CN117794354A - 识别播种种子萌发的装置、农业传感器装置以及农业监测和/或农业控制方法和系统 - Google Patents

识别播种种子萌发的装置、农业传感器装置以及农业监测和/或农业控制方法和系统 Download PDF

Info

Publication number
CN117794354A
CN117794354A CN202280053611.5A CN202280053611A CN117794354A CN 117794354 A CN117794354 A CN 117794354A CN 202280053611 A CN202280053611 A CN 202280053611A CN 117794354 A CN117794354 A CN 117794354A
Authority
CN
China
Prior art keywords
agricultural
plant
germination
image data
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
CN202280053611.5A
Other languages
English (en)
Inventor
托拜厄斯·普罗廷
本杰明·伯尼施
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.)
ETO Magnetic GmbH
Original Assignee
ETO Magnetic 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 ETO Magnetic GmbH filed Critical ETO Magnetic GmbH
Publication of CN117794354A publication Critical patent/CN117794354A/zh
Pending legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01CPLANTING; SOWING; FERTILISING
    • A01C21/00Methods of fertilising, sowing or planting
    • A01C21/007Determining fertilization requirements
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01GHORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G25/00Watering gardens, fields, sports grounds or the like
    • A01G25/16Control of watering
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01GHORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G25/00Watering gardens, fields, sports grounds or the like
    • A01G25/16Control of watering
    • A01G25/167Control by humidity of the soil itself or of devices simulating soil or of the atmosphere; Soil humidity sensors
    • 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
    • G01N21/84Systems specially adapted for particular applications
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/188Vegetation
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01MCATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M7/00Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
    • A01M7/0089Regulating or controlling systems
    • 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
    • G01N21/84Systems specially adapted for particular applications
    • G01N2021/8466Investigation of vegetal material, e.g. leaves, plants, fruits

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental Sciences (AREA)
  • Soil Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Pretreatment Of Seeds And Plants (AREA)

Abstract

提出了一种用于识别种子(10)的萌发的装置(30),尤其是幼苗识别装置和/或田间出苗识别装置,其具有:光学传感器单元(12),该光学传感器单元(12)的视场(14)在指定的操作和/或安装状态下从俯视图看时朝地面(16)取向,并且该光学传感器单元(12)设置成重复地或连续地记录图像数据;和数据处理单元(18),该数据处理单元(18)设置成评估所述光学传感器单元(12)的图像数据,至少用于识别种子(10)的萌发时间点。

Description

识别播种种子萌发的装置、农业传感器装置以及农业监测和/ 或农业控制方法和系统
技术领域
本发明涉及用于识别播种种子萌发的装置、农业传感器装置、农用监测和/或农业控制方法以及农业监测和/或农业控制系统。
背景技术
所谓的田间出苗的时间点对农业种植的成功至关重要,因为为了实现最大的收获成功,应相应地调整用于灌溉、植物保护和/或施肥措施的时间表。因此,农民在播种后定期下田,以控制田间出苗。
发明内容
本发明的目的尤其是提供一种装置,利用该装置可以有利地优化农业流程。
提出了一种用于识别播种种子的萌发的装置,尤其是幼苗识别装置和/或田间出苗识别装置,其具有:光学传感器单元,该光学传感器单元的视场在指定的操作和/或安装状态下,尤其是光学传感器单元的指定的操作和/或安装状态下从高视野朝地面(底土)取向,并且该光学传感器单元设置成重复地或连续地记录图像数据,尤其是地面的图像数据;和数据处理单元,该数据处理单元设置成评估光学传感器单元的图像数据,至少以识别播种的萌发时间点。由此,可以有利地优化农业种植过程。有利地,可以由此创建优化的灌溉、植物保护和/或施肥措施计划。有利地,可以由此最终使收获成功最大化。此外,可以有利地优化对部分已经至少半自动化的农业过程的控制。例如,可以例如通过识别首批杂草(例如,表面上继续萌发的杂草)萌发、但所播种的栽培植物尚未出苗的时间点来优化前出苗除草剂的使用时间点。替代地或附加地,可以优化后出苗除草剂、例如选择性后出苗除草剂和/或叶活性后出苗除草剂的使用时间点。例如,一些后出苗除草剂必须在栽培植物的特定阶段施用,例如对玉米来说在2叶期和4叶期或8叶期之间施用,或者在杂草彼此或与栽培植物达到一定程度的覆盖率之前施用,以便可以获得最佳效果。
“萌发”应尤其理解为植物的生长开始以及优选为植物从土壤中冒出。尤其地,植物的“萌发时间点”是植物首次从土壤中或从放置在土壤上或耕层上的种子中冒出和/或接触到阳光的时间点。通常,以植物芽、尤其是秧苗或幼苗的形式的植物首次从土壤/耕层中或从种子中冒出。因此,用于识别播种的萌发的装置也可以构成为植物芽识别装置、幼苗识别装置、秧苗识别装置或构成为用于识别植物胚胎的部分、例如子叶、下胚轴和/或原叶的装置。有利地,用于识别播种的萌发的装置构成为田间出苗识别装置,该田间出苗识别装置设置成优选地除了单个植物芽、幼苗和/或秧苗的单一识别之外还识别栽培植物的平坦的田间出苗。尤其地,萌发时间点是尤其至少在用于识别播种的萌发的装置的监测区域中发生(平坦的)田间出苗的时间点。替代地,萌发时间点也可以是在用于识别播种的萌发的装置的监测区域中发生(先前指定的)播种的栽培植物物种的单个幼苗的首次萌发的时间点。有利地,可以由此例如通过调整灌溉计划、通过土壤消毒、通过土壤通蒸汽、通过优化播种量等来避免幼苗的出苗病或倒苗病。
尤其地,用于识别播种的萌发的装置的光学传感器单元为此具有视场,该视场是足够大,以便可以同时监测多个播种物种,例如至少五个播种物种的栽培植物,优选至少十个播种物种或优选至少25个播种物种。尤其地,光学传感器单元的(土壤)视场大于10cm×10cm,优选大于20cm×20cm,有利地大于30cm×30cm以及优选大于50cm×50cm。尤其地,另外,光学传感器单元的(土壤)视场如此选择,使得光学传感器单元的分辨率是足够的,以便实现对栽培植物或自发伴生植被/杂草的可靠识别和/或对栽培植物与自发伴生植被/杂草的可靠区分。例如,为此,光学传感器单元的视场通常小于300cm×300cm,优选小于200cm×200cm。光学传感器单元尤其构成为相机,例如在视觉区域中、在红外区域中或(至少部分地)在红外和(至少部分地)在视觉区域中具有灵敏度的相机。此外,替代地或附加地,还可以设想相机在紫外线光谱范围的至少一部分中的灵敏度。“高视野”应尤其理解为从上方倾斜或垂直观察对象或区域、尤其是光学传感器单元的监测区域中的地面/土壤。尤其地,光学传感器单元的视场的视轴/视场中心在光学传感器单元的指定的操作和/或安装状态下相对于竖直面(相对于地面)倾斜至多55°,优选至多45°以及优选至多30°。地面尤其构成为土壤,优选构成为布置在光学传感器单元的监测区域中的农业面积区域。还可以设想的是,光学传感器单元的视场轴线、尤其是视场中心在指定的操作和/或安装状态下至少基本上竖直向下取向。尤其地,光学传感器单元包括自动聚焦系统。尤其地,自动聚焦系统设置成聚焦地面和/或从地面中萌发的植物。
数据处理单元包括至少一个处理器和至少一个具有操作程序的存储器,该操作程序设置成由处理器执行。尤其地,数据处理单元具有非易失性存储器,该非易失性存储器设置成存储用于识别播种的萌发的装置的数据、尤其是光学传感器单元的图像数据和/或基于光学传感器单元的图像数据所获得的评估数据。尤其地,光学传感器单元设置成基于图像数据识别田间出芽/田间出苗。替代地或附加地,光学传感器单元设置成基于图像数据、尤其是基于对在监测区域中萌发的植物的植物芽、秧苗和/或幼苗(子叶、下胚轴、原叶等)的植物部分进行至少粗略的植物识别。“设置”应尤其理解为专门编程、设计和/或配备。一对象设置用于特定功能应理解为该对象在至少一个应用和/或操作状态下履行和/或执行该特定功能。尤其地,光学传感器单元以指定的间隔、例如每小时一次、每三小时一次等记录图像数据。在这里,可以设想的是,在夜间不记录图像数据,或者在夜间使用闪光装置来实现图像数据的记录。
尤其地,可以设想的是,数据处理单元附加地设置成基于图像数据执行人识别。尤其地,数据处理单元设置成识别在图像数据的图像中可识别的人是否被(意外地)捕获。尤其地,数据处理单元设置成删除具有可识别的人的图像并且优选地用新记录的图像替换它们。替代地,数据处理单元可以设置成禁止具有可识别地成像的人的图像的外部发送。有利地,可以由此遵守数据保护法规(关键字GDPR一致性)。
此外,提出的是,用于识别播种的萌发的装置具有尤其是无线的数据传输单元,该数据传输单元至少设置成在识别到播种的萌发时向外部发送关于萌发时间点的通知。由此,可以有利地确保所获得的数据的最佳利用。有利地,可以由此实现对诸如灌溉设备、施肥设备和/或植物保护设备的外部设备的优化控制。尤其地,外部接收端构成为与用于识别播种的萌发的装置、尤其是与具有该装置的农业传感器分开地构成的接收端、例如外部服务器系统、外部云计算系统和/或外部移动终端设备,例如智能手机。
当数据传输单元具有至少一个发送器、尤其是低能量发送器,该发送器设置成经由低能量广域网网络协议(LPWAN网络协议)、例如NB-IoT(窄带IoT)、LoRaWAN(远程广域网)或mioty发送数据时,可以有利地实现田间高度的紧急准备状态,尤其是通过可以实现特别高的蓄电池和/或电池寿命。可以设想的是,数据可以借助发送器被馈送到LPWAN网络例如物联网或人民网或专有的LPWAN网络中。有利地,可以通过使用NB-IoT来实现直接云连接。此外,可以设想的是,数据传输的至少一部分通过直接卫星连接(参见例如SOIL股份有限公司的Griot)、尤其是IoT卫星连接进行。
此外,当数据处理单元的发送器、尤其是经由LPWAN网络协议发送数据的发送器、优选为低能量发送器设置成在通过数据处理单元识别到播种的萌发时向外部发送一个或多个、尤其是分配给根据图像数据所识别的植物芽的植物分类代码时,可以有利地实现对诸如灌溉设备、施肥设备和/或植物保护设备的外部设备的有针对性的控制。尤其地,数据处理单元设置成对在图像数据中成像的植物、尤其是植物芽进行植物识别、尤其是植物芽识别。尤其地,数据处理单元具有识别程序,该识别程序借助识别算法和/或借助分类算法来将植物分类代码分配给每个所识别的植物芽。植物分类代码可以具有不同的精度等级。第一(最粗略的)精度等级可以包括按单子叶植物(单叶)和双子叶植物(双叶)的分类。第二精度等级可以按植物顺序的分类,例如类似草的植物(包括例如玉米)和非类似草的植物。第三精度等级可以包括按(预期的)可食植物/栽培植物和(不期望的)杂草植物的分类。第四(最准确的)精度等级可以是对(预期的)已知植物物种的分类(例如可食植物/栽培植物:玉米、小麦等/伴生植被:波斯蓼、稗草、田三色紫罗兰、田蓟、田滨藜等)。尤其地,发送器定期、例如每小时一次、每三小时一次等发送植物分类代码。替代地,即使仅在识别到先前状态的变化时,发送器也能发送植物分类代码的更新。尤其地,识别算法设置成识别植物芽是否已经从耕层冒出,或者尤其是与先前记录的图像数据相比,是否另外的植物芽已经从耕层冒出。尤其地,识别算法基于模式识别和/或形状识别,例如,子叶、初生叶计数、子叶/初生叶形状识别、子叶/初生叶尺寸识别等。尤其地,识别算法基于颜色识别,尤其是子叶/初生叶颜色识别。尤其地,识别算法和/或分类算法是人工智能支持的和/或可以通过机器学习进行训练。尤其地,可以设想的是,从发送器仅发送植物分类代码,而不发送相关联的图像数据。由此,可以有利地将能耗保持得低。
