JP2013145507A - 画像解析システム、及び方法 - Google Patents
画像解析システム、及び方法 Download PDFInfo
- Publication number
- JP2013145507A JP2013145507A JP2012006209A JP2012006209A JP2013145507A JP 2013145507 A JP2013145507 A JP 2013145507A JP 2012006209 A JP2012006209 A JP 2012006209A JP 2012006209 A JP2012006209 A JP 2012006209A JP 2013145507 A JP2013145507 A JP 2013145507A
- Authority
- JP
- Japan
- Prior art keywords
- image
- crop
- pseudo
- analyzed
- image analysis
- 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.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【解決手段】 画像解析サーバ100は、対象とする作物の植付け間隔と成長パターンをパラメータセットとして、対象とする作物の画像から得られる特徴量を推定する。推定の手法の一つとして、擬似画像生成部111で、対象とする作物の植付け間隔と、作物の成長パターンをパラメータセットとして、複数の擬似画像を生成し、最適テンプレート選択部112で、解析対象の画像の各領域に対して複数の擬似画像から最も適合度の高い擬似画像を選択し、特徴量抽出部113で、最も適合度の高い擬似画像の情報を用いて、各領域から対象とする作物の特徴量を抽出する。
【選択図】 図1
Description
図14は、本実施例の画像解析システム、画像解析サーバ100の全体フローの一例を示す。まず解析対象となる画像の撮影範囲と撮影時期の情報を用いて、その地域でその時期に栽培されている可能性のある作物のパターンIDをリストアップする(S1401)。衛星画像は通常撮影範囲と撮影時期の情報が含まれた形で提供されているため、このステップはパターンIDを限定する上で重要である。航空画像に関しても、航空機にGPS(Global Positioning System)やジャイロが搭載されている場合、航空機の位置と姿勢から、撮影された画像を地図上に投影できる。
まず、作付テーブル203から、パターンIDに該当する作付パラメータ(作物の品種ID、畝間や株間などの植付け間隔、格子フラグ)を取得する(S1601)。
擬似画像を生成する際には、解析対象と解像度を一致させて生成する必要がある。この際、解像度が大きい(粗い)と、一定間隔で植えられた作物1つ1つを判別することができなくなり、1ピクセルが作物と土壌が混合した状態を表現することになり、作物の空間的な配置情報は失われ、作物の被覆率によるスペクトルの混合比率が主な情報となる。一方で、航空画像、特に無人飛行機で撮影した航空画像については解像度が小さく(細かく)、作物の空間的な配置情報を含んだ形で擬似画像を生成することができる。そこで、まず解析対象の画像の解像度に基づいて処理を分ける(S1701)。ここでは閾値として、例えば50cmを設定する。これによって現在民間利用可能な衛星画像を解析対象とする場合は、S1702以降のステップが使われ、航空機や無人航空機で撮影された画像の場合は、ほとんどの場合S1704以降のステップが使われることになる。なお、上述の作物の空間的な配置情報や、作物の被覆率によるスペクトルの混合比率情報が、擬似画像の情報となる。
格子フラグがtrue(真)の場合は、土壌スペクトルをバンドセットデータで平均化したスペクトルを用いて背景画像を生成する(S1705)。背景画像のサイズは例えば2m×2mとし、例えば1cm解像度で生成する。この場合、200pixel×200pixelの画像となる。生成される画像はバンドセットの数と同じレイヤー(チャンネル、バンドとも呼ぶ)を持ち、第Nレイヤーの全ての画素値は、上記土壌スペクトルの第N番目の値となる。
以上によって、格子フラグがtrueだった場合について、格子状の疑似画像が作成される。
まず、図18のフローが開始される時点で、パターンIDリストには擬似画像を生成した全てのパターンIDが記録されていることを述べておく。
最適テンプレート探索は、ポリゴン情報の有無により大きく処理が異なるので有無を確認する(S1801)。ポリゴン情報が無い場合、対象画像全領域に対して処理を行う必要が出てくる。以下に処理内容を説明する。
解像度が閾値より大きく、粗い場合、擬似画像は混合スペクトルを持つ1pixel画像となるため、解析対象画像と擬似画像との適合度はスペクトル距離のみで決定される。スペクトル距離を計算する上で、考慮しなければならないのは、擬似画像で用いられているスペクトルは、例えば反射率で記録されており、直接解析対象の画素値と比較することができないことである。
解像度が閾値以上で粗い場合は、ポリゴン内で、ポリゴン境界から閾値以上距離がある領域(以下、領域Cと呼ぶ)の全ピクセルに対して、パターンIDリストに含まれる全パターンIDの中央画像スペクトルを用いてスペクトル距離を算出し、各ピクセルに対して最も距離が近いパターンIDを決定する(S1905)。ポリゴン境界からの距離を考慮しているのは、作物が一様に植えつけられている領域のみを処理対象にするためである。これによって、スペクトル距離を算出する対象を中央画像スペクトルに限定することができ、処理速度の向上と、安定したパターンID決定精度を得ることができる。
これによって、圃場ポリゴン内の全てのピクセルがただ一つのパターンIDに対応付けられ、各ピクセルは、中央・1/3・2/3・土壌のいずれかの画像スペクトルに対応づけられる。
まず、格子フラグによって用いるテンプレートが変わるため、処理を振り分ける(S1909)。
以上によって、各ポリゴン領域ごとに圃場特徴量を算出することができる。
まず解析対象の解像度で処理を振り分ける(S2301)。
以上によって、本発明の実施例によって、解析対象の画像から、精度良く植物の特徴量が抽出できることが示せた。
101 端末
102 ネットワーク
103 データ通信バス
104 制御部
105 入力部
106 表示部
107 通信部
108 植生DB編集部
109 植生DB
110 パターンリスト生成部
111 擬似画像生成部
112 最適テンプレート選択部
113 特徴量抽出部
114 画像DB
115 制御部
116 入力部
117 表示部
118 通信部
201 エリアテーブル
202 地域作付テーブル
203 作付テーブル
204 作物テーブル
205 スペクトルテーブル
206 土壌スペクトルテーブル
207 バンドセットテーブル
208 成長テーブル
209 圃場ポリゴンテーブル
210 圃場作付テーブル
700 スペクトルパターン
Claims (15)
- 処理部を備え、画像を解析して作物の特徴量を抽出する画像解析システムであって、
前記処理部は、
解析対象とする1つもしくは複数の作物の植付け間隔と、作物のスペクトルもしくは作物の半径を含む成長パターンをパラメータとして、解析対象とする前記画像の各領域から、解析対象とする前記作物の特徴量を抽出する
ことを特徴とする画像解析システム。 - 請求項1に記載の画像解析システムであって、
前記処理部は、
前記パラメータを用いて複数の擬似画像を生成し、解析対象の前記画像の各領域に対して、複数の前記擬似画像から最も適合度の高い擬似画像を選択し、選択した最も適合度の高い前記擬似画像の情報を用いて、解析対象とする前記作物の特徴量を抽出する
ことを特徴とする画像解析システム。 - 請求項1に記載の画像解析システムであって、
前記処理部は、
解析対象とする前記画像の撮影範囲もしくは、及び撮影時期によって、前記作物の特徴量を抽出するために利用する複数の前記パラメータを限定する
ことを特徴とする画像解析システム。 - 請求項2に記載の画像解析システムであって、
前記処理部は、
解析対象とする前記画像の解像度、バンド数に応じて、生成する前記擬似画像の解像度、バンド数を変更する
ことを特徴とする画像解析システム。 - 請求項1に記載の画像解析システムであって、
前記処理部は、
前記パラメータとして、前記作物の植付け状態が縦横方向に揃った格子状になっているかどうかを表す格子フラグを更に用いる
ことを特徴とする画像解析システム。 - 請求項2に記載の画像解析システムであって、
前記処理部は、
解析対象とする前記画像の解像度が所定の閾値以上の場合、前記作物の被覆率によるスペクトルの混合比率を前記擬似画像の情報とする
ことを特徴とする画像解析システム。 - 請求項5に記載の画像解析システムであって、
前記処理部は、
前記パラメータを用いて複数の擬似画像を生成し、解析対象の前記画像の各領域に対して、複数の前記擬似画像から最も適合度の高い擬似画像を選択し、選択した最も適合度の高い前記擬似画像の情報を用いて、解析対象とする前記作物の特徴量を抽出する
ことを特徴とする画像解析システム。 - 請求項7に記載の画像解析システムであって、
前記処理部は、
解析対象とする前記画像の解像度が、所定の閾値以上の場合、前記作物の被覆率に基づく混合スペクトルを前記擬似画像の情報とする
ことを特徴とする画像解析システム。 - 請求項7に記載の画像解析システムであって、
解析対象とする前記画像の解像度が、所定の閾値未満の場合、土壌スペクトルをバンドセットデータで平均化したスペクトルで、前記擬似画像の背景画像を生成する
ことを特徴とする画像解析システム。 - 請求項7に記載の画像解析システムであって、
解析対象とする前記画像の解像度が、所定の閾値未満の場合、前記格子フラグの値に基づき、前記擬似画像を格子画像あるいは直列画像として生成する
ことを特徴とする画像解析システム。 - 画像を解析して作物の特徴量を抽出する処理部による画像解析方法であって、
前記処理部は、
解析対象とする1つもしくは複数の作物の植付け間隔と、作物の成長パターンをパラメータとして、解析対象とする前記画像の各領域から、解析対象とする前記作物の特徴量を抽出する
ことを特徴とする画像解析方法。 - 請求項11に記載の画像解析方法であって、
前記処理部は、
前記パラメータを用いて複数の擬似画像を生成し、解析対象の前記画像の各領域に対して、複数の前記擬似画像から最も適合度の高い擬似画像を選択し、選択した最も適合度の高い前記擬似画像の情報を用いて、解析対象とする前記作物の特徴量を抽出する
ことを特徴とする画像解析方法。 - 請求項11に記載の画像解析方法であって、
前記処理部は、
解析対象とする前記画像の撮影範囲もしくは、及び撮影時期によって、前記作物の特徴量を抽出するために利用する複数の前記パラメータを限定する
ことを特徴とする画像解析方法。 - 請求項11に記載の画像解析方法であって、
前記処理部は、
前記パラメータとして、前記作物の植付け状態が縦横方向に揃った格子状になっているかどうかを表す格子フラグを更に用いる
ことを特徴とする画像解析方法。 - 請求項12に記載の画像解析システムであって、
前記処理部は、
解析対象とする前記画像の解像度、バンド数に応じて、生成する前記擬似画像の解像度、バンド数を変更する
ことを特徴とする画像解析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012006209A JP5886054B2 (ja) | 2012-01-16 | 2012-01-16 | 画像解析システム、及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012006209A JP5886054B2 (ja) | 2012-01-16 | 2012-01-16 | 画像解析システム、及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013145507A true JP2013145507A (ja) | 2013-07-25 |
JP5886054B2 JP5886054B2 (ja) | 2016-03-16 |
Family
ID=49041256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012006209A Expired - Fee Related JP5886054B2 (ja) | 2012-01-16 | 2012-01-16 | 画像解析システム、及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5886054B2 (ja) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014182516A (ja) * | 2013-03-18 | 2014-09-29 | Fujitsu Ltd | 樹種識別装置及び樹種識別方法 |
JP2015043707A (ja) * | 2013-08-27 | 2015-03-12 | 富士通株式会社 | 作物判別装置、作物判別プログラム及び作物判別方法 |
WO2015145764A1 (ja) * | 2014-03-28 | 2015-10-01 | 株式会社日立製作所 | 画像生成システム及び画像生成方法 |
CN104956907A (zh) * | 2015-07-26 | 2015-10-07 | 黑龙江超前农业科技开发有限公司 | 北斗导航环球冬麦卫星区划拓展及绿色雪麦防火带 |
JP2016123369A (ja) * | 2015-01-06 | 2016-07-11 | 株式会社日立製作所 | 植物成長分析システム、及び植物成長分析方法 |
JP2018046787A (ja) * | 2016-09-23 | 2018-03-29 | ドローン・ジャパン株式会社 | 農業管理予測システム、農業管理予測方法、及びサーバ装置 |
JP2020197507A (ja) * | 2019-06-05 | 2020-12-10 | 野崎 眞次 | 精密農業支援システムおよび精密農業支援方法 |
CN112400688A (zh) * | 2014-03-04 | 2021-02-26 | 绿玛瑙有限公司 | 用于栽培和分布水生生物的系统和方法 |
US11191219B2 (en) * | 2015-06-30 | 2021-12-07 | The Climate Corporation | Systems and methods for image capture and analysis of agricultural fields |
WO2022011461A1 (en) * | 2020-07-14 | 2022-01-20 | Farmers Edge Inc. | Field image correlation differential change detection & alerting system |
WO2023027197A1 (en) | 2021-08-24 | 2023-03-02 | Bayer Cropscience K.K. | System, information processing device, server device, program, or method |
EP4145270A1 (en) | 2021-09-03 | 2023-03-08 | Bayer CropScience K.K. | System, information processing device, server device, program, or method |
JP7394458B2 (ja) | 2020-05-29 | 2023-12-08 | 国立研究開発法人農業・食品産業技術総合研究機構 | 推定装置、推定方法、及びプログラム |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101934961B1 (ko) * | 2017-09-29 | 2019-04-05 | 주식회사 그린랩스 | 단말기를 이용한 수익성 예측 방법 및 수익성 예측 장치 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003006612A (ja) * | 2001-06-20 | 2003-01-10 | Ntt Data Corp | 収穫予測装置及び方法 |
JP2003102275A (ja) * | 2001-09-28 | 2003-04-08 | National Agricultural Research Organization | 作物位置検出のためのアルゴリズム |
JP2003339238A (ja) * | 2002-05-28 | 2003-12-02 | Satake Corp | 作物の生育診断方法及びその装置 |
-
2012
- 2012-01-16 JP JP2012006209A patent/JP5886054B2/ja not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003006612A (ja) * | 2001-06-20 | 2003-01-10 | Ntt Data Corp | 収穫予測装置及び方法 |
JP2003102275A (ja) * | 2001-09-28 | 2003-04-08 | National Agricultural Research Organization | 作物位置検出のためのアルゴリズム |
JP2003339238A (ja) * | 2002-05-28 | 2003-12-02 | Satake Corp | 作物の生育診断方法及びその装置 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014182516A (ja) * | 2013-03-18 | 2014-09-29 | Fujitsu Ltd | 樹種識別装置及び樹種識別方法 |
JP2015043707A (ja) * | 2013-08-27 | 2015-03-12 | 富士通株式会社 | 作物判別装置、作物判別プログラム及び作物判別方法 |
CN112400688A (zh) * | 2014-03-04 | 2021-02-26 | 绿玛瑙有限公司 | 用于栽培和分布水生生物的系统和方法 |
WO2015145764A1 (ja) * | 2014-03-28 | 2015-10-01 | 株式会社日立製作所 | 画像生成システム及び画像生成方法 |
JP6082162B2 (ja) * | 2014-03-28 | 2017-02-15 | 株式会社日立製作所 | 画像生成システム及び画像生成方法 |
JPWO2015145764A1 (ja) * | 2014-03-28 | 2017-04-13 | 株式会社日立製作所 | 画像生成システム及び画像生成方法 |
JP2016123369A (ja) * | 2015-01-06 | 2016-07-11 | 株式会社日立製作所 | 植物成長分析システム、及び植物成長分析方法 |
AU2021218100B2 (en) * | 2015-06-30 | 2023-08-10 | Climate Llc | Systems and methods for image capture and analysis of agricultural fields |
US11191219B2 (en) * | 2015-06-30 | 2021-12-07 | The Climate Corporation | Systems and methods for image capture and analysis of agricultural fields |
US11944043B2 (en) | 2015-06-30 | 2024-04-02 | Climate Llc | Systems and methods for image capture and analysis of agricultural fields |
CN104956907A (zh) * | 2015-07-26 | 2015-10-07 | 黑龙江超前农业科技开发有限公司 | 北斗导航环球冬麦卫星区划拓展及绿色雪麦防火带 |
JP2018046787A (ja) * | 2016-09-23 | 2018-03-29 | ドローン・ジャパン株式会社 | 農業管理予測システム、農業管理予測方法、及びサーバ装置 |
JP2020197507A (ja) * | 2019-06-05 | 2020-12-10 | 野崎 眞次 | 精密農業支援システムおよび精密農業支援方法 |
US11519892B2 (en) | 2019-06-05 | 2022-12-06 | Shinji Nozaki | Precision agriculture support system and precision agriculture support method |
JP7394458B2 (ja) | 2020-05-29 | 2023-12-08 | 国立研究開発法人農業・食品産業技術総合研究機構 | 推定装置、推定方法、及びプログラム |
US11721097B2 (en) | 2020-07-14 | 2023-08-08 | Farmers Edge Inc. | Field image correlation differential change detection and alerting system |
WO2022011461A1 (en) * | 2020-07-14 | 2022-01-20 | Farmers Edge Inc. | Field image correlation differential change detection & alerting system |
WO2023027197A1 (en) | 2021-08-24 | 2023-03-02 | Bayer Cropscience K.K. | System, information processing device, server device, program, or method |
EP4145270A1 (en) | 2021-09-03 | 2023-03-08 | Bayer CropScience K.K. | System, information processing device, server device, program, or method |
Also Published As
Publication number | Publication date |
---|---|
JP5886054B2 (ja) | 2016-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5886054B2 (ja) | 画像解析システム、及び方法 | |
Fawcett et al. | Unmanned aerial vehicle (UAV) derived structure-from-motion photogrammetry point clouds for oil palm (Elaeis guineensis) canopy segmentation and height estimation | |
Goodbody et al. | Digital aerial photogrammetry for updating area-based forest inventories: A review of opportunities, challenges, and future directions | |
Maponya et al. | Pre-harvest classification of crop types using a Sentinel-2 time-series and machine learning | |
Maus et al. | dtwsat: Time-weighted dynamic time warping for satellite image time series analysis in r | |
Maselli et al. | Estimation of Mediterranean forest attributes by the application of k‐NN procedures to multitemporal Landsat ETM+ images | |
De Wit et al. | Efficiency and accuracy of per-field classification for operational crop mapping | |
Pitt et al. | A comparison of point clouds derived from stereo imagery and airborne laser scanning for the area-based estimation of forest inventory attributes in boreal Ontario | |
WO2022057319A1 (zh) | 基于云平台的耦合主被动遥感影像的大蒜作物识别方法 | |
Hartling et al. | Urban tree species classification using UAV-based multi-sensor data fusion and machine learning | |
Tottrup | Improving tropical forest mapping using multi-date Landsat TM data and pre-classification image smoothing | |
Jin et al. | High-throughput measurements of stem characteristics to estimate ear density and above-ground biomass | |
Noordermeer et al. | Predicting and mapping site index in operational forest inventories using bitemporal airborne laser scanner data | |
JP6273473B2 (ja) | 森林情報管理装置 | |
CA2656595A1 (en) | Remote sensing and probabilistic sampling based forest inventory method | |
JP6685856B2 (ja) | 農作業計画支援装置及び農作業計画支援方法 | |
Joy et al. | A non-parametric, supervised classification of vegetation types on the Kaibab National Forest using decision trees | |
Latifi et al. | Object-based extraction of bark beetle (Ips typographus L.) infestations using multi-date LANDSAT and SPOT satellite imagery | |
Korhonen et al. | Detection of the need for seedling stand tending using high-resolution remote sensing data | |
Gandharum et al. | Remote sensing versus the area sampling frame method in paddy rice acreage estimation in Indramayu regency, West Java province, Indonesia | |
Madsen et al. | Detecting shrub encroachment in seminatural grasslands using UAS LiDAR | |
Hao et al. | Early-season crop mapping using improved artificial immune network (IAIN) and Sentinel data | |
Schumacher et al. | Wall-to-wall tree type classification using airborne lidar data and CIR images | |
Zhou et al. | Comparative Evaluation of a Newly Developed Trunk-Based Tree Detection/Localization Strategy on Leaf-Off LiDAR Point Clouds with Varying Characteristics | |
Thomas et al. | Impacts of abrupt terrain changes and grass cover on vertical accuracy of UAS-SfM derived elevation models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20140908 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141106 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150716 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150728 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150826 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160126 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160210 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5886054 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |