CN110929073A - 用于推送信息、采集数据的方法和设备 - Google Patents
用于推送信息、采集数据的方法和设备 Download PDFInfo
- Publication number
- CN110929073A CN110929073A CN201811002007.1A CN201811002007A CN110929073A CN 110929073 A CN110929073 A CN 110929073A CN 201811002007 A CN201811002007 A CN 201811002007A CN 110929073 A CN110929073 A CN 110929073A
- Authority
- CN
- China
- Prior art keywords
- plant
- plant image
- sample matrix
- positive sample
- negative sample
- 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 54
- 239000011159 matrix material Substances 0.000 claims abstract description 188
- 239000013598 vector Substances 0.000 claims abstract description 123
- 238000012423 maintenance Methods 0.000 claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 239000000575 pesticide Substances 0.000 claims description 8
- 238000005507 spraying Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 238000013480 data collection Methods 0.000 description 11
- 230000002950 deficient Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 239000002689 soil Substances 0.000 description 7
- 239000012080 ambient air Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 229910052791 calcium Inorganic materials 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000003570 air Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本申请实施例公开了用于推送信息、采集数据的方法和设备。用于推送信息的方法的一具体实施方式包括：接收数据采集设备发送的植物的相关数据，其中，相关数据包括植物图像；对于植物图像中的像素点，计算该像素点与该像素点周围的像素点的向量模，生成该像素点对应的向量；基于植物图像中的像素点对应的向量，生成植物图像对应的向量；基于植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定植物图像对应的植物状态；基于植物图像对应的植物状态，向用户推送信息。该实施方式实现了富于针对性的信息推送，有助于帮助人们根据针对性的信息对植物进行针对性的养护。
Description
技术领域
本申请实施例涉及计算机技术领域，具体涉及用于推送信息、采集数据的方法和设备。
背景技术
随着社会的发展，人们对精神生活的追求越来越重视，越来越多的人们会养植观赏植物。
观赏植物种类繁多，并且不同种类的观赏植物的属性也不同。例如，有的观赏植物喜欢潮湿的环境，有的观赏植物则喜欢干燥的环境，有的观赏植物喜欢阳光充足的环境，有的观赏植物则喜欢阴暗的环境，因此，不能一概而论，统一用一种养护方法。另外，在当今时代，人们学习工作忙碌，哪怕具备专业养护知识，也难免会有浇水不准时或者养护操作和实际应遵循的细节相差甚远的情况，从而导致观赏植物生长状况不佳。
发明内容
本申请实施例提出了用于推送信息、采集数据的方法和设备。
第一方面，本申请实施例提供了一种用于推送信息的方法，应用于服务器，包括：接收数据采集设备发送的植物的相关数据，其中，相关数据包括植物图像；对于植物图像中的像素点，计算该像素点与该像素点周围的像素点的向量模，生成该像素点对应的向量；基于植物图像中的像素点对应的向量，生成植物图像对应的向量；基于植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定植物图像对应的植物状态；基于植物图像对应的植物状态，向用户推送信息。
在一些实施例中，基于植物图像中的像素点对应的向量，生成植物图像对应的向量，包括：对植物图像中除边缘之外的像素点对应的向量进行组合，生成植物图像对应的向量。
在一些实施例中，正样本矩阵包括第一正样本矩阵和第二正样本矩阵，负样本矩阵包括第一负样本矩阵和第二负样本矩阵；以及正样本矩阵和负样本矩阵通过如下步骤生成：接收数据采集设备发送的正样本植物图像集合和负样本植物图像集合；生成正样本植物图像集合对应的正样本向量集合和负样本植物图像集合对应的负样本向量集合；分别对正样本向量集合和负样本向量集合进行组合，生成第一正样本矩阵和第一负样本矩阵；基于第一正样本矩阵和第一负样本矩阵，生成第二正样本矩阵和第二负样本矩阵。
在一些实施例中，基于第一正样本矩阵和第一负样本矩阵，生成第二正样本矩阵和第二负样本矩阵，包括：分别计算第一正样本矩阵和第一负样本矩阵的第i行元素与第i行元素的均值的差值和第j行元素与第j行元素的均值的差值的乘积的均值，作为第二正样本矩阵的第i行第j列的元素和第二负正样本矩阵的第i行第j列的元素，以生成第二正样本矩阵和第二负样本矩阵，其中，i和j均为正整数。
在一些实施例中，基于植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定植物图像对应的植物状态，包括：分别计算植物图像对应的向量与第二正样本矩阵和第二负样本矩阵的乘积的元素的均值，作为第一均值和第二均值；基于第一均值、第二均值以及预先生成的正样本植物图像集合对应的正样本均值和负样本植物图像集合对应的负样本均值，确定植物图像对应的植物状态。
在一些实施例中，正样本均值和负样本均值通过如下步骤生成：计算第一正样本矩阵与第二正样本矩阵的乘积的元素的均值，作为正样本均值；计算第一负样本矩阵与第二负样本矩阵的乘积的元素的均值，作为负样本均值。
在一些实施例中，基于第一均值、第二均值以及预先生成的正样本植物图像集合对应的正样本均值和负样本植物图像集合对应的负样本均值，确定植物图像对应的植物状态，包括：若第一均值与正样本均值的差值的平方大于第二均值与负样本均值的差值的平方，则确定植物图像对应的植物状态是正常状态；若第一均值与正样本均值的差值的平方不大于第二均值与负样本均值的差值的平方，则确定植物图像对应的植物状态是非正常状态。
在一些实施例中，基于第一正样本矩阵和第一负样本矩阵，生成第二正样本矩阵和第二负样本矩阵，包括：分别计算第一正样本矩阵和第一负样本矩阵的转置矩阵的协方差矩阵，作为第二正样本矩阵和第二负样本矩阵。
在一些实施例中，基于植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定植物图像对应的植物状态，包括：分别计算第二正样本矩阵和第二负样本矩阵的特征值向量；分别计算植物图像对应的向量与第二正样本矩阵和第二负样本矩阵的特征值向量之间的距离，作为第一距离和第二距离；基于所计第一距离和第二距离，确定植物图像对应的植物状态。
在一些实施例中，基于所计第一距离和第二距离，确定植物图像对应的植物状态，包括：若第一距离大于第二距离，则确定植物图像对应的植物状态是正常状态；若第一距离不大于第二距离，则确定植物图像对应的植物状态是非正常状态。
在一些实施例中，相关数据还包括周围环境数据和位置数据；以及基于植物图像对应的植物状态，向用户推送信息，包括：获取位置数据对应的位置的天气数据；对植物图像对应的植物状态、天气数据、周围环境数据进行分析，得到植物图像对应的养护信息；将养护信息推送给用户。
在一些实施例中，养护信息包括以下至少一项：浇水时间、施肥时间、洒药时间、浇水量、施肥量、洒药量。
第二方面，本申请实施例提供了一种用于采集数据的方法，应用于数据采集设备，包括：确定当前条件是否满足预设条件；若满足预设条件，采集植物的相关数据；将相关数据发送至服务器。
在一些实施例中，采集植物的相关数据，包括：向植物发射红外线；采集红外线照射下的植物的植物图像。
在一些实施例中，采集植物的相关数据，还包括：采集植物的周围环境数据和植物的位置数据。
第三方面，本申请实施例提供了一种用于推送信息的装置，设置于服务器中，包括：接收单元，被配置成接收数据采集设备发送的植物的相关数据，其中，相关数据包括植物图像；第一生成单元，被配置成对于植物图像中的像素点，计算该像素点与该像素点周围的像素点的向量模，生成该像素点对应的向量；第二生成单元，被配置成基于植物图像中的像素点对应的向量，生成植物图像对应的向量；确定单元，被配置成基于植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定植物图像对应的植物状态；推送单元，被配置成基于植物图像对应的植物状态，向用户推送信息。
在一些实施例中，第二生成单元进一步被配置成：对植物图像中除边缘之外的像素点对应的向量进行组合，生成植物图像对应的向量。
在一些实施例中，正样本矩阵包括第一正样本矩阵和第二正样本矩阵，负样本矩阵包括第一负样本矩阵和第二负样本矩阵；以及正样本矩阵和负样本矩阵通过如下步骤生成：接收数据采集设备发送的正样本植物图像集合和负样本植物图像集合；生成正样本植物图像集合对应的正样本向量集合和负样本植物图像集合对应的负样本向量集合；分别对正样本向量集合和负样本向量集合进行组合，生成第一正样本矩阵和第一负样本矩阵；基于第一正样本矩阵和第一负样本矩阵，生成第二正样本矩阵和第二负样本矩阵。
在一些实施例中，基于第一正样本矩阵和第一负样本矩阵，生成第二正样本矩阵和第二负样本矩阵，包括：分别计算第一正样本矩阵和第一负样本矩阵的第i行元素与第i行元素的均值的差值和第j行元素与第j行元素的均值的差值的乘积的均值，作为第二正样本矩阵的第i行第j列的元素和第二负正样本矩阵的第i行第j列的元素，以生成第二正样本矩阵和第二负样本矩阵，其中，i和j均为正整数。
在一些实施例中，确定单元包括：第一计算子单元，被配置成分别计算植物图像对应的向量与第二正样本矩阵和第二负样本矩阵的乘积的元素的均值，作为第一均值和第二均值；第一确定子单元，被配置成基于第一均值、第二均值以及预先生成的正样本植物图像集合对应的正样本均值和负样本植物图像集合对应的负样本均值，确定植物图像对应的植物状态。
在一些实施例中，正样本均值和负样本均值通过如下步骤生成：计算第一正样本矩阵与第二正样本矩阵的乘积的元素的均值，作为正样本均值；计算第一负样本矩阵与第二负样本矩阵的乘积的元素的均值，作为负样本均值。
在一些实施例中，第一确定子单元进一步被配置成：若第一均值与正样本均值的差值的平方大于第二均值与负样本均值的差值的平方，则确定植物图像对应的植物状态是正常状态；若第一均值与正样本均值的差值的平方不大于第二均值与负样本均值的差值的平方，则确定植物图像对应的植物状态是非正常状态。
在一些实施例中，基于第一正样本矩阵和第一负样本矩阵，生成第二正样本矩阵和第二负样本矩阵，包括：分别计算第一正样本矩阵和第一负样本矩阵的转置矩阵的协方差矩阵，作为第二正样本矩阵和第二负样本矩阵。
在一些实施例中，确定单元包括：第二计算子单元，被配置成分别计算第二正样本矩阵和第二负样本矩阵的特征值向量；第三计算子单元，被配置成分别计算植物图像对应的向量与第二正样本矩阵和第二负样本矩阵的特征值向量之间的距离，作为第一距离和第二距离；第二确定子单元，被配置成基于所计第一距离和第二距离，确定植物图像对应的植物状态。
在一些实施例中，第二确定子单元进一步被配置成：若第一距离大于第二距离，则确定植物图像对应的植物状态是正常状态；若第一距离不大于第二距离，则确定植物图像对应的植物状态是非正常状态。
在一些实施例中，相关数据还包括周围环境数据和位置数据；以及基于植物图像对应的植物状态，向用户推送信息，包括：获取位置数据对应的位置的天气数据；对植物图像对应的植物状态、天气数据、周围环境数据进行分析，得到植物图像对应的养护信息；将养护信息推送给用户。
在一些实施例中，养护信息包括以下至少一项：浇水时间、施肥时间、洒药时间、浇水量、施肥量、洒药量。
第四方面，本申请实施例提供了一种用于采集数据的装置，设置于数据采集设备中，包括：确定单元，被配置成确定当前条件是否满足预设条件；采集单元，被配置成若满足预设条件，采集植物的相关数据；发送单元，被配置成将相关数据发送至服务器。
在一些实施例中，采集单元进一步被配置成：向植物发射红外线；采集红外线照射下的植物的植物图像。
在一些实施例中，采集单元进一步被配置成：采集植物的周围环境数据和植物的位置数据。
第五方面，本申请实施例提供了一种数据采集设备，包括：嵌入式系统模块、数据采集模块、通信模块；嵌入式系统模块确定当前条件是否满足预设条件，若满足预设条件，向数据采集模块发送采集指令；数据采集模块采集植物的相关数据；通信模块将相关数据发送至服务器。
在一些实施例中，数据采集模块包括红外发射器和摄像头；红外发射器向植物发射红外线；摄像头采集红外线照射下的植物的植物图像。
在一些实施例中，数据采集模块还包括温度传感器、湿度传感器和定位模块；温度传感器采集植物的周围环境温度；湿度传感器采集植物的周围环境湿度，其中，周围环境湿度包括周围空气湿度和周围土壤湿度；定位模块采集植物的位置数据。
第六方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法或者实现如第二方面中任一实现方式描述的方法。
第七方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法或者实现如第二方面中任一实现方式描述的方法。
本申请实施例提供的用于推送信息、采集数据的方法和设备，服务器首先接收数据采集设备发送的植物的相关数据；而后对于相关数据中的植物图像中的像素点，计算该像素点与该像素点周围的像素点的向量模，生成该像素点对应的向量；之后基于植物图像中的像素点对应的向量，生成植物图像对应的向量；然后基于植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定植物图像对应的植物状态；最后基于植物图像对应的植物状态，向用户推送信息。根据植物图像对应的植物状态推送信息，实现了富于针对性的信息推送，有助于帮助人们根据针对性的信息对植物进行针对性的养护。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和高点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的用于推送信息的方法的一个实施例的流程图；
图3是根据本申请的用于推送信息的方法的又一个实施例的流程图；
图4是图3所提供的用于推送信息的方法的一个应用场景的示意图；
图5是根据本申请的用于采集数据的方法的一个实施例的流程图；
图6是根据本申请的数据采集设备的一个实施例的结构示意图；
图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于推送信息、采集数据的方法的示例性系统架构100。
如图1所示，系统架构100可以包括数据采集设备101、网络102和服务器103。网络102用以在数据采集设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
数据采集设备101可以通过网络102与服务器103交互，以接收或发送数据等。数据采集设备101可以是硬件，也可以是软件。当数据采集设备101为硬件时，可以是支持数据采集功能的各种电子设备。当数据采集设备101为软件时，可以安装在电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器103可以提供各种服务，例如服务器103可以对从数据采集设备101获取到的植物的相关数据等数据进行分析等处理，并推送处理结果(例如植物图像对应的植物状态、植物图像对应的养护信息等等)。
需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的用于推送信息的方法一般由服务器103执行，本申请实施例所提供的用于采集数据的方法一般由数据采集设备101执行。
应该理解，图1中的数据采集设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的数据采集设备、网络和服务器。
继续参考图2，其示出了根据本申请的用于推送信息的方法的一个实施例的流程200。该用于推送信息的方法应用于服务器，包括以下步骤：
步骤201，接收数据采集设备发送的植物的相关数据。
在本实施例中，用于推送信息的方法运行于其上的服务器(例如图1所示的服务器103)可以通过有线连接方式或者无线连接方式从数据采集设备(例如图1所示的数据采集设备101)获取植物的相关数据。其中，数据采集设备可以实时地或定时地采集植物的相关数据，并实时地或定时地发送至上述服务器。植物的相关数据可以包括植物图像。植物图像可以是对植物进行拍摄所得到的图像。例如，数据采集设备可以每隔2个小时采集一张植物图像，并实时地发送至上述服务器。
为了便于理解，本申请实施例中的植物图像均以分辨率为640×480的RGB-IR图像为示例进行说明。即植物图像的像素点分布为：640×480，即植物图像横向有640个像素点，纵向有480个像素点。且，每个像素点包括四个通道的数据，分别是R通道、G通道、B通道和IR通道，其中，R通道、G通道和B通道分别表示红色、绿色、蓝色三个颜色通道的颜色强度值。IR通道表示红外通道的红外线强度值。应当理解的是，适用于本申请的植物图像的分辨率和像素点包括的通道的数据不应局限于上述示例。
步骤202，对于植物图像中的像素点，计算该像素点与该像素点周围的像素点的向量模，生成该像素点对应的向量。
在本实施例中，对于植物图像中的像素点，上述服务器可以计算该像素点与该像素点周围的像素点的向量模，生成该像素点对应的向量。例如，对于分辨率为640×480的RGB-IR植物图像，分别计算除边缘之外的每个像素点与该像素点周围的8个像素点的向量模，可以得到该像素点对应的一个8维向量。其中，像素点周围的8个像素点可以包括该像素点左上方、上方、右上方、左方、右方、左下方、下方、右下方的像素点。得到的该像素点对应的8维向量可以是：(该像素点与该像素点左上方的像素点的向量模，该像素点与该像素点上方的像素点的向量模，该像素点与该像素点右上方的像素点的向量模，该像素点与该像素点左方的像素点的向量模，该像素点与该像素点右方的像素点的向量模，该像素点与该像素点左下方的像素点的向量模，该像素点与该像素点下方的像素点的向量模，该像素点与该像素点右下方的像素点的向量模)。
步骤203，基于植物图像中的像素点对应的向量，生成植物图像对应的向量。
在本实施例中，服务器可以基于植物图像中的像素点对应的向量，生成植物图像对应的向量。在一些实施例中，服务器可以对植物图像中除边缘之外的像素点对应的向量进行组合，生成植物图像对应的向量。例如，对于分辨率为640×480的RGB-IR植物图像，所生成的植物图像对应的向量可以是一个638×478×4×8＝9758848维的向量。
步骤204，基于植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定植物图像对应的植物状态。
在本实施中，服务器可以基于植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定植物图像对应的植物状态。其中，植物图像对应的植物状态可以包括正常状态和非正常状态。非正常状态可以包括但不限于缺水状态、缺钾状态、缺钙状态、缺氮状态、虫害状态等等。例如，若正样本植物图像集合中包括n张正样本植物图像，那么这n张正样本植物图像对应的植物状态可以均是正常状态。若负样本植物图像集合中包括m张负样本植物图像，那么这m张负样本植物图像对应的植物状态可以均是非正常状态。若处于缺水状态的负样本植物图像有m1张，处于缺钾状态的负样本植物图像有m2张，处于缺钙状态的负样本植物图像有m3张，处于缺氮状态的负样本植物图像有m4张，处于虫害状态的负样本植物图像有m5张，那么m等于m1、m2、m3、m4、m5之和。其中，n、m、m1、m2、m3、m4、m5均为正整数。
这里，植物图像对应的向量可以表示植物图像中的植物的特征。正样本植物图像集合对应的正样本矩阵可以表示正样本植物图像集合中的植物的特征。负样本植物图像集合对应的负样本矩阵可以表示负样本植物图像集合中的植物的特征。服务器可以分别将植物图像对应的向量与正样本矩阵和负样本矩阵进行比对，以确定植物图像对应的植物状态。
在一些实施例中，正样本矩阵可以包括第一正样本矩阵和第二正样本矩阵。正样本矩阵可以通过如下步骤生成：
首先，接收数据采集设备发送的正样本植物图像集合。
其中，正样本植物图像集合中的每张正样本植物图像可以是数据采集设备对处于正常状态的植物进行拍摄所得到的图像。
之后，生成正样本植物图像集合对应的正样本向量集合。
需要说明的是，对于正样本植物图像集合中的每张正样本植物图像，生成该正样本植物图像对应的正样本向量的具体操作可参见步骤202和203中生成植物图像对应的向量的具体操作，这里不再赘述。
然后，对正样本向量集合进行组合，生成第一正样本矩阵。
这里，将正样本向量集合中的每一个正样本向量作为第一正样本矩阵的每一行的元素，以生成第一正样本矩阵。例如，对于包含n张分辨率为640×480的RGB-IR正样本植物图像的正样本植物图像集合，所生成的第一正样本矩阵可以是一个n行9758848列的矩阵。
最后，基于第一正样本矩阵，生成第二正样本矩阵。
作为一种示例，可以计算第一正样本矩阵的第i行元素与第i行元素的均值的差值和第j行元素与第j行元素的均值的差值的乘积的均值，作为第二正样本矩阵的第i行第j列的元素，以生成第二正样本矩阵。
其中，i和j均为正整数。
若第一正样本矩阵
那么第二正样本矩阵N'可以是一个9758848行9758848列的矩阵，且N'的第i行第j列的元素N'i,j可以通过如下公式计算得到：
其中，1≤k≤9758848，1≤a≤9758848，1≤b≤9758848，且k、a和b均为正整数，Ni,k为N的第i行第k列的元素，Ni,a为N的第i行第a列的元素，Nj,k为N的第j行第k列的元素，Nj,b为N的第j行第b列的元素，Ni为N的第i行的元素，Nj为N的第j行的元素。
为N的第i行的元素组成的行向量，
为
的转置，
为N的第j行的元素组成的行向量。
作为另一种示例，可以计算第一正样本矩阵的转置矩阵的协方差矩阵，作为第二正样本矩阵。
同理，负样本矩阵可以包括第一负样本矩阵和第二负样本矩阵。负样本矩阵通过如下步骤生成：
首先，接收数据采集设备发送的负样本植物图像集合。
之后，生成负样本植物图像集合对应的负样本向量集合。
然后，对负样本向量集合进行组合，生成第一负样本矩阵。
最后，基于第一负样本矩阵，生成第二负样本矩阵。
作为一种示例，可以计算第一负样本矩阵的第i行元素与第i行元素的均值的差值和第j行元素与第j行元素的均值的差值的乘积的均值，作为第二负正样本矩阵的第i行第j列的元素，以生成第二负样本矩阵，其中，i和j均为正整数。
此时，上述服务器可以分别计算植物图像对应的向量与第二正样本矩阵和第二负样本矩阵的乘积的元素的均值，作为第一均值和第二均值；基于第一均值、第二均值以及预先生成的正样本植物图像集合对应的正样本均值和负样本植物图像集合对应的负样本均值，确定植物图像对应的植物状态。其中，正样本均值可以是第一正样本矩阵与第二正样本矩阵的乘积的元素的均值。负样本均值可以是第一负样本矩阵与第二负样本矩阵的乘积的元素的均值。若第一均值与正样本均值的差值的平方大于第二均值与负样本均值的差值的平方，则确定植物图像对应的植物状态是正常状态；若第一均值与正样本均值的差值的平方不大于第二均值与负样本均值的差值的平方，则确定植物图像对应的植物状态是非正常状态。
作为另一种示例，可以计算第一负样本矩阵的转置矩阵的协方差矩阵，作为第二负样本矩阵。
此时，上述服务器可以分别计算第二正样本矩阵和第二负样本矩阵的特征值向量；分别计算植物图像对应的向量与第二正样本矩阵和第二负样本矩阵的特征值向量之间的距离，作为第一距离和第二距离；基于所计第一距离和第二距离，确定植物图像对应的植物状态。这里，可以分别计算第二正样本矩阵和第二负样本矩阵的特征值和特征向量。例如，对于包含n张分辨率为640×480的RGB-IR正样本植物图像的正样本植物图像集合对应的第二正样本矩阵，计算第二正样本矩阵的特征值和特征向量，可以得到9758848个的特征值。将这些特征值进行组合，可以得到一个9758848维的向量，即第二正样本矩阵的特征值向量。同理，对于包含m张分辨率为640×480的RGB-IR负样本植物图像的负样本植物图像集合对应的第二负样本矩阵，也可以得到一个9758848维的向量，即第二负样本矩阵的特征值向量。其中，若第一距离大于第二距离，则确定植物图像对应的植物状态是正常状态；若第一距离不大于第二距离，则确定植物图像对应的植物状态是非正常状态。
需要说明的是，生成负样本矩阵的各个步骤的具体操作与生成正样本矩阵的各个步骤的具体操作类似，这里不再赘述。
步骤205，基于植物图像对应的植物状态，向用户推送信息。
在本实施例中，上述服务器可以基于植物图像对应的植物状态向用户推送信息。例如，可以将植物图像对应的植物状态推送给用户，用户可以根据植物状态和自己具备的养护知识，对植物进行养护。
本申请实施例提供的用于推送信息的方法，首先接收数据采集设备发送的植物的相关数据；而后对于相关数据中的植物图像中的像素点，计算该像素点与该像素点周围的像素点的向量模，生成该像素点对应的向量；之后基于植物图像中的像素点对应的向量，生成植物图像对应的向量；然后基于植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定植物图像对应的植物状态；最后基于植物图像对应的植物状态，向用户推送信息。根据植物图像对应的植物状态推送信息，实现了富于针对性的信息推送，有助于帮助人们根据针对性的信息对植物进行针对性的养护。
进一步参考图3，其示出了根据本申请的用于推送信息的方法的又一个实施例的流程300。该用于推送信息的方法应用于服务器，包括以下步骤：
步骤301，接收数据采集设备发送的植物的相关数据。
步骤302，对于植物图像中的像素点，计算该像素点与该像素点周围的像素点的向量模，生成该像素点对应的向量。
步骤303，基于植物图像中的像素点对应的向量，生成植物图像对应的向量。
步骤304，基于植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定植物图像对应的植物状态。
在本实施例中，步骤301-304的具体操作与图2所示的实施例中步骤201-204的操作基本相同，在此不再赘述。
步骤305，获取位置数据对应的位置的天气数据。
在本实施例中，植物的相关数据还可以包括植物的位置数据，此时，服务器还可以获取植物的位置数据对应的位置的天气数据。例如，服务器可以通过气象台的接口采集植物所在地的实时天气数据。
步骤306，对植物图像对应的植物状态、天气数据、周围环境数据进行分析，得到植物图像对应的养护信息。
在本实施例中，植物的相关数据还可以包括周围环境数据，此时，服务器可以对植物图像对应的植物状态、天气数据、周围环境数据进行分析，得到植物图像对应的养护信息。其中，周围环境数据可以包括周围环境温度和周围环境湿度。周围环境湿度可以包括周围空气湿度和周围土壤湿度。在一些实施例中，养护信息可以包括但不限于以下至少一项：浇水时间、施肥时间、洒药时间、浇水量、施肥量、洒药量等等。
步骤307，将养护信息推送给用户。
在本实施例中，服务器可以将养护信息推送给用户。用户可以根据养护信息，对植物进行养护。
在一些实施例中，在用户对植物进行养护之后，还可以在终端设备上手动输入养护信息，并提交至服务器。服务器可以根据接收到的养护信息生成养护记录发送给用户，以便于用户分享养护记录。
继续参见图4，图4是图3所提供的用于推送信息的方法的一个应用场景的示意图。在图3的应用场景中，首先，数据采集设备采集观赏植物的植物图像、位置数据和周围环境数据，并发送至服务器。而后，服务器可以生成植物图像对应的向量，并基于植物图像对应的向量和预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定观赏植物当前处于缺水状态。之后，服务器可以根据位置数据获取观赏植物所在地的实时天气数据，并确定观赏植物所在地的天气较为干燥。然后，服务器根据周围环境数据确定观赏植物周围的空气和土壤的湿度均较低。最后，服务器可以生成用于提示用户为观赏植物浇500毫升水的养护信息，并推送给用户。此时，用户的终端设备上可以显示该养护信息，具体如401所示。
从图3中可以看出，与图2对应的实施例相比，本实施例中的用于推送信息的方法的流程300突出了推送养护信息的步骤。由此，本实施例描述的方案能够结合植物状态、天气数据和周围环境数据，提高了所推送的养护信息的准确度。
进一步参考图5，其示出了根据本申请的用于采集数据的方法的一个实施例的流程500。该用于采集数据的方法应用于数据采集设备，包括以下步骤：
步骤501，确定当前条件是否满足预设条件。
在本实施例中，用于采集数据的方法运行于其上的数据采集设备(例如图1所示的数据采集设备101)可以确定当前条件是否满足预设条件。这里，可以预先设置多种可以触发上述数据采集设备采集植物的相关数据的条件。比如，设置上述数据采集设备的采集频率。例如，可以将上述数据采集设备的采集频率设置成每两个小时采集一次。这样，上述数据采集设备可以确定当前时间与上次采集时间之间的时间差是否不小于两个小时，若是，则满足预设条件，反之，则不满足预设条件。又比如，设置上述数据采集设备的采集时间。例如，可以设置上述数据采集设备每天的下午5点定时采集一次。这样，数据采集设备可以确定当前时间是否是下午5点，若是，则满足预设条件，反之，则不满足预设条件。
步骤502，若满足预设条件，采集植物的相关数据。
在本实施例中，若当前条件满足预设条件，上述数据采集设备可以采集植物的相关数据。其中，植物的相关数据可以包括但不限于植物图像、植物的周围环境数据和植物的位置数据等等。周围环境数据可以包括周围环境温度和周围环境湿度。周围环境湿度可以包括周围空气湿度和周围土壤湿度。
在一些实施例中，若植物的相关数据包植物图像，且植物图像是RGB-IR图像，那么上述数据采集设备可以向植物发射红外线，并采集红外线照射下的植物的植物图像。
在一些实施例中，上述数据采集设备可以采集植物的周围环境数据和植物的位置数据。
步骤503，将相关数据发送至服务器。
在本实施例中，上述数据采集设备可以通过有线连接方式或者无线连接方式，将相关数据发送至服务器(例如图1所示的服务器103)，以使服务器对相关数据进行分析，并根据分析结果向用户推送信息。
本申请实施例提供的用于采集数据的方法，在当前条件满足预设条件的情况下，可以采集植物的相关数据，并发送至服务器，以使服务器对相关数据进行分析，并根据分析结果向用户推送信息，有助于帮助人们根据针对性的信息对植物进行针对性的养护。
进一步参见图6，其示出了根据本申请的数据采集设备600的一个实施例的结构示意图。该数据采集设备600可以包括嵌入式系统模块601、数据采集模块602和通信模块603。其中，嵌入式系统模块601可以确定当前条件是否满足预设条件，若满足预设条件，向数据采集模块602发送采集指令；数据采集模块602采集植物的相关数据；通信模块603将相关数据发送至服务器。
在本实施例中，嵌入式系统模块601可以是ARM(Advanced RISC Machines)嵌入式系统模块。其可以包括但不限于ARM框架CPU(Central Processing Unit，中央处理器)、RAM(random access memory，随机存取存储器)内存、ROM(Read Only Memory image，只读存储器镜像)存储器、主板、摄像头接口、WI-FI(WIreless-Fidelity，无线保真)模块接口、USB(Universal Serial Bus，通用串行总线)接口和电源等等。数据采集模块602可以包括但不限于红外发射器、摄像头、温度传感器、湿度传感器和定位模块等等。其中，湿度传感器可以包括两个。其中一个插入植物周围的土壤中，可以采集植物的周围土壤湿度。另外一个可以悬挂在植物附近，可以采集植物的周围空气湿度。通信模块603可以是WI-FI通信模块。
在一些实施例中，数据采集模块可以包括红外发射器和摄像头。此时，当数据采集模块602发送采集指令后，红外发射器可以向植物发射红外线；摄像头可以采集红外线照射下的植物的植物图像。此时，采集到的植物图像是RGB-IR图像。
在一些实施例中，数据采集模块还可以包括温度传感器、湿度传感器和定位模块。此时，当数据采集模块602发送采集指令后，温度传感器可以采集植物的周围环境温度；湿度传感器可以采集植物的周围环境湿度；定位模块采集植物的位置数据。其中，周围环境湿度包括周围空气湿度和周围土壤湿度。
下面参考图7，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器103或数据采集设备101)的计算机系统700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括接收单元、第一生成单元、第二生成单元、确定单元和推送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，接收单元还可以被描述为“接收数据采集设备发送的植物的相关数据的单元”。又例如，可以描述为：一种处理器包括确定单元和采集单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，确定单元还可以被描述为“确定当前条件是否满足预设条件的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收数据采集设备发送的植物的相关数据，其中，相关数据包括植物图像；对于植物图像中的像素点，计算该像素点与该像素点周围的像素点的向量模，生成该像素点对应的向量；基于植物图像中的像素点对应的向量，生成植物图像对应的向量；基于植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定植物图像对应的植物状态；基于植物图像对应的植物状态，向用户推送信息。或者使得该电子设备：确定当前条件是否满足预设条件；若满足预设条件，采集植物的相关数据；将相关数据发送至服务器。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于推送信息的方法，应用于服务器，包括：
接收数据采集设备发送的植物的相关数据，其中，所述相关数据包括植物图像；
对于所述植物图像中的像素点，计算该像素点与该像素点周围的像素点的向量模，生成该像素点对应的向量；
基于所述植物图像中的像素点对应的向量，生成所述植物图像对应的向量；
基于所述植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定所述植物图像对应的植物状态；
基于所述植物图像对应的植物状态，向用户推送信息。
2.根据权利要求1所述的方法，其中，所述基于所述植物图像中的像素点对应的向量，生成所述植物图像对应的向量，包括：
对所述植物图像中除边缘之外的像素点对应的向量进行组合，生成所述植物图像对应的向量。
3.根据权利要求1所述的方法，其中，所述正样本矩阵包括第一正样本矩阵和第二正样本矩阵，所述负样本矩阵包括第一负样本矩阵和第二负样本矩阵；以及
所述正样本矩阵和所述负样本矩阵通过如下步骤生成：
接收所述数据采集设备发送的所述正样本植物图像集合和所述负样本植物图像集合；
生成所述正样本植物图像集合对应的正样本向量集合和所述负样本植物图像集合对应的负样本向量集合；
分别对所述正样本向量集合和所述负样本向量集合进行组合，生成所述第一正样本矩阵和所述第一负样本矩阵；
基于所述第一正样本矩阵和所述第一负样本矩阵，生成第二正样本矩阵和第二负样本矩阵。
4.根据权利要求3所述的方法，其中，所述基于所述第一正样本矩阵和所述第一负样本矩阵，生成第二正样本矩阵和第二负样本矩阵，包括：
分别计算所述第一正样本矩阵和所述第一负样本矩阵的第i行元素与第i行元素的均值的差值和第j行元素与第j行元素的均值的差值的乘积的均值，作为第二正样本矩阵的第i行第j列的元素和第二负正样本矩阵的第i行第j列的元素，以生成所述第二正样本矩阵和所述第二负样本矩阵，其中，i和j均为正整数。
5.根据权利要求4所述的方法，其中，所述基于所述植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定所述植物图像对应的植物状态，包括：
分别计算所述植物图像对应的向量与所述第二正样本矩阵和所述第二负样本矩阵的乘积的元素的均值，作为第一均值和第二均值；
基于所述第一均值、所述第二均值以及预先生成的所述正样本植物图像集合对应的正样本均值和所述负样本植物图像集合对应的负样本均值，确定所述植物图像对应的植物状态。
6.根据权利要求5所述的方法，其中，所述正样本均值和负样本均值通过如下步骤生成：
计算所述第一正样本矩阵与所述第二正样本矩阵的乘积的元素的均值，作为所述正样本均值；
计算所述第一负样本矩阵与所述第二负样本矩阵的乘积的元素的均值，作为所述负样本均值。
7.根据权利要求6所述的方法，其中，所述基于所述第一均值、所述第二均值以及预先生成的所述正样本植物图像集合对应的正样本均值和所述负样本植物图像集合对应的负样本均值，确定所述植物图像对应的植物状态，包括：
若所述第一均值与所述正样本均值的差值的平方大于所述第二均值与所述负样本均值的差值的平方，则确定所述植物图像对应的植物状态是正常状态；
若所述第一均值与所述正样本均值的差值的平方不大于所述第二均值与所述负样本均值的差值的平方，则确定所述植物图像对应的植物状态是非正常状态。
8.根据权利要求3所述的方法，其中，所述基于所述第一正样本矩阵和所述第一负样本矩阵，生成第二正样本矩阵和第二负样本矩阵，包括：
分别计算所述第一正样本矩阵和所述第一负样本矩阵的转置矩阵的协方差矩阵，作为所述第二正样本矩阵和所述第二负样本矩阵。
9.根据权利要求8所述的方法，其中，所述基于所述植物图像对应的向量、预先生成的正样本植物图像集合对应的正样本矩阵和负样本植物图像集合对应的负样本矩阵，确定所述植物图像对应的植物状态，包括：
分别计算所述第二正样本矩阵和所述第二负样本矩阵的特征值向量；
分别计算所述植物图像对应的向量与所述第二正样本矩阵和所述第二负样本矩阵的特征值向量之间的距离，作为第一距离和第二距离；
基于所计第一距离和所述第二距离，确定所述植物图像对应的植物状态。
10.根据权利要求9所述的方法，其中，所述基于所计第一距离和所述第二距离，确定所述植物图像对应的植物状态，包括：
若所述第一距离大于所述第二距离，则确定所述植物图像对应的植物状态是正常状态；
若所述第一距离不大于所述第二距离，则确定所述植物图像对应的植物状态是非正常状态。
11.根据权利要求1-10之一所述的方法，其中，所述相关数据还包括周围环境数据和位置数据；以及
所述基于所述植物图像对应的植物状态，向用户推送信息，包括：
获取所述位置数据对应的位置的天气数据；
对所述植物图像对应的植物状态、所述天气数据、所述周围环境数据进行分析，得到所述植物图像对应的养护信息；
将所述养护信息推送给用户。
12.根据权利要求11所述的方法，其中，所述养护信息包括以下至少一项：浇水时间、施肥时间、洒药时间、浇水量、施肥量、洒药量。
13.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-12中任一所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-12中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811002007.1A CN110929073A (zh) | 2018-08-30 | 2018-08-30 | 用于推送信息、采集数据的方法和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811002007.1A CN110929073A (zh) | 2018-08-30 | 2018-08-30 | 用于推送信息、采集数据的方法和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110929073A true CN110929073A (zh) | 2020-03-27 |
Family
ID=69854870
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811002007.1A Pending CN110929073A (zh) | 2018-08-30 | 2018-08-30 | 用于推送信息、采集数据的方法和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110929073A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104616392A (zh) * | 2015-01-30 | 2015-05-13 | 华中科技大学 | 一种基于局部二值模式的纸币鉴伪方法 |
| CN104680121A (zh) * | 2013-11-27 | 2015-06-03 | 腾讯科技（深圳）有限公司 | 一种人脸图像的处理方法及装置 |
| CN105447440A (zh) * | 2015-03-13 | 2016-03-30 | 北京天诚盛业科技有限公司 | 实时虹膜图像评价方法和装置 |
| CN106774070A (zh) * | 2016-12-27 | 2017-05-31 | 蔡艾铿 | 一种植物生长监控方法、装置和系统 |
| CN107346434A (zh) * | 2017-05-03 | 2017-11-14 | 上海大学 | 一种基于多特征及支持向量机的植物病虫害检测方法 |
| CN107679466A (zh) * | 2017-09-21 | 2018-02-09 | 百度在线网络技术（北京）有限公司 | 信息输出方法和装置 |
-
2018
- 2018-08-30 CN CN201811002007.1A patent/CN110929073A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104680121A (zh) * | 2013-11-27 | 2015-06-03 | 腾讯科技（深圳）有限公司 | 一种人脸图像的处理方法及装置 |
| CN104616392A (zh) * | 2015-01-30 | 2015-05-13 | 华中科技大学 | 一种基于局部二值模式的纸币鉴伪方法 |
| CN105447440A (zh) * | 2015-03-13 | 2016-03-30 | 北京天诚盛业科技有限公司 | 实时虹膜图像评价方法和装置 |
| CN106774070A (zh) * | 2016-12-27 | 2017-05-31 | 蔡艾铿 | 一种植物生长监控方法、装置和系统 |
| CN107346434A (zh) * | 2017-05-03 | 2017-11-14 | 上海大学 | 一种基于多特征及支持向量机的植物病虫害检测方法 |
| CN107679466A (zh) * | 2017-09-21 | 2018-02-09 | 百度在线网络技术（北京）有限公司 | 信息输出方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| 杨建姣: "基于BP神经网络的田间杂草识别技术的研究" * |
| 裴玉龙: "输电线路航拍图像处理及故障定位的研究" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110514626B (zh) | 大气污染监测系统的数据校准方法和大气污染监测系统 | |
| AU2019401506B2 (en) | In-season field level yield forecasting | |
| CN106060174A (zh) | 一种基于数据分析的农业指导系统 | |
| JP7300796B2 (ja) | 生育状況または病害虫発生状況の予測システム、方法およびプログラム | |
| CN106971167B (zh) | 基于无人机平台的作物生长分析方法及其分析系统 | |
| González-Esquiva et al. | Development of a visual monitoring system for water balance estimation of horticultural crops using low cost cameras | |
| WO2021229360A1 (en) | Estimation of crop pest risk and/or crop disease risk at sub-farm level | |
| CN105761150B (zh) | 农作物信息及样本的采集方法和系统 | |
| Murugamani et al. | Machine Learning Technique for Precision Agriculture Applications in 5G‐Based Internet of Things | |
| KR20200044216A (ko) | 빅데이터를 이용한 병해충 발생 예측 시스템 및 방법 | |
| CN110428114B (zh) | 果树产量预测方法、装置、设备及计算机可读存储介质 | |
| WO2020137085A1 (ja) | 情報処理装置及び情報処理システム | |
| Balakrishna et al. | Study report on using IoT agriculture farm monitoring | |
| CN112329709B (zh) | 农产品智能品控系统、方法、计算机设备及存储介质 | |
| CN111818146A (zh) | Soa云雾计算智慧农业数据处理方法及系统 | |
| WO2022114344A1 (ko) | 작물 재배 애플리케이션을 통한 적응형 재배 정보 제공 시스템 | |
| Manideep et al. | Smart agriculture farming with image capturing module | |
| WO2022131176A1 (ja) | 制御装置、プログラム、システム、及び方法 | |
| CN114550848A (zh) | 作物病害处理方法、装置、电子设备及计算机可读介质 | |
| KR20210149623A (ko) | Vr 기반의 실감형 스마트팜 연구 시스템 | |
| CN110929073A (zh) | 用于推送信息、采集数据的方法和设备 | |
| CN113780048A (zh) | 植物防治方法和装置 | |
| WO2023219919A1 (en) | Machine learning methods and systems for characterizing corn growth efficiency | |
| WO2022203114A1 (ko) | 농작물 모니터링장치 및 그 장치의 구동방법 | |
| Shaji et al. | Raspberry pi based real time monitoring of Agriculture & Irrigation Using IOT |
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: 20200327 |