CN113095555A - 基于物联网的农作物病虫害监控方法、系统及存储介质 - Google Patents
基于物联网的农作物病虫害监控方法、系统及存储介质 Download PDFInfo
- Publication number
- CN113095555A CN113095555A CN202110345066.4A CN202110345066A CN113095555A CN 113095555 A CN113095555 A CN 113095555A CN 202110345066 A CN202110345066 A CN 202110345066A CN 113095555 A CN113095555 A CN 113095555A
- Authority
- CN
- China
- Prior art keywords
- crop
- pest
- disease
- information
- target 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.)
- Granted
Links
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 289
- 201000010099 disease Diseases 0.000 title claims abstract description 253
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 253
- 241000238631 Hexapoda Species 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 244000038559 crop plants Species 0.000 claims abstract description 67
- 230000008635 plant growth Effects 0.000 claims abstract description 47
- 230000012010 growth Effects 0.000 claims abstract description 42
- 230000008859 change Effects 0.000 claims abstract description 41
- 238000012216 screening Methods 0.000 claims abstract description 12
- 230000007613 environmental effect Effects 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000009863 secondary prevention Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 241000244206 Nematoda Species 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 5
- 244000005700 microbiome Species 0.000 claims description 5
- 238000006116 polymerization reaction Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims 1
- 238000007781 pre-processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 239000000575 pesticide Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000004297 night vision Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008636 plant growth process Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/05—Agriculture
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Agronomy & Crop Science (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的一种基于物联网的农作物病虫害监控方法、系统及存储介质，包括：采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；引入农作物病虫害预测模型，根据所述农作物植株生长状况信息结合目标区域内环境变化信息预测病虫害，进行提前防治，并根据获取农作物的实际受病虫害情况生成病情指数偏差率，通过判断所述病情指数偏差率进行农作物病虫害的科学防治，且在获取农作物图像信息的同时，通过数据筛选及更新，经常对农作物信息数据库进行调整，以提高农作物信息数据库的时效性与准确性。
Description
技术领域
本发明涉及一种农作物病虫害监控方法，更具体的，涉及一种基于物联网的农作物病虫害监控方法、系统及存储介质。
背景技术
病虫害是影响作物产量的直接因素，是世界各国的主要农业灾害之一。大规模的病虫害会给农业生产和国民经济造成巨大损失。据联合国粮农组织统计，世界粮食产量因病虫害造成的损失占粮食总产量的20％以上,在治理病虫害过程中,如果不注意控制农药使用的剂量,很容易造成环境的破坏和污染或防治效果不佳等现象,在种植活动中,为了保证其最终不会在人体中残留并实现病虫害的科学防治,在使用过程中应当合理控制使用剂量,在保证农作物最终产量和对环境的保护下进行农药的使用。
为了能够实现对农作物病虫害的有效监控，并对病虫害进行科学防治，需要开发一款系统与之相匹配，该系统通过农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；根据所述农作物植株生长状况信息结合目标区域内环境变化信息预测病虫害，进行提前防治；根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新；在进行实现的过程中，如何建立病虫害预测模型及如何对病虫害进行科学有效的防治都是亟不可待需要解决的问题。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种基于物联网的农作物病虫害监控方法、系统及存储介质。
本发明第一方面提供了一种基于物联网的农作物病虫害监控方法，包括：
采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；
根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；
根据所述农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，预测病虫害，进行提前防治；
通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新。
本方案中，所述农作物植株生长状况信息包括植株高度、叶片面积及植株上昆虫、线虫和微生物信息；所述目标区域内环境变化信息包括温度信息、湿度信息、光照信息和土壤结构信息。
本方案中，所述的根据农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，具体为：
获取目标区域内环境变化信息、农作物植株生长状况信息及历史病虫害信息；
基于神经网络建立农作物病虫害预测模型并根据所述历史病虫害信息数据对所述病虫害预测模型进行训练；
将所述目标区域内环境变化信息和农作物植株生长状况信息导入所述病虫害预测模型中预测各影响因素对农作物病虫害的影响值；
根据所述各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率；
通过判断所述目标区域内农作物病虫害发生概率对病虫害进项提前防治。
本方案中，所述的根据各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率，具体为：
将目标区域内农作物划分采样区域，通过各采样区域内各影响因素的影响均值匹配占比系数得到目标区域内农作物病虫害发生概率，计算公式为：
其中，P表示所求目标区域内农作物病虫害发生概率，α表示各影响因素的占比系数，m表示采样区域，c表示影响因素的采集时长，εij表示第i采样区域内经过j时间采集的某影响因素的平均影响值。
本方案中，还包括：
通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治；
获取农作物的实际受病虫害情况并生成病情指数；
通过所述病情指数生成目标区域内农作物病虫害病情指数偏差率；
判断病情指数偏差率是否大于预设的偏差率阈值；
若大于预设偏差率阈值，则进行病虫害的二次防治。
本方案中，根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库，具体包括：
根据农作物植株生长状况信息及各生长阶段受虫害状况信息生成病虫害序列模型；
采用病虫害序列分割进行农作物各生长阶段所受病虫害特征分割提取，建立农作物信息数据库；
通过数据索引进行农作物各生长阶段病虫害分析，并获取病虫害预测模型预测误差，对病虫害预测模型进行误差均衡；
通过对农作物各生长阶段病虫害预测结果进行聚合模拟，得到精确的病虫害预测信息。
本发明第二方面还提供了一种基于物联网的农作物病虫害监控系统，该系统包括：存储器、处理器，所述存储器中包括基于物联网的农作物病虫害监控方法程序，所述基于物联网的农作物病虫害监控方法程序被所述处理器执行时实现如下步骤：
采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；
根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；
根据所述农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，预测病虫害，进行提前防治；
通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新。
本方案中，所述农作物植株生长状况信息包括植株高度、叶片面积及植株上昆虫、线虫和微生物信息；所述目标区域内环境变化信息包括温度信息、湿度信息、光照信息和土壤结构信息。
本方案中，所述的根据农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，具体为：
获取目标区域内环境变化信息、农作物植株生长状况信息及历史病虫害信息；
基于神经网络建立农作物病虫害预测模型并根据所述历史病虫害信息数据对所述病虫害预测模型进行训练；
将所述目标区域内环境变化信息和农作物植株生长状况信息导入所述病虫害预测模型中预测各影响因素对农作物病虫害的影响值；
根据所述各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率；
通过判断所述目标区域内农作物病虫害发生概率对病虫害进项提前防治。
本方案中，所述的根据各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率，具体为：
将目标区域内农作物划分采样区域，通过各采样区域内各影响因素的影响均值匹配占比系数得到目标区域内农作物病虫害发生概率，计算公式为：
其中，P表示所求目标区域内农作物病虫害发生概率，α表示各影响因素的占比系数，m表示采样区域，c表示影响因素的采集时长，εij表示第i采样区域内经过j时间采集的某影响因素的平均影响值。
本方案中，还包括：
通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治；
获取农作物的实际受病虫害情况并生成病情指数；
通过所述病情指数生成目标区域内农作物病虫害病情指数偏差率；
判断病情指数偏差率是否大于预设的偏差率阈值；
若大于预设偏差率阈值，则进行病虫害的二次防治。
本方案中，根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库，具体包括：
根据农作物植株生长状况信息及各生长阶段受虫害状况信息生成病虫害序列模型；
采用病虫害序列分割进行农作物各生长阶段所受病虫害特征分割提取，建立农作物信息数据库；
通过数据索引进行农作物各生长阶段病虫害分析，并获取病虫害预测模型预测误差，对病虫害预测模型进行误差均衡；
通过对农作物各生长阶段病虫害预测结果进行聚合模拟，得到精确的病虫害预测信息。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于物联网的农作物病虫害监控方法程序，所述基于物联网的农作物病虫害监控方法程序被处理器执行时，实现如上述任一项所述的基于物联网的农作物病虫害监控方法的步骤。
本发明公开的一种基于物联网的农作物病虫害监控方法、系统及可读存储介质，包括：采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新，通过分析目标区域内环境变化信息，建立农作物病虫害预测模型，根据所述农作物植株生长状况信息结合目标区域内环境变化信息预测病虫害，进行提前防治，并根据获取农作物的实际受病虫害情况生成病情指数偏差率，通过判断所述病情指数偏差率进行农作物病虫害的科学防治，且在获取农作物图像信息的同时，通过数据筛选及更新，经常对农作物信息数据库进行调整，以提高农作物信息数据库的时效性与准确性。
附图说明
图1示出了本发明一种基于物联网的农作物病虫害监控方法的流程图；
图2示出了本发明建立农作物病虫害预测模型的方法流程图；
图3示出了本发明建立农作物信息数据库的方法流程图；
图4示出了本发明一种基于物联网的农作物病虫害监控系统的框图。
具体实施方法
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于物联网的农作物病虫害监控方法的流程图；
如图1所示，本发明第一方面提供了一种基于物联网的农作物病虫害监控方法，包括：
S102，采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；
S104，根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；
S106，根据所述农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，预测病虫害，进行提前防治；
S108，通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新。
需要说明的是，所述农作物植株生长状况信息包括植株高度、叶片面积及植株上昆虫、线虫和微生物信息；所述目标区域内环境变化信息包括温度信息、湿度信息、光照信息和土壤结构信息。
需要说明的是，本发明所述的采集农作物图像信息可以通过无线传感器网络获取，无线传感器网络由多个采集节点和一个汇聚节点组成，在预定位置放置采集节点，无线传感器网络中的采集节点可以是线性或者网状分布，并可以进行自动组网。采集节点将采集到的数据信息通过多跳路由的方式发送到汇聚节点，汇聚节点将接收到的数据发送至主机处理器，采集节点中嵌有传感器和具有夜视功能的摄像头，传感器为温度传感器、湿度波传感器；采集节点采用电池供电，汇聚节点采用电源供电。可选的，本发明所述的采集农作物图像信息可由带有摄像头的田间自动行走装置获取，此装置可以自动对植株位置进行定位，并通过摄像头对植株进行整株扫描，获取农作物图像信息。
需要说明的是，在采集农作物图像信息后，需对农作物图像信息进行预处理，通过预处理滤去背景图像，提取出农作物图像信息中所需部分；例如：将收集到的帧图像数据经过图像预处理和基于边缘的监测算法后和背景图像做差分，通过图像滤波消除获取农作物图像信息中存在的噪声和失真，并通过图像分割提取出农作物图像信息中的叶片、果实等重要区域。
图2示出了本发明建立农作物病虫害预测模型的方法流程图。
根据本发明实施例，所述的根据农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，具体为：
S202，获取目标区域内环境变化信息、农作物植株生长状况信息及历史病虫害信息；
S204，基于神经网络建立农作物病虫害预测模型并根据所述历史病虫害信息数据对所述病虫害预测模型进行训练；
S206，将所述目标区域内环境变化信息和农作物植株生长状况信息导入所述病虫害预测模型中预测各影响因素对农作物病虫害的影响值；
S208，根据所述各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率；
S210，通过判断所述目标区域内农作物病虫害发生概率对病虫害进项提前防治。
需要说明的是，所述的根据各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率，具体为：
将目标区域内农作物划分采样区域，通过各采样区域内各影响因素的影响均值匹配占比系数得到目标区域内农作物病虫害发生概率，计算公式为：
其中，P表示所求目标区域内农作物病虫害发生概率，α表示各影响因素的占比系数，m表示采样区域，c表示影响因素的采集时长，εij表示第i采样区域内经过j时间采集的某影响因素的平均影响值。
需要说明的是，通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治后，为杜绝病虫害防治不彻底现象，通过获取农作物受病虫害情况生成病情指数，根据判断农作物病情指数偏差率进行病虫害的二次防治，包括：
通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治；
获取农作物的实际受病虫害情况并生成病情指数；
通过所述病情指数生成目标区域内农作物病虫害病情指数偏差率；
判断病情指数偏差率是否大于预设的偏差率阈值；
若大于预设偏差率阈值，则进行病虫害的二次防治。
图3示出了本发明建立农作物信息数据库的方法流程图。
根据本发明实施例，所述的根据农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库，具体包括：
S302，根据农作物植株生长状况信息及各生长阶段受虫害状况信息生成病虫害序列模型；
S304，采用病虫害序列分割进行农作物各生长阶段所受病虫害特征分割提取，建立农作物信息数据库；
S306，通过数据索引进行农作物各生长阶段病虫害分析，并获取病虫害预测模型预测误差，对病虫害预测模型进行误差均衡；
S308，通过对农作物各生长阶段病虫害预测结果进行聚合模拟，得到精确的病虫害预测信息。
需要说明的是，本实施例中，通过采集农作物图像信息将农作物植株生长过程区分为各生长阶段，将各生长阶段所受病虫害特征提取并与目标区域内环境变化信息进行匹配，建立农作物信息数据库，通过对目标区域内所有农作物建立编号并入库，对目标区域农作物实现精确管控，实现对病虫害的区域性防治管控及溯源，具体为：获取受病虫害农作物植株编号信息；根据所述编号信息规划确定防治区域；通过农药喷淋装置对防治区域内农作物进行病虫害防治；同时根据所述农作物信息数据库内历史监测信息确定病虫害始发区域；分析所述始发区域内农作物各生长阶段对应的环境变化信息，通过所述环境变化信息，对农作物信息数据库进行更新调整并对病虫害预测模型进行误差均衡。
本发明第二方面还提供了一种基于物联网的农作物病虫害监控系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于物联网的农作物病虫害监控方法程序，所述基于物联网的农作物病虫害监控方法程序被所述处理器执行时实现如下步骤：
采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；
根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；
根据所述农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，预测病虫害，进行提前防治；
通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新。
需要说明的是，所述农作物植株生长状况信息包括植株高度、叶片面积及植株上昆虫、线虫和微生物信息；所述目标区域内环境变化信息包括温度信息、湿度信息、光照信息和土壤结构信息。
需要说明的是，本发明所述的采集农作物图像信息可以通过无线传感器网络获取，无线传感器网络由多个采集节点和一个汇聚节点组成，在预定位置放置采集节点，无线传感器网络中的采集节点可以是线性或者网状分布，并可以进行自动组网。采集节点将采集到的数据信息通过多跳路由的方式发送到汇聚节点，汇聚节点将接收到的数据发送至主机处理器，采集节点中嵌有传感器和具有夜视功能的摄像头，传感器为温度传感器、湿度波传感器；采集节点采用电池供电，汇聚节点采用电源供电。可选的，本发明所述的采集农作物图像信息可由带有摄像头的田间自动行走装置获取，此装置可以自动对植株位置进行定位，并通过摄像头对植株进行整株扫描，获取农作物图像信息。
需要说明的是，在采集农作物图像信息后，需对农作物图像信息进行预处理，通过预处理滤去背景图像，提取出农作物图像信息中所需部分；例如：将收集到的帧图像数据经过图像预处理和基于边缘的监测算法后和背景图像做差分，通过图像滤波消除获取农作物图像信息中存在的噪声和失真，并通过图像分割提取出农作物图像信息中的叶片、果实等重要区域。
需要说明的是，所述的根据农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，具体为：
获取目标区域内环境变化信息、农作物植株生长状况信息及历史病虫害信息；
基于神经网络建立农作物病虫害预测模型并根据所述历史病虫害信息数据对所述病虫害预测模型进行训练；
将所述目标区域内环境变化信息和农作物植株生长状况信息导入所述病虫害预测模型中预测各影响因素对农作物病虫害的影响值；
根据所述各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率；
通过判断所述目标区域内农作物病虫害发生概率对病虫害进项提前防治。
需要说明的是，所述的根据各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率，具体为：
将目标区域内农作物划分采样区域，通过各采样区域内各影响因素的影响均值匹配占比系数得到目标区域内农作物病虫害发生概率，计算公式为：
其中，P表示所求目标区域内农作物病虫害发生概率，α表示各影响因素的占比系数，m表示采样区域，c表示影响因素的采集时长，εij表示第i采样区域内经过j时间采集的某影响因素的平均影响值。
需要说明的是，通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治后，为杜绝病虫害防治不彻底现象，通过获取农作物受病虫害情况生成病情指数，根据判断农作物病情指数偏差率进行病虫害的二次防治，包括：
通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治；
获取农作物的实际受病虫害情况并生成病情指数；
通过所述病情指数生成目标区域内农作物病虫害病情指数偏差率；
判断病情指数偏差率是否大于预设的偏差率阈值；
若大于预设偏差率阈值，则进行病虫害的二次防治。
需要说明的是，根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库，具体包括：
根据农作物植株生长状况信息及各生长阶段受虫害状况信息生成病虫害序列模型；
采用病虫害序列分割进行农作物各生长阶段所受病虫害特征分割提取，建立农作物信息数据库；
通过数据索引进行农作物各生长阶段病虫害分析，并获取病虫害预测模型预测误差，对病虫害预测模型进行误差均衡；
通过对农作物各生长阶段病虫害预测结果进行聚合模拟，得到精确的病虫害预测信息。
需要说明的是，本实施例中，通过采集农作物图像信息将农作物植株生长过程区分为各生长阶段，将各生长阶段所受病虫害特征提取并与目标区域内环境变化信息进行匹配，建立农作物信息数据库，通过对目标区域内所有农作物建立编号并入库，对目标区域农作物实现精确管控，实现对病虫害的区域性防治管控及溯源，具体为：获取受病虫害农作物植株编号信息；根据所述编号信息规划确定防治区域；通过农药喷淋装置对防治区域内农作物进行病虫害防治；同时根据所述农作物信息数据库内历史监测信息确定病虫害始发区域；分析所述始发区域内农作物各生长阶段对应的环境变化信息，通过所述环境变化信息，对农作物信息数据库进行更新调整并对病虫害预测模型进行误差均衡。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于物联网的农作物病虫害监控方法程序，所述基于物联网的农作物病虫害监控方法程序被处理器执行时，实现如上述任一项所述的基于物联网的农作物病虫害监控方法的步骤。
本发明公开的一种基于物联网的农作物病虫害监控方法、系统及可读存储介质，包括：采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新，通过分析目标区域内环境变化信息，建立农作物病虫害预测模型，根据所述农作物植株生长状况信息结合目标区域内环境变化信息预测病虫害，进行提前防治，并根据获取农作物的实际受病虫害情况生成病情指数偏差率，通过判断所述病情指数偏差率进行农作物病虫害的科学防治，且在获取农作物图像信息的同时，通过数据筛选及更新，经常对农作物信息数据库进行调整，以提高农作物信息数据库的时效性与准确性。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
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以所述权利要求的保护范围为准。
Claims (10)
1.一种基于物联网的农作物病虫害监控方法，其特征在于，包括：
采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；
根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；
根据所述农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，预测病虫害，进行提前防治；
通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新。
2.根据权利要求1所述的一种基于物联网的农作物病虫害监控方法，其特征在于：所述农作物植株生长状况信息包括植株高度、叶片面积及植株上昆虫、线虫和微生物信息；所述目标区域内环境变化信息包括温度信息、湿度信息、光照信息和土壤结构信息。
3.根据权利要求1所述的一种基于物联网的农作物病虫害监控方法，其特征在于：所述的根据农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，具体为：
获取目标区域内环境变化信息、农作物植株生长状况信息及历史病虫害信息；
基于神经网络建立农作物病虫害预测模型并根据所述历史病虫害信息数据对所述病虫害预测模型进行训练；
将所述目标区域内环境变化信息和农作物植株生长状况信息导入所述病虫害预测模型中预测各影响因素对农作物病虫害的影响值；
根据所述各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率；
通过判断所述目标区域内农作物病虫害发生概率对病虫害进项提前防治。
4.根据权利要求3所述的一种基于物联网的农作物病虫害监控方法，其特征在于：所述的根据各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率，具体为：
将目标区域内农作物划分采样区域，通过各采样区域内各影响因素的影响均值匹配占比系数得到目标区域内农作物病虫害发生概率，计算公式为：
其中，P表示所求目标区域内农作物病虫害发生概率，α表示各影响因素的占比系数，m表示采样区域，c表示影响因素的采集时长，εij表示第i采样区域内经过j时间采集的某影响因素的平均影响值。
5.根据权利要求1所述的一种基于物联网的农作物病虫害监控方法，其特征在于，还包括：
通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治；
获取农作物的实际受病虫害情况并生成病情指数；
通过所述病情指数生成目标区域内农作物病虫害病情指数偏差率；
判断病情指数偏差率是否大于预设的偏差率阈值；
若大于预设偏差率阈值，则进行病虫害的二次防治。
6.根据权利要求1所述的一种基于物联网的农作物病虫害监控方法，其特征在于：根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库，具体包括：
根据农作物植株生长状况信息及各生长阶段受虫害状况信息生成病虫害序列模型；
采用病虫害序列分割进行农作物各生长阶段所受病虫害特征分割提取，建立农作物信息数据库；
通过数据索引进行农作物各生长阶段病虫害分析，并获取病虫害预测模型预测误差，对病虫害预测模型进行误差均衡；
通过对农作物各生长阶段病虫害预测结果进行聚合模拟，得到精确的病虫害预测信息。
7.一种基于物联网的农作物病虫害监控系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于物联网的农作物病虫害监控方法程序，所述基于物联网的农作物病虫害监控方法程序被所述处理器执行时实现如下步骤：
采集农作物图像信息，根据所述农作物图像信息获取农作物植株生长状况信息及受虫害状况信息；
根据所述农作物植株生长状况信息及受虫害状况信息，建立农作物信息数据库；
根据所述农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，预测病虫害，进行提前防治；
通过定期获取农作物图像信息，对所述农作物信息数据库进行数据筛选及更新。
8.根据权利要求7所述的一种基于物联网的农作物病虫害监控系统，其特征在于：所述的根据农作物植株生长状况信息结合目标区域内环境变化信息建立农作物病虫害预测模型，具体为：
获取目标区域内环境变化信息、农作物植株生长状况信息及历史病虫害信息；
基于神经网络建立农作物病虫害预测模型并根据所述历史病虫害信息数据对所述病虫害预测模型进行训练；
将所述目标区域内环境变化信息和农作物植株生长状况信息导入所述病虫害预测模型中预测各影响因素对农作物病虫害的影响值；
根据所述各影响因素对农作物病虫害的影响值预测目标区域内农作物病虫害发生概率；
通过判断所述目标区域内农作物病虫害发生概率对病虫害进项提前防治。
9.根据权利要求7所述的一种基于物联网的农作物病虫害监控系统，其特征在于，还包括：
通过病虫害预测模型预测目标区域内农作物病虫害，并进行提前防治；
获取农作物的实际受病虫害情况并生成病情指数；
通过所述病情指数生成目标区域内农作物病虫害病情指数偏差率；
判断病情指数偏差率是否大于预设的偏差率阈值；
若大于预设偏差率阈值，则进行病虫害的二次防治。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中包括基于物联网的农作物病虫害监控方法程序，所述基于物联网的农作物病虫害监控方法程序被处理器执行时，实现如权利要求1至6中任一项所述的基于物联网的农作物病虫害监控方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110345066.4A CN113095555B (zh) | 2021-03-31 | 2021-03-31 | 基于物联网的农作物病虫害监控方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110345066.4A CN113095555B (zh) | 2021-03-31 | 2021-03-31 | 基于物联网的农作物病虫害监控方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113095555A true CN113095555A (zh) | 2021-07-09 |
| CN113095555B CN113095555B (zh) | 2024-01-23 |
Family
ID=76671887
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110345066.4A Active CN113095555B (zh) | 2021-03-31 | 2021-03-31 | 基于物联网的农作物病虫害监控方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113095555B (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113705875A (zh) * | 2021-08-19 | 2021-11-26 | 大气候物联网科技(广州)有限公司 | 一种农作物病虫害预警方法、系统、装置及存储介质 |
| CN114548489A (zh) * | 2022-01-11 | 2022-05-27 | 山东锋士信息技术有限公司 | 农作物病虫害预测方法及系统 |
| CN114586760A (zh) * | 2022-03-29 | 2022-06-07 | 广东省农业科学院植物保护研究所 | 一种基于大数据的农药喷淋方法，系统及可读存储介质 |
| CN114903022A (zh) * | 2022-05-13 | 2022-08-16 | 中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所) | 一种基于农药喷洒机的智能喷药控制方法及系统 |
| CN114998335A (zh) * | 2022-08-02 | 2022-09-02 | 江苏三棱智慧物联发展股份有限公司 | 物联网视频监控系统及其监控方法 |
| CN115169750A (zh) * | 2022-09-01 | 2022-10-11 | 广东省农业科学院植物保护研究所 | 一种基于物联网的鳞翅目害虫防治方法、系统及介质 |
| CN115185220A (zh) * | 2022-08-11 | 2022-10-14 | 安徽中昆绿色防控科技有限公司 | 一种基于物联网的农林病虫害监控系统 |
| CN115187860A (zh) * | 2022-07-11 | 2022-10-14 | 浙江甲骨文超级码科技股份有限公司 | 一种植物病虫害评估方法及系统 |
| CN115511158A (zh) * | 2022-09-01 | 2022-12-23 | 珠海市现代农业发展中心(珠海市金湾区台湾农民创业园管理委员会、珠海市农渔业科研与推广中心) | 一种基于大数据的农作物智能选育分析方法及系统 |
| CN115660291A (zh) * | 2022-12-12 | 2023-01-31 | 广东省农业科学院植物保护研究所 | 一种植物病害发生与潜在发生的识别评估方法及系统 |
| CN115496300B (zh) * | 2022-11-08 | 2023-01-31 | 苏州农业职业技术学院 | 一种月季育苗生长信息及环境监测方法 |
| JP2023019915A (ja) * | 2021-07-30 | 2023-02-09 | 横河電機株式会社 | 栽培支援システム、栽培支援方法、及びプログラム |
| CN115861821A (zh) * | 2023-01-10 | 2023-03-28 | 三峡高科信息技术有限责任公司 | 一种基于多目标优化的生态环境监测保护方法 |
| CN115879773A (zh) * | 2023-02-22 | 2023-03-31 | 广东省农业科学院植物保护研究所 | 一种基于物联网的病虫害智能预警方法及系统 |
| CN116719833A (zh) * | 2023-08-09 | 2023-09-08 | 理县林业和草原局 | 一种基于并发同步的病虫害防治数据更新方法和系统 |
| CN117291291A (zh) * | 2023-08-12 | 2023-12-26 | 江苏信实环境工程有限公司 | 一种基于物联网的虫情智能监控系统及方法 |
| CN117852724A (zh) * | 2024-03-05 | 2024-04-09 | 杨凌职业技术学院 | 一种林业有害生物的预测方法及系统 |
| CN118350682A (zh) * | 2024-06-18 | 2024-07-16 | 威海权铭星物联网有限公司 | 基于物联网态势感知的虫情监测方法、系统及设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101938512A (zh) * | 2010-08-13 | 2011-01-05 | 仲恺农业工程学院 | 基于物联网的农作物病虫害图像信息自动监测系统 |
| CN102523245A (zh) * | 2011-11-10 | 2012-06-27 | 许春香 | 一种农业病虫害与生长状况预测防控物联网及方法 |
| CN103034910A (zh) * | 2012-12-03 | 2013-04-10 | 北京农业信息技术研究中心 | 基于多源信息的区域尺度病虫害预测方法 |
| CN109840549A (zh) * | 2019-01-07 | 2019-06-04 | 武汉南博网络科技有限公司 | 一种病虫害识别方法和装置 |
| CN110771442A (zh) * | 2019-09-30 | 2020-02-11 | 大气候物联网科技(广州)有限公司 | 基于物联网的农业种植方法和系统 |
| CN110807561A (zh) * | 2019-11-13 | 2020-02-18 | 吉林农业大学 | 基于贝叶斯网络的玉米病虫害预警分析方法 |
| CN111563625A (zh) * | 2020-05-08 | 2020-08-21 | 山东贵合信息科技有限公司 | 一种基于物联网对农作物喷洒药物的方法、装置及介质 |
-
2021
- 2021-03-31 CN CN202110345066.4A patent/CN113095555B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101938512A (zh) * | 2010-08-13 | 2011-01-05 | 仲恺农业工程学院 | 基于物联网的农作物病虫害图像信息自动监测系统 |
| CN102523245A (zh) * | 2011-11-10 | 2012-06-27 | 许春香 | 一种农业病虫害与生长状况预测防控物联网及方法 |
| CN103034910A (zh) * | 2012-12-03 | 2013-04-10 | 北京农业信息技术研究中心 | 基于多源信息的区域尺度病虫害预测方法 |
| CN109840549A (zh) * | 2019-01-07 | 2019-06-04 | 武汉南博网络科技有限公司 | 一种病虫害识别方法和装置 |
| CN110771442A (zh) * | 2019-09-30 | 2020-02-11 | 大气候物联网科技(广州)有限公司 | 基于物联网的农业种植方法和系统 |
| CN110807561A (zh) * | 2019-11-13 | 2020-02-18 | 吉林农业大学 | 基于贝叶斯网络的玉米病虫害预警分析方法 |
| CN111563625A (zh) * | 2020-05-08 | 2020-08-21 | 山东贵合信息科技有限公司 | 一种基于物联网对农作物喷洒药物的方法、装置及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 赵书田等: "物联网环境下跨区域的现代农业病虫害监控系统设计", 《科技通报》 * |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2023019915A (ja) * | 2021-07-30 | 2023-02-09 | 横河電機株式会社 | 栽培支援システム、栽培支援方法、及びプログラム |
| JP7416025B2 (ja) | 2021-07-30 | 2024-01-17 | 横河電機株式会社 | 栽培支援システム、栽培支援方法、及びプログラム |
| CN113705875A (zh) * | 2021-08-19 | 2021-11-26 | 大气候物联网科技(广州)有限公司 | 一种农作物病虫害预警方法、系统、装置及存储介质 |
| CN114548489A (zh) * | 2022-01-11 | 2022-05-27 | 山东锋士信息技术有限公司 | 农作物病虫害预测方法及系统 |
| CN114586760A (zh) * | 2022-03-29 | 2022-06-07 | 广东省农业科学院植物保护研究所 | 一种基于大数据的农药喷淋方法，系统及可读存储介质 |
| CN114586760B (zh) * | 2022-03-29 | 2023-03-03 | 广东省农业科学院植物保护研究所 | 一种基于大数据的农药喷淋方法，系统及可读存储介质 |
| CN114903022A (zh) * | 2022-05-13 | 2022-08-16 | 中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所) | 一种基于农药喷洒机的智能喷药控制方法及系统 |
| CN115187860A (zh) * | 2022-07-11 | 2022-10-14 | 浙江甲骨文超级码科技股份有限公司 | 一种植物病虫害评估方法及系统 |
| CN114998335A (zh) * | 2022-08-02 | 2022-09-02 | 江苏三棱智慧物联发展股份有限公司 | 物联网视频监控系统及其监控方法 |
| CN115185220A (zh) * | 2022-08-11 | 2022-10-14 | 安徽中昆绿色防控科技有限公司 | 一种基于物联网的农林病虫害监控系统 |
| CN115169750A (zh) * | 2022-09-01 | 2022-10-11 | 广东省农业科学院植物保护研究所 | 一种基于物联网的鳞翅目害虫防治方法、系统及介质 |
| CN115511158A (zh) * | 2022-09-01 | 2022-12-23 | 珠海市现代农业发展中心(珠海市金湾区台湾农民创业园管理委员会、珠海市农渔业科研与推广中心) | 一种基于大数据的农作物智能选育分析方法及系统 |
| CN115511158B (zh) * | 2022-09-01 | 2023-08-29 | 珠海市现代农业发展中心(珠海市金湾区台湾农民创业园管理委员会、珠海市农渔业科研与推广中心) | 一种基于大数据的农作物智能选育分析方法及系统 |
| CN115496300B (zh) * | 2022-11-08 | 2023-01-31 | 苏州农业职业技术学院 | 一种月季育苗生长信息及环境监测方法 |
| CN115660291A (zh) * | 2022-12-12 | 2023-01-31 | 广东省农业科学院植物保护研究所 | 一种植物病害发生与潜在发生的识别评估方法及系统 |
| CN115660291B (zh) * | 2022-12-12 | 2023-03-14 | 广东省农业科学院植物保护研究所 | 一种植物病害发生与潜在发生的识别评估方法及系统 |
| CN115861821A (zh) * | 2023-01-10 | 2023-03-28 | 三峡高科信息技术有限责任公司 | 一种基于多目标优化的生态环境监测保护方法 |
| CN115861821B (zh) * | 2023-01-10 | 2024-04-26 | 三峡高科信息技术有限责任公司 | 一种基于多目标优化的生态环境监测保护方法 |
| CN115879773A (zh) * | 2023-02-22 | 2023-03-31 | 广东省农业科学院植物保护研究所 | 一种基于物联网的病虫害智能预警方法及系统 |
| CN116719833B (zh) * | 2023-08-09 | 2023-10-13 | 理县林业和草原局 | 一种基于并发同步的病虫害防治数据更新方法和系统 |
| CN116719833A (zh) * | 2023-08-09 | 2023-09-08 | 理县林业和草原局 | 一种基于并发同步的病虫害防治数据更新方法和系统 |
| CN117291291A (zh) * | 2023-08-12 | 2023-12-26 | 江苏信实环境工程有限公司 | 一种基于物联网的虫情智能监控系统及方法 |
| CN117291291B (zh) * | 2023-08-12 | 2024-04-23 | 江苏信实环境工程有限公司 | 一种基于物联网的虫情智能监控系统及方法 |
| CN117852724A (zh) * | 2024-03-05 | 2024-04-09 | 杨凌职业技术学院 | 一种林业有害生物的预测方法及系统 |
| CN117852724B (zh) * | 2024-03-05 | 2024-05-28 | 杨凌职业技术学院 | 一种林业有害生物的预测方法及系统 |
| CN118350682A (zh) * | 2024-06-18 | 2024-07-16 | 威海权铭星物联网有限公司 | 基于物联网态势感知的虫情监测方法、系统及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113095555B (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113095555B (zh) | 基于物联网的农作物病虫害监控方法、系统及存储介质 | |
| CN111767802A (zh) | 一种对象异常状态的检测方法和装置 | |
| CN111460990B (zh) | 一种基于大数据的高寒牧区草原虫害监测预警系统及方法 | |
| CN103760847A (zh) | 一种虫害远程监控系统及方法 | |
| CN108805079B (zh) | 冬小麦的识别方法及装置 | |
| CN115879773B (zh) | 一种基于物联网的病虫害智能预警方法及系统 | |
| Fila et al. | Calibration and validation of grapevine budburst models using growth-room experiments as data source | |
| CN113207511A (zh) | 一种基于农药抗性监测的农药施用方法、系统及可读存储介质 | |
| CN113379769A (zh) | 一种农作物病虫害智能防御平台 | |
| CN115937795B (zh) | 一种基于乡村视频获取农事活动记录的方法及装置 | |
| CN114298615A (zh) | 一种农作物种植风险预防方法、装置、存储介质和设备 | |
| CN116630663A (zh) | 一种基于物联网的智能施药方法及系统 | |
| CN117371727A (zh) | 一种基于物联网的智慧农业监测与规划方法及系统 | |
| CN115631421A (zh) | 耕地智慧保护方法及保护系统 | |
| CN116030343A (zh) | 一种基于机器视觉识别的农作物病虫害监管系统 | |
| CN117173400B (zh) | 一种荔枝虫害的低碳治理方案推荐方法及系统 | |
| CN113435825A (zh) | 一种基于土传病害防治的智能管理方法、系统及存储介质 | |
| CN116523182B (zh) | 一种生态果园的构建和生产管理方法、系统及存储介质 | |
| CN114550848A (zh) | 作物病害处理方法、装置、电子设备及计算机可读介质 | |
| CN116740645A (zh) | 基于物联网的实蝇监测与综合防控方法、系统及存储介质 | |
| CN117541423A (zh) | 基于融合图谱特征的棉蚜危害监测方法及系统 | |
| CN113377141A (zh) | 一种人工智能农业自动管理系统 | |
| CN111080616A (zh) | 一种烟叶病虫害监测系统 | |
| CN116307879A (zh) | 一种斑节对虾虾苗高效培育方法、系统及介质 | |
| FAISAL | A pest monitoring system for agriculture using deep learning |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231211 Address after: 071799 Xiaoloudi Village, Rongcheng County, Baoding City, Hebei Province Applicant after: Rongcheng County Aijia Sanitary Products Co.,Ltd. Address before: 528000 5th floor, Foshan Life Science Park, 82 Longbao West Road, Chancheng District, Foshan City, Guangdong Province Applicant before: Foshan yiben Agricultural Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |