CN107272777B - 一种农作物田间作业的智能生产方法及系统 - Google Patents
一种农作物田间作业的智能生产方法及系统 Download PDFInfo
- Publication number
- CN107272777B CN107272777B CN201710464707.1A CN201710464707A CN107272777B CN 107272777 B CN107272777 B CN 107272777B CN 201710464707 A CN201710464707 A CN 201710464707A CN 107272777 B CN107272777 B CN 107272777B
- Authority
- CN
- China
- Prior art keywords
- data
- physical device
- actual
- crop
- practical
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种农作物田间作业的智能生产方法及系统，本发明首先通过采集模块对农间作业的实际环境数据，实际作物数据、实际施肥数据和实际设备数据，并将数据这三者数据整合得到实际环境数据，实际作物数据和实际施肥数据整合成目标值保数据；由目标值保数据以及实际设备数据通过神经网络计算方法得到目标作业数据；服务器将所述目标作业数据和实际设备数据又通过神经网络计算方法得到实际作业数据；服务器将实际作业数据通过CAN总线传输到给单元作业模块进行实际作业操作，可以有效地处理信号量大、计算复杂、作业类型繁多且结果不易监控的田间作业问题，智能化程度高，已于监控。
Description
技术领域
本发明涉及农间智能生产作业领域，具体涉及一种农作物田间作业的智能生产方法及系统。
背景技术
我国是农业生产大国，也是烟草农作物生产大国。烟草作为一种重要的农作物，其种植、植保、收割等方面均需要投入大量的人力、物力和财力。同时，烟草种植也是农户、乡村、县市及烟草公司的重要收入来源。因此，对烟草作物田间作业进行智能化生产改造，既有利于提高烟草田间作业的生产效率，降低人、财、物的长期投入，又可以提高田间作业的准确性和标准化程度，有利于保证生产一致性，为烟草公司提供质量稳定的烟叶。
当前，在烟草专属领域，尚未检索到专属的智能化田间作业的现成技术。在一般农业生产环节，发明专利《基于物联网的智能农业机械高速处理系统及方法》(CN201610580248.9)公开了一种包括主芯片、参数采集模块、GPRS通信模块、GPS定位模块、CAN总线通信模块、界面参数显示控制电路和电源驱动模块所总成的自动化农业生产技术。这种技术采集了发动机参数、绞龙参数、蓄电池参数、环境参数、倾角参数、谷满参数、脱粒参数等一种或几种参数。同时，这种技术通过定义不同采集任务的优先级，在信号采集工作进行时，按照既定的优先级进行总线中断调用和任务优先级自动调整及恢复。
这种技术尚不能直接应用于烟草田间作业智能化生产，主要原因有以下几点：
(1)农作物田间作业需同时采集土壤成分、含水量、气温等环境数据，幼苗质量、幼苗种类、单植株产量等作物数据，化肥种类、化肥用量、施肥时间、填肥深度等施肥数据，农药种类、农药用量、喷洒时间等植保数据，农机种类、农机数量、农机作业能力、农机位置、农机工作状态等设备数据。以上专利所采集的数据类型及数量不能满足烟草田间作业智能化生产的数据采集需求。
(2)智能化田间作业的计算过程较为复杂，其中信号采集与作业实施是复杂的非线性耦合关系，仅通过信号采集优先级的方式不能智能地实现作业的自动化。这其中，智能计算方法需要发挥至关重要的作用。而在前述专利中，并未涉及该方面内容。
(3)农作物田间作业的关键不仅在于系统化的信号采集，还在于合理且高效的执行作业，包括不同类型的农机调用、农机数量的规划、农机作业类型的智能分配、农机作业效果的记录及评价等工作。而在前述专利中，也未涉及执行层面的内容。
有待于开发一种解决烟草作物田间作业过程中出现的信号量大、计算复杂、作业类型繁多且结果不易监控等问题的心方法和系统。
发明内容
本发明的目的在于克服上述现有技术的不足，提供一种解决烟草作物田间作业过程中出现的信号量大、计算复杂、作业类型繁多且结果不易监控问题的方法和系统。
为达到上述目的，本发明是这样实现的：一种农作物田间作业的智能生产方法，该方法包括以下步骤：
对农作物田间的实际环境数据，实际作物数据、实际施肥数据和实际设备数据进行采集并通过CAN总线传输给数据库进行保存；
服务器调用所述数据库内的实际环境数据，实际作物数据、实际施肥数据和实际设备数据，并将所述实际环境数据，实际作物数据和实际施肥数据整合成目标值保数据；由目标值保数据以及实际设备数据通过输入端为若干个元素数据通过算法计算得出输出端为一个元素数据的智能计算方法得到目标作业数据；
服务器将所述目标作业数据和实际设备数据又通过输入端为若干个元素数据通过算法计算得出输出端为一个元素数据的智能计算方法得到实际作业数据；
服务器将实际作业数据通过CAN总线传输到给单元作业模块进行实际作业操作；
所述单元作业模块设置有若干个，每个单元做个模块对应不同的实际设备。
优选地，所述目标作业数据和实际作业数据均保存到所述数据库内。
优选地，所述智能计算方法采用神经网络计算方法。
优选地，所述实际环境数据，实际作物数据、实际施肥数据和实际设备数据分别通过环境检测仪器，作物检测仪器，施肥检测仪器以及设备检测仪器进行数据检测采集。
优选地，所述环境检测仪器，作物检测仪器，施肥检测仪器以及设备检测仪器均通过CAN总线与所述服务器以及所述数据库连接。
一种农作物田间作业的智能生产系统，包括服务器和存储器，还包括以下模块：
数据采集模块：对农作物田间的实际环境数据，实际作物数据、实际施肥数据和实际设备数据进行采集并通过CAN总线传输给数据库进行保存；
控制模块：
服务器调用所述数据库内的实际环境数据，实际作物数据、实际施肥数据和实际设备，并将所述实际环境数据，实际作物数据和实际施肥数据整合成目标值保数据；由目标值保数据以及实际设备数据通过输入端为若干个元素数据通过算法计算得出输出端为一个元素数据的智能计算方法得到目标作业数据；
服务器将所述目标作业数据和实际设备数据又通过输入端为若干个元素数据通过算法计算得出输出端为一个元素数据的智能计算方法得到实际作业数据；
服务器将实际作业数据通过CAN总线传输到给单元作业模块进行实际作业操作；
单元作业模块：所述单元作业模块设置有若干个，每个单元做个模块对应不同的实际设备；
所述数据采集模块通过CAN总线与所述控制模块以及数据库连接，所述控制模块通过CAN总线控制所述单元作业模块。
优选地，所述目标作业数据和实际作业数据均保存到所述数据库内。
优选地，所述数据采集模块分别通过环境检测仪器，作物检测仪器，施肥检测仪器以及设备检测仪器进行实际环境数据，实际作物数据、实际施肥数据和实际设备数据的检测采集。
优选地，所述实际环境数据包括土壤成分、含水量和气温数据；实际作物数据包括幼苗质量、幼苗种类和单植株产量数据。
优选地，所述实际施肥数据包括化肥种类、化肥用量、施肥时间和填肥深度数据；
实际设备数据包括农机种类、农机数量、农机作业能力、农机位置和农机工作状态数据；
所述目标值保数据包括农药种类、农药用量和喷洒时间数据。
本发明的有益效果：本发明首先通过采集模块对农间作业的实际环境数据，实际作物数据、实际施肥数据和实际设备数据，并将数据这三者数据整合得到实际环境数据，实际作物数据和实际施肥数据整合成目标值保数据；由目标值保数据以及实际设备数据通过神经网络计算方法得到目标作业数据；服务器将所述目标作业数据和实际设备数据又通过神经网络计算方法得到实际作业数据；服务器将实际作业数据通过CAN总线传输到给单元作业模块进行实际作业操作，可以有效地处理信号量大、计算复杂、作业类型繁多且结果不易监控的田间作业问题，智能化程度高，已于监控。
附图说明
图1是本发明一种农作物田间作业的智能生产方法步骤流程图。
图2是本发明一种农作物田间作业的智能生产系统的原理框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。
如图1所示，一种农作物田间作业的智能生产方法，该方法包括以下步骤：
对农作物田间的实际环境数据，实际作物数据、实际施肥数据和实际设备数据进行采集并通过CAN总线传输给数据库进行保存；
具体地，所述实际环境数据包括土壤成分、含水量和气温等数据；
实际作物数据包括幼苗质量、幼苗种类和单植株产量等数据；
所述实际施肥数据包括化肥种类、化肥用量、施肥时间和填肥深度等数据；
实际设备数据包括农机种类、农机数量、农机作业能力、农机位置和农机工作状态等数据；
服务器调用所述数据库内的实际环境数据，实际作物数据、实际施肥数据和实际设备，并将所述实际环境数据，实际作物数据和实际施肥数据整合成目标值保数据，所述目标值保数据包括农药种类、农药用量和喷洒时间数据；
所述目标值保数据以及实际设备数据通过输入端为若干个元素数据通过算法计算得出输出端为一个元素数据的智能计算方法得到目标作业数据；
服务器将所述目标作业数据和实际设备数据又通过输入端为若干个元素数据通过算法计算得出输出端为一个元素数据的智能计算方法得到实际作业数据；
具体地，所述智能计算方法包括但不仅限于神经网络计算方法，所述神经网络计算方法即在输入端可以输入若干个元素数据，通过神经网络计算在输出的时候输出一个元素数据。
服务器将实际作业数据通过CAN总线传输到给单元作业模块进行实际作业操作；
所述单元作业模块设置有若干个，每个单元做个模块包含由自主独立的控制器，所述控制器控制对应不同的实际设备，通过所述控制器时间实际设备的自动化智能操作。
所述目标作业数据和实际作业数据均保存到所述数据库内。同时所述服务器将实际作业数据进行分解，分别记录于环境数据、作物数据中，为下一次实际作业提供基准和参照。
优选地，所述实际环境数据，实际作物数据、实际施肥数据和实际设备数据分别通过环境检测仪器，作物检测仪器，施肥检测仪器以及设备检测仪器进行数据检测采集。并且所述环境检测仪器，作物检测仪器，施肥检测仪器以及设备检测仪器均通过CAN总线与所述服务器以及所述数据库连接。
如图2所示，一种农作物田间作业的智能生产系统，包括服务器和存储器，还包括以下模块：
数据采集模块：对农作物田间的实际环境数据，实际作物数据、实际施肥数据和实际设备数据进行采集并通过CAN总线传输给数据库进行保存；
控制模块：
服务器调用所述数据库内的实际环境数据，实际作物数据、实际施肥数据和实际设备，并将所述实际环境数据，实际作物数据和实际施肥数据整合成目标值保数据；目标值保数据以及实际设备数据通过输入端为若干个元素数据通过算法计算得出输出端为一个元素数据的智能计算方法得到目标作业数据；
服务器将所述目标作业数据和实际设备数据又通过输入端为若干个元素数据通过算法计算得出输出端为一个元素数据的智能计算方法得到实际作业数据；
所采用的智能计算方法包括但不仅限于神经网络计算方法，所述神经网络计算方法即在输入端可以输入若干个元素数据，通过神经网络计算在输出的时候输出一个元素数据。
服务器将实际作业数据通过CAN总线传输到给单元作业模块进行实际作业操作；
单元作业模块：所述单元作业模块设置有若干个，每个单元做个模块均设包括独立的控制器，所述控制器用于控制每个单元模块对应实际设备，各个实际设备均不相同。具体地，实际设备有播种机，收割机，施肥机，撒药机等等。
所述数据采集模块通过CAN总线与所述控制模块以及数据库连接，所述控制模块通过CAN总线控制所述单元作业模块。
所述数据库包括但不仅限于Hermes平台技术。
优选地，所述目标作业数据和实际作业数据均保存到所述数据库内。
优选地，所述数据采集模块分别通过环境检测仪器，作物检测仪器，施肥检测仪器以及设备检测仪器进行实际环境数据，实际作物数据、实际施肥数据和实际设备数据的检测采集。
优选地，所述实际环境数据包括土壤成分、含水量和气温数据；实际作物数据包括幼苗质量、幼苗种类和单植株产量数据。
优选地，所述实际施肥数据包括化肥种类、化肥用量、施肥时间和填肥深度数据；
实际设备数据包括农机种类、农机数量、农机作业能力、农机位置和农机工作状态数据；
所述目标值保数据包括农药种类、农药用量和喷洒时间数据。
本发明的有益效果：本发明首先通过采集模块对农间作业的实际环境数据，实际作物数据、实际施肥数据和实际设备数据，并将数据这三者数据整合得到实际环境数据，实际作物数据和实际施肥数据整合成目标值保数据；由目标值保数据以及实际设备数据通过神经网络计算方法得到目标作业数据；服务器将所述目标作业数据和实际设备数据又通过神经网络计算方法得到实际作业数据；服务器将实际作业数据通过CAN总线传输到给单元作业模块进行实际作业操作，可以有效地处理信号量大、计算复杂、作业类型繁多且结果不易监控的田间作业问题，智能化程度高，已于监控。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。
Claims (10)
1.一种农作物田间作业的智能生产方法，其特征在于，该方法包括以下步骤：
对农作物田间的实际环境数据，实际作物数据、实际施肥数据和实际设备数据进行采集并通过CAN总线传输给数据库进行保存；
服务器调用所述数据库内的实际环境数据，实际作物数据、实际施肥数据和实际设备数据，并将所述实际环境数据，实际作物数据和实际施肥数据整合成目标值保数据；由目标值保数据以及实际设备数据通过输入端为若干个元素数据通过算法计算得出输出端为一个元素数据的智能计算方法得到目标作业数据；
服务器将所述目标作业数据和实际设备数据又通过输入端为若干个元素数据通过算法计算得出输出端为一个元素数据的智能计算方法得到实际作业数据；
服务器将实际作业数据通过CAN总线传输到给单元作业模块进行实际作业操作；
所述单元作业模块设置有若干个，每个单元作业模块对应不同的实际设备。
2.如权利要求1所述的一种农作物田间作业的智能生产方法，其特征在于，所述目标作业数据和实际作业数据均保存到所述数据库内。
3.如权利要求1所述的一种农作物田间作业的智能生产方法，其特征在于，所述智能计算方法采用神经网络计算方法。
4.如权利要求1所述的一种农作物田间作业的智能生产方法，其特征在于，所述实际环境数据，实际作物数据、实际施肥数据和实际设备数据分别通过环境检测仪器，作物检测仪器，施肥检测仪器以及设备检测仪器进行数据检测采集。
5.如权利要求4所述的一种农作物田间作业的智能生产方法，其特征在于，所述环境检测仪器，作物检测仪器，施肥检测仪器以及设备检测仪器均通过CAN总线与所述服务器以及所述数据库连接。
6.一种农作物田间作业的智能生产系统，其特征在于，包括服务器和存储器，还包括以下模块：
数据采集模块：对农作物田间的实际环境数据，实际作物数据、实际施肥数据和实际设备数据进行采集并通过CAN总线传输给数据库进行保存；
控制模块：
服务器调用所述数据库内的实际环境数据，实际作物数据、实际施肥数据和实际设备数据，并将所述实际环境数据，实际作物数据和实际施肥数据整合成目标值保数据；由目标值保数据以及实际设备数据通过输入端为若干个元素数据通过算法计算得出输出端为一个元素数据的智能计算方法得到目标作业数据；
服务器将所述目标作业数据和实际设备数据又通过输入端为若干个元素数据通过算法计算得出输出端为一个元素数据的智能计算方法得到实际作业数据；
服务器将实际作业数据通过CAN总线传输到给单元作业模块进行实际作业操作；
单元作业模块：所述单元作业模块设置有若干个，每个单元作业模块对应不同的实际设备；
所述数据采集模块通过CAN总线与所述控制模块以及数据库连接，所述控制模块通过CAN总线控制所述单元作业模块。
7.如权利要求6所述的一种农作物田间作业的智能生产系统，其特征在于，所述目标作业数据和实际作业数据均保存到所述数据库内。
8.如权利要求6所述的一种农作物田间作业的智能生产系统，其特征在于，所述数据采集模块分别通过环境检测仪器，作物检测仪器，施肥检测仪器以及设备检测仪器进行实际环境数据，实际作物数据、实际施肥数据和实际设备数据的检测采集。
9.如权利要求6所述的一种农作物田间作业的智能生产系统，其特征在于，所述实际环境数据包括土壤成分、含水量和气温数据；实际作物数据包括幼苗质量、幼苗种类和单植株产量数据。
10.如权利要求6所述的一种农作物田间作业的智能生产系统，其特征在于，所述实际施肥数据包括化肥种类、化肥用量、施肥时间和填肥深度数据；
实际设备数据包括农机种类、农机数量、农机作业能力、农机位置和农机工作状态数据；
所述目标值保数据包括农药种类、农药用量和喷洒时间数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710464707.1A CN107272777B (zh) | 2017-06-19 | 2017-06-19 | 一种农作物田间作业的智能生产方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710464707.1A CN107272777B (zh) | 2017-06-19 | 2017-06-19 | 一种农作物田间作业的智能生产方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107272777A CN107272777A (zh) | 2017-10-20 |
| CN107272777B true CN107272777B (zh) | 2019-02-19 |
Family
ID=60069008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710464707.1A Expired - Fee Related CN107272777B (zh) | 2017-06-19 | 2017-06-19 | 一种农作物田间作业的智能生产方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107272777B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107991969A (zh) * | 2017-12-25 | 2018-05-04 | 云南五佳生物科技有限公司 | 一种基于物联网的智慧烟草种植管理系统 |
| CN110915782A (zh) * | 2019-11-15 | 2020-03-27 | 西安和光明宸科技有限公司 | 一种可调节植物农药喷洒系统及农药喷洒方法 |
| CN115392800A (zh) * | 2022-10-28 | 2022-11-25 | 吉林省惠胜开网络科技有限公司 | 一种基于大数据的现代农业机械自动化作业调配方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204390092U (zh) * | 2015-02-28 | 2015-06-10 | 孙盼峰 | 一种温室大棚智能化协同管理系统 |
| CN104820946A (zh) * | 2015-02-05 | 2015-08-05 | 宁夏赛恩科技集团股份有限公司 | 一种面向农业信息一体化的云计算系统 |
| CN106105902A (zh) * | 2016-06-24 | 2016-11-16 | 中国农业大学 | 一种温室卷帘装置的控制系统及控制方法 |
| CN205986949U (zh) * | 2016-07-27 | 2017-02-22 | 昆山阳翎机器人科技有限公司 | 一种基于数据分析的农业指导系统 |
| CN106771051A (zh) * | 2016-11-16 | 2017-05-31 | 北京邮电大学 | 一种大田土壤墒情信息测量方法及系统 |
-
2017
- 2017-06-19 CN CN201710464707.1A patent/CN107272777B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104820946A (zh) * | 2015-02-05 | 2015-08-05 | 宁夏赛恩科技集团股份有限公司 | 一种面向农业信息一体化的云计算系统 |
| CN204390092U (zh) * | 2015-02-28 | 2015-06-10 | 孙盼峰 | 一种温室大棚智能化协同管理系统 |
| CN106105902A (zh) * | 2016-06-24 | 2016-11-16 | 中国农业大学 | 一种温室卷帘装置的控制系统及控制方法 |
| CN205986949U (zh) * | 2016-07-27 | 2017-02-22 | 昆山阳翎机器人科技有限公司 | 一种基于数据分析的农业指导系统 |
| CN106771051A (zh) * | 2016-11-16 | 2017-05-31 | 北京邮电大学 | 一种大田土壤墒情信息测量方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107272777A (zh) | 2017-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111557159B (zh) | 一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 | |
| AU2017308526B2 (en) | Automatically detecting outlier values in harvested data | |
| CN104521404B (zh) | 一种自动施肥给水控制系统及方法 | |
| EP3882829A1 (en) | Generating digital models of crop yield based on crop planting dates and relative maturity values | |
| WO2018140225A1 (en) | Crop yield estimation using agronomic neural network | |
| CN108094370A (zh) | 灌溉控制方法及装置 | |
| CN107272777B (zh) | 一种农作物田间作业的智能生产方法及系统 | |
| CA3108078A1 (en) | Automatic prediction of yields and recommendation of seeding rates based on weather data | |
| CN102385318A (zh) | 一种免耕播种机播种量的控制方法及装置 | |
| CN102626026A (zh) | 基于gps、gis和传感网技术的茶园精确管理系统 | |
| CN204833020U (zh) | 一种基于物联网的智能农业生产系统 | |
| CN105165786A (zh) | 基于图像采集的变量喷药机 | |
| CN103903108A (zh) | 一种平原农业的生产调度管理系统及方法 | |
| CN112330149A (zh) | 一种作物管理系统、方法、装置及电子设备 | |
| CN111887128A (zh) | 一种基于云计算的智能灌溉施肥方法 | |
| Sudduth | Engineering technologies for precision farming | |
| CN108391575A (zh) | 一种基于大数据的农业管理系统 | |
| CN109102419A (zh) | 基于物联网的大棚种植管理系统 | |
| CN104536418B (zh) | 利用分布式控制自动施肥给水的精准农艺控制系统及方法 | |
| CN114862338A (zh) | 一种大数据农林智慧监测系统 | |
| CN208075825U (zh) | 一种拖拉机耕地面积自动测量装置 | |
| CN106797745A (zh) | 一种水稻智能高精准施肥方法 | |
| Fulton et al. | GPS, GIS, Guidance, and Variable‐rate Technologies for Conservation Management | |
| Jasim et al. | Effective use of fertilizers and analysis of soil using precision agriculture techniques | |
| CN111011130A (zh) | 一种基于实时检测且生长状况预估技术的小麦种植方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190219 Termination date: 20190619 |