CN112529394B - 一种用于农药使用风险的监测方法及系统 - Google Patents
一种用于农药使用风险的监测方法及系统 Download PDFInfo
- Publication number
- CN112529394B CN112529394B CN202011411446.5A CN202011411446A CN112529394B CN 112529394 B CN112529394 B CN 112529394B CN 202011411446 A CN202011411446 A CN 202011411446A CN 112529394 B CN112529394 B CN 112529394B
- Authority
- CN
- China
- Prior art keywords
- pesticide
- information
- data
- medication
- dosage
- 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.)
- Active
Links
- 239000000575 pesticide Substances 0.000 title claims abstract description 167
- 238000012544 monitoring process Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000003814 drug Substances 0.000 claims abstract description 95
- 229940079593 drug Drugs 0.000 claims abstract description 74
- 238000003306 harvesting Methods 0.000 claims abstract description 50
- 238000001514 detection method Methods 0.000 claims description 24
- 241000196324 Embryophyta Species 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 13
- 241000607479 Yersinia pestis Species 0.000 claims description 10
- 201000010099 disease Diseases 0.000 claims description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 8
- 230000001276 controlling effect Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 6
- UDHXJZHVNHGCEC-UHFFFAOYSA-N Chlorophacinone Chemical compound C1=CC(Cl)=CC=C1C(C=1C=CC=CC=1)C(=O)C1C(=O)C2=CC=CC=C2C1=O UDHXJZHVNHGCEC-UHFFFAOYSA-N 0.000 claims description 3
- 238000001647 drug administration Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000011068 loading method Methods 0.000 claims description 2
- 239000004615 ingredient Substances 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000012795 verification Methods 0.000 abstract description 9
- 238000007726 management method Methods 0.000 abstract description 8
- 238000012271 agricultural production Methods 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 description 17
- 238000011156 evaluation Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 9
- 239000004480 active ingredient Substances 0.000 description 8
- 239000002552 dosage form Substances 0.000 description 8
- 239000000447 pesticide residue Substances 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- CFRPSFYHXJZSBI-DHZHZOJOSA-N (E)-nitenpyram Chemical compound [O-][N+](=O)/C=C(\NC)N(CC)CC1=CC=C(Cl)N=C1 CFRPSFYHXJZSBI-DHZHZOJOSA-N 0.000 description 5
- 229940079888 nitenpyram Drugs 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 241000238631 Hexapoda Species 0.000 description 4
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 4
- 244000141359 Malus pumila Species 0.000 description 4
- 235000011430 Malus pumila Nutrition 0.000 description 4
- 235000015103 Malus silvestris Nutrition 0.000 description 4
- 240000007594 Oryza sativa Species 0.000 description 4
- 235000007164 Oryza sativa Nutrition 0.000 description 4
- 240000003768 Solanum lycopersicum Species 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 235000009566 rice Nutrition 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 231100000703 Maximum Residue Limit Toxicity 0.000 description 2
- 239000003905 agrochemical Substances 0.000 description 2
- 230000000844 anti-bacterial effect Effects 0.000 description 2
- 239000003899 bactericide agent Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010790 dilution Methods 0.000 description 2
- 239000012895 dilution Substances 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 235000009024 Ceanothus sanguineus Nutrition 0.000 description 1
- 241000207199 Citrus Species 0.000 description 1
- 241000219112 Cucumis Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- 240000008067 Cucumis sativus Species 0.000 description 1
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 1
- 241001466042 Fulgoromorpha Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 240000003553 Leptospermum scoparium Species 0.000 description 1
- 235000015459 Lycium barbarum Nutrition 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 244000269722 Thea sinensis Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009418 agronomic effect Effects 0.000 description 1
- PBGNLHHLENTMLB-UHFFFAOYSA-J calcium;copper;disulfate Chemical compound [Ca+2].[Cu+2].[O-]S([O-])(=O)=O.[O-]S([O-])(=O)=O PBGNLHHLENTMLB-UHFFFAOYSA-J 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 235000020971 citrus fruits Nutrition 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013340 harvest operation Methods 0.000 description 1
- 241000411851 herbal medicine Species 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 235000013616 tea Nutrition 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 239000004562 water dispersible granule Substances 0.000 description 1
- 239000004563 wettable powder Substances 0.000 description 1
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Educational Administration (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明实施例公开了一种用于农药使用风险的监测方法及系统，涉及农业技术方面的大数据技术领域，利用大数据、人工智能等技术采集、清洗农药登记信息，构建用于监测农药使用安全的监测数据库，在此基础上建立农药使用风险智能预警与评价模型，评价用药操作和采收操作的安全性，对风险较高的操作及时发出预警。模型可集成到现有农业生产管理系统中，指导农户用药，规范用药行为，降低用药风险，提高农产品质量安全。提高了自动化程度，降低人工校验的工作量。
Description
技术领域
本发明涉及农业技术方面的大数据技术领域，尤其涉及一种用于农药使用风险的监测方法及系统。
背景技术
在农业生产过程中，农药是一把双刃剑。一方面，作为防治病虫草害的重要生产资料，农药在保障农产品产量、质量安全等方面发挥着不可替代的作用。目前，农药仍然是防治有害生物最直接、最经济、最有效的方法。另一方面，如果使用不当，则会导致农产品农药残留超标、自然环境受到污染，给生态平衡和人畜健康造成很大压力，严重影响农业的可持续发展。我国是农药生产和出口大国，《农药管理条例》中明确规定了农药使用者应当严格按照农药标签标注的要求使用农药，并且要建立农药使用记录。
但在实际操作过程中，受到使用者年龄、文化水平、认知观念、种植规模、农药价格、农产品价格、区域经济发展水平等多种因素的影响，农药不当使用的情况普遍存在。目前对农药使用的风险评价大部分依靠人工评价农药使用记录和农药残留检测，存在以下不足：首先，在实际生产过程中，很多农户没有及时准确地记录农药使用情况，导致农药使用信息记录不全，并且部分农户采用纸质记录，容易丢失；其次，对农药使用行为的风险评价需要较为专业的知识储备，农户的文化水平可能满足不了这方面的要求，也难以对用药行为进行合乎科学的分析和评判。
虽然这几十年下来全民教育水平提高很多，但是很多现代化的农业技术手段往往需要更高的知识水平才能实现，比如：农药残留检测在时间上通常是滞后的，缺乏行之有效的产中预警措施，残留检测和预警分析等需要很多现代化和数字化的手段，不论是从成本上还是人才需求上来说，在目前的中国广大的农村地区依旧难以普及。因此严重制约了中国农业现代化过程中的现代化农药使用手段的普及。
发明内容
本发明的实施例提供一种用于农药使用风险的监测方法及系统，能够提升产中预警的效率，并提升用药操作和采收操作安全性的检测的自动化程度，以及提升预警分析的自动化程度。
为达到上述目的，本发明的实施例采用如下技术方案：
第一方面，本发明的实施例提供的用于农药使用风险的监测方法，包括：
S1、采集农药登记信息；
S2、对采集得到的农药登记信息进行数据清洗，得到目标数据，其中，所述目标数据至少包括：有效成分含量、使用范围、用药量、最多使用次数、施药间隔期、安全间隔期；
S3、根据目标数据建立监测数据库；
S4、利用所述监测数据库中的数据分析用户输入的操作信息是否正常，并将分析结果反馈给用户终端，其中，所述操作信息包括：用药操作对应的信息和采收操作对应的信息。
第二方面，本发明的实施例提供的用于农药使用风险的监测系统，包括：后台服务器，运维终端和用户终端；
所述运维终端，用于采集农药登记信息；并对采集得到的农药登记信息进行数据清洗，得到目标数据，其中，所述目标数据至少包括：有效成分含量、使用范围、用药量、最多使用次数、施药间隔期、安全间隔期；
所述后台服务器，用于根据目标数据建立监测数据库；
所述用户终端，用于接收用户输入的操作信息并向所述后台服务器发送，所述后台服务器还用于利用所述监测数据库中的数据分析用户输入的操作信息是否正常，并将分析结果反馈给所述用户终端，其中，所述操作信息包括：用药操作对应的信息和采收操作对应的信息。
本发明实施例提供的用于农药使用风险的监测方法及系统，利用大数据、人工智能等技术采集、清洗农药登记信息，构建用于监测农药使用安全的监测数据库，在此基础上建立农药使用风险智能预警与评价模型，评价用药操作和采收操作的安全性，对风险较高的操作及时发出预警。模型可集成到现有农业生产管理系统中，指导农户用药，规范用药行为，降低用药风险，提高农产品质量安全。提高了自动化程度，降低人工校验的工作量。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的农药登记信息构成的示意图；
图2为本发明实施例提供的农药登记信息采集流程的示意图；
图3为本发明实施例提供的信息提取总体流程的示意图；
图4为本发明实施例提供的一种具体实例的示意图；
图5为本发明实施例提供的提取安全间隔期流程的示意图；
图6为本发明实施例提供的用于监测农药使用安全的监测数据库的示意图；
图7为本发明实施例提供的农药使用安全性评价流程的示意图；
图8为本发明实施例提供的农事操作安全性预警的示意图；
图9为本发明实施例提供的生产项目安全性评价示例的示意图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。下文中将详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
现有的农业生产管理系统往往侧重于记录生产过程信息，没有进一步对用药行为进行分析评判；此外，农药残留检测在时间上通常是滞后的，缺乏行之有效的产中预警措施。因此需要一种快速有效地自动评价用药风险的方法。农药使用安全性评价可以从使用范围、用药量、每季最多使用次数、施药间隔期、安全间隔期等方面进行，目前没有公开的数据源能够直接获取上述信息。农药登记信息给出了每种农药的详细信息，内容比较全面且更新及时，但这些信息是非结构化的，不能直接应用于信息系统。
目前的农药使用存在的问题：1超范围使用：农药品种繁多，目前，我国在有效期内的农药登记品种就有4万多个，其中杀虫剂近2万个、除草剂1万多个、杀菌剂1万多个。《条例》要求农药使用者不得超范围用药，不得使用禁用的农药，剧毒、高毒农药不得用于蔬菜、瓜果、茶叶、菌类、中草药材的生产，不得用于水生植物的病虫害防治。不同品种的农药在适用作物/场所、防治对象、使用方式上有差异。不同作物上病虫草害的发生规律和防治方法都不相同，需要使用者有针对性地对待。部分使用者由于对这些方面认识不足，加上种植技术有限，错误地选择农药品种，可能延误最佳防治时期，导致农产品的产量和质量安全受到严重影响。2超剂量使用：《条例》明确要求使用者不得超剂量用药。但在实际生产过程中，部分使用者误以为剂量越大防治效果越好，不按照标签要求操作，盲目增大剂量，这样做不仅浪费农药、提高植保成本，而且会出现药害、病虫害和杂草的耐药性增强、农药残留超标，使环境受到污染，对农产品和人体健康产生危害，给生态平衡造成威胁。3超次数使用：《条例》要求使用者不得超次数用药，部分用户盲目增加用药次数，后果和超剂量用药类似。4未过安全间隔期采收：安全间隔期指的是最后一次用药至作物收获时安全允许间隔的天数，是农药残留量降低到最大残留限量内的所需的最短间隔时间。安全间隔期是保障农产品质量安全的前提，也是国内外农药管理中的普遍做法。安全间隔期与农药的理化性质、产品剂型、作物种类、环境条件、用药量、使用次数、施药方式等因素有关，不同农药在不同作物上的安全间隔期差异较大。《条例》规定，标签标注安全间隔期的农药，在农产品收获前应当按照安全间隔期的要求停止使用。部分使用者缺乏对农药残留和安全间隔期的认识，不按安全间隔期收获，导致农药残留超标，影响农产品质量安全。此外，还存在混用不合理、用药时期和方式不当、长期用药单一、植保装备落后、废弃物回收不当等问题。
由此可见，农业生产中农药使用不当的情况普遍存在，严重影响农产品质量安全，急需一种快速有效地自动评价农药使用风险的方法。
鉴于此，本实施例采用爬虫、自然语言处理等大数据分析、人工智能技术采集、清洗农药登记信息，将非结构化数据转化为信息系统可直接使用的结构化数据，构建用于监测农药使用安全的监测数据库，以此作为依据，建立农药使用风险智能预警与评价模型，根据农事操作记录智能判断用药操作、采收操作的安全性，可实现产中实时预警、产后自动研判，为农业生产提供技术支撑，为监管部门提供决策支持。
本发明实施例提供一种用于农药使用风险的监测方法，包括：
S1、采集农药登记信息。
S2、对采集得到的农药登记信息进行数据清洗，得到目标数据。
其中，所述目标数据至少包括：有效成分含量、使用范围、用药量、最多使用次数、施药间隔期、安全间隔期。具体的，在GB/T8321农药合理使用准则中规定了为防治农作物的病虫草害，793种农药在195种农作物上1100余项合理使用准则，列出了安全使用农药的相关项目及标准值，包括农药名称、剂型、含量、适用作物、主要防治对象、每亩每次制剂施用量或稀释倍数、施药方法、每季最多使用次数、安全间隔期、实施要点说明、最高残留限量值等。但该标准是按照1999、2003年度《农药登记公告》中的施药量、施药方法等修订，信息较为有限和滞后。NY/T1276-2007农药安全使用规范总则规定了使用农药人员的安全防护和安全操作的要求，但是没有对农药安全使用标准值作相关说明。农药登记信息给出了每种农药的使用范围和使用方法、使用技术要求、注意事项等使用规范信息，内容比较全面且更新及时，但这些信息是非结构化的，不能直接应用于信息系统，需要将非结构化数据转化为可直接使用的结构化数据。
S3、根据目标数据建立监测数据库。
S4、利用所述监测数据库中的数据分析用户输入的操作信息是否正常，并将分析结果反馈给用户终端，其中，所述操作信息包括：用药操作对应的信息和采收操作对应的信息。
本实施例中，所述采集农药登记信息，包括：接入数据查询入口，通过所述数据查询入口载入指定页面，抓取所述指定页面中的信息并组合生成所述采集农药登记信息，其中，所述指定页面包括：列表页面、登记数据页面和标签信息页面。其中，农药使用安全性评价主要从使用范围、用药量、每季最多使用次数、施药间隔期、安全间隔期等方面进行。目前没有公开的数据源能够直接获取上述关键信息，间接地，可以从农药登记信息中进行抽取。农业农村部农药检定所在中国农药信息网上提供了农药登记数据查询入口，可根据登记证号、农药类别、有效成分、剂型、作物/场所、防治对象、有效成分等字段检索出所有农药的登记信息。网络爬虫可按照一定的规则，自动从互联网上抓取信息，本实施例中使用爬虫自动采集农药登记信息。例如图1所示的，每种农药的登记信息由列表页面、登记数据页面、标签信息页面3个页面的信息组合而成。需要说明的是，列表页面、登记数据页面、标签信息页面等，都可以从公开的网站中获取，例如：www.chinapesticide.org.cn。
具体应用中，可以包括：
根据指定页面的入口链接，生成Request并放入查询任务队列中。当判定所述查询任务队列不为空时，将队列中的Request发送给下载器，所述下载器生成Response。将查询页面生成Request，放入队列中，通过引擎发送给下载器，生成Request对应的Response，发送给信息抓取工具进行解析。农药的登记信息是从所述登记数据页面获取的，农药的标签信息是从所述标签信息页面获取的，登记证号是从所述列表页面获取的。例如图2所示的农药登记信息采集流程。
将查询页面生成Request，放入队列中，通过引擎发送给下载器，生成Request对应的Response，发送给爬虫解析。需要说明的是，本实施例中所采用的爬虫工具，仅用于从公开网站上获取公开信息，比如：从中国农药信息网上获取公开的信息，并非用于从非公开网上获取信息，或者采取灰色手段获取非公开的信息。对于列表页面，获取页面上所有的登记证号，逐一判断登记证号在数据库中是否已存在，如果不存在，则获取该登记证号对应的农药名称、农药类别、剂型、总含量、有效期、登记证持有人信息，连同登记证号一起新增到农药基本信息库中，并且拼接登记数据页面和标签信息页面的链接，放入队列中。例如：登记证号为PD20200737的农药对应的农药名称为硫酸铜钙、农药类别为杀菌剂、剂型为水分散粒剂、总含量为77％、登记证有效期至2025-9-17、登记证持有人为陕西某公司。页面上所有登记证号都判断结束后，判断列表页面是否有下一页，如果有则将下一页的链接放入队列，直至所有页面都判断过。对于登记数据页面，获取登记证首次批准日期、有效成分等信息。对于标签信息页面，获取登记证号对应的使用范围和使用方法、使用技术要求、产品性能、注意事项、中毒急救措施、储存和运输方法等信息。将上述信息存储到数据库相应的字段中。
本实施例中，所述对采集得到的农药登记信息进行数据清洗，包括：从所述有效成分含量信息的表示总含量的字段中，提取表示有效成分含量的数值和单位，并对所提取数值和单位进行换算为基准单位。其中，有效成分含量的提取包括：
登记信息中有效成分含量通常采用质量分数(百分含量％)或质量浓度(克/升)表示，例如20％、150克/升，部分单位用英文描述。使用正则表达式匹配登记信息的总含量字段，提取出有效成分含量的数值和单位，进行换算，并且将单位为％的有效成分含量数值直接除以100，后面可直接运用该数值进行计算。如果匹配不到或者匹配出多个，则进行人工校验。PD20200197、PD20183365换算前、换算后的有效成分含量如表1所示。
表1
其中，1克/升≈0.1％
从所述登记信息的表示用药量的字段中，提取最小用药量、最大用药量和用药单位，并换算为基准单位。其中，使用范围、用药量的提取，包括：
使用范围、用药量从使用范围和使用方法字段提取，使用范围包括作物/场所和防治对象。农业部令2017年第7号文件《农药标签和说明书管理办法》中规定：使用剂量以每亩使用该产品的制剂量或者稀释倍数表示。种子处理剂的使用剂量采用每100公斤种子使用该产品的制剂量表示。特殊用途的农药，使用剂量的表述应当与农药登记批准的内容一致。登记信息中用药量的描述形式多样，主要有以下几种形式：(1)数字+用药单位，例如3克/亩。(2)数字+-+数字+用药单位，例如1000-2000倍液。(3)1:+数字+药种比、1:+数字+-+(1:)+数字+药种比，例如1:89药种比、1:13-17药种比、1:320-1:960药种比，其中，用药单位有克/亩、毫升/亩、倍、倍液、克/100千克种子、毫升/100千克种子、毫克/平方米、升/平方米、克/公顷等，和有效成分含量类似，部分单位用英文描述。使用正则表达式进行匹配，提取出最小用药量、最大用药量、用药单位。用药单位不同会导致无法直接比较农药使用量，按照单位之间的换算关系将最小用药量、最大用药量折算到基准单位。用药量的基准单位采用克/100千克种子、克/亩等。如果匹配不到或者匹配出多个，则进行人工校验。用药量提取示例如表2所示。
表2
其中，1公顷＝15亩，1亩＝666.7平方米，1毫升≈1克，1克＝1000毫克，1升＝1000毫升，亩用药量＝亩兑水量/倍(液)，1:n药种比＝100000/n克/100千克种子
从使用技术要求信息和注意事项信息的字段中，提取每季最多使用次数、施药间隔期和安全间隔期。其中，每季最多使用次数、施药间隔期、安全间隔期的提取：每季最多使用次数、施药间隔期、安全间隔期的信息从使用技术要求、注意事项字段中提取。利用自然语言处理技术对这两个字段的信息进行正则替换，然后进行分词和词性标注，自动提取出每季最多使用次数、施药间隔期、安全间隔期信息，并对自动提取的信息进行异常评估，对异常分较高的记录进行人工校验。例如：如图3所示的，
4.1，获取登记证号NO对应的作物/场所CropSet、使用技术要求、注意事项字段信息。
4.2，对使用技术要求、注意事项进行预处理。预处理包括去除空格、汉字数字替换为阿拉伯数字、全角字符替换为半角字符等。
4.3，正则替换。自然语言具有多样性、多变性、歧义性，给信息提取带来很大困难，以安全间隔期为例，有安全间隔期、采收间隔期、安全收获期、安全间隔收获期、最后1次施药距离收获期、最后1次施药距采收间隔期等多达几十种描述形式。使用正则表达式将每季最多使用次数、施药间隔期、安全间隔期的相关描述替换为统一的描述形式“施药次数……次”、“施药间隔期为……日”、“安全间隔期为……天”，将其他无需处理的间隔期替换为“无用间隔期”，将晴天、雨天、风天等替换为“替换词”。
4.4，分词和词性标注。对正则替换后的文本进行分词和词性标注。以PD20101691的使用技术要求为例，第二步～第四步的处理结果如图4所示：
预处理步骤中去除了初始文本中的3个空格。正则替换步骤中将“用药间隔期7天”替换为“施药间隔期为7日”、“安全采收间隔期为7天”替换为“安全间隔期为7天”、“后7-10天”替换为“无用间隔期”、“用药间隔15天”替换为“施药间隔期为15日”、“安全采收间隔期为10天”替换为“安全间隔期为10天”、“风天”替换为“替换词”。图中，n为名词，x为符号，v为动词，f为方位词，c为连词，t为时间词，p为介词，m为数词，r为代词，l为习用语，a为形容词，nz为其他专名，vn为名动词。处理后，所有的作物/场所被标注为名词。
4.5，提取信息。每季最多使用次数、施药间隔期、安全间隔期的信息提取方法类似，次、日、天分别是对应的标志位。以安全间隔期为例，流程如图5所示的：
如果分词标注后的文本S中包含“安全间隔期”，以“天”作为分隔符，将S分割为{S1，…，Sn}，提取每一小段文本Si中“天”前面的名词集{Noun1，…，Nounm}和数字Num，依次判断每个名词Nounj是否在该农药的登记作物/场所集CropSet中，如果在，则添加一个条目SIDict[Nounj]＝Num，并计算异常分SIScore。如果S中所有名词都不在CropSet中，则认为该安全间隔期适用于CropSet中的所有作物/场所，添加记录SIDict[CropSet]＝Num，计算异常分SIScore。最终获得安全间隔期的提取结果SIDict＝{Crop1：SI1，…，Cropns：SIns}、异常分SIScore，其中键值对Cropi：SIi表示NO在作物/场所Cropi上的安全间隔期是SIi天。同理，获取每季最多使用次数和施药间隔期的结果分别为MUPSDict＝{Crop1：MUPS1，…，Cropnm：MUPSnm}、异常分MUPSScore和AIDict＝{Crop1：AI1，…，Cropna：AIna}、异常分AIScore。汇总结果，整理为如下格式：
总体异常分取MUPSScore、AIScore、SIScore中的最大值，保存至数据库中，如果某种类型的信息缺失，默认设置为9999。PD20101691三种类型信息提取结果分别为MUPSDict＝{″番茄″：3，″苹果树″：3}、MUPSScore＝12，AIDict＝{″番茄″：7，″苹果树″：15}、AIScore＝12，SIDict＝{″番茄″：7，″苹果树″：10}、SIScore＝12，汇总后的结果为
之后还可以采用人工校验，对数据库中异常分较高且未经人工校验的记录参照使用技术要求、注意事项进行人工修正，并保存。
进一步的，后台服务器可以根据目标数据建立监测数据库，具体将抽取的信息归纳整理，构建用于监测农药使用安全的监测数据库，如图6所示，主要包含以下3方面的规范数据：
1：有效成分规范。描述某种农药的有效成分含量。
2：使用范围、使用量规范。描述某种农药用于防治某种作物上某个病虫草害时的用药量范围。
3：时间隔期、使用次数规范。描述某种农药在某种作物上的每季最多使用次数、施药间隔期、安全间隔期，暂无相关描述的标记为9999。
本实施例中，所述利用所述监测数据库中的数据分析用户输入的操作信息是否正常，包括：检测用药操作是否正常和检测采收操作是否正常两方面。其中，检测用药操作是否正常，包括：依次执行检测环节，当一个检测环节的判定结果为是时，进入下一个检测环节，其中，按照检测顺序，检测环节依次包括：检测作物/场所是否符合所述监测数据库中的数据，检测防治对象是否符合所述监测数据库中的数据，检测单次用药量是否符合所述监测数据库中的数据，检测用药次数是否符合所述监测数据库中的数据，检测施药间隔期是否符合所述监测数据库中的数据，检测累计有效成分是否符合所述监测数据库中的数据。
在优选方案中，依次执行检测环节，当一个检测环节的判定结果为是时，进入下一个检测环节，其中，按照检测顺序，检测环节依次包括：检测单次用药量是否符合所述监测数据库中的数据，检测用药次数是否符合所述监测数据库中的数据，检测施药间隔期是否符合所述监测数据库中的数据，检测累计有效成分是否符合所述监测数据库中的数据。
检测采收操作是否正常，包括：检测采收时间是否超出采收之前所有用药操作的安全日期，若超出则判定采收操作安全。
本实施例中，可以进一步提升自动化程度，通过建立智能预警与评价模型来检测用药操作和采收操作的安全程度，例如：如图7所示的，农药使用风险预警与评价主要针对用药操作和采收操作，其中用药操作预警与评价综合考虑登记证号相同和农药名称相同两种情况。
第一步评价单次用药操作是否安全，依据规范2首先判断该农药能否用在这个作物上，然后判断该农药能否用于防治该病虫草害、调节生长，其次判断该农药单次使用量是否超标。如果单次用药操作满足规范2的要求，则执行第二步多次用药操作判断。作物生长期中可能多次使用同一登记证号的农药，首先统计该登记证号农药的累计使用次数，根据最近一次使用该登记证号农药的时间计算两次用药操作的间隔天数，然后对照规范3的要求，判断用药次数是否超标、和上次用药之间的间隔时间是否满足要求。如果多次用药操作满足规范3的要求，则执行第3步总体用药操作判断。作物生长期中有可能多次使用名称相同但登记证号不同的农药，这些农药在浓度、剂型等方面有差异，例如，PD20160263、PD20170288的农药名称均为烯啶虫胺，有效成分均为烯啶虫胺，前者的有效成分含量为0.1、剂型为可溶液剂，后者的有效成分含量为0.2、剂型为可湿性粉剂。通过计算每亩累计有效成分用量是否超过每亩累计最大有效成分用量判断用药操作是否安全，计算公式如下。
MCAID＝maxMDj*ACCj*MUj，j＝1…n (10)
其中，m是使用名称为P的农药的操作次数，n是m次操作中包含的登记证号个数，Di、ACCi是第i次操作中P的每亩用药量和有效成分含量，CAID是P的每亩累计有效成分用量，MDj、ACCj、MUj是第j个登记证号对应的农药在该作物上的每亩最大用药量、有效成分含量和最多使用次数，MCAID是每亩累计最大有效成分用量。如果累计成分用量满足要求，则认为用药操作安全。
采收操作考虑采收时间是否超出采收之前所有用药操作的安全日期，计算公式如下。
MMT＝max(MTk+SIk)，k＝1…l (11)
其中，l是采收操作之前的用药操作次数，n是m次操作中包含的登记证号个数，MTk、SIk是第k次用药的操作时间和使用农药的安全间隔期，MMT是采收之前用药操作安全日期的最大值。如果满足安全间隔期要求，则认为采收操作安全。
在实际应用中，信息标准化是实现不同信息系统之间数据交换、资源共享的前提。为了更好地发挥农药登记信息的作用，本实施例中利用大数据、人工智能等技术采集、清洗农药登记信息，构建用于监测农药使用安全的监测数据库，在此基础上建立农药使用风险智能预警与评价模型，评价用药操作和采收操作的安全性，对风险较高的操作及时发出预警。一方面，模型可集成到现有农业生产管理系统中，指导农户用药，规范用药行为，降低用药风险，提高农产品质量安全；另一方面，可结合监管需求，统计区域用药情况，分析区域用药、采收行为，强化农药使用过程的管理，对不当行为及时预警，为监管提供决策支持。下一步可以考虑优化信息提取方法，进一步提高准确率，降低人工校验的工作量。文中使用的规范完全基于农药登记信息，是农药安全使用最基本的要求，可根据区域实际情况和农产品分级要求使用相应的规范，提高模型的适用性。
本实施例还提供一种用于农药使用风险的监测系统，所述监测系统包括：后台服务器，运维终端和用户终端。
所述运维终端，用于采集农药登记信息。并对采集得到的农药登记信息进行数据清洗，得到目标数据，其中，所述目标数据至少包括：有效成分含量、使用范围、用药量、最多使用次数、施药间隔期、安全间隔期。
所述后台服务器，用于根据目标数据建立监测数据库。
所述用户终端，用于接收用户输入的操作信息并向所述后台服务器发送，所述后台服务器还用于利用所述监测数据库中的数据分析用户输入的操作信息是否正常，并将分析结果反馈给所述用户终端，其中，所述操作信息包括：用药操作对应的信息和采收操作对应的信息。
需要说明的是，本实施例中的数据采集、数据抽取、安全使用规范数据库构建、智能预警与评价模型建立均使用Python3编程实现，数据库使用MySQL，爬虫使用Scrapy，分词使用Jieba插件。日常生产过程中，农户建立生产项目，录入与生产项目相关联的农事操作信息，其中，生产项目信息中包括作物、项目简介、面积、负责人等，用药操作需要录入操作日期、农药登记证号、防治对象、用药量等内容，其他操作包括采收需要录入操作日期、备注等内容。使用者提交农事操作信息时，后台自动根据模型计算出操作的安全性评价结果，如果风险较高，会及时发出预警，提醒农户谨慎操作，降低风险，提高农产品质量安全。农作物以水稻为例，农事操作以用药操作为例，提交界面如图8所示。通过前述模型不仅可以对单次农事操作进行预警和评价，在此基础上可以评价生产项目的安全性，统计各类不安全操作的数量，并且能够根据用药历史自动计算出安全采收日期，指导实际生产，如图9所示，示例中，根据农事操作记录计算出安全采收日期为2020-11-25，有9次用药操作和3次采收操作，其中有5次用药操作和2次用药操作被评价为不安全。具体地，第1次用药操作中使用的PD20190082登记作物有茶树、番茄、柑橘树、黄瓜、苹果树，不适用于水稻。第2次用药操作中使用的PD20170288登记的是用于防治水稻的稻飞虱，不能用于防治杂草。第3、4次用药操作符合农药安全使用规范的要求。第5次用药操作中PD20160263的用药量为15.00克/亩，超出了用药量上限13.30克/亩。第6、7次用药操作符合农药安全使用规范的要求。截至第8次用药，有效成分烯啶虫胺累计用量达到12.10克/亩，超出PD20160263的上限3.99克/亩和PD20170288的上限12.00克/亩。第9次用药是第4次使用PD20160263，使用次数超出每季最多使用次数3次。第1次采收日期为2020-10-30，安全采收日期是2020-11-09，未过安全间隔期采收，第2次采收是同样的问题，第3次采收满足安全间隔期要求。
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，对于设备实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (6)
1.一种用于农药使用风险的监测方法，其特征在于，包括：
S1、采集农药登记信息；
S2、对采集得到的农药登记信息进行数据清洗，得到目标数据，其中，所述目标数据至少包括：有效成分含量、使用范围、用药量、最多使用次数、施药间隔期、安全间隔期；
S3、根据目标数据建立监测数据库；
S4、利用所述监测数据库中的数据分析用户输入的操作信息是否正常，并将分析结果反馈给用户终端，其中，所述操作信息包括：用药操作对应的信息和采收操作对应的信息；
所述利用所述监测数据库中的数据分析用户输入的操作信息是否正常，包括：检测用药操作是否正常，其中：依次执行检测环节，当一个检测环节的判定结果为是时，进入下一个检测环节，其中，按照检测顺序，检测环节依次包括：检测作物/场所是否符合所述监测数据库中的数据，检测防治对象是否符合所述监测数据库中的数据，检测单次用药量是否符合所述监测数据库中的数据，检测用药次数是否符合所述监测数据库中的数据，检测施药间隔期是否符合所述监测数据库中的数据，检测累计有效成分是否符合所述监测数据库中的数据；
其中，通过建立智能预警与评价模型来检测用药操作和采收操作的安全程度，包括：
检测单次用药操作是否安全，其中，首先判断登记证号对应农药能否用在作物上，然后判断该农药能否用于防治该作物的病虫草害或者调节生长，其次再判断该农药单次使用量是否超标；
进行多次用药操作判断，其中，首先统计该农药的累计使用次数，之后根据最近一次使用该农药的时间计算两次用药操作的间隔天数；然后判断用药次数是否超标，和，上次用药之间的间隔时间是否满足要求；
所述判断用药次数是否超标包括：通过计算每亩累计有效成分用量是否超过每亩累计最大有效成分用量判断用药操作是否安全，表示为：
MCAID＝maxMDj*ACCj*MUj,j＝1…n
其中，m是使用名称为P的农药的操作次数，n是m次操作中包含的登记证号个数，Di、ACCi是第i次操作中P的每亩用药量和有效成分含量，CAID是P的每亩累计有效成分用量，MDj、ACCj、MUj是第j个登记证号对应的农药在该作物上的每亩最大用药量、有效成分含量和最多使用次数，MCAID是每亩累计最大有效成分用量；
采收操作的安全程度检测的方式为：
MMT＝max(MTk+SIk),k＝1…l
其中，l是采收操作之前的用药操作次数，MTk、SIk是第k次用药的操作时间和使用农药的安全间隔期，MMT是采收之前用药操作安全日期的最大值。
2.根据权利要求1所述的方法，其特征在于，所述采集农药登记信息，包括：
接入数据查询入口，通过所述数据查询入口载入指定页面，抓取所述指定页面中的信息并组合生成所述采集农药登记信息，其中，所述指定页面包括：列表页面、登记数据页面和标签信息页面。
3.根据权利要求2所述的方法，其特征在于，包括：
根据指定页面的入口链接，生成Request并放入查询任务队列中；
当判定所述查询任务队列不为空时，将队列中的Request发送给下载器，所述下载器生成Response；
将查询页面生成Request，放入队列中，通过引擎发送给下载器，生成Request对应的Response，发送给信息抓取工具进行解析；
其中，农药的登记信息是从所述登记数据页面获取的，农药的标签信息是从所述标签信息页面获取的，登记证号是从所述列表页面获取的。
4.根据权利要求2所述的方法，其特征在于，所述对采集得到的农药登记信息进行数据清洗，包括：
从所述有效成分含量信息的表示总含量的字段中，提取表示有效成分含量的数值和单位，并对所提取数值和单位进行换算为基准单位；
从所述登记信息的表示用药量的字段中，提取最小用药量、最大用药量和用药单位，并换算为基准单位；
从使用技术要求信息和注意事项信息的字段中，提取每季最多使用次数、施药间隔期和安全间隔期。
5.根据权利要求1所述的方法，其特征在于，所述利用所述监测数据库中的数据分析用户输入的操作信息是否正常，包括：检测采收操作是否正常，其中：检测采收时间是否超出采收之前所有用药操作的安全日期，若超出则判定采收操作安全。
6.一种用于农药使用风险的监测系统，其特征在于，所述监测系统包括：后台服务器，运维终端和用户终端；
所述运维终端，用于采集农药登记信息；并对采集得到的农药登记信息进行数据清洗，得到目标数据，其中，所述目标数据至少包括：有效成分含量、使用范围、用药量、最多使用次数、施药间隔期、安全间隔期；
所述后台服务器，用于根据目标数据建立监测数据库；
所述用户终端，用于接收用户输入的操作信息并向所述后台服务器发送，所述后台服务器还用于利用所述监测数据库中的数据分析用户输入的操作信息是否正常，并将分析结果反馈给所述用户终端，其中，所述操作信息包括：用药操作对应的信息和采收操作对应的信息；
所述利用所述监测数据库中的数据分析用户输入的操作信息是否正常，包括：检测用药操作是否正常，其中：依次执行检测环节，当一个检测环节的判定结果为是时，进入下一个检测环节，其中，按照检测顺序，检测环节依次包括：检测作物/场所是否符合所述监测数据库中的数据，检测防治对象是否符合所述监测数据库中的数据，检测单次用药量是否符合所述监测数据库中的数据，检测用药次数是否符合所述监测数据库中的数据，检测施药间隔期是否符合所述监测数据库中的数据，检测累计有效成分是否符合所述监测数据库中的数据；
其中，通过建立智能预警与评价模型来检测用药操作和采收操作的安全程度，包括：
检测单次用药操作是否安全，其中，首先判断登记证号对应农药能否用在作物上，然后判断该农药能否用于防治该作物的病虫草害或者调节生长，其次再判断该农药单次使用量是否超标；
进行多次用药操作判断，其中，首先统计该农药的累计使用次数，之后根据最近一次使用该农药的时间计算两次用药操作的间隔天数；然后判断用药次数是否超标，和，上次用药之间的间隔时间是否满足要求；
所述判断用药次数是否超标包括：通过计算每亩累计有效成分用量是否超过每亩累计最大有效成分用量判断用药操作是否安全，表示为：
MCAID＝maxMDj*ACCj*MUj,j＝1…n
其中，m是使用名称为P的农药的操作次数，n是m次操作中包含的登记证号个数，Di、ACCi是第i次操作中P的每亩用药量和有效成分含量，CAID是P的每亩累计有效成分用量，MDj、ACCj、MUj是第j个登记证号对应的农药在该作物上的每亩最大用药量、有效成分含量和最多使用次数，MCAID是每亩累计最大有效成分用量；
采收操作的安全程度检测的方式为：
MMT＝max(MTk+SIk),k＝1…l
其中，l是采收操作之前的用药操作次数，MTk、SIk是第k次用药的操作时间和使用农药的安全间隔期，MMT是采收之前用药操作安全日期的最大值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011411446.5A CN112529394B (zh) | 2020-12-03 | 2020-12-03 | 一种用于农药使用风险的监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011411446.5A CN112529394B (zh) | 2020-12-03 | 2020-12-03 | 一种用于农药使用风险的监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112529394A CN112529394A (zh) | 2021-03-19 |
| CN112529394B true CN112529394B (zh) | 2024-02-09 |
Family
ID=74997695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011411446.5A Active CN112529394B (zh) | 2020-12-03 | 2020-12-03 | 一种用于农药使用风险的监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112529394B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113035293B (zh) * | 2021-04-23 | 2024-03-19 | 一泽信息科技(上海)有限公司 | 一种绿色农药库的建库方法 |
| CN114169747A (zh) * | 2021-12-06 | 2022-03-11 | 武汉相思农产品供应链有限公司 | 一种农药安全使用的管理方法、装置、设备及介质 |
| CN114461707B (zh) * | 2022-03-17 | 2024-11-22 | 中国人民解放军疾病预防控制中心 | 一种农药数据库使用方法、装置、电子设备及存储介质 |
| CN117192015B (zh) * | 2023-09-11 | 2024-08-02 | 宁夏农产品质量标准与检测技术研究所(宁夏农产品质量监测中心) | 一种枸杞中农药残留的风险评估方法及系统 |
| CN118155144B (zh) * | 2024-05-13 | 2024-08-16 | 上海国兴农智能科技股份有限公司 | 基于ai视觉的蔬菜种植农药投入品监管系统及方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005063239A (ja) * | 2003-08-15 | 2005-03-10 | National Agriculture & Bio-Oriented Research Organization | 農業資材使用適否判定装置、農業資材使用適否判定方法および農業資材使用適否判定プログラム |
| CN1713198A (zh) * | 2004-06-22 | 2005-12-28 | 东芝解决方案株式会社 | 栽培计划管理服务器、栽培计划管理方法及程序 |
| JP2006221391A (ja) * | 2005-02-10 | 2006-08-24 | Yamatake Corp | 農薬使用基準作成方法、農薬使用基準作成装置及び農薬使用基準作成プログラム |
| JP2006302185A (ja) * | 2005-04-25 | 2006-11-02 | Natl Fedelation Of Agricult Coop Assoc | 適合農薬判定携帯端末機、適合農薬判定システム、適合農薬判定方法 |
| JP2007109041A (ja) * | 2005-10-14 | 2007-04-26 | Yamatake Corp | 農薬使用履歴管理システム |
| JP2008003984A (ja) * | 2006-06-26 | 2008-01-10 | Yamatake Corp | 栽培履歴管理方法および栽培履歴管理システム |
| JP2008016018A (ja) * | 2006-06-09 | 2008-01-24 | Kawai Hiryo Kk | 農薬使用可否判定プログラム及び使用可能農薬提示プログラム |
| JP2011065356A (ja) * | 2009-09-16 | 2011-03-31 | Yanmar Co Ltd | 農薬使用量認証システム |
| JP2012221344A (ja) * | 2011-04-12 | 2012-11-12 | Hitachi Ltd | 品質保証方法および品質保証プログラム |
| CN108898508A (zh) * | 2018-06-28 | 2018-11-27 | 四川科库科技有限公司 | 一种病虫害治理方案生成方法及装置 |
-
2020
- 2020-12-03 CN CN202011411446.5A patent/CN112529394B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005063239A (ja) * | 2003-08-15 | 2005-03-10 | National Agriculture & Bio-Oriented Research Organization | 農業資材使用適否判定装置、農業資材使用適否判定方法および農業資材使用適否判定プログラム |
| CN1713198A (zh) * | 2004-06-22 | 2005-12-28 | 东芝解决方案株式会社 | 栽培计划管理服务器、栽培计划管理方法及程序 |
| JP2006221391A (ja) * | 2005-02-10 | 2006-08-24 | Yamatake Corp | 農薬使用基準作成方法、農薬使用基準作成装置及び農薬使用基準作成プログラム |
| JP2006302185A (ja) * | 2005-04-25 | 2006-11-02 | Natl Fedelation Of Agricult Coop Assoc | 適合農薬判定携帯端末機、適合農薬判定システム、適合農薬判定方法 |
| JP2007109041A (ja) * | 2005-10-14 | 2007-04-26 | Yamatake Corp | 農薬使用履歴管理システム |
| JP2008016018A (ja) * | 2006-06-09 | 2008-01-24 | Kawai Hiryo Kk | 農薬使用可否判定プログラム及び使用可能農薬提示プログラム |
| JP2008003984A (ja) * | 2006-06-26 | 2008-01-10 | Yamatake Corp | 栽培履歴管理方法および栽培履歴管理システム |
| JP2011065356A (ja) * | 2009-09-16 | 2011-03-31 | Yanmar Co Ltd | 農薬使用量認証システム |
| JP2012221344A (ja) * | 2011-04-12 | 2012-11-12 | Hitachi Ltd | 品質保証方法および品質保証プログラム |
| CN108898508A (zh) * | 2018-06-28 | 2018-11-27 | 四川科库科技有限公司 | 一种病虫害治理方案生成方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112529394A (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112529394B (zh) | 一种用于农药使用风险的监测方法及系统 | |
| Moller et al. | Intensification of New Zealand agriculture: implications for biodiversity | |
| National Research Council et al. | The impact of genetically engineered crops on farm sustainability in the United States | |
| Gibbs et al. | Effective monitoring for adaptive wildlife management: lessons from the Galapagos Islands | |
| Jost et al. | Epidemiological assessment of the Rift Valley fever outbreak in Kenya and Tanzania in 2006 and 2007 | |
| Hutchinson et al. | Inventorying and monitoring crop pollinating bees: Evaluating the effectiveness of common sampling methods | |
| Park et al. | Assessment of the diverse roles of home gardens and their sustainable management for livelihood improvement in West Java, Indonesia | |
| CN106203827A (zh) | 一种食品安全风险预警系统 | |
| Jacobs et al. | Nursery stock quality as an indicator of bottomland hardwood forest restoration success in the Lower Mississippi River Alluvial Valley | |
| Osunkoya et al. | A risk‐based inventory of invasive plant species of Queensland, Australia: Regional, ecological and floristic insights | |
| Navarro et al. | Mapping agriculture's impact by combining farm management handbooks, life-cycle assessment and search engine science | |
| Li et al. | Parasites as ecosystem modulators: foliar pathogens suppress top‐down effects of large herbivores | |
| CN109146166A (zh) | 一种基于投资者讨论内容打分的个股大跌预测模型 | |
| Suutarinen | Tractor accidents and their prevention | |
| Lambert | Monitoring local food security and coping strategies: lessons from information collection and analysis in Mopti, Mali | |
| Setiadi et al. | Contract broiler farming as an effective pathway to improve rural prosperity in Indonesia | |
| McPhee et al. | PRO Plus: a whole-farm fodder budgeting decision support system | |
| Jacoby et al. | Effects of triclopyr, clopyralid, and picloram on growth and production of cotton | |
| Moranz | The effects of ecological management on tallgrass prairie butterflies and their nectar sources | |
| Watanabe et al. | International trends on the conservation and use of plant genetic resources | |
| Armleder | Integrated management of timber and deer: interior forests of western North America | |
| JP2004310374A (ja) | 一元化総合作物管理システム | |
| Jayawardhana | On-Farm Environmental Assessment of Very Small to Small-Sized Strawberry Farms in the Southeastern United States | |
| Lacy et al. | Economic Analysis of Replacing Wild-Type Endophyte Infected Tall Fescue with Novel Endophyte-Infected Fescue | |
| Siregar et al. | Analysis of Potential and Strategy for Sustainable Development of Sheep Resources in Serdang Bedagai Regency |
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 |