JP7345583B2 - 画像における作物タイプ分類 - Google Patents
画像における作物タイプ分類 Download PDFInfo
- Publication number
- JP7345583B2 JP7345583B2 JP2022030570A JP2022030570A JP7345583B2 JP 7345583 B2 JP7345583 B2 JP 7345583B2 JP 2022030570 A JP2022030570 A JP 2022030570A JP 2022030570 A JP2022030570 A JP 2022030570A JP 7345583 B2 JP7345583 B2 JP 7345583B2
- Authority
- JP
- Japan
- Prior art keywords
- crop
- image
- images
- type classification
- specific locations
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 claims description 74
- 238000010801 machine learning Methods 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 description 41
- 230000008569 process Effects 0.000 description 22
- 238000012549 training Methods 0.000 description 21
- 238000001914 filtration Methods 0.000 description 15
- 230000007246 mechanism Effects 0.000 description 9
- 244000068988 Glycine max Species 0.000 description 6
- 235000010469 Glycine max Nutrition 0.000 description 6
- 240000008042 Zea mays Species 0.000 description 6
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 6
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 6
- 238000013145 classification model Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 235000005822 corn Nutrition 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 235000009754 Vitis X bourquina Nutrition 0.000 description 3
- 235000012333 Vitis X labruscana Nutrition 0.000 description 3
- 240000006365 Vitis vinifera Species 0.000 description 3
- 235000014787 Vitis vinifera Nutrition 0.000 description 3
- 239000003337 fertilizer Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003306 harvesting Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 238000012272 crop production Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241000209504 Poaceae Species 0.000 description 1
- 241000576755 Sclerotia Species 0.000 description 1
- 240000006394 Sorghum bicolor Species 0.000 description 1
- 235000011684 Sorghum saccharatum Nutrition 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development 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
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 235000021374 legumes Nutrition 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/77—Determining position or orientation of objects or cameras using statistical methods
-
- 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
- G06V10/30—Noise filtering
-
- 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
- G06V10/443—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 by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- 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
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Remote Sensing (AREA)
- Biodiversity & Conservation Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Astronomy & Astrophysics (AREA)
Description
[0001] 本出願は、2018年1月23日に出願された米国仮特許出願第62/620,939号に対する優先権を主張し、その開示は、その全体が参照により本明細書に組み込まれる。
Claims (19)
- コンピューティングデバイスによって、1つ以上の検索パラメータを含む入力を受信することと、
前記コンピューティングデバイスによって、地理的地域の一部分を描写する作物表示画像を提示することであって、前記地理的地域の前記一部分は、前記1つ以上の検索パラメータに基づいて選択され、前記作物表示画像は、特定の位置に対して判定された作物タイプ分類の表示がオーバーレイされた、前記地理的地域と関連付けられた画像セットのうちの少なくとも1つの画像を含み、前記特定の位置は、前記少なくとも1つの画像に描写されている、提示することと
を含む方法であって、前記少なくとも1つの画像に描写されている前記特定の位置に対して判定される前記作物タイプ分類は、
前記地理的地域及び期間と関連付けられた複数の画像セットを取得することであって、前記複数の画像セットの各画像セットは、前記期間中の前記地理的地域のそれぞれの特定の部分を描写する多スペクトル及び時系列の画像を含む、取得することと、
前記複数の画像セットのうちのある画像セットと関連付けられた前記地理的地域の前記特定の部分内の特定の位置の各々で生育する1つ以上の作物タイプを予測することと、
前記それぞれの特定の位置に対して前記予測された1つ以上の作物タイプに基づいて、前記特定の位置の各々に対する作物タイプ分類を判定することと
によって判定され、前記特定の位置の各々に対する前記作物タイプ分類を判定することは、
前記それぞれの特定の位置に対して予測された前記作物タイプが、優位な多数であると予測された作物タイプを含むとの判定に応答して、前記優位な多数であると予測された作物タイプを前記作物タイプ分類として選択することと、
前記それぞれの特定の位置に対して予測された前記作物タイプが、優位な多数であると予測された作物タイプを含まないとの判定に応答して、
前記それぞれの特定の位置を複数のサブ特定の位置に分割することと、
各それぞれのサブ特定の位置を、前記特定の位置に対して予測された前記作物タイプのそれぞれの作物タイプとして分類することと
を含む、方法。 - ユーザインターフェースを提供することであって、前記ユーザインターフェースを介して、ユーザにより手動で作物タイプ分類を変更することが可能である、提供することと、
前記ユーザから、作物タイプ分類の変更を受信することと、
前記作物タイプ分類の変更を用いて、前記少なくとも1つの画像及び前記作物タイプ分類を格納するデータベースを更新することと
をさらに含む、請求項1に記載の方法。 - 前記特定の位置の各々で生育する前記1つ以上の作物タイプを予測することは、
前記特定の位置における作物の存在を予測することと、
前記特定の位置における前記作物の前記予測された存在に基づいて、前記地理的地域の前記特定の部分内の作物境界位置を判定することと、
前記判定された作物境界位置の各々内で生育する前記1つ以上の作物タイプを予測することと、を含む、請求項1に記載の方法。 - 前記コンピューティングデバイスによって、前記それぞれの特定の位置に対して判定された前記作物タイプ分類に基づいて、前記特定の位置の各々に対する作物収量の推定値を提示することをさらに含む、請求項1に記載の方法。
- 前記コンピューティングデバイスによって、前記それぞれの特定の位置に対して判定された前記作物タイプ分類に基づいて、前記特定の位置の各々に対する作物管理手法に関する案内を提示することをさらに含む、請求項1に記載の方法。
- 前記特定の位置の各々に対して前記作物タイプ分類を判定することは、前記特定の位置の各々に対して、サブメートル地上分解能で前記作物タイプ分類を判定することを含む、請求項1に記載の方法。
- 前記特定の位置の各々で生育する前記1つ以上の作物タイプを予測することは、前記画像セットを1つ以上の機械学習システム又は畳み込みニューラルネットワーク(CNN)に適用することを含む、請求項1に記載の方法。
- 前記1つ以上の機械学習システム又はCNNは、グラウンドトゥルースデータにおける教師あり学習の後に、前記特定の位置の各々で生育する前記1つ以上の作物タイプを予測するように構成されている、請求項7に記載の方法。
- 前記グラウンドトゥルースデータは、政府の作物データ、公的に入手可能な作物データ、低地上分解能で識別された作物エリアを伴う画像、低地上分解能で識別された作物タイプを伴う画像、手動で識別された作物境界を伴う画像、手動で識別された作物境界及び作物タイプを伴う画像、作物調査データ、サンプリングされた作物データ、並びに農家のレポートのうちの1つ以上を含む、請求項8に記載の方法。
- 前記特定の位置の各々で生育する前記1つ以上の作物タイプを予測することは、前記特定の位置の各々に対して、前記それぞれの特定の位置と関連付けられた画素の経時変化について前記時系列の画像を分析することを含み、前記画素の特定の変化パターンは、少なくとも1つの作物タイプと関連付けられている、請求項1に記載の方法。
- 1つ以上の非一時的コンピュータ可読記憶媒体であって、装置の1つ以上のプロセッサによる実行に応答して、前記装置に
1つ以上の検索パラメータを含む入力を受信することと、
地理的地域の一部分を描写する作物表示画像を提示することであって、前記地理的地域の前記一部分は、前記1つ以上の検索パラメータに基づいて選択され、前記作物表示画像は、特定の位置に対して判定された作物タイプ分類の表示がオーバーレイされた、前記地理的地域と関連付けられた画像セットのうちの少なくとも1つの画像を含み、前記特定の位置は、前記少なくとも1つの画像に描写されている、提示することと
を実行させる複数の命令を備え、前記少なくとも1つの画像に描写されている前記特定の位置に対して判定された前記作物タイプ分類は、
前記地理的地域及び期間と関連付けられた複数の画像セットを取得することであって、前記複数の画像セットの各画像セットは、前記期間中の前記地理的地域のそれぞれの特定の部分を描写する多スペクトル及び時系列の画像を含む、取得することと、
前記複数の画像セットのうちのある画像セットと関連付けられた前記地理的地域の前記特定の部分内の特定の位置の各々で生育する1つ以上の作物タイプを予測することと、
前記それぞれの特定の位置に対して前記予測された1つ以上の作物タイプに基づいて、前記特定の位置の各々に対する作物タイプ分類を判定することと
によって判定され、
前記特定の位置の各々で生育する前記1つ以上の作物タイプを予測することは、前記画像セットを1つ以上の機械学習システムに適用することを含み、前記1つ以上の機械学習システムは、畳み込みニューラルネットワーク(CNN)を含み、
前記1つ以上の機械学習システムは、グラウンドトゥルースデータにおける教師あり学習の後に、前記特定の位置の各々で生育する前記1つ以上の作物タイプを予測するように構成され、
前記特定の位置の各々に対する前記作物タイプ分類を判定することは、
前記特定の位置の各々に対して、優位な多数であると予測された作物タイプが存在しない場合、前記それぞれの特定の位置を複数のサブ特定の位置に分割し、かつ前記複数のサブ特定の位置の前記それぞれのサブ特定の位置の各々を、前記特定の位置に対して予測された前記作物タイプのそれぞれの作物タイプとして分類することを含む、コンピュータ可読記憶媒体。 - 前記命令はさらに、前記装置に、
ユーザインターフェースを提供することであって、前記ユーザインターフェースを介して、ユーザにより手動で作物タイプ分類を変更することが可能である、提供することと、
前記ユーザから、作物タイプ分類の変更を受信することと、
前記作物タイプ分類の変更を用いて、前記少なくとも1つの画像及び前記作物タイプ分類を格納するデータベースを更新することと
を実行させる、請求項11に記載のコンピュータ可読記憶媒体。 - 前記特定の位置の各々で生育する前記1つ以上の作物タイプを予測することは、
前記特定の位置における作物の存在を予測することと、
前記特定の位置における前記作物の前記予測された存在に基づいて、前記地理的地域の前記特定の部分内の作物境界位置を判定することと、
前記判定された作物境界位置の各々内で生育する前記1つ以上の作物タイプを予測することと、を含む、請求項11に記載のコンピュータ可読記憶媒体。 - 前記特定の位置の各々に対する前記作物タイプ分類を判定することは、前記特定の位置の各々に対して、前記それぞれの特定の位置に対して予測された前記作物タイプから、前記優位な多数であると予測された作物タイプを選択することを含み、前記優位な多数であると予測された作物タイプは、前記作物タイプ分類である、請求項11に記載のコンピュータ可読記憶媒体。
- 前記特定の位置の各々に対して前記作物タイプ分類を判定することは、前記特定の位置の各々に対して、サブメートル地上分解能で前記作物タイプ分類を判定することを含む、請求項11に記載のコンピュータ可読記憶媒体。
- 前記グラウンドトゥルースデータは、政府の作物データ、公的に入手可能な作物データ、低地上分解能で識別された作物エリアを伴う画像、低地上分解能で識別された作物タイプを伴う画像、手動で識別された作物境界を伴う画像、手動で識別された作物境界及び作物タイプを伴う画像、作物調査データ、サンプリングされた作物データ、並びに農家のレポートのうちの1つ以上を含む、請求項11に記載のコンピュータ可読記憶媒体。
