将灌溉枢纽转变为自主AI农业机器人的社交网络的系统和方法与流程

将灌溉枢纽转变为自主ai农业机器人的社交网络的系统和方法
1.分案申请
2.本技术为分案申请，原案申请的申请号为201980045749.9，申请日为2019年5月21日，发明名称为“将灌溉枢纽转变为自主ai农业机器人的社交网络的系统和方法”。
技术领域
3.本发明涉及灌溉设备，以及更具体地涉及自动灌溉和施肥系统，其配置成用于感测和分析气候参数并创建灌溉和施肥计划。


背景技术：

4.中心枢纽灌溉是顶喷式洒水灌溉形式，其由几段管组成，其中洒水器沿其长度定位、连接在一起并由桁架支撑，并安装在轮式塔上。机器以圆形模式运动，并从位于圆心处的枢转点供给水。轮的外部设置设定适于旋转的主要速度。
5.智能灌溉/施肥系统定制灌溉/施肥计划，并自动运行以满足特定的植物需求。这种方法显著提高了水和肥料使用的室外效率。
6.在生长的不同阶段，植物消耗不同量的水和肥料。另外，要提供给植物的具体量取决于实际的气候条件(温度、相对湿度和风速)。因此，迫切需要开发自动管理多个中心枢纽灌溉机的方法，使得根据实时感测到的特定气候条件将水和肥料的量施用于栽培植物。


技术实现要素：

7.因此，本发明的一个目的是公开自动管理中心枢纽灌溉机的方法。前述方法包括以下步骤：(a)提供至少一个中心枢纽灌溉机，并将所述中心枢纽灌溉机定位成使得所述中心枢纽灌溉机可在灌溉区内围绕其中心移动；(b)提供接近土壤传感器，诸如地面穿透雷达；(c)将所述接近土壤传感器安装在所述中心枢纽灌溉机上；(d)使所述中心枢纽灌溉机围绕所述灌溉区的所述中心移动；(e)由所述地面穿透雷达以20-2000mhz和20-1000khz之间的频率范围扫描所述灌溉；(f)在距土壤表面的一深度处计算土壤水分的分布；以及(g)根据所述分布创建灌溉规划。
8.本发明的另一个目的是提供包括以下步骤的方法：扫描无对象区域，并从对应于灌溉区域的数据中减去获得的无对象数据。
9.本发明的另一个目的是提供包括以下步骤的方法：短路、开路负载校准。
10.本发明的另一个目的是提供这样的步骤：从对应于灌溉区域的数据中减去获得的无对象数据，包括将两次扫描都转换成时域信号。
11.本发明的另一个目的是提供这样的步骤：在距土壤表面的一深度处计算土壤水分的分布，包括将相减的结果与理想时域传输信号进行互相关，以定位最突出的反射。
12.本发明的另一个目的是提供包括以下步骤的方法：将带通滤波器应用于围绕最突出的反射的时间窗口，以便计算在对应于至少两个穿透深度的至少两个频带中的响应。
13.本发明的另一个目的是提供包括以下步骤的方法：捕获所述灌溉区的至少一部分的光学图像，并识别所述地面穿透雷达的视场的位置。
14.本发明的另一个目的是提供包括以下步骤的方法：收集土壤性质数据并监测所述性质并将结果报告给用户。
15.本发明的另一个目的是提供包括以下步骤的方法：收集土壤性质数据并监测所述性质并将结果报告给用户。
16.本发明的另一目的是提供包括以下步骤的方法：通过水平和竖直臂中的至少一个来在水平和竖直方向中的至少一个上定位接近土壤传感器，所述水平和竖直臂配置成用于保持所述接近地面传感器。
17.本发明的另一目的是提供包括以下步骤的方法：在距土壤表面预定深度处，将至少一个rf反射构件放置在所述土壤内。
18.本发明的另一目的是提供包括以下步骤的方法：借助于传感器来扫描和计算作物干燥度，所述传感器选自宽束地面穿透雷达、窄束地面穿透雷达、光学摄像机和任何它们的组合。
19.本发明的另一个目的是提供包括以下步骤的方法：种植至少一种生物标记植物，该生物标记植物被配置为响应于预定事件而发出信号，以及监测所述至少一种生物标记植物。
20.本发明的另一目的是提供包括以下步骤的方法：通过在一个位置处保持静态预定时间段来获得实际的干燥曲线和田间持水量(field capacity，fc)，从而扫描并分析田间的土壤变化性。
21.本发明的另一个目的是提供扫描和分析土壤变化性的步骤，其还包括在多个位置中扫描fc的预检。
22.本发明的另一个目的是提供中心枢纽灌溉机，其包括：接近土壤传感器，所述接近土壤传感器被配置为获得有关于由所述多个中心灌溉机处理的农田的体积水含量数据，被配置为获得有关于由所述多个中心灌溉机处理的农田的体积水含量数据。前述中心枢纽灌溉机被配置为：(a)使所述中心枢纽灌溉机围绕所述灌溉区的所述中心移动；(b)由所述接近土壤传感器扫描所述灌溉区；在(c)处计算距土壤表面一深度处的土壤水分分布；以及(d)根据所述分布创建灌溉规划。
23.本发明的另一个目的是提供精确计算田间持水量和盐度的方法。所述方法包括：(a)获得土壤的电磁扫描数据；(b)计算土壤类型和容积密度值；(c)计算含水量；(d)将所获得的所述体积水含量的值与阈值进行比较；(e)在所述体积水含量的所述值大于阈值t所对应的位置中，周期性地进行往复扫描；(f)在体积水含量》t的所述位置中收集体积水含量数据；(g)绘制范围在3至4天之间的时间段的干燥曲线；(h)更新所述土壤类型和容积密度值；(i)计算田间持水量和盐度值。
24.本发明的另一个目的是提供在2小时的时间段内循环进行往复扫描的步骤。
