CN108805384B - 用于评估与推荐农作物规范的符合度的系统和方法 - Google Patents
用于评估与推荐农作物规范的符合度的系统和方法 Download PDFInfo
- Publication number
- CN108805384B CN108805384B CN201810235670.XA CN201810235670A CN108805384B CN 108805384 B CN108805384 B CN 108805384B CN 201810235670 A CN201810235670 A CN 201810235670A CN 108805384 B CN108805384 B CN 108805384B
- Authority
- CN
- China
- Prior art keywords
- activity
- agricultural
- crop
- segments
- norm
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000000694 effects Effects 0.000 claims abstract description 274
- 238000003306 harvesting Methods 0.000 claims abstract description 10
- 230000001788 irregular Effects 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 6
- 238000012358 sourcing Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000009333 weeding Methods 0.000 description 5
- 239000012634 fragment Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及用于评估与推荐农作物规范的符合度的系统和方法。农业活动的可追溯性对于市场符合度而言非常关键。仅仅是传统意义上的自动化监测农业活动不能解决由提供一种简单、灵活且可预测的方法所带来的挑战。所述方法有效且实时地监测关于农场的农业活动,且可用于计算所关心的任何农作物的农作物规范。本公开的系统和方法便于自动识别农作物规范,而不论农作物的种类和其相关的农业活动如何。实时监测农业活动还能使农场工作人员得出在农作物规范中动态变化的影响,从而不断地建立与农场相关的基于农业气候区的信息库。调整农作物规范会导致农作物收成的效率和持续性上的可预测的增加,这有助于农场工作人员最优化生产力。
Description
本发明要求的优先权为:于2017年4月27日提交的申请号为201721014956的印度专利申请。该申请的全部内容通过引用并入本文。
技术领域
本文的实施例总体涉及用于耕种或农作物规范的一系列实践方法,更具体而言,涉及用于评估与推荐农作物规范的符合度的方法和系统。
背景技术
每种农作物具有农民必须遵守的关于耕种的一系列实践方法,其被称为农作物规范。为了确保农民在耕种期间遵从农作物规范,有条理的农民通常持有农场日志,该日志保存了用于农作物规范的人工记录以用于可追溯性。对农作物规范的遵守是为了能获得农产品对市场的符合性的重要要素。为了确定推荐的农作物规范确实被遵守,必须从对农作物阶段中活动的视觉观察中且从农场记录中构建构成农作物规范的各种活动的实际顺序,这是十分消耗时间和精力的过程。此外,还存在没有保存记录也不能追溯所有活动的情况,这使得问题更具挑战性。
发明内容
针对由发明人所意识到的在传统系统中的一个或多个上述技术问题,本公开的实施例呈现了技术改良作为解决方案。
在一方面,提供了一种方法,包括:由数据获取模块接收与农场相关的多个输入参数,所述多个输入参数是农作物数据、位置数据以及观察期中与一个或多个农场工作人员相关的农业活动简档的集合;由活动分析器模块,基于与所述观察期的每个子集相对应的农业活动简档的集合来确定至少一个农业活动;由活动排序模块,基于针对所述观察期的每个子集而确定的所述至少一个农业活动来生成针对所述观察期的农业活动序列;以及由分析器模块,基于针对所述观察期而生成的所述农业活动序列来识别所遵循的农作物规范。
在另一方面,提供了一种系统,包括:一个或多个处理器;以及可操作地耦合到所述一个或多个处理器的一个或多个内部数据存储设备,所述一个或多个内部数据存储设备用于存储配置成由所述一个或多个处理器执行的指令,所述指令包括在以下之中:数据获取模块,其被配置成接收与农场相关的多个输入参数,所述多个输入参数是农作物数据、位置数据以及观察期中与一个或多个农场工作人员相关的农业活动简档的集合;活动分析器模块,其配置成基于与所述观察期的每个子集相对应的农业活动简档的集合来确定至少一个农业活动,基于与所述农场相关的基于农业气候区的信息库,所述至少一个农业活动对应于针对所述观察期的子集而识别的具有最大发生频率的农业活动,或者对应于针对所述观察期的子集其发生频率大于预定义门限频率的农业活动;活动排序模块,其基于针对所述观察期的每个子集而确定的所述至少一个农业活动来生成针对所述观察期的农业活动序列;以及分析器模块,其基于针对所述观察期而生成的所述农业活动序列来识别所遵循的农作物规范。
在又一方面,提供一种包括非瞬时计算机可读媒体的计算机程序产品,该非瞬时计算机可读媒体中具有计算机可读程序,其中所述计算机可读程序当执行在计算设备上时,使所述计算设备:接收与农场相关的多个输入参数,所述多个输入参数是农作物数据、位置数据以及观察期中与一个或多个农场工作人员相关的农业活动简档的集合;基于与所述观察期的每个子集相对应的农业活动简档的集合来确定至少一个农业活动;基于针对所述观察期的每个子集而确定的所述至少一个农业活动来生成针对所述观察期的农业活动序列;以及基于针对所述观察期而生成的所述农业活动序列来识别所遵循的农作物规范。
在本公开的实施例中,所述多个输入数据中的一个或多个从以下中的至少一者中获得:部署在(a)可穿戴设备和(b)农场或农场装备上安装的设备中的至少一者的传感器,和通过众包从与所述农场相关的农场工作人员。
在本公开的实施例中,确定至少一个农业活动的步骤包括使用基于监督式学习的分类器,所述基于监督式学习的分类器被配置成学习和识别与农业活动简档相关的农业活动。
在本公开的实施例中,基于与所述农场相关的基于农业气候区的信息库,所述至少一个农业活动对应于针对所述观察期的子集而识别的具有最大发生频率的农业活动,或者对应于针对所述观察期的子集其发生频率大于预定义门限频率的农业活动
在本公开的实施例中,生成针对观察期的农业活动序列的步骤包括生成活动片段序列。所述活动片段与所识别的至少一个农业活动、与其相关的观察期的子集、以及与其相关的位置数据相关。
在本公开的实施例中,识别所遵循的农作物规范的步骤包括:基于相关联的至少一个农业活动的相似性、其相关的所述观察期的子集、其相关的位置数据、和在所述农业活动序列中的至少一个农业活动的位置来融合两个或更多的活动片段以形成所述活动片段序列;以及基于所述活动片段的长度、所述活动片段的位置以及与所述农场相关的基于农业气候区的信息来识别在所述活动片段序列中的不规则的农业活动。
在本公开的实施例中,本文上述方法还包括:参考在与所述农场相关的基于农业气候区的信息库中可得的推荐的农作物规范来评估所遵循的农作物规范的符合度。该评估具体通过将与所述观察期中的活动片段长度相关的至少一个农业活动与在所述推荐农作物规范中对应的至少一个农业活动相比较;基于所述比较指定偏差分数;以及基于不构成所遵循的农作物规范和所述推荐农作物规范的活动片段序列中的一部分的一个或多个活动片段,得出与所关心农作物相关的农作物规范中的动态变化。
在本公开的实施例中,本文上述方法还包括:基于所评估的符合度来生成对至少一个农业活动的预测评估。
在本公开的实施例中,本文上述方法还包括:如果与所述所遵循的农作物规范相关的农作物收成高于在与所述农场相关的基于农业气候区的信息库中的推荐农作物规范相关的农作物收成,则限定所遵循的农作物规范为所关心农作物的推荐农作物规范。
将理解的是,上述一般描述和以下详细描述都仅仅是示例性和解释性的,其不限于所声称的本公开的实施例。
附图说明
将参考附图并从以下详细描述中更好地理解本文的实施例,其中:
图1示出了根据本公开实施例的用于评估与推荐农作物规范的符合度的系统的示例性方框图;
图2是示出一种计算机实施方法的示例性流程图,该方法根据本公开实施例、使用图1的系统而用于评估与推荐农作物规范的符合度。
图3是根据本公开的、基于农业活动简档的集合来确定一个或多个农业活动的示例性示意图。
图4示出了根据本公开实施例的、基于为观察期中每个子集而确定的农业活动来生成针对该观察期的农业活动序列的示例性示意图。
图5示出了根据本公开实施例的活动片段序列的示意图。
图6示出了根据本公开实施例的用于解决短片段情况的流程图。
本领域的技术人员应该理解,本文的任何方框图代表的是体现本文主题的原理的示例性系统的概念性视图。同样,还将理解的是,任何流程图、流程框图、状态转换图、伪代码等代表的是可以基本上呈现在计算机可读媒体中的各种过程,且这些过程可以由计算装置或处理器得以执行,而无论是否明确示出这样的计算装置或处理器。
具体实施方式
参照附图来描述示例性的各个实施例。在附图中,参考标记中最左边的数字表示该参考标记首次出现时所在的附图。为了方便,在任何情况下,相同的参考标记在所有附图中代表相同或相似的部件。尽管在此描述了所公开原理的示例和特征,但是在不脱离所公开的实施例的精神和范围的情况下,可以作出修改、调整和其它实施方式。下文的详细描述旨在被认为仅是示例性的,真正的范围和精神由所附权利要求来表明。
在呈现详细的说明解释之前,请注意,下面所有的讨论,无论是否描述为特定的实施方式,其在本质上都是示例性而非限制性的。
农场活动不可能总是被记录或观察,除非它们发生在很长的时间段中或碰巧被辛勤地记录。农业活动的可追溯性对市场符合度而言非常关键。本公开的方法提供了一种用于识别农作物规范的自动化的简单且灵活的途径,而不论所关心的农作物类型和其相关联的农业活动如何。通过使用战略性地布置在整个农场、农场装备或可穿戴设备中的传感器来实时监测农业活动,这确保了不会丢失任何活动(无论活动有多小)。此外,基于众多因素来分析所收集的大量动态数据,其中该众多因素例如是在其中进行数据收集的时间段、与所收集的数据相关联的位置数据、以及针对所关心的农作物与农场相关联的历史数据。这些因素确保了能够有效地分析所收集的数据,以对与所关心的整个时间段中的每个时间段子集相关联的各种农业活动作出总结。然后融合各个农业活动以获得用于识别所遵循的农作物规范的活动片段序列。本公开的系统和方法提供用于融合所确定的各种农业活动的各个实施例,使得仅忽略那些不规则的所确定的农业活动。本公开的方法和系统还使得农场工作人员可以得出在农作物规范中动态变化的影响。这允许不断地建立与农场相关的基于农业气候区的信息库。调整农作物规范会导致在农作物收成的效率和持续性上有可预期的增长,这帮助农场工作人员最优化生产力。
现在参考附图,更具体地参考图1-图6,其中相似的附图标记始终代表在所有附图中相应的特征。这里示出了优选的实施例,且这些实施例在下文的示例性系统和方法的情况下进行描述。
图1示出了用于评估与推荐农作物规范的符合度的系统100,且图2示出了一种计算机实施方法200的示例性流程图,该方法200根据本公开的实施例、使用系统100来用于评估与推荐农作物规范的符合度。
在一实施例中,系统100包括一个或多个处理器102、通信接口装置或输入/输出(I/O)接口104、以及存储器106(或一个或多个数据存储装置)。所述存储器106(或一个或多个数据存储装置)可操作地耦合到一个或多个处理器102且包括一个或多个模块108。所述一个或多个处理器是硬件处理器,其可实现为一个或多个微处理器、微计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路、和/或基于可操作指令而操纵信号的任何设备。除了其它性能外,处理器还配置成获取且执行存储在存储器中的计算机可读指令。在一实施例中,系统100可实现为一个或多个计算系统,例如膝上型电脑、台式电脑、笔记本电脑、工作站、主机电脑、服务器、网络服务器、云、手持设备、可穿戴设备等。
I/O接口装置104可包括各种软件和硬件接口,例如,网页接口、图形用户接口、物联网(IOT)接口等,且可以便于在各种各样的网络和协议类型(包括:有线网络,例如局域网、电缆等;以及无线网络,例如无线局域网、蜂窝网或卫星)内的多种通信。在一实施例中,I/O接口装置104可包括用于互连多个设备或使多个设备连接到其它服务器的一个或多个端口。
存储器106可包括本领域已知的任何计算机可读媒体,例如包括:易失性存储器(例如静态随机存取存储器(SRAM)和动态随机存取存储器(DRAM)),和/或非易失性存储器(例如只读存储器(ROM)、可擦除可编程ROM、闪存、硬盘、光盘和磁带)。在一实施例中,如所示,系统100的各功能模块108a到108e(参见图1)可存储在存储器106中。
现在将参考图1中所示系统的部件来解释计算机实施方法200的步骤。在一实施例中,数据获取模块108a配置成在步骤202中接收与农场相关的多个输入参数,所述输入参数是农作物数据、位置数据、以及在观察期中与一个或多个农场工作人员相关联的农业活动简档的集合。所述观察期通常是一个耕种季。农作物数据通常包括与农作物有关的所有信息,例如农作物的名称、农作物的种类等。位置数据可以是指任何已知的包括精确位置(例如全球定位系统(GPS)位置)的位置指标,以及如村庄或地区名称这样的一般指标。在一实施例中,在给定时间段中针对农场工作人员的农业活动简档是对样品集的收集,其中每个样品集是从传感器(例如加速度计、陀螺仪、磁力仪等)获得的一系列值。所述传感器可以作为(a)可穿戴设备和(b)农场或农场装备上安装的设备这两者中的至少一者部署。或者,多个输入参数中的一个或多个参数可以通过众包从与农场相关联的农场工作人员获得。从多于一个的农场工作人员处获得的与农业活动有关的众包数据有助于针对任何给定的时间段以容错方式建立农业活动,即:即便少数农场工作人员不遵从推荐的农作物规范,也不会阻碍在给定时间段中的整个农业活动的识别练习。
针对示例性农业活动的农业活动简档可包括沿各个轴在不同时间点感测的加速度值,如下所示:
在一实施例中,活动分析器模块108b配置成在步骤204中基于与观察期的每个子集对应的农业活动简档的集合来确定至少一个农业活动。观察期的子集是预定义的时间段(例如一天或半天),或者是预定义的小时数。假设此处存在具有n(n>=1)个农场工作人员的集合,从这些人员中可以在给定k(k>=1)天的时间段中每天接收农业活动简档。在给定的任何一天中,数据获取模块108a接收所有的农业活动简档作为输入,且将其发送到活动分析器模块108b以确定一个或多个农业活动以作为输出。图3是根据本公开的、基于农业活动简档的集合来确定一个或多个农业活动的示意图。分析与每个农场工作人员的农业活动简档相对应的农业活动以确定相关联的农业活动。在一实施例中,用于确定至少一个农业活动的步骤包括使用基于监督式学习的分类器,其被配置成学习和识别与一个农业活动简档相关联的一个农业活动。农业活动的示例包括:播种、除草、收割等。基于监督式学习的分类器经训练以分别在相应的活动简档的帮助下识别各种农业活动。一旦接受训练,当出现新的活动简档时,分类器能识别新的农业活动。
一旦通过迭代步骤204针对每个农业活动简档为n个农场工作人员中的每一个确定了农业活动,则可识别例如三个农业活动A1、A2和A3。存在一种情形,其中对于观察期内的给定子集,根据基于农业气候区的信息库108e,可以知道对应于实际农业活动的一个或多个农业活动A1、A2和A3。理想情况下,这应该符合在信息库108e中所推荐的农作物规范。假定针对三个活动的频率集合是{F1,F2,F3},则主活动Ai是具有频率Fi的活动,其中Fi=arg max{F1,F2,F3}。活动分析器模块108b用活动Ai来标记观察期中的给定子集。因此,根据本公开,基于与农场相关的基于农业气候区的信息库108e,所述一个或多个农业活动对应于针对时间段的子集所识别的具有最大发生频率的农业活动,或者对应于针对观察期的子集其发生频率大于预定义门限频率的农业活动。还存在另外一种情形,其中多于一个的农业活动被识别为具有最高频率或具有比预定义的门限频率更高的频率。这种情况下,用农业活动列表A_list(d)来标记观察期中的每个子集(例如一天d)。
在一实施例中,活动排序模块108c配置成在步骤204中基于针对观察期中的每个子集而确定的一个或多个农业活动来生成针对观察期的农业活动序列。图4示出根据本公开的实施例、基于针对观察期的每个子集而确定的农业活动来生成针对观察期的农业活动序列的示例性示意图。生成针对观察期的农业活动序列的步骤包括生成活动片段序列(AS1,AS2,…ASn)。所述活动片段与所识别的农业活动相关、与其相关的观察期的子集相关、还与其相关的位置数据相关。
在一实施例中,分析器模块108d配置成在步骤208中基于针对观察期而生成的农业活动序列来识别所遵循的农作物规范。为了从活动片段(AS1,AS2,…ASn)中识别所遵循的农作物规范,融合两个或更多的活动片段。在第一迭代中,标记有相同值的所有相邻的农业活动被融合到相同的活动片段中。例如,观察期的一些子集被标记成农业活动除草(例如A1)。被融合的片段(例如AS1)可表示观察期中的一个阶段,在该阶段中执行了农业活动除草。对于观察期中的、在其中生成了农业活动列表A_list(d)的子集而言,不再有具有绝对多数的明确的农业活动。在这种情况下,如果在列表A_list(d)中的多个农业活动中的一个也是相邻的农业活动,则该农业活动被选为多数农业活动。如果两侧的相邻农业活动都包含在A_list(d)中,则这两者之一基于其在基于农业气候区的信息库108e中可得的所有农业活动的有序列表中的位置而被选为针对观察期中的该子集的活动。任何地形通常被划分为一组农业气候区。对于每个农业气候区,定义农作物的列表以及其相关联的农作物规范。基于农业气候区的信息库108e包括针对所有农业气候区的农作物列表和其相关联的农作物规范。因此,系统100由基于农业气候区的信息库108而更加丰富,且因此提供在乡村中不同农业气候区中生长的农作物的历史。在任何给定的时间点,基于农业气候区的信息库108e提供任何农作物规范阶段或活动片段的最小可能长度l。因此,根据本公开的实施例,融合两个或更多的活动片段(AS1,AS2,…ASn)以基于相关联的至少一个农业活动的相似性、其相关的观察期的子集、其相关的位置数据、和在农业活动序列中的至少一个农业活动的位置来形成活动片段序列。图5示出根据本公开的实施例的活动片段序列的示意图。
如果活动片段的长度小于最小可能长度l,则该活动片段可以被称为短片段。为了识别短片段,从左到右迭代继续进行活动片段的融合,且每个短片段被标记为短片段以进一步分析。图6示出根据本发明的实施例的,用于解决短片段情况的流程图。图6的方法应用到活动片段序列的每个短片段上,从左到右。针对每个片段,要么与相邻的活动片段发生融合,要么没有变化。其中,短片段可以是不规则的或者实际上是预期的短阶段农业活动。在一实施例中,分析器模块108d配置成基于活动片段的长度、活动片段的位置、以及与农场相关的基于农业气候区的信息来识别活动片段序列中不规则的农业活动。根据活动片段的位置以及基于农业气候区的信息中的关于基于相关联的农作物规范而言与短片段相关联的农业活动是否是有效的这一信息,可以将该短片段识别为不规则的。
在一实施例中,基于农业气候区的信息库108e提供农作物阶段所发生的顺序,其独立于确切的农作物阶段。为了确保在所遵循的农作物规范中的阶段符合这些通用要求,系统100为每个农业活动A1,A2,…An,保留被称为prev_list(A)的农业活动列表,该列表必须出现在每个农业活动之前。对于任何活动B而不是A,如果(a)每个包含A的农作物规范也包含活动B,且(b)B总是先于A出现,则B存在于prev_list(A)。A和针对所有农业活动的prev_list(A)都包含在基于农业气候区的信息库108e中。
理想情况下,对于图5中的在{AS1,…,AS5)中的每个活动片段ASx,prev_list(ASx)包含在其前面列出的活动片段。当从左到右扫描序列中的活动片段时,如果片段X的前面是列在prev_list(X)中的片段的集合,则X被称为是满意的。如果至少有一个片段Y没有列在prev_list(X)中,则X被称为是不满意的。例如,如果AS4没有出现在prev_list(AS5)中,则片段AS5是不满意的。在这种情况下,AS4被称为是出问题的活动。从左到右扫描该序列,且对于所有出问题的活动而言,则其要么与最大(长度上)的相邻的满意的活动合并,要么如果其两侧相邻的活动具有相同大小且都是满意的则与左边的活动合并。这样得出的活动片段序列是所遵循的农作物规范。
因此,步骤208识别在给定观察期中的针对所关心农作物的所遵循的农作物规范。在基于农业气候区的信息库108e中可获得在给定观察期中的所关心的农作物的推荐农作物规范。在一实施例中,分析器模块108d配置成在步骤210中参考推荐的农作物规范来评估所遵循的农作物规范的符合度。根据本公开,评估所遵循的农作物规范与推荐农作物规范之间的偏差(如果存在)以通过分数来标记符合度。为了计算方便,假定所遵循的农作物规范和推荐农作物规范是对齐的或具有相同的起始时间。例如,推荐农作物规范(具有活动片段序列{播种:d1,除草:d2,收割:d3})与所遵循的农作物规范(具有活动片段序列{播种:d4,除草:d5,收割:d6})之间的偏差被给予一分数,其中每个元素的形式为:(活动:dx)。dx指示农业活动的持续时间。根据以下用持续时间之间的差异来计算分数(S):
S=1-(1/n)Σi|dn+i-di|/D,推荐农作物规范的长度为n(阶段或活动片段的数量),其中D代表活动片段或阶段的最大可能长度。因此,具有完美符合度的系统具有分数1。
在比较所遵循的农作物规范和推荐农作物规范方面存在两种可能的情况。第一种情况是,所遵循的农作物规范可能不具有推荐农作物规范所具有的活动片段。为了解决这一个问题,设定所遵循的农作物规范具有长度为0的阶段。第二种情况是,所遵循的农作物规范可能具有在推荐农作物规范中不可得的一个或更多阶段(k1,k2,...kj)。在这种情况下,通过减去已知常数来处理偏差分数,对于在所遵循的农作物规范中而不在推荐农作物规范中的每个此类活动片段(阶段),已知常数为平均持续时间mean_d(kj)。在一实施例中,根据在基于农业气候区的信息库108e中可得的推荐农作物规范的阶段长度来限定平均持续时间。因此,结果分数由以下得出:
S=1-(1/n)Σi|dn+i-di|/D–(1/n)Σj mean_d(kj)/D.
因此,步骤210的输出包括在推荐农作物规范中的那些不出现在所遵循的农作物规范中的阶段列表,以及在所遵循的农作物规范中的那些不出现在推荐农作物规范中的阶段列表。在所遵循的农作物规范和推荐农作物规范之间的差异指示了农作物规范中的动态改变。因此,根据本公开,通过将观察期中与活动片段长度相关联的至少一个农业活动与在推荐农作物规范中所对应的至少一个农业活动相比较来评估符合度;基于该比较指定偏差分数;以及基于不构成所遵循的农作物规范和推荐农作物规范的活动片段序列中的一部分的所述一个或多个活动片段,得出与所关心农作物相关联的农作物规范的动态变化。
在一实施例中,分析器模块108d配置成在步骤212基于所评估的符合度来生成对至少一个农业活动的预测评估。如果符合度是好的,则可以使用所遵循的农作物规范与推荐农作物规范之间的相关来生成对未来活动的评估。这可以作为输入提供给市场或农业输入公司,以为接下来的订单或将来的交易作准备。例如,如果所遵循的农作物规范被注意到在耕种季的起始阶段(例如除草、播种、施肥应用)中与所推荐的农作物规范相符合,则农场工作人员可以安全地设定未来活动(例如收割)的期望时间,从而对于未来活动具有前瞻性的计划(劳动力,供应商)。
在一实施例中,分析器模块108d配置成在步骤214(未示出)中如果与所遵循的农作物规范相关联的农作物收成高于与在农场相关联的基于农业气候区的信息库108e中的推荐农作物规范相关联的农作物收成,则限定所遵循的农作物规范为所关心农作物的推荐农作物规范。因此,根据本公开,会不断地建立基于农业气候区的信息库108e,从而为农场工作人员提供丰富且精确的数据库,可以利用该数据库以用于最优化生产力。
在一实施例中,系统100具有分布式架构,架构中一个或多个模块设置在农场本地,且本文所描述的至少一些计算(例如步骤202和204)在本地执行而步骤206到212在远程中央服务器上执行。
本书面说明书描述了本文的主题以使得任何本领域的技术人员可以获得和使用本发明的实施例。此处限定的主题实施例的范围可以包括本领域技术人员能想到的其它修改。这些其它修改如果具有不与权利要求的字面语言不同的相似元件,或如果包含与字面语言没有实质性差异的等效元件,则这些其它修改也包含所述范围之内。
此处限定的主题实施例的范围可以包括本领域技术人员能想到的其它修改。这些其它修改如果具有不与权利要求的字面语言不同的相似元件,或如果包含与字面语言没有实质性差异的等效元件,则这些其它修改也包含所述范围之内。
但是,将理解的是,保护范围延伸到程序以及其中具有消息的计算机可读装置。这种计算机可读存储装置包含程序代码装置,当程序运行在服务器、移动设备或任何可编程设备上时执行所述方法的一个或多个步骤。硬件设备可以是任何类型的可编程的设备,包括例如任何类型的计算机(诸如服务器或个人电脑等)或其组合。设备还可以包括的装置可以是例如硬件装置(诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA))、硬件和软件装置的组合(例如ASIC和FPGA)、或至少一个微处理器和至少一个其中具有软件模块的存储器。因此,装置可包括硬件装置和软件装置两者。设备还可以包括软件装置。或者,本公开的实施例可以实现在不同的硬件设备上,例如使用多个中央处理器(CPU)。
本文的实施例可包括硬件和软件元件。实现在软件中的实施例包括但不限于固件、常驻软件、微代码等。通过本文描述的包括本公开的系统的各种模块而执行的功能可以实现在其它模块上或其它模块组合上。为了描述的目的,计算机可用或计算机可读媒体可以是能包括、存储、传送、传播、或传输程序以由指令执行系统、装置或设备使用或与其相连的任何装置。本文所描述的各个模块可以实现为软件和/或硬件模块,且可以存储在任意类型的非瞬时计算机可读媒体上或其它存储设备上。非瞬时计算机可读媒体的一些非限制性示例包括CD、DVD、蓝光光碟(blu-Ray)、闪存和硬盘驱动器。
此外,尽管过程的步骤、方法的步骤、技术等可以描述成以有序的顺序,但是这样的过程、方法和技术可以配置为以不同的顺序工作。换言之,可以描述的关于步骤的任何次序或顺序不必然说明要求该步骤必须以这种顺序来执行。本文所描述的过程的步骤可以以任何实际的顺序来执行。此外,一些步骤可以同时执行。
呈现所示的步骤来解释所示的示例性实施例,且应该预期的是,持续的技术发展将改变在其中执行特定功能的方式。本文所呈现的这些步骤用于说明的目的,而不作为限制。而且,功能性模块的边界在本文被任意地限定,以为了说明的方便。还可以限定其它的边界,只要能适当地执行指定的功能和其关系。基于本文所包含的教导,替代方案(包括本文所描述的那些方案的等同物、延伸物、变型、偏差等)对于相关领域的技术人员而言是显而易见的。这样的替代方案落入本公开实施例的范围和精神中。此外,词语“包括”、“具有”、“含有”、“包含”或其它类似形式旨在表示在含义上是等同的,且是端口开放的,因为在这些词语中任一个后面的项目不是意味着对这种项目的详尽列表,也不意味仅限制于所列出的这些项目。还必须注意的是,在本文和所附权利要求中所使用的单数形式“一”、“一个”和“所述”包括对复数形式的引用,除非上下文明确指出其它情况。
可预期的是,本公开和示例应该被理解为仅仅是示例性的,本公开的实施例的真正范围和精神由所附权利要求指定。
Claims (7)
1.一种处理器实施的方法(200),包括:
由数据获取模块接收(202)与农场相关的多个输入参数,所述多个输入参数是农作物数据、位置数据以及观察期中与一个或多个农场工作人员相关的农业活动简档的集合,且其中所述多个输入数据从作为(a)可穿戴设备和(b)农场或农场装备上安装的设备这两者中的至少一者部署的传感器获得,和通过众包从与所述农场相关的农场工作人员获得;
活动分析器模块利用基于监督式学习的分类器、基于与所述观察期的每个子集相对应的农业活动简档的集合来确定(204)至少一个农业活动,所述基于监督式学习的分类器被配置成学习和识别与农业活动简档相关的农业活动,其中所述基于监督式学习的分类器被训练以在出现所述农业活动简档时识别所述农业活动;
活动排序模块基于针对所述观察期的每个子集而确定的所述至少一个农业活动来生成(206)针对所述观察期的农业活动序列;
分析器模块基于针对所述观察期而生成的所述农业活动序列来识别(208)所遵循的农作物规范;
所述分析器模块参考在与所述农场相关的基于农业气候区的信息库中可得的推荐农作物规范来评估(210)所遵循的农作物规范的符合度;
所述分析器模块基于所评估的所述符合度来生成(212)对所述至少一个农业活动的预测评估;以及
对于所关心农作物,如果与所遵循的农作物规范相关的农作物收成高于与所述推荐农作物规范相关的农作物收成,则所述分析器模块在所述基于农业气候区的信息库中用所遵循的农作物规范更新(214)所述推荐农作物规范,其中对所述基于农业气候区的信息库的更新使得能够基于农作物规范的动态变化和在乡村的所有农业气候区中生长的农作物的历史不断地建立所述基于农业气候区的信息库,
其中识别所遵循的农作物规范包括:
基于所述至少一个农业活动的相似性、其相关的所述观察期的子集、其相关的位置数据、和在所述农业活动序列中的所述至少一个农业活动的位置来融合两个或更多的活动片段以形成活动片段序列,其中为了融合所述两个或更多的活动片段,扫描序列中的活动片段,且将不在前一个列表中的所有活动片段要么与在长度上最大的相邻的满意的活动合并,要么如果两侧相邻的活动具有相同大小且都是满意的则与左边的活动合并,其中所述前一个列表包括发生在所述至少一个农业活动之前的活动片段集合,其中如果活动片段的前面是列在所述前一个列表中的所述活动片段集合,则所述活动片段是满意的活动,且其中如果至少有一个活动片段不在所述前一个列表中,则所述活动片段是不满意的;以及
基于所述活动片段的长度、所述活动片段的位置以及与所述农场相关的基于农业气候区的信息来识别和忽略在所述活动片段序列中的不规则的农业活动,其中为了识别所述不规则的农业活动,扫描序列中的所述活动片段以将每个短的活动片段标记为短片段,且根据所述活动片段的所述位置以及与基于相关联的农作物规范而言与所述短片段相关联的农业活动是否有效相关的所述基于农业气候区的信息,将所述短片段识别为不规则的,且其中如果所述活动片段的长度小于长度1,则将所述活动片段指示为所述短片段。
2.根据权利要求1所述的处理器实施的方法,其中基于与所述农场相关的基于农业气候区的信息库,所述至少一个农业活动对应于针对所述观察期的子集而识别的具有最大发生频率的农业活动,或者对应于针对所述观察期的子集其发生频率大于预定义门限频率的农业活动。
3.根据权利要求2所述的处理器实施的方法,其中针对所述观察期生成农业活动序列的步骤包括生成活动片段序列,所述活动片段与所识别的至少一个农业活动、与其相关的所述观察期的子集、以及与其相关的位置数据相关。
4.根据权利要求1所述的处理器实施的方法,其中评估所述符合度的步骤包括:
将与所述观察期中的活动片段长度相关的所述至少一个农业活动与在所述推荐农作物规范中对应的至少一个农业活动相比较;
基于所述至少一个农业活动的持续时间的差异、所述推荐农作物规中的活动片段的数量以及所述活动片段的长度来计算偏差分数,其中为了计算所述偏差分数,所遵循的农作物规范和所述推荐农作物规范是对齐的或具有相同的起始时间;以及
基于所遵循的农作物规范和所述推荐农作物规范之间的差异,得出与所关心农作物相关的所述农作物规范的所述动态变化,其中所述农作物规范的所述动态变化包括在所述推荐农作物规范中的那些不出现在所遵循的农作物规范中的阶段列表以及在所遵循的农作物规范中的那些不出现在所述推荐农作物规范中的阶段列表。
5.一种系统,包括:
一个或多个处理器(102);以及
可操作地耦合到所述一个或多个处理器(102)的一个或多个内部数据存储设备(106),所述一个或多个内部数据存储设备(106)用于存储被配置成由所述一个或多个处理器(102)执行的指令,所述指令包括在以下之中:
数据获取模块(108a),所述数据获取模块(108a)被配置成接收与农场相关的多个输入参数,所述多个输入参数是农作物数据、位置数据以及观察期中与一个或多个农场工作人员相关的农业活动简档的集合,其中所述多个输入数据从作为(a)可穿戴设备和(b)农场或农场装备上安装的设备这两者中的至少一者部署的传感器获得,和通过众包从与所述农场相关的农场工作人员获得;
活动分析器模块(108b),所述活动分析器模块(108b)被配置成基于与所述观察期的每个子集相对应的农业活动简档的集合来确定至少一个农业活动,基于与所述农场相关的基于农业气候区的信息库(108e),所述至少一个农业活动对应于针对所述观察期的子集而识别的具有最大发生频率的农业活动,或者对应于针对所述观察期的子集其发生频率大于预定义门限频率的农业活动,其中为了确定所述至少一个农业活动,所述活动分析器模块(108b)利用基于监督式学习的分类器,所述基于监督式学习的分类器被配置成学习和识别与农业活动简档相关的农业活动,且其中所述基于监督式学习的分类器被训练以在出现所述农业活动简档时识别所述农业活动;
活动排序模块(108c),所述活动排序模块(108c)被配置成基于针对所述观察期的每个子集而确定的所述至少一个农业活动来生成针对所述观察期的农业活动序列;以及
分析器模块(108d),所述分析器模块(108d)被配置成:
基于针对所述观察期而生成的所述农业活动序列来识别所遵循的农作物规范;
参考在与所述农场相关的基于农业气候区的信息库中可得的推荐农作物规范来评估所遵循的农作物规范的符合度;
基于所评估的所述符合度来生成对所述至少一个农业活动的预测评估;以及
对于所关心农作物,如果与所遵循的农作物规范相关的农作物收成高于与所述推荐农作物规范相关的农作物收成,则在所述基于农业气候区的信息库中用所遵循的农作物规范更新所述推荐农作物规范,其中对所述基于农业气候区的信息库的更新使得能够基于农作物规范的动态变化和在乡村的所有农业气候区中生长的农作物的历史不断地建立所述基于农业气候区的信息库,
其中识别所遵循的农作物规范包括:
基于所述至少一个农业活动的相似性、其相关的所述观察期的子集、其相关的位置数据、和在所述农业活动序列中的所述至少一个农业活动的位置来融合两个或更多的活动片段以形成活动片段序列,其中为了融合所述两个或更多的活动片段,扫描序列中的活动片段,且将不在前一个列表中的所有活动片段要么与在长度上最大的相邻的满意的活动合并,要么如果两侧相邻的活动具有相同大小且都是满意的则与左边的活动合并,其中所述前一个列表包括发生在所述至少一个农业活动之前的活动片段集合,其中如果活动片段的前面是列在所述前一个列表中的所述活动片段集合,则所述活动片段是满意的活动,且其中如果至少有一个活动片段不在所述前一个列表中,则所述活动片段是不满意的;以及
基于所述活动片段的长度、所述活动片段的位置以及与所述农场相关的基于农业气候区的信息来识别和忽略在所述活动片段序列中的不规则的农业活动,其中为了识别所述不规则的农业活动,扫描序列中的所述活动片段以将每个短的活动片段标记为短片段,且根据所述活动片段的所述位置以及与基于相关联的农作物规范而言与所述短片段相关联的农业活动是否有效相关的所述基于农业气候区的信息,将所述短片段识别为不规则的,且其中如果所述活动片段的长度小于长度1,则将所述活动片段指示为所述短片段。
6.根据权利要求5所述的系统,其中所述活动排序模块(108c)进一步被配置成通过生成活动片段序列来生成针对所述观察期的所述农业活动序列,所述活动片段与所识别的至少一个农业活动、与其相关的所述观察期的子集、以及与其相关的位置数据相关。
7.根据权利要求5所述的系统,其中所述分析器模块(108d)进一步被配置成执行:
参考在与所述农场相关的基于农业气候区的信息库中可得的所述推荐农作物规范,通过以下来评估所遵循的农作物规范的所述符合度:
-将与所述观察期中的活动片段长度相关的所述至少一个农业活动与所述推荐农作物规范中对应的至少一个农业活动相比较;
-基于所述至少一个农业活动的持续时间的差异、所述推荐农作物规中的活动片段的数量以及所述活动片段的长度来计算偏差分数,其中为了计算所述偏差分数,所遵循的农作物规范和所述推荐农作物规范是对齐的或具有相同的起始时间;以及
-基于所遵循的农作物规范和所述推荐农作物规范之间的差异,得出与所关心农作物相关的所述农作物规范的所述动态变化,其中所述农作物规范的所述动态变化包括在所述推荐农作物规范中的那些不出现在所遵循的农作物规范中的阶段列表以及在所遵循的农作物规范中的那些不出现在所述推荐农作物规范中的阶段列表。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201721014956 | 2017-04-27 | ||
IN201721014956 | 2017-04-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108805384A CN108805384A (zh) | 2018-11-13 |
CN108805384B true CN108805384B (zh) | 2022-11-18 |
Family
ID=63834658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810235670.XA Active CN108805384B (zh) | 2017-04-27 | 2018-03-21 | 用于评估与推荐农作物规范的符合度的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20180315135A1 (zh) |
JP (1) | JP6618561B2 (zh) |
CN (1) | CN108805384B (zh) |
BR (1) | BR102018005641A2 (zh) |
CO (1) | CO2018004082A1 (zh) |
ZA (1) | ZA201801905B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102144282B1 (ko) * | 2018-07-23 | 2020-08-13 | 건국대학교 산학협력단 | 아쿠아포닉스 장치 및 아쿠아포닉스 장치의 구동 방법 |
KR102143414B1 (ko) * | 2018-07-24 | 2020-08-11 | 건국대학교 산학협력단 | 수경 재배 장치 및 수경 재배 장치의 구동 방법 |
EP3866576A1 (en) * | 2018-10-19 | 2021-08-25 | Basf Se | Computer system and computer-implemented method for optimization of crop protection |
US11684004B2 (en) * | 2019-09-30 | 2023-06-27 | Deere & Company | System and method for suggesting an optimal time for performing an agricultural operation |
US11382260B2 (en) | 2020-02-03 | 2022-07-12 | International Business Machines Corporation | Estimation of crop type and/or sowing date |
CN112450020B (zh) * | 2020-12-04 | 2022-07-29 | 庐山市环绿时代农业科技开发有限公司 | 一种智能化白芨除草方法、装置、存储介质和终端 |
EP4125053A1 (en) * | 2021-07-26 | 2023-02-01 | Tata Consultancy Services Limited | Method and system for identification and classification of different grain and adulterant types |
CN117829551B (zh) * | 2024-03-04 | 2024-06-04 | 四川华恒升科技发展有限公司 | 一种用于农业规划的数据管理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011123564A2 (en) * | 2010-03-31 | 2011-10-06 | Mediamath, Inc. | Systems and methods for integration of a demand side platform |
CN102629299A (zh) * | 2011-12-02 | 2012-08-08 | 吉林大学 | 一种基于计算智能的时间序列多步预报方法 |
CN104200113A (zh) * | 2014-09-10 | 2014-12-10 | 山东农业大学 | 基于高斯过程的物联网数据不确定性度量、预测与野值剔除方法 |
CN107077650A (zh) * | 2014-09-12 | 2017-08-18 | 克莱米特公司 | 用于管理农业活动的方法和系统 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005125242A (ja) * | 2003-10-24 | 2005-05-19 | Maki Mfg Co Ltd | 農産物選別施設における情報管理装置 |
US20060106539A1 (en) * | 2004-11-12 | 2006-05-18 | Choate Paul H | System and method for electronically recording task-specific and location-specific information, including farm-related information |
JP2008148565A (ja) * | 2006-12-14 | 2008-07-03 | Hitachi Software Eng Co Ltd | 圃場管理システムおよびプログラム |
JP5157929B2 (ja) * | 2009-01-16 | 2013-03-06 | 富士通株式会社 | 作業記録装置、作業記録システムおよび作業記録プログラム |
JP5902930B2 (ja) * | 2011-12-02 | 2016-04-13 | ヤンマー株式会社 | 遠隔監視システムの管理サーバ |
CN102496071B (zh) * | 2011-12-12 | 2015-04-15 | 九州海原科技(北京)有限公司 | 一种农业生产活动信息追溯系统 |
US20130173321A1 (en) * | 2011-12-30 | 2013-07-04 | Jerome Dale Johnson | Methods, apparatus and systems for generating, updating and executing a crop-harvesting plan |
JP2014115700A (ja) * | 2012-12-06 | 2014-06-26 | Nec Corp | 要確認度判定装置、要確認度判定方法、及びプログラム |
JP2015122004A (ja) * | 2013-12-25 | 2015-07-02 | 株式会社国際電気通信基礎技術研究所 | 保育行動認識システム、保育行動認識プログラム、保育行動認識方法および保育行動認識装置 |
JP2015208244A (ja) * | 2014-04-24 | 2015-11-24 | パナソニックIpマネジメント株式会社 | 農作業管理方法およびコンピュータプログラム |
WO2015173876A1 (ja) * | 2014-05-12 | 2015-11-19 | 富士通株式会社 | 作物の栽培に関する評価入力方法、作物の栽培に関する評価入力プログラム、および作物の栽培に関する評価入力装置 |
US10109024B2 (en) * | 2014-09-05 | 2018-10-23 | The Climate Corporation | Collecting data to generate an agricultural prescription |
EP3012799A1 (en) * | 2014-10-22 | 2016-04-27 | Tata Consultancy Services Limited | Method and system for integrated crop quality management and crop certification |
US20160125331A1 (en) * | 2014-10-30 | 2016-05-05 | AgriSight, Inc. | Automated agricultural activity determination system and method |
US9696162B2 (en) * | 2015-09-17 | 2017-07-04 | Deere & Company | Mission and path planning using images of crop wind damage |
CN106292282A (zh) * | 2016-08-29 | 2017-01-04 | 孟玲 | 基于大数据的智能农业环境监控系统 |
WO2018068036A1 (en) * | 2016-10-07 | 2018-04-12 | Agrarian Labs, Llc | Deriving farming operations from gps location data |
US10445877B2 (en) * | 2016-12-30 | 2019-10-15 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
US20180189745A1 (en) * | 2017-01-03 | 2018-07-05 | International Business Machines Corporation | System, method and computer program product for estimating, scheduling, and monitoring farm activity |
-
2018
- 2018-03-20 US US15/926,654 patent/US20180315135A1/en not_active Abandoned
- 2018-03-21 CN CN201810235670.XA patent/CN108805384B/zh active Active
- 2018-03-21 BR BR102018005641-7A patent/BR102018005641A2/pt unknown
- 2018-03-22 ZA ZA2018/01905A patent/ZA201801905B/en unknown
- 2018-03-22 JP JP2018053912A patent/JP6618561B2/ja active Active
- 2018-04-17 CO CONC2018/0004082A patent/CO2018004082A1/es unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011123564A2 (en) * | 2010-03-31 | 2011-10-06 | Mediamath, Inc. | Systems and methods for integration of a demand side platform |
CN102629299A (zh) * | 2011-12-02 | 2012-08-08 | 吉林大学 | 一种基于计算智能的时间序列多步预报方法 |
CN104200113A (zh) * | 2014-09-10 | 2014-12-10 | 山东农业大学 | 基于高斯过程的物联网数据不确定性度量、预测与野值剔除方法 |
CN107077650A (zh) * | 2014-09-12 | 2017-08-18 | 克莱米特公司 | 用于管理农业活动的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
BR102018005641A2 (pt) | 2019-02-26 |
CO2018004082A1 (es) | 2018-10-22 |
JP6618561B2 (ja) | 2019-12-11 |
ZA201801905B (en) | 2021-06-30 |
JP2018185800A (ja) | 2018-11-22 |
CN108805384A (zh) | 2018-11-13 |
US20180315135A1 (en) | 2018-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805384B (zh) | 用于评估与推荐农作物规范的符合度的系统和方法 | |
US10768584B2 (en) | Cognitive plant clinic | |
US10586105B2 (en) | Method and system for crop type identification using satellite observation and weather data | |
US11397837B2 (en) | Systems and methods for pest forecasting using historical pesticide usage information | |
US10275240B2 (en) | Dependency rank based on commit history | |
US10555461B2 (en) | Systems and methods for estimating effective pest severity index | |
US20170200101A1 (en) | Systems and methods for optimized task allocation | |
Rahman et al. | Smartphone-based hierarchical crowdsourcing for weed identification | |
WO2020165913A1 (en) | Automated unsupervised localization of context sensitive events in crops and computing extent thereof | |
US10613715B2 (en) | Minimally invasive user metadata | |
EP3032473A1 (en) | Method and system for classifying plant disease through crowdsourcing using a mobile communication device | |
US20130006888A1 (en) | Autotagging Business Processes | |
CN111722303B (zh) | 用于作物管理的温度和降雨量建模 | |
EP4036799A1 (en) | Method and system for providing generalized approach for crop mapping across regions with varying characteristics | |
US20220164900A1 (en) | Determining significant events within an agribusiness system | |
Piggot et al. | How healthy is my project? open source project attributes as indicators of success | |
CA3176293A1 (en) | System and method for automated forest inventory mapping | |
WO2020171211A1 (ja) | 情報処理装置および方法 | |
EP3911570A2 (en) | Method and system for plant health estimation | |
US20170061369A1 (en) | Real-time tracking of status associated with shipment of a plurality of consignments | |
EP4174751A1 (en) | Methods and systems for assessing moral hazard and adverse selection in agricultural insurance | |
RS20180498A1 (sr) | Postupak i sistem za evidentiranje i praćenje rasta i razvoja stabla | |
US20230055902A1 (en) | Method for representing a distributed computing system by graph embedding | |
CN115759978A (zh) | 项目管理方法、系统、设备和存储介质 | |
CN114510681A (zh) | 基于变量优化的对象甄选方法、装置、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |