CN115697040A - 人工授粉方法及进行人工授粉的装置 - Google Patents

人工授粉方法及进行人工授粉的装置 Download PDF

Info

Publication number
CN115697040A
CN115697040A CN202180040715.8A CN202180040715A CN115697040A CN 115697040 A CN115697040 A CN 115697040A CN 202180040715 A CN202180040715 A CN 202180040715A CN 115697040 A CN115697040 A CN 115697040A
Authority
CN
China
Prior art keywords
data
pollination
pollen
module
crop
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
CN202180040715.8A
Other languages
English (en)
Inventor
T·埃尔格拉布利
I·西纳什
A·科伦
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.)
Bumblebee Artificial Intelligence Co ltd
Original Assignee
Bumblebee Artificial Intelligence Co ltd
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 Bumblebee Artificial Intelligence Co ltd filed Critical Bumblebee Artificial Intelligence Co ltd
Publication of CN115697040A publication Critical patent/CN115697040A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01H—NEW PLANTS OR NON-TRANSGENIC PROCESSES FOR OBTAINING THEM; PLANT REPRODUCTION BY TISSUE CULTURE TECHNIQUES
    • A01H1/00—Processes for modifying genotypes ; Plants characterised by associated natural traits
    • A01H1/02—Methods or apparatus for hybridisation; Artificial pollination ; Fertility
    • A01H1/027—Apparatus for pollination
    • 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
    • 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
    • A01B79/02—Methods for working soil combined with other agricultural processing, e.g. fertilising, planting
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • A01G7/06—Treatment of growing trees or plants, e.g. for preventing decay of wood, for tingeing flowers or wood, for prolonging the life of plants
    • 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
    • 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
    • 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
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • 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)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Environmental Sciences (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mining & Mineral Resources (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Forests & Forestry (AREA)
  • Botany (AREA)
  • Ecology (AREA)
  • Mechanical Engineering (AREA)
  • Soil Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)

Abstract

提供了用于诸如果园和田地的农业区域的人工授粉的新颖、通用、田地中/果园中、控制良好、可扩展、易于使用和成本有效的管理系统和方法。

Description

人工授粉方法及进行人工授粉的装置
技术领域
本发明涉及人工授粉领域。更具体地，本发明涉及授粉管理的新颖系统和方法，以及提高作物产量的方法。
背景技术
授粉是将花粉粒从植物的雄性部分转移到植物的雌性部分（柱头）的过程。该过程是由风、小鸟、昆虫（尤其是蜜蜂）等自然完成的。该过程对后来的施肥、种子的生产以及水果和蔬菜的形成至关重要。不同自然授粉媒介的消失，这种现象如果加剧，将严重损害几乎完全依赖昆虫授粉的不同作物的生产。此外，全球化进程已将不同作物的生产从其自然栖息地转移到不同的地理位置，在那里，与作物一起进化的自然授粉媒介并不存在。它们的缺失对授粉的质量有着至关重要的影响，因为当地的授粉媒介可能无法有效授粉，这归因于花粉提取效率低，身体几何形状和大小不合适，对作物的花蜜和花粉缺乏吸引力，这些都直接影响到作物的产量和质量。此外，基于昆虫的授粉过程取决于昆虫的行为，这可能会受到天气条件、温度和其他非人类控制的条件的干扰。
人工授粉是一种有助于以受控和有效的方式克服上述困难的解决方案，从而提供作物产量和质量的提高。目前可用的解决方案存在各种缺陷。例如，手动授粉是最简单且最便宜的人工授粉方法。使用不同的工具，如刷子，人们可以轻轻地收集雄花的花粉粒，并将其直接涂抹在雌花的柱头上。另一种手动授粉方法是将切花的雄性器官摩擦在授粉花的雌性器官上。这些方法在小规模上是有用的，然而，大规模应用需要熟练的人力。其他解决方案提供了大量的花收获和加工，以提取花粉粒。然后用不同的技术将收集到的花粉粉末涂抹在花上。该复杂的过程既昂贵又耗时，而且不能在田地或果园本身中执行。这种方法适用于短期大量开花且每朵花有大量花粉粒的特定类型的作物。
为人工授粉、增产和田地中/果园中管理提供可扩展、田地中/果园中、成本有效、控制良好且易于使用的系统和方法，仍然是一项长期且未满足的需求。
发明内容
因此，本发明的主要目的是提供用于诸如果园和田地的农业区域的人工授粉的通用、田地中/果园中、控制良好、可扩展、易于使用和成本有效的管理系统和方法。
本发明提供了一种用于农业区域的授粉管理系统，包括：
a.授粉模块，其中所述模块包括被配置为收集花粉的花粉收集元件；以及配置成释放花粉的花粉施加元件；
b.与授粉模块可操作地接合的数据采集模块，其中所述数据采集模块包括至少一个传感器；
c.与授粉模块和数据采集模块通信的服务器，其中所述服务器被配置为处理由数据采集模块采集的数据；
d.操作模块，包括与服务器和授粉模块通信的控制器，其中所述控制器被配置为向授粉模块提供指令；以及，
e.用户接口；
其中所述系统被配置为对农业区域或其一部分进行人工授粉。
本发明还提供了对需要授粉的农业区域或其一部分进行人工授粉的方法，包括：
a.提供根据本发明实施例的授粉管理系统；
b.由授粉管理系统的数据采集模块采集数据；
c.将所采集的数据传输到授粉管理系统的服务器；
d.由服务器处理步骤b）的数据以生成输出；
e.将步骤d）的输出传输到操作模块的控制器；以及
f.通过授粉模块对农业区域进行授粉，
其中根据控制器提供的指令来执行对农业区域进行授粉的步骤，并且其中控制器所提供的指令基于步骤d）的输出。
本发明还提供一种提高作物产量的方法，包括提供人工授粉管理系统，其中所述授粉管理系统包括授粉模块；并且其中所述授粉模块包括至少一个花粉收集元件；并且，其中所述花粉收集元件被配置为向花粉粒施加静电力，从而将花粉粒吸引到花粉收集元件。
本发明还提供了一种花粉收集元件，其包括高压电源、电极、花粉收集表面，以及可选的容器，其中所述高压电源向电极供应高压；并且其中所述电极被配置为生成将静电力施加到花粉粒上的电场；并且其中所述花粉粒被吸引到所述元件的花粉收集表面。
本发明还提供了一种对包括作物的农业区域或其一部分进行人工授粉的计算机实现的方法，该过程包括：
a.提供根据本发明实施例的人工授粉系统；
b.由数据采集模块收集数据；
c.处理所述数据并基于指示从所述数据提取的作物状态的一组参数来评估作物状态；
d.基于作物状态向控制器提供指令；以及
e.对农业区域或其一部分进行授粉。
从以下附图和描述中，本发明的附加特征和优点将变得清楚。
附图说明
图1是授粉管理系统的示例性实施例的框图；
图2是授粉方法的示例性实施例的流程图；
图3A-C是计算机实现的授粉方法的示例性实施例的流程图；
图4A-B是鳄梨树授粉结果的图表示；
图5是花粉收集元件的示例性实施例的示意表示；和
图6A-B是鳄梨树授粉结果的图表示。
具体实施方式
在详细解释本发明的至少一个实施例之前，应当理解，本发明在其应用方面不限于以下描述中所述或附图中所示的部件的构造和布置的细节。本发明可应用于其他实施例或以各种方式实践或实施。此外，应当理解，本文所采用的措辞和术语是为了描述的目的，并且不应被视为限制。
根据一些实施例，本发明提供了一种用于农业区域的授粉管理系统，包括：
a)授粉模块，其中所述模块包括被配置为收集花粉的花粉收集元件；以及配置成释放花粉的花粉施加元件；
b)与授粉模块可操作地接合的数据采集模块，其中所述数据采集模块包括至少一个传感器；
c)与授粉模块和数据采集模块通信的服务器，其中所述服务器被配置为处理由数据采集模块采集的数据；
d) 操作模块，包括与服务器和授粉模块通信的控制器，其中所述控制器被配置为向授粉模块提供指令；以及，
e)用户接口；
其中所述系统被配置为对农业区域或所述农业区域的期望部分进行人工授粉。
在一个实施例中，农业区域是田地。在另一实施例中，农业区域是果园。如本文所用，术语“田地”意在理解为用于种植作物的已清理封闭土地区域。本发明的作物列表包括但不限于诸如以下各项的作物：玉米、大豆、小麦、水稻、油籽、棉花、葡萄、甘蔗、水果和蔬菜。如本文所用，术语果园意在理解为种植作物树的土地区域，而作物树是指但不限于生产或具有生产所需产品潜力的树木。本发明的树木作物的非限制性列表包括苹果、鳄梨、坚果、可可、猕猴桃、桃子、梨、柑橘（如橙子）、柠檬、葡萄柚和橘子；樱桃、李子、杏、芒果、荔枝或可从本发明的管理系统中获益的任何其他树木作物。如本文所用，术语“部分”指但不限于整体的独特部分或区段，而“整体”是整个农业区域。部分可以是任何大小、形状和几何形状。它可以是区域的一大部分或区域的一小部分。区域部分的大小可以预先设置，或者可以随机选择。
根据一些实施例，数据采集模块被配置为将所采集的数据传输到服务器。根据一些实施例，由控制器提供给授粉模块的指令基于由服务器处理的数据。在本发明的上下文中，术语“所采集的数据”意在被理解为由数据采集模块借助于至少一个传感器采集的数据和/或从外部源接收和/或搜集和/或传递到和/或收集的数据。典型地，由数据采集模块采集的数据是由至少一个传感器获得的数据和来自外部源的数据的组合。从外部源接收的数据的非限制性列表包括田地相关元数据、气候测量和气候预报数据以及田地视觉数据。田地元数据的无限制列表可以包括植物类型、种植图、植物年龄、绘制蜂箱的自然授粉媒介和气候数据。根据一些实施例，气候数据可以由第三方服务从客户端的气象站获得，或者使用数据采集模块的至少一个传感器获得。根据一些实施例，视觉数据可以由我们使用外部供应商获得，由数据采集单元和/或无人驾驶飞机的图像传感器收集，和/或由第三方（诸如但不限于卫星成像公司）收集。在一个实施例中，由控制器提供给授粉模块的指令基于由服务器处理的数据。如本文所使用的，术语“传感器”指代而不限于检测并响应来自物理环境的某种类型的输入的设备。具体输入可以是而不限于光、热、运动、湿度、压力或任何其他环境输入。本发明的传感器的非限制性列表包括一个或多个IR相机、温度传感器、湿度传感器、LIDAR、录音机、GNSS、4D成像传感器、超光谱成像、IMU、光传感器或任何其他适用的传感器，或其组合。在一个实施例中，数据采集模块包括多个传感器。在一个实施例中，数据采集模块包括多个相同类型的传感器。在另一个实施例中，数据采集模块包括多个不同的传感器。在一个实施例中，数据采集模块包括按需设置的传感器。在一个实施例中，不同传感器的组合由用户定义。在一个实施例中，数据采集模块包括传感器的预设组合。
根据一些实施例，本发明提供了授粉模块的花粉收集元件，其包括高压电源、电极、花粉收集表面和可选的容器。根据一些实施例，花粉收集元件被配置为生成电场，该电场在花粉粒上施加静电力，从而将花粉粒吸引到花粉收集表面。在一个实施例中，花粉收集元件进一步包括内部控制单元、振动引擎或抽吸单元中的至少一个。
根据一些实施例，服务器被配置为接收所采集的数据、存储所采集的数据、基于所采集的数据生成授粉热图或进行这些操作的任何组合。在一个实施例中，服务器进一步被配置为向操作模块传输授粉热图。在本发明的上下文中，术语“热图”意在被理解为而不限于对田地和/或果园授粉方式的整体视图，包括以下各项中的一个或多个：标识田地不同部分的开花比率，基于环境数据评估区域中的授粉效率，基于它们的需求和先前的授粉活动以及基于其他环境因素（天气、蜜蜂活动等）标记待授粉的区域。
根据一些实施例，数据指示作物状态，诸如开花物候和形态阶段、植物健康和对于授粉的环境适宜性。在一个实施例中，数据包括指示授粉效率的数据。如本文所使用的，术语数据指代而不限于与环境状态和对生态系统的影响相关的任何信息和/或输入。数据可以由数据采集模块的传感器采集，和/或可以从外部源搜集，诸如而不限于天气预报、昆虫活动或任何其他可能相关的信息。由传感器采集的数据可以包括而不限于健康/疾病状态、产量估计、花期等。
根据一些实施例，本发明的授粉管理系统进一步被配置为处理从农业区域采集的实时数据，并基于所述实时数据对农业区域进行授粉。在一个实施例中，实时数据选自数据采集模块的至少一个传感器采集的数据、数据采集模块从外部源接收的数据或其组合。如本文所使用的，术语“实时”指代而不限于涉及如下设置，其中输入数据在毫秒内被处理，使得它实际上可立即作为反馈得到。在一个实施例中，实时数据选自多个传感器采集的数据、从外部源收集的数据或其组合。
根据一些实施例，服务器进一步被配置为控制以下各项中的至少一个：待授粉的区域、授粉时间、授粉事件的频率、授粉事件的数量、每个授粉事件的持续时间或其任何组合。在一个实施例中，农业区域的授粉包括多于一个的授粉事件。在一个实施例中，农业区域的授粉包括具有预定义时间间隔的预设数量的授粉事件。在一个实施例中，基于由数据采集模块采集的实时数据来执行每个授粉事件。在一个实施例中，基于由数据采集单元采集的数据和/或实时数据来确定待授粉区域的位置。
根据本发明的一些实施例，花粉收集元件和花粉施加元件形成单个单元，该单个单元被配置为收集和释放花粉。根据一个实施例，通过花粉收集元件使用施加到花粉粒的静电力来收集花粉，可选地，将花粉存储在一种适于存储花粉粒的容器中，并且在期望的时机，通过直接和/或间接附接到花粉收集元件的花粉施加元件释放花粉，以这样的方式，花粉收集元件和花粉施加元件一起构成设计成既收集又释放花粉粒的单个组件。根据一些实施例，授粉模块的花粉收集元件和花粉施加元件是分离的元件。根据一个实施例，授粉模块的花粉收集元件和花粉施加元件不直接或间接地彼此附接，即花粉收集元件使用静电力收集花粉粒，并且然后存储在和/或传递到授粉模块的花粉施加元件。
现在参考图1，图1图示了系统100的示例性实施例的示意图，该系统100包含作为授粉模块的一部分的静电授粉元件8以及其他部件，以便优化和改进整个授粉过程。授粉模块从操作者位于的田地和/或果园中的中央服务器接收授粉热图，并将操作者导航到待授粉的相关植物。授粉元件包括：电源1；具有处理单元4的控制单元2，处理单元4用于处理实时数据并将服务器输入组合到授粉元件的控制中；以及数据存储装置3，用于存储从传感器6接收的所有数据。传感器的功能是用于收集关于植物状态的环境数据（诸如而不限于温度、湿度、可见光/不可见光和/或声音）。具有GNSS、mems和其他导航传感器的导航系统9可以提供关于工人在树上的当前位置和惯性定位的数据。用户接口5包括屏幕或指示灯，用于引导操作者要在何处授粉。无线连接7用于发送和接收来自一个远程服务器/多个远程服务器的数据。根据一些实施例，花粉收集元件进一步包括选自内部控制单元、振动引擎和抽吸单元中的至少一个单元。
根据一些实施例，本发明提供了一种对需要授粉的农业区域进行人工授粉的方法。现在参考图2，图示了本发明方法的示例性实施例的流程图。所述方法包括：提供根据本发明实施例的授粉管理系统[1000]；由授粉管理系统的数据采集模块采集数据[2000]；将所采集的数据传输到授粉管理系统的服务器[3000]；将所采集的数据传输到授粉管理系统的中央服务器[4000]；由服务器处理步骤[2000]的数据以生成输出[5000]；将步骤[5000]的输出传输到操作模块的控制器[6000]；以及由授粉模块对农业区域进行授粉[7000]。在一个实施例中，对农业区域进行授粉的步骤根据控制器提供的指令来实行。在一个实施例中，控制器提供的指令基于步骤[5000]的输出。
根据上述方法的一些实施例，对农业区域进行授粉的步骤包括由授粉模块的花粉收集元件收集花粉和由授粉模块的花粉施加元件释放花粉的步骤。
根据上述方法的一些实施例，由花粉收集元件收集花粉的步骤进一步包括生成电场，该电场在花粉粒上施加静电力，从而将花粉粒吸引到花粉收集元件的花粉收集表面。
根据上述方法的一些实施例，由数据采集模块采集数据的步骤包括由数据采集模块的至少一个传感器采集数据、从外部源接收数据或其组合中的至少一个。在本发明的方法的上下文中，术语“采集数据”意在被理解为由数据采集模块的一个或多个部件执行的至少一个动作或一系列动作，其导致数据的收集。数据可以由数据采集模块的至少一个传感器采集，和/或数据可以从外部源接收。数据也可以通过任何其他手段获得，只要数据以适合于数据采集模块的配置的格式即可。根据本发明的系统和方法的实施例，由授粉模块的至少一个传感器采集的数据可以包括而不限于位置数据（GPS）、IMU数据、视觉数据（例如授粉时农作物的图像）、气候相关数据（诸如温度、湿度、风）等。
这些数据将充当测量两个授粉有效性的基础（例如，评估对于授粉的天气适宜性，评估开花和花的可接受性，授粉的操作需求——授粉的是什么以及之后何时安排附加的活动）。根据实施例，从外部源采集的数据可以包括田地相关的元数据、气候测量和气候预报数据以及田地视觉数据。田地元数据可以是植物类型、种植图、植物年龄、绘制蜂箱的自然授粉媒介，气候数据可以通过第三方服务从客户的气象站或使用系统的传感器获得。
根据上述方法的一些实施例，数据是实时数据。
根据上述方法的一些实施例，处理数据和生成输出的步骤包括选自以下各项的步骤：设置授粉事件的数量、设置授粉的时机、设置授粉的频率、设置授粉事件的持续时间、设置授粉的位置、设置待授粉的区域或这些操作的任何组合。
根据上述方法的一些实施例，基于所采集的数据设置授粉的时机。在一个实施例中，授粉的位置是基于所采集的数据来设置的。在一个实施例中，所述方法包括多于一个的授粉事件。在一个实施例中，所述方法包括数个授粉事件。在一个实施例中，所述方法包括预设数量的授粉事件。在一个实施例中，所采集的数据是实时数据，并且授粉是实时授粉。在一个实施例中，基于实时数据实时设置授粉事件的数量。在一个实施例中，授粉事件以预设的频率实行。在一个实施例中，每个授粉事件具有预设的持续时间。
根据上述方法的一些实施例，所述方法进一步包括重复步骤[2000]至[7000]预定义次数。
根据上述方法的一些实施例，数据选自由数据采集单元的多个传感器采集的数据、从至少一个外部源收集的数据或其组合。
根据一些实施例，农业区域是作物的田地。在一个实施例中，农业区域是果园。
根据上述方法的一些实施例，作物是树作物。在一个实施例中，树作物选自而不限于鳄梨、可可、坚果、柑橘、猕猴桃、桃、芒果、荔枝、梨、李子、樱桃、杏或可以受益于本发明授粉系统和/或方法的任何其他树作物。
根据上述方法的一些实施例，作物是田地作物。在一个实施例中，本发明的田地作物列表包括而不限于诸如玉米、大豆、小麦、水稻、油籽、谷类、棉花、葡萄、甘蔗、果实和蔬菜的作物。
根据一些实施例，本发明提供了一种增加作物产量的方法，包括提供人工授粉管理系统，其中所述授粉管理系统包括授粉模块；并且，其中所述授粉模块包括至少一个花粉收集元件；并且，其中所述花粉收集元件被配置为向花粉粒施加静电力，从而将花粉粒吸引到花粉收集元件。在一个实施例中，授粉管理系统进一步包括数据采集模块；与数据采集模块通信的服务器；与服务器、数据采集模块和授粉模块通信的操作模块；和用户接口。在一个实施例中，花粉粒被吸引到花粉收集元件的花粉收集表面。在一个实施例中，农业区域是果园。在另一个实施例中，农业区域是作物的田地。如本文所使用的，术语“产量”或“农业生产率”或“农业产出”指代而不限于每单位土地耕种面积的作物产量和/或植物本身的种子生成的度量。在本发明的上下文中，产量的增加可以根据本领域已知的和/或种植者正在使用的任何合适的参数或技术来测量。例如，每种作物的果实和/或种子的数量、果实的大小、作物的重量以及其他参数。根据上述方法的一些实施例，作物的产量可以增加5%至500%。在一个实施例中，作物的产量可以增加10%至500%。作物的产量可以增加5%、10%、20%、30%、40%、50%、60%、70%、80%、90%、100%、110%、120%、130%、140%、150%、160%、170%、180%、190%、200%、210%、220%、230%、240%、250%、260%、270%、280%、290%、300%、310%、320%、330%、340%、350%、360%、370%、830%、390%、400%、410%、420%、430%、440%、450%、460%、470%、480%、490%、500%。
根据一些实施例，本发明提供了一种收集元件，所述收集元件包括高压电源、电极、花粉收集表面以及可选的容器，其中所述高压电源向电极供应高压；并且其中所述电极被配置为生成电场，所述电场在花粉粒上施加静电力；并且其中所述花粉粒被吸引到元件的花粉收集表面。在一个实施例中，花粉收集元件进一步包括内部控制单元、振动引擎、鼓风机或抽吸单元中的至少一个。现在参考图5，图示了本发明的花粉收集元件的示例性实施例200。高压电源20向电极30供应高压，电极30生成电场，电场在花粉粒上施加静电力。然后花粉被吸引到花粉收集表面40。
根据一些实施例，本发明提供了一种对包括作物的农业区域或其一部分进行人工授粉的计算机实现的方法。现在参考图3A，提出了所述方法的示例性实施例的流程图，包括以下步骤：提供根据本发明实施例的人工授粉系统[10000]；由数据采集模块收集数据[11000]；处理步骤[11000]的数据[12000]；基于从数据中提取的指示作物状态的一组参数来评估作物状态[13000]；基于作物状态向控制器提供指令[14000]；以及对农业区域或其一部分进行授粉[15000]。
根据上述方法的一些实施例，所述数据是图像数据。
根据上述方法的一些实施例，所述评估作物状态包括使用经训练的神经网络。在一个实施例中，所述处理步骤包括使用计算机实现的算法计算所述图像数据的步骤，所述计算机实现的算法被训练为基于图像数据生成输出。在另一个实施例中，所述计算机实现的算法被训练为基于从图像数据中提取的预定特征向量或属性来生成输出。在一个实施例中，所述方法包括根据训练数据集用所述算法实现训练过程的步骤，所述训练数据集包括由至少一个成像传感器捕获的多种农作物的多个训练图像，其中所述多个训练图像中的每个相应训练图像与相应训练图像中描绘的所述农作物的状态相关联。
现在参考图3B，其表示了上述过程的示例性实施例，其中所述训练过程包括以下步骤：使用成像传感器捕获农作物图像[16000]；通过应用与从图像数据中提取的指示作物状态的参数或属性相关联的标注，将图像分类成期望类别[17000]；以及应用计算机视觉算法来确定与每个期望类别相关联的一组特征向量[18000]。根据一些实施例，上述过程进一步包括应用具有计算机实现的经训练算法的机器学习过程来确定成像作物状态的步骤[19000]。
现在参考图3C，其表示了上述过程的示例性实施例，其中所述训练过程包括以下步骤：使用成像传感器捕获农作物图像[16000a]；通过标注图像中的某些对象并用期望类标记所述对象，将图像分类成期望类别[17000a]；以及应用计算机视觉算法来确定与每个期望类别相关联的一组特征向量[18000a]。
根据上述方法的一些实施例，所述方法包括应用具有计算机实现的经训练算法的机器学习过程来确定成像的开花植物的状态的步骤。在一个实施例中，所述算法用机器学习过程使用具有经处理的数据的神经网络来实现。在又另外的实施例中，所述机器学习过程包括通过至少一个神经网络计算至少一种开花植物的至少一个期望类别的标注，其中至少一个分类类别的标注至少根据至少一个神经网络的权重来计算，其中根据训练数据集训练所述至少一个神经网络，所述训练数据集包括由所述至少一个成像传感器捕获的多种农作物的多个训练图像，其中所述多个训练图像中的每个相应训练图像与在相应训练图像中描绘的至少一种农作物的至少一个期望类别的所述标注相关联；以及根据至少一个分类类别的标注生成供控制器执行的指令。替代地，机器学习过程包括由至少一个神经网络计算至少一种类型的农作物的至少一个期望类的标注，其中至少一个类的标注至少根据所述至少一个神经网络的权重来计算，其中根据训练数据集训练所述至少一个神经网络，所述训练数据集包括由所述至少一个成像传感器捕获的多种农作物的多个训练图像，其中所述多个训练图像中的每个相应训练图像与在相应训练图像中描绘的至少一种植物类型的至少一个期望类的所述标注相关联；以及根据至少一个类的标注生成供控制器执行的指令。
在本发明的上下文中，术语“作物”和/“农作物”是可互换的，并且均意在被理解为完整的植物和/或植物的部分，包括而不限于叶、果实、种子、茎、树枝、树干、花或这里没有明确提到的任何其他部分。本发明的农作物是田地作物和/或树作物，使得术语“农作物”也包括树或树作物。
根据一些实施例，本发明的附加目的是公开一种用于田地中/果园中的授粉过程的整体方法：使用花粉收集元件执行花粉收集，所述花粉收集元件被配置为向花粉粒施加静电力；使用不同的方法执行花粉施加，诸如而不限于静电喷雾、气泵或本领域的任何其他施加方法；使用数据采集模块收集数据，所述数据采集模块用于收集稍后将使用无线或其他连接发送到远程服务器的任何数据。本领域的技术人员将理解，服务器可以是单个计算机、计算机网络，其或者在云中或者在本地机器上；服务器将处理数据，并且将向种植者提供见解；服务器将使用设备“用户接口”（用于实时动作）和使用仪表板（用于实时和/或离线动作）提供关于未来必要动作的建议以供种植者采取。本领域的技术人员将理解，可以在不同的平台上供应数据服务，所述平台诸如网站、移动应用、平板应用和市场上可用的或正在开发的其他平台。服务器可以提供的见解和动作包括而不限于授粉效率；关于由于授粉低效而要人工重新授粉的区域的建议；关于果园/田地中的害虫和物理损害的报告；水的条件；作物附近的温度和湿度，以及可能影响授粉的频率和/或持续时间和/或位置的任何其他参数。
本文使用的术语仅为了描述特定的实施例的目的，而不意图对本发明进行限制。
根据一些实施例，本发明的方法包括应用具有计算机实现的经训练算法的机器学习过程来确定植物状态的步骤。因此，在本发明的范围内的是，算法（或计算机可读程序）用机器学习过程使用具有经处理的数据的神经网络来实现。在本发明的系统内实现的机器学习的上下文中，术语“训练”指代创建机器学习算法的过程。训练涉及深度学习框架和训练数据集的使用。训练数据源可以用于为从故障检测到消费者智能的各种用例训练机器学习模型。神经网络可以计算分类类别，和/或嵌入，和/或执行聚类，和/或检测来自经训练类的对象，用于标识授粉上下文中个体植物的状态。如本文所使用的，术语“类”指代而不限于具有某种共同的性质或属性并且通过种类、类型或质量与其他事物相区别的一组或一类别事物。
计算机可读程序指令也可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得一系列操作步骤在计算机、其他可编程装置或其他设备上执行，从而产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现功能/动作。
如本文使用的，术语“分类”有时可以与术语聚类或标注互换，例如，当分析数个植物图像时，每个图像可以根据其预定义的特征向量被分类并用于创建聚类，和/或植物图像可以被嵌入并且嵌入可以被聚类。术语“期望类别”有时可以与术语嵌入互换，例如，经训练的神经网络响应于植物图像的输出可以是一个或多个分类类别，或者存储所计算的嵌入的向量。应注意的是，分类类别和嵌入可以由同一个经训练的神经网络输出，例如，分类类别由神经网络的最后一层输出，并且嵌入由神经网络的隐藏嵌入层输出。
（一个或多个）神经网络的架构可以被实现为例如卷积、汇集、非线性、局部连接、完全连接的层和/或上面提到的组合。
应注意的是，对图像中的植物或植物状态特性目标的标注和分类可以由用户手动或半手动录入（例如，经由GUI，例如，选自可用表型特性目标的列表），作为存储在数据存储设备中的预定义值获得，和/或被自动计算。
术语“特征向量”在机器学习的上下文中在下文指代被观察的（例如由传感器检测到的）现象的个体可测量的性质或特性或参数或属性。本文清楚的是，对于模式识别、机器学习、分类和回归中的有效算法，选择有信息的、有区别的和独立的特征是至关重要的步骤。使用来自特征向量的分类的算法包括最近邻分类、神经网络和统计技术。在计算机视觉和图像处理中，特征是与解决与特定应用相关的计算任务有关的信息。特征可以是图像中的特定结构，诸如点、边缘或对象。特征也可以是应用于图像的一般邻域操作或特征检测的结果。当依据应用于图像的局部邻域操作来定义特征时，执行通常称为特征提取的过程。
示例1：Ettinger和Hass品种的鳄梨树的异花授粉（一次、三次、六次处置）
40棵树在Ettinger和Hass品种之间进行异花授粉。对比未接受任何人工授粉处置的对照组，执行一次、三次或六次连续处置，并测量平均果实数量和产量增加。结果在表1中表示：
处置 平均果实数量 产量增加
一次处置 219 52%
三次处置 318 121%
六次处置 250 73%
对照 144 0
