JP7470061B2 - 農業支援システム - Google Patents
農業支援システム Download PDFInfo
- Publication number
- JP7470061B2 JP7470061B2 JP2021001623A JP2021001623A JP7470061B2 JP 7470061 B2 JP7470061 B2 JP 7470061B2 JP 2021001623 A JP2021001623 A JP 2021001623A JP 2021001623 A JP2021001623 A JP 2021001623A JP 7470061 B2 JP7470061 B2 JP 7470061B2
- Authority
- JP
- Japan
- Prior art keywords
- field
- partition
- polygons
- image
- polygon
- 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
- 238000005192 partition Methods 0.000 claims description 295
- 238000000034 method Methods 0.000 claims description 84
- 238000012545 processing Methods 0.000 claims description 76
- 230000008569 process Effects 0.000 claims description 55
- 238000003860 storage Methods 0.000 claims description 36
- 230000011218 segmentation Effects 0.000 claims description 32
- 238000002372 labelling Methods 0.000 claims description 20
- 239000002131 composite material Substances 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 11
- 230000005484 gravity Effects 0.000 claims description 11
- 238000010845 search algorithm Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 40
- 238000010586 diagram Methods 0.000 description 31
- 238000004364 calculation method Methods 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 11
- 238000012937 correction Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 230000004720 fertilization Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000002194 synthesizing effect Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000035558 fertility Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Description
本明細書において用いられる主な用語の定義を以下に記載する。
[2.1.システム構成]
図1および図2を参照して、本実施形態に係る農業支援システム1000、および、農業支援システム1000に接続される各種の装置のハードウェア構成例を説明する。以下、農業支援システム1000を単に「システム1000」と表記することとする。
サーバ100は、例えばクラウドサーバまたはエッジサーバなどの、作業車両300およびドローン400から離れた場所に設置されたコンピュータであり得る。サーバ100は、通信インターフェース(IF)110と、処理装置120と、記憶装置130とを備える。本実施形態において、サーバ100は、圃場に関する情報を一元管理し、管理するデータを活用して農業を支援するクラウドサーバとして機能する。
端末200の例は、パーソナルコンピュータ(PC)、ラップトップコンピュータ(以下、単に「ラップトップ」と表記する。)、タブレットコンピュータ(以下、単に「タブレット」と表記する。)、スマートフォン、またはPDA(Personal digital assistant)である。図1において、端末200の例として、ラップトップ200Aおよびタブレット200Bが例示されている。
作業車両300の例は、圃場で使用されるトラクタである。トラクタは、典型的に、キャビンが設けられた車両本体と、車輪(タイヤ)と、原動機(エンジン)と、変速装置(トランスミッション)と、電子制御装置(ECU)と、GNSSユニットと、通信IFとを備える。
ドローン400は、例えば、撮像装置410、RTK(Real Time Kinematic GPS)測位ユニット420、慣性計測装置(IMU)430、駆動装置440、制御装置450、データ生成装置460および通信IF470を備える。ドローン400の飛行は、例えばユーザの端末200を用いて操作することが可能である。
図3は、リモートセンシング画像内の圃場領域と区画ポリゴンとの位置合わせを行う処理装置120の機能・動作を機能単位で示す機能ブロック図である。図4は、圃場領域と区画ポリゴンとの位置合わせを行うためのアリゴリズムの実装例による処理手順を示すフローチャートである。
対応関係決定部730は、圃場領域テーブルと区画ポリゴンテーブルとを参照して、複数の圃場領域のそれぞれと複数の区画ポリゴンのそれぞれとの少なくとも1つの幾何学的特徴量を比較する。対応関係決定部730は、幾何学的特徴量を比較するために用いる、以下の(1)から(4)の少なくとも1つの判定値を算出し得る。本実施形態において、対応関係決定部730は、(1)から(4)の判定値を算出する。複数の圃場領域のうちの1つと、複数の区画ポリゴンとの1つとの任意の組み合わせの数だけ、対応関係決定部730はそれぞれの判定値を算出する。例えば、圃場領域テーブルに含まれる圃場領域の数がM個であり、区画ポリゴンテーブルに含まれる区画ポリゴンの数がN個である場合、組み合わせの数はM×N個である。
(1)複数の圃場領域のうちの1つと、複数の区画ポリゴンとの1つとの間の重心座標の差。
(2)複数の圃場領域のうちの1つの面積に対する複数の区画ポリゴンのうちの1つの面積の比(面積比)。
(3)複数の圃場領域のうちの1つの外接矩形の幅に対する複数の区画ポリゴンのうちの1つの外接矩形の幅の比、および、複数の圃場領域のうちの1つの外接矩形の高さに対する複数の区画ポリゴンのうちの1つの外接矩形の高さの比。
(4)複数の圃場領域のうちの1つの外接矩形のアスペクト比と、複数の区画ポリゴンのうちの1つの外接矩形のアスペクト比との間の差;ここで、外接矩形のアスペクト比は、外接矩形の幅および高さで規定され、例えば幅/(幅+高さ)で算出される。
対応関係決定部730は、複数の圃場領域のうちの1つと複数の区画ポリゴンのうちの1つとの組み合わせの中から、比較結果が所定の条件を満たす圃場領域および区画ポリゴンの、対応する可能性がある複数のペア候補を選択する。
対応関係決定部730は、複数のプレ組み合わせ候補を決定し、複数のプレ組み合わせ候補に基づいて複数の圃場領域と複数の区画ポリゴンとの対応関係を決定する。プレ組み合わせ候補は、複数のペア候補の中から選択される、圃場領域または区画ポリゴンに付されたラベルが重複しないペア候補を集合の要素として含む。換言すると、プレ組み合わせ候補は、当該集合の要素によって規定される。
対応関係決定部730は、複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの少なくとも1つの幾何学的特徴量の差および/または比によって規定される値の統計量を算出する。例えば、対応関係決定部730は、複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの重心座標の差によって規定される値の統計量を算出し得る。統計量は、例えば、平均値、分散、標準偏差または変動係数であり得る。以下、統計量として標準偏差を採用する場合の例を説明する。
対応関係決定部730は、複数のプレ組み合わせ候補から、算出した統計量が所定値未満となる少なくとも1つの組み合わせ候補を選択し、統計量が所定値以上となる組み合わせ候補(以降、「偽のプレ組み合わせ候補」と表記する。)を除外する。本実施形態において、重心座標差の標準偏差に対し、所定値は例えば20.0に設定される。対応関係決定部730は、複数のプレ組み合わせ候補から、算出した重心座標差の標準偏差が20.0未満となる少なくとも1つの組み合わせ候補を選択し、重心座標差の標準偏差が20.0以上となる偽の組み合わせ候補を除外する。図18に示される例において、標準偏差が20.5であるために、プレ組み合わせ候補6は偽のプレ組み合わせ候補としてテーブルから除外される。
図21は、プレ組み合わせ候補のテーブルから偽のプレ組み合わせ候補を除外した最終的な組み合わせ候補のテーブルを例示する表である。図示される例において、組み合わせ候補のテーブルは、属性を示すヘッダ行を最初の行に含み、3つのカラムを含む。属性は、組み合わせ候補の番号、組み合わせ候補および、組み合わせ候補に含まれる集合の要素の重心座標差の平均値を含む。
それぞれが圃場を表す複数の区画ポリゴンと前記複数の区画ポリゴンのそれぞれを規定する地理座標を含む区画ポリゴンデータ、および、圃場画像データを記憶する記憶装置と、
前記圃場画像データから選択された複数の圃場を被写体として含む領域画像と、前記複数の圃場のそれぞれに対応するように前記複数の区画ポリゴンから選択された区画ポリゴンとを重ねるためのデータセットを生成する処理装置と、
を備え、
前記圃場画像データは、地理情報を有する空撮画像または衛星画像を含み、
前記処理装置は、
前記領域画像から複数の圃場領域を抽出し、
前記複数の圃場領域のそれぞれの形状、および、前記複数の区画ポリゴンのそれぞれの形状を特徴付ける少なくとも1つの幾何学的特徴量を算出し、
前記少なくとも1つの幾何学的特徴量に基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定し、
前記複数の区画ポリゴンをそれぞれ規定する前記地理座標と、前記複数の区画ポリゴンのそれぞれに対応する圃場領域の、前記地理情報に基づいて算出される座標との間のずれ量を算出し、
前記ずれ量に基づいて、前記対応関係にある圃場領域および区画ポリゴンの少なくとも一方の座標を補正し、
前記データセットは、補正した前記座標の情報を含む、農業支援システム。
[項目2]
前記処理装置は、セグメンテーションによって前記領域画像から前記複数の圃場領域を抽出する、項目1に記載の農業支援システム。
[項目3]
前記少なくとも1つの幾何学的特徴量は重心座標を含む、項目1または2に記載の農業支援システム。
[項目4]
前記少なくとも1つの幾何学的特徴量は、面積、外接矩形の幅および高さを含む、項目1から3のいずれかに記載の農業支援システム。
[項目5]
前記処理装置は、
セグメンテーションによって前記領域画像から前記複数の圃場領域を抽出した後、前記領域画像にラベリング処理を適用することによって、抽出した前記複数の圃場領域のそれぞれにラベルを付し、かつ、前記複数の圃場領域のそれぞれに付したラベルと、前記複数の圃場領域のそれぞれについて算出した前記少なくとも1つの幾何学的特徴量とを関連付ける圃場領域テーブルを生成し、
前記複数の区画ポリゴンのそれぞれにラベルを付し、前記複数の区画ポリゴンのそれぞれに付したラベルと、前記複数の区画ポリゴンのそれぞれについて算出した前記少なくとも1つの幾何学的特徴量とを関連付ける区画ポリゴンテーブルを生成し、
前記圃場領域テーブルと前記区画ポリゴンテーブルとを参照して、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、項目1に記載の農業支援システム。
[項目6]
前記処理装置は、前記ラベリング処理を適用する前の前記領域画像にノイズ除去処理を適用する、項目5に記載の農業支援システム。
[項目7]
前記セグメンテーションによって前記複数の圃場領域を抽出した後の前記領域画像は、圃場領域と圃場領域以外の領域とを区別する2値化画像である、項目2または5に記載の農業支援システム。
[項目8]
前記処理装置は、
前記圃場領域テーブルと前記区画ポリゴンテーブルとを参照して、前記複数の圃場領域のそれぞれと前記複数の区画ポリゴンのそれぞれとの前記少なくとも1つの幾何学的特徴量を比較し、
前記複数の圃場領域のうちの1つと前記複数の区画ポリゴンのうちの1つとの組み合わせの中から、比較結果が所定の条件を満たす圃場領域および区画ポリゴンの、対応する可能性がある複数のペア候補を選択し、
それぞれが、前記複数のペア候補の中から選択されるペア候補であって、圃場領域または区画ポリゴンに付したラベルが重複しないペア候補を集合の要素として含む複数のプレ組み合わせ候補を決定し、
前記複数のプレ組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、項目5または6に記載の農業支援システム。
[項目9]
前記処理装置は、深さ優先探索のアルゴリズムを用いて前記複数のプレ組み合わせ候補を決定する、項目8に記載の農業支援システム。
[項目10]
前記少なくとも1つの幾何学的特徴量は、重心座標、面積、外接矩形の幅および高さを含み、
前記比較結果が所定の条件を満たすことは、前記重心座標の差が第1の所定範囲内にあること、前記面積の比が第2の所定範囲内にあること、前記外接矩形の幅および高さの比が、それぞれ、第3の所定範囲内にあること、および、前記外接矩形の幅および高さによって規定されるアスペクト比の差が第4の所定範囲内にあることのうちの少なくとも1つを含む、項目8または9に記載の農業支援システム。
[項目11]
前記処理装置は、
前記複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの前記少なくとも1つの幾何学的特徴量の差および/または比によって規定される値の統計量を算出し、
前記複数のプレ組み合わせ候補から、前記統計量が所定値未満となる少なくとも1つの組み合わせ候補を選択し、
前記少なくとも1つの組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、項目8から10のいずれかに記載の農業支援システム。
[項目12]
前記処理装置は、前記複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの前記重心座標の差によって規定される値の前記統計量を算出する、項目11に記載の農業支援システム。
[項目13]
前記統計量は平均値、分散、標準偏差または変動係数を含む、項目11または12に記載の農業支援システム。
[項目14]
前記少なくとも1つの組み合わせ候補のうちの、前記集合の要素の数が最も多い組み合わせ候補に基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、項目11から13のいずれかに記載の農業支援システム。
[項目15]
前記処理装置は、前記対応関係にある区画ポリゴンと圃場領域とを重ねた合成画像のデータを前記データセットに基づいて生成する、項目1から14のいずれかに記載の農業支援システム。
[項目16]
前記合成画像を表示する表示装置をさらに備える、項目15に記載の農業支援システム。
[項目17]
前記処理装置は、前記ずれ量に基づいて前記領域画像にホモグラフィ変換を適用することによって、前記対応関係にある圃場領域および区画ポリゴンのうちの前記圃場領域の座標を補正する、項目1から16のいずれかに記載の農業支援システム。
[項目18]
前記農業支援システムは、前記複数のプレ組み合わせ候補から、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定するために用いる組み合わせを前記処理装置によって自動で決定する自動モード、および、前記組み合わせをユーザが決定する手動モードを含む動作モードを有する、項目8から10のいずれかに記載の農業支援システム。
[項目19]
表示装置と、前記ユーザからの指示を受け取る入力装置とをさらに備え、
前記動作モードが前記手動モードに設定されているとき、
前記処理装置は、
前記複数のプレ組み合わせ候補を前記表示装置に表示し、
前記ユーザが前記入力装置を介して前記複数のプレ組み合わせ候補の中から選択した1つの組み合わせに基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定し、
前記動作モードが前記自動モードに設定されているとき、
前記処理装置は、
前記複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの前記少なくとも1つの幾何学的特徴量の差および/または比によって規定される値の統計量を算出し、
前記複数のプレ組み合わせ候補から、前記統計量が所定値未満となる少なくとも1つの組み合わせ候補を選択し、
前記少なくとも1つの組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、項目18に記載の農業支援システム。
[項目20]
前記圃場画像データは、RGBデータ、植生指数データまたはマルチスペクトル画像データを含む、項目1から19のいずれかに記載の農業支援システム。
[項目21]
前記処理装置は、圃場領域にラベルが付された圃場画像のデータを含む訓練データを用いてセグメンテーションモデルを訓練して得られた学習済みモデルを用いて前記領域画像から前記複数の圃場領域を抽出する、項目1から20のいずれかに記載の農業支援システム。
[項目22]
圃場領域と区画ポリゴンとの位置合わせを行うための方法であって、
それぞれが圃場を表す複数の区画ポリゴンと前記複数の区画ポリゴンのそれぞれを規定する地理座標を含む区画ポリゴンデータ、および、圃場画像データを記憶する記憶装置にアクセスして、前記区画ポリゴンデータおよび前記圃場画像データを取得することであって、前記圃場画像データは、地理情報を有する空撮画像または衛星画像を含むことと、
前記圃場画像データから選択された複数の圃場を被写体として含む領域画像から複数の圃場領域を抽出することと、
前記複数の圃場領域のそれぞれの形状、および、前記複数の区画ポリゴンのそれぞれの形状を特徴付ける少なくとも1つの幾何学的特徴量を算出することと、
前記少なくとも1つの幾何学的特徴量に基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定することと、
前記複数の区画ポリゴンをそれぞれ規定する前記地理座標と、前記複数の区画ポリゴンのそれぞれに対応する圃場領域の、前記地理情報に基づいて算出される座標との間のずれ量を算出することと、
前記ずれ量に基づいて、前記対応関係にある圃場領域および区画ポリゴンの少なくとも一方の座標を補正することと、
補正した前記座標の情報を含むデータセットを生成することと、
を包含する、方法。
[項目23]
無人航空機に搭載された撮像装置を用いて、1以上の圃場領域を被写体として含む前記空撮画像を取得することと、
取得した前記空撮画像のデータを前記記憶装置に送信し、前記圃場画像データとして前記記憶装置に記憶することと、を含む項目22に記載の方法。
[項目24]
圃場領域と区画ポリゴンとの位置合わせを行うコンピュータによって実行されるコンピュータプログラムであって、
それぞれが圃場を表す複数の区画ポリゴンと前記複数の区画ポリゴンのそれぞれを規定する地理座標を含む区画ポリゴンデータ、および、圃場画像データを記憶する記憶装置にアクセスして、前記区画ポリゴンデータおよび前記圃場画像データを取得することであって、前記圃場画像データは、地理情報を有する空撮画像または衛星画像を含むことと、
前記圃場画像データから選択された複数の圃場を被写体として含む領域画像から複数の圃場領域を抽出することと、
前記複数の圃場領域のそれぞれの形状、および、前記複数の区画ポリゴンのそれぞれの形状を特徴付ける少なくとも1つの幾何学的特徴量を算出することと、
前記少なくとも1つの幾何学的特徴量に基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定することと、
前記複数の区画ポリゴンをそれぞれ規定する前記地理座標と、前記複数の区画ポリゴンのそれぞれに対応する圃場領域の、前記地理情報に基づいて算出される座標との間のずれ量を算出することと、
前記ずれ量に基づいて、前記対応関係にある圃場領域および区画ポリゴンの少なくとも一方の座標を補正することと、
補正した前記座標の情報を含むデータセットを生成することと、
を実行させるコンピュータプログラム。
100 :サーバコンピュータ(サーバ)
120 :処理装置
121 :プロセッサ
122 :ROM
123 :RAM
130 :記憶装置
200 :端末
200 :表示装置
200 :端末
200A :ラップトップコンピュータ
200B :タブレットコンピュータ
210 :入力装置
220 :表示装置
230 :プロセッサ
240 :ROM
250 :RAM
260 :記憶装置
300 :作業車両
400 :ドローン
410 :撮像装置
420 :RTK測位ユニット
430 :IMU
440 :駆動装置
450 :制御装置
460 :データ生成装置
700 :データ取得部
711 :圃場領域抽出部
712 :前処理部
713 :ラベリング処理部
714 :特徴量算出部
715 :圃場領域テーブル生成部
721 :区画ポリゴン生成部
722 :ラベリング部
723 :特徴量算出部
724 :区画ポリゴンテーブル生成部
730 :対応関係決定部
740 :ずれ量算出部
750 :座標補正部
1000 :農業支援システム(システム)
Claims (21)
- それぞれが圃場を表す複数の区画ポリゴンと前記複数の区画ポリゴンのそれぞれを規定する地理座標を含む区画ポリゴンデータ、および、圃場画像データを記憶する記憶装置と、
前記圃場画像データから選択された複数の圃場を被写体として含む領域画像と、前記複数の圃場のそれぞれに対応するように前記複数の区画ポリゴンから選択された区画ポリゴンとを重ねるためのデータセットを生成する処理装置と、
を備え、
前記圃場画像データは、地理情報を有する空撮画像または衛星画像を含み、
前記処理装置は、
前記領域画像から複数の圃場領域を抽出し、
前記複数の圃場領域のそれぞれの形状、および、前記複数の区画ポリゴンのそれぞれの形状を特徴付ける少なくとも1つの幾何学的特徴量を算出し、
前記少なくとも1つの幾何学的特徴量に基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定し、
前記複数の区画ポリゴンをそれぞれ規定する前記地理座標と、前記複数の区画ポリゴンのそれぞれに対応する圃場領域の、前記地理情報に基づいて算出される座標との間のずれ量を算出し、
前記ずれ量に基づいて、前記対応関係にある圃場領域および区画ポリゴンの少なくとも一方の座標を補正し、
前記データセットは、補正した前記座標の情報を含む、農業支援システム。 - 前記処理装置は、セグメンテーションによって前記領域画像から前記複数の圃場領域を抽出する、請求項1に記載の農業支援システム。
- 前記少なくとも1つの幾何学的特徴量は重心座標を含む、請求項1または2に記載の農業支援システム。
- 前記少なくとも1つの幾何学的特徴量は、面積、外接矩形の幅および高さを含む、請求項1から3のいずれかに記載の農業支援システム。
- 前記処理装置は、
セグメンテーションによって前記領域画像から前記複数の圃場領域を抽出した後、前記領域画像にラベリング処理を適用することによって、抽出した前記複数の圃場領域のそれぞれにラベルを付し、かつ、前記複数の圃場領域のそれぞれに付したラベルと、前記複数の圃場領域のそれぞれについて算出した前記少なくとも1つの幾何学的特徴量とを関連付ける圃場領域テーブルを生成し、
前記複数の区画ポリゴンのそれぞれにラベルを付し、前記複数の区画ポリゴンのそれぞれに付したラベルと、前記複数の区画ポリゴンのそれぞれについて算出した前記少なくとも1つの幾何学的特徴量とを関連付ける区画ポリゴンテーブルを生成し、
前記圃場領域テーブルと前記区画ポリゴンテーブルとを参照して、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、請求項1に記載の農業支援システム。 - 前記処理装置は、前記ラベリング処理を適用する前の前記領域画像にノイズ除去処理を適用する、請求項5に記載の農業支援システム。
- 前記セグメンテーションによって前記複数の圃場領域を抽出した後の前記領域画像は、圃場領域と圃場領域以外の領域とを区別する2値化画像である、請求項2または5に記載
の農業支援システム。 - 前記処理装置は、
前記圃場領域テーブルと前記区画ポリゴンテーブルとを参照して、前記複数の圃場領域のそれぞれと前記複数の区画ポリゴンのそれぞれとの前記少なくとも1つの幾何学的特徴量を比較し、
前記複数の圃場領域のうちの1つと前記複数の区画ポリゴンのうちの1つとの組み合わせの中から、比較結果が所定の条件を満たす圃場領域および区画ポリゴンの、対応する可能性がある複数のペア候補を選択し、
それぞれが、前記複数のペア候補の中から選択されるペア候補であって、圃場領域または区画ポリゴンに付したラベルが重複しないペア候補を集合の要素として含む複数のプレ組み合わせ候補を決定し、
前記複数のプレ組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、請求項5または6に記載の農業支援システム。 - 前記処理装置は、深さ優先探索のアルゴリズムを用いて前記複数のプレ組み合わせ候補を決定する、請求項8に記載の農業支援システム。
- 前記少なくとも1つの幾何学的特徴量は、重心座標、面積、外接矩形の幅および高さを含み、
前記比較結果が所定の条件を満たすことは、前記重心座標の差が第1の所定範囲内にあること、前記面積の比が第2の所定範囲内にあること、前記外接矩形の幅および高さの比が、それぞれ、第3の所定範囲内にあること、および、前記外接矩形の幅および高さによって規定されるアスペクト比の差が第4の所定範囲内にあることのうちの少なくとも1つを含む、請求項8または9に記載の農業支援システム。 - 前記処理装置は、
前記複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの前記少なくとも1つの幾何学的特徴量の差および/または比によって規定される値の統計量を算出し、
前記複数のプレ組み合わせ候補から、前記統計量が所定値未満となる少なくとも1つの組み合わせ候補を選択し、
前記少なくとも1つの組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、請求項8から10のいずれかに記載の農業支援システム。 - 前記処理装置は、
前記複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの前記重心座標の差によって規定される値の統計量を算出し、
前記複数のプレ組み合わせ候補から、前記統計量が所定値未満となる少なくとも1つの組み合わせ候補を選択し、
前記少なくとも1つの組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、請求項10に記載の農業支援システム。 - 前記統計量は平均値、分散、標準偏差または変動係数を含む、請求項11または12に記載の農業支援システム。
- 前記少なくとも1つの組み合わせ候補のうちの、前記集合の要素の数が最も多い組み合わせ候補に基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、請求項11から13のいずれかに記載の農業支援システム。
- 前記処理装置は、前記対応関係にある区画ポリゴンと圃場領域とを重ねた合成画像のデータを前記データセットに基づいて生成する、請求項1から14のいずれかに記載の農業支援システム。
- 前記合成画像を表示する表示装置をさらに備える、請求項15に記載の農業支援システム。
- 前記処理装置は、前記ずれ量に基づいて前記領域画像にホモグラフィ変換を適用することによって、前記対応関係にある圃場領域および区画ポリゴンのうちの前記圃場領域の座標を補正する、請求項1から16のいずれかに記載の農業支援システム。
- 前記農業支援システムは、前記複数のプレ組み合わせ候補から、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定するために用いる組み合わせを前記処理装置によって自動で決定する自動モード、および、前記組み合わせをユーザが決定する手動モードを含む動作モードを有する、請求項8から10のいずれかに記載の農業支援システム。
- 表示装置と、前記ユーザからの指示を受け取る入力装置とをさらに備え、
前記動作モードが前記手動モードに設定されているとき、
前記処理装置は、
前記複数のプレ組み合わせ候補を前記表示装置に表示し、
前記ユーザが前記入力装置を介して前記複数のプレ組み合わせ候補の中から選択した1つの組み合わせに基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定し、
前記動作モードが前記自動モードに設定されているとき、
前記処理装置は、
前記複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの前記少なくとも1つの幾何学的特徴量の差および/または比によって規定される値の統計量を算出し、
前記複数のプレ組み合わせ候補から、前記統計量が所定値未満となる少なくとも1つの組み合わせ候補を選択し、
前記少なくとも1つの組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、請求項18に記載の農業支援システム。 - 前記圃場画像データは、RGBデータ、植生指数データまたはマルチスペクトル画像データを含む、請求項1から19のいずれかに記載の農業支援システム。
- 前記処理装置は、圃場領域にラベルが付された圃場画像のデータを含む訓練データを用いてセグメンテーションモデルを訓練して得られた学習済みモデルを用いて前記領域画像から前記複数の圃場領域を抽出する、請求項1から20のいずれかに記載の農業支援システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021001623A JP7470061B2 (ja) | 2021-01-07 | 2021-01-07 | 農業支援システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021001623A JP7470061B2 (ja) | 2021-01-07 | 2021-01-07 | 農業支援システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022106542A JP2022106542A (ja) | 2022-07-20 |
JP7470061B2 true JP7470061B2 (ja) | 2024-04-17 |
Family
ID=82457075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021001623A Active JP7470061B2 (ja) | 2021-01-07 | 2021-01-07 | 農業支援システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7470061B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017224224A (ja) | 2016-06-17 | 2017-12-21 | 株式会社Ihiスター | マップデータ作成装置及びマップデータ作成方法 |
JP2019185773A (ja) | 2018-04-16 | 2019-10-24 | 株式会社クボタ | 農業支援システム |
JP2020170213A (ja) | 2019-04-01 | 2020-10-15 | 株式会社スカイマティクス | ドローン作業支援システム及びドローン作業支援方法 |
-
2021
- 2021-01-07 JP JP2021001623A patent/JP7470061B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017224224A (ja) | 2016-06-17 | 2017-12-21 | 株式会社Ihiスター | マップデータ作成装置及びマップデータ作成方法 |
JP2019185773A (ja) | 2018-04-16 | 2019-10-24 | 株式会社クボタ | 農業支援システム |
JP2020170213A (ja) | 2019-04-01 | 2020-10-15 | 株式会社スカイマティクス | ドローン作業支援システム及びドローン作業支援方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2022106542A (ja) | 2022-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Over et al. | Processing coastal imagery with Agisoft Metashape Professional Edition, version 1.6—Structure from motion workflow documentation | |
Granshaw | Photogrammetric terminology | |
Ehlers et al. | Automated analysis of ultra high resolution remote sensing data for biotope type mapping: new possibilities and challenges | |
US8797400B2 (en) | Apparatus and method for generating an overview image of a plurality of images using an accuracy information | |
KR100678395B1 (ko) | 위성영상과 항공영상을 이용한 지리정보 데이터의 실시간위치보정 시스템 및 그 방법 | |
Jurado et al. | Remote sensing image fusion on 3D scenarios: A review of applications for agriculture and forestry | |
Díaz et al. | Customizing unmanned aircraft systems to reduce forest inventory costs: can oblique images substantially improve the 3D reconstruction of the canopy? | |
Li et al. | Ultrahigh-resolution boreal forest canopy mapping: Combining UAV imagery and photogrammetric point clouds in a deep-learning-based approach | |
Jurado et al. | An efficient method for generating UAV-based hyperspectral mosaics using push-broom sensors | |
Duarte et al. | Open-source GIS application for UAV photogrammetry based on MicMac | |
Granshaw | Photogrammetric terminology | |
Zietara | Creating Digital Elevation Model (DEM) based on ground points extracted from classified aerial images obtained from Unmanned Aerial Vehicle (UAV) | |
JP7470061B2 (ja) | 農業支援システム | |
Ataş et al. | Development of automatic tree counting software from uav based aerial images with machine learning | |
JP5352435B2 (ja) | 分類画像作成装置 | |
KR102587445B1 (ko) | 드론을 이용하여 시계열정보가 포함된 3차원 지도의 제작 방법 | |
Saveliev et al. | Automated terrain mapping based on mask R-CNN neural network | |
CN113516059B (zh) | 固体废弃物的识别方法、装置、电子设备及存储介质 | |
Afriansyah et al. | Image Mapping Detection of Green Areas Using Speed Up Robust Features | |
Lee et al. | Semi-automatic framework for traffic landmark annotation | |
Liang et al. | Efficient match pair selection for matching large-scale oblique UAV images using spatial priors | |
Crommelinck et al. | Robust object extraction from remote sensing data | |
Buyukdemircioglu et al. | Geovisualization of Aerial Photogrammetric Flights for Data Quality Assessment | |
Mathivanan et al. | Utilizing satellite and UAV data for crop yield prediction and monitoring through deep learning | |
Gao et al. | RTAL: An edge computing method for real-time rice lodging assessment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230623 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240305 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240325 |
|
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: 20240402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240405 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7470061 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |