CN112529375A - 基于智慧农业环境数据分析的实验教学方法及系统 - Google Patents
基于智慧农业环境数据分析的实验教学方法及系统 Download PDFInfo
- Publication number
- CN112529375A CN112529375A CN202011353695.3A CN202011353695A CN112529375A CN 112529375 A CN112529375 A CN 112529375A CN 202011353695 A CN202011353695 A CN 202011353695A CN 112529375 A CN112529375 A CN 112529375A
- Authority
- CN
- China
- Prior art keywords
- data
- crop
- environmental
- factor
- factors
- 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 44
- 238000002474 experimental method Methods 0.000 title claims abstract description 24
- 238000007405 data analysis Methods 0.000 title claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims abstract description 292
- 238000004458 analytical method Methods 0.000 claims abstract description 141
- 239000002689 soil Substances 0.000 claims description 86
- 238000005286 illumination Methods 0.000 claims description 78
- 239000010419 fine particle Substances 0.000 claims description 68
- 238000011835 investigation Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 59
- 241001122767 Theaceae Species 0.000 description 29
- 239000013618 particulate matter Substances 0.000 description 11
- 235000013399 edible fruits Nutrition 0.000 description 8
- 235000013311 vegetables Nutrition 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000004904 shortening Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- 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
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Educational Technology (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Agronomy & Crop Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于智慧农业环境数据分析的实验教学方法及系统,所述方法包括根据农作物选取指令选取农作物品种,并根据农作物品种获得农作物环境因素数据,根据农作物环境因素数据生成农作物成长分析图,根据农作物成长比对结果对农作物成长分析图进行标记,并对标记后的农作物成长分析图进行分析。相较于现有技术中,需要教师带领学生进行现场勘查,导致教学成本较高,而本发明中仅需要根据农作物环境因素数据生成农作物成长分析图,之后对农作物成长分析图进行分析,实现了在降低教学成本的同时,使教师准确掌握学生们关于农作物成长过程中相关的专业知识。
Description
技术领域
本发明涉及实验教学技术领域,尤其涉及一种基于智慧农业环境数据分析的实验教学方法及系统。
背景技术
目前,农作物教学过程较为复杂,现有技术中需要教师经常带领学生在农作物场地进行数据采集,长时间观察农作物的成长过程,并且某些农作物成长环境的地理位置较高,不便于现场观察,现场勘查不仅仅会导致教学成本较高,观察周期较长,还会导致采集的农作物成长数据不精准,不能使教师们准确掌握学生们关于农作物成长过程中相关的专业知识。因此,如何在缩短观察农作物成长周期的同时,使教师准确掌握学生们关于农作物成长过程中相关的专业知识,成为了一个亟需解决的问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种基于智慧农业环境数据分析的实验教学方法及系统,旨在解决如何在缩短观察农作物成长周期的同时,使教师准确掌握学生们关于农作物成长过程中相关的专业知识的技术问题。
为实现上述目的,本发明提供了一种智慧农业环境数据分析的实验教学方法,所述智慧农业环境数据分析的实验教学方法包括:
接收农作物选取指令,根据所述农作物选取指令选取农作物品种,并对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据;
根据所述农作物环境因素数据生成农作物成长分析图;
将所述农作物成长分析图与农作物标准生长图进行比对,获得农作物成长比对结果;
根据所述农作物成长比对结果对所述农作物成长分析图进行标记,并对标记后的所述农作物成长分析图进行分析。
可选地,所述对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,包括:
根据所述农作物品种确定农作物场景,并根据所述农作物场景确定农作物成长时段;
根据所述农作物成长时段确定所述农作物品种的环境影响因素;
获取所述环境影响因素的参考环境数据;
根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据。
可选地,所述环境影响因素包括温度因素,所述环境影响因素数据包括初始温度数据;
所述获取所述环境影响因素的参考环境数据的步骤,包括:
获取所述温度因素的温度参考数据,并将所述温度参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,包括:
根据所述温度参数数据对所述农作物品种的初始温度数据进行调整,获得农作物温度数据,并将所述农作物温度数据作为农作物环境因素数据。
可选地,所述环境影响因素还包括湿度因素,所述环境影响因素数据还包括初始湿度数据;
所述获取所述环境影响因素的参考环境数据的步骤,还包括:
获取所述湿度因素的湿度参考数据,并将所述湿度参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,还包括:
根据所述湿度参数数据对所述农作物品种的初始湿度数据进行调整,获得农作物湿度数据,并将所述农作物湿度数据作为农作物环境因素数据。
可选地,所述环境影响因素还包括光照因素,所述环境影响因素数据还包括初始光照数据;
所述获取所述环境影响因素的参考环境数据的步骤,还包括:
获取所述光照因素的光照参考数据,并将所述光照参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,还包括:
根据所述光照参数数据对所述农作物品种的初始光照数据进行调整,获得农作物光照数据,并将所述农作物光照数据作为农作物环境因素数据。
可选地,所述环境影响因素还包括土壤湿度因素,所述环境影响因素数据还包括初始土壤湿度数据;
所述获取所述环境影响因素的参考环境数据的步骤,还包括:
获取所述土壤湿度因素的土壤湿度参考数据,并将所述土壤湿度参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,还包括:
根据所述土壤湿度参数数据对所述农作物品种的初始土壤湿度数据进行调整,获得农作物土壤湿度数据,并将所述农作物土壤湿度数据作为农作物环境因素数据。
可选地,所述环境影响因素还包括风速因素,所述环境影响因素数据还包括初始风速数据;
所述获取所述环境影响因素的参考环境数据的步骤,还包括:
获取所述风速因素的风速参考数据,并将所述风速参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,还包括:
根据所述风速参数数据对所述农作物品种的初始风速数据进行调整,获得农作物风速数据,并将所述农作物风速数据作为农作物环境因素数据。
可选地,所述环境影响因素还包括细颗粒物因素,所述环境影响因素数据还包括初始细颗粒物数据;
所述获取所述环境影响因素的参考环境数据的步骤,还包括:
获取所述细颗粒物因素的细颗粒物参考数据,并将所述细颗粒物参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,还包括:
根据所述细颗粒物参数数据对所述农作物品种的初始细颗粒物数据进行调整,获得农作物细颗粒物数据,并将所述农作物细颗粒物数据作为农作物环境因素数据。
可选地,所述环境影响因素还包括气压因素,所述环境影响因素数据还包括初始气压数据;
所述获取所述环境影响因素的参考环境数据的步骤,还包括:
获取所述气压因素的气压参考数据,并将所述气压参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,还包括:
根据所述气压参数数据对所述农作物品种的初始气压数据进行调整,获得农作物气压数据,并将所述农作物气压数据作为农作物环境因素数据。
此外,为实现上述目的,本发明还提出一种智慧农业环境数据分析的实验教学系统,所述智慧农业环境数据分析的实验教学系统包括:
调整模块,用于接收农作物选取指令,根据所述农作物选取指令选取农作物品种,并对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据;
生成模块,用于根据所述农作物环境因素数据生成农作物成长分析图;
比对模块,用于将所述农作物成长分析图与农作物标准生长图进行比对,获得农作物成长比对结果;
分析模块,用于根据所述农作物成长比对结果对所述农作物成长分析图进行标记,并对标记后的所述农作物成长分析图进行分析。
本发明首先接收农作物选取指令,根据农作物选取指令选取农作物品种,并对农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据,然后根据农作物环境因素数据生成农作物成长分析图,将农作物成长分析图与农作物标准生长图进行比对,获得农作物成长比对结果,根据农作物成长比对结果对农作物成长分析图进行标记,并将标记后的农作物成长分析图发送至智慧农业教师子系统,以使智慧农业教师子系统对标记后的农作物成长分析图进行分析。相较于现有技术中,需要教师带领学生进行现场勘查,导致教学成本较高,观察周期较长,还会导致采集的农作物成长数据不精准,而本发明中仅需要根据农作物环境因素数据生成农作物成长分析图,之后对农作物成长分析图进行分析,实现了在降低教学成本的同时,使教师准确掌握学生们关于农作物成长过程中相关的专业知识。
附图说明
图1为本发明智慧农业环境数据分析的实验教学方法第一实施例的流程示意图;
图2为本发明智慧农业环境数据分析的实验教学方法第二实施例的流程示意图;
图3为本发明智慧农业环境数据分析的实验教学系统第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明实施例提供了一种智慧农业环境数据分析的实验教学方法,参照图1,图1为本发明智慧农业环境数据分析的实验教学方法第一实施例的流程示意图。
本实施例中,所述智慧农业环境数据分析的实验教学方法包括以下步骤:
步骤S10:接收农作物选取指令,根据所述农作物选取指令选取农作物品种,并对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据。
易于理解的是,本实施例的执行主体可以是具有图像处理、数据处理、网络通讯和程序运行等功能的智慧农业环境数据分析的实验教学设备,也可以为其他具有相似功能的计算机设备,本实施例并不加以限制,其中,智慧农业环境数据分析的实验教学设备可以为智慧农业实验教学系统,本实施例以及下述各实施例以智慧农业实验教学系统为例进行说明。其中,智慧农业实验教学系统还包括智慧农业学生子系统和智慧农业教师子系统等,智慧农业学生子系统可以接收学生发起的选取指令,并根据选取指令获得对应的数据或信息,智慧农业学生子系统还可以将数据或信息传输至智慧农业教师子系统,智慧农业教师子系统可以对数据或信息进行分析等,本实施例并不加以限制。
可以理解的是,农作物选取指令为考生根据自己的账号和密码登录智慧农业实验教学系统,之后通过智慧农业实验教学系统进入智慧农业学生子系统页面,学生在智慧农业学生子系统中可以发送农作物选取指令等,农作物选取指令可以为蔬菜选取指令或水果选取指令,还可以为茶叶选取指令等,本实施例并不加以限制。
假设学生在智慧农业学生子系统中发送的为茶叶选取指令,则智慧农业学生子系统根据茶叶选取指令确定茶叶品种等;假设学生在智慧农业学生子系统中发送的为水果选取指令,则智慧农业学生子系统根据水果选取指令确定水果品种等;假设学生在智慧农业学生子系统中发送的为蔬菜选取指令,则智慧农业学生子系统根据蔬菜选取指令确定蔬菜品种等。
进一步地,为了增强学生的虚拟操作体验,对农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤可以为:先根据农作物品种确定农作物场景,并根据农作物场景确定农作物成长时段,然后根据农作物成长时段确定农作物品种的环境影响因素,之后获取环境影响因素的参考环境数据,并根据参考环境数据对农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据等。
农作物场景为预先存储在智慧农业实验教学系统中,包括春、夏、秋和冬等,农作物成长时段可以为学生在智慧农业学生子系统内进行自定义设置,可以为8天一个周期,还可以为5天一个周期等,环境影响因素包括温度因素、湿度因素、光照因素、土壤湿度因素、风速因素、细颗粒物因素及气压因素等,本实施例并不加以限制。
进一步地,为了获取精准的农作物环境因素数据,在环境影响因素为温度因素,环境影响因素数据为初始温度数据时,获取温度因素的温度参考数据,并将温度参考数据作为环境影响因素的参考环境数据,之后根据温度参数数据对农作物品种的初始温度数据进行调整,获得农作物温度数据,并将农作物温度数据作为农作物环境因素数据等。
初始温度数据可以为智慧农业实验教学系中自定义设置,可以为0度,也可以为10度等,温度参考数据为当前农作物场景下农作物品种对应的平均温度、最高温度及最低温度等,可以为25度,也可以为13度等,本实施例并不加以限制。
假设学生在智慧农业学生子系统中选取茶叶品种,进而根据茶叶品种确定农作物场景为秋景,秋景对应的农作物成长时段可以设置为8天,在农作物品种的环境影响因素为温度因素时,温度因素对应的温度参考数据为20度时,茶叶品种的最低温度的初始温度数据为0度,最高初始温度为26度,平均初始温度为16度时,之后,学生可以在智慧农业学生子系统中参考温度参考数据进行调整初始温度数据,进而获得农作物温度数据,其中,农作物温度数据中包括成长时段8天中每一天对应的最高温度、最低温度及平均温度等。
在环境影响因素为湿度因素,环境影响因素数据为初始湿度数据时,获取温度因素的湿度参考数据,并将湿度参考数据作为环境影响因素的参考环境数据,之后根据湿度参数数据对农作物品种的初始湿度数据进行调整,获得农作物湿度数据,并将农作物湿度数据作为农作物环境因素数据等。
初始湿度数据可以为智慧农业实验教学系中自定义设置,可以为20%,也可以为90%等,湿度参考数据为当前农作物场景下农作物品种对应的平均湿度、最高湿度及最低湿度等,可以为80%,也可以为13%等,本实施例并不加以限制。
假设学生在智慧农业学生子系统中选取茶叶品种,进而根据茶叶品种确定农作物场景为秋景,秋景对应的农作物成长时段可以设置为8天,在农作物品种的环境影响因素为湿度因素时,湿度因素对应的湿度参考数据为20度时,茶叶品种的最低湿度的初始湿度数据为0,最高初始湿度为90%,平均初始湿度为75%时,之后,学生可以在智慧农业学生子系统中参考湿度参考数据进行调整初始湿度数据,进而获得农作物湿度数据,其中,农作物湿度数据中包括成长时段8天中每一天对应的最高湿度、最低湿度及平均湿度等。
在环境影响因素为光照因素,环境影响因素数据为初始光照数据时,获取光照因素的光照参考数据,并将光照参考数据作为环境影响因素的参考环境数据,之后根据光照参数数据对农作物品种的初始光照数据进行调整,获得农作物光照数据,并将农作物光照数据作为农作物环境因素数据等。
初始光照数据可以为智慧农业实验教学系中自定义设置,可以为0,也可以为6000lx等,光照参考数据为当前农作物场景下农作物品种对应的平均光照、最高光照及最低光照等,可以为8000lx,也可以为2000lx等,本实施例并不加以限制。
假设学生在智慧农业学生子系统中选取茶叶品种,进而根据茶叶品种确定农作物场景为秋景,秋景对应的农作物成长时段可以设置为8天,在农作物品种的环境影响因素为光照因素时,光照因素对应的光照参考数据为6000lx时,茶叶品种的最低湿度的初始光照数据为0,最高初始光照为6000lx,平均初始湿度为2000lx时,之后,学生可以在智慧农业学生子系统中参考光照参考数据进行调整初始光照数据,进而获得农作物光照数据,其中,农作物光照数据中包括成长时段8天中每一天对应的最高光照强度、最低光照强度及平均光照强度等。
在环境影响因素为土壤湿度因素,环境影响因素数据为初始土壤湿度数据时,获取土壤湿度因素的土壤湿度参考数据,并将土壤湿度参考数据作为环境影响因素的参考环境数据,之后根据土壤湿度参数数据对农作物品种的初始土壤湿度数据进行调整,获得农作物土壤湿度数据,并将农作物土壤湿度数据作为农作物环境因素数据等。
初始土壤湿度数据可以为智慧农业实验教学系中自定义设置,可以为0,也可以为60%等,土壤湿度参考数据为当前农作物场景下农作物品种对应的平均土壤湿度、最高土壤湿度及最低土壤湿度等,可以为30%,也可以为50%等,本实施例并不加以限制。
假设学生在智慧农业学生子系统中选取茶叶品种,进而根据茶叶品种确定农作物场景为秋景,秋景对应的农作物成长时段可以设置为8天,在农作物品种的环境影响因素为土壤湿度因素时,土壤湿度因素对应的土壤湿度参考数据为60%时,茶叶品种的最低土壤湿度的初始土壤湿度数据为0,最高初始土壤湿度为70%,平均初始土壤湿度为52%时,之后,学生可以在智慧农业学生子系统中参考土壤湿度参考数据进行调整初始土壤湿度数据,进而获得农作物土壤湿度数据,其中,农作物土壤湿度数据中包括成长时段8天中每一天对应的最高土壤湿度、最低土壤湿度及平均土壤湿度等。
在环境影响因素为风速因素,环境影响因素数据为初始风速数据时,获取风速因素的风速参考数据,并将风速参考数据作为环境影响因素的参考环境数据,之后根据风速参数数据对农作物品种的初始风速数据进行调整,获得农作物风速数据,并将农作物风速数据作为农作物环境因素数据等。
初始风速数据可以为智慧农业实验教学系中自定义设置,可以为0,也可以为9m/s等,风速参考数据为当前农作物场景下农作物品种对应的平均风速、最高风速及最低风速等,可以为7m/s,也可以为2m/s等,本实施例并不加以限制。
假设学生在智慧农业学生子系统中选取茶叶品种,进而根据茶叶品种确定农作物场景为秋景,秋景对应的农作物成长时段可以设置为8天,在农作物品种的环境影响因素为风速因素时,风速因素对应的风速参考数据为7m/s时,茶叶品种的最低风速的初始风速数据为0,最高初始风速为10m/s,平均初始风速为1.5m/s时,之后,学生可以在智慧农业学生子系统中参考风速参考数据进行调整初始风速数据,进而获得农作物风速数据,其中,农作物风速数据中包括成长时段8天中每一天对应的最高风速、最低风速及平均风速等。
在环境影响因素为细颗粒物因素,环境影响因素数据为初始细颗粒物数据时,获取细颗粒物因素的细颗粒物参考数据,并将细颗粒物参考数据作为环境影响因素的参考环境数据,之后根据细颗粒物参数数据对农作物品种的初始细颗粒物数据进行调整,获得农作物细颗粒物数据,并将农作物细颗粒物数据作为农作物环境因素数据等。
初始细颗粒物数据可以为智慧农业实验教学系中自定义设置,可以为0,也可以为25ug/m^3等,细颗粒物参考数据为当前农作物场景下农作物品种对应的平均细颗粒物、最高细颗粒物及最低细颗粒物等,可以为55ug/m^3,也可以为65ug/m^3等,本实施例并不加以限制。
假设学生在智慧农业学生子系统中选取茶叶品种,进而根据茶叶品种确定农作物场景为秋景,秋景对应的农作物成长时段可以设置为8天,在农作物品种的环境影响因素为细颗粒物因素时,细颗粒物因素对应的细颗粒物参考数据为55ug/m^3时,茶叶品种的最低细颗粒物的初始细颗粒物数据为0,最高初始风速为150ug/m^3,平均初始风速为55ug/m^3时,之后,学生可以在智慧农业学生子系统中参考细颗粒物参考数据进行调整初始细颗粒物数据,进而获得农作物细颗粒物数据,其中,农作物细颗粒物数据中包括成长时段8天中每一天对应的最高细颗粒物、最低细颗粒物及平均细颗粒物等。
在环境影响因素为气压因素,环境影响因素数据为初始气压数据时,获取气压因素的气压参考数据,并将气压参考数据作为环境影响因素的参考环境数据,之后根据气压参数数据对农作物品种的初始气压数据进行调整,获得农作物气压数据,并将农作物气压数据作为农作物环境因素数据等。
初始气压数据可以为智慧农业实验教学系中自定义设置,可以为0,也可以为898hpa等,气压参考数据为当前农作物场景下农作物品种对应的平均气压、最高气压及最低气压等,可以为898hpa,也可以为1022hpa等,本实施例并不加以限制。
假设学生在智慧农业学生子系统中选取茶叶品种,进而根据茶叶品种确定农作物场景为秋景,秋景对应的农作物成长时段可以设置为8天,在农作物品种的环境影响因素为气压因素时,气压因素对应的气压参考数据为1000hpa时,茶叶品种的最低气压的初始气压数据为898hpa,最高初始气压为1022hpa,平均初始气压为1000hpa时,之后,学生可以在智慧农业学生子系统中参考气压参考数据进行调整初始气压数据,进而获得农作物气压数据,其中,农作物气压数据中包括成长时段8天中每一天对应的最高气压、最低气压及平均气压等。
步骤S20:根据所述农作物环境因素数据生成农作物成长分析图。
智慧农业实验教学系统可以根据农作物环境因素数据分别生成对应的农作物成长分析图,也可以根据农作物环境因素数据生成一个农作物成长总分析图等。
假设农作物环境因素数据可以为农作物温度数据、农作物湿度数据、农作物光照数据、农作物土壤湿度数据、农作物风速数据、农作物细颗粒物数据及农作物气压数据等,则智慧农业实验教学系统可以根据农作物温度数据生成农作物成长温度分析图,根据农作物湿度数据生成农作物成长湿度分析图,根据农作物光照数据生成农作物成长光照分析图,根据农作物土壤湿度数据生成农作物成长土壤湿度分析图,根据农作物风速数据生成农作物成长风速分析图,根据农作物细颗粒物数据生成农作物成长细颗粒物分析图,并根据农作物气压数据生成农作物成长气压分析图等,之后可将农作物成长温度分析图、农作物成长湿度分析图、农作物成长光照分析图、农作物成长土壤湿度分析图、农作物成长风速分析图、农作物成长细颗粒物分析图及农作物成长气压分析图作为农作物成长分析图;还可以将农作物成长温度分析图、农作物成长湿度分析图、农作物成长光照分析图、农作物成长土壤湿度分析图、农作物成长风速分析图、农作物成长细颗粒物分析图及农作物成长气压分析图进行拼合,汇聚为单张总的农作物成长总分析图,并将农作物成长总分析图作为农作物成长分析图等。
步骤S30:将所述农作物成长分析图与农作物标准生长图进行比对,获得农作物成长比对结果。
农作物标准生长图为该农作物最优的生长环境分析图,其中农作物标准生长图中也包括农作物成长标准温度分析图、农作物成长标准湿度分析图、农作物成长标准光照分析图、农作物成长标准土壤湿度分析图、农作物成长标准风速分析图、农作物成长标准细颗粒物分析图及农作物成长标准气压分析图等,本实施例并不加以限制。
智慧农业实验教学系统可以分别根据农作物成长温度分析图、农作物成长湿度分析图、农作物成长光照分析图、农作物成长土壤湿度分析图、农作物成长风速分析图、农作物成长细颗粒物分析图及农作物成长气压分析图与农作物成长标准温度分析图、农作物成长标准湿度分析图、农作物成长标准光照分析图、农作物成长标准土壤湿度分析图、农作物成长标准风速分析图、农作物成长标准细颗粒物分析图及农作物成长标准气压分析图进行一一比对,并获得农作物成长比对结果,农作物成长比对结果中会说明农作物成长温度分析图、农作物成长湿度分析图、农作物成长光照分析图、农作物成长土壤湿度分析图、农作物成长风速分析图、农作物成长细颗粒物分析图及农作物成长气压分析图中某一天或某一时段对应的数据不标准等。
在具体是实现中,智慧农业学生子系统可以将农作物成长温度分析图、农作物成长湿度分析图、农作物成长光照分析图、农作物成长土壤湿度分析图、农作物成长风速分析图、农作物成长细颗粒物分析图及农作物成长气压分析图发送至智慧农业教师子系统,智慧农业教师子系统中存在农作物成长标准温度分析图、农作物成长标准湿度分析图、农作物成长标准光照分析图、农作物成长标准土壤湿度分析图、农作物成长标准风速分析图、农作物成长标准细颗粒物分析图及农作物成长标准气压分析图等,之后,智慧农业教师子系统可以分别根据农作物成长标准温度分析图、农作物成长标准湿度分析图、农作物成长标准光照分析图、农作物成长标准土壤湿度分析图、农作物成长标准风速分析图、农作物成长标准细颗粒物分析图及农作物成长标准气压分析图对学生通过智慧农业学生子系统发送的农作物成长温度分析图、农作物成长湿度分析图、农作物成长光照分析图、农作物成长土壤湿度分析图、农作物成长风速分析图、农作物成长细颗粒物分析图及农作物成长气压分析图进行对比,并获得农作物成长比对结果等。
步骤S40:根据所述农作物成长比对结果对所述农作物成长分析图进行标记,并对所述标记后的农作物成长分析图进行分析。
智慧农业教师子系统中可以根据农作物成长比对结果对农作物成长分析图进行标记,并根据标记后的农作物成长分析图进行分析等。
假设农作物成长比对结果为农作物成长温度分析图中第二天的获取的农作物环境因素数据与标准数据相差太多,可将农作物成长温度分析图中的第二天的农作物环境因素数据进行标记,教师在智慧农业教师子系统中查看学生标记后的农作物成长分析图,可根据标记后的农作物成长分析图进行详细讲解等;还可以是学生做完实验提交结果后,智慧农业教师子系统获取学生所做的实验结果状态数据进行数据处理,将有用信息提交评价推理机。之后评价推理机利用教师在知识库中预先录入的样例对学生的实验结果信息进行鉴别。发现匹配样例后评价推理机继续利用教师在知识库中预先录入的批改规则对学生的实验结果信息进行推理分析,最后得出结论。评价结果反馈给智慧农业学生子系统并呈现给学生。并把成绩和相关信息汇总到智慧农业教师子系统中的成绩管理模块等。
还需要说明的是,教师可以设置每个实验不同部分的成绩所占权重,最终统计出实验成绩等。
教师在智慧农业教师子系统中可以按照系统生成的批改规则和分数,自动将学生的实验操作给出评分;教师可以查看系统给出的评分细则;教师还可以手动设置实验成绩所占比例及修改系统自动给出的实验分数等;教师制定实验答案,系统生成默认的批改规则和指导规则;教师还可以对默认的批改规则和指导规则进行手动修改,调整规则内容或分值;学生在实验过程中遇到问题,请求指导,系统根据指导规则给出提示等。
智慧农业教师子系统可以根据评分细则自动显示学生得分点和所得成绩,并且教师还可以手动修改系统给的分数等。
其中,智慧农业教师子系统还可以监控学习者的实验过程。当学生在实验过程中遇到问题时学生可以通过该系统寻求指导和帮助,系统会根据学生当前的实验操作,给出引导性的提示,指导学生分步完成实验操作等,也就是说学生在自主完成实验的过程中,系统可根据学生目前的实验操作,自动完成对学生分步式的指导等。
在本实施例中首先接收农作物选取指令,根据农作物选取指令选取农作物品种,并对农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据,然后根据农作物环境因素数据生成农作物成长分析图,将农作物成长分析图与农作物标准生长图进行比对,获得农作物成长比对结果,根据农作物成长比对结果对农作物成长分析图进行标记,并将标记后的农作物成长分析图发送至智慧农业教师子系统,以使智慧农业教师子系统对标记后的农作物成长分析图进行分析。相较于现有技术中,需要教师带领学生进行现场勘查,导致教学成本较高,观察周期较长,还会导致采集的农作物成长数据不精准,而本实施例中仅需要根据农作物环境因素数据生成农作物成长分析图,之后对农作物成长分析图进行分析,实现了在降低教学成本的同时,使教师准确掌握学生们关于农作物成长过程中相关的专业知识。
参考图2,图2为本发明智慧农业环境数据分析的实验教学方法第二实施例的流程示意图。
基于上述第一实施例,在本实施例中,所述步骤S10,还包括:
步骤S101:接收农作物选取指令,根据所述农作物选取指令选取农作物品种,根据所述农作物品种确定农作物场景,并根据所述农作物场景确定农作物成长时段。
可以理解的是,农作物选取指令为考生根据自己的账号和密码登录智慧农业实验教学系统,之后通过智慧农业实验教学系统进入智慧农业学生子系统页面,学生在智慧农业学生子系统中可以发送农作物选取指令等,农作物选取指令可以为蔬菜选取指令或水果选取指令,还可以为茶叶选取指令等,本实施例并不加以限制。
假设学生在智慧农业学生子系统中发送的为茶叶选取指令,则智慧农业学生子系统根据茶叶选取指令确定茶叶品种等;假设学生在智慧农业学生子系统中发送的为水果选取指令,则智慧农业学生子系统根据水果选取指令确定水果品种等;假设学生在智慧农业学生子系统中发送的为蔬菜选取指令,则智慧农业学生子系统根据蔬菜选取指令确定蔬菜品种等。
农作物场景为预先存储在智慧农业实验教学系统中,包括春、夏、秋和冬等,农作物成长时段可以为学生在智慧农业学生子系统内进行自定义设置,可以为8天一个周期,还可以为5天一个周期等,本实施例并不加以限制。
步骤S102:根据所述农作物成长时段确定所述农作物品种的环境影响因素。
环境影响因素包括温度因素、湿度因素、光照因素、土壤湿度因素、风速因素、细颗粒物因素及气压因素等,本实施例并不加以限制。
步骤S103:获取所述环境影响因素的参考环境数据。
参考环境数据可以为温度参考数据、湿度参考数据、光照参考数据、土壤湿度参考数据、风速参考数据、细颗粒物参考数据及气压参考数据等。
温度参考数据为当前农作物场景下农作物品种对应的平均温度、最高温度及最低温度等,可以为25度,也可以为13度等;湿度参考数据为当前农作物场景下农作物品种对应的平均湿度、最高湿度及最低湿度等,可以为80%,也可以为13%等;光照参考数据为当前农作物场景下农作物品种对应的平均光照、最高光照及最低光照等,可以为8000lx,也可以为2000lx等;土壤湿度参考数据为当前农作物场景下农作物品种对应的平均土壤湿度、最高土壤湿度及最低土壤湿度等,可以为30%,也可以为50%等;风速参考数据为当前农作物场景下农作物品种对应的平均风速、最高风速及最低风速等,可以为7m/s,也可以为2m/s等;细颗粒物参考数据为当前农作物场景下农作物品种对应的平均细颗粒物、最高细颗粒物及最低细颗粒物等,可以为55ug/m^3,也可以为65ug/m^3等;气压参考数据为当前农作物场景下农作物品种对应的平均气压、最高气压及最低气压等,可以为898hpa,也可以为1022hpa等,本实施例并不加以限制。
步骤S104:根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据。
在环境影响因素为温度因素,环境影响因素数据为初始温度数据时,获取温度因素的温度参考数据,并将温度参考数据作为环境影响因素的参考环境数据,之后根据温度参数数据对农作物品种的初始温度数据进行调整,获得农作物温度数据,并将农作物温度数据作为农作物环境因素数据等。
初始温度数据可以为智慧农业实验教学系中自定义设置,可以为0度,也可以为10度等,本实施例并不加以限制。
在环境影响因素为湿度因素,环境影响因素数据为初始湿度数据时,获取温度因素的湿度参考数据,并将湿度参考数据作为环境影响因素的参考环境数据,之后根据湿度参数数据对农作物品种的初始湿度数据进行调整,获得农作物湿度数据,并将农作物湿度数据作为农作物环境因素数据等。
初始湿度数据可以为智慧农业实验教学系中自定义设置,可以为20%,也可以为90%等,本实施例并不加以限制。
在环境影响因素为光照因素,环境影响因素数据为初始光照数据时,获取光照因素的光照参考数据,并将光照参考数据作为环境影响因素的参考环境数据,之后根据光照参数数据对农作物品种的初始光照数据进行调整,获得农作物光照数据,并将农作物光照数据作为农作物环境因素数据等。
初始光照数据可以为智慧农业实验教学系中自定义设置,可以为0,也可以为6000lx等,本实施例并不加以限制。
在环境影响因素为土壤湿度因素,环境影响因素数据为初始土壤湿度数据时,获取土壤湿度因素的土壤湿度参考数据,并将土壤湿度参考数据作为环境影响因素的参考环境数据,之后根据土壤湿度参数数据对农作物品种的初始土壤湿度数据进行调整,获得农作物土壤湿度数据,并将农作物土壤湿度数据作为农作物环境因素数据等。
初始土壤湿度数据可以为智慧农业实验教学系中自定义设置,可以为0,也可以为60%等,本实施例并不加以限制。
在环境影响因素为风速因素,环境影响因素数据为初始风速数据时,获取风速因素的风速参考数据,并将风速参考数据作为环境影响因素的参考环境数据,之后根据风速参数数据对农作物品种的初始风速数据进行调整,获得农作物风速数据,并将农作物风速数据作为农作物环境因素数据等。
初始风速数据可以为智慧农业实验教学系中自定义设置,可以为0,也可以为9m/s等,本实施例并不加以限制。
在环境影响因素为细颗粒物因素,环境影响因素数据为初始细颗粒物数据时,获取细颗粒物因素的细颗粒物参考数据,并将细颗粒物参考数据作为环境影响因素的参考环境数据,之后根据细颗粒物参数数据对农作物品种的初始细颗粒物数据进行调整,获得农作物细颗粒物数据,并将农作物细颗粒物数据作为农作物环境因素数据等。
初始细颗粒物数据可以为智慧农业实验教学系中自定义设置,可以为0,也可以为25ug/m^3等,本实施例并不加以限制。
在环境影响因素为气压因素,环境影响因素数据为初始气压数据时,获取气压因素的气压参考数据,并将气压参考数据作为环境影响因素的参考环境数据,之后根据气压参数数据对农作物品种的初始气压数据进行调整,获得农作物气压数据,并将农作物气压数据作为农作物环境因素数据等。
初始气压数据可以为智慧农业实验教学系中自定义设置,可以为0,也可以为898hpa等,本实施例并不加以限制。
在本实施例中,首先接收农作物选取指令,根据农作物选取指令选取农作物品种,根据农作物品种确定农作物场景,并根据农作物场景确定农作物成长时段,然后根据农作物成长时段确定农作物品种的环境影响因素,之后获取环境影响因素的参考环境数据,并根据参考环境数据对农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据,从而实现精准获取农作物环境因素数据,进而增强学生的虚拟操作体验。
参照图3,图3为本发明智慧农业环境数据分析的实验教学系统第一实施例的结构框图。
如图3所示,本发明实施例提出的智慧农业环境数据分析的实验教学系统包括:
调整模块3001,用于接收农作物选取指令,根据所述农作物选取指令选取农作物品种,并对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据;
生成模块3002,用于根据所述农作物环境因素数据生成农作物成长分析图;
比对模块3003,用于将所述农作物成长分析图与农作物标准生长图进行比对,获得农作物成长比对结果;
分析模块3004,用于根据所述农作物成长比对结果对所述农作物成长分析图进行标记,并对所述标记后的农作物成长分析图进行分析。
在本实施例中首先接收农作物选取指令,根据农作物选取指令选取农作物品种,并对农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据,然后根据农作物环境因素数据生成农作物成长分析图,将农作物成长分析图与农作物标准生长图进行比对,获得农作物成长比对结果,根据农作物成长比对结果对农作物成长分析图进行标记,并将标记后的农作物成长分析图发送至智慧农业教师子系统,以使智慧农业教师子系统对标记后的农作物成长分析图进行分析。相较于现有技术中,需要教师带领学生进行现场勘查,导致教学成本较高,观察周期较长,还会导致采集的农作物成长数据不精准,而本实施例中仅需要根据农作物环境因素数据生成农作物成长分析图,之后对农作物成长分析图进行分析,实现了在降低教学成本的同时,使教师准确掌握学生们关于农作物成长过程中相关的专业知识。
进一步地,所述调整模块3001,还用于根据所述农作物品种确定农作物场景,并根据所述农作物场景确定农作物成长时段;
所述调整模块3001,还用于根据所述农作物成长时段确定所述农作物品种的环境影响因素;
所述调整模块3001,还用于获取所述环境影响因素的参考环境数据;
所述调整模块3001,还用于根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据。
进一步地,所述环境影响因素包括温度因素,所述环境影响因素数据包括初始温度数据;
所述调整模块3001,还用于获取所述温度因素的温度参考数据,并将所述温度参考数据作为所述环境影响因素的参考环境数据;
所述调整模块3001,还用于根据所述温度参数数据对所述农作物品种的初始温度数据进行调整,获得农作物温度数据,并将所述农作物温度数据作为农作物环境因素数据。
进一步地,所述环境影响因素还包括湿度因素,所述环境影响因素数据还包括初始湿度数据;
所述调整模块3001,还用于获取所述湿度因素的湿度参考数据,并将所述湿度参考数据作为所述环境影响因素的参考环境数据;
所述调整模块3001,还用于根据所述湿度参数数据对所述农作物品种的初始湿度数据进行调整,获得农作物湿度数据,并将所述农作物湿度数据作为农作物环境因素数据。
进一步地,所述环境影响因素还包括光照因素,所述环境影响因素数据还包括初始光照数据;
所述调整模块3001,还用于获取所述光照因素的光照参考数据,并将所述光照参考数据作为所述环境影响因素的参考环境数据;
所述调整模块3001,还用于根据所述光照参数数据对所述农作物品种的初始光照数据进行调整,获得农作物光照数据,并将所述农作物光照数据作为农作物环境因素数据。
进一步地,所述环境影响因素还包括土壤湿度因素,所述环境影响因素数据还包括初始土壤湿度数据;
所述调整模块3001,还用于获取所述土壤湿度因素的土壤湿度参考数据,并将所述土壤湿度参考数据作为所述环境影响因素的参考环境数据;
所述调整模块3001,还用于根据所述土壤湿度参数数据对所述农作物品种的初始土壤湿度数据进行调整,获得农作物土壤湿度数据,并将所述农作物土壤湿度数据作为农作物环境因素数据。
进一步地,所述环境影响因素还包括风速因素,所述环境影响因素数据还包括初始风速数据;
所述调整模块3001,还用于获取所述风速因素的风速参考数据,并将所述风速参考数据作为所述环境影响因素的参考环境数据;
所述调整模块3001,还用于根据所述风速参数数据对所述农作物品种的初始风速数据进行调整,获得农作物风速数据,并将所述农作物风速数据作为农作物环境因素数据。
进一步地,所述环境影响因素还包括细颗粒物因素,所述环境影响因素数据还包括初始细颗粒物数据;
所述调整模块3001,还用于获取所述细颗粒物因素的细颗粒物参考数据,并将所述细颗粒物参考数据作为所述环境影响因素的参考环境数据;
所述调整模块3001,还用于根据所述细颗粒物参数数据对所述农作物品种的初始细颗粒物数据进行调整,获得农作物细颗粒物数据,并将所述农作物细颗粒物数据作为农作物环境因素数据。
进一步地,所述环境影响因素还包括气压因素,所述环境影响因素数据还包括初始气压数据;
所述调整模块3001,还用于获取所述气压因素的气压参考数据,并将所述气压参考数据作为所述环境影响因素的参考环境数据;
所述调整模块3001,还用于根据所述气压参数数据对所述农作物品种的初始气压数据进行调整,获得农作物气压数据,并将所述农作物气压数据作为农作物环境因素数据。
本发明智慧农业环境数据分析的实验教学系统的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于智慧农业环境数据分析的实验教学方法,其特征在于,所述基于智慧农业环境数据分析的实验教学方法包括:
接收农作物选取指令,根据所述农作物选取指令选取农作物品种,并对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据;
根据所述农作物环境因素数据生成农作物成长分析图;
将所述农作物成长分析图与农作物标准生长图进行比对,获得农作物成长比对结果;
根据所述农作物成长比对结果对所述农作物成长分析图进行标记,并对标记后的所述农作物成长分析图进行分析。
2.如权利要求1所述的方法,其特征在于,所述对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,包括:
根据所述农作物品种确定农作物场景,并根据所述农作物场景确定农作物成长时段;
根据所述农作物成长时段确定所述农作物品种的环境影响因素;
获取所述环境影响因素的参考环境数据;
根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据。
3.如权利要求2所述的方法,其特征在于,所述环境影响因素包括温度因素,所述环境影响因素数据包括初始温度数据;
所述获取所述环境影响因素的参考环境数据的步骤,包括:
获取所述温度因素的温度参考数据,并将所述温度参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,包括:
根据所述温度参数数据对所述农作物品种的初始温度数据进行调整,获得农作物温度数据,并将所述农作物温度数据作为农作物环境因素数据。
4.如权利要求2所述的方法,其特征在于,所述环境影响因素还包括湿度因素,所述环境影响因素数据还包括初始湿度数据;
所述获取所述环境影响因素的参考环境数据的步骤,还包括:
获取所述湿度因素的湿度参考数据,并将所述湿度参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,还包括:
根据所述湿度参数数据对所述农作物品种的初始湿度数据进行调整,获得农作物湿度数据,并将所述农作物湿度数据作为农作物环境因素数据。
5.如权利要求2所述的方法,其特征在于,所述环境影响因素还包括光照因素,所述环境影响因素数据还包括初始光照数据;
所述获取所述环境影响因素的参考环境数据的步骤,还包括:
获取所述光照因素的光照参考数据,并将所述光照参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,还包括:
根据所述光照参数数据对所述农作物品种的初始光照数据进行调整,获得农作物光照数据,并将所述农作物光照数据作为农作物环境因素数据。
6.如权利要求2所述的方法,其特征在于,所述环境影响因素还包括土壤湿度因素,所述环境影响因素数据还包括初始土壤湿度数据;
所述获取所述环境影响因素的参考环境数据的步骤,还包括:
获取所述土壤湿度因素的土壤湿度参考数据,并将所述土壤湿度参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,还包括:
根据所述土壤湿度参数数据对所述农作物品种的初始土壤湿度数据进行调整,获得农作物土壤湿度数据,并将所述农作物土壤湿度数据作为农作物环境因素数据。
7.如权利要求2所述的方法,其特征在于,所述环境影响因素还包括风速因素,所述环境影响因素数据还包括初始风速数据;
所述获取所述环境影响因素的参考环境数据的步骤,还包括:
获取所述风速因素的风速参考数据,并将所述风速参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,还包括:
根据所述风速参数数据对所述农作物品种的初始风速数据进行调整,获得农作物风速数据,并将所述农作物风速数据作为农作物环境因素数据。
8.如权利要求2所述的方法,其特征在于,所述环境影响因素还包括细颗粒物因素,所述环境影响因素数据还包括初始细颗粒物数据;
所述获取所述环境影响因素的参考环境数据的步骤,还包括:
获取所述细颗粒物因素的细颗粒物参考数据,并将所述细颗粒物参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,还包括:
根据所述细颗粒物参数数据对所述农作物品种的初始细颗粒物数据进行调整,获得农作物细颗粒物数据,并将所述农作物细颗粒物数据作为农作物环境因素数据。
9.如权利要求2所述的方法,其特征在于,所述环境影响因素还包括气压因素,所述环境影响因素数据还包括初始气压数据;
所述获取所述环境影响因素的参考环境数据的步骤,还包括:
获取所述气压因素的气压参考数据,并将所述气压参考数据作为所述环境影响因素的参考环境数据;
相应地,根据所述参考环境数据对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据的步骤,还包括:
根据所述气压参数数据对所述农作物品种的初始气压数据进行调整,获得农作物气压数据,并将所述农作物气压数据作为农作物环境因素数据。
10.一种基于智慧农业环境数据分析的实验教学系统,其特征在于,所述基于智慧农业环境数据分析的实验教学系统包括:
调整模块,用于接收农作物选取指令,根据所述农作物选取指令选取农作物品种,并对所述农作物品种的环境影响因素数据进行调整,获得农作物环境因素数据;
生成模块,用于根据所述农作物环境因素数据生成农作物成长分析图;
比对模块,用于将所述农作物成长分析图与农作物标准生长图进行比对,获得农作物成长比对结果;
分析模块,用于根据所述农作物成长比对结果对所述农作物成长分析图进行标记,并对所述标记后的农作物成长分析图进行分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011353695.3A CN112529375B (zh) | 2020-11-26 | 2020-11-26 | 基于智慧农业环境数据分析的实验教学方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011353695.3A CN112529375B (zh) | 2020-11-26 | 2020-11-26 | 基于智慧农业环境数据分析的实验教学方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112529375A true CN112529375A (zh) | 2021-03-19 |
CN112529375B CN112529375B (zh) | 2024-07-19 |
Family
ID=74994107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011353695.3A Active CN112529375B (zh) | 2020-11-26 | 2020-11-26 | 基于智慧农业环境数据分析的实验教学方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112529375B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113219837A (zh) * | 2021-05-21 | 2021-08-06 | 重庆电子工程职业学院 | 一种智慧农业教育系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205263629U (zh) * | 2015-12-21 | 2016-05-25 | 厦门脉控电子技术有限公司 | 一种基于无线通讯的家用种植机 |
CN106197549A (zh) * | 2016-08-15 | 2016-12-07 | 武克易 | 一种花卉种植环境参数检测方法 |
CN106651621A (zh) * | 2017-01-06 | 2017-05-10 | 广东小天才科技有限公司 | 一种植物的虚拟种植方法及装置 |
CN107527245A (zh) * | 2017-08-31 | 2017-12-29 | 深圳前海弘稼科技有限公司 | 虚拟种植方法和虚拟种植系统 |
CN107742172A (zh) * | 2017-11-03 | 2018-02-27 | 深圳前海弘稼科技有限公司 | 预测农作物产量的方法、系统及计算机装置 |
CN207132919U (zh) * | 2016-12-19 | 2018-03-23 | 宁波市农业科学研究院 | 基于光伏技术的农业信息实时远程监测系统 |
TWM560593U (zh) * | 2017-11-10 | 2018-05-21 | Shan Nong Technology Co Ltd | 環境數據檢測裝置 |
CN207742581U (zh) * | 2017-12-07 | 2018-08-17 | 善农科技有限公司 | 环境数据检测装置 |
-
2020
- 2020-11-26 CN CN202011353695.3A patent/CN112529375B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205263629U (zh) * | 2015-12-21 | 2016-05-25 | 厦门脉控电子技术有限公司 | 一种基于无线通讯的家用种植机 |
CN106197549A (zh) * | 2016-08-15 | 2016-12-07 | 武克易 | 一种花卉种植环境参数检测方法 |
CN207132919U (zh) * | 2016-12-19 | 2018-03-23 | 宁波市农业科学研究院 | 基于光伏技术的农业信息实时远程监测系统 |
CN106651621A (zh) * | 2017-01-06 | 2017-05-10 | 广东小天才科技有限公司 | 一种植物的虚拟种植方法及装置 |
CN107527245A (zh) * | 2017-08-31 | 2017-12-29 | 深圳前海弘稼科技有限公司 | 虚拟种植方法和虚拟种植系统 |
CN107742172A (zh) * | 2017-11-03 | 2018-02-27 | 深圳前海弘稼科技有限公司 | 预测农作物产量的方法、系统及计算机装置 |
TWM560593U (zh) * | 2017-11-10 | 2018-05-21 | Shan Nong Technology Co Ltd | 環境數據檢測裝置 |
CN207742581U (zh) * | 2017-12-07 | 2018-08-17 | 善农科技有限公司 | 环境数据检测装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113219837A (zh) * | 2021-05-21 | 2021-08-06 | 重庆电子工程职业学院 | 一种智慧农业教育系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112529375B (zh) | 2024-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111353921A (zh) | 一种考试管理方法及系统、电子设备 | |
CN109344738A (zh) | 农作物病虫草害识别方法及装置 | |
CN109658516B (zh) | Vr培训场景的创建方法、vr培训系统以及计算机可读存储介质 | |
CN111258433A (zh) | 基于虚拟场景的教学互动系统 | |
CN112153340B (zh) | 美术远程考试系统及方法 | |
CN110059927B (zh) | 绩效线上评定方法、装置、设备和存储介质 | |
CN110598583A (zh) | 智能绿化管理方法、智能绿化控制系统以及存储介质 | |
CN106897384A (zh) | 一种要点题自动评价方法及装置 | |
CN112529375A (zh) | 基于智慧农业环境数据分析的实验教学方法及系统 | |
CN111046852A (zh) | 个人学习路径生成方法、设备及可读存储介质 | |
CN113850132A (zh) | 农作物识别方法、装置、设备及存储介质 | |
CN110609947A (zh) | 智能学习系统的学习内容推荐方法、终端及存储介质 | |
CN114550017B (zh) | 基于移动端的松材线虫病一体化预警及检测方法和装置 | |
CN113408374B (zh) | 基于人工智能的产量预估方法、装置、设备及存储介质 | |
CN114430536A (zh) | 基于北斗定位模块的农业物联网方法、系统及云平台 | |
CN109840867B (zh) | 一种智能教学的方法、设备及装置 | |
WO2001004865A9 (en) | Computerized scientific method educational system for collecting and analyzing data from prerecorded experiments | |
CN112733845A (zh) | 兴趣区域问题识别方法、兴趣区域巡检方法及装置 | |
CN116416522A (zh) | 植物物种确定方法、装置及计算机可读存储介质 | |
CN110070810A (zh) | 一种楼盘讲解方法及楼盘讲解系统 | |
CN108416496A (zh) | 基于数据分析的教学评估方法、存储介质及服务器 | |
CN114936281A (zh) | 基于大数据的试题动态分类方法、装置、设备及存储介质 | |
CN114663652A (zh) | 图像处理方法、装置、管理系统、电子设备和存储介质 | |
KR20230046029A (ko) | 인공 위성 취득 정보 기반 농작물 정보 제어 시스템 및 인공 위성 취득 정보 기반 농작물 정보 제어 방법 | |
CN113705438A (zh) | 一种基于多种数据采集形式的考评、阅卷方法及系统 |
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 |