CN104766135A - 一种预测农作物产量的方法、装置及系统 - Google Patents
一种预测农作物产量的方法、装置及系统 Download PDFInfo
- Publication number
- CN104766135A CN104766135A CN201510133966.7A CN201510133966A CN104766135A CN 104766135 A CN104766135 A CN 104766135A CN 201510133966 A CN201510133966 A CN 201510133966A CN 104766135 A CN104766135 A CN 104766135A
- Authority
- CN
- China
- Prior art keywords
- growth
- data
- monitoring
- indexes
- crop yield
- 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.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种预测农作物产量的方法、装置及系统,所述方法包括:获取数据库中的生长环境数据;基于预设生长模型,根据所述生长环境数据,生成第一生长指标;根据通过监测农作物获取的第二生长指标对所述第一生长指标进行校正,生成目标生长指标;根据所述目标生长指标,生成产量预测数据。本发明实施例提供的预测农作物产量的方法、装置及系统,通过预设的生长模型生成第一生长指标,并通过对农作物的实时监测获取第二生长指标,根据所述第二生长指标对第一生长指标进行校正,以获取精度更高的目标生长指标,根据所述目标生长指标,生成农作物产量的预测数据,提升了农作物产量预测的实时性和精度,提高了农作物产量预测的准确率。
Description
技术领域
本发明涉及智能农业技术领域,尤其涉及一种预测农作物产量的方法、装置及系统。
背景技术
我国是农业和人口大国,粮食是国家之命脉,对粮食等主要农产品产量的准确预测对我国农业政策的制定、保证国家粮食储备和维护社会稳定方面有着十分重要的意义。所以在农业生产过程中对农作物产量形成的实时监测和产量的准确预测显得尤其重要。
随着信息技术的智能化发展,智能信息系统已成为农业信息分析及农业信息化管理中的重要组成部分,特别是在作物长势评估、产量预测等方面有着极其重要的作用。
目前,对农作物产量的实时预测常用的方法有两种:一是基于生长模型的产量预测,即根据农作物生长机理结合其生长环境、农业投入和农业管理情况对农产品单位面积产量进行预测;二是通过视觉成像设备(如:可见光相机、多光谱相机等),对农作物生长情况进行实时监测并通过图像处理、模式识别技术对农作物长势进行分析,来获得农作物的生长情况以达到产量预测的目的。
这两种方法由于其自身的特点,都有着其重大缺陷:第一种方法过于模式化,认为农作物的生长都是服从统一的生长模型,而不能根据农作物生长过程中实时情况动态地调整模型各项参数;第二种方法过于从农作物表象出发来对农作物的长势和产量进行判断,忽略了农作物生长机理及其长势间的关系。
发明内容
有鉴于此,本发明提出了一种预测农作物产量的方法、装置及系统,以解决农作物产量预测实时性差和精度低的问题,提高农作物产量预测的准确率。
为达此目的,本发明采用以下技术方案:
第一方面,本发明实施例提供一种预测农作物产量的方法,包括:
获取数据库中的生长环境数据;
基于预设生长模型,根据所述生长环境数据,生成第一生长指标;
根据通过监测农作物获取的第二生长指标对所述第一生长指标进行校正,生成目标生长指标;
根据所述目标生长指标,生成产量预测数据。
进一步的,获取数据库中的生长环境数据之前,还包括:
获取至少一个监测点采集到的环境监测数据;
将所述环境监测数据进行数据融合,生成生长环境数据;
将所述生长环境数据存储到数据库中。
进一步的,通过监测农作物获取第二生长指标包括:
通过视觉成像设备监测农作物,以获取监测数据;
对所述监测数据进行数据处理,以获取第二生长指标。
进一步的,根据通过监测农作物获取的第二生长指标对所述第一生长指标进行校正,生成目标生长指标,包括:
通过监测农作物获取第二生长指标;
计算所述第一生长指标与所述第二生长指标的误差值;
根据所述误差值与预设门限值之间的关系,对所述预设生长模型进行校正,将校正后的预设生长模型生成的第一生长指标作为目标生长指标。
第二方面,本发明实施例提供一种预测农作物产量的装置,包括:
获取单元,用于获取数据库中的生长环境数据;
第一生成单元,用于基于预设生长模型,根据所述生长环境数据,生成第一生长指标;
校正单元,用于根据通过监测农作物获取的第二生长指标对所述第一生长指标进行校正,生成目标生长指标;其中,所述校正单元包括:
第一获取子单元:用于通过监测农作物获取第二生长指标;
第一校正子单元,用于对所述第一生长指标进行校正,生成目标生长指标;
第二生成单元,用于根据所述目标生长指标,生成产量预测数据。
进一步的,还包括:
数据获取单元,用于获取至少一个监测点采集到的环境监测数据;
数据融合单元,用于将所述环境监测数据进行数据融合,生成生长环境数据;
数据存储单元,用于将所述生长环境数据存储到数据库中。
进一步的,所述第一获取子单元具体用于:通过视觉成像设备监测农作物,以获取监测数据;对所述监测数据进行数据处理,以获取第二生长指标。
进一步的,所述校正单元包括:
第二获取子单元,用于通过监测农作物获取第二生长指标;
计算子单元,用于计算所述第一生长指标与所述第二生长指标的误差值;
第二校正子单元,用于根据所述误差值与预设门限值之间的关系,对所述预设生长模型进行校正,将校正后的预设生长模型生成的第一生长指标作为目标生长指标。
第三方面,本发明实施例提供一种预测农作物产量的系统,包括上述的预测农作物产量的装置,还包括至少一个监测点。
进一步的,所述监测点包括下述至少一项监测设备:
光照传感器,用于检测农作物生长环境中的光照强度;
温度传感器,用于检测农作物生长环境中的温度;
湿度传感器,用于检测农作物生长环境中的湿度;
土壤传感器,用于检测农作物生长土壤中至少一种元素的含量。
本发明实施例提供的预测农作物产量的方法、装置及系统,通过预设的生长模型生成第一生长指标,通过对农作物的实时监测获取第二生长指标,根据所述第二生长指标对第一生长指标进行校正,以获取精度更高的目标生长指标,根据所述目标生长指标,生成农作物产量的预测数据,提升了农作物产量预测的实时性和精度,提高了农作物产量预测的准确率。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1是本发明实施例一提供的预测农作物产量的方法的流程示意图;
图2是本发明实施例一提供的预测农作物产量的方法的运行逻辑结构图;
图3是本发明实施例二提供的预测农作物产量的装置的结构示意图;
图4是本发明实施例三提供的预测农作物产量的系统中监测点的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下将结合本发明实施例中的附图,通过具体实施方式,完整地描述本发明的技术方案。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例,基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动的前提下获得的所有其他实施例,均落入本发明的保护范围之内。
实施例一
图1给出了本实施例一提供的预测农作物产量的方法的流程图,该方法可以由预测农作物产量的装置来执行,其中所述装置可由软件和/或硬件实现。如图1所示,本实施例提供的预测农作物产量的方法包括如下操作:
操作S101,获取数据库中的生长环境数据;
在该操作之前,还包括以下操作:获取至少一个监测点采集到的环境监测数据;将所述环境监测数据进行数据融合,生成生长环境数据;将所述生长环境数据存储到数据库中。
其中,所述监测点可以由传感器组构成,所述传感器组可以包括下述至少一项传感器:光照传感器、温度传感器、湿度传感器和土壤传感器。所述光照传感器可用于监测农作物生长土壤中的光照强度,所述温度传感器可用于监测农作物生长土壤中的温度,所述湿度传感器可用于监测农作物生长土壤中的湿度,所述土壤传感器可用于监测农作物生长土壤中至少一种元素的含量,例如,水分、盐分、PH值、全氮、有效磷、钙、镁等元素的含量。
由监测点采集到的环境监测数据可以通过传感器组自带的无线发送装置实时的传送到服务器的数据融合平台,并由数据融合平台对环境监测数据进行分类、清洗后存储在数据库中。
操作S102,基于预设生长模型,根据所述生长环境数据,生成第一生长指标;
该操作中的生长模型包括农作物生长期库、农作物形态生长模型、农作物光合作用及呼吸模型、养分吸收模型和气象生长模型等。生长模型输入接口为数据库中存储的环境监测数据,输出为农作物的生长指标。
其中,所述生长指标包括:农作物的叶面积指数、株高、干物质重、NDVI(Normalized Difference Vegetation Index,归一化植被指数)、SAVI(SoilAdjusted Vegetation Index,土壤调节植被指数)和CHL(the chlorophyllcontent,叶绿素含量)等生理特征参数。
操作S103,根据通过监测农作物获取的第二生长指标对所述第一生长指标进行校正,生成目标生长指标;
该操作中通过实时监测农作物来获取农作物的实时生长指标,即第二生长指标,可以采用视觉成像设备,例如,采用可见光相机或多光谱相机对农作物进行实时监测,对通过监测获取的监测数据采用图像处理、模式识别等技术手段进行识别和分析处理,包括形态分析和光谱分析,其中,形态识别主要负责农作物叶面积、株高、叶片形状等几何特征的识别;光谱分析主要负责获取作物的归一化植被指数、土壤调节植被指数和叶绿素含量等农作物生长指标,以获取第二生长指标。
具体的,通过实时监测农作物获取第二生长指标;计算所述第一生长指标与所述第二生长指标的误差值;判断所述误差值是否小于预设门限值,在所述误差值不小于预设门限值时,对所述预设生长模型进行校正;在所述误差值小于预设门限值时,将校正后的预设生长模型生成的第一生长指标作为目标生长指标。通过实时监测获取的第二生长指标对生长模型进行校正,使生长模型能够生成更加准确的农作物生长指标。
操作S104,根据所述目标生长指标,生成产量预测数据。
根据目标生长指标,通过农作物产量预设预测模型预测出该农作物的产量情况。
图2给出了本发明实施例一提供的预测农作物产量的方法的运行逻辑结构图,如图2所示,本实施例对农作物进行环境监测210,将至少一个监测点211采集的环境监测数据存储到数据库212中;作物生长模型221获取数据库212中存储的环境监测数据,生成第一生长指标222;对农作物进行实时监测230,可采用视觉成像设备231进行实时监测,对监测获取的监测数据进行形态分析232和光谱分析233,以获取第二生长指标;根据第二生长指标计算其与第一生长指标222的误差值,通过最优化方法对作物生长模型221进行动态修正直至该误差收敛于预设的门限值,在误差收敛于预设的门限值时,将作物生长模型221生成的第一生长指标222作为目标生长指标;根据所述目标生长指标以及作物生长模型221进行产量预测240,以预测出作物的产量242;另外,根据目标生长指标,通过分析可以获取作物长势241。
本实施例提供的预测农作物产量的方法,通过预设的生长模型生成第一生长指标,通过对农作物的实时监测获取第二生长指标,根据所述第二生长指标对预设生长模型和第一生长指标进行校正,以获取精度更高的目标生长指标,根据所述目标生长指标,生成农作物产量的预测数据,提升了农作物产量预测的实时性和精度,提高了农作物产量预测的准确率。
实施例二
图3给出了本发明实施例二提供的预测农作物产量的装置的结构示意图。如图3所示,本实施例提供的预测农作物产量的装置,包括:
获取单元310,用于获取数据库中的生长环境数据;
第一生成单元320,用于基于预设生长模型,根据所述生长环境数据,生成第一生长指标;
校正单元330,用于根据通过监测农作物获取的第二生长指标对所述第一生长指标进行校正,生成目标生长指标;其中,所述校正单元包括:
第一获取子单元331:用于通过监测农作物获取第二生长指标;
第一校正子单元332,用于对所述第一生长指标进行校正,生成目标生长指标;
第二生成单元340,用于根据所述目标生长指标,生成产量预测数据。
进一步的,还包括:
数据获取单元,用于获取至少一个监测点采集到的环境监测数据;
数据融合单元,用于将所述环境监测数据进行数据融合,生成生长环境数据;
数据存储单元,用于将所述生长环境数据存储到数据库中。
进一步的,所述第一获取子单元331具体用于:通过视觉成像设备监测农作物,以获取监测数据;对所述监测数据进行数据处理,以获取第二生长指标。
进一步的,所述校正单元330包括:
第二获取子单元,用于通过监测农作物获取第二生长指标;
计算子单元,用于计算所述第一生长指标与所述第二生长指标的误差值;
第二校正子单元,用于根据所述误差值与预设门限值之间的关系,对所述预设生长模型进行校正,将校正后的预设生长模型生成的第一生长指标作为目标生长指标。
本发明实施例提供的预测农作物产量的装置可执行本发明实施例一提供的预测农作物产量的方法,具备执行方法相应的功能模块和有益效果。
实施例三
本发明实施例三提供一种预测农作物产量的系统,包括实施例二提供的预测农作物产量的装置,还包括至少一个监测点。
图4给出了本发明实施例三提供的预测农作物产量的系统中监测点的结构示意图。如图4所示,所述监测点410包括下述至少一项监测设备:
光照传感器411,用于检测农作物生长环境中的光照强度;
温度传感器412,用于检测农作物生长环境中的温度;
湿度传感器413,用于检测农作物生长环境中的湿度;
土壤传感器414,用于检测农作物生长土壤中至少一种元素的含量。
本发明实施例提供的预测农作物产量的系统包括实施例二提供的预测农作物产量的装置,所述预测农作物产量的装置可执行本发明实施例一提供的预测农作物产量的方法,具备执行方法相应的功能模块和有益效果。
上述仅为本发明的较佳实施例及所运用的技术原理。本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由权利要求的范围决定。
Claims (10)
1.一种预测农作物产量的方法,其特征在于,包括:
获取数据库中的生长环境数据;
基于预设生长模型,根据所述生长环境数据,生成第一生长指标;
根据通过监测农作物获取的第二生长指标对所述第一生长指标进行校正,生成目标生长指标;
根据所述目标生长指标,生成产量预测数据。
2.根据权利要求1所述的预测农作物产量的方法,其特征在于,获取数据库中的生长环境数据之前,还包括:
获取至少一个监测点采集到的环境监测数据;
将所述环境监测数据进行数据融合,生成生长环境数据;
将所述生长环境数据存储到数据库中。
3.根据权利要求1所述的预测农作物产量的方法,其特征在于,通过监测农作物获取第二生长指标包括:
通过视觉成像设备监测农作物,以获取监测数据;
对所述监测数据进行数据处理,以获取第二生长指标。
4.根据权利要求1所述的预测农作物产量的方法,其特征在于,根据通过监测农作物获取的第二生长指标对所述第一生长指标进行校正,生成目标生长指标,包括:
通过监测农作物获取第二生长指标;
计算所述第一生长指标与所述第二生长指标的误差值;
根据所述误差值与预设门限值之间的关系,对所述预设生长模型进行校正,将校正后的预设生长模型生成的第一生长指标作为目标生长指标。
5.一种预测农作物产量的装置,其特征在于,包括:
获取单元,用于获取数据库中的生长环境数据;
第一生成单元,用于基于预设生长模型,根据所述生长环境数据,生成第一生长指标;
校正单元,用于根据通过监测农作物获取的第二生长指标对所述第一生长指标进行校正,生成目标生长指标;其中,所述校正单元包括:
第一获取子单元:用于通过监测农作物获取第二生长指标;
第一校正子单元,用于对所述第一生长指标进行校正,生成目标生长指标;
第二生成单元,用于根据所述目标生长指标,生成产量预测数据。
6.根据权利要求5所述的预测农作物产量的装置,其特征在于,还包括:
数据获取单元,用于获取至少一个监测点采集到的环境监测数据;
数据融合单元,用于将所述环境监测数据进行数据融合,生成生长环境数据;
数据存储单元,用于将所述生长环境数据存储到数据库中。
7.根据权利要求5所述的预测农作物产量的装置,其特征在于,所述第一获取子单元具体用于:通过视觉成像设备监测农作物,以获取监测数据;对所述监测数据进行数据处理,以获取第二生长指标。
8.根据权利要求5所述的预测农作物产量的装置,其特征在于,所述校正单元包括:
第二获取子单元,用于通过监测农作物获取第二生长指标;
计算子单元,用于计算所述第一生长指标与所述第二生长指标的误差值;
第二校正子单元,用于根据所述误差值与预设门限值之间的关系,对所述预设生长模型进行校正,将校正后的预设生长模型生成的第一生长指标作为目标生长指标。
9.一种预测农作物产量的系统,其特征在于,包括权利要求5-8任一所述的预测农作物产量的装置,还包括至少一个监测点。
10.根据权利要求9所述的系统,其特征在于,所述监测点包括下述至少一项监测设备:
光照传感器,用于检测农作物生长环境中的光照强度;
温度传感器,用于检测农作物生长环境中的温度;
湿度传感器,用于检测农作物生长环境中的湿度;
土壤传感器,用于检测农作物生长土壤中至少一种元素的含量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510133966.7A CN104766135A (zh) | 2015-03-25 | 2015-03-25 | 一种预测农作物产量的方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510133966.7A CN104766135A (zh) | 2015-03-25 | 2015-03-25 | 一种预测农作物产量的方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104766135A true CN104766135A (zh) | 2015-07-08 |
Family
ID=53647949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510133966.7A Pending CN104766135A (zh) | 2015-03-25 | 2015-03-25 | 一种预测农作物产量的方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104766135A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447079A (zh) * | 2016-08-31 | 2017-02-22 | 贵州师范大学 | 一种基于Radarsat‑2的喀斯特山区烟草产量预测方法 |
CN107368924A (zh) * | 2017-07-25 | 2017-11-21 | 中国农业科学院农业信息研究所 | 一种建立趋势单产模型的方法及系统 |
CN107742172A (zh) * | 2017-11-03 | 2018-02-27 | 深圳前海弘稼科技有限公司 | 预测农作物产量的方法、系统及计算机装置 |
CN109242201A (zh) * | 2018-09-29 | 2019-01-18 | 上海中信信息发展股份有限公司 | 一种预测农作物产量的方法、装置及计算机可读存储介质 |
WO2019049048A1 (en) * | 2017-09-08 | 2019-03-14 | 9337-4791 Quebec, Inc. | SYSTEM AND METHOD FOR CONTROLLING GROWTH ENVIRONMENT OF CULTURE |
CN109508696A (zh) * | 2018-12-14 | 2019-03-22 | 红云红河烟草(集团)有限责任公司 | 一种基于多光谱技术的烟叶产量预测分析方法 |
CN109784588A (zh) * | 2019-03-16 | 2019-05-21 | 石家庄学院 | 一种基于传感器联共监测的高粱产量预测方法 |
CN109840855A (zh) * | 2019-03-06 | 2019-06-04 | 平顶山学院 | 一种在生殖初期预测番茄是否减产的方法 |
CN110309960A (zh) * | 2019-06-20 | 2019-10-08 | 武汉华电工研科技有限公司 | 一种大数据智能分析预测系统 |
CN110516890A (zh) * | 2019-09-04 | 2019-11-29 | 重庆邮电大学 | 一种基于灰色组合模型的农作物产量监控系统 |
CN111638306A (zh) * | 2020-06-11 | 2020-09-08 | 中国农业科学院农业信息研究所 | 一种作物动态监控方法、装置、设备和系统 |
CN116894514A (zh) * | 2023-07-13 | 2023-10-17 | 中国农业科学院农业环境与可持续发展研究所 | 一种基于土壤质量指标的作物产量预测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101836561A (zh) * | 2010-03-08 | 2010-09-22 | 南京大学 | 一种海滨盐土蓖麻产量预测模型及其构建方法和应用 |
CN101916337A (zh) * | 2010-08-23 | 2010-12-15 | 湖南大学 | 一种基于地理信息系统的水稻生产潜力动态预测方法 |
CN103033150A (zh) * | 2011-10-09 | 2013-04-10 | 黄青 | 用modis数据快速提取主要农作物种植面积的方法 |
CN103345707A (zh) * | 2013-06-04 | 2013-10-09 | 中国科学院遥感与数字地球研究所 | 一种基于多源遥感数据的农作物成熟期遥感预测方法 |
CN103839184A (zh) * | 2014-02-21 | 2014-06-04 | 三峡大学 | 一种农作物群体长势多空间尺度自适应监测方法及装置 |
-
2015
- 2015-03-25 CN CN201510133966.7A patent/CN104766135A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101836561A (zh) * | 2010-03-08 | 2010-09-22 | 南京大学 | 一种海滨盐土蓖麻产量预测模型及其构建方法和应用 |
CN101916337A (zh) * | 2010-08-23 | 2010-12-15 | 湖南大学 | 一种基于地理信息系统的水稻生产潜力动态预测方法 |
CN103033150A (zh) * | 2011-10-09 | 2013-04-10 | 黄青 | 用modis数据快速提取主要农作物种植面积的方法 |
CN103345707A (zh) * | 2013-06-04 | 2013-10-09 | 中国科学院遥感与数字地球研究所 | 一种基于多源遥感数据的农作物成熟期遥感预测方法 |
CN103839184A (zh) * | 2014-02-21 | 2014-06-04 | 三峡大学 | 一种农作物群体长势多空间尺度自适应监测方法及装置 |
Non-Patent Citations (2)
Title |
---|
郭建茂: "基于遥感与作物生长模型的冬小麦生长模拟研究", 《中国博士学位论文全文数据库农业科技辑》 * |
黄彦等: "基于遥感与模型耦合的冬小麦生长预测", 《生态学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447079A (zh) * | 2016-08-31 | 2017-02-22 | 贵州师范大学 | 一种基于Radarsat‑2的喀斯特山区烟草产量预测方法 |
CN107368924A (zh) * | 2017-07-25 | 2017-11-21 | 中国农业科学院农业信息研究所 | 一种建立趋势单产模型的方法及系统 |
WO2019049048A1 (en) * | 2017-09-08 | 2019-03-14 | 9337-4791 Quebec, Inc. | SYSTEM AND METHOD FOR CONTROLLING GROWTH ENVIRONMENT OF CULTURE |
CN107742172A (zh) * | 2017-11-03 | 2018-02-27 | 深圳前海弘稼科技有限公司 | 预测农作物产量的方法、系统及计算机装置 |
CN109242201A (zh) * | 2018-09-29 | 2019-01-18 | 上海中信信息发展股份有限公司 | 一种预测农作物产量的方法、装置及计算机可读存储介质 |
CN109508696A (zh) * | 2018-12-14 | 2019-03-22 | 红云红河烟草(集团)有限责任公司 | 一种基于多光谱技术的烟叶产量预测分析方法 |
CN109840855A (zh) * | 2019-03-06 | 2019-06-04 | 平顶山学院 | 一种在生殖初期预测番茄是否减产的方法 |
CN109784588A (zh) * | 2019-03-16 | 2019-05-21 | 石家庄学院 | 一种基于传感器联共监测的高粱产量预测方法 |
CN110309960A (zh) * | 2019-06-20 | 2019-10-08 | 武汉华电工研科技有限公司 | 一种大数据智能分析预测系统 |
CN110516890A (zh) * | 2019-09-04 | 2019-11-29 | 重庆邮电大学 | 一种基于灰色组合模型的农作物产量监控系统 |
CN110516890B (zh) * | 2019-09-04 | 2022-06-03 | 重庆邮电大学 | 一种基于灰色组合模型的农作物产量监控系统 |
CN111638306A (zh) * | 2020-06-11 | 2020-09-08 | 中国农业科学院农业信息研究所 | 一种作物动态监控方法、装置、设备和系统 |
CN111638306B (zh) * | 2020-06-11 | 2022-05-17 | 中国农业科学院农业信息研究所 | 一种作物动态监控方法、装置、设备和系统 |
CN116894514A (zh) * | 2023-07-13 | 2023-10-17 | 中国农业科学院农业环境与可持续发展研究所 | 一种基于土壤质量指标的作物产量预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104766135A (zh) | 一种预测农作物产量的方法、装置及系统 | |
US11317562B2 (en) | Generating a yield map for an agricultural field using classification and regression methods | |
US20210271661A1 (en) | Computer-generated accurate yield map data using expert filters and spatial outlier detection | |
US10817962B2 (en) | Farm field management apparatus, farm field management method, and storage medium | |
CN111582055B (zh) | 一种无人机的航空施药航线生成方法及系统 | |
CA3086213C (en) | Capture of ground truthed labels of plant traits method and system | |
US20150302305A1 (en) | Generating an agriculture prescription | |
CN108982369B (zh) | 融合gf-1wfv和modis数据的地块尺度作物长势监测方法 | |
CN104732426B (zh) | 一种农产品产销决策方法、装置及系统 | |
JP7176980B2 (ja) | 作物管理システム及び作物管理方法 | |
WO2023108213A1 (en) | Methods and systems for classifying and benchmarking irrigation performance | |
CN114863369B (zh) | 激光雷达监测玉米倒伏的方法、装置、设备及介质 | |
US20220132724A1 (en) | Advanced crop manager for crops stress mitigation | |
CN114140695B (zh) | 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统 | |
CN115689795A (zh) | 基于无人机遥感的山地果园作物长势分析方法及系统 | |
Zhang et al. | Feasibility assessment of tree-level flower intensity quantification from UAV RGB imagery: a triennial study in an apple orchard | |
US20220253991A1 (en) | Sensor fusion | |
CN116452358A (zh) | 基于物联网的智慧农业管理系统 | |
CN112489211B (zh) | 农作物长势状态确定方法、农作物作业方法及相关装置 | |
Tang et al. | UAV-based high spatial and temporal resolution monitoring and mapping of surface moisture status in a vineyard | |
CN113514402A (zh) | 一种冬小麦叶绿素含量的预测系统及方法 | |
AU2021100538A4 (en) | Crop Health Monitoring System Using IoT and Machine Learning | |
AU2021107439A4 (en) | A Novel method- Crop Health Monitoring System Using IoT and Machine Learning | |
US12016259B2 (en) | Information providing device, mowing vehicle and mowing management system | |
US20210298229A1 (en) | Information providing device, mowing vehicle and mowing management system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150708 |