JPWO2019097892A1 - 圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、プログラム、および記録媒体 - Google Patents
圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、プログラム、および記録媒体 Download PDFInfo
- Publication number
- JPWO2019097892A1 JPWO2019097892A1 JP2019553741A JP2019553741A JPWO2019097892A1 JP WO2019097892 A1 JPWO2019097892 A1 JP WO2019097892A1 JP 2019553741 A JP2019553741 A JP 2019553741A JP 2019553741 A JP2019553741 A JP 2019553741A JP WO2019097892 A1 JPWO2019097892 A1 JP WO2019097892A1
- Authority
- JP
- Japan
- Prior art keywords
- image
- data
- canopy
- field
- unit
- 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
- 238000009395 breeding Methods 0.000 title claims abstract description 166
- 230000001488 breeding effect Effects 0.000 title claims abstract description 166
- 238000000034 method Methods 0.000 title claims abstract description 100
- 238000013480 data collection Methods 0.000 title claims description 75
- 238000004458 analytical method Methods 0.000 title claims description 59
- 238000012545 processing Methods 0.000 claims abstract description 216
- 238000012800 visualization Methods 0.000 claims abstract description 85
- 230000008569 process Effects 0.000 claims abstract description 16
- 235000013399 edible fruits Nutrition 0.000 claims description 117
- 238000000605 extraction Methods 0.000 claims description 72
- 239000000284 extract Substances 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 27
- 230000005484 gravity Effects 0.000 claims description 24
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 10
- 230000012010 growth Effects 0.000 claims description 10
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 5
- 239000001569 carbon dioxide Substances 0.000 claims description 5
- 230000005855 radiation Effects 0.000 claims description 5
- 238000010191 image analysis Methods 0.000 claims description 4
- 238000004148 unit process Methods 0.000 claims description 4
- 230000008635 plant growth Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000035613 defoliation Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Environmental Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Forests & Forestry (AREA)
- Ecology (AREA)
- Botany (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Human Resources & Organizations (AREA)
- Mechanical Engineering (AREA)
- Soil Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
Abstract
Description
圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する情報記憶部、
前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する分類部、
前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、2次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質を解析する画像処理部、
前記画像処理部で得られたデータを可視化処理する可視化部、
前記画像処理部で得られたデータおよび前記可視化部で得られたデータを、処理情報として保持する処理情報記憶部、
前記画像処理部で得られたデータおよび前記可視化部で得られたデータの少なくとも一方を出力する出力部
を有することを特徴とする。
前記育種データ収集装置の可視化データを入力する入力部と、
前記可視化データを解析して、前記圃場または前記植物の特徴を抽出する特徴解析部とを有することを特徴とする。
圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する情報記憶工程、
前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する分類工程、
前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、2次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質を解析する画像処理工程、
前記画像処理工程で得られたデータを可視化処理する可視化工程、
前記画像処理工程で得られたデータおよび前記可視化工程で得られたデータを、処理情報として保持する処理情報記憶工程、
前記画像処理工程で得られたデータおよび前記可視化工程で得られたデータの少なくとも一方を出力する出力工程
を有することを特徴とする。
前記画像の特徴量、前記画像処理データ、前記形質解析データ、およびセンシングデータからなる群から選択された少なくとも一つの可視化データを解析して、前記圃場または前記植物の特徴を抽出する特徴解析工程とを有することを特徴とする。
図1は、本実施形態の圃場の育種データ収集装置1の一例の構成を示すブロック図である。育種データ収集装置1は、記憶部100、処理部110、出力部120を含む。処理部110は、分類部111、画像処理部112、可視化部113を含み、記憶部100は、情報記憶部101、処理情報記憶部102を含む。
