DE102021214202A1 - Method for identifying weeds in a row of plants in an agricultural area - Google Patents
Method for identifying weeds in a row of plants in an agricultural area Download PDFInfo
- Publication number
- DE102021214202A1 DE102021214202A1 DE102021214202.8A DE102021214202A DE102021214202A1 DE 102021214202 A1 DE102021214202 A1 DE 102021214202A1 DE 102021214202 A DE102021214202 A DE 102021214202A DE 102021214202 A1 DE102021214202 A1 DE 102021214202A1
- Authority
- DE
- Germany
- Prior art keywords
- plant
- plants
- identified
- row
- area
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zum Identifizieren von Beikräutern (18) in einer Pflanzenreihe (20) einer landwirtschaftlichen Fläche, wobei jeweils eine Ausdehnungskennzahlen für definierte Pflanzenabschnitte (26) eines definierten Kulturpflanzenbereiches in einer Bildinformation (10) ermittelt wird, wobei die Ausdehnungskennzahl ein Verhältnis eines Breitenwerts und eines Längenwerts des jeweiligen definierten Pflanzenabschnitts (26) repräsentiert, wobei die Bildinformation (10) in Querbereiche (28) und in Längsbereiche (30) unterteilt ist, wobei der Längenwert die Anzahl der Querbereiche (28), über die sich der jeweilige definierte Pflanzenabschnitt (26) in einer definierten Längsrichtung (34) erstreckt, und der Breitenwert eine Summe von Teilbreitenwerten ist, wobei die Teilbreitenwerte die Anzahl der Längsbereiche (30), über die sich der jeweilige definierte Pflanzenabschnitt (26) in den jeweiligen Querbereichen (28) ausgehend von einer definierten Pflanzenreihenmittelpunktlinie (22) der jeweiligen Pflanzenreihe (20) in eine definierte Querrichtung (38) erstreckt, repräsentieren, wobei die Ausdehnungskennzahl des jeweiligen Pflanzenabschnitts mit einer Häufigkeitsverteilung von Ausdehnungskennzahlen von definierten Pflanzenabschnitten (26) vorhergehend identifizierter Pflanzen (16, 18) verglichen werden und die Pflanzen (16, 18), welche einen zugehörigen Pflanzenabschnitt (26) mit einer Ausdehnungskennzahl, deren Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert der Häufigkeitsverteilung ist, aufweisen, als Beikräuter (18) in einer identifizierten Pflanzenreihe (20) identifiziert werden.The invention relates to a method for identifying weeds (18) in a row of plants (20) on an agricultural area, wherein an extent index for defined plant sections (26) of a defined crop plant area is determined in image information (10), the extent index having a ratio of one width value and a length value of the respective defined plant section (26), the image information (10) being divided into transverse regions (28) and longitudinal regions (30), the length value being the number of transverse regions (28) over which the respective defined Plant section (26) extends in a defined longitudinal direction (34), and the width value is a sum of section width values, the section width values indicating the number of longitudinal regions (30) over which the respective defined plant section (26) extends in the respective transverse regions (28) starting from a defined plant row center line (22) of the respective plant row (20) in a defined transverse direction (38), the extent index of the respective plant section with a frequency distribution of extent index of defined plant sections (26) of previously identified plants (16, 18) are compared and the plants (16, 18) which have an associated plant section (26) with an extent index whose frequency is less than or equal to a defined frequency threshold value of the frequency distribution are identified as weeds (18) in an identified plant row (20). .
Description
Stand der TechnikState of the art
Die Erfindung geht aus von einem Verfahren zum Identifizieren von Beikräutern in einer Pflanzenreihe einer landwirtschaftlichen Fläche sowie einer entsprechenden Recheneinheit, einer Pflanzenidentifizierungseinheit und einer landwirtschaftlichen Arbeitsmaschine nach Gattung der unabhängigen Ansprüche. Gegenstand der vorliegenden Erfindung ist auch ein Computerprogramm und ein maschinenlesbares SpeichermediumThe invention is based on a method for identifying weeds in a row of plants on an agricultural area and a corresponding computing unit, a plant identification unit and an agricultural working machine according to the species of the independent claims. The subject matter of the present invention is also a computer program and a machine-readable storage medium
Die
Andere Algorithmen nutzen zur Pflanzenerkennung Netze (Deep Learning) oder Klassifikationsmethoden. Dazu sind viele Trainingsdaten, viele Label-Daten und ein Offline-Training im Vorfeld von Nöten. Darüber hinaus sind diese Verfahren sehr rechenintensiv.Other algorithms use networks (deep learning) or classification methods to identify plants. This requires a lot of training data, a lot of label data and offline training in advance. In addition, these methods are very computationally intensive.
Offenbarung der ErfindungDisclosure of Invention
Gegenstand der vorliegenden Erfindung ist ein Verfahren zum Identifizieren von Beikräutern, insbesondere großen Beikräutern, in einer Pflanzenreihe einer landwirtschaftlichen Fläche, mit den Schritten:
- - Empfangen einer Bildinformation von einem mittels einer optischen Erfassungseinheit erfassten Feldabschnitt einer landwirtschaftlichen Fläche mit Pflanzen;
- - Identifizieren von zumindest einer Pflanzenreihe in der Bildinformation unter Verwendung von identifizierten Pflanzen mittels einer Recheneinheit;
- - Definieren eines die zumindest eine identifizierte Pflanzenreihe umfassenden Kulturpflanzenbereiches unter Verwendung der zumindest einen identifizierten Pflanzenreihe in der Bildinformation mittels der Recheneinheit;
- - Ermitteln jeweils einer Ausdehnungskennzahl für definierte Pflanzenabschnitte der identifizierten Pflanzen des definierten Kulturpflanzenbereiches in der Bildinformation mittels der Recheneinheit, wobei die Ausdehnungskennzahl ein Verhältnis eines Breitenwerts und eines Längenwerts des jeweiligen definierten Pflanzenabschnitts repräsentiert, wobei die Bildinformation in Querbereiche und in Längsbereiche unterteilt ist, wobei der Längenwert die Anzahl der Querbereiche, über die sich der jeweilige definierte Pflanzenabschnitt in einer definierten Längsrichtung erstreckt, und der Breitenwert eine Summe von Teilbreitenwerten ist, wobei die Teilbreitenwerte die Anzahl der Längsbereiche, über die sich der jeweilige definierte Pflanzenabschnitt in den jeweiligen Querbereichen ausgehend von einer definierten Pflanzenreihenmittelpunktlinie der jeweiligen Pflanzenreihe in eine definierte Querrichtung erstreckt, repräsentieren;;
- - Vergleichen der ermittelten Ausdehnungskennzahl mit einer Häufigkeitsverteilung von Ausdehnungskennzahlen von definierten Pflanzenabschnitten vorhergehend identifizierter Pflanzen des definierten Kulturpflanzenbereiches und/oder definierter Kulturpflanzenbereiche vorhergehend erfasster Bildinformationen der landwirtschaftlichen Fläche mittels der Recheneinheit; und
- - Identifizieren der Pflanzenabschnitte mit einer Ausdehnungskennzahl, dessen Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert der Häufigkeitsverteilung ist, um die den Pflanzenabschnitten zugehörigen Pflanzen als Beikräuter in einer identifizierten Pflanzenreihe zu identifizieren.
- - receiving image information from a field section of an agricultural area with plants detected by means of an optical detection unit;
- - identifying at least one row of plants in the image information using identified plants by means of a computing unit;
- - defining a crop plant area comprising the at least one identified row of plants using the at least one identified row of plants in the image information by means of the computing unit;
- - Determination of an extent index for defined plant sections of the identified plants of the defined crop plant area in the image information by means of the computing unit, the extent index representing a ratio of a width value and a length value of the respective defined plant section, the image information being divided into transverse areas and longitudinal areas, the Length value is the number of transverse areas over which the respective defined plant section extends in a defined longitudinal direction, and the width value is a sum of part width values, the part width values being the number of longitudinal areas over which the respective defined plant section extends in the respective transverse areas, starting from a defined plant row center line of the respective plant row extending in a defined transverse direction;
- - Comparing the determined extent index with a frequency distribution of extent indexes of defined plant sections of previously identified plants of the defined crop area and/or defined crop areas of previously recorded image information of the agricultural area by means of the computing unit; and
- - Identifying the plant sections with an extent index whose frequency is less than or equal to a defined frequency threshold value of the frequency distribution in order to identify the plants belonging to the plant sections as weeds in an identified plant row.
Gegenstand der vorliegenden Erfindung ist ferner eine Recheneinheit, welche eingerichtet ist, die Schritte eines vorhergehend beschriebenen Verfahrens durchzuführen und/oder zu steuern.The subject matter of the present invention is also a computing unit which is set up to carry out and/or control the steps of a previously described method.
Gegenstand der vorliegenden Erfindung sind außerdem eine Pflanzenidentifizierungseinheit mit einer optischen Erfassungseinheit zum Erfassen eines Feldabschnitts einer landwirtschaftlichen Fläche mit Pflanzen, um eine Bildinformation von dem erfassten Feldabschnitt zu erhalten, und einer vorhergehend beschriebenen Recheneinheit.The subject matter of the present invention is also a plant identification unit with an optical detection unit for detecting a field section of an agricultural area with plants in order to obtain image information from the detected field section, and a previously described computing unit.
Gegenstand der vorliegenden Erfindung ist des Weiteren eine landwirtschaftliche Arbeitsmaschine, insbesondere Feldspritze, mit einem landwirtschaftlichen Arbeitswerkzeug, insbesondere einer Spritzvorrichtung, und einer vorhergehend beschriebenen Pflanzenidentifizierungseinheit, wobei das Arbeitswerkzeug, insbesondere die Spritzvorrichtung in Abhängigkeit von den identifizierten Beikräutern in der identifizierten Pflanzenreihe, mittels der Recheneinheit angesteuert wird.The subject of the present invention is also an agricultural working machine, in particular a field sprayer, with an agricultural working tool, in particular a spray device, and a previously described plant identification unit, the working tool, in particular the spray device, depending on the identifi adorned weeds in the identified row of plants, is controlled by means of the computing unit.
Gegenstand der vorliegenden Erfindung ist auch ein Computerprogramm, das dazu eingerichtet ist, die Schritte eines vorangehend beschriebenen Verfahrens durchzuführen und/oder zu steuern, wenn das Computerprogramm auf einem Computer ausgeführt wird, sowie ein maschinenlesbares Speichermedium, auf dem das Computerprogramm gespeichert ist.The present invention also relates to a computer program that is set up to carry out and/or control the steps of a method described above when the computer program is executed on a computer, and a machine-readable storage medium on which the computer program is stored.
Durch das erfindungsgemäße Verfahren ist es nunmehr möglich, auf sehr einfache und ressourcensparende Art und Weise große Beikräuter in einer Pflanzenreihe bzw. Kulturpflanzenreihe zu identifizieren, ohne dass dabei eine Bilddatenbank oder dergleichen benötigt wird. Das Verfahren ist demnach sehr flexibel einsetzbar, da es sich die Ausdehnung, d.h. die Länge und Breite der tatsächlich auf der landwirtschaftlichen Fläche befindlichen Pflanzen und Beikräuter zunutze macht und genau diese extrahiert, um große Beikräuter in den Pflanzenreihen zu identifizieren.The method according to the invention now makes it possible to identify large weeds in a row of plants or rows of cultivated plants in a very simple and resource-saving manner, without requiring an image database or the like. The method can therefore be used very flexibly, as it takes advantage of the extent, i.e. the length and width, of the plants and weeds actually on the agricultural area and extracts them precisely in order to identify large weeds in the plant rows.
Dies erfolgt erfindungsgemäß dadurch, dass Ausdehnungskennzahlen, welche ein Verhältnis zwischen der Breite und der Länge repräsentieren, für definierte Pflanzenabschnitte eines definierten Kulturpflanzenbereiches in der Bildinformation ermittelt werden und mit einer Häufigkeitsverteilung von Ausdehnungskennzahlen vorhergehend identifizierter Pflanzenabschnitte verglichen werden. Das heißt, mit anderen Worten, dass mittels statistischer Auswertung von Ausdehnungskennzahlen von Pflanzenabschnitten in identifizierten Pflanzenreihen bzw. innerhalb definierter Kulturpflanzenbereiche, welche auf einer Historie vorheriger Pflanzen in der Pflanzenreihe beruht, eine Unterscheidung in der aktuellen Kulturpflanzenreihe zwischen Kulturpflanzen und großen Beikräutern erfolgt.According to the invention, this is achieved in that expansion parameters, which represent a ratio between width and length, are determined for defined plant sections of a defined crop area in the image information and are compared with a frequency distribution of expansion parameters of previously identified plant sections. This means, in other words, that a distinction is made in the current crop row between crops and large weeds by means of a statistical evaluation of expansion parameters of plant sections in identified plant rows or within defined crop areas, which is based on a history of previous plants in the plant row.
Dabei wird keine gewöhnliche Klassifikationsmethode angewandt, die aus den Längen ein Clustering durchführt und diese dann eine Entscheidung bestimmt zu welcher Klasse (Kulturpflanze oder Beikraut) ein Objekt am wahrscheinlichsten gehört. Ein Klassifikator ist eine Methode, die am Ende eine Wahrscheinlichkeit berechnet, wie gut ein Objekt zu einer Klasse gehört.Here, no ordinary classification method is used, which carries out a clustering from the lengths and then determines which class (crop or weed) an object most likely belongs to. A classifier is a method that ends up calculating a probability of how well an object fits into a class.
Stattdessen wird ermittelt wie häufig eine Ausdehnungskennzahl (=Verhältnis eines Breitenwerts zu einem Längenwert) vorkommt und bei denjenigen Objekten mit den Ausdehnungskennzahlen, deren Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert der Häufigkeitsverteilung liegt, geht man davon aus, dass es sich um große Beikräuter handelt.Instead, it is determined how often an extent index (=ratio of a width value to a length value) occurs and those objects with the extent index whose frequency is less than or equal to a defined frequency threshold value of the frequency distribution are assumed to be large weeds.
Hierdurch wird eine Reihe von Vorteilen geboten:
- - Es resultierte eine verbesserte Identifizierung der Beikräuter
- - Es ist keine Sammlung von vielen Bilddaten und kein Anfertigen von Labels notwendig, um ein Netz oder Klassifikation zu trainieren, wodurch der Gesamtaufwand stark reduziert wird.
- - Es ist kein Offline-Training anhand von Bilddaten im Vorfeld notwendig.
- - Die erforderliche Rechenzeit für die Identifizierung oder Klassifizierung anhand eines oder weniger Pflanzenmerkmale ist sehr gering.
- - Die Information über die identifizierten Beikräuter in dem Kulturpflanzenbereich kann für darauffolgende Schritte genutzt werden, um Pflanzenreihen besser bzw. genauer zu identifizieren, da die identifizierten bzw. erkannten Beikräuter hierfür unberücksichtigt bleiben bzw. „ignoriert“ werden können.
- - An improved identification of the weeds resulted
- - There is no need to collect a lot of image data or create labels to train a network or classification, which greatly reduces the overall effort.
- - No offline training using image data is necessary in advance.
- - The computing time required for identification or classification based on one or a few plant characteristics is very low.
- - The information about the identified weeds in the crop area can be used for subsequent steps in order to identify rows of plants better or more precisely, since the identified or recognized weeds are not taken into account for this or can be "ignored".
Unter einer landwirtschaftlichen Fläche kann eine landwirtschaftlich genutzte Fläche, eine Anbaufläche für Pflanzen oder auch eine Parzelle einer solchen Fläche bzw. Anbaufläche verstanden werden. Die landwirtschaftliche Fläche kann somit eine Ackerfläche, ein Grünland oder eine Weide sein. Die Pflanzen umfassen Kulturpflanzen bzw. Nutzpflanzen, deren Frucht landwirtschaftlich genutzt wird, beispielsweise als Nahrungsmittel, Futtermittel oder als Energiepflanze, sowie Beikräuter bzw. Unkräuter.An agricultural area can be understood to mean an area used for agriculture, an area under cultivation for plants or also a parcel of such an area or area under cultivation. The agricultural area can thus be arable land, grassland or pasture. The plants include cultivated plants or useful plants, the fruit of which is used agriculturally, for example as food, animal feed or as an energy crop, and weeds or weeds.
Der Feldabschnitt kann ein Erfassungsabschnitt bzw. ein erfasster Bildabschnitt einer optischen Erfassungseinheit sein. Die Bildinformation kann bspw. ein Bild des erfassten Feldabschnitts sein. Unter einer optischen Erfassungseinheit kann beispielsweise eine Kamera oder eine 3D-Kamera oder eine Infrarot-Erfassungseinheit verstanden werden. Die optische Erfassungseinheit kann kalibriert sein, um z. B. die Höhenzuordnung aus erfassten Bilder zu errechnen.The field section can be a detection section or a detected image section of an optical detection unit. The image information can, for example, be an image of the detected field section. An optical detection unit can be understood to mean, for example, a camera or a 3D camera or an infrared detection unit. The optical detection unit can be calibrated to e.g. B. to calculate the height assignment from captured images.
Das Verfahren kann einen Schritt des Erfassens eines Feldabschnitts einer landwirtschaftlichen Fläche mit Pflanzen mittels der optischen Erfassungseinheit umfassen. Der Schritt des Erfassens kann während einer Überfahrt oder eines Fluges der Pflanzenidentifizierungseinheit durchgeführt werden. Zumindest ein weiterer Schritt des Verfahrens, insbesondere alle Schritte des Verfahrens kann/können während einer Überfahrt oder eines Fluges der Pflanzenidentifizierungseinheit durchgeführt werden.The method can include a step of capturing a field section of an agricultural area with plants by means of the optical capturing unit. The detecting step can be performed during a transit or a flight of the plant identification unit. At least one further step of the method, in particular all steps of the method, can be carried out during a crossing or a flight of the plant identification unit.
Hierbei kann die Pflanzenidentifizierungseinheit eine mobile Einheit umfassen oder auf einer mobilen Einheit angeordnet sein, wobei die mobile Einheit insbesondere als Landfahrzeug und/oder Luftfahrzeug und/oder Anhänger ausgebildet sein kann. Die mobile Einheit kann auch ein selbstfahrender bzw. autonomer Roboter sein. Die Pflanzenidentifizierungseinheit ist bevorzugt Teil einer landwirtschaftlichen Arbeitsmaschine. Die landwirtschaftliche Arbeitsmaschine ist bevorzugt eine Beikrautregulierungsmaschine, insbesondere eine Feldspritze. Das landwirtschaftliche Arbeitswerkzeug ist bevorzugt eine Spritzvorrichtung, kann jedoch auch ein mechanisches Werkzeug zur Beikrautregulierung sein.Here, the plant identification unit can comprise a mobile unit or be arranged on a mobile unit, wherein the mobile unit can be designed in particular as a land vehicle and/or aircraft and/or trailer. The mobile unit can also be a self-propelled or autonomous robot. The plant identification unit is preferably part of an agricultural working machine. The agricultural working machine is preferably a weed regulating machine, in particular a field sprayer. The agricultural working tool is preferably a spray device, but can also be a mechanical tool for weed control.
Das Verfahren umfasst einen Schritt des Identifizierens von zumindest einer Pflanzenreihe bzw. einer Kulturpflanzenreihe in der Bildinformation des erfassten Feldabschnitts mittels der Recheneinheit. Das Identifizieren der zumindest einen Pflanzenreihe erfolgt bevorzugt unter Verwendung zumindest einer der folgenden Informationen: Farbanteil, insbesondere roter Farbanteil von Pflanzen des erfassten Feldabschnitts, Infrarotanteil von Pflanzen des erfassten Feldabschnitts, Pflanzenabstand, Pflanzreihenabstand, Wachstumsstadium der Pflanzen, Geokoordinaten einer Aussaat der Pflanzen. Mittels dieser Informationen können die Pflanzenreihen auf einfache Art und Weise identifiziert werden, da bspw. Kulturpflanzen in der Regel äquidistant angepflanzt werden oder die Kulturpflanzen vom Wachstumsstadium weiter sind als die Beikräuter bzw. Unkräuter. Bevorzugt werden in dem Schritt des Identifizierens der zumindest einen Pflanzenreihe alle Pflanzenreihen in der Bildinformation bzw. in dem erfassten Feldabschnitt identifiziert.The method includes a step of identifying at least one row of plants or a row of cultivated plants in the image information of the recorded field section by means of the computing unit. The at least one row of plants is preferably identified using at least one of the following items of information: color component, in particular red color component of plants in the field section detected, infrared component of plants in the field section detected, distance between plants, distance between rows of plants, growth stage of the plants, geo-coordinates of a sowing of the plants. Using this information, the rows of plants can be identified in a simple manner, since, for example, crop plants are usually planted equidistantly or the crop plants are more advanced in growth stage than the weeds or weeds. In the step of identifying the at least one row of plants, all rows of plants are preferably identified in the image information or in the recorded field section.
Der Schritt des Identifizierens von zumindest einer Pflanzenreihe umfasst verständlicherweise das Erfassen von Pflanzen oder Pflanzenteilen in der Bildinformation bzw. in dem erfassten Feldabschnitt. Unter einem Erfassen von Pflanzen kann beispielsweise das Bestimmen des Vorhandenseins von Pflanzen bzw. Pflanzenmasse/Biomasse in dem Feldabschnitt verstanden werden, insbesondere ohne dass dabei eine Klassifizierung der einzelnen Pflanzen erfolgt. Der Schritt des Erfassens von Pflanzen kann ein Erfassen eines Farbanteils, insbesondere eines roten Farbanteils und/oder eines Infrarotanteils in dem Feldabschnitt bzw. Bildabschnitt umfassen. Hierbei können mittels der optischen Erfassungseinheit, bspw. durch Auswertung von Lichtspektren oder anhand eines vorbestimmten NDVI-Wertes (Normalized Differenced Vegetation Index, er wird aus Reflexionswerten im nahen infraroten und sichtbaren roten Wellenlängenbereich des Lichtspektrums gebildet), indem Pflanzenmasse/Biomasse vom (Erd-)Boden unterschieden wird, Pflanzen erfasst werden.The step of identifying at least one row of plants understandably includes the detection of plants or plant parts in the image information or in the detected field section. A detection of plants can be understood, for example, as determining the presence of plants or plant mass/biomass in the field section, in particular without the individual plants being classified in the process. The step of detecting plants can include detecting a color component, in particular a red color component and/or an infrared component in the field section or image section. Here, by means of the optical detection unit, e.g. by evaluating light spectra or using a predetermined NDVI value (Normalized Differenced Vegetation Index, it is formed from reflection values in the near infrared and visible red wavelength range of the light spectrum), by plant mass/biomass from (soil )soil is distinguished, plants are recorded.
Das Verfahren umfasst ferner einen Schritt des Definierens eines die zumindest eine identifizierte Pflanzenreihe umfassenden Kulturpflanzenbereiches unter Verwendung der zumindest einen identifizierten Pflanzenreihe mittels der Recheneinheit. Der Kulturpflanzenbereich wird bevorzugt unter Verwendung von Nachbarschaftspixeln von erfassten Pflanzen des Kulturpflanzenbereiches definiert. Hierbei wird der Kulturpflanzenbereich bevorzugt um eine erzeugte Pflanzenreihenmittelpunktlinie definiert, insbesondere wobei sich die erzeugte Pflanzenreihenmittelpunktlinie im Wesentlichen geradlinig erstreckt. Der Kulturpflanzenbereich kann die Pflanzen der Pflanzenreihe vollständig umfassen. Der Kulturpflanzenbereich kann jedoch auch die Pflanzenreihe umfassen, ohne dass die einzelnen Pflanzen der Pflanzenreihe vollständig umfasst sind.The method also includes a step of defining a crop plant area comprising the at least one identified plant row using the at least one identified plant row by means of the computing unit. The crop area is preferably defined using neighborhood pixels of detected plants of the crop area. In this case, the cultivated plant area is preferably defined around a generated plant row center line, in particular with the generated plant row center line extending essentially in a straight line. The crop range may fully encompass the plants of the plant row. However, the cultivated plant area can also include the row of plants, without the individual plants of the row of plants being fully included.
Demnach kann der Kulturpflanzenbereich die einzelnen Pflanzen der Pflanzenreihe auch nur teilweise umfassen. D.h., mit anderen Worten, dass alle identifizierten Pflanzen, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich angeordnet sind, dem Kulturpflanzenbereich zugeordnet bzw. als Pflanzen des Kulturpflanzenbereiches gewertet oder angesehen werden.Accordingly, the cultivated plant area can also only partially include the individual plants of the plant row. In other words, all identified plants that are at least partially arranged in the respective defined crop area are assigned to the crop area or are evaluated or viewed as plants of the crop area.
Der Kulturpflanzenbereich kann um die jeweilige Pflanzenreihenmittelpunktlinie mit einer konstanten bzw. definierten Breite definiert werden. Der Kulturpflanzenbereich kann jedoch auch eine variable Breite aufweisen, wobei die Breite von einem Wachstumsstadium einer in einem entsprechenden Bereich des Kulturpflanzenbereiches angeordneten Pflanze abhängen kann. Der Kulturpflanzenbereich ist somit schlauchförmig ausgebildet. Der Kulturpflanzenbereich weist eine geringere Breite als der erfasste Feldabschnitt bzw. die entsprechende Bildinformation auf.The cultivated plant area can be defined around the respective plant row center line with a constant or defined width. However, the crop area can also have a variable width, wherein the width can depend on a growth stage of a plant arranged in a corresponding area of the crop area. The cultivated plant area is thus designed in the form of a tube. The crop area has a smaller width than the recorded field section or the corresponding image information.
Das Verfahren umfasst ferner einen Schritt des Ermittelns jeweils einer Ausdehnungskennzahl für definierte Pflanzenabschnitte der identifizierten Pflanzen des definierten Kulturpflanzenbereiches in der Bildinformation mittels der Recheneinheit.The method also includes a step of determining a respective expansion index for defined plant sections of the identified plants of the defined cultivated plant area in the image information using the computing unit.
Das Verfahren umfasst des Weiteren einen Schritt des Ermittelns jeweils einer Ausdehnungskennzahl für definierte Pflanzenabschnitte der identifizierten Pflanzen des definierten Kulturpflanzenbereiches in der Bildinformation mittels der Recheneinheit, wobei die Ausdehnungskennzahl ein Verhältnis eines Breitenwerts und eines Längenwerts des jeweiligen definierten Pflanzenabschnitts repräsentiert, wobei die Bildinformation in Querbereiche und in Längsbereiche unterteilt ist, wobei der Längenwert die Anzahl der Querbereiche, über die sich der jeweilige definierte Pflanzenabschnitt in einer definierten Längsrichtung erstreckt, und der Breitenwert eine Summe von Teilbreitenwerten ist, wobei die Teilbreitenwerte die Anzahl der Längsbereiche, über die sich der jeweilige definierte Pflanzenabschnitt in den jeweiligen Querbereichen ausgehend von einer definierten Pflanzenreihenmittelpunktlinie der jeweiligen Pflanzenreihe in eine definierte Querrichtung erstreckt, repräsentieren.The method also includes a step of determining an extent index for defined plant sections of the identified plants of the defined crop plant area in the image information using the computing unit, with the extent index representing a ratio of a latitude value and a longitude value of the respective defined plant section, the image information being divided into transverse areas and is divided into longitudinal areas, where the length value is the number of transverse areas over which the respective defined plant section extends in a defined longitudinal direction, and the width value is a sum of part width values, wherein the partial width values represent the number of longitudinal areas over which the respective defined plant section extends in the respective transverse areas, starting from a defined plant row center line of the respective plant row in a defined transverse direction.
Vorteilhafterweise verlaufen die definierte Längsrichtung entlang, d.h. parallel, und die definierte Querrichtung quer, insbesondere in einem Winkel von größer oder gleich 85° bis kleiner oder gleich 90°, d.h. im Wesentlichen senkrecht zu der Pflanzenreihenmittelpunktlinie der identifizierten Pflanzenreihe. Hierbei weisen bevorzugt die Querbereiche eine im Wesentlichen gleiche Länge und/oder die Längsbereiche eine im Wesentlichen gleiche Breite auf.Advantageously, the defined longitudinal direction runs along, i.e. parallel, and the defined transverse direction runs transversely, in particular at an angle of greater than or equal to 85° to less than or equal to 90°, i.e. substantially perpendicular to the plant row center line of the identified plant row. In this case, the transverse regions preferably have essentially the same length and/or the longitudinal regions have essentially the same width.
Somit verlaufen die Querbereiche quer, bevorzugt in einem Winkel von größer oder gleich 85° bis kleiner oder gleich 90°, d.h. im Wesentlichen senkrecht zu der definierten Längsrichtung bzw. der Pflanzenreihenmittelpunktlinie. Die Querbereiche können jedoch auch unabhängig von der definierten Längsrichtung bzw. der Pflanzenreihenmittelpunktlinie horizontal in der Bildinformation bzw. dem Bild verlaufen. Die Querbereiche weisen bevorzugt eine im Wesentlichen gleiche Länge in der definierten Längsrichtung auf. Die Länge der Querbereiche ist hierbei größer als 1 Pixel. Bevorzugt liegt die Länge der Querbereiche in einem Bereich von größer oder gleich 5 Pixel bis kleiner oder gleich 50 Pixel.Thus, the transverse areas run transversely, preferably at an angle of greater than or equal to 85° to less than or equal to 90°, i.e. essentially perpendicular to the defined longitudinal direction or the plant row center line. However, the transverse areas can also run horizontally in the image information or the image independently of the defined longitudinal direction or the plant row center line. The transverse areas preferably have a substantially equal length in the defined longitudinal direction. In this case, the length of the transverse areas is greater than 1 pixel. The length of the transverse regions is preferably in a range from greater than or equal to 5 pixels to less than or equal to 50 pixels.
Analog verlaufen die Längsbereiche quer, bevorzugt in einem Winkel von größer oder gleich 85° bis kleiner oder gleich 90° zu der definierten Querrichtung. Die Längsbereiche verlaufen bevorzugt senkrecht zu den Querbereichen bzw. parallel zu der Pflanzenreihenmittelpunktlinie und bilden somit eine Art Gitterstruktur in der Bildinformation. Die Längsbereiche können jedoch auch unabhängig von der definierten Querrichtung bzw. der Pflanzenreihenmittelpunktlinie vertikal in der Bildinformation bzw. dem Bild verlaufen. Die Längsbereiche weisen bevorzugt eine im Wesentlichen gleiche Länge in der definierten Querrichtung auf. Die Länge der Längsbereiche ist hierbei größer als 1. Bevorzugt liegt die Länge der Längsbereiche in einem Bereich von größer oder gleich 5 Pixel bis kleiner oder gleich 50 Pixel.Similarly, the longitudinal areas run transversely, preferably at an angle of greater than or equal to 85° to less than or equal to 90° to the defined transverse direction. The longitudinal areas preferably run perpendicularly to the transverse areas or parallel to the plant row center line and thus form a kind of grid structure in the image information. However, the longitudinal areas can also run vertically in the image information or the image, independently of the defined transverse direction or the plant row center line. The longitudinal regions preferably have an essentially equal length in the defined transverse direction. In this case, the length of the longitudinal regions is greater than 1. The length of the longitudinal regions is preferably in a range from greater than or equal to 5 pixels to less than or equal to 50 pixels.
Die Ausrichtung der Längsbereiche und der Querbereiche relativ zu der identifizierten Pflanzenreihenmittelpunktlinie bietet den Vorteil, insbesondere gegenüber den bekannten Verfahren mit Bounding Boxen, dass die Beikräuter unabhängig von der Anordnung der Pflanzenreihenmittelpunktlinie in der Bildinformation bzw. dem Bild, welche bspw. auch in einem Winkel von 45° verlaufen kann, sehr gut innerhalb der entsprechend verlaufenden Pflanzenreihen erkannt werden können.The alignment of the longitudinal areas and the transverse areas relative to the identified plant row center line offers the advantage, in particular compared to the known methods with bounding boxes, that the weeds, regardless of the arrangement of the plant row center line in the image information or the image, which, for example, also at an angle of 45°, can be recognized very well within the corresponding plant rows.
Bei dem definierten Pflanzenabschnitt handelt es sich um einen in Längsrichtung definierten Abschnitt einer identifizierten Pflanze der Pflanzenreihe. Hierbei kann ein Pflanzenabschnitt die gesamte identifizierte Pflanze bzw. den gesamten Pflanzenkörper in Längsrichtung umfassen. Ein Pflanzenabschnitt kann jedoch auch nur einen Teil einer identifizierten Pflanze in Längsrichtung umfassen. Somit kann eine Pflanze in zwei oder mehrere Pflanzenabschnitte aufgeteilt werden. Der definierte Pflanzenabschnitt wird ferner in Querrichtung einseitig durch die Pflanzenmittelpunktlinie begrenzt. Demnach wird ein definierter Pflanzenabschnitt, welcher sich links von der Pflanzenmittelpunktlinie befindet, rechtsseitig durch diese begrenzt, während ein definierter Pflanzenabschnitt, welcher sich rechts von der Pflanzenmittelpunktlinie befindet, linksseitig durch diese begrenzt wird.The defined plant portion is a longitudinally defined portion of an identified plant of the plant row. A plant section can include the entire identified plant or the entire plant body in the longitudinal direction. However, a plant portion may include only a longitudinal portion of an identified plant. Thus, a plant can be divided into two or more plant sections. The defined plant section is also bounded on one side in the transverse direction by the plant center line. Accordingly, a defined plant section, which is to the left of the plant center line, is delimited by it on the right, while a defined plant section, which is to the right of the plant center line, is delimited by it on the left.
Hierbei werden im Schritt des Ermittelns der Ausdehnungskennzahlen die Pflanzenabschnitte in der Längsrichtung dadurch definiert oder gebildet, dass ein angrenzender Querbereich im jeweiligen Kulturpflanzenbereich leer ist, oder dass eine Änderung des Teilbreitenwerts von einem Querbereich zu dem Teilbreitenwert eines angrenzenden Querbereichs größer oder gleich einem definierten Änderungsschwellenwert ist.In this case, in the step of determining the expansion parameters, the plant sections are defined or formed in the longitudinal direction in that an adjacent transverse area in the respective crop area is empty, or that a change in the partial width value from a transverse area to the partial width value of an adjacent transverse area is greater than or equal to a defined change threshold value .
Hierbei wird bevorzugt derart vorgegangen, dass sobald in einem Querbereich eine Pflanze bzw. ein Pflanzenteil oder Pflanzenmasse identifiziert wird, das Zählen beginnt und erst dann endet, wenn - in Längsrichtung gesehen - ein folgender Querbereich leer ist oder die Teilbreitenwerte zweier benachbarter Querbereiche derart voreinander abweichen, dass ein definierter Änderungsschwellenwert erreicht oder überschritten wird. Der Änderungsschwellenwert kann hierbei vorgegeben sein. Mit dem Begriff „leer“ ist hierbei gemeint, dass in dem Querbereich im jeweiligen Kulturpflanzenbereich keine Pflanze bzw. kein Pflanzenteil identifiziert wurde. Hierdurch wird die Länge der Pflanzenabschnitte in der Einheit „Querbereiche“ ermittelt.The procedure here is preferably such that as soon as a plant or a plant part or plant mass is identified in a transverse area, the counting begins and only ends when—seen in the longitudinal direction—a subsequent transverse area is empty or the partial width values of two adjacent transverse areas deviate from one another in this way that a defined change threshold is reached or exceeded. The change threshold value can be specified here. The term “empty” means that no plant or part of a plant was identified in the transverse area in the respective crop area. This determines the length of the plant sections in the unit “transverse areas”.
Ein Teilbreitenwert repräsentiert hierbei die Anzahl der Längsbereiche über die sich ein Pflanzenabschnitt in einem einzelnen Querbereich ausgehend von der definierten Pflanzenreihenmittelpunktlinie erstreckt. Somit kann jedem Querbereich ein Teilbreitenwert zugeordnet werden.
Die Ausdehnungskennzahl ist bevorzugt ein Quotient aus dem Breitenwert, d.h. der Summe aller Teilbreitenwerte eines Pflanzenabschnitts, zu dem Längenwert des jeweiligen Pflanzenabschnitts. Somit kann jedem Pflanzenabschnitt eine Ausdehnungskennzahl zugeordnet werden.A section value represents the number of longitudinal areas over which a plant section extends in a single transverse area, starting from the defined plant row center line. A section value can thus be assigned to each transverse area.
The extent index is preferably a quotient of the width value, ie the sum of all partial width values of a plant section, to the length value of the respective plant section. In this way, each plant section can be assigned an expansion index.
Bevorzugt werden im Schritt des Ermittelns der Ausdehnungskennzahlen nur Pflanzen berücksichtigt, d.h. herausgefiltert und ausgewertet, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich angeordnet, d.h. dem Kulturpflanzenbereich zugeordnet sind.In the step of determining the expansion parameters, preferably only plants are taken into account, ie filtered out and evaluated, which are at least partially arranged in the respective defined crop area, ie are assigned to the crop area.
Das Verfahren umfasst ferner einen Schritt des Vergleichens der ermittelten Ausdehnungskennzahl des jeweiligen definierten Pflanzenabschnitts mit einer Häufigkeitsverteilung, d.h. einer Historie von Ausdehnungskennzahlen von definierten Pflanzenabschnitten vorhergehend identifizierter Pflanzen des definierten Kulturpflanzenbereiches und/oder definierter Kulturpflanzenbereiche vorhergehend erfasster Bildinformationen der landwirtschaftlichen Fläche mittels der Recheneinheit.The method also includes a step of comparing the determined extent index of the respective defined plant section with a frequency distribution, i.e. a history of extent indexes of defined plant sections of previously identified plants of the defined crop area and/or defined crop areas of previously recorded image information of the agricultural area by means of the computing unit.
Hierbei umfassen die definierten Kulturpflanzenbereiche der vorhergehend erfassten Bildinformationen bevorzugt dieselbe zumindest eine identifizierte Pflanzenreihe bzw. vorhergehend erfasste Abschnitte derselben Pflanzenreihe. Demnach handelt es sich bei den vorhergehend erfassten Bildinformationen bevorzugt um unmittelbar zuvor erfasste Bildinformationen mittels der Bilderfassungseinheit, insbesondere während der gleichen Bewegung bzw. Überfahrt der Bilderfassungseinheit über der landwirtschaftlichen Fläche.The defined crop plant areas of the previously recorded image information preferably include the same at least one identified row of plants or previously recorded sections of the same row of plants. Accordingly, the previously captured image information is preferably image information captured immediately beforehand by the image capturing unit, in particular during the same movement or crossing of the image capturing unit over the agricultural area.
Die Häufigkeitsverteilung ist bevorzugt eine Verteilung der absoluten Häufigkeit der Ausdehnungskennzahlen. Es ist jedoch möglich, dass die Häufigkeitsverteilung eine relative Häufigkeit ist, bspw. bezogen auf die Summe von 300 Pflanzenobjekten. Verständlicherweise können 2 oder mehrere Ausdehnungskennzahlen in der Häufigkeitsverteilung auch abhängig von einem bestimmten Parameter in Kennzahlenklassen zusammengefasst werden, ohne den Rahmen der vorliegenden Anmeldung zu verlassen.The frequency distribution is preferably a distribution of the absolute frequency of the extent metrics. However, it is possible that the frequency distribution is a relative frequency, e.g. based on the sum of 300 plant objects. Understandably, 2 or more extension key figures in the frequency distribution can also be combined into key figure classes depending on a specific parameter, without departing from the scope of the present application.
Das Verfahren umfasst außerdem einen Schritt des Identifizierens der Pflanzenabschnitte mit einer Ausdehnungskennzahl, dessen Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert der Häufigkeitsverteilung ist, um die den Pflanzenabschnitten zugehörigen Pflanzen als Beikräuter in einer identifizierten Pflanzenreihe zu identifizieren.The method also includes a step of identifying the plant sections with an extent index whose frequency is less than or equal to a defined frequency threshold value of the frequency distribution in order to identify the plants belonging to the plant sections as weeds in an identified plant row.
Der definierte Häufigkeitsschwellenwert der Häufigkeitsverteilung kann vorgebbar sein. Der definierte Häufigkeitsschwellenwert kann bspw. von der Art und/oder der Gattung und/oder dem Wachstumsstadium und/oder der Streuung der Fläche/Größe der Nutzpflanzen abhängen. Der definierte Häufigkeitsschwellenwert kann jedoch auch in Abhängigkeit von einem bestimmten Parameter angepasst werden.The defined frequency threshold of the frequency distribution can be specified. The defined frequency threshold value can depend, for example, on the species and/or the genus and/or the growth stage and/or the distribution of the area/size of the useful plants. However, the defined frequency threshold can also be adjusted depending on a specific parameter.
Es ist vorteilhaft, wenn die Häufigkeitsverteilung mit steigender Anzahl vorhergehend identifizierter Pflanzen oder einer definierten Anzahl unmittelbar vorhergehend identifizierter Pflanzen während des Verfahrens, insbesondere während einer Bewegung der optischen Erfassungseinheit über der landwirtschaftlichen Fläche dynamisch angepasst wird. D.h., mit anderen Worten, dass sich die Häufigkeitsverteilung dynamisch während der Feldüberfahrt ändert, da stets (neue) Längenwerte und (neue) Breitenwerte und somit (neue) Ausdehnungskennzahlen neuer identifizierter Pflanzen mit einfließen. Ferner fallen bevorzugt (alte) Längenwerte und (alte) Breitenwerte und somit (alte) Ausdehnungskennzahlen alter identifizierter Pflanzen heraus, bspw. wenn lediglich eine definierte konstante Anzahl an aktuellen identifizierten Pflanzen berücksichtigt wird, sodass sich die Häufigkeitsverteilung den neusten Gegebenheiten auf der landwirtschaftlichen Fläche anpassen. Durch diese Maßnahme ist das Verfahren sehr flexible, da sich das Histogramm ständig erneuert bei der Überfahrtfahrt über die landwirtschaftliche Fläche und die ältesten Daten aus dem Histogramm wieder entfernt werden, sodass sich der Algorithmus ständig neu auf die aktuelle Feldsituation und Ausdehnungen der Pflanzen einlernen kann und ferner auch dynamisch genug ist, dass er seine Entscheidung bzgl. des Ansteuerns des landwirtschaftlichen Arbeitswerkzeugs auch bei sich veränderten Pflanzenwachstum über die landwirtschaftliche Fläche Feld hinweg anpassen kann.It is advantageous if the frequency distribution is dynamically adapted with an increasing number of previously identified plants or a defined number of plants identified immediately previously during the method, in particular during a movement of the optical detection unit over the agricultural area. This means, in other words, that the frequency distribution changes dynamically while crossing the field, since (new) length values and (new) width values and thus (new) dimensions of newly identified plants are always included. Furthermore, (old) longitude values and (old) latitude values and thus (old) extent parameters of old identified plants are preferably dropped, e.g. if only a defined constant number of currently identified plants is taken into account, so that the frequency distribution adapts to the latest conditions on the agricultural area . This measure makes the method very flexible, since the histogram is constantly renewed when crossing the agricultural area and the oldest data is removed from the histogram again, so that the algorithm can constantly relearn the current field situation and extent of the plants and is also dynamic enough that he can adapt his decision regarding the control of the agricultural work tool even when plant growth changes across the agricultural area.
Bevorzugt werden im Schritt des Identifizierens der Pflanzenabschnitte nur Pflanzen berücksichtigt, d.h. herausgefiltert und ausgewertet, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich angeordnet, d.h. dem Kulturpflanzenbereich zugeordnet sind.In the step of identifying the plant sections, only plants are preferably taken into account, i.e. filtered out and evaluated, which are at least partially arranged in the respective defined crop plant area, i.e. are assigned to the crop plant area.
Es ist vorteilhaft, wenn im Schritt des Identifizierens ferner nur Pflanzen einer Ausdehnungskennzahl, welche größer oder gleich einem definierten Kennzahlschwellenwert ist, als Beikräuter in einer identifizierten Pflanzenreihe identifiziert werden. Der definierte Kennzahlschwellenwert kann vorteilhafterweise vorgegeben sein oder in Abhängigkeit von der Häufigkeitsverteilung von Ausdehnungskennzahlen ermittelt werden. Hierbei ist es vorteilhaft, wenn bei der Ermittlung des Kennzahlschwellenwertes die größte Ausdehnungskennzahl mit einer Häufigkeit über dem Häufigkeitsschwellenwert ermittelt wird, und der Kennzahlschwellenwert als die nächstgrößere Ausdehnungskennzahl oder die um einen definierten Wert größere oder kleinere Ausdehnungskennzahl definiert wird. Der definierte Wert, um den Kennzahlschwellenwert größer sein soll, kann von der Art und/oder der Gattung und/oder dem Wachstumsstadium und/oder der Streuung der Fläche/Größe der Nutzpflanzen abhängen. Durch diese Maßnahme können insbesondere große Beikräuter, d.h. Beikräuter, welche eine größeres Breiten-zu-Längen-Verhältnis aufweisen als die Pflanzen bzw. Kulturpflanzen in der Pflanzenreihe, effektiv identifiziert werden.It is advantageous if, in the step of identifying, only plants with an extent index that is greater than or equal to a defined index threshold value are identified as weeds in an identified row of plants. The defined index threshold value can advantageously be specified or determined as a function of the frequency distribution of expansion indexes. It is advantageous here if, when determining the key figure threshold value, the largest extent key figure is determined with a frequency above the frequency threshold value, and the key figure threshold value is defined as the next larger extent key figure or the larger or smaller extent key figure by a defined value. The defined value by which the index threshold value should be greater may depend on the species and/or the genus and/or the growth stage and/or the spread of the area/size of the crop plants. With this measure, large weeds in particular, ie, weeds that have a greater width-to-length ratio than the plants or crops in the plant row can be effectively identified.
Hierbei kann ferner noch ein Mindestwert für den Kennzahlschwellenwert definiert werden, ab dem überhaupt eine Pflanze als Beikraut identifiziert/klassifiziert bzw. von der Kulturpflanzenklasse in eine Beikrautklasse reklassifiziert werden darf. Der Mindestwert kann bspw. von der Art und/oder der Gattung und/oder dem Wachstumsstadium und/oder der Streuung der Fläche/Größe der Nutzpflanzen abhängen. Dies ist eine Art Sicherheit, damit der dynamisch und selbstlernende Algorithmus nur größere Beikräuter reklassifiziert. Kleinere Beikräuter mit einem kleineren Kennzahlschwellenwert sollen gemäß dieser Strategie unverändert bleiben, bspw. wenn die Kulturpflanzen kleiner sind und nur größere Beikräuter identifiziert werden sollen.A minimum value can also be defined for the key figure threshold value, above which a plant may be identified/classified as a weed or reclassified from the crop plant class into a weed class. The minimum value can depend, for example, on the species and/or the genus and/or the growth stage and/or the distribution of the area/size of the useful plants. This is a kind of security so that the dynamic and self-learning algorithm only reclassifies larger weeds. According to this strategy, smaller weeds with a smaller key figure threshold value should remain unchanged, e.g. if the crop plants are smaller and only larger weeds should be identified.
Es ist außerdem vorteilhaft, wenn das Verfahren einen Schritt des Klassifizierens der identifizierten Beikräuter in der identifizierten Pflanzenreihe in eine Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit umfasst. Hierbei ist es insbesondere vorteilhaft, wenn zunächst ein Schritt des Klassifizierens der, d.h. aller identifizierten Pflanzen des definierten Kulturpflanzenbereiches in eine erste Pflanzenklasse, insbesondere eine Kulturpflanzenklasse vorgesehen ist, und anschließend ein Schritt des Reklassifizierens der identifizierten Beikräuter in der identifizierten Pflanzenreihe des definierten Kulturpflanzenbereiches in eine von der ersten Pflanzenklasse verschiedene zweite Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit vorgesehen ist. D.h., mit anderen Worten, dass zunächst per Definition alle Pflanzen in dem Kulturpflanzenbereich als Objekte derselben Klasse angesehen bzw. derselben Klasse zugeordnet werden, bspw. der Klasse „Kulturpflanzen“, und anschließend fehlklassifizierte Beikräuter innerhalb der Pflanzenreihen identifiziert und richtig reklassifiziert werden.It is also advantageous if the method includes a step of classifying the identified weeds in the identified row of plants into a plant class, in particular a weed class, by means of the computing unit. It is particularly advantageous here if a step of classifying the, i.e. all identified plants of the defined crop plant area into a first plant class, in particular a crop plant class, is initially provided, and then a step of reclassifying the identified weeds in the identified plant row of the defined crop plant area into a second plant class different from the first plant class, in particular a weed class, is provided by means of the computing unit. This means, in other words, that initially, by definition, all plants in the crop area are viewed as objects of the same class or are assigned to the same class, e.g. the class "crop plants", and then misclassified weeds within the plant rows are identified and correctly reclassified.
Des Weiteren ist es vorteilhaft, wenn das Verfahren einen Schritt des Ansteuerns einer landwirtschaftlichen Arbeitsmaschine, insbesondere eines landwirtschaftlichen Arbeitswerkzeugs einer landwirtschaftlichen Arbeitsmaschine, insbesondere einer Spritzvorrichtung einer Feldspritze, in Abhängigkeit von den identifizierten Beikräutern in der identifizierten Pflanzenreihe umfasst. Hierdurch ermöglich das Verfahren, gezielt Beikräuter in den Pflanzenreihen zu bekämpfen bzw. zu regulieren.Furthermore, it is advantageous if the method includes a step of controlling an agricultural working machine, in particular an agricultural working tool of an agricultural working machine, in particular a spray device of a field sprayer, depending on the identified weeds in the identified row of plants. As a result, the method makes it possible to combat or regulate weeds in the plant rows in a targeted manner.
Die Recheneinheit ist bzw. die Recheneinheiten sind zur Bildverarbeitung ausgebildet bzw. eingerichtet, sodass sie Berechnungsschritte bzw. Bildverarbeitungsschritte zur Durchführung des erfindungsgemäßen Verfahrens ausführen kann. Demnach weist jede Recheneinheit eine entsprechende Bildverarbeitungssoftware auf. Die Recheneinheit kann beispielsweise ein Signalprozessor, ein Mikrocontroller oder dergleichen sein, wobei die Speichereinheit ein Flash-Speicher, ein EPROM oder eine magnetische Speichereinheit sein kann. Die Kommunikationsschnittstelle kann ausgebildet sein, um Daten drahtlos und/oder leitungsgebunden einzulesen oder auszugeben, wobei eine Kommunikationsschnittstelle, die leitungsgebundene Daten einlesen oder ausgeben kann, diese Daten bspw. elektrisch oder optisch aus einer entsprechenden Datenübertragungsleitung einlesen oder in eine entsprechende Datenübertragungsleitung ausgeben kann.The arithmetic unit is or the arithmetic units are designed or set up for image processing, so that it can carry out calculation steps or image processing steps for carrying out the method according to the invention. Accordingly, each computing unit has corresponding image processing software. The arithmetic unit can be, for example, a signal processor, a microcontroller or the like, with the memory unit being able to be a flash memory, an EPROM or a magnetic memory unit. The communication interface can be designed to read in or output data wirelessly and/or by wire, with a communication interface that can read in or output wire-bound data reading this data, for example electrically or optically, from a corresponding data transmission line or outputting it into a corresponding data transmission line.
Demnach kann das erfindungsgemäße Verfahren beispielsweise in Software oder Hardware oder in einer Mischform aus Software und Hardware in der Recheneinheit bzw. einem Steuergerät implementiert sein.Accordingly, the method according to the invention can be implemented, for example, in software or hardware or in a mixed form of software and hardware in the processing unit or a control unit.
Die Recheneinheit kann vollständig oder teilweise an der landwirtschaftlichen Arbeitsmaschine angeordnet bzw. in diese integriert sein. Die Recheneinheit kann jedoch auch vollständig oder teilweise extern, bspw. in einer Cloud integriert sein. Die Recheneinheit kann somit auch auf verschiedene, bspw. mobile und stationäre Einheiten aufgeteilt sein.The processing unit can be arranged completely or partially on the agricultural working machine or integrated into it. However, the computing unit can also be completely or partially external, for example integrated in a cloud. The arithmetic unit can thus also be divided among different units, for example mobile and stationary units.
Von Vorteil ist auch ein Computerprogrammprodukt oder Computerprogramm mit Programmcode, der auf einem maschinenlesbaren Träger oder Speichermedium wie einem Halbleiterspeicher, einem Festplattenspeicher oder einem optischen Speicher gespeichert sein kann und zur Durchführung, Umsetzung und/oder Ansteuerung der Schritte des Verfahrens nach einer der vorstehend beschriebenen Ausführungsformen verwendet wird, insbesondere wenn das Programmprodukt oder Programm auf einem Computer oder einer Vorrichtung ausgeführt wird.A computer program product or computer program with program code, which can be stored on a machine-readable carrier or storage medium such as a semiconductor memory, a hard disk memory or an optical memory and for carrying out, implementing and/or controlling the steps of the method according to one of the embodiments described above, is also advantageous used, especially when the program product or program is run on a computer or device.
Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigt:
-
1 eine Bildinformation bzw. ein Bild eines erfassten Feldabschnitts; -
2 eine Bildinformation mit identifizierten Pflanzen, welche in Querbereiche und Längsbereiche unterteilt ist; -
3 eine Historie von Pflanzenabschnitten aus zuvor erfassten Bildinformationen mit ihren Ausdehnungskennzahlen; -
4 eine Bildinformation mit einem aufgrund der Überschreitung des Änderungsschwellenwerts definierten Pflanzenabschnitt; und -
5 ein Ablaufdiagramm eines Verfahrens gemäß einem Ausführungsbeispiel.
-
1 an item of image information or an image of a detected field section; -
2 an image information with identified plants, which is divided into transverse areas and longitudinal areas; -
3 a history of plant sections from previously acquired image information with their extent indices; -
4 a piece of image information with a plant section defined as a result of the change threshold value being exceeded; and -
5 a flow chart of a method according to an embodiment.
Wie aus
Wie weiter aus
Zunächst werden für jede Reihenreihe 20 bzw. jeden Kulturpflanzenbereich 24 Pflanzen 14, 16, 18 herausgefiltert, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich 24 angeordnet sind. Somit werden nachfolgend lediglich diese herausgefilterten Pflanzen 16, 18 berücksichtigt und ausgewertet.First, for each
Anschließend wird jeweils eine Ausdehnungskennzahl für definierte Pflanzenabschnitte 26 dieser Pflanzen 16, 18 mittels der Recheneinheit ermittelt, wobei die Ausdehnungskennzahl ein Verhältnis bzw. einen Quotienten eines Breitenwerts und eines Längenwerts des jeweiligen definierten Pflanzenabschnitts 26 repräsentiert. Der Längenwert repräsentiert hierbei die Anzahl der Querbereiche 28, über die sich der jeweilige definierte Pflanzenabschnitt 26 in der definierten Längsrichtung 34 erstreckt. Der Breitenwert ist wiederum eine Summe von Teilbreitenwerten, wobei die Teilbreitenwerte die Anzahl der Längsbereiche 30, über die sich der jeweilige definierte Pflanzenabschnitt 26 in den jeweiligen Querbereichen 28 ausgehend von der Pflanzenreihenmittelpunktlinie 22 in der definierten Querrichtung 38 erstreckt, repräsentiert.An extension index for defined
Hierbei beginnt ein Pflanzenabschnitt 26 per Definition sobald Pflanzenmasse in einem Querbereich 28 identifiziert wird oder eine Änderung eines Teilbreitenwerts von einem Querbereich 28 zu dem Teilbreitenwert eines angrenzenden Querbereichs 28 größer oder gleich einem definierten Änderungsschwellenwert ist. Analog hierzu endet der Pflanzenabschnitt 26, wenn ein Querbereich 28 leer ist, d.h. keine Pflanzenmasse mehr identifiziert wird oder eine Änderung eines Teilbreitenwerts von einem Querbereich 28 zu dem Teilbreitenwert eines angrenzenden Querbereichs 28 größer oder gleich einem definierten Änderungsschwellenwert ist.Here, a
Somit erhält man Pflanzenabschnitte 26 mit einem entsprechenden Längenwert, nämlich der Anzahl an Querbereichen 28, und einem entsprechenden Breitenwert, nämlich der Summe der Anzahl an Längsbereichen 30. Im gezeigten Ausführungsbeispiel wird an der Pflanzen 16 jeweils links und rechts von der Pflanzenreihenmittelpunktlinie 22 ein Pflanzenabschnitt 26 definiert. Der linke Pflanzenabschnitt 26 der Pflanze 16 weist den Längenwert 2 und den Breitenwert 2+1=3 auf. Dies entspricht einer Ausdehnungskennzahl von 3/2=1,5. Der rechte Pflanzenabschnitt 26 der Pflanze 16 weist den Längenwert 1 und den Breitenwert 1 auf. Dies entspricht einer Ausdehnungskennzahl von 1/1=1. Analog hierzu weist der linke Pflanzenabschnitt 26 der Pflanze 18 den Längenwert 2 und den Breitenwert 3+3=6 auf. Dies entspricht einer Ausdehnungskennzahl von 6/2=3. Der rechte Pflanzenabschnitt 26 der Pflanze 18 weist den Längenwert 5 und den Breitenwert 4+7+8+4+4=27 auf. Dies entspricht einer Ausdehnungskennzahl von 27/5=5,4. Hierbei hätte abhängig von dem Änderungsschwellenwert rechte Pflanzenabschnitt 26 der Pflanze 18 bspw. auch in drei Pflanzenabschnitte unterteilt sein können, wenn dieser bei 3 liegen würde, da eine Teilung bzw. Trennung bei der Änderung der Teilbreitenwerte von 4 auf 7 und von 8 auf 4 erfolgt wäre.This gives
Die Ausdehnungskennzahlen bzw. Daten werden fortlaufend während einer Überfahrt über die landwirtschaftliche Fläche gespeichert. Es wird eine Historie aufgebaut, in der die letzten, bspw. 100 Pflanzen 14, 16, 18 oder Pflanzenabschnitte 26 aus den vorhergehend erfassten Bildinformationen 10 gespeichert sind. In
Um nun die Beikräuter 18 in der identifizierten Pflanzenreihe 20, d.h. in dem die identifizierte Pflanzenreihe 20 umfassenden Kulturpflanzenbereich 24 zu identifizieren, wurde in der Häufigkeitsverteilung ein Häufigkeitsschwellenwert 40 definiert, welcher im gezeigten Beispiel bei 3 Pflanzenabschnitten 26 ist.In order to identify the
In einem ersten Ausführungsbeispiel werden schließlich alle Pflanzenabschnitte 26 bzw. Pflanzen 14 des definierten Kulturpflanzenbereiches 24, deren Häufigkeit kleiner oder gleich dem definierten Häufigkeitsschwellenwert 40 ist, d.h. 3mal oder seltener vorkommen, als Beikräuter 18 identifiziert bzw. klassifiziert. Somit werden in diesem Ausführungsbeispiel Pflanzenabschnitte 26 bzw. Pflanzen 14 mit einer Ausdehnungskennzahl von 1,75, 2,5 und 2,75 als Beikräuter 18 identifiziert. Alle restlichen Pflanzenabschnitte 26 bzw. Pflanzen 14 mit einer Häufigkeit von über 3 werden als Kulturpflanzen 16 identifiziert bzw. klassifiziert.In a first exemplary embodiment, all
In einem zweiten Ausführungsbeispiel wird ferner ein Kennzahlenschwellenwert 42 definiert, wobei nur Pflanzenabschnitte 26 bzw. Pflanzen 14 mit einer Ausdehnungskennzahl von größer oder gleich diesem Kennzahlenschwellenwert 42 als Beikräuter 18 identifiziert werden. Hierbei wurde der Kennzahlenschwellenwert ermittelt, indem zunächst die größte Ausdehnungskennzahl mit einer Häufigkeit über dem Häufigkeitsschwellenwert ermittelt wurde, welcher im vorliegenden Beispiel 2,25 ist. Anschließend wurde als Kennzahlenschwellenwert die nächstgrößere Ausdehnungskennzahl, d.h. 2,5 gewählt.In a second exemplary embodiment, an
Somit werden im Vergleich zum ersten Ausführungsbeispiel in diesem Ausführungsbeispiel nur Pflanzenabschnitte 26 bzw. Pflanzen 14 mit einer Ausdehnungskennzahl von 2,5 und 2,75 als Beikräuter 18 identifiziert bzw. klassifiziert, während die Pflanzenabschnitte 26 bzw. Pflanzen 14 mit einer Ausdehnungskennzahl von 1,75 und alle weiteren als Kulturpflanzen 16 identifiziert bzw. klassifiziert werden. Hierdurch können große Beikräuter 18 effektiv identifiziert und ggf. reklassifiziert werden.Thus, compared to the first embodiment, in this embodiment only plant
In einem dritten Ausführungsbeispiel kann im Vergleich zum zweiten Ausführungsbeispiel ein Kennzahlenschwellenwert 44 definiert werden, welcher um einen definierten Wert größer ist, als die ermittelte größte Ausdehnungskennzahl. Hierdurch werden nur noch breitere Pflanzen 14 mit einer Ausdehnungskennzahl von 2,75 als Beikräuter 18 identifiziert bzw. klassifiziert.In a third exemplary embodiment, in comparison to the second exemplary embodiment, a characteristic
Der Weiteren umfasst das Verfahren 100 einen optionalen Schritt des Klassifizierens 108 der identifizierten Pflanzen 14, 16, 18 des definierten Kulturpflanzenbereiches 24 in eine erste Pflanzenklasse, insbesondere eine Kulturpflanzenklasse, und einen weiteren optionalen Schritt des Reklassifizierens 116 der identifizierten Beikräuter 18 in der identifizierten Pflanzenreihe 20 des definierten Kulturpflanzenbereiches 24 in eine von der ersten Pflanzenklasse verschiedene zweite Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit.Furthermore, the
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents cited by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent Literature Cited
- DE 102017210804 A1 [0002]DE 102017210804 A1 [0002]
Claims (18)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021214202.8A DE102021214202A1 (en) | 2021-12-13 | 2021-12-13 | Method for identifying weeds in a row of plants in an agricultural area |
PCT/EP2022/080199 WO2023110207A1 (en) | 2021-12-13 | 2022-10-28 | Method for identifying weeds in a plant row of an agricultural area |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021214202.8A DE102021214202A1 (en) | 2021-12-13 | 2021-12-13 | Method for identifying weeds in a row of plants in an agricultural area |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102021214202A1 true DE102021214202A1 (en) | 2023-06-15 |
Family
ID=84360983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102021214202.8A Pending DE102021214202A1 (en) | 2021-12-13 | 2021-12-13 | Method for identifying weeds in a row of plants in an agricultural area |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102021214202A1 (en) |
WO (1) | WO2023110207A1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022212171A1 (en) | 2022-11-16 | 2024-05-16 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method for classifying plants in and/or between rows of plants in an agricultural area |
DE102022212169A1 (en) | 2022-11-16 | 2024-05-16 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method for classifying plants in and/or between rows of plants in an agricultural area |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017210804A1 (en) | 2017-06-27 | 2018-12-27 | Robert Bosch Gmbh | Method Apply a spray to a field |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10255670B1 (en) * | 2017-01-08 | 2019-04-09 | Dolly Y. Wu PLLC | Image sensor and module for agricultural crop improvement |
-
2021
- 2021-12-13 DE DE102021214202.8A patent/DE102021214202A1/en active Pending
-
2022
- 2022-10-28 WO PCT/EP2022/080199 patent/WO2023110207A1/en unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017210804A1 (en) | 2017-06-27 | 2018-12-27 | Robert Bosch Gmbh | Method Apply a spray to a field |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022212171A1 (en) | 2022-11-16 | 2024-05-16 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method for classifying plants in and/or between rows of plants in an agricultural area |
DE102022212169A1 (en) | 2022-11-16 | 2024-05-16 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method for classifying plants in and/or between rows of plants in an agricultural area |
Also Published As
Publication number | Publication date |
---|---|
WO2023110207A1 (en) | 2023-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102021213280A1 (en) | Method for identifying weeds in a row of plants in an agricultural area | |
EP3782467B1 (en) | Method for identifying weeds within a defined row of plants of an agricultural area | |
WO2023110207A1 (en) | Method for identifying weeds in a plant row of an agricultural area | |
DE102018217742A1 (en) | Process for applying a spray to a field | |
DE102017210804A1 (en) | Method Apply a spray to a field | |
DE102018222428A1 (en) | Process for applying a spray to an agricultural area | |
EP2286653A2 (en) | Autonomous mobile platform for surface processing | |
EP3701449A1 (en) | Yield estimation in the cultivation of crop plants | |
DE102011078290A1 (en) | Method for classifying surrounding region of vehicle e.g. agricultural tractor, involves comparing detected pattern on recorded image of the surrounding area with patterns stored in database | |
DE102019218192A1 (en) | Method of working crops in a field | |
DE102017217258A1 (en) | Method for classifying plants | |
WO2022111880A1 (en) | Method and device for classifying plants, and computer program product | |
EP4064819B1 (en) | Method for treating plants in a field, for generating training data and for training a neural network | |
DE102021211803A1 (en) | Method for identifying weeds in an identified plant row of an agricultural area | |
DE102018222623A1 (en) | Process for automatic irrigation of plants | |
DE102022212169A1 (en) | Method for classifying plants in and/or between rows of plants in an agricultural area | |
DE102022212171A1 (en) | Method for classifying plants in and/or between rows of plants in an agricultural area | |
DE102022212161A1 (en) | Method for determining a width index of plants in a row of plants in an agricultural area | |
DE102022212162A1 (en) | Method for determining a plant index of plants in a row of plants in an agricultural area | |
WO2021105017A1 (en) | Method for processing plants in a field | |
DE102020215879A1 (en) | Method of applying a spray to an agricultural area | |
EP4064818B1 (en) | Method for treating plants in a field | |
DE102019201977A1 (en) | Method for determining a condition of a crop planting and agricultural vehicle | |
WO2020039045A1 (en) | Carrier system comprising a carrier and a mobile device for tilling the soil and/or for manipulating flora and fauna, and method therefor | |
DE102018220406A1 (en) | Device for locating an agricultural machine based on sensor data and image segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R079 | Amendment of ipc main class |
Free format text: PREVIOUS MAIN CLASS: A01M0021040000 Ipc: A01M0007000000 |
|
R163 | Identified publications notified |