CN110415133A - 一种智慧农业医生管理系统及方法 - Google Patents
一种智慧农业医生管理系统及方法 Download PDFInfo
- Publication number
- CN110415133A CN110415133A CN201910692726.9A CN201910692726A CN110415133A CN 110415133 A CN110415133 A CN 110415133A CN 201910692726 A CN201910692726 A CN 201910692726A CN 110415133 A CN110415133 A CN 110415133A
- Authority
- CN
- China
- Prior art keywords
- subsystem
- wireless communication
- pests
- diseases
- pest
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Abstract
本发明公开了一种智慧农业医生管理系统及方法,利用大数据与人工智能领域的残差神经网络算法对农作物病虫害进行精确识别,通过数据库技术、无线通信互联网技术、TFT电容式触摸屏液晶、嵌入式图像传感及采集技术、以及API接口技术构建集农作物病虫害识别、诊断、产品供应、专家问答、农业社交于一体的信息系统平台,实现了高准确率地机器视觉农作物病虫害诊断,以及专家问诊、药物供应、信息交互一站式服务。
Description
技术领域
本发明涉及农业信息化技术领域,具体涉及一种智慧农业医生管理系统及方法。
背景技术
农业作物的种植受到包括地域、土壤条件、气候、季节等多种环境因素的影响,使得作物保护工作复杂且繁琐;而植株病虫害症状繁多,相关植物医疗保障条件有限,人力和物质资源匮乏,因而常出现农药滥用、错用以及无法有效遏制突然的、传染性的农作物病虫害的现象。
随着近年来信息技术的发展,农业信息化领域已经初具规模。一方面,随着传感技术与传感网络以及无线通信技术的发展,在线专家检测、诊断、问答已具备技术条件;另一方面,随着人工智能与大数据技术的发展,植株的病虫害图像技术也已渐渐成熟。
2010年,管泽鑫等人提取水稻病虫害图像的形态、纹理、颜色特征参数,提出了利用逐步判别分析法分类特征参数并利用贝叶斯判别法进行分类识别,识别率高达97.2%,却由于算法复杂,对数字处理器硬件消耗大,且仅能处理水稻病虫害信息,因此有待改进。2012年,温芝元等人公开了一种基于补偿模糊神经网络的脐橙不同病虫害图像识别方法,该方法识别准确率达85.51%,但却仅能针对脐橙的图像进行识别。同年,刁智华等人将不变矩理论引入到形状特征提取中,研究了复杂背景下小麦叶部病虫害图像的分割算法,基于支持向量机决策树的多累分类器算法,设计和开发了小麦叶部病虫害的智能识别系统。
近几年来学术界类似的研究还有很多,但却普遍存在以下问题:其一,大多数方法仅针对单类植物或病虫害进行识别;其二,识别手段普遍依赖于人工提取特征,因而在某类农作物上能够进行较准确的识别方法常常难以复用到另一类农作物上;其三,尽管实验室环境识别率较高,但在自然场景下的识别率依然偏低。
农作物种植的现状,不仅仅需要一套普适的、通用的、抗环境噪声的智能识别诊断系统,也需要一套能集专家问诊、药物供应、信息交互等各项功能于一体的信息系统。而目前本领域现有的信息平台功能尚不完善。
发明内容
针对现有技术中的上述不足,本发明提供的一种智慧农业医生管理系统及方法,利用大数据与人工智能领域的残差神经网络算法对农作物病虫害进行精确识别,通过数据库技术、互联网技术、嵌入式软硬件技术构建集农作物病虫害识别、诊断、产品供应、专家问答、农业社交于一体的信息系统平台,解决了市场上缺乏普适的、通用的、抗环境噪声的智能识别诊断系统,以及缺乏集专家问诊、药物供应、信息交互等各项功能于一体的信息系统的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种智慧农业医生管理系统,包括服务器端和移动端;所述服务器端包括无线通信系统Server端、病虫害诊断子系统、数据库子系统、用户交流论坛子系统、专家问答子系统和第三方信息平台接口;所述移动端包括图像采集子系统、显示子系统、输入子系统和无线通信系统Client端;
所述无线通信系统Server端用于构建移动端与服务器端的无线互联网通信,实现用户信息、农作物病虫害图片和诊断结果交互;
所述病虫害诊断子系统用于病虫害图像识别;
所述数据库子系统用于存储用户信息和识别病虫害的数据;
所述用户交流论坛子系统用于用户交流;
所述专家问答子系统用于获得专家对农作物病虫害的诊断结果;
所述第三方信息平台接口用于访问第三方电子商务信息平台;
所述图像采集子系统用于农作物病虫害状态进行拍照;
所述显示子系统用于向用户展示诊断结果;
所述输入子系统用于处理用户注册信息;
所述无线通信系统Client端用于构建移动端与服务器端的无线互联网通信,实现用户注册信息、农作物图像信息和诊断信息的数据交互。
进一步地,所述无线通信系统Server端的无线互联网络接口为TCP/IP协议Socket套接字Server接口;所述无线通信系统Client端的无线互联网络接口为TCP/IP协议Socket套接字Client接口;所述无线通信系统Server端与无线通信系统Client端通过无线互联网通信连接。
上述进一步方案的有益效果为:TCP/IP协议Socket通信接口是一种安全可靠的互联网通信接口,使用该协议接口,比UDP协议接口更能保障通信的有效性,降低误码率和丢包率。
进一步地,所述病虫害诊断子系统为基于大数据与人工智能技术的残差神经网络图像处理系统。
上述进一步方案的有益效果为:残差神经网络是由微软公司的顶尖学者于2015年提出来的大规模机器视觉处理算法,它具有容易优化的特点,其内部的残差块使用了跳跃连接,缓解了在深度神经网络中带来的梯度消失问题,能够通过增加相当的深度来提高准确率,将其应用于农作物病虫害的识别,能实现全作物全自然场景下的普适的、通用的、抗环境噪声的高准确率的病虫害识别。
进一步地,所述第三方信息平台接口为与第三方签约电商的电子商务信息平台对接的API接口。
上述进一步方案的有益效果为:该特征使得本系统能够对接电商平台,实现农作物病虫害诊断后的药物供应一站式服务。
进一步地,所述输入子系统包括电容屏输入单元和机械按键输入单元。
进一步地,所述显示子系统为TFT电容式液晶屏显示子系统。
一种智慧农业医生管理方法,包括以下步骤:
S1、进行注册登录,向智慧农业医生管理系统存入注册信息,获取智慧农业医生管理系统的使用权限;
S2、对农作物病虫害进行诊断,获取农作物病虫害诊断结果;
S3、通过连接移动端与服务器端的无线网络,将农作物病虫害诊断结果上传至服务端的用户交流论坛子系统以及专家问答子系统,获得论坛以及专家的诊断信息;
S4、通过论坛以及专家的诊断信息,判断农作物病虫害诊断结果是否正确,若是,则跳转至步骤S5,否则跳转至步骤S6;
S5、通过连接移动端与服务器端的无线网络以及第三方信息平台接口,访问第三方签约电商的电子商务信息平台,购买正确的化肥农药;
S6、通过连接移动端与服务器端的无线网络向服务器端数据库子系统进行反馈,修订数据库子系统中预存的用于识别病虫害的数据。
进一步地,所述步骤S1包括以下步骤:
S11、在移动端的输入子系统填写注册信息;
S12、通过输入子系统将用户注册信息传递给无线通信系统Client端;
S13、通过无线通信系统Client端将用户注册信息通过无线互联网TCP/IP协议Socket套接字通信接口发送给无线通信系统Server端;
S14、通过无线通信系统Server端将用户注册信息传递给数据库子系统;
S15、通过数据库子系统保存用户注册信息,并向用户发放智慧农业医生管理系统的使用权限。
进一步地,所述步骤S2包括以下步骤:
S21、使用移动端的图像采集子系统对农作物病虫害状态进行拍照;
S22、通过图像采集子系统将农作物病虫害图片传递给无线通信系统Client端;
S23、通过无线通信系统Client端将农作物病虫害图片通过无线互联网TCP/IP协议Socket套接字通信接口发送给无线通信系统Server端;
S24、通过无线通信系统Server端将农作物病虫害图片传递给病虫害诊断子系统;
S25、通过病虫害诊断子系统对农作物病虫害图片进行诊断,得出诊断结果,并将诊断结果传递给无线通信系统Server端;
S26、通过无线通信系统Server端将诊断结果通过无线互联网TCP/IP协议Socket套接字通信接口发送给无线通信系统Client端;
S27、通过无线通信系统Client端将诊断结果传递给显示子系统;
S28、通过显示子系统向用户展示诊断结果。
