No abstract

Robotic plant-specific spraying can reduce herbicide usage in agriculture while minimizing labor costs and maximizing yield. Weed detection is a crucial step in automated weeding. Currently, weed detection algorithms are always evaluated at the image level, using conventional image metrics. However, these metrics do not consider the full pipeline connecting image acquisition to the site-specific operation of the spraying nozzles, which is vital for an accurate evaluation of the system. Therefore, we propose a novel application-specific image-evaluation method, which analyses the weed detections on the plant level and in the light of the spraying decision made by the robot. In this paper, a spraying robot is evaluated on three levels: (1) On image-level, using conventional image metrics, (2) on application-level, using our novel application-specific image-evaluation method, and (3) on field level, in which the weed-detection algorithm is implemented on an autonomous spraying robot and tested in the field. On image level, our detection system achieved a recall of 57% and a precision of 84%, which is a lower performance than detection systems reported in literature. However, integrated on an autonomous volunteer-potato sprayer-system we outperformed the state-of-the-art, effectively controlling 96% of the weeds while terminating only 3% of the crops. Using the application-level evaluation, an accurate indication of the field performance of the weed-detection algorithm prior to the field test was given and the type of errors produced by the spraying system was correctly predicted.

Wageningen Livestock Research aanvaardt geen aansprakelijkheid voor eventuele schade voortvloeiend uit het gebruik van de resultaten van dit onderzoek of de toepassing van de adviezen. Alle rechten voorbehouden. Niets uit deze uitgave mag worden vermenigvuldigd en/of openbaar gemaakt worden door middel van druk, fotokopie, microfilm of op welke wijze dan ook zonder voorafgaande toestemming van de uitgever of auteur. Wageningen Livestock Research is NEN-EN-ISO 9001:2015 gecertificeerd. Op al onze onderzoeksopdrachten zijn de Algemene Voorwaarden van de Animal Sciences Group van toepassing. Deze zijn gedeponeerd bij de Arrondissementsrechtbank Zwolle. Wageningen Livestock Research Rapport 1200 Inhoud Inhoud Woord vooraf Samenvatting 1 Inleiding 2 Achtergronden 2.1 Reflectiemetingen 2.2 Grashoogte 2.3 Grasgroeimodel 3 Opzet onderzoek 3.1 Veldexperiment op klei-, zand en veengrond 3.1.1 Opzet en uitvoering veldproef 3.1.2 Waarnemingen 3.1.3 Uitgangspunten bodemvochtbalans 3.2 Statistische analyse 3.3 Webapplicatie grasgroeivoorspelling 4 Resultaten 4.1 Opbrengst en kwaliteit gras ('ground truth') 4.2 Reflectie vs. opbrengst en kwaliteit 4.3 Grashoogte vs. opbrengst 4.4 Groeimodel vs. opbrengst en kwaliteit 4.4.1 Drogestofopbrengst en stikstofgehalte op snedebasis 4.4.2 Benadering bodemvochttoestand 4.4.3 Stikstoflevering bodem 4.4.4 Drogestofopbrengst op jaarbasis 4.5 Combinaties van schatters vs. opbrengst en kwaliteit 4.5.1 Correlaties drogestofopbrengst en diverse schatters 4.5.2 Analyse reflectiemetingen, grashoogte en gemodelleerde grasgroei 4.6 Reflectiemetingen eBee drone 4.6.1 Reflectiemetingen vs. drogestofopbrengst 4.6.2 Correlaties CropScan versus eBee-drone 4.6.3 Validatie en kalibratie 4.6.4 Verhouding reflecties tussen kleurenbanden 4.6.5 Effect correctie voor verschil in meettijdstippen 5 Discussie 6 Conclusies en aanbevelingen 7 Valorisatie 8 Vervolg Literatuur Bijlage 1 Tijdschema maaien per proeflocatie 8 | Wageningen Livestock Research Rapport 1200 combinatie met basale groeidata. In Tabel 1 staan de percentages verklaarde variantie voor individuele en gecombineerde schatters voor drogestofopbrengst op logbasis.

No abstract

Het publiek-private samenwerkingsproject 'Op naar Precisielandbouw 2.0' is een gecoördineerde R&D inspanning op het strategische thema Robuuste plantaardige productie en Smart Agri & Food (Resource efficiency en Markt en Keteninnovaties) binnen TKI A&F (TKI-AF-14275). Het onderzoek is uitgevoerd door de private projectpartners in samenwerking met TU Delft en Stichting Wageningen Research (WR).