CN113412498A - 自动移动田地勘察传感器数据和图像分类设备 - Google Patents

自动移动田地勘察传感器数据和图像分类设备 Download PDF

Info

Publication number
CN113412498A
CN113412498A CN202080013662.6A CN202080013662A CN113412498A CN 113412498 A CN113412498 A CN 113412498A CN 202080013662 A CN202080013662 A CN 202080013662A CN 113412498 A CN113412498 A CN 113412498A
Authority
CN
China
Prior art keywords
survey
mobile
data
field
survey data
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
CN202080013662.6A
Other languages
English (en)
Inventor
M·坦普尔
M·P·席科拉
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.)
BASF Agro Trademarks GmbH
Original Assignee
BASF Agro Trademarks GmbH
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 BASF Agro Trademarks GmbH filed Critical BASF Agro Trademarks GmbH
Publication of CN113412498A publication Critical patent/CN113412498A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Forestry; Mining
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098Plants or trees
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/188Vegetation
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B64AIRCRAFT; AVIATION; COSMONAUTICS
    • B64CAEROPLANES; HELICOPTERS
    • B64C39/00Aircraft not otherwise provided for
    • B64C39/02Aircraft not otherwise provided for characterised by special use
    • B64C39/024Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B64AIRCRAFT; AVIATION; COSMONAUTICS
    • B64UUNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00UAVs specially adapted for particular uses or applications
    • B64U2101/30UAVs specially adapted for particular uses or applications for imaging, photography or videography

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Multimedia (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Primary Health Care (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Economics (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Wood Science & Technology (AREA)
  • Botany (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

为了提供更有效的田地勘察管理,提供了一种用于田地勘察管理的方法。方法包括使用具有显示器的移动勘察管理设备来规划种植田地中的勘察行程,沿着所规划的勘察行程收集勘察数据,将所收集的勘察数据提供给适于携带到种植田地中的移动决策支持设备,使用移动决策支持设备分析勘察数据以提供勘察报告,该勘察报告包括田地性能图、杂草图、所有已识别种类的列表、和/或重新勘察的建议,将移动决策支持设备连接到移动勘察管理设备,在移动勘察管理设备的显示器上显示勘察行程的勘察报告。

Description

自动移动田地勘察传感器数据和图像分类设备
技术领域
本发明通常涉及田地勘察(scouting),更具体地,涉及用于田地勘察管理的方法、涉及移动决策支持设备、涉及移动勘察管理设备,以及涉及用于田地勘察管理的系统。
背景技术
如果采用传感器载体(例如,无人机)来收集田地数据,则田地勘察可以变得更加客观。分析数据可以通过图像分类来自动化,但通常需要大量计算能力,并且在普通移动消费硬件上需要运行很长时间。尽管也可以通过互联网连接将勘察数据传输到远程计算系统用于云计算,但是对于大的田地规模(例如,600至1000公顷),数据传输可能是耗时的,这可能会生成数个太字节(例如,20TB或更大)的数据。此外,农村地区可能无法进行数据传输的互联网访问。这可能为考察(review)分类质量的结果或进行附加/后续勘察活动以收集更多信息提供了巨大挑战。
发明内容
可能需要提供一种用于更有效的田地勘察管理的方法和设备。
本发明的目的由独立权利要求的主题解决。本发明的进一步实施例和优点包含在从属权利要求中。所描述的实施例类似地涉及用于田地勘察管理的方法、移动决策支持设备、移动勘察管理设备、以及用于田地勘察管理的系统。
本发明的第一方面涉及一种用于田地勘察管理的方法。该方法包括使用具有显示器的移动勘察管理设备在种植田地中规划勘察行程,沿着规划的勘察行程收集勘察数据,将收集的勘察数据提供给适于携带到种植田地中的移动决策支持设备,使用移动决策支持设备来分析勘察数据以提供勘察报告,该勘察报告包括田地性能图、杂草图、所有已识别种类的列表、和/或重新勘察的建议,将移动决策支持设备连接到移动勘察管理设备,以及在移动勘察管理设备的显示器上显示勘察行程的勘察报告。
换句话说,建议使用移动决策支持设备(例如,神经加密狗设备),而不是传统的云计算来处理勘察数据。这可以提供直接在田地处理勘察数据的优势,而无需互联网连接(例如,用于云计算)。这对于大的田地规模(例如600至1000公顷)可能是有益的,这可能会生成数个太字节(例如,20TB或更大)的数据,因为通过互联网连接将勘察数据传输到远程计算系统用于云计算需要时间。直接在田间处理勘察数据将节省时间并允许农民考察分类质量的结果或进行附加/后续勘察活动以收集更多信息(例如,植物样本)。
本文使用的术语“移动勘察管理设备”可以包括任何类型的无线设备,诸如消费电子设备、智能手机、平板个人计算机、可穿戴计算设备、个人数字助理(PDA)、膝上型计算机、和/或任何其他像能够连接到通信网络的物理计算设备。
术语“移动决策支持设备”也称为便携式移动决策支持设备,如本文所用,可以指小到足以手持和操作的计算设备。移动决策支持设备能够连接到移动勘察管理设备,为其提供附加的更高的计算功能。因此,不需要为移动决策支持设备提供显示器或用户接口,诸如带有数字按钮或物理按钮的触摸屏界面以及物理键盘。一旦移动决策支持设备被连接到移动勘察管理设备,用户就可以使用移动勘察管理设备的显示器查看勘察报告,并使用移动勘察管理设备的用户接口来操作移动决策支持设备。此外,移动决策支持设备能够在不需要互联网连接的情况下在种植田地中分析勘察数据。移动决策支持设备可以是小形状因子的设备,其具有适合在田地携带的小尺寸。移动决策支持设备不需要显示器,因为结果可通过移动勘察管理设备提供给用户。移动决策支持设备可以通过通用服务总线(USB)、物理线缆、蓝牙、或其他形式的数据连接方式与移动勘察管理设备连接,以输出分析结果。由于移动决策支持设备适于携带到种植田地用于处理勘察数据,勘察数据可以通过无线局域网、SD卡、或USB电缆传输到移动决策支持设备,移动设备无需互联网连接(诸如蜂窝网络)的要求。因此,将勘察数据传输到移动决策支持设备可能更快且更可靠。
根据本发明的实施例,分析收集的勘察数据还包括使用预先训练的机器学习分类器以基于勘察数据来提供勘察报告。
可以使用多个标记的训练数据来训练预训练的机器学习分类器,以识别模式、对数据进行分类、并预测未来事件。预训练的机器学习分类器可能是例如决策树、支持向量机、或人工神经网络。
根据本发明的实施例,勘察数据包括种植田地的多个捕获的地理参考图像。分析收集的勘察数据包括将多个地理参考图像拼接在一起以获得种植田地的拼接地理参考图像,基于拼接的地理参考图像计算田地性能指数以确定在多个位置处的植被的测量值并提供田地性能图,在多个位置的每个位置处比较植被的测量值和来自作物模型的植被的期望值以确定性能差异,并且标记用于附加数据捕获的至少一个兴趣点,其中确定的性能差异等于或高于参考值。
可以使用卫星、无人机、或雷达平台进行光学遥感,以利用例如可见光、红外(IR)、近红外(NIR)、短波红外、或多光谱传感器,通过检测来自地面上的目标所反射的太阳辐射,形成田地表面的图像。植被参数可以通过分析图像数据中作物和土壤的光谱特征来获得。田地性能指数的示例是标准化降水指数(SPI)、植被光学深度(VOD)、归一化差异植被指数(NDVI)、和/或增强型植被指数(EVI)。田地性能指数可以汇集关于各种数据点的重要信息,如植物高度、土壤类型、土壤湿度、和产量预期。数据的易用性和可用性还意味着农民可以快速检查特定的问题区域(即标记区域),使他们能够更多地诊断问题。
根据本发明的实施例,分析收集的勘察数据还包括区分土壤、作物和/或杂草区域覆盖,识别至少一种杂草种类,并提供至少一种已识别杂草种类的杂草名称和指示杂草名称与至少一种已识别杂草种类之间的匹配的可能性的置信水平,生成具有高置信水平的至少一种已识别杂草种类的列表,标记具有低置信水平的至少一种杂草以用于潜在的重新评估;以及将具有低置信水平的至少一种杂草分组到包含类似杂草的未识别种类。
可以基于土壤、作物和杂草的光谱特征进行区分,即基于物体以不同量反射和吸收各种波长的事实。颜色的出现是由于物体与光之间的相互作用。植物很特别,因为光是它们生命中不可或缺的一部分。已发现它们吸收大量可见光,这是它们用于光合作用的能源。相反,它们的细胞结构使它们反射大量的NIR辐射。通过比较可见光与NIR辐射的反射率,可以确定田地的哪个区域被土壤、作物和杂草覆盖。可以使用它们的光谱特征来识别杂草。通常,一个区域或种植系统常见的杂草的光谱特征是可用的。这可能允许使用光谱特征区分杂草和作物,并进一步判断对给定区域内作物和杂草总覆盖有贡献的杂草百分比,即杂草压力。这可以有利地允许更好地识别被杂草侵染的位置和相应类型,用于生成杂草图以用于以后的杂草处理。
根据本发明的实施例,如果分析结果与预定义标准匹配,则为附加田地勘察提供建议。预定义标准包括以下中的至少一项:拼接地理参考图像的拼接质量不足、拼接地理参考图像的图像质量不足、至少一个分组的未识别杂草种类、以及至少一个标记的兴趣点,其中,检测到的性能差异等于或高于参考值。
不足的图像质量可以基于例如清晰度、颜色、伪影等来确定。这些区域可能表示特定的问题区域。因此,建议在田地安排附加勘察活动将允许农民能够检查这些特定的问题区域以更多地诊断问题。
根据本发明的实施例,建议包括基于至少一个标记的兴趣点用传感器载体重新勘察的新地图和/或用户进行手动勘察以验证至少一个未识别种类和/或调查至少一个标记的兴趣点的地图。
本发明的第二方面涉及一种移动决策支持设备。移动决策支持设备包括勘察数据接口、处理模块和决策输出接口。勘察数据接口被配置为接收种植田地的勘察数据。处理模块被配置为使用机器学习分类器基于勘察数据提供勘察报告。决策输出接口被配置为输出勘察报告。
换句话说,可以将移动决策支持设备带入种植田地来处理勘察数据,而无需互联网连接。不需要显示器,因为可以输出勘察报告以显示在移动勘察管理设备上。例如,移动决策支持设备可能配备特殊的硬件和软件,旨在以比消费硬件快一个量级的速度利用人工智能处理勘察数据。在一个示例中,移动决策支持设备可以是能够插入移动勘察管理设备的端口以提供勘察报告并接收电力供给的设备。在另一个示例中,移动决策支持设备可以是具有电池的独立设备,其可无线连接到移动勘察管理设备以提供勘察报告。这样,所有的勘察都可以直接在种植田地中进行处理,而无需将所有勘察数据传输到远程服务器进行云计算。这可能允许农民立即考察分类质量的结果,或者进行附加或后续的勘察活动以收集更多信息。
如本文所用,术语“接口”或“模块”可指代以下的一部分或包括以下:专用集成电路(ASIC)、电子电路、处理器(共享、专用、或组)、和/或执行一个或多个软件或固件程序的存储器(共享、专用、或组)、组合逻辑电路、和/或提供所描述功能的其他合适组件。
根据本发明的实施例,移动决策支持设备是加密狗设备。
加密狗设备是被配置为耦接到外部设备(例如移动勘察管理设备)的小形状因子的计算设备。通常,加密狗设备包括处理器、存储设备、一个或多个数据/电源端口、以及一个或多个无线收发器,但不包括电源。也就是说,加密狗设备必须插入到外部设备才能供电,从而将其与个人计算机、膝上型计算机、平板电脑、移动互联网、智能手机、或其他计算设备区分开。通过加密狗设备,用户可以将移动勘察管理设备变成全功能计算机来处理勘察数据。这可以很容易地被带到种植田地以用于处理勘察数据。
根据本发明的实施例,移动决策支持设备还包括以下至少之一:用于为设备供电的电池单元、用于存储勘察数据的存储单元、以及用于指示电池寿命和/或连接性的指示器。
换句话说,移动决策支持设备可以是独立的硬件,可以独立于其他硬件或软件运行,即移动决策支持设备不需要插入到外部设备来供电。
本发明的第三方面涉及一种移动勘察管理设备。移动勘察管理设备包括用户接口、勘察规划模块、传感器载体控制接口、决策输入接口、以及显示器。用户接口被配置为接收用户输入。勘察规划模块被配置为基于用户输入在种植田地中规划勘察行程,并将规划的勘察行程输出到传感器载体控制接口。决策输入接口能够连接到移动决策支持设备的决策输出接口,以接收规划勘察行程的勘察报告。显示器被配置为显示勘察报告。
换句话说,移动勘察管理设备被设计为规划、执行(即传感器载体的转向)、以及向农民提供勘察报告,但不处理勘察数据。相反,勘察数据由移动决策支持设备处理,该设备可能配备有专门的硬件和软件,旨在通过人工智能来处理传感器数据,例如比消费硬件快一个数量级。即,提供移动决策支持设备以向移动勘察管理设备添加更高级的计算功能,该移动勘察管理设备通常是农民使用的智能手机。
本发明的第四方面涉及一种用于田地勘察管理的系统。该系统包括如上文和下文所述的移动勘察管理设备、具有传感器载体控制接口、传感器装置和勘察数据接口的传感器载体,以及如上文和下文所述的移动决策支持设备。移动勘察管理设备被配置为允许用户在种植田地规划勘察行程(26)。传感器载体的传感器载体控制接口能够连接到移动勘察管理设备的传感器载体控制接口以接收规划的勘察行程。传感器装置被配置为在沿着勘察行程的多个位置处收集勘察数据,并且将所收集的勘察数据输出到传感器载体的勘察数据接口。移动决策支持设备的勘察数据接口能够连接到传感器载体的勘察数据接口以接收收集的勘察数据。移动决策支持设备被配置为分析所收集的勘察数据并将勘察报告输出到具有用于显示勘察报告的显示器的移动勘察管理设备。
换句话说,该系统被设计为在不需要互联网连接的情况下自动规划、执行和分析勘察数据。这可以为农民提供即时结果,并在需要时允许在田地安排附加勘察活动。
附图说明
下面将参考以下附图描述本发明的示例性实施例:
图1示出了根据本公开的示例性实施例的方法的示意图。
图2示出了根据本公开的另一示例性实施例的方法的示意图。
图3示出了根据本公开的又一示例性实施例的方法的示意图。
图4示出了根据本公开的示例性实施例的田地的示意图。
图5示出了根据本公开的示例性实施例的移动决策支持设备的示意图。
图6示出了根据本公开的示例性实施例的移动勘察管理设备的示意图。
图7示出了根据本公开的示例性实施例的系统的示意图。
具体实施方式
图1示出了用于田地勘察管理的方法的实施例的框图。种植田地10的示例在图4中示出。在步骤S10中,使用具有显示器250的移动勘察管理设备200在种植田地10中规划勘察行程。移动勘察管理设备200可以是如图4所示的智能手机。移动勘察管理设备200可以具有移动应用程序(mobile APP)或移动应用,其用于规划勘察行程、自动或半自动引导传感器载体穿过田地、并将结果呈现给农民。
在步骤S20中,沿着规划的勘察行程收集勘察数据。勘察数据可以使用卫星、无人机或雷达平台收集。例如,如图4所示,为了收集勘察数据,无人机形式的传感器载体50可以装配有具有可视、IR、NIR和/或热传感器的传感器装置70。
在步骤S30中,将收集到的勘察数据提供给适于携带到种植田地10中的移动决策支持设备100。移动决策支持设备100可以配备有专门的软件,其被设计为利用比消费硬件更快的人工智能来处理传感器数据。勘察数据可以通过WLAN、SD卡或USB电缆传输到移动决策支持设备。
在步骤S40中,使用移动决策支持设备100分析勘察数据,以提供包括田地性能图、杂草图、所有已识别种类的列表、和/或重新勘察的建议的勘察报告。可选地,可以使用预先训练的机器学习分类器来分析收集的勘察数据,以基于勘察数据提供勘察行程的勘察报告。预训练机器学习分类器可以是高性能远程服务器中机器学习分类器的更简单版本。因此,可以以相对较快的速度处理勘察数据。
在步骤S50中,移动决策支持设备100通过物理电缆或无线被连接到移动勘察管理设备200。
在S60中,将勘察报告显示在移动勘察管理设备200的显示器250上。
换句话说,移动勘察管理设备被设计为规划、转向传感器载体,并显示勘察报告,而移动决策支持设备被设计为直接在种植田地中处理勘察数据。移动决策支持设备可能比消费硬件具有更多的计算能力,因此处理勘察数据所需的时间更少。此外,这可以提供直接在田地处理勘察数据的优势,无需互联网连接(例如,用于云计算)。这对于大的田地尺寸(例如,600至1000公顷)可能是有益的,这可能会产生数个太字节(例如,20TB或更大)的数据,因为通过互联网连接将勘察数据传输到远程计算系统进行云计算需要时间。
可选地,勘察数据包括种植田地的多个捕获的地理参考图像。如图2所示,分析S40所收集的勘察数据包括以下步骤以确定通过期望性能与测量性能之间的差异而检测到的附加兴趣点。在步骤S41中,将多个地理参考图像拼接在一起,以获得种植田地的拼接地理参考图像。
