CN109963465A - 用于经由无人交通工具标识包含农作物的区域中的有害生物的***和方法 - Google Patents
用于经由无人交通工具标识包含农作物的区域中的有害生物的***和方法 Download PDFInfo
- Publication number
- CN109963465A CN109963465A CN201780068744.9A CN201780068744A CN109963465A CN 109963465 A CN109963465 A CN 109963465A CN 201780068744 A CN201780068744 A CN 201780068744A CN 109963465 A CN109963465 A CN 109963465A
- Authority
- CN
- China
- Prior art keywords
- harmful organism
- crops
- detection
- region
- uav
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 claims abstract description 159
- 241001269238 Data Species 0.000 claims abstract description 20
- 230000004044 response Effects 0.000 claims abstract description 10
- 230000033001 locomotion Effects 0.000 claims description 37
- 238000003860 storage Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000009313 farming Methods 0.000 claims description 3
- 238000012372 quality testing Methods 0.000 claims description 3
- 231100001261 hazardous Toxicity 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 13
- 238000003032 molecular docking Methods 0.000 description 100
- 230000000994 depressogenic effect Effects 0.000 description 14
- 238000007689 inspection Methods 0.000 description 10
- 230000005855 radiation Effects 0.000 description 6
- 239000002689 soil Substances 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 241000238631 Hexapoda Species 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000035943 smell Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000000069 prophylactic effect Effects 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 241000256844 Apis mellifera Species 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- 241000282994 Cervidae Species 0.000 description 1
- 241000255749 Coccinellidae Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 208000001034 Frostbite Diseases 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 241000258241 Mantis Species 0.000 description 1
- 241000723104 Progne subis Species 0.000 description 1
- 241000219780 Pueraria Species 0.000 description 1
- 241000270295 Serpentes Species 0.000 description 1
- 241000159241 Toxicodendron Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 244000144980 herd Species 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000007096 poisonous effect Effects 0.000 description 1
- 244000062645 predators Species 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M31/00—Hunting appliances
- A01M31/002—Detecting animals in a given area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/45—UAVs specially adapted for particular uses or applications for releasing liquids or powders in-flight, e.g. crop-dusting
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- General Business, Economics & Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Economics (AREA)
- Environmental Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Mining & Mineral Resources (AREA)
- Insects & Arthropods (AREA)
- Pest Control & Pesticides (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Catching Or Destruction (AREA)
- Traffic Control Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
Abstract
在一些实施例中,标识包含农作物的区域中的至少一个有害生物的方法和***包括无人交通工具,其包括被配置为检测包含农作物的区域中的有害生物和捕捉第一有害生物检测数据的可见光摄像机以及被配置为检测包含农作物的区域中的有害生物和捕捉第二有害生物检测数据的红外摄像机。一种包括基于处理器的控制电路并且被配置为与无人交通工具通信的计算设备被配置为经由网络从UAV接收第一有害生物检测数据和第二有害生物检测数据,并且,响应于对来自UAV的第一和第二有害生物检测数据的接收,计算设备的控制电路被配置为组合第一和第二有害生物检测数据以创建组合的有害生物检测数据,这继而使计算设备的控制电路能够基于有害生物身份数据和组合的有害生物检测数据来确定有害生物的身份。
Description
相关申请的交叉引用
本申请要求2016年9月8日提交的美国临时申请号62/384,850的权益,通过引用其全文将其并入本文中。
技术领域
本公开一般涉及标识包含农作物的区域中的有害生物(pest),并且具体地涉及通过无人交通工具(unmanned vehicle)标识包含农作物的区域中的有害生物。
背景技术
针对农作物破坏性有害生物监视农作物和保护农作物对于农民是至关重要的。保护农作物免受农作物破坏性有害生物的方法包括稻草人或被设计为一般吓跑所有有害生物的、在包含农作物的区域中安装的其他设备。稻草人或安装在农作物上或附近的反光带/箔可能能够吓跑一些有害生物(例如鸟),但通常对其他有害生物(例如昆虫)没有任何影响,并且没有使农民能够标识攻击包含农作物的区域中的农作物的一个或多个有害生物。保护农作物免受农作物破坏性有害生物的方法还包括化学喷洒(chemical spraying),其被设计为驱离和/或杀死农作物攻击有害生物。化学喷雾通常以一类有害生物为目标,而不影响其他类有害生物。鉴于上述抗有害生物设备击退但未标识农作物攻击有害生物,选择用于农作物的适当的化学抗有害生物处理对农民来说可以是困难的,这经常迫使农民使用多种化学喷雾作为防备可能攻击包含农作物的区域中的农作物的多种有害生物的预防剂(prophylactic)。然而,对农作物的化学喷洒是昂贵的并且可能不被一些消费者有利地看待。
附图说明
本文公开了涉及标识包含农作物的区域中的一个或多个有害生物的***、设备和方法的实施例。该描述包括附图,其中:
图1是根据一些实施例的用于标识包含农作物的区域中的至少一个有害生物的***的图。
图2包括根据这些教导的各种实施例配置的UAV的框图;
图3是根据一些实施例的计算设备的功能框图;和
图4是根据一些实施例的标识包含农作物的区域中的至少一个有害生物的方法的流程图。
图中的元素是为了简单和清楚而示出的,并且不一定按比例绘制。例如,图中的一些元素的尺寸和/或相对定位可能相对于其他元素被夸大,以帮助改进对本发明的各种实施例的理解。而且,通常未描绘在商业上可行的实施例中有用或必要的常见但易于理解的元素,以促进更少地阻碍对这些各种实施例的观察。某些动作和/或步骤可以以特定的发生顺序描述或描绘,而本领域技术人员将理解,实际上不需要关于序列的这种特异性。本文使用的术语和表达具有如上所述的本技术领域的技术人员对这些术语和表达赋予的普通技术含义,除非在本文已经阐述了不同的具体含义。
具体实施方式
以下描述不应被视为具有限制意义,而仅仅是出于描述示例性实施例的一般原理的目的。贯穿本说明书对“一个实施例”、“实施例”或类似语言的引用意味着结合该实施例描述的特定特征、结构或特性被包括在本发明的至少一个实施例中。因此,贯穿本说明书出现的短语“在一个实施例中”、“在实施例中”和类似语言可以但不一定全部指代相同的实施例。
通常,本文描述的***、设备和方法提供通过一个或多个UAV针对农作物破坏性有害生物标识包含农作物的区域中的有害生物,所述一个或多个UAV被配置为捕捉包含农作物的区域中的有害生物检测数据并基于捕捉的有害生物检测数据标识一个或多个有害生物。
在一个实施例中,一种用于标识包含农作物的区域中的至少一个有害生物的***包括:至少一个无人飞行器(unmanned aerial vehicle),包括可见光摄像机,其被配置为检测包含农作物的区域中的至少一个有害生物并且捕捉第一有害生物检测数据,以及红外摄像机,其被配置为检测包含农作物的区域中的至少一个有害生物并捕捉第二有害生物检测数据;至少一个电子数据库,包括与至少一个有害生物相关联的有害生物身份数据;以及计算设备,包括基于处理器的控制电路并且被配置为经由网络与至少一个无人飞行器和至少一个电子数据库通信。至少一个无人飞行器被配置为经由网络将第一有害生物检测数据和第二有害生物检测数据传输到计算设备。响应于经由网络从至少一个无人飞行器接收到第一和第二有害生物检测数据,计算设备的控制电路被配置为组合第一和第二有害生物检测数据以创建组合的有害生物检测数据,并且计算设备的控制电路被配置为基于有害生物身份数据和组合的有害生物检测数据确定至少一个有害生物的身份。
在另一实施例中,一种标识包含农作物的区域中的至少一个有害生物的方法包括:提供包括可见光摄像机和红外摄像机的至少一个无人飞行器;检测包含农作物的区域中的至少一个有害生物并通过可见光摄像机捕捉第一有害生物检测数据;检测包含农作物的区域中的至少一个有害生物并通过红外摄像机捕捉第二有害生物检测数据;提供至少一个电子数据库,其包括与至少一个有害生物相关联的有害生物身份数据;提供计算设备,其包括基于处理器的控制电路并且被配置为经由网络与所述至少一个无人飞行器和所述至少一个电子数据库通信;通过网络将第一有害生物检测数据和第二有害生物检测从至少一个无人飞行器传输到计算设备;经由网络在计算设备处从至少一个无人飞行器接收第一和第二有害生物检测数据;经由计算设备的控制电路组合第一和第二有害生物检测数据以创建组合的有害生物检测数据;并且经由计算设备的控制电路基于有害生物身份数据和组合的有害生物检测数据来确定至少一个有害生物的身份。
图1示出了用于标识包含农作物的区域110中的至少一个有害生物的***100的实施例。应当理解,该示例的细节旨在用于说明性的能力,并且不一定旨在表明关于本教导的任何限制。
通常,图1的示例性***100包括UAV 120,其包括一个或多个部件,一个或多个部件被配置为检测并促进对包含农作物的区域110中的一个或多个有害生物的标识。在一些实施例中,UAV 120包括被配置为从包含农作物的区域110中消除有害生物的输出部件。 一些合适的输出设备的示例在2016年9月8日提交的题为“SYSTEMS AND METHODS FORDEFENDING CROPS FROM CROP-DAMAGING PESTS VIA UNMANNED VEHICLES”的共同未决申请中进行了讨论,该申请通过引用全文结合于此。
虽然图1中仅示出了一个UAV 120,但是应当理解,***100可以包括两个或更多个UAV 120,其被配置为巡视包含农作物的区域110并检测包含农作物的区域110中的一个或多个有害生物。***100还包括坞站(docking station)130,其被配置为允许UAV 120着陆在其上、入坞以及再充电。虽然图1中仅示出了一个坞站130,但是可以理解,***100可以包括两个或更多个坞站130。虽然坞站130在图1中被示出为位于包含农作物的区域110中,但是可以理解,一个或多个(或所有)坞站130可以定位在包含农作物的区域110的外部。坞站130可以被配置为不移动或者移动的站。通常,UAV 120被配置为通过覆盖包含农作物的区域110的空间飞过地面并且着陆和入坞在坞站130上(例如,用于再充电),如下面更详细地描述的。示例性***100还包括基于处理器的计算设备140,其通过网络150与UAV 120(例如,经由通信信道125和145)和/或坞站130(例如,经由通信信道135和145)进行双向通信,并且电子数据库160通过网络150与至少计算设备140(例如,经由通信信道145和165)进行双向通信。
网络150可以是一个或多个无线网络类型的一个或多个无线网络(诸如,无线局域网(WLAN)、无线个域网(PAN)、无线网状网络、无线星形网络、无线广域网(WAN)、局域网(LAN)、蜂窝网络以及此类网络的组合以及诸如此类),其能够根据任何已知的无线协议提供UAV 120的所需范围的无线覆盖,任何已知的无线协议包括但不限于蜂窝、Wi-Fi或蓝牙网络。在图1的***100中,计算设备140被配置为经由网络150访问至少一个电子数据库160,但是应当理解,计算设备140可以被配置为使得计算设备140直接耦合到电子数据库160并且可以直接、不经由网络150访问存储在电子数据库160中的信息。
应当理解,可以在***100的不同实施例中包括更多或更少的这种部件。例如,在一些实施例中,坞站130对于***100是可选的,并且在这样的实施例中,UAV 120被配置为从部署站(例如,独立或车载的)起飞以发起对包含农作物的区域110的巡视,并且在巡视包含农作物的区域110之后返回到部署站而不进行再充电。另外,在一些方面中,计算设备140和电子数据库160可以被实现为单独的物理设备,如图1中所示(可以在一个物理位置或两个单独的物理位置),或者被可以实现为单个设备。在一些实施例中,电子数据库160可以存储在例如计算设备140内部或外部的非易失性存储介质(例如,硬盘驱动器、闪存驱动器或可移动光盘)上,或者可以在与计算设备140不同的计算设备的内部或外部。在一些实施例中,电子数据库160是基于云的。
在一些实施例中,部署在示例性***100中的UAV 120不需要人类操作员的物理操作并且与计算设备140无线通信,并且完全或大部分由计算设备140控制。具体地,在一些实施例中,计算设备140被配置为基于多种输入控制UAV 120的定向移动和动作(例如,飞行、悬停、着陆、起飞、在地面上时移动、产生吓跑或驱赶(herd)有害生物的声音等)。
通常,图1的UAV 120被配置为围绕包含农作物的区域移动并检测包含农作物的区域110中的一个或多个有害生物。虽然本文一般性地描述了无人飞行器,但是在一些实施例中,在不脱离本公开的精神的情况下,可以利用本文描述的***和方法使用由人远程控制的飞行器。在一些实施例中,UAV 120可以是多轴飞行器(multicopter)的形式,例如,四轴飞行器、六轴飞行器、八轴飞行器或诸如此类。在一个方面中,UAV 120是无人地面交通工具(UGV),其在计算设备140(或人类操作员)的引导下在围绕包含农作物的区域110的地面上移动。在一些实施例中,如下面更详细描述的,UAV 120包括通信设备(例如,收发器),其被配置为在UAV 120飞行时和/或当UAV 120在坞站130处入坞时与计算设备140通信。
图1中示出的示例性UAV 120包括传感器122、可见光摄像机124、红外摄像机126和麦克风128。通常,传感器122、可见光摄像机124、红外摄像机126和麦克风128促进对包含农作物的区域110的监视、对包含农作物的区域110中一个或多个有害生物(例如,昆虫、鸟或动物)的存在的检测以及有害生物检测数据的捕捉,然后由计算设备140对其进行分析以标识这样的有害生物,如将在下面更详细地描述的那样。虽然麦克风128在图1中示出为是与可见光摄像机124和红外摄像机126分开的设备,但是可以理解,在一些方面中,可见光摄像机124和红外摄像机126中的每一个可以包括内置麦克风。
在一些实施例中,图1的UAV 120的传感器122包括雷达使能传感器,其被配置为检测包含农作物的区域110的外部的一个或多个有害生物的移动,例如,当有害生物通过空气、地面或海洋正在接近包含农作物的区域110时。在一个方面中,传感器122是运动检测使能传感器,其被配置为检测包含农作物的区域110中的一个或多个有害生物的移动。在一些实施例中,传感器122被配置为响应于运动传感器检测到包含农作物的区域110中或附近的一个或多个有害生物的移动激活可见光摄像机124和红外摄像机126中的一者或两者。
在一些实施例中,传感器122可以被配置为检测由包含农作物的区域110中的有害生物发出的一种或多种气味。此类气味可以包括由有害生物自身发出的气味和/或从包含农作物的区域中的有害生物粪便发出的气味。
在一些实施例中,UAV 120的一个或多个传感器122被配置为检测在包含农作物的区域110中的至少一类非有害生物农作物破坏性因素的存在并捕捉此类非有害生物农作物破坏性因素的存在的特性,然后由计算设备140对其进行分析以标识造成农作物破坏的环境因素,并确定UAV 120的指令集以补救此类农作物破坏性环境因素。例如,在一个方面中,在包含农作物的区域110中由UAV 120的传感器122可检测到的对一个或多个农作物的非有害生物破坏包括环境破坏,其包括但不限于:农作物的叶子、果实、花朵或茎上的真菌存在、在农作物上生长的果实上的黑色腐烂斑点的存在(可能由细菌、霉菌、霉病等引起)、不平衡的土壤含量(例如,由黄化或矮化的叶子等指示)、由雨、干旱、风、冻伤、地震、过度施肥、动物(如鹿、地鼠、鼹鼠、蛆等)和/或其他植物或树木(例如,农作物破坏性植物或杂草,如野葛,或有毒植物,如毒葛)引起的土壤破坏和/或侵蚀。在一些实施例中,在从UAV 120接收到指示可归因于一个或多个这样的环境因素的农作物破坏的检测的数据之后,计算设备140指示UAV 120部署一个或多个补救措施。
例如,在一个方面中,如果在包含农作物的区域110的一个角落中由UAV 120的传感器122检测到对农作物和/或包含农作物的土壤的洪水破坏,则计算设备140指示UAV 120将一个或多个沙袋部署到受洪水影响的区域。在另一方面中,如果由UAV 120的传感器122检测到与挖掘/挖洞昆虫或哺乳动物有害生物一致的土壤破坏,则计算设备140指示UAV120部署一个或多个捕食者(例如,诸如北美洲紫燕、猫头鹰等之类的鸟、蝙蝠、诸如螳螂之类的昆虫或某些种类的蛇),预计其将从受影响的区域消灭和/或吓跑引起土壤破坏的有害生物。在一个方面中,对于某些类型的检测到的非有害生物农作物破坏,计算设备140指示UAV 120在受影响的区域中部署对农作物有益的一个或多个昆虫(例如,瓢虫、蜜蜂等),以便改进农作物的健康和/或生产力(productivity)。
在一些实施例中,如下面更详细描述的,UAV 120的传感器122包括一个或多个与坞站相关联的传感器,包括但不限于:光学传感器、照相机、RFID扫描仪、短距射频收发器等。通常,UAV 120的与坞站相关联的传感器被配置为基于坞站130的引导***和/或标识符来检测和/或标识坞站130。例如, UAV 120的与坞站相关联的传感器可以被配置为从视觉标识符、光学可读代码、射频标识(RFID)标签、光学信标和射频信标中的一个或多个捕捉坞站的标识信息。
图1的UAV 120的可见光摄像机124被配置为检测包含农作物的区域110中的一个或多个有害生物并捕捉第一有害生物检测数据。可见光摄像机124被配置为捕捉包含农作物的区域110中的有害生物的可见频率视频数据,并且可以是运动激活的摄像机和/或高清摄像机。可见光摄像机124捕捉的第一有害生物检测数据可以包括但不限于包含农作物的区域110中的有害生物的实时视频或数字静止图像、包含农作物的区域110中的有害生物粪便、巢和/或尸体的实时视频或数字静止图像或诸如此类)。
图1的UAV 120的红外摄像机126被配置为检测包含农作物的区域110中的一个或多个有害生物的存在并捕捉第二有害生物检测数据。红外摄像机126被配置为捕捉包含农作物的区域110中的有害生物的红外频率视频数据,并且可以是运动激活的摄像机和/或高清摄像机。在一个方面中,红外摄像机126通过在夜间、在存在不少可见光或不存在可见光时捕捉基于红外频率的有害生物检测数据来操作。红外摄像机126捕捉的第一有害生物检测数据可以包括但不限于包含农作物的区域110中的有害生物的红外实时视频或数字静止图像、包含农作物的区域110中的有害生物粪便、巢和/或尸体的红外实时视频或数字静止图像或诸如此类)。在一些方面中,红外摄像机126被配置用于包含农作物的区域110中的有害生物热特征的热检测。
通常,可见光传感器和红外传感器之间的一个区别是可见光具有以比红外光更锐利和更清晰的方式表示背景的能力。不希望受到理论的限制,该区别的一个原因是可见光照相机通常不用于测量温度并通过记录反射的可见光产生可见光图像,这通常产生比用于测量温度并记录发射的红外辐射的红外照相机更锐利的图像。例如,反射的可见辐射可以产生与锐利边缘和强度差异的鲜明对比,例如,当细的浅色线出现在细的深色线旁边时将是可见的。相反,当使用红外照相机时,具有带有彼此旁边的明显温差的表面通常是不常见的,因为附近或相邻物体之间的热传递可以通过产生温度梯度来消除(wash out)温度差异,这使得难以产生具有锐利边缘的发射的辐射的图像。
如下面将更详细讨论的,在一些实施例中,在通过可见光摄像机124和红外摄像机126检测到包含农作物的区域110中的一个或多个有害生物之后,UAV 120被配置为(经由网络150)向计算设备140发送信号,其包括由可见光摄像机124捕捉的第一有害生物检测数据和由红外摄像机126捕捉的第二有害生物检测数据,并且响应于接收到在来自UAV 120的这种信号,计算设备140被配置为组合第一和第二有害生物检测数据以创建组合的有害生物检测数据。由于组合的有害生物检测数据包括反射的可见光数据和发射的红外辐射数据两者,所以组合的有害生物检测数据是锐利的、清晰的并且包括对象的温度信息(即,有害生物和/或有害生物背景(例如,叶子、茎杆、土壤等)环境),由此在白天和夜晚期间,计算设备140促进包含农作物的区域110中的有害生物的更准确的检测和/或标识。
在一些实施例中,图1的UAV 120的麦克风128被配置为检测由包含农作物的区域110中的一个或多个有害生物产生的声音。麦克风128可以被配置为拾取与已知攻击包含农作物的区域110中的农作物的有害生物发出的声音相关联的各种声音频率。
如上所述,虽然为了便于说明图1中仅示出了一个UAV 120,但是应当理解,在一些实施例中,计算设备140可以同时与两个或更多UAV 120通信和/或向两个或更多UAV 120提供飞行路线指令和/或有害生物标识信息,以在针对不希望的有害生物对包含农作物的区域110进行巡视时沿着它们预定的路线引导UAV 120。在一些实施例中,UAV 120的传感器122可以包括其他飞行传感器,例如光学传感器和雷达,用于检测障碍物(例如,其他UAV120)以避免与此类障碍物的碰撞。
图2呈现了根据一些实施例的图1的UAV 120的结构的更详细示例。图2的示例性UAV 120包括具有壳体202,壳体202包含(部分或全部)或至少支撑并承载多个部件。这些部件包括控制单元204,控制单元204包括控制电路206,控制电路206与计算设备140的控制电路310一样,控制UAV 120的一般操作。控制单元204包括耦合到控制电路206的存储器208,用于存储数据(例如,有害生物检测数据、由计算设备140发送的操作指令或诸如此类)。
在一些实施例中,UAV 120的控制电路206可操作地耦合到机动腿(motorizedleg)***210。该机动腿***210用作运动***以允许UAV 120着陆在坞站130上和/或在坞站130上时移动。机动腿***的各种示例在本领域中是已知的。为了简洁起见,这里没有提供这些方面的进一步详细说明,以指出上述控制电路206可以被配置为控制机动腿***210的各种操作状态,从而控制机动腿***210何时以及如何操作。
在图2的示例性实施例中,控制电路206可操作地耦合到根据任何已知的无线协议操作的至少一个无线收发器212。该无线收发器212可以包括例如蜂窝兼容的、Wi-Fi兼容的和/或蓝牙兼容的收发器,其可以经由网络150与计算设备140无线通信。如此配置, UAV120的控制电路206可以(经由网络150)向计算设备140提供信息,并且可以从计算设备140接收信息和/或移动和/或有害生物标识信息和/或抗有害生物输出指令。例如,可以使得无线收发器212(例如,由控制电路206)经由网络150向计算设备140传输至少一个信号,该信号包括在巡视包含农作物的区域110时由可见光摄像机124检测到的第一有害生物检测数据和红外摄像机126检测到的第二有害生物检测数据两者。在一个方面中,可以使得无线收发器212(例如,由控制电路206)向计算设备140或向另一计算设备(例如,在包含农作物的区域110处的工作人员的手持设备)传输警报,该警报指示在包含农作物的区域110中已检测到一种或多种有害生物。这些教导将根据需要和/或在给定的应用设置中可能是适当的来适应(accommodate)使用各种无线技术中的任何无线技术。如果需要,这些教导还将适应采用两个或更多不同的无线收发器212。
控制电路206还耦合到UAV 120的一个或多个机载传感器222。这些教导将适应各种传感器技术和形状因数。在一个方面中,机载传感器222被配置为基于由包含农作物的区域110中的有害生物发出的气味来检测包含农作物的区域110中的至少一个有害生物的存在。这样的传感器222可以提供信息(例如,有害生物气味检测数据),控制电路206和/或计算设备140可以分析其以标识由传感器222检测到的有害生物。在一些实施例中,UAV 120的传感器222被配置为沿着UAV 120的行进路径检测物体和/或障碍物(例如,坞站130、其他UAV 120、鸟等的存在和/或位置)。在一些实施例中,使用机载传感器222(例如距离测量单元,例如,激光器或其他基于光学的距离测量传感器),UAV 120可以尝试避开障碍物,并且如果不能避免,则UAV 120将停止直到障碍物清除和/或向计算设备140通知此类条件。
控制电路206还耦合到可见光摄像机224、红外摄像机226和麦克风228。如上所述,麦克风228被配置为基于检测由包含农作物的区域110中的有害生物发出的声音来检测包含农作物的区域110中的一个或多个有害生物,同时可见光摄像机224和红外摄像机226被配置为检测包含农作物的区域110中的有害生物、有害生物粪便、有害生物尸体和/或有害生物巢的移动或物理存。如下面将更详细讨论的,可见光摄像机224和红外摄像机226生成UAV 120的控制电路206和/或计算设备140的控制电路310可以分析以标识由可见光摄像机224和红外摄像机226检测到的有害生物的信息(例如,第一有害生物检测数据和第二有害生物检测数据)。另外,UAV 120的麦克风228可以捕捉由包含农作物的区域110中的有害生物发出的声音,其使能计算设备140对所述有害生物的标识。
通过一种可选方法,音频输入216(例如麦克风)和/或音频输出218(例如扬声器)也可以可操作地耦合到UAV 120的控制电路206。如此配置,控制电路206可以提供各种可听声音以使UAV 120能够与坞站130或其他UAV 120通信。这种声音可以包括各种音调和其他非语言声音中的任何声音。
在图2的实施例中,UAV 120包括可再充电电源220,例如一个或多个电池。由可再充电电源220提供的电力可能可用于需要电能的UAV 120的任何部件。通过一种方法,UAV120包括插头或其他导电接口,控制电路206可利用该插头或其他导电接口自动地连接到外部电能源(例如,坞站130的充电坞132)以对可再充电电源200再充电。通过一种方法,UAV120可以包括一个或多个太阳能充电板,以延长UAV 120的飞行时间(或地面驾驶时间)。
这些教导还将适应可选的选择性地和临时地将UAV 120耦合到坞站130。在这样的实施例中,UAV 120包括坞站耦合结构214。在一个方面中,坞站耦合结构214可操作地耦合到控制电路206以由此允许后者控制UAV 120的移动(例如,经由悬停和/或经由机动腿***210)朝向特定的坞站130,直到坞站耦合结构214可以接合坞站130,以从而临时地将UAV120物理地耦合到坞站130。如此耦合,UAV 120可以经由坞站130的充电坞132再充电。
在一些实施例中,UAV 120包括耦合到控制电路206的输出设备。这种输出设备被配置为消除在包含农作物的区域110中检测到的一个或多个有害生物。如上所述,一些合适的输出设备的示例在2016年9月8日提交的题为“SYSTEMS AND METHODS FOR DEFENDINGCROPS FROM CROP-DAMAGING PESTS VIA UNMANNED VEHICLES”的共同未决申请中进行了讨论,该申请通过引用全文结合于此。
在一些实施例中,UAV 120包括用户接口225,其包括例如用户输入和/或用户输出或显示器,这取决于出于例如,UAV 120的手动控制,或UAV 120的诊断或维护的目的与用户(例如,计算设备140的操作员)的预期交互。一些示例性用户输入包括但不限于诸如按钮、旋钮、开关、触敏表面、显示屏以及诸如此类的输入设备。示例用户输出包括灯、显示屏以及诸如此类。用户接口225可以与在操作员可用的可选用户接口单元(例如,智能电话或平板计算机)处实现的任何用户接口一起工作或分开工作以远程访问UAV 120。例如,在一些实施例中,UAV 120可以由直接接近UAV 120的用户(例如,在包含农作物的区域110处的工作人员)控制。这是由于计算设备140将控制信号输出到UAV 120的一些实施例的架构。这些控制信号可以源自与计算设备140通信的任何电子设备。例如,发送到UAV 120的移动信号可以是由计算设备140确定和/或最初由用户的设备传输到计算设备140并且继而从计算设备140传输到UAV 120的移动指令。
UAV 120的控制单元204包括耦合到控制电路206并存储诸如操作指令和/或其他数据之类的数据的存储器208。控制电路206可以包括固定用途的硬连线平台,或者可以包括部分或完全可编程的平台。这些架构选项在本领域中是众所周知和被理解的,并且不需要进一步描述。该控制电路206被配置(例如,通过使用存储在存储器208中的相应编程,如本领域技术人员将很好理解的那样)为执行本文描述的步骤、动作和/或功能中的一个或多个。存储器208可以与控制电路206集成,或者可以根据需要与控制电路206物理上分离(全部或部分)。该存储器208也可以相对于控制电路206是本地的(其中,例如,两者共享公共电路板、底盘、电源和/或外壳),或者可以相对于控制电路206部分或完全地是远程的。该存储器208可以用于例如非暂时地存储计算机指令,该计算机指令在由控制电路206执行时使控制电路206如本文所述那样工作。应注意,并非图2中所示的所有部件都包括在UAV 120的所有实施例中。即,取决于实现,一些部件可以是可选的。
图1的坞站130通常是被配置为允许至少一个或多个UAV 120入坞到其的设备。如上所述,在一些方面中,坞站130是图1的***100的可选部件。坞站130可以被配置为不移动站(即,不旨在是可移动的)或者被配置为移动站(旨在可以自己移动,例如,经由来自计算设备140的引导,或者可以通过安装在移动交通工具上或者耦合到移动交通工具的方式移动),并且可以位于包含农作物的区域110中,或者位于包含农作物的区域110的外部。例如,在一些方面中,坞站130可以通过网络150接收来自计算设备140移动到在包含农作物的区域110之上的UAV 120的预定路线上的位置的指令。
在一个方面中,坞站130包括至少一个充电坞132,其使至少一个UAV 120能够连接到其并充电。在一些实施例中,UAV 120可以在由坞站130的至少一个支撑表面支撑的同时耦合到坞站130的充电坞132。在一个方面中,坞站130的支撑表面可以包括一个或多个衬垫层和泡沫层,其被配置为减小与UAV 120着陆到坞站130的支撑表面上相关联的冲击力。在一些实施例中,坞站130可以包括在位于坞站130的附近时可由UAV 120的传感器识别的灯和/或引导输入。在一些实施例中,坞站130还可以包括一个或多个耦合结构,其被配置为在耦合到坞站130的充电坞132时允许UAV 120可拆卸地耦合到坞站130。例如,可以经由电插座和/或一个或多个电池或太阳能充电板为坞站130供电。
在一些实施例中,坞站130被配置(例如,通过包括无线收发器)为通过网络150向计算设备140发送信号,以例如指示坞站130的一个或多个充电坞132是否可用于容纳一个或多个UAV 120。在一个方面中,坞站130被配置为通过网络150向计算设备140发送信号以指示可用于UAV 120的坞站130上的充电坞132的数量。计算设备140的控制电路310被编程为将UAV 120引导到坞站130,该坞站130沿着UAV 120的预定路线移动到位并具有可用的充电坞132。
在一些实施例中,坞站130可包括当位于坞站130附近时由UAV 120的传感器可识别的灯和/或引导输入。在一些方面中,坞站130和UAV 120被配置为经由网络150彼此通信(例如,经由它们各自的无线收发器)以促进UAV 120着陆到坞站130上。在其他方面中,坞站130的收发器使得坞站130能够经由网络150与位于包含农作物的区域110处的其他坞站130通信。
在一些实施例中,坞站130还可以包括一个或多个耦合结构,其被配置为允许UAV120在耦合到坞站130的充电坞132时可拆卸地耦合到坞站130。在一个方面中,UAV 120被配置为仅当入坞在坞站130处时通过网络150向计算设备140传输信号和从计算设备140接收信号。例如,在一些实施例中,在由计算设备140标识了UAV 120在包含农作物的区域110中检测到有害生物之后,UAV 120被配置为从计算设备140接收包含该有害生物的标识的信号和/或关于UAV 120仅在UAV 120在坞站130处入坞时如何响应有害生物的指令。在其他实施例中,UAV 120被配置为当UAV 120未在坞站130处入坞时与计算设备140通信并通过网络150从计算设备140接收有害生物标识数据和/或有害生物响应指令。
在一些实施例中,坞站130可以被配置为不仅对UAV 120再充电,而且还为UAV 120重新装备(re-equip)和/或向UAV 120添加模块化外部部件。在一些实施例中,坞站130被配置为提供新的模块化部件向UAV 120的添加以使UAV 120能够适当地响应所标识的有害生物和/或更好地与包含农作物的区域110所在的操作环境相互作用。例如,在一些方面中,坞站130被配置为使得能够将各种类型的起落架耦合到UAV 120以优化UAV 120与坞站130的地面交互和/或优化UAV 120着陆在包含农作物的区域110中的地面上的能力。在一些实施例中,坞站130被配置为使得能够将新的模块化部件(例如,筏(raft)、浮筒(pontoon)、帆或诸如此类)耦合到UAV 120以使UAV 120着陆在湿表面和/或水上和/或在湿表面和/或水上移动。在一些实施例中,坞站130可以被配置为使能修改UAV 120的视觉外观,例如,经由将一个或多个模块化部件(例如,机翼)耦合到UAV 120的外部主体、所述一个或多个模块化部件(例如,机翼)被设计成例如延长UAV 120的飞行时间。应当理解,坞站130和UAV 120的相对大小和比例未按比例绘制。
图1的示例性***100的计算设备140可以是固定或便携式电子设备,例如台式计算机、膝上型计算机、平板计算机、移动电话或任何其他电子设备。在一些实施例中,计算设备140可以包括控制电路、中央处理单元、处理器、微处理器以及诸如此类,并且可以是服务器、包括多于一个计算设备的计算***、零售计算机***、基于云的计算机***以及诸如此类中的一个或多个。通常,计算设备140可以是被配置为与UAV 120、坞站130和电子数据库160通信的任何基于处理器的设备,以便在UAV 120巡视包含农作物的区域110和/或入坞到坞站130(例如,用于再充电)和/或从坞站130部署时对其进行引导。
计算设备140可以包括处理器,该处理器被配置为执行存储在计算机可读存储存储器上的计算机可读指令。计算设备140通常可以被配置为使UAV 120:沿着由计算设备140的控制电路确定的路线围绕包含农作物的区域110行进(例如,飞行、悬停或驱动);检测沿着计算设备140预定的路线定位的坞站130;着陆在坞站130上和/或入坞到坞站130;从坞站130出坞(undock)和/或升起(lift off);检测包含农作物的区域110中的一个或多个有害生物;和/或生成被配置为从包含农作物的区域110消除一个或多个有害生物的输出。在一些实施例中,如下所述,电子数据库160包括与农作物破坏性有害生物相关联的有害生物身份数据,以促进计算设备140标识此类有害生物,以及计算设备140被配置为基于从电子数据库160检索的有害生物身份数据和由计算设备140的控制电路310生成的组合的有害生物检测数据两者来确定有害生物的身份。
参考图3,根据被配置为与本文描述的示例性***和方法一起使用的一些实施例的计算设备140可以包括控制电路310,其包括经由连接315电耦合到存储器320并且经由连接325电连接到电源330的处理器(例如,微处理器或微控制器)。控制电路310可以包括固定用途的硬连线平台,或者可以包括部分或完全可编程的平台,例如微控制器、专用集成电路、现场可编程门阵列以及诸如此类。这些架构选项在本领域中是众所周知和被理解的,并且在此不需要进一步描述。
该控制电路310可以被配置(例如,通过使用存储在存储器320中的相应编程,如本领域技术人员将很好理解的那样)为执行步骤、动作和/或本文描述的功能中的一个或多个。在一些实施例中,存储器320可以与基于处理器的控制电路310集成,或者可以与控制电路310在物理上分离(全部或部分),并且被配置为非暂时地存储计算机指令,所述计算机指令当由控制电路310执行时使控制电路310表现如本文所述。(如本文所使用的,对“非暂时性”的该引用将被理解为指存储内容的非短暂状态(并且因此当存储的内容仅构成信号或波时排除)而不是存储介质本身的易失性并且因此包括非易失性存储器(例如只读存储器(ROM))以及易失性存储器(例如可擦除可编程只读存储器(EPROM)))。因此,存储器和/或控制电路可以被称为非暂时性介质或非暂时性计算机可读介质。
在一些实施例中,计算设备140的控制电路310被编程为响应于经由网络150从UAV120接收到由可见光摄像机124捕捉的第一有害生物检测数据和由红外摄像机126捕捉的第二有害生物检测数据,组合第一和第二有害生物检测数据以创建组合的有害生物检测数据。在一个方面中,计算设备140的控制电路310被配置为通过在第二有害生物检测数据上覆盖第一有害生物检测数据来组合第一和第二有害生物检测数据,以创建促进控制单元310确定有害生物的身份的组合的有害生物检测数据。在另一方面中,计算设备140的控制电路310被配置为通过在第一有害生物检测数据上覆盖第二有害生物检测数据来组合第一和第二有害生物检测数据,以创建促进控制单元310确定有害生物的身份的组合的有害生物检测数据。如上所述,由于组合的有害生物检测数据包括反射的可见光数据和发射的红外辐射数据两者,所以组合的有害生物检测数据有利地提供在包含农作物的区域110中的有害生物的锐利和清晰的视觉表示同时包括有害生物(或者有害生物粪便、尸体等)温度信息,从而促进在白天和晚上期间通过控制单元310更准确地检测和/或标识包含农作物的区域110中的有害生物。
在由控制单元310生成组合的有害生物检测数据之后,在一些实施例中,计算设备140的控制电路310被编程为使计算设备140通过网络150传输组合的有害生物检测数据到电子数据库160用于存储。这样,可以实时更新电子数据库160,以包括与包含农作物的区域110中的有害生物的检测有关的最新信息。
在一个方面中,如下面更详细地讨论的,计算设备140的控制电路310被编程为基于组合的有害生物检测数据和存储在电子数据库160中的有害生物身份数据来确定包含农作物的区域110中的一个或多个有害生物的身份。具体地,在一些实施例中,计算设备140的控制电路310被配置为经由网络150访问存储在电子数据库160上的有害生物身份数据并比较有害生物身份数据和组合的有害生物检测数据以确定在包含农作物的区域110中检测到的一个或多个有害生物的身份。换句话说,在包含农作物的区域110中由UAV 120检测到有害生物并且有害生物检测数据通过网络150从UAV 120向计算设备140传输之后,在一些方面中,计算设备140的控制单元310被配置为比较存储在电子数据库160中的有害生物身份数据(例如,农作物破坏性有害生物的移动视频或数字静止图像、有害生物粪便、有害生物巢和/或有害生物尸体等)与由UAV 120的可见光摄像机124和红外摄像机126捕捉的组合的有害生物检测数据(例如,农作物破坏性有害生物的移动视频或数字静止图像、有害生物粪便、有害生物巢和/或有害生物尸体等),以便在具有与UAV 120在包含农作物的区域110中检测到的有害生物的特性匹配的特性的有害生物身份数据中找到有害生物,由此标识由UAV 120检测到的有害生物。
在一些实施例中,计算设备140的控制电路310被编程为基于计算设备140的控制电路310对有害生物的身份的确定来生成到UAV 120的控制信号。例如,这样的控制信号可以指示UAV 120以将所标识的有害生物从包含农作物的区域110吓跑或驱离的方式移动,发出被设计为将所标识的有害生物从包含农作物的区域110吓跑的噪声,释放将所标识的有害生物从包含农作物的区域110吓跑或驱离的化学药品和/或释放将杀死所标识的有害生物的化学药品。在一些方面中,控制电路310被编程为使计算设备140通过网络150将这种控制信号传输到UAV 120。
计算设备140的控制电路310还经由连接335电耦合到输入/输出340(例如,无线接口),输入/输出340可以从一个或多个UAV 120接收有线或无线信号。此外,计算设备140的输入/输出340可以向UAV 120发送信号,例如包括指示由UAV 120检测到的有害生物的身份的指令和/或如何响应具体的已标识的有害生物,或者当沿着由计算设备140预定的路线巡视包含农作物的区域110时哪个坞站130用于着陆以进行再充电的信号。
在图3中所示的实施例中,计算设备140的基于处理器的控制电路310经由连接345电耦合到用户接口350,用户接口350可以包括可视显示器或显示屏360(例如,LED屏幕)和/或按钮输入370,其为用户接口350提供允许计算设备140的操作员通过经由触摸屏和/或按钮操作和/或语音命令输入命令来手动控制计算设备140的能力,例如以向UAV 120发送信号,以便例如:当UAV 120正在沿着由计算设备140预定的(飞行或地面)路线(在包含农作物的区域110之上或上面)移动时控制UAV 120的定向移动;当UAV 120正着陆在坞站130上时控制UAV 120的移动;当UAV正从坞站130升起时控制UAV 120的移动;当UAV 120处于从包含农作物的区域110中消除一个或多个有害生物的过程中时控制UAV 120的移动;和/或控制UAV 120对在包含农作物的区域110中标识的有害生物的响应。值得注意的是,计算设备140的基于处理器的控制电路310对此类功能的执行不依赖于人类操作员的动作,并且控制电路310可以被编程为执行此类功能而不由人类操作员主动控制。
在一些实施例中,计算设备140的显示屏360被配置为显示各种基于图形界面的菜单、选项和/或警报,其可以与UAV 120在包含农作物的区域110中的移动的各个方面以及与UAV 120的有害生物检测的各个方面和/或基于UAV 120从计算设备140接收的指令的UAV120的抗有害生物响应相关地从和/或向计算设备140传输。计算设备140的输入370可以被配置为允许人类操作员通过计算设备140上的屏幕上菜单导航并且对UAV 120检测到的有害生物的标识,或者对UAV 120的路线和抗有害生物输出以及坞站130的位置进行改变和/或更新。应当理解,显示屏360可以被配置为显示屏和输入370两者(例如,触摸屏,其允许操作员按压显示屏360以输入文本和/或执行命令)。在一些实施例中,计算设备140的用户接口350的输入370可以允许操作员例如输入在包含农作物的区域110中检测到的有害生物的身份,并且配置去往UAV 120的指令用于响应(例如,经由UAV 120的输出设备)所标识的有害生物。
在一些实施例中,计算设备140的控制电路310自动地生成UAV 120从其部署站到包含农作物的区域110的行进路线,以及在包含农作物的区域110之上或上面移动时去往或来自坞站130的行进路线。在一些实施例中,该路线基于UAV 120的起始位置(例如,部署站的位置)和UAV 120的预期目的地(例如,包含农作物的区域110的位置,和/或在包含农作物的区域110中或周围的坞站130的位置)。
图1的电子数据库160被配置为存储与农作物破坏性有害生物相关联的有害生物身份数据。例如,在一些实施例中,电子数据库160存储农作物破坏性有害生物、有害生物粪便、有害生物巢、可归因于指定的有害生物或有害生物家族的农作物破坏模式和/或有害生物尸体的移动视频或静止图像,以在分析由UAV 120捕捉的有害生物检测数据时提供计算设备140的控制电路310的参考点,以便促进由计算设备140的控制电路310对(由UAV 120检测的)有害生物的标识。存储在电子数据库160中的移动视频和/或静止图像可以以可见光格式、红外格式、热特征格式或任何其他合适的格式呈现。
在一些实施例中,电子数据库160还存储由可见光摄像机124捕捉的第一有害生物检测数据、由红外摄像机126捕捉的第二有害生物检测数据以及由计算设备140的控制单元310生成的组合的有害生物检测数据。在一个方面中,每当计算设备140的控制单元310基于组合的有害生物检测数据和有害生物身份数据做出关于有害生物的身份的确定时,电子数据库160被更新以将所述组合的有害生物检测数据与所确定的有害生物的身份相关联,从而增加存储在电子数据库160中的有害生物标识参考信息,并在随后分析由UAV 120的摄像机124和摄像机126捕捉的新的有害生物检测数据时扩展计算设备140的控制电路310的有害生物标识能力。
在一些实施例中,电子数据库160附加地存储电子数据,所述电子数据包括但不限于:指示UAV 120的位置的数据(例如,GPS坐标等);指示UAV 120的抗有害生物输出能力的数据(例如,以促进添加提供进一步的抗有害生物能力的新模块输出部件;指示先前由UAV120部署的抗有害生物输出的数据;从部署站到包含农作物的区域110的UAV 120的路线;在巡视包含农作物的区域110时的UAV 120的路线;当从包含农作物的区域110返回到部署站时UAV 120的路线;指示在计算设备140、UAV 120、电子数据库160和/或坞站130之间发送的通信信号和/或消息的数据;指示坞站130的位置(例如,GPS坐标等)的数据;和/或指示每个坞站130处入坞的一个或多个UAV 120的身份的数据。
在一些实施例中,经由网络150将位置输入提供给计算设备140,以使计算设备140能够确定一个或多个UAV 120和/或一个或多个坞站130的位置。例如。在一些实施例中,UAV120和/或坞站130可以包括GPS跟踪设备,其允许计算设备140经由网络150对UAV 120和/或坞站130的位置的基于GPS的标识。在一个方面中,计算设备140被配置为跟踪UAV 120和坞站130的位置,并且经由控制电路310确定UAV 120从其部署站到包含农作物的区域110的最佳路线和/或UAV 120在沿其预定路线行进时入坞的最佳坞站130。在一些实施例中,计算设备140的控制电路310被编程为使计算设备140将这种跟踪和/或路由数据传送到电子数据库160以便存储和/或以后检索。
鉴于以上参考参考图1-3的描述,并参考图4,现在将描述根据一些实施例的标识包含农作物的区域110中的至少一个有害生物的方法400。虽然将过程400讨论为它适用于通过图1中所示的一个或多个UAV 120标识包含农作物的区域110中的一个或多个有害生物,但是应当理解,过程400可以结合本文描述的任何实施例使用。
图4中描绘的示例性方法400包括提供包括可见光摄像机124和红外摄像机126的一个或多个UAV 120(步骤410)。方法400还包括检测包含农作物的区域110中的一个或多个有害生物并通过可见光摄像机124捕捉第一有害生物检测数据(步骤420),以及检测包含农作物的区域110中的一个或多个有害生物并通过红外摄像机126捕捉第二有害生物检测数据(步骤430)。如上所述,有害生物可以是能够破坏包含农作物的区域110中的农作物的昆虫、鸟和/或动物,并且UAV 120的可见光摄像机124和红外摄像机126可以在白天和/或晚上期间检测此类有害生物并捕捉与此类有害生物相关联的有害生物检测数据。有害生物检测数据可以是一个或多个有害生物、有害生物粪便、有害生物尸体和/或有害生物巢的实时视频、静止图像、红外图像和/或热特征。
如上所述,在一些实施例中,响应于运动传感器检测到包含农作物的区域110中或与包含农作物的区域110中相邻的一个或多个有害生物的移动由运动检测使能传感器激活可见光摄像机124和红外摄像机126中的一个或两个。如上所述,在一些实施例中,提供了坞站130,其被配置为提供UAV 120的再充电、补充UAV 120的各种部件、和/或添加被配置为改变UAV 120的视觉外观的模块化部件,或者促进UAV 120与其周围环境的更好的相互作用。
图4的方法400还包括提供包括与一个或多个农作物破坏性有害生物相关联的有害生物身份数据的一个或多个电子数据库160(步骤440),并提供包括基于处理器的控制电路310并被配置为经由网络150与UAV 120和电子数据库160通信的计算设备140(步骤450)。上面详细描述了计算设备140,并且计算设备140通常组合分别由可见光摄像机124和红外摄像机126捕捉的第一和第二有害生物检测数据,跟踪UAV 120和/或坞站130的位置,和/或在包含农作物的区域110中控制UAV 120的移动和/或坞站130的定位,如上所述。类似地,上面描述了电子数据库160并且电子数据库160通常存储可由计算设备140的控制电路310使用作为参考点的有害生物身份数据、由可见光摄像机124捕捉的第一有害生物检测数据、由红外摄像机126捕捉的第二有害生物检测数据以及由计算设备140的控制单元310生成的组合的有害生物检测数据。
图4的方法400还包括通过网络150从UAV 120向计算设备140传输第一有害生物检测数据和第二有害生物检测(步骤460),并且在计算设备140处经由网络150从UAV 120接收第一和第二有害生物检测数据(步骤470)。在计算设备140处接收到第一和第二有害生物检测数据之后,方法400还包括经由计算设备140的控制电路310组合第一和第二有害生物检测数据以创建组合的有害生物检测数据(步骤480)。在一些实施例中,方法400的组合第一和第二有害生物检测数据的步骤包括经由计算设备140的控制电路310在第二有害生物检测数据上覆盖第一有害生物检测数据以创建组合的有害生物检测数据,其促进控制单元310确定有害生物身份。在其他实施例中,方法400的组合第一和第二有害生物检测数据的步骤包括经由计算设备140的控制电路310在第一有害生物检测数据上覆盖第二有害生物检测数据以创建组合的有害生物检测数据,其促进控制单元310确定有害生物身份。如上所述,由于组合的有害生物检测数据包括反射的可见光数据和发射的红外辐射数据两者,所以组合的有害生物检测数据有利地促进在白天和夜间期间由计算设备的控制单元310对包含农作物的区域110中的有害生物的更准确地检测和/或标识。
在一些实施例中,如上所述,在生成组合的有害生物检测数据之后,计算设备140的控制电路310使计算设备140通过网络150将组合的有害生物检测数据传输到电子数据库160用于存储。这样,可以实时更新电子数据库160,以包括与包含农作物的区域110中的有害生物的检测有关的最新信息。
在创建组合的有害生物检测数据之后,图4的方法400还包括经由计算设备140的控制电路310基于有害生物身份数据和组合的有害生物检测数据确定一个或多个有害生物的身份(步骤490)。在一个方面中,方法400包括控制电路310使计算设备140经由网络150访问存储在电子数据库160上的有害生物身份数据,并比较有害生物身份数据和由控制电路310生成的组合的有害生物检测数据,以确定在包含农作物的区域110中检测到的一个或多个有害生物的身份。例如,在包含农作物的区域110中UAV 120检测到有害生物并且通过网络150从UAV 120向计算设备140传输有害生物检测数据之后,方法400可以包括经由计算设备140的控制电路310比较存储在电子数据库160中的农作物破坏性有害生物、有害生物粪便、有害生物巢和/或有害生物尸体的移动视频或静止图像与由可见光摄像机124和/或红外摄像机126捕捉的农作物破坏性有害生物、有害生物粪便、有害生物巢和/或有害生物尸体的移动视频或静止图像,以便标识由UAV 120在包含农作物的区域中检测到的有害生物。这样,有害生物身份数据被远程存储到UAV 120并且远离UAV 120(在计算设备140处)进行基于有害生物检测数据的、对有害生物的身份的确定,从而有利地减少了UAV 120的数据存储和处理功率要求。
在如上所述由计算设备140的控制单元310确定有害生物的身份之后,在一些实施例中,方法400还包括经由计算设备140的控制电路310基于控制电路310对有害生物的身份的确定生成控制信号并且将其传输到UAV 120。例如,控制信号可以指示UAV 120发出被具体设计为将所标识的有害生物从包含农作物的区域110吓跑的噪声,释放被具体设计为杀死所标识的有害生物或使所标识的有害生物远离以离开包含农作物的区域110的化学药品,或指示UAV 120以将所标识的有害生物从包含农作物的区域110吓跑或驱离的方式移动。
本文所描述的***和方法有利地提供了经由无人交通工具对包含农作物的区域的半自动或全自动监视,所述无人交通工具促进检测包含农作物的区域中的一个或多个有害生物并标识包含农作物的区域中检测到的一个或多个有害生物,其继而可以通过特定于所标识的有害生物的一个或多个抗有害生物输出经由无人交通工具促进从包含农作物的区域消除此类有害生物。这样,本***和方法显著减少了在包含农作物的区域中检测和标识农作物破坏性有害生物所需的资源,从而不仅有利地促进了更有效的抗有害生物措施的实施,而且还为包含农作物的区域的看守人提供了显著的成本节约。
本领域技术人员将认识到,在不脱离本发明的范围的情况下,还可以关于上述实施例进行各种各样的其他修改、变更和组合,并且这样的修改、变更和组合被视为在本发明概念的范围内。
Claims (20)
1.一种用于标识包含农作物的区域中的至少一个有害生物的***,所述***包括:
至少一个无人飞行器,其包括被配置为检测包含农作物的区域中的至少一个有害生物并捕捉第一有害生物检测数据的可见光摄像机以及被配置为检测包含农作物的区域中的至少一个有害生物并捕捉第二有害生物检测数据的红外摄像机;
至少一个电子数据库,其包括与至少一个有害生物相关联的有害生物身份数据;和
计算设备,其包括基于处理器的控制电路并且被配置为经由网络与至少一个无人飞行器和至少一个电子数据库通信;
其中,至少一个无人飞行器被配置为经由网络将第一有害生物检测数据和第二有害生物检测数据传输到计算设备;
其中,响应于经由网络从至少一个无人飞行器接收到第一和第二有害生物检测数据,计算设备的控制电路被配置为组合第一和第二有害生物检测数据以创建组合的有害生物检测数据;和
其中,计算设备的控制电路被配置为基于有害生物身份数据和组合的有害生物检测数据确定至少一个有害生物的身份。
2.根据权利要求1所述的***,其中,至少一个无人飞行器还包括雷达使能传感器,所述雷达使能传感器被配置为检测包含农作物的区域外的至少一个有害生物的移动。
3.根据权利要求1所述的***,其中,至少一个无人飞行器还包括运动检测使能传感器,所述运动检测使能传感器被配置为检测包含农作物的区域中的至少一个有害生物的移动。
4.根据权利要求3所述的***,其中,运动检测使能传感器被配置为在运动检测使能传感器检测到包含农作物的区域中的至少一个有害生物的移动时激活可见光摄像机和红外摄像机中的至少一个。
5.根据权利要求1所述的***,其中计算设备的控制电路被配置为经由网络访问存储在至少一个电子数据库上的有害生物身份数据。
6.根据权利要求5所述的***,其中,计算设备的控制电路被配置为比较有害生物身份数据和组合的有害生物检测数据,以确定至少一个有害生物的身份。
7.根据权利要求1所述的***,其中,计算设备被配置为通过网络将组合的有害生物检测数据传输到至少一个电子数据库,并且其中,至少一个电子数据库被配置为存储从计算设备接收的组合的有害生物检测数据。
8.根据权利要求1所述的***,其中,计算设备的控制电路被配置为将第一和第二有害生物检测数据中的一个覆盖在第一和第二有害生物检测数据中的另一个之上以创建组合的有害生物检测数据来确定至少一个有害生物的身份。
9.根据权利要求1所述的***,其中,计算设备的控制电路被配置为基于计算设备的控制电路对至少一个有害生物的身份的确定来生成到至少一个无人飞行器的控制信号。
10.根据权利要求9所述的***,其中,计算设备被配置为通过网络将控制信号传输到无人飞行器。
11.一种标识包含农作物的区域中的至少一个有害生物的方法,所述方法包括:
提供包括可见光摄像机和红外摄像机的至少一个无人飞行器;
检测包含农作物的区域中的至少一个有害生物并经由可见光摄像机捕捉第一有害生物检测数据;
检测包含农作物的区域中的至少一个有害生物并经由红外摄像机捕捉第二有害生物检测数据;
提供包括与至少一个有害生物相关联的有害生物身份数据的至少一个电子数据库;
提供计算设备,其包括基于处理器的控制电路并且被配置为经由网络与至少一个无人飞行器和至少一个电子数据库通信;
通过网络将第一有害生物检测数据和第二有害生物检测从至少一个无人飞行器传输到计算设备;
经由网络在计算设备处从至少一个无人飞行器接收第一和第二有害生物检测数据;
经由计算设备的控制电路组合第一和第二有害生物检测数据,以创建组合的有害生物检测数据;和
基于有害生物身份数据和组合的有害生物检测数据,经由计算设备的控制电路确定至少一个有害生物的身份。
12.根据权利要求11所述的方法,还包括:为至少一个无人飞行器提供雷达使能传感器,所述雷达使能传感器被配置为检测包含农作物的区域外的至少一个有害生物的移动。
13.根据权利要求11所述的方法,还包括为至少一个无人飞行器提供运动检测使能传感器,所述运动检测使能传感器被配置为检测包含农作物的区域中的至少一个有害生物的移动。
14.根据权利要求13所述的方法,还包括:经由运动检测使能传感器检测包含农作物的区域中的至少一个有害生物的移动,并且响应于经由使能运动检测的传感器检测包含农作物的区域中的至少一个有害生物的移动经由运动检测使能传感器激活可见光摄像机和红外摄像机中的至少一个。
15.根据权利要求11所述的方法,其中,组合步骤还包括经由计算设备的控制电路并且通过网络访问存储在至少一个电子数据库上的有害生物身份数据。
16.根据权利要求15所述的方法,其中,组合步骤还包括:经由计算设备的控制电路比较有害生物身份数据和组合的有害生物检测数据,以确定至少一个有害生物的身份。
17.根据权利要求11所述的方法,其中组合步骤还包括从计算设备并通过网络将组合的有害生物检测数据传输到至少一个电子数据库,并且还包括在至少一个电子数据库上存储从计算设备接收的组合的有害生物检测数据。
18.根据权利要求11所述的方法,其中,组合步骤还包括:经由计算设备的控制电路将第一和第二有害生物检测数据中的一个覆盖在第一和第二有害生物检测数据中的另一个之上,以创建组合的有害生物检测数据来确定至少一个有害生物的身份。
19.根据权利要求11所述的方法,还包括经由计算设备的控制电路基于计算设备的控制电路对至少一个有害生物的身份的确定来生成到至少一个无人飞行器的控制信号。
20.根据权利要求19所述的方法,其中,生成步骤还包括通过网络将控制信号从计算设备传输到无人飞行器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662384850P | 2016-09-08 | 2016-09-08 | |
US62/384850 | 2016-09-08 | ||
PCT/US2017/049535 WO2018048708A1 (en) | 2016-09-08 | 2017-08-31 | Systems and methods for identifying pests in crop-containing areas via unmanned vehicles |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109963465A true CN109963465A (zh) | 2019-07-02 |
Family
ID=61281761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780068744.9A Pending CN109963465A (zh) | 2016-09-08 | 2017-08-31 | 用于经由无人交通工具标识包含农作物的区域中的有害生物的***和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20180068164A1 (zh) |
CN (1) | CN109963465A (zh) |
CA (1) | CA3035197A1 (zh) |
GB (1) | GB2568183B (zh) |
MX (1) | MX2019002646A (zh) |
WO (1) | WO2018048708A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800935A (zh) * | 2021-01-25 | 2021-05-14 | 山东大学 | 一种基于激光雷达的虫群轨迹预测和虫害防治效果评估设备及布设方法 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3035068A1 (en) | 2016-09-08 | 2018-03-15 | Walmart Apollo, Llc | Systems and methods for dispensing an insecticide via unmanned vehicles to defend a crop-containing area against pests |
MX2019002645A (es) * | 2016-09-08 | 2019-11-21 | Walmart Apollo Llc | Sistemas y metodos para identificar plagas en areas que contienen cultivos a traves de vehiculos no tripulados basados en la deteccion de daño de cultivo. |
US10627386B2 (en) | 2016-10-12 | 2020-04-21 | Aker Technologies, Inc. | System for monitoring crops and soil conditions |
JP6868304B2 (ja) * | 2017-03-12 | 2021-05-12 | 株式会社ナイルワークス | 作物撮影用ドローン |
US10599959B2 (en) * | 2017-04-05 | 2020-03-24 | International Business Machines Corporation | Automatic pest monitoring by cognitive image recognition with two cameras on autonomous vehicles |
TWI667620B (zh) * | 2018-01-25 | 2019-08-01 | 國立臺灣大學 | 蟲害監控系統 |
US11291198B2 (en) | 2018-11-16 | 2022-04-05 | BirdBrAin Inc. | Methods and systems for bird deterrence and maintenance thereof |
CN109828596A (zh) * | 2019-02-28 | 2019-05-31 | 深圳市道通智能航空技术有限公司 | 一种目标跟踪方法、装置和无人机 |
AR119752A1 (es) | 2019-08-13 | 2022-01-12 | Fmc Corp | Sistemas y métodos de suministro de materiales |
US20230135631A1 (en) * | 2020-03-12 | 2023-05-04 | Bayer Aktiengesellschaft | Unmanned aerial vehicle |
ES2853423A1 (es) * | 2020-03-13 | 2021-09-15 | Innovating 4M Sl | Solucion basada en la inteligencia artificial para el monitoreo de la salud de los vinedos y olivos en tiempo real |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6653971B1 (en) * | 1999-05-14 | 2003-11-25 | David L. Guice | Airborne biota monitoring and control system |
CN101701915B (zh) * | 2009-11-13 | 2011-08-10 | 江苏大学 | 基于可见光—近红外双目机器视觉的粮虫检测装置和方法 |
US8504234B2 (en) * | 2010-08-20 | 2013-08-06 | Deere & Company | Robotic pesticide application |
US10234439B2 (en) * | 2012-11-07 | 2019-03-19 | Airscout Inc. | Methods and systems for analyzing a field |
DE102013107370B4 (de) * | 2013-07-11 | 2017-05-04 | Krauss-Maffei Wegmann Gmbh & Co. Kg | Laserpanzerung |
US9928659B2 (en) * | 2014-01-08 | 2018-03-27 | Precisionhawk Inc. | Method and system for generating augmented reality agricultural presentations |
US10045523B2 (en) * | 2014-04-10 | 2018-08-14 | Ninox Robotics Pty Ltd | Baiting method and apparatus for pest control |
WO2015188831A1 (en) * | 2014-06-10 | 2015-12-17 | Aarhus Universitet | Method for removing animals from a field |
US9922405B2 (en) * | 2014-08-22 | 2018-03-20 | The Climate Corporation | Methods for agronomic and agricultural monitoring using unmanned aerial systems |
KR101550036B1 (ko) * | 2015-02-26 | 2015-09-07 | 주식회사 디안스 | 정보통신기술 기반 무인 경계 시스템 |
WO2017043067A1 (ja) * | 2015-09-11 | 2017-03-16 | 富士フイルム株式会社 | 走行支援装置及び走行支援装置による走行支援方法 |
MX2019002645A (es) * | 2016-09-08 | 2019-11-21 | Walmart Apollo Llc | Sistemas y metodos para identificar plagas en areas que contienen cultivos a traves de vehiculos no tripulados basados en la deteccion de daño de cultivo. |
GB2569057A (en) * | 2016-09-08 | 2019-06-05 | Walmart Apollo Llc | Systems and methods for defending crops from crop-damaging pests via unmanned vehicles |
CA3035068A1 (en) * | 2016-09-08 | 2018-03-15 | Walmart Apollo, Llc | Systems and methods for dispensing an insecticide via unmanned vehicles to defend a crop-containing area against pests |
-
2017
- 2017-08-31 CN CN201780068744.9A patent/CN109963465A/zh active Pending
- 2017-08-31 CA CA3035197A patent/CA3035197A1/en not_active Abandoned
- 2017-08-31 WO PCT/US2017/049535 patent/WO2018048708A1/en active Application Filing
- 2017-08-31 GB GB1903121.0A patent/GB2568183B/en not_active Expired - Fee Related
- 2017-08-31 MX MX2019002646A patent/MX2019002646A/es unknown
- 2017-09-07 US US15/698,012 patent/US20180068164A1/en not_active Abandoned
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800935A (zh) * | 2021-01-25 | 2021-05-14 | 山东大学 | 一种基于激光雷达的虫群轨迹预测和虫害防治效果评估设备及布设方法 |
Also Published As
Publication number | Publication date |
---|---|
US20180068164A1 (en) | 2018-03-08 |
GB2568183A (en) | 2019-05-08 |
GB2568183B (en) | 2022-02-23 |
WO2018048708A1 (en) | 2018-03-15 |
CA3035197A1 (en) | 2018-03-15 |
GB201903121D0 (en) | 2019-04-24 |
MX2019002646A (es) | 2019-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109963465A (zh) | 用于经由无人交通工具标识包含农作物的区域中的有害生物的***和方法 | |
CN109996729A (zh) | 用于基于农作物破坏检测经由无人交通工具标识包含农作物的区域中的有害生物的***和方法 | |
CN109982928A (zh) | 用于经由无人交通工具施与杀虫剂以防卫包含农作物的区域免受有害生物的***和方法 | |
CN110062873A (zh) | 用于经由无人交通工具防卫农作物免受农作物破坏性有害生物的***和方法 | |
US10296005B2 (en) | Apparatus and method for monitoring a field | |
CN109952249A (zh) | 用于无人驾驶飞行任务优化的装置和方法 | |
CN107531217A (zh) | 识别或检测障碍物的设备和方法 | |
JP2017509330A (ja) | ペットを散歩させるためのシステム及び方法 | |
WO2020115902A1 (ja) | 物品受け渡し場所の決定方法、着陸場所の決定方法、物品受け渡しシステム、及び情報処理装置 | |
JP2015531228A5 (zh) | ||
JP6560392B1 (ja) | 制御装置、警備システム及びプログラム | |
US20190152595A1 (en) | Apparatus for Sustained Surveillance and Deterrence with Unmanned Aerial Vehicles (UAV) | |
US20180064049A1 (en) | Systems and methods for dispensing pollen onto crops via unmanned vehicles | |
US20180348760A1 (en) | Automatic Change Detection System | |
JP7280174B2 (ja) | 制御方法、及び物品受け渡しシステム | |
Wing et al. | A low-cost unmanned aerial system for remote sensing of forested landscapes | |
JP6560305B2 (ja) | 目標物体を誘導する方法及びuav | |
Smith et al. | A method for low‐cost, low‐impact insect tracking using retroreflective tags | |
Mutalib et al. | Feasibility of thermal imaging using unmanned aerial vehicles to detect Bornean orangutans | |
WO2012127424A1 (en) | Threat control system for fish ponds | |
Sreeram et al. | Autonomous robotic system based environmental assessment and dengue hot-spot identification | |
Satyarthi et al. | Drone Technologies: Aviation Strategies, Challenges, and Applications | |
US11557142B1 (en) | Home wildlife deterrence | |
KR20210115398A (ko) | 드론 기반의 야생동물 퇴치 시스템 | |
KR20220060081A (ko) | 스마트 농업 방제 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190702 |