特表 2022-526562 農地の農作物処理のための方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2022-05-25

(54)【発明の名称】農地の農作物処理のための方法

(51)【国際特許分類】

   A01M 7/00 20060101AFI20220518BHJP

   A01M 21/04 20060101ALI20220518BHJP

   G08C 15/00 20060101ALI20220518BHJP

   G08C 17/00 20060101ALI20220518BHJP

【ＦＩ】

A01M7/00 E

A01M21/04 C

G08C15/00 D

G08C17/00 A

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2021557795

(86)(22)【出願日】2020-03-27

(85)【翻訳文提出日】2021-10-05

(86)【国際出願番号】 EP2020058859

(87)【国際公開番号】W WO2020201159

(87)【国際公開日】2020-10-08

(31)【優先権主張番号】19166272.5

(32)【優先日】2019-03-29

(33)【優先権主張国・地域又は機関】EP

(81)【指定国・地域】

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．ＢＬＵＥＴＯＯＴＨ

(71)【出願人】

【識別番号】521381967

【氏名又は名称】ベーアーエスエフ・アグロ・トレードマークス・ゲーエムベーハー

(74)【代理人】

【識別番号】100188558

【弁理士】

【氏名又は名称】飯田 雅人

(74)【代理人】

【識別番号】100133086

【弁理士】

【氏名又は名称】堀江 健太郎

(74)【代理人】

【識別番号】100163522

【弁理士】

【氏名又は名称】黒田 晋平

(72)【発明者】

【氏名】オレ・ヤンセン

(72)【発明者】

【氏名】マティアス・テンペル

(72)【発明者】

【氏名】ビョルン・キーペ

(72)【発明者】

【氏名】ミルワエス・ワハブザダ

【テーマコード（参考）】

2B121

2F073

【Ｆターム（参考）】

2B121AA11

2B121AA19

2B121CB02

2B121CB23

2B121CB27

2B121CB31

2B121CB35

2B121CB37

2B121CB47

2B121CB69

2B121CC05

2B121CC31

2B121EA26

2B121FA14

2F073AA01

2F073AA02

2F073AA11

2F073AA12

2F073AA19

2F073AA31

2F073AA40

2F073AB01

2F073AB04

2F073AB05

2F073BB01

2F073BC02

2F073CC03

2F073CC07

2F073CC12

2F073CD11

2F073DD07

2F073DE02

2F073DE07

2F073DE13

2F073EE01

2F073EE16

2F073FF01

2F073FG01

2F073FG02

2F073FG11

2F073GG01

2F073GG05

(57)【要約】

本発明は、農地の農作物処理の方法を提供し、該方法は、処理デバイス(200)がフィールドマネージャシステム(100)から処理デバイス(200)を制御するためのパラメータ表現(10)を受信するステップ(S10)であって、パラメータ表現(10)が、農地(300)に対して予測される状態に関するオフラインフィールドデータ(Doff)を受信するステップと、農地(300)の農作物の画像(20)を撮影するステップ(S20)と、撮影画像(20)上の対象物(30)を認識するステップ(S30)と、受信したパラメータ表現(10)および認識した対象物(30)に基づいて、処理デバイス(200)の処理構成(270)を制御するための制御信号(S)を判定するステップ(S40)とを含む。

【特許請求の範囲】

【請求項1】

農地の農作物処理の方法であって、
処理デバイス(200)がフィールドマネージャシステム(100)から前記処理デバイス(200)を制御するためのパラメータ表現(10)を受信するステップ(S10)であって、前記パラメータ表現(10)が、前記農地(300)に対して予測される状態に関するオフラインフィールドデータ(Doff)を受信するステップと、
前記農地(300)の農作物の画像(20)を撮影するステップ(S20)と、
撮影画像(20)上の対象物(30)を認識するステップ(S30)と、
前記受信したパラメータ表現(10)および前記認識した対象物(30)に基づいて、処理デバイス(200)の処理構成(270)を制御するための制御信号(S)を判定するステップ(S40)と
を含む方法。

【請求項2】

前記農地(300)の前記農作物の前記画像(20)を撮影するステップ(S20)、前記撮影画像(20)上の前記対象物(30)を認識するステップ(S30)、および前記処理構成(270)を制御するための前記制御信号(S)を判定するステップ(S40)が、前記処理デバイス(200)が、前記処理デバイスが前記農地の特定のロケーション内の処理時点においてフィールドを横断するにつれて、前記農地の撮影画像に基づいて瞬時に制御可能であるように、リアルタイムプロセスとして実行される、請求項1に記載の方法。

【請求項3】

前記フィールドマネージャシステム(100)によってオフラインフィールドデータ(Doff)を受信するステップと、
前記オフラインフィールドデータ(Doff)に応じて前記処理デバイス(200)の前記パラメータ表現(10)を判定するステップと、
前記処理デバイス(200)に前記判定したパラメータ表現(10)を提供するステップと
を含む、請求項1または2に記載の方法。

【請求項4】

前記パラメータ表現は、オン/オフ決定に関する1つのレイヤ、処理製品の組成に関する第2のレイヤ、ならびに処理製品の投与量に関する第3のレイヤを含む、請求項1～3のいずれか一項に記載の方法。

【請求項5】

オン/オフ決定についてのパラメータ表現は、前記撮影画像および/または対象物認識から導出されたパラメータに関連するしきい値を含み、
前記撮影画像および/または対象物認識から導出した少なくとも1つのパラメータが、対象物の対象範囲に関連する、請求項4に記載の方法。

【請求項6】

前記処理デバイスを制御するための前記パラメータ表現は、前記農地に対して少なくとも部分的に空間分解されている、請求項1～5のいずれか一項に記載の方法。

【請求項7】

前記処理デバイス(200)が前記農地(300)に関する現状に関するオンラインフィールドデータ(Don)を受信するステップと、
前記判定されたパラメータ表現(10)、および前記判定された、認識された対象物(30)、ならびに/または前記判定されたオンラインフィールドデータ(Don)に応じて、前記制御信号(S)を判定するステップと
を含む、請求項1から6のいずれか一項に記載の方法。

【請求項8】

前記オンラインフィールドデータ(Don)が、現在の天候状態データ、現在の農作物成長データ、および/または現在の土壌データに関する
請求項7に記載の方法。

【請求項9】

前記農作物の処理の性能進化に応じて、検証データ(V)を提供するステップと、
前記検証データ(V)に応じて、前記パラメータ表現(10)を調整するステップと
を含む、請求項1から8のいずれか一項に記載の方法。

【請求項10】

オンラインフィールドデータ(Don)と検証データ(V)とは、前記農地に対して少なくとも部分的に空間分解されている、請求項8または9に記載の方法。

【請求項11】

農地(300)の農作物処理のための処理デバイス(200)用のフィールドマネージャシステム(100)であって、
前記農地(300)に対して予想される状態に関するオフラインフィールドデータ(Doff)を受信するように適合されているオフラインフィールドデータインターフェース(150)と、
前記オフラインフィールドデータ(Doff)に応じて、前記処理デバイス(200)の前記パラメータ表現(10)を判定するように適合されている機械学習ユニット(110)と、
請求項10に記載の、前記パラメータ表現(10)を処理デバイス(200)に提供することに適合されているパラメータ表現インターフェース(140)と
を備えるフィールドマネージャシステム(100)。

【請求項12】

検証データ(V)を受信するように適合されている検証データインターフェース(160)
を備え、
前記機械学習ユニット(110)が、前記検証データ(V)に応じて、前記パラメータ表現(10)を調整するように適合される
請求項11に記載のフィールドマネージャシステム(100)。

【請求項13】

農作物処理のための処理デバイス(200)であって、
農作物の画像(20)を撮影するように適合されている画像キャプチャデバイス(220)と、
請求項9または10に記載の、パラメータ表現(10)をフィールドマネージャシステム(100)から受信することに適合されているパラメータ表現インターフェース(240)と、
前記受信されたパラメータ表現(10)に応じて、前記農作物を処理するように適合されている処理構成(270)と、
前記撮影画像(20)上の対象物(30)を認識するように適合されている画像認識ユニット(230)と、
前記受信されたパラメータ表現(10)および前記認識された対象物(30)に応じて、前記処理構成(270)を制御するための制御信号(S)を判定するように適合されている処理制御ユニット(210)と
を備え、
前記処理デバイス(200)の前記パラメータ表現インターフェース(240)が、請求項9または10に記載の、フィールドマネージャシステム(100)のパラメータ表現インターフェース(140)に接続可能であり、
前記処理デバイス(200)が、前記処理制御ユニット(210)の前記制御信号(S)に基づいて、前記処理構成(270)をアクティブ化するように適合される
処理デバイス(200)。

【請求項14】

農地(300)に関する現状に関するオンラインフィールドデータ(Don)を受信するように適合されているオンラインフィールドデータインターフェース(240)
を備え、
前記処理制御ユニット(210)が、前記受信されたパラメータ表現(10)、ならびに前記認識された対象物(30)、および/または前記オンラインフィールドデータ(Don)に応じて、前記処理構成(270)を制御するための制御信号(S)を判定するように適合される
請求項13に記載の処理デバイス(200)。

【請求項15】

前記画像キャプチャデバイス(220)が、1つまたは複数のカメラを、具体的には、前記処理デバイス(200)のブーム上に備え、前記画像認識ユニット(230)が、赤緑青RGBデータおよび/または近赤外NIRデータを使用して前記対象物を認識するように適合される
請求項13または14に記載の処理デバイス(200)。

【請求項16】

前記処理デバイス(200)が、スマート噴霧器として設計され、前記処理構成(270)が、ノズル構成である
請求項13から15のいずれか一項に記載の処理デバイス(200)。

【請求項17】

前記画像キャプチャデバイス(220)が、複数のカメラを備え、前記処理構成(270)が、前記カメラによってキャプチャされた画像がそれぞれのノズル構成によって処理されることになるエリアに関連付けられるように、各々が前記複数のカメラのうちの1つに関連付けられる前記複数のノズル構成を備える
請求項13から16のいずれか一項に記載の処理デバイス(200)。

【請求項18】

請求項11または12に記載のフィールドマネージャシステムおよび請求項13から17のいずれか一項に記載の処理デバイスを備える処理システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、農地(plantation field)の農作物(plantation)処理のための方法、および処理デバイス、ならびに、そのような処理デバイスおよび処理システム用のフィールド(field)管理システムに関する。

【背景技術】

【0002】

本発明の一般的な背景は、農耕地内の農作物の処理である。農作物、具体的には、実際の作物の処理はまた、農耕地内の雑草の処理、農耕地内の昆虫の処理、ならびに農耕地内の病原体の処理を含む。

【0003】

農機具、またはスマート噴霧器のような自動処理デバイスは、生態学的および経済的規則に基づいて、農耕地内の雑草、昆虫、および/または病原体を処理する。処理されることになる異なる対象物を自動的に検出および識別するために、画像認識が使用される。

【0004】

最近の農業機械は、益々センサが搭載されている。農作物の保護は、プランテーション、特に雑草、農作物、昆虫、および/または病原体をリアルタイムに検出するカメラシステムを主に備える、スマート噴霧器によって実行される。農地を処理するためにスプレーノズルや雑草用ロボットを作動させるなど、農学的に実行可能なアクチュエータコマンドを導出するためには、さらなる知識と入力データが必要とされる。

【0005】

特に難しいのは、農作物の収穫量や品質に重大な影響を与えるために病原体や雑草を処理する必要がある場合、または生態系への影響や処理製品のコストを考えた場合、農地の特定のエリアで処理を行わない方が適切な場合を定義することである。

【0006】

このミッシングリンクは、農業従事者に著しい不確実性を与え、農業従事者は直感に基づいて手動で農地を処理するためのしきい値を設定しなければならない。これは通常、農地レベルで行われるが、多くの影響因子は農地に対して変化する。

【発明の概要】

【発明が解決しようとする課題】

【0007】

投資の経済的リターンを向上させ、生態系への影響を改善するために、農地の農作物処理のための改善された一方法を有することが有利になる。

【課題を解決するための手段】

【0008】

本発明の目的は、独立請求項の主題で解決され、ここでは、さらなる実施形態が従属請求項に組み込まれる。本発明の以下に説明する態様および例は、この方法、処理デバイス、およびフィールド管理システムにも適用される。

【0009】

第1の態様によれば、農地の処理または農作物処理のための方法は、処理デバイスがフィールドマネージャシステムから処理デバイスを制御するためのパラメータ表現(parametrization)を受信するステップであって、パラメータ表現が、農地に対して予測される状態に関するオフラインフィールドデータを受信するステップと、農地の農作物の画像を撮影するステップと、撮影画像上の対象物を認識するステップと、受信したパラメータ表現および認識した対象物に基づいて、処理デバイスの処理構成を制御するための制御信号を判定するステップとを含む。

【0010】

本明細書で使用するように、農作物処理は、好ましくは、農地上で栽培された農作物である作物を保護するステップと、栽培されたものではなく、作物にとって有害であり得る、雑草を、具体的には除草剤で、除草するステップと、作物および/または雑草の上の昆虫を、具体的は殺虫剤で、除去するステップと、病害など、作物および/または雑草の上のいかなる病原体をも、具体的には殺菌剤で、破壊するステップと、植物の成長を、具体的には植物成長調整剤で、調整するステップとを含む。本明細書で使用するように、「殺虫剤」という用語は、殺線虫剤、ダニ駆除剤、および軟体動物駆除剤を包含する。さらに、除草剤と組み合わせて薬害軽減剤(safener)が使用され得る。

【0011】

1つの実施形態では、画像を撮影するステップは、処理されることになる農地上または現場の特定のロケーションに関連する画像をリアルタイムで撮影するステップを含む。このようにして、処理は、処理が実行される間に準リアルタイムでフィールドの異なる状況に合わせて密に調整され得る。加えて、処理は極めてターゲットを絞った方法で施されることが可能であり、より効率的かつ持続可能な農業につながる。好ましい一実施形態では、処理デバイスは、処理デバイスが農地を横断するにつれて、農地の画像を撮影するように構成されている複数の画像キャプチャデバイスを備える。そのような方法で各撮影画像は、ロケーションに関連付けられることが可能であり、したがって、処理されることになる農地のロケーション内のリアルタイム状況のスナップショットを提供し得る。処理デバイスの、リアルタイムのロケーション固有制御を可能にするために、処理に先立って受信されるパラメータ化は、処理デバイスの状況固有制御を加速する方法を提供する。このようにして、処理デバイスがフィールドを横切り、処理されることになるフィールドのロケーションのロケーション固有画像をキャプチャする間に、決定がオンザフライで下され得る。

【0012】

好ましくは、画像を撮影するステップ、制御信号を判定するステップ、および随意に、処理を開始するための制御信号を制御ユニットに提供するステップは、処理デバイスがフィールドを通過する間、またはフィールド処理の間に、リアルタイムで実行される。随意に、制御信号は、農地の処理を開始するために処理デバイスの制御ユニットに提供され得る。

【0013】

本明細書で使用するように、「対象物」という用語は、農地の対象物を含む。対象物は、雑草または作物のような農作物、昆虫、および/または病原体など、処理デバイスによって処理されることになる対象物に関係し得る。対象物は、作物保護製品など、処理製品を用いて処理され得る。対象物は、ロケーション固有処理を可能にするためにフィールド内のロケーションに関連付けられ得る。

【0014】

好ましくは、処理デバイスを制御するための制御信号は、受信したパラメータ表現、認識された対象物、およびオンラインフィールドデータに基づいて判定され得る。1つの実施形態では、オンラインフィールドデータは、具体的には、農作物処理デバイスによってリアルタイムで収集される。オンラインフィールドデータを収集するステップは、処理デバイスにアタッチされた、または農地内に配置されたセンサからのセンサデータを、処理デバイスがフィールドを通過するにつれて、具体的にはオンザフライでまたはリアルタイムで、収集するステップを含み得る。オンラインフィールドデータを収集するステップは、現在の土壌状態、たとえば、栄養分、土壌の水分、および/もしく土壌組成など、土壌の特性に関連するフィールド内の土壌センサを介して収集された土壌データ、フィールドに配置されたもしくは近接する、または処理デバイスにアタッチされ、現在の天候状態に関連付けられた、天候センサを介して収集された天候データ、または土壌と天候センサの両方を介して収集されたデータを収集するステップを含み得る。

【0015】

本明細書で使用するように、「オフラインフィールドデータ」という用語は、パラメータ表現の判定前に生成、収集、集約、または処理された、あらゆるデータを指す。オフラインフィールドデータは、農地処理デバイスの外部から収集され得る。オフラインフィールドデータは、処理デバイスが使用される前に収集され得る。オフラインフィールドデータは、受信したパラメータ表現に基づいて処理がフィールド内で実行される前に集められたデータであってよい。オフラインフィールドデータは、たとえば、処理の時点で予想される天候状態に関連する天候データ、予想される土壌状態に関連して予想される土壌データ、たとえば、栄養分または土壌水分、および/または処理の時点における土壌組成、たとえば、処理の時点における雑草または作物の成長段階に関連する成長段階データ、および/または処理の時点における作物の病期に関連する病害データを含む。

【0016】

本明細書で使用するように、「空間分解能」という用語は、サブフィールドスケール(sub-field scale)の任意の情報を指す。そのような分解能は、農地上の2つ以上のロケーション座標に、またはサブフィールドスケールのグリッド要素を有する農地の空間グリッドに、関連付けられ得る。具体的には、農地に関する情報は、農地上の2つ以上のロケーションまたはグリッド要素に関連付けられ得る。サブフィールドスケールのそのような空間分解能は、より整合されよりターゲットを絞った農地の処理を可能にする。

【0017】

「農地状態」という用語は、農作物の処理に影響を及ぼす、農地の何らかの状態または農地内の環境条件に関する。そのような状態は、土壌または天候状態に関連付けられ得る。土壌状態は、土壌の現在のまたは予想される状態に関する土壌データによって指定され得る。天候状態は、天候の現在のまたは予想される状態に関する天候データに関連付けられ得る。成長状態は、たとえば、作物または雑草の成長段階に関連付けられ得る。病害状態は、病害の現在のまたは予想される状態に関する病害データに関連付けられ得る。

【0018】

本明細書で使用するように、または制御技術とも呼ばれる、「処理デバイス」という用語は、好ましくは、化学物質制御(chemical control)技術を含む。化学物質制御技術は、好ましくは、処理製品、詳細には、殺虫剤および/または除草剤および/または植物成長調整剤および/または殺菌剤のような作物保護製品の散布のための少なくとも1つの手段を含む。そのような手段は、農地の中を誘導するための農業機械、ドローンまたはロボット上に構成された1つもしくは複数のスプレーガンまたはスプレーノズルの処理構成を含み得る。

【0019】

好ましい一実施形態では、処理デバイスは、1つまたは複数のスプレーガン、および関連する画像キャプチャデバイスを備える。画像キャプチャデバイスは、画像が1つまたは複数のスプレーガンによって処理されることになるエリアに関連付けられるように構成され得る。画像キャプチャデバイスは、たとえば、それぞれのスプレーガンによって処理されることになるエリアを網羅する画像が処理デバイスの横断方向で撮影されるように取り付けられ得る。各画像は、ロケーションに関連付けられることが可能であり、したがって、処理に先立って、農地内のリアルタイム状況のスナップショットを提供し得る。したがって、画像キャプチャデバイスは、処理デバイスがフィールドを横断するにつれて、農地の特定のロケーションの画像を撮影することができ、制御信号は、処理されることになるエリアの撮影画像に基づいて、相応に適合され得る。制御信号は、したがって、フィールドの特定のロケーション内の処理の時点で画像によってキャプチャされる状況に適合され得る。

【0020】

本明細書で使用するように、「認識する」という用語は、対象物を検出する状態、言い換えれば、一定のロケーションにおいて、ある対象物であることを知っているが、その対象物が厳密に何であるかを知らない状態、および随意に対象物を識別する状態、言い換えれば、検出されている対象物のタイプ、具体的には、作物または雑草のような農作物、昆虫および/または病原体の種、を知る状態を含む。認識することは、農作物のサイズ、農作物の健康状態、たとえば雑草のサイズに対する農作物のサイズなど、空間的なパラメータを決定することをさらに含み得る。そのような決定は、処理デバイスがフィールドを通過するときに局所的になされ得る。具体的には、認識は、畳み込みニューラルネットワークまたは当技術分野で知られている他のものなど、画像認識および分類アルゴリズムに基づき得る。具体的には、対象物の認識は、処理デバイスのロケーションに応じて、ロケーション固有である。このように、処理は、フィールド内の局所的状況にリアルタイムで適合され得る。

【0021】

本明細書で使用するように、「パラメータ表現」という用語は、農作物を処理する処理デバイスを制御するために処理デバイスに提供されるパラメータのセットに関連する。処理デバイスを制御するためのパラメータ表現は、農地に対して少なくとも部分的に空間分解されるか、あるいは少なくとも部分的にロケーション固有のものであってよい。そのような空間分解能またはロケーション固有性は、空間分解されたオフラインフィールドデータに基づくものであってよい。空間分解されたオフラインデータは、農地の空間分解された履歴データまたはモデルデータを含み得る。代わりにあるいは加えて、空間分解されたオフラインデータは、農地のための遠隔の感知データ、または農地の有限数のロケーションにおいて検出された観測データに基づくものである。そのような観測データは、たとえば、モバイルデバイスを介してフィールドのあるロケーションにおいて検出された画像と、随意に画像解析により得られた結果とを含み得る。

【0022】

パラメータ表現は、処理デバイスのメモリに格納され、処理デバイスの制御ユニットによってアクセスされる、処理装置の構成ファイルに関連する。言い換えれば、パラメータ表現とは、たとえば1つまたは複数のレイヤを持つ決定木のような論理であってよく、たとえば撮影画像やオンラインのフィールドデータなど測定可能な入力変数に依存して、処理デバイスを制御するための制御信号を決定するために使用される。パラメータ表現は、オン/オフ決定に関する1つのレイヤ、および随意に、使用されることが予想される処理製品の組成に関する第2のレイヤ、ならびにさらに随意に、使用されることが予想される処理製品の投与量に関する第3のレイヤを含み得る。パラメータ表現のこれらのレイヤのうち、オン/オフ決定、処理製品の組成、および/または処理製品の投与量が、農地に対して、空間分解されるか、またはロケーション固有のものであってよい。そのような方法で、処理に関する状況に応じたリアルタイム決定は、処理デバイスがフィールドを通過する間に収集される、リアルタイム画像および/またはオンラインフィールドデータに基づく。処理の実行に先立ってパラメータ表現を提供することは、計算時間を削減し、同時に、処理のための制御信号の信頼できる判定を可能にする。パラメータ表現または構成ファイルは、制御信号を判定するために使用され得る、処理デバイスに提供されるロケーション固有パラメータを含み得る。

【0023】

1つのレイヤ内で、パラメータ表現は、撮影画像および/または対象物認識から導出されるパラメータに関するしきい値を含み得る。そのようなパラメータは、認識された対象物に関連付けられ、処理決定にとって決定的な画像から導出されたパラメータに関し得る。好ましい実施形態では、撮影画像および/または対象物認識から導出したパラメータは、対象物の対象範囲に関連する。さらなるパラメータは、処理決定に対するオンラインフィールドデータから導出され得る。導出されたパラメータが、たとえば、しきい値未満である場合、決定はオフであるか、また決定的な処理は何もない。導出されたパラメータが、たとえば、しきい値を超える場合、決定は、オンまたは処理である。パラメータ表現は、しきい値の空間分解したセットを含み得る。そのような方法で、制御信号は、パラメータ表現および認識された対象物に基づいて判定される。雑草の場合、画像および/または画像内で認識された雑草から導出されたパラメータは、雑草対象範囲を指定するパラメータに基づき得る。同様に、病原体の場合、画像および/または画像内の認識された病原体から導出されたパラメータは、病原体侵入を指定するパラメータに基づき得る。さらに同様に、昆虫の場合、画像および/または画像内の認識された昆虫から導出されたパラメータは、画像内に存在する昆虫の数を指定するパラメータに基づき得る。

【0024】

好ましくは、それに基づいて処理デバイスが処理構成を制御するパラメータ表現または構成ファイルが処理デバイスに提供される。さらなる一実施形態では、構成ファイルの判定は、処理製品が散布されることになる投与量レベルの判定を含む。パラメータ表現は、処理製品の投与量についてのさらなるレイヤを含み得る。そのような投与量は、画像および/または対象物認識から導出されたパラメータに関する。さらなるパラメータは、オンラインフィールドデータから導出され得る。言い換えれば、構成ファイルに基づいて、処理製品の投与量が散布されるべきかに関して、撮影画像および/またはオンラインフィールドデータなど、農地のリアルタイムパラメータに基づいて、処理デバイスが制御される。好ましい一実施形態では、パラメータ表現は、画像および/または対象物認識から導出された1つまたは複数のパラメータに応じた可変または漸進的投与量レベルを含む。さらなる好ましい一実施形態では、認識された対象物に基づいて投与量を判定するステップは、対象物の種、対象物の成長段階、および/または対象物の密度を判定するステップを含む。ここで、対象物の密度は、一定のエリア内で識別された対象物の密度を指す。対象物の種、対象物の成長段階、および/または対象物の密度は、それに従って可変または漸進的投与量レベルが判定される、画像および/または対象物認識から導出されたパラメータであり得る。パラメータ表現は、投与量レベルについて空間分解したセットを含み得る。

【0025】

「投与量レベル」という用語は、好ましくは、たとえば1ヘクタールにつき処理製品を1リットルなど、エリアごとの処理製品の量を指し、好ましくは、エリアごとの有効成分の量(処理製品に含まれる)として示され得る。より好ましくは、投与量レベルは、上限を超えてはならず、ここでは、この上限は、処理製品の対応する活性成分に対して、適用可能な規制法および規則に従って法的に容認される最大投与率によって判定される。

【0026】

パラメータ表現は、使用されることが予想される処理製品の組成に対するさらなるレイヤを含み得る。そのような場合、パラメータ表現は、作物に対して予想されるかなりの収穫高もしくは品質に対する影響、生態学的影響、および/または処理製品組成のコストに応じて判定され得る。したがって、パラメータ表現に基づいて、フィールドが処理されるか否か、また効率および/または効力に関して最も可能性のある結果のために、どの処理製品組成を用いて、どの投与量レベルで、処理されるべきかの決定が行われる。パラメータ表現は、処理デバイスの処理製品タンクシステムに対するタンクレシピ(tank recipe)を含み得る。言い換えれば、処理製品組成は、処理の実行に先立って、処理デバイスの1つまたは複数のタンク内に提供された処理製品組成を表し得る。処理製品を形成する1つまたは複数のタンクからの混合物は、処理製品の判定された組成に応じて、オンザフライで制御され得る。処理製品の組成は、対象物の種および/または対象物の成長段階を含み得る対象物認識に基づいて決定され得る。加えてまたは代わりに、パラメータ表現は、使用が予想される処理製品の組成の空間分解されたセットを含み得る。「効率」という用語は、散布される処理製品の量と、農地内の農作物を効果的に処理するために必要とされる処理製品の量とのバランスに関する。処理がどの程度効率的に実行されるかは、天候および土壌など、環境要因に左右される。

【0027】

「効力」という用語は、処理製品の正の効果および負の効果のバランスに関する。言い換えれば、効力は、特定の農作物を効果的に処理するために必要とされる処理製品の最適な投与量に関する。投与量は、処理製品が無駄になり、このことがコストおよび環境に対する悪影響をやはり高めることにならないように、多すぎるべきではないが、処理製品が効果的に処理されず、このことが処理製品に対する農作物の免疫化をもたらすことにならないように、少なすぎることはない。処理製品の効力も、天候および土壌などの環境要因に左右される。

【0028】

本明細書で使用するように、「処理製品」という用語は、除草剤、殺虫剤、殺菌剤、植物成長調整剤、栄養製品、および/またはそれらの混合物など、農作物処理のための製品を指す。処理製品は、異なる除草剤、異なる殺菌剤、異なる殺虫剤、異なる栄養製品、異なる栄養素など、異なる活性成分を含む、異なる組成、ならびに薬害軽減剤(詳細には、除草剤と組み合わせて使用される)、補助剤、肥料、補助成分(co-formulants)、安定剤、および/またはそれらの混合物など、さらなる組成を含み得る。処理製品組成は、1つ、もしくは2つ、またはそれ以上の処理製品を含む組成である。したがって、それぞれ、異なる活性成分に基づく、異なるタイプの、たとえば、除草剤、殺虫剤、および/または殺菌剤が存在する。処理製品によって保護されることになる農作物は、好ましくは、作物であるため、処理製品は、作物保護製品と呼ばれることがある。処理製品組成は、具体的には、処理製品および/もしくは栄養溶液を希薄ならびに/または希釈するために、具体的には、処理製品の効力を強化するために、たとえば、水のような、混合されて処理製品にされる追加の物質をやはり含み得る。好ましくは、栄養溶液は、窒素含有溶液、たとえば、液体尿素硝安(UAN)である。

【0029】

本明細書で使用するように、「栄養製品」という用語は、肥料、主要栄養素および微量栄養素を含むが、これらに限定されない、植物の栄養および/または植物の健康にとって有益な任意の製品を指す。

【0030】

所定のパラメータ表現を処理デバイスの制御に含めることで、決定作成の向上、したがって、処理の効率および/または処理製品の効力を向上する。特に、ロケーション固有の画像またはオンラインフィールドデータは、所定のパラメータ表現を介してより効率的に処理され得る。少なくとも部分的に空間分解されたパラメータ表現はまた、処理中にオンザフライで処理デバイスの制御を向上させる。農地の農作物処理のための改善した方法が提供され、投資の経済的利益を改善し、生態系への影響を改善する。

【0031】

好ましい実施形態では、方法は、フィールド管理システムによってオフラインフィールドデータを受け取るステップと、オフラインフィールドデータに応じて/基づいて、処理デバイスのパラメータ表現を決定するステップと、処理デバイスに決定したパラメータ表現を提供するステップとを含む。

【0032】

パラメータ表現を決定することは、比較的多くのリソースを必要とする。処理デバイスは通常、特に決定が処理中にリアルタイムで計算する必要があるとき、比較的低い演算力しかもっていない。したがって、重い計算処理は、処理デバイスの外部でオフラインでなされることが好ましい。加えて、フィールド管理システムは、クラウドコンピューティングシステムに統合され得る。そのようなシステムは、ほぼ常にオンラインであり、通常、処理デバイスの搭載制御システムより高い計算力を有する。

【0033】

したがって、処理の効率および/または処理製品の効力が向上する。農地の農作物処理のための改善した方法が提供され、投資の経済的利益を改善し、生態系への影響を改善する。

【0034】

一実施形態では、オフラインフィールドデータは、局所的収穫高予想データ、処理製品に対する農作物の耐性の可能性に関する耐性データ、予想される天候データ、予想される農作物成長データ、たとえば、バイオマスに基づいて判定されるような、農地の異なるゾーンに関するゾーン情報データ、予想される土壌データ、および/または法規制データを含む。

【0035】

さらなる一実施形態では、予想される天候データは、予測された天候状態を反映するデータを指す。処理製品に対する効力の影響がアクティブ化決定および投与量に含まれ得るため、そのようなデータに基づいて、散布のための処理構成に対するパラメータ化または構成ファイルの判定が強化される。たとえば、高い湿度を伴う天候が存在する場合、処理製品の散布はそのような状態において非常に効果的であるため、処理製品を散布する決定が下され得る。予想される天候データは、空間分解されて、処理決定が下されることになる農地内の異なるゾーン内のまたは異なるロケーションにおける天候状態を提供し得る。

【0036】

さらなる一実施形態では、予想される天候データは、温度、UV強度、湿度、雨の予報、蒸気、露など、様々なパラメータを含む。処理製品に対する効力の影響がアクティブ化決定および散布量に含まれ得るため、そのようなデータに基づいて、散布のための処理構成に対するパラメータ化または構成ファイルの決定が強化される。たとえば、高温および高いUV強度が存在する場合、処理製品の投与量を増大させて、より速い蒸気を補うことができる。他方で、たとえば、温度およびUV強度が適度である場合、植物の代謝はさらにアクティブ化し、処理製品の投与量は低減され得る。

【0037】

さらなる一実施形態では、外部リポジトリから、予想される土壌データ、たとえば、土壌水分データ、栄養分データ、または土壌組成データにアクセスすることができる。処理製品に対する効力影響がアクティブ化決定および投与量に含まれ得るため、そのようなデータに基づいて、散布のための処理構成に対するパラメータ化または構成ファイルの決定が強化される。たとえば、高い土壌水分が存在する場合、大きな効果により、処理製品を散布しない判定が行われ得る。予想される土壌データは、空間分解されて、処理決定が下されることになる農地内の異なるゾーン内のまたは異なるロケーションにおける土壌水分特性を提供し得る。

【0038】

例示的な法的規制データには、特に地下水への浸出リスク、および/または、特に表面排水につながるフィールドの傾斜、および/または、敏感なゾーンへのバッファゾーンの必要性が含まれる。

【0039】

さらなる一実施形態では、オフラインフィールドデータの少なくとも一部分は、履歴収穫高マップ、履歴衛星画像、および/または空間個別的な作物成長モデルを含む。1つの例では、複数の季節に対してある季節の異なる時点におけるフィールドの画像を含む、履歴衛星画像に基づいて、性能マップが生成され得る。そのような性能マップは、たとえば、複数の季節にわたってより肥沃であったまたはあまり肥沃でなかったマッピングゾーンによってフィールド内の肥沃度の変化を識別することを可能にする。

【0040】

好ましくは、農地の土壌内で依然として利用可能な水の量および/または予想される天候データに応じて、予想される農作物成長データが判定される。

【0041】

したがって、処理の効率および/または処理製品の効力が向上する。農地の農作物処理のための改善した方法が提供され、投資の経済的利益を改善し、生態系への影響を改善する。

【0042】

好ましい一実施形態では、好ましくは、対象物を認識するステップは、農作物、好ましくは、農作物のタイプおよび/もしくは農作物のサイズ、昆虫、好ましくは、昆虫のタイプおよび/もしくは昆虫サイズ、ならびに/または病原体、好ましくは、病原体のタイプおよび/もしくは病原体サイズを認識するステップを含む。

【0043】

したがって、処理の効率および/または処理製品の効力が向上する。農地の農作物処理のための改善した方法が提供され、投資の経済的利益を改善し、生態系への影響を改善する。

【0044】

好ましい実施形態では、方法は、処理デバイスが農地に関する現状に関するオンラインフィールドデータを判定するステップと、判定されたパラメータ表現、および判定された、認識された対象物、ならびに/または判定されたオンラインフィールドデータに応じて、制御信号を判定するステップとを含む。

【0045】

したがって、処理の効率および/または処理製品の効力が向上する。農地の農作物処理のための改善した方法が提供され、投資の経済的利益を改善し、生態系への影響を改善する。

【0046】

処理デバイスがオンラインフィールドデータを判定するステップは、処理デバイス上に取り付けられた、またはフィールド内に配置され、処理デバイスによって受信される、センサを含み得る。

【0047】

好ましい一実施形態では、オンラインフィールドデータは、現在の天候データ、現在の農作物成長データ、および/または現在の土壌データ、たとえば、土壌水分データ、土壌栄養分データ、土壌組成データに関する。

【0048】

1つの実施形態では、現在の天候データは、オンザフライでまたは現場で記録される。そのような現在の天候データは、処理デバイス、またはそのフィールド内またはその付近に配置された1つまたは複数の測候所の上に取り付けられた異なるタイプの天候センサによって生成され得る。したがって、現在の天候データは、農地上の処理デバイスの移動中に測定され得る。現在の天候データは、処理決定が下されることになる農地内のロケーションにおける天候状態を反映するデータを指す。天候センサは、たとえば、雨センサ、UVセンサ、または風センサである。天候センサは、たとえば雨、UV、風センサである。

【0049】

さらなる一実施形態では、現在の天候データは、温度、UV強度、湿度、雨の予報、蒸気、露など、様々なパラメータを含む。処理製品に対する効力影響がアクティブ化決定および投与量に含まれ得るため、そのようなデータに基づいて、散布のための処理デバイスの構成の判定が拡張される。たとえば、高温および高いUV強度が存在する場合、処理製品の投与量を増大させて、より早い蒸気を補うことができる。

【0050】

さらなる一実施形態では、オンラインフィールドデータは、現在の土壌データを含む。そのようなデータは、フィールド内に配置された土壌センサを通して提供され得るか、またはそのようなデータは、たとえば、リポジトリからアクセスされ得る。後者の場合、現在の土壌データは、処理ガンを含めて、農業機械の記憶媒体上にダウンロードされ得る。処理製品に対する効力影響がアクティブ化決定および散布量に含まれ得るため、そのようなデータに基づいて、散布のための処理配分の構成の判定は強化される。たとえば、高い土壌水分が存在する場合、大きな効果により、処理製品を散布しない判定が下され得る。

【0051】

さらなる一実施形態では、現在のもしくは予想される天候データ、および/または現在のもしくは予想される土壌データは、農作物、雑草、または作物植物の成長段階をさらに判定するために、成長段階モデルに提供され得る。追加または代替として、天候データおよび土壌データは、病害モデルに提供され得る。たとえば、その時間中および散布後に雑草および作物が異なる速度で成長するにつれて処理製品に対する効力影響はアクティブ化決定および投与量に含まれ得るため、そのようなデータに基づいて、処理デバイスの構成、具体的には、散布のためのシングルノズルのような処理構成の部分の判定は強化される。したがって、たとえば、散布時点における(モデル内で感染事象から理解または導出される)雑草のサイズ、雑草対象範囲、農作物のサイズに対する雑草のサイズまたは病原体の感染段階がアクティブ化決定、処理製品組成決定、および投与量レベルに含まれ得る。

【0052】

したがって、処理の効率および/または処理製品の効力が向上する。農地の農作物処理のための改善した方法が提供され、投資の経済的利益を改善し、生態系への影響を改善する。

【0053】

好ましい一実施形態では、この方法は、農作物の処理の性能審査に応じて、検証データを判定および/または提供するステップと、検証データに応じて、パラメータ表現を調整するステップとを含む。

【0054】

検証データは、農地に対する少なくとも部分的に空間分解されている。検証データは、たとえば、農地の特定のロケーションで測定され得る。

【0055】

好ましくは、性能審査は、パラメータ表現の手動制御および/またはパラメータ表現の自動制御を含む。たとえば、手動制御は、農業経営者が、農地を観察し、アンケートに回答することに関する。さらなる一例では、性能審査は、すでに処理されている農地の一部分の画像を撮影し、撮影画像を分析することによって実行される。言い換えれば、性能審査は、処理の効率および/または農作物が処理された後の処理製品の効力を評価する。たとえば、雑草が処理されているにもかかわらず、処理されている雑草が依然として存在する場合、性能審査は、この処理のために使用されたパラメータ表現が雑草を除去する目標を達成しなかったことを記述する情報を含むことになる。

【0056】

したがって、処理の効率および/または処理製品の効力が向上する。農地の農作物処理のための改善した方法が提供され、投資の経済的利益を改善し、生態系への影響を改善する。

【0057】

好ましい一実施形態では、この方法は、機械学習アルゴリズムを使用して、パラメータ表現を調整するステップを含む。

【0058】

機械学習アルゴリズムは、決定木、単純ベイズ分類器、最近傍、ニューラルネットワーク、畳み込みまたはリカレントニューラルネットワーク、敵対的生成ネットワーク、サポートベクターマシン、線形回帰、ロジスティック回帰、ランダムフォレスト、および/または勾配ブースティングアルゴリズムを含み得る。一実施形態では、機械学習アルゴリズムの結果は、パラメータ表現を調整するために使用される。

【0059】

好ましくは、機械学習アルゴリズムは、高次元性を有する入力を処理して、さらにより低い次元性の出力にするように編成される。そのような機械学習アルゴリズムは「トレーニング」されることが可能であるため、そのような機械学習アルゴリズムは、「インテリジェント」と呼ばれる。このアルゴリズムは、トレーニングデータの記録を使用してトレーニングされ得る。トレーニングデータの記録は、トレーニング入力データおよび対応するトレーニング出力データを含む。トレーニングデータの記録のトレーニング出力データは、入力と同じトレーニングデータの記録のトレーニング入力データが与えられているとき、機械学習アルゴリズムによって生み出されることが予想される結果である。この予想される結果とアルゴリズムが生み出す実際の結果との間の偏差は、「損失関数」によって観察され、評価される。この損失関数は、機械学習アルゴリズムの内部処理チェーンのパラメータを調整するためのフィードバックとして使用される。たとえば、パラメータは、すべてのトレーニング入力データが機械学習アルゴリズムにフィードされ、出力が対応するトレーニング出力データと比較されるときに生じる損失関数の値を最小限に抑える最適化目標で調整され得る。このトレーニングの結果は、「グラウンドトゥルース」として比較的少数のトレーニングデータ記録が与えられると、機械学習アルゴリズムは、桁違いに大きな数の入力データ記録に対して、その仕事を十分に実行することが可能にされることである。

【0060】

したがって、処理の効率および/または処理製品の効力が向上する。農地の農作物処理のための改善した方法が提供され、投資の経済的利益を改善し、生態系への影響を改善する。

【0061】

さらなる一態様によれば、農地の農作物処理のための処理デバイス用のフィールドマネージャシステムは、本明細書で説明するような、農地に対して予想される状態に関するオフラインフィールドデータを受信するように適合されているオフラインフィールドデータインターフェース、オフラインフィールドデータに応じて、処理デバイスのパラメータ表現を判定するように適合されている機械学習ユニット、およびパラメータ表現を処理デバイスに提供するように適合されているパラメータ表現インターフェースを備える。

【0062】

好ましい一実施形態では、フィールドマネージャシステムは、検証データを受信するように適合されている検証データインターフェースを備え、機械学習ユニットは、検証データに応じて、パラメータ表現を調整するように適合される。検証データは、農地に対して少なくとも部分的に空間分解されている、検証データは、たとえば、農地の特定のロケーションで測定され得る。

【0063】

さらなる一態様によれば、農作物のための処理デバイスは、本明細書で説明するような、農作物の画像を撮影するように適合されている画像キャプチャデバイス、フィールドマネージャシステムからパラメータ表現を受信するように適合されているパラメータ表現インターフェース、受信されたパラメータ表現に応じて、農作物を処理するように適合されている処理構成、撮影画像上の対象物を認識するように適合されている画像認識ユニット、ならびに受信されたパラメータ表現および認識された対象物に応じて、処理構成を制御するための制御信号を判定するように適合されている処理制御ユニットを備え、処理デバイスのパラメータ表現インターフェースは、本明細書で説明するように、フィールドマネージャシステムのパラメータ表現インターフェースに接続可能であり、処理デバイスは、処理制御ユニットの制御信号に基づいて、処理構成をアクティブ化するように適合される。

【0064】

好ましい一実施形態では、処理デバイスは、農地に関する現状に関するオンラインフィールドデータを受信するように適合されているオンラインフィールドデータインターフェースを備え、処理制御ユニットは、受信されたパラメータ表現、ならびに認識された対象物、および/またはオンラインフィールドデータに応じて、処理構成を制御するための制御信号を判定するように適合される。

【0065】

好ましい実施形態では、画像キャプチャデバイスは、特に処理デバイスのブーム上にある1つまたは複数のカメラを含み、画像認識ユニットは、赤-緑-青のRGBデータおよび/または近赤外のNIRデータを使用して、雑草、昆虫、病原体、および/または農作物などの対象物を認識するように適合される。

【0066】

好ましい一実施形態では、処理デバイスは、スマート噴霧器として設計され、処理構成は、ノズル構成である。

【0067】

ノズル構成は好ましくは、独立して制御可能ないくつかの独立したノズルを備える。

【0068】

さらなる一態様によれば、処理システムは、本明細書で説明するようなフィールドマネージャシステム、および本明細書で説明するような処理デバイスを備える。

【0069】

有利には、上記の態様のうちのいずれかによって提供される利点は、他の態様のすべてに等しく適用され、逆も同様である。上記の態様および例は、以下で説明する実施形態から明らかになり、それらの実施形態を参照することにより明らかになる。図面の簡単な説明

【0070】

例示的な実施形態について、以下の図面を参照しながら以下に説明する。

【図面の簡単な説明】

【0071】

【図1】農作物処理システムの概略図である。

【図2】農作物処理方法の流れ図である。

【図3】農地上の処理デバイスの概略図である。

【図4】検出された対象物を含む画像の概略図である。

【発明を実施するための形態】

【0072】

図1は、フィールドマネージャシステム100によって制御される、少なくとも1つの処理デバイス200による農地300の農作物を処理するための農作物処理システム400を示す。

【0073】

処理デバイス200、好ましくは、スマート噴霧器は、処理制御ユニット210、画像キャプチャデバイス220、画像認識ユニット230、および処理構成270、ならびにパラメータ表現インターフェース240およびオンラインフィールドデータインターフェース250を備える。

【0074】

画像キャプチャデバイス220は、農地300の画像20を撮影するように構成された、少なくとも1つのカメラを備える。撮影画像20は、処理デバイス200の画像認識ユニット230に提供される。

【0075】

フィールドマネージャシステム100は、機械学習ユニット110を備える。加えて、フィールドマネージャシステム100は、オフラインフィールドデータインターフェース150、パラメータ表現インターフェース140、および検証データインターフェース160を備える。フィールドマネージャシステム100は、たとえば、ユニバーサルシリアルバス(USB)、物理ケーブル、Bluetooth、または別の形態のデータ接続を介して、フィールドデータを受信することが可能なマイクロプロセッサ、マイクロコントローラ、フィールドプログラマブルゲートアレイ(FPGA)、中央処理装置(CPU)、デジタル信号プロセッサ(DSP)など、データ処理要素を指し得る。フィールドマネージャシステム100は、各処理デバイス200に対して提供され得る。代替として、フィールドマネージャシステムは、フィールド300内で複数の処理デバイス200を制御するための中央フィールドマネージャシステム、たとえば、クラウドコンピューティング環境またはパーソナルコンピュータ(PC)であってよい。

【0076】

農地300の予想される状態データに関するオフラインフィールドデータDoffがフィールドマネージャシステム100に提供される。好ましくは、オフラインフィールドデータDoffは、局所的収穫高予想データ、処理製品に対する農作物の耐性の可能性に関する耐性データ、予想される天候状態データ、予想される農作物成長データ、農地の異なるゾーンに関するゾーン情報データ、予想される土壌データ、たとえば、土壌水分データ、および/または法規制データを含む。

【0077】

オフラインフィールドデータDoffは、外部リポジトリから提供される。たとえば、予想される天候データは、衛星データまたは天気予報に使用される観測された天候データに基づくものであってよい。予想される農作物成長データは、たとえば、異なる農作物成長段階を記憶したデータベースによって、または過去のフィールドの状態データに応じて、作物植物、雑草、および/または病原体の予想される成長段階に関して記述する農作物成長段階モデルから提供される。予想される農作物成長データは、農作物モデルによって提供されてよく、農作物モデルは、基本的に、それぞれの農作物のデジタルツインであり、具体的には、前のフィールドデータに応じて、農作物の成長段階を推定する。さらに、たとえば、予想される土壌水分データは、過去、現在、および予想される天候状態データに応じて判定され得る。オフラインフィールドデータDoffはまた、外部サービスプロバイダによって提供され得る。

【0078】

オフラインフィールドデータDoffに応じて、機械学習ユニット110は、パラメータ表現10を判定する。好ましくは、機械学習ユニット110は、農作物の計画された処理時間を知る。たとえば、農業経営者は、その経営者が、翌日、一定のフィールド内で農作物の処理を計画しているという情報をフィールドマネージャシステム100に提供する。パラメータ表現10は、好ましくは、フィールドマネージャシステム100のパラメータ表現インターフェース140に提供される構成ファイルとして表される。理想的には、パラメータ表現10は、処理デバイス200がパラメータ表現10を使用している同じ日に機械学習ユニット110によって判定される。ここで、機械学習ユニット110は、トレーニング済み機械学習アルゴリズムを含んでよく、機械学習アルゴリズムの出力がパラメータ表現に使用され得る。パラメータ表現の決定はまた、いずれの機械学習アルゴリズムを必要とせずに行われてもよい。パラメータ表現インターフェース140を介して、パラメータ表現10が処理デバイス200、具体的には、処理デバイス200のパラメータ表現インターフェース240に提供される。たとえば、構成ファイルの形態のパラメータ表現10が、処理デバイス200のメモリにアップロードされる。

【0079】

パラメータ表現10が処理デバイス200、具体的には、処理制御ユニット210によって受信されるとき、農地300内の農作物の処理が開始し得る。

【0080】

処理デバイス200は、農地300をほうぼう移動し、対象物30、具体的には、農地300上の作物植物、雑草、病原体、および/または昆虫を検出および認識する。

【0081】

したがって、画像キャプチャデバイス200は、農地300の画像20を絶えず撮影する。画像20は画像認識ユニット230に提供され、画像認識ユニット230は、画像20に対して画像分析を実行し、画像20上の対象物30を検出および/または認識する。検出すべき対象物30は、好ましくは、作物、雑草、病原体、および/または昆虫である。対象物を認識するステップは、農作物、好ましくは、農作物のタイプおよび/もしくは農作物のサイズ、昆虫、好ましくは、昆虫のタイプおよび/もしくは昆虫のサイズ、ならびに/または病原体、好ましくは、病原体のタイプおよび/もしくは病原体のサイズを認識するステップを含む。たとえば、アオゲイトウとメヒシバとの間の差異、または蜂とイナゴとの間の差異が、たとえば、認識される。対象物30は、処理制御ユニット210に提供される。

【0082】

パラメータ表現10が構成ファイルの形態で処理制御ユニット210に提供された。パラメータ表現10は決定木として示されてよく、ここでは、入力データに基づいて、異なる決定レイヤを介して、農作物の処理が決定され、随意に処理製品の投与量および組成が決定される。たとえば、第1のステップにおいて、検出された雑草のバイオマスがパラメータ表現10によって設定された所定のしきい値を超えるかどうかが検査される。雑草のバイオマスは、概して、撮影画像20内の雑草の対象範囲の程度に関する。たとえば、雑草のバイオマスが4%未満である場合、雑草はまったく処理されないと決定する。雑草のバイオマスが4%を超える場合、さらなる決定が下される。たとえば、第2のステップにおいて、雑草のバイオマスが4%を超える場合、土壌の水分に応じて、雑草が処理されるかどうかが決定される。土壌の水分が所定のしきい値を超える場合、雑草を処理することが依然として決定され、さもなければ、雑草を処理しないと決定される。これは、雑草が、高い土壌水分によってトリガされる成長段階にあるとき、雑草を処理するために使用される除草剤がより効果的であることによる。パラメータ表現10は、予想される土壌水分に関する情報をすでに含む。これまで雨が降っていたため、予想される土壌水分は所定のしきい値を超え、雑草を処理すると決定することになる。しかしながら、処理制御ユニット210はまた、オンラインフィールドデータDonによって、この場合、土壌水分センサから提供され、処理制御ユニット210に追加データを提供する。構成ファイルの決定木は、したがって、オンラインフィールドデータDonに基づいて決定されることになる。例示的な一実施形態では、オンラインフィールドデータDonは、土壌水分が所定のしきい値未満であるという情報を含む。したがって、雑草を処理しないと決定する。

【0083】

処理制御ユニット210は、パラメータ表現10、認識された対象物、および/またはオンラインフィールドデータDonに基づいて、処理制御信号Sを生成する。処理制御信号Sは、したがって、認識された対象物20が処理されるべきか否かの情報を含む。処理制御ユニット210は、次いで、処理制御信号Sを処理構成270に提供し、処理構成270は、制御信号Sに基づいて農作物を処理する。処理構成270は、具体的には、異なるノズルを備えた化学物質スポットスプレーガン(spot spray gun)を備え、それらのノズルは、そのスプレーガンが、除草剤、殺虫剤、および/または殺菌剤を高い精度で噴霧することを可能にする。

【0084】

このようにして、パラメータ表現10は、予想されるフィールドの状態に関するオフラインフィールドデータDoffに応じて提供される。パラメータ表現10に基づいて、処理デバイス200は、状況に応じてフィールド内で認識された対象物に基づいてのみ、どの農作物が処理されるべきかを決定し得る。このようにして、処理の効率および/または処理製品の効力が改善され得る。処理の効率および/または処理製品の効力をさらに改善するために、農地の現在の測定可能状態を含めるためにオンラインフィールドデータDonが使用され得る。

【0085】

提供される処理構成400は、加えて、学習が可能である。機械学習ユニット110は、所与のヒューリスティックに応じてパラメータ表現10を判定する。提供されたパラメータ表現10に基づく農作物処理の後、処理の効率および処理製品の効力を検証することが可能である。たとえば、農業経営者は、パラメータ表現10に基づいて前に処理されている農地の一部分のフィールドデータをフィールドマネージャシステム100に提供し得る。この情報は、検証データVと呼ばれる。検証データVは、検証データインターフェース160を介してフィールドマネージャシステム100に提供され、検証データVを機械学習ユニット110に提供する。機械学習ユニット110は、次いで、パラメータ表現10、または検証データVに従ってパラメータ表現10を判定するために使用されるヒューリスティックを調整する。たとえば、検証データVが、パラメータ表現10に基づいて処理されている雑草が除去されていないことを示す場合、調整されたパラメータ表現10は、しきい値を下げて、基本的な決定木の分岐のうちの1つの中で農作物を処理する。

【0086】

フィールドマネージャシステム100によって処理デバイス200に提供される構成ファイルの形態のパラメータ表現10の一代替として、フィールドマネージャシステム100の機能性が処理デバイス200内に埋め込まれてもよい。たとえば、比較的高い計算能力を備えた処理デバイスは、フィールドマネージャシステム100を処理デバイス200内に組み込むことができる。代替として、フィールドマネージャシステム100の説明される機能性全体および処理デバイス200による制御信号Sの判定に至るまでの機能性は、処理デバイス200の外部で、好ましくは、クラウドサービスによって計算され得る。処理デバイス200は、したがって、提供される制御信号Sに応じて農作物を処理する、単なる「ダム」デバイスである。

【0087】

図2は、農作物処理方法の流れ図である。ステップS10では、処理デバイス200を制御するためのパラメータ表現10が、フィールド管理システム100から処理デバイス200によって受信され、パラメータ表現10は、農地300上の予想される状態に関するオフラインフィールドデータDoffに依存している。ステップS20では、農地300の農作物の画像20が撮影される。ステップS30では、対象物30が撮影画像20に認識される。ステップS40では、処理デバイス200の処理構成240を制御するための制御信号Sが、決定されたパラメータ表現10および認識された対象物30に基づいて決定される。

【0088】

図3は、作物410を含む農地300の上空を飛行する、無人航空機(UAV)の形態の処理デバイス200を示す。作物410の間に、いくつかの雑草420がやはり存在する。雑草420は、具体的には毒性であり、多数の種子を生み出し、作物収穫高に著しい影響を及ぼし得る。この雑草420は、この作物410を含む農地300内で容認されるべきではない。

【0089】

UAV200は、1つまたは複数のカメラを備え、UAV200が農地300の上空を飛行するにつれて、画像が取得される、画像キャプチャデバイス220を有する。UAV200はまた、UAV200の位置が判定されること、およびカメラ220の配向がやはり判定されることの両方を可能にする、GPSおよび慣性ナビゲーションシステムを有する。この情報から、作物、雑草、昆虫、および/または病原体のタイプの例など、その画像内の特定の部分が絶対地球空間座標に対して位置特定され得るように、地上の画像のフットプリントが判定され得る。画像キャプチャデバイス220によって取得された画像データは、画像認識ユニット230に転送される。

【0090】

画像キャプチャデバイス220によって取得された画像は、あるタイプの作物が別のタイプの作物と区別されることを可能にする分解能においてであり、かつあるタイプの雑草が別のタイプの雑草と区別されることを可能にする分解能においてであり、かつ昆虫が検出されることのみではなく、あるタイプの昆虫を別のタイプの昆虫と区別されることを可能にする分解能においてであり、かつあるタイプの病原体が別のタイプの病原体と区別されることを可能にする分解能においてである。

【0091】

画像認識ユニット230は、UAV200の外部であってよいが、UAV200自体が作物、雑草、昆虫、および/または病原体を検出ならびに識別するために必要な処理能力を有し得る。画像認識ユニット230は、たとえば、異なるタイプの作物、雑草、昆虫、および/または病原体の多数の画像例に対してトレーニングされている人工ニューラルネットワークに基づいて、機械学習アルゴリズムを使用して画像を処理して、どの対象物が存在するかを判定し、対象物のタイプをやはり判定する。

【0092】

UAVはまた、異なるノズルを備えた、処理構成270、具体的には、化学物質スポットスプレーガンを有し、これらのノズルは、UAVが除草剤、殺虫剤、および/または殺菌剤を高い精度で噴霧することを可能にする。

【0093】

図4に示されるように、画像キャプチャデバイス220は、農地300の画像10を撮影する。画像認識分析は、4つの対象物30を検出し、2つの作物410(三角形)と2つの望ましくない雑草420(円形)を識別する。したがって、UAV200は、オフラインフィールドデータDoffに応じて決定されたパラメータ表現10に基づいて望ましくない雑草420を処理するように制御され、したがって、農作物のより正確な処理が可能になる。

【0094】

ゆえに、処理の効率および/または処理製品の効力が向上する。したがって、農地の農作物処理のための改善した方法が提供され、投資の経済的利益を改善し、生態系への影響を改善する。

【符号の説明】

【0095】

10 パラメータ表現
20 画像
30 画像上の対象物
100 フィールドマネージャシステム
110 機械学習ユニット
140 パラメータ表現インターフェース
150 オフラインフィールドデータインターフェース
160 検証データインターフェース
200 処理デバイス、UAV
210 処理制御ユニット
220 画像キャプチャデバイス
230 画像認識ユニット
240 パラメータ表現インターフェース
250 オンラインフィールドデータインターフェース
270 処理構成
300 農地、フィールド
400 処理システム
410 作物
420 雑草
S 処理制御信号
Don オンラインフィールドデータ
Doff オフラインフィールドデータ
V 検証データ
S10 パラメータ表現を判定するステップ
S20 画像を撮影するステップ
S30 対象物を認識するステップ
S40 制御信号を判定するステップ

【図1】

【図2】

【図3】

【図4】

【国際調査報告】