<abstract xmlns="http://www.w3.org/1999/xhtml">This work aims to develop an automatic system capable of providing objective information about the bloom charge in an apple orchard in order to manage flower-thinning activities. The article presents and discusses the use of a mobile lab (ByeLab) equipped with several optical sensors to carry out a site-specific bloom charge assessment in apple trees. The data collected by the sensors were processed by a specific algorithm implemented in MatLab®. Investigations of the flower reflectance signature indicated that the Normalized Difference Vegetation Index (NDVI) is the most suitable parameter to distinguish leaves from flowers. Pure flowers produce NDVI values slightly negative or at least very near to 0. Despite the homogeneous behavior of the NDVI flower response, OptRx™ sensors, which provide an average assessment of an area, were not able to highlight a significant correlation between the number of flowers and the NDVI values. In the future, further studies will be conducted to assess if other techniques based on image analyses can provide better and more sensitive results regarding the bloom charge assessment. Such results could then be used as a reference in automating machines for thinning operations according to a site-specific approach.</abstract>

This work aims to develop an automatic system capable of providing objective information about the bloom charge in an apple orchard in order to manage flower-thinning activities. The article presents and discusses the use of a mobile lab (ByeLab) equipped with several optical sensors to carry out a site-specific bloom charge assessment in apple trees. The data collected by the sensors were processed by a specific algorithm implemented in MatLab®. Investigations of the flower reflectance signature indicated that the Normalized Difference Vegetation Index (NDVI) is the most suitable parameter to distinguish leaves from flowers. Pure flowers produce NDVI values slightly negative or at least very near to 0. Despite the homogeneous behavior of the NDVI flower response, OptRx™ sensors, which provide an average assessment of an area, were not able to highlight a significant correlation between the number of flowers and the NDVI values. In the future, further studies will be conducted to assess if other techniques based on image analyses can provide better and more sensitive results regarding the bloom charge assessment. Such results could then be used as a reference in automating machines for thinning operations according to a site-specific approach.

Blooming charge assessment in apple orchards for automatic thinning activities

<trans-abstract xml:lang="de" xmlns="http://www.w3.org/1999/xhtml">Ziel dieser Arbeit war es, ein System zu entwickeln, das automatisch objektive Informationen über die Blütendichte in Apfelplantagen liefert und als Instrument für die Ausdünnung von Blüten verwendet werden kann. Üblicherweise wird dieser Vorgang, basierend auf der persönlichen Erfahrung des Arbeiters, manuell durchgeführt. In diesem Beitrag wird die Verwendung eines mobilen Labors (ByeLab) zur ortsspezifischen Beurteilung der Blütendichte von Apfelbäumen mithilfe optischer Sensoren vorgestellt und diskutiert. Das Byelab wurde mit mehreren Sensoren ausgestattet, darunter einem GNSS-RTK-System, drei optischen Sensoren (OptRx™), zwei LiDAR-Sensoren und einer Inertialen Messeinheit (IMU). Während OptRx™ und LiDAR verwendet wurden, um den Vegetations-index (VI) bereitzustellen und das Oberflächenprofil des gescannten Baldachins zu erfassen, wurden mit der GNSS-RTK-Einheit alle vom optischen Sensor und den LIDARs erfassten Daten georeferenziert. Schließlich wurde die IMU verwendet, um das Rauschen und Verzerrungen der erfassten Daten aufgrund der durch die Bodenunebenheiten erzeugten Vibrationen zu korrigieren. Eine LabView-Anwendung wurde verwendet, um die von den Sensoren erfassten Daten zu synchronisieren. Anschließend wurden alle Messungen von einem in MatLab® implementierten Algorithmus verarbeitet. Im April 2018 wurden drei Erhebungen durchgeführt, um die gesamte Blütezeit abzudecken: Blühbeginn, Vollblüte und Ende der Blüte. Untersuchungen zur Blütenreflexionssignatur haben ergeben, dass der Normierte Differenzierte Vegetationsindex (NDVI) der am besten geeignete Parameter zur Unterscheidung zwischen Blättern und Blüten ist. In der Tat hat der NDVI-Wert eine negative Korrelation mit der Blütendichte, da reine Blüten leicht negative NDVI-Werte aufweisen, jedenfalls sind sie sehr nahe bei 0. Trotz der gleichmäßigen NDVI-Messungen der Blüten konnte die Verwendung von OptRx™-Sensoren keine signifikanten Korrelationen zwischen der Anzahl der Blumen und den NDVI-Werten aufzeigen, da sie eine durchschnittliche Bewertung einer Fläche zurückgeben. In Zukunft werden weitere Studien durchgeführt, um zu beurteilen, ob andere auf Bildanalysen basierende Techniken bessere und empfindlichere Ergebnisse in Bezug auf die Bewertung der Blütendichte liefern können. Diese Ergebnisse könnten als Referenz für die Automatisierung von Maschinen verwendet werden, die bei Ausdünnungsvorgängen nach einem standortspezifischen Ansatz eingesetzt werden.</trans-abstract>

Ziel dieser Arbeit war es, ein System zu entwickeln, das automatisch objektive Informationen über die Blütendichte in Apfelplantagen liefert und als Instrument für die Ausdünnung von Blüten verwendet werden kann. Üblicherweise wird dieser Vorgang, basierend auf der persönlichen Erfahrung des Arbeiters, manuell durchgeführt. In diesem Beitrag wird die Verwendung eines mobilen Labors (ByeLab) zur ortsspezifischen Beurteilung der Blütendichte von Apfelbäumen mithilfe optischer Sensoren vorgestellt und diskutiert. Das Byelab wurde mit mehreren Sensoren ausgestattet, darunter einem GNSS-RTK-System, drei optischen Sensoren (OptRx™), zwei LiDAR-Sensoren und einer Inertialen Messeinheit (IMU). Während OptRx™ und LiDAR verwendet wurden, um den Vegetations-index (VI) bereitzustellen und das Oberflächenprofil des gescannten Baldachins zu erfassen, wurden mit der GNSS-RTK-Einheit alle vom optischen Sensor und den LIDARs erfassten Daten georeferenziert. Schließlich wurde die IMU verwendet, um das Rauschen und Verzerrungen der erfassten Daten aufgrund der durch die Bodenunebenheiten erzeugten Vibrationen zu korrigieren. Eine LabView-Anwendung wurde verwendet, um die von den Sensoren erfassten Daten zu synchronisieren. Anschließend wurden alle Messungen von einem in MatLab® implementierten Algorithmus verarbeitet. Im April 2018 wurden drei Erhebungen durchgeführt, um die gesamte Blütezeit abzudecken: Blühbeginn, Vollblüte und Ende der Blüte. Untersuchungen zur Blütenreflexionssignatur haben ergeben, dass der Normierte Differenzierte Vegetationsindex (NDVI) der am besten geeignete Parameter zur Unterscheidung zwischen Blättern und Blüten ist. In der Tat hat der NDVI-Wert eine negative Korrelation mit der Blütendichte, da reine Blüten leicht negative NDVI-Werte aufweisen, jedenfalls sind sie sehr nahe bei 0. Trotz der gleichmäßigen NDVI-Messungen der Blüten konnte die Verwendung von OptRx™-Sensoren keine signifikanten Korrelationen zwischen der Anzahl der Blumen und den NDVI-Werten aufzeigen, da sie eine durchschnittliche Bewertung einer Fläche zurückgeben. In Zukunft werden weitere Studien durchgeführt, um zu beurteilen, ob andere auf Bildanalysen basierende Techniken bessere und empfindlichere Ergebnisse in Bezug auf die Bewertung der Blütendichte liefern können. Diese Ergebnisse könnten als Referenz für die Automatisierung von Maschinen verwendet werden, die bei Ausdünnungsvorgängen nach einem standortspezifischen Ansatz eingesetzt werden.

Die Bodenkultur: Journal of Land Management, Food and Environment

This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.

Beurteilung der Blüte in Apfelplantagen für eine automatische Ausdünnung

This work aims to develop an automatic system capable of providing objective information about the bloom charge in an apple orchard in order to manage...

Blooming charge assessment in apple orchards for automatic thinning activities

Article Category: Research Article

Published Online: Dec 31, 2019

Page range: 171 - 180

Received: Jul 02, 2019

Accepted: Aug 19, 2019

DOI: https://doi.org/10.2478/boku-2019-0015

Keywords
optical sensors, mobile lab, precision farming, ground based sensing, vegetation index

© 2019 Gabriele Daglio et al., published by Sciendo

This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.

Blooming charge assessment in apple orchards for automatic thinning activities

Article Category: Research Article

Published Online: Dec 31, 2019

Page range: 171 - 180

Received: Jul 02, 2019

Accepted: Aug 19, 2019

DOI: https://doi.org/10.2478/boku-2019-0015

Keywordsoptical sensors, mobile lab, precision farming, ground based sensing, vegetation index

© 2019 Gabriele Daglio et al., published by Sciendo

This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.

Keywords
optical sensors, mobile lab, precision farming, ground based sensing, vegetation index