CN109566030A - 一种智能花生喷药施肥控制系统及方法 - Google Patents

一种智能花生喷药施肥控制系统及方法 Download PDF

Info

Publication number
CN109566030A
CN109566030A CN201811339085.0A CN201811339085A CN109566030A CN 109566030 A CN109566030 A CN 109566030A CN 201811339085 A CN201811339085 A CN 201811339085A CN 109566030 A CN109566030 A CN 109566030A
Authority
CN
China
Prior art keywords
soil
peanut
module
fertilizer
fertilising
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
CN201811339085.0A
Other languages
English (en)
Inventor
蒋菁
唐秀梅
黄志鹏
钟瑞春
韩柱强
刘菁
熊发前
贺梁琼
吴海宁
唐荣华
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.)
Guangxi Zhuang Nationality Autonomous Region Academy of Agricultural Sciences
Original Assignee
Guangxi Zhuang Nationality Autonomous Region Academy of Agricultural Sciences
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 Guangxi Zhuang Nationality Autonomous Region Academy of Agricultural Sciences filed Critical Guangxi Zhuang Nationality Autonomous Region Academy of Agricultural Sciences
Priority to CN201811339085.0A priority Critical patent/CN109566030A/zh
Publication of CN109566030A publication Critical patent/CN109566030A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C23/00—Distributing devices specially adapted for liquid manure or other fertilising liquid, including ammonia, e.g. transport tanks or sprinkling wagons
    • A01C23/04—Distributing under pressure; Distributing mud; Adaptation of watering systems for fertilising-liquids
    • A01C23/042—Adding fertiliser to watering systems
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C21/00—Methods of fertilising, sowing or planting
    • A01C21/007—Determining fertilization requirements
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C23/00—Distributing devices specially adapted for liquid manure or other fertilising liquid, including ammonia, e.g. transport tanks or sprinkling wagons
    • A01C23/007—Metering or regulating systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/02—Devices for withdrawing samples
    • G01N1/04—Devices for withdrawing samples in the solid state, e.g. by cutting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/34—Purifying; Cleaning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/44—Sample treatment involving radiation, e.g. heat
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
    • G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
    • G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
    • G01N21/81—Indicating humidity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
    • G01N2001/2866—Grinding or homogeneising

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Business, Economics & Management (AREA)
  • Soil Sciences (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Environmental Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Biomedical Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Electrochemistry (AREA)
  • Development Economics (AREA)
  • Plasma & Fusion (AREA)
  • Quality & Reliability (AREA)
  • Molecular Biology (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Primary Health Care (AREA)
  • Fertilizing (AREA)

Abstract

本发明属于施肥技术领域，公开了一种智能花生喷药施肥控制系统及方法；所述智能花生喷药施肥控制系统包括：视频监控模块、温湿度检测模块、土壤检测模块、中央控制模块、供水模块、配肥模块、数据存储模块、显示模块。本发明通过土壤检测模块根据对土壤进行处理，还通过独特的土壤采集，能够避免特定区域对土壤检测的误导，能够保证土壤检测的准确性，且减少土壤的分析时间，有效提高了检测效率，保障花生健康生长；同时，通过配肥模块可根据土壤的实际情况准确控制，同一块土壤中不同的部位也可精准配肥施肥，这样极大的提高了肥料的利用率，减少了肥料的浪费，减少了化肥对环境的污染。

Description

一种智能花生喷药施肥控制系统及方法
技术领域
本发明属于施肥技术领域，尤其涉及一种智能花生喷药施肥控制系统及方法。
背景技术
施肥，是指将肥料施于土壤中或喷洒在植物上，提供植物所需养分，并保持和提高土壤肥力的农业技术措施。施肥的主要目的是增加作物产量，改善作物品质，培肥地力以及提高经济效益，因此合理和科学施肥是保障粮食安全和维护农业可持续性发展的主要手段之一。施肥的主要依据是土壤肥力水平、作物类型、目标产量、气候环境以及肥料特点，从而选择合适的肥料，估算所需要肥料用量，并确定施肥时间和施肥模式。依据施肥时间的不同，可分为基肥和追肥，依据施肥模式的不同可分为撒施、冲施、穴施、条施等；撒施和冲施有利于养分的扩散，施用方便，但养分损失大，利用率较低；穴施和条施养分损失少，利用率高，但要消耗一定的机械能；随着现代精准农业的发展，精确施肥也得到了快速发展，并将成为一种重要的施肥模式。然而，现有如果花生种植土壤污染不能够及时发现，则对环境的污染时致命的；同时，传统的肥料的施用是采用粗放的方式一次性混合施肥，这样容易造成土壤中某种营养的缺失而另一种营养出现过剩的现象，又使土壤环境的营养平衡受到破坏，长期如此造成地下水的污染。
综上所述，现有技术存在的问题是：
(1)现有如果花生种植土壤污染不能够及时发现，则对环境的污染时致命的；同时，传统的肥料的施用是采用粗放的方式一次性混合施肥，这样容易造成土壤中某种营养的缺失而另一种营养出现过剩的现象，又使土壤环境的营养平衡受到破坏，长期如此造成地下水的污染。
(2)随土壤养分测试值的不同而变化，其变化范围较大、稳定性差，在实际应用该公式进行施肥量估算时很难准确把握，造成估算的施肥量不够准确。
(3)现有方法对花生需水量检测，无法减少单参数对其需水判定缺陷，不能够对花生植株生长发育需水状态进行评判，同时能够确定其缺水时间长短。
(4)现有技术土壤含水量的检测方法，误差大，成本高，适于在田间地头和基层实验室推广应用。
发明内容
针对现有技术存在的问题，本发明提供了一种智能花生喷药施肥控制系统及方法。
本发明是这样实现的，一种智能花生喷药施肥控制方法，所述智能花生喷药施肥控制方法包括：
步骤一，利用摄像器实时监控花生喷药施肥过程影像数据；对花生植株周围土壤环境的土壤含水量检测采用比色法测量，实时检测花生环境的温度、湿度数据；对土壤污染性进行检测；
步骤二，判断花生需水量，利用水泵抽取水源对花生进行浇水操作；计算施肥量，利用农用车对花生进行配肥施肥操作；存储器存储采集的视频、温湿度、土壤数据；
步骤三，显示实时监控施肥画面、花生生长环境温度、湿度数据、土壤污染数据信息。
进一步，判断花生需水量的方法为：
步骤一，采用花生植株颜色作为植物生长发育的j状态，通过图像处理得到的红色分量R、绿色分量G、蓝色分量B、以及r分量、b分量；
步骤二，确立各指标的隶属函数
特征指标R的隶属函数
当花生植株处于正常状态时，R平均值小于等于27.2，随着缺水时间的增加R值不断增加，大于89.2时植株萎蔫，缺水时间超过48小时，严重水分亏缺，此时隶属函数符合梯形分布上限型：
特征指标G的隶属函数；
当花生植株处于正常状态时，随着缺水时间的增加G值不断增加，大于80.2时植株萎蔫，其生长发育很难恢复正常，正常状态时，G平均值小于等于50，此时隶属函数符合梯形分布上限型，随着缺水时间超过48h，严重水分亏缺；
特征指标B的隶属函数；
当花生植株处于正常状态时，B平均值大于等于20.4，随着缺水时间的增加B值不断减少，小于0.6时植株萎蔫，缺水时间超过48h，严重水分亏缺，此时隶属函数符合梯形分布下限型；
特征指标r的隶属函数；
当花生植株处于正常状态时，r平均值小于等于0.279，随着缺水时间的增加r值不断增加，大于0.525时植株萎蔫，缺水时间超过48h，严重水分亏缺，此时隶属函数符合梯形分布上限型；
特征指标b的隶属函数；
当花生植株处于正常状态时，b平均值大于等于0.209，随着缺水时间的增加b值不断减少，小于0.004时植株萎蔫，缺水时间超过48h，严重水分亏缺，此时隶属函数符合梯形分布下限型；
步骤三，模糊评判模型向量计算；
根据以上所确定的特征指标的隶属函数，结合试验所测试的数据计算出模糊关系矩阵R：
根据专家经验利用改进层次分析法确定出模糊权向量矩阵W：
W＝[0.0799，0.1145，0.2548，0.3801，0.1708]；
则，模糊评判向量：
B＝WR＝[1.000 0.7515 0.5002 0.2771 0]；
步骤四，根据图像处理提取的植物叶片R、G、B、r、b值，利用B＝WR求取第j状态的模糊评判向量值bj，再与模糊评判向量中的模糊评判向量值进行比较，可判断出植物缺水状态，即缺水时间长短。
进一步，所述计算施肥量的方法为：
分别以氮、磷、钾的实际施肥纯量(Y)为依变量YN、YP和YK，取目标产量(X1)、土壤养分测试值(X2)为自变量，建立二元一次回归模型如下：
施P2O5量，YP＝-56.5464+0.0201359X1-0.809224X2(F＝287.38＊＊)；
施N量，YN＝-73.16+0.037725X1-0.1807755X2(F＝271.13＊＊)；
施K2O量，YK＝-43.832+0.0202697X1-0.07145307X2(F＝184.81＊＊)；
在以上模型中代入目标产量(X1)、土壤碱解氮、有效磷和速效钾测试值(X2)，即可计算出不同目标产量和不同肥力水平下氮、磷、钾肥的推荐施肥纯量(Y)，再根据肥料品种及含量换算出具体肥料的施用量；当目标产量较低时，计算出的氮、磷、钾肥施用量偏低，应采用最低施肥量进行调整。
进一步，对花生植株周围土壤环境的土壤含水量检测采用比色法测量方法包括：
步骤一，称取1g左右鲜土于25mL比色管中，摇匀，使土壤充分分散，稍微沉降后；
步骤二，用定性滤纸将待测液过滤于比色皿中，即为待测液；
步骤三，以无水乙醇为空白，进行显色剂校正，显色剂，1包显色剂粉剂，用8％蒸馏水-无水乙醇溶液定容至1000mL，备用然后；
步骤四，测试待测液，配合仪器在花生田间使用，并同步将检测结果传输至单片机。
进一步，对土壤污染性进行检测方法如下：
(1)选择土壤检测区域，确定取样点，然后在每个取样点上取样，利用铁锹将取样点的土壤进行挖深，且深度为23-26cm；利用土壤取样器沿着切断面至下而上进行取样，且各个取样点土层深度、取土厚度以及宽窄要相同，从而能够保证土壤检测的准确性；将同一取样点各个高度的土样进行混合均匀，然后装入土壤盛放器内，土壤盛放器在使用前，需进行多次清洗，然后烘干；实现土壤采集；采集的土壤样本置于干燥箱内，并在60-80摄氏度的条件下对土壤样本进行干燥，待土壤样本中的含水量低于4％后，取出；
(3)然后再次将土壤样本置于精细研磨机内进行研磨处理，研磨完成后，对其进行过滤，从而筛选出处理后的土样，需保证土样的颗粒直径小于50μm；
(4)将(3)中处理后的土样置于处理容器内，并向处理容器内添加混合液，然后在振荡器上均匀震荡，且震荡时间为7-9h，震动完成后，将其置于45-65摄氏度的水浴上进行加热，在此过程中，收集洗脱液，并将其进行过滤；
(5)将处理后的洗脱液置于质谱仪内，并在离子化模式下以高能电子流轰击洗脱液，使该洗脱液失去电子变为定量离子以及定性离子，通过雾化器、干燥气以及碰撞气对分子离子进行质谱优化处理，且雾化器气流为3-5L/min，干燥气气流为13-15L/min，碰撞气为250-270Kpa；
(6)待上述处理完成后，进行检测，即完成对土壤污染的检测。
进一步，配肥方法包括：
(1)利用GIS系统对目标土壤进行分析定位，利用分析控制装置分析出目标土壤的形状，并将目标土壤划分网格形成单元格，对每个单元格进行编号并储存到配肥数据库中，该编号中包含了该目标土壤中的地理信息；将目标土壤划分网格形成单元格的方法为：当目标土壤的形状为矩形或近似矩形时，按照目标土壤的长宽划分多个矩形单元格，目标土壤中的单元格数量小于200个，每个单元格的宽度和长度均大于GPS定位的最小精度；当目标土壤的形状为异形时，对目标土壤划分多个矩形单元格，矩形单元格的长边与目标土壤边缘各点连线中的最长线平行，目标土壤中的单元格数量小于200个，每个单元格的宽度和长度均大于GPS定位的最小精度；
(2)对目标土壤的每个单元格中的土壤进行采样分析，得出每个单元格的土壤中各元素的实际元素含量M实并储存至配肥数据库中；
(3)根据该目标土壤的用途制定目标元素含量M目，将每个单元格的每个元素的实际元素含量M实和目标元素含量M目进行比较得出该单元格中每个元素所要施肥的施肥元素量M施储存至配肥数据库中；
(4)利用一个带GPS接收器的农用车作为施肥动力，农用车上设置了配肥箱，每个配肥箱上划分了多个独立的用来盛放不同种肥料的盛放空间，每个盛放空间的底部安装有多个由步进电机驱动的拨肥轮；农用车上设置了用于控制步进电机运行的分析控制装置，当需要对目标土壤施肥时，农用车上的GPS接收器与GIS系统对接，农用车上的分析控制装置调取配肥数据库中该目标土壤中所有单元格的施肥元素量作为决策依据；分析控制装置利用车速传感器监控农用车的车速，利用转速传感器监控步进电机的转速，分析控制装置根据车速传感器和步进电机的转速来闭环控制农用车的行进速度和步进电机的转速；设定拨肥轮转动一次的施肥量为r，每个单元格的施肥距离为S，车辆行进速度为V，行走时间为t，步进电机转速为N,每米施肥量为m，上述各参数满足一下关系式：
2：M施＝N×t×r；；
(5)农用车在目标土壤上行走，GIS系统定位农用车行走到每个单元格中，分析控制装置调取配肥数据库中该单元格中的施肥参数控制并控制拨肥轮按照该单元格所对应的转速旋转变量施肥。
本发明的另一目的在于提供一种实现所述智能花生喷药施肥控制方法的智能花生喷药施肥控制系统，所述智能花生喷药施肥控制系统包括：
视频监控模块，与中央控制模块连接，用于通过摄像器实时监控花生喷药施肥过程影像数据；
温湿度检测模块，与中央控制模块连接，用于通过温湿度传感器实时检测花生环境的温度、湿度数据；
土壤检测模块，与中央控制模块连接，用于通过实验仪器对土壤污染性进行检测；
中央控制模块，与视频监控模块、温湿度检测模块、土壤检测模块、供水模块、配肥模块、数据存储模块、显示模块连接，用于通过单片机控制各个模块正常工作；
供水模块，与中央控制模块连接，用于通过水泵抽取水源对花生进行浇水操作；
配肥模块，与中央控制模块连接，用于通过农用车对花生进行配肥施肥操作；
数据存储模块，与中央控制模块连接，用于通过存储器存储采集的视频、温湿度、土壤数据；
显示模块，与中央控制模块连接，用于通过显示器显示实时监控施肥画面、花生生长环境温度、湿度数据、土壤污染数据信息。
本发明的另一目的在于提供一种应用所述智能花生喷药施肥控制方法的信息数据处理终端。
