CN112365154A - 一种剑麻种植计划子系统以及剑麻种植决策系统 - Google Patents
一种剑麻种植计划子系统以及剑麻种植决策系统 Download PDFInfo
- Publication number
- CN112365154A CN112365154A CN202011246538.2A CN202011246538A CN112365154A CN 112365154 A CN112365154 A CN 112365154A CN 202011246538 A CN202011246538 A CN 202011246538A CN 112365154 A CN112365154 A CN 112365154A
- Authority
- CN
- China
- Prior art keywords
- planting
- row
- hemp
- subsystem
- sisal
- 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
- 244000198134 Agave sisalana Species 0.000 title claims abstract description 162
- 235000011624 Agave sisalana Nutrition 0.000 title claims abstract description 124
- 244000025254 Cannabis sativa Species 0.000 claims abstract description 101
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 claims abstract description 101
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 claims abstract description 101
- 235000009120 camo Nutrition 0.000 claims abstract description 101
- 235000005607 chanvre indien Nutrition 0.000 claims abstract description 101
- 239000011487 hemp Substances 0.000 claims abstract description 101
- 241000196324 Embryophyta Species 0.000 claims description 64
- 238000004364 calculation method Methods 0.000 claims description 44
- 108700041286 delta Proteins 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 28
- 239000002689 soil Substances 0.000 claims description 26
- 241000607479 Yersinia pestis Species 0.000 claims description 17
- 238000007726 management method Methods 0.000 claims description 14
- 201000010099 disease Diseases 0.000 claims description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 13
- 230000008901 benefit Effects 0.000 claims description 11
- 230000001788 irregular Effects 0.000 claims description 11
- 238000003745 diagnosis Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 10
- 229910052757 nitrogen Inorganic materials 0.000 claims description 5
- 238000000611 regression analysis Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 239000000835 fiber Substances 0.000 description 6
- 235000013619 trace mineral Nutrition 0.000 description 6
- 239000011573 trace mineral Substances 0.000 description 6
- 238000005286 illumination Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000746976 Agavaceae Species 0.000 description 1
- 244000099147 Ananas comosus Species 0.000 description 1
- 235000007119 Ananas comosus Nutrition 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 244000193174 agave Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 238000005904 alkaline hydrolysis reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage 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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明涉及智慧农业技术领域，具体涉及一种剑麻种植计划子系统以及剑麻种植决策系统。本发明提供的剑麻种植计划子系统，包括单行种植模块、双行种植模块；单行种植模块用于计算剑麻单行种植的参考用地面积或者种植所需的麻苗数量；双行种植模块用于计算剑麻双行种植的参考用地面积或者种植所需的麻苗数量；通过本发明提供的剑麻种植计划子系统，可以将所需参考用地面积或所需麻苗数量进一步具体量化，通过输入已知参数，直接输出所需参考用地面积或所需麻苗数量，直观地得到更为精确的数据，降低了种植成本。本发明提供的剑麻种植决策系统，根据采集的数据进行科学化种植和管理，替代了人工决策，使得剑麻种植更为科学化。
Description
技术领域
本发明涉及智慧农业技术领域，具体涉及一种剑麻种植计划子系统以及剑麻种植决策系统。
背景技术
剑麻又名菠萝麻，龙舌兰科龙舌兰属，是一种多年生热带硬质叶纤维作物，其原产墨西哥，现主要在非洲、拉丁美洲、亚洲等地种植。剑麻纤维质地坚韧，耐磨、耐盐碱、耐腐蚀，广泛运用在运输、渔业、石油、冶金等各种行业，具有重要的经济价值，是当今世界用量最大、范围最广的一种硬质纤维。剑麻还有重要的药用价值。目前对于剑麻种植所需的种植用地或者麻苗数量采用估算的方式，没有做到具体量化，无法直观更加精确得到相应的数据，增加了种植成本，而且目前剑麻的整个过程还处于人工决策阶段，而人工决策缺乏数据支持，难免决策存在偏颇，无法做到科学种植。
发明内容
为了解决上述问题，本发明提供了一种剑麻种植计划子系统以及剑麻种植决策系统，具体技术方案如下：
一种剑麻种植计划子系统，包括单行种植模块、双行种植模块；所述单行种植模块用于计算剑麻单行种植的参考用地面积或者种植所需的麻苗数量；所述双行种植模块用于计算剑麻双行种植的参考用地面积或者种植所需的麻苗数量；所述单行种植模块包括单行种植用地计算单元、单行种植麻苗计算单元；所述单行种植用地计算单元用于根据麻苗数量计算剑麻单行种植时的参考种植用地面积；所述单行种植麻苗计算单元用于根据种植地面积计算剑麻单行种植时所需的麻苗数量；所述双行种植模块包括双行种植用地计算单元、双行种植麻苗计算单元；所述双行种植用地计算单元用于根据麻苗数量计算剑麻双行种植时的参考种植用地面积；所述双行种植麻苗计算单元用于根据种植地面积计算剑麻双行种植时所需的麻苗数量。
优选地，所述单行种植用地计算单元根据麻苗数量计算剑麻单行种植时的参考种植用地面积的步骤如下：
(1)设剑麻种植行距为a，株距为b，麻苗数量为m，对应种植地的长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2，给出的参考种植用地面积为长方形种植地的面积；
(2)最小种植用地面积的计算方式为：S1＝Δ1*[(m-1)b+Δ2]或S2＝[(m-1)a+Δ1]*Δ2；
(3)最大种植用地面积的计算方式为：
或
其中，
表示向上取整，
表示向下取整；
(4)单行种植单元根据输入的剑麻种植行距a、株距b、麻苗数量m以及种植地长度误差Δ1、种植地宽度误差Δ2给出的参考种植用地面积范围为：([min(S1,S2)],[max(S3,S4)])。
优选地，当种植地为长方形时，所述单行种植麻苗计算单元根据种植地面积计算剑麻单行种植时所需的麻苗数量的方法如下：
设种植地的长为L，宽为W，长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2，设剑麻种植行距为a，株距为b，则所需麻苗数量m为：
优选地，当种植地为不规则图形时，所述单行种植麻苗计算单元根据种植地面积计算剑麻单行种植时所需的麻苗数量的方法如下：
在该种植地内依次截取最大内接长方形，即第一次截取最大内接长方形，在剩余面积内再截取最大内接长方形，设共有n个内接长方形，且n个内接长方形互不重叠，则所需麻苗数量m为：
其中i表示第i个内接长方形。
优选地，所述双行种植用地计算单元根据麻苗数量计算剑麻双行种植时的参考种植用地面积的步骤如下：
设剑麻种植的大行距为a1，小行距为a2，株距为b，麻苗数量为m，种植地长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2；给出的参考种植用地面积为长方形种植地的面积； S1：计算最小的参考种植用地面积：
(1)m为偶数，长度方向种2行麻苗，行间距为小行距a2，宽度方向每行种
株，对应长方形种植地面积为S1，则：
(2)m为偶数，长度方向种
行，宽度方向每行种2株，对应长方形种植地面积为S2，则：
1)
为偶数时，S2的计算方式如下：
2)
为奇数时，S2的计算方式如下：
(3)m为奇数，长度方向种2行麻苗，行间距为小行距a2，宽度方向每行种
株，对应长方形种植地面积为S3，则：
(4)m为奇数，长度方向种
行，宽度方向种2株，对应长方形种植地面积为S4，则：
1)
为偶数时，S4的计算方式如下：
2)
为奇数时，S4的计算方式如下：
S2：计算最大的参考种植用地面积：
(1)长度方向种
行，每行宽度方向种
株，且
为偶数，对应长方形种植地面积为S5，则：
(2)长度方向种
行，每行宽度方向种
株，且
为奇数，对应长方形种植地面积为S6，则：
(3)长度方向种
行，每行宽度方向种
株，且
为偶数，对应长方形种植地面积为S7，则：
(4)长度方向种
行，每行宽度方向种
株，且
为奇数，对应长方形种植地面积为S8，则：
S3：双行种植单元根据输入的剑麻种植大行距a1、小行距a2、株距b、麻苗数量m以及长度误差Δ1、宽度误差Δ2给出的参考面积的范围为： ([min(S1,S2,S3,S4)],[max(S5,S6,S7,S8)])。
优选地，当种植地为长方形时，所述双行种植麻苗计算单元根据种植地面积计算剑麻双行种植时所需的麻苗数量的步骤如下：
设种植地的长为L，宽为W，种植地的长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2，设剑麻双行种植时大行距为a1，小行距为a2，株距为b，则所需麻苗数量的计算方式为：
设长度方向可以种X组双行，则
宽度方向每行可以种植
株，设长度方向的余量ΔL为
的余数，则ΔL＝(L-Δ1)-X(a1+a2)。
当ΔL≥a2时，所需麻苗
当ΔL＜a2时，所需麻苗
优选地，当种植地为不规则图形时，所述双行种植麻苗计算单元根据种植地面积计算剑麻双行种植时所需的麻苗数量的步骤如下：
当种植地为不规则图形时，在该种植地内依次截取最大内接长方形，即第一次截取最大内接长方形，在剩余面积内再截取最大内接长方形，设共有n个内接长方形，且n个内接长方形互不重叠，设第i个内接长方形种植地的长为Li，宽为Wi，每个内接长方形种植地的长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2，剑麻双行种植时大行距为a1，小行距为a2，株距为b，则所需麻苗数量m为：
设第i个内接长方形种植地的长度方向可以种Xi组双行剑麻，则
宽度方向每行可以种植
株，设长度方向的余量ΔLi为
的余数，则ΔLi＝(Li-Δ1)-Xi(a1+a2)；
当ΔLi≥a2时，所需麻苗
当ΔLi＜a2时，所需麻苗
一种剑麻种植决策系统，包括所述的剑麻种植计划子系统、种植记录子系统、种植监测子系统、生长状况分析子系统、种植指导子系统、病虫草害诊治子系统、产量预测子系统、效益分析子系统、种植地图子系统、服务器；
所述种植记录子系统用于记录对应种植地的种植操作；
所述种植监测子系统用于实时采集种植地的土地温湿度、pH值、土壤微量元素含量以及空气温湿度、光照度、剑麻各个生长时期的图像并将采集到的信息传输至服务器；
所述生长状况分析子系统用于从服务器读取所需数据分析剑麻的生长状况；
所述种植指导子系统用于根据剑麻的生长状况给出下一步种植的指导建议；
所述病虫草害诊治子系统用于根据剑麻的生长时期提供可能出现的病虫草害情况以及对应的防治措施，或者根据采集的剑麻各个生长时期的图像判断剑麻出现的病虫草害，并给出对应的治理措施；
所述产量预测子系统用于预测对应种植地的产量；
所述效益分析子系统用于根据剑麻的施肥量、产量以及剑麻的价格信息，得到收入支出表；所述种植地图子系统用于为产量预测提供全景图；
所述服务器用于存储数据并提供相应的应用；
所述种植计划子系统、种植记录子系统、种植监测子系统、生长状况分析子系统、病虫草害诊治子系统、产量预测子系统、效益分析子系统分别与服务器连接，所述种植指导子系统与生长状况分析子系统连接；所述种植地图子系统与产量预测子系统连接；所述种植监测子系统与数据采集设备连接。
优选地，所述产量预测子系统采用灰色系统GM(1，1)模型进行预测对应种植地的产量，或者采样种植地的剑麻叶片测量N、K、Ca各元素的含量以及土壤pH值，通过回归分析的方法预测。
优选地，还包括农户信息管理子系统、专家管理子系统、社交子系统，所述农户信息管理子系统、专家管理子系统、社交子系统分别与服务器连接。
本发明的有益效果为：本发明提供的一种剑麻种植计划子系统，包括单行种植模块、双行种植模块；单行种植模块用于计算剑麻单行种植的参考用地面积或者种植所需的麻苗数量；双行种植模块用于计算剑麻双行种植的参考用地面积或者种植所需的麻苗数量；通过本发明提供的剑麻种植计划子系统，可以将所需参考用地面积或所需麻苗数量进一步具体量化，通过输入已知参数，直接输出所需参考用地面积或所需麻苗数量，直观地得到更为精确的数据，降低了种植成本。
本发明提供的剑麻种植决策系统，根据采集的数据进行科学化种植和管理，替代了人工决策，使得剑麻种植更为科学化。
附图说明
图1为本发明一种剑麻种植计划子系统的结构示意图；
图2为实施例1中一种剑麻种植决策系统的结构示意图；
图3为种植记录子系统的结构示意图；
图4为实施例2中一种剑麻种植决策系统的结构示意图。
具体实施方式
为了更好的理解本发明，下面结合附图和具体实施例对本发明作进一步说明：
实施例1：
如图1所示，一种剑麻种植计划子系统，包括单行种植模块、双行种植模块；单行种植模块用于计算剑麻单行种植的参考用地面积或者种植所需的麻苗数量；双行种植模块用于计算剑麻双行种植的参考用地面积或者种植所需的麻苗数量；单行种植模块包括单行种植用地计算单元、单行种植麻苗计算单元；单行种植用地计算单元用于根据麻苗数量计算剑麻单行种植时的参考种植用地面积；单行种植麻苗计算单元用于根据种植地面积计算剑麻单行种植时所需的麻苗数量；双行种植模块包括双行种植用地计算单元、双行种植麻苗计算单元；双行种植用地计算单元用于根据麻苗数量计算剑麻双行种植时的参考种植用地面积；双行种植麻苗计算单元用于根据种植地面积计算剑麻双行种植时所需的麻苗数量。在单行种植模块、双行种植模块中直接输入相应参数即可得到最终结果，方便快捷。剑麻种植计划子系统安装在计算机上，在计算机上输入相应参数即可得到最后输出的所需苗的数量或种植地的面积，如此可使用户直观的知晓结果，直观地指导用户进行种植，方便快捷。
单行种植用地计算单元根据麻苗数量计算剑麻单行种植时的参考种植用地面积的步骤如下：
(1)依据周长相同的四边形，边长相差越小的四方形的面积越大这一原理，种植面积的范围在边长相差最大的长方形面积和边长相差最小的长方形面积之间。设剑麻种植行距为a，株距为b，麻苗数量为m，对应种植地的长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2，给出的参考种植用地面积为长方形种植地的面积。长度误差Δ1可设置大于定值坑的长度，宽度误差Δ2可设置大于定值坑的宽度，长度误差Δ1和宽度误差Δ2可留作种植地四周的排水沟。
(2)最小种植用地面积的计算方式：边长相差最大面积最小的长方形种植地的情况为：长度方向种1行麻苗，宽度方向种m株，或者长度方向种m行，宽度方向每行种1株。
图3所示的长方形种植地面积为：S1＝Δ1*[(m-1)b+Δ2]；
图4所示的长方形种植地面积为：S2＝[(m-1)a+Δ1]*Δ2。
(3)最大种植用地面积的计算方式：边长相差最小则相应的种植地面积最大，种植时尽量靠近正方形，即种植地长度方向种植
行，宽度方向每行种植
株，或者种植地长度方向种植
行，宽度方向每行种植
株。
种植地长度方向种植
行，宽度方向每行种植
株的对应种植用地面积的计算方式为：
种植地长度方向种植
行，宽度方向每行种植
株的对应种植用地面积的计算方式为：
其中，
表示向上取整，
表示向下取整。
(4)单行种植单元根据输入的剑麻种植行距a、株距b、麻苗数量m以及种植地长度误差Δ1、种植地宽度误差Δ2给出的参考种植用地面积范围为：([min(S1,S2)],[max(S3,S4)])。
当种植地为长方形时，单行种植麻苗计算单元根据种植地面积计算剑麻单行种植时所需的麻苗数量的方法如下：
设种植地的长为L，宽为W，长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2，设剑麻种植行距为a，株距为b，则所需麻苗数量m为：
当种植地为不规则图形时，单行种植麻苗计算单元根据种植地面积计算剑麻单行种植时所需的麻苗数量的方法如下：
在该种植地内依次截取最大内接长方形，即第一次截取最大内接长方形，在剩余面积内再截取最大内接长方形，设共有n个内接长方形，且n个内接长方形互不重叠，则所需麻苗数量m为：
其中n表示该种植地中截取的内接长方形的个数，i表示第i个内接长方形。由于种植地是不规则图形，可设置麻苗的误差阈值Δm，即最终的麻苗数量为
在截取可种植的最大内接长方形后剩下的面积中，如果再种植一株且满足行距或者株距其中一个要求，则可种植这一株，麻苗的误差阈值Δm的数量为此类边角面积种植的数量之和，为估计值。
双行种植用地计算单元根据麻苗数量计算剑麻双行种植时的参考种植用地面积的步骤如下：
设剑麻种植的大行距为a1，小行距为a2，株距为b，麻苗数量为m，种植地长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2；给出的参考种植用地面积为长方形种植地的面积；
S1：计算最小的参考种植用地面积：
(1)m为偶数，长度方向种2行麻苗，行间距为小行距a2，宽度方向每行种
株，对应长方形种植地面积为S1，则：
(2)m为偶数，长度方向种
行，宽度方向每行种2株，对应长方形种植地面积为S2，则：
1)
为偶数时，S2的计算方式如下：
2)
为奇数时，S2的计算方式如下：
(3)m为奇数，长度方向种2行麻苗，行间距为小行距a2，宽度方向每行种
株，对应长方形种植地面积为S3，则：
(4)m为奇数，长度方向种
行，宽度方向种2株，对应长方形种植地面积为S4，则：
1)
为偶数时，S4的计算方式如下：
2)
为奇数时，S4的计算方式如下：
S2：计算最大的参考种植用地面积：
(1)长度方向种
行，每行宽度方向种
株，且
为偶数，对应长方形种植地面积为S5，则：
(2)长度方向种
行，每行宽度方向种
株，且
为奇数，对应长方形种植地面积为S6，则：
(3)长度方向种
行，每行宽度方向种
株，且
为偶数，对应长方形种植地面积为S7，则：
(4)长度方向种
行，每行宽度方向种
株，且
为奇数，对应长方形种植地面积为S8，则：
S3：双行种植单元根据输入的剑麻种植大行距a1、小行距a2、株距b、麻苗数量m以及长度误差Δ1、宽度误差Δ2给出的参考面积的范围为： ([min(S1,S2,S3,S4)],[max(S5,S6,S7,S8)])。
当种植地为长方形时，双行种植麻苗计算单元根据种植地面积计算剑麻双行种植时所需的麻苗数量的步骤如下：
设种植地的长为L，宽为W，种植地的长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2，设剑麻双行种植时大行距为a1，小行距为a2，株距为b，则所需麻苗数量的计算方式为：
设长度方向可以种X组双行，则
宽度方向每行可以种植
株，设长度方向的余量ΔL为
的余数，则ΔL＝(L-Δ1)-X(a1+a2)。
当ΔL≥a2时，所需麻苗
当ΔL＜a2时，所需麻苗
当种植地为不规则图形时，双行种植麻苗计算单元根据种植地面积计算剑麻双行种植时所需的麻苗数量的步骤如下：
当种植地为不规则图形时，在该种植地内依次截取最大内接长方形，即第一次截取最大内接长方形，在剩余面积内再截取最大内接长方形，设共有n个内接长方形，且n个内接长方形互不重叠，设第i个内接长方形种植地的长为Li，宽为Wi，每个内接长方形种植地的长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2，剑麻双行种植时大行距为a1，小行距为a2，株距为b，则所需麻苗数量m为：
设第i个内接长方形种植地的长度方向可以种Xi组双行剑麻，则
宽度方向每行可以种植
株，设长度方向的余量ΔLi为
的余数，则ΔLi＝(Li-Δ1)-Xi(a1+a2)；
当ΔLi≥a2时，所需麻苗
当ΔLi＜a2时，所需麻苗
其中n表示该种植地中截取的内接长方形的个数，i表示第i个内接长方形种植地的序号。由于种植地是不规则图形，可设置麻苗的误差阈值Δm，即最终的麻苗数量为
如图2所示，一种剑麻种植决策系统，包括上述剑麻种植计划子系统、种植记录子系统、种植监测子系统、生长状况分析子系统、种植指导子系统、病虫草害诊治子系统、产量预测子系统、效益分析子系统、服务器；
种植记录子系统用于记录对应种植地的种植操作；
种植监测子系统用于实时采集种植地的土地温湿度、pH值、土壤微量元素含量以及空气温湿度、光照度、剑麻各个生长时期的图像并将采集到的信息传输至服务器；
生长状况分析子系统用于从服务器读取所需数据分析剑麻的生长状况；
种植指导子系统用于根据剑麻的生长状况给出下一步种植的指导建议；
病虫草害诊治子系统用于根据剑麻的生长时期提供可能出现的病虫草害情况以及对应的防治措施，或者根据采集的剑麻各个生长时期的图像判断剑麻出现的病虫草害，并给出对应的治理措施；
产量预测子系统用于预测对应种植地的产量；
效益分析子系统用于根据剑麻的施肥量、产量以及剑麻的价格信息，得到收入支出表；
服务器用于存储数据并提供相应的应用；