进一步地,所述步骤S25、病虫害诊断子系统对农作物病虫害图片进行诊断,得出诊断结果包括以下步骤:
S251、通过病虫害诊断子系统对预存在数据库子系统中的大数据图片信息集以及人工标注的具有各类病虫害的图片病种信息集进行提取,得到完整数据集;
S252、通过病虫害诊断子系统随机选取完整数据集的90%图片数据作为训练数据集,其余10%作为验证数据集;
S253、通过病虫害诊断子系统使用多层神经元结构建立神经网络模型;
S254、通过病虫害诊断子系统使用残差神经网络算法,通过训练数据集对神经网络模型进行训练,得到初步训练完成的神经网络模型;
S255、通过病虫害诊断子系统用验证数据集对初步训练完成的神经网络模型进行调整优化处理,得到调整优化后神经网络最终模型;
S256、通过病虫害诊断子系统将移动端发送过来的农作物病虫害图片输入调整优化后神经网络最终模型,获得与该农作物病虫害图片匹配的病虫害特征;
S257、通过病虫害诊断子系统从数据库子系统中遍历该病虫害特征,匹配得到诊断结果。
综上所述,本发明的有益效果为:利用大数据与人工智能领域的残差神经网络算法对农作物病虫害进行精确识别,通过数据库技术、无线通信互联网技术、TFT电容式触摸屏液晶、嵌入式图像传感及采集技术、以及API接口技术构建集农作物病虫害识别、诊断、产品供应、专家问答、农业社交于一体的信息系统平台,实现了高准确率地机器视觉农作物病虫害诊断,以及专家问诊、药物供应、信息交互一站式服务。
附图说明
图1为一种智慧农业医生管理系统结构示意图;
图2为一种智慧农业医生管理方法步骤图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种智慧农业医生管理系统,包括服务器端和移动端;所述服务器端包括无线通信系统Server端、病虫害诊断子系统、数据库子系统、用户交流论坛子系统、专家问答子系统和第三方信息平台接口;所述移动端包括图像采集子系统、显示子系统、输入子系统和无线通信系统Client端;
所述无线通信系统Server端用于构建移动端与服务器端的无线互联网通信,实现用户信息、农作物病虫害图片和诊断结果交互;
所述病虫害诊断子系统用于病虫害图像识别;
所述数据库子系统用于存储用户信息和识别病虫害的数据;
所述用户交流论坛子系统用于用户交流;
所述专家问答子系统用于获得专家对农作物病虫害的诊断结果;
所述第三方信息平台接口用于访问第三方电子商务信息平台;
所述图像采集子系统用于农作物病虫害状态进行拍照;
所述显示子系统用于向用户展示诊断结果;
所述输入子系统用于处理用户注册信息;
所述无线通信系统Client端用于构建移动端与服务器端的无线互联网通信,实现用户注册信息、农作物图像信息和诊断信息的数据交互。
无线通信系统Server端的无线互联网络接口为TCP/IP协议Socket套接字Server接口;所述无线通信系统Client端的无线互联网络接口为TCP/IP协议Socket套接字Client接口;所述无线通信系统Server端与无线通信系统Client端通过无线互联网通信连接。
TCP/IP协议Socket通信接口是一种安全可靠的互联网通信接口,使用该协议接口,比UDP协议接口更能保障通信的有效性,降低误码率和丢包率。
病虫害诊断子系统为基于大数据与人工智能技术的残差神经网络图像处理系统。
残差神经网络是由微软公司的顶尖学者于2015年提出来的大规模机器视觉处理算法,它具有容易优化的特点,其内部的残差块使用了跳跃连接,缓解了在深度神经网络中带来的梯度消失问题,能够通过增加相当的深度来提高准确率,将其应用于农作物病虫害的识别,能实现全作物全自然场景下的普适的、通用的、抗环境噪声的高准确率的病虫害识别。
第三方信息平台接口为与第三方签约电商的电子商务信息平台对接的API接口。该特征使得本系统能够对接电商平台,实现农作物病虫害诊断后的药物供应一站式服务。
输入子系统包括电容屏输入单元和机械按键输入单元。显示子系统为TFT电容式液晶屏显示子系统。
如图2所示,一种智慧农业医生管理方法,包括以下步骤:
S1、进行注册登录,向智慧农业医生管理系统存入注册信息,获取智慧农业医生管理系统的使用权限;
其中步骤S1包括以下步骤:
S11、在移动端的输入子系统填写注册信息;
S12、通过输入子系统将用户注册信息传递给无线通信系统Client端;
S13、通过无线通信系统Client端将用户注册信息通过无线互联网TCP/IP协议Socket套接字通信接口发送给无线通信系统Server端;
S14、通过无线通信系统Server端将用户注册信息传递给数据库子系统;
S15、通过数据库子系统保存用户注册信息,并向用户发放智慧农业医生管理系统的使用权限。
S2、对农作物病虫害进行诊断,获取农作物病虫害诊断结果;
其中步骤S2包括以下步骤:
S21、使用移动端的图像采集子系统对农作物病虫害状态进行拍照;
S22、通过图像采集子系统将农作物病虫害图片传递给无线通信系统Client端;
S23、通过无线通信系统Client端将农作物病虫害图片通过无线互联网TCP/IP协议Socket套接字通信接口发送给无线通信系统Server端;
S24、通过无线通信系统Server端将农作物病虫害图片传递给病虫害诊断子系统;
S25、通过病虫害诊断子系统对农作物病虫害图片进行诊断,得出诊断结果,并将诊断结果传递给无线通信系统Server端;
其中步骤S25中病虫害诊断子系统对农作物病虫害图片进行诊断,得出诊断结果包括以下步骤:
S251、通过病虫害诊断子系统对预存在数据库子系统中的大数据图片信息集以及人工标注的具有各类病虫害的图片病种信息集进行提取,得到完整数据集;
S252、通过病虫害诊断子系统随机选取完整数据集的90%图片数据作为训练数据集,其余10%作为验证数据集;
S253、通过病虫害诊断子系统使用多层神经元结构建立神经网络模型;
S254、通过病虫害诊断子系统使用残差神经网络算法,通过训练数据集对神经网络模型进行训练,得到初步训练完成的神经网络模型;
S255、通过病虫害诊断子系统用验证数据集对初步训练完成的神经网络模型进行调整优化处理,得到调整优化后神经网络最终模型;
S256、通过病虫害诊断子系统将移动端发送过来的农作物病虫害图片输入调整优化后神经网络最终模型,获得与该农作物病虫害图片匹配的病虫害特征;
S257、通过病虫害诊断子系统从数据库子系统中遍历该病虫害特征,匹配得到诊断结果。
S26、通过无线通信系统Server端将诊断结果通过无线互联网TCP/IP协议Socket套接字通信接口发送给无线通信系统Client端;
S27、通过无线通信系统Client端将诊断结果传递给显示子系统;
S28、通过显示子系统向用户展示诊断结果。
S3、通过连接移动端与服务器端的无线网络,将农作物病虫害诊断结果上传至服务端的用户交流论坛子系统以及专家问答子系统,获得论坛以及专家的诊断信息;
S4、通过论坛以及专家的诊断信息,判断农作物病虫害诊断结果是否正确,若是,则跳转至步骤S5,否则跳转至步骤S6;
S5、通过连接移动端与服务器端的无线网络以及第三方信息平台接口,访问第三方签约电商的电子商务信息平台,购买正确的化肥农药;
S6、通过连接移动端与服务器端的无线网络向服务器端数据库子系统进行反馈,修订数据库子系统中预存的用于识别病虫害的数据。
本发明利用大数据与人工智能领域的残差神经网络算法对农作物病虫害进行精确识别,通过数据库技术、无线通信互联网技术、TFT电容式触摸屏液晶、嵌入式图像传感及采集技术、以及API接口技术构建集农作物病虫害识别、诊断、产品供应、专家问答、农业社交于一体的信息系统平台,实现了高准确率地机器视觉农作物病虫害诊断,以及专家问诊、药物供应、信息交互一站式服务。
Claims (10)
1.一种智慧农业医生管理系统,其特征在于,包括服务器端和移动端;所述服务器端包括无线通信系统Server端、病虫害诊断子系统、数据库子系统、用户交流论坛子系统、专家问答子系统和第三方信息平台接口;所述移动端包括图像采集子系统、显示子系统、输入子系统和无线通信系统Client端;
所述无线通信系统Server端用于构建移动端与服务器端的无线互联网通信,实现用户信息、农作物病虫害图片和诊断结果交互;
所述病虫害诊断子系统用于病虫害图像识别;
所述数据库子系统用于存储用户信息和识别病虫害的数据;
所述用户交流论坛子系统用于用户交流;
所述专家问答子系统用于获得专家对农作物病虫害的诊断结果;
所述第三方信息平台接口用于访问第三方电子商务信息平台;
所述图像采集子系统用于农作物病虫害状态进行拍照;
所述显示子系统用于向用户展示诊断结果;
所述输入子系统用于处理用户注册信息;
所述无线通信系统Client端用于构建移动端与服务器端的无线互联网通信,实现用户注册信息、农作物图像信息和诊断信息的数据交互。
2.根据权利要求1所述的智慧农业医生管理系统,其特征在于,所述无线通信系统Server端的无线互联网络接口为TCP/IP协议Socket套接字Server接口;所述无线通信系统Client端的无线互联网络接口为TCP/IP协议Socket套接字Client接口;所述无线通信系统Server端与无线通信系统Client端通过无线互联网通信连接。
3.根据权利要求1所述的智慧农业医生管理系统,其特征在于,所述病虫害诊断子系统为基于大数据与人工智能技术的残差神经网络图像处理系统。
4.根据权利要求1所述的智慧农业医生管理系统,其特征在于,所述第三方信息平台接口为与第三方签约电商的电子商务信息平台对接的API接口。
5.根据权利要求1所述的智慧农业医生管理系统,其特征在于,所述输入子系统包括电容屏输入单元和机械按键输入单元。
6.根据权利要求1所述的智慧农业医生管理系统,其特征在于,所述显示子系统为TFT电容式液晶屏显示子系统。
7.一种智慧农业医生管理方法,其特点在于,包括以下步骤:
S1、进行注册登录,向智慧农业医生管理系统存入注册信息,获取智慧农业医生管理系统的使用权限;
S2、对农作物病虫害进行诊断,获取农作物病虫害诊断结果;
S3、通过连接移动端与服务器端的无线网络,将农作物病虫害诊断结果上传至服务端的用户交流论坛子系统以及专家问答子系统,获得论坛以及专家的诊断信息;
S4、通过论坛以及专家的诊断信息,判断农作物病虫害诊断结果是否正确,若是,则跳转至步骤S5,否则跳转至步骤S6;
S5、通过连接移动端与服务器端的无线网络以及第三方信息平台接口,访问第三方签约电商的电子商务信息平台,购买正确的化肥农药;
S6、通过连接移动端与服务器端的无线网络向服务器端数据库子系统进行反馈,修订数据库子系统中预存的用于识别病虫害的数据。
8.根据权利要求7所述的智慧农业医生管理方法,其特征在于,所述步骤S1包括以下步骤:
S11、在移动端的输入子系统填写注册信息;
S12、通过输入子系统将用户注册信息传递给无线通信系统Client端;
S13、通过无线通信系统Client端将用户注册信息通过无线互联网TCP/IP协议Socket套接字通信接口发送给无线通信系统Server端;
S14、通过无线通信系统Server端将用户注册信息传递给数据库子系统;
S15、通过数据库子系统保存用户注册信息,并向用户发放智慧农业医生管理系统的使用权限。
9.根据权利要求7所述的智慧农业医生管理方法,其特征在于,所述步骤S2包括以下步骤:
S21、使用移动端的图像采集子系统对农作物病虫害状态进行拍照;
S22、通过图像采集子系统将农作物病虫害图片传递给无线通信系统Client端;
S23、通过无线通信系统Client端将农作物病虫害图片通过无线互联网TCP/IP协议Socket套接字通信接口发送给无线通信系统Server端;
S24、通过无线通信系统Server端将农作物病虫害图片传递给病虫害诊断子系统;
S25、通过病虫害诊断子系统对农作物病虫害图片进行诊断,得出诊断结果,并将诊断结果传递给无线通信系统Server端;
S26、通过无线通信系统Server端将诊断结果通过无线互联网TCP/IP协议Socket套接字通信接口发送给无线通信系统Client端;
S27、通过无线通信系统Client端将诊断结果传递给显示子系统;
S28、通过显示子系统向用户展示诊断结果。
10.根据权利要求9所述的智慧农业医生管理方法,其特征在于,所述步骤S25中通过病虫害诊断子系统对农作物病虫害图片进行诊断,得出诊断结果包括以下步骤:
S251、通过病虫害诊断子系统对预存在数据库子系统中的大数据图片信息集以及人工标注的具有各类病虫害的图片病种信息集进行提取,得到完整数据集;
S252、通过病虫害诊断子系统随机选取完整数据集的90%图片数据作为训练数据集,其余10%作为验证数据集;
S253、通过病虫害诊断子系统使用多层神经元结构建立神经网络模型;
S254、通过病虫害诊断子系统使用残差神经网络算法,通过训练数据集对神经网络模型进行训练,得到初步训练完成的神经网络模型;
S255、通过病虫害诊断子系统用验证数据集对初步训练完成的神经网络模型进行调整优化处理,得到调整优化后神经网络最终模型;
S256、通过病虫害诊断子系统将移动端发送过来的农作物病虫害图片输入调整优化后神经网络最终模型,获得与该农作物病虫害图片匹配的病虫害特征;
S257、通过病虫害诊断子系统从数据库子系统中遍历该病虫害特征,匹配得到诊断结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910692726.9A CN110415133A (zh) | 2019-07-30 | 2019-07-30 | 一种智慧农业医生管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910692726.9A CN110415133A (zh) | 2019-07-30 | 2019-07-30 | 一种智慧农业医生管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110415133A true CN110415133A (zh) | 2019-11-05 |
Family
ID=68364016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910692726.9A Pending CN110415133A (zh) | 2019-07-30 | 2019-07-30 | 一种智慧农业医生管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110415133A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111046204A (zh) * | 2019-12-16 | 2020-04-21 | 北京植得智能互联科技有限公司 | 一种病虫害识别防治系统 |
CN111178787A (zh) * | 2020-01-08 | 2020-05-19 | 上海植医堂网络科技有限公司 | 一种基于互联网和植物医院的植保社会化服务模式 |
CN111539350A (zh) * | 2020-04-27 | 2020-08-14 | 无锡雪浪数制科技有限公司 | 一种农作物病虫害智能识别的方法 |
CN112580513A (zh) * | 2020-12-21 | 2021-03-30 | 福州引凤惠农科技服务有限公司 | 一种农作物病虫害智能识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021939A (zh) * | 2007-03-29 | 2007-08-22 | 沈阳理工大学 | 基于计算机图像处理的农作物病害诊断系统 |
CN105787446A (zh) * | 2016-02-24 | 2016-07-20 | 上海劲牛信息技术有限公司 | 一种智慧农业病虫害远程自动诊断系统 |
KR101702766B1 (ko) * | 2015-08-17 | 2017-02-03 | 한양대학교 에리카산학협력단 | 병충해 진단 방법 및 시스템 |
CN106991619A (zh) * | 2017-06-05 | 2017-07-28 | 河北哲瀚网络科技有限公司 | 一种农作物病虫害智能诊断系统及诊断方法 |
CN107423888A (zh) * | 2017-07-07 | 2017-12-01 | 北京中农苑生物科技研究所 | 一种基于大数据的农作物病虫害诊断系统与方法 |
CN110033015A (zh) * | 2019-02-20 | 2019-07-19 | 天津科技大学 | 一种基于残差网络的植物病害检测方法 |
-
2019
- 2019-07-30 CN CN201910692726.9A patent/CN110415133A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021939A (zh) * | 2007-03-29 | 2007-08-22 | 沈阳理工大学 | 基于计算机图像处理的农作物病害诊断系统 |
KR101702766B1 (ko) * | 2015-08-17 | 2017-02-03 | 한양대학교 에리카산학협력단 | 병충해 진단 방법 및 시스템 |
CN105787446A (zh) * | 2016-02-24 | 2016-07-20 | 上海劲牛信息技术有限公司 | 一种智慧农业病虫害远程自动诊断系统 |
CN106991619A (zh) * | 2017-06-05 | 2017-07-28 | 河北哲瀚网络科技有限公司 | 一种农作物病虫害智能诊断系统及诊断方法 |
CN107423888A (zh) * | 2017-07-07 | 2017-12-01 | 北京中农苑生物科技研究所 | 一种基于大数据的农作物病虫害诊断系统与方法 |
CN110033015A (zh) * | 2019-02-20 | 2019-07-19 | 天津科技大学 | 一种基于残差网络的植物病害检测方法 |
Non-Patent Citations (1)
Title |
---|
赵炯,周奇才等编著: "《中国战略性新兴产业研究与发展》", 30 June 2019, 机械工业出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111046204A (zh) * | 2019-12-16 | 2020-04-21 | 北京植得智能互联科技有限公司 | 一种病虫害识别防治系统 |
CN111178787A (zh) * | 2020-01-08 | 2020-05-19 | 上海植医堂网络科技有限公司 | 一种基于互联网和植物医院的植保社会化服务模式 |
CN111539350A (zh) * | 2020-04-27 | 2020-08-14 | 无锡雪浪数制科技有限公司 | 一种农作物病虫害智能识别的方法 |
CN112580513A (zh) * | 2020-12-21 | 2021-03-30 | 福州引凤惠农科技服务有限公司 | 一种农作物病虫害智能识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110415133A (zh) | 一种智慧农业医生管理系统及方法 | |
Kotwal et al. | Agricultural plant diseases identification: From traditional approach to deep learning | |
CN105938564B (zh) | 基于主成分分析和神经网络的水稻病害识别方法及系统 | |
WO2021082635A1 (zh) | 一种关注区域检测方法、装置、可读存储介质及终端设备 | |
CN106777873B (zh) | 社区化智慧云健康服务系统 | |
CN111274916B (zh) | 人脸识别方法和人脸识别装置 | |
CN108230296A (zh) | 图像特征的识别方法和装置、存储介质、电子装置 | |
CN107944596A (zh) | 一种基于物联网的甜瓜生长管理专家系统 | |
CN106709254A (zh) | 一种医疗诊断机器人系统 | |
CN107330887A (zh) | 一种基于深度学习的农作物病虫害防治方案推荐系统 | |
CN110458032B (zh) | 荔枝生长状况全程监控方法、系统、云服务器及存储介质 | |
CN110189140A (zh) | 基于区块链的农产品溯源存证方法及溯源存证系统 | |
CN113724228A (zh) | 舌色苔色识别方法、装置、计算机设备及存储介质 | |
CN107194361A (zh) | 二维姿势检测方法及装置 | |
CN110232326A (zh) | 一种三维物体识别方法、装置及存储介质 | |
CN109886155A (zh) | 基于深度学习的单株水稻检测定位方法、系统、设备及介质 | |
CN108875687A (zh) | 一种护理质量的评估方法及装置 | |
CN109829072A (zh) | 构建图谱方法及相关装置 | |
CN109766446A (zh) | 一种数据调查方法、数据调查装置及计算机可读存储介质 | |
CN107292685A (zh) | 一种自动推荐尺码的方法以及采用该方法的试衣柜系统 | |
CN106991449A (zh) | 一种生活场景重构辅助识别蓝莓品种的方法 | |
CN109949289A (zh) | 一种基于人工智能的混凝土表面缺陷图像识别系统及方法 | |
CN112989969A (zh) | 一种作物病虫害识别方法及装置 | |
CN110472596A (zh) | 一种农业精细化种植及灾害预防控制系统 | |
CN110321774A (zh) | 农作物灾情评估方法、装置、设备及计算机可读存储介质 |
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: 20191105 |