CN112883230A - 马铃薯生产管理系统 - Google Patents
马铃薯生产管理系统 Download PDFInfo
- Publication number
- CN112883230A CN112883230A CN202110179059.1A CN202110179059A CN112883230A CN 112883230 A CN112883230 A CN 112883230A CN 202110179059 A CN202110179059 A CN 202110179059A CN 112883230 A CN112883230 A CN 112883230A
- Authority
- CN
- China
- Prior art keywords
- insect
- monitoring
- data
- state
- image
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 57
- 235000002595 Solanum tuberosum Nutrition 0.000 title claims abstract description 53
- 244000061456 Solanum tuberosum Species 0.000 title claims abstract description 53
- 241000238631 Hexapoda Species 0.000 claims abstract description 142
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 111
- 238000012544 monitoring process Methods 0.000 claims abstract description 98
- 201000010099 disease Diseases 0.000 claims abstract description 94
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 94
- 241000196324 Embryophyta Species 0.000 claims abstract description 91
- 239000002689 soil Substances 0.000 claims abstract description 59
- 239000003337 fertilizer Substances 0.000 claims abstract description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 32
- 230000008635 plant growth Effects 0.000 claims abstract description 21
- 238000007726 management method Methods 0.000 claims description 54
- 238000003973 irrigation Methods 0.000 claims description 23
- 230000002262 irrigation Effects 0.000 claims description 23
- 235000012015 potatoes Nutrition 0.000 claims description 20
- 230000004720 fertilization Effects 0.000 claims description 16
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 12
- 230000012010 growth Effects 0.000 claims description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 6
- 239000001569 carbon dioxide Substances 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 6
- 230000029553 photosynthesis Effects 0.000 claims description 6
- 238000010672 photosynthesis Methods 0.000 claims description 6
- 230000004584 weight gain Effects 0.000 claims description 6
- 235000019786 weight gain Nutrition 0.000 claims description 6
- 150000003839 salts Chemical class 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 2
- 238000000034 method Methods 0.000 abstract description 7
- 238000012272 crop production Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/7867—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, title and artist information, manually generated time, location and usage information, user ratings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/787—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
- 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
- G06Q50/04—Manufacturing
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Manufacturing & Machinery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了马铃薯生产管理系统，属于农作物生产管理技术领域，要解决的技术问题为如何对马铃薯生产进行智能管理。包括：数据采集终端，用于实时监测并采集土壤数据、气象数据、植物本体数据；监控系统，用于通过视频图像实时监测并采集植物生长状态、虫情状态以及设备状态；云平台，其与上述数据采集终端以及监控系统无线连接，用于获取并存储上述土壤数据、气象数据、植物本体数据以及设备状态；生产管理系统，通过生产管理界面与用户交互，用于监测并展示土壤数据、气象数据、植物本体数据以及设备状态，用于进行水肥一体化管理；用于基于虫情状态进行病虫监测、病虫识别分析及病虫预警；用于基于监测并配置设备运行参数，调整设备运行状态。
Description
技术领域
本发明涉及农作物生产管理技术领域，具体地说是一种马铃薯生产管理系统。
背景技术
随着生产规模不断扩大，技术人员和生产人员的需求量不断增加，而马铃薯生产技术相对复杂，这就需要提供标准化的技术和流程，确保生产质量和品质。以多年来马铃薯种植经验为基础，实现专家知识数字化，确定马铃薯的生产监控，建立马铃薯生产过程的监测和调控系统，利用该系统，技术人员可随时随地指导生产，并开展技术培训，提高马铃薯生产者的技术水平。
基于上述，如何对马铃薯生产进行智能管理，是需要解决的技术问题。
发明内容
本发明的技术任务是针对以上不足，提供马铃薯生产管理系统，来解决如何对马铃薯生产进行智能管理的技术问题。
本发明提供一种马铃薯生产管理系统，包括：
数据采集终端，所述数据采集终端调用全球定位系统以及地理信息系统，用于实时监测并采集土壤数据、气象数据以及植物本体数据；
监控系统，所述监控系统调用全球定位系统以及地理信息系统，用于通过视频图像实时监测并采集植物生长状态、虫情状态和设备状态，并用于存储和传输植物生长图像、虫情图像和设备图像；
云服务器，所述云服务器与上述数据采集终端以及监控系统无线连接，用于获取并存储上述土壤数据、气象数据、植物本体数据以及植物生长图像、虫情图像和设备图像；
生产管理系统，所述生产管理系统通过生产管理界面与用户交互，用于监测并展示土壤数据、气象数据、植物本体数据以及植物生长状态、虫情状态和设备状态，用于基于土壤数据、气象数据、植物本体数据以及马铃薯的需肥规律进行水肥一体化管理；用于基于植物生长图像和虫情图像进行病虫监测、病虫识别分析以及病虫预警；用于监测并配置设备运行参数，调整设备运行状态。
作为优选，所述土壤参数包括但不限于土壤温度、土壤水分、土壤盐分和土壤PH值；
所述气象数据包括但不限于空气温度、空气湿度、光照强度、降雨量、风速、风向、二氧化碳浓度和氧气浓度；
所述植物本体数据包括但不限于茎秆粗细、叶面温度、茎流速率、果实增重与膨大速率以及植物光合作用参数；
所述设备状态包括但不限于施肥机状态、水泵压力、阀门状态、水表流量、灯光状态以及卷帘状态。
作为优选，所述数据采集终端包括：
土壤传感器，所述土壤传感器包括土壤温度传感器、土壤水分传感器、土壤温湿度盐三合一传感器、管式水分仪以及土壤盐分传感器，上述土壤传感器为无线传感器，与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，每个土壤传感器监测获取其对应种植区域的土壤数据；
植物本体传感器，所述植物本体传感器为无线传感器，用于实时或阶段性监测植物相关的茎秆粗细、叶面温度、茎流速率、果实增重与膨大速率以及植物光合作用参数，植物本体传感器与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，每个植物本体传感器监测获取其对应种植区域的植物本体数据；
气象传感器，所述气象包括但不限于空气温湿度传感器、光照传感器、二氧化碳传感器、风速风向传感器以及降雨量传感器，上述气象传感器为无线传感器，每个气象传感器均与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，每个气象传感器监测获取其对应种植区域的气象数据。
作为优选，所述数据采集终端还包括：无线气象站，所述无线气象站用于获取气象数据；
所述无线气象站与云服务器无线连接，用于拍摄拍摄图像并上传云服务器；
所述无线气象站并与生产管理系统交互，通过生产管理系统远程设置数据存储和发送时间间隔，用于配置气象参数。
作为优选，所述监控系统通过摄像机拍摄视频图像以实时监测并采集植物生长状态、虫情状态和设备状态：
所述摄像机为无线摄像机且共多个，每个摄像机设置于对应的种植区域内，用于实时监测并获取种植区马铃薯生长状态、虫情状态以及设备状态并上传云服务器。
作为优选，所述摄像机为360°红外球形摄像机。
作为优选，所述生产管理系统包括：
水肥一体管理模块，所述水肥一体管理模块用于基于土壤数据、植物本体数据以及马铃薯的需肥规律，设置水肥计划，以基于所述水肥计划对马铃薯进行轮灌；用于支持用户设置水灌溉计划、施肥配方、灌溉参数以及施肥参数，基于上述水灌溉计划、施肥配方、灌溉参数以及施肥参数调控对应的设备实现马铃薯灌溉和施肥的定时、定量控制；
病虫监测预警模块，所述病虫监测预警模块用于基于植物生长图像以及虫情图像进行病虫识别分析，得到病虫数据并形成病虫预警；
设备监测模块，所述设备监测模块用于监测设备状态并配置设备运行参数，所述设备运行参数用于调整设备运行状态。
更优的，还包括：
虫情测报灯，所述虫情测报灯共多个，每个虫情测报灯均包括虫情测报灯本体和设置在虫情测报灯本体处的摄像机，所述摄像机为无线摄像机并与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，虫情测报灯监测获取其对应种植区域的虫情图像，并将虫情图像并上传云服务器，所述虫情图像反应虫情状态；
所述病虫监测预警模块用于基于虫情图像进行病虫识别分析，得到病虫数据并形成病虫预警。
更优的，还包括：
孢子捕捉仪，所述孢子捕捉仪共多个，每个孢子捕捉仪均包括孢子捕捉仪本体和设置在孢子捕捉仪本体处的摄像机，所述摄像机为无线摄像机并与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，虫情测报灯监测获取其对应种植区域的虫情图像，并将虫情图像并上传云服务器，所述虫情图像反应虫情状态；
所述病虫监测预警模块用于基于虫情图像进行病虫识别分析，得到病虫数据并形成病虫预警。
作为优选，所述病虫监测预警模块包括：
预处理单元，所述预处理单元用于对植物状态图像和虫情图像进行预处理，包括对植物状态图像和虫情图像进行清洗处理，以识别植物状态和虫情状态，并用于对植物状态图像和虫情图像进行图像数据增强；
第一识别单元，所述第一识别单元用于通过训练后的植物识别网络模型对输入的植物状态图像进行病虫识别，输出病虫类型，所述植物识别网络模型为残差网络模型，用于基于植物状态图像中植物生成状态识别病虫类型；
第二识别单元，所述第二识别单元用于通过训练后的虫情识别网络模型对输入的虫情图像进行病虫识别，输出病虫类型，所述虫情识别网络模型为残差网络模型，用于基于虫情图像中害虫的状态识别病虫类型，输出病虫类型；
预警单元，所述预警单元用于基于第一识别单元和第二识别单元输出的病虫类型，形成病虫预警。
本发明的马铃薯生产管理系统具有以下优点：实时监测马铃薯土壤数据、气象数据、生长状态、病虫数据以及设备状态，并根据上述数据实现了水肥一体化管理以及病虫监测预警，实现了马铃薯精细化管理，为后续不同品种、地域、时节的个性化产品和差异化管理提供指导，提升马铃薯生产信息化水平，示范引领马铃薯绿色高效发展方向。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述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，对于本领域的普通技术人员来讲，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他的附图。
下面结合附图对本发明进一步说明。
图1为实施例1马铃薯生产管理系统的结构框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互结合。
需要理解的是，在本发明实施例中的“多个”，是指两个或两个以上。
本发明提供马铃薯生产管理系统，用于解决如何何对马铃薯生产进行智能管理的技术问题。
实施例：
本发明的马铃薯生产管理系统，包括数据采集终端、监控系统、云平台以及生产管理系统，数据采集终端调用全球定位系统以及地理信息系统，用于实时监测并采集土壤数据、气象数据以及植物本体数据；监控系统调用全球定位系统以及地理信息系统，用于通过视频图像实时监测并采集植物生长状态、虫情状态以及设备状态；云服务器与上述数据采集终端以及监控系统无线连接，用于获取并存储上述土壤数据、气象数据、植物本体数据以及植物生长状态、虫情状态和设备状态；生产管理系统通过生产管理界面与用户交互，用于监测并展示土壤数据、气象数据、植物本体数据以及设备状态，用于基于土壤数据、气象数据、植物本体数据以及马铃薯的需肥规律进行水肥一体化管理；用于基于虫情状态进行病虫监测、病虫识别分析以及病虫预警；用于监测并配置设备运行参数，调整设备运行状态。
其中，土壤参数包括但不限于土壤温度、土壤水分、土壤盐分和土壤PH值；气象数据包括但不限于空气温度、空气湿度、光照强度、降雨量、风速、风向、二氧化碳浓度和氧气浓度；植物本体数据包括但不限于茎秆粗细、叶面温度、茎流速率、果实增重与膨大速率以及植物光合作用参数；设备状态包括但不限于施肥机状态、水泵压力、阀门状态、水表流量、灯光状态以及卷帘状态。
本实施例中，土壤传感器包括土壤温度传感器、土壤水分传感器、土壤温湿度盐三合一传感器、管式水分仪以及土壤盐分传感器，上述土壤传感器为无线传感器，与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，每个土壤传感器监测获取其对应种植区域的土壤数据。
物本体传感器为无线传感器，用于实时或阶段性监测植物相关的茎秆粗细、叶面温度、茎流速率、果实增重与膨大速率以及植物光合作用参数，植物本体传感器与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，每个植物本体传感器监测获取其对应种植区域的植物本体数据；
气象包括但不限于空气温湿度传感器、光照传感器、二氧化碳传感器、风速风向传感器以及降雨量传感器，上述气象传感器为无线传感器，每个气象传感器均与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，每个气象传感器监测获取其对应种植区域的气象数据。
在本实施例中，数据采集终端还包括无线气象站，无线气象站用于获取气象数据。该无线气象站与云服务器无线连接，用于拍摄拍摄图像并上传云服务器；无线气象站与生产管理系统交互，通过生产管理系统远程设置数据存储和发送时间间隔，用于配置气象参数。
监控系统通过摄像机拍摄视频图像以实时监测并采集植物生长状态、虫情状态和设备状态。摄像机为无线摄像机且共多个，每个摄像机设置于对应的种植区域内，用于实时监测并获取种植区马铃薯生长状态、虫情状态以及设备状态并上传云服务器。
本实施例中监控系统中摄像机为360°红外球形摄像机，可清晰直观的实时产看种植区域作物生长情况、设备远程控制执行情况等。
通过生产管理系统配置定点预设功能，选择性设置监控点，在生产管理界面上触发，可快速转换呈现视频图像。
生产管理系统包括水肥一体管理模块、病虫监测预警模块和设备监测模块。
水肥一体管理模块用于基于土壤数据、植物本体数据以及马铃薯的需肥规律，设置水肥计划，以基于所述水肥计划对马铃薯进行轮灌；用于支持用户设置水灌溉计划、施肥配方、灌溉参数以及施肥参数，基于上述水灌溉计划、施肥配方、灌溉参数以及施肥参数调控对应的设备实现马铃薯灌溉和施肥的定时、定量控制。
水肥一体管理模块与相关设备配合，根据监测的土壤水分、马铃薯的需肥规律，设置周期性水肥计划实施轮灌，施肥机会按照用户设定的配方、灌溉过程参数自动控制灌溉量、吸肥量、肥液浓度、酸碱度等水肥过程的参数，实现对灌溉、施肥的定时、定量控制，充分提高水肥利用率。
病虫监测预警模块用于基于植物本体数据以及马铃薯生成状态进行病虫识别分析，得到病虫数据并形成病虫预警。其中，病虫监测模块可内部配置病虫分析模型或者调用外部病虫分析库或者调用专家库继续病虫分析。
本实施例中，病虫监测预警模块包括预处理单元、第一识别单元、第二识别单元以及预警单元，其中预处理单元用于对植物状态图像和虫情图像进行预处理，包括对植物状态图像和虫情图像进行清洗处理，以识别植物状态和虫情状态，并用于对植物状态图像和虫情图像进行图像数据增强；第一识别单元用于通过训练后的植物识别网络模型对输入的植物状态图像进行病虫识别，输出病虫类型，所述植物识别网络模型为残差网络模型，用于基于植物状态图像中植物生成状态识别病虫类型；第二识别单元用于通过训练后的虫情识别网络模型对输入的虫情图像进行病虫识别，输出病虫类型，所述虫情识别网络模型为残差网络模型，用于基于虫情图像中害虫的状态识别病虫类型，输出病虫类型；预警单元用于基于第一识别单元和第二识别单元输出的病虫类型，形成病虫预警。
预处理单元对植物状态图像和虫情图像进行清洗处理，并标注植物状态图像和虫情图像，以分别识别出植物状态图像和虫情图像，以便于后续分别对植物状态图像和虫情图像进行病虫识别。该预处理单元还用于对植物状态图像和虫情图像进行图像数据增强。
第一识别单元中植物识别网络模型为训练后的植物识别网络模型，用于通过分析植物状态图像中马铃薯的状态来识别病虫类型；该第一识别单元通过训练后的植物识别网络模型来识别病虫类型，其中训练后的植物识别网络模型是通过如下步骤获取的：
采集作为训练样本的植物状体图像，该植物状态图像中马铃薯存在因已知病虫造成的已知虫害现象；
对上述作为训练样本的植物状态图像进行预处理，对其进行图像数据增强；
将上述增强后的作为训练样本的植物状态图像作为输入，构建初始残差网络模型作为植物识别网络模型，输出病虫类型；
将对比输出的病虫类型以及该作为训练样本的植物状态图像对应的病虫害类型，确定损失误差；
根据损失误差确定损失函数，并基于上述确定的损失函数，利用误差反向传播算法对上述初始残差网络模型的网络参数进行优化，确定优化后残差网络模型，从而得到训练后植物识别网络模型。
通过上述训练后植物识别网络模型可对输入的作为测试样本的植物状态图像进行识别分类，得到对应的病虫类型。
同理，第二识别单元中虫情识别网络模型为训练后的虫情识别网络模型，用于通过分析虫情图像中病虫的状态来识别病虫类型；该第二识别单元通过训练后的虫情识别网络模型来识别病虫类型，其中训练后的虫情识别网络模型是通过如下步骤获取的：
采集作为训练样本的虫情图像，该虫情图像中病虫类型已知；
对上述作为训练样本的虫情图像进行预处理，对其进行图像数据增强；
将上述增强后的作为训练样本的虫情图像作为输入，构建初始残差网络模型作为植物识别网络模型，输出病虫类型；
将对比输出的病虫类型以及该作为训练样本的虫情图像对应的病虫害类型，确定损失误差；
根据损失误差确定损失函数，并基于上述确定的损失函数，利用误差反向传播算法对上述初始残差网络模型的网络参数进行优化，确定优化后残差网络模型，从而得到训练后虫情识别网络模型。
通过上述训练后虫情识别网络模型可对输入的作为测试样本的虫情图像进行识别分类，得到对应的病虫类型。
本实施例中残差网络模型均为ResNet50网络模型。
设备监测模块用于监测设备状态并配置设备运行参数，设备运行参数用于调整设备运行状态。
作为本实施例的改进，还包括虫情测报灯，虫情测报灯共多个，每个虫情测报灯均包括虫情测报灯本体和设置在虫情测报灯本体处的摄像机，所述摄像机为无线摄像机并与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，虫情测报灯监测获取其对应种植区域的虫情图像，并将虫情图像并上传云服务器；病虫监测预警模块用于基于虫情图像进行病虫识别分析，得到病虫数据并形成病虫预警。该摄像机为红外高清摄像机。
作为本实施例的改进，还包括孢子捕捉仪，孢子捕捉仪共多个，每个孢子捕捉仪均包括孢子捕捉仪本体和设置在孢子捕捉仪本体处的摄像机，所述摄像机为无线摄像机并与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，虫情测报灯监测获取其对应种植区域的虫情图像，并将虫情图像并上传云服务器；病虫监测预警模块用于基于虫情图像进行病虫识别分析，得到病虫数据并形成病虫预警。其中该摄像机为千倍放大显微镜。
本发明的马铃薯生产管理系统，用户远程自动控制水肥作业，相关的风机、遮阳、侧窗、湿帘、植物生长灯等，用户设定监控程序后，自动化运行；并可远程控制生产现场的各种农用设施和农机设备，快速实现温室大棚、大田种植自动化灌溉作业，并实现对病虫情监测预警。
在监控过程中，用户可通过生产管理界面配置并发送指令，包括拍摄指令，通过拍摄指令设定摄像机的拍摄时间和间隔。云服务器中记录每个时间点采集的数据，形成历史记录，在生产管理界面中以图表、列表形式展示给用户。通过生产管理界面，对于历史数据可按照曲线、报表形式进行展示，以清晰直观查看监测设备的监测数据。
上文通过附图和优选实施例对本发明进行了详细展示和说明，然而本发明不限于这些已揭示的实施例，基与上述多个实施例本领域技术人员可以知晓，可以组合上述不同实施例中的手段得到本发明更多的实施例，这些实施例也在本发明的保护范围之内。
Claims (10)
1.马铃薯生产管理系统，其特征在于包括：
数据采集终端，所述数据采集终端调用全球定位系统以及地理信息系统，用于实时监测并采集土壤数据、气象数据以及植物本体数据；
监控系统，所述监控系统调用全球定位系统以及地理信息系统，用于通过视频图像实时监测并采集植物生长状态、虫情状态和设备状态，并用于存储和传输植物生长图像、虫情图像和设备图像；
云服务器，所述云服务器与上述数据采集终端以及监控系统无线连接，用于获取并存储上述土壤数据、气象数据、植物本体数据以及植物生长图像、虫情图像和设备图像；
生产管理系统，所述生产管理系统通过生产管理界面与用户交互，用于监测并展示土壤数据、气象数据、植物本体数据以及植物生长状态、虫情状态和设备状态，用于基于土壤数据、气象数据、植物本体数据以及马铃薯的需肥规律进行水肥一体化管理；用于基于植物生长图像和虫情图像进行病虫监测、病虫识别分析以及病虫预警；用于监测并配置设备运行参数，调整设备运行状态。
2.根据权利要求1所述的马铃薯生产管理系统，其特征在于所述土壤参数包括但不限于土壤温度、土壤水分、土壤盐分和土壤PH值；
所述气象数据包括但不限于空气温度、空气湿度、光照强度、降雨量、风速、风向、二氧化碳浓度和氧气浓度；
所述植物本体数据包括但不限于茎秆粗细、叶面温度、茎流速率、果实增重与膨大速率以及植物光合作用参数；
所述设备状态包括但不限于施肥机状态、水泵压力、阀门状态、水表流量、灯光状态以及卷帘状态。
3.根据权利要求2所述的马铃薯生产管理系统，其特征在于所述数据采集终端包括：
土壤传感器，所述土壤传感器包括土壤温度传感器、土壤水分传感器、土壤温湿度盐三合一传感器、管式水分仪以及土壤盐分传感器，上述土壤传感器为无线传感器，与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，每个土壤传感器监测获取其对应种植区域的土壤数据；
植物本体传感器，所述植物本体传感器为无线传感器，用于实时或阶段性监测植物相关的茎秆粗细、叶面温度、茎流速率、果实增重与膨大速率以及植物光合作用参数，植物本体传感器与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，每个植物本体传感器监测获取其对应种植区域的植物本体数据；
气象传感器，所述气象包括但不限于空气温湿度传感器、光照传感器、二氧化碳传感器、风速风向传感器以及降雨量传感器，上述气象传感器为无线传感器，每个气象传感器均与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，每个气象传感器监测获取其对应种植区域的气象数据。
4.根据权利要求3所述的马铃薯生产管理系统，其特征在于所述数据采集终端还包括：无线气象站，所述无线气象站用于获取气象数据；
所述无线气象站与云服务器无线连接，用于拍摄拍摄图像并上传云服务器；
所述无线气象站并与生产管理系统交互，通过生产管理系统远程设置数据存储和发送时间间隔，用于配置气象参数。
5.根据权利要求1所述的马铃薯生产管理系统，其特征在于所述监控系统通过摄像机拍摄视频图像以实时监测并采集植物生长状态、虫情状态和设备状态：
所述摄像机为无线摄像机且共多个，每个摄像机设置于对应的种植区域内，用于实时监测并获取种植区马铃薯生长状态、虫情状态以及设备状态并上传云服务器。
6.根据权利要求5所述的马铃薯生产管理系统，其特征在于所述摄像机为360°红外球形摄像机。
7.根据权利要求1所述的马铃薯生产管理系统，其特征在于所述生产管理系统包括：
水肥一体管理模块，所述水肥一体管理模块用于基于土壤数据、植物本体数据以及马铃薯的需肥规律，设置水肥计划，以基于所述水肥计划对马铃薯进行轮灌；用于支持用户设置水灌溉计划、施肥配方、灌溉参数以及施肥参数，基于上述水灌溉计划、施肥配方、灌溉参数以及施肥参数调控对应的设备实现马铃薯灌溉和施肥的定时、定量控制；
病虫监测预警模块，所述病虫监测预警模块用于基于植物生长图像以及虫情图像进行病虫识别分析，得到病虫数据并形成病虫预警；
设备监测模块，所述设备监测模块用于监测设备状态并配置设备运行参数，所述设备运行参数用于调整设备运行状态。
8.根据权利要求7所述的马铃薯生产管理系统，其特征在于还包括：
虫情测报灯，所述虫情测报灯共多个，每个虫情测报灯均包括虫情测报灯本体和设置在虫情测报灯本体处的摄像机，所述摄像机为无线摄像机并与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，虫情测报灯监测获取其对应种植区域的虫情图像，并将虫情图像并上传云服务器，所述虫情图像反应虫情状态；
所述病虫监测预警模块用于基于虫情图像进行病虫识别分析，得到病虫数据并形成病虫预警。
9.根据权利要求7所述的马铃薯生产管理系统，其特征在于还包括：
孢子捕捉仪，所述孢子捕捉仪共多个，每个孢子捕捉仪均包括孢子捕捉仪本体和设置在孢子捕捉仪本体处的摄像机，所述摄像机为无线摄像机并与云服务器无线连接，在云服务器、全球定位系统以及地理信息系统配合下，虫情测报灯监测获取其对应种植区域的虫情图像，并将虫情图像并上传云服务器，所述虫情图像反应虫情状态；
所述病虫监测预警模块用于基于虫情图像进行病虫识别分析，得到病虫数据并形成病虫预警。
10.根据权利要求7、8或9所述的马铃薯生产管理系统，其特征在于所述病虫监测预警模块包括：
预处理单元，所述预处理单元用于对植物状态图像和虫情图像进行预处理，包括对植物状态图像和虫情图像进行清洗处理，以识别植物状态和虫情状态，并用于对植物状态图像和虫情图像进行图像数据增强；
第一识别单元，所述第一识别单元用于通过训练后的植物识别网络模型对输入的植物状态图像进行病虫识别，输出病虫类型，所述植物识别网络模型为残差网络模型，用于基于植物状态图像中植物生成状态识别病虫类型；
第二识别单元，所述第二识别单元用于通过训练后的虫情识别网络模型对输入的虫情图像进行病虫识别，输出病虫类型，所述虫情识别网络模型为残差网络模型，用于基于虫情图像中害虫的状态识别病虫类型，输出病虫类型；
预警单元，所述预警单元用于基于第一识别单元和第二识别单元输出的病虫类型，形成病虫预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110179059.1A CN112883230A (zh) | 2021-02-08 | 2021-02-08 | 马铃薯生产管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110179059.1A CN112883230A (zh) | 2021-02-08 | 2021-02-08 | 马铃薯生产管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112883230A true CN112883230A (zh) | 2021-06-01 |
Family
ID=76056289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110179059.1A Pending CN112883230A (zh) | 2021-02-08 | 2021-02-08 | 马铃薯生产管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112883230A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113794867A (zh) * | 2021-11-18 | 2021-12-14 | 中通服建设有限公司 | 一种基于5g的智慧视频监控系统 |
| CN114418040A (zh) * | 2022-03-31 | 2022-04-29 | 山东鹤鹏技术有限公司 | 一种园林绿化养护监测及预警的方法与系统 |
| CN114821253A (zh) * | 2022-03-18 | 2022-07-29 | 北京国垦节水科技有限公司 | 一种喷滴灌水肥一体化系统的适用性调控方法及系统 |
| CN117877024A (zh) * | 2024-03-13 | 2024-04-12 | 江西省农业科学院蔬菜花卉研究所 | 一种基于大数据的苦瓜枯萎病监测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109470299A (zh) * | 2018-10-19 | 2019-03-15 | 江苏大学 | 一种基于物联网的作物生长信息监测系统和方法 |
| CN109781963A (zh) * | 2019-01-26 | 2019-05-21 | 成都鑫芯电子科技有限公司 | 一种大田种植环境监测系统 |
| CN209517198U (zh) * | 2019-04-15 | 2019-10-18 | 广州鑫博软件技术有限公司 | 一种智慧农业标准化管理系统 |
| CN111026200A (zh) * | 2019-11-25 | 2020-04-17 | 青岛农业大学 | 一种农业病虫害与生长状况预测防控物联网及方法 |
| CN111061322A (zh) * | 2019-12-04 | 2020-04-24 | 山东沐雨天禾智慧农业有限公司 | 一种基于人工智能水肥一体化系统 |
-
2021
- 2021-02-08 CN CN202110179059.1A patent/CN112883230A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109470299A (zh) * | 2018-10-19 | 2019-03-15 | 江苏大学 | 一种基于物联网的作物生长信息监测系统和方法 |
| CN109781963A (zh) * | 2019-01-26 | 2019-05-21 | 成都鑫芯电子科技有限公司 | 一种大田种植环境监测系统 |
| CN209517198U (zh) * | 2019-04-15 | 2019-10-18 | 广州鑫博软件技术有限公司 | 一种智慧农业标准化管理系统 |
| CN111026200A (zh) * | 2019-11-25 | 2020-04-17 | 青岛农业大学 | 一种农业病虫害与生长状况预测防控物联网及方法 |
| CN111061322A (zh) * | 2019-12-04 | 2020-04-24 | 山东沐雨天禾智慧农业有限公司 | 一种基于人工智能水肥一体化系统 |
Non-Patent Citations (2)
| Title |
|---|
| 王金柱: "物联网在智慧农业中的应用", 《第八届云南省科协学术年会论文集》 * |
| 王震: "基于图像处理的稻瘟病孢子和白穗表征识别研究", 《中国博士学位论文全文数据库农业科技辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113794867A (zh) * | 2021-11-18 | 2021-12-14 | 中通服建设有限公司 | 一种基于5g的智慧视频监控系统 |
| CN113794867B (zh) * | 2021-11-18 | 2022-03-01 | 中通服建设有限公司 | 一种基于5g的智慧视频监控系统 |
| CN114821253A (zh) * | 2022-03-18 | 2022-07-29 | 北京国垦节水科技有限公司 | 一种喷滴灌水肥一体化系统的适用性调控方法及系统 |
| CN114418040A (zh) * | 2022-03-31 | 2022-04-29 | 山东鹤鹏技术有限公司 | 一种园林绿化养护监测及预警的方法与系统 |
| CN114418040B (zh) * | 2022-03-31 | 2022-07-08 | 山东鹤鹏技术有限公司 | 一种园林绿化养护监测及预警的方法与系统 |
| CN117877024A (zh) * | 2024-03-13 | 2024-04-12 | 江西省农业科学院蔬菜花卉研究所 | 一种基于大数据的苦瓜枯萎病监测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112883230A (zh) | 马铃薯生产管理系统 | |
| KR101852987B1 (ko) | 고부가가치 버섯재배를 위한 모듈형 식물공장시스템 | |
| CN209517198U (zh) | 一种智慧农业标准化管理系统 | |
| CN110347127A (zh) | 基于云服务的农作物种植托管系统及方法 | |
| CN111507857A (zh) | 一种基于物联网技术的数字化农业种植系统和方法 | |
| CN110728332A (zh) | 一种基于物联网的农业数据分析方法及系统 | |
| CN109470299A (zh) | 一种基于物联网的作物生长信息监测系统和方法 | |
| CN111504371A (zh) | 大数据服务系统 | |
| CN111008733B (zh) | 一种作物生长管控方法和系统 | |
| CN111476149A (zh) | 一种植物培育控制方法和系统 | |
| CN113406899A (zh) | 一种基于物联网的智能农业监测系统 | |
| CN113273449A (zh) | 用于日光温室精准监测的数字孪生体构造方法 | |
| CN112465109A (zh) | 一种基于云边协同的农业大棚控制装置 | |
| CN113920288A (zh) | 一种基于物联网的温室黄瓜种植管理系统 | |
| CN114460080A (zh) | 一种水稻病虫智能监控系统 | |
| CN116258238A (zh) | 一种基于物联网的农作物管理系统 | |
| CN116300608A (zh) | 一种基于大数据的智慧农业远程监控系统 | |
| CN115294518B (zh) | 一种园艺植物温室精准栽培的智能监控方法及系统 | |
| CN113544714A (zh) | 农作物的收获量预测程序、栽培环境判别程序 | |
| JP2021057071A (ja) | 農作物の栽培方法提案プログラム及びシステム | |
| CN114998767A (zh) | 一种沃柑田间农事信息采集方法 | |
| CN112003948A (zh) | 一种智慧农业物联网系统 | |
| CN111223003A (zh) | 一种面向产区的种植决策服务系统与方法 | |
| AU2021105327A4 (en) | A computer implemented and IoT based method for increasing crop production using machine learning model | |
| CN114723118A (zh) | 一种基于物联网的虫害预警系统 |
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 |
Application publication date: 20210601 |
|
| RJ01 | Rejection of invention patent application after publication |