CN116018061A - 用于预测果实质量的方法和系统 - Google Patents

用于预测果实质量的方法和系统 Download PDF

Info

Publication number
CN116018061A
CN116018061A CN202180054759.6A CN202180054759A CN116018061A CN 116018061 A CN116018061 A CN 116018061A CN 202180054759 A CN202180054759 A CN 202180054759A CN 116018061 A CN116018061 A CN 116018061A
Authority
CN
China
Prior art keywords
crop
growth
fruit quality
threshold
fruit
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
CN202180054759.6A
Other languages
English (en)
Inventor
奥马尔·盖伊
奥伦·金德
伊多·加迪
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.)
Phytech Ltd
Original Assignee
Phytech 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 Phytech Ltd filed Critical Phytech Ltd
Publication of CN116018061A publication Critical patent/CN116018061A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A01G17/00—Cultivation of hops, vines, fruit trees, or like trees
    • A01G17/005—Cultivation methods
    • 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
    • A01G22/00—Cultivation of specific crops or plants not otherwise provided for
    • A01G22/05—Fruit crops, e.g. strawberries, tomatoes or cucumbers
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Botany (AREA)
  • Environmental Sciences (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Primary Health Care (AREA)
  • Agronomy & Crop Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Forests & Forestry (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Cultivation Of Plants (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Harvesting Machines For Specific Crops (AREA)

Abstract

一种在采收一作物之前预测所述作物中果实质量的方法，包括接收所述作物的一果实质量阈值，以及基于所述果实质量阈值选择一次季节时间窗和一生长阈值。所述方法还包括在所述时间窗开始之前监测所述作物的生长，并在整个所述时间窗中继续所述监测。如果所述被监测的生长在所述时间窗的至少80％期间低于所述生长阈值，则所述方法提供一预测输出，即所述果实质量高于至少一第一百分比的所述作物的所述果实质量阈值。

Description

用于预测果实质量的方法和系统
相关申请案
本申请主张2020年7月12日申请的美国第63/050,808号临时专利申请案的优先权，其全部公开内容在此通过引用其整体并入本文中。
技术领域及背景技术
本发明，在其一些实施例中，是有关农业，并且更具体地但不排他地是有关一种用于预测并且可选地和优选地控制果实作物质量的方法和系统。
近年来，随着国际市场的所述全球化，食物的所述质量成为一消费者购买决定的一首要因素。所述购买者考虑所述食物的各种特性和特征。例如，评估新鲜度、多汁性、硬度、外观和其他多个参数。在做出购买决定时会考虑这些和其他多种特性和特征。
尤其是，多位消费者通过视觉、手动，有时还通过味道测试来评估多种蔬菜和多种果实。近年来，随着国际市场的所述全球化，人们对果实质量的要求也越来越高。多种味道特征是加工果实和新鲜市场果实的果实质量的一主要决定因素。多种果实味道的所述多种主要成分之一者是可溶性糖含量。通常，多位植物育种者试图通过增加以白利糖度(Brix，°Bx)表示的总可溶性固体(total soluble solids，TSS)来改善所述果实的所述甜味成分。
白利糖度通常在采收后通过检查所述果实果汁的所述折射率，或通过估计其所述表观比重(apparent specific gravity)来测量。
发明内容
根据本发明的一些实施例，本发明提供了一种在采收一作物之前预测所述作物中果实质量的方法。所述方法包括：接收所述作物的一果实质量阈值；基于所述果实质量阈值选择一次季节时间窗和一生长阈值；在所述时间窗开始之前监测所述作物的生长，所述方法还包括：在所述时间窗开始之前监测所述作物的生长，并在整个所述时间窗中继续所述监测；如果所述被监测的生长在所述时间窗的至少80％期间低于所述生长阈值，则所述方法提供一预测输出，即所述果实质量高于至少一第一百分比的所述作物的所述果实质量阈值。在本发明的一些实施例中，如果所述被监测的生长在所述时间窗的至少80％期间不低于所述生长阈值，则所述方法提供一预测输出，即所述果实质量高于少于所述第一百分比的所述作物的所述果实质量阈值。
根据本发明的一些实施例，所述方法包括如果所述被监测的生长不低于所述生长阈值，则抑制所述作物的一生长。
根据本发明的一些实施例，所述方法包括当所述被监测的生长低于所述生长阈值时，则终止对所述作物的所述生长的所述抑制。
根据本发明的一些实施例，如果所述作物的所述生长的所述抑制在所述时间窗内，则预测一果实质量，所述果实质量高于至多一第二预定百分比的所述作物的所述果实质量阈值，所述第二百分比不高于所述第一百分比。
根据本发明的一些实施例，所述生长通过减少或终止灌溉来抑制。根据本发明的一些实施例，所述生长通过减少或终止施肥来抑制。
根据本发明的一些实施例，所述生长通过监测一果树的一树干的一宽度来监测。
根据本发明的一些实施例，所述果实质量包括总可溶性固体的水平。
根据本发明的一些实施例，所述作物是一柑橘作物。根据本发明的一些实施例，所述作物是一橙子作物。
根据本发明的一些实施例，所述作物是一葡萄作物。
根据本发明的一些实施例，所述作物是一番茄作物。
根据本发明的一些实施例，所述作物是一核果作物。根据本发明的一些实施例，所述作物是一李子作物。根据本发明的一些实施例，所述作物是一桃子作物。
根据本发明的一些实施例的一方面，提供了一种电脑软件产品。所述电脑软件产品包括一非暂时性电脑可读介质，其中储存多个程式指令，这些指令在被一数据处理器读取时，使所述数据处理器接收一次季节时间窗、一生长阈值、一果实质量阈值，以及在所述时间窗开始之前一作物生长的多个被监测的值，并执行上面描述的所述方法并且可选地和优选地如下面进一步详述的。
根据本发明的一些实施例的一方面，提供了一种在采收一作物之前预测所述作物中果实质量的系统。所述系统包括：一数据处理器，被配置为用于接收所述作物的一果实质量阈值、基于所述果实质量阈值选择一次季节时间窗和一生长阈值、以及如果所述被监测的生长在所述时间窗的至少80％期间低于所述生长阈值，则预测一果实质量，所述果实质量高于至少一第一百分比的所述作物的所述果实质量阈值。根据本发明的一些实施例，所述系统还包括一传感器系统，被部署和配置为用于测量和传输与所述作物一生长有关的数据。
根据本发明的一些实施例，如果所述被监测的生长不低于所述生长阈值，则所述数据处理器被配置为用于生成输出，所述输出指示抑制所述作物的一生长。
根据本发明的一些实施例，当所述被监测的生长低于所述生长阈值时，则所述数据处理器被配置为用于生成输出，所述输出指示终止所述作物的所述生长的所述抑制。
根据本发明的一些实施例，如果所述作物的所述生长的所述抑制在所述时间窗内，则所述数据处理器被配置为用于预测一果实质量，所述果实质量高于至多一第二预定百分比的所述作物的所述果实质量阈值，所述第二百分比不高于所述第一百分比。
根据本发明的一些实施例，所述传感器系统被配置为用于监测一果树的一树干的一宽度。
根据本发明的一些实施例，所述果实质量包括总可溶性固体的水平。
根据本发明的一些实施例，所述作物是一柑橘作物。
根据本发明的一些实施例，所述作物是一柑橘作物。
根据本发明的一些实施例，所述果实质量阈值等于至少10°Bx，并且所述第一百分比等于至少50％。
根据本发明的一些实施例，所述时间窗的一持续时间至少为一个月但小于三个月。
除非另有定义，否则本文使用的所有技术及/或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含义。尽管与本文所述的多种方法及多个材料相似或等效的方法和材料可用于本发明多个实施例的所述实践或测试，但多种示例性方法及/或材料于下文描述。如有冲突，以本专利说明书，包括多个定义为准。此外，所述多种材料、多种方法和多个示例仅是说明性的，并不一定是限制性的。
本发明的多个实施例的所述方法及/或系统的所述实施可以涉及手动地、自动地或其一组合执行或完成所述选择的多个任务。此外，根据本发明的所述方法及/或系统的多个实施例的实际仪器和设备，数个选择的多个任务可以通过硬件、软件或固件或其一组合使用一操作系统来实现。
例如，根据本发明的多个实施例的用于执行多个选择的任务的硬件可以被实现为一芯片或一电路。作为软件，根据本发明的多个实施例的多个选择的任务可以被实现为由使用任何合适的操作系统的一电脑执行的多个软件指令。在本发明的一示例性实施例中，根据本文描述的方法及/或系统的多个示例性实施例的一个或多个任务由一数据处理器，例如用于执行多个指令的一计算平台执行。可选地，所述数据处理器包括用于储存多个指令及/或数据的一易失性存储器及/或用于储存多个指令及/或数据的一非易失性存储，例如一磁性硬盘及/或可拆卸介质。可选地，还提供一网络连接。还可选地提供一显示器及/或诸如一键盘或鼠标的一用户输入装置。
附图说明
在本文仅通过示例的方式参考所述多个附图描述本发明的一些实施例。现在详细地具体参考所述多个附图，强调所示的所述多个细节是通过示例的方式并且出于对本发明的多个实施例的说明性讨论的目的。对此，对本领域技术人员而言，结合所述多个附图进行的所述描述使如何实施本发明的多个实施例变得显而易见。
在所述多个附图中：
图1是根据本发明的多个实施例的一种适用于在采收一作物之前预测，并且可选地和优选地控制所述作物中果实质量的方法的一流程图；
图2是显示根据本发明的一些实施例的一种用于在采收一作物之前预测所述作物中果实质量，并且可选地和优选地还用于控制果实质量的系统的一方框图的一示意图；
图3是根据本发明的一些实施例进行的多个实验中测量的多个高白利糖度图表和多个对照图表的多个橙树的平均每月树干生长的一直方图，以微米为单位；
图4是根据本发明的一些实施例进行的多个实验中测量的四个不同白利糖度值的多个橙树的平均每月树干生长的一直方图，以微米为单位；
图5是根据本发明的一些实施例进行的多个实验中测量的多个葡萄树的以微米为单位的每月生长及以°Bx为单位的多个相应白利糖度水平的一直方图；
图6显示了在根据本发明的一些实施例进行的多个实验中测量的作为以微米为单位的树干生长的一函数的多个葡萄的一熟成期间(veraison period)多个白利糖度水平的变化；
图7是根据本发明的一些实施例进行的多个实验中测量的多个桃树的以微米为单位的每月生长及以°Bx为单位的多个相应白利糖度水平的一直方图；
图8是根据本发明的一些实施例进行的多个实验中测量的多个糖果公主(CandyPrincess)桃树的以微米为单位的每月生长及以°Bx为单位的多个相应白利糖度水平的一直方图；
图9是根据本发明的一些实施例进行的多个实验中测量的多个极地公主(PolarPrincess)桃树的以微米为单位的每月生长及以°Bx为单位的多个相应白利糖度水平的一直方图；
图10是根据本发明的一些实施例进行的多个实验中测量的多个修剪兰花树的以微米为单位的一两个月加性生长(additive growth)及以°Bx为单位的多个相应白利糖度水平的一直方图；
图11是在根据本发明的一些实施例进行的多个实验中测量的多个露地(openfield)番茄植物的以微米为单位的每月生长及以°Bx为单位的多个相应白利糖度水平的一直方图；
图12是根据本发明的一些实施例进行的多个实验中获得的作为汇总树干生长的一函数的多个梨的平均白利糖度水平的一直方图；
图13是根据本发明的一些实施例进行的多个实验中获得的作为每月树干生长的一函数的多个加拉(Gala)苹果的白利糖度水平的一直方图；
图14是根据本发明的一些实施例进行的多个实验中获得的作为每月树干生长的一函数的多个粉红佳人(Pink Lady)苹果的白利糖度水平的一直方图；以及
图15是在根据本发明的一些实施例进行的多个实验中获得的作为树干生长的一函数的多个克里曼丁红橘(Clementine mandarin)的平均白利糖度水平的一直方图。
具体实施方式
本发明，在其一些实施例中，是有关农业，并且更具体地但不排他地是有关一种用于预测并且可选地和优选地控制果实作物质量的方法和系统。
在详细解释本发明的至少一个实施例之前，应当理解，本发明的应用不一定限于在以下描述中阐述及/或在所述多个附图及/或所述多个示例中说明的所述多个成分及/或多种方法的所述多个配置细节和所述布置。本发明能够具有其他多个实施例或者能够以各种方式实践或执行。
在寻找一种技术，所述技术可以在采收前预测，并且可选地和优选地增加果实作物的所述质量，本案多位发明人意外地发现，在一相对短的、次季节的时间窗期间，采收后所述果实的所述质量取决于携带所述果实的所述植物(例如树)的所述特征。具体地，本案多位发明人发现所述植物的所述生长在所述时间窗期间与采收后所述果实的所述质量之间呈一负相关。因此，本案多位发明人假设，所述植物的所述生长及其多个果实的所述质量都在竞争多个相同的能源资源，尤其是碳分配，其中分配给例如树干、树冠和多个根的生长的碳量增加，减少分配给提高所述果实质量(例如诸如葡萄糖、蔗糖和果糖的多种可溶性糖的产生)的所述碳量，反之亦然。
现在参考所述多个附图，图1是根据本发明的各种示例性实施例的一种适用于在采收一作物之前预测，并且可选地和优选地控制所述作物中果实质量的方法的一流程图。应当理解，除非另有定义，下文描述的所述多个操作可以以执行的许多组合或许多顺序同时或依序执行。具体地，所述多个流程图的所述排序不应被认为是限制性的。例如，以一特定顺序出现在以下描述或所述多个流程图中的两个或多个操作可以以一不同的顺序(例如一相反的顺序)或实质上同时执行。另外地，下面描述的数个操作是可选的，并且可能不会执行。
本文描述的所述多个操作的至少部分可以由一数据处理系统实现，例如一专用电路或一通用电脑，所述数据处理系统被配置为接收数据并执行下述的所述多个操作。所述多个操作的至少部分可以通过一远程位置的一云计算设施(cloud computing facility)来实现。下面描述的所述多个操作的一个或多个可以由一活动装置的一数据处理器，例如但不限于一智慧手机、一平板电脑、一智能手表等来实现，辅以被编程为接收数据并执行多个处理操作的软件应用程式。
实现所述方法的多个电脑程式通常可以在一分发介质上分发给多个用户，所述分发介质例如，但不限于一快闪存储器、CD-ROM，或一远程介质，所述远程介质通过所述互联网与一本地电脑通信。所述多个电脑程式可以从所述分发介质复制到一硬盘或一类似的中间存储介质。所述多个电脑程式可以通过将所述多个电脑指令从它们的分发介质或它们的中间存储介质加载到所述电脑的所述执行存储器中来运行，配置所述电脑以根据所述方法进行操作。所有这些操作对于多个电脑系统领域的技术人员来说都是众所周知的。
所述方法可以以多种形式体现。例如，它可以体现在一有形介质上，例如用于执行所述多个方法步骤的一电脑。它可以体现在一电脑可读介质上，包括用于执行所述多个方法步骤的多个电脑可读指令。还可以体现在具有多个数位电脑能力的电子装置中，所述电子装置被布置成在所述有形介质上运行所述电脑程式或在一电脑可读介质上执行所述指令。
所述方法基于所述多位发明人的观察，即在一选择的时间窗期间所述植物的一足够小的生长表示，所述作物的一大部分在采收后的所述果实质量将很高，因为在所述选择的时间窗期间，多个能源资源从所述植物的生长转移到所述果实的所述质量的一提高上。所述多位发明人已经将这种理解调整为一方法，在所述方法中可以预测并且可选地和优选地还可以控制所述果实质量。所述方法可以预测许多类型的果实作物的所述果实质量，包括但不限于柑橘(例如橙子、橘子、克里曼丁小柑橘(clementine)、柠檬、莱姆)、苹果、梨、李子、樱桃、番石榴、桃子、油桃、杏子、枇杷、芒果、西瓜、甜瓜、奇异果、木瓜、咖啡、胡椒、及番茄。
在本发明的一些优选实施例中，所述方法预测一柑橘作物，例如多个橙子或多个克里曼丁小柑橘或多个克里曼丁红橘的一作物的所述果实质量。在本发明的一些优选实施例中，所述方法预测一核果作物的所述果实质量。在本发明的一些优选实施例中，所述方法预测葡萄作物的所述果实质量。在本发明的一些优选实施例中，所述方法预测番茄作物的所述果实质量。在本发明的一些优选实施例中，所述方法预测梨作物的所述果实质量。在本发明的一些优选实施例中，所述方法预测苹果作物的所述果实质量。
由所述方法预测并且可选地和优选地还控制的所述果实质量通常以多个植物产生的物质表示，例如但不限于总可溶性固体，例如多种糖、油含量等。
所述方法优选地在采收前预测所述效用。
所述方法因此从步骤10处开始并继续到步骤11，在步骤11接收一果实质量阈值作为一输入参数，所述输入参数用于分析中的所述特定作物。所述果实质量阈值通常是分析中的所述特定作物期望的一最低果实质量。在本发明的一些实施例中，所述果实质量阈值是总可溶性固体的一水平，通常是总可溶性固体的一期望最低水平。在一些实施例中，所述果实质量阈值可以表示为一白利糖度水平(°Bx)。例如，当所述作物是一柑橘作物(例如但不限于一橙子作物)时，所述果实质量阈值可以至少为10°Bx，更优选至少为11°Bx，例如12°Bx或更高。所述输入参数可以使用一电脑或一活动装置的一用户界面来接收，或者它们可以从一电脑可读存储介质读取，或者由一远程电脑通过诸如所述互联网的一通信网络传输。
所述方法可以接收所述果实质量阈值本身或其一些替代。例如，本多个实施例还设想了一情况，其中所述果实质量阈值是从所述作物的所述类型推断的，并且所述方法接收作物的所述类型并推断所述果实质量阈值，例如使用预先准备好并且将多个作物类型与多个果实质量阈值相关联的的一查找表。
所述方法可选地且优选地继续到步骤12，在步骤12处基于所述果实质量阈值和分析中的所述特定作物选择一时间窗，优选地一次季节时间窗W和一生长阈值G。所述时间窗W和所述生长阈值G可以从上述查找表中得到，所述查找表可以包括多个项目，每个项目包括一时间窗、一生长阈值、一果实质量阈值和一果实类型或一果实种类。
所述输入时间窗W的一典型持续时间为约一个月至约两个月。在本发明的一些实施例中，所述时间窗W和所述生长阈值G是相互关联地选择的。因此，对于更大的生长阈值，所述方法可选地且优选地选择一更长的时间窗，反之亦然。在本发明的一些实施例中，所述时间窗的所述开始和结束在分析中的所述果实的所述采收季节之前的所述季节内。例如，当所述作物包括要在冬季采收的多种水果时，所述时间窗W可以跨越所述冬季之前的所述秋季期间的一个或两个月。
所述生长阈值G制定了一比较参数，所述参数允许所述方法定量地确定所述时间窗W期间的所述生长是否足够小，如下面将解释的。所述生长阈值G可以在所述整个时间窗W的多个标称值(nominal value)中提供(例如，从所述时间窗W的所述开始到所述结束的生长的G mm)，或者作为一标称生长率(nominal growth rate)(例如，每单位时间，例如每个月的G mm)，或者它可以以多个相对值的形式提供(例如，从所述时间窗W的所述开始到所述结束的生长的G％)，或者作为一相对生长率(例如，每单位时间，例如每个月的G％)。所述生长率可选地且优选地对应于包含所述时间窗的所述颅相季节阶段(phrenological seasonstage)。作为一代表性和非限制性示例，所述生长阈值G可以从约300μm到约800μm，例如约400μm。
应当理解，所述时间窗的所述优选持续时间、所述优选生长阈值G和所述时间窗的所述优选开始取决于所述果实的所述类型以及所述果实生长的所述半球。下表1提供了数个果实类型的优选的多个时间窗和多个生长阈值的多个代表性和非限制性示例。
表1
Figure BDA0004109078990000111
在步骤13处，所述作物田地中所述多个植物的所述生长Δd受到监测。所述监测优选地在所述输入时间窗的所述开始之前(例如大约一周之前)开始，并且在所述整个时间窗中持续。优选地，所述监测在包含所述时间窗的所述季节(例如春季)的所述开始时开始。
所述监测优选以足够高的一采样率连续进行，以允许监测所述天中多个不同时期的所述生长的多个差异。通常但非必须地，至少每月一次、或至少每两周、或至少每周、或至少每天一次、或至少每12小时、或至少每6小时、或至少每4小时、或至少每2小时、或至少每1小时、或至少每30分钟、或至少每15分钟获得所述多个测量值。
优选地，使用从一传感器系统接收的数据来监测所述生长Δd，所述传感器系统被部署和配置成用于测量所述多个植物的所述大小并传输指示所述测量的大小的数据或多个信号。在本发明的一些实施例中，所述测量的大小是所述植物树干的一直径。在本发明的各种示例性实施例中，所述部署的传感器系统包括一个或多个测树器(dendrometer)。
一测树器是一已知的装置，其通常包括一换能器构件，所述换能器构件能够响应于植物茎或树干大小的多个变化而机械地弯曲。所述换能器构件可以包括附接到其上的多个应变计(strain gauge)，例如但不限于多个电子应变计，其一配置允许随着所述多个附接的应变计中的应变的所述水平变化而测量所述换能器构件的弯曲。
可用于本实施例的一测树器可以可选地包括多个长形夹爪,所述多个长形夹爪连接到所述换能器构件以接合所述植物部分。所述多个夹爪优选地设计成引起所述植物茎组织的最小破坏和变形。例如，所述测树器可以使用单个C形、塑料或其他不易腐蚀和温度钉换能器构件。所述测树器可以替代地包括多个臂，所述多个臂可以铰接在一起并通过一换能器构件连接，所述换能器构件由于接合在所述多个铰接臂之间的多个茎的多个大小变化或与其附接或集成的多个长形夹爪而经历应变。所述测树器的其他多个替代形式可以使用一对的铰接板，所述铰接板接触所述植物茎或树干。在这些实施例中，所述换能器构件在所述对的铰接板之间延伸并且由于所述茎或树干大小的多个变化而经历可测量的应变。在本发明的一些实施例中也考虑了其他多个类型的多个测树器。也考虑其他多个类型的多个传感器。多个代表性示例包括，但不限于一压力室、一空气湿度计(psychrometer)及/或一温度传感器。
所述方法可选地且优选地进行到决定步骤14，在步骤14处所述方法确定所述被监测的生长Δd是否高于或等于所述生长阈值G。如果所述被监测的生长Δd高于或等于所述生长阈值G，则所述方法优选地进行到步骤15，在此处所述作物的所述生长受到抑制。例如，这可以通过减少或终止灌溉，或通过减少或终止施肥，或通过本领域已知的用于抑制一植物的所述生长的任何技术，包括生长调节剂的所述使用来完成。所述方法从步骤15循环回到步骤13并继续所述监测。如果所述被监测的生长Δd小于所述生长阈值G，则所述方法优选地进行到步骤16，在此处终止所述抑制(如果应用)。如果没有应用抑制，则所述方法跳过步骤16。所述方法优选地进行到决定步骤17，在此处所述方法确定所述时间窗W是否结束。如果时间窗W没有结束，则所述方法循环回到步骤13并继续所述监测。
如果时间窗W结束，则所述方法进行到决定步骤18。在图1的所述示意图中，决定步骤18被示为一二元决策，但也考虑了决定步骤18的两个以上类型的多个结果，如现在将解释的。
在步骤18处，所述方法通常确定在所述时间窗的一足够长的部分上所述被监测的生长是否足够小。在所述多个最简单的实施例中，所述方法确定所述生长Δd是否小于所述生长阈值G，超过例如所述时间窗的至少80％或至少90％，或在所述整个时间窗中。在这些实施例中，采用一计数协议就足够了，其中存储在所述电脑的所述存储器中的一计数器每次在所述时间窗内满足步骤14处的所述条件时被更新，在这种情况下，所述方法可以使用所述计数器的所述值在步骤18处进行确定。替代地，所述方法可以维持所述生长Δd的所述多个被监测的值的一时间顺序记录，并在所述窗W的所述时间跨距内分析所述记录。例如，所述方法可以权衡W内Δd小(例如小于G)的所述多个时间段，例如为多个较长时间段分配较高权重，为多个较短时间段分配较低权重，其中决定步骤18的所述结果对应于所述汇总的权重。在这种情况下，决定步骤18可具有两种以上的可能结果，取决于所述汇总权重的所述值。
基于决定步骤18的所述结果，所述方法选择所述果实质量的一预测(例如与所述总可溶性固体有关的一预测，例如白利糖度水平)。在本发明的各种示例性实施例中，所述选择的预测与所述输入果实质量阈值有关。所述多个预测之间的所述差异在于所述预测的果实质量的所述相对频率。
例如，考虑一种情况，在这种情况下，所述方法确定(在一二元或非二元决策中)被监测的生长在所述时间窗的一足够长的部分内足够小。根据本案多位发明人的所述观察，这表示所述植物将所述多个能源资源的一较大部分投入到提高果实质量(例如产生总可溶性固体，如多种糖)上，而将所述多个能源资源的一较小部分花在生长上。因此，在这种情况下，所述方法可选地且优选地发出一较高可能性的预测(对于所述二元情况显示于步骤19处)，其中所述果实质量被预测为高于所述作物的一大部分的所述果实质量阈值。例如，所述较高可能性的预测可以表示所述果实质量被预测为高于至少P1％的所述作物的所述果实质量阈值，其中P1是一预选的相对频率参数，例如但不限于50或60或70或80个或更大。
现在，考虑一相反的情况，其中所述被监测的生长在所述时间窗的一不充分部分内足够小，这表示所述植物在生长上投入了更多的能源资源，而用于提高果实质量(例如产生总可溶性固体，如多种糖)的资源更少。在这种情况下，所述方法可选地且优选地发出一较低可能性的预测(对于所述二元情况显示于步骤20处)，其中所述果实质量被预测为高于所述作物的一较小部分的所述果实质量阈值。例如，所述第二预测可以表示所述被预测的果实质量高于至多P2％的所述作物的所述果实质量阈值，其中P2是一预选的相对频率参数，所述参数满足P2≤P1。
原则上，所述相对频率参数可以有多个不同的值，例如P1、P2、...、PN，其中P1≥P2...≥PN，并且所述方法通常可以发出N个类型的多个预测中的一个，其中所述N个类型的预测中的每一个都包括所述相对频率参数的一不同的值，并且其中基于对所述生长Δd的所述多个被监测的值的所述时间顺序记录的所述分析(例如基于前述权重的所述汇总值)来选择所述相对频率参数，如上文进一步详述的。
在所述二元决策情况和所述非二元决策情况下，所述相对频率参数P1、P2等都可以从上述查找表中获得。在这些实施例中，所述查找表的每个项目还包括一个或多个相对频率参数，所述一个或多个相对频率参数表示所述果实质量高于所述阈值的所述作物的所述预测部分。
在本发明的一些实施例中，所述方法还获得关于所述果实的所述大小的数据并使用这些数据，例如，以确定是否继续所述监测及/或所述灌溉。例如，当所述果实大小低于一预定阈值时，则所述方法可以终止所有操作。
所述方法在步骤21处结束。
如上所述，所述方法可以由一数据处理器来实现。所述数据处理器可以是一远程位置处的一伺服器，并且可以将关于所述被监测的生长Δd的数据传输到所述远程伺服器。所述伺服器可以向一本地处理器或控制器发出多个指令和预测。例如，所述伺服器可以将执行操作步骤15和16的指令传输到一控制器，所述控制器控制一灌溉及/或施肥及/或生长调节系统，从而可以自动抑制步骤15和不抑制步骤16所述生长，无需人为干预。所述伺服器还可以向所述当地种植者持有或位于附近的一活动装置传输多个指令，以在所述活动装置的一用户界面上显示执行操作步骤15和16的建议。所述活动装置可以是各种计算装置中的任何一种(例如手机、智慧手机、手持式电脑、膝上型电脑、笔记型电脑、平板装置、笔记本、媒体播放器、个人数位助理(Personal Digital Assistant，PDA)、照相机、摄影机等)。在本发明的各种示例性实施例中，所述活动装置是一智慧手机。所述伺服器还可以使用所述活动装置来显示所述预测，在这种情况下，所述伺服器可选地且优选地执行所述决定步骤18，基于决定步骤18的所述结果选择所述预测，如上文进一步详述的，并将所述选择的预测传输到所述活动装置，以在其所述用户界面上显示所述预测。
图2是显示根据本发明的一些实施例的一种用于在采收一作物32之前在具有多个果实31的所述作物32中预测果实质量，并且可选地和优选地还用于控制果实质量的系统30的一方框图的一示意图。
系统30包括一传感器系统，所述传感器系统被部署和配置用于测量和传输关于所述作物生长的数据。传感器系统由方框34指定，但也代表所述传感器系统包括多个感测元件的多个实施例，这些感测元件被布置用于测量作物32的所述多个植物的至少一部分中的每一个的所述生长。此类感测元件的多个代表性示例显示于36。所述多个感测元件可选地和优选地附接到植物的一部分，优选地附接到所述植物的所述树干，如图2中所示。在本发明的各种示例性实施例中，所述传感器系统包括至少一个测树器。在本发明的一些实施例中，所述传感器系统还包括一个或多个感测元件，所述一个或多个感测元件测量所述多个果实31的所述大小。
传感器系统34可以根据需要通过一专用通信通道38传输所述测量的数据，所述专用通信通道38可以是一有线通信通道或一无线通信通道。替代地，系统34可以通过一通信网络40，例如一区域网络(local area network，LAN)、一广域网络(wide area network，WAN)或所述互联网传输所述测量的数据。
系统30可选地且优选地包括一计算平台50，所述计算平台50被配置为从所述传感器系统接收所述数据，并且执行上面关于方法10描述的所述多个操作的至少一些。可选地，系统30还包括一控制器42，所述控制器42与计算平台50通信(通过所述专用通信通道38或所述通信网络40)，并被配置为响应于由计算平台50传输的多个指令来操作一作物处理系统44，如上文进一步详述的。在本发明的一些实施例中，系统30还包括所述作物处理系统44。
图2中所示的是一计算平台，所述计算平台包括一客户端-伺服器配置，所述客户端-伺服器配置具有一客户端电脑60和一伺服器电脑80。然而，这不一定是这种情况，因为对于一些应用，系统30可能没有必要包括一客户端-伺服器配置。例如，系统30可以仅包括所述多台电脑中的一台。
客户端电脑60具有一硬件处理器62，其通常包括一输入/输出(I/O)电路64、一硬件中央处理单元(central processing unit，CPU)66(例如一硬件微处理器)和一硬件存储器68，所述硬件存储器68通常包括易失性存储器和非易失性存储器。CPU 66与I/O电路64和存储器68通信。客户端电脑60优选地包括一用户界面，例如一图形用户界面(graphicaluser interface，GUI)72，所述用户界面与处理器62通信。I/O电路64优选地以适当结构化的形式向GUI 72和从GUI 72传送信息。
伺服器电脑80可以类似地包括一硬件处理器52、一I/O电路84、一硬件CPU 86和一硬件存储器88。客户端60和伺服器80电脑的I/O电路64和84优选地优选地作为收发器操作，其通过一有线或无线通信彼此传递信息。例如，客户端60和伺服器80电脑可以经由网络40通信。在一些实施例中，伺服器电脑80可以是通过所述网络40与客户端电脑60通信的一云计算设施的一云计算资源的一部分。
GUI 72和处理器62可以集成在相同外壳内，或者它们可以是相互通信的独立单元。GUI 72可以可选地且优选地是一系统的部分，所述系统的部分包括一专用CPU和多个I/O电路(未示出)，以允许GUI 72与处理器62通信。处理器62向GUI 72发出由CPU 66生成的图形和文本输出。处理器62还从GUI 72接收多个信号，所述多个信号与GUI 72响应于用户输入而生成的多个命令有关。GUI 72可以是本领域已知的任何类型，例如但不限于一键盘和一显示器、一触控屏幕等。在多个优选实施例中，GUI 72是一活动装置的一GUI，例如一智慧手机、一平板电脑、一智能手表等。当GUI 72为一活动装置的一GUI时，所述活动装置的所述CPU电路可以作为处理器62，并且通过执行多个代码指令来执行本多个实施例的所述方法。
客户端60和伺服器80电脑还可以分别包括一个或多个电脑可读存储介质74、94。介质74和94优选地是非暂时性存储介质，所述介质存储用于执行本多个实施例的所述方法的多个电脑代码指令，并且处理器62和82执行这些代码指令。可以通过将所述多个相应代码指令加载到所述相应处理器62和82的所述相应执行存储器68和88中来运行所述多个代码指令。一个或两个存储介质74优选地还存储一个或多个查找表，所述一个或多个查找表包括多个时间窗和多个生长阈值，所述多个时间窗和多个生长阈值与各种作物类型和多个果实质量阈值相关，以及可选地和优选地还有如上文进一步详述的多个相对频率参数。
在操作中，客户端电脑60的处理器62从GUI 72接收特征信息，所述特征信息与待分析的所述作物有关。这样的信息可以包括要从中收集数据的所述种植者的所述田地、所述田间种植的作物的所述类型，以及可选地还包括所述期望的果实质量。部署在所述相应田地的所述传感器系统将关于所述被监测的生长Δd的多个信号传输到客户端电脑60的处理器62。处理器62优选地通过网络40传输由GUI 72伺服器电脑80接收的所述被监测的生长和特征信息。介质94可以存储前述查找表，并且处理器82可以存取介质94并使用所述查找表来选择所述次季节时间窗和生长阈值，如上文进一步详述的。介质94还可以存储多个电脑代码指令，所述多个电脑代码指令如上文进一步详述的用于预测所述果实质量，并且可选地和优选地用于生成多个输出指令以抑制和终止所述生长的所述抑制，多个输出指令可以直接传输到控制器42或客户端电脑60，以将所述多个输出指令传输到控制器42或在GUI72上显示所述多个输出指令。在所述时间窗结束时，伺服器电脑80可以将所述选择的预测传输到客户端电脑60，并且客户端电脑60可以在GUI 72上显示此预测。
当计算平台包括一单台电脑时，上述多个操作均由同一台电脑执行。在这些实施例中，从所述传感器系统接收所述数据的同一台电脑还选择所述次季节时间窗和生长阈值，预测所述果实质量，并可选地生成多个输出指令，以抑制和终止所述生长的所述抑制。例如，系统30可以只包括电脑60，在这种情况下，所述查找表和所述多个电脑代码指令可以存储在介质74中。
如本文所用，所述术语“约”是指±10％。
本文中所用的所述词汇“示例性(exemplary)”表示“用作为一示例(example)、实例(instance)或例证(illustration)”。任何被描述为“示例性(exemplary)”的实施例未必被解释为优选或优于其它多个实施例及/或排除并入其它多个实施例的多个特征。
本文中所用的所述词汇“可选地(optionally)”表示“在一些实施例中提供，而在其它多个实施例中不提供”。本发明的任何特定实施例可以包括多个“可选的(optional)”特征，除非此类特征相冲突。
所述多个术语“包括(comprise、comprising、include、including)”、“具有(having)”及其多个同源词是指“包括但不限于”。
所述术语“由......组成(consisting of)”是指“包括并限于”。
所述术语“实质上由......组成(essentially consisting of)”是指所述组合物、方法或结构可以包括额外的多个成分、多个步骤及/或多个部分，但只有当所述额外的多个成分、多个步骤及/或多个部分实质上不改变所要求保护的组合物、方法或结构的所述多个基本特征及多个新特征。
如本文所用，所述单数形式“一(a、an)”及“所述(the)”包括复数引用，除非上下文另有明确规定。例如，所述术语“一化合物”或“至少一种化合物”可以包括多个化合物，包括其多个混合物。
在整个本申请中，本发明的各种实施例可以以一个范围的型式存在。应当理解，以范围型式的所述描述仅仅是因为方便及简洁，不应理解为对本发明范围的一硬性限制。因此，应当认为一范围的所述描述已经具体公开所有可能的子范围以及所述范围内的多个单独数值。例如，应当认为例如从1到6的一范围的描述已经具体公开子范围，例如从1到3、从1到4、从1到5、从2到4、从2到6、从3到6等，以及所述范围内的多个单独数字，例如1、2、3、4、5及6。此不管范围为何皆适用。
无论何时在本文中指示的一数字范围，都意味着包括所述指定范围内的任何引用数字(分数或整数)。所述片语一第一指示数字与一第二指示数字“之间的范围”以及“从”一第一指示数字“到”一第二指示数字的“范围”在本文中可互换，并指包括所述第一和第二指示数字，及其之间的所有分数及整数。
可以理解，本发明的特定特征，为清楚起见，在分开的多个实施例的内文中描述，也可以在一单个实施例的组合中提供。相反地，本发明的各种特征，为简洁起见，在一单个实施例的内文中描述，也可以分开地、或者以任何合适的子组合、或者在适用于本发明的任何其他描述的实施例中提供。在各种实施例的内文中所描述的特定特征，并不被认为是那些实施例的必要特征，除非所述实施例没有那些元素就不起作用。
上文描述的和所述多个权利要求所要求保护的本发明的各种实施例和方面在以下多个示例中得到实验支持。
多个示例
现在参考以下多个示例，这些示例与上述描述一起以一非限制性方式说明本发明的一些实施例。
多年来，已经进行了多次尝试来增加白利糖度，特别是在多个酿酒葡萄和柑橘等多种作物中。这些包括施肥(Dichio,Xiloyannis,Sofo&Montanaro,2007；GI Moss,1974)、多种生长调节剂的喷洒(Agustí,Martinez-Fuentes&Mesejo,2002；Goldschmidt,1999)或缺乏灌溉。
在多个番茄中，发现施加水分压力或用盐水灌溉可以通过减少所述多个果实中的水分积累来提高多个白利糖度水平(Grattan,1991)。然而，与应该施加所述水分压力的所述时间窗没有关联，因为没有意识到水分压力导致所述多个能量资源从所述果实中的生长转移到多种糖的生产。在多个酿酒葡萄中，粪便灌溉被证明可以通过增加阳光照射来提高所述多个果实的所述质量。然而，发现与所述葡萄的所述大小呈负相关(Mccarthy,Cirami,&Mccloud,2017；Serman等人,2004)。已发现多个柑橘树木对水分压力的所述反应很大程度上取决于所述树木的所述物候阶段(phenological stage)和多个气候条件(Ballester,Intrigliolo,National,&Castel,2013)。
在最近的一项研究中，发现在所述果实生长期施加水分压力导致果实直径减小和落果率增加(Castel,2015)。其他多项研究发现，后期压力不会改变所述产量，并可能影响所述裂解持续时间(Tejero等人,2011)，而不会增加所述白利糖度水平(Garc,Romero,Muriel,&Capote,2012)。
以下是对使用多个高分辨率测树器监测在线树干生长的多个实验的一描述。抑制所述树干生长成功地将所述碳分配转移到有利于所述多个果实的的营养生长上，从而导致果实白利糖度的增加。一旦所述树干生长率被限制在一生长阈值以下，灌溉就恢复到多个正常量。
多个果实大小传感器用于确保在所述多个实验期间，所述果实大小在一预定日期保持在预定大小的轨迹上。根据本发明的一些实施例，所述多个实验采用连续测量，协助确定所需干预的所述时间和幅度，以达到最佳的果实大小、产量和白利糖度，并防止压力过大，以免降低所述果实大小及/或降低下一个生长季节的产量潜力。
示例1
多个橙子
多种方法
大规模分析
每日树干生长数据是在美国加利福尼亚州2018年的所述多个季节期间在多个脐橙(navel orange)的450个商业地块(commercial plot)中测量的。在每个地块中，使用一NDVI地图(10m2像素区域)以选择具有共同植被覆盖的位置。在每个位置中，选择了三个具有代表性尺寸的树木，并在它们的树干上安装了高分辨率的测树器，高于所述嫁接水平。
随机果实采样
选择了加利福尼亚州南部山谷中同一兰花中的四个中央地块。执行了与所述大规模分析部分中描述的类似的位置选择和安装设置。10月底，使用一ATAGO袖珍折光仪(pocket refractometer)测量了多个随机选择的果实的多个白利糖度水平(0-53％)。
结果
大规模分析
根据多个包装厂的结果，214个地块的白利糖度得分达到12％(12°Bx)及以上。
图3显示了所述平均每月树干生长的一直方图，如在八月、九月和十月期间测量的，对于得分为高白利糖度的所述214个地块和其他用作对照的233个地块。在八月和九月期间，所述多个高白利糖度地块的所述平均树干生长比对照少至少100μm。这些结果证实了所述多位发明人的假设，即由于所述树冠和多个根的原因，所述采收前一个季节的一时间窗期间营养生长的减少迫使所述树木碳投入转向繁殖和多个果实。
随机果实采样
图4显示了白利糖度的四个不同值的所述平均每月树干生长的一直方图。所述多个结果支持所述多位发明人观察到在所述选择的时间窗期间的所述每月生长与所述白利糖度水平之间存在一显着的负相关。
示例2
多个葡萄
根据本发明的一些实施例，监测澳大利亚维多利亚州的25个葡萄树样本的树干生长。所述多个葡萄树包括多个酿酒葡萄和多个鲜食葡萄，并且所述监测超过两个月(十一月和十二月)的一期间。使用可携式折光仪(Atago,日本)测量多个特定被监测的葡萄树的多个果实的白利糖度水平。
图5显示了以微米为单位的所述多个葡萄树的所述每月生长。所述虚线表示一每月生长阈值G约为1300μm。如所示，十二月的所述每月生长维持在所述生长阈值以下的多个葡萄树获得了大于约15°Bx的高白利糖度水平。
对于9个葡萄树样本，每1至7天使用可携式折光仪(Atago,日本)测量白利糖度。图6显示了在所述熟成期直到采收期间多个白利糖度水平的所述变化，作为这段时间内树干生长的一函数，以微米为单位。所述葡萄中多种糖的所述积累(白利糖度)与所述树干生长呈负相关。
示例3
多个核果
根据本发明的一些实施例，监测澳大利亚维多利亚州一地块中的9个早收桃树样本的树干生长。白利糖度是从所述地块收集的多个果实的加工厂或包装厂获得的多个测量值。
图7显示了所述多个被监测的桃树的所述每月生长，以微米为单位。如所示，所述白利糖度水平与十二月份期间的所述生长呈负相关。
根据本发明的一些实施例，监测澳大利亚维多利亚州的多个地块中的6个糖果公主桃树样本和6个极地公主桃树样本的树干生长。使用可携式折光仪(Atago,日本)测量多个特定被监测的树木的多个果实的白利糖度水平。所述多个结果分别显示于图8和图9中，它们显示了以微米为单位的所述每月生长。所述多个糖果公主桃子在十二月份期间(图8)和所述多个极地公主桃子在一月份期间(图9)的所述生长与所述白利糖度水平呈负相关。这种差异可能归因于果实发育的所述差异，对应于所述采收日期。
根据本发明的一些实施例，监测澳大利亚新南威尔斯州的6个修剪兰花树样本的树干生长。使用可携式折光仪(Atago,日本)测量多个特定被监测的树木的多个果实的白利糖度水平。图10显示了十二月和一月期间的所述加性生长。如所示，一高加性生长(约1200μm)导致较低的白利糖度水平，而较低的高加性生长(小于100μm)导致较高的白利糖度水平。
示例4
多个番茄
根据本发明的一些实施例，监测澳大利亚维多利亚州的两个不同区域中的6个露地番茄植物样本的树干生长。使用可携式折光仪(Atago,日本)测量多个特定被监测的植物的多个果实的白利糖度水平。图11显示了二月期间的所述每月生长。如所示，所述生长与所述白利糖度水平之间存在一负相关。所有表现出直径收缩(负生长)的植物导致白利糖度水平大于4.5°Bx，而所有表现出一正生长的植物导致白利糖度水平小于4.5°Bx。
上述多个示例中描述的所述多个实验的所述多个结果证明，通过监测所述植物的所述生长，可以预测所述果实的所述质量，并进一步证明，通过在所述被监测的生长超过一预选阈值时限制所述生长，可以获得一改善的果实质量，特别是一改善的糖积累。
示例5
多个梨
根据本发明的一些实施例，监测澳大利亚维多利亚州的多个商业地块中的133个不同树木的树干生长。多个白利糖度测量值是在采收后5天内通过对多个果实进行手工取样获得的。
图12显示了测量的白利糖度水平的所述平均值(每个树木10个样本)作为三月份(接近果实成熟)期间汇总树干生长的一函数。如所示，所述最高白利糖度水平是在一最小生长值下实现的，平均超过1％即可达到多个较高的白利糖度水平。这个过程与所述果实中所述糖积累是平行的。
示例6
多个苹果
根据本发明的一些实施例，监测澳大利亚维多利亚州的多个商业地块中的155个苹果树(60个加拉苹果和92个粉红佳人苹果)的树干生长。多个白利糖度测量值是在采收后5天内通过对多个果实进行手工取样获得的。
图13和14显示了所述白利糖度水平作为每月树干生长的一函数。两种情况下的白利糖度水平都与所述树干生长呈负相关。在采摘日期的不同月份观察到不同白利糖度水平对树干生长的依赖性。所述多个加拉苹果在约三月份采摘，所述多个粉红佳人苹果在两个月后采摘。多个加拉苹果树在二月份实现了低树干生长(小于100μm)，其白利糖度平均值比其他多个树木高约0.5％(图13)。对于所述多个粉红佳人苹果，与树干生长超过60μm的多个树木相比，四月树干生长小于-50μm的多个树木的多个白利糖度水平高出1％以上(图14)。
示例7
多个克里曼丁红橘
在2020年季节期间，监测美国加利福尼亚州的多个商业地块中的41个克里曼丁红橘树的所述树干生长。多个白利糖度测量值是在采收后15天内通过对多个果实进行手工取样获得的。图15显示了九月第二周发生的作为树干生长的一函数的所述平均白利糖度水平。如所示，在这个特定的一周，与树干生长超过120μm的多个树木相比，生长低于60μm的多个树木的多个白利糖度水平平均高出2％。
虽然本发明结合其多个具体实施例而被描述，显而易见的是，许多替代、修改及变化对于那些本领域的技术人员将是显而易见的。因此，其意在涵盖落入所附多个权利要求的所述精神和广泛范围内的所有此类替代、修改及变化。
在本说明书中提及的所有出版物、专利及专利申请案以其整体在此通过引用并入本说明书中。其程度如同各单独的出版物、专利或专利申请案被具体及单独地指明而通过引用并入本文中。此外，所引用的或指出的任何参考文献不应被解释为承认这些参考文献可作为本发明的现有技术。就使用多个章节标题而言，它们不应被解释为必要的限制。此外，本申请的任何优先权文件在此通过引用其整体并入本文中。
参考文献
[1]Agustí,M.,Martinez-Fuentes,A.,&Mesejo,C.(2002).柑橘果实质量。生理基础和改善技术。(Citrus fruit quality.Physiological basis and techniques ofimprovement.)Agrociencia,6(2),1–16.
[2]Ballester,C.,Intrigliolo,D.,National,S.,&Castel,J.R.(2013).伦晚脐橙树对调缺灌溉的响应：产量构成和果实组成。(Response of Navel Lane Late citrustrees to regulated deficit irrigation:Yield components and fruit compositionResponse of Navel Lane Late citrus trees to regulated deficit irrigation:yield components and fruit composition.)(January 2014).wwwdoi(dot)org/10.1007/s00271-011-0311-3
[3]Castel,J.R.(2015).‘Clementina de Nules’柑橘树的调缺灌溉：对营养生长的影响。(Regulated deficit irrigation in’Clementina de Nules’citrus tree:Effects on vegetative growth.)(July 2000).wwwdoi(dot)org/10.5424/sjar/2003012-25
[4]Dichio,B.,Xiloyannis,C.,Sofo,A.,&Montanaro,G.(2007).采收后调缺灌溉对桃树碳水化合物和氮分配、产量质量和营养生长的影响。(Effects of post-harvestregulated deficit irrigation on carbohydrate and nitrogen partitioning,yieldquality and vegetative growth of peach trees.)Plant and Soil,290(1–2),127–137.wwwdoi(dot)org/10.1007/s11104-006-9144-x
[5]Garc,I.,Romero,F.,Muriel,J.L.,&Capote,N.(2012).在缺乏灌溉策略下改善柑橘果实质量参数。(Towards the Improvement of Fruit-Quality Parameters inCitrus under Deficit Irrigation Strategies.)ISRN Agronomy,2012.wwwdoi(dot)org/10.5402/2012/940896
[6]GI Moss,M.H.(1974).镁对甜橙(Citrus sinensis L.osbeck)果实质量的影响。(Magnesium influences on the fruit quality of sweet orange(Citrus sinensisL.osbeck).)Plant and Soil,112,103–104.
[7]Goldschmidt,E.E.(1999).碳水化合物供应是柑橘果实发育和生产力的关键因素。(Carbohydrate supply as a critical factor for citrus fruit developmentand productivity.)HortScience,34(6),1020–1024.wwwdoi(dot)org/10.21273/hortsci.34.6.1020
[8]Grattan,S.R.,&May,D.M.(1991).缺水及盐度下的番茄果实产量和质量。(Tomato Fruit Yields and Quality under Water Deficit and Salinity.)116(2),215–221.
[9]Mccarthy,M.G.,Cirami,R.M.,&Mccloud,P.(2017).葡萄树和果实对补充灌溉和树冠管理的反应。(Vine and Fruit Responses to Supplementary Irrigation andCanopy Management.)South African Journal of Enology&Viticulture,4(2).wwwdoi(dot)org/10.21548/4-2-2372
[10]Mustafa,S.(2017).不同柑橘砧木对阿曼‘哈姆林’橙生长、产量、质量及粒化的影响。(Effects of different citrus rootstocks on growth,yield,quality andgranulation of’Hamlin’orange in Oman Effects of Different Citrus Rootstockson Growth,Yield,Quality and Granulation of‘Hamlin’Orange in Oman.)(August2011).wwwdoi(dot)org/10.17660/ActaHortic.2011.903.78
[11]Serman,F.V.,Liotta,M.,&Parera,C.(2004).灌溉不足对优质无核鲜食葡萄品种生产的影响。(Effects of Irrigation Deficit on Table Grape cv.SuperiorSeedless Production.)Acta Horticulturae,(September 2016).wwwdoi(dot)org/10.17660/ActaHortic.2004.646.23
[12]Tejero,I.G.,Hugo,V.,Zuazo,D.,Antonio,J.,Bocanegra,J.,Luis,J.,&Fernández,M.(2011).Scientia Horticulturae通过缺乏灌溉计划提高用水效率：对柑橘园节水的影响。(Scientia Horticulturae Improved water-use efficiency bydeficit-irrigation programmes:Implications for saving water in citrusorchards.)Scientia Horticulturae,128,274–282.wwwdoi(dot)org/10.1016/j.scienta.2011.01.035

Claims (40)

1.一种在采收一作物之前预测所述作物中果实质量的方法，其特征在于：所述方法包括以下步骤：
接收所述作物的一果实质量阈值；
基于所述果实质量阈值选择一次季节时间窗和一生长阈值；
在所述时间窗开始之前监测所述作物的生长，并在整个所述时间窗中继续所述监测；
如果所述被监测的生长在所述时间窗的至少80％期间低于所述生长阈值，则预测一果实质量，所述果实质量高于至少一第一百分比的所述作物的所述果实质量阈值。
2.如权利要求1所述的方法，其特征在于：所述方法包括如果所述被监测的生长不低于所述生长阈值，则抑制所述作物的一生长。
3.如权利要求2所述的方法，其特征在于：所述方法包括当所述被监测的生长低于所述生长阈值时，则终止对所述作物的所述生长的所述抑制。
4.如权利要求3所述的方法，其特征在于：如果所述作物的所述生长的所述抑制在所述时间窗内，则预测一果实质量，所述果实质量高于至多一第二预定百分比的所述作物的所述果实质量阈值，所述第二百分比不高于所述第一百分比。
5.如权利要求2至4中任一项所述的方法，其特征在于：所述抑制所述生长的步骤包括减少或终止灌溉。
6.如权利要求2所述的方法，其特征在于：所述抑制所述生长的步骤包括减少或终止施肥。
7.如权利要求3至5中任一项所述的方法，其特征在于：所述抑制所述生长的步骤包括减少或终止施肥。
8.如权利要求1所述的方法，其特征在于：所述监测所述生长的步骤包括监测一果树的一树干的一宽度。
9.如权利要求2至7中任一项所述的方法，其特征在于：所述监测所述生长的步骤包括监测一果树的一树干的一宽度。
10.如权利要求1所述的方法，其特征在于：所述果实质量包括总可溶性固体的水平。
11.如权利要求2至9中任一项所述的方法，其特征在于：所述果实质量包括总可溶性固体的水平。
12.如权利要求1所述的方法，其特征在于：所述作物是一柑橘作物。
13.如权利要求2至9中任一项所述的方法，其特征在于：所述作物是一柑橘作物。
14.如权利要求1所述的方法，其特征在于：所述作物是一核果作物。
15.如权利要求2至11中任一项所述的方法，其特征在于：所述作物是一核果作物。
16.如权利要求1所述的方法，其特征在于：所述作物是一葡萄作物。
17.如权利要求2至11中任一项所述的方法，其特征在于：所述作物是一葡萄作物。
18.如权利要求1所述的方法，其特征在于：所述作物是一番茄作物。
19.如权利要求2至11中任一项所述的方法，其特征在于：所述作物是一番茄作物。
20.如权利要求1所述的方法，其特征在于：所述作物是一梨作物。
21.如权利要求2至11中任一项所述的方法，其特征在于：所述作物是一梨作物。
22.如权利要求1所述的方法，其特征在于：所述作物是一苹果作物。
23.如权利要求2至11中任一项所述的方法，其特征在于：所述作物是一苹果作物。
24.如权利要求10所述的方法，其特征在于：所述作物是一柑橘作物。
25.如权利要求11所述的方法，其特征在于：所述作物是一柑橘作物。
26.如权利要求24所述的方法，其特征在于：所述果实质量阈值等于至少10°Bx，并且所述第一百分比等于至少50％。
27.如权利要求25所述的方法，其特征在于：所述果实质量阈值等于至少10°Bx，并且所述第一百分比等于至少50％。
28.如权利要求1所述的方法，其特征在于：所述时间窗的一持续时间至少为一个月但小于三个月。
29.如权利要求2至26中任一项所述的方法，其特征在于：所述时间窗的一持续时间至少为一个月但小于三个月。
30.一种电脑软件产品，其特征在于：所述电脑软件产品包括一非暂时性电脑可读介质，其中储存多个程式指令，这些指令在被一数据处理器读取时，使所述数据处理器接收一次季节时间窗、一生长阈值、一果实质量阈值，以及在所述时间窗开始之前一作物生长的多个被监测的值，并执行根据权利要求1至29中任一项所述的方法。
31.一种在采收一作物之前预测所述作物中果实质量的系统，其特征在于：所述系统包括：
一传感器系统，被部署和配置为用于测量和传输与所述作物一生长有关的数据；以及
一数据处理器，被配置为用于接收所述作物的一果实质量阈值、基于所述果实质量阈值选择一次季节时间窗和一生长阈值、以及如果所述被监测的生长在所述时间窗的至少80％期间低于所述生长阈值，则预测一果实质量，所述果实质量高于至少一第一百分比的所述作物的所述果实质量阈值。
32.如权利要求31所述的系统，其特征在于：如果所述被监测的生长不低于所述生长阈值，则所述数据处理器被配置为用于生成输出，所述输出指示抑制所述作物的一生长。
33.如权利要求32所述的系统，其特征在于：当所述被监测的生长低于所述生长阈值时，则所述数据处理器被配置为用于生成输出，所述输出指示终止所述作物的所述生长的所述抑制。
34.如权利要求33所述的系统，其特征在于：如果所述作物的所述生长的所述抑制在所述时间窗内，则所述数据处理器被配置为用于预测一果实质量，所述果实质量高于至多一第二预定百分比的所述作物的所述果实质量阈值，所述第二百分比不高于所述第一百分比。
35.如权利要求31至34中任一项所述的系统，其特征在于：所述传感器系统被配置为用于监测一果树的一树干的一宽度。
36.如权利要求31至35中任一项所述的系统，其特征在于：所述果实质量包括总可溶性固体的水平。
37.如权利要求31至35中任一项所述的系统，其特征在于：所述作物是一柑橘作物。
38.如权利要求36所述的系统，其特征在于：所述作物是一柑橘作物。
39.如权利要求38所述的系统，其特征在于：所述果实质量阈值等于至少10°Bx，并且所述第一百分比等于至少50％。
40.如权利要求31至39中任一项所述的系统，其特征在于：所述时间窗的一持续时间至少为一个月但小于三个月。
CN202180054759.6A 2020-07-12 2021-07-12 用于预测果实质量的方法和系统 Pending CN116018061A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202063050808P 2020-07-12 2020-07-12
US63/050,808 2020-07-12
PCT/IL2021/050854 WO2022013865A1 (en) 2020-07-12 2021-07-12 Method and system for predicting fruit quality

Publications (1)

Publication Number Publication Date
CN116018061A true CN116018061A (zh) 2023-04-25

Family

ID=79555197

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180054759.6A Pending CN116018061A (zh) 2020-07-12 2021-07-12 用于预测果实质量的方法和系统

Country Status (5)

Country Link
US (1) US20230270057A1 (zh)
CN (1) CN116018061A (zh)
AU (1) AU2021308791A1 (zh)
BR (1) BR112023000388A2 (zh)
WO (1) WO2022013865A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115362893A (zh) * 2022-09-28 2022-11-22 中国科学院东北地理与农业生态研究所 一种坡耕地玉米栽培方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10520482B2 (en) * 2012-06-01 2019-12-31 Agerpoint, Inc. Systems and methods for monitoring agricultural products
BR112016014285A2 (pt) * 2013-12-19 2017-08-08 Phytech Ltd Método e sistema de gestão de tratamento da safra

Also Published As

Publication number Publication date
US20230270057A1 (en) 2023-08-31
WO2022013865A1 (en) 2022-01-20
BR112023000388A2 (pt) 2023-03-14
AU2021308791A1 (en) 2023-03-09

Similar Documents

Publication Publication Date Title
Palliotti et al. Early leaf removal to improve vineyard efficiency: gas exchange, source-to-sink balance, and reserve storage responses
Santesteban et al. Water status, leaf area and fruit load influence on berry weight and sugar accumulation of cv.‘Tempranillo’under semiarid conditions
Anderson et al. Factors influencing tree phenology in Taï National Park, Côte d'Ivoire 1
McCarthy Weight loss from ripening berries of Shiraz grapevines (Vitis vinifera L. cv. Shiraz)
Nyasordzi et al. Utilizing the IAD index to determine internal quality attributes of apples at harvest and after storage
Heltoft et al. Maturity indicators for prediction of potato (Solanum tuberosum L.) quality during storage
Iwanami et al. A model for representing the relationships among crop load, timing of thinning, flower bud formation, and fruit weight in apples
Morandi et al. Sweet cherry water relations and fruit production efficiency are affected by rootstock vigor
Williams Interaction of applied water amounts and leaf removal in the fruiting zone on grapevine water relations and productivity of Merlot
Gemtos et al. Precision agriculture application in fruit crops: Experience in handpicked fruits
Greven et al. Influence of retained node number on S auvignon B lanc grapevine phenology in a cool climate
Argenta et al. Fruit quality of ‘Gala’and ‘Fuji’apples cultivated under different environmental conditions
Pinillos et al. Changes in fruit maturity indices along the harvest season in ‘Algerie’loquat
Measham et al. Climate, winter chill, and decision-making in sweet cherry production
CN116018061A (zh) 用于预测果实质量的方法和系统
Ohana-Levi et al. Grapevine stem water potential estimation based on sensor fusion
Moggia et al. Within-plant variability in blueberry (Vaccinium corymbosum L.) II: Is a shorter harvest interval always the ideal strategy to maximize fruit firmness?
Subedi et al. Determination of optimum maturity stages of mangoes using fruit spectral signatures
Woodward et al. Relationships between ‘Hayward’kiwifruit weight and dry matter content
Iwanami et al. Apple thinning strategy based on a model predicting flower-bud formation
US20230076104A1 (en) Crop phenology characterization method, and system using same
Judd et al. An FTIR study of the induction and release of kiwifruit buds from dormancy
Kendall et al. Reduced irrigation during orchard establishment conserves water and maintains yield for three cider apple cultivars
Vega et al. Using multilevel systematic sampling to study apple fruit (Malus domestica Borkh.) quality and its variability at the orchard scale
Seo et al. Model based on temperature parameters predicts optimal harvest date for ‘Whasan’Asian pear

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