CN110686591B - 一种基于农机gps定位数据的农田作业面积测算方法 - Google Patents
一种基于农机gps定位数据的农田作业面积测算方法 Download PDFInfo
- Publication number
- CN110686591B CN110686591B CN201910973435.7A CN201910973435A CN110686591B CN 110686591 B CN110686591 B CN 110686591B CN 201910973435 A CN201910973435 A CN 201910973435A CN 110686591 B CN110686591 B CN 110686591B
- Authority
- CN
- China
- Prior art keywords
- gps positioning
- area
- points
- point
- clustering
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/32—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/004—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring coordinates of points
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于农机GPS定位数据的农田作业面积测算方法,能够对农田作业面积进行高效准确面积测算、且具有去重耕效果。包括如下步骤:在农田作业期间,农机GPS定位终端每隔设定时间获取农机的GPS定位信息传输至后台数据存储中心,农田作业完毕,选取设定时间段内的GPS定位点,对相邻GPS定位点间的矩形耕地区域进行随机插值,随机插值后的所有GPS定位点进行谱聚类得到至少两个第一次聚类的分块区域。对每个第一次聚类的分块区域再进行谱聚类,得到至少两个第二次聚类的分块区域。对于每个第二次聚类的分块区域,去除其中无GPS定位点的空白区域,并进行耕地拐点消除,由此划分得到最终的分块区域。所有最终的分块区域对应面积总和即为最终作业面积。
Description
技术领域
本发明涉及农机数据分析技术领域,具体涉及一种基于农机GPS定位数据的农田作业面积测算方法。
背景技术
随着农村土地越来越集中化,大块的农田为机械化耕种提供了有利条件,机械化、智能化的现代农业正在不断发展,在精准农业的发展趋势下,农机作业面积测算一方面能够统计农作物产量,另一方面也是公用农机作业收费的依据,因此亟需高效准确的作业面积测算方法。
现有农机作业面积测算方法主要存在不能有效解决重耕作业面积测算的问题,这导致作业面积测算结果偏大,当存在大量重耕区域时,导致农机作业面积测算结果不准确,引发农机驾驶者和雇主的经济纠纷。目前农机作业面积测算有人工测量法、作业路径测量法、多边形区域边界建模法、单元格处理法、空间网格剖分法等。
采用人力进行测量的方法靠人工手持作业面积测算设备进行测量,不仅效率低还增加了不必要的人工成本;根据农机作业路径测量的方法,是用农机行驶过的路径的长度乘以耕具宽度来计算作业面积,这种方法存在重耕的问题,计算出的作业面积较实际作业面积结果偏大。
多边形区域边界建模法采集多边形农田作业区域边界的n个顶点,建立上边界函数模型和下边界函数模型完成边界建模,然后计算上下边界函数之间的面积,该方法对区域边界顶点定位的准确性要求较高,边界顶点定位不准确,作业面积测算结果也不准确,同时,该方法并没有对重耕问题进行有效地解决。
单元格处理法是将作业面积根据GPS定位数据划分成很多矩形,然后计算矩形的面积,同时再计算重叠部分的面积,但是由于每个矩形方向不一样,造成每个重叠部分为不规则形状,而由于GPS定位偏移的问题,很难确定重叠部分的位置。
空间网格剖分法主要利用机器学习方法来对耕地区域进行区域划分,如利用聚类算法对区域进行聚类分块,但是现有方法并没有应用该方法解决作业重耕问题,且由于耕地路径不规则,导致聚类后的区域存在很多无定位点的空白区域,所以聚类方法及其改进方法的直接应用并不能有效的对区域进行分块划分。
因此,目前亟需一种能够对农田作业面积进行高效准确面积测算、且具有去重耕效果的方法。
发明内容
有鉴于此,本发明提供了一种基于农机GPS定位数据的农田作业面积测算方法,能够对农田作业面积进行高效准确面积测算、且具有去重耕效果。
为达到上述目的,本发明的技术方案包括如下步骤:
S1、在农机进行农田作业期间,农机GPS定位终端每隔设定时间获取农机的GPS定位信息,包括农机的GPS定位点以及时间,并将获取的GPS定位信息传输至后台数据存储中心,农田作业完毕,执行S2。
S2、从后台数据存储中心选取设定时间段内的GPS定位点。
S3、对相邻GPS定位点间的矩形耕地区域进行随机插值。
S4、对随机插值后的所有GPS定位点进行谱聚类,谱聚类结果为得到至少两个第一次聚类的分块区域。
S5、对每个第一次聚类的分块区域再进行谱聚类,得到至少两个第二次聚类的分块区域。
S6、对于每个第二次聚类的分块区域,去除其中无GPS定位点的空白区域,并进行耕地拐点消除,由此划分得到最终的分块区域。
