CN106527140A - 基于云端大数据模型的温室控制方法和装置 - Google Patents
基于云端大数据模型的温室控制方法和装置 Download PDFInfo
- Publication number
- CN106527140A CN106527140A CN201611088344.8A CN201611088344A CN106527140A CN 106527140 A CN106527140 A CN 106527140A CN 201611088344 A CN201611088344 A CN 201611088344A CN 106527140 A CN106527140 A CN 106527140A
- Authority
- CN
- China
- Prior art keywords
- long
- term cropping
- model
- growth
- sets
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明关于基于云端大数据模型的温室控制方法和温室控制装置,提供了一种基于云端大数据模型的温室控制方法和一种基于云端大数据模型的温室控制装置,其中,基于云端大数据模型的温室控制方法,包括:根据种植作物的品种及生长模型建立参数预测模型;根据参数预测模型生成环境参数;将环境参数发送到控制系统,以便控制系统根据环境参数调整温室的环境要素。通过本发明的技术方案,能够智能、灵活、有目标性地实现现代化温室控制,有利于保证作物的品质和产量。
Description
技术领域
本发明涉及农业机械自动化技术领域,具体而言,涉及一种基于云端大数据模型的温室控制方法、一种基于云端大数据模型的温室控制装置。
背景技术
目前,温室控制是通过传感器进行数据采集及监控,当作物的某项生长指标超过预设的阀值的时候,进行相应的开关控制,使植物在其适宜的环境生长,以达到最大化作物产量的目的,但是现有技术中的温室控制方案都是提前固定好的,并不能智能、实时、灵活地控制植物的生长。例如,现在种植的某种蔬菜市场上已经供过于求,即使获得了最大的产量,由于销售量以及价格较低,不能实现利润的最大化。
因此,如何能够实现智能、灵活、有目标性地控制现代化温室成为亟待解决的技术问题。
发明内容
本发明旨在至少解决上述现有技术或相关技术中存在的技术问题之一。
为此,本发明的一个目的在于提出了一种基于云端大数据模型的温室控制方法。
本发明的另一个目的在于对应提供了一种基于云端大数据模型的温室控制装置。
为实现上述目的,根据本发明的第一方面的实施例,提出了一种基于云端大数据模型的温室控制方法,包括:根据种植作物的品种及生长模型建立参数预测模型;根据参数预测模型生成环境参数;将环境参数发送到控制系统,以便控制系统根据环境参数调整温室的环境要素。
根据本发明第一方面实施例的基于云端大数据模型的温室控制方法,首先根据种植作物的品种及其自身的生长模型来建立参数预测模型,根据参数预测模型来生成控制种植作物的环境参数,将生成的环境参数发送到控制系统,控制系统调整温室的环境要素。通过根据种植作物建立参数预测模型,有利于实现智能、灵活、有目标性地控制现代化温室。
在上述技术方案中,优选地,在根据种植作物的品种以及生长模型建立参数预测模型之前,还包括:获取多种作物的历年及当前的价格信息和产量信息;根据价格信息和产量信息建立预测模型;根据预测模型,预测出种植作物的品种。
在该技术方案中,通过对多种作物的历年价格信息和产量信息及当前价格信息和产量信息进行分析,有利于预测出当前最适合种植的作物种类或者同一作物种类的最优品种。例如,若有一种作物的当前价格比较高,且目前处于供不应求状态,则可以选择该作物为种植作物。
在上述技术方案中,优选地,还包括:判断种植作物的品种是否有特定用途;以及若种植作物品种有特定用途,则根据特定用途的生长特性以及种植作物的生长模型建立参数预测模型;若种植作物品种没有特定用途,则根据种植作物的最大利润和/或产量以及种植作物的生长模型建立参数预测模型。
在该技术方案中,在确定了种植作物品种之后,判断出种植作物的品种是否有特殊用途,如果种植作物的品种有特殊用途,那么以培养该种植作物的特殊用途为目标来建立对应的参数预测模型;如果该种植作物没有特殊用途,那么以该种植作物的最大利润和/或产量为目标来建立参数预测模型,有利于有目标地培养种植作物,以实现利润最大化。
在上述技术方案中,优选地,还包括:采集并存储种植作物生长时期的生长数据。
在该技术方案中,通过采集种植作物生长时期的生长数据有利于实时地控制种植作物的生长;通过存储种植作物生长时期的生长数据,有利于优化种植作物的生长模型。
在上述技术方案中,优选地,还包括:采集并存储种植作物的成熟、采摘、包装、运输和/或销售时期的数据。
在该技术方案中,通过对种植作物每个时期的数据进行记录,进而能够对作物的每一步进行追溯,在之后种植作物的过程中,可以进行参考,也可以进行优化,从而有助于进一步使利润达到最大化。
根据本发明的第二方面的实施例,提出了一种基于云端大数据模型的温室控制装置,包括:第一建立单元,根据种植作物的品种及生长模型建立参数预测模型;生成单元,根据参数预测模型生成环境参数;发送单元,将环境参数发送到控制系统,以便控制系统根据环境参数调整温室的环境要素。
根据本发明第二方面实施例的基于云端大数据模型的温室控制装置,首先根据种植作物的品种及其自身的生长模型来建立参数预测模型,根据参数预测模型来生成控制种植作物的环境参数,将生成的环境参数发送到控制系统,控制系统调整温室的环境要素。通过根据种植作物建立参数预测模型,有利于实现智能、灵活、有目标性地控制现代化温室。
在上述技术方案中,优选地,还包括:获取单元,获取多种作物的历年及当前价格信息和产量信息;第二建立单元,根据价格信息和产量信息建立预测模型;预测单元,根据预测模型,预测出所述种植作物的品种。
在该技术方案中,通过对多种作物的历年价格信息和产量信息及当前价格信息和产量信息进行分析,有利于预测出当前最适合种植的作物种类或者同一作物种类的最优品种。例如,若有一种作物的当前价格比较高,且目前处于供不应求状态,则可以选择该作物为种植作物。
在上述技术方案中,优选地,还包括:判断单元,判断种植作物的品种是否有特定用途;以及若种植作物的品种有特定用途,则根据特定用途的生长特性以及种植作物的生长模型建立参数预测模型;若种植作物没有特定用途,则根据种植作物的最大利润和/或产量以及种植作物的生长模型建立参数预测模型。
在该技术方案中,在确定了种植作物品种之后,判断出种植作物的品种是否有特殊用途,如果种植作物的品种有特殊用途,那么以培养该种植作物的特殊用途为目标来建立对应的参数预测模型;如果该种植作物没有特殊用途,那么以该种植作物的最大利润和/或产量为目标来建立参数预测模型,有利于有目标地培养种植作物,以实现利润最大化。
在上述技术方案中,优选地,还包括:第一存储单元,采集并存储种植作物的生长时期的生长数据。
在该技术方案中,通过采集种植作物生长时期的生长数据有利于实时地控制种植作物的生长;通过存储种植作物生长时期的生长数据,有利于优化种植作物的生长模型。
在上述技术方案中,优选地,还包括:第二存储单元,采集并存储种植作物的成熟、采摘、包装、运输和/或销售时期的数据。
在该技术方案中,通过对种植作物每个时期的数据进行记录,进而能够对作物的每一步进行追溯,在之后种植作物的过程中,可以进行参考,也可以进行优化,从而有助于进一步使利润达到最大化。
附图说明
图1示出了根据本发明第一方面实施例的基于云端大数据模型的温室控制方法的流程图。
图2示出了根据本发明第二方面实施例的基于云端大数据模型的温室控制装置的框图。
图3示出了根据本发明实施例的智能温室控制系统整体框图。
图4示出了根据本发明实施例的智能温室控制系统的具体控制流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明第一方面实施例的基于云端大数据模型的温室控制方法的流程图。
如图1所示,根据本发明的第一方面的实施例,提出了一种基于云端大数据模型的温室控制方法,包括:步骤102,根据种植作物的品种及生长模型建立参数预测模型;步骤104,根据参数预测模型生成环境参数;步骤106,将环境参数发送到控制系统,以便控制系统根据环境参数调整温室的环境要素。
根据本发明第一方面实施例的基于云端大数据模型的温室控制方法,首先根据种植作物的品种及其自身的生长模型来建立参数预测模型,根据参数预测模型来生成控制种植作物的环境参数,将生成的环境参数发送到控制系统,控制系统调整温室的环境要素。通过根据种植作物建立参数预测模型,有利于实现智能、灵活、有目标性地控制现代化温室。
在上述技术方案中,优选地,在根据种植作物的品种以及生长模型建立参数预测模型之前,还包括:获取多种作物的历年及当前的价格信息和产量信息;根据价格信息和产量信息建立预测模型;根据预测模型,预测出种植作物的品种。
在该技术方案中,通过对多种作物的历年价格信息和产量信息及当前价格信息和产量信息进行分析,有利于预测出当前最适合种植的作物种类或者同一作物种类的最优品种。例如,若有一种作物的当前价格比较高,且目前处于供不应求状态,则可以选择该作物为种植作物。
在上述技术方案中,优选地,还包括:判断种植作物的品种是否有特定用途;以及若种植作物品种有特定用途,则根据特定用途的生长特性以及种植作物的生长模型建立参数预测模型;若种植作物品种没有特定用途,则根据种植作物的最大利润和/或产量以及种植作物的生长模型建立参数预测模型。
在该技术方案中,在确定了种植作物品种之后,判断出种植作物的品种是否有特殊用途,如果种植作物的品种有特殊用途,那么以培养该种植作物的特殊用途为目标来建立对应的参数预测模型;如果该种植作物没有特殊用途,那么以该种植作物的最大利润和/或产量为目标来建立参数预测模型,有利于有目标地培养种植作物,以实现利润最大化。
在上述技术方案中,优选地,还包括:采集并存储种植作物生长时期的生长数据。
在该技术方案中,通过采集种植作物生长时期的生长数据有利于实时地控制种植作物的生长;通过存储种植作物生长时期的生长数据,有利于优化种植作物的生长模型。
在上述技术方案中,优选地,还包括:采集并存储种植作物的成熟、采摘、包装、运输和/或销售时期的数据。
在该技术方案中,通过对种植作物每个时期的数据进行记录,进而能够对作物的每一步进行追溯,在之后种植作物的过程中,可以进行参考,也可以进行优化,从而有助于进一步使利润达到最大化。
根据本发明的第二方面的实施例,提出了一种基于云端大数据模型的温室控制装置200,包括:第一建立单元202,根据种植作物的品种及生长模型建立参数预测模型;生成单元204,根据参数预测模型生成环境参数;发送单元206,将环境参数发送到控制系统,以便控制系统根据环境参数调整温室的环境要素。
根据本发明第二方面实施例的基于云端大数据模型的温室控制装置200,首先根据种植作物的品种及其自身的生长模型来建立参数预测模型,根据参数预测模型来生成控制种植作物的环境参数,将生成的环境参数发送到控制系统,控制系统调整温室的环境要素。通过根据种植作物建立参数预测模型,有利于实现智能、灵活、有目标性地控制现代化温室。
在上述技术方案中,优选地,还包括:获取单元208,获取多种作物的历年及当前价格信息和产量信息;第二建立单元210,根据价格信息和产量信息建立预测模型;预测单元212,根据预测模型,预测出所述种植作物的品种。
在该技术方案中,通过对多种作物的历年价格信息和产量信息及当前价格信息和产量信息进行分析,有利于预测出当前最适合种植的作物种类或者同一作物种类的最优品种。例如,若有一种作物的当前价格比较高,且目前处于供不应求状态,则可以选择该作物为种植作物。
在上述技术方案中,优选地,还包括:判断单元214,判断种植作物的品种是否有特定用途;以及若种植作物的品种有特定用途,则根据特定用途的生长特性以及种植作物的生长模型建立参数预测模型;若种植作物没有特定用途,则根据种植作物的最大利润和/或产量以及种植作物的生长模型建立参数预测模型。
在该技术方案中,在确定了种植作物品种之后,判断出种植作物的品种是否有特殊用途,如果种植作物的品种有特殊用途,那么以培养该种植作物的特殊用途为目标来建立对应的参数预测模型;如果该种植作物没有特殊用途,那么以该种植作物的最大利润和/或产量为目标来建立参数预测模型,有利于有目标地培养种植作物,以实现利润最大化。
在上述技术方案中,优选地,还包括:第一存储单元216,采集并存储种植作物的生长时期的生长数据。
在该技术方案中,通过采集种植作物生长时期的生长数据有利于实时地控制种植作物的生长;通过存储种植作物生长时期的生长数据,有利于优化种植作物的生长模型。
在上述技术方案中,优选地,还包括:第二存储单元218,采集并存储种植作物的成熟、采摘、包装、运输和/或销售时期的数据。
在该技术方案中,通过对种植作物每个时期的数据进行记录,进而能够对作物的每一步进行追溯,在之后种植作物的过程中,可以进行参考,也可以进行优化,从而有助于进一步使利润达到最大化。
图3示出了根据本发明实施例的智能温室控制系统整体框图。
如图3所示,智能温室控制系统主要包括三部分,分别为本地控制系统302,大数据云计算中心304,用户或管理者终端306。其中,本地控制系统302包括湿度监控模块3024、CO2监控模块3026,温度监控模块3028等监控模块,风机3030、灌溉施肥机3032等与检测模块节点对应的控制设备,以及本地嵌入式控制节点3022,监测模块和控制模块设备均通过有线或者无线方式与本地嵌入式控制中心通信,其中,本地控制中心是单片机或工业PC等设备,本地嵌入式控制节点3022会实时将监控模块中传感器采集到的环境数据上传到云计算平台3042,并且本地嵌入式控制节点3022能够接收云计算平台3042的控制指令,用户或者管理者306可以通过3062手机终端、3064电脑终端来查看种植作物的各项参数,并且可以通过农业数据管理平台3044来多农作物进行管理,其中农业数据管理平台3044与云计算平台3042进行通信。
本智能温室控制系统可实时连续的采集和记录监测点的温度、湿度、风速、二氧化碳、光照、空气洁净度、供电电压电流等各项参数情况,并能以数字、图形和图像等多种方式进行实时显示和记录存储监测信息。
图4示出了根据本发明实施例的智能温室控制系统的具体控制流程图。
在该实施例中,以种植蔬菜为例,如图4所示,示出了智能温室控制系统具体控制流程图。
步骤402,初始化,云计算中心获取作物历史价格及产量数据;
步骤404,输入历史及当前价格和产量数据,建立预测模型,预测最优种植品种A;
步骤406,云计算中心根据蔬菜A种植模型生成育种及生长环境参数,下发控制指令到本地控制中心;
步骤408,进入生长期后,根据生长情况计算蔬菜A成熟期范围D1-D2;
步骤410,判断该批种植蔬菜品种A是否作为特定用途;
步骤412,如果品种A作为特定用途,则云计算中心按特定用途生长特征并结合A生长模型,生成环境参数;
步骤414,如果品种A没有作为特定用途,以最大化利润/产量为目标,计算最佳成熟采摘期Tb,D1<Tb<D2;
步骤416,云计算中心利用蔬菜A生长模型,目标第Tb时期植物成熟采摘,生成环境参数,
步骤418,根据步骤312和步骤316生成的环境参数,指导本地控制中心调整蔬菜A生长环境参数;
步骤420,蔬菜A的成熟、采摘、包装、运输、销售等,每一步做好记录,以便进行追溯;
步骤422,本轮蔬菜A种植结束,开始新一轮种植选择及生长数据采集及控制,种植期间采集的生长数据用于不断完善植物生长模型。
以上结合附图详细说明了本发明的技术方案,本发明充分利用大数据作用,做模型预测并指导智能温度的生长环境控制,实现精细化控制,使蔬菜生产企业获得更大的利益,更加智能及灵活。
本发明实施例方法中的步骤能够根据实际需要进行顺序调整、合并和删减,本发明实施例中的部件可以根据实际需要进行合并、划分和删减。以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于云端大数据模型的温室控制方法,其特征在于,包括:
根据种植作物的品种及生长模型建立参数预测模型;
根据所述参数预测模型生成环境参数;
将所述环境参数发送到控制系统,以便所述控制系统根据所述环境参数调整所述温室的环境要素。
2.根据权利要求1所述的控制方法,其特征在于,在所述根据种植作物品种建立参数预测模型之前,还包括:
获取多种作物的历年及当前的价格信息和产量信息;
根据所述价格信息和所述产量信息建立预测模型;
根据所述预测模型,预测出所述种植作物的品种。
3.根据权利要求1所述的控制方法,其特征在于,还包括:
判断所述种植作物的品种是否有特定用途;以及
若所述种植作物品种有所述特定用途,则根据所述特定用途的生长特性以及所述种植作物的生长模型建立所述参数预测模型;
若所述种植作物的品种没有所述特定用途,则根据所述种植作物的最大利润和/或产量以及所述种植作物的生长模型建立所述参数预测模型。
4.根据权利要求1所述的控制方法,其特征在于,还包括:
采集并存储所述种植作物生长时期的生长数据。
5.根据权利要求1至4任一项所述的控制方法,其特征在于,还包括:
采集并存储所述种植作物的成熟、采摘、包装、运输和/或销售时期的数据。
6.一种基于云端大数据模型的温室控制装置,其特征在于,包括:
第一建立单元,根据种植作物的品种及生长模型建立参数预测模型;
生成单元,根据所述参数预测模型生成环境参数;
发送单元,将所述环境参数发送到控制系统,以便所述控制系统根据所述环境参数调整所述温室的环境要素。
7.根据权利要求7所述的控制装置,其特征在于,还包括:
获取单元,获取多种作物的历年及当前的价格信息和产量信息;
第二建立单元,根据所述价格信息和所述产量信息建立预测模型;
预测单元,根据所述预测模型,预测出所述种植作物的品种。
8.根据权利要求6所述的控制装置,其特征在于,还包括:
判断单元,判断所述种植作物的品种是否有特定用途;以及
若所述种植作物的品种有所述特定用途,则根据所述特定用途的生长特性以及所述种植作物的生长模型建立所述参数预测模型;
若所述种植作物的品种没有所述特定用途,则根据所述种植作物的最大利润和/或产量以及所述种植作物的生长模型建立所述参数预测模型。
9.根据权利要求6所述的控制装置,其特征在于,还包括:
第一存储单元,采集并存储所述种植作物生长时期的生长数据。
10.根据权利要求6至9任一项所述的控制装置,其特征在于,还包括:
第二存储单元,采集并存储所述种植作物的成熟、采摘、包装、运输和/或销售时期的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611088344.8A CN106527140A (zh) | 2016-11-29 | 2016-11-29 | 基于云端大数据模型的温室控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611088344.8A CN106527140A (zh) | 2016-11-29 | 2016-11-29 | 基于云端大数据模型的温室控制方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106527140A true CN106527140A (zh) | 2017-03-22 |
Family
ID=58353962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611088344.8A Pending CN106527140A (zh) | 2016-11-29 | 2016-11-29 | 基于云端大数据模型的温室控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106527140A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107241403A (zh) * | 2017-05-31 | 2017-10-10 | 深圳前海弘稼科技有限公司 | 推送方法及推送装置、服务器、设备和可读存储介质 |
CN108334139A (zh) * | 2018-03-01 | 2018-07-27 | 深圳春沐源控股有限公司 | 一种基于大数据的温室自动化控制的方法及系统 |
CN109003092A (zh) * | 2017-06-06 | 2018-12-14 | 上海国兴农现代农业发展股份有限公司 | 基于溯源技术的新型智慧温室系统 |
CN109003197A (zh) * | 2017-06-06 | 2018-12-14 | 上海国兴农现代农业发展股份有限公司 | 五环联动的农业全产业链服务系统 |
CN109219014A (zh) * | 2018-10-23 | 2019-01-15 | 珠海佳果慧科技有限公司 | 智慧农业种植管理系统 |
CN109634332A (zh) * | 2019-01-16 | 2019-04-16 | 青岛农业大学 | 一种现代化温室的智能调控系统 |
CN110361988A (zh) * | 2018-04-09 | 2019-10-22 | 陈安生 | 一种优质高产高效果园智慧管理系统 |
CN111640035A (zh) * | 2020-05-12 | 2020-09-08 | 武汉恒鑫创赢科技有限公司 | 一种农作物的种植方法及系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1709038A (zh) * | 2005-06-30 | 2005-12-21 | 上海交通大学 | 超薄层基质无土栽培方法 |
CN101950321A (zh) * | 2010-07-30 | 2011-01-19 | 沈阳农业大学 | 一种建立日光温室长季节栽培番茄植株叶片数模型用于控制番茄长势的方法 |
CN102550374A (zh) * | 2012-03-18 | 2012-07-11 | 四川农业大学 | 结合计算机视觉和多传感器的作物灌溉系统 |
CN102584399A (zh) * | 2012-02-23 | 2012-07-18 | 北京中科鸿正农业科技有限公司 | 肥料配制方法及系统 |
CN102736596A (zh) * | 2012-06-11 | 2012-10-17 | 南京农业大学 | 基于作物信息融合的多尺度温室环境控制系统 |
CN202694113U (zh) * | 2012-06-29 | 2013-01-23 | 南京农业大学 | 一种融入作物信息的温室环境控制系统 |
CN102937785A (zh) * | 2012-11-09 | 2013-02-20 | 江苏大学 | 一种温室多模型信息融合的温室环境调控方法及系统 |
CN103529783A (zh) * | 2013-10-13 | 2014-01-22 | 林兴志 | 一种基于北斗/gis的甘蔗种植监测装置 |
CN103701845A (zh) * | 2013-07-16 | 2014-04-02 | 廊坊市大华夏神农信息技术有限公司 | 基于云计算的温室群物联网监测预警控制云服务系统及其方法 |
CN103823371A (zh) * | 2014-02-12 | 2014-05-28 | 无锡中科智能农业发展有限责任公司 | 基于神经网络模型的农业精准施肥系统及施肥方法 |
CN103959973A (zh) * | 2014-04-18 | 2014-08-06 | 浙江大学 | 一种精细化作物施肥系统及氮肥施肥方法 |
CN103971176A (zh) * | 2014-05-07 | 2014-08-06 | 中国农业科学院柑桔研究所 | 一种柑橘果实优质化采收决策的方法及系统 |
EP2778805A1 (en) * | 2013-03-13 | 2014-09-17 | Rockwell Automation Technologies, Inc. | Advanced process control of a biodiesel plant |
CN104360705A (zh) * | 2014-11-21 | 2015-02-18 | 福建农林大学 | 一种温度自适应的温室光照智能控制系统和控制方法 |
CN104472335A (zh) * | 2014-11-25 | 2015-04-01 | 弥勒品元园艺有限公司 | 一种用于花卉生产的温室型植物工厂系统 |
CN104656451A (zh) * | 2015-01-21 | 2015-05-27 | 中国科学院自动化研究所 | 一种基于作物模型的密闭系统环境因子优化调控方法 |
CN105159119A (zh) * | 2015-09-01 | 2015-12-16 | 中山大学 | 植物室内智能养护装置、系统及方法 |
US20160217229A1 (en) * | 2015-01-23 | 2016-07-28 | Iteris, Inc. | Modeling of crop growth for desired moisture content of bovine feedstuff and determination of harvest windows for corn silage using field-level diagnosis and forecasting of weather conditions and field observations |
-
2016
- 2016-11-29 CN CN201611088344.8A patent/CN106527140A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1709038A (zh) * | 2005-06-30 | 2005-12-21 | 上海交通大学 | 超薄层基质无土栽培方法 |
CN101950321A (zh) * | 2010-07-30 | 2011-01-19 | 沈阳农业大学 | 一种建立日光温室长季节栽培番茄植株叶片数模型用于控制番茄长势的方法 |
CN102584399A (zh) * | 2012-02-23 | 2012-07-18 | 北京中科鸿正农业科技有限公司 | 肥料配制方法及系统 |
CN102550374A (zh) * | 2012-03-18 | 2012-07-11 | 四川农业大学 | 结合计算机视觉和多传感器的作物灌溉系统 |
CN102736596A (zh) * | 2012-06-11 | 2012-10-17 | 南京农业大学 | 基于作物信息融合的多尺度温室环境控制系统 |
CN202694113U (zh) * | 2012-06-29 | 2013-01-23 | 南京农业大学 | 一种融入作物信息的温室环境控制系统 |
CN102937785A (zh) * | 2012-11-09 | 2013-02-20 | 江苏大学 | 一种温室多模型信息融合的温室环境调控方法及系统 |
EP2778805A1 (en) * | 2013-03-13 | 2014-09-17 | Rockwell Automation Technologies, Inc. | Advanced process control of a biodiesel plant |
CN103701845A (zh) * | 2013-07-16 | 2014-04-02 | 廊坊市大华夏神农信息技术有限公司 | 基于云计算的温室群物联网监测预警控制云服务系统及其方法 |
CN103529783A (zh) * | 2013-10-13 | 2014-01-22 | 林兴志 | 一种基于北斗/gis的甘蔗种植监测装置 |
CN103823371A (zh) * | 2014-02-12 | 2014-05-28 | 无锡中科智能农业发展有限责任公司 | 基于神经网络模型的农业精准施肥系统及施肥方法 |
CN103959973A (zh) * | 2014-04-18 | 2014-08-06 | 浙江大学 | 一种精细化作物施肥系统及氮肥施肥方法 |
CN103971176A (zh) * | 2014-05-07 | 2014-08-06 | 中国农业科学院柑桔研究所 | 一种柑橘果实优质化采收决策的方法及系统 |
CN104360705A (zh) * | 2014-11-21 | 2015-02-18 | 福建农林大学 | 一种温度自适应的温室光照智能控制系统和控制方法 |
CN104472335A (zh) * | 2014-11-25 | 2015-04-01 | 弥勒品元园艺有限公司 | 一种用于花卉生产的温室型植物工厂系统 |
CN104656451A (zh) * | 2015-01-21 | 2015-05-27 | 中国科学院自动化研究所 | 一种基于作物模型的密闭系统环境因子优化调控方法 |
US20160217229A1 (en) * | 2015-01-23 | 2016-07-28 | Iteris, Inc. | Modeling of crop growth for desired moisture content of bovine feedstuff and determination of harvest windows for corn silage using field-level diagnosis and forecasting of weather conditions and field observations |
CN105159119A (zh) * | 2015-09-01 | 2015-12-16 | 中山大学 | 植物室内智能养护装置、系统及方法 |
Non-Patent Citations (2)
Title |
---|
罗丹 等: "采用混合生物地理学算法的番茄种植规划研究", 《中国农业大学学报》 * |
董华: "番茄栽培技术与番茄酱品质的关系", 《现代化农业》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107241403A (zh) * | 2017-05-31 | 2017-10-10 | 深圳前海弘稼科技有限公司 | 推送方法及推送装置、服务器、设备和可读存储介质 |
CN109003092A (zh) * | 2017-06-06 | 2018-12-14 | 上海国兴农现代农业发展股份有限公司 | 基于溯源技术的新型智慧温室系统 |
CN109003197A (zh) * | 2017-06-06 | 2018-12-14 | 上海国兴农现代农业发展股份有限公司 | 五环联动的农业全产业链服务系统 |
CN108334139A (zh) * | 2018-03-01 | 2018-07-27 | 深圳春沐源控股有限公司 | 一种基于大数据的温室自动化控制的方法及系统 |
CN110361988A (zh) * | 2018-04-09 | 2019-10-22 | 陈安生 | 一种优质高产高效果园智慧管理系统 |
CN109219014A (zh) * | 2018-10-23 | 2019-01-15 | 珠海佳果慧科技有限公司 | 智慧农业种植管理系统 |
CN109634332A (zh) * | 2019-01-16 | 2019-04-16 | 青岛农业大学 | 一种现代化温室的智能调控系统 |
CN111640035A (zh) * | 2020-05-12 | 2020-09-08 | 武汉恒鑫创赢科技有限公司 | 一种农作物的种植方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106527140A (zh) | 基于云端大数据模型的温室控制方法和装置 | |
CN105230450B (zh) | 一种智能式灌溉快速诊断装置与方法 | |
US20160147962A1 (en) | Automated agricultural activity determination system and method | |
CN108829165A (zh) | 一种智能农业物联网系统 | |
CN109874477B (zh) | 一种农业园区施肥机托管方法及系统 | |
EP3367783A1 (en) | Computer-implemented calculation of corn harvest recommendations | |
CN111008733B (zh) | 一种作物生长管控方法和系统 | |
CN107844089A (zh) | 一种种植预警的方法、系统及种植管理系统 | |
KR20200122612A (ko) | 작물 생육 제어 시스템 | |
US20240081203A1 (en) | Method to generate and apply lawn consumables for enhanced growth | |
KR20140145782A (ko) | 작물 성장 관리 장치 및 그 방법 | |
CN105786058B (zh) | 一种基于电商预售模式的智能温室控制系统及方法 | |
JP2018099067A (ja) | 生育管理装置、生育管理方法、及び、プログラム | |
CN111352370A (zh) | 一种基于农业数据与生产的管理系统及农业数据监控终端 | |
KR102071719B1 (ko) | 식물체 성장량 측정장치 및 그 방법 | |
CN106530107A (zh) | 基于农业大数据生成农作物生长进度的方法和装置 | |
KR102355211B1 (ko) | 농작물 재배 모니터링 시스템 | |
CN106022789A (zh) | 食品溯源系统及食品溯源方法 | |
CN113010529A (zh) | 基于知识图谱的作物管理方法和装置 | |
CN112416220B (zh) | 一种用于更新植物生长状态的方法与设备 | |
JP7433105B2 (ja) | 情報提供装置、草刈り車両及び草刈り管理システム | |
JP6785902B2 (ja) | 作物活性指数基盤の施設園芸複合環境制御システム及び方法 | |
CN114431026A (zh) | 用于照射室内耕作环境中的植物的方法和系统 | |
Tholhappiyan et al. | Agriculture Monitoring System with Efficient Resource Management using IoT | |
KR20210056213A (ko) | 농장 운영정보 제공 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 518052 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A (located in Shenzhen Qianhai business secretary Co. Ltd.) Applicant after: Shenzhen Chun Mu source Holdings Limited Address before: 518052 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A Applicant before: Shenzhen Qianhai Hong Jia Technology Co., Ltd. |