用于种植物田地的种植物处理的方法与流程

1.本发明涉及用于种植物田地的种植物处理的方法和处理装置，以及用于这样的处理装置和处理系统的田地管理器系统。


背景技术：

2.本发明的总体背景是农田中的种植物的处理。种植物的处理，特别是栽培的实际作物的处理，还包括农田中的杂草的处理、农田中的昆虫的处理以及农田中的病原体的处理。
3.农业机器或自动化处理装置，像智能喷雾器，基于生态和经济规则处理农田中的杂草、昆虫和/或病原体。为了自动检测和标识不同的待处理对象，使用图像识别。
4.现代农业机器装备有越来越多的传感器。作物保护将利用智能喷雾器执行，主要包括实时检测种植物的摄像系统，特别是杂草、作物、昆虫和/或病原体。为了导出农艺可操作的致动器命令，例如触发喷嘴或杂草机器人，以用于处理种植物，需要进一步的知识和输入数据。
5.特别困难的是定义何时需要处理病原体或杂草，因为对作物的显著的产量或质量影响，或者何时处理产品的生态影响或成本更适合在种植物田地的特定区域不进行处理。
6.该缺失的环节对农民造成了显著的不确定性，他们必须根据自己的直觉设定用于人工处理种植物的阈值。这通常在田地水平完成，尽管许多影响因素在田地上变化。


技术实现要素：

7.具有一种用于改进投资的经济回报并改进对生态系统的影响的种植物田地的种植物处理的改进的方法将是有利的。
8.本发明的目标利用独立权利要求的主题解决，其中，其他实施例被包含在从属权利要求中。应当注意，本发明的以下所描述的方面和示例还适用于所述方法、所述处理装置和所述田地管理器系统。
9.根据第一方面，一种用于利用处理产品对种植物田地的处理或种植物处理的方法，该方法包括：
10.通过处理装置从田地管理器系统接收用于控制处理装置的参数包(parametrization)，其中，参数包取决于与种植物田地上的预期条件有关的离线田地数据或者基于与种植物田地上的预期条件有关的离线田地数据来确定；以及可选地接收进一步可选地取决于参数包的预期用于处理种植物的处理产品组合物；
11.拍摄种植物田地的种植物的图像；
12.识别所拍摄的图像上的(一个或多个)对象；
13.可选地取决于或基于所确定的参数包、在线田地数据和/或所识别的(一个或多个)对象来确定处理产品组合物；
14.基于所接收的参数包、所识别的(一个或多个)对象和所选择的处理产品组合物来
确定用于控制处理装置的控制信号。
15.如本文所使用的，种植物处理优选包括：保护作物，其是种植物田地上的栽培种植物；消灭未栽培并且可能对作物有害的杂草，特别是利用除草剂；杀死作物和/或杂草上的昆虫，特别是利用杀虫剂；以及消灭作物和/或杂草上的任何病原体，像疾病，特别是利用杀菌剂；以及调节植物的生长，特别是利用植物生长调节剂。如本文所使用的，术语“杀虫剂”还涵盖杀线虫剂、杀螨剂、和灭螺剂。此外，安全剂可以与除草剂组合使用。
16.在一个实施例中，拍摄图像包括实时拍摄与待处理的种植物田地上或现场的特定位置相关联的图像。这样，可以在执行处理时准实时地对田地上的不同情况进行精细调整。此外，可以以非常有针对性的方式施加处理，这导致更高效和可持续的农业。在优选实施例中，处理装置包括多个图像捕获装置，该图像捕获装置被配置为当处理装置穿过田地时拍摄种植物田地的图像。以这样的方式捕获的每个图像可以与位置相关联并且如此提供待处理的种植物田地的位置中的实时情况的快照。为了使能处理装置的实时、位置特定的控制，在处理之前接收的参数包提供了加速处理装置的情况特定的控制的方式。因此，可以在处理装置穿过田地并且捕获待处理的田地位置的位置特定图像时即时做出决策。
17.优选地，拍摄图像、确定处理产品组合物、确定控制信号和可选地向控制单元提供控制信号以发起处理的步骤在处理装置通过田地期间或在田地处理期间实时执行。可选地，控制信号可以提供给处理装置的控制单元以发起种植物田地的处理，以及处理产品组合物或处理产品组合物的至少一种活性成分可以在处理装置通过田地期间或在田地处理期间切换或改变。因此，控制信号可以被配置为在处理装置通过田地期间或在田地处理期间切换、适配或改变处理产品组合物或处理产品组合物的至少一种活性成分。处理产品组合物可以基于对象识别来切换、适配或改变，该对象识别可包括例如对象种类和对象生长阶段。
18.如本文所使用的，术语“对象”包括种植物田地中的对象。对象可以指待由处理装置处理的对象，诸如种植物，像杂草或作物、昆虫和/或病原体。对象可以利用处理产品处理，诸如作物保护产品。对象可以与田地中的位置相关联以允许位置特定处理。
19.优选地，可以基于所接收的参数包、所识别的对象和在线田地数据来确定用于控制处理装置的控制信号。在一个实施例中，在线田地数据特别地通过种植物处理装置实时收集。收集在线田地数据可以包括从附接到处理装置或放置在种植物田地中的传感器收集传感器数据，特别是在处理装置通过田地时在运行中或实时收集。收集在线田地数据可以包括经由田地中的土壤传感器收集的与土壤特性相关联的土壤数据，土壤特性诸如当前土壤条件，例如养分含量或土壤湿度和/或土壤组成；或经由放置在田地中或田地附近或附接到处理装置的天气传感器收集的并且与当前天气条件相关联的天气数据或经由土壤和天气传感器收集的数据。
20.如本文所使用的术语“离线田地数据”指在参数包的确定之前产生、收集、聚集或处理的任何数据。离线田地数据可以从种植物处理装置外部收集。离线田地数据可以在使用处理装置之前收集的数据。离线田地数据可以是基于所接收到的参数包在田地中执行处理之前收集的数据。离线田地数据例如包括与在处理时预期天气条件相关联的天气数据；与在处理时预期土壤条件相关联的预期土壤数据，例如养分含量、土壤湿度和/或土壤组成；与在处理时例如杂草或作物的生长阶段相关联的生长阶段数据；和/或与在处理时作物
的疾病阶段相关联的疾病数据。离线田地数据还可包括作物大小、作物健康或与田地中的其他对象的大小(例如杂草大小)相比较的作物大小。
21.如本文所使用的术语“空间分辨”是指子田地尺度上的任何信息。这样的分辨率可以与种植物田地上的一个以上位置坐标相关联或者与具有子田地尺度上的网格元素的种植物田地的空间网格相关联。特别地，种植物田地上的信息可以与种植物田地上的一个以上位置或网格元素相关联。子田地尺度上的这样的空间分辨率允许种植物田地的更定制和针对性的处理。
22.术语“种植物田地上的条件”是指对种植物的处理具有影响的种植物田地的任何条件或种植物田地中的环境条件。这样的条件可以与土壤或天气条件相关联。土壤条件可以由与土壤的当前或预期条件有关的土壤数据指定。天气条件可以与和天气的当前或预期条件有关的天气数据相关联。生长条件可以与例如作物或杂草的生长阶段相关联。疾病条件可以与和疾病的当前或预期条件有关的疾病数据相关联。
23.如本文所使用的或也称为控制技术的术语“处理装置”可包括化学控制技术。化学控制技术优选包括用于施用处理产品、特别是像杀虫剂和/或除草剂和/或杀菌剂的作物保护产品的至少一个装置。这样的装置可包括一个或多个喷枪或喷嘴的处理布置，这些喷枪或喷嘴布置在用于操纵通过种植物田地的农业机器、无人机或机器人上。在优选实施例中，处理装置包括一个或多个喷枪和相关联的(一个或多个)图像捕获装置。图像捕获装置可以被布置为使得图像与待由一个或多个喷枪处理的区域相关联。图像捕获装置可以例如被安装为使得在处理装置的行进方向上的图像被拍摄，从而覆盖待由相应(一个或多个)喷嘴处理的区域。每个图像可以与位置相关联并且如此提供在处理之前的种植物田地的实时情况的快照。因此，当处理装置穿过田地时，图像捕获装置可以拍摄种植物田地的特定位置的图像，并且控制信号可以基于拍摄的待处理区域的图像相应地适配。因此，控制信号可以适于在田地的特定位置的在处理时由图像捕获的情况。
24.如本文所使用的，术语“识别”包括检测对象的状态，换句话说，知道在某个位置处是对象但不知道对象确切是什么，以及可选地标识对象的状态，换句话说，知道已检测到的对象的类型，特别是种植物的种类，像作物或杂草、昆虫和/或病原体。识别可以包括确定空间参数，像作物大小、作物健康、与例如杂草大小相比较的作物大小。这样的确定可以当处理装置通过田地时局部完成。特别地，识别可以基于图像识别和分类算法，诸如卷积神经网络或本领域已知的其他算法。特别地，对象的识别是位置特定的，其取决于处理装置的位置。这样，处理可以实时适于田地中的局部情况。
25.如本文所使用的，术语“参数包”是指提供给处理装置以用于控制处理种植物的处理装置的一组参数。用于控制处理装置的参数包可以对于种植物田地至少部分地空间分辨或至少部分地位置特定。这样的空间分辨率或位置特定性可以基于空间分辨的离线田地数据。空间分辨的离线数据可以包括种植物田地的空间分辨的历史或建模数据。可替代地或附加地，空间分辨的离线数据可以基于用于种植物田地的遥感数据或在种植物田地中的有限数量的位置处检测到的观察数据。这样的观察数据可以包括例如经由移动装置在田地的某些位置处检测到的图像，以及经由图像分析导出的可选结果。
26.参数包可以指用于处理装置的配置文件，所述配置文件可以存储在处理装置的存储器中并且由处理装置的控制单元访问。换句话说，参数包可以是逻辑，例如具有一个层或
多个层的决策树，其用于取决于可测量的输入变量(例如拍摄的图像和/或在线田地数据)来确定用于控制处理装置的控制信号。参数包可包括与开/关决策有关的一个层和可选地与预期使用的处理产品的组成有关的第二层和进一步可选地与期望使用的处理产品的剂量有关的第三层。在这些参数包层之外，开/关决策、处理产品的组成和/或处理产品的剂量可以针对种植物田地空间分辨或位置特定。以这样的方式，关于处理的情境实时决策基于在处理装置通过田地时收集的实时图像和/或在线田地数据。在执行处理之前提供参数包减少了计算时间，同时使能可靠地确定用于处理的控制信号。参数包或配置文件可包括提供给处理装置的位置特定参数，其可用于确定控制信号。
27.在一个层中，用于开/关决策的参数包可以包括与从拍摄图像和/或对象识别导出的(一个或多个)参数有关的阈值。这样的参数可以从与识别的(一个或多个)对象相关联的图像导出并且对于处理决策是决定性的。在优选实施例中，从拍摄的图像和/或对象识别导出的参数涉及对象覆盖范围。可以从对于处理决策决定性的在线田地数据导出进一步的参数。如果所导出的参数例如低于阈值，则决策是关闭或无处理。如果导出参数例如高于阈值，则决策是开启或处理。参数包可包括空间分辨的一组阈值。以这样的方式，控制信号基于参数包和所识别的对象来确定。在杂草的情况下，从图像导出的参数和/或在图像中识别的杂草可以基于表示杂草覆盖率的参数。类似地在病原体的情况下，从图像导出的参数和/或在图像中识别的病原体可以基于表示病原体感染的参数。进一步类似地，在昆虫的情况下，从图像导出的参数和/或在图像中识别的昆虫可以基于表示存在于图像中的昆虫数量的参数。
28.优选地，处理装置被提供有参数包或配置文件，处理装置基于参数包或配置文件控制处理布置。在进一步的实施例中，配置文件或参数包的确定包括要施用的处理产品的剂量水平的确定。因此，参数包可包括关于处理产品的剂量水平的另一层。这样的剂量水平可以涉及从图像和/或对象识别导出的参数。进一步的参数可以从在线田地数据导出。换句话说，基于配置文件或参数包，处理装置被控制，基于种植物田地的实时参数，诸如拍摄的图像和/或在线田地数据，关于应当施加处理产品的哪种剂量。在优选实施例中，参数包包括取决于从图像和/或对象识别导出的一个或多个参数的可变或增量剂量水平。在进一步的优选实施例中，基于所识别的对象确定剂量水平包括确定对象种类、对象生长阶段和/或对象密度。此处，对象密度是指某个区域中标识的对象的密度。对象种类、对象生长阶段和/或对象密度可以是从图像和/或对象识别导出的参数，根据这些参数可以确定可变或增量剂量水平。参数包可包括空间分辨的一组剂量水平。
29.术语“剂量水平”优选地是指每面积处理产品的量，例如每公顷一升处理产品，并且可以优选地指示为每面积活性成分(包含在处理产品中)的量。更优选地，剂量水平不应当超过上阈值，其中，该上阈值由最大剂量水平确定，该最大剂量水平关于处理产品的对应活性成分根据适用的监管法律和法规在法律上是允许的。
30.参数包可包括关于预期使用处理产品组合物的另一层。在这样的情况下，可以取决于对作物的预期显著产量或质量影响、生态影响和/或处理产品组合物的成本来确定参数包。因此，基于参数包，是否处理田地、应当采用哪种处理产品组合物、以哪种剂量水平处理的决策取得关于效率和/或功效的最佳可能结果。参数包可以包括用于处理装置的处理产品桶系统的桶配方。换句话说，处理产品组合物可以表示在执行处理之前在处理装置的
一个或多个桶中提供的处理产品分量。来自形成处理产品的一个或多个桶的混合物可以取决于所确定的处理产品的组成在运行中来控制。处理产品组合物可以基于所述对象识别来确定，所述对象识别可包括例如对象种类和/或对象生长阶段。附加地或者可替代地，参数包可包括预期使用的空间分辨的一组处理产品组合物。
31.术语“效率”是指施用的处理产品量和有效处理种植物田地中的种植物的处理产品量的平衡。处理多么有效地被执行取决于环境因素，诸如天气和土壤。
32.术语“功效”是指处理产品的正面和负面影响的平衡。换句话说，功效是指有效处理特定种植物需要的处理产品的剂量的最佳值。剂量不应当太高以致于处理产品浪费，这也将增加成本和对环境的负面影响，但是也不太低以致于处理产品未有效处理，这可能导致种植物针对处理产品免疫。处理产品的功效也取决于环境因素，诸如天气和土壤。
33.如本文所使用的，术语“处理产品”指用于种植物处理的产品，诸如除草剂、杀虫剂、杀菌剂、植物生长调节剂、营养产品和/或其混合物。处理产品可包括不同的组分——包括不同的活性成分——诸如不同的除草剂、不同的杀菌剂、不同的杀虫剂、不同的营养产品、不同的营养素，以及其他组分，诸如安全剂(特别是与除草剂组合使用)、佐剂、肥料、助剂、稳定剂和/或其混合物。处理产品组合物是包括一种或两种或两种以上处理产品的组合物。因此，存在分别基于不同的活性成分的不同类型的例如除草剂、杀虫剂和/或杀菌剂。由于待被处理产品保护的种植物优选地是作物，因此处理产品可以被称为作物保护产品。处理产品组合物还可包括与处理产品混合的附加物质，像例如水，特别是用于稀释和/或稀薄处理产品；和/或营养液，特别是用于增强处理产品的功效。优选地，营养液是含氮溶液，例如液态尿素硝酸铵(uan)。
34.如本文所使用的，术语“营养产品”指对植物营养和/或植物健康有益的任何产品，包括但不限于肥料、常量营养素和微量营养素。
35.在执行所描述的方法时或在执行种植物田地的处理时，基于所确定的参数包，对于种植物田地中的每个位置，另一处理产品组合物可能是最有希望的。优选地，用于处理种植物、昆虫和/或病原体的处理产品组合物可以切换、适配或改变为另一处理产品组合物。因此，多种不同类型的处理产品组合物可用于处理种植物田地中的不同位置。
36.在一个实施例中，确定控制信号包括产生桶致动器信号和处理布置信号以控制所确定的处理产品组合物的释放。在确定或产生控制信号时，可以产生桶致动器信号，该桶致动器信号控制处理装置的致动器以从桶系统释放处理产品组合物。此外，在产生控制信号时，可以产生控制在田地上优选地以定义的剂量水平释放处理产品组合物的处理布置或喷嘴信号。
37.在进一步的实施例中，处理装置包括具有一个以上喷嘴的处理布置，其中，处理布置信号单独触发一个或多个喷嘴。这样，可以在单个喷嘴基础上采取基于例如如参数包中指定的处理或不处理的阈值的决策。
38.在一个实施例中，处理装置包括具有一个以上桶的桶系统。单独的桶可包括一种或多种活性成分和/或附加组分，诸如水或制剂的(一个或多个)部分。这样的系统允许在处理期间切换或改变活性成分或处理产品组合物。桶可配备有可控致动器以释放桶内容物的至少一部分或一定量的桶内容物，如例如针对剂量水平所需的。桶致动器信号可包括用于各个桶的致动器信号以控制从各个桶的释放以形成处理产品组合物。因此，桶致动器信号
可以从所确定的处理产品组合物导出。
39.确定处理产品组合物可包括基于拍摄的图像和/或在线田地数据来确定处理产品组合物。可替代地，确定处理产品组合物可包括基于拍摄的图像和/或在线田地数据来调整经由参数包提供的处理产品组合物。
40.将预定参数包包括到处理装置控制中改进了决策制定并且因此改进了处理的效率和/或处理产品的功效。因此，提供了一种用于改进投资的经济回报并改进生态系统的影响的种植物田地的种植物处理的改进的方法。
41.在优选实施例中，方法包括：
42.通过田地管理器系统接收离线田地数据；
43.取决于离线田地数据确定处理装置的参数包并且可选地确定至少一种处理产品组合物；以及
44.向处理装置提供所确定的参数包和可选地所确定的处理产品组合物。
45.确定参数包需要相对许多资源。处理装置通常仅具有相对低的计算能力，特别是在处理期间需要实时计算决策时。因此，计算量大的过程优选从处理装置的外部离线完成。此外，田地管理器系统可以集成在云计算系统中。这样的系统几乎始终在线，并且通常具有比处理装置的内部控制系统更高的计算能力。
46.因此，可以改进处理的效率和/或处理产品的功效。因此，提供了一种用于改进投资的经济回报并改进生态系统的影响的种植物田地的种植物处理的改进的方法。
47.在一个实施例中，离线田地数据包括局部产量预期数据、与种植物对处理产品的抗性可能性有关的抗性数据、预期天气数据、预期种植物生长数据、预期杂草生长数据、与例如如基于生物量所确定的种植物田地的不同区域有关的区域信息数据、预期土壤数据和/或法律限制数据。
48.在进一步的实施例中，预期天气数据是指反映预报天气条件的数据。基于这样的数据，增强了用于施用的处理布置的参数包或配置文件的确定，因为对处理产品的功效影响可以包括在激活决策和剂量中。例如，如果高湿度天气存在，可以做出决策以施用处理产品，因为它在这样的情况下非常有效。预期天气数据可以空间分辨以提供种植物田地中的不同区域中或不同位置处的天气条件，其中，将做出处理决策。
49.在进一步的实施例中，预期天气数据包括各种参数，诸如温度、uv强度、湿度、降雨预报、蒸发、露水。基于这样的数据，增强了用于施用的处理布置的参数包或配置文件的确定，因为对处理产品的功效影响可以包括在激活决策和剂量中。例如，如果高温度和高uv强度存在，则处理产品的剂量可以增加以补偿更快的蒸发。另一方面，如果例如温度和uv强度适中，则植物的新陈代谢更活跃，并且处理产品的剂量可以减少。
50.在进一步的实施例中，预期土壤数据，例如土壤湿度数据、土壤养分含量数据或土壤组成数据可从外部存储库访问。基于这样的数据，增强了用于施用的处理布置的参数包或配置文件的确定，因为对处理产品的功效影响可以包括在激活决策和剂量中。例如，如果高土壤湿度存在，由于清扫效应，可以采取决策不施用处理产品。预期土壤数据可以空间分辨以提供种植物田地中的不同区域中或不同位置上的土壤湿度特性，其中，将做出处理决策。
51.在进一步的实施例中，离线田地数据的至少一部分包括历史产量图、历史卫星图
像和/或空间独特的作物生长模型。在一个示例中，可以基于历史卫星图像生成性能图，历史卫星图像包括例如针对多个季节的一个季节中的不同点的田地图像。这样的性能图允许例如通过绘制多个季节更肥沃或更不肥沃的区域来标识田地中的肥力的变化。
52.优选地，预期种植物生长数据取决于种植物地土壤中仍然可用的水量和/或预期天气数据来确定。
53.因此，可以改进处理的效率和/或处理产品的功效。因此，提供了一种用于改进投资的经济回报并改进生态系统的影响的种植物田地的种植物处理的改进的方法。
54.在优选实施例中，法律限制数据包括浸出风险，特别是渗入地下水；和/或田间斜坡，特别是导致地表排水；和/或需要到敏感区的缓冲区。
55.优选地，法律限制禁止在种植物田地的特定条件下使用特定处理产品。优选地，围绕种植物田地的边界延伸的边界区域是敏感区域，例如由于它们对人类及其宠物的增加的暴露。因此，在敏感区域本身和敏感区域与处理产品的施用区域之间的缓冲区域中可能禁止可能对其他生物体产生增加的负面影响的有效处理产品。
56.因此，可以改进处理的效率和/或处理产品的功效。因此，提供了一种用于改进投资的经济回报并改进生态系统的影响的种植物田地的种植物处理的改进的方法。
57.在优选实施例中，方法包括：
58.基于现有的种植物田地的区域图来确定区域信息数据。
59.优选地，区域图至少包括边界区域、缓冲区域和/或敏感区域。
60.区域信息优选地涉及区域图的区域，在该区域中，拍摄图像并且因此定位待处理的种植物。区域信息例如包括待处理的种植物位于边界区域中的信息。边界区域受限于关于处理产品的特定法律限制。如果为特定区域确定的处理产品组合物违反了种植物区域的法律限制，则必须确定另一处理产品以处理种植物。
61.因此，利用不同类型的处理产品来处理种植物田地上的种植物是可能的，这改进了投资的经济回报和该方法对生态系统的影响。
62.因此，可以改进处理的效率和/或处理产品的功效。因此，提供了一种用于改进投资的经济回报并改进生态系统的影响的种植物田地的种植物处理的改进方法。
63.在优选实施例中，方法包括：
64.识别对象包括识别种植物，优选种植物类型和/或种植物大小；昆虫，优选昆虫类型和/或昆虫大小；和/或病原体，优选病原体类型和/或病原体大小。
65.因此，可以改进处理的效率和/或处理产品的功效。因此，提供了一种用于改进投资的经济回报并改进生态系统的影响的种植物田地的种植物处理的改进的方法。
66.在优选实施例中，方法包括：
67.通过处理装置接收与种植物田地上的当前条件有关的在线田地数据；以及
68.取决于所确定的参数包、所选择的处理产品组合物和所确定的识别对象和/或所确定的在线田地数据来确定控制信号。
69.因此，可以改进处理的效率和/或处理产品的功效。因此，提供了一种用于改进投资的经济回报并改进生态系统的影响的种植物田地的种植物处理的改进的方法。
70.通过处理装置确定在线田地数据可包括安装在处理装置上或放置在田地中并且由处理装置接收的传感器。
71.在优选实施例中，方法包括：
72.在线田地数据涉及当前天气数据、当前种植物生长数据和/或当前土壤数据，例如土壤湿度数据。
73.在一个实施例中，当前天气数据在飞行中或现场记录。这样的当前天气数据可以由安装在处理装置上的不同类型的天气传感器或放置在田地中或田地附近的一个或多个气象站产生。因此，当前天气数据可以在处理装置在种植物田地上的运动期间测量。当前天气数据指反映种植物田地中的要做出处理决策的位置处的天气条件的数据。天气传感器例如是雨、uv或风传感器。
74.在进一步的实施例中，当前天气数据包括各种参数，诸如温度、uv强度、湿度、降雨预报、蒸发、露水。基于这样的数据，增强了用于施用的处理装置的配置的确定，因为对处理产品的功效影响可以包括在激活决策和剂量中。例如，如果高温度和高uv强度存在，则处理产品的剂量可以增加以补偿更快的蒸发。
75.在进一步的实施例中，在线田地数据包括当前土壤数据。这样的数据可以通过放置在田地中的土壤传感器提供，或者其可以从例如存储库访问。在后者的情况下，当前土壤数据可以下载到包括(一个或多个)处理枪的农业机器的存储介质上。基于这样的数据，增强了用于施用的处理布置的配置的确定，因为对处理产品的功效影响可以包括在激活决策和剂量中。例如，如果高土壤湿度存在，则由于清扫效应，可以采取决策不施用处理产品。
76.在进一步的实施例中，当前或预期的天气数据和/或当前或预期的土壤数据可提供给生长阶段模型以进一步确定种植物、杂草或作物植物的生长阶段。附加地或可替代地，天气数据和土壤数据可以被提供给疾病模型。基于这样的数据，增强了用于施用的处理装置(特别是像单喷嘴的处理布置的部分)的配置的确定，因为对处理产品的功效影响，如例如杂草和作物将在该时间期间以及在应用之后以不同速度生长，可以包括在激活决策和剂量中。因此例如在施用时杂草的大小或病原体的感染阶段(从模型中的感染事件看到的或导出的)可以包括在激活决策和剂量中。
77.因此，可以改进处理的效率和/或处理产品的功效。因此，提供了一种用于改进投资的经济回报并改进生态系统的影响的种植物田地的种植物处理的改进方法。
78.在优选实施例中，方法包括以下步骤：
79.取决于种植物的处理的性能审查来确定或提供验证数据；以及
80.取决于验证数据来调整参数包和/或至少一种处理产品组合物。
81.验证数据可以针对种植物田地至少部分地空间分辨。验证数据可以例如在种植物田地的特定位置中测量。
82.优选地，性能审查包括参数包和/或至少一种处理产品组合物的人工控制和/或参数包和/或至少一种处理产品组合物的自动控制。例如，人工控制涉及农民观察种植物田地和回答调查问卷。在进一步的示例中，性能审查通过拍摄已经处理的种植物田地的部分的图像和分析所拍摄的图像来执行。换句话说，性能审查在种植物已经处理之后评估处理的效率和/或处理产品的功效。例如，如果已经处理的杂草仍然存在，尽管其已经处理，但是性能审查将包括说明用于该处理的参数包和/或至少一种处理产品组合物未实现杀死杂草的目标的信息。
83.因此，可以改进处理的效率和/或处理产品的功效。因此，提供了一种用于改进投
资的经济回报并改进生态系统的影响的种植物田地的种植物处理的改进方法。
84.在优选实施例中，方法包括：
85.使用机器学习算法调整参数包和/或至少一种处理产品组合物。
86.机器学习算法可包括决策树、朴素贝叶斯分类、最近邻居、神经网络、卷积或递归神经网络、生成对抗网络、支持向量机、线性回归、逻辑回归、随机森林和/或梯度提升算法。优选地，机器学习算法的结果用于调整参数包。
87.优选地，机器学习算法被组织成将具有高维度的输入处理成具有低得多的维度的输出。这样的机器学习算法被称为“智能”，因为它能够被“训练”。算法可以使用训练数据的记录训练。训练数据记录包括训练输入数据和对应的训练输出数据。训练数据记录的训练输出数据是由机器学习算法在给定相同训练数据记录的训练输入数据作为输入时预期产生的结果。该预期结果与由算法产生的实际结果之间的偏差借助于“损失函数”来观察和评价。该损失函数被用作用于调整机器学习算法的内部处理链的参数的反馈。例如，可以利用在将所有训练输入数据馈送到机器学习算法中并且将结果与对应的训练输出数据相比较时最小化该结果的损失函数的值的优化目标调整参数。该训练的结果在于，给定相对少量的训练数据记录作为“地面实况”，使得机器学习算法能够为高出许多数量级的大量输入数据记录很好地执行其工作。
88.因此，可以改进处理的效率和/或处理产品的功效。因此，提供了一种用于改进投资的经济回报并改进生态系统的影响的种植物田地的种植物处理的改进方法。
89.根据进一步的方面，一种用于种植物田地的种植物处理的处理装置的田地管理器系统，包括：离线田地数据接口，其适于接收与种植物田地上的预期条件有关的离线田地数据；验证数据接口，其适于接收验证数据，机器学习单元，其适于取决于离线田地数据来确定处理装置的参数包以及适于取决于验证数据来调整参数包；以及参数包接口，其适于向如本文所描述的处理装置提供参数包。
90.在优选实施例中，方法包括：
91.确定参数包包括确定用于处理装置的处理产品桶的桶配方。
92.优选地，桶配方包括适合于待处理的种植物田地的种植物处理产品的不同组分的绝对或相对量。
93.根据进一步的方面，一种用于种植物田地的种植物处理的处理装置的田地管理器系统，包括：离线田地数据接口，其适于接收与种植物田地上的预期条件相关的离线田地数据，从而确定预期用于处理种植物的至少一种处理产品组合物，机器学习单元，其适于取决于离线田地数据来确定处理装置的参数包；以及参数包接口，其适于向如本文所描述的处理装置提供参数包。
94.在优选实施例中，田地管理器系统包括验证数据接口，其适于接收验证数据，其中，机器学习单元适于取决于验证数据来调整参数包。验证数据可以针对种植物田地至少部分地空间分辨。验证数据可以例如在种植物田地的特定位置中测量。
95.在优选实施例中，机器学习单元适于基于拍摄的图像和在线田地数据通过机器学习算法确定参数包。
96.根据进一步的方面，一种用于种植物的种植物处理的处理装置，包括：图像捕获装置，其适于拍摄种植物的图像；参数包接口，其适于从如本文所描述的田地管理器系统接收
参数包；处理布置，其适于取决于所接收到的参数包来处理种植物；图像识别单元，其适于识别所拍摄的图像上的对象；处理控制单元，其适于可选地取决于或基于所确定的参数包、在线田地数据和/或所识别的对象和所识别的对象来确定处理产品组合物以及适于基于所确定的参数包、所识别的对象和所确定的处理产品组合物来确定用于控制处理装置的处理布置的控制信号，其中，处理装置的参数包接口可连接到如本文所描述的田地管理器系统的参数包接口，其中，处理装置适于基于处理控制单元的控制信号来激活处理布置。
97.在优选实施例中，处理装置包括：在线田地数据接口，其适于接收与种植物田地上的当前条件有关的在线田地数据，其中，处理控制单元基于所确定的参数包、所识别的对象和所确定的处理产品组合物和/或在线田地数据来控制处理装置的处理布置。
98.在优选实施例中，图像捕获装置包括一个或多个摄像头，特别是在处理装置的悬臂上，其中，图像识别单元适于使用例如红
‑
绿
‑
蓝rgb数据和/或近红外nir数据识别对象，例如杂草、昆虫、病原体和/或种植物。
99.在优选实施例中，如本文所描述的处理装置还包括如本文所描述的控制装置。
100.在优选实施例中，处理装置被设计为智能喷雾器，其中，处理布置是喷嘴布置。
101.喷嘴布置优选地包括可以独立控制的若干独立喷嘴。
102.根据进一步的方面，处理系统包括如本文所描述的文档管理器系统和如本文所描述的处理装置。
103.有利地，由以上方面中的任一个所提供的益处同样地适用于所有其他方面并且反之亦然。以上方面和示例将从在下文中所描述的实施例而显而易见并且得以阐述。
附图说明
104.参考以下附图将在以下中描述示例性实施例：
105.图1示出了种植物处理系统的示意图；
106.图2示出了种植物处理方法的流程图；
107.图3示出了种植物田地的区域图的示意图；
108.图4示出了种植物田地上的处理装置的示意图；以及
109.图5示出了具有检测到的对象的图像的示意图。
具体实施方式
110.图1示出了用于通过由田地管理器系统100控制的至少一个处理装置200处理种植物田地300的种植物的种植物处理系统400。
111.处理装置200，优选地智能喷雾器，包括处理控制单元210、图像捕获装置220、图像识别单元230和处理布置270以及参数包接口240和在线田地数据接口250。
112.图像捕获装置220包括至少一个摄像头，其被配置为拍摄种植物田地300的图像20。拍摄的图像20被提供给处理装置200的图像识别单元230。
113.田地管理器系统100包括机器学习单元110。此外，田地管理器系统100包括离线田地数据接口150、参数包接口140和验证数据接口160。田地管理器系统100可以是指数据处理元件，诸如微处理器、微控制器、现场可编程门阵列(fpga)、中央处理单元(cpu)、数字信号处理器(dsp)，其能够例如经由通用服务总线(usb)、物理电缆、蓝牙、或另一形式的数据
连接接收田地数据。可以为每个处理装置200提供田地管理器系统100。可替代地，田地管理器系统可以用于控制田地300中的多个处理装置200的是中央田地管理器系统，例如云计算环境或个人计算机(pc)。
114.田地管理器系统100被提供有与种植物田地300的预期条件数据有关的离线田地数据doff。优选地，离线田地数据doff包括局部产量预期数据、与种植物对处理产品的抗性可能性有关的抗性数据、预期天气条件数据、预期种植物生长数据、与种植物田地的不同区域有关的区域信息数据、预期土壤数据，例如土壤湿度数据，和/或法律限制数据。
115.从外部存储库提供离线田地数据doff。例如，预期天气数据可以基于用于预测天气的卫星数据或测量的天气数据。预期种植物生长数据例如由存储有不同种植物生长阶段的数据库或从种植物生长阶段模型提供，该模型取决于过往的田地条件数据对作物、杂草和/或病原体的预期生长阶段做出评述。预期种植物生长数据可以由基本上是相应种植物的数字孪生的种植物模型提供，并估计种植物的生长阶段，特别是取决于先前的田地数据。进一步地，例如，可以取决于过去、现在和预期的天气条件数据来确定预期的土壤湿度数据。离线田地数据doff也可以由外部服务提供商提供。
116.取决于离线田地数据doff，机器学习单元110确定参数包10。优选地，机器学习单元110知道种植物的处理的计划时间。例如，农民向田地管理系统100提供他计划在第二天处理特定田地中的种植物的信息。参数包10优选地被表示为提供给田地管理器系统100的参数包接口140的配置文件。理想地，参数包10由机器学习单元110在同一天确定，处理装置200正在使用参数包10。此处，机器学习单元110可包括训练的(一个或多个)机器学习算法，其中，(一个或多个)机器学习算法的输出可以用于参数包。也可以在不涉及任何机器学习算法的情况下执行参数包的确定。经由参数包接口140，参数包10被提供给处理装置200，特别是处理装置200的参数包接口240。例如，以配置文件的形式的参数包10被传送并存储在处理装置200的存储器中
117.此外，机器学习单元至少确定预期用于处理田地300中的种植物的处理产品组合物40。考虑到全部种植物田地300或计划处理的种植物田地300的至少一部分来做出确定。至少一种产品组合物40涉及不同的除草剂、病原体和/或杀虫剂以及用于与处理产品混合的混合溶液，像水，或营养溶液，像氮溶液。例如，机器学习单元从确定第一活性成分ai1和第二活性成分ai2知道其两者是不同的除草剂。处理产品组合物40优选地被表示为提供给田地管理器系统100的参数包接口140的配置文件中的参数包的一部分。理想地，处理产品组合物40由机器学习单元110在同一天确定，处理装置200正在使用处理产品组合物40。经由参数包接口140，处理产品组合物40被提供给处理装置200，特别是处理装置200的参数包接口240。例如，以配置文件的形式的处理产品组合物40被更新到处理装置200的存储器。
118.当包括处理产品组合物40的参数包10由处理装置200，特别是处理控制单元210接收时，可以开始对种植物田地300中的种植物的处理。理想地，用户，特别是农民，附加地由田地管理器100提供桶配方。桶配方取决于包括所确定的处理产品组合物40的参数包10来确定。因此，农民大约知道需要哪种处理产品组合物40的多少处理产品来处理种植物田地300中的种植物。
119.处理装置200在种植物田地300周围移动并且检测和识别对象30，特别是种植物田地300上的作物、杂草、病原体和/或昆虫。
120.因此，图像捕获装置200不断地拍摄种植物田地300的图像20。图像20被提供给图像识别单元230，该图像识别单元230对图像20运行图像分析并且检测和/或识别图像20上的对象30。检测的对象30优选地是作物、杂草、病原体和/或昆虫。识别对象包括识别种植物，优选地种植物类型和/或种植物大小；昆虫，优选地昆虫类型和/或昆虫大小；和/或病原体，优选地病原体类型和/或病原体大小。例如，应认识到例如反枝苋和马唐之间、或者蜜蜂与蝗虫之间的差异。对象30被提供给处理控制单元210。
121.处理控制单元210被提供有以配置文件的形式包括(一种或多种)处理产品组合物、第一活性成分ai1和第二活性成分ai2的参数包10。参数包10可以被示出为决策树，其中，基于输入数据，在决策的不同层上决定种植物的处理并且可选地决定处理产品的剂量和组成。例如，在第一步中，检查检测到的杂草的生物量是否超过由参数包10设置的预定阈值。杂草的生物量通常与拍摄图像20中的杂草的覆盖程度有关。例如，如果杂草的生物量低于4％，则决定完全不对杂草进行处理。如果杂草的生物量高于4％，则做出进一步的决策。例如，在第二步中，如果杂草的生物量高于4％，则取决于土壤湿度，决定是否处理杂草。如果土壤湿度超过预定阈值，则仍然决定处理杂草，并且否则决定不处理杂草。这是因为当杂草处于由高土壤湿度引发的生长阶段时用于处理杂草的除草剂可能更有效。参数包10已经包括关于预期土壤湿度的信息。由于过去几天一直在下雨，因此预测土壤湿度高于预定阈值，并且将决定对杂草进行处理。然而，处理控制单元210也由在线田地数据don提供，在这种情况下从土壤湿度传感器，向处理控制单元210提供附加数据。因此，配置文件的决策树将基于在线田地数据don来决定。在示例性实施例中，在线田地数据don包括土壤湿度低于预定阈值的信息。因此，决定不处理杂草。
122.处理控制单元210基于参数包10、识别的对象和/或在线田地数据don来产生处理控制信号s。因此，处理控制信号s包含识别的对象20是否应当处理的信息。处理控制单元210然后向处理布置270提供处理控制信号s，该处理布置270基于控制信号s处理种植物。处理布置270特别地包括具有不同喷嘴的化学点喷枪，这使其能够以高精度喷洒除草剂、杀虫剂和/或杀菌剂。
123.因此，取决于与预期田地条件有关的离线田地数据doff来提供参数包10。基于参数包10，处理装置200可以仅基于田地中的情境识别的对象来决定应当处理哪种种植物。因此，可以改进处理的效率和/或处理产品的功效。为了进一步改进处理的效率和/或处理产品的功效，在线田地数据don可以用于包括种植物田地的当前可测量条件。
124.所提供的处理布置400附加地能够学习。机器学习单元110取决于给定的启发式来确定参数包10。在基于提供的参数包10的种植物处理之后，验证处理的效率和处理产品的功效是可能的。例如，农民可以向田地管理器系统100提供之前已经基于参数包10处理的种植物田地的一部分的田地数据。该信息被称为验证数据v。验证数据v经由验证数据接口160被提供给田地管理器系统100，从而将验证数据v提供给机器学习单元110。机器学习单元110然后调整参数包10或启发式，该启发式用于根据验证数据v确定参数包10。例如，验证数据v指示已经基于参数包10处理的杂草未被杀死，调整的参数包10降低阈值以处理底层决策树的分支中的一个中的种植物。
125.作为由外部田地管理器系统100向处理装置200提供的配置文件的形式的参数包10和/或处理产品组合物40的替代，田地管理器系统100的功能也可以嵌入到处理装置200
中。例如，具有相对高计算能力的处理装置能够将田地管理器系统100集成在处理装置200内。可替代地，田地管理器系统100的全部所描述的功能和直到由处理装置200对控制信号s的确定的功能可以在处理装置200的外部计算，优选地经由云服务。因此，处理装置200仅是取决于提供的控制信号s来处理种植物的“哑”装置。
126.图2示出了种植物处理方法的流程图。
127.在步骤s10中，用于控制处理装置200的参数包10由处理装置200从田地管理器系统100接收，其中，参数包10取决于与种植物田地300上的预期条件有关的离线田地数据doff，以及接收取决于参数包10的预期用于处理种植物的至少一种处理产品组合物40。在步骤s20中，拍摄种植物田地300的种植物的图像20。在步骤s30中，检测拍摄的图像20上的对象30。在步骤s40中，取决于所确定的参数包10和所识别的对象30，选择至少一种处理产品组合物40中的至少一种用于处理种植物。在步骤s50中，基于所确定的参数包10、所识别的对象30和所选择的处理产品组合物40来确定用于控制处理装置200的处理布置270的控制信号s。
128.图3示出了种植物田地300的区域图33。区域图33取决于区域图33的类型将种植物田地300划分为不同的区域zb、zc。在这种情况下，区域图33将种植物田地300划分为中心区域zc和边界区域zb。边界区域zb围绕种植物田地300的边缘延伸。边界区域zb对于未经授权的人员容易进入，并且因此在比中心区域zc更严格的法律限制下。基于区域图33，确定区域信息，指示不同区域zb、zc的特殊法律限制。
129.图4示出了以飞过包含作物410的种植物田地300的无人驾驶飞行器(uav)的形式的处理装置200。在作物410之间也存在许多杂草421、422，杂草421、422特别地是毒性的，产生许多种子并且可能显著影响作物产量。在包含该作物410的种植物田地300中不应当容忍该杂草421、422。
130.uav 200具有包括一个或多个摄像头的图像捕获装置220，并且当它飞过种植物田地300时，捕获图像。uav 200还具有gps和惯性导航系统，这使得能够确定uav 200的位置并且也能够确定摄像头220的取向。根据该信息，可以确定地面上的图像的印迹，使得可以相对于绝对地理空间坐标定位该图像中的特定部分，诸如作物、杂草、昆虫和/或病原体类型的示例。由图像捕获装置220捕获的图像数据被传送到图像识别单元120。
131.由图像捕获装置220捕获的图像具有使得能够将一种类型的作物与另一种类型的作物区分的分辨率，以及使得能够将一种类型的杂草与另一种类型的杂草区分的分辨率，以及不仅使得能够检测昆虫而且使得能够将一种类型的昆虫与另一种类型的昆虫区分的分辨率，以及使得能够将一种类型的病原体与另一种类型的病原体区分的分辨率。
132.图像识别单元120可以在uav 200的外部，但是uav 200本身可以具有必要的处理能力来检测和标识作物、杂草、昆虫和/或病原体。图像识别单元120使用机器学习算法处理图像，例如基于已经对不同类型的作物、杂草、昆虫和/病原体的许多图像示例进行训练的人工神经网络，以确定存在哪个对象并且还确定对象的类型。
133.uav还具有处理布置260，特别是具有不同喷嘴的化学点喷枪，这使其能够以高精度喷洒除草剂、杀虫剂和/或杀菌剂。
134.为了处理杂草421、422，uav 200能够使用两种不同的处理产品组合物，第一活性成分ai1和第二活性成分ai2。例如，杂草421、422是预期在田地上处理的反枝苋和马唐。这
两种杂草都用第一活性成分ai1处理得特别好。第一活性成分ai1比第二活性成分ai2更便宜并且更有效，但也被认为对生态危害更大。田地管理器系统100向农民提供桶配方。在这种情况下，田地300包括相对大的中心区域zc和相对小的边界区域zb，如图3所示。鉴于法律限制，第一活性成分ai1比第二活性成分ai2更受法律限制。在这种情况下，这意味着在边界区域zb中，第一活性成分ai1在法律上不允许使用。因此，所提供的桶配方指示，通常可以在相对大的中心区域zc中使用的第一活性成分ai1比在相对小的边界区域zb中允许的第二活性成分ai2需要更大的量。然后，农民可以为处理装置配备相应的处理产品。第一活性成分ai1存储在第一活性成分桶271中，并且第二活性成分ai2存储在第二活性成分桶272中。处理布置270能够从第一活性成分桶271和/或第二活性成分桶272处理种植物田地中的种植物。
135.如图5所示，图像捕获装置220拍摄田地300的图像20。图像识别分析检测四个对象30并且标识两种作物410(三角形)、第一不需要的杂草421(圆形)和第二不需要的杂草422(圆形)。因此，uav 200被控制以处理不需要的杂草421、422。然而，第一杂草421被布置在种植物田地的中心区域zc中，并且第二杂草422被布置在种植物田地的缓冲区域zb中。基于在线田地数据don、拍摄的图像20和处理产品组合物，确定用更便宜且更有效的第一活性成分ai1处理杂草421、422。然而，第一活性成分ai1不允许在边界区域zb中使用。因此，边界区域zb中的第二杂草422将被确定为由第二活性成分ai2处理。在没有确定不同处理产品ai1、ai2的情况下，uav200仅能够用第二活性成分ai2处理全部种植物田地300以便不违反边境区域zb的特定法律限制。
136.因此，提供了一种用于改进投资的经济回报并改进生态系统的影响的种植物田地的种植物处理的改进的方法。
137.参考标记
138.10
ꢀꢀ
参数包
139.20
ꢀꢀ
图像
140.30
ꢀꢀ
图像上的对象
141.40
ꢀꢀ
处理产品组合物
142.100 田地管理器系统
143.110 机器学习单元
144.140 参数包接口
145.150 离线田地数据接口
146.160 验证数据接口
147.200 处理装置(uav)
148.210 处理控制单元
149.220 图像捕获装置
150.230 图像识别单元
151.240 参数包接口
152.250 在线田地数据接口
153.270 处理布置
154.271 第一活性成分桶
155.271 第二活性成分桶
156.300 种植物田地
157.400 处理系统
158.410 作物
159.421 第一杂草
160.422 第二杂草
161.s
ꢀꢀꢀ
处理控制信号
162.don 在线田地数据
163.doff 离线田地数据
164.v
ꢀꢀꢀꢀ
验证数据
165.zc
ꢀꢀꢀ
中心区域
166.zb
ꢀꢀꢀ
边界区域
167.ai1
ꢀꢀ
处理产品(第一活性成分)
168.ai2
ꢀꢀ
处理产品(第二活性成分)
169.s10
ꢀꢀ
接收参数包和处理产品组合物
170.s20
ꢀꢀ
拍摄图像
171.s30
ꢀꢀ
识别对象
172.s40
ꢀꢀ
选择处理产品
173.s50
ꢀꢀ
确定控制信号。