CN109272416B - 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 PDF

Info

Publication number
CN109272416B
CN109272416B CN201811192872.7A CN201811192872A CN109272416B CN 109272416 B CN109272416 B CN 109272416B CN 201811192872 A CN201811192872 A CN 201811192872A CN 109272416 B CN109272416 B CN 109272416B
Authority
CN
China
Prior art keywords
plant
image
module
leaf area
factor
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.)
Expired - Fee Related
Application number
CN201811192872.7A
Other languages
English (en)
Other versions
CN109272416A (zh
Inventor
莫彪
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.)
Linyi Sure Software Technology Co ltd
Original Assignee
Linyi Sure Software Technology Co ltd
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 Linyi Sure Software Technology Co ltd filed Critical Linyi Sure Software Technology Co ltd
Priority to CN201811192872.7A priority Critical patent/CN109272416B/zh
Publication of CN109272416A publication Critical patent/CN109272416A/zh
Application granted granted Critical
Publication of CN109272416B publication Critical patent/CN109272416B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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

一种大棚农作物种植系统
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：
Figure 100002_DEST_PATH_IMAGE002
式中，
Figure DEST_PATH_IMAGE003
表示植株图像的第一颜色分量，
Figure 100002_DEST_PATH_IMAGE004
表示植株图像的红色分量，
Figure DEST_PATH_IMAGE005
表示植株 图像的绿色分量，
Figure 100002_DEST_PATH_IMAGE006
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：
Figure 100002_DEST_PATH_IMAGE008
式中，
Figure DEST_PATH_IMAGE009
表示植株图像的第二颜色分量；
所述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
Figure 100002_DEST_PATH_IMAGE010
和第二颜色分量
Figure DEST_PATH_IMAGE011
，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，所述特征向量确定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：
Figure 100002_DEST_PATH_IMAGE012
；
式中，
Figure DEST_PATH_IMAGE013
表示植株的第一特征向量，
Figure 100002_DEST_PATH_IMAGE014
表示第一几何特征因子，
Figure DEST_PATH_IMAGE015
表示第二几何特 征因子，
Figure 100002_DEST_PATH_IMAGE016
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：
Figure 100002_DEST_PATH_IMAGE018
式中，
Figure DEST_PATH_IMAGE019
表示植株周长，
Figure 100002_DEST_PATH_IMAGE020
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：
Figure DEST_PATH_IMAGE021
；
式中，
Figure 100002_DEST_PATH_IMAGE022
表示植株的第二特征向量，
Figure DEST_PATH_IMAGE023
表示第一纹理特征因子，
Figure 100002_DEST_PATH_IMAGE024
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，
Figure DEST_PATH_IMAGE025
是纹理矩 阵中的元素，用于表示图像中灰度值为
Figure 100002_DEST_PATH_IMAGE026
且梯度值为
Figure DEST_PATH_IMAGE027
的像素点的总个数，
Figure 100002_DEST_PATH_IMAGE028
；
采用下式确定第一纹理特征因子：
Figure DEST_PATH_IMAGE029
；
采用下式确定第二纹理特征因子：
Figure 100002_DEST_PATH_IMAGE030
；
所述特征向量确定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：
Figure DEST_PATH_IMAGE031
，
Figure 100002_DEST_PATH_IMAGE032
，式中，
Figure DEST_PATH_IMAGE033
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
Figure 100002_DEST_PATH_IMAGE034
和第二特征向量
Figure 962521DEST_PATH_IMAGE021
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：
Figure 100002_DEST_PATH_IMAGE036
式中，
Figure DEST_PATH_IMAGE037
表示误差因子，
Figure 100002_DEST_PATH_IMAGE038
表示总叶面积测量值，
Figure DEST_PATH_IMAGE039
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
Figure 100002_DEST_PATH_IMAGE040
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 (1)

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；
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；
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：
Figure DEST_PATH_IMAGE002
式中，
Figure DEST_PATH_IMAGE004
表示植株图像的第一颜色分量，
Figure DEST_PATH_IMAGE006
表示植株图像的红色分量，G 表示植株图像的绿色分量，
Figure DEST_PATH_IMAGE008
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：
Figure DEST_PATH_IMAGE010
式中，
Figure DEST_PATH_IMAGE012
表示植株图像的第二颜色分量；
所述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；
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，所述特征向量确定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：
Figure DEST_PATH_IMAGE014
；
式中，
Figure DEST_PATH_IMAGE016
表示植株的第一特征向量，
Figure DEST_PATH_IMAGE018
表示第一几何特征因子，
Figure DEST_PATH_IMAGE020
表示第二几何特征因子，
Figure DEST_PATH_IMAGE022
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：
Figure DEST_PATH_IMAGE024
式中，
Figure DEST_PATH_IMAGE026
表示植株周长，
Figure DEST_PATH_IMAGE028
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：
Figure DEST_PATH_IMAGE030
；
式中，
Figure DEST_PATH_IMAGE032
表示植株的第二特征向量，
Figure DEST_PATH_IMAGE034
表示第一纹理特征因子，
Figure DEST_PATH_IMAGE036
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，
Figure DEST_PATH_IMAGE038
是纹理矩阵中的元素，用于表示图像中灰度值为
Figure DEST_PATH_IMAGE040
且梯度值为
Figure DEST_PATH_IMAGE042
的像素点的总个数，
Figure DEST_PATH_IMAGE044
；
采用下式确定第一纹理特征因子：
Figure DEST_PATH_IMAGE046
；
采用下式确定第二纹理特征因子：
Figure DEST_PATH_IMAGE048
；
所述特征向量确定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：
Figure DEST_PATH_IMAGE050
，
Figure DEST_PATH_IMAGE052
，式中，
Figure DEST_PATH_IMAGE054
表示植株的特征向量；
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，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：
Figure DEST_PATH_IMAGE056
式中，
Figure DEST_PATH_IMAGE058
表示误差因子，
Figure DEST_PATH_IMAGE060
表示总叶面积测量值，
Figure DEST_PATH_IMAGE062
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。
CN201811192872.7A 2018-10-13 2018-10-13 一种大棚农作物种植系统 Expired - Fee Related CN109272416B (zh)

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 CN109272416A (zh) 2019-01-25
CN109272416B true 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)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110337963B (zh) * 2019-06-17 2021-07-23 江西四季景观建设有限公司 自适应温室供暖机构

Citations (11)

* Cited by examiner, † Cited by third party
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

Patent Citations (11)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
Title
单株水稻绿叶面积无损测量方法研究;蒋霓;《中国博士学位论文全文数据库 农业科技辑》;20160215(第2期);D047-1 *
室外多变光照条件下农田绿色作物的图像分割方法;王雪等;《吉林大学学报(理学版)》;20180930;第56卷(第5期);第1213-1218页 *

Also Published As

Publication number Publication date
CN109272416A (zh) 2019-01-25

Similar Documents

Publication Publication Date Title
CN106372592B (zh) 一种基于冬小麦面积指数的冬小麦种植面积计算方法
CN110288647B (zh) 一种基于高分辨率卫星数据监测灌区灌溉面积方法
CN115950838B (zh) 一种基于叶绿素含量的夏玉米旱情无人机快速监测判别方法
CN105758806B (zh) 基于光谱特征的地膜覆盖农田遥感监测方法
KR102095539B1 (ko) 인삼의 영상 이미지 분석을 통한 생육량 측정 방법
Wenting et al. Detecting maize leaf water status by using digital RGB images
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
CN109272416B (zh) 一种大棚农作物种植系统
CN115376016A (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
CN114140695B (zh) 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统
CN111275567B (zh) 基于无人机影像的senp棉花产量估算方法及估算模型构建方法
CN106772429B (zh) 基于生长盛期nmdi增减比值指数的玉米自动制图方法
CN113469112B (zh) 农作物生长状况图像识别方法及系统
CN114065481B (zh) 基于大数据的草地数据监测方法、系统和可读存储介质
CN110188657A (zh) 基于卷曲叶片检测的玉米干旱识别方法
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
CN102663396B (zh) 一种水稻乳熟期自动检测的方法
CN114049564A (zh) 基于高光谱遥感影像的松材线虫病等级预测模型构建方法
CN109187356A (zh) 基于卫星遥感数据的大豆长势预测方法
CN114219795A (zh) 一种基于高光谱成像系统的茶树干旱诱导成分及干旱程度评估的预测方法和系统
CN114782840A (zh) 一种基于无人机rgb影像的小麦物候期实时分类方法
CN107818565B (zh) 一种小麦一至三叶期麦苗数量调查方法
CN112950700B (zh) 基于深度学习和图像处理的植物叶片气孔导度测量方法
Vasanthi Crop growth monitoring and leaf area index estimation using wireless sensor network and CNN
CN115184353A (zh) 一种用于大棚葡萄的水肥监测分析系统及方法

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

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

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220603

CF01 Termination of patent right due to non-payment of annual fee