CN107301605A - 作物虫害的控制方法及装置 - Google Patents
作物虫害的控制方法及装置 Download PDFInfo
- Publication number
- CN107301605A CN107301605A CN201710515908.XA CN201710515908A CN107301605A CN 107301605 A CN107301605 A CN 107301605A CN 201710515908 A CN201710515908 A CN 201710515908A CN 107301605 A CN107301605 A CN 107301605A
- Authority
- CN
- China
- Prior art keywords
- crop
- image
- breeding time
- insect
- information
- 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
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 38
- 241000238631 Hexapoda Species 0.000 claims abstract description 157
- 238000009395 breeding Methods 0.000 claims abstract description 143
- 230000001488 breeding effect Effects 0.000 claims abstract description 143
- 235000015097 nutrients Nutrition 0.000 claims description 68
- 230000002265 prevention Effects 0.000 claims description 54
- 238000003973 irrigation Methods 0.000 claims description 20
- 230000002262 irrigation Effects 0.000 claims description 20
- 239000003795 chemical substances by application Substances 0.000 claims description 16
- 230000002015 leaf growth Effects 0.000 claims description 9
- 235000016709 nutrition Nutrition 0.000 claims description 8
- 230000035764 nutrition Effects 0.000 claims description 8
- 239000007788 liquid Substances 0.000 claims description 6
- 239000007921 spray Substances 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 230000035558 fertility Effects 0.000 claims 1
- 240000008067 Cucumis sativus Species 0.000 description 36
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 36
- 238000004590 computer program Methods 0.000 description 20
- 230000012010 growth Effects 0.000 description 12
- 238000003860 storage Methods 0.000 description 11
- 241000196324 Embryophyta Species 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000035784 germination Effects 0.000 description 9
- 238000009434 installation Methods 0.000 description 9
- 238000002360 preparation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000002689 soil Substances 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 241001124076 Aphididae Species 0.000 description 5
- 241000254173 Coleoptera Species 0.000 description 5
- 241000219112 Cucumis Species 0.000 description 5
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 5
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 241001414989 Thysanoptera Species 0.000 description 4
- 241000594033 Liriomyza bryoniae Species 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000009335 monocropping Methods 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 241001600408 Aphis gossypii Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- 240000008574 Capsicum frutescens Species 0.000 description 1
- 241000289763 Dasygaster padockina Species 0.000 description 1
- 241000241125 Gryllotalpa gryllotalpa Species 0.000 description 1
- 241000510199 Helicoverpa assulta Species 0.000 description 1
- 241000255967 Helicoverpa zea Species 0.000 description 1
- 241000594036 Liriomyza Species 0.000 description 1
- 241001232130 Maruca testulalis Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241000488583 Panonychus ulmi Species 0.000 description 1
- 241001674048 Phthiraptera Species 0.000 description 1
- 241000952063 Polyphagotarsonemus latus Species 0.000 description 1
- 239000003905 agrochemical Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003242 anti bacterial agent Substances 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000003124 biologic agent Substances 0.000 description 1
- NNBFNNNWANBMTI-UHFFFAOYSA-M brilliant green Chemical compound OS([O-])(=O)=O.C1=CC(N(CC)CC)=CC=C1C(C=1C=CC=CC=1)=C1C=CC(=[N+](CC)CC)C=C1 NNBFNNNWANBMTI-UHFFFAOYSA-M 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000001390 capsicum minimum Substances 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 239000002917 insecticide Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 235000006180 nutrition needs Nutrition 0.000 description 1
- 229940023569 palmate Drugs 0.000 description 1
- 230000032696 parturition Effects 0.000 description 1
- 230000007918 pathogenicity Effects 0.000 description 1
- 230000000361 pesticidal effect Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Animal Husbandry (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种作物虫害的控制方法及装置，用于针对不同的生育期进行作物虫害的防治。本发明实施例方法包括：获取第一作物的第一图像；根据第一图像确定第一作物的当前生育期；根据当前生育期确定第一作物对应的虫害信息；按照虫害信息进行警报提示。
Description
技术领域
本发明涉及种植技术领域，尤其涉及一种作物虫害的控制方法及装置。
背景技术
目前，我国绝大部分的种植物基本为土植，这不仅会占用大部分的土地，而且无法解决土壤连作障碍的问题，也对环境保护与水土保持构成了严重的威胁，不利于种植物的的可持续发展。而随着生物科技的发展，营养液基质栽培技术由于可以解决土壤连作障碍和土传病害问题等优势而得到不断地发展。
众所周知，在种植物生长的过程中，不同的生育期可能会发生不同种类的虫害。现有技术中，通常是在种植物已经发生虫害后，才开始对种植物的虫害进行控制处理，如喷洒杀虫药等等，无法防患于未然。
发明内容
本发明实施例提供了一种作物虫害的控制方法及装置，用于针对不同的生育期进行作物虫害的防治。
有鉴于此，本发明第一方面提供一种作物虫害的控制方法，应用于终端，可包括：
获取第一作物的第一图像；
根据第一图像确定第一作物的当前生育期；
根据当前生育期确定第一作物对应的虫害信息；
按照虫害信息进行警报提示。
进一步的，在根据当前生育期确定第一作物对应的虫害信息后，方法还包括：
根据虫害信息确定第一作物的防虫营养液；
控制灌溉系统将第一作物的当前营养液调整为防虫营养液；和/或，
根据虫害信息和当前生育期确定第一作物的防虫营养液；
控制灌溉系统将第一作物的当前营养液调整为防虫营养液；和/或，
根据虫害信息确定第一作物的防虫剂；
控制喷洒装置向第一作物喷洒防虫剂；和/或，
根据虫害信息启动防虫装置。
进一步的，根据第一图像确定第一作物的当前生育期包括：
检测第一图像与预设生育期图像的相关性；
根据相关性确定第一作物的当前生育期。
进一步的，检测第一图像与预设生育期图像的相关性包括：
分别提取第一图像的第一图像信息与预设生育期图像的第二图像信息，第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征；
将第一图像信息和第二图像信息进行比对，以检测第一图像与预设生育期图像的相关性。
进一步的，根据第一图像确定第一作物的当前生育期包括：
将第一图像输入预设运算模型；
根据预设运算模型输出的识别结果确定第一作物的当前生育期。
本发明第二方面提供一种作物虫害的控制装置，应用于终端，可包括：
获取单元，用于获取第一作物的第一图像；
第一确定单元，用于根据第一图像确定第一作物的当前生育期；
第二确定单元，用于根据当前生育期确定第一作物对应的虫害信息；
提示单元，用于按照虫害信息进行警报提示。
进一步的，装置还包括：
第三确定单元，用于根据虫害信息确定第一作物的防虫营养液；
第一控制单元，用于控制灌溉系统将第一作物的当前营养液调整为防虫营养液；和/或，
第四确定单元，用于根据虫害信息和当前生育期确定第一作物的防虫营养液；
第一控制单元，用于控制灌溉系统将第一作物的当前营养液调整为防虫营养液；和/或，
第五确定单元，用于根据虫害信息确定第一作物的防虫剂；
第二控制单元，用于控制喷洒装置向第一作物喷洒防虫剂；和/或，
启动单元，根据虫害信息启动防虫装置。
进一步的，第一确定单元，具体用于：
检测第一图像与预设生育期图像的相关性；
根据相关性确定第一作物的当前生育期。
进一步的，第一确定单元，具体用于：
分别提取第一图像的第一图像信息与预设生育期图像的第二图像信息，第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征；
将第一图像信息和第二图像信息进行比对，以检测第一图像与预设生育期图像的相关性。
进一步的，第一确定单元，具体用于：
将第一图像输入预设运算模型；
根据预设运算模型输出的识别结果确定第一作物的当前生育期。
从以上技术方案可以看出，本发明实施例具有以下优点：
本发明实施例提供了一种作物虫害的控制方法，在第一作物的生长过程中，通过获取第一作物的第一图像，可以根据该第一图像确定第一作物的当前生育期，并能够根据第一作物在当前生物期对应的虫害信息进行警报提示，从而可以在不同生育期对第一作物可能发生的虫害进行防治处理，同时，通过对第一作物的生长的自主监控，有利于简化操作，节省人力，提高防患效率。
附图说明
图1为本发明实施例中作物虫害的控制方法一个实施例示意图；
图2为本发明实施例中黄瓜的不同生育期的生长示意图；
图3为本发明实施例中作物虫害的控制方法另一实施例示意图；
图4为本发明实施例中作物虫害的控制方法另一实施例示意图；
图5为本发明实施例中作物虫害的控制装置一个实施例示意图；
图6为本发明实施例中作物虫害的控制装置另一实施例示意图；
图7为本发明实施例中作物虫害的控制装置另一实施例示意图。
具体实施方式
本发明实施例提供了一种作物虫害的控制方法及装置，用于针对不同的生育期进行作物虫害的防治。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了更好理解本发明实施例公开的一种作物虫害的控制方法，先对本发明实施例适用的终端进行描述。本发明实施例所描述的终端可以包括任何具备显示屏以及存储功能的设备，例如：平板电脑、手机等智能设备，该终端可以安装有包括如下操作系统：Android、Linux、IOS、Windows等，终端基于所安装的操作系统可以进一步安装有若干应用程序，该应用程序可以是终端出厂前预装的系统应用，如设置应用、音乐应用、拍照应用等，也可以是用户自己安装的第三方应用，如微信应用等，具体此处不做限定。
为便于理解，下面对本发明实施例中的具体流程进行描述，请参阅图1，本发明实施例中作物虫害的控制方法一个实施例包括：
101、获取第一作物的第一图像；
本实施例中，无论是作物大棚的控制中心的终端，还是作物大棚的工作人员的终端，通过与作物大棚的智能装置的通信连接，可以实现对作物大棚的智能装置的控制，以较好的监控作物大棚中作物的生长情况。
具体的，作物大棚中可以安装有多个图像采集装置，可以用于采集不同作物的生长过程中的图像。对于不同作物而言，图像采集装置采集的图像可以按照作物种类进行分类处理，以能够对同一作物的图像进行针对性分析。
以作物大棚的控制中心的终端为例进行说明，作物大棚中的图像采集装置采集第一作物在生长过程中的第一图像后，可以将第一图像上传至控制中心的终端，则该终端可以获取第一作物的第一图像。
需要说明的是，本实施例中的作物大棚可以为土植，也可以为营养液基质栽培，具体此处不做限定。
进一步的，可以理解的是，本实施例中图像采集装置上传的第一图像不仅可以包括图像信息，还可以包括当前时间信息等，具体此处不做限定。
可以理解的是，本实施中的第一作物可以包括但不限于蔬菜、水果、粮食、可观赏类植物等。
102、根据第一图像确定第一作物的当前生育期；
本实施例中，获取第一作物的第一图像后，可以根据第一图像确定第一作物的当前生育期。
具体的，在作物的不同生育期，作物具有不同的生长状态，其形状、颜色、纹理等都将发生不同的变化。例如，假设第一作物为黄瓜，在黄瓜的不同生育期，如图2所示，黄瓜具有不同的生物特征与历时时间：
发芽期：从种子萌动到第一片真叶出现，历时5至10天；
幼苗期：从子叶出现定植前，植株具有4至5张真叶，子叶仍鲜绿正常，其大小约4厘米×2.5厘米，第一片真叶已长到最大，为三角形两裂，其他真叶都是掌状五角形四裂，历时30至45天；
抽蔓期：从幼苗定期到第一个瓜坐住，该期结束径高约30至40厘米，真叶展开7至8叶，历时10至20天。一般从第四节开始出现卷须，节间加长，蔓的生长加快，部分品种出现侧枝，并陆续出现、开放雌花和雄花，至根瓜的瓜把由黄绿变深绿，即“黑把”时，标明根瓜已稳住，抽蔓期结束。该生育期还是营养生长为主，但开始向生殖生长转化；
结果期：从根瓜坐住到拉秧结束，露地黄瓜结果期约40天，日光温室冬春茬黄瓜结果期约120至150天，该期特点是连续不断开花结果，其果实颜色呈油绿或翠绿，表面有柔软的小刺。
由上可知，由于黄瓜在不同的生育期具有不同的生物特征，那么通过对黄瓜的第一图像进行分析，可以确定黄瓜当前处于哪个生育期。
进一步的，本实施例中，为了有利于提高第一作物的当前生育期的识别率，在终端的本地，或云服务端，可以存储有第一作物在不同生育期的图像，以能够结合已存储的图像以及第一图像，对第一作物的当前生育期进行确定。
可以理解的是，本实施例中第一作物的当前生育期的确定方式除了采用上述说明的内容，在实际应用中，还可以采用其它方式，如结合种植时间进行当前生育期的确定，具体此处不做限定。
103、根据当前生育期确定第一作物对应的虫害信息；
本实施例中，根据第一图像确定第一作物的当前生育期后，可以根据当前生育期确定第一作物对应的虫害信息。
具体的，不同作物的虫害类型不同，例如，豆荚的虫害有豆荚螟、潜叶蝇、红蜘蛛等，而辣椒的虫害有蚜虫、烟青虫、棉铃虫、茶黄螨等。而对于同一作物而言，不同生育期也会有不同的虫害，以黄瓜为例进行说明，如表1所示。
表1
| 生育期 | 虫害 |
| 发芽期 | 地下害虫(地老虎、蝼蛄等) |
| 幼苗期 | 瓜蚜、守瓜、斑潜蝇 |
| 抽蔓期 | 蚜虫、蓟马、粉虱、守瓜 |
| 结果期 | 蚜虫、蓟马、粉虱、斑潜蝇、瓜绢螟 |
由此可知，确定黄瓜的当前生育期后，可以确定与当前生育期对应的黄瓜的虫害信息，例如，假设黄瓜的当前生育期为幼苗期，那么黄瓜可能遭受到的虫害会有瓜蚜、守瓜、斑潜蝇。
其中，第一作物的虫害信息与对应的生育期之间可以建立映射关系，从而根据该映射关系，可以确定第一作物的当前生育期对应的虫害信息。虫害信息可以存储于终端本地或云服务端。
进一步的，本实施例中，当终端本地或云服务端存储有第一作物在不同生育期的图像时，第一作物的虫害信息也可以与对应的生育期的图像之间建立映射关系，即在存储的不同生育期的图像中匹配到第一图像时，可以根据匹配图像确定第一作物的虫害信息。
104、按照虫害信息进行警报提示。
本实施例中，根据当前生育期确定第一作物对应的虫害信息后，可以按照虫害信息进行警报提示。
具体的，确定第一作物的虫害信息后，终端可以进行警报提示，以提示相关工作人员及早进行虫害防治，以防患于未然，减少由于虫害可能导致的农业减产、农产品质量下降、经济损失等问题。
需要说明的是，该警报提示的方式可以为声音预警，还可以为在终端输出的警报提示，如在终端输出信息提示进行虫害防治，或在控制中心的屏幕监控区显示该片区的第一作物需要进行虫害防治，具体警报提示方式此处不做限定。
进一步的，本实施例中，由于第一作物在不同生育期的虫害不同，那么在相应的生育期内，在按照虫害信息进行警报提示时，还可以输出相应虫害的防治措施，以对不同生育期的虫害进行针对性的有效防治。
本实施例中，在第一作物的生长过程中，通过获取第一作物的第一图像，可以根据该第一图像确定第一作物的当前生育期，并能够根据第一作物在当前生物期对应的虫害信息进行警报提示，从而可以在不同生育期对第一作物可能发生的虫害及时进行防治处理，同时，通过对第一作物的生长的自主监控，有利于简化操作，节省人力，提高防患效率。
可以理解的是，基于第一图像，确定第一作物的当前生育期的方法不同，下面分别进行具体说明：
请参阅图3，本发明实施例中作物虫害的控制方法另一实施例包括：
本实施例中的步骤301与图1所示实施例中的步骤101相同，此处不再赘述。
302、检测第一图像与预设生育期图像的相关性；
本实施例中，获取第一作物的第一图像后，可以检测第一图像与预设生育期图像的相关性。
具体的，沿用图2所示实施例中步骤102说明的内容，若在终端的本地，或云服务端，存储有第一作物在不同生育期的图像，那么可以对存储的图像进行处理，以得到不同生育期的预设生育期图像。
例如，假设第一作物为黄瓜，可以在黄瓜的发芽期、幼苗期、抽蔓期、结果期分别采集多张图像，并根据黄瓜的不同生育期，对采集的多张图像进行处理，如若在黄瓜的发芽期采集了A1、A2、A3、A4、A5、A6图像，那么在将这6张图像进行平均处理后，可以得到发芽期对应的预设生育期图像，以此类推，还可以得到幼苗期对应的预设生育期图像、抽蔓期对应的预设生育期图像、结果期对应的预设生育期图像。则在获取黄瓜的第一图像后，可以分别确定第一图像与发芽期、幼苗期、抽蔓期、结果期对应的预设生育图像的相关性。需要说明的是，本实施例中采集的图像的张数还可以为其它数值，上述仅为举例说明，而预设生育期图像的获取方式除了采用上述说明的内容，在实际应用中，还可以采用其它方式，只要能够得到用于检测第一图像的相关性的预设生育期图像即可，具体此处不做限定。
本实施例中，检测第一图像与预设生育期图像的相关性的具体方式可以为：
分别提取第一图像的第一图像信息与预设生育期图像的第二图像信息，第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征；
将第一图像信息和第二图像信息进行比对，以检测第一图像与预设生育期图像的相关性。
具体的，在第一作物的不同生育期，第一作物具有不同的生物特征，具体可以表现为颜色特征、形状特征、纹理特征以及茎叶生长比例特征，通过分析这些特征，可以确定第一作物的当前生长期，沿用上述的说明，假设第一作物为黄瓜，在得到预设生育期图像后，可以分别提取第一图像的第一图像信息和不同生育期的预设生育期图像的第二图像信息，并将第一图像信息和第二图像信息进行比对，即颜色特征的比对、形状特征的比对、纹理特征的比对、茎叶生长比例特征的比对，其中，各个生物特征的比对，主要是茎、叶、花、果实的比对。在实际应用中，各个生物特征的比对可以进行相应的权重设置，则在得到颜色特征、形状特征、纹理特征、茎叶生长比例特征的比对结果后，可以将比对结果按照相应的权重计算第一图像与预设生育期图像的相关性。需要说明的是，本实施例中各个生物特征的比对结果的权重可以按照实际需要进行设置，或者，也可以将比对结果进行其它计算，以得到第一图像与预设生育期图像的相关性，具体此处不做限定。
可以理解的是，本实施例中检测第一图像与预设生育期图像的相关性的具体方式除了上述说明的内容，在实际应用中，还可以采用其它方式，只要能够检测第一图像与预设生育期图像的相关性即可，具体此处不做限定。
303、根据相关性确定第一作物的当前生育期；
本实施例中，检测第一图像与预设生育期图像的相关性后，可以根据相关性确定第一作物的当前生育期。
具体的，可以预先设定阈值，以用于判断相关性大小并得到判断结果，如当第一图像与某一预设生育期图像的相关性大于预设阈值时，可以确定第一作物的当前生育期即为该预设生育期图像对应的生育期，反之，则可以确定黄瓜的当前生育期不为该预设生育期图像对应的生育期。
例如，假设第一作物为黄瓜，预设阈值为80％，黄瓜的第一图像与发芽期、幼苗期、抽蔓期、结果期的预设生育期图像的相关性分别为5％、30％、90％、70％，则可以确定当前黄瓜的当前生育期为抽蔓期。
本实施例中的步骤304至步骤305与图1所示实施例中的步骤103至步骤104相同，此处不再赘述。
306、根据虫害信息确定第一作物的防虫营养液；
本实施例中，根据当前生育期确定第一作物对应的虫害信息后，可以根据虫害信息确定第一作物的防虫营养液。
具体的，为了解决土传病虫害以及土壤连作障碍的问题，本实施例中的第一作物以营养液基质进行栽培。在不同的生育期，为了严控第一作物发生虫害问题，可以通过营养液的供给进行可能虫害的防治。在第一作物的不同生育期，可以在第一作物的营养液中添加针对不同生育期的虫害的防虫制剂，以配置成不同的防虫营养液，则在确定第一作物的当前生育期后，可以从多种防虫营养液中，确定与第一作物的当前生育期对应的防虫营养液。
例如，假设第一作物为黄瓜，黄瓜的当前生育期为抽蔓期，其对应的虫害信息为蚜虫、蓟马、粉虱、守瓜，则可以在黄瓜的多种防虫营养液中确定防治抽蔓期的蚜虫、蓟马、粉虱、守瓜的防虫营养液。
可以理解的是，为了减少不必要的防虫制剂导致的第一作物的生长环境的复杂化，防虫制剂可以尽量选择可以防治多种虫害的制剂，同时，该防虫制剂可以为化学制剂，但不等同于农药性质，以避免有害农药的残留，而为了提高第一作物种植的绿色化、环保化，该防虫制剂还可以为生物制剂，具体此处不做限定。
307、控制灌溉系统将第一作物的当前营养液调整为防虫营养液。
本实施例中，根据虫害信息确定第一作物的防虫营养液后，可以控制灌溉系统将第一作物的当前营养液调整为防虫营养液。
具体的，作物大棚的控制中心的终端可以与灌溉系统进行通信连接，以能够对灌溉系统进行控制。其中，在灌溉系统处可以设有配制营养液的母液桶，终端在确定防虫营养液后，可以按照防虫营养液的配方控制灌溉系统进行防虫营养液的配制，配制结束后，可以停止第一作物的当前营养液的供应，并开始进行防虫营养液的供应，以将第一作物的当前营养液调整为防虫营养液。
可以理解的是，本实施例中的不足306至步骤307可以与步骤305同时执行，也可以在步骤305之前执行，只要能够在根据当前生育期确定第一作物对应的虫害信息后执行即可，具体此处不做限定。
进一步的，本实施中，除了根据虫害信息确定第一作物的防虫营养液外，还可以根据虫害信息和当前生育期确定第一作物的防虫营养液，以控制灌溉系统将第一作物的当前营养液调整为防虫营养液。由于第一作物在不同的生育期，具有不同的营养需要与营养浓度的需求，那么在确定第一作物的当前生育期后，可以结合第一作物的当前生育期和对应的虫害信息，确定适合当前生育期且具有虫害防治的防虫营养液，以在防治虫害的同时，可以满足当前的营养供给需求。
更进一步的，本实施中，为了加强虫害防治，可以根据第一作物在当前生育期的虫害信息确定第一作物的防虫剂，并可以控制喷洒装置向第一作物喷洒防虫剂，以进一步对虫害进行防治，还可以根据虫害信息启动防虫装置，以利用不同虫害的特性，通过相应的物理手段诱捕不同的虫害，从而通过多手段提高第一作物在当前生育期的虫害的防治效率，尽可能地避免第一作物在当前生育期可能发生的虫害。可以理解的是，上述两种虫害防治手段的使用范围不限于营养液基质栽培的第一作物，也可以为土植栽培的第一作物，具体此处不做限定。
请参阅图4，本发明实施例中作物虫害的控制方法另一实施例包括：
本实施例中的步骤401与图2所示实施例中的步骤101相同，此处不再赘述。
402、将第一图像输入预设运算模型；
本实施例中，获取第一作物的第一图像后，可以将第一图像输入预设运算模型。
具体的，沿用图1所示实施例中步骤102说明的内容，若在终端的本地，或云服务端，存储有第一作物在不同生育期的图像，那么可以将存储的图像作为训练样本，以得到预设运算模型，用于对第一图像进行图像识别。
本实施例中，需要首先对预设运算模型进行训练，其中，预设运算模型可以为神经网络、分类器等。例如，第一作物为黄瓜，则在黄瓜的发芽期、幼苗期、抽蔓期、结果期分别采集多张图像后，可以根据黄瓜的不同生育期，将采集的多张图像作为训练样本，输入预设运算模型，如若在黄瓜的发芽期采集了A1、A2、A3、A4、A5、A6图像，那么在将这6张图像输入预设运算模型中，对预设运算模型进行训练，当完成预设运算模型的训练后，可以使用训练后的预设运算模型对第一图像进行检测，训练后的预设运算模型可以直接输出识别结果，从而可以根据识别结果确定第一作物的当前生育期。
可以理解的是，本实施例中待确定的预设运算模型的训练方式除了上述说明的内容，在实际应用中，还可以采用其它方式，如将得到的多张预设生育期图像输入预设运算模型后，以多张预设生育期图像为训练样本对预设运算模型进行训练，具体此处不做限定。
403、根据预设运算模型输出的识别结果确定第一作物的当前生育期；
本实施例中，将第一图像输入预设运算模型后，预设运算模型可以输出关于第一图像的识别结果，则可以根据预设运算模型输出的识别结果确定第一作物的当前生育期。
例如，由于预设运算模型在进行训练时，是以不同生育期的图像进行训练，从而可以学习到不同生育期的图像的图像信息，以能够对不同生育期进行检测识别，若第一图像的识别结果为诸如置信度，则当置信度高于某一生育期对应的预设的阈值时，可以确定第一作物的当前生育期。
本实施例中的步骤404至步骤407与图3所示实施例中的步304至步骤307相同，此处不再赘述。
上面对本发明实施例中的作物虫害的控制方法进行了描述，下面对本发明实施例中的作物虫害的控制装置进行描述，该作物虫害的控制装置应用于终端，请参阅图5，本发明实施例中作物虫害的控制装置一个实施例包括：
获取单元501，用于获取第一作物的第一图像；
第一确定单元502，用于根据第一图像确定第一作物的当前生育期；
第二确定单元503，用于根据当前生育期确定第一作物对应的虫害信息；
提示单元504，用于按照虫害信息进行警报提示。
请参阅图6，本发明实施例中作物虫害的控制装置另一实施例包括：
本实施例中的单元601与图5所示实施例中的单元501相同，单元602与图5所示实施例中的单元502相同，单元603与图5所示实施例中的单元503相同，单元604与图5所示实施例中的单元504相同，此处不再赘述。
第三确定单元605，用于根据虫害信息确定第一作物的防虫营养液；
第一控制单元606，用于控制灌溉系统将第一作物的当前营养液调整为防虫营养液。
可选的，在本发明的一些实施例中，第一确定单元602，可以进一步具体用于：
检测第一图像与预设生育期图像的相关性；
根据相关性确定第一作物的当前生育期。
可选的，在本发明的一些实施例中，第一确定单元602，可以进一步具体用于：
分别提取第一图像的第一图像信息与预设生育期图像的第二图像信息，第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征；
将第一图像信息和第二图像信息进行比对，以检测第一图像与预设生育期图像的相关性。
可选的，在本发明的一些实施例中，第一确定单元602，可以进一步具体用于：
将第一图像输入预设运算模型；
根据预设运算模型输出的识别结果确定第一作物的当前生育期。
请参阅图7，本发明实施例中作物虫害的控制装置另一实施例包括：
本实施例中的单元701与图5所示实施例中的单元501相同，单元702与图5所示实施例中的单元502相同，单元703与图5所示实施例中的单元503相同，单元704与图5所示实施例中的单元504相同，此处不再赘述。
第四确定单元705，用于根据虫害信息和当前生育期确定第一作物的防虫营养液；
第一控制单元706，用于控制灌溉系统将第一作物的当前营养液调整为防虫营养液；
第五确定单元707，用于根据虫害信息确定第一作物的防虫剂；
第二控制单元708，用于控制喷洒装置向第一作物喷洒防虫剂；
启动单元709，根据虫害信息启动防虫装置。
上面从模块化功能实体的角度对本发明实施例中的作物虫害的控制装置进行了描述，下面从硬件处理的角度对本发明实施例中的计算机装置进行描述，本发明实施例中计算机装置一个实施例包括：
处理器以及存储器；
存储器用于存储计算机程序，处理器用于执行存储器中存储的计算机程序时，可以实现如下步骤：
获取第一作物的第一图像；
根据第一图像确定第一作物的当前生育期；
根据当前生育期确定第一作物对应的虫害信息；
按照虫害信息进行警报提示。
在本发明的一些实施例中，处理器，还可以用于实现如下步骤：
根据虫害信息确定第一作物的防虫营养液；
控制灌溉系统将第一作物的当前营养液调整为防虫营养液；和/或，
根据虫害信息和当前生育期确定第一作物的防虫营养液；
控制灌溉系统将第一作物的当前营养液调整为防虫营养液；和/或，
根据虫害信息确定第一作物的防虫剂；
控制喷洒装置向第一作物喷洒防虫剂；和/或，
根据虫害信息启动防虫装置。
在本发明的一些实施例中，处理器，还可以用于实现如下步骤：
检测第一图像与预设生育期图像的相关性；
根据相关性确定第一作物的当前生育期。
在本发明的一些实施例中，处理器，还可以用于实现如下步骤：
分别提取第一图像的第一图像信息与预设生育期图像的第二图像信息，第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征；
将第一图像信息和第二图像信息进行比对，以检测第一图像与预设生育期图像的相关性。
在本发明的一些实施例中，处理器，还可以用于实现如下步骤：
将第一图像输入预设运算模型；
根据预设运算模型输出的识别结果确定第一作物的当前生育期。
可以理解的是，计算机装置中的处理器执行所述计算机程序时，也可以实现上述对应的各装置实施例中各单元的功能，此处不再赘述。示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述作物虫害的控制装置/终端设备中的执行过程。例如，所述计算机程序可以被分割成上述作物虫害的控制装置中的各单元，各单元可以实现如上述的具体功能。
所述计算机装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机装置可包括，但不仅限于，处理器、存储器，但并不构成对计算机装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机装置还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供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，处理器，可以用于执行如下步骤：
获取第一作物的第一图像；
根据第一图像确定第一作物的当前生育期；
根据当前生育期确定第一作物对应的虫害信息；
按照虫害信息进行警报提示。
在本发明的一些实施例中，计算机可读存储介质存储的计算机程序被处理器执行时，处理器，可以具体用于执行如下步骤：
根据虫害信息确定第一作物的防虫营养液；
控制灌溉系统将第一作物的当前营养液调整为防虫营养液；和/或，
根据虫害信息和当前生育期确定第一作物的防虫营养液；
控制灌溉系统将第一作物的当前营养液调整为防虫营养液；和/或，
根据虫害信息确定第一作物的防虫剂；
控制喷洒装置向第一作物喷洒防虫剂；和/或，
根据虫害信息启动防虫装置。
在本发明的一些实施例中，计算机可读存储介质存储的计算机程序被处理器执行时，处理器，可以具体用于执行如下步骤：
检测第一图像与预设生育期图像的相关性；
根据相关性确定第一作物的当前生育期。
在本发明的一些实施例中，计算机可读存储介质存储的计算机程序被处理器执行时，处理器，可以具体用于执行如下步骤：
分别提取第一图像的第一图像信息与预设生育期图像的第二图像信息，第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征；
将第一图像信息和第二图像信息进行比对，以检测第一图像与预设生育期图像的相关性。
在本发明的一些实施例中，计算机可读存储介质存储的计算机程序被处理器执行时，处理器，可以具体用于执行如下步骤：
将第一图像输入预设运算模型；
根据预设运算模型输出的识别结果确定第一作物的当前生育期。
可以理解的是，所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种作物虫害的控制方法，应用于终端，其特征在于，包括：
获取第一作物的第一图像；
根据所述第一图像确定所述第一作物的当前生育期；
根据所述当前生育期确定所述第一作物对应的虫害信息；
按照所述虫害信息进行警报提示。
2.根据权利要求1所述的作物虫害的控制方法，其特征在于，在所述根据所述当前生育期确定所述第一作物对应的虫害信息后，所述方法还包括：
根据所述虫害信息确定所述第一作物的防虫营养液；
控制灌溉系统将所述第一作物的当前营养液调整为所述防虫营养液；和/或，
根据所述虫害信息和所述当前生育期确定所述第一作物的防虫营养液；
控制灌溉系统将所述第一作物的当前营养液调整为所述防虫营养液；和/或，
根据所述虫害信息确定所述第一作物的防虫剂；
控制喷洒装置向所述第一作物喷洒所述防虫剂；和/或，
根据所述虫害信息启动防虫装置。
3.根据权利要求1或2所述的作物虫害的控制方法，其特征在于，所述根据所述第一图像确定所述第一作物的当前生育期包括：
检测所述第一图像与预设生育期图像的相关性；
根据所述相关性确定所述第一作物的当前生育期。
4.根据权利要求3所述的作物虫害的控制方法，其特征在于，所述检测所述第一图像与预设生育期图像的相关性包括：
分别提取所述第一图像的第一图像信息与预设生育期图像的第二图像信息，所述第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征；
将所述第一图像信息和所述第二图像信息进行比对，以检测所述第一图像与所述预设生育期图像的相关性。
5.根据权利要求1或2所述的作物虫害的控制方法，其特征在于，所述根据所述第一图像确定所述第一作物的当前生育期包括：
将所述第一图像输入预设运算模型；
根据所述预设运算模型输出的识别结果确定所述第一作物的当前生育期。
6.一种作物虫害的控制装置，应用于终端，其特征在于，包括：
获取单元，用于获取第一作物的第一图像；
第一确定单元，用于根据所述第一图像确定所述第一作物的当前生育期；
第二确定单元，用于根据所述当前生育期确定所述第一作物对应的虫害信息；
提示单元，用于按照所述虫害信息进行警报提示。
7.根据权利要求6所述的作物虫害的控制装置，其特征在于，所述装置还包括：
第三确定单元，用于根据所述虫害信息确定所述第一作物的防虫营养液；
第一控制单元，用于控制灌溉系统将所述第一作物的当前营养液调整为所述防虫营养液；和/或，
第四确定单元，用于根据所述虫害信息和所述当前生育期确定所述第一作物的防虫营养液；
所述第一控制单元，用于控制灌溉系统将所述第一作物的当前营养液调整为所述防虫营养液；和/或，
第五确定单元，用于根据所述虫害信息确定所述第一作物的防虫剂；
第二控制单元，用于控制喷洒装置向所述第一作物喷洒所述防虫剂；和/或，
启动单元，根据所述虫害信息启动防虫装置。
8.根据权利要求6或7所述的作物虫害的控制装置，其特征在于，所述第一确定单元，具体用于：
检测所述第一图像与预设生育期图像的相关性；
根据所述相关性确定所述第一作物的当前生育期。
9.根据权利要求8所述的作物虫害的控制装置，其特征在于，所述第一确定单元，具体用于：
分别提取所述第一图像的第一图像信息与预设生育期图像的第二图像信息，所述第一图像信息和第二图像信息包括颜色特征、形状特征、纹理特征、茎叶生长比例特征；
将所述第一图像信息和所述第二图像信息进行比对，以检测所述第一图像与所述预设生育期图像的相关性。
10.根据权利要求6或7所述的作物虫害的控制装置，其特征在于，所述第一确定单元，具体用于：
将所述第一图像输入预设运算模型；
根据所述预设运算模型输出的识别结果确定所述第一作物的当前生育期。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710515908.XA CN107301605A (zh) | 2017-06-29 | 2017-06-29 | 作物虫害的控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710515908.XA CN107301605A (zh) | 2017-06-29 | 2017-06-29 | 作物虫害的控制方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107301605A true CN107301605A (zh) | 2017-10-27 |
Family
ID=60136165
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710515908.XA Pending CN107301605A (zh) | 2017-06-29 | 2017-06-29 | 作物虫害的控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107301605A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109344738A (zh) * | 2018-09-12 | 2019-02-15 | 杭州睿琪软件有限公司 | 农作物病虫草害识别方法及装置 |
| CN109815846A (zh) * | 2018-12-29 | 2019-05-28 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、存储介质和电子装置 |
| WO2019109583A1 (zh) * | 2017-12-05 | 2019-06-13 | 深圳春沐源控股有限公司 | 病害防治方法及装置、电子设备和计算机可读存储介质 |
| CN110796148A (zh) * | 2019-10-12 | 2020-02-14 | 广西大学 | 一种荔枝虫害监测识别系统和监测识别方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140064568A1 (en) * | 2012-09-03 | 2014-03-06 | Electronics And Telecommunications Research Institute | Apparatus and method for non-destructively diagnosing crop growth using terahertz waves |
| CN105407318A (zh) * | 2015-10-29 | 2016-03-16 | 桂林市腾瑞电子科技有限公司 | 一种智能喷药系统 |
| CN105850930A (zh) * | 2016-04-23 | 2016-08-17 | 上海大学 | 基于机器视觉的病虫害预警系统和方法 |
| CN106325186A (zh) * | 2016-08-31 | 2017-01-11 | 江苏天穗农业科技有限公司 | 一种病虫害预警系统 |
| CN106680277A (zh) * | 2016-12-29 | 2017-05-17 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害监测方法及装置 |
| CN106804413A (zh) * | 2017-01-18 | 2017-06-09 | 深圳前海弘稼科技有限公司 | 一种营养液的控制方法及控制装置 |
-
2017
- 2017-06-29 CN CN201710515908.XA patent/CN107301605A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140064568A1 (en) * | 2012-09-03 | 2014-03-06 | Electronics And Telecommunications Research Institute | Apparatus and method for non-destructively diagnosing crop growth using terahertz waves |
| CN105407318A (zh) * | 2015-10-29 | 2016-03-16 | 桂林市腾瑞电子科技有限公司 | 一种智能喷药系统 |
| CN105850930A (zh) * | 2016-04-23 | 2016-08-17 | 上海大学 | 基于机器视觉的病虫害预警系统和方法 |
| CN106325186A (zh) * | 2016-08-31 | 2017-01-11 | 江苏天穗农业科技有限公司 | 一种病虫害预警系统 |
| CN106680277A (zh) * | 2016-12-29 | 2017-05-17 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害监测方法及装置 |
| CN106804413A (zh) * | 2017-01-18 | 2017-06-09 | 深圳前海弘稼科技有限公司 | 一种营养液的控制方法及控制装置 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019109583A1 (zh) * | 2017-12-05 | 2019-06-13 | 深圳春沐源控股有限公司 | 病害防治方法及装置、电子设备和计算机可读存储介质 |
| CN109344738A (zh) * | 2018-09-12 | 2019-02-15 | 杭州睿琪软件有限公司 | 农作物病虫草害识别方法及装置 |
| CN109815846A (zh) * | 2018-12-29 | 2019-05-28 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、存储介质和电子装置 |
| CN110796148A (zh) * | 2019-10-12 | 2020-02-14 | 广西大学 | 一种荔枝虫害监测识别系统和监测识别方法 |
| CN110796148B (zh) * | 2019-10-12 | 2020-07-07 | 广西大学 | 一种荔枝虫害监测识别系统和监测识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107301605A (zh) | 作物虫害的控制方法及装置 | |
| WO2018232860A1 (zh) | 一种基于物联网的农作物生长管理方法及系统 | |
| CN104318108A (zh) | 一种植物培育方法与装置 | |
| CN107896949A (zh) | 一种水肥灌溉自动控制方法及系统 | |
| CN107292874A (zh) | 作物病害的控制方法及装置 | |
| JP2006212002A (ja) | 農作物生産管理システム及び農作物生産管理プログラム | |
| CN107808249A (zh) | 种植任务管理方法、电子设备及计算机可读存储介质 | |
| CN114049295A (zh) | 一种霜霉病智能化检测处理的方法及系统 | |
| CN115903568A (zh) | 一种基于区块链大数据的智能农业监管系统及方法 | |
| CN107343455A (zh) | 作物虫害的控制方法及装置 | |
| CN108668583B (zh) | 一种集约化智能育苗方法及系统 | |
| CN115250887B (zh) | 农作物灌溉方法、系统、设备及介质 | |
| CN113377141A (zh) | 一种人工智能农业自动管理系统 | |
| CN113010529A (zh) | 基于知识图谱的作物管理方法和装置 | |
| CN115067206A (zh) | 一种耐盐碱型园林地被植物的筛选方法及筛选装置 | |
| CN105493799A (zh) | 大豆高产优质栽培技术 | |
| CN112042289A (zh) | 微耕机旋耕刀控制系统和方法 | |
| CN107491894A (zh) | 一种种植指导方法以及装置 | |
| CN110432119A (zh) | 可控型农田定时灌溉系统 | |
| CN115660236B (zh) | 作物物候期预测方法、装置、电子设备和存储介质 | |
| CN104012290B (zh) | 一种稻田间套作慈姑控制水稻稻瘟病和纹枯病的方法 | |
| CN107801579A (zh) | 一种互联网﹢大棚青瓜种植方法 | |
| CN112883996B (zh) | 一种钩藤茶高效采收加工方法及装置 | |
| CN109355350A (zh) | 一种甘蔗抗黑穗病快速鉴定方法 | |
| CN115576227A (zh) | 一种基于中晚稻种植的控制管理系统 |
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 |
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. |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171027 |
|
| RJ01 | Rejection of invention patent application after publication |