[发明专利]用于精准农业的反向散射成像

说明书

一种用于表征活植物的方法，其中，在田野条件下，在植物上扫描诸如x射线的穿透性辐射的一个或多个射束。从活植物检测到康普顿散射并且对其进行处理得出活植物的特性，诸如含水量、根部结构、枝条结构、木质部尺寸、果实尺寸、果实形状、果实总体积、串尺寸和形状、果实成熟度及植物的一部分的图像。使用相同的技术来测量地下水含量。康普顿反向散射被用于引导机器人夹持器来夹持植物的一部分，诸如用于收获果实。

本申请要求2015年9月8日提交的美国临时专利申请62/215,456和2016年5月18日提交的临时专利申请62/337,971的优先权。这些申请的内容，包括其附属装置，通过引用并入本文中。

技术领域

本发明涉及用于从x射线反向散射(backscatter，背反射)特性获得作物的农业显著性的数据并且成像作物的设备和方法。

背景技术

对于最近的10,000年，作物是基于非系统地收集的数据栽培的。现在人类利用穿透植被的电磁辐射，更加系统地评估作物体内的情形已变得可能，然而，下文描述的困难至今阻碍它们的应用。

精准农业描述了基于在田地中根据位置和时间测量的作物和土壤数据的管理技术。使用数据与作物在田地中的位置的随时间的相互关系来进行可以使总体收益最大化的农田管理决定。数据采集可包括关于四个主要方面的信息：农田环境、土壤、植物或最终作物。如果跨各种各样的不同作物，尤其在特色作物方面仅存在一些方式提供这些关键方面的多个的具体的和准确的数据，就作物产量和品质而言的更多值将会是可得到的。特色作物包括用于直接销售给客户并且因此需要特别高的美学品质的食物或者药物的高价值水果、蔬菜和坚果。对于这些作物，高价值在于准确的产量预测以及植物健康两者。早期及准确地测量作物产量允许筹备用于收获、包装及存储的装备和资源以及准确地给作物定价的能力。对于基于特色作物的树木及藤本植物，植物与去年同期相比的维护和健康也是关键的。每年收集产量数据和植物健康允许使用用于施肥和灌溉以及收获规划的预测性工具。

作物估产是管理各种农业作物(包括诸如苹果的果园)的重要任务。果实作物、诸如苹果、柑桔属果实、葡萄及其他由富含淀粉并且相对低密度(叶子、枝条及树干)的植物以及紧密且富含水的果实组成。目前用于估计的技术依靠使用人力的统计样品来提供估产，这种方法是耗时的、劳动力密集的且不准确。

根据Wang等人的“Automated Crop Yield Estimation for Apple Orchards(用于苹果园的自动作物产量估算)”第13届国际实验机器人研讨会(ISER 2012)，其通过引用并入本文中，

通过对疏果强度和收获劳动力规模作出更好的决定，准确的产量预测帮助种植者提高果实品质并且减小生产成本。这也有利于包装工业，因为管理者可以使用估计结果来优化包装和存储容量。典型的估产是基于历史数据、天气条件、及工人在多个取样点手动计数诸如苹果的果实产量进行的。该处理是耗时的并且劳动力密集的，并且受限的样品尺寸通常不足以反映果园，尤其在具有高的空间变异性的果园，中的产量分布。因此，当前估产实践不准确并且效率低，而且改善当前实践将会是行业的显著成果。如上，P.1。

虽然已观察x射线散射一段时间，但是x射线量子通过电子散射的机理在康普顿的“On the Mechanism of X-Ray Scattering(X射线散射的机理研究)”，美国国家科学院院刊，第11卷，第303-06页(1925)中首次描述，通过引用并入本文中，并且因此称作“康普顿散射”。先前建议在表征植物物质中使用x射线反向散射受农产物已采摘并且在受控条件下操作的应用的限制。这些包括食物在处理期间的实际操作，如Cruvinel等人的“ComptonScatter Tomography for Agricultural Measurements(用于农业测量的康普顿散射层析成像)”，Eng.Aric.Jaboticabal，第26卷，第151-60页(2006)，和美国专利第7,734,012号(Boyden等人)论述的，两者均通过引用并入本文中。