CN108197266A - 一种农产品用药的推荐方法和系统 - Google Patents
一种农产品用药的推荐方法和系统 Download PDFInfo
- Publication number
- CN108197266A CN108197266A CN201711499027.XA CN201711499027A CN108197266A CN 108197266 A CN108197266 A CN 108197266A CN 201711499027 A CN201711499027 A CN 201711499027A CN 108197266 A CN108197266 A CN 108197266A
- Authority
- CN
- China
- Prior art keywords
- information
- medication
- disease
- pest
- insect
- 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
- 239000003814 drug Substances 0.000 title claims abstract description 367
- 229940079593 drug Drugs 0.000 title claims abstract description 359
- 238000000034 method Methods 0.000 title claims abstract description 31
- 201000010099 disease Diseases 0.000 claims abstract description 238
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 238
- 241000238631 Hexapoda Species 0.000 claims abstract description 107
- 241000607479 Yersinia pestis Species 0.000 claims description 140
- 230000006378 damage Effects 0.000 claims description 130
- 238000012216 screening Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 10
- 241001124076 Aphididae Species 0.000 description 11
- 241000196324 Embryophyta Species 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 240000008067 Cucumis sativus Species 0.000 description 5
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 5
- 241000244206 Nematoda Species 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- BYACHAOCSIPLCM-UHFFFAOYSA-N 2-[2-[bis(2-hydroxyethyl)amino]ethyl-(2-hydroxyethyl)amino]ethanol Chemical compound OCCN(CCO)CCN(CCO)CCO BYACHAOCSIPLCM-UHFFFAOYSA-N 0.000 description 1
- 241000255789 Bombyx mori Species 0.000 description 1
- 241001414720 Cicadellidae Species 0.000 description 1
- 241000425037 Toona sinensis Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- -1 moisture Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000003971 tillage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例涉及农业领域，公开了一种农产品用药的推荐方法和系统。本发明中提供了一种农产品用药的推荐方法，包括采集农产品种植区的图像信息；根据图像信息获取农产品种植区的病虫害信息；根据病虫害信息，在预先建立的追溯系统数据库中查询与病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息；根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息；将推荐的用药信息发送至客户端，以供客户端将推荐的用药信息显示给管理者，使得可基于农产品追溯数据库中的信息，生到推荐的用药信息，方便了种植人员制定用药计划，有利于保证种植管理的效果。
Description
技术领域
本发明实施例涉及农业领域，特别涉及一种农产品用药的推荐方法和系统。
背景技术
农业耕作是一项特殊、复杂、独立的工作，同时也是最重要的工作，它关系到人类健康和整个生态循环。随着人们对食品安全意识的提高，越来越多的消费者对农产品的安全、健康、质量保障意识的需求也不断增加。农产品追溯制度是为了实现对农产品从农田到餐桌整个过程的有效控制、保证农产品质量安全而实施的对农产品质量的全程监控制度。
然而，发明人发现现有技术中至少存在如下问题：在农产品的种植管理过程中，对出现的病虫害采用药物治疗时，多基于管理者的经验，没有或很少利用农产品追溯信息，难以保证种植管理的效果。
发明内容
本发明实施方式的目的在于提供一种农产品用药的推荐方法和服务器，使得可以利用农产品追溯信息，得到推荐的用药信息，方便了种植人员制定用药计划，有利于保证种植管理的效果。
为解决上述技术问题，本发明的实施方式提供了一种农产品用药的推荐方法，包括：采集农产品种植区的图像信息；根据图像信息获取农产品种植区的病虫害信息；根据病虫害信息，在预先建立的追溯系统数据库中查询与病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息；根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息。
本发明的实施方式还提供了一种农产品用药的推荐系统，包括：采集器、处理器、追溯系统数据库、客户端；采集器用于采集农产品种植区的图像信息；处理器与采集器相连，用于根据图像信息获取农产品种植区的病虫害信息，并根据病虫害信息，在预先建立的追溯系统数据库中查询与病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息；处理器还用于根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息。
本发明实施方式相对于现有技术而言，通过采集农产品种植区的图像信息；根据图像信息获取农产品种植区的病虫害信息；根据病虫害信息，在预先建立的追溯系统数据库中查询与病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息；根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息。根据采集的图像信息可以有效地获取农产品种植区的病虫害信息，由于追溯系统数据库中存储了与病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息，因此如果获取了当前农产品种植区的病虫害信息，就可以在追溯系统数据库中查询到与病虫害信息对应的用药信息，及与其对应的用药反馈信息。根据查询到的用药信息和用药反馈信息有利于生成推荐的用药信息，将推荐的用药信息发送给客户端，使得管理者可以获取相应的用药信息，从而使得农产品上的病虫害及时被消除，有利于农产品的正常生长。同时本实施方式中，无需根据管理者的经验确定用药信息，避免了由于人工经验带来的误差，直接利用农产品追溯信息即病虫害数据库中存储的数据，得到推荐的用药信息，方便了种植人员制定用药计划，有利于保证种植管理的效果。
另外，追溯系统数据库中存储有针对同一批次农产品的病虫害信息与用药信息的第一对应关系，以及针对同一批次农产品的用药信息与用药反馈信息的第二对应关系；在预先建立的追溯系统数据库中查询与病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息，具体包括：在追溯系统数据库中查询与农产品种植区的病虫害信息相匹配的病虫害信息；若查询到匹配的病虫害信息，则根据第一对应关系查询到与匹配的病虫害信息属于同一批次的用药信息；根据查询到的用药信息，以及第二对应关系，获取到与匹配的病虫害信息属于同一批次的用药反馈信息。由于不同批次的农产品生长状况有所差异，因此，不同批次的农产品在用药上也存在差异。在查询用药信息和用药反馈信息时，将查询的范围锁定在同一批次，使得查询到的用药信息和用药反馈信息更具针对性，有利于对症下药，从而及时消除病虫害对农产品的危害。
另外，根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息，具体包括：判断查询到的用药信息是否大于一种；若查询到的用药信息大于一种，则根据查询的用药信息对应的用药反馈信息，对查询到的用药信息进行筛选；将筛选后的用药信息，作为推荐的用药信息。通过根据选择的用药信息对应的用药反馈信息，对选择的用药信息进行再次筛选，使得再次筛选出的用药信息是用药反馈信息中反馈较好的。采用用药反馈信息较好的用药信息使得农产品的病虫害可以被快速有效的消除，有利于农产品快速恢复正常的生长，保证种植管理的效果。
另外，病虫害信息包括病虫害类型和病虫害等级；根据图像信息获取农产品种植区的病虫害信息，具体包括：对获取的图像信息进行识别，得到农产品种植区的病虫害特征信息；根据病虫害特征信息，在预先建立的病虫害数据库中查询与病虫害特征信息对应的病虫害类型和病虫害等级。由于病虫害不同的特征信息都会影响到用药信息，因此通过得到与农产品种植区的病虫害特征信息对应的病虫害类型和病虫害等级，使得可以进一步根据更细节的病虫类型和病虫害等级查询用药信息，有利于将更具针对性用药信息推荐给管理者，使得管理者获得有效地用药计划，从而及时消除病虫害对农产品的危害。
另外，对获取的图像信息进行识别，具体包括：对图像信息进行区域划分，识别各区域的病虫害特征信息；根据病虫害特征信息，在预先建立的追溯系统数据库中查询与病虫害特征信息对应的病虫害类型和病虫害等级，具体为：根据各区域的病虫害特征信息，在预先建立的追溯系统数据库中分别查询与各区域的病虫害特征信息对应的病虫害类型和病虫害等级；推荐的用药信息包括：用药的种类、用药的用量和用药的区域位置；其中，用药的区域位置根据病虫害所在的区域位置生成。通过对图像信息进行区域划分，有利于识别出各个区域的病虫害特征信息，并根据识别的病虫害得出用药的区域，使得管理者可以在大面积的农产品种植区域中快速获知应该进行用药的位置。同时，推荐的用药信息包括：用药的种类、用药的用量和用药的区域位置使得管理者可以获知用药的诸多细节，更好的指导管理者制定用药计划，从而有利于对病虫害进行有效的防治。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是根据本发明第一实施方式的农产品用药的推荐方法的流程示意图；
图2是根据本发明第二实施方式的农产品用药的推荐方法的流程示意图；
图3是根据本发明第三实施方式的农产品用药的推荐系统的结构示意图；
图4是根据本发明第三实施方式的农产品用药的推荐系统中处理器的结构示意图；
图5是根据本发明第四实施方式的农产品用药的推荐系统中处理器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。
本发明的第一实施方式涉及一种农产品用药的推荐方法。本实施方式的核心在于，采集农产品种植区的图像信息；根据图像信息获取农产品种植区的病虫害信息；根据病虫害信息，在预先建立的追溯系统数据库中查询与病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息；根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息；使得可以利用农产品追溯信息，得到推荐的用药信息，方便了种植人员制定用药计划，有利于保证种植管理的效果。下面对本实施方式的农产品用药的推荐方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
本发明第一实施方式的农产品用药的推荐方法的流程示意图如图1所示，具体包括：
步骤101：采集农产品种植区的图像信息。
具体地说，管理者在管理农产品种植区时，可以在农产品种植区设置视频监控设备，从而对农产品进行拍摄，采集农产品种植区的图像信息，视频监控设备可以为无人机，或是具有拍摄功能的移动终端等智能设备，无人机通过对农产品种植区进行拍摄从而采集图像信息。在实际应用中，还可以结合各种不同的传感器采集农产品种植区的图像信息。当然采集农产品种植区的图像信息可以为实时采集，也可以为周期性采集，还可以根据管理者的要求随时采集。
步骤102：根据图像信息获取农产品种植区的病虫害信息。
具体地说，病虫害信息可以包括病虫害类型和病虫害等级；农产品用药的推荐系统可以对获取的图像信息进行识别，得到农产品种植区的病虫害特征信息；根据病虫害特征信息，在预先建立的追溯系统数据库中查询与病虫害特征信息对应的病虫害类型和病虫害等级，病虫害类型可以理解为如蚜虫、线虫、椿蟓、叶蝉和螨类等危害农产品的虫类，病虫害等级可以理解为病虫害的危害程度。
值得一提的是，农产品用药的推荐系统还可以对图像信息进行区域划分，识别各区域的所述病虫害特征信息；根据各区域的病虫害特征信息，在预先建立的追溯系统数据库中分别查询与各区域的病虫害特征信息对应的病虫害类型和病虫害等级，使得根据图像信息获取的病虫害信息更具区域性，便于管理者在农产品种植的整个区域中有针对性的获取各个小区域中的病虫害信息，从而有利于对整个农产品种植区域的有效管理。
需要说明的是，可以通过大数据建立追溯系统数据库，追溯系统数据库中存储有病虫害信息，病虫害信息除了上述的病虫害类型、病虫害等级和病虫害区域还可以包括病虫害危害、病虫害发生时期和病虫害的表现。比如说，数据库中的存储的病虫害类型为蚜虫的相关数据可以如表1所示，追溯系统数据库中存储的病虫害类型为线虫的相关数据可以如表2所示：
表1
表2
需要说明的是，本实施方式中只是以应用在大棚里为例，上述表格中只是提供两种病虫害数据中存储的常见的病虫害类型及其相关的病虫害信息，在实际应用中并不以此为限。
步骤103：根据病虫害信息，在预先建立的追溯系统数据库中查询与病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息。
具体地说，追溯系统数据库中还会存储不用的病虫害信息对应的用药信息，当然也会记录不同的用药信息对应的用药反馈信息，因此，可以根据获取的农产品种植区的病虫害信息在追溯系统数据库中查询到相对应的用药信息，同时也可以查询到与用药信息对应的用药反馈信息。用药反馈信息可以理解为农产品的病虫害在进行用药后，农产品的恢复速度、病虫害的消灭速度等。
较佳的，追溯系统数据库中存储有针对同一批次农产品的病虫害信息与用药信息的第一对应关系，以及针对同一批次农产品的用药信息与用药反馈信息的第二对应关系。因此，在追溯系统数据库中查询与农产品种植区的病虫害信息相匹配的病虫害信息，若查询到匹配的病虫害信息，则根据第一对应关系查询到与匹配的病虫害信息属于同一批次的用药信息；根据查询到的用药信息，以及第二对应关系，获取到与匹配的病虫害信息属于同一批次的用药反馈信息。也就是说，病虫害信息与用药信息以及用药反馈信息都是同一批次中的农产品信息。比如说，追溯系统数据库中存储的病虫害信息可以为黄瓜第一批次的病虫害信息，那么相应的用药信息和用药反馈信息也为针对黄瓜第一批次的信息。本实施中病虫害信息以蚜虫为例，若获取的第一批次黄瓜的病虫害信息为蚜虫，则在追溯系统数据库中查询蚜虫，若查询到蚜虫，则查询第一批次黄瓜在出现蚜虫时的用药信息，并获取对第一批次黄瓜在出现蚜虫后进行上述用药后的用药反馈信息。在查询用药信息和用药反馈信息时，将查询的范围锁定在同一批次，使得查询到的用药信息和用药反馈信息更具针对性，有利于对症下药，从而及时消除病虫害对农产品的危害。
步骤104：根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息。
具体的说，用药信息可以理解为在不同的防治方法下采用的用药信息。防治方法可以为利用各种有益的生物来防治病虫害的生物防治方法、应用化学农药防治病虫害的方法、以物理农业中的物理植保技术所涉及的土壤病虫害、地上害虫、气传病害的物理防治方法等。用药信息可以包括用药的种类、用药的用量、用药的位置，其中用药的区域位置根据病虫害所在的区域位置生成。比如说，管理者不仅可以通过病虫害类型获知用药的种类；还可以根据病虫害的等级获知用药的用量，可以理解为，病虫害的等级越高，危害越严重，那么用药的量就可能比较多；当然管理者还可以根据病虫害所在的区域位置获知应该在那里用药，因为一般的农产品种植区的种植面积都比较大，获知用药的区域位置减轻了管理者的工作量，也使得管理者可以更有针对性的对病虫害所在的区域进行用药。用药的位置可以理解为农产品种植的不同区域，不同区域的土壤、温度等其他条件也可能存在细微的差异，因此可能导致在用药的细节方面会存在些许不同，比如说，两个大棚内的土壤、水分、气温等种植条件都可能会出现差异，那么即使出现同一类型的病虫害，也可能在具体用药中有所不同。结合用药信息中的种类、用量、位置、对当前的农产品的病虫害进行用药，使得管理者可以获知用药的诸多细节，更好的指导管理者制定用药计划，从而有利于对病虫害进行有效的防治。值得一提的是，用药信息中还可以包括用药人员、药的出厂商、方便了下一次用药可以向对应的用药人员请教，并可以根据存储的药的出厂商选择用药。
值得一提的是，农产品用药的推荐系统还可以将查询到的用药信息发送至客户端，客户端可以为智能手机、电脑等智能设备，管理者可以根据客户端接收到的用药信息，制定相应的用药计划，抓住防治有利时机，及时用药，比如说，不同的病虫害类型推荐的用药信息可以如表3所示。
表3
| 用药时间 | 病虫害类型 | 用药人员 | 批次 | 生产阶段 | 种类 | 用量 | 出厂商 |
| 2017-01-01 | 蚜虫 | 张三 | A111 | 定植 | A药 | 100g | A厂 |
| 2017-01-16 | 线虫 | 李四 | B111 | 育苗 | B药 | 100g | B厂 |
值得一提的是，由于采集农产品种植区的图像信息可以为实时采集也可以为周期性采集，但管理者想通过客户端查看病虫害信息的状况时，如果看到庞大的数据量无疑是一种负担，为了使管理者可以轻松的获取有效的病虫害信息，本实施方式提供了一种方法，比如说，服务器可以对1天内获取的病虫害信息进行逻辑回归分析，在病虫害信息重复的次数大于预设阈值时将上述病虫害信息发送至客户端。本实施方式中的预设时间只是以1天为例，在实际应用中，管理人员可以根据实际需要进行设置。预设阈值也可以由管理人员根据实际需要进行设置，比如说预设阈值为20，那么当病虫害信息重复的次数超过20次时，就将上述病虫害信息输出至客户端。当然，服务器也可以按不同的病虫害信息重复的次数进行排列，重复次数多的排在前面、重复次数少的排在后面，将分析后的排序结果发送至客户端。
较佳的，农产品用药的推荐系统还可以同时获取不同大棚中的病虫害信息，那么就可以对接收到的病虫害信息进行分析，将不同大棚中出现的病虫害信息重复次数最多的病虫害信息输出至客户端，使得管理者可以得知不同大棚中出现次数最多的病虫害信息，从而获知不同大棚中的农产品的主要的病虫害信息，更有针对性的进行病虫害防治。比如说，输出至客户端的病虫害信息可以如表4所示，则表明A大棚出现的线虫较多，B大棚出现的蚜虫较多。
表4
| 病虫害类型 | 病虫害的位置 | 病虫害的特征 | 病虫害的发生时期 | 病虫害的危害 |
| 线虫 | A大棚 | 叶片痕迹 | 2017-12-18 | 烂叶 |
| 蚜虫 | B大棚 | 叶片痕迹 | 2017-12-15 | 烂叶 |
与现有技术相比本发明第一实施方式，通过采集农产品种植区的图像信息；根据图像信息获取农产品种植区的病虫害信息；根据病虫害信息，在预先建立的追溯系统数据库中查询与病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息；根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息；将推荐的用药信息发送至客户端，以供客户端将推荐的用药信息显示给管理者。根据采集的图像信息可以有效地获取农产品种植区的病虫害信息，由于追溯系统数据库中存储了与病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息，因此如果获取了当前农产品种植区的病虫害信息，就可以在追溯系统数据库中查询到与病虫害信息对应的用药信息，及与其对应的用药反馈信息。根据查询到的用药信息和用药反馈信息有利于生成推荐的用药信息，将推荐的用药信息发送给客户端，使得管理者可以获取相应的用药信息，从而使得农产品上的病虫害及时被消除，有利于农产品的正常生长。同时本实施方式中，无需根据管理者的经验确定用药信息，避免了由于人工经验带来的误差，直接利用农产品追溯信息即病虫害数据库中存储的数据，得到推荐的用药信息，方便了种植人员制定用药计划，有利于保证种植管理的效果。
本发明的第二实施方式涉及一种农产品用药的推荐方法。第二实施方式是第一实施方式的进一步改进，主要改进之处在于：根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息，具体包括：判断查询到的用药信息是否大于一种；若查询到的用药信息大于一种，则根据查询的用药信息对应的用药反馈信息，对查询到的用药信息进行筛选；将筛选后的用药信息，作为推荐的用药信息。
本发明第二实施方式的农产品用药的推荐方法的流程示意图如图2所示，包括：
步骤201：获取当前农产品的病虫害信息。
步骤202：根据图像信息获取农产品种植区的病虫害信息。
步骤203：根据病虫害信息，在预先建立的追溯系统数据库中查询与病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息。
本实施方式中步骤201至步骤203分别与第一实施方式中步骤101至103大致相同，因此，为避免重复，在此不再一一赘述。
步骤204：判断查询到的用药信息是否大于一种。如果是，则执行步骤205，否则执行步骤206。
具体地说，同一种病虫害信息，因为批次的不同，就可能对应有多个相应的用药信息，多个相应的用药信息就对应有多个用药反馈信息，因此，可以结合多个用药反馈信息在用药信息中进行选择。农产品用药的推荐系统会判断查询到的用药信息的数量是否大于一种，如果当前查询到的用药信息大于一种，则执行步骤205，否则执行步骤206。
步骤205：根据查询的用药信息对应的用药反馈信息，对查询到的用药信息进行筛选，将筛选后的用药信息，作为推荐的用药信息。
具体地说，由于选择的用药信息大于一种，那么根据选择的用药信息对应的用药反馈信息，对选择的用药信息进行再次筛选；获取多个用药反馈信息，可以在多个反馈信息中，选择出效果最佳的用药信息，也可以根据多个用药反馈信息计算出最佳用药信息。总之，结合多个用药反馈信息可以使最终推荐给管理者的用药信息更加有效，更加有利于对病虫害的防治。也就是说，最后推荐的用药信息是多个用药反馈信息中反馈最佳的用药信息。
步骤206：根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息。
步骤206与第一实施方式中步骤104大致相同，为避免重复在此不再赘述。
值得一提的是，在生成推荐的用药信息之后，还可以接收在应用了上述推荐的用药信息之后的用药反馈信息，并根据用药反馈信息对追溯系统数据库进行更新。对追溯系统数据库及时进行更新有利于根据追溯系统数据库中更新的数据对下一次的推荐用药信息提供参考，方便了种植人员制定用药计划，有利于保证种植管理的效果。
与现有技术相比，本发明第二实施方式，判断查询到的用药信息是否大于一种；若查询到的用药信息大于一种，则根据查询的用药信息对应的用药反馈信息，对查询到的用药信息进行筛选；将筛选后的用药信息，作为推荐的用药信息。通过根据选择的用药信息对应的用药反馈信息，对选择的用药信息进行再次筛选，使得再次筛选出的用药信息是用药反馈信息中反馈较好的。采用用药反馈信息较好的用药信息使得农产品的病虫害可以被快速有效的消除，有利于农产品快速恢复正常的生长，保证种植管理的效果。
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明的第三实施例涉及一种农产品用药的推荐系统，如图3所示，包括：采集器301、处理器302、追溯系统数据库303、客户端304。
采集器301用于采集农产品种植区的图像信息。
处理器302与采集器301相连，用于根据图像信息获取农产品种植区的病虫害信息，并根据病虫害信息，在预先建立的追溯系统数据库303中查询与病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息。处理器301还用于对获取的图像信息进行识别，得到农产品种植区的病虫害特征信息，根据病虫害特征信息，在预先建立的病虫害数据库中查询与病虫害特征信息对应的病虫害类型和病虫害等级。
处理器301还用于根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息。
较佳的，农产品用药的推荐系统中还可以包括：客户端304，处理器301还用于将推荐的用药信息发送至客户端304，客户端304用于将推荐的用药信息显示给管理者，使得管理者可以根据推荐的用药信息制定有效地用药计划。
值得一提的是，追溯系统数据库中存储有针对同一批次农产品的病虫害信息与用药信息的第一对应关系，以及针对同一批次农产品的用药信息与用药反馈信息的第二对应关系。处理器301的结构示意图如图4所示，具体包括：匹配单元3011、第一查询单元3012、第二查询单元3013、图像识别单元3014、第三查询单元3015。
匹配单元3011，用于在追溯系统数据库中查询与农产品种植区的病虫害信息相匹配的病虫害信息；
第一查询单元3012，用于在匹配单元3011得到匹配的病虫害信息时，根据第一对应关系查询到与匹配的病虫害信息属于同一批次的用药信息；
第二查询单元3013，用于根据查询到的用药信息，以及第二对应关系，获取到与匹配的病虫害信息属于同一批次的用药反馈信息；
图像识别单元3014，用于对图像信息进行区域划分，识别各区域的病虫害特征信息；
第三查询单元3015，用于根据各区域的病虫害特征信息，在预先建立的病虫害数据库中分别查询与各区域的病虫害特征信息对应的病虫害类型和病虫害等级。
不难发现，本实施例为与第一实施例相对应的农产品用药的推荐系统的实施例，第一实施例为农产品用药的推荐方法的实施例，本实施例可以与第一实施例互相配合实施。第一实施例中提到的相关技术细节在本实施例中依然有效，为了减少重复，这里不再赘述。相应地，本实施例中提到的相关技术细节也可应用在第一实施例中。
本发明的第四实施例涉及一种农产品用药的推荐系统，第四实施例是第三实施例的进一步改进，主要改进之处在于：处理器301还包括：判断单元3016、筛选单元3017。本实施方式中的农产品用药的推荐系统中处理器的结构示意图如图5所示。
判断单元3016，用于判断第一查询单元3012查询到的用药信息是否大于一种；
筛选单元3017，用于在第一查询单元3012查询到的用药信息大于一种时，根据查询的用药信息对应的用药反馈信息，对用药信息进行筛选，并将筛选后的用药信息，作为所述推荐的用药信息。
不难发现，本实施例为与第二实施例相对应的农产品用药的推荐系统的实施例，第二实施例为农产品用药的推荐方法的实施例，本实施例可以与第二实施例互相配合实施。第二实施例中提到的相关技术细节在本实施例中依然有效，为了减少重复，这里不再赘述。相应地，本实施例中提到的相关技术细节也可应用在第二实施例中。
值得一提的是，本实施例中所涉及到的各单元均为逻辑单元，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本申请的创新部分，本实施例中并没有将与解决本申请所提出的技术问题关系不太密切的单元引入，但这并不表明本实施例中不存在其它的单元。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
Claims (10)
1.一种农产品用药的推荐方法，其特征在于，包括：
采集农产品种植区的图像信息；
根据所述图像信息获取所述农产品种植区的病虫害信息；
根据所述病虫害信息，在预先建立的追溯系统数据库中查询与所述病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息；
根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息。
2.根据权利要求1所述的农产品用药的推荐方法，其特征在于，所述追溯系统数据库中存储有针对同一批次农产品的病虫害信息与用药信息的第一对应关系，以及针对同一批次农产品的用药信息与用药反馈信息的第二对应关系；
所述在预先建立的追溯系统数据库中查询与所述病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息，具体包括：
在所述追溯系统数据库中查询与所述农产品种植区的病虫害信息相匹配的病虫害信息；
若查询到匹配的病虫害信息，则根据所述第一对应关系查询到与所述匹配的病虫害信息属于同一批次的用药信息；
根据查询到的所述用药信息，以及所述第二对应关系，获取到与所述匹配的病虫害信息属于同一批次的用药反馈信息。
3.根据权利要求2所述的农产品用药的推荐方法，其特征在于，所述根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息，具体包括：
判断查询到的用药信息是否大于一种；
若查询到的用药信息大于一种，则根据查询的用药信息对应的用药反馈信息，对所述查询到的用药信息进行筛选；
将筛选后的用药信息，作为所述推荐的用药信息。
4.根据权利要求1所述的农产品用药的推荐方法，其特征在于，所述病虫害信息包括病虫害类型和病虫害等级；
所述根据所述图像信息获取所述农产品种植区的病虫害信息，具体包括：
对获取的所述图像信息进行识别，得到所述农产品种植区的病虫害特征信息；
根据所述病虫害特征信息，在预先建立的追溯系统数据库中查询与所述病虫害特征信息对应的病虫害类型和病虫害等级。
5.根据权利要求4所述的农产品用药的推荐方法，其特征在于，所述对获取的所述图像信息进行识别，具体包括：
对所述图像信息进行区域划分，识别各区域的所述病虫害特征信息；
所述根据所述病虫害特征信息，在预先建立的追溯系统数据库中查询与所述病虫害特征信息对应的病虫害类型和病虫害等级，具体为：
根据各区域的所述病虫害特征信息，在预先建立的追溯系统数据库中分别查询与各区域的所述病虫害特征信息对应的病虫害类型和病虫害等级；
所述推荐的用药信息包括：用药的种类、用药的用量和用药的区域位置；其中，所述用药的区域位置根据病虫害所在的区域位置生成。
6.一种农产品用药的推荐系统，其特征在于，包括：采集器、处理器、追溯系统数据库；
所述采集器用于采集农产品种植区的图像信息；
所述处理器与所述采集器相连，用于根据所述图像信息获取所述农产品种植区的病虫害信息，并根据所述病虫害信息，在预先建立的追溯系统数据库中查询与所述病虫害信息相对应的用药信息，以及与用药信息相对应的用药反馈信息；
所述处理器还用于根据查询到的用药信息以及用药反馈信息，生成推荐的用药信息并将所述推荐的用药信息。
7.根据权利要求6所述的农产品用药的推荐系统，其特征在于，所述追溯系统数据库中存储有针对同一批次农产品的病虫害信息与用药信息的第一对应关系，以及针对同一批次农产品的用药信息与用药反馈信息的第二对应关系；
所述处理器具体包括：
匹配单元，用于在所述追溯系统数据库中查询与所述农产品种植区的病虫害信息相匹配的病虫害信息；
第一查询单元，用于在所述匹配单元得到匹配的病虫害信息时，根据所述第一对应关系查询到与所述匹配的病虫害信息属于同一批次的用药信息；
第二查询单元，用于根据查询到的所述用药信息，以及所述第二对应关系，获取到与所述匹配的病虫害信息属于同一批次的用药反馈信息。
8.根据权利要求7所述的农产品用药的推荐系统，其特征在于，所述处理器还包括：
判断单元，用于判断所述第一查询单元查询到的用药信息是否大于一种；
筛选单元，用于在所述第一查询单元查询到的用药信息大于一种时，根据查询的用药信息对应的用药反馈信息，对所述用药信息进行筛选，并将筛选后的用药信息，作为所述推荐的用药信息。
9.根据权利要求6所述的农产品用药的推荐系统，其特征在于，所述病虫害信息包括病虫害类型和病虫害等级；
所述处理器具体用于对获取的所述图像信息进行识别，得到所述农产品种植区的病虫害特征信息，根据所述病虫害特征信息，在预先建立的病虫害数据库中查询与所述病虫害特征信息对应的病虫害类型和病虫害等级。
10.根据权利要求9所述的农产品用药的推荐系统，其特征在于，所述处理器具体包括：
图像识别单元，用于对所述图像信息进行区域划分，识别各区域的所述病虫害特征信息；
第三查询单元，用于根据各区域的所述病虫害特征信息，在预先建立的病虫害数据库中分别查询与各区域的所述病虫害特征信息对应的病虫害类型和病虫害等级；
所述推荐的用药信息包括：用药的种类、用药的用量和用药的区域位置；其中，所述用药的区域位置根据病虫害所在的区域位置生成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711499027.XA CN108197266A (zh) | 2017-12-29 | 2017-12-29 | 一种农产品用药的推荐方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711499027.XA CN108197266A (zh) | 2017-12-29 | 2017-12-29 | 一种农产品用药的推荐方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108197266A true CN108197266A (zh) | 2018-06-22 |
Family
ID=62587800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711499027.XA Pending CN108197266A (zh) | 2017-12-29 | 2017-12-29 | 一种农产品用药的推荐方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108197266A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108898508A (zh) * | 2018-06-28 | 2018-11-27 | 四川科库科技有限公司 | 一种病虫害治理方案生成方法及装置 |
| CN110309340A (zh) * | 2019-06-24 | 2019-10-08 | 杭州嘉灏生态农业科技有限公司 | 农作物生长异常状况的预警方法及预警装置 |
| CN113223660A (zh) * | 2021-05-14 | 2021-08-06 | 北京百瑞弘霖有害生物防治科技有限责任公司 | 一种药方获取的方法与装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080157990A1 (en) * | 2006-12-29 | 2008-07-03 | Pioneer Hi-Bred International, Inc. | Automated location-based information recall |
| CN106991619A (zh) * | 2017-06-05 | 2017-07-28 | 河北哲瀚网络科技有限公司 | 一种农作物病虫害智能诊断系统及诊断方法 |
| CN107330887A (zh) * | 2017-07-11 | 2017-11-07 | 重庆邮电大学 | 一种基于深度学习的农作物病虫害防治方案推荐系统 |
-
2017
- 2017-12-29 CN CN201711499027.XA patent/CN108197266A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080157990A1 (en) * | 2006-12-29 | 2008-07-03 | Pioneer Hi-Bred International, Inc. | Automated location-based information recall |
| CN106991619A (zh) * | 2017-06-05 | 2017-07-28 | 河北哲瀚网络科技有限公司 | 一种农作物病虫害智能诊断系统及诊断方法 |
| CN107330887A (zh) * | 2017-07-11 | 2017-11-07 | 重庆邮电大学 | 一种基于深度学习的农作物病虫害防治方案推荐系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108898508A (zh) * | 2018-06-28 | 2018-11-27 | 四川科库科技有限公司 | 一种病虫害治理方案生成方法及装置 |
| CN110309340A (zh) * | 2019-06-24 | 2019-10-08 | 杭州嘉灏生态农业科技有限公司 | 农作物生长异常状况的预警方法及预警装置 |
| CN113223660A (zh) * | 2021-05-14 | 2021-08-06 | 北京百瑞弘霖有害生物防治科技有限责任公司 | 一种药方获取的方法与装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Barel et al. | Legacy effects of diversity in space and time driven by winter cover crop biomass and nitrogen concentration | |
| Ewald et al. | Influences of extreme weather, climate and pesticide use on invertebrates in cereal fields over 42 years | |
| Paredes et al. | Is ground cover vegetation an effective biological control enhancement strategy against olive pests? | |
| CN108197266A (zh) | 一种农产品用药的推荐方法和系统 | |
| Akshatha et al. | Implementation of machine learning algorithms for crop recommendation using precision agriculture | |
| Anderson et al. | The influence of conservation field margins in intensively managed grazing land on communities of five arthropod trophic groups | |
| Pavageau et al. | Nesting sites of giant honeybees modulated by landscape patterns | |
| Naseri et al. | Towards a better understanding of agronomic and soil basis for possible charcoal root rot control and production improvement in bean | |
| Ruiz-Ballesteros et al. | Nature as praxis: Kitchen gardens and naturalization in Alájar (Sierra de Aracena, Spain) | |
| CN113010529A (zh) | 基于知识图谱的作物管理方法和装置 | |
| Reganold | Comparing organic and conventional farming systems: metrics and research approaches | |
| Choudhury et al. | Spinach growers value host resistance and synthetic fungicides in the fight against downy mildew | |
| Darapuneni et al. | Association of flax seed yield and its components in Southeast Texas using path coefficient and biplot analyses | |
| Narayanan | Geography matters: Evidence and implications of spatial selection in contract farming schemes in Southern India | |
| Räsänen et al. | Temporal dynamics of pesticide use in three field vegetable crops with respect to sowing date and degree days | |
| Marchetto et al. | Viral infection can reduce the net nitrogen inputs of legume break crops and cover crops | |
| Upadhyay et al. | Knowledge level of farmers about integrated pest management practices | |
| Nuti et al. | Cotton Response to Sub‐Surface Drip Irrigation, Planting Date, Cultivar, and Mepiquat Chloride | |
| Babovic et al. | Economic effects of optimization in fruit growing using linear programming | |
| Lum et al. | Evaluation of nicosulfuron for control of speargrass [Imperata cylindrica (L.) Raeuschel] in Nigeria | |
| Kurtener et al. | Tool for fuzzy multi attributive comparison of alternatives | |
| Sebikari | Analysis of costs associated with control of banana xanthomonas wilt (BXW) in Mukono and Luwero Districts, Uganda | |
| Zambri | Perlis sustainability by paddy yield production trend analysis in relationship to economical | |
| Safbani | The effectiveness between biological and chemical method in controlling rats population in oil palm plantation at Mados’s Lenggor, Kahang, Johor | |
| Mohd Ayob et al. | The survey on type of method that used in controlling the beetles in rice storage in Melaka Tengah, Melaka |
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: 20180622 |