CN111399508A - 智慧农业系统和智慧农业方法 - Google Patents
智慧农业系统和智慧农业方法 Download PDFInfo
- Publication number
- CN111399508A CN111399508A CN202010200558.XA CN202010200558A CN111399508A CN 111399508 A CN111399508 A CN 111399508A CN 202010200558 A CN202010200558 A CN 202010200558A CN 111399508 A CN111399508 A CN 111399508A
- Authority
- CN
- China
- Prior art keywords
- crop
- information
- agricultural
- fertilizer
- determined area
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 239000003337 fertilizer Substances 0.000 claims abstract description 65
- 239000002689 soil Substances 0.000 claims abstract description 45
- 238000013439 planning Methods 0.000 claims abstract description 17
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 86
- 229910052757 nitrogen Inorganic materials 0.000 claims description 44
- 235000016709 nutrition Nutrition 0.000 claims description 26
- 230000035764 nutrition Effects 0.000 claims description 25
- 239000002028 Biomass Substances 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 13
- 230000009418 agronomic effect Effects 0.000 claims description 10
- 230000004720 fertilization Effects 0.000 claims description 9
- 230000009194 climbing Effects 0.000 claims description 7
- 239000000618 nitrogen fertilizer Substances 0.000 claims description 5
- 238000005527 soil sampling Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000007480 spreading Effects 0.000 claims description 2
- 238000003892 spreading Methods 0.000 claims description 2
- 241000209094 Oryza Species 0.000 description 21
- 241000196324 Embryophyta Species 0.000 description 17
- 235000007164 Oryza sativa Nutrition 0.000 description 16
- 235000009566 rice Nutrition 0.000 description 16
- 238000009826 distribution Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 241000894007 species Species 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000035558 fertility Effects 0.000 description 4
- 229910052698 phosphorus Inorganic materials 0.000 description 4
- 229910052700 potassium Inorganic materials 0.000 description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 3
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 3
- 238000009313 farming Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 235000003715 nutritional status Nutrition 0.000 description 3
- 239000011574 phosphorus Substances 0.000 description 3
- 239000011591 potassium Substances 0.000 description 3
- 240000008467 Oryza sativa Japonica Group Species 0.000 description 2
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011777 magnesium Substances 0.000 description 2
- 239000011572 manganese Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012732 spatial analysis Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 229910052796 boron Inorganic materials 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000001863 plant nutrition Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000004856 soil analysis Methods 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- JBQYATWDVHIOAR-UHFFFAOYSA-N tellanylidenegermanium Chemical compound [Te]=[Ge] JBQYATWDVHIOAR-UHFFFAOYSA-N 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Soil Sciences (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智慧农业系统和智慧农业方法。该智慧农业系统，包括：农艺数据采集单元，获取确定区域的土壤信息和作物信息；农机数据采集单元，获取所述确定区域的所有者的农机的信息；需肥量确定单元，根据所述土壤信息和作物信息，利用预先建立的作物肥料需求模型，获取所述确定区域的各作物的需肥量；地块划分单元，根据各作物的需肥量将所述确定区域划分为多个板块；作业规划确定单元，根据各所述板块的地形信息和范围信息以及各所述农机的作业能力，确定各所述农机的作业路径。
Description
技术领域
本发明涉及智慧农业技术领域。
背景技术
以数字化、信息化为基础的智慧农业是未来农业的发展方向。技术的发展也使得农机越来越智能化。但目前存在数据综合利用率不高、与农机配合低效、在线监测与自我调控的能力薄弱、不能完全发挥农机功能的问题。施肥、病虫害防治方面等方面存在对数据利用不足，对农机能力发挥不尽的问题。
发明内容
本发明鉴于以上问题提出，用以缓解和消除现有技术存在的一个或更多个问题，至少提供一种有益的选择。
根据本发明的一个方面，提供了智慧农业系统，包括：农艺数据采集单元，获取确定区域的土壤信息和作物信息；农机数据采集单元，获取所述确定区域的所有者的农机的信息；需肥量确定单元，根据所述土壤信息和作物信息，利用预先建立的作物肥料需求模型，获取所述确定区域的各作物的需肥量；地块划分单元，根据各作物的需肥量将所述确定区域划分为多个板块；作业规划确定单元，根据各所述板块的地形信息和范围信息以及各所述农机的作业能力，确定各所述农机的作业路径。
根据一种实施方式，所述土壤信息来自现场采样；所述智慧农业系统还包括采样点确定单元，所述采样点确定单元根据近期预定年数内所述确定区域内的作物信息和施肥信息、当前作物信息，确定土壤采样点。
根据一种实施方式，所述作物信息包括作物种类和作物成长阶段，所述作物肥料需求模型根据所述土壤信息、所述作物种类和所述作物成长阶段确定最佳施肥量。
进一步地，所述氮肥需求量RY的计算模型为：RY＝A*NNI+B，其中，A为模型的系数；B为模型的常量；NNI氮营养指数，NNI＝Nt/Nc，Nt是作物地上部氮浓度实际值(％)；Nc是相同地上部生物量对应的临界氮浓度(％)，当NNI＝1，植株氮素营养已经达到适宜状态；当NNI>1，植株氮素营养吸收过多；当NNI<1，植株氮素营养缺乏，当NNI＝1时，此时施肥量最适宜。
进一步地，Nt＝M*R+N，其中，M为最优模型的系数，N为最优模型的常量，M、N值对应不同生育期，数值不同；R为敏感波段原始光谱反射值。
进一步地，Nc＝aW-b，其中，中Nc表征作物地上部生物量对应的临界氮浓度(％)，W为作物地上部生物量最大值(t/ha)，a为地上部生物量为1t/ha时的氮浓度，b为控制该曲线斜率的统计参数。
根据一种实施方式，所述作物信息包括作物种类和作物成长阶段，农艺数据采集单元还获取所述确定区域的天气状况，所述作物肥料需求模型根据所述土壤信息、所述确定区域的天气状况、所述作物种类和所述作物成长阶段确定最佳施肥量。
根据一种实施方式，所述农机的信息包括农机的转弯、爬坡能力、载肥量信息、单位时间施肥量信息、适合作物信息。
根据一种实施方式，所述作物信息包括作物种类和作物成长阶段、各板块的植株信息，所述作物肥料需求模型根据所述土壤信息、作物种类信息、所述作物种类和所述作物成长阶段、各板块的植株信息确定施肥量。
根据一种实施方式，通过遥感技术手段获得所述植株信息、所述作物种类和所述作物成长阶段信息。
根据一种实施方式，所述农机的信息包括农机的变量施肥能力信息，所述作业规划确定单元根据各农机的所述变量施肥能力信息确定各农机的作业路径。
根据本发明的另一个方面，提供了一种智慧农业方法，包括：农艺数据采集步骤，获取确定区域的土壤信息和作物信息；农机数据采集步骤，获取所述确定区域的所有者的农机的信息；需肥量确定步骤，根据所述土壤信息和作物信息，利用预先建立的作物肥料需求模型，获取所述确定区域的各作物的需肥量；地块划分步骤，根据各作物的需肥量将所述确定区域划分为多个板块；作业规划确定步骤，根据各所述板块的地形信息和范围信息以及各所述农机的作业能力，确定各所述农机的作业路径。
根据一种实施方式，所述作物信息包括作物种类和作物成长阶段，所述农艺数据采集步骤还获取所述确定区域的天气状况，所述作物肥料需求模型根据所述土壤信息、所述确定区域的天气状况、所述作物种类和所述作物成长阶段确定最佳施肥量；所述农机的信息包括农机的转弯、爬坡能力、载肥量信息、单位时间施肥量信息、适合作物信息、变量施肥能力信息。
进一步地，所述作业规划确定步骤至少包含以下步骤：
S1：对外边界、障碍点平滑化处理；
S2：根据起始点startpoint和方向点directpoint对外边界进行处理；
S3：将边界、障碍点转换成平面坐标(墨卡托坐标投影)并转换到第一象限；
S4：对带内部障碍的地块进行切分；
S5：对子地块路径规划；
S6：路径离散化；
S7：作业路径坐标变换；
S8：继续选择合适的子地块，重复步骤S5至S8，直至完成全部路径规划。
利用本发明的实施方式，根据施肥量将每块地划分成多个板块，能够实现施肥精细化和精准化。
利用本发明的实施方式，根据施肥量和农机能力，进行路径规划和农机分配，能够实现农机能力的充分利用以及工作效率的提高。
附图说明
结合附图，可以更好地理解本发明。但是附图仅仅是示例性的，也不是按照比例绘制的，不是对本发明的保护范围的限制。
图1示出了依据本发明的一种实施方式的智慧农业系统的示意性方框图；
图2示出了依据本发明的一种实施方式的智慧农业方法的示意性流程图；
图3示出了半圆形转弯方式的示意图。
具体实施方式
下面结合附图，对本发明的具体实施方式进行详细描述。这些描述都是示例性的，不是对本发明的保护范围的限制。
图1示出了依据本发明的一种实施方式的智慧农业系统的示意性方框图。如图1所示，根据本发明的一种实施方式的智慧农业系统包括：农艺数据采集单元10，获取确定区域的土壤信息和作物信息；农机数据采集单元20，获取所述确定区域的所有者的农机的信息；需肥量确定单元30，根据所述土壤信息和作物信息，利用预先建立的作物肥料需求模型，获取所述确定区域的各作物的需肥量；地块划分单元40，根据各作物的需肥量将所述确定区域划分为多个板块；作业规划确定单元50，根据各所述板块的地形信息和范围信息以及各所述农机的作业能力，确定各所述农机的作业路径。
根据一种实施方式，还包括指令发送单元60，根据各所述农机的作业路径和路径各处施肥量，确定农机作业指令，并发送给相应农机。
根据一种实施方式，所述土壤信息来自现场采样；所述智慧农业系统还包括采样点确定单元，所述采样点确定单元根据近期预定年数内所述确定区域内的作物信息和施肥信息、当前作物信息，确定土壤采样点。这个预定的年数可以是近三年。土壤采样以及递送需要人工，土壤分析需要耗费人力物力。因而合理确定采样点能够有效地在准确性和成本之间构建平衡。可以实行轮换式的采样，根据该3年内某一地块作物种类是否变换、施肥种类和数量，当前都进行了什么作物的耕种，来确定采样点。其原则是使得未采样的地点能够根据空间分析模型、插值法以及推算法来以一定置信度确定出相对准确的土壤情况。
根据一种实施方式，在多个阶段进行土壤采样。采样主要用于获得土壤营养基础数据。例如农艺数据采集单元10可以获得分别在翻地后插秧前、插秧后2-3周，灌浆早期，收割后1-2周(共4次)每5亩采集的一个土壤样本而检测的硝态氮、铵态氮、有效磷、有效钾土壤指标，获取土壤营养基础数据。
空间分析模型可以采用对较为均一的采样空间常用的反距离加权平均法(IDW)来对各土壤指标分布进行插值分析来生成。明确土壤肥力pH、电导率(EC)、有机质、硝态氮(NO3 -)、铵态氮(NH4 +)、有效磷(P)、有效钾(K)、有效硫(S)、交换性钙含量(Ca)、交换性镁含量(Mg)、有效硼(B)、有效铁(Fe)、有效锰(Mn)、有效锌(Zn)、有效铜(Cu)、全氮(N)、全磷(P)、全钾(K)、有效硅(Si)、水(碱)解性氮等20个指标的空间分布特征，以获取全田土壤营养分布图。
根据一种实施方式，所述作物信息包括作物种类和作物成长阶段，所述作物肥料需求模型根据所述土壤信息、所述作物种类和所述作物成长阶段确定最佳施肥量。
根据一种实施方式，作物信息包括作物种类和作物成长阶段，农艺数据采集单元还获取所述确定区域的天气状况，作物肥料需求模型根据所述土壤信息、所述确定区域的天气状况、所述作物种类和所述作物成长阶段确定最佳施肥量。
根据一种实施方式，农艺数据采集单元10可获得通过物联网设备监测土壤水分、温度、EC及空气温度、湿度获得的数据，以及对叶样进行营养状态实验室检测获得数据，以及利用无人机近地面遥感设备收集确定的水稻不同生育期采集水稻冠层植被指数。作物肥料需求模型可以根据土壤水分、温度、EC及空气温度、湿度，以及作物的种类，按照作物的生长阶段，确定该阶段作物的最佳施肥量。
该作物肥料需求模型可以根据历史数据(例如肥力、温度、和作物产量等)通过大数据分析来建立。并可以由专家进行调整。也可以根据科学研究结果进行调整。建立好的作物肥料需求模型可以根据科学的最新研究进行调整。这里的调整，可以例如为参数调整。
进一步地，所述氮肥需求量RY的计算模型为：RY＝A*NNI+B，其中，A为模型的系数；B为模型的常量；NNI氮营养指数，NNI＝Nt/Nc，Nt是作物地上部氮浓度实际值(％)；Nc是相同地上部生物量对应的临界氮浓度(％)，当NNI＝1，植株氮素营养已经达到适宜状态；当NNI>1，植株氮素营养吸收过多；当NNI<1，植株氮素营养缺乏，当NNI＝1时，此时施肥量最适宜。
进一步地，Nt＝M*R+N，其中，M为最优模型的系数，N为最优模型的常量，M、N值对应不同生育期，数值不同；R为敏感波段原始光谱反射值。
进一步地，Nc＝aW-b，其中，中Nc表征作物地上部生物量对应的临界氮浓度(％)，W为作物地上部生物量最大值(t/ha)，a为地上部生物量为1t/ha时的氮浓度，b为控制该曲线斜率的统计参数。
根据一种实施方式，农艺数据采集单元10还采集植株信息，确定植株当前的营养状态。根据一种实施方式，利用空间分析建模明确多个指标的空间分布特征，以优化未来针对生产的实际所需植物营养采样密度；通过合适的空间插值分析方法如克里格或IDW等对各指标分布进行插值分析，以获取全田植物营养分布图。根据所需肥力和营养分布图，生成进行精确施肥图。
在水稻的情况下，需肥量确定单元30例如根据氮营养指数NNI与水稻不同生育阶段氮肥需求量RY的定量关系，氮肥需求量的计算模型为：RY＝-570.83NNI+573.04(籼稻，拔节孕穗期)，RY＝-597.02NNI+601.13(籼稻，抽穗期)，RY＝-1217.7NNI+1225.9(籼稻，齐穗期)；RY＝-753.11NNI+573.04(拔节孕穗期，粳稻)，RY＝-875.09NNI+891.56(抽穗期，粳稻)RY＝-839.23*NNI+842.42(齐穗期，甬优1540)。
其中，氮营养指数(nitrogennutritionindex，NNI)为水稻地上部氮浓度实测值与相同地上部生物量的临界氮浓度比值：
式中：Nt是水稻地上部氮浓度实际值(％)；Nc是相同地上部生物量对应的临界氮浓度(％)，当NNI＝1，水稻植株氮素营养已经达到适宜状态；当NNI>1，水稻植株氮素营养吸收过多；当NNI<1，水稻植株氮素营养缺乏。
建立氮营养指数(NNI)与相对产量的模型，呈二次函数曲线关系，即水稻相对产量随植株NNI增大先升高后降低，不同生育时期方程的决定系数，均达到显著水平，随生育进程推进，可计算得到每个生育时期最大相对产量对应植株的NNI。
根据一种实施方式，Nt可如下地获得：
通过原始光谱反射值和水稻植株氮浓度反演确定各生育期最优模型为:
Nt＝5.37R+1.37(分蘖期)，
Nt＝16.88R+1.224(拔节孕穗期)，
Nt＝7.745R+13.73(抽穗期)。
其中Nt为水稻植株氮浓度，R为敏感波段原始光谱反射值，根据地物光谱仪测量数据，提取敏感波段。通过提取敏感波段，选择合适的敏感波段值，再检验各时期的相关系数r、均方根差(RMSE)和相对误差，筛选出各生育期水稻氮素估测的较优模型均为基于一阶微分高光谱所构建的模型。
根据一种实施方式，如下确定临界氮浓度Nc与生物量的变化关系：
Nc＝aW-b
式中Nc表征水稻地上部生物量对应的临界氮浓度(％)，W为水稻地上部生物量最大值(t/ha)，a为地上部生物量为1t/ha时的氮浓度，b为控制该曲线斜率的统计参数。
根据本发明的一些实施方式，对于水稻，作物肥料需求模型可采用土壤水分-作物养分-肥力管理模型。
土壤水分-作物养分-肥力管理模型是通过物联网设备监测土壤水分、温度、EC及空气温度、湿度等指标，实现对全田环境基础数据的连续监控和记录。取叶样，进行营养状态实验室检测(N、P、K等11个指标)以明确水稻生长与土壤肥力的关系。利用无人机近地面遥感设备对水稻不同生育期采集水稻冠层植被指数，明确植物长势和营养状态空间分布特征，并生成施肥操作配方图。通过无人机遥感技术，可获得的4波段多光谱(红、绿、红边、近红外)以及RGB遥感原始图像数据(空间分辨率3-5厘米/像素)经过预处理、拼接和合成分析，同时进行部分卫星遥感数据的对比分析用于参考。然后其数据指标为归一化植被指数(NDVI)用于表示总体的植被分布情况，另基于NDVI值通过模型计算估计了水稻单位面积中的叶面积指数(LAI，m2/m2)，从而可以得到植物长势和营养状态空间分布特征，用于表示水稻发育和长势情况，即营养情况。
能够根据全田土壤营养分布图和全田植物营养分布图，依据作物种类和作物成长阶段确定施肥量。
地块划分单元40，根据各作物的需肥量将所述确定区域划分为多个板块。将需要进行相同施肥量的相邻土地分为同一板块。另外，也可根据作业的方便，将不规则的需要相同施肥量的土地板块，划分为数个板块。
根据一种实施方式，所述农机的信息包括农机的转弯、爬坡能力、载肥量信息、单位时间施肥量信息、适合作物信息。由于有些作物较高，或者需要入水，因而一种农机一般仅适合于一种或数种的作物。
各作物的空间所处的田地的空间可能不同。有些地方会有转弯、爬坡等限制。因而对于不同板块对于农机的要求也有不同。
作业规划确定单元50可以根据各板块的肥料需求量(基肥变量处方图)，各板块的对施肥机械的要求信息，以及可支配的农机及其作用能力，设置各农机的作业路径规划，标记已指定地点、待指定地点、作业起点、作业终点。
指令发送单元60，根据各所述农机的作业路径和路径各处施肥量，确定农机作业指令，并发送给相应农机。农机手或农机可以查看变量处方图的状态(待执行、执行中、已完成)依据农机作业指令来进行农机操作。
进一步，农机的信息可以包括农机的变量施肥能力信息，所述作业规划确定单元50根据各农机的变量施肥能力信息确定各农机的作业路径。如果农机具有变量施肥能力，则其作业范围就可以不限于一个板块，可以对施肥需求量不同的板块进行施肥，会方便施肥的路径规划，甚至可实现按秧苗施肥的更精细化管理。
根据一种实施方式，作业规划确定单元50可以天气信息和作物信息，来确定各作物的任务完成期限，根据各作物的任务完成期限，以及可用农机的能力，来确定各农机的作业路径。天气信息，例如降温、大风等。例如如果预期出现大风，则应该尽快收割受大风影响大的作物，例如易倒伏作物。
在进行路径规划时，可以根据撒肥量、作业亩数、作业时间等，依据农机参数(如最小转弯半径、作业宽度、轴距、轮距等)，依据地块起点，生成路径。
根据一种实施方式，转弯时可以利用往返式作业方式(牛耕法)和半圆形转弯方式。
图3示出了半圆形转弯方式的示意图。
根据一种实施方式，具体地块的路径规划可以依据以下的方法进行：
S1：对外边界、障碍点平滑化处理；
S2：根据起始点startpoint和方向点directpoint对外边界进行处理；
S3：将边界、障碍点转换成平面坐标(墨卡托坐标投影)并转换到第一象限；
S4：对带内部障碍的地块进行切分；
S5：对子地块路径规划；
S6：路径离散化；
S7：作业路径坐标变换；
S8：继续选择合适的子地块，转S5，直至完成全部路径规划。
在步骤S5，可以采用半圆形转弯方式。直线路径与转弯配合，即可完成子地块路径规划。可以根据地块边界、地块内部障碍边界、作业起始点、作业方向点、农机最小转弯半径、轴距、轮距、作业宽度、定位基准点与作业机具的纵向距离来确定转弯半径和直线路径。
作业规划确定单元50可以根据任务完成期限，基于当前农机的能力，给出所缺的农机的种类和能力范围。从而有助于进行农机的购买、租赁或改装。
图2示出了依据本发明的一种实施方式的智慧农业方法的示意性流程图。
如图2所示，根据本发明的一种实施方式的智慧农业方法，包括：农艺数据采集步骤S10，获取确定区域的土壤信息和作物信息；农机数据采集步骤S20，获取所述确定区域的所有者的农机的信息；需肥量确定步骤S30，根据所述土壤信息和作物信息，利用预先建立的作物肥料需求模型，获取所述确定区域的各作物的需肥量；地块划分步骤S40，根据各作物的需肥量将所述确定区域划分为多个板块；作业规划确定步骤S50，根据各所述板块的地形信息和范围信息以及各所述农机的作业能力，确定各所述农机的作业路径。
根据一种实施方式，还包括指令发送步骤S60，根据各所述农机的作业路径和路径各处施肥量，确定农机作业指令，并发送给相应农机。
各步骤的实现可以参照上文对各对应单元的说明。
根据一种实施方式，所述作物信息包括作物种类和作物成长阶段，所述农艺数据采集步骤还获取所述确定区域的天气状况，所述作物肥料需求模型根据所述土壤信息、所述确定区域的天气状况、所述作物种类和所述作物成长阶段确定最佳施肥量；所述农机的信息包括农机的转弯、爬坡能力、载肥量信息、单位时间施肥量信息、适合作物信息、变量施肥能力信息。
本发明的各单元以及各步骤，可以通过经编程的计算机来实现，也可以通过专有的硬件来实现。农艺数据和农机数据可以通过有线或无线的连接远程输入而获得，也可以通过键盘、鼠标或触摸屏输入而获得。
本发明的上述详细的描述仅仅给本领域技术人员更进一步的详细内容，以用于实施本发明的优选方面，并且不会对本发明的范围进行限制。仅有权利要求用于确定本发明的保护范围。因此，在前述详细描述中的特征和步骤的结合不是必要的用于在最宽广的范围内实施本发明，并且可替换地仅对本发明的特别详细描述的代表性实施例给出教导。此外，为了获得本发明的附加有用实施例，在说明书中给出教导的各种不同的特征可通过多种方式结合，然而这些方式没有特别地被例举出来。
Claims (14)
1.一种智慧农业系统，其特征在于，包括：
农艺数据采集单元，获取确定区域的土壤信息和作物信息；
农机数据采集单元，获取所述确定区域的所有者的农机的信息；
需肥量确定单元，根据所述土壤信息和作物信息，利用预先建立的作物肥料需求模型，获取所述确定区域的各作物的需肥量；
地块划分单元，根据各作物的需肥量将所述确定区域划分为多个板块；
作业规划确定单元，根据各所述板块的地形信息和范围信息以及各所述农机的作业能力，确定各所述农机的作业路径。
2.根据权利要求1所述的智慧农业系统，其特征在于，所述土壤信息来自现场采样；
所述智慧农业系统还包括采样点确定单元，所述采样点确定单元根据近期预定年数内所述确定区域内的作物信息和施肥信息、当前作物信息，确定土壤采样点。
3.根据权利要求1所述的智慧农业系统，其特征在于，所述作物信息包括作物种类和作物成长阶段，所述作物肥料需求模型根据所述土壤信息、所述作物种类和所述作物成长阶段确定最佳施肥量。
4.根据权利要求3所述的智慧农业系统，其特征在于，所述氮肥需求量RY的计算模型为：RY＝A*NNI+B，其中，A为模型的系数；B为模型的常量；NNI氮营养指数，NNI＝Nt/Nc，Nt是作物地上部氮浓度实际值(％)；Nc是相同地上部生物量对应的临界氮浓度(％)，当NNI＝1，植株氮素营养已经达到适宜状态；当NNI>1，植株氮素营养吸收过多；当NNI<1，植株氮素营养缺乏，当NNI＝1时，此时施肥量最适宜。
5.根据权利要求4所述的智慧农业系统，其特征在于，Nt＝M*R+N，其中，M为最优模型的系数，N为最优模型的常量，M、N值对应不同生育期，数值不同；R为敏感波段原始光谱反射值。
6.根据权利要求4所述的智慧农业系统，其特征在于，Nc＝aW-b，其中，中Nc表征作物地上部生物量对应的临界氮浓度(％)，W为作物地上部生物量最大值(t/ha)，a为地上部生物量为1t/ha时的氮浓度，b为控制该曲线斜率的统计参数。
7.根据权利要求1所述的智慧农业系统，其特征在于，所述作物信息包括作物种类和作物成长阶段，农艺数据采集单元还获取所述确定区域的天气状况，所述作物肥料需求模型根据所述土壤信息、所述确定区域的天气状况、所述作物种类和所述作物成长阶段确定最佳施肥量。
8.根据权利要求1所述的智慧农业系统，其特征在于，所述农机的信息包括农机的转弯、爬坡能力、载肥量信息、单位时间施肥量信息、适合作物信息。
9.根据权利要求1所述的智慧农业系统，其特征在于，所述作物信息包括作物种类和作物成长阶段、各板块的植株信息，所述作物肥料需求模型根据所述土壤信息、作物种类信息、所述作物种类和所述作物成长阶段、各板块的植株信息确定施肥量。
10.根据权利要求9所述的智慧农业系统，其特征在于，通过遥感技术手段获得所述植株信息、所述作物种类和所述作物成长阶段信息，所述作业规划确定单元在进行路径规划时，根据撒肥量、作业亩数、作业时间，依据农机的最小转弯半径、作业宽度、轴距、轮距，按照地块起点，生成路径。
11.根据权利要求9所述的智慧农业系统，其特征在于，所述农机的信息包括农机的变量施肥能力信息，所述作业规划确定单元根据各农机的所述变量施肥能力信息确定各农机的作业路径。
12.一种智慧农业方法，其特征在于，包括：
农艺数据采集步骤，获取确定区域的土壤信息和作物信息；
农机数据采集步骤，获取所述确定区域的所有者的农机的信息；
需肥量确定步骤，根据所述土壤信息和作物信息，利用预先建立的作物肥料需求模型，获取所述确定区域的各作物的需肥量；
地块划分步骤，根据各作物的需肥量将所述确定区域划分为多个板块；
作业规划确定步骤，根据各所述板块的地形信息和范围信息以及各所述农机的作业能力，确定各所述农机的作业路径。
13.根据权利要求12所述的智慧农业方法，其特征在于，所述作物信息包括作物种类和作物成长阶段，所述农艺数据采集步骤还获取所述确定区域的天气状况，所述作物肥料需求模型根据所述土壤信息、所述确定区域的天气状况、所述作物种类和所述作物成长阶段确定最佳施肥量；所述农机的信息包括农机的转弯、爬坡能力、载肥量信息、单位时间施肥量信息、适合作物信息、变量施肥能力信息。
14.根据权利要求12所述的智慧农业方法，其特征在于：所述作业规划确定步骤至少包含以下步骤：
S1：对外边界、障碍点平滑化处理；
S2：根据起始点startpoint和方向点directpoint对外边界进行处理；
S3：将边界、障碍点转换成平面坐标(墨卡托坐标投影)并转换到第一象限；
S4：对带内部障碍的地块进行切分；
S5：对子地块路径规划；
S6：路径离散化；
S7：作业路径坐标变换；
S8：继续选择合适的子地块，重复步骤S5至S8，直至完成全部路径规划。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010200558.XA CN111399508B (zh) | 2020-03-20 | 2020-03-20 | 智慧农业系统和智慧农业方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010200558.XA CN111399508B (zh) | 2020-03-20 | 2020-03-20 | 智慧农业系统和智慧农业方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111399508A true CN111399508A (zh) | 2020-07-10 |
| CN111399508B CN111399508B (zh) | 2023-12-22 |
Family
ID=71436389
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010200558.XA Active CN111399508B (zh) | 2020-03-20 | 2020-03-20 | 智慧农业系统和智慧农业方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111399508B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111890154A (zh) * | 2020-07-31 | 2020-11-06 | 广东博智林机器人有限公司 | 打磨方法 |
| CN112258331A (zh) * | 2020-10-26 | 2021-01-22 | 安庆中春自动化技术有限公司 | 一种基于大数据的农作物种植生长及环境智能监测分析系统 |
| CN112273023A (zh) * | 2020-11-19 | 2021-01-29 | 塔里木大学 | 一种基于北斗导航的施肥机智能控制系统 |
| CN112381663A (zh) * | 2020-11-10 | 2021-02-19 | 北京博创联动科技有限公司 | 变量作业处理方法、装置、平台及存储介质 |
| CN112703834A (zh) * | 2020-12-03 | 2021-04-27 | 广州极飞科技股份有限公司 | 扫边路径规划方法、地块平整作业路径确定方法及装置 |
| CN113016286A (zh) * | 2021-02-22 | 2021-06-25 | 中国农业机械化科学研究院 | 一种变量播种施肥方法和施肥系统及装置 |
| CN113778110A (zh) * | 2021-11-11 | 2021-12-10 | 山东中天宇信信息技术有限公司 | 一种基于机器学习的智能农机控制方法及系统 |
| CN114488921A (zh) * | 2022-04-14 | 2022-05-13 | 山东省农业机械科学研究院 | 一种智慧果园物联网管控系统 |
| CN114521376A (zh) * | 2022-02-11 | 2022-05-24 | 塔里木大学 | 应用于农机作业的田块尺度枣园变量网格施肥图制作方法 |
| CN114757326A (zh) * | 2021-06-22 | 2022-07-15 | 布瑞克农业大数据科技集团有限公司 | 一种基于人工智能确定农场作物施肥配方的方法和系统 |
| CN115226457A (zh) * | 2022-07-29 | 2022-10-25 | 驻马店市驿城区禾绿农业开发有限公司 | 应用于农机作业的田块施肥图制作方法 |
| CN115226458A (zh) * | 2022-07-29 | 2022-10-25 | 驻马店市驿城区禾绿农业开发有限公司 | 一种无人驾驶农机施肥控制方法 |
| CN116762539A (zh) * | 2023-08-09 | 2023-09-19 | 布瑞克农业大数据科技集团有限公司 | 一种农作物智能施肥方法 |
| CN117158173A (zh) * | 2023-10-10 | 2023-12-05 | 常熟市农业科技发展有限公司 | 一种基于神经网络模型的农业高效率施肥系统及施肥方法 |
| CN117577212A (zh) * | 2024-01-17 | 2024-02-20 | 山东商务职业学院 | 一种生态农业信息服务管理系统 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080157990A1 (en) * | 2006-12-29 | 2008-07-03 | Pioneer Hi-Bred International, Inc. | Automated location-based information recall |
| CN102498812A (zh) * | 2011-10-09 | 2012-06-20 | 浙江大学 | 水稻水肥生态耦合管理的氮磷减排方法 |
| CN102722973A (zh) * | 2012-06-29 | 2012-10-10 | 深圳市赛格导航科技股份有限公司 | 基于gps的智能农业作业系统及其作业方法 |
| CN102982486A (zh) * | 2012-11-14 | 2013-03-20 | 北京农业信息技术研究中心 | 一种基于作物长势遥感监测信息的施肥决策方法 |
| CN103901833A (zh) * | 2012-12-28 | 2014-07-02 | 中国科学院沈阳自动化研究所 | 一种农机田间作业管理与监控的车载计算机及其方法 |
| CN103918392A (zh) * | 2014-04-18 | 2014-07-16 | 福建省林业科学研究院 | 一种杉木和马尾松种子园平衡施肥的实验方法 |
| CN104238512A (zh) * | 2014-09-04 | 2014-12-24 | 奇瑞重工股份有限公司 | 分布式农机管理方法、系统和平台 |
| US20150302305A1 (en) * | 2014-04-21 | 2015-10-22 | The Climate Corporation | Generating an agriculture prescription |
| CN108036717A (zh) * | 2017-11-30 | 2018-05-15 | 北京博创联动科技有限公司 | 一种农机作业面积测量方法及装置 |
| CN108205322A (zh) * | 2017-12-29 | 2018-06-26 | 西安智加科技有限公司 | 一种不借助地图自动生成作业路径的农机作业方法及系统 |
| CN108370699A (zh) * | 2018-03-15 | 2018-08-07 | 淮南市宋王优质粮食种植农民专业合作社 | 一种测土配方施肥的方法 |
| CN109685267A (zh) * | 2018-12-21 | 2019-04-26 | 华中农业大学 | 一种农业机械作业服务分析系统和方法 |
| CN109726848A (zh) * | 2018-11-20 | 2019-05-07 | 江苏智途科技股份有限公司 | 一种智慧农业大数据服务平台 |
| CN109829589A (zh) * | 2019-02-14 | 2019-05-31 | 中科赛诺（北京）科技有限公司 | 制作土壤施肥处方图的方法、土壤精准施肥处方图及应用 |
| CN110400097A (zh) * | 2019-08-08 | 2019-11-01 | 陈�峰 | 一种测土施肥的一种信息化方法 |
| CN110502021A (zh) * | 2019-09-24 | 2019-11-26 | 一米信息服务(北京)有限公司 | 一种农机作业路径规划方法及系统 |
-
2020
- 2020-03-20 CN CN202010200558.XA patent/CN111399508B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080157990A1 (en) * | 2006-12-29 | 2008-07-03 | Pioneer Hi-Bred International, Inc. | Automated location-based information recall |
| CN102498812A (zh) * | 2011-10-09 | 2012-06-20 | 浙江大学 | 水稻水肥生态耦合管理的氮磷减排方法 |
| CN102722973A (zh) * | 2012-06-29 | 2012-10-10 | 深圳市赛格导航科技股份有限公司 | 基于gps的智能农业作业系统及其作业方法 |
| CN102982486A (zh) * | 2012-11-14 | 2013-03-20 | 北京农业信息技术研究中心 | 一种基于作物长势遥感监测信息的施肥决策方法 |
| CN103901833A (zh) * | 2012-12-28 | 2014-07-02 | 中国科学院沈阳自动化研究所 | 一种农机田间作业管理与监控的车载计算机及其方法 |
| CN103918392A (zh) * | 2014-04-18 | 2014-07-16 | 福建省林业科学研究院 | 一种杉木和马尾松种子园平衡施肥的实验方法 |
| US20150302305A1 (en) * | 2014-04-21 | 2015-10-22 | The Climate Corporation | Generating an agriculture prescription |
| CN104238512A (zh) * | 2014-09-04 | 2014-12-24 | 奇瑞重工股份有限公司 | 分布式农机管理方法、系统和平台 |
| CN108036717A (zh) * | 2017-11-30 | 2018-05-15 | 北京博创联动科技有限公司 | 一种农机作业面积测量方法及装置 |
| CN108205322A (zh) * | 2017-12-29 | 2018-06-26 | 西安智加科技有限公司 | 一种不借助地图自动生成作业路径的农机作业方法及系统 |
| CN108370699A (zh) * | 2018-03-15 | 2018-08-07 | 淮南市宋王优质粮食种植农民专业合作社 | 一种测土配方施肥的方法 |
| CN109726848A (zh) * | 2018-11-20 | 2019-05-07 | 江苏智途科技股份有限公司 | 一种智慧农业大数据服务平台 |
| CN109685267A (zh) * | 2018-12-21 | 2019-04-26 | 华中农业大学 | 一种农业机械作业服务分析系统和方法 |
| CN109829589A (zh) * | 2019-02-14 | 2019-05-31 | 中科赛诺（北京）科技有限公司 | 制作土壤施肥处方图的方法、土壤精准施肥处方图及应用 |
| CN110400097A (zh) * | 2019-08-08 | 2019-11-01 | 陈�峰 | 一种测土施肥的一种信息化方法 |
| CN110502021A (zh) * | 2019-09-24 | 2019-11-26 | 一米信息服务(北京)有限公司 | 一种农机作业路径规划方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 张晓晟, 陈清, 张宏彦, 程昌秀, 李晓林: "用于无公害蔬菜生产的氮素平衡推荐决策系统", 农业工程学报, no. 03 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111890154A (zh) * | 2020-07-31 | 2020-11-06 | 广东博智林机器人有限公司 | 打磨方法 |
| CN111890154B (zh) * | 2020-07-31 | 2021-08-31 | 广东博智林机器人有限公司 | 打磨方法 |
| CN112258331A (zh) * | 2020-10-26 | 2021-01-22 | 安庆中春自动化技术有限公司 | 一种基于大数据的农作物种植生长及环境智能监测分析系统 |
| CN112258331B (zh) * | 2020-10-26 | 2021-07-23 | 广东新智农信息科技有限公司 | 一种基于大数据的农作物种植生长及环境智能监测分析系统 |
| CN112381663A (zh) * | 2020-11-10 | 2021-02-19 | 北京博创联动科技有限公司 | 变量作业处理方法、装置、平台及存储介质 |
| CN112273023A (zh) * | 2020-11-19 | 2021-01-29 | 塔里木大学 | 一种基于北斗导航的施肥机智能控制系统 |
| CN112703834A (zh) * | 2020-12-03 | 2021-04-27 | 广州极飞科技股份有限公司 | 扫边路径规划方法、地块平整作业路径确定方法及装置 |
| CN113016286A (zh) * | 2021-02-22 | 2021-06-25 | 中国农业机械化科学研究院 | 一种变量播种施肥方法和施肥系统及装置 |
| CN114757326A (zh) * | 2021-06-22 | 2022-07-15 | 布瑞克农业大数据科技集团有限公司 | 一种基于人工智能确定农场作物施肥配方的方法和系统 |
| CN113778110A (zh) * | 2021-11-11 | 2021-12-10 | 山东中天宇信信息技术有限公司 | 一种基于机器学习的智能农机控制方法及系统 |
| CN114521376A (zh) * | 2022-02-11 | 2022-05-24 | 塔里木大学 | 应用于农机作业的田块尺度枣园变量网格施肥图制作方法 |
| CN114488921A (zh) * | 2022-04-14 | 2022-05-13 | 山东省农业机械科学研究院 | 一种智慧果园物联网管控系统 |
| CN114488921B (zh) * | 2022-04-14 | 2022-08-16 | 山东省农业机械科学研究院 | 一种智慧果园物联网管控系统 |
| US11889793B2 (en) | 2022-04-14 | 2024-02-06 | Shandong Academy Of Agricultural Machinery Sciences | Internet-of-things management and control system for intelligent orchard |
| CN115226457A (zh) * | 2022-07-29 | 2022-10-25 | 驻马店市驿城区禾绿农业开发有限公司 | 应用于农机作业的田块施肥图制作方法 |
| CN115226458A (zh) * | 2022-07-29 | 2022-10-25 | 驻马店市驿城区禾绿农业开发有限公司 | 一种无人驾驶农机施肥控制方法 |
| CN115226458B (zh) * | 2022-07-29 | 2024-05-03 | 驻马店志恒信息科技有限公司 | 一种无人驾驶农机施肥控制方法 |
| CN116762539A (zh) * | 2023-08-09 | 2023-09-19 | 布瑞克农业大数据科技集团有限公司 | 一种农作物智能施肥方法 |
| CN117158173A (zh) * | 2023-10-10 | 2023-12-05 | 常熟市农业科技发展有限公司 | 一种基于神经网络模型的农业高效率施肥系统及施肥方法 |
| CN117577212A (zh) * | 2024-01-17 | 2024-02-20 | 山东商务职业学院 | 一种生态农业信息服务管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111399508B (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111399508B (zh) | 智慧农业系统和智慧农业方法 | |
| Diacono et al. | Precision nitrogen management of wheat. A review | |
| Munnaf et al. | Site-specific seeding using multi-sensor and data fusion techniques: A review | |
| Hedley | The role of precision agriculture for improved nutrient management on farms | |
| Raj et al. | Precision agriculture and unmanned aerial Vehicles (UAVs) | |
| CN110110595B (zh) | 一种基于卫星遥感影像的农田画像及药肥大数据分析方法 | |
| US11846624B2 (en) | In-ground sensor systems with modular sensors and wireless connectivity components | |
| Roy et al. | Precision farming: A step towards sustainable, climate-smart agriculture | |
| CN103823371A (zh) | 基于神经网络模型的农业精准施肥系统及施肥方法 | |
| CN117352083B (zh) | 一种基于物联网技术的土壤精准施肥方法 | |
| Corwin | Site-specific management and delineating management zones | |
| Schmidhalter et al. | Precision farming–adaptation of land use management to small scale heterogeneity | |
| Liu et al. | Winter wheat yield estimation based on assimilated Sentinel-2 images with the CERES-Wheat model | |
| Brar et al. | Precision nutrient management: A review | |
| Sudhakar et al. | Computer Vision Based Machine Learning and Deep Learning Approaches for Identification of Nutrient Deficiency in Crops: A Survey. | |
| Holland et al. | Proximal fluorescence sensing of potassium responsive crops to develop improved predictions of biomass, yield and grain quality of wheat and barley | |
| Bazkiaee et al. | The rice yield gap estimation using integrated system approaches: a case study—Guilan province, Iran | |
| Kabir et al. | Variable fertilizer recommendation for grass production by image–based growth status | |
| CN112733780A (zh) | 一种基于卫星影像的土壤有效磷分析模型构建系统及方法 | |
| Reyes et al. | Early prediction of winter cereals yield: A preliminary study based on machine learning technique as a strategic tool for fertilization and field management | |
| Santos et al. | Evaluation of sugarcane yield response to a phosphate-solubilizing microbial inoculant: Using an aerial imagery-based model | |
| Koc et al. | Alfalfa biomass estimation using crop surface modeling and NDVI | |
| US20240224840A1 (en) | System and method for turning irrigation pivots into a network of robots for optimizing fertilization | |
| Leo | Potential of remote and proximal sensing, publicly available datasets and machine learning for site-specific management in Australian irrigated cotton systems | |
| Stafford | Site-specific nutrient management systems Dan S. Long, USDA-ARS, USA |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200925 Address after: 241080 16 e - Xi Road, San Shan Economic Development Zone, Wuhu, Anhui Applicant after: Zhonglian Agricultural Machinery Co.,Ltd. Address before: 241080 Anhui province Wuhu City mountain Economic Development Zone E Xi Road No. 16 Applicant before: ANHUI MODERN AGRICULTURAL EQUIPMENT INDUSTRY TECHNOLOGY RESEARCH INSTITUTE Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210611 Address after: 241080 No.16, Anxi Road, Sanshan District, Wuhu City, Anhui Province Applicant after: Zoomlion smart Agriculture Co.,Ltd. Address before: 241080 No.16, exi Road, economic development zone, Sanshan District, Wuhu City, Anhui Province Applicant before: Zhonglian Agricultural Machinery Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |