WO2018073163A1 - Ertragsvorhersage für ein kornfeld - Google Patents

Ertragsvorhersage für ein kornfeld Download PDF

Info

Publication number
WO2018073163A1
WO2018073163A1 PCT/EP2017/076320 EP2017076320W WO2018073163A1 WO 2018073163 A1 WO2018073163 A1 WO 2018073163A1 EP 2017076320 W EP2017076320 W EP 2017076320W WO 2018073163 A1 WO2018073163 A1 WO 2018073163A1
Authority
WO
WIPO (PCT)
Prior art keywords
ear
ears
image
cornfield
determining
Prior art date
Application number
PCT/EP2017/076320
Other languages
English (en)
French (fr)
Inventor
Klaus Ruelberg
Gregor Fischer
Original Assignee
Bayer Cropscience Aktiengesellschaft
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bayer Cropscience Aktiengesellschaft filed Critical Bayer Cropscience Aktiengesellschaft
Priority to RU2019114132A priority Critical patent/RU2769288C2/ru
Priority to US16/342,363 priority patent/US10984548B2/en
Priority to EP17790724.3A priority patent/EP3528609A1/de
Priority to CN201780064471.0A priority patent/CN109843034B/zh
Priority to BR112019007962A priority patent/BR112019007962A2/pt
Publication of WO2018073163A1 publication Critical patent/WO2018073163A1/de
Priority to US17/234,589 priority patent/US20210241482A1/en

Links

Classifications

    • 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
    • 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
    • A01G22/00—Cultivation of specific crops or plants not otherwise provided for
    • A01G22/20—Cereals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Definitions

  • the invention relates generally to a crop yield prediction, and more particularly to a grain crop yield prediction method.
  • the invention further relates to a corresponding system for yield prediction of a corn field and to a computer system relating thereto.
  • a method for yield prediction for a cornfield may include positioning a digital camera at a defined distance above a central plane of ears of a cornfield and capturing a digital image of a section of the cornfield with the positioned digital camera.
  • the middle level of the ears may be parallel to an image plane of the digital camera.
  • the method may include determining an area of the picked cornfield section from the defined distance and an angle of view of the digital camera, and determining a total area of the ears in the digital image as compared to a total area of the digital image by an algorithm for differentiating between image pixels Have ears unlike other picture pixels that are not associated with ears.
  • the method may include determining an output of the field from the total area of the ears in the digital image. This can be done in comparison to a total area of the digital image, the particular area of the recorded cornfield section, an average grain weight of an ear, a field total area, and a first calibration factor.
  • a system for yield forecasting a cornfield may include a digital camera positioned at a defined distance above a central plane of ears of a cornfield.
  • the digital camera can be adapted for taking a digital image of a section of the cornfield with the positioned digital camera.
  • the middle level of the ears and one image plane of the digital camera can be parallel to each other.
  • the system may include a partial area determining unit for determining an area of the picked cornfield section from the defined distance and an angle of view of the digital camera and a ⁇ hren vombeéessaku, the Determining a total area of the ears is adapted in the digital image. This can be done as compared to a total area of the digital image by an algorithm for differentiating between image pixels of the ears as opposed to other image pixels that are not associated with ears.
  • a yield determination module for determining an output of the field from the total area of the ears in the digital image compared to a total area of the digital image, the particular area of the picked cornfield section, an average grain weight of an ear, a field total area and a Calibration factor be present.
  • the presented system can be implemented as part of a smartphone.
  • the method presented here by a powerful form of a smartphone can be completely or partially performed by this smartphone.
  • the determination of the total number of grains of an ear of corn may also be carried out on a dedicated computer specially adapted for this purpose, a server computer or any other computer system.
  • embodiments have the form of a corresponding computer program product.
  • This may include instructions that, when executed on a computer system, perform steps of the described method.
  • the alternative possible positioning of the digital camera above the cornfield allows on the one hand to produce the digital image from an elevated location above the surface of the cornfield (eg from an agricultural machine); On the other hand, it is also possible to produce in the cornfield standing by the digital camera, which is mounted on a rod, the required digital recording.
  • the proposed method for yield prediction can be combined with another elegant method for determining the grain weight of an ear of corn.
  • an estimate of the yield of a cornfield can be made directly from images of the ears of the cornfield.
  • the same digital camera can be used for the procedure for the yield analysis and the partial method of determining the grain weight.
  • the yield prediction calculations as well as the computation for the determination of the grain weight can be performed on the same computer system, so that it becomes possible to provide the results of one calculation (grain weight) of the second calculation (yield prediction) as input values.
  • an upstream determination of the grain weight of an ear can - as already mentioned - as the front end of the same digital camera -. from a smartphone - can be used for improved yield prediction.
  • Using a mobile device is enough to enable farmers to make an improved yield prediction of their cornfield.
  • One or two digital images of an ear of corn are already enough to enable the farmer to significantly improve his field yield forecast.
  • Another simple everyday item in the form of a reference card does not complicate the handling and acceptance of the method.
  • the ear can either be picked or cut and placed on the reference card, or the ear can remain on the stalk and the reference card can be easily placed behind the ear.
  • the scale of the reference card provides a clear, unadulterated scale with the digital image.
  • the required computing power for the automated measurement of the ear and the grain weight of the ear can be made available in a data center. This data center can - as well as the data center for the calculation of the field yield - be operated at any point. It can either be a computer used by a farmer, several farmers can operate the computer together or a service provider takes over the analysis work and offers the required computing power.
  • the latter would have the further advantage that the service could be operated in the form of a cloud computing service for a large number of farmers in different regions or even transnationally. It would also be easier to take into account parallels between different regions, global and even local weather conditions or even regionally known pest infestation, use of fertilizers or use of pesticides, etc.
  • the digital image can be transmitted via a mobile network to an evaluation computer.
  • the analysis can be carried out and the result transmitted wirelessly back to the farmer or the mobile device.
  • An extrapolation, based on the grain weight of an ear on the entire field, could be made by further methods.
  • the analysis could also be carried out directly on site.
  • the necessary calculation algorithms could be made available in the form of a smartphone app.
  • a dedicated calculator special processor or special hardware
  • a smartphone for digital recording.
  • the farmer could also use a conventional digital camera and transmit the digital recording of the ear of corn in another form to the computer for analysis: for example, via wired communication technologies or relay stations having known communication channels such as WLAN, Bluetooth or other comparable means of communication.
  • the template matching method used to determine the number of spindle stages provides by the nature of the digital recordings of the ear - in the form of the spindle or spindle stage view and a potential second digital recording, the 90 ° to the Longitudinal axis is rotated (flower view) - a good basis for the further image processing and investigation steps.
  • the algorithm used for differentiating between image pixels of the ears, as opposed to other image pixels may be a local binary pattern algorithm.
  • a local binary pattern algorithm Basically, such algorithms are known.
  • An example is published in: DG. He and L. Wang, Texture Unit, Texture Spectrum, and Texture Analysis, IEEE Transactions on Geoscience and Remote Sensing, vol. 28, pp. 509-512, 1990; T. Müenpüü. M. Pietikäinen, and T. Ojala, "Texture Classification by multi-predicate local binary pattern operators", Proceedings 15th International Conference on Pattern Recognition, Barcelona, Spain, 3: 951-954, 2000.
  • This provides a powerful computational algorithm, which can be used directly and easily in the form of existing program libraries for the proposed method.
  • the algorithm for differentiating between image pixels of the ears, as opposed to other image pixels may be a texture image analysis method.
  • texture image analysis method Such methods are also known in principle, can be adapted according to the requirements of the presented method and are described, for example, in: F. Cointault, D. Guerin, J-P. Guillemin & B. Chopinet, "In-field Triticum aestivum ear counting using color-texture image analysis", New Zealand Journal of Crop and Horticultural Science, vol. 36, pp. 117-130, 2008. This algorithm is also easy to apply adjust the task shown here.
  • the algorithm for differentiating between picture pixels of the ears, as opposed to other picture pixels may comprise or consist of a brightness difference filter.
  • a brightness difference filter it must be taken into account that differences in recognition may well be present depending on the lighting, time of day, color components in the sky light, as a function of rain, fog and / or solar radiation. For this reason, it may be advantageous to always produce the ear or the field with the help of artificial lighting such as artificial lightning.
  • the defined distance between the digital camera and the surface of the cornfield by a spacer between the digital camera and a middle levels of the ears of the Kornfeldes be determined.
  • the spacer may consist of a flexible element - such as a twine - one end of which is attached to the digital camera and at the other end may be a color contrast ball, which is positioned in the middle plane of the ears of cornfield. Due to the color contrast of the color contrast sphere to the environment (ie essentially the ears), this is well visible or recognizable in the digital image by means of pattern recognition.
  • the color contrast sphere may have, for example, a blue or blue-green color value.
  • regular geometric shapes are considered, such as a pyramid, a barrel, a cube, a box-shaped element or even irregular objects that have a good color contrast to the color values of the ears.
  • the defined distance may be determined by a spacer between the digital camera and a middle level of the cornfield ears.
  • the digital camera may be mounted at one end of the spacer at a predetermined angle other than 90 degrees, with the other end of the spacer positioned on a central plane of the cornfield ears.
  • the digital image can be captured when the image plane of the digital camera is horizontally aligned.
  • the exposure can be triggered automatically by position or acceleration sensors that can be connected to the digital camera. It is assumed that the middle level of the ears of the cornfield is horizontal.
  • the size of the surface of the recorded cornfield section is determined by positioning the digital camera and taking a digital image of a cornfield section ("determining an area of the recorded cornfield section from the defined distance and a viewing angle of the digital camera").
  • the total area of the ears in the digital image is determined from the digital image acquisition ("determining a total area of the ears in the digital image compared to a total area of the digital image"). The result is, for example, that a certain percentage of the pixels of the image capture ears.
  • the number of ears in the digital image acquisition can be determined. This requires knowing which area (how many pixels) a single ear of corn occupies on average. This quantity can be represented by the first calibration factor, which is usually determined empirically. If one divides the total area of the picture, which is due to spikes, by the average size of the area, which occupies a single spike, one receives the number of spikes in the picture.
  • Dividing the number of ears in the picture by the size of the area of the cornfield in the image section gives the number of ears per unit area of the cornfield. If the number of ears per unit area of the cornfield is multiplied by the total area of the field, the number of ears in the entire field is calculated. Multiply the number of Ears throughout the field with the average grain weight of an ear, gives the grain weight of the entire field - and thus the yield ("Determining a yield of the field from the total area of the ears in the digital image compared to a total area of the digital image, the determined Area of the recorded cornfield section, an average grain weight of an ear, a field total area and a first calibration factor ").
  • the first calibration factor may have at least one pendency with respect to one of the factors variety, growth stage - in particular represented in the form of the BBCH code - weather, geographical location and / or fertilization status. Further dependencies are conceivable.
  • GPS Global Positioning System
  • the calibration factor itself can be a direct function of the input variables. Dedicated input values can be stored together with result values in a matrix and retrieved there by the method.
  • the determination of the total area of the ears in the digital image compared to a total area of the digital image may further include loading the areas of the ears with an area factor whose value is from a center of the digital image to the edge decreases. This is advantageous because the ears in the center of the image can be taken rather centrally from the top, while ears in marginal areas of the digital image - due to the other angle of view - can rather be taken from the side and thus occupy a larger portion of the image. Due to the area factor, this effect can be compensated.
  • the method may include providing a second digital image of a single ear of corn in a spindle-stepped view of the ear.
  • the ear in the digital image can be imaged in front of a reference card as a background.
  • the method according to this embodiment may further include determining a length of the ear along the longitudinal axis of the ear by separating image pixels of the digital image of the ear from the background and comparing pixel coordinates at one end of the ear with pixel coordinates of the ear at an opposite one Have the end of the ear in the longitudinal direction of the ear with picture marks on the reference card.
  • the method according to this embodiment may include determining a number of spindle stages of the ear by a template matching method, determining a grain number of the ear by multiplying the detected spindle levels by a factor, and determining the weight of all the grains of the ear by multiplying the determined number of grains by a second calibration factor.
  • the grain weight of an ear can be determined elegantly without the need for weighing.
  • the optical method allows elegant and direct determination of the grain weight either within a smartphone or in a separate data center to which the captured digital image has been transmitted in the spindle stage view.
  • the same technical device - namely the smartphone - can be used both for determining the grain weight and for determining the field yield.
  • the template matching method may comprise a pixel-by-pixel displacement of a selected image template consisting of a central portion of the ear of the entire ear in the longitudinal direction of the ear.
  • the method may each determine a respective similarity factor of the
  • the selected portion of the ear can occupy about 15-25% of the ear in a central region of the ear.
  • this embodiment may include determining the number of spindles from the x-y plot. Since the template matching method is a well-known method in the field of image processing, conventional program library functions and modules can be used. The use of this matching method provides good accuracy and robustness against variations in the illumination geometry in the determination of the spindle stages. This is advantageous because the number of spindle stages has a significant influence on the number of grains of the ear. An additional spindle level of the spike can be equivalent to 4 additional grains, which can increase the total number of grains of honor by up to 10%. Consequently, the most accurate possible detection of the number of spindle stages is synonymous with the accuracy of the proposed method.
  • determining the number of spindles from the xy representation may include determining the number of relative maxima of a similarity value by simple counting. This procedure requires little computing power, but is not the most accurate compared to other methods because the degree of similarity to the ends of the ear decreases and accordingly the maxima are no longer as pronounced as in the central ear area.
  • determining the number of spindles from the xy plot may include determining a mean period length from the distances of the relative maxima of a similarity value to each other and determining the number of spindles by dividing the ear length by the period length.
  • this embodiment now described may have a higher degree of accuracy in determining the number of spindle stages. This is because the relative maxima in the x-y representation may be more pronounced than in the previous embodiment. This results in a higher accuracy in determining the number of spindle stages of an ear.
  • the second calibration factor may have at least one dependence on one of the following factors: variety of the ear, growth stage of the ear, weather (long term and short term), geographical location, and fertilization status. Further influencing parameters can be taken into account at any time.
  • the method for yield prediction for a cornfield may include a sub-method, in particular a grain weight determination method for determining a weight of all grains of an ear of a cereal grain.
  • This sub-procedure would be an alternative to the sub-procedure, in which a spindle-level view of the ear of corn is used.
  • This grain weight determination method may include providing a digital image of the spike in a flower view of the ear in front of a reference map, and determining an area of the flower view of the spike by separating image pixels of the digital image of the spike from the background by a color histogram method.
  • this grain weight determination method may include comparing an area occupied by the ear as compared to image marks on the reference map.
  • the partial weighting method of the yield prediction method for determining grain weight includes determining the weight of all the grains of the ear of corn by multiplying the determined ones
  • This calibration factor can have various dependencies, such as a dependence on the type of grain, the growth stage, the weather, a fertilization status, a known pest infestation, etc.
  • This sub-method has the advantage that it can be easily applied.
  • the computational intensity may be lower than in the sub-method for determining the grain weight using the spindle stage view of the ear. This would make it easier to implement this sub-procedure directly in the mobile device in the field. Alternatively, it would also be possible to transmit the recorded digital images to a Ausenserechentechnik and the result to receive again with the mobile device on the field.
  • This sub-method also has the advantage that the digital recording of the flower view is easier to make than the spindle stage view, since the ear comes to rest in a natural position in a flower view. This would be a relief for the one who makes the digital recording. It has been found that relatively accurate estimates of the grain weight of an ear of corn can be made with this grain weight determination method presented here.
  • the system for yield analysis of the cornfield on a transmitting and receiving unit which is adapted to send the captured digital image of the cornfield section - or the second digital recording - to a data center, which the partial area determination unit, the Ear area determining unit and the yield determination module has. After calculating the determination units and the module, the result can then be sent back to the smartphone, the digital camera or the other mobile device and reused directly on the field.
  • embodiments may take the form of an associated compute rogramm areas that can be accessed by a computer-usable or computer-readable medium.
  • the instructions may cause a computer - such as a smartphone, a server, or a combination of both - to perform processing steps in accordance with the presented method.
  • the computer usable or computer readable medium may be any device having elements for storing, communicating, transporting or forwarding the program together with the instruction processing system.
  • Fig. 1 shows a block diagram of an embodiment of the inventive method for determining the yield prediction of a corn field.
  • Fig. 2 shows a positioning of a digital recording device over ears of cornfield.
  • Fig. 3 shows a tool for the desirable positioning of the camera over the middle plane of the cornfield ears.
  • FIG. 4 shows an alternative for a reproducible distance positioning of the camera from the middle level of the ears of the cornfield.
  • FIG. 5 shows an exemplary photograph of the cornfield in accordance with a method that has been illustrated in connection with FIGS. 4 and 5.
  • Fig. 6 shows a block diagram of the partial method for determining the grain weight of an ear.
  • Fig. 7 shows a first part of a block diagram of an implementation nearer embodiment of the proposed method.
  • FIG. 8 shows a second part of the block diagram of the implementation of the proposed method of FIG. 7.
  • FIG. 9 shows an ear of wheat shown in abstract and an example of a reference card together with an ear of corn lying thereon.
  • Fig. 9a shows an image of an ear and a view of the spindle stages of an ear.
  • Fig. 10 shows an exemplary diagram for determining the ear length.
  • FIG. 11 shows an exemplary diagram of a cross-correlation function for determining the number of spindle stages.
  • Fig. 12 is a block diagram of a subsystem for determining the total grain number of an ear of a cereal grain.
  • Fig. 13 shows a block diagram of a crop field yield prediction system.
  • FIG. 14 shows a block diagram of an example of a computer system together with the system corresponding to FIG. 13 and / or FIG. 12.
  • cereal haulm or "ear of a cereal haulm” need not be interpreted further. It can be an ordinary crop that grows on an agricultural field. Typically, the grain may be wheat, rye or barley.
  • digital image describes a digital image of a real scene that typically can be captured with a digital camera.
  • the digital image or image may be composed of pixels of different color values to create a visual overall impression
  • a digital recording of the surface of the cornfield from a bird's-eye view and, if necessary, another digital recording of a single ear to determine the grain weight of a typical ear of corn are recorded.
  • flower view of the ear describes a view of the ear in which the grains are clearly visible.
  • the flower view can also be referred to as a grain view of the ear, as in this view the grains of the ear are most visible.
  • the view of the awns extends most to the left and to the right of the spike, in contrast to the flower view, the term “Spindle Step View” describes a view of the spike rotated 90 ° along the longitudinal axis of the spike. So a view of the narrow view of the ear. Here you look on the narrower side of the ear or on the awns of the ear when the longitudinal axis of the ear is vertical.
  • a "reference map” in the context of this description is a flat object - for example a monochrome map - whose color value is well different from that of the ear.
  • a complementary hue - e.g., blue - to a typical hue color value has been found to be advantageous.
  • template matching method is known to the person skilled in the art as a method for detecting a structure of a digitally displayed object, for example, a detailed description can be found in S. Kim, J. McNames, Automatic spike detection based on adaptive template matching for extracellular neuronal recordings ", Journal of Neuroscience Methods 165 pp. 165-174, 2007.
  • the term "developmental stage” or “developmental stage” describes a stage in the natural life cycle of a plant - here a cereal ear - from sowing to harvesting It has been found that the use of the "BBCH code” to describe the developmental stage a plant is helpful.
  • the abbreviation "BBCH” officially stands for "Biologische Bundesweg, Bundessortenamt and CHemische Industrie”.
  • the BBCH code describes a phenomenological developmental stage of plants. The code starts at 00 and ends at 89. For example, a BBCH code between 10 and 19 describes an early stage of development of a leaf. From a BBCH code of 60, the flower of the plant appears (up to 69).
  • the next ten steps each describe the development of the fruit (70-79), the seed maturity (80-89) and the death (90-99 - of annual plants) of the plant.
  • the term "digital camera” describes a camera which uses a digital storage medium as the recording medium instead of a photographic film. The digital image is previously digitized by means of an electronic image converter (image sensor).
  • color contrast sphere describes an article which has a spatial extent which is of the same order of magnitude as the average length of the ears (eg a few centimeters in size) and a weight of the order of about 10 to 100 g Its color is ideally complementary to a dominating color of a grain field surface, advantageously a complementary color of a cornfield in a mature state, for example the color contrast sphere may have a blue color value on its surface, it is not necessary that it actually be Other geometrical shapes are also possible It is important that the color contrast sphere be easily distinguishable by means of optical recognition methods of cornfield pixels
  • texture image analysis describes a process in which the texture of an object of a digital image image is analyzed.
  • FIG. 1 shows a block diagram of one embodiment of the inventive method 100 for yield forecasting for a cornfield.
  • the method includes positioning, 102, a digital camera at a defined distance above a central plane of ears of cornfield - ie, a bird's-eye view - and taking, 104, a digital image of a section of the cornfield with the positioned digital camera.
  • the middle level of the ears and one image plane of the digital camera should be parallel to each other. This can be done automatically by using camera acceleration or position sensors. Exactly when the image plane is oriented horizontally, the automated triggering of the digital camera can take place.
  • the method comprises determining, 106, an area of the picked cornfield section from the defined distance and an angle of view of the digital camera and determining, 108, a total area of the ears in the digital image compared to a total area of the digital image by a Algorithm for differentiating between picture pixels of the ears in contrast to other picture pixels that are not associated ears.
  • the method comprises determining, 110, an output of the field from the total area of the ears in the digital image as compared to a total area of the digital image, the particular area of the picked cornfield section, an average grain weight of an ear, a field total area, and a first one Calibration factor on.
  • This first calibration factor may be variety, growth, weather, location and / or fertilizer dependent.
  • the area of the recorded grain field cutout could be 4 m 2 .
  • the area of the recorded grain field cutout could be 4 m 2 .
  • 20% of the pixels are due to ears.
  • 41472 pixels would be due to spikes.
  • an ear under the present conditions typically has an average size of 208 pixels. Then about 200 ears would be displayed on the digital image.
  • a corn field cut of 4 m 2 that would correspond to about 50 ears per m 2 field surface. If the total area of the field were 1 km 2 , 50 million ears would be present in the entire field. If the average grain weight were 3 grams per ear, a total weight of 150 tons would be present in the field.
  • Fig. 2 shows a positioning of a digital recording device 202 via ears 210 of a cornfield.
  • the digital recording device may, for example, be a single digital camera or a digital camera in a mobile telephone-for example a smartphone.
  • the camera 202 picks up a defined section of the surface of the cornfield. The section is essentially determined by the distance of the image plane 204 of the camera 202 and the angle of view ⁇ 206 of the camera 202.
  • the digital image is the Image plane 204 of the camera 202 advantageously parallel to a central horizontal plane 208 through the ears 210 of the cornfield.
  • Figure 3 shows an aid to the desirable positioning of the camera 202 over the median plane 208 of the ears 210 of the cornfield.
  • the tool may be a spacer 302 between the camera 202 and a weight 304.
  • the spacer 302 is attached to both the camera 202 and the weight 304.
  • the weight 304 may for example consist of a ball.
  • the color of the sphere 304 should be such that it differs well from the color of the ears 210 or the cornfield.
  • As a complementary color to the color of mature or almost mature grain is a blue tone for the ball 304 into consideration (color contrast ball).
  • the spacer 302 may be configured as a thread or a thread-like structure.
  • FIG. 4 shows an alternative for a reproducible distance positioning of the camera 202 from the central plane 208 of the ears 210 of the cornfield.
  • the digital recording can be triggered in various ways. On the one hand, it is possible to integrate a trigger in the handle 404 of the rod 402. In this variant, however, it might be difficult to align the image plane 204 of the camera 202 so that it is parallel to the central plane 208 of the ears 210. More elegant would be a solution in which the image is automatically triggered as soon as the image plane 204 is horizontal after a signal 204 for triggering the camera 202 was triggered. In this way, a parallelism of the image plane 204 and the central plane 208 of the ears 210 can be ensured. A Detection of the horizontal alignment of the image plane 204 can be detected via acceleration sensors (or other sensors) of the camera.
  • FIG. 5 shows an exemplary receptacle 500 of a cornfield cutout.
  • the size of the area of the cornfield corresponding to the digital image can be determined by the methods mentioned above in connection with FIGS. 2 to 4 or by comparable methods. It can be seen clearly that the ears 502 in the exemplary recording 500. In addition, it can be seen that those ears 502, which lie in the center of the image, are recorded at a different angle than those ears 502, which are located in outer areas of the receptacle 500. This results from simple optical considerations. This effect can be compensated by an area factor decreasing towards the edges of the digital recording 500. Furthermore, it can be seen in FIG. 5 that individual ears of corn overlap. Accordingly, it is not possible, for example, to determine the number of ears present in the image recording.
  • the total area of the ears in the digital image is determined in comparison to the total area of the digital image, and in a further step the number of ears present is determined using a typical size of an ear in a digital image.
  • the information about the typical size of an ear in a digital image is provided by the first calibration factor, which is usually determined empirically.
  • the field yield of the entire field can be extrapolated.
  • the grain weight of an ear of wheat 502 is taken into account for extrapolation to the field yield.
  • a grain weight can also be determined by means of an additional digital recording of a single ear of corn.
  • the method initially comprises providing 602 a digital image of the ear in a spindle-end view of the ear.
  • the ear should be in the digital image in front of a reference card as a background when recording.
  • the reference card will, for convenience, have the complementary color (e.g., blue) to a typical color of an ear of corn (yellowish).
  • the method comprises determining 604 a length of the ear along the longitudinal axis of the ear of corn by separating image pixels of the digital image of the ear from the background. This separation can advantageously by means of a Color histogram procedure done. In this way, a contiguous area of the ear can be distinguished from the background of the reference map.
  • the method comprises comparing, 606, pixel coordinates at one end of the ear with pixel coordinates of the ear at an opposite end of the ear in the lengthwise direction of the ear with image marks on the reference card. By using a scale on the reference card it is easy to determine the length of the ear. For this purpose, only corresponding y-coordinates have to be subtracted from each other.
  • determining 608 a number of spindle stages of the ear can be done by a template matching method, which includes determining a grain number of the ear (step 610) by multiplying the determined spindle stages by a factor , which indicates the number of grains per spindle step, and has, for example, a value of 4 follows.
  • determining 612 the weight of all grains of the ear is achieved by multiplying the determined number of grains by a calibration factor.
  • the calibration factor can take into account a large number of variables.
  • Fig. 7 shows a first part of a block diagram of an implementation nearer embodiment of the proposed method.
  • a digital image of an ear of corn 708 is received along with a reference card.
  • Geometry correction 702 also includes a corner end detection 704 of the corners of a colored area on the reference map. This is followed by a transformation 706 of perspective and image section 710 so that areas outside the colored background with the ear of corn lying on it are ignored.
  • the image section 710 thus obtained is forwarded to an ear detection function 712.
  • the actual ear detection is done by means of an analysis 714 by means of a color histogram method to distinguish pixels of the ear and the colored background (716 segmentation foreground / background).
  • the recognized Ear object masked, 718.
  • detected image pixels of the background may be represented as a logical "0".
  • a spike preprocessing 722 is performed. This may include a step of lighting and contrast optimization 724.
  • a transformer straightening 726 of the ear and a further reduction of the image detail to be processed can be performed. By optically removing the awning, it is possible to detect the appearance of the ear (step 726). Ideally, the view of the ear is a spindle stage view. The further processing of the received digital image is based on FIG. 8.
  • Fig. 8 shows a second part of a block diagram of an implementation nearer embodiment of the proposed method.
  • the actual ears analysis 802 takes place.
  • a geometry analysis 804 is required, the result of which is a determination of the ear length 808.
  • corner marks - allows in conjunction with the distance to the Halmansatz at the lower end of the ear, a determination of the length of the ear in the longitudinal direction, as shown in Fig. 9.
  • a middle selected area 810 of the ear 728 in the shape shown at this time is moved pixel-wise in a vertical direction along the vertical longitudinal axis of the ear 728.
  • a similarity factor is determined, which is determined mathematically by the cross-correlation function 810 between template and image function.
  • a correlation analysis 808 is shown in Fig. 10, which provides the period length and thus the distance of the spindle stages with each other.
  • the ratio of ear length 808 to period length leads to a very accurate measure for half the number of spindle stages, because the periodicity of the spindle stages is very pronounced and with a constant distance pronounced.
  • the grain analysis 812 is carried out with the determination of the number of grains 816 and the determination of the 1000 grain weight 814.
  • a yield calculation 818 of the entire field, or a subarea thereof, can follow via a yield formula 820 .
  • the 1000-grain weight - also known as Tauskorntec (TKG) - is a common calculation value for the estimation of yields in agricultural environment and indicates the weight of 1000 grains of a grain lot. It can be calculated from the grain weight of an ear and the determined number of grains of the ear.
  • FIG. 9 shows an ear of corn 708 shown in abstract and an example of a colored area 902 (not recognizable in black and white representation) of a reference map (which may be larger than the area 902) together with an ear of corn 708 lying thereon
  • Surface 902 has image marks such as a scale 904 and, for example, bookmark marks 914.
  • the Jardineckmarken 914 may have different forms.
  • awns 906 are shown symbolically, which can be different lengths depending on the type of cereal.
  • a piece of the straw 910 is still shown, which has only for the detection of the lower ear field its meaning for the presented method.
  • the ear 708 should be aligned on the colored surface 902 of the reference card so that the longitudinal axis 912 of the ear 708 is aligned as parallel as possible to a side line of the colored surface 902.
  • a typically curved shape of the ear of corn 708 may be adapted by transforming the representation of the ear of corn 708 such that the longitudinal axis of the ear of the hair is actually aligned parallel to a side line of the colored area 902 of the reference card.
  • the reference map is typically a little larger than the colored area 902 contained on it, whose color is "blue", for example.
  • an actual image of an ear of corn 708 represents a contiguous region (shown, for example, in FIGS. 7, 720, 728).
  • the form of representation of the ear of corn 708 as used herein is intended to be illustrative only of the orientation of the ear of corn 708 relative to the reference map become.
  • FIG. 9a shows an illustration of an ear of corn 708 and a view 926 of the spindle stages of an ear of corn.
  • the illustration of the ear 708 clearly shows the different grains 916, 918, 920, 922 in the lower part of the ear and the stem 910. Accordingly, the more abstract shape of the ear on the right side of FIG. 9a shows the different spindle stages 424 of the ear 708th
  • FIG. 10 shows an exemplary diagram 1000 for determining the length of the ear. It can be seen here that the width of the ear (y-axis) is plotted per pixel row (x-axis) that relates to the ear.
  • the individual relative maxima - or a closely related group of relative maxima - refer to one spindle stage each. By simply counting the relative maxima or the groups of the relative maxima, the number of spindle stages can be identified. From the beginning of the pixels of the ear at about line 60 and the end of the pixels of the ear At approximately line 1710, the grain length 1002 results with the aid of the scale of the reference card or by a knowledge of the width of an individual pixel or a pixel row.
  • FIG. 11 shows an exemplary diagram 1100 of a cross-correlation function for determining the number of spindle stages on the basis of the template matching method.
  • the respective position of the template pattern from the middle of the ear
  • a correlation value similarity value
  • Match - a correlation score of practically 1.
  • the template is exactly in its original place.
  • a period length 1104 can be determined which corresponds to the distance of the individual spindle stages from one another. From the determined length of the ear and the average determined period length 1104, the number of spindle stages can also be calculated by division and rounding.
  • the process begins with providing a digital image of the ear of corn.
  • a photograph of the spike in the flower view - in the view in which the grains of the spike are clearly visible - is made in front of a reference card.
  • determining an area of the flower view of the ear of corn by separating image pixels of the digital image of the ear from the background, e.g. by means of a color histogram method, and comparing the area occupied by an ear of the ear with image marks on the reference map.
  • the image marks may be the scale of the reference map or the known distances of other image marks on the reference map.
  • the weight of all grains of the ear is determined by multiplying the determined area of the ear with a calibration factor. It has been shown that there is a pronounced direct correlation between the projection area of the spike in flower view and the number of grains of the spike. This phenomenon is used here to simply and elegantly determine the grain weight of the ear. This alternative method can also be used particularly well from a growth stage that is greater than 60 BBHC. However, it works even at lower BBHC values.
  • Fig. 12 shows a block diagram of a system for determining the total grain number of an ear of a cereal grain.
  • the system includes a receiving unit 1202 for receiving a digital image of the ear of wheat in a side view of the ear.
  • the receiving unit is a digital camera.
  • a digital Recording of the ear taken by a digital camera and to the receiving unit 1202 - optionally wirelessly - transmitted.
  • the ear of the digital image is recorded in front of a reference card as a background.
  • the system may include a display unit 1204.
  • the system has a surveying unit 1206.
  • the surveying unit 806 is adapted for comparing pixel coordinates at one end of the ear with pixel coordinates of the ear at an opposite end of the ear in the lengthwise direction of the ear with picture marks on the reference card.
  • the system includes a spindle step calculating unit 1208 adapted to determine a number of spindle stages of the ear by a template matching method, and a grain number determining unit 1210 adapted to determine a grain number of the ear by multiplying the ear determined spindle stages with a factor.
  • a weight determining unit 1212 adapted to determine the weight of all grains of the ear by multiplying the determined number of grains by a calibration factor.
  • the system may be part of a server system which receives the digital image (s) from a digital camera, such as a smartphone.
  • a digital camera such as a smartphone
  • This system of FIG. 12 may be integrated with a grain field yield analysis system 1300 shown in FIG.
  • This system includes a digital camera 1302 positioned at a defined distance above a central plane of ears of cornfield, the digital camera being adapted for taking a digital image of a section of the cornfield with the positioned digital camera, which may be the same as in FIG Fig. 12 is shown.
  • the middle level of the ears and one image plane of the digital camera should be parallel to each other.
  • the display / screen 1304 may be identical to the display unit 1204 of FIG. 12.
  • the yield prediction system 1300 further includes a patch determining unit 1306 for determining an area of the picked corn patch from the defined distance and an angle of view of the digital camera as well an ear area determining unit 1308 for determining a total area of the ears in the digital image as compared to a total area of the digital image by an algorithm for differentiating between picture pixels of the ears, as opposed to other picture pixels that are not associated with ears.
  • a patch determining unit 1306 for determining an area of the picked corn patch from the defined distance and an angle of view of the digital camera as well an ear area determining unit 1308 for determining a total area of the ears in the digital image as compared to a total area of the digital image by an algorithm for differentiating between picture pixels of the ears, as opposed to other picture pixels that are not associated with ears.
  • the system 1300 includes a yield determination module 1310 for determining an output of the field from the total area of the ears in the digital image as compared to a total area of the digital image, the particular area of the picked cornfield section, an average grain weight of an ear, a field total area and the first calibration factor.
  • Embodiments of the invention may be implemented in conjunction with virtually any type of computer, including, but not limited to, a smartphone, regardless of the platform used to store and execute program code.
  • Fig. 14 exemplifies a computer system 1400 suitable for executing program code related to the proposed method.
  • the computer system 1400 is only one example of a suitable computer system and is not intended to be a limitation on the scope of any use or functionality of the invention described herein. On the contrary, the computer system 1400 is adapted to implement each feature of each of the embodiments described herein.
  • the computer system 1400 includes components that may cooperate with a variety of other general or dedicated computer system environments and / or configurations.
  • Examples of known computer systems, environments, and / or configurations that may be suitable for cooperating with computer system 1400 include, but are not limited to, tablet computers, notebook computers, and / or other mobile computing systems, and / or Smartphones as well as multiprocessor systems, microprocessor-based systems, programmable consumer electronics or even digital cameras or PDAs (Personal Digital Assistant).
  • the computer system 1400 is described herein in a general context of computer system executable instructions. These may also be program modules that are executed by the computer system 1400. Generally, program modules include program routines, subprograms, objects, components, processing and / or decision logic, data structures, etc. that perform a particular task or represent a particular abstract data type. As already mentioned, the computer system 1400 may be implemented in the form of a "general purpose" computing system, wherein the components of the computer system 1400 include, but are not limited to, one or more processing units 1402 (CPU), a storage system 1404, and a System bus 1418, which connects various system components including main memory 1404 to processor 1402.
  • CPU processing units
  • storage system 1404 storage system 1404
  • System bus 1418 System bus 1418
  • the computer system 1400 also includes various computer-readable media. Such media includes all media accessible by the computer system 1400. This includes both volatile and non-volatile media, which can be removable as well as permanently installed.
  • Main memory 1404 may also include computer readable media in the form of a volatile memory. This can be, for example, a Random Access Memory (RAM) or a cache memory.
  • the computer system 1400 may further comprise removable and non-removable storage media.
  • storage system 1412 may include the ability to store data on a non-removable memory chip.
  • the storage media may be connected to the system bus 1406 through one or more data interfaces.
  • memory 1404 may include at least one program product having a plurality of program modules (at least one) configured and configured to configure the computer system to perform the functions of embodiments of the invention.
  • a program comprising a plurality of program modules may, for example, be stored in the memory 1404, as well as an operating system, one or more application programs, program modules and / or program data.
  • the computer system 1400 may further communicate with a plurality of external devices, such as a keyboard 1408, a pointing device (“mouse") 1410, a display (not shown), etc. These devices may be embodied, for example, in a touch-sensitive screen 1412 (touch-screen ) may be combined to facilitate interaction with the computer system 1400.
  • the computer system 1400 may also include acoustic input / output devices 1416.
  • other connections may be present to communicate with one or more other data processing devices (modem, network ports, etc.).
  • such communication may be via I / O interfaces 10.
  • the computer system 1400 may be over one or more networks, such as a local area network (LAN), a wide area network (WAN), and / or via a public (mobile) network eg Internet) via the adapter 1414 communicate.
  • the network adapter 1414 may communicate with other components of the computer system 1400 via the system bus 1418.
  • other hardware and / or software components may be used in conjunction with the computer system 1400. This concerns, for example, micro-code, device drivers, redundant processing units, etc.
  • system 1200 for determining a weight of all grains of an ear of a cereal health or an individual or integrated yield prediction system 1300 for a corn field may be connected to the bus system 1418.
  • computer system 1300 for determining field yield may receive the digital image, determine the weight of an ear of corn, and thus perform field yield prediction, and transmit the result back to the mobile device that acquires the digital image (s). was made (n).
  • systems 1200 and / or 1300 may also be integrated into a mobile computer system (e.g., high performance smartphone).
  • the present invention can be realized as a system, a method and / or a computer program product or a combination thereof.
  • the computer program product may comprise a computer readable storage medium (or simply "medium") containing computer readable program instructions for causing a processor to implement aspects of the present invention.
  • the medium can be based on electronic, magnetic, electromagnetic waves, infrared light or semiconductor systems, which are also suitable for forwarding. These include solid state memory, random access memory (RAM) as well as read only memory (ROM).
  • the computer readable program instructions described herein may be downloaded to the appropriate computer system from a potential service provider over a mobile network connection or a stationary network.
  • the computer readable program instructions for performing operations of the present invention may be any type of machine dependent or machine independent instructions, microcode, firmware, status code or object code, in any combination one or more programming languages is written, exhibit.
  • the programming languages may be C ++, Java or similar modern programming languages or conventional procedural programming languages such as the "C" programming language or similar programming languages.
  • the computer readable program instructions may be executed entirely on the computer system Circuits such as programmable logic devices, field programmable gate array (PGA) or programmable logic arrays (PLA) execute the instructions using status information in the computer readable program instructions to customize the electronic circuit (s) to accommodate aspects of the present invention to carry out the present invention.
  • These computer readable program instructions may be provided to a processor of a "general purpose computer” or more specifically to computer hardware or other programmable data processing devices to generate a machine such that the instructions executed by the respective processor will generate means for implementing the functions / actions illustrated in the corresponding flowchart and / or block diagram or blocks thereof.
  • These computer readable program instructions may also be stored on a computer-readable storage medium so as to cause a computer or programmable data processing device to execute the instructions stored in the medium by the respective processor, so that aspects or actions described in that document Procedure be performed.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Geometry (AREA)
  • Botany (AREA)
  • Environmental Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

Es wird ein Verfahren zur Ertragsvorhersage für ein Kornfeld vorgestellt. Das Verfahren weist ein Positionieren einer Digitalkamera in einem definierten Abstand über einer mittleren Ebene von Ähren eines Kornfeldes, ein Aufnehmen eines digitalen Bildes eines Ausschnittes des Kornfeldes, ein Bestimmen einer Fläche des aufgenommenen Kornfeldausschnittes, ein Bestimmen einer Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes, und ein Bestimmen eines Ertrages des Feldes aus der Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes, der bestimmten Fläche des aufgenommenen Kornfeldausschnittes, eines mittleren Korngewichtes einer Ähre, einer Feldgesamtfläche und einem Kalibrierungsfaktor auf.

Description

ERTRAGSVORHERSAGE FÜR EIN KORNFELD
[0001] Die Erfindung bezieht sich generell auf eine Vorhersage eines Ertrags einer Ernte und insbesondere auf ein Verfahren zur Ertragsvorhersage für ein Kornfeld. Die Erfindung bezieht sich weiterhin auf ein entsprechendes System zur Ertragsvorhersage für ein Kornfeld und auf ein diesbezügliches Computersystem.
[0002] Nachdem die Automatisierung klassischer Produktionsbereiche in der industriellen Fertigung weit vorangeschritten ist, setzt sich dieser Trend nun im klassischen landwirtschaftlichen Bereich fort. Der Einsatz von Überwachungstechnik in landwirtschaftlichen Produktionsprozessen ist zwar noch nicht überall Standard, dennoch gibt es auch hier Fortschritte. Klassische Industrie 4.0 Technologien lassen sich vielfach auch auf landwirtschaftliche Prozesse und Maschinen übertragen. Dabei ist allerdings mindestens eines zu berücksichtigen: die ausgewählten Technologien sollten einfach zu handhaben und sehr robust sein. Außerdem ist es erforderlich, dass die eingesetzten Technologien kostengünstig sind, da der Preisdruck auch in landwirtschaftlichen Produktionsbetrieben durch die Globalisierung immer weiter zunimmt.
[0003] Auf der anderen Seite gibt es hier und dort auch Vorbehalte gegenüber dem Einsatz von Hochtechnologie in bäuerlichen Betrieben, da der Umgang mit diesen Technologien nicht zu Standardwissen in diesen Bereichen zählt. Folglich muss Informationstechnologie, die in landwirtschaftlichen Betrieben eingesetzt werden soll, einfach und intuitiv zu bedienen sein.
[0004] Zwar gibt es länderabhängig in einigen Regionen der Welt bereits sehr ausgeklügelte Digital Farming Initiativen, die teilweise einen hohen Automatisierungsgrad auch bei der Feldarbeit erreicht haben; dennoch lassen sich auch mit vergleichsweise geringen Aufwänden deutliche Verbesserungen erzielen, wenn Bildverarbeitungs- und informationstechnologisch- unterstützte Analysetechniken in einfacher Form auf breiter Front einsetzbar gemacht werden. Am besten geschieht das in Form von Technologien, die bereits den Alltag der Bevölkerung durchdrungen haben.
[0005] Bei der Vorhersage von Erträgen in der Landwirtschaft - insbesondere bei der Vorhersage von Erträgen von Kornfeldern - werden bisher wenig quantitative Parameter genutzt. Meist sind es noch Erfahrungswerte. Dabei wären neben verlässlichen Wetterdaten weitere Analysetechniken hilfreich, die es Landwirten ermöglichen, eine nahezu präzise Vorhersage über ihre Feldausbeute zu erlangen, um zu entscheiden, wann ein guter Erntezeitpunkt ist. Auf diese Weise ließen sich auch Ankaufpreisschwankungen der Abnehmer - wie z.B. landwirtschaftliche Genossenschaften oder industrielle Großabnehmer - im Sinne der Produzenten für eine Gewinnoptimierung nutzen. [0006] Folglich besteht ein Bedarf für eine verbesserte Ausbeutevorhersage bei Kornfeldern und anderen landwirtschaftlich genutzten Flächen. Der Gegenstand des vorliegenden Dokumentes adressiert diesen Aufgabenbereich.
[0007] Die dieser Anmeldung zugrunde liegende Aufgabe wird durch die Gegenstände der unabhängigen Ansprüche gelöst. Weitere Ausführungsbeispiele sind durch die jeweils abhängigen Ansprüche angegeben. [0008] Entsprechend einem ersten Aspekt der vorliegenden Erfindung wird ein Verfahren zur Ertragsvorhersage für ein Kornfeld vorgestellt. Das Verfahren kann ein Positionieren einer Digitalkamera in einem definierten Abstand über einer mittleren Ebene von Ähren eines Kornfeldes und ein Aufnehmen eines digitalen Bildes eines Ausschnittes des Kornfeldes mit der positionierten Digitalkamera aufweisen. Dabei kann die mittlere Ebene der Ähren parallel zu einer Bildebene der Digitalkamera liegen.
[0009] Weiterhin kann das Verfahren ein Bestimmen einer Fläche des aufgenommenen Kornfeldausschnittes aus dem definierten Abstand und einem Bildwinkel der Digitalkamera sowie ein Bestimmen einer Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes durch einen Algorithmus zum Differenzieren zwischen Bildpixeln der Ähren im Gegensatz zu anderen Bildpixeln aufweisen, die nicht Ähren zugehörig sind.
[0010] Darüber hinaus kann das Verfahren ein Bestimmen eines Ertrages des Feldes aus der Gesamtfläche der Ähren in dem digitalen Bild aufweisen. Dies kann im Vergleich zu einer Gesamtfläche des digitalen Bildes, der bestimmten Fläche des aufgenommenen Kornfeldausschnittes, eines mittleren Korngewichtes einer Ähre, einer Feldgesamtfläche und einem ersten Kalibrierungsfaktor geschehen.
[0011] Entsprechend einem weiteren Aspekt der Erfindung wird ein System zur Ertragsvorhersage für ein Kornfeld vorgestellt. Das System kann eine Digitalkamera aufweisen, die in einem definierten Abstand über einer mittleren Ebene von Ähren eines Kornfeldes positioniert ist. Dabei kann die Digitalkamera zum Aufnehmen eines digitalen Bildes eines Ausschnittes des Kornfeldes mit der positionierten Digitalkamera angepasst sein. Die mittlere Ebene der Ähren und eine Bildebene der Digitalkamera können parallel zueinander liegen.
[0012] Zusätzlich kann das System eine Teilflächenbestimmungseinheit zum Bestimmen einer Fläche des aufgenommenen Kornfeldausschnittes aus dem definierten Abstand und einem Bildwinkel der Digitalkamera sowie eine Ährenflächenbestimmungseinheit aufweisen, die zum Bestimmen einer Gesamtfläche der Ähren in dem digitalen Bild angepasst ist. Dies kann im Vergleich zu einer Gesamtfläche des digitalen Bildes durch einen Algorithmus zum Differenzieren zwischen Bildpixeln der Ähren im Gegensatz zu anderen Bildpixeln, die nicht Ähren zugehörig sind, geschehen.
[0013] Weiterhin kann im System ein Ertragsbestimmungsmodul zum Bestimmen eines Ertrages des Feldes aus der Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes, der bestimmten Fläche des aufgenommenen Kornfeldausschnittes, eines mittleren Korngewichtes einer Ähre, einer Feldgesamtfläche und einem Kalibrierungsfaktor vorhanden sein.
[0014] Es sei darauf hingewiesen, dass das vorgestellte System als Teil eines Smartphones implementiert sein kann. Darüber hinaus kann auch das hier vorgestellte Verfahren durch eine leistungsfähige Form eines Smartphones ganz oder teilweise durch dieses Smartphone ausgeführt werden. Alternativ kann die Bestimmung der Gesamtzahl der Körner einer Ähre auch auf einem dedizierten, speziell für diesen Zweck angepassten Computer, einem Server-Computer oder jedem anderen Computersystem ausgeführt werden.
[0015] Dazu kann es erforderlich sein, dass Ausführungsbeispiele die Form eines entsprechenden Computerprogrammproduktes aufweisen. Dieses kann Instruktionen aufweisen, die, wenn sie auf einem Computersystem ausgeführt werden, Schritte des beschriebenen Verfahrens ausführen.
[0016] Das vorgestellte Verfahren zum Bestimmen eines Gewichtes aller Körner einer Ähre eines Getreidehalmes sowie das entsprechende System weist eine Reihe von Vorteilen und technischen Effekten auf:
[0017] Aufgrund der Einfachheit der eingesetzten Mittel zur Bestimmung eines Ertrages - bzw. zur Ertragsvorhersage - eines Kornfeldes ist es möglich, das Verfahren ohne großen Aufwand überall anzuwenden. In dem Fall, in dem die digitalen Aufnahmen zunächst an ein Rechenzentrum zur Auswertung geschickt werden, kann sich dieses Rechenzentrum praktisch an jedem beliebigen Ort befinden. Die Berechnung kann als Dienstleistung angeboten werden. Wenn andererseits die Auswertung direkt in einer Anwendung ("app"=application) in einem Smartphone durchgeführt wird, in dem sich auch die Digitalkamera befindet, fallen keine zusätzlichen Kommunikationsaufwände an, und die Auswertungsergebnisse stehen praktisch unmittelbar zur Verfügung. Neben einem Smartphone kann sich die Digitalkamera wie auch die notwendige Auswertelogik und gegebenenfalls Kommunikationseinheiten für eine mobile Datenkommunikation in einer anderen oder speziell für den erfindungsgemäß vorgesehenen Zweck konstruierten Vorrichtung befinden. [0018] Die alternativen möglichen Positionierungen der Digitalkamera über dem Kornfeld lassen einerseits ein Herstellen der digitalen Aufnahme von einem erhöhten Standort über der Oberfläche des Kornfeldes zu (z.B. von einer Landwirtschaftsmaschine aus); andererseits ist es auch möglich, in dem Kornfeld stehend mithilfe der Digitalkamera, die an einen Stab montiert ist, die erforderliche digitale Aufnahme herzustellen.
[0019] Darüber hinaus lässt sich das vorgeschlagene Verfahren zur Ertragsvorhersage mit einem weiteren eleganten Verfahren zur Bestimmung des Korngewichtes einer Ähre kombinieren. So kann einerseits eine Abschätzung über den Ertrag eines Kornfeldes direkt aus Aufnahmen der Ähren des Kornfeldes erfolgen. Für das Verfahren zur Ertragsanalyse und zum Teilverfahren der Bestimmung des Korngewichtes kann die gleiche Digitalkamera zum Einsatz kommen. Außerdem können die Berechnungen zur Ertragsvorhersage als auch die Berechnungen zur Bestimmung des Korngewichtes auf dem gleichen Computersystem ausgeführt werden, so dass es möglich wird, die Ergebnisse der einen Berechnung (Korngewicht) der zweiten Berechnung (Ertragsvorhersage) als Eingangswerte zur Verfügung zu stellen.
[0020] Sollte ein leistungsfähiges Smartphone oder ein anderes dediziertes Gerät mit einer entsprechend leistungsfähigen Elektronik und einer Digitalkamera zur Verfügung stehen, können die genannten Bestimmungen (Korngewicht und Ertragsvorhersage) direkt in diesem Smartphone oder dem anderem dedizierten Gerät ausgeführt werden.
[0021] Zu einer vorgelagerten Bestimmung des Korngewichtes einer Ähre kann - wie bereits erwähnt - als Frontend die gleiche Digitalkamera - z.B. aus einem Smartphone - für die verbesserte Ausbeutevorhersage genutzt werden. Die Nutzung eines mobilen Gerätes reicht aus, um Landwirte in die Lage zu versetzen, eine verbesserte Ausbeutevorhersage ihres Kornfeldes zu treffen. Als Ausgangspunkt kann es dazu wichtig sein, die Ertragskraft einer Ähre eines Kornfeldes zu ermitteln. Eine oder zwei digitale Aufnahmen einer Ähre reichen bereits aus, um den Landwirt in die Lage zu versetzen, seine Vorhersage für einen Feldertrag deutlich zu verbessern. Ein weiterer einfacher alltäglicher Gegenstand in Form einer Referenzkarte verkompliziert die Handhabung und Akzeptanz des Verfahrens nicht.
[0022] Dabei kann die Ähre entweder abgepflückt oder abgeschnitten und auf die Referenzkarte gelegt werden, oder die Ähre kann am Halm bleiben und die Referenzkarte kann einfach hinter die Ähre platziert werden. Durch die Skala der Referenzkarte wird ein eindeutiger unverfälschter Maßstab mit der digitalen Aufnahme mitgeliefert. [0023] Die erforderliche Rechenleistung zur automatisierten Vermessung der Ähre und des Korngewichtes der Ähre kann in einem Rechenzentrum zur Verfügung gestellt werden. Dieses Rechenzentrum kann - genauso wie das Rechenzentzentrum zur Berechnung der Feldausbeute - an beliebiger Stelle betrieben werden. Es kann entweder ein Rechner von einem Landwirt genutzt werden, mehrere Landwirte können den Rechner gemeinsam betreiben oder ein Dienstleister übernimmt die Analysearbeit und bietet die erforderliche Rechenleistung an. Letzteres hätte den weiteren Vorteil, dass die Dienstleistung in Form eines Cloud-Computing-Dienstes für eine große Anzahl von Landwirten in unterschiedlichen Regionen oder auch länderübergreifend betrieben werden könnte. Hierbei würde es auch leichter fallen, Parallelen zwischen unterschiedlichen Regionen, globale und auch lokale Wettereinflüsse oder auch regional bekannten Schädlingsbefall, Düngemitteleinsatz bzw. Schädlingsbekämpfungsmitteleinsatz etc. zu berücksichtigen.
[0024] Das digitale Bild kann über ein mobiles Netzwerk an einen Auswerterechner übermittelt werden. Die Analyse kann durchgeführt werden und das Ergebnis drahtlos zurück an den Landwirt bzw. das mobile Gerät übermittelt werden. Eine Hochrechnung, ausgehend vom Korngewicht einer Ähre auf das gesamte Feld, könnte mittels weiterer Verfahren vorgenommen werden.
[0025] In einer weiterentwickelten Form und zusammen mit einem leistungsfähigen Computersystem in dem mobilen Gerät könnte die Analyse auch direkt vor Ort ausgeführt werden. Die notwendigen Berechnungsalgorithmen könnten in Form einer Smartphone-App verfügbar gemacht werden. Alternativ kann ein dediziertes Rechenwerk (Spezialprozessor bzw. SpezialHardware) an das mobile Gerät angeschlossen werden oder in dem mobilen Gerät integriert sein.
[0026] Weiterhin ist es nicht unbedingt erforderlich - aber vorteilhaft - ein Smartphone für die digitale Aufnahme einzusetzen. Der Landwirt könnte auch eine herkömmliche digitale Kamera einsetzen und die digitale Aufnahme der Ähre in anderer Form an den Rechner zur Analyse übertragen: zum Beispiel über drahtgebundene Kommunikationstechnologien oder Relaisstationen, die über bekannte Kommunikationswege wie WLAN, Bluetooth oder andere vergleichbare Kommunikationsmittel verfügen.
[0027] Die Ermittlung der naturgegeben, nicht konstanten Spindelstufen der Ähre und die Multiplikation der ermittelten Spindelstufen mit einem durchschnittlichen Faktor der Körner pro Spindelstufe, ermöglicht eine elegante Bestimmung der Kornanzahl je Ähre. Damit ist die Basis für eine Abschätzung der Feldausbeute gelegt.
[0028] Das zur Ermittlung der Anzahl der Spindelstufen eingesetzte Template-Matching- Verfahren liefert durch die Art der digitalen Aufnahmen der Ähre - in Form der Spindel- oder Spindelstufenansicht und eine potenzielle zweite digitale Aufnahme, die um 90° um die Längsachse gedrehten ist (Blütenansicht) - eine gute Basis für die weiteren Bildverarbeitungs- und Ermittlungsschritte.
[0029] Im Folgenden werden weitere Ausführungsformen des vorgeschlagenen Verfahrens zum Bestimmen eines Gewichtes aller Körner einer Ähre eines Getreidehalmes beschrieben.
[0030] Gemäß einer Ausführungsform des Verfahrens zur Bestimmung einer Feldausbeute kann der genutzte Algorithmus zum Differenzieren zwischen Bildpixeln der Ähren im Gegensatz zu anderen Bildpixeln ein Local Binary Pattern Algorithmus sein. Grundsätzlich sind derartige Algorithmen bekannt. Ein Beispiel ist veröffentlicht in: DG. He and L. Wang, "Texture Unit, Texture Spectrum, And Texture Analysis" , IEEE Transactions on Geoscience and Remote Sensing, vol. 28, pp. 509 - 512, 1990; T. Müenpüü. M. Pietikäinen, and T. Ojala, "Texture Classification by multi-predicate local binary pattern Operators", Proceedings 15th International Conference on Pattern Recognition, Barcelona, Spain, 3:951 -954, 2000. Damit steht ein leistungsfähiger Berechnungsalgorithmus zur Verfügung, der direkt und leicht in Form von existierenden Programmbibliotheken für das vorgeschlagene Verfahren einsetzbar ist.
[0031] Gemäß einer weiteren vorteilhaften Ausführungsform des Verfahrens kann der Algorithmus zum Differenzieren zwischen Bildpixeln der Ähren im Gegensatz zu anderen Bildpixeln ein Verfahren zur Texturbildanalyse sein. Auch derartige Verfahren sind grundsätzlich bekannt, lassen sich entsprechend den Anforderungen des vorgestellten Verfahrens anpassen und sind beispielsweise beschrieben in: F. Cointault , D. Guerin , J-P. Guillemin & B. Chopinet,„In-field Triticum aestivum ear counting using colour-texture image analysis", New Zealand Journal of Crop and Horticultural Science, vol. 36, pp. 117-130, 2008. Auch dieser Algorithmus lässt sich leicht an die hier aufgezeigt Aufgabenstellung anpassen.
[0032] Gemäß einer zusätzlich vorteilhaften Ausführungsform des Verfahrens kann der Algorithmus zum Differenzieren zwischen Bildpixeln der Ähren im Gegensatz zu anderen Bildpixeln einen Helligkeitsunterschiedsfilter aufweisen oder aus diesem bestehen. Es ist allerdings zu berücksichtigen, dass durchaus Erkennungsunterschiede je nach Beleuchtung, Tageszeit, Farbanteilen im Himmelslicht auch in Abhängigkeit von Regen, Nebel und/oder Sonneneinstrahlung vorhanden sein können. Aus diesem Grund kann es vorteilhaft sein, die Ähre oder den Feldausschnitt immer unter Zuhilfenahme einer künstlichen Beleuchtung wie beispielsweise eines künstlichen Blitzes herzustellen.
[0033] Entsprechend einer weiteren vorteilhaften Ausführungsform des Verfahrens kann der definierte Abstand zwischen der Digitalkamera und der Oberfläche des Kornfeldes durch einen Abstandshalter zwischen der Digitalkamera und einer mittleren Ebenen der Ähren des Kornfeldes bestimmt sein. Dabei kann der Abstandshalter aus einem flexiblen Element bestehen - wie beispielsweise einem Bindfaden - dessen eines Ende an der Digitalkamera befestigt ist und an dessen anderem Ende sich eine Farbkontrastkugel befinden kann, die in der mittleren Ebene der Ähren des Kornfeldes positioniert ist. Durch den Farbkontrast der Farbkontrastkugel zur Umgebung (d.h. im Wesentlichen der Ähren) ist diese gut in der digitalen Aufnahme mittels Mustererkennung sichtbar bzw. erkennbar. Die Farbkontrastkugel kann beispielsweise einen blauen oder blaugrünen Farbwert aufweisen. Neben einer Kugel kommen auch regelmäßige geometrische Formen in Betracht, wie eine Pyramide, eine Tonne, ein Würfel, eine kastenförmiges Element oder auch unregelmäßige Gegenstände, die einen guten Farbkontrast zu den Farbwerten der Ähren aufweisen.
[0034] Entsprechend einer ergänzenden Ausführungsform des Verfahrens kann der definierte Abstand durch einen Abstandshalter zwischen der Digitalkamera und einer mittleren Ebene der Ähren des Kornfeldes bestimmt sein. Damit kann die Digitalkamera unter einem vorbestimmten Winkel, der ungleich 90 Grad ist, an einem Ende des Abstandshalters befestigt sein, wobei das andere Ende des Abstandshalters auf einer mittleren Ebene der Ähren des Kornfeldes positioniert sein kann. Das digitale Bild kann aufgenommen werden, wenn die Bildebene der Digitalkamera horizontal ausgerichtet ist Die Auslösung kann beispielsweise automatisch durch Lage- oder Beschleunigungssensoren, die an die Digitalkamera angeschlossen sein können, ausgelöst werden. Dabei sei angenommen, dass die mittlere Ebene der Ähren des Kornfeldes horizontal verläuft.
[0035] Erfindungsgemäß wird nach Positionieren der Digitalkamera und Aufnehmen eines digitalen Bildes eines Kornfeldausschnitts die Größe der Fläche des aufgenommenen Kornfeldausschnittes bestimmt ("Bestimmen einer Fläche des aufgenommenen Kornfeldausschnittes aus dem definierten Abstand und einem Bildwinkel der Digitalkamera").
In einem weiteren Schritt wird aus der digitalen Bildaufnahme die Gesamtfläche der Ähren in dem digitalen Bild bestimmt ("Bestimmen einer Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes"). Das Ergebnis ist beispielsweise, dass eine bestimmte Prozentzahl der Pixel der Bildaufnahme Ähren darstellen. In einem weiteren Schritt kann die Anzahl der Ähren in der digitalen Bildaufnahme ermittelt werden. Dazu ist es erforderlich zu wissen, welche Fläche (wie viele Pixel) eine einzelne Ähre im Durchschnitt einnimmt. Diese Größe kann durch den ersten Kalibrierungsfaktor, der üblicherweise empirisch ermittelt wird, repräsentiert werden. Teilt man die Gesamtfläche des Bildes, die auf Ähren zurückzuführen ist, durch die durchschnittliche Größe der Fläche, die eine einzige Ähre einnimmt, erhält man die Zahl der Ähren in dem Bild. Teilt man die Zahl der Ähren in dem Bild durch die Größe der Fläche des Kornfeldes in dem Bildausschnitt, erhält man die Zahl der Ähren pro Flächeneinheit des Kornfeldes. Multipliziert man die Zahl der Ähren pro Flächeneinheit des Kornfeldes mit der Feldgesamtfläche, ergibt sich die Zahl der Ähren im gesamten Feld. Multipliziert man die Zahl der Ähren im gesamten Feld mit dem durchschnittlichen Korngewicht einer Ähre, ergibt sich das Korngewicht des gesamten Feldes - und damit der Ertrag ("Bestimmen eines Ertrages des Feldes aus der Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes, der bestimmten Fläche des aufgenommenen Kornfeldausschnittes, eines mittleren Korngewichtes einer Ähre, einer Feldgesamtfläche und einem ersten Kalibrierungsfaktor"). In einer bevorzugten Ausführungsform des Verfahrens kann der erste Kalibrierungsfaktor mindestens eine Anhängigkeit bezüglich einer der Faktoren Sorte, Wachstumsstadium - insbesondere dargestellt in Form des BBCH-Code - Witterung, geographischer Ort und/oder Düngestatus aufweisen. Weitere Abhängigkeiten sind denkbar. Der geographische Ort kann beispielsweise durch GPS-Koordinaten (GPS = Global Positioning System) bestimmt sein. Der Kalibrierungsfaktor selbst kann eine direkte Funktion der Eingangsvariablen sein. Dedizierte Eingangswerte können zusammen mit Ergebniswerten in einer Matrix gespeichert sein und dort durch das Verfahren abgerufen werden.
[0036] Gemäß einer bevorzugten Ausführungsform des Verfahrens kann die Bestimmung der Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes weiterhin eine Beaufschlagung der Flächen der Ähren mit einem Flächenfaktor, dessen Wert von einer Mitte des digitalen Bildes zum Rand hin abnimmt, aufweisen. Dies ist deshalb vorteilhaft, weil die Ähren in der Mitte des Bildes eher zentral von oben aufgenommen sein können, während Ähren in Randbereichen des digitalen Bildes - bedingt durch den anderen Bildwinkel - eher von der Seite aufgenommen sein können und somit einen größeren Bildabschnitt einnehmen. Durch den Flächenfaktor kann dieser Effekt ausgeglichen werden.
[0037] Entsprechend einer nützlichen Ausführungsform des Verfahrens kann dieses ein Bereitstellen eines zweiten digitalen Bildes einer einzelnen Ähre in einer Spindelstufenansicht der Ähre aufweisen. Dabei kann die Ähre in dem digitalen Bild vor einer Referenzkarte als Hintergrund abgebildet sein.
[0038] Das Verfahren gemäß dieser Ausführungsform kann weiterhin ein Bestimmen einer Länge der Ähre entlang der Längsachse der Ähre durch eine Trennung von Bildpixeln des digitalen Bildes der Ähre von dem Hintergrund und Vergleichen von Pixelkoordinaten an einem Ende der Ähre mit Pixelkoordinaten der Ähre an einem entgegengesetzten Ende der Ähre in Längsrichtung der Ähre mit Bildmarken auf der Referenzkarte aufweisen.
[0039] Darüber hinaus kann das Verfahren gemäß dieser Ausführungsform ein Bestimmen einer Anzahl von Spindelstufen der Ähre durch ein Template-Matching- Verfahren, ein Bestimmen einer Kornanzahl der Ähre durch eine Multiplikation der ermittelten Spindelstufen mit einem Faktor, und ein Bestimmen des Gewichtes aller Körner der Ähre durch eine Multiplikation der bestimmten Kornanzahl mit einem zweiten Kalibrierungsfaktor aufweisen. [0040] Auf diese Weise lässt sich elegant das Korngewicht einer Ähre feststellen, ohne dass ein Auswiegen erforderlich wäre. Das optische Verfahren erlaubt es elegant und unmittelbar, das Korngewicht entweder innerhalb eines Smartphone oder in einem gesonderten Rechenzentrum, dem das aufgenommene Digitalbild in der Spindelstufenansicht übermittelt wurde, zu bestimmen. Damit kann das gleiche technische Gerät - nämlich das Smartphone - sowohl für die Bestimmung des Korngewichtes wie auch für die Bestimmung der Feldausbeute eingesetzt werden.
[0041] Gemäß einer vorteilhaften Ausführungsform des Verfahrens kann das Template-Matching- Verfahren ein pixelweises Verschieben eines ausgewählten Bild-Templates bestehend aus einem mittleren Teilbereich der Ähre über die gesamte Ähre in Längsrichtung der Ähre aufweisen.
Zusätzlich kann das Verfahren ein jeweiliges Bestimmen eines jeweiligen Ähnlichkeitsfaktors des
Bild-Templates mit einem jeweiligen überdeckten Ährenabschnitt in jeder Verschiebungsposition aufweisen. Dadurch können regelmäßige relative Maxima in Bezug auf den Ähnlichkeitsfaktor einer x-y-Darstellung entstehen. Bei der Darstellung kann die x-Richtung der Darstellung die
Pixelanzahl bzw. -position sein, und in y-Richtung kann ein Ähnlichkeitswert des jeweiligen
Ährenabschnittes mit dem Template aufgetragen sein.
[0042] Der ausgewählte Teilbereich der Ähre kann ca. 15-25 % der Ähre in einem mittleren Bereich der Ähre einnehmen. Zusätzlich kann diese Ausführungsform ein Bestimmen der Spindelanzahl aus der x-y-Darstellung aufweisen. Da es sich bei dem Template-Matching- Verfahren um ein bekanntes Verfahren aus dem Gebiet der Bild Verarbeitung handelt, können herkömmliche Programmbibliotheksfunktionen und -module genutzt werden. Durch den Einsatz dieses Matching- Verfahrens ist eine gute Genauigkeit und Robustheit gegen Schwankungen der Beleuchtungsgeometrie bei der Bestimmung der Spindelstufen gegeben. Dieses ist deshalb vorteilhaft, weil die Anzahl der Spindelstufen einen maßgeblichen Einfluss auf die Anzahl der Körner der Ähre hat. Eine zusätzliche Spindelstufe der Ähre kann gleichbedeutend mit 4 zusätzlichen Körnern sein, wodurch sich die Gesamtanzahl der Körner der Ehre um bis zu 10 % vergrößern kann. Folglich ist eine möglichst genaue Erfassung der Anzahl der Spindelstufen gleichbedeutend mit der Genauigkeit des vorgeschlagenen Verfahrens.
[0043] Gemäß einer ergänzenden speziellen Ausführungsform kann dabei in dem Verfahren das Bestimmen der Spindelanzahl aus der x-y-Darstellung ein Bestimmen der Anzahl der relativen Maxima eines Ähnlichkeitswertes durch einfaches Abzählen aufweisen. Dieses Vorgehen erfordert eine geringe Rechenleistung, ist aber im Vergleich zu anderen Verfahren nicht das genaueste, weil das Ähnlichkeitsmaß zu den Enden der Ähre hin abnimmt und demgemäß die Maxima nicht mehr so ausgeprägt sind wie im zentralen Ährenbereich. [0044] Gemäß einer weiteren Ausführungsform kann in dem Verfahren das Bestimmen der Spindelanzahl aus der x-y-Darstellung ein Ermitteln einer mittleren Periodenlänge aus den Abständen der relativen Maxima eines Ähnlichkeitswertes zueinander und ein Bestimmen der Spindelanzahl durch eine Division der Ährenlänge durch die Periodenlänge aufweisen.
[0045] Im Gegensatz zur vorhergehend beschriebenen Ausführungsform kann diese nun beschriebene Ausführungsform einen höheren Genauigkeitsgrad bei der Bestimmung der Anzahl der Spindelstufen aufweisen. Das liegt daran, dass die relativen Maxima in der x-y- Darstellung schärfer ausgeprägt sein können als in der vorangehenden Ausführungsform. Somit ergibt sich eine höhere Genauigkeit bei der Bestimmung der Anzahl der Spindelstufen einer Ähre.
[0046] In weiteren vorteilhaften Ausführungsbeispielen kann der zweite Kalibrierungsfaktor mindestens eine Abhängigkeit bezüglich einer der folgenden Faktoren aufweisen: Sorte der Ähre, Wachstumsstadium der Ähre, Witterung (langfristig und kurzfristig), geographischer Ort und Düngestatus. Weitere Einflussparameter können jederzeit berücksichtigt werden.
[0047] Gemäß einem alternativen Verfahren zur Bestimmung des Korngewichtes einer Ähre kann das Verfahren zur Ertragsvorhersage für ein Kornfeld ein Teilverfahren insbesondere ein Korngewichtbestimmungsverfahren zum Bestimmen eines Gewichtes aller Körner einer Ähre eines Getreidehalmes aufweisen. Dabei wäre dieses Teilverfahren eine Alternative zum Teilverfahren, bei dem eine Spindelstufenansicht der Ähre genutzt wird. Dieses Korngewichtbestimmungsverfahren kann ein Bereitstellen eines digitalen Bildes der Ähre in einer Blütenansicht der Ähre vor einer Referenzkarte und ein Ermitteln einer Fläche der Blütenansicht der Ähre durch eine Trennung von Bildpixeln des digitalen Bildes der Ähre von dem Hintergrund mittels eines Farbhistogrammverfahrens aufweisen. Weiterhin kann dieses Korngewichtbestimmungsverfahren ein Vergleichen von einer von der Ähre eingenommenen Fläche im Vergleich zu Bild-Marken auf der Referenzkarte aufweisen. Zusätzlich weist das zur Korngewichtbestimmung bestimmte Teilverfahren des Verfahrens zur Ertragsvorhersage ein Bestimmen des Gewichtes aller Körner der Ähre durch eine Multiplikation der ermittelten
Fläche der Ähre mit einem Kalibrierungsfaktor auf. Dieser Kalibrierungsfaktor kann dabei verschiedene Abhängigkeiten aufweisen, wie eine Abhängigkeit von der Sorte des Korns, des Wachstumsstadiums, der Witterung, eines Düngestatus, eines bekannten Schädlingsbefalls usw.
[0048] Dieses Teilverfahren hat den Vorteil, dass es sich leicht anwenden lässt. Die Rechenintensität kann geringer sein als bei dem Teilverfahren zur Bestimmung des Korngewichtes, das die Spindelstufenansicht der Ähre nutzt. Damit ließe sich dieses Teilverfahren leichter direkt im mobilen Gerät im Feldeinsatz implementieren. Alternativ wäre es auch möglich, die aufgenommenen digitalen Bilder an ein Auswerterechenzentrum zu übermitteln und das Ergebnis wieder mit dem mobilen Gerät auf dem Feld zu empfangen. Dieses Teilverfahren weist weiterhin den Vorteil auf, dass die digitale Aufnahme der Blütenansicht leichter anzufertigen ist als die Spindelstufenansicht, da die Ähre in natürlicher Lage in einer Blütensicht zum Liegen kommt. Dieses wäre eine Erleichterung für denjenigen, der die digitale Aufnahme vornimmt. Es hat sich herausgestellt, dass sich mit diesem hier dargestellten Korngewichtbestimmungsverfahren relativ genaue Abschätzungen des Korngewichtes einer Ähre anfertigen lassen.
[0049] Gemäß einer vorteilhaften Ausführungsform weist das Systems zur Ertragsanalyse des Kornfeldes eine Sende- und Empfangseinheit auf, die angepasst ist zum Versenden des aufgenommenen digitalen Bildes des Kornfeldausschnittes - bzw. auch der zweiten digitalen Aufnahme - zu einem Rechenzentrum, welches die Teilflächenbestimmungseinheit, die Ährenflächenbestimmungseinheit und das Ertragsbestimmungsmodul aufweist. Nach den Berechnung der Bestimmungseinheiten und des Moduls kann dann das Ergebnis an das Smartphone, die Digitalkamera oder das andere mobile Gerät zurückgesendet werden und direkt auf dem Feld weiterverwertet werden.
[0050] Darüber hinaus können Ausführungsbeispiele die Form eines zugeordneten Compute rogrammproduktes aufweisen, auf das von einem Computer-nutzbaren oder Computerlesbaren Medium zugegriffen werden kann. Die Instruktionen können einen Computer - wie beispielsweise ein Smartphone, einen Server oder eine Kombination von beiden - veranlassen, Verarbeitungsschritte entsprechend dem vorgestellten Verfahren auszuführen. Für den Zweck dieser Beschreibung kann das Computer-nutzbare oder Computer-lesbare Medium jede Vorrichtung sein, welche Elemente zum Speichern, Kommunizieren, Transportieren oder Weiterleiten des Programmes zusammen mit dem Instruktionen- verarbeitenden System aufweist.
[0051] Die Erfindung wird nachstehend anhand von Ausführungsbeispielen und Figuren weiter erläutert. Es sei darauf hingewiesen, dass Aspekte der Erfindung im Kontext unterschiedlicher Arten von Ausführungsbeispielen beschrieben sind. Einige Ausführungsbeispiele sind mit einem Bezug zu Verfahrensansprüchen beschrieben, während andere Ausführungsbeispiele im Kontext von Vorrichtungs- artigen Ansprüchen beschrieben sind. Trotzdem wird ein Fachmann aus der bisherigen und nachfolgenden Beschreibung entnehmen können - es sei denn, dass auf eine Abweichung hingewiesen wurde - dass nicht nur Merkmale einer Anspruchsgattung untereinander kombinierbar sind, sondern auch Merkmale Anspruchsart-übergreifend eine mögliche Kombination von Merkmalen darstellen.
[0052] Die oben dargestellten Aspekte sowie weitere Aspekte der vorliegenden Erfindung ergeben sich aus den Ausführungsbeispielen und den Figuren, die nachfolgend näher beschrieben sind. [0053] Diese Ausführungsbeispiele dienen als mögliche Implementierungsformen, ohne darauf beschränkt zu sein, und sie nehmen Bezug auf die folgenden Figuren:
Fig. 1 zeigt ein Blockdiagramm einer Ausführungsform des erfinderischen Verfahrens zum Bestimmen der Ertragsvorhersage eines Kornfeldes.
Fig. 2 zeigt eine Positionierung eines digitalen Aufnahmegerätes über Ähren eines Kornfeldes.
Fig. 3 zeigt ein Hilfsmittel für die wünschenswerte Positionierung der Kamera über der mittleren Ebene der Ähren des Kornfeldes.
Fig. 4 zeigt eine Alternative für eine reproduzierbare Abstandspositionierung der Kamera von der mittleren Ebene der Ähren des Kornfeldes. Fig. 5 zeigt eine beispielhafte Aufnahme des Kornfeldes entsprechend einem Verfahren, welches im Zusammenhang von Fig. 4 und Fig. 5 dargestellt wurde.
Fig. 6 zeigt ein Blockdiagram des Teilverfahrens zur Bestimmung des Korngewichtes einer Ähre. Fig. 7 zeigt einen ersten Teil eines Blockdiagrammes einer implementierungsnäheren Ausführungsform des vorgeschlagenen Verfahrens.
Fig. 8 zeigt einen zweiten Teil des Blockdiagrammes der implementierungsnäheren Ausführungsform des vorgeschlagenen Verfahrens von Fig. 7.
Fig. 9 zeigt eine abstrakt dargestellt Ähre und ein Beispiel einer Referenzkarte zusammen mit einer darauf liegenden Ähre.
Fig. 9a zeigt eine Abbildung einer Ähre und eine Ansicht der Spindelstufen einer Ähre.
Fig. 10 zeigt ein beispielhaftes Diagramm zur Bestimmung der Ährenlänge.
Fig. 11 zeigt ein beispielhaftes Diagramm einer Kreuzkorrelationsfunktion zur Bestimmung der Anzahl der Spindelstufen.
Fig. 12 zeigt ein Blockdiagramm eines Teilsystems zum Bestimmen der Gesamtkörnerzahl einer Ähre eines Getreidehalmes. Fig. 13 zeigt ein Blockdiagram eines Systems zur Ertragsvorhersage für ein Kornfeld.
Fig. 14 zeigt ein Blockdiagramm eines Beispiels für ein Computersystem zusammen mit dem System entsprechend Fig. 13 und/oder Fig. 12.
[0054] Im Kontext dieser Beschreibung können die folgenden Konventionen, Begriffe und/oder Ausdrücke genutzt werden:
[0055] Der Begriff „Getreidehalm" bzw. „Ähre eines Getreidehalmes" muss nicht weiter interpretiert werden. Es kann sich dabei um eine gewöhnliche Getreidepflanze handeln, die auf einem landwirtschaftlichen Feld wächst. Typischerweise kann es sich bei dem Getreide um Weizen, Roggen oder Gerste handeln.
[0056] Der Begriff „digitales Bild" beschreibt eine digitale Abbildung einer realen Szene, die typischerweise mit einer Digitalkamera aufgenommen werden kann. Das digitale Bild oder die digitale Aufnahme kann sich aus Pixeln unterschiedlicher Farbwerte zusammensetzen und so einen bildlichen Gesamteindruck erzeugen. In dem hier vorgestellten Verfahren wird eine digitale Aufnahme der Oberfläche des Kornfeldes aus der Vogelperspektive und ggfs. eine weitere digitale Aufnahme einer einzelnen Ähre zur Bestimmung des Korngewichtes einer typischen Ähre aufgenommen.
[0057] Der Begriff„Blütenansicht der Ähre" beschreibt eine Ansicht der Ähre, in der die Körner gut sichtbar sind. Die Blütenansicht kann auch als Körneransicht der Ähre bezeichnet werden, da in dieser Ansicht die Körner der Ähre am besten sichtbar sind. Bei dieser Ansicht erstrecken sich die Grannen überwiegend jeweils links und rechts weg von der Ähre. In dieser Ansicht ist die Ansichtsfläche der Ähre am größten. Im Gegensatz zur Blütenansicht beschreibt der Begriff „Spindelstufenansicht" eine um 90° entlang der Längsachse der Ähre gedrehte Ansicht der Ähre, also eine Sicht auf die schmale Ansicht der Ähre. Hierbei schaut man also auf die schmalere Seite der Ähre bzw. auf die Grannen der Ähre, wenn die Längsachse der Ähre vertikal verläuft.
[0058] Eine „Referenzkarte" ist im Kontext dieser Beschreibung ein flacher Gegenstand - beispielsweise eine einfarbige Karte - deren Farbwert sich gut von dem der Ähre unterscheidet. Ein komplementärer Farbton - z.B. blau - gegenüber einem typischen Farbwert der Ähre hat sich als vorteilhaft erwiesen.
[0059] Der Begriff„Template-Matching- Verfahren" ist dem Fachmann als ein Verfahren, um eine Struktur eines digital dargestellten Gegenstandes zu erfassen, bekannt. Eine detaillierte Beschreibung findet sich beispielsweise in S. Kim, J. McNames, Automatic spike detection based on adaptive template matching for extracellular neural recordings", Journal of Neuroscience Methods 165 pp. 165-174, 2007.
[0060] Der Begriff "Entwicklungsstufe" oder„Entwicklungsstadium" beschreibt eine Stufe im natürlichen Lebenszyklus einer Pflanze - hier einer Getreideähre - von der Aussaat bis zur Ernte. Es hat sich gezeigt, dass die Nutzung des„BBCH-Code" zur Beschreibung der Entwicklungsstufe einer Pflanze hilfreich ist. Die Abkürzung "BBCH" steht offiziell für "Biologische Bundesanstalt, Bundessortenamt und CHemische Industrie". Der BBCH-Code beschreibt eine phänomenologische Entwicklungsstufe von Pflanzen. Der Code beginnt bei 00 und endet bei 89. Ein BBCH-Code zwischen 10 und 19 beschreibt beispielsweise ein frühes Entwicklungsstadium eines Blattes. Ab einem BBCH-Code von 60 erscheint die Blüte der Pflanze (bis 69). Mit den jeweils nächsten zehn Schritten wird die Fruchtentwicklung (70-79), die Samenreife (80-89) und das Absterben (90-99 - bei einjährigen Pflanzen) der Pflanze beschrieben. [0061] Der Begriff „Digitalkamera" beschreibt eine Kamera, die als Aufnahmemedium anstelle eines fotografischen Films ein digitales Speichermedium verwendet. Das digitale Bild wird zuvor mittels eines elektronischen Bildwandlers (Bildsensor) digitalisiert.
[0062] Der Begriff „Farbkontrastkugel" beschreibt einen Gegenstand der eine räumliche Ausdehnung aufweist, die in der gleichen Größenordnung liegt wie die mittlere Länge der Ähren (z.B. ein paar Zentimeter groß ist) und ein Gewicht in der Größenordnung von ca. 10 bis 100 g aufweist. Seine Farbe ist idealerwiese komplementär zu einer dominierenden Farbe einer Oberfläche eine Kornfeldes. Vorteilhafterweise handelt es sich um eine Komplementärfarbe eines Kornfeldes in reifem Zustand. Beispielsweise kann die Farbkontrastkugel einen blauen Farbwert an seiner Oberfläche aufweisen. Es ist nicht notwendig, dass es sich tatsächlich um einen kugelförmigen Gegenstand handelt. Andere geometrische Formen sind ebenso möglich. Wichtig ist, dass die Farbkontrastkugel leicht mittels optischen Erkennungsverfahren von Bildelementen des Kornfeldes unterscheidbar ist. [0063] Der Begriff "Texturbildanalyse" beschreibt ein Verfahren, bei dem die Textur eines Gegenstandes eines digitalen Bildes analysiert wird. Unter Textur wird in diesem Zusammenhang die oberflächliche Erscheinungsform des Gegenstandes bzw. auch seiner Umgebung verstanden. Beispiele für Verfahren zur Texturbildanalyse sind beispielsweise beschrieben in: F. Cointault , D. Guerin , J-P. Guillemin & B. Chopinet,„In-field Triticum aestivum ear counting using colour- texture image analysis", New Zealand Journal of Crop and Horticultural Science, vol. 36, pp. 117- 130, 2008. [0064] Fig. 1 zeigt ein Blockdiagramm eines Ausführungsbeispiels des erfinderischen Verfahrens 100 zur Ertragsvorhersage für ein Kornfeld. Das Verfahren weist ein Positionieren, 102, einer Digitalkamera in einem definierten Abstand über einer mittleren Ebene von Ähren eines Kornfeldes - d.h. aus der Vogelperspektive - und ein Aufnehmen, 104, eines digitalen Bildes eines Ausschnittes des Kornfeldes mit der positionierten Digitalkamera auf. Dabei sollten die mittlere Ebene der Ähren und eine Bildebene der Digitalkamera parallel zueinander liegen. Dies kann automatisch geschehen, indem Beschleunigungs- bzw. Lagesensoren der Kamera benutzt werden. Genau dann, wenn die Bildebene horizontal ausgerichtet ist, kann die automatisierte Auslösung der Digitalkamera erfolgen.
[0065] Weiterhin weist das Verfahren ein Bestimmen, 106, einer Fläche des aufgenommenen Kornfeldausschnittes aus dem definierten Abstand und einem Bildwinkel der Digitalkamera und ein Bestimmen, 108, einer Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes durch einen Algorithmus zum Differenzieren zwischen Bildpixeln der Ähren im Gegensatz zu anderen Bildpixeln, die nicht Ähren zugehörig sind, auf. Darauf aufbauend weist das Verfahren ein Bestimmen, 110, eines Ertrages des Feldes aus der Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes, der bestimmten Fläche des aufgenommenen Kornfeldausschnittes, eines mittleren Korngewichtes einer Ähre, einer Feldgesamtfläche und einem ersten Kalibrierungsfaktor auf. Dieser erste Kalibrierungsfaktor kann Sorten-, Wachstums-, witterungs-, orts- und/oder düngungsabhängig sein. Auch weitere Abhängigkeiten wie Faktoren in Kenntnis von einem Schädlingsbefall sind möglich. Beispielsweise könnte die Fläche des aufgenommenen Kornfeldausschnittes 4 m2 betragen. Aus der Analyse des digitalen Bildes könnte sich ergeben, dass 20% der Pixel auf Ähren zurückzuführen sind. Bei einer Bildgröße von 1920 x 1080 Pixeln wären demnach 41472 Pixel auf Ähren zurückzuführen. Aus empirischen Untersuchungen könnte ermittelt worden sein, dass eine Ähre unter den vorliegenden Bedingungen typischerweise eine durchschnittliche Größe von 208 Pixel einnimmt. Dann wären auf der digitalen Bildaufnahme etwa 200 Ähren abgebildet. Bei einem Kornfeldausschnitt von 4 m2 entsprächen das etwa 50 Ähren pro m2 Feldfläche. Würde die Feldgesamtfläche 1 km2 betragen, so lägen in dem gesamten Feld 50 Millionen Ähren vor. Würde das mittlere Korngewicht 3 g pro Ähre betragen, läge ein Gesamtgewicht an Körnern von 150 Tonnen in dem Feld vor.
[0066] Fig. 2 zeigt eine Positionierung eines digitalen Aufnahmegerätes 202 über Ähren 210 eines Kornfeldes. Bei dem digitalen Aufnahmegerät kann es sich beispielsweise um eine einzelne Digitalkamera oder eine Digitalkamera in einem mobilen Telefon - z.B. Smartphone - handeln. Die Kamera 202 nimmt einen definierten Ausschnitt der Oberfläche des Kornfeldes auf. Der Ausschnitt wird im Wesentlichen durch den Abstand der Bildebene 204 der Kamera 202 und des Bildwinkels α 206 der Kamera 202 bestimmt. Bei der Aufnahme des digitalen Bildes liegt die Bildebene 204 der Kamera 202 vorteilhafterweise parallel zu einer mittleren horizontal verlaufenden Ebene 208 durch die Ähren 210 des Kornfeldes.
[0067] Fig. 3 zeigt ein Hilfsmittel für die wünschenswerte Positionierung der Kamera 202 über der mittleren Ebene 208 der Ähren 210 des Kornfeldes. Bei dem Hilfsmittel kann es sich um einen Abstandshalter 302 zwischen der Kamera 202 und einem Gewicht 304 handeln. Der Abstandshalter 302 ist sowohl an der Kamera 202 als auch an dem Gewicht 304 befestigt. Das Gewicht 304 kann beispielsweise aus einer Kugel bestehen. Die Farbe der Kugel 304 sollte so beschaffen sein, dass sie sich von der Farbe der Ähren 210 bzw. des Kornfeldes gut unterscheidet. Als Komplementärfarbe zur Farbe von reifem bzw. fast reifem Korn kommt ein Blauton für die Kugel 304 in Betracht (Farbkontrastkugel). Der Abstandshalter 302 kann als Faden oder eine fadenähnliche Struktur gestaltet sein. Damit ist sichergestellt, dass der Abstandshalter 302 aufgrund der Schwerkraft immer senkrecht auf der mittleren Ebene 208 der Ähren 210 des Kornfeldes steht. Außerdem wird auf diese Weise sichergestellt, dass über die Länge des Abstandshalters 302 - in der gerade beschriebenen Positionierung - und dem Bildwinkel der Kamera 202 die Größe des Ausschnittes aus dem Kornfeld leicht berechenbar ist. Bei einer quadratischen digitalen Aufnahme würde sich die Seitenlänge a des digitalen Bildes aus a = 2 * L * tan (a/2) ergeben. Dabei ist L im Wesentlichen die Länge des Abstandshalters 302 und α der Bildwinkel der Kamera 202. [0068] Fig. 4 zeigt eine Alternative für eine reproduzierbare Abstandspositionierung der Kamera 202 von der mittleren Ebene 208 der Ähren 210 des Kornfeldes. Die Kamera ist am Ende eines Stabes 402 unter einem definierten Winkel montiert. Dieser Winkel ist idealerweise größer als der halbe Bildwinkel der Kamera 202. Wenn das Ende 404 des Stabes 402 sich in der Höhe der mittleren Ebene 208 der Ähren 210 des Kornfeldes befindet, ergibt sich der Abstand 302 - der jetzt nicht durch einen Abstandshalter 302 definiert ist - aus L = LStab * sin (90-δ), wobei δ der Winkel zwischen dem Stab 402 und der Bildebene 204 der Kamera ist. Über diesen bekannten Abstand der Kamera 202 zur mittleren Ebene 208 der Ähren 210 des Kornfeldes und dem Bildwinkel der Kamera 202 lässt sich - wie oben dargestellt - die Fläche bestimmen, die der digitalen Aufnahme der Kamera 202 entspricht.
[0069] Die digitale Aufnahme kann auf verschiedene Weise ausgelöst werden. Einerseits ist es möglich, einen Auslöser in den Griff 404 des Stabes 402 zu integrieren. Bei dieser Variante könnte es aber schwierig sein, die Bildebene 204 der Kamera 202 so auszurichten, dass sie parallel zur mittleren Ebene 208 der Ähren 210 liegt. Eleganter wäre eine Lösung, bei der die Aufnahme automatisch ausgelöst wird, sobald die Bildebene 204 horizontal liegt, nachdem ein Signal 204 für eine Auslösebereitschaft der Kamera 202 ausgelöst wurde. Auf diese Weise lässt sich eine Parallelität der Bildebene 204 und der mittleren Ebene 208 der Ähren 210 gewährleisten. Eine Feststellung über die horizontale Ausrichtung der Bildebene 204 kann über Beschleunigungssensoren (oder anderen Sensoren) der Kamera detektiert werden.
[0070] Fig. 5 zeigt eine beispielhafte Aufnahme 500 eines Kornfeldausschnittes. Über die oben im Zusammenhang mit den Figuren 2 bis 4 genannten Verfahren oder über vergleichbare Verfahren kann die Größe der Fläche des Kornfeldes, die der digitalen Aufnahme entspricht, bestimmt werden. Man erkennt deutlich die Ähren 502 in der beispielhaften Aufnahme 500. Außerdem erkennt man, dass diejenigen Ähren 502, die in der Mitte des Bildes liegen, unter einem anderen Winkel aufgenommen werden als diejenigen Ähren 502, die in Außenbereichen der Aufnahme 500 liegen. Dies ergibt sich aus einfachen optischen Überlegungen. Dieser Effekt lässt sich durch einen Flächenfaktor, der zu den Rändern der digitalen Aufnahme 500 hin abnimmt, ausgleichen. Ferner ist in der Figur 5 zu erkennen, dass sich einzelne Ähren überlappen. Zur Ermittlung der Anzahl der in der Bildaufnahme vorhandenen Ähren lässt sich demnach nicht z.B. durch die Ermittlung der Anzahl von zusammenhängenden Flächen ähnlicher Helligkeitswerte oder ähnlicher Texturen bestimmen. Daher wird erfindungsgemäß zunächst die Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu der Gesamtfläche des digitalen Bildes ermittelt und in einem weiteren Schritt mit Hilfe einer typischen Größe einer Ähre in einem Digitalbild die Zahl der vorhandenen Ähren ermittelt. Die Information über die typische Größe einer Ähre in einem Digitalbild wird durch den ersten Kalibrierungsfaktor bereitgestellt, der üblicherweise empirisch ermittelt wird.
[0071] Aus einer Bestimmung der Fläche, die von Ähren 502 in der Aufnahme 500 eingenommen wird, lässt sich der Feldertrag des gesamten Feldes hochrechnen.
[0072] Vorteilhafterweise wird zur Hochrechnung auf den Feldertrag das Korngewicht einer Ähre 502 berücksichtigt. In den folgenden Figuren wird erläutert, wie ein derartiges Korngewicht auch mithilfe einer zusätzlichen digitalen Aufnahme einer einzelnen Ähre ermittelt werden kann.
[0073] Fig. 6 zeigt ein Blockdiagramm eines Ausführungsbeispiels des erweiterten Verfahrens 600 zum Bestimmen der Gesamtkörnerzahl einer Ähre eines Getreidehalmes. Das Verfahren weist dabei zunächst ein Bereitstellen, 602, eines digitalen Bildes der Ähre in einer Spindelstufenansicht der Ähre auf. Dabei sollte sich die Ähre bei der Aufnahme in dem digitalen Bild vor einer Referenzkarte als Hintergrund befinden. Die Referenzkarte weist aus praktischen Gründen idealerweise die Komplementärfarbe (z.B. blau) zu einer typischen Farbe einer Kornähre (gelblich) auf.
[0074] Als weiteren Schritt weist das Verfahren ein Bestimmen, 604, einer Länge der Ähre entlang der Längsachse der Ähre durch eine Trennung von Bildpixeln des digitalen Bildes der Ähre von dem Hintergrund auf. Diese Trennung kann vorteilhafterweise mittels eines Farbhistogrammverfahrens geschehen. Auf diese Weise lässt sich eine zusammenhängende Fläche der Ähre von dem Hintergrund der Referenzkarte unterscheiden. Zusätzlich weist das Verfahren in diesem Schritt ein Vergleichen, 606, von Pixelkoordinaten an einem Ende der Ähre mit Pixelkoordinaten der Ähre an einem entgegengesetzten Ende der Ähre in Längsrichtung der Ähre mit Bildmarken auf der Referenzkarte auf. Durch eine auf der Referenzkarte vorhandenen Skala kann so leicht die Länge der Ähre ermittelt werden. Dazu müssen einfach nur entsprechende y- Koordinaten voneinander subtrahiert werden.
[0075] Vorteilhaft ist es, wenn die Abbildung der Ähre vor der Längenermittlung einer Transformation unterzogen wird, welche perspektivische Verzerrungen und Schräglagen ausgleicht.
[0076] Anschließend kann in dem Verfahren ein Bestimmen, 608, einer Anzahl von Spindelstufen der Ähre durch ein Template-Matching- Verfahren vorgenommen werden, auf das eine Bestimmung einer Kornanzahl der Ähre (Schritt 610) durch eine Multiplikation der ermittelten Spindelstufen mit einem Faktor, welcher die Zahl der Körner pro Spindelstufe angibt, und beispielsweise einen Wert von 4 hat, folgt.
[0077] In einem letzten Schritt des Verfahrens wird ein Bestimmen, 612, des Gewichtes aller Körner der Ähre durch eine Multiplikation der bestimmten Kornanzahl mit einem Kalibrierungsfaktor erreicht. Der Kalibrierungsfaktor kann eine Vielzahl von variablen Einflussgrößen berücksichtigen. Durch ein kontinuierliches Vergleichen von durch das Verfahren ermittelten Korngewichten mit dem durch Auswiegen ermittelten Korngewichten kann ein kontinuierlicher und maschinengestützter Lernprozess innerhalb des Verfahrens verwirklicht werden.
[0078] Fig. 7 zeigt einen ersten Teil eines Blockdiagrammes einer implementierungsnäheren Ausführungsform des vorgeschlagenen Verfahrens. Zunächst wird eine digitale Abbildung einer Ähre 708 zusammen mit einer Referenzkarte empfangen. Eine Geometriekorrektur 702 enthält auch eine Eckende tektion 704 der Ecken einer farbigen Fläche auf der Referenzkarte. Anschließend erfolgt eine Transformation 706 von Perspektive und Bildausschnitt 710, sodass Flächen außerhalb des farbigen Hintergrundes mit der darauf liegenden Ähre ignoriert werden.
[0079] Der so erhaltene Bildausschnitt 710 wird an eine Ährendetektionsfunktion 712 weitergegeben. Die eigentliche Ährendetektion geschieht mittels einer Analyse 714 mittels eines Farbhistogrammverfahrens, um Pixel der Ähre und des farbigen Hintergrundes voneinander zu unterscheiden (716 Segmentierung Vorder-/Hintergrund). Anschließend wird das erkannte Ährenobjekt maskiert, 718. Bei dieser maskierten Darstellung können erkannte Bildpixel des Hintergrundes als logische„0" dargestellt werden.
[0080] In einem nächsten Verarbeitungsblock erfolgt eine Ährenvorverarbeitung 722. Diese kann einen Schritt einer Beleuchtung- und Kontrastoptimierung 724 aufweisen. Als nächstes können eine transformatorische Begradigung 726 der Ähre und eine weitere Reduktion des zu verarbeitenden Bildausschnittes erfolgen. Durch eine optische Grannenentfernung wird eine Erkennung der Ansicht der Ähre möglich (Schritt 726). Idealerweise handelt es sich bei der Ansicht der Ähre um eine Spindelstufenansicht. Die weitere Verarbeitung des empfangenen digitalen Bildes erfolgt anhand von Fig. 8.
[0081] Fig. 8 zeigt einen zweiten Teil eines Blockdiagrammes einer implementierungsnäheren Ausführungsform des vorgeschlagenen Verfahrens. Hier erfolgt die eigentliche Ährenanalyse 802. Dazu ist zunächst eine Geometrieanalyse 804 erforderlich, deren Ergebnis eine Feststellung der Ährenlänge 808 ist. Ein Vergleich der obersten Pixel der Ähre mit der abgebildeten und erkannten Skala bzw. der bekannten Größe der farbigen Fläche der Referenzkarte - ggfs. unter Zuhilfenahme von Eckmarken - ermöglicht in Verbindung mit dem Abstand zum Halmansatz am unteren Ende der Ähre eine Bestimmung der Länge der Ähre in Längsrichtung, wie es in Fig. 9 dargestellt ist. [0082] Bei dem anschließenden Template-Matching- Verfahren 806 wird ein mittlerer ausgewählter Bereich 810 der Ähre 728 in der zu diesem Zeitpunkt dargestellten Form pixel weise in vertikaler Richtung entlang der vertikalen Längsachse der Ähre 728 über diese verschoben. Dabei wird jeweils ein Ähnlichkeitsfaktor bestimmt, der mathematisch durch die Kreuzkorrelationsfunktion 810 zwischen Template- und Bildfunktion bestimmt ist. Durch das periodische Muster der Ährenstruktur ergeben sich im Verlauf der Kreuzkorrelationsfunktion 810 ausgeprägt Maxima- Werte, die im periodischen Abstand zueinander liegen. Ein Ergebnis einer derartigen Korrelationsanalyse 808 ist in Fig. 10 dargestellt, die die Periodenlänge und damit den Abstand der Spindelstufen untereinander liefert. Das Verhältnis von Ährenlänge 808 zu Periodenlänge führt auf ein sehr genaues Maß für die halbe Anzahl an Spindelstufen, weil die Periodizität der Spindelstufen sehr deutlich und mit gleichbleibendem Abstand ausgeprägt ist.
[0083] Anschließend erfolgt auf der so gelegten Basis die Kornanalyse 812 mit der Bestimmung der Anzahl der Körner 816 und der Bestimmung des 1000-Korngewichtes 814. Ergänzend kann sich eine Ertragsberechnung 818 des gesamten Feldes, oder eines Teilbereiches davon, über eine Ertragsformel 820 anschließen. Das 1000-Korngewicht - auch als Tausenkorngewicht (TKG) bezeichnet - ist ein üblicher Rechenwert zur Abschätzung von Erträgen in landwirtschaftlicher Umgebung und gibt das Gewicht von 1000 Körnern einer Körnerpartie an. Er lässt sich aus dem Korngewicht einer Ähre und der ermittelten Anzahl der Körner der Ähre berechnen. [0084] Fig. 9 zeigt eine abstrakt dargestellte Ähre 708 und ein Beispiel einer farbigen Fläche 902 (in schwarz/weiß Darstellung nicht erkennbar) einer Referenzkarte (die größer sein kann als die Fläche 902) zusammen mit einer darauf liegenden Ähre 708. Die farbige Fläche 902 weist Bildmarken wie eine Skala 904 sowie beispielsweise Bildeckmarken 914 auf. Die Bildeckmarken 914 können verschiedene Ausprägungen haben.
[0085] In Verlängerung der Körner 908 sind Grannen 906 symbolisch dargestellt, die je nach Sorte des Getreides unterschiedlich lang sein können. Außerdem ist noch ein Stück des Halmes 910 dargestellt, der lediglich zur Erkennung des unteren Ährenfeldes seine Bedeutung für das vorgestellte Verfahren hat.
[0086] Die Ähre 708 sollte auf der farbigen Fläche 902 der Referenzkarte so ausgerichtet sein, dass die Längsachse 912 der Ähre 708 möglichst parallel zu einer Seitenlinie der farbigen Fläche 902 ausgerichtet ist. Eine typisch gekrümmte Form der Ähre 708 kann durch eine Transformation der Darstellung der Ähre 708 so adaptiert werden, dass die Längsachse der Ähre tatsächlich parallel zu einer Seitenlinie der farbigen Fläche 902 der Referenzkarte ausgerichtet ist. Die Referenzkarte ist typischerweise ein wenig größer als die darauf enthaltene farbige Fläche 902, deren Farbe beispielsweise„blau" ist.
[0087] Eine tatsächliche Abbildung einer Ähre 708 stellt selbstverständlich einen zusammenhängenden Bereich (beispielsweise dargestellt in Fig. 7, 720, 728) dar. Die hier genutzte Form der Darstellung der Ähre 708 soll nur als Darstellung der Ausrichtung der Ähre 708 bezüglich der Referenzkarte verstanden werden.
[0088] Fig. 9a zeigt eine Abbildung einer Ähre 708 und eine Ansicht 926 der Spindelstufen einer Ähre. Die Abbildung der Ähre 708 zeigt deutlich die unterschiedlichen Körner 916, 918, 920, 922 im unteren Bereich der Ähre sowie den Halm 910. Entsprechend erkennt man in der abstrakteren Form der Ähre auf der rechten Seite der Fig. 9a die unterschiedlichen Spindelstufen 424 der Ähre 708.
[0089] Fig. 10 zeigt ein beispielhaftes Diagramm 1000 zur Bestimmung der Ährenlänge. Hierbei erkennt man, dass pro Pixelzeile (x-Achse), die sich auf die Ähre beziehen, die Breite der Ähre (y- Achse) aufgetragen ist. Die einzelnen relativen Maxima - oder eine eng zusammenliegende Gruppe von relativen Maxima - beziehen sich auf jeweils eine Spindelstufe. Durch einfaches Abzählen der relativen Maxima bzw. der Gruppen der relativen Maxima lässt sich die Anzahl der Spindelstufen erkennen. Aus dem Beginn der Pixel der Ähre bei ca. Zeile 60 und dem Ende der Pixel der Ähre bei ca. Zeile 1710 ergibt sich unter Zuhilfenahme der Skala der Referenzkarte bzw. durch eine Kenntnis der Breite eines individuellen Pixels bzw. einer Pixelzeile die Ährenlänge 1002.
[0090] Fig. 11 zeigt ein beispielhaftes Diagramm 1100 einer Kreuzkorrelationsfunktion zur Bestimmung der Anzahl der Spindelstufen auf Basis des Template-Matching- Verfahrens. Auf der x-Achse ist die jeweilige Position des Templates (Muster aus der Mitte der Ähre) gegenüber einem Korrelationswert (Ähnlichkeitswert) des Templates gegenüber der vollständigen Ähre dargestellt. Man erkennt in der Mitte der Darstellung - etwa bei dem Pixel-Wert 525, vgl. 1102/max. Übereinstimmung - einen Korrelationswert von praktisch 1. An dieser Stelle liegt das Template genau an seiner ursprünglichen Stelle. Aus den Abständen der relativen Maxima der Darstellung lässt sich eine Periodenlänge 1104 bestimmen, die dem Abstand der einzelnen Spindelstufen zueinander entspricht. Aus der ermittelten Länge der Ähre und der mittleren ermittelten Periodenlänge 1104 lässt sich auch die Anzahl der Spindelstufen durch Division und Rundung errechnen.
[0091] Außerdem sei an dieser Stelle auf eine alternative Form zum Verfahren 600 (also als Ersatz bzw. Ergänzung zu den Teil verfahren gemäß Fig. 6 bis 11) zum Bestimmen der Gesamtkörnerzahl einer Ähre eines Getreidehalmes hingewiesen: Auch gemäß dieser Ausführungsform beginnt der Prozess mit einer Bereitstellung eines digitalen Bildes der Ähre. In diesem Fall wird eine Aufnahme der Ähre in der Blütenansicht - also in der Ansicht, in der die Körner der Ähre gut sichtbar sind - vor einer Referenzkarte gemacht. Es folgt ein Ermitteln einer Fläche der Blütenansicht der Ähre durch eine Trennung von Bildpixeln des digitalen Bildes der Ähre von dem Hintergrund z.B. mittels eines Farbhistogrammverfahrens, und ein Vergleichen der von einer von der Ähre eingenommenen Fläche mit Bildmarken auf der Referenzkarte. Dabei kann es sich bei den Bildmarken um die Skala der Referenzkarte handeln oder um die bekannten Abstände anderer Bildmarken auf der Referenzkarte. Anschließend erfolgt ein Bestimmen des Gewichtes aller Körner der Ähre durch eine Multiplikation der ermittelten Fläche der Ähre mit einem Kalibrierungsfaktor. Es hat sich gezeigt, dass es eine ausgeprägt direkte Korrelation zwischen der Projektionsfläche der Ähre in Blütenansicht zur Anzahl der Körner der Ähre gibt. Dieses Phänomen wir hier genutzt, um einfach und elegant das Körnergewicht der Ähre zu ermitteln. Auch dieses alternative Verfahren lässt sich besonders gut ab einem Wachstumsstadium anwenden, das größer als 60 BBHC ist. Es funktioniert allerdings auch schon bei geringeren BBHC- Werten.
[0092] Fig. 12 zeigt ein Blockdiagramm eines Systems zum Bestimmen der Gesamtkörnerzahl einer Ähre eines Getreidehalmes. Das System weist eine Empfangseinheit 1202 zum Empfangen eines digitalen Bildes der Ähre in einer Seitenansicht der Ähre auf. Wenn das System zum Bestimmen der Gesamtkörnerzahl in einem mobilen Gerät integriert ist, handelt es sich bei der Empfangseinheit um eine digitale Kamera. In einer anderen Ausführungsform wird eine digitale Aufnahme der Ähre von einer Digitalkamera aufgenommen und an die Empfangseinheit 1202 - gegebenenfalls drahtlos - übermittelt. Die Ähre in dem digitalen Bild wird dabei vor einer Referenzkarte als Hintergrund aufgenommen. Optional kann das System eine Anzeigeeinheit 1204 aufweisen. Darüber hinaus weist das System eine Vermessungseinheit 1206 auf. Sie ist angepasst zur Bestimmung einer Länge der Ähre entlang der Längsachse der Ähre durch eine Trennung von Bildpixeln des digitalen Bildes der Ähre von dem Hintergrund. Darüber hinaus ist die Vermessungseinheit 806 angepasst für ein Vergleichen von Pixelkoordinaten an einem Ende der Ähre mit Pixelkoordinaten der Ähre an einem entgegengesetzten Ende der Ähre in Längsrichtung der Ähre mit Bildmarken auf der Referenzkarte.
[0093] Ergänzend weist das System eine Spindelstuf enberechnungseinheit 1208, die angepasst ist zur Bestimmung einer Anzahl von Spindelstufen der Ähre durch ein Template-Matching- Verfahren, und eine Kornzahlbestimmungseinheit 1210 auf, die angepasst ist zur Bestimmung einer Kornanzahl der Ähre durch eine Multiplikation der ermittelten Spindelstufen mit einem Faktor.
[0094] Schließlich ist in dem System noch eine Gewichtsermittlungseinheit 1212 vorgesehen, die angepasst ist zur Bestimmung des Gewichtes aller Körner der Ähre durch eine Multiplikation der bestimmten Kornanzahl mit einem Kalibrierungsfaktor.
[0095] Wie bereits oben ausgeführt kann das System Teil eines Server-Systems sein, welches das oder die digitalen Aufnahmen von einer Digitalkamera - beispielsweise einem Smartphones - empfängt. Andererseits ist es auch möglich - bei entsprechender Rechenleistung - das gesamte System in das mobile System - zum Beispiel ein Smartphone oder eine Digitalkamera - zu integrieren.
[0096] Dieses System gemäß Fig. 12 kann integriert sein mit einem System 1300 zur Ertragsanalyse des Kornfeldes, das in Fig. 13 dargestellt ist. Dieses System weist eine Digitalkamera 1302 auf, die in einem definierten Abstand über einer mittleren Ebene von Ähren eines Kornfeldes positioniert ist, wobei die Digitalkamera angepasst ist zum Aufnehmen eines digitalen Bildes eines Ausschnittes des Kornfeldes mit der positionierten Digitalkamera, die die gleiche sein kann wie in Fig. 12 dargestellt. Dabei sollten die mittlere Ebene der Ähren und eine Bildebene der Digitalkamera parallel zueinander liegen. Auch die Anzeige/der Bildschirm 1304 kann identisch zu der Anzeigeeinheit 1204 von Fig. 12 sein.
[0097] Das System zur Ertragsvorhersage 1300 weist weiterhin eine Teilflächenbestimmungseinheit 1306 zum Bestimmen einer Fläche des aufgenommenen Kornfeldausschnittes aus dem definierten Abstand und einem Bildwinkel der Digitalkamera sowie eine Ährenflächenbestimmungseinheit 1308 zum Bestimmen einer Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes durch einen Algorithmus zum Differenzieren zwischen Bildpixeln der Ähren im Gegensatz zu anderen Bildpixeln, die nicht Ähren zugehörig sind, auf.
[0098] Schließlich weist das System 1300 ein Ertragsbestimmungsmodul 1310 zum Bestimmen eines Ertrages des Feldes aus der Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes, der bestimmten Fläche des aufgenommenen Kornfeldausschnittes, eines mittleren Korngewichtes einer Ähre, einer Feldgesamtfläche und dem ersten Kalibrierungsfaktor.
[0099] Ausführungsformen der Erfindung können zusammen mit praktisch jeder Art von Computer - insbesondere auch mit einem Smartphone - unabhängig von der Plattform, die zum Speichern und Ausführen von Programmcode genutzt wird, implementiert sein. Fig. 14 stellt exemplarisch ein Computersystem 1400 dar, welches zur Ausführung von Programmcode geeignet ist, der sich auf das vorgeschlagene Verfahren bezieht.
[0100] Bei dem Computersystem 1400 handelt es sich nur um ein Beispiel eines geeigneten Computersystems und es ist nicht beabsichtigt, hierin eine Limitation des Umfanges einer Nutzung oder Funktionalität der hier beschriebenen Erfindung darzustellen. Im Gegenteil: Das Computersystem 1400 ist geeignet, um jedes Merkmal bzw. jede Funktionalität der hier beschriebenen Ausführungsbeispiele zu implementieren. In dem Computersystem 1400 sind Komponenten enthalten, die mit einer Vielzahl von anderen allgemeinen oder dedizierten Computersystemumgebungen und/oder Konfigurationen zusammenarbeiten können.
[0101] Beispiele von bekannten Computersystemen, Umgebungen und/oder Konfigurationen, die geeignet sein können, um mit dem Computersystem 1400 zusammenzuarbeiten, umfassen, ohne darauf beschränkt zu sein, Tablet-Computer, Notebook-Computer und/oder andere mobile Rechensysteme und/oder Smartphones sowie auch Multiprozessorsysteme, Mikroprozessorbasierende Systeme, programmierbare Consumer-Elektronik oder auch Digitalkameras oder PDAs (Personal Digital Assistent).
[0102] Das Computersystem 1400 sei hier in einem allgemeinen Kontext von durch ein Computersystem ausführbaren Instruktionen beschrieben. Dabei kann es sich auch um Programmmodule handeln, die von dem Computersystem 1400 ausgeführt werden. Im Allgemeinen weisen Programmmodule Programmroutinen, Teilprogramme, Objekte, Komponenten, Verarbeitungs -und/oder Entscheidungslogik, Datenstrukturen, usw. auf, die eine bestimmte Aufgabe ausführen oder einen bestimmten abstrakten Datentyp repräsentieren. [0103] Wie bereits erwähnt, kann das Computersystem 1400 in Form eines„General Purpose" Rechensystems implementiert sein. Dabei enthalten die Komponenten des Computersystems 1400 - ohne darauf beschränkt zu sein - ein oder mehrere Verarbeitungseinheiten 1402 (CPU), ein Speichersystem 1404 und einen Systembus 1418, welcher verschiedene Systemkomponenten - inklusive des Hauptspeichers 1404 mit dem Prozessor 1402 - verbindet.
[0104] Das Computersystem 1400 weist auch verschiedene Computer-lesbare Medien auf. Derartige Medien umfassen alle von dem Computersystem 1400 zugreifbare Medien. Dazu gehören sowohl flüchtige wie auch nichtflüchtige Medien, die sowohl entfernbar als auch fest verbaut sein können.
[0105] Der Hauptspeicher 1404 kann auch Computer-lesbare Medien in Form eines flüchtigen Speichers aufweisen. Das kann zum Beispiel ein Random Access Memory (RAM) bzw. auch ein Cache-Speicher sein. Das Computersystem 1400 kann weiterhin entfernbar und nicht entfernbare Speichermedien aufweisen. Das Speichersystem 1412 kann beispielsweise die Fähigkeit zum Speichern von Daten auf einem nicht entfernbaren Speicher-Chip aufweisen. Die Speichermedien können an den Systembus 1406 durch ein oder mehrere Daten-Interfaces angeschlossen sein. Wie weiter unten genauer beschrieben, kann der Speicher 1404 mindestens ein Programmprodukt aufweisen, welches eine Mehrzahl von Programmmodulen (mindestens eines) aufweist, die so konfiguriert sind bzw. das Computersystem so konfigurieren, dass die Funktionen der Ausführungsformen der Erfindung ausgeführt werden können.
[0106] Ein Programm, welches eine Mehrzahl von Programmmodulen aufweist, kann beispielsweise in dem Speicher 1404 gespeichert sein, genauso wie ein Betriebssystem, ein oder mehrere Anwendungsprogramme, Programmmodule und/oder Programmdaten.
[0107] Das Computersystem 1400 kann weiterhin mit mehreren externen Vorrichtungen wie einer Tastatur 1408, einem Zeigerinstrument („Maus") 1410, einer Anzeige (nicht dargestellt), usw. kommunizieren. Diese Vorrichtungen können beispielsweise in einem berührungsempfindlichen Bildschirm 1412 (Touch-Screen) kombiniert sein, um eine Interaktion mit dem Computersystem 1400 zu ermöglichen. Das Computersystem 1400 kann auch akustische Ein-/ Ausgabevorrichtungen 1416 aufweisen. Außerdem können weitere Verbindungen vorhanden sein, um mit einem oder mehreren anderen Datenverarbeitungsvorrichtungen zu kommunizieren (Modem, Netzwerkanschlüsse, usw.). Außerdem kann eine derartige Kommunikation über Eingabe/ Ausgabe-Interfaces (I/O) erfolgen. Weiterhin kann das Computersystem 1400 über ein oder mehrere Netzwerk - wie einem LAN (local area network), einem WAN (wide area network) und/oder über ein öffentliches (mobiles) Netzwerk z.B. Internet) über den Adapter 1414 kommunizieren. Wie dargestellt, kann der Netzwerkadapter 1414 mit anderen Komponenten des Computersystems 1400 über den Systembus 1418 kommunizieren. Außerdem sei angemerkt, dass - obwohl es nicht dargestellt ist - auch andere Hardware- und/oder Software-Komponenten im Zusammenhang mit dem Computersystem 1400 eingesetzt werden können. Das betrifft beispielsweise Micro-Code, Device-Treiber, redundante Verarbeitungseinheiten, usw.
[0108] Darüber hinaus kann das System 1200 zum Bestimmen eines Gewichtes aller Körner einer Ähre eines Getreidehalmes bzw. ein individuelles oder integriertes System 1300 zur Ertragsvorhersage für ein Kornfeld an das Bussystem 1418 angeschlossen sein. Somit kann das Computersystem bzw. das System 1300 zum Bestimmen der Feldausbeute (Ertragsvorhersage) die digitale Aufnahme empfangen, die Bestimmung des Gewichtes einer Ähre und somit eine Feldertragsvorhersage durchführen und das Ergebnis zurück an das mobile Gerät übermitteln, mit dem die digitale Aufnahme(n) gemacht wurde(n). In einer besonderen Ausführungsform können die Systeme 1200 und/oder 1300 auch in ein mobiles Computersystem (z.B. Hochleistungs- Smartphone) integriert sein.
[0109] Die Beschreibung der verschiedenen Ausführungsformen der vorliegenden Erfindung wurde zu Illustrationszwecken eingesetzt. Sie sind nicht dazu bestimmt, den Umfang der erfinderischen Idee zu begrenzen. Dem Fachmann erschließen sich weitere Modifikationen und Variationen ohne von dem Kern der vorliegenden Erfindung abzuweichen.
[0110] Die vorliegende Erfindung kann als ein System, ein Verfahren und/oder ein Computerprogramm-Produkt bzw. eine Kombination davon realisiert werden. Das Computerprogramm-Produkt kann ein Computer-lesbares Speichermedium (oder einfach „Medium") aufweisen, welches Computer-lesbare Programm-Instruktionen enthält, um einen Prozessor zu veranlassen, Aspekte der vorliegenden Erfindung zu realisieren.
[Ol l i] Das Medium kann dabei auf elektronischen, magnetischen, elektromagnetischen Wellen, Infrarotlicht oder Halbleitersystemen, die auch zur Weiterleitung geeignet sind, aufbauen. Dazu gehören Festkörperspeicher, Speicher mit wahlfreiem Zugriff (RAM) wie auch Nur-Lese- Speicher (ROM: read-only memory). Die Computer-lesbaren Programm- Instruktionen, die hier beschrieben sind, können auf das entsprechende Computersystem von einem potenziellen Service- Anbieter über eine mobile Netzwerk- Verbindung oder ein stationäres Netzwerk heruntergeladen werden. [0112] Die Computer-lesbaren Programm-Instruktionen zur Ausführung von Operationen der vorliegenden Erfindung kann jede Art von maschinenabhängigen oder maschinenunabhängigen Instruktionen, Micro-Code, Firmware, Status setzende Daten bzw. Source-Code oder Objekt-Code, der in einer beliebigen Kombination einer oder mehrerer Programmiersprachen geschrieben ist, aufweisen. Bei den Programmiersprachen kann es sich um C++, Java oder ähnlich moderne Programmiersprachen oder konventionelle prozedurale Programmiersprachen wie der „C"- Programmiersprache oder ähnlichen Programmiersprachen handeln. Die Computer-lesbaren Programm-Instruktionen können komplett auf dem Computersystem ausgeführt werden. In anderen Ausführungsformen können elektronische Schaltkreise wie beispielsweise programmierbare Logikbausteine, feldprogrammierbare Gate-Array (PGA) oder programmierbare Logik-Arrays (PLA) die Instruktionen unter Nutzung von Statusinformationen in den Computer-lesbaren Programm-Instruktionen ausführen, um den bzw. die elektronischen Schaltkreise zu individualisieren, um Aspekte der vorliegenden Erfindung auszuführen.
[0113] Aspekte der vorliegenden Erfindungen sind in diesem Dokument unter Zuhilfenahme von Flussdiagrammen und/oder Blockdiagrammen von Methoden, Vorrichtungen (Systeme) und Computerprogramm-Produkten entsprechend den Ausführungsformen der Erfindung dargestellt. Es versteht sich, dass jeder Block der dargestellten Flussdiagramme und/oder Blockdiagramme sowie Kombinationen von Blöcken in den Flussdiagrammen und oder Blockdiagrammen durch Computer-lesbare Programm-Instruktionen implementiert sein können.
[0114] Diese Computer-lesbaren Programm-Instruktionen können einem Prozessor eines "General Purpose-Computers" oder spezieller Computer-Hardware oder anderen programmierbaren Datenverarbeitungsvorrichtungen zur Verfügung gestellt werden, um eine Maschine zu erzeugen, sodass die Instruktionen, welche durch den jeweiligen Prozessor ausgeführt werden, Mittel zur Implementierung der Funktionen/Aktionen, welche in dem entsprechenden Flussdiagramm und/oder Blockdiagramm oder Blöcken davon dargestellt sind, erzeugen. Diese Computer-lesbaren Programm-Instruktionen können auch auf einem Computer-lesbaren Speichermedium gespeichert sein, sodass sie einen Computer oder eine programmierbare Datenverarbeitungsvorrichtung veranlassen, die in dem Medium gespeicherten Instruktionen durch den jeweiligen Prozessor auszuführen, sodass Aspekte bzw. Aktionen des in diesem Dokument beschriebenen Verfahrens ausgeführt werden.

Claims

Patentansprüche
1. Ein Verfahren zur Ertragsvorhersage für ein Kornfeld, wobei das Verfahren aufweist
Positionieren einer Digitalkamera in einem definierten Abstand über einer mittleren Ebene von Ähren eines Kornfeldes,
Aufnehmen eines digitalen Bildes eines Kornfeldausschnittes des Kornfeldes mit der positionierten Digitalkamera, wobei die mittlere Ebene der Ähren und eine Bildebene der Digitalkamera parallel zueinander liegen,
Bestimmen einer Fläche des aufgenommenen Kornfeldausschnittes aus dem definierten Abstand und einem Bildwinkel der Digitalkamera,
Bestimmen einer Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes durch einen Algorithmus zum Differenzieren zwischen Bildpixeln der Ähren im Gegensatz zu anderen Bildpixeln, die nicht Ähren zugehörig sind, und
- Bestimmen eines Ertrages des Feldes aus der Gesamtfläche der Ähren in dem digitalen
Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes, der bestimmten Fläche des aufgenommenen Kornfeldausschnittes, eines mittleren Korngewichtes einer Ähre, einer Feldgesamtfläche und einem ersten Kalibrierungsfaktor. 2. Das Verfahren gemäß Anspruch 1, wobei der Algorithmus zum Differenzieren zwischen Bildpixeln der Ähren im Gegensatz zu anderen Bildpixeln ein Local Binary Pattern Algorithmus ist.
3. Das Verfahren gemäß Ansprüche 1 oder 2, wobei der Algorithmus zum Differenzieren zwischen Bildpixeln der Ähren im Gegensatz zu anderen Bildpixeln ein Verfahren zur Texturbildanalyse ist.
4. Das Verfahren gemäß einem der vorangegangenen Ansprüche, wobei der Algorithmus zum Differenzieren zwischen Bildpixeln der Ähren im Gegensatz zu anderen Bildpixeln ein Helligkeitsunterschiedsfilter ist.
5. Das Verfahren gemäß einem der vorangegangenen Ansprüche, wobei der definierte Abstand durch einen Abstandshalter zwischen der Digitalkamera und einer mittleren Ebene der Ähren des Kornfeldes bestimmt wird, wobei der Abstandshalter aus einem flexiblen Element besteht (z.B. Bindfaden), dessen eines Ende an der Digitalkamera befestigt ist und dessen anderes Ende eine Farbkontrastkugel aufweist, die in der mittleren Ebene der Ähren des Kornfeldes positioniert ist.
6. Das Verfahren gemäß einem der Ansprüche 1 bis 4, wobei der definierte Abstand durch einen Abstandshalter zwischen der Digitalkamera und einer mittleren Ebene der Ähren des Kornfeldes bestimmt wird, wobei die Digitalkamera unter einem vorbestimmten Winkel, der ungleich 90 Grad ist, an einem Ende des Abstandshalters befestigt ist, wobei das andere Ende des Abstandshalters auf einer mittleren Ebene der Ähren des Kornfeldes positioniert ist, und wobei das digitale Bild aufgenommen wird, wenn die Bildebene der Digitalkamera horizontal ausgerichtet ist.
7. Das Verfahren gemäß einem der vorherigen Ansprüche, wobei der Kalibrierungsfaktor Informationen über eine durchschnittliche Größe einer Ähre auf einem digitalen Bild umfasst und vorzugsweise mindestens eine Abhängigkeit bezüglich einer der Faktoren ausgewählt aus der Gruppe bestehend aus Sorte, Wachstumsstadium, Witterung, geographischer Ort und Düngestatus aufweist.
8. Das Verfahren gemäß einem der vorherigen Ansprüche, wobei das Verfahren einen Schritt umfasst
Bestimmen der Zahl an Ähren auf dem digitalen Bild und/oder in dem Kornfeldausschnitt unter Verwendung des ersten Kalibrierungsfaktors.
9. Das Verfahren gemäß einem der vorherigen Ansprüche, wobei die Bestimmung der Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes weiterhin aufweist
- Beaufschlagung der Flächen der Ähren mit einem Flächenfaktor, dessen Wert von einer
Mitte des digitalen Bildes zum Rand hin abnimmt.
10. Das Verfahren gemäß einem der vorangegangenen Ansprüche, wobei das mittlere Korngewicht bestimmt wird durch ein Verfahren zum Bestimmen eines Gewichtes aller Körner einer Ähre eines Getreidehalmes, aufweisend
Bereitstellen eines digitalen Bildes der Ähre in einer Seitenansicht der Ähre, wobei sich die Ähre bei der Aufnahme in dem digitalen Bild vor einer Referenzkarte als Hintergrund befindet,
Bestimmen einer Länge der Ähre entlang der Längsachse der Ähre durch eine Trennung von Bildpixeln des digitalen Bildes der Ähre von dem Hintergrund und Vergleichen von
Pixelkoordinaten an einem Ende der Ähre mit Pixelkoordinaten der Ähre an einem entgegengesetzten Ende der Ähre in Längsrichtung der Ähre mit Bildmarken auf der Referenzkarte,
Bestimmen einer Anzahl von Spindelstufen der Ähre durch ein Template-Matching- Verfahren,
Bestimmen einer Kornanzahl der Ähre durch eine Multiplikation der ermittelten Spindelstufen mit einem Faktor, und Bestimmen des Gewichtes aller Körner der Ähre durch eine Multiplikation der bestimmten Kornanzahl mit einem zweiten Kalibrierungsfaktor.
11. Das Verfahren gemäß Anspruch 10, wobei das Template-Matching- Verfahren aufweist
pixelweises Verschieben eines Bild-Templates umfassend einen ausgewählten, mittleren Teilbereich der Ähre über die gesamte Ähre in Längsrichtung der Ähre und jeweiliges Bestimmen eines Ähnlichkeitsfaktors des Bild-Templates mit einem jeweiligen überdeckten Ährenabschnitt, wodurch regelmäßige relative Maxima in einer x-y- Darstellung entstehen, wobei der x-Wert die Größe der Verschiebung des Bild-Templates und der y-Wert den Ähnlichkeitsfaktor darstellt, und
Bestimmen der Spindelanzahl aus der x-y-Darstellung.
12. Das Verfahren gemäß Anspruch 10 oder 11, wobei das Bestimmen der Spindelanzahl aus der x- y-Darstellung aufweist
Ermitteln einer mittleren Periodenlänge aus den Abständen der relativen Maxima zueinander, und
Bestimmen der Spindelanzahl durch eine Division der Ährenlänge durch die Periodenlänge, und
Bestimmen der Anzahl der relativen Maxima.
13. Das Verfahren gemäß einem der Ansprüche 1 bis 9, wobei das mittlere Korngewicht bestimmt wird durch ein Korngewichtbestimmungsverfahren zum Bestimmen eines Gewichtes aller Körner einer Ähre eines Getreidehalmes, wobei das Korngewichtbestimmungsverfahren aufweist
Bereitstellen eines digitalen Bildes der Ähre in einer Blütenansicht der Ähre vor der Referenzkarte,
Ermitteln einer Fläche der Blütenansicht der Ähre durch eine Trennung von Bildpixeln des digitalen Bildes der Ähre von dem Hintergrund mittels eines Farbhistogrammverfahrens, und Vergleichen von einer von der Ähre eingenommenen Fläche mit Bild-Marken auf der Referenzkarte,
Bestimmen des Gewichtes aller Körner der Ähre durch eine Multiplikation der ermittelten Fläche der Ähre mit einem zweiten Kalibrierungsfaktor.
14. Das Verfahren gemäß einem der Ansprüche 10 bis 13, wobei der zweite Kalibrierungsfaktor mindestens eine Abhängigkeit bezüglich einer der Faktoren, ausgewählt aus der Gruppe bestehend aus Sorte, Wachstumsstadium, Witterung, geographischer Ort und Düngestatus, aufweist.
15. Ein System zur Ertragsvorhersage für ein Kornfeld, wobei das System aufweist eine Digitalkamera, die in einem definierten Abstand über einer mittleren Ebene von Ähren eines Kornfeldes positioniert ist, wobei die Digitalkamera angepasst ist zum Aufnehmen eines digitalen Bildes eines Kornfeldausschnittes des Kornfeldes mit der positionierten Digitalkamera, wobei die mittlere Ebene der Ähren und eine Bildebene der Digitalkamera parallel zueinander liegen,
eine Teilflächenbestimmungseinheit zum Bestimmen einer Fläche des aufgenommenen Kornfeldausschnittes aus dem definierten Abstand und einem Bildwinkel der Digitalkamera,
eine Ährenflächenbestimmungseinheit zum Bestimmen einer Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes durch einen
Algorithmus zum Differenzieren zwischen Bildpixeln der Ähren im Gegensatz zu anderen Bildpixeln, die nicht Ähren zugehörig sind, und
ein Ertragsbestimmungsmodul zum Bestimmen eines Ertrages des Feldes aus der Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes, der bestimmten Fläche des aufgenommenen Kornfeldausschnittes, eines mittleren Korngewichtes einer Ähre, einer Feldgesamtfläche und einem Kalibrierungsfaktor.
. Das System von Anspruch 15, wobei das System weiterhin aufweist
eine Sende- und Empfangseinheit, die angepasst ist zum Versenden des aufgenommenen digitalen Bildes des Kornfeldausschnittes zu einem Rechenzentrum, welches die Teilflächenbestimmungseinheit, die Gesamtflächenbestimmungseinheit und das Ertragsbestimmungsmodul aufweist.
17. Ein computerlesbares Speichermedium, in dem Programmelemente zum Bestimmen eines Gewichtes aller Körner einer Ähre eines Getreidehalmes gespeichert sind, die, wenn sie von einem Prozessor ausgeführt werden, den Prozessor dazu veranlassen, ein Verfahren mit folgenden Schritten auszuführen:
Aufnehmen eines digitalen Bildes eines Kornfeldausschnittes eines Kornfeldes mit einer Digitalkamera, wobei die mittlere Ebene der Ähren und eine Bildebene der Digitalkamera parallel zueinander liegen, und wobei die Digitalkamera in einem definierten Abstand über einer mittleren Ebene von Ähren eines Kornfeldes positioniert ist,
Bestimmen einer Fläche des aufgenommenen Kornfeldausschnittes aus dem definierten Abstand und einem Bildwinkel der Digitalkamera,
Bestimmen einer Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes durch einen Algorithmus zum Differenzieren zwischen Bildpixeln der Ähren im Gegensatz zu anderen Bildpixeln, die nicht den Ähren zugehörig sind, und Bestimmen eines Ertrages des Feldes aus der Gesamtfläche der Ähren in dem digitalen Bild im Vergleich zu einer Gesamtfläche des digitalen Bildes, der bestimmten Fläche des aufgenommenen Kornfeldausschnittes, eines mittleren Korngewichtes einer Ähre, einer Feldgesamtfläche und einem Kalibrierungsfaktor.
PCT/EP2017/076320 2016-10-19 2017-10-16 Ertragsvorhersage für ein kornfeld WO2018073163A1 (de)

Priority Applications (6)

Application Number Priority Date Filing Date Title
RU2019114132A RU2769288C2 (ru) 2016-10-19 2017-10-16 Прогнозирование урожайности зернового поля
US16/342,363 US10984548B2 (en) 2016-10-19 2017-10-16 Yield prediction for a cornfield
EP17790724.3A EP3528609A1 (de) 2016-10-19 2017-10-16 Ertragsvorhersage für ein kornfeld
CN201780064471.0A CN109843034B (zh) 2016-10-19 2017-10-16 用于谷田的产量预测
BR112019007962A BR112019007962A2 (pt) 2016-10-19 2017-10-16 método para prever o rendimento de um campo de milho, sistema para prever o rendimento de um campo de milho e meio de armazenamento legível por computador
US17/234,589 US20210241482A1 (en) 2016-10-19 2021-04-19 Yield prediction for a cornfield

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
EP16194687 2016-10-19
EP16194686.8 2016-10-19
EP16194686 2016-10-19
EP16194687.6 2016-10-19

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US16/342,363 A-371-Of-International US10984548B2 (en) 2016-10-19 2017-10-16 Yield prediction for a cornfield
US17/234,589 Continuation US20210241482A1 (en) 2016-10-19 2021-04-19 Yield prediction for a cornfield

Publications (1)

Publication Number Publication Date
WO2018073163A1 true WO2018073163A1 (de) 2018-04-26

Family

ID=60037630

Family Applications (2)

Application Number Title Priority Date Filing Date
PCT/EP2017/076035 WO2018073093A1 (de) 2016-10-19 2017-10-12 Bestimmung des korngewichtes einer ähre
PCT/EP2017/076320 WO2018073163A1 (de) 2016-10-19 2017-10-16 Ertragsvorhersage für ein kornfeld

Family Applications Before (1)

Application Number Title Priority Date Filing Date
PCT/EP2017/076035 WO2018073093A1 (de) 2016-10-19 2017-10-12 Bestimmung des korngewichtes einer ähre

Country Status (6)

Country Link
US (3) US11010913B2 (de)
EP (2) EP3529771A1 (de)
CN (2) CN109863530B (de)
BR (2) BR112019007937A8 (de)
RU (1) RU2769288C2 (de)
WO (2) WO2018073093A1 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220346364A1 (en) * 2013-07-26 2022-11-03 Blue River Technology Inc. System and Method for Plant Treatment Based on Neighboring Effects
DE102022110185A1 (de) 2022-04-27 2023-11-02 Deere & Company Verfahren und Anordnung zur Messung einer kornspezifischen Größe an einer Erntemaschine
EP4368969A1 (de) 2022-11-11 2024-05-15 Deere & Company Verfahren und anordnung zur ermittlung einer massen- und/oder grössenspezifischen grösse von körnerfrüchten

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113011220A (zh) * 2019-12-19 2021-06-22 广州极飞科技股份有限公司 穗数识别方法、装置、存储介质及处理器
US11823408B2 (en) * 2020-03-13 2023-11-21 Oregon State University Apparatus and method to quantify maize seed phenotypes
CN112101681B (zh) * 2020-09-25 2023-04-28 北京师范大学 基于遥感ndpi时间序列监测冬小麦干热风灾害的方法
CN113139934B (zh) * 2021-03-26 2024-04-30 上海师范大学 一种水稻谷粒计数方法
TWI818334B (zh) * 2021-10-19 2023-10-11 國立中興大學 以手機影像推估穀粒含水量及收穫時期的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101944231B (zh) * 2010-08-19 2012-01-04 北京农业智能装备技术研究中心 小麦穗部形态参数提取方法
US20140176705A1 (en) * 2011-08-30 2014-06-26 Fujitsu Limited Photographing apparatus, information providing method, and computer product

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4076633A (en) * 1974-10-18 1978-02-28 The Procter & Gamble Company Fabric treating articles with improved conditioning properties
JP2617014B2 (ja) * 1990-04-26 1997-06-04 日本リライアンス 株式会社 シート測長システム
US8031910B2 (en) * 2003-09-17 2011-10-04 Syngenta Participations Ag Method and apparatus for analyzing quality traits of grain or seed
RU2308679C2 (ru) * 2005-09-08 2007-10-20 ИПБОЮЛ Ващенко Юрий Ефимович Способ картографирования земель
WO2007068056A1 (en) * 2005-12-14 2007-06-21 Grains Research And Development Corporation Stain assessment for cereal grains
US9508007B2 (en) * 2006-11-07 2016-11-29 The Curators Of The University Of Missouri Method of predicting crop yield loss due to N-deficiency
US8208680B2 (en) * 2006-11-07 2012-06-26 The Curators Of The University Of Missouri Method of predicting crop yield loss due to N-deficiency
US9195891B2 (en) * 2006-11-07 2015-11-24 The Curators Of The University Of Missouri Method of predicting crop yield loss due to n-deficiency
JP2011167163A (ja) * 2010-02-22 2011-09-01 Pasuko:Kk 水稲収量予測モデル生成方法、及び水稲収量予測方法
JP5729476B2 (ja) 2011-08-30 2015-06-03 富士通株式会社 撮影装置、および撮影支援プログラム
EP2798612A1 (de) 2011-12-30 2014-11-05 Pioneer Hi-Bred International, Inc. Fotometrie von unreifen maiskornähren
CN102612892B (zh) * 2012-03-02 2014-05-07 北京农业信息技术研究中心 小麦麦穗发芽情况识别方法
CN103632157B (zh) * 2012-08-24 2018-01-05 南京农业大学 单株小麦穗部籽粒数计数方法
US10234439B2 (en) * 2012-11-07 2019-03-19 Airscout Inc. Methods and systems for analyzing a field
JP5950166B2 (ja) 2013-03-25 2016-07-13 ソニー株式会社 情報処理システム、および情報処理システムの情報処理方法、撮像装置および撮像方法、並びにプログラム
CN103190224B (zh) * 2013-03-26 2015-02-18 中国农业大学 基于计算机视觉技术的玉米果穗考种方法、系统和装置
KR20140125229A (ko) * 2013-04-18 2014-10-28 한국전자통신연구원 과수의 생산량 예측 시스템 및 그것의 구동 방법
FR3013874A1 (fr) * 2013-11-26 2015-05-29 Invivo Agrosolutions Procede de traitement de donnees agronomiques pour l'estimation du rendement d'une culture de la famille des poacees
CN103810522B (zh) * 2014-01-08 2017-02-08 中国农业大学 一种玉米果穗籽粒计数方法和装置
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
WO2015160837A2 (en) * 2014-04-15 2015-10-22 Raven Industries, Inc. Reaping based yield monitoring system and method for the same
CN104021369A (zh) * 2014-04-30 2014-09-03 南京农业大学 基于数字图像处理技术的单株水稻穗部籽粒数计数方法
US9903979B2 (en) * 2014-09-23 2018-02-27 Deere & Company Yield estimation
US10126282B2 (en) * 2014-09-23 2018-11-13 Deere & Company Yield estimation
US10186029B2 (en) * 2014-09-26 2019-01-22 Wisconsin Alumni Research Foundation Object characterization
US9734400B2 (en) * 2015-01-30 2017-08-15 AgriSight, Inc. System and method for field variance determination
US10115187B2 (en) * 2015-01-30 2018-10-30 Raytheon Company Apparatus and processes for classifying and counting corn kernels
US10028426B2 (en) * 2015-04-17 2018-07-24 360 Yield Center, Llc Agronomic systems, methods and apparatuses
WO2017004074A1 (en) * 2015-06-30 2017-01-05 Precision Planting Llc Systems and methods for image capture and analysis of agricultural fields
US10019791B2 (en) * 2015-07-24 2018-07-10 Raytheon Company Apparatus and methods for estimating corn yields
CN105427275B (zh) * 2015-10-29 2017-11-24 中国农业大学 大田环境麦穗计数方法及装置
CN105574853B (zh) * 2015-12-07 2018-05-15 中国科学院合肥物质科学研究院 一种基于图像识别的麦穗粒数计算的方法及系统
CN205607838U (zh) * 2016-05-06 2016-09-28 北京农业信息技术研究中心 一种小麦穗数测量装置
WO2018049290A1 (en) * 2016-09-09 2018-03-15 Cibo Technologies, Inc. Systems for determining agronomic outputs for a farmable region, and related methods and apparatus
WO2018049288A1 (en) * 2016-09-09 2018-03-15 Cibo Technologies, Inc. Systems for learning farmable zones, and related methods and apparatus
WO2018049289A1 (en) * 2016-09-09 2018-03-15 Cibo Technologies, Inc. Systems for adjusting agronomic inputs using remote sensing, and related apparatus and methods
US10909367B2 (en) * 2017-03-02 2021-02-02 Basecamp Networks, LLC Automated diagnosis and treatment of crop infestations

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101944231B (zh) * 2010-08-19 2012-01-04 北京农业智能装备技术研究中心 小麦穗部形态参数提取方法
US20140176705A1 (en) * 2011-08-30 2014-06-26 Fujitsu Limited Photographing apparatus, information providing method, and computer product

Non-Patent Citations (14)

* Cited by examiner, † Cited by third party
Title
"PLoS ONE", vol. 12, 1 February 1988, PUBLIC LIBRARY OF SCIENCE, US, ISSN: 1932-6203, article J. PETR ET AL: "Yield Formation in the Main Field Crops", pages: ToC,151 - 153, XP055446206 *
AFLAKPUI, GODWIN: "Agricultural Science", 27 April 2012, INTECH, ISBN: 978-953-51-0567-1, article COINTAULT, FRÉDÉRIC ET AL: "Texture, Color and Frequential Proxy-Detection Image Processing for Crop Characterization in a Context of Precision Agriculture", pages: 49 - 70, XP055367897, DOI: 10.5772/36674 *
BAKHOUCHE, M. ET AL: "Texture analysis with statistical methods for wheat ear extraction", PROCEEDINGS OPTICAL DIAGNOSTICS OF LIVING CELLS II, vol. 6356, 23 May 2007 (2007-05-23), US, XP055367715, ISSN: 0277-786X, ISBN: 978-1-5106-1324-9, DOI: 10.1117/12.736913 *
COINTAULT, FRÉDÉRIC ET AL: "Improvements of image processing for wheat ear counting", INTERNATIONAL CONFERENCE ON AGRICULTURAL ENGINEERING & INDUSTRY EXHIBITION (AGENG'08), 25 June 2008 (2008-06-25), Hersonissos, Crete, XP055368077 *
COINTAULT, FRÉDÉRIC ET AL: "In-field Triticum aestivum ear counting using colour-texture image analysis", NEW ZEALAND JOURNAL OF CROP AND HORTICULTURAL SCIENCE., vol. 36, no. 2, 1 June 2008 (2008-06-01), NZ, pages 117 - 130, XP055367968, ISSN: 0114-0671, DOI: 10.1080/01140670809510227 *
DC. HE; L. WANG: "Texture Unit, Texture Spectrum, And Texture Analysis", IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, vol. 28, 1990, pages 509 - 512, XP000148269, DOI: doi:10.1109/TGRS.1990.572934
F. COINTAULT; D. GUERIN; J-P. GUILLEMIN; B. CHOPINET: "In-field Triticum aestivum ear counting using colour-texture image analysis", NEW ZEALAND JOURNAL OF CROP AND HORTICULTURAL SCIENCE, vol. 36, 2008, pages 117 - 130
GUÉRIN, DOMINIQUE ET AL: "Feasibility study of a wheatears counting vision system", CSIMTA'04: PROCEEDINGS OF THE COMPLEX SYSTEMS, INTELLIGENCE AND MODERN TECHNOLOGY APPLICATIONS, 22 September 2004 (2004-09-22), Cherbourg, France, pages 658 - 664, XP055368120 *
HAMLYN G. JONES ET AL: "Remote Sensing of Vegetation: Principles, Techniques, and Applications", 10 September 2010, OXFORD UNIVERSITY PRESS, ISBN: 978-0-19-920779-4, pages: ToC,92,94 - 95,99-100,104-105,283-287,Ind, XP055446446 *
L. JOURNAUX ET AL: "FOURIER FILTERING FOR WHEAT DETECTION IN A CONTEXT OF YIELD PREDICTION", XVIITH WORLD CONGRESS OF THE INTERNATIONAL COMMISSION OF AGRICULTURAL AND BIOSYSTEMS ENGINEERING (CIGR), 17 June 2010 (2010-06-17), XP055446577, Retrieved from the Internet <URL:http://www.csbe-scgab.ca/docs/meetings/2010/CSBE101090.pdf> [retrieved on 20180131] *
S. KIM; J. MCNAMES: "Automatic spike detection based on adaptive template matching for extracellular neural recordings", JOURNAL OF NEUROSCIENCE METHODS, vol. 165, 2007, pages 165 - 174, XP022192166, DOI: doi:10.1016/j.jneumeth.2007.05.033
T. MÄENPÄÄ; M. PIETIKÄINEN; T. OJALA: "Texture classification by multi-predicate local binary pattern operators", PROCEEDINGS 15TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION, vol. 3, 2000, pages 951 - 954
WIKIPEDIA: "Local binary patterns", INTERNET ARTICLE, 16 October 2016 (2016-10-16), XP055446453, Retrieved from the Internet <URL:https://en.wikipedia.org/w/index.php?title=Local_binary_patterns&oldid=744654336> [retrieved on 20180131] *
WIKIPEDIA: "Selfie stick", INTERNET ARTICLE, 12 October 2016 (2016-10-12), XP055446454, Retrieved from the Internet <URL:https://en.wikipedia.org/w/index.php?title=Selfie_stick&oldid=743956350> [retrieved on 20180131] *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220346364A1 (en) * 2013-07-26 2022-11-03 Blue River Technology Inc. System and Method for Plant Treatment Based on Neighboring Effects
US11974562B2 (en) * 2013-07-26 2024-05-07 Blue River Technology Inc. System and method for plant treatment based on neighboring effects
DE102022110185A1 (de) 2022-04-27 2023-11-02 Deere & Company Verfahren und Anordnung zur Messung einer kornspezifischen Größe an einer Erntemaschine
EP4368969A1 (de) 2022-11-11 2024-05-15 Deere & Company Verfahren und anordnung zur ermittlung einer massen- und/oder grössenspezifischen grösse von körnerfrüchten
DE102022129876A1 (de) 2022-11-11 2024-05-16 Deere & Company Verfahren und Anordnung zur Ermittlung einer massen- und/oder größenspezifischen Größe von Körnerfrüchten

Also Published As

Publication number Publication date
RU2019114132A3 (de) 2021-01-27
EP3528609A1 (de) 2019-08-28
BR112019007937A2 (pt) 2019-07-02
US10984548B2 (en) 2021-04-20
CN109843034B (zh) 2022-08-23
EP3529771A1 (de) 2019-08-28
WO2018073093A1 (de) 2018-04-26
US20190286904A1 (en) 2019-09-19
BR112019007962A2 (pt) 2019-07-02
CN109863530A (zh) 2019-06-07
US20190236800A1 (en) 2019-08-01
US20210241482A1 (en) 2021-08-05
US11010913B2 (en) 2021-05-18
RU2019114132A (ru) 2020-11-20
CN109863530B (zh) 2022-11-15
CN109843034A (zh) 2019-06-04
BR112019007937A8 (pt) 2023-04-25
RU2769288C2 (ru) 2022-03-30

Similar Documents

Publication Publication Date Title
WO2018073163A1 (de) Ertragsvorhersage für ein kornfeld
EP3560185B1 (de) System und verfahren zum erfassen von messbildern eines messobjekts
DE202017007481U1 (de) System zur Überwachung von Nutzpflanzen
EP3701449A1 (de) Ertragsabschätzung beim anbau von kulturpflanzen
EP2353146B1 (de) Vermessung des wachstums von blattscheiben von pflanzen
CN111582055A (zh) 一种无人机的航空施药航线生成方法及系统
DE102012010912B3 (de) Verfahren zum berührungslosen Bestimmen des aktuellen Ernährungszustandes eines Pflanzenbestandes und zum Verarbeiten dieser Information
DE112015002189T5 (de) Bildfilter auf der Grundlage von Reihenidentifizierung
DE102015221085A1 (de) Verfahren und Informationssystem zum Erkennen zumindest einer auf einem Feld angepflanzten Pflanze
EP3782467A1 (de) Verfahren zum identifizieren von beikräutern innerhalb einer definierten pflanzenreihe einer landwirtschaftlichen fläche
EP3673425A1 (de) Ertragsabschätzung beim anbau von kulturpflanzen
CN108510490A (zh) 一种分析虫害趋势的方法、装置及计算机存储介质
DE102015221092A1 (de) Verfahren und Informationssystem zum Erfassen zumindest eines Pflanzenparameterdatensatzes einer auf einem Feld wachsenden Pflanze
DE102017217258A1 (de) Verfahren zum Klassifizieren von Pflanzen
WO2018054767A1 (de) Bekämpfung von schadorganismen
AT520253A2 (de) Verfahren zur selektiven Holzernte
Tripathy et al. Image processing techniques aiding smart agriculture
Yao et al. Estimating rice flower intensity using flower spectral information from unmanned aerial vehicle (UAV) hyperspectral images
DE102018222623A1 (de) Verfahren zur automatisierten Bewässerung von Pflanzen
DE202022102591U1 (de) System zur Überwachung des Gesundheitszustands von Pflanzen in der Präzisionslandwirtschaft mittels Bildverarbeitung und Faltungsneuronalem Netz
Jiang et al. MIoP-NMS: Perfecting crops target detection and counting in dense occlusion from high-resolution UAV imagery
de Ocampo et al. Integrated Weed Estimation and Pest Damage Detection in Solanum melongena Plantation via Aerial Vision-based Proximal Sensing.
DE102021107320A1 (de) Informationenbereitstellungsvorrichtung, mähfahrzeug und mähverwaltungssystem
EP3468339B1 (de) Verfahren zur ermittlung von pflanzeneigenschaften einer nutzpflanze
DE102019209526A1 (de) Überwachen einer Anbaufläche

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17790724

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112019007962

Country of ref document: BR

ENP Entry into the national phase

Ref document number: 2017790724

Country of ref document: EP

Effective date: 20190520

ENP Entry into the national phase

Ref document number: 112019007962

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20190418