CN111046204A - 一种病虫害识别防治系统 - Google Patents
一种病虫害识别防治系统 Download PDFInfo
- Publication number
- CN111046204A CN111046204A CN201911295911.0A CN201911295911A CN111046204A CN 111046204 A CN111046204 A CN 111046204A CN 201911295911 A CN201911295911 A CN 201911295911A CN 111046204 A CN111046204 A CN 111046204A
- Authority
- CN
- China
- Prior art keywords
- module
- pest
- easydl
- user
- model
- 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
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 79
- 201000010099 disease Diseases 0.000 title claims abstract description 65
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 65
- 241000238631 Hexapoda Species 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000012549 training Methods 0.000 claims abstract description 23
- 230000003993 interaction Effects 0.000 claims abstract description 18
- 239000000284 extract Substances 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 21
- 208000035473 Communicable disease Diseases 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 5
- 230000006378 damage Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 208000015181 infectious disease Diseases 0.000 claims description 5
- 235000018343 nutrient deficiency Nutrition 0.000 claims description 4
- 230000002888 effect on disease Effects 0.000 claims description 3
- 230000000856 effect on pests Effects 0.000 claims description 3
- 238000003973 irrigation Methods 0.000 claims description 3
- 230000002262 irrigation Effects 0.000 claims description 3
- 238000009333 weeding Methods 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 abstract 1
- 241000196324 Embryophyta Species 0.000 description 22
- 238000010586 diagram Methods 0.000 description 10
- 241000227653 Lycopersicon Species 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 6
- 230000007812 deficiency Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002265 prevention Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 235000016623 Fragaria vesca Nutrition 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Economics (AREA)
- Agronomy & Crop Science (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Mining & Mineral Resources (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种病虫害识别防治系统，包括注册登录模块、图像采集处理模块、服务器以及交互模块，所述注册登录模块、采集模块以及交互模块分别与所述服务器连接，注册登录模块用于用户确定用户身份，图像采集处理模块用于采集图像并对图像进行处理，服务器中预先设有EASYDL模型，所述EASYDL模型提取处理后的图像信息与EASYDL模型中的训练数据进行对比分析，输出对应的病虫害名称和防治方案，交互模块还用于用户与专家之间的技术问答；本发明能够应用大数据及图像识别方式帮助用户识别病虫害，提高了病虫害的识别率且识别正确率高。
Description
技术领域
本发明属于农业技术领域，具体涉及一种病虫害识别防治系统。
背景技术
我国是一个农业大国，病虫害是农作物的生产过程中危害农作物生长和影响产量的重要因素之一，严重影响农业生产率和经济发展。但是农作物在遭受各种病虫害的时候，农民因为缺少对病虫害的识别和防治知识经常造成误判和延判导致错过最佳防治时间造成经济损失。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种病虫害识别防治系统，以解决现有技术中无法准确识别以及防治病虫害的问题。
为实现以上目的，本发明采用如下技术方案：一种病虫害识别防治系统，包括：注册登录模块、图像采集处理模块、服务器以及交互模块，所述注册登录模块、采集模块以及交互模块分别与所述服务器连接；
所述注册登录模块用于用户确定用户身份；
所述图像采集处理模块用于采集图像并对图像进行处理；
所述服务器中预先设有EASYDL模型，所述EASYDL模型提取处理后的图像信息与EASYDL模型中的训练数据进行对比分析，输出对应的病虫害名称和防治方案；
所述交互模块还用于用户与专家之间的技术问答；
其中，所述EASYDL模型中设有样本库，所述样本库包括：农作物生长库，以及与农作物生长库对应的病虫害数据库；所述农作物生长库中设有农作物种类对应的图像以及与所述农作物种类对应的农作物生长周期对应的图像，所述病虫害数据库中设有与农作物生长周期对应的病虫害种类的图像以及病虫害的特征信息图像。
进一步的，所述服务器中还设有：
修正模块，用于接收用户上传的病虫害图像信息以及用户反馈的对病虫害的识别防治效果；
根据接收的病虫害图像信息以及所述识别防治效果对EASYDL模型进行训练，丰富EASYDL模型的样本库。
进一步的，所述图像采集处理模块包括：
病害识别模块，用于识别农作物或病虫害的类别及名称；
所述病害识别模块包括：
生理性缺素识别子模块，用于识别生理性缺素造成的病害；
侵染性病害识别子模块，用于识别侵染性病害造成的病害。
进一步的，还包括：
文章推荐模块，用于推荐与用户种植的农作物相关的文章；
所述文章推荐模块与所述服务器连接。
进一步的，还包括：
追溯模块，用于供用户追溯查看农产品生长过程，所述追溯模块与所述服务器连接；
所述追溯模块还用于生成追溯二维码，消费者通过所述追溯二维码查看农产品生长过程；
所述追溯二维码记录有：种子供应地、种植、灌溉、除草、施肥以及病虫害信息。
进一步的，所述对图像进行处理包括：
对图像进行去噪、归一化处理，形成训练数据。
进一步的，所述EASYDL模型提取处理后的图像信息与EASYDL模型中的训练数据进行对比分析，输出对应的病虫害名称和防治方案，包括：
所述EASYDL模型提取处理后的图像信息的特征，将所述特征与样本库中的训练数据进行分析对比；
根据匹配度将对比结果由高到底排列；
将排列在最前面的两个结果进行循环比较；
获取匹配度最高的结果。
进一步的，还包括：
发现模块，用于向用户推荐与用户种植相同农作物的相似用户；
所述发现模块还用于用户与相似用户之间的互动；
所述发现模块与所述服务器连接。
本发明采用以上技术方案，能够达到的有益效果包括：
通过应用大数据及图像识别方式帮助用户识别病虫害，提高了病虫害的识别率且识别正确率高，除此之外，还能够通过识别病虫害达到防治的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种病虫害识别防治系统的结构示意图；
图2为本发明一种病虫害识别防治系统的另一种结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
下面结合附图介绍本申请实施例中提供的一个具体的病虫害识别防治系统。
如图1所示，本申请实施例中提供的病虫害识别防治系统，包括：注册登录模块1、图像采集处理模块2、服务器3以及交互模块4，所述注册登录模块1、采集模块以及交互模块4分别与所述服务器3连接；
所述注册登录模块1用于用户确定用户身份；
所述图像采集处理模块2用于采集图像并对图像进行处理；
所述服务器3中预先设有EASYDL模型，所述EASYDL模型提取处理后的图像信息与EASYDL模型中的训练数据进行对比分析，输出对应的病虫害名称和防治方案；
所述交互模块4还用于用户与专家之间的技术问答；
其中，所述EASYDL模型中设有样本库，所述样本库包括：农作物生长库，以及与农作物生长库对应的病虫害数据库；所述农作物生长库中设有农作物种类对应的图像以及与所述农作物种类对应的农作物生长周期对应的图像，所述病虫害数据库中设有与农作物生长周期对应的病虫害种类的图像以及病虫害的特征信息图像。
病虫害识别防治系统的工作原理为：首先，在服务器3中建立 EASYDL模型，EASYDL模型中设有各种植物病虫害的文字描述以及各种病虫害对应的图片，用户先进行注册登录以确定用户身份，需要说明的是，用户可以是植物的种植者也可以是植物相关专家。本申请主要针对用户为种植者，用户注册登录成功后，可先输入自己种植的农作物，例如种植的是番茄，可输入番茄。如果用户种植多个农作物，还可以输入多个农作物。当用户发现自己种植的植物上有病虫害而自己又不知道病虫害是什么的时候，可以对农产品及其上的病虫害拍摄照片，图像采集处理模块2 对图片进行处理，处理包括去噪、归一化处理，形成训练数据。EASYDL 模型提取该训练数据与EASYDL模型中的样本库进行分析对比，得到样本库中与训练数据对应的农作物名称、病虫害名称及防治方法。除此之外，用户还可以通过交互模块4与专家进行交流，询问关于农作物的种植方法等。
用户在注册登录模块1可以通过手机号获取验证码进行注册，还可以通过微信进行注册，注册成功后将个人用户信息上传至服务器3进行保存。注册登录成功后，输入自己的农作物。
一些实施例中，如图2所示，服务器3中还设有：
修正模块(图中未示出)，用于接收用户上传的病虫害图像信息以及用户反馈的对病虫害的识别防治效果；
根据接收的病虫害图像信息以及所述识别防治效果对EASYDL模型进行训练，丰富EASYDL模型的样本库。
具体的，当用户获取农作物名称、病虫害名称以及防治方法后，在用户使用防治方法后可以对识别防治效果进行反馈至服务器3的修正模块，修正模块根据接收到的病虫害图像信息以及识别防治效果对EASYDL模型进行训练，丰富EASYDL模型的样本库，不断进行训练，提高识别的准确性。
一些实施例中，所述图像采集处理模块2包括：
病害识别模块(图中未示出)，用于识别农作物或病虫害的类别及名称；
所述病害识别模块包括：
生理性缺素识别子模块(图中未示出)，用于识别生理性缺素造成的病害；
侵染性病害识别子模块(图中未示出)，用于识别侵染性病害造成的病害。
具体的，在用户发现病虫害的时候，可以自己先进行判断，判断病虫害是属于生理性缺素还是侵染性病害，然后根据判断选择生理性缺素识别子模块或是侵染性病害识别子模块，选择相应模块后可以选择在相册中选择照片或是实时拍摄照片。
本申请提供的病虫害识别防止系统，还包括：
文章推荐模块5，用于推荐与用户种植的农作物相关的文章；
所述文章推荐模块5与所述服务器3连接。
具体的，服务器3中设有文章库，所述文章库中的文章对应有相应主题内容，例如：关于番茄的文章、关于草莓的文章等，当用户选择自己种植的农作物后，文章库根据主题选择相应的文章进行推荐，例如：用户种植的是番茄，文章库选择番茄相应的文章进行推荐，例如可以是，如何种植番茄，番茄病虫害的预防等文章。
一些实施例中，本申请提供的病虫害识别防治系统，还包括：
追溯模块6，用于供用户追溯查看农产品生长过程，所述追溯模块6 与所述服务器3连接；
所述追溯模块6还用于生成追溯二维码，消费者通过所述追溯二维码查看农产品生长过程；
所述追溯二维码记录有：种子供应地、种植、灌溉、除草、施肥以及病虫害信息。
具体的，用户可通过追溯模块6记录自己的种植的农作物的生长过程，并上传至服务器3进行存储，追溯模块6可根据用户的记录生成追溯二维码，当农作物成熟后进入消费市场，追溯二维码可帮助消费者追溯查看农产品的生长过程，查看图片或视频信息方便快捷，增强了消费者对农产品的了解，满足消费者对农产片的知情权。
其中，本申请中对图像进行处理包括对图像进行去噪、归一化处理，形成训练数据。
一些实施例中，所述EASYDL模型提取处理后的图像信息与 EASYDL模型中的训练数据进行对比分析，输出对应的病虫害名称和防治方案，包括：
所述EASYDL模型提取处理后的图像信息的特征，将所述特征与样本库中的训练数据进行分析对比；
根据匹配度将对比结果由高到底排列；
将排列在最前面的两个结果进行循环比较；
获取匹配度最高的结果。
具体的，在进行病虫害的图像信息的特征与样本库的训练数据进行匹配时，经过训练的EASYDL模型首先将与病虫害的图像信息的特征进行排列，排列顺序为由匹配度由高到低依次排列，EASYDL模型取最为匹配的两个结果，之后对这两个结果进行循环对比，最后得出最为匹配的一个结果，输出该结果对应的病虫害的名称及其防治方法。
本申请提供的病虫害识别防治系统，还包括：
发现模块7，用于向用户推荐与用户种植相同农作物的相似用户；
所述发现模块7还用于用户与相似用户之间的互动；
所述发现模块7与所述服务器3连接。
具体的，用户还可以通过发现模块7发现与用户种植相同农作物的相似用户，可以查看不同种植日期的农作物，用户还可以与相似用户进行互动，交流农作物出现的问题。
综上所述，本发明提供一种能够识别病虫害的病虫害识别防治系统，包括注册登录模块、图像采集处理模块、服务器以及交互模块。其中注册登录模块用于用户确定用户身份，图像采集处理模块用于采集图像并对图像进行处理，服务器中预先设有EASYDL模型，所述EASYDL模型提取处理后的图像信息与EASYDL模型中的训练数据进行对比分析，输出对应的病虫害名称和防治方案，交互模块还用于用户与专家之间的技术问答。本发明能够应用大数据及图像识别方式帮助用户识别病虫害，提高了病虫害的识别率且识别正确率高。
可以理解的是，上述提供的系统实施例与上述的系统实施例对应，相应的具体内容可以相互参考，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的系统、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种病虫害识别防治系统，其特征在于，包括：注册登录模块、图像采集处理模块、服务器以及交互模块，所述注册登录模块、采集模块以及交互模块分别与所述服务器连接；
所述注册登录模块用于用户确定用户身份；
所述图像采集处理模块用于采集图像并对图像进行处理；
所述服务器中预先设有EASYDL模型，所述EASYDL模型提取处理后的图像信息与EASYDL模型中的训练数据进行对比分析，输出对应的病虫害名称和防治方案；
所述交互模块还用于用户与专家之间的技术问答；
其中，所述EASYDL模型中设有样本库，所述样本库包括：农作物生长库，以及与农作物生长库对应的病虫害数据库；所述农作物生长库中设有农作物种类对应的图像以及与所述农作物种类对应的农作物生长周期对应的图像，所述病虫害数据库中设有与农作物生长周期对应的病虫害种类的图像以及病虫害的特征信息图像。
2.根据权利要求1所述的病虫害识别防治系统，其特征在于，所述服务器中还设有：
修正模块，用于接收用户上传的病虫害图像信息以及用户反馈的对病虫害的识别防治效果；
根据接收的病虫害图像信息以及所述识别防治效果对EASYDL模型进行训练，丰富EASYDL模型的样本库。
3.根据权利要求1所述的病虫害识别防治系统，其特征在于，所述图像采集处理模块包括：
病害识别模块，用于识别农作物或病虫害的类别及名称；
所述病害识别模块包括：
生理性缺素识别子模块，用于识别生理性缺素造成的病害；
侵染性病害识别子模块，用于识别侵染性病害造成的病害。
4.根据权利要求1所述的病虫害识别防治系统，其特征在于，还包括：
文章推荐模块，用于推荐与用户种植的农作物相关的文章；
所述文章推荐模块与所述服务器连接。
5.根据权利要求1所述的病虫害识别防治系统，其特征在于，还包括：
追溯模块，用于供用户追溯查看农产品生长过程，所述追溯模块与所述服务器连接；
所述追溯模块还用于生成追溯二维码，消费者通过所述追溯二维码查看农产品生长过程；
所述追溯二维码记录有：种子供应地、种植、灌溉、除草、施肥以及病虫害信息。
6.根据权利要求1所述的病虫害识别防治系统，其特征在于，所述对图像进行处理包括：
对图像进行去噪、归一化处理，形成训练数据。
7.根据权利要求6所述的病虫害识别防治系统，其特征在于，所述EASYDL模型提取处理后的图像信息与EASYDL模型中的训练数据进行对比分析，输出对应的病虫害名称和防治方案，包括：
所述EASYDL模型提取处理后的图像信息的特征，将所述特征与样本库中的训练数据进行分析对比；
根据匹配度将对比结果由高到底排列；
将排列在最前面的两个结果进行循环比较；
获取匹配度最高的结果。
8.根据权利要求1所述的病虫害识别防治系统，其特征在于，还包括：
发现模块，用于向用户推荐与用户种植相同农作物的相似用户；
所述发现模块还用于用户与相似用户之间的互动；
所述发现模块与所述服务器连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911295911.0A CN111046204A (zh) | 2019-12-16 | 2019-12-16 | 一种病虫害识别防治系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911295911.0A CN111046204A (zh) | 2019-12-16 | 2019-12-16 | 一种病虫害识别防治系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111046204A true CN111046204A (zh) | 2020-04-21 |
Family
ID=70236787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911295911.0A Pending CN111046204A (zh) | 2019-12-16 | 2019-12-16 | 一种病虫害识别防治系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111046204A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112199357A (zh) * | 2020-12-09 | 2021-01-08 | 思创数码科技股份有限公司 | 一种疫木管理方法、装置、存储介质及服务器 |
| CN112580591A (zh) * | 2020-12-29 | 2021-03-30 | 江苏农林职业技术学院 | 一种农作物病虫害分析系统 |
| CN112699805A (zh) * | 2020-12-31 | 2021-04-23 | 上海市崇明区蔬菜科学技术推广站 | 蔬菜病虫害防治智能识别系统 |
| CN113303151A (zh) * | 2021-05-19 | 2021-08-27 | 苏州三润景观工程有限公司 | 基于大数据的绿植病虫害修复方法 |
| CN114063686A (zh) * | 2021-11-15 | 2022-02-18 | 宁夏农林科学院植物保护研究所（宁夏植物病虫害防治重点实验室） | 农业有害生物监测预警方法 |
| CN114419429A (zh) * | 2021-12-08 | 2022-04-29 | 慧之安信息技术股份有限公司 | 基于农作物叶子病状的智能推荐方法 |
| CN115119669A (zh) * | 2022-05-30 | 2022-09-30 | 嘉兴职业技术学院 | 一种西红花球茎腐烂病药剂防治方法及应用 |
| WO2023065989A1 (zh) * | 2021-10-21 | 2023-04-27 | 杭州睿胜软件有限公司 | 植物病虫害诊断方法、诊断系统及可读存储介质 |
| WO2023098429A1 (zh) * | 2021-12-02 | 2023-06-08 | 杭州睿胜软件有限公司 | 用于追踪植物的康复情况的方法、装置和存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101645081A (zh) * | 2009-08-19 | 2010-02-10 | 上海孙桥现代农业联合发展有限公司 | 一种通过二维码追溯农产品信息的方法和系统 |
| CN106680277A (zh) * | 2016-12-29 | 2017-05-17 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害监测方法及装置 |
| 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 |
| CN107330887A (zh) * | 2017-07-11 | 2017-11-07 | 重庆邮电大学 | 一种基于深度学习的农作物病虫害防治方案推荐系统 |
| WO2018058821A1 (zh) * | 2016-09-30 | 2018-04-05 | 深圳前海弘稼科技有限公司 | 一种基于种植设备的病虫害预测方法及装置 |
| CN109840549A (zh) * | 2019-01-07 | 2019-06-04 | 武汉南博网络科技有限公司 | 一种病虫害识别方法和装置 |
| CN110263261A (zh) * | 2019-06-14 | 2019-09-20 | 韶关市启之信息技术有限公司 | 一种基于盆栽养殖行为的好友推荐方法与装置 |
| CN110415133A (zh) * | 2019-07-30 | 2019-11-05 | 四川大学 | 一种智慧农业医生管理系统及方法 |
-
2019
- 2019-12-16 CN CN201911295911.0A patent/CN111046204A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101645081A (zh) * | 2009-08-19 | 2010-02-10 | 上海孙桥现代农业联合发展有限公司 | 一种通过二维码追溯农产品信息的方法和系统 |
| WO2018058821A1 (zh) * | 2016-09-30 | 2018-04-05 | 深圳前海弘稼科技有限公司 | 一种基于种植设备的病虫害预测方法及装置 |
| CN106680277A (zh) * | 2016-12-29 | 2017-05-17 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害监测方法及装置 |
| 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 |
| CN107330887A (zh) * | 2017-07-11 | 2017-11-07 | 重庆邮电大学 | 一种基于深度学习的农作物病虫害防治方案推荐系统 |
| CN109840549A (zh) * | 2019-01-07 | 2019-06-04 | 武汉南博网络科技有限公司 | 一种病虫害识别方法和装置 |
| CN110263261A (zh) * | 2019-06-14 | 2019-09-20 | 韶关市启之信息技术有限公司 | 一种基于盆栽养殖行为的好友推荐方法与装置 |
| CN110415133A (zh) * | 2019-07-30 | 2019-11-05 | 四川大学 | 一种智慧农业医生管理系统及方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112199357A (zh) * | 2020-12-09 | 2021-01-08 | 思创数码科技股份有限公司 | 一种疫木管理方法、装置、存储介质及服务器 |
| CN112580591A (zh) * | 2020-12-29 | 2021-03-30 | 江苏农林职业技术学院 | 一种农作物病虫害分析系统 |
| CN112699805A (zh) * | 2020-12-31 | 2021-04-23 | 上海市崇明区蔬菜科学技术推广站 | 蔬菜病虫害防治智能识别系统 |
| CN113303151A (zh) * | 2021-05-19 | 2021-08-27 | 苏州三润景观工程有限公司 | 基于大数据的绿植病虫害修复方法 |
| WO2023065989A1 (zh) * | 2021-10-21 | 2023-04-27 | 杭州睿胜软件有限公司 | 植物病虫害诊断方法、诊断系统及可读存储介质 |
| CN114063686A (zh) * | 2021-11-15 | 2022-02-18 | 宁夏农林科学院植物保护研究所（宁夏植物病虫害防治重点实验室） | 农业有害生物监测预警方法 |
| WO2023098429A1 (zh) * | 2021-12-02 | 2023-06-08 | 杭州睿胜软件有限公司 | 用于追踪植物的康复情况的方法、装置和存储介质 |
| CN114419429A (zh) * | 2021-12-08 | 2022-04-29 | 慧之安信息技术股份有限公司 | 基于农作物叶子病状的智能推荐方法 |
| CN115119669A (zh) * | 2022-05-30 | 2022-09-30 | 嘉兴职业技术学院 | 一种西红花球茎腐烂病药剂防治方法及应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111046204A (zh) | 一种病虫害识别防治系统 | |
| Park et al. | Crops disease diagnosing using image-based deep learning mechanism | |
| CN106991619A (zh) | 一种农作物病虫害智能诊断系统及诊断方法 | |
| CN114170137B (zh) | 一种辣椒病害识别方法、识别系统、计算机可读存储介质 | |
| Maria et al. | Cauliflower disease recognition using machine learning and transfer learning | |
| WO2022262586A1 (zh) | 用于植物识别的方法、计算机系统以及计算机可读存储介质 | |
| CN107241403A (zh) | 推送方法及推送装置、服务器、设备和可读存储介质 | |
| CN112989969A (zh) | 一种作物病虫害识别方法及装置 | |
| CN115656167A (zh) | 植物诊断方法、装置及计算机可读存储介质 | |
| Murugesan et al. | Recommendation of pesticides based on automation detection of citrus fruits and leaves diseases using deep learning | |
| Akshitha et al. | Paddy crop disease detection using deep learning techniques | |
| CN109697447A (zh) | 基于随机森林的分类模型构建装置、方法及电子设备 | |
| TWM512735U (zh) | 農產品產銷標籤建置系統 | |
| Deshpande et al. | Tomato plant leaf disease detection using generative adversarial network and deep convolutional neural network | |
| Zhao et al. | A dataset of pomegranate growth stages for machine learning-based monitoring and analysis | |
| CN108197266A (zh) | 一种农产品用药的推荐方法和系统 | |
| CN108551473B (zh) | 一种基于可视农业的农产品交流方法和装置 | |
| CN114898364B (zh) | 一种葡萄的高效栽培方法及系统 | |
| CN114860917B (zh) | 农业知识问答方法、装置、电子设备和存储介质 | |
| Sheelavantamath | Plant disease detection and its solution using image classification | |
| Rotondo et al. | A Digital Countryside Notebook for Smart Agriculture and Oranges Classification. | |
| Nandhini et al. | Performance Analysis of Pre-Processing techniques in Plantain Tree Disease Classification with Convolutional Neural Network | |
| Banik et al. | Machine Learning in Agriculture: A Neural Network Approach | |
| Abdulghani et al. | Cyber-Physical System Based Data Mining and Processing Toward Autonomous Agricultural Systems | |
| Isinkaye et al. | A Smartphone-based Plant Disease Detection and Treatment Recommendation System using Machine Learning Techniques |
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: 20200421 |