用于车辆导航的农作物属性图输入

1.一种控制收割机收割田地中的农作物的方法，该方法包括：
a)提供场地具体信息，所述具体信息包括田地的海拔信息和田地的多光谱图像，且所述具体信息与农作物的一种或多种属性相关；
b)把所述场地具体信息输入一处理器；
c)利用所述场地具体信息和在除不同农作物属性水平地带之间的转换区内的取样点之外的取样点采取的样本为至少一种农作物属性提供评估的农作物属性水平的属性图，所述的农作物属性水平包括农作物的蛋白质水平、淀粉水平、油水平、糖含量或湿度水平；及d)在收割过程中利用所述属性图控制收割机，以驾驶收割机并按照基于所述田地的海拔信息和所述田地的多光谱图像的所述评估的农作物属性水平分离收割的农作物。
2.根据权利要求1所述的方法，其特征在于：还包括提供基于所述属性图的优选的驾驶路线的步骤，所述控制收割机的步骤包括依照所述优选的驾驶路线驾驶收割机。
3.根据权利要求1所述的方法，其特征在于：所述场地具体信息包括以下的一个或多个：先前的农作物产量；估计的农作物产量；及环境因素。
4.根据权利要求1所述的方法，其特征在于：所述控制收割机的步骤包括将已收割的农作物送入选定的储存区，其中所述储存区的选定是根据评估的农作物属性水平。
5.根据权利要求1所述的方法，其特征在于：所述的提供属性图的步骤包括确定具有相似场地具体特征的地带，并在所述地带的基本同质区域内产生取样点。
6.根据权利要求5所述的方法，其特征在于：所述的提供属性图的步骤还包括分析来自取样点的样本，其中通过计算地带的斜度确定所述的转换区，所述斜度＝地带变化/距离变化。
7.根据权利要求6所述的方法，其特征在于：还包括确定优选的收割路线的步骤，以使收割过程中农作物属性变率最小。
8.根据权利要求7所示的方法，其特征在于：所述的确定优选收割路线的步骤包括使收割时间最短，同时维持最小的农作物属性变率。
9.一种确定收割田地中农作物的可驾驶收割机的路线的方法，该方法包括：
a)提供与农作物属性相关的场地具体信息，所述场地具体信息包括田地的海拔信息和田地的多光谱图像；
b)把所述场地具体信息输入一处理器；
c)利用所述场地具体信息和在除不同农作物属性水平地带之间的转换区内的取样点之外的取样点采取的样本为至少一种农作物属性提供评估的农作物属性水平的属性图，所述的农作物属性水平包括农作物的蛋白质水平、淀粉水平、油水平、糖含量或湿度水平；及d)在收割过程中利用所述属性图驾驶收割机以按照基于所述田地的海拔信息和所述田地的多光谱图像的所述评估的农作物属性水平分离收割的农作物。
10.根据权利要求9所述的方法，其特征在于：所述的提供所述属性图的步骤包括提供田地的远程图像并将所述图像转换成相似特征地带。
11.根据权利要求9所述的方法，其特征在于：所述的提供场地具体信息的步骤包括在所述田地区域产生取样点并分析从该取样点选取的样本，其中分析样本得到的结果用来提供属性图。
12.根据权利要求11所述的方法，其特征在于：所述产生取样点的步骤包括从该田地的基本同质区域产生取样点。
13.根据权利要求10所述的方法，其特征在于：包括从所述地带区域内产生取样点并分析来自该取样点的样本的步骤，其中通过计算地带的斜度确定所述的转换区，所述斜度＝地带变化/距离变化。
14.根据权利要求13所述的方法，其特征在于：包括分配GPS位置信息给所述取样点的步骤。
15.根据权利要求9所述的方法，包括利用属性图提供优选的收割路线的步骤，其中所述的驾驶收割机的步骤包括沿着所述优选的路线驾驶收割机。
16.根据权利要求15所述的方法，其特征在于：所述的驾驶步骤包括基于所述优选的路线自动驾驶收割机。
17.根据权利要求15所述的方法，其特征在于：所述的提供优选的路线的步骤包括提供一路线，该路线使收割的农作物的属性变率及收割所述农作物的收割时间都最小。
18.根据权利要求9所述的方法，其特征在于，所述场地具体信息包括以下的一种或多种：先前的农作物产量；估计的农作物产量；及环境因素。
19.根据权利要求9所述的方法，其特征在于：所述可驾驶的收割机包括以下中的一个：联合收割机；棉花拾取器；干草打包机；葡萄收割器；及饲料收割设备。
20.一种为收割机分离收割产物的方法，该方法包括：
a)提供与该农作物的属性相关的场地具体信息，所述场地具体信息包括田地的海拔信息和田地的多光谱图像；
b)利用所述场地具体信息和在除不同农作物属性水平地带之间的转换区内的取样点之外的取样点采取的样本为至少一种农作物属性提供评估的农作物属性水平的属性图，所述的农作物属性水平包括农作物的蛋白质水平、淀粉水平、油水平、糖含量或湿度水平；及c)在农作物的收割过程中，利用所述属性图控制收割机以依照评估的农作物属性水平分离收割的农作物，所述控制步骤包括依照基于所述田地的海拔信息和所述田地的多光谱图像的所述农作物的属性驾驶收割机。
21.根据权利要求20所述的方法，其特征在于：所述的控制收割机的步骤还包括将收割的产物输送至选定的储存区，其中所述储存区的选择是根据评估的农作物属性。
22.根据权利要求21所述的方法，其特征在于，所述的输送收割的产物至选定的储存区的步骤包括将收割的产物输送至以下的一个或多个：收割机上的多个储存区中的一个、用于从田地拖运农作物的运输卡车、两个或多个打包室中的一个、收割机上的产品容器、邻近收割机的产品容器、及农作物卸出拖运装置，其即时接收所述收割机穿过田地行驶时卸出的农作物。
23.根据权利要求20所述的方法，其特征在于：所述的控制收割机的步骤包括利用属性图驾驶收割机以使收割的农作物的属性差异最小。
24.根据权利要求23所述的方法，其特征在于：所述的驾驶步骤包括利用属性图确定优选的收割路线，并沿所述优选的路线自动驾驶收割机。
25.一种为收割机分离收割的产物的方法，该方法包括：
a)提供与该农作物属性相关的场地具体信息，所述场地具体信息包括田地的海拔信息和田地的多光谱图像；
b)由所述场地具体信息确定相似特征的地带；
c)在特征相似的地带内确定取样位置；
d)在除不同农作物属性水平地带之间的转换区内的取样位置之外的多个确定的取样位置取属性样本；
e)利用所述场地具体信息和属性样本为至少一种农作物属性提供评估的农作物属性水平的属性图，所述的农作物属性水平包括农作物的蛋白质水平、淀粉水平、油水平、糖含量或湿度水平；及
利用属性图控制收割机以依照基于所述田地的海拔信息和所述田地的多光谱图像的所述评估的农作物属性水平分离收割的农作物。
26.根据权利要求25所述的方法，还包括为来自选取的取样点的所述农作物属性确定转换区的步骤，并在转换区以外取样以使农作物属性的突然转变最小。
27.根据权利要求26所述的方法，其特征在于：所述的确定转换区的步骤包括隔离转换区内的象素，并将所述象素排除在农作物取样点外。
28.根据权利要求27所述的方法，其特征在于：所述隔离象素的步骤包括确定地带随距离的变化的比率。
29.根据权利要求26所述的方法，其特征在于：包括识别同质地块的相似地带内的象素的步骤。
30.根据权利要求25所述的方法，其特征在于：包括确定所述分离的收割农作物的所述属性的均值和/或方差的步骤。
31.根据权利要求25所述的方法，其特征在于：包括确定所述分离的收割农作物的所述属性的均值和/或方差的步骤，该步骤包括利用收割机上的取样器。

用于车辆导航的农作物属性图输入 \n技术领域\n[0001] 本发明总体上涉及智能农作物收割，尤其涉及基于一个或多个农作物属性的农作物收割机或类似机械的导航辅助。 \n背景技术\n[0002] 大多数现有的用于收获农作物的方法包括简单的从一端收割到另一端再往返的步骤，而没有机会根据农作物属性值对农作物进行有效分离以使农作物的市场价格和产量最大化。虽然现在出现了机载农作物监视器，用来对指定的谷物样本内已收割的谷物进行取样并且估计所有已收获谷物的属性水平，但是大多只是提供储存区内成批的农作物属性的范围或其差异，没有按照属性对农作物进行分离。另外，自动取样系统一般没有好的方法来确定要进行取样的区域。 \n[0003] 为了按照属性值水平来分离农作物作了很多尝试，包括对田地地形布局的研究，如研究田地地形的斜度、海拔、轮廓，并把农作物田地分成不同的区域。有人建议将大豆种植田地按照蛋白质含量分成不同的区域，例如，在丘陵生长的大豆比在其它田地生长的大豆要早熟几个周，因此农民会在田地里选择那些成熟的大豆进行收割。大多数的分离方法建立在收割的操作者对田地和农作物状况的直接观察及对潜在价值的主观判断的基础上。 [0004] 以前收割时对所需农作物属性水平做预先判断，由于影响农作物质量的因素是各种各样的，以这种方式来判断现在的农作物通常效率低下。因此，还没有一种能让人完全满意的方法来定位所需属性的农作物区域边界并以高效和用户友好的方式提供信息，以帮助操作员收割和分离农作物或为实现上述目的提供输入给自动收割机导航系统。 [0005] 有多种方法被用于对导航车辆，包括基于所经过区域的地形因素的工作路线选择，以使能量消耗最小化。例如，美国专利号6,728,607中公开了此类方法。 另一些工作路线计划方法考虑了包括优化收割机穿行路径、最小化工作时间、优化收割机卸载操作等等，例如美国专利号6,128,574所示例。然而，一种用于建立任务计划以帮助根据属性分离农作物的可靠且用户友好的方法是必需的。 \n[0006] 美国专利号5,957,304中公开了一种在收割过程时分离农作物的方法，包括根据机械位置和收割指令图操作转向器的步骤。这种转向方法通常把分离的农作物批数限制在收割机设置的储存区或储存斗数量之内。因此当依照农作物属性分离出的农作物批数多于储存区的数量时就会出现困难。将农作物按照其属性分离成多组或多批，并提供一种方便可靠的测量方法以测量其中一组或一批已收割农作物属性的均值与方差一直都是个难题。 发明内容\n[0007] 因此本发明的一个目的是提供一种按照农作物属性对已收割农作物分离的改进方法。进一步目的是提供一种克服上述大多数或全部问题的方法。 \n[0008] 本发明的另一个目的是提供一种改进的方法，用于建立农作物属性图，并根据此图按照农作物属性分离收割的农作物。进一步目的是提供一种改进方法，用于足够精确地为一组农作物建立均值与方差的绝对值以满足至少大多数市场和最终用户要求。 [0009] 根据本发明另一方面，与一个或多个农作物属性相关的地点具体信息被用来提供评估的农作物属性水平的属性图。然后在收割过程中依照已评估的农作物属性水平，利用属性图控制收割机以分离收割的农作物。在一个实施例中，给出了一个优选的基于属性图的驾驶路线，并且收割机可根据该优选的驾驶路线手动或自动驾驶。使用该任务计划方法有利于根据农作物属性图将农作物分离成多组或多批。在另一个实施例中，农作物可被输送到两个或多个与收割机相关联的储存区中的一个，送往的储存区是根据所评估的农作物属性水平选择的。通过与任务计划结合的换向，农作物可被依照属性分成多组或批，所分成的组或批的数量不受收割机储存区数目的限制。 \n[0010] 所述地点具体信息可包括诸如海拔、田地的多光谱图像、先前的或评估的农作物的产量以及环境因素。可以确定具有相似地点具体特征的地带，以在所述地带的大体同质的区域内产生取样点。根据GPS位置对取样点标记并被用于帮助产生评估农作物属性图。\n然后所述属性图可被用于计划任务以确定一个优选收割路线，使收割过程中农作物属性变率最小，同时将农作物属性变率控制在理想范围内并使收割时间最短。为已分离的收割农作物建立精确的平均值和/或方差，以满足市场和最终消费者需求。在一个实施例中，位于收割机上或储存区内的取样器被用来提供一组已收割农作物内的绝对农作物属性值和属性的变率。 \n[0011] 通过以下说明并参照附图和所附的权利要求，本发明的这些和其它目的、特征和优点将很容易被本领域技术人员所理解。 \n[0012] 附图说明\n[0013] 图1是表示配备收割机在一快田地上收割农作物并根据一个或多个农作物属性分离农作物的示意图； \n[0014] 图2是从地点具体田地信息提供任务计划的过程示意图； \n[0015] 图3是表示具有相似地带特征的较大同质区域间的转变区的象素图； [0016] 图4是利用农作物属性控制收割机的方法的流程图； \n[0017] 图5是利用用于评估的农作物属性的地点具体信息为收割机提供任务计划的系统的示意图。 \n[0018] 具体实施方式\n[0019] 参考图1，收割机10由前部驱动轮12和后部转向轮14支撑，在田地11上行使。\n前部的农作物去除机构18将农作物送到处理装置20，已收割的农作物被送入与收割机相关联的储存区22，诸如设置在收割机上的一个或多个料斗和/或农作物牵引设备或接收装置24，诸如随着收割机移动或定位在收割机一旁的卡车或货车。收割机10包括一常规GPS系统30或其它常规定位系统，以提供收割机位置信息。所示的收割机10还包括一个自动转向系统32，自动转向系统32由位于 收割机驾驶室的处理器34依照各种输入进行控制，所述输入包括GPS或其它定位信号、农作物边缘信号、区域边界、期望的收割线路等等。可选择地，可在驾驶室里展示一张地图，操作者可依照地图手动驾驶收割机10。只为说明目的，所述收割机10被表示成一具有收割台的联合收割机，用于收割诸如大豆、玉米或小麦等谷类，但是应当理解的是本发明也可以适用于许多其它类型收割机，包括但不限于棉花收割机、水果收割机、带有一个或多个打包室的棉花、干草打包机、以及用来收割具有不同属性的农作物的饲料设备。 \n[0020] 要收割的田地被分隔成若干具有相似农作物属性的地带(图2和3)。属性图可由一种或多种常规工具的结合制成，例如，遥感多光谱或其它成象、正视图层、以前收集的来自土壤和农作物传感器的土壤和农作物信息、估计的农作物产量、和/或由装备有传感器的地面车辆获得的图层。 \n[0021] 如图2和5所示的实施例，以40表示的包括层41、42和43的多层或感应图像被输入处理系统50(图5)，以产生位于相对大且大体同质的区域61、62、63、64和65内定向的取样点54的图或定位。分析取样点54的信息，可得到评估的农作物属性图70。农作物属性图70用来产生任务计划72，以根据一个或多个农作物属性分离收割的农作物。例如，所述农作物属性可以是蛋白质水平、淀粉水平、油水平、糖含量、湿度水平、可消化营养成分水平或任何其它有影响的农作物属性。如图2所示，任务计划包括单独收割各个区域72A、\n72B、72C和72D的农作物。对于成行农作物收割，所述任务计划指引收割机10与各区域内的行平行。对于不成行农作物收割，如小麦收割，则产生非平行路线以使燃料效率最大，运行距离最小，并且减少在地带边界的转向次数，以优化生产率。 \n[0022] 在图4的步骤81，可以得到描述田地的高分辨率的层。例如，层41可以是遥感多光谱图像，也可以是其它类型的远程图像。可选择地，所述层也可以利用配备有传感器的地面车辆获得的数据来绘制。所述多光谱实现的图像包含四个不同的图像，各代表相同区域的一不同的波段。所述波段包括绿、红、蓝和近红外 (NIR)。可选择地，或另外，也可以利用其它的层信息，如海拔或导电性。一旦得到了图像，利用现有软件包识别每一层中具有相似特征的地带。该软件通常利用诸如k-means的聚类算法把层41分成多个地带。可选择地，把图像的单个波段转化成为指数，例如常用的归一化植被指数(NDVI)，所述指数可以根据不同的农作物的生长形式而被分成多个地带。归一化植被指数用以下公式来进行计算： [0023] NDVI＝(NIR-red)/(NlR+red) \n[0024] 其中，NIR是来自图像的波段的近红外水平，red是红色水平。所述指数值的范围从-1到1，并通过将计算出的数值分为不同的范围以将指数分为不同的地带。例如，从-1到-0.9区域可以是一个地带，-0.9到-0.8间区域是另一个地带，-0.8到-0.7区域是第三个地带，依次类推。 \n[0025] 步骤81获得的地带表明在这些地带中所需属性存在差异，但没有将属性水平固定为一个绝对的数值。在接下来的步骤82中，从识别的地带61-65中选取几个点54，表示定向的农作物样本从该处选取。为了进一步加强此步，所选取的点应尽可能靠近田地的边缘，以尽可能避免在该田地上过多地行使。对样点54的进一步选择是为了使从地带到地带的突然转变最小。通过隔离位于转换地带内的象素点选择取样点以使突然转变最小化，通过计算地带的斜度确定转换地带： \n[0026] 斜度＝地带变化/距离变化 \n[0027] 然后排除这些象素点不作为取样点。接下的步骤是识别位于类似地带种类的同质土块内的象素。同时，取样位置至田地边缘的距离被最小化。 \n[0028] 在一些情况下，转换地带内的象素可能会跨越两个或三个地带(图3)。计算上述的斜度会表明在短距离内是否会有大的地带跨越。最小化所述地带突然转变的一个原因是必须选择大的同质区域的地带，而避免只有一个或二个象素宽度的地带。如果所述地带很窄，则GPS的误差可能足够导致所述样本从相邻地带选取而非选择所感兴趣地带。图3表示被分成101、102、103、104和105几个地带的一个区域，其中包括窄的转换区103t和104t，样本取自所述地带的较宽同质区 的位置54’，而不是取自转换区103t和104t。 [0029] 在第三步骤83(图4)中，取样点的位置和彩色地带信息被输入具有GPS功能或能够与GPS接收机通信的掌上电脑(PDA)、膝上型电脑、平板电脑或其它便携式计算机106。\n顾问107利用此信息导航至不同的点，诸如图2中所示的点54，并获得各点的农作物样本。\n顾问107利用手持计算机开始产生采样数。所述采样数与他当前位置的GPS坐标及从该位置选取的样本相关联。 \n[0030] 在步骤84中，在步骤83中采取的样本由常规分析工具108进行分析，以分配给所述样本所需属性的绝对值。样本可送至实验室进行分析，并将分析结果与取样点相关联。可选择地，在步骤83中可利用手持分析设备或其它在野外可操作的设备提供所需的数据。 [0031] 尽管来自区域72A-72D的每一区域的批次的估计均值与方差可以由组成所述批次的产量分布计算，但是此类估值可能不足够精确以满足市场要求和最终用户需求。在另一个实施例中，收割机10可包括位于储存区22内的自动谷物流取样器114。谷物选择性地流入取样装置，样本被送入一个带有条形码的容器或其它的装置116以提供给该批的农作物属性绝对值和/或提供农作物属性变率的精确评估。此外，可用类似的方式获得输入或输出储存区谷物的子样本以评估卡车或其它类似装置装运谷物的质量。近红外(NIR)装置可以立即提供评估以帮助操作者根据已确定的光谱特征和所需要的农作物属性的关系决定使用哪个拖运工具或储存室24。例如，农作物可按照蛋白质水平是否位于高、中或低范围进行分离。在收割过程中可以根据图2的图中的点54人工或自动对取样地点进行选择。\n取样地点也可以通过收割机10上的近红外传感器的读数确定。 \n[0032] 步骤85，在步骤84中获得的分析结果109和相应样本的取样位置被输入处理系统，该处理系统中已存入与所述田地的信息层。该数据用于在步骤85种绘制评估的属性图\n70。属性的测量值和构成每一层的象素值相关联。所产生的数据阵列被用于诸如多线性回归的统计方法。然后，将得出的回归方程应用于原始图像 层或多层以估算所有象素的属性值，获得具有与原始数据层或多层相同分辨率的估算的属性图。 \n[0033] 在步骤86中，用步骤85得到的属性图被用于制定一任务计划，该任务计划指示如何将所述田地再分成具有所需属性的相对同质区域。该任务计划如何制定取决于农作物及收割机如何驶过该农作物。如果农作物是小麦，收割机基本上可以任意路线行驶。如果农作物是成行农作物，如玉米，则收割机必须沿着平行于行的方向行驶以避免谷物损失。所述任务计划可被输入自动驾驶系统32，车辆就能自动操纵驶向田地的不同区域。可选择地，所述任务计划可通过在收割机的驾驶室内显示所述属性图并允许操作者决定如何导航来实现。 [0034] 上述任务计划也可以用于收割的农作物立即从收割机中卸下。例子包括干草包、棉花包或集装箱系统，此类收割机10依照任务计划驾驶来最小化各包或容器内的差异。当包装物或储存装置需要在面积相对较大的田地装运农作物时，这种任务计划的作用尤其明显。一种无线射频识别装置(RFID)或其它标记系统可以为包装物或储存器提供收割位置及农作物属性等信息，而任务计划更近一步的作用是减小各包或容器中农作物属性差异。 [0035] 在另一个实施例中，农作物被送往两个或多个与收割机相关联的储藏室中的一个，送往的储存区的选择取决于评估的农作物属性水平。例如，储藏室可以是两个或多个料斗或位于储存区22的室22a和22b或两个或多个农作物拖运装置24中的容器或区域24a和24b。通过利用结合任务计划的换向，农作物可按照较小的属性变化率被分为多个组或批，所述组或批的数量不受收割机储存区域数目的限制。 \n[0036] 如果存在具有不同属性的相对狭窄地带的农作物，如图1所示的120，换向器会将在此处收割的农作物送入22a和22b中之一，以维持其它料斗中的批次的期望的属性水平。\n这种转向会使得在用于收割机10的计划任务中更少的路线中断，而不增加在一批收割农作物内农作物属性差异。 \n[0037] 以上以优选的实施例对本发明进行了描述，然而应当理解的是，除了此处具体表示和描述的，本发明还可以其它不脱离本发明所附权利要保护范围的方式进行实施。