当植物分类代码包含关于一个或多个植物芽(萌发的播种)是否已经由数据处理单元识别的至少一个信息时,可以有利地实时跟踪田间出苗的进展。由此,可以有利地进行在时间上特别精确的农业规划。尤其地,植物分类代码包括多个所检测的和/或所分类的植物芽。例如,所发送的植物分类代码包括以下消息:三个A类植物芽(栽培植物/可食植物)、四个U1类植物芽(单子叶杂草)、一个U2类植物芽(双子叶杂草)和一个X类植物芽(未分类/未识别)。
因此,当植物分类代码包含关于哪个/哪些植物类型已经由数据处理单元识别和/或植物芽是否已经由数据处理单元分配给期望的或不期望的植物类型的至少一个信息时,可以有利地实现在时间上特别精确的农业规划。有利地,可以由此提高产量。尤其地,在植物分类代码中至少区分两种类型:栽培植物和伴生植被。当然,更精确地植物类型确定是可能的并且是可以设想的。
此外,当植物分类代码包含关于每单位面积有多少植物芽已经由数据处理单元识别的至少一个信息时,可以有利地确定田间出芽/田间出苗的效率,从而可以有利地为所监测的田地确定最佳播种量。尤其地,可以有利地根据该信息来确定播种量与植物芽数的比率。尤其地,田间出芽的效率数据可以存储在中央数据库中并与其他数据、例如气象数据、灌溉数据、施肥数据和/或植物保护应用数据、土壤类型数据等相关,从而可以有利地根据土壤类型或天气报告等来确定最佳播种量。尤其地,田间出芽的效率数据或随后获得的收获量可以用于针对所进行的控制/所进行的对灌溉系统、施肥系统和/或植物保护系统的使用做出推断,并由此优化对灌溉系统、施肥系统和/或植物保护系统的手动调节的或借助机器学习所训练的控制。
此外,提出的是,数据传输单元具有发送器、尤其是另外的发送器,该发送器设置成向外部发送光学传感器单元的图像数据。由此,可以有利地进行对经由植物分类代码所发送的信息的控制。例如,农民可以由此轻松且快速地发现是否实际已经达到了预期的田间出牙时间点/萌发时间点,或者这是否是虚惊一场。另外的发送器可以尤其是也发送植物分类代码的低能量发送器,或者是专门仅设置成发送图像数据的另一低能量发送器,或者是与低能量发送器不同的发送器,例如WiFi发送器、蓝牙发送器、移动无线电发送器等。尤其地,发送器和/或另一发送器是无线的。替代地,然而还可以设想有线发送等,例如借助USB棒的发送。
有利地,在这种情况下,发送器、尤其是另外的发送器设置成在首次识别到植物芽的萌发时自动地和/或(随时)应外部接收器的请求向外部发送表示所识别的首次萌发的植物芽的图像数据。由此,可以有利地实现对田间出牙的特别及时的反应。有利地,可以由此实现增产。有利地,可以由此避免幼苗的出苗病或倒苗病。“植物芽的萌发的首次识别”应尤其理解为进行监测的农业面积区域内的植物芽的首次萌发,优选为进行监测的农业面积区域内的分类为栽培植物的植物芽的首次萌发。
此外,提出的是,在这里,数据处理单元、尤其是数据处理单元的操作程序设置成将图像数据在发送之前为了数据缩减而如此裁剪,使得所发送的图像数据仅包括表示所识别的首次萌发的植物芽的缩减的图像剪裁。由此,可以有利地将数据量和/或发送器能耗保持得低。
此外,提出的是,数据传输单元具有至少一个接收器,该接收器至少设置成从外部接收对向外部发送的数据的响应数据。由此,可以有利地实现数据处理单元、尤其是数据处理单元的至少一个算法、优选识别算法和/或分类算法的示教。接收器可以尤其构成为基于LPWAN网络协议的低能量接收器或者与低能量接收器不同的接收器,例如WiFi接收器、蓝牙接收器、移动无线电接收器等。尤其地,接收器是无线的。
在本上下文中,提出的是,接收器至少设置成将响应数据转发给数据处理单元,以训练数据处理单元的识别算法和/或数据处理单元的分类算法,尤其是数据处理单元的对象分类算法。尤其地,数据处理单元设置成使用接收到的响应数据来训练和/或示教(关键词:“监控学习”)具有识别算法、分类算法和/或对象分类算法的人工神经网络。
此外,提出的是,数据处理单元包括用于通过评估图像数据来识别萌发时间点的至少一个微控制器。由此,可以有利地实现特别长的电池和/或蓄电池寿命。有利地,还可以实现以接近传感器的方式的、尤其是农业传感器内部的对图像数据的分析。替代地,对图像数据的分析也可以外包,例如外包给云,然而这需要高带宽并随之出现高能耗。因此,只有在带宽和能量供应的框架条件允许这一点的情况下,这种以非接近传感器的方式的解决方案才有意义。
在本上下文中,此外,提出的是,微控制器设置成执行用于评估光学传感器单元的图像数据、尤其是用于识别光学传感器单元的图像数据中的植物芽的至少一个对象分类算法。由此,可以有利地实现以接近传感器的方式的节能的萌发时间识别。尤其地,对象分类算法基于模式识别。有利地,对象分类算法由人工智能支持和/或可以借助机器学习进行训练。
此外,提出的是,数据处理单元设置成评估光学传感器单元的图像数据,至少以识别植物芽的生长速度,其中,数据传输单元至少设置成向外部发送所确定的生长速度。由此,可以有利地监测田间出芽的速度,从而可以尤其及时地启动和/或计划精确和/或有针对性的措施。尤其地,数据处理单元设置成将依次记录的图像数据、尤其是根据依次记录的图像数据识别到的植物芽进行比较。优选地,在农业面积区域中,尤其是在光学传感器单元的视场中,例如在用于光学传感器单元的保持装置上布置有刻度尺和/或比例尺。尤其地,刻度尺和/或比例尺与图像数据一起被记录并借助数据处理单元从图像数据中读出。尤其地,刻度尺和/或比例尺由数据处理单元用于归一化根据图像数据所确定的生长速度和/或分配正确的生长速率的物理单位。尤其地,数据传输单元设置成将所确定的生长速度在没有相关联的图像数据的情况下例如仅作为文本消息向外部发送。
此外,提出了一种农业传感器装置,优选为农业传感器杆/农业传感器柱,其包括具有用于至少部分地沉入到土壤中的锚固装置的尤其是杆状的基体,并且包括分配给基体的用于识别播种的萌发的装置。由此,可以有利地实现用于识别播种的萌发的装置的简单安装和/或定位。尤其地,农业传感器装置除了光学传感器单元之外还具有另外的尤其是非光学的传感器,这些传感器登记和记录环境数据、尤其是土壤数据和/或大气数据。术语“杆状”应尤其理解为具有细长延伸的形状,优选为其中最大纵向延伸比最大横向延伸大至少五倍、优选大至少十倍的形状。尤其地,锚固装置延伸超过基体的最大纵向延伸的至少20%、优选至少30%以及优选至少40%。尤其地,农业传感器装置的至少一个另外的传感器布置在锚固装置的区域中。尤其地,锚固装置具有逐渐变成尖形的端或钻孔螺旋。
当用于识别播种的萌发的装置的光学传感器单元至少部分地布置在基体的地上头端的近区域中、优选在基体的上头端处时,可以有利地实现特别好的播种监测。有利地,可以从高视野监测尽可能大的农业面积区域。尤其地,光学传感器单元、优选光学传感器单元的物镜布置在构成待监测的农业面积区域的土壤上方至少150cm、有利地至少100cm、优选地至少75cm以及特别优选地至少50cm。对于特别生长强的植物,例如玉米,还可以设想装置的更高设计(例如3m或3.5m)。在本上下文中,“近区域”应尤其理解为由距离基体的头端小于20cm、优选小于10cm的点形成的区域。基体的头端尤其构成构成农业传感器装置的农业传感器的头端。
另外,提出的是,农业传感器装置、尤其是农业传感器杆具有至少一个土壤湿度传感器、至少一个土壤温度传感器、例如用于CO2、硝酸盐、特定废料、特定的植物保护剂等的至少一个土壤化学传感器、和/或至少一个地上天气传感器。由此,可以有利地实现分配给农业面积区域或农业面积区域的环境的另外的测量值与田间出苗的相关性。由此,可以有利地使田间出苗的确定精确和/或可以有利地获得用于优化田间出苗的认识。例如可以设想的是,通过包括土壤温度,可以在田间出苗的准备阶段中就已经限制萌发窗口,使得可以例如及时地为另外的步骤做好准备。尤其地,可以设想的是,土壤温度传感器设置成检测依赖于深度的土壤温度轮廓。尤其地,可以设想的是,土壤湿度传感器设置成检测依赖于深度的土壤湿度轮廓。尤其地,可以设想的是,土壤温度传感器、土壤化学传感器和/或土壤湿度传感器具有布置在不同深度中的多个传感器探头。尤其地,天气传感器设置成登记和/或记录空气温度、空气湿度、太阳辐射、降雨量、风向和/或风速。尤其地,用于识别播种的萌发的装置的数据处理单元可以与农业传感器杆的公共数据处理单元一件式构成或者与农业传感器杆的另外的数据处理单元分开地构成。另外,可以设想的是,农业传感器装置、尤其是光学传感器单元设置成识别叶湿度。例如,可以通过对叶颜色的颜色分析或通过识别位于叶上的液滴来检测叶湿度。由此,可以例如有利地监测灌溉系统的功能。
