CN109472252A - 一种田间作物虫害自动识别及作业管理系统 - Google Patents
一种田间作物虫害自动识别及作业管理系统 Download PDFInfo
- Publication number
- CN109472252A CN109472252A CN201811623037.4A CN201811623037A CN109472252A CN 109472252 A CN109472252 A CN 109472252A CN 201811623037 A CN201811623037 A CN 201811623037A CN 109472252 A CN109472252 A CN 109472252A
- Authority
- CN
- China
- Prior art keywords
- pest
- data
- insect pest
- management system
- job management
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 97
- 241000238631 Hexapoda Species 0.000 title claims abstract description 67
- 244000037666 field crops Species 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 230000002452 interceptive effect Effects 0.000 claims abstract description 18
- 238000010801 machine learning Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 230000007613 environmental effect Effects 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 3
- 238000003973 irrigation Methods 0.000 claims description 3
- 230000002262 irrigation Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 241000209094 Oryza Species 0.000 description 23
- 235000007164 Oryza sativa Nutrition 0.000 description 23
- 235000009566 rice Nutrition 0.000 description 23
- 241000196324 Embryophyta Species 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000000575 pesticide Substances 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 2
- 244000038559 crop plants Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 241000426497 Chilo suppressalis Species 0.000 description 1
- 241001498622 Cixius wagneri Species 0.000 description 1
- 241001249129 Scirpophaga incertulas Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009027 insemination Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Mining & Mineral Resources (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Catching Or Destruction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种田间作物虫害识别及作业管理系统,包括一个以上的数据检测装置、传输模块、数据处理模块、远程人机交互设备;所述数据检测装置安装于田间,设有微处理器、摄像头,摄像头拍摄田间图像并通过微处理器向传输模块传输数据;所述数据处理模块为云服务器,内置作物虫害识别机器学习模型,监听并接收从数据检测装置通过传输模块传输而来的图像信息,利用已有模型分析作物是否受虫害及虫害的类别,向远程人机交互设备发送虫害预警信息以发出警报。本发明可实现自动识别虫害,不断优化作物虫害识别及其学习模型,同时针对田间温湿度等实时参数,结合气象预报信息进行自动判断是否需要施药及施药位置。
Description
技术领域
本发明涉及田间虫害识别及作业领域,特别涉及一种田间作物虫害自动识别及作业管理系统。
背景技术
随着农业信息技术的发展,传感器类型不断增多,精度也越来越高,物联网在农业领域扮演着一个越来越重要的角色,市场上的各种物联网系统也是层出不穷。但如何组织和利用好底层传感器信息是亟待解决的问题。
就水稻作物来说,水稻是最重要的粮食作物之一,但是水稻面临的虫害时有发生,常见的虫害如三化螟、二化螟、稻飞虱等严重影响水稻生产。传统虫害监测都靠人为观察植物性状,进而推断出植物所受虫害。而当今机器学习方法为虫害监测提供了另一种途径,通过对大量植物虫害植株图片的学习,可以训练出一个植株是否受虫害,受什么虫害的模型,为判断水稻虫害情况提供了便利条件。
气象条件对于农田的管理措施十分重要,施药的时候必须保证4小时之内不下雨,否则会因为降雨情况而导致农药流失,药效丧失。温度、湿度不仅与作物和昆虫的生长发育密切相关,也与喷施药液的挥发,药液的稀释以及植物对农药的吸收情况密切相关。不同的害虫有不同的行为习性,既有昼伏夜出的害虫,也有夜伏昼出的害虫,因此,田间气象条件及天气预报能够指导田间管理措施。
精准农业致力于农药的减施增效并减少人力成本。也为虫害防治和田间管理提出了相应的要求。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种田间作物虫害自动识别及作业管理系统,此系统可实现自动识别虫害,不断优化作物虫害识别及其学习模型,同时针对田间温湿度等实时气象参数,结合气象预报信息进行自动判断是否需要施药及施药位置。
本发明的目的通过以下的技术方案实现:一种田间作物虫害识别及作业管理系统,包括一个以上的数据检测装置、传输模块、数据处理模块、远程人机交互设备;
所述数据检测装置安装于田间,内置微处理器,摄像头安装于数据检测装置外侧,拍摄田间图像并通过微处理器向其他模块传输数据;
所述数据处理模块为云服务器,内置作物虫害识别机器学习模型,监听并接收从数据检测装置通过传输模块传输而来的图像信息,利用已有模型分析作物是否受虫害及虫害的类别,向远程人机交互设备发送虫害预警信息。
所述远程人机交互设备接收数据处理模块发出的预警信息并发出警报。
优选的,所述数据检测装置固定于可垂直伸缩的竖杆上的平台上,可根据作物株高和特定虫害的作物生态位人工调整装置位置;数据检测装置外侧安装有闪光灯,可根据作物株高和特定虫害的作物生态位人工调整装置位置,方便提取作物特定部分的图像、更易发现虫害;闪光灯配合摄像头在光线较暗的环境下拍照,提高对作物虫害识别的准确性。
优选的,所述数据检测装置中设有存储卡,可存储因客观原因不能及时发送给数据处理模块的数据。
优选的,所述数据检测装置外侧配有环境参数监测传感器,包括温湿度传感器、风速传感器、光敏传感器、定位模块,监测作物的温度、湿度、风速及光照强度,同时对该数据检测装置进行定位,也即对所监测的数据来源进行定位。
更进一步的,通过远程人机交互设备设置环境参数阈值,将阈值上传至云服务器,云服务器接收环境参数监测传感器的数据信息和当地气象台的天气预报信息,一方面会将环境数据保存在数据库中,另一方面也会根据所设置的阈值判断各种环境参数是否超过所设置的阈值、是否需要施药以及施药的具体位置,并将相应的预警信息发送至远程人机交互设备,实现气象监测和预警,并给出灌溉、排水、施药类型、是否施药、施药的具体位置的建议。
优选的,所述传输模块为可实现远距离传输的模块。
优选的,利用作物虫害识别机器学习模型识别虫害时,云服务器将识别度不高的图像作出类别标示出来并提示操作人员,操作人员通过远程人机交互设备对标示出的图像作出类别标示,进而通过加入新的虫害图片对机器学习模型进行微调,替代原有机器学习模型;通过机器学习模型的不断微调,可进一步提高虫害识别率、优化识别效果。
更进一步的,对于无法识别的虫害,提示操作人员通过远程人机交互设备对数据检测模块收集的虫害图片进行模型训练,并将对应虫害新模型并上传至云服务器。
优选的,所述远程人机交互设备为电脑或平板或手机或任意组合。
优选的,所述田间作物虫害自动识别及作业管理系统的每个设备带有自己的设备号,采集方式包括单点采集、多点采集。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明可以实现自动对田间采集点的连续、实时、多参数的采集和监测,结合作物虫害识别机器学习模型自动判断稻田是否受虫害及虫害的类别,并发出预警信息,实现虫害自动识别和预警。
2、本发明可标示出识别度不高、无法识别的虫害图像,提醒操作人员进行优化,进一步提高虫害的识别率,优化识别效果。
3、本发明可根据作物株高和特定虫害的作物生态位人工调整装置位置,更适应环境和虫害习性,提高对作物虫害识别的准确性。
4、本发明结合田间实时监测数据和天气预报信息,通过设置环境参数阈值,自动判断当前稻田是否需要施药,提示施药的用量、施药的确切位置。
附图说明
图1是本发明实施例一种田间水稻虫害自动识别及作业管理系统组成示意图。
图2是本发明实施例一种田间水稻虫害自动识别及作业管理系统的环境参数监测传感器组成示意图。
图3是本发明实施例一种田间水稻虫害自动识别及作业管理系统的水稻田间气象参数采集装置底层原理图。
图4是本发明实施例一种田间水稻虫害自动识别及作业管理系统的云服务器功能示意图。
图5是本发明实施例一种田间水稻虫害自动识别及作业管理系统的水稻田数据检测装置分布示意图。
图6是本发明实施例一种田间水稻虫害自动识别及作业管理系统的水稻田数据检测装置采集环境示意图。
其中:1—9为数据检测装置的布置点,10—数据检测装置,11—平台,12—竖杆。
具体实施方式
为了更好的理解本发明的技术方案,下面结合附图详细描述本发明提供的实施例,但本发明的实施方式不限于此。
实施例1
如图1-6所示,一种田间水稻虫害识别及作业管理系统,包括数据检测装置、GPRS无线传输模块、数据处理模块、远程人机交互电脑;
如图5-6所示,数据检测装置在田间设置9个,每个内部均安装微处理器,微处理器采用STM32系列的单片机;摄像头选用OV7725型号,安装于数据检测装置外侧,拍摄田间图像并通过微处理器向传输模块或存储卡传输数据;
所述数据处理模块为云服务器,内置水稻虫害识别机器学习模型,监听并接收从数据检测装置通过GPRS无线传输模块传输而来的图像信息,利用已有模型分析作物是否受虫害及虫害的类别,向电脑发送虫害预警信息。
所述数据检测装置10固定于可垂直伸缩的竖杆12上的平台11上,数据检测装置外侧安装有闪光灯,可根据水稻株高和特定虫害的水稻生态位人工调整装置位置,方便提取水稻特定生态位的图像、更易发现虫害;闪光灯配合摄像头在光线较暗的环境下拍照,提高对水稻虫害识别的准确性。
利用水稻虫害识别机器学习模型识别虫害时,云服务器将识别度不高的图像作出标示并提示操作人员,操作人员通过电脑对标示出的图像作出类别标示,进而通过加入新的已有的虫害图片对机器学习模型进行微调,替代原有机器学习模型;通过机器学习模型的不断微调,可进一步提高虫害识别率、优化识别效果。
对于无法识别的虫害,提示操作人员通过电脑对数据检测模块收集的虫害图片进行模型训练,并将对应虫害新模型并上传至云服务器。通过电脑接收数据处理模块发出的预警信息并发出警报。
所述数据检测装置中存储卡为SD卡,在GPRS无线传输模块不能及时发送数据情况下保存数据,通过电脑读取SD卡中的数据并重新发送给服务器。
所述数据检测装置外侧配有环境参数监测传感器,包括温湿度传感器、风速传感器、光照度传感器、GPS定位模块,温湿度传感器采用SHT10温湿度传感器,风速传感器采用YGC-10风速传感器,光照度传感器采用GY30光照度传感器,GPS采用ATGM332D定位模块。所述温湿度传感器的SCK端连接微处理器的PC9端,温湿度传感器的DATA端连接微处理器的PC8端。所述风速传感器的VOUT端连接微处理器的PA1端。所述光照度传感器的SCL连接微处理器的PB6端、SDA端连接微处理器的PB7端。GPS的TXD连PB3,RXD端连PB2。摄像头的数据输出口为D0-D7,接到STM32的PB8-PB15端。上述环境参数监测传感器多点采集水稻田的温度、湿度、风速及光照强度,同时对该数据检测装置进行定位,也即对所监测的数据来源进行定位。
通过电脑设置环境参数阈值,将阈值上传至云服务器,云服务器接收环境参数监测传感器的数据信息和当地气象台的天气预报信息,一方面会将环境数据保存在数据库中,另一方面根据所设置的阈值判断各种环境参数是否超过所设置的阈值、是否需要施药以及施药的具体位置,并将相应的预警信息发送至远程人机交互设备,实现气象监测和预警,并给出灌溉、排水、施药类型、是否施药、施药的具体位置的建议。
本实施例选用的试验田处于水稻灌浆期,当温湿度传感器监测到温度超过30℃而湿度小于等于60%RH时,电脑除了显示相应的参数外,还会提醒需要及时对水稻田进行灌溉处理。
另外,若处于水稻抽穗开花期,湿度小于70%RH时,则提示通过灌溉增加空气湿度;若处于播种出苗期,则过往五日均温及预报未来天气五日是否超过12℃提示可播种;若要施药,则要求环境湿度不超过90%,未来4h以内不下雨。
本发明将水稻虫害识别及其识别模型与设计好的特定物联网系统结合,通过定时拍摄获取水稻的图像,并利用服务器端的虫害识别模型分析虫害,实时判断植株受害情况。
同时,通过各种环境参数的采集及虫害判断,制定具体田间管理措施,可以为精准农业提供作业依据。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种田间作物虫害识别及作业管理系统,其特征在于,包括一个以上的数据检测装置、传输模块、数据处理模块、远程人机交互设备;
所述数据检测装置安装于田间,内置微处理器,摄像头安装于数据检测装置外侧,拍摄田间图像并通过微处理器向传输模块传输数据;
所述数据处理模块为云服务器,内置作物虫害识别机器学习模型,监听并接收从数据检测装置通过传输模块传输过来的图像信息,利用已有模型分析作物是否受虫害及虫害的类别,向远程人机交互设备发送虫害预警信息;
所述远程人机交互设备接收数据处理模块发出的预警信息并发出警报。
2.根据权利要求1所述的田间作物虫害识别及作业管理系统,其特征在于,所述数据检测装置固定于可垂直伸缩的竖杆上的平台上;数据检测装置外侧安装有闪光灯,可设置在拍照的时候同时开启。
3.根据权利要求1所述的田间作物虫害识别及作业管理系统,其特征在于,所述数据检测装置中设有存储卡,存储数据检测装置的检测数据。
4.根据权利要求1所述的田间作物虫害识别及作业管理系统,其特征在于,所述数据检测装置外侧配有环境参数监测传感器,包括温湿度传感器、风速传感器、光照度传感器、定位模块,监测田间的温度、湿度、风速及光照强度,同时对该数据检测装置进行定位,也即对所监测的数据来源进行定位。
5.根据权利要求4所述的田间作物虫害识别及作业管理系统,其特征在于,通过远程人机交互设备设置环境参数阈值,将阈值上传至云服务器,云服务器接收环境参数监测传感器的数据信息和当地气象台的天气预报信息,一方面会将环境数据保存在数据库中,另一方面也会根据所设置的阈值判断各种环境参数是否超过所设置的阈值、是否适合施药以及施药的具体位置,并将相应的预警信息发送至远程人机交互设备,实现气象监测和预警,并给出灌溉、排水、施药类型、是否施药、施药的具体位置的建议。
6.根据权利要求1所述的田间作物虫害识别及作业管理系统,其特征在于,所述传输模块为可实现远距离传输的模块。
7.根据权利要求1所述的田间作物虫害识别及作业管理系统,其特征在于,利用作物虫害识别机器学习模型识别虫害时,云服务器将识别度不高的图像作出类别标示出来并提示操作人员,操作人员通过远程人机交互设备对标示出的图像作出类别标示,进而通过加入新的虫害图片对原有机器学习模型进行微调,并替代原有机器学习模型。
8.根据权利要求7所述的田间作物虫害识别及作业管理系统,其特征在于,对于服务器上没有的虫害模型,提示操作人员通过远程人机交互设备对数据检测模块收集的虫害图片进行模型训练,并将对应虫害新模型上传至云服务器。
9.根据权利要求1所述的田间作物虫害识别及作业管理系统,其特征在于,所述远程人机交互设备为电脑或平板或手机或任意组合。
10.根据权利要求1所述的田间作物虫害识别及作业管理系统,其特征在于,所述田间作物虫害自动识别及作业管理系统的每个设备带有自己的设备号,采集方式包括单点采集、多点采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811623037.4A CN109472252A (zh) | 2018-12-28 | 2018-12-28 | 一种田间作物虫害自动识别及作业管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811623037.4A CN109472252A (zh) | 2018-12-28 | 2018-12-28 | 一种田间作物虫害自动识别及作业管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109472252A true CN109472252A (zh) | 2019-03-15 |
Family
ID=65678118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811623037.4A Pending CN109472252A (zh) | 2018-12-28 | 2018-12-28 | 一种田间作物虫害自动识别及作业管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109472252A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110940636A (zh) * | 2019-12-05 | 2020-03-31 | 华南农业大学 | 柑橘林病虫害智能识别与林间信息监测系统 |
CN111445112A (zh) * | 2020-03-09 | 2020-07-24 | 孔剑 | 智能虫情监测分析系统 |
CN112507770A (zh) * | 2020-08-13 | 2021-03-16 | 华南农业大学 | 一种水稻病虫害识别方法和系统 |
CN112565310A (zh) * | 2019-09-09 | 2021-03-26 | 云南天质弘耕科技有限公司 | 一种基于人工神经网络的智能植保系统 |
CN113159060A (zh) * | 2021-02-23 | 2021-07-23 | 华南农业大学 | 一种农作物虫害检测方法及系统 |
CN115018808A (zh) * | 2022-06-24 | 2022-09-06 | 广州市建城有害生物防治有限公司 | 基于物联网的虫害远程检测方法及系统 |
CN116863340A (zh) * | 2023-08-16 | 2023-10-10 | 安徽荃银超大种业有限公司 | 基于深度学习的水稻叶片病害识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106332855A (zh) * | 2015-07-06 | 2017-01-18 | 宁波高新区鹏博科技有限公司 | 一种病虫害自动预警系统 |
CN108111614A (zh) * | 2017-12-27 | 2018-06-01 | 北京工业大学 | 农林业病虫害监测管理系统 |
CN209248554U (zh) * | 2018-12-28 | 2019-08-13 | 华南农业大学 | 一种田间作物虫害自动识别及作业管理系统 |
-
2018
- 2018-12-28 CN CN201811623037.4A patent/CN109472252A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106332855A (zh) * | 2015-07-06 | 2017-01-18 | 宁波高新区鹏博科技有限公司 | 一种病虫害自动预警系统 |
CN108111614A (zh) * | 2017-12-27 | 2018-06-01 | 北京工业大学 | 农林业病虫害监测管理系统 |
CN209248554U (zh) * | 2018-12-28 | 2019-08-13 | 华南农业大学 | 一种田间作物虫害自动识别及作业管理系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112565310A (zh) * | 2019-09-09 | 2021-03-26 | 云南天质弘耕科技有限公司 | 一种基于人工神经网络的智能植保系统 |
CN110940636A (zh) * | 2019-12-05 | 2020-03-31 | 华南农业大学 | 柑橘林病虫害智能识别与林间信息监测系统 |
CN110940636B (zh) * | 2019-12-05 | 2020-12-08 | 华南农业大学 | 柑橘林病虫害智能识别与林间信息监测系统 |
CN111445112A (zh) * | 2020-03-09 | 2020-07-24 | 孔剑 | 智能虫情监测分析系统 |
CN112507770A (zh) * | 2020-08-13 | 2021-03-16 | 华南农业大学 | 一种水稻病虫害识别方法和系统 |
CN112507770B (zh) * | 2020-08-13 | 2022-08-12 | 华南农业大学 | 一种水稻病虫害识别方法和系统 |
CN113159060A (zh) * | 2021-02-23 | 2021-07-23 | 华南农业大学 | 一种农作物虫害检测方法及系统 |
CN115018808A (zh) * | 2022-06-24 | 2022-09-06 | 广州市建城有害生物防治有限公司 | 基于物联网的虫害远程检测方法及系统 |
CN116863340A (zh) * | 2023-08-16 | 2023-10-10 | 安徽荃银超大种业有限公司 | 基于深度学习的水稻叶片病害识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109472252A (zh) | 一种田间作物虫害自动识别及作业管理系统 | |
US10728336B2 (en) | Integrated IoT (Internet of Things) system solution for smart agriculture management | |
US10241488B2 (en) | Automated irrigation control system | |
CN109470299A (zh) | 一种基于物联网的作物生长信息监测系统和方法 | |
CN209248554U (zh) | 一种田间作物虫害自动识别及作业管理系统 | |
CN113925039B (zh) | 一种基于物联网的园林病虫害智能防护系统及防控方法 | |
CN104236624B (zh) | 温室环境信息智能采集系统 | |
CN109781963A (zh) | 一种大田种植环境监测系统 | |
JP6555781B2 (ja) | 水位管理システム | |
CN109919796B (zh) | 虫情测报系统 | |
AU2019333920A1 (en) | Method and system for plant stress determination and irrigation based thereon | |
CN104732564B (zh) | 一种玉米叶面积无损动态监测装置与方法 | |
CN106097119A (zh) | 采集装置、服务器、及信息采集、推送、获取及发送方法 | |
CN107367300A (zh) | 一种基于无人机的作物生长环境监测系统 | |
CN110432122A (zh) | 园林植被灌溉及园林水体一体化综合循环控制系统及方法 | |
CN113920288A (zh) | 一种基于物联网的温室黄瓜种植管理系统 | |
JP6765109B2 (ja) | 農業システム | |
CN113867243A (zh) | 一种数字化、智能化的园林绿化养护综合管理系统 | |
CN206728156U (zh) | 无人机影像播放装置 | |
CN108168619A (zh) | 农业设施环境参数采集装置、系统及方法 | |
CH701643A2 (de) | Verfahren zur Erkennung von Tieren einschliesslich Brutgelegen in landwirtschaftlich genutzten Feldern und Wiesen sowie Vorrichtung zur Durchführung des Verfahrens. | |
CN106292489A (zh) | 一种基于物联网、云计算和大数据的现代农业害虫自动监测预警方法 | |
CN205005640U (zh) | 一种智能化土壤湿度控制系统 | |
CN205987401U (zh) | 一种基于无线传感网络的农田信息采集系统 | |
JP2021096726A5 (ja) | システム、プログラム及びシステムの制御方法 |
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 |