WO2023066562A1 - Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche - Google Patents

Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche Download PDF

Info

Publication number
WO2023066562A1
WO2023066562A1 PCT/EP2022/074794 EP2022074794W WO2023066562A1 WO 2023066562 A1 WO2023066562 A1 WO 2023066562A1 EP 2022074794 W EP2022074794 W EP 2022074794W WO 2023066562 A1 WO2023066562 A1 WO 2023066562A1
Authority
WO
WIPO (PCT)
Prior art keywords
plant
plants
area
identified
row
Prior art date
Application number
PCT/EP2022/074794
Other languages
English (en)
French (fr)
Inventor
Farid Khani
Andreas Weimer
Original Assignee
Robert Bosch Gmbh
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 Robert Bosch Gmbh filed Critical Robert Bosch Gmbh
Publication of WO2023066562A1 publication Critical patent/WO2023066562A1/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Definitions

  • the invention is based on a method for identifying weeds in an identified row of plants on an agricultural area and a corresponding computing unit, a plant identification unit and an agricultural working machine according to the species of the independent claims.
  • the subject matter of the present invention is also a computer program and a machine-readable storage medium
  • DE 10 2017 210 804 A1 discloses a method for applying a spray to a field, the spray being applied depending on the degree of coverage of an evaluation area.
  • plants are segmented using a threshold in the NDVI. From this segmentation, the culture series are recognized. A culture row hose with a certain width is placed around the culture rows. Any segmented object (plant) between the tubes is classified as a weed by definition. All objects that lie within this hose width of the rows or are connected to objects in this hose width are classified as crops by definition.
  • the subject of the present invention is a method for identifying weeds in an identified plant row of an agricultural
  • the subject matter of the present invention is also a computing unit which is set up to carry out and/or control the steps of a previously described method.
  • the subject matter of the present invention is also an agricultural working machine, in particular a field sprayer, with an agricultural working tool, in particular a spraying device, and a previously described plant identification unit, the working tool, in particular the spraying device, depending on the identified weeds in the identified row of plants, using the computing unit is controlled.
  • the present invention also relates to a computer program that is set up to carry out and/or control the steps of a method described above when the computer program is executed on a computer, and a machine-readable storage medium on which the computer program is stored.
  • the method according to the invention now makes it possible to identify weeds in a row of plants or rows of cultivated plants in a very simple and resource-saving manner, without requiring an image database or the like.
  • the method can therefore be used very flexibly, since it makes use of the plant characteristics of the plants and weeds actually on the agricultural area and extracts precisely these in order to identify weeds in the plant rows.
  • this is done in that feature values for a plant feature of plants in the defined crop area are determined in the image information and compared with a frequency distribution of feature values for the plant feature in defined crop areas of previously recorded image information of the agricultural area.
  • a statistical evaluation of a plant characteristic of plants in the identified row of plants or within the defined cultivated plant area which is based on a history of this plant characteristic from the previous image data or previous plants in the row, a distinction can be made in the current one Crop row between crops and weeds take place.
  • no ordinary classification method is used, which carries out a clustering from the plant characteristics, e.g. form factors, and this then determines to which class (crop plant or weed) an object most likely belongs.
  • a classifier is a method that ends up calculating a probability of how well an object fits into a class.
  • the information about the identified weeds in the crop area can be used for subsequent steps in order to identify rows of plants better or more precisely, since the identified or recognized weeds are not taken into account for this or can be "ignored”.
  • An agricultural area can be understood to mean an area used for agriculture, an area under cultivation for plants or also a parcel of such an area or area under cultivation.
  • the agricultural area can thus be arable land, grassland or pasture.
  • the plants include cultivated plants or useful plants, the fruit of which is agricultural is used, for example as food, animal feed or as an energy crop, as well as weeds or weeds.
  • the field section can be a detection section or a detected image section of an optical detection unit.
  • the image information can, for example, be an image of the detected field section.
  • An optical detection unit can be understood to mean, for example, a camera or a 3D camera or an infrared detection unit.
  • the optical detection unit can be calibrated to e.g. B. to calculate the height assignment from captured images.
  • the method can include a step of capturing a field section of an agricultural area with plants by means of the optical capturing unit.
  • the detecting step can be performed during a transit or a flight of the plant identification unit.
  • At least one further step of the method, in particular all steps of the method, can be carried out during a crossing or a flight of the plant identification unit.
  • the plant identification unit can comprise a mobile unit or be arranged on a mobile unit, wherein the mobile unit can be designed in particular as a land vehicle and/or aircraft and/or trailer.
  • the mobile unit can also be a self-propelled or autonomous robot.
  • the plant identification unit is preferably part of an agricultural working machine.
  • the agricultural working machine is preferably a weed regulating machine, in particular a field sprayer.
  • the agricultural working tool is preferably a spray device, but can also be a mechanical tool for weed control.
  • the method includes a step of identifying at least one row of plants or a row of cultivated plants in the image information of the recorded field section by means of the computing unit.
  • the at least one row of plants is preferably identified using at least one of the following items of information: color component, in particular red color component of plants in the recorded field section, infrared component of plants in the recorded field section field section, plant spacing, plant row spacing, growth stage of the plants, geo-coordinates of a sowing of the plants.
  • the rows of plants can be identified in a simple manner by means of this information, since, for example, crop plants are usually planted equidistantly or the crop plants are more advanced in growth stage than the weeds or weeds.
  • all rows of plants are preferably identified in the image information or in the recorded field section.
  • the step of identifying at least one row of plants understandably includes the detection of plants in the image information or in the detected field section.
  • a detection of plants can be understood, for example, as determining the presence of plants in the field section, in particular without the individual plants being classified in the process.
  • the step of detecting plants can include detecting a color component, in particular a red color component and/or an infrared component in the field section or image section.
  • NDVI value Normalized Differenced Vegetation Index, it is formed from reflection values in the near infrared and visible red wavelength range of the light spectrum
  • biomass from the (earth) soil is distinguished
  • the method also includes a step of defining a crop plant area comprising the at least one identified plant row using the at least one identified plant row by means of the computing unit.
  • the crop area is preferably defined using neighborhood pixels of detected plants of the crop area.
  • the cultivated plant area is preferably defined around a generated plant row center line, in particular with the generated plant row center line extending essentially in a straight line.
  • the crop range may fully encompass the plants of the plant row.
  • the cultivated plant area can also include the row of plants, without the individual plants of the row of plants being fully included. Accordingly, the cultivated plant area can also only partially include the individual plants of the plant row.
  • the cultivated plant area can be defined around the respective plant row center line with a constant or defined width.
  • the crop area can also have a variable width, in which case the width can depend on a growth stage of a plant in the crop area arranged in a corresponding frequency range.
  • the cultivated plant area is thus designed in the form of a tube.
  • the crop area has a smaller width than the recorded field section or the corresponding image information.
  • the method also includes a step of determining characteristic values for at least one plant characteristic of plants in the defined crop area in the image information using the computing unit.
  • a characteristic value is determined for each plant characteristic and for each plant.
  • the plant characteristics are preferably characteristics in which the crop plants differ greatly from the weeds.
  • the at least one plant feature is advantageously a geometric feature or shape feature of the plants, in particular selected from the group consisting of: area, in particular pixel area, size, center of gravity, roundness, compactness, convexity, curvature, skewness.
  • the plant feature is preferably an area or a covered area of the ground.
  • the area can be determined in pixels, for example, so that the feature value is a number of pixels of the area.
  • this measure offers the advantage that the plant characteristics mentioned are very well suited for distinguishing the weeds from the crop plants and thus for identifying the weeds.
  • the great advantage lies in the fact that at least one plant characteristic, in particular the area, has already been calculated for another use or decision, so that the information already available can also be used to identify the weeds without a noticeable increase in the (critical) calculation time.
  • the method also includes a step of comparing the characteristic values determined for the at least one plant characteristic with a frequency distribution, ie a history of characteristic values for the at least one plant characteristic of plants from defined crop plant areas previously recorded image information of the agricultural area by means of the computing unit.
  • the defined crop plant areas of the previously recorded image information preferably include the same at least one identified row of plants or previously recorded sections of the same row of plants.
  • the previously captured image information is preferably image information captured immediately beforehand by means of the image capturing unit, in particular during the same movement or crossing of the image capturing unit over the agricultural area.
  • the method also includes a step of identifying the plants of the defined crop plant area with characteristic values that lie outside a defined frequency range of the frequency distribution in order to identify them as weeds in an identified plant row or in the crop plant area comprising the identified plant row.
  • the frequency distribution is preferably a distribution of the absolute frequency of the characteristic values for the at least one plant characteristic. However, it is possible that the frequency distribution is a relative frequency, e.g. based on the sum of 300 plant objects.
  • the defined frequency range of the frequency distribution is dynamically adjusted with an increasing number of previously recorded image information or a defined number of immediately previously recorded image information during the method, in particular during a movement of the optical detection unit over the agricultural area. It is also advantageous if the frequency range of the frequency distribution is defined as a function of a mean value or median of the characteristic values for the at least one plant characteristic, in particular including this. It is particularly advantageous here if a lower frequency threshold value and/or an upper frequency threshold value of the frequency range of the frequency distribution is/are defined as a function of the mean value or median, in particular of defined percentage values of the mean value or median.
  • the frequency threshold values or the respective defined percentage values can be entered manually or determined automatically. The frequency thresholds or the respective defined percentage values can for example, depend on the species and/or genus and/or growth stage and/or the distribution of the area/size of the crop plants.
  • frequency threshold values can be defined with simple statistical evaluations, such as determining the median or mean value and an optional elimination of outliers, which divide the plants based on the plant characteristic, e.g. the area or size.
  • the frequency thresholds are based on parameterisable percentages relative to the median or mean, then in the case of area there will be a lower lower area frequency threshold for a small weed that is significantly smaller than the crop and a higher area frequency threshold for very large weeds.
  • the actual cultivated plants are then represented between these two frequency threshold values. This measure makes the method very flexible, since the frequency threshold values for the identification are adjusted in real time and individually on each field or field section based on the plants occurring in the row in the last, e.g. 300 image information or images (history).
  • the method includes a step of classifying the identified weeds in the identified row of plants into a plant class, in particular a weed class, by means of the computing unit. It is particularly advantageous here if a step of classifying all identified plants of the defined crop plant area into a first plant class, in particular a crop plant class, is provided first, followed by a step of reclassifying the identified weeds in the defined plant row of the defined cultivated plant area into a second plant class different from the first plant class, in particular a weed class, is provided by means of the computing unit.
  • all plants in the crop area are initially viewed as objects of the same class or assigned to the same class, e.g. the class "crop plants", and then incorrectly classified weeds within the plant rows are identified and correctly reclassified.
  • the method includes a step of controlling an agricultural working machine, in particular an agricultural working tool of an agricultural working machine, in particular a spray device of a field sprayer, depending on the identified weeds in the identified row of plants.
  • an agricultural working machine in particular an agricultural working tool of an agricultural working machine, in particular a spray device of a field sprayer, depending on the identified weeds in the identified row of plants.
  • the arithmetic unit is or the arithmetic units are designed or set up for image processing, so that it can carry out calculation steps or image processing steps for carrying out the method according to the invention. Accordingly, each computing unit has corresponding image processing software.
  • the arithmetic unit can be a signal processor, a microcontroller or the like, for example, while the storage unit can be a flash memory, an EPROM or a magnetic storage unit.
  • the communication interface can be designed to read in or output data wirelessly and/or by wire, with a communication interface that can read in or output wire-bound data reading this data, for example electrically or optically, from a corresponding data transmission line or outputting it into a corresponding data transmission line.
  • the method according to the invention can be implemented, for example, in software or hardware or in a mixed form of software and hardware in the processing unit or a control unit.
  • the processing unit can be arranged completely or partially on the agricultural working machine or integrated into it.
  • the computing unit can also be completely or partially external, for example integrated in a cloud.
  • the arithmetic unit can thus also be divided among different units, for example mobile and stationary units.
  • a computer program product or computer program with program code which can be stored on a machine-readable carrier or storage medium such as a semiconductor memory, a hard disk memory or an optical memory and for carrying out, implementing and/or controlling the steps of the method according to one of the embodiments described above, is also advantageous used, especially when the program product or program is run on a computer or device.
  • FIG. 3 shows a flowchart of a method according to an embodiment.
  • Fig. 1 shows image information or an image 10 of a field section 12 of an agricultural area with plants 14 captured by means of an optical detection unit or camera (not shown).
  • the plants 14 include crop plants 16 and weeds 18.
  • rows of plants 20 were identified by means of a computing unit (not shown).
  • the identification of the rows of plants 20 is here by fitting of rectilinear Plant row center lines 22 in image trajectories with the highest NDVI value (difference red to NIR) of the plants 14 takes place.
  • the cultivated plant area 24 is tubular and has a defined, constant width around the respective plant row center line 22 .
  • the cultivated plant area 24 does not include the entire plant body of the plants 14 of the plant rows 20.
  • characteristic values for a plant characteristic which in the exemplary embodiment shown is the area of the plants 14 of the defined crop plant area 24, are determined by means of the computing unit and with a frequency distribution, i.e. a history of areas of plants from the same row of plants 20 comprising defined crop plant areas 24, of previously recorded image information 10 of the agricultural Area 10 compared by the computing unit.
  • the areas were determined in pixels, so that the characteristic value is a pixel number of the area.
  • the frequency distribution or history is shown in FIG.
  • the number of plants 14 is plotted on the abscissa and the area in pixels on the ordinate.
  • a frequency range 28 with a lower frequency threshold value 30 and an upper frequency threshold value 32 was defined in the frequency distribution.
  • the frequency threshold values 30, 32 were defined as a function of the mean value 34 or of defined percentage values of the mean value 34.
  • FIG. 3 shows a flowchart of an embodiment of the approach presented here as a method 100 for identifying weeds 18 in an identified plant row 20 of an agricultural area.
  • the method 100 comprises a step of receiving 102 image information 10 from a field section 12 of an agricultural area with plants 14, 16, 18 detected by means of an optical detection unit.
  • the method 100 further comprises a step of identifying 104 at least one row of plants 20 in the image information 10 using the plants 14, 16, 18 by means of a computing unit.
  • the method 100 also includes a step of defining 106 a crop region 24 comprising the at least one identified row of plants 20 using the at least one identified row of plants 20 in the image information 10 by means of the computing unit.
  • the method 100 also includes a step of determining 110 characteristic values for at least one plant characteristic of plants 14, 16, 18 of the defined crop region 24 in the image information 10 by means of the computing unit.
  • Method 100 also includes a step of comparing 112 the characteristic values determined for the at least one plant characteristic with a frequency distribution of characteristic values for the at least one plant characteristic of plants 14, 16, 18 from defined crop plant regions 24 of previously recorded image information 10 of the agricultural area using the computing unit.
  • the method 100 also includes a step of identifying 114 the plants 14 of the defined crop plant area 24 with characteristic values that lie outside a defined frequency range 28 of the frequency distribution in order to identify them as weeds 18 in an identified row of plants 20 .
  • the method 100 comprises an optional step of classifying 108 the identified plants 14, 16, 18 of the defined crop region 24 into a first plant class, in particular a crop plant class, and a further optional step of reclassifying 116 the identified weeds 18 in the defined plant row 20 of the defined cultivated plant area 24 into a second plant class different from the first plant class, in particular a weed class, by means of the computing unit.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Catching Or Destruction (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Identifizieren von Beikräutern (18) in einer identifizierten Pflanzenreihe (20) einer landwirtschaftlichen Fläche, wobei ermittelte Merkmalswerte für zumindest ein Pflanzenmerkmal in einem definierten Kulturpflanzenbereich (24) einer identifizierten Pflanzenreihe (20) mit einer Häufigkeitsverteilung von Merkmalswerten für das zumindest eine Pflanzenmerkmal von Pflanzen (14, 16, 18) aus definierten Kulturpflanzenbereichen (24) vorhergehend erfasster Bildinformationen (10) der landwirtschaftlichen Fläche verglichen werden, um Pflanzen (14, 16, 18) des definierten Kulturpflanzenbereiches (24) mit Merkmalswerten, welche außerhalb eines definierten Häufigkeitsbereiches der Häufigkeitsverteilung liegen, als Beikräuter (18) in einer identifizierten Pflanzenreihe (20) zu identifizieren.

Description

Beschreibung
Titel
VERFAHREN ZUM IDENTIFIZIEREN VON BEIKRÄUTERN IN EINER PFLANZENREIHE EINER LANDWIRTSCHAFTLICHEN FLÄCHE
Stand der Technik
Die Erfindung geht aus von einem Verfahren zum Identifizieren von Beikräutern in einer identifizierten Pflanzenreihe einer landwirtschaftlichen Fläche sowie einer entsprechenden Recheneinheit, einer Pflanzenidentifizierungseinheit und einer landwirtschaftlichen Arbeitsmaschine nach Gattung der unabhängigen Ansprüche. Gegenstand der vorliegenden Erfindung ist auch ein Computerprogramm und ein maschinenlesbares Speichermedium
Die DE 10 2017 210 804 Al offenbart ein Verfahren zum Ausbringen eines Spritzmittels auf ein Feld, wobei das Spritzmittel in Abhängigkeit von einem Bedeckungsgrad eines Auswertebereiches ausgebracht wird. Hierbei findet bei der Auswertung der Bilddaten eine Segmentierung von Pflanzen mittels Schwelle im NDVI statt. Aus dieser Segmentierung werden die Kulturreihen erkannt. Um die Kulturreihen wird ein Kulturreihenschlauch mit einer gewissen Breite gelegt. Jedes segmentierte Objekt (Pflanze) zwischen den Schläuchen ist per Definition als Beikraut klassifiziert. Alle Objekte, die in dieser Schlauchbreite der Reihen liegen oder mit Objekten in dieser Schlauchbreite verbunden sind, werden per Definition als Kulturpflanze klassifiziert.
Andere Algorithmen nutzen zur Pflanzenerkennung Netze (Deep Learning) oder Klassifikationsmethoden. Dazu sind viele Trainingsdaten, viele Label-Daten und ein Offline-Training im Vorfeld von Nöten. Darüber hinaus sind diese Verfahren sehr rechenintensiv. Offenbarung der Erfindung
Gegenstand der vorliegenden Erfindung ist ein Verfahren zum Identifizieren von Beikräutern in einer identifizierten Pflanzenreihe einer landwirtschaftlichen
Fläche, mit den Schritten:
- Empfangen einer Bildinformation von einem mittels einer optischen Erfassungseinheit erfassten Feldabschnitt einer landwirtschaftlichen Fläche mit Pflanzen;
- Identifizieren von zumindest einer Pflanzenreihe in der Bildinformation unter Verwendung der Pflanzen mittels einer Recheneinheit;
- Definieren eines die zumindest eine identifizierte Pflanzenreihe umfassenden Kulturpflanzenbereiches unter Verwendung der zumindest einen identifizierten Pflanzenreihe in der Bildinformation mittels der Recheneinheit;
- Ermitteln von Merkmalswerten für zumindest ein Pflanzenmerkmal von Pflanzen des definierten Kulturpflanzenbereiches in der Bildinformation mittels der Recheneinheit;
- Vergleichen der ermittelten Merkmalswerte für das zumindest eine Pflanzenmerkmal mit einer Häufigkeitsverteilung von Merkmalswerten für das zumindest eine Pflanzenmerkmal von Pflanzen aus definierten Kulturpflanzenbereichen vorhergehend erfasster Bildinformationen der landwirtschaftlichen Fläche mittels der Recheneinheit; und
- Identifizieren der Pflanzen des definierten Kulturpflanzenbereiches mit Merkmalswerten, welche außerhalb eines definierten Häufigkeitsbereiches der Häufigkeitsverteilung liegen, um diese als Beikräuter in einer identifizierten Pflanzenreihe zu identifizieren.
Gegenstand der vorliegenden Erfindung ist ferner eine Recheneinheit, welche eingerichtet ist, die Schritte eines vorhergehend beschriebenen Verfahrens durchzuführen und/oder zu steuern.
Gegenstand der vorliegenden Erfindung sind außerdem eine Pflanzenidentifizierungseinheit mit einer optischen Erfassungseinheit zum Erfassen eines Feldabschnitts einer landwirtschaftlichen Fläche mit Pflanzen, um eine
Bildinformation von dem erfassten Feldabschnitt zu erhalten, und einer vorhergehend beschriebenen Recheneinheit. Gegenstand der vorliegenden Erfindung ist des Weiteren eine landwirtschaftliche Arbeitsmaschine, insbesondere Feldspritze, mit einem landwirtschaftlichen Arbeitswerkzeug, insbesondere einer Spritzvorrichtung, und einer vorhergehend beschriebenen Pflanzenidentifizierungseinheit, wobei das Arbeitswerkzeug, insbesondere die Spritzvorrichtung in Abhängigkeit von den identifizierten Beikräutern in der identifizierten Pflanzenreihe, mittels der Recheneinheit angesteuert wird.
Gegenstand der vorliegenden Erfindung ist auch ein Computerprogramm, das dazu eingerichtet ist, die Schritte eines vorangehend beschriebenen Verfahrens durchzuführen und/oder zu steuern, wenn das Computerprogramm auf einem Computer ausgeführt wird, sowie ein maschinenlesbares Speichermedium, auf dem das Computerprogramm gespeichert ist.
Durch das erfindungsgemäße Verfahren ist es nunmehr möglich, auf sehr einfache und ressourcensparende Art und Weise Beikräuter in einer Pflanzenreihe bzw. Kulturpflanzenreihe zu identifizieren, ohne dass dabei eine Bilddatenbank oder dergleichen benötigt wird. Das Verfahren ist demnach sehr flexibel einsetzbar, da es sich die Pflanzenmerkmale der tatsächlich auf der landwirtschaftlichen Fläche befindlichen Pflanzen und Beikräuter zunutze macht und genau diese extrahiert, um Beikräuter in den Pflanzenreihen zu identifizieren.
Dies erfolgt erfindungsgemäß dadurch, dass Merkmalswerte für ein Pflanzenmerkmal von Pflanzen des definierten Kulturpflanzenbereiches in der Bildinformation ermittelt werden und mit einer Häufigkeitsverteilung von Merkmalswerten für das Pflanzenmerkmal in definierten Kulturpflanzenbereichen vorhergehend erfasster Bildinformationen der landwirtschaftlichen Fläche verglichen werden. Das heißt, mit anderen Worten, dass mittels statistischer Auswertung eines Pflanzenmerkmals von Pflanzen in der identifizierten Pflanzenreihe bzw. innerhalb des definierten Kulturpflanzenbereiches, welche auf einer Historie dieses Pflanzenmerkmals aus den vorherigen Bilddaten bzw. vorherigen Pflanzen in der Reihe beruht, eine Unterscheidung in der aktuellen Kulturpflanzenreihe zwischen Kulturpflanzen und Unkräutern erfolgen. Dabei wird keine gewöhnliche Klassifikationsmethode angewandt, die aus den Pflanzenmerkmalen, bspw. Formfaktoren ein Clustering durchführt und diese dann eine Entscheidung bestimmt zu welcher Klasse (Kulturpflanze oder Beikraut) ein Objekt am wahrscheinlichsten gehört. Ein Klassifikator ist eine Methode, die am Ende eine Wahrscheinlichkeit berechnet, wie gut ein Objekt zu einer Klasse gehört.
Stattdessen wird ermittelt wie häufig bspw. welche Pflanzengrößen vorkommen und bei denjenigen Objekten mit den Flächengrößen, die am häufigsten vorkommen, geht man davon aus, dass es sich dabei um Kulturpflanzen handelt, da diese in Reihen gesät wurden und dort in großer Anzahl vorkommen bzw. wachsen. Pflanzen, die davon stark abweichende Flächengrößen (kleiner oder größer) besitzen und diese auch seltener vorkommen, werden als Beikraut identifiziert.
Hierdurch wird eine Reihe von Vorteilen geboten:
- Es resultierte eine verbesserte Identifizierung der Beikräuter
- Es ist keine Sammlung von vielen Bilddaten und kein Anfertigen von Labels notwendig, um ein Netz oder Klassifikation zu trainieren, wodurch der Gesamtaufwand stark reduziert wird.
- Es ist kein Offline-Training anhand von Bilddaten im Vorfeld notwendig.
- Die erforderliche Rechenzeit für die Identifizierung oder Klassifizierung anhand eines oder weniger Pflanzenmerkmale ist sehr gering.