根据表1和如图4A上所表示的，与对照组相比，观察到显著更多的平均果实数量，并且产量增加是明显的。
此外，如图4B上所示，尽管平均果实数量增加，但没有观察到果实重量的改变。
示例2：Ettinger和Hass品种的鳄梨树的异花授粉（一次、四次、八次处置）
40棵树在Ettinger和Hass品种之间进行异花授粉。对比未接受任何人工授粉处置的对照组，执行一次、四次或八次连续处置，并测量平均果实数量和产量增加。结果在表2中表示：
处置 平均果实数量 产量增加
一次处置 54.86 10.45%
四次处置 68.50 37.92
八次处置 79.25 59.56%
对照 49.67 0
根据表2和如图6A上所表示的，与对照组相比，观察到更多的平均果实数量，并且产量显著增加是明显的。
此外，如图6B上所示，尽管果实平均数量增加，但没有观察到每次处置的平均果实重量改变。
示例3：荔枝树Litchi chinensis的人工授粉
40棵荔枝树在佛罗里达品种（授粉媒介）和毛里求斯品种（被授粉）之间异花授粉。对比未接受任何人工授粉处置的对照组，执行异花授粉处置，并测量平均果实数量和产量增加。还测量了平均果实重量。除了指示的处置，树在相同的种植条件下种植。
观察到平均果实数量的增加和显著产量增加。
示例4：芒果树Mangifera indica的人工授粉。
根据表4中表示的处置，来自品种Tali、Keitt和Kent的40棵芒果树进行异花授粉或自花授粉：
Figure DEST_PATH_IMAGE002AA
对比未接受任何人工授粉处置的对照组执行处置，并测量平均果实数量和产量增加。还测量了平均果实重量。除了指示的处置，树在相同的种植条件下种植。
观察到平均果实数量的增加和显著产量增加。
本文所使用的术语仅用于描述特定实施例的目的，而不意图对本发明进行限制。除非上下文另有清楚指示，否则如本文所使用的，单数形式的“一”、“一个”和“该”意图也包括复数形式。将进一步理解，术语“包括”或“包括有”在本说明书中使用时指定存在所陈述的特征、整数、步骤、操作、元件部件和/或其群组或组合，但是不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、部件和/或其群组或组合。如本文所使用的，术语“包括”、“包括有”、“包含”、“包含有”、“具有”及其变化形式意指“包括但不限于”。术语“由……组成”意指“包括并限于”。
如本文所使用的，术语“和/或”包括相关联的列出项目中的任何及所有可能的组合或一个或多个，以及在以替代性（“或”）解释时不具有组合。
除非另外定义，否则本文使用的所有术语（包括技术和科学术语）具有与本发明所属领域的普通技术人员通常理解的相同的含义。将进一步理解，术语（诸如在常用词典中定义的那些术语）应当被解释为具有与它们在本说明书和权利要求的上下文中的含义一致的含义，并且不应当以理想化或过于正式的意义来解释，除非本文明确这样定义。为了简洁性和/或清楚性，熟知的功能或构造可能未详细描述。
将理解的是，当一个元件被称为在另一个元件“上”、“附接”到、“操作性地耦合”到、“操作性地链接”到、“操作性地接合”、“连接”到、“耦合”、“接触”另一个元件等时，它可以直接在该另一个元件上、附接到、连接到、操作性地耦合到、操作性地接合、耦合和/或接触该另一个元件，或者也可以存在居间元件。相比之下，当一个元件被称为“直接接触”另一个元件时，不存在居间元件。每当使用术语“约”时，其意在指代可测量的值，诸如数量、持续时间等，并意在涵盖从指定值的±20%、±10%、±5%、±1%或±0.1%的变化，因为这样的变化适于执行所公开的方法。
将理解的是，诸如例如“处理”、“计算”、“运算”、“确定”、“建立”、“分析”、“检查”等术语可以指代计算机、计算平台、计算系统或其他电子计算设备的（一个或多个）操作和/或（一个或多个）进程，其将表示为计算机的寄存器和/或存储器内的物理（例如，电子）量的数据操控和/或变换为类似地表示为计算机的寄存器和/或存储器或者可以存储执行操作和/或进程的指令的其他信息非暂时性存储介质内的物理量的其他数据。
将理解的是，尽管术语第一、第二等可以在本文用来描述各种元件、部件、区、层和/或区段，但是这些元件、部件、区、层和/或区段不应当受到这些术语的限制。而是，这些术语仅用于将一个元件、部件、区、层和/或区段与另一个元件、部件、区、层和/或区段进行区分。
为清楚性在单独实施例的上下文中描述的本发明的某些特征也可以在单个实施例中组合提供。相反，为简洁性在单个实施例的上下文中描述的本发明的各种特征也可以分离地或以任何合适的子组合提供，或者合适时在本发明的任何其他描述的实施例中提供。在各种实施例的上下文中描述的某些特征不应被视为那些实施例的必要特征，除非所述实施例在没有那些元件的情况不起作用。
贯穿本申请，本发明的各种实施例可以以范围格式呈现。应当理解，以范围格式的描述仅仅是为了方便以及简洁性，而不应当被解释为对本发明范围的不灵活的限制。因此，范围的描述应当被认为是具有具体公开的所有可能的子范围以及该范围内的个体数值。例如，范围诸如从1至6的描述应当被视为具有具体公开的子范围，诸如从1至3、从1至4、从1至5、从2至4、从2至6、从3至6等，以及该范围内的个体数字，例如1、2、3、4、5和6。无论范围的广度如何，这都适用。
每当在本文中指示数值范围，其意在包括在所指示的范围内的任何引用的数值（分数或整数）。短语“在第一指示数字与第二指示数字之间的幅度/范围”和“从第一指示数字至第二指示数字的幅度/范围”在本文中可互换使用，并且意在包括第一指示数字和第二指示数字及其间的所有分数和整数数值。
每当使用术语“多个”和“多种”时，其意在包括例如“数个”或“两个或更多个”。术语“多个”或“多种”可以贯穿说明书用来描述两个或更多个部件、设备、元件、单元、参数等。术语集合在本文使用时可以包括一个或多个项目。除非明确陈述，否则本文描述的方法实施例不限于特定的顺序或序列。附加地，一些所描述的方法实施例或其元素可以同时、在同一时间点或并发地发生或执行。
提及的所有出版物、专利申请、专利和其他参考文献。这些出版物的公开内容特此以其整体通过引用并入本申请中，以便更充分地描述本发明所属领域的状态。在冲突的情况下，将以包括定义的专利说明书为准。此外，材料、方法和示例仅是说明性的，而不意图是限制性的。贯穿本申请，参考了各种出版物、公开的专利申请和公开的专利。
本领域的技术人员将领会，本发明不限于上文已经特别示出和描述的内容。而是，本发明的范围由所附权利要求限定并且包括上文描述的各种特征的组合和子组合两者，以及本领域的技术人员在阅读前述描述后将会想到的其变型和修改。

Claims (58)

1.一种用于农业区域的授粉管理系统，包括：
a） 授粉模块，其中所述模块包括被配置为收集花粉的花粉收集元件；和被配置为释放花粉的花粉施加元件；
b） 与授粉模块可操作地接合的数据采集模块，其中所述数据采集模块包括至少一个传感器；
c） 与授粉模块和数据采集模块通信的服务器，其中服务器被配置为处理由数据采集模块采集的数据；
d） 操作模块，包括与服务器和授粉模块通信的控制器，其中所述控制器被配置为向授粉模块提供指令；以及
e） 用户接口；
其中所述系统被配置为对农业区域或其一部分进行人工授粉。
2.根据权利要求1所述的系统，其中，数据采集模块被配置为将所采集的数据传输到服务器。
3.根据权利要求1或2所述的系统，其中，由控制器提供给授粉模块的指令基于由服务器处理的数据。
4.根据权利要求1至3中任一项所述的系统，其中，至少一个传感器选自由IR相机、温度传感器、湿度传感器、LIDAR、录音机、GNSS、4D成像传感器、超光谱成像、IMU和光传感器组成的群组。
5.根据权利要求1至4中任一项所述的系统，其中，数据采集模块包括多个传感器。
6.根据权利要求1至5中任一项所述的系统，其中，授粉模块的花粉收集元件包括高压电源、电极、花粉收集表面和可选的容器。
7.根据权利要求6所述的系统，其中，花粉收集元件被配置为生成电场，所述电场在花粉粒上施加静电力，从而将花粉粒吸引到花粉收集表面。
8.根据权利要求6或7所述的系统，其中，花粉收集元件进一步包括内部控制单元、振动引擎或抽吸单元中的至少一个。
9.根据权利要求1至7中任一项所述的系统，其中，服务器被配置为接收所采集的数据、存储所采集的数据、基于所采集的数据生成授粉热图或进行这些操作的任何组合。
10.根据权利要求8所述的系统，其中，服务器进一步被配置为将授粉热图传输到操作模块。
11.根据权利要求1至10中任一项所述的系统，其中，数据选自位置数据（GPS）、IMU数据、视觉数据和气候相关数据。
12.根据权利要求11所述的系统，其中，数据是实时数据。
13.根据权利要求12所述的系统，其中，实时数据选自由数据采集模块的至少一个传感器采集的数据、由数据采集模块从外部源接收的数据或其组合。
14.根据权利要求12或13所述的系统，进一步被配置为处理实时数据，并基于所述实时数据对农业区域进行授粉。
15.根据权利要求12至14中任一项所述的系统，其中，实时数据选自位置数据（GPS）、IMU数据、视觉数据和气候相关数据。
16.根据权利要求1至15中任一项所述的系统，其中，服务器进一步被配置为控制以下各项中的至少一个：待授粉的区域、授粉时间、授粉事件的频率、授粉事件的数量、每个授粉事件的持续时间或其任何组合。
17.根据权利要求1至16中任一项所述的系统，其中，花粉收集元件和花粉施加元件形成单个单元，所述单个单元被配置为收集和释放花粉。
18.根据权利要求1至16中任一项所述的系统，其中，授粉模块的花粉收集元件和花粉施加元件是分离的元件。
19.根据权利要求1至18中任一项所述的系统，其中，农业区域是作物的田地或果园。
20.一种对需要授粉的农业区域或其一部分进行人工授粉的方法，包括：
a）提供权利要求1至19中任一项所述的授粉管理系统；
b）由授粉管理系统的数据采集模块采集数据；
c）将所采集的数据传输到授粉管理系统的服务器；
d）由服务器处理步骤b）的数据以生成输出；
e）将步骤d）的输出传输到操作模块的控制器；以及
f）由授粉模块对农业区域进行授粉，
其中对农业区域进行授粉的步骤根据控制器提供的指令来实行，并且其中控制器提供的指令基于步骤d）的输出。
21.根据权利要求20所述的方法，其中，对农业区域进行授粉的步骤包括由授粉模块的花粉收集元件收集花粉和由授粉模块的花粉施加元件释放花粉的步骤。
22.根据权利要求21所述的方法，其中，由花粉收集元件收集花粉的步骤进一步包括生成电场，所述电场在花粉粒上施加静电力，从而将花粉粒吸引到花粉收集元件的花粉收集表面。
23.根据权利要求20至22中任一项所述的方法，其中，由数据采集模块采集数据的步骤包括由数据采集模块的至少一个传感器采集数据、从外部源接收数据或其组合中的至少一个。
24.根据权利要求23所述的方法，其中，由数据采集模块采集数据的步骤包括由数据采集模块的至少一个传感器采集数据和从外部源接收数据。
25.根据权利要求20至24中任一项所述的方法，其中，数据选自位置数据（GPS）、IMU数据、视觉数据和气候相关数据。
26.根据权利要求20至25中任一项所述的方法，其中，数据是实时数据。
27.根据权利要求20至26中任一项所述的方法，其中，处理数据和生成输出的步骤包括选自以下各项的步骤：设置授粉事件的数量、设置授粉的时机、设置授粉的频率、设置授粉事件的持续时间、设置授粉的位置、设置待授粉的区域或这些操作的任何组合。
28.根据权利要求20至27中任一项所述的方法，其中，对农业区域进行授粉的步骤包括多于一个的授粉事件。
29.根据权利要求28所述的方法，包括预设数量的授粉事件。
30.根据权利要求29所述的方法，其中，授粉事件以预设频率实行。
31.根据权利要求28至30中任一项所述的方法，其中，每个授粉事件具有预设的持续时间。
32.根据权利要求20至31中任一项所述的方法，其中，农业区域或其一部分是作物的田地或果园。
33.根据权利要求20至32中任一项所述的方法，其中，所采集的数据是实时数据，并且其中授粉是实时授粉。
34.一种增加作物产量的方法，包括提供人工授粉管理系统，其中所述授粉管理系统包括授粉模块；并且，其中所述授粉模块包括至少一个花粉收集元件；并且，其中所述花粉收集元件被配置为向花粉粒施加静电力，从而将花粉粒吸引到花粉收集元件。
35.根据权利要求34所述的方法，其中，授粉管理系统进一步包括数据采集模块；与数据采集模块通信的服务器；与服务器、数据采集模块和授粉模块通信的操作模块；以及用户接口。
36.根据权利要求34或35所述的方法，其中，花粉收集元件包括高压电源、电极、花粉收集表面和可选的容器，其中所述高压电源向电极供应高压；并且其中所述电极被配置为生成电场，所述电场向花粉粒施加静电力。
37.根据权利要求36所述的方法，其中，花粉粒被吸引到花粉收集元件的花粉收集表面。
38.根据权利要求34至37中任一项所述的方法，其中，农业区域是果园。
39.根据权利要求34至37中任一项所述的方法，其中，农业区域是作物的田地。
40.根据权利要求39所述的方法，其中，作物是树作物或田地作物。
41.根据权利要求40所述的方法，其中，作物是选自由鳄梨、可可、坚果、柑橘、猕猴桃、桃、梨、李子、樱桃、芒果、荔枝和杏组成的群组的树作物。
42.一种花粉收集元件，其包括高压电源、电极、花粉收集表面和可选的容器，其中所述高压电源向电极供应高压；并且其中所述电极被配置为生成电场，所述电场在花粉粒上施加静电力；并且其中所述花粉粒被吸引到元件的花粉收集表面。
43.根据权利要求42所述的花粉收集元件，进一步包括内部控制单元、振动引擎、鼓风机或抽吸单元中的至少一个。
44.一种对包括作物的农业区域或其一部分进行人工授粉的计算机实现的方法，过程包括：
a）提供权利要求1至19中任一项所述的人工授粉系统；
b）由数据采集模块收集数据；
c）处理数据并基于从数据中提取的指示作物状态的一组参数评估作物状态；
d）基于作物状态向控制器提供指令；以及
e）对农业区域或其一部分进行授粉。
45.根据权利要求44所述的方法，其中所述数据是图像数据。
46.根据权利要求45所述的方法，其中，所述评估农业区域的状态包括使用经训练的神经网络。
47.根据权利要求46所述的方法，其中，处理步骤包括使用计算机实现的算法计算所述图像数据的步骤，所述计算机实现的算法被训练为基于图像数据生成输出。
48.根据权利要求47所述的方法，其中，所述计算机实现的算法被训练为基于从图像数据中提取的预定特征向量或属性来生成输出。
49.根据权利要求45至48中任一项所述的方法，其中，所述方法包括根据包括作物的多个训练图像的训练数据集利用所述算法实现训练过程的步骤，其中多个训练图像的每个相应训练图像与相应训练图像中描绘的所述作物状态相关联。
50.根据权利要求46所述的方法，其中所述训练过程包括以下步骤：
a）使用成像传感器捕获作物的图像；
b）通过应用与从图像数据中提取的指示作物状态的参数或属性相关联的标注，将图像分类成期望类别；以及
c）应用计算机视觉算法来确定与每个期望类别相关联的一组特征向量。
51.根据权利要求50所述的方法，进一步包括应用具有计算机实现的经训练算法的机器学习过程来确定成像作物状态的步骤。
52.根据权利要求51所述的方法，其中，所述算法用机器学习过程使用具有经处理的数据的神经网络来实现。
53.根据权利要求52所述的方法，其中，所述机器学习过程包括：通过至少一个神经网络为至少一种作物计算至少一个期望类别的标注，其中至少一个分类类别的标注至少根据至少一个神经网络的权重来计算，其中至少一个神经网络根据训练数据集来训练，所述训练数据集包括由至少一个成像传感器捕获的多种作物的多个训练图像，其中多个训练图像中的每个相应训练图像与在相应训练图像中描绘的至少一种作物的至少一个期望类别的所述标注相关联；以及根据至少一个分类类别的标注生成供控制器执行的指令。
54.根据权利要求44至53中任一项所述的方法，其中，作物是田地作物。
55.根据权利要求44至53中任一项所述的方法，其中，作物是树作物。
56.根据权利要求55所述的方法，其中，农业区域是果园。
57.根据权利要求55或56所述的方法，其中，树作物选自由鳄梨、可可、坚果、柑橘、猕猴桃、桃、梨、李子、樱桃、芒果、荔枝和杏组成的群组。
58.根据权利要求57所述的方法，其中，树作物选自鳄梨、芒果和荔枝。
CN202180040715.8A 2020-04-06 2021-04-06 人工授粉方法及进行人工授粉的装置 Pending CN115697040A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202063005677P 2020-04-06 2020-04-06
US63/005677 2020-04-06
PCT/IL2021/050386 WO2021205442A1 (en) 2020-04-06 2021-04-06 Methods for artificial pollination and apparatus for doing the same

Publications (1)

Publication Number Publication Date
CN115697040A true CN115697040A (zh) 2023-02-03

Family

ID=78023916

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180040715.8A Pending CN115697040A (zh) 2020-04-06 2021-04-06 人工授粉方法及进行人工授粉的装置

Country Status (15)

Country Link
US (1) US20230157231A1 (zh)
EP (1) EP4133348A4 (zh)
JP (1) JP2023520743A (zh)
KR (1) KR20220164544A (zh)
CN (1) CN115697040A (zh)
AU (1) AU2021252237A1 (zh)
BR (1) BR112022020011A2 (zh)
CA (1) CA3179024A1 (zh)
CL (1) CL2022002716A1 (zh)
CO (1) CO2022014282A2 (zh)
IL (1) IL297175A (zh)
MX (1) MX2022012502A (zh)
PE (1) PE20230203A1 (zh)
WO (1) WO2021205442A1 (zh)
ZA (1) ZA202210953B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116267580A (zh) * 2023-02-16 2023-06-23 塔里木大学 一种樱花的人工授粉装置
CN116267580B (zh) * 2023-02-16 2024-05-28 塔里木大学 一种樱花的人工授粉装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220114681A1 (en) * 2020-10-14 2022-04-14 Accelerated Ag Technologies, Llc Pollination Predictor System and Method
US20220400637A1 (en) * 2021-03-08 2022-12-22 Monsanto Technology Llc Systems and methods for liquid-mediated delivery of pollen

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014129966A1 (en) * 2013-02-25 2014-08-28 Biomachines Pte Ltd Data logger and sentinel platform for sensor network
US10139279B2 (en) * 2015-05-12 2018-11-27 BioSensing Systems, LLC Apparatuses and methods for bio-sensing using unmanned aerial vehicles
US10674685B2 (en) * 2015-06-04 2020-06-09 Elwha Llc Systems and methods for selective pollination
CN111405845A (zh) * 2017-09-07 2020-07-10 埃得特农业精密技术有限公司 用于通过虫媒花粉对栽培树木或灌木进行干式人工授粉的系统以及用于干式人工授粉的方法
CN108243733B (zh) * 2017-12-23 2021-12-07 钟三妹 一种花粉采集器
US20210137039A1 (en) * 2018-02-13 2021-05-13 Sandeep Kumar Chintala Smart pollination system

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116267580A (zh) * 2023-02-16 2023-06-23 塔里木大学 一种樱花的人工授粉装置
CN116267580B (zh) * 2023-02-16 2024-05-28 塔里木大学 一种樱花的人工授粉装置

Also Published As

Publication number Publication date
PE20230203A1 (es) 2023-02-03
JP2023520743A (ja) 2023-05-18
CA3179024A1 (en) 2021-10-14
US20230157231A1 (en) 2023-05-25
ZA202210953B (zh) 2024-02-28
EP4133348A1 (en) 2023-02-15
BR112022020011A2 (pt) 2022-11-22
MX2022012502A (es) 2022-11-14
IL297175A (en) 2022-12-01
EP4133348A4 (en) 2023-09-13
KR20220164544A (ko) 2022-12-13
CO2022014282A2 (es) 2022-11-08
AU2021252237A1 (en) 2022-11-24
WO2021205442A1 (en) 2021-10-14
WO2021205442A8 (en) 2022-11-17
CL2022002716A1 (es) 2023-03-24

Similar Documents

Publication Publication Date Title
Pilli et al. eAGROBOT—A robot for early crop disease detection using image processing
Saxena et al. A survey of image processing techniques for agriculture
JP6638121B1 (ja) 作物生育ステージ判定システムのサーバ装置、生育ステージ判定方法及びプログラム
Chang et al. Unmanned aircraft system-(UAS-) based high-throughput phenotyping (HTP) for tomato yield estimation
Costa et al. Measuring pecan nut growth utilizing machine vision and deep learning for the better understanding of the fruit growth curve
CN115697040A (zh) 人工授粉方法及进行人工授粉的装置
EP3422280B1 (en) A method for forecasting the parameters of a phenomenon or the activities of an object, particularly animate, in a given geographic area
Hamidisepehr et al. Comparison of object detection methods for corn damage assessment using deep learning
Sabancı et al. Classification of different wheat varieties by using data mining algorithms
Juyal et al. Crop growth monitoring using unmanned aerial vehicle for farm field management
Qiao et al. AI, sensors and robotics in plant phenotyping and precision agriculture
James et al. High‐throughput phenotyping for breeding targets—Current status and future directions of strawberry trait automation
Khatri et al. Computer Vision and Image Processing for Precision Agriculture
Braun et al. A Fruit Yield Prediction Method Using Blossom Detection
Negrete Artificial vision in Mexican agriculture, a new techlogy for increase food security
de Ocampo et al. Integrated Weed Estimation and Pest Damage Detection in Solanum melongena Plantation via Aerial Vision-based Proximal Sensing.
US20220392214A1 (en) Scouting functionality emergence
CA3193650A1 (en) Methods for artificial pollination and apparatus for doing the same
Lakshmi et al. A Review on Developing Tech-Agriculture using Deep Learning Methods by Applying UAVs
Qureshi et al. INTELLIGENT RESISTANT SOURCE DETECTION AGAINST STALK ROT DISEASE OF MAIZE USING DEEP LEARNING TECHNIQUE.
US11915421B2 (en) Auditing task performance
Mazare et al. Embedded system for real time analysis of thermal images for prevention of water stress on plants
Dokania et al. Feature Extraction Techniques in Agriculture with Stressed Vegetation: A Review
TUĞRUL ARTIFICIAL INTELLIGENCE AND SMART FARMING APPLICATIONS IN AGRICULTURAL MACHINERY
Ghose Hands-free Hectares Agricultural Innovations for Zero Hunger & Malnutritio

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
CB02 Change of applicant information

Address after: Israel Rishpon

Applicant after: Blooming Co.,Ltd.

Address before: Israel Rishpon

Applicant before: Bumblebee Artificial Intelligence Co.,Ltd.

CB02 Change of applicant information