JP7730331B2 - 根菜類を収穫するかつ／または分離する機械を動作させるための方法、関連する機械、および関連するコンピュータプログラム製品 - Google Patents

Description

本発明は、根菜類を収穫する、かつ／または、散土および／または土壌団粒の形態の少なくとも土壌ならびに場合によっては葉類および／または石類を含んで共搬送されるさらなる材料から根菜類を分離する機械を動作させるための方法に関する。さらに、本方法の対象は、少なくとも１つの電磁式、特に光学式、または音響式の画像捕捉ユニットにより、少なくとも１つの搬送要素、特にふるい分けベルトによって機械の機械フレームに対して相対的に移動する材料の少なくとも一部の少なくとも１つの検査画像を撮像することである。さらに、評価装置を用いて機械の動作パラメータが設定される。

米国特許出願公開第２０１７／０１３７７３号明細書では、掘り起こし要素の深度を土壌情報に依存して適合化させる目的で、例えば、光学式または音響式センサを介して土壌の組織および／または土壌の破砕性が検出される。これは、設定が同じでも、軟質土壌から硬質土壌に移行した場合、掘り起こし要素の作業深度が浅くなり、このことが根菜類に損傷を伴わせる可能性があるという知見に基づくものである。それゆえ、収穫作物を掘り起こす前の土壌の状態に依存した収穫機の掘り起こし深度の設定を介して、収穫作物の損傷が低減され、より良好な収穫高が生じる。

本発明の課題は、土壌情報を、機械内の材料の処理のために使用することである。

この課題は、請求項１記載の対象によって解決される。本発明の好適な実施形態は、従属請求項ならびに明細書から読み取れる。さらに、この課題は、請求項１５記載の機械によって解決され、かつ請求項１６記載のコンピュータプログラム製品によって解決される。

本発明によれば、根菜類を収穫する、かつ／または、散土および／または土壌団粒の形態の少なくとも土壌ならびに場合によっては葉類および／または石類を含んで共搬送されるさらなる材料から根菜類を分離する機械を動作させるための方法において、最初に、少なくとも１つの電磁式、特に光学式、または音響式の画像捕捉ユニットにより、少なくとも１つの搬送要素、特にふるい分けベルトによって機械の機械フレームに対して相対的に移動する材料の少なくとも一部の少なくとも１つの検査画像を撮像し、評価装置を用いて、検査画像に基づいて生成された、かつ／または当該検査画像によって形成された検査データセットに基づいて、機械の搬送要素またはさらなる搬送要素の少なくとも１つの動作パラメータを設定するための設定信号を生成し、ここで、共搬送された土壌のふるい分け能力を表すための少なくとも１つの特徴が、評価装置によって決定され、動作パラメータの設定のために使用されることが提案されている。

設定信号によれば、土壌のふるい分けを変化させるために、搬送要素の１つまたは複数の調整手段または駆動手段の作用が変化する。したがって、本発明は、土壌をふるい分けするために設けられた分離機器の形態の搬送要素、特に、ここでは、ふるい分けベルト、ヘッジホッグベルト、および／またはローラーアレイに関する。

特に、画像捕捉ユニットは、自身のセンサを、材料がピックアップされた後でこの材料を第１または第２のふるい分けベルトとして機械により搬送しているふるい分けベルトとして構成された搬送要素に配向する。これにより、本発明による方法のこの実施形態では、動作パラメータの適合化によって土壌状態の変化に非常に迅速に反応することができ、かつひいては、１つまたは好適には複数のふるい分けベルトを含むふるい分け区間の少なくとも一部、特に大部分を即座にまたは予防的にでさえも適合化することができるようにするために、土壌は、ピックアップ後の非常に早期の段階で、特に、ふるい分けベルトの最初の半部または最初の３分の１において捕捉されたときに分析される。動作パラメータの設定は、好適には、検査画像の撮像後、最大で１分の時間枠内、好適には最大で３０秒の時間枠内で行われる。すなわち、評価装置は、この時間内で検査画像の評価を完了するように構成されている。さらに、特に、この時間内で、動作パラメータの適合化が少なくとも開始されるかまたは行われる。

最小直径が５ｍｍ以上の土壌成分もしくは土成分からなる団粒は、土壌団粒とみなされる。例えば非球状の団粒の場合、等価直径を直径として仮定することができる。土壌団粒は、常に、特に砂、シルト、および／または粘土を含む相互に結合された多数の粒子からなる。散土は、２ｍｍまでの粒径を有する粒子分画であり、上記の定義によれば、５ｍｍ未満の直径を有する連結した粒子である。

同様に、光学式もしくは音響式の画像捕捉ユニットまたはさらなるそのような画像捕捉ユニットは、場合によっては残留する土壌団粒に反応することができるようにするために、自身のセンサを、搬送要素後方の領域に配向してもよい。それにより、例えば、比較的小さな団粒の識別が過度に少なく、大きな団粒の識別は過度に多い場合、ふるい分け幅を低減することができ、例えば、大きな団粒を小さくするために、ふるい分けベルトに作用するビーターのビート性能を高めることができる。

好適には、検査画像内に存在する、散土および／または土壌団粒、特に土塊を含む材料の成分は、特に分類手法を用いて決定され、ここで、土塊は、一般に、より大きな団粒、すなわち、５ｃｍを超える直径を有する土のブロックとみなされる。用語「土壌塊」とは、細長く形成された土塊の同義語として使用される場合がある。そのような分類に基づいて、例えば検査データセットの色値の評価により、搬送された観察材料の個々の成分を識別することができる。そのため、土壌団粒の観察のために、簡単な手法で検査画像に、または専ら土壌団粒を含むかまたは大部分の成分（以下参照）に対して少なくとも土壌団粒を含む検査画像の一部に合わせることができる。

好適には、ふるい分け能力を表すための特徴は、１つまたは複数の土壌団粒のサイズ、形状、水分、強度、または色を表す１つまたは複数の値を含み、かつ／または多数の土壌団粒のサイズ、形状、強度、または色の１つまたは複数の特に統計的分布を表す１つまたは複数の値を含む。例えば、そのような値を介すことにより、個々の土壌団粒に合わせる必要のない、より良好な自動化処理の目的のために、検査画像内または検査データセット内に存在するすべての土壌団粒に対してサイズクラスを割り当てることができる。

好適には、観察される土壌団粒、特に土塊のサイズに合わせられる。例えば、これらは、直径、等価直径、投影面積、または体積であってもよい。本発明のさらなる代替的または補足的な実施形態では、団粒の形状または色パラメータを抽出することができる。なぜなら、色および形状は、様々な土壌タイプおよび変動する土壌水分（これらはふるい分け能力に対する主な影響要因を表す）のもとで相応に変化するからである。同じことは強度にも当てはまり、この強度は、色、形状、およびサイズから導出可能であり得る。土壌団粒の強度に対する尺度として、例えば、破壊荷重が使用できる。

本発明による方法のさらなる代替的または補足的な実施形態では、多数の特に異なる土壌団粒のサイズ、色、強度、および／または形状に対する値を介して形成される、１つまたは複数の特に統計的に集約された特徴または分布は、ふるい分け能力特徴として用いられる。

多数の個々の特徴の分布を集約するこの種の統計的特徴は、例えば、平均値、標準偏差／分散、中央値、百分位数、または１次、２次、またはｋ次の次数であってもよい。

本発明の発展形態によれば、サイズ、形状、または色は、予め定められた数のクラス、好適には５つの数のクラスに分類され、この場合、最初のクラスから最後のクラスまでの値は、単調に増加または減少する。したがって、検査データセットの観察される多数の土壌団粒の平均的な帰属度または最大確率のクラスは、ふるい分け能力を表す特徴として用いられる。例えば、大部分が乾燥した砂質土壌内で開墾されているために、例えば、平均して小さい団粒サイズクラスが存在する場合、例えば小さなふるい分けロッド間隔またはローラー間隔の設定によって、ふるい分け能力を低減することができる。

好適には、本発明による方法のさらなる構成では、複数の時間的に順次連続する評価サイクルで得られたふるい分け能力特徴は、それらに基づいて動作パラメータもしくは動作パラメータの設定が決定される前に、時間的にフィルタリングされるか、または相互に相殺される。特にここでは、ローパスフィルタまたは移動平均値の使用は、考えられ得る外れ値を平滑化するために適している。

検査データセットは、検査画像または検査画像の一部によって形成される。同様に、検査画像または検査画像の一部の処理および／または分析の結果として生じるデータセットでもあり得る。さらに、検査データセットは、検査画像自体も、処理された検査画像も、および／または検査画像の分析から生じるデータセットも有し得る。同じことは、検査画像、処理された検査画像、および検査画像の少なくとも一部の分析に基づいて得られたデータセットのそれぞれの部分についても当てはまる。

検査データセットに基づいて得られた、ふるい分け能力を決定するための少なくとも１つの特徴は、土壌のふるい分けのために設けられた搬送要素、特にふるい分けベルトのまたはそれらのうちの１つの動作パラメータの設定のために使用される。続いて、例えば独国特許出願公開第１０２０１８１２７８４４号明細書に記載されているような色値に基づく、収穫作物内の既存の成分の定性的決定の後で、ふるい分け能力特徴の定量的決定が行われる。搬送要素は、本発明による方法を用いることにより、ピックアップ後に存在する搬送区間の領域に所望の量の土壌団粒、例えば土塊もしくは土塊サイズが存在するように改善されて設定可能であり、したがって、根菜類の形状の利用すべき収穫作物は、所望の土壌団粒、特に土壌団粒サイズに依存して最適に分離され、もしくは装置による搬送中も同時にやさしく保護される。したがって、本発明による方法を用いることにより、動作中の機械の処理能力が向上すると同時に根菜類への損傷のリスクも低減され、このことは、機械の投入における経済効率の改善につながる。

搬送要素上で搬送される材料の結像を形成するために使用される画像捕捉ユニットを、電磁式の画像捕捉ユニットと称し、これらは、電磁波、特に光波を捕捉するように動作するセンサを有している。それらは、ここでは、１次元または多次元の結像を捕捉するために使用可能なセンサであり得る。例えば、それらは、材料から反射されたその周波数が１０～１５０ＧＨｚの間の範囲にある反射波を受信することができる１つまたは複数のレーダーセンサである。光学式の画像捕捉ユニットは、特に可視領域、紫外線領域、および／または赤外線領域にある光を捕捉できるように設計されている。

光学式の画像捕捉ユニットとしては、特に、例えばＲＧＢカメラ、飛行時間型カメラ、白黒もしくはグレースケールカメラ、またはステレオカメラなどの２Ｄ、２．５Ｄ、または３Ｄカメラの形態のカメラが考慮の対象になる。同様に、収穫作物の捕捉のために光断面光や構造化された光を使用する方式やプレノプティックカメラなどを使用することも可能である。音響式の画像捕捉ユニットは、特に、距離測定型音響センサ、とりわけ超音波センサのアレイの形態をとることができ、それらは、機械フレームに取り付けられたセンサアレイに沿って流れる収穫作物の連続的な動きによる評価装置のための画像を形成する入力データを、すなわち検査画像を生成するのにも同様に適している。同じことは、光学式距離センサのアレイ状配置構成や機械式接触感知器のアレイ状配置構成にも当てはまる。ＲＧＢカメラの多くは、ＣＣＤセンサもしくはＣＭＯＳセンサの形態の２次元画像センサを有している。

本発明による方法および本発明による装置においては、電磁式および音響式の画像捕捉ユニットの組み合わせが可能なことも、画像捕捉ユニットが１つまたは複数の電磁式および／または音響式のセンサを有し得ることも自明のことである。

好適には、特徴は、ニューラルネットワーク分析、ヒストグラム分析、および／またはStructure from Motion（SfM）分析を用いて、検査データセットによって生成されたもしくは検査データセットによって形成された入力データセットに基づいて決定される。これらの分析は、特にジャガイモもしくはビート収穫機の収穫作業中の作物の流れを観察するときに発生する大量のデータに特に良好に適している。

特に、ニューラルネットワークは、本発明による方法の発展形態では、各入力データセットを、異なるふるい分け能力特徴の値を表す多数のクラスのうちの１つに分類する畳み込みニューラルネットワークとして設計されている。この種のニューラルネットワークは、収穫作業中の土壌団粒の識別ならびにこれらの土壌団粒に割り当てられたふるい分け能力特徴の識別に特に良好であることがわかった。

特に、評価装置は、１つまたは複数のＣＰＵユニット、および／または特にＧＰＵ（Graphical Processing Unit）もしくはＧＰＧＰＵ（General Purpose Graphical Processing Unit）形態の１つまたは複数のグラフィックプロセッサユニット、および／またはＦＰＧＡ（Field Programmable Gate Array）ベースのプロセッサユニットを含む。評価装置のこの表現により、検査データセットを特にリソースにやさしくかつ特に局所的に評価することが可能になる。ＥＤＰ装置として構成された評価装置またはそのような装置によって構成された評価装置は、さらなる、例えば給電のための通常の手段、インターフェース、メインメモリ、ならびに不揮発性プログラムおよびデータメモリを備えていることは自明のことである。

本発明によれば、特に、ピックアップした土壌もしくはピックアップした土が数個の大きな団粒にしか崩れていない困難な収穫条件のもとで、搬送要素、特にヘッジホッグベルトまたはふるい分けベルトのふるい分け性能を改善するために、例えば、ロータービーターまたはスイングビーターの形態のビーターを設定することができる。これにより、搬送要素の付加的な揺動運動が引き起こされ、それによって、例えば土壌塊の形態の土壌団粒が衝撃で破壊されるため、ふるい分け性能が向上する。ふるい分けベルトとして構成された搬送要素のさらなる動作パラメータまたは補足的な動作パラメータとは、特に、ふるい分けベルト速度、ふるい分けベルトピックアップ速度、少なくとも１つの三角ローラーの設定高さ、場合によっては存在する落下ステップの設定高さ、１つまたは複数のビーターの周波数、例えばスイングビーターの振幅、ふるい分けベルトに関するビーターの位置もしくはふるい分けベルトに作用する調整手段の位置、および／またはふるい分けベルトの内のりである。したがって、ふるい分けベルトの動作パラメータとは、場合によってはふるい分けベルトに作用するユニットによって設定可能な速度、周波数、振幅、または位置などの動作変数である。したがって、設定信号とは、相応にこれらの変数の設定に作用する、評価装置から出力もしくは開始される信号である。ヘッジホッグベルトとして構成された搬送要素の場合にも、前述の設定手段は、特にベルト速度の設定のために部分的に存在していてもよい。ローラーアレイの形態の搬送要素の場合、それらの回転速度や相互の距離を設定することができる。

搬送要素上、特にふるい分けベルト上の作物の流れの特にカメラベースの分析は、平均的団粒サイズを推定可能にする特徴の検出につながり、そのため、この情報に基づいて、ビーターまたはふるい分けベルトのふるい分け性能に影響を与える別の手段が、ニーズ指向で自動的に活動化または非活動化され、自身の機能において調整され得る。それにより、例えば、ふるい分け区間の搬送方向に関連して特にこの搬送方向に対して平行に相前後して配置された複数の設定手段を可変に設定することができる。

好適には、画像捕捉ユニットは、特に、ふるい分けベルトの少なくとも前方３分の１を捕捉する。カメラの視野角の位置に依存して、関心のある区分の光学的に歪んだ画像を矩形の表示に移行させることは有利である。

収穫作物を特に良好にかつ特に環境条件に依存せずに正確に捕捉するために、観察されるふるい分けベルト区間もしくはふるい分けベルト上を搬送される収穫作物を、照明ユニットを用いて照明することができる。

好適には、評価装置による土もしくは土壌団粒の団粒サイズ、例えば土塊サイズの決定のために、検査画像または検査データセットの少なくとも７５％まで、好適には９０％まで、さらに好適には９５％までの領域が選択され、かつさらにより好適には専ら土もしくは土塊を含みかつ特に連結され、かつ好適には矩形の領域が選択される。これらの領域が収穫動作中の特に高速の走行速度の場合に各画像に表れない場合であっても、土塊サイズの決定のための相応に制限された領域が、特に良好な結果をもたらし、特に少なくとも１５ｃｍ×１５ｃｍの小さな領域でさえも、生じ得る動作パラメータの設定もしくは変更のために十分な代表であることが示された。

そのような領域は、特に、自動化されて選択される。このことは、特に、検査データセットに含まれる色情報、生じ得る２Ｄもしく３Ｄ結像の縁部もしくは勾配の検査を介して、かつ場合によっては統計分析を使用して行われる。特に、これについては色情報に基づく画素ごとの分類が使用される。

この連結した、好適には少なくとも実質的に土を含む矩形の領域を表す検査データセットの部分は、少なくとも１つの土塊サイズの決定のために直接供与されるか、または入力データセットとして処理されてニューラルネットワーク分析、ヒストグラム分析、および／または動きからの構造分析に供与され、この分析では、画像領域に、動作パラメータの設定に使用される少なくとも１つの土塊サイズが割り当てられる。

特に、ニューラルネットワーク、好適には畳み込み層を含む畳み込みニューラルネットワーク（ＣＮＮ）を使用する場合、入力データセットは、例えばベクトル形式に変換することができる。トポロジー的には、ＣＮＮは、シーケンシャルネットワークまたはリカレントネットワークである。畳み込み層は、入力行列に畳み込みフィルタを適用するネットワーク内の処理レベルである。他層の場合と同様に、畳み込みフィルタは、重み付けの形態の自由度を有している。畳み込みフィルタは、ここでは、画像特徴の抽出のために用いられ、これらの画像特徴に基づいて、引き続き、例えば分類が実施される。ただし、ＣＮＮの適用を本発明にとって実用的なものにするためには、その開発においていくつかの改善を実施する必要があった。ネットワークのメモリ要件を軽減するために、画像特徴の関心度は、画像内でのそれらの位置に依存することなく均等であることを仮定して、分割された重みが畳み込みフィルタのニューロンのために使用される。さらに、分割された重みは、並進、回転、スケーリング、および輝度分散に対して堅固でもある。付加的に、畳み込み層の間には、特に、領域ごとに値を切り捨てるプーリング層を使用することも可能である。好適には、マックスプーリングが使用され、これによって、最大の、したがって最も重要な値を除いて小さな領域（例えば２×２または４×４）におけるすべての値は破棄される。

ＣＮＮの計算を可及的に簡素に維持するために、好適には、ＲｅＬＵ（rectified linear unit）が活性化関数として使用される。これは、負の領域では常に０であり、正の領域では線形に増加する。この改善により、ＣＮＮは、本発明による機械の実際の動作のために特に良好に使用することができる。補足的に、並列計算のために使用可能な計算機アーキテクチャも有利である。層内のニューロンは、相互に依存することなく、したがって、特に並列に計算することができる。そのため、例えばＧＰＵの形態の多くの並列計算ユニットを備えたアーキテクチャは、ＣＮＮに良好に適している。

好適には、画像区分は、土密度分布の最大値を有するように選択され、すなわち、画像区分は、自身が、実質的に土塊もしくは土を含んだ対応する密度分布の最大値を有するように自動化されて選択される。そのような分布は、特に、画素ごとの分類に基づいて生じ、この分類では、観察される画像領域のすべての画素が、根菜類、土／土塊、ならびに場合によっては石類および／または葉類の生じ得るオブジェクトグループに対する帰属度の確率に関して分類される。さらなる分類変数も同様に、「空のふるい分けベルト」、すなわち、生じ得る収穫作物が存在しないことを意味し得るであろう。そのため、好適には、土を表す最大数の画素を有する領域が、画像区分の選択に使用される。この場合、「土密度」の最大値は、好適にはニューラルネットワーク、特にＣＮＮに基づいて動作する、入力変数として１つまたは複数のふるい分け能力特徴を検出するための評価方法に提供される最適な領域である。好適には、７５％未満の土もしくは土壌密度を有する画像区分は、ふるい分け能力を表す特徴の決定のために使用されず、それによって、少なくとも１つのふるい分け能力特徴の決定は、場合によっては存在する石類、葉類、または根菜類などの過度に多くの異物によって損なわれない。そのため、例えば、画像区分は、自動化されて最小の土密度の下限閾値に依存して定義することも可能である。

ニューラルネットワークが、適切な画像区分に対応する同じサイズの多数の検査画像もしくは検査データセットを用いて事前トレーニングされることは自明のことである。同様の大きさの画像の場合、より小さな画像の縁部領域を、いわゆるゼロパディングによってゼロで埋めることができる。画像サイズが最大１０～１５％の規模で変動しても、画像分析結果の大幅な悪化につながることはない。例えば、これについては、多数の検査データセットに対して、５つのサイズクラスのうちのそれぞれ１つが手動で割り当てられる。

特にＣＮＮが使用される場合、検査画像もしくは検査データセットの画像領域に、土壌団粒のサイズに関する１つまたは複数のカテゴリを割り当てることができる。そのため、例えば、１～５のスケールで各画像に対応する値を割り当てることができる。ＣＮＮの学習段階の間、このふるい分け能力値は、ＣＮＮが自身の内部重みを学習できる基準となるサンプル画像の代表的な数について人間の専門家によって決定される。次いで、オンライン予測段階の間は、ＣＮＮによって自動的に推定されるこの値が、動作パラメータの制御もしくは設定に用いられる。

利用可能な技術の背景から、大規模な試行枠内での多数の収穫条件に対して、それぞれ１００～４００画素の間、好適には１５０～２５０画素の間の縁部長さを有するニューラルネットワークについて、特に矩形の入力データセットを定義することが有利であることが判明した。このサイズは、支配的な分散を考慮した場合、撮像後３０秒未満内、好適には３秒未満内にランニング動作中の動作パラメータの設定を実行するために必要な計算能力と、必要な持続時間との間で非常に良好な妥協点を表している。

さらに、この入力画像サイズを使用した場合、機械動作中にカメラ画像の十分に大きな割合（約７５％よりも大きい）の中で、大部分が専ら土壌もしくは土壌団粒によって占められている十分に大きな画像領域を見つけ出すことが可能である。これらの画像サイズは、使用される画像センサシステムの解像度、例えば、特に０．５～１０メガピクセルの領域内、好適には１．０～１．５メガピクセル内にあるカメラの解像度にも関連して見るべきである。

好適には、評価装置は、検査データセットを、機械上または直接接続された牽引車上で少なくとも部分的に局所的に評価する。特に、多数の設定可能なパラメータの背景から大規模なデータベースが必要なかぎり、評価装置は、検査データセットを、無線接続されたサーバー上で同様に少なくとも部分的に、好適には完全に評価することもできるが、ただしこの場合、ここでは、継続的な動作のために、相応に迅速でかつ安定したデータ接続も必要である。

そのような評価の混合形態も考えられ、そのため、評価のために使用されるハードウェアの一部が、ローカルマシン上に存在し、かつさらなる部分が、離れた場所に存在してもよい。

場合によっては環境センサ、例えば土壌センサを用いることにより、特に水分センサを用いることにより、本発明のさらなる実施例では、補足的に、土壌団粒の水分を決定し、評価装置において、動作パラメータの設定に対して付加的に使用することができる。水分センサは、ここでは、電気的ベースもしくは光学的ベースで動作することができる。その他に、導電率を捕捉するためのセンサは、土壌の状態に対するさらなる情報を提供することができ、これらの情報は、ふるい分け区間の動作パラメータの設定の際に使用することができる。

本発明による方法のさらなる実施例では、機械は、位置センサ、例えばＧＮＳＳ受信機を備え、機械に直接格納されるか、またはモバイルネットワーク接続を用いてリモートサーバーを介して提供される、収穫すべき面積の地図材料を有する。この場合、機械位置と組み合わせて地図材料に格納される局所的な土壌タイプは、ふるい分け区間の動作パラメータの設定のためのさらなる補助変数であってもよい。

同様に、本方法の一実施形態では、機械をリモートサーバーに接続してもよく、このサーバーを介して付加的に気象データを、すなわち湿度および温度情報を呼び出すことも可能である。これらの情報は、付加的に、ふるい分け区間の動作パラメータの決定に導入することができる。

好適には、動作パラメータの決定は、機械の制御ループの一部であり、特に付加的に、天候、すなわち湿度と温度および／または土壌タイプおよび／または収穫戦略が入力パラメータもしくは基準パラメータとして使用される。そのような制御ループでは、搬送要素の充填状態や、圧力、トルク、消費電流などの駆動要素の負荷値のようなさらなるより高い周波で捕捉可能な通常の１次元の入力変数を導入することができる。そのような入力変数を用いることにより、機械の、特にふるい分け区間の動作パラメータを高周波で制御することができる。そのような制御ループにより、好適には、付加的に、収穫深度および／または走行速度を制御することができる。

ここでは、天候、すなわち湿度と温度および／または土壌タイプおよび／または収穫戦略、ならびに特に本発明に従って決定される１つまたは複数の特徴などの基準パラメータは、次いで特にカスケード式に構築される制御ループのパラメータを最適化するためのカスケード制御の意味で土壌のふるい分け能力を表すために用いられ、したがって土壌タイプの変動など、高周波制御ループの入力変数に基づいて捕捉できない外乱変数を補償するために用いられる。好適には、この場合、高周波制御ループの周期時間は、１～１００ミリ秒の領域にあり、それに対して検査データセットからのふるい分け能力特徴の捕捉は、１００ミリ秒～３０秒の周期時間で実行される。

特に、動作パラメータの設定に関連し得るすべての入力パラメータは、対応するデータベースにおいて、特にローカルにもしくは外部に保管されるデータバンクの形態で相互に結合されており、この場合、付加的に、ふるい分け能力特徴と動作パラメータ値、ならびに特に環境変数は、経験的にもしくは場合によっては分析的な関係にもたらされてもよい。動作パラメータの設定も、ここでは、データベースを用いて様々な条件下でも行うことができる。

本発明による方法の一実施形態では、ＥＤＰ装置として設計された評価装置は、計算の他に、画像データおよび／または他のセンサデータおよび／またはふるい分け能力特徴および／または他の計算中間結果および／または動作パラメータおよび／または環境パラメータも特に機械の位置情報と結合して記録するように構成されている。これらのデータは、機械に同伴する評価装置にローカルに記憶することも、モバイル接続を介して中央のサーバーに伝送することもできる。これらのデータは、作業フィールド上のふるい分け特性の表示にマップ形式で用いることもできる。さらに、特にこれらのデータが多数の機械によって記録され、一元的にまとめられる場合、それらは、ふるい分け能力特徴の捕捉のためのアルゴリズムロジックの改善や場合によっては動作パラメータを求めるための制御ロジックの改善にも用いることができる。

冒頭に設定された課題は、同様に、根菜類を収穫する、かつ／または根菜類を分離する機械であって、該機械は、少なくとも１つの電磁式、特に光学式、または音響式の画像捕捉ユニットと、機械の機械フレームに対して相対的に移動可能でかつ特にふるい分けベルトの形態として構成された搬送要素と、評価装置ならびに搬送要素またはさらなる搬送要素を設定するための手段とを含んでいる機械によっても解決される。ここで、本機械は、請求項１記載の方法のステップ、ならびに前述またはさらに後述する本発明による方法のさらなる構成を実行するのに適している。特に、搬送ベルトを設定するための手段は、前述または後述するようなふるい分けベルトを設定するための手段である。

この課題は、同様に、前述または後述する本発明による、根菜類を収穫する、かつ／または根菜類を分離する機械に、前述または後述する方法ステップを実行させる命令を含んでいる、コンピュータプログラム製品によっても解決される。

本発明のさらなる利点または詳細は、以下の図面の説明から読み取ることができる。

本発明による機械の側面図である。 図１による対象の一部の斜視図である。 光学式の画像捕捉ユニットによって捕捉された図１による対象の一部を示した図である。 検査画像の領域の選択を示した図である。 図４による領域の分類手段を示した図である。 ふるい分けベルトに影響を与える手段を示した図である。 ふるい分けベルトに影響を与えるさらなる手段を示した図である。 ふるい分けベルトに影響を与えるさらなる手段を示した図である。 ふるい分けベルトに影響を与えるさらなる手段を示した図である。 本発明による方法のフローチャートである。 本発明によるさらなる方法のさらなるフローチャートである。

以下に説明する実施例の個々の技術的特徴は、前述の実施例ならびに独立請求項および場合によってはさらなる請求項の特徴と組み合わせて、本発明による対象に結び付けることも可能である。それが有用であるかぎり、機能的に同様に作用する要素には同一の参照符号が付される。

機械２は、本発明によれば、ジャガイモの形態の根菜類を収穫するように、したがって、ジャガイモ収穫機として構成されている。受容器４の領域でピックアップされた土壌もしくは土壌団粒、根菜類、葉類および／または石類の形態の材料は、機械フレーム６およびさらなるフレーム部品８の後方に取り付けられたふるい分けベルト１０の形態の搬送要素を介して搬送方向１Ａに搬送される。受容器４には、ふるい分けベルト１０が直結されている（図２）。ふるい分けベルト１０を用いて方向１Ａに搬送される作物は、機械フレーム部品９に固定され、受容器４の方向でふるい分けベルト１０に対して斜めに配向されたＲＧＢカメラの形態の第１の光学式の画像捕捉ユニット１２によって捕捉される。照明手段１４は、搬送方向１Ａにおいて第１の画像捕捉ユニット１２の後方に配置された第２の画像捕捉ユニット１２の領域において、ふるい分けベルトを照明している。

図２の右側に配置された第１の画像捕捉ユニット１２によって捕捉された機械２の領域は、図３に示されており、ここでは土の占有はない。特に、受容器４の水平なすきさき１８に直接下流に設けられたふるい分けベルト１０の個々のふるい分けロッド１６が認識可能である。ふるい分けベルト１０の下方において、機械フレーム６には、ふるい分けベルト１０の動作のための動作パラメータを設定するための設定手段が存在する。ここでは、本発明による機械２の構成に応じて、さらなる設定手段の一部であってもよい、図３に示されているローラー２０であり得る。評価装置を用いることにより、自動化されて画像区分２２が選択される（図４では可及的に少ない根菜類２４ならびに混入物２６（ここでは葉類）が含まれている）。画像区分２２は、本発明によれば、土壌団粒２８を少なくとも９０％含み、すでに直角に配向されているが、それに対して結像の残りは、まだわずかに遠近法的に歪んで示されている。

葉類および土壌団粒の識別は、例えば、グレーおよび／または実際の色を表す値を含む、光学式の画像捕捉ユニット１２によって撮像された色値に基づいた画素ごとの分類を用いて行われる。これらは、基準値もしくは基準値領域と比較される。この区別の形式により、検査画像上の成分の定性的な識別が可能になり、特に、予め設定可能な閾値内または予め設定された閾値内の１つの画素が、（収穫された）材料（土／土壌団粒、葉類、根菜類、石類）のクラスに割り当てられる。

領域２２が識別されるかぎり、この領域を表す検査データセットまたは検査データセット部分が、場合によってはニューラルネットワークの入力要件に適合されたバージョンでニューラルネットワークに供給される。このニューラルネットワーク、特にＣＮＮは、画像領域に少なくとも１つの土壌団粒サイズを割り当て、本発明のさらなる実施形態では、画像内の様々なふるい分けベルト区分サイズ分布の割合も割り当てられる。図４の区分には、図５の右側図解部分から見て取れるような特に大きな土塊を含む土塊サイズが示されている。この右側図解部分から左側に移動すると、ニューラルネットワークによって認識され、それらを用いてニューラルネットワークが事前トレーニングされた土壌団粒のさらなるサイズクラスが示される。

そのように定義された団粒サイズに依存して、例えば、動作パラメータは、例えば、図６に示されているスイングビーター３０のビート振幅または運動周波数を変えることができる。その揺動運動により、衝撃がふるい分けベルト１０に伝達される。このことは、土壌団粒、特に土塊の破砕に結び付く。代替的または補足的に、図７に示されているロータービーター３２の周波数または図８に示されている三角ホイール３４の位置は、ふるい分けベルトを支持する機械フレーム６に関連して変化する。同様に、設定レール３０（図９）は、ふるい分けベルト１０のベルト３までの距離を変更することができ、そのため、コネクタ３８を介して接続されたそれぞれ２つのふるい分けロッド１６から形成されたふるい分けロッドユニットが移動し、これによって、相互に追従するロッドと、相互に追従するふるい分けロッドユニットとの間の開口部の内のりが変化する。

図１０による本発明による方法のフローは、第１の方法ステップ４０で始まり、ステップ４０では画像捕捉ユニット１２を用いて検査データセット４２が生成され、次いで、検査データセット４２は、ステップ４３における画素に基づく分類を用いて定性的に分割され、それによって、ジャガイモ、葉類、土、または土壌などに対する検査データセットの個々の画像領域もしくは画素の割り当て４４を行うことができる。次いで、ステップ４６では、土および対応する土壌団粒のみを有する領域もしくは画像区分２２が選択される。この領域２２は、ステップ５０においてＣＮＮを用いて分析され、ＣＮＮを介して、結果５２において区分された画像に、図５によるサイズクラスが割り当てられる。次いで、ステップ５４では、場合によって設定信号を出力または開始することによって動作パラメータが変更され、その後、ふるい分けベルト１０のふるい分け性能が適合化される。

ステップ５４によるふるい分けベルト１０のふるい分け性能の設定と、ひいてはふるい分け区間の設定も、好適には制御ループ６０（図１１）の一部であり、制御ループ６０では、評価装置を含む機械制御部６２が、ローカルにまたは外部に存在するデータバンク６４にアクセスし、このデータバンク６４からは、一方では、ステップ５４によるふるい分けベルトの動作パラメータの設定のための割り当て規則、収穫深度設定６６、および／または走行速度６８が得られる。その上さらに、機械制御部６２では、多数のさらなる情報を処理することができる。これには、ふるい分けベルト始端の充填状態識別情報７０および／またはふるい分けベルト後端の充填状態識別情報７２および／または場合によっては分離機器の圧力情報７４および／または場合によっては分離機器の目詰まり識別情報７６が含まれる。最後に、ステップ７８では、個々の機能アセンブリの個々の動作パラメータの実際値が捕捉され、機械制御部６２のための入力情報として処理され得る。

典型的には、評価装置８０は、機械制御部６２の一部である。機械制御部６２のための付加的な入力情報は、土壌団粒サイズの推定５２の他に、操作要員によって予め定められた収穫戦略８２および／または捕捉部８４から到来する天候および土壌タイプに関する環境情報である。円８６は、評価装置によって実施されるサイズクラス識別５２、収穫戦略識別８２、および環境変数識別８４が、ステップ７０～７８によってマッピングされた機械２の収穫性能に与える影響を象徴している。例えば、最大収量を目指す収穫戦略の場合、最大団粒サイズクラスが識別されると、スイングビーターの振幅、ふるい分けロッド間隔、およびベルト速度が最大にされ、それに対して、より穏やかな戦略の場合には、振幅はあまり大きくは引き上げられず、同時にベルト速度も低減される。

Claims (15)

1. 根菜類を収穫する機械（２）、かつ／または、土壌団粒（２８）の形態の土壌を少なくとも含んで共搬送されるさらなる材料から根菜類（２４）を分離する機械（２）を動作させるための方法であって、
   少なくとも１つの電磁式または音響式の画像捕捉ユニット（１２）により、少なくとも１つのふるい分けベルト（１０）によって前記機械（２）の機械フレーム（６）に対して相対的に移動する材料の少なくとも一部の少なくとも１つの検査画像が撮像され、評価装置は、前記検査画像に基づいて生成された、かつ／または前記検査画像によって形成された少なくとも１つの検査データセットに基づいて、前記機械（２）の前記ふるい分けベルト（１０）および／またはさらなるふるい分けベルト（１０）の少なくとも１つの動作パラメータを設定するための設定信号を生成し、前記設定信号により、土壌のふるい分けを変化させるために、前記ふるい分けベルト（１０）の１つまたは複数の調整手段または駆動手段の作用が変化し、
   前記共搬送された土壌のふるい分け能力を表すための少なくとも１つの特徴が、前記評価装置によって決定され、前記動作パラメータの設定のために使用され、分類手法を用いた、前記検査画像内および収穫作物内に存在する成分の定性的決定の後で、少なくとも１つのふるい分け能力特徴の定量的決定が行われ、
   前記特徴は、１つまたは複数の前記土壌団粒（２８）のサイズ、形状、湿度、強度、または色を表す１つまたは複数の値を含み、かつ／または多数の前記土壌団粒（２８）のサイズ、形状、湿度、強度、または色の１つまたは複数の値を含む、方法。
2. 前記特徴は、ニューラルネットワーク分析、ヒストグラム分析、および／または動きからの構造分析を用いて前記検査データセットによって生成されたもしくは前記検査データセットによって形成された入力データセットに基づいて、前記評価装置によって決定される、請求項１記載の方法。
3. 前記ニューラルネットワーク分析に用いられるニューラルネットワークは、前記各入力データセットを、異なるふるい分け能力特徴の値を表す多数のクラスのうちの１つに分類する畳み込みニューラルネットワークとして設計されている、請求項２記載の方法。
4. 前記検査画像内に存在する前記材料の成分は、分類手法を用いて決定される、請求項１から３までのいずれか１項記載の方法。
5. 前記評価装置による前記特徴の決定のために、前記検査画像または前記検査データセットの、少なくとも７５％までの前記土壌団粒（２８）を含む領域（２２）が選択される、請求項１から４までのいずれか１項記載の方法。
6. 前記領域（２２）を表す前記検査データセットの部分は、直接供与されるか、または前記入力データセットとして処理されて前記ニューラルネットワーク分析、前記ヒストグラム分析、および／または動きからの構造分析に供与され、前記分析では、前記領域（２２）に、前記動作パラメータの設定に使用される前記特徴が割り当てられる、請求項２を引用する請求項５記載の方法。
7. 前記評価装置は、前記検査データセットを、前記機械（２）上または直接接続された牽引車上で少なくとも部分的に局所的に評価する、請求項１から６までのいずれか１項記載の方法。
8. 前記評価装置は、前記検査データセットを、無線接続されたサーバー上で評価する、請求項１から７までのいずれか１項記載の方法。
9. 前記ふるい分けベルト（１０）の前記動作パラメータは、ふるい分けベルト速度、ふるい分けベルトピックアップ速度、少なくとも１つの三角ローラーの設定高さ、落下ステップの設定高さ、ビーターの周波数、ビーターの振幅、ビーターの位置、および／または前記ふるい分けベルトの内のりである、請求項１から８までのいずれか１項記載の方法。
10. 水分センサを用いて前記土壌団粒（２８）の水分が決定され、前記評価装置内で前記動作パラメータの設定のために使用される、請求項１から９までのいずれか１項記載の方法。
11. 前記動作パラメータの決定は、前記機械（２）の制御ループの一部である、請求項１から１０までのいずれか１項記載の方法。
12. 前記制御ループを用いることにより、収穫深度および／または走行速度が制御される、請求項１１記載の方法。
13. 前記動作パラメータの設定は、データベースを使用して行われ、前記特徴および動作パラメータ値において相互に結合され記憶される、請求項１から１２までのいずれか１項記載の方法。
14. 根菜類（４）を収穫する、かつ／または根菜類（４）を分離する機械（２）であって、前記機械（２）は、
    少なくとも１つの電磁式の画像捕捉ユニット（１２）と、
    前記機械（２）の機械フレームに対して相対的に移動可能なふるい分けベルト（１０）と、
    評価装置ならびに前記ふるい分けベルト（１０）またはさらなるふるい分けベルト（１０）を設定するための手段とを含み、
    前記機械は、請求項１から１３までのいずれか１項記載の方法のステップを実行するように構成されている、機械（２）。
15. コンピュータプログラムであって、請求項１４記載の機械に、請求項１から１３までのいずれか１項記載の方法ステップを実行させる命令を含んでいる、コンピュータプログラム。