此外,提出的是,所述装置具有:布置在用于识别播种的萌发的装置的光学传感器单元的视场中的用于实现通过对图像数据的自动比较来确定生长速度的刻度标记,和/或布置在用于识别播种的萌发的装置的光学传感器单元的视场中的化学或物理指示器元件,该化学或物理指示器元件设置成光学显示瞬时环境参数。因此,可以有利地实现可靠的生长速度确定。此外,可以有利地基于不同的生长速度实现栽培植物和伴生植被的改进分离,从而可以有利地降低田间出苗的误确定的风险。尤其地,刻度标记被施加在基体的地上表面上。替代地,刻度标记可以通过单独构件与基体分开地紧固在土壤中。“环境参数”应尤其理解为pH值、温度、湿度和/或(综合)紫外线辐射强度。在这里,化学或物理指示器元件可以例如构成为pH测量带、湿度测量带、刻度温度计或紫外线指示器元件,例如其着色依赖于紫外线暴露持续时间而褪色的紫外线指示器元件。替代地或附加地,还可以设想的是,在光学传感器单元的视野中安置另外的标记,这些标记可以通过形状、颜色或图案自动地将局部信息馈送到系统中。这些可以是例如打印在塑料板上的条形码,如二维码或DataMatrix码等,也可以是彩色标志。这些标记可以例如由用户手动地放置在光学传感器单元的视野中,使得这些标记然后可以被自动识别,以支持分类(例如在现场手动确定的植物类型)、提供附加信息或支持算法的有效训练。
此外,提出了一种农业监测和/或农业控制方法,其中,在监测步骤中,从高视野针对农业面积区域记录的图像数据由数据处理单元重复地或连续地评估,以自动识别农业面积区域内的播种的萌发时间点。由此,可以有利地优化农业种植过程。有利地,可以由此创建优化的灌溉、植物保护和/或施肥措施计划。
另外,提出的是,以接近传感器的方式评估图像数据,以识别萌发时间点。由此,可以有利地实现特别长的电池和/或蓄电池寿命和/或高的防篡改性。术语“以接近传感器的方式”应尤其理解为在农业传感器的位置处。优选地,在以接近传感器的方式的分析时,所确定的数据、尤其是图像数据在借助数据传输单元等发送之前和/或在记录位置处的记录之后立即被评估和/或处理。
当在识别到植物芽的萌发的情况下在通知步骤中向外部发送关于萌发时间点的通知时,可以有利地确保所获得的数据的最佳利用。有利地,可以由此实现对诸如灌溉、施肥和/或植物保护设备之类的外部设备的优化控制。萌发时间点的通知可以构成为纯文本消息(没有图像数据)。
另外,当在控制步骤中可以由通知的接收端请求发送农业面积区域和/或所识别的植物芽的图像数据时,可以有利地确保特别用户友好的和/或可靠的农业监测和/或控制。
在这里,当在继控制步骤之后的另一方法步骤中将所请求的图像数据的限于所识别的植物芽的图像剪裁发送到接收端时,可以有利地将数据传输量保持得低,从而可以有利地实现长的蓄电池或电池寿命。替代地,然而还可以设想的是,将完整的和未处理的和/或未改变的图像数据发送到接收端。
当使用不同的、尤其是无线的网络协议将图像数据和通知发送到接收端时,可以实现特别节能的农业监测和/或控制。尤其地,所发送的通知(频繁地且以文本形式或以节省带宽的形式)是经由比(不频繁地)发送的图像数据更节能的(无线的)网络协议发送的。替代地,然而还可以设想的是,图像数据和通知是经由相同的无线网络协议发送的,或者传输中的至少一个、优选是图像数据传输是非无线的,例如有线或经由USB大容量存储器进行,或者传输中的至少一个、优选是图像数据传输是经由直接卫星连接例如Griot进行。
此外,提出的是,在算法训练步骤中进行接收端的关于所进行的植物芽识别的正确性的反馈,用于对执行植物芽识别的算法、尤其是识别算法和/或分类算法、尤其是对象分类算法的自动优化和/或自动训练(例如神经网络的“监控学习”)。由此,可以有利地实现植物芽识别的连续优化。有利地,还可以实现对当地条件的连续适应。尤其地,可以通过数据传输单元实现多个分布地布置的农业传感器装置的联网。例如,在这种情况下,可以在联网的农业传感器装置之间交换通过机器学习所获得的认识并因此进一步改进算法训练步骤。例如,在算法训练步骤中,由接收端在接收到图像数据之后确认或拒绝植物分类,尤其是植物分类代码、田间出苗识别、萌发时间点确定等。尤其地,由识别算法和/或分类算法、尤其是对象分类算法之前进行的确认或拒绝在创建未来植物分类、尤其是植物分类代码、田间出苗识别、萌发时间点确定等时予以考虑。可以设想的是,算法训练步骤在用于识别播种的萌发的装置的数据处理单元内部进行。优选地,算法训练步骤被外包,尤其是由于对计算能力的要求,而是外包给外部数据处理单元,该外部数据处理单元例如经由数据传输单元与装置接触。
另外,提出的是,在规划和/或控制步骤中,基于与播种相关联的植物芽的所确定的萌发时间点来创建培植规划和/或收获时间规划。由此,可以有利地优化植物的培植和/或使收获量最大化。尤其地,培植规划和/或收获规划、机器可用性、员工工作计划包括施肥时间、灌溉时间、植物保护应用时间、土壤耕作时间、收获流程、储存和/或运输规划等。特别地,可以以接近传感器的方式执行规划和/或控制步骤,其中,相应的消息由数据传输单元分发。然而,优选地,规划和/或控制步骤在传感器外部规划和/或控制装置中进行,这些传感器外部规划或控制装置处理农业传感器装置的认识/测量结果并将其转换为动作或动作指令。
此外,提出的是,在栽培步骤中,基于对与播种、尤其是期望的栽培植物相关联的萌发的植物芽的存在的识别和/或基于与播种、尤其是期望的栽培植物相关联的植物芽的所确定的萌发时间点来自动控制、尤其是自动激活、自动去激活土壤耕作系统,例如灌溉系统、植物保护系统和/或施肥系统或者对输出进行自动节流或自动增加。由此,可以有利地实现特别有针对性的农业耕作以及因此潜在的增产。有利地,可以由此避免幼苗的出苗病或倒苗病。例如,可以在识别到田间出苗之后减少灌溉或调节灌溉,以防止发生例如由喜湿真菌病原体如腐霉菌或镰刀菌引发的出苗疾。
此外,当在土壤耕作系统、尤其是灌溉系统、植物保护系统和/或施肥系统的自动控制的情况下,在栽培步骤中考虑了尤其是通过农业传感器装置的另外的传感器进行的对土壤湿度、土壤温度和/或当地天气的并行测量的测量数据时,可以有利地进一步改进农业优化过程,使得可以实现潜在的甚至更高的收获量和/或使得可以进一步降低收获损失的风险。
此外,当在植物保护系统的自动控制的情况下,在栽培步骤中基于对杂草类型的识别、尤其是基于植物分类代码来提出/选择相应的除草剂时,可以有利地实现特别有效的除草。
此外,提出的是,在监测步骤的第一子步骤中,根据从农业面积区域记录的图像数据来确定农业面积区域中的每单位面积的植物芽的密度,并且在监测步骤的第二子步骤中,将农业面积区域中的植物芽的密度与农业面积区域中的已知每单位面积的播种密度进行比较,以确定相对播种成功率。由此,可以有利地确定田间出苗的效率。有利地,可以由此推断出最佳种子量。尤其地,可以通过包括农业传感器装置的其他传感器的测量数据来特定于土壤和/或特定于气候地确定最佳种子量。有利地,关于相对播种成功率的数据可以与农业传感器装置的其他传感器的气候数据和土壤数据存储在数据库中。然后,该数据库可以用于未来新种植的播种建议等或用于优化现有种植的播种量。
此外,提出的是,在播种优化步骤中,查询所确定的依赖于土壤类型的相对播种成功率的数据库并在此基础上提出土壤类型优化的播种量以供未来播种。由此,播种量可以有利地最佳适配于种植地点。尤其地,在具有相对播种成功率的这种数据库中还可以包括由土壤耕作、植物保护手段或肥料产生的影响。此外,实际获得的收获量可以包括在评估中。
此外,提出了一种农业监测和/或农业控制系统,其具有至少一个用于识别播种的萌发的装置,以及具有控制和/或调节装置,该控制和/或调节装置至少设置成在执行农业监测和/或农业控制方法的范围内控制土壤耕作系统,例如灌溉系统、植物保护系统和/或施肥系统。由此,可以有利地提供集成式植物培育系统,这可以尤其带来有利的增产。
根据本发明的用于识别播种的萌发的装置、根据本发明的农业传感器装置、根据本发明的农业监测和/或农业控制方法以及根据本发明的农业监测和/或农业控制系统在本文中不应限于上述的应用和实施方式。尤其地,根据本发明的用于识别播种的萌发的装置、根据本发明的农业传感器装置、根据本发明的农业监测和/或农业控制方法以及根据本发明的农业监测和/或农业控制系统可以具有与本文提到的各个元件、构件、方法步骤和单元的数量不同的数量以执行本文所述的功能方式。
附图说明
另外的优点产生于以下的附图说明。附图中示出了本发明的两个实施例。附图、说明书和权利要求书包含许多组合的特征。本领域技术人员也将符合目的地单独考虑这些特征并将它们概括为有意义的另外的组合。
图1示出了具有多个农业传感器装置的农业监测和/或农业控制系统的示意图;
图2示出了示例性构成为农业传感器杆的具有用于识别播种的萌发的装置的农业传感器装置的示意图;以及
图3示出了农业监测和/或农业控制方法的示意性流程图。
具体实施方式
图1示意性示出了示例性的农业监测和/或农业控制系统80。农业监测和/或控制系统8设置成监测和/或控制农业流程,例如灌溉、施肥和/或植物保护。农业监测和/或农业控制系统80设置成监测农业种植面积86和/或控制种植面积86的农业耕作。农业监测和/或控制系统80包括土地耕作系统84。示例性示出的土壤耕作系统(土壤管理系统)84构成为灌溉系统66。替代地或附加地,土壤耕作系统84还可以包括植物保护系统(未示出)和/或施肥系统(未示出)。此外,所示的灌溉系统66可以通过添加植物保护器件和/或施肥器件而用作植物保护系统68和/或施肥系统70。土壤耕作系统84的设计可以与图1的示例性图示显著不同。土壤耕作系统84包括控制和/或调节装置82。“控制和/或调节装置82”应尤其理解为一种具有至少一个控制电子器件的装置。“控制电子器件”应尤其理解为一种具有处理器和存储器以及存储在存储器中并可由处理器执行的操作程序的单元。控制和/或调节装置82至少设置成在执行农业监测和/或农业控制方法(另见图3)的范围内控制土壤耕作系统84。
农业监测和/或控制系统80具有农业传感器装置32。农业传感器装置32构成为农业传感器杆或农业传感器柱。在图1示例性示出的种植面积86上分布有多个农业传感器装置32。农业传感器装置32设置成确定种植面积86的土壤数据(例如,土壤温度、土壤湿度、土壤组分、土壤成分等)以及种植面积86上方的局部大气数据。农业传感器装置32各自具有装置30,该装置30设置成识别种子10的萌发(见图2)。多个农业传感器装置32可以例如经由它们的数据传输单元20彼此联网。在图1中,数据传输单元20示例性经由网关120、例如经由LPWAN网关、例如LoRaWAN网关向外部进行通信。
图2示出了构成为农业传感器杆32的农业传感器装置32的示例性示意图。农业传感器装置32具有基体34。基体34呈杆状构成。基体34包括锚固装置36。锚固装置36设置成将基体34锚固在地面16中。地面16在所示示例中构成为种植面积86的土壤38。在土壤38中引入种子10。种子10由期望的栽培植物112(这里:玉米)的种子组成。为了示例性说明,在不同的萌发阶段中示出种子10。此外,在土壤38中存在偶然的另外的种子,从这些种子中自发地萌发长出与期望的栽培植物112不同的伴生植被92。农民通常将这种伴生植被92称为杂草。在图2所示的示例中,栽培植物112是单子叶萌发植物,并且伴生植被92是双子叶萌发植物。伴生植被92通常被称为杂草并且通常是不希望的。
农业传感器装置32具有土壤湿度传感器42。土壤湿度传感器42包括多个土壤湿度传感器探头88、88’、88”。土壤湿度传感器探头88、88’、88”在基体34的纵向方向90上在基体34的锚固装置36的不同位置处彼此间隔开地布置。土壤湿度传感器探头88、88’、88”布置在土壤38的不同深度处。土壤湿度传感器探头88、88’、88”设置成确定土壤38的不同深度处的土壤湿度。农业传感器装置32具有土壤温度传感器44。土壤温度传感器44包括多个土壤温度传感器探头122、122’、122”。土壤温度传感器探头122、122’、122”在基体34的纵向方向90上在基体34的锚固装置36的不同位置处彼此间隔开地布置。土壤温度传感器探头122、122’、122”布置在土壤38的不同深度处。土壤温度传感器探头122、122’、122”设置成确定土壤38的不同深度处的土壤温度。农业传感器装置32还具有多个未明确示出的土壤化学传感器。农业传感器装置32具有地上布置的天气传感器46。农业传感器装置32具有内部能量供应部116。内部能量供应部116构成为蓄电池或电池。
农业传感器装置32具有用于识别种子10的萌发的装置30。用于识别种子10的萌发的装置30分配给基体34。用于识别种子10的萌发的装置30具有光学传感器单元12。光学传感器单元12构成为相机。光学传感器单元12布置在基体34的地上头端40的近区域中。光学传感器单元12设置成重复或连续地记录地面16的农业面积区域52中的地面16的图像数据。光学传感器单元12具有视场14。农业传感器装置32在图2中示出在指定的操作和/或安装状态下。在指定的操作和/或安装状态下,光学传感器单元12从高视野朝地面16取向。在指定的操作和/或安装状态下,光学传感器单元12的视场14在地面16的方向上倾斜地或垂直地取向。
用于识别种子10的萌发的装置30构成为幼苗识别装置。用于识别种子10的萌发的装置30构成为田间出苗识别装置。用于识别种子10的萌发的装置30具有数据处理单元18。数据处理单元18设置成评估由光学传感器单元12记录的图像数据,用于识别种子10的萌发时间点。数据处理单元18设置成评估由光学传感器单元12记录的图像数据,用于识别田间出苗。数据处理单元18具有微控制器,该微控制器设置成通过评估图像数据来识别萌发时间点。(具有微控制器的)数据处理单元18代表用于分析由光学传感器单元12记录的图像数据的以接近传感器的方式的分析可能性。数据处理单元18、尤其是数据处理单元18的微控制器设置成执行用于评估光学传感器单元12的图像数据的至少一个识别算法、分类算法和/或对象分类算法。数据处理单元18、尤其是数据处理单元18的微控制器设置成识别和/或分类从土壤38萌发的植物芽24。数据处理单元18、尤其是数据处理单元18的微控制器设置成在早期、尤其是最迟在8叶期、优选最迟在4叶期至少粗略地识别和/或至少粗略地分类植物芽24。数据处理单元18、尤其是数据处理单元18的微控制器设置成执行识别算法、分类算法和/或对象分类算法,用于从光学传感器单元12的图像数据中识别和分类植物芽24。数据处理单元18、尤其是数据处理单元18的微控制器设置成借助人工智能/借助神经网络识别和分类植物芽24。
用于识别种子10的萌发的装置30具有数据传输单元20。数据传输单元20设置成在识别到种子10的萌发时向外部、尤其是向接收端58、58’、58”(见图1)发送关于萌发时间点的通知。数据传输单元20具有发送器22。发送器22构成为低能量发送器。发送器22设置成经由低能量广域网网络协议(LPWAN网络协议)、例如NB-IoT、LoRaWAN或mioty发送数据、尤其是关于萌发时间点的通知。发送器22设置成在通过数据处理单元18识别到种子10的萌发时向外部、尤其是向接收端58、58’、58”(见图1)发送基于所记录的图像数据所确定的一个或多个植物分类代码。接收端58、58’、58”还可以构成为用户例如农民的移动设备、构成为云服务或直接构成为土壤耕作系统84。发送器22定期(例如每分钟一次、每10分钟一次、每半小时一次、每小时一次、每3小时一次等)和/或自动地向外部发送植物分类代码。替代地,可以设想的是,发送器仅在请求时发送植物分类代码。替代地,还可以设想的是,发送器仅在检测到与先前发送的消息相比的变化时,即例如在重新识别到先前不存在的植物芽24时,才发送植物分类代码。由此,可以有利地实现农业传感器装置32的内部能量供应部116的长的蓄电池或电池寿命。
植物分类代码可以包含关于一个或多个植物芽24是否由数据处理单元18已经识别的信息。植物分类代码可以包含已经由数据处理单元18在农业面积区域52中识别的大量的植物芽24。植物分类代码可以包含关于哪个/哪些植物类型已经由数据处理单元18识别的信息。植物分类代码可以包含关于植物芽24是否已经由数据处理单元18分配给期望的植物类型(例如,栽培植物112的植物类型)或不期望的植物类型(例如,伴生植被92的植物类型)的信息。植物分类代码可以包含关于每单位面积有多少植物芽24已经由数据处理单元18在农业面积区域52中识别的信息。
数据传输单元20具有至少一个接收器28。接收器28设置成从外部接收对向外部发送的数据、尤其是植物分类的响应数据、例如由接收端58、58’、58”中的一个和数据传输单元20发送回的响应数据。接收器28构成为低能量接收器。接收器28设置成将响应数据转发到数据处理单元18以训练数据处理单元18的识别算法和/或数据处理单元18的分类算法、尤其是对象分类算法。
数据传输单元20具有另一个发送器26。另一个发送器26设置成向外部发送光学传感器单元12的图像数据,例如发送到接收器58、58’、58”中的一个。另一个发送器26与发送器22相比宽带要大得多。另一个发送器26设置成在首次识别到植物芽24的萌发时自动地和/或应外部接收端58、58’、58”的请求向外部发送表示识别到的首次萌发的植物芽24的图像数据。另一个发送器26发送的数据比发送器22发送的数据少得多。数据处理单元18设置成在发送之前为了数据缩减而如此裁剪图像数据,使得所发送的图像数据仅包括表示识别到的首次萌发的植物芽24或最新当前萌发的植物芽24的缩减的图像剪裁。
数据处理单元18设置成评估光学传感器单元12的图像数据,至少用于识别植物芽24的生长速度。数据传输单元20至少设置成向外部发送所确定的生长速度。农业传感器装置32包括刻度标记50。刻度标记50至少部分地被施加在基体34的地上部分的外侧。刻度标记50布置在光学传感器单元12的视场14中。刻度标记50设置成通过对图像数据的自动比较来实现生长速度的确定。数据处理单元18设置成基于图像比较来确定植物、尤其是栽培植物112或与伴生植被92相关联的植物的生长高度的变化。替代地,刻度标记50也可以构成为与基体34分开,例如可单独插入到土壤38中。作为对刻度标尺50的替代方案或附加方案,化学或物理指示器元件124或诸如条形码之类的其他标记也可以布置在光学传感器单元12的视场14中,使得例如化学或物理指示器元件124或标记可以通过图像识别和/或图像分析、尤其是借助数据处理单元18来评估和/或读出。
图3示出了农业监测和/或农业控制方法的示意性流程图。在至少一个方法步骤94中将农业传感器装置32、尤其是农业传感器杆锚定在地面16中。在至少一个另外的方法步骤114中将光学传感器单元12的视场14如此取向,使得该视场14从高视野检测农业面积区域52。在监测步骤中,从高视野针对农业面积区域52记录的图像数据由数据处理单元18重复地或连续地评估,以自动识别农业面积区域52内的种子10的萌发时间点。在监测步骤48中以接近传感器的方式评估图像数据,以识别萌发时间点。在监测步骤48中,基于图像数据执行植物芽识别。在监测步骤48中,执行对所识别的植物芽24的识别和/或分类。在至少一个另外的监测步骤96中,另外的传感器数据由与光学传感器单元12不同的传感器、例如土壤湿度传感器42、土壤温度传感器44、天气传感器46和/或土壤化学传感器(未示出)检测。在另一监测步骤96中,定期地或连续地记录另外的传感器数据。可以设想的是,另外的传感器数据被包括在对所识别的植物芽24的识别和/或分类中以改进结果。基于对所识别的植物芽24的识别和/或分类的结果,在另一方法步骤中创建报告。这些报告另外包括分配给所识别的植物芽24的植物分类代码。此外,这些报告可以包括例如另外的传感器的测量数据。
在监测步骤48的可选的子步骤72中,根据从农业面积区域52所记录的图像数据来确定农业面积区域52中每单位面积的植物芽24的密度。在监测步骤48的可选的另一子步骤74中,将农业面积区域52中的植物芽24的密度与从之前发生的播种过程已知的农业面积区域52中每单位面积的播种密度进行比较,以确定相对播种成功率。在另一方法步骤108中,将如此确定的、尤其是依赖于土壤类型的播种成功率与农业传感器装置32的例如与所监测的种子10已经进行所在的种植面积86的土壤类型相关联的测量数据一起发送到外部数据库78,例如全球可访问的云数据库。随后,可以在播种优化步骤76中查询包括所确定的依赖于土壤类型的相对播种成功率的数据库78。在另一方法步骤110中,基于在查询中给定的土壤类型和/或在查询中给定的栽培植物来提出用于未来播种的土壤类型优化的播种量。基于向数据库78报告的可比栽培植物在可比类型土壤中的最佳相对播种成功率来确定所提出的土壤类型优化的播种量。
在识别到植物芽24的萌发时,在通知步骤98中向外部发送关于萌发时间点的通知。经由低能量广域网网络协议发送通知。通知至少部分地包括报告的内容。通知至少包括分配给所识别的植物芽24的植物分类代码。通知可以被发送到人类接收端58,该人类接收端58由此获得对其农业决策的支持。然而,通知也可以被发送给非人类接收端58’、58”,例如至少部分自动化的系统,例如农业监测和/或农业控制系统80,该农业监测和/或农业控制系统80基于通知中包含的信息来控制和/或调节过程或相关联的系统,例如灌溉系统66、植物保护系统68和/或施肥系统70。
当通知被发送到人类接收端58时,在通知步骤98中将通知显示给接收端58。在控制步骤54中,通知的接收端58可以因此请求发送农业面积区域52和/或所识别的植物芽24的图像数据。在另一方法步骤102中,图像数据在通过数据传输单元20发送之前被如此裁剪,使得图像数据仅包括限于所识别的植物芽24的图像剪裁。在控制步骤54之后的另一方法步骤56中,将所请求的图像数据的限于所识别的植物芽24的图像剪裁发送到接收端58。替代地,还可以设想的是,在方法步骤56中发送整个图像数据,或者接收端58可以选择其想要发送的是裁剪的还是完整的图像数据。经由与低能量广域网网络协议(LPWAN网络协议)不同的网络协议(非LPWAN网络协定)发送图像数据。分别使用不同的网络协议将图像数据和通知发送到接收端58。分别使用数据传输单元20的不同的发送器22、26将图像数据和通知发送到接收端58。在至少一个另外的方法步骤104中,所接收的图像数据由接收端58鉴定。
在至少一个另外的方法步骤106中,基于对图像数据的鉴定的关于所执行的植物芽识别的正确性的反馈被发送回到用于识别种子10的萌发的装置30。在算法训练步骤60中,进行关于所进行的植物芽识别的正确性的反馈,用于数据处理单元18的执行植物芽识别的算法的自动优化和/或自动训练,尤其是在神经网络的示教和/或训练的范围内。
当通知被发送到非人类的接收端58’、58”时,通知在通知步骤98中由非人类的接收端58’、58”的操作程序评估,例如由农业监测和/或农业控制系统80的控制和/或调节装置82和/或由与其不同的另一控制和/或调节装置评估。在规划和/或控制步骤62中,基于与种子10相关联的植物芽24萌发所确定的萌发时间点/田间出苗来创建培植规划和/或收获时间规划。这种培植规划和/或收获时间规划可以包括农业监测和/或控制系统80和/或参与种植面积86的耕作的另外的系统。在栽培步骤64中,基于对与种子10相关联的萌发的植物芽的存在的识别和/或基于与种子10相关联的植物芽24的所确定的萌发时间点和田间出苗和/或基于规划和/或控制步骤62的培植规划和/或收获时间规划自动控制土壤耕作系统84、例如灌溉系统66、植物保护系统68和/或施肥系统70。在土壤耕作系统84、尤其是灌溉系统66、植物保护系统68和/或施肥系统70的自动控制中,在栽培步骤64中附加地考虑土壤湿度、土壤温度和/或当地天气的并行测量的测量数据。例如,由此有利地将土壤湿度和/或肥料浓度保持在对所检测的栽培植物112的发育步骤来说最佳的值。在栽培步骤64中的植物保护系统68的自动控制时,可以基于对杂草类型的识别来提出/选择相应的除草剂。例如,当在单子叶栽培植物之间识别到双子叶杂草时,可以有针对性地使用仅作用于双子叶植物的除草剂。例如,当在栽培植物112的田间出苗/田间出苗已经开始之前确定出杂草的出牙/出苗时,可以使用广谱除草剂。在另一栽培步骤118中,根据图像数据借助刻度标记50来确定栽培植物112和/或伴生植被92的生长速度和/或生长高度。另一栽培步骤118的结果可以被反馈用于栽培步骤64和/或规划和/或控制步骤62的优化。
此外,可以设想的是,田间出苗的识别是基于分布地布置在种植面积86上的多个农业传感器装置的数据、尤其是植物芽识别数据、所识别的萌发时间点和/或植物分类代码的汇总来进行。当例如在分布地布置在种植面积86上的农业传感器装置32的所有视场14的多于一个、有利地多于两个、特别有利地多于20%、优选地多于30%以及特别优选地多于50%中识别到萌发时间点、尤其是植物芽24、优选为栽培植物112的植物芽24时,向外部发送关于田间出牙的肯定检测的通知。尤其地,由数据传输单元20向外部发送的通知包括所有已经识别到植物芽24、尤其是栽培植物112的植物芽24的农业传感器装置32占所有分布地布置在种植面积86上的农业传感器装置32的比例或者已经识别到植物芽24、尤其是栽培植物112的植物芽24的农业传感器装置32占所有分布地布置在种植面积86上的农业传感器装置32的份额。由此,可以有利地显著改进田间出苗确定和/或萌发时间点的可靠性。
附图标记说明:
10 种子
12 光学传感器单元
14 视场
16 地面
18 数据处理单元
20 数据传输单元
22 发送器
24 植物芽
26 发送器
28 接收器
30 装置
32 农业传感器装置
34 基体
36 锚固装置
38 土壤
40 头端
42 土壤湿度传感器
44 土壤温度传感器
46 天气传感器
48 监测步骤
50 刻度标记
52 农业面积区域
54 控制步骤
56 方法步骤
58 接收端
60 算法训练步骤
62 规划和/或控制步骤
64 栽培步骤
66 灌溉系统
68 植物保护系统
70 施肥系统
72 子步骤
74 子步骤
76 播种优化步骤
78 数据库
80 农业监测和/或农业控制系统
82 控制和/或调节装置
84 土壤耕作系统
86 种植面积
88 土壤湿度传感器探头
90 纵向方向
92 伴生植被
94 方法步骤
96 监测步骤
98 通知步骤
100 方法步骤
102 方法步骤
104 方法步骤
106 方法步骤
108 方法步骤
110 方法步骤
112 栽培植物
114 方法步骤
116 内部能量供应部
118 栽培步骤
120 网关
122 土壤温度传感器探头
124 化学或物理指示器元件

Claims (33)

1.一种用于识别种子(10)的萌发的装置(30),尤其是幼苗识别装置和/或田间出苗识别装置,其具有:光学传感器单元(12),所述光学传感器单元(12)的视场(14)在指定的操作和/或安装状态下从俯视图看时朝地面(16)取向,并且所述光学传感器单元(12)设置成重复地或连续地记录图像数据;和数据处理单元(18),所述数据处理单元(18)设置成评估所述光学传感器单元(12)的图像数据,至少用以识别种子(10)的萌发时间点。
2.根据权利要求1所述的装置(30),其特征在于数据传输单元(20),所述数据传输单元(20)至少设置成在识别到种子(10)的萌发时向外部发送关于萌发时间点的通知。
3.根据权利要求2所述的装置(30),其特征在于,所述数据传输单元(20)具有至少一个发送器(22),所述发送器(22)设置成经由低能量广域网网络协议(LPWAN网络协议)、例如NB-IoT、LoRaWAN或mioty发送数据。
4.根据权利要求3所述的装置(30),其特征在于,所述发送器(22)设置成在通过所述数据处理单元(18)识别到种子(10)的萌发时向外部发送一个或多个植物分类代码。
5.根据权利要求3所述的装置(30),其特征在于,植物分类代码包含关于是否已经由所述数据处理单元(18)识别到一个或多个植物芽(24)的至少一个信息。
6.根据权利要求4或5所述的装置(30),其特征在于,植物分类代码包含关于哪个/哪些植物类型已经由所述数据处理单元(18)识别和/或植物芽(24)是否已经由所述数据处理单元(18)分配给期望的或不期望的植物类型的至少一个信息。
7.根据权利要求4至6中任一项所述的装置(30),其特征在于,植物分类代码包含关于每单位面积有多少植物芽(24)已经由所述数据处理单元(18)识别的至少一个信息。
8.根据权利要求2至7中任一项所述的装置(30),其特征在于,所述数据传输单元(20)具有发送器(26),所述发送器(26)设置成向外部发送所述光学传感器单元(12)的图像数据。
9.根据权利要求8所述的装置(30),其特征在于,所述发送器(26)设置成在首次识别到植物芽(24)的萌发时自动地和/或应外部接收端(58)的请求向外部发送表示所识别的首次萌发的植物芽(24)的图像数据。
10.根据权利要求9所述的装置(30),其特征在于,所述数据处理单元(18)设置成将图像数据在发送之前为了数据缩减而如此裁剪,使得所发送的图像数据仅包括表示所识别的首次萌发的植物芽(24)的缩减后图像部分。
11.根据权利要求2至10中任一项所述的装置(30),其特征在于,所述数据传输单元(20)具有至少一个接收器(28),所述接收器(28)至少设置成从外部接收对向外部发送的数据的响应数据。
12.根据权利要求11所述的装置(30),其特征在于,所述接收器(28)至少设置成将响应数据转发给所述数据处理单元(18),以训练所述数据处理单元(18)的识别算法和/或分类算法。
13.根据前述权利要求中任一项所述的装置(30),其特征在于,所述数据处理单元(18)包括用于通过评估图像数据来识别萌发时间点的至少一个微控制器。
14.根据权利要求13所述的装置(30),其特征在于,所述微控制器设置成执行至少一个对象分类算法,用于评估所述光学传感器单元(12)的图像数据、尤其是用于识别所述光学传感器单元(12)的图像数据中的植物芽(24)。
15.根据权利要求1的前序部分、尤其是根据前述权利要求中任一项所述的装置(30),其特征在于,所述数据处理单元(18)设置成评估所述光学传感器单元(12)的图像数据,至少用以识别植物芽(24)的生长速度,其中,所述数据传输单元(20)至少设置成向外部发送所确定的生长速度。
16.一种农业传感器装置(32),其包括具有用于至少部分地沉入到土壤(38)中的锚固装置(36)的尤其是杆状的基体(34),并且包括分配给所述基体(34)的根据前述权利要求中任一项所述的用于识别种子(10)的萌发的装置(30)。
17.根据权利要求16所述的农业传感器装置(32),其特征在于,所述用于识别种子(10)的萌发的装置(30)的光学传感器单元(12)至少部分地布置在所述基体(34)的地上头端(40)的邻近区域中。
18.根据权利要求16或17所述的农业传感器装置(32),其特征在于至少一个土壤湿度传感器(42)、至少一个土壤温度传感器(44)和/或至少一个地上天气传感器(46)。
19.根据权利要求16至18中任一项所述的农业传感器装置(32),其特征在于:布置在用于识别种子(10)的萌发的装置(30)的光学传感器单元(12)的视场(14)中的用于通过对图像数据的自动比较来确定生长速度的刻度标记(50),和/或布置在所述用于识别种子(10)的萌发的装置(30)的所述光学传感器单元(12)的所述视场(14)中的化学或物理指示器元件,所述化学或物理指示器元件设置成光学显示瞬时环境参数。
20.一种农业监测和/或农业控制方法,尤其是借助根据权利要求1至15中任一项所述的装置(30)和/或利用根据权利要求16至19中任一项所述的农业传感器装置(32),其中,在监测步骤(48)中,由数据处理单元(18)重复地或连续地评估从农业区域(52)俯视视野记录的图像数据,以自动识别所述农业区域(52)内的种子(10)的萌发时间点。
21.根据权利要求20所述的农业监测和/或农业控制方法,其特征在于,评估传感器附近的图像数据,以识别萌发时间点。
22.根据权利要求20或21所述的农业监测和/或农业控制方法,其特征在于,在通知步骤(98)中,在识别到植物芽(24)的萌发的情况下向外部发送关于萌发时间点的通知。
23.根据权利要求22所述的农业监测和/或农业控制方法,其特征在于,在控制步骤(54)中能根据所述通知的接收端(58)请求发送所述农业区域(52)和/或所识别的植物芽(24)的图像数据。
24.根据权利要求23所述的农业监测和/或农业控制方法,其特征在于,在继所述控制步骤(54)之后的另一方法步骤(56)中,将所请求的图像数据的限于所识别的植物芽(24)的图像部分发送到所述接收端(58)。
25.根据权利要求23或24所述的农业监测和/或农业控制方法,其特征在于,使用不同的网络协议将图像数据和通知发送到所述接收端(58)。
26.根据权利要求23至25中任一项所述的农业监测和/或农业控制方法,其特征在于,在算法训练步骤(60)中进行所述接收端(58)的关于所进行的植物芽识别的正确性的反馈,用于对执行植物芽识别的算法的自动优化和/或自动训练。
27.根据权利要求20至26中任一项所述的农业监测和/或农业控制方法,其特征在于,在规划和/或控制步骤(62)中,基于与种子(10)相关联的植物芽(24)的所确定的萌发时间点来创建培植规划和/或收获时间规划。
28.根据权利要求20至27中任一项所述的农业监测和/或农业控制方法,其特征在于,在栽培步骤(64)中,基于对与种子(10)相关联的萌发的植物芽的存在的识别和/或基于与种子(10)相关联的植物芽(24)的所确定的萌发时间点来自动控制土壤耕作系统(84),例如灌溉系统(66)、植物保护系统(68)和/或施肥系统(70)。
29.根据权利要求28所述的农业监测和/或农业控制方法,其特征在于,在所述土壤耕作系统(84),尤其是所述灌溉系统(66)、所述植物保护系统(68)和/或所述施肥系统(70)的自动控制的情况下,在所述栽培步骤(64)中考虑了对土壤湿度、土壤温度和/或当地天气的并行测量的测量数据。
30.根据权利要求28或29所述的农业监测和/或农业控制方法,其特征在于,在所述植物保护系统(68)的自动控制的情况下,在所述栽培步骤(64)中基于对杂草类型的识别来提出/选择相应的除草剂。
31.根据权利要求20至30中任一项所述的农业监测和/或农业控制方法,其特征在于,在所述监测步骤(48)的第一子步骤(72)中,根据从所述农业区域(52)记录的图像数据来确定所述农业区域(52)中的每单位面积的植物芽(24)的密度,并且在所述监测步骤(48)的第二子步骤(74)中,将所述农业面积区域(52)中的植物芽(24)的密度与所述农业区域(52)中的已知每单位面积的播种密度进行比较,以确定相对播种成功率。
32.根据权利要求20至31中任一项、尤其是根据权利要求30所述的农业监测和/或农业控制方法,其特征在于,在播种优化步骤(76)中,查询所确定的依赖于土壤类型的相对播种成功率的数据库(78)并在此基础上提出土壤类型优化播种量以供未来播种。
33.一种农业监测和/或农业控制系统(80),其具有至少一个根据权利要求1至15中任一项所述的用于识别种子(10)的萌发的装置(30),尤其是具有至少一个根据权利要求16至19中任一项所述的农业传感器装置(32),以及具有控制和/或调节装置(82),所述控制和/或调节装置(82)至少设置成在执行根据权利要求27至30或32中任一项所述的农业监测和/或农业控制方法的范围内控制土壤耕作系统(84),例如灌溉系统(66)、植物保护系统(68)和/或施肥系统(70)。
CN202280053611.5A 2021-06-10 2022-06-08 识别播种种子萌发的装置、农业传感器装置以及农业监测和/或农业控制方法和系统 Pending CN117794354A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102021114996.7A DE102021114996A1 (de) 2021-06-10 2021-06-10 Vorrichtung zu einem Erkennen eines Sprießens von Aussaaten, Agrarsensorvorrichtung und Agrarüberwachungs- und/oder Agrarsteuerungsverfahren und -system
DE102021114996.7 2021-06-10
PCT/EP2022/065476 WO2022258653A1 (de) 2021-06-10 2022-06-08 Vorrichtung zu einem erkennen eines spriessens von aussaaten, agrarsensorvorrichtung und agrarüberwachungs- und/oder agrarsteuerungsverfahren und -system

Publications (1)

Publication Number Publication Date
CN117794354A true CN117794354A (zh) 2024-03-29

Family

ID=82163550

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280053611.5A Pending CN117794354A (zh) 2021-06-10 2022-06-08 识别播种种子萌发的装置、农业传感器装置以及农业监测和/或农业控制方法和系统

Country Status (5)

Country Link
EP (1) EP4351309A1 (zh)
CN (1) CN117794354A (zh)
BR (1) BR112023025885A2 (zh)
DE (1) DE102021114996A1 (zh)
WO (1) WO2022258653A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117480979A (zh) * 2023-11-08 2024-02-02 昆明理工大学 基于深度学习的膜下烟苗智慧破孔与残膜回收装置及方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5904044B2 (ja) * 2012-07-18 2016-04-13 富士通株式会社 農作物の状態変化日特定方法、装置及びプログラム
DE102015221085A1 (de) 2015-10-28 2017-05-04 Robert Bosch Gmbh Verfahren und Informationssystem zum Erkennen zumindest einer auf einem Feld angepflanzten Pflanze
EP3357332B1 (en) * 2017-02-06 2022-04-13 Bilberry Sas Agricultural sprayer
GB2553631B (en) * 2017-06-19 2019-10-30 Earlham Inst Data Processing of images of a crop
WO2020000043A1 (en) * 2018-06-28 2020-01-02 University Of Southern Queensland Plant growth feature monitoring
CN112911931B (zh) * 2018-09-21 2022-11-04 拜耳公司 用于检测节肢动物的成像设备和用于检测节肢动物的系统
CN110095070B (zh) 2019-05-13 2020-05-19 中国水利水电科学研究院 基于物联网的农作物生长监测装置及其方法
US11237563B2 (en) * 2019-11-20 2022-02-01 FarmWise Labs, Inc. Method for analyzing individual plants in an agricultural field

Also Published As

Publication number Publication date
EP4351309A1 (de) 2024-04-17
WO2022258653A1 (de) 2022-12-15
DE102021114996A1 (de) 2022-12-15
BR112023025885A2 (pt) 2024-02-27

Similar Documents

Publication Publication Date Title
US11672212B2 (en) Customized land surface modeling for irrigation decision support for targeted transport of nitrogen and other nutrients to a crop root zone in a soil system
US10028426B2 (en) Agronomic systems, methods and apparatuses
US10139797B2 (en) Customized land surface modeling in a soil-crop system for irrigation decision support in precision agriculture
US20180014452A1 (en) Agronomic systems, methods and apparatuses
US20170270446A1 (en) Agronomic systems, methods and apparatuses for determining yield limits
US20170042081A1 (en) Systems, methods and apparatuses associated with soil sampling
US20100332039A1 (en) Water and fertilizer management system
CN114207672B (zh) 部署生物哨兵到农田并远程监测作物中生物和非生物胁迫的方法
CN117794354A (zh) 识别播种种子萌发的装置、农业传感器装置以及农业监测和/或农业控制方法和系统
US20240049619A1 (en) Method for determining field-or zone-specific seeding rate, depth, and time for planting a crop in an agricultural field based on multiple data inputs such as crop, field, yield, weather, and/or soil data
KR20210059070A (ko) 농작물 재배 모니터링 시스템 및 이를 이용한 농작물 재배 모니터링 방법
US20220183216A1 (en) An above and below ground autonomous sensor system for crop management
ES2918007T3 (es) Procedimiento para determinar las propiedades vegetales de una planta útil
US20240049697A1 (en) Control file for a treatment system
RU2023135452A (ru) Устройство для обнаружения прорастания посева, сельскохозяйственное датчиковое устройство, а также сельскохозяйственные способ и система контроля и/или управления
Jiménez et al. Real-time mapping of crop canopy temperature using a wireless network of infrared thermometers on a central pivot
JP2024501815A (ja) 遠隔感知に基づく土壌パラメータを使用して種子製品及び/又は作物栄養製品を適用するための決定システム
WO2023118554A1 (en) Method for determining a treatment schedule for treating an agricultural field based on the matching with the field potential
WO2024002993A1 (en) Method for determining location-specific seeding rate or seeding depth based on seeding parameters assigned to zones of different levels
NAVANEETHAN et al. and S. MEENATCHI School of Information Technology and Engineering, Vellore Institute of Technology Vellore, Tamil Nadu, India
Divya et al. Newfangled Immaculate IoT-Based Smart Farming and Irrigation System
KR20230084994A (ko) 농가 환경데이타 수집 및 농업 정보 제공 스마트팜 플랫폼
Kaur et al. Remote Sensing and GIS in Precision Farming
Dwivedi et al. and Rakesh Kumar4
Light Forget number 8 wire

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