WO2024009284 - SYSTEMS AND METHODS TO IDENTIFY PLANT SPECIES AND VARIETIES USING COMPUTER VISION AND INTELLIGENT TECHNOLOGIES
National phase entry is expected:
Publication Number
WO/2024/009284
Publication Date
11.01.2024
International Application No.
PCT/IB2023/057044
International Filing Date
07.07.2023
Title **
[English]
SYSTEMS AND METHODS TO IDENTIFY PLANT SPECIES AND VARIETIES USING COMPUTER VISION AND INTELLIGENT TECHNOLOGIES
[French]
SYSTÈMES ET PROCÉDÉS D'IDENTIFICATION D'ESPÈCES ET DE VARIÉTÉS DE PLANTES À L'AIDE D'UNE VISION PAR ORDINATEUR ET DE TECHNOLOGIES INTELLIGENTES
Applicants **
CTC - CENTRO DE TECNOLOGIA CANAVIEIRA S.A.
Inventors
DE PAULA MENEGHELLI, Ricardo
OLIVEIRA, Cesar
GALLO, Diego Sanchez
Priority Data
63/359,622
08.07.2022
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| Number of Office Actions | * |
| * | |
International Searching Authority |
EPO
* |
| Recordal of a Change of the Applicant's Name/Address |
Change of Applicant's Name and Address
* |
| Type of Assignment |
The Standard Agent's Assignment
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Patent Delivery |
Send the Letters Patent by Courier
* |
| Translation |
|
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing, Examination, Granting | 3285 | |
| EPO | Filing, Examination, Granting | 31555 | |
| Japan | Filing, Examination, Granting | 3369 | |
| South Korea | Filing, Examination, Granting | 4475 | |
| USA | Filing, Examination, Granting | 13340 |
Total:
56,024
The term for entry into the National Phase has expired. This quotation is for informational purposes only
Contact Us
Abstract[English]
Methods and systems to identify plants on crop fields using satellite images are provided. Starting from prior knowledge regarding crop fields that have different plants, multi-spectral images obtained from satellites are used to train a machine learning model to afterwards classify plants of unknown crop fields. To allow classification with high precision, the data is prepared before training and applying the model, including by identifying and filtering images that do not have enough vegetation coverage, applying a robust normalization to the reflectance captured on each wavelength, segmenting each crop field unit in a farm, and slicing images of each unit in image fragments. This process is done both for training the model, splitting the labeled dataset into training, validation, and test sets, as well as for applying the model after training. The architecture of the neural network used is tuned to achieve good results even with limited image resolution.[French]
L'invention concerne des procédés et des systèmes destinés à identifier des plantes sur des champs de culture à l'aide d'images satellitaires. À partir de connaissances préalables concernant des champs de culture qui comprennent des plantes différentes, des images multispectrales obtenues à partir de satellites sont utilisées pour entraîner un modèle d'apprentissage automatique afin de classifier ensuite des plants de champs de culture inconnus. Pour permettre la classification avec une grande précision, les données sont préparées avant d'entraîner et d'appliquer le modèle, notamment en identifiant et en filtrant des images qui ne présentent pas une couverture suffisante par la végétation, en appliquant une normalisation robuste à la réflectance capturée sur chaque longueur d'onde, en segmentant chaque unité de champ de culture d'une ferme, et en découpant des images de chaque unité en fragments d'image. Ce processus est effectué aussi bien pour entraîner le modèle, en divisant l'ensemble de données étiqueté en ensembles d'apprentissage, de validation et de test, que pour appliquer le modèle après l'entraînement. L'architecture du réseau neuronal utilisé est ajustée pour obtenir de bons résultats même avec une résolution d'image limitée.