- Die Information über die identifizierten Beikräuter in dem Kulturpflanzenbereich kann für darauffolgende Schritte genutzt werden, um Pflanzenreihen besser bzw. genauer zu identifizieren, da die identifizierten bzw. erkannten Beikräuter hierfür unberücksichtigt bleiben bzw. „ignoriert“ werden können.
Unter einer landwirtschaftlichen Fläche kann eine landwirtschaftlich genutzte Fläche, eine Anbaufläche für Pflanzen oder auch eine Parzelle einer solchen Fläche bzw. Anbaufläche verstanden werden. Die landwirtschaftliche Fläche kann somit eine Ackerfläche, ein Grünland oder eine Weide sein. Die Pflanzen umfassen Kulturpflanzen bzw. Nutzpflanzen, deren Frucht landwirtschaftlich genutzt wird, beispielsweise als Nahrungsmittel, Futtermittel oder als Energiepflanze, sowie Beikräuter bzw. Unkräuter.
Der Feldabschnitt kann ein Erfassungsabschnitt bzw. ein erfasster Bildabschnitt einer optischen Erfassungseinheit sein. Die Bildinformation kann bspw. ein Bild des erfassten Feldabschnitts sein. Unter einer optischen Erfassungseinheit kann beispielsweise eine Kamera oder eine 3D- Kamera oder eine Infrarot- Erfassungseinheit verstanden werden. Die optische Erfassungseinheit kann kalibriert sein, um z. B. die Höhenzuordnung aus erfassten Bilder zu errechnen.
Das Verfahren kann einen Schritt des Erfassens eines Feldabschnitts einer landwirtschaftlichen Fläche mit Pflanzen mittels der optischen Erfassungseinheit umfassen. Der Schritt des Erfassens kann während einer Überfahrt oder eines Fluges der Pflanzenidentifizierungseinheit durchgeführt werden. Zumindest ein weiterer Schritt des Verfahrens, insbesondere alle Schritte des Verfahrens kann/können während einer Überfahrt oder eines Fluges der Pflanzenidentifizierungseinheit durchgeführt werden.
Hierbei kann die Pflanzenidentifizierungseinheit eine mobile Einheit umfassen oder auf einer mobilen Einheit angeordnet sein, wobei die mobile Einheit insbesondere als Landfahrzeug und/oder Luftfahrzeug und/oder Anhänger ausgebildet sein kann. Die mobile Einheit kann auch ein selbstfahrender bzw. autonomer Roboter sein. Die Pflanzenidentifizierungseinheit ist bevorzugt Teil einer landwirtschaftlichen Arbeitsmaschine. Die landwirtschaftliche Arbeitsmaschine ist bevorzugt eine Beikrautregulierungsmaschine, insbesondere eine Feldspritze. Das landwirtschaftliche Arbeitswerkzeug ist bevorzugt eine Spritzvorrichtung, kann jedoch auch ein mechanisches Werkzeug zur Beikrautregulierung sein.
Das Verfahren umfasst einen Schritt des Identifizierens von zumindest einer Pflanzenreihe bzw. einer Kulturpflanzenreihe in der Bildinformation des erfassten Feldabschnitts mittels der Recheneinheit. Das Identifizieren der zumindest einen Pflanzenreihe erfolgt bevorzugt unter Verwendung zumindest einer der folgenden Informationen: Farbanteil, insbesondere roter Farbanteil von Pflanzen des erfassten Feldabschnitts, Infrarotanteil von Pflanzen des erfassten Feldabschnitts, Pflanzenabstand, Pflanzreihenabstand, Wachstumsstadium der Pflanzen, Geokoordinaten einer Aussaat der Pflanzen. Mittels dieser Informationen können die Pflanzenreihen auf einfache Art und Weise identifiziert werden, da bspw. Kulturpflanzen in der Regel äquidistant angepflanzt werden oder die Kulturpflanzen vom Wachstumsstadium weiter sind als die Beikräuter bzw. Unkräuter. Bevorzugt werden in dem Schritt des Identifizierens der zumindest einen Pflanzenreihe alle Pflanzenreihen in der Bildinformation bzw. in dem erfassten Feldabschnitt identifiziert.
Der Schritt des Identifizierens von zumindest einer Pflanzenreihe umfasst verständlicherweise das Erfassen von Pflanzen in der Bildinformation bzw. in dem erfassten Feldabschnitt. Unter einem Erfassen von Pflanzen kann beispielsweise das Bestimmen des Vorhandenseins von Pflanzen in dem Feldabschnitt verstanden werden, insbesondere ohne dass dabei eine Klassifizierung der einzelnen Pflanzen erfolgt. Der Schritt des Erfassens von Pflanzen kann ein Erfassen eines Farbanteils, insbesondere eines roten Farbanteils und/oder eines Infrarotanteils in dem Feldabschnitt bzw. Bildabschnitt umfassen. Hierbei können mittels der optischen Erfassungseinheit, bspw. durch Auswertung von Lichtspektren oder anhand eines vorbestimmten NDVI-Wertes (Normalized Differenced Vegetation Index, er wird aus Reflexionswerten im nahen infraroten und sichtbaren roten Wellenlängenbereich des Lichtspektrums gebildet), indem Biomasse vom (Erd-)Boden unterschieden wird, Pflanzen erfasst werden.
Das Verfahren umfasst ferner einen Schritt des Definierens eines die zumindest eine identifizierte Pflanzenreihe umfassenden Kulturpflanzenbereiches unter Verwendung der zumindest einen identifizierten Pflanzenreihe mittels der Recheneinheit. Der Kulturpflanzenbereich wird bevorzugt unter Verwendung von Nachbarschaftspixeln von erfassten Pflanzen des Kulturpflanzenbereiches definiert. Hierbei wird der Kulturpflanzenbereich bevorzugt um eine erzeugte Pflanzenreihenmittelpunktlinie definiert, insbesondere wobei sich die erzeugte Pflanzenreihenmittelpunktlinie im Wesentlichen geradlinig erstreckt. Der Kulturpflanzenbereich kann die Pflanzen der Pflanzenreihe vollständig umfassen. Der Kulturpflanzenbereich kann jedoch auch die Pflanzenreihe umfassen, ohne dass die einzelnen Pflanzen der Pflanzenreihe vollständig umfasst sind. Demnach kann der Kulturpflanzenbereich die einzelnen Pflanzen der Pflanzenreihe auch nur teilweise umfassen. Der Kulturpflanzenbereich kann um die jeweilige Pflanzenreihenmittelpunktlinie mit einer konstanten bzw. definierten Breite definiert werden. Der Kulturpflanzenbereich kann jedoch auch eine variable Breite aufweisen, wobei die Breite von einem Wachstumsstadium einer in einem entsprechenden Häufigkeitsbereich angeordneten Pflanze des Kulturpflanzenbereiches abhängen kann. Der Kulturpflanzenbereich ist somit schlauchförmig ausgebildet. Der Kulturpflanzenbereich weist eine geringere Breite als der erfasste Feldabschnitt bzw. die entsprechende Bildinformation auf.
Das Verfahren umfasst des Weiteren einen Schritt des Ermittelns von Merkmalswerten für zumindest ein Pflanzenmerkmal von Pflanzen des definierten Kulturpflanzenbereiches in der Bildinformation mittels der Recheneinheit. Hierbei wird jeweils ein Merkmalswert je Pflanzenmerkmal und je Pflanze ermittelt. Die Pflanzenmerkmale sind bevorzugt Merkmale, in denen sich die Kulturpflanzen von den Beikräutern stark unterscheiden. Vorteilhafterweise ist das zumindest eine Pflanzenmerkmal bevorzugt ein geometrisches Merkmal bzw. Formmerkmal der Pflanzen, insbesondere ausgewählt ist aus der Gruppe bestehend aus: Fläche, insbesondere Pixelfläche, Größe, Schwerpunkt, Rundheit, Kompaktheit, Konvexität, Wölbung, Schiefe. Das Pflanzenmerkmal ist bevorzugt eine Fläche bzw. eine überdeckte Fläche des Bodens. Die Fläche kann bspw. in Pixel ermittelt werden, sodass der Merkmalswert eine Pixelanzahl der Fläche ist. Diese Maßnahme bietet zum einen den Vorteil, dass die genannten Pflanzenmerkmale sich sehr gut zur Unterscheidung der Beikräuter von den Kulturpflanzen und damit zur Identifizierung der Beikräuter eignen. Zum anderen liegt der große Vorteil darin, dass zumindest ein Pflanzenmerkmal, insbesondere die Fläche bereits für eine andere Verwendung bzw. Entscheidung berechnet wurde, sodass ohne merkliche Erhöhung der (kritischen) Rechenzeit die bereits vorliegende Information zusätzlich zur Identifizierung der Beikräuter genutzt werden kann.
Das Verfahren umfasst ferner einen Schritt des Vergleichens der ermittelten Merkmalswerte für das zumindest eine Pflanzenmerkmal mit einer Häufigkeitsverteilung, d.h. eine Historie von Merkmalswerten für das zumindest eine Pflanzenmerkmal von Pflanzen aus definierten Kulturpflanzenbereichen vorhergehend erfasster Bildinformationen der landwirtschaftlichen Fläche mittels der Recheneinheit. Hierbei umfassen die definierten Kulturpflanzenbereiche der vorhergehend erfassten Bildinformationen bevorzugt dieselbe zumindest eine identifizierte Pflanzenreihe bzw. vorhergehend erfasste Abschnitte derselben Pflanzenreihe. Demnach handelt es sich bei den vorhergehend erfassten Bildinformationen bevorzugt um unmittelbar zuvor erfasste Bildinformationen mittels der Bilderfassungseinheit, insbesondere während der gleichen Bewegung bzw. Überfahrt der Bilderfassungseinheit über der landwirtschaftlichen Fläche.
Das Verfahren umfasst außerdem einen Schritt des Identifizierens der Pflanzen des definierten Kulturpflanzenbereiches mit Merkmalswerten, welche außerhalb eines definierten Häufigkeitsbereiches der Häufigkeitsverteilung liegen, um diese als Beikräuter in einer identifizierten Pflanzenreihe bzw. in dem die identifizierte Pflanzenreihe umfassenden Kulturpflanzenbereich zu identifizieren. Die Häufigkeitsverteilung ist bevorzugt eine Verteilung der absoluten Häufigkeit der Merkmalswerte für das zumindest eine Pflanzenmerkmal. Es ist jedoch möglich, dass die Häufigkeitsverteilung eine relative Häufigkeit ist, bspw. bezogen auf die Summe von 300 Pflanzenobjekten.
Es ist vorteilhaft, wenn der definierte Häufigkeitsbereich der Häufigkeitsverteilung mit steigender Anzahl vorhergehend erfasster Bildinformationen oder einer definierten Anzahl unmittelbar vorhergehend erfasster Bildinformationen während des Verfahrens, insbesondere während einer Bewegung der optischen Erfassungseinheit über der landwirtschaftlichen Fläche dynamisch angepasst wird. Es ist ferner vorteilhaft, wenn der Häufigkeitsbereich der Häufigkeitsverteilung in Abhängigkeit von einem Mittelwert oder Median der Merkmalswerte für das zumindest eine Pflanzenmerkmal definiert wird, insbesondere diesen mit umfasst. Hierbei ist es insbesondere vorteilhaft, wenn ein unterer Häufigkeitsschwellenwert und/oder ein oberer Häufigkeitsschwellenwert des Häufigkeitsbereichs der Häufigkeitsverteilung in Abhängigkeit von dem Mittelwert oder Median, insbesondere von definierten Prozentwerten des Mittelwerts oder Medians definiert wird/werden. Die Häufigkeitsschwellenwerte bzw. die jeweiligen definierten Prozentwerte können manuell eingebbar oder automatisiert ermittelt werden. Die Häufigkeitsschwellenwerte bzw. die jeweiligen definierten Prozentwerte können bspw. von der Art und/oder der Gattung und/oder dem Wachstumsstadium und/oder der Streuung der Fläche/Größe der Nutzpflanzen abhängen.
D.h., mit anderen Worten, dass sich der definierte Häufigkeitsbereich in seiner Breite und/oder Position dynamisch während der Feldüberfahrt ändert, denn es fließen stets neue Merkmalswerte neuer Bildinformationen in die Häufigkeitsverteilung mit ein. Ferner fallen bevorzugt (alte) Merkmalswerte alter Bildinformationen heraus, bspw., wenn lediglich eine definierte konstante Anzahl an aktuellen Bildinformationen berücksichtigt wird, sodass sich die Häufigkeitsschwellenwerte den neusten Gegebenheiten auf der landwirtschaftlichen Fläche anpassen. Somit können mit einfachen statistische Auswertungen, wie bspw. der Bestimmung des Medians oder Mittelwerts und einer optionalen Eliminierung von Ausreißern nach unten und oben Häufigkeitsschwellenwerte definiert werden, welche die Pflanzen basierend auf dem Pflanzenmerkmal, bspw. der Fläche bzw. Größe aufteilen. Wenn die Häufigkeitsschwellenwerte auf parametrisierbaren Prozentwerten bezogen auf den Median oder Mittelwert basieren, ergeben sich im Falle der Fläche ein niedrigerer unterer Flächenhäufigkeitsschwellenwert für ein kleines Beikraut, das wesentlich kleiner als die Kulturpflanzen ist, und eine höherer Flächenhäufigkeitsschwellenwert für sehr großes Beikraut. Zwischen diesen beiden Häufigkeitsschwellenwerten sind dann die eigentlichen Kulturpflanzen vertreten. Durch diese Maßnahme ist das Verfahren sehr flexible, da die Häufigkeitsschwellenwerte für die Identifizierung in Echtzeit und individuell auf jedem Feld oder Feldabschnitt anhand der vorkommenden Pflanzen in der Reihe in den letzten, bspw. 300 Bildinformationen bzw. Bildern (Historie) angepasst werden.
Es ist außerdem vorteilhaft, wenn das Verfahren einen Schritt des Klassifizierens der identifizierten Beikräuter in der identifizierten Pflanzenreihe in eine Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit umfasst. Hierbei ist es insbesondere vorteilhaft, wenn zunächst ein Schritt des Klassifizierens der, d.h. aller identifizierten Pflanzen des definierten Kulturpflanzenbereiches in eine erste Pflanzenklasse, insbesondere eine Kulturpflanzenklasse vorgesehen ist, und anschließend ein Schritt des Reklassifizierens der identifizierten Beikräuter in der definierten Pflanzenreihe des definierten Kulturpflanzenbereiches in eine von der ersten Pflanzenklasse verschiedene zweite Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit vorgesehen ist. D.h., mit anderen Worten, dass zunächst per Definition alle Pflanzen in dem Kulturpflanzenbereich als Objekte derselben Klasse angesehen bzw. derselben Klasse zugeordnet werden, bspw. der Klasse „Kulturpflanzen“, und anschließend fehlklassifizierte Beikräuter innerhalb der Pflanzenreihen identifiziert und richtig reklassifiziert werden.
Des Weiteren ist es vorteilhaft, wenn das Verfahren einen Schritt des Ansteuerns einer landwirtschaftlichen Arbeitsmaschine, insbesondere eines landwirtschaftlichen Arbeitswerkzeugs einer landwirtschaftlichen Arbeitsmaschine, insbesondere einer Spritzvorrichtung einer Feldspritze, in Abhängigkeit von den identifizierten Beikräutern in der identifizierten Pflanzenreihe umfasst. Hierdurch ermöglich das Verfahren, gezielt Beikräuter in den Pflanzenreihen zu bekämpfen bzw. zu regulieren.
Die Recheneinheit ist bzw. die Recheneinheiten sind zur Bildverarbeitung ausgebildet bzw. eingerichtet, sodass sie Berechnungsschritte bzw. Bildverarbeitungsschritte zur Durchführung des erfindungsgemäßen Verfahrens ausführen kann. Demnach weist jede Recheneinheit eine entsprechende Bildverarbeitungssoftware auf. Die Recheneinheit kann beispielsweise ein Signalprozessor, ein Mikrocontroller oder dergleichen sein, wobei die Speichereinheit ein Flash-Speicher, ein EPROM oder eine magnetische Speichereinheit sein kann. Die Kommunikationsschnittstelle kann ausgebildet sein, um Daten drahtlos und/oder leitungsgebunden einzulesen oder auszugeben, wobei eine Kommunikationsschnittstelle, die leitungsgebundene Daten einlesen oder ausgeben kann, diese Daten bspw. elektrisch oder optisch aus einer entsprechenden Datenübertragungsleitung einlesen oder in eine entsprechende Datenübertragungsleitung ausgeben kann.
Demnach kann das erfindungsgemäße Verfahren beispielsweise in Software oder Hardware oder in einer Mischform aus Software und Hardware in der Recheneinheit bzw. einem Steuergerät implementiert sein. Die Recheneinheit kann vollständig oder teilweise an der landwirtschaftlichen Arbeitsmaschine angeordnet bzw. in diese integriert sein. Die Recheneinheit kann jedoch auch vollständig oder teilweise extern, bspw. in einer Cloud integriert sein. Die Recheneinheit kann somit auch auf verschiedene, bspw. mobile und stationäre Einheiten aufgeteilt sein.
Von Vorteil ist auch ein Computerprogrammprodukt oder Computerprogramm mit Programmcode, der auf einem maschinenlesbaren Träger oder Speichermedium wie einem Halbleiterspeicher, einem Festplattenspeicher oder einem optischen Speicher gespeichert sein kann und zur Durchführung, Umsetzung und/oder Ansteuerung der Schritte des Verfahrens nach einer der vorstehend beschriebenen Ausführungsformen verwendet wird, insbesondere wenn das Programmprodukt oder Programm auf einem Computer oder einer Vorrichtung ausgeführt wird.
Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigt:
Fig. 1 eine Bildinformation bzw. ein Bild eines erfassten Feldabschnitts;
Fig. 2 eine Historie von Pflanzen aus zuvor erfassten Bildinformationen mit ihrer Fläche; und
Fig. 3 ein Ablaufdiagramm eines Verfahrens gemäß einem Ausführungsbeispiel.
Fig. 1 zeigt eine Bildinformation bzw. ein Bild 10 eines mittels einer (nicht gezeigten) optischen Erfassungseinheit bzw. Kamera erfassten Feldabschnitts 12 einer landwirtschaftlichen Fläche mit Pflanzen 14. Hierbei umfassen die Pflanzen 14 Kulturpflanzen 16 und Beikräuter 18.
Wie aus Fig. 1 ersichtlich, wurden nach dem Erfassen der Pflanzen 14 (unter Verwendung des roten Farbanteils und/oder Infrarotanteils und einer Pflanzenabstandsinformation) in dem Feldabschnitt 12 Pflanzenreihen 20 mittels einer (nicht gezeigten) Recheneinheit identifiziert. Die Identifizierung der Pflanzenreihen 20 ist hierbei durch Einpassung von geradliniger Pflanzenreihenmittelpunktlinien 22 in Bildtrajektorien mit dem höchsten NDVI Wert (Differenz rot zu NIR) der Pflanzen 14 erfolgt.
Wie weiter aus Fig. 1 ersichtlich, wurde ein Kulturpflanzenbereich 24, welcher die identifizierten Pflanzenreihen 20 umfasst, mittels der Recheneinheit definiert. Der Kulturpflanzenbereich 24 ist schlauchförmig ausgebildet und weist eine definierte konstanten Breite um die jeweilige Pflanzenreihenmittelpunktlinie 22 auf. Der Kulturpflanzenbereich 24 umfasst hierbei nicht den gesamten Pflanzenkörper der Pflanzen 14 der Pflanzenreihen 20.
Anschließend wurden Merkmalswerte für ein Pflanzenmerkmal, welches im gezeigten Ausführungsbeispiel die Fläche der Pflanzen 14 des definierten Kulturpflanzenbereiches 24 mittels der Recheneinheit ermittelt und mit einer Häufigkeitsverteilung, d.h. einer Historie von Flächen von Pflanzen aus dieselbe Pflanzenreihe 20 umfassenden definierten Kulturpflanzenbereichen 24 vorhergehend erfasster Bildinformationen 10 der landwirtschaftlichen Fläche 10 mittels der Recheneinheit verglichen. Die Flächen wurde hierbei in Pixel ermittelt, sodass der Merkmalswert eine Pixelanzahl der Fläche ist.
In Fig. 2 ist die Häufigkeitsverteilung bzw. Historie anhand eines Liniendiagramms mit einer Kurve 26 dargestellt, welche stets dynamisch aufgrund neuer Bildinformationen 10 angepasste wurde. Hierbei ist auf der Abszisse die Anzahl der Pflanzen 14 und auf der Ordinate die Fläche in Pixel aufgetragen. Wie ferner aus Fig. 2 ersichtlich, wurde in der Häufigkeitsverteilung ein Häufigkeitsbereich 28 mit einem unteren Häufigkeitsschwellenwert 30 und einem oberen Häufigkeitsschwellenwert 32 definiert. Die Häufigkeitsschwellenwerte 30, 32 wurden hierbei in Abhängigkeit von dem Mittelwert 34 bzw. von definierten Prozentwerten des Mittelwerts 34 definiert.
Um nun die Beikräuter 18 in der identifizierten Pflanzenreihe 20, d.h. in dem die identifizierte Pflanzenreihe 20 umfassenden Kulturpflanzenbereich 24 zu identifizieren, wurden schließlich diejenigen Pflanzen 14 des definierten Kulturpflanzenbereiches 24 identifiziert, welche eine Flächen aufweisen, welche außerhalb des definierten Häufigkeitsbereiches 28 der Häufigkeitsverteilung liegen. Demnach wurden alle Pflanzen 14 mit einer Fläche unterhalb des unteren Häufigkeitsschwellenwerts 30, d.h. im Bereich 34, und mit einer Fläche oberhalb des Häufigkeitsschwellenwerts 32, d.h. im Bereich 36, als Beikräuter 18 identifiziert bzw. klassifiziert. Alle restlichen Pflanzen 14 mit einer Fläche größer oder gleich dem unteren Häufigkeitsschwellenwert 30 und kleiner oder gleich dem oberen Häufigkeitsschwellenwert 32 wurden als Kulturpflanzen 16 identifiziert bzw. klassifiziert.
Fig. 3 zeigt ein Ablaufdiagramm eines Ausführungsbeispiels des hier vorgestellten Ansatzes als Verfahren 100 zum Identifizieren von Beikräutern 18 in einer identifizierten Pflanzenreihe 20 einer landwirtschaftlichen Fläche. Das Verfahren 100 umfasst einen Schritt des Empfangens 102 einer Bildinformation 10 von einem mittels einer optischen Erfassungseinheit erfassten Feldabschnitt 12 einer landwirtschaftlichen Fläche mit Pflanzen 14, 16, 18. Das Verfahren 100 umfasst ferner einen Schritt des Identifizierens 104 von zumindest einer Pflanzenreihe 20 in der Bildinformation 10 unter Verwendung der Pflanzen 14, 16, 18 mittels einer Recheneinheit. Das Verfahren 100 umfasst außerdem einen Schritt des Definierens 106 eines die zumindest eine identifizierte Pflanzenreihe 20 umfassenden Kulturpflanzenbereiches 24 unter Verwendung der zumindest einen identifizierten Pflanzenreihe 20 in der Bildinformation 10 mittels der Recheneinheit. Das Verfahren 100 umfasst des Weiteren einen Schritt des Ermittelns 110 von Merkmalswerten für zumindest ein Pflanzenmerkmal von Pflanzen 14, 16, 18 des definierten Kulturpflanzenbereiches 24 in der Bildinformation 10 mittels der Recheneinheit. Das Verfahren 100 umfasst ferner einen Schritt des Vergleichens 112 der ermittelten Merkmalswerte für das zumindest eine Pflanzenmerkmal mit einer Häufigkeitsverteilung von Merkmalswerten für das zumindest eine Pflanzenmerkmal von Pflanzen 14, 16, 18 aus definierten Kulturpflanzenbereichen 24 vorhergehend erfasster Bildinformationen 10 der landwirtschaftlichen Fläche mittels der Recheneinheit. Das Verfahren 100 umfasst außerdem einen Schritt des Identifizierens 114 der Pflanzen 14 des definierten Kulturpflanzenbereiches 24 mit Merkmalswerten, welche außerhalb eines definierten Häufigkeitsbereiches 28 der Häufigkeitsverteilung liegen, um diese als Beikräuter 18 in einer identifizierten Pflanzenreihe 20 zu identifizieren. Der Weiteren umfasst das Verfahren 100 einen optionalen Schritt des Klassifizierens 108 der identifizierten Pflanzen 14, 16, 18 des definierten Kulturpflanzenbereiches 24 in eine erste Pflanzenklasse, insbesondere eine Kulturpflanzenklasse, und einen weiteren optionalen Schritt des Reklassifizierens 116 der identifizierten Beikräuter 18 in der definierten Pflanzenreihe 20 des definierten Kulturpflanzenbereiches 24 in eine von der ersten Pflanzenklasse verschiedene zweite Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit.

Claims

Ansprüche
1. Verfahren (100) zum Identifizieren von Beikräutern (18) in einer identifizierten Pflanzenreihe (20) einer landwirtschaftlichen Fläche, mit den Schritten:
- Empfangen (102) einer Bildinformation (10) von einem mittels einer optischen Erfassungseinheit erfassten Feldabschnitt (12) einer landwirtschaftlichen Fläche mit Pflanzen (14, 16, 18);
- Identifizieren (104) von zumindest einer Pflanzenreihe (20) in der Bildinformation (10) unter Verwendung der Pflanzen (14, 16, 18) mittels einer Recheneinheit;
- Definieren (106) eines die zumindest eine identifizierte Pflanzenreihe (20) umfassenden Kulturpflanzenbereiches (24) unter Verwendung der zumindest einen identifizierten Pflanzenreihe (20) in der Bildinformation (10) mittels der Recheneinheit;
- Ermitteln (110) von Merkmalswerten für zumindest ein Pflanzenmerkmal von Pflanzen (14, 16, 18) des definierten Kulturpflanzenbereiches (24) in der Bildinformation (10) mittels der Recheneinheit;
- Vergleichen (112) der ermittelten Merkmalswerte für das zumindest eine Pflanzenmerkmal mit einer Häufigkeitsverteilung von Merkmalswerten für das zumindest eine Pflanzenmerkmal von Pflanzen (14, 16, 18) aus definierten Kulturpflanzenbereichen (24) vorhergehend erfasster Bildinformationen (10) der landwirtschaftlichen Fläche mittels der Recheneinheit; und
- Identifizieren (114) der Pflanzen (14) des definierten Kulturpflanzenbereiches (24) mit Merkmalswerten, welche außerhalb eines definierten Häufigkeitsbereiches (28) der Häufigkeitsverteilung liegen, um diese als Beikräuter (18) in einer identifizierten Pflanzenreihe (20) zu identifizieren.
2. Verfahren (100) nach Anspruch 1, dadurch gekennzeichnet, dass die definierten Kulturpflanzenbereiche (24) der vorhergehend erfassten Bildinformationen (10) dieselbe zumindest eine identifizierte Pflanzenreihe (20) umfassen. Verfahren (100) nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass der definierte Häufigkeitsbereich (28) der Häufigkeitsverteilung mit steigender Anzahl vorhergehend erfasster Bildinformationen (10) oder einer definierten Anzahl unmittelbar vorhergehend erfasster Bildinformationen (10) während des Verfahrens, insbesondere während einer Bewegung der optischen Erfassungseinheit über der landwirtschaftlichen Fläche dynamisch angepasst wird. Verfahren (100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der Häufigkeitsbereich (28) der Häufigkeitsverteilung in Abhängigkeit von einem Mittelwert (34) oder Median der Merkmalswerte für das zumindest eine Pflanzenmerkmal definiert wird, insbesondere diesen mit umfasst. Verfahren (100) nach Anspruch 4, dadurch gekennzeichnet, dass ein unterer Häufigkeitsschwellenwert (30) und/oder ein oberer Häufigkeitsschwellenwert (32) des Häufigkeitsbereichs (28) der Häufigkeitsverteilung in Abhängigkeit von dem Mittelwert (34) oder Median, insbesondere von definierten Prozentwerten des Mittelwerts (34) oder Medians definiert wird/werden. Verfahren (100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Häufigkeitsverteilung eine Verteilung der absoluten Häufigkeit der Merkmalswerte für das zumindest eine Pflanzenmerkmal ist. Verfahren (100) nach einem der vorhergehenden Ansprüche, gekennzeichnet durch einen Schritt des Klassifizierens (116) der identifizierten Beikräuter (18) in der identifizierten Pflanzenreihe (20) in eine Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit. - 17 - Verfahren (100) nach Anspruch 7, gekennzeichnet durch einen Schritt des Klassifizierens (108) der identifizierten Pflanzen (14, 16, 18) des definierten Kulturpflanzenbereiches (24) in eine erste Pflanzenklasse, insbesondere eine Kulturpflanzenklasse, und einen Schritt des Reklassifizierens (116) der identifizierten Beikräuter (18) in der definierten Pflanzenreihe (20) des definierten Kulturpflanzenbereiches (24) in eine von der ersten Pflanzenklasse verschiedene zweite Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit. Verfahren (100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das zumindest eine Pflanzenmerkmal ein geometrisches Merkmal der Pflanzen (14, 16, 18) ist, insbesondere ausgewählt ist aus der Gruppe bestehend aus: Fläche, insbesondere Pixelfläche, Größe, Schwerpunkt, Rundheit, Kompaktheit, Konvexität. Verfahren (100) nach einem der vorhergehenden Ansprüche, gekennzeichnet durch einen Schritt des Ansteuerns (118) einer landwirtschaftlichen Arbeitsmaschine, insbesondere eines landwirtschaftlichen Arbeitswerkzeugs einer landwirtschaftlichen Arbeitsmaschine, insbesondere einer Spritzvorrichtung einer Feldspritze, in Abhängigkeit von den identifizierten Beikräutern (18) in der identifizierten Pflanzenreihe (20). Recheneinheit, welche eingerichtet ist, die Schritte eines Verfahrens (100) nach einem der vorhergehenden Ansprüche durchzuführen und/oder zu steuern. Pflanzenidentifizierungseinheit mit einer optischen Erfassungseinheit zum Erfassen eines Feldabschnitts (12) einer landwirtschaftlichen Fläche mit Pflanzen (14, 16, 18), um eine Bildinformation (10) von dem erfassten Feldabschnitt (12) zu erhalten, und einer Recheneinheit nach Anspruch 11. Landwirtschaftliche Arbeitsmaschine, insbesondere Feldspritze, mit einem landwirtschaftlichen Arbeitswerkzeug, insbesondere einer Spritzvorrichtung, und einer Pflanzenidentifizierungseinheit nach Anspruch - 18 -
12, wobei das Arbeitswerkzeug, insbesondere die Spritzvorrichtung in Abhängigkeit von den identifizierten Beikräutern (18) in der identifizierten Pflanzenreihe (20), angesteuert wird. 14. Computerprogramm, das dazu eingerichtet ist, die Schritte eines Verfahrens
(100) nach einem der Ansprüche 1 bis 10 durchzuführen und/oder zu steuern, wenn das Computerprogramm auf einem Computer ausgeführt wird.
15. Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 14 gespeichert ist.
PCT/EP2022/074794 2021-10-19 2022-09-07 Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche WO2023066562A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021211803.8 2021-10-19
DE102021211803.8A DE102021211803A1 (de) 2021-10-19 2021-10-19 Verfahren zum Identifizieren von Beikräutern in einer identifizierten Pflanzenreihe einer landwirtschaftlichen Fläche

Publications (1)

Publication Number Publication Date
WO2023066562A1 true WO2023066562A1 (de) 2023-04-27

Family

ID=83400706

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/074794 WO2023066562A1 (de) 2021-10-19 2022-09-07 Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche

Country Status (2)

Country Link
DE (1) DE102021211803A1 (de)
WO (1) WO2023066562A1 (de)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017210804A1 (de) 2017-06-27 2018-12-27 Robert Bosch Gmbh Verfahren Ausbringen eines Spritzmittels auf ein Feld
EP3782467A1 (de) * 2019-08-02 2021-02-24 Robert Bosch GmbH Verfahren zum identifizieren von beikräutern innerhalb einer definierten pflanzenreihe einer landwirtschaftlichen fläche

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017210804A1 (de) 2017-06-27 2018-12-27 Robert Bosch Gmbh Verfahren Ausbringen eines Spritzmittels auf ein Feld
EP3782467A1 (de) * 2019-08-02 2021-02-24 Robert Bosch GmbH Verfahren zum identifizieren von beikräutern innerhalb einer definierten pflanzenreihe einer landwirtschaftlichen fläche

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"PATTERN CLASSIFICATION.", 9 November 2000, NEW YORK, JOHN WILEY & SONS., US, ISBN: 978-0-471-05669-0, article DUDA RICHARD O. ET AL: "Introduction", pages: 1 - 19, XP093007155, 027686 *

Also Published As

Publication number Publication date
DE102021211803A1 (de) 2023-04-20

Similar Documents

Publication Publication Date Title
EP3782467B1 (de) Verfahren zum identifizieren von beikräutern innerhalb einer definierten pflanzenreihe einer landwirtschaftlichen fläche
EP3644724B1 (de) Verfahren zum ausbringen eines spritzmittels auf ein feld
WO2023094111A1 (de) Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche
DE102018217742A1 (de) Verfahren zum Ausbringen eines Spritzmittels auf ein Feld
DE102016118227A1 (de) Bildanlysesystem für landwirtschaftliche Arbeitsmaschinen
WO2023110207A1 (de) Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche
DE102018222428A1 (de) Verfahren zum Ausbringen eines Spritzmittels auf eine landwirtschaftliche Fläche
EP2286653A2 (de) Autonome mobile Plattform zur Oberflächenbearbeitung
DE102019213779A1 (de) Verfahren zum Ausbringen eines Spritzmittels auf eine landwirtschaftliche Fläche
DE102020215874A1 (de) Verfahren zum Ausbringen eines Spritzmittels auf eine landwirtschaftliche Fläche
EP4088223A1 (de) Verfahren zum generieren einer vielzahl von annotierten bildern
DE102017217258A1 (de) Verfahren zum Klassifizieren von Pflanzen
WO2023066562A1 (de) Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche
EP4064819B1 (de) Verfahren zum bearbeiten von pflanzen auf einem feld, zum generieren von trainingsdaten und zum trainieren eines neuronalen netzes
DE102022212169A1 (de) Verfahren zum Klassifizieren von Pflanzen in und/oder zwischen Pflanzenreihen einer landwirtschaftlichen Fläche
DE102022212171A1 (de) Verfahren zum Klassifizieren von Pflanzen in und/oder zwischen Pflanzenreihen einer landwirtschaftlichen Fläche
WO2022128382A1 (de) Verfahren zum klassifizieren von pflanzen für landwirtschaftlichen zwecke
DE102020215879A1 (de) Verfahren zum Ausbringen eines Spritzmittels auf eine landwirtschaftliche Fläche
DE102020215880A1 (de) Verfahren zum Ausbringen eines Spritzmittels auf eine landwirtschaftliche Fläche
DE102022212161A1 (de) Verfahren zum Ermitteln einer Breitenkennzahl von Pflanzen einer Pflanzenreihe einer landwirtschaftlichen Fläche
DE102022212162A1 (de) Verfahren zum Ermitteln einer Pflanzenkennzahl von Pflanzen einer Pflanzenreihe einer landwirtschaftlichen Fläche
DE102019209526A1 (de) Überwachen einer Anbaufläche
DE102019201977A1 (de) Verfahren zum Ermitteln eines Zustandes einer Feldfrucht-Bepflanzung und landwirtschaftliches Fahrzeug
EP4064818B1 (de) Verfahren zum bearbeiten von pflanzen auf einem feld
DE102020215877A1 (de) Verfahren zum Klassifizieren von Pflanzen für landwirtschaftliche Zwecke

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: 22773655

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE