CN111062358A - 基于区块链的无人机智能农田信息采集和监控系统及方法 - Google Patents
基于区块链的无人机智能农田信息采集和监控系统及方法 Download PDFInfo
- Publication number
- CN111062358A CN111062358A CN201911370408.7A CN201911370408A CN111062358A CN 111062358 A CN111062358 A CN 111062358A CN 201911370408 A CN201911370408 A CN 201911370408A CN 111062358 A CN111062358 A CN 111062358A
- Authority
- CN
- China
- Prior art keywords
- information
- unmanned aerial
- aerial vehicle
- block chain
- farmland
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 240000007651 Rubus glaucus Species 0.000 claims abstract description 30
- 235000011034 Rubus glaucus Nutrition 0.000 claims abstract description 30
- 235000009122 Rubus idaeus Nutrition 0.000 claims abstract description 30
- 238000013136 deep learning model Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 12
- 241000196324 Embryophyta Species 0.000 claims abstract description 11
- 201000010099 disease Diseases 0.000 claims abstract description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 10
- 210000003608 fece Anatomy 0.000 claims abstract description 3
- 239000007788 liquid Substances 0.000 claims abstract description 3
- 239000010871 livestock manure Substances 0.000 claims abstract description 3
- 230000007613 environmental effect Effects 0.000 claims description 6
- 239000003337 fertilizer Substances 0.000 claims description 6
- 241000238631 Hexapoda Species 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 241000894007 species Species 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 230000008520 organization Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Multimedia (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于区块链的无人机智能农田信息采集和监控系统及方法，包括：树莓派的区块链系统及无人机；所述树莓派的区块链系统上搭载用于农田信息分析识别的深度学习模型，所述树莓派的区块链系统搭载到无人机上；所述无人机上还安装有多种传感器，用于对农田环境信息进行采集；所述无人机在工作过程中采集的信息传输至区块链节点，基于区块链节点的信息获得作物的种类、产量预估、生长状态、水肥信息及植物病虫信息。通过使用区块链技术，以深度学习为辅助，及时反馈农田信息，具有能够更加精准、智能、快速的进行农田信息监控的优点。
Description
技术领域
本发明属于农田信息监控技术领域，尤其涉及基于区块链的无人机智能农田信息采集和监控系统及方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
区块链是分布式的数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链是比特币的一个重要概念，其本质上是一个去中心化的数据库，同时作为比特币的底层技术，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次比特币网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。
发明人在研究中发现，现有的农作物生产交易存在以下一些问题：第一，生产交易信息闭塞，第三方用户很难获取农作物生长过程的原始数据；第二，收购方与种植户(农作物的原始所有者)之间很难建立交易信任度，现有的农作物很难实现有机生产，即使是收购方或第三方想对农作物进行安全生态检测，通常也只能随机采样检测，也很难达到真正的检测目的；第三，现有的设备系统等很难提供一个真正的农作物客观的定价模型，从而很难实现市场的真正的透明公平。
区块链作为一种新兴技术，具有分布式数据存储、点对点传输、共识机制等特点，能够确保更高的可见性、更高的容量利用率，并可能有助于降低整个系统的成本。近年来发展迅速，在医疗、公共资源等方面具有广泛的应用，同时在农业方面，将可能解决生产、管控、销售等方面的问题，因此区块链技术如何真正应用于农业成为当前重要课题之一。当前已有区块链在农产品溯源领域的应用，利用其分布式存储的特点对目标产品的相关信息进行存储。农田的种植者、销售者及管理者对各地农田种植品种、面积、病虫害等信息不能及时获取查看，从而不能很好的对价格进行分析调控，对种植面积进行规划。
深度学习技术近年来发展同样迅速，是机器学习和人工智能研究的最新趋势之一，也是当今最流行的科学研究趋势之一。具有更擅长解决复杂问题、可靠性更强、分析更快速的优点，在计算机视觉、文本识别、语音方面取得了巨大的成功。
深度学习是机器学习领域中一个新的研究方向，是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术，但是，目前还没有在农田信息上进行使用。
发明内容
为克服上述现有技术的不足，本发明提供了基于区块链的无人机智能农田信息采集和监控系统，通过使用区块链技术，以深度学习为辅助，及时反馈农田信息，具有能够更加精准、智能、快速的进行农田信息的监控。
为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
基于区块链的无人机智能农田信息采集和监控系统，包括：
树莓派的区块链系统及无人机；
所述树莓派的区块链系统上搭载用于农田信息分析识别的深度学习模型，所述树莓派的区块链系统搭载到无人机上；
所述无人机上还安装有多种传感器，用于对农田环境信息进行采集；
所述无人机在工作过程中采集的信息传输至区块链节点，基于区块链节点的信息获得作物的种类、产量预估、生长状态、水肥信息及植物病虫信息。
进一步的技术方案，所述树莓派的区块链系统可接入公有链或私有链。
进一步的技术方案，所述树莓派的区块链系统当需要向公众公开农田信息时可接入公有链，当进行私人交易或信息交换时可选择搭建私有链。
进一步的技术方案，所述深度学习模型根据输入的作物视频或图像对作物种类进行识别，对产量进行预估。
进一步的技术方案，所述无人机搭载的传感器采集的环境信息会与深度学习模型对农田信息的分析结果一同上实时上传至区块链节点。
基于区块链的无人机智能农田信息采集和监控方法，包括：
利用深度学习模型拍摄的作物视频或图像对作物种类进行识别，对产量进行预估；
无人机搭载的传感器采集的环境信息会与深度学习模型对农田信息的分析结果一同上实时上传至区块链节点；
通过综合各地各节点的农田信息更好的调整种植的作物的品种、面积，同时可及时预防或防治植物病虫害或施加所需肥料；
实时获取查看各地农田状况，以及时进行调控。
以上一个或多个技术方案存在以下有益效果：
通过使用区块链技术，以深度学习为辅助，及时反馈农田信息，具有能够更加精准、智能、快速的进行农田信息监控的优点。
将农田信息上传到区块链节点，相较于将数据上传至中心服务器的传统方式更加快速、方便，并且对不同角色发挥不同的作用。
对于种植者，通过综合各地各节点的农田信息可更好的调整种植的作物的品种、面积等，同时可及时预防或防治植物病虫害或施加所需肥料等；
对于管理者，可实时获取查看各地农田状况，以及时进行调控，比如对价格进行分析调控，对种植面积进行规划等；对于销售者，得益于区块链交易信息的不可篡改和可追溯及时间戳的特性，可保证交易的安全性。因为农田作物成熟信息上传的及时性和直接性，有利于缩短购买周期，得益于区块链交易也更加具有可信性。
本申请提供一种区块链与农田相结合的方案，通过运用深度学习技术的无人机进行农田信息采集和监控，区块链进行实时存储，从而达到快速、精准、及时推送农田信息。
通过运用深度学习可以对农田信息进行分析，包括作物产量、病虫害信息等，及时的反馈给种植者、销售者及管理者。
本申请利用深度学习快速分析农田信息，包括产量，病虫害信息，及时反馈给种植者，销售者，管理者。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例区块链技术应用图；
图2为本发明实施例无人机信息采集图；
图3为本发明实施例区块链信息上传图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了基于区块链的无人机智能农田信息采集和监控系统，包括：
树莓派的区块链系统及无人机；
树莓派的区块链系统包括树莓派以及在树莓派上搭建的基于区块链技术的平台，例如以太坊平台。树莓派负责上传信息，平台负责与其它节点交互、存储数据等。
所述树莓派的区块链系统上搭载用于农田信息分析识别的深度学习模型，所述树莓派的区块链系统搭载到无人机上；
在具体实施例子中，所述树莓派的区块链系统固定在无人机机身，可以使用简易支撑杆或胶水等可固定物品的东西。
无人机上还安装有多种传感器，用于对农田环境信息进行采集；
无人机的运行区域可为人为选定的区域，位置为人为设定。
无人机在工作过程中采集的信息传输至区块链节点，基于区块链节点的信息获得作物的种类、产量预估、生长状态、水肥信息及植物病虫信息。
区块链节点依据实际情况而定，测试阶段只有几个，若此种技术被推广使用，有可能达到成百上千个节点，甚至更多。每个节点接受的信息基本相同，如下面所述作物种类、产量预估情况…后续每个节点管理者或政府组织等均可下载完整数据，用于数据分析，制定策略，产品销售等活动。
作物的种类、产量预估、生长状态、水肥信息及植物病虫信息是通过事先放置到树莓派中的训练好的深度学习模型权重，对拍摄的农田照片自动进行分析所得。
树莓派的区块链系统可接入公有链或私有链。
树莓派的区块链系统当需要向公众公开农田信息时可接入公有链，当进行私人交易或信息交换时可选择搭建私有链。
深度学习模型根据输入的作物视频或图像对作物种类进行识别，对产量进行预估。
具体的，模型通过实现采集的农田信息训练所得。将训练好的模型权重放到树莓派中，输入命令使它自动运行，只要有图像输入便自动进行分析。输出的信息传输到该区块链节点，根据区块链特性，之后各节点会自动进行同步，同时树莓派本地备份一份分析所得数据。
无人机搭载的传感器采集的环境信息会与深度学习模型对农田信息的分析结果一同上实时上传至区块链节点。
在另一实施例子中，公开了基于区块链的无人机智能农田信息采集和监控方法，包括：
步骤1.：搭建基于树莓派的区块链系统
1.1根据实际情况确定接入公有链或私有链，例如当需要向公众公开农田信息时可接入公有链，当进行私人交易或信息交换时可选择搭建私有链。
1.2该区块链系统可对监测的农田信息上传至节点，包括作物种类、产量预估、生长状态等信息，还应包括作物环境温度、湿度、光照强度等信息。
1.3当作物成熟时还可公布作物销售价格进行销售活动。
步骤2：在树莓派上搭载用于农田信息分析识别的深度学习模型。
2.1搭载的深度学习模型通过无人机在农田上空活动拍摄的视频或图像进行农田信息的分析识别，包括作物种类、产量预估、生长状态等信息。
步骤3：将步骤1和2搭建的树莓派系统搭载到无人机上。
步骤4：同时在无人机上搭载光照强度、温度、湿度等传感器。
4.1通过搭载的传感器对农田环境信息进行采集。
无人机搭载的传感器采集的环境信息会与深度学习模型对农田信息的分析结果一同上实时上传至区块链节点。
步骤5：将改装后的无人机投入农田信息监测使用。
步骤6：将步骤5投入使用后采集的如步骤2与4所述信息上传至区块链节点。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.基于区块链的无人机智能农田信息采集和监控系统，其特征是，包括：
树莓派的区块链系统及无人机；
所述树莓派的区块链系统上搭载用于农田信息分析识别的深度学习模型，所述树莓派的区块链系统搭载到无人机上；
所述无人机上还安装有多种传感器，用于对农田环境信息进行采集；
所述无人机在工作过程中采集的信息传输至区块链节点，基于区块链节点的信息获得作物的种类、产量预估、生长状态、水肥信息及植物病虫信息。
2.如权利要求1所述的基于区块链的无人机智能农田信息采集和监控系统，其特征是，所述树莓派的区块链系统可接入公有链或私有链。
3.如权利要求1所述的基于区块链的无人机智能农田信息采集和监控系统，其特征是，所述树莓派的区块链系统当需要向公众公开农田信息时可接入公有链，当进行私人交易或信息交换时可选择搭建私有链。
4.如权利要求1所述的基于区块链的无人机智能农田信息采集和监控系统，其特征是，所述深度学习模型根据输入的作物视频或图像对作物种类进行识别，对产量进行预估。
5.如权利要求1所述的基于区块链的无人机智能农田信息采集和监控系统，其特征是，所述无人机搭载的传感器采集的环境信息会与深度学习模型对农田信息的分析结果一同上实时上传至区块链节点。
6.基于区块链的无人机智能农田信息采集和监控方法，其特征是，包括：
利用深度学习模型对拍摄的作物视频或图像对作物种类进行识别，对产量进行预估；
无人机搭载的传感器采集的环境信息会与深度学习模型对农田信息的分析结果一同上实时上传至区块链节点；
通过综合各地各节点的农田信息更好的调整种植的作物的品种、面积，同时可及时预防或防治植物病虫害或施加所需肥料；
实时获取查看各地农田状况，以及时进行调控。
7.如权利要求6所述的基于区块链的无人机智能农田信息采集和监控方法，其特征是，作物的种类、产量预估、生长状态、水肥信息及植物病虫信息是通过事先放置到树莓派中的训练好的深度学习模型权重，对拍摄的农田照片自动进行分析所得。
8.如权利要求6所述的基于区块链的无人机智能农田信息采集和监控方法，其特征是，深度学习模型通过对采集的农田信息训练所得，将训练好的模型权重放到树莓派中，输入命令自动运行，只要有图像输入便自动进行分析，输出的信息传输到该区块链节点，根据区块链特性，之后各节点会自动进行同步，同时树莓派本地备份一份分析所得数据。
9.如权利要求8所述的基于区块链的无人机智能农田信息采集和监控方法，其特征是，树莓派的区块链接入公有链或私有链。
10.如权利要求8所述的基于区块链的无人机智能农田信息采集和监控方法，区块链节点依据实际情况而定，每个节点接受的信息基本相同，每个节点管理者或政府组织等均可下载完整数据，用于数据分析，制定策略，产品销售活动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911370408.7A CN111062358A (zh) | 2019-12-26 | 2019-12-26 | 基于区块链的无人机智能农田信息采集和监控系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911370408.7A CN111062358A (zh) | 2019-12-26 | 2019-12-26 | 基于区块链的无人机智能农田信息采集和监控系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111062358A true CN111062358A (zh) | 2020-04-24 |
Family
ID=70303987
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911370408.7A Withdrawn CN111062358A (zh) | 2019-12-26 | 2019-12-26 | 基于区块链的无人机智能农田信息采集和监控系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062358A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561241A (zh) * | 2020-11-25 | 2021-03-26 | 山东浪潮质量链科技有限公司 | 一种基于区块链的数字农业管理方法及设备 |
| CN113408839A (zh) * | 2021-01-15 | 2021-09-17 | 金陵科技学院 | 一种基于区块链的工业机械的智能化生产模型 |
| CN113660467A (zh) * | 2021-08-18 | 2021-11-16 | 江西省科学院应用物理研究所 | 一种基于区块链技术的视频监控系统、方法、设备及介质 |
| CN115004994A (zh) * | 2022-06-16 | 2022-09-06 | 广西鸣鸣水果有限公司 | 一种基于数字地图的果树病虫害防控系统 |
| US11763557B1 (en) * | 2020-09-22 | 2023-09-19 | Sentera, Inc. | Permanent crop and permanent cropland analysis using aerial vehicles |
-
2019
- 2019-12-26 CN CN201911370408.7A patent/CN111062358A/zh not_active Withdrawn
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11763557B1 (en) * | 2020-09-22 | 2023-09-19 | Sentera, Inc. | Permanent crop and permanent cropland analysis using aerial vehicles |
| CN112561241A (zh) * | 2020-11-25 | 2021-03-26 | 山东浪潮质量链科技有限公司 | 一种基于区块链的数字农业管理方法及设备 |
| CN113408839A (zh) * | 2021-01-15 | 2021-09-17 | 金陵科技学院 | 一种基于区块链的工业机械的智能化生产模型 |
| CN113660467A (zh) * | 2021-08-18 | 2021-11-16 | 江西省科学院应用物理研究所 | 一种基于区块链技术的视频监控系统、方法、设备及介质 |
| CN115004994A (zh) * | 2022-06-16 | 2022-09-06 | 广西鸣鸣水果有限公司 | 一种基于数字地图的果树病虫害防控系统 |
| CN115004994B (zh) * | 2022-06-16 | 2023-12-08 | 广西鸣鸣水果有限公司 | 一种基于数字地图的果树病虫害防控系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111062358A (zh) | 基于区块链的无人机智能农田信息采集和监控系统及方法 | |
| Monteleone et al. | Analysis of the variables that affect the intention to adopt Precision Agriculture for smart water management in Agriculture 4.0 context | |
| CN106845428B (zh) | 一种作物产量遥感估算方法及系统 | |
| Murugamani et al. | Machine Learning Technique for Precision Agriculture Applications in 5G‐Based Internet of Things | |
| CN117036088A (zh) | 一种ai识别绿化植物生长态势的数据采集分析方法 | |
| CN113657751A (zh) | 一种智慧农业产融综合服务平台 | |
| CN109003198A (zh) | 一种基于大数据技术的精准农业管理平台及方法 | |
| Kumar et al. | Multiparameter optimization system with DCNN in precision agriculture for advanced irrigation planning and scheduling based on soil moisture estimation | |
| JP2022082636A (ja) | 情報処理装置 | |
| KR20210149622A (ko) | Vr 기반 스마트팜 교육 시스템 | |
| Chaudhary et al. | A critical review on hybrid framework for precise farming with application of Machine Learning (ML) and Internet of Things (IoT) | |
| Sharma et al. | Crop yield prediction using hybrid deep learning algorithm for smart agriculture | |
| Bellon Maurel et al. | Digital technology and agroecology: opportunities to explore, challenges to overcome | |
| Rabhi et al. | A connected farm metamodeling using advanced information technologies for an agriculture 4.0 | |
| Kasimati et al. | Management Information Systems and Emerging Technologies | |
| Filgueiras et al. | Digital Irrigation | |
| Ahmad et al. | Recent advances in precision agriculture | |
| SANCHI et al. | The Use of Computers in Agriculture: A Key to Improved Agricultural Productivity in the 21 st Century: A Review | |
| Dakhole et al. | Study of new trends in precision agriculture | |
| Bőgel | Competing in a smart world: the need for digital agriculture | |
| Wanyama et al. | Improving Nutrient Use Efficiency Through Fertigation Supported by Machine Learning and Internet of Things in a Context of Developing Countries: Lessons for Sub-Saharan Africa | |
| Vimal et al. | Sustainable Production of Underutilized Vegetables | |
| Bansal et al. | A study on IoT in the agriculture domain with future directions | |
| Singhal et al. | Innovation in Digital Farming: Relevance in the Present Scenario | |
| Govindarajan et al. | IoT based Smart Agriculture Monitoring using Support Vector Machine |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200424 |