CN110427063A - 一种基于物联网的番茄生长监控管理平台 - Google Patents
一种基于物联网的番茄生长监控管理平台 Download PDFInfo
- Publication number
- CN110427063A CN110427063A CN201910742245.4A CN201910742245A CN110427063A CN 110427063 A CN110427063 A CN 110427063A CN 201910742245 A CN201910742245 A CN 201910742245A CN 110427063 A CN110427063 A CN 110427063A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- environmental
- sensor
- management platform
- 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
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及农业物联网应用技术领域，尤其涉及一种基于物联网的番茄生长监控管理平台，包括前端采集控制系统、无线传输网络以及后端图像分析云管理服务终端，前端采集控制系统包括环境监测系统、视频监测系统以及用户终端，前端采集控制系统通过无线传输网络分别控制环境监测系统采集环境监测数据以及视频监测系统采集视频监测数据，将环境监测数据和视频监测数据通过无线传输网络发送至后端图像分析云管理服务终端，后端图像分析云管理服务终端对环境监测数据和视频监测数据进行预警和生长状态分析。有益效果：通过后端图像分析云管理服务终端对环境监测和视频图像监测来监控对番茄生长进行预警和生长状态分析，从而实现真正的物联网智能种植。
Description
技术领域
本发明涉及农业物联网应用技术领域，尤其涉及一种基于物联网的番茄生长监控管理平台。
背景技术
随着现代化的发展，物联网技术的逐渐成熟，农业生产的自动化、智能化、标准化也成了发展趋势，农业环境的监测和控制技术也在不断进步，但是针对物联网环境下的农业管理、监测和控制，仍然没有相对完善和成熟的技术方案，目前，市面上的农业监控系统有单独做病虫监控、种植情况监控、预警系统以及通过算法模型分析的的一种或两种的系统，还没有集成所有功能的系统，无法实现真正的物联网智能种植。
发明内容
本发明的目的在于提出一种番茄生长监控管理平台，以解决现有现有番茄种植无法实现真正的物联网智能种植的问题。
为达此目的，本发明采用以下技术方案：
一种基于物联网的番茄生长监控管理平台，包括前端采集控制系统、无线传输网络以及后端图像分析云管理服务终端，所述前端采集控制系统包括环境监测系统、视频监测系统以及用户终端，所述前端采集控制系统通过无线传输网络分别控制环境监测系统采集环境监测数据以及视频监测系统采集视频监测数据，将所述环境监测数据和视频监测数据通过无线传输网络发送至后端图像分析云管理服务终端，所述后端图像分析云管理服务终端对所述环境监测数据和视频监测数据进行预警和生长状态分析。
优选的，所述后端图像分析云管理服务终端包括图像数据库和图像分析系统，所述图像数据库用于存储所述环境数据和视频监测数据，并将所述环境数据和视频监测数据发送给图像分析系统；所述图像分析系统包括环境分析系统、线性回归模型和卷积神经网络模型，所述环境分析系统对所述环境数据进行分析，当环境数据超出预设阈值时，发送预警提示给所述用户终端，所述线性回归模型对所述视频监测数据进行生长期分析，并发送分析结果至用户终端，所述卷积神经网络模型对所述视频监测数据进行果叶分析及虫害分析，并发送果叶分析结果及虫害分析结果至用户终端。
优选的，所述番茄生长监控管理平台还包括控制系统，用于执行所述环境分析系统对所述环境数据进行分析，当环境数据超出预设阈值时，发送的对应控制信息。
优选的，所述番茄生长监控管理平台还包括专家系统，所述专家系统包括专家知识库和专家在线模块，所述专家知识库用于提供番茄种植知识，所述专家在线模块用于提供专家在线咨询服务。
优选的，所述前端采集控制系统包括至少两个环境监测系统以及至少两个视频监测系统，所述至少两个环境系统之间通过Zigbee模块自组网，所述至少两个视频监测系统之间通过Zigbee模块自组网。
优选的，所述无线传输网络包括WIFI、3G、4G或5G。
优选的，所述环境监测系统包括气象站监测子系统和土壤监测子系统，所述气象站监测子系统包括空气温度传感器、空气湿度传感器、光照传感器、二氧化碳传感器、风速传感器、风向传感器、降雨量传感器、PM2.5传感器、PM10传感器、一氧化碳传感器、臭氧传感器、气压传感器以及二氧化氮传感器中的一种或多种；所述土壤监测子系统包括土壤温度传感器、土壤湿度传感器、PH值传感器以及电导率传感器中的一种或多种。
优选的，所述用户终端包括手机、平板电脑以及终端显示设备。
本发明的有益效果：通过后端图像分析云管理服务终端对环境监测和视频图像监测来监控对番茄生长进行预警和生长状态分析，从而实现真正的物联网智能种植。
附图说明
图1是本发明具体实施方式提供的基于物联网的番茄生长监控管理平台示意图。
具体实施方式
在下面的描述中，出于说明的目的，为了提供对一个或多个实施例的全面理解，阐述了许多具体细节。然而，很明显，也可以在没有这些具体细节的情况下实现这些实施例。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
图1是本发明实施例提供的基于物联网的番茄生长监控管理平台示意图，详述如下：
基于物联网的番茄生长监控管理平台，番茄生长监控管理平台包括前端采集控制系统10、无线传输网络20以及后端图像分析云管理服务终端30，前端采集控制系统10包括环境监测系统11、视频监测系统12以及用户终端13，前端采集控制系统10通过无线传输网络20分别控制环境监测系统11采集环境监测数据以及视频监测系统12采集视频监测数据，将环境监测数据和视频监测数据通过无线传输网络20发送至后端图像分析云管理服务终端30，后端图像分析云管理服务终端30对环境监测数据和视频监测数据进行预警和生长状态分析。
在本发明实施例中，番茄生长监控管理平台包括前端采集控制系统10、无线传输网络20以及后端图像分析云管理服务终端30三部分，其中，前端采集控制系统10的环境监测系统11和视频监测系统12分别采集环境监测数据和视频监测数据，通过无线传输网络20发送至后端图像分析云管理服务终端30。
其中，环境监测系统11包括气象站监测子系统111和土壤监测子系统112，气象站监测子系统111包括空气温度传感器、空气湿度传感器、光照传感器、二氧化碳传感器、风速传感器、风向传感器、降雨量传感器、PM2.5传感器、PM10传感器、一氧化碳传感器、臭氧传感器、气压传感器以及二氧化氮传感器中的一种或多种；土壤监测子系统112包括土壤温度传感器、土壤湿度传感器、PH值传感器以及电导率传感器中的一种或多种。
作为优选实施例，前端采集控制系统10包括至少两个环境监测系统11以及至少两个视频监测系统12，至少两个环境系统11之间通过Zigbee模块自组网，至少两个视频监测系统12之间通过Zigbee模块自组网。可以确保数据信息完整、实时、快速、精准和高可靠传输。
在本发明实施例中，无线传输网络包括WIFI、3G、4G或5G。
后端图像分析云管理服务终端30包括图像数据库31和图像分析系统32，图像数据库31用于存储环境数据和视频监测数据，并将环境数据和视频监测数据发送给图像分析系统32；图像分析系统32包括环境分析系统321、线性回归模型322和卷积神经网络模型323，环境分析系统321对环境数据进行分析，当环境数据超出预设阈值时，发送预警提示给所述用户终端，线性回归模型322对视频监测数据进行生长期分析，并发送分析结果至用户终端13，卷积神经网络模型323对视频监测数据进行果叶分析及虫害分析，并发送果叶分析结果及虫害分析结果至用户终端13。
在本发明实施例中，图像数据库31存储实时获取的环境数据和视频监测数据，同时也存储有番茄生长样本数据，图像分析系统32包括环境分析系统321、线性回归模型322和卷积神经网络模型323，环境分析系统321对环境数据进行分析，当环境数据超出预设阈值时，发送预警提示给所述用户终端，线性回归模型322对视频监测数据进行生长期分析，并发送分析结果至用户终端13，卷积神经网络模型323对视频监测数据进行果叶分析及虫害分析，并发送果叶分析结果及虫害分析结果至用户终端13。
在本发明实施例中，番茄生长样本数据包括生长期样本数据、果叶样本数据以及虫害样本数据，针对生长期分析，导入生长期样本数据，进行线性回归分析，并建立线性回归模型322，其中，生长期样本数据，包括生长期样本数据表格，分别包括生长期样本数据，生长期样本特征和生长期样本类别；针对果叶样本数据和虫害样本数据，使用卷积神经网络进行特征提取，并建立卷积神经网络模型323，果叶样本数据，包括果叶样本数据表格，分别包括果叶样本数据，果叶样本特征和果叶样本类别。虫害样本数据，包括虫害样本数据表格，分别包括虫害样本数据，虫害样本特征和虫害样本类别。
将生长期样本数据随机划分为生长期样本集和生长期测试集，在本实施例中，生长期样本集和生长期测试集的比例为8:2。对生长期样本集进行线性回归分析，建立线性回归模型；在本发明实施例中，线性回归模型322的公式为：hƟ(x)=Ɵ0+Ɵ1x，其中Ɵ0和Ɵ1为参数。线性回归模型322的特点是建模速度快，不需要很复杂的计算，在数据量大的情况下依然运行速度很快。可以根据系数给出每个变量的理解和解释。对异常值很敏感。
在本发明实施例中，将果叶样本数据随机划分为果叶样本集和果叶测试集，在本实施例中，果叶样本集和果叶测试集的比例为8:2。对果叶样本集使用卷积神经网络进行特征提取，建立卷积神经网络模型323。虫害分析同理。
在本发明实施例中，对果叶样本集使用卷积神经网络进行特征提取，从图片中通过采集算法根据位置、轮廓，从图片中进行特征值提取，特征值包括叶色彩、叶形状、果实形状、果实色彩、果实数量、果实大小、果实高低等。
作为本发明优选实施例，卷积神经网络至少包括两层卷积层以及至少两层池化层，其中，卷积层采用ReLu函数作为激活函数，卷积神经网络模型结构可以为：输入层、卷积层、池化层、卷积层、池化层、输出层，或者输入层、卷积层、卷积层、池化层、池化层、输出层，卷积层和池化层的的次数根据模型需要而定。也可以在池化层之后增加一个全连接层。还可以再各层之间增加几层，层与层之间采用Dropout连接方式降低模型对训练集拟合度，增强模型泛化能力。
其中，输入层即为采集的番茄生长图像，输出层为计算的结果，卷积层的公式为：s(i,j)=(X*W)(i,j)+b=，其中，n_in为输入矩阵的个数，或者是张量的最后一维的维数。Xk代表第k个输入矩阵。Wk代表卷积核的第k个子卷积核矩阵。s(i,j)s即卷积核W对应的输出矩阵的对应位置元素的值。
在图像数据通过卷积层之后，通常会使用一个激活层。其目的是给一个在卷积层中刚经过线性计算操作的系统引入非线性特征。本实施例采用ReLU函数作为激活函数，将输出的张量中的小于0的位置对应的元素值都变为0。ReLU函数对模型收敛有巨大的加速作用，对梯度消失的问题也有帮助。ReLU函数为线性修正函数，作用是保证训练后的网络完全具备稀疏性，还可以减少运算量和数据维度。ReLU函数定义为：ReLU(x)=max(0,x)。
最后池化层通过对不同位置的特征进行聚合统计，计算图像一个区域上的某个特征的平均值或最大值。池化层是对输入张量的各个子矩阵进行压缩。
线性回归模型相比于其他算法，在分析多因素的模型时更加方便快捷，在数据量比较大的时候运行速度依然很快，而且在线性回归中对于每个变量都可以给出理解和解释，只要数据得当，可以达到很高的准确率。卷积神经网络相比其他神经网络算法，因为其共享卷积核所以对于高维数据处理是高效的，无需手动选取特征，具有空间不变性，自动提取特征，具有较好特征分类效果，而且对于图像处理方面，卷积网络的输入图像和网络的拓扑结构能很好的吻合，在特征提取同时又能进行模式分类。
在本发明实施例中，用户终端13包括手机、平板电脑以及终端显示设备。
作为优选实施例，番茄生长监控管理平台还包括控制系统40执行环境分析系统321对环境数据进行分析，当环境数据超出预设阈值时，发送的对应控制信息。
在本发明实施例中，还包括控制系统40，在环境分析系统321对环境数据进行分析，当环境数据超出预设阈值时，发送的对应控制信息。控制系统40包括水肥一体机。
作为优选实施例，番茄生长监控管理平台还包括专家系统50，专家系统50包括专家知识库51和专家在线模块52，专家知识库51用于提供番茄种植知识，专家在线模块52用于提供专家在线咨询服务。
本发明的番茄生长监控管理平台包括前端采集控制系统、无线传输网络以及后端图像分析云管理服务终端，前端采集控制系统包括环境监测系统、视频监测系统以及用户终端，前端采集控制系统通过无线传输网络分别控制环境监测系统采集环境监测数据以及视频监测系统采集视频监测数据，将环境监测数据和视频监测数据通过无线传输网络发送至后端图像分析云管理服务终端，后端图像分析云管理服务终端对环境监测数据和视频监测数据进行预警和生长状态分析。有益效果：通过后端图像分析云管理服务终端对环境监测和视频图像监测来监控对番茄生长进行预警和生长状态分析，从而实现真正的物联网智能种植。
值得注意的是，本领域普通技术人员可以理解：实现上述方法实施例的步骤或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读存储介质中，该程序在执行时，执行包括上述方法实施例的步骤，而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以不再进行赘述，相关之处参见方法实施例的部分说明即可。
以上对发明的具体实施方式进行了详细说明，但其只作为范例，本发明并不限制于以上描述的具体实施方式。对于本领域的技术人员而言，任何对该发明进行的等同修改或替代也都在本发明的范畴之中，因此，在不脱离本发明的精神和原则范围下所作的均等变换和修改、改进等，都应涵盖在本发明的范围内。
Claims (8)
1.一种基于物联网的番茄生长监控管理平台，其特征在于，包括前端采集控制系统、无线传输网络以及后端图像分析云管理服务终端，所述前端采集控制系统包括环境监测系统、视频监测系统以及用户终端，所述前端采集控制系统通过无线传输网络分别控制环境监测系统采集环境监测数据以及视频监测系统采集视频监测数据，将所述环境监测数据和视频监测数据通过无线传输网络发送至后端图像分析云管理服务终端，所述后端图像分析云管理服务终端对所述环境监测数据和视频监测数据进行预警和生长状态分析。
2.如权利要求1所述的番茄生长监控管理平台，其特征在于，所述后端图像分析云管理服务终端包括图像数据库和图像分析系统，所述图像数据库用于存储所述环境数据和视频监测数据，并将所述环境数据和视频监测数据发送给图像分析系统；所述图像分析系统包括环境分析系统、线性回归模型和卷积神经网络模型，所述环境分析系统对所述环境数据进行分析，当环境数据超出预设阈值时，发送预警提示给所述用户终端，所述线性回归模型对所述视频监测数据进行生长期分析，并发送分析结果至用户终端，所述卷积神经网络模型对所述视频监测数据进行果叶分析及虫害分析，并发送果叶分析结果及虫害分析结果至用户终端。
3.如权利要求2所述的番茄生长监控管理平台，其特征在于，所述番茄生长监控管理平台还包括控制系统，用于执行所述环境分析系统对所述环境数据进行分析，当环境数据超出预设阈值时，发送的对应控制信息。
4.如权利要求1所述的番茄生长监控管理平台，其特征在于，所述番茄生长监控管理平台还包括专家系统，所述专家系统包括专家知识库和专家在线模块，所述专家知识库用于提供番茄种植知识，所述专家在线模块用于提供专家在线咨询服务。
5.如权利要求1所述的番茄生长监控管理平台，其特征在于，所述前端采集控制系统包括至少两个环境监测系统以及至少两个视频监测系统，所述至少两个环境系统之间通过Zigbee模块自组网，所述至少两个视频监测系统之间通过Zigbee模块自组网。
6.如权利要求1所述的番茄生长监控管理平台，其特征在于，所述无线传输网络包括WIFI、3G、4G或5G。
7.如权利要求1所述的番茄生长监控管理平台，其特征在于，所述环境监测系统包括气象站监测子系统和土壤监测子系统，所述气象站监测子系统包括空气温度传感器、空气湿度传感器、光照传感器、二氧化碳传感器、风速传感器、风向传感器、降雨量传感器、PM2.5传感器、PM10传感器、一氧化碳传感器、臭氧传感器、气压传感器以及二氧化氮传感器中的一种或多种；所述土壤监测子系统包括土壤温度传感器、土壤湿度传感器、PH值传感器以及电导率传感器中的一种或多种。
8.如权利要求1所述的番茄生长监控管理平台，其特征在于，所述用户终端包括手机、平板电脑以及终端显示设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910742245.4A CN110427063A (zh) | 2019-08-13 | 2019-08-13 | 一种基于物联网的番茄生长监控管理平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910742245.4A CN110427063A (zh) | 2019-08-13 | 2019-08-13 | 一种基于物联网的番茄生长监控管理平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110427063A true CN110427063A (zh) | 2019-11-08 |
Family
ID=68415703
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910742245.4A Pending CN110427063A (zh) | 2019-08-13 | 2019-08-13 | 一种基于物联网的番茄生长监控管理平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110427063A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111024700A (zh) * | 2019-12-28 | 2020-04-17 | 深圳市华之粹生态科技有限公司 | 一种基于物联网的油茶长势信息分析系统 |
| CN112035582A (zh) * | 2020-08-28 | 2020-12-04 | 光大科技有限公司 | 结构化数据的分类方法及装置、存储介质、电子装置 |
| CN112179403A (zh) * | 2020-08-24 | 2021-01-05 | 航天众兴(江苏)科技有限公司 | 一种物联网数据采集平台 |
| CN112255951A (zh) * | 2020-10-28 | 2021-01-22 | 西安中智电气创新技术有限公司 | 一种植物生长管理测控方法、装置及存储介质 |
| CN114418368A (zh) * | 2022-01-12 | 2022-04-29 | 华东交通大学 | 一种农业大棚西红柿种植智能化管理系统及管理方法 |
| CN116362615A (zh) * | 2023-04-03 | 2023-06-30 | 甘肃农业大学 | 基于物联网的大田环境下冬油菜生长状态监测系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105376328A (zh) * | 2015-12-08 | 2016-03-02 | 成都慧农信息技术有限公司 | 一种基于云平台的农业物联网综合应用系统及方法 |
| US20170006790A1 (en) * | 2014-03-04 | 2017-01-12 | Greenonyx Ltd | Systems and methods for cultivating and distributing aquatic organisms |
| CN107807540A (zh) * | 2017-10-16 | 2018-03-16 | 吉林农业大学 | 一种基于图像处理的农业智能平台 |
| CN107942955A (zh) * | 2017-09-29 | 2018-04-20 | 怀化学院 | 一种基于物联网云平台的农业管控系统 |
| CN208888676U (zh) * | 2018-01-08 | 2019-05-21 | 成都软盛信息技术有限公司 | 基于云服务平台的农业生产物联网管控系统 |
-
2019
- 2019-08-13 CN CN201910742245.4A patent/CN110427063A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170006790A1 (en) * | 2014-03-04 | 2017-01-12 | Greenonyx Ltd | Systems and methods for cultivating and distributing aquatic organisms |
| CN105376328A (zh) * | 2015-12-08 | 2016-03-02 | 成都慧农信息技术有限公司 | 一种基于云平台的农业物联网综合应用系统及方法 |
| CN107942955A (zh) * | 2017-09-29 | 2018-04-20 | 怀化学院 | 一种基于物联网云平台的农业管控系统 |
| CN107807540A (zh) * | 2017-10-16 | 2018-03-16 | 吉林农业大学 | 一种基于图像处理的农业智能平台 |
| CN208888676U (zh) * | 2018-01-08 | 2019-05-21 | 成都软盛信息技术有限公司 | 基于云服务平台的农业生产物联网管控系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111024700A (zh) * | 2019-12-28 | 2020-04-17 | 深圳市华之粹生态科技有限公司 | 一种基于物联网的油茶长势信息分析系统 |
| CN112179403A (zh) * | 2020-08-24 | 2021-01-05 | 航天众兴(江苏)科技有限公司 | 一种物联网数据采集平台 |
| CN112035582A (zh) * | 2020-08-28 | 2020-12-04 | 光大科技有限公司 | 结构化数据的分类方法及装置、存储介质、电子装置 |
| CN112255951A (zh) * | 2020-10-28 | 2021-01-22 | 西安中智电气创新技术有限公司 | 一种植物生长管理测控方法、装置及存储介质 |
| CN114418368A (zh) * | 2022-01-12 | 2022-04-29 | 华东交通大学 | 一种农业大棚西红柿种植智能化管理系统及管理方法 |
| CN116362615A (zh) * | 2023-04-03 | 2023-06-30 | 甘肃农业大学 | 基于物联网的大田环境下冬油菜生长状态监测系统 |
| CN116362615B (zh) * | 2023-04-03 | 2024-01-30 | 甘肃农业大学 | 基于物联网的大田环境下冬油菜生长状态监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110427063A (zh) | 一种基于物联网的番茄生长监控管理平台 | |
| CN209517198U (zh) | 一种智慧农业标准化管理系统 | |
| Reis et al. | Automatic detection of bunches of grapes in natural environment from color images | |
| Kaneda et al. | Multi-modal sliding window-based support vector regression for predicting plant water stress | |
| CN110472557A (zh) | 一种番茄生长监控的方法及装置 | |
| CN112450056A (zh) | 一种基于机器学习算法的水肥药一体化智能灌溉系统 | |
| CN111008733B (zh) | 一种作物生长管控方法和系统 | |
| CN102789579B (zh) | 基于计算机视觉技术的温室作物水肥胁迫状态识别方法 | |
| CN109242201A (zh) | 一种预测农作物产量的方法、装置及计算机可读存储介质 | |
| An et al. | Real-time monitoring method of strawberry fruit growth state based on YOLO improved model | |
| Anand et al. | Applications of Internet of Things (IoT) in agriculture: The need and implementation | |
| Tangwannawit et al. | An optimization clustering and classification based on artificial intelligence approach for internet of things in agriculture | |
| Wang et al. | Online recognition and yield estimation of tomato in plant factory based on YOLOv3 | |
| Musa et al. | An intelligent plant dissease detection system for smart hydroponic using convolutional neural network | |
| KR102213394B1 (ko) | 기계학습 기반 열영상 분석을 통한 절화식물의 수명 예측 장치 및 방법 | |
| Durga et al. | Internet of things based weather and water quality monitoring system | |
| CN104268617B (zh) | 一种基于rfid的植物数据综合管理系统 | |
| Chen et al. | Construction of a photosynthetic rate prediction model for greenhouse strawberries with distributed regulation of light environment | |
| Ma et al. | Integration agricultural knowledge and Internet of Things for multi-agent deficit irrigation control | |
| US20230359889A1 (en) | Machine learning methods and systems for characterizing corn growth efficiency | |
| FAISAL | A pest monitoring system for agriculture using deep learning | |
| Sharma et al. | Crop yield prediction using hybrid deep learning algorithm for smart agriculture | |
| Tace et al. | Implementation of smart irrigation using IoT and artificial intelligence | |
| Tidake et al. | Design efficient model to increase crop yield using deep learning | |
| Revathi et al. | Iot and machine learning algorithm in smart agriculture |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191108 |
|
| WD01 | Invention patent application deemed withdrawn after publication |