CN115399139A - 用于确定农作物产量的方法、设备、存储介质及处理器 - Google Patents
用于确定农作物产量的方法、设备、存储介质及处理器 Download PDFInfo
- Publication number
- CN115399139A CN115399139A CN202210968752.1A CN202210968752A CN115399139A CN 115399139 A CN115399139 A CN 115399139A CN 202210968752 A CN202210968752 A CN 202210968752A CN 115399139 A CN115399139 A CN 115399139A
- Authority
- CN
- China
- Prior art keywords
- crop
- determining
- area
- harvesting
- yield
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000003306 harvesting Methods 0.000 claims abstract description 241
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000009825 accumulation Methods 0.000 claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 60
- 238000009826 distribution Methods 0.000 claims description 34
- 238000004519 manufacturing process Methods 0.000 claims description 22
- 230000000694 effects Effects 0.000 claims description 7
- 238000009877 rendering Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 235000013339 cereals Nutrition 0.000 description 35
- 238000010586 diagram Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 19
- 238000007726 management method Methods 0.000 description 16
- 238000004590 computer program Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 241000209094 Oryza Species 0.000 description 4
- 235000007164 Oryza sativa Nutrition 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 235000009566 rice Nutrition 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 241001124569 Lycaenidae Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 240000002582 Oryza sativa Indica Group Species 0.000 description 1
- 240000008467 Oryza sativa Japonica Group Species 0.000 description 1
- 244000184734 Pyrus japonica Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
- A01D41/12—Details of combines
- A01D41/127—Control or measuring arrangements specially adapted for combines
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
- A01D41/12—Details of combines
- A01D41/127—Control or measuring arrangements specially adapted for combines
- A01D41/1271—Control or measuring arrangements specially adapted for combines for measuring crop flow
- A01D41/1272—Control or measuring arrangements specially adapted for combines for measuring crop flow for measuring grain flow
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种用于确定农作物产量的方法、设备、存储介质及处理器。方法应用于农作物收割设备,收割设备包括粮仓,方法包括:在收割设备沿着作业路径对农作物收割的过程中,确定收割设备在每个预设时间段内起始时间点的第一位置和终止时间点的第二位置,以确定收割设备在每个预设时间段内的作业区域,获取粮仓在每个预设时间段内与起始时间点对应的第一作物堆积图像和与终止时间点对应的第二作物堆积图像,来确定收割设备在每个作业区域内的作物收获量。可以掌握每个预设时间段对应的细分地块的产量数据,为农业的精准管理提供更为精细的数据支撑。
Description
技术领域
本申请涉及农作物收割领域,具体涉及一种用于确定农作物产量的方法、农作物收割设备、存储介质及处理器。
背景技术
随着我国的收割机的技术发展,收割机的自动化、智能化程度也在不断提高。在现有技术中,通常是采用力传感器检测谷物的冲击力,冲击力使传感器产生形变输出电压信号,计算出谷物产量。由于根据冲击力测量形变产生电压中间转换较多,冲击力与谷物产量之间关系不能准确对应,计算得到的谷物流量值不准确,从而无法通过收割机对作物产量进行准确地监测。
发明内容
本申请实施例的目的是提供一种用于确定农作物产量的方法、农作物收割设备、存储介质及处理器。
为了实现上述目的,本申请第一方面提供一种用于确定农作物产量的方法,应用于农作物收割设备,收割设备包括粮仓,方法包括:
在收割设备沿着作业路径对农作物收割的过程中,确定收割设备在每个预设时间段内的位置,每个预设时间段内的位置包括起始时间点的第一位置和终止时间点的第二位置;
根据第一位置和第二位置确定收割设备在每个预设时间段内的作业区域;
获取粮仓在每个预设时间段内与起始时间点对应的第一作物堆积图像和与终止时间点的第二作物堆积图像;
根据第一作物堆积图像和第二作物堆积图像确定收割设备在每个作业区域内的作物收获量。
在本申请的实施例中,根据第一作物堆积图像和第二作物堆积图像确定收割设备在每个作业区域内的作物收获量包括:根据第一作物堆积图像和第二作物堆积图像确定粮仓在每个预设时间段内的作物堆积高度和作物堆积面积;根据作物堆积高度和作物堆积面积确定每个预设时间段内的作业区域的作物收获量。
在本申请的实施例中,收割设备的割台处安装有第一图像采集设备,根据第一位置和第二位置确定收割设备在每个预设时间段内的作业区域包括:在收割设备沿着作业路径对农作物收割的过程中,通过第一图像采集设备实时获取收割设备所在区域的区域图像;根据区域图像确定收割设备所在区域的作业宽幅;根据第一位置和第二位置确定每个预设时间段内收割设备的作业路径长度;根据作业宽幅和作业路径长度确定每个预设时间段内对应的作业区域,以及作业区域的作业面积。
在本申请的实施例中,通过第一图像采集设备实时获取收割设备所在区域的区域图像包括:根据收割设备的实时移动速度确定第一图像采集设备的图像采集频率;控制第一图像采集设备按照图像采集频率采集区域图像。
在本申请的实施例中,方法还包括:实时获取作物收获量对应的当前含水率;确定作物对应的标准含水率;根据每个作业区域的作业面积、作物收获量、当前含水率以及标准含水率确定每个预设时间段所对应的单位面积目标产量;根据每个预设时间段的单位面积目标产量确定收割设备的全部作业区域的产量分布图。
在本申请的实施例中,根据每个作业区域的作业面积、作物收获量、当前含水率以及标准含水率确定每个预设时间段所对应的单位面积目标产量包括,根据公式(1)确定单位面积目标产量:
其中,M标准是指与标准含水率对应每个预设时间段的单位面积目标产量,M是指与当前含水率对应的每个作业区域的作物收获量,P是指每个作业区域的作业面积,O1为标准含水率,O2为当前含水率。
在本申请的实施例中,根据每个预设时间段的单位面积目标产量确定收割设备的全部作业区域的产量分布图包括:根据每个预设时间段的单位面积目标产量确定每个作业区域的显示颜色;根据显示颜色分别每个作业区域进行颜色渲染,以生成全部作业区域的产量分布图。
在本申请的实施例中,根据每个预设时间段的单位面积目标产量确定每个作业区域的显示颜色包括:显示颜色根据以下公式(2)进行计算:
其中,color(r,g,b)是指产量分布图中每个作业区域的显示颜色的RGB值,Ti为每个作业区域的单位面积目标产量。
在本申请的实施例中,方法还包括:根据产量分布图调整针对下一次的农作物的管理决策,和/或分析针对当前收割的农作物的管理效果。
在本申请的实施例中,收割设备还包括定位装置,确定收割设备在每个预设时间段内的位置信息包括:通过定位装置确定与起始时间点对应的第一位置的经纬度数据,以及与终止时间点对应的第二位置的经纬度数据;经过高斯投影坐标转换,分别确定与第一位置的经纬度数据对应的第一平面坐标和与第二位置的经纬度数据对应的第二平面坐标;根据第一位置和第二位置确定收割设备在每个预设时间段内的作业区域包括:根据第一平面坐标和第二平面坐标确定收割设备在每个预设时间段内的作业区域。
本申请第二方面提供一种农作物收割设备,包括:
粮仓,用于存储收割设备收获的农作物;
定位装置,用于实时确定收割设备的位置信息;
第二图像采集设备,用于采集粮仓内的作物堆积图像;以及
被配置成执行上述用于确定农作物产量的方法的处理器。
在本申请的实施例中,收割设备还包括:第一图像采集设备,用于在收割设备沿着作业路径对农作物收割的过程中,实时采集收割设备所在区域的区域图像;处理器还被配置成:根据区域图像确定收割设备所在区域在每个预设时间段内的作业宽幅。
在本申请的实施例中,还包括:水分传感器,用于确定粮仓内作物的当前含水率;处理器还被配置成:通过水分传感器获取当前含水率;确定作物对应的标准含水率;根据每个作业区域的作业面积、作物收获量、当前含水率以及标准含水率确定每个预设时间段所对应的单位面积目标产量。
在本申请的实施例中,收割设备还包括:显示设备,与处理器通过HDMI连接,用于显示收割设备的区域面积、作物收获量、位置信息、当前含水率以及产量分布图中的任一者。
本申请第三方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得所述处理器被配置成执行上述的用于确定农作物产量的方法的处理器。
本申请第四方面提供一种处理器,被配置成执行上述的用于确定农作物产量的方法的处理器。
通过上述技术方案,在收割设备沿着作业路径对农作物收割的过程中,确定每个预设时间段内起始时间点的第一位置和终止时间点的第二位置后,根据第一位置和第二位置收割设备在每个预设时间段内的作业区域。再获取粮仓内在每个预设时间段内与起始时间点对应的第一作物堆积图像和与终止时间点对应的第二作物堆积图像,以确定收割设备在每个作业区域内的作物收获量。由于可以确定出收割设备对农作物收割时,对其收割过的全部区域根据预设时间段划分为每一小块作业区域,通过粮仓内在每个预设段内采集到的作物堆积图像,来确定对应的每一小块作业区域的作物产量,从而可以掌握每一细分地块的产量数据,为农业的精准管理提供了更为精细的数据支撑。
本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本申请实施例,但并不构成对本申请实施例的限制。在附图中:
图1示意性示出了根据本申请实施例的农作物收割设备的示意图;
图2示意性示出了根据本申请实施例用于确定农作物产量的方法的流程示意图;
图3示意性示出了根据本申请实施例的产量分布图的示意图;
图4示意性示出了根据本申请又一实施例的用于确定农作物产量的方法的步骤示意图;
图5示意性示出了根据本申请实施例的农作物收割设备的结构框图;
图6示意性示出了根据本申请另一实施例的农作物收割设备的结构框图;
图7示意性示出了根据本申请实施例的计算机设备的内部结构图。
附图标记说明
010-粮仓,020-第一图像采集设备,030-第二图像采集设备,040-定位装置,050-处理器,060-水分传感器,070-显示设备。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解的是,此处所描述的具体实施方式仅用于说明和解释本申请实施例,并不用于限制本申请实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在一个实施例中,提供了一种农作物收割设备,包括:
粮仓010,用于存储收割设备收获的农作物;
第一图像采集设备020,与收割设备的输送槽连接,用于在收割设备作业过程中实时采集作业区域的区域图像;
第二图像采集设备030,设置于粮仓010,用于在收割设备作业过程中实时采集粮仓010内的作物堆积图像;
定位装置040,用于实时确定收割设备的位置信息;以及
用于根据区域图像和作物堆积图像分别实时确定作业区域的作业宽幅和粮仓010内的作物存储量的处理器050,处理器050与第一图像采集设备020和第二图像采集设备030电连接。
农作物收割设备可以是立式割台收割机、卧式割台收割机、侧挂式割台收割机等联合收割机的任意一者,以下简称收割设备。粮仓010是收割设备用于存储收获的农作物的装置,在收割设备进行收割作业时,农作物的果实通过传送装置输送到粮仓010中进行存储。定位装置040是以确定空间位置为目标而构成的相互关联的一个装置,可以是BDS终端,可以实时定位收割设备的位置,获取其经纬度信息。在收割设备的割台处安装有第一图像采集设备020,具体地,可以是与割台处的输送槽连接。通过第一图像采集设备020实时采集到收割设备在所在区域工作时,割台采集作业区域的区域图像。第二图像采集装置030,可以是安装在粮仓010内的顶部上。通过第二图像采集装置030可以实时采集到粮仓010内的作物堆积图像。第一图像采集设备020和第二图像采集设备030可以是摄像头,摄像机,相机,扫描仪,其他带有拍照功能的设备(手机、平板电脑等)。处理器050可以根据第一图像采集设备020采集到的区域图像和第二图像采集设备030采集到的作物堆积图像,来实时确定作业区域的作业宽幅和粮仓内的作物存储量。具体地,可以通过模拟图像处理或是数字图像处理。例如,通过深度卷积神经网络模型计算出作物堆积图像对应的图像数据。
在一个实施例中,还包括:水分传感器060,设置于粮仓010的内部,与处理器050电连接,用于检测粮仓010内作物的当前含水率并将当前含水率发送至处理器050。
水分传感器060可以是微波雷达水分传感器、电容式水分传感器、电阻式水分传感器等的任意一者。例如,电阻式水分传感器可以对粮仓010内的粮食水分进行检测时,将收集到电压信号通过AI/DI转换成数字信号,计算出粮仓中作物的当前含水率,并将当前含水率发送至处理器050。
在一个实施例中,定位装置040与处理器050通过RS-232接口连接,用于将位置信息传输至处理器050。RS-232接口是常用的串行通信接口标准之一,并且RS-232应用范围广泛、价格便宜、编程容易,并且可以比其它接口使用更长的导线,适用于农作物收割设备这种大型设备中。定位装置040可以将位置信息中的经纬度信息通过RS-232传输给处理器050。
在一个实施例中,还包括:显示设备070,与处理器050通过HDMI接口连接,用于显示作业宽幅、作物存储量、位置信息和当前含水率中的任一者。
显示设备070可以是CRT显示器、LCD显示器、LED显示器、3D显示器等可以接受数据并显示图像的任意一种设备。显示设备070通过HDMI连接与处理器050连接,可以传输音频和视频等信号,以显示收割设备的区域面积、作物收获量、位置信息、当前含水率以及产量分布图中的任一者。高清多媒体接口(HDMI)是一种全数字化视频和声音发送接口,可以发送未压缩的音频及视频信号。HDMI可用于机顶盒、DVD播放机、个人计算机、电视、游戏主机、综合扩大机、数字音响与电视机等设备。HDMI可以同时发送音频和视频信号,由于音频和视频信号采用同一条线材,大大简化***线路的安装难度。在另一个实施例中,显示设备还采用移动网络通讯与云平台传输数据,云平台可以接收显示设备发送的作业宽幅、作物存储量、位置信息、当前含水率等数据,对当前作业区域的地块绘制产量分布图。
在一个实施例中,还包括:第一支架组件,与驾驶室前方的安装杆连接,用于固定显示设备070;第一固定组件,用于连接显示设备070与第一支架组件。
第一支架组件通过固定在驾驶室前方的安装杆。具体地,安装杆是驾驶室前方的横杆。第一固定组件可以是螺栓、铆钉、键鞘等固定组件,第一支架组件通过第一固定组件与显示设备070连接,可以将显示设备070设置在驾驶前方,便于驾驶员或其他用户进行查看。
在本申请的实施例中,还包括:第二支架组件,与输送槽连接,用于固定第一图像采集装置020;第二固定组件,用于连接第一图像采集设备020和第二固定组件与第二支架组件。
第二支架组件固定在输送槽上,输送槽位于割台处。第二固定组件可以是螺栓、铆钉、键鞘等固定组件。第一图像采集设备020通过第二固定组件与第二支架组件连接,可以将第一图像采集设备020设置在输送槽上,便于第一图像采集设备020采集作业区域的区域图像,以通过区域图像确定收割设备的作业宽幅。
在一个实施例中,还包括:第三支架组件,第三支架组件与粮仓内的顶部连接,用于固定第二图像采集设备030;第三固定组件,用于连接第二图像采集设备030和第三支架组件。
第三支架组件固定在粮仓010内的顶部,第三固定组件可以是螺栓、铆钉、键鞘等固定组件。第二图像采集设备030通过第三固定组件与第三支架组件连接,可以将第二图像采集设备030设置在粮仓内的顶部,便于第二图像采集030可以的采集到整个粮仓010内部的作物堆积图像,以进一步确定作物堆积高度和作物堆积面积。
在一个实施例中,还包括:第四固定组件,用于固定定位装置040,定位装置040通过第四固定组件与驾驶室的顶部连接。
第四固定组件可以是螺栓、铆钉、键鞘等固定组件,定位装置040通过第四固定组件固定在驾驶室的顶部,可以实时获取收割设备的位置信息。
在一个实施例中,还包括:第五固定组件,用于固定处理器050,处理器050通过第五固定组件与驾驶室的座椅连接。
第五固定组件可以是螺栓、铆钉、键鞘等固定组件,处理器050通过第五固定组件固定在驾驶室的座椅下方区域。
在一个实施例中,还包括:第一连接线,第一图像采集设备020通过第一连接线与处理器050电连接;第二连接线,第二图像采集设备030通过第二连接线与处理器050电连接。
第一连线和第二连线都可以是图像采集连接线,第一图像采集设备020、第二图像采集设备030分别通过第一连线和第二连线与处理器050电连接,并通过第一连线和第二连线图像数据。
通过上述技术方案,将第一图像采集设备与收割设备的输送槽连接,可以在收割设备作业过程中实时采集作业区域的区域图像。将第二图像采集设备设置在粮仓内,可以实时采集粮仓内的作物堆积图像。将处理器分别与第一图像采集设备和第二图像采集设备电连接,通过处理器可以根据区域图像和作物堆积图像分别实时确定作业区域的作业宽幅和粮仓内的作物存储量的。通过定位装置、水分传感器、可以实时确定收割设备的位置信息以及粮仓内作物的当前含水率。通过RS-232接口、HDMI接口以及图像采集连接线可以将获取到的数据实时传输给处理器。通过多个支架组件和多个固定组件可以将上述装置或设备固定在农作物收割设备上,以便于上述装置或设备在所在位置进行工作。如此,可以在收割设备对农作物收割的过程中,实时且准确地获取到收割设备的多种作业信息。
图2示意性示出了根据本申请实施例的用于确定农作物产量的方法的流程示意图。如图2所示,在本申请一实施例中,提供了一种用于确定农作物产量的方法,应用于农作物收割设备,收割设备包括粮仓,方法包括以下步骤:
步骤202,在收割设备沿着作业路径对农作物收割的过程中,确定收割设备在每个预设时间段内的位置,每个预设时间段内的位置包括起始时间点的第一位置和终止时间点的第二位置。
步骤204,根据第一位置和第二位置确定收割设备在每个预设时间段内的作业区域。
步骤206,获取粮仓在每个预设时间段内与起始时间点对应的第一作物堆积图像和与终止时间点对应的第二作物堆积图像。
步骤208,根据第一作物堆积图像和第二作物堆积图像确定收割设备在每个作业区域内的作物收获量。
在收割设备在农田进行作业时,通常是沿着某一直线方向的作业路径对农作物进行收割。在这个作业过程中,可以根据收割设备的行进速度设定一个预设时间段,例如可以是3秒、10秒、30秒、1分钟的任意时间段。处理器可以获取收割设备在每个预设时间段内的位置,包括在每个预设时间段的起始时间点的第一位置和终止时间点的第二位置。在收割设备沿着作业路径持续作业的过程中,下一个预设时间段的起始时间点可以是上一个预设时间段的终止时间点。第一位置和第二位置都包括该位置下收割设备的经纬度信息以及收割设备上其他工作装置采集到的信息。处理器可以根据第一位置和第二位置,确定收割设备在每个预设时间段内的作业区域。其中,作业区域是指被收割设备进行过收割作业的农作物区域。同时,处理器还可以获取收割设备的粮仓在每个预设时间段内与起始时间点对应的第一作物堆积图像,以及和终止时间点对应的第二作物堆积图像。收割设备在对农作物收割的过程中,采集到的粮食可以通过输送管道运送至粮仓中,粮食抛洒进入粮仓的过程中会产生堆积。第一作物堆积图像和第二作物堆积图像是指在对应的起始时间点和终止时间点,在粮仓中采集到的粮食堆积的图像。进一步地,处理器可以对第一作物堆积图像和第二作物堆积图像进行图像数据处理,来确定收割设备在每个预设时间段内对应的每个作业区域内的作物收获量。具体地,可以通过模拟图像处理或是数字图像处理。例如,通过深度卷积神经网络模型计算出作物堆积图像对应的图像数据,以确定出每个作业区域内的作物收获量。
在一个实施例中,根据第一作物堆积图像和第二作物堆积图像确定收割设备在每个作业区域内的作物收获量包括:根据第一作物堆积图像和第二作物堆积图像确定粮仓在每个预设时间段内的作物堆积高度和作物堆积面积;根据作物堆积高度和作物堆积面积确定每个预设时间段内的作业区域的作物收获量。
处理器可以通过深度卷积神经网络模型或是其他算法模型,计算出在每个预设时间段内,第一作物堆积图像和第二作物堆积图像对应的作物果实堆积的高度和面积。在收集粮食的过程中,粮食会抛洒在粮仓中,通常粮食堆积在粮仓内的横截面积比较稳定,但是高度会随着收割设备持续的采集作业而递增。处理器可以根据在每个预设时间段内粮仓内堆积的作物堆积高度差和作物堆积面积,将每个预设时间段的作物收获量确定为在对应的作业区域的作物收获量。其中,作物收获量是指粮仓收集到的粮食的重量。具体地,每个预设时间段对应的作业区域的作物收获量可以根据公式(3)进行计算:
M=ρ×S×(H2-H1) (3)
其中,M是指每个预设时间段对应的作业区域的作物收获量,ρ是指粮仓内作物品种对应的密度,H2是指在每个预设时间段的终止时间点的第二作物堆积图像对应的作物在粮仓内堆积的高度,H1是指在每个预设时间段的起始时间点的第一作物堆积图像对应的作物在粮仓内堆积的高度,S是指是指在每个预设时间段的作物堆积面积。
在另一个实施例中,也可以是将第一作物堆积图像和第二作物堆积图像发送至推理计算平台处理收集到的图像信息,确定出对应的粮仓内粮食堆积的高度和面积,再传输给处理器来对作物收获量进行计算,以减少处理器数据处理的压力。
在一个实施例中,收割设备的割台处安装有第一图像采集设备,根据第一位置和第二位置确定收割设备在每个预设时间段内的作业区域包括:在收割设备沿着作业路径对农作物收割的过程中,通过第一图像采集设备实时获取收割设备所在区域的区域图像;根据区域图像确定收割设备所在区域的作业宽幅;根据第一位置和第二位置确定每个预设时间段内收割设备的作业路径长度;根据作业宽幅和作业路径长度确定每个预设时间段内对应的作业区域,以及作业区域的作业面积。
收割设备的割台是在进行收割作业的过程中,直接与农作物接触并收割的装置。在收割设备的割台处安装有第一图像采集设备,具体地,可以是安装在割台处的输送槽上。第一图像采集设备可以是摄像头,摄像机,相机,扫描仪,其他带有拍照功能的设备(手机、平板电脑等)。通过第一图像采集设备实时采集到收割设备在所在区域工作时,割台采集作业区域的区域图像。那么,处理器可以根据采集到的区域图像通过图像数据处理技术,来确定收割设备在所在区域工作时,割台采集作业的作业宽幅。具体地,可以通过模拟图像处理或是数字图像处理。例如,通过深度卷积神经网络模型计算出区域图像的图像数据,以确定出每个作业区域内割台采集作业的作业宽幅。通常收割作业设备在田间对农作物进行作业时,在每个预设时间段内割台采集的作业宽幅是比较稳定的。处理器可以根据收割设备在每个预设时间段内的第一位置和第二位置的经纬度信息,来确定出收割设备对应的作业路径长度。例如,可以将经纬度坐标换算成平面坐标,来计算在作业路径上两个时间点对应的第一位置和第二位置之间的相隔距离,即作业路径长度。进一步地,处理器可以根据确定的作业宽幅和作业路径长度确定每个预设时间段内对应的作业区域,以将作业宽幅和作业路径长度进行几何计算确定出作业区域的作业面积。如果第一位置和第二位置对应的作业宽幅不一致,也可以根据第一位置对应的作业宽幅、第二位置对应的作业宽幅和作业路径长度进行几何计算确定作业区域的作业面积。
在一个实施例中,收割设备还包括定位装置,确定收割设备在每个预设时间段内的位置信息包括:通过定位装置确定与起始时间点对应的第一位置的经纬度数据,以及与终止时间点对应的第二位置的经纬度数据;经过高斯投影坐标转换,分别确定与第一位置的经纬度数据对应的第一平面坐标和与第二位置的经纬度数据对应的第二平面坐标;根据第一位置和第二位置确定收割设备在每个预设时间段内的作业区域包括:根据第一平面坐标和第二平面坐标确定收割设备在每个预设时间段内的作业区域。
通过收割设备上安装的定位装置可以确定与起始时间点对应的第一位置的经纬度数据,以及与终止时间点对应的第二位置的经纬度数据。处理器可以获取到经纬度数据,将数据中的经纬度坐标(B,L)根据6度分带高斯克吕格投影转换为平面坐标(X,Y),得到与起始时间点T1对应的第一位置的第一平面坐标(X1,Y1),以及与终止时间点T2对应的第二位置的第二平面坐标(X2,Y2)。根据以下公式(4)可以确定每个预设时间段内对应的作业区域的作业路径长度:
其中,L是指每个预设时间段内对应的作业区域的作业路径长度,X1是指第一平面坐标的横坐标值,X2是指第二平面坐标的横坐标值,Y1是指第一平面坐标的纵坐标值,Y2是指第二平面坐标的纵坐标值。
进一步地,根据第一平面坐标和第二平面坐标确定出作业路径长度后,处理器可以根据作业路径长度和通过区域图像确定的作业宽幅,来确定每个预设时间段内对应的作业区域,以及作业区域的作业面积。
在一个实施例中,通过第一图像采集设备实时获取收割设备所在区域的区域图像包括:根据收割设备的实时移动速度确定第一图像采集设备的图像采集频率;控制第一图像采集设备按照图像采集频率采集区域图像。
处理器可以根据收割设备的实时移动速度确定第一图像采集设备的图像采集频率,如果收割设备的移动速度较快,为了尽可能的采集到更多的作物数据,可以根据移动速度提高图像采集频率。如果收割设备的移动速度较慢,那么可以适当降低图像采集频率,以减少对图像采集设备的工作损耗,以及减少多余的区域图像对存储介质的内存占用。例如,设置初始图像采集频率为每隔3s采集一次,根据以下公式(5)来对图像采集频率进行调整:
其中,j是指第一图像采集设备的图像采集频率,v是指收割设备的实时移动速度。
在一个实施例中,方法还包括:实时获取作物收获量对应的当前含水率;确定作物对应的标准含水率;根据每个作业区域的作业面积、作物收获量、当前含水率以及标准含水率确定每个预设时间段所对应的单位面积目标产量;根据每个预设时间段的单位面积目标产量确定收割设备的全部作业区域的产量分布图。
当前含水率是指在预设时间段内粮仓内收集到的粮食的水分含量,可以通过水分传感器进行检测。处理器可以获取到作物收获量对应的当前含水率,并根据作物的品种类型确定其标准含水率。其中,标准含水率是在国家标准GB/T1354-2018《大米》中,明确规定了各种大米的水分含量要求。其中籼米、籼糯米的水分要求为14.5%,粳米及粳糯米的水分不能超过15.5%的上限。
进一步地,处理器可以根据每个作业区域的作业面积、作物收获量、当前含水率以及标准含水率确定每个预设时间段所对应的单位面积目标产量。单位面积目标产量是指在每个预设时间段对应的作业区域内采集到的作物收获量,其作物在标准含水率下的单位面积的产量。以此,可以计算出每块作业区域的实时亩产量。根据以下公式(1)可以对单位面积目标产量进行计算:
其中,M标准是指与标准含水率对应每个预设时间段的单位面积目标产量,M是指与当前含水率对应的每个作业区域的作物收获量,P是指每个作业区域的作业面积,O1是指标准含水率,O2是指当前含水率。
进一步地,收割设备在完成全部作业区域的收割作业后,可以将每个预设时间段对应的作业区域的单位面积目标产量以及作业区域的作业面积,来绘制出全部作业区域的产量分布图。产量分布图可以是饼状图、树状图、饼状图或平面图等能够反映全部作业区域的作物收获量具体情况的示意图。例如,可以是根据全部作业区域的实际面积按照比例绘制比例尺及绘图图幅大小。以收割设备的收割作业起点作为坐标原点建立绘图坐标系,将每个预设时间段对应的第一位置和第二位置的平面坐标转换为绘图坐标系坐标值,由每一个小块的作业区域对应的产量数据和几何数据将全部作业区域绘制完成,以形成产量分布图。
在一个实施例中,根据每个预设时间段的单位面积目标产量确定收割设备的全部作业区域的产量分布图包括:根据每个预设时间段的单位面积目标产量确定每个作业区域的显示颜色;根据显示颜色分别每个作业区域进行颜色渲染,以生成全部作业区域的产量分布图。
在对产量分布图绘制的过程中,处理器可以对每个预设时间段对应的作业区域进行颜色渲染。根据每个预设时间段的单位面积目标产量确定每个作业区域的显示颜色,可以采用双色渐变色方案建立颜色与产量的对应关系。例如,单位面积目标产量为0/亩时为绿色,单位面积目标产量大于等于1100/亩是为红色,单位面积目标产量为0~1100/亩为绿色到黄色再到红色的颜色渐变。在一种更为具体的实施方式中,还可以对产量分布进行细化,以调整颜色与产量的关系,来得到修正后准确地产量分布图。如图3所示,示意性示出了根据本申请实施例的方法所绘制的产量分布图,可以直观地展示出每个区域的产量情况。
在一个实施中,显示颜色根据以下公式(2)进行计算:
其中,color(r,g,b)是指产量分布图中每个作业区域的显示颜色的RGB值,Ti为每个作业区域的单位面积目标产量。
在一个实施中,方法还包括:根据产量分布图调整针对下一次的农作物的管理决策,和/或分析针对当前收割的农作物的管理效果。
根据产量分布图的产量数据可以得到生产统计数据,例如,全部作业区域的平均产量、总产量、产量方差等数据。以此,可以根据产量分布图来分析针对当前收割的农作物的管理效果,来进行评价。并且可以对下一季农作物的种植管理决策进行调整,调整产量低的作业区域的施肥量、灌溉量、种植时间、种植品种等。通过上一季对下一季的分析评价和管理,可以形成一个闭环调节的智慧农业***。
在一个实施例中,如图4所示,提供了一种用于确定农作物产量的方法,包括以下步骤:
S401,实时获取收割设备采集到的作业数据。
作业数据包括收割设备的位置信息,第一图像采集设备采集到的进行收割作业的区域图像,第二图像采集设备采集到的粮仓内的作物堆积图像,以及水分传感器采集到粮仓内作物的含水率数据。
S402,确定作业数据中的位置信息。
S403,读取位置信息中的经纬度坐标。
S404,根据高斯投影变换将经纬度坐标转换成平面坐标,确定每1s收割设备的平面坐标。
处理器可以获取到经纬度数据,将数据中的经纬度坐标(B,L)根据6度分带高斯克吕格投影转换为平面坐标(X,Y)。
S405,确定绘制比例尺和绘图图幅大小,以收割起点为原点,将平面坐标转换为绘图坐标系的坐标值,进行网格划分确定初始图像。
S406,确定作业数据中粮仓内粮食每1s的当前含水率数据。
S407,确定作业数据中粮仓内每1s的作业堆积图像,根据作业堆积图像确定每1s的作物收获量。
处理器可以根据在每1s内粮仓内堆积的作物堆积图像,通过图像数据处理确定作物堆积高度和作物堆积面积,将每1s内的作物收获量确定为在每1s内的作业区域的作物收获量。其中,作物收获量是指粮仓收集到的粮食的重量。具体地,每1s内对应的作业区域的作物收获量可以根据公式(3)进行计算:
M=ρ×S×(H2-H1) (3)
其中,M是指每1s内对应的作业区域的作物收获量,ρ是指粮仓内作物品种对应的密度,H2是指在每1s的终止时间点的第二作物堆积图像对应的作物在粮仓内堆积的高度,H1是指在每1s的起始时间点的第一作物堆积图像对应的作物在粮仓内堆积的高度,S是指是指在每1s内的作物堆积面积。
S408,根据每1s的含水率数据对每1s作业收获量进行修正,计算出标准含水率下的作物收获量。
根据以下公式(6)可以对标准含水率下的作物收获量进行计算:
其中,mi(dry)为作物在标准含水率下的作物收获量,mi为作物在当前含水率下的作物收获量,ha是指当前含水率,hr是指标准含水率。
S409,设置第一图像采集设备和第二图像采集设备的初始采样频率为每隔3s进行一次采样,并且根据车速动态调整采样频率j秒,根据这j秒内的作物收获量、作业宽幅以及第i秒和第i-j秒的平面坐标值确定出单位面积目标产量。
处理器可以根据收割设备的实时移动速度确定第一图像采集设备的图像采集频率,如果收割设备的移动速度较快,为了尽可能的采集到更多的作物数据,可以根据移动速度提高图像采集频率。如果收割设备的移动速度较慢,那么可以适当降低图像采集频率,以减少对图像采集设备的工作损耗,以及减少多余的区域图像对存储介质的内存占用。例如,设置初始图像采集频率为每隔3s采集一次,根据以下公式(5)来对图像采集频率进行调整:
其中,j是指第一图像采集设备的图像采集频率,v是指收割设备的实时移动速度。
根据以下公式(7)可以对单位面积目标产量进行计算:
其中,Ti是指与标准含水率对应每j秒内的单位面积目标产量,Hi是指与当前含水率对应每j秒内的总产量,w为每j秒内的作业宽幅,xi是指第一平面坐标的横坐标值,xi-j是指第二平面坐标的横坐标值,yi是指第一平面坐标的纵坐标值,yi-j是指第二平面坐标的纵坐标值。处理器可以通过第一图像采集设备采集到的进行收割作业的区域图像,根据图像数据处理来确定每j秒内的作业宽幅w。
S410,确定每个作业区域的单位面积目标产量与显示颜色的对应关系。
显示颜色根据以下公式(2)进行计算:
其中,color(r,g,b)是指产量分布图中每个作业区域的显示颜色的RGB值,Ti为每个作业区域的单位面积目标产量。
S411,判断收割设备需要进行收割作业的全部区域是否采样完成,若是,则执行S412;若否,则执行S401。
S412,根据每个j秒内对应的作业区域的单位面积目标产量,以及作业区域对应的绘图坐标系的坐标值,以将初始图像进行颜色渲染绘制成产量分布图。
在对产量分布图绘制的过程中,处理器可以对每个预设时间段对应的作业区域进行颜色渲染。根据每个预设时间段的单位面积目标产量确定每个作业区域的显示颜色,可以采用双色渐变色方案建立颜色与产量的对应关系。例如,单位面积目标产量为0kg/亩时为绿色,单位面积目标产量大于等于1100kg/亩是为红色,单位面积目标产量为0~1100kg/亩为绿色到黄色再到红色的颜色渐变。在一种更为具体的实施方式中,还可以对产量分布进行细化,以调整颜色与产量的关系,来得到修正后准确地产量分布图。如图3所示,示意性示出了根据本申请实施例的方法所绘制的产量分布图,可以直观地展示出每个区域的产量情况。
S413,对产量分布进行细化,以调整颜色与产量的关系,来得到修正后准确地产量分布图。
S414,根据产量分布图确定生产统计数据,调整针对下一次的农作物的管理决策,和/或分析针对当前收割的农作物的管理效果。
据产量分布图的产量数据可以得到生产统计数据,例如,全部作业区域的平均产量、总产量、产量方差等数据。以此,可以根据产量分布图来分析针对当前收割的农作物的管理效果,来进行评价。并且可以对下一季农作物的种植管理决策进行调整,调整产量低的作业区域的施肥量、灌溉量、种植时间、种植品种等。通过上一季对下一季的分析评价和管理,可以形成一个闭环调节的智慧农业***。
通过上述技术方案,在收割设备沿着作业路径对农作物收割的过程中,通过定位装置确定每个预设时间段内起始时间点的第一位置和终止时间点的第二位置后,将第一位置和第二位置的经纬度坐标转换为平面坐标,确定出每个预设时间段的作业路径长度。通过第一图像采集设备实时获取收割设备的区域图像,根据深度卷积神经网络算法确定出每个预设时间段的作业宽幅。根据每个预设时间段的作业路径长度和作业宽幅确定出收割设备的作业区域,以及作业区域面积。再通过第二图像采集设备获取粮仓内在每个预设时间段内与起始时间点对应的第一作物堆积图像和与终止时间点对应的第二作物堆积图像,计算出作物堆积高度和作业堆积面积,以确定收割设备在每个作业区域内的作物收获量。通过水分传感器实时获取粮仓内作物的当前含水率,确定出标准含水率下的作物收获量。根据确定收割设备的作业区域,以及作业区域对应的标准含水率下的作物收获量,来确定每个作业区域对应的标准含水率下的单位面积目标产量,并绘制可视化的产量分布图。可以掌握每一细分地块的产量数据,根据产量分布图调整针对下一次的农作物的管理决策,分析针对当前收割的农作物的管理效果,为农业的精准管理提供了更为精细的数据支撑。
图2为一个实施例中用于确定农作物产量的方法的流程示意图。应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种农作物收割设备500,包括:
粮仓502,用于存储收割设备收获的农作物;
定位装置504,用于实时确定收割设备的位置信息;
第二图像采集设备506,用于采集粮仓内的作物堆积图像;以及
处理器508,被配置成执行上述任意一种用于确定农作物产量的方法。
农作物收割设备500可以是立式割台收割机、卧式割台收割机、侧挂式割台收割机等联合收割机的任意一者,以下简称收割设备。粮仓是收割设备用于存储收获的农作物的装置,在收割设备500进行收割作业时,农作物的果实通过传送装置输送到粮仓502中进行存储。定位装置504是以确定空间位置为目标而构成的相互关联的一个装置,可以是BDS终端,可以实时定位收割设备500的位置,获取其经纬度信息。第二图像采集设备506,具体地,可以是安装在粮仓502内的顶部上。第二图像采集设备506可以是摄像头,摄像机,相机,扫描仪,其他带有拍照功能的设备(手机、平板电脑等)。通过第二图像采集设备506可以实时采集到粮仓内的作物堆积图像。处理器508被配置成执行上述用于确定农作物产量的方法,来控制粮仓502进行收集作业和控制第二图像采集设备506按照图像采集频率采集图像,以及控制定位装置实时获取收割设备的位置信息。
在一个实施例中,如图6所示,收割设备500还包括:
第一图像采集设备510,用于在收割设备沿着作业路径对农作物收割的过程中,实时采集收割设备所在区域的区域图像;
处理器508,还被配置成根据区域图像确定收割设备所在区域在每个预设时间段内的作业宽幅。
在收割设备的割台处安装有第一图像采集设备510,具体地,可以是安装在割台处的输送槽上。第一图像采集设备510可以是摄像头,摄像机,相机,扫描仪,其他带有拍照功能的设备(手机、平板电脑等)。通过第一图像采集设备510在收割设备500沿着作业路径对农作物收割的过程中,实时采集割台采集作业区域的区域图像。那么,处理器可以根据采集到的区域图像通过图像数据处理技术,来确定收割设备500在所在区域工作时,割台采集作业的作业宽幅。具体地,可以通过模拟图像处理或是数字图像处理。例如,通过深度卷积神经网络模型计算出区域图像的图像数据,以确定出每个作业区域内割台采集作业的作业宽幅。
在一个实施例中,如图6所示,收割设备500还包括:
水分传感器512,用于确定粮仓内作物的当前含水率;
处理器508,还被配置成:通过水分传感器获取当前含水率;确定作物对应的标准含水率;根据每个作业区域的作业面积、作物收获量、当前含水率以及标准含水率确定每个预设时间段所对应的单位面积目标产量。
水分传感器512可以是微波雷达水分传感器、电容式水分传感器、电阻式水分传感器等的任意一者。例如,电阻式水分传感器可以对粮仓内的粮食水分进行检测时,将收集到电压信号通过AI/DI转换成数字信号,计算出粮仓502中粮食的含水率。处理器508可以通过水分传感器512获取当前含水率,再根据国家标准确定作物的品种类型对应的标准含水率。进一步地,处理器可以根据每个作业区域的作业面积、作物收获量、当前含水率以及标准含水率确定每个预设时间段所对应的单位面积目标产量。单位面积目标产量是指在每个预设时间段对应的作业区域内采集到的作物收获量,其作物在标准含水率下的单位面积的产量。以此,可以计算出每块作业区域的实时亩产量。根据以下公式(1)可以对单位面积目标产量进行计算:
其中,M标准是指与标准含水率对应每个预设时间段的单位面积目标产量,M是指与当前含水率对应的每个作业区域的作物收获量,P是指每个作业区域的作业面积,O1为标准含水率,O2为当前含水率。
在一个实施例中,如图6所示,收割设备500还包括:显示设备514,与处理器508通过HDMI连接,用于显示收割设备的区域面积、作物收获量、位置信息、当前含水率以及产量分布图中的任一者。
显示设备514可以是CRT显示器、LCD显示器、LED显示器、3D显示器等可以接受数据并显示图像的任意一种设备。显示设备514通过HDMI连接与处理器508连接,可以传输音频和视频等信号,以显示收割设备500的区域面积、作物收获量、位置信息、当前含水率以及产量分布图中的任一者。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现对于确定农作物产量的方法。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本申请实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述于确定农作物产量的方法。
本申请实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述于确定农作物产量的方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过***总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中,该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作***B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作***B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储于确定农作物产量的数据。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种于确定农作物产量的方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本申请实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现于确定农作物产量的方法的步骤。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有于确定农作物产量的方法步骤的程序。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (16)
1.一种用于确定农作物产量的方法,其特征在于,所述方法应用于农作物收割设备,所述收割设备包括粮仓,所述方法包括:
在所述收割设备沿着作业路径对农作物收割的过程中,确定所述收割设备在每个预设时间段内的位置,每个预设时间段内的位置包括起始时间点的第一位置和终止时间点的第二位置;
根据第一位置和第二位置确定所述收割设备在每个预设时间段内的作业区域;
获取所述粮仓在每个预设时间段内与所述起始时间点对应的第一作物堆积图像和与所述终止时间点对应的第二作物堆积图像;
根据第一作物堆积图像和第二作物堆积图像确定所述收割设备在每个作业区域内的作物收获量。
2.根据权利要求1所述的用于确定农作物产量的方法,其特征在于,所述根据第一作物堆积图像和第二作物堆积图像确定所述收割设备在每个作业区域内的作物收获量包括:
根据第一作物堆积图像和第二作物堆积图像确定所述粮仓在每个预设时间段内的作物堆积高度和作物堆积面积;
根据作物堆积高度和作物堆积面积确定每个预设时间段内的作业区域的作物收获量。
3.根据权利要求1所述的用于确定农作物产量的方法,其特征在于,所述收割设备的割台处安装有第一图像采集设备,根据第一位置和第二位置确定所述收割设备在每个预设时间段内的作业区域包括:
在所述收割设备沿着作业路径对农作物收割的过程中,通过所述第一图像采集设备实时获取所述收割设备所在区域的区域图像;
根据区域图像确定所述收割设备所在区域的作业宽幅;
根据第一位置和第二位置确定每个预设时间段内所述收割设备的作业路径长度;
根据所述作业宽幅和所述作业路径长度确定每个预设时间段内对应的作业区域,以及作业区域的作业面积。
4.根据权利要求3所述的用于确定农作物产量的方法,其特征在于,所述通过所述第一图像采集设备实时获取所述收割设备所在区域的区域图像包括:
根据所述收割设备的实时移动速度确定所述第一图像采集设备的图像采集频率;
控制所述第一图像采集设备按照所述图像采集频率采集所述区域图像。
5.根据权利要求1所述的用于确定农作物产量的方法,其特征在于,所述方法还包括:
实时获取所述作物收获量对应的当前含水率;
确定所述作物对应的标准含水率;
根据每个作业区域的作业面积、所述作物收获量、所述当前含水率以及所述标准含水率确定每个预设时间段所对应的单位面积目标产量;
根据每个预设时间段的单位面积目标产量确定所述收割设备的全部作业区域的产量分布图。
7.根据权利要求5所述的用于确定农作物产量的方法,其特征在于,所述根据每个预设时间段的单位面积目标产量确定所述收割设备的全部作业区域的产量分布图包括:
根据每个预设时间段的单位面积目标产量确定每个作业区域的显示颜色;
根据所述显示颜色分别每个作业区域进行颜色渲染,以生成所述全部作业区域的产量分布图。
9.根据权利要求5至8中任意一项所述的用于确定农作物产量的方法,其特征在于,所述方法还包括:
根据所述产量分布图调整针对下一次的农作物的管理决策,和/或分析针对当前收割的农作物的管理效果。
10.根据权利要求1所述的用于确定农作物产量的方法,其特征在于,所述收割设备还包括定位装置,所述确定所述收割设备在每个预设时间段内的位置信息包括:
通过所述定位装置确定与所述起始时间点对应的第一位置的经纬度数据,以及与所述终止时间点对应的第二位置的经纬度数据;
经过高斯投影坐标转换,分别确定与所述第一位置的经纬度数据对应的第一平面坐标和与所述第二位置的经纬度数据对应的第二平面坐标;
所述根据第一位置和第二位置确定所述收割设备在每个预设时间段内的作业区域包括:
根据所述第一平面坐标和所述第二平面坐标确定所述收割设备在每个预设时间段内的作业区域。
11.一种处理器,其特征在于,被配置成执行根据权利要求1至10中任意一项所述的用于确定农作物产量的方法。
12.一种农作物收割设备,其特征在于,包括:
粮仓,用于存储所述收割设备收获的农作物;
定位装置,用于实时确定所述收割设备的位置信息;
第二图像采集设备,用于采集粮仓内的作物堆积图像;以及
如权利要求11所述的处理器。
13.根据权利要求12所述的农作物收割设备,其特征在于,所述收割设备还包括:
第一图像采集设备,用于在所述收割设备沿着作业路径对农作物收割的过程中,实时采集所述收割设备所在区域的区域图像;
所述处理器还被配置成:
根据所述区域图像确定所述收割设备所在区域在每个预设时间段内的作业宽幅。
14.根据权利要求12所述的农作物收割设备,其特征在于,还包括:
水分传感器,用于确定所述粮仓内作物的当前含水率;
所述处理器还被配置成:
通过所述水分传感器获取所述当前含水率;
确定所述作物对应的标准含水率;
根据每个作业区域的作业面积、作物收获量、所述当前含水率以及所述标准含水率确定每个预设时间段所对应的单位面积目标产量。
15.根据权利要求12所述的农作物收割设备,其特征在于,所述收割设备还包括:
显示设备,与所述处理器通过HDMI连接,用于显示所述收割设备的区域面积、作物收获量、位置信息、当前含水率以及产量分布图中的任一者。
16.一种机器可读存储介质,该机器可读存储介质上存储有指令,其特征在于,该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至10中任一项所述的用于确定农作物产量的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210968752.1A CN115399139B (zh) | 2022-08-12 | 2022-08-12 | 用于确定农作物产量的方法、设备、存储介质及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210968752.1A CN115399139B (zh) | 2022-08-12 | 2022-08-12 | 用于确定农作物产量的方法、设备、存储介质及处理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115399139A true CN115399139A (zh) | 2022-11-29 |
CN115399139B CN115399139B (zh) | 2024-04-26 |
Family
ID=84159498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210968752.1A Active CN115399139B (zh) | 2022-08-12 | 2022-08-12 | 用于确定农作物产量的方法、设备、存储介质及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115399139B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111903318A (zh) * | 2020-08-24 | 2020-11-10 | 山东理工大学 | 一种谷物收获机产量监测方法及*** |
CN114009207A (zh) * | 2021-10-29 | 2022-02-08 | 北京市农林科学院智能装备技术研究中心 | 一种收割面积测量方法及收割机 |
CN114119736A (zh) * | 2020-08-28 | 2022-03-01 | 中联农业机械股份有限公司 | 用于农业机械的控制方法、控制装置、农业机械及处理器 |
CN114255394A (zh) * | 2020-09-11 | 2022-03-29 | 中联农业机械股份有限公司 | 用于调整农业机械作业参数的方法、装置及处理器 |
CN114267005A (zh) * | 2020-09-15 | 2022-04-01 | 中联农业机械股份有限公司 | 用于农作物的收割方法、装置、处理器及农业机械 |
CN114430992A (zh) * | 2020-11-03 | 2022-05-06 | 迪尔公司 | 用于联合收割机的谷粒级谷物监控*** |
-
2022
- 2022-08-12 CN CN202210968752.1A patent/CN115399139B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111903318A (zh) * | 2020-08-24 | 2020-11-10 | 山东理工大学 | 一种谷物收获机产量监测方法及*** |
CN114119736A (zh) * | 2020-08-28 | 2022-03-01 | 中联农业机械股份有限公司 | 用于农业机械的控制方法、控制装置、农业机械及处理器 |
CN114255394A (zh) * | 2020-09-11 | 2022-03-29 | 中联农业机械股份有限公司 | 用于调整农业机械作业参数的方法、装置及处理器 |
CN114267005A (zh) * | 2020-09-15 | 2022-04-01 | 中联农业机械股份有限公司 | 用于农作物的收割方法、装置、处理器及农业机械 |
CN114430992A (zh) * | 2020-11-03 | 2022-05-06 | 迪尔公司 | 用于联合收割机的谷粒级谷物监控*** |
CN114009207A (zh) * | 2021-10-29 | 2022-02-08 | 北京市农林科学院智能装备技术研究中心 | 一种收割面积测量方法及收割机 |
Also Published As
Publication number | Publication date |
---|---|
CN115399139B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11317562B2 (en) | Generating a yield map for an agricultural field using classification and regression methods | |
US10832351B2 (en) | Correcting bias in agricultural parameter monitoring | |
US10860189B2 (en) | Systems and methods for customizing scale and corresponding views of data displays | |
US10408645B2 (en) | Correcting bias in parameter monitoring | |
CN106163261B (zh) | 农业机具和农业机具操作者监控装置、***及方法 | |
AU2021204029A1 (en) | Updating execution of tasks of an agricultural prescription | |
CN111406261A (zh) | 从具有大视野的图像中进行疾病识别 | |
CN111985724B (zh) | 一种农作物产量预估的方法、装置、设备及存储介质 | |
CN112734083A (zh) | 一种基于机器视觉的水稻收割机路径规划控制*** | |
US20230073551A1 (en) | Row-by-row yield estimation system and related devices and methods | |
CN112304902A (zh) | 一种农作物物候的实时监测方法和装置 | |
US11435188B2 (en) | Agricultural system | |
CN115376006A (zh) | 用于预测农作物收获日期的方法、存储介质及处理器 | |
CN113099836B (zh) | 农业收割机械智能化驱动平台 | |
CN115399139A (zh) | 用于确定农作物产量的方法、设备、存储介质及处理器 | |
CN218736029U (zh) | 农作物收割设备 | |
CN114255394A (zh) | 用于调整农业机械作业参数的方法、装置及处理器 | |
Lee et al. | Development of potato yield monitoring system using machine vision | |
CN116228454A (zh) | 一种基于大数据的种植管理控制方法、***和可读存储介质 | |
CN114742288A (zh) | 藜麦抽穗产量智能预测方法 | |
CN111867351B (zh) | 用于确定农作物的生存高度的方法 | |
Bates et al. | Automating measurements of canopy and fruit to map crop load in commercial vineyards | |
WO2008077996A2 (en) | Method, apparatus and system for determining a need for growth aids to promote vegetation growth | |
EP4016416A1 (en) | Method for operating on an environment | |
CN113128577B (zh) | 一种基于机器学习的中耕期甘蔗幼苗培土方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |