KR20200132886A - 잡초 방제 장치 - Google Patents
잡초 방제 장치 Download PDFInfo
- Publication number
- KR20200132886A KR20200132886A KR1020207027387A KR20207027387A KR20200132886A KR 20200132886 A KR20200132886 A KR 20200132886A KR 1020207027387 A KR1020207027387 A KR 1020207027387A KR 20207027387 A KR20207027387 A KR 20207027387A KR 20200132886 A KR20200132886 A KR 20200132886A
- Authority
- KR
- South Korea
- Prior art keywords
- sensor
- ground
- weed control
- electrode
- location
- Prior art date
Links
- 241000196324 Embryophyta Species 0.000 title claims abstract description 285
- 238000012545 processing Methods 0.000 claims abstract description 51
- 230000004913 activation Effects 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 17
- 239000002689 soil Substances 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 12
- 238000003780 insertion Methods 0.000 claims description 9
- 230000037431 insertion Effects 0.000 claims description 9
- 230000005674 electromagnetic induction Effects 0.000 claims description 7
- 239000000523 sample Substances 0.000 description 21
- 238000010191 image analysis Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 241001465754 Metazoa Species 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000004927 clay Substances 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 241001669679 Eleotris Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000282346 Meles meles Species 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 241000009328 Perro Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000002786 root growth Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000009333 weeding Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M21/00—Apparatus for the destruction of unwanted vegetation, e.g. weeds
- A01M21/04—Apparatus for destruction by steam, chemicals, burning, or electricity
- A01M21/046—Apparatus for destruction by steam, chemicals, burning, or electricity by electricity
-
- 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
- A01B39/00—Other machines specially adapted for working soil on which crops are growing
- A01B39/12—Other machines specially adapted for working soil on which crops are growing for special purposes, e.g. for special culture
- A01B39/18—Other machines specially adapted for working soil on which crops are growing for special purposes, e.g. for special culture for weeding
-
- 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
- A01B39/00—Other machines specially adapted for working soil on which crops are growing
- A01B39/28—Other machines specially adapted for working soil on which crops are growing with special additional arrangements
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
- E01H11/00—Control of undesirable vegetation on roads or similar surfaces or permanent ways of railways, e.g. devices for scorching weeds or for applying herbicides; Applying liquids, e.g. water, weed-killer bitumen, to permanent ways
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine 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
- G06N3/08—Learning methods
-
- 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
- G06T7/00—Image analysis
-
- 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
-
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2639—Energy management, use maximum of cheap power, keep peak load low
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Environmental Sciences (AREA)
- Wood Science & Technology (AREA)
- Pest Control & Pesticides (AREA)
- Insects & Arthropods (AREA)
- Zoology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mechanical Engineering (AREA)
- Soil Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Marine Sciences & Fisheries (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Automation & Control Theory (AREA)
- Mining & Mineral Resources (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
Abstract
본 발명은 잡초 방제 장치에 관한 것이다. 환경의 적어도 하나의 센서 데이터를 프로세싱 유닛에 제공하는 것(210)이 설명된다. 프로세싱 유닛은 환경의 복수의 위치 각각에 대한 적어도 하나의 지면 속성을 결정하기 위해 적어도 하나의 센서 데이터 중 적어도 일부를 분석한다(220). 프로세싱 유닛은 복수의 위치 각각에 대한 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정을 결정한다(230). 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정의 결정은 해당 위치와 연관된 적어도 하나의 지면 속성의 이용을 포함한다. 출력 유닛은 적어도 하나의 전극 기반 잡초 방제 유닛을 활성화시키는 데 사용 가능한 정보를 출력한다(240).
Description
본 발명은 잡초 방제 장치, 잡초 방제 시스템, 잡초 방제 방법은 물론, 컴퓨터 프로그램 요소 및 컴퓨터 판독 가능 매체에 관한 것이다.
본 발명의 일반적 배경은 잡초 방제(weed control)이다. 특정한 산업 영역들 및 철도 선로 주변의 영역들은 초목(vegetation)이 방제될 필요가 있다. 철도의 경우, 그러한 방제는 기관사와 같은 열차 상의 사람들의 관점에서 가시성을 개선시키고 선로 상에서 작업하는 사람들의 관점에서 가시성을 개선시킨다. 그러한 방제는 개선된 안전성을 가져올 수 있다. 부가적으로, 초목은 선로 및 연관된 시그널링 및 통신 라인들을 방해하거나 손상시킬 수 있다. 그러면 이를 완화시키기 위해 초목의 방제가 요구된다. 잡초 방제라고도 불리는, 초목 방제는, 특히 수동으로 수행되는 경우, 시간과 자원을 많이 소비할 수 있다. 잡초 스프레이어 열차(weed sprayer train)는, 열차 상의 화학물질 탱크들에 들어 있는 제초제를, 초목을 방제하기 위해 선로 및 주변 영역에 스프레이할 수 있다. 그렇지만, 그러한 잡초 방제는 비용이 많이 들 수 있으며, 일반 대중은 환경 영향의 감소를 보기를 점점 더 원한다.
개선된 잡초 방제 장치를 갖는 것이 유리할 것이다.
본 발명의 목적은 독립 청구항들의 주제로 해결되며, 여기서 추가 실시예들은 종속 청구항들에 포함된다. 본 발명의 이하의 설명된 양태들 및 예들이 잡초 방제 장치, 잡초 방제 시스템, 잡초 방제 방법, 및 컴퓨터 프로그램 요소 및 컴퓨터 판독 가능 매체에도 적용된다는 점에 유의해야 한다.
제1 양태에 따르면, 잡초 방제 장치가 제공되며, 이 장치는:
- 입력 유닛;
- 프로세싱 유닛; 및
- 출력 유닛을 포함한다.
입력 유닛은 환경의 적어도 하나의 센서 데이터를 프로세싱 유닛에 제공하도록 구성된다. 프로세싱 유닛은 환경의 복수의 위치 각각에 대한 적어도 하나의 지면 속성을 결정하기 위해 적어도 하나의 센서 데이터 중 적어도 일부를 분석하도록 구성된다. 프로세싱 유닛은 복수의 위치 각각에 대한 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정을 결정하도록 구성된다. 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정의 결정은 해당 위치와 연관된 적어도 하나의 지면 속성의 이용을 포함한다. 출력 유닛은 적어도 하나의 전극 기반 잡초 방제 유닛을 활성화시키는 데 사용 가능한 정보를 출력하도록 구성된다.
환언하면, 환경의 센서 데이터가 취득되었다. 전류가 지면과 해당 위치에 있는 임의의 국소적 초목을 통해 하나의 전극으로부터 다른 전극으로 흐르도록, 2개의 전극의 사용을 통해, 전극들 사이에 전압을 각각 인가할 수 있는 다수의 전극 기반 잡초 방제 유닛이 있다. 그렇게 함으로써, 잡초가 방제하거나 제거될 수 있다. 그렇지만, 지면이 젖어 있거나, 건조하거나, 다져져 있거나, 푸석푸석하거나, 돌이 많거나, 갈라진 틈이 있거나, 상당한 초목 근량(vegetation root content)을 갖거나, 또는 상이한 전기 전도 속성을 가질 수 있는 상이한 토양 유형인 것과 같은, 환경의 상이한 위치에서의 지면 속성에 따라, 전극 기반 잡초 방제 유닛의 구성은 최적의 방식으로 동작하기 위해 상이할 필요가 있을 수 있다. 따라서, 건조한 것에 비해 젖어 있을 때 또는 토양의 유형에 따라 그리고 심지어 전도성 경로를 제공할 수 있는 특정 식물 뿌리가 존재하는 경우와 같이, 일부 상황에서 지면이 다른 상황에서보다 전도성이 더 높을 수 있다. 따라서, 해당 위치에서 최적의 잡초 방제를 제공하기 위해 지면을 통해 인가될 전극들 사이의 전압 및/또는 전류가 변경될 필요가 있다. 유사하게, 지면이 푸석푸석하거나 갈라진 틈이 있는 경우, 요구된 최적 구성은 지면이 다져져 있을 때와 상이하다. 게다가, 지면이 건조하더라도, 점토 유형 토양과 비교하여 이탄(peaty)과 같은 상이한 토양 유형은 전극 기반 잡초 방제 유닛에 대해 상이한 최적의 구성 설정을 요구한다. 또한, 지면이 상당한 초목 근량(vegetation root matter), 특히 긴 원뿌리(tap root)를 갖는지 여부는 전류가 지면을 통해 흐르는 방식을 또다시 변경시킬 수 있으며 최적의 구성 설정이 그에 따라 변경될 필요가 있다. 따라서, 환경에 대한 센서 데이터가 취득되어, 지면 속성이 결정될 수 있게 하며, 그에 의해 전극 잡초 방제 유닛이 최적의 방식으로 동작하도록 올바르게 구성될 수 있게 한다.
이러한 방식으로, 상이한 위치들에 존재하는 잡초가 최적으로 방제될 수 있는데, 그 이유는 전극 기반 잡초 방제 유닛이 특정 위치에서의 지면 속성을 고려하는 최적의 방식으로 동작하기 때문이다.
예에서, 적어도 하나의 센서 데이터는 적어도 하나의 이미지를 포함한다. 프로세싱 유닛은 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 복수의 위치 중 적어도 하나의 활성화 위치를 결정하기 위해 적어도 하나의 이미지를 분석하도록 구성된다.
환언하면, 환경의 이미지 또는 이미지들이 취득되었다. 그 이미지(들)의 이미지 분석으로부터 결정되는 하나 이상의 위치에서 높은 전위로 지면을 통해 전류를 통과시키기 위해 활성화될 수 있는 전극 기반 잡초 방제 유닛 또는 다수의 전극 기반 잡초 방제 유닛이 있으며, 여기서 전극 잡초 방제 기술은 그 위치에서의 활성화를 위해 최적으로 구성된다. 이러한 방식으로, 잡초가 제거되거나 방제될 수 있다.
이러한 방식으로, 이미지 분석에 기초하여 영역들에서 환경의 잡초가 방제될 수 있어, 요구되는 경우에만 고전압 전극이 적용(활성화)될 수 있게 하며, 여기서 각각의 적용 영역에 대해 전극 기반 잡초 방제 유닛의 최적의 구성이 제공된다. 예를 들어, 콘크리트 영역들, 타맥(tarmac) 영역들과 같은 환경의 영역들에서, 금속 및/또는 목재 철도 선로 침목들의 위치들에서, 금속 철도 선로의 위치에서는, 전극이 활성화되어서는 안된다고 결정될 수 있는데 그 이유는 이러한 영역들에서는 잡초들이 자랄 수 없거나 일반적으로 자라지 않기 때문이다. 이러한 방식으로, 더 적은 전력이 사용되고 환경 영향이 감소된다. 또한, 이미징되고 식별될 수 있는 민감한 장비가 있는 곳 및 그러한 장비를 손상시키지 않기 위해 전극이 활성화되지 않은 곳과 같은, 환경의 영역들이 결정될 수 있다. 또한, 예를 들어, 동물이 고전압 잡초 제거 디바이스의 경로에 있는 것으로 결정되는 경우, 이미지 프로세싱은 동물(예컨대, 오소리, 토끼, 개, 고양이)을 식별할 수 있고 전극들이 활성화되지 않을 수 있으며, 활성화 시스템이 심지어, 동물이 살해되거나 해를 입지 않도록, 동물보다 위로 상승될 수 있다.
또한, 잡초의 위치 또는 위치들 및 그 위치에서 활성화되는 전극들을 결정하는 것과 같은, 어디에서 전극들이 활성화되어서는 안되는지를 결정하는 것에 부가하여 또는 그와 대조적으로 어디에서 전극들이 활성화되어야 하는지가 이미지 분석에 기초하여 결정될 수 있다. 다시 말하지만, 이것은 요구되는 경우에만 전극이 활성화될 수 있게 하여, 비용, 시간 및 환경 영향 장점들이 발생한다.
따라서, 이 장치는 지면 속성들에 기초하여 상이한 위치들에 대해 전극들을 어떻게 구성할지를 결정할 수 있으며, 전극들은 이어서 활성화되도록 준비될 수 있지만, 이미지 데이터의 이미지 프로세싱에 기초하여 특정 위치들에서만 활성화된다.
예에서, 적어도 하나의 활성화 위치를 결정하기 위한 적어도 하나의 이미지의 분석은 적어도 하나의 초목 위치의 결정을 포함한다.
환언하면, 이미지 프로세싱은 취득된 이미저리(imagery)에서 초목 영역들을 결정하기 위해 사용될 수 있으며, 이로부터 해당 위치에서 전극 기반 잡초 방제 유닛을 활성화시키도록 결정될 수 있다. 이러한 방식으로, 전극들이 초목 영역들에서와 그 주위 영역에서만 활성화될 수 있다. 따라서, 한 영역에 있는 잡초는 잡초를 방제하고 제거하기 위해 식물과 지면을 통한, 따라서 식물의 뿌리를 통한 전력의 표적 인가(targeted application)를 통해 방제될 수 있지만, 인가는 초목이 있는 곳에서만 수행되지만, 활성화는 해당 활성화 위치의 지면 조건에 최적화된 레벨에 있다.
예에서, 활성화 위치에 대한 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정의 결정은 결정된 적어도 하나의 초목 위치의 이용을 포함한다.
환언하면, 전극 기반 잡초 방제 유닛에 대한 전력 설정은, 토양 유형, 전도도 등과 같은 지면 조건을 고려할 수 있으며, 부가적으로 이 전력 설정은 이미지 프로세싱 분석을 통해 검출된 초목을 고려하여 추가로 조정될 수 있다. 따라서, 이 장치는 사실상 지면 유형을 고려하는 베이스라인 전력 설정(baseline power setting)을 결정하고, 예를 들어, 특정 전압 및 전류에서 동작하도록 전극 기반 잡초 방제 유닛을 준비시킬 수 있지만, 이 유닛은 초목이 검출될 때까지 활성화되지 않는다. 그러나, 초목이 검출될 때, 초목의 크기 또는 밀도와 같은, 초목을 고려하기 위해 전압 및/또는 전력 설정의 약간의 조정이 이루어질 수 있으며, 이 유닛이 그러면 더 신속하게 활성화될 수 있는데 그 이유는 조정이 너무 클 필요는 없기 때문이다. 이어서, 전극 기반 잡초 방제 유닛은 해당 위치에서의 지면 속성을 고려하는, 특정 위치에 존재하는 초목과 관련하여 최적인 구성으로 동작한다. 따라서, 점토에서의 특정 크기의 잡초 덤불을 제거하기 위한 전력 설정은 사질 토양에서의 동일한 크기의 잡초 덤불을 제거하는 데 요구되는 것과 상이할 수 있으며, (점토 또는 사질 조건의 경우) 인접한 위치에서 더 작은 잡초 덤불이 발견되는 경우, 다시 말하지만 더 큰 잡초 덤불에 대한 것과 상이할 수 있는 전력 설정의 적절한 조정이 이루어질 수 있다.
예에서, 적어도 하나의 활성화 위치를 결정하기 위한 적어도 하나의 이미지의 분석은 적어도 하나의 잡초 유형의 결정을 포함한다.
예에서, 활성화 위치에 대한 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정의 결정은 결정된 적어도 하나의 잡초 유형의 이용을 포함한다.
환언하면, 방제될 잡초 유형 또는 잡초 유형들은 물론 그 특정 유형의 잡초가 발견되는 지면 조건을 고려하기 위해 전극 기반 잡초 방제 유닛에 대한 적절한 전력 설정이 선택될 수 있다.
달리 말하면, 이미지 프로세싱은 잡초 유형 및 잡초의 위치를 결정하는 데 사용될 수 있고, 센서 데이터는 제1 레벨의 전력 설정을 제공하는 지면 속성을 결정하는 데 사용되며, 특정 잡초가 결정되고 이어서, 그 위치에 있는 토양 /지면 조건을 고려하여, 그 특정 위치에 있는 그 특정 잡초를 제거하는 데 최적인 제2 전력 설정을 제공하기 위해 그 제1 전력 설정을 증가시킨다. 위치는 이미저리 내에서의 위치일 수 있다. 위치는 실제 지리적 위치일 수 있다. 위치는 이미저리 내에 있을 수 있으며 적어도 하나의 전극 기반 잡초 방제 유닛의 위치를 기준으로 할 수 있다.
예에서, 적어도 하나의 이미지의 분석은 머신 러닝 알고리즘의 이용을 포함한다.
예에서, 적어도 하나의 지면 속성은: 지면 수분의 측정치; 지면 텍스처의 측정치; 지면 전도도의 측정치; 지면 온도의 측정치; 지면 경도의 측정치; 식물 뿌리 출현의 측정치; 지면 유형의 측정치; 염도의 측정치 중 하나 이상을 포함한다.
예에서, 적어도 하나의 센서 데이터가 적어도 하나의 센서에 의해 취득되었고, 여기서 입력 유닛은 적어도 하나의 센서 데이터가 취득되었을 때 적어도 하나의 센서와 연관된 적어도 하나의 위치를 프로세싱 유닛에 제공하도록 구성된다.
위치는 지면 상의 정확한 위치와 관련한 지리적 위치일 수 있거나, 또는 전극 기반 잡초 방제 유닛들의 위치 또는 위치들을 기준으로 하는 지면 상의 위치일 수 있다. 환언하면, 절대적 지리적 위치가 이용될 수 있거나 또는 절대적으로(in absolute terms) 알려질 필요는 없고 전극 기반 잡초 방제 유닛들의 위치를 기준으로 하는 지면 상의 위치가 이용될 수 있다. 따라서, 이미지를 이미지가 취득되었던 위치와 상관시킴으로써, 전력이 그 위치에 정확하게 인가될 수 있다.
예에서, 적어도 하나의 센서는: 카메라; 지면 수분 센서; 지면 텍스처 센서; 전기 전도도 센서; 토양 삽입 센서; 전자기 유도 센서; 온도 센서; 지면 경도 센서; 뿌리 출현 센서; 지면 유형 센서; 염도 센서; 가시 광선, 적외선, 근적외선, 중적외선, 원적외선 중 하나 이상에서 동작하도록 구성된 적어도 하나의 반사율 센서 중 하나 이상을 포함한다.
제2 양태에 따르면, 잡초 방제 시스템이 제공되고, 이 시스템은:
- 적어도 하나의 센서;
- 제1 양태에 따른 잡초 방제 장치; 및
- 적어도 하나의 전극 기반 잡초 방제 유닛을 포함한다.
적어도 하나의 센서는 환경의 적어도 하나의 센서 데이터를 취득하도록 구성된다. 적어도 하나의 전극 기반 잡초 방제 유닛은 차량에 장착된다. 이 장치는 적어도 하나의 전극 기반 잡초 방제 유닛을 활성화시키도록 구성된다.
이러한 방식으로, 차량은 상이한 위치들에서의 지면 조건을 고려하도록 전력 설정이 조정된 위치들에서 하나 이상의 전극 기반 잡초 방제 유닛을 사용하여 환경 여기저기로 이동하고 그 환경 내의 잡초를 방제할 수 있다. 이러한 방식으로, 센서 데이터는 하나의 플랫폼, 예를 들어, 환경 상공을 비행하는 하나 이상의 드론에 의해 취득될 수 있다. 이 정보는, 사무실에 있을 수 있는, 장치에 송신된다. 이 장치는 환경 내의 상이한 위치들에 있는 전극들에 대한 구성을 결정한다. 이 정보는, 그 환경 여기저기로 이동하는 차량에 제공되는 특징 맵(feature map) 및/또는 잡초 방제 맵(weed control map)에서 제공될 수 있으며, 환경의 특정 부분들에서 전극들이 올바른 전력 설정으로 활성화된다. 대안적으로, 데이터를 취득하고, 데이터를 프로세싱하며, 차량에 전극 시스템들을 갖는 하나의 차량에 대해 이러한 일이 발생할 수 있으며, 차량은, 환경 여기저기로 이동하면서, 국소적 지면 조건들 및 속성들을 고려하는 최적의 전력 설정을 결정한다.
예에서, 이 장치는 차량에 장착되고; 여기서 적어도 하나의 센서는 차량에 장착된다.
이러한 방식으로, 이 시스템은, 이미저리를 취득하는 것, 어떤 전력 설정을 어디에서 사용할지를 결정하기 위해 이미지를 분석하는 것, 및 이어서 요구된 특정 위치에서 적절한 전극 기반 잡초 방제 유닛을 활성화시키는 것에 의해, 실시간 또는 준 실시간(quasi real time)으로 동작할 수 있다.
예에서, 적어도 하나의 센서는: 카메라; 지면 수분 센서; 지면 텍스처 센서; 지면 전도도 센서; 전자기 유도 센서; 지면 온도 센서; 토양 삽입 센서; 지면 경도 센서; 뿌리 출현 센서; 지면 유형 센서; 염도 센서, 반사율 센서 중 하나 이상을 포함한다.
제3 양태에 따르면, 잡초 방제 방법이 제공되고, 이 방법은:
a) 환경의 적어도 하나의 센서 데이터를 프로세싱 유닛에 제공하는 단계;
b) 프로세싱 유닛에 의해, 환경의 복수의 위치 각각에 대한 적어도 하나의 지면 속성을 결정하기 위해 적어도 하나의 센서 데이터 중 적어도 일부를 분석하는 단계;
d) 프로세싱 유닛에 의해, 복수의 위치 각각에 대한 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정을 결정하는 단계 - 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정의 결정은 해당 위치와 연관된 적어도 하나의 지면 속성의 이용을 포함함 -; 및
e) 출력 유닛에 의해, 적어도 하나의 전극 기반 잡초 방제 유닛을 활성화시키는 데 사용 가능한 출력 정보를 출력하는 단계를 포함한다.
다른 양태에 따르면, 프로세서에 의해 실행될 때, 제3 양태의 방법을 수행하도록 구성된, 제1 양태의 장치에 따른 장치 및/또는 제2 양태에 따른 시스템을 제어하기 위한 컴퓨터 프로그램 요소가 제공된다.
유리하게도, 상기 양태들 중 임의의 것에 의해 제공되는 이점들은 다른 양태들 전부에 동일하게 적용되며, 그 반대도 마찬가지이다.
상기 양태들 및 예들은 이하에 설명되는 실시예들로부터 명백해지고 이 실시예들을 참조하여 설명될 것이다.
예시적인 실시예들이 첨부 도면들을 참조하여 이하에서 설명될 것이다:
도 1은 잡초 방제 장치의 예의 개략적인 구성(set up)을 도시한다;
도 2는 잡초 방제 시스템의 예의 개략적인 구성을 도시한다;
도 3은 잡초 방제 방법을 도시한다;
도 4는 잡초 방제 시스템의 예의 개략적인 구성을 도시한다;
도 5는 잡초 방제 시스템의 예의 개략적인 구성을 도시한다;
도 6은 잡초 방제 시스템의 부분의 예의 개략적인 구성을 도시한다;
도 7은 도 6에 도시된 잡초 방제 시스템의 부분의 구간의 보다 세부적인 사항의 개략적인 구성을 도시한다;
도 8은 철도 선로 및 주변 영역의 개략적인 표현을 도시한다.
도 1은 잡초 방제 장치의 예의 개략적인 구성(set up)을 도시한다;
도 2는 잡초 방제 시스템의 예의 개략적인 구성을 도시한다;
도 3은 잡초 방제 방법을 도시한다;
도 4는 잡초 방제 시스템의 예의 개략적인 구성을 도시한다;
도 5는 잡초 방제 시스템의 예의 개략적인 구성을 도시한다;
도 6은 잡초 방제 시스템의 부분의 예의 개략적인 구성을 도시한다;
도 7은 도 6에 도시된 잡초 방제 시스템의 부분의 구간의 보다 세부적인 사항의 개략적인 구성을 도시한다;
도 8은 철도 선로 및 주변 영역의 개략적인 표현을 도시한다.
도 1은 잡초 방제 장치(10)의 예를 도시한다. 장치(10)는 입력 유닛(20), 프로세싱 유닛(30), 및 출력 유닛(40)을 포함한다. 입력 유닛(20)은 환경의 적어도 하나의 센서 데이터를 프로세싱 유닛(30)에 제공하도록 구성된다. 프로세싱 유닛(30)은 환경의 복수의 위치 각각에 대한 적어도 하나의 지면 속성을 결정하기 위해 적어도 하나의 센서 데이터 중 적어도 일부를 분석하도록 구성된다. 프로세싱 유닛(30)은 복수의 위치 각각에 대한 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정을 결정하도록 또한 구성된다. 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정의 결정은 해당 위치와 연관된 적어도 하나의 지면 속성의 이용을 포함한다. 출력 유닛(30)은 적어도 하나의 전극 기반 잡초 방제 유닛을 활성화시키는 데 사용 가능한 정보를 출력하도록 구성된다.
예에서, 이 장치는 실시간으로 동작하며, 여기서 센서 데이터가 취득되고 즉시 프로세싱되며 하나 또는 둘 이상의 전극 기반 잡초 방제 유닛이 구성되고 활성화된다.
예에서, 이 장치는 준 실시간으로 동작하고, 여기서 전극 기반 잡초 방제 유닛들의 올바른 구성을 결정하기 위해 환경의 센서 데이터가 취득되고 즉시 프로세싱된다. 그 정보는, 환경 내에서 이동하고 그 환경의 특정 부분들에서 전극 기반 잡초 방제 유닛들을 활성화시키는, 적절한 시스템(또는 시스템들)에 의해 나중에 사용될 수 있다. 따라서, 예를 들어, 하나 이상의 센서를 장비한 자동차, 열차, 화물차 또는 무인 항공기(UAV) 또는 드론과 같은, 제1 차량은 환경 내에서 이동하고 센서 데이터를 취득할 수 있다. 이 센서 데이터는 환경 여기저기에서의 지면 속성들을 결정하기 위해 즉시 프로세싱될 수 있으며, 이로부터 환경 내의 상이한 위치들에 대한 전극 잡초 방제 유닛들의 구성이 결정될 수 있다. 나중에, 전극 기반 잡초 방제 유닛 또는 유닛들을 장비한 차량은 환경 내에서 이동할 수 있고 환경의 상이한 특정 영역들에서 전극을 활성화시킬 수 있으며, 여기서 전극 잡초 방제 유닛들은 상이한 위치들에 대해 적절하게 구성된다.
예에서, 이 장치는 오프라인 모드에서 동작하고 있다. 따라서, 이전에 취득된 센서 데이터는 나중에 장치에 제공된다. 이 장치는 이어서 환경 내의 상이한 위치들에서 전극 기반 잡초 방제 유닛들의 구성이 무엇이어야 하는지를 결정한다. 이 정보는 그러면, 그 영역 내에서 그 이후에 이동하고 환경의 특정 부분들에 대해, 적절히 구성된, 차량의 전극 잡초 방제 유닛들을 활성화시키는 하나 이상의 차량에 의해 나중에 사용된다.
예에서, 출력 유닛은 적어도 하나의 전극 기반 잡초 방제 유닛을 활성화시키기 위해 직접적으로 사용 가능한 신호를 출력한다.
예에 따르면, 적어도 하나의 센서 데이터는 적어도 하나의 이미지를 포함한다. 프로세싱 유닛은 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 복수의 위치 중 적어도 하나의 활성화 위치를 결정하기 위해 적어도 하나의 이미지를 분석하도록 구성된다.
예에 따르면, 적어도 하나의 활성화 위치를 결정하기 위한 적어도 하나의 이미지의 분석은 적어도 하나의 초목 위치의 결정을 포함한다.
예에 따르면, 활성화 위치에 대한 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정의 결정은 결정된 적어도 하나의 초목 위치의 이용을 포함한다.
예에 따르면, 적어도 하나의 활성화 위치를 결정하기 위한 적어도 하나의 이미지의 분석은 적어도 하나의 잡초 유형의 결정을 포함한다.
예에 따르면, 활성화 위치에 대한 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정의 결정은 결정된 적어도 하나의 잡초 유형의 이용을 포함한다.
예에 따르면, 적어도 하나의 이미지의 분석은 머신 러닝 알고리즘의 이용을 포함한다.
예에서, 머신 러닝 알고리즘은 결정 트리 알고리즘을 포함한다.
예에서, 머신 러닝 알고리즘은 인공 신경 네트워크를 포함한다.
예에서, 머신 러닝 알고리즘은 복수의 이미지에 기초하여 학습되었다. 예에서, 머신 러닝 알고리즘은 적어도 하나의 잡초 유형의 이미저리를 포함한 복수의 이미지에 기초하여 학습되었다. 예에서, 머신 러닝 알고리즘은 복수의 잡초의 이미저리를 포함한 복수의 이미지에 기초하여 학습되었다.
예에 따르면, 적어도 하나의 지면 속성은: 지면 수분의 측정치; 지면 텍스처의 측정치; 지면 전도도의 측정치; 지면 온도의 측정치; 지면 경도의 측정치; 식물 뿌리 출현의 측정치; 지면 유형의 측정치; 염도의 측정치 중 하나 이상을 포함한다.
예에 따르면, 적어도 하나의 센서 데이터는 적어도 하나의 센서에 의해 취득되었다. 입력 유닛은 적어도 하나의 센서 데이터가 취득되었을 때의 적어도 하나의 센서와 연관된 적어도 하나의 위치를 프로세싱 유닛에 제공하도록 구성된다.
예에서, 위치는 절대적 지리적 위치이다.
예에서, 위치는 전극 기반 잡초 방제 유닛들의 위치 또는 위치들을 기준으로 결정되는 위치이다. 환언하면, 이미지는, 지면 상의 특정 위치의 정확한 지리적 위치를 알지 못한 채로, 지면 상의 특정 위치와 연관된 것으로 결정될 수 있지만, 이미지가 취득되었을 때의 그 위치와 관련하여 전극 기반 잡초 방제 유닛들의 위치를 아는 것에 의해, 요구된 전력이 그러면, 예를 들어, 전극 기반 잡초 방제 유닛이 부착된 차량의 이동을 통해, 적절한 전극 기반 잡초 방제 유닛을 그 위치로 이동시킴으로써 그 위치에서 나중에 적용될 수 있다. 따라서, 예를 들어, 하나 이상의 센서가 잡초를 방제하기 위한 전극이 장착되는 위치 전방으로, 열차와 같은, 차량에 장착될 수 있다. 이러한 장착 위치들 사이의 거리 및 열차의 속력을 아는 것은 한 위치에서 센서 데이터가 취득될 수 있게 하고 이어서 열차의 속력에 따라 적절한 시간 후에, 센서 데이터가 취득되었던 동일한 위치에서 전극이 활성화될 수 있다.
예에서, GPS 유닛은 특정 센서 데이터가 취득되었을 때의 적어도 하나의 센서의 위치를 결정하기 위해 사용되고 그리고/또는 결정하는 데 사용된다.
예에서, 관성 내비게이션 유닛은, 특정 데이터가 취득되었을 때의 적어도 하나의 센서의 위치를 결정하기 위해 단독으로 또는 GPS 유닛과 조합하여 사용된다. 따라서, 예를 들어, 예를 들어, 하나 이상의 레이저 자이로스코프를 포함하는, 관성 내비게이션 유닛은 알려진 위치에서 캘리브레이션되거나(calibrated) 제로화되고(zeroed), 관성 내비게이션 유닛이 적어도 하나의 센서와 함께 움직임에 따라, x, y 및 z 좌표들로 된 그 알려진 위치로부터 멀어지는 움직임이 결정될 수 있고, 이로부터 센서 데이터가 취득되었을 때의 적어도 하나의 센서의 위치가 결정될 수 있다.
예에서, 특정 데이터가 취득되었을 때의 적어도 하나의 센서의 위치를 결정하기 위해, 취득된 이미저리의 이미지 프로세싱이 단독으로, 또는 GPS 유닛과 조합하여, 또는 GPS 유닛 및 관성 내비게이션 유닛과 조합하여 사용된다. 따라서 시각적 마커들이 단독으로 또는 GPS 도출 정보와 조합하여 사용될 수 있다.
예에 따르면, 적어도 하나의 센서는: 카메라; 지면 수분 센서; 지면 텍스처 센서; 전기 전도도 센서; 토양 삽입 센서; 전자기 유도 센서; 온도 센서; 지면 경도 센서; 뿌리 출현 센서; 지면 유형 센서; 염도 센서; 가시 광선, 적외선, 근적외선, 중적외선, 원적외선 중 하나 이상에서 동작하도록 구성된 적어도 하나의 반사율 센서 중 하나 이상을 포함한다.
도 2는 잡초 방제 시스템(100)의 예를 도시한다. 이 시스템은 적어도 하나의 센서(110), 도 1을 참조하여 위에서 설명된 예 또는 예들의 조합과 관련하여 설명된 바와 같은 잡초 방제 장치(10)를 포함한다. 시스템(100)은 적어도 하나의 전극 기반 잡초 방제 유닛(120)을 또한 포함한다. 적어도 하나의 센서(110)는 환경의 적어도 하나의 센서 데이터를 취득하도록 구성된다. 적어도 하나의 전극 기반 잡초 방제 유닛(120)은 차량(130)에 장착된다. 장치(10)는 적어도 하나의 전극 기반 잡초 방제 유닛(120)을 활성화시키도록 구성된다.
예에 따르면, 이 장치는 차량에 장착되고, 적어도 하나의 센서는 차량에 장착된다.
예에서, 차량은 열차이다.
예에서, 차량은 화물차 또는 트럭 또는 유니목(Unimog)이다.
예에서, 입력 유닛은 적어도 하나의 센서 데이터가 취득되었을 때의 적어도 하나의 센서와 연관된 적어도 하나의 위치를 프로세싱 유닛에 제공하도록 구성된다. 예에서, 위치는 지리적 위치이다.
예에 따르면, 적어도 하나의 센서는: 카메라; 지면 수분 센서; 지면 텍스처 센서; 지면 전도도 센서; 전자기 유도 센서; 지면 온도 센서; 토양 삽입 센서; 지면 경도 센서; 뿌리 출현 센서; 지면 유형 센서; 염도 센서, 반사율 센서 중 하나 이상을 포함한다.
예에서, 수분 센서는 주파수 도메인 반사계(frequency domain reflectometer) 또는 시간 도메인 투과(time domain transmission) 또는 시간 도메인 반사계(time domain reflectometer)를 포함한다 - 이러한 방식으로, 프로브 또는 프로브들이 지면에 삽입될 수 있고, 전파 시그너처들의 신호 주파수 또는 속력으로부터, 지면의 체적 요소의 유전 상수가 결정될 수 있으며, 이로부터 수분 함량이 결정될 수 있다.
예에서, 수분 센서는 지면에 삽입된 2개의 전극 또는 프로브 사이의 저항을 결정하는 지면 저항 센서를 포함하며, 이로부터 지면 저항 및 전도도 자체에 부가하여 수분 함량이 결정될 수 있다.
예를 들어, 지면 텍스처 및 경도는 하나 이상의 프로브를 지면에 삽입하는 데 요구되는 힘으로부터 결정된다.
예를 들어, 지면 온도는 지면에 삽입되는 온도 프로브를 사용하여 측정된다.
예를 들어, 뿌리 출현 센서는 이미지를 취득하는 카메라를 포함하며, 이미지의 분석은 존재하는 잡초의 유형과 그의 지면 밀도를 결정하는 데 사용될 수 있고, 이로부터 예상된 뿌리 출현 및 지면 내의 뿌리 유형이 결정될 수 있다.
부가적으로, 지면 속성들에 관한 정보를 제공하기 위해, 분광학적으로 조사될 수 있는 지면으로부터의 반사율 신호가 분석될 수 있다.
이러한 방식으로, 하나 이상의 센서 또는 프로브가 지면 내로 밀어넣어질 수 있거나 또는 그 위치에서 다른 방식으로 데이터를 취득할 수 있고, 지면 속성들이 결정될 수 있다. 이것은 실시간으로 발생할 수 있고, 여기서 센서 또는 프로브가 차량에 전극 기반 잡초 방제 유닛들보다 앞서 장착되고, 차량이 앞으로 나아갈 때 지면 내로 밀어넣어졌다가 뽑아지며 이어서 다음 지면 섹션 내로 밀어넣어지고, 그리고/또는 이미지 또는 반사율 센서 데이터가 취득된다. 지면 속성들이 이어서 결정되고, 전극 기반 잡초 방제 유닛들이, 어떤 위치에서든 활성화되도록 요구받는 경우, 최적의 방식으로 그렇게 하도록 이미 올바르게 준비되어 있도록, 전극 기반 잡초 방제 유닛들이 올바르게 구성될 수 있다.
도 3은 잡초 방제 방법(200)을 그의 기본적인 단계들로 도시한다. 방법(200)은:
단계 a)라고도 지칭되는, 제공 단계(210)에서, 환경의 적어도 하나의 센서 데이터를 프로세싱 유닛에 제공하는 단계;
단계 b)라고도 지칭되는, 분석 단계(220)에서, 프로세싱 유닛에 의해, 환경의 복수의 위치 각각에 대한 적어도 하나의 지면 속성을 결정하기 위해 적어도 하나의 센서 데이터 중 적어도 일부를 분석하는 단계;
단계 d)라고도 지칭되는, 결정 단계(230)에서, 프로세싱 유닛에 의해, 복수의 위치 각각에 대한 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정을 결정하는 단계 - 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정의 결정은 해당 위치와 연관된 적어도 하나의 지면 속성의 이용을 포함함 -; 및
단계 e)라고도 지칭되는, 출력 단계(240)에서, 출력 유닛에 의해, 적어도 하나의 전극 기반 잡초 방제 유닛을 활성화시키는 데 사용 가능한 출력 정보를 출력하는 단계를 포함한다.
예에서, 적어도 하나의 센서 데이터는 적어도 하나의 이미지를 포함하고, 여기서 이 방법은 단계 c), 프로세싱 유닛에 의해, 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 복수의 위치 중 적어도 하나의 활성화 위치를 결정하기 위해 적어도 하나의 이미지를 분석하는 단계(250)를 포함한다.
예에서, 단계 c)는 적어도 하나의 초목 위치를 결정하는 단계를 포함한다.
예에서, 단계 d)는 결정된 적어도 하나의 초목 위치를 이용하는 단계를 포함한다.
예에서, 단계 c)는 적어도 하나의 잡초 유형을 결정하는 단계를 포함한다.
예에서, 단계 d)는 결정된 적어도 하나의 잡초 유형을 이용하는 단계를 포함한다.
예에서, 단계 c)는 머신 러닝 알고리즘을 이용하는 단계를 포함한다.
예에서, 적어도 하나의 지면 속성은: 지면 수분의 측정치; 지면 텍스처의 측정치; 지면 전도도의 측정치; 지면 온도의 측정치; 지면 경도의 측정치; 식물 뿌리 출현의 측정치; 지면 유형의 측정치; 염도의 측정치 중 하나 이상을 포함한다.
예에서, 적어도 하나의 센서 데이터가 적어도 하나의 센서에 의해 취득되었고, 여기서 입력 유닛은 적어도 하나의 센서 데이터가 취득되었을 때 적어도 하나의 센서와 연관된 적어도 하나의 위치를 프로세싱 유닛에 제공하도록 구성된다.
예에서, 적어도 하나의 센서는: 카메라; 지면 수분 센서; 지면 텍스처 센서; 전기 전도도 센서; 토양 삽입 센서; 전자기 유도 센서; 온도 센서; 지면 경도 센서; 뿌리 출현 센서; 지면 유형 센서; 염도 센서; 가시 광선, 적외선, 근적외선, 중적외선, 원적외선 중 하나 이상에서 동작하도록 구성된 적어도 하나의 반사율 센서 중 하나 이상을 포함한다.
철도 선로의 환경에서의 잡초 방제에 관련된, 잡초 방제 장치, 시스템 및 방법이 이제 도 4 내지 도 8과 관련하여 더 상세히 설명되며, 초목 방제 기술(잡초 방제 기술이라고도 불림)은 열차의 부분(들) 상에 장착되는 다수의 전극 기반 잡초 방제 유닛의 형태로 되어 있다.
도 4는 잡초 방제 시스템(100)의 예를 도시한다. 시스템 내에서, 몇 개의 드론들은 카메라 형태의 센서들(110)을 갖는다. 드론들은 철도 선로를 따라 비행한다. 카메라들은 철도 선로의 환경의 이미저리를 취득하는데, 이 환경은 선로 사이의 지면 및 선로의 양측의 지면이다. 이미징되는 환경은 잡초들이 방제되도록 요구되는 것이다. 몇 개의 드론들이 있을 필요는 없으며, 하나의 카메라(110)를 갖는 하나의 드론이 필요한 이미저리를 취득할 수 있다. 실제로, 이미저리는, 예를 들어, 철도 선로 환경을 방문하는 직원들에 의해 파지된 카메라(110) 또는 카메라들(110)에 의해, 비행기, 위성에 의해 또는 철도 선로를 따라 달리고 있는 열차에 의해 취득되었을 수 있다. 카메라들(110)에 의해 취득된 이미저리는 초목이 초목으로 식별될 수 있게 해주는 해상도이고, 실제로 하나의 잡초 유형이 다른 잡초 유형과 구별될 수 있게 해주는 해상도일 수 있다. 취득된 이미저리는 컬러 이미저리일 수 있지만 그럴 필요는 없다. 드론들에 의해 취득된 이미저리는 장치(10)에게 전송된다. 이미저리는 카메라(110)에 의해 취득되자마자 장치(10)에게 전송될 수 있거나, 또는 이미저리가 취득되었을 때보다 나중에, 예를 들어, 드론들이 착륙했을 때 전송될 수 있다. 드론들은 GPS(Global Positioning Systems)를 가질 수 있으며, 이것은 취득된 이미저리의 위치가 결정될 수 있게 해준다. 예를 들어, 이미저리가 취득되었을 때의 카메라들(110)의 배향 및 드론의 위치는 지평면에서의 이미지의 지리적 풋프린트(geographical footprint)를 결정하는 데 사용될 수 있다. 드론들은, 예를 들어, 레이저 자이로스코프들에 기초한, 관성 내비게이션 시스템들을 또한 가질 수 있다. 드론의 배향, 따라서 카메라의 배향을 결정하는 데 사용되는 것, 지면 상에서 이미저리가 언제 취득되었는지의 결정을 용이하게 하는 것에 부가하여, 관성 내비게이션 시스템들은, 알려진 또는 다수의 알려진 위치들로부터 멀어지는 움직임을 결정함으로써, GPS 시스템 없이 단독으로 드론의 위치를 결정하도록 기능할 수 있다.
도 4를 계속하면, 그림 우측에 도시된 차량은 철도 선로를 따라 이동하고 있다. 이 차량은 센서 또는 다수의 센서(110)를 갖는다. 이들 센서는 철도 선로를 따라 상이한 위치들에서의 지면 속성들을 결정하는 데 사용된다. 차량이 이동함에 따라, 프로브 형태의 다수의 센서(110)가 지면 내로 밀려들어갔다가 뽑아지고, 이어서 차량이 약간 전방으로 이동함에 따라 다음 위치에서 지면 내로 다시 밀려들어간다. 동시에, 방사선 반사율 모니터 형태의 센서(110)는 지면의 반사율을 결정한다. 프로브가 지면 내로 밀려들어갈 때, 프로브를 특정 거리만큼 지면 내로 밀어넣는데 요구되는 힘이 측정된다 - 대안적으로 일정한 힘이 가해질 수 있고 프로브가 힘을 받아 지면 내로 들어가는 거리가 측정될 수 있다 -. 이러한 방식으로, 상이한 위치들에서 지면의 경도가 결정될 수 있다. 2개의 프로브 사이의 지면의 전도도가 측정되고, 프로브들 중 적어도 하나는 지면 온도를 측정하기 위한 온도계를 가지며, 프로브들 중 적어도 하나는 지면 염도를 측정하기 위한 염도 프로브를 갖는다. 2개의 프로브를 사용하는 시간 도메인 투과 기술은 한 위치에서의 지면에 대한 유전 상수를 결정하는 데 사용되고, 이로부터 지면 내의 수분 함량이 추론될 수 있다. 그렇지만, 주파수 도메인 반사계 또는 시간 도메인 투과 또는 시간 도메인 반사계 중 임의의 것 - 여기서 프로브 또는 프로브들이 지면에 삽입되고, 전파 시그너처들의 신호 주파수 또는 속력으로부터, 지면의 체적 요소의 유전 상수가 결정될 수 있으며, 이로부터 수분 함량이 결정될 수 있다. 드론에 의해 운반되는 카메라 형태의 센서들(110)에 의해 취득되는 바와 같은 이미지 데이터로부터, 위에서 논의된 바와 같이 잡초가 식별될 수 있고 예상된 뿌리 성장이 결정될 수 있으며; 예를 들어, 특정 뿌리는 지면을 통한 전기 전송을 도울 수 있고 활성화를 위해 전극 기반 잡초 방제 유닛을 구성할 때 이러한 지면 속성이 고려될 수 있다. 지면 내로 밀려들어간 센서들(110)을 사용한 지면 유도 프로빙(ground induction probing) 및 지면으로부터 반사율 데이터를 취득하는 센서들(110)을 사용한 스펙트럼 반사율 데이터가 또한 취득되며, 이 데이터 전부는 그 프로빙된 위치에서의 지면 속성들을 구성한다. 이러한 지면 속성들은 그러면 전극 기반 잡초 방제 유닛이 최적의 방식으로 동작하기 위해, 전압 및/또는 전류의 면에서, 조정될 필요가 있다는 것을 의미한다. 오프라인 테스트는 이 지면 속성 파라미터 공간에 대한 최적의 설정을 결정하는 데 사용되며 사실상 설정 룩업 테이블을 형성한다. 각각의 위치에서, 전극 기반 잡초 방제 기술 유닛은 그러면, 센서 기반 데이터 취득으로부터 결정되는 바와 같이, 해당 위치에서의 지면 조건을 고려하도록 적절하게 구성될 수 있다. 그렇지만, 해당 위치에 잡초가 없거나 또는 이미지 분석을 통해 유닛이 활성화되면 손상될 민감한 장비가 있는 것으로 결정된 경우, 유닛들이 활성화되지 않는다. 그렇지만, 상이한 위치들에 있는 잡초의 위치 및 정체(identities)를 결정하기 위해, 드론들에 의해 취득된 이미저리가 분석되고, 전극 잡초 방제 유닛들이 이어서 그 위치들에서 활성화된다. 논의된 바와 같이, 그 위치에서의 전극 기반 잡초 방제 유닛의 동작 특성들은 그 위치에서의 지면 조건들에 대해 최적화되어 있다. 그렇지만, 잡초가 존재할 때, 특정 잡초 유형 및, 예를 들어, 잡초 덤불의 크기를 고려하기 위해 구성이 이러한 지면 기반 최적으로부터 약간 변경될 필요가 있을 수 있다. 따라서, 잡초의 존재에 관한 정보는 그 위치에서 전극 기반 잡초 방제 유닛을 활성화시키는 데 사용될 뿐만 아니라 그 위치에 있는 잡초를 고려하고 그 위치에서의 지면 조건들을 고려하기 위해 동작특성들을 추가로 최적화하는 데도 사용된다.
더 상세하게는, 장치(10)의 입력 유닛(20)은 취득된 이미저리를 프로세싱 유닛(30)에 전달한다. 이미지 분석 소프트웨어는 프로세서(30) 상에서 동작한다. 이미지 분석 소프트웨어는, 예를 들어, 철도 선로들, 침목들, 나무들, 철도 건널목들, 역 승강장들과 같은 구조물들을 식별할 수 있는 에지 검출, 및 객체 검출 분석과 같은, 특징 추출을 사용할 수 있다. 따라서, 환경 내의 건물들의 위치들과 같은, 객체들의 알려진 위치들에 기초하여, 그리고 침목들 사이의 거리 및 철도 선로들 사이의 거리와 같은 알려진 구조물 정보에 기초하여, 프로세싱 유닛은 환경의 지리적 맵 위에 실제로 오버레이될 수 있는 환경의 합성 표현을 실제로 생성하기 위해 취득된 이미저리를 패치할 수 있다. 따라서, 각각의 이미지의 지리적 위치가 결정될 수 있고, 연관된 GPS 및/또는 관성 내비게이션 기반 정보가 취득된 이미저리와 연관될 필요는 없다. 그렇지만, GPS 및/또는 관성 내비게이션 정보가 이용가능하면, 이미저리에만 기초하여 특정 지리적 위치들에 특정 이미지들을 위치시킬 수 있는 그러한 이미지 분석이 요구되지 않는다. GPS 및/또는 관성 내비게이션 기반 정보가 이용가능하더라도, 그러한 이미지 분석이 이미지와 연관된 지리적 위치를 보강하는 데 사용될 수 있다. 따라서, 예를 들어, GPS 및/또는 관성 내비게이션 기반 정보에 기초해서는, 취득된 이미지의 중심이 측면 에지로부터 22cm에 그리고 철도 구간의 특정의 철도 침목의 단부로부터 67cm에 위치되는 것으로 간주되는 반면, 실제 취득된 이미저리로부터는, 위에서 설명된 이미지 분석의 사용을 통해, 이미지의 중심이 에지로부터 25cm에 그리고 침목의 단부로부터 64cm에 위치되는 것으로 결정되면, GPS/관성 내비게이션 기반 도출 위치는 필요에 따라 그 위치를 한 방향으로 3cm 그리고 다른 방향으로 3cm 시프트시키는 것에 의해 보강될 수 있다.
프로세서(30)는 추가 이미지 프로세싱 소프트웨어를 실행한다. 이 소프트웨어는 초목이 발견되는 이미지 내의 영역들을 결정하기 위해 이미지를 분석한다. 초목은 취득된 이미지들 내의 특징들의 형상에 기초하여 검출될 수 있으며, 여기서, 예를 들어, 에지 검출 소프트웨어는 객체들의 외주부(outer perimeter) 및 객체 자체의 외주부 내의 특징들의 외주부를 획정(delineate)하는 데 사용된다. 예를 들어, 인공 신경 네트워크 또는 결정 트리 분석과 같은 트레이닝된 머신 러닝 알고리즘을 사용하여, 이미저리 내의 특징이 초목에 관련되는지 여부를 결정하는 데 도움을 주는 데 초목 이미저리의 데이터베이스가 사용될 수 있다. 카메라는 다중 스펙트럼 이미저리(multi-spectral imagery) - 이미저리는 이미지들 내의 컬러에 관련된 정보를 가짐 - 를 취득할 수 있고, 이것은 이미지에서 초목이 어디에서 발견되는지를 결정하기 위해 단독으로 또는 특징 검출과 조합하여 사용될 수 있다. 위에서 논의된 바와 같이, 이미지의 지리적 위치가 결정될 수 있기 때문에, 지면 상에서의 이미지의 크기에 대한 지식으로부터, 이미지에서 발견될 초목의 위치 또는 위치들은 그 이후에 지면 상에서의 그 초목의 정확한 위치에 매핑될 수 있다.
프로세서(30)는 그 이후에, 만약 사용된다면, 특징 추출에 기초하여 초목 위치를 결정하는 이미지 프로세싱의 일부일 수 있는 추가의 이미지 프로세싱 소프트웨어를 실행한다. 이 소프트웨어는 머신 러닝 분석기를 포함한다. 특정 잡초들의 이미지들이 취득되고, 잡초들의 크기에 또한 관련된 정보가 사용된다. 그러한 잡초가 발견되는 세계의 지리적 위치에 관한 정보 및, 꽃이 만발했을 때 등을 포함한, 잡초가 발견되는 연중 시기(time of year)에 관한 정보가 이미저리에 태깅될 수 있다. 잡초들의 이름들이 또한 잡초들의 이미저리에 태깅될 수 있다. 인공 신경 네트워크 또는 결정 트리 분석기에 기초할 수 있는, 머신 러닝 분석기는 그 이후에 이 실측의(ground truth) 취득된 이미저리를 바탕으로 트레이닝된다. 이러한 방식으로, 새로운 초목 이미지가 분석기에 제시될 때 - 그러한 이미지는 연중 시기와 같은 연관된 타임 스탬프 및 독일 또는 남아프리카 공화국과 같은 지리적 위치가 그에 태깅될 수 있음 -, 분석기는 새로운 이미지에서 발견된 잡초의 이미저리와 분석기의 트레이닝의 바탕이 된 상이한 잡초들의 이미저리의 비교를 통해 이미지에 있는 특정 잡초 유형을 결정하고, 여기서 잡초들의 크기 및 잡초들이 자라는 곳 및 시기(where and when)가 또한 고려될 수 있다. 따라서 환경 내에서 지면 상에서의 그 잡초 유형의 특정 위치 및 그의 크기가 결정될 수 있다.
프로세서(30)는 실험적으로 결정된 데이터로부터 작성된, 상이한 잡초 유형들 및 그 잡초 유형을 방제하는 데 사용될 전극 기반 잡초 방제 기술의 최적의 모드를 포함하는 데이터베이스에 액세스할 수 있다. 이 데이터베이스는 지면 속성들의 함수로서 전극 기반 잡초 방제 유닛의 구성을 고려하고 상이한 지면 유형들에서의 상이한 잡초들에 관련된 정보의 병치(juxtaposition)를 제공하는 동일한 데이터베이스일 수 있다. 예를 들어, 상이한 위치들에서의 상이한 잡초들을 고려하기 위해 전압 및/또는 전류와 실제 인가 지속기간이 달라질 수 있다.
따라서, 지면 조건들 및 해당 위치들에서의 잡초들을 고려하기 위해 전극 기반 잡초 방제 기술이 최적으로 활성화될 수 있게 하는 센서 데이터가 취득된다.
도 4를 계속 참조하면, 모든 센서 데이터의 취득 이후에, 이로부터 잡초를 방제하기 위해 전극 기반 잡초 방제 유닛들이 어디에서 활성화되어야 하는지, 그의 특정 구성이 무엇이어야 하는지에 대한 결정이 이루어질 수 있으며, 그 후에 잡초 방제 열차(130)는 철도 선로를 따라 진행한다. 잡초 방제 열차는, 연관된 전력 공급 장치와 함께, 다수의 전극 기반 잡초 방제 유닛을 포함하는 트럭을 갖는다. 잡초 방제 열차는 전극 기반 잡초 방제 유닛들이 어디에서 어떠한 방식으로 활성화되어야 하는지의 위에서 논의된 정보를 사용하는 프로세서(도시되지 않음)를 갖는다. 잡초 방제 열차는 또한 잡초 방제 열차의 위치 및 전극 기반 잡초 방제 기술의 유닛들의 특정 위치들을 위치확인하기 위해 GPS, 관성 내비게이션, 이미지 분석 중 하나 이상에 기초할 수 있는, 그의 지리적 위치를 결정하는 수단을 갖는다. 이것은 잡초 방제 열차가 환경을 통과할 때 특정 잡초 위치들에서 전극 기반 잡초 방제 기술의 상이한 유닛들이 활성화될 수 있다는 것을 의미하며, 여기서 잡초의 위치에서 활성화된 잡초 방제 기술의 특정 모드는 그 태스크에 최적인 것으로 결정되었다.
도 5는 잡초 방제 시스템(100)의 다른 예를 도시한다. 도 5의 잡초 방제 시스템은 도 4에 도시된 것과 유사하다. 그렇지만, 도 5에서, 잡초 방제 열차(130)는 도 4와 관련하여 위에서 논의된 바와 같이 카메라, 지면 삽입 프로브 및 지면 반사율 센서 형태의 센서들(110)을 갖는다. 도 5의 잡초 방제 열차(130)는 또한 이전에 논의된 바와 같은 장치(10)를 갖는다. 잡초 방제 열차(130) 상의 카메라들(110)이 이제 드론들에 의해 이전에 취득되었던 그 이미저리를 취득하고, 프로브들(110)은 도 4와 관련하여 위에서 논의된 바와 같이 지면 속성들을 결정하는 데 사용되는 센서 데이터를 취득한다. 잡초 방제 열차(130) 상의 장치의 프로세서(30)는 잡초의 위치 및 유형을 결정하기 위해 취득된 이미저리를 프로세싱하고, 계속하여 활성화를 위한 전극 기반 잡초 방제 유닛들을 구성하기 위해 지면 속성들이 결정되며, 여기서 특정 활성화 설정은 특정 위치에 있는 잡초를 고려하도록 추가로 조정되며 유닛들은 잡초가 있는 곳에서만 활성화된다. 잡초의 정확한 지리적 위치 및 특정 지면 속성들의 정확한 위치가 그러면 결정될 필요가 없다. 오히려, 센서들(110) 자체(카메라, 지면 삽입 프로브, 및 반사율 센서) 사이의 상대 간격 및 센서들과 열차(130)의 트럭에 하우징된 전극 기반 잡초 방제 유닛들(120) 사이의 상대 간격에 기초하여, 잡초가 위치확인되고 그 위치에서의 지면 속성과 함께 식별되며, 전극 기반 잡초 방제 유닛들은 해당 위치에서 동작하도록 최적으로 구성될 수 있다. 이어서, 잡초 방제 열차의 전진 움직임(그의 속력)에 대한 지식으로부터, 센서들(110)과 유닛들(120) 사이의 거리가 알려져 있기 때문에, 유닛들(120)이 활성화되고 최적으로 구성될 수 있으며, 여기서 잡초가 위치해 있는 것으로 식별된 특정 위치들로 유닛들(120)을 이동시키는 데 걸리는 시간으로부터 잡초가 위치확인된다. 이러한 방식으로, 잡초 방제 열차는 GPS 및/또는 관성 내비게이션 시스템 또는 이미지 기반 절대적 지리적 위치 결정 수단을 가질 필요가 없다. 오히려, 잡초 유형 및 이미지 내에서의 그의 정확한 위치 및 지면 상에서의 - 열차 좌표 시스템 내에서의 - 그의 정확한 위치 및 지면 속성들을 결정하는 데 걸리는 시간 및 전극 기반 잡초 방제 유닛들을 구성하는 데 걸리는 시간(총 프로세싱 및 구성 시간이 얻어짐)을 결정하는 데 요구되는 프로세싱을 고려하기 위해, 센서들(110)은 프로세싱 시간과 잡초 방제 동안의 잡초 방제 열차의 최대 속도를 곱한 것과 적어도 동일한 거리만큼 잡초 방제 기술들(120)로부터 이격되어야 한다. 따라서 예를 들어, 25m/s로 이동하는 열차에 대해 총 프로세싱 및 구성 시간이 0.2초, 0.4초, 또는 0.8초 걸리는 경우, 도 5를 참조하면, 센서들(110)은 이 열차 속도의 경우 전극 기반 잡초 방제 기술 유닛들(120)의 전방으로 5m, 10m 또는 20m만큼 이격되어야 한다. 열차 속도의 감소는 그 간격(separation)이 감소될 수 있게 해줄 수 있다. 그에 부가하여, 이미저리를 취득하는 카메라들(110)은 노출 시간 동안 열차의 움직임으로 인한 이미지 스미어(image smear)가 최소화되도록 매우 짧은 노출 시간들을 가질 수 있다. 이것은, 예를 들어, 필터들과 조합하여 레이저들 또는 LED들을 통한 짧은 노출 시간들 또는 짧은 펄스 조명을 갖는 카메라들의 사용을 포함한, 다양한 수단들에 의해 이루어질 수 있다. 그렇지만, 이 장치는 잡초들의 정확한 지리적 위치를 결정하기 위해 GPS 시스템 및/또는 관성 내비게이션 시스템 및/또는 이미지 분석을 사용할 수 있다. 이것은 어떤 잡초들이 방제되었는지 및 전극 기반 잡초 방제 유닛이 어떻게 구성되었는지에 대한 로그가 저장될 수 있고, 그 잡초들이 어디에 위치했는지가 결정되고 저장될 수 있는 것은 물론, 그 위치들에서의 지면 속성들이 무엇인지가 저장될 수 있다는 것을 의미한다. 또한, 잡초들의 정확한 지리적 위치를 생성함으로써, 전극 기반 잡초 방제 유닛들(120)은, 유닛들(120)의 정확한 위치를 제공하는 데 사용될 수 있는 GPS 시스템 및/또는 관성 내비게이션 시스템 및/또는 이미지 기반 시스템과 같은, 연관된 위치 결정 수단들을 가질 수 있다. 따라서, 열차의 전방 객차는 GPS와 같은 연관된 위치 결정 수단을 갖는 센서들(110)을 가질 수 있고, 이들로부터의 데이터는 정확한 알려진 위치에서의 잡초의 위치 및 유형과 해당 위치들에서의 지면 속성들을 결정하는 데 사용될 수 있으며, 이로부터 유닛들(120)은 해당 위치들에서 활성화를 위해 최적으로 구성될 수 있다. 열차의 마지막 트럭은 그러면 전극 기반 잡초 방제 유닛들을 그 안에 하우징할 수 있다. 이 후반의 트럭들은 화물 운반 트럭들에 의해 수백 미터는 아니더라도 수십 미터만큼 전방 객차로부터 이격될 수 있다. 열차가 언덕을 오르내릴 때 전방 객차와 후방 객차들 사이의 절대 간격이 달라질 수 있지만, 센서들처럼 잡초 방제 유닛들을 갖는 트럭들이 자신의 정확한 위치를 알고 있기 때문에, 유닛들이 그 위치에서의 지면 속성들의 결정과 함께 잡초가 존재하는 것으로 결정된 위치로 전진했을 때, 전극 기반 잡초 방제 유닛들은 그 잡초를 방제하기 위해 그 정확한 위치들에서 최적의 구성으로 활성화될 수 있다. 전극 기반 잡초 방제 유닛들은, 도 6에 도시된 바와 같이, 열차 선로들 사이의 그리고 선로 측면의 그리고 필요한 경우 둑(bank) 위의 잡초를 방제하기 위해, 열차 아래에 측방으로 그리고 열차 측면으로 연장되어 있다.
도 6은 다수의 고전압 전극 기반 잡초 방제 기술 유닛들(120)을 갖는, 도 4 및 도 5에 도시된 바와 같은 잡초 방제 열차(130)의 트럭의 배면도를 도시한다. 도 6은 열차의 이 트럭의 배면도를 도시하며, 이 뷰는 철도 선로 아래에서의 것이다. 각각의 전극 기반 유닛은, 국소적 지면 속성들 및 특정 잡초 및 그 잡초의 크기를 고려하는 전압 및 전류 설정으로, 잡초가 있는 것으로 결정된 곳에서 활성화된다. 위에서 논의된 바와 같이, 상이한 잡초 유형들을 제거하는 데 요구되는 상이한 전압들 및 전력 레벨들 및 인가 지속기간을 결정하기 위해 상이한 잡초들에 대해 간단한 실험들이 수행될 수 있어, 고전압 기술의 동작 모드가 선택될 수 있는 데이터베이스가 구축될 수 있게 한다. 또한, 상이한 지면 속성들의 함수로서 유닛들에 대한 최적의 설정이 무엇인지를 결정하기 위해 간단한 실험들이 수행될 수 있어, 또다시 데이터베이스가 설정으로 구성될 수 있게 한다. 유닛들은 그러면 지면 조건들에 적절한 레벨로 설정될 수 있고, 그 위치들에 있는 잡초를 고려하기 위해 그 설정을 조정할 수 있다.
도 6을 계속하면, 잡초 방제 기술의 다수의 개별 전극 쌍이 열차 아래에 측방으로 그리고 열차의 측면들에 연장되며, 이들은 도 7에 더 상세히 도시되어 있다. 각각의 전극 쌍은 개별적인 전극 기반 잡초 방제 유닛을 형성한다. 전극들은 또한 전방 방향으로 연장될 수 있다. 이러한 전극 쌍들 중 하나가 그 고전압 기반 잡초 방제에 의해 방제되어야 하는 것으로 식별된 잡초 위를 지나갈 때, 프로세서(30)는 그 고전압 및 전력에 의해 방제되도록 요구되는 잡초의 특정 위치에서 특정 전극 쌍 또는 쌍들을 활성화시킨다. 도 6에서, 그러한 잡초의 2개의 특정 위치가 있으며, 하나는 선로의 우측에 또한 연장되는 선로 사이에서 발견되는 큰 덤불이고 하나는 선로의 좌측에서 발견되는 작은 덤불이며, 그에 따라 좌측에 있는 하나의 전극 쌍이 활성화되었고 열차 아래에서 우측으로 연장되는 다수의 전극 쌍이 활성화되었다.
도 7은 고전압 기반 잡초 방제 기술의 보다 세부적인 사항을 도시한다. 활성화될 때, 잡초 및 잡초의 뿌리를 포함하는 지면을 통해 하나의 전극으로부터 다른 전극으로 전류가 흐르게 하는 개별 전극 기반 잡초 방제 유닛들을 형성하기 위해 전극 쌍들이 제공된다. 도시된 하나의 서브-유닛은 그러한 고전압 기반 잡초 방제의 적용의 보다 큰 분해능 및 보다 작은 공간 범위를 제공하기 위해 하나의 전극 쌍을 갖거나 또는 실제로 다수의 전극 쌍들을 가질 수 있다. 고전압은 DC 모드에서 어떤 시간 기간 동안 또는 AC 모드에서 어떤 시간 기간 동안 인가될 수 있다.
도 8은, 철도 선로들 및 선로들의 측면의 지면을 보여주는, 철도 환경의 표현을 도시한다. 일점쇄선으로 분할된 A, B, C로서 도시된, 상이한 지면 속성들을 갖는 3개의 상이한 선로 영역이 있다. 영역 A는 양질(loamy) 토양 유형이고, 영역 B도 양질 유형 토양이지만 영역 A보다 습한 반면, 영역 C는 모래가 더 많고 많은 수의 돌이 있다. 영역 A에 대한 전극 기반 전압 및 전력 설정이 베이스라인으로 간주되는 경우, 영역 B의 지면이 물의 존재로 인해 전도성이 높기 때문에, 영역 B에서 전극 기반 잡초 방제 유닛들의 전압 및 전력 설정은 베이스라인보다 낮을 수 있다. 그렇지만, 모래와 돌이 많은 영역 C의 경우, 전류가 조밀한 지면 구조에 대해서만큼 효율적으로 지면을 통해 흐를 수 없으며, 이에 따라 전극 기반 잡초 방제 유닛에 대한 전압 및 전력 설정은 베이스라인보다 클 필요가 있다.
도 8을 계속하면, 다수의 잡초가 도시되어 있다. 제1 유형의 잡초 "W1"은 영역 A, 영역 B 및 영역 C에서 작은 덤불로 존재한다. 제2 유형의 잡초 "W2"는 영역 B에만 존재한다. 제1 유형의 잡초 "W1"의 경우, 전극 기반 잡초 방제 유닛에 대한 설정은 상이한 지면 속성들로 인해 각각의 영역(A, B, 및 C)에서 상이하며, 최적화된 설정이 제각기 120a, 120c 및 120d로서 도시되어 있다. 제2 영역 B에는, 두 가지 유형의 잡초 “W1”과 “W2”가 있다. 그렇지만 지면 속성들은 동일하여, 제1 정도 또는 레벨의 전압/전력이 결정되게 되며, 이는 이어서 방제되는 특정 잡초를 고려하여 조정된다. 따라서, 영역 B에서 잡초 W1은 최적화된 전압 및 전력 설정(120c)으로 방제되는 반면, 잡초 W2는 최적화된 전압 및 전력 설정(120b)으로 방제된다. 이전에 논의된 바와 같이, 덤블의 크기를 고려하기 위해, 동일한 지면 속성들의 지면에 있는 동일한 잡초 유형에 대해 최적화된 형태의 전압 및 전력 설정이 상이할 수 있으며, 더 큰 덤불은 더 높은 레벨의 전압/전력으로 방제된다. 그렇지만, 이것은 표현의 단순함을 위해 도 8에 도시되지 않았다.
위의 상세한 예가 철도와 관련하여 논의되었지만, 잡초 방제 열차, 트럭 또는 화물차 또는 유니목은 위에서 논의된 바와 같이 그 특정 잡초 유형을 방제하기 위해 센서들을 사용하여 지면 속성들 및 잡초 유형을 결정할 수 있는 전극 기반 잡초 방제 유닛들을 그 상에/그 내부에 장착할 수 있다.
잡초 유형을 결정하기 위한 분석을 가능하게 하는 이미지 프로세싱
잡초 유형이 결정될 수 있도록 이미지가 어떻게 프로세싱되고 이미지 프로세싱에 적합한 것으로 결정되는지의 특정 예가 이제 설명된다:
1. 잡초의 디지털 이미지 - 특히 컬러 이미지 - 가 캡처된다.
2. 디지털 이미지 내의 미리 정의된 컬러 및 텍스처를 갖는 영역이 경계 윤곽선 내에서 컨투어링된다. 전형적으로, 하나의 잡초 식물로부터 하나의 컨투어링된 영역을 예상할 수 있다. 그렇지만, 잠재적으로 연결되지 않은 상이한 잎, 2개의 잡초 식물 등으로부터 하나 초과의 컨투어링된 영역이 있을 수도 있다. - 그러한 검출 또는 결정 프로세스는 디지털 이미지의 녹색 영역의 경계를 검출한다. 이 프로세스 동안, 적어도 하나의 컨투어링된 영역 - 예를 들어, 하나 이상의 잎은 물론 하나 이상의 잡초 식물 - 이 경계 윤곽선 내의 잡초에 관련된 픽셀들을 포함하게 작성될 수 있다. 그렇지만, 디지털 이미지가 하나 초과의 잎 및/또는 줄기를 캡처한 것이 또한 가능할 수 있다. 결과적으로, 하나 초과의 컨투어링된 영역이 결정될 수 있다.
3. 경계 윤곽선이 충분히 큰 영역을 커버하는지 결정하고, 경계 윤곽선 내에서 이미지 데이터의 선명도(예를 들어, 초점도(degree of focus))를 결정한다. 이것은 첫째로 잡초 유형에 대한 결정이 이루어질 수 있는 충분한 이미지 데이터가 있을 것이라고 보장하고, 둘째로 잡초 유형에 대한 결정이 이루어질 수 있도록 디지털 이미지의 최소 품질이 충족될 것이라고 결정한다.
4. 3)에서의 기준 둘 모두가 충족되면, 디지털 이미지, 특히 경계 윤곽선 내의 디지털 이미지가 위에서 설명된 바와 같이 잡초 유형을 결정하기 위해 인공 신경 네트워크에 의한 이미지 분석을 위해 프로세싱 유닛에 송신된다.
다른 예시적인 실시예에서, 적절한 시스템 상에서, 전술한 실시예들 중 하나에 따른 방법의 방법 단계들을 실행하도록 구성되는 것을 특징으로 하는 컴퓨터 프로그램 또는 컴퓨터 프로그램 요소가 제공된다.
따라서 컴퓨터 프로그램 요소는 컴퓨터 유닛 상에 저장될 수 있으며, 이는 또한 실시예의 일부일 수 있다. 이 컴퓨팅 유닛은 위에서 설명된 방법의 단계들을 수행하거나 수행을 유도하도록 구성될 수 있다. 더욱이, 위에서 설명된 장치 및/또는 시스템의 컴포넌트들을 동작시키도록 구성될 수 있다. 컴퓨팅 유닛은 자동으로 동작하도록 및/또는 사용자의 지시들을 실행하도록 구성될 수 있다. 컴퓨터 프로그램은 데이터 프로세서의 작업 메모리(working memory)에 로딩될 수 있다. 따라서 데이터 프로세서는 전술한 실시예들 중 하나에 따른 방법을 수행하도록 장비될 수 있다.
본 발명의 이 예시적인 실시예는 처음부터 본 발명을 사용하는 컴퓨터 프로그램 및 업데이트에 의해 기존의 프로그램을 본 발명을 사용하는 프로그램으로 바꾸는 컴퓨터 프로그램 둘 다를 커버한다.
더 나아가서, 컴퓨터 프로그램 요소는 위에서 설명된 바와 같은 방법의 예시적인 실시예의 절차를 이행하는 데 필요한 모든 단계들을 제공할 수 있다.
본 발명의 추가의 예시적인 실시예에 따르면, CD-ROM, USB 스틱 등과 같은, 컴퓨터 판독 가능 매체가 제공되며, 여기서 컴퓨터 판독 가능 매체는 그 상에 컴퓨터 프로그램 요소를 저장하는 데 이 컴퓨터 프로그램 요소는 이전 섹션에 설명되어 있다.
컴퓨터 프로그램은, 광학 저장 매체 또는 다른 하드웨어와 함께 또는 그의 일부로서 공급되는 솔리드 스테이트 매체와 같은, 적합한 매체 상에 저장 및/또는 배포될 수 있지만, 인터넷 또는 다른 유선 또는 무선 통신 시스템들을 통해서와 같이, 다른 형태들로 또한 배포될 수 있다.
그렇지만, 컴퓨터 프로그램은 또한 월드 와이드 웹(World Wide Web)과 같은 네트워크를 통해 제공될 수 있으며 그러한 네트워크로부터 데이터 프로세서의 작업 메모리로 다운로드될 수 있다. 본 발명의 추가의 예시적인 실시예에 따르면, 컴퓨터 프로그램 요소를 다운로드 가능하게 하기 위한 매체가 제공되며, 이 컴퓨터 프로그램 요소는 본 발명의 이전에 설명된 실시예들 중 하나에 따른 방법을 수행하도록 구성된다.
본 발명의 실시예들이 상이한 주제들을 참조하여 설명된다는 점에 유의해야 한다. 특히, 일부 실시예들은 방법 유형 청구항들을 참조하여 설명되는 반면, 다른 실시예들은 디바이스 유형 청구항들을 참조하여 설명된다. 그렇지만, 본 기술분야의 통상의 기술자는, 달리 언급되지 않는 한, 하나의 유형의 주제에 속하는 특징들의 임의의 조합에 부가하여, 상이한 주제들에 관한 특징들 간의 임의의 조합이 또한 본 출원에 개시된 것으로 간주된다는 것을 이상의 및 이하의 설명으로부터 알 것이다. 그렇지만, 모든 특징들이 조합되어 특징들의 단순 합산 이상의 시너지 효과들을 제공할 수 있다.
본 발명이 도면들 및 전술한 설명에서 상세하게 예시되고 설명되었지만, 그러한 예시 및 설명은 제한적인 것이 아니라 설명적(illustrative)이거나 예시적(exemplary)인 것으로 간주되어야 한다. 본 발명은 개시된 실시예들로 제한되지 않는다. 개시된 실시예들에 대한 다른 변형들이 도면들, 개시, 및 종속 청구항들의 연구로부터, 청구된 발명을 실시하는 데 있어서 본 기술분야의 통상의 기술자에 의해 이해되고 달성될 수 있다.
청구항들에서, “포함하는(comprising)”이라는 단어는 다른 요소들 또는 단계들을 배제하지 않으며, 단수 표현(indefinite article) "한" 또는 "어떤”은 복수를 배제하지 않는다. 단일 프로세서 또는 다른 유닛이 청구항들에 인용된 몇 개의 아이템들의 기능들을 수행할 수 있다. 특정한 대책들이 서로 상이한 종속 청구항들에서 인용되고 있다는 단순한 사실이 이 대책들의 조합이 유리하게 사용될 수 없다는 것을 나타내지는 않는다. 청구항들에서의 임의의 참조 부호들(reference signs)은 범위를 제한하는 것으로 해석되어서는 안된다.
Claims (15)
- 잡초 방제 장치(10)로서,
- 입력 유닛(20);
- 프로세싱 유닛(30); 및
- 출력 유닛(40)
을 포함하며;
상기 입력 유닛은 환경의 적어도 하나의 센서 데이터를 상기 프로세싱 유닛에 제공하도록 구성되고;
상기 프로세싱 유닛은 상기 환경의 복수의 위치 각각에 대한 적어도 하나의 지면 속성을 결정하기 위해 상기 적어도 하나의 센서 데이터 중 적어도 일부를 분석하도록 구성되며;
상기 프로세싱 유닛은 상기 복수의 위치 각각에 대한 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정을 결정하도록 구성되고, 상기 전극 기반 잡초 방제 유닛의 활성화를 위한 상기 전력 설정의 결정은 해당 위치와 연관된 상기 적어도 하나의 지면 속성의 이용을 포함함 -;
상기 출력 유닛은 상기 적어도 하나의 전극 기반 잡초 방제 유닛을 활성화시키는 데 사용 가능한 정보를 출력하도록 구성되는, 장치. - 제1항에 있어서, 상기 적어도 하나의 센서 데이터는 적어도 하나의 이미지를 포함하고, 상기 프로세싱 유닛은 상기 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 상기 복수의 위치 중 적어도 하나의 활성화 위치를 결정하기 위해 상기 적어도 하나의 이미지를 분석하도록 구성되는, 장치.
- 제2항에 있어서, 상기 적어도 하나의 활성화 위치를 결정하기 위한 상기 적어도 하나의 이미지의 분석은 적어도 하나의 초목 위치의 결정을 포함하는, 장치.
- 제3항에 있어서, 상기 활성화 위치에 대한 상기 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 상기 전력 설정의 결정은 상기 결정된 적어도 하나의 초목 위치의 이용을 포함하는, 장치.
- 제2항 내지 제4항 중 어느 한 항에 있어서, 상기 적어도 하나의 활성화 위치를 결정하기 위한 상기 적어도 하나의 이미지의 분석은 적어도 하나의 잡초 유형의 결정을 포함하는, 장치.
- 제5항에 있어서, 상기 활성화 위치에 대한 상기 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 상기 전력 설정의 결정은 상기 결정된 적어도 하나의 잡초 유형의 이용을 포함하는, 장치.
- 제2항 내지 제6항 중 어느 한 항에 있어서, 상기 적어도 하나의 이미지의 분석은 머신 러닝 알고리즘의 이용을 포함하는, 장치.
- 제1항 내지 제7항 중 어느 한 항에 있어서, 상기 적어도 하나의 지면 속성은: 지면 수분의 측정치; 지면 텍스처의 측정치; 지면 전도도의 측정치; 지면 온도의 측정치; 지면 경도의 측정치; 식물 뿌리 출현의 측정치; 지면 유형의 측정치; 염도의 측정치 중 하나 이상을 포함하는, 장치.
- 제1항 내지 제8항 중 어느 한 항에 있어서, 상기 적어도 하나의 센서 데이터는 적어도 하나의 센서에 의해 취득되었고, 상기 입력 유닛은 상기 적어도 하나의 센서 데이터가 취득되었을 때의 상기 적어도 하나의 센서와 연관된 적어도 하나의 위치를 상기 프로세싱 유닛에 제공하도록 구성되는, 장치.
- 제9항에 있어서, 상기 적어도 하나의 센서는: 카메라; 지면 수분 센서; 지면 텍스처 센서; 전기 전도도 센서; 토양 삽입 센서; 전자기 유도 센서; 온도 센서; 지면 경도 센서; 뿌리 출현 센서; 지면 유형 센서; 염도 센서; 가시 광선, 적외선, 근적외선, 중적외선, 원적외선 중 하나 이상에서 동작하도록 구성된 적어도 하나의 반사율 센서 중 하나 이상을 포함하는, 장치.
- 잡초 방제 시스템(100)으로서,
- 적어도 하나의 센서(110);
- 제1항 내지 제10항 중 어느 한 항에 따른 잡초 방제 장치(10); 및
- 적어도 하나의 전극 기반 잡초 방제 유닛(120)
을 포함하고;
상기 적어도 하나의 센서는 상기 환경의 상기 적어도 하나의 센서 데이터를 취득하도록 구성되며;
상기 적어도 전극 기반 잡초 방제 유닛은 차량(130)에 장착되고;
상기 장치는 상기 적어도 하나의 전극 기반 잡초 방제 유닛을 활성화시키도록 구성되는, 시스템. - 제11항에 있어서, 상기 장치는 상기 차량에 장착되고; 상기 적어도 하나의 센서는 상기 차량에 장착되는, 시스템.
- 제11항 또는 제12항에 있어서, 상기 적어도 하나의 센서는: 카메라; 지면 수분 센서; 지면 텍스처 센서; 지면 전도도 센서; 전자기 유도 센서; 지면 온도 센서; 토양 삽입 센서; 지면 경도 센서; 뿌리 출현 센서; 지면 유형 센서; 염도 센서, 반사율 센서 중 하나 이상을 포함하는, 시스템.
- 잡초 방제 방법(200)으로서,
a) 환경의 적어도 하나의 센서 데이터를 프로세싱 유닛에 제공하는 단계(210);
b) 상기 프로세싱 유닛에 의해, 상기 환경의 복수의 위치 각각에 대한 적어도 하나의 지면 속성을 결정하기 위해 상기 적어도 하나의 센서 데이터 중 적어도 일부를 분석하는 단계(220);
d) 상기 프로세싱 유닛에 의해, 상기 복수의 위치 각각에 대한 적어도 하나의 전극 기반 잡초 방제 유닛의 활성화를 위한 전력 설정을 결정하는 단계(230) - 상기 전극 기반 잡초 방제 유닛의 활성화를 위한 상기 전력 설정의 결정은 해당 위치와 연관된 상기 적어도 하나의 지면 속성의 이용을 포함함 -;
e) 출력 유닛에 의해, 상기 적어도 하나의 전극 기반 잡초 방제 유닛을 활성화시키는 데 사용 가능한 출력 정보를 출력하는 단계(240)
를 포함하는, 방법. - 프로세서에 의해 실행될 때, 제14항의 방법을 수행하도록 구성된, 제1항 내지 제10항 중 어느 한 항에 따른 장치 및/또는 제11항 내지 제14항 중 어느 한 항에 따른 시스템을 제어하기 위한 컴퓨터 프로그램 요소.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP18164138.2A EP3545760A1 (en) | 2018-03-27 | 2018-03-27 | Apparatus for weed control |
| EP18164138.2 | 2018-03-27 | ||
| PCT/EP2019/057032 WO2019185434A1 (en) | 2018-03-27 | 2019-03-21 | Apparatus for weed control |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200132886A true KR20200132886A (ko) | 2020-11-25 |
Family
ID=61971888
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020207027387A KR20200132886A (ko) | 2018-03-27 | 2019-03-21 | 잡초 방제 장치 |
Country Status (12)
| Country | Link |
|---|---|
| US (1) | US20210015087A1 (ko) |
| EP (2) | EP3545760A1 (ko) |
| JP (1) | JP7357633B2 (ko) |
| KR (1) | KR20200132886A (ko) |
| CN (1) | CN111867372A (ko) |
| AR (1) | AR117408A1 (ko) |
| AU (1) | AU2019245829A1 (ko) |
| BR (1) | BR112020019528A2 (ko) |
| CA (1) | CA3095070A1 (ko) |
| IL (1) | IL277390A (ko) |
| MX (1) | MX2020010088A (ko) |
| WO (1) | WO2019185434A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220105907A (ko) * | 2021-01-21 | 2022-07-28 | 국민대학교산학협력단 | 작물 재배 장치, 이의 작물 재배 방법, 및 이를 포함하는 시스템 |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11719682B2 (en) | 2020-10-30 | 2023-08-08 | International Business Machines Corporation | Capturing and analyzing data in a drone enabled environment for ecological decision making |
| US11719681B2 (en) | 2020-10-30 | 2023-08-08 | International Business Machines Corporation | Capturing and analyzing data in a drone enabled environment for ecological decision making |
| LV15634B (lv) * | 2020-11-11 | 2023-02-20 | Weedbot, Sia | Tehnoloģija un iekārta lāzera pozicionēšanai |
| US11853035B2 (en) * | 2021-02-10 | 2023-12-26 | Stoneridge Electronics Ab | Camera assisted docking system for commercial shipping assets in a dynamic information discovery protocol environment |
| IT202100007502A1 (it) * | 2021-03-26 | 2022-09-26 | Gs Net Italia S R L | Sistema per la gestione dell’erogazione di diserbante per un locomotore o vagone ferroviario diserbante |
| WO2024121667A1 (en) * | 2022-12-06 | 2024-06-13 | Precision Planting Llc | Vision based system to generate and display weed data for georeferenced locations in an agricultural field |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3370734B2 (ja) * | 1993-06-15 | 2003-01-27 | 株式会社成裕 | 通電式除草装置 |
| JP3606071B2 (ja) * | 1998-11-17 | 2005-01-05 | 富士電機システムズ株式会社 | 雑草の除去装置 |
| JP4362646B2 (ja) * | 2001-07-06 | 2009-11-11 | 農工大ティー・エル・オー株式会社 | 土壌特性観測装置 |
| HU3056U (en) * | 2005-04-29 | 2006-03-28 | G & G Noevenyvedelmi Es Keresk | Construction for making weed map |
| GB2431850A (en) * | 2005-11-01 | 2007-05-09 | Robert Eric Bradwell Holland | Method of controlling vegetation |
| CH707476A2 (de) * | 2013-01-18 | 2014-07-31 | Walter Schädler | Elektrische Unkraut- und Schädlingsbekämpfung. |
| WO2015013723A2 (en) * | 2013-07-26 | 2015-01-29 | Blue River Technology, Inc. | System and method for plant treatment |
| US10568316B2 (en) * | 2014-08-15 | 2020-02-25 | Monsanto Technology Llc | Apparatus and methods for in-field data collection and sampling |
| US20160205917A1 (en) * | 2015-01-15 | 2016-07-21 | Elwha Llc | Weed eradication method and apparatus |
| GB201505832D0 (en) * | 2015-04-04 | 2015-05-20 | Ubiqutek Ltd | Apparatus and method for electrically killing plants |
| DE102015209879A1 (de) * | 2015-05-29 | 2016-12-01 | Robert Bosch Gmbh | Unkrautregulierungsvorrichtung |
| CN204930106U (zh) * | 2015-08-13 | 2016-01-06 | 北京林业大学 | 一种激光除草飞行器 |
| JP2017158533A (ja) * | 2016-03-02 | 2017-09-14 | 株式会社リコー | 除草装置および除草装置の制御方法 |
| EP3451828B1 (en) * | 2016-05-03 | 2023-06-07 | Trigiani, Antonio Davido | Ultrasonic algae control |
| DE102017001827A1 (de) * | 2016-09-16 | 2018-03-22 | Zasso Gmbh | Vorrichtung zur Zerstörung von Pflanzen |
| US20200377211A1 (en) * | 2017-10-13 | 2020-12-03 | Basf Agro Trademarks Gmbh | Individualized and customized plant management using autonomous swarming drones and artificial intelligence |
| BR112020008192B1 (pt) * | 2017-10-27 | 2024-02-15 | Basf Se | Aparelho e método para gerenciamento de plantas |
-
2018
- 2018-03-27 EP EP18164138.2A patent/EP3545760A1/en not_active Withdrawn
-
2019
- 2019-03-21 KR KR1020207027387A patent/KR20200132886A/ko unknown
- 2019-03-21 CN CN201980022281.1A patent/CN111867372A/zh active Pending
- 2019-03-21 EP EP19712758.2A patent/EP3772932A1/en active Pending
- 2019-03-21 MX MX2020010088A patent/MX2020010088A/es unknown
- 2019-03-21 JP JP2020551832A patent/JP7357633B2/ja active Active
- 2019-03-21 BR BR112020019528-6A patent/BR112020019528A2/pt unknown
- 2019-03-21 WO PCT/EP2019/057032 patent/WO2019185434A1/en unknown
- 2019-03-21 AU AU2019245829A patent/AU2019245829A1/en active Pending
- 2019-03-21 US US17/040,293 patent/US20210015087A1/en active Pending
- 2019-03-21 CA CA3095070A patent/CA3095070A1/en active Pending
- 2019-03-27 AR ARP190100768A patent/AR117408A1/es active IP Right Grant
-
2020
- 2020-09-16 IL IL277390A patent/IL277390A/en unknown
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220105907A (ko) * | 2021-01-21 | 2022-07-28 | 국민대학교산학협력단 | 작물 재배 장치, 이의 작물 재배 방법, 및 이를 포함하는 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| IL277390A (en) | 2020-11-30 |
| AU2019245829A1 (en) | 2020-09-03 |
| JP2021519080A (ja) | 2021-08-10 |
| AR117408A1 (es) | 2021-08-04 |
| EP3772932A1 (en) | 2021-02-17 |
| CN111867372A (zh) | 2020-10-30 |
| CA3095070A1 (en) | 2019-10-03 |
| BR112020019528A2 (pt) | 2021-01-05 |
| WO2019185434A1 (en) | 2019-10-03 |
| US20210015087A1 (en) | 2021-01-21 |
| MX2020010088A (es) | 2020-10-28 |
| EP3545760A1 (en) | 2019-10-02 |
| JP7357633B2 (ja) | 2023-10-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20200132886A (ko) | 잡초 방제 장치 | |
| KR102627174B1 (ko) | 잡초 방제 장치 | |
| Ajayi et al. | Generation of accurate digital elevation models from UAV acquired low percentage overlapping images | |
| Hugenholtz et al. | Geomorphological mapping with a small unmanned aircraft system (sUAS): Feature detection and accuracy assessment of a photogrammetrically-derived digital terrain model | |
| Rango et al. | Unmanned aerial vehicle-based remote sensing for rangeland assessment, monitoring, and management | |
| Lucieer et al. | Using a micro-UAV for ultra-high resolution multi-sensor observations of Antarctic moss beds | |
| Miziński et al. | Fully-automated estimation of snow depth in near real time with the use of unmanned aerial vehicles without utilizing ground control points | |
| Marra et al. | Photogrammetric estimation of wheel rut dimensions and soil compaction after increasing numbers of forwarder passes | |
| Lucieer et al. | Unmanned aerial vehicle (UAV) remote sensing for hyperspatial terrain mapping of Antarctic moss beds based on structure from motion (SfM) point clouds | |
| Wigmore et al. | High altitude kite mapping: evaluation of kite aerial photography (KAP) and structure from motion digital elevation models in the Peruvian Andes | |
| Gottfried et al. | First examples from the RIEGL VUX-SYS for forestry applications | |
| King et al. | New opportunities for low-cost LiDAR-derived snow depth estimates from a consumer drone-mounted smartphone | |
| Du et al. | Forest terrain and canopy height estimation using stereo images and spaceborne LiDAR data from GF-7 satellite | |
| Backes et al. | River morphology monitoring of a small-scale alpine riverbed using drone photogrammetry and LiDAR | |
| Torres-Rua et al. | Development of unmanned aerial systems for use in precision agriculture: The AggieAir experience | |
| Vepakomma et al. | Potential of UAV based convergent photogrammetry in monitoring regeneration standards | |
| Abd Mukti et al. | Low altitude multispectral mapping for road defect detection | |
| Danaher et al. | A regression model approach for mapping woody foliage projective cover using Landsat imagery in Queensland, Australia | |
| Šurjanac et al. | Application of small unamanned aerial systems in logistics and planning | |
| KR101794479B1 (ko) | 산림 병충해 검출 시스템 및 관리방법 | |
| Báez et al. | Comparing high-resolution satellite and GatorEye UAV lidar data for trail mapping in mixed pine and oak forests in central Florida using a participatory approach | |
| Krevh et al. | Investigation of Surface and Subsurface Water Runoff on a Hillslope Vineyard Using TDR and Soil-Water Collection Instrument | |
| Ferraiolo et al. | The WEQUAL project: an innovative method for river ecological quality assessment | |
| Cardil Forradellas et al. | Quantifying pine processionary moth defoliation in a pine-oak mixed forest using unmanned aerial systems and multispectral imagery | |
| Milne et al. | Forest and woodland biomass and classification using airborne and spaceborne radar data |