25.本发明的另一个目的是提供包括以下步骤的方法：从通过作物测得的所述土壤水分含量的值减去所述直接测得的土壤水分含量的值，从而评估作物的水分值。
26.本发明的另一个目的是提供包括以下步骤的方法：在平行于地面取向的gpr光束中测量作物水分值。
27.本发明的另一个目的是提供测量土壤含量数据的方法，所述方法适于在田间环境中实施，该田间环境包括以种植模式布置的多个植物，该种植模式包括多个行状元素，其中所述多个行状元素从彼此间隔开至少一预定距离，由此为每个行状元素限定至少一个相邻的未种植空间；所述方法包括以下步骤：(a)使用第一数据感测装置来获得第一测量数据集，该第一数据感测装置被配置为获得包括在第一视场(fov)中的第一类型的测量数据集，其中所述第一数据感测装置由第一支撑构件容纳在相对于所述田间环境的地面水平处于第一高度处的位置中，所述第一高度基于第一阈值来确定；(b)基于对第一测量数据集的数据分析来确定：(i)多个行状元素中的至少第一行状元素的位置；以及(ii)对应于所述第一行状元素的第一相邻的未种植空间的位置；以及(c)使用第二数据感测装置获得第二测量数据集，该第二数据感测装置被配置为获得第二fov中包括的第二类型的测量数据集，所述第二数据感测装置由第二支撑构件容纳在相对于地面水平处于第二高度处的位置中，所述第二高度基于第二阈值来确定；其中在所述第二数据感测装置沿着纵向横穿所述第一相邻未种植空间的轨迹在空间上平移时，执行所述获得第二测量数据集，该空间平移是响应于基于确定的第一相邻未种植空间的位置而输出的控制命令而进行的。
28.本发明的又一个目的是提供种植模式，其选自于：线性模式，其中所述多个行状元素成形为彼此平行的直线形式；以及圆形模式，其中所述多个行状元素成形为半径连续增大的同心圆的形式。
29.本发明的另一个目的是提供所述第一和第二数据感测装置，所述第一和第二数据感测装置选自：地面穿透雷达(gpr)天线；微功率脉冲雷达(mir)天线；光定向和测距(lidar)传感器；及其任何组合。
30.本发明的另一个目的是提供田间环境，其还包括部署在其中的中心枢纽灌溉系统，其中所述第一支撑构件包括在所述中心枢纽灌溉系统的枢转臂中。
31.本发明的另一个目的是提供田间环境，其还包括部署在其中的中心枢纽灌溉系统，其中所述第二支撑构件包括从所述中心枢纽灌溉系统的枢转臂延伸的铰接臂。
32.本发明的另一个目的是提供第一fov，该第一fov是通过相对于从其位置到地面水平的垂直线以一定角度将所述第一数据感测装置指向所述田间环境的地面水平而获得的，该角度选自约45度到约75度之间的范围。
33.本发明的另一个目的是提供第二fov，该第二fov是通过相对于从其位置到地面水平的垂直线以一定角度将所述第二数据感测装置指向所述田间环境的地面水平而获得的，该角度选自约0度到约20度之间的范围。
34.本发明的另一目的是提供根据多个植物的最大高度限定的第一阈值，并且其中根据下述中的至少一个来限定所述第二阈值：所述多个植物的冠层的最小高度；以及在所述田间环境中部署的一系列的一个或多个洒水器。
35.本发明的另一个目的是提供一种方法，其包括确定所述种植模式的结构，其中响应于确定所述种植模式是线性的，执行另外的步骤：(a)获得与所述第一测量数据集相关的第一正弦波模式；(b)获得与第二测量数据集相关的第二正弦波模式；(c)基于第一正弦波模式来确定临时频率，所述临时频率对应于多个行状元素中的一个或多个行状元素与容纳所述第一感测装置的所述第一支撑构件之间的临时角度；以及(d)基于所确定的临时频率和第二正弦波模式，在第二测量数据集中隔离显示与该临时频率匹配的频率的一个或多个
测量值，从而从中获得代表所测得的土壤含量数据的最小值。
36.本发明的另一个目的是提供用于测量土壤含量数据的系统，所述系统适于部署在田间环境中，所述田间环境包括以种植模式布置的多个植物，所述种植模式包括多个行状元素，其中所述多个行状元素从彼此间隔开至少一预定距离，从而为每个行状元素限定至少一个相邻的未种植空间；所述系统包括：(a)第一数据感测装置，其配置为获得包括在第一视场(fov)中的第一类型的测量数据集；(b)第二数据感测装置，其配置为获得包括在第二fov中的第二类型的测量数据集；(c)第一支撑构件，其配置为将所述第一数据感测装置容纳在相对于所述田间环境的地面水平处于第一高度处的位置中，所述第一高度基于第一阈值来确定；(d)第二支撑构件，其配置为将所述第二数据感测装置容纳在相对于地面水平处于第二高度处的位置中，所述第二高度基于第二阈值来确定；(e)至少一个空间平移机构，其被配置为响应于控制命令而在空间上平移所述第一和第二支撑构件，从而实现所述第一和第二数据感测装置的空间平移；(f)分析单元，其配置为，基于由所述第一数据感测装置获得的第一测量数据集的数据分析，确定：(i)所述多个行状元素中的至少第一行状元素的位置；以及(ii)对应于所述第一行状元素的第一相邻未种植空间的位置；(g)控制单元，其配置为，基于由所述分析单元确定的第一相邻未种植空间的位置，向所述空间平移机构输出控制命令，以便沿着纵向横穿所述第一相邻未种植空间的轨迹在空间上平移所述第二数据感测装置；以及(h)数据收集单元，其配置为收集在横穿所述轨迹时所述第二数据感测装置获得的第二测量数据集。
附图说明
37.为了理解本发明并观察其如何在实践中实现，现在仅通过非限制性示例的方式参考附图来描述多个实施例，其中：
38.图1a是通过3个步骤将中心枢纽灌溉系统转变为自主的ai农业机器人的社交网络的概念图。
39.图1b是通过对土壤和作物的连续近表面远程感测将标准的中心枢纽灌溉系统转变为现场雷达的示意图；
40.图1c是安装在中心枢纽灌溉机上的近表面远程传感器的总体图，所述传感器诸如地面穿透雷达、机器视觉和天气传感器。
41.图1d是本领域中已知的便携式em扫描装置的总体图。
42.图1e是枢转的em扫描装置的总体图。
43.图1f是创建灌溉规划的方法的流程图。
44.图2a是安装在中心枢纽灌溉机上的地面穿透雷达的总体图。
45.图2b是安装在中心枢纽灌溉机上的定向地面穿透雷达的总体图。
46.图3a是用于计算土壤性质的实时方法的流程图。
47.图3b是用于计算估计的水分胁迫的流程图。
48.图3c是7天图的曲线图，显示通过gpr测量的每天(3380)的土壤含水量。
49.图4a示意性地示出可以用作生物标记的用于种植作物的参考区域。
50.图4b示意性地示出插入到土壤中特定深度内的反射构件。
51.图5是用于自动管理多个中心枢纽灌溉机的系统的示意图。
52.图6是用于将数据转变成自主的灌溉、施肥和作物保护规划的工作流程图。
53.图7是指示自主喷洒的自主迹象(symptom)的示意图。
54.图8a是显示每个切片的水分胁迫状况的ui图示；
55.图8b是显示氮胁迫状况的ui图示。
56.图9是通过识别疾病状况并警告其邻居来进行自主的社会作物保护的示意图。
57.图10是基于产量图(yield map)和胁迫图(stress map)的相关性来收集年度数据并进行自适应学习的流程图。
58.图11a是具有完全生长的作物的田地的照片，表明现有技术的缺点和不足。
59.图11b是根据所公开主题的一些示例性实施例的可以利用所公开主题的田间环境的示意图；
60.图12a至图12e分别是根据所公开主题的一些示例性实施例的、示意性示出用于测量田间含量数据的装置的立体图、顶视图和侧视图，以及示意性示出所述装置对田间环境进行操作的俯视图和立体图，所述田间环境包括行状种植模式的作物；
61.图13a至图13b是根据所公开主题的一些示例性实施例的测量田间含量数据的方法的流程图；
62.图14a示出配置成用于发射窄束和宽束的天线；
63.图14b是示出平行于地面取向的gpr光束的示意图。
具体实施方式
64.提供以下描述，以便使本领域的任何技术人员能够利用所述发明，并提出由发明人设想到的实施本发明的最佳模式。然而，由于本发明的一般原理已被特别定义以提供一种自动管理多个中心枢纽灌溉机的方法以及用于完成上述的系统，因此各种修改对本领域技术人员而言依然是显而易见的。
65.现在参考图1a，其呈现了将中心枢纽灌溉系统转变为自主ai农业机器人社交网络的概念图，包括主要三个步骤：将中心枢纽机器转换为雷达(步骤1)、将土壤和作物数据转换为人工智能耕作(步骤2)、并将雷达组织成社交网络。
66.现在参考图1b，其示出灌溉雷达图11上的中心枢纽灌溉机10。
67.现在参考图1c，其呈现出中心枢纽灌溉机23的详细示意图，所述中心枢纽灌溉机23设置有天气传感器22、机器视觉传感器(摄像机)21和地面穿透雷达20。
68.在图1d中，示出本领域中已知的便携式em扫描装置30的总体图，而图1e示出本发明的枢转em扫描装置。
69.现在参考图1f，其示出创建灌溉规划的方法100的流程图，该规划是基于蒸散量预报、叶面积指数、生长阶段以及田间持水量和容积密度获得的。
70.特别地：
71.1.气象通道：在步骤110获得本地天气细节(温度，相对湿度和风速)。并行地，提供基于网络的天气预报(步骤120)。在本地天气细节和基于网络的天气预报之间的关联中，计算3天的蒸散量预报。
72.2.光通道：在步骤130捕获有关于多个中央灌溉机处理的农田的局部图像。对捕获的图像进行处理，从而计算出叶面积指数(步骤125)，并确定生长阶段(步骤135)。在气象通
道中获得的3天蒸散量预报与来自光通道的叶面积指数/生长阶段之间的关联中，考虑到特定农田内植物的实际生长阶段，对3天蒸散量预报进行更新(步骤150)。
73.3.电磁通道：在步骤140，通过地面穿透雷达扫描农田。因此，获得体积水含量。基于体积水含量，计算田间持水量和土壤容积密度的值(步骤145)。另外，计算土壤储水量的值(步骤160)。
74.考虑实际的生长阶段和土壤储水量更新的先前获得的3天蒸散量预报构成用于创建灌溉规划的输入数据(步骤165)。另外，在步骤170获得整合了影响栽培植物的所有负面因素的胁迫图。在步骤175创建根据获得的胁迫图而优化的灌溉规划。
75.现在参考图2a，其呈现安装在中心枢纽灌溉机上的地面穿透雷达的总体图。如本领域中已知的那样，中心枢纽灌溉机200围绕枢转点(未示出)运动。地面穿透雷达220安装在轮210之间，从而在由轮210形成的车辙(未示出)内扫描地面。车辙没有栽培的植物。因此，获得的地面扫描数据不会因特定农田上种植的植物而失真。
76.现在参考图2b，其是安装在中心枢纽灌溉机210上的定向地面穿透雷达的总体图，该枢纽灌溉机210可在轮230上枢转地运动。数字240指代定向多频带gpr。通过竖直臂250可以在竖直方向上调节gpr 240的位置，所述竖直臂250配置成用于改变gpr 240在地面上的高度；以及通过水平臂250可以在水平方向上调节，所述水平臂250配置成用于改变洒水器之前的测量距离。摄像机260配置成用于相对于作物的gpr位置的实时视觉控制。
77.gpr 230包括：(a)天线(未示出)，其配置成用于辐射和接收所需波长的辐射(在这种情况下为20-2000mhz和20-1000khz)；(b)发射/接收装置，其配置成用于发射所需波长的电信号并从地面接收响应；以及(c)计算装置，其用于管理发射/接收和存储测量数据。gpr的操作可以按以下顺序进行：
78.·
sol(短路，开路负载)仪器校准；
79.·
在gpr的视场中没有任何对象的全频率跨度扫描，以获得系统噪声水平；以及
80.·
对所需对象进行全频率跨度扫描。
81.·
根据本发明的一个实施例，通过以下方式执行测得的gpr数据的数据处理：
82.·
将两次扫描都转换为时域信号；
83.·
从对象扫描数据中减去无对象扫描数据，以消除任何系统噪声；
84.·
将结果与理想时域传输信号互相关，以便定位最突出的反射。
85.·
将带通滤波器应用于围绕最突出反射的时间窗口，以计算不同频带的响应。
86.然后使用不同频带的响应来确定土壤含水量曲线。
87.根据本发明的一个实施例，中心枢纽灌溉机配备有能够发射至少一束窄束和一束宽束的gpr。计算装置配置为，基于使用窄束和使用宽束时接收到的信号的不同，获得通过高大作物的土壤水分含量。
88.可以通过接触和断开多弯天线阵列中的天线部件来控制束宽度(例如，图14a中的4个部件1430 1432 1433 1435的阵列发射窄束，而图l4a中的2个部件1433 1435发射宽束)。
89.配备有gpr和摄像机(260)的枢纽将能够实现这样的分析方法：基于用于对gpr扫描的段进行分类的图像处理，通过高大作物获得土壤水分含量。
90.将gpr安装在可调节的竖直臂(240)上，以确定高出地面高度，以及安装在可调节
的水平臂(250)上，以确定洒水器之前的测量距离，使得在灌溉的同时能够获得土壤水分含量。
91.配备有gpr的枢纽和预检扫描方法：
92.·
用于获得土壤水分含量，
93.·
用于获得每段的实际干燥曲线，
94.·
用于获得每段的实际fc，
95.·
通过在所需时间段在一个位置保持静态来获得实际的干燥曲线和/或fc和水含量。
96.配备有gpr的枢纽使用宽/窄束方法和/或利用之前描述为通过高大作物测量土壤水分含量的方法的gpr和摄像机方法来扫描和分析作物干燥度，所述配备有gpr的枢纽也可以用作这样的工具：简单地将通过作物测量时接收到的值减去土壤水分含量的值，从而评估作物干燥度或作物的水分水平。
97.现在参考图3a，其示出精确计算田间持水量和盐度的方法300的流程图。通过电磁扫描获得的数据(步骤310)用于计算土壤类型和容积密度(步骤320)，然后计算体积水含量(步骤330)。在步骤340，将所获得的体积水含量的值与阈值t进行比较(步骤340)。如果体积水含量的值大于阈值t，则进行更详细的扫描。具体地，扫描被限制为2小时切片(步骤350)。在步骤360往复地扫描特征为体积水含量＞t的位置。基于所获得的详细扫描数据，绘制34天的干燥曲线(步骤370)。然后，计算更新的土壤类型和容积密度值(步骤380)。最后，获得田间持水量和盐度(步骤390)。
98.现在参考图3b，其是用于计算估计水分胁迫的流程图，所述估计水分胁迫是在特定切片中的枢纽的两次访问之间产生的。在步骤1500，执行每切片灌溉规划的获取。在这之后，进行每切片的水重吸的获取(步骤1510)。在步骤1530，计算每个切片内的“下次访问”时的作物可用水。在步骤1540处显示所计算的作物可用水数据。
99.现在参考图3c，其为7天的曲线图，其显示通过gpr测得的每天(3380)的土壤含水量。配备有gpr的枢纽通过在所需的时间段内在一个位置处保持静态(gpr充当静态土壤传感器)来获得实际干燥曲线和田间持水量(fc)，从而扫描和分析田间土壤的变化性。所描述的方法的优势在于，在淡季、发芽之前、生长期早期和等待降雨事件时，使田间在田间持水量之上，而不是等待，直到土壤水分含量变为静态(取决于土壤类型通常为3天)(3385)，在此静态条件下的值被认为是fc(3390)，然后空运行枢纽以扫描田间中不同位置的fc值，如果土壤是均质的，则预计会接收到相似的值，如果土壤是非均质的，则预计会接收到变化的值。
100.根据本发明的一个实施例，在由平行于地面定向的天线1450产生的gpr束1480中测量作物1460的水分值(参见图14b)。
101.现在参考图4a，其示意性地示出了参考区域，所述参考区域用于确定用作生物标记物的种植作物。图4a示出典型地用于作物的斜摆枢纽灌溉系统的圆形农田800，其包括由生物标记物植物820形成的同心布置的环，所述生物标记物植物820具有更高敏感性，更快地响应具有已知的光谱特性的特定胁迫情况。生物标记物植物可以用作参考对象，以便在商品作物上开始显示胁迫之前很早就预警胁迫。
102.现在参考图4b，其示意性地示出插入到土壤中特定地下深度内的反射表面构件
840。作为反射器的参考区域，可以用作用于gpr校准的参考对象。
103.现在参考图5，其示出用于自动管理多个中心枢纽灌溉机的系统的示意图。该系统包括以下四个部分：(1)基于云的服务器；(2)配置为控制中心枢纽灌溉机的多个终端装置；(3)在农田上设置多个外部土壤和植物传感器；以及(4)用户装置，使用户能够与服务器和终端装置进行通信。
104.基于云的服务器包括分析单元和控制单元。分析单元被配置为基于大数据和深度学习技术来分析数据。分析中考虑实时气象数据和预报。分析是基于美国农业部门的规定进行的。以示例性方式，分析单元被配置成用于识别指示特定植物病害的图像模式。
105.控制单元被配置为，基于所获得的分析来创建灌溉计划和作物保护程序。控制单元将命令发送到终端装置。该命令被引导为控制终端装置，从而致动中心枢纽灌溉机的施肥阀。
106.多个终端装置附接到中心枢纽灌溉机。每个终端装置还包括：地面穿透雷达，图像传感器，天气传感器，gps传感器，收集单元，转发器和致动器。
107.地面穿透雷达获得体积水含量数据，所述体积水含量数据与由所述多个中心枢纽灌溉机处理的农田有关。图像传感器捕获中心枢纽灌溉机下方农田的图像。天气传感器测量周围天气的实时参数，诸如温度，相对湿度和风速。收集单元询问来自所述地面穿透雷达、图像传感器、天气传感器和gps传感器的数据。转发器将收集的数据发送到基于云的服务器，并从其接收控制命令。致动器基于所述控制命令来控制所述中心枢纽灌溉机。
108.外部传感器设置在地面种植的植物上，并将数据提供给基于云的服务器。
109.用户装置以图形和数字形式显示作物状况，并将用户命令发送到所述基于云的服务器。
110.现在参考图6，图6是用于将数据转换成自主灌溉、施肥和作物保护规划的工作流程图。
111.现在参考图7，图7是指示自主喷洒的自主迹象的示意图。
112.现在参考图8a，图8a是显示每个切片的水分胁迫状况的ui图示；
113.现在参考图8b，图8b是显示氮胁迫状况的ui图示。
114.现在参考图9，图9是自主社交作物保护的示意图。枢纽发现疾病状况并警告其邻居。
115.现在参考图10，图10是将数据转变为逐年自适应学习的工作流程图，其基于一年的产量图1200与一年的历史多层胁迫图1100的相关性，提供自适应学习结论1120的多年数据。
116.现在参考图11a，其示出具有完全生长的作物的田地的照片，作物高约2.5米。图11a示出使用诸如由tan等人所公开的地面穿透雷达(gpr)测量土壤含量数据的现有方法的缺点和缺陷，其中gpr天线安装在中心枢纽灌溉机的枢转臂上，在与用于捕获图11a中所示的照片的摄像机的位置相对应的位置处。天线以广角对准地面，例如在约60度等。
117.如图11a中示例性所示，现有技术方法的第一个明显的缺陷是没有到地面直接的清晰的视线(los)。相反，由安装在枢转臂上的天线发射的脉冲波在其到达地面的途中可能会撞击到数量不等的作物上，从而导致与土壤含量无关的测量不一致性。第二个明显的缺陷是，在使用由直线的植物行组成的传统种植模式的情况下，则枢转臂在行进时可能会横
跨这些行。类似地，这可能导致与土壤含量无关的测量变化，因为天线覆盖区中作物行的位置不断变化。
118.由所公开的主题所解决的一个技术问题是，在一般条件下对田间环境中的土壤含量进行近地面远程测量，所述一般条件包括但不限于其中作物掩盖土壤、高大而密集，从而使得常规方法和先前存在的方法对于上述目的是无效的情况。
119.由所公开的主题所解决的另一技术问题是避免或减轻与土壤含量无关的测量变化，当使用位于植物冠层上方的数据感测装置执行测量时会出现所述与土壤含量无关的测量变化，和/或所述与土壤含量无关的测量变化是由传感器覆盖区内作物行的位置的持续变化所导致的，例如在传感器沿着和横跨田间环境(尤其在其中采用直线的传统种植模式的情况下)行进时。另一方面，在采用附加装置的情况下，诸如在植物冠层下方的高度处容纳天线的吊臂，吊臂可能会不断横跨作物行，并且天线和作物都可能因此受损。
120.由所公开的主题所解决的又一个技术问题是，在田间环境中测量种植的作物的含量数据，诸如像水分含量等。确定植物关键成分的含量，特别是水含量，分辨率高达甚至单个植物，也可能在各种应用中发挥作用，从创建治疗规划到异常检测(例如，在植物病害全面传播到整个区之前对植物病害的早期发现有用)再到使用诸如数据挖掘、机器学习、人工智能、大数据操纵等技术，基于历史和当前信息分析，相应地提供更详尽的模式识别和预报。
121.一种技术解决方案是提供至少两个数据感测装置，诸如雷达天线等，其以阵列布置部署并且被配置成每个用于实现不同的功能。阵列布置中的第一数据感测装置可以被配置成用于测量数据，基于该数据可以检测至少一对相邻植物行的位置。阵列布置中的第二数据感测装置可以被配置成用于测量土壤含量数据，诸如土壤水分含量等。基于如通过由第一数据感测装置测量的数据确定的相邻植物行对的位置，可以相对于植物行的一个或多个位置在田间环境中指导第二数据感测装置的空间定位和平移，使由第二数据感测装置获得的测量结果不会受到植物或植物部分的干扰。换言之，第一数据感测装置提供检测邻近给定植物行的未种植空间的功能，以及第二数据感测装置提供以有效方式测量土壤含量数据的功能，这尤其是通过以下方式实现的：将第二数据感测装置定位在所述未种植空间中，从而提供到地面的直接视线(los)。
122.在一些示例性实施例中，第一数据感测装置可以相对于作物行定位，以便在宽视场(fov)下获得数据。为了清楚起见且不失一般性，在本公开的上下文中，术语“视场(fov)”，“视角”或简单地“角度”可以互换使用，并且是指一方面从数据感测装置的位置到地面的垂直线与另一方面所述数据感测装置的焦点中心指向地面的方向之间的角度。因此，宽的fov可以指的是在约45度至约75度等范围内的角度，而窄的fov可以指的是在约0度至约20度等范围内的角度。
123.在一些示例性实施例中，第二数据感测装置可以相对于作物行定位，以便以窄的fov获得数据。附加地或可替代地，第二数据感测装置可以相对于作物行定位，使得由此执行测量的地点被包括在一对相邻行之间的未种植的空间中。附加地或替代地，第二数据感测装置可以相对于作物行定位，从而提供到地面的直接视线(los)，例如，第二数据感测装置可以位于作物行的冠层之下。作为说明性示例，在大豆或作物的情况下，当其完全生长时，可以升高到地面上方约2.5米等的高度，诸如图11a中描绘的那些作物，第二数据感测装
置可以定位在地面上方约一米的高度处。
124.在一些示例性实施例中，第一数据感测装置、第二数据感测装置或两个数据感测装置可以是发射电磁辐射的装置，诸如雷达天线，光定向和测距(lidar)传感器等。在本公开的上下文中，可以以与术语fov，角度等类似的含义来使用术语“束”，并且是指目标区域暴露于所述数据感测装置的传输信号的程度。例如，宽束可以被认为是宽fov的同义词，窄束可以被认为是窄fov或窄角度的同义词，依此类推。
125.在一些示例性实施例中，第一数据感测装置可以由第一支撑构件容纳，以便将第一数据感测装置保持在期望的位置和/或取向下，从而获得期望的预定fov。类似地，第二数据感测装置可以由第二支撑构件容纳，以便将第二数据感测装置保持在用于获得期望的预定fov的位置和/或取向下，该期望的预定fov可选地不同于与第一数据感测装置相关联的fov。在一些示例性实施例中，第一支撑构件和第二支撑构件可以在单个物理结构中集成在一起。替代地，第一和第二支撑构件可以是两个分离的独立单元。
126.在一些示例性实施例中，容纳第二数据感测装置的第二支撑构件可以联接至空间平移机构，该空间平移机构被配置为使得第二支撑构件在田间环境内移动。在一些其他示例性实施例中，空间平移机构可以被配置为平移第二数据感测装置，由此获得测量值，从而沿着与给定的植物行相邻的未种植空间并在所述未种植空间内追踪轨迹，基于所述第一数据感测装置测得的数据来确定所述与给定的植物行相邻的未种植空间的位置，如本文所公开的那样。
127.在一些示例性实施例中，中心枢纽灌溉系统可以部署在田间环境中，诸如图11a中捕获的田间环境。中心枢纽灌溉器的枢转臂可以用作所述第一支撑构件的角色。附加臂，也称为“吊臂”，可以联接到枢转臂并用作所述第二支撑构件的角色。附加臂可以可选地是包括至少两个节段的铰接臂，其中第一节段位于枢转臂的近侧并沿基本平行于地面的方向水平地延伸，以及第二节段位于枢转臂的远侧并在朝向地面并基本正交于地面的竖直方向上定位。
128.在一些示例性实施例中，可以提供用于成像或位置数据收集的附加的第三数据感测装置，以允许在田间环境中精确定位数据测量或样本源自的位置。用作第三数据感测装置的成像传感器可以是数字摄像机，例如电荷耦合器件(ccd)、互补金属氧化物半导体(cmos)或类似的传感器摄像机，飞行时间(tof)摄像机，声学成像传感器(诸如超声装置)等。用作所述第三数据感测装置的位置传感器可以是例如全球定位系统(gps)传感器，近场通信(nfc)传感器，射频识别(rfid)传感器等。
129.另一种技术方案是采用圆形种植模式，其中将植物成行成圆形地种植。如此形成的多个植物行的圆可以是同心的并且具有连续增加的半径。圆可以从彼此间隔开恒定的距离，类似于传统线性种植模式中的作物行之间的间隔。在一些示例性实施例中，可以采用中心枢纽灌溉系统，其中枢转跨度可以用来限定多个植物行圆中的最外圆的半径，或者其上的上边界。
130.又一技术解决方案是执行由在功能上从彼此不同的两个或多个感测装置测得的含量数据的合成，其中两个或多个感测装置中的第一感测装置的覆盖区包括作物行的一部分和未种植土壤区域的相邻部分，其中两个或多个感测装置中的第二感测装置的覆盖区包括未种植土壤区域的所述相邻部分，从而通过关联并减去基本上并列、重叠和可选地同时
获得的含量数据测量值，可以确定所述作物行部分的相应含量数据。
131.在一些示例性实施例中，第一数据感测装置可以是宽的fov传感器，并且第二数据感测装置可以是窄的fov传感器，其中第一感测装置和第二感测装置分别以阵列布置定位并且每个以相应的取向指向地面，使得对于由此获得的每对瞬时样本，每个样本由第一数据感测装置捕获的每个田间区域部分包含每个样本由第二数据感测装置捕获的田间区域部分。
132.在一些示例性实施例中，第一数据感测装置和第二数据感测装置可以安装在中心枢纽灌溉系统上，如本文所公开的那样。在一些其他示例性实施例中，中心枢纽灌溉系统可以被部署在具有作物行的线状种植模式的田间环境中。中心枢纽灌溉系统可以围绕其中心轴线以旋转运动来驱动，由此枢转臂在围绕中心点的每个完整的循环中扫掠田间环境的盘状区域。由第一和第二数据感测装置获得的数据测量值或样本可以包括在田间环境的扇区或弧形区域内获得的数据，其中相对于平行或相切于所述行的线方向，以不同的角度，由第一和第二数据感测装置横越的相应轨迹交替地横跨种植的作物行和它们之间或它们旁边的未种植的地面区域。结果，在获得样品的期间，根据多个种植作物所形成的直线以及枢转臂临时或常规去向中的枢转臂的姿势之间的相对取向或夹角，可以获得的一个或多个区域的连续测量或样本组之间的交替的速率或频率，其分别对应于相邻植物行和与之相邻或在其之间的裸露土壤。
133.在一些示例性实施例中，可以分析第一数据集，以确定第一数据集中的作物/土壤来源样本之间的瞬时交替频率，所述第一数据集包括由具有宽的fov的第一感测装置获得的样本。然后这样确定的瞬时频率可以用于在第二数据集中识别或区分作物/土壤来源样本，所述第二数据集由具有窄fov的第二感测装置获得，其中基本上在相同的时间和地点(也即，在田地环境中的相同扇区或弧形区域内)获得第一和第二数据集。一旦将第二数据集中的样本分类为源自作物或土壤的测量值，通过从测得的所述作物部分或植物的含量值(如第二数据集中记录的那样)中减去测得的土壤部分的含量值，可以确定作物部分，或甚至特定植物或植物组的含量值。
134.利用所公开主题的一种技术效果是提供一种方案，其用于在高大且密集的作物田地中使用gpr装置测量土壤含量，这在之前未能成功实现。
135.利用所公开主题的另一技术效果是，当位于植物冠层上方时，例如当安装在中心枢纽灌溉系统的枢转臂上时，克服了gpr装置可能遇到的粗糙的土壤表面误差，如先前方法所提出的。
136.利用所公开主题的另一技术效果是，通过相对靠近地面并使用窄束的装置来提供改进的受控感测环境，从而能够隔离可能受到作物影响的读数，并且允许获得基本无噪声的地面读数。
137.利用所公开主题的又一技术效果是，获得区域或扇区(例如，环等，诸如当在灌溉枢纽下的田地中使用时)的密集的、体积的土壤含量测量值，例如体积水含量(vwc)或任何类似的物理量，而不是诸如使用地下土壤传感器时可能获得的一些特定的测量值。
138.所公开的主题可以提供对任何现有技术以及本领域中以前已成为惯例或常规技术的一种或多种技术改进。考虑到本公开，其他技术问题、解决方案和效果对于本领域普通技术人员而言可能是显而易见的。
139.现在参考图11b，其示出了根据所公开主题的一些示例性实施例的田间环境的示意图，在所述田间环境中可以利用所公开的主题。
140.图11b示意性地示出包括多种植物的田间环境，所述多种植物诸如植物101，植物103和植物105，所述多种植物以圆形种植模式被种植。圆形种植模式包括多个行状元素，诸如行112和行113。每个行状元素包括多个植物，它们以彼此之间基本等距的空间并排种植。每个行状元素形成为圆形的几何形状，与多个行状元素相对应的圆形形状基本同心，并且半径依次增大，诸如圆1、对应于行112的圆2，对应于行113的圆3，和圆4。在每个行状元素中可以种植多个植物，以使每个植物的中心(即其中心轴线在地面水平上的投影)基本上位于相应的圆状形状上，如图11b中示例性所示。多个行状元素可以从彼此隔开预定距离，例如约80厘米，如图11b所示。
141.在一些示例性实施例中，并且如图11b中所示，多个植物可以具有基本均匀的尺寸，例如，总宽度或水平直径约为40厘米，包括植物叶子或从茎或中心核心延伸出的类似的冠层部分，在每个方向上的长度最多为约20厘米，以使两个暴露于任何作物或作物部分的相邻植物行之间的土壤部分具有预定宽度，例如为约40厘米，并且一对相邻植物行的总直径具有预定长度，例如约100厘米。
142.现在参考图12a-图12e，其分别示出根据所公开主题的一些示例性实施例的用于测量田间含量数据的装置的示意图。为了便于理解所公开的主题，用于测量田间含量数据的装置的示意图在图12a中以立体图示出，在图12b中以俯视图示出，而在图12c中以侧视图示出。类似地，根据所公开主题的一些示例性实施例的装置的示意图在图12d中以俯视图示出，并且在图12e中以立体图示出，所述装置部署为相对于包括以圆形种植模式种植的作物行的田间环境进行操作。
143.如图12a至图12e中所示，装置200可以包括相对于彼此布置成阵列布置的至少两个感测装置，诸如天线204和天线208。装置200可以包括：第一支撑构件，诸如枢转臂212，其被配置为在相对于田间环境的第一期望位置处容纳天线204；以及第二支撑构件，诸如吊臂230，其被配置为在相对于田间环境的第二期望位置处容纳天线208。在一些示例性实施例中，枢转臂212可以安装在包括一个或多个轮式塔架，诸如塔架216和塔架220，的基础框架上。吊臂230可以通过可拆卸的附接装置、不可拆卸的附接装置连接至枢转臂212，或与其一体地形成为单个整体单元。吊臂230可以是铰接的臂，诸如图12a至图12e中所示。
144.如图12a至图12e中进一步所示，天线204可以被配置为提供宽视场(fov)254，以使得fov 254包围在田间环境中种植的至少两行作物，类似于如图11b中所示，其中在两个相邻行的作物的最边缘之间的最大距离可以是第一预定长度，例如约100厘米。相比之下，天线208可以被配置为提供窄视野(fov)258，以使得fov 258包围两行相邻的作物之间的未种植空间，如图1b中所示，其中两个相邻行处的作物的最边缘之间的最小距离可以具有第二预定长度，例如约40厘米，所述第二预定长度被第一预定长度包围。
145.现在参考图13a，其示出根据所公开主题的一些示例性实施例的用于测量田间含量数据的方法的流程图。图13a中所示的方法300可以在包括多个植物的田间环境中实施，所述多个植物以这样种植模式布置：其包括彼此间隔开至少预定距离的多个行状元素，使得对于每个行状元素，可沿其形成至少一个相邻的未种植空间。
146.在步骤310，可以获得第一测量数据集。可以使用第一数据感测装置(诸如图l2a至
图l2c的天线204)获得第一测量数据集，第一数据感测装置被配置成用于获得包括在第一视场(fov)(诸如图l2a至图l2c的fov254)中的第一类型的测量数据集。第一数据感测装置可以由第一支撑构件容纳在相对于田间环境的地面水平的第一高度处的位置中，方法300在此执行。可以基于第一阈值来确定第一高度，该第一阈值例如可以基于田间环境中种植的作物的最大高度等。
147.在步骤320，可以确定多个行状元素中的至少第一行状元素的位置以及与该第一行状元素相对应的第一相邻未种植空间的位置。可以基于对第一测量数据集的数据分析来确定第一行状元素和与之对应的第一相邻未种植空间的位置。
148.在步骤330，可以获得第二测量数据集。可以使用第二数据感测装置(诸如图l2a至图l2c的天线208)获得第二测量数据集，第二数据感测装被配置成用于获得包括在第二视场(fov)(诸如图l2a至图l2c的fov 258)中的第二类型的测量数据集。第二数据感测装置可以由第二支撑构件容纳在相对于地面水平处于第二高度处的位置中，所述第二高度是基于第二阈值确定的，该第二阈值例如可以基于作物冠层的最小高度、在田间环境中部署的一系列洒水器、前者和后者的组合等。
149.在一些示例性实施例中，在沿着纵向横穿第一相邻未种植空间的轨迹在空间上平移第二数据感测装置时，可以获得第二测量数据集。可以响应于控制命令来实现空间平移，该控制命令可以基于所确定的第一相邻未种植空间的位置来输出。
150.现在参考图13b，其示出根据所公开主题的一些示例性实施例的用于测量土壤含量数据的方法的流程图。根据所公开的主题，图13b中所示的方法300'可以在这样的情况下使用：在田间环境中作物的模式种植是线性而不是圆形的，即，多个行状元素为直线的形式。中心枢纽灌溉可以部署在田间环境中，并用作容纳以不同功能配置(宽覆盖区和窄覆盖区)的传感装置阵列的基础框架。
151.在步骤340，可以获得与第一测量数据集(例如，在图13a的步骤310上获得的第一测量数据集)相关联的第一正弦波模式。
152.在步骤350，可以获得与第二测量数据集(例如，在图13a的步骤320上获得的第二测量数据集)相关联的第二正弦波模式。
153.在步骤360，可以基于第一正弦波模式来确定临时频率。临时频率可以被认为对应于临时角，所述临时角在枢转灌溉系统的枢转臂与枢转臂在田间环境中循环行进时穿过的至少一个作物行之间，使得安装在其上的感测装置的阵列可以根据变化的临时角度来以变化的不同速率捕获作物行和/或作物行之间的未种植空间的测量值。
154.将由本领域技术人员认识到的是，具有宽fov的第一感测装置可以获得平均一个或两个作物行和它们之间或它们旁边的裸露地面的测量值，并且因此导致相对较浅的正弦波模式，其具有缓慢变化的频率。相比之下，在相同的频率，具有窄fov的第二感测装置可以获得平均零或一行具有相邻或周围的未种植空间的作物行的测量值。由于作物的性质(即结构，水含量等)和土壤(例如表面，质地，组成等)的特性可能不同，因此这种测量可能是有噪声的。因此，找到测量的瞬时频率对于克服这种多样性可能非常重要。窄fov测量值可能会带来更大的噪音，但可以提供土壤仅区域以及主要由作物行组成的区域的单一准确读数。相比之下，期望宽的fov测量值噪声较小，并为频率提取提供更好的读数。
155.在步骤370，基于在步骤360确定的临时频率和在步骤350获得的第二正弦波模式，
在第二测量数据集中可以将表现出与临时频率匹配的频率的测量值进行隔离。在一些示例性实施例中，通过在频域中使第一和第二正弦波模式相关并且应用适当的带通滤波器，可以执行频率匹配。与其余的测量相比，期望那些适合临时频率的窄fov测量可能更加准确，其中，最小值可能被期望代表纯土壤含量数据，而最大值则代表作物行测量。