或Z方向)的口感检测传感器即可确定待验证果实的位置时,无需在另外一个方向上验证。但是,当只选在位于一个方向(X方向或Z方向)的口感检测传感器不能确定待验证果实的位置时,需要结合在另外一个方向上的口感检测传感器进行验证。
步骤102b3:根据所述第一口感检测传感器和所述第二口感检测传感器的检测情况,更正待验证果实在预设坐标系下的坐标。
口感检测传感器与待验证果实之间的距离会影响检测情况,因此,可以通过信号强度或接收到检测信号的时间差,分别确定所述第一口感检测传感器和所述第二口感检测传感器与待验证果实之间的距离,再根据三角形特性,确定待验证果实的目标位置。
在本实施例中,依据所述第一口感检测传感器和所述第二口感检测传感器各自接收到的信号强度,确定所述第一口感检测传感器与待验证果实之间的第一距离,所述第二口感检测传感器与待验证果实之间的第二距离。
依据所述第一距离、所述第二距离、所述第一口感检测传感器的坐标和所述第二口感检测传感器的坐标,更正待验证果实在预设坐标系下的坐标。其中,在本步骤中,第一口感检测传感器的坐标和第二口感检测传感器的坐标可以是初始坐标,也可以是经过旋转后,经过旋转角度变换后的坐标,具体依据待验证果实的位置而定。
在可选的实施例中,也可以依据所述第一口感检测传感器和所述第二口感检测传感器各自接收到反射信号所需要的时间,确定所述第一口感检测传感器与待验证果实之间的第一距离,所述第二口感检测传感器与待验证果实之间的第二距离。
依据在已知两个顶点位置以及三条边的长度的情况下,可以确定三角形的形状,从而确定第三个顶点的位置,其中,第三个顶点的位置即为待验证果实确定所在的位置。结合图13或图14,第一口感检测传感器和第二口感检测传感器之间的距离可以根据二者的坐标得知,按照前述方法确定第一距离和第二距离,则根据三角形理论可以得知待验证果实确定所在的位置。
在本实施例中,通过调节口感检测传感器的检测角度,结合三角形的特性,可以精确确定待验证果实的准确位置,从而分离被重叠检测的果实,提高了位置检测的准确度,能够更准确地标定进入最佳采摘期的果实的目标位置。
实施例3:
请参阅图16,图16是本发明实施例提供的一种智能果蔬采摘推荐装置的结构示意图。本实施例的智能果蔬采摘推荐装置包括一个或多个处理器51以及存储器52。其中,图16中以一个处理器51为例。
处理器51和存储器52可以通过总线或者其他方式连接,图16中以通过总线连接为例。
存储器52作为一种基于智能果蔬采摘推荐方法的非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如实施例1中的基于智慧种植机的智能果蔬采摘推荐方法以及对应的程序指令。处理器51通过运行存储在存储器52中的非易失性软件程序、指令以及模块,从而执行基于智慧种植机的智能果蔬采摘推荐方法的各种功能应用以及数据处理,实现实施例1的基于智慧种植机的智能果蔬采摘推荐方法的功能。
其中,存储器52可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器52可选包括相对于处理器51远程设置的存储器,这些远程存储器可以通过网络连接至处理器51。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
关于基于智慧种植机的智能果蔬采摘推荐方法请参照图1~图15及相关的文字描述在此,不再赘述。
值得说明的是,上述装置和系统内的模块、单元之间的信息交互、执行过程等内容,由于与本发明的处理方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(Read Only Memory,简写为ROM)、随机存取存储器(Random AccessMemory,简写为RAM)、磁盘或光盘等。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于智慧种植机的智能果蔬采摘推荐方法,其特征在于,所述智能果蔬采摘推荐方法包括:
获取智慧种植机中作物的多维度图,依据所述作物的多维度图生成作物模型,其中,所述作物模型中包含果实的分布信息;
获取口感检测传感器所检测到的各果实的口感信息;
根据口感检测传感器的初始位置和/或运动轨迹,建立口感信息与果实位置的映射参数;
依据所述映射参数以及所述作物模型,确定所述作物模型中,进入最佳采摘期的目标果实。
2.根据权利要求1所述的智能果蔬采摘推荐方法,其特征在于,所述根据口感检测传感器的初始位置和/或运动轨迹,建立口感信息与果实位置的映射参数包括:
获取每个口感检测传感器在预设坐标系下的初始坐标,以及在检测果实口感的过程中,每个口感检测传感器的旋转角度;
基于口感检测传感器的初始坐标以及口感检测传感器的旋转角度,确定作物上分布的果实在预设坐标系下的坐标;
依据每个果实在预设坐标系下的坐标和相应的口感检测传感器的口感检测结果,建立口感信息与果实位置的映射参数。
3.根据权利要求2所述的智能果蔬采摘推荐方法,其特征在于,所述基于口感检测传感器的初始坐标以及口感检测传感器的旋转角度,确定作物上分布的果实在预设坐标系下的坐标包括:
在接收到任一口感检测传感器所发送的口感信息后,获取对应口感检测传感器的旋转角度;
结合至少两个口感检测传感器的初始坐标以及对应的旋转角度,确定作物上分布的果实在预设坐标系下的坐标。
4.根据权利要求2所述的智能果蔬采摘推荐方法,其特征在于,所述根据口感检测传感器的初始位置和/或运动轨迹,建立口感信息与果实位置的映射参数还包括:
判断作物上分布的果实在预设坐标系下的坐标,是否存在相同的情况;
若存在,则根据相同的坐标确定待验证果实,并选择第一口感检测传感器和第二口感检测传感器,分别调节所述第一口感检测传感器和所述第二口感检测传感器的检测角度,使得所述第一口感检测传感器和所述第二口感检测传感器的检测信号均射向同一待验证果实;
根据所述第一口感检测传感器和所述第二口感检测传感器的检测情况,更正待验证果实在预设坐标系下的坐标。
5.根据权利要求4所述的智能果蔬采摘推荐方法,其特征在于,根据所述第一口感检测传感器和所述第二口感检测传感器的检测情况,更正待验证果实在预设坐标系下的坐标包括:
依据所述第一口感检测传感器和所述第二口感检测传感器各自接收到的信号强度,确定所述第一口感检测传感器与待验证果实之间的第一距离,所述第二口感检测传感器与待验证果实之间的第二距离;
依据所述第一距离、所述第二距离、所述第一口感检测传感器的坐标和所述第二口感检测传感器的坐标,更正待验证果实在预设坐标系下的坐标。
6.根据权利要求1所述的智能果蔬采摘推荐方法,其特征在于,所述获取智慧种植机中作物的多维度图,依据所述作物的多维度图生成作物模型包括:
接收用户上报的多张智慧种植机中作物的图片;
对多张智慧种植机中作物的图片进行拟合,得到智慧种植机中作物的多维度图;
依据所述作物的多维度图生成作物模型。
7.根据权利要求6所述的智能果蔬采摘推荐方法,其特征在于,在所述接收用户上报的多张智慧种植机中作物的图片中,用户上报图片的请求由用户主动触发智能终端而生成,或,由智能终端识别到图片中包含智慧种植机对象后,自动发起而生成。
8.根据权利要求1所述的智能果蔬采摘推荐方法,其特征在于,所述获取口感检测传感器所检测到的各果实的口感信息之前还包括:
根据所述作物模型中果实的分布信息,调节所述智慧种植机上的口感检测传感器的分布情况。
9.根据权利要求1~8任一项所述的智能果蔬采摘推荐方法,其特征在于,所述智能果蔬采摘推荐方法还包括:
在确定进入最佳采摘期的目标果实后,触发所述智慧种植机上的LED灯,将所述LED灯的光线射向所述目标果实。
10.一种智能果蔬采摘推荐装置,其特征在于,包括至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被程序设置为执行如权利要求1~9任一项所述的智能果蔬采摘推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010691093.2A CN111972123B (zh) | 2020-07-17 | 2020-07-17 | 一种基于智慧种植机的智能果蔬采摘推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010691093.2A CN111972123B (zh) | 2020-07-17 | 2020-07-17 | 一种基于智慧种植机的智能果蔬采摘推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111972123A true CN111972123A (zh) | 2020-11-24 |
CN111972123B CN111972123B (zh) | 2023-03-17 |
Family
ID=73438813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010691093.2A Active CN111972123B (zh) | 2020-07-17 | 2020-07-17 | 一种基于智慧种植机的智能果蔬采摘推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111972123B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1789980A (zh) * | 2005-12-16 | 2006-06-21 | 浙江大学 | 基于近红外光谱的植物生长信息获取装置 |
CN101493313A (zh) * | 2009-02-27 | 2009-07-29 | 中国农业大学 | 成熟果实识别和定位的图像处理方法 |
DE202008010581U1 (de) * | 2008-08-08 | 2009-09-17 | Armbruster, Hermann | Vorrichtung zum Separieren von Beeren und Rappenteilen |
CN103310218A (zh) * | 2013-05-21 | 2013-09-18 | 常州大学 | 一种重叠遮挡果实精确识别方法 |
CN103439265A (zh) * | 2013-08-15 | 2013-12-11 | 湖南农业大学 | 一种茶树精细化栽培生育性状实时监测方法 |
CN103544493A (zh) * | 2013-10-24 | 2014-01-29 | 江苏大学 | 一种激光扫描与机器视觉相结合的果实识别定位方法 |
CN104041244A (zh) * | 2013-03-17 | 2014-09-17 | 安顺市虹翼特种钢球制造有限公司 | 便携提升式电动青茶采摘机 |
CN104541775A (zh) * | 2015-01-24 | 2015-04-29 | 无锡桑尼安科技有限公司 | 智能化果树采摘系统 |
JP2016073265A (ja) * | 2014-10-02 | 2016-05-12 | 大介 阿部 | 果実自動収穫装置 |
CN108064560A (zh) * | 2016-11-14 | 2018-05-25 | 广东技术师范学院 | 基于Kinect景深相机的水果自动采摘系统及方法 |
CN108617264A (zh) * | 2018-05-03 | 2018-10-09 | 无锡智高点技术研发有限公司 | 一种果实自动采摘方法及机器人 |
CN110178540A (zh) * | 2019-06-13 | 2019-08-30 | 西安邮电大学 | 一种基于图像处理的茶叶采摘机及工作方法 |
CN210775225U (zh) * | 2019-10-18 | 2020-06-16 | 青岛理工大学 | 基于拉曼光谱的果实成熟度检测与采摘装置 |
CN111360821A (zh) * | 2020-02-21 | 2020-07-03 | 海南大学 | 一种采摘控制方法、装置、设备及计算机刻度存储介质 |
-
2020
- 2020-07-17 CN CN202010691093.2A patent/CN111972123B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1789980A (zh) * | 2005-12-16 | 2006-06-21 | 浙江大学 | 基于近红外光谱的植物生长信息获取装置 |
DE202008010581U1 (de) * | 2008-08-08 | 2009-09-17 | Armbruster, Hermann | Vorrichtung zum Separieren von Beeren und Rappenteilen |
CN101493313A (zh) * | 2009-02-27 | 2009-07-29 | 中国农业大学 | 成熟果实识别和定位的图像处理方法 |
CN104041244A (zh) * | 2013-03-17 | 2014-09-17 | 安顺市虹翼特种钢球制造有限公司 | 便携提升式电动青茶采摘机 |
CN103310218A (zh) * | 2013-05-21 | 2013-09-18 | 常州大学 | 一种重叠遮挡果实精确识别方法 |
CN103439265A (zh) * | 2013-08-15 | 2013-12-11 | 湖南农业大学 | 一种茶树精细化栽培生育性状实时监测方法 |
CN103544493A (zh) * | 2013-10-24 | 2014-01-29 | 江苏大学 | 一种激光扫描与机器视觉相结合的果实识别定位方法 |
JP2016073265A (ja) * | 2014-10-02 | 2016-05-12 | 大介 阿部 | 果実自動収穫装置 |
CN104541775A (zh) * | 2015-01-24 | 2015-04-29 | 无锡桑尼安科技有限公司 | 智能化果树采摘系统 |
CN108064560A (zh) * | 2016-11-14 | 2018-05-25 | 广东技术师范学院 | 基于Kinect景深相机的水果自动采摘系统及方法 |
CN108617264A (zh) * | 2018-05-03 | 2018-10-09 | 无锡智高点技术研发有限公司 | 一种果实自动采摘方法及机器人 |
CN110178540A (zh) * | 2019-06-13 | 2019-08-30 | 西安邮电大学 | 一种基于图像处理的茶叶采摘机及工作方法 |
CN210775225U (zh) * | 2019-10-18 | 2020-06-16 | 青岛理工大学 | 基于拉曼光谱的果实成熟度检测与采摘装置 |
CN111360821A (zh) * | 2020-02-21 | 2020-07-03 | 海南大学 | 一种采摘控制方法、装置、设备及计算机刻度存储介质 |
Non-Patent Citations (1)
Title |
---|
徐丽明: "《生物生产系统机器人》", 31 March 2009 * |
Also Published As
Publication number | Publication date |
---|---|
CN111972123B (zh) | 2023-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11771077B2 (en) | Identifying and avoiding obstructions using depth information in a single image | |
US11647701B2 (en) | Plant treatment based on morphological and physiological measurements | |
JP6365668B2 (ja) | 情報処理装置、機器、情報処理システム、制御信号の生産方法、プログラム | |
CN111964760B (zh) | 一种基于智慧种植机的果蔬重量计算方法和装置 | |
US10172289B2 (en) | System and method for the automatic adjustment of the height of an agricultural implement using 3D reconstruction | |
US20240032485A1 (en) | System for monitoring enclosed growing environment | |
CN110570324A (zh) | 一种智能种植方法及智能种植箱 | |
KR20200063500A (ko) | 모듈형 스마트팜 버섯재배 시스템 | |
CN111972159B (zh) | 一种智慧种植机及其智能光照方法 | |
CN111972123B (zh) | 一种基于智慧种植机的智能果蔬采摘推荐方法和装置 | |
US20230168212A1 (en) | Horticulture system and method | |
US20220100996A1 (en) | Ground Plane Compensation in Identifying and Treating Plants | |
CN112781647A (zh) | 一种生长中水果品质微型智能飞行检测器 | |
Vrochidou et al. | Leveraging Computer Vision for Precision Viticulture | |
CN114449711B (zh) | 多功能植物灯的智能控制方法及装置、多功能植物灯 | |
US12080019B2 (en) | Extracting feature values from point clouds to generate plant treatments | |
Berk et al. | Digital evaluation of the green leaf wall area of the vine in the" Yellow Muscat" variety. | |
US20220101554A1 (en) | Extracting Feature Values from Point Clouds to Generate Plant Treatments | |
Schneider et al. | Detection of Growth Stages of Chilli Plants in a Hydroponic Grower Using Machine Vision and YOLOv8 Deep Learning Algorithms | |
EP4070124A1 (en) | Time-of-flight sensing for horticulture | |
CN115963821A (zh) | 露地蔬菜自动化生产作业方法、装置、设备及介质 | |
IL296946A (en) | Phenotype characterization for plants | |
Paudel et al. | Smart Agricultural Technology |
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 |