- 1つ以上の非一時的コンピュータ可読記憶媒体であって、装置の1つ以上のプロセッサによる実行に応答して、前記装置に
1つ以上の検索パラメータを含む入力を受信することと、
地理的地域の一部分を描写する作物表示画像を提示することであって、前記地理的地域の前記一部分は、前記1つ以上の検索パラメータに基づいて選択され、前記作物表示画像は、特定の位置に対して判定された作物タイプ分類の表示がオーバーレイされた、前記地理的地域と関連付けられた画像セットのうちの少なくとも1つの画像を含み、前記特定の位置は、前記少なくとも1つの画像に描写されている、提示することと
を実行させる複数の命令を備え、前記少なくとも1つの画像に描写されている前記特定の位置に対して判定された前記作物タイプ分類は、
前記地理的地域及び期間と関連付けられた複数の画像セットを取得することであって、前記複数の画像セットの各画像セットは、前記期間中の前記地理的地域のそれぞれの特定の部分を描写する多スペクトル及び時系列の画像を含む、取得することと、
前記複数の画像セットのうちのある画像セットと関連付けられた前記地理的地域の前記特定の部分内の特定の位置の各々で生育する1つ以上の作物タイプを予測することと、
前記それぞれの特定の位置に対して前記予測された1つ以上の作物タイプに基づいて、前記特定の位置の各々に対する作物タイプ分類を判定することと
によって判定され、
前記特定の位置の各々で生育する前記1つ以上の作物タイプを予測することは、前記画像セットを1つ以上の機械学習システムに適用することを含み、前記1つ以上の機械学習システムは、畳み込みニューラルネットワーク(CNN)を含み、
前記1つ以上の機械学習システムは、グラウンドトゥルースデータにおける教師あり学習の後に、前記特定の位置の各々で生育する前記1つ以上の作物タイプを予測するように構成され、
前記画像セットのうちの第1の画像の第1の分解能は、前記画像セットのうちの第2の画像の第2の分解能とは異なり、前記第1の分解能は、前記作物表示画像の第3の分解能よりも低く、前記グラウンドトゥルースデータの少なくとも一部分の第4の分解能は、前記作物表示画像の前記第3の分解能よりも低い、コンピュータ可読記憶媒体。 - 前記特定の位置の各々で生育する前記1つ以上の作物タイプを予測することは、前記特定の位置の各々に対して、前記それぞれの特定の位置と関連付けられた画素の経時変化について前記時系列の画像を分析することを含み、前記画素の特定の変化パターンは、少なくとも1つの作物タイプと関連付けられている、請求項11に記載のコンピュータ可読記憶媒体。
- 前記命令はさらに、前記装置に、前記それぞれの特定の位置に対して判定された前記作物タイプ分類に基づいて、前記特定の位置の各々に対する作物収量の推定値を提示すること、又は、前記それぞれの特定の位置に対して判定された前記作物タイプ分類に基づいて、前記特定の位置の各々に対する作物管理手法に関する案内を提示することを実行させる、請求項11に記載のコンピュータ可読記憶媒体。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862620939P | 2018-01-23 | 2018-01-23 | |
US62/620,939 | 2018-01-23 | ||
US16/218,305 US10909368B2 (en) | 2018-01-23 | 2018-12-12 | Crop type classification in images |
US16/218,305 | 2018-12-12 | ||
JP2020539853A JP7034304B2 (ja) | 2018-01-23 | 2019-01-15 | 画像における作物タイプ分類 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020539853A Division JP7034304B2 (ja) | 2018-01-23 | 2019-01-15 | 画像における作物タイプ分類 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022084655A JP2022084655A (ja) | 2022-06-07 |
JP7345583B2 true JP7345583B2 (ja) | 2023-09-15 |
Family
ID=67298690
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020539853A Active JP7034304B2 (ja) | 2018-01-23 | 2019-01-15 | 画像における作物タイプ分類 |
JP2022030570A Active JP7345583B2 (ja) | 2018-01-23 | 2022-03-01 | 画像における作物タイプ分類 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020539853A Active JP7034304B2 (ja) | 2018-01-23 | 2019-01-15 | 画像における作物タイプ分類 |
Country Status (7)
Country | Link |
---|---|
US (2) | US10909368B2 (ja) |
EP (1) | EP3743876A4 (ja) |
JP (2) | JP7034304B2 (ja) |
CN (2) | CN115731414A (ja) |
BR (1) | BR112020014942A2 (ja) |
CA (1) | CA3088641C (ja) |
WO (1) | WO2019147439A1 (ja) |
Families Citing this family (95)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10445877B2 (en) | 2016-12-30 | 2019-10-15 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
US10664702B2 (en) | 2016-12-30 | 2020-05-26 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
US10586105B2 (en) * | 2016-12-30 | 2020-03-10 | International Business Machines Corporation | Method and system for crop type identification using satellite observation and weather data |
WO2018176000A1 (en) | 2017-03-23 | 2018-09-27 | DeepScale, Inc. | Data synthesis for autonomous control systems |
US10671349B2 (en) | 2017-07-24 | 2020-06-02 | Tesla, Inc. | Accelerated mathematical engine |
US11157441B2 (en) | 2017-07-24 | 2021-10-26 | Tesla, Inc. | Computational array microprocessor system using non-consecutive data formatting |
US11409692B2 (en) | 2017-07-24 | 2022-08-09 | Tesla, Inc. | Vector computational unit |
US11893393B2 (en) | 2017-07-24 | 2024-02-06 | Tesla, Inc. | Computational array microprocessor system with hardware arbiter managing memory requests |
US11263707B2 (en) * | 2017-08-08 | 2022-03-01 | Indigo Ag, Inc. | Machine learning in agricultural planting, growing, and harvesting contexts |
US10909368B2 (en) * | 2018-01-23 | 2021-02-02 | X Development Llc | Crop type classification in images |
US10621434B2 (en) * | 2018-01-25 | 2020-04-14 | International Business Machines Corporation | Identification and localization of anomalous crop health patterns |
US11561791B2 (en) | 2018-02-01 | 2023-01-24 | Tesla, Inc. | Vector computational unit receiving data elements in parallel from a last row of a computational array |
CA3098365A1 (en) | 2018-04-24 | 2019-10-31 | Indigo Ag, Inc. | Interaction management in an online agricultural system |
US11367093B2 (en) | 2018-04-24 | 2022-06-21 | Indigo Ag, Inc. | Satellite-based agricultural modeling |
US11215999B2 (en) | 2018-06-20 | 2022-01-04 | Tesla, Inc. | Data pipeline and deep learning system for autonomous driving |
US11361457B2 (en) | 2018-07-20 | 2022-06-14 | Tesla, Inc. | Annotation cross-labeling for autonomous control systems |
US11636333B2 (en) | 2018-07-26 | 2023-04-25 | Tesla, Inc. | Optimizing neural network structures for embedded systems |
US11562231B2 (en) | 2018-09-03 | 2023-01-24 | Tesla, Inc. | Neural networks for embedded devices |
US11034357B2 (en) | 2018-09-14 | 2021-06-15 | Honda Motor Co., Ltd. | Scene classification prediction |
US11195030B2 (en) * | 2018-09-14 | 2021-12-07 | Honda Motor Co., Ltd. | Scene classification |
US11818982B2 (en) | 2018-09-18 | 2023-11-21 | Deere & Company | Grain quality control system and method |
US11197417B2 (en) * | 2018-09-18 | 2021-12-14 | Deere & Company | Grain quality control system and method |
CN113039556B (zh) | 2018-10-11 | 2022-10-21 | 特斯拉公司 | 用于使用增广数据训练机器模型的系统和方法 |
US11196678B2 (en) | 2018-10-25 | 2021-12-07 | Tesla, Inc. | QOS manager for system on a chip communications |
US11653588B2 (en) | 2018-10-26 | 2023-05-23 | Deere & Company | Yield map generation and control system |
US11589509B2 (en) | 2018-10-26 | 2023-02-28 | Deere & Company | Predictive machine characteristic map generation and control system |
US20220167547A1 (en) * | 2018-10-26 | 2022-06-02 | Deere & Company | Predictive environmental characteristic map generation and control system |
US11672203B2 (en) | 2018-10-26 | 2023-06-13 | Deere & Company | Predictive map generation and control |
US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
US11641800B2 (en) | 2020-02-06 | 2023-05-09 | Deere & Company | Agricultural harvesting machine with pre-emergence weed detection and mitigation system |
US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
US11957072B2 (en) | 2020-02-06 | 2024-04-16 | Deere & Company | Pre-emergence weed detection and mitigation system |
US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
US11816585B2 (en) | 2018-12-03 | 2023-11-14 | Tesla, Inc. | Machine learning models operating at different frequencies for autonomous vehicles |
US11537811B2 (en) | 2018-12-04 | 2022-12-27 | Tesla, Inc. | Enhanced object detection for autonomous vehicles based on field view |
US11610117B2 (en) | 2018-12-27 | 2023-03-21 | Tesla, Inc. | System and method for adapting a neural network model on a hardware platform |
US11150664B2 (en) | 2019-02-01 | 2021-10-19 | Tesla, Inc. | Predicting three-dimensional features for autonomous driving |
US10997461B2 (en) | 2019-02-01 | 2021-05-04 | Tesla, Inc. | Generating ground truth for machine learning from time series elements |
US11567514B2 (en) | 2019-02-11 | 2023-01-31 | Tesla, Inc. | Autonomous and user controlled vehicle summon to a target |
US10956755B2 (en) | 2019-02-19 | 2021-03-23 | Tesla, Inc. | Estimating object properties using visual image data |
US11234366B2 (en) * | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
TWI760782B (zh) * | 2019-07-08 | 2022-04-11 | 國立臺灣大學 | 用於地理區域上果園辨識之系統及方法 |
US11238283B2 (en) * | 2019-10-04 | 2022-02-01 | The Climate Corporation | Hybrid vision system for crop land navigation |
US11157811B2 (en) * | 2019-10-28 | 2021-10-26 | International Business Machines Corporation | Stub image generation for neural network training |
US12035648B2 (en) | 2020-02-06 | 2024-07-16 | Deere & Company | Predictive weed map generation and control system |
US11477940B2 (en) | 2020-03-26 | 2022-10-25 | Deere & Company | Mobile work machine control based on zone parameter modification |
CN111539350A (zh) * | 2020-04-27 | 2020-08-14 | 无锡雪浪数制科技有限公司 | 一种农作物病虫害智能识别的方法 |
US11500876B2 (en) | 2020-04-29 | 2022-11-15 | International Business Machines Corporation | Method for duplicate determination in a graph |
US11941056B2 (en) | 2020-04-29 | 2024-03-26 | International Business Machines Corporation | Method for weighting a graph |
US11748984B2 (en) * | 2020-05-05 | 2023-09-05 | Planttagg, Inc. | System and method for horticulture viability prediction and display |
US11393194B2 (en) * | 2020-08-11 | 2022-07-19 | International Business Machines Corporation | Selective analysis for field boundary detection |
WO2022035829A1 (en) * | 2020-08-14 | 2022-02-17 | X Development Llc | Processing satellite images using brain emulation neural networks |
US11763557B1 (en) * | 2020-09-22 | 2023-09-19 | Sentera, Inc. | Permanent crop and permanent cropland analysis using aerial vehicles |
US11864483B2 (en) | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
US11874669B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
US11474523B2 (en) | 2020-10-09 | 2022-10-18 | Deere & Company | Machine control using a predictive speed map |
US11592822B2 (en) | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
US11711995B2 (en) | 2020-10-09 | 2023-08-01 | Deere & Company | Machine control using a predictive map |
US11650587B2 (en) | 2020-10-09 | 2023-05-16 | Deere & Company | Predictive power map generation and control system |
US11635765B2 (en) | 2020-10-09 | 2023-04-25 | Deere & Company | Crop state map generation and control system |
US12013245B2 (en) | 2020-10-09 | 2024-06-18 | Deere & Company | Predictive map generation and control system |
US11844311B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Machine control using a predictive map |
US11849671B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Crop state map generation and control system |
US11849672B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Machine control using a predictive map |
US11983009B2 (en) | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
US11825768B2 (en) | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
US11927459B2 (en) | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
US11727680B2 (en) | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
US11946747B2 (en) | 2020-10-09 | 2024-04-02 | Deere & Company | Crop constituent map generation and control system |
US11889788B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive biomass map generation and control |
US11871697B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Crop moisture map generation and control system |
US11845449B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
US11895948B2 (en) | 2020-10-09 | 2024-02-13 | Deere & Company | Predictive map generation and control based on soil properties |
US11675354B2 (en) | 2020-10-09 | 2023-06-13 | Deere & Company | Machine control using a predictive map |
US11889787B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive speed map generation and control system |
CN112287186B (zh) * | 2020-12-24 | 2021-03-26 | 北京数字政通科技股份有限公司 | 一种用于城市管理的智能分类方法及其系统 |
US20230018041A1 (en) * | 2021-02-09 | 2023-01-19 | Nutech Ventures | Optical analysis paired plot automated fertigation systems, methods and datastructures |
WO2022200547A1 (en) * | 2021-03-26 | 2022-09-29 | Basf Agro Trademarks Gmbh | Computer-implemented method for generating the validity for agricultural purposes of an image |
CN113159044A (zh) * | 2021-04-01 | 2021-07-23 | 中国公路工程咨询集团有限公司 | 一种基于深度学习的卷积神经网络的道路材质识别方法 |
US20220350991A1 (en) * | 2021-04-30 | 2022-11-03 | Deere & Company | Vision guidance system using dynamic edge detection |
US11941880B2 (en) * | 2021-06-02 | 2024-03-26 | Ping An Technology (Shenzhen) Co., Ltd. | System and method for image-based crop identification |
US11531656B1 (en) | 2021-06-08 | 2022-12-20 | International Business Machines Corporation | Duplicate determination in a graph |
CN115511194B (zh) * | 2021-06-29 | 2024-07-09 | 布瑞克农业大数据科技集团有限公司 | 一种农业数据处理方法、系统、装置及介质 |
BR112023027445A2 (pt) * | 2021-06-29 | 2024-03-12 | Basf Agro Trademarks Gmbh | Método e sistema de geração de mapas de falhas de plantas produtoras, elemento de programa de computador, meio legível e uso de um mapa |
KR102390740B1 (ko) * | 2021-07-07 | 2022-04-26 | 주식회사 에이오팜 | 불량 농산물 분류 모델 학습 방법, 장치 및 이를 이용한 불량 농산물 분류 장치 |
CN113591611B (zh) * | 2021-07-13 | 2023-08-22 | 青海省气象科学研究所 | 一种基于地理分区的土壤干旱遥感监测方法 |
US20230046882A1 (en) * | 2021-08-11 | 2023-02-16 | Deere & Company | Obtaining and augmenting agricultural data and generating an augmented display |
WO2023034118A1 (en) | 2021-08-30 | 2023-03-09 | Indigo Ag, Inc. | Systems for management of location-aware market data |
EP4396756A1 (en) * | 2021-08-31 | 2024-07-10 | Indigo Ag, Inc. | Systems and methods for ecosystem credit recommendations |
CN115909374B (zh) * | 2021-09-30 | 2024-06-18 | 腾讯科技(深圳)有限公司 | 一种信息识别方法、装置、设备及存储介质、程序产品 |
WO2023095041A1 (en) * | 2021-11-24 | 2023-06-01 | Upl Limited | Method and system for automatically identifying crop infestation |
EP4246462A1 (en) * | 2022-03-15 | 2023-09-20 | Tata Consultancy Services Limited | Method and system for detection of field boundaries using coarse resolution satellite data and gis |
WO2024002863A1 (en) * | 2022-07-01 | 2024-01-04 | Basf Se | Satellite imaging data for enhanced production of plant propagation material |
US11663753B1 (en) * | 2022-11-16 | 2023-05-30 | Eos Data Analytics, Inc. | Generation of field productivity maps |
Citations (6)
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 |
JP2008148565A (ja) | 2006-12-14 | 2008-07-03 | Hitachi Software Eng Co Ltd | 圃場管理システムおよびプログラム |
WO2012124066A1 (ja) | 2011-03-15 | 2012-09-20 | 富士通株式会社 | 携帯装置、作業支援プログラム、情報提供方法および情報提供プログラム |
JP2014102542A (ja) | 2012-11-16 | 2014-06-05 | Fujitsu Ltd | 差分検出プログラム及び差分検出方法並びに差分検出装置 |
US20170041407A1 (en) | 2015-04-20 | 2017-02-09 | Agverdict, Inc. | Systems and Methods for Efficiently Generating a Geospatial Data Map for Use in Agricultural Operations |
WO2017164009A1 (ja) | 2016-03-24 | 2017-09-28 | 日本電気株式会社 | 営農支援システム、営農支援方法、制御装置、通信端末、制御方法、及び、制御プログラムが記録された記録媒体 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1382370A (zh) * | 2001-04-25 | 2002-12-04 | 周宗岳 | 提前预测作物花期的方法 |
US7916898B2 (en) | 2003-09-15 | 2011-03-29 | Deere & Company | Method and system for identifying an edge of a crop |
US20070036467A1 (en) | 2004-07-26 | 2007-02-15 | Coleman Christopher R | System and method for creating a high resolution material image |
US20060287896A1 (en) | 2005-06-16 | 2006-12-21 | Deere & Company, A Delaware Corporation | Method for providing crop insurance for a crop associated with a defined attribute |
US8055081B2 (en) * | 2008-04-14 | 2011-11-08 | Eastman Kodak Company | Image classification using capture-location-sequence information |
US9152938B2 (en) | 2008-08-11 | 2015-10-06 | Farmlink Llc | Agricultural machine and operator performance information systems and related methods |
US9084389B2 (en) | 2009-12-17 | 2015-07-21 | Mapshots, Inc | Multiple field boundary data sets in an automated crop recordkeeping system |
CN102194127B (zh) * | 2011-05-13 | 2012-11-28 | 中国科学院遥感应用研究所 | 一种多频率sar数据农作物遥感分类方法 |
US8310361B1 (en) * | 2011-06-13 | 2012-11-13 | Google Inc. | Creating and monitoring alerts for a geographical area |
US9292797B2 (en) | 2012-12-14 | 2016-03-22 | International Business Machines Corporation | Semi-supervised data integration model for named entity classification |
US9147132B2 (en) | 2013-09-11 | 2015-09-29 | Digitalglobe, Inc. | Classification of land based on analysis of remotely-sensed earth images |
WO2015051339A1 (en) | 2013-10-03 | 2015-04-09 | Farmers Business Network, Llc | Crop model and prediction analytics |
US9489576B2 (en) * | 2014-03-26 | 2016-11-08 | F12 Solutions, LLC. | Crop stand analysis |
US9946931B2 (en) * | 2015-04-20 | 2018-04-17 | Los Alamos National Security, Llc | Change detection and change monitoring of natural and man-made features in multispectral and hyperspectral satellite imagery |
US9858502B2 (en) | 2014-03-31 | 2018-01-02 | Los Alamos National Security, Llc | Classification of multispectral or hyperspectral satellite imagery using clustering of sparse approximations on sparse representations in learned dictionaries obtained using efficient convolutional sparse coding |
CN105005782A (zh) * | 2014-04-24 | 2015-10-28 | 中国科学院遥感与数字地球研究所 | 一种基于多时相遥感数据及光谱数据的全球精细植被分类方法 |
WO2016035149A1 (ja) * | 2014-09-02 | 2016-03-10 | 富士通株式会社 | 収穫量記録方法、収穫量記録プログラムおよび収穫量記録装置 |
US20170161560A1 (en) | 2014-11-24 | 2017-06-08 | Prospera Technologies, Ltd. | System and method for harvest yield prediction |
EP3304439A4 (en) * | 2015-05-25 | 2018-10-31 | Agromentum Ltd. | Closed loop integrated pest management |
CN104952070B (zh) * | 2015-06-05 | 2018-04-13 | 中北大学 | 一种类矩形引导的玉米田遥感图像分割方法 |
CN104951754A (zh) * | 2015-06-08 | 2015-09-30 | 中国科学院遥感与数字地球研究所 | 基于面向对象技术与ndvi时间序列相结合的农作物精细分类方法 |
US10025983B2 (en) * | 2015-09-21 | 2018-07-17 | The Climate Corporation | Ponding water detection on satellite imagery |
US20180330435A1 (en) * | 2017-05-11 | 2018-11-15 | Harvesting Inc. | Method for monitoring and supporting agricultural entities |
CN107358214A (zh) * | 2017-07-20 | 2017-11-17 | 中国人民解放军国防科学技术大学 | 基于卷积神经网络的极化sar地物分类方法 |
US10909368B2 (en) * | 2018-01-23 | 2021-02-02 | X Development Llc | Crop type classification in images |
US11715277B2 (en) * | 2020-06-23 | 2023-08-01 | Tusimple, Inc. | Perception system for autonomous vehicles |
US20220044146A1 (en) * | 2020-08-04 | 2022-02-10 | Bentley Systems, Incorporated | Techniques for extracting machine-readable information from p&ids |
-
2018
- 2018-12-12 US US16/218,305 patent/US10909368B2/en active Active
-
2019
- 2019-01-15 JP JP2020539853A patent/JP7034304B2/ja active Active
- 2019-01-15 EP EP19743767.6A patent/EP3743876A4/en active Pending
- 2019-01-15 WO PCT/US2019/013704 patent/WO2019147439A1/en unknown
- 2019-01-15 CN CN202211427413.9A patent/CN115731414A/zh active Pending
- 2019-01-15 BR BR112020014942-0A patent/BR112020014942A2/pt unknown
- 2019-01-15 CA CA3088641A patent/CA3088641C/en active Active
- 2019-01-15 CN CN201980009776.0A patent/CN111630551B/zh active Active
-
2021
- 2021-01-29 US US17/162,806 patent/US11321943B2/en active Active
-
2022
- 2022-03-01 JP JP2022030570A patent/JP7345583B2/ja active Active
Patent Citations (6)
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 |
JP2008148565A (ja) | 2006-12-14 | 2008-07-03 | Hitachi Software Eng Co Ltd | 圃場管理システムおよびプログラム |
WO2012124066A1 (ja) | 2011-03-15 | 2012-09-20 | 富士通株式会社 | 携帯装置、作業支援プログラム、情報提供方法および情報提供プログラム |
JP2014102542A (ja) | 2012-11-16 | 2014-06-05 | Fujitsu Ltd | 差分検出プログラム及び差分検出方法並びに差分検出装置 |
US20170041407A1 (en) | 2015-04-20 | 2017-02-09 | Agverdict, Inc. | Systems and Methods for Efficiently Generating a Geospatial Data Map for Use in Agricultural Operations |
WO2017164009A1 (ja) | 2016-03-24 | 2017-09-28 | 日本電気株式会社 | 営農支援システム、営農支援方法、制御装置、通信端末、制御方法、及び、制御プログラムが記録された記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
CA3088641A1 (en) | 2019-08-01 |
CN111630551B (zh) | 2022-11-29 |
CN115731414A (zh) | 2023-03-03 |
EP3743876A1 (en) | 2020-12-02 |
BR112020014942A2 (pt) | 2020-12-08 |
JP7034304B2 (ja) | 2022-03-11 |
EP3743876A4 (en) | 2021-10-27 |
US10909368B2 (en) | 2021-02-02 |
CN111630551A (zh) | 2020-09-04 |
JP2021510880A (ja) | 2021-04-30 |
CA3088641C (en) | 2023-09-26 |
WO2019147439A1 (en) | 2019-08-01 |
US11321943B2 (en) | 2022-05-03 |
US20190228224A1 (en) | 2019-07-25 |
JP2022084655A (ja) | 2022-06-07 |
US20210150209A1 (en) | 2021-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7345583B2 (ja) | 画像における作物タイプ分類 | |
CN111656387B (zh) | 图像中的作物边界检测 | |
US11562486B2 (en) | Analyzing operational data influencing crop yield and recommending operational changes | |
CN108846832B (zh) | 一种基于多时相遥感影像与gis数据的变化检测方法及系统 | |
US9734400B2 (en) | System and method for field variance determination | |
Mishra et al. | Urban heat island in Kathmandu, Nepal: Evaluating relationship between NDVI and LST from 2000 to 2018 | |
Diao | Innovative pheno-network model in estimating crop phenological stages with satellite time series | |
JP2023156493A (ja) | 有害生物圧力ヒートマップのためのシステム及び方法 | |
JACQUES et al. | Advanced sampling of remote sensing images for area estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220325 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220325 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230217 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230512 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20230623 |
|
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: 20230807 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230905 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7345583 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |