CN109147933A - 认知植物临床 - Google Patents

认知植物临床 Download PDF

Info

Publication number
CN109147933A
CN109147933A CN201810663341.5A CN201810663341A CN109147933A CN 109147933 A CN109147933 A CN 109147933A CN 201810663341 A CN201810663341 A CN 201810663341A CN 109147933 A CN109147933 A CN 109147933A
Authority
CN
China
Prior art keywords
plant
diagnosis
candidate
image
species
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
Application number
CN201810663341.5A
Other languages
English (en)
Inventor
E.R.安德森
N.N.布鲁克斯鲍威尔
K.N.康利
M.G.基恩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qindarui Co.
Original Assignee
International Business Machines Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of CN109147933A publication Critical patent/CN109147933A/zh
Pending legal-status Critical Current

Links

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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/028—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using expert systems only
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • A01G7/00—Botany in general
    • 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
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
    • G05B23/021—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system adopting a different treatment of each operating region or a different mode of the monitored system, e.g. transient modes; different operating configurations of monitored system
    • 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
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01N—PRESERVATION OF BODIES OF HUMANS OR ANIMALS OR PLANTS OR PARTS THEREOF; BIOCIDES, e.g. AS DISINFECTANTS, AS PESTICIDES OR AS HERBICIDES; PEST REPELLANTS OR ATTRACTANTS; PLANT GROWTH REGULATORS
    • A01N2300/00—Combinations or mixtures of active ingredients covered by classes A01N27/00 - A01N65/48 with other active or formulation relevant ingredients, e.g. specific carrier materials or surfactants, covered by classes A01N25/00 - A01N65/48
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31472—Graphical display of process
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Botany (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Ecology (AREA)
  • Forests & Forestry (AREA)
  • Environmental Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Cultivation Of Plants (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

介绍了方法，计算机程序产品和系统。该方法例如包括：获得包括植物图像的输入，通过使用该图像的视觉识别来识别植物的物种。根据症状分析图像的症状，并从诊断储存库中选择候选诊断。对于各个候选诊断，关联置信度分数和治疗方案。根据治疗模式，提供候选诊断和治疗方案。

Description

认知植物临床
技术领域
本公开涉及认知计算和视觉识别技术，并且更具体地涉及用于为植物护理人员提供临床服务的方法，计算机程序产品和系统。
背景技术
传统上数字技术的园艺应用受到限制，并且当园艺师在他们关心的植物上遇到异常时，向当地专家寻求帮助是理所当然的。
发明内容
通过在一个方面中提供一种方法，现有技术的缺点被克服，并且提供了附加的优点。用于为植物提供临床服务的方法包括，例如：由一个或多个处理器从由关心所述植物的用户配置的照相机获得包括植物图像的输入；由所述一个或多个处理器通过使用所述图像的视觉识别来识别所述植物的物种；由所述一个或多个处理器通过将所述植物的一种或多种视觉症状与记录在诊断储存库中的一种或多种已知诊断相关联，并且通过根据输入将一种或多种候选诊断中的每一种与相应置信度得分相关联，为所述物种生成一种或多种候选诊断的列表；由所述一个或多个处理器将所述列表中的所述一个或多个候选诊断中的每一个映射到相应的治疗方案；以及由所述一个或多个处理器根据预配置的治疗模式来递送列表以及映射到所述列表中的每个候选诊断的对应的治疗方案。
通过本文阐述的技术实现附加特征。其他实施例和方面(包括但不限于计算机程序产品和系统)在本文中详细描述并且被认为是要求保护的本发明的一部分。
附图说明
本发明的一个或多个方面在说明书结尾处作为权利要求书中的实例特别指出并明确要求保护。根据下面结合附图进行的详细描述，本发明的上述和其他目的，特征和优点是显而易见的，其中：
图1描绘了根据本发明阐述的一个或多个实施例的用于提供植物诊断和治疗服务的系统100；
图2描绘了根据本发明阐述的一个或多个实施例的由该系统的认知植物临床引擎执行的流程图；
图3描绘了根据本发明实施例的云计算环境；和
图4描绘了根据本发明实施例的抽象模型层。
具体实施方式
图1描绘了根据本发明阐述的一个或多个实施例的用于提供植物诊断和治疗服务的系统100。
园艺是最受欢迎的消遣之一，也是一个有前途的商业机会。尤其对于爱好者园丁来说，在没有专家帮助的情况下照顾患病植物可能是困难的，因为许多症状对于非专家来说是难以区分的，因为即使对于相同的疾病也有许多植物物种和亚种具有各自的症状和治疗，并且由于特殊原因导致的疾病物种很多，分为表明病原体的生物原因和表明环境因素的非生物原因。因此，正确鉴定植物的植物物种，以准确鉴定症状和诊断该植物物种的疾病，并适当地治疗植物的疾病将是合乎需要的。
系统100提供植物物种识别，基于视觉症状的诊断和对照顾植物101的用户109的治疗服务。植物101可以位于可以通过使用许多因素来指定的环境中，包括但不限于:室内/室外，太阳/阴影时间，光源，室内环境的气流和室外环境的风速，空气/土壤中的水分含量，土壤成分等等。
系统100包括认知植物临床引擎120。物联网(IoT)设备103是可操作地耦合到认知植物临床引擎120的多个IoT设备中的一个。IoT设备103监视和/或控制植物101的环境。物联网(IoT)设备103的示例可以包括但不限于恒温器，温度计，植物生长灯，空调，包括风速计的空气速度指示器，空气质量传感器，各种其他气象仪器，各种园艺设备，例如水培栽培器容器等。因此，IoT设备103捕获与IoT设备103的功能对应的植物101的一种环境数据185类型，并将环境数据185连同与植物101相关联的其他IoT设备一起发送到认知植物临床引擎120。
用户109利用IoT照相机105拍摄植物101的图片，以便在注意到植物101上的某种视觉异常时捕获植物图像181，或者判断植物101是否不具有任何疾病。IoT摄像机105可以直接或经由用户设备107将植物图像181传送给认知植物临床引擎120。IoT摄像机105可以是用户设备107的一部分，通过该用户设备107用户109与认知植物临床引擎120通信。用户设备107的示例可以是智能手机，笔记本电脑，平板电脑等。IoT相机105的示例可以是智能手机的数码相机部分，具有通过各种网络的通信功能的独立数码相机，等等
认知植物临床引擎120可操作地耦合到各种外部工具/数据源，包括一个或多个社交通信平台111，植物目录/诊断储存库113，天气数据源115，土壤数据源117和视觉识别/分析工具119。外部工具111,113,115,117和119的各个功能/数据对于认知植物临床引擎120是容易获得的。
认知植物临床引擎120包括用于尤其是治疗方案(TR)模式125的配置数据，以及各种过程，诸如物种和症状识别过程130、诊断过程140和治疗方案(TR)过程150。物种和症状识别过程130，诊断过程140和治疗方案(TR)过程150指示认知植物临床引擎120的相应功能，并且可以或不可以实施为单独的过程。认知植物临床引擎120根据图2中呈现的操作和相应描述来处理植物图像181和环境数据185。结果，认知植物临床引擎120生成和/或执行诊断和治疗方案199并且向用户109报告，其细节在图2中呈现并且对应描述。
图2描绘了根据本发明阐述的一个或多个实施例的由图1的认知植物临床引擎120执行的流程图。
图2的框表示认知植物临床引擎120的相应操作阶段，其可以或可以不被实施为单独的过程。图2中的每个框可以包括多个过程，子过程和/或操作，包括通过发送请求并通过接收响应于该请求的结果来涉及一个或多个外部工具。
在框210中，认知植物临床引擎120响应于监测植物和发送数据而从IoT设备和/或用户设备获得环境数据和植物图像数据。然后，认知植物临床引擎120继续进行到框220。
在本发明的某些实施例中，IoT照相机可以被配置成被用户手动捕获时将植物图像发送到认知植物临床引擎120。在本发明的某些实施例中，IoT照相机可以被配置为将多个植物图像作为批次发送给认知植物临床引擎120。在本发明的某些实施例中，IoT照相机可以被配置为捕获并定期发送一个或多个植物图像至少一次预定义的测试周期。IoT相机可以是单独的相机设备，和/或用户设备的许多功能之一，诸如智能手机中的相机。在本发明的某些实施例中，植物图像可以是可交换图像文件格式(Exif)。在某些图像文件格式中，植物图像可以嵌入有诸如地理位置和时间戳的元数据，该地理位置指示该植物图像拍摄的位置/地址/坐标，该时间戳指示在该植物图像被捕获的日期和时间。
在框220中，认知植物诊断引擎120通过将植物图像与将视觉特征与相应植物物种相关联的植物目录的内容进行比较来识别植物图像中捕获的植物101的物种。认知植物临床引擎120可进一步利用从框210输入的环境数据来确定物种和/或区分相似物种。然后认知植物临床引擎120继续进行到框230。
在本发明的某些实施例中，认知植物临床引擎120可利用外部视觉识别适用程序和/或图像分析工具，通过分析植物的视觉特征并通过比较列在植物目录中的植物的视觉特征，来识别植物物种。本发明的某些实施例中，认知植物临床引擎120可以利用地理位置数据和时间戳识别户外植物，结合地理位置的气候/土壤数据和时间戳之后的日期和时间的天气记录，以缩小候选植物物种。认知植物临床引擎120可以在识别植物物种时考虑各个植物物种关于气候习性，土壤组成，季节生长模式等的特性。认知植物临床引擎120将植物物种确定为候选物种中和最高可能性相关联的一个物种，其分配给该识别的物种一个置信度分数，该置信度分数指示在植物图像中捕获的植物有多大可能性是该识别的物种。
在框230中，认知植物诊断引擎120通过分析来自框210的输入，从框220确定针对所识别的物种的症状。认知植物临床引擎120在确定每个症状时确定植物的哪些部分的哪些异常类型。植物异常的例子可以包括但不限于：斑点，病变，变色，包括萎黄病，萎//萎凋，腐烂，变形等。植物部分的实例可以包括但不限于根，茎，叶片，叶柄/叶柄，花，种子/果实，叶芽，花芽等，及其组合。然后，认知植物临床引擎120继续进行到框240。
在本发明的某些实施例中，认知植物临床引擎120通过使用外部视觉识别/分析工具对来自框210的植物图像执行分析。认知植物临床引擎120将植物图像中显示的症状与植物目录/诊断储存库中记录的具有已知诊断的症状图像进行比较。认知植物临床引擎120还可以将植物图像与针对与植物图像的所识别物种相同的物种的症状图像以及可以与所识别的指定的植物图像共享某种疾病的倾向的其他物种，因为这种其他物种的症状可能指示植物图像的识别物种的相同诊断。认知植物临床引擎120还可将一年的季节、植物的位置与植物目录/诊断储存库中的症状图像的日期和位置元数据进行比较。认知植物临床引擎120跟踪诊断储存库中的图像和植物图像的相应季节和位置中的相似性，以便将相似性计入对应于植物图像的诊断的置信度分数。由于认知植物临床引擎120可以发现具有已知诊断的症状的多个图像，认知植物临床引擎120利用置信度得分来确定植物图像的最可能的诊断。
在本发明的某些实施例中，认知植物临床引擎120可以进一步分析在社交媒体(SM)上发布的参考图像，其包括与所述植物图像的所识别物种相同物种和/或具有类似的视觉症状的植物。认知植物临床引擎120通过使用视觉识别/分析工具向社交媒体发送关于包括具有类似视觉特征、具有相似视觉症状的的植物物种的已发布图像的查询。认知植物临床引擎120将植物图像发送到视觉识别/分析工具，其从植物图像的特征(例如植物的名称，植物图像中所示的症状的描述等)导出文本分类器。认知植物临床引擎120以与文本分类器等同的术语查询社交媒体，社交媒体通过它搜索发布在社交媒体平台上的图像。某些社交媒体平台可能搜索与SM发布图像相关联的字幕和标签。当由于文本描述没有足够的细节来确定与植物物种和视觉症状的完全匹配而发现部分匹配时，社交媒体平台可以利用SM发布图像对认知植物临床引擎120做出响应。认知植物临床引擎120随后可以如在植物图像的分析中那样通过使用视觉识别/分析工具来进一步分析部分匹配的SM发布图像，以便导出描述SM发布图像的全文本分类器。如果认知植物临床引擎120发现植物图像的文本分类器与SM发布图像的文本分类器相同，则认知植物临床引擎120确定SM发布图像可用作参考图像与植物图像的各种比较以及用于调整与物种鉴定和诊断相关的置信度分数。
认知植物临床引擎120然后检查视觉症状与植物图像的相似性以及包括日期和位置的元数据。此外，认知植物临床引擎120可考虑关于SM发布图像中的视觉症状的评论和讨论，因为评论可能与诊断，症状的地理范围，植物的特定供应商，其他植物护理人员提供的意见，等，相关，这可能有助于诊断以及从框210发现植物图像的视觉症状的原因。类似于视觉症状图像，认知植物临床引擎120追踪SM发布图像与植物图像在相应季节和位置的相似度，并且增加与植物图像的诊断相对应的置信度分数，因为在时间和地点紧密接近的SM发布图像的相同诊断支持制图图像的诊断。
在框240中，认知植物临床引擎120生成候选诊断的列表，其分别与基于框230中针对所识别的物种指定的视觉症状的置信度分数相关联。认知植物临床引擎120在植物目录/诊断储存库中搜索对应于可能已引起从方框230指定的视觉症状的相应植物疾病的一个或多个名称。认知植物临床引擎120包括发现的一种或多种植物疾病名称因为在候选诊断列表中具有匹配的视觉症状。植物疾病的实例可以包括但不限于炭疽病/溃疡病，枯萎病，死亡病，枯萎病，根腐病，冠，病等。某些视觉症状可以容易地与某种植物疾病以及生物和/或非生物原因相关联，并且一些其他视觉症状可能对许多植物疾病而言是共同的。植物疾病的生物学原因通常是由昆虫传播的真菌和细菌。植物疾病的非生物因素可能是环境因素，如干旱，营养缺乏，极端温度，土壤湿度水平，污染等。
认知植物诊断引擎120基于指示植物图像可能与表现出相似视觉症状的参考图像有多接近的因素来评估与候选诊断列表中的每个诊断相关联的各自的置信度分数。置信度得分因子的例子可以是但不限于地理和时间邻近度，与气候，温度和/或季节的兼容性，该区域中确认的相同诊断的数量，经由社交媒体的相同诊断的多个报告，植物图像与确认诊断图像之间的相似性水平，植物图像的其他满足确诊诊断条件的条件等，以及支持或否定基于参考图像的植物图像的诊断的任何证据。认知植物临床引擎120可进一步检查关于植物图像的地理来源的天气数据和土壤数据的诊断，因为这样的非天然环境因素的降水，土壤组成等可指示视觉症状的某些原因。认知植物临床引擎120可以在检测到支持诊断的证据时增加诊断的置信度得分，并且可以在发现否定诊断的证据时降低诊断的置信度得分。认知植物临床引擎120可以进一步通过使用用户反馈等来验证候选诊断。认知植物临床引擎120可以用与高于阈值的置信度分数相关联的物种标识和诊断来更新植物目录/诊断储存库。
例如，如果已知诊断的植物疾病是由某种昆虫传播某物种型的细菌引起的，则当观察到相同类型的昆虫、在由植物图像起源的特定地理边界内由认知植物临床引擎120可搜索的图像中捕获到相同类型的昆虫时，认知植物临床引擎120将增加诊断的置信度得分。
如框230所示，认知植物临床引擎120还可基于分析SM发布图像中的视觉症状来调整候选诊断的置信度分数。在来自植物图像和参考图像的各个症状之间比较包括地理位置，气候和/或季节的环境相关性时，认知植物临床引擎120可以给来自植物目录/诊断储存库的一个参考图像赋予比从框230获得的来自社交媒体的另一参考图像更多的权重，
在方框250中，认知植物临床引擎120将候选诊断列表中的每个候选诊断映射到零个或多个对应的治疗方案。在本发明的某些实施方案中，对应于候选诊断的治疗方案可以被包括在由每个疾病名称索引的植物目录/诊断储存库中。然后，认知植物临床引擎120继续进行到框260。
在本发明的某些实施方案中，认知植物诊断引擎120可以将植物疾病的诊断映射到杀真菌剂治疗，因为已知该植物疾病是由携带一种真菌的昆虫引起的。由于已知植物疾病是由环境条件引起的，所以认知植物临床引擎120可以将另一种植物疾病的另一种诊断映射到关于浇水，土壤养分，照明和/或通风的特定护理方案。
在方框260中，认知植物临床引擎120确定认知植物临床引擎120的治疗模式的当前配置。认知植物临床引擎120根据用户输入、可用IoT设备和相应功能来预配置治疗模式以及执行相应治疗模式所需的其他信息/效用。例如，在本发明的某些实施例中，认知植物临床引擎120可以用来自{自动化，手动}的一个实例
来配置治疗模式。如果认知植物临床引擎120确定治疗模式目前被配置用于自动化治疗，则认知植物临床引擎120继续到方框270。如果认知植物临床引擎120确定目前治疗模式被配置为手动治疗，则认知植物临床引擎120继续进行到框280。
在治疗模式自动化的方框270中，认知植物临床引擎120根据用于与在列表中各个候选诊断的所有置信度得分中的最高置信度得分相关联的候选诊断的预先配置措施自动执行在方框250中映射的治疗方案。认知植物临床引擎120可以具有由用户设置的预配置措施，如{为治疗物质/设备设置顺序}，{控制水供应}，{控制照明}，{控制温度}等等及其组合，根据可用的物联网设备和物联网设备的设置进行预先设定。预先配置的措施可以在处理植物的同时安排一段时间，在此期间，认知植物临床引擎120控制相应的IoT设备以执行治疗制度。认知植物临床引擎120向用户发送指示已经执行了某个预先配置的措施的通知。然后，认知植物临床引擎120终止在框210中获得的针对植物图像的服务。
在方框280中，由于治疗模式是手动的，所以认知植物临床引擎120将在方框250中映射的候选诊断和治疗方案呈现给提交植物图像的用户。认知植物临床引擎120还可以呈现可以由认知植物临床引擎120自动执行但尚未配置的选项，并且便于用户选择自动处理模式。相应地，认知植物临床引擎120可以从用户获得输入并且继续按照用户输入的指示执行治疗方案。然后，认知植物临床引擎120终止在框210中获得的针对植物图像的服务。
本发明的某些实施例可以提供各种技术计算优点，包括基于植物图像的植物的临床诊断和治疗服务。视觉分析植物的图像以识别植物的物种和图像中捕获的视觉症状。物种和候选诊断的确定与相应的置信度分数相关联，其将根据从参考图像检查的证据和参考图像的元数据的各个方面来调整。支持和/或否定证据将反映到物种鉴定和候选诊断的置信度得分上。由于可以配置自动化治疗方案，因此可以通过使用各种物联网(IoT)设备以及根据具有最高置信度得分的候选诊断之一治疗植物的其他系统来实施本发明的某些实施例为所提供的临床服务。本发明的某些实施例可以通过使用云平台/数据中心来实现，并且植物临床服务可以作为个人和/或组织用户的订阅服务来提供。
图3-4描绘了根据本文阐述的一个或多个方面的计算的各个方面，包括云计算系统。
首先应当理解，尽管本公开包括关于云计算的详细描述，但其中记载的技术方案的实现却不限于云计算环境，而是能够结合现在已知或以后开发的任何其它类型的计算环境而实现。
云计算是一种服务交付模式，用于对共享的可配置计算资源池进行方便、按需的网络访问。可配置计算资源是能够以最小的管理成本或与服务提供者进行最少的交互就能快速部署和释放的资源，例如可以是网络、网络带宽、服务器、处理、内存、存储、应用、虚拟机和服务。这种云模式可以包括至少五个特征、至少三个服务模型和至少四个部署模型。
特征包括：
按需自助式服务：云的消费者在无需与服务提供者进行人为交互的情况下能够单方面自动地按需部署诸如服务器时间和网络存储等的计算能力。
广泛的网络接入：计算能力可以通过标准机制在网络上获取，这种标准机制促进了通过不同物种的瘦客户机平台或厚客户机平台(例如移动电话、膝上型电脑、个人数字助理PDA)对云的使用。
资源池：提供者的计算资源被归入资源池并通过多租户(multi-tenant)模式服务于多重消费者，其中按需将不同的实体资源和虚拟资源动态地分配和再分配。一般情况下，消费者不能控制或甚至并不知晓所提供的资源的确切位置，但可以在较高抽象程度上指定位置(例如国家、州或数据中心)，因此具有位置无关性。
迅速弹性：能够迅速、有弹性地(有时是自动地)部署计算能力，以实现快速扩展，并且能迅速释放来快速缩小。在消费者看来，用于部署的可用计算能力往往显得是无限的，并能在任意时候都能获取任意数量的计算能力。
可测量的服务：云系统通过利用适于服务类型(例如存储、处理、带宽和活跃用户帐号)的某种抽象程度的计量能力，自动地控制和优化资源效用。可以监测、控制和报告资源使用情况，为服务提供者和消费者双方提供透明度。
服务模型如下：
软件即服务(SaaS)：向消费者提供的能力是使用提供者在云基础架构上运行的应用。可以通过诸如网络浏览器的瘦客户机接口(例如基于网络的电子邮件)从各种客户机设备访问应用。除了有限的特定于用户的应用配置设置外，消费者既不管理也不控制包括网络、服务器、操作系统、存储、乃至单个应用能力等的底层云基础架构。
平台即服务(PaaS)：向消费者提供的能力是在云基础架构上部署消费者创建或获得的应用，这些应用利用提供者支持的程序设计语言和工具创建。消费者既不管理也不控制包括网络、服务器、操作系统或存储的底层云基础架构，但对其部署的应用具有控制权，对应用托管环境配置可能也具有控制权。
基础架构即服务(IaaS)：向消费者提供的能力是消费者能够在其中部署并运行包括操作系统和应用的任意软件的处理、存储、网络和其他基础计算资源。消费者既不管理也不控制底层的云基础架构，但是对操作系统、存储和其部署的应用具有控制权，对选择的网络组件(例如主机防火墙)可能具有有限的控制权。
部署模型如下：
私有云：云基础架构单独为某个组织运行。云基础架构可以由该组织或第三方管理并且可以存在于该组织内部或外部。
共同体云：云基础架构被若干组织共享并支持有共同利害关系(例如任务使命、安全要求、政策和合规考虑)的特定共同体。共同体云可以由共同体内的多个组织或第三方管理并且可以存在于该共同体内部或外部。
公共云：云基础架构向公众或大型产业群提供并由出售云服务的组织拥有。
混合云：云基础架构由两个或更多部署模型的云(私有云、共同体云或公共云)组成，这些云依然是独特的实体，但是通过使数据和应用能够移植的标准化技术或私有技术(例如用于云之间的负载平衡的云突发流量分担技术)绑定在一起。
云计算环境是面向服务的，特点集中在无状态性,低耦合性,模块性和语意的互操作性,云计算的核心是包含互联节点网络的基础架构。
现在参考图3，其中显示了示例性的云计算环境50。如图所示，云计算环境50包括云计算消费者使用的本地计算设备可以与其相通信的一个或者多个云计算节点10，本地计算设备例如可以是个人数字助理(PDA)或移动电话54A，台式电脑54B、笔记本电脑54C和/或汽车计算机系统54N。云计算节点10之间可以相互通信。可以在包括但不限于如上所述的私有云、共同体云、公共云或混合云或者它们的组合的一个或者多个网络中将云计算节点10进行物理或虚拟分组(图中未显示)。这样，云的消费者无需在本地计算设备上维护资源就能请求云计算环境50提供的基础架构即服务(IaaS)、平台即服务(PaaS)和/或软件即服务(SaaS)。应当理解，图2显示的各类计算设备54A-N仅仅是示意性的，云计算节点10以及云计算环境50可以与任意类型网络上和/或网络可寻址连接的任意类型的计算设备(例如使用网络浏览器)通信。
现在参考图4，其中显示了云计算环境50(图3)提供的一组功能抽象层。首先应当理解，图4所示的组件、层以及功能都仅仅是示意性的，本发明的实施例不限于此。如图所示，提供下列层和对应功能：
硬件和软件层60包括硬件和软件组件。硬件组件的例子包括：主框架61；基于RISC(精简指令集计算机)体系结构的服务器62；服务器63；刀片服务器64；存储设备65；以及网络和网络组件66。在一些实施例中，软件组建包括网络应用服务器软件67和数据库软件68。
虚拟层70提供一个抽象层，该层可以提供下列虚拟实体的例子：虚拟服务器71；虚拟存储器72；虚拟网络73，包括虚拟私有网络；虚拟应用和操作系统74，以及虚拟客户端75。
在一个示例中，管理层80可以提供下述功能：资源供应功能81：提供用于在云计算环境中执行任务的计算资源和其它资源的动态获取；计量和定价功能82：在云计算环境内对资源的使用进行成本跟踪，并为此提供帐单和发票。在一个例子中，该资源可以包括应用软件许可。安全功能：为云的消费者和任务提供身份认证，为数据和其它资源提供保护。用户门户功能83：为消费者和系统管理员提供对云计算环境的访问。服务水平管理功能84：提供云计算资源的分配和管理，以满足必需的服务水平。服务水平协议(SLA)计划和履行功能85：为根据SLA预测的对云计算资源未来需求提供预先安排和供应。
工作负载层90提供云计算环境可能实现的功能的示例。在该层中，可提供的工作负载或功能的示例包括：地图绘制与导航91；软件开发及生命周期管理92；虚拟教室的教学提供93；数据分析处理94；交易处理95；以及处理用于认知植物临床引擎96的组件，如本文所述。
本发明的描述可以是在任何可能的技术细节整合水平上的系统，方法和/或计算机程序产品。计算机程序产品可以包括其上具有用于使处理器执行本发明的各方面的计算机可读程序指令的计算机可读存储介质(或多个介质)。
计算机可读存储介质可以是能够保留和存储供指令执行设备使用的指令的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备，磁存储设备，光存储设备，电磁存储设备，半导体存储设备或前述的任何适当组合。计算机可读存储介质的更具体示例的非穷尽列表包括以下：便携式计算机磁盘，硬盘，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编程只读存储器(EPROM或闪存)，静态随机存取存储器(SRAM)，便携式光盘只读存储器(CD-ROM)，数字多功能盘(DVD)，记忆棒，软盘，机械地编码的装置，例如在其上记录有指令的凹槽中的穿孔卡或凸起结构，以及前述的任何适当组合。这里使用的计算机可读存储介质不应被解释为暂时信号本身，诸如无线电波或其他自由传播的电磁波，通过波导或其他传输介质传播的电磁波(例如，穿过光纤电缆)或通过导线传输的电信号。
这里描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备，或者经由网络(例如，因特网，局域网，宽带)下载到外部计算机或外部存储设备区域网络和/或无线网络。网络可以包括铜传输电缆，光传输光纤，无线传输，路由器，防火墙，交换机，网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令并且转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
用于执行本发明的操作的计算机可读程序指令可以是汇编指令，指令集架构(ISA)指令，机器指令，机器相关指令，微码，固件指令，状态设置数据，配置数据集成电路，或者以一种或多种程序设计语言的任意组合编写的源代码或目标代码，包括面向对象的程序设计语言，诸如Smalltalk，C++等，以及程序性程序设计语言，诸如“C”程序设计语言或类似的编程语言。计算机可读程序指令可以完全在用户的计算机上，部分在用户的计算机上，作为独立的软件包，部分在用户的计算机上，部分在远程计算机上或完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(LAN)或广域网(WAN)，或者可以连接到外部计算机(用于例如，通过互联网使用互联网服务提供商)。在一些实施例中，包括例如可编程逻辑电路，现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以个性化电子电路，以执行本发明的各个方面。
这里参考根据本发明实施例的方法，装置(系统)和计算机程序产品的流程图和/或框图来描述本发明的各方面。应该理解，流程图和/或框图中的每个框以及流程图和/或框图中的框的组合可以通过计算机可读程序指令来实现。
这些计算机可读程序指令可被提供给通用计算机，专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机的处理器或其他处理器执行的指令可编程数据处理设备创建用于实现在流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令还可以被存储在计算机可读存储介质中，该计算机可读存储介质可以指导计算机，可编程数据处理设备和/或其他设备以特定方式运行，使得其中存储有指令的计算机可读存储介质包括制造物品，其包括实现在流程图和/或框图的一个或多个方框中指定的功能/动作的各方面的指令。
计算机可读程序指令还可以被加载到计算机，其他可编程数据处理设备或其他设备上以使得在计算机，其他可编程装置或其他设备上执行一系列操作步骤以生成计算机实现的过程，使得在计算机，其他可编程装置或其他设备上执行的指令实现在流程图和/或框图的一个或多个框中指定的功能/动作。
附图中的流程图和框图图示了根据本发明的各种实施例的系统，方法和计算机程序产品的可能实现的架构，功能和操作。就这一点而言，流程图或框图中的每个框可表示指令的模块，段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方式中，方框中提到的功能可以不按照附图中指出的顺序发生。例如，取决于所涉及的功能，连续示出的两个框实际上可以基本上同时执行，或者框有时可以以相反的顺序执行。还将注意到，框图和/或流程图的每个框以及框图和/或流程图中的框的组合可以由执行指定功能或动作的基于专用硬件的系统来实现，或者执行特殊用途硬件和计算机指令的组合。
这里使用的术语仅仅是为了描述特定实施例的目的，而不意图是限制性的。如本文所使用的，除非上下文另外明确指出，否则单数形式“一”，“一个”和“该”旨在也包括复数形式。应进一步理解的是，术语“包括”(以及任何形式的包含，诸如“包含”和“包含”)，“具有”(以及任何形式的具有诸如“具有”和“具有”“include”(以及任何形式的包含，如“includes”和“including”)和“contains”(以及任何形式的包含，如“contains”和“contains”)都是开放式连接动词。结果，“包括”，“具有”，“包括”或“含有”一个或多个步骤或元素的方法或设备具有那些一个或多个步骤或元素，但不限于仅拥有那些或更多步骤或元素。类似地，“包括”，“具有”，“包括”或“含有”一个或多个特征的方法或设备的元件的步骤具有这些一个或多个特征，但不限于仅具有那些特征或更多功能。此外，以某种方式配置的设备或结构至少以该方式配置，但也可以以未列出的方式配置。
如果有的话，下面的权利要求中的所有装置或步骤加功能元件的相应结构，材料，动作和等同物旨在包括用于结合其他要求保护的元件执行功能的任何结构，材料或动作如特别声明的。这里阐述的描述是为了说明和描述的目的而给出的，但并不意图是穷尽的或限于所公开的形式。在不脱离本公开的范围和精神的情况下，许多修改和变化对于本领域的普通技术人员将是显而易见的。为了最好地解释本文阐述的一个或多个方面的原理和实际应用，并且使本领域的其他技术人员能够理解这里针对具有各种实施例的各种实施例所描述的一个或多个方面，选择和描述了实施例如适合于预期的特定用途的修改。

