CN110545531A - 一种基于大数据和云计算的农作物长势监控方法与系统 - Google Patents
一种基于大数据和云计算的农作物长势监控方法与系统 Download PDFInfo
- Publication number
- CN110545531A CN110545531A CN201910893702.XA CN201910893702A CN110545531A CN 110545531 A CN110545531 A CN 110545531A CN 201910893702 A CN201910893702 A CN 201910893702A CN 110545531 A CN110545531 A CN 110545531A
- Authority
- CN
- China
- Prior art keywords
- crops
- agricultural
- ecological environment
- growth
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012544 monitoring process Methods 0.000 title claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000003860 storage Methods 0.000 claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 230000006399 behavior Effects 0.000 claims description 45
- 238000013528 artificial neural network Methods 0.000 claims description 44
- 238000013473 artificial intelligence Methods 0.000 claims description 28
- 238000003973 irrigation Methods 0.000 claims description 19
- 230000002262 irrigation Effects 0.000 claims description 19
- 238000012271 agricultural production Methods 0.000 claims description 16
- 238000004519 manufacturing process Methods 0.000 claims description 16
- 238000007726 management method Methods 0.000 claims description 13
- 238000012806 monitoring device Methods 0.000 claims description 12
- 241000607479 Yersinia pestis Species 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 10
- 230000004720 fertilization Effects 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 7
- 241000238631 Hexapoda Species 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 201000010099 disease Diseases 0.000 claims description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000001556 precipitation Methods 0.000 claims description 5
- 238000009423 ventilation Methods 0.000 claims description 5
- 238000009313 farming Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000010899 nucleation Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000005507 spraying Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 239000003337 fertilizer Substances 0.000 description 4
- 239000000575 pesticide Substances 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000447 pesticide residue Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
- 238000004383 yellowing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06N3/08—Learning methods
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- 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
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- 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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Emergency Management (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
Abstract
本发明涉及计算机和网络技术领域,具体为一种基于大数据和云计算的农作物长势监控方法与系统,该系统包括:采集模块、传输模块、存储模块、农业生态环境信息分析应用模块和农业设施远程控制模块,采集模块用于农业生态环境中各种信息的采集,传送模块用于将采集到的信息传输到存储模块储存。水量采集单元所计算出来的储水量不足以浇灌农作物时,此时农业生态环境信息分析应用模块向用户发出警报,提醒用户,减少对水需求量较大的农业物,更换为能够耐干旱的农作物,以保证水源充足,避免过度的种植对水需求量较大的农业物,导致农业物缺水时,无水可用的状况。同时给出种植人员工作行为记录推荐,以帮助种植人员获得最佳种植效率。
Description
技术领域
本发明涉及计算机和网络技术领域,具体为一种基于大数据和云计算的农业生态环境监控方法与系统。
背景技术
随着社会的发展和科技的进步,我国农业的发展也越来越快,然而,目前我国农业生产仍然面临以下问题:
1)生产者规模小,产品缺乏标准。以零散农户为个体生产单位居多,以公司为生产单位的少,生产规模偏小。带来的问题是,农业生产管理偏向个体化,往往是一个农户管理几亩农田或果园、菜地。管理没有统一的参考依据,施肥、灌溉等作业都比较随意,不能准确的知道何时应该施肥,何时需要灌溉等,当农作物出现缺水反应时,如枯萎、叶片变黄等,此时农作物以及缺水比较严重,此时再浇水已经错过了最佳的灌溉时机,及时灌溉后,农作物的产量也会下降。
2)在观察农田内农作物是否出现虫害杂草等现象时,都是通过农户到田边观察,对于农户而言,在农田间来回的奔波,劳动强度高,当有些虫害在农田的中央发生时,农户难以观察的到,等到发现虫害时,虫害已经从农田中央扩散到整块农田内。
3)农药施用过量,农药残留严重。对病虫害防治了解不够科学,农药施用的时机,施用的量没有科学依据。存在施用时机错误,施用频率过高,施用量过大的问题,造成产品农药残留超标,同时增加生产成本负担。
4)肥料施用过量,环境危害严重。对土壤的理化现状缺乏科学监测,对农作物的需肥量也缺乏精准把握,存在肥料施用过量,造成土壤板结问题和肥料淋溶污染地下水问题。
5)灌溉管理不节约,水资源浪费严重。对土壤含水量情况和相应的气温、光照、蒸腾等指标没有连续监测和分析,不能准确把握作物灌溉的时机和灌溉量,造成水资源浪费。
6)种植种类单一,无法根据当地水资源的存储量进行合理的播种农作物,导致在农作物的灌溉期,农户都在抢水灌溉,水源不足时,就会出现农作物缺水死亡的情况,导致农户的经济损失。
7)种植模式复制能力差,主要表现为农户各自为战,依靠自己的经验以及专家的指导进行种植,对先进的种植方式不能尽快学习和实践,也不能及时获取相应的种植经验。更不可能针对前期的历史数据进行分析,并借助人工智能学习方式提升种植效率。
面对上述问题,“互联网+农业”提供了很好的解决问题的出路。“互联网+农业”是充分利用移动互联网、大数据、云计算、物联网等新一代信息技术与农业的跨界融合,创新基于互联网平台的现代农业新产品、新模式与新业态。以“互联网+农业”驱动,努力打造“信息支撑、管理协同,产出高效、产品安全,资源节约、环境友好”的我国现代农业发展升级版,对我国农业现代化的影响深远。
发明内容
本发明的目的在于提供一种基于大数据和云计算的农业生态环境监控方法与系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于大数据和云计算的农作物长势监控系统,其特征在于,该系统包括:采集模块、传输模块、存储模块、人工智能计算单元、农业生态环境信息分析应用模块和农业设施远程控制模块,采集模块用于农业生态环境中各种信息的采集,传送模块用于将采集到的信息传输到存储模块储存,所述农业生态环境信息分析应用模块用于对各种信息进行分析、判断并以声光报警信息和短信报警信息的形式反馈给用户,所述农业设施远程控制模块用于对灌溉、施肥的各类设备实现远程自动化管理;其中,
所述采集模块包括生态环境信息采集单元、农作物长势采集单元和水量采集单元,所述生态环境信息采集单元用于采集农作物的生产环境的信息,所述农作物长势采集单元用于采集农作物的生长状态的信息以及农作物的种植面积,所述水量采集单元用于采集种植区附近的水资源储存量以及根据大数据计算得出的该地区的平均降水量;
所述存储模块对接收到的农业生产现场的各类环境信息数据进行存储,采用云计算中心的数据存储服务器,并利用时间戳服务中心的时间戳服务,实现农业生态环境信息的安全存储;
所述农作物长势采集单元包括农业生产现场设置的多个监控设备,所述监控设备包括广角的摄像头和长焦摄像头,所述广角摄像头架设的高度大于三米,所述长焦摄像头与农作物间的距离小于一米;
所述人工智能计算单元利用采集的过去一段时间的农作物长势、天气环境参数,以及预报的未来一段时间的天气预报信息,来预测未来一段时间的农作物长势,进而根据预测的未来一段时间的农作物长势进行农户种植行为控制。
优选的,所述生态环境信息采集单元包括农业生产现场设置的各种传感器,所述传感器包括但不限于空气温湿度传感器、土壤温湿度传感器、光照传感器、CO2传感器;所述传输模块为远程遥测终端,将采集到的包括温度、湿度、光照在内的环境数据传送至远程遥测终端,远程遥测终端通过GPRS实现农业生态环境信息数据的网络传输。
优选的,所述人工智能计算单元利用基于RBF径向基函数神经网络的预测模型进行未来一段时间的作物长势预测。
优选的,人工智能计算单元将深度学习的种植行为策略相对应的控制措施发送给农业设施远程控制模块;实现人工智能机械化种植作业。
优选的,该方法包括以下步骤:
S1:设置在农业生产现场的各类传感器定时采集生产现场的农业生态环境信息,远程遥测终端定时巡检收集缓存各类传感器采集的生态环境信息,远程遥测终端接收系统平台指令,上传缓存的信息,将生态环境信息存储在云计算中心的数据存储服务器;
S2:平台中的农业生态环境信息分析应用模块对存储的数据进行分析,反馈农作物生长环境;
S3:设置在农业生产现场的多个监控设备定时拍摄生产现场的农作物长势图片,远程遥测终端定时巡检收集缓存多个监控设备拍摄的农作物长势图片,远程遥测终端接收系统平台指令,上传缓存的信息,将农作物长势图片存储在云计算中心的数据存储服务器;
S4:平台中的农业生态环境信息分析应用模块对农作物长势图片与大数据库中的农作物进行对比,判断并反馈农作物的长势以及病虫害状况;
S5:平台中的农业生态环境信息分析应用模块对农作物生长环境和农作物的长势以及病虫害状况进行综合的分析、判断并以声光报警信息和短信报警信息的形式反馈给用户,用户根据声光报警信息和短信报警信息,启动远程控制器,对灌溉、施肥及设施农业中的包括灯光、温控、通风设备在内的各类设备实现远程自动化管理。
优选的,在步骤S3中,具体包括:
S31:广角的摄像头拍摄整平农作物的整体长势,通过网络接收远程遥测终端传送的农业生态环境信息数据;
S32:长焦摄像头在近处拍摄农作物长势的细节,以便于农业生态环境信息分析应用模块判断农作物的类和生长状态的具体细节。
优选的,RBF神经网络的结构包括,X=[x1,x2,…,xn]T为RBF神经网络的输入向量,由RBF神经网络的各输入点的值组成;H=[h1,h2,…,hm]T为RBF神经网络的径向基向量,由RBF神经网络的各节点的值组成;W=[w1,w2,…,wm]T为RBF神经网络的权向量,由各节点的输出权重组成;ym为RBF神经网络的输出;其中,RBF神经网络的第j个节点的值hj(j=1,2,…,m)的表达式如公式1所示:
公式1中,Cj为网络的第j个结点的中心矢量,Cj=[cj1,cj2,…,cjn]T;bj为节点j的基宽参数。
优选的,将采集的过去一段时间T的天气环境参数、农作物长势数据,以及预报的未来一段时间的天气环境参数信息;将获取的信息输入到RBF神经网络;由RBF神经网络预测输出未来一段时间的农作物长势数据。
优选的,将第k天24小时的农作物长势数据序列[Q1,Q2,...,Q24]、第k天24小时的天气环境参数序列[T1,T2,...,T24],以及预报的第k+1天24小时的天气环境参数序列[t1,t2,...,t24]作为RBF神经网络的输入;由RBF神经网络预测输出第k+1天24小时的农作物长势数据序列[q1,q2,...,q24]。
优选的,所述人工智能计算单元,基于上述农作物长势预测,分析得出最佳农户种植行为后,这些行为可以包括播种时间,耕作强度,灌溉周期,喷药周期等,通过人工智能计算单元进行深度学习;具体的方式包括,第一阶段为学习的初级阶段,此时人工智能计算单元生成的种植行为策略水平远不如所推荐的最佳农户种植行为方案执行水平,此时只能依赖计算单元不断进行参数修正,学习装置通过学习农户种植行为数据,不断学习、优化策略;第二阶段为学习的成熟阶段,此时人工智能计算单元通过不断学习生成的策略已经接近农户的正常种植行为;当人工智能计算单元生成的农户种植行为策略已经达到农户操作的极限水平时,可以停止学习最佳农户种植行为;第三阶段为学习的持续优化阶段,此时人工智能计算单元已经达到或者超过了最佳农户种植行为的水平,此阶段学习装置仍不断尝试,研究不同状态下,不同控制措施组合对作物长势的影响,通过持续不断的尝试和学习能够持续优化策略。
与现有技术相比,本发明的有益效果是:本发明所述的一种基于大数据和云计算的农业生态环境监控方法与系统,通过农业生态环境信息分析应用模块对农作物长势采集单元所采集的农作物生长状态信息进行匹配,通过云计算中心对比大数据中的图像,匹配出该农作物的品种以及该品种目前的生长状况,通过计算出目前生长状况下的农作物适宜的生长环境,再讲农作物适宜的生长环境参数与生态环境信息采集单元所采集的农作物实际生产环境信息对比,计算出差异,并反馈给用户,用户根据计算的差异,启动远程控制器,对灌溉、施肥及设施农业中的包括灯光、温控、通风设备在内的各类设备实现远程自动化管理,在足不出户的状态下就能够准确的给与农户具体的调控方向和调控的收放度,对于提高农业的现代化技术及管理水平将起巨大的推动作用;通过农业生态环境信息分析应用模块对农作物长势采集单元所采集的农作物的种植面积,以及对水量采集单元用于采集种植区附近的水资源储存量以及根据大数据计算得出的该地区的平均降水量进行综合分析,当栽种的对水需求量较大的农业物面积过大时,此时水量采集单元所计算出来的储水量不足以浇灌农作物时,此时农业生态环境信息分析应用模块向用户发出警报,提醒用户,减少对水需求量较大的农业物,更换为能够耐干旱的农作物,以保证水源充足,避免过度的种植对水需求量较大的农业物,导致农业物缺水时,无水可用的状况。
除此之外,根据历史的种植数据可以训练模型寻找出该品种最高种植收益对应的环境条件,从而简化能作物种植的复杂性,降低作物种植控制系统的成本。
基于大数据帮助种植人员预测最佳种植时机,通过可穿戴设备记录种植人员工作行为,在作物收割时判断最佳收成所属的种植人员,对其工作行为进行大数据分析和人工智能学习。在下次给出最佳种植时机时,同时给出种植人员工作行为记录推荐,以帮助种植人员获得最佳种植效率。
附图说明
图1为本发明所述的系统整体架构框图;
图2为本发明所述的方法流程图;
图3为本发明的RBF神经网络的结构。
具体实施方式
下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
请参阅图1至2,本发明提供一种技术方案:本发明提供了一种基于大数据和云计算的农业生态环境监控系统,该系统包括:采集模块、传输模块、存储模块、农业生态环境信息分析应用模块和农业设施远程控制模块,采集模块用于农业生态环境中各种信息的采集,传送模块用于将采集到的信息传输到存储模块储存,所述农业生态环境信息分析应用模块用于对各种信息进行分析、判断并以声光报警信息和短信报警信息的形式反馈给用户,所述农业设施远程控制模块用于对灌溉、施肥等的各类设备实现远程自动化管理;其中,
所述采集模块包括生态环境信息采集单元、农作物长势采集单元和水量采集单元,所述生态环境信息采集单元用于采集农作物的生产环境的信息,所述农作物长势采集单元用于采集农作物的生长状态的信息以及农作物的种植面积,所述水量采集单元用于采集种植区附近的水资源储存量以及根据大数据计算得出的该地区的平均降水量;
作为本发明的一种具体实施方式,所述生态环境信息采集单元包括农业生产现场设置的各种传感器,所述传感器包括但不限于空气温湿度传感器、土壤温湿度传感器、光照传感器、CO2传感器;所述传输模块为远程遥测终端,将采集到的包括温度、湿度、光照在内的环境数据传送至远程遥测终端,远程遥测终端通过GPRS实现农业生态环境信息数据的网络传输。
作为本发明的一种具体实施方式,所述农作物长势采集单元包括农业生产现场设置的多个监控设备,所述监控设备包括广角的摄像头和长焦摄像头,所述广角摄像头架设的高度大于三米,所述长焦摄像头与农作物间的距离小于一米。
作为本发明的一种具体实施方式,所述存储模块对接收到的农业生产现场的各类环境信息数据进行存储,采用云计算中心的数据存储服务器,并利用时间戳服务中心的时间戳服务,实现农业生态环境信息的安全存储,以确保农业生态环境信息的有效利用。
具体的,通过农业生态环境信息分析应用模块对农作物长势采集单元所采集的农作物生长状态信息进行匹配,通过云计算中心对比大数据中的图像,匹配出该农作物的品种以及该品种目前的生长状况,通过计算出目前生长状况下的农作物适宜的生长环境,再讲农作物适宜的生长环境参数与生态环境信息采集单元所采集的农作物实际生产环境信息对比,计算出差异,并反馈给用户,用户根据计算的差异,启动远程控制器,对灌溉、施肥及设施农业中的包括灯光、温控、通风设备在内的各类设备实现远程自动化管理;通过农业生态环境信息分析应用模块对农作物长势采集单元所采集的农作物的种植面积,以及对水量采集单元用于采集种植区附近的水资源储存量以及根据大数据计算得出的该地区的平均降水量进行综合分析,当栽种的对水需求量较大的农业物面积过大时,此时水量采集单元所计算出来的储水量不足以浇灌农作物时,此时农业生态环境信息分析应用模块向用户发出警报,提醒用户,减少对水需求量较大的农业物,更换为能够耐干旱的农作物,以保证水源充足,避免过度的种植对水需求量较大的农业物,导致农业物缺水时,无水可用的状况。
本发明还提供了一种基于大数据和云计算的农业生态环境监控方法,其特征在于,该方法包括以下步骤:
S1:设置在农业生产现场的各类传感器定时采集生产现场的农业生态环境信息,远程遥测终端定时巡检收集缓存各类传感器采集的生态环境信息,远程遥测终端接收系统平台指令,上传缓存的信息,将生态环境信息存储在云计算中心的数据存储服务器;
S2:平台中的农业生态环境信息分析应用模块对存储的数据进行分析,反馈农作物生长环境;
S3:设置在农业生产现场的多个监控设备定时拍摄生产现场的农作物长势图片,远程遥测终端定时巡检收集缓存多个监控设备拍摄的农作物长势图片,远程遥测终端接收系统平台指令,上传缓存的信息,将农作物长势图片存储在云计算中心的数据存储服务器;
S4:平台中的农业生态环境信息分析应用模块对农作物长势图片与大数据库中的农作物进行对比,判断并反馈农作物的长势以及病虫害状况;
S5:平台中的农业生态环境信息分析应用模块对农作物生长环境和农作物的长势以及病虫害状况进行综合的分析、判断并以声光报警信息和短信报警信息的形式反馈给用户,用户根据声光报警信息和短信报警信息,启动远程控制器,对灌溉、施肥及设施农业中的包括灯光、温控、通风设备在内的各类设备实现远程自动化管理。
在步骤S3中,具体包括:
S31:广角的摄像头拍摄整平农作物的整体长势,通过网络接收远程遥测终端传送的农业生态环境信息数据;
S32:长焦摄像头在近处拍摄农作物长势的细节,以便于农业生态环境信息分析应用模块判断农作物的类和生长状态的具体细节。
本发明还考虑到,未来一段时间的农作物长势通常与未来一段时间的天气环境参数相关;且由专业人士所做的每天的天气预报在多数情况下能比较准确的反映未来一段时间的天气环境。
由此,在本发明的技术方案中,利用采集的过去一段时间的农作物长势、天气环境参数,以及预报的未来一段时间的天气预报信息,来预测未来一段时间的农作物长势,进而根据预测的未来一段时间的农作物长势相关种植行为控制。
更优地,可以利用基于RBF(径向基函数)神经网络的预测模型进行未来一段时间的作物长势预测。图3示出了RBF神经网络的结构;在图1中,X=[x1,x2,…,xn]T为RBF神经网络的输入向量,由RBF神经网络的各输入点的值组成;H=[h1,h2,…,hm]T为RBF神经网络的径向基向量,由RBF神经网络的各节点的值组成;W=[w1,w2,…,wm]T为RBF神经网络的权向量,由各节点的输出权重组成;ym为RBF神经网络的输出。其中,RBF神经网络的第j个节点的值hj(j=1,2,…,m)的表达式如公式1所示:
公式1中,Cj为网络的第j个结点的中心矢量,Cj=[cj1,cj2,…,cjn]T;bj为节点j的基宽参数。
本发明实施例的技术方案中,将采集的过去一段时间T的天气环境参数、农作物长势数据,以及预报的未来一段时间的天气环境参数信息;将获取的信息输入到RBF神经网络;由RBF神经网络预测输出未来一段时间的农作物长势数据。其中,所述RBF神经网络预先经由若干训练样本训练得到;所述训练样本是由采集的长于所述一段时间T的过去时间段内的天气环境参数、农作物长势数据形成的。
例如,可以将第k天24小时的农作物长势数据序列[Q1,Q2,...,Q24]、第k天24小时的天气环境参数序列[T1,T2,...,T24],以及预报的第k+1天24小时的天气环境参数序列[t1,t2,...,t24]作为RBF神经网络的输入;由RBF神经网络预测输出第k+1天24小时的农作物长势数据序列[q1,q2,...,q24]。
而将RBF神经网络应用于预测之前,可以将过去采集的相当长的一段时间的天气环境参数、农作物长势数据按单位时间长度划分后作为若干训练样本,利用得到的这些训练样本对RBF神经网络进行训练。例如,可以将过去一年采集的每天的天气环境参数、农作物长势数据序列作为训练样本对RBF神经网络进行训练。
进一步地,引入人工智能学习方式,通过对个体农户的种植行为数据进行记录和存储,形成相应的大数据库样本,进一步基于上述农作物长势预测,分析得出最佳农户种植行为,以此种植行为进行推荐,使其他处在相同环境的农户能够快速获取最优种植技术。具体地,可以通过各种通信终端设备向农户发送最佳农户种植行为所对应的相应行为数据,例如具体的工作时间,工作内容等,使得农户对自己的种植行为进行调整。
具体的,农户种植行为数据可以通过行为状态采集单元进行记录并发送至云计算中心的数据存储服务器。所述行为状态采集单元包括但不限于可穿戴设备以及体感传感器等。
同时,本发明在基于上述农作物长势预测,分析得出最佳农户种植行为后,这些行为可以包括播种时间,耕作强度,灌溉周期,喷药周期等,通过人工智能计算单元进行深度学习。具体的方式包括,第一阶段为学习的初级阶段,此时人工智能计算单元生成的种植行为策略水平远远不如所推荐的最佳农户种植行为方案执行水平,此时只能依赖计算单元不断进行参数修正,学习装置通过学习农户种植行为数据,不断学习、优化策略。第二阶段为学习的成熟阶段,此时人工智能计算单元通过不断学习生成的策略已经接近农户的正常种植行为。当人工智能计算单元生成的农户种植行为策略已经达到农户操作的极限水平时,可以停止学习最佳农户种植行为。第三阶段为学习的持续优化阶段,此时人工智能计算单元已经达到或者超过了最佳农户种植行为的水平,此阶段学习装置仍不断尝试,研究不同状态下,不同控制措施组合对作物长势的影响,通过持续不断的尝试和学习能够持续优化策略。
经过上述深度学习之后,人工智能计算单元将深度学习的种植行为策略相对应的控制措施发送给农业设施远程控制模块。从而实现学习结果的人工智能作业。
进一步地,系统还会定期反馈农作物长势同比/环比变化情况,使农户能够及时感知和对比农作物长势情况是否正常。
虽然在上文中已经参考实施方式对本发明进行了描述,然而在不脱离本发明的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用,在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此,本发明并不局限于文中公开的特定实施方式,而是包括落入权利要求的范围内的所有技术方案。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件(例如处理器)完成,所述程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地,上述实施例中的每个模块/单元可以采用硬件的形式实现,例如通过集成电路来实现其相应功能,也可以采用软件功能模块的形式实现,例如通过处理器执行存储于存储器中的程序/指令来实现其相应功能。本发明不限制于任何特定形式的硬件和软件的结合。
虽然本申请所揭露的实施方式如上,但所述的内容仅为便于理解本申请而采用的实施方式,并非用以限定本申请,如本发明实施方式中的具体的实现方法。任何本申请所属领域内的技术人员,在不脱离本申请所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本申请的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
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,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于大数据和云计算的农作物长势监控系统,其特征在于,该系统包括:采集模块、传输模块、存储模块、人工智能计算单元、农业生态环境信息分析应用模块和农业设施远程控制模块,采集模块用于农业生态环境中各种信息的采集,传送模块用于将采集到的信息传输到存储模块储存,所述农业生态环境信息分析应用模块用于对各种信息进行分析、判断并以声光报警信息和短信报警信息的形式反馈给用户,所述农业设施远程控制模块用于对灌溉、施肥的各类设备实现远程自动化管理;其中,
所述采集模块包括生态环境信息采集单元、农作物长势采集单元和水量采集单元,所述生态环境信息采集单元用于采集农作物的生产环境的信息,所述农作物长势采集单元用于采集农作物的生长状态的信息以及农作物的种植面积,所述水量采集单元用于采集种植区附近的水资源储存量以及根据大数据计算得出的该地区的平均降水量;
所述存储模块对接收到的农业生产现场的各类环境信息数据进行存储,采用云计算中心的数据存储服务器,并利用时间戳服务中心的时间戳服务,实现农业生态环境信息的安全存储;
所述农作物长势采集单元包括农业生产现场设置的多个监控设备,所述监控设备包括广角的摄像头和长焦摄像头,所述广角摄像头架设的高度大于三米,所述长焦摄像头与农作物间的距离小于一米;
所述人工智能计算单元利用采集的过去一段时间的农作物长势、天气环境参数,以及预报的未来一段时间的天气预报信息,来预测未来一段时间的农作物长势,进而根据预测的未来一段时间的农作物长势进行农户种植行为控制。
2.根据权利要求1所述的系统,其特征在于,所述生态环境信息采集单元包括农业生产现场设置的各种传感器,所述传感器包括但不限于空气温湿度传感器、土壤温湿度传感器、光照传感器、CO2传感器;所述传输模块为远程遥测终端,将采集到的包括温度、湿度、光照在内的环境数据传送至远程遥测终端,远程遥测终端通过GPRS实现农业生态环境信息数据的网络传输。
3.根据权利要求2所述的系统,其特征在于,所述人工智能计算单元利用基于RBF径向基函数神经网络的预测模型进行未来一段时间的作物长势预测。
4.根据权利要求1-3任一项所述的系统,其特征在于,人工智能计算单元将深度学习的种植行为策略相对应的控制措施发送给农业设施远程控制模块;实现人工智能机械化种植作业。
5.一种应用于如权利要求1-4任一项所述的系统的监控方法,其特征在于,该方法包括以下步骤:
S1:设置在农业生产现场的各类传感器定时采集生产现场的农业生态环境信息,远程遥测终端定时巡检收集缓存各类传感器采集的生态环境信息,远程遥测终端接收系统平台指令,上传缓存的信息,将生态环境信息存储在云计算中心的数据存储服务器;
S2:平台中的农业生态环境信息分析应用模块对存储的数据进行分析,反馈农作物生长环境;
S3:设置在农业生产现场的多个监控设备定时拍摄生产现场的农作物长势图片,远程遥测终端定时巡检收集缓存多个监控设备拍摄的农作物长势图片,远程遥测终端接收系统平台指令,上传缓存的信息,将农作物长势图片存储在云计算中心的数据存储服务器;
S4:平台中的农业生态环境信息分析应用模块对农作物长势图片与大数据库中的农作物进行对比,判断并反馈农作物的长势以及病虫害状况;
S5:平台中的农业生态环境信息分析应用模块对农作物生长环境和农作物的长势以及病虫害状况进行综合的分析、判断并以声光报警信息和短信报警信息的形式反馈给用户,用户根据声光报警信息和短信报警信息,启动远程控制器,对灌溉、施肥及设施农业中的包括灯光、温控、通风设备在内的各类设备实现远程自动化管理。
6.根据权利要求5所述的一种基于大数据和云计算的农业生态环境监控方法,其特征在于,在步骤S3中,具体包括:
S31:广角的摄像头拍摄整平农作物的整体长势,通过网络接收远程遥测终端传送的农业生态环境信息数据;
S32:长焦摄像头在近处拍摄农作物长势的细节,以便于农业生态环境信息分析应用模块判断农作物的类和生长状态的具体细节。
7.根据权利要求6所述的一种基于大数据和云计算的农业生态环境监控方法,其特征在于,RBF神经网络的结构包括,X=[x1,x2,…,xn]T为RBF神经网络的输入向量,由RBF神经网络的各输入点的值组成;H=[h1,h2,…,hm]T为RBF神经网络的径向基向量,由RBF神经网络的各节点的值组成;W=[w1,w2,…,wm]T为RBF神经网络的权向量,由各节点的输出权重组成;ym为RBF神经网络的输出;其中,RBF神经网络的第j个节点的值hj(j=1,2,…,m)的表达式如公式1所示:
公式1中,Cj为网络的第j个结点的中心矢量,Cj=[cj1,cj2,…,cjn]T;bj为节点j的基宽参数。
8.根据权利要求7所述的一种基于大数据和云计算的农业生态环境监控方法,其特征在于,将采集的过去一段时间T的天气环境参数、农作物长势数据,以及预报的未来一段时间的天气环境参数信息;将获取的信息输入到RBF神经网络;由RBF神经网络预测输出未来一段时间的农作物长势数据。
9.根据权利要求8所述的一种基于大数据和云计算的农业生态环境监控方法,其特征在于,将第k天24小时的农作物长势数据序列[Q1,Q2,...,Q24]、第k天24小时的天气环境参数序列[T1,T2,...,T24],以及预报的第k+1天24小时的天气环境参数序列[t1,t2,...,t24]作为RBF神经网络的输入;由RBF神经网络预测输出第k+1天24小时的农作物长势数据序列[q1,q2,...,q24]。
10.根据权利要求9所述的一种基于大数据和云计算的农业生态环境监控方法,其特征在于,所述人工智能计算单元,基于上述农作物长势预测,分析得出最佳农户种植行为后,这些行为可以包括播种时间,耕作强度,灌溉周期,喷药周期等,通过人工智能计算单元进行深度学习;具体的方式包括,第一阶段为学习的初级阶段,此时人工智能计算单元生成的种植行为策略水平远不如所推荐的最佳农户种植行为方案执行水平,此时只能依赖计算单元不断进行参数修正,学习装置通过学习农户种植行为数据,不断学习、优化策略;第二阶段为学习的成熟阶段,此时人工智能计算单元通过不断学习生成的策略已经接近农户的正常种植行为;当人工智能计算单元生成的农户种植行为策略已经达到农户操作的极限水平时,可以停止学习最佳农户种植行为;第三阶段为学习的持续优化阶段,此时人工智能计算单元已经达到或者超过了最佳农户种植行为的水平,此阶段学习装置仍不断尝试,研究不同状态下,不同控制措施组合对作物长势的影响,通过持续不断的尝试和学习能够持续优化策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910893702.XA CN110545531A (zh) | 2019-09-20 | 2019-09-20 | 一种基于大数据和云计算的农作物长势监控方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910893702.XA CN110545531A (zh) | 2019-09-20 | 2019-09-20 | 一种基于大数据和云计算的农作物长势监控方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110545531A true CN110545531A (zh) | 2019-12-06 |
Family
ID=68714146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910893702.XA Pending CN110545531A (zh) | 2019-09-20 | 2019-09-20 | 一种基于大数据和云计算的农作物长势监控方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110545531A (zh) |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111464597A (zh) * | 2020-03-18 | 2020-07-28 | 仲恺农业工程学院 | 一种基于云计算的柑橘果园远程控制和预警系统及其方法 |
CN111680927A (zh) * | 2020-06-13 | 2020-09-18 | 南京柯姆威科技有限公司 | 一种ai人工智能训练装置及其训练方法 |
CN111766820A (zh) * | 2020-07-20 | 2020-10-13 | 成都快乐猴科技有限公司 | 一种应用于智能农业的智能精细化管理控制系统 |
CN111949059A (zh) * | 2020-08-17 | 2020-11-17 | 华艺生态园林股份有限公司 | 一种基于林业物联网的苗木种植智能管控系统 |
CN112468985A (zh) * | 2020-07-08 | 2021-03-09 | 上海悠络客电子科技股份有限公司 | 一种基于大数据的农业环境智能系统 |
CN112470659A (zh) * | 2020-11-25 | 2021-03-12 | 青岛鲁宏物联信息科技有限公司 | 一种智能灌溉系统 |
CN112488869A (zh) * | 2020-12-03 | 2021-03-12 | 湖北添安农业科技有限公司 | 一种适用于农业生产多因素管理决策系统 |
CN112506111A (zh) * | 2020-12-23 | 2021-03-16 | 黑龙江省网络空间研究中心 | 一种基于大数据和云计算的农作物长势监控方法与系统 |
CN112613715A (zh) * | 2020-12-16 | 2021-04-06 | 重庆电子工程职业学院 | 中药病害智慧化管理系统 |
CN113016508A (zh) * | 2021-03-02 | 2021-06-25 | 华南师范大学 | 面向药效和生态的药材种植人工智能方法和机器人 |
CN113110036A (zh) * | 2021-05-27 | 2021-07-13 | 上海农林职业技术学院 | 一种基于fod-pid控制方法的农业无线自动化监测控制系统 |
CN113155188A (zh) * | 2021-04-15 | 2021-07-23 | 浙江天演维真网络科技股份有限公司 | 一种基于大数据和作物生长环境模型的趋势分析方法 |
CN113343783A (zh) * | 2021-05-18 | 2021-09-03 | 北京科技大学 | 一种农作物智能识别与长势预测方法及系统 |
CN113469068A (zh) * | 2021-07-06 | 2021-10-01 | 信阳农林学院 | 一种大面积种植油茶的长势监控方法 |
CN114219673A (zh) * | 2021-07-12 | 2022-03-22 | 南开大学 | 一种基于物联网的农业云服务系统 |
CN114581783A (zh) * | 2022-05-06 | 2022-06-03 | 中国计量大学 | 智能车及智慧农业管理系统 |
CN114913029A (zh) * | 2022-04-29 | 2022-08-16 | 腾圣福(广州)农业科技有限公司 | 一种基于物联网的智能农业监控平台 |
WO2022170617A1 (zh) * | 2021-02-11 | 2022-08-18 | 苏州铭冠软件科技有限公司 | 一种智能可视化农业作物良种选型系统 |
CN115390504A (zh) * | 2022-09-29 | 2022-11-25 | 重庆电子工程职业学院 | 一种基于5g物联网的智慧农业种植系统 |
CN115793749A (zh) * | 2022-12-05 | 2023-03-14 | 河北泽润信息科技有限公司 | 一种基于云计算的智能温室环境控制系统及方法 |
CN115965875A (zh) * | 2023-03-16 | 2023-04-14 | 德阳稷农农业科技有限公司 | 一种农作物病虫害智能监控方法及系统 |
CN116627193A (zh) * | 2023-07-21 | 2023-08-22 | 山东梦芯信息科技有限公司 | 一种温室大棚智能管控平台及方法 |
CN116649123A (zh) * | 2023-06-02 | 2023-08-29 | 上海华维可控农业科技集团股份有限公司 | 一种蔬菜全周期自动种植的设备及系统 |
CN116664333A (zh) * | 2023-08-02 | 2023-08-29 | 贵州通利数字科技有限公司 | 基于物联网的信息资源系统平台 |
CN116843188A (zh) * | 2023-05-17 | 2023-10-03 | 南京邮电大学 | 一种基于大数据分析的精细农业栽培与管理平台 |
CN116993302A (zh) * | 2023-09-26 | 2023-11-03 | 济南天楚科技有限公司 | 基于大数据的农业信息智能管理方法及系统 |
CN117033810A (zh) * | 2023-05-23 | 2023-11-10 | 上海华维可控农业科技集团股份有限公司 | 一种基于大数据的农业数据分析管理系统及方法 |
CN117540934A (zh) * | 2024-01-08 | 2024-02-09 | 山东科翔智能科技有限公司 | 基于数据分析的小麦生长周期智能监管系统 |
CN117557400A (zh) * | 2024-01-12 | 2024-02-13 | 中国科学院地球环境研究所 | 基于云计算平台的树木生长智能监测系统 |
CN118052376A (zh) * | 2024-04-16 | 2024-05-17 | 四川职业技术学院 | 一种基于农业物联网的敏感数据异常检测系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635694A (zh) * | 2015-01-08 | 2015-05-20 | 沈阳远大智能高科农业有限公司 | 一种智能农业预警系统 |
CN106254476A (zh) * | 2016-08-09 | 2016-12-21 | 沈阳君农哥科技有限公司 | 基于物联网、大数据和云计算的农业生态环境信息管理及监控方法与系统 |
CN108594775A (zh) * | 2018-04-18 | 2018-09-28 | 河南工业大学 | 一种农业大数据信息采集与处理系统 |
CN109029588A (zh) * | 2018-09-11 | 2018-12-18 | 南京都宁大数据科技有限公司 | 一种基于气候影响的农作物长势预测方法 |
CN109102422A (zh) * | 2018-09-26 | 2018-12-28 | 中国农业科学院农业信息研究所 | 一种大数据农业管理系统 |
-
2019
- 2019-09-20 CN CN201910893702.XA patent/CN110545531A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635694A (zh) * | 2015-01-08 | 2015-05-20 | 沈阳远大智能高科农业有限公司 | 一种智能农业预警系统 |
CN106254476A (zh) * | 2016-08-09 | 2016-12-21 | 沈阳君农哥科技有限公司 | 基于物联网、大数据和云计算的农业生态环境信息管理及监控方法与系统 |
CN108594775A (zh) * | 2018-04-18 | 2018-09-28 | 河南工业大学 | 一种农业大数据信息采集与处理系统 |
CN109029588A (zh) * | 2018-09-11 | 2018-12-18 | 南京都宁大数据科技有限公司 | 一种基于气候影响的农作物长势预测方法 |
CN109102422A (zh) * | 2018-09-26 | 2018-12-28 | 中国农业科学院农业信息研究所 | 一种大数据农业管理系统 |
Non-Patent Citations (1)
Title |
---|
金妙光: "基于精准农业预测中若干问题的研究", 《中国优秀博硕士学位论文全文数据库(博士)经济与管理科学辑(月刊)》 * |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111464597A (zh) * | 2020-03-18 | 2020-07-28 | 仲恺农业工程学院 | 一种基于云计算的柑橘果园远程控制和预警系统及其方法 |
CN111680927A (zh) * | 2020-06-13 | 2020-09-18 | 南京柯姆威科技有限公司 | 一种ai人工智能训练装置及其训练方法 |
CN112468985A (zh) * | 2020-07-08 | 2021-03-09 | 上海悠络客电子科技股份有限公司 | 一种基于大数据的农业环境智能系统 |
CN111766820A (zh) * | 2020-07-20 | 2020-10-13 | 成都快乐猴科技有限公司 | 一种应用于智能农业的智能精细化管理控制系统 |
CN111949059A (zh) * | 2020-08-17 | 2020-11-17 | 华艺生态园林股份有限公司 | 一种基于林业物联网的苗木种植智能管控系统 |
CN112470659A (zh) * | 2020-11-25 | 2021-03-12 | 青岛鲁宏物联信息科技有限公司 | 一种智能灌溉系统 |
CN112488869A (zh) * | 2020-12-03 | 2021-03-12 | 湖北添安农业科技有限公司 | 一种适用于农业生产多因素管理决策系统 |
CN112488869B (zh) * | 2020-12-03 | 2023-10-20 | 湖北添安农业科技有限公司 | 一种适用于农业生产多因素管理决策系统 |
CN112613715A (zh) * | 2020-12-16 | 2021-04-06 | 重庆电子工程职业学院 | 中药病害智慧化管理系统 |
CN112613715B (zh) * | 2020-12-16 | 2023-09-05 | 重庆电子工程职业学院 | 中药病害智慧化管理系统 |
CN112506111A (zh) * | 2020-12-23 | 2021-03-16 | 黑龙江省网络空间研究中心 | 一种基于大数据和云计算的农作物长势监控方法与系统 |
WO2022170617A1 (zh) * | 2021-02-11 | 2022-08-18 | 苏州铭冠软件科技有限公司 | 一种智能可视化农业作物良种选型系统 |
CN113016508B (zh) * | 2021-03-02 | 2022-09-16 | 华南师范大学 | 药材种植人工智能方法和机器人 |
CN113016508A (zh) * | 2021-03-02 | 2021-06-25 | 华南师范大学 | 面向药效和生态的药材种植人工智能方法和机器人 |
CN113155188A (zh) * | 2021-04-15 | 2021-07-23 | 浙江天演维真网络科技股份有限公司 | 一种基于大数据和作物生长环境模型的趋势分析方法 |
CN113343783A (zh) * | 2021-05-18 | 2021-09-03 | 北京科技大学 | 一种农作物智能识别与长势预测方法及系统 |
CN113110036A (zh) * | 2021-05-27 | 2021-07-13 | 上海农林职业技术学院 | 一种基于fod-pid控制方法的农业无线自动化监测控制系统 |
CN113469068A (zh) * | 2021-07-06 | 2021-10-01 | 信阳农林学院 | 一种大面积种植油茶的长势监控方法 |
CN113469068B (zh) * | 2021-07-06 | 2022-11-01 | 信阳农林学院 | 一种大面积种植油茶的长势监控方法 |
CN114219673A (zh) * | 2021-07-12 | 2022-03-22 | 南开大学 | 一种基于物联网的农业云服务系统 |
CN114913029A (zh) * | 2022-04-29 | 2022-08-16 | 腾圣福(广州)农业科技有限公司 | 一种基于物联网的智能农业监控平台 |
CN114581783A (zh) * | 2022-05-06 | 2022-06-03 | 中国计量大学 | 智能车及智慧农业管理系统 |
CN115390504A (zh) * | 2022-09-29 | 2022-11-25 | 重庆电子工程职业学院 | 一种基于5g物联网的智慧农业种植系统 |
CN115793749A (zh) * | 2022-12-05 | 2023-03-14 | 河北泽润信息科技有限公司 | 一种基于云计算的智能温室环境控制系统及方法 |
CN115965875A (zh) * | 2023-03-16 | 2023-04-14 | 德阳稷农农业科技有限公司 | 一种农作物病虫害智能监控方法及系统 |
CN116843188A (zh) * | 2023-05-17 | 2023-10-03 | 南京邮电大学 | 一种基于大数据分析的精细农业栽培与管理平台 |
CN117033810B (zh) * | 2023-05-23 | 2024-04-23 | 上海华维可控农业科技集团股份有限公司 | 一种基于大数据的农业数据分析管理系统及方法 |
CN117033810A (zh) * | 2023-05-23 | 2023-11-10 | 上海华维可控农业科技集团股份有限公司 | 一种基于大数据的农业数据分析管理系统及方法 |
CN116649123B (zh) * | 2023-06-02 | 2023-11-17 | 上海华维可控农业科技集团股份有限公司 | 一种蔬菜全周期自动种植的设备及系统 |
CN116649123A (zh) * | 2023-06-02 | 2023-08-29 | 上海华维可控农业科技集团股份有限公司 | 一种蔬菜全周期自动种植的设备及系统 |
CN116627193A (zh) * | 2023-07-21 | 2023-08-22 | 山东梦芯信息科技有限公司 | 一种温室大棚智能管控平台及方法 |
CN116664333A (zh) * | 2023-08-02 | 2023-08-29 | 贵州通利数字科技有限公司 | 基于物联网的信息资源系统平台 |
CN116664333B (zh) * | 2023-08-02 | 2023-11-14 | 贵州通利数字科技有限公司 | 基于物联网的信息资源系统 |
CN116993302A (zh) * | 2023-09-26 | 2023-11-03 | 济南天楚科技有限公司 | 基于大数据的农业信息智能管理方法及系统 |
CN117540934A (zh) * | 2024-01-08 | 2024-02-09 | 山东科翔智能科技有限公司 | 基于数据分析的小麦生长周期智能监管系统 |
CN117540934B (zh) * | 2024-01-08 | 2024-04-05 | 山东科翔智能科技有限公司 | 基于数据分析的小麦生长周期智能监管系统 |
CN117557400A (zh) * | 2024-01-12 | 2024-02-13 | 中国科学院地球环境研究所 | 基于云计算平台的树木生长智能监测系统 |
CN118052376A (zh) * | 2024-04-16 | 2024-05-17 | 四川职业技术学院 | 一种基于农业物联网的敏感数据异常检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110545531A (zh) | 一种基于大数据和云计算的农作物长势监控方法与系统 | |
CN107945042B (zh) | 一种作物生长灌溉决策控制系统 | |
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 | |
CN108781926B (zh) | 基于神经网络预测的大棚灌溉系统及方法 | |
JP2018517220A (ja) | インテリジェント栽培管理方法及びインテリジェント栽培設備 | |
CN106254476A (zh) | 基于物联网、大数据和云计算的农业生态环境信息管理及监控方法与系统 | |
CN106657401A (zh) | 一种基于物联网的农作物生长监测平台及其监测方法 | |
CN111476149A (zh) | 一种植物培育控制方法和系统 | |
CN104991459A (zh) | 一种有机蔬菜大棚监控系统及方法 | |
CN106777683A (zh) | 一种作物苗情监测系统和方法 | |
CN109003198A (zh) | 一种基于大数据技术的精准农业管理平台及方法 | |
CN114549224A (zh) | 一种基于大数据的农作物种植指导方法 | |
CN102413160A (zh) | 一种猕猴桃果园精准管理系统 | |
CN112506111A (zh) | 一种基于大数据和云计算的农作物长势监控方法与系统 | |
CN113273449A (zh) | 用于日光温室精准监测的数字孪生体构造方法 | |
CN115629585A (zh) | 一种智慧农业的种植管理方法及系统 | |
Chen et al. | Pest incidence forecasting based on internet of things and long short-term memory network | |
Kwanmuang et al. | Small-scale farmers under Thailand’s smart farming system | |
CA2761682C (en) | Real-time process for targeting trait phenotyping of plant breeding experiments | |
KR20210059070A (ko) | 농작물 재배 모니터링 시스템 및 이를 이용한 농작물 재배 모니터링 방법 | |
AU2021103170A4 (en) | OCTOPIDER: A doorstep solution for Farmers | |
JP2024500930A (ja) | 農業圃場に農作物を植えるための圃場又は区域固有の播種率、深度及び時期を、農作物、圃場、収量、気象及び/又は土壌データなどの複数のデータ入力に基づいて決定する方法 | |
Kadam et al. | The Role of Artificial Intelligence and the Internet of Things in Smart Agriculture towards Green Engineering | |
Venkatachalam et al. | Future IoT Applications using Artificial Intelligence-based Sensors: Agriculture | |
Gunasekara et al. | Expert prediction system for spice plants grown in Sri Lanka: An incentive for planters |
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: 20191206 |