本実施形態1の育種データ収集装置1は、例えば、情報記憶部101が、さらに、前記圃場のセンシングデータと、前記圃場におけるセンシングの位置情報とを紐づけて、保持してもよい。前記センシングデータは、特に制限されず、例えば、温度、湿度、二酸化炭素濃度および日射量(例えば、光合成光量子束密度)等である。
前記実施形態1の育種データ収集装置について、さらに他の形態の一例を、図6のブロック図に示す。図6において、育種データ収集装置6は、さらに、特徴解析部114を有する。特徴解析部114は、例えば、処理部110に含まれる。本実施形態の育種データ収集装置は、例えば、特徴解析装置または特徴解析システムともいう。
本実施形態の育種データ収集装置の一例を、図7に示す。図7(A)は、本実施形態の育種データ収集装置を含む概要の一例であり、図7(B)は、前記育種データ収集装置における画像処理部の一例である。本発明は、これには制限されない。
本実施形態のプログラムは、実施形態1、2または3の育種データ収集方法または育種における特徴解析方法を、コンピュータ上で実行可能なプログラムである。または、本実施形態のプログラムは、例えば、コンピュータ読み取り可能な記録媒体に記録されてもよい。前記記録媒体としては、特に限定されず、例えば、読み出し専用メモリ(ROM)、ハードディスク(HD)、光ディスク、フロッピー(登録商標)ディスク(FD)等があげられる。
本発明において対象となる圃場が果樹圃場の場合、例えば、空撮画像からの果樹個体の同定には、例えば、本実施形態における同定装置および同定方法が利用できる。
本実施形態のプログラムは、前記実施形態5の同定方法を、コンピュータ上で実行可能なプログラムである。または、本実施形態のプログラムは、例えば、コンピュータ読み取り可能な記録媒体に記録されてもよい。前記記録媒体としては、特に限定されず、例えば、読み出し専用メモリ(ROM)、ハードディスク(HD)、光ディスク、フロッピー(登録商標)ディスク(FD)等があげられる。
上記の実施形態および実施例の一部または全部は、以下の付記のように記載されうるが、以下には限られない。
(付記A1)
圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する情報記憶部、
前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する分類部、
前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、2次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質を解析する画像処理部、
前記画像処理部で得られたデータを可視化処理する可視化部、
前記画像処理部で得られたデータおよび前記可視化部で得られたデータを、処理情報として保持する処理情報記憶部、
前記画像処理部で得られたデータおよび前記可視化部で得られたデータの少なくとも一方を出力する出力部
を有することを特徴とする圃場の育種データ収集装置。
(付記A2)
前記複数の画像群は、
少なくとも第1画像群、および第2画像群を含み、
前記第1画像群は、前記撮影高度が、前記第2画像群よりも高い範囲の画像群である、付記A1記載の育種データ収集装置。
(付記A3)
前記画像処理部において、前記圃場全体の3D画像を再構築する、付記A1またはA2記載の育種データ収集装置。
(付記A4)
前記画像処理部において、前記圃場の区画の3D画像を再構築し、前記圃場の区画における植物群の生育状態を判定する、付記A1からA3のいずれかに記載の育種データ収集装置。
(付記A5)
前記植物形質が、前記圃場における植物の植被率、植物の草丈、および植物の成長速度からなる群から選択された少なくとも一つである、付記A1からA4のいずれかに記載の育種データ収集装置。
(付記A6)
前記画像処理部において、前記植物の3D画像を再構築し、前記植物のさらに詳細な形質を判定する、付記A1からA5のいずれかに記載の圃場の育種データ収集装置。
(付記A7)
前記画像処理部が、第1画像処理部、および第2画像処理部を含み、
前記第1画像処理部が、前記第1画像群を処理し、
前記第2画像処理部が、前記第2画像群を処理する、付記A1からA6のいずれかに記載の育種データ収集装置。
(付記A8)
前記画像処理部が、複数の画像処理をパイプライン方式で実行する、付記A7記載の育種データ収集装置。
(付記A9)
前記可視化部が、前記画像処理部で得られるデータに含まれる2次元データを可視化処理し、前記画像処理部で得られるデータに含まれる3次元データを可視化処理する、付記A1からA8のいずれかに記載の育種データ収集装置。
(付記A10)
前記2次元データが、2次元オルソモザイク、数値表層モデル、およびグラフのデータを含み、
前記3次元データが、ポイントクラウドのデータを含む、付記A9記載の育種データ収集装置。
(付記A11)
前記撮影条件が、撮影時間を含み、
前記可視化部において、時系列となるように可視化処理する、付記A1からA10のいずれかに記載の圃場の育種データ収集装置。
(付記A12)
前記情報記憶部は、さらに、前記圃場のセンシングデータと、前記圃場におけるセンシングの位置情報とを紐づけて、保持する、付記A1からA11のいずれかに記載の育種データ収集装置。
(付記A13)
前記可視化部は、さらに、前記圃場情報に基づいて、前記センシングの位置情報に紐づけられた前記圃場におけるセンシングデータを、可視化処理する、付記A12記載の育種データ収集装置。
(付記A14)
前記可視化部で得られるデータが、グラフデータである、付記A13記載の育種データ収集装置。
(付記A15)
前記センシングデータが、温度、湿度、二酸化炭素濃度、および日射量からなる群から選択された少なくとも一つのデータである、付記A13またはA14記載の育種データ収集装置。
(付記A16)
前記圃場情報は、前記圃場を分割する各プロットの座標情報、および、前記圃場で育成している植物情報を含み、前記座標情報に前記植物情報が紐づけられている、付記A1からA15のいずれかに記載の育種データ収集装置。
(付記A17)
前記植物情報は、前記植物の画像解析情報である、付記A16記載の育種データ収集装置。
(付記A18)
前記情報記憶部が、さらに、撮影条件と、前記撮影条件に紐づけられた地上撮影画像を保持する、付記A1からA17のいずれかに記載の圃場の育種データ収集装置。
(付記A19)
前記空撮画像が、無人航空機による撮影画像である、付記A1からA18のいずれかに記載の育種データ収集装置。
(付記A20)
前記無人航空機が、ドローンである、付記A19記載の育種データ収集装置。
(付記A21)
さらに、特徴解析部を有し、
前記特徴解析部は、可視化データを解析して、前記圃場または前記植物の特徴を抽出し、
前記可視化データは、前記画像の特徴量、前記生成データ、前記形質解析データ、センシングデータからなる群から選択された少なくとも一つである、付記A1からA20のいずれかに記載の育種データ収集装置。
(付記A22)
付記A1からA21のいずれかに記載の圃場の育種データ収集装置に通信回線網を介して接続可能であり、
前記装置の可視化データを入力する入力部と、
前記可視化データを解析して、前記圃場または前記植物の特徴を抽出する特徴解析部とを有することを特徴とする育種における特徴解析装置。
(付記A23)
圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する情報記憶工程、
前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する分類工程、
前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、2次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質を解析する画像処理工程、
前記画像処理工程で得られたデータを可視化処理する可視化工程、
前記画像処理工程で得られたデータおよび前記可視化工程で得られたデータを、処理情報として保持する処理情報記憶工程、
前記画像処理工程で得られたデータおよび前記可視化工程で得られたデータの少なくとも一方を出力する出力工程
を有することを特徴とする圃場の育種データ収集方法。
(付記A24)
前記複数の画像群は、
少なくとも第1画像群、および第2画像群を含み、
前記第1画像群は、前記撮影高度が、前記第2画像群よりも高い範囲の画像群である、付記A23記載の育種データ収集方法。
(付記A25)
前記画像処理工程において、前記圃場全体の3D画像を再構築する、付記A23またはA24記載の育種データ収集方法。
(付記A26)
前記画像処理工程において、前記圃場の区画の3D画像を再構築し、前記圃場の区画における植物群の生育状態を判定する、付記A23からA25のいずれかに記載の育種データ収集方法。
(付記A27)
前記植物形質が、前記圃場における植物の植被率、植物の草丈、および植物の成長速度からなる群から選択された少なくとも一つである、付記A23からA26のいずれかに記載の育種データ収集方法。
(付記A28)
前記画像処理工程において、前記植物の3D画像を再構築し、前記植物のさらに詳細な生育状態を判定する、付記A23からA27のいずれかに記載の圃場の育種データ収集方法。
(付記A29)
前記画像処理工程が、第1画像処理工程、および第2画像処理工程を含み、
前記第1画像処理工程において、前記第1画像群を処理し、
前記第2画像処理工程において、前記第2画像群を処理する、付記A23からA28のいずれかに記載の育種データ収集方法。
(付記A30)
前記画像処理工程において、複数の画像処理をパイプライン方式で実行する、付記A29記載の育種データ収集方法。
(付記A31)
前記可視化工程において、前記画像処理工程で得られるデータに含まれる2次元データを可視化処理し、前記画像処理工程で得られるデータに含まれる3次元データを可視化処理する、付記A23からA30のいずれかに記載の育種データ収集方法。
(付記A32)
前記2次元データが、2次元オルソモザイク、数値表層モデル、およびグラフのデータを含み、
前記3次元データが、ポイントクラウドのデータを含む、付記A31記載の育種データ収集方法。
(付記A33)
前記撮影条件が、撮影時間を含み、
前記可視化工程において、時系列となるように可視化処理する、付記A23からA32のいずれかに記載の圃場の育種データ収集方法。
前記情報記憶工程において、さらに、前記圃場のセンシングデータと、前記圃場におけるセンシングの位置情報とを紐づけて、保持する、付記A23からA33のいずれかに記載の育種データ収集方法。
(付記A35)
前記可視化工程において、さらに、前記圃場情報に基づいて、前記センシングの位置情報に紐づけられた前記圃場におけるセンシングデータを、可視化処理する、付記A34記載の育種データ収集方法。
(付記A36)
前記可視化工程で得られるデータが、グラフデータである、付記A35記載の育種データ収集方法。
(付記A37)
前記センシングデータが、温度、湿度、二酸化炭素濃度、および日射量からなる群から選択された少なくとも一つのデータである、付記A35またはA36記載の育種データ収集方法。
(付記A38)
前記圃場情報は、前記圃場を分割する各プロットの座標情報、および、前記圃場で育成している植物情報を含み、前記座標情報に前記植物情報が紐づけられている、付記A23からA37のいずれかに記載の育種データ収集方法。
(付記A39)
前記植物情報は、前記植物の画像解析情報である、付記A38記載の育種データ収集方法。
(付記A40)
前記情報記憶工程において、さらに、撮影条件と、前記撮影条件に紐づけられた地上撮影画像を保持する、付記A23からA39のいずれかに記載の圃場の育種データ収集方法。
(付記A41)
前記空撮画像が、無人航空機による撮影画像である、付記A23からA40のいずれかに記載の育種データ収集方法。
(付記A42)
前記無人航空機が、ドローンである、付記A41記載の育種データ収集方法。
(付記A43)
さらに、特徴解析工程を有し、
前記特徴解析工程は、可視化データを解析して、前記圃場または前記植物の特徴を抽出し、
前記可視化データは、前記画像の特徴量、前記生成データ、前記形質解析データ、センシングデータからなる群から選択された少なくとも一つである、付記A23からA42のいずれかに記載の育種データ収集方法。
(付記A44)
付記A23からA43のいずれかに記載の圃場の育種データ収集方法によるデータ収集工程と、
前記画像の特徴量、前記画像処理データ、前記形質解析データ、およびセンシングデータからなる群から選択された少なくとも一つの可視化データを解析して、前記圃場または前記植物の特徴を抽出する特徴解析工程とを有することを特徴とする育種における特徴解析方法。
(付記A45)
付記A23からA43のいずれかに記載の圃場の育種データ収集方法をコンピュータに実行させることを特徴とするプログラム。
(付記A46)
付記A44記載の育種における特徴解析方法をコンピュータに実行させることを特徴とするプログラム。
(付記A47)
付記A45またはA46記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
(付記B1)
同定基準決定部と、樹冠同定部とを有し;
前記同定基準決定部は、
第1画像取得部、スケルトン抽出部、頂点抽出部、および同定基準抽出部を有し、
前記第1画像取得部は、果樹圃場について、複数の果樹個体を含む落葉期の第1空撮画像を取得し、
前記スケルトン抽出部は、前記第1空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠スケルトンを抽出し、
前記頂点抽出部は、各果樹個体について、対応する樹冠スケルトンの頂点を抽出し、
前記同定基準抽出部は、前記各果樹個体について、同定基準として、前記頂点を全て含む最小多角形の樹冠候補領域を抽出し、前記各果樹個体について、同定基準として、前記樹冠候補領域から、その重心を抽出し;
前記樹冠同定部は、
第2画像取得部、全体樹冠抽出部、および樹冠同定部を有し、
前記第2画像取得部は、前記果樹圃場について、前記第1空撮画像と同じスケールであり、樹冠を同定する時期の第2空撮画像を取得し、
前記全体樹冠抽出部は、前記第2空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠画像を抽出し、
前記樹冠同定部は、前記全体の樹冠画像に、前記同定基準の樹冠候補領域および重心を照合し、前記第2空撮画像における前記各果樹個体の樹冠領域を同定する
ことを特徴とする画像における果樹個体の樹冠の同定装置。
(付記B2)
前記樹冠同定部は、
前記全体の樹冠画像に、前記同定基準の樹冠領域および重心を照合し、前記各果樹個体の樹冠候補領域を抽出し、
前記樹冠候補領域と、前記樹冠候補領域の周囲の微小領域とから、前記各果樹個体の樹冠領域を同定する、付記B1記載の同定装置。
(付記B3)
さらに、果樹形質解析部を有し、
前記果樹形質解析部は、同定した樹冠領域の形質を解析する、付記B1またはB2記載の同定装置。
(付記B4)
さらに、出力部を有し、前記出力部は、前記樹冠領域を出力する、付記B1からB3のいずれかに記載の同定装置。
(付記B5)
同定基準決定工程と、樹冠同定工程とを有し;
前記同定基準決定工程は、
第1画像取得工程、スケルトン抽出工程、頂点抽出工程、および同定基準抽出工程を有し、
前記第1画像取得工程は、果樹圃場について、複数の果樹個体を含む落葉期の第1空撮画像を取得し、
前記スケルトン抽出工程は、前記第1空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠スケルトンを抽出し、
前記頂点抽出工程は、各果樹個体について、対応する樹冠スケルトンの頂点を抽出し、
前記同定基準抽出工程は、前記各果樹個体について、同定基準として、前記頂点を全て含む最小多角形の樹冠候補領域を抽出し、前記各果樹個体について、同定基準として、前記樹冠候補領域から、その重心を抽出し;
前記樹冠同定工程は、
第2画像取得工程、全体樹冠抽出工程、および樹冠同定工程を有し、
前記第2画像取得工程は、前記果樹圃場について、前記第1空撮画像と同じスケールであり、樹冠を同定する時期の第2空撮画像を取得し、
前記全体樹冠抽出工程は、前記第2空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠画像を抽出し、
前記樹冠同定工程は、前記全体の樹冠画像に、前記同定基準の樹冠候補領域および重心を照合し、前記第2空撮画像における前記各果樹個体の樹冠領域を同定する
ことを特徴とする画像における果樹個体の樹冠の同定方法。
(付記B6)
前記樹冠同定工程は、
前記全体の樹冠画像に、前記同定基準の樹冠領域および重心を照合し、前記各果樹個体の樹冠候補領域を抽出し、
前記樹冠候補領域と、前記樹冠候補領域の周囲の微小領域とから、前記各果樹個体の樹冠領域を同定する、付記B5記載の同定方法。
(付記B7)
さらに、果樹形質解析工程を有し、
前記果樹形質解析工程は、同定した樹冠領域の形質を解析する、付記B5またはB6記載の同定方法。
(付記B8)
さらに、出力工程を有し、前記出力工程は、前記樹冠領域を出力する、付記B5からB7のいずれかに記載の同定方法。
(付記B9)
付記B5からB8のいずれかに記載の果樹個体の樹冠の同定方法をコンピュータに実行させることを特徴とするプログラム。
(付記B10)
付記B9記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
100 記憶部
101 情報記憶部
102 処理情報記憶部
110 処理部
111 分類部
112 画像処理部
113 可視化部
120 出力部
2 クライアント端末
32 通信回線網
40 同定装置
41 同定基準決定部
411 第1画像取得部
412 スケルトン抽出部
413 頂点抽出部
414 同定基準抽出部
42 樹冠同定部
421 第2画像取得部
422 全体樹冠抽出部
423 樹冠同定部
43 果樹形質解析部
44 記憶部
Claims (57)
- 圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する情報記憶部、
前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する分類部、
前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、2次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質を解析する画像処理部、
前記画像処理部で得られたデータを可視化処理する可視化部、
前記画像処理部で得られたデータおよび前記可視化部で得られたデータを、処理情報として保持する処理情報記憶部、
前記画像処理部で得られたデータおよび前記可視化部で得られたデータの少なくとも一方を出力する出力部
を有することを特徴とする圃場の育種データ収集装置。 - 前記複数の画像群は、
少なくとも第1画像群、および第2画像群を含み、
前記第1画像群は、前記撮影高度が、前記第2画像群よりも高い範囲の画像群である、請求項1記載の育種データ収集装置。 - 前記画像処理部において、前記圃場全体の3D画像を再構築する、請求項1または2記載の育種データ収集装置。
- 前記画像処理部において、前記圃場の区画の3D画像を再構築し、前記圃場の区画における植物群の生育状態を判定する、請求項1から3のいずれか一項に記載の育種データ収集装置。
- 前記植物形質が、前記圃場における植物の植被率、植物の草丈、および植物の成長速度からなる群から選択された少なくとも一つである、請求項1から4のいずれか一項に記載の育種データ収集装置。
- 前記画像処理部において、前記植物の3D画像を再構築し、前記植物のさらに詳細な形質を判定する、請求項1から5のいずれか一項に記載の圃場の育種データ収集装置。
- 前記画像処理部が、第1画像処理部、および第2画像処理部を含み、
前記第1画像処理部が、前記第1画像群を処理し、
前記第2画像処理部が、前記第2画像群を処理する、請求項1から6のいずれか一項に記載の育種データ収集装置。 - 前記画像処理部が、複数の画像処理をパイプライン方式で実行する、請求項7記載の育種データ収集装置。
- 前記可視化部が、前記画像処理部で得られるデータに含まれる2次元データを可視化処理し、前記画像処理部で得られるデータに含まれる3次元データを可視化処理する、請求項1から8のいずれか一項に記載の育種データ収集装置。
- 前記2次元データが、2次元オルソモザイク、数値表層モデル、およびグラフのデータを含み、
前記3次元データが、ポイントクラウドのデータを含む、請求項9記載の育種データ収集装置。 - 前記撮影条件が、撮影時間を含み、
前記可視化部において、時系列となるように可視化処理する、請求項1から10のいずれか一項に記載の圃場の育種データ収集装置。 - 前記情報記憶部は、さらに、前記圃場のセンシングデータと、前記圃場におけるセンシングの位置情報とを紐づけて、保持する、請求項1から11のいずれか一項に記載の育種データ収集装置。
- 前記可視化部は、さらに、前記圃場情報に基づいて、前記センシングの位置情報に紐づけられた前記圃場におけるセンシングデータを、可視化処理する、請求項12記載の育種データ収集装置。
- 前記可視化部で得られるデータが、グラフデータである、請求項13記載の育種データ収集装置。
- 前記センシングデータが、温度、湿度、二酸化炭素濃度、および日射量からなる群から選択された少なくとも一つのデータである、請求項13または14記載の育種データ収集装置。
- 前記圃場情報は、前記圃場を分割する各プロットの座標情報、および、前記圃場で育成している植物情報を含み、前記座標情報に前記植物情報が紐づけられている、請求項1から15のいずれか一項に記載の育種データ収集装置。
- 前記植物情報は、前記植物の画像解析情報である、請求項16記載の育種データ収集装置。
- 前記情報記憶部が、さらに、撮影条件と、前記撮影条件に紐づけられた地上撮影画像を保持する、請求項1から17のいずれか一項に記載の圃場の育種データ収集装置。
- 前記空撮画像が、無人航空機による撮影画像である、請求項1から18のいずれか一項に記載の育種データ収集装置。
- 前記無人航空機が、ドローンである、請求項19記載の育種データ収集装置。
- さらに、特徴解析部を有し、
前記特徴解析部は、可視化データを解析して、前記圃場または前記植物の特徴を抽出し、
前記可視化データは、前記画像の特徴量、前記生成データ、前記形質解析データ、センシングデータからなる群から選択された少なくとも一つである、請求項1から20のいずれか一項に記載の育種データ収集装置。 - 請求項1から21のいずれか一項に記載の圃場の育種データ収集装置に通信回線網を介して接続可能であり、
前記育種データ収集装置の可視化データを入力する入力部と、
前記可視化データを解析して、前記圃場または前記植物の特徴を抽出する特徴解析部とを有することを特徴とする育種における特徴解析装置。 - 圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する情報記憶工程、
前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する分類工程、
前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、2次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質を解析する画像処理工程、
前記画像処理工程で得られたデータを可視化処理する可視化工程、
前記画像処理工程で得られたデータおよび前記可視化工程で得られたデータを、処理情報として保持する処理情報記憶工程、
前記画像処理工程で得られたデータおよび前記可視化工程で得られたデータの少なくとも一方を出力する出力工程
を有することを特徴とする圃場の育種データ収集方法。 - 前記複数の画像群は、
少なくとも第1画像群、および第2画像群を含み、
前記第1画像群は、前記撮影高度が、前記第2画像群よりも高い範囲の画像群である、請求項23記載の育種データ収集方法。 - 前記画像処理工程において、前記圃場全体の3D画像を再構築する、請求項23または24記載の育種データ収集方法。
- 前記画像処理工程において、前記圃場の区画の3D画像を再構築し、前記圃場の区画における植物群の生育状態を判定する、請求項23から25のいずれか一項に記載の育種データ収集方法。
- 前記植物形質が、前記圃場における植物の植被率、植物の草丈、および植物の成長速度からなる群から選択された少なくとも一つである、請求項23から26のいずれか一項に記載の育種データ収集方法。
- 前記画像処理工程において、前記植物の3D画像を再構築し、前記植物のさらに詳細な生育状態を判定する、請求項23から27のいずれか一項に記載の圃場の育種データ収集方法。
- 前記画像処理工程が、第1画像処理工程、および第2画像処理工程を含み、
前記第1画像処理工程において、前記第1画像群を処理し、
前記第2画像処理工程において、前記第2画像群を処理する、請求項23から28のいずれか一項に記載の育種データ収集方法。 - 前記画像処理工程において、複数の画像処理をパイプライン方式で実行する、請求項29記載の育種データ収集方法。
- 前記可視化工程において、前記画像処理工程で得られるデータに含まれる2次元データを可視化処理し、前記画像処理工程で得られるデータに含まれる3次元データを可視化処理する、請求項23から30のいずれか一項に記載の育種データ収集方法。
- 前記2次元データが、2次元オルソモザイク、数値表層モデル、およびグラフのデータを含み、
前記3次元データが、ポイントクラウドのデータを含む、請求項31記載の育種データ収集方法。 - 前記撮影条件が、撮影時間を含み、
前記可視化工程において、時系列となるように可視化処理する、請求項23から32のいずれか一項に記載の圃場の育種データ収集方法。 - 前記情報記憶工程において、さらに、前記圃場のセンシングデータと、前記圃場におけるセンシングの位置情報とを紐づけて、保持する、請求項23から33のいずれか一項に記載の育種データ収集方法。
- 前記可視化工程において、さらに、前記圃場情報に基づいて、前記センシングの位置情報に紐づけられた前記圃場におけるセンシングデータを、可視化処理する、請求項34記載の育種データ収集方法。
- 前記可視化工程で得られるデータが、グラフデータである、請求項35記載の育種データ収集方法。
- 前記センシングデータが、温度、湿度、二酸化炭素濃度、および日射量からなる群から選択された少なくとも一つのデータである、請求項35または36記載の育種データ収集方法。
- 前記圃場情報は、前記圃場を分割する各プロットの座標情報、および、前記圃場で育成している植物情報を含み、前記座標情報に前記植物情報が紐づけられている、請求項23から37のいずれか一項に記載の育種データ収集方法。
- 前記植物情報は、前記植物の画像解析情報である、請求項38記載の育種データ収集方法。
- 前記情報記憶工程において、さらに、撮影条件と、前記撮影条件に紐づけられた地上撮影画像を保持する、請求項23から39のいずれか一項に記載の圃場の育種データ収集方法。
- 前記空撮画像が、無人航空機による撮影画像である、請求項23から40のいずれか一項に記載の育種データ収集方法。
- 前記無人航空機が、ドローンである、請求項41記載の育種データ収集方法。
- さらに、特徴解析工程を有し、
前記特徴解析工程は、可視化データを解析して、前記圃場または前記植物の特徴を抽出し、
前記可視化データは、前記画像の特徴量、前記生成データ、前記形質解析データ、センシングデータからなる群から選択された少なくとも一つである、請求項23から42のいずれか一項に記載の育種データ収集方法。 - 請求項23から43のいずれか一項に記載の圃場の育種データ収集方法によるデータ収集工程と、
前記画像の特徴量、前記画像処理データ、前記形質解析データ、およびセンシングデータからなる群から選択された少なくとも一つの可視化データを解析して、前記圃場または前記植物の特徴を抽出する特徴解析工程とを有することを特徴とする育種における特徴解析方法。 - 請求項23から43のいずれか一項に記載の圃場の育種データ収集方法をコンピュータに実行させることを特徴とするプログラム。
- 請求項44記載の育種における特徴解析方法をコンピュータに実行させることを特徴とするプログラム。
- 請求項45または46記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
- 同定基準決定部と、樹冠同定部とを有し;
前記同定基準決定部は、
第1画像取得部、スケルトン抽出部、頂点抽出部、および同定基準抽出部を有し、
前記第1画像取得部は、果樹圃場について、複数の果樹個体を含む落葉期の第1空撮画像を取得し、
前記スケルトン抽出部は、前記第1空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠スケルトンを抽出し、
前記頂点抽出部は、各果樹個体について、対応する樹冠スケルトンの頂点を抽出し、
前記同定基準抽出部は、前記各果樹個体について、同定基準として、前記頂点を全て含む最小多角形の樹冠候補領域を抽出し、前記各果樹個体について、同定基準として、前記樹冠候補領域から、その重心を抽出し;
前記樹冠同定部は、
第2画像取得部、全体樹冠抽出部、および樹冠同定部を有し、
前記第2画像取得部は、前記果樹圃場について、前記第1空撮画像と同じスケールであり、樹冠を同定する時期の第2空撮画像を取得し、
前記全体樹冠抽出部は、前記第2空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠画像を抽出し、
前記樹冠同定部は、前記全体の樹冠画像に、前記同定基準の樹冠候補領域および重心を照合し、前記第2空撮画像における前記各果樹個体の樹冠領域を同定する
ことを特徴とする画像における果樹個体の樹冠の同定装置。 - 前記樹冠同定部は、
前記全体の樹冠画像に、前記同定基準の樹冠領域および重心を照合し、前記各果樹個体の樹冠候補領域を抽出し、
前記樹冠候補領域と、前記樹冠候補領域の周囲の微小領域とから、前記各果樹個体の樹冠領域を同定する、請求項48記載の同定装置。 - さらに、果樹形質解析部を有し、
前記果樹形質解析部は、同定した樹冠領域の形質を解析する、請求項48または49記載の同定装置。 - さらに、出力部を有し、前記出力部は、前記樹冠領域を出力する、請求項48から50のいずれか一項に記載の同定装置。
- 同定基準決定工程と、樹冠同定工程とを有し;
前記同定基準決定工程は、
第1画像取得工程、スケルトン抽出工程、頂点抽出工程、および同定基準抽出工程を有し、
前記第1画像取得工程は、果樹圃場について、複数の果樹個体を含む落葉期の第1空撮画像を取得し、
前記スケルトン抽出工程は、前記第1空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠スケルトンを抽出し、
前記頂点抽出工程は、各果樹個体について、対応する樹冠スケルトンの頂点を抽出し、
前記同定基準抽出工程は、前記各果樹個体について、同定基準として、前記頂点を全て含む最小多角形の樹冠候補領域を抽出し、前記各果樹個体について、同定基準として、前記樹冠候補領域から、その重心を抽出し;
前記樹冠同定工程は、
第2画像取得工程、全体樹冠抽出工程、および樹冠同定工程を有し、
前記第2画像取得工程は、前記果樹圃場について、前記第1空撮画像と同じスケールであり、樹冠を同定する時期の第2空撮画像を取得し、
前記全体樹冠抽出工程は、前記第2空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠画像を抽出し、
前記樹冠同定工程は、前記全体の樹冠画像に、前記同定基準の樹冠候補領域および重心を照合し、前記第2空撮画像における前記各果樹個体の樹冠領域を同定する
ことを特徴とする画像における果樹個体の樹冠の同定方法。 - 前記樹冠同定工程は、
前記全体の樹冠画像に、前記同定基準の樹冠領域および重心を照合し、前記各果樹個体の樹冠候補領域を抽出し、
前記樹冠候補領域と、前記樹冠候補領域の周囲の微小領域とから、前記各果樹個体の樹冠領域を同定する、請求項52記載の同定方法。 - さらに、果樹形質解析工程を有し、
前記果樹形質解析工程は、同定した樹冠領域の形質を解析する、請求項52または53記載の同定方法。 - さらに、出力工程を有し、前記出力工程は、前記樹冠領域を出力する、請求項52から54のいずれか一項に記載の同定方法。
- 請求項52から55のいずれか一項に記載の果樹個体の樹冠の同定方法をコンピュータに実行させることを特徴とするプログラム。
- 請求項56記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023004694A JP2023052423A (ja) | 2017-11-15 | 2023-01-16 | 圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、プログラム、および記録媒体 |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017220504 | 2017-11-15 | ||
JP2017220504 | 2017-11-15 | ||
JP2018057035 | 2018-03-23 | ||
JP2018057035 | 2018-03-23 | ||
PCT/JP2018/037372 WO2019097892A1 (ja) | 2017-11-15 | 2018-10-05 | 圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、プログラム、および記録媒体 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023004694A Division JP2023052423A (ja) | 2017-11-15 | 2023-01-16 | 圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、プログラム、および記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019097892A1 true JPWO2019097892A1 (ja) | 2020-12-24 |
JP7218870B2 JP7218870B2 (ja) | 2023-02-07 |
Family
ID=66539455
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019553741A Active JP7218870B2 (ja) | 2017-11-15 | 2018-10-05 | 圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、プログラム、および記録媒体 |
JP2023004694A Pending JP2023052423A (ja) | 2017-11-15 | 2023-01-16 | 圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、プログラム、および記録媒体 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023004694A Pending JP2023052423A (ja) | 2017-11-15 | 2023-01-16 | 圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、プログラム、および記録媒体 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11462008B2 (ja) |
JP (2) | JP7218870B2 (ja) |
CN (1) | CN111344738B (ja) |
WO (1) | WO2019097892A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230351744A1 (en) * | 2020-01-30 | 2023-11-02 | Sagri Co., Ltd. | Information processing device |
CN114548926B (zh) * | 2022-02-22 | 2023-04-07 | 河南省农业科学院农业经济与信息研究所 | 一种基于机器视觉的小麦育种材料表型性状快速采集方法 |
CN114879585B (zh) * | 2022-07-11 | 2022-10-25 | 黑龙江省农业科学院黑河分院 | 一种面向精准农业的网络化大豆低温育种的智能监控系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005088252A1 (en) * | 2004-03-15 | 2005-09-22 | Fm-Kartta Oy | Method for determination of stand attributes and a computer program for performing the method |
JP2007033931A (ja) * | 2005-07-27 | 2007-02-08 | Hitachi Software Eng Co Ltd | 衛星画像等を用いた地図作成のための道路認識システム |
JP2007066050A (ja) * | 2005-08-31 | 2007-03-15 | Kokusai Kogyo Co Ltd | 樹冠円抽出システム |
JP2008152425A (ja) * | 2006-12-15 | 2008-07-03 | Hitachi Software Eng Co Ltd | 農地区画データ作成システム |
JP2014006148A (ja) * | 2012-06-25 | 2014-01-16 | Topcon Corp | 航空写真撮像方法及び航空写真撮像システム |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7212670B1 (en) * | 2002-05-03 | 2007-05-01 | Imagetree Corp. | Method of feature identification and analysis |
CN101672915B (zh) | 2009-09-23 | 2012-08-29 | 中国林业科学研究院资源信息研究所 | 一种高空间分辨率遥感影像树冠轮廓勾绘系统及方法 |
JP4858793B2 (ja) | 2009-11-12 | 2012-01-18 | 国立大学法人信州大学 | 樹木本数算定方法及び樹木本数算定装置 |
US9064151B2 (en) | 2012-10-04 | 2015-06-23 | Intelescope Solutions Ltd. | Device and method for detecting plantation rows |
JP6273473B2 (ja) | 2012-11-20 | 2018-02-07 | 小平アソシエイツ株式会社 | 森林情報管理装置 |
CN104182925B (zh) * | 2013-05-22 | 2019-04-09 | 东芝医疗系统株式会社 | 图像处理装置、图像处理方法和医学图像设备 |
CN103793686B (zh) | 2014-01-16 | 2017-12-15 | 中国农业大学 | 一种果树产量早期预测的方法 |
CN103942838A (zh) | 2014-05-13 | 2014-07-23 | 福州大学 | 基于点云数据的单树三维建模与形态参数提取的方法 |
JP2016000024A (ja) | 2014-06-12 | 2016-01-07 | 清水建設株式会社 | 植栽防火性評価装置及び植栽防火性評価方法 |
CN104463164B (zh) | 2014-09-03 | 2018-02-13 | 中国科学院遥感与数字地球研究所 | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 |
JP6656038B2 (ja) | 2016-03-25 | 2020-03-04 | 忠士 岩下 | ブドウの栽培管理方法 |
CN106598090A (zh) * | 2016-12-14 | 2017-04-26 | 江苏蒲公英无人机有限公司 | 一种用于果树喷药的无人机控制系统 |
CN106778888A (zh) * | 2016-12-27 | 2017-05-31 | 浙江大学 | 一种基于无人机遥感的果园病虫害普查系统和方法 |
CN106969730B (zh) * | 2017-05-19 | 2019-03-26 | 中国农业大学 | 一种基于无人机探测技术的果树树冠体积测量方法 |
WO2019066391A1 (en) | 2017-09-27 | 2019-04-04 | Samsung Electronics Co., Ltd. | METHOD AND APPARATUS FOR ANALYZING COMMUNICATION ENVIRONMENTS AND NETWORK DESIGN IN TAKING ACCOUNT OF THE PRESENCE OF TREES |
-
2018
- 2018-10-05 WO PCT/JP2018/037372 patent/WO2019097892A1/ja active Application Filing
- 2018-10-05 JP JP2019553741A patent/JP7218870B2/ja active Active
- 2018-10-05 US US16/763,675 patent/US11462008B2/en active Active
- 2018-10-05 CN CN201880073728.3A patent/CN111344738B/zh active Active
-
2023
- 2023-01-16 JP JP2023004694A patent/JP2023052423A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005088252A1 (en) * | 2004-03-15 | 2005-09-22 | Fm-Kartta Oy | Method for determination of stand attributes and a computer program for performing the method |
JP2007033931A (ja) * | 2005-07-27 | 2007-02-08 | Hitachi Software Eng Co Ltd | 衛星画像等を用いた地図作成のための道路認識システム |
JP2007066050A (ja) * | 2005-08-31 | 2007-03-15 | Kokusai Kogyo Co Ltd | 樹冠円抽出システム |
JP2008152425A (ja) * | 2006-12-15 | 2008-07-03 | Hitachi Software Eng Co Ltd | 農地区画データ作成システム |
JP2014006148A (ja) * | 2012-06-25 | 2014-01-16 | Topcon Corp | 航空写真撮像方法及び航空写真撮像システム |
Non-Patent Citations (6)
Title |
---|
山本 英詞、外2名: ""衛星画像と地上計測データの樹冠マッチング"", 電子情報通信学会技術研究報告, vol. 106, no. 156, JPN6022053745, 7 July 2006 (2006-07-07), JP, pages 23 - 28, ISSN: 0004947437 * |
延原 肇: ""農作物を対象にしたUAVによる時空間アーカイビング"", 日本ロボット学会誌, vol. 34, no. 2, JPN6018050249, 15 March 2016 (2016-03-15), JP, pages 51 - 54, ISSN: 0004892855 * |
杉浦 綾、外2名: ""UAVからの時系列画像によるバレイショ疫病の病徴評価"", 第57回 システム制御情報学会 研究発表講演会講演論文集, JPN6018050250, 15 May 2013 (2013-05-15), JP, pages 1 - 3, ISSN: 0004892856 * |
杉浦 綾: ""ドローン空撮画像による高速フィールドフェノタイピング"", 日本ロボット学会誌, vol. 35, no. 5, JPN6018050251, 15 June 2017 (2017-06-15), JP, pages 9 - 11, ISSN: 0004892857 * |
村本 健一郎: ""地球環境のセンシング技術 −画像・電磁波・光技術の様々な時空間スケールへの適用−"", 映像情報メディア学会技術報告, vol. 29, no. 35, JPN6022053744, 24 June 2005 (2005-06-24), JP, pages 13 - 20, ISSN: 0004947436 * |
熊谷 樹一郎、外2名: ""延焼遮断機能に着目した都市内植生分布の分析手法の開発"", GIS−理論と応用, vol. 17, no. 2, JPN6018050252, 31 December 2009 (2009-12-31), JP, pages 45 - 56, ISSN: 0004947435 * |
Also Published As
Publication number | Publication date |
---|---|
CN111344738B (zh) | 2024-03-29 |
JP7218870B2 (ja) | 2023-02-07 |
WO2019097892A1 (ja) | 2019-05-23 |
US20200372251A1 (en) | 2020-11-26 |
US11462008B2 (en) | 2022-10-04 |
JP2023052423A (ja) | 2023-04-11 |
CN111344738A (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2023052423A (ja) | 圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、プログラム、および記録媒体 | |
JP7144779B2 (ja) | 樹冠の同定装置、同定方法、プログラム、および記録媒体 | |
Andujar et al. | Using depth cameras to extract structural parameters to assess the growth state and yield of cauliflower crops | |
Rist et al. | High-precision phenotyping of grape bunch architecture using fast 3D sensor and automation | |
Jayathunga et al. | Digital aerial photogrammetry for uneven-aged forest management: Assessing the potential to reconstruct canopy structure and estimate living biomass | |
Tagle Casapia et al. | Identifying and quantifying the abundance of economically important palms in tropical moist forest using UAV imagery | |
Méndez et al. | In-field estimation of orange number and size by 3D laser scanning | |
Adak et al. | Temporal vegetation indices and plant height from remotely sensed imagery can predict grain yield and flowering time breeding value in maize via machine learning regression | |
Katal et al. | Deep learning in plant phenological research: A systematic literature review | |
Zhang et al. | Rapeseed stand count estimation at leaf development stages with UAV imagery and convolutional neural networks | |
Brocks et al. | Toward an automated low-cost three-dimensional crop surface monitoring system using oblique stereo imagery from consumer-grade smart cameras | |
Yrttimaa et al. | Structural changes in boreal forests can be quantified using terrestrial laser scanning | |
Gholamrezaie et al. | Automatic mapping of burned areas using Landsat 8 time-series images in Google Earth engine: A case study from Iran | |
Zhang et al. | A method for calculating the leaf inclination of soybean canopy based on 3D point clouds | |
Ponce et al. | A methodology for the automated delineation of crop tree crowns from UAV-based aerial imagery by means of morphological image analysis | |
Balestra et al. | Geomatic data fusion for 3D tree modeling: The case study of monumental chestnut trees | |
Ciocîrlan et al. | Predicting leaf phenology in forest tree species using uavs and satellite images: a case study for European beech (Fagus sylvatica L.) | |
Goëau et al. | Can artificial intelligence help in the study of vegetative growth patterns from herbarium collections? An evaluation of the tropical flora of the French Guiana Forest | |
Chen et al. | An efficient approach to monitoring pine wilt disease severity based on random sampling plots and UAV imagery | |
Zhao et al. | A dataset of pomegranate growth stages for machine learning-based monitoring and analysis | |
Osińska-Skotak et al. | The methodology for identifying secondary succession in non-Forest Natura 2000 habitats using multi-source airborne remote sensing data | |
Souza et al. | The more fractal the architecture the more intensive the color of flower: A Superpixel-Wise analysis towards high-throughput phenotyping | |
Schwarz et al. | Forest canopy mortality during the 2018-2020 summer drought years in Central Europe: The application of a deep learning approach on aerial images across Luxembourg | |
Psiroukis et al. | Cotton Growth Modelling Using UAS-Derived DSM and RGB Imagery | |
CN109632799A (zh) | 基于机器视觉的水稻叶片氮含量移动检测分级方法、系统和计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200409 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210716 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210903 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20220630 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221011 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221207 |
|
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: 20221220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230118 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7218870 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |