CN107330570A - 一种利用物联网技术进行水稻干物质预测的系统 - Google Patents
一种利用物联网技术进行水稻干物质预测的系统 Download PDFInfo
- Publication number
- CN107330570A CN107330570A CN201710730247.2A CN201710730247A CN107330570A CN 107330570 A CN107330570 A CN 107330570A CN 201710730247 A CN201710730247 A CN 201710730247A CN 107330570 A CN107330570 A CN 107330570A
- Authority
- CN
- China
- Prior art keywords
- sensor
- dry matter
- prediction
- carried out
- things
- 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
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 31
- 235000009566 rice Nutrition 0.000 title claims abstract description 31
- 240000007594 Oryza sativa Species 0.000 title 1
- 238000012544 monitoring process Methods 0.000 claims abstract description 39
- 241000209094 Oryza Species 0.000 claims abstract description 30
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 230000007613 environmental effect Effects 0.000 claims abstract description 6
- 241000196324 Embryophyta Species 0.000 claims abstract description 4
- 230000008054 signal transmission Effects 0.000 claims abstract description 4
- 201000010099 disease Diseases 0.000 claims description 21
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 21
- 239000002689 soil Substances 0.000 claims description 20
- 241000607479 Yersinia pestis Species 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 238000005498 polishing Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000000034 method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 240000008067 Cucumis sativus Species 0.000 description 1
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003860 storage Methods 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Game Theory and Decision Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种利用物联网技术进行水稻干物质预测的系统，其特征在于，所述系统包含传感器网络、监控单元、信息发送/接收单元；所述传感器网络，被配置用于采集环境信息和植物的状态信息；所述信号发送/接收单元，被配置用于实现传感器网络与监控单元的信息桥接；监控单元，被配置用于根据传感器网络的数据进行实时和历史环境监测，以及根据传感器网络获取的数据进行干物质含量的预测。本发明提高了水稻干物质含量预测的准确性，实现了水稻生产过程的生长环境自适应调节，起到了水稻生长过程中的前向预警功能。
Description
技术领域
本发明涉及监控领域，具体的，涉及一种利用物联网技术进行水稻干物质预测的系统。
背景技术
在传统的农业专家系统中，通常实现的目的在于对于环境的监控，或者简单的对某些物质含量进行预测，但是，都存在一个问题：功能单一、预测精度低。
而实际上，农业技术人员对产量的预测精度高求很高，需要根据实际的产量进行产品预售，如果预测的数值偏差过大，将会为农业技术人员及企业带来巨大的经济损失。
为此，本发明为克服上述问题，提出一种利用物联网技术进行水稻干物质预测的系统。
发明内容
本发明中提出了一种利用物联网技术进行水稻干物质预测的系统，其特征在于，所述系统包含传感器网络、监控单元、信息发送/接收单元，
所述传感器网络，被配置用于采集环境信息和植物的状态信息；
所述信号发送/接收单元，被配置用于实现传感器网络与监控单元的信息桥接；
监控单元，被配置用于根据传感器网络的数据进行实时和历史环境监测，以及根据传感器网络获取的数据进行干物质含量的预测。
优选的，在监控单元中，预先设置了所有传感器参数与干物质含量的数学模型。
优选的，所述系统还包括信号调理单元，用于传感器信号的调理，设置于传感器网络与监控单元之间。
优选的，所述传感器网络由若干传感器组成，各传感器具备无线传输功能，传感器的数量和位置，与面积、水稻株数、地势土壤类别、取样监测值的方差有关，所述取样监测值为各类传感器采集的数值。
优选的，所述传感器的数量确定方式为：
将种植区域模块化，根据传感器数量与面积、水稻株数、地势土壤类别、取样监测值的方差之间的数学模型，确定传感器的数量，再将传感器在该区域均匀分布设置。
优选的，所述传感器网络中的传感器包括：大气温湿度传感器、土壤温湿度传感器、土壤张力传感器、土壤EC值传感器、光照度监测传感器、CO2浓度传感器、O2浓度传感器、土壤PH值传感器、水质PH值传感器、水压传感器、液位传感器、土壤盐分传感器，系统根据所述传感器的检测数值对干物质含量进行预测。
优选的，所述传感器网络中的传感器还包括：水中溶氧量传感器、电导率传感器，系统根据所述传感器的检测数值所述对干物质含量进行预测。
优选的，所述传感器还包括病虫害传感器，所述病虫害传感器包含摄像头，病虫害传感器后端还连接有图像处理装置，此时，可将图像处理装置视为信号调理单元的一部分。
优选的，所述图像处理装置获取摄像头采集的图像，图像处理装置将图像二值化，在根据灰度判断病虫害面积，根据病虫害面积与图像面积的大小，确定病虫害程度，再将病虫害程度作为影响干物质含量的输入量。
优选的，所述传感器还包括天气传感器，用于捕获未来的天气状况，所述天气状况涉及风速、风向、降雨量。
优选的，所述系统可以根据未来的天气状况，结合水稻的当前状态，进行前向预测，若预测的干物质含量呈现减少趋势、且减少数量超过预设阈值时，进行预警。
优选的，在实时监测时，对于未来的数据参数，采用如下方式之一填充：
1）平均值填充：根据以往数据对应每个时间点的参数取平均值，赋给该时间点，以此补全未来几个月缺失的参数。
2）就近补齐：找到以前的对象中与该对象最相似的对象，然后用这个相似对象的相对应时间点的值来补充。该方法的前提是需要在至少一段时间后才能开始预测，因为只有积累一定时间段的参数后才能用于找到相似对象。例如，计算当前对象前期的数据，与历史数据中相同时间段的数据进行相似性判断，根据相似性的结果选择历史数据，并将其填充到未来的数据。
3）迭代缓存数据：基于以往缓存的数据，运用一定参考指标，对缓存的数据取时间窗，以补全将来的数据。
优选的，所述系统还包括执行单元，用于对环境参数进行调节。
在监测单元中，预设了理想的干物质含量，当预测干物质含量与理想的干物质含量偏差大于一定阈值时，以最小化预测干物质含量与理想的干物质含量为目标函数，将所有传感器参数与干物质含量的数学模型、传感器的实际取值范围为约束，进行环境信息和状态信息寻优，并据此调节执行单元动作。
优选的，系统中还包括时间检测单元，将时间监测单元与天气传感器相结合，考虑节气对水稻产量的影响，将特定时间的天气也作为数学模型输入的一部分。
本发明所涉及的一种利用物联网技术进行水稻干物质预测的系统，其有益效果在于：提高了水稻干物质含量预测的准确性，实现了水稻生产过程的生长环境自适应调节，起到了水稻生长过程中的前向预警功能。
附图说明
图1是本发明的结构图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图说明本发明的具体实施方式。
本发明中提出的利用物联网技术进行水稻干物质预测的系统，
其特征在于，所述系统包含传感器网络、监控单元、信息发送/接收单元，
所述传感器网络，被配置用于采集环境信息和植物的状态信息；
所述信号发送/接收单元，被配置用于实现传感器网络与监控单元的信息桥接；
监控单元，被配置用于根据传感器网络的数据进行实时和历史环境监测，以及根据传感器网络获取的数据进行干物质含量的预测。
优选的，在监控单元中，预先设置了所有传感器参数与干物质含量的数学模型。
优选的，所述系统还包括信号调理单元，用于传感器信号的调理，设置于传感器网络与监控单元之间。
优选的，所述传感器网络由若干传感器组成，各传感器具备无线传输功能，传感器的数量和位置，与面积、水稻株数、地势土壤类别、取样监测值的方差有关，所述取样监测值为各类传感器采集的数值。
优选的，所述传感器的数量确定方式为：
将种植区域模块化，根据传感器数量与面积、水稻株数、地势土壤类别、取样监测值的方差之间的数学模型，确定传感器的数量，再将传感器在该区域均匀分布设置。
优选的，所述传感器网络中的传感器包括：大气温湿度传感器、土壤温湿度传感器、土壤张力传感器、土壤EC值传感器、光照度监测传感器、CO2浓度传感器、O2浓度传感器、土壤PH值传感器、水质PH值传感器、水压传感器、液位传感器、土壤盐分传感器，系统根据所述传感器的检测数值对干物质含量进行预测。
优选的，所述传感器网络中的传感器还包括：水中溶氧量传感器、电导率传感器，系统根据所述传感器的检测数值所述对干物质含量进行预测。
优选的，所述传感器还包括病虫害传感器，所述病虫害传感器包含摄像头，病虫害传感器后端还连接有图像处理装置，此时，可将图像处理装置视为信号调理单元的一部分。
优选的，所述图像处理装置获取摄像头采集的图像，图像处理装置将图像二值化，在根据灰度判断病虫害面积，根据病虫害面积与图像面积的大小，确定病虫害程度，再将病虫害程度作为影响干物质含量的输入量。
优选的，所述传感器还包括天气传感器，用于捕获未来的天气状况，所述天气状况涉及风速、风向、降雨量。
优选的，所述系统可以根据未来的天气状况，结合水稻的当前状态，进行前向预测，若预测的干物质含量呈现减少趋势、且减少数量超过预设阈值时，进行预警。
优选的，在实时监测时，对于未来的数据参数，采用如下方式之一填充：
1）平均值填充：根据以往数据对应每个时间点的参数取平均值，赋给该时间点，以此补全未来几个月缺失的参数。
2）就近补齐：找到以前的对象中与该对象最相似的对象，然后用这个相似对象的相对应时间点的值来补充。该方法的前提是需要在至少一段时间后才能开始预测，因为只有积累一定时间段的参数后才能用于找到相似对象。例如，计算当前对象前期的数据，与历史数据中相同时间段的数据进行相似性判断，根据相似性的结果选择历史数据，并将其填充到未来的数据。
3）迭代缓存数据：基于以往缓存的数据，运用一定参考指标，对缓存的数据取时间窗，以补全将来的数据。
优选的，所述系统还包括执行单元，用于对环境参数进行调节。
在监测单元中，预设了理想的干物质含量，当预测干物质含量与理想的干物质含量偏差大于一定阈值时，以最小化预测干物质含量与理想的干物质含量为目标函数，将所有传感器参数与干物质含量的数学模型、传感器的实际取值范围为约束，进行环境信息和状态信息寻优，并据此调节执行单元动作。
所述执行单元可以是，补光装置，遮光装置，施肥机，二氧化碳发生器，灌溉装置。
优选的，系统中还包括时间检测单元，将时间监测单元与天气传感器相结合，考虑节气对水稻产量的影响，将特定时间的天气也作为数学模型输入的一部分。
需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和单元并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、ROM、RAM等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (9)
1.一种利用物联网技术进行水稻干物质预测的系统，其特征在于，所述系统包含传感器网络、监控单元、信息发送/接收单元、执行单元、信号调理单元；
所述传感器网络，被配置用于采集环境信息和植物的状态信息；
所述信号发送/接收单元，被配置用于实现传感器网络与监控单元的信息桥接；
监控单元，被配置用于根据传感器网络的数据进行实时和历史环境监测，以及根据传感器网络获取的数据进行干物质含量的预测；
信号调理单元，用于传感器信号的调理，设置于传感器网络与监控单元之间。
2.一种如权利要求1所述的利用物联网技术进行水稻干物质预测的系统，其特征在于，所述传感器网络由若干传感器组成，各传感器具备无线传输功能传感器的数量和位置，与面积、水稻株数、地势土壤类别、取样监测值的方差有关，所述取样监测值为各类传感器采集的数值。
3.一种如权利要求1所述的利用物联网技术进行水稻干物质预测的系统，其特征在于，所述传感器网络中的传感器包括：大气温湿度传感器、土壤温湿度传感器、土壤张力传感器、土壤EC值传感器、光照度监测传感器、CO2浓度传感器、O2浓度传感器、土壤PH值传感器、水质PH值传感器、水压传感器、液位传感器、土壤盐分传感器，系统根据所述传感器的检测数值对干物质含量进行预测。
4.一种如权利要求3所述的利用物联网技术进行水稻干物质预测的系统，其特征在于，所述传感器网络中的传感器还包括：水中溶氧量传感器、电导率传感器，系统根据所述传感器的检测数值所述对干物质含量进行预测。
5.一种如权利要求3所述的利用物联网技术进行水稻干物质预测的系统，其特征在于，所述传感器还包括病虫害传感器，所述病虫害传感器包含摄像头，病虫害传感器后端还连接有图像处理装置。
6.一种如权利要求5所述的利用物联网技术进行水稻干物质预测的系统，其特征在于，所述图像处理装置获取摄像头采集的图像，图像处理装置将图像二值化，在根据灰度判断病虫害面积，根据病虫害面积与图像面积的大小，确定病虫害程度，再将病虫害程度作为影响干物质含量的输入量。
7.一种如权利要求3所述的利用物联网技术进行水稻干物质预测的系统，所述传感器还包括天气传感器，用于捕获未来的天气状况，所述天气状况涉及风速、风向、降雨量。
8.一种如权利要求7所述的利用物联网技术进行水稻干物质预测的系统，所述系统可以根据未来的天气状况，结合水稻的当前状态，进行前向预测，若预测的干物质含量呈现减少趋势、且减少数量超过预设阈值时，进行预警。
9.一种如权利要求1所述的利用物联网技术进行水稻干物质预测的系统，其特征在于，在实时监测时，对于未来的数据参数，采用如下方式之一填充：
1）平均值填充：根据以往数据对应每个时间点的参数取平均值，赋给该时间点，以此补全未来几个月缺失的参数；
2）就近补齐：找到以前的对象中与该对象最相似的对象，然后用这个相似对象的相对应时间点的值来补充；
3）迭代缓存数据：基于以往缓存的数据，运用一定参考指标，对缓存的数据取时间窗，以补全将来的数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710730247.2A CN107330570A (zh) | 2017-08-23 | 2017-08-23 | 一种利用物联网技术进行水稻干物质预测的系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710730247.2A CN107330570A (zh) | 2017-08-23 | 2017-08-23 | 一种利用物联网技术进行水稻干物质预测的系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107330570A true CN107330570A (zh) | 2017-11-07 |
Family
ID=60228205
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710730247.2A Pending CN107330570A (zh) | 2017-08-23 | 2017-08-23 | 一种利用物联网技术进行水稻干物质预测的系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107330570A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115666225A (zh) * | 2020-06-03 | 2023-01-31 | 纳米电子成像有限公司 | 生物制品的受控生长系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103310383A (zh) * | 2013-06-25 | 2013-09-18 | 莘县农业局 | 农产品质量安全全程监控与追溯系统及方法 |
| CN103747009A (zh) * | 2014-01-21 | 2014-04-23 | 大连民族学院 | 一种监测水稻生长状况的系统及其方法 |
| CN106124450A (zh) * | 2016-06-16 | 2016-11-16 | 浙江大学 | 芒属植物叶片干物质的测定方法 |
-
2017
- 2017-08-23 CN CN201710730247.2A patent/CN107330570A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103310383A (zh) * | 2013-06-25 | 2013-09-18 | 莘县农业局 | 农产品质量安全全程监控与追溯系统及方法 |
| CN103747009A (zh) * | 2014-01-21 | 2014-04-23 | 大连民族学院 | 一种监测水稻生长状况的系统及其方法 |
| CN106124450A (zh) * | 2016-06-16 | 2016-11-16 | 浙江大学 | 芒属植物叶片干物质的测定方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115666225A (zh) * | 2020-06-03 | 2023-01-31 | 纳米电子成像有限公司 | 生物制品的受控生长系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106613783B (zh) | 一种通用智能灌溉系统及其控制方法 | |
| EP3211987B1 (en) | Method for providing a three-dimensional assessment of water movement through soil and across a field and associated system | |
| CN113141940A (zh) | 一种用于日光温室果菜栽培的智能水分精准灌溉控制系统及方法 | |
| CN105547360A (zh) | 基于情景感知的作物冠层图像采集方法 | |
| CN114442705B (zh) | 一种基于物联网的智慧农业系统及控制方法 | |
| US20220067930A1 (en) | Systems and methods for predicting growth of a population of organisms | |
| KR20190136774A (ko) | 작물의 수확시기 예측시스템 및 그 방법 | |
| Janani et al. | A study on smart irrigation using machine learning | |
| CN114429592A (zh) | 一种基于人工智能的自动灌溉方法及设备 | |
| Moon et al. | Prediction of CO2 concentration via long short-term memory using environmental factors in greenhouses | |
| CN115454176A (zh) | 一种基于物联网的智慧农业大棚通风控制系统 | |
| CN107330570A (zh) | 一种利用物联网技术进行水稻干物质预测的系统 | |
| CN109116827B (zh) | 基于物联网的日光温室水肥一体化灌溉控制方法及装置 | |
| Djalilov et al. | DEVELOPMENT OF AUTOMATED INTELLIGENT DRIP IRRIGATION SYSTEM | |
| KR102387765B1 (ko) | 작물의 생육량 예측 방법 및 장치 | |
| KR20220036433A (ko) | 과일 생장 모니터링 시스템 및 이를 이용한 과일 생장 모니터링 방법 | |
| WO2021056114A1 (en) | Systems and methods for monitoring and controlling crop irrigation schedules | |
| Pajany et al. | Enhancing Irrigation Efficiency with AI-Based Instinctive Irrigation System (IIS) in Wireless Sensor Networks | |
| CN107340717A (zh) | 一种利用传感器网络进行水果糖度预测的系统 | |
| CN115409253A (zh) | 一种土壤温度调整方法、装置、存储介质及电子设备 | |
| Wickramaarachchi et al. | Real-time greenhouse environmental conditions optimization using neural network and image processing | |
| Pandey et al. | IOT based smart polyhouse system using data analysis | |
| Saha et al. | ML-based smart farming using LSTM | |
| KR20190053318A (ko) | 생육환경정보 및 생육량 정보를 이용한 작물 생육 진단방법 | |
| CN208027203U (zh) | 一种基于物联网的水质环境调节系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171107 |