CN112237087A - 基于农作物残余物的田间作业调整 - Google Patents

基于农作物残余物的田间作业调整 Download PDF

Info

Publication number
CN112237087A
CN112237087A CN202010695428.8A CN202010695428A CN112237087A CN 112237087 A CN112237087 A CN 112237087A CN 202010695428 A CN202010695428 A CN 202010695428A CN 112237087 A CN112237087 A CN 112237087A
Authority
CN
China
Prior art keywords
crop residue
parameter
harvester
crop
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.)
Pending
Application number
CN202010695428.8A
Other languages
English (en)
Inventor
内森·R·范迪克
布赖恩·J·吉尔摩
迪内什·V·帕塔克
大卫·L·威尔斯
马赫什·S·博特
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.)
Deere and Co
Original Assignee
Deere and Co
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 Deere and Co filed Critical Deere and Co
Publication of CN112237087A publication Critical patent/CN112237087A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A01B35/00—Other machines for working soil not specially adapted for working soil on which crops are growing
    • A01B35/16—Other machines for working soil not specially adapted for working soil on which crops are growing with rotating or circulating non-propelled tools
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01D—HARVESTING; MOWING
    • A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
    • A01D41/12—Details of combines
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01D—HARVESTING; MOWING
    • A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
    • A01D41/12—Details of combines
    • A01D41/1243—Devices for laying-out or distributing the straw
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01D—HARVESTING; MOWING
    • A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
    • A01D41/12—Details of combines
    • A01D41/127—Control or measuring arrangements specially adapted for combines
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • 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
    • A01B79/00—Methods for working soil
    • A01B79/005—Precision agriculture
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30128—Food products
    • 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
    • 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
    • G06T2207/30242—Counting objects in image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Environmental Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Soil Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Medical Informatics (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Combines (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

一种农作物残余物监测系统，可以包括：收割机；照相机，该照相机用于捕获由收割机产生的农作物残余物的图像；分析单元，该分析单元用于基于对图像的光学分析来得出农作物残余物的农作物残余物参数的值；以及控制单元，该控制单元用于基于农作物残余物参数的值来调整后续田间作业。

Description

基于农作物残余物的田间作业调整
技术领域
本公开总体上涉及一种农作物残余物监测系统、方法以及一种非暂态机器可读介质。
背景技术
农作物残余物是农作物收割作业的副产物。农作物残余物可以包括农作物在经过收割机的脱粒和/或分离处理之后的秸秆、谷壳或其它不需要的部分。农作物残余物还可以包括其它生物物质，例如杂草、杂草种子等。这些残余物通常从收割机中排出。
发明内容
公开了一种示例性农作物残余物监测系统、方法和机器可读介质，该农作物残余物监测系统、方法和机器可读介质监测由收割机产生的农作物残余物并使用这种信息来调整后续田间作业。所公开的系统、方法和介质可以利用照相机来捕获由收割机产生的农作物残余物的图像。分析单元基于对图像的光学分析得出农作物残余物的农作物残余物参数的值。控制单元利用农作物残余物参数的值来调整后续田间作业。因此，后续田间作业可以更适合于当前的农作物残余物条件。
在正在被分析的农作物残余物是已从收割机中排出的农作物残余物的一些实施方式中，用于捕获农作物残余物的图像的照相机可以是卫星照相机、无人机照相机、耕作机械照相机或不同于产生农作物残余物的收割机的其它平台的照相机。照相机可以具有多种类型，包括但不限于：光学照相机、热成像照相机、基于雷达的照相机、高光谱照相机以及光成像检测和辐射(LIDAR)照相机。在一些实施方式中，用于捕获从收割机中排出之前或排出之后的农作物残余物的图像的照相机由收割机本身携带。在一种实施方式中，照相机被支撑以便在农作物残余物从收割机中排出之前捕获农作物残余物的图像。例如，在一些实施方式中，照相机可以被定位成在农作物残余物从筛子或谷筛被吹向收割机后方的残余物撒布器时捕获农作物残余物的图像。在一些实施方式中，照相机可以被定位成在农作物残余物从逐稿器或脱粒转子被引向收割机后方的残余物撒布器时捕获农作物残余物的图像。在一些实施方式中，照相机可以被定位成在农作物残余物被切碎之后但在被收割机后方的残余物撒布器撒布之前捕获农作物残余物的图像。在其它实施方式中，照相机可以被定位成在农作物残余物已被排出之后捕获农作物残余物的图像。在一些实施方式中，可以利用多个照相机来捕获农作物残余物的图像，而不只是处于上述位置或阶段的一个照相机。
在在多个不同的阶段或位置处捕获农作物残余物的图像的实施方式中，控制器在不同的阶段处得出农作物残余物参数的多个值。在一些实施方式中，可以基于不同阶段处的农作物残余物参数的值来调整不同的后续田间作业。例如，控制器可以基于在第一阶段或第一位置处的农作物残余物参数的值来调整第一后续田间作业，并且可以基于在第二阶段或第二位置处的农作物残余物参数的值来调整不同的第二后续田间作业。在一些实施方式中，控制器可以基于在不同阶段或不同位置处获取的农作物残余物参数的值的集合来调整后续田间作业。在一些实施方式中，控制器可以将不同的预定的或操作员选择的权重应用于在不同阶段或不同位置处获取的不同的农作物残余物参数值。
在一些实施方式中，控制器可以利用得出的农作物残余物参数的值来生成田地地图，该田地地图将得出的不同值链接到田地中的不同地理参考位置。可以存储田地地图。可以查阅所存储的田地地图以调整在田地中的不同地理参考位置处的后续田间作业。
在一种实施方式中，由控制器调整的或由控制器使用所生成的田地地图调整的后续田间作业可以包括由除收割机以外的其它农业机械对相同的地理参考区域执行的后续作业。例如，可以基于农作物残余物参数的值来调整耕作机械的后续耕作设置。可以基于不同地理参考位置或区域处的农作物残余物参数的值来调整后续的喷洒或种植作业。
在一些实施方式中，农业机械的设置可以保持相同，但是可以基于农作物残余物参数的值来调整后续施用的材料的参数。例如，可以基于农作物残余物参数的值来调整种子、施用的除草剂、施用的杀虫剂、施用的肥料或施用的其它材料的类型、密度或其它特征。
在其它实施方式中，可以基于农作物残余物参数的值来调整收割机本身在后续的收割季节、在相同的收割季节或在收割机在同一田地上来回行进的期间的运行设置。例如，在已得出农作物残余物参数的值的几分钟或几小时后，同时收割机在同一田地上来回行进时，可以基于所得出的农作物残余物参数值来调整收割机本身的运行设置。这种运行设置的示例包括但不限于：切碎器速度、切碎器功率、收割机速度、收割机进给速率、切碎器定刀(coulter knife)位置、割台高度、撒布器速度、撒布器叶片位置、脱粒速度、清粮速度、脱粒间隙、分离器排出叶片位置。在一些实施方式中，可以向操作员显示所得出的不同的农作物残余物参数值，其中在收割期间，操作员可以对收割机本身进行附加的或替代的手动调整。
可以得出其值的农作物残余物参数包括但不限于：农作物尺寸、农作物残余物含水量、农作物残余物成分和农作物残余物分散度中的至少一个。在一种实施方式中，可以通过分析单元光学地识别各份农作物残余物并确定各份农作物残余物的值来得出所述农作物残余物参数值。例如，分析单元可以测量每份农作物残余物的长度，其中，农作物残余物参数的值可以基于对具有相应多个长度的多份农作物残余物的计数。农作物残余物参数的值可以是数值，或可以是基于数值的类别。在一些实施方式中，农作物残余物参数的值可以包括农作物残余物参数类别，其中，分析单元包括神经网络，该神经网络通过将图像与具有指定类别的多个其它图像进行比较来得出农作物残余物参数的类别。
在一些实施方式中，分析单元可以得出所排出的横跨田地的一排农作物残余物的宽度和/或沿着所排出的横跨田地的一排农作物残余物的长度的农作物残余物参数的不同值。这种信息可以链接到(通过地理参考系统(诸如基于全球定位卫星(GPS)的地理参考系统)获取的)地理参考数据以形成可以用于调整后续田间作业的农作物残余物田地地图。例如，排出的一排农作物残余物的宽度的第一部分可以具有特定农作物残余物参数的第一得出值，而排出的一排农作物残余物的宽度的第二部分可以具有特定农作物残余物参数的不同于第一得出值的第二得出值。同样地，在第一地理参考位置处并且在第一时间点排出的一排农作物残余物的排部分或横向部分可以具有特定农作物残余物参数的第一得出值，而在第二地理参考位置(在第一地理参考位置的下游或靠下位置)处并且在较晚的第二时间点排出的一排农作物残余物的排部分或横向部分可以具有特定农作物残余物参数的第二得出值。通过沿着排出的一排农作物残余物的宽度得出不同地理参考的农作物残余物参数值，可以基于具有更高分辨率程度的信息来调整田间作业。通过在收割机在田地上来回行进时的不同时间点下、沿着一排农作物残余物的长度的不同部分得出不同地理参考的农作物残余物参数值，可以在收割机在田地上移动时调整后续田间作业以适应变化的条件。
附图说明
图1示意性地示出了示例性农作物残余物监测系统的多个部分。
图2是用于监测农作物残余物并基于农作物残余物调整田间作业的示例性方法的流程图。
图3是用于监测农作物残余物的示例性控制器的框图。
图4是用于基于所捕获的农作物残余物的图像得出农作物残余物参数的值的示例性方法的流程图。
图5是用于基于所捕获的农作物残余物的图像得出农作物残余物参数的值的示例性方法的流程图。
图6是示出了包括收割机的示例性农作物残余物监测系统的图。
图7是图6的收割机的示例性照相机安装件的放大图。
图8是图6的收割机的另一示例性照相机安装件的放大图。
在所有附图中，相同的附图标记表示相似但不一定相同的元件。附图不一定按比例绘制，并且某些部分的尺寸可能会被放大以更清楚地示出所示的示例。此外，附图提供了与描述一致的示例和/或实施方式；然而，所述描述不限于附图中提供的示例和/或实施方式。
具体实施方式
图1示意性地示出了示例性农作物残余物监测系统10的多个部分。农作物残余物监测系统10利用照相机来捕获由收割机产生的农作物残余物的图像。分析单元然后基于对图像的光学分析得出农作物残余物的农作物残余物参数的值。控制单元利用农作物残余物参数的值来调整后续田间作业。因此，后续田间作业可以更适合于当前的农作物残余物条件。如图1所示，系统10包括收割机22、照相机24、分析单元26和控制单元50。
收割机22包括农业机械，该农业机械使农作物与生长介质分离，并进一步处理农作物以使农作物的目标部分(例如谷粒)与农作物的不需要的部分(例如秸秆、谷壳或其它农作物残余物)分离。在一种实施方式中，收割机22包括联合收割机，该联合收割机使用脱粒机构和清粮机构使谷粒(例如玉米粒、小麦、燕麦等)与残余的农作物残余物53分离。脱粒机构可以包括逐稿器或脱粒转子。清粮机构可以包括谷筛或筛子，谷粒从谷筛或筛子中掉落，并且诸如秸秆和谷壳之类的农作物残余物从谷筛或筛子处被吹向后方以被排出和撒布。在一些实施方式中，收割机可以另外包括切碎器，该切碎器在农作物残余物被排出之前将农作物残余物切碎。
照相机24捕获由收割机22产生的农作物残余物53的图像。在一种实施方式中，照相机24在农作物已被收割机22排出并撒布之后捕获农作物的图像。在这种实施方式中，照相机24由卫星、无人机、耕作机械或不同于产生农作物残余物的收割机的其它平台来提供。在一些实施方式中，用于捕获从收割机中排出之前或排出之后的农作物残余物53的图像的照相机24由收割机22本身携带。在一种实施方式中，照相机22被支撑以便在农作物残余物从收割机中排出之前捕获农作物残余物的图像。例如，在一些实施方式中，照相机24可以被定位成在农作物残余物正被从筛子或谷筛吹向收割机后方的残余物撒布器时捕获农作物残余物的图像。在一些实施方式中，照相机24可以被定位成在农作物残余物正被从逐稿器或脱粒转子引向收割机后方的残余物撒布器时捕获农作物残余物的图像。在一些实施方式中，照相机24可以被定位成在农作物残余物已被切碎之后但在被切碎的农作物残余物被收割机后方的残余物撒布器撒布之前捕获农作物残余物的图像。在其它实施方式中，照相机24可以被定位成在农作物残余物已被排出之后捕获农作物残余物的图像。在一些实施方式中，可以利用多个照相机24来捕获农作物残余物的图像，而不只是处于上述阶段的一个照相机。
分析单元26包括处理单元，该处理单元遵循包含在非暂态计算机可读介质或非暂态机器可读介质上的指令。分析单元26从照相机24接收捕获到的图像55，并基于对图像的光学分析得出农作物残余物的农作物残余物(CR)参数的值57。可以得出其值57的农作物残余物参数包括但不限于：农作物尺寸、农作物残余物含水量、农作物残余物成分和农作物残余物分散度中的至少一个。在一种实施方式中，可以通过分析单元光学地识别各份农作物残余物并确定各份农作物残余物的值来得出农作物残余物参数值。例如，分析单元可以测量每份农作物残余物的长度，其中农作物残余物参数的值可以基于对具有相应多个长度的多份农作物残余物的计数。在一些实施方式中，农作物残余物参数的值可以包括农作物残余物参数类别，其中，分析单元包括神经网络，该神经网络通过将图像与具有指定类别的多个其它图像进行比较来得出农作物残余物参数的类别。
在一些实施方式中，分析单元26可以沿着所排出的横跨田地的一排农作物残余物的宽度和/或沿着所排出的横跨田地的一排农作物残余物的长度得出农作物残余物参数的不同值。这种信息可以链接到(通过地理参考系统(诸如基于GPS的地理参考系统)获取的)地理参考数据以形成可以用于调整后续田间作业的农作物残余物田地地图。例如，排出的一排农作物残余物的宽度的第一部分可以具有特定农作物残余物参数的第一得出值，而排出的一排农作物残余物的宽度的第二部分可以具有特定农作物残余物参数的不同于第一得出值的第二得出值。同样地，在第一地理参考位置处并且在第一时间点排出的一排农作物残余物的排部分或横向部分可以具有特定农作物残余物参数的第一得出值，而在第二地理参考位置(在第一地理参考位置的下游或靠下位置)处并且在较晚的第二时间点排出的一排农作物残余物的排部分或横向部分可以具有特定农作物残余物参数的第二得出值。通过沿着排出的一排农作物残余物的宽度得出不同地理参考的农作物残余物参数值，可以基于具有更高分辨率程度的信息来调整田间作业。通过在收割机在田地上来回行进时的不同时间点下、沿着一排农作物残余物的长度的不同部分得出不同地理参考的农作物残余物参数值，可以甚至在收割机在田地上移动时调整后续田间作业以适应变化的条件。
控制单元50包括处理单元，该处理单元遵循包含在非暂态机器可读介质上的指令。在一种实施方式中，控制单元50是除收割机22以外的另一农业机械的一部分，该另一农业机械执行后续田间作业59。在一种实施方式中，由控制器调整的后续田间作业59可以包括由除收割机22以外的其它农业机械对相同的地理参考区域进行的后续作业。例如，可以基于农作物残余物参数的值来调整耕作机械的后续耕作设置。可以基于不同地理参考位置或区域处的农作物残余物参数的值来调整后续的喷洒或种植作业。在一些实施方式中，具有控制单元50的农业机械的设置可以保持相同，但是可以由控制单元50基于农作物残余物参数的值来调整后续施用的材料的参数。例如，可以基于农作物残余物参数的值来调整种子、施用的除草剂、施用的杀虫剂、施用的肥料或施用的其它材料的类型、密度或其它特征。
在一些实施方式中，控制单元50可以是收割机22的一部分。控制单元50可以基于农作物残余物参数的值来调整收割机22本身在后续的收割季节、在相同的收割季节或在收割机在同一田地上同样地经过的期间的运行设置。例如，在已得出农作物残余物参数的值的几分钟或几小时后，同时收割机在同一田地上来回行进时，可以基于所得出的农作物残余物参数值来调整收割机22本身的运行设置。这种运行设置的示例包括但不限于：切碎器速度、切碎器功率、收割机速度、收割机进给速率、切碎器定刀位置、割台高度、撒布器速度、撒布器叶片位置、脱粒速度、清粮速度、脱粒间隙、以及筛子网窗位置。在一些实施方式中，可以向操作员显示所得出的不同的农作物残余物参数值，其中在收割期间，操作员可以对收割机本身做出附加的或替代的手动调整。
在其它实施方式中，控制单元50是向收割机22和/或其它农业机械提供控制信号的远程控制器。控制单元50利用得出的农作物残余物参数值来输出调整后续田间作业的控制信号。在一些实施方式中，作为收割机22的一部分或作为远程控制器的控制单元50利用由分析单元26输出的所得出的农作物残余物参数值来生成田地地图，该田地地图将不同的地理参考区域链接到不同的农作物残余物参数值。例如，收割机22可以携带地理参考装置，例如全球定位卫星收发器，其中，从分析单元26接收到的所得出的农作物残余物参数值被链接到由地理参考装置提供的田地的相关联的位置或区域。所生成的农作物残余物田地地图可以用作用于调整或控制对特定地理参考区域的后续田间作业的基础。
图2是用于使用农作物残余物参数值或农作物残余物信息来管理田间作业的示例性方法100的流程图。方法100是在由系统10执行的上下文中描述的。然而，应当理解，方法100同样可以通过所描述的任何其它实施方式来执行。
如框104所示，照相机24捕获由收割机22产生的农作物残余物53的图像。可以在收割机排出农作物残余物之前或之后的时间点处捕获图像。在一些实施方式中，照相机24可以在收割机内部以及在收割机外部的多个不同位置处捕获农作物残余物的图像。可以通过由收割机携带的照相机、通过机载照相机或通过由后续穿过田地的农业机械携带的照相机来捕获图像。
如框108所示，分析单元26基于对农作物残余物图像55的光学分析得出由收割机产生的农作物残余物的农作物残余物参数的值57。可以得出其值的农作物残余物参数包括但不限于：农作物尺寸、农作物残余物含水量、农作物残余物成分和农作物残余物分散度中的至少一个。在一种实施方式中，可以通过分析单元光学地识别各份农作物残余物并确定各份农作物残余物的值来得出农作物残余物参数值。例如，分析单元可以测量每份农作物残余物的长度，其中，农作物残余物参数的值可以基于对具有相应多个长度的多份农作物残余物的计数。在一些实施方式中，农作物残余物参数的值可以包括农作物残余物参数类别，其中，分析单元包括神经网络，该神经网络通过将图像与具有指定类别的多个其它图像进行比较来得出农作物残余物参数的类别。
在一种实施方式中，农作物残余物参数值包括数值统计，例如平均残余物/秸秆长度。在另一实施方式中，农作物残余物参数值包括农作物残余物的类别，诸如农作物残余物的类型、在图像中发现的不同类型的农作物残余物的百分比等。在另一实施方式中，农作物残余物参数值包括农作物残余物在农作物残余物的处理方面的分类，诸如正在被处理、已处理过等，其中“处理”是指农作物残余物在尺寸上被收割机改变或减小的程度。
在农作物残余物参数值包括数值统计的实施方式中，可以通过在测量各份农作物残余物的特征(例如各份农作物残余物的长度)时使用光学分析对各份农作物残余物、各份秸秆、各份谷壳等进行光学识别来得出参数值。可以通过对图像应用各种滤光器以区分各份农作物残余物，然后利用检测到的各份农作物残余物的边缘和被分析的图像的比例来测量各份农作物残余物来执行这种识别。可以通过对给定长度范围或其它尺寸范围的各份农作物残余物进行计数来生成统计值。可以输出统计值或者可以将统计值与阈值进行比较，其中基于统计值与阈值的比较来输出农作物残余物的类别。
在一些实施方式中，控制单元50可以包括神经网络。神经网络可以通过将图像与具有预先指定的类别值的多个其它图像进行比较来得出农作物残余物参数的类别。在一种实施方式中，可以在训练阶段期间产生预先指定的类别值。训练阶段可以只发生一次，或者可以响应于操作员的请求、响应于感测到的触发事件或在预定时间段之后或在行进预定田地面积之后重复进行。
在一种实施方式中，训练阶段可以包括接收具有地面真实类别标签的图像。例如，操作员可以亲自将类别标签分配给给定的农作物残余物的图像。然后，神经网络形成控制单元50可以光学地分析相同的农作物残余物的图像，并基于对图像的光学分析和地面真实类别标签来识别不同类别或标签的各种分类标准。
训练阶段还可以包括至少一个验证和调整阶段，其中，控制单元50接收也已被给予了地面真实类别标签的第二组图像。控制单元50然后可以应用所识别的分类标准以使用基于分析单元的类别标签来标记第二图像。可以将这些基于分析单元的类别标签与基于人的类别标签进行比较，以查看基于分析单元的类别标签与基于人的类别标签的对应程度。基于该比较，可以调整所识别出的分类标准。可以迭代地重复该过程，直到针对给定图像组的基于分析单元的类别标签充分匹配或对应于针对同一图像组的基于人的类别标签。
如框112所示，控制单元50可以基于农作物残余物参数的值来调整后续田间作业。在一种实施方式中，由控制单元50调整的或由控制单元50使用所生成的田地地图调整的后续田间作业可以包括由除收割机以外的其它农业机械对相同的地理参考区域执行的后续作业。例如，可以基于农作物残余物参数的值来调整耕作机械的后续耕作设置。可以基于不同地理参考位置或区域处的农作物残余物参数的值来调整后续的喷洒或种植作业。
在一些实施方式中，农业机械的设置可以保持相同，但是可以基于农作物残余物参数的值来调整后续施用的材料的参数。例如，可以基于农作物残余物参数的值来调整种子、施用的除草剂、施用的杀虫剂、施用的肥料或施用的其它材料的类型、密度或其它特征。
在其它实施方式中，可以基于农作物残余物参数的值来调整收割机本身在后续的收割季节、在相同的收割季节或在收割机在同一田地上来回行进的期间的运行设置。例如，在已得出农作物残余物参数的值的几分钟或几小时后，同时收割机在同一田地上来回行进时，可以基于所得出的农作物残余物参数值来调整收割机本身的运行设置。这种运行设置的示例包括但不限于：切碎器速度、切碎器功率、收割机速度、收割机进给速率、切碎器定刀位置、割台高度、撒布器速度、撒布器叶片位置、脱粒速度、清粮速度、脱粒间隙、鼓风机速度、筛子网窗位置。在一些实施方式中，可以向操作员显示所得出的不同的农作物残余物参数值，其中，在收割期间，操作员可以对收割机本身做出附加的或替代的手动调整。
图3是示出了可以执行方法100的示例性控制器150的框图。控制器150同时用作上述分析单元26和控制单元50。控制器150包括遵循包含在非暂态机器可读介质154中的指令的处理单元152。处理单元152包括执行在计算机/机器可读介质154中提供的指令的逻辑电路部件。
介质154包括用于存储数据和指令的物理存储设备，例如硬盘驱动器、闪存、服务类存储器等。介质154包含分析指令156和控制指令158。分析指令156执行以上针对分析单元26描述的功能。分析指令156引导处理单元152分析由照相机24捕获的图像，并得出图像中所描绘的农作物残余物的至少一个农作物残余物参数的值。控制指令158执行以上针对控制单元50描述的功能。控制指令158使用所得出的至少一个农作物残余物参数值来调整在捕获农作物残余物图像之后进行的田间作业。控制指令158可以引导处理单元162将所得出的至少一个农作物残余物参数的值与各阈值进行比较，其中该比较可以导致对收割机22的运行设置的调整，对除收割机22以外的穿过同一地理参考区域的其它农业机械的运行设置的调整，或对施加到田地的材料的类型或量的调整。在一些实施方式中，调整可以基于在根据农作物残余物参数值生成的田地地图中找到的所得出的农作物残余物参数值来进行。
图4是用于得出农作物残余物参数的值的示例性方法200的流程图。方法200可以由处理单元152遵循包含在介质154中的分析指令156来执行。应当理解，方法200同样可以由分析单元26或下文描述的分析单元或控制器中的任一个来执行。
如框204所示，处理单元152遵循分析指令156光学地识别各份农作物残余物。例如，处理单元162可以对图像55应用各种滤光器，或者以其它方式检测在图像中描绘的各份农作物残余物的边缘。
如框208所示，处理单元152可以遵循分析指令156使用所检测到的各份农作物残余物的边缘和被分析的图像的比例来测量各份农作物残余物。各份农作物残余物的测量值可以用于生成表征图像55中的农作物残余物的统计平均值或其它统计值。在一些实施方式中，可以将测量值与阈值进行比较，并且可以根据收割机22的处理、根据农作物残余物的类型或根据其它预定类别来对农作物残余物和图像进行分类。
图5是用于得出农作物残余物参数的值的示例性方法300的流程图。方法300可以由处理单元152遵循包含在介质154中的分析指令156来执行。应当理解，方法200同样可以由分析单元26或下文描述的分析单元或控制器中的任一个来执行。
方法300包括训练和验证阶段302以及使用阶段304。在训练阶段中，识别(或调整)一组标准以在使用阶段304中使用。在使用阶段304中，使用该标准来分析由照相机24(如上所述)捕获的农作物残余物的图像以得出特定图像的值。多个图像的不同值可以被整合并用于调整或控制后续田间作业。
如框308所示，控制器150接收农作物残余物(CR)的第一图像，该第一图像已被设置有地面真实类别标签，例如地面真实机构标签或基于人的类别标签。“地面真实”标签是指通过直接观测或经验证据而赋予的标签，而不是基于推断而赋予的标签。“基于人”是指直接基于人的视觉检测为图像分配类别或标签。例如，操作员可以亲自将类别标签分配给给定的农作物残余物的图像。地面真实标签还可以包括根据直接的视觉检测得出的标签。例如，可以将强化学习算法和卷积神经网络添加到提供地面真实标签的训练集。如框312所示，神经网络形成控制单元50然后可以光学地分析相同的农作物残余物的图像，并基于对图像的光学分析和地面真实类别标签来识别不同类别或标签的各种分类标准。
训练阶段还可以包括至少一个验证和调整阶段。如框316所示，控制单元50接收第二组图像，该第二组图像也已被给予了地面真实类别标签。控制单元50然后可以应用所识别出的分类标准以使用基于分析单元的类别标签来标记第二图像。如框320所示，可以将该基于分析单元的类别标签与基于人的类别标签进行比较，以确定基于分析单元的类别标签与基于人的类别标签的对应程度。如框324所示，基于该比较，控制器150自动地调整所识别出的分类标准。可以迭代地重复在框308至框324中描述的该过程，直到针对给定图像组的基于分析单元的类别标签充分匹配或对应于针对同一图像组的基于人的类别标签。
如框328所示，在至少一个训练阶段302之后，控制器在收割机在收割期间在田地上来回行进时接收由照相机24捕获的农作物残余物的另外的图像。如框332所示，控制器150可以将识别出的第三图像的特征与识别出的分类标准进行比较，以向第三图像的农作物残余物分配类别。所分配的类型可以呈现给操作员，或者可以用于触发对后续田间作业的调整。
图6是示例性农作物残余物监测系统410的示意图。系统410包括联合收割机422、照相机424-1、424-2、424-3、424-4和424-5(统称为照相机424)以及控制器450。联合收割机422包括具有轮式结构的主机架412，该轮式结构包括前地面接合轮414和后地面接合轮415，该前地面接合轮414和后地面接合轮415支撑主机架在待收割的农作物的田地上向前运动。前轮414由电子控制的液压传动装置驱动。
竖直可调节的割台或收割平台416用于收割农作物并将农作物引导至喂入室418。喂入室418能够枢转地连接到机架412，并且包括用于将被收割的农作物输送到逐稿轮419的输送机。逐稿轮419将农作物向上引导穿过入口过渡部分422到达转动式脱粒组件423。在其它实施方式中，可以使用其它定向或其它类型的清粮结构以及其它类型的割台416，例如支撑各成排单元的横向机架。
转动式脱粒组件224对被收割的农作物材料进行脱粒并分离被收割的农作物材料。谷粒和农作物残余物(例如谷壳)穿过转动式脱粒组件423底部上的凹板425和分离栅条423落入到清粮和分离系统426，并通过谷筛和/或筛子428以及风扇或鼓风机429进行清粮。鼓风机429将筛子228上方的较轻的农作物残余物吹向后方以用于排出。谷粒穿过筛子428提供的网窗之间的开口。净谷粒被引导至升降机433。净谷粒升降机433将谷粒输送到箱442。箱442中的净谷粒可以通过卸载螺旋运送机被卸载到谷粒搬运车或卡车中。残穗掉入到回送升降机或回送螺旋运送机431中，并被输送到转子437，在转子437处残穗进行第二次脱粒。
脱粒后并被分离的秸秆从转动式脱粒组件423中通过出口432排出到排出逐稿轮434。在一种实施方式中，排出逐稿轮434又将秸秆推进至转动式切碎器444，该转动式切碎器444在将秸秆和其它残余物引导至撒布器446之前将秸秆和其它残余物切碎。在秸秆被切碎器444切碎的一些实施方式中，可以省略排出逐稿轮434，或者可以使用其它机构来将秸秆引导至转动式切碎器444。在其它实施方式中，排出逐稿轮434可以将秸秆引导至撒布器446上方的排出口，其中，在秸秆被撒布器446从联合收割机422的后部排出之前，秸秆未被切碎。联合收割机的操作由驾驶室435控制。
在所示的示例中，转动式脱粒组件423包括圆柱形转子壳体436和位于壳体436内部的转子437。转子壳体和转子的前部限定了横向进给部分438。在横向进给部分438的下游是清粮部分439、清粮部分440和排出部分441。横向进给部分438中的转子437设置有锥形转子滚筒，该锥形转子滚筒具有螺旋横向进给元件，该螺旋横向进给元件用于接合从逐稿轮419和入口过渡部分422接收的被收割的农作物材料。
在清粮部分439中，转子437包括圆柱形转子滚筒，该圆柱形转子滚筒具有多个清粮元件(有时被称为纹杆(rasping bar))，该多个清粮元件用于对从横向进给部分438接收的被收割的农作物材料进行清粮。在清粮部分439的下游是清粮部分440，在清粮部分440中，被困在脱粒后的农作物材料中的谷粒被释放并掉入到谷筛/筛子428中。
照相机424包括光学成像设备，该光学成像设备在从收割机422中排出农作物残余物之前和之后的各个阶段或时间处捕获农作物残余物(农作物的秸秆、谷壳和其它非目标部分或被收割的杂草的一部分)的图像。照相机424-1捕获在撒布器446的上游处在出口432和切碎器444之间移动的农作物残余物的图像。在一种实施方式中，照相机424-1由机架412支撑，以便聚焦在收割机422内的位于逐稿轮434和切碎器444之间的区域上。
照相机424-2由机架412支撑，以便聚焦在收割机422的内部区域上，以捕获从谷筛/筛子428被吹向切碎器444和被吹向撒布器446的农作物残余物的图像。
照相机424-3由机架412支撑，以便聚焦在收割机422的位于切碎器444和撒布器446之间的内部区域上。照相机424-3在农作物残余物被切碎器444切碎之后并在被撒布器446排出和撒布之前捕获农作物残余物的图像。图7是示出了照相机424-3的定位的一个具体示例的放大图。如图7所示，照相机424-3可以在偏转器447的下游处支撑在切碎器444和撒布器446之间。偏转器447包括斜面或其它结构，该斜面或其它结构引导农作物残余物在照相机424-3的上方流动，从而减少了对照相机的直接冲击，并保护照相机424-3免于由农作物残余物CR的流动而造成的可能的照相机损坏。图8示出了可替代的实施方式，在该可替代的实施方式中，照相机424-3定位在透明的可去除和可更换的保护板448的下方。来自照相机424-3的图像可以指示裂缝或对照相机424-3的其它损坏，从而提供更换板448的提示。板448保护照相机424-3免受农作物残余物CR在被引导至撒布器446时的流动的影响。
照相机424-4在收割机422的后部安装到机架412。照相机424-4被支撑为聚焦在已被排出到地面上的农作物残余物CR上。除了提供描绘农作物残余物42的成分的图像之外，照相机424-4还提供可以用于确定农作物残余物在地面上撒布的特征的图像。在所示的示例中，当收割机422在田地上来回行进时，农作物残余物53从收割机422被撒布器446撒布成排。如以下将描述的，控制器450可以使用由照相机424-4产生的图像来识别成排的农作物残余物的不同横向部分的密度，以及识别成排的农作物残余物的多个横向部分(例如横向部分453-1、453-2和453-3)中的每一个的农作物残余物参数的不同成分和不同值。
除了照相机424-5是机载传感器455的一部分以外，照相机424-5与照相机424-4类似。机载传感器455可以呈卫星、无人机、飞机或其它空中载具或平台的形式。当收割机422在田地上行进时，机载传感器455可以在农作物残余物53已跟随收割机422的路径被排出或撒布在地面上之后捕获该农作物残余物53的图像。
控制器450可以呈上述控制器150的形式。在一种实施方式中，控制器450是收割机422的一部分。在另一实施方式中，控制器450是远程控制器，该远程控制器利用由收割机422携带的收发器451(T)以无线的方式与收割机422的机载控制器通信。
控制器450执行图像分析和控制操作。控制器450从照相机424中的每一个接收表示在不同位置处捕获的农作物残余物的图像的信号。分析单元得出农作物残余物的不同农作物残余物参数的值。在一种实施方式中，控制器450可以依照上述方法200来分析所捕获的图像。在另一种实施方式中，控制器450可以依照上述方法300来分析所捕获的图像。
控制器450还使用所得出的值来向操作员呈现关于农作物残余物的信息。控制器450向驾驶室435内的或远程操作员控制站处的显示器460输出控制信号。控制器450可以呈现所得出的农作物残余物的至少一个参数的统计值。例如，控制器450可以呈现关于参数的数据，所述参数诸如农作物残余物含水量、平均农作物残余物长度、存在于农作物残余物中的不同农作物残余物类型的百分比。在一些实施方式中，控制器450可以呈现分别在不同位置或阶段处得出的值。例如，控制器450可以在显示器460上呈现从照相机424-1捕获的图像中得出的不同的农作物残余物参数的第一组值，呈现从照相机424-2捕获的图像中得出的不同的农作物残余物参数的第二组值，呈现从照相机424-3捕获的图像中得出的不同的农作物残余物参数的第三组值，呈现从照相机424-4捕获的图像中得出的农作物残余物参数的第四组值，呈现从照相机424-5捕获的图像中得出的不同的农作物残余物参数的第五组值。呈现给操作员的不同值可以指示农作物残余物在穿过收割机422并从收割机422中排出时在不同位置处的状态。这种信息可以用于评估收割机422的各个部件的性能。
在一些实施方式中，与农作物残余物相关联的不同参数的值可以从来自多个照相机424的图像中得出的值的集合中得出。换句话说，可以使用来自所有照相机424或一个以上的照相机424的图像来生成值。在这种实施方式中，控制器450可以从操作员接收输入，该输入指示哪个照相机424要提供用于得出农作物残余物参数值的图像。在一种实施方式中，控制器450还可以接收来自操作员的输入，该输入给每个照相机分配预定权重，即从每个照相机得出的值对特定农作物残余物参数的总体值的贡献程度。例如，对于第一参数而言，分配给不同照相机的预定权重可能导致来自照相机424-3的各个值相比于来自不同照相机(例如照相机424-2)的各个值对第一参数的总体值的影响或作用更大。
如图6进一步所示，可以针对从收割机422中排出的整排农作物残余物的各个横向部分确定不同参数的不同值。这些不同的值可以呈现在显示器460上。在所示的示例中，控制器450输出信号以使显示器462呈现具有第一条形461-1、第二条形461-2和第三条形461-3的图，该第一条形461-1显示针对排出的成排农作物残余物的横向部分453-1得出的农作物残余物参数的值，该第二条形461-2显示针对排出的成排农作物残余物的横向部分453-2得出的农作物残余物参数的值，该第三条形461-3显示针对排出的成排农作物残余物的横向部分453-3得出的农作物残余物参数的值。这些值可以表示从照相机424-4和/或424-5捕获的图像中得出的每个不同横向部分的密度或质量。这些值还可以标识不同横向部分453的秸秆/残余物的含水量、切碎程度或长度。由示例性条形图表示的不同参数可以由适当的图例462来反映。
除了显示或呈现来自每个照相机的农作物残余物的各参数值以及从来自多个照相机424的值的集合中得出的类别、得分或其它值之外，控制器450还可以将这些值与各阈值进行比较以触发对收割机422的运行设置的调整。当收割机422在田地上行进时，这种调整可以实时动态地发生。在一种实施方式中，基于所述值与各预定阈值的比较，控制器450可以向致动器470(例如液压或电动马达)输出控制信号，以调节切碎器444的速度或切碎器444的功率。基于这种比较，控制器450可以另外地或可替代地向致动器472(例如液压缸或螺线管)输出控制信号，以如箭头473所示地调节切碎器定刀445的位置，其中，该定刀445的定位影响残余物被切碎器444切碎的程度。基于这种比较，控制器450可以另外地或可替代地向致动器474(例如液压或电动马达)输出控制信号，以调节撒布器446的速度或撒布器446的叶片的位置。基于这种比较，控制器450可以另外地或可替代地向致动器476输出控制信号以调节割台高度，可以向致动器478或致动器480输出控制信号以调节脱粒速度、分离速度、脱粒间隙或筛子网窗位置。基于这种比较，控制器450可以另外地或可替代地输出控制信号，以调节在田地上行进的收割机422的速度或通过各种螺旋运送机、输送器和收割机422的部件使农作物被喂入并穿过收割机422的速率。
如图6进一步所示，在一些实施方式中，控制器450可以利用得出的不同农作物残余物参数的值来生成农作物残余物田地地图490，该田地地图490可以被存储以供后续使用。田地地图490可以在后续的收割作业期间使用，或者用于由除收割机422以外的农业机械或设备执行的其它田间作业。例如，田地地图490可以用于调整施用除草剂、杀虫剂或肥料的耕作设备或施用器的运行设置。田地地图可以用于在种植机在田地上来回行进时调整种植机的运行设置。
控制器450可以基于地理参考信号生成田地地图490，该地理参考信号指示收割机422在田地上来回行进时的位置。在一种实施方式中，控制器450可以从全球定位卫星或系统接收信号，该信号指示收割机422在田地上来回行进时的收割机422的特定位置。该地理参考数据可以链接到所得出的不同农作物残余物参数的相关联的值。如图6所示，所产生的农作物残余物地图490可以表示一系列的农作物残余物的排492，每一排492具有特定的地理参考位置，并与从图像中得出的特定的农作物残余物参数值相关联，该图像在收割机422在特定的地理参考位置处处理或排出农作物残余物时被捕获。
如图6进一步所示，每个地理参考排492和地图490可以具有小于排492的宽度的横向分辨率。在所示的示例中，地图490中的每一排492可以描绘针对各个不同横向区域或部分453的各农作物残余物参数的不同值。当收割机422在田地上行进时，所述值可以沿着每一排492的长度变化。在所示的示例中，横向部分453-1在田地地图490中被描绘为具有特定农作物残余物参数的第一值或第一类494-1，横向部分453-2在田地地图490中被描绘为具有特定农作物残余物参数的不同的第二值494-2，并且横向部分453-3在田地地图490中被描绘为具有特定农作物残余物参数的不同的第三值494-3。这些值494沿着排492的长度变化。例如，对于区域453-1而言，特定农作物残余物参数的值在地理参考位置495处从值494-1变为值494-4。
不同地理参考位置处的农作物残余物参数的不同值可以用于调整后续田间作业。例如，基于包含在田地地图490中的数据，耕作机具可以在田地中的第一地理参考位置处以第一运行设置运行，并且可以基于农作物残余物参数的值的变化切换为在针对田地中的第二地理参考位置的不同的第二运行设置下运行。种植机可以基于第一地理参考位置处和第二地理参考位置处的农作物残余物参数值之间的差异，在田地中的第一地理参考位置处以第一深度种植种子，而在田地中的第二地理参考位置处以不同的第二深度种植种子。喷洒器或其它材料施用器可以基于第一地理参考位置处和第二地理参考位置处的农作物残余物参数值之间的差异，在田地中的第一地理参考位置处以第一速率施用除草剂、杀虫剂和/或肥料，而在田地中的第二地理参考位置处以不同的第二速率施用除草剂、杀虫剂和/或肥料。基于第一地理参考位置处和第二地理参考位置处的农作物残余物参数值之间的差异，可以在田地中的第一地理参考位置处施用与在田地中的第二地理参考位置处不同的除草剂、杀虫剂和/或肥料。
尽管已经参照示例性实施方式描述了本公开，但是本领域技术人员应认识到，在不脱离所要求保护的主题的精神和范围的情况下可以在形式和细节上做出改变。例如，尽管可能已将不同的示例性实施方式描述为包括提供了一个或多个益处的特征，但是可以预期的是，在所描述的示例性实施方式或其它可替代的实施方式中，所描述的特征可以彼此互换或可替代地彼此结合。因为本公开的技术是相对复杂的，所以并非在技术上的所有变化都是可预知的。参照示例性实施方式描述的并在所附权利要求中阐述的本公开显然旨在是尽可能广泛的。例如，除非另外明确指出，否则在权利要求中引用单个特定元素也包括多个这样的特定元素。权利要求中的术语“第一”、“第二”，“第三”等仅用于区分不同的元素，并且除非另有说明，否则不旨在具体地与本公开中的元素的特定顺序或特定编号相关联。

Claims (20)

1.一种农作物残余物监测系统，包括：
收割机；
照相机，所述照相机用于捕获由所述收割机产生的农作物残余物的图像；
分析单元，所述分析单元用于基于对所述图像的光学分析来得出所述农作物残余物的农作物残余物参数的值；以及
控制器，所述控制器用于基于所述农作物残余物参数的值来调整后续田间作业。
2.根据权利要求1所述的系统，其中，所述照相机由所述收割机携带。
3.根据权利要求1所述的系统，其中，由所述控制器调整所述后续田间作业包括：调整所述收割机的运行参数。
4.根据权利要求1所述的系统，还包括非暂态机器可读介质，所述非暂态机器可读介质存储包括所述农作物残余物参数的农作物残余物参数田地地图，其中，对所述后续田间作业的调整包括：基于所述农作物残余物参数田地地图调整与所述收割机不同的农业机械的运行设置。
5.根据权利要求1所述的系统，还包括非暂态机器可读介质，所述非暂态机器可读介质存储包括所述农作物残余物参数的农作物残余物参数田地地图，其中，对所述后续田间作业的调整包括：基于所述农作物残余物参数田地地图调整后续施用的材料的参数。
6.根据权利要求1所述的系统，其中，所述收割机用于将所述农作物残余物排出为具有一定宽度的排，并且其中，得出所述排的所述宽度的第一部分的所述农作物残余物参数，并且其中，所述分析单元还用于得出所述排的所述宽度的第二部分的所述农作物残余物参数的第二值。
7.根据权利要求6所述的系统，其中，所述控制器用于沿着所述排的长度显示所述农作物残余物参数的值和所述农作物残余物参数的第二值。
8.根据权利要求6所述的系统，其中，所述分析单元用于将所述农作物残余物参数的值和所述农作物残余物参数的第二值与至少一个阈值进行比较，并且基于所述比较将所述排的所述第一部分分类为第一类，并且基于所述比较将所述排的所述第二部分分类为不同于所述第一类的第二类。
9.根据权利要求6所述的系统，其中，所述后续田间作业针对与所述排的所述第一部分相对应的第一地理区域具有第一特征，并且针对与所述排的所述第二部分相对应的第二地理区域具有与所述第一特征不同的第二特征。
10.根据权利要求1所述的系统，其中，所述分析单元用于通过以下操作得出所述农作物残余物参数：
光学地识别各份农作物残余物；以及
测量每份农作物残余物的长度，其中所述农作物残余物参数的值基于对具有相应多个长度的多份农作物残余物的计数。
11.根据权利要求1所述的系统，其中，所述农作物残余物参数的值包括农作物残余物参数类别，其中所述分析单元包括神经网络，其中所述神经网络通过将所述图像与具有指定类别的多个其它图像进行比较来得出所述农作物残余物参数的类别。
12.根据权利要求1所述的系统，其中，所述农作物残余物参数的值包括农作物残余物参数类别，其中所述分析单元包括神经网络，并且其中所述神经网络通过以下操作来得出所述农作物残余物参数的类别：
接收农作物残余物(CR)的具有地面真实类别标签的第一图像；
基于对所述第一图像的光学分析以及所述第一图像的地面真实类别标签来识别不同的地面真实类别标签的分类标准；
接收农作物残余物(CR)的具有地面真实类别标签的第二图像；
应用识别出的所述分类标准以使用基于分析单元的类别标签来标记所述第二图像；
将所述第二图像的地面真实类别标签与所述第二图像的基于分析单元的类别标签进行比较；以及
基于所述比较来调整识别出的所述分类标准。
13.根据权利要求1所述的系统，其中，所述农作物残余物参数包括选自以下一组参数的参数：所述一组参数包括被切碎的农作物残余物的尺寸、农作物残余物含水量、农作物残余物的成分以及农作物残余物分散度。
14.根据权利要求1所述的系统，其中，所述控制器调整所述后续田间作业包括：在排出农作物残余物之后调整所述收割机的运行参数，所述运行参数选自以下一组运行参数：所述一组运行参数包括切碎器速度、切碎器功率、收割机速度、收割机进给速率、切碎器定刀位置、割台高度、撒布器速度、撒布器叶片位置、脱粒速度、清粮速度、脱粒间隙以及分离器排出叶片位置。
15.一种方法，包括：
捕获由收割机产生的农作物残余物的图像；
基于对所述图像的光学分析得出由所述收割机排出的所述农作物残余物的农作物残余物参数的值；以及
基于所述农作物残余物参数的值来调整后续田间作业。
16.根据权利要求15所述的方法，其中，调整所述后续田间作业包括：调整所述收割机的运行参数。
17.根据权利要求15所述的方法，其中，调整所述后续田间作业包括：调整除所述收割机之外的农业机械的运行参数。
18.根据权利要求15所述的方法，其中，调整所述后续田间作业包括：调整施用的材料的参数。
19.一种非暂态机器可读介质，所述非暂态机器可读介质包含用于引导处理单元的指令以：
捕获由收割机产生的农作物残余物的图像；
基于对所述图像的光学分析来得出所述农作物残余物的农作物残余物参数的值；以及
基于得出的所述值生成农作物残余物田地地图，所述农作物残余物田地地图用于在后续执行的田间作业中使用。
20.根据权利要求19所述的非暂态机器可读介质，其中，所述指令还用于引导所述处理单元基于得出的所述农作物残余物参数的值来调整所述收割机的运行设置。
CN202010695428.8A 2019-07-19 2020-07-17 基于农作物残余物的田间作业调整 Pending CN112237087A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/517,482 US11510364B2 (en) 2019-07-19 2019-07-19 Crop residue based field operation adjustment
US16/517,482 2019-07-19

Publications (1)

Publication Number Publication Date
CN112237087A true CN112237087A (zh) 2021-01-19

Family

ID=74093356

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010695428.8A Pending CN112237087A (zh) 2019-07-19 2020-07-17 基于农作物残余物的田间作业调整

Country Status (4)

Country Link
US (2) US11510364B2 (zh)
CN (1) CN112237087A (zh)
BR (1) BR102020013373A2 (zh)
DE (1) DE102020118160A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12089519B2 (en) 2022-09-07 2024-09-17 Cnh Industrial America Llc System and method for controlling the operation of an agricultural implement

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3714674B1 (en) * 2019-03-28 2023-09-06 CNH Industrial Belgium NV Straw walker load monitoring
US11632895B2 (en) * 2019-05-02 2023-04-25 Deere & Company Residue monitoring and residue-based control
US11510364B2 (en) * 2019-07-19 2022-11-29 Deere & Company Crop residue based field operation adjustment
US11937527B2 (en) * 2019-07-31 2024-03-26 Cnh Industrial America Llc System and method for determining residue coverage within a field following a harvesting operation
US11758847B2 (en) 2019-09-19 2023-09-19 Deere & Company Residue quality assessment and performance system for a harvester
US11684011B2 (en) * 2020-04-29 2023-06-27 Deere & Company Automatic fill control based on visual identification of grain receiving vehicles
US11748984B2 (en) * 2020-05-05 2023-09-05 Planttagg, Inc. System and method for horticulture viability prediction and display
US11684016B2 (en) 2020-10-29 2023-06-27 Deere & Company Chopper with movable outlet floor ramp
GB202107132D0 (en) * 2021-05-19 2021-06-30 Agco Int Gmbh Residue spread monitoring
GB202107125D0 (en) * 2021-05-19 2021-06-30 Agco Int Gmbh Residue spread monitoring
GB2606740A (en) * 2021-05-19 2022-11-23 Agco Int Gmbh Residue monitoring
GB2606741A (en) * 2021-05-19 2022-11-23 Agco Int Gmbh Residue spread monitoring
EP4101285A1 (en) * 2021-06-09 2022-12-14 CNH Industrial Belgium N.V. Threshing control system
EP4101284A1 (en) * 2021-06-09 2022-12-14 CNH Industrial Belgium N.V. Combine harvester with tilted crop material sensor arrangement
DE102021133626A1 (de) 2021-12-17 2023-06-22 Deere & Company Anordnung und Verfahren zur optischen Beurteilung von Erntegut in einer Erntemaschine
EP4212003A1 (en) * 2022-01-14 2023-07-19 CNH Industrial Belgium N.V. Agricultural residue depositing apparatus and method
WO2023180822A1 (en) 2022-03-21 2023-09-28 Agco Corporation Predicting a capacity for a combine harvester
WO2023180823A1 (en) 2022-03-21 2023-09-28 Agco Corporation Predicting a difficulty of cutting crop to be harvested and/or separating harvested crop
DE102022110185A1 (de) 2022-04-27 2023-11-02 Deere & Company Verfahren und Anordnung zur Messung einer kornspezifischen Größe an einer Erntemaschine
DE102022118968A1 (de) * 2022-07-28 2024-02-08 Claas Selbstfahrende Erntemaschinen Gmbh Ernteguteigenschaftserfassung mittels einer RGB-Kameravorrichtung
EP4364547A1 (en) * 2022-11-03 2024-05-08 Agco Corporation Geographically-linked farming images and the generation thereof
US20240203024A1 (en) * 2022-12-19 2024-06-20 Trimble Inc. Tracking modified ground coverage at a site

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2149530C1 (ru) * 1997-11-12 2000-05-27 Государственное научное учреждение Всероссийский научно-исследовательский институт систем орошения и сельхозводоснабжения "Радуга" Способ мостового орошаемого земледелия с минимальной обработкой почвы и агромост для его осуществления
CN105875030A (zh) * 2014-05-16 2016-08-24 迪尔公司 多传感器作物产量确定
EP3172959A1 (en) * 2015-11-27 2017-05-31 CNH Industrial Belgium nv Chopper and spreader for an agricultural harvester
CN107886077A (zh) * 2017-11-17 2018-04-06 苏州健雄职业技术学院 一种基于微信公众号的农作物虫害识别方法及其系统
CN107886123A (zh) * 2017-11-08 2018-04-06 电子科技大学 一种基于辅助判决更新学习的合成孔径雷达目标识别方法
US20180310474A1 (en) * 2017-05-01 2018-11-01 Cnh Industrial America Llc System and method for monitoring residue output from a harvester
US20210015039A1 (en) * 2019-07-19 2021-01-21 Deere And Company Crop residue based field operation adjustment

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6199000B1 (en) 1998-07-15 2001-03-06 Trimble Navigation Limited Methods and apparatus for precision agriculture operations utilizing real time kinematic global positioning system systems
US6591145B1 (en) 2000-09-21 2003-07-08 Bechtel Bwxt Idaho, Llc Systems and methods for autonomously controlling agricultural machinery
DE10342922A1 (de) 2003-09-15 2005-05-19 Claas Selbstfahrende Erntemaschinen Gmbh Häcksel- und Verteilvorrichtung
DE602008005839D1 (zh) * 2008-01-29 2011-05-12 Deere & Co
DE102010051068A1 (de) * 2010-11-12 2012-05-16 Claas Selbstfahrende Erntemaschinen Gmbh Landwirtschaftliche Erntemaschine
US20150348419A1 (en) 2012-12-28 2015-12-03 Agco Corporation Method of assigning planned paths to multiple machines to cooperatively cover area
US9568438B1 (en) * 2013-03-01 2017-02-14 The United States Of America, As Represented By The Secretary Of Agriculture Single-camera angled conveyance imaging method and apparatus for whole-surface inspection of rotating objects
DE102014204603B3 (de) 2014-03-12 2015-07-30 Deere & Company Verfahren zur selbsttätigen Einstellung von Dreschparametern eines Mähdreschers während der Ernte unter Verwendunq einer Anordnung zur Erkennung von Strohqualität
DE102014113965A1 (de) * 2014-09-26 2016-03-31 Claas Selbstfahrende Erntemaschinen Gmbh Mähdrescher mit Fahrerassistenzsystem
BE1023243B1 (nl) 2015-11-24 2017-01-06 Cnh Industrial Belgium Nv Controlesysteem voor een oogstmachine en oogstmachine
DE102017108761A1 (de) * 2017-04-25 2018-10-25 Claas Selbstfahrende Erntemaschinen Gmbh Mähdrescher
US10262206B2 (en) 2017-05-16 2019-04-16 Cnh Industrial America Llc Vision-based system for acquiring crop residue data and related calibration methods
KR102589076B1 (ko) 2017-06-23 2023-10-16 가부시끼 가이샤 구보다 수확기
US10748042B2 (en) * 2018-06-22 2020-08-18 Cnh Industrial Canada, Ltd. Measuring crop residue from imagery using a machine-learned convolutional neural network
BR102019017404B1 (pt) * 2018-08-22 2023-03-21 Wisconsin Alumni Research Foundation Sistema de gerenciamento de resíduo para uma colheitadeira agrícola, método de gestão de resíduo de colheita para uma colheitadeira agrícola e colheitadeira agrícola

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2149530C1 (ru) * 1997-11-12 2000-05-27 Государственное научное учреждение Всероссийский научно-исследовательский институт систем орошения и сельхозводоснабжения "Радуга" Способ мостового орошаемого земледелия с минимальной обработкой почвы и агромост для его осуществления
CN105875030A (zh) * 2014-05-16 2016-08-24 迪尔公司 多传感器作物产量确定
EP3172959A1 (en) * 2015-11-27 2017-05-31 CNH Industrial Belgium nv Chopper and spreader for an agricultural harvester
US20180310474A1 (en) * 2017-05-01 2018-11-01 Cnh Industrial America Llc System and method for monitoring residue output from a harvester
CN107886123A (zh) * 2017-11-08 2018-04-06 电子科技大学 一种基于辅助判决更新学习的合成孔径雷达目标识别方法
CN107886077A (zh) * 2017-11-17 2018-04-06 苏州健雄职业技术学院 一种基于微信公众号的农作物虫害识别方法及其系统
US20210015039A1 (en) * 2019-07-19 2021-01-21 Deere And Company Crop residue based field operation adjustment

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12089519B2 (en) 2022-09-07 2024-09-17 Cnh Industrial America Llc System and method for controlling the operation of an agricultural implement

Also Published As

Publication number Publication date
US20210015039A1 (en) 2021-01-21
US20230017658A1 (en) 2023-01-19
US11510364B2 (en) 2022-11-29
BR102020013373A2 (pt) 2021-02-02
DE102020118160A1 (de) 2021-01-21

Similar Documents

Publication Publication Date Title
CN112237087A (zh) 基于农作物残余物的田间作业调整
US11206763B2 (en) Weed seed based harvester working member control
US10664726B2 (en) Grain quality monitoring
US10986778B2 (en) Weed seed devitalizer control
US10660268B2 (en) Harvester with electromagnetic plane crop material flow sensor
US20050150202A1 (en) Apparatus and method for monitoring and controlling an agricultural harvesting machine to enhance the economic harvesting performance thereof
EP3498074A1 (en) An harvest analysis system intended for use in a machine
US6119442A (en) Combine setting autoadjust with machine vision
US8086378B2 (en) Method for monitoring the quality of crop material
US10455763B2 (en) Harvest analysis system intended for use in a machine
US12035657B2 (en) Residue quality assessment and performance system for a harvester
US20210015045A1 (en) Federated harvester control
CN112970033A (zh) 用于对收获根茎作物的机器的运行进行调节的方法
US20150080069A1 (en) Arrangement for Loss Measurement in a Combine Harvester
US20220375228A1 (en) Residue Spread Monitoring
US20230012175A1 (en) Threshing Status Management System, Method, and Program, and Recording Medium for Threshing State Management Program, Harvester Management System, Harvester, Harvester Management Method and Program, and Recording Medium for Harvester Management Program, Work Vehicle, Work Vehicle Management Method, System, and Program, and Recording Medium for Work Vehicle Management Program, Management System, Method, and Program, and Recording Medium for Management Program
GB2606741A (en) Residue spread monitoring
US20230225247A1 (en) Residue collector
JP7321087B2 (ja) 収穫機管理システム、収穫機、及び収穫機管理方法
JP7423440B2 (ja) 収穫機
JP7321088B2 (ja) 作業車
BR102019007883B1 (pt) Máquina de trabalho, sistema para plantar uma planta de cobertura durante uma operação de colheita, método para ativamente gerenciar e distribuir uma semente de planta de cobertura
CN116234432A (zh) 收获机
EA042191B1 (ru) Способ регулировки работы машины для уборки корнеклубнеплодов

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