Claims (20)

1.一种用于为植物提供临床服务的计算机实现的方法，包括：
由一个或多个处理器从由关心所述植物的用户配置的照相机获得包括植物图像的输入；
由所述一个或多个处理器通过使用所述图像的视觉识别来识别所述植物的物种；
由所述一个或多个处理器通过将所述植物的一种或多种视觉症状与记录在诊断储存库中的一种或多种已知诊断相关联，并且通过根据输入将一种或多种候选诊断中的每一种与相应置信度得分相关联，为所述物种生成一种或多种候选诊断的列表；
由所述一个或多个处理器将所述列表中的所述一个或多个候选诊断中的每一个映射到相应的治疗方案；和
由所述一个或多个处理器根据预配置的治疗模式来递送列表以及映射到所述列表中的每个候选诊断的对应的治疗方案。
2.如权利要求1所述的计算机实现的方法，其中所述输入可包括：指示图像在何处被拍摄的地理位置，指示所述图像何时被拍摄的时间戳，由所述植物周围的一个或多个设备报告的所述植物的环境数据，所述植物图像的其他实例，天气数据，土壤数据及其组合。
3.如权利要求1所述的计算机实现的方法，所述生成包括：
为所识别的物种确定所述图像中所述植物的一种或多种视觉症状；
响应于发现所述一个或多个已知诊断与所确定的所述植物的所述一个或多个视觉症状相匹配，从所述诊断储存库中选择所述一个或多个候选诊断作为所述一个或多个已知诊断；和
根据支持和/或否定每个候选诊断的一个或多个证据，为所述一个或多个候选诊断中的每一个设置相应的置信度分数。
4.根据权利要求3所述的计算机实现的方法，其中所述一个或多个已知诊断可以用于所识别的物种或用于对所述一个或多个已知诊断敏感的其他物种，并且其中支持每个候选诊断的所述一个或多个证据可以包括与所述相同候选诊断的其他实例的地理接近度、季节和/或温度的相似性。
5.如权利要求1所述的计算机实现的方法，所述递送包括：
确定所治疗模式被预配置为自动；
在所述列表的所述一个或多个候选诊断中选择具有最高置信度分数的候选诊断；和
根据预先配置的措施执行对应于候选诊断的治疗方案。
6.如权利要求5所述的计算机实现的方法，其中所述预先配置的措施可以从为治疗物质/备设置顺序，控制水供应，控制照明，控制温度及其组合中选择。
7.如权利要求1所述的计算机实现的方法，所述递送包括：
确定所述治疗模式被预先配置为手动；
将所述一个或多个候选诊断的所述列表和分别对应的治疗方案传送给所述用户；和
响应于从所述用户获得反馈，执行由所述用户选择的治疗方案。
8.一种计算机程序产品，包括：
计算机可读存储介质，所述计算机可读存储介质可由一个或多个处理器读取并存储用于由所述一个或多个处理器执行以执行用于为植物提供临床服务的方法的指令，所述方法包括：
从由关心所述植物的用户配置的照相机获得包括植物图像的输入；
通过使用所述图像的视觉识别来识别所述植物的物种；
通过将所述植物的一种或多种视觉症状与记录在诊断储存库中的一种或多种已知诊断相关联，并且通过根据输入将一种或多种候选诊断中的每一种与相应置信度得分相关联，为所述物种生成一种或多种候选诊断的列表；
将所述列表中的所述一个或多个候选诊断中的每一个映射到相应的治疗方案；和
根据预配置的治疗模式来递送列表以及映射到所述列表中的每个候选诊断的对应的治疗方案。
9.如权利要求8所述的计算机程序产品，其中所述输入可包括：指示图像在何处被拍摄的地理位置，指示所述图像何时被拍摄的时间戳，由所述植物周围的一个或多个设备报告的所述植物的环境数据，所述植物图像的其他实例，天气数据，土壤数据及其组合。
10.如权利要求8所述的计算机程序产品，其中所述生成包括：
为所识别的物种确定所述图像中所述植物的一种或多种视觉症状；
响应于发现所述一个或多个已知诊断与所确定的所述植物的所述一个或多个视觉症状相匹配，从所述诊断储存库中选择所述一个或多个候选诊断作为所述一个或多个已知诊断；和
根据支持和/或否定每个候选诊断的一个或多个证据，为所述一个或多个候选诊断中的每一个设置相应的置信度分数。
11.如权利要求10所述的计算机程序产品，其中所述一个或多个已知诊断可以用于所识别的物种或用于对所述一个或多个已知诊断敏感的其他物种，并且其中支持每个候选诊断的所述一个或多个证据可以包括与所述相同候选诊断的其他实例的地理接近度、季节和/或温度的相似性。
12.如权利要求8所述的计算机程序产品，所述递送包括：
确定所治疗模式被预配置为自动；
在所述列表的所述一个或多个候选诊断中选择具有最高置信度分数的候选诊断；和
根据预先配置的措施执行对应于候选诊断的治疗方案。
13.如权利要求12所述的计算机程序产品，其中所述预先配置的措施可以从为治疗物质/设备设置顺序，控制水供应，控制照明，控制温度及其组合中选择。
14.如权利要求8所述的计算机程序产品，所述递送包括：
确定所述治疗模式被预先配置为手动；
将所述一个或多个候选诊断的所述列表和分别对应的治疗方案传送给所述用户；和
响应于从所述用户获得反馈，执行由所述用户选择的治疗方案。
15.一种系统，包括：
存储器；
与所述存储器通信的一个或多个处理器；和
可由所述一个或多个处理器通过所述存储器执行的程序指令，以执行用于为植物提供临床服务的方法，包括：
从由关心所述植物的用户配置的照相机获得包括植物图像的输入；
通过使用所述图像的视觉识别来识别所述植物的物种；
通过将所述植物的一种或多种视觉症状与记录在诊断储存库中的一种或多种已知诊断相关联，并且通过根据输入将一种或多种候选诊断中的每一种与相应置信度得分相关联，为所述物种生成一种或多种候选诊断的列表；
将所述列表中的所述一个或多个候选诊断中的每一个映射到相应的治疗方案；和
根据预配置的治疗模式来递送列表以及映射到所述列表中的每个候选诊断的对应的治疗方案。
16.如权利要求15所述的系统，其中所述输入可以包括：指示图像在何处被拍摄的地理位置，指示所述图像何时被拍摄的时间戳，由所述植物周围的一个或多个设备报告的所述植物的环境数据，所述植物图像的其他实例，天气数据，土壤数据及其组合。
17.如权利要求15所述的系统，其中所述生成包括：
为所识别的物种确定所述图像中所述植物的一种或多种视觉症状；
响应于发现所述一个或多个已知诊断与所确定的所述植物的所述一个或多个视觉症状相匹配，从所述诊断储存库中选择所述一个或多个候选诊断作为所述一个或多个已知诊断；和
根据支持和/或否定每个候选诊断的一个或多个证据，为所述一个或多个候选诊断中的每一个设置相应的置信度分数。
18.根据权利要求17所述的系统，其中所述一个或多个已知诊断可以用于所识别的物种或用于对所述一个或多个已知诊断敏感的其他物种，并且其中支持每个候选诊断的所述一个或多个证据可以包括与所述相同候选诊断的其他实例的地理接近度、季节和/或温度的相似性。
19.如权利要求15所述的系统，所述递送包括：
确定所治疗模式被预配置为自动；
在所述列表的所述一个或多个候选诊断中选择具有最高置信度分数的候选诊断；和
根据预先配置的措施执行对应于候选诊断的治疗方案；其中所述预先配置的措施可以从为治疗物质/设备设置顺序，控制水供应，控制照明，控制温度及其组合中选择。
20.如权利要求15所述的系统，其中所述递送包括：
确定所述治疗模式被预先配置为手动；
将所述一个或多个候选诊断的所述列表和分别对应的治疗方案传送给所述用户；和
响应于从所述用户获得反馈，执行由所述用户选择的治疗方案。
CN201810663341.5A 2017-06-26 2018-06-25 认知植物临床 Pending CN109147933A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/632,687 US10088816B1 (en) 2017-06-26 2017-06-26 Cognitive plant clinic
US15/632,687 2017-06-26

Publications (1)

Publication Number Publication Date
CN109147933A true CN109147933A (zh) 2019-01-04

Family

ID=63638690

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810663341.5A Pending CN109147933A (zh) 2017-06-26 2018-06-25 认知植物临床

Country Status (4)

Country Link
US (4) US10088816B1 (zh)
JP (1) JP7219558B2 (zh)
CN (1) CN109147933A (zh)
DE (1) DE102018109800A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10345763B2 (en) 2017-06-26 2019-07-09 International Business Machines Corporation Cognitive plant clinic
CN111291689A (zh) * 2020-02-14 2020-06-16 杭州睿琪软件有限公司 植物花期播报方法、系统及计算机可读存储介质
CN111340070A (zh) * 2020-02-11 2020-06-26 杭州睿琪软件有限公司 植物病虫害诊断方法和系统
CN111783667A (zh) * 2020-07-02 2020-10-16 南阳理工学院 一种中医药识别系统及其使用方法
CN112270297A (zh) * 2020-11-13 2021-01-26 杭州睿琪软件有限公司 用于显示识别结果的方法和计算机系统
CN113096100A (zh) * 2021-04-15 2021-07-09 杭州睿胜软件有限公司 用于植物病症诊断的方法和植物病症诊断系统
US11580267B2 (en) * 2020-02-18 2023-02-14 Palo Alto Research Center Incorporated System and method for augmenting lumped parameter model diagnosis engine
WO2024066851A1 (zh) * 2022-09-27 2024-04-04 杭州睿胜软件有限公司 植物诊断方法、装置及计算机可读存储介质

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10552502B2 (en) 2017-03-30 2020-02-04 International Business Machines Corporation Pickup article cognitive fitment
EP3866576A1 (en) * 2018-10-19 2021-08-25 Basf Se Computer system and computer-implemented method for optimization of crop protection
EP3913095A4 (en) 2019-01-16 2022-09-28 Nippon Steel Corporation PROCESS FOR THE PRODUCTION OF A CORNORATED ELECTRICAL STEEL SHEET
CN111602545A (zh) * 2020-05-27 2020-09-01 福州尚易航农业科技有限公司 一种基于人工智能的植保作业规划方法
DE102021200267B4 (de) 2021-01-13 2023-02-16 4S Aachen GmbH Pflanzenaufzuchteinrichtung
CN114663762A (zh) * 2022-03-28 2022-06-24 杭州睿胜软件有限公司 辅助用户进行植物养护的方法和计算机系统
WO2024106533A1 (ja) * 2022-11-17 2024-05-23 花王株式会社 情報処理システム及び情報処理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130136312A1 (en) * 2011-11-24 2013-05-30 Shih-Mu TSENG Method and system for recognizing plant diseases and recording medium
WO2013082648A1 (en) * 2011-12-05 2013-06-13 Commonwealth Scientific And Industrial Research Organisation Method and system for characterising plant phenotype
US20150131867A1 (en) * 2013-11-08 2015-05-14 Institute For Information Industry Treatment recommending system of plant symptoms, method and non-transitory computer-readable medium
US9417224B1 (en) * 2013-07-24 2016-08-16 Alex Shah Mobile application for gardening
CN106682658A (zh) * 2017-03-14 2017-05-17 湖南威达科技有限公司 一种基于大数据与图像识别的家庭养护芍药的app

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5149624A (en) 1986-10-07 1992-09-22 University Of Florida Method for detecting bacterial or fungal diseases in plants
JPH0239901Y2 (zh) 1988-01-29 1990-10-25
JPH09262027A (ja) * 1996-03-28 1997-10-07 Yazaki Corp 植物の自動診断システム
WO1998021571A1 (en) 1996-11-11 1998-05-22 Novartis Ag Use of biosensors to diagnose plant diseases
US6014451A (en) 1997-10-17 2000-01-11 Pioneer Hi-Bred International, Inc. Remote imaging system for plant diagnosis
JP4276414B2 (ja) * 2002-09-30 2009-06-10 浜松ホトニクス株式会社 植物体栽培装置および方法
JP2010075172A (ja) * 2008-08-29 2010-04-08 Seiko Instruments Inc 植物育成ガイドシステム、植物環境測定装置及び植物育成管理装置
BRPI0905641A2 (pt) * 2009-07-08 2011-03-29 Basf Se sistema para diagnóstico de anomalias de plantas
US9380747B2 (en) * 2009-08-31 2016-07-05 Oji Holdings Corporation Method for selecting marker for diagnosis of nutritional status of plant, method for diagnosing nutritional status of plant, and method for determining growth status
CN102945376B (zh) 2012-09-28 2016-03-30 北京农业信息技术研究中心 一种农作物病害的诊断方法
JP2013162800A (ja) * 2013-05-16 2013-08-22 Casio Computer Co Ltd 通信装置並びにプログラム
CN103514459A (zh) 2013-10-11 2014-01-15 中国科学院合肥物质科学研究院 一种基于Android手机平台的识别农作物病虫害的方法及系统
US20150309496A1 (en) 2014-04-24 2015-10-29 K-Rain Manufacturing Corporation Control system and method for landscape maintenance
JP2016068046A (ja) 2014-09-30 2016-05-09 東レ株式会社 縦置き型外圧型中空糸膜モジュールおよびその運転方法
US10921255B2 (en) * 2014-12-09 2021-02-16 Bioaxial Sas Optical measuring device and process
ZA201501916B (en) 2014-12-11 2016-08-31 Tata Consultancy Services Ltd Method and system for classifying plant disease through crowdsourcing using a mobile communiacation device
JP6539901B2 (ja) 2015-03-09 2019-07-10 学校法人法政大学 植物病診断システム、植物病診断方法、及びプログラム
JP6357140B2 (ja) * 2015-09-18 2018-07-11 Ｐｓソリューションズ株式会社 画像判定方法
US20170246473A1 (en) * 2016-02-25 2017-08-31 Sava Marinkovich Method and system for managing treatments
JP2016165303A (ja) * 2016-06-06 2016-09-15 富士通株式会社 植生判定プログラム及び植生判定方法並びに植生判定装置
DE202016004430U1 (de) 2016-07-20 2016-08-04 Christian Schlemmer System zur automatischen Erkennung von Pflanzen
US10088816B1 (en) 2017-06-26 2018-10-02 International Business Machines Corporation Cognitive plant clinic
GB2565211A (en) 2017-06-26 2019-02-06 Ibm Cognitive plant clinic

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130136312A1 (en) * 2011-11-24 2013-05-30 Shih-Mu TSENG Method and system for recognizing plant diseases and recording medium
WO2013082648A1 (en) * 2011-12-05 2013-06-13 Commonwealth Scientific And Industrial Research Organisation Method and system for characterising plant phenotype
US9417224B1 (en) * 2013-07-24 2016-08-16 Alex Shah Mobile application for gardening
US20150131867A1 (en) * 2013-11-08 2015-05-14 Institute For Information Industry Treatment recommending system of plant symptoms, method and non-transitory computer-readable medium
CN106682658A (zh) * 2017-03-14 2017-05-17 湖南威达科技有限公司 一种基于大数据与图像识别的家庭养护芍药的app

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10345763B2 (en) 2017-06-26 2019-07-09 International Business Machines Corporation Cognitive plant clinic
US10768584B2 (en) 2017-06-26 2020-09-08 International Business Machines Corporation Cognitive plant clinic
CN111340070B (zh) * 2020-02-11 2024-03-26 杭州睿琪软件有限公司 植物病虫害诊断方法和系统
CN111340070A (zh) * 2020-02-11 2020-06-26 杭州睿琪软件有限公司 植物病虫害诊断方法和系统
CN111291689B (zh) * 2020-02-14 2024-02-27 杭州睿琪软件有限公司 植物花期播报方法、系统及计算机可读存储介质
CN111291689A (zh) * 2020-02-14 2020-06-16 杭州睿琪软件有限公司 植物花期播报方法、系统及计算机可读存储介质
US12026964B2 (en) 2020-02-14 2024-07-02 Hangzhou Glority Software Limited Plant blooming period broadcast method and system, and computer-readable storage medium
US11580267B2 (en) * 2020-02-18 2023-02-14 Palo Alto Research Center Incorporated System and method for augmenting lumped parameter model diagnosis engine
CN111783667A (zh) * 2020-07-02 2020-10-16 南阳理工学院 一种中医药识别系统及其使用方法
CN112270297A (zh) * 2020-11-13 2021-01-26 杭州睿琪软件有限公司 用于显示识别结果的方法和计算机系统
CN112270297B (zh) * 2020-11-13 2024-05-31 杭州睿琪软件有限公司 用于显示识别结果的方法和计算机系统
CN113096100A (zh) * 2021-04-15 2021-07-09 杭州睿胜软件有限公司 用于植物病症诊断的方法和植物病症诊断系统
CN113096100B (zh) * 2021-04-15 2023-08-22 杭州睿胜软件有限公司 用于植物病症诊断的方法和植物病症诊断系统
WO2024066851A1 (zh) * 2022-09-27 2024-04-04 杭州睿胜软件有限公司 植物诊断方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
US10768584B2 (en) 2020-09-08
US10095197B1 (en) 2018-10-09
JP7219558B2 (ja) 2023-02-08
DE102018109800A1 (de) 2018-12-27
JP2019004874A (ja) 2019-01-17
US20180373207A1 (en) 2018-12-27
US20190278235A1 (en) 2019-09-12
US10345763B2 (en) 2019-07-09
US10088816B1 (en) 2018-10-02

Similar Documents

Publication Publication Date Title
CN109147933A (zh) 认知植物临床
US11347384B2 (en) Horticultural care tracking, validation and verification
Mendes et al. Smartphone applications targeting precision agriculture practices—A systematic review
US10264102B2 (en) System, methods and computer readable medium for augmented personalized social network
UA106239C2 (uk) Система для діагностики аномалій рослини
US20180292220A1 (en) Deep learning allergen mapping
US10679054B2 (en) Object cognitive identification solution
CN110320158A (zh) 移动化学分析
US20210118560A1 (en) Managing health conditions using preventives based on environmental conditions
CN110494874A (zh) 配置教室物理资源
CN106030612A (zh) 提供照片热图
Balakrishna et al. Study report on using IoT agriculture farm monitoring
CN108459711A (zh) 增强现实养殖管理系统、方法及计算机可读存储介质
CN108512822A (zh) 一种数据处理事件的风险识别方法和装置
JPWO2019097892A1 (ja) 圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、プログラム、および記録媒体
EP3850360A1 (en) Systems and methods for electronically identifying plant species
Roy et al. Towards a standardized framework for AI-assisted, image-based monitoring of nocturnal insects
GB2565211A (en) Cognitive plant clinic
Vasudeva et al. Conservation prioritization in a tiger landscape: is umbrella species enough?
Mohammed et al. Applications of AI and IoT for Advancing Date Palm Cultivation in Saudi Arabia
US20220237481A1 (en) Visual recognition to evaluate and predict pollination
CN114140240A (zh) 土地流转的方法、装置、电子设备及存储介质
Hitimana et al. Revolutionizing Coffee Farming: A Mobile App with GPS-Enabled Reporting for Rapid and Accurate On-Site Detection of Coffee Leaf Diseases Using Integrated Deep Learning
Orozco et al. Use of new technologies for the 2020 population and housing census round
KR20190130807A (ko) 해양 유해 생물 웹기반 관리 장치 및 방법

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220214

Address after: New York, United States

Applicant after: Qindarui Co.

Address before: New York grams of Armand

Applicant before: International Business Machines Corp.

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190104