在步骤S42中,基于拼接的地理参考图像,计算诸如SPI、VOD、NDVI和/或EVI的田地性能指数,以确定在多个位置处的植被的测量值,并提供田地性能图。例如,如图4所示,种植田地10被分成大小相等的正方形12a、12b、12c的矩形阵列形式的多个网格。田地性能图可以在多个位置处(例如,在多个正方形12a、12b、12c处)被确定。
在步骤S43中,在多个位置的每一个处,比较植被的测量值和来自作物模型的植被的期望值,以确定性能差异。例如,多个位置12a、12b、12c处的性能差异可以被计算出来。
在步骤S44中,至少一个兴趣点被标记以用于附加数据捕获,其中所确定的性能差异等于或高于参考值。参考值可以由用户设置或可以从之前的季节推导出来。例如,标记区域12b可以指示所确定的性能差异等于或高于参考值的标记区域。
可选地,如图3所示,分析S40所收集的勘察数据还包括以下步骤以确定已识别和未识别的杂草种类。在步骤S45中,区分土壤区域覆盖、作物区域覆盖、和杂草区域覆盖。可以基于土壤、作物和杂草的光谱特征进行区分,即基于物体以不同量反射和吸收各种波长的事实。
在步骤S46中,识别至少一种杂草种类,并且提供至少一种已识别杂草种类的杂草名称和指示杂草名称与至少一种已识别杂草种类之间的匹配的可能性的置信水平。通常,一个区域或种植系统常见的杂草的光谱特征是可用的。这可能允许使用光谱特征区分杂草与作物,并进一步判断对给定区域内作物和杂草总覆盖有贡献的杂草百分比,即杂草压力。
在步骤S47中,生成具有高置信水平的至少一种已识别杂草种类的列表。高置信水平的阈值可以由用户设置。高置信水平的阈值可以被设置为50%、60%或70%等。
在步骤S48中,具有低置信水平的至少一种杂草被标记用于潜在的重新评估。例如,如图4所示,位置12c被标记为包含具有低置信水平的至少一种杂草。
在步骤S49中,将具有低置信水平的至少一种杂草分组为包含类似杂草的未识别种类。换句话说,为了便于杂草管理和处理,类似的未识别杂草被分组为一个未识别的种类。
可选地,如果分析结果与预定义标准匹配,则提供用于附加田地勘察的建议。预定义标准包括以下至少之一:拼接地理参考图像的拼接质量不足、地理参考图像或拼接地理参考图像的图像质量不足、至少一种分组的未识别杂草种类、以及至少一个被标记的兴趣点,其中检测到的性能差异等于或高于阈值。例如,如图4所示的标记位置12b、12c可能表示需要进一步调查并因此需要附加田地勘察的问题区域。该建议可以包括以下中的至少一项:基于至少一个被标记的兴趣点用传感器载体重新勘察的新地图,以及用户进行手动勘察以验证至少一个未识别种类和/或调查至少一个被标记的兴趣点的地图。
图5示意性地示出了移动决策支持设备100的实施例。图4中示出了小形状因子的设备形式的决策支持系统100的示例。在示例中,移动决策支持设备100可以是插入到诸如智能电话的移动勘察管理设备200中以添加更高级的计算功能的加密狗设备。在另一示例中,移动决策支持设备100可以是具有例如用于向设备供电的电池单元、用于存储勘察数据的存储单元、和/或用于指示电池寿命和/或连接性的指示器的独立设备。换言之,移动决策支持设备100可以是能够无线连接到移动勘察管理设备以将勘察报告传输到移动勘察管理设备的便携式设备。移动决策支持设备100包括勘察数据接口110、处理模块120、和决策输出接口130。
勘察数据接口110被配置为接收种植田地的勘察数据。勘察数据接口110可以是安全数字(SD)存储卡接口、通用串行总线(USB)接口、蓝牙接口、无线网络接口等,适用于接收使用卫星、雷达或无人机平台收集的勘察数据。勘察数据可以包括雷达图像数据或光学图像数据。勘察数据还可以包括适于提供所识别的问题区域的位置的GPS数据。
处理模块120被配置为使用机器学习分类器基于勘察数据提供勘察报告。机器学习分类器可以是决策树、支持向量机、人工神经网络等。勘察报告可以包括田地性能图、杂草图、所有已识别种类的列表、和/或重新勘察的建议。
决策输出接口130被配置为输出勘察报告。决策输出接口130可以是USB接口、蓝牙接口、无线网络接口等。
图6示意性地示出了移动勘察管理设备200的实施例,诸如图4中所示的智能电话或平板计算机。移动勘察管理设备200包括用户接口210、勘察规划模块220、传感器载体控制接口230、决策输入接口240、和显示器250。
用户接口210可以是例如对准设备、键盘、触摸面板、或其他操作装置。触摸面板形式的用户接口210也可以与显示器250集成。
勘察规划模块220被配置为基于用户输入在种植田地中规划勘察行程,并将规划的勘察行程输出到传感器载体控制接口230。
决策输入接口240能够连接到移动决策支持设备100的决策输出接口130以接收规划的勘察行程的勘察报告。显示器250被配置为显示勘察报告。
图7示意性地示出了用于田地勘察管理的系统300的实施例。该系统包括如上文和下文所述的移动勘察管理设备200,传感器载体,具有传感器载体控制接口60、传感器装置70和勘察数据接口80的传感器载体50,以及如上文和下文所述的移动决策支持设备100。
移动勘察管理设备200被配置为允许用户在种植田地10中规划勘察行程。用户可以使用移动勘察管理设备200指定多个GPS点来转向传感器载体50以在这些指定的GPS点收集数据。
传感器载体50的传感器载体控制接口60能够连接到移动勘察管理设备200的传感器载体控制接口230以接收规划的勘察行程。传感器装置70被配置为在沿着勘察行程的多个位置处收集勘察数据,并将收集到的勘察数据输出到传感器载体50的勘察数据接口80。传感器载体可以包括收集完整的田地的数据的固定翼飞行器,从预定的兴趣点收集数据的多旋翼无人机系统,和/或从需要的兴趣点收集近距离或样本数据的无人驾驶地面车辆。勘察数据可以通过WLAN、SD卡、或USB电缆传输到移动决策支持设备100。
移动决策支持设备100被配置为分析收集到的勘察数据,并将勘察报告输出到具有用于显示勘察报告的显示器250的移动勘察管理设备200。
在本发明的另一示例性实施例中,提供了一种计算机程序或计算机程序元素,其特征在于适于在适当的系统上执行根据前述实施例之一的方法的方法步骤。计算机程序元素因此可以存储在计算机单元上,该计算机单元也可以是本发明的实施例的一部分。该计算单元可以适于执行或诱导执行上述方法的步骤。此外,它可以适用于操作上述装置的部件。计算单元可以适于自动操作和/或执行用户的命令。计算机程序可以加载到数据处理器的工作存储器中。数据处理器因此可以被配备来执行本发明的方法。
本发明的该示例性实施例涵盖从一开始就使用本发明的计算机程序和通过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。
此外,计算机程序元素可能能够提供所有必要的步骤来实现如上所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,提供了一种计算机可读介质,例如CD-ROM,其中该计算机可读介质具有存储在其上的计算机程序元素,该计算机程序元素在前面的部分中进行了描述。
计算机程序可以存储和/或分布在合适的介质上,诸如与其他硬件一起提供或作为其他硬件的一部分提供的光存储介质或固态介质,但也可以以其他形式分发,诸如通过互联网或其他有线或无线电信系统。
然而,计算机程序也可以通过像万维网这样的网络呈现并且可以从这样的网络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,提供了一种用于使计算机程序元素可用于下载的介质,该计算机程序元素被布置为执行根据本发明的前述实施例之一的方法。
必须注意,本发明的实施例是参考不同的主题来描述的。具体地,参考方法类型权利要求描述了一些实施例,而参考设备类型权利要求描述了其他实施例。然而,本领域技术人员将从以上和以下描述中了解到,除非另有说明,否则除了属于一类主题的特征的任何组合之外,涉及不同主题的特征之间的任何组合也被认为是与本申请一起公开。然而,所有特征都可以组合在一起,从而提供比这些特征的简单总和更多的协同效应。
虽然已经在附图和前述说明中详细说明和描述了本发明,但是这样的说明和描述被认为是说明性的或示例性的而不是限制性的。本发明不限于所公开的实施例。通过研究附图、公开内容和从属权利要求,本领域技术人员在实践要求保护的发明时可以理解和实现对所公开的实施例的其他变化。
在权利要求中,“包括”一词不排除其他要素或步骤,不定冠词“一个”或“一”不排除复数。单个处理器或其他单元可以实现权利要求中引用的若干项的功能。在相互不同的从属权利要求中引用某些措施这一事实并不表示这些措施的组合不能有利地使用。权利要求中的任何附图标记不应被解释为限制范围。
参考标号列表
10 种植田地
12a 位置
12b 兴趣点
12c 兴趣点
50 传感器载体
60 传感器载体控制接口
70 传感器装置
80 勘察数据接口
100 移动决策支持设备
110 勘察数据接口
120 处理模块
130 决策输出接口
200 移动勘察管理设备
210 用户接口
220 勘察规划模块
230 传感器载体控制接口
240 决策输入接口
250 显示器
S10 规划勘察行程
S20 收集勘察数据
S30 将收集到的勘察数据提供给移动决策支持设备
S40 分析勘察数据
S41 拼接多个地理参考图像
S42 计算田地性能指数
S43 比较植被的测量值与植被的期望值
S44 标记用于附加数据捕获的至少一个兴趣点
S45 区分土壤区域覆盖、作物区域覆盖和杂草区域覆盖
S46 识别至少一种杂草种类
S47 生成至少一种已识别杂草种类的列表
S48 标记至少一种杂草
S49 对至少一种杂草种类进行分组
S50 将移动决策支持设备连接到移动勘察管理设备
S60 显示勘察报告

Claims (13)

1.一种用于田地勘察管理的方法,所述方法包括:
使用具有显示器的移动勘察管理设备在种植田地(10)中规划(S10)勘察行程;
沿着所规划的勘察行程收集(S20)勘察数据;
将所收集的勘察数据提供(S30)给适于被携带到所述种植田地的移动决策支持设备;
使用所述移动决策支持设备来分析(S40)所述勘察数据以提供勘察报告,所述勘察报告包括田地性能图、杂草图、所有已识别种类的列表、和/或重新勘察的建议;
将所述移动决策支持设备连接(S50)到所述移动勘察管理设备;以及
在所述移动勘察管理设备的所述显示器上显示(S60)所述勘察报告。
2.根据权利要求1所述的方法,
其中,分析所收集的勘察数据还包括:使用预先训练的机器学习分类器以基于所述勘察数据来提供所述勘察报告。
3.根据权利要求1或2所述的方法,
其中,所述勘察数据包括所述种植田地的多个被捕获的地理参考图像;以及
其中,分析所收集的勘察数据包括:
将所述多个地理参考图像拼接(S41)在一起以获得所述种植田地的拼接地理参考图像;
基于所述拼接地理参考图像来计算(S42)田地性能指数,以确定在多个位置处的植被的测量值并提供田地性能图;
在所述多个位置(12a、12b、12c)的每个位置处比较(S43)植被的所述测量值与来自作物模型的植被的期望值以确定性能差异;以及
标记(S44)用于附加数据捕获的至少一个兴趣点(12b),其中,所确定的性能差异等于或高于参考值。
4.根据前述权利要求中的任一项所述的方法,
其中,分析所收集的勘察数据还包括以下步骤:
区分(S45)土壤区域覆盖、作物区域覆盖和杂草区域覆盖;
识别(S46)至少一种杂草种类,并提供至少一种已识别杂草种类的杂草名称和指示所述杂草名称与所述至少一种已识别杂草种类之间的匹配的可能性的置信水平;
生成(S47)具有高置信水平的至少一种已识别杂草种类的列表;
标记(S48)具有低置信水平的至少一种杂草以用于潜在重新评估;以及
将具有低置信水平的至少一种杂草分组(S49)到包含类似杂草的未识别种类中。
5.根据前述权利要求中的任一项所述的方法,其中,如果分析结果与预定义标准匹配,则提供用于附加田地勘察的建议,其中,所述预定义标准包括以下中的至少一个:
所述拼接地理参考图像的拼接质量不足;
所述地理参考图像或所述拼接地理参考图像的图像质量不足;
至少一种被分组的未识别杂草;以及
至少一个被标记的兴趣点,其中所检测到的性能差异等于或高于阈值。
6.根据前述权利要求中的任一项所述的方法,其中,所述建议包括以下中的至少一个:
基于所述至少一个被标记的兴趣点用传感器载体重新勘察的新地图;以及
用户进行手动勘察以验证所述至少一个未识别种类和/或调查所述至少一个被标记的兴趣点的地图。
7.一种移动决策支持设备(100),包括:
勘察数据接口(110);
处理模块(120);以及
决策输出接口(130);
其中,所述勘察数据接口被配置为接收种植田地的勘察数据;
其中,所述处理模块被配置为使用机器学习分类器以基于所述勘察数据来提供勘察报告;以及
其中,所述决策输出接口被配置为输出所述勘察报告。
8.根据权利要求7所述的设备,其中,所述移动决策支持设备是加密狗设备。
9.根据权利要求7至8中的任一项所述的设备,还包括以下中的至少一项:
用于向所述设备供电的电池单元;
用于存储所述勘察数据的存储单元;以及
用于指示电池寿命和/或连接性的指示器。
10.一种移动勘察管理设备(200),包括:
用户接口(210);
勘察规划模块(220);
传感器载体控制接口(230);
决策输入接口(240);
显示器(250);
其中,所述用户接口被配置为接收用户输入;
其中,所述勘察规划模块被配置为基于用户输入来在种植田地中规划勘察行程,并将所规划的勘察行程输出到所述传感器载体控制接口;
其中,所述决策输入接口能够连接到所述移动决策支持设备的决策输出接口,以接收所规划的勘察行程的勘察报告;以及
其中,所述显示器被配置为显示所述勘察报告。
11.一种用于田地勘察管理的系统(300),包括:
根据权利要求10所述的移动勘察管理设备(200);
具有传感器载体控制接口(60)、传感器装置(70)和勘察数据接口(80)的传感器载体(50);以及
根据权利要求7至9中的任一项所述的移动决策支持设备(100);
其中,所述移动勘察管理设备被配置为允许用户在种植田地中规划勘察行程;
其中,所述传感器载体的所述传感器载体控制接口能够连接到所述移动勘察管理设备的所述传感器载体控制接口,以接收所规划的勘察行程;
其中,所述传感器装置被配置为沿着所述勘察行程在多个位置处收集勘察数据,并将所收集的勘察数据输出到所述传感器载体的所述勘察数据接口;
其中,所述移动决策支持设备的所述勘察数据接口能够连接到所述传感器载体的所述勘察数据接口以接收所收集的勘察数据;以及
其中,所述移动决策支持设备被配置为分析所收集的勘察数据,并将勘察报告输出到具有用于显示所述勘察报告的显示器的所述移动勘察管理设备。
12.一种用于控制根据权利要求7至11中的任一项所述的装置的计算机程序元素,其在由处理单元执行时适于执行权利要求1至6中的任一项所述的方法步骤。
13.一种计算机可读介质,存储权利要求12所述的程序元素。
CN202080013662.6A 2019-02-28 2020-02-28 自动移动田地勘察传感器数据和图像分类设备 Pending CN113412498A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP19160021 2019-02-28
EP19160021.2 2019-02-28
PCT/EP2020/055339 WO2020174095A1 (en) 2019-02-28 2020-02-28 Automated mobile field scouting sensor data and image classification devices

Publications (1)

Publication Number Publication Date
CN113412498A true CN113412498A (zh) 2021-09-17

Family

ID=65729083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080013662.6A Pending CN113412498A (zh) 2019-02-28 2020-02-28 自动移动田地勘察传感器数据和图像分类设备

Country Status (6)

Country Link
US (1) US20220172306A1 (zh)
EP (1) EP3931789A1 (zh)
JP (1) JP2022522031A (zh)
CN (1) CN113412498A (zh)
BR (1) BR112021017014A2 (zh)
WO (1) WO2020174095A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111712843A (zh) * 2017-10-13 2020-09-25 巴斯夫农化商标有限公司 使用自主群集无人机和人工智能的个性化和定制的植物管理

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008083062A1 (en) * 2006-12-29 2008-07-10 Pioneer Hi-Bred International, Inc. Automated location-based information recall
CA2988972C (en) * 2015-06-08 2023-04-18 Precision Planting Llc Agricultural data analysis
BR112018009026A8 (pt) * 2015-11-03 2019-02-26 Decisive Farming Corp método implantado por computador para gerenciamento de empreendimento

Also Published As

Publication number Publication date
EP3931789A1 (en) 2022-01-05
US20220172306A1 (en) 2022-06-02
WO2020174095A1 (en) 2020-09-03
JP2022522031A (ja) 2022-04-13
BR112021017014A2 (pt) 2021-11-09

Similar Documents

Publication Publication Date Title
Marcial-Pablo et al. Estimation of vegetation fraction using RGB and multispectral images from UAV
Goodbody et al. Assessing the status of forest regeneration using digital aerial photogrammetry and unmanned aerial systems
US20220197276A1 (en) Adaptive cyber-physical system for efficient monitoring of unstructured environments
Torres-Sánchez et al. High-throughput 3-D monitoring of agricultural-tree plantations with unmanned aerial vehicle (UAV) technology
Jiménez-Brenes et al. Automatic UAV-based detection of Cynodon dactylon for site-specific vineyard management
Peña et al. Weed mapping in early-season maize fields using object-based analysis of unmanned aerial vehicle (UAV) images
US20180364157A1 (en) Self-propelled apparatus for optimally analysing and managing fields intended for agricultural cultivation
US20180308229A1 (en) Method and information system for detecting at least one plant planted on a field
Etienne et al. Machine learning approaches to automate weed detection by UAV based sensors
WO2019076759A1 (en) AERIAL VEHICLE WITHOUT PILOT
David et al. Vegetation indices and textures in object-based weed detection from UAV imagery
JP7081536B2 (ja) 作物の倒伏リスク診断に用いる生育パラメータの測定推奨スポット提示方法、倒伏リスク診断方法、および情報提供装置
Belton et al. Crop height monitoring using a consumer-grade camera and UAV technology
CN114219847A (zh) 基于物候特征的作物种植面积确定方法、系统及存储介质
Tian et al. Machine learning-based crop recognition from aerial remote sensing imagery
Bhandari et al. Unmanned aerial system‐based high‐throughput phenotyping for plant breeding
CN113412498A (zh) 自动移动田地勘察传感器数据和图像分类设备
Jiménez López et al. Crops diagnosis using digital image processing and precision agriculture technologies
Tumlisan Monitoring growth development and yield estimation of maize using very high-resolution UAV-images in Gronau, Germany
Wijesingha Geometric quality assessment of multi-rotor unmanned aerial vehicle borne remote sensing products for precision agriculture
Watt et al. Use of remotely sensed data to characterize weed competition in forest plantations
McCraine et al. Plant density estimation and weeds mapping on row crops at emergence using low altitude UAS imagery
Gao et al. Computer Vision and Less Complex Image Analyses to Monitor Potato Traits in Fields
US20220398841A1 (en) Information processing device, information processing method, and program
Burnett Environmental Remote Sensing with Unmanned Aircraft Systems

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