CN107124585A - 远程查看方法及远程查看系统、终端 - Google Patents

远程查看方法及远程查看系统、终端 Download PDF

Info

Publication number
CN107124585A
CN107124585A CN201710293632.5A CN201710293632A CN107124585A CN 107124585 A CN107124585 A CN 107124585A CN 201710293632 A CN201710293632 A CN 201710293632A CN 107124585 A CN107124585 A CN 107124585A
Authority
CN
China
Prior art keywords
crops
video image
classification
mark
user
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
Application number
CN201710293632.5A
Other languages
English (en)
Inventor
董黎晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Qianhai Hongjia Technology Co Ltd
Original Assignee
Shenzhen Qianhai Hongjia Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Qianhai Hongjia Technology Co Ltd filed Critical Shenzhen Qianhai Hongjia Technology Co Ltd
Priority to CN201710293632.5A priority Critical patent/CN107124585A/zh
Priority to PCT/CN2017/092672 priority patent/WO2018196171A1/zh
Publication of CN107124585A publication Critical patent/CN107124585A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Sorting Of Articles (AREA)
  • Image Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种远程查看方法及远程查看系统、终端。其中，一种远程查看方法，包括：采集农作物的视频图像；设定至少一个农作物归类标识；分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下；接收用户的查看指令；根据查看指令，显示相应的农作物的视频图像。通过本发明的技术方案，方便用户使用参数来查看自己感兴趣的视频，帮助用户提高效率，操作简便，增加用户体验，为农作物的高产、优质、生态、安全创造条件，降低成本、增加收益。

Description

远程查看方法及远程查看系统、终端
技术领域
本发明涉及智能云技术领域，具体而言，涉及一种远程查看方法、一种远程查看系统、一种终端、一种计算机设备、一种计算机可读存储介质、一种具有与远程监控相关的应用软件的终端。
背景技术
目前的远程查看功能，呈现给用户的是所有果蔬的生长状况。在大棚规模很大，摄像头数量很多的情况下，用户不能只选定自己感兴趣的部分查看，要找到自己感兴趣的，需要浏览很多信息并从中挑选，效率很低。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此，本发明的第一个目的在于提出了一种远程查看方法。
本发明的第二个目的在于提出了一种远程查看系统。
本发明的第三个目的在于提出了一种终端。
本发明的第四个目的在于提出了一种计算机设备。
本发明的第五个目的在于提出了一种计算机可读存储介质。
本发明的第六个目的在于提出了一种具有与远程监控相关的应用软件的终端。
有鉴于此，根据本发明的第一个目的，提出了一种远程查看方法，包括：采集农作物的视频图像；设定至少一个农作物归类标识；分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下；接收用户的查看指令；根据查看指令，显示相应的农作物的视频图像。
根据本发明的远程查看方法，通过采集、分析识别农作物的视频图像，以对视频图像分类，使其纳入相应的农作物归类标识下，当用户查看时，只需选择相应的农作物归类标识，就可以只查看自己想看的视频图像，帮助用户提高效率，并且操作简便，增强用户体验，与此同时，为农作物的高产、优质、生态、安全创造条件，降低成本、增加收益。比如，在蔬菜种植大棚顶部安装摄像头，通过摄像头采集大棚内蔬菜的图像或视频，而后通过无线网络实时传输至终端，终端接收并存储数据，并利用图像识别技术自动标注采集到的蔬菜的类别和属性，如西红柿或者生菜，并且对其生长状态进行标注，用户既可以在智能设备上看到大棚内的实时画面，又可以根据实际情况输入选择指令，只查看其想看的某个大棚的画面，或者是一个大棚内某个区域的画面，从而第一时间掌握作物的生长情况，以采取有效的管理手段，如自动通风等，实现精准化管理。
另外，根据本发明上述的远程查看方法，还可以具有如下附加的技术特征：
在上述技术方案中，优选地，还包括：将视频图像所对应的至少一个农作物归类标识生成表格；农作物归类标识包括农作物类别和农作物属性。
在该技术方案中，通过将视频图像所对应的至少一个农作物归类标识生成表格，优选地，将获取的农作物的类别和属性以表格和/或标签的形式显示，用户可以直观的了解采集到的农作物信息，同时也为用户提供了多样化筛选条件，当用户查看时，直接点击某个标签或者点击表格内的某一属性即可，操作十分简便。
在上述任一技术方案中，优选地，查看指令包括用户设置的筛选条件，筛选条件包括至少一个农作物归类标识。
在该技术方案中，用户的查看指令实际上就是用户设置的筛选条件，通过选择至少一个农作物归类标识，优选地，选择至少一个农作物图像的类别和/或农作物图像的属性，用户可以根据实际的生产需要或自己的兴趣进行查看，从而实现精准化、个性化的管理，提高效率。
在上述任一技术方案中，优选地，分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下的具体步骤包括：对视频图像进行识别分析；确定视频图像的类别和属性；根据视频图像的类别和属性，将视频图像纳入相应的农作物归类标识下。
在该技术方案中，通过对采集到的视频图像进行识别分析，以确定该视频图像的类别和属性，进而使视频图像纳入相应的农作物归类标识下。
在上述任一技术方案中，优选地，农作物图像的类别包括以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括以下至少一种或其组合：名称、区域、成熟度。
在该技术方案中，农作物的类别包括但不限于以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括但不限于以下至少一种或其组合：名称、区域、成熟度。在实际应用中，用户可自主设置农作物的类别与属性，全面细致的设置类别与属性，有助于图像识别的更加精准。优选地，蔬菜类还可以具体分为叶菜类、根菜类、茎菜类、花菜类、果菜类等。
在上述任一技术方案中，优选地，采集农作物的视频图像为，实时采集农作物的视频图像；显示相应的农作物的视频图像为，显示相应的农作物的实时视频图像。这样确保了视频图像的实时性，有助于实现农业的精准化管理，增强用户体验。
根据本发明的第二个目的，提出了一种远程查看系统，包括：采集单元，用于采集农作物的视频图像；设定单元，用于设定至少一个农作物归类标识；识别单元，用于分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下；接收单元，用于接收用户的查看指令；显示单元，用于根据查看指令，显示相应的农作物的视频图像。
根据本发明的远程查看系统，通过采集、分析识别农作物的视频图像，以对视频图像分类，使其纳入相应的农作物归类标识下，当用户查看时，只需选择相应的农作物归类标识，就可以只查看自己想看的视频图像，帮助用户提高效率，并且操作简便，增强用户体验，与此同时，为农作物的高产、优质、生态、安全创造条件，降低成本、增加收益。比如，在蔬菜种植大棚顶部安装摄像头，通过摄像头采集大棚内蔬菜的图像或视频，而后通过无线网络实时传输至终端，终端接收并存储数据，并利用图像识别技术自动标注采集到的蔬菜的类别和属性，如西红柿或者生菜，并且对其生长状态进行标注，用户既可以在智能设备上看到大棚内的实时画面，又可以根据实际情况输入选择指令，只查看其想看的某个大棚的画面，或者是一个大棚内某个区域的画面，从而第一时间掌握作物的生长情况，以采取有效的管理手段，如自动通风等，实现精准化管理。
在上述技术方案中，优选地，还包括：生成单元，用于将视频图像所对应的至少一个农作物归类标识生成表格；农作物归类标识包括农作物类别和农作物属性。
在该技术方案中，通过将视频图像所对应的至少一个农作物归类标识生成表格，优选地，将获取的农作物的类别和属性以表格和/或标签的形式显示，用户可以直观的了解采集到的农作物信息，同时也为用户提供了多样化筛选条件，当用户查看时，直接点击某个标签或者点击表格内的某一属性即可，操作十分简便。
在上述任一技术方案中，优选地，查看指令包括用户设置的筛选条件，筛选条件包括至少一个农作物归类标识。
在该技术方案中，用户的查看指令实际上就是用户设置的筛选条件，通过选择至少一个农作物归类标识，优选地，选择至少一个农作物图像的类别和/或农作物图像的属性，用户可以根据实际的生产需要或自己的兴趣进行查看，从而实现精准化、个性化的管理，提高效率。
在上述任一技术方案中，优选地，农作物图像的类别包括以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括以下至少一种或其组合：名称、区域、成熟度。
在该技术方案中，农作物的类别包括但不限于以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括但不限于以下至少一种或其组合：名称、区域、成熟度。在实际应用中，用户可自主设置农作物的类别与属性，全面细致的设置类别与属性，有助于图像识别的更加精准。优选地，蔬菜类还可以具体分为叶菜类、根菜类、茎菜类、花菜类、果菜类等。
在上述任一技术方案中，优选地，识别单元具体用于：对视频图像进行识别分析；确定视频图像的类别和属性；根据视频图像的类别和属性，将视频图像纳入相应的农作物归类标识下。
在该技术方案中，通过对采集到的视频图像进行识别分析，以确定该视频图像的类别和属性，进而使视频图像纳入相应的农作物归类标识下。
在上述任一技术方案中，优选地，采集单元和/或显示单元中的视频图像为实时视频图像。这样确保了视频图像的实时性，有助于实现农业的精准化管理，增强用户体验。
根据本发明的第三个目的，提出了一种终端，包括如上述任一技术方案的远程查看系统。
根据本发明的终端，通过远程查看系统，采集、分析识别农作物的视频图像，以对视频图像分类，使其纳入相应的农作物归类标识下，当用户查看时，只需选择相应的农作物归类标识，就可以只查看自己想看的农作物的生长情况，帮助用户提高效率，并且操作简便，增强用户体验，与此同时，为农作物的高产、优质、生态、安全创造条件，降低成本、增加收益。具体地，终端包括手机、电脑等。
根据本发明的第四个目的，提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：采集农作物的视频图像；设定至少一个农作物归类标识；分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下；接收用户的查看指令；根据查看指令，显示相应的农作物的视频图像。
根据本发明的计算机设备，通过采集、分析识别农作物的视频图像，以对视频图像分类，使其纳入相应的农作物归类标识下，当用户查看时，只需选择相应的农作物归类标识，就可以只查看自己想看的农作物的生长情况，帮助用户提高效率，并且操作简便，增强用户体验，与此同时，为农作物的高产、优质、生态、安全创造条件，降低成本、增加收益。比如，在蔬菜种植大棚顶部安装摄像头，通过摄像头采集大棚内蔬菜的图像或视频，而后通过无线网络实时传输至终端，终端接收并存储数据，并利用图像识别技术自动标注采集到的蔬菜的类别和属性，如西红柿或者生菜，并且对其生长状态进行标注，用户既可以在智能设备上看到大棚内的实时画面，又可以根据实际情况输入选择指令，只查看其想看的某个大棚的画面，或者是一个大棚内某个区域的画面，从而第一时间掌握作物的生长情况，以采取有效的管理手段，如自动通风等，实现精准化管理。
在上述技术方案中，优选地，处理器执行计算机程序时，还实现了：将视频图像所对应的至少一个农作物归类标识生成表格；农作物归类标识包括农作物类别和农作物属性。
在该技术方案中，通过将视频图像所对应的至少一个农作物归类标识生成表格，优选地，将获取的农作物的类别和属性以表格和/或标签的形式显示，用户可以直观的了解采集到的农作物信息，同时也为用户提供了多样化筛选条件，当用户查看时，直接点击某个标签或者点击表格内的某一属性即可，操作十分简便。
在上述任一技术方案中，优选地，查看指令包括用户设置的筛选条件，筛选条件包括至少一个农作物归类标识；农作物图像的类别包括以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括以下至少一种或其组合：名称、区域、成熟度。
在该技术方案中，用户的查看指令实际上就是用户设置的筛选条件，通过选择至少一个农作物归类标识，优选地，选择至少一个农作物图像的类别和/或农作物图像的属性用户可以根据实际的生产需要或自己的兴趣进行查看，从而实现精准化、个性化的管理，提高效率。
其中，农作物的类别包括但不限于以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括但不限于以下至少一种或其组合：名称、区域、成熟度。在实际应用中，用户可自主设置农作物的类别与属性，全面细致的设置类别与属性，有助于图像识别的更加精准。优选地，蔬菜类还可以具体分为叶菜类、根菜类、茎菜类、花菜类、果菜类等。
在上述任一技术方案中，优选地，分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下的具体步骤包括：对视频图像进行识别分析；确定视频图像的类别和属性；根据视频图像的类别和属性，将视频图像纳入相应的农作物归类标识下。
在该技术方案中，通过对采集到的视频图像进行识别分析，以确定该视频图像的类别和属性，进而使视频图像纳入相应的农作物归类标识下。
在上述任一技术方案中，优选地，采集农作物的视频图像为，实时采集农作物的视频图像；显示相应的农作物的视频图像为，显示相应的农作物的实时视频图像。这样确保了视频图像的实时性，有助于实现农业的精准化管理，增强用户体验。
根据本发明的第五个目的，提出了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：采集农作物的视频图像；设定至少一个农作物归类标识；分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下；接收用户的查看指令；根据查看指令，显示相应的农作物的视频图像。
根据本发明的计算机可读存储介质，通过采集、分析识别农作物的视频图像，以对视频图像分类，使其纳入相应的农作物归类标识下，当用户查看时，只需选择相应的农作物归类标识，就可以只查看自己想看的农作物的生长情况，帮助用户提高效率，并且操作简便，增强用户体验，与此同时，为农作物的高产、优质、生态、安全创造条件，降低成本、增加收益。比如，在蔬菜种植大棚顶部安装摄像头，通过摄像头采集大棚内蔬菜的图像或视频，而后通过无线网络实时传输至终端，终端接收并存储数据，并利用图像识别技术自动标注采集到的蔬菜的类别和属性，如西红柿或者生菜，并且对其生长状态进行标注，用户既可以在智能设备上看到大棚内的实时画面，又可以根据实际情况输入选择指令，只查看其想看的某个大棚的画面，或者是一个大棚内某个区域的画面，从而第一时间掌握作物的生长情况，以采取有效的管理手段，如自动通风等，实现精准化管理。
在上述技术方案中，优选地，计算机程序被处理器执行时，还实现了：将视频图像所对应的至少一个农作物归类标识生成表格；农作物归类标识包括农作物类别和农作物属性。
在该技术方案中，通过将视频图像所对应的至少一个农作物归类标识生成表格，优选地，将获取的农作物的类别和属性以表格和/或标签的形式显示，用户可以直观的了解采集到的农作物信息，同时也为用户提供了多样化筛选条件，当用户查看时，直接点击某个标签或者点击表格内的某一属性即可，操作十分简便。
在上述任一技术方案中，优选地，查看指令包括用户设置的筛选条件，筛选条件包括至少一个农作物归类标识；农作物图像的类别包括以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括以下至少一种或其组合：名称、区域、成熟度。
在该技术方案中，用户的查看指令实际上就是用户设置的筛选条件，通过选择至少一个农作物归类标识，优选地，选择农作物图像的类别和/或农作物图像的属性用户可以根据实际的生产需要或自己的兴趣进行查看，从而实现精准化、个性化的管理，提高效率。
其中，农作物的类别包括但不限于以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括但不限于以下至少一种或其组合：名称、区域、成熟度。在实际应用中，用户可自主设置农作物的类别与属性，全面细致的设置类别与属性，有助于图像识别的更加精准。优选地，蔬菜类还可以具体分为叶菜类、根菜类、茎菜类、花菜类、果菜类等。
在上述任一技术方案中，优选地，分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下的具体步骤包括：对视频图像进行识别分析；确定视频图像的类别和属性；根据视频图像的类别和属性，将视频图像纳入相应的农作物归类标识下。
在该技术方案中，通过对采集到的视频图像进行识别分析，以确定该视频图像的类别和属性，进而使视频图像纳入相应的农作物归类标识下。
在上述任一技术方案中，优选地，采集农作物的视频图像为，实时采集农作物的视频图像；显示相应的农作物的视频图像为，显示相应的农作物的实时视频图像。这样确保了视频图像的实时性，有助于实现农业的精准化管理，增强用户体验。
根据本发明的第六个目的，提出了一种具有与远程监控相关的应用软件的终端，包括：处理器、存储器、输入装置和输出装置，其中，处理器通过调用存储器中存储的操作指令，用于执行如下操作：采集农作物的视频图像；设定至少一个农作物归类标识；分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下；接收用户的查看指令；根据查看指令，显示相应的农作物视频图像。
根据本发明的具有与远程监控相关的应用软件的终端，通过采集、分析识别农作物的视频图像，以对视频图像分类，使其纳入相应的农作物归类标识下，当用户查看时，只需选择相应的农作物归类标识，就可以只查看自己想看的农作物的生长情况，帮助用户提高效率，并且操作简便，增强用户体验，与此同时，为农作物的高产、优质、生态、安全创造条件，降低成本、增加收益。比如，在蔬菜种植大棚顶部安装摄像头，通过摄像头采集大棚内蔬菜的图像或视频，而后通过无线网络实时传输至终端，终端接收并存储数据，并利用图像识别技术自动标注采集到的蔬菜的类别和属性，如西红柿或者生菜，并且对其生长状态进行标注，用户既可以在智能设备上看到大棚内的实时画面，又可以根据实际情况输入选择指令，只查看其想看的某个大棚的画面，或者是一个大棚内某个区域的画面，从而第一时间掌握作物的生长情况，以采取有效的管理手段，如自动通风等，实现精准化管理。
在上述技术方案中，优选地，处理器通过调用存储器中存储的操作指令，还用于执行：将视频图像所对应的至少一个农作物归类标识生成表格；农作物归类标识包括农作物类别和农作物属性。
在该技术方案中，通过将视频图像所对应的至少一个农作物归类标识生成表格，优选地，将获取的农作物的类别和属性以表格和/或标签的形式显示，用户可以直观的了解采集到的农作物信息，同时也为用户提供了多样化筛选条件，当用户查看时，直接点击某个标签或者点击表格内的某一属性即可，操作十分简便。
在上述任一技术方案中，优选地，查看指令包括用户设置的筛选条件，筛选条件包括至少一个农作物归类标识；农作物图像的类别包括以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括以下至少一种或其组合：名称、区域、成熟度。
在该技术方案中，用户的查看指令实际上就是用户设置的筛选条件，通过选择至少一个农作物归类标识，优选地，选择至少一个农作物图像的类别和/或农作物图像的属性用户可以根据实际的生产需要或自己的兴趣进行查看，从而实现精准化、个性化的管理，提高效率。
其中，农作物的类别包括但不限于以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括但不限于以下至少一种或其组合：名称、区域、成熟度。在实际应用中，用户可自主设置农作物的类别与属性，全面细致的设置类别与属性，有助于图像识别的更加精准。优选地，蔬菜类还可以具体分为叶菜类、根菜类、茎菜类、花菜类、果菜类等。
在上述任一技术方案中，优选地，分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下的具体步骤包括：对视频图像进行识别分析；确定视频图像的类别和属性；根据视频图像的类别和属性，将视频图像纳入相应的农作物归类标识下。
在该技术方案中，通过对采集到的视频图像进行识别分析，以确定该视频图像的类别和属性，进而使视频图像纳入相应的农作物归类标识下。
在上述任一技术方案中，优选地，采集农作物的视频图像为，实时采集农作物的视频图像；显示相应的农作物的视频图像为，显示相应的农作物的实时视频图像。这样确保了视频图像的实时性，有助于实现农业的精准化管理，增强用户体验。
本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1示出了根据本发明的一实施例的远程查看方法的流程示意图；
图2示出了根据本发明的另一实施例的远程查看方法的流程示意图；
图3示出了根据本发明的再一实施例的远程查看方法的流程示意图；
图4示出了根据本发明的一实施例的远程查看系统的示意框图；
图5示出了根据本发明的另一实施例的远程查看系统的示意框图；
图6示出了根据本发明的一实施例的终端的示意框图；
图7示出了根据本发明的一实施例的计算机设备的结构示意图；
图8示出了根据本发明的一实施例的具有与远程监控相关的应用软件的终端的结构示意图。
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。
如图1所示，根据本发明的一个实施例的远程查看方法的流程示意图。其中，该远程查看方法包括：
步骤102，采集农作物的视频图像；
步骤104，设定至少一个农作物归类标识；
步骤106，分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下；
步骤108，接收用户的查看指令；
步骤110，根据查看指令，显示相应的农作物的视频图像。
根据本发明的远程查看方法，通过采集、分析识别农作物的视频图像，以对视频图像分类，使其纳入相应的农作物归类标识下，当用户查看时，只需选择相应的农作物归类标识，就可以只查看自己想看的农作物的生长情况，帮助用户提高效率，并且操作简便，增强用户体验，与此同时，为农作物的高产、优质、生态、安全创造条件，降低成本、增加收益。比如，在蔬菜种植大棚顶部安装摄像头，通过摄像头采集大棚内蔬菜的图像或视频，而后通过无线网络实时传输至终端，终端接收并存储数据，并利用图像识别技术自动标注采集到的蔬菜的类别和属性，如西红柿或者生菜，并且对其生长状态进行标注，用户既可以在智能设备上看到大棚内的实时画面，又可以根据实际情况输入选择指令，只查看其想看的某个大棚的画面，或者是一个大棚内某个区域的画面，从而第一时间掌握作物的生长情况，以采取有效的管理手段，如自动通风等，实现精准化管理。
如图2所示，根据本发明的另一个实施例的远程查看方法的流程示意图。其中，该远程查看方法包括：
步骤202，采集农作物的视频图像；
步骤204，设定至少一个农作物归类标识；
步骤206，分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下；
步骤208，将视频图像所对应的至少一个农作物归类标识生成表格；农作物归类标识包括农作物类别和农作物属性；
步骤210，接收用户的查看指令；
步骤212，根据查看指令，显示相应的农作物的视频图像。
在该实施例中，通过将视频图像所对应的至少一个农作物归类标识生成表格，优选地，将获取的农作物的类别和属性以表格和/或标签的形式显示，用户可以直观的了解采集到的农作物信息，同时也为用户提供了多样化筛选条件，当用户查看时，直接点击某个标签或者点击表格内的某一属性即可，操作十分简便。
在上述任一实施例中，优选地，查看指令包括用户设置的筛选条件，筛选条件包括至少一个农作物归类标识。
在该实施例中，用户的查看指令实际上就是用户设置的筛选条件，通过选择至少一个农作物归类标识，优选地，选择农作物图像的类别和/或农作物图像的属性，用户可以根据实际的生产需要或自己的兴趣进行查看，从而实现精准化、个性化的管理，提高效率。
如图3所示，根据本发明的再一个实施例的远程查看方法的流程示意图。其中，该远程查看方法包括：
步骤302，采集农作物的视频图像；
步骤304，设定至少一个农作物归类标识；
步骤306，通过计算机对视频图像进行识别分析；确定视频图像的类别和属性；根据视频图像的类别和属性，将视频图像纳入相应的农作物归类标识下；
步骤308，将视频图像所对应的至少一个农作物归类标识生成表格；农作物归类标识包括农作物类别和农作物属性；
步骤310，接收用户的查看指令；
步骤312，根据查看指令，显示相应的农作物的视频图像。
在该实施例中，通过计算机对采集到的视频图像进行识别分析，以确定该视频图像的类别和属性，进而使视频图像纳入相应的农作物归类标识下。
在上述任一实施例中，优选地，农作物图像的类别包括以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括以下至少一种或其组合：名称、区域、成熟度。
在该实施例中，农作物的类别包括但不限于以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括但不限于以下至少一种或其组合：名称、区域、成熟度。在实际应用中，用户可自主设置农作物的类别与属性，全面细致的设置类别与属性，有助于图像识别的更加精准。优选地，蔬菜类还可以具体分为叶菜类、根菜类、茎菜类、花菜类、果菜类等。
在上述任一实施例中，优选地，采集农作物的视频图像为，实时采集农作物的视频图像；显示相应的农作物的视频图像为，显示相应的农作物的实时视频图像。这样确保了视频图像的实时性，有助于实现农业的精准化管理，增强用户体验。
如图4所示，根据本发明的一实施例的远程查看系统的示意框图。其中，该远程查看系统400包括：
采集单元402，用于采集农作物的视频图像；
设定单元404，用于设定至少一个农作物归类标识；
识别单元406，用于分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下；
接收单元408，用于接收用户的查看指令；
显示单元410，用于根据查看指令，显示相应的农作物的视频图像。
根据本发明的远程查看系统400，通过采集、分析识别农作物的视频图像，以对视频图像分类，使其纳入相应的农作物归类标识下，当用户查看时，只需选择相应的农作物归类标识，就可以只查看自己想看的农作物的生长情况，帮助用户提高效率，并且操作简便，增强用户体验，与此同时，为农作物的高产、优质、生态、安全创造条件，降低成本、增加收益。比如，在蔬菜种植大棚顶部安装摄像头，通过摄像头采集大棚内蔬菜的图像或视频，而后通过无线网络实时传输至终端，终端接收并存储数据，并利用图像识别技术自动标注采集到的蔬菜的类别和属性，如西红柿或者生菜，并且对其生长状态进行标注，用户既可以在智能设备上看到大棚内的实时画面，又可以根据实际情况输入选择指令，只查看其想看的某个大棚的画面，或者是一个大棚内某个区域的画面，从而第一时间掌握作物的生长情况，以采取有效的管理手段，如自动通风等，实现精准化管理。
如图5所示，根据本发明的另一实施例的远程查看系统的示意框图。其中，该远程查看系统500包括：
采集单元502，用于采集农作物的视频图像；
设定单元504，用于设定至少一个农作物归类标识；
识别单元506，用于分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下；
生成单元508，用于将视频图像所对应的至少一个农作物归类标识生成表格；农作物归类标识包括农作物类别和农作物属性；
接收单元510，用于接收用户的查看指令；
显示单元512，用于根据查看指令，显示相应的农作物的视频图像。
在该实施例中，通过将视频图像所对应的至少一个农作物归类标识生成表格，优选地，将获取的农作物的类别和属性以表格和/或标签的形式显示，用户可以直观的了解采集到的农作物信息，同时也为用户提供了多样化筛选条件，当用户查看时，直接点击某个标签或者点击表格内的某一属性即可，操作十分简便。
在上述任一实施例中，优选地，查看指令包括用户设置的筛选条件，筛选条件包括至少一个农作物归类标识。
在该实施例中，用户的查看指令实际上就是用户设置的筛选条件，通过选择至少一个农作物归类标识，优选地，选择农作物图像的类别和/或农作物图像的属性，用户可以根据实际的生产需要或自己的兴趣进行查看，从而实现精准化、个性化的管理，提高效率。
在上述任一实施例中，优选地，农作物图像的类别包括以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括以下至少一种或其组合：名称、区域、成熟度。
在该实施例中，农作物的类别包括但不限于以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括但不限于以下至少一种或其组合：名称、区域、成熟度。在实际应用中，用户可自主设置农作物的类别与属性，全面细致的设置类别与属性，有助于图像识别的更加精准。优选地，蔬菜类还可以具体分为叶菜类、根菜类、茎菜类、花菜类、果菜类等。
在上述任一实施例中，优选地，识别单元506具体用于：通过计算机对视频图像进行识别分析；确定视频图像的类别和属性；根据视频图像的类别和属性，将视频图像纳入相应的农作物归类标识下。
在该实施例中，通过计算机对采集到的视频图像进行识别分析，以确定该视频图像的类别和属性，进而使视频图像纳入相应的农作物归类标识下。
在上述任一实施例中，优选地，采集单元502和/或显示单元512中的视频图像为实时视频图像。这样确保了视频图像的实时性，有助于实现农业的精准化管理，增强用户体验。
如图6所示，根据本发明的一实施例的终端的示意框图。其中，该终端600包括：包括如上述任一实施例的远程查看系统602。
根据本发明的终端600，通过远程查看系统602，采集、分析识别农作物的视频图像，以对视频图像分类，使其纳入相应的农作物归类标识下，当用户查看时，只需选择相应的农作物归类标识，就可以只查看自己想看的农作物的生长情况，帮助用户提高效率，并且操作简便，增强用户体验，与此同时，为农作物的高产、优质、生态、安全创造条件，降低成本、增加收益。具体地，终端包括手机、电脑等。
如图7所示，根据本发明的一实施例的计算机设备的结构示意图。其中，该计算机设备700包括：包括存储器702、处理器704及存储在存储器702上并可在处理器704上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
采集农作物的视频图像；
设定至少一个农作物归类标识；
分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下；
接收用户的查看指令；
根据查看指令，显示相应的农作物的视频图像。
根据本发明的计算机设备700，通过采集、分析识别农作物的视频图像，以对视频图像分类，使其纳入相应的农作物归类标识下，当用户查看时，只需选择相应的农作物归类标识，就可以只查看自己想看的农作物的生长情况，帮助用户提高效率，并且操作简便，增强用户体验，与此同时，为农作物的高产、优质、生态、安全创造条件，降低成本、增加收益。比如，在蔬菜种植大棚顶部安装摄像头，通过摄像头采集大棚内蔬菜的图像或视频，而后通过无线网络实时传输至终端，终端接收并存储数据，并利用图像识别技术自动标注采集到的蔬菜的类别和属性，如西红柿或者生菜，并且对其生长状态进行标注，用户既可以在智能设备上看到大棚内的实时画面，又可以根据实际情况输入选择指令，只查看其想看的某个大棚的画面，或者是一个大棚内某个区域的画面，从而第一时间掌握作物的生长情况，以采取有效的管理手段，如自动通风等，实现精准化管理。
在上述实施例中，优选地，处理器704执行计算机程序时，还实现了：将视频图像所对应的至少一个农作物归类标识生成表格；农作物归类标识包括农作物类别和农作物属性。
在该实施例中，通过将视频图像所对应的至少一个农作物归类标识生成表格，优选地，将获取的农作物的类别和属性以表格和/或标签的形式显示，用户可以直观的了解采集到的农作物信息，同时也为用户提供了多样化筛选条件，当用户查看时，直接点击某个标签或者点击表格内的某一属性即可，操作十分简便。
在上述任一实施例中，优选地，查看指令包括用户设置的筛选条件，筛选条件包括至少一个农作物归类标识；农作物图像的类别包括以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括以下至少一种或其组合：名称、区域、成熟度。
在该实施例中，用户的查看指令实际上就是用户设置的筛选条件，通过选择至少一个农作物归类标识，优选地，选择农作物图像的类别和/或农作物图像的属性，用户可以根据实际的生产需要或自己的兴趣进行查看，从而实现精准化、个性化的管理，提高效率。
其中，农作物的类别包括但不限于以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括但不限于以下至少一种或其组合：名称、区域、成熟度。在实际应用中，用户可自主设置农作物的类别与属性，全面细致的设置类别与属性，有助于图像识别的更加精准。优选地，蔬菜类还可以具体分为叶菜类、根菜类、茎菜类、花菜类、果菜类等。
在上述任一实施例中，优选地，分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下的具体步骤包括：通过计算机对视频图像进行识别分析；确定视频图像的类别和属性；根据视频图像的类别和属性，将视频图像纳入相应的农作物归类标识下。
在该实施例中，通过计算机对采集到的视频图像进行识别分析，以确定该视频图像的类别和属性，进而使视频图像纳入相应的农作物归类标识下。
在上述任一实施例中，优选地，采集农作物的视频图像为，实时采集农作物的视频图像；显示相应的农作物的视频图像为，显示相应的农作物的实时视频图像。这样确保了视频图像的实时性，有助于实现农业的精准化管理，增强用户体验。
本发明的一个实施例提出了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：采集农作物的视频图像；设定至少一个农作物归类标识；分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下；接收用户的查看指令；根据查看指令，显示相应的农作物的视频图像。
根据本发明的计算机可读存储介质，通过采集、分析识别农作物的视频图像，以对视频图像分类，使其纳入相应的农作物归类标识下，当用户查看时，只需选择相应的农作物归类标识，当用户查看时，就可以只查看自己想看的农作物的生长情况，帮助用户提高效率，并且操作简便，增强用户体验，与此同时，为农作物的高产、优质、生态、安全创造条件，降低成本、增加收益。比如，在蔬菜种植大棚顶部安装摄像头，通过摄像头采集大棚内蔬菜的图像或视频，而后通过无线网络实时传输至终端，终端接收并存储数据，并利用图像识别技术自动标注采集到的蔬菜的类别和属性，如西红柿或者生菜，并且对其生长状态进行标注，用户既可以在智能设备上看到大棚内的实时画面，又可以根据实际情况输入选择指令，只查看其想看的某个大棚的画面，或者是一个大棚内某个区域的画面，从而第一时间掌握作物的生长情况，以采取有效的管理手段，如自动通风等，实现精准化管理。
在上述实施例中，优选地，计算机程序被处理器执行时，还实现了：将视频图像所对应的至少一个农作物归类标识生成表格；农作物归类标识包括农作物类别和农作物属性。
在该实施例中，通过将视频图像所对应的至少一个农作物归类标识生成表格，优选地，将获取的农作物的类别和属性以表格和/或标签的形式显示，用户可以直观的了解采集到的农作物信息，同时也为用户提供了多样化筛选条件，当用户查看时，直接点击某个标签或者点击表格内的某一属性即可，操作十分简便。
在上述任一实施例中，优选地，查看指令包括用户设置的筛选条件，筛选条件包括至少一个农作物归类标识；农作物图像的类别包括以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括以下至少一种或其组合：名称、区域、成熟度。
在该实施例中，用户的查看指令实际上就是用户设置的筛选条件，通过选择至少一个农作物归类标识，优选地，选择农作物图像的类别和/或农作物图像的属性，用户可以根据实际的生产需要或自己的兴趣进行查看，从而实现精准化、个性化的管理，提高效率。
其中，农作物的类别包括但不限于以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括但不限于以下至少一种或其组合：名称、区域、成熟度。在实际应用中，用户可自主设置农作物的类别与属性，全面细致的设置类别与属性，有助于图像识别的更加精准。优选地，蔬菜类还可以具体分为叶菜类、根菜类、茎菜类、花菜类、果菜类等。
在上述任一实施例中，优选地，分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下的具体步骤包括：通过计算机对视频图像进行识别分析；确定视频图像的类别和属性；根据视频图像的类别和属性，将视频图像纳入相应的农作物归类标识下。
在该实施例中，通过计算机对采集到的视频图像进行识别分析，以确定该视频图像的类别和属性，进而使视频图像纳入相应的农作物归类标识下。
在上述任一实施例中，优选地，采集农作物的视频图像为，实时采集农作物的视频图像；显示相应的农作物的视频图像为，显示相应的农作物的实时视频图像。这样确保了视频图像的实时性，有助于实现农业的精准化管理，增强用户体验。
如图8所示，根据本发明的一实施例的具有与远程监控相关的应用软件的终端的结构示意图。其中，该具有与远程监控相关的应用软件的终端800包括：处理器802、存储器804、输入装置806和输出装置808，其中，处理器802通过调用存储器804中存储的操作指令，用于执行如下操作：
采集农作物的视频图像；
设定至少一个农作物归类标识；
分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下；
接收用户的查看指令；
根据查看指令，显示相应的农作物视频图像。
根据本发明的具有与远程监控相关的应用软件的终端800，通过采集、分析识别农作物的视频图像，以对视频图像分类，使其纳入相应的农作物归类标识下，当用户查看时，只需选择相应的农作物归类标识，当用户查看时，只需选择相应的农作物归类标识，就可以只查看自己想看的农作物的生长情况，帮助用户提高效率，并且操作简便，增强用户体验，与此同时，为农作物的高产、优质、生态、安全创造条件，降低成本、增加收益。比如，在蔬菜种植大棚顶部安装摄像头，通过摄像头采集大棚内蔬菜的图像或视频，而后通过无线网络实时传输至终端，终端接收并存储数据，并利用图像识别技术自动标注采集到的蔬菜的类别和属性，如西红柿或者生菜，并且对其生长状态进行标注，用户既可以在智能设备上看到大棚内的实时画面，又可以根据实际情况输入选择指令，只查看其想看的某个大棚的画面，或者是一个大棚内某个区域的画面，从而第一时间掌握作物的生长情况，以采取有效的管理手段，如自动通风等，实现精准化管理。
在上述实施例中，优选地，处理器802通过调用存储器804中存储的操作指令，还用于执行：将视频图像所对应的至少一个农作物归类标识生成表格；农作物归类标识包括农作物类别和农作物属性。
在该实施例中，通过将视频图像所对应的至少一个农作物归类标识生成表格，优选地，将获取的农作物的类别和属性以表格和/或标签的形式显示，用户可以直观的了解采集到的农作物信息，同时也为用户提供了多样化筛选条件，当用户查看时，直接点击某个标签或者点击表格内的某一属性即可，操作十分简便。
在上述任一实施例中，优选地，查看指令包括用户设置的筛选条件，筛选条件包括至少一个农作物归类标识；农作物图像的类别包括以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括以下至少一种或其组合：名称、区域、成熟度。
在该实施例中，用户的查看指令实际上就是用户设置的筛选条件，通过选择至少一个农作物归类标识，优选地，选择农作物图像的类别和/或农作物图像的属性，用户可以根据实际的生产需要或自己的兴趣进行查看，从而实现精准化、个性化的管理，提高效率。
其中，农作物的类别包括但不限于以下至少一种或其组合：水果类、蔬菜类、菌类、粮食类；农作物图像的属性包括但不限于以下至少一种或其组合：名称、区域、成熟度。在实际应用中，用户可自主设置农作物的类别与属性，全面细致的设置类别与属性，有助于图像识别的更加精准。优选地，蔬菜类还可以具体分为叶菜类、根菜类、茎菜类、花菜类、果菜类等。
在上述任一实施例中，优选地，分析识别视频图像的图像信息，根据图像信息将视频图像分类，并纳入相应的农作物归类标识下的具体步骤包括：通过计算机对视频图像进行识别分析；确定视频图像的类别和属性；根据视频图像的类别和属性，将视频图像纳入相应的农作物归类标识下。
在该实施例中，通过计算机对采集到的视频图像进行识别分析，以确定该视频图像的类别和属性，进而使视频图像纳入相应的农作物归类标识下。
在上述任一实施例中，优选地，采集农作物的视频图像为，实时采集农作物的视频图像；显示相应的农作物的视频图像为，显示相应的农作物的实时视频图像。这样确保了视频图像的实时性，有助于实现农业的精准化管理，增强用户体验。
具体实施例一，用户在电脑上安装了具有远程监控功能的应用软件，并且，该应用软件具有图像识别功能，该电脑通过无线网络与蔬菜大棚内的监控摄像头连接。
步骤一：摄像头实时采集数据；
步骤二：通过图像识别(用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术)，获取采集图像的类别和属性，填入表格，如表1所示：
表1图像的类别和属性
类别：是蔬菜类的，还是水果类的，这里只是例子，还可以按照根茎类、果实类，菌类等进行划分。
属性：包括名称，蔬菜或者水果名；区域，采集数据的摄像头在大棚中的位置；成熟度，图像识别分析的结果，分析果蔬的成长状况。
根据表格所能提供的功能，用户设置查看的过滤条件。根据该条件，进行结果筛选，最终呈现给用户。用户设置过滤条件可以只设置一项，或者多项组合。如只选择水果，则将会把所有水果的图像呈现给用户。如果用户选择西瓜&区域(region1)&成熟，则会把所有指定区域的成熟的西瓜呈现给用户。
具体实施例二，用户在智能手机上安装具有远程监控功能的app，并且该app具有图像识别功能。当用户使用该app查看大田或大棚内的农作物生长情况时，通过远程摄像头实时采集农作物的图像，并对采集到的图像进行识别，当识别出图像的属性与类别后，生成标签，用户直接点击标签即可直接查看该标签所对应的农作物的画面。通过添加类型和属性标签，方便用户使用这些参数来查看自己感兴趣的部分，为用户提供友好的交互，提高效率。
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 (11)

1.一种远程查看方法，其特征在于，包括：
采集农作物的视频图像；
设定至少一个农作物归类标识；
分析识别所述视频图像的图像信息，根据所述图像信息将所述视频图像分类，并纳入相应的所述农作物归类标识下；
接收用户的查看指令；
根据所述查看指令，显示相应的农作物的视频图像。
2.根据权利要求1所述的远程查看方法，其特征在于，还包括：
将所述视频图像所对应的至少一个农作物归类标识生成表格；
所述农作物归类标识包括农作物类别和农作物属性。
3.根据权利要求1所述的远程查看方法，其特征在于，分析识别所述视频图像的图像信息，根据所述图像信息将所述视频图像分类，并纳入相应的所述农作物归类标识下的具体步骤包括：
对所述视频图像进行识别分析；
确定所述视频图像的类别和属性；
根据所述视频图像的类别和属性，将所述视频图像纳入相应的所述农作物归类标识下。
4.根据权利要求1所述的远程查看方法，其特征在于，
所述查看指令包括用户设置的筛选条件，所述筛选条件包括至少一个所述农作物归类标识。
5.根据权利要求1至4中任一项所述的远程查看方法，其特征在于，
所述采集农作物的视频图像为，实时采集农作物的视频图像。
6.根据权利要求1至4中任一项所述的远程查看方法，其特征在于，
所述显示相应的农作物的视频图像为，显示相应的农作物的实时视频图像。
7.一种远程查看系统，其特征在于，包括：
采集单元，用于采集农作物的视频图像；
设定单元，用于设定至少一个农作物归类标识；
识别单元，用于分析识别所述视频图像的图像信息，根据所述图像信息将所述视频图像分类，并纳入相应的农作物归类标识下；
接收单元，用于接收用户的查看指令；
显示单元，用于根据所述查看指令，显示相应的农作物的视频图像。
8.根据权利要求7所述的远程查看系统，其特征在于，还包括：
生成单元，用于将所述视频图像所对应的至少一个农作物归类标识生成表格；
所述农作物归类标识包括农作物类别和农作物属性。
9.根据权利要求7所述的远程查看系统，其特征在于，
所述查看指令包括用户设置的筛选条件，所述筛选条件包括至少一个所述农作物归类标识。
10.根据权利要求7至9中任一项所述的远程查看系统，其特征在于，
所述采集单元和/或显示单元中的视频图像为实时视频图像。
11.一种终端，其特征在于，包括如权利要求7至10中任一项所述的远程查看系统。
CN201710293632.5A 2017-04-28 2017-04-28 远程查看方法及远程查看系统、终端 Pending CN107124585A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710293632.5A CN107124585A (zh) 2017-04-28 2017-04-28 远程查看方法及远程查看系统、终端
PCT/CN2017/092672 WO2018196171A1 (zh) 2017-04-28 2017-07-12 远程查看方法及远程查看系统、终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710293632.5A CN107124585A (zh) 2017-04-28 2017-04-28 远程查看方法及远程查看系统、终端

Publications (1)

Publication Number Publication Date
CN107124585A true CN107124585A (zh) 2017-09-01

Family

ID=59725009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710293632.5A Pending CN107124585A (zh) 2017-04-28 2017-04-28 远程查看方法及远程查看系统、终端

Country Status (2)

Country Link
CN (1) CN107124585A (zh)
WO (1) WO2018196171A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110633669A (zh) * 2019-09-12 2019-12-31 华北电力大学（保定） 家居环境中基于深度学习的移动端人脸属性识别方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113377056A (zh) * 2021-06-30 2021-09-10 青岛农业大学 一种用于农业经济管理的农作物产品信息采集录入装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103053361A (zh) * 2012-12-30 2013-04-24 青岛中科软件股份有限公司 基于rfid技术的太阳能生态大棚系统
CN103472789A (zh) * 2013-09-06 2013-12-25 厦门鹰君药业有限公司 一种农业智能信息远程监控系统
CN104106432A (zh) * 2014-07-01 2014-10-22 河南本易信息工程有限公司 一种智能温室大棚控制系统
CN104484408A (zh) * 2014-12-16 2015-04-01 百度在线网络技术（北京）有限公司 植物信息的搜索处理方法和系统
CN106157159A (zh) * 2016-07-06 2016-11-23 北京禾木源农业科技有限责任公司 一种基于互联网影像远程农产品品质检测方法和装置
CN106331119A (zh) * 2016-08-26 2017-01-11 深圳前海弘稼科技有限公司 一种种植信息推送方法以及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101349561B (zh) * 2007-07-17 2010-08-25 农业部规划设计研究院 大尺度作物种植面积车载调查方法与系统
EP2936422A4 (en) * 2012-12-19 2016-10-26 Shulman Alan METHOD AND SYSTEMS FOR AUTOMATED MICRO-AGRICULTURE
CN103593962B (zh) * 2013-11-14 2016-06-15 苏州经贸职业技术学院 基于传感通讯的有机蔬菜质量远程网络实时监控方法
CN105677728A (zh) * 2015-12-28 2016-06-15 广东正美家具科技有限公司 物体图像识别分类管理方法
CN106162087A (zh) * 2016-07-26 2016-11-23 深圳前海弘稼科技有限公司 一种种植箱内植物的生长过程展示方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103053361A (zh) * 2012-12-30 2013-04-24 青岛中科软件股份有限公司 基于rfid技术的太阳能生态大棚系统
CN103472789A (zh) * 2013-09-06 2013-12-25 厦门鹰君药业有限公司 一种农业智能信息远程监控系统
CN104106432A (zh) * 2014-07-01 2014-10-22 河南本易信息工程有限公司 一种智能温室大棚控制系统
CN104484408A (zh) * 2014-12-16 2015-04-01 百度在线网络技术（北京）有限公司 植物信息的搜索处理方法和系统
CN106157159A (zh) * 2016-07-06 2016-11-23 北京禾木源农业科技有限责任公司 一种基于互联网影像远程农产品品质检测方法和装置
CN106331119A (zh) * 2016-08-26 2017-01-11 深圳前海弘稼科技有限公司 一种种植信息推送方法以及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110633669A (zh) * 2019-09-12 2019-12-31 华北电力大学（保定） 家居环境中基于深度学习的移动端人脸属性识别方法
CN110633669B (zh) * 2019-09-12 2024-03-26 华北电力大学（保定） 家居环境中基于深度学习的移动端人脸属性识别方法

Also Published As

Publication number Publication date
WO2018196171A1 (zh) 2018-11-01

Similar Documents

Publication Publication Date Title
US11793119B2 (en) Information processing device and information processing method
US20210349933A1 (en) Farm work support device and method, program, recording medium, and farm work support system
Saranya et al. A comparative study of deep learning and Internet of Things for precision agriculture
US20210183045A1 (en) Server of crop growth stage determination system, growth stage determination method, and storage medium storing program
CN109583301A (zh) 一种农作物生长过程最优外部种植条件预测方法及装置
WO2016039176A1 (ja) 情報処理装置、情報処理方法、及び、プログラム
JP6760068B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
CN112084977B (zh) 一种融合图像和时间特征的苹果物候期自动识别方法
Chaves et al. CBERS data cubes for land use and land cover mapping in the Brazilian Cerrado agricultural belt
CN107124585A (zh) 远程查看方法及远程查看系统、终端
CN113252584A (zh) 基于5g传输的作物生长检测方法及系统
US20220392214A1 (en) Scouting functionality emergence
CN115147835B (zh) 一种基于改进RetinaNet的自然果园场景下的凤梨成熟度检测方法
Dinca et al. Halyomorpha halys detection in orchard from UAV images using convolutional neural networks
Pathak Machine vision methods for evaluating plant stand count and weed classification using open-source platforms
WO2016039175A1 (ja) 情報処理装置、情報処理方法、及び、プログラム
Li et al. A longan yield estimation approach based on uav images and deep learning
Yang et al. Simple, Low-Cost Estimation of Potato Above-Ground Biomass Using Improved Canopy Leaf Detection Method
Yuan AriAplBud: An Aerial Multi-Growth Stage Apple Flower Bud Dataset for Agricultural Object Detection Benchmarking
Shajahan Agricultural Field Applications of Digital Image Processing Using an Open Source ImageJ Platform
Lata et al. Seasonal Environmental Data-Sets Simulations for Optimizing the Crop Yield
KR102195389B1 (ko) 생태 놀이를 위한 게임 제어 방법 및 장치
Mulla et al. Computer Vision System to detect maturity of tomatoes in real time using deep learning
Zambrano et al. UAV Remote Sensing applications and current trends in crop monitoring and diagnostics: A Systematic Literature Review
Uskaner Hepsağ Efficient plant disease identification using few-shot learning: a transfer learning approach

Legal Events

Date Code Title Description
PB01 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.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170901