WO2023110207A1 - Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche - Google Patents

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

Info

Publication number
WO2023110207A1
WO2023110207A1 PCT/EP2022/080199 EP2022080199W WO2023110207A1 WO 2023110207 A1 WO2023110207 A1 WO 2023110207A1 EP 2022080199 W EP2022080199 W EP 2022080199W WO 2023110207 A1 WO2023110207 A1 WO 2023110207A1
Authority
WO
WIPO (PCT)
Prior art keywords
plant
plants
identified
row
area
Prior art date
Application number
PCT/EP2022/080199
Other languages
English (en)
French (fr)
Inventor
Farid Khani
Andreas Weimer
Original Assignee
Robert Bosch Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch Gmbh filed Critical Robert Bosch Gmbh
Publication of WO2023110207A1 publication Critical patent/WO2023110207A1/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Definitions

  • the invention is based on a method for identifying weeds in a row of plants on an agricultural area and a corresponding computing unit, a plant identification unit and an agricultural working machine according to the species of the independent claims.
  • the subject matter of the present invention is also a computer program and a machine-readable storage medium
  • DE 10 2017 210 804 A1 discloses a method for applying a spray to a field, the spray being applied depending on the degree of coverage of an evaluation area.
  • plants are segmented using a threshold in the NDVI. From this segmentation, the culture series are recognized. A culture row hose with a certain width is placed around the culture rows. Any segmented object (plant) between the tubes is classified as a weed by definition. All objects that lie within this hose width of the rows or are connected to objects in this hose width are classified as crops by definition.
  • the subject matter of the present invention is a method for identifying weeds, in particular large weeds, in a row of plants on an agricultural area, with the steps:
  • an extent index for defined plant sections of the identified plants of the defined crop plant area in the image information by means of the computing unit representing a ratio of a width value and a length value of the respective defined plant section, the image information being divided into transverse areas and longitudinal areas, the Length value is the number of transverse areas over which the respective defined plant section extends in a defined longitudinal direction, and the width value is a sum of part width values, the part width values being the number of longitudinal areas over which the respective defined plant section extends in the respective transverse areas, starting from a defined plant row center line of the respective plant row extending in a defined transverse direction;
  • Identifying the plant sections with an extent index whose frequency is less than or equal to a defined frequency threshold of Frequency distribution is to identify the plants belonging to the plant sections as weeds in an identified plant row.
  • the subject matter of the present invention is also a computing unit which is set up to carry out and/or control the steps of a previously described method.
  • the subject matter of the present invention is also a plant identification unit with an optical detection unit for detecting a field section of an agricultural area with plants in order to obtain image information from the detected field section, and a previously described computing unit.
  • the subject matter of the present invention is also an agricultural working machine, in particular a field sprayer, with an agricultural working tool, in particular a spraying device, and a previously described plant identification unit, the working tool, in particular the spraying device, depending on the identified weeds in the identified row of plants, using the computing unit is controlled.
  • the present invention also relates to a computer program that is set up to carry out and/or control the steps of a method described above when the computer program is executed on a computer, and a machine-readable storage medium on which the computer program is stored.
  • the method according to the invention now makes it possible to identify large weeds in a row of plants or rows of cultivated plants in a very simple and resource-saving manner, without requiring an image database or the like.
  • the method can therefore be used very flexibly, since it makes use of the extent, ie the length and width, of the plants and weeds actually on the agricultural area and extracts them precisely in order to identify large weeds in the plant rows.
  • expansion parameters which represent a ratio between width and length, are determined for defined plant sections of a defined crop area in the image information and are compared with a frequency distribution of expansion parameters of previously identified plant sections.
  • a classifier is a method that ends up calculating a probability of how well an object fits into a class.
  • the information about the identified weeds in the crop area can be used for subsequent steps to To identify rows of plants better or more precisely, since the identified or recognized weeds are not taken into account or can be "ignored”.
  • An agricultural area can be understood to mean an area used for agriculture, an area under cultivation for plants or also a parcel of such an area or area under cultivation.
  • the agricultural area can thus be arable land, grassland or pasture.
  • the plants include cultivated plants or useful plants, the fruit of which is used agriculturally, for example as food, animal feed or as an energy crop, and weeds or weeds.
  • the field section can be a detection section or a detected image section of an optical detection unit.
  • the image information can, for example, be an image of the detected field section.
  • An optical detection unit can be understood to mean, for example, a camera or a 3D camera or an infrared detection unit.
  • the optical detection unit can be calibrated to e.g. B. to calculate the height assignment from captured images.
  • the method can include a step of capturing a field section of an agricultural area with plants by means of the optical capturing unit.
  • the detecting step can be performed during a transit or a flight of the plant identification unit.
  • At least one further step of the method, in particular all steps of the method, can be carried out during a crossing or a flight of the plant identification unit.
  • the plant identification unit can comprise a mobile unit or be arranged on a mobile unit, wherein the mobile unit can be designed in particular as a land vehicle and/or aircraft and/or trailer.
  • the mobile unit can also be a self-propelled or autonomous robot.
  • the plant identification unit is preferably part of an agricultural working machine.
  • the agricultural working machine is preferably a weed regulating machine, in particular a field sprayer.
  • the agricultural working tool is preferably one Spraying device, but can also be a mechanical tool for weed control.
  • the method includes a step of identifying at least one row of plants or a row of cultivated plants in the image information of the recorded field section by means of the computing unit.
  • the at least one row of plants is preferably identified using at least one of the following items of information: color component, in particular red color component of plants in the field section detected, infrared component of plants in the field section detected, distance between plants, distance between rows of plants, growth stage of the plants, geo-coordinates of a sowing of the plants.
  • the rows of plants can be identified in a simple manner, since, for example, crop plants are usually planted equidistantly or the crop plants are more advanced in growth stage than the weeds or weeds.
  • all rows of plants are preferably identified in the image information or in the recorded field section.
  • the step of identifying at least one row of plants understandably includes the detection of plants or plant parts in the image information or in the detected field section.
  • a detection of plants can be understood, for example, as determining the presence of plants or plant mass/biomass in the field section, in particular without the individual plants being classified in the process.
  • the step of detecting plants can include detecting a color component, in particular a red color component and/or an infrared component in the field section or image section.
  • the optical detection unit e.g.
  • the method also includes a step of defining a crop plant area comprising the at least one identified plant row using the at least one identified plant row by means of the computing unit.
  • the crop area is preferably defined using neighborhood pixels of detected plants of the crop area.
  • the cultivated plant area is preferably defined around a generated plant row center line, in particular with the generated plant row center line extending essentially in a straight line.
  • the crop range may fully encompass the plants of the plant row.
  • the cultivated plant area can also include the row of plants, without the individual plants of the row of plants being fully included.
  • the cultivated plant area can also only partially include the individual plants of the plant row.
  • all identified plants that are at least partially arranged in the respective defined crop area are assigned to the crop area or are evaluated or viewed as plants of the crop area.
  • the cultivated plant area can be defined around the respective plant row center line with a constant or defined width.
  • the crop area can also have a variable width, wherein the width can depend on a growth stage of a plant arranged in a corresponding area of the crop area.
  • the cultivated plant area is thus designed in the form of a tube.
  • the crop area has a smaller width than the recorded field section or the corresponding image information.
  • the method also includes a step of determining a respective expansion index for defined plant sections of the identified plants of the defined cultivated plant area in the image information using the computing unit.
  • the method also includes a step of determining a respective expansion index for defined plant sections of the identified Planting of the defined cultivated plant area in the image information by means of the computing unit, with the extent index representing a ratio of a width value and a length value of the respective defined plant section, with the image information being divided into transverse regions and longitudinal regions, with the length value being the number of transverse regions over which the each defined plant section extends in a defined longitudinal direction, and the width value is a sum of partial width values, the partial width values being the number of longitudinal areas over which the respective defined plant section extends in the respective transverse areas, starting from a defined plant row center line of the respective plant row in a defined transverse direction , represent.
  • the defined longitudinal direction runs along, i.e. parallel, and the defined transverse direction runs transversely, in particular at an angle of greater than or equal to 85° to less than or equal to 90°, i.e. substantially perpendicular to the plant row center line of the identified plant row.
  • the transverse regions preferably have essentially the same length and/or the longitudinal regions have essentially the same width.
  • the transverse areas run transversely, preferably at an angle of greater than or equal to 85° to less than or equal to 90°, i.e. essentially perpendicular to the defined longitudinal direction or the plant row center line.
  • the transverse areas can also run horizontally in the image information or the image independently of the defined longitudinal direction or the plant row center line.
  • the transverse areas preferably have a substantially equal length in the defined longitudinal direction. In this case, the length of the transverse areas is greater than 1 pixel.
  • the length of the transverse regions is preferably in a range from greater than or equal to 5 pixels to less than or equal to 50 pixels.
  • the longitudinal areas run transversely, preferably at an angle of greater than or equal to 85° to less than or equal to 90° to the defined transverse direction.
  • the longitudinal areas preferably run perpendicularly to the transverse areas or parallel to the plant row center line and thus form a kind of grid structure in the image information.
  • the longitudinal areas can also run vertically in the image information or the image, independently of the defined transverse direction or the plant row center line.
  • the longitudinal regions preferably have an essentially equal length in the defined transverse direction. In this case, the length of the longitudinal regions is greater than 1.
  • the length of the longitudinal regions is preferably in a range from greater than or equal to 5 pixels to less than or equal to 50 pixels.
  • the alignment of the longitudinal areas and the transverse areas relative to the identified plant row center line offers the advantage, in particular compared to the known methods with bounding boxes, that the weeds, regardless of the arrangement of the plant row center line in the image information or the image, which, for example, also at an angle of 45°, can be recognized very well within the corresponding plant rows.
  • the defined plant portion is a longitudinally defined portion of an identified plant of the plant row.
  • a plant section can include the entire identified plant or the entire plant body in the longitudinal direction. However, a plant portion may include only a longitudinal portion of an identified plant. Thus, a plant can be divided into two or more plant sections.
  • the defined plant section is also bounded on one side in the transverse direction by the plant center line. Accordingly, a defined plant section, which is to the left of the plant center line, is delimited by it on the right, while a defined plant section, which is to the right of the plant center line, is delimited by it on the left.
  • the plant sections are defined or formed in the longitudinal direction in that an adjacent transverse area in the respective crop area is empty, or that a change in the partial width value from a transverse area to the partial width value of an adjacent transverse area is greater than or equal to a defined change threshold value .
  • the procedure here is preferably such that as soon as a plant or a plant part or plant mass is identified in a transverse area, the counting begins and only ends when—seen in the longitudinal direction—a subsequent transverse area is empty or the partial width values of two adjacent transverse areas deviate from one another in this way that a defined change threshold is reached or exceeded.
  • the change threshold value can be specified here.
  • empty means that no plant or part of a plant was identified in the transverse area in the respective crop area. This determines the length of the plant sections in the unit “transverse areas”.
  • a section value represents the number of longitudinal areas over which a plant section extends in a single transverse area, starting from the defined plant row center line. A section value can thus be assigned to each transverse area.
  • the expansion index is preferably a quotient of the width value, i.e. the sum of all partial width values of a plant section, to the length value of the respective plant section. In this way, each plant section can be assigned an expansion index.
  • step of determining the expansion parameters preferably only plants are taken into account, i.e. filtered out and evaluated, which are at least partially arranged in the respective defined crop area, i.e. are assigned to the crop area.
  • the method also includes a step of comparing the determined extent index of the respective defined plant section with a frequency distribution, i.e. a history of extent indexes of defined plant sections of previously identified plants of the defined crop area and/or defined crop areas of previously recorded image information of the agricultural area by means of the computing unit.
  • a frequency distribution i.e. a history of extent indexes of defined plant sections of previously identified plants of the defined crop area and/or defined crop areas of previously recorded image information of the agricultural area by means of the computing unit.
  • the defined crop plant areas of the previously recorded image information preferably include the same at least one identified area Plant row or previously recorded sections of the same plant row.
  • the previously captured image information is preferably image information captured immediately beforehand by the image capturing unit, in particular during the same movement or crossing of the image capturing unit over the agricultural area.
  • the frequency distribution is preferably a distribution of the absolute frequency of the extent metrics.
  • the frequency distribution is a relative frequency, e.g. based on the sum of 300 plant objects. Understandably, 2 or more extension key figures in the frequency distribution can also be combined into key figure classes depending on a specific parameter, without departing from the scope of the present application.
  • the method also includes a step of identifying the plant sections with an extent index whose frequency is less than or equal to a defined frequency threshold value of the frequency distribution in order to identify the plants belonging to the plant sections as weeds in an identified plant row.
  • the defined frequency threshold of the frequency distribution can be specified.
  • the defined frequency threshold value can depend, for example, on the species and/or the genus and/or the growth stage and/or the distribution of the area/size of the useful plants. However, the defined frequency threshold can also be adjusted depending on a specific parameter.
  • the frequency distribution is dynamically adapted with an increasing number of previously identified plants or a defined number of plants identified immediately previously during the method, in particular during a movement of the optical detection unit over the agricultural area.
  • the frequency distribution changes dynamically while crossing the field, since (new) longitude values and (new) latitude values and thus (new) extent parameters of newly identified plants are always with flow in.
  • (old) longitude values and (old) latitude values and thus (old) extent parameters of old identified plants are preferably dropped, e.g. if only a defined constant number of currently identified plants is taken into account, so that the frequency distribution adapts to the latest conditions on the agricultural area .
  • only plants are preferably taken into account, i.e. filtered out and evaluated, which are at least partially arranged in the respective defined crop plant area, i.e. are assigned to the crop plant area.
  • the defined index threshold value can advantageously be specified or determined as a function of the frequency distribution of expansion indexes. It is advantageous here if, when determining the key figure threshold value, the largest extent key figure is determined with a frequency above the frequency threshold value, and the key figure threshold value is defined as the next larger extent key figure or the larger or smaller extent key figure by a defined value.
  • the defined value by which the index threshold value should be greater may depend on the species and/or the genus and/or the growth stage and/or the spread of the area/size of the crop plants. This measure allows in particular large weeds, ie weeds which have a larger width-to-length ratio than the plants or crops in the plant row, can be effectively identified.
  • a minimum value can also be defined for the key figure threshold value, above which a plant may be identified/classified as a weed or reclassified from the crop plant class into a weed class.
  • the minimum value can depend, for example, on the species and/or the genus and/or the growth stage and/or the distribution of the area/size of the useful plants. This is a kind of security so that the dynamic and self-learning algorithm only reclassifies larger weeds. According to this strategy, smaller weeds with a smaller key figure threshold value should remain unchanged, e.g. if the crop plants are smaller and only larger weeds should be identified.
  • the method includes a step of classifying the identified weeds in the identified row of plants into a plant class, in particular a weed class, by means of the computing unit. It is particularly advantageous here if a step of classifying the, i.e. all identified plants of the defined crop plant area into a first plant class, in particular a crop plant class, is initially provided, and then a step of reclassifying the identified weeds in the identified plant row of the defined crop plant area into a second plant class different from the first plant class, in particular a weed class, is provided by means of the computing unit.
  • the method includes a step of controlling an agricultural working machine, in particular an agricultural working tool of an agricultural working machine, in particular a spray device of a field sprayer, depending on the identified weeds in the identified line of plants included.
  • an agricultural working machine in particular an agricultural working tool of an agricultural working machine, in particular a spray device of a field sprayer, depending on the identified weeds in the identified line of plants included.
  • the arithmetic unit is or the arithmetic units are designed or set up for image processing, so that it can carry out calculation steps or image processing steps for carrying out the method according to the invention. Accordingly, each computing unit has corresponding image processing software.
  • the arithmetic unit can be, for example, a signal processor, a microcontroller or the like, with the memory unit being able to be a flash memory, an EPROM or a magnetic memory unit.
  • the communication interface can be designed to read in or output data wirelessly and/or by wire, with a communication interface that can read in or output wire-bound data reading this data, for example electrically or optically, from a corresponding data transmission line or outputting it into a corresponding data transmission line.
  • the method according to the invention can be implemented, for example, in software or hardware or in a mixed form of software and hardware in the processing unit or a control unit.
  • the processing unit can be arranged completely or partially on the agricultural working machine or integrated into it.
  • the computing unit can also be completely or partially external, for example integrated in a cloud.
  • the arithmetic unit can thus also be divided among different units, for example mobile and stationary units.
  • a computer program product or computer program with program code which can be stored on a machine-readable carrier or storage medium such as a semiconductor memory, a hard disk memory or an optical memory and for carrying out, implementing and/or controlling the steps of the method according to one of the embodiments described above, is also advantageous used, especially when the program product or program is run on a computer or device.
  • a machine-readable carrier or storage medium such as a semiconductor memory, a hard disk memory or an optical memory
  • FIG. 3 shows a history of plant sections from previously recorded image information with their expansion characteristics
  • FIG. 5 shows a flowchart of a method according to an embodiment.
  • Fig. 1 shows image information or an image 10 of a field section 12 of an agricultural area with plants 14 captured by means of an optical detection unit or camera (not shown).
  • the plants 14 include crop plants 16 and weeds 18.
  • rows of plants 20 were identified by means of a computing unit (not shown).
  • the plant rows 20 were identified by fitting defined straight plant row center lines 22 in image trajectories with the highest ND VI value (difference red to NIR) of the plants 14 .
  • the cultivated plant area 24 is tubular and has a defined constant width around the respective defined plant row center line 22 on.
  • the cultivated plant area 24 does not include the entire plant body of the plants 14 of the plant rows 20.
  • FIG. 2 now illustrates how an expansion index for defined plant sections 26 is determined in the image information 10 .
  • the image information 10 or the image 10 is divided into transverse areas 28 and longitudinal areas 30 .
  • the transverse areas 28 are rectangles of a defined length 32 which are spanned over the entire length of the image 10 in a longitudinal direction 34 which runs along the center line 22 of the plant rows.
  • the transverse regions 28 run perpendicular to the longitudinal direction 34 or plant row center line 22.
  • the longitudinal regions 30 are also rectangles of a defined width 36, which are spanned across the entire width of the image 10 in a transverse direction 38, which runs perpendicular to the plant row center line 22.
  • the longitudinal areas 30 run perpendicularly to the transverse direction 38 or parallel to the plant row center line 22.
  • plants 14, 16, 18 are filtered out, which are at least partially arranged in the respective defined crop area 24. Consequently, only these filtered out plants 16, 18 are subsequently taken into account and evaluated.
  • An extension index for defined plant sections 26 of these plants 16, 18 is then determined by the computing unit, with the extension index representing a ratio or a quotient of a width value and a length value of the respective defined plant section 26.
  • the length value represents the number of transverse regions 28 over which the respective defined plant section 26 extends in the defined longitudinal direction 34 .
  • the width value is in turn a sum of part-width values, with the part-width values representing the number of longitudinal regions 30 over which the respective defined plant section 26 extends in the respective transverse regions 28, starting from the plant row center line 22 in the defined transverse direction 38.
  • a plant section 26 begins by definition as soon as plant matter is identified in a transverse area 28 or a change in a section value from one transverse area 28 to the section value of an adjacent transverse area 28 is greater than or equal to a defined change threshold value.
  • the crop section 26 ends when a transverse region 28 is empty, ie no more vegetation is identified or a change in a section value from a transverse region 28 to the section value of an adjacent transverse region 28 is greater than or equal to a defined change threshold value.
  • a plant section 26 is attached to the plant 16 to the left and right of the plant row center line 22
  • right plant section 26 of plant 18 could also have been divided into three plant sections, for example, if this were 3, since a division or separation occurs when the section width values change from 4 to 7 and from 8 to 4 were.
  • FIG. 3 shows another example of image information 10 with a defined plant section 26 which was defined or formed on both sides in the longitudinal direction 34 on the basis of a corresponding change threshold value.
  • the expansion characteristics or data are continuously stored during a crossing over the agricultural area.
  • a history is built up in which the last, for example 100, plants 14, 16, 18 or plant sections 26 from the previously recorded image information 10 are stored.
  • FIG. 4 shows the frequency distribution or history of the ascertained expansion characteristics using a bar chart, which is always dynamically adapted based on new image information 10 .
  • the expansion parameters are plotted on the abscissa and the number of plant sections 26 with the respective expansion index are plotted on the ordinate.
  • a frequency threshold value 40 was defined in the frequency distribution, which in the example shown is 26 for 3 plant sections.
  • all plant sections 26 or plants 14 of the defined cultivated plant area 24 whose frequency is less than or equal to the defined frequency threshold value 40, i.e. occur 3 times or less, are identified or classified as weeds 18.
  • plant sections 26 or plants 14 with an extension index of 1.75, 2.5 and 2.75 are identified as weeds 18 .
  • All remaining plant sections 26 or plants 14 with a frequency of more than 3 are identified or classified as crop plants 16 .
  • an index threshold value 42 is also defined, with only plant sections 26 or plants 14 having an extent index greater than or equal to this index threshold value 42 being identified as weeds 18 .
  • the key figure threshold value was determined by first using the largest extent score was determined with a frequency above the frequency threshold, which in the present example is 2.25. The next largest expansion index, ie 2.5, was then selected as the index threshold value.
  • a characteristic value threshold value 44 can be defined, which is greater by a defined value than the ascertained greatest characteristic value for expansion. As a result, only wider plants 14 with an expansion index of 2.75 are identified or classified as weeds 18 .
  • FIG. 5 shows a flowchart of an embodiment of the approach presented here as a method 100 for identifying weeds 18 in a row of plants 20 of an agricultural area.
  • Method 100 includes a step of receiving 102 image information 10 from a field section 12 of an agricultural area with plants 14, 16, 18 that is detected by means of an optical detection unit.
  • Method 100 also includes a step of identifying 104 at least one row of plants 20 in the image information 10 using identified plants 14, 16, 18 by means of a computing unit.
  • the method 100 also includes a step of defining 106 a crop plant region 24 comprising the at least one identified row of plants 20 using the at least one identified row of plants 20 in the image information 10 by means of the computing unit.
  • the method 100 also includes a step of determining 110 a respective extension index for defined plant sections 26 of the identified plants 14, 16, 18 of the defined crop area 24 in the image information 10 by means of the computing unit, with the extension index representing a ratio of a width value and a length value of the respective defined plant section 26, with the image information 10 being divided into transverse regions 28 and longitudinal regions 30, the length value being the number of transverse regions 28, over which the respective defined plant section 26 extends in a defined longitudinal direction 34, and the width value is a sum of partial width values, the partial width values being the number of longitudinal regions 30 over which the respective defined plant section 26 extends in the respective transverse regions 28, starting from a defined plant row center line 22 of the respective plant row 20 extending in a defined transverse direction 38 represent.
  • the method 100 also includes a step of comparing 112 the determined extent index of the respective defined plant section 26 with a frequency distribution of extent indexes of defined plant sections 26 of previously identified plants 14, 16, 18 of the defined crop area 24 and/or defined crop areas (24) of previously recorded image information 10 of the agricultural area by means of the unit of account.
  • the method 100 also includes a step of identifying 114 the plant sections 26 with an extent index whose frequency is less than or equal to a defined frequency threshold value 40 of the frequency distribution, in order to identify the plants 14 associated with the plant sections 26 as weeds 18 in an identified plant row 20.
  • the method 100 comprises an optional step of classifying 108 the identified plants 14, 16, 18 of the defined crop region 24 into a first plant class, in particular a crop plant class, and a further optional step of reclassifying 116 the identified weeds 18 in the identified plant row 20 of the defined cultivated plant area 24 into a second plant class different from the first plant class, in particular a weed class, by means of the computing unit.

Landscapes

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

Abstract

Die Erfindung betrifft ein Verfahren zum Identifizieren von Beikräutern (18) in einer Pflanzenreihe (20) einer landwirtschaftlichen Fläche, wobei jeweils eine Ausdehnungskennzahlen für definierte Pflanzenabschnitte (26) eines definierten Kulturpflanzenbereiches in einer Bildinformation (10) ermittelt wird, wobei die Ausdehnungskennzahl ein Verhältnis eines Breitenwerts und eines Längenwerts des jeweiligen definierten Pflanzenabschnitts (26) repräsentiert, wobei die Bildinformation (10) in Querbereiche (28) und in Längsbereiche (30) unterteilt ist, wobei der Längenwert die Anzahl der Querbereiche (28), über die sich der jeweilige definierte Pflanzenabschnitt (26) in einer definierten Längsrichtung (34) erstreckt, und der Breitenwert eine Summe von Teilbreitenwerten ist, wobei die Teilbreitenwerte die Anzahl der Längsbereiche (30), über die sich der jeweilige definierte Pflanzenabschnitt (26) in den jeweiligen Querbereichen (28) ausgehend von einer definierten Pflanzenreihenmittelpunktlinie (22) der jeweiligen Pflanzenreihe (20) in eine definierte Querrichtung (38) erstreckt, repräsentieren, wobei die Ausdehnungskennzahl des jeweiligen Pflanzenabschnitts mit einer Häufigkeitsverteilung von Ausdehnungskennzahlen von definierten Pflanzenabschnitten (26) vorhergehend identifizierter Pflanzen (16, 18) verglichen werden und die Pflanzen (16, 18), welche einen zugehörigen Pflanzenabschnitt (26) mit einer Ausdehnungskennzahl, deren Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert der Häufigkeitsverteilung ist, aufweisen, als Beikräuter (18) in einer identifizierten Pflanzenreihe (20) identifiziert werden.

Description

Beschreibung
Titel
Verfahren zum Identifizieren von Beikräutern in einer Pflanzenreihe einer landwirtschaftlichen Fläche
Stand der Technik
Die Erfindung geht aus von einem Verfahren zum Identifizieren von Beikräutern in einer Pflanzenreihe einer landwirtschaftlichen Fläche sowie einer entsprechenden Recheneinheit, einer Pflanzenidentifizierungseinheit und einer landwirtschaftlichen Arbeitsmaschine nach Gattung der unabhängigen Ansprüche. Gegenstand der vorliegenden Erfindung ist auch ein Computerprogramm und ein maschinenlesbares Speichermedium
Die DE 10 2017 210 804 Al offenbart ein Verfahren zum Ausbringen eines Spritzmittels auf ein Feld, wobei das Spritzmittel in Abhängigkeit von einem Bedeckungsgrad eines Auswertebereiches ausgebracht wird. Hierbei findet bei der Auswertung der Bilddaten eine Segmentierung von Pflanzen mittels Schwelle im NDVI statt. Aus dieser Segmentierung werden die Kulturreihen erkannt. Um die Kulturreihen wird ein Kulturreihenschlauch mit einer gewissen Breite gelegt. Jedes segmentierte Objekt (Pflanze) zwischen den Schläuchen ist per Definition als Beikraut klassifiziert. Alle Objekte, die in dieser Schlauchbreite der Reihen liegen oder mit Objekten in dieser Schlauchbreite verbunden sind, werden per Definition als Kulturpflanze klassifiziert.
Andere Algorithmen nutzen zur Pflanzenerkennung Netze (Deep Learning) oder Klassifikationsmethoden. Dazu sind viele Trainingsdaten, viele Label-Daten und ein Offline-Training im Vorfeld von Nöten. Darüber hinaus sind diese Verfahren sehr rechenintensiv. Offenbarung der Erfindung
Gegenstand der vorliegenden Erfindung ist ein Verfahren zum Identifizieren von Beikräutern, insbesondere großen Beikräutern, in einer Pflanzenreihe einer landwirtschaftlichen Fläche, mit den Schritten:
- Empfangen einer Bildinformation von einem mittels einer optischen Erfassungseinheit erfassten Feldabschnitt einer landwirtschaftlichen Fläche mit Pflanzen;
- Identifizieren von zumindest einer Pflanzenreihe in der Bildinformation unter Verwendung von identifizierten Pflanzen mittels einer Recheneinheit;
- Definieren eines die zumindest eine identifizierte Pflanzenreihe umfassenden Kulturpflanzenbereiches unter Verwendung der zumindest einen identifizierten Pflanzenreihe in der Bildinformation mittels der Recheneinheit;
- Ermitteln jeweils einer Ausdehnungskennzahl für definierte Pflanzenabschnitte der identifizierten Pflanzen des definierten Kulturpflanzenbereiches in der Bildinformation mittels der Recheneinheit, wobei die Ausdehnungskennzahl ein Verhältnis eines Breitenwerts und eines Längenwerts des jeweiligen definierten Pflanzenabschnitts repräsentiert, wobei die Bildinformation in Querbereiche und in Längsbereiche unterteilt ist, wobei der Längenwert die Anzahl der Querbereiche, über die sich der jeweilige definierte Pflanzenabschnitt in einer definierten Längsrichtung erstreckt, und der Breitenwert eine Summe von Teilbreitenwerten ist, wobei die Teilbreitenwerte die Anzahl der Längsbereiche, über die sich der jeweilige definierte Pflanzenabschnitt in den jeweiligen Querbereichen ausgehend von einer definierten Pflanzenreihenmittelpunktlinie der jeweiligen Pflanzenreihe in eine definierte Querrichtung erstreckt, repräsentieren;;
- Vergleichen der ermittelten Ausdehnungskennzahl mit einer Häufigkeitsverteilung von Ausdehnungskennzahlen von definierten Pflanzenabschnitten vorhergehend identifizierter Pflanzen des definierten Kulturpflanzenbereiches und/oder definierter Kulturpflanzenbereiche vorhergehend erfasster Bildinformationen der landwirtschaftlichen Fläche mittels der Recheneinheit; und
- Identifizieren der Pflanzenabschnitte mit einer Ausdehnungskennzahl, dessen Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert der Häufigkeitsverteilung ist, um die den Pflanzenabschnitten zugehörigen Pflanzen als Beikräuter in einer identifizierten Pflanzenreihe zu identifizieren.
Gegenstand der vorliegenden Erfindung ist ferner eine Recheneinheit, welche eingerichtet ist, die Schritte eines vorhergehend beschriebenen Verfahrens durchzuführen und/oder zu steuern.
Gegenstand der vorliegenden Erfindung sind außerdem eine Pflanzenidentifizierungseinheit mit einer optischen Erfassungseinheit zum Erfassen eines Feldabschnitts einer landwirtschaftlichen Fläche mit Pflanzen, um eine Bildinformation von dem erfassten Feldabschnitt zu erhalten, und einer vorhergehend beschriebenen Recheneinheit.
Gegenstand der vorliegenden Erfindung ist des Weiteren eine landwirtschaftliche Arbeitsmaschine, insbesondere Feldspritze, mit einem landwirtschaftlichen Arbeitswerkzeug, insbesondere einer Spritzvorrichtung, und einer vorhergehend beschriebenen Pflanzenidentifizierungseinheit, wobei das Arbeitswerkzeug, insbesondere die Spritzvorrichtung in Abhängigkeit von den identifizierten Beikräutern in der identifizierten Pflanzenreihe, mittels der Recheneinheit angesteuert wird.
Gegenstand der vorliegenden Erfindung ist auch ein Computerprogramm, das dazu eingerichtet ist, die Schritte eines vorangehend beschriebenen Verfahrens durchzuführen und/oder zu steuern, wenn das Computerprogramm auf einem Computer ausgeführt wird, sowie ein maschinenlesbares Speichermedium, auf dem das Computerprogramm gespeichert ist.
Durch das erfindungsgemäße Verfahren ist es nunmehr möglich, auf sehr einfache und ressourcensparende Art und Weise große Beikräuter in einer Pflanzenreihe bzw. Kulturpflanzenreihe zu identifizieren, ohne dass dabei eine Bilddatenbank oder dergleichen benötigt wird. Das Verfahren ist demnach sehr flexibel einsetzbar, da es sich die Ausdehnung, d.h. die Länge und Breite der tatsächlich auf der landwirtschaftlichen Fläche befindlichen Pflanzen und Beikräuter zunutze macht und genau diese extrahiert, um große Beikräuter in den Pflanzenreihen zu identifizieren. Dies erfolgt erfindungsgemäß dadurch, dass Ausdehnungskennzahlen, welche ein Verhältnis zwischen der Breite und der Länge repräsentieren, für definierte Pflanzenabschnitte eines definierten Kulturpflanzenbereiches in der Bildinformation ermittelt werden und mit einer Häufigkeitsverteilung von Ausdehnungskennzahlen vorhergehend identifizierter Pflanzenabschnitte verglichen werden. Das heißt, mit anderen Worten, dass mittels statistischer Auswertung von Ausdehnungskennzahlen von Pflanzenabschnitten in identifizierten Pflanzenreihen bzw. innerhalb definierter Kulturpflanzenbereiche, welche auf einer Historie vorheriger Pflanzen in der Pflanzenreihe beruht, eine Unterscheidung in der aktuellen Kulturpflanzenreihe zwischen Kulturpflanzen und großen Beikräutern erfolgt.
Dabei wird keine gewöhnliche Klassifikationsmethode angewandt, die aus den Längen ein Clustering durchführt und diese dann eine Entscheidung bestimmt zu welcher Klasse (Kulturpflanze oder Beikraut) ein Objekt am wahrscheinlichsten gehört. Ein Klassifikator ist eine Methode, die am Ende eine Wahrscheinlichkeit berechnet, wie gut ein Objekt zu einer Klasse gehört.
Stattdessen wird ermittelt wie häufig eine Ausdehnungskennzahl (= Verhältnis eines Breitenwerts zu einem Längenwert) vorkommt und bei denjenigen Objekten mit den Ausdehnungskennzahlen, deren Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert der Häufigkeitsverteilung liegt, geht man davon aus, dass es sich um große Beikräuter handelt.
Hierdurch wird eine Reihe von Vorteilen geboten:
- Es resultierte eine verbesserte Identifizierung der Beikräuter
- Es ist keine Sammlung von vielen Bilddaten und kein Anfertigen von Labels notwendig, um ein Netz oder Klassifikation zu trainieren, wodurch der Gesamtaufwand stark reduziert wird.
- Es ist kein Offline-Training anhand von Bilddaten im Vorfeld notwendig.
- Die erforderliche Rechenzeit für die Identifizierung oder Klassifizierung anhand eines oder weniger Pflanzenmerkmale ist sehr gering.
- Die Information über die identifizierten Beikräuter in dem Kulturpflanzenbereich kann für darauffolgende Schritte genutzt werden, um Pflanzenreihen besser bzw. genauer zu identifizieren, da die identifizierten bzw. erkannten Beikräuter hierfür unberücksichtigt bleiben bzw. „ignoriert“ werden können.
Unter einer landwirtschaftlichen Fläche kann eine landwirtschaftlich genutzte Fläche, eine Anbaufläche für Pflanzen oder auch eine Parzelle einer solchen Fläche bzw. Anbaufläche verstanden werden. Die landwirtschaftliche Fläche kann somit eine Ackerfläche, ein Grünland oder eine Weide sein. Die Pflanzen umfassen Kulturpflanzen bzw. Nutzpflanzen, deren Frucht landwirtschaftlich genutzt wird, beispielsweise als Nahrungsmittel, Futtermittel oder als Energiepflanze, sowie Beikräuter bzw. Unkräuter.
Der Feldabschnitt kann ein Erfassungsabschnitt bzw. ein erfasster Bildabschnitt einer optischen Erfassungseinheit sein. Die Bildinformation kann bspw. ein Bild des erfassten Feldabschnitts sein. Unter einer optischen Erfassungseinheit kann beispielsweise eine Kamera oder eine 3D- Kamera oder eine Infrarot- Erfassungseinheit verstanden werden. Die optische Erfassungseinheit kann kalibriert sein, um z. B. die Höhenzuordnung aus erfassten Bilder zu errechnen.
Das Verfahren kann einen Schritt des Erfassens eines Feldabschnitts einer landwirtschaftlichen Fläche mit Pflanzen mittels der optischen Erfassungseinheit umfassen. Der Schritt des Erfassens kann während einer Überfahrt oder eines Fluges der Pflanzenidentifizierungseinheit durchgeführt werden. Zumindest ein weiterer Schritt des Verfahrens, insbesondere alle Schritte des Verfahrens kann/können während einer Überfahrt oder eines Fluges der Pflanzenidentifizierungseinheit durchgeführt werden.
Hierbei kann die Pflanzenidentifizierungseinheit eine mobile Einheit umfassen oder auf einer mobilen Einheit angeordnet sein, wobei die mobile Einheit insbesondere als Landfahrzeug und/oder Luftfahrzeug und/oder Anhänger ausgebildet sein kann. Die mobile Einheit kann auch ein selbstfahrender bzw. autonomer Roboter sein. Die Pflanzenidentifizierungseinheit ist bevorzugt Teil einer landwirtschaftlichen Arbeitsmaschine. Die landwirtschaftliche Arbeitsmaschine ist bevorzugt eine Beikrautregulierungsmaschine, insbesondere eine Feldspritze. Das landwirtschaftliche Arbeitswerkzeug ist bevorzugt eine Spritzvorrichtung, kann jedoch auch ein mechanisches Werkzeug zur Beikrautregulierung sein.
Das Verfahren umfasst einen Schritt des Identifizierens von zumindest einer Pflanzenreihe bzw. einer Kulturpflanzenreihe in der Bildinformation des erfassten Feldabschnitts mittels der Recheneinheit. Das Identifizieren der zumindest einen Pflanzenreihe erfolgt bevorzugt unter Verwendung zumindest einer der folgenden Informationen: Farbanteil, insbesondere roter Farbanteil von Pflanzen des erfassten Feldabschnitts, Infrarotanteil von Pflanzen des erfassten Feldabschnitts, Pflanzenabstand, Pflanzreihenabstand, Wachstumsstadium der Pflanzen, Geokoordinaten einer Aussaat der Pflanzen. Mittels dieser Informationen können die Pflanzenreihen auf einfache Art und Weise identifiziert werden, da bspw. Kulturpflanzen in der Regel äquidistant angepflanzt werden oder die Kulturpflanzen vom Wachstumsstadium weiter sind als die Beikräuter bzw. Unkräuter. Bevorzugt werden in dem Schritt des Identifizierens der zumindest einen Pflanzenreihe alle Pflanzenreihen in der Bildinformation bzw. in dem erfassten Feldabschnitt identifiziert.
Der Schritt des Identifizierens von zumindest einer Pflanzenreihe umfasst verständlicherweise das Erfassen von Pflanzen oder Pflanzenteilen in der Bildinformation bzw. in dem erfassten Feldabschnitt. Unter einem Erfassen von Pflanzen kann beispielsweise das Bestimmen des Vorhandenseins von Pflanzen bzw. Pflanzenmasse/Biomasse in dem Feldabschnitt verstanden werden, insbesondere ohne dass dabei eine Klassifizierung der einzelnen Pflanzen erfolgt. Der Schritt des Erfassens von Pflanzen kann ein Erfassen eines Farbanteils, insbesondere eines roten Farbanteils und/oder eines Infrarotanteils in dem Feldabschnitt bzw. Bildabschnitt umfassen. Hierbei können mittels der optischen Erfassungseinheit, bspw. durch Auswertung von Lichtspektren oder anhand eines vorbestimmten NDVI-Wertes (Normalized Differenced Vegetation Index, er wird aus Reflexionswerten im nahen infraroten und sichtbaren roten Wellenlängenbereich des Lichtspektrums gebildet), indem Pflanzenmasse/Biomasse vom (Erd-) Boden unterschieden wird, Pflanzen erfasst werden. Das Verfahren umfasst ferner einen Schritt des Definierens eines die zumindest eine identifizierte Pflanzenreihe umfassenden Kulturpflanzenbereiches unter Verwendung der zumindest einen identifizierten Pflanzenreihe mittels der Recheneinheit. Der Kulturpflanzenbereich wird bevorzugt unter Verwendung von Nachbarschaftspixeln von erfassten Pflanzen des Kulturpflanzenbereiches definiert. Hierbei wird der Kulturpflanzenbereich bevorzugt um eine erzeugte Pflanzenreihenmittelpunktlinie definiert, insbesondere wobei sich die erzeugte Pflanzenreihenmittelpunktlinie im Wesentlichen geradlinig erstreckt. Der Kulturpflanzenbereich kann die Pflanzen der Pflanzenreihe vollständig umfassen. Der Kulturpflanzenbereich kann jedoch auch die Pflanzenreihe umfassen, ohne dass die einzelnen Pflanzen der Pflanzenreihe vollständig umfasst sind.
Demnach kann der Kulturpflanzenbereich die einzelnen Pflanzen der Pflanzenreihe auch nur teilweise umfassen. D.h., mit anderen Worten, dass alle identifizierten Pflanzen, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich angeordnet sind, dem Kulturpflanzenbereich zugeordnet bzw. als Pflanzen des Kulturpflanzenbereiches gewertet oder angesehen werden.
Der Kulturpflanzenbereich kann um die jeweilige Pflanzenreihenmittelpunktlinie mit einer konstanten bzw. definierten Breite definiert werden. Der Kulturpflanzenbereich kann jedoch auch eine variable Breite aufweisen, wobei die Breite von einem Wachstumsstadium einer in einem entsprechenden Bereich des Kulturpflanzenbereiches angeordneten Pflanze abhängen kann. Der Kulturpflanzenbereich ist somit schlauchförmig ausgebildet. Der Kulturpflanzenbereich weist eine geringere Breite als der erfasste Feldabschnitt bzw. die entsprechende Bildinformation auf.
Das Verfahren umfasst ferner einen Schritt des Ermittelns jeweils einer Ausdehnungskennzahl für definierte Pflanzenabschnitte der identifizierten Pflanzen des definierten Kulturpflanzenbereiches in der Bildinformation mittels der Recheneinheit.
Das Verfahren umfasst des Weiteren einen Schritt des Ermittelns jeweils einer Ausdehnungskennzahl für definierte Pflanzenabschnitte der identifizierten Pflanzen des definierten Kulturpflanzenbereiches in der Bildinformation mittels der Recheneinheit, wobei die Ausdehnungskennzahl ein Verhältnis eines Breitenwerts und eines Längenwerts des jeweiligen definierten Pflanzenabschnitts repräsentiert, wobei die Bildinformation in Querbereiche und in Längsbereiche unterteilt ist, wobei der Längenwert die Anzahl der Querbereiche, über die sich der jeweilige definierte Pflanzenabschnitt in einer definierten Längsrichtung erstreckt, und der Breitenwert eine Summe von Teilbreitenwerten ist, wobei die Teilbreitenwerte die Anzahl der Längsbereiche, über die sich der jeweilige definierte Pflanzenabschnitt in den jeweiligen Querbereichen ausgehend von einer definierten Pflanzenreihenmittelpunktlinie der jeweiligen Pflanzenreihe in eine definierte Querrichtung erstreckt, repräsentieren.
Vorteilhafterweise verlaufen die definierte Längsrichtung entlang, d.h. parallel, und die definierte Querrichtung quer, insbesondere in einem Winkel von größer oder gleich 85° bis kleiner oder gleich 90°, d.h. im Wesentlichen senkrecht zu der Pflanzenreihenmittelpunktlinie der identifizierten Pflanzenreihe. Hierbei weisen bevorzugt die Querbereiche eine im Wesentlichen gleiche Länge und/oder die Längsbereiche eine im Wesentlichen gleiche Breite auf.
Somit verlaufen die Querbereiche quer, bevorzugt in einem Winkel von größer oder gleich 85° bis kleiner oder gleich 90°, d.h. im Wesentlichen senkrecht zu der definierten Längsrichtung bzw. der Pflanzenreihenmittelpunktlinie. Die Querbereiche können jedoch auch unabhängig von der definierten Längsrichtung bzw. der Pflanzenreihenmittelpunktlinie horizontal in der Bildinformation bzw. dem Bild verlaufen. Die Querbereiche weisen bevorzugt eine im Wesentlichen gleiche Länge in der definierten Längsrichtung auf. Die Länge der Querbereiche ist hierbei größer als 1 Pixel. Bevorzugt liegt die Länge der Querbereiche in einem Bereich von größer oder gleich 5 Pixel bis kleiner oder gleich 50 Pixel.
Analog verlaufen die Längsbereiche quer, bevorzugt in einem Winkel von größer oder gleich 85° bis kleiner oder gleich 90° zu der definierten Querrichtung. Die Längsbereiche verlaufen bevorzugt senkrecht zu den Querbereichen bzw. parallel zu der Pflanzenreihenmittelpunktlinie und bilden somit eine Art Gitterstruktur in der Bildinformation. Die Längsbereiche können jedoch auch unabhängig von der definierten Querrichtung bzw. der Pflanzenreihenmittelpunktlinie vertikal in der Bildinformation bzw. dem Bild verlaufen. Die Längsbereiche weisen bevorzugt eine im Wesentlichen gleiche Länge in der definierten Querrichtung auf. Die Länge der Längsbereiche ist hierbei größer als 1. Bevorzugt liegt die Länge der Längsbereiche in einem Bereich von größer oder gleich 5 Pixel bis kleiner oder gleich 50 Pixel.
Die Ausrichtung der Längsbereiche und der Querbereiche relativ zu der identifizierten Pflanzenreihenmittelpunktlinie bietet den Vorteil, insbesondere gegenüber den bekannten Verfahren mit Bounding Boxen, dass die Beikräuter unabhängig von der Anordnung der Pflanzenreihenmittelpunktlinie in der Bildinformation bzw. dem Bild, welche bspw. auch in einem Winkel von 45° verlaufen kann, sehr gut innerhalb der entsprechend verlaufenden Pflanzenreihen erkannt werden können.
Bei dem definierten Pflanzenabschnitt handelt es sich um einen in Längsrichtung definierten Abschnitt einer identifizierten Pflanze der Pflanzenreihe. Hierbei kann ein Pflanzenabschnitt die gesamte identifizierte Pflanze bzw. den gesamten Pflanzenkörper in Längsrichtung umfassen. Ein Pflanzenabschnitt kann jedoch auch nur einen Teil einer identifizierten Pflanze in Längsrichtung umfassen. Somit kann eine Pflanze in zwei oder mehrere Pflanzenabschnitte aufgeteilt werden. Der definierte Pflanzenabschnitt wird ferner in Querrichtung einseitig durch die Pflanzenmittelpunktlinie begrenzt. Demnach wird ein definierter Pflanzenabschnitt, welcher sich links von der Pflanzenmittelpunktlinie befindet, rechtsseitig durch diese begrenzt, während ein definierter Pflanzenabschnitt, welcher sich rechts von der Pflanzenmittelpunktlinie befindet, linksseitig durch diese begrenzt wird.
Hierbei werden im Schritt des Ermittelns der Ausdehnungskennzahlen die Pflanzenabschnitte in der Längsrichtung dadurch definiert oder gebildet, dass ein angrenzender Querbereich im jeweiligen Kulturpflanzenbereich leer ist, oder dass eine Änderung des Teilbreitenwerts von einem Querbereich zu dem Teilbreitenwert eines angrenzenden Querbereichs größer oder gleich einem definierten Änderungsschwellenwert ist. Hierbei wird bevorzugt derart vorgegangen, dass sobald in einem Querbereich eine Pflanze bzw. ein Pflanzenteil oder Pflanzenmasse identifiziert wird, das Zählen beginnt und erst dann endet, wenn - in Längsrichtung gesehen - ein folgender Querbereich leer ist oder die Teilbreitenwerte zweier benachbarter Querbereiche derart voreinander abweichen, dass ein definierter Änderungsschwellenwert erreicht oder überschritten wird. Der Änderungsschwellenwert kann hierbei vorgegeben sein. Mit dem Begriff „leer“ ist hierbei gemeint, dass in dem Querbereich im jeweiligen Kulturpflanzenbereich keine Pflanze bzw. kein Pflanzenteil identifiziert wurde. Hierdurch wird die Länge der Pflanzenabschnitte in der Einheit „Querbereiche“ ermittelt.
Ein Teilbreitenwert repräsentiert hierbei die Anzahl der Längsbereiche über die sich ein Pflanzenabschnitt in einem einzelnen Querbereich ausgehend von der definierten Pflanzenreihenmittelpunktlinie erstreckt. Somit kann jedem Querbereich ein Teilbreitenwert zugeordnet werden.
Die Ausdehnungskennzahl ist bevorzugt ein Quotient aus dem Breitenwert, d.h. der Summe aller Teilbreitenwerte eines Pflanzenabschnitts, zu dem Längenwert des jeweiligen Pflanzenabschnitts. Somit kann jedem Pflanzenabschnitt eine Ausdehnungskennzahl zugeordnet werden.
Bevorzugt werden im Schritt des Ermittelns der Ausdehnungskennzahlen nur Pflanzen berücksichtigt, d.h. herausgefiltert und ausgewertet, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich angeordnet, d.h. dem Kulturpflanzenbereich zugeordnet sind.
Das Verfahren umfasst ferner einen Schritt des Vergleichens der ermittelten Ausdehnungskennzahl des jeweiligen definierten Pflanzenabschnitts mit einer Häufigkeitsverteilung, d.h. einer Historie von Ausdehnungskennzahlen von definierten Pflanzenabschnitten vorhergehend identifizierter Pflanzen des definierten Kulturpflanzenbereiches und/oder definierter Kulturpflanzenbereiche vorhergehend erfasster Bildinformationen der landwirtschaftlichen Fläche mittels der Recheneinheit.
Hierbei umfassen die definierten Kulturpflanzenbereiche der vorhergehend erfassten Bildinformationen bevorzugt dieselbe zumindest eine identifizierte Pflanzenreihe bzw. vorhergehend erfasste Abschnitte derselben Pflanzenreihe. Demnach handelt es sich bei den vorhergehend erfassten Bildinformationen bevorzugt um unmittelbar zuvor erfasste Bildinformationen mittels der Bilderfassungseinheit, insbesondere während der gleichen Bewegung bzw. Überfahrt der Bilderfassungseinheit über der landwirtschaftlichen Fläche.
Die Häufigkeitsverteilung ist bevorzugt eine Verteilung der absoluten Häufigkeit der Ausdehnungskennzahlen. Es ist jedoch möglich, dass die Häufigkeitsverteilung eine relative Häufigkeit ist, bspw. bezogen auf die Summe von 300 Pflanzenobjekten. Verständlicherweise können 2 oder mehrere Ausdehnungskennzahlen in der Häufigkeitsverteilung auch abhängig von einem bestimmten Parameter in Kennzahlenklassen zusammengefasst werden, ohne den Rahmen der vorliegenden Anmeldung zu verlassen.
Das Verfahren umfasst außerdem einen Schritt des Identifizierens der Pflanzenabschnitte mit einer Ausdehnungskennzahl, dessen Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert der Häufigkeitsverteilung ist, um die den Pflanzenabschnitten zugehörigen Pflanzen als Beikräuter in einer identifizierten Pflanzenreihe zu identifizieren.
Der definierte Häufigkeitsschwellenwert der Häufigkeitsverteilung kann vorgebbar sein. Der definierte Häufigkeitsschwellenwert kann bspw. von der Art und/oder der Gattung und/oder dem Wachstumsstadium und/oder der Streuung der Fläche/Größe der Nutzpflanzen abhängen. Der definierte Häufigkeitsschwellenwert kann jedoch auch in Abhängigkeit von einem bestimmten Parameter angepasst werden.
Es ist vorteilhaft, wenn die Häufigkeitsverteilung mit steigender Anzahl vorhergehend identifizierter Pflanzen oder einer definierten Anzahl unmittelbar vorhergehend identifizierter Pflanzen während des Verfahrens, insbesondere während einer Bewegung der optischen Erfassungseinheit über der landwirtschaftlichen Fläche dynamisch angepasst wird. D.h., mit anderen Worten, dass sich die Häufigkeitsverteilung dynamisch während der Feldüberfahrt ändert, da stets (neue) Längenwerte und (neue) Breitenwerte und somit (neue) Ausdehnungskennzahlen neuer identifizierter Pflanzen mit einfließen. Ferner fallen bevorzugt (alte) Längenwerte und (alte) Breitenwerte und somit (alte) Ausdehnungskennzahlen alter identifizierter Pflanzen heraus, bspw. wenn lediglich eine definierte konstante Anzahl an aktuellen identifizierten Pflanzen berücksichtigt wird, sodass sich die Häufigkeitsverteilung den neusten Gegebenheiten auf der landwirtschaftlichen Fläche anpassen. Durch diese Maßnahme ist das Verfahren sehr flexible, da sich das Histogramm ständig erneuert bei der Überfahrtfahrt über die landwirtschaftliche Fläche und die ältesten Daten aus dem Histogramm wieder entfernt werden, sodass sich der Algorithmus ständig neu auf die aktuelle Feldsituation und Ausdehnungen der Pflanzen einlernen kann und ferner auch dynamisch genug ist, dass er seine Entscheidung bzgl. des Ansteuerns des landwirtschaftlichen Arbeitswerkzeugs auch bei sich veränderten Pflanzenwachstum über die landwirtschaftliche Fläche Feld hinweg anpassen kann.
Bevorzugt werden im Schritt des Identifizierens der Pflanzenabschnitte nur Pflanzen berücksichtigt, d.h. herausgefiltert und ausgewertet, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich angeordnet, d.h. dem Kulturpflanzenbereich zugeordnet sind.
Es ist vorteilhaft, wenn im Schritt des Identifizierens ferner nur Pflanzen einer Ausdehnungskennzahl, welche größer oder gleich einem definierten Kennzahlschwellenwert ist, als Beikräuter in einer identifizierten Pflanzenreihe identifiziert werden. Der definierte Kennzahlschwellenwert kann vorteilhafterweise vorgegeben sein oder in Abhängigkeit von der Häufigkeitsverteilung von Ausdehnungskennzahlen ermittelt werden. Hierbei ist es vorteilhaft, wenn bei der Ermittlung des Kennzahlschwellenwertes die größte Ausdehnungskennzahl mit einer Häufigkeit über dem Häufigkeitsschwellenwert ermittelt wird, und der Kennzahlschwellenwert als die nächstgrößere Ausdehnungskennzahl oder die um einen definierten Wert größere oder kleinere Ausdehnungskennzahl definiert wird. Der definierte Wert, um den Kennzahlschwellenwert größer sein soll, kann von der Art und/oder der Gattung und/oder dem Wachstumsstadium und/oder der Streuung der Fläche/Größe der Nutzpflanzen abhängen. Durch diese Maßnahme können insbesondere große Beikräuter, d.h. Beikräuter, welche eine größeres Breiten-zu-Längen-Verhältnis aufweisen als die Pflanzen bzw. Kulturpflanzen in der Pflanzenreihe, effektiv identifiziert werden.
Hierbei kann ferner noch ein Mindestwert für den Kennzahlschwellenwert definiert werden, ab dem überhaupt eine Pflanze als Beikraut identifiziert/klassifiziert bzw. von der Kulturpflanzenklasse in eine Beikrautklasse reklassifiziert werden darf. Der Mindestwert kann bspw. von der Art und/oder der Gattung und/oder dem Wachstumsstadium und/oder der Streuung der Fläche/Größe der Nutzpflanzen abhängen. Dies ist eine Art Sicherheit, damit der dynamisch und selbstlernende Algorithmus nur größere Beikräuter reklassifiziert. Kleinere Beikräuter mit einem kleineren Kennzahlschwellenwert sollen gemäß dieser Strategie unverändert bleiben, bspw. wenn die Kulturpflanzen kleiner sind und nur größere Beikräuter identifiziert werden sollen.
Es ist außerdem vorteilhaft, wenn das Verfahren einen Schritt des Klassifizierens der identifizierten Beikräuter in der identifizierten Pflanzenreihe in eine Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit umfasst. Hierbei ist es insbesondere vorteilhaft, wenn zunächst ein Schritt des Klassifizierens der, d.h. aller identifizierten Pflanzen des definierten Kulturpflanzenbereiches in eine erste Pflanzenklasse, insbesondere eine Kulturpflanzenklasse vorgesehen ist, und anschließend ein Schritt des Reklassifizierens der identifizierten Beikräuter in der identifizierten Pflanzenreihe des definierten Kulturpflanzenbereiches in eine von der ersten Pflanzenklasse verschiedene zweite Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit vorgesehen ist. D.h., mit anderen Worten, dass zunächst per Definition alle Pflanzen in dem Kulturpflanzenbereich als Objekte derselben Klasse angesehen bzw. derselben Klasse zugeordnet werden, bspw. der Klasse „Kulturpflanzen“, und anschließend fehlklassifizierte Beikräuter innerhalb der Pflanzenreihen identifiziert und richtig reklassifiziert werden.
Des Weiteren ist es vorteilhaft, wenn das Verfahren einen Schritt des Ansteuerns einer landwirtschaftlichen Arbeitsmaschine, insbesondere eines landwirtschaftlichen Arbeitswerkzeugs einer landwirtschaftlichen Arbeitsmaschine, insbesondere einer Spritzvorrichtung einer Feldspritze, in Abhängigkeit von den identifizierten Beikräutern in der identifizierten Pflanzenreihe umfasst. Hierdurch ermöglich das Verfahren, gezielt Beikräuter in den Pflanzenreihen zu bekämpfen bzw. zu regulieren.
Die Recheneinheit ist bzw. die Recheneinheiten sind zur Bildverarbeitung ausgebildet bzw. eingerichtet, sodass sie Berechnungsschritte bzw. Bildverarbeitungsschritte zur Durchführung des erfindungsgemäßen Verfahrens ausführen kann. Demnach weist jede Recheneinheit eine entsprechende Bildverarbeitungssoftware auf. Die Recheneinheit kann beispielsweise ein Signalprozessor, ein Mikrocontroller oder dergleichen sein, wobei die Speichereinheit ein Flash-Speicher, ein EPROM oder eine magnetische Speichereinheit sein kann. Die Kommunikationsschnittstelle kann ausgebildet sein, um Daten drahtlos und/oder leitungsgebunden einzulesen oder auszugeben, wobei eine Kommunikationsschnittstelle, die leitungsgebundene Daten einlesen oder ausgeben kann, diese Daten bspw. elektrisch oder optisch aus einer entsprechenden Datenübertragungsleitung einlesen oder in eine entsprechende Datenübertragungsleitung ausgeben kann.
Demnach kann das erfindungsgemäße Verfahren beispielsweise in Software oder Hardware oder in einer Mischform aus Software und Hardware in der Recheneinheit bzw. einem Steuergerät implementiert sein.
Die Recheneinheit kann vollständig oder teilweise an der landwirtschaftlichen Arbeitsmaschine angeordnet bzw. in diese integriert sein. Die Recheneinheit kann jedoch auch vollständig oder teilweise extern, bspw. in einer Cloud integriert sein. Die Recheneinheit kann somit auch auf verschiedene, bspw. mobile und stationäre Einheiten aufgeteilt sein.
Von Vorteil ist auch ein Computerprogrammprodukt oder Computerprogramm mit Programmcode, der auf einem maschinenlesbaren Träger oder Speichermedium wie einem Halbleiterspeicher, einem Festplattenspeicher oder einem optischen Speicher gespeichert sein kann und zur Durchführung, Umsetzung und/oder Ansteuerung der Schritte des Verfahrens nach einer der vorstehend beschriebenen Ausführungsformen verwendet wird, insbesondere wenn das Programmprodukt oder Programm auf einem Computer oder einer Vorrichtung ausgeführt wird. Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigt:
Fig. 1 eine Bildinformation bzw. ein Bild eines erfassten Feldabschnitts;
Fig. 2 eine Bildinformation mit identifizierten Pflanzen, welche in Querbereiche und Längsbereiche unterteilt ist;
Fig. 3 eine Historie von Pflanzenabschnitten aus zuvor erfassten Bildinformationen mit ihren Ausdehnungskennzahlen;
Fig. 4 eine Bildinformation mit einem aufgrund der Überschreitung des Änderungsschwellenwerts definierten Pflanzenabschnitt; und
Fig. 5 ein Ablaufdiagramm eines Verfahrens gemäß einem Ausführungsbeispiel.
Fig. 1 zeigt eine Bildinformation bzw. ein Bild 10 eines mittels einer (nicht gezeigten) optischen Erfassungseinheit bzw. Kamera erfassten Feldabschnitts 12 einer landwirtschaftlichen Fläche mit Pflanzen 14. Hierbei umfassen die Pflanzen 14 Kulturpflanzen 16 und Beikräuter 18.
Wie aus Fig. 1 ersichtlich, wurden nach dem Erfassen der Pflanzen 14 (unter Verwendung des roten Farbanteils und/oder Infrarotanteils und einer Pflanzenabstandsinformation) in dem Feldabschnitt 12 Pflanzenreihen 20 mittels einer (nicht gezeigten) Recheneinheit identifiziert. Die Identifizierung der Pflanzenreihen 20 ist hierbei durch Einpassung von definierten geradlinigen Pflanzenreihenmittelpunktlinien 22 in Bildtrajektorien mit dem höchsten ND VI Wert (Differenz rot zu NIR) der Pflanzen 14 erfolgt.
Wie weiter aus Fig. 1 ersichtlich, wurde ein Kulturpflanzenbereich 24, welcher die identifizierten Pflanzenreihen 20 umfasst, mittels der Recheneinheit definiert. Der Kulturpflanzenbereich 24 ist schlauchförmig ausgebildet und weist eine definierte konstanten Breite um die jeweilige definierte Pflanzenreihenmittelpunktlinie 22 auf. Der Kulturpflanzenbereich 24 umfasst hierbei nicht den gesamten Pflanzenkörper der Pflanzen 14 der Pflanzenreihen 20.
Fig. 2 veranschaulicht nun wie in der Bildinformation 10 jeweils eine Ausdehnungskennzahl für definierte Pflanzenabschnitte 26 ermittelt wird. Die Bildinformation 10 bzw. das Bild 10 ist in Querbereiche 28 und in Längsbereiche 30 unterteilt. Die Querbereiche 28 sind hierbei Rechtecke einer definierten Länge 32, welche über die gesamte Länge des Bildes 10 in einer Längsrichtung 34, welche entlang der Pflanzenreihenmittelpunktlinie 22 verläuft, aufgespannt werden. Die Querbereiche 28 verlaufen hierbei senkrecht zu der Längsrichtung 34 bzw. Pflanzenreihenmittelpunktlinie 22. Die Längsbereiche 30 sind ebenfalls Rechtecke einer definierten Breite 36, welche über die gesamte Breite des Bildes 10 in einer Querrichtung 38, welche senkrecht zu der Pflanzenreihenmittelpunktlinie 22 verläuft, aufgespannt werden. Die Längsbereiche 30 verlaufen hierbei senkrecht zu der Querrichtung 38 bzw. parallel zur Pflanzenreihenmittelpunktlinie 22.
Zunächst werden für jede Reihenreihe 20 bzw. jeden Kulturpflanzenbereich 24 Pflanzen 14, 16, 18 herausgefiltert, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich 24 angeordnet sind. Somit werden nachfolgend lediglich diese herausgefilterten Pflanzen 16, 18 berücksichtigt und ausgewertet.
Anschließend wird jeweils eine Ausdehnungskennzahl für definierte Pflanzenabschnitte 26 dieser Pflanzen 16, 18 mittels der Recheneinheit ermittelt, wobei die Ausdehnungskennzahl ein Verhältnis bzw. einen Quotienten eines Breitenwerts und eines Längenwerts des jeweiligen definierten Pflanzenabschnitts 26 repräsentiert. Der Längenwert repräsentiert hierbei die Anzahl der Querbereiche 28, über die sich der jeweilige definierte Pflanzenabschnitt 26 in der definierten Längsrichtung 34 erstreckt. Der Breitenwert ist wiederum eine Summe von Teilbreitenwerten, wobei die Teilbreitenwerte die Anzahl der Längsbereiche 30, über die sich der jeweilige definierte Pflanzenabschnitt 26 in den jeweiligen Querbereichen 28 ausgehend von der Pflanzenreihenmittelpunktlinie 22 in der definierten Querrichtung 38 erstreckt, repräsentiert. Hierbei beginnt ein Pflanzenabschnitt 26 per Definition sobald Pflanzenmasse in einem Querbereich 28 identifiziert wird oder eine Änderung eines Teilbreitenwerts von einem Querbereich 28 zu dem Teilbreitenwert eines angrenzenden Querbereichs 28 größer oder gleich einem definierten Änderungsschwellenwert ist. Analog hierzu endet der Pflanzenabschnitt 26, wenn ein Querbereich 28 leer ist, d.h. keine Pflanzenmasse mehr identifiziert wird oder eine Änderung eines Teilbreitenwerts von einem Querbereich 28 zu dem Teilbreitenwert eines angrenzenden Querbereichs 28 größer oder gleich einem definierten Änderungsschwellenwert ist.
Somit erhält man Pflanzenabschnitte 26 mit einem entsprechenden Längenwert, nämlich der Anzahl an Querbereichen 28, und einem entsprechenden Breitenwert, nämlich der Summe der Anzahl an Längsbereichen 30. Im gezeigten Ausführungsbeispiel wird an der Pflanzen 16 jeweils links und rechts von der Pflanzenreihenmittelpunktlinie 22 ein Pflanzenabschnitt 26 definiert. Der linke Pflanzenabschnitt 26 der Pflanze 16 weist den Längenwert 2 und den Breitenwert 2+1=3 auf. Dies entspricht einer Ausdehnungskennzahl von 3/2=1, 5. Der rechte Pflanzenabschnitt 26 der Pflanze 16 weist den Längenwert 1 und den Breitenwert 1 auf. Dies entspricht einer Ausdehnungskennzahl von 1/1=1. Analog hierzu weist der linke Pflanzenabschnitt 26 der Pflanze 18 den Längenwert 2 und den Breitenwert 3+3=6 auf. Dies entspricht einer Ausdehnungskennzahl von 6/2=3. Der rechte Pflanzenabschnitt 26 der Pflanze 18 weist den Längenwert 5 und den Breitenwert 4+7+8+4+4=27 auf. Dies entspricht einer Ausdehnungskennzahl von 27/5=5,4. Hierbei hätte abhängig von dem Änderungsschwellenwert rechte Pflanzenabschnitt 26 der Pflanze 18 bspw. auch in drei Pflanzenabschnitte unterteilt sein können, wenn dieser bei 3 liegen würde, da eine Teilung bzw. Trennung bei der Änderung der Teilbreitenwerte von 4 auf 7 und von 8 auf 4 erfolgt wäre.
Fig. 3 zeigt noch beispielhaft eine Bildinformation 10 mit einem definierten Pflanzenabschnitt 26, welcher aufgrund eines entsprechenden Änderungsschwellenwerts beidseitig in Längsrichtung 34 definiert bzw. gebildet wurde. Die Ausdehnungskennzahlen bzw. Daten werden fortlaufend während einer Überfahrt über die landwirtschaftliche Fläche gespeichert. Es wird eine Historie aufgebaut, in der die letzten, bspw. 100 Pflanzen 14, 16, 18 oder Pflanzenabschnitte 26 aus den vorhergehend erfassten Bildinformationen 10 gespeichert sind. In Fig. 4 ist die Häufigkeitsverteilung bzw. Historie der ermittelten Ausdehnungskennzahlen anhand eines Säulendiagramms, welches stets dynamisch aufgrund neuer Bildinformationen 10 angepasste wird, gezeigt. Hierbei sind auf der Abszisse die Ausdehnungskennzahlen und auf der Ordinate die Anzahl an Pflanzenabschnitte 26 mit der jeweiligen Ausdehnungskennzahl aufgetragen. Über die gesammelten Daten der Vergangenheit lässt sich nun abschätzten, welche Pflanzenabschnitte 26 oder Pflanzen 14, 16, 18 mit welchen Ausdehnungskennzahlen häufiger vorkamen, d.h. Kulturpflanzen 16 sind, und welche Pflanzenabschnitte 26 oder Pflanzen 14, 16, 18 seltener vorkamen, d.h. große Beikräuter 18 sind.
Um nun die Beikräuter 18 in der identifizierten Pflanzenreihe 20, d.h. in dem die identifizierte Pflanzenreihe 20 umfassenden Kulturpflanzenbereich 24 zu identifizieren, wurde in der Häufigkeitsverteilung ein Häufigkeitsschwellenwert 40 definiert, welcher im gezeigten Beispiel bei 3 Pflanzenabschnitten 26 ist.
In einem ersten Ausführungsbeispiel werden schließlich alle Pflanzenabschnitte 26 bzw. Pflanzen 14 des definierten Kulturpflanzenbereiches 24, deren Häufigkeit kleiner oder gleich dem definierten Häufigkeitsschwellenwert 40 ist, d.h. 3mal oder seltener vorkommen, als Beikräuter 18 identifiziert bzw. klassifiziert. Somit werden in diesem Ausführungsbeispiel Pflanzenabschnitte 26 bzw. Pflanzen 14 mit einer Ausdehnungskennzahl von 1,75, 2,5 und 2,75 als Beikräuter 18 identifiziert. Alle restlichen Pflanzenabschnitte 26 bzw. Pflanzen 14 mit einer Häufigkeit von über 3 werden als Kulturpflanzen 16 identifiziert bzw. klassifiziert.
In einem zweiten Ausführungsbeispiel wird ferner ein Kennzahlenschwellenwert 42 definiert, wobei nur Pflanzenabschnitte 26 bzw. Pflanzen 14 mit einer Ausdehnungskennzahl von größer oder gleich diesem Kennzahlenschwellenwert 42 als Beikräuter 18 identifiziert werden. Hierbei wurde der Kennzahlenschwellenwert ermittelt, indem zunächst die größte Ausdehnungskennzahl mit einer Häufigkeit über dem Häufigkeitsschwellenwert ermittelt wurde, welcher im vorliegenden Beispiel 2,25 ist. Anschließend wurde als Kennzahlenschwellenwert die nächstgrößere Ausdehnungskennzahl, d.h. 2,5 gewählt.
Somit werden im Vergleich zum ersten Ausführungsbeispiel in diesem Ausführungsbeispiel nur Pflanzenabschnitte 26 bzw. Pflanzen 14 mit einer Ausdehnungskennzahl von 2,5 und 2,75 als Beikräuter 18 identifiziert bzw. klassifiziert, während die Pflanzenabschnitte 26 bzw. Pflanzen 14 mit einer Ausdehnungskennzahl von 1,75 und alle weiteren als Kulturpflanzen 16 identifiziert bzw. klassifiziert werden. Hierdurch können große Beikräuter 18 effektiv identifiziert und ggf. reklassifiziert werden.
In einem dritten Ausführungsbeispiel kann im Vergleich zum zweiten Ausführungsbeispiel ein Kennzahlenschwellenwert 44 definiert werden, welcher um einen definierten Wert größer ist, als die ermittelte größte Ausdehnungskennzahl. Hierdurch werden nur noch breitere Pflanzen 14 mit einer Ausdehnungskennzahl von 2,75 als Beikräuter 18 identifiziert bzw. klassifiziert.
Fig. 5 zeigt ein Ablaufdiagramm eines Ausführungsbeispiels des hier vorgestellten Ansatzes als Verfahren 100 zum Identifizieren von Beikräutern 18 in einer Pflanzenreihe 20 einer landwirtschaftlichen Fläche. Das Verfahren 100 umfasst einen Schritt des Empfangens 102 einer Bildinformation 10 von einem mittels einer optischen Erfassungseinheit erfassten Feldabschnitt 12 einer landwirtschaftlichen Fläche mit Pflanzen 14, 16, 18. Das Verfahren 100 umfasst ferner einen Schritt des Identifizierens 104 von zumindest einer Pflanzenreihe 20 in der Bildinformation 10 unter Verwendung von identifizierten Pflanzen 14, 16, 18 mittels einer Recheneinheit. Das Verfahren 100 umfasst außerdem einen Schritt des Definierens 106 eines die zumindest eine identifizierte Pflanzenreihe 20 umfassenden Kulturpflanzenbereiches 24 unter Verwendung der zumindest einen identifizierten Pflanzenreihe 20 in der Bildinformation 10 mittels der Recheneinheit. Das Verfahren 100 umfasst des Weiteren einen Schritt des Ermittelns 110 jeweils einer Ausdehnungskennzahl für definierte Pflanzenabschnitte 26 der identifizierten Pflanzen 14, 16, 18 des definierten Kulturpflanzenbereiches 24 in der Bildinformation 10 mittels der Recheneinheit, wobei die Ausdehnungskennzahl ein Verhältnis eines Breitenwerts und eines Längenwerts des jeweiligen definierten Pflanzenabschnitts 26 repräsentiert, wobei die Bildinformation 10 in Querbereiche 28 und in Längsbereiche 30 unterteilt ist, wobei der Längenwert die Anzahl der Querbereiche 28, über die sich der jeweilige definierte Pflanzenabschnitt 26 in einer definierten Längsrichtung 34 erstreckt repräsentiert, und der Breitenwert eine Summe von Teilbreitenwerten ist, wobei die Teilbreitenwerte die Anzahl der Längsbereiche 30, über die sich der jeweilige definierte Pflanzenabschnitt 26 in den jeweiligen Querbereichen 28 ausgehend von einer definierten Pflanzenreihenmittelpunktlinie 22 der jeweiligen Pflanzenreihe 20 in eine definierte Querrichtung 38 erstreckt, repräsentieren. Das Verfahren 100 umfasst ferner einen Schritt des Vergleichens 112 der ermittelten Ausdehnungskennzahl des jeweiligen definierten Pflanzenabschnitts 26 mit einer Häufigkeitsverteilung von Ausdehnungskennzahlen von definierten Pflanzenabschnitten 26 vorhergehend identifizierter Pflanzen 14, 16, 18 des definierten Kulturpflanzenbereiches 24 und/oder definierter Kulturpflanzenbereiche (24) vorhergehend erfasster Bildinformationen 10 der landwirtschaftlichen Fläche mittels der Recheneinheit. Das Verfahren 100 umfasst außerdem einen Schritt des Identifizierens 114 der Pflanzenabschnitte 26 mit einer Ausdehnungskennzahl, dessen Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert 40 der Häufigkeitsverteilung ist, um die den Pflanzenabschnitten 26 zugehörigen Pflanzen 14 als Beikräuter 18 in einer identifizierten Pflanzenreihe 20 zu identifizieren.
Der Weiteren umfasst das Verfahren 100 einen optionalen Schritt des Klassifizierens 108 der identifizierten Pflanzen 14, 16, 18 des definierten Kulturpflanzenbereiches 24 in eine erste Pflanzenklasse, insbesondere eine Kulturpflanzenklasse, und einen weiteren optionalen Schritt des Reklassifizierens 116 der identifizierten Beikräuter 18 in der identifizierten Pflanzenreihe 20 des definierten Kulturpflanzenbereiches 24 in eine von der ersten Pflanzenklasse verschiedene zweite Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit.

Claims

Ansprüche
1. Verfahren (100) zum Identifizieren von Beikräutern (18) in einer Pflanzenreihe (20) einer landwirtschaftlichen Fläche, mit den Schritten:
- Empfangen (102) einer Bildinformation (10) von einem mittels einer optischen Erfassungseinheit erfassten Feldabschnitt (12) einer landwirtschaftlichen Fläche mit Pflanzen (14, 16, 18);
- Identifizieren (104) von zumindest einer Pflanzenreihe (20) in der Bildinformation (10) unter Verwendung von identifizierten Pflanzen (14, 16, 18) mittels einer Recheneinheit;
- Definieren (106) eines die zumindest eine identifizierte Pflanzenreihe (20) umfassenden Kulturpflanzenbereiches (24) unter Verwendung der zumindest einen identifizierten Pflanzenreihe (20) in der Bildinformation (10) mittels der Recheneinheit;
- Ermitteln (110) jeweils einer Ausdehnungskennzahl für definierte Pflanzenabschnitte (26) der identifizierten Pflanzen (14, 16, 18) des definierten Kulturpflanzenbereiches (24) in der Bildinformation (10) mittels der Recheneinheit, wobei die Ausdehnungskennzahl ein Verhältnis eines Breitenwerts und eines Längenwerts des jeweiligen definierten Pflanzenabschnitts (26) repräsentiert, wobei die Bildinformation (10) in Querbereiche (28) und in Längsbereiche (30) unterteilt ist, wobei der Längenwert die Anzahl der Querbereiche (28), über die sich der jeweilige definierte Pflanzenabschnitt (26) in einer definierten Längsrichtung (34) erstreckt, repräsentiert, und der Breitenwert eine Summe von Teilbreitenwerten ist, wobei die Teilbreitenwerte die Anzahl der Längsbereiche (30), über die sich der jeweilige definierte Pflanzenabschnitt (26) in den jeweiligen Querbereichen (28) ausgehend von einer definierten Pflanzenreihenmittelpunktlinie (22) der jeweiligen Pflanzenreihe (20) in eine definierte Querrichtung (38) erstreckt, repräsentieren;
- Vergleichen (112) der ermittelten Ausdehnungskennzahl des jeweiligen definierten Pflanzenabschnitts (26) mit einer Häufigkeitsverteilung von Ausdehnungskennzahlen von definierten Pflanzenabschnitten (26) vorhergehend identifizierter Pflanzen (14, 16, 18) des definierten Kulturpflanzenbereiches (24) und/oder definierter Kulturpflanzenbereiche (24) vorhergehend erfasster Bildinformationen (10) der landwirtschaftlichen Fläche mittels der Recheneinheit; und
- Identifizieren (114) der Pflanzenabschnitte (26) mit einer Ausdehnungskennzahl, dessen Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert (40) der Häufigkeitsverteilung ist, um die den Pflanzenabschnitten (26) zugehörigen Pflanzen (14) als Beikräuter (18) in einer identifizierten Pflanzenreihe (20) zu identifizieren. Verfahren (100) nach Anspruch 1, dadurch gekennzeichnet, dass im Schritt des Ermittelns (110) der Ausdehnungskennzahlen die Pflanzenabschnitte (26) in der Längsrichtung (34) dadurch definiert oder gebildet werden, dass ein angrenzender Querbereich (28) im jeweiligen Kulturpflanzenbereich (24) leer ist, oder dass eine Änderung des Teilbreitenwerts von einem Querbereich (28) zu dem Teilbreitenwert eines angrenzenden Querbereichs (28) größer oder gleich einem definierten Änderungsschwellenwert ist. Verfahren (100) nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Ausdehnungskennzahl ein Quotient aus dem Breitenwert zu dem Längenwert des jeweiligen Pflanzenabschnitts (26) ist. Verfahren (100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass im Schritt des Identifizierens (114) ferner nur Pflanzenabschnitte (26) mit einer Ausdehnungskennzahl, welche größer oder gleich einem definierten Kennzahlschwellenwert (42) ist, als Beikräuter (18) in einer identifizierten Pflanzenreihe (20) identifiziert werden. Verfahren (100) nach Anspruch 4, dadurch gekennzeichnet, dass der definierte Kennzahlschwellenwert (42) vorgegeben ist oder in Abhängigkeit von der Häufigkeitsverteilung von Ausdehnungskennzahlen ermittelt. Verfahren (100) nach Anspruch 5, dadurch gekennzeichnet, dass bei der Ermittlung des Kennzahlschwellenwertes (42) die größte Ausdehnungskennzahl mit einer Häufigkeit über dem Häufigkeitsschwellenwert (40) ermittelt wird, und der Kennzahlschwellenwert (42) als die nächstgrößere Ausdehnungskennzahl oder die um einen definierten Wert größere oder kleinere Ausdehnungskennzahl definiert wird. Verfahren (100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass im Schritt des Ermittelns (110) der Ausdehnungskennzahlen und/oder im Schritt des Identifizierens (114) der Pflanzenabschnitte (26) nur Pflanzen (14, 16, 18) berücksichtigt werden, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich (24) angeordnet sind. Verfahren (100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die definierte Längsrichtung (34) entlang und die definierte Querrichtung (38) quer, insbesondere in einem Winkel von größer oder gleich 85° bis kleiner oder gleich 90° zu der Pflanzenreihenmittelpunktlinie (22) der identifizierten Pflanzenreihe (20) verlaufen, insbesondere wobei die Querbereiche (28) eine im Wesentlichen gleiche Länge und/oder die Längsbereiche (30) eine im Wesentlichen gleiche Breite aufweisen. Verfahren (100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die definierten Kulturpflanzenbereiche (24) der vorhergehend erfassten Bildinformationen (10) dieselbe zumindest eine identifizierte Pflanzenreihe (20) umfassen. Verfahren (100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Häufigkeitsverteilung mit steigender Anzahl vorhergehend identifizierter Pflanzen (14) oder einer definierten Anzahl unmittelbar vorhergehend identifizierter Pflanzen (14) während des Verfahrens, insbesondere während einer Bewegung der optischen Erfassungseinheit über der landwirtschaftlichen Fläche dynamisch angepasst wird. Verfahren (100) nach einem der vorhergehenden Ansprüche, gekennzeichnet durch einen Schritt des Klassifizierens (116) der identifizierten Beikräuter (18) in der identifizierten Pflanzenreihe (20) in eine Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit. Verfahren (100) nach Anspruch 11, gekennzeichnet durch einen Schritt des Klassifizierens (108) der identifizierten Pflanzen (14, 16, 18) des definierten Kulturpflanzenbereiches (24) in eine erste Pflanzenklasse, insbesondere eine Kulturpflanzenklasse, und einen Schritt des Reklassifizierens (116) der identifizierten Beikräuter (18) in der identifizierten Pflanzenreihe (20) des definierten Kulturpflanzenbereiches (24) in eine von der ersten Pflanzenklasse verschiedene zweite Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit. Verfahren (100) nach einem der vorhergehenden Ansprüche, gekennzeichnet durch einen Schritt des Ansteuerns (118) einer landwirtschaftlichen Arbeitsmaschine, insbesondere eines landwirtschaftlichen Arbeitswerkzeugs einer landwirtschaftlichen Arbeitsmaschine, insbesondere einer Spritzvorrichtung einer Feldspritze, in Abhängigkeit von den identifizierten Beikräutern (18) in der identifizierten Pflanzenreihe (20). Recheneinheit, welche eingerichtet ist, die Schritte eines Verfahrens (100) nach einem der vorhergehenden Ansprüche durchzuführen und/oder zu steuern. Pflanzenidentifizierungseinheit mit einer optischen Erfassungseinheit zum Erfassen eines Feldabschnitts (12) einer landwirtschaftlichen Fläche mit Pflanzen (14, 16, 18), um eine Bildinformation (10) von dem erfassten Feldabschnitt (12) zu erhalten, und einer Recheneinheit nach Anspruch 14. Landwirtschaftliche Arbeitsmaschine, insbesondere Feldspritze, mit einem landwirtschaftlichen Arbeitswerkzeug, insbesondere einer Spritzvorrichtung, und einer Pflanzenidentifizierungseinheit nach Anspruch 15, wobei das Arbeitswerkzeug, insbesondere die Spritzvorrichtung in
Abhängigkeit von den identifizierten Beikräutern (18) in der identifizierten Pflanzenreihe (20), angesteuert wird. Computerprogramm, das dazu eingerichtet ist, die Schritte eines Verfahrens (100) nach einem der Ansprüche 1 bis 13 durchzuführen und/oder zu steuern, wenn das Computerprogramm auf einem Computer ausgeführt wird. Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 17 gespeichert ist.
PCT/EP2022/080199 2021-12-13 2022-10-28 Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche WO2023110207A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021214202.8 2021-12-13
DE102021214202.8A DE102021214202A1 (de) 2021-12-13 2021-12-13 Verfahren zum Identifizieren von Beikräutern in einer Pflanzenreihe einer landwirtschaftlichen Fläche

Publications (1)

Publication Number Publication Date
WO2023110207A1 true WO2023110207A1 (de) 2023-06-22

Family

ID=84360983

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/080199 WO2023110207A1 (de) 2021-12-13 2022-10-28 Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche

Country Status (2)

Country Link
DE (1) DE102021214202A1 (de)
WO (1) WO2023110207A1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022212171A1 (de) 2022-11-16 2024-05-16 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Klassifizieren von Pflanzen in und/oder zwischen Pflanzenreihen einer landwirtschaftlichen Fläche
DE102022212169A1 (de) 2022-11-16 2024-05-16 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Klassifizieren von Pflanzen in und/oder zwischen Pflanzenreihen einer landwirtschaftlichen Fläche

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017210804A1 (de) 2017-06-27 2018-12-27 Robert Bosch Gmbh Verfahren Ausbringen eines Spritzmittels auf ein Feld
US10255670B1 (en) * 2017-01-08 2019-04-09 Dolly Y. Wu PLLC Image sensor and module for agricultural crop improvement

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10255670B1 (en) * 2017-01-08 2019-04-09 Dolly Y. Wu PLLC Image sensor and module for agricultural crop improvement
DE102017210804A1 (de) 2017-06-27 2018-12-27 Robert Bosch Gmbh Verfahren Ausbringen eines Spritzmittels auf ein Feld

Non-Patent Citations (1)

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

Also Published As

Publication number Publication date
DE102021214202A1 (de) 2023-06-15

Similar Documents

Publication Publication Date Title
WO2023094111A1 (de) Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche
EP3782467B1 (de) Verfahren zum identifizieren von beikräutern innerhalb einer definierten pflanzenreihe einer landwirtschaftlichen fläche
WO2023110207A1 (de) Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche
DE102018217742A1 (de) Verfahren zum Ausbringen eines Spritzmittels auf ein Feld
EP4218381A1 (de) Erstellung digitaler bearbeitungskarten
DE102018222428A1 (de) Verfahren zum Ausbringen eines Spritzmittels auf eine landwirtschaftliche Fläche
DE102017210804A1 (de) Verfahren Ausbringen eines Spritzmittels auf ein Feld
DE102010027144A1 (de) Trainingsverfahren für einen adaptiven Auswertealgorithmus, ein hyperspektrales Messgerät, sowie eine Vorrichtung zum Ausbringen eines Betriebsmittels
DE102019213779A1 (de) Verfahren zum Ausbringen eines Spritzmittels auf eine landwirtschaftliche Fläche
DE102016209437A1 (de) Selbsttätiges Lenksystem zur Führung eines landwirtschaftlichen Fahrzeugs über ein Feld und entsprechendes Verfahren
WO2022111880A1 (de) Verfahren und vorrichtung zur klassifizierung von pflanzen sowie computerprogrammprodukt
EP4064819B1 (de) Verfahren zum bearbeiten von pflanzen auf einem feld, zum generieren von trainingsdaten und zum trainieren eines neuronalen netzes
WO2023001526A1 (de) Unkrauterkennungsvorrichtung, verfahren zu unkrauterkennung, computerprogramm und speichermedium
WO2023066562A1 (de) Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche
DE102022212169A1 (de) Verfahren zum Klassifizieren von Pflanzen in und/oder zwischen Pflanzenreihen einer landwirtschaftlichen Fläche
DE102022212171A1 (de) Verfahren zum Klassifizieren von Pflanzen in und/oder zwischen Pflanzenreihen einer landwirtschaftlichen Fläche
DE102022212161A1 (de) Verfahren zum Ermitteln einer Breitenkennzahl von Pflanzen einer Pflanzenreihe einer landwirtschaftlichen Fläche
DE102020215879A1 (de) Verfahren zum Ausbringen eines Spritzmittels auf eine landwirtschaftliche Fläche
WO2021105017A1 (de) Verfahren zum bearbeiten von pflanzen auf einem feld
DE102022212162A1 (de) Verfahren zum Ermitteln einer Pflanzenkennzahl von Pflanzen einer Pflanzenreihe einer landwirtschaftlichen Fläche
DE102019201977A1 (de) Verfahren zum Ermitteln eines Zustandes einer Feldfrucht-Bepflanzung und landwirtschaftliches Fahrzeug
EP4064818B1 (de) Verfahren zum bearbeiten von pflanzen auf einem feld
DE102022115549A1 (de) Verfahren zur optimierten Konfiguration eines Kamerasystems zur Reihenerkennung in einem Feldbestand
DE102022105448A1 (de) Computerimplementiertes Verfahren und System zur Bestimmung von Pflanzenkrankheiten
WO2021105006A1 (de) Verfahren zum schätzen eines verlaufs von pflanzenreihen

Legal Events

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

Ref document number: 22809465

Country of ref document: EP

Kind code of ref document: A1

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112024011387

Country of ref document: BR