IT201600106926A1 - Procedimento per l'applicazione di almeno un trattamento specifico ad un territorio oggetto di coltivazioni agricole o zone rurali. - Google Patents
Procedimento per l'applicazione di almeno un trattamento specifico ad un territorio oggetto di coltivazioni agricole o zone rurali.Info
- Publication number
- IT201600106926A1 IT201600106926A1 IT102016000106926A IT201600106926A IT201600106926A1 IT 201600106926 A1 IT201600106926 A1 IT 201600106926A1 IT 102016000106926 A IT102016000106926 A IT 102016000106926A IT 201600106926 A IT201600106926 A IT 201600106926A IT 201600106926 A1 IT201600106926 A1 IT 201600106926A1
- Authority
- IT
- Italy
- Prior art keywords
- image
- area
- territory
- areas
- phase
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 48
- 238000011282 treatment Methods 0.000 title claims description 28
- 238000012545 processing Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000011179 visual inspection Methods 0.000 claims description 7
- 238000002360 preparation method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 10
- 241000196324 Embryophyta Species 0.000 description 8
- 239000003086 colorant Substances 0.000 description 6
- 238000009313 farming Methods 0.000 description 4
- 239000003337 fertilizer Substances 0.000 description 4
- 239000000575 pesticide Substances 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000007170 pathology Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 206010061217 Infestation Diseases 0.000 description 2
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical group C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
Description
“PROCEDIMENTO PER L'APPLICAZIONE DI ALMENO UN
TRATTAMENTO SPECIFICO AD UN TERRITORIO OGGETTO DI
COLTIVAZIONI AGRICOLE O ZONE RURALI”
La presente invenzione si inserisce nel settore della "precision farming" nota anche come "agricoltura di precisione". Con questi termini si vuole indicare una strategia di gestione che utilizza informazioni dettagliate specifiche riferite a siti di produzione che si intendono sottoporre a trattamenti, quali la distribuzione di fertilizzanti, antiparassitari ecc, attuata con precisione.
Considerazioni analoghe valgono anche per trattare piante infestanti in zone non coltivate come argini o boscaglie per risolvere problemi di piante che portano allergie o potrebbero estendere l’infestazione ad aree limitrofe destinate ad uso agricolo.
L'agricoltura di precisione trova giustificata applicazione in aree di coltivazione di una certa estensione, ad esempio nelle risaie, nella coltivazione del frumento ed in altri casi di coltivazione estensiva nei quali assuma rilevanza l'attenzione con cui i trattamenti devono essere attuati. Inoltre essa risponde anche all'esigenza di ottimizzare l'impiego delle sostanze utilizzate per i trattamenti, ad esempio in osservanza della legislazione relativa alla protezione dell'ambiente dai materiali inquinanti.
L’utilizzo di tecniche di precision farming può altresì essere utile in alcuni casi, dove il valore di una coltura è preponderante, anche se la coltura non è di tipo estensivo.
La modalità di applicazione di questi sistemi prevede di acquisire una conoscenza delle caratteristiche del suolo e delle colture unica e specifica per ogni settore dei terreni in coltivazione e di ottimizzare l'applicazione di prodotti (fertilizzanti, prodotti chimici, pesticidi, ecc) in termini quantitativi e qualitativi, distribuendoli solo se e dove necessario per ottenere produzioni più vantaggiose ed un maggior rispetto dell’ambiente agricolo e di coltivazione.
Il GPS (Global Positioning System) rappresenta uno degli strumenti fondamentali dell'agricoltura di precisione. Un ricevitore GPS è un dispositivo di posizionamento che calcola la sua posizione sulla Terra in base ai segnali radio trasmessi da una pluralità (almeno tre) di satelliti in orbita intorno al pianeta.
In altre parole, l'agricoltura di precisione consiste in un sistema di gestione dell'agricoltura basato sulle tecnologie dell'informazione per identificare, analizzare e gestire la variabilità all'interno dei campi al fine di ottenere la massima redditività, sostenibilità e tutela della risorsa del territorio.
L'obiettivo non è quello di ottenere la stessa resa in tutto il territorio trattato, ma quello di gestire e distribuire i trattamenti su una base specifica, sito per sito, così da massimizzare il rapporto costo/benefici nel lungo termine.
Dapprima vengono acquisite immagini dei territori coltivati con l'impiego di mezzi idonei quali aerei, elicotteri, droni ed anche satelliti (purché l'acquisizione sia in tempo reale), le quali immagini evidenziano differenze cromatiche di zone diverse.
Queste differenze cromatiche permettono, ad esempio, di identificare la presenza di una particolare patologia che abbia colpito una coltura e di differenziare l'area di quella coltura da altre aree che sono sane. Ad esempio, il colore verde che caratterizza l'area sana della coltura sarà diverso dal verde della coltura affetta dalla patologia.
Viene cioè sfruttato quel parametro noto come Indice di Vigore Vegetativo, in base al quale una funzione clorofilliana più intensa, quindi più verde, è indicativa della maggiore salute della coltivazione.
Da queste informazioni si stabilisce, tramite un'elaborazione software, quale prodotto, ed in quale quantità, debba essere irrorato in ciascuna specifica zona georeferenziata grazie al rilevamento del GPS.
Le informazioni vengono raccolte in cosiddette "mappe di prescrizione", costituite in pratica da supporti (shapefile - formato vettoriale di archiviazione di dati per sistemi informativi geografici) leggibili da una centralina di controllo di un mezzo agricolo idoneamente attrezzato per provvedere alla distribuzione del territorio con precisione di concime, antiparassitari o altri prodotti reputati necessari.
Un altro aspetto rilevante in questo sistema di gestione dei trattamenti in agricoltura, riguarda il riconoscimento delle diverse zone cromatiche all'interno delle immagini del territorio acquisite. Si sfrutta a tal fine un modello di colore, ossia un modello matematico astratto che descrive un modo per rappresentare i colori come combinazioni di numeri, tipicamente come tre valori detti componenti colore. La combinazione di un modello di colore e di una appropriata funzione di mappatura di questo modello rappresenta quello che viene definito spazio dei colori, o spazio colore. L'interpretazione di questo modello può essere attuata mediante diversi sistemi, ad esempio noti come RGB (dalle iniziali dei nomi in Inglese dei colori Rosso, Verde, Blu) anche detto sistema additivo, poiché i valori numerici che rappresentano i colori vengono tra loro sommati (non algebricamente ma nei loro effetti cromatici) fino ad ottenere nei valori massimi la luce bianca.
L'utilizzo del sistema RGB, non porta però una sufficiente distinzione in alcuni casi, in particolare tra il giallo ed il verde della pianta sana, molto vicini nelle relative bande di frequenza identificate nello spazio colore.
Anche l'utilizzo di sistemi automatici per il riconoscimento delle aree colorate e per l'assegnazione in base a tale riconoscimento dei prodotti e delle relative quantità che devono essere irrorate, può essere a volte gravato da errori che possono compromettere la precisione ricercata ed i risultati ottenuti.
Scopo della presente invenzione è quello di proporre un procedimento per la preparazione di una mappa di prescrizione per l'applicazione di trattamenti specifici ad un territorio oggetto di coltivazioni agricole o zone rurali mediante il metodo cosiddetto dell'agricoltura di precisione, che non presenti gli inconvenienti descritti in precedenza.
Altro scopo dell'invenzione è quello di proporre il procedimento anzidetto predisposto in modo da ottenere sempre una ottimale discriminazione delle aree infestate o infette del territorio oggetto di coltivazione.
Un ulteriore scopo dell'invenzione è quello di proporre un sistema che sia in grado di attuare in modo ottimale e conveniente il procedimento anzidetto.
Gli scopi suddetti sono ottenuti mediante un procedimento per la preparazione di una mappa di prescrizione per l'applicazione di trattamenti specifici ad un territorio oggetto di coltivazioni agricole mediante il metodo cosiddetto dell'agricoltura di precisione, detto procedimento prevedendo:
(a) definizione spaziale di un'area di territorio da analizzare mediante l’utilizzo di marker fisici non confondibili con la parte rimanente del territorio e definizione delle relative posizioni GPS;
(b) ispezione visiva di una parte infestata o infetta di detta area, per una valutazione sullo stato di salute delle colture e per l'identificazione del/dei problema/i o criticità da individuare nell'intera area;
(c) rilievo fotogrammetrico dell'area per la definizione di una serie di immagini corrispondenti a diverse porzioni interessate o meno dal/dai problemi definiti nel corso di detta ispezione visiva, tramite, ad esempio, l’utilizzo di mezzi a pilotaggio remoto dotati di appositi mezzi di acquisizione e di rilevamento posizionale; oppure tramite foto Satellitari.
(d) elaborazione dell’immagine ottenuta in precedenza con strumenti di computer vision, basati anche, dove opportuno, sul sistema spazio colore Lab, con restituzione di un’unica immagine che rappresenta l’intera superficie dell'area identificante cromaticamente le porzioni dell'area interessate dalla/dalle problematica/che ricercata/e;
(e) georeferenziazione dell’immagine elaborata inserendo le coordinate posizionali acquisite in precedenza con riferimento alle posizioni GPS dei suddetti marker fisici;
(f) generazione di un insieme di file in formato vettoriale di archiviazione di dati o shapefile riferito alle porzioni acquisite tramite immagini ed alle coordinate posizionali;
(g) conversione dei files ottenuti al punto precedente ad ottenimento di una mappa di prescrizione interpretabile da una centralina di controllo computerizzata installata su un mezzo agricolo dotato di equipaggiamenti idonei per effettuare trattamenti in agricoltura e controllato da detta centralina di controllo mediante un sistema automatico di guida ed azionamento degli equipaggiamenti;
(h) caricamento dei dati elaborati in detta centralina di controllo del mezzo agricolo ed effettuazione del trattamento mirato porzione per porzione rispetto alla problematica identificata.
Altri scopi dell'invenzione sono ottenuti mediante un sistema per la preparazione di una mappa di prescrizione per l'applicazione di trattamenti specifici ad un territorio oggetto di coltivazioni agricole mediante il metodo cosiddetto dell'agricoltura di precisione, comprendente:
− una serie di marker fisici non confondibili nel territorio;
− mezzi di rilievo fotogrammetrico dell'area dotati di mezzi di acquisizione e di mezzi di rilevamento posizionale;
− una stazione di elaborazione a computer per l'elaborazione delle immagini acquisite tramite detti mezzi di acquisizione e la preparazione di una mappa di prescrizione:
− una centralina di controllo computerizzata in grado di interpretare detta mappa di prescrizione ed inviare comandi operativi ad un mezzo agricolo dotato di equipaggiamenti idonei per effettuare trattamenti in agricoltura mediante un sistema automatico di guida ed azionamento degli equipaggiamenti.
Le caratteristiche dell'invenzione non emergenti da quanto detto sopra, saranno rese evidenti nella seguente descrizione, da considerare con riferimento all'unita tavola di disegno, nella quale:
- la figura 1 illustra schematicamente un territorio adibito a coltivazione, nel quale sono distinguibili delle aree infestate o infette;
- la figura 2 rappresenta uno schema a blocchi di un sistema previsto per l'attuazione del procedimento oggetto della presente invenzione.
Con riferimento alla figura 1, si è rappresentato, in forma schematica e semplificata, un territorio 1 adibito a diverse coltivazioni. Nella figura non sono desumibili i tipi di coltivazioni essendo essa solo esemplificativa e descrittiva, ma si intende che le coltivazioni, di tipo estensivo, possono essere di riso (risaie) oppure di frumento od altre colture.
L’utilizzo delle tecniche descritte può altresì essere utile in alcuni casi, dove il valore della coltura è preponderante, anche se la coltura non è di tipo estensivo.
Sul territorio 1 è stata identificata un'area 15 che si intende sottoporre ad un trattamento con prodotti idonei a risolvere problemi di nutrizione, di infestazione o di patologie vegetali, normalmente utilizzati nel settore. Per effettuare il trattamento si intende ricorrere alla cosiddetta "precision farming" anche nota come agricoltura di precisione, utilizzando cioè tecnologie ed attrezzature che permettono di limitare l'impiego dei prodotti da applicare alle sole aree infette o infestate e nelle quantità necessarie. Per l'attuazione del procedimento oggetto della presente invenzione, occorre innanzi tutto definire spazialmente l'area 15 di territorio da analizzare e questo viene effettuato mediante l’utilizzo di marker fisici 2a, 2b, 2c, 2d (almeno tre) non confondibili con la parte rimanente del territorio 1, ad esempio di colori che non ricorrono nel territorio. Tramite un GPS viene stabilita la posizione di ciascun marker fisico, utilizzata poi successivamente come risulterà chiaro dalla descrizione del procedimento.
Una volta identificata l'area 15, il procedimento prevede di effettuare una ispezione visiva di una parte certamente infestata o infetta 3 dell'area 15, al fine di produrre una valutazione sullo stato di salute delle colture e, soprattutto, per l'identificazione del/dei problema/i o criticità che si possono riscontrare in altre porzioni 4a, 4b, … 4n dell' intera area 15.
Come sarà chiarito in seguito, tali eventuali porzioni 4a, 4b, ... 4n, non sono note a priori ma saranno ricercate con la elaborazione oggetto della presente invenzione.
L'ispezione visiva è preferibilmente svolta da parte di un tecnico specializzato o in particolare un agronomo, per essere certi di identificare il problema o criticità che affligge la parte ispezionata così come altre porzioni 4a, 4b, … 4n dell'intera area 15.
L'intervento dell'agronomo (o altro tecnico specializzato a tal fine idoneo) riveste particolare importanza nel procedimento, dato che il riconoscimento effettuato automaticamente con mezzi software nei procedimenti di arte nota non è in grado di dare risposte sempre esatte nel riconoscimento degli agenti infestanti o patologici.
Questo punto del procedimento, relativo al riconoscimento, rappresenta l'unico passaggio non direttamente automatico, ma che deve essere valutato di volta in volta; ovviamente contesti simili hanno risultati simili e le esperienze precedenti possono essere riutilizzate.
Una volta individuato il problema, si procede ad un rilievo fotogrammetrico dell'area 15 comprendendo anche i marker fisici 2a, 2b, 2c, 2d per la sua successiva definizione.
In particolare, vengono acquisite delle immagini corrispondenti a tutta l’area da esaminare, incluse quindi tutte le diverse porzioni 4a, 4b, … 4n interessate o meno dal/dai problemi definiti nel corso di dell'ispezione visiva e che dovranno essere rilevate e definite.
Per l'acquisizione delle immagini si ricorre preferibilmente all'impiego di mezzi a pilotaggio remoto 5, costituiti, ad esempio, da un drone (figura 1), cui si farà esplicito riferimento senza perdere di generalità, dotati di corrispondenti mezzi 6 di acquisizione. Si intende che è possibile utilizzare anche un velivolo, quale un piccolo aeroplano o un elicottero, oppure in casi particolari, come quello di un vigneto o di un frutteto, l'acquisizione dell'immagine può essere effettuata anche al suolo, mediante accorgimenti idonei che risulteranno evidenti al tecnico del settore.
I mezzi d'acquisizione 6 comprendono ad esempio una fotocamera, non illustrata nelle figure e cui si farà esplicito riferimento, montata sul drone 5; e dei mezzi di rilevamento posizionale, comprendenti ad esempio un dispositivo GPS 7.
Già adesso sono possibili alcune elaborazioni delle immagini rilevate dalla fotocamera 6, come la trasformazione in modelli 3D georefernziati del terreno, ad esempio, mediante il software Pix4d, modellizzatore.
Come sarà di seguito meglio chiarito, il procedimento secondo l’invenzione consente di ottenere una mappa di prescrizione da inserire direttamente nei trattori o mezzi meccanici predisposti all’uso delle stesse.
Una volta ricavate le immagini fotografiche di tutta l’area del terreno da esaminare e trattare (non c'è tuttavia corrispondenza tra le immagini fotografiche e la forma delle aree come illustrate in figura 1), queste vengono sottoposte ad un procedimento di "mosaicatura" con un software dedicato, ad esempio Agisoft o PTGui, che consente di generare una unica foto ad alta risoluzione.
Il mosaico lo si fa su tutte le foto rilevate dal drone (o altro) e su tutta l’area sotto esame, senza a priori sapere quali sono le aree 4a, 4b...4n.
Le eventuali aree 4a, 4b, ... 4n, da trattare, saranno infatti scoperte ed individuate solo dopo l’elaborazione.
È opportuno osservare che il software utilizzato consente di ottenere una precisione eccezionalmente dettagliata, fino anche a pochi centimetri. La mosaicatura viene vantaggiosamente effettuata qualora le foto siano più di una o parecchie, come nella generalità dei casi. In casi particolari, come di una semplice immagine presa direttamente dal Satellite, la mosaicatura non è necessaria, trattandosi già di immagine singola.
Il flusso di lavoro completamente automatizzato consente in questo modo anche ad un utente non professionista di trattare su un comunissimo computer desktop centinaia di immagini e di produrre dati fotogrammetrici di classe professionale.
Dalle immagini fotografiche trattate viene quindi ottenuta una unica immagine complessiva, che viene poi trattata con strumenti di computer vision, preferibilmente basati sul sistema spazio colori Lab, per restituire una nuova unica immagine, ad esempio JPEG, rappresentante l’intera superficie dell'area 15, identificando cromaticamente le porzioni 4a, 4b, … 4n dell'area 15 interessate dalla/dalle problematica/che ricercata/e.
Lo spazio colore Lab è preferibilmente utilizzato in agricoltura essendo spesso importante distinguere giallo e verde e preferibilmente perché’ i parametri del colore (‘a’ e ‘b’) risultano meno sensibili alle variazioni di luminosità.
In forme di realizzazione alternative, nel caso ad esempio debba distinguere qualcosa di marcatamente rosso o blu, come qualche fungo o infestante di quel colore, si utilizza il modello RGB.
Lo spazio colore o modello è preferibilmente stabilito in base al contesto. Se, ad esempio, si deve cercare soltanto il rosso indipendente da tutto il resto (esempio: fungo rosso su coltivazione verde), si può utilizzare il modello RGB per cercare il rosso essendo irrilevante, ad esempio, il verde.
Se, ad esempio, si vuole valutare lo stato di maturazione di un frutto, da rosso a verde, si può utilizzare lo spazio di colore Lab per valutare il parametro ‘a’, che indica appunto la variazione da rosso (+127, massimo positivo in casi di puro rosso) al verde (-128, valore negativo estremo in caso di solo verde).
Si osservi che a questo punto della procedura, le eventuali porzioni 4a, 4b, ... 4n , sono note ed identificate.
In taluni casi, ove le caratteristiche delle infestanti e della coltura siano proprio simili (esempio: giavone e riso in certi periodi dell’anno e in certe condizioni), dopo la mosaicatura e prima di utilizzare i metodi di computer vision, è preferibile effettuare alcune operazioni manuali (tramite ad esempio ‘Paint’ di Microsoft) in modo da far risaltare certe caratteristiche individuate ma comunque difficilmente rilevabili.
A questo punto, si cercano le caratteristiche in esame, quali patologie o infestanti o altro, andando ad identificare alcune caratteristiche cromatiche.
Preferibilmente, la ricerca avviene creando in loco appositi programmi, interpretati o compilati, seguendo uno schema base (come descritto in seguito), utilizzando ambienti di sviluppo ‘open source’ (quali, ad esempio, Python in Eclipse, oppure Visual Studio) e pacchetti software sempre ‘open source’, ad esempio OpenCV (Open Computer Vision), Numpy (Numerical Python), Pil (Python Image Library).
Per il riconoscimento nell’elaborazione cromatica, dapprima si identificano tutte le zone sicuramente infette, cercando le opportune combinazioni cromatiche (RGB o Lab) che le rappresentano.
E’ comunque molto probabile che nel terreno o coltura da trattare, vi siano particolari zone 14, ad esempio un fossato o altra vegetazione, sufficientemente grandi e con caratteristiche cromatiche simili alla zona infestata, tali che vengono comunque inglobate anch’esse, ad una prima analisi, fra le zone da trattare.
All’immagine di tali zone 14 potrebbe infatti corrispondere erroneamente una zona di applicazione del trattamento.
Per eliminare queste zone 14 superflue, occorre identificarle separatamente ricercando condizioni cromatiche diverse dalla zona infestata e procedere quindi attraverso una serie di passaggi iterati di sottrazione, confronto e sovrapposizione, che vengono eseguiti sull’immagine di partenza, al fine di filtrare e ottimizzare il risultato.
La rimozione delle zone identificate dagli strumenti software precedentemente utilizzati ma non corrispondenti a zone da trattare può avvenire quindi mediante filtraggio manuale o a mezzo software.
Iterando nell’applicazione, è possibile isolare la zona 14, sostituire i corrispondenti valori cromatici con quelli opposti (rendendo negativa l'immagine) e poi sommare la zona all'immagine originale.
In questo modo viene eliminata la parte inizialmente erroneamente rilevata assieme alla zona infetta.
Esempio, con utilizzo di RGB (Rosso, Verde, Blu), con valori puramente numerici da 0 (assenza) a 255 (massimo livello) per ognuno dei 3 colori e rappresentanti l’intensità’ per ogni pixel:
- Caratteristiche zona sana: R=50 -100, G=100 -150, B=10 -40;
- Caratteristiche zona infestata: R=100-200; G= 100-150, B=10-40; - Caratteristiche di un fossato ininfluente: R=100-200, G=100-150, B=100-120.
Dapprima si ricerca la zona sicuramente infestata, “prima zona selezionata” filtrando il rosso attorno ai 100-200.
In questo modo si riesce a selezionare la zona sicuramente infestata, ma si va ad includere anche il fossato, di cui però non interessa rilevarne la presenza nel trattamento di precisione.
Con una seconda operazione, si vanno a selezionare le zone filtrando con il blu a 100-120, rilevando quindi in questo caso solo e soltanto lo stesso fossato che diventa una “seconda zona selezionata”.
Sottraendo quindi la “seconda zona selezionata”, includente solo il fossato, alla “prima zona selezionata” che include sia la zona infestata che il fossato, si ottiene quindi la sola zona infestata.
Vantaggiosamente, le suddette fasi di processo sono iterative.
La fase di elaborazione sopra citata può essere eseguita ad esempio in Python con linguaggio interpretato, oppure in Visual Studio, come verrà descritto in seguito.
Il procedimento comprende una fase di iterazione per identificare nell’immagine anche i citati marker fisici 2a, 2b, 2c, 2d a cui corrispondono, nell’immagine, rispettivi punti o simboli.
In altre parole, una apposita iterazione a parte, in questo caso necessaria e additiva, va fatta per identificare, nell’immagine, i quattro punti, che serviranno per la successiva georeferenziazione, corrispondenti ai marker 2a, 2b, 2c, 2d.
Preferibilmente, i punti sull’immagine sono dei punti distinguibili da tutto il resto, quindi, ad esempio, neri su sfondo bianco, preferibilmente esenti da contaminazioni di zone infestate o infette.
Questi punti, precedentemente scelti appropriatamente e sicuramente evidenziabili, sono preferibilmente isolati da tutto il resto e riconoscibili per lo sviluppo del procedimento secondo l’invenzione.
In forme di realizzazione preferite i marker 2a, 2b, 2c, 2d sono fuori dal territorio da analizzare, ad esempio a circa 1-2 metri, tra la fine della coltivazione ed il bordo di un sentiero.
In tal modo, la citata immagine JPEG evidenzia le zone infestate o infette ed i punti corrispondenti ai marker 2a, 2b, 2c, 2d.
Un esempio di scheletro base del programma in Python è indicato di seguito, dove vengono indicate alcune funzioni base richiamanti i pacchetti OpenCV (Open Computer Vision) e NumPy (Numerical Python). Alla fine della suddetta elaborazione, si ottiene, come accennato, una immagine JPEG, presentante con le caratteristiche cromatiche opportune. Essa viene poi georeferenziata, preferibilmente utilizzando pacchetti software open source (come ad esempio Qgis), inserendo le coordinate posizionali acquisite in precedenza con riferimento ai suddetti marker fisici 2a, 2b, 2c, 2d e rilevate opportunamente con la apposita iterazione dedicata ad essi e descritta precedentemente. Si ottiene quindi un nuovo file geoTiff, che include le proprietà di georeferenziazione.
Tramite dei pacchetti software sempre preferibilmente "open source" (ad esempio il programma Qgis) viene quindi generato un insieme di file in formato vettoriale di archiviazione di dati, anche detto “shapefile”, riferito alle porzioni acquisite tramite immagini ed alle coordinate posizionali.
Si procede poi alla conversione del shapefile per ottenere una mappa di prescrizione 10 interpretabile da una centralina di controllo 9 computerizzata installata su un mezzo agricolo 8, il quale è dotato di equipaggiamenti 11 idonei per effettuare trattamenti in agricoltura.
Questa fase è ottenuta ad esempio tramite opportuni software proprietari e relativi al modello di centralina utilizzata sul trattore; ad esempio si può usare Farmworks per le centraline della New Holland.
Secondo quanto noto, la casa produttrice del suddetto software dichiara che oltre a rendere i dati compatibili con centraline New Holland e Trimble (partner di New Holland per i sistemi di guida e monitor satellitari) il Farmworks è in grado di convertire anche con altri formati compatibili con centraline di altre marche.
In questa fase vengono anche definiti i dosaggi di fertilizzanti o antiparassitari o altro ancora, in relazione alle caratteristiche cromatiche trovate precedentemente.
Il controllo del mezzo agricolo è coadiuvato dalla centralina di controllo 9 mediante un sistema automatico di guida e/o azionamento degli equipaggiamenti 11.
Come accennato In forme di realizzazione alternative, il sistema di guida non è del tutto automatico, ma solamente assistito con indicatori visivi. In questi casi è l’operatore agricolo che guida il mezzo, assistito dal sistema in modo da muoversi in linea retta.
Nella figura la mappa di prescrizione è simboleggiata da un documento ma nella realtà di tratta di un documento multimediale, di più file (altri shapefile, più altri files di controllo e specifici per ogni centralina, estrapolati con il suo relativo software proprietario citato prima), memorizzati ad esempio su una chiavetta USB. Una volta caricati i dati elaborati nella centralina di controllo 9 del mezzo agricolo 8, per esempio tramite il collegamento della chiavetta USB, si può avviare il mezzo agricolo ed effettuare il trattamento mirato porzione per porzione 4a, 4b, … 4n rispetto alla problematica identificata.
In forme di realizzazione alternative il trasferimento dei dati avviene via etere ad esempio tramite Wi-Fi o Bluetooth.
Secondo una vantaggiosa caratteristica del procedimento descritto, le coordinate posizionali del GPS 7 sono ottenute con metodo RTK, ma possono ovviamente essere ottenute anche tramite uno smartphone o un tablet, con sistemi operativi come Android o iOS o Microsoft ed opportune applicazioni, ad esempio di tipo Apk, sostanzialmente note non ulteriormente descritte.
Lo shapefile prevede preferibilmente aree differenziate in versione monocromatica, ad esempio in bianco e nero, nei casi in cui l'applicazione dei prodotti deve essere effettuata o non effettuata nelle diverse zone. Nulla vieta, tuttavia, di prevedere una scala cromatica, ad esempio una scala di grigi, per poter anche differenziare le quantità erogate o anche l’impiego simultaneo di più prodotti applicati in modo mirato evitando di dover scendere in campo più volte, una volta che questa possibilità sia utilizzabile e conveniente ed attuabile tecnicamente.
Per l'implementazione del procedimento per la preparazione di una mappa di prescrizione 10 per l'applicazione di trattamenti specifici ad un territorio 1 oggetto di coltivazioni agricole mediante il metodo cosiddetto dell'agricoltura di precisione, viene vantaggiosamente adottato un sistema 100 secondo l’invenzione che comprende, oltre ai citati marker fisici 2a,b,c,d non confondibili il territorio 1 e i mezzi a pilotaggio remoto, costituiti dal drone 5 o da un velivolo quale un aeroplano o un elicottero. Altri mezzi verranno invece impiegati nel caso in cui il rilievo avvenga dal suolo, come nel caso, ad esempio, dei vigneti.
Il drone 5 è dotato dei mezzi di acquisizione 6, comprendenti preferibilmente la fotocamera, e dai mezzi di rilevamento posizionale 7, costituiti preferibilmente dal dispositivo GPS.
Le elaborazioni tramite i programmi software per il trattamento delle immagini, dalla conversione delle immagini fotografiche al trattamento con programmi di computer vision, alla mosaicatura, la rimozione di immagini estranee e la conversione in shapefile e mappe di prescrizione, vengono tutte effettuate presso una stazione di elaborazione a computer 12, presso le quali un operatore può interagire con i programmi software tramite una tastiera, un mouse ed un monitor.
Il sistema 100 si completa della centralina di controllo 9 computerizzata in grado di interpretare la mappa di prescrizione 10 e di inviare comandi operativi al mezzo agricolo 8, dotato degli equipaggiamenti 11 idonei per effettuare trattamenti in agricoltura, mediante un sistema automatico o assistito di guida e/o azionamento degli equipaggiamenti.
In particolare, la stazione di elaborazione a computer 12 è dotata di una serie di istruzioni operative che utilizzano, ad esempio, funzioni del pacchetto OpenCV, presenti su un supporto al suo interno o ad essa collegato, atte ad eseguire, ad esempio, le operazioni sopra accennate in ambiente Python, relative alla fase in cui la foto mosaicata viene effettivamente elaborata per l’estrazione delle zone infette o da trattare:
− importazione di pacchetti OpenCV e/o Numerical Python, contenenti le acquisizioni fotografiche rilevate ed elaborate, definiti rispettivamente cv2 e numpy;
− definizione dell’inizio del programma vero e proprio: ad esempio con l'istruzione if __name__ == ‘__main__’;
− definizione della foto da elaborare con l'istruzione file_=<PATH>/<NOME TIF FILE>
− definizione dell’immagine da elaborare con l'istruzione image=cv2.imread(_file);
− trasformazione dell'immagine in una immagine corrispondente ai valori nello spazio di colori LAB con l'istruzione img = cv2.cvtColor(image, cv2.COLOR_RGB2LAB);
− creazione di sei Trackbar per le tre coordinate nel sistema LAB, ad esempio con l'istruzione cv2.createTRackbar(‘L’,’image’,0,100,nothing);
− ridimensionamento dell'immagine per avere una miglior copertura sul monitor, ad esempio utilizzando la funzione cv2.resize();
− l'immagine ridimensionata può essere visualizzata con la funzione cv2.imshow();
− attivazione di un ciclo “while”, all’interno del quale si vengono individuate le caratteristiche desiderate;
− posizionare delle trackbar secondo le caratteristiche desiderate rilevate, con la funzione cv2.getTrackerPos();
− identificazione delle soglie di minimo e massimo per l'ottenimento di un file JPEG con zone tutte in nero con caratteristiche negative e zone tutte bianche prive delle caratteristiche positive attraverso le funzioni np.array([l,a,b], np.uint8);
− l'immagine finale può essere definita utilizzando come parametri:
l’immagine di partenza e le due soglie precedentemente trovate, attraverso la funzione cv2.inrange();
− nel caso si desideri uscire dal programma e terminare la procedura a questo punto si può premere il tasto ESC sulla tastiera, mentre la funzione cv2.imshow() visualizza l'immagine sul monitor.
L’immagine avrà in nero tutte le zone con le caratteristiche negative (infestante, patologia, o altro) ricercate.
Il programma 'interpretato' in Python è vantaggioso quando ancora non si conoscono bene le caratteristiche dell'oggetto in esame (terreno, infestante, condizioni al contorno...).
In forme di realizzazione alternative, è possibile anche fornire un programma eseguibile, integrando OPenCV e il resto in 'Microsoft Visual Studio (anziché' in Python).
In pratica, in prima istanza, quando si devono cercare un modello ed i parametri opportuni, Python, essendo un linguaggio interpretato, è più flessibile per l’utilizzatore.
Successivamente, quando i parametri sono identificati, trova vantaggiosa applicazione anche Visual Studio per creare un eseguibile che riceverà i parametri di input.
Anche in questo caso, esistono funzioni corrispondenti a quanto visto nell' esempio, seppur non esattamente uguali. In questo modo il programma, una volta compilato, da origine ad un eseguibile che può poi girare su PC con 'Windows' come sistema operativo. Lo stesso programma eseguibile può fare la trasformazione dalla foto del mosaico nell' immagine elaborata che andrà poi geo referenziata.
Risulta evidente come il presente procedimento, attuato in particolare mediante il sistema che ne permette l'implementazione, consente di ottenere tutti gli scopi menzionati in premessa.
Il riconoscimento visivo da parte dell'agronomo impedisce errori di valutazione dovuti alla scarsa capacità discriminante dei programmi software fino ad oggi utilizzati.
Anche l'impiego del sistema spazio di colore Lab, ove ritenuto opportuno, permette la distinzione molto più agevole ed accurata, ad esempio, tra il verde ed il giallo, i cui valori delle relative frequenze nel visibile si trovano molto vicino tra loro (verde: 530 nm, giallo: 570 nm) e quindi più difficilmente identificabili in RGB. Lab include tutti i colori percepibili, includendo completamente i Gamut degli spazi colore RGB e CMYK ed è indipendente dal dispositivo che li rappresenta. Il valore L indica la luminosità del colore, mentre ‘A’ e ‘B’ rappresentano il colore; il valore A stabilisce quanto un colore tende al rosso o al verde; ‘B’ quanto un colore tende al giallo o al blu.
Claims (16)
- RIVENDICAZIONI 1. Procedimento per l'applicazione di almeno un trattamento specifico ad un territorio (1) oggetto di coltivazioni agricole o a zone rurali, detto procedimento comprendendo: - una fase di collocazione spaziale di un'area (15) di territorio da analizzare mediante una determinazione di coordinate posizionali di almeno tre marker fisici (2a, 2b, 2c, 2d) non confondibili con la parte rimanente del territorio (1); - una fase di ispezione visiva di una parte infestata o infetta (3) di detta area (15), per una valutazione sullo stato di salute delle colture e per l'identificazione di almeno una criticità da individuare nell'intera area (15); - una fase di rilievo fotogrammetrico dell'area (15) per la definizione di almeno una immagine corrispondente ad almeno una porzione (4a, 4b, … 4n) interessata o meno da detta criticità, preferibilmente tramite l’utilizzo di mezzi a pilotaggio remoto (5) dotati di appositi mezzi di acquisizione (6) e di mezzi di rilevamento posizionale (7); - una fase di elaborazione di detta immagine con strumenti di computer vision preferibilmente basati su un sistema spazio colore Lab; - una fase di restituzione di una immagine elaborata che rappresenta l’intera superficie dell'area (15) e che identifica cromaticamente detta criticità in detta porzione (4a, 4b, … 4n); - una fase di georeferenziazione dell’immagine elaborata inserendo dette coordinate posizionali di detti marker fisici (2a, 2b, 2c, 2d); - una fase di generazione di un insieme di file in formato vettoriale di archiviazione di dati o shapefile a partire da detta immagine elaborata e georeferenziata; - una fase di conversione di detto insieme di file per ottenere una mappa di prescrizione (10) interpretabile da una centralina di controllo (9) computerizzata installata su un mezzo agricolo (8) dotato di equipaggiamenti (11) idonei per effettuare trattamenti in agricoltura e controllato da detta centralina di controllo (9) - una fase di caricamento della mappa di prescrizione in detta centralina di controllo (9); - una fase di effettuazione di detto trattamento specifico in detta porzione (4a, 4b, … 4n) almeno in corrispondenza di detta criticità.
- 2. Procedimento secondo la rivendicazione 1, in cui detta ispezione visiva viene attuata da parte di un tecnico specializzato o un agronomo.
- 3. Procedimento secondo la rivendicazione 1 o 2, in cui detta fase di rilievo fotogrammetrico dell'area (15) definisce una pluralità di immagini corrispondenti ciascuna ad una porzione (4a, 4b, … 4n) dell’area (15), detto procedimento comprendendo una fase di mosaicatura di dette immagini con un software dedicato preferibilmente prima della fase di elaborazione.
- 4. Procedimento secondo una delle rivendicazioni da 1 a 3 in cui dette coordinate posizionali vengono acquisite tramite detti mezzi di rilevamento posizionale (7) in combinazione con i marker fisici (2a, 2b, 2c, 2d) e con detti mezzi a pilotaggio remoto (5).
- 5. Procedimento secondo la rivendicazione 4, in cui le coordinate posizionali sono ottenute con metodo RTK.
- 6. Procedimento secondo la rivendicazione 4, in cui le coordinate posizionali sono ottenute con un metodo che utilizza uno smartphone o Tablet o simili
- 7. Procedimento secondo una qualsiasi delle rivendicazioni da 1 a 6, comprendente una fase di rimozione da detta immagine elaborata, mediante filtraggio manuale o a mezzo software, di zone (14) identificate come criticità ma estranee al trattamento specifico.
- 8. Procedimento secondo una qualsiasi delle rivendicazioni da 1 a 7, in cui detto insieme di file o shapefile comprende aree differenziate secondo una scala cromatica o di grigi, per differenziare almeno una quantità o tipologia di prodotti da applicare in distinte porzioni del territorio (1).
- 9. Sistema per l'implementazione del procedimento per l'applicazione di almeno un trattamento specifico ad un territorio (1) oggetto di coltivazioni agricole o a zone rurali secondo una delle rivendicazioni da 1 a 7, detto sistema comprendendo: - una serie di marker fisici (2a, 2b, 2c, 2d) del territorio non confondibili; - mezzi di rilievo fotogrammetrico (5, 6) dell'area (15) dotati di mezzi di rilevamento posizionale (7); - una stazione di elaborazione a computer (12) per un’elaborazione di immagini acquisite tramite detti mezzi di rilievo fotogrammetrico (5, 6) ed una preparazione di una mappa di prescrizione (10); - una centralina di controllo (9) computerizzata configurata per interpretare detta mappa di prescrizione (10) ed inviare comandi operativi ad un mezzo agricolo (8) dotato di equipaggiamenti (11) idonei per effettuare trattamenti in agricoltura mediante un sistema di guida ed azionamento degli equipaggiamenti.
- 10. Sistema secondo la rivendicazione 9, in cui detti mezzi di rilievo fotogrammetrico (5, 6) dell'area (15) comprendono un velivolo, in particolare un drone (5).
- 11. Sistema secondo la rivendicazione 9 o 10, in cui detti mezzi di rilievo fotogrammetrico (5, 6) comprendono una fotocamera.
- 12. Sistema secondo una qualsiasi delle rivendicazioni da 9 a 11, in cui detti mezzi di rilevamento posizionale (7) comprendono un dispositivo GPS.
- 13. Sistema secondo una qualsiasi delle rivendicazioni da 9 a 12, in cui detta stazione di elaborazione a computer (12) comprende una serie di istruzioni per elaborare le immagini acquisite, rilevate con procedimenti di computer vision; - definire una immagine da elaborare; - trasformare l’immagine da elaborare in una immagine in uno spazio di colori predefinito.
- 14. Sistema secondo la rivendicazione 13 in cui detto spazio di colori è lo spazio di colori Lab.
- 15. Sistema secondo una qualsiasi delle rivendicazioni da 9 a 14 in cui detta stazione di elaborazione a computer (12) comprende una serie di istruzioni per corrispondente ai valori nello spazio di colori Lab; - creare sei Trackbar per le tre coordinate nel sistema Lab; - attivare di un ciclo “while”, all’interno del quale si individua almeno una caratteristica di interesse, ad esempio una caratteristica negativa; - posizionare delle trackbar secondo detta caratteristica di interesse; - identificare di una soglia di minimo e di una soglia di massimo per ottenere uno shapefile con zone tutte in nero con caratteristiche negative e zone tutte bianche prive delle caratteristiche negative.
- 16. Sistema secondo una qualsiasi delle rivendicazioni da 9 a 15 in cui detta stazione di elaborazione a computer (12) comprende una serie di istruzioni per: - importare pacchetti OpenCV e Numerical Python in Python, oppure di OpenCV se si utilizza Visual Studio.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IT102016000106926A IT201600106926A1 (it) | 2016-10-24 | 2016-10-24 | Procedimento per l'applicazione di almeno un trattamento specifico ad un territorio oggetto di coltivazioni agricole o zone rurali. |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IT102016000106926A IT201600106926A1 (it) | 2016-10-24 | 2016-10-24 | Procedimento per l'applicazione di almeno un trattamento specifico ad un territorio oggetto di coltivazioni agricole o zone rurali. |
Publications (1)
Publication Number | Publication Date |
---|---|
IT201600106926A1 true IT201600106926A1 (it) | 2018-04-24 |
Family
ID=58159420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
IT102016000106926A IT201600106926A1 (it) | 2016-10-24 | 2016-10-24 | Procedimento per l'applicazione di almeno un trattamento specifico ad un territorio oggetto di coltivazioni agricole o zone rurali. |
Country Status (1)
Country | Link |
---|---|
IT (1) | IT201600106926A1 (it) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5467271A (en) * | 1993-12-17 | 1995-11-14 | Trw, Inc. | Mapping and analysis system for precision farming applications |
US5919242A (en) * | 1992-05-14 | 1999-07-06 | Agri-Line Innovations, Inc. | Method and apparatus for prescription application of products to an agricultural field |
US20050149235A1 (en) * | 2002-08-19 | 2005-07-07 | Seal Michael R. | [method and system for spatially variable rate application of agricultural chemicals based on remotely sensed vegetation data] |
WO2014099791A1 (en) * | 2012-12-17 | 2014-06-26 | Precision Planting Llc | Plot placement systems and methods |
DE102013019098B3 (de) * | 2013-11-11 | 2015-01-08 | Hochschule für Technik und Wirtschaft Dresden | System zum Erfassen von Parametern der Umwelt und Umgebung |
-
2016
- 2016-10-24 IT IT102016000106926A patent/IT201600106926A1/it unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5919242A (en) * | 1992-05-14 | 1999-07-06 | Agri-Line Innovations, Inc. | Method and apparatus for prescription application of products to an agricultural field |
US5467271A (en) * | 1993-12-17 | 1995-11-14 | Trw, Inc. | Mapping and analysis system for precision farming applications |
US20050149235A1 (en) * | 2002-08-19 | 2005-07-07 | Seal Michael R. | [method and system for spatially variable rate application of agricultural chemicals based on remotely sensed vegetation data] |
WO2014099791A1 (en) * | 2012-12-17 | 2014-06-26 | Precision Planting Llc | Plot placement systems and methods |
DE102013019098B3 (de) * | 2013-11-11 | 2015-01-08 | Hochschule für Technik und Wirtschaft Dresden | System zum Erfassen von Parametern der Umwelt und Umgebung |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiménez-Brenes et al. | Quantifying pruning impacts on olive tree architecture and annual canopy growth by using UAV-based 3D modelling | |
Marcial-Pablo et al. | Estimation of vegetation fraction using RGB and multispectral images from UAV | |
Duan et al. | Dynamic monitoring of NDVI in wheat agronomy and breeding trials using an unmanned aerial vehicle | |
Torres-Sánchez et al. | High-throughput 3-D monitoring of agricultural-tree plantations with unmanned aerial vehicle (UAV) technology | |
US20180364157A1 (en) | Self-propelled apparatus for optimally analysing and managing fields intended for agricultural cultivation | |
Torres-Sánchez et al. | Multi-temporal mapping of the vegetation fraction in early-season wheat fields using images from UAV | |
US10417753B2 (en) | Location identifying device, location identifying method, and program therefor | |
EP3697686B1 (en) | Unmanned aerial vehicle for agricultural field assessment | |
Gini et al. | UAV photogrammetry: Block triangulation comparisons | |
Sui et al. | Ground-based sensing system for weed mapping in cotton | |
US9098745B2 (en) | Sampling position-fixing system | |
US11270112B2 (en) | Systems and methods for rating vegetation health and biomass from remotely sensed morphological and radiometric data | |
JP7081536B2 (ja) | 作物の倒伏リスク診断に用いる生育パラメータの測定推奨スポット提示方法、倒伏リスク診断方法、および情報提供装置 | |
CN113029971A (zh) | 一种作物冠层氮素监测方法及系统 | |
US20230049590A1 (en) | Method and system for automated plant image labeling | |
IT201600106926A1 (it) | Procedimento per l'applicazione di almeno un trattamento specifico ad un territorio oggetto di coltivazioni agricole o zone rurali. | |
US20220172306A1 (en) | Automated mobile field scouting sensor data and image classification devices | |
Wang et al. | Implementation of drone system in survey for tomato chlorotic spot virus | |
Hoffmann et al. | From UAS Data Acquisition to Actionable Information–How an End-to-End Solution Helps Oil Palm Plantation Operators to Perform a More Sustainable Plantation Management | |
Khairunniza-Bejo et al. | Basal Stem Rot (BSR) detection using textural analysis of Unmanned Aerial Vehicle (UAV) image | |
Bulanon et al. | Apple orchard monitoring using aerial multispectral imaging | |
Lozano et al. | Detection and Monitoring of Alien Weeds Using Unmanned Aerial Vehicle in Agricultural Systems in Sardinia (Italy) | |
EP4125319A1 (en) | Method, vehicle, and system for crop seed planting management | |
Găgeanu et al. | Method for determining the vegetation state of crops through aerial mapping using an agricultural drone. | |
de Oliveira Campos et al. | THE COFFEE NDVI MODELING USING BUILT-IN RGB PASSIVE SENSOR IN UAS |