对于既无空白区域又无耕地拐点的第二次聚类的分块区域,直接作为最终的分块区域。
S7、对所有的最终的分块区域获取其顺序边界点,求解出每个最终的分块区域的顺序边界点所围成的面积,则所有最终的分块区域对应面积总和即为最终作业面积。
进一步地,S2之后,S3之前,还包括对所选取的GPS定位点使用K-means算法去除异常点。
进一步地,相邻GPS定位点间的矩形耕地区域为:对于相邻GPS定位点A和B建立矩形,以A和B分别作为矩形的两个宽中点,以耕具宽度为矩形的宽,以A和B之间距离作为矩形的长,所建立的A和B的矩形即为邻GPS定位点A、B间的矩形耕地区域。
进一步地,对相邻GPS定位点间的矩形耕地区域进行随机插值之后,还包括:对于随机插值后的矩形耕地区域内的所有GPS定位点,按照其与起始GPS定位点之间的距离从小到大进行排序;起始GPS定位点为矩形耕地区域中时间最早的GPS定位点。
进一步地,无GPS定位点的空白区域,具体为:对于第二次聚类的分块区域中的所有GPS定位点,若存在两相邻点之间的距离大于设定的阈值,则当前两相邻点之间即为空白区域。
进一步地,耕地拐点,具体为:对于第二次聚类的分块区域中的所有GPS定位点,计算各点与起始点之间的距离,并对距离值进行曲线拟合,取拟合曲线的极值点对应的GPS定位点即为耕地拐点。
进一步地,S7,具体为:采用scipy包的ConvexHull函数对所有的最终的分块区域求解其顺序边界点,分别为{(x0,y0),(x1,y1),(x2,y2),…,(xN,yN),(x0,y0))},其中包括0~N共N+1个顺序边界点,(x0,y0)~(xN,yN)顺次为第0~N个顺序边界点的坐标;
则最终作业面积为Area;
Area=|A÷2|×9101160000.085981;
a0为面积初值,a0=y0×(x0-x1)。
有益效果:
本发明所提供的一种基于农机GPS定位数据的农田作业面积测算方法,采用随机插值的方式对每个矩形耕地区域进行均匀的随机插值,并对插值后的GPS定位点进行两次谱聚类分块,通过对当前得到的所有GPS定位点进行聚类,会将GPS定位点进行分块,而重耕区域并不会重复计算,以此得到作业面积测算结果去重的目的;该方法通过两次谱聚类、以及空白区域和耕地拐点的去除,获得了更为精确的耕地分块区域,同时通过边界点的面积求解,获得了精度更高的农田作业面积,且该方法用时较少,效率较高。
附图说明
图1是本发明实施例所提供的一种基于农机GPS定位数据的农田作业面积测算方法流程图;
图2是本发明实施例中随机插值示意图;
图3是本发明实施例中GPS点随机插值前后示意图;
图4是本发明实施例中分块区域存在耕地拐点的区域示意图、距离散点示意图及拟合曲线示意图和去除拐点后新分块示意图;
图5是本发明实施例中分块区域顺时针边界顶点示意图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种基于农机GPS定位数据的农田作业面积测算方法,如图1所示,包括如下步骤:
S1、在农机进行农田作业期间,农机GPS定位终端每隔设定时间获取农机的GPS定位信息,包括农机的GPS定位点以及时间,并将获取的GPS定位信息传输至后台数据存储中心。具体地,可以通过无线的方式将GPS定位信息通过传输至后台数据存储中心
农田作业完毕,执行S2。
S2、从后台数据存储中心选取设定时间段内的GPS定位点;具体地,由于存在GPS定位偏移,首先去除GPS定位数据中的异常数据,可以对所选取的GPS定位点使用K-means算法去除异常点。
K-means算法主要是找到离聚类中心点最远的点,并从数据集中过滤调该最远的点,然后再使用剩余点找到新的聚类中心点,然后再滤除离聚类中心点最远的点。
S3、对相邻GPS定位点间的矩形耕地区域进行随机插值。
本发明实施例中,相邻GPS定位点间的矩形耕地区域为:对于相邻GPS定位点A和B建立矩形,以A和B分别作为矩形的两个宽中点,以耕具宽度为矩形的宽,以A和B之间距离作为矩形的长,所建立的A和B的矩形即为邻GPS定位点A、B间的矩形耕地区域。
随机插值之后,还包括:对于随机插值后的矩形耕地区域内的所有GPS定位点,按照其与起始GPS定位点之间的距离从小到大进行排序;其中起始GPS定位点为矩形耕地区域中时间最早的GPS定位点。
但是,由于耕地过程中存在重耕现象,且定位点存在偏移,矩形框之间存在重叠区域,并且重叠区域并不呈现规则的形状,如图2所示为在两个GPS定位点间进行随机插值的示意图,且临近矩形区域存在不规则重耕区域,图中所示矩形L1和L2为耕具耕过的区域,矩形L1的长为两个GPS点(x1,y1)和(x2,y2)间的距离,宽为耕具宽度。其中(x1,y1)分别为GPS定位的精度和纬度,两个GPS点(x1,y1)和(x2,y2)间的距离计算如公式(1)所示。
S4、对随机插值后的所有GPS定位点进行谱聚类,谱聚类结果为得到至少两个第一次聚类的分块区域。
此步的目的是为了对GPS定位点进行耕地区块划分;由于随机插值后耕地路径呈现条形分布,考虑到谱聚类擅长对条形区域进行聚类分块,因此S4中对所有随机插值后的GPS定位点进行第一次谱聚类,完成对GPS定位点的初次区块划分,分块区域数量的确定使用轮廓系数作为度量指标进行自适应选取,选取轮廓系数能够取得最大值时的聚类分块数。
由于S3中随机插值的结果已经完全覆盖耕地区域,因此通过对当前得到的所有GPS定位点进行聚类,会将GPS定位点进行分块,而重耕区域并不会重复计算,以此得到作业面积测算结果去重的目的。
S5、对每个第一次聚类的分块区域再进行谱聚类,得到至少两个第二次聚类的分块区域。
为了对第一次聚类分块结果进行更精细的划分,进行第二次谱聚类,聚类分块数量同样使用轮廓系数作为度量指标进行自适应选取。
S6、对于每个第二次聚类的分块区域,去除其中无GPS定位点的空白区域,并进行耕地拐点消除,由此划分得到最终的分块区域。
无GPS定位点的空白区域,具体为:对于第二次聚类的分块区域中的所有GPS定位点,若存在两相邻点之间的距离大于设定的阈值,则当前两相邻点之间即为空白区域。
由于新的分块区域内部存在无定位点覆盖的空白区域,对耕地面积的计算造成很大的影响,所以需要对各个分块区域内部的空白区域进行消除,所用方法包括如下过程:
(1)计算各个分块内相邻GPS定位点间的距离l;
(2)当距离值l大于某一阈值,则可判定定位点间存在空白区域,生成新的分块区域;
(3)依次循环处理(1)和(2),直到分块内所有数据处理完毕,得到新的分块区域划分。
由于在步骤C中已经对GPS点进行了均匀插值,并且相邻GPS定位点进行了距离排序,所以相邻GPS定位点的距离在3米以内,阈值根据实际调试得到,可以取4。
本发明实施例中,耕地拐点具体为:对于第二次聚类的分块区域中的所有GPS定位点,计算各点与起始点之间的距离,并对距离值进行曲线拟合,取拟合曲线的极值点对应的GPS定位点即为耕地拐点。
由于耕地分块内部存在GPS定位点连续覆盖的耕地拐点区域,如图4(1)所示,这种区域的边界顶点围成的区域存在无定位点区域,导致边界顶点围成的面积并不能代表该区域的耕地面积,所以步骤G对各个分块区域内部存在的耕地拐点进行消除,所用方法包括以下过程:
(1)分别计算各个分块区域内部各GPS定位点与分块内第一个定位点的距离,组成距离离散值组合L;
(2)然后对L进行最小二成多项式曲线拟合,得到拟合曲线p;
(3)求取拟合曲线p的极值点,即得到耕地拐点的GPS定位点,得到新的耕地分块区域划分。
图4(1)所示为某分块区域存在耕地拐点的区域示意图,由于耕地拐点的存在,并不能有效画出该区域定位点的凸包边界点;图4(2)所示为距离散点示意图及拟合曲线示意图,可以看到距离散点示意图能有效反应耕地拐点位置,求出拟合曲线各极值点即可得到耕地拐点位置,拟合曲线各极值点通过计算拟合曲线的导数为0的点对应的自变量值即为拐点位置;图4(3)-图4(6)为去除耕地拐点后得到的新的耕地分块区域。
对于既无空白区域又无耕地拐点的第二次聚类的分块区域,直接作为最终的分块区域;
S7、对所有的最终的分块区域获取其顺序边界点,求解出每个最终的分块区域的顺序边界点所围成的面积,则所有最终的分块区域对应面积总和即为最终作业面积。
图5是本发明实施例中两个分块区域顺时针边界点示意图,采用scipy包的ConvexHull函数对所有的最终的分块区域求解其顺序边界点,分别为{(x0,y0),(x1,y1),(x2,y2),…,(xN,yN),(x0,y0))},其中包括0~N共N+1个顺序边界点,(x0,y0)~(xN,yN)顺次为第0~N个顺序边界点的坐标;
则最终作业面积为Area;
Area=|A÷2|×9101160000.085981;
a0为面积初值,a0=y0×(x0-x1)。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于农机GPS定位数据的农田作业面积测算方法,其特征在于,包括如下步骤:
S1、在农机进行农田作业期间,农机GPS定位终端每隔设定时间获取农机的GPS定位信息,包括农机的GPS定位点以及时间,并将获取的GPS定位信息输至后台数据存储中心,农田作业完毕,执行S2;
S2、从所述后台数据存储中心选取设定时间段内的GPS定位点;
S3、对相邻GPS定位点间的矩形耕地区域进行随机插值;随机插值之后,还包括:
对于随机插值后的所述矩形耕地区域内的所有GPS定位点,按照其与起始GPS定位点之间的距离从小到大进行排序;
所述起始GPS定位点为所述矩形耕地区域中时间最早的GPS定位点;
S4、对随机插值后的所有GPS定位点进行谱聚类,所述谱聚类结果为得到至少两个第一次聚类的分块区域;
S5、对每个第一次聚类的分块区域再进行谱聚类,得到至少两个第二次聚类的分块区域;
S6、对于每个第二次聚类的分块区域,去除其中无GPS定位点的空白区域,并进行耕地拐点消除,由此划分得到最终的分块区域;所述无GPS定位点的空白区域,具体为:对于第二次聚类的分块区域中的所有GPS定位点,若存在两相邻点之间的距离大于设定的阈值,则当前两相邻点之间即为空白区域;
对于既无空白区域又无耕地拐点的第二次聚类的分块区域,直接作为最终的分块区域;
S7、对所有的最终的分块区域获取其顺序边界点,求解出每个最终的分块区域的顺序边界点所围成的面积,则所有最终的分块区域对应面积总和即为最终作业面积。
2.如权利要求1所述的方法,其特征在于,所述S2之后,S3之前,还包括对所选取的GPS定位点使用K-means算法去除异常点。
3.如权利要求1所述的方法,其特征在于,所述相邻GPS定位点间的矩形耕地区域为:
对于相邻GPS定位点A和B建立矩形,以A和B分别作为所述矩形的两个宽中点,以耕具宽度为所述矩形的宽,以A和B之间距离作为所述矩形的长,所建立的A和B的矩形即为邻GPS定位点A、B间的矩形耕地区域。
4.如权利要求1所述的方法,其特征在于,所述耕地拐点,具体为:
对于第二次聚类的分块区域中的所有GPS定位点,计算各点与起始点之间的距离,并对距离值进行曲线拟合,取拟合曲线的极值点对应的GPS定位点即为所述耕地拐点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910973435.7A CN110686591B (zh) | 2019-10-14 | 2019-10-14 | 一种基于农机gps定位数据的农田作业面积测算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910973435.7A CN110686591B (zh) | 2019-10-14 | 2019-10-14 | 一种基于农机gps定位数据的农田作业面积测算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110686591A CN110686591A (zh) | 2020-01-14 |
CN110686591B true CN110686591B (zh) | 2021-04-20 |
Family
ID=69112378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910973435.7A Active CN110686591B (zh) | 2019-10-14 | 2019-10-14 | 一种基于农机gps定位数据的农田作业面积测算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110686591B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368736B (zh) * | 2020-03-04 | 2020-12-01 | 北京四象爱数科技有限公司 | 基于sar和光学遥感数据的水稻精细化估产方法 |
CN111915631A (zh) * | 2020-06-18 | 2020-11-10 | 湖南农业大学 | 一种基于路径点分析的农机作业面积计算方法 |
CN112229349B (zh) * | 2020-09-23 | 2022-05-06 | 中科云谷科技有限公司 | 用于确定农业机械作业面积的方法、装置及农业机械 |
CN113405519B (zh) * | 2021-01-29 | 2023-07-18 | 丰疆智能(深圳)有限公司 | 农机的作业亩数计算方法和农机的作业亩数计算系统 |
CN114526669A (zh) * | 2022-02-22 | 2022-05-24 | 上海联适导航技术股份有限公司 | 一种农机作业实时整平面积测算方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867115A (zh) * | 2012-08-29 | 2013-01-09 | 南京农业大学 | 一种基于模糊c均值聚类的农田划分方法 |
CN104331711A (zh) * | 2014-11-21 | 2015-02-04 | 西安电子科技大学 | 基于多尺度模糊测度与半监督学习的sar图像识别方法 |
EP3043148A1 (en) * | 2015-01-09 | 2016-07-13 | Honeywell International Inc. | Heading for a hybrid navigation solution based on magnetically calibrated measurements |
CN106247926A (zh) * | 2016-07-13 | 2016-12-21 | 哈尔滨工业大学 | 基于单元格扫描和gps轨迹插值的农机耕作面积测算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10228232B2 (en) * | 2014-04-14 | 2019-03-12 | Caterpillar Inc. | Operator assistance system |
-
2019
- 2019-10-14 CN CN201910973435.7A patent/CN110686591B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867115A (zh) * | 2012-08-29 | 2013-01-09 | 南京农业大学 | 一种基于模糊c均值聚类的农田划分方法 |
CN104331711A (zh) * | 2014-11-21 | 2015-02-04 | 西安电子科技大学 | 基于多尺度模糊测度与半监督学习的sar图像识别方法 |
EP3043148A1 (en) * | 2015-01-09 | 2016-07-13 | Honeywell International Inc. | Heading for a hybrid navigation solution based on magnetically calibrated measurements |
CN106247926A (zh) * | 2016-07-13 | 2016-12-21 | 哈尔滨工业大学 | 基于单元格扫描和gps轨迹插值的农机耕作面积测算方法 |
Non-Patent Citations (1)
Title |
---|
基于纹理特征与MODIS-NDVI时间序列的耕地面积提取研究;于利峰;《中国农业资源与区划》;20181130;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110686591A (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110686591B (zh) | 一种基于农机gps定位数据的农田作业面积测算方法 | |
US9972058B2 (en) | Method for correcting the time delay in measuring agricultural yield | |
AU2019238712B2 (en) | Plant planting data measuring method, working route planning method, device and system | |
US10817962B2 (en) | Farm field management apparatus, farm field management method, and storage medium | |
Hietel et al. | Analysing land-cover changes in relation to environmental variables in Hesse, Germany | |
WO2020192586A1 (zh) | 一种田间小麦茎蘖数提取方法 | |
CN104486435A (zh) | 基于传感器网络的低能耗生态环境监控节点部署方法 | |
EP3422280B1 (en) | A method for forecasting the parameters of a phenomenon or the activities of an object, particularly animate, in a given geographic area | |
CN114612896A (zh) | 基于遥感图像的水稻产量预测方法、装置以及设备 | |
Villette et al. | Simulation-aided study of herbicide patch spraying: Influence of spraying features and weed spatial distributions | |
CN113807128B (zh) | 一种缺苗标记方法、装置、计算机设备和存储介质 | |
CN109033181B (zh) | 一种复杂地形地区风场地理数值模拟方法 | |
CN113421255B (zh) | 一种基于栅格的耕地复种指数提取方法及系统 | |
CN113868826B (zh) | 一种基于栅格尺度耕地农田生产能力重心变化的测度方法 | |
CN116051645A (zh) | 作物群体的表型获取方法及装置 | |
CN115761475A (zh) | 一种用于玉米小麦幼苗的在线监控识别系统 | |
CN105841777B (zh) | 一种基于自适应选择节点的多波束测深估计方法及系统 | |
Knight et al. | A whole-farm investment analysis of some precision agriculture technologies | |
Akinnuli et al. | Model developed for farm tractors and implements selection for optimum utilization | |
Kahvecı | Contribution of GNSS in precision agriculture | |
CN111831777B (zh) | 数据处理方法及装置、电子设备及计算机可读存储介质 | |
Canton et al. | Sampling redesign of soil penetration resistance in spatial t-Student models | |
Liang et al. | The application of GIS in the field of irrigation water management | |
CN117575123B (zh) | 播种路径规划方法、装置、电子设备和可读存储介质 | |
CN117540409B (zh) | 土壤采样样本点加密方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |