CN108510102A - 一种采用大数据计算策略的水肥一体化灌溉控制方法 - Google Patents
一种采用大数据计算策略的水肥一体化灌溉控制方法 Download PDFInfo
- Publication number
- CN108510102A CN108510102A CN201810121618.1A CN201810121618A CN108510102A CN 108510102 A CN108510102 A CN 108510102A CN 201810121618 A CN201810121618 A CN 201810121618A CN 108510102 A CN108510102 A CN 108510102A
- Authority
- CN
- China
- Prior art keywords
- irrigation
- water
- fertilizer
- data
- crops
- 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
- 239000003337 fertilizer Substances 0.000 title claims abstract description 43
- 238000003973 irrigation Methods 0.000 title claims abstract description 33
- 230000002262 irrigation Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000013528 artificial neural network Methods 0.000 claims abstract description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 15
- 210000003608 fece Anatomy 0.000 claims abstract description 14
- 239000007788 liquid Substances 0.000 claims abstract description 14
- 239000010871 livestock manure Substances 0.000 claims abstract description 14
- 238000007637 random forest analysis Methods 0.000 claims abstract description 14
- 230000012010 growth Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000003860 storage Methods 0.000 claims abstract description 4
- 239000002689 soil Substances 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 10
- 238000003066 decision tree Methods 0.000 claims description 7
- 230000035558 fertility Effects 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 241001269238 Data Species 0.000 claims description 2
- 238000000205 computational method Methods 0.000 claims description 2
- 210000005036 nerve Anatomy 0.000 claims 1
- 239000000463 material Substances 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 5
- 238000012271 agricultural production Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000009605 growth rhythm Effects 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Hydroponics (AREA)
- Fertilizers (AREA)
Abstract
本发明公开了一种采用大数据计算策略的水肥一体化灌溉控制方法,采用Hadoop构建农作物水肥一体化大数据智能灌溉计算平台,计算平台采用HDFS进行数据的分布式存储,采用并行化编程框架MapReduce进行并行化运算;采用随机森林算法对已存储的农作物不同生长期的需水需肥规律数据以及从物联网传感器采集的生长环境数据进行分类处理,得到农作物不同生长态势的分类模型;采用BP神经网络算法对步骤2中分类模型建模,并采用BP神经网络算法拟合分析,得到得到的灌溉控制决策指令。本发明的有益效果是有效节约水肥资源,提高水肥利用率,节约人力物力。
Description
技术领域
本发明属于农业灌溉技术领域,涉及一种采用大数据处理技术的水肥一体化灌溉控制方法及其实现。
背景技术
随着现代科技的发展以及互联网技术的广泛应用,农作物生长环境信息的获取以及灌溉施肥方案的制定逐渐专业化,在农业数据信息获取更加高效便捷的同时,数据也呈几何级数增长。如何充分利用宝贵的农业数据资源,将数据变知识,提高我国的农业生产效率,增加农业生产效能,提高农民的收入,是我国农业生产中面临的重要课题。
就施肥灌溉而言,传统灌溉方式渗漏损失严重,效率低,一些土质较差的渠道输水损失甚至高达70%以上。此外,我国是肥料使用大国,但由于施肥技术、肥料生产、产品不合理等多方面原因导致我国的肥料当季利用率低,更严重的是肥料的大量不合理使用导致我国部分土壤结构改变、土壤肥力下降、土壤盐碱化严重。有些地区虽然采用了水肥一体化灌溉技术,但智能化决策水平较低,不能根据农作物的生长状况及需水需肥规律进行合理灌溉。
依靠人为经验的水肥一体化灌溉方式仍然会造成水肥的大量浪费,且对环境造成不良影响。本专利在Hadoop平台上采用MapReduce并行化编程框架构建农作物水肥一体化灌溉智能决策系统,采用随机森林及BP神经网络算法对农作物水肥一体化灌溉中的数据进行处理分析,将得到的控制决策通过modbus总线下传给下层控制器,实现水肥一体化的精细化灌溉,从而实现农业数据的价值提取和利用,从而有效指导农业生产,最终提高水肥的利用效率。本专利有力践行了农业绿色、节约型发展理念,是用新一代信息技术构建集约型农业发展道路的体现。
发明内容
本发明的目的在于提供一种采用大数据计算策略的水肥一体化灌溉控制方法,本发明的有益效果是通过随机森林算法对农作物生长环境数据进行分析处理,结合农作物不同生长期的需水需肥规律,自动给出灌溉决策,可有效节约水肥资源,提高水肥利用率,节约人力物力。
本发明所采用的技术方案是按照以下步骤进行:
步骤1:采用Hadoop构建农作物水肥一体化大数据智能灌溉计算平台,计算平台采用HDFS进行数据的分布式存储,采用并行化编程框架MapReduce进行并行化运算;
步骤2:采用随机森林算法对已存储的农作物不同生长期的需水需肥规律数据以及从物联网传感器采集的生长环境数据进行分类处理,得到农作物不同生长态势的分类模型;
步骤3:采用BP神经网络算法对步骤2中分类模型建模,并采用BP神经网络算法拟合分析,得到得到的灌溉控制决策指令;
步骤4:根据步骤3中得到的计算结果,研究农作物每个生长态势不同时间粒度上的差分数据、不同生长态势类别之间水肥模型的差距,采用基于神经网络的优化控制策略,寻求最优水肥调整策略,实现作物向更优的态势生长;
步骤5:根据步骤3计算得到的灌溉控制决策指令下发给控制器,实现水肥灌溉决策的智能化控制。
进一步,步骤2中从物联网传感器采集的生长环境数据包括土壤肥力、土壤温湿度、空气温湿度、光照强度。
进一步,步骤2中,随机森林算法是将每一棵决策树的构建过程设计为一个Map过程,然后将构建好的决策树进行组合得到随机森林。
进一步,步骤3计算方法是以步骤2中得到的分类数据做为输入,对于已经设定好的神经网络,使用hw,b(x)表示神经网络最终输出结果:
其中表示第l神经网络层的第i个神经节点的激活值,Wij (l)代表连接线之间的权值。
附图说明
图1是Reduce过程示意图。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
本发明采用大数据计算策略的水肥一体化灌溉控制方法步骤如下:
步骤1:采用分布式系统基础架构Hadoop构建农作物水肥一体化大数据智能灌溉计算平台,其上采用分布式文件系统HDFS进行数据的分布式存储,采用并行化编程框架MapReduce进行并行化运算。
步骤2:采用随机森林算法对已存储的农作物不同生长期的需水需肥规律数据以及从物联网传感器采集的生长环境数据(土壤肥力、土壤温湿度、空气温湿度、光照强度)进行分类处理,得到农作物不同生长态势(状态不良、中等、状态良好)的分类模型。
在Hadoop平台上,对随机森林算法进行并行化运算,由于随机森林算法中每一棵决策树的构建是一个串行化的过程,决策树之间相互独立,互不影响,这样建树过程的并行化就有了可能,可以将每一棵决策树的构建过程设计为一个Map过程,然后将构建好的决策树进行组合得到随机森林,即Reduce过程。具体实现过程如图1所示,这样可以充分利用服务器端的计算资源,实现大数据处理运算。
步骤3:采用BP神经网络算法对步骤2中分类模型建模,实现对作物生长水肥环境的精细化建模。并采用BP神经网络算法拟合分析,以步骤2中得到的分类数据做为输入,对于已经设定好的神经网络,网络参数集合W,b也是确定的,使用hw,b(x)表示神经网络最终输出结果,其具体计算步骤如下:
其中表示第l神经网络层的第i个神经节点的激活值,Wij (l)代表连接线之间的权值。通过上述计算步骤找出步骤2中所示的数据与水肥灌溉的关键影响因子,并结合农作物生长规律给出灌溉决策。
步骤4:优化控制。根据步骤3中得到的计算结果,研究农作物每个生长态势不同时间粒度上的差分数据、不同生长态势类别之间水肥模型的差距,采用基于神经网络的优化控制策略,寻求最优水肥调整策略,实现作物向更优的态势生长。
步骤5:根据步骤3计算得到的灌溉控制决策指令下发给控制器,实现水肥灌溉决策的智能化控制,免去人工干预,提高水肥效率。
本发明在物联网设备采集农作物生长环境数据(主要包括土壤肥力、土壤温湿度、光照强度、空气温湿度)的基础上,结合农作物不同生长期的需水需肥规律,用大数据处理技术及其相应算法进行处理分析,自动给出灌溉决策,并将控制指令下传给下层控制器,提高水肥一体化灌溉的智能化水平,节本提质增效。
本发明通过对历史记录数据及物联网设备采集来的实时数据进行大数据处理分析,并且结合农作物不同生长期的需水需肥规律,构建农作物水肥一体化灌溉智能决策系统,并将在服务器端运算得到的控制策略指令通过modbus总线送达下层的控制器,从而实现水肥一体化灌溉的智能化控制。大数据处理平台采用Hadoop,该部分在服务器端运行,并采用并行计算框架MapReduce实现随机森林算法,对已存储的农作物不同生长期的需水需肥规律数据、从物联网传感器采集的生长环境数据(土壤肥力、土壤温湿度、空气温湿度、光照强度)进行分类分析处理,得到农作物不同生长态势(状态不良、中等、状态良好)的分类模型。然后,采用神经网络算法对分类后数据建模,实现对作物生长的精细化建模。采用BP神经网络算法拟合分析,提取相应参数,寻找关键的水肥及环境影响因子,建立农作物不同生长态势的环境参数模型。该新技术大大提高水肥一体化灌溉的智能化水平,控制更加精细,可有效节约水肥,是大数据技术造福农民农村,促进农村经济社会发展的体现,也符合“智慧农业”的发展趋势。
以上所述仅是对本发明的较佳实施方式而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施方式所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (4)
1.一种采用大数据计算策略的水肥一体化灌溉控制方法,其特征在于按照以下步骤进行:
步骤1:采用Hadoop构建农作物水肥一体化大数据智能灌溉计算平台,计算平台采用HDFS进行数据的分布式存储,采用并行化编程框架MapReduce进行并行化运算;
步骤2:采用随机森林算法对已存储的农作物不同生长期的需水需肥规律数据以及从物联网传感器采集的生长环境数据进行分类处理,得到农作物不同生长态势的分类模型;
步骤3:采用BP神经网络算法对步骤2中分类模型建模,并采用BP神经网络算法拟合分析,得到得到的灌溉控制决策指令;
步骤4:根据步骤3中得到的计算结果,研究农作物每个生长态势不同时间粒度上的差分数据、不同生长态势类别之间水肥模型的差距,采用基于神经网络的优化控制策略,寻求最优水肥调整策略,实现作物向更优的态势生长;
步骤5:根据步骤3计算得到的灌溉控制决策指令下发给控制器,实现水肥灌溉决策的智能化控制。
2.按照权利要求1所述一种采用大数据计算策略的水肥一体化灌溉控制方法,其特征在于:所述步骤2中从物联网传感器采集的生长环境数据包括土壤肥力、土壤温湿度、空气温湿度、光照强度。
3.按照权利要求1所述一种采用大数据计算策略的水肥一体化灌溉控制方法,其特征在于:所述步骤2中,随机森林算法是将每一棵决策树的构建过程设计为一个Map过程,然后将构建好的决策树进行组合得到随机森林。
4.按照权利要求1所述一种采用大数据计算策略的水肥一体化灌溉控制方法,其特征在于:所述步骤3计算方法是以步骤2中得到的分类数据做为输入,对于已经设定好的神经网络,使用hw,b(x)表示神经网络最终输出结果:
其中表示第l神经网络层的第i个神经节点的激活值,Wij (l)代表连接线之间的权值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810121618.1A CN108510102A (zh) | 2018-02-07 | 2018-02-07 | 一种采用大数据计算策略的水肥一体化灌溉控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810121618.1A CN108510102A (zh) | 2018-02-07 | 2018-02-07 | 一种采用大数据计算策略的水肥一体化灌溉控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108510102A true CN108510102A (zh) | 2018-09-07 |
Family
ID=63374949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810121618.1A Pending CN108510102A (zh) | 2018-02-07 | 2018-02-07 | 一种采用大数据计算策略的水肥一体化灌溉控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510102A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116827A (zh) * | 2018-09-19 | 2019-01-01 | 中国农业大学 | 基于物联网的日光温室水肥一体化灌溉控制方法及装置 |
CN109392676A (zh) * | 2018-12-13 | 2019-03-01 | 黑龙江大学 | 一种基于区块链结构的云算法平台控制灌溉施肥的系统 |
CN109685258A (zh) * | 2018-12-14 | 2019-04-26 | 浪潮软件集团有限公司 | 一种基于大数据的智能灌溉模型优化的方法与系统 |
WO2019118460A1 (en) * | 2017-12-11 | 2019-06-20 | The Texas A&M University System | Irrigation system control with predictive water balance capabilities |
CN110009193A (zh) * | 2019-03-07 | 2019-07-12 | 华北水利水电大学 | 考虑下游农业作物适宜生长的水库生态调度方法 |
CN110097473A (zh) * | 2019-04-26 | 2019-08-06 | 仲恺农业工程学院 | 一种农作物生命全周期的数据采集方法、装置及设备 |
CN110113431A (zh) * | 2019-05-23 | 2019-08-09 | 榆林学院 | 一种智能农业物联网系统 |
CN110533547A (zh) * | 2019-09-27 | 2019-12-03 | 中国农业科学院农业信息研究所 | 果蔬水肥调控方法和装置以及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823371A (zh) * | 2014-02-12 | 2014-05-28 | 无锡中科智能农业发展有限责任公司 | 基于神经网络模型的农业精准施肥系统及施肥方法 |
CN105892287A (zh) * | 2016-05-09 | 2016-08-24 | 河海大学常州校区 | 基于模糊判决的农作物灌溉策略及决策系统 |
CN106707767A (zh) * | 2017-03-13 | 2017-05-24 | 山东农业大学 | 基于多源信息融合的大田水肥一体化智能管控系统及方法 |
CN106777845A (zh) * | 2017-03-22 | 2017-05-31 | 南京农业大学 | 基于子窗口重排法提取敏感参数构建小麦叶片白粉病早期监测模型的方法 |
-
2018
- 2018-02-07 CN CN201810121618.1A patent/CN108510102A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823371A (zh) * | 2014-02-12 | 2014-05-28 | 无锡中科智能农业发展有限责任公司 | 基于神经网络模型的农业精准施肥系统及施肥方法 |
CN105892287A (zh) * | 2016-05-09 | 2016-08-24 | 河海大学常州校区 | 基于模糊判决的农作物灌溉策略及决策系统 |
CN106707767A (zh) * | 2017-03-13 | 2017-05-24 | 山东农业大学 | 基于多源信息融合的大田水肥一体化智能管控系统及方法 |
CN106777845A (zh) * | 2017-03-22 | 2017-05-31 | 南京农业大学 | 基于子窗口重排法提取敏感参数构建小麦叶片白粉病早期监测模型的方法 |
Non-Patent Citations (1)
Title |
---|
商志根: "基于神经网络集成的作物需水量预测", 《软件导刊》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019118460A1 (en) * | 2017-12-11 | 2019-06-20 | The Texas A&M University System | Irrigation system control with predictive water balance capabilities |
CN109116827A (zh) * | 2018-09-19 | 2019-01-01 | 中国农业大学 | 基于物联网的日光温室水肥一体化灌溉控制方法及装置 |
CN109392676A (zh) * | 2018-12-13 | 2019-03-01 | 黑龙江大学 | 一种基于区块链结构的云算法平台控制灌溉施肥的系统 |
CN109685258A (zh) * | 2018-12-14 | 2019-04-26 | 浪潮软件集团有限公司 | 一种基于大数据的智能灌溉模型优化的方法与系统 |
CN110009193A (zh) * | 2019-03-07 | 2019-07-12 | 华北水利水电大学 | 考虑下游农业作物适宜生长的水库生态调度方法 |
CN110009193B (zh) * | 2019-03-07 | 2021-09-21 | 华北水利水电大学 | 考虑下游农业作物适宜生长的水库生态调度方法 |
CN110097473A (zh) * | 2019-04-26 | 2019-08-06 | 仲恺农业工程学院 | 一种农作物生命全周期的数据采集方法、装置及设备 |
CN110113431A (zh) * | 2019-05-23 | 2019-08-09 | 榆林学院 | 一种智能农业物联网系统 |
CN110533547A (zh) * | 2019-09-27 | 2019-12-03 | 中国农业科学院农业信息研究所 | 果蔬水肥调控方法和装置以及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510102A (zh) | 一种采用大数据计算策略的水肥一体化灌溉控制方法 | |
Shrivastava et al. | Automatic robotic system design and development for vertical hydroponic farming using IoT and big data analysis | |
CN103081791B (zh) | 红豆杉的营养液栽培方法 | |
CN108781926A (zh) | 基于神经网络预测的大棚灌溉系统及方法 | |
CN110169336A (zh) | 一种大棚种植灌溉系统及方法 | |
CN107896949A (zh) | 一种水肥灌溉自动控制方法及系统 | |
CN109874477A (zh) | 一种农业园区施肥机托管方法及系统 | |
CN112001242B (zh) | 一种智能园艺管理方法和装置 | |
CN106779452A (zh) | 建立农作物数据生长模型的方法 | |
CN107578116A (zh) | 基于双目标免疫粒子群算法的灌溉水资源优化配置方法 | |
CN110533547A (zh) | 果蔬水肥调控方法和装置以及计算机可读存储介质 | |
CN106651149A (zh) | 一种植物生长行为分析方法 | |
CN112700035A (zh) | 一种区域尺度农作物分区水肥管理模式的优化方法 | |
Tokarev | Agricultural crops programmed cultivation using intelligent system of irrigated agrocoenoses productivity analyzing | |
CN201595053U (zh) | 一种模糊灌溉控制系统 | |
CN106416942A (zh) | 一种用于集约化农作物种植的节水灌溉系统 | |
CN116843493B (zh) | 一种基于物联网的油茶林种植生态数字监测管理系统 | |
CN116616019A (zh) | 基于物联网和人工智能的油茶水肥一体化滴灌方法及系统 | |
CN117348650A (zh) | 多花黄精立体种植智能温室综合控制系统 | |
CN106922423A (zh) | 一种智能立体有机生态农场 | |
CN114902936B (zh) | 基于传感器感知技术的智能排碱层结构及系统 | |
Chen et al. | A water-saving irrigation decision-making model for greenhouse tomatoes based on genetic optimization TS fuzzy neural network | |
Wang et al. | Irrigation modulates the effect of increasing temperatures under climate change on cotton production of drip irrigation under plastic film mulching in southern Xinjiang | |
CN107357935A (zh) | 基于程序云的智能种植设备控制方法 | |
Vidhya et al. | Automatic Monitoring of Hydroponics System Using IoT |
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 |
Application publication date: 20180907 |
|
RJ01 | Rejection of invention patent application after publication |