本发明的优点及积极效果为：本发明通过土壤检测模块根据对土壤进行处理，还通过独特的土壤采集，能够避免特定区域对土壤检测的误导，能够保证土壤检测的准确性，且减少土壤的分析时间，有效提高了检测效率，保障花生健康生长；同时，通过配肥模块利用GIS系统对目标土壤定位后，对土壤划分多种单元格，然后分析每个单元格的土壤的元素成分以及土壤的使用用途，从而得到个各元素的盈缺，通过对农用车的精确定位来确定农用车所处的单元格，并调用施肥参数控制步进电机进而调控拨肥轮旋转速度，变量施肥，该施肥方法合理，可根据土壤的实际情况准确控制，同一块土壤中不同的部位也可精准配肥施肥，这样极大的提高了肥料的利用率，减少了肥料的浪费，减少了化肥对环境的污染。
本发明配肥模块中精确计算施肥量的算法，在实际应用中进行施肥量估算时能准确把握，避免造成估算的施肥量不够准确。
本发明供水模块中判断花生需水量的方法，减少了单参数对其需水判定缺陷，能够对花生植株的生长发育需水状态进行评判，能够确定其缺水时间长短。通过该模糊评判模型，为花生植株的灌溉策略的制定打下基础。采用比色法进行土壤含水量检测，操作步骤简单，测试速度快，1个样品的测试时间可控制在5min以内。检测结果绝对误差可控制在3％以内，基本不受土壤类型和化学成分等因素的影响。该法作为一种快速、便捷检测土壤含水量的方法可行，具有推广价值和普及应用优势。
附图说明
图1是本发明实施例提供的智能花生喷药施肥控制系统结构示意图；
图中：1、视频监控模块；2、温湿度检测模块；3、土壤检测模块；4、中央控制模块；5、供水模块；6、配肥模块；7、数据存储模块；8、显示模块。
图2是本发明实施例提供的智能花生喷药施肥控制方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的智能花生喷药施肥控制系统包括：视频监控模块1、温湿度检测模块2、土壤检测模块3、中央控制模块4、供水模块5、配肥模块6、数据存储模块7、显示模块8。
视频监控模块1，与中央控制模块4连接，用于通过摄像器实时监控花生喷药施肥过程影像数据；
温湿度检测模块2，与中央控制模块4连接，用于通过温湿度传感器实时检测花生环境的温度、湿度数据；
土壤检测模块3，与中央控制模块4连接，用于通过实验仪器对土壤污染性进行检测；
中央控制模块4，与视频监控模块1、温湿度检测模块2、土壤检测模块3、供水模块5、配肥模块6、数据存储模块7、显示模块8连接，用于通过单片机控制各个模块正常工作；
供水模块5，与中央控制模块4连接，用于通过水泵抽取水源对花生进行浇水操作；
配肥模块6，与中央控制模块4连接，用于通过农用车对花生进行配肥施肥操作；
数据存储模块7，与中央控制模块4连接，用于通过存储器存储采集的视频、温湿度、土壤数据；
显示模块8，与中央控制模块4连接，用于通过显示器显示实时监控施肥画面、花生生长环境温度、湿度数据、土壤污染数据信息。
本发明工作时，首先，通过视频监控模块1利用摄像器实时监控花生喷药施肥过程影像数据；通过温湿度检测模块2利用温湿度传感器实时检测花生环境的温度、湿度数据；通过土壤检测模块3利用实验仪器对土壤污染性进行检测；其次，中央控制模块4调度供水模块5利用水泵抽取水源对花生进行浇水操作；通过配肥模块6利用农用车对花生进行配肥施肥操作；然后，通过数据存储模块7利用存储器存储采集的视频、温湿度、土壤数据；最后，通过显示模块8利用显示器显示实时监控施肥画面、花生生长环境温度、湿度数据、土壤污染数据信息。
如图2所示，本发明实施例提供的智能花生喷药施肥控制方法包括：
S201：利用摄像器实时监控花生喷药施肥过程影像数据；对花生植株周围土壤环境的土壤含水量检测采用比色法测量，实时检测花生环境的温度、湿度数据；对土壤污染性进行检测；
S202：判断花生需水量，利用水泵抽取水源对花生进行浇水操作；计算施肥量，利用农用车对花生进行配肥施肥操作；存储器存储采集的视频、温湿度、土壤数据；
S203：显示实时监控施肥画面、花生生长环境温度、湿度数据、土壤污染数据信息。
进一步，判断花生需水量的方法为：
步骤一，采用花生植株颜色作为植物生长发育的j状态，通过图像处理得到的红色分量R、绿色分量G、蓝色分量B、以及r分量、b分量；
步骤二，确立各指标的隶属函数
特征指标R的隶属函数
当花生植株处于正常状态时，R平均值小于等于27.2，随着缺水时间的增加R值不断增加，大于89.2时植株萎蔫，缺水时间超过48小时，严重水分亏缺，此时隶属函数符合梯形分布上限型：
特征指标G的隶属函数；
当花生植株处于正常状态时，随着缺水时间的增加G值不断增加，大于80.2时植株萎蔫，其生长发育很难恢复正常，正常状态时，G平均值小于等于50，此时隶属函数符合梯形分布上限型，随着缺水时间超过48h，严重水分亏缺；
特征指标B的隶属函数；
当花生植株处于正常状态时，B平均值大于等于20.4，随着缺水时间的增加B值不断减少，小于0.6时植株萎蔫，缺水时间超过48h，严重水分亏缺，此时隶属函数符合梯形分布下限型；
特征指标r的隶属函数；
当花生植株处于正常状态时，r平均值小于等于0.279，随着缺水时间的增加r值不断增加，大于0.525时植株萎蔫，缺水时间超过48h，严重水分亏缺，此时隶属函数符合梯形分布上限型；
特征指标b的隶属函数；
当花生植株处于正常状态时，b平均值大于等于0.209，随着缺水时间的增加b值不断减少，小于0.004时植株萎蔫，缺水时间超过48h，严重水分亏缺，此时隶属函数符合梯形分布下限型；
步骤三，模糊评判模型向量计算；
根据以上所确定的特征指标的隶属函数，结合试验所测试的数据计算出模糊关系矩阵R：
根据专家经验利用改进层次分析法确定出模糊权向量矩阵W：
W＝[0.0799，0.1145，0.2548，0.3801，0.1708]；
则，模糊评判向量：
B＝WR＝[1.000 0.7515 0.5002 0.2771 0]；
步骤四，根据图像处理提取的植物叶片R、G、B、r、b值，利用B＝WR求取第j状态的模糊评判向量值bj，再与模糊评判向量中的模糊评判向量值进行比较，可判断出植物缺水状态，即缺水时间长短。
进一步，所述计算施肥量的方法为：
分别以氮、磷、钾的实际施肥纯量(Y)为依变量YN、YP和YK，取目标产量(X1)、土壤养分测试值(X2)为自变量，建立二元一次回归模型如下：
施P2O5量，YP＝-56.5464+0.0201359X1-0.809224X2(F＝287.38＊＊)；
施N量，YN＝-73.16+0.037725X1-0.1807755X2(F＝271.13＊＊)；
施K2O量，YK＝-43.832+0.0202697X1-0.07145307X2(F＝184.81＊＊)；
在以上模型中代入目标产量(X1)、土壤碱解氮、有效磷和速效钾测试值(X2)，即可计算出不同目标产量和不同肥力水平下氮、磷、钾肥的推荐施肥纯量(Y)，再根据肥料品种及含量换算出具体肥料的施用量；当目标产量较低时，计算出的氮、磷、钾肥施用量偏低，应采用最低施肥量进行调整。
进一步，对花生植株周围土壤环境的土壤含水量检测采用比色法测量方法包括：
步骤一，称取1g左右鲜土于25mL比色管中，摇匀，使土壤充分分散，稍微沉降后；
步骤二，用定性滤纸将待测液过滤于比色皿中，即为待测液；
步骤三，以无水乙醇为空白，进行显色剂校正，显色剂，1包显色剂粉剂，用8％蒸馏水-无水乙醇溶液定容至1000mL，备用然后；
步骤四，测试待测液，配合仪器在花生田间使用，并同步将检测结果传输至单片机。
进一步，对土壤污染性进行检测方法如下：
(1)选择土壤检测区域，确定取样点，然后在每个取样点上取样，利用铁锹将取样点的土壤进行挖深，且深度为23-26cm；利用土壤取样器沿着切断面至下而上进行取样，且各个取样点土层深度、取土厚度以及宽窄要相同，从而能够保证土壤检测的准确性；将同一取样点各个高度的土样进行混合均匀，然后装入土壤盛放器内，土壤盛放器在使用前，需进行多次清洗，然后烘干；实现土壤采集；采集的土壤样本置于干燥箱内，并在60-80摄氏度的条件下对土壤样本进行干燥，待土壤样本中的含水量低于4％后，取出；
(3)然后再次将土壤样本置于精细研磨机内进行研磨处理，研磨完成后，对其进行过滤，从而筛选出处理后的土样，需保证土样的颗粒直径小于50μm；
(4)将(3)中处理后的土样置于处理容器内，并向处理容器内添加混合液，然后在振荡器上均匀震荡，且震荡时间为7-9h，震动完成后，将其置于45-65摄氏度的水浴上进行加热，在此过程中，收集洗脱液，并将其进行过滤；
(5)将处理后的洗脱液置于质谱仪内，并在离子化模式下以高能电子流轰击洗脱液，使该洗脱液失去电子变为定量离子以及定性离子，通过雾化器、干燥气以及碰撞气对分子离子进行质谱优化处理，且雾化器气流为3-5L/min，干燥气气流为13-15L/min，碰撞气为250-270Kpa；
(6)待上述处理完成后，进行检测，即完成对土壤污染的检测。
进一步，配肥方法包括：
(1)利用GIS系统对目标土壤进行分析定位，利用分析控制装置分析出目标土壤的形状，并将目标土壤划分网格形成单元格，对每个单元格进行编号并储存到配肥数据库中，该编号中包含了该目标土壤中的地理信息；将目标土壤划分网格形成单元格的方法为：当目标土壤的形状为矩形或近似矩形时，按照目标土壤的长宽划分多个矩形单元格，目标土壤中的单元格数量小于200个，每个单元格的宽度和长度均大于GPS定位的最小精度；当目标土壤的形状为异形时，对目标土壤划分多个矩形单元格，矩形单元格的长边与目标土壤边缘各点连线中的最长线平行，目标土壤中的单元格数量小于200个，每个单元格的宽度和长度均大于GPS定位的最小精度；
(2)对目标土壤的每个单元格中的土壤进行采样分析，得出每个单元格的土壤中各元素的实际元素含量M实并储存至配肥数据库中；
(3)根据该目标土壤的用途制定目标元素含量M目，将每个单元格的每个元素的实际元素含量M实和目标元素含量M目进行比较得出该单元格中每个元素所要施肥的施肥元素量M施储存至配肥数据库中；
(4)利用一个带GPS接收器的农用车作为施肥动力，农用车上设置了配肥箱，每个配肥箱上划分了多个独立的用来盛放不同种肥料的盛放空间，每个盛放空间的底部安装有多个由步进电机驱动的拨肥轮；农用车上设置了用于控制步进电机运行的分析控制装置，当需要对目标土壤施肥时，农用车上的GPS接收器与GIS系统对接，农用车上的分析控制装置调取配肥数据库中该目标土壤中所有单元格的施肥元素量作为决策依据；分析控制装置利用车速传感器监控农用车的车速，利用转速传感器监控步进电机的转速，分析控制装置根据车速传感器和步进电机的转速来闭环控制农用车的行进速度和步进电机的转速；设定拨肥轮转动一次的施肥量为r，每个单元格的施肥距离为S，车辆行进速度为V，行走时间为t，步进电机转速为N,每米施肥量为m，上述各参数满足一下关系式：
2：M施＝N×t×r；；
(5)农用车在目标土壤上行走，GIS系统定位农用车行走到每个单元格中，分析控制装置调取配肥数据库中该单元格中的施肥参数控制并控制拨肥轮按照该单元格所对应的转速旋转变量施肥。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (8)

1.一种智能花生喷药施肥控制方法，其特征在于，所述智能花生喷药施肥控制方法包括：
步骤一，利用摄像器实时监控花生喷药施肥过程影像数据；对花生植株周围土壤环境的土壤含水量检测采用比色法测量，实时检测花生环境的温度、湿度数据；对土壤污染性进行检测；
步骤二，判断花生需水量，利用水泵抽取水源对花生进行浇水操作；计算施肥量，利用农用车对花生进行配肥施肥操作；存储器存储采集的视频、温湿度、土壤数据；
步骤三，显示实时监控施肥画面、花生生长环境温度、湿度数据、土壤污染数据信息。
2.如权利要求1所述的智能花生喷药施肥控制方法，其特征在于，判断花生需水量的方法为：
步骤一，采用花生植株颜色作为植物生长发育的j状态，通过图像处理得到的红色分量R、绿色分量G、蓝色分量B、以及r分量、b分量；
步骤二，确立各指标的隶属函数
特征指标R的隶属函数
当花生植株处于正常状态时，R平均值小于等于27.2，随着缺水时间的增加R值不断增加，大于89.2时植株萎蔫，缺水时间超过48小时，严重水分亏缺，此时隶属函数符合梯形分布上限型：
特征指标G的隶属函数；
当花生植株处于正常状态时，随着缺水时间的增加G值不断增加，大于80.2时植株萎蔫，其生长发育很难恢复正常，正常状态时，G平均值小于等于50，此时隶属函数符合梯形分布上限型，随着缺水时间超过48h，严重水分亏缺；
特征指标B的隶属函数；
当花生植株处于正常状态时，B平均值大于等于20.4，随着缺水时间的增加B值不断减少，小于0.6时植株萎蔫，缺水时间超过48h，严重水分亏缺，此时隶属函数符合梯形分布下限型；
特征指标r的隶属函数；
当花生植株处于正常状态时，r平均值小于等于0.279，随着缺水时间的增加r值不断增加，大于0.525时植株萎蔫，缺水时间超过48h，严重水分亏缺，此时隶属函数符合梯形分布上限型；
特征指标b的隶属函数；
当花生植株处于正常状态时，b平均值大于等于0.209，随着缺水时间的增加b值不断减少，小于0.004时植株萎蔫，缺水时间超过48h，严重水分亏缺，此时隶属函数符合梯形分布下限型；
步骤三，模糊评判模型向量计算；
根据以上所确定的特征指标的隶属函数，结合试验所测试的数据计算出模糊关系矩阵R：
根据专家经验利用改进层次分析法确定出模糊权向量矩阵W：
W＝[0.0799，0.1145，0.2548，0.3801，0.1708]；
则，模糊评判向量：
B＝W R＝[1.000 0.7515 0.5002 0.2771 0]；
步骤四，根据图像处理提取的植物叶片R、G、B、r、b值，利用B＝W R求取第j状态的模糊评判向量值bj，再与模糊评判向量中的模糊评判向量值进行比较，可判断出植物缺水状态，即缺水时间长短。
3.如权利要求1所述的智能花生喷药施肥控制方法，其特征在于，所述计算施肥量的方法为：
分别以氮、磷、钾的实际施肥纯量(Y)为依变量YN、YP和YK，取目标产量(X1)、土壤养分测试值(X2)为自变量，建立二元一次回归模型如下：
施P2O5量，Yp＝-56.5464+0.0201359X1-0.809224X2(F＝287.38＊＊)；
施N量，YN＝-73.16+0.037725x1-0.1807755X2(F＝271.13＊＊)；
施K2O量，YK＝-43.832+0.0202697X1-0.07145307X2(F＝184.81＊＊)；
在以上模型中代入目标产量(X1)、土壤碱解氮、有效磷和速效钾测试值(X2)，即可计算出不同目标产量和不同肥力水平下氮、磷、钾肥的推荐施肥纯量(Y)，再根据肥料品种及含量换算出具体肥料的施用量；当目标产量较低时，计算出的氮、磷、钾肥施用量偏低，应采用最低施肥量进行调整。
4.如权利要求1所述的智能花生喷药施肥控制方法，其特征在于，对花生植株周围土壤环境的土壤含水量检测采用比色法测量方法包括：
步骤一，称取1g左右鲜土于25mL比色管中，摇匀，使土壤充分分散，稍微沉降后；
步骤二，用定性滤纸将待测液过滤于比色皿中，即为待测液；
步骤三，以无水乙醇为空白，进行显色剂校正，显色剂，1包显色剂粉剂，用8％蒸馏水-无水乙醇溶液定容至1000mL，备用然后；
步骤四，测试待测液，配合仪器在花生田间使用，并同步将检测结果传输至单片机。
5.如权利要求1所述的智能花生喷药施肥控制方法，其特征在于，对土壤污染性进行检测方法如下：
(1)选择土壤检测区域，确定取样点，然后在每个取样点上取样，利用铁锹将取样点的土壤进行挖深，且深度为23-26cm；利用土壤取样器沿着切断面至下而上进行取样，且各个取样点土层深度、取土厚度以及宽窄要相同，从而能够保证土壤检测的准确性；将同一取样点各个高度的土样进行混合均匀，然后装入土壤盛放器内，土壤盛放器在使用前，需进行多次清洗，然后烘干；实现土壤采集；采集的土壤样本置于干燥箱内，并在60-80摄氏度的条件下对土壤样本进行干燥，待土壤样本中的含水量低于4％后，取出；
(3)然后再次将土壤样本置于精细研磨机内进行研磨处理，研磨完成后，对其进行过滤，从而筛选出处理后的土样，需保证土样的颗粒直径小于50μm；
(4)将(3)中处理后的土样置于处理容器内，并向处理容器内添加混合液，然后在振荡器上均匀震荡，且震荡时间为7-9h，震动完成后，将其置于45-65摄氏度的水浴上进行加热，在此过程中，收集洗脱液，并将其进行过滤；
(5)将处理后的洗脱液置于质谱仪内，并在离子化模式下以高能电子流轰击洗脱液，使该洗脱液失去电子变为定量离子以及定性离子，通过雾化器、干燥气以及碰撞气对分子离子进行质谱优化处理，且雾化器气流为3-5L/min，干燥气气流为13-15L/min，碰撞气为250-270Kpa；
(6)待上述处理完成后，进行检测，即完成对土壤污染的检测。
6.如权利要求1所述的智能花生喷药施肥控制方法，其特征在于，配肥方法包括：
(1)利用GIS系统对目标土壤进行分析定位，利用分析控制装置分析出目标土壤的形状，并将目标土壤划分网格形成单元格，对每个单元格进行编号并储存到配肥数据库中，该编号中包含了该目标土壤中的地理信息；将目标土壤划分网格形成单元格的方法为：当目标土壤的形状为矩形或近似矩形时，按照目标土壤的长宽划分多个矩形单元格，目标土壤中的单元格数量小于200个，每个单元格的宽度和长度均大于GPS定位的最小精度；当目标土壤的形状为异形时，对目标土壤划分多个矩形单元格，矩形单元格的长边与目标土壤边缘各点连线中的最长线平行，目标土壤中的单元格数量小于200个，每个单元格的宽度和长度均大于GPS定位的最小精度；
(2)对目标土壤的每个单元格中的土壤进行采样分析，得出每个单元格的土壤中各元素的实际元素含量M实并储存至配肥数据库中；
(3)根据该目标土壤的用途制定目标元素含量M目，将每个单元格的每个元素的实际元素含量M实和目标元素含量M目进行比较得出该单元格中每个元素所要施肥的施肥元素量M施储存至配肥数据库中；
(4)利用一个带GPS接收器的农用车作为施肥动力，农用车上设置了配肥箱，每个配肥箱上划分了多个独立的用来盛放不同种肥料的盛放空间，每个盛放空间的底部安装有多个由步进电机驱动的拨肥轮；农用车上设置了用于控制步进电机运行的分析控制装置，当需要对目标土壤施肥时，农用车上的GPS接收器与GIS系统对接，农用车上的分析控制装置调取配肥数据库中该目标土壤中所有单元格的施肥元素量作为决策依据；分析控制装置利用车速传感器监控农用车的车速，利用转速传感器监控步进电机的转速，分析控制装置根据车速传感器和步进电机的转速来闭环控制农用车的行进速度和步进电机的转速；设定拨肥轮转动一次的施肥量为r，每个单元格的施肥距离为S，车辆行进速度为V，行走时间为t，步进电机转速为N,每米施肥量为m，上述各参数满足一下关系式：
1：
2：M施＝N×t×r；
(5)农用车在目标土壤上行走，GIS系统定位农用车行走到每个单元格中，分析控制装置调取配肥数据库中该单元格中的施肥参数控制并控制拨肥轮按照该单元格所对应的转速旋转变量施肥。
7.一种实现权利要求1所述智能花生喷药施肥控制方法的智能花生喷药施肥控制系统，其特征在于，所述智能花生喷药施肥控制系统包括：
视频监控模块，与中央控制模块连接，用于通过摄像器实时监控花生喷药施肥过程影像数据；
温湿度检测模块，与中央控制模块连接，用于通过温湿度传感器实时检测花生环境的温度、湿度数据；
土壤检测模块，与中央控制模块连接，用于通过实验仪器对土壤污染性进行检测；
中央控制模块，与视频监控模块、温湿度检测模块、土壤检测模块、供水模块、配肥模块、数据存储模块、显示模块连接，用于通过单片机控制各个模块正常工作；
供水模块，与中央控制模块连接，用于通过水泵抽取水源对花生进行浇水操作；
配肥模块，与中央控制模块连接，用于通过农用车对花生进行配肥施肥操作；
数据存储模块，与中央控制模块连接，用于通过存储器存储采集的视频、温湿度、土壤数据；
显示模块，与中央控制模块连接，用于通过显示器显示实时监控施肥画面、花生生长环境温度、湿度数据、土壤污染数据信息。
8.一种应用权利要求1～6任意一项所述智能花生喷药施肥控制方法的信息数据处理终端。
CN201811339085.0A 2018-11-12 2018-11-12 一种智能花生喷药施肥控制系统及方法 Pending CN109566030A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811339085.0A CN109566030A (zh) 2018-11-12 2018-11-12 一种智能花生喷药施肥控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811339085.0A CN109566030A (zh) 2018-11-12 2018-11-12 一种智能花生喷药施肥控制系统及方法

Publications (1)

Publication Number Publication Date
CN109566030A true CN109566030A (zh) 2019-04-05

Family

ID=65922218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811339085.0A Pending CN109566030A (zh) 2018-11-12 2018-11-12 一种智能花生喷药施肥控制系统及方法

Country Status (1)

Country Link
CN (1) CN109566030A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110178514A (zh) * 2019-06-25 2019-08-30 珠海美光原科技股份有限公司 一种施肥灌溉设备及系统
CN112304933A (zh) * 2020-11-03 2021-02-02 南通市第一人民医院 一种智能消毒液比色显示控制方法及系统
CN112470650A (zh) * 2020-11-24 2021-03-12 江西省农业科学院土壤肥料与资源环境研究所 一种肥料配制方法及系统
CN113039913A (zh) * 2021-03-22 2021-06-29 灌南县农业技术推广中心 一种适用于蘑菇养殖的灌溉施肥一体化装置
CN113625614A (zh) * 2021-07-09 2021-11-09 洛阳拖拉机研究所有限公司 一种直播机用的综合控制方法及控制系统
CN114868505A (zh) * 2022-07-12 2022-08-09 山西方圆村信息技术有限公司 一种智能水肥控制柜
CN117223459A (zh) * 2023-11-14 2023-12-15 江苏汉菱肥业有限责任公司 一种基于数据分析的肥料自动混配系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN206833217U (zh) * 2017-06-30 2018-01-02 中国农业科学院农业信息研究所 一种大田种植监控系统
CN108112325A (zh) * 2017-12-11 2018-06-05 江苏哈工药机科技股份有限公司 一种自动配肥施肥方法
CN108353770A (zh) * 2018-03-13 2018-08-03 中国科学院地理科学与资源研究所 管理农田的方法、装置和系统、监控农田的方法及装置
CN108507821A (zh) * 2018-06-20 2018-09-07 温州新鸿检测技术有限公司 一种土壤污染检测方法
CN108572681A (zh) * 2018-06-25 2018-09-25 深圳市赛瑞景观工程设计有限公司 一种农业物联网控制系统
CN108694444A (zh) * 2018-05-15 2018-10-23 重庆科技学院 一种基于智能数据采集与云服务技术的植物培育方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN206833217U (zh) * 2017-06-30 2018-01-02 中国农业科学院农业信息研究所 一种大田种植监控系统
CN108112325A (zh) * 2017-12-11 2018-06-05 江苏哈工药机科技股份有限公司 一种自动配肥施肥方法
CN108353770A (zh) * 2018-03-13 2018-08-03 中国科学院地理科学与资源研究所 管理农田的方法、装置和系统、监控农田的方法及装置
CN108694444A (zh) * 2018-05-15 2018-10-23 重庆科技学院 一种基于智能数据采集与云服务技术的植物培育方法
CN108507821A (zh) * 2018-06-20 2018-09-07 温州新鸿检测技术有限公司 一种土壤污染检测方法
CN108572681A (zh) * 2018-06-25 2018-09-25 深圳市赛瑞景观工程设计有限公司 一种农业物联网控制系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
杨张青等: "比色法快速测定土壤含水量", 《中国农学通报》 *
谢守勇等: "金莲花生长发育需水模糊评判模型研究", 《农业工程学报》 *
陈小虎等: "玉米精准施肥数学模型研究", 《作物杂志》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110178514A (zh) * 2019-06-25 2019-08-30 珠海美光原科技股份有限公司 一种施肥灌溉设备及系统
CN112304933A (zh) * 2020-11-03 2021-02-02 南通市第一人民医院 一种智能消毒液比色显示控制方法及系统
CN112304933B (zh) * 2020-11-03 2021-09-21 南通市第一人民医院 一种智能消毒液比色显示控制方法及系统
CN112470650A (zh) * 2020-11-24 2021-03-12 江西省农业科学院土壤肥料与资源环境研究所 一种肥料配制方法及系统
CN113039913A (zh) * 2021-03-22 2021-06-29 灌南县农业技术推广中心 一种适用于蘑菇养殖的灌溉施肥一体化装置
CN113625614A (zh) * 2021-07-09 2021-11-09 洛阳拖拉机研究所有限公司 一种直播机用的综合控制方法及控制系统
CN114868505A (zh) * 2022-07-12 2022-08-09 山西方圆村信息技术有限公司 一种智能水肥控制柜
CN117223459A (zh) * 2023-11-14 2023-12-15 江苏汉菱肥业有限责任公司 一种基于数据分析的肥料自动混配系统
CN117223459B (zh) * 2023-11-14 2024-02-02 江苏汉菱肥业有限责任公司 一种基于数据分析的肥料自动混配系统

Similar Documents

Publication Publication Date Title
CN109566030A (zh) 一种智能花生喷药施肥控制系统及方法
CN109757175B (zh) 一种基于无人机监测的玉米水肥一体化变量施肥方法
EP1239723B1 (en) Method for fertilizing cultivated plants for optimizing the quantity and quality of the yield
CN111316896B (zh) 一种精细化栽培技术的灌溉控制系统
WO2008149361A2 (en) Water and fertilizer management system
CN111418323A (zh) 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法
CN108770646A (zh) 一种现代化农业自动灌溉和施肥的控制方法
CN115455086A (zh) 一种灌区农业灌溉用水量的估算方法及系统
CN113642729A (zh) 基于机器学习的智能沼液施用方法、系统及存储介质
CN112098469B (zh) 一种土壤电导率检测系统及方法
CN106770505B (zh) 一种基于介电谱的土壤原位养分速测方法
CN113273370B (zh) 基于相关性分析和数据修正的精准施肥方法
CN110064601A (zh) 一种蔬菜嫁接用苗检测分级系统和分级方法
CN111724073B (zh) 一种模块化农业机械排放量计算及污染识别管控系统
CN109632688A (zh) 一种植物秧苗养分盈亏状态识别方法及光谱检测系统
CN2692674Y (zh) 植物营养检测系统
CN109118382A (zh) 土壤墒情与施肥量关系模型的建立方法及应用
CN117796215A (zh) 数据驱动的甘蔗精准施钠肥方法及系统
CN211955461U (zh) 一种室内测定肥料养分释放速度的装置
CN112749837B (zh) 一种基于花后ndvi积累值估测谷类作物产量的方法
CN115201412A (zh) 一种基于植株形态的棉花水分诊断方法
Sun et al. 8 Precision Agriculture in China
Calambro et al. The Effects of Soil Nutrient NPK Indicator and Recommendation System for Brassica Rapa subsp. Chinensis or Taiwan Pechay Bokchoy
CN117751738A (zh) 一种水稻种植施肥管理系统及方法
Liu et al. Precision Irrigation Method for Oil Crops Based On-demand: A Case Study of Peanuts

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190405

RJ01 Rejection of invention patent application after publication