CN113191742A - 绿植病虫害智能识别方法 - Google Patents
绿植病虫害智能识别方法 Download PDFInfo
- Publication number
- CN113191742A CN113191742A CN202110564069.7A CN202110564069A CN113191742A CN 113191742 A CN113191742 A CN 113191742A CN 202110564069 A CN202110564069 A CN 202110564069A CN 113191742 A CN113191742 A CN 113191742A
- Authority
- CN
- China
- Prior art keywords
- green plant
- tree
- green
- diseases
- pests
- 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
- 241001464837 Viridiplantae Species 0.000 title claims abstract description 99
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 71
- 201000010099 disease Diseases 0.000 title claims abstract description 66
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 66
- 241000238631 Hexapoda Species 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000003745 diagnosis Methods 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims description 10
- 241000196324 Embryophyta Species 0.000 claims description 9
- 210000000020 growth cone Anatomy 0.000 claims description 5
- 210000000481 breast Anatomy 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000005553 drilling Methods 0.000 description 2
- 230000003780 keratinization Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000010276 construction Methods 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
- G06Q10/10—Office automation; Time management
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Catching Or Destruction (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明一种绿植病虫害智能识别方法，包括：1)进行绿植监测地图的建立；2)进行绿植种类管理的建立3)记录绿植病虫害监测信息；4)智能识别：4‑1)绿植信息输入数据库，标记地理信息和病虫特征；4‑2)匹配该区域一段时间内发生过的病虫害事件，进行预先诊断；4‑3)对拍摄图片所展示的病虫特征进行匹配诊断，是否符合预先诊断的结论；4‑4)精确诊断:绿植病虫较为复杂时，匹配包括多个结果，进行绿植专家诊断；5)建立数据库，通过标记信息，上传的照片做成档案。
Description
技术领域
本发明涉及城市智能维护体系，特别涉及城市绿化维护，具体的，其展示一种绿植病虫害智能识别方法。
背景技术
在城市中植树造林，把一定的空间覆盖或者是装点起来，这就是城市绿化；城市绿化是栽种植物以改善城市环境的活动。
绿植是城市绿化的主体，在众多市政建设工作中，城市的绿化监测是其中较为重要的一项工作。城市的绿化监测包括对树木进行病虫害检监测以及对树木进行基本信息(例如树围、树木水分以及树木样本等)的采集。
现阶段的病虫害检监测工作需要管理人员前往各个绿化区域对树木进行病虫害方法不仅人工成本高并且绿化监测效率低；同时后期绿植病虫治理的规整也需要大量人工进行。
因此，有必要提供一种绿植病虫害智能识别方法。
发明内容
本发明的目的是提供一种绿植病虫害智能识别方法。
本发明通过如下技术方案实现上述目的：一种绿植病虫害智能识别方法，包括：
1)进行绿植监测地图的建立:
将检测区域的绿植进行模块化的划分，并分别以地理位置命名；
2)进行绿植种类管理的建立：
分别对检测区域的绿植进行归类，利用字母依次进行命名；
3)记录绿植病虫害监测信息：
利用拍摄病虫害绿植照片，记录绿植信息，包括绿植病虫发生处、病虫害图片存档；
4)智能识别：
4-1)绿植信息输入数据库，标记地理信息和病虫特征；
4-2)匹配该区域一段时间内发生过的病虫害事件，进行预先诊断；
4-3)对拍摄图片所展示的病虫特征进行匹配诊断，是否符合预先诊断的结论；
4-4)精确诊断:绿植病虫较为复杂时，匹配包括多个结果，进行绿植专家诊断；
5)建立数据库，通过标记信息，上传的照片做成档案。
进一步的，还包括步骤6)智能预警：通过记录标记区域在一时间段内发生过的绿植病虫害，标记区域在一段时间内的天气记录，预警下一病虫害可能发生时间。
进一步的，可通过移动PC通过输入标记信息，可进行绿植信息的获取。
进一步的，步骤2)种，绿植种类管理可分为如下方式；
乔木类：品名、中文别名、拉丁文学名、科名、GPS位置、生活型、胸径、树高、冠幅、冠高、枝下高、冠高/树高，冠高/冠幅、分枝角、树形、分支方式、有无领导干、主干形态、叶尺寸；
灌木类：品名、中文别名、拉丁文学名、科名、GPS位置、生活型、株高、树形、分枝强度、枝叶形态特征、叶尺寸；
地被类：品名、中文别名、拉丁文学名、科名、GPS位置、生活型、树高、枝形、叶尺寸。
进一步的，绿植信息包括样本数据，样本数据为当前监测时间段所拍摄的绿植图片。
进一步的，绿植信息包括目标树木的位置数据以及样本数据之外，还可以进行目标树木的树龄的记录。
进一步的，目标树木的树龄由树木生长锥进行测量。
树木生长锥是一种快速可靠的计算树木年龄的工具，可以在不破坏树木正常生长的情况下，通过钻取树木木芯样本以及根据该树木木芯样本来分析确定树木生长速率、树木年龄、树木生长坚实程度、树木深层角质化程度、树木生长环境污染情况以及营养物质运移情况。
与现有技术相比，本发明通过智能化的监测绿植病虫，减少人力资源的占用，同时通过智能监测达到绿植病虫预警效果，有效实现城市绿植生化系统的智能运维。
具体实施方式
实施方式1：
本实施例展示一种绿植病虫害智能识别方法，包括：
1)进行绿植监测地图的建立:
将检测区域的绿植进行模块化的划分，并分别以地理位置命名；
2)进行绿植种类管理的建立：
分别对检测区域的绿植进行归类，利用字母依次进行命名；
3)记录绿植病虫害监测信息：
利用拍摄病虫害绿植照片，记录绿植信息，包括绿植病虫发生处、病虫害图片存档；
4)智能识别：
4-1)绿植信息输入数据库，标记地理信息和病虫特征；
4-2)匹配该区域一段时间内发生过的病虫害事件，进行预先诊断；
4-3)对拍摄图片所展示的病虫特征进行匹配诊断，是否符合预先诊断的结论；
4-4)精确诊断:绿植病虫较为复杂时，匹配包括多个结果，进行绿植专家诊断；
5)建立数据库，通过标记信息，上传的照片做成档案。
可通过移动PC通过输入标记信息，可进行绿植信息的获取。
步骤2)种，绿植种类管理可分为如下方式；
乔木类：品名、中文别名、拉丁文学名、科名、GPS位置、生活型、胸径、树高、冠幅、冠高、枝下高、冠高/树高，冠高/冠幅、分枝角、树形、分支方式、有无领导干、主干形态、叶尺寸；
灌木类：品名、中文别名、拉丁文学名、科名、GPS位置、生活型、株高、树形、分枝强度、枝叶形态特征、叶尺寸；
地被类：品名、中文别名、拉丁文学名、科名、GPS位置、生活型、树高、枝形、叶尺寸。
绿植信息包括样本数据，样本数据为当前监测时间段所拍摄的绿植图片。
实施例2：
本实施例展示一种智能预警式绿植病虫害智能识别方法，包括：
1)进行绿植监测地图的建立:
将检测区域的绿植进行模块化的划分，并分别以地理位置命名；
2)进行绿植种类管理的建立：
分别对检测区域的绿植进行归类，利用字母依次进行命名；
3)记录绿植病虫害监测信息：
利用拍摄病虫害绿植照片，记录绿植信息，包括绿植病虫发生处、病虫害图片存档，绿植信息包括树木树龄记录；
4)智能识别：
4-1)绿植信息输入数据库，标记地理信息和病虫特征；
4-2)匹配该区域一段时间内发生过的病虫害事件，进行预先诊断；
4-3)对拍摄图片所展示的病虫特征进行匹配诊断，是否符合预先诊断的结论；
4-4)精确诊断:绿植病虫较为复杂时，匹配包括多个结果，进行绿植专家诊断；
5)建立数据库，通过标记信息，上传的照片做成档案。
6)智能预警：通过记录标记区域在一时间段内发生过的绿植病虫害，标记区域在一段时间内的天气记录，预警下一病虫害可能发生时间。
步骤2)种，绿植种类管理可分为如下方式；
乔木类：品名、中文别名、拉丁文学名、科名、GPS位置、生活型、胸径、树高、冠幅、冠高、枝下高、冠高/树高，冠高/冠幅、分枝角、树形、分支方式、有无领导干、主干形态、叶尺寸；
灌木类：品名、中文别名、拉丁文学名、科名、GPS位置、生活型、株高、树形、分枝强度、枝叶形态特征、叶尺寸；
地被类：品名、中文别名、拉丁文学名、科名、GPS位置、生活型、树高、枝形、叶尺寸。
目标树木的树龄由树木生长锥进行测量。
树木生长锥是一种快速可靠的计算树木年龄的工具，可以在不破坏树木正常生长的情况下，通过钻取树木木芯样本以及根据该树木木芯样本来分析确定树木生长速率、树木年龄、树木生长坚实程度、树木深层角质化程度、树木生长环境污染情况以及营养物质运移情况。
与现有技术相比，本发明通过智能化的监测绿植病虫，减少人力资源的占用，同时通过智能监测达到绿植病虫预警效果，有效实现城市绿植生化系统的智能运维。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (7)
1.一种绿植病虫害智能识别方法，其特征在于：包括：
1)进行绿植监测地图的建立:
将检测区域的绿植进行模块化的划分，并分别以地理位置命名；
2)进行绿植种类管理的建立：
分别对检测区域的绿植进行归类，利用字母依次进行命名；
3)记录绿植病虫害监测信息：
利用拍摄病虫害绿植照片，记录绿植信息，包括绿植病虫发生处、病虫害图片存档；
4)智能识别：
4-1)绿植信息输入数据库，标记地理信息和病虫特征；
4-2)匹配该区域一段时间内发生过的病虫害事件，进行预先诊断；
4-3)对拍摄图片所展示的病虫特征进行匹配诊断，是否符合预先诊断的结论；
4-4)精确诊断:绿植病虫较为复杂时，匹配包括多个结果，进行绿植专家诊断；
5)建立数据库，通过标记信息，上传的照片做成档案。
2.根据权利要求1所述的一种绿植病虫害智能识别方法，其特征在于：还包括步骤6)智能预警：通过记录标记区域在一时间段内发生过的绿植病虫害，标记区域在一段时间内的天气记录，预警下一病虫害可能发生时间。
3.根据权利要求1所述的一种绿植病虫害智能识别方法，其特征在于：可通过移动PC通过输入标记信息，可进行绿植信息的获取。
4.根据权利要求1或2所述的一种绿植病虫害智能识别方法，其特征在于：步骤2)种，绿植种类管理可分为如下方式；
乔木类：品名、中文别名、拉丁文学名、科名、GPS位置、生活型、胸径、树高、冠幅、冠高、枝下高、冠高/树高，冠高/冠幅、分枝角、树形、分支方式、有无领导干、主干形态、叶尺寸；
灌木类：品名、中文别名、拉丁文学名、科名、GPS位置、生活型、株高、树形、分枝强度、枝叶形态特征、叶尺寸；
地被类：品名、中文别名、拉丁文学名、科名、GPS位置、生活型、树高、枝形、叶尺寸。
5.根据权利要求4所述的一种绿植病虫害智能识别方法，其特征在于：绿植信息包括样本数据，样本数据为当前监测时间段所拍摄的绿植图片。
6.根据权利要求5所述的一种绿植病虫害智能识别方法，其特征在于：绿植信息包括目标树木的位置数据以及样本数据之外，还可以进行目标树木的树龄的记录。
7.根据权利要求6所述的一种绿植病虫害智能识别方法，其特征在于：目标树木的树龄由树木生长锥进行测量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110564069.7A CN113191742A (zh) | 2021-05-24 | 2021-05-24 | 绿植病虫害智能识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110564069.7A CN113191742A (zh) | 2021-05-24 | 2021-05-24 | 绿植病虫害智能识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113191742A true CN113191742A (zh) | 2021-07-30 |
Family
ID=76985214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110564069.7A Pending CN113191742A (zh) | 2021-05-24 | 2021-05-24 | 绿植病虫害智能识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113191742A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115316224A (zh) * | 2022-05-16 | 2022-11-11 | 苏州三润景观工程有限公司 | 基于ssm的绿植自动浇灌系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106991619A (zh) * | 2017-06-05 | 2017-07-28 | 河北哲瀚网络科技有限公司 | 一种农作物病虫害智能诊断系统及诊断方法 |
| WO2018058821A1 (zh) * | 2016-09-30 | 2018-04-05 | 深圳前海弘稼科技有限公司 | 一种基于种植设备的病虫害预测方法及装置 |
| 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 |
| CN110598532A (zh) * | 2019-07-31 | 2019-12-20 | 长春市万易科技有限公司 | 一种树木病虫害监控系统及方法 |
| CN111539372A (zh) * | 2020-05-06 | 2020-08-14 | 中南民族大学 | 病虫害分布的监测方法、设备、存储介质及装置 |
-
2021
- 2021-05-24 CN CN202110564069.7A patent/CN113191742A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018058821A1 (zh) * | 2016-09-30 | 2018-04-05 | 深圳前海弘稼科技有限公司 | 一种基于种植设备的病虫害预测方法及装置 |
| CN106991619A (zh) * | 2017-06-05 | 2017-07-28 | 河北哲瀚网络科技有限公司 | 一种农作物病虫害智能诊断系统及诊断方法 |
| 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 |
| CN110598532A (zh) * | 2019-07-31 | 2019-12-20 | 长春市万易科技有限公司 | 一种树木病虫害监控系统及方法 |
| CN111539372A (zh) * | 2020-05-06 | 2020-08-14 | 中南民族大学 | 病虫害分布的监测方法、设备、存储介质及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115316224A (zh) * | 2022-05-16 | 2022-11-11 | 苏州三润景观工程有限公司 | 基于ssm的绿植自动浇灌系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12008744B2 (en) | Mapping field anomalies using digital images and machine learning models | |
| Szulkin et al. | How to quantify urbanization when testing for urban evolution | |
| CN110598532B (zh) | 一种树木病虫害监控系统及方法 | |
| CN110110595B (zh) | 一种基于卫星遥感影像的农田画像及药肥大数据分析方法 | |
| Lawesson | A concept for vegetation studies and monitoring in the Nordic countries | |
| CN111666827B (zh) | 一种林业病虫害智能识别方法及系统 | |
| CN112507839A (zh) | 一种城市景观固碳量的快速测算方法 | |
| CN112434569B (zh) | 一种无人机热成像系统 | |
| Olivera et al. | Using the harvester on-board computer capability to move towards precision forestry | |
| CN116046687A (zh) | 一种农作物生长过程监测方法、设备及介质 | |
| CN113191742A (zh) | 绿植病虫害智能识别方法 | |
| CN114708490A (zh) | 水稻种植提取及复种指数监测方法、系统、终端及存储介质 | |
| Ciesielski et al. | Accuracy of determining specific parameters of the urban forest using remote sensing | |
| CN110583288A (zh) | 一种移动式园林绿化生态信息处理系统及方法 | |
| CN113570273A (zh) | 一种灌溉耕地统计数据的空间化方法及系统 | |
| CN115314851B (zh) | 一种基于大数据平台的农业信息化管理平台 | |
| Anderson et al. | Multispectral videography and geographic information systems for site‐specific farm management | |
| CN115183820A (zh) | 基于浮空器机载光谱的茶园智能监测系统及方法 | |
| CN114578881B (zh) | 一种智能养护管理系统 | |
| Yuniasih et al. | Evaluation of pre-replanting oil palm plant health using the NDVI index from Landsat 8 satellite imagery. | |
| CN114580954A (zh) | 园林绿化管理系统及管理方法 | |
| CN113303151A (zh) | 基于大数据的绿植病虫害修复方法 | |
| CN110490478B (zh) | 一种道路行道树树池生态环境调查方法 | |
| Hällfors et al. | Using a botanic garden collection to test a bioclimatic hypothesis | |
| McBride et al. | Urban park tree inventories |
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 | ||
| CB02 | Change of applicant information |
Address after: Room 302, building 1, ruisu science and Technology Park, 2 Kecheng Road, Suzhou Industrial Park, 215000, Jiangsu Province Applicant after: Xingjing Technology Co.,Ltd. Address before: Room 302, building 1, ruisu science and Technology Park, 2 Kecheng Road, Suzhou Industrial Park, 215000, Jiangsu Province Applicant before: SUZHOU SANRUN LANDSCAPE ENGINEERING CO.,LTD. |
|
| CB02 | Change of applicant information |