CN112560792A - 一种果园农事活动自动化记录方法 - Google Patents
一种果园农事活动自动化记录方法 Download PDFInfo
- Publication number
- CN112560792A CN112560792A CN202011582507.4A CN202011582507A CN112560792A CN 112560792 A CN112560792 A CN 112560792A CN 202011582507 A CN202011582507 A CN 202011582507A CN 112560792 A CN112560792 A CN 112560792A
- Authority
- CN
- China
- Prior art keywords
- farming
- orchard
- activity
- activities
- time
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 120
- 238000009313 farming Methods 0.000 title claims abstract description 120
- 239000002420 orchard Substances 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 24
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 32
- 238000005516 engineering process Methods 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000013135 deep learning Methods 0.000 claims abstract description 18
- 239000000463 material Substances 0.000 claims description 36
- 238000005303 weighing Methods 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 description 10
- 230000036544 posture Effects 0.000 description 10
- 239000000575 pesticide Substances 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 230000004720 fertilization Effects 0.000 description 5
- 239000003337 fertilizer Substances 0.000 description 5
- 230000010152 pollination Effects 0.000 description 5
- 238000010413 gardening Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 238000009333 weeding Methods 0.000 description 4
- 239000012773 agricultural material Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003028 elevating effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种果园农事活动自动化记录方法,应用视频监控捕捉果园农事活动图像并识别分类农事活动,分别在图像捕捉、识别分类和农事活动记录各流程中应用人物动态侦测、姿态识别和时间序列算法技术,依靠深度学习训练模型提高农事活动记录的准确性与真实性,从而补齐果园农事活动台帐记录,保证果品防伪溯源数据的可靠性。
Description
技术领域
本发明涉及果园农事信息化技术领域,具体涉及一种果园农事活动自动记录方法。
背景技术
果园农事活动主要包括施肥、施药、灌溉、疏花、疏果、整枝、套袋、采摘等,其中大部分操作还是需要人工完成,这也导致目前这些农事活动只能通过人工记录和领料记录方面进行管理和溯源,漏记和漏报现象时有发生,农事活动台帐常有缺失。根据无公害水果生产的相关标准要求,果树栽培生产期间的农事活动类型、时间、区域和详细记录等信息对指导农产品生产和物流具有很大的价值,是农产品质量追溯应用中的重要信息来源,必须真实记录并符合农业部绿色食品生产相关标准。因此上述现状严重困扰绿色现代果园的打造。
对于大部分现代果园而言,其中布设的视频监控设备能够直接捕捉到进行这些农事活动时的画面,如能通过技术手段有效利用这些图像信息,分析其中工人行为,进而形成记录数据,将会显著提高农事记录的准确性与真实性,加强果树的栽培管理水平,使果园生产满足更高生产标准的要求,提升果品价值,同时保证果品品质与防伪溯源应用的可靠性。但现实中果园都无法做到上述任务,其主要原因在于:目前大部分视频监控智能分析采用上位视频流画面分析,需要大量网络流量用于视频传输,而果园的农事活动较为频繁,一方面没有足够的设备和网络条件存储并传输农事活动画面,另一方面没有相应的技术对这些画面进行识别分类,无法将其转化为有效的农事活动记录数据。因此,解决这一类的问题显得尤为重要。
发明内容
针对上述问题,本发明提供了一种果园农事活动自动化记录方法,应用视频监控捕捉果园农事活动图像并识别分类农事活动,分别在图像捕捉、识别分类和农事活动记录各流程中应用人物动态侦测、姿态识别和时间序列算法技术,依靠深度学习训练模型提高农事活动记录的准确性与真实性,从而补齐果园农事活动台帐记录,保证果品防伪溯源数据的可靠性。
为了实现上述技术方案,本发明提供了一种果园农事活动自动化记录方法,采用视频监控设备覆盖整个果园以及农资仓库的领料称量区域,捕捉物资领料称量时的图像并读取领料种类、数量信息,并形成领料记录;并应用人脸识别技术,来建立员工人脸信息数据库,并据此识别拍摄图像中人员数量和人员身份;系统识别图像中人员的身体各关节点的位置和整体姿态以及果园农事活动相关的持有器物、机器设备关键要素信息,以此作为区分不同农事活动种类的依据;然后将图像的捕获时间与果园水果品种的物候期做比较,以将果园农事行为发生的物候期作为区分不同农事活动种类的依据;最后根据同一种类农事活动初步记录的时间间隔,合并同类农事活动并形成完整记录。
进一步改进在于:通过深度学习图像物体检测技术来自动检测农事活动图像中的人物、持有器物、人体姿态信息,结合图像的捕捉时间、气象站监测的数据,来大量获取果园农事活动信息。
进一步改进在于:据聚类算法和时间序列算法整合形成准确的果园农事活动记录。
进一步改进在于:所述视频监控设备由市电或者采用太阳能供电板转接变压器用于给视频监控设备供电。
进一步改进在于:所述视频监控设备采用人物动态侦测技术,依据农事人员连续时间范围内的肢体动作特征、所持农事器物、停留的时间来判断此时是否发生农事活动,以实现农事活动人物图像的准确捕获。
进一步改进在于:将一段时间内果园农事活动的人员、发生时间、结束时间、农事活动种类、果园区域信息和天气数据进行时间序列合并,形成非冗余的果园农事活动记录。
进一步改进在于:将领料记录关联到对应的果园农事活动记录,整合形成完整非冗余的果园农事活动记录。
本发明的有益效果是:本发明通过深度学习图像物体检测、人体姿态识别和图像捕获时期分析,可以自动、准确、高效地识别果园真实发生的农事活动。通过所述农事活动图像捕捉顺序能够有效的记录并匹配相关的果园农事活动,在一定程度上能够避免果园农事活动的漏记和漏报。同时,通过聚类算法和时间序列算法,能够整合重复的农事活动记录,形成完整且非冗余的农事活动记录信息,有效的为后续果园农事生产管理提供可靠的基础数据。
附图说明
图1为本发明的流程图。
图2为视频监控捕获图像示例。
具体实施方式
为了加深对本发明的理解,下面将结合实施例对本发明做进一步详述,本实施例仅用于解释本发明,并不构成对本发明保护范围的限定。
根据图1所示,本实施例提供了一种果园农事活动自动化记录方法,采用视频监控设备覆盖整个果园以及农资仓库的领料称量区域,捕捉物资领料称量时的图像并读取领料种类、数量信息,并形成领料记录;并应用人脸识别技术,来建立员工人脸信息数据库,并据此识别拍摄图像中人员数量和人员身份;系统识别图像中人员的身体各关节点的位置和整体姿态以及果园农事活动相关的持有器物、机器设备关键要素信息,以此作为区分不同农事活动种类的依据;然后将图像的捕获时间与果园水果品种的物候期做比较,以将果园农事行为发生的物候期作为区分不同农事活动种类的依据;最后根据同一种类农事活动初步记录的时间间隔,合并同类农事活动并形成完整记录。
在本实施例中,通过深度学习图像物体检测技术来自动检测农事活动图像中的人物、持有器物、人体姿态信息,结合图像的捕捉时间、气象站监测的数据,来大量获取果园农事活动信息。
据聚类算法和时间序列算法整合形成准确的果园农事活动记录。
所述视频监控设备由市电来进行供电,或者采用30Ah的太阳能供电板通过变压器转换为12V/2A,用于给视频监控设备供电。
所述视频监控设备采用人物动态侦测技术,依据农事人员连续时间范围内的肢体动作特征、所持农事器物、停留的时间来判断此时是否发生农事活动,以实现农事活动人物图像的准确捕获。
将一段时间内果园农事活动的人员、发生时间、结束时间、农事活动种类、果园区域信息和天气数据进行时间序列合并,形成非冗余的果园农事活动记录。
将领料记录关联到对应的果园农事活动记录,整合形成完整非冗余的果园农事活动记录。
本实施例基于果园核心区域的视频监控设备,采用人物动态侦测、视频监控捕捉等方法获取农事活动图像,应用人脸识别技术判断农事操作人员身份,通过深度学习图像物体检测技术自动检测农事活动图像中的人物、持有器物(工具)、人体姿态等信息,结合图像的捕捉时间、气象站监测等数据,大量获取果园农事活动信息,并根据聚类算法和时间序列算法整合形成准确的果园农事活动记录,避免漏记漏报等现象,提高果园信息化管理水平和安防等级,使果园生产满足无公害水果生产等更高等生产标准要求。
在本实施例中,果园内的视频监控设备的安装位点经过全覆盖路径规划算法计算,实现果园重点区域监控覆盖。果园重点区域监控覆盖包括果园入口,果园种植区农事活动必经之处和果园出口。
果园内的视频监控包括肥料、农药、药剂等农资仓库的物品出库通道,且摄像头正对领料时称重的物品称量区域和电子读数屏,确保农事操作前的领料过程被视频监控记录。
果园内的视频监控设备采用人物动态侦测技术,依据农事人员连续时间范围内的肢体动作特征、所持农事器物(设备)、停留的时间等判断此时是否发生农事活动,实现农事活动人物图像的准确捕获;人物动态侦测技术捕捉的农事活动图像在下位机(本地前端)完成了画面初过滤,保证捕获图像中存在农事人员的操作行为,既能避免实时视频流产生大量网络流量,又能降低后期的图像分类识别分析难度。
在本实施例中,根据捕获的果园农事活动图像,采用以下方法自动分类记录农事活动:
1)本发明将捕获的图像自动分类记录为以下果园农事活动:防治、施肥、除草、授粉、疏花、疏果、套袋、采收、修剪、巡田。分类的依据包括果园果树种类(物候期)、图像中人员的动作姿态、持有或操作的器物以及图像捕获的日期时间。
2)本发明要求人员使用果园农资仓库的物料用于农事生产时,必须有领料出库流程,具体包括领取物料、称量用量和出库。当领取的物料放入称量区域内,称量设备产生读数时,请求正对称量区域和电子读数屏的摄像头捕获图像。应用深度学习图像物体检测技术,识别所领用物资种类,并比对农资仓库内肥料、农药、药剂等的库存,确认物资种类正确。通过电子读数屏的图像识别数字或直接从称量设备读取称量结果,得到领用物资的数量。将领料的种类和数量形成相应的肥料、农药、药剂领料记录。
3)本发明通过人脸识别技术,建立果园员工的人脸信息数据库。对于每一张包含人物的农事活动捕获图像,应用人脸识别技术判断其中人员数量,并识别人员身份。
4)本发明通过深度学习图像物体检测技术,识别捕获的果园农事活动图像中是否存在机器设备。对于存在机器设备的图像,再识别是否存在除草机器,存在则农事活动分类为除草;否则进一步识别是否存在喷药机器,存在则农事活动分类为防治,否则分类为施肥。
5)本发明对于4)中存在机器设备的图像,通过深度学习图像物体检测技术识别其中是否存在采摘框。对于存在采摘框的图像,其农事活动分类为采摘,否则进一步识别是否存在园艺剪或锯条,存在则农事活动分类为修剪。
6)本发明对于5)中不存在园艺剪或锯条的图像,通过深度学习图像物体检测技术识别其中是否存在架高梯,同时通过人体姿态识别技术识别其中人员是否有抬手臂的操作。对于既不存在架高梯又没有抬手臂操作的图像,其农事活动分类为巡田,否则进一步判断图像捕获日期时间是否处在果树的花期,再进行下一步分类。
7)本发明对于6)中捕获日期时间处在果树花期的图像,通过深度学习图像物体检测技术识别其中是否存在授粉刷或授粉杆。对于存在授粉刷或授粉杆的图像,其农事活动分类为授粉,否则分类为疏花。对于5)中捕获日期时间处在果树坐果期的图像,通过深度学习图像物体检测技术识别其中是否存在套果袋,对于存在套果袋的图像,其农事活动分类为套袋,否则分类为疏果。对于5)中捕获日期时间处在果树其他物候期的图像,其农事活动分类为防治。
8)本发明采用聚类算法,将同一位置(摄像头)时间间隔邻近的农事活动图像分类结果整合归并为一条农事活动记录,按照置信度高、捕获次数多的分类为准,确定该条农事活动记录的分类;根据3)中识别到的人员身份,确定该条农事活动记录的操作人员身份。针对每天的所有农事活动记录的发生时间、结束时间、种类、操作人员身份、位置,整合形成非冗余的果园农事活动记录。
9)本发明针对8)中形成的非冗余果园农事活动记录,就其中的防治和施肥记录,采用时间序列算法比对2)中的肥料、农药、药剂领料记录,使防治和施肥记录匹配到对应的领料记录,形成包含用料信息的非冗余农事活动记录。
10)本发明根据9)中形成的包含用料信息的非冗余农事活动记录,调取发生时间到结束时间内田间气象站记录的天气数据,包括气温、湿度、风速、风向、降水量、光照等,并与农事活动记录整合形成最终的完整非冗余农事活动记录。
图2为具体实施方式的视频监控捕获图像示例,按照附图1的流程,应用人脸识别技术,识别图中露出面部的人员有2人,进而对比果园员工的人脸信息数据库确定各人员身份。应用深度学习图像物体检测技术,识别到图像中不存在机器设备,进入左侧流程。应用深度学习图像物体检测技术,识别到图像中不存在采摘框,进入左侧流程。应用深度学习图像物体检测技术,识别到图像中不存在园艺剪或锯条,进入左侧流程。应用深度学习图像物体检测技术,识别到图像中不存在架高梯;应用人体姿态识别技术,识别到图像中存在抬手臂操作,进入右侧流程。判断图像捕获时期的物候期为坐果期,进入左侧“坐果期”流程。应用深度学习图像物体检测技术,识别到图像中不存在套果袋,判断图像中存在的农事活动为疏果,并形成一条初步记录。
当前一天(24小时)的所有农事活动捕获图像都按照上述方法初步记录后,应用聚类算法将所有疏果的初步记录聚类分析。将时间上相邻的多条初步记录整合形成一条农事活动记录,并获取其发生时间、结束时间和果园区域信息;对于单独的疏果初步记录则不形成农事活动记录。对前一天的所有农事活动种类均按照上述步骤聚类分析,整合所有农事活动种类的发生时间、结束时间、种类和果园区域信息,再应用时间序列算法将肥料、农药、药剂领料记录关联到对应的施肥与防治记录,即形成前一天包含用料信息的非冗余农事活动记录。根据每条农事活动记录的发生时间和结束时间调取田间气象站相应的气温、湿度、风速、风向、降水量、光照等数据,最终合并形成完整非冗余农事活动记录。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种果园农事活动自动化记录方法,其特征在于,采用视频监控设备覆盖整个果园以及农资仓库的领料称量区域,捕捉物资领料称量时的图像并读取领料种类、数量信息,并形成领料记录;并应用人脸识别技术,来建立员工人脸信息数据库,并据此识别拍摄图像中人员数量和人员身份;系统识别图像中人员的身体各关节点的位置和整体姿态以及果园农事活动相关的持有器物、机器设备关键要素信息,以此作为区分不同农事活动种类的依据;然后将图像的捕获时间与果园水果品种的物候期做比较,以将果园农事行为发生的物候期作为区分不同农事活动种类的依据;最后根据同一种类农事活动初步记录的时间间隔,合并同类农事活动并形成完整记录。
2.根据权利要求1所述的一种果园农事活动自动化记录方法,其特征在于:通过深度学习图像物体检测技术来自动检测农事活动图像中的人物、持有器物、人体姿态信息,结合图像的捕捉时间、气象站监测的数据,来大量获取果园农事活动信息。
3.根据权利要求1所述的一种果园农事活动自动化记录方法,其特征在于:据聚类算法和时间序列算法整合形成准确的果园农事活动记录。
4.根据权利要求1所述的一种果园农事活动自动化记录方法,其特征在于:所述视频监控设备由市电或者采用太阳能供电板转接变压器用于给视频监控设备供电。
5.根据权利要求1所述的一种果园农事活动自动化记录方法,其特征在于:所述视频监控设备采用人物动态侦测技术,依据农事人员连续时间范围内的肢体动作特征、所持农事器物、停留的时间来判断此时是否发生农事活动,以实现农事活动人物图像的准确捕获。
6.根据权利要求1所述的一种果园农事活动自动化记录方法,其特征在于:将一段时间内果园农事活动的人员、发生时间、结束时间、农事活动种类、果园区域信息和天气数据进行时间序列合并,形成非冗余的果园农事活动记录。
7.根据权利要求1所述的一种果园农事活动自动化记录方法,其特征在于:将领料记录关联到对应的果园农事活动记录,整合形成完整非冗余的果园农事活动记录。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011582507.4A CN112560792A (zh) | 2020-12-28 | 2020-12-28 | 一种果园农事活动自动化记录方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011582507.4A CN112560792A (zh) | 2020-12-28 | 2020-12-28 | 一种果园农事活动自动化记录方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112560792A true CN112560792A (zh) | 2021-03-26 |
Family
ID=75034060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011582507.4A Pending CN112560792A (zh) | 2020-12-28 | 2020-12-28 | 一种果园农事活动自动化记录方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560792A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023210215A1 (ja) * | 2022-04-28 | 2023-11-02 | オムロン株式会社 | 栽培支援システム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242007A (zh) * | 2020-01-10 | 2020-06-05 | 上海市崇明区生态农业科创中心 | 一种农事行为监管方法 |
CN112092876A (zh) * | 2020-09-09 | 2020-12-18 | 深圳市坤同智能仓储科技有限公司 | 一种手推车及其应用于无人仓库和线边领料的方法 |
-
2020
- 2020-12-28 CN CN202011582507.4A patent/CN112560792A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242007A (zh) * | 2020-01-10 | 2020-06-05 | 上海市崇明区生态农业科创中心 | 一种农事行为监管方法 |
CN112092876A (zh) * | 2020-09-09 | 2020-12-18 | 深圳市坤同智能仓储科技有限公司 | 一种手推车及其应用于无人仓库和线边领料的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023210215A1 (ja) * | 2022-04-28 | 2023-11-02 | オムロン株式会社 | 栽培支援システム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | An AIoT based smart agricultural system for pests detection | |
CN108875647B (zh) | 一种基于牲畜身份的移动轨迹监测方法和系统 | |
CN106940789B (zh) | 一种基于视频识别的数量统计的方法、系统及装置 | |
CN111507857A (zh) | 一种基于物联网技术的数字化农业种植系统和方法 | |
CN113409023A (zh) | 一种智慧园林综合服务管理平台 | |
CN114868504A (zh) | 一种园林植物的生长状态监测方法及装置 | |
US20180082223A1 (en) | Closed Loop Integrated Pest Management | |
CN111242007A (zh) | 一种农事行为监管方法 | |
US20220272907A1 (en) | Automated plant monitoring systems and methods | |
CN111476149A (zh) | 一种植物培育控制方法和系统 | |
CN116300608A (zh) | 一种基于大数据的智慧农业远程监控系统 | |
CN111260379A (zh) | 农产品视频节点追踪方法 | |
CN111045467A (zh) | 一种基于物联网的智能农业机械控制方法 | |
CN113867243A (zh) | 一种数字化、智能化的园林绿化养护综合管理系统 | |
CN113342036A (zh) | 一种农作物的精准管控系统及其管控方法 | |
CN114460080A (zh) | 一种水稻病虫智能监控系统 | |
CN112560792A (zh) | 一种果园农事活动自动化记录方法 | |
CN113377141A (zh) | 一种人工智能农业自动管理系统 | |
CN113487233A (zh) | 一种山地果树采摘智能管理系统及运行方法 | |
US20240016136A1 (en) | Method and system for monitoring and controlling the presence of at least one type of insect in agricultural crops | |
CN112492027B (zh) | 一种生态农业智能监测系统 | |
CN215297976U (zh) | 智慧农业控制系统 | |
CN115756037A (zh) | 一种设施大棚蔬菜管控方法及系统 | |
CN114895616A (zh) | 一种农业温室大棚智能化远程监控诊断系统 | |
CN112700260A (zh) | 蔬菜全生命周期可视化追溯系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210326 |