公开(公告)号：BR112022010842A2

公开(公告)日：2022-08-23

申请号：BR112022010842

申请日：2020-11-24

Applicant: BASF SE

Inventor： ARANZAZU BERECIARTUA-PEREZ ,  ARTZAI PICON RUIZ ,  JAVIER ROMERO RODRIGUEZ ,  JUAN MANUEL CONTRERAS GALLARDO ,  RAINER OBERST ,  HIKAL KHAIRY SHOHDY GAD ,  GERD KRAEMER ,  CHRISTIAN KLUKAS ,  TILL EGGERS ,  JONE ECHAZARRA HUGUET ,  RAMON NAVARRA-MESTRE

IPC: G06K9/00 ,  G06K9/62 ,  G06T7/00 ,  G06T7/10 ,  G06T7/11

Abstract: MÉTODO IMPLEMENTADO POR COMPUTADOR PARA DETERMINAR DANOS EM PLANTAS DE CULTURA, PRODUTO DE PROGRAMA DE COMPUTADOR E SISTEMAS DE COMPUTADOR. Um método implementado por computador, produto de programa de computador e sistema de computador (100) para determinar o impacto de herbicidas em plantas de cultura (11) em um campo agrícola (10). O sistema inclui uma interface (110) para receber uma imagem (20) com pelo menos uma planta de cultura representando uma situação do mundo real no campo agrícola (10) após a aplicação do herbicida. Um módulo de pré-processamento de imagem (120) redimensiona a imagem recebida (20) para uma imagem redimensionada (20a) correspondendo ao tamanho de uma camada de entrada de uma primeira rede neural totalmente convolucional (CNN1) referida como a primeira CNN. A primeira CNN é treinada para segmentar a imagem redimensionada (20a) em porções de cultura (11) e de não cultura (12, 13) e fornece uma primeira saída segmentada (20s1) indicando as porções de cultura (20c) da imagem redimensionada com pixels pertencentes a representações da cultura. Uma segunda rede neural totalmente convolucional (CNN2), referida como a segunda CNN, é treinada para segmentar as referidas porções de cultura em uma segunda saída segmentada (20s2) com uma ou mais sub-porções (20n, 20l) com cada sub-porção incluindo pixels associados a partes danificadas da planta de cultura mostrando um respectivo tipo de dano (11-1, 11-2). Um módulo de medição de dano (130) determina uma medida de dano (131) para a pelo menos uma planta de cultura para cada tipo de dano (11-1, 11-2) com base nas respectivas sub-porções da segunda saída segmentada (20s2) em relação à porção de cultura da primeira saída segmentada (20s1).

公开(公告)号：BR112022002385A2

公开(公告)日：2022-04-26

申请号：BR112022002385

申请日：2020-09-03

Applicant: BASF SE

Inventor： ARTZAI PICON RUIZ ,  KLUKAS CHRISTIAN ,  KRAEMER GERD ,  HIKAL KHAIRY SHOHDY GAD ,  JAVIER ROMERO RODRIGUEZ ,  JONE ECHAZARRA HUGUET ,  JUAN MANUEL CONTRERAS GALLARDO ,  MIGUEL GONZALEZ SAN EMETERIO ,  MIGUEL LINARES DE LA PUERTA ,  OBERST RAINER ,  NAVARRA-MESTRE RAMON ,  EGGERS TILL

IPC: A01M21/00

Abstract: métodos implementados por computador, produto de programa de computador e sistema de computador. um método implementado por computador, produto de programa de computador e sistema de computador (100) para identificar ervas daninhas em um campo agrícola usando uma rede neural convolucional de tarefa dupla (120) tendo uma topologia com um módulo intermediário (121) para executar uma tarefa de classificação sendo associada a uma primeira função de perda (lf1), e com um módulo de segmentação semântica (122) para executar uma tarefa de segmentação com uma segunda função de perda diferente (lf2). o módulo intermediário e o módulo de segmentação estão sendo treinados juntos, levando em consideração a primeira e a segunda função de perda (lf1, (lf2)). o sistema executa um método incluindo receber uma entrada de teste (91) compreendendo uma imagem mostrando plantas de cultivo de uma espécie de cultivo em um campo agrícola e mostrando plantas de ervas daninhas de uma ou mais espécies de ervas daninhas entre as referidas plantas de cultivo; prever a presença de uma ou mais espécies de ervas daninhas (11, 12, 13) presentes no respectivo ladrilho; emitir um mapa de características intermediárias correspondente para o módulo de segmentação como saída da tarefa de classificação; gerar uma máscara para cada classe de espécies de ervas daninhas como saída de segmentação da segunda tarefa, extraindo características em várias escalas e informações de contexto do mapa de características intermediárias e concatenando as informações extraídas para realizar a segmentação semântica; e gerar uma imagem final (92) indicando para cada pixel se ele pertence a uma determinada espécie de ervas daninhas e, em caso afirmativo, a qual espécie de ervas daninhas pertence.