种植计划子系统、种植记录子系统、种植监测子系统、生长状况分析子系统、病虫草害诊治子系统、产量预测子系统、效益分析子系统分别与服务器连接，种植指导子系统与生长状况分析子系统连接；种植监测子系统与数据采集设备连接。
如图3所示，种植记录子系统可以添加多块种植地，针对每块种植地的农事操作采用 excel表格记录对应操作、日期等信息，并将对应数据保存至服务器中。农事操作包括种植、施肥、灌溉等。
种植监测子系统与数据采集设备连接，包括温湿度采集单元、pH值采集单元、微量元素采集单元、光照度采集单元、生长图像采集单元。其中数据采集设备包括采集土壤温湿度和空气温湿度的温湿度传感器、采集土壤pH值的土壤pH值分析计、检测土壤微量元素含量的微量元素传感器、检测光照度的光照度传感器、采集剑麻各个生长时期的图像的摄像头，其中采集土壤温湿度的温湿度传感器和土壤pH值分析计插入土壤中与土壤充分接触，采集空气温湿度的温湿度传感器、光照度传感器固定在种植地区域内或者旁边，摄像头采用支架固定在种植地上方。温湿度采集单元采集温湿度传感器的数据并将采集到的数据传输至服务器， pH值采集单元采集土壤pH值分析计的数据并将采集到的数据传输至服务器，微量元素采集单元采集微量元素传感器的数据并将采集到的数据传输至服务器，光照度采集单元采集光照度传感器的数据并将采集到的数据传输至服务器，生长图像采集单元包括摄像头位置调整子单元、图像获取子单元，摄像头每隔一段时间自动获取剑麻的生长状况图像，并传输至服务器进行保存。图像获取子单元首先根据摄像头采集的剑麻生长状况图像判断摄像头的位置是否符合预设拍摄标准，若是，则将该图像传输至服务器,若摄像头采集的剑麻生长状况图像不符合预设拍摄标准，则摄像头位置调整子单元按照预设调整计划调整摄像头，并接收调整摄像头后获取的剑麻生长图像，对调整后的摄像头位置是否符合预设拍摄标准进行判断，直到根据再次接收到的剑麻生长图像,判断得出摄像头的位置符合预设拍摄标准为止。其中，采集温湿度的温湿度传感器可选择DHT11温湿度传感器。
根据试验数据的统计分析结果，剑麻叶片养分适宜值为:N素0.95％～1.08％,P素0.068％～0.082％,K素1.61％～1.95％，Ca素2.17％～2.59％，Mg素0.80％～1.10％；适宜剑麻生长的土壤养分指标为:碱解氮106.8～135.6mg/kg,速效磷13.3～16.6mg/kg,速效钾50.8～58.0mg.kg-1,pH5.30～6.05。
生长状况分析子系统主要通过接受图像获取子系统所得到的剑麻图像信息，进行特征分析。生长状况分析子系统包括生物特征提取单元和生长状况信息获取单元。其中生物特征提取单元用于提取剑麻图像的RGB值和纹理特征，同时为了提高检测结果的准确性，还提取了剑麻图像的几何形态特征和小波特征等。将生物特征提取单元获得的剑麻图像特征经过生长状况信息获取单元分析其RGB值和纹理特征，并结合采集的土壤pH值、土壤微量元素含量，根据预设的运算规则获得剑麻的生长状况信息，生成种植指导建议，并发送至移动终端由客户根据生长状况信息以及种植指导建议进行剑麻种植。生长状况分析子系统将采集的土壤温湿度、空气温湿度、光照度、pH值与预设值进行比较，若不在预设范围内，则生成预警信息，并将预警信息发送至种植指导子系统。
另外，生长状况分析子系统将采集的图像信息与数据库的样本数据进行比较,判断当前剑麻是否正处在预设提醒阶段，当剑麻处于预设提醒阶段时,发出预警信息,提醒种植管理人员目前剑麻进入的生长阶段,方便种植管理人员对剑麻进行管理。
种植指导子系统通过获得生长状况分析子系统所分析出来的植物图像生长状况信息结合土壤微量元素的含量生成培育指导建议，更好的向用户提供科学的施肥指导建议。由此，通过获得的剑麻生长状况信息，即可判断其缺肥情况，从而生成具有针对性的培育指导建议，并发送至移动终端。
种植指导子系统根据生长状况分析子系统提供的剑麻生长阶段信息以及预警信息对剑麻进行日常管理，例如土壤太干则进行灌溉，太湿则进行排水处理等。
病虫草害诊治子系统采用基于框架的剑麻病虫草害知识表示。这种知识表示的特点是: 知识的层次结构更明显，实现知识子系统化、紧凑性、实例化，使用实例知识进行判断和处理。
产量预测子系统:采用灰色系统GM(1，1)模型进行预测对应种植地的产量，或者采样种植地几年的剑麻叶片测量N、K、Ca各元素的含量以及土壤pH值、产量数据，通过回归分析的方法预测，具体为：纤维单产＝R+R1N-R2K+R3pH；叶片单产＝-R+R1N-R2K+R3Ca+R4pH；纤维率＝R-R1K-R2Ca；纤维粗度＝R+R1K。其中，R1、R2、R3、R4为系数，R为常数，N、K、Ca为叶片各养分含量。
效益分析子系统：根据系统的施肥量、剑麻苗的价格、数量等种植投入情况，结合剑麻的价格进行效益分析,得到支出和收入的数据结果,以报表形式提供给用户，指导其农业生产。
服务器包括数据服务器、应用服务器。数据服务器用于存储数据，提供各个子系统所需的数据服务。应用服务器用于提供相应应用，并于远程移动端连接，提供web服务。
实施例2：
如图4所示，本发明的剑麻种植决策系统还包括以下子系统：
农户信息管理子系统：农户可以在该子系统查看农技信息、提交疑难问题、维护自身档案信息。农技信息存储在数据服务器中，农技知识包括剑麻的大量文字图片视频技术资料，它不可直接访问，需要应用服务器进行调用。登录本发明的系统需要注册账户，每个用户对应一个用户账号。
专家管理子系统：专家用户可以在该子系统内对农户的疑难问题进行解答，可以发布时效性的农业预警信息。
社交子系统：包括社交单元和关联社交系统单元，用户可在社交单元发表帖子，分享种植经验，也可查看专家的发帖，还可添加好友进行交互。关联社交系统单元可关联微信、QQ、微博等社交软件。服务器形成有邀请码或二维码,服务器将邀请码推送给用户,用户可将邀请码发送至关联社交软件中的好友,好友点击邀请码或扫描二维码并进行注册后(如已经注册之后,便不需要再次注册),即成为用户社交单元中的好友。用户刚开始注册账号时,社交单元的通讯录并没有好友信息,用户可通过扫描二维码添加或者发送邀请码邀请的方式增加社交单元中的好友数量。而关联社交软件只要关联即可同步关联社交软件中原有的通讯录。
农户信息管理子系统、专家管理子系统、社交子系统分别与服务器连接，其他同实施例 1。
本发明不局限于以上的具体实施方式，以上仅为本发明的较佳实施案例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种剑麻种植计划子系统，其特征在于：包括单行种植模块、双行种植模块；所述单行种植模块用于计算剑麻单行种植的参考用地面积或者种植所需的麻苗数量；所述双行种植模块用于计算剑麻双行种植的参考用地面积或者种植所需的麻苗数量；所述单行种植模块包括单行种植用地计算单元、单行种植麻苗计算单元；所述单行种植用地计算单元用于根据麻苗数量计算剑麻单行种植时的参考种植用地面积；所述单行种植麻苗计算单元用于根据种植地面积计算剑麻单行种植时所需的麻苗数量；所述双行种植模块包括双行种植用地计算单元、双行种植麻苗计算单元；所述双行种植用地计算单元用于根据麻苗数量计算剑麻双行种植时的参考种植用地面积；所述双行种植麻苗计算单元用于根据种植地面积计算剑麻双行种植时所需的麻苗数量。
2.根据权利要求1所述的一种剑麻种植计划子系统，其特征在于：所述单行种植用地计算单元根据麻苗数量计算剑麻单行种植时的参考种植用地面积的步骤如下：
(1)设剑麻种植行距为a，株距为b，麻苗数量为m，对应种植地的长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2，给出的参考种植用地面积为长方形种植地的面积；
(2)最小种植用地面积的计算方式为：S1＝Δ1*[(m-1)b+Δ2]或S2＝[(m-1)a+Δ1]*Δ2；
(3)最大种植用地面积的计算方式为：
或
其中，
表示向上取整，
表示向下取整；
(4)单行种植单元根据输入的剑麻种植行距a、株距b、麻苗数量m以及种植地长度误差Δ1、种植地宽度误差Δ2给出的参考种植用地面积范围为：([min(S1,S2)],[max(S3,S4)])。
3.根据权利要求1所述的一种剑麻种植计划子系统，其特征在于：当种植地为长方形时，所述单行种植麻苗计算单元根据种植地面积计算剑麻单行种植时所需的麻苗数量的方法如下：
设种植地的长为L，宽为W，长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2，设剑麻种植行距为a，株距为b，则所需麻苗数量m为：
4.根据权利要求1所述的一种剑麻种植计划子系统，其特征在于：当种植地为不规则图形时，所述单行种植麻苗计算单元根据种植地面积计算剑麻单行种植时所需的麻苗数量的方法如下：
在该种植地内依次截取最大内接长方形，即第一次截取最大内接长方形，在剩余面积内再截取最大内接长方形，设共有n个内接长方形，且n个内接长方形互不重叠，则所需麻苗数量m为：
其中i表示第i个内接长方形。
5.根据权利要求1所述的一种剑麻种植计划子系统，其特征在于：所述双行种植用地计算单元根据麻苗数量计算剑麻双行种植时的参考种植用地面积的步骤如下：
设剑麻种植的大行距为a1，小行距为a2，株距为b，麻苗数量为m，种植地长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2；给出的参考种植用地面积为长方形种植地的面积；
S1：计算最小的参考种植用地面积：
(1)m为偶数，长度方向种2行麻苗，行间距为小行距a2，宽度方向每行种
株，对应长方形种植地面积为S1，则：
(2)m为偶数，长度方向种
行，宽度方向每行种2株，对应长方形种植地面积为S2，则：
1)
为偶数时，S2的计算方式如下：
2)
为奇数时，S2的计算方式如下：
(3)m为奇数，长度方向种2行麻苗，行间距为小行距a2，宽度方向每行种
株，对应长方形种植地面积为S3，则：
(4)m为奇数，长度方向种
行，宽度方向种2株，对应长方形种植地面积为S4，则：
1)
为偶数时，S4的计算方式如下：
2)
为奇数时，S4的计算方式如下：
S2：计算最大的参考种植用地面积：
(1)长度方向种
行，每行宽度方向种
株，且
为偶数，对应长方形种植地面积为S5，则：
(2)长度方向种
行，每行宽度方向种
株，且
为奇数，对应长方形种植地面积为S6，则：
(3)长度方向种
行，每行宽度方向种
株，且
为偶数，对应长方形种植地面积为S7，则：
(4)长度方向种
行，每行宽度方向种
株，且
为奇数，对应长方形种植地面积为S8，则：
S3：双行种植单元根据输入的剑麻种植大行距a1、小行距a2、株距b、麻苗数量m以及长度误差Δ1、宽度误差Δ2给出的参考面积的范围为：([min(S1,S2,S3,S4)],[max(S5,S6,S7,S8)])。
6.根据权利要求1所述的一种剑麻种植计划子系统，其特征在于：当种植地为长方形时，所述双行种植麻苗计算单元根据种植地面积计算剑麻双行种植时所需的麻苗数量的步骤如下：
设种植地的长为L，宽为W，种植地的长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2，设剑麻双行种植时大行距为a1，小行距为a2，株距为b，则所需麻苗数量的计算方式为：
设长度方向可以种X组双行，则
宽度方向每行可以种植
株，设长度方向的余量ΔL为
的余数，则ΔL＝(L-Δ1)-X(a1+a2)。
当ΔL≥a2时，所需麻苗
当ΔL＜a2时，所需麻苗
7.根据权利要求1所述的一种剑麻种植计划子系统，其特征在于：当种植地为不规则图形时，所述双行种植麻苗计算单元根据种植地面积计算剑麻双行种植时所需的麻苗数量的步骤如下：
当种植地为不规则图形时，在该种植地内依次截取最大内接长方形，即第一次截取最大内接长方形，在剩余面积内再截取最大内接长方形，设共有n个内接长方形，且n个内接长方形互不重叠，设第i个内接长方形种植地的长为Li，宽为Wi，每个内接长方形种植地的长度方向设置长度误差Δ1，宽度方向设置宽度误差Δ2，剑麻双行种植时大行距为a1，小行距为a2，株距为b，则所需麻苗数量m为：
设第i个内接长方形种植地的长度方向可以种Xi组双行剑麻，则
宽度方向每行可以种植
株，设长度方向的余量ΔLi为
的余数，则ΔLi＝(Li-Δ1)-Xi(a1+a2)；
当ΔLi≥a2时，所需麻苗
当ΔLi＜a2时，所需麻苗
8.一种剑麻种植决策系统，其特征在于：包括权利要求1-7任一所述的剑麻种植计划子系统、种植记录子系统、种植监测子系统、生长状况分析子系统、种植指导子系统、病虫草害诊治子系统、产量预测子系统、效益分析子系统、种植地图子系统、服务器；
所述种植记录子系统用于记录对应种植地的种植操作；
所述种植监测子系统用于实时采集种植地的土地温湿度、pH值、土壤微量元素含量以及空气温湿度、光照度、剑麻各个生长时期的图像并将采集到的信息传输至服务器；
所述生长状况分析子系统用于从服务器读取所需数据分析剑麻的生长状况；
所述种植指导子系统用于根据剑麻的生长状况给出下一步种植的指导建议；
所述病虫草害诊治子系统用于根据剑麻的生长时期提供可能出现的病虫草害情况以及对应的防治措施，或者根据采集的剑麻各个生长时期的图像判断剑麻出现的病虫草害，并给出对应的治理措施；
所述产量预测子系统用于预测对应种植地的产量；
所述效益分析子系统用于根据剑麻的施肥量、产量以及剑麻的价格信息，得到收入支出表；
所述种植地图子系统用于为产量预测提供全景图；
所述服务器用于存储数据并提供相应的应用；
所述种植计划子系统、种植记录子系统、种植监测子系统、生长状况分析子系统、病虫草害诊治子系统、产量预测子系统、效益分析子系统分别与服务器连接，所述种植指导子系统与生长状况分析子系统连接；所述种植地图子系统与产量预测子系统连接；所述种植监测子系统与数据采集设备连接。
9.根据权利要求8所述的一种剑麻种植决策系统，其特征在于：所述产量预测子系统采用灰色系统GM(1，1)模型进行预测对应种植地的产量，或者采样种植地的剑麻叶片测量N、K、Ca各元素的含量以及土壤pH值，通过回归分析的方法预测。
10.根据权利要求8所述的一种剑麻种植决策系统，其特征在于：还包括农户信息管理子系统、专家管理子系统、社交子系统，所述农户信息管理子系统、专家管理子系统、社交子系统分别与服务器连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011246538.2A CN112365154B (zh) | 2020-11-10 | 2020-11-10 | 一种剑麻种植计划子系统以及剑麻种植决策系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011246538.2A CN112365154B (zh) | 2020-11-10 | 2020-11-10 | 一种剑麻种植计划子系统以及剑麻种植决策系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112365154A true CN112365154A (zh) | 2021-02-12 |
| CN112365154B CN112365154B (zh) | 2023-07-07 |
Family
ID=74509597
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011246538.2A Active CN112365154B (zh) | 2020-11-10 | 2020-11-10 | 一种剑麻种植计划子系统以及剑麻种植决策系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112365154B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102005010686A1 (de) * | 2004-03-16 | 2005-10-13 | Benninger, Johannes, Dipl.-Ing. | System und Verfahren zum Pflanzen und/oder zur Saat und zur Saat- bzw. Pflanzenpflege |
| CN102968079A (zh) * | 2012-10-31 | 2013-03-13 | 长春理工大学 | 玉米精播机排种监控系统 |
| CN105580730A (zh) * | 2016-02-19 | 2016-05-18 | 河北省农林科学院经济作物研究所 | 露地轻简型大白菜种株自交采种方法 |
| CN110347127A (zh) * | 2019-06-26 | 2019-10-18 | 北京农业智能装备技术研究中心 | 基于云服务的农作物种植托管系统及方法 |
| WO2020084397A1 (en) * | 2018-10-22 | 2020-04-30 | Radient Technologies Innovations Inc. | Growth monitoring system |
-
2020
- 2020-11-10 CN CN202011246538.2A patent/CN112365154B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102005010686A1 (de) * | 2004-03-16 | 2005-10-13 | Benninger, Johannes, Dipl.-Ing. | System und Verfahren zum Pflanzen und/oder zur Saat und zur Saat- bzw. Pflanzenpflege |
| CN102968079A (zh) * | 2012-10-31 | 2013-03-13 | 长春理工大学 | 玉米精播机排种监控系统 |
| CN105580730A (zh) * | 2016-02-19 | 2016-05-18 | 河北省农林科学院经济作物研究所 | 露地轻简型大白菜种株自交采种方法 |
| WO2020084397A1 (en) * | 2018-10-22 | 2020-04-30 | Radient Technologies Innovations Inc. | Growth monitoring system |
| CN110347127A (zh) * | 2019-06-26 | 2019-10-18 | 北京农业智能装备技术研究中心 | 基于云服务的农作物种植托管系统及方法 |
Non-Patent Citations (3)
| Title |
|---|
| JOURNAL OF PETROLEUM EXPLORATION AND PRODUCTION TECHNOLOGY 等: "Construction of software using gain-schedule/auto-adaptive control strategy for automation in drilling fluid production plants", JOURNAL OF PETROLEUM EXPLORATION AND PRODUCTION TECHNOLOGY * |
| 凌志平;黄业建;: "基于GIS的东方红农场剑麻种植土地适宜性评价――以四队和五队为例", 广东农工商职业技术学院学报 * |
| 林亲庚: "种药户谈白芷高产栽培经验", 农村百事通 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112365154B (zh) | 2023-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113228055B (zh) | 配置和利用卷积神经网络以识别植物病害的方法和介质 | |
| CA3078119C (en) | Disease recognition from images having a large field of view | |
| US20230206352A1 (en) | Digital modeling and tracking of agricultural fields for implementing agricultural field trials | |
| US20200051180A1 (en) | Crop disease recognition and yield estimation | |
| US8417534B2 (en) | Automated location-based information recall | |
| US20170042081A1 (en) | Systems, methods and apparatuses associated with soil sampling | |
| US20050283314A1 (en) | Apparatus, method and system of information gathering and use | |
| CN113163710B (zh) | 标识和利用农田中的测试地点的系统和方法 | |
| US10956780B2 (en) | Detecting infection of plant diseases with improved machine learning | |
| CN108140118A (zh) | 用于识别至少一株种植在耕地上的植物的方法和信息系统 | |
| CN113034301A (zh) | 一种农作物生长管理系统及方法 | |
| US20220076014A1 (en) | Information processing device, and information processing system | |
| CN115294518B (zh) | 一种园艺植物温室精准栽培的智能监控方法及系统 | |
| CN112215522A (zh) | 农作物长势监测系统、方法、计算机设备及存储介质 | |
| AU2021105327A4 (en) | A computer implemented and IoT based method for increasing crop production using machine learning model | |
| JP2022082636A (ja) | 情報処理装置 | |
| Varshitha et al. | An AI solution for Soil Fertility and Crop Friendliness Detection and Monitoring | |
| CN114298615A (zh) | 一种农作物种植风险预防方法、装置、存储介质和设备 | |
| CN112907061A (zh) | 马铃薯全产业链管理系统 | |
| Micheni et al. | Internet of things, big data analytics, and deep learning for sustainable precision agriculture | |
| CN112365154B (zh) | 一种剑麻种植计划子系统以及剑麻种植决策系统 | |
| DE202022102591U1 (de) | System zur Überwachung des Gesundheitszustands von Pflanzen in der Präzisionslandwirtschaft mittels Bildverarbeitung und Faltungsneuronalem Netz | |
| CN115660236B (zh) | 作物物候期预测方法、装置、电子设备和存储介质 | |
| RU2805670C2 (ru) | Обнаружение заражения растений болезнями путем классификации фотоснимков растений | |
| TWI759586B (zh) | 農田澆灌建議方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |