CN111563625A - 一种基于物联网对农作物喷洒药物的方法、装置及介质 - Google Patents
一种基于物联网对农作物喷洒药物的方法、装置及介质 Download PDFInfo
- Publication number
- CN111563625A CN111563625A CN202010383362.9A CN202010383362A CN111563625A CN 111563625 A CN111563625 A CN 111563625A CN 202010383362 A CN202010383362 A CN 202010383362A CN 111563625 A CN111563625 A CN 111563625A
- Authority
- CN
- China
- Prior art keywords
- insect pests
- plant diseases
- residual
- diseases
- environmental parameters
- 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 51
- 238000005507 spraying Methods 0.000 title claims abstract description 31
- 239000000575 pesticide Substances 0.000 title claims abstract description 22
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 280
- 201000010099 disease Diseases 0.000 claims abstract description 246
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 246
- 241000238631 Hexapoda Species 0.000 claims abstract description 228
- 230000007613 environmental effect Effects 0.000 claims abstract description 104
- 239000003814 drug Substances 0.000 claims abstract description 59
- 229940079593 drug Drugs 0.000 claims abstract description 50
- 239000007921 spray Substances 0.000 claims abstract description 34
- 238000004891 communication Methods 0.000 claims abstract description 32
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 210000002569 neuron Anatomy 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 2
- 241000196324 Embryophyta Species 0.000 description 104
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000005286 illumination Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 241000209140 Triticum Species 0.000 description 3
- 235000021307 Triticum Nutrition 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 241000221785 Erysiphales Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G13/00—Protecting plants
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/05—Agriculture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Toxicology (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Biomedical Technology (AREA)
- Agronomy & Crop Science (AREA)
- Environmental & Geological Engineering (AREA)
- Artificial Intelligence (AREA)
- Environmental Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
Abstract
本申请公开了一种基于物联网对农作物喷洒药物的方法，包括：在预设区域内，通过物联网中的传感器测量环境参数，并将环境参数通过通信模块上传至服务器；服务器根据环境参数输入至预先建立的预测模型，预测出预设区域内病虫害的种类与病虫害的数量；服务器根据病虫害的种类喷洒对应的第一类药物，并根据病虫害的数量喷洒对应容量的第一类药物；在预设区域内，通过物联网中的图像采集节点识别残留病虫害，得出残留病虫害的种类、残留病虫害的数量，并将残留病虫害的种类、残留病虫害的数量通过通信模块上传至服务器；服务器根据残留病虫害的种类喷洒对应的第二类药物，并根据残留病虫害的数量喷洒对应容量的第二类药物。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种基于物联网对农作物喷洒药物的方法、装置及介质。
背景技术
物联网(The Internet of Things，简称IOT)是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集任何需要监控、连接、互动的物体或过程，采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息，通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。物联网是一个基于互联网、传统电信网等的信息承载体，它让所有能够被独立寻址的普通物理对象形成互联互通的网络。
由于人口增长和社会发展，世界粮食需求也将越来越多。目前，由于地下水位下降、气候变化、可耕种土地减少以及病虫害泛滥等原因，实现粮食增产的难度极大。其中，病虫害是造成粮食减产的主要因素之一。病虫害防治一直是粮食增产增效亟待解决的问题。然而，由于传统的病虫害防治仍然以人工为主，依靠定期为农作物喷洒农药，病虫害防治技术发展相对落后，很难达到对病虫害实时有效的防治，尤其在病虫害大面积爆发时，对农作物造成危害较为严重，所以，可以基于物联网技术对农作物喷洒药物。
发明内容
有鉴于此，本申请实施例提供了一种基于物联网对农作物喷洒药物的方法、装置及介质，用于解决现有技术中病虫害防治技术发展相对落后的问题。
本申请实施例采用下述技术方案：
本申请实施例提供一种基于物联网对农作物喷洒药物的方法，所述方法包括：
在预设区域内，通过物联网中的传感器测量环境参数，并将所述环境参数通过通信模块上传至服务器；
所述服务器根据所述环境参数输入至预先建立的预测模型，预测出所述预设区域内病虫害的种类与病虫害的数量；
所述服务器根据所述病虫害的种类喷洒对应的第一类药物，并根据所述病虫害的数量喷洒对应容量的所述第一类药物；
在所述预设区域内，通过物联网中的图像采集节点识别残留病虫害，得出所述残留病虫害的种类、所述残留病虫害的数量，并将所述残留病虫害的种类、所述残留病虫害的数量通过通信模块上传至所述服务器；
所述服务器根据所述残留病虫害的种类喷洒对应的第二类药物，并根据所述残留病虫害的数量喷洒对应容量的所述第二类药物。
进一步的，所述服务器根据所述环境参数输入至预先建立的预测模型，预测出所述预设区域内病虫害的种类与病虫害的数量前，所述方法还包括：
所述服务器获得多组历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量；
所述服务器建立初始的预测模型；
所述服务器根据所述多组历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量，训练初始的预测模型，得出符合预设条件的预测模型。
进一步的，所述服务器根据所述多组历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量，训练初始的预测模型，得出符合预设条件的预测模型，具体包括：
所述服务器将多组历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量构建数据集，并按照预先设定的比例将所述数据集划分为训练集与验证集，将训练集中的历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量输入至所述初始的预测模型，通过全连接层神经网络隐含层的神经元，计算历史环境参数和历史环境参数对应的病虫害的种类与病虫害的数量之间的权重关系，并不断迭代调整，当得到预设的权重关系值后，将验证集中的历史环境参数作为输入，按照所述权重关系预测出所述历史环境参数对应的病虫害的种类与病虫害的数量，并和验证集中的历史环境参数对应的病虫害的种类与病虫害的数量进行对比，若误差值大于预设值则通过反向调整权重关系，直到误差值小于或等于预设值，得出符合条件的预测模型。
进一步的，所述得出符合条件的预测模型后，所述方法还包括：
所述服务器判断预测模型得出的历史环境参数对应的病虫害的种类与病虫害的数量，与数据集中历史环境参数对应的病虫害的种类与病虫害的数量，之间的相关系数是否处于预设阈值；
若所述服务器判断出预测模型得出的历史环境参数对应的病虫害的种类与病虫害的数量，与数据集中历史环境参数对应的病虫害的种类与病虫害的数量，之间的相关系数未处于预设阈值，采用预设算法优化所述预测模型，以便于提高所述预测模型的预测精度。
进一步的，所述采用预设算法优化所述预测模型，具体包括：
所述服务器采用所述预设算法调整训练步数、训练步长、神经元的个数以及隐藏层的层数中的一个或多个，进而优化所述预测模型。
进一步的，所述预设算法为梯度下降算法。
进一步的，将所述残留病虫害的种类、所述残留病虫害的数量通过通信模块上传至所述服务器后，所述方法还包括：
在所述预设区域内，通过物联网中的图像采集节点获取每个残留病虫害所处的位置信息，并将每个残留病虫害所处的位置信息发送至服务器；
所述服务器根据每个残留病虫的位置信息、残留病虫害的数量以及残留病虫害的种类，绘制残留病虫害的区域分布图，以便可视化显示所述预设区域内病虫害的区域分布状况。
进一步的，所述通信模块为采用ZigBee无线通讯技术的通信模块。
进一步的，其特征在于，所述环境参数包括地理位置、温度、湿度、风速、光照、降雨量。
本申请实施例还提供一种基于物联网对农作物喷洒药物的装置，所述装置包括：
测量单元，在预设区域内，用于通过物联网中的传感器测量环境参数，并将所述环境参数通过通信模块上传至服务器；
预测单元，用于所述服务器根据所述环境参数输入至预先建立的预测模型，预测出所述预设区域内病虫害的种类与病虫害的数量；
第一执行单元，用于所述服务器根据所述病虫害的种类喷洒对应的第一类药物，并根据所述病虫害的数量喷洒对应容量的所述第一类药物；
识别单元，用于在所述预设区域内，通过物联网中的图像采集节点识别残留病虫害，得出所述残留病虫害的种类、所述残留病虫害的数量，并将所述残留病虫害的种类、所述残留病虫害的数量通过通信模块上传至所述服务器；
第二执行单元，用于所述服务器根据所述残留病虫害的种类喷洒对应的第二类药物，并根据所述残留病虫害的数量喷洒对应容量的所述第二类药物。
本申请实施例还提供一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行下述的方法：
在预设区域内，通过物联网中的传感器测量环境参数，并将所述环境参数通过通信模块上传至服务器；
所述服务器根据所述环境参数输入至预先建立的预测模型，预测出所述预设区域内病虫害的种类与病虫害的数量；
所述服务器根据所述病虫害的种类喷洒对应的第一类药物，并根据所述病虫害的数量喷洒对应容量的所述第一类药物；
在所述预设区域内，通过物联网中的图像采集节点识别残留病虫害，得出所述残留病虫害的种类、所述残留病虫害的数量，并将所述残留病虫害的种类、所述残留病虫害的数量通过通信模块上传至所述服务器；
所述服务器根据所述残留病虫害的种类喷洒对应的第二类药物，并根据所述残留病虫害的数量喷洒对应容量的所述第二类药物。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例通过物联网中的传感器测量环境参数，进而服务器通过测量的环境参数预测出预设区域内病虫害的种类与病虫害的数量，针对预测出预设区域内病虫害的种类与病虫害的数量喷洒对应容量的第一类药物。此外，在预设区域内，本申请还需要通过物联网中的图像采集节点识别残留病虫害，进而得出残留病虫害的种类、残留病虫害的数量，服务器针对残留病虫害的种类、残留病虫害的数量喷洒对应容量的第二类药物。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例一提供的一种基于物联网对农作物喷洒药物的方法的流程示意图；
图2为本说明书实施例三提供的一种基于物联网对农作物喷洒药物的方法装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例一提供的一种基于物联网对农作物喷洒药物的方法的流程示意图，具体包括：
步骤S101，在预设区域内，通过物联网中的传感器测量环境参数，并将所述环境参数通过通信模块上传至服务器。
步骤S102，所述服务器根据所述环境参数输入至预先建立的预测模型，预测出所述预设区域内病虫害的种类与病虫害的数量。
步骤S103，所述服务器根据所述病虫害的种类喷洒对应的第一类药物，并根据所述病虫害的数量喷洒对应容量的所述第一类药物。
步骤S104，在所述预设区域内，通过物联网中的图像采集节点识别残留病虫害，得出所述残留病虫害的种类、所述残留病虫害的数量，并将所述残留病虫害的种类、所述残留病虫害的数量通过通信模块上传至所述服务器。
步骤S105，所述服务器根据所述残留病虫害的种类喷洒对应的第二类药物，并根据所述残留病虫害的数量喷洒对应容量的所述第二类药物。
本申请实施例通过物联网中的传感器测量环境参数，进而服务器通过测量的环境参数预测出预设区域内病虫害的种类与病虫害的数量，针对预测出预设区域内病虫害的种类与病虫害的数量喷洒对应容量的第一类药物。此外，在预设区域内，本申请还需要通过物联网中的图像采集节点识别残留病虫害，进而得出残留病虫害的种类、残留病虫害的数量，服务器针对残留病虫害的种类、残留病虫害的数量喷洒对应容量的第二类药物。
与上述实施例一对应的，下述为本说明书实施例二提供的一种基于物联网对农作物喷洒药物的方法，具体包括：
步骤S201，在预设区域内，通过物联网中的传感器测量环境参数，并将所述环境参数通过通信模块上传至服务器。
在本说明书实施例的步骤S201中，环境参数包括地理位置、温度、湿度、风速、光照、降雨量。经过大量数据研究，环境参数是病虫害的种类与病虫害的数量的重要因素。比如，大多数害虫的生长速度随着温度升高而加快，温度升高导致害虫的生长周期缩短，反之则延长。温度还会影响害虫的数量、迁徙、生殖、寿命等，同时，地理位置、湿度也是导致病虫害发生的关键因素。春季降雨量以及冬季降雨量的增加易引发小麦白粉病流行，降雨量在有利时会加快病虫害的流行，不利时又会起到抑制的效果。风速也会对病虫害产生影响，相关调查已表明长江流域小麦白粉病的流行程度与小麦生育期间的平均风速呈正相关关系。影响病虫害的环境因素还有光照，光照强度对于昆虫的迁飞时间以及发育都会产生影响，通常情况下，若光照强度过大，可使得害虫的发育受到抑制，甚至死亡。物联网中的传感器为获取地理位置、温度、湿度、风速、光照、降雨量的传感器，比如，获取地理位置的可以为GPS定位模块；获取温度的可以为温度传感器；获取湿度可以为湿度传感器；获取风速可以为风速传感器；获取光照可以为光照传感器；获取降雨量可以为雨水传感器。通信模块可以为采用ZigBee无线通讯技术的通信模块。预设区域可以为预先划分的区域，比如，以1公顷的土地为预设区域。
步骤S202，所述服务器根据所述环境参数输入至预先建立的预测模型，预测出所述预设区域内病虫害的种类与病虫害的数量。
在本说明书实施例的步骤S202中，本步骤可以通过环境参数预测出当前病虫害的种类与病虫害的数量，也可以通过环境参数预测出未来病虫害的种类与病虫害的数量，做到对预设区域的防治工作。
在本说明书实施例的步骤S202中，执行该步骤前，还需要执行的步骤包括：服务器获得多组历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量；服务器建立初始的预测模型；服务器根据所述多组历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量，训练初始的预测模型，得出符合预设条件的预测模型。
进一步的，在本说明书实施例的步骤S202中，服务器根据所述多组历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量，训练初始的预测模型，得出符合预设条件的预测模型，具体包括：
服务器将多组历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量构建数据集，并按照预先设定的比例将所述数据集划分为训练集与验证集，将训练集中的历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量输入至所述初始的预测模型，通过全连接层神经网络隐含层的神经元，计算历史环境参数和历史环境参数对应的病虫害的种类与病虫害的数量之间的权重关系，并不断迭代调整，当得到预设的权重关系值后，将验证集中的历史环境参数作为输入，按照所述权重关系预测出所述历史环境参数对应的病虫害的种类与病虫害的数量，并和验证集中的历史环境参数对应的病虫害的种类与病虫害的数量进行对比，若误差值大于预设值则通过反向调整权重关系，直到误差值小于或等于预设值，得出符合条件的预测模型。比如，预设的权重关系值可以为历史环境参数与历史环境参数对应的病虫害的种类与病虫害的数量的权重关系值3：1，预设值可以0.1。
在本说明书实施例的步骤S202中，执行步骤得出符合条件的预测模型后，还需要执行的步骤包括：服务器判断预测模型得出的历史环境参数对应的病虫害的种类与病虫害的数量，与数据集中历史环境参数对应的病虫害的种类与病虫害的数量，之间的相关系数是否处于预设阈值；若所述服务器判断出预测模型得出的历史环境参数对应的病虫害的种类与病虫害的数量，与数据集中历史环境参数对应的病虫害的种类与病虫害的数量，之间的相关系数未处于预设阈值，采用预设算法优化所述预测模型，以便于提高所述预测模型的预测精度。其中，预设阈值可以为0.95-1。
进一步的，在本说明书实施例的步骤S202中，采用预设算法优化所述预测模型，具体包括：
所述服务器采用所述预设算法调整训练步数、训练步长、神经元的个数以及隐藏层的层数中的一个或多个，进而优化所述预测模型。其中，预设算法可以为梯度下降算法。
步骤S203，所述服务器根据所述病虫害的种类喷洒对应的第一类药物，并根据所述病虫害的数量喷洒对应容量的所述第一类药物。
在本说明书实施例的步骤S203中，通过步骤S201、S202、S203，初步对农作物喷洒药物，对病虫害进行初步防治。若通过步骤S201、S202、S203后，还残留有病虫害，则需要后续步骤对残留病虫害进一步进行防治。其中，第一类药物为防治当前病虫害的种类与病虫害的数量的药物。
步骤S204，在所述预设区域内，通过物联网中的图像采集节点识别残留病虫害，得出所述残留病虫害的种类、所述残留病虫害的数量，并将所述残留病虫害的种类、所述残留病虫害的数量通过通信模块上传至所述服务器。在本说明书实施例的步骤S204中，可以通过物联网中的图像采集节点获取当前的农作物图像，在该图像中得出残留病虫害的种类与残留病虫害的数量。
步骤S205，所述服务器根据所述残留病虫害的种类喷洒对应的第二类药物，并根据所述残留病虫害的数量喷洒对应容量的所述第二类药物。
在本说明书实施例的步骤S205中，第二类药物可用于防治当前残留病虫的种类与残留病虫害的数量，第一类药物与第二类药物为针对不同病虫害的种类与病虫害的数量配制的不同药物。在喷洒完第二类药物后，残留的病虫害将再一次得到防治，使得农作物可以有更好的生长环境。
进一步的，将所述残留病虫害的种类、所述残留病虫害的数量通过通信模块上传至所述服务器后，所述方法还包括：
在所述预设区域内，通过物联网中的图像采集节点获取每个残留病虫害所处的位置信息，并将每个残留病虫害所处的位置信息发送至服务器；
所述服务器根据每个残留病虫的位置信息、残留病虫害的数量以及残留病虫害的种类，绘制残留病虫害的区域分布图，以便可视化显示所述预设区域内病虫害的区域分布状况。
通过查看病虫害的区域分布状况，了解预设区域内残留病虫害的情况，可以对预设区域的病虫害防治起到更好的效果。
需要说明的是，本申请实施例可以通过步骤S201与步骤S202预测出当前病虫害的种类与病虫害的数量以及未来病虫害的种类与病虫害的数量，再通过对预设区域的农作物喷洒第一类药物对病虫害进行防治，若是存在残留病虫害，再通过物联网中的图像采集节点识别残留病虫害，得出残留病虫害的种类、残留病虫害的数量，再通过对预设区域的农作物喷洒第二类药物对残留病虫害进行防治，其中，通过物联网中的图像采集节点识别病虫害，可以更精确的识别出残留病虫害的种类、残留病虫害的数量。但要是跳过步骤S201-步骤S203，直接通过物联网中的图像采集节点识别残留病虫害，将无法起到预测未来病虫害的种类与病虫害的数量，此外，先通过步骤S201-步骤S203，可以对病虫害的种类与病虫害的数量进行筛选，增加图像采集节点识别残留病虫害的种类、残留病虫害的数量的精确度。本申请实施例通过物联网中的传感器测量环境参数，进而服务器通过测量的环境参数预测出预设区域内病虫害的种类与病虫害的数量，针对预测出预设区域内病虫害的种类与病虫害的数量喷洒对应容量的第一类药物。此外，在预设区域内，本申请还需要通过物联网中的图像采集节点识别残留病虫害，进而得出残留病虫害的种类、残留病虫害的数量，服务器针对残留病虫害的种类、残留病虫害的数量喷洒对应容量的第二类药物。
与上述实施例二对应的，图2为本说明书实施例三提供的一种基于物联网对农作物喷洒药物的装置的结构示意图，包括：测量单元1、预测单元2、第一执行单元3、识别单元4、第二执行单元5。
测量单元1在预设区域内，用于通过物联网中的传感器测量环境参数，并将所述环境参数通过通信模块上传至服务器；
预测单元2用于所述服务器根据所述环境参数输入至预先建立的预测模型，预测出所述预设区域内病虫害的种类与病虫害的数量；
第一执行单元3用于所述服务器根据所述病虫害的种类喷洒对应的第一类药物，并根据所述病虫害的数量喷洒对应容量的所述第一类药物；
识别单元4用于在所述预设区域内，通过物联网中的图像采集节点识别残留病虫害，得出所述残留病虫害的种类、所述残留病虫害的数量，并将所述残留病虫害的种类、所述残留病虫害的数量通过通信模块上传至所述服务器；
第二执行单元5用于所述服务器根据所述残留病虫害的种类喷洒对应的第二类药物，并根据所述残留病虫害的数量喷洒对应容量的所述第二类药物。
本申请实施例还提供一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行下述的方法：
在预设区域内，通过物联网中的传感器测量环境参数，并将所述环境参数通过通信模块上传至服务器；
所述服务器根据所述环境参数输入至预先建立的预测模型，预测出所述预设区域内病虫害的种类与病虫害的数量；
所述服务器根据所述病虫害的种类喷洒对应的第一类药物，并根据所述病虫害的数量喷洒对应容量的所述第一类药物；
在所述预设区域内，通过物联网中的图像采集节点识别残留病虫害，得出所述残留病虫害的种类、所述残留病虫害的数量，并将所述残留病虫害的种类、所述残留病虫害的数量通过通信模块上传至所述服务器；
所述服务器根据所述残留病虫害的种类喷洒对应的第二类药物，并根据所述残留病虫害的数量喷洒对应容量的所述第二类药物。
本申请实施例通过物联网中的传感器测量环境参数，进而服务器通过测量的环境参数预测出预设区域内病虫害的种类与病虫害的数量，针对预测出预设区域内病虫害的种类与病虫害的数量喷洒对应容量的第一类药物。此外，在预设区域内，本申请还需要通过物联网中的图像采集节点识别残留病虫害，进而得出残留病虫害的种类、残留病虫害的数量，服务器针对残留病虫害的种类、残留病虫害的数量喷洒对应容量的第二类药物。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、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装置。
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装置的制造品，该指令装置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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于物联网对农作物喷洒药物的方法，其特征在于，所述方法包括：
在预设区域内，通过物联网中的传感器测量环境参数，并将所述环境参数通过通信模块上传至服务器；
所述服务器根据所述环境参数输入至预先建立的预测模型，预测出所述预设区域内病虫害的种类与病虫害的数量；
所述服务器根据所述病虫害的种类喷洒对应的第一类药物，并根据所述病虫害的数量喷洒对应容量的所述第一类药物；
在所述预设区域内，通过物联网中的图像采集节点识别残留病虫害，得出所述残留病虫害的种类、所述残留病虫害的数量，并将所述残留病虫害的种类、所述残留病虫害的数量通过通信模块上传至所述服务器；
所述服务器根据所述残留病虫害的种类喷洒对应的第二类药物，并根据所述残留病虫害的数量喷洒对应容量的所述第二类药物。
2.根据权利要求1所述的基于物联网对农作物喷洒药物的方法，其特征在于，所述服务器根据所述环境参数输入至预先建立的预测模型，预测出所述预设区域内病虫害的种类与病虫害的数量前，所述方法还包括：
所述服务器获得多组历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量；
所述服务器建立初始的预测模型；
所述服务器根据所述多组历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量，训练初始的预测模型，得出符合预设条件的预测模型。
3.根据权利要求2所述的基于物联网对农作物喷洒药物的方法，其特征在于，所述服务器根据所述多组历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量，训练初始的预测模型，得出符合预设条件的预测模型，具体包括：
所述服务器将多组历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量构建数据集，并按照预先设定的比例将所述数据集划分为训练集与验证集，将训练集中的历史环境参数以及每组历史环境参数对应的病虫害的种类与病虫害的数量输入至所述初始的预测模型，通过全连接层神经网络隐含层的神经元，计算历史环境参数和历史环境参数对应的病虫害的种类与病虫害的数量之间的权重关系，并不断迭代调整，当得到预设的权重关系值后，将验证集中的历史环境参数作为输入，按照所述权重关系预测出所述历史环境参数对应的病虫害的种类与病虫害的数量，并和验证集中的历史环境参数对应的病虫害的种类与病虫害的数量进行对比，若误差值大于预设值则通过反向调整权重关系，直到误差值小于或等于预设值，得出符合条件的预测模型。
4.根据权利要求3所述的基于物联网对农作物喷洒药物的方法，其特征在于，所述得出符合条件的预测模型后，所述方法还包括：
所述服务器判断预测模型得出的历史环境参数对应的病虫害的种类与病虫害的数量，与数据集中历史环境参数对应的病虫害的种类与病虫害的数量，之间的相关系数是否处于预设阈值；
若所述服务器判断出预测模型得出的历史环境参数对应的病虫害的种类与病虫害的数量，与数据集中历史环境参数对应的病虫害的种类与病虫害的数量，之间的相关系数未处于预设阈值，采用预设算法优化所述预测模型，以便于提高所述预测模型的预测精度。
5.根据权利要求4所述的基于物联网对农作物喷洒药物的方法，其特征在于，所述采用预设算法优化所述预测模型，具体包括：
所述服务器采用所述预设算法调整训练步数、训练步长、神经元的个数以及隐藏层的层数中的一个或多个，进而优化所述预测模型。
6.根据权利要求1所述的基于物联网对农作物喷洒药物的方法，其特征在于，将所述残留病虫害的种类、所述残留病虫害的数量通过通信模块上传至所述服务器后，所述方法还包括：
在所述预设区域内，通过物联网中的图像采集节点获取每个残留病虫害所处的位置信息，并将每个残留病虫害所处的位置信息发送至服务器；
所述服务器根据每个残留病虫的位置信息、残留病虫害的数量以及残留病虫害的种类，绘制残留病虫害的区域分布图，以便可视化显示所述预设区域内病虫害的区域分布状况。
7.根据权利要求1所述的基于物联网对农作物喷洒药物的方法，其特征在于，所述通信模块为采用ZigBee无线通讯技术的通信模块。
8.根据权利要求1-7任意一项所述的基于物联网对农作物喷洒药物的方法，其特征在于，所述环境参数包括地理位置、温度、湿度、风速、光照、降雨量。
9.一种基于物联网对农作物喷洒药物的装置，其特征在于，所述装置包括：
测量单元，在预设区域内，用于通过物联网中的传感器测量环境参数，并将所述环境参数通过通信模块上传至服务器；
预测单元，用于所述服务器根据所述环境参数输入至预先建立的预测模型，预测出所述预设区域内病虫害的种类与病虫害的数量；
第一执行单元，用于所述服务器根据所述病虫害的种类喷洒对应的第一类药物，并根据所述病虫害的数量喷洒对应容量的所述第一类药物；
识别单元，用于在所述预设区域内，通过物联网中的图像采集节点识别残留病虫害，得出所述残留病虫害的种类、所述残留病虫害的数量，并将所述残留病虫害的种类、所述残留病虫害的数量通过通信模块上传至所述服务器；
第二执行单元，用于所述服务器根据所述残留病虫害的种类喷洒对应的第二类药物，并根据所述残留病虫害的数量喷洒对应容量的所述第二类药物。
10.一种计算机可读介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现权利要求1至8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010383362.9A CN111563625A (zh) | 2020-05-08 | 2020-05-08 | 一种基于物联网对农作物喷洒药物的方法、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010383362.9A CN111563625A (zh) | 2020-05-08 | 2020-05-08 | 一种基于物联网对农作物喷洒药物的方法、装置及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111563625A true CN111563625A (zh) | 2020-08-21 |
Family
ID=72071850
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010383362.9A Pending CN111563625A (zh) | 2020-05-08 | 2020-05-08 | 一种基于物联网对农作物喷洒药物的方法、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111563625A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113095555A (zh) * | 2021-03-31 | 2021-07-09 | 佛山一本农业科技有限公司 | 基于物联网的农作物病虫害监控方法、系统及存储介质 |
| CN113317295A (zh) * | 2021-05-14 | 2021-08-31 | 北京百瑞盛田环保科技发展有限公司 | 一种施药监管方法、装置及系统 |
| CN113326952A (zh) * | 2021-05-14 | 2021-08-31 | 北京百瑞盛田环保科技发展有限公司 | 一种施药监管方法、装置及系统 |
| 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 |
| WO2022108516A1 (en) * | 2020-11-18 | 2022-05-27 | Hijo Ip Pte Ltd. | Crop disease prediction and treatment based on artificial intelligence (ai) and machine learning (ml) models |
| CN116681544A (zh) * | 2023-08-02 | 2023-09-01 | 四川永坚新能源科技有限公司 | 农作物环境信息处理方法、电子设备和计算机可读介质 |
| US20230329159A1 (en) * | 2022-04-14 | 2023-10-19 | Shandong Academy Of Agricultural Machinery Sciences | Internet-of-things management and control system for intelligent orchard |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107783522A (zh) * | 2017-10-18 | 2018-03-09 | 来安县威光绿园生态农业专业合作社 | 一种基于物联网的农作物病虫害智能防治系统 |
| CN108271753A (zh) * | 2018-01-05 | 2018-07-13 | 广州翼鲲生物科技有限公司 | 一种害虫防治方法和系统 |
| CN110050619A (zh) * | 2019-05-10 | 2019-07-26 | 广西润桂科技有限公司 | 基于精准气象保障技术的无人机甘蔗病虫害防治喷药方法 |
| CN110703661A (zh) * | 2019-10-29 | 2020-01-17 | 铜陵市清华宝能源设备有限责任公司 | 一种农作物病虫害监控系统及其控制方法 |
-
2020
- 2020-05-08 CN CN202010383362.9A patent/CN111563625A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107783522A (zh) * | 2017-10-18 | 2018-03-09 | 来安县威光绿园生态农业专业合作社 | 一种基于物联网的农作物病虫害智能防治系统 |
| CN108271753A (zh) * | 2018-01-05 | 2018-07-13 | 广州翼鲲生物科技有限公司 | 一种害虫防治方法和系统 |
| CN110050619A (zh) * | 2019-05-10 | 2019-07-26 | 广西润桂科技有限公司 | 基于精准气象保障技术的无人机甘蔗病虫害防治喷药方法 |
| CN110703661A (zh) * | 2019-10-29 | 2020-01-17 | 铜陵市清华宝能源设备有限责任公司 | 一种农作物病虫害监控系统及其控制方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022108516A1 (en) * | 2020-11-18 | 2022-05-27 | Hijo Ip Pte Ltd. | Crop disease prediction and treatment based on artificial intelligence (ai) and machine learning (ml) models |
| CN113095555A (zh) * | 2021-03-31 | 2021-07-09 | 佛山一本农业科技有限公司 | 基于物联网的农作物病虫害监控方法、系统及存储介质 |
| CN113095555B (zh) * | 2021-03-31 | 2024-01-23 | 容城县爱家卫生用品有限公司 | 基于物联网的农作物病虫害监控方法、系统及存储介质 |
| CN113317295A (zh) * | 2021-05-14 | 2021-08-31 | 北京百瑞盛田环保科技发展有限公司 | 一种施药监管方法、装置及系统 |
| CN113326952A (zh) * | 2021-05-14 | 2021-08-31 | 北京百瑞盛田环保科技发展有限公司 | 一种施药监管方法、装置及系统 |
| 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 |
| US20230329159A1 (en) * | 2022-04-14 | 2023-10-19 | Shandong Academy Of Agricultural Machinery Sciences | Internet-of-things management and control system for intelligent orchard |
| US11889793B2 (en) * | 2022-04-14 | 2024-02-06 | Shandong Academy Of Agricultural Machinery Sciences | Internet-of-things management and control system for intelligent orchard |
| CN116681544A (zh) * | 2023-08-02 | 2023-09-01 | 四川永坚新能源科技有限公司 | 农作物环境信息处理方法、电子设备和计算机可读介质 |
| CN116681544B (zh) * | 2023-08-02 | 2023-10-20 | 四川永坚新能源科技有限公司 | 农作物环境信息处理方法、电子设备和计算机可读介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111563625A (zh) | 一种基于物联网对农作物喷洒药物的方法、装置及介质 | |
| Goap et al. | An IoT based smart irrigation management system using Machine learning and open source technologies | |
| US10028454B2 (en) | Environmental services platform | |
| CN108876284B (zh) | 一种用户行为提示生成方法及终端设备 | |
| CN109034371B (zh) | 一种深度学习模型推理期加速方法、装置及系统 | |
| CN107066365A (zh) | 一种系统异常的监测方法及装置 | |
| CN108834077B (zh) | 基于用户移动特性的跟踪区划分方法、装置及电子设备 | |
| CN107067014A (zh) | 农业田地聚类和生态预报所用的方法和系统 | |
| US11966208B2 (en) | Methods and systems for greenspace cultivation and management in smart cities based on Internet of Things | |
| CN109359120A (zh) | 一种模型训练中的数据更新方法、装置及设备 | |
| WO2022039675A1 (en) | Method and apparatus for forecasting weather, electronic device and storage medium thereof | |
| Hossam et al. | PLANTAE: An IoT-based predictive platform for precision agriculture | |
| Bhola et al. | A status quo of machine learning algorithms in smart agricultural systems employing IoT‐based WSN: Trends, challenges and futuristic competences | |
| Poonia et al. | Design of decision support system to identify crop water need | |
| CN111276138B (zh) | 一种语音唤醒系统中处理语音信号的方法及装置 | |
| CN116937541A (zh) | 基于CNN-GRU-Attention的光伏短期功率区间预测方法及相关设备 | |
| Yi et al. | A battery-aware energy-efficient android phone with Bayesian networks | |
| Glushkova et al. | Modeling of an irrigation system in a virtual physical space | |
| CN112734810B (zh) | 一种障碍物追踪方法及装置 | |
| CN116663631B (zh) | 一种任务执行的方法、装置、存储介质及电子设备 | |
| CN112766592A (zh) | 夏季登陆中国台风数量预测方法、装置、设备及存储介质 | |
| CN111242950A (zh) | 一种建筑物边界确定方法及装置 | |
| CN109522836A (zh) | 一种用户行为识别方法及装置 | |
| Mung et al. | Time Series Weather Data Forecasting Using Deep Learning | |
| Sharma et al. | Real-Time Rainfall Prediction System Using IoT and Machine Learning |
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: 20210318 Address after: 20 / F, building 3, future venture Plaza, north section of Gangxing Third Road, Jinan Comprehensive Bonded Zone, China (Shandong) pilot Free Trade Zone, Jinan City, Shandong Province 2007 Applicant after: Shandong Shenlan Zhipu Digital Technology Co.,Ltd. Address before: 252000 Daiwa Village (a Industrial Park), a town, Yanggu County, Liaocheng, Shandong Applicant before: Shandong Guihe Information Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right |