CN113342036A - 一种农作物的精准管控系统及其管控方法 - Google Patents
一种农作物的精准管控系统及其管控方法 Download PDFInfo
- Publication number
- CN113342036A CN113342036A CN202110615907.9A CN202110615907A CN113342036A CN 113342036 A CN113342036 A CN 113342036A CN 202110615907 A CN202110615907 A CN 202110615907A CN 113342036 A CN113342036 A CN 113342036A
- Authority
- CN
- China
- Prior art keywords
- edge computing
- computing platform
- crops
- decision
- soil
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000002689 soil Substances 0.000 claims abstract description 43
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 25
- 235000020971 citrus fruits Nutrition 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 25
- 241000207199 Citrus Species 0.000 claims description 24
- 241000196324 Embryophyta Species 0.000 claims description 23
- 241001629511 Litchi Species 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 21
- 238000007726 management method Methods 0.000 claims description 20
- 238000011161 development Methods 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 8
- 239000003337 fertilizer Substances 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 4
- 239000001569 carbon dioxide Substances 0.000 claims description 4
- 238000010223 real-time analysis Methods 0.000 claims description 3
- 238000003306 harvesting Methods 0.000 abstract description 6
- 238000012272 crop production Methods 0.000 abstract description 3
- 238000003912 environmental pollution Methods 0.000 abstract description 3
- 239000002699 waste material Substances 0.000 abstract description 2
- 235000013399 edible fruits Nutrition 0.000 description 26
- 238000001514 detection method Methods 0.000 description 21
- 201000010099 disease Diseases 0.000 description 14
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 14
- 239000002420 orchard Substances 0.000 description 14
- 241000238631 Hexapoda Species 0.000 description 10
- 238000003973 irrigation Methods 0.000 description 10
- 230000002262 irrigation Effects 0.000 description 10
- 210000003608 fece Anatomy 0.000 description 8
- 230000012010 growth Effects 0.000 description 8
- 239000007788 liquid Substances 0.000 description 8
- 239000010871 livestock manure Substances 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 4
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000000575 pesticide Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- 238000004040 coloring Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明提供一种农作物的精准管控系统，包括无人机低空遥感平台、智能气象站、摄像头组件、土壤信息采集装置、边缘计算平台、可编程多光谱仪、客户端、执行端和云服务器平台，所述无人机低空遥感平台、摄像头组件、可编程多光谱仪、智能气象站、土壤信息采集装置将采集的信息输入所述边缘计算平台，并通过边缘计算平台输入云服务器，所述边缘计算平台根据采集信息进行实时分析和决策，将分析和决策结果输入客户端、云服务器和执行端。本发明还提供一种农作物的精准管控方法。本发明为农作物生产管理、病虫害防治提供精准管控和智能决策依据，实现按需精细化作业，在降低劳动力成本、减少资源浪费和环境污染的同时，实现丰产丰收。
Description
技术领域
本发明涉及农作物管控技术领域，更具体地，涉及一种农作物的精准管控系统及其管控方法。
背景技术
农作物产量和品质的因素复杂多样，且随时间呈现动态变化。生长环境如温度、光照、水分和地势土壤等因素，是影响农作物产量和品质的基本因素；在农作物生长期间，合理的作业管控如病虫害防控、施肥施药、新梢控制、保花保果、整形修剪等技术措施，是提高农作物品质和丰产丰收的关键所在。
当前农作物生产管理过程中，田间工作人员主要凭借经验对植株长势和病虫害发生情况进行判定，这种方式主观性强、精准程度低，对田间工作人员的专业性和经验知识提出了较高的要求和挑战。传统的农作物管理均采用粗放式作业，缺乏差异性对待模式，导致农作物品质和产量不稳定，造成资源浪费、环境污染，甚至有些地区因病虫害防控不到位导致产量绝收。中国专利公开号CN212567490U，公开日期2021年2月19日，该专利公开了一种基于无人机遥感平台的果园植被信息采集系统，主要包括：植被信息采集模块、GPS模块、POS数据卡，飞行控制器、传感器模块、数据存储模块，获取果园植被信息，可以实现果园的产量评估、病虫害防治以及果树生长监测，但是该技术方案并不能对针对采集的信息进行实时处理与决策，需要传输至云服务器处理，这不但对网络条件提出了要求，而且数据不能实施处理会延误施药或其他农业作业的最佳时机。
发明内容
本发明的目的在于克服现有农情感知装置获取的数据无法实时处理，延误施药或其他农业作业，错过最佳关键作业节点，农作物管理采用粗放式作业，缺乏精准的管控模式，导致农作物品质和产量不稳定的缺点，提供一种农作物的精准管控系统。本发明不仅可以缓解农业劳动力缺失的问题，还可以为农作物生产管理、病虫害防治等提供精准管控和智能决策依据，按需实现精细化作业，在降低劳动力成本、减少资源浪费和环境污染的同时，实现丰产丰收。
本发明还提供一种农作物的精准管控方法。
为解决上述技术问题，本发明采用的技术方案是：一种农作物的精准管控系统，包括无人机低空遥感平台、智能气象站、摄像头组件、土壤信息采集装置、可编程多光谱仪、边缘计算平台、客户端、执行端和云服务器平台，所述无人机低空遥感平台、摄像头组件、智能气象站、可编程多光谱仪、土壤信息采集装置将采集的信息输入所述边缘计算平台，并通过边缘计算平台输入云服务器，所述边缘计算平台根据采集信息进行实时分析和决策，将分析和决策结果输入客户端、云服务器和执行端。
本技术方案中，无人机低空遥感平台和摄像头组件分别采集空中和地面的图片信息，并将其输入边缘计算平台，可编程多光谱仪能够获取目标区域的光谱信息，再将这些光谱信息输入边缘计算平台，土壤信息采集装置收集土壤信息并将其输入边缘计算平台，智能气象站用于采集环境数据，并将这些数据传送给边缘计算平台，边缘计算平台根据上述输入的信息进行数据分析，得出决策结果，边缘计算平台将收集到的信息输入云服务器，边缘计算平台的分析和决策结果输入客户端、云服务器和执行端，执行端能够根据决策结果对农作物进行作业，农作人员能够在客户端上查看分析和决策结果，云服务器能够对所有数据进行保存。
进一步的，所述无人机低空遥感平台包括搭载可见光相机、多光谱相机和高光谱相机的无人机。可见光相机获取田园内的低空遥感可见光图像；多光谱相机无人机获田园内的低空遥感多光谱图像，多光谱相机获取田园内的低空遥感高光谱图像。
进一步的，所述摄像头组件包括若干个光学变焦网络摄像头，光学变焦网络摄像头放置在农作物所在田地中和害虫诱捕笼中，获取农作物可见光图像和害虫可见光图像。
进一步的，所述智能气象站获取农作物田地中的环境数据，包括空气温湿度、风向、二氧化碳浓度和光照情况。
进一步的，所述边缘计算平台包括AI开发板，还包括与所述AI开发板连接的I/O接口组、POE接口组、通讯模块和硬盘。AI开发板通过通讯模块与田园中的智能气象站、摄像头组件和土壤信息采集装置进行通讯与数据传输，硬盘用于储存数据。
进一步的，所述执行端包括植保无人机、植保无人车和水肥一体化装置。边缘计算平台将决策结果输入执行端的植保无人机、植保无人车和水肥一体化装置，使得植保无人机、植保无人车和水肥一体化装置根据决策结果对农作物进行作业。
进一步的，所述土壤信息采集装置土壤传感器组、单片机和通讯模块，所述土壤传感器组和通讯模块均与单片机连接，所述土壤传感器组包括土壤水分传感器和土壤酸碱度传感器。
进一步的，所述客户端包括手机和电脑。边缘计算平台将分析和决策结果输入农作人员的手机和电脑形成处方图，农作人员可以在手机和电脑上查看分析结果和处方图，对农作物的生长情况进行全方位的了解，执行端不能操作的决策，需要农作人员根据处方图进行处理，如疏果等需要操作事项，使得农作人员能够对农作物依照处方图进行精确管控。
一种农作物的精准管控方法，包括以下步骤：
S1.通过无人机低空遥感平台、摄像头组件、可编程多光谱仪、智能气象站、土壤信息采集装置，获取农作物及其田地多源实时的数据信息，并将实时的数据信息传入边缘计算平台；
S2.边缘计算平台根据数据信息进行分析，得出分析和决策结果；
S3.边缘计算平台将分析和决策结果输入客户端，在客户端形成处方图，所述步骤S2中若边缘计算平台得出无需处理的决策，不进行步骤S4；
S4.边缘计算平台将决策结果输入执行端，执行端根据决策结果完成对应操作，执行端不能完成的决策由农作人员根据处方图进行操作。
进一步的，上述农作物为柑橘树/荔枝树。
与现有技术相比，本发明的有益效果是：
本发明采用无人机低空遥感平台获取实时数据，可根据农作物空间分辨率的不同需求调整飞行高度，灵活性高，在农作物病虫害监测应用领域具有得天独厚的优势；本发明将边缘计算平台、云服务器平台和执行端形成云-边-端协同体系，对于网络状态不好的田园地区，其田园内获取农情数据的无人机低空遥感平台、智能气象站、摄像头组件、土壤信息采集装置、可编程多光谱仪通过局域网传输到边缘计算平台，由边缘计算平台及其内部部署的模型根据信息进行实时推理与决策；本发明中的边缘计算平台能够对多源数据进行融合分析，有效避免了单一数据来源的局限性，使其给出的分析结果更加具有参考价值，也为植保无人机、植保无人车和水肥一体化装置进行精准变量施药和水肥浇灌提供了有利的依据。
附图说明
图1为本发明一种农作物的精准管控系统的结构示意图。
图2为本发明一种农作物的精准管控系统中土壤信息采集装置的结构示意图。
图3为本发明一种农作物的精准管控系统中边缘计算平台的结构示意图
图4为本发明一种农作物的精准管控方法的流程示意图。
图5为实施例4中边缘计算平台与水肥一体化装置的配合示意图。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
实施例1
如图1所示为本发明一种农作物的精准管控系统的实施例。一种农作物的精准管控系统，包括无人机低空遥感平台、智能气象站、摄像头组件、土壤信息采集装置、边缘计算平台、可编程多光谱仪、客户端、执行端和云服务器平台，无人机低空遥感平台、摄像头组件、可编程多光谱仪、智能气象站、土壤信息采集装置将采集的信息输入边缘计算平台，并通过边缘计算平台输入云服务器，边缘计算平台根据采集信息进行实时分析和决策，将分析和决策结果输入客户端、云服务器和执行端。
本实施例中，如图2所示，土壤信息采集装置包括土壤传感器组件、单片机和通讯模块，土壤传感器组件和通讯模块均与单片机连。土壤传感器组包括用于检测土壤水分含量的土壤水分传感器和用于检测酸碱度的土壤酸碱度传感器，单片机上集成了处理芯片和控制电路，通讯模块包括5G模组、4G模组和WIFI模组，土壤传感器组件将测得的土壤数据传输至单片机上，再从单片机传送至通讯模块，通讯模块将土壤的数据传输至边缘计算平台，若田园所在地方的通讯网络好，就通过5G模组和4G模组完成数据传输，若田园所在地方比较偏僻，通讯网络差，则选择局域网的WIFI模组完成数据的传输。
本技术方案中，如图3所示，边缘计算平台包括AI开发板，还包括与AI开发板连接的I/O接口组、POE接口组、通讯模块和硬盘。AI开发板通过通讯模块与田园中的智能气象站、摄像头组件和土壤信息采集装置进行通讯与数据传输。AI开发板中设有对多源数据进行处理的模型，能够判断出农作物在生长阶段时面临的生长问题，根据生长问题给出解决办法和决策结果；I/O接口组包括I2C、USB3.0、SPI、CAN、GPIO和串口，可以通过这些接口完成数据或信号的传输；POE接口组包括PSE供电端口和PD受电端口；通讯模块包括5G模组、4G模组和WIFI模组。
实施例2
如图4所示为本发明一种农作物的精准管控方法的实施例。一种农作物的精准管控方法，包括以下具体步骤：
S1.通过无人机低空遥感平台、摄像头组件、可编程多光谱仪、智能气象站、土壤信息采集装置，获取农作物及其田地多源实时的数据信息，并将实时的数据信息传入边缘计算平台；
S2.边缘计算平台根据数据信息进行分析，得出分析和决策结果；
S3.边缘计算平台将分析和决策结果输入客户端，在客户端形成处方图；
S4.边缘计算平台将决策结果输入执行端，执行端根据决策结果完成对应操作，执行端不能完成的决策由农作人员根据处方图进行操作。
当步骤S2中若边缘计算平台得出无需处理的决策，则不再进行步骤S4。
实施例3
本实施例与实施例1类似，所不同之处在于，本实施例中运用于柑橘果园，无人机低空遥感平台采用的是无人机，无人机上搭载可见光相机、多光谱相机和搭载高光谱相机，可见光相机获取田园内的低空遥感可见光图像，获取柑橘果园内的低空遥感多光谱图像，多光谱相机获取柑橘园内的低空遥感高光谱图像。
摄像头组件由多个光学变焦网络摄像头组成，一部分随机架设在柑橘果园内，遵循五点取样法，一部分架设在柑橘果园中需要重点关注的区域，最后一部分设置在柑橘果园内随机架设的害虫诱捕笼中。无人机和摄像头组件定期自动获取图片数据，包括柑橘果园内柑橘生长照片和害虫照片，这些照片数据通过局域网输入边缘计算平台。
农作人员手持可编程多光谱仪对感兴趣的区域进行光谱数据采集，筛选出波长在400nm-1000nm间特定7-10个波段组合的柑橘黄龙病检测敏感波段光信号，并将光信号转化为数字信号传输至边缘计算平台。
本实施例中，智能气象站获取农作物田地中的环境数据，智能气象站内设有二氧化碳浓度传感器、光照强度传感器、温度传感器、湿度传感器和风向仪，这些传感器能够测得空气温湿度、风向、二氧化碳浓度和光照情况，并将这些数据通过局域网传输至边缘计算平台。
本实施例中，边缘计算平台的AI开发板上建立了柑橘新梢检测模型、柑橘花检测模型、柑橘果实检测模型、柑橘病害检测模型以及虫害检测模型，这些模型根据无人机低空遥感平台、摄像头组件、智能气象站以及土壤传感器组获得的多源数据，对柑橘新梢、花、果实、病害、虫害等进行识别检测，根据检测结果给出对应的分析和决策结果，分析和决策结果通过边缘计算平台的通讯模块传输至客户端，即农作人员的手机或电脑，使得农作人员能够在客户端上看到分析和决策结果，在客户端生成处方图，有一些决策需要农作人员进行处理，农作人员可以根据处方图进行精确作业；同时分析和决策结果还会由边缘计算平台传输至执行端，即植保无人机和植保小车，植保无人机和植保小车会根据决策结果进行作业；植保小车和植保无人机可以进行药物或是水肥的精准喷施；云端服务器平台也会接受边缘计算平台上传的所有数据，在保存数据的同时也能够对数据进行处理分析，构建基于时间尺度的关系型数据库。
当检测到柑橘果园内有病害和虫害时，边缘计算平台通过柑橘病害检测模型和及虫害检测模型进行实时推理，判断病害和虫害种类和等级，并给出对应的决策方法，边缘计算平台会将相关数据以及对应的决策方法发送至客户端通知农作人员，同时客户端生成作业处方图，植保无人机对相应区域进行精准变量药物喷施。
当在检测到柑橘新梢萌发时，边缘计算平台通过柑橘新梢检测模型结合相应时间节点、树的长势、环境条件等因素综合分析，得出决策结果，让执行端的植保无人机和植保小车进行施肥操作。
当检测到柑橘花朵时，边缘计算平台内的柑橘花检测模型会识别统计已开花数R和花苞数H，设开花率为L，则有
当
时，边缘计算平台会通知农户人员进行保花作业，并给出具体实施方式意见，生成作业处方图，农户人员根据处方图进行作业。
当检测到柑橘果实时，边缘计算平台内的柑橘果实检测模型会根据果实颜色结合时间信息，区分所处果期是幼果期、果实膨大期还是果实着色成熟期，针对不同果期提醒农户进行相应的作业，并给出实施建议，生成作业处方图，农户人员根据处方图进行作业。
边缘计算平台会定期将本地硬盘内存储的数据以及分析诊断结果通过网线或电信供应商网络上传至云服务器平台，进行云端存储，并对一年或更长周期的数据进行推理分析，挖掘当前柑橘园内所存在的隐藏情况，并对来年可能发生的情况或收成进行预测。
本实施例基于物料网和学习模型，实现对柑橘生长状况的全程监测与精准管控，从农户切实需求出发，为柑橘种植园管理者提供状况预警与决策建议；通过整套系统协作，从空、地多角度采集当前种植园区内的气候、柑橘植株病情分布、存在的虫害种类、元素缺失等多源数据进行融合分析，构建基于时间尺度的关系型数据库。
实施例4
本实施例与实施例3相似，不同之处在于，本实施例应用于荔枝果园。边缘计算平台的AI开发板上建立了荔枝新梢检测及决策模型、荔枝花序检测及决策模型、荔枝果实检测及决策模型、荔枝虫害检测及决策模型和荔枝病害检测及决策模型。摄像头组件由多个光学变焦网络摄像头组成，光学变焦网络摄像头的部署如下文所示：一部分部署在荔枝树冠层外侧，一部分部署在荔枝树冠层内侧，还有一部分安装在害虫诱捕笼内。
本实施例中，执行端除了植保无人机和植保小车，还包括水肥一体化装置，如图5所示，水肥一体化装置包括灌溉泵、施肥灌溉泵、水肥配比装置、过滤装置和滴灌设备，边缘计算平台结合智能气象站和土壤信息采集装置采集的数据，对土壤以及气象环境进行把控，将决策结果输入灌溉泵、施肥灌溉泵和水肥配比装置，水肥配比装置将肥料进行配比后输入施肥灌溉泵，灌溉泵流出的水以及施肥灌溉泵流出的水肥在过滤装置中进行过滤，再从滴灌设备中流出。执行端还包括拾果小车，拾果小车内设有集成芯片，芯片内部署基于神经网络的果实识别与精确定位抓取模型，拾果小车上设有抓取果实的机械臂，机械臂前端装有摄像头，机械臂能够抓取落在地上的荔枝果实。
设置摄像头组件和无人机定期自动获取数据，通过荔枝园内局域网络将数据传送至边缘计算平台，边缘计算平台上的模型对荔枝新梢、叶芽、花穗和成花、果实、病害、虫害等进行识别检测。
当检测到荔枝园内有病害和虫害时，边缘计算平台根据获取的图片，通过荔枝虫害检测及决策模型和荔枝病害检测及决策模型进行推理，判断病害或虫害种类和等级，并给出对应的决策方法，边缘计算平台会将相关数据以及对应的决策方法发送至客户端通知农作人员，同时客户端生成作业处方图，植保无人机对相应区域进行精准变量药物喷施。
边缘计算平台内的荔枝花序检测模型会通过识别图像数据，结合当前时间，判断当前所处的作业节点，并根据荔枝花芽分化状况给出具体实施方式意见，在客户端生成作业处方图，给农作人员提供技术指导。
当检测到荔枝果实时，边缘计算平台内的荔枝果实检测模型会根据果实颜色结合时间信息，区分所处果期是幼果期、果实膨大期还是果实着色成熟期，针对不同果期提醒农户进行相应的作业，并给出实施建议，生成作业处方图。
边缘计算平台会定期将本地硬盘内存储的数据以及分析诊断结果通过网线或电信供应商网络上传至云服务器平台，进行云端存储，并对一年或更长周期的数据进行基于时间序列的推理分析，挖掘当前荔枝园内所存在的隐藏情况，并对来年可能发生的情况或收成进行预测。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种农作物的精准管控系统，其特征在于：包括无人机低空遥感平台、智能气象站、摄像头组件、土壤信息采集装置、可编程多光谱仪、边缘计算平台、客户端、执行端和云服务器平台，所述无人机低空遥感平台、摄像头组件、智能气象站、可编程多光谱仪、土壤信息采集装置将采集的信息输入所述边缘计算平台，并通过边缘计算平台输入云服务器，所述边缘计算平台根据采集信息进行实时分析和决策，将分析和决策结果输入客户端、云服务器和执行端。
2.根据权利要求1所述的一种农作物的精准管控系统，其特征在于：所述无人机低空遥感平台包括搭载可见光相机、多光谱相机和高光谱相机的无人机。
3.根据权利要求1所述的一种农作物的精准管控系统，其特征在于：所述摄像头组件包括若干个光学变焦网络摄像头，光学变焦网络摄像头放置在农作物所在田地中和害虫诱捕笼中，获取农作物可见光图像和害虫可见光图像。
4.根据权利要求1所述的一种农作物的精准管控系统，其特征在于：所述智能气象站获取农作物田地中的环境数据，包括空气温湿度、风向、二氧化碳浓度和光照情况。
5.根据权利要求1所述的一种农作物的精准管控系统，其特征在于：所述边缘计算平台包括AI开发板，还包括与所述AI开发板连接的I/O接口组、POE接口组、通讯模块和硬盘。
6.根据权利要求1所述的一种农作物的精准管控系统，其特征在于：所述执行端包括植保无人机、植保无人车和水肥一体化装置。
7.根据权利要求1所述的一种农作物的精准管控系统，其特征在于：所述土壤信息采集装置土壤传感器组、单片机和通讯模块，所述土壤传感器组和通讯模块均与单片机连接，所述土壤传感器组包括土壤水分传感器和土壤酸碱度传感器。
8.根据权利要求1所述的一种农作物的精准管控系统，其特征在于：所述客户端包括手机和电脑。
9.一种农作物的精准管控方法，其特征在于：包括以下步骤：
S1.通过无人机低空遥感平台、摄像头组件、可编程多光谱仪、智能气象站、土壤信息采集装置，获取农作物及其田地多源实时的数据信息，并将实时的数据信息传入边缘计算平台；
S2.边缘计算平台根据数据信息进行分析，得出分析和决策结果；
S3.边缘计算平台将分析和决策结果输入客户端，在客户端形成处方图，若缘计算平台得出无需处理的决策，不进行步骤S4；
S4.边缘计算平台将决策结果输入执行端，执行端根据决策结果完成对应操作，执行端不能完成的决策由农作人员根据处方图进行操作。
10.根据权利要求9所述的一种农作物的精准管控方法，其特征在于：所述农作物为柑橘树/荔枝树。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110615907.9A CN113342036A (zh) | 2021-06-02 | 2021-06-02 | 一种农作物的精准管控系统及其管控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110615907.9A CN113342036A (zh) | 2021-06-02 | 2021-06-02 | 一种农作物的精准管控系统及其管控方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113342036A true CN113342036A (zh) | 2021-09-03 |
Family
ID=77475072
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110615907.9A Pending CN113342036A (zh) | 2021-06-02 | 2021-06-02 | 一种农作物的精准管控系统及其管控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113342036A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115524329A (zh) * | 2022-09-20 | 2022-12-27 | 北京世纪国源科技股份有限公司 | 基于gee的作物生长监测方法、装置、设备及存储介质 |
| CN118015478A (zh) * | 2024-04-10 | 2024-05-10 | 卉美(鞍山)农业科技有限责任公司 | 一种林业害虫诱捕数据监测系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109353504A (zh) * | 2018-09-05 | 2019-02-19 | 华南农业大学 | 基于处方图的无人机智能喷施系统及方法 |
| CN110458032A (zh) * | 2019-07-17 | 2019-11-15 | 华南农业大学 | 荔枝生长状况全程监控方法、系统、云服务器及存储介质 |
| 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 |
| CN111480554A (zh) * | 2020-06-04 | 2020-08-04 | 宁夏大学 | 农田灌区水肥气热药一体化智能灌溉系统 |
| CN111504371A (zh) * | 2020-04-20 | 2020-08-07 | 广州海睿信息科技有限公司 | 大数据服务系统 |
-
2021
- 2021-06-02 CN CN202110615907.9A patent/CN113342036A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109353504A (zh) * | 2018-09-05 | 2019-02-19 | 华南农业大学 | 基于处方图的无人机智能喷施系统及方法 |
| CN110458032A (zh) * | 2019-07-17 | 2019-11-15 | 华南农业大学 | 荔枝生长状况全程监控方法、系统、云服务器及存储介质 |
| 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 |
| CN111504371A (zh) * | 2020-04-20 | 2020-08-07 | 广州海睿信息科技有限公司 | 大数据服务系统 |
| CN111480554A (zh) * | 2020-06-04 | 2020-08-04 | 宁夏大学 | 农田灌区水肥气热药一体化智能灌溉系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115524329A (zh) * | 2022-09-20 | 2022-12-27 | 北京世纪国源科技股份有限公司 | 基于gee的作物生长监测方法、装置、设备及存储介质 |
| CN115524329B (zh) * | 2022-09-20 | 2023-07-07 | 北京世纪国源科技股份有限公司 | 基于gee的作物生长监测方法、装置、设备及存储介质 |
| CN118015478A (zh) * | 2024-04-10 | 2024-05-10 | 卉美(鞍山)农业科技有限责任公司 | 一种林业害虫诱捕数据监测系统 |
| CN118015478B (zh) * | 2024-04-10 | 2024-06-07 | 卉美(鞍山)农业科技有限责任公司 | 一种林业害虫诱捕数据监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2021218100B2 (en) | Systems and methods for image capture and analysis of agricultural fields | |
| CN106406403B (zh) | 一种基于增强现实的农业管控系统 | |
| CN109470299A (zh) | 一种基于物联网的作物生长信息监测系统和方法 | |
| US10192185B2 (en) | Farmland management system and farmland management method | |
| US20210209490A1 (en) | Using optical remote sensors and machine learning models to predict agronomic field property data | |
| CN106657401A (zh) | 一种基于物联网的农作物生长监测平台及其监测方法 | |
| CN109781963A (zh) | 一种大田种植环境监测系统 | |
| CN111504371A (zh) | 大数据服务系统 | |
| CN113342036A (zh) | 一种农作物的精准管控系统及其管控方法 | |
| CN113273449A (zh) | 用于日光温室精准监测的数字孪生体构造方法 | |
| CN112116206A (zh) | 一种基于大数据的智慧农业系统 | |
| CN112883230A (zh) | 马铃薯生产管理系统 | |
| AU2021105327A4 (en) | A computer implemented and IoT based method for increasing crop production using machine learning model | |
| Namana et al. | Internet of Things for Smart Agriculture–State of the Art. and Challenges | |
| CN115291541A (zh) | 一种农作物病虫害监测系统与方法 | |
| CN113487233A (zh) | 一种山地果树采摘智能管理系统及运行方法 | |
| CN115183820A (zh) | 基于浮空器机载光谱的茶园智能监测系统及方法 | |
| CN115756037A (zh) | 一种设施大棚蔬菜管控方法及系统 | |
| CN114862338A (zh) | 一种大数据农林智慧监测系统 | |
| CN115144343A (zh) | 基于分布式数据采集的茶树病害智能监测分析方法及系统 | |
| CN212567490U (zh) | 一种基于无人机遥感平台的果园植被信息采集系统 | |
| Sadiq et al. | A review on the imaging approaches in agriculture with crop and soil sensing methodologies | |
| KR102545118B1 (ko) | 식재도를 이용한 과수원의 관리 방법 및 시스템 | |
| CN117268261B (zh) | 一种基于履带式巡检车的西瓜长势采集与分析方法及系统 | |
| US20220222819A1 (en) | Crop view and irrigation monitoring |
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: 20210903 |