Autonomous vehicle for monitoring plant health and systems and methods thereof

Abstract

The present disclosure provides an autonomous vehicle for monitoring plant health in an indoor horticultural facility. The autonomous vehicle includes a photosynthetically active radiation (PAR) sensor including clamping jaws configured to clamp onto a leaf of a target plant without removing plant material fromthe target plant. The disclosure also provides a method of monitoring plant health and crop health in an indoor horticultural facility that includes navigating an autonomous vehicle through the facility, collecting plant-specific health data from individual target plants, collecting crop-level health data using wide range cameras, and analyzing the data to generate predictive models and develop customized recipes for environmental parameters. The disclosure further provides a system for monitoring plant health that includes an autonomous vehicle, wide range cameras, ambient environmental sensors, and a central computing system configured to analyze collected data and generate predictive models of plant health and crop performance.

Description

AUTONOMOUS VEHICLE FOR MONITORING PLANT HEALTH AND SYSTEMS AND METHODS THEREOFREFERENCE TO RELATED APPLICATION

[0001] This application claims priority to U.S. Provisional Patent Application No. 63 / 655,171, entitled AUTONOMOUS VEHICLE FOR DETECTING PLANT HEALTH, filed June 3, 2024, which is hereby incorporated by reference in its entirety.TECHNICAL FIELD

[0002] The present disclosure relates to autonomous vehicle systems for agricultural monitoring, and more particularly to an autonomous vehicle system equipped with multiple sensors for monitoring plant health in indoor horticultural facilities. A system is also provided that integrates mobile sensing capabilities with stationary monitoring components to provide comprehensive plant health assessment and environmental control in controlled growing environments.BACKGROUND

[0003] Indoor horticultural facilities, such as greenhouses and vertical farms, have become increasingly prevalent as agricultural operations seek to maximize crop yields while minimizing environmental impacts. These controlled growing environments offer advantages including protection from weather conditions, reduced water usage, and the ability to grow crops year-round regardless of external climate conditions.

[0004] Monitoring plant health in indoor horticultural facilities presents distinct challenges compared to traditional outdoor farming. The enclosed nature of these facilities creates microclimates that can vary significantly across different areas, making it difficult to maintain uniform growing conditions. Additionally, the density of plantings in many indoor facilities can limit access for manual inspection and maintenance activities.

[0005] Traditional approaches to plant health monitoring in indoor facilities often rely on manual inspection by trained personnel who visually assess plants for signs of disease, nutrient deficiency, or other health issues. This manual approach can be time-consuming and may not provide the frequency of monitoring desired for optimal crop management. Furthermore, human inspectors may not be able to detect subtle changes in plant health that could indicate emerging problems.

[0006] Various sensor technologies have been developed to assist with plant health monitoring, including devices that measure photosynthetic activity, soil conditions, and environmental parameters. However, deploying these sensors effectively throughout an indoor facility while maintaining accessibility for plant care activities can be challenging. Fixed sensor installations may not provide comprehensive coverage, while portable sensors require manual operation that can be labor-intensive.

[0007] The integration of multiple data sources, including plant-specific measurements, environmental conditions, and overall crop health indicators, presents additional complexity in developing comprehensive monitoring systems. However, developing automated systems that can navigate safely through indoor growing environments while collecting accurate plant health data for use in these comprehensive monitoring systems remains difficult to achieve properly.BRIEF DESCRIPTION OF THE DRAWINGS

[0008] Various embodiments will become better understood with regard to the following description, appended claims and accompanying drawings wherein:

[0009] FIG. 1 is an isometric view depicting an autonomous vehicle for monitoring plant health, according to aspects of the present disclosure;

[0010] FIG. 2 is another isometric view of the autonomous vehicle of FIG. 1;

[0011] FIG. 3 is a perspective view of the autonomous vehicle system of FIG. 1;

[0012] FIG. 4 is yet another isometric view of the autonomous vehicle of FIG. 1;

[0013] FIG. 5 is a block diagram depicting a system that includes the autonomous vehicle of FIG. 1 and a central computing system; and

[0014] FIG. 6 is a perspective view of the autonomous vehicle of FIG. 1 positioned within a greenhouse facility.DETAILED DESCRIPTION

[0015] The following description sets forth exemplary aspects of the present disclosure. It should be recognized, however, that such description is not intended as a limitation on the scope of the present disclosure. Rather, the description also encompasses combinations and modifications to those exemplary aspects described herein.

[0016] The present disclosure relates to systems and methods for monitoring plant health in indoor horticultural facilities. More specifically, the disclosure describes an autonomous vehicle system designed to navigate through indoor growing environments and collect data on plant health using various sensors and detection mechanisms.

[0017] Indoor horticultural facilities, such as greenhouses or vertical farms, present unique challenges for monitoring and maintaining optimal plant health. The autonomous vehicle system described herein addresses these challenges by providing a mobile platform capable of navigating between rows of plants and collecting detailed health data on individual plants as well as overall crop conditions.

[0018] The system includes an autonomous vehicle equipped with a multi-axis articulating boom arm. This boom arm carries multiple plant health detection sensors that can be positioned to collect data from target plants without causing damage. The autonomous vehicle can navigate independently through the facility, using its onboard systems to locate and approach specific plants for data collection. Environmental sensors are strategically positioned throughout the grow facility to continuously monitor ambient conditions including temperature, humidity, and light levels. Complementing these sensors, wide range cameras mounted on interior walls and support structures provide persistent monitoring from multiple fixed perspectives. This network of stationary sensors works in conjunction with the mobile sensing capabilities of the autonomous vehicle, ensuring comprehensive coverage of the entire facility, including areas that might be obstructed or difficult to access with vehicle-mounted systems alone. Alternatively, or in conjunction with the ground-based autonomous vehicle, an aerial autonomous vehicle can be deployed within the facility, equipped with wide range cameras and specialized sensors to provide overhead monitoring capabilities and access to areas that may be difficult to reach with the ground-based system.

[0019] Various types of sensors can be incorporated into the system, including photosynthesis sensors, soil sampling probes, and imaging devices. These sensors work in concert to provide a comprehensive picture of plant health, detecting factors such as photosynthetic activity, soil conditions, and visual indicators of plant stress or disease.

[0020] In addition to plant-specific data collection, the system can also monitor environmental conditions within the facility. This environmental data can be used in conjunction with plant health data to develop optimized growing conditions and predict potential issues before they impact crop yield.

[0021] The autonomous vehicle system is designed to operate efficiently within the confined spaces of indoor growing facilities. It can navigate between rows of plants, adjust its sensor positioning to accommodate plants of different sizes and growth stages, and return to a charging station when necessary.

[0022] By automating the process of plant health monitoring, this system enables more frequent and consistent data collection compared to manual inspection methods. The collected data can be used to inform decisions about irrigation, fertilization, pest management, and other critical aspects of plant care in indoor horticultural environments.

[0023] Embodiments are hereinafter described in detail in connection with the views and examples of FIGS. 1-6, wherein like numbers indicate the same or corresponding elements throughout the views. As shown in FIGS. 1-3, a system includes an autonomous vehicle 20 designed to navigate through indoor horticultural facilities and collect data on plant health. The autonomous vehicle 20 includes a base platform 22 that serves as the main structural foundation. The base platform 22 can house various components such as drive motors, batteries, control systems, processing units, communication modules, and power distribution circuitry. The base platform 22 is designed with sufficient internal space to accommodate these components while maintaining structural integrity and stability during operation. The components are arranged within the base platform 22 to optimize weight distribution and ensure efficient thermal management during extended operational periods. In operation, the autonomous vehicle 20 can move through the facility using its base platform 22 for locomotion.

[0024] The autonomous vehicle 20 can be equipped with a navigation system that allows for independent movement through the facility. The navigation system can utilize various technologies such as radar, image processing, or contact sensors to guide the autonomous vehicle 20 between rows of plants and around obstacles. The navigation system guides the autonomous vehicle 20 along predetermined routes or dynamically adjusts its path based on real-time sensor input.

[0025] In some implementations, the autonomous vehicle 20 can be configured to follow a predefined track or path within the facility. This track can be outlined on the floor of the grow facility using various methods that are detectable by the vehicle’s navigation system. For example, the track can be painted directly onto the floor using a high-contrast color or reflective material that can be easily distinguished by optical sensors on the vehicle. Alternatively, the track can be created using embedded magnetic strips, RFID tags, or other electronic markers that can be detected by corresponding sensors on the autonomous vehicle 20.

[0026] The navigation system 23 (see FIG. 5) can incorporate specialized sensors such as line-following cameras, magnetic field detectors, or RFID readers to detect and interpret the track markers. As the autonomous vehicle 20 moves through the grow facility, these sensors continuously monitor the floor and the surrounding environment for the presence of track indicators. The vehicle’s control system can then use this information to adjust its steering and speed, ensuring that it stays on the designated path.

[0027] The use of a predefined track system can complement other navigation methods, providing an additional layer of guidance and safety. This approach can be particularly useful in areas of the grow facility where precise positioning is critical, such as when navigating between closely spaced plant rows or near sensitive equipment. The track system can also facilitate efficient routing through the facility, ensuring that the autonomous vehicle 20 covers all necessary areas while minimizing unnecessary movement and energy consumption.

[0028] The autonomous vehicle 20 can include a multi-axis articulating boom arm 24 (hereinafter “boom arm 24” ) that extends from the base platform 22 and that facilitates interaction with a target plant 26. This boom arm 24 provides extensive range of motion, enabling precise positioning at various heights and angles throughout the grow facility. With its ability to extend, retract, and rotate across multiple axes, the boom arm 24 positions sensors near plants with precision while avoiding damage to plant structures. This versatility allows the autonomous vehicle 20 to adapt to plants of different sizes and growth stages, facilitating comprehensive data collection from leaves, stems, and surrounding soil, all while effectively navigating the spatial limitations inherent to indoor growing environments.

[0029] A camera 28 can be mounted on the autonomous vehicle 20 to assist with positioning the boom arm 24 relative to the target plant 26. The camera 28 can include any type of image sensor capable of identifying plants, such as RGB cameras, infrared cameras, multispectral cameras, hyperspectral cameras, or time-of-flight cameras. The camera 28 can utilize image processing algorithms to identify plant structures by analyzing visual characteristics such as color patterns, leaf shapes, stem structures, and overall plant morphology. Machine learning models trained on plant recognition datasets enable the camera 28 to distinguish between different plant species and identify specific plant parts, such as a leaf 30, for targeted sensor placement. The camera 28 can also detect visual markers or tags that can be placed on the target plant 26 to facilitate identification. Real-time image processing allows the camera 28 to continuously track plant positions as the boom arm 24 approaches, enabling precise positioning adjustments to avoid plant damage during sensor deployment.

[0030] Using the camera 28 for visual guidance, the autonomous vehicle 20 can precisely position the boom arm 24 as it approaches the target plant 26. The camera’s image processing capabilities enable the vehicle to identify specific plant structures and determine optimal sensor placement locations. The base platform 22 maintains stability for the autonomous vehicle 20 both during movement along predefined tracks or paths and when the boom arm 24 is extended for data collection. For operations requiring enhanced stability, the base platform 22 can deploy additional stabilizing mechanisms such as outriggers or adjustable legs to ensure accurate sensor readings.

[0031] The autonomous vehicle 20 can systematically collect data from a plurality of target plants. In some instances, the autonomous vehicle 20 can operate with predefined selections of target plants, following programmed sequences established during system setup or scheduled monitoring routines. However, the autonomous vehicle 20 also features adaptive target selection capabilities that enable it to modify which plants are monitored based on various factors including detected stress indicators, growth anomalies identified during previous monitoring sessions or changing environmental conditions that can affect specific sections of the growing area. This adaptability allows the autonomous vehicle 20 to prioritize plants showing early signs of disease, nutrient deficiency, or other health concerns that may not have been part of the original monitoring schedule. This combination of structured navigation and adaptive response ensures efficient coverage of the target plants for a particular crop or crops in a growing facility. The navigation system can support such adaptive routing capabilities by enabling the autonomous vehicle 20 to dynamically adjust its path based on the real-time sensor input, changing target plant selections, or priority assignments determined by the adaptive monitoring process. This dynamic path adjustment capability enables the autonomous vehicle 20 to efficiently navigate to newly identified plants of interest, while bypassing previously monitored plants that show optimal health conditions.

[0032] The autonomous vehicle 20 can incorporate various plant health detection sensors to collect comprehensive data on plant health. These sensors are strategically positioned on the boom arm 24 to enable precise data collection from target plants. One such plant health detection sensor is a photosynthetically active radiation (PAR) sensor 32 (hereinafter “PAR sensor 32” ) that is mounted on the boom arm 24. The PAR sensor 32 includes sensing pads 34 that are mounted on opposing sides of clamping jaws 36. The clamping jaws 36 can be operative to gently clamp onto the leaf 30 of the target plant 26 without removing any of the leaf 30. Once in position, the sensing pads 34 can cooperate to emit light onto or into the leaf and detect the fluorescent response, providing data on the photosynthetic properties of the target plant 26. By maintaining the integrity of the leaf during measurement, this non-destructive approach can help prevent potential health issues that could arise from sensors that remove plant material. Avoiding leaf clipping or tissue sampling can reduce the risk of introducing pathogens or causing stress to the plant, which in turn can lead to more accurate and representative measurements of the plant’s natural photosynthetic activity.

[0033] Another plant health detection sensor can be a grow media sensor 38 that is carried by the boom arm 24. The grow media sensor 38 includes a probe 40 designed for insertion into the grow media surrounding the target plant 26. When deployed, the probe 40 can measure oxygen levels in the soil, which can be used to assess photosynthetic activity and overall plant health.

[0034] The autonomous vehicle 20 can utilize the PAR sensor 32 and the grow media sensor 38 at different times by dynamically repositioning these sensors as needed for specific measurements. When photosynthetic activity data is desired, the boom arm 24 can position the PAR sensor 32 near a leaf of the target plant 26. If multiple measurements from the same target plant are desired, the boom arm 24 can reposition the PAR sensor 32 for measurement of those additional leaves. Once the PAR measurement (s) is / are complete, the boom arm 24 can reposition to deploy the grow media sensor 38 by lowering it into the grow media (e.g., soil) surrounding the same target plant. The autonomous vehicle 20 can reposition the grow media sensor 38 to different locations within the grow media surrounding a single plant if multiple soil measurements of the grow media are desired, or the grow media sensor 38 can move to a different plant if soil data from multiple nearby plants is desired. This sequential deployment of sensors allows the autonomous vehicle 20 to collect diverse data types from various parts of the plant and its immediate environment without the need for multiple sensor units to be in position simultaneously. The articulating boom arm’s flexibility enables precise positioning of each sensor, optimizing data collection while minimizing interference between different measurement processes.

[0035] The camera 28 can facilitate guidance of the PAR sensor 32 and the grow media sensor 38 into their optimal testing positions via positioning of the boom arm 24. As described above, image processing algorithms can help identify specific plant structures with the camera 28 to determine the most suitable locations for sensor placement. For the PAR sensor 32, the camera 28 can guide the clamping jaws 36 to an appropriate leaf (e.g., 30) , ensuring proper contact between the PAR sensor 32 and the plant tissue. Similarly, for the grow media sensor 38, the camera 28 can help position the probe 40 for accurate soil measurements without damaging the plant’s root system.

[0036] In addition to its guidance functions, the camera 28 can also be utilized as a plant health detection sensor to detect visual indicators of plant health issues. Through advanced image analysis, the camera 28 can identify signs of mold growth, aphid infestations, or other anomalies that could potentially lead to disease. This visual inspection capability complements the data collected by the PAR sensor 32 and grow media sensor 38, providing a more comprehensive assessment of plant health. The autonomous vehicle 20 can also be equipped with additional plant health detection sensors to further enhance data collection capabilities. These can include spectral analysis sensors that can detect specific wavelengths of light reflected by plant tissues to identify nutrient deficiencies or disease markers, thermal imaging sensors that can measure leaf temperature variations to assess plant stress levels, and chlorophyll fluorescence sensors that can evaluate photosystem efficiency and overall plant vitality.

[0037] The autonomous vehicle 20 can also be equipped with one or more local environmental sensors (e.g., 42) mounted on the boom arm 24. The local environmental sensor 42 can measure one or more ambient conditions such as temperature, humidity, and light levels in the immediate vicinity of the target plant 26. This localized environmental data can be correlated with the plant health measurements to provide a more complete picture of growing conditions and their effects on plant health.

[0038] By combining these various sensors, the autonomous vehicle 20 can collect a wide range of data points for each target plant (e.g., 26) . The boom arm 24 allows for precise positioning of each sensor, while the base platform 22 provides a stable foundation for accurate measurements. This comprehensive approach to data collection enables a detailed analysis of the health and growing conditions of each target plant.

[0039] In some implementations, the autonomous vehicle 20 can include one or more application modules 44 (see FIG. 5) that is / are configured to selectively apply a remedial therapy for improving plant health based on the health data collected by the various sensors. For example, the autonomous vehicle 20 can be equipped with a radiation module capable of generating targeted ultraviolet (UV) light. This radiation module can be used to eradicate mold or other health-inhibiting growths detected on plants during the monitoring process. The targeted application of UV light can provide a non-chemical method for addressing certain plant health issues.

[0040] The autonomous vehicle 20 can additionally or alternatively include a fertilizer application module. This module can be designed for selectively broadcasting fertilizer onto individual plants or groups of plants. The fertilizer application module can allow for precise, targeted nutrient delivery to address specific deficiencies detected during the monitoring process.

[0041] The autonomous vehicle 20 incorporates various control and interface systems to enable user interaction and operational monitoring. As shown in FIG. 4, the autonomous vehicle 20 can include a remote control 46 that allows users to interface with the vehicle from a distance. The remote control 46 can include a display screen 48. The display screen 48 can present various operational information about the autonomous vehicle 20, such as battery status, current task progress, sensor readings, plant health data or error messages in various formats, including numerical readouts, graphical representations, or color-coded status indicators. This visual feedback can help users quickly assess the health status of monitored plants, identify operational status, diagnose potential issues with the autonomous vehicle 20 itself, monitor real-time feedback on the autonomous vehicle’s 20 operations, monitor the progress of data collection tasks or view sensor readings as they are collected. The remote control 46 can include buttons, touchscreens, or other input mechanisms that enable users to send commands to the autonomous vehicle 20, modify operational parameters, navigate through different menu options, program specific routes or monitoring schedules, input target plant locations, define sensor deployment sequences, or set environmental thresholds for triggering specific actions.

[0042] The remote control 46 can be connected to the autonomous vehicle 20 through a connection cable (not shown) . In some implementations, the connection cable can allow for data transfer and power supply between the remote control 46 and the autonomous vehicle 20. The connection cable can also enable the remote control 46 to be physically attached to the autonomous vehicle 20 when not in use, providing a convenient storage solution.

[0043] In some cases, the remote control 46 can communicate wirelessly with the autonomous vehicle 20, allowing for greater flexibility in user positioning and operation. Wireless communication can utilize protocols such as Wi-Fi, Bluetooth, or proprietary radio frequency technologies to maintain a stable connection between the remote control 46 and the autonomous vehicle 20. Additionally, or alternatively, the autonomous vehicle 20 can include a control panel (not shown) that is integrated into the structure of the autonomous vehicle 20. The control panel can provide a local interface for users to input commands, adjust settings, and monitor the status of the autonomous vehicle 20 while in proximity to the vehicle. It is to be appreciated that the functionality of the remote control 46 can additionally or alternatively be provided in a smartphone, tablet, or other small-scale remote computing device.

[0044] In some implementations, the control and interface systems can include safety features such as emergency stop functions, obstacle detection alerts, or low battery warnings. These features can be accessible through the remote control 46 or other similar device, ensuring that users can respond quickly to any operational issues regardless of their proximity to the autonomous vehicle 20.

[0045] In some cases, the control and interface systems can allow for integration with external devices or software platforms (e.g., a central computing system) . For example, the autonomous vehicle 20 can be capable of exporting collected data to those external devices or platforms to enable more readily available real time processing and visualization of plant health information and control of the autonomous vehicle 20. The combination of local and remote-control options, along with comprehensive display and interface capabilities, can provide users with flexible and efficient means of managing the autonomous vehicle 20 and its plant monitoring operations within the indoor horticultural facility.

[0046] The autonomous vehicle 20 incorporates a power system designed to support extended operation within indoor horticultural facilities. The autonomous vehicle 20 can include a rechargeable battery 52 (see FIG. 5) housed within the base platform 22. This battery can provide power to various components of the autonomous vehicle 20, including the drive system, sensors, control systems, and the boom arm 24. In some cases, the battery can be a lithium-ion battery, selected for its high energy density and long cycle life. The capacity of the battery can be sized to allow the autonomous vehicle 20 to operate for extended periods, potentially covering multiple rows of plants or an entire section of the growing facility before requiring a recharge.

[0047] To facilitate recharging, the system can include a charging dock (not shown) . The charging dock can serve as a designated location for the autonomous vehicle 20 to return to when recharging is needed. In some implementations, the charging dock can be positioned at a convenient location within the grow facility, such as at the end of a row of plants or near a central control area.

[0048] The autonomous vehicle 20 can connect to the charging dock (not shown) via a charging port (not shown) that provides a physical connection for power transfer. In some cases, the power port can be designed to automatically connect when the autonomous vehicle 20 docks, ensuring a secure and efficient charging process. In some implementations, the charging dock can be equipped with multiple charging ports, allowing for the simultaneous charging of multiple autonomous vehicles if deployed in the same facility. This configuration can support scalable operations in larger horticultural environments where multiple autonomous vehicles 20 may be required to cover extensive growing areas.

[0049] The autonomous vehicle 20 can include a power management system that monitors battery levels and automatically coordinates a return to the charging dock when power levels fall below a predetermined threshold. This automated approach to power management can help ensure continuous operation and prevent unexpected shutdowns due to battery depletion. The power management system can be designed to optimize battery life and charging efficiency. In some cases, the power management system can employ smart charging algorithms that adjust charging rates based on battery temperature and state of charge. This approach can help extend the overall lifespan of the battery and reduce downtime for charging. In some implementations, the control panel and / or remote control 46 can display battery status information, allowing operators to monitor power levels and plan recharging cycles. To further enhance operational efficiency, the autonomous vehicle 20 can be programmed to schedule charging sessions during off-peak hours or when plant monitoring activities are not required. This strategic approach to power management can help maximize the autonomous vehicle’s availability during critical monitoring periods.

[0050] The charging dock can also incorporate a data port (not shown) to facilitate the transfer of collected data from the autonomous vehicle 20 to a central computing system. This data port can provide a high-speed wired connection, allowing for rapid and secure transfer of large datasets accumulated during the vehicle’s monitoring operations. In some implementations, the data port can utilize protocols such as USB, Ethernet, or proprietary connectors to ensure compatibility and optimal transfer speeds. When the autonomous vehicle 20 docks for recharging, it can simultaneously initiate a data transfer process through this dedicated port. This wired data transfer capability can complement or serve as an alternative to wireless data transmission methods, offering advantages in terms of speed, reliability, and security, particularly in environments where wireless signals can be compromised or inconsistent.

[0051] The data port on the charging dock can be designed to automatically establish a connection when the autonomous vehicle 20 is properly docked, similar to the automatic engagement of the power connection. This feature can ensure that data transfer occurs consistently without requiring manual intervention from operators. In some cases, the charging dock’s data port can be connected to a local server or network-attached storage device, allowing for immediate backup and preliminary processing of collected data. This configuration can support near real-time analysis of plant health information, enabling quick responses to detected issues even while the autonomous vehicle 20 is recharging.

[0052] The power and charging system of the autonomous vehicle 20 can be designed to integrate seamlessly with the overall functionality of the plant monitoring system. By ensuring reliable and efficient power management, the system can support continuous operation and data collection, contributing to comprehensive and consistent plant health monitoring in indoor horticultural facilities.

[0053] It is to be appreciated that the autonomous vehicle 20 can be implemented as various types of robotic platforms, including wheeled vehicles, tracked vehicles, bipedal humanoid robots, or quadrupedal robots, depending on the specific requirements of the indoor horticultural facility and the terrain characteristics of the growing environment. The robotic platform configuration can be selected to optimize navigation capabilities, stability during sensor deployment, and compatibility with the facility’s layout and infrastructure. In some implementations, the autonomous vehicle 20 may utilize alternative sensor positioning mechanisms instead of the boom arm 24, such as articulated limbs, telescoping masts, or rotating sensor assemblies that are associated with a base platform and that can position the plant health detection sensors in proximity to target plants. These alternative mechanisms may provide different advantages in terms of reach, precision, or compatibility with specific facility layouts or plant arrangements.

[0054] Referring now to FIG. 5, the autonomous vehicle 20 is shown to include a control unit 60 that serves as the central processing and control hub for the autonomous vehicle 20 for managing the overall operation of the autonomous vehicle 20, including coordinating navigation, sensor deployment, and data collection activities. The control unit 60 can include one or more processors, memory, and software for managing the various functions of the autonomous vehicle 20. The processors can include CPUs, GPUs, or specialized AI processing units optimized for machine learning applications. A data store 62 can be incorporated in the control unit 60 for storing data, such as, for example, sensor readings, environmental readings, processed results, and operational logs. The data store 62 can comprise solid-state drives, hard disk arrays, or other high-capacity storage solutions capable of managing the substantial datasets generated during continuous monitoring operations.

[0055] The control unit 60 can interface with several of the subsystems described above, including the navigation system 23, the boom arm 24, the camera 28, the PAR sensor 32, the grow media sensor 38, the local environment sensor 42, the application module 44, and the remote control 46 to allow for data transfer and / or control thereof. The control unit 60 can also interface with a power management system 64 that manages the rechargeable battery 52 and controls the vehicle’s power consumption, battery level, and charging processes.

[0056] Still referring to FIG. 5, the control unit 60 can be in communication with a central computing system 66 system that serves as a centralized hub for data processing, analysis, and management for the plant health monitoring system. The central computing system 66 can communicate with the autonomous vehicle 20 through various wireless protocols, such as Wi-Fi, cellular networks, or dedicated radio frequency links, or in some instances though a wired connection located at the docking station. The central computing system 66 can include various hardware components such as one or more processors, memory modules, data storage devices, network interfaces, and specialized input / output controllers for interfacing with facility equipment. The processors can include CPUs, GPUs, or specialized AI processing units optimized for machine learning applications. The data storage can comprise solid-state drives, hard disk arrays, or other high-capacity storage solutions capable of managing the substantial datasets generated during continuous monitoring operations. In some implementations, the central computing system 66 can be cloud-based, utilizing distributed computing resources accessed via secure internet connections. This cloud-based architecture can provide scalable processing power, virtually unlimited storage capacity, and accessibility from multiple locations, while reducing the need for extensive on-site computing infrastructure. The cloud-based implementation can also facilitate integration with third-party analytics platforms, weather data services, or agricultural databases to further enhance predictive capabilities and decision-making processes.

[0057] The central computing system 66 can be located remotely from the autonomous vehicle 20 and can provide enhanced computational capabilities beyond what’s feasible onboard the autonomous vehicle 20 itself. It can perform the data analytics that are useful in enhancing the plant health and environmental conditions, as will be described in more detail below. The central computing system 66 can be responsible for controlling, or interacting with, environmental control systems within a grow facility, such as HVAC systems, irrigation systems, lighting systems, and CO2 enrichment systems, for example. Additionally, it can provide a user interface 68 for remote monitoring and control of the autonomous vehicle 20 and other connected devices within the grow facility. In some implementations, the functionality described as being handled exclusively by the control unit 60 or the central computing system 66 can be interchangeable or distributed between these components. The allocation of tasks between the control unit 60 and the central computing system 66 can be flexible, allowing for optimization based on factors such as processing power, network connectivity, and operational requirements of the specific grow facility.

[0058] Still referring to FIG. 5, a wide range camera 70 can be provided that is in communication with the central computing system 66. The wide range camera 70 can serve as a crop health detection sensor that is configured to capture images of large sections of the crop or the entire growing area, enabling detection of collective photosynthesis characteristics or other indicators of overall crop health patterns. As such, the wide range camera 70 can provide a broader perspective on crop conditions, complementing the detailed data collected by the autonomous vehicle 20 and allowing for the identification of trends or issues that may not be apparent at the individual plant level, as will be described in further detail below.

[0059] In some implementations, the wide range camera 70 can be equipped with one or more specialized image sensors capable of detecting various wavelengths of light reflected by the plants. This can include sensors sensitive to visible light, near-infrared, and other spectral bands relevant to plant health assessment. By analyzing the reflected light patterns across different spectral ranges, the system can derive valuable information about the crop’s overall photosynthetic activity and health status.

[0060] The wide range camera 70 can capture images at regular intervals, providing time-lapse data that can reveal changes in crop health over extended periods. In some cases, the wide range camera 70 can be programmed to increase its imaging frequency during specific growth stages or in response to detected anomalies, allowing for more detailed monitoring when needed. Image processing algorithms can be applied to the captured wide range images to extract crop-based data. These algorithms can analyze factors such as leaf color, canopy density, and growth patterns across the entire imaged area.

[0061] In some implementations, the wide range camera 70 can additionally or alternatively be equipped with thermal imaging capabilities. This can allow for the detection of temperature variations across the crop canopy, which can indicate issues with irrigation, air circulation, or localized plant stress.

[0062] The crop-based data collected by the wide range camera 70 can complement the detailed, plant-specific data gathered by the close-range sensors (e.g., the PAR sensor 32, the grow media sensor 38, and the camera 28) . This multi-scale approach can provide a more comprehensive understanding of overall crop health, allowing for both broad trend analysis and targeted interventions where needed, as will be described in further detail below. While a single wide range camera 70 has been described, in some implementations, a plurality of wide range cameras can be deployed throughout the grow facility to provide comprehensive coverage and multiple viewing angles of the crop area.

[0063] Still referring to FIG. 5, an ambient environmental sensor 72 can be provided that is in communication with the central computing system 66. The ambient environmental sensor 72 can monitor ambient growing conditions such as temperature, humidity, light levels, and air quality for the crop. The crop-based environmental data collected by the ambient environmental sensor 72 can complement the detailed, plant-specific environmental data gathered by the close-range environmental sensors mounted on the boom arm 24. This multi-scale approach can provide a more comprehensive understanding of the overall environmental data, allowing for both broad trend analysis and targeted interventions where needed, as will be described in further detail below. It is to be appreciated that in some instances, the autonomous vehicle 20 might not include the local environmental sensor 42 such that the ambient environmental sensor 72 is responsible for collecting the environmental data. It is also to be appreciated that, while a single ambient environmental sensor 72 has been described, in some implementations, a plurality of ambient environmental sensors can be deployed throughout the grow facility to provide comprehensive coverage and multiple detection locations for the crop area.

[0064] FIG. 6 illustrates one example of a large scale grow facility that includes a structural canopy 76 that overlies a planted crop. The crop is shown to be grouped in dense rows with pathways therebetween that have sufficient space for the autonomous vehicle 20 to navigate. Each row of crops can be elevated on platforms, contained in troughs, or planted directly in the ground. The crop can consist of various plant types suitable for indoor cultivation, such as leafy greens, herbs, small fruiting plants, or some combination thereof.

[0065] When the system of the present disclosure is implemented in such a large scale grow facility, the autonomous vehicle 20 can have limitations in detecting the health of every individual plant due to factors such as time constraints, physical access restrictions, or sensor range limitations. As such, one or more of the wide range cameras 70 can be deployed within the grow facility to provide complementary crop-level health data to the plant-based health data collected by the autonomous vehicle 20 to enable a more complete assessment of overall crop health and allow for the identification of trends or issues that may not be apparent when examining individual plants or the crop alone. Similarly, the local environmental sensor (s) 42 on the autonomous vehicle 20 can have limitations in accurately detecting the environment of the grow facility, and in some cases may not be provided on the autonomous vehicle. As such, one or more of the ambient environmental sensors 72 can be deployed within the grow facility to provide a more accurate assessment of the environmental data of the grow facility in lieu of, or in addition to, the local environmental sensor (s) 42.

[0066] Still referring to FIG. 6, in one instance, a plurality of the wide range cameras 70 can be installed at strategic locations along the structural canopy 76 of the grow facility to provide comprehensive coverage of the entire crop. Similarly, a plurality of the ambient environmental sensors 72 can be installed at strategic locations along the structural canopy 76 of the grow facility to enable the ambient environmental sensors 72 to monitor the environmental conditions within different areas of the grow facility.

[0067] In some instances, the system can include an aerial autonomous vehicle 78, such as a flying drone, equipped with additional sensing capabilities. The aerial autonomous vehicle 78 can be capable of navigating above the crop to provide an overhead perspective of the overall crop. The aerial autonomous vehicle 78 can be equipped with one or more wide range cameras 70 and / or one or more ambient environmental sensors 72 to detect the plant health and environmental conditions, respectively, for the overall crop. The aerial autonomous vehicle 78 can be deployable from various locations within the grow facility. In some implementations, the aerial autonomous vehicle 78 can be launched from a docking station mounted on the autonomous vehicle 20. In other implementations, the aerial autonomous vehicle 78 can be launched from a standalone location. This configuration can allow for coordinated operations between the ground-based and aerial monitoring systems, with the aerial autonomous vehicle 78 providing sole or supplementary data collection capabilities when needed.

[0068] In other instances, the boom arm 24 of the autonomous vehicle 20 can be equipped with one or more wide range cameras (e.g., 70) and / or one or more ambient environmental sensors (e.g., 72) . In these instances, the boom arm 24 can be designed to extend sufficiently above the crop to allow the wide range cameras 70 and / or the one or more ambient environmental sensors 72 to capture the desired crop-related data. This capability can enable the autonomous vehicle 20 to collect both detailed, plant-specific data using its close-range sensors and broader, crop-level data using the elevated camera (s) and / or sensor (s) .

[0069] The system integrates data from multiple sources to provide a comprehensive approach to monitoring plant health and optimizing crop growth. The autonomous vehicle collects detailed plant-based data using its onboard sensors, including photosynthetic activity measurements from the PAR sensor, soil condition data from the grow media sensor, and visual plant health indicators from the camera. This plant-specific data is complemented by crop-based data collected by the wide range cameras, which capture broader patterns of crop health across large sections of the grow facility. Additionally, the ambient environmental sensors continuously monitor growing conditions throughout the facility, providing context for the plant and crop-level data.

[0070] The central computing system processes and analyzes this multi-faceted dataset to create predictive models of plant health and crop performance. These models can recognize trends in plant growth, identify early indicators of stress or disease, and anticipate potential issues before they become widespread. By combining granular plant-level data with broader crop-level observations and environmental measurements, the system can develop a nuanced understanding of the complex interactions between individual plants, overall crop health, and environmental conditions.

[0071] Based on these predictive models, the central computing system can develop customized recipes for plant care. These recipes can specify optimal environmental parameters such as temperature, humidity, light intensity, and nutrient levels for different stages of plant growth or for specific crop varieties. The recipes can be dynamically adjusted throughout the crop’s life cycle as new sensor data is collected and integrated into the predictive models. This continuous refinement can allow the system to adapt to changing conditions and evolving plant needs.

[0072] The central computing system can implement these customized recipes by controlling various environmental systems within the grow facility. For example, the system can adjust HVAC settings to maintain optimal temperature and humidity levels, modify lighting schedules or intensities to support photosynthesis, or fine-tune irrigation and fertilization systems to deliver precise amounts of water and nutrients. By proactively managing these environmental factors based on the predictive models, the system can anticipate and mitigate potential health concerns before they impact crop yield or quality. This data-driven approach to environmental control can enable more efficient resource utilization and consistent crop performance across the grow facility.

[0073] The foregoing description of embodiments and examples has been presented for purposes of illustration and description. It is not intended to be exhaustive or limiting to the forms described. Numerous modifications are possible in light of the above teachings. Some of those modifications have been discussed and others will be understood by those skilled in the art. The embodiments were chosen and described for illustration of various embodiments. The scope is, of course, not limited to the examples or embodiments set forth herein but can be employed in any number of applications and equivalent devices by those of ordinary skill in the art. Rather, it is hereby intended that the scope be defined by the claims appended hereto. Also, for any methods claimed and / or described, regardless of whether the method is described in conjunction with a flow diagram, it should be understood that unless otherwise specified or required by context, any explicit or implicit ordering of steps performed in the execution of a method does not imply that those steps must be performed in the order presented and may be performed in a different order or in parallel.

Claims

1.An autonomous vehicle for monitoring plant health in an indoor horticultural facility, comprising:a base platform;a navigation system configured to guide the autonomous vehicle through the indoor horticultural facility;a photosynthetically active radiation (PAR) sensor associated with the base platform, the PAR sensor including clamping jaws configured to clamp onto a leaf of a target plant without removing plant material from the target plant;a grow media sensor associated with the base platform, the grow media sensor including a probe configured for insertion into grow media surrounding the target plant;a camera associated with the base platform and configured to guide positioning of the PAR sensor and the grow media sensor;a control unit configured to control operation of the autonomous vehicle and collect data from the PAR sensor and the grow media sensor; anda power system including a rechargeable battery and configured to connect to a charging dock for recharging the battery.2.The autonomous vehicle of claim 1, wherein the PAR sensor includes sensing pads mounted on the clamping jaws, the sensing pads configured to emit light onto the leaf and detect a fluorescent response.3.The autonomous vehicle of claim 1, further comprising a local environmental sensor associated with the base platform and configured to measure ambient conditions in a vicinity of the target plant.4.The autonomous vehicle of claim 3, wherein the local environmental sensor is configured to measure at least one of temperature, humidity, and light levels.5.The autonomous vehicle of claim 1, further comprising an application module configured to selectively apply a remedial therapy to improve plant health based on data collected by the PAR sensor and the grow media sensor.6.The autonomous vehicle of claim 5, wherein the application module comprises at least one of a radiation module configured to generate targeted ultraviolet light and a fertilizer application module configured to selectively broadcast fertilizer.7.The autonomous vehicle of claim 1, further comprising a remote control including a display screen configured to present operational information about the autonomous vehicle and input mechanisms for sending commands to the autonomous vehicle.8.A method of monitoring plant health and crop health in an indoor horticultural facility, comprising:navigating an autonomous vehicle through the indoor horticultural facility;collecting plant-specific health data from individual target plants using plant health detection sensors;collecting crop-level health data using wide range cameras positioned to capture images of multiple plants;collecting environmental data using ambient environmental sensors positioned throughout the facility;transmitting the plant-specific health data, crop-level health data, and environmental data to a central computing system;analyzing the transmitted data to generate a predictive model of plant health and crop performance; anddeveloping a customized recipe for environmental parameters based on the predictive model.9.The method of claim 8, wherein collecting plant-specific health data comprises:positioning a photosynthetically active radiation (PAR) sensor on a leaf of a target plant using clamping jaws without removing any plant material; anddetecting photosynthetic properties of the target plant using the PAR sensor.10.The method of claim 9, wherein collecting plant-specific health data further comprises:inserting a probe of a grow media sensor into grow media surrounding the target plant; andmeasuring oxygen levels in the grow media using the grow media sensor.11.The method of claim 10, further comprising using a camera mounted on the boom arm to guide positioning of the PAR sensor and the grow media sensor relative to the target plant.12.The method of claim 8, wherein collecting crop-level health data comprises capturing images of large sections of crops using wide range cameras mounted on at least one of:a structural canopy of the indoor horticultural facility;a boom arm of the autonomous vehicle; andan aerial autonomous vehicle.13.The method of claim 8, further comprising:detecting a plant health issue based on the analyzed data; andapplying a remedial therapy to address the detected plant health issue using an application module mounted on the autonomous vehicle.14.The method of claim 13, wherein applying the remedial therapy comprises at least one of:generating targeted ultraviolet light to eradicate mold growth; andselectively broadcasting fertilizer onto the target plant.15.A system for monitoring plant health in an indoor horticultural facility, comprising:an autonomous vehicle configured to navigate through the indoor horticultural facility and collect plant-specific health data from individual target plants;one or more wide range cameras positioned in the facility to collect crop-level health data;one or more ambient environmental sensors positioned in the facility to collect environmental data; anda central computing system configured to receive and analyze the plant-specific health data, the crop-level health data, and the environmental data to generate a predictive model of plant health and crop performance and develop a customized recipe for environmental parameters based on the predictive model.16.The system of claim 15, wherein the autonomous vehicle comprises:a base platform;a multi-axis articulating boom arm extending from the base platform; anda photosynthetically active radiation (PAR) sensor mounted on the boom arm, the PAR sensor including clamping jaws configured to clamp onto a leaf of a target plant without removing plant material from the target plant.17.The system of claim 16, wherein the autonomous vehicle further comprises a grow media sensor mounted on the boom arm, the grow media sensor including a probe configured for insertion into grow media surrounding the target plant.18.The system of claim 17, wherein the autonomous vehicle further comprises a camera mounted on the boom arm configured to guide positioning of the PAR sensor and the grow media sensor relative to the target plant.19.The system of claim 15, wherein the one or more wide range cameras are mounted on at least one of:a structural canopy of the indoor horticultural facility;the boom arm of the autonomous vehicle; andan aerial autonomous vehicle.20.The system of claim 15, wherein the central computing system is further configured to:detect a plant health issue based on the analyzed data; andcontrol an application module mounted on the autonomous vehicle to apply a remedial therapy to address the detected plant health issue.

Images