CN107357271B - 温室作物病虫害的防治方法、防治系统 - Google Patents
温室作物病虫害的防治方法、防治系统 Download PDFInfo
- Publication number
- CN107357271B CN107357271B CN201710526034.8A CN201710526034A CN107357271B CN 107357271 B CN107357271 B CN 107357271B CN 201710526034 A CN201710526034 A CN 201710526034A CN 107357271 B CN107357271 B CN 107357271B
- Authority
- CN
- China
- Prior art keywords
- pest
- crop
- disease damage
- regulation
- warning
- 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.)
- Active
Links
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 257
- 201000010099 disease Diseases 0.000 title claims abstract description 251
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 251
- 230000002265 prevention Effects 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 20
- 241000894007 species Species 0.000 claims abstract description 69
- 238000003909 pattern recognition Methods 0.000 claims abstract description 19
- 230000007613 environmental effect Effects 0.000 claims description 93
- 239000003814 drug Substances 0.000 claims description 84
- 229940079593 drug Drugs 0.000 claims description 65
- 241000238631 Hexapoda Species 0.000 claims description 19
- 238000001816 cooling Methods 0.000 claims description 11
- 238000009423 ventilation Methods 0.000 claims description 11
- 239000003795 chemical substances by application Substances 0.000 claims 1
- 241000219315 Spinacia Species 0.000 description 16
- 235000009337 Spinacia oleracea Nutrition 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 description 8
- 241000208822 Lactuca Species 0.000 description 8
- 235000003228 Lactuca sativa Nutrition 0.000 description 8
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 7
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 7
- 241000196324 Embryophyta Species 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 240000008436 Ipomoea aquatica Species 0.000 description 5
- 235000019004 Ipomoea aquatica Nutrition 0.000 description 5
- 230000001105 regulatory effect Effects 0.000 description 5
- 235000013311 vegetables Nutrition 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41835—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by programme execution
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G13/00—Protecting plants
- A01G13/10—Devices for affording protection against animals, birds or other pests
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/14—Greenhouses
-
- 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
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2614—HVAC, heating, ventillation, climate control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Environmental Sciences (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Zoology (AREA)
- Toxicology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Birds (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明提出了一种温室作物病虫害的防治方法、防治系统。其中，温室作物病虫害的防治方法包括：建立温室作物病虫害的预警模型；实时获取当前作物的种类和当前环境参数；匹配当前作物的种类与预警模型中的作物种类，判断当前环境参数是否处于预警模型中的作物种类的预警阈值范围；当判定当前环境参数处于预警阈值范围时，开启图像识别装置获取当前作物的图像，并根据图像识别当前作物是否发生病虫害；根据识别结果，开启对应的调控模式，本发明一方面能够进行病虫害预警，及时采取防治措施，另一方面通过图像识别，在发生病虫害时及时采取病虫害控制措施，实现了预警方式的多样化，从而更加准确的预防病虫害。
Description
技术领域
本发明涉及农业技术领域，具体而言，涉及一种温室作物病虫害的防治方法、温室作物病虫害的防治系统。
背景技术
近些年来，随着人们一年四季对蔬菜的大量需求，温室种植蔬菜蓬勃发展，然而，一方面，温室环境封闭，温度和湿度均高于外界，容易滋生病虫害；另一方面，温室内部难以通过大面积施药来控制病虫害，一旦发生病虫害，难以控制。
温室蔬菜的病害发生与环境密切相关，不良环境、病原物和蔬菜三者的相互作用是造成病害的主要原因，当环境达到一定条件时，极利于病菌的生长繁殖，同时加快了病菌对蔬菜的侵染和病情的扩展，另外，温室大多没有严格执行单一品种种植的种植标准，温室内部混种多种作物，导致病虫害的防治更加困难。现有的病虫害预警方式较为单一，不能进行准确预测。
因此，如何实现病虫害预警方式的多样化，提高预警的准确性成为当前亟需解决的问题。
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，本发明第一个方面在于提出一种温室作物病虫害的防治方法。
本发明的第二个方面在于提出一种温室作物病虫害的防治系统。
有鉴于此，根据本发明的一个方面，提出了一种温室作物病虫害的防治方法，包括：建立温室作物病虫害的预警模型；实时获取当前作物的种类和当前环境参数；匹配当前作物的种类与预警模型中的作物种类，判断当前环境参数是否处于预警模型中的作物种类的预警阈值范围；当判定当前环境参数处于预警阈值范围时，开启图像识别装置获取当前作物的图像，并根据图像识别当前作物是否发生病虫害；根据识别结果，开启对应的调控模式。
本发明提供的温室作物病虫害的防治方法，预先根据温室作物、环境参数、相对应病虫害的关系，建立预警模型，实时地获取当前温室内的作物种类和当前温室内的环境参数，将获取到的作物种类与预警模型中的作物种类进行匹配，匹配完成后，根据匹配到的作物种类，判断当前温室内的环境参数是否在匹配得到的预警模型中作物种类的阈值范围内，如果在阈值范围内，说明此时作物可能发生病虫害，那么开启图像识别装置对当前温室内的作物图像进行获取，根据获取到的图像识别温室内的作物是否发生了病虫害，对应不同的识别结果，分别针对是否发生病虫害的情况开启不同的控制模式，一方面能够进行病虫害预警，及时采取防治措施，另一方面通过图像识别，在发生病虫害时及时采取病虫害控制措施，实现了预警方式的多样化，从而更加准确的预防病虫害。
根据本发明的上述温室作物病虫害的防治方法，还可以具有以下技术特征：
在上述技术方案中，优选地，根据识别结果，开启对应的调控模式，具体包括：当识别结果为未发生病虫害，则开启环境参数调控模式，环境参数调控模式中的调控措施包括降温调控、除湿调控、通风调控；当识别结果为已发生病虫害，则开启施药除虫模式。
在该技术方案中，根据对作物是否发生病虫害的识别结果，开启对应的调控模式，如果识别结果显示作物未发生病虫害，则开启环境参数调控模式，环境参数调控模式中可以使用多种调控措施，包括降温调控、除湿调控、通风调控，在达到预警阈值范围而没有发生病虫害时，及时调控温室的环境参数，例如对温室内温度和湿度进行调整，使得温室内的温度湿度等环境参数及时降低，温室内环境不再容易滋生相应的病虫害，及时防止了病虫害的发生；如果识别结果显示作物已经发生病虫害，则开启施药除虫的模式进行防治，在达到预警级别后通过图像及时发现作物发生的病虫害，并及时进行施药除虫，有效的控制了病虫害。实现了病虫害预警的多样化，从而实现更加准确的预防病虫害。
在上述任一技术方案中，优选地，当识别结果为已发生病虫害，则开启施药除虫模式之后，具体包括：根据图像识别病虫害的种类；根据病虫害种类，调控施用的药物种类。
在该技术方案中，开启施药除虫模式之后，具体包括：首先根据图像识别装置获取到的图像识别作物发生病虫害的种类，根据识别出的作物病虫害种类，然后调控施用的药物种类，使得使用药物与正在发生的病虫害相对应。根据图像识别出作物发生病虫害的具体种类，进而根据病虫害种类施用相应的药物，使得系统及时有效地对作物的病虫害问题做出反映并开始施药除虫，有效提升了温室内作物的安全性。
在上述任一技术方案中，优选地，当识别结果为已发生病虫害，则开启施药除虫模式之后，包括：获取当前作物的周围作物的种类及位置；根据周围作物的种类及位置，调控施用的药物种类、施用的药物剂量、施用药物的位置。
在该技术方案中，当识别出当前作物已经发生病虫害，则开启施药除虫模式，在进行施药除虫之前，先要获取当前作物周围种植的作物情况，包括周围作物种植的种类和种植的位置，根据周围作物种植的具体种类和具体位置对施用的药物进行调控，调控的具体内容包括施用药物的具体种类、药物施用剂量的多少、施用药物的具体位置。由于不同作物对药物的接受程度不同，且温室中作物种植的种类也较为复杂，所以在针对某一具体作物的具体病虫害施用药物时，必须要考虑这种药物对其他作物的影响，在获取到当前作物周围作物的信息后根据这些信息对施用药物做出调整。例如，温室中同时种植白菜、油麦菜、空心菜、菠菜，当系统识别到当前菠菜患灰霉病时，则在用药之前需要考虑白菜、油麦菜、空心菜对药物的接受程度，并根据接收程度对施用药物的种类、剂量和位置做出调整和合理安排。
在上述任一技术方案中，优选地，预警阈值范围分为N个预警等级，N为≥1的整数；当所别结果为未发生病虫害，则开启环境参数调控模式，具体为：根据预警等级，开启不同的调控措施。
在该技术方案中，根据环境参数对病虫害产生的影响不相同等原因，预警阈值可以被分为多个预警等级，不同预警等级对应着不同的调控措施，当识别到环境参数已经达到预警阈值，但尚未发生病虫害时，需要开启环境参数调控模式，这里针对不同的环境参数得到了不同级别的预警等级，对应于不同的预警等级采取不同的调控措施。在不同的环境参数条件下，发生病虫害的危险程度是不同的，根据不同的环境参数设定不同的预警等级，再根据不同的预警等级采取多样化的不同的调控措施，能够使得选用的调控措施在当前的环境参数下实现最优的病虫害防治效果，调控手段更具有针对性，有效防止病虫害发生。
在上述任一技术方案中，优选地，预警模型包含作物种类、环境参数和病虫害信息三者的对应关系；环境参数包括环境温度和环境湿度。
在该技术方案中，预先建立的预警模型中的信息包括作物种类、环境参数和病虫害信息，以上三种信息在预警模型中是相互对应的关系，其中环境参数包括了环境温度和环境湿度。例如，根据菠菜在温度为T1至T2之间，湿度为H1至H2之间时，易发生灰霉病这一关系，可以建立一种预警模型中包括以下内容：作物种类为菠菜，环境温度为T1至T2之间，环境湿度为H1至H2之间，病虫害信息为灰霉病；其中温度为T1至T2之间和湿度为H1至H2之间即为该预警模型的预警阈值范围。
根据本发明的第二个方面，提出了一种温室作物病虫害的防治系统，包括：预警模型建立单元，用于建立温室作物病虫害的预警模型；第一获取单元，用于实时获取当前作物的种类和当前环境参数；判断单元，用于匹配当前作物的种类与预警模型中的作物种类，判断当前环境参数是否处于预警模型中的作物种类的预警阈值范围；图像识别开启单元，用于当判定当前环境参数处于预警阈值范围时，开启图像识别装置获取当前作物的图像，并根据图像识别当前作物是否发生病虫害；调控模式开启单元，用于根据识别结果，开启对应的调控模式。
本发明提供的温室作物病虫害的防治系统，预警模型建立单元预先根据温室作物、环境参数、相对应病虫害的关系，建立预警模型，第一获取单元实时地获取当前温室内的作物种类和当前温室内的环境参数，判断单元将获取到的作物种类与预警模型中的作物种类进行匹配，匹配完成后，判断单元根据匹配到的作物种类，判断当前温室内的环境参数是否在匹配得到的预警模型中作物种类的阈值范围内，如果在阈值范围内，说明此时作物可能发生病虫害，那么图像识别开启单元则开启图像识别装置对当前温室内的作物图像进行获取，并根据获取到的图像识别温室内的作物是否发生了病虫害，对应不同的识别结果，调控模式开启单元分别针对是否发生病虫害的情况开启不同的控制模式，一方面能够进行病虫害预警，及时采取防治措施，另一方面通过图像识别，在发生病虫害时及时采取病虫害控制措施，实现了预警方式的多样化，从而更加准确的预防病虫害。
根据本发明的上述温室作物病虫害的防治系统，还可以具有以下技术特征：
在上述技术方案中，优选地，调控模式开启单元包括：第一开启单元，用于当识别结果为未发生病虫害，则开启环境参数调控模式，环境参数调控模式中的调控措施包括降温调控、除湿调控、通风调控；第二开启单元，用于当识别结果为已发生病虫害，则开启施药除虫模式。
在该技术方案中，调控模式开启单元根据对作物是否发生病虫害的识别结果，开启对应的调控模式，如果识别结果显示作物未发生病虫害，则第一开启单元开启环境参数调控模式，环境参数调控模式中可以使用多种调控措施，包括降温调控、除湿调控、通风调控，在达到预警阈值范围而没有发生病虫害时，及时调控温室的环境参数，例如对温室内温度和湿度进行调整，使得温室内的温度湿度等环境参数及时降低，温室内环境不再容易滋生相应的病虫害，及时防止了病虫害的发生；如果识别结果显示作物已经发生病虫害，则第二开启单元开启施药除虫的模式进行防治在达到预警级别后通过图像及时发现作物发生的病虫害，并及时进行施药除虫，有效的控制了病虫害。实现了病虫害预警的多样化，从而实现更加准确的预防病虫害。
在上述任一技术方案中，优选地，还包括：病虫害种类识别单元，用于根据图像识别病虫害的种类；第一调控单元，用于根据病虫害的种类，调控施用的药物种类。
在该技术方案中，首先病虫害种类识别单元根据图像识别装置获取到的图像识别作物发生病虫害的种类，根据识别出的作物病虫害种类，然后第一调控单元调控施用的药物种类，使得使用药物与正在发生的病虫害相对应。根据图像识别出作物发生病虫害的具体种类，进而根据病虫害种类施用相应的药物，使得系统及时有效地对作物的病虫害问题做出反映并开始施药除虫，有效提升了温室内作物的安全性。
在上述任一技术方案中，优选地，还包括：第二获取单元，用于获取当前作物的周围作物的种类及位置；第二调控单元，用于根据周围作物的种类及位置，调控施用的药物种类、施用的药物剂量、施用药物的位置。
在该技术方案中，当识别出当前作物已经发生病虫害，则开启施药除虫模式，在进行施药除虫之前，第二获取单元先要获取当前作物周围种植的作物情况，包括周围作物种植的种类和种植的位置，第二调控单元根据周围作物种植的具体种类和具体位置对施用的药物进行调控，调控的具体内容包括施用药物的具体种类、药物施用剂量的多少、施用药物的具体位置。由于不同作物对药物的接受程度不同，且温室中作物种植的种类也较为复杂，所以在针对某一具体作物的具体病虫害施用药物时，必须要考虑这种药物对其他作物的影响，在获取到当前作物周围作物的信息后根据这些信息对施用药物做出调整。例如，温室中同时种植白菜、油麦菜、空心菜、菠菜，当系统识别到当前菠菜患灰霉病时，则在用药之前需要考虑白菜、油麦菜、空心菜对药物的接受程度，并根据接收程度对施用药物的种类、剂量和位置做出调整和合理安排。
在上述任一技术方案中，优选地，预警阈值范围分为N个预警等级，N为≥1的整数；第一开启单元具体为：第一开启子单元，用于根据预警等级，开启不同的调控措施。
在该技术方案中，根据环境参数对病虫害产生的影响不相同等原因，预警阈值可以被分为多个预警等级，不同预警等级对应着不同的调控措施，当识别到环境参数已经达到预警阈值，但尚未发生病虫害时，需要开启环境参数调控模式，这里针对不同的环境参数得到了不同级别的预警等级，第一开启子单元对应于不同的预警等级采取不同的调控措施。在不同的环境参数条件下，发生病虫害的危险程度是不同的，根据不同的环境参数设定不同的预警等级，再根据不同的预警等级采取多样化的不同的调控措施，能够使得选用的调控措施在当前的环境参数下实现最优的病虫害防治效果，调控手段更具有针对性，有效防止病虫害发生。
在上述任一技术方案中，优选地，预警模型包含作物种类、温室环境参数和病虫害信息三者的对应关系；环境参数包括环境温度和环境湿度。
在该技术方案中，预先建立的预警模型中的信息包括作物种类、环境参数和病虫害信息，以上三种信息在预警模型中是相互对应的关系，其中环境参数包括了环境温度和环境湿度。例如，根据菠菜在温度为T1至T2之间，湿度为H1至H2之间时，易发生灰霉病这一信息，可以建立一种预警模型中包括以下内容：作物种类为菠菜，环境温度为T1至T2之间，环境湿度为H1至H2之间，病虫害信息为灰霉病；其中温度为T1至T2之间和湿度为H1至H2之间即为该预警模型的预警阈值范围。
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示出了本发明的一个实施例的温室作物病虫害的防治方法的流程示意图；
图2示出了本发明的另一个实施例的温室作物病虫害的防治方法的流程示意图；
图3示出了本发明的一个实施例的温室作物病虫害的防治系统的示意框图；
图4示出了本发明的另一个实施例的温室作物病虫害的防治系统的示意框图；
图5示出了本发明的一个实施例的计算机设备的示意框图。
具体实施方式
为了能够更清楚地理解本发明的上述方面、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限于下面公开的具体实施例的限制。
本发明第一方面的实施例，提出一种温室作物病虫害的防治方法，图1示出了本发明的一个实施例的温室作物病虫害的防治方法的流程示意图：
步骤102，建立温室作物病虫害的预警模型；
步骤104，实时获取当前作物的种类和当前环境参数；
步骤106，匹配当前作物的种类与预警模型中的作物种类，判断当前环境参数是否处于预警模型中的作物种类的预警阈值范围；
步骤108，当判定当前环境参数处于预警阈值范围时，开启图像识别装置获取当前作物的图像，并根据图像识别当前作物是否发生病虫害；
步骤110，根据识别结果，开启对应的调控模式。
本发明提供的温室作物病虫害的防治方法，预先根据温室作物、环境参数、相对应病虫害的关系，建立预警模型，实时地获取当前温室内的作物种类和当前温室内的环境参数，将获取到的作物种类与预警模型中的作物种类进行匹配，匹配完成后，根据匹配到的作物种类，判断当前温室内的环境参数是否在匹配得到的预警模型中作物种类的阈值范围内，如果在阈值范围内，说明此时作物可能发生病虫害，那么开启图像识别装置对当前温室内的作物图像进行获取，根据获取到的图像识别温室内的作物是否发生了病虫害，对应不同的识别结果，分别针对是否发生病虫害的情况开启不同的控制模式，一方面能够进行病虫害预警，及时采取防治措施，另一方面通过图像识别，在发生病虫害时及时采取病虫害控制措施，实现了预警方式的多样化，从而更加准确的预防病虫害。
图2示出了本发明的另一个实施例的温室作物病虫害的防治方法的流程示意图：
步骤202，建立温室作物病虫害的预警模型；
步骤204，实时获取当前作物的种类和当前环境参数；
步骤206，匹配当前作物的种类与预警模型中的作物种类，判断当前环境参数是否处于预警模型中的作物种类的预警阈值范围；
步骤208，当判定当前环境参数处于预警阈值范围时，开启图像识别装置获取当前作物的图像，并根据图像识别当前作物是否发生病虫害，是，则进入步骤212，否，则进入步骤210；
步骤210，根据预警等级，开启不同的调控措施，预警阈值范围分为N个预警等级，N为≥1的整数；
步骤212，开启施药除虫模式；
步骤214，根据图像识别病虫害的种类；
步骤216，根据病虫害种类，调控施用的药物种类；
步骤218，获取当前作物的周围作物的种类及位置；
步骤220，根据周围作物的种类及位置，调控施用的药物种类、施用的药物剂量、施用药物的位置。
其中，环境参数调控模式中的调控措施包括降温调控、除湿调控、通风调控；预警模型包含作物种类、环境参数和病虫害信息三者的对应关系；环境参数包括环境温度和环境湿度。
在本发明的一个实施例中，优选地，根据识别结果，开启对应的调控模式，具体包括：当识别结果为未发生病虫害，则开启环境参数调控模式，环境参数调控模式中的调控措施包括降温调控、除湿调控、通风调控；当识别结果为已发生病虫害，则开启施药除虫模式。
在该实施例中，根据对作物是否发生病虫害的识别结果，开启对应的调控模式，如果识别结果显示作物未发生病虫害，则开启环境参数调控模式，环境参数调控模式中可以使用多种调控措施，包括降温调控、除湿调控、通风调控，在达到预警阈值范围而没有发生病虫害时，及时调控温室的环境参数，例如对温室内温度和湿度进行调整，使得温室内的温度湿度等环境参数及时降低，温室内环境不再容易滋生相应的病虫害，及时防止了病虫害的发生；如果识别结果显示作物已经发生病虫害，则开启施药除虫的模式进行防治，在达到预警级别后通过图像及时发现作物发生的病虫害，并及时进行施药除虫，有效的控制了病虫害。实现了病虫害预警的多样化，从而实现更加准确的预防病虫害。
在本发明的一个实施例中，优选地，当识别结果为已发生病虫害，则开启施药除虫模式之后，具体包括：根据图像识别病虫害的种类；根据病虫害种类，调控施用的药物种类。
在该实施例中，开启施药除虫模式之后，具体包括：首先根据图像识别装置获取到的图像识别作物发生病虫害的种类，根据识别出的作物病虫害种类，然后调控施用的药物种类，使得使用药物与正在发生的病虫害相对应。根据图像识别出作物发生病虫害的具体种类，进而根据病虫害种类施用相应的药物，使得系统及时有效地对作物的病虫害问题做出反映并开始施药除虫，有效提升了温室内作物的安全性。
在本发明的一个实施例中，优选地，当识别结果为已发生病虫害，则开启施药除虫模式之后，包括：获取当前作物的周围作物的种类及位置；根据周围作物的种类及位置，调控施用的药物种类、施用的药物剂量、施用药物的位置。
在该实施例中，当识别出当前作物已经发生病虫害，则开启施药除虫模式，在进行施药除虫之前，先要获取当前作物周围种植的作物情况，包括周围作物种植的种类和种植的位置，根据周围作物种植的具体种类和具体位置对施用的药物进行调控，调控的具体内容包括施用药物的具体种类、药物施用剂量的多少、施用药物的具体位置。由于不同作物对药物的接受程度不同，且温室中作物种植的种类也较为复杂，所以在针对某一具体作物的具体病虫害施用药物时，必须要考虑这种药物对其他作物的影响，在获取到当前作物周围作物的信息后根据这些信息对施用药物做出调整。例如，温室中同时种植白菜、油麦菜、空心菜、菠菜，当系统识别到当前菠菜患灰霉病时，则在用药之前需要考虑白菜、油麦菜、空心菜对药物的接受程度，并根据接收程度对施用药物的种类、剂量和位置做出调整和合理安排。
在本发明的一个实施例中，优选地，预警阈值范围分为N个预警等级，N为≥1的整数；当所别结果为未发生病虫害，则开启环境参数调控模式，具体为：根据预警等级，开启不同的调控措施。
在该实施例中，根据环境参数对病虫害产生的影响不相同等原因，预警阈值可以被分为多个预警等级，不同预警等级对应着不同的调控措施，当识别到环境参数已经达到预警阈值，但尚未发生病虫害时，需要开启环境参数调控模式，这里针对不同的环境参数得到了不同级别的预警等级，对应于不同的预警等级采取不同的调控措施。在不同的环境参数条件下，发生病虫害的危险程度是不同的，根据不同的环境参数设定不同的预警等级，再根据不同的预警等级采取多样化的不同的调控措施，能够使得选用的调控措施在当前的环境参数下实现最优的病虫害防治效果，调控手段更具有针对性，有效防止病虫害发生。
在本发明的一个实施例中，优选地，预警模型包含作物种类、环境参数和病虫害信息三者的对应关系；环境参数包括环境温度和环境湿度。
在该实施例中，预先建立的预警模型中的信息包括作物种类、环境参数和病虫害信息，以上三种信息在预警模型中是相互对应的关系，其中环境参数包括了环境温度和环境湿度。例如，根据菠菜在温度为T1至T2之间，湿度为H1至H2之间时，易发生灰霉病这一信息，可以建立一种预警模型中包括以下内容：作物种类为菠菜，环境温度为T1至T2之间，环境湿度为H1至H2之间，病虫害信息为灰霉病；其中温度为T1至T2之间和湿度为H1至H2之间即为该预警模型的预警阈值范围。
本发明第二方面的实施例，提出一种温室作物病虫害的防治系统300，图3示出了本发明的一个实施例的温室作物病虫害的防治系统300的示意框图：
预警模型建立单元302，用于建立温室作物病虫害的预警模型；
第一获取单元304，用于实时获取当前作物的种类和当前环境参数；
判断单元306，用于匹配当前作物的种类与预警模型中的作物种类，判断当前环境参数是否处于预警模型中的作物种类的预警阈值范围；
图像识别开启单元308，用于当判定当前环境参数处于预警阈值范围时，开启图像识别装置获取当前作物的图像，并根据图像识别当前作物是否发生病虫害；
调控模式开启单元310，用于根据识别结果，开启对应的调控模式。
本发明提供的温室作物病虫害的防治系统300，预警模型建立单元302预先根据温室作物、环境参数、相对应病虫害的关系，建立预警模型，第一获取单元304实时地获取当前温室内的作物种类和当前温室内的环境参数，判断单元306将获取到的作物种类与预警模型中的作物种类进行匹配，匹配完成后，判断单元根据匹配到的作物种类，判断当前温室内的环境参数是否在匹配得到的预警模型中作物种类的阈值范围内，如果在阈值范围内，说明此时作物可能发生病虫害，那么图像识别开启单元308则开启图像识别装置对当前温室内的作物图像进行获取，并根据获取到的图像识别温室内的作物是否发生了病虫害，对应不同的识别结果，调控模式开启单元分别针对是否发生病虫害的情况开启不同的控制模式，一方面能够进行病虫害预警，及时采取防治措施，另一方面通过图像识别，在发生病虫害时及时采取病虫害控制措施，实现了预警方式的多样化，从而更加准确的预防病虫害。
图4示出了本发明的另一个实施例的温室作物病虫害的防治系统400的示意框图：
预警模型建立单元402，用于建立温室作物病虫害的预警模型；
第一获取单元404，用于实时获取当前作物的种类和当前环境参数；
判断单元406，用于匹配当前作物的种类与预警模型中的作物种类，判断当前环境参数是否处于预警模型中的作物种类的预警阈值范围；
图像识别开启单元408，用于当判定当前环境参数处于预警阈值范围时，开启图像识别装置获取当前作物的图像，并根据图像识别当前作物是否发生病虫害；
调控模式开启单元410，用于根据识别结果，开启对应的调控模式；
病虫害种类识别单元412，用于根据所述图像识别所述病虫害种类；
第一调控单元414，用于根据病虫害的种类，调控施用的药物种类；
第二获取单元416，用于获取所述当前作物的周围作物的种类及位置；
第二调控单元418，用于根据所述周围作物的种类及位置，调控施用的药物种类、施用的药物剂量、施用药物的位置。
其中，调控模式开启单元410包括：
第一开启单元4102，用于当所述识别结果为未发生所述病虫害，则开启环境参数调控模式，所述环境参数调控模式中的调控措施包括降温调控、除湿调控、通风调控；
第二开启单元4104，用于当所述识别结果为已发生所述病虫害，则开启施药除虫模式。
第一开启单元4102具体为：第一开启子单元4122，用于根据所述预警等级，开启不同的所述调控措施。
在本发明的一个实施例中，优选地，调控模式开启单元410包括：第一开启单元4102，用于当识别结果为未发生病虫害，则开启环境参数调控模式，环境参数调控模式中的调控措施包括降温调控、除湿调控、通风调控；第二开启单元4104，用于当识别结果为已发生病虫害，则开启施药除虫模式。
在该实施例中，调控模式开启单元410根据对作物是否发生病虫害的识别结果，开启对应的调控模式，如果识别结果显示作物未发生病虫害，则第一开启单元4102开启环境参数调控模式，环境参数调控模式中可以使用多种调控措施，包括降温调控、除湿调控、通风调控，在达到预警阈值范围而没有发生病虫害时，及时调控温室的环境参数，例如对温室内温度和湿度进行调整，使得温室内的温度湿度等环境参数及时降低，温室内环境不再容易滋生相应的病虫害，及时防止了病虫害的发生；如果识别结果显示作物已经发生病虫害，则第二开启单元4104开启施药除虫的模式进行防治在达到预警级别后通过图像及时发现作物发生的病虫害，并及时进行施药除虫，有效的控制了病虫害。实现了病虫害预警的多样化，从而实现更加准确的预防病虫害。
在本发明的一个实施例中，优选地，还包括：病虫害种类识别单元412，用于根据图像识别病虫害种类；第一调控单元414，用于根据病虫害的种类，调控施用的药物种类。
在该实施例中，首先病虫害种类识别单元412根据图像识别装置获取到的图像识别作物发生病虫害的种类，根据识别出的作物病虫害种类，然后第一调控单元414调控施用的药物种类，使得使用药物与正在发生的病虫害相对应。根据图像识别出作物发生病虫害的具体种类，进而根据病虫害种类施用相应的药物，使得系统及时有效地对作物的病虫害问题做出反映并开始施药除虫，有效提升了温室内作物的安全性。
在本发明的一个实施例中，优选地，还包括：第二获取单元416，用于获取当前作物的周围作物的种类及位置；第二调控单元418，用于根据周围作物的种类及位置，调控施用的药物种类、施用的药物剂量、施用药物的位置。
在该实施例中，当识别出当前作物已经发生病虫害，则开启施药除虫模式，在进行施药除虫之前，第二获取单元416先要获取当前作物周围种植的作物情况，包括周围作物种植的种类和种植的位置，第二调控单元418根据周围作物种植的具体种类和具体位置对施用的药物进行调控，调控的具体内容包括施用药物的具体种类、药物施用剂量的多少、施用药物的具体位置。由于不同作物对药物的接受程度不同，且温室中作物种植的种类也较为复杂，所以在针对某一具体作物的具体病虫害施用药物时，必须要考虑这种药物对其他作物的影响，在获取到当前作物周围作物的信息后根据这些信息对施用药物做出调整。例如，温室中同时种植白菜、油麦菜、空心菜、菠菜，当系统识别到当前菠菜患灰霉病时，则在用药之前需要考虑白菜、油麦菜、空心菜对药物的接受程度，并根据接收程度对施用药物的种类、剂量和位置做出调整和合理安排。
在本发明的一个实施例中，优选地，预警阈值范围分为N个预警等级，N为≥1的整数；第一开启单元4102具体为：第一开启子单元4122，用于根据预警等级，开启不同的调控措施。
在该实施例中，根据环境参数对病虫害产生的影响不相同等原因，预警阈值可以被分为多个预警等级，不同预警等级对应着不同的调控措施，当识别到环境参数已经达到预警阈值，但尚未发生病虫害时，需要开启环境参数调控模式，这里针对不同的环境参数得到了不同级别的预警等级，第一开启子单元4122对应于不同的预警等级采取不同的调控措施。在不同的环境参数条件下，发生病虫害的危险程度是不同的，根据不同的环境参数设定不同的预警等级，再根据不同的预警等级采取多样化的不同的调控措施，能够使得选用的调控措施在当前的环境参数下实现最优的病虫害防治效果，调控手段更具有针对性，有效防止病虫害发生。
在本发明的一个实施例中，优选地，预警模型包含作物种类、温室环境参数和病虫害信息三者的对应关系；环境参数包括环境温度和环境湿度。
在该实施例中，预先建立的预警模型中的信息包括作物种类、环境参数和病虫害信息，以上三种信息在预警模型中是相互对应的关系，其中环境参数包括了环境温度和环境湿度。例如，根据菠菜在温度为T1至T2之间，湿度为H1至H2之间时，易发生灰霉病这一信息，可以建立一种预警模型中包括以下内容：作物种类为菠菜，环境温度为T1至T2之间，环境湿度为H1至H2之间，病虫害信息为灰霉病；其中温度为T1至T2之间和湿度为H1至H2之间即为该预警模型的预警阈值范围。
本发明第三方面的实施例，提出一种计算机设备，图5示出了本发明的一个实施例的计算机设备500的示意框图。其中，该计算机设备500包括：
存储器502、处理器504及存储在存储器502上并可在处理器504上运行的计算机程序，处理器504执行计算机程序时实现以下步骤：建立温室作物病虫害的预警模型；实时获取当前作物的种类和当前环境参数；匹配当前作物的种类与预警模型中的作物种类，判断当前环境参数是否处于预警模型中的作物种类的预警阈值范围；当判定当前环境参数处于预警阈值范围时，开启图像识别装置获取当前作物的图像，并根据图像识别当前作物是否发生病虫害；根据识别结果，开启对应的调控模式。
本发明提供的一种计算机设备500，处理器504执行计算机程序时实现：预先根据温室作物、环境参数、相对应病虫害的关系，建立预警模型，实时地获取当前温室内的作物种类和当前温室内的环境参数，将获取到的作物种类与预警模型中的作物种类进行匹配，匹配完成后，根据匹配到的作物种类，判断当前温室内的环境参数是否在匹配得到的预警模型中作物种类的阈值范围内，如果在阈值范围内，说明此时作物可能发生病虫害，那么开启图像识别装置对当前温室内的作物图像进行获取，根据获取到的图像识别温室内的作物是否发生了病虫害，对应不同的识别结果，分别针对是否发生病虫害的情况开启不同的控制模式，一方面能够进行病虫害预警，及时采取防治措施，另一方面通过图像识别，在发生病虫害时及时采取病虫害控制措施，实现了预警方式的多样化，从而更加准确的预防病虫害。
本发明第四方面的实施例，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实现以下步骤：建立温室作物病虫害的预警模型；实时获取当前作物的种类和当前环境参数；匹配当前作物的种类与预警模型中的作物种类，判断当前环境参数是否处于预警模型中的作物种类的预警阈值范围；当判定当前环境参数处于预警阈值范围时，开启图像识别装置获取当前作物的图像，并根据图像识别当前作物是否发生病虫害；根据识别结果，开启对应的调控模式。
本发明提供的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：预先根据温室作物、环境参数、相对应病虫害的关系，建立预警模型，实时地获取当前温室内的作物种类和当前温室内的环境参数，将获取到的作物种类与预警模型中的作物种类进行匹配，匹配完成后，根据匹配到的作物种类，判断当前温室内的环境参数是否在匹配得到的预警模型中作物种类的阈值范围内，如果在阈值范围内，说明此时作物可能发生病虫害，那么开启图像识别装置对当前温室内的作物图像进行获取，根据获取到的图像识别温室内的作物是否发生了病虫害，对应不同的识别结果，分别针对是否发生病虫害的情况开启不同的控制模式，一方面能够进行病虫害预警，及时采取防治措施，另一方面通过图像识别，在发生病虫害时及时采取病虫害控制措施，实现了预警方式的多样化，从而更加准确的预防病虫害。
在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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 (8)
1.一种温室作物病虫害的防治方法，其特征在于，包括：
建立温室作物病虫害的预警模型；
实时获取当前作物的种类和当前环境参数；
匹配所述当前作物的种类与所述预警模型中的作物种类，判断所述当前环境参数是否处于所述预警模型中的所述作物种类的预警阈值范围，以判断是否有发生病虫害的可能；
当判定所述当前环境参数处于所述预警阈值范围时，说明有发生病虫害的可能，则开启图像识别装置获取所述当前作物的图像，并根据所述图像识别所述当前作物是否发生病虫害；
根据识别结果，开启对应的调控模式；
所述根据识别结果，开启对应的调控模式，具体包括：
当所述识别结果为未发生所述病虫害，则开启环境参数调控模式，所述环境参数调控模式中的调控措施包括降温调控、除湿调控、通风调控；
当所述识别结果为已发生所述病虫害，则开启施药除虫模式；
当所述识别结果为已发生所述病虫害，则开启施药除虫模式之后，包括：
获取所述当前作物的周围作物的种类及位置；
根据所述周围作物的种类及位置，调控施用的药物种类、施用的药物剂量、施用药物的位置。
2.根据权利要求1所述的温室作物病虫害的防治方法，其特征在于，当所述识别结果为已发生所述病虫害，则开启施药除虫模式之后，还包括：
根据所述图像识别所述病虫害的种类；
根据所述病虫害的种类，调控施用的药物种类。
3.根据权利要求1所述的温室作物病虫害的防治方法，其特征在于，
所述预警阈值范围分为N个预警等级，N为≥1的整数；
当所述识别结果为未发生所述病虫害，则开启环境参数调控模式，具体为：
根据所述预警等级，开启不同的所述调控措施。
4.根据权利要求1至3中任一项所述的温室作物病虫害的防治方法，其特征在于，
所述预警模型包含作物种类、环境参数和病虫害信息三者的对应关系；
所述环境参数包括环境温度和环境湿度。
5.一种温室作物病虫害的防治系统，其特征在于，包括：
预警模型建立单元，用于建立温室作物病虫害的预警模型；
第一获取单元，用于实时获取当前作物的种类和当前环境参数；
判断单元，用于匹配所述当前作物的种类与所述预警模型中的作物种类，判断所述当前环境参数是否处于所述预警模型中的所述作物种类的预警阈值范围，以判断是否有发生病虫害的可能；
图像识别开启单元，用于当判定所述当前环境参数处于所述预警阈值范围时，说明有发生病虫害的可能，则开启图像识别装置获取所述当前作物的图像，并根据所述图像识别所述当前作物是否发生病虫害；
调控模式开启单元，用于根据识别结果，开启对应的调控模式；
所述调控模式开启单元包括：
第一开启单元，用于当所述识别结果为未发生所述病虫害，则开启环境参数调控模式，所述环境参数调控模式中的调控措施包括降温调控、除湿调控、通风调控；
第二开启单元，用于当所述识别结果为已发生所述病虫害，则开启施药除虫模式；
还包括：
第二获取单元，用于获取所述当前作物的周围作物的种类及位置；
第二调控单元，用于根据所述周围作物的种类及位置，调控施用的药物种类、施用的药物剂量、施用药物的位置。
6.根据权利要求5所述的温室作物病虫害的防治系统，其特征在于，还包括：
病虫害种类识别单元，用于根据所述图像识别所述病虫害的种类；
第一调控单元，用于根据所述病虫害的种类，调控施用的药物种类。
7.根据权利要求5所述的温室作物病虫害的防治方法，其特征在于，
所述预警阈值范围分为N个预警等级，N为≥1的整数；
所述第一开启单元具体为：
第一开启子单元，用于根据所述预警等级，开启不同的所述调控措施。
8.根据权利要求5至7中任一项所述的温室作物病虫害的防治系统，其特征在于，
所述预警模型包含作物种类、温室环境参数和病虫害信息三者的对应关系；
所述环境参数包括环境温度和环境湿度。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710526034.8A CN107357271B (zh) | 2017-06-30 | 2017-06-30 | 温室作物病虫害的防治方法、防治系统 |
| PCT/CN2017/096273 WO2019000567A1 (zh) | 2017-06-30 | 2017-08-07 | 温室作物病虫害的防治方法、防治系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710526034.8A CN107357271B (zh) | 2017-06-30 | 2017-06-30 | 温室作物病虫害的防治方法、防治系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107357271A CN107357271A (zh) | 2017-11-17 |
| CN107357271B true CN107357271B (zh) | 2018-07-17 |
Family
ID=60272593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710526034.8A Active CN107357271B (zh) | 2017-06-30 | 2017-06-30 | 温室作物病虫害的防治方法、防治系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107357271B (zh) |
| WO (1) | WO2019000567A1 (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN109174499B (zh) * | 2018-08-30 | 2020-10-27 | 深圳春沐源控股有限公司 | 喷雾控制方法、喷雾控制系统 |
| CN111122453A (zh) * | 2018-11-01 | 2020-05-08 | 阿里巴巴集团控股有限公司 | 信息处理方法、装置和系统 |
| CN112181129B (zh) * | 2019-07-04 | 2024-04-16 | 阿里巴巴集团控股有限公司 | 一种设备控制方法、装置、设备和机器可读介质 |
| CN112286263A (zh) * | 2019-07-24 | 2021-01-29 | 中国移动通信有限公司研究院 | 一种农作物的调控方法、装置、系统及通信设备 |
| CN112055079B (zh) * | 2020-09-03 | 2022-08-23 | 华艺生态园林股份有限公司 | 一种基于云计算平台的病虫害监测预警系统 |
| CN112327974B (zh) * | 2020-10-23 | 2022-01-04 | 重庆电子工程职业学院 | 温室环境智能控制系统及方法 |
| CN114460078A (zh) * | 2022-02-08 | 2022-05-10 | 赣南师范大学 | 一种脐橙病虫害监测方法及装置 |
| CN116610175B (zh) * | 2023-07-20 | 2023-10-03 | 深圳市博安智控科技有限公司 | 基于智慧养殖的设备控制方法、装置及控制系统 |
| CN117390110B (zh) * | 2023-12-13 | 2024-02-06 | 四川省林业科学研究院 | 一种病虫害电子地图的生成方法及系统 |
| CN117854012B (zh) * | 2024-03-07 | 2024-05-14 | 成都智慧城市信息技术有限公司 | 一种基于大数据的农作物环境监测方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102621118A (zh) * | 2012-03-18 | 2012-08-01 | 吉林大学 | 温室蔬菜病虫害的预警方法 |
| CN105376328A (zh) * | 2015-12-08 | 2016-03-02 | 成都慧农信息技术有限公司 | 一种基于云平台的农业物联网综合应用系统及方法 |
| 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 |
| CN105954283A (zh) * | 2016-05-05 | 2016-09-21 | 信阳师范学院 | 一种基于互联网的小麦病虫害防治方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7617057B2 (en) * | 2005-12-21 | 2009-11-10 | Inst Technology Development | Expert system for controlling plant growth in a contained environment |
| CN101329560A (zh) * | 2008-08-01 | 2008-12-24 | 湖南农业大学 | 农业病虫害综合智能管理系统 |
| CN204616606U (zh) * | 2015-03-27 | 2015-09-09 | 中国农业科学院农业信息研究所 | 一种农作物病虫害监测预警系统 |
| CN205028108U (zh) * | 2015-10-12 | 2016-02-10 | 山西万立科技有限公司 | 一种智能农业大棚管理系统 |
| US20170127622A1 (en) * | 2015-11-10 | 2017-05-11 | Xu Hong | Smart control/iot system for agriculture environment control |
| CN106645563A (zh) * | 2016-09-30 | 2017-05-10 | 深圳前海弘稼科技有限公司 | 一种基于种植设备的病虫害预测方法及装置 |
| CN106779188A (zh) * | 2016-11-30 | 2017-05-31 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害预测方法及装置 |
-
2017
- 2017-06-30 CN CN201710526034.8A patent/CN107357271B/zh active Active
- 2017-08-07 WO PCT/CN2017/096273 patent/WO2019000567A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102621118A (zh) * | 2012-03-18 | 2012-08-01 | 吉林大学 | 温室蔬菜病虫害的预警方法 |
| CN105376328A (zh) * | 2015-12-08 | 2016-03-02 | 成都慧农信息技术有限公司 | 一种基于云平台的农业物联网综合应用系统及方法 |
| 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 |
| CN105954283A (zh) * | 2016-05-05 | 2016-09-21 | 信阳师范学院 | 一种基于互联网的小麦病虫害防治方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107357271A (zh) | 2017-11-17 |
| WO2019000567A1 (zh) | 2019-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107357271B (zh) | 温室作物病虫害的防治方法、防治系统 | |
| KR102127516B1 (ko) | 생육 레시피를 생성 및 제공하는 식물 재배 시스템 | |
| KR101963508B1 (ko) | 자체제어 및 원격제어가 가능한 식물재배 시스템 | |
| CN209546481U (zh) | 一种基于大数据分析的智能化食用菌培养系统 | |
| CN103210896A (zh) | 一种温室番茄害虫智能监测与诱捕系统 | |
| CN104488544B (zh) | 一种黄背木耳的栽培方法 | |
| CN107992828A (zh) | 病害防治方法及装置、电子设备和计算机可读存储介质 | |
| CN107455183A (zh) | 引导种植系统、引导种植方法和种植箱 | |
| CN116012698A (zh) | 养护喷药方法、装置、设备和存储介质 | |
| CN108181956A (zh) | 集智能化生产与养生功能于一体的温室大棚的建设方法 | |
| CN107751103A (zh) | 一种基于app的宠物龟智能养护系统设计方法 | |
| CN107292874A (zh) | 作物病害的控制方法及装置 | |
| Lin et al. | IoT-based strawberry disease detection with wall-mounted monitoring cameras | |
| CN108607106A (zh) | 一种温室大棚自动化消毒方法及系统 | |
| CN107368129A (zh) | 一种温室种植显示的方法及温室种植显示的系统 | |
| Meena et al. | Detection of Varieties of Diseases in Rice Plants using Deep Learning Techniques | |
| CN107301605A (zh) | 作物虫害的控制方法及装置 | |
| CN206920963U (zh) | 一种基于互联网的泰和乌骨鸡养殖监控系统 | |
| US20210161083A1 (en) | Self-service modular plant cultivation and storage systems | |
| Tanwar et al. | Classification of multiple maize leaf diseases using a blended convolutional neural network | |
| CN109006453A (zh) | 一种设施甜瓜的熊蜂授粉方法 | |
| CN106717753A (zh) | 草莓种植方法 | |
| CN107484551A (zh) | 一种白蚁鸡枞菌共生环境的模拟方法 | |
| CN109042379A (zh) | 一种养殖机器人、养殖系统及养殖方法 | |
| CN108628377A (zh) | 一种基于投影映射的智能种植监护方法及其系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20181221 Address after: 675603 Room 402, Building 1, Yinjie Old Government, Yinjie Town, Midu County, Dali Bai Autonomous Prefecture, Yunnan Province Patentee after: Dali Chun Muyuan Agricultural Technology Co., Ltd. Address before: 518052 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Patentee before: Shenzhen Chun Mu source Holdings Limited |
|
| TR01 | Transfer of patent right |