ES2922250T3 - Pulverizador agrícola - Google Patents
Pulverizador agrícola Download PDFInfo
- Publication number
- ES2922250T3 ES2922250T3 ES17305131T ES17305131T ES2922250T3 ES 2922250 T3 ES2922250 T3 ES 2922250T3 ES 17305131 T ES17305131 T ES 17305131T ES 17305131 T ES17305131 T ES 17305131T ES 2922250 T3 ES2922250 T3 ES 2922250T3
- Authority
- ES
- Spain
- Prior art keywords
- weed species
- agricultural sprayer
- weed
- image
- matrix
- 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.)
- Active
Links
- 241000196324 Embryophyta Species 0.000 claims abstract description 184
- 238000012545 processing Methods 0.000 claims abstract description 74
- 239000007921 spray Substances 0.000 claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 230000015654 memory Effects 0.000 claims abstract description 23
- 239000013043 chemical agent Substances 0.000 claims abstract description 14
- 238000004891 communication Methods 0.000 claims abstract description 8
- 238000005507 spraying Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000000926 separation method Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 2
- 230000004913 activation Effects 0.000 claims 1
- 238000013519 translation Methods 0.000 abstract description 2
- 239000004009 herbicide Substances 0.000 description 11
- 230000002363 herbicidal effect Effects 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 239000002689 soil Substances 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 241000894007 species Species 0.000 description 4
- 239000007788 liquid Substances 0.000 description 3
- 239000000575 pesticide Substances 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000009333 weeding Methods 0.000 description 3
- 239000013543 active substance Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000000295 emission spectrum Methods 0.000 description 2
- 244000144972 livestock Species 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 241001621841 Alopecurus myosuroides Species 0.000 description 1
- 241000209764 Avena fatua Species 0.000 description 1
- 235000007320 Avena fatua Nutrition 0.000 description 1
- 241000544808 Bromus sterilis Species 0.000 description 1
- 240000001579 Cirsium arvense Species 0.000 description 1
- 235000005918 Cirsium arvense Nutrition 0.000 description 1
- 241000207894 Convolvulus arvensis Species 0.000 description 1
- 240000008853 Datura stramonium Species 0.000 description 1
- 241001289540 Fallopia convolvulus Species 0.000 description 1
- 240000005702 Galium aparine Species 0.000 description 1
- 235000014820 Galium aparine Nutrition 0.000 description 1
- 241000004701 Geranium dissectum Species 0.000 description 1
- STECJAGHUSJQJN-USLFZFAMSA-N LSM-4015 Chemical compound C1([C@@H](CO)C(=O)OC2C[C@@H]3N([C@H](C2)[C@@H]2[C@H]3O2)C)=CC=CC=C1 STECJAGHUSJQJN-USLFZFAMSA-N 0.000 description 1
- 241000058193 Lipandra polysperma Species 0.000 description 1
- 244000182930 Matricaria sp Species 0.000 description 1
- 235000008885 Matricaria sp Nutrition 0.000 description 1
- 240000004674 Papaver rhoeas Species 0.000 description 1
- 235000007846 Papaver rhoeas Nutrition 0.000 description 1
- 244000113428 Sonchus oleraceus Species 0.000 description 1
- 235000006745 Sonchus oleraceus Nutrition 0.000 description 1
- 241001166549 Veronica hederifolia Species 0.000 description 1
- 241001464837 Viridiplantae Species 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 235000008216 herbs Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000010809 targeting technique Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
- A01M7/0089—Regulating or controlling systems
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M21/00—Apparatus for the destruction of unwanted vegetation, e.g. weeds
- A01M21/04—Apparatus for destruction by steam, chemicals, burning, or electricity
- A01M21/043—Apparatus for destruction by steam, chemicals, burning, or electricity by chemicals
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
- B05B12/00—Arrangements for controlling delivery; Arrangements for controlling the spray area
- B05B12/08—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means
- B05B12/12—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means responsive to conditions of ambient medium or target, e.g. humidity, temperature position or movement of the target relative to the spray apparatus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/955—Hardware or software architectures specially adapted for image or video understanding using specific electronic processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pest Control & Pesticides (AREA)
- Insects & Arthropods (AREA)
- Zoology (AREA)
- Environmental Sciences (AREA)
- Wood Science & Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Toxicology (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Catching Or Destruction (AREA)
- Soil Working Implements (AREA)
- Agricultural Chemicals And Associated Chemicals (AREA)
Abstract
Un sistema de control de malezas (2) para un rociador agrícola (1) que comprende una cámara (3) y una unidad de pulverización (4) con varios módulos de suministro, una boquilla (9) y un módulo de controlador para recibir una señal de detección de especies de malezas y a Organizar la pulverización del agente químico. El sistema de control de malezas (2) también comprende una unidad de identificación de especies de malezas (5) con un módulo de comunicación, un módulo de memoria y un módulo de procesamiento que tiene varios núcleos de procesamiento paralelos. Cada núcleo de procesamiento paralelo realiza una operación de convolución entre una subatriz construida a partir de píxeles cercanos de la imagen y un núcleo predefinido almacenado en el módulo de memoria para obtener una subatriz de representación de características de los valores de píxel de la imagen. El módulo de procesamiento calcula una probabilidad de presencia de una especie de malezas de la matriz de representación de características y genera una señal de detección de especies de malezas. (Traducción automática con Google Translate, sin valor legal)
Description
DESCRIPCIÓN
Pulverizador agrícola
Campo de la invención
La presente invención se refiere a sistemas de control de malas hierbas para agricultura y ganadería, en particular, pulverizadores agrícolas, y procedimientos para la aplicación de pesticidas en agricultura utilizando tales sistemas de control de malas hierbas y procedimientos para calibrar tales sistemas de control de malas hierbas.
Antecedentes de la invención
En particular, la presente invención se refiere a sistemas de control de malas hierbas para agricultura y ganadería, en particular, pulverizadores agrícolas.
Los procedimientos químicos para el control de malas hierbas a menudo implican la aplicación de un agente de control de malas hierbas tal como un herbicida o un bioherbicida. Los pesticidas para cultivos agrícolas se pueden aplicar antes o después de la emergencia con respecto al estado de germinación de la planta y ayudan a reducir la presión competitiva sobre las plantas recién germinadas al eliminar organismos indeseables y maximizar la cantidad de agua, nutrientes del suelo y luz solar disponible para el cultivo.
En la agricultura, los procedimientos sistemáticos y a gran escala para la aplicación de pesticidas suelen ser necesarios y se llevan a cabo mediante grandes equipos conocidos como pulverizadores montados o arrastrados por un tractor.
Un pulverizador normalmente comprende al menos una barra con boquillas a intervalos a lo largo de la barra, un tanque para contener el agua y la mezcla química y una bomba para distribuir el herbicida a las boquillas a través de tuberías. Los pulverizadores vienen en varios tipos, ya sea autopropulsados, remolcados por un tractor, montados en un tractor o desmontables (montados en un portaherramientas del tractor, por ejemplo).
Para reducir el impacto ambiental, así como el coste de la operación de control de malas hierbas, ha habido desarrollos recientes de tractores guiados por visión que están provistos de sensores ópticos, por ejemplo, imágenes en color para guiar los equipos de pulverización de banda. A continuación, se ordena al sistema de pulverización de los tractores o a los dispositivos mecánicos de cultivo que solo traten una planta de malas hierbas cuando se detecte en el suelo (véanse, p. ej., los documentos WO2016/025848A1, US2012195496A1, US2015245565A1 y US2002024665A1).
La tecnología de orientación comúnmente utilizada aprovecha el patrón conocido en el que se plantó un cultivo para distinguir entre cultivos y plantas de malas hierbas. Las imágenes en color se transforman, por ejemplo, en imágenes con nivel de gris, de modo que la planta verde aparece brillante sobre un fondo oscuro del suelo. El espaciado de planta/fila se introduce en el ordenador y un patrón de plantación predefinido puede coincidir con la imagen de nivel de gris durante el movimiento del tractor. Las malas hierbas distribuidas al azar se identifican a continuación como área verde que se encuentra fuera del patrón de cultivo regular.
Sin embargo, tales sistemas presentan varios inconvenientes.
En primer lugar, el patrón de cultivo suele ser irregular o puede evolucionar a lo largo del campo de cultivo de tal manera que un espacio predefinido entre plantas/filas introducido al comienzo de la operación se vuelve irrelevante. También puede haber muy pocas filas de cultivos (por ejemplo, si hay una alta proporción de cultivos que faltan) o demasiadas malas hierbas en una imagen para que coincida de manera fiable con el patrón de cultivo. Tales sistemas tampoco pueden usar diferentes herbicidas selectivos para diferentes especies de malas hierbas.
Ha habido algunos intentos de combinar tales sistemas con análisis de espectro de la luz de emisión de malas hierbas o algoritmos de reconocimiento de formas que comparan la forma de las malas hierbas observada con formas almacenadas en una base de datos de malas hierbas.
Tales sistemas presentan varias desventajas que impiden su uso en la práctica.
Primero, mientras que el espectro de emisión de luz de las malas hierbas se puede caracterizar en condiciones de laboratorio, la reflectancia espectral de las plantas varía fuertemente en condiciones naturales dependiendo de las especies de malas hierbas y las variaciones del suelo. Las malas hierbas naturales presentan una gran diversidad de especies que pueden diferir mucho de las malas hierbas cultivadas industrialmente. La composición del suelo también tiene un fuerte efecto sobre el color de las malas hierbas y su reflectancia espectral. Como resultado, el espectro de emisión de luz de las malas hierbas normalmente no puede usarse como un criterio fiable para distinguir entre especies de malas hierbas.
En segundo lugar, dada la gran diversidad de especies de malas hierbas, la base de datos de formas de malas hierbas debe ser muy grande para almacenar todas las variaciones de formas diferentes (formas de malas hierbas jóvenes, de malas hierbas viejas, de todas las subespecies...). Los algoritmos de reconocimiento de formas que comparan la forma de las malas hierbas observada con las formas almacenadas en la base de datos de formas de malas hierbas son, por lo tanto, muy lentos, ya que tienen que escanear estas grandes bases de datos.
Como consecuencia, tales sistemas mejorados presentan bajos niveles de fiabilidad e imponen que los pulverizadores solo puedan viajar a una velocidad muy baja para dar tiempo suficiente al algoritmo de identificación de malas hierbas para procesar las imágenes adquiridas por la cámara e identificar las especies de malas hierbas.
Por tanto, existe la necesidad de un sistema de control de malas hierbas que sea capaz de identificar especies de malas hierbas a una mayor velocidad y con mayor precisión.
La presente invención tiene por objeto en particular mejorar esta situación.
Compendio de la invención
Con este objetivo, según la invención, se proporciona un pulverizador agrícola como se define en la reivindicación 1. Con estas características, la identificación de especies de malas hierbas se puede realizar a alta velocidad y con una buena precisión. Las operaciones paralelas de procesamiento y convolución permiten una identificación distribuida y precisa de las especies de malas hierbas.
En algunas realizaciones, también se podría usar una o más de las características definidas en las reivindicaciones dependientes 2 a 12.
Otro objeto más de la invención es un procedimiento para el control de malas hierbas que usa un pulverizador agrícola como se detalla anteriormente, como se define en la reivindicación 13.
Otro objeto más de la invención es un procedimiento para calibrar un sistema de control de malas hierbas como se ha detallado anteriormente, adaptado para pulverizar una pluralidad de especies de malas hierbas enumeradas en una base de datos de especies de malas hierbas, siendo el procedimiento de calibración como se define en la reivindicación 14.
Breve descripción de los dibujos
Otras características y ventajas de la invención aparecerán fácilmente a partir de la siguiente descripción de varias de sus realizaciones, proporcionadas como ejemplos no limitativos, y de los dibujos adjuntos.
En los dibujos:
- La figura 1 es una vista esquemática en perspectiva de un pulverizador agrícola que comprende un sistema de control de malas hierbas según una realización de la invención.
- La figura 2 es un organigrama que ilustra los módulos y unidades del sistema de control de malas hierbas de la figura 1.
- Las figuras 3 y 4 son dos diagramas de flujo que detallan las operaciones de procesamiento realizadas por el módulo de procesamiento de una unidad de identificación de especies de malas hierbas del sistema de control de malas hierbas de las figuras 1 y 2, y
- La figura 5 es un diagrama de flujo que detalla una etapa de un procedimiento para calibrar el sistema de control de malas hierbas de las figuras 1 y 2, según realizaciones de la invención.
En las distintas figuras, los mismos signos de referencia designan elementos iguales o similares.
Descripción detallada
La figura 1 ilustra un ejemplo de pulverizador agrícola 1 según la invención.
El pulverizador agrícola 1 está diseñado para desplazarse por un campo de cultivo. En particular, el pulverizador agrícola 1 puede montarse o arrastrarse por un tractor. El pulverizador puede ser autopropulsado, remolcado por un tractor, montado en un tractor o desmontable (montado en un transportador, por ejemplo).
Un campo de cultivo se ilustra en la figura 1 y generalmente presenta cultivos C que pueden organizarse a lo largo de filas y pueden ser visibles o no (cultivos preemergentes, por ejemplo). Una variedad de plantas de malas hierbas W también pueden crecer en el campo como se ilustra en la figura 1.
El pulverizador agrícola 1 está diseñado para desplazarse, a lo largo de una dirección longitudinal X sobre el campo de cultivo, normalmente a lo largo de una o varias hileras de cultivos en el campo. El pulverizador agrícola 1 comprende al menos una barra 17 que se extiende a lo largo de una dirección transversal Y perpendicular a la dirección longitudinal X.
El pulverizador agrícola 1 está provisto de un sistema de control de malas hierbas 2 según la invención, que se ilustra esquemáticamente en la figura 2.
Más precisamente, el sistema de control de malas hierbas 2 comprende una o varias cámara(s) 3, una unidad de pulverización 4 y una unidad de identificación de especies de malas hierbas 5.
Las cámaras 3 están montadas en el pulverizador agrícola 1, por ejemplo en la barra del pulverizador agrícola, para poder adquirir imágenes de una parte del campo de cultivo mientras el pulverizador agrícola 1 se desplaza por el campo. La cámara se puede montar con un ángulo dado con respecto a una dirección vertical perpendicular a la dirección transversal y longitudinal, por ejemplo unos 45 o 60 grados, para adquirir una imagen del campo de cultivo frente al pulverizador agrícola. Las cámaras 3 pueden montarse sobre amortiguadores para reducir las vibraciones durante los movimientos del pulverizador 1 y aumentar la nitidez de las imágenes adquiridas.
Cada cámara 3 comprende un sensor 6, tal como un sensor CCD o CMOS, y un sistema óptico 7 que comprende una pluralidad de lentes y/o espejos.
Una cámara 3 adquiere una imagen que comprende una matriz de valores de píxeles. Cada imagen consta de píxeles W*H, donde W es el número de píxeles a lo largo del ancho de la imagen y H es el número de píxeles a lo largo de la altura de la imagen. El ancho W y la altura H de la cámara definen una resolución del sensor de la cámara. El sensor puede, en particular, adquirir una imagen que comprende una matriz de al menos un millón de valores de píxeles, más preferiblemente de más de 5 millones de valores de píxeles.
Alternativamente, se puede usar una cámara lineal y se puede reconstruir una matriz de valores de píxeles a partir de la salida de la cámara lineal.
Ventajosamente, la ubicación de la cámara, la resolución del sensor y el diseño del sistema óptico se seleccionan de manera que la imagen captada por la cámara comprenda una matriz de al menos un millón de valores de píxel donde cada píxel de dicha matriz cubre independientemente un área del suelo de menos de cinco milímetros cuadrados, preferiblemente menos de dos milímetros cuadrados. Esta resolución espacial de la cámara es importante para poder identificar de forma fiable las especies de malas hierbas, como se detalla más adelante.
La cámara 3 puede ser una cámara a color. En este caso, cada uno de los valores de píxel comprende, por ejemplo, tres canales tales como valores RGB (rojo-verde-azul) y la matriz de valores de píxel es una matriz 3D de dimensiones W*H*3, por ejemplo.
A diferencia de los sistemas de control de malas hierbas conocidos anteriormente, la cámara 3 puede estar libre de filtros de color y polarizador. En particular, el sistema óptico 7 de la cámara 3 puede estar constituido únicamente por lentes y/o espejos. Dado que solo se necesita el color general y no se necesita información espectral absoluta para identificar las malas hierbas, se puede usar una cámara al descubierto y solo se puede proporcionar con lentes y espejos seleccionados para obtener la resolución espacial necesaria para la identificación de las especies de malas hierbas.
Una unidad de pulverización 4 también está montada en el pulverizador agrícola 1 y comprende varios componentes que se describirán ahora con mayor detalle.
Como se ilustra en la figura 2, la unidad de pulverización 4 comprende al menos un módulo de suministro 8, al menos una boquilla 9 y un módulo de controlador 10. En particular, la unidad de pulverización 4 puede comprender al menos dos módulos de suministro 8 que contienen diferentes productos químicos.
Cada módulo de suministro 8 comprende un tanque de agente químico y una válvula electrónica de suministro.
El tanque de agente químico contiene un líquido que puede ser un herbicida o agua.
El tanque puede contener una premezcla de agua y herbicida o un tanque de agua separado puede contener agua para mezclar con un herbicida sobre la marcha, durante o justo antes del suministro. Cada módulo de suministro 8 puede estar provisto de un tanque que contenga un líquido diferente. Por ejemplo, un módulo de suministro 8 puede estar provisto de un tanque que contiene un herbicida que contiene un agente activo adaptado para el tratamiento de deshierbe antes de que broten las malas hierbas, mientras que otro módulo de suministro 8 puede estar provisto de un tanque que contiene un herbicida con un agente activo adaptado para el tratamiento de deshierbe después de la brotación de las malas hierbas.
La unidad de pulverización 4 comprende al menos una boquilla 9 para pulverizar un agente químico desde al menos uno de dichos módulos de suministro 8 sobre una zona objetivo S del campo.
Las boquillas están montadas en el pulverizador agrícola, por ejemplo, distribuidas a lo largo de la dirección transversal de extensión del pulverizador agrícola como se ilustra en la figura 1.
El módulo de controlador 10 de la unidad de pulverización 4 recibe una señal de detección de especies de malas hierbas de la unidad de identificación de especies de malas hierbas 5 como se describirá más adelante. Sobre la base de esta señal, el módulo de controlador 10 ordena selectivamente la pulverización de agente químico desde al menos uno de los módulos de suministro 8 a través de la boquilla 9.
El módulo de controlador 10 puede comandar la pulverización de agente químico con un retardo de pulverización tras la recepción de la señal de detección de especies de malas hierbas.
El retraso de la pulverización se puede calcular sobre la base de un tiempo de latencia de la unidad de reconocimiento de malas hierbas, así como de la velocidad del vehículo 1 y una distancia calibrada entre la boquilla 9 y la cámara 3.
El retraso de la pulverización también puede tener en cuenta un tiempo precalibrado de suministro del agente químico correspondiente a la latencia de los sistemas mecánicos de la unidad de pulverización y el tiempo de desplazamiento del líquido en los tubos de la unidad de pulverización, por ejemplo.
En una realización de la invención, la señal de detección de especies de malas hierbas solo comprende información relativa a las especies de malas hierbas. El módulo de controlador 10 de la unidad de pulverización 4 seleccionará entonces un módulo de suministro 8 que contiene un herbicida adaptado para esta especie de malas hierbas y ordenará a la válvula de suministro electrónica y, si es necesario, a la boquilla 9, que pulverice el agente químico.
En otras realizaciones de la invención, la señal de detección de especies de malas hierbas puede comprender un indicador de ubicación de especies de malas hierbas.
En tal realización, se puede determinar una ubicación de la especie de malas hierbas en el campo a partir de dicho indicador de ubicación de la especie de malas hierbas, por ejemplo, mediante el uso de información adicional sobre la ubicación del pulverizador 1 obtenida usando un sistema de posicionamiento global y, opcionalmente, información de calibración adicional de la orientación y/o posición de la cámara 3 en el pulverizador 1.
La ubicación de las especies de malas hierbas en el campo puede entonces almacenarse en una memoria, en particular en el módulo de memoria 14.
En una de estas realizaciones ilustradas en las figuras, la unidad de pulverización 4 comprende una pluralidad de boquillas 9 dispuestas a lo largo de la dirección transversal Y de extensión del pulverizador agrícola. Las boquillas 9 están dirigidas hacia el campo y cada boquilla 9 puede pulverizar producto químico para cubrir una zona objetivo S del campo.
En esta realización, el módulo de controlador 10 de la unidad de pulverización 4 puede recibir entonces la señal de detección de especies de malas hierbas y ordenar la pulverización de agente químico a través de la pluralidad de boquillas 9 basándose en el indicador de ubicación de especies de malas hierbas. En particular, solo se puede abrir un número limitado de boquillas 9 de acuerdo con la ubicación de las malas hierbas en el suelo.
En una variante, la unidad de pulverización 4 puede comprender al menos una boquilla móvil 9. La boquilla móvil puede pulverizar selectivamente una pluralidad de zonas objetivo S en el suelo, por ejemplo una pluralidad de zona objetivo S yuxtapuestas a lo largo de la dirección transversal Y del pulverizador agrícola 1. La boquilla móvil 9 puede tener su posición y/u orientación controlada por una unidad de control de inclinación o deslizamiento.
En esta realización, el módulo de controlador 10 de la unidad de pulverización 4 recibe la señal de detección de especies de malas hierbas y ordena la posición y/o la orientación de la boquilla móvil 9 basándose en el indicador de ubicación de especies de malas hierbas. En particular, la posición y/o la orientación de la boquilla 9 se pueden adaptar de acuerdo con la ubicación de las malas hierbas en el suelo para pulverizar herbicida en la ubicación correcta del suelo.
Las dos realizaciones descritas anteriormente pueden combinarse para proporcionar una pluralidad de boquillas móviles movidas y seleccionadas independientemente.
Nos referiremos ahora más específicamente a la figura 2 que ilustra con mayor detalle una unidad de identificación de especies de malas hierbas 5 según una realización de la invención.
La unidad de identificación de especies de malas hierbas 5 comprende un módulo de comunicación 13, un módulo de memoria 14 y un módulo de procesamiento 15.
El módulo de comunicación 13 recibe la imagen adquirida por la cámara 3 y envía las señales de detección de especies de malas hierbas al módulo de controlador 10 de la unidad de pulverización 4 del sistema de control de malas hierbas 2 como ya se ha descrito anteriormente.
En particular, la cámara 3 puede generar un flujo continuo de imágenes durante el movimiento del pulverizador agrícola 1 sobre el campo de cultivo, en cuyo caso el módulo de comunicación 13 puede recibir continuamente dichas imágenes y todos los módulos de la unidad de identificación de especies de malas hierbas 5 pueden estar operando en tiempo real o en tiempo real suave, por lo que también genera y envía un flujo continuo de señales de detección de especies de malas hierbas al módulo de controlador 10 de la unidad de pulverización 4.
El módulo de comunicación 13 puede comunicarse con la cámara 3 y el módulo de controlador 10 de la unidad de pulverización 4 mediante comunicación por cable o utilizando un protocolo inalámbrico (por ejemplo, protocolo óptico o de radio tal como infrarrojos o "Wi-Fi").
El módulo de memoria 14 puede almacenar la imagen recibida o el flujo de imágenes. El módulo de memoria 14 puede comprender varios submódulos y puede estar distribuido en varios chips de la unidad de identificación de especies de malas hierbas 5. En particular, el módulo de memoria 14 puede comprender una memoria de almacenamiento no volátil y una memoria de almacenamiento volátil.
El módulo de procesamiento 15 comprende una pluralidad de p núcleos de procesamiento paralelo 16. El número p de núcleos de procesamiento en paralelo 16 es mayor que uno. El módulo de procesamiento puede comprender, por ejemplo, al menos cuatro núcleos de procesamiento en paralelo 16. Los núcleos de procesamiento en paralelo 16 pueden ejecutar núcleos de cómputo en paralelo, como se describirá con mayor detalle más adelante.
Cada núcleo de procesamiento paralelo 16 puede comprender una pluralidad de procesadores de subnúcleo para paralelizar aún más el procesamiento de la imagen.
En particular, los núcleos de procesamiento paralelo pueden ser parte de un único componente informático 15, por ejemplo, una unidad central de procesamiento (CPU) o una unidad de procesamiento gráfico (GPU).
El núcleo de procesamiento paralelo 16 puede tener acceso a un área específica del módulo de memoria 14, en particular, el módulo de memoria 14 puede incluir un chip de memoria ubicado cerca del módulo de procesamiento 15, por ejemplo, un chip de memoria de una unidad de procesamiento gráfico que incorpora el módulo de procesamiento 15.
Cada núcleo de procesamiento paralelo 16 realiza al menos una operación de convolución entre una submatriz P construida a partir de píxeles cercanos de la imagen y un núcleo K predefinido almacenado en el módulo de memoria 14 para obtener una submatriz de representación de características F de los valores de píxeles de la imagen.
El núcleo K es una pequeña matriz que puede considerarse como un campo receptivo equivalente para un píxel dado en la imagen.
La operación de convolución implica calcular el producto punto entre las entradas del núcleo K y una submatriz P construida a partir de píxeles cercanos de la imagen para producir una submatriz de representación de características que es una representación filtrada de la imagen.
Dada la localidad de la operación de convolución, se puede paralelizar fácilmente, lo que acelera fuertemente el procesamiento de la imagen.
Además, como se detalla más adelante, los coeficientes del núcleo se pueden calibrar para que el núcleo sea general y se pueda aplicar a una amplia variedad de especies de malas hierbas.
En particular, para realizar dicha operación de convolución, cada núcleo de procesamiento paralelo puede calcular una multiplicación de matriz a matriz entre la submatriz P y una matriz de núcleo predefinida K asociada al núcleo. El coeficiente del núcleo K puede ser idéntico en toda la imagen y, por lo tanto, idéntico entre los núcleos de procesamiento en paralelo o puede variar según la ubicación en la imagen.
Esta multiplicación de matriz a matriz se puede paralelizar utilizando algoritmos de álgebra de procesamiento paralelo convencionales para aumentar la velocidad de procesamiento de la imagen.
Alternativamente, la operación de convolución se puede realizar calculando una transformada rápida de Fourier de la submatriz P de la imagen.
Como se ilustra en las figuras 3 y 4, el módulo de procesamiento generalmente realiza una secuencia de n operaciones de procesamiento que comienzan con una matriz de entrada I generada a partir de los valores de píxel de la imagen y finalizan con una matriz de salida O que comprende al menos una probabilidad de presencia de una mala hierba entre una base de datos de especies de malas hierbas.
Ventajosamente, cada operación de procesamiento i de dicha secuencia de operaciones de procesamiento sucesivas toma como entrada una matriz de representación de características Fi-1 producido por una operación de procesamiento anterior i-1 o la matriz de entrada I generada a partir de los valores de píxeles de la imagen, y genera una matriz de representación de características Fi.
Las operaciones de procesamiento implican al menos una de:
- una operación de convolución como se describió antes,
- una operación de agrupamiento, y/o
- un procesamiento paralelo no lineal.
La operación de agrupamiento y el procesamiento paralelo no lineal se describirán ahora con más detalles.
Cada núcleo de procesamiento paralelo del módulo de procesamiento puede realizar una operación de agrupamiento. Se puede realizar una operación de agrupamiento implicada en una submatriz S de valores cercanos determinados a partir de la matriz de entrada I o de una matriz de representación de características Fi-1 producido por una operación de procesamiento anterior i-1.
La operación de agrupamiento implica determinar una estadística de dicha submatriz S de valores cercanos. La estadística es, por ejemplo, un máximo de dicha submatriz S, como en el denominado agrupamiento máximo.
La operación de agrupamiento es una operación local que también se puede paralelizar fácilmente y aumentar la solidez de la identificación de especies de malas hierbas con respecto a la pequeña traducción de la planta en la imagen entre las imágenes de entrenamiento y las imágenes de prueba.
Los núcleos de procesamiento paralelo del módulo de procesamiento también pueden realizar un procesamiento paralelo no lineal de la matriz de entrada I o de una matriz de representación de características Fi-1 producido por una operación de procesamiento anterior i-1.
Por "operación no lineal", se entiende que la salida y=f(x) de la función no lineal f aplicada a un escalar, vector o tensor x no es lineal con respecto a dicho escalar, vector o tensor x.
Un ejemplo de función no lineal es una unidad lineal rectificada tal como la función f(x) = max(0, x) o una unidad lineal rectificada generalizada tal como una unidad lineal rectificada con fugas, una unidad lineal rectificada paramétrica o una unidad maxout (máxima). Por ejemplo, la función generalizada puede ser:
donde "a" es un parámetro predefinido.
La función no lineal se puede aplicar de forma independiente a cada valor de la matriz de entrada I o la matriz de representación de características Fi-1.
Aquí de nuevo, la aplicación independiente de la función no lineal a cada valor de la matriz de entrada I o la matriz de representación de características Fi-1 hace que el procesamiento sea fácilmente paralelo y, por lo tanto, reduce la latencia de la unidad de identificación de malas hierbas.
La operación de procesamiento sucesivo puede así conducir a una matriz de salida que contiene probabilidades de detectar cada especie de malas hierbas en la base de datos de especies de malas hierbas.
En algunas realizaciones de la invención, la matriz de salida puede comprender además al menos un valor indicativo de la ubicación de una especie de malas hierbas dentro de la imagen adquirida por la cámara.
Esto permite seleccionar y/o mover la boquilla para reducir el consumo de químicos.
Ventajosamente, a cada especie de malas hierbas identificada se le puede proporcionar una información de ubicación. Tal valor indicativo de una ubicación de una especie de malas hierbas puede ser, por ejemplo, un cuadro delimitador indicativo de una ubicación de la especie de malas hierbas dentro de la imagen adquirida por la cámara.
A partir de la matriz de salida, el módulo de procesamiento 15 es capaz de calcular al menos una probabilidad de presencia de una especie de malas hierbas entre la base de datos de especies de malas hierbas.
El módulo de procesamiento 15 puede generar así una señal de detección de especies de malas hierbas en base a dicha probabilidad de presencia.
Usando la operación especial y el procesamiento paralelo descrito anteriormente, es posible obtener un sistema de identificación de malas hierbas con una latencia muy baja.
Más precisamente, la unidad de identificación de especies de malas hierbas 5 puede generar una señal de detección de especies de malas hierbas a partir de una imagen I adquirida por la cámara 3 con un tiempo de latencia ti.
El tiempo de latencia ti corresponde a un tiempo que separa la generación de la señal de detección de especies de malas hierbas de la recepción de la imagen I correspondiente.
El tiempo de latencia ti puede ser inferior a 500 ms, en particular inferior a 200 ms o incluso inferior a 100 ms con una precisión de detección correspondiente superior al 75 %, en particular superior al 90 %.
Por precisión de detección se entiende el número de detecciones entre las especies de malas hierbas observadas en un gran número de imágenes, por ejemplo más de 1000 imágenes (es decir, el número de verdaderos positivos sobre el número total de especímenes de malas hierbas que aparecen en dichas imágenes).
Además, una zona objetivo S de la unidad de pulverización 4, en particular de la boquilla 9 de la unidad de pulverización, y un campo de visión FOV de la cámara 3 pueden estar separados entre sí por una distancia de separación ds a lo largo del eje longitudinal X de recorrido.
La distancia de separación ds y el tiempo de latencia ti puede ser tal que ds / (ti+tp) > v, dónde v es una velocidad del pulverizador agrícola 1 que se desplaza en el campo de cultivo y tp es un tiempo de procesamiento de la unidad de pulverización.
El tiempo de procesamiento de la unidad de pulverización tp es el tiempo entre la recepción en la unidad de aplicación de la información de que se ha identificado una mala hierba y la aplicación real del herbicida. Este tiempo puede comprender en particular el retraso detallado anteriormente. El tiempo de procesamiento de la unidad de pulverización tp es por ejemplo del orden de 200 ms o inferior.
En una realización, el pulverizador agrícola puede desplazarse sobre el campo de cultivo con una velocidad v, por ejemplo, entre 7 y 25 km/h. La zona objetivo S de la unidad de pulverización y el campo de visión FOV de la cámara pueden estar situados bastante cerca uno del otro a lo largo de la dirección longitudinal de desplazamiento, por ejemplo entre 1 y 6 m de distancia. El tiempo de latencia ti por lo tanto, puede ser alrededor de 200 ms, por ejemplo.
El tiempo de latencia ti también puede estar limitado por la cámara 3 como se describirá ahora. El sistema de adquisición de la cámara 3 tiene un campo de visión (FOV) predefinido. Más precisamente, la distancia focal de la lente y el tamaño del sensor de imagen establecen una relación entre el campo de visión y la distancia de trabajo (la distancia entre la parte posterior de la lente y la parte de la imagen del campo de cultivo). El campo de visión FOV es, por lo tanto, el área de inspección capturada en el sensor de la cámara. El tamaño del campo de visión y el tamaño del sensor de la cámara afectan directamente a la resolución de la imagen (un factor determinante en la precisión). El campo de visión está limitado en particular por la resolución que se requiere para poder identificar las especies de malas hierbas como se detalla anteriormente.
El área del campo de visión FOV puede así expresarse en metros cuadrados y puede ser, en particular, inferior a 10 metros cuadrados, por ejemplo, alrededor de 5 metros cuadrados.
El campo de visión se extiende a lo largo de la dirección longitudinal X y la dirección transversal Y.
La extensión longitudinal del campo de visión FOVx puede estar comprendida entre 1 m y 3 m. La extensión transversal del campo de visión FOVy puede estar comprendida entre 1 m y 5 m.
El tiempo de latencia también puede estar limitado por la extensión longitudinal del campo de visión FOVx y la velocidad de fotogramas de la cámara.
Por ejemplo, si la cámara tiene una extensión longitudinal del campo de visión FOVx de aproximadamente 1 metro, la cámara debe emitir una nueva imagen cada vez que el pulverizador agrícola ha recorrido 1 metro en la dirección longitudinal. Para evitar la acumulación de imágenes en un búfer, el tiempo de latencia de la unidad de identificación de especies de malas hierbas tiene que ser menor que el tiempo entre dos adquisiciones consecutivas de la cámara 3.
En particular, se puede establecer una relación entre la extensión longitudinal del campo de visión (FOVx) y el tiempo de latencia (tl) como sigue:
o equivalente:
Por ejemplo, si la extensión longitudinal del campo de visión (FOVx) es de aproximadamente 1 metro y la velocidad (v) de unos 20 km/h, es decir, 5,5 m/s, el tiempo de latencia (tl) tiene que ser inferior a 180 ms.
Los parámetros de las operaciones de procesamiento descritas anteriormente, en particular los parámetros de los núcleos de las operaciones de convolución, pueden determinarse operando un proceso de calibración que ahora se describirá con mayor detalle.
Una pluralidad de especies de malas hierbas está listada en una base de datos de especies de malas hierbas. La base de datos de especies de malas hierbas puede incluir, por ejemplo, Cirsium arvense Scop, Chenopodium polyspermum L., Bromus sterilis L., Papaver rhoeas L., Datura stramonium L, Avena fatua L., Galium aparine L., Geranium dissectum L., Sonchus oleraceus L., Convolvulus arvensis L., Matricaria sp., Polygonum convolvulus L., Veronica hederaefolia L., Alopecurus agrestis L.
Un vehículo tal como el pulverizador agrícola 1 está provisto de al menos una cámara 3 capaz de adquirir una imagen de una parte de un campo de cultivo, durante un movimiento de dicho vehículo sobre el campo de cultivo.
La cámara 3 utilizada durante el proceso de calibración puede ser similar a la cámara descrita anteriormente.
El vehículo 1 está diseñado para poder desplazarse por un campo de cultivo. Puede ser similar al pulverizador agrícola descrito anteriormente. El vehículo puede estar provisto únicamente de una cámara y, por lo tanto, sin una unidad de pulverización 4 o una unidad de identificación de especies de malas hierbas 5.
La cámara 3 adquiere imágenes que comprenden matrices de valores de píxeles como se detalla anteriormente.
El vehículo 1 se desplaza sobre un campo de cultivo que presenta al menos un número predefinido de cada especie de malas hierbas de una base de datos de especies de malas hierbas diana. El número predefinido es ventajosamente un gran número, por ejemplo mayor que unos pocos cientos o miles de muestras de cada especie de mala hierba diana.
El vehículo 1 adquiere así al menos un número predefinido de imágenes de cada especie de mala hierba de dicha base de datos de especies de mala hierba diana. Por ejemplo, más de unos cientos o miles de imágenes que contienen una muestra de cada especie de mala hierba diana.
A continuación, se puede construir un conjunto de datos de entrenamiento a partir del número predefinido de imágenes de cada especie de mala hierba al etiquetar la especie de mala hierba en las imágenes. La operación de etiquetado puede comprender asignar una categoría de mala hierba para cada muestra adquirida en la imagen y también puede comprender definir un cuadro delimitador o una indicación de la ubicación, dentro de una imagen, de cada especie de mala hierba mostrada en dicha imagen.
A continuación, se determina un conjunto de pesos del modelo de identificación de malas hierbas a partir del conjunto de datos de entrenamiento. El conjunto de pesos del modelo de identificación de malas hierbas comprende al menos un núcleo predefinido para una operación de convolución como se detalla anteriormente. El conjunto de pesos del modelo se determina para maximizar la precisión del modelo en el conjunto de datos de entrenamiento, por ejemplo, maximizando la probabilidad de predecir las muestras de malas hierbas etiquetadas en el conjunto de datos de entrenamiento. El conjunto de pesos del modelo puede determinarse utilizando técnicas de aprendizaje automático, por ejemplo, utilizando algoritmos de descenso de gradiente.
Finalmente, el conjunto de pesos del modelo de identificación de malas hierbas se almacena en el módulo de memoria 14 del sistema de control de malas hierbas 2 y, a continuación, puede usarse para una operación de deshierbe como se detalla anteriormente.
Como entenderán bien los expertos en la materia, los diversos y variados etapas y procesos discutidos aquí para describir la invención pueden referirse a operaciones realizadas por un ordenador, un procesador u otro dispositivo de cálculo electrónico que manipula y/o transforma datos usando fenómeno eléctrico. Esos ordenadores y dispositivos electrónicos pueden emplear varias memorias volátiles y/o no volátiles, incluido un medio legible por ordenador no transitorio con un programa ejecutable almacenado en él, incluidos varios códigos o instrucciones ejecutables que pueden ser ejecutadas por el ordenador o el procesador, donde la memoria y /o medio legible por ordenador puede incluir todas las formas y tipos de memoria y otros medios legibles por ordenador.
La discusión anterior divulga y describe simplemente realizaciones a modo de ejemplo de la presente invención. Un experto en la técnica reconocerá fácilmente a partir de dicha discusión y de los dibujos adjuntos que se pueden realizar varios cambios, modificaciones y variaciones dentro del alcance de las reivindicaciones adjuntas.
Claims (14)
1. Un pulverizador agrícola (1) que tiene un sistema de control de malas hierbas (2) que comprende:
* al menos una cámara (3) adaptada para montarse en un pulverizador agrícola (1) para adquirir una imagen de una parte de un campo de cultivo mientras dicho pulverizador agrícola se desplaza sobre dicho campo de cultivo, comprendiendo dicha imagen una matriz de valores de píxeles,
* una unidad de pulverización (4) adaptada para montarse en dicho pulverizador agrícola y que comprende
- al menos un módulo de suministro (8) que comprende un tanque de agente químico,
- al menos una boquilla (9) para pulverizar un agente químico desde dicho al menos un módulo de suministro (8), y - un módulo de controlador (10) capaz de recibir una señal de detección de especie de mala hierba y ordenar selectivamente la pulverización del agente químico desde dicho al menos un módulo de suministro (8) a través de dicha al menos una boquilla (9) en base a dicha señal de detección de especies de malas hierbas, el sistema de control de malas hierbas (2) comprende además:
* una unidad de identificación de especies de malas hierbas (5) que comprende
- un módulo de comunicación (13) capaz de recibir la imagen adquirida por la al menos una cámara (3) y enviar dicha señal de detección de especies de malas hierbas al módulo de controlador (10) de la unidad de pulverización (4) del sistema de control de malas hierbas,
- un módulo de memoria (14) capaz de almacenar dicha imagen, estando el sistema de control de malas hierbas (2) caracterizado por que la unidad de identificación de especies de malas hierbas (5) comprende además:
- un módulo de procesamiento (15) que comprende una pluralidad de núcleos de procesamiento paralelos (16), cada núcleo de procesamiento paralelo (16) puede realizar al menos una operación de convolución entre una submatriz construida a partir de píxeles cercanos de la imagen y un núcleo predefinido almacenado en el módulo de memoria (14) para obtener una submatriz de representación de características de los valores de píxeles de la imagen, siendo capaz el módulo de procesamiento (15) de calcular al menos una probabilidad de presencia de una especie de mala hierba entre una base de datos de especies de malas hierbas a partir de una matriz de representación de características de la imagen construida a partir de las submatrices de representación de características construidas por los núcleos de procesamiento en paralelo (16), y generar dicha señal de detección de especies de malas hierbas en base a dicha al menos una probabilidad de presencia.
2. Un pulverizador agrícola según la reivindicación 1, en el que una zona diana (S) de la unidad de pulverización (4) y un campo de visión (FOV) de al menos una cámara (3) están separados entre sí por una distancia de separación ds a lo largo de un eje longitudinal (X) del pulverizador agrícola (1),
en donde la unidad de identificación de especies de malas hierbas (5) es capaz de generar dicha señal de detección de especies de malas hierbas a partir de una imagen adquirida por la al menos una cámara (3) con un tiempo de latencia ti,
en donde dicha distancia de separación ds y dicho tiempo de latencia ti son tales que ds/(ti+tp) > v, donde v es la velocidad del pulverizador agrícola (1) que se desplaza sobre el campo de cultivo y tp es un tiempo de procesamiento de la unidad de pulverización (4),
en donde dicha velocidad v es superior a 7 km/h y dicha distancia de separación ds es inferior a 6 m.
3. Un pulverizador agrícola según la reivindicación 2,
en donde al menos una cámara (3) tiene una extensión longitudinal del campo de visión FOVX a lo largo de un eje longitudinal (X) del pulverizador agrícola (1),
en donde la unidad de identificación de especies de malas hierbas (5) es capaz de generar dicha señal de detección de especies de malas hierbas a partir de una imagen adquirida por la al menos una cámara (3) con un tiempo de latencia ti,
en donde dicha extensión longitudinal del campo de visión FOVx y dicho tiempo de latencia ti son tales que FOVx /ti > v, donde v es una velocidad de la pista del pulverizador agrícola (1),
en donde dicha velocidad v es superior a 7 km/h y dicha extensión longitudinal del campo de visión FOVx es inferior a 5 m.
4. Un pulverizador agrícola según una cualquiera de las reivindicaciones 1 a 3, en donde al menos una cámara (3) está montada en el pulverizador agrícola (1) para adquirir una imagen que comprende una matriz de al menos un millón de valores de píxeles en la que cada píxel de dicho al menos un millón de valores de píxeles cubre independientemente un área elemental del área del suelo de menos de cinco milímetros cuadrados.
5. Un pulverizador agrícola según una cualquiera de las reivindicaciones 1 a 4, en donde cada núcleo de procesamiento paralelo (16) realiza dicha al menos una operación de convolución calculando una multiplicación de matriz a matriz entre la submatriz y una matriz de núcleo predefinida, o calculando una transformada rápida de Fourier de la submatriz.
6. Un pulverizador agrícola según una cualquiera de las reivindicaciones 1 a 5, en donde los núcleos de procesamiento en paralelo (16) del módulo de procesamiento (15) pueden realizar una operación de agrupamiento de la matriz de representación de características de la imagen que comprende determinar una estadística de una submatriz de valores próximos de dicha matriz de representación de características, en particular un máximo de dicha submatriz de valores próximos, para obtener una submatriz de representación de características de los valores de píxel de la imagen.
7. Un pulverizador agrícola según una cualquiera de las reivindicaciones 1 a 6, en donde los núcleos de procesamiento paralelo (16) del módulo de procesamiento (15) pueden realizar un procesamiento paralelo no lineal de la matriz de representación de características de la imagen mediante la aplicación de una operación no lineal a cada valor de dicha matriz de representación de características, tal como una función de activación lineal rectificada, para obtener una submatriz de representación de características de los valores de píxel de la imagen.
8. Un pulverizador agrícola según una cualquiera de las reivindicaciones 1 a 7, en donde el módulo de procesamiento (15) es capaz de realizar una secuencia de n operaciones de procesamiento a partir de una matriz de entrada generada a partir de los valores de píxel de la imagen y finalizando con una matriz de salida que comprende al menos una probabilidad de presencia de una especie de mala hierba entre una base de datos de especies de malas hierbas, en particular donde cada operación de procesamiento i de dicha secuencia de operaciones de procesamiento sucesivas toma como entrada una matriz de representación de características Fi- i producido por una operación de procesamiento anterior i-1 o una matriz de entrada generada a partir de los valores de píxeles de la imagen, y genera una matriz de representación de características Fi.
9. Un pulverizador agrícola según una cualquiera de las reivindicaciones 1 a 8, en donde la señal de detección de especies de malas hierbas comprende un indicador de ubicación de especies de malas hierbas,
en particular en donde la matriz de salida comprende al menos un valor indicativo de una ubicación de una especie de mala hierba entre la base de datos de especies de malas hierbas dentro de la imagen adquirida por la al menos una cámara (3).
10. Un pulverizador agrícola según la reivindicación 9, en donde se almacena en el módulo de memoria (14) una ubicación de la especie de malas hierbas determinada a partir del indicador de ubicación de la especie de malas hierbas.
11. Un pulverizador agrícola según las reivindicaciones 9 o 10, en donde la unidad de pulverización (4) comprende dicha pluralidad de boquillas (9) dispuestas a lo largo de una dirección transversal (Y) del pulverizador agrícola (1), y
en donde el módulo de controlador (10) de la unidad de pulverización (4) recibe la señal de detección de especies de malas hierbas y además ordena la pulverización de agente químico a través de la pluralidad de boquillas (9) basándose en el indicador de ubicación de especies de malas hierbas.
12. Un pulverizador agrícola según una cualquiera de las reivindicaciones 9 a 11, en donde al menos una de las boquillas (9) de la unidad de pulverización (4) es móvil y capaz de pulverizar selectivamente una pluralidad de zonas diana a lo largo de una dirección transversal (Y) del pulverizador agrícola (1), y
en donde el módulo de controlador (10) de la unidad de pulverización (4) recibe la señal de detección de especies de malas hierbas y ordena además una posición y/u orientación de la boquilla móvil (9) en función del indicador de ubicación de especies de malas hierbas.
13. Un procedimiento para el control de malas hierbas usando un pulverizador agrícola (1) según una cualquiera de las reivindicaciones 1 a 12, que comprende
adquirir una imagen de una porción de un campo de cultivo mientras dicho pulverizador agrícola (1) se desplaza sobre un campo de cultivo, usando al menos una cámara (3) montada en el pulverizador agrícola (1), comprendiendo dicha imagen una matriz de valores de píxeles,
recibir la imagen adquirida por la al menos una cámara (3) en un módulo de comunicación (13) de una unidad de identificación de especies de malas hierbas (5) del pulverizador agrícola (1) y almacenar dicha imagen en un módulo de memoria (14) de dicha unidad de identificación de especies de malas hierbas (5),
realizar en paralelo, en una pluralidad de núcleos de procesamiento paralelos respectivos (16) de un módulo de procesamiento (15), una pluralidad de operaciones de convolución respectivas, realizándose cada operación de
convolución entre una submatriz construida a partir de píxeles cercanos de la imagen y un núcleo predefinido almacenado en el módulo de memoria (14) para obtener una submatriz de representación de características de los valores de píxeles de la imagen,
calcular al menos una probabilidad de presencia de una especie de malas hierbas entre una base de datos de especies de malas hierbas a partir de una matriz de representación de características de la imagen construida a partir de las submatrices de representación de características construidas por los núcleos de procesamiento paralelo (16),
generar una señal de detección de especies de malas hierbas en base a dicha al menos una probabilidad de presencia de una especie de malas hierbas y enviar dicha señal de detección de especies de malas hierbas a un módulo controlador (10) de una unidad de pulverización (4) del sistema de control de malas hierbas (2),
recibir la señal de detección de especies de malas hierbas en dicho módulo de controlador (10) de dicha unidad de pulverización (4) montada en el pulverizador agrícola (1), y
ordenar selectivamente la pulverización de agente químico desde al menos un módulo de suministro (8) de la unidad de pulverización (4) a través de al menos una boquilla (9) en base a la señal de detección de especies de malas hierbas.
14. Un procedimiento para calibrar un sistema de control de malas hierbas (2) de un pulverizador agrícola (1) según una cualquiera de las reivindicaciones 1 a 12, adaptado para pulverizar una pluralidad de especies de malas hierbas enumeradas en una base de datos de especies de malas hierbas, en donde
dicho pulverizador agrícola (1) está provisto de al menos una cámara (3) capaz de adquirir una imagen de una parte de un campo de cultivo, durante un movimiento de dicho pulverizador agrícola (1) sobre un campo de cultivo, comprendiendo dicha imagen una matriz de valores de píxeles,
dicho pulverizador agrícola (1) recorre un campo de cultivo que presenta al menos un número predefinido de cada especie de malas hierbas de una base de datos de especies de malas hierbas objetivo, y adquiere al menos un número predefinido de imágenes de cada especie de malas hierbas de dicha base de datos de especies de malas hierbas diana,
se construye un conjunto de datos de entrenamiento a partir de dicho número predefinido de imágenes de cada especie de malas hierbas al etiquetar dicha especie de malas hierbas en dichas imágenes,
un conjunto de pesos del modelo de identificación de malas hierbas se determina a partir del conjunto de datos de entrenamiento, comprendiendo dicho conjunto al menos un núcleo predefinido para una operación de convolución realizada por un núcleo de procesamiento paralelo (16) de un sistema de control de malas hierbas (2) según una cualquiera de las reivindicaciones 1 a 12,
el conjunto de pesos del modelo de identificación de malas hierbas se almacena en un módulo de memoria (14) de un sistema de control de malas hierbas (2) de un pulverizador agrícola (1) según una cualquiera de las reivindicaciones 1 a 12.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17305131.9A EP3357332B1 (en) | 2017-02-06 | 2017-02-06 | Agricultural sprayer |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2922250T3 true ES2922250T3 (es) | 2022-09-12 |
Family
ID=58057065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES17305131T Active ES2922250T3 (es) | 2017-02-06 | 2017-02-06 | Pulverizador agrícola |
Country Status (7)
Country | Link |
---|---|
US (1) | US11071991B2 (es) |
EP (2) | EP3357332B1 (es) |
AU (1) | AU2018215728B2 (es) |
BR (1) | BR112019016111B1 (es) |
CA (1) | CA3050364A1 (es) |
ES (1) | ES2922250T3 (es) |
WO (1) | WO2018142371A1 (es) |
Families Citing this family (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207266563U (zh) * | 2017-09-29 | 2018-04-24 | 好得科技(深圳)有限公司 | 一种多功能红外感应洒水器 |
US10621434B2 (en) * | 2018-01-25 | 2020-04-14 | International Business Machines Corporation | Identification and localization of anomalous crop health patterns |
US11147258B2 (en) * | 2018-02-12 | 2021-10-19 | Capstan Ag Systems, Inc. | Systems and methods for spraying an agricultural fluid on foliage |
WO2020014727A1 (en) * | 2018-07-17 | 2020-01-23 | Photonic Detection Systems Pty Ltd | A detection system for detecting matter and distinguishing specific matter from other matter |
US11071293B2 (en) * | 2018-10-08 | 2021-07-27 | Blue River Technology Inc. | Nozzles with interchangeable inserts for precision application of crop protectant |
DE102018217742A1 (de) * | 2018-10-17 | 2020-04-23 | Robert Bosch Gmbh | Verfahren zum Ausbringen eines Spritzmittels auf ein Feld |
DE102018126586A1 (de) | 2018-10-25 | 2020-04-30 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Landwirtschaftliches Spritzgerät |
DE102018126588A1 (de) | 2018-10-25 | 2020-04-30 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Verfahren zum Ausbringen von Flüssigkeit |
DE102018126585A1 (de) | 2018-10-25 | 2020-04-30 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Verfahren zum Ausbringen von Spritzflüssigkeit |
EP3667555A1 (en) | 2018-12-14 | 2020-06-17 | Bilberry SAS | A weeding system and method for use in agriculture |
EP3666622A1 (en) * | 2018-12-14 | 2020-06-17 | Bilberry SAS | System and method for railway weeding |
DE102019202041A1 (de) * | 2019-02-15 | 2020-08-20 | Zf Friedrichshafen Ag | Verfahren und landwirtschaftliches Fahrzeug zur Flüssigkeitsaufbringung |
EP3930453B1 (de) * | 2019-02-26 | 2023-06-07 | Aventum GmbH | Vorrichtung und verfahren zur entfernung oder vernichtung von unkrautpflanzen |
US11457621B2 (en) | 2019-07-12 | 2022-10-04 | Deere & Company | Agricultural sprayer system and method |
FR3098684A1 (fr) | 2019-07-16 | 2021-01-22 | Bilberry Sas | Système de traitement de plantes en agriculture |
US11684938B2 (en) * | 2019-07-19 | 2023-06-27 | Agco Corporation | Spray pattern monitoring |
CN114270411A (zh) | 2019-08-19 | 2022-04-01 | 蓝河技术有限公司 | 植物组识别 |
US11259515B2 (en) * | 2019-10-31 | 2022-03-01 | Deere & Company | Agricultural plant detection and control system |
US20220408715A1 (en) * | 2019-11-09 | 2022-12-29 | Bilberry Sas | Plant treatment system |
US11308323B2 (en) * | 2019-12-21 | 2022-04-19 | Verdant Robotics, Inc. | Micro-precision application of multiple treatments to agricultural objects |
CN111109240B (zh) * | 2020-01-03 | 2023-09-29 | 东北农业大学 | 一种多信息融合的变量喷药装置 |
WO2021211718A1 (en) * | 2020-04-17 | 2021-10-21 | Bayer Cropscience Lp | Image monitoring for control of invasive grasses |
DE102020205079A1 (de) * | 2020-04-22 | 2021-10-28 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Vorrichtung zum Ausbringen wenigstens eines flüssigen Mediums mittels einer Spritzdüseneinheit und Computerprogrammprodukt |
GR1009982B (el) * | 2020-04-26 | 2021-04-22 | Παντελεημων Κωνσταντινου Κελεσης | Ηλεκτρονικο ραντιστικο για γραμμικες καλλιεργειες |
EP4228403A1 (en) | 2020-10-14 | 2023-08-23 | BASF Agro Trademarks GmbH | Treatment system for plant specific treatment |
EP4228404A1 (en) | 2020-10-14 | 2023-08-23 | BASF Agro Trademarks GmbH | Treatment system for weed specific treatment |
US12010986B2 (en) | 2020-10-30 | 2024-06-18 | Deere & Company | Agricultural machine spraying mode field map visualization and control |
US11998000B2 (en) | 2020-10-30 | 2024-06-04 | Deere & Company | Camera system visualization and control for an agricultural spraying machine |
US11903379B2 (en) * | 2020-12-08 | 2024-02-20 | Cnh Industrial America Llc | System and method for performing spraying operations with an agricultural sprayer |
US20220192174A1 (en) * | 2020-12-21 | 2022-06-23 | Deere & Company | Agricultural sprayer with real-time, on-machine target sensor |
US11832609B2 (en) * | 2020-12-21 | 2023-12-05 | Deere & Company | Agricultural sprayer with real-time, on-machine target sensor |
US11944087B2 (en) | 2020-12-21 | 2024-04-02 | Deere & Company | Agricultural sprayer with real-time, on-machine target sensor |
CA3210768A1 (en) | 2021-03-05 | 2022-09-09 | Hubert Schmeer | Control file for a treatment system |
FR3121013B1 (fr) | 2021-03-26 | 2024-06-28 | Bilberry Sas | Système de traitement de plantes notamment en agriculture |
FR3121012B1 (fr) | 2021-03-26 | 2024-06-28 | Bilberry Sas | Système de traitement de plantes notamment en agriculture |
CN113207849B (zh) * | 2021-05-10 | 2022-08-19 | 吉林省农业机械研究院 | 一种喷杆式打药机喷幅边界智能识别控制*** |
EP4095643A1 (en) * | 2021-05-28 | 2022-11-30 | Agco Corporation | Crop row guidance systems |
US20220386527A1 (en) * | 2021-06-08 | 2022-12-08 | Deere & Company | Row sense operations with context sensing |
DE102021114996A1 (de) * | 2021-06-10 | 2022-12-15 | Eto Magnetic Gmbh | Vorrichtung zu einem Erkennen eines Sprießens von Aussaaten, Agrarsensorvorrichtung und Agrarüberwachungs- und/oder Agrarsteuerungsverfahren und -system |
US20230046882A1 (en) * | 2021-08-11 | 2023-02-16 | Deere & Company | Obtaining and augmenting agricultural data and generating an augmented display |
CN113678809A (zh) * | 2021-09-18 | 2021-11-23 | 江苏省农业科学院泰州农科所 | 一种防治芋疫病的龙香芋喷药设备及其防治方法 |
EP4165987A1 (en) | 2021-10-18 | 2023-04-19 | Bilberry SAS | Plant treatment system with plant recognition |
AU2022377124A1 (en) * | 2021-10-26 | 2024-05-09 | Basf Agro Trademarks Gmbh | Monitoring the treatment of an agricultural field |
US20230165234A1 (en) * | 2021-11-30 | 2023-06-01 | Blue River Technology Inc. | Dynamic tank management based on previous environment and machine measurements |
CN114600852B (zh) * | 2022-02-18 | 2023-05-26 | 海南硕思云网络科技有限公司 | 一种农业大棚的农药喷洒*** |
US20230276782A1 (en) * | 2022-03-03 | 2023-09-07 | Blue River Technology Inc. | Dynamically adjusting treatment buffers for plant treatments |
CN115251024B (zh) * | 2022-08-29 | 2023-11-21 | 北京大学现代农业研究院 | 除草方式的确定方法、装置、电子设备及除草*** |
TWI808913B (zh) * | 2022-10-25 | 2023-07-11 | 國立中山大學 | 最適噴灑參數的決策方法 |
FR3141601A1 (fr) | 2022-11-03 | 2024-05-10 | Carbon Bee | Système et procédé de contrôle d’un circuit de distribution d’un produit pour le traitement d’un espace comprenant des végétaux, engin de distribution comprenant un tel système |
EP4368018A1 (fr) * | 2022-11-05 | 2024-05-15 | Exel Industries | Système de pulvérisation par point d'intérêt |
FR3141603A1 (fr) * | 2022-11-05 | 2024-05-10 | Exel Industries | Système de pulvérisation par point d’intérêt |
WO2024121667A1 (en) * | 2022-12-06 | 2024-06-13 | Precision Planting Llc | Vision based system to generate and display weed data for georeferenced locations in an agricultural field |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4015366A (en) * | 1975-04-11 | 1977-04-05 | Advanced Decision Handling, Inc. | Highly automated agricultural production system |
US5246164A (en) * | 1991-12-16 | 1993-09-21 | Mccann Ian R | Method and apparatus for variable application of irrigation water and chemicals |
US5278423A (en) * | 1992-12-30 | 1994-01-11 | Schwartz Electro-Optics, Inc. | Object sensor and method for use in controlling an agricultural sprayer |
DE19726917A1 (de) * | 1997-06-25 | 1999-01-07 | Claas Selbstfahr Erntemasch | Vorrichtung an Landmaschinen zur berührungslosen Abtastung von sich über den Boden erstreckenden Konturen |
US6919959B2 (en) * | 1999-06-30 | 2005-07-19 | Masten Opto-Diagnostics Co. | Digital spectral identifier-controller and related methods |
US6785400B1 (en) * | 1999-08-17 | 2004-08-31 | Image Therm Engineering, Inc. | Spray data acquisition system |
DE10221948B4 (de) * | 2001-05-14 | 2004-03-11 | Kümmel, Knut, Dipl., -Ing. | Verfahren und System zum volumenspezifischen Beeinflussen von Boden und Pflanzen |
HU224536B1 (hu) * | 2002-07-05 | 2005-10-28 | G & G Növényvédelmi és Kereskedelmi Kft. | Vasúti kocsira szerelt gyomirtó berendezés kapcsolási elrendezése, és eljárás a berendezéssel történõ gyomirtásra |
HU3056U (en) * | 2005-04-29 | 2006-03-28 | G & G Noevenyvedelmi Es Keresk | Construction for making weed map |
US8437498B2 (en) * | 2010-08-31 | 2013-05-07 | Valmont Industries Inc. | Self propelled mechanized irrigation system with a remote visual monitoring system |
US8488874B2 (en) * | 2011-01-31 | 2013-07-16 | Dalhouse University | Variable rate sprayer system and method of variably applying agrochemicals |
US9495597B2 (en) | 2011-10-20 | 2016-11-15 | Monsanto Technology Llc | Plant stand counter |
US20150245565A1 (en) * | 2014-02-20 | 2015-09-03 | Bob Pilgrim | Device and Method for Applying Chemicals to Specific Locations on Plants |
WO2015181642A2 (en) * | 2014-05-05 | 2015-12-03 | Horticulture Innovation Australia Limited | Methods, systems, and devices relating to real-time object identification |
US10568316B2 (en) * | 2014-08-15 | 2020-02-25 | Monsanto Technology Llc | Apparatus and methods for in-field data collection and sampling |
DE102015111889B4 (de) * | 2015-07-22 | 2020-02-27 | Andreas Reichhardt | Verfahren zur Prüfung einer landwirtschaftlichen Sprüheinrichtung |
US20170039425A1 (en) * | 2015-08-08 | 2017-02-09 | Prospera Technologies, Ltd. | System and method for optimizing chemigation of crops |
CA3024402A1 (en) * | 2016-05-12 | 2017-11-16 | Basf Se | Recognition of weed in a natural environment |
-
2017
- 2017-02-06 ES ES17305131T patent/ES2922250T3/es active Active
- 2017-02-06 EP EP17305131.9A patent/EP3357332B1/en active Active
-
2018
- 2018-02-06 WO PCT/IB2018/050731 patent/WO2018142371A1/en unknown
- 2018-02-06 AU AU2018215728A patent/AU2018215728B2/en active Active
- 2018-02-06 CA CA3050364A patent/CA3050364A1/en active Pending
- 2018-02-06 EP EP18708480.1A patent/EP3576526A1/en not_active Withdrawn
- 2018-02-06 BR BR112019016111-2A patent/BR112019016111B1/pt active IP Right Grant
- 2018-02-06 US US16/482,735 patent/US11071991B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
BR112019016111B1 (pt) | 2022-12-06 |
US11071991B2 (en) | 2021-07-27 |
EP3357332B1 (en) | 2022-04-13 |
AU2018215728A1 (en) | 2019-08-08 |
CA3050364A1 (en) | 2018-08-09 |
US20200230633A1 (en) | 2020-07-23 |
BR112019016111A2 (pt) | 2020-04-14 |
EP3357332A1 (en) | 2018-08-08 |
WO2018142371A1 (en) | 2018-08-09 |
EP3576526A1 (en) | 2019-12-11 |
AU2018215728B2 (en) | 2022-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2922250T3 (es) | Pulverizador agrícola | |
ES2947014T3 (es) | Creación de mapas digitales de cultivo | |
US11744189B2 (en) | Plant treatment based on morphological and physiological measurements | |
US11526997B2 (en) | Targeting agricultural objects to apply units of treatment autonomously | |
US20220377970A1 (en) | Payload selection to treat multiple plant objects having different attributes | |
US11812681B2 (en) | Precision treatment of agricultural objects on a moving platform | |
US20210185942A1 (en) | Managing stages of growth of a crop with micro-precision via an agricultural treatment delivery system | |
JP2022538873A (ja) | 自動化植物モニタリングシステムおよび方法 | |
US20210186006A1 (en) | Autonomous agricultural treatment delivery | |
US20230095661A1 (en) | Plant and/or vehicle locating | |
EP4393293A1 (en) | Method for analysing above ground crops in an agricultural field | |
WO2024146881A1 (en) | Method for analysing above ground crops in an agricultural field | |
Moreno et al. | Image analysis aplications in precision agriculture | |
Tsoulias et al. | Digital Farming and Field Robots | |
WO2022217177A1 (en) | Automated precision pollen applicator for row crops | |
WO2023055367A1 (en) | Plant and/or vehicle locating | |
IT202100016892A1 (it) | Sensore per il riconoscimeno di piante coltivate e di loro parti | |
Roy | Above and below ground phenotyping methods for corn |