CN109948535A - 一种作物种子生产主要生育期肥水条件的智慧监控方法 - Google Patents
一种作物种子生产主要生育期肥水条件的智慧监控方法 Download PDFInfo
- Publication number
- CN109948535A CN109948535A CN201910208252.6A CN201910208252A CN109948535A CN 109948535 A CN109948535 A CN 109948535A CN 201910208252 A CN201910208252 A CN 201910208252A CN 109948535 A CN109948535 A CN 109948535A
- Authority
- CN
- China
- Prior art keywords
- plant
- fertilizer
- water condition
- monitoring
- water
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 title claims abstract description 37
- 239000003337 fertilizer Substances 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 14
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 22
- 230000009418 agronomic effect Effects 0.000 claims abstract description 10
- 238000000926 separation method Methods 0.000 claims abstract description 7
- 238000013135 deep learning Methods 0.000 claims abstract description 6
- 244000038559 crop plants Species 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims abstract description 5
- 241000209094 Oryza Species 0.000 claims description 37
- 241000196324 Embryophyta Species 0.000 claims description 36
- 239000002689 soil Substances 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 11
- 235000009566 rice Nutrition 0.000 description 11
- 238000010801 machine learning Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
Landscapes
- Hydroponics (AREA)
- Fertilizers (AREA)
Abstract
本发明公开了一种作物种子生产主要生育期肥水条件的智慧监控方法，包括步骤：使用无人机拍摄所需监控地块照片；计算单个作物植株或者典型部位的轮廓及其色泽；对分离后的单个植株或者典型部位的轮廓照片进行肥水条件分类，作为深度学习的训练样本；使用植株轮廓照片对深度卷积神经网络进行训练；使用不同肥水条件的验证照片对所述深度卷积神经网络进行验证；对所需监控地块内的所有植株所处的肥水条件进行分类统计，以此判断植株所处的肥水条件；提出相应的农艺操作建议；将相关肥水条件状态信息和农艺操作要求发送给操作人员。本发明可以对各个地块自动编号、记录和统计，并实现不同作物种子生产主要生育期内土壤肥水情况的总体统计分析。
Description
技术领域
本发明涉及土壤肥水判断方法，尤其涉及一种作物种子生产主要生育期肥水条件的智慧监控方法。
背景技术
农作物种业是战略性、基础性核心产业。随着农村劳动力的大量转移，已没有足够的满足制种用工的需求，加之机械化程度低，种农效益和积极性降低，因此造成田间管理粗放，产量低、种子质量不稳定等问题。亟待研究适应现代农业发展需求的种子智能化精准生产技术，提高经济效益。
土壤肥水监控是现代种子生产必不可少的一个重要环节。现有的监控方法中，一般采用人工监控，但是随着人们生活水平的提高，可用劳动力的减少，单纯依靠人工监控，自动化程度低，费时费力；也偶有卫星遥感技术等研究报道，但卫星遥感监控精确率不高，在生产上尚难以进行应用。
深度学习是机器学习研究中的一个新的领域，通过建立模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，包括图像，声音和文本等。同机器学习方法一样，深度机器学习方法也有监督学习与无监督学习之分，不同的学习框架下建立的学习模型很是不同。本专利采用的卷积神经网络(Convolutional neural networks，简称CNNs)就是一种深度的监督学习下的机器学习模型。目前尚无使用卷积神经网络进行种子智慧生产肥水监控的技术。
发明内容
为克服现有技术的不足，本发明提出一种作物种子生产主要生育期肥水条件的智慧监控方法。
本发明的技术方案是这样实现的：
一种作物种子生产主要生育期肥水条件的智慧监控方法，包括步骤S1：将监控地块进行分割和标记，并使用无人机拍摄所需监控地块照片；
S2：从监控地块照片中分离出单个作物植株或单个植株典型部位，利用计算机视觉算法，计算单个作物植株或者典型部位的轮廓及其色泽；
S3：对分离后的单个植株或者典型部位的轮廓照片进行肥水条件分类，将其分为过旺、正常、一般、差等类型，作为深度学习的训练样本；
S4：使用植株轮廓照片对深度卷积神经网络进行训练，使之能对不同生育期肥水条件下的植株长势进行精确分类；
S5：使用不同肥水条件的验证照片对所述深度卷积神经网络进行验证；
S6：使用所述深度卷积神经网络对所需监控地块内的所有植株所处的肥水条件进行分类统计，以此判断植株所处的肥水条件；
S7：根据深度卷积神经网络对所需监控地块内的所有植株的肥水条件和长势状态提出相应的农艺操作建议；
S8：通过信息系统，将相关肥水条件状态信息和农艺操作要求发送给操作人员，实行精准操作。
进一步地，步骤S3中所述对分离后的单个植株或者典型部位的轮廓照片进行肥水条件分类，其判断条件为：以每亩种植密度2万蔸计算，将每蔸水稻分蘖数超过20个的植株长势视为过旺、每蔸水稻分蘖数10-15个的植株长势视为正常、每蔸水稻分蘖数5-10个的植株长势视为一般、每蔸水稻分蘖数小于5个的植株长势视为较弱。
本发明的有益效果在于，与现有技术相比，本发明可以对各个地块自动编号、记录和统计，并实现不同作物种子生产主要生育期内土壤肥水情况的总体统计分析。
附图说明
图1是本发明一种作物种子生产主要生育期肥水条件的智慧监控方法流程原理图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1请参见图1，本发明一种作物种子生产主要生育期肥水条件的智慧监控方法，包括步骤：
S1：将监控地块进行分割和标记，并使用无人机拍摄所需监控地块照片；
S2：从水稻分蘖期的每蔸水稻植株照片中分离出单个水稻分蘖，利用计算机视觉算法，计算每蔸水稻植株的水稻分蘖数；
S3：对分离后的水稻植株轮廓照片进行水稻分蘖期长势分类，以每亩种植密度2万蔸计算，可将每蔸水稻分蘖数超过20个的植株长势视为过旺、每蔸水稻分蘖数10-15个的植株长势视为正常、每蔸水稻分蘖数5-10个的植株长势视为一般、每蔸水稻分蘖数小于5个的植株长势视为较弱，作为深度学习的训练样本；
S4：使用水稻分蘖期长势分类轮廓照片对深度卷积神经网络进行训练，使之能对不同水稻分蘖期长势状况进行精确分类；
S5：使用水稻分蘖期不同长势分类的验证照片对所述深度卷积神经网络进行验证；
S6：使用所述深度卷积神经网络对所需监控地块内的各个水稻植株进行植株长势的分类统计，最终判断监控地块内所有水稻植株的长势状态；
S7：根据深度卷积神经网络对所需监控地块内的所有植株的长势状态提出相应的农艺操作建议。如果判断监控地块内水稻分蘖期为过旺，就采用加强晒田等方法进行控制；如果判断监控地块内水稻分蘖期为长势较弱，就采用增加肥水使用进行调控；
S8：通过信息系统，将相关作物长势状态信息和农艺操作要求发送给操作人员，实行精准操作。
实施例2请参见图1，本发明一种作物种子生产主要生育期肥水条件的智慧监控方法，包括步骤：
S1：将监控地块进行分割和标记，并使用无人机拍摄所需监控地块照片；
S2：从水稻拔节期的水稻植株照片中分离出单个水稻叶片，利用计算机视觉算法，计算每个叶片轮廓及其色泽；
S3：对分离后的水稻植株轮廓及其色泽照片进行水稻拔节期长势分类，叶片色泽墨绿的水稻长势视为过旺、叶片色泽为绿色的水稻长势视为过旺、叶片色泽为黄色的水稻长势视为一般，以此作为深度学习的训练样本；
S4：使用拔节期的水稻植株轮廓及其色泽照片对深度卷积神经网络进行训练，使之能对不同肥水条件进行精确分类；
S5：使用不同肥水条件的验证照片对所述深度卷积神经网络进行验证；
S6：使用所述深度卷积神经网络对所需监控地块内的所有水稻植株所处的肥水条件进行分类统计，以此判断水稻所处的肥水条件。
S7：根据深度卷积神经网络对所需监控地块内的所有植株的肥水条件和长势状态提出相应的农艺操作建议。如果判断监控地块内水稻拔节期为过旺，就采用加强晒田等方法进行控制；如果判断监控地块内水稻拔节期为长势较弱，就采用增加肥水使用进行调控。
S8：通过信息系统，将相关肥水条件状态信息和农艺操作要求发送给操作人员，实行精准操作。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (2)
1.一种作物种子生产主要生育期肥水条件的智慧监控方法，其特征在于，包括步骤
S1：将监控地块进行分割和标记，并使用无人机拍摄所需监控地块照片；
S2：从监控地块照片中分离出单个作物植株或单个植株典型部位，利用计算机视觉算法，计算单个作物植株或者典型部位的轮廓及其色泽；
S3：对分离后的单个植株或者典型部位的轮廓照片进行肥水条件分类，将其分为过旺、正常、一般、差等类型，作为深度学习的训练样本；
S4：使用植株轮廓照片对深度卷积神经网络进行训练，使之能对不同生育期肥水条件下的植株长势进行精确分类；
S5：使用不同肥水条件的验证照片对所述深度卷积神经网络进行验证；
S6：使用所述深度卷积神经网络对所需监控地块内的所有植株所处的肥水条件进行分类统计，以此判断植株所处的肥水条件；
S7：根据深度卷积神经网络对所需监控地块内的所有植株的肥水条件和长势状态提出相应的农艺操作建议；
S8：通过信息系统，将相关肥水条件状态信息和农艺操作要求发送给操作人员，实行精准操作。
2.如权利要求1所述的作物种子生产主要生育期肥水条件的智慧监控方法，其特征在于，步骤S3中所述对分离后的单个植株或者典型部位的轮廓照片进行肥水条件分类，其判断条件为：以每亩种植密度2万蔸计算，将每蔸水稻分蘖数超过20个的植株长势视为过旺、每蔸水稻分蘖数10-15个的植株长势视为正常、每蔸水稻分蘖数5-10个的植株长势视为一般、每蔸水稻分蘖数小于5个的植株长势视为较弱。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910208252.6A CN109948535A (zh) | 2019-03-19 | 2019-03-19 | 一种作物种子生产主要生育期肥水条件的智慧监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910208252.6A CN109948535A (zh) | 2019-03-19 | 2019-03-19 | 一种作物种子生产主要生育期肥水条件的智慧监控方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109948535A true CN109948535A (zh) | 2019-06-28 |
Family
ID=67009107
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910208252.6A Pending CN109948535A (zh) | 2019-03-19 | 2019-03-19 | 一种作物种子生产主要生育期肥水条件的智慧监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109948535A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108426884A (zh) * | 2018-03-28 | 2018-08-21 | 四川云淞源科技有限公司 | 智慧城市无人机农产品物流控制系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103444410A (zh) * | 2013-09-05 | 2013-12-18 | 云南省农业科学院粮食作物研究所 | 一种提高小麦产量的栽培方法 |
| CN103839184A (zh) * | 2014-02-21 | 2014-06-04 | 三峡大学 | 一种农作物群体长势多空间尺度自适应监测方法及装置 |
| CN105446309A (zh) * | 2015-12-31 | 2016-03-30 | 西北工业大学 | 一种基于物联网的农业智能分析监控系统 |
| CN105842246A (zh) * | 2016-05-27 | 2016-08-10 | 中国农业科学院农业信息研究所 | 农田监测系统及监测农田的方法 |
| CN105900792A (zh) * | 2016-06-12 | 2016-08-31 | 河北省农林科学院旱作农业研究所 | 一种基于冬小麦苗情和土壤墒情的节水灌溉方法 |
| CN106777683A (zh) * | 2016-12-14 | 2017-05-31 | 天津市农业技术推广站 | 一种作物苗情监测系统和方法 |
| CN107306564A (zh) * | 2017-07-18 | 2017-11-03 | 黑龙江省农垦科学院 | 一种北方寒区水稻叶龄诊断调控施肥方法 |
| CN108647652A (zh) * | 2018-05-14 | 2018-10-12 | 北京工业大学 | 一种基于图像分类和目标检测的棉花发育期自动识别方法 |
| CN109191074A (zh) * | 2018-08-27 | 2019-01-11 | 宁夏大学 | 智慧果园种植管理系统 |
-
2019
- 2019-03-19 CN CN201910208252.6A patent/CN109948535A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103444410A (zh) * | 2013-09-05 | 2013-12-18 | 云南省农业科学院粮食作物研究所 | 一种提高小麦产量的栽培方法 |
| CN103839184A (zh) * | 2014-02-21 | 2014-06-04 | 三峡大学 | 一种农作物群体长势多空间尺度自适应监测方法及装置 |
| CN105446309A (zh) * | 2015-12-31 | 2016-03-30 | 西北工业大学 | 一种基于物联网的农业智能分析监控系统 |
| CN105842246A (zh) * | 2016-05-27 | 2016-08-10 | 中国农业科学院农业信息研究所 | 农田监测系统及监测农田的方法 |
| CN105900792A (zh) * | 2016-06-12 | 2016-08-31 | 河北省农林科学院旱作农业研究所 | 一种基于冬小麦苗情和土壤墒情的节水灌溉方法 |
| CN106777683A (zh) * | 2016-12-14 | 2017-05-31 | 天津市农业技术推广站 | 一种作物苗情监测系统和方法 |
| CN107306564A (zh) * | 2017-07-18 | 2017-11-03 | 黑龙江省农垦科学院 | 一种北方寒区水稻叶龄诊断调控施肥方法 |
| CN108647652A (zh) * | 2018-05-14 | 2018-10-12 | 北京工业大学 | 一种基于图像分类和目标检测的棉花发育期自动识别方法 |
| CN109191074A (zh) * | 2018-08-27 | 2019-01-11 | 宁夏大学 | 智慧果园种植管理系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108426884A (zh) * | 2018-03-28 | 2018-08-21 | 四川云淞源科技有限公司 | 智慧城市无人机农产品物流控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100416590C (zh) | 利用位置和纹理特征自动识别作物苗期田间杂草的方法 | |
| CN108346142A (zh) | 一种基于植物光照图像的植物生长状态识别方法 | |
| CN110909933B (zh) | 一种耦合作物模型与机器学习语言的农业干旱快速诊断和评估方法 | |
| CN109871833A (zh) | 一种基于深度学习卷积神经网络的农作物成熟度监控方法 | |
| CN116384743B (zh) | 一种基于生态数据分析的植物生长风险评估系统 | |
| CN109961035A (zh) | 一种水稻分蘖期长势智慧监控调节方法 | |
| CN107103395B (zh) | 一种农作物虫害短期预警方法 | |
| CN111931711B (zh) | 一种多源异构遥感大数据处理方法和装置 | |
| CN109874584A (zh) | 一种基于深度学习卷积神经网络的果树长势监控系统 | |
| CN114298615A (zh) | 一种农作物种植风险预防方法、装置、存储介质和设备 | |
| CN115938083B (zh) | 一种基于移动终端农业监测预警方法及系统 | |
| CN116562813B (zh) | 一种基于农业物联网的智慧农业综合管理系统 | |
| CN106651149A (zh) | 一种植物生长行为分析方法 | |
| CN109948535A (zh) | 一种作物种子生产主要生育期肥水条件的智慧监控方法 | |
| CN112364710B (zh) | 一种基于深度学习算法的植物电信号分类识别方法 | |
| CN117854006A (zh) | 一种基于图像处理的烟草生长状态监测系统 | |
| CN112868455A (zh) | 一种提高钩藤种植产量的方法和装置 | |
| CN105184234B (zh) | 一种冬小麦秸秆焚烧污染物排放量的测算方法及装置 | |
| CN109934186A (zh) | 一种农作物直播成苗率的智慧高效监控方法 | |
| CN117036926A (zh) | 一种融合深度学习与图像处理的杂草识别方法 | |
| CN115761475A (zh) | 一种用于玉米小麦幼苗的在线监控识别系统 | |
| CN116046687A (zh) | 一种农作物生长过程监测方法、设备及介质 | |
| CN116994001A (zh) | 一种基于数据智能的水稻叶龄模式栽培方法、系统及设备 | |
| CN116453003B (zh) | 一种基于无人机监测智能识别水稻生长势的方法和系统 | |
| CN117436710B (zh) | 一种基于作物模型的干旱评估方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |