CN112700453B - 一种基于物联网的农业用水水质监管方法及设备、介质 - Google Patents

一种基于物联网的农业用水水质监管方法及设备、介质 Download PDF

Info

Publication number
CN112700453B
CN112700453B CN202011463296.2A CN202011463296A CN112700453B CN 112700453 B CN112700453 B CN 112700453B CN 202011463296 A CN202011463296 A CN 202011463296A CN 112700453 B CN112700453 B CN 112700453B
Authority
CN
China
Prior art keywords
agricultural water
water
agricultural
water quality
area
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
Application number
CN202011463296.2A
Other languages
English (en)
Other versions
CN112700453A (zh
Inventor
周冰
宋志华
李静
曹书森
侯晓辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Guihe Information Technology Co ltd
Original Assignee
Shandong Guihe Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Guihe Information Technology Co ltd filed Critical Shandong Guihe Information Technology Co ltd
Priority to CN202011463296.2A priority Critical patent/CN112700453B/zh
Publication of CN112700453A publication Critical patent/CN112700453A/zh
Application granted granted Critical
Publication of CN112700453B publication Critical patent/CN112700453B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20128—Atlas-based segmentation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Library & Information Science (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本申请实施例提供了一种基于物联网的农业用水水质监管方法及设备、介质，通过获取安装于水质监管区域的各图像采集设备采集的有关农业用水的图像；基于预设电子地图以及有关农业用水的图像，将水质监管区域划分为多个农业用水区域；其中，相邻的农业用水区域之间的农业用水类型各不相同；接收来自预先部署的各水质检测设备发送的水质数据，并根据各水质检测设备的位置数据，确定各农业用水区域对应的水质数据；根据第一农业用水区域的第一水质数据，以及第一农业用水区域的第一农业用水类型，确定第一水质数据与第一农业用水类型是否匹配；在第一水质数据与第一农业用水类型不匹配的情况下，生成相应的第一提示信息。

Description

一种基于物联网的农业用水水质监管方法及设备、介质
技术领域
本申请涉及水质监管技术领域，尤其涉及一种基于物联网的农业用水水质监管方法及设备、介质。
背景技术
农业是指利用动植物的生长发育规律，通过人工培育来获得产品的产业。也就是说农业即包括生产粮食作物和经济作物，又兼顾林、牧、渔业。而对于农业来说，农业用水对于农业的发展有着重要的影响。农业用水的水质出现问题，可能会造成农作物减产、养殖的动物死亡等问题。
基于此，为了保证农业的健康发展，对于农业用水的水质进行监管就变得至关重要。
发明内容
本说明书实施例提供一种基于物联网的农业用水水质监管方法及设备、介质，用于解决现有技术中的如下技术问题：
一种基于物联网的农业用水水质监管方法，其方法包括：
获取安装于水质监管区域的各图像采集设备采集的有关农业用水的图像；
基于预设电子地图以及有关农业用水的图像，将水质监管区域划分为多个农业用水区域；其中，相邻的农业用水区域之间的农业用水类型各不相同；
接收来自预先部署的各水质检测设备发送的水质数据，并根据各水质检测设备的位置数据，确定各农业用水区域对应的水质数据；
根据第一农业用水区域的第一水质数据，以及第一农业用水区域的第一农业用水类型，确定第一水质数据与第一农业用水类型是否匹配；
其中，第一农业用水区域为多个农业用水区域中的任意一个；
在第一水质数据与第一农业用水类型不匹配的情况下，生成相应的第一提示信息。
在一种可能实现的方式中，基于预设电子地图以及农业图像，将水质监管区域划分为多个农业用水区域，具体包括：
基于预先训练好的图像识别模型，对获取的各有关农业用水的图像进行图像识别，以得到各有关农业用水的图像对应的图像标签；以及
确定各图像采集设备的拍摄区域；
其中，图像标签为以下任意一种：农作物、畜牧业、林业、渔业；
根据图像标签、图像采集设备的拍摄区域，基于预设电子地图，对农业用水区域进行划分，以得到多个农业用水区域。
在一种可能实现的方式中，在预先训练的图像识别模型无法识别出有关农业用水的图像的图像标签的情况下，方法还包括：
根据有关农业用水的图像生成第二提示信息，并将第二提示信息发送至相应的用户终端，以便于用户终端向用户展示第二提示信息，并根据用户基于第二提示信息进行的操作，确定有关农业用水的图像的图像标签。
在一种可能实现的方式中，方法还包括：
获取根据用户基于第二提示信息进行的操作，确定的有关农业用水的图像的图像标签的标签数量；
在标签数量为至少两个的情况下，根据有关农业用水的图像生成第三提示信息，并将第三提示信息发送至用户终端，并根据用户基于第三提示信息进行的操作，对有关农业用水的图像进行分割，以得到多个农业子图像；
其中，相邻的各农业子图像对应的农业用水类型各不相同；
基于预设电子地图以及农业子图像、有关农业用水的图像，将水质监管区域划分为多个农业用水区域。
在一种可能实现的方式中，在得到多个农业子图像之后，方法还包括：
基于预先训练好的图像识别模型，对各农业子图像进行图像识别，以确定基于用户根据第二提示信息进行的操作是否正确。
在一种可能实现的方式中，根据第一农业用水区域对应的第一水质数据，以及第一农业用水区域的第一农业用水类型，确定第一水质数据与第一农业用水类型是否匹配，具体包括：
根据第一农业用水类型，获取相应的预先设置的水资源标准信息；
确定相应的预先设置的水资源标准信息与第一农业用水区域的第一水质数据是否匹配；
在水资源标准信息与第一水质数据匹配的情况下，确定农业用水区域的第一水质数据与第一农业用水类型匹配。
在一种可能实现的方式中，在第一农业用水区域的第一水质数据与第一农业用水类型不匹配的情况下，方法还包括：
获取第一农业用水区域在预设周期内的历史水质数据；
根据历史水质数据以及第一水质数据，确定第一农业用水区域在预设周期内水质变化数据；
根据水质变化数据，确定第一农业用水区域的水质变化程度；
在水质变化程度大于相应的预设阈值的情况下，获取第二农业用水类型；
其中，第二农业用水类型与第一农业用水类型的农业用水类型不相同；
在第一水质数据与第二农业用水类型匹配的情况下，向相应的用户终端发送第二提示信息；
第二提示信息用于提示用户终端调整第一农业用水区域的农业用水类型。
在一种可能实现的方式中，水质数据至少包括以下任意一种：PH值、总磷量、悬浮物含量、温度、浑浊度、溶解氧、电导率、颗粒物。
一种基于物联网的农业用水水质监管设备，该设备至少包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；
其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
获取安装于水质监管区域的各图像采集设备采集的有关农业用水的图像；
基于预设电子地图以及有关农业用水的图像，将水质监管区域划分为多个农业用水区域；其中，相邻的农业用水区域之间的农业用水类型各不相同；
接收来自预先部署的各水质检测设备发送的水质数据，并根据各各水质检测设备的位置数据，确定各农业用水区域对应的水质数据；
根据第一农业用水区域的第一水质数据，以及第一农业用水区域的第一农业用水类型，确定第一水质数据与第一农业用水类型是否匹配；
其中，第一农业用水区域为多个农业用水区域中的任意一个；
在第一水质数据与第一农业用水类型不匹配的情况下，生成相应的第一提示信息并发送至相应的用户终端。
一种基于物联网的农业用水水质监管的非易失性计算机存储介质，存储有计算机可执行的指令，计算机可执行指令设置为：
获取安装于水质监管区域的各图像采集设备采集的有关农业用水的图像；
基于预设电子地图以及有关农业用水的图像，将水质监管区域划分为多个农业用水区域；其中，相邻的农业用水区域之间的农业用水类型各不相同；
接收来自预先部署的各水质检测设备发送的水质数据，并根据各各水质检测设备的位置数据，确定各农业用水区域对应的水质数据；
根据第一农业用水区域的第一水质数据，以及第一农业用水区域的第一农业用水类型，确定第一水质数据与第一农业用水类型是否匹配；
其中，第一农业用水区域为多个农业用水区域中的任意一个；
在第一水质数据与第一农业用水类型不匹配的情况下，生成相应的第一提示信息并发送至相应的用户终端。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：通过可以实时有效的对农业用水的水质进行监管，以保证农业的健康发展，提高农业的产量。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例提供的基于物联网的农业用水水质监管方法的一种流程示意图；
图2为本申请实施例提供的基于物联网的农业用水水质监管方法的另一种流程示意图；
图3为本申请实施例提供的一种基于物联网的农业用水水质监管方法的再一种流程示意图；
图4为本申请实施例提供的基于物联网的农业用水水质监管方法的一种结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本申请实施例提供的一种基于物联网的农业用水水质监管方法。如图1所示，本申请实施例提供的一种基于物联网的农业用水水质监管方法，可以包括以下步骤：
S101，服务器获取安装于水质监管区域的各图像采集设备采集的有关农业用水的图像。
上述图像采集设备可以是按照相应的规则，均匀的部署安装于水质监管区域的，可以用于对水质监管区域进行图像采集，以得到有关农业用水的图像。
图像采集设备可以是照相机、录像机等能够采集图像的设备，在本申请实施例中不加以具体限定。
需要说明的是，在本申请实施例中，执行本申请实施例提供的基于物联网的农业用水水质监管方法的执行主体并不限定于服务器，还可以是其他与服务器具有相同功能的设备，例如边缘计算设备。
S102，服务器基于预设的电子地图以及有关农业用水的图像，将水质监管区域划分为多个农业用水区域。
其中，相邻的农业用水区域之间的农业用水类型各不相同。农业用水类型可以为以下任意一项：农作物用水、畜牧业用水、林业用水、渔业用水。
进一步地，如图2所示，将水质监管区域划分为多个农业用水区域可以通过以下步骤实现：
S201，服务器基于预先训练好的图像识别模型，对获取的各有关农业用水的图像进行图像识别，以得到各有关农业用水的图像的图像标签。
其中，图像标签可以是以下任意一种：农作物、畜牧业、林业、渔业。
上述预先训练好的图像识别模型，可以是一种预先训练好的神经网络模型，能够对输入的图像进行识别，从而输出图像标签。
S202，服务器确定各图像采集设备的拍摄区域。
具体地，可以获取图像采集设备的安装位置信息，以及图像采集设备的性能信息。基于预设的电子地图，并根据图像采集设备的安装位置信息、性能信息，确定图像采集设备的拍摄区域
需要说明的是，上述步骤S201与步骤S202之间可以同时执行，也可以先执行步骤S201，再执行步骤S202；亦或者，先执行步骤S202，再执行步骤S201，在本申请实施例中不加具体限定。
S203，服务器根据上述图像标签、各图像采集设备的拍摄区域，基于预设的电子地图，对水质监管区域进行划分，以得到多个农业用水区域。
具体地，将图像标签相同，且拍摄区域相邻的区域，划分为一个农业用水区域。
例如，图像采集设备A采集的图像a的图像标签为农作物，图像采集设备B采集的图像b的图像标签为渔业，图像采集设备C采集的图像c的图像标签为农作物，且图像采集设备A的拍摄区域与图像采集设备C的拍摄区域相邻，则可以将图像采集设备A的拍摄区域与图像采集设备C的拍摄区域组成的大的区域，作为一个农业用水区域；图像采集设备C的拍摄区域作为一个农业用水区域。
通过上述预先设置的图像识别模型，可以快速、便捷的得到有关农业用水的图像的图像标签。
在实际操作过程中，可能存在预先训练的图像识别模型，无法识别出有关农业用水的图像的图像标签，例如，在有关农业用水的图像中既包括农作物、又包括渔业等其他类型的农业，在预先训练的图像识别模型对于一个图像只能识别出一个图像标签的情况下，无法识别出图像的图像标签；例如，预先训练的图像识别模型未能识别该图像的图像标签，该图像标签在训练时未被训练。
基于此，服务器基于预先训练好的图像识别模型，无法识别出各有关农业用水的图像对应的图像标签的情况下，如图2所示，水质监管区域划分为多个农业用水区域还可以包括以下步骤：
S204，服务器根据有关农业用水的图像生成第二提示信息，并将第二提示信息发送到相应的用户终端。
S205，用户终端向用户展示上述第二提示信息。
上述第二提示信息中包括有关农业用水的图像，同时可以提供至少一种预设的图像标签，以供用户选择(用户可以选择其中的至少一个)；也可以提示用户输入其认定的图像标签；亦或者，上述两种方式结合，在本申请实施例中不加以限定。
S206，服务器根据用户基于第二提示信息进行的操作，确定有关农业用水的图像的图像标签。
通过上述步骤S204-S206的技术方案，在图像识别模型无法识别出有关农业用水的图像的图像标签的情况下，可以通过向用户终端发送提示信息，通过用户的操作确定图像标签，从而使得本申请实施例中进行水质监管的方法更加完善，避免因无法识别出图像标签造成图像失效的问题。
S207，服务器获取根据用户基于所述第二提示信息进行的操作，确定的有关农业用水的图像标签的标签数量。
S208，服务器在标签数量为至少两个的情况下，根据该有关农业用水的图像生成第三提示信息，并将第三提示信息发送至用户终端。
在一个图像的图像标签的数量至少为两个的情况下，说明该图像对应的区域存在至少两种类型农业类型。例如，一个图像的图像标签为：农作物、林业的情况下，则说明该图像对应的区域既包括农作物，还包括林业。
S209，用户终端件接收到的第三提示信息向用户进行展示。
S210，服务器根据用户基于第三提示信息进行的操作，对有关农业用水的图像进行分割，以得到多个农业子图像。
其中，相邻的各农业子图像对应的农业用水类型各不相同。
第三提示信息包括有关农业用水的图像，还可以包括提示在图像上绘制边界线，该边界线用于区分开该图像中不同的图像标签所属的区域。基于此，可以对有关农业用水的图像进行分割，以得到多个农业子图像。
S211，服务器基于预设电子地图、农业子图像、有关农业用水的图像，将水质监管区域划分为多个农业用水区域。
在实际应用场景中，一个有关农业用水的图像可能拍摄到至少两种农业类型，例如：有关农业用水的图像中既包括渔业、又包括农作物，通过上述步骤S207-S211的技术方案，可以快速准确的对完成对图像的分割。
在本申请的一些实施例中，在步骤S210得到多个农业子图像之后，还可以根据上述图像识别模型对各农业子图像进行图像识别，根据识别结果确定用户的操作是否正确，进一步保证了有关农业用水的图像的图像标签的准确性。
在本申请的一些实施例中，用户终端的用户对上述第二提示信息和/或第三提示信息进行操作，服务器可以向该用户对应的终端账户发放奖励，以鼓励用户进行操作。
同时，在本申请实施例中，还可以将图像识别模型未识别出图像标签的有关农业用水的图像，以及相应的图像标签作为训练样本，对图像识别模型进行训练更新。
通过该方式，可以让用户对图像识别模型不能识别的图像进行打标，从而即实现确定图像标签的作用，又可以作为训练样本不断优化图像识别模型，以使图像识别模型能够不断完善。
S103，服务器接收来自预先部署的各水质检测设备发送的水质数据。
其中，水质数据至少包括以下任意一种：PH值、总磷量、悬浮物含量、温度、浑浊度、溶解氧、电导率、颗粒物。
需要说明的是，水质数据可以不仅限于上述阐述的种类，还可以包括其他种类，可根据实际情况进行调整，在本申请实施例中不加以限定。
S104，服务器根据各水质检测设备的位置数据，确定各农业用水区域对应的水质数据。
具体地，可以预先存储各水质检测设备的位置数据，根据位置数据即可确定所采集的水质数据对应的是哪一个农业用水区域。
S105，服务器根据第一农业用水区域的第一水质数据，以及第一农业用水区域的第一农业用水类型，确定第一水质数据与第一农业用水类型是否匹配。
其中，第一农业用水区域为上述多个农业用水区域中的任意一个。
具体地，服务器可以根据第一农业用水类型，获取相应的预先设置的水资源标准信息。确定相应的预先设置的水资源标准信息与第一水质数据是否匹配。在水资源标准信息与第一水质数据匹配的情况下，确定第一农业用水区域的第一水质数据与第一农业用水类型匹配；在水资源标准信息与第一水质数据不匹配的情况下，确定第一农业用水区域的第一水质数据与第一农业用水类型不匹配。
其中，上述水资源标准信息中也可以至少包括以下任意一项：预设PH值、预设总磷量、预设悬浮物含量、预设温度、预设浑浊度、预设溶解氧、预设电导率、预设颗粒物。
在第一农业用水区域的第一水质数据与第一农业用水类型不匹配的情况下，如图3所示，本申请实施例提供的方法还可以包括以下步骤：
S301，服务器获取第一农业用水区域在预设周期内的历史水质数据。
上述预设周期可以是预先设定的，可以以月、季度、年为预设周期，在本申请实施例中不加以具体限定。
并且，获取的预设周期内的历史水质数据是以获取第一水质数据的时间为节点，预设周期内的历史水质数据。其中，该历史水质数据可以包括第一水质数据。
S302，根据历史水质数据，确定第一农业用水区域在预设周期内水质变化数据。
具体地，可以按照预设的时间间隔，从历史水质数据中取相应时刻的水质数据，并计算相邻时刻的水质数据之间的差值，这些差值即为水质变化数据。
S303，根据水质变化数据，确定第一农业用水区域的水质变化程度。
具体地，可以根据第一农业用水区域的农业用水类型，按照预先设置的逻辑映射，确定第一农业用水区域的水质数据的重要指标。并按照预设规则，确定各重要指标的重要程度，根据各重要指标的重要程度以及水质变化数据，计算水质变化程度。
S304，在水质变化程度大于相应的预设阈值的情况下，获取第二农业用水类型。
其中，第二农业用水类型与第一农业用水类型的农业用水类型不相同。
需要说明的是，上述农业用水类型与图像标签存在预设的映射关系，也就是说根据图像标签即可确定对应的农业用水类型。例如，图像标签为农作物，则对应的农业用水类型为农作物用水；图像标签为畜牧业，则对应的农业用水类型为畜牧业用水；图像便签为林业，则对应的农业用水类型为林业用水；图像标签为渔业，则对应的农业用水类型为渔业用水。
S305，在第一水质数据与第二农业用水类型匹配的情况下，向相应的用户终端发送第四提示信息。
其中，第四提示信息用于提示用户终端调整第一农业用水区域的农业用水类型。
通过上述方式，在第一水质数据与第一农业用水类型不匹配的情况下，获取历史水质数据，从而确定预设周期内第一农业用水区域的水质变化程度，在水质变化程度较大的情况下，确定目前的水质数据是否与其他农业用水类型匹配，从而生成第四提示信息。由于某个地区的水质可能随着时间的推移有所变化，从而使得更适合的农业类型发生变化，通过上述方案可以提示用户改变其区域的农业类型，提供更适宜的农业类型。
S106，在第一水质数据与第一农业用水类型不匹配的情况下，服务器生成相应的第一提示信息。
在本申请实施例中，服务器可以将第一提示信息发送至相应的用户终端。
综上所述，本申请实施例提供的一种基于物联网的农业用水水质监管方法，可以实时有效的对农业用水的水质进行监管，以保证农业的健康发展，提高农业的产量。
基于同样的思路，本申请的一些实施例还提供了上述方法对应的设备和非易失性计算机存储介质。
图4为本申请实施例提供的一种基于物联网的农业用水水质监管设备的结构示意图，所述设备至少包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
获取安装于水质监管区域的各图像采集设备采集的有关农业用水的图像；
基于预设电子地图以及所述有关农业用水的图像，将所述水质监管区域划分为多个农业用水区域；其中，相邻的农业用水区域之间的农业用水类型各不相同；
接收来自预先部署的各水质检测设备发送的水质数据，并根据各所述各水质检测设备的位置数据，确定各所述农业用水区域对应的水质数据；
根据第一农业用水区域的第一水质数据，以及第一农业用水区域的第一农业用水类型，确定所述第一水质数据与所述第一农业用水类型是否匹配；
其中，所述第一农业用水区域为所述多个农业用水区域中的任意一个；
在所述第一水质数据与所述第一农业用水类型不匹配的情况下，生成相应的第一提示信息并发送至相应的用户终端。
一种基于物联网的农业用水水质监管的非易失性计算机存储介质，存储有计算机可执行的指令，所述计算机可执行指令设置为：
获取安装于水质监管区域的各图像采集设备采集的有关农业用水的图像；
基于预设电子地图以及所述有关农业用水的图像，将所述水质监管区域划分为多个农业用水区域；其中，相邻的农业用水区域之间的农业用水类型各不相同；
接收来自预先部署的各水质检测设备发送的水质数据，并根据各所述各水质检测设备的位置数据，确定各所述农业用水区域对应的水质数据；
根据第一农业用水区域的第一水质数据，以及第一农业用水区域的第一农业用水类型，确定所述第一水质数据与所述第一农业用水类型是否匹配；
其中，所述第一农业用水区域为所述多个农业用水区域中的任意一个；
在所述第一水质数据与所述第一农业用水类型不匹配的情况下，生成相应的第一提示信息并发送至相应的用户终端。
本申请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，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (9)

1.一种基于物联网的农业用水水质监管方法，其特征在于，所述方法包括：
获取安装于水质监管区域的各图像采集设备采集的有关农业用水的图像；
基于预设电子地图以及所述有关农业用水的图像，将所述水质监管区域划分为多个农业用水区域；其中，相邻的农业用水区域之间的农业用水类型各不相同；
接收来自预先部署的各水质检测设备发送的水质数据，并根据所述各水质检测设备的位置数据，确定各所述农业用水区域对应的水质数据；
根据第一农业用水区域的第一水质数据，以及第一农业用水区域的第一农业用水类型，确定所述第一水质数据与所述第一农业用水类型是否匹配；
其中，所述第一农业用水区域为所述多个农业用水区域中的任意一个；
在所述第一水质数据与所述第一农业用水类型不匹配的情况下，生成相应的第一提示信息；
在所述第一农业用水区域的第一水质数据与第一农业用水类型不匹配的情况下，所述方法还包括：
获取所述第一农业用水区域在预设周期内的历史水质数据；
根据所述历史水质数据以及所述第一水质数据，确定所述第一农业用水区域在所述预设周期内水质变化数据；
根据所述水质变化数据，确定所述第一农业用水区域的水质变化程度；
在所述水质变化程度大于相应的预设阈值的情况下，获取第二农业用水类型；
其中，所述第二农业用水类型与所述第一农业用水类型的农业用水类型不相同；
在所述第一水质数据与所述第二农业用水类型匹配的情况下，向相应的用户终端发送第二提示信息；
所述第二提示信息用于提示所述用户终端调整所述第一农业用水区域的农业用水类型。
2.根据权利要求1所述的方法，其特征在于，所述基于预设电子地图以及所述有关农业用水的图像，将所述水质监管区域划分为多个农业用水区域，具体包括：
基于预先训练好的图像识别模型，对获取的各有关农业用水的图像进行图像识别，以得到各有关农业用水的图像对应的图像标签；以及
确定各图像采集设备的拍摄区域；
其中，所述图像标签为以下任意一种：农作物、畜牧业、林业、渔业；
根据所述图像标签、图像采集设备的拍摄区域，基于所述预设电子地图，对所述农业用水区域进行划分，以得到多个农业用水区域。
3.根据权利要求1所述的方法，其特征在于，在预先训练的图像识别模型无法识别出有关农业用水的图像的图像标签的情况下，所述方法还包括：
根据所述有关农业用水的图像生成第二提示信息，并将所述第二提示信息发送至相应的用户终端，以便于所述用户终端向用户展示所述第二提示信息，并根据所述用户基于所述第二提示信息进行的操作，确定所述有关农业用水的图像的图像标签。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取根据所述用户基于所述第二提示信息进行的操作，确定的所述有关农业用水的图像的图像标签的标签数量；
在所述标签数量为至少两个的情况下，根据所述有关农业用水的图像生成第三提示信息，并将所述第三提示信息发送至所述用户终端，并根据用户基于所述第三提示信息进行的操作，对所述有关农业用水的图像进行分割，以得到多个农业子图像；
其中，相邻的所述各农业子图像对应的农业用水类型各不相同；
基于所述预设电子地图以及所述农业子图像、所述有关农业用水的图像，将所述水质监管区域划分为多个农业用水区域。
5.根据权利要求4所述的方法，其特征在于，在得到多个农业子图像之后，所述方法还包括：
基于所述预先训练好的图像识别模型，对所述各农业子图像进行图像识别，以确定基于用户根据所述第二提示信息进行的操作是否正确。
6.根据权利要求1所述的方法，其特征在于，根据第一农业用水区域对应的第一水质数据，以及第一农业用水区域的第一农业用水类型，确定所述第一水质数据与所述第一农业用水类型是否匹配，具体包括：
根据所述第一农业用水类型，获取相应的预先设置的水资源标准信息；
确定所述相应的预先设置的水资源标准信息与所述第一农业用水区域的第一水质数据是否匹配；
在所述水资源标准信息与所述第一水质数据匹配的情况下，确定所述农业用水区域的第一水质数据与所述第一农业用水类型匹配。
7.根据权利要求1所述的方法，其特征在于，所述水质数据至少包括以下任意一种：PH值、总磷量、悬浮物含量、温度、浑浊度、溶解氧、电导率、颗粒物。
8.一种基于物联网的农业用水水质监管设备，其特征在于，所述设备至少包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
获取安装于水质监管区域的各图像采集设备采集的有关农业用水的图像；
基于预设电子地图以及所述有关农业用水的图像，将所述水质监管区域划分为多个农业用水区域；其中，相邻的农业用水区域之间的农业用水类型各不相同；
接收来自预先部署的各水质检测设备发送的水质数据，并根据各所述各水质检测设备的位置数据，确定各所述农业用水区域对应的水质数据；
根据第一农业用水区域的第一水质数据，以及第一农业用水区域的第一农业用水类型，确定所述第一水质数据与所述第一农业用水类型是否匹配；
其中，所述第一农业用水区域为所述多个农业用水区域中的任意一个；
在所述第一水质数据与所述第一农业用水类型不匹配的情况下，生成相应的第一提示信息并发送至相应的用户终端；
在所述第一农业用水区域的第一水质数据与第一农业用水类型不匹配的情况下，获取所述第一农业用水区域在预设周期内的历史水质数据；
根据所述历史水质数据以及所述第一水质数据，确定所述第一农业用水区域在所述预设周期内水质变化数据；
根据所述水质变化数据，确定所述第一农业用水区域的水质变化程度；
在所述水质变化程度大于相应的预设阈值的情况下，获取第二农业用水类型；
其中，所述第二农业用水类型与所述第一农业用水类型的农业用水类型不相同；
在所述第一水质数据与所述第二农业用水类型匹配的情况下，向相应的用户终端发送第二提示信息；
所述第二提示信息用于提示所述用户终端调整所述第一农业用水区域的农业用水类型。
9.一种基于物联网的农业用水水质监管的非易失性计算机存储介质，存储有计算机可执行的指令，其特征在于，所述计算机可执行指令设置为：
获取安装于水质监管区域的各图像采集设备采集的有关农业用水的图像；
基于预设电子地图以及所述有关农业用水的图像，将所述水质监管区域划分为多个农业用水区域；其中，相邻的农业用水区域之间的农业用水类型各不相同；
接收来自预先部署的各水质检测设备发送的水质数据，并根据各所述各水质检测设备的位置数据，确定各所述农业用水区域对应的水质数据；
根据第一农业用水区域的第一水质数据，以及第一农业用水区域的第一农业用水类型，确定所述第一水质数据与所述第一农业用水类型是否匹配；
其中，所述第一农业用水区域为所述多个农业用水区域中的任意一个；
在所述第一水质数据与所述第一农业用水类型不匹配的情况下，生成相应的第一提示信息并发送至相应的用户终端；
在所述第一农业用水区域的第一水质数据与第一农业用水类型不匹配的情况下，获取所述第一农业用水区域在预设周期内的历史水质数据；
根据所述历史水质数据以及所述第一水质数据，确定所述第一农业用水区域在所述预设周期内水质变化数据；
根据所述水质变化数据，确定所述第一农业用水区域的水质变化程度；
在所述水质变化程度大于相应的预设阈值的情况下，获取第二农业用水类型；
其中，所述第二农业用水类型与所述第一农业用水类型的农业用水类型不相同；
在所述第一水质数据与所述第二农业用水类型匹配的情况下，向相应的用户终端发送第二提示信息；
所述第二提示信息用于提示所述用户终端调整所述第一农业用水区域的农业用水类型。
CN202011463296.2A 2020-12-14 2020-12-14 一种基于物联网的农业用水水质监管方法及设备、介质 Active CN112700453B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011463296.2A CN112700453B (zh) 2020-12-14 2020-12-14 一种基于物联网的农业用水水质监管方法及设备、介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011463296.2A CN112700453B (zh) 2020-12-14 2020-12-14 一种基于物联网的农业用水水质监管方法及设备、介质

Publications (2)

Publication Number Publication Date
CN112700453A CN112700453A (zh) 2021-04-23
CN112700453B true CN112700453B (zh) 2023-04-07

Family

ID=75507329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011463296.2A Active CN112700453B (zh) 2020-12-14 2020-12-14 一种基于物联网的农业用水水质监管方法及设备、介质

Country Status (1)

Country Link
CN (1) CN112700453B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103335955A (zh) * 2013-06-19 2013-10-02 华南农业大学 一种水质在线监测方法与装置
CN105974079A (zh) * 2016-06-14 2016-09-28 孙健春 一种水质在线监测方法及系统
WO2018084371A1 (ko) * 2016-11-01 2018-05-11 순천대학교 산학협력단 ＩｏＴ 기반 농업 용수 모니터링 시스템
CN109859057A (zh) * 2019-01-04 2019-06-07 平安科技（深圳）有限公司 一种农田数据处理方法、服务器及存储介质
CN109959771A (zh) * 2019-04-28 2019-07-02 南开大学 一种农业灌溉用水适宜性快速检测装置与评价方法
CN111507857A (zh) * 2020-04-22 2020-08-07 青岛逸景数字科技有限公司 一种基于物联网技术的数字化农业种植系统和方法
CN111565556A (zh) * 2017-12-21 2020-08-21 巴斯夫农化商标有限公司 用于确定农业相关信息的装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103335955A (zh) * 2013-06-19 2013-10-02 华南农业大学 一种水质在线监测方法与装置
CN105974079A (zh) * 2016-06-14 2016-09-28 孙健春 一种水质在线监测方法及系统
WO2018084371A1 (ko) * 2016-11-01 2018-05-11 순천대학교 산학협력단 ＩｏＴ 기반 농업 용수 모니터링 시스템
CN111565556A (zh) * 2017-12-21 2020-08-21 巴斯夫农化商标有限公司 用于确定农业相关信息的装置
CN109859057A (zh) * 2019-01-04 2019-06-07 平安科技（深圳）有限公司 一种农田数据处理方法、服务器及存储介质
CN109959771A (zh) * 2019-04-28 2019-07-02 南开大学 一种农业灌溉用水适宜性快速检测装置与评价方法
CN111507857A (zh) * 2020-04-22 2020-08-07 青岛逸景数字科技有限公司 一种基于物联网技术的数字化农业种植系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Neural-network-based water quality monitoring for wastewater treament processes;Liping Fan;《ResearchGate》;20100831;全文 *
基于图像流式设计的水质安全监测系统的构建;尹美琳;《万方数据》;20200624;全文 *

Also Published As

Publication number Publication date
CN112700453A (zh) 2021-04-23

Similar Documents

Publication Publication Date Title
Ratnayake et al. Tracking individual honeybees among wildflower clusters with computer vision-facilitated pollinator monitoring
CN115424143A (zh) 水源污染溯源方法、装置、存储介质和计算机设备
JP6495561B1 (ja) 土地用途判定システム、土地用途判定方法およびプログラム
CN113963298A (zh) 基于计算机视觉的野生动物识别跟踪与行为检测系统、方法、设备及存储介质
CN111639750A (zh) 智能花盆的控制方法、装置、智能花盆及存储介质
CN115424142A (zh) 基于遥感影像的海岸线类型判别方法、装置、介质和设备
CN109086696B (zh) 一种异常行为检测方法、装置、电子设备及存储介质
CN114429590A (zh) 一种耕地图像提取方法及设备
CN111832448A (zh) 一种用于葡萄果园的病害识别方法及系统
CN115631421A (zh) 耕地智慧保护方法及保护系统
CN115880499A (zh) 一种被遮挡目标检测模型训练方法、装置、介质及设备
CN112700453B (zh) 一种基于物联网的农业用水水质监管方法及设备、介质
CN108062408B (zh) 一种数据处理方法及装置
CN116912698B (zh) 土地覆盖变化监测方法、装置、电子设备及存储介质
CN115100683B (zh) 估重方法、装置、设备及存储介质
CN116102100B (zh) 一种基于物联网设备的水质修复反馈控制方法及系统
CN111046262A (zh) 一种数据标注方法、装置及计算机存储介质
CN113516139A (zh) 数据处理方法、装置、设备和存储介质
CN115578591A (zh) 一种植物换盆的检测方法、装置、设备及存储介质
CN115903967A (zh) 一种养殖智能控制方法和装置
Choiński et al. Insect detection on high-resolution images using deep learning
CN114494896A (zh) 一种用于耕地保护的耕地状态监测方法、设备及介质
CN114550129A (zh) 一种基于数据集的机器学习模型处理方法和系统
CN111383126A (zh) 一种害虫识别系统
CN118298385B (zh) 藻类识别数据管理方法及平台

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