CN109272416A - 一种大棚农作物种植系统 - Google Patents
一种大棚农作物种植系统 Download PDFInfo
- Publication number
- CN109272416A CN109272416A CN201811192872.7A CN201811192872A CN109272416A CN 109272416 A CN109272416 A CN 109272416A CN 201811192872 A CN201811192872 A CN 201811192872A CN 109272416 A CN109272416 A CN 109272416A
- Authority
- CN
- China
- Prior art keywords
- plant
- image
- module
- indicate
- greenhouse
- 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.)
- Granted
Links
- 208000031968 Cadaver Diseases 0.000 title claims abstract description 24
- 239000007943 implant Substances 0.000 title claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 230000007613 environmental effect Effects 0.000 claims abstract description 12
- 238000009434 installation Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims description 16
- 239000002689 soil Substances 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 241000607479 Yersinia pestis Species 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims description 2
- 201000010099 disease Diseases 0.000 claims description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 2
- 238000003709 image segmentation Methods 0.000 claims description 2
- 235000015097 nutrients Nutrition 0.000 claims description 2
- 230000035764 nutrition Effects 0.000 claims description 2
- 235000016709 nutrition Nutrition 0.000 claims description 2
- 239000000575 pesticide Substances 0.000 claims description 2
- 238000005507 spraying Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000004040 coloring Methods 0.000 claims 2
- 238000004458 analytical method Methods 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 230000001737 promoting effect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000611 regression analysis Methods 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
- 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/14—Greenhouses
-
- G—PHYSICS
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/30232—Surveillance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Environmental Sciences (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种大棚农作物种植系统，包括环境监控装置、叶面积测量装置和环境调整装置，所述环境监控装置采用传感器组对大棚内农作物种植环境进行监测，所述叶面积测量装置用于对农作物的叶面积进行测量，所述环境调整装置根据环境监测结果和叶面积测量结果对大棚内农作物种植环境进行调整。本发明的有益效果为：提供了一种大棚农作物种植系统，实现了大棚农作物的科学种植，有助于提升农作物的产量。
Description
技术领域
本发明涉及农业技术领域，具体涉及一种大棚农作物种植系统。
背景技术
我国传统的农作物种植方式主要为单纯地依靠人力和机械的辅助种植，对种植环境的变化不能及时应对，生产效率相对低下，随着科学技术发展水平的提升和人们对农作物需求量的提升，智能化的农作物种植系统显得越来越重要。
发明内容
针对上述问题，本发明旨在提供一种大棚农作物种植系统。
本发明的目的采用以下技术方案来实现：
提供了一种大棚农作物种植系统，包括环境监控装置、叶面积测量装置和环境调整装置，所述环境监控装置采用传感器组对大棚内农作物种植环境进行监测，所述叶面积测量装置用于对农作物的叶面积进行测量，所述环境调整装置根据环境监测结果和叶面积测量结果对大棚内农作物种植环境进行调整。
本发明的有益效果为：提供了一种大棚农作物种植系统，实现了大棚农作物的科学种植，有助于提升农作物的产量。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图；
附图标记：
环境监控装置1、叶面积测量装置2、环境调整装置3。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的一种大棚农作物种植系统，包括环境监控装置1、叶面积测量装置2和环境调整装置3，所述环境监控装置1采用传感器组对大棚内农作物种植环境进行监测，所述叶面积测量装置2用于对农作物的叶面积进行测量，所述环境调整装置3根据环境监测结果和叶面积测量结果对大棚内农作物种植环境进行调整。
本实施例提供了一种大棚农作物种植系统，实现了大棚农作物的科学种植，有助于提升农作物的产量。
优选的，所述传感器组包括土壤水分含量传感器、环境温度传感器、环境湿度传感器和风力传感器。
所述环境调整装置3包括加热器、加湿器、农药喷洒装置和营养液喷洒装置，分别用于调节大棚内温度、湿度、防止病虫和给农作物提供营养。
所述叶面积测量装置2包括图像采集模块、图像预处理模块、图像处理模块、面积测量模块和验证模块，所述图像采集模块用于对植株的图像进行采集，即对农作物的图像进行采集，采集完成后，将植株上的所有叶片剪下，进行植株总叶面积的人工测量，获得总叶面积真实值，所述图像预处理模块用于对植株图像进行预处理，所述图像处理模块用于根据预处理后的图像提取植株特征向量，所述面积测量模块将植株特征向量作为自变量，植株总叶面积真实值为因变量，采用回归分析的方法，建立叶面积模型对叶面积进行测量，所述验证模块用于对所述面积测量模块的测量精度进行验证。
本优选实施例在不破坏植株的情况下，实现了叶面积的准确测量。
优选的，所述图像预处理模块包括分量提取模块和分割模块，所述分量提取模块用于提取植株图像的第一颜色分量和第二颜色分量，所述图像分割模块基于植株图像的第一颜色分量和第二颜色分量对图像进行分割，获得植株部分二值图；
所述植株图像的第一颜色分量采用以下方式提取：
式中，F2表示植株图像的第一颜色分量，R表示植株图像的红色分量，G表示植株图像的绿色分量，B表示植株图像的蓝色分量；
所述植株图像的第二颜色分量采用以下方式提取：
式中，F2表示植株图像的第二颜色分量；
所述图像分割模块基于植株图像的第一颜色分量和第二颜色分量对图像进行分割，具体为：根据植株图像的第一颜色分量对植株部分和除土壤外背景部分进行分割，根据植株图像的第二颜色分量对植株部分和土壤部分进行分割。
本优选实施例通过第一颜色分量和第二颜色分量 实现了植株部分的准确分割，具体的，第一颜色分量植株与除土壤外背景的对比度高，第二颜色分量植株和土壤的对比度高；
优选的，所述图像处理模块3包括第一特征提取模块、第二特征提取模块和特征向量确定模块，所述第一特征提取模块用于获取植株的第一特征向量，所述第二特征提取模块用于获取植株的第二特征向量，所述综合特征提取模块根据植株的第一特征向量和第二特征向量确定植株的特征向量；
所述第一特征提取模块用于获取植株的第一特征向量，具体为：
计算植株的第一特征向量：T1＝[D1，D2，D3]；
式中，T1表示植株的第一特征向量，D1表示第一几何特征因子，D2表示第二几何特征因子，D3表示第三几何特征因子；
所述第一几何特征因子采用下式确定：
式中，a1表示植株周长，a2表示植株面积；
所述第二几何特征因子为植株的宽度，所述第三几何特征因子为植株的高度；
所述第二特征提取模块用于获取植株的第二特征向量，具体为：
计算植株的第二特征向量：T2＝[E1，E2]；
式中，T2表示植株的第二特征向量，E1表示第一纹理特征因子，D2表示第二纹理特征因子；
所述第一纹理特征因子采用以下方式确定：
将图像中的灰度和梯度均划分为16个等级，建立图像的纹理矩阵，Y(i，j)是纹理矩阵中的元素，用于表示图像中灰度值为i且梯度值为j的像素点的总个数，i，j＝1，2，…，16；
采用下式确定第一纹理特征因子：
采用下式确定第二纹理特征因子：
所述综合特征提取模块根据植株的第一特征向量和第二特征向量确定植株的特征向量：T＝[D1，D2，D3，E1，E2]，式中，T表示植株的特征向量；
本优选实施例实现了植株特征向量的准确获取，为后续面积测量模块进行叶片面积的准确测量奠定了基础，具体的，采用第一特征向量T1＝[D1，D2，D3]和第二特征向量T2＝[E1，E2]对确定植株的特征向量，既包含了植株的几何特征，又包含了植株的纹理特征。
优选的，所述验证模块用于对所述面积测量模块的测量精度进行验证，具体为：将总叶面积测量值和总叶面积真实值进行比较，得到误差因子：
式中，w表示误差因子，s1表示总叶面积测量值，s2表示总叶面积真实值；所述误差因子越小，表示面积测量模块的测量精度越高，设定误差阈值，若误差因子小于设定的误差阈值，则面积测量模块的叶面积测量模型可用。
本优选实施例通过误差因子对面积测量模块的测量精度进行验证，保证了面积测量的准确性。
采用本发明大棚农作物种植系统进行农作物种植，选取5个大棚进行实验，分别为大棚1、大棚2、大棚3、大棚4、大棚5，对农作物产量和种植成本进行统计，同现有技术相比，产生的有益效果如下表所示：
| 农作物产量提高 | 种植成本降低 | |
| 大棚1 | 29％ | 27％ |
| 大棚2 | 27％ | 26％ |
| 大棚3 | 26％ | 26％ |
| 大棚4 | 25％ | 24％ |
| 大棚5 | 24％ | 22％ |
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (10)
1.一种大棚农作物种植系统，其特征在于，包括环境监控装置、叶面积测量装置和环境调整装置，所述环境监控装置采用传感器组对大棚内农作物种植环境进行监测，所述叶面积测量装置用于对农作物的叶面积进行测量，所述环境调整装置根据环境监测结果和叶面积测量结果对大棚内农作物种植环境进行调整。
2.根据权利要求1所述的大棚农作物种植系统，其特征在于，所述传感器组包括土壤水分含量传感器、环境温度传感器、环境湿度传感器和风力传感器。
3.根据权利要求2所述的大棚农作物种植系统，其特征在于，所述环境调整装置包括加热器、加湿器、农药喷洒装置和营养液喷洒装置，分别用于调节大棚内温度、湿度、防止病虫和给农作物提供营养。
4.根据权利要求3所述的大棚农作物种植系统，其特征在于，所述叶面积测量装置包括图像采集模块、图像预处理模块、图像处理模块、面积测量模块和验证模块，所述图像采集模块用于对植株的图像进行采集，即对农作物的图像进行采集，采集完成后，将植株上的所有叶片剪下，进行植株总叶面积的人工测量，获得总叶面积真实值，所述图像预处理模块用于对植株图像进行预处理，所述图像处理模块用于根据预处理后的图像提取植株特征向量，所述面积测量模块将植株特征向量作为自变量，植株总叶面积真实值为因变量，采用回归分析的方法，建立叶面积模型对叶面积进行测量，所述验证模块用于对所述面积测量模块的测量精度进行验证。
5.根据权利要求4所述的大棚农作物种植系统，其特征在于，所述图像预处理模块包括分量提取模块和分割模块，所述分量提取模块用于提取植株图像的第一颜色分量和第二颜色分量，所述图像分割模块基于植株图像的第一颜色分量和第二颜色分量对图像进行分割，获得植株部分二值图。
6.根据权利要求5所述的大棚农作物种植系统，其特征在于，所述植株图像的第一颜色分量采用以下方式提取：
式中，F2表示植株图像的第一颜色分量，R表示植株图像的红色分量，G表示植株图像的绿色分量，B表示植株图像的蓝色分量；
所述植株图像的第二颜色分量采用以下方式提取：
式中，F2表示植株图像的第二颜色分量。
7.根据权利要求6所述的大棚农作物种植系统，其特征在于，所述图像分割模块基于植株图像的第一颜色分量和第二颜色分量对图像进行分割，具体为：根据植株图像的第一颜色分量对植株部分和除土壤外背景部分进行分割，根据植株图像的第二颜色分量对植株部分和土壤部分进行分割。
8.根据权利要求7所述的大棚农作物种植系统，其特征在于，所述图像处理模块包括第一特征提取模块、第二特征提取模块和特征向量确定模块，所述第一特征提取模块用于获取植株的第一特征向量，所述第二特征提取模块用于获取植株的第二特征向量，所述综合特征提取模块根据植株的第一特征向量和第二特征向量确定植株的特征向量。
9.根据权利要求8所述的大棚农作物种植系统，其特征在于，所述第一特征提取模块用于获取植株的第一特征向量，具体为：
计算植株的第一特征向量：T1＝[D1，D2，D3]；
式中，T1表示植株的第一特征向量，D1表示第一几何特征因子，D2表示第二几何特征因子，D3表示第三几何特征因子；
所述第一几何特征因子采用下式确定：
式中，a1表示植株周长，a2表示植株面积；
所述第二几何特征因子为植株的宽度，所述第三几何特征因子为植株的高度。
10.根据权利要求9所述的大棚农作物种植系统，其特征在于，所述第二特征提取模块用于获取植株的第二特征向量，具体为：
计算植株的第二特征向量：T2＝[E1，E2]；
式中，T2表示植株的第二特征向量，E1表示第一纹理特征因子，D2表示第二纹理特征因子；
所述第一纹理特征因子采用以下方式确定：
将图像中的灰度和梯度均划分为16个等级，建立图像的纹理矩阵，Y(i,j)是纹理矩阵中的元素，用于表示图像中灰度值为i且梯度值为j的像素点的总个数，i，j＝1，2，…，16；
采用下式确定第一纹理特征因子：
采用下式确定第二纹理特征因子：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811192872.7A CN109272416B (zh) | 2018-10-13 | 2018-10-13 | 一种大棚农作物种植系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811192872.7A CN109272416B (zh) | 2018-10-13 | 2018-10-13 | 一种大棚农作物种植系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109272416A true CN109272416A (zh) | 2019-01-25 |
| CN109272416B CN109272416B (zh) | 2022-06-03 |
Family
ID=65197237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811192872.7A Expired - Fee Related CN109272416B (zh) | 2018-10-13 | 2018-10-13 | 一种大棚农作物种植系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109272416B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109931979A (zh) * | 2019-01-29 | 2019-06-25 | 武汉南博网络科技有限公司 | 一种基地植物的信息监测方法和装置 |
| CN110337963A (zh) * | 2019-06-17 | 2019-10-18 | 杨明 | 自适应温室供暖机构 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102564593A (zh) * | 2011-12-30 | 2012-07-11 | 河海大学常州校区 | 基于计算机视觉及物联网的植物生长状况监测系统 |
| CN104186186A (zh) * | 2014-09-12 | 2014-12-10 | 吴慧 | 一种农作物的大棚种植系统 |
| CN204990659U (zh) * | 2015-07-10 | 2016-01-20 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种油橄榄生长因子的远程监测系统 |
| CN105574897A (zh) * | 2015-12-07 | 2016-05-11 | 中国科学院合肥物质科学研究院 | 一种基于视觉检测的农作物生长情况监测物联网系统 |
| 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 |
| CN106688705A (zh) * | 2017-01-13 | 2017-05-24 | 湖南理工学院 | 一种智能种植大棚及其采用的监测方法 |
| CN107121535A (zh) * | 2017-02-24 | 2017-09-01 | 上海博历机械科技有限公司 | 一种有效的农作物生长环境监测系统 |
| CN107609078A (zh) * | 2017-09-04 | 2018-01-19 | 北京农业信息技术研究中心 | 长势监测模型更新方法、传感器、服务器及系统 |
| CN107727010A (zh) * | 2017-10-31 | 2018-02-23 | 北京农业信息技术研究中心 | 一种测量农作物叶面积指数的方法 |
| CN108170189A (zh) * | 2017-12-29 | 2018-06-15 | 定州市宏伟农机农民专业合作社 | 一种智能农作物种植系统 |
| CN108318071A (zh) * | 2017-12-26 | 2018-07-24 | 潘荣兰 | 一种监测准确的农作物生长监测系统 |
-
2018
- 2018-10-13 CN CN201811192872.7A patent/CN109272416B/zh not_active Expired - Fee Related
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102564593A (zh) * | 2011-12-30 | 2012-07-11 | 河海大学常州校区 | 基于计算机视觉及物联网的植物生长状况监测系统 |
| CN104186186A (zh) * | 2014-09-12 | 2014-12-10 | 吴慧 | 一种农作物的大棚种植系统 |
| CN204990659U (zh) * | 2015-07-10 | 2016-01-20 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种油橄榄生长因子的远程监测系统 |
| CN105574897A (zh) * | 2015-12-07 | 2016-05-11 | 中国科学院合肥物质科学研究院 | 一种基于视觉检测的农作物生长情况监测物联网系统 |
| 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 |
| CN106688705A (zh) * | 2017-01-13 | 2017-05-24 | 湖南理工学院 | 一种智能种植大棚及其采用的监测方法 |
| CN107121535A (zh) * | 2017-02-24 | 2017-09-01 | 上海博历机械科技有限公司 | 一种有效的农作物生长环境监测系统 |
| CN107609078A (zh) * | 2017-09-04 | 2018-01-19 | 北京农业信息技术研究中心 | 长势监测模型更新方法、传感器、服务器及系统 |
| CN107727010A (zh) * | 2017-10-31 | 2018-02-23 | 北京农业信息技术研究中心 | 一种测量农作物叶面积指数的方法 |
| CN108318071A (zh) * | 2017-12-26 | 2018-07-24 | 潘荣兰 | 一种监测准确的农作物生长监测系统 |
| CN108170189A (zh) * | 2017-12-29 | 2018-06-15 | 定州市宏伟农机农民专业合作社 | 一种智能农作物种植系统 |
Non-Patent Citations (2)
| Title |
|---|
| 王雪等: "室外多变光照条件下农田绿色作物的图像分割方法", 《吉林大学学报(理学版)》 * |
| 蒋霓: "单株水稻绿叶面积无损测量方法研究", 《中国博士学位论文全文数据库 农业科技辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109931979A (zh) * | 2019-01-29 | 2019-06-25 | 武汉南博网络科技有限公司 | 一种基地植物的信息监测方法和装置 |
| CN109931979B (zh) * | 2019-01-29 | 2021-07-27 | 武汉爱农云联科技有限公司 | 一种基地植物的信息监测方法和装置 |
| CN110337963A (zh) * | 2019-06-17 | 2019-10-18 | 杨明 | 自适应温室供暖机构 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109272416B (zh) | 2022-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105678281B (zh) | 基于光谱和纹理特征的地膜覆盖农田遥感监测方法 | |
| CN105740759B (zh) | 基于多时相数据中特征提取的中稻信息决策树分类方法 | |
| CN105303063B (zh) | 融合物候数据与遥感数据的叶面积指数反演方法及系统 | |
| CN110472184A (zh) | 一种基于Landsat遥感数据的多云雨雾地区水稻识别方法 | |
| CN109829234A (zh) | 一种基于高分辨率遥感数据和作物模型的跨尺度高精度动态作物长势监测和估产方法 | |
| CN109726698B (zh) | 基于遥感数据进行季度灌溉面积识别的方法 | |
| CN109029588A (zh) | 一种基于气候影响的农作物长势预测方法 | |
| CN115376016B (zh) | 一种基于植被水分指数与蒸散发结合的稻田实际灌溉面积识别方法 | |
| CN108710766A (zh) | 一种基于生长模型的温室植物水肥机调肥参数计算方法 | |
| Wenting et al. | Detecting maize leaf water status by using digital RGB images | |
| CN110427798A (zh) | 一种青菜智能识别及叶色环境变化预测的方法 | |
| CN109325433A (zh) | 引入地形因子的黑土区大豆生物量多时相遥感反演方法 | |
| CN102663396B (zh) | 一种水稻乳熟期自动检测的方法 | |
| CN109272416A (zh) | 一种大棚农作物种植系统 | |
| CN103278503A (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 | |
| CN109187356A (zh) | 基于卫星遥感数据的大豆长势预测方法 | |
| CN113469112A (zh) | 农作物生长状况图像识别方法及系统 | |
| CN108280410A (zh) | 一种基于二进制编码的农作物识别方法及系统 | |
| CN105678280B (zh) | 基于纹理特征的地膜覆盖农田遥感监测方法 | |
| CN111289997A (zh) | 一种基于激光雷达传感器的田间作物冠层稠密度检测方法 | |
| CN107818565B (zh) | 一种小麦一至三叶期麦苗数量调查方法 | |
| CN115909063A (zh) | 一种中分辨率水稻提取方法及系统 | |
| Yang et al. | Feature extraction of cotton plant height based on DSM difference method | |
| CN110210376A (zh) | 一种基于深度学习的高分遥感影像西北地区农膜提取方法 | |
| CN108834667A (zh) | 一种基于物联网的大棚系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220512 Address after: 276000 C203, Jinke finance and taxation building, No. 6, Yihe Road, economic development zone, Linyi City, Shandong Province Applicant after: Linyi Sure Software Technology Co.,Ltd. Address before: 350000 north of Puhua Avenue, Putian City, Fujian Province Applicant before: Mo Biao |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220603 |