CZ308955B6 - Způsob třídění krytokořenných sazenic lesních dřevin - Google Patents

Způsob třídění krytokořenných sazenic lesních dřevin Download PDF

Info

Publication number
CZ308955B6
CZ308955B6 CZ2020197A CZ2020197A CZ308955B6 CZ 308955 B6 CZ308955 B6 CZ 308955B6 CZ 2020197 A CZ2020197 A CZ 2020197A CZ 2020197 A CZ2020197 A CZ 2020197A CZ 308955 B6 CZ308955 B6 CZ 308955B6
Authority
CZ
Czechia
Prior art keywords
seedling
images
neck
evaluated
views
Prior art date
Application number
CZ2020197A
Other languages
English (en)
Other versions
CZ2020197A3 (cs
Inventor
Milan Adámek
Adámek Milan doc. Mgr., Ph.D.
Petr Chalupa
Chalupa Petr Ing., Ph.D.
Jakub Novák
Novák Jakub Ing., Ph.D.
Vladimír Vašek
CSc Vašek Vladimír prof. Ing.
Václav Lecián
Václav Ing. Lecián
Josef Samek
Josef Ing. Samek
Martin Rozmánek
Martin Ing. Rozmánek
Aleš BÁRTA
Aleš Ing. Bárta
Original Assignee
Univerzita Tomáše Bati ve Zlíně
DENESA s.r.o.
Lescus Cetkovice, S.R.O.
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 Univerzita Tomáše Bati ve Zlíně, DENESA s.r.o., Lescus Cetkovice, S.R.O. filed Critical Univerzita Tomáše Bati ve Zlíně
Priority to CZ2020197A priority Critical patent/CZ308955B6/cs
Priority to EP21727780.5A priority patent/EP4133405A1/en
Priority to PCT/CZ2021/050039 priority patent/WO2021204308A1/en
Publication of CZ2020197A3 publication Critical patent/CZ2020197A3/cs
Publication of CZ308955B6 publication Critical patent/CZ308955B6/cs

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01GHORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G23/00Forestry
    • A01G23/02Transplanting, uprooting, felling or delimbing trees
    • A01G23/04Transplanting trees; Devices for grasping the root ball, e.g. stump forceps; Wrappings or packages for transporting trees
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/04Sorting according to size
    • B07C5/10Sorting according to size measured by light-responsive means
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B07SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07CPOSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34Sorting according to other particular properties
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/64Three-dimensional objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Forests & Forestry (AREA)
  • Environmental Sciences (AREA)
  • Sorting Of Articles (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

Způsob třídění krytokořenných sazenic spočívá v tom, že se nejprve pořídí každým z dvojice kamerových systémů vzájemně orientovaných v úhlu 60° až 120° dva obrazy hodnocené sazenice - obraz celé sazenice a detail jejího kořenového krčku. Obrazy celé sazenice se převedou na binární obrazy, z nichž se jednak přímo vyhodnotí výška sazenice a které se zároveň pomocí matematické morfologie s binárními snímky a skeletonizace převedou na vektorový model k vyhodnocení stavby sadebního materiálu. Obrazy kořenového krčku se pomocí prahování převedou na binární snímek a měřením počtu pixelů voblasti nad zeminou se určí průměr krčku. Takto je každá sazenice individuálně vyhodnocena dvěma pohledy na celou sazenici a dvěma pohledy na krček sazenice a na základě zjištěných parametrů zařazena do příslušné třídy.

Description

Způsob třídění krytokořenných sazenic lesních dřevin
Oblast techniky
Vynález se týká způsobu třídění krytokořenných sazenic lesních dřevin, založeného na pořízení a zpracování obrazu z kamerového systému.
Dosavadní stav techniky
V posledních několika letech se začínají používat nové progresivní metody pěstování lesních sazenic v kontejnerech (sadbovačích). Mezi hlavní přednosti této krytokořenné technologie patří vyšší výpěstnost z osiva lesních dřevin, zkrácená doba pěstování od výsevu po výsadbu v lesní školce, ale hlavně téměř bezztrátová ujímavost kontejnerováných lesních sazenic. Při tradičním třídění krytokořenných sazenic jsou jednotlivé sazenice ručně změřeny a ohodnoceny. Vzhled a rozměry každé sazenice jsou vizuálně zkontrolovány pracovníky školky. Rychlost a přesnost tohoto procesu manuálního třídění nesplňuje požadavky kladené na moderní lesnické školky. Požadavky na sadební materiál jsou jednoznačně definovány v normě ČSN 482115. Mezi základní parametry, které ovlivňují budoucí růst a ujmutí sazenice patří: charakteristika nadzemní části (výška sazenice, průměr krčku, morfologická stavba) a charakteristika podzemní části (kvalita kořenového systému). Na základě těchto kritérií jsou sazenice klasifikovány do tříd A, B a C. Třídy A a B se liší pouze požadavky na minimální velikost sazenice a průměr kořenového krčku a třída C reprezentuje sazenice s vadami (malé sazenice, sazenice s deformovanou stavbou, více sazenic v buňce sadbovače).
V technické praxi se v oblasti průmyslových technologií obecně objevuje trend nahrazení ruční práce mechanizací, především z důvodu úspor a klesajícím počtem zaměstnanců. I u procesů třídění přibývá mechanizace se strojovým viděním. Z patentu ČR 308015 je např. známo autonomní zařízení pro rozpoznávání obrazu zahrnující pouzdro, v němž je uložen kamerový blok s obrazovým senzorem a procesní blok s nejméně jednou procesní jednotkou. Oba tyto bloky jsou vzájemně odděleny tepelně izolační přepážkou, přičemž kamerový blok a procesní blok jsou signálově spojeny spojovacím prvkem a elektricky napájeny. Toto zařízení nachází uplatnění v průmyslové automatizaci, zejména na výrobních nebo kontrolních linkách vyžadujících kontinuální provoz s kontinuální kontrolou kvality průmyslového procesu, spočívající zejména v rozpoznávání výrobků, například jejich částí, tvarů, barev nebo vad. Pro specifickou problematiku třídění krytokořenných sazenic lesních dřevin ale toto řešení aplikováno nebylo.
Důvodem je s největší pravděpodobností skutečnost, že efektivní a dostatečně kvalitní způsob automatizovaného třídění krytokořenných sazenic, resp. koncept zařízení kjeho provádění, vyžadují specifický způsob snímání i zpracování obrazu, který u výše uvedeného řešení, ale ani u dalších doposud existujících řešení znám není.
Na této skutečnosti nemění nic ani doposud existující přístupy k třídění sazenic (např. patent JP 20010248333), které jsou založeny na pořízení snímků sazenice pouze z jednoho pohledu (půdorysného nebo bočního) s tím, že sazenice jsou následně tříděny podle výšky případně podle viditelné plochy listů. Chybí zde zcela také exaktnější způsob vyhodnocování pořízeného pohledu kamery - nejsou zde např. detekovány poruchy v morfblogické stavbě sazenice, např. za pomoci vytvořeného vektorového modelu.
-1 CZ 308955 B6
Podstata vynálezu
K vyřešení výše uvedených problémů přispívá způsob třídění krytokořenných sazenic lesních dřevin podle vynálezu, který je obdobně jako známé způsoby se strojovým viděním založen na pořízení a zpracování obrazu z kamerového systému.
Podstata vynálezu spočívá ve specifickém způsobu, při němž se nejprve pořídí každým z dvojice v úhlu orientovaných kamerových systémů dva obrazy hodnocené sazenice - obraz celé sazenice a detail jejího kořenového krčku. Uhlem pohledů kamerových systému je míněn úhel mezi půdorysnými průměty optických os kamer, pomocí nichž jsou pohledy snímány. Optimální úhel pohledů je 80° až 100° (nejlépe pak 90°), uspokojivých výsledků je dosaženo pro úhly pohledu 60° až 120°. U obrazů celé sazenice se pak následně provede převod na binární obraz, z něhož se jednak přímo vyhodnotí výška sazenice a který se zároveň pomocí matematické morfologie s binárními snímky a skeletonizace převede na vektorový model, kde každý vektor reprezentuje segment větve sazenice a podobně jako u genealogického stromu je definována vazba na navazující segmenty ve formě rodičů a potomků s tím, že v této struktuře se pak vyhodnotí stavba sazenice identifikací poruch v její stavbě. U obrazů kořenového krčku se provede pomocí prahování převod na binární snímek, pomocí morfologických operací se binární snímek vyčistí od dalších objektů tak, že se optimální volbou strukturovacího elementu odstraní menší objekty při zachování rozměrů velkých objektů a měřením počtu pixelů v oblasti nad zeminou se určí průměr krčku. Takto je každá sazenice individuálně vyhodnocena dvěma pohledy na celou sazenici a dvěma pohledy na krček sazenice. Na základě vyhodnocení snímků celé sazenice jsou detekovány chyby v morfologické stavbě, tedy dva konkurenční terminální výhony a ze snímků celé rostliny je také určena výška sazenice. Na základě vyhodnocení snímků krčku jsou určeny dva průměry kořenového krčku sazenice a získána informace, zda v buňce kontejneru je více než jedna sazenice nebo naopak je buňka kontejneru prázdná. Následně je pak na základě těchto zjištěných parametrů sazenice zařazena do příslušné třídy.
Objasnění výkresů
K bližšímu objasnění podstaty vynálezu slouží přiložené výkresy, kde představuje obr. 1 - Schéma kamerového systému vyhodnocení parametrů sazenic, obr. 2 - Půdorys linky na třídění sazenic, obr. 3 - Vstupní snímek a vektorový model sazenice, obr. 4 - Postup vyhodnocení průměru krčku, obr. 5 - Detekce více sazenic v buňce sadbovače, obr. 6 - Algoritmus vyhodnocování sazenice.
Příklady uskutečnění technického řešení
Při třídění se nejprve pořídí každým z dvojice kamerových systémů la. 1b vzájemně orientovaných v příkladném provedení v kolmém směru dva obrazy hodnocené sazenice - obraz celé sazenice a detail jejího kořenového krčku. U obrazů celé sazenice je snímek z kamery nejprve ořezán na oblast zájmu a následně se pak převede na binární obraz, z něhož se jednak přímo vyhodnotí výška sazenice a který se zároveň pomocí matematické morfologie s binárními snímky a skeletonizace převede na vektorový model (viz obr. 3). Každý vektor zde reprezentuje segment větve sazenice a
- 2 CZ 308955 B6 podobně jako u genealogického stromu je definována vazba na navazující segmenty ve formě rodičů a potomků. Vyhodnocení stavby sadebního materiálu se pak provádí na základě vektorového modelu sazenice (obr. 3), protože touto strukturou je možné velmi efektivně procházet a hledat poruchy ve stavbě sazenice jako např. dva terminální výhony.
U snímků kořenového krčku se provede pomocí prahování převod na binární snímek. Pomocí morfblogických operací je obraz vyčištěn od dalších objektů. Vhodnou volbou strukturovacího elementu je možné odstranit menší objekty při zachování rozměrů velkých objektů. Průměr krčku je pak určen pomocí měření počtu pixelů v oblasti nad zeminou v nosiči (obr. 4).
Přestože lze pro výše v použít speciální automatické linky, může v buňce sadbovače vyklíčit i více semen, případně může vyklíčit i semeno z okolních stromů. Buňky se dvěma sazenicemi je také nutné detekovat a zařadit do třídy C (obr. 5).
Každá sazenice je individuálně vyhodnocena pro dva kolmé pohledy na krček sazenice a dva kolmé pohledy na celou sazenici. Výsledkem vyhodnocení snímku krčku jsou dva průměry kořenového krčku sazenice, případně informace zda v buňce kontejneru je více než jedna sazenice nebo naopak je buňka prázdná. Na základě vyhodnocení snímků celé sazenice jsou detekovány chyby v morfblogické stavbě tedy dva konkurenční výhony. Ze snímku celé rostliny je také určena výška sazenice. Kombinace informací ze dvou pohledů na celou sazenici umožňuje správně zpracovat i větve, které by při jednom pohledu byly v zákrytu, a správně vyhodnotit případný náklon sazenice. Pokud všechny snímky splňují požadované parametry na sadební materiál je nadřazenému systému předána informace o zařazení sazenice do příslušné třídy a nadřazený systém pomocí výhybek 3a, 3b zajistí přesun sazenice na správné místo. Algoritmus vyhodnocování jedné sazenice je znázorněn na obr. 6.
Zařízení, na němž se způsob třídění krytokořenných sazenic lesních dřevin provádí obsahuje soustavu dvou kamerových systémů 1a, 1b (viz obr. 1), vzájemně orientovaných v příkladném provedení v kolmém směru. Každý z nich je tvořen jednou kamerou s širokoúhlým objektivem s krátkou ohniskovou vzdáleností pro snímek celé sazenice 10 a druhou kamerou s objektivem s delší ohniskovou vzdáleností pro snímky kořenového krčku. Tyto kamerové systémy ta, 1b jsou umístěny v komoře 2 (viz obr. 1 a 2) s předním 2a a zadním 2b osvětlením na bázi LED panelů k zajištění kontrastu mezi sazenici 10 a pozadím. Komorou 2 prochází liniový dopravník 3, v konkrétním příkladném provedení řetězový dopravník s nosiči 4 sazenic 10. Ve směru 11 pohybu liniového dopravníku 3 je před komorou 2 umístěna stanice 5 plnění nosičů 4 sazenicemi 10 a za komorou má liniový dopravník 3 začleněn dvě výhybky 3a, 3b k třídění sazenic do odběrných míst A, B, C jednotlivých jakostních tříd. Ovládací prvky těchto výhybek jsou propojeny s řídicím systémem s implementovaným algoritmem (viz obr. 6) způsobu třídění.
Průmyslová využitelnost
Vynález nachází uplatnění v průmyslové automatizaci, zejména v lesních školkách. Nahrazuje nekvalifikovanou sezónní manuální práci mnoha pracovníků automatizovaným systémem, k jehož obsluze postačuje řádově méně pracovníků s vyšší kvalifikací. Oproti manuálnímu třídění je také předností reprodukovatelnost výsledků, výstupy nezávislé na únavě pracovníků a možnost snadné archivace výsledků a zpětné kontroly.

Claims (1)

  1. PATENTOVÉ NÁROKY
    1. Způsob třídění krytokořenných sazenic lesních dřevin, založený na pořízení a zpracování obrazu z kamerového systému, vyznačující se tím, že se nejprve pořídí každým z dvojice kamerových systémů vzájemně orientovaných tak, že úhel jejich pohledu daný úhlem mezi půdorysnými průměty optických os kamer je 60° až 120°, s výhodou 80° až 100°, dva obrazy hodnocené sazenice, kterými jsou obraz celé sazenice a detail jejího kořenového krčku, načež se
    a) u obrazů celé sazenice provede převod na binární obraz, z něhož se jednak přímo vyhodnotí výška sazenice a který se zároveň pomocí matematické morfologie s binárními snímky a skeletonizace převede na vektorový model, kde každý vektor reprezentuje segment větve sazenice a podobně jako u genealogického stromu je definována vazba na navazující segmenty ve formě rodičů a potomků s tím, že v této struktuře se pak vyhodnotí stavba sazenice identifikací poruch v její stavbě,
    b) u obrazů kořenového krčku se provede pomocí prahování převod na binární snímek, pomocí morfblogických operací se binární snímek vyčistí od dalších objektů tak, že se optimální volbou strukturovacího elementu odstraní menší objekty při zachování rozměrů velkých objektů a měřením počtu pixelů v oblasti nad zeminou se určí průměr krčku, s tím, že takto je každá sazenice individuálně vyhodnocena dvěma pohledy na celou sazenici a dvěma pohledy na krček sazenice, přičemž úhel těchto dvou pohledů daný úhlem mezi půdorysnými průměty optických os kamer, pomocí nichž jsou pohledy snímány, je 60° až 120°, s výhodou 80° až 100°, na základě vyhodnocení snímků celé sazenice jsou detekovány chyby v morfblogické stavbě, tedy dva konkurenční terminální výhony, ze snímků celé rostliny je určena výška sazenice a na základě vyhodnocení snímků krčku jsou určeny dva průměry kořenového krčku sazenice a získána informace zda v buňce kontejneru je více než jedna sazenice nebo naopak je buňka prázdná, načež je následně na základě těchto zjištěných parametrů sazenice zařazena do příslušné třídy.
CZ2020197A 2020-04-06 2020-04-06 Způsob třídění krytokořenných sazenic lesních dřevin CZ308955B6 (cs)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CZ2020197A CZ308955B6 (cs) 2020-04-06 2020-04-06 Způsob třídění krytokořenných sazenic lesních dřevin
EP21727780.5A EP4133405A1 (en) 2020-04-06 2021-04-01 Method of sorting angiosperms of forest trees and equipment for making the same
PCT/CZ2021/050039 WO2021204308A1 (en) 2020-04-06 2021-04-01 Method of sorting angiosperms of forest trees and equipment for making the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CZ2020197A CZ308955B6 (cs) 2020-04-06 2020-04-06 Způsob třídění krytokořenných sazenic lesních dřevin

Publications (2)

Publication Number Publication Date
CZ2020197A3 CZ2020197A3 (cs) 2021-10-06
CZ308955B6 true CZ308955B6 (cs) 2021-10-06

Family

ID=76098782

Family Applications (1)

Application Number Title Priority Date Filing Date
CZ2020197A CZ308955B6 (cs) 2020-04-06 2020-04-06 Způsob třídění krytokořenných sazenic lesních dřevin

Country Status (3)

Country Link
EP (1) EP4133405A1 (cs)
CZ (1) CZ308955B6 (cs)
WO (1) WO2021204308A1 (cs)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1993013491A1 (de) * 1992-01-01 1993-07-08 Robert Massen Verfahren und anordnung zur optischen qualitätskontrolle und/oder klassifikation von pflanzen
JPH09224481A (ja) * 1996-02-19 1997-09-02 Kanzaki Kokyukoki Mfg Co Ltd 苗の判別装置
DE19920920A1 (de) * 1999-05-06 2000-11-09 Imech Gmbh Inst Fuer Mechatron Vorrichtung zur Klassifizierung von Topfpflanzen
WO2014207073A1 (en) * 2013-06-28 2014-12-31 Ig Specials B.V. Apparatus and method for sorting plant material units
CN110314860A (zh) * 2019-06-20 2019-10-11 中国农业大学 一种基于机器视觉的穴盘苗分级识别装置及实现方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3906215A1 (de) * 1989-02-28 1990-08-30 Robert Prof Dr Ing Massen Automatische klassifikation von pflaenzlingen

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1993013491A1 (de) * 1992-01-01 1993-07-08 Robert Massen Verfahren und anordnung zur optischen qualitätskontrolle und/oder klassifikation von pflanzen
JPH09224481A (ja) * 1996-02-19 1997-09-02 Kanzaki Kokyukoki Mfg Co Ltd 苗の判別装置
DE19920920A1 (de) * 1999-05-06 2000-11-09 Imech Gmbh Inst Fuer Mechatron Vorrichtung zur Klassifizierung von Topfpflanzen
WO2014207073A1 (en) * 2013-06-28 2014-12-31 Ig Specials B.V. Apparatus and method for sorting plant material units
CN110314860A (zh) * 2019-06-20 2019-10-11 中国农业大学 一种基于机器视觉的穴盘苗分级识别装置及实现方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SILVA, L. O. L. A., a kol. Comparative assessment of feature selection and classification techniques for visual inspection of pot plant seedlings. Computers and electronics in agriculture, 2013, 97: 47-55, ISSN 0168-1699 *

Also Published As

Publication number Publication date
WO2021204308A1 (en) 2021-10-14
CZ2020197A3 (cs) 2021-10-06
EP4133405A1 (en) 2023-02-15

Similar Documents

Publication Publication Date Title
Onishi et al. An automated fruit harvesting robot by using deep learning
Tian et al. Machine vision identification of tomato seedlings for automated weed control
EP1788859B1 (en) Root evaluation
Van Henten et al. Robotics in protected cultivation
NO335683B1 (no) Automatisert system og metode for innhøsting og flertrinnsscreening av plante-embryoer
CN113607659B (zh) 一种传送带式作物表型获取方法、系统及装置
Burks et al. Engineering and horticultural aspects of robotic fruit harvesting: Opportunities and constraints
EP3172954B1 (en) A system for automatic scarification and assessment of vitality of seeds and a method for automatic scarification and assessment of vitality of seeds
US11641803B2 (en) Method and system for picking up and collecting plant matter
Mu et al. Mechanized technologies for scaffolding cultivation in the kiwifruit industry: A review
Tejada et al. Proof-of-concept robot platform for exploring automated harvesting of sugar snap peas
CN113752249A (zh) 选择和采收果实的自动化方法和实施该方法的机械设备
Kondo et al. A machine vision system for tomato cluster harvesting robot
Nielsen et al. Orchard and tree mapping and description using stereo vision and lidar
CZ308955B6 (cs) Způsob třídění krytokořenných sazenic lesních dřevin
Kondo et al. A machine vision for tomato cluster harvesting robot
CZ34030U1 (cs) Zařízení k třídění krytokořenných sazenic lesních dřevin
Lei et al. Technologies and Equipment of Mechanized Blossom Thinning in Orchards: A Review
Burks et al. Opportunity of robotics in precision horticulture
Perez-Vidal et al. Computer based production of Saffron (Crocus sativus L.): From mechanical design to electronic control
Hemming Automation and robotics in the protected environment, current developments and challenges for the future
Burks et al. Orchard and vineyard production automation
WO2010018567A2 (en) Device and method for sorting flowers
Engler et al. PHENOquad: A new multi sensor platform for field phenotyping and screening of yield relevant characteristics within grapevine breeding research
Mhamed et al. Advances in apple’s automated orchard equipment: A comprehensive research