CN101980249B - 作物发育及长势自动观测方法及装置 - Google Patents
作物发育及长势自动观测方法及装置 Download PDFInfo
- Publication number
- CN101980249B CN101980249B CN2010105419776A CN201010541977A CN101980249B CN 101980249 B CN101980249 B CN 101980249B CN 2010105419776 A CN2010105419776 A CN 2010105419776A CN 201010541977 A CN201010541977 A CN 201010541977A CN 101980249 B CN101980249 B CN 101980249B
- Authority
- CN
- China
- Prior art keywords
- crop
- image
- data processing
- dpc
- processing centre
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
一种作物发育及长势自动观测装置，包括图像采集部分、通讯传输系统和数据处理中心，图像采集部分包括固定在支架上的CCD摄像头、视屏监控器和避雷针，支架设置于作物种植地域，固定于支架顶端的天线通过无线网络与接收和处理作物发育及长势数据、并置于数据处理中心的计算机无线连接，通讯传输系统包括分别位于图像采集部分和数据处理中心两端的天线和编码器；数据处理中心的计算机包括：图像资料库，图像特征算法库，产品库。本发明对作物生长信息进行实时自动采集和识别，通过网络在远程进行长期的观测、分析、测量，针对作物长势的自动测量，测量原理简单，测量结果准确，便于推广使用，并对推动农业气象观测的现代化、自动化具有重要意义。
Description
技术领域
本发明涉及一种自动观测作物生长的方法及装置。
背景技术
目前作物发育及长势观测主要靠人工观测实现，人们要想正确的鉴定农作物生长发育所需要的农业气象条件，就必须进行发育期的观测，通过观测可以知道各个发育期到来的日期和发育速度，并了解其影响发育速度的外界环境因素，有利于人们根据发育期到来的日期，采取合理的农业技术措施，保证作物的高产优质。
但是在农业生产实践中，人工观测作物发育期的一般情况，一是要选择重要的发育期，即与外界环境气象条件有密切关系，同时又是栽培管理的关键时期的发育期进行观测。二是各个发育期的观测要有统一的标准，便于不同地区或同一地区不同年份，发育期出现日期早晚及进展速度快慢进行比较。三是发育期的观测时间要方便，一般以不漏所规定的观测发育期为原则，每5天观测一次，在每旬第5天和旬末进行。但在植物将要进入某发育期或两个发育期相隔很近时，以及发育始期至普遍期，应每天观测一次，如此繁琐的人工观测费时费力，难于对作物进行实时性观测，经常造成观测上的较大误差，且资料时效性较差，将所有观测数据统计起来也很烦琐。
现在也有代替人工观测，利用计算机视觉技术、彩色图像处理技术对作物生长监测，虽然能够实现观测，但不能全部实现自动化，整套观测系统成本较高，对作物外部生长参数测量、果实成熟度检测、作物营养状态监测及作物形状描述与识别等几个方面不能系统形成作物产品库。
发明内容
本发明的目的是提供一种作物发育及长势自动观测方法及装置，能够对作物生长信息进行自动化的实时采集，保证观测的图像数据精准，使得观测更加简便，降低人工观测成本。
为实现上述目的，本发明采用如下技术方案：一种作物发育及长势自动观测装置，包括图像采集部分、通讯传输系统和数据处理中心，所述图像采集部分包括固定在支架上的CCD摄像头、视屏监控器、采集分配器和避雷针，所述支架设置于作物种植地域的地面上，固定于支架顶端的天线通过无线网络与处理作物发育及长势数据、并置于数据处理中心的计算机的天线连接，所述CCD摄像头和视屏监控器的输出端与采集分配器的输入端连接，采集分配器的输出端与通讯传输系统的无线发射器连接。
所述通讯传输系统包括分别位于图像采集部分和数据处理中心两端的天线、无线发射器和无线接收器。
所述数据处理中心的计算机包括：用于存储作物发育及株高图像资料的图像资料库，用于存储判别作物不同发育期各阶段指标的图像特征算法库，用于存储经自动处理后生成自动识别产品信息的产品库。
所述支架通过翻转铰链固定安装在混凝土基础上，支架的周围固定安装两至三个钢丝绳拉索，钢丝绳拉索的下端与拉索基础固定，支架的顶端固定安装天线，避雷针由避雷针固定架安装在支架上。
所述CCD摄像头为两个以上的情况下，在支架上装有采集分配器。
所述天线是Wi-Fi或3G天线，通讯传输系统是采用Wi-Fi或3G网络传输数据的无线网络。
所述CCD摄像头安装高度根据作物高矮区别，观测矮杆作物安装位置不低于4米，观测高杆作物安装位置不低于 5米。
所述CCD摄像头的靶面大小为1/2英寸，靶面宽高比为4:3，镜头焦距为12mm，水平视场角为46°，垂直视场角为35°，分辨率不低于400万像素。
所述数据处理中心的计算机是台式计算机或是便携式计算机。
一种作物发育自动观测方法，步骤如下：步骤一、图像采集部分用CCD摄像头（2）自动获取作物生长图像数据。
步骤二、通讯传输系统通过无线网络将图像采集部分获取的作物生长图像数据传输至数据处理中心的计算机（11）。
步骤三、数据处理中心的计算机接收图像采集部分采集的作物生长图像数据，并将作物生长图像数据与图像资料库中的图像进行比对，经过质量检验、标准化处理、进行图像特征提取。
步骤四、数据处理中心的计算机把提取出的图像特征与图像特征算法库的图像进行匹配，判断出属于营养生长阶段或生殖生长阶段。
作物出苗期的判断：数据处理中心的计算机根据图像上表现出叶像素面积突变，通过叶像素面积的突变，判别出作物的出苗期。
作物三叶期或七叶期的判断：在自动获取的图像中，通过作物的叶像素面积和作物顶点数两种图像特征识别；叶像素面积的提取方法首先对作物图像进行自适应分割，然后对每个连通区域进行标记，再对每个连通域的叶像素面积进行统计。
小麦越冬期的判断：5日平均气温稳定降到零度以下或图像上作物的高度不再变化。
小麦返青期的判断：气温稳定通过零度，图像上作物的高度每天在增高。
作物拔节期的判断：作物日生长量即株高发生明显跃变，日增长量和作物盖度超过前期平均值的多倍。
作物抽穗期的判断：在图像上利用穗的颜色与绿叶的颜色不同，提取小麦穗形状，判别抽穗期。
作物开花、吐丝的判断：在图像上表现出明显的新结构特征，利用新结构颜色与纹理与图像特征标准库的资料进行比对，提取结构特征，以当地作物常年发育的日期作为质量判别因子，从而自动判别作物的发育期。
一种作物长势的自动观测方法，步骤如下：步骤一：将图像采集部分的CCD摄像头镜头光轴与水平平行，同时在作物种植区域设立标杆。
步骤二：图像采集部分用CCD摄像头和视屏监控器自动获取作物顶点的株高。
步骤三：用通讯传输系统通过无线网络将图像采集部分获取的作物株高的图像数据传输至数据处理中心的计算机。
步骤四：数据处理中心的计算机接收图像采集部分采集的作物高度图像数据，并将作物高度图像数据代入计算公式进行数据处理。
根据测量原理：DE是标尺的长度已知，EC是标尺被作物掩埋的部分，DC为标尺露出长度；O为镜头焦点，F为像主点，在摄影图像内，BA是DC成像，FO是焦距已知，OH是摄像头镜头焦距到标尺的距离已知。
FB平行HC，三角形AFO与三角形CHO相似，三角形ABO与三角形CDO相似，故FO/OH=AO/CO、AB/CD=AO/CO，因此FO/OH= AB/CD，从而：CD =OH* AB/FO。
已知摄像头焦距FO和摄像头镜头焦点到标尺的距离OH，并且知道每个像素点几何大小，从图像上测量出AB的像素数，就可计算出AB，从而由上式计算出CD，那么作物高度EC=DE-CD。
安装在数据处理中心的计算机里的应用软件对资料进行自动处理后生成自动识别产品，再进行上传。
与现有技术相比本发明具有以下特点和有益效果：
本发明的作物发育及长势的观测装置利用了CCD传感器的可程控特性，与作物生长特点结合，实现了作物生长的自动采集，将wifi天线和3G网络等通讯传输技术应用到自动观测装置中，可以对作物的发育及长势进行在线实时监控，针对被测作物的生长信息，根据预置时间或远程发出的指令，自动拍摄并上传图像，自动按标准格式记录各项拍摄参数，从而实现作物图像的自动采集，并能实时传输作物生长图像至数据处理中心，通过网络在远程接受并可进行长期的观测、分析、测量。
利用图像处理技术和摄影测量学技术可以对作物的生长状态实现自动采集和识别，具有无损、快速、实时等优点，可以监测到作物生长过程，如出苗，长叶、成熟，可以根据果实的颜色及大小判别其成熟度，及作物缺水缺肥等情况，而且测量结果准确、迅速，可节约大量的人力和物力资源。农作物发育期是作物生长的重要特征参数，实时了解作物发育期进展及株高情况，对分析作物生长情况、评价气象对作物的影响、开展作物产量估产及抗灾防灾，保障粮食安全具有重要意义，实现了作物生长参数的自动采集和识别，推动农业气象观测的现代化、自动化的发展。
所用装置结构简单，设备要求不高，成本低，便于维修替换。其中的电源系统采用交流电源或太阳能电源，并采用光伏智能控制器，整套发电设备极为精炼，可靠稳定寿命长、安装维护简便。本发明针对农作物生长特点，采用图像处理技术和摄影测量学技术，实现作物发育期和长势的自动观测 ，并能够对作物生长信息进行实时观测，对作物的发育期进行连续观测记录，并对长势自动测量，测量原理简单，测量结果准确，便于推广使用。
附图说明
下面结合附图对本发明做进一步详细的说明。
附图标记：1-采集分配器、2-CCD摄像头、3-视屏监控器、4-支架、5-钢丝绳拉索、6-接地线、7-避雷针固定架、8-避雷针、9-翻转铰链、10-天线、11-数据处理中心的计算机、12-混凝土基础、13-拉索基础、14-地面。
图1是自动观测作物发育及长势装置的结构示意图。
图2是自动观测作物发育及长势的处理流程图。
图3是自动观测作物株高的CCD传感器成像原理图。
具体实施方式
参见图1所示，一种作物发育及长势自动观测装置，包括图像采集部分、通讯传输系统和数据处理中心，图像采集部分包括固定在支架4上的CCD摄像头2、视屏监控器3、采集分配器1和避雷针8，所述支架4设置于作物种植地域的地面14上，固定于支架4顶端的天线10通过无线网络与处理作物发育及长势数据、并置于数据处理中心的计算机11的天线连接。所述天线是Wi-Fi或3G天线，通讯传输系统是采用Wi-Fi或3G网络传输数据的无线网络，通讯传输系统包括分别位于图像采集部分和数据处理中心两端的天线10、无线发射器和无线接收器。所述数据处理中心的计算机11是台式计算机或是便携式计算机，包括：用于存储作物发育及株高图像资料的图像资料库，用于存储判别作物不同发育期各阶段指标的图像特征算法库，用于存储经自动处理后生成自动识别产品信息的产品库。
所述支架4通过翻转铰链9固定安装在混凝土基础12上，支架4的周围固定安装两至三个钢丝绳拉索5，钢丝绳拉索的下端与拉索基础13固定，支架的顶端固定安装天线10，避雷针8由避雷针固定架7安装在支架上。
所述CCD摄像头2和视屏监控器3的输出端与采集分配器1的输入端连接， CCD摄像头为两个以上的情况下，在支架4上装有采集分配器1，采集分配器1的输出端与通讯传输系统的无线发射器连接。CCD摄像头安装高度根据作物高矮区别，观测矮杆作物安装位置不低于4米，观测高杆作物安装位置不低于 5米。CCD摄像头的靶面大小为1/2英寸，靶面宽高比为4:3，镜头焦距为12mm，水平视场角为46°，垂直视场角为35°，分辨率不低于400万像素。
参见图2所示，一种作物发育自动观测方法，步骤如下：步骤一、图像采集部分用CCD摄像头2自动获取作物生长图像数据。
步骤二、通讯传输系统通过无线网络将图像采集部分获取的作物生长图像数据传输至数据处理中心。
步骤三、数据处理中心的计算机接收图像采集部分采集的作物生长图像数据，并将作物生长图像数据与图像资料库中的图像进行比对，经过质量检验、标准化处理、进行图像特征提取。
步骤四、数据处理中心的计算机把提取出的图像特征与图像特征算法库的图像进行匹配，判断出属于营养生长阶段或生殖生长阶段，在营养生长阶段主要表现为图像呈渐进性变化特征，即两个阶段从图像上看仅有量的变化，没有质的改变；而生殖生长阶段图像上表现出明显的突变性特征，会出现清晰的新结构。
在作物发育期图像中渐进性无质变的营养生长阶段通过收集作物的几何、位置、顶点等统计特征，结合作物的高度、叶像素面积等信息进行综合判断；在图像中突变性的具明显新结构体出现的出苗期与生殖生长阶段通过识别和检测作物的突变性特征或显著性特征来完成。
不同作物发育期有相应的判别指标，实施例以小麦为例：
作物出苗期的判断：数据处理中心的计算机根据图像上表现出叶像素面积突变，通过叶像素面积的突变，判别出作物的出苗期。
作物三叶期或七叶期的判断：在自动获取的图像中，通过作物的叶像素面积和作物顶点数两种图像特征识别；叶像素面积的提取方法首先对作物图像进行自适应分割，然后对每个连通区域进行标记，再对每个连通域的叶像素面积进行统计。
小麦越冬期的判断：5日平均气温稳定降到零度以下或图像上作物的高度不再变化。
小麦返青期的判断：气温稳定通过零度，图像上作物的高度每天在增高。
作物拔节期的判断：作物日生长量即株高发生明显跃变，日增长量和作物盖度超过前期平均值的多倍，且出现日期在3-4月期间。
作物抽穗期的判断：在图像上利用穗的颜色与绿叶的颜色不同，提取小麦穗形状，判别抽穗期。
作物开花、吐丝的判断：在图像上表现出明显的新结构特征，利用新结构颜色与纹理与图像特征标准库的资料进行比对，提取结构特征，以当地作物常年发育的日期作为质量判别因子，从而自动判别作物的发育期。
对图像进行匹配之后，通过人机交互将作物的生长信息提取出来，以数字的形式存入产品库。
实施例以玉米为例：
出苗期：玉米出苗时会在图像上表现出叶像素面积突变，通过叶像素面积的突变，可判别出玉米出苗期。
三叶期和七叶期：在自动获取的图像中，通过作物的叶像素面积和作物顶点数两种图像特征识别；叶像素面积的提取方法首先对作物图像进行自适应分割，然后对每个连通区域进行标记，再对每个连通域的叶像素面积进行统计。七叶期的叶像素明显大于三叶期的叶像素。玉米顶点识别是先对作物图像进行二值分割，然后运用形态学方法提取每个连通域的骨架信息，再使用卷积模板获得每个骨架的顶点信息，最后统计所有连通域的顶点数量。通过叶像素与顶点数自动判断玉米的三叶和七叶期。
拔节期：作物日生长量（株高）发生明显跃变，日增长量和作物盖度超过前期平均值的多倍。
抽雄、开花、吐丝：在图像上表现出明显的新结构特征，利用新结构颜色与纹理与玉米绿叶的图像差别，提取结构特征，以当地玉米常年发育的日期作为质量判别因子，从而自动判别玉米发育期。
一种作物长势的自动观测方法，步骤如下：步骤一：将图像采集部分的CCD摄像头镜头光轴与水平平行，同时在作物种植区域设立标杆。
步骤二：图像采集部分用CCD摄像头和视屏监控器自动获取作物顶点的株高。
步骤三：用通讯传输系统通过无线网络将图像采集部分获取的作物株高的图像数据传输至数据处理中心。
步骤四：数据处理中心的计算机接收图像采集部分采集的作物高度图像数据，并将作物高度图像数据代入计算公式进行数据处理。
参见图3所示，CCD传感器成像原理图，根据测量原理：设CCD摄像头镜头光轴与水平平行。DE是标尺的长度已知，EC是标尺被作物掩埋的部分，DC为标尺露出长度；O为镜头焦点，F为像主点，在摄影图像内，BA是DC成像，FO是焦距已知，摄像头镜头焦距到标尺的距离OH通过相机参数查看和现场测量为已知量。
FB平行HC，三角形AFO与三角形CHO相似，三角形ABO与三角形CDO相似，故FO/OH=AO/CO、AB/CD=AO/CO，因此FO/OH= AB/CD，从而：CD =OH* AB/FO；
已知摄像头焦距FO和摄像头镜头焦点到标尺的距离OH，并且知道每个像素点几何大小，从图像上测量出AB的像素数，就可计算出AB，从而由上式计算出CD，那么作物高度EC=DE-CD。
安装在数据处理中心的计算机里的应用软件对资料进行自动处理后生成自动识别产品，再进行上传。其中E点的确定（即作物的顶点）采用红外传感技术结合单片机传动控制技术来判别，并利用此装置做出特殊标记点从而在获取作物图像内可以利用图像识别来识别该点。
另外，通过自动观测装置获取的统一规格的图片资料，计算图像中作物信息面积与总体未种植前土壤面积之比，获得作物盖度。作物盖度与作物的长势和作物密度密切相关，可反映作物生长情况，是了解作物生长的重要参数之一。
Claims (2)
1.一种应用观测装置进行观测的作物发育自动观测方法，其特征在于：所述观测装置，包括图像采集部分、通讯传输系统和数据处理中心，所述图像采集部分包括固定在支架（4）上的CCD摄像头（2）、视屏监控器（3）、采集分配器（1）和避雷针（8），所述支架（4）设置于作物种植地域的地面（14）上，固定于支架（4）顶端的天线（10）通过无线网络与处理作物发育及长势数据、并置于数据处理中心的计算机（11）的天线连接，所述CCD摄像头（2）和视屏监控器（3）的输出端与采集分配器（1）的输入端连接，采集分配器（1）的输出端与通讯传输系统的无线发射器连接；
所述通讯传输系统包括分别位于图像采集部分和数据处理中心两端的天线（10）、无线发射器和无线接收器；
所述数据处理中心的计算机（11）包括：用于存储作物发育及株高图像资料的图像资料库，用于存储判别作物不同发育期各阶段指标的图像特征算法库，用于存储经自动处理后生成自动识别产品信息的产品库；
所述CCD摄像头安装高度根据作物高矮区别，观测矮杆作物安装位置不低于4米，观测高杆作物安装位置不低于 5米；
所述CCD摄像头的靶面大小为1/2英寸，靶面宽高比为4:3，镜头焦距为12mm，水平视场角为46°，垂直视场角为35°，分辨率不低于400万像素；
所述支架（4）通过翻转铰链（9）固定安装在混凝土基础（12）上，支架（4）的周围固定安装两至三个钢丝绳拉索（5），钢丝绳拉索的下端与拉索基础（13）固定，支架的顶端固定安装天线（10），避雷针（8）由避雷针固定架（7）安装在支架（4）上；
所述CCD摄像头（2）为两个以上的情况下，在支架（4）上装有采集分配器（1）；
所述天线（10）是Wi-Fi或3G天线，通讯传输系统是采用Wi-Fi或3G网络传输数据的无线网络；
所述数据处理中心的计算机（11）是台式计算机或是便携式计算机；
所述作物发育自动观测方法步骤如下：
步骤一、图像采集部分用CCD摄像头（2）自动获取作物生长图像数据；
步骤二、通讯传输系统通过无线网络将图像采集部分获取的作物生长图像数据传输至数据处理中心的计算机（11）；
步骤三、数据处理中心的计算机接收图像采集部分采集的作物生长图像数据，并将作物生长图像数据与图像资料库中的图像进行比对，经过质量检验、标准化处理、进行图像特征提取；
步骤四、数据处理中心的计算机把提取出的图像特征与图像特征算法库的图像进行匹配，判断出属于营养生长阶段或生殖生长阶段；
作物出苗期的判断：数据处理中心的计算机根据图像上表现出叶像素面积突变，通过叶像素面积的突变，判别出作物的出苗期；
作物三叶期或七叶期的判断：在自动获取的图像中，通过作物的叶像素面积和作物顶点数两种图像特征识别；叶像素面积的提取方法首先对作物图像进行自适应分割，然后对每个连通区域进行标记，再对每个连通域的叶像素面积进行统计；
小麦越冬期的判断：5日平均气温稳定降到零度以下或图像上作物的高度不再变化；
小麦返青期的判断：气温稳定通过零度，图像上作物的高度每天在增高；
作物拔节期的判断：作物日生长量即株高发生明显跃变，日增长量和作物盖度超过前期平均值的多倍；
作物抽穗期的判断：在图像上利用穗的颜色与绿叶的颜色不同，提取小麦穗形状，判别抽穗期；
作物开花、吐丝的判断：在图像上表现出明显的新结构特征，利用新结构颜色与纹理与图像特征标准库的资料进行比对，提取结构特征，以当地作物常年发育的日期作为质量判别因子，从而自动判别作物的发育期。
2.一种应用观测装置进行观测的作物长势的自动观测方法，其特征在于：所述观测装置，包括图像采集部分、通讯传输系统和数据处理中心，所述图像采集部分包括固定在支架（4）上的CCD摄像头（2）、视屏监控器（3）、采集分配器（1）和避雷针（8），所述支架（4）设置于作物种植地域的地面（14）上，固定于支架（4）顶端的天线（10）通过无线网络与处理作物发育及长势数据、并置于数据处理中心的计算机（11）的天线连接，所述CCD摄像头（2）和视屏监控器（3）的输出端与采集分配器（1）的输入端连接，采集分配器（1）的输出端与通讯传输系统的无线发射器连接；
所述通讯传输系统包括分别位于图像采集部分和数据处理中心两端的天线（10）、无线发射器和无线接收器；
所述数据处理中心的计算机（11）包括：用于存储作物发育及株高图像资料的图像资料库，用于存储判别作物不同发育期各阶段指标的图像特征算法库，用于存储经自动处理后生成自动识别产品信息的产品库；
所述CCD摄像头安装高度根据作物高矮区别，观测矮杆作物安装位置不低于4米，观测高杆作物安装位置不低于 5米；
所述CCD摄像头的靶面大小为1/2英寸，靶面宽高比为4:3，镜头焦距为12mm，水平视场角为46°，垂直视场角为35°，分辨率不低于400万像素；
所述支架（4）通过翻转铰链（9）固定安装在混凝土基础（12）上，支架（4）的周围固定安装两至三个钢丝绳拉索（5），钢丝绳拉索的下端与拉索基础（13）固定，支架的顶端固定安装天线（10），避雷针（8）由避雷针固定架（7）安装在支架（4）上；
所述CCD摄像头（2）为两个以上的情况下，在支架（4）上装有采集分配器（1）；
所述天线（10）是Wi-Fi或3G天线，通讯传输系统是采用Wi-Fi或3G网络传输数据的无线网络；
所述数据处理中心的计算机（11）是台式计算机或是便携式计算机；
所述作物长势自动观测方法步骤如下：
步骤一：将图像采集部分的CCD摄像头镜头光轴与水平平行，同时在作物种植区域设立标杆；
步骤二：图像采集部分用CCD摄像头和视屏监控器自动获取作物顶点的株高；
步骤三：用通讯传输系统通过无线网络将图像采集部分获取的作物株高的图像数据传输至数据处理中心的计算机；
步骤四：数据处理中心的计算机接收图像采集部分采集的作物高度图像数据，并将作物高度图像数据代入计算公式进行数据处理；
根据测量原理：DE是标尺的长度已知，EC是标尺被作物掩埋的部分，DC为标尺露出长度；O为镜头焦点，F为像主点，在摄影图像内，BA是DC成像，FO是焦距已知，OH是摄像头镜头焦距到标尺的距离已知；
FB平行HC，三角形AFO与三角形CHO相似，三角形ABO与三角形CDO相似，故FO/OH=AO/CO、AB/CD=AO/CO，因此FO/OH= AB/CD，从而：CD =OH* AB/FO；
已知摄像头焦距FO和摄像头镜头焦点到标尺的距离OH，并且知道每个像素点几何大小，从图像上测量出AB的像素数，就可计算出AB，从而由上式计算出CD，那么作物高度EC=DE-CD；
安装在数据处理中心的计算机里的应用软件对资料进行自动处理后生成自动识别产品，再进行上传。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010105419776A CN101980249B (zh) | 2010-11-12 | 2010-11-12 | 作物发育及长势自动观测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010105419776A CN101980249B (zh) | 2010-11-12 | 2010-11-12 | 作物发育及长势自动观测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101980249A CN101980249A (zh) | 2011-02-23 |
| CN101980249B true CN101980249B (zh) | 2012-11-07 |
Family
ID=43600751
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010105419776A Active CN101980249B (zh) | 2010-11-12 | 2010-11-12 | 作物发育及长势自动观测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101980249B (zh) |
Families Citing this family (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102360428B (zh) * | 2011-06-16 | 2013-09-18 | 华中科技大学 | 一种玉米三叶期与七叶期的自动检测方法 |
| CN102252707B (zh) * | 2011-06-29 | 2012-09-05 | 北京农业信息技术研究中心 | 观测装置及方法 |
| CN102428840B (zh) * | 2011-09-13 | 2013-01-23 | 江苏大学 | 一种确定茅苍术收获期的方法 |
| CN102663397B (zh) * | 2012-03-21 | 2014-05-07 | 华中科技大学 | 一种小麦出苗的自动检测方法 |
| CN102636486B (zh) * | 2012-03-23 | 2014-03-26 | 华中科技大学 | 一种棉花三真叶期的自动检测方法 |
| CN102927916B (zh) * | 2012-11-29 | 2015-05-20 | 中国农业大学 | 野外环境玉米株高的监控方法和装置 |
| CN104457843B (zh) * | 2014-11-10 | 2017-06-27 | 江苏大学 | 导轨式设施番茄长势双位自动巡航成像检测装置及其检测方法 |
| CN104705080B (zh) * | 2015-03-20 | 2016-11-30 | 温弘成 | 瓶养植株种植控制方法 |
| CN104796591A (zh) * | 2015-05-04 | 2015-07-22 | 武向文 | 害虫的数量采集处理系统与方法 |
| CN104941330B (zh) | 2015-05-29 | 2017-08-01 | 小米科技有限责任公司 | 一种净化空气的方法和装置 |
| US10539437B2 (en) | 2015-12-28 | 2020-01-21 | Nanjing Agricultural University | Crop growth sensing apparatus and method supporting agricultural machinery variable-quantity fertilization operations |
| CN105761150B (zh) * | 2016-01-29 | 2020-04-21 | 中国科学院遥感与数字地球研究所 | 农作物信息及样本的采集方法和系统 |
| CN105844632B (zh) * | 2016-03-21 | 2018-10-16 | 华南农业大学 | 基于机器视觉的稻株识别与定位方法 |
| CN106447518A (zh) * | 2016-12-02 | 2017-02-22 | 上海巽晔计算机科技有限公司 | 一种生态农业监测系统 |
| CN106598244A (zh) * | 2016-12-12 | 2017-04-26 | 大连文森特软件科技有限公司 | 一种基于ar虚拟现实技术的植物生长监测系统 |
| CN106780502A (zh) * | 2016-12-27 | 2017-05-31 | 江苏省无线电科学研究所有限公司 | 基于图像的甘蔗出苗期自动检测方法 |
| WO2018188046A1 (zh) * | 2017-04-14 | 2018-10-18 | 深圳市瑞荣创电子科技有限公司 | 玉米株高远程测量系统和测量方法 |
| CN107124595A (zh) * | 2017-05-31 | 2017-09-01 | 深圳前海弘稼科技有限公司 | 一种种植视频合成的方法与系统 |
| CN108647652B (zh) * | 2018-05-14 | 2022-07-01 | 北京工业大学 | 一种基于图像分类和目标检测的棉花发育期自动识别方法 |
| CN109766957A (zh) * | 2019-03-19 | 2019-05-17 | 广东省农业科学院农业生物基因研究中心 | 一种智慧高效监控农作物种质资源生育期的方法 |
| CN111855653B (zh) * | 2019-04-25 | 2023-11-28 | 河南中原光电测控技术有限公司 | 一种植物干旱监测方法、监测模块和监测装置 |
| CN111553804A (zh) * | 2020-04-27 | 2020-08-18 | 无锡雪浪数制科技有限公司 | 一种农作物生长周期识别方法 |
| CN113298768B (zh) * | 2021-05-20 | 2022-11-08 | 山东大学 | 棉花检测分割计数方法及系统 |
| CN116797601B (zh) * | 2023-08-24 | 2023-11-07 | 西南林业大学 | 一种基于图像识别的华山松生长动态的监控方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1386016A (zh) * | 2001-05-10 | 2002-12-18 | 株式会社E·C·R | 监视系统 |
| CN1561669A (zh) * | 2004-04-12 | 2005-01-12 | 中国科学院合肥智能机械研究所 | 一种用于农作物生长状态监测及营养施肥处方生成装置和方法 |
| CN1916790A (zh) * | 2006-09-01 | 2007-02-21 | 上海农业信息有限公司 | 农作物培育监控系统及监控方法 |
| JP4009441B2 (ja) * | 2001-08-08 | 2007-11-14 | 株式会社日立製作所 | 作物育成評価システム |
| CN201869599U (zh) * | 2010-11-12 | 2011-06-22 | 中国气象局气象探测中心 | 作物发育及长势自动观测装置 |
-
2010
- 2010-11-12 CN CN2010105419776A patent/CN101980249B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1386016A (zh) * | 2001-05-10 | 2002-12-18 | 株式会社E·C·R | 监视系统 |
| JP4009441B2 (ja) * | 2001-08-08 | 2007-11-14 | 株式会社日立製作所 | 作物育成評価システム |
| CN1561669A (zh) * | 2004-04-12 | 2005-01-12 | 中国科学院合肥智能机械研究所 | 一种用于农作物生长状态监测及营养施肥处方生成装置和方法 |
| CN1916790A (zh) * | 2006-09-01 | 2007-02-21 | 上海农业信息有限公司 | 农作物培育监控系统及监控方法 |
| CN201869599U (zh) * | 2010-11-12 | 2011-06-22 | 中国气象局气象探测中心 | 作物发育及长势自动观测装置 |
Non-Patent Citations (1)
| Title |
|---|
| JP特许4009441B2 2007.11.14 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101980249A (zh) | 2011-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101980249B (zh) | 作物发育及长势自动观测方法及装置 | |
| CN201869599U (zh) | 作物发育及长势自动观测装置 | |
| CN102256102B (zh) | 一种基于远程监控的农情信息实时监测方法及系统 | |
| CN102954816B (zh) | 作物长势的监测方法 | |
| CN105547252B (zh) | 基于情景感知的作物冠层图像采集装置 | |
| CN101936882B (zh) | 一种作物氮素和水分无损检测方法及装置 | |
| CN202382768U (zh) | 一种设施作物生长信息无损检测装置 | |
| CN107192812B (zh) | 一种智能判定旱作作物缺水状态的方法及系统 | |
| CN106054679B (zh) | 一种基于物联网的农业智能监控系统及作物种植方法 | |
| CN106406178A (zh) | 一种温室作物生长信息实时对等监测装置及监测方法 | |
| CN112116514B (zh) | 植物种植推荐方法、装置、设备及计算机可读存储介质 | |
| CN110163138B (zh) | 一种基于无人机多光谱遥感图像的小麦分蘖密度测算方法 | |
| CN102384767A (zh) | 一种设施作物生长信息无损检测装置和方法 | |
| CN109029588A (zh) | 一种基于气候影响的农作物长势预测方法 | |
| CN106254476A (zh) | 基于物联网、大数据和云计算的农业生态环境信息管理及监控方法与系统 | |
| CN101930662A (zh) | 基于远程监控的农田信息实时监测系统及方法 | |
| CN103697937A (zh) | 环境与植株生长态势协同监测分析装置及方法 | |
| CN103278503B (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 | |
| CN113273449A (zh) | 用于日光温室精准监测的数字孪生体构造方法 | |
| CN104732564A (zh) | 一种玉米叶面积无损动态监测装置与方法 | |
| AU2016273991A1 (en) | Detection of environmental conditions | |
| KR20210077504A (ko) | 스마트팜 데이터 생육연동시스템 | |
| CN106971409A (zh) | 玉米冠层叶色建模系统及方法 | |
| CN206674701U (zh) | 一种智能茶园自动灌溉系统 | |
| CN114429591A (zh) | 一种基于机器学习的植被生物量自动监测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C53 | Correction of patent for invention or patent application | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Xuefen Inventor after: Sun Han Inventor after: Xue Hongxi Inventor after: Jin Hongwei Inventor after: Cao Zhiguo Inventor after: Li Cuina Inventor after: Yu Zhenghong Inventor before: Zhang Xuefen Inventor before: Sun Han Inventor before: Xue Hongxi Inventor before: Jin Hongwei Inventor before: Cao Zhiguo Inventor before: Li Cuina Inventor before: Yu Zhenghong |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |