CN113674518B - 一种柑橘植株高温热害等级预报方法及系统 - Google Patents

一种柑橘植株高温热害等级预报方法及系统 Download PDF

Info

Publication number
CN113674518B
CN113674518B CN202111042630.1A CN202111042630A CN113674518B CN 113674518 B CN113674518 B CN 113674518B CN 202111042630 A CN202111042630 A CN 202111042630A CN 113674518 B CN113674518 B CN 113674518B
Authority
CN
China
Prior art keywords
index
temperature heat
heat damage
physiological
citrus plant
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
CN202111042630.1A
Other languages
English (en)
Other versions
CN113674518A (zh
Inventor
徐超
王雨亭
胡钟东
万水林
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.)
Horticultural Research Institute Jiangxi Academy Of Agricultural Sciences
Original Assignee
Horticultural Research Institute Jiangxi Academy Of Agricultural Sciences
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 Horticultural Research Institute Jiangxi Academy Of Agricultural Sciences filed Critical Horticultural Research Institute Jiangxi Academy Of Agricultural Sciences
Priority to CN202111042630.1A priority Critical patent/CN113674518B/zh
Publication of CN113674518A publication Critical patent/CN113674518A/zh
Application granted granted Critical
Publication of CN113674518B publication Critical patent/CN113674518B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold

Landscapes

  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Cultivation Of Plants (AREA)

Abstract

本发明提供了一种柑橘植株高温热害等级预报方法及系统，方法包括：根据第一智能摄像头，获得第一柑橘植株信息，构建第一模拟方案，第一模拟方案包括第一动态高温梯度和第一模拟处理时长；根据第一模拟高温梯度和第一模拟处理时长，获得第一柑橘植株的第一生理指标，第一生理指标包括多组生理指标；通过对第一生理指标进行熵权法计算，获得第一指标权重；根据第一指标权重，获得第一高温热害胁迫指数；根据所述第一高温热害胁迫指数，确定第一柑橘植株的第一高温热害等级；根据所述第一高温热害等级对柑橘植株高温热害情况完成预报，解决了现有技术中存在缺乏提取关键高温热害气象指标，从而建立高温热害等级预报方法的技术问题。

Description

一种柑橘植株高温热害等级预报方法及系统
技术领域
本发明涉及设施农业气象灾害监测预警相关技术领域，具体涉及一种柑橘植株高温热害等级预报方法及系统。
背景技术
我国设施作物的种植面积逐年增加，生产产值仅次于粮食作物居第二位，占整个经济作物产值的50％左右。但是我国生产设施比较简陋，北方地区多以日光温室和大、中拱棚为主，南方地区以塑料大棚和中、小拱棚为主，因此设施温室环境调控和抵御自然灾害能力较弱。在夏季设施作物种植过程中，温室内的温度高达35℃，甚至40℃以上，这严重制约了设施作物的生长发育和产量品质。研究表明，高温会破坏植物叶片的细胞色素，破坏光系统的电子传递和结构，降低酶的活性，进而抑制光合作用，最终抑制作物的生长和降低作物的产量。植物体对高温环境也会产生适应机制，在高温环境中作物会产生抗氧化酶系统(CAT、POD和SOD酶)，清除体内的活性氧物质(H2O2和O2-)，但是这种产生—清除动态平衡会随着高温持续时间的延长或频率的延长而打破。同时高温也会导致植物细胞膜渗透性产生破坏，丙二醛(MDA)是细胞膜脂过氧化的最终产物，可以用来衡量作物细胞的受损程度。以上的研究基础，可为高温热害等级的确立提供机理性指导，对选取合适的设施作物高温热害气象指标具有指导意义。
设施柑橘生产作为现代农业中最主要的支柱产业之一，是发展农村经济和促进农民增收的主要途径。但在设施柑橘种植过程中，高温灾害频发和重发，严重影响果实产量与品质。目前国内外研究主要针对高温热害对设施柑橘的生长、致灾机理(光合机理、荧光机理、抗氧化机理和代谢机理)和果实内外品质(果实色泽、糖酸代谢、维生素C、可溶性固形物和挥发性有机物)的影响。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中存在缺乏提取关键高温热害气象指标，从而建立高温热害等级预报方法的技术问题。
发明内容
本申请实施例通过提供了一种柑橘植株高温热害等级预报方法及系统，解决了现有技术中存在的缺乏提取关键高温热害气象指标，从而建立高温热害等级预报方法的技术问题。通过模拟设施作物的动态高温变化梯度和对应的处理时长，测定不同高温梯度和处理时长的作物生理生化指标，并计算各生理生化指标在不同高温梯度和处理时长下的权重占比，进而可以得到高温梯度和处理时长对指标的影响，基于此计算得到高温热害胁迫指数，进而得到柑橘植株高温热害等级，并进行预报，达到了可在柑橘植株种植时，利用柑橘植株的生理生化指标计算高温热害胁迫指数，进而确定柑橘植株高温热害等级预报的技术效果。
鉴于上述问题，本申请实施例提供了一种柑橘植株高温热害等级预报方法及系统。
第一方面，本申请实施例提供了一种柑橘植株高温热害等级预报方法，其中，所述方法应用于一种设施作物高温热害等级预报系统，所述系统与第一智能摄像头通信连接，所述方法包括：根据所述第一智能摄像头，获得第一柑橘植株信息；根据所述第一柑橘植株信息，构建第一模拟方案，其中，所述第一模拟方案包括第一动态高温梯度和第一模拟处理时长；根据所述第一模拟高温梯度和所述第一模拟处理时长，获得第一柑橘植株的第一生理指标，其中，所述第一生理指标包括多组生理指标；通过对所述第一生理指标进行熵权法计算，获得第一指标权重；根据所述第一指标权重，获得第一高温热害胁迫指数；根据所述第一高温热害胁迫指数，确定所述第一柑橘植株的第一高温热害等级；根据所述第一高温热害等级对柑橘植株高温热害情况完成预报。
另一方面，本申请实施例提供了一种柑橘植株高温热害等级预报系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于根据第一智能摄像头，获得第一柑橘植株信息；第一构建单元，所述第一构建单元用于根据所述第一柑橘植株信息，构建第一模拟方案，其中，所述第一模拟方案包括第一动态高温梯度和第一模拟处理时长；第二获得单元，所述第二获得单元用于根据所述第一模拟高温梯度和所述第一模拟处理时长，获得第一柑橘植株的第一生理指标，其中，所述第一生理指标包括多组生理指标；第三获得单元，所述第三获得单元用于通过对所述第一生理指标进行熵权法计算，获得第一指标权重；第四获得单元，所述第四获得单元用于根据所述第一指标权重，获得第一高温热害胁迫指数；第一确定单元，所述第一确定单元用于根据所述第一高温热害胁迫指数，确定所述第一柑橘植株的第一高温热害等级；第一预报单元，所述第一预报单元用于根据所述第一高温热害等级对柑橘植株高温热害情况完成预报。
第三方面，本申请实施例提供了一种柑橘植株高温热害等级预报系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了根据所述第一智能摄像头，获得第一柑橘植株信息；根据所述第一柑橘植株信息，构建第一模拟方案，其中，所述第一模拟方案包括第一动态高温梯度和第一模拟处理时长；根据所述第一模拟高温梯度和所述第一模拟处理时长，获得第一柑橘植株的第一生理指标，其中，所述第一生理指标包括多组生理指标；通过对所述第一生理指标进行熵权法计算，获得第一指标权重；根据所述第一指标权重，获得第一高温热害胁迫指数；根据所述第一高温热害胁迫指数，确定所述第一柑橘植株的第一高温热害等级；根据所述第一高温热害等级对柑橘植株高温热害情况完成预报的技术方案，通过模拟设施作物的动态高温变化梯度和对应的处理时长，测定不同高温梯度和处理时长的作物生理生化指标，并计算各生理生化指标在不同高温梯度和处理时长下的权重占比，进而可以得到高温梯度和处理时长对指标的影响，基于此计算得到高温热害胁迫指数，进而得到柑橘植株高温热害等级，并进行预报，达到了可在柑橘植株种植时，利用柑橘植株的生理生化指标计算高温热害胁迫指数，进而确定柑橘植株高温热害等级预报的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种柑橘植株高温热害等级预报方法流程示意图；
图2为本申请实施例一种柑橘植株高温热害等级病害影响分析流程示意图；
图3为本申请实施例一种柑橘植株高温热害等级损失分析流程示意图；
图4为本申请实施例一种柑橘植株高温热害等级预报系统结构示意图；
图5为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第一构建单元12，第二获得单元13，第三获得单元14，第四获得单元15，第一确定单元16，第一预报单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
本申请实施例通过提供了一种柑橘植株高温热害等级预报方法及系统，解决了现有技术中存在缺乏提取关键高温热害气象指标，建立高温热害等级预报方法的技术问题。通过模拟设施作物的动态高温变化梯度和对应的处理时长，测定不同高温梯度和处理时长的作物生理生化指标，并计算各生理生化指标在不同高温梯度和处理时长下的权重占比，进而可以得到高温梯度和处理时长对指标的影响，基于此计算得到高温热害胁迫指数，进而得到柑橘植株高温热害等级，并进行预报，达到了可在柑橘植株种植时，利用柑橘植株的生理生化指标计算高温热害胁迫指数，进而确定柑橘植株高温热害等级预报的技术效果。
申请概述
我国设施作物的种植面积逐年增加，生产产值仅次于粮食作物居第二位，占整个经济作物产值的50％左右。但是我国生产设施比较简陋，北方地区多以日光温室和大、中拱棚为主，南方地区以塑料大棚和中、小拱棚为主，因此设施温室环境调控和抵御自然灾害能力较弱。在夏季设施作物种植过程中，温室内的温度高达35℃，甚至40℃以上，这严重制约了设施作物的生长发育和产量品质。研究表明，高温会破坏植物叶片的细胞色素，破坏光系统的电子传递和结构，降低酶的活性，进而抑制光合作用，最终抑制作物的生长和降低作物的产量。植物体对高温环境也会产生适应机制，在高温环境中作物会产生抗氧化酶系统(CAT、POD和SOD酶)，清除体内的活性氧物质(H2O2和O2-)，但是这种产生—清除动态平衡会随着高温持续时间的延长或频率的而打破。同时高温也会导致植物细胞膜渗透性产生破坏，丙二醛(MDA)是细胞膜脂过氧化的最终产物，可以用来衡量作物细胞的受损程度。以上的研究基础，可为高温热害等级的确立提供机理性指导，对选取合适的设施作物高温热害气象指标具有指导意义。设施柑橘生产作为现代农业中最主要的支柱产业之一，是发展农村经济和促进农民增收的主要途径。但在设施柑橘种植过程中，高温灾害频发和重发，严重影响果实产量与品质。目前国内外研究主要针对高温热害对设施柑橘的生长、致灾机理(光合机理、荧光机理、抗氧化机理和代谢机理)和果实内外品质(果实色泽、糖酸代谢、维生素C、可溶性固形物和挥发性有机物)的影响，但现有技术中存在缺乏提取关键高温热害气象指标，建立高温热害等级预报方法的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种柑橘植株高温热害等级预报方法，其中，所述方法应用于一种设施作物高温热害等级预报系统，所述系统与第一智能摄像头通信连接，所述方法包括：根据所述第一智能摄像头，获得第一柑橘植株信息；根据所述第一柑橘植株信息，构建第一模拟方案，其中，所述第一模拟方案包括第一动态高温梯度和第一模拟处理时长；根据所述第一模拟高温梯度和所述第一模拟处理时长，获得第一柑橘植株的第一生理指标，其中，所述第一生理指标包括多组生理指标；通过对所述第一生理指标进行熵权法计算，获得第一指标权重；根据所述第一指标权重，获得第一高温热害胁迫指数；根据所述第一高温热害胁迫指数，确定所述第一柑橘植株的第一高温热害等级；根据所述第一高温热害等级对柑橘植株高温热害情况完成预报。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种柑橘植株高温热害等级预报方法，其中，所述方法应用于一种设施作物高温热害等级预报系统，所述系统与第一智能摄像头通信连接，所述方法包括：
S100：根据所述第一智能摄像头，获得第一柑橘植株信息；
具体而言，所述第一智能摄像头指的是监测所述第一柑橘植株实时动态的设备，优选的为智能高清360度全景摄像头；所述第一柑橘植株信息指的是对采集到的不同时间多方位的所述第一柑橘植株生长图像进行分析，得到所述第一柑橘植株实时的生长情况，也可以根据所述第一柑橘植株图像和健康柑橘植株图像相比对，便于及时发现所述第一柑橘植株不良的生长状态，得以及时预报。
S200：根据所述第一柑橘植株信息，构建第一模拟方案，其中，所述第一模拟方案包括第一动态高温梯度和第一模拟处理时长；
具体而言，所述第一模拟方案指的是为了得到所述第一柑橘植株和高温之间的影响参数而设立模拟的实验生长环境；所述第一动态高温梯度和所述第一模拟时长指的是一一对应的呈梯度变化的温度及其持续时长的多组数据。通过模拟设置高温变化梯度和持续时长，并记录不同温度及其持续时长下的所述第一柑橘植株的生理指标，既可作为研究所述第一柑橘植株高温热害的基础数据。
S300：根据所述第一模拟高温梯度和所述第一模拟处理时长，获得第一柑橘植株的第一生理指标，其中，所述第一生理指标包括多组生理指标；
具体而言，所述第一柑橘植株的第一生理指标指的是表征所述第一柑橘植株生长状态的多组数据，包括但不限于：叶绿素a(Chla)、净光合速率(PN)、光系统II的最大光化学效率(Fv/Fm)、超氧化物歧化酶(SOD)和丙二醛(MDA)等相关指标数据。通过所述第一生理指标数据可以将所述第一柑橘植株的生长状态量化为数据，便于数据处理和量化研究不同温度及其持续时长下的所述第一柑橘植株生长状态变化。
S400：通过对所述第一生理指标进行熵权法计算，获得第一指标权重；
进一步的，基于所述通过对所述第一生理指标进行熵权法计算，获得第一指标权重，步骤S400还包括：
S410：所述第一指标权重的计算公式为：
Figure BDA0003249919200000101
Figure BDA0003249919200000102
Figure BDA0003249919200000103
其中，rij为标准化的数据；Pij为第i项指标下第j个样本值占该指标的比重值；Wi为第i项指标对应的权重，Ei为第i项指标对应的信息熵。
具体而言，所述熵权法计算指的是根据所述第一生理指标变异性的大小来确定客观权重，一般来说，若所述第一生理指标某个指标的信息熵Ei越小，表明指标值的变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其所述第一指标权重也就越大；相反，若所述第一生理指标某个指标的信息熵越大，表明指标值的变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其所述第一指标权重也就越小。
进一步的，对计算所述第一生理指标的各个指标数据做标准化处理，举优选的一例：假设给定了n个指标，x1、x2、x3……xn，其中xi＝{x1，x2，x3，……xk}，标准化之后的值为r1、r2、r3……rm，则
Figure BDA0003249919200000104
Figure BDA0003249919200000105
rij表示第i项指标下第j个样本值的标准化数据，xij为即xi数据，此处为表示求第i项指标下第j个样本值的标准化数据写为xij。更进一步的，通过
Figure BDA0003249919200000106
计算所述第一生理指标的比重值，再利用比重值带入信息熵计算公式计算多组所述第一生理指标的信息熵，最后依据所述第一指标权重的计算公式计算所述第一生理指标的权重，存储每一组所述第一生理指标对应的权重。通过对所述第一生理指标的多个数据进行赋权，可以量化不同的所述第一生理指标对所述第一柑橘植株生长状态不同程度的影响，达到了提高所述第一柑橘植株高温热害的研究结果的准确性和科学性的技术效果。
S500：根据所述第一指标权重，获得第一高温热害胁迫指数；
进一步的，基于所述根据所述第一指标权重，建立第一高温热害胁迫指数，步骤S500还包括：
S510：所述第一高温热害胁迫指数的计算公式为：
Figure BDA0003249919200000111
其中，HTI为高温热害胁迫指数；Z为高温胁迫指数；ZA、ZB、ZC、ZD、ZE为所述多组生理指标的权重，ACK、BCK、CCK、DCK、ECK为对照下所述多组生理指标的值；A、B、C、D、E为高温胁迫下多组生理指标的值。
具体而言，所述第一高温热害胁迫指数指的是在得到各个所述第一指标的权重数据后，将所述第一指标的权重数据代入所述第一高温热害胁迫指数的计算公式之中，得到多组所述高温热害胁迫指数HTI值。通过多组所述高温热害胁迫指数HTI值即可表征所述第一柑橘植株在不同温度和持续时长下生长状态被高温影响的程度，该计算公式是假设所述第一生理指标为五组数据情况下的计算公式，并不对具体实施的指标组数做限制。
S600：根据所述第一高温热害胁迫指数，确定所述第一柑橘植株的第一高温热害等级；
S700：根据所述第一高温热害等级对柑橘植株高温热害情况完成预报。
具体而言，所述第一高温热害等级指的是根据对所述第一柑橘植株在不同的温度和持续时间下生长状态设立对应的所述第一高温热害胁迫指数区间，优选的：规定作物正常生长时，其高温胁迫指数是0，随着高温胁迫指数的逐渐升高，胁迫的程度越明显，把作物高温热害划分为正常、轻度、中度、重度和特重五个等级。进一步的，在得到所述第一高温热害等级之后，即通过所述第一高温热害等级完成预报。达到了根据所述第一柑橘植株营养生殖阶段的所述第一生理指标，计算所述第一高温热害胁迫指数，最终预报设施内的所述第一高温热害等级，并且机理性强，预报结果准确的技术效果。
进一步的，基于根据所述第一智能摄像头，获得第一柑橘植株信息，如图2所示，所述方法还包括步骤S800：
S810：根据所述第一智能摄像头，获得所述第一柑橘植株的第一图像信息；
S820：根据所述第一图像信息，确定第一植株生长阶段；
S830：基于所述第一植株生长阶段，获得第一预设生长指数；
S840：根据所述第一图像信息，获得第一病害信息；
S850：将所述第一病害信息输入多维分析模型中进行分析，获得第一生长指数；
S860：通过对所述第一生长指数和所述第一预设生长指数进行判断，生成第一对照模块，所述第一对照模块用于对柑橘植株进行对照分析。
具体而言，所述第一柑橘植株的第一图像信息指的是通过所述第一智能摄像头监控所述第一柑橘植株生长采集到的实时图像数据；所述第一植株生长阶段指的是通过对不同时间区间内的所述第一图像信息进行分析确定其生长阶段，优选的确定方式为通过将所述第一图像信息和大数据调用的所述第一柑橘植株相同品种的植株进行比对，并确定生长阶段。进一步的，所述第一预设生长指数指的是根据所述第一植株生长阶段数据对大数据相同温度和温度持续时长条件下所述第一柑橘植株正常生长应该达到的生长指数。更进一步的，所述第一病害信息指的是遍历所述第一图像信息，筛选出的病害数据，例如所述第一柑橘植株干枯的数量、所述第一柑橘植株长害虫的数量及害虫的种类等信息；
更进一步的，所述第一生长指数指的是将得到的所述第一病害信息输入所述多维分析模型进行智能化分析，得到在所述第一病害影响下所述第一柑橘植株的生长指数信息，所述多维分析模型可采用基于神经网络训练的智能化模型，所述神经网络模型即机器学习中的神经网络模型，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。其中，它能根据训练数据进行不断的自我训练学习，可以利用多组训练数据训练，每组数据均包括：所述第一病害信息和标识所述第一柑橘植株的生长指数信息的标识信息；所述多维分析模型不断地自我的修正，当所述多维分析模型的输出信息达到预定的准确率/收敛状态时，则监督学习过程结束，可以输出较准确的所述第一生长指数，达到了准确获得数据信息技术效果。最后再将所述第一生长指数及其对应的所述第一图像信息和所述第一预设生长指数及其对应的图像信息进行存储，构建所述第一对照模块，通过所述第一对照模块，可以监控所述第一柑橘植株的生长图像并利用所述多维分析模型计算对应的生长指数，再将其和所述第一预设生长指数进行比对，出现异常时可进行报警，并根据图像比对快速找出病害原因针对治疗。
更进一步的，基于通过对所述第一生长指数和所述第一预设生长指数进行判断，生成第一对照模块，所述方法步骤S860还包括：
S861：当所述第一生长指数大于等于所述第一预设生长指数，将所述第一柑橘植株输入所述第一对照模块的第一分区；
S862：当所述第一生长指数小于所述第一预设生长指数，将所述第一柑橘植株输入所述第一对照模块的第二分区；
S863：根据所述第一分区和所述第二分区，构建所述第一对照模块；
S864：根据所述第一对照模块对第一模拟方案进行调整，获得第二模拟方案。
具体而言，所述第一分区和所述第二分区为存储不同所述第一生长指数的所述第一柑橘植株信息的存储模块：将所述第一生长指数和所述第一预设生长指数进行比较，若是所述第一生长指数大于等于所述第一预设生长指数，则将所述第一柑橘植株输入所述第一对照模块的第一分区；若是所述第一生长指数小于所述第一预设生长指数，则将所述第一柑橘植株输入所述第一对照模块的第二分区，两个不同分区的所述第一柑橘植株由于所述第一生长指数的不同，导致生长状态也不同，根据两个分区生长状态区别的对比，可以得到所述第一病害信息对所述第一柑橘植株的影响，所述第二模拟方案指的是依据所述第一病害信息对所述第一柑橘植株的影响对所述第一模拟方案进行修改，排除所述第一病害信息对所述第一柑橘植株的影响，保证高温变量的唯一性，提高了研究结果的准确性。
进一步的，基于所述根据所述第一模拟高温梯度和所述第一模拟处理时长，获得第一柑橘植株的第一生理指标，所述方法步骤S300还包括：
S310：获得所述第一柑橘植株信息的第一高温相关指标；
S320：基于主成分分析法对所述第一高温相关指标进行主成分提取，获得第一高温提取指标；
S330：将所述第一高温提取指标输入第一指标筛选模块中，根据所述第一指标筛选模块，获得所述第一生理指标；
S340：通过对所述第一生理指标进行实时数据采集，生成所述第一生理指标的多组指标数据。
具体而言，所述第一高温相关指标指的是高温影响的所述第一柑橘植株的指标信息，包括但不限于各种元素含量信息、光合作用信息等冗杂数，通过主成分分析法对所述第一高温相关指标进行降维，提取到主要的所述第一高温提取指标，通过主成分分析法对所述第一高温相关指标进行降维处理，在保证信息量的前提下，剔除冗余数据，使得所述第一高温相关指标的样本量减小，且降维后信息量损失最小，从而加快训练模型对于数据的运算速度。
进一步的，所述第一指标筛选模块指的是基于所述第一高温提取指标在高温下的变化程度。将达到预设变化程度阈值的所述第一高温提取指标保存，将未达到预设变化程度阈值的所述第一高温提取指标删除，预设变化阈值可选的可以依据生物学知识判断不同指标对于所述第一柑橘植株会造成影响的最小值为准。将筛选得到的信息作为所述第一生理指标集合，实时采集所述第一生理指标数据集合，依据采集的时间顺序进行存储，组成多组所述第一生理指标的指标数据。通过主成分分析法和所述第一筛选模块对所述第一高温相关指标进行两次降维处理，得到最具表征高温对所述第一柑橘植株的所述第一生理指标，并采集所述第一生理指标实时数据作为多组指标数据用来研究高温对所述第一柑橘植株生长状况的影响，降低了数据的冗杂性，提高了处理效率和准确性。
进一步的，基于所述根据所述第一高温热害胁迫指数，确定所述第一柑橘植株的第一高温热害等级，如图3所示，所述方法还包括步骤S900：
S910：根据所述第一高温热害胁迫指数对所述第一柑橘植株进行落果风险预测，获得第一风险系数；
S920：当所述第一风险系数大于预设风险系数时，获得第一预测落果占比；
S930：对所述第一预测落果占比进行损失分析，生成第一损失报告；
S940：将所述第一损失报告发送至第一管理人员。
具体而言，所述第一风险系数指的是基于所述第一高温胁迫指数可以得到所述第一柑橘植株的生长状况得到果实掉落风险，优选的确定方式为依据生长状况对应的所述第一生理指标数据，基于所述第一生理指标数据所述第一柑橘植株进行健康状态评估，将得到的果实掉落概率作为所述第一风险系数。所述预设风险系数指的是依据可承受损失程度预设的风险系数值；所述第一预测落果占比指的是当所述第一风险系数大于或者等于所述预设风险值时，得到的掉落果实在所有果实中占比数据；进一步的，所述第一损失报告指的是通过所述第一预测落果占比造成的损失，包括但不限于经济损失、原料损失、人力损失等信息综合构成的损失报告；通过所述第一损失报告通知所述第一管理人员预测损失情况。通过对所述第一高温胁迫指数进行落果预测，并生成损失报告，方便所述第一管理人员提前做好应对之策，可减少损失。
综上所述，本申请实施例所提供的一种柑橘植株高温热害等级预报方法及系统具有如下技术效果：
1.由于采用了根据所述第一智能摄像头，获得第一柑橘植株信息；根据所述第一柑橘植株信息，构建第一模拟方案，其中，所述第一模拟方案包括第一动态高温梯度和第一模拟处理时长；根据所述第一模拟高温梯度和所述第一模拟处理时长，获得第一柑橘植株的第一生理指标，其中，所述第一生理指标包括多组生理指标；通过对所述第一生理指标进行熵权法计算，获得第一指标权重；根据所述第一指标权重，获得第一高温热害胁迫指数；根据所述第一高温热害胁迫指数，确定所述第一柑橘植株的第一高温热害等级；根据所述第一高温热害等级对柑橘植株高温热害情况完成预报的技术方案，通过模拟设施作物的动态高温变化梯度和对应的处理时长，测定不同高温梯度和处理时长的作物生理生化指标，并计算各生理生化指标在不同高温梯度和处理时长下的权重占比，进而可以得到高温梯度和处理时长对指标的影响，基于此计算得到高温热害胁迫指数，进而得到柑橘植株高温热害等级，并进行预报，达到了可在柑橘植株种植时，利用柑橘植株的生理生化指标计算高温热害胁迫指数，进而确定柑橘植株高温热害等级预报的技术效果。
2.通过所述第一对照模块，可以监控所述第一柑橘植株的生长图像并利用所述多维分析模型计算对应的生长指数，再将其和所述第一预设生长指数进行比对，出现异常时可进行报警，并根据图像比对快速找出病害原因针对治疗。
3.通过主成分分析法和所述第一筛选模块对所述第一高温相关指标进行两次降维处理，得到最具表征高温对所述第一柑橘植株的所述第一生理指标，并采集所述第一生理指标实时数据作为多组指标数据用来研究高温对所述第一柑橘植株生长状况的影响，降低了数据的冗杂性，提高了处理效率和准确性。
实施例二
基于与前述实施例中一种柑橘植株高温热害等级预报方法相同的发明构思，如图4所示，本申请实施例提供了一种柑橘植株高温热害等级预报系统，其中，所述系统包括：
第一获得单元11，所述第一获得单元11用于根据第一智能摄像头，获得第一柑橘植株信息；
第一构建单元12，所述第一构建单元12用于根据所述第一柑橘植株信息，构建第一模拟方案，其中，所述第一模拟方案包括第一动态高温梯度和第一模拟处理时长；
第二获得单元13，所述第二获得单元13用于根据所述第一模拟高温梯度和所述第一模拟处理时长，获得第一柑橘植株的第一生理指标，其中，所述第一生理指标包括多组生理指标；
第三获得单元14，所述第三获得单元14用于通过对所述第一生理指标进行熵权法计算，获得第一指标权重；
第四获得单元15，所述第四获得单元15用于根据所述第一指标权重，获得第一高温热害胁迫指数；
第一确定单元16，所述第一确定单元16用于根据所述第一高温热害胁迫指数，确定所述第一柑橘植株的第一高温热害等级；
第一预报单元17，所述第一预报单元17用于根据所述第一高温热害等级对柑橘植株高温热害情况完成预报。
进一步的，所述系统还包括：
第一存储单元，所述第一存储单元用于存储所述第一指标权重的计算公式为：
Figure BDA0003249919200000201
Figure BDA0003249919200000202
Figure BDA0003249919200000203
其中，rij为标准化的数据；Pij为第i项指标下第j个样本值占该指标的比重值；Wi为第i项指标对应的权重。
进一步的，所述系统还包括：
第二存储单元，所述第二存储单元用于存储所述第一高温热害胁迫指数的计算公式为：
Figure BDA0003249919200000204
其中，HTI为高温热害胁迫指数；Z为高温胁迫指数；ZA、ZB、ZC、ZD、ZE为所述多组生理指标的权重，ACK、BCK、CCK、DCK、ECK为对照下所述多组生理指标的值；A、B、C、D、E为高温胁迫下多组生理指标的值。
进一步的，所述系统还包括：
第五获得单元，所述第五获得单元用于根据所述第一智能摄像头，获得所述第一柑橘植株的第一图像信息；
第二确定单元，所述第二确定单元用于根据所述第一图像信息，确定第一植株生长阶段；
第六获得单元，所述第六获得单元用于基于所述第一植株生长阶段，获得第一预设生长指数；
第七获得单元，所述第七获得单元用于根据所述第一图像信息，获得第一病害信息；
第八获得单元，所述第八获得单元用于将所述第一病害信息输入多维分析模型中进行分析，获得第一生长指数；
第一生成单元，所述第一生成单元用于通过对所述第一生长指数和所述第一预设生长指数进行判断，生成第一对照模块，所述第一对照模块用于对柑橘植株进行对照分析。
进一步的，所述系统还包括：
第一输入单元，所述第一输入单元用于当所述第一生长指数大于等于所述第一预设生长指数，将所述第一柑橘植株输入所述第一对照模块的第一分区；
第二输入单元，所述第二输入单元用于当所述第一生长指数小于所述第一预设生长指数，将所述第一柑橘植株输入所述第一对照模块的第二分区；
第二构建单元，所述第二构建单元用于根据所述第一分区和所述第二分区，构建所述第一对照模块；
第九获得单元，所述第九获得单元用于根据所述第一对照模块对第一模拟方案进行调整，获得第二模拟方案。
进一步的，所述系统还包括：
第十获得单元，所述第十获得单元用于获得所述第一柑橘植株信息的第一高温相关指标；
第十一获得单元，所述第十一获得单元用于基于主成分分析法对所述第一高温相关指标进行主成分提取，获得第一高温提取指标；
第十二获得单元，所述第十二获得单元用于将所述第一高温提取指标输入第一指标筛选模块中，根据所述第一指标筛选模块，获得所述第一生理指标；
第二生成单元，所述第二生成单元用于通过对所述第一生理指标进行实时数据采集，生成所述第一生理指标的多组指标数据。
进一步的，所述系统还包括：
第十三获得单元，所述第十三获得单元用于根据所述第一高温热害胁迫指数对所述第一柑橘植株进行落果风险预测，获得第一风险系数；
第十四获得单元，所述第十四获得单元用于当所述第一风险系数大于预设风险系数时，获得第一预测落果占比；
第三生成单元，所述第三生成单元用于对所述第一预测落果占比进行损失分析，生成第一损失报告；
第一发送单元，所述第一发送单元用于将所述第一损失报告发送至第一管理人员。
示例性电子设备
下面参考图5来描述本申请实施例的电子设备，
基于与前述实施例中一种柑橘植株高温热害等级预报方法相同的发明构思，本申请实施例还提供了一种柑橘植株高温热害等级预报系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法。
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种柑橘植株高温热害等级预报方法。
可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。
本申请实施例提供了一种柑橘植株高温热害等级预报方法，其中，所述方法应用于一种设施作物高温热害等级预报系统，所述系统与第一智能摄像头通信连接，所述方法包括：根据所述第一智能摄像头，获得第一柑橘植株信息；根据所述第一柑橘植株信息，构建第一模拟方案，其中，所述第一模拟方案包括第一动态高温梯度和第一模拟处理时长；根据所述第一模拟高温梯度和所述第一模拟处理时长，获得第一柑橘植株的第一生理指标，其中，所述第一生理指标包括多组生理指标；通过对所述第一生理指标进行熵权法计算，获得第一指标权重；根据所述第一指标权重，获得第一高温热害胁迫指数；根据所述第一高温热害胁迫指数，确定所述第一柑橘植株的第一高温热害等级；根据所述第一高温热害等级对柑橘植株高温热害情况完成预报，通过模拟设施作物的动态高温变化梯度和对应的处理时长，测定不同高温梯度和处理时长的作物生理生化指标，并计算各生理生化指标在不同高温梯度和处理时长下的权重占比，进而可以得到高温梯度和处理时长对指标的影响，基于此计算得到高温热害胁迫指数，进而得到柑橘植株高温热害等级，并进行预报，达到了可在柑橘植株种植时，利用柑橘植株的生理生化指标计算高温热害胁迫指数，进而确定柑橘植株高温热害等级预报的技术效果。
本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。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。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (7)

1.一种柑橘植株高温热害等级预报方法，其中，所述方法应用于一种设施作物高温热害等级预报系统，所述系统与第一智能摄像头通信连接，所述方法包括：
根据所述第一智能摄像头，获得第一柑橘植株信息；
根据所述第一柑橘植株信息，构建第一模拟方案，其中，所述第一模拟方案包括第一动态高温梯度和第一模拟处理时长；
根据所述第一模拟高温梯度和所述第一模拟处理时长，获得第一柑橘植株的第一生理指标，其中，所述第一生理指标包括多组生理指标；
通过对所述第一生理指标进行熵权法计算，获得第一指标权重；
根据所述第一指标权重，获得第一高温热害胁迫指数；
根据所述第一高温热害胁迫指数，确定所述第一柑橘植株的第一高温热害等级；
根据所述第一高温热害等级对柑橘植株高温热害情况完成预报；
其中，根据所述第一智能摄像头，获得第一柑橘植株信息，包括：
根据所述第一智能摄像头，获得所述第一柑橘植株的第一图像信息；
根据所述第一图像信息，确定第一植株生长阶段；
基于所述第一植株生长阶段，获得第一预设生长指数；
根据所述第一图像信息，获得第一病害信息；
将所述第一病害信息输入多维分析模型中进行分析，获得第一生长指数；
通过对所述第一生长指数和所述第一预设生长指数进行判断，生成第一对照模块，所述第一对照模块用于对柑橘植株进行对照分析；
其中，通过对所述第一生长指数和所述第一预设生长指数进行判断，生成第一对照模块，包括：
当所述第一生长指数大于等于所述第一预设生长指数，将所述第一柑橘植株输入所述第一对照模块的第一分区；
当所述第一生长指数小于所述第一预设生长指数，将所述第一柑橘植株输入所述第一对照模块的第二分区；
根据所述第一分区和所述第二分区，构建所述第一对照模块；
根据所述第一对照模块对第一模拟方案进行调整，获得第二模拟方案。
2.如权利要求1所述的方法，其中，所述通过对所述第一生理指标进行熵权法计算，获得第一指标权重，所述第一指标权重的计算公式为：
Figure FDA0003793234410000021
Figure FDA0003793234410000022
Figure FDA0003793234410000023
其中，rij为标准化的数据；Pij为第i项指标下第j个样本值占该指标的比重值；Wi为第i项指标对应的权重。
3.如权利要求2所述的方法，所述根据所述第一指标权重，建立第一高温热害胁迫指数，所述第一高温热害胁迫指数的计算公式为：
Figure FDA0003793234410000031
其中，HTI为高温热害胁迫指数；Z为高温胁迫指数；ZA、ZB、ZC、ZD、ZE为所述多组生理指标的权重，ACK、BCK、CCK、DCK、ECK为对照下所述多组生理指标的值；A、B、C、D、E为高温胁迫下多组生理指标的值。
4.如权利要求1所述的方法，其中，所述根据所述第一模拟高温梯度和所述第一模拟处理时长，获得第一柑橘植株的第一生理指标，所述方法还包括：
获得所述第一柑橘植株信息的第一高温相关指标；
基于主成分分析法对所述第一高温相关指标进行主成分提取，获得第一高温提取指标；
将所述第一高温提取指标输入第一指标筛选模块中，根据所述第一指标筛选模块，获得所述第一生理指标；
通过对所述第一生理指标进行实时数据采集，生成所述第一生理指标的多组指标数据。
5.如权利要求1所述的方法，其中，所述根据所述第一高温热害胁迫指数，确定所述第一柑橘植株的第一高温热害等级，所述方法还包括：
根据所述第一高温热害胁迫指数对所述第一柑橘植株进行落果风险预测，获得第一风险系数；
当所述第一风险系数大于预设风险系数时，获得第一预测落果占比；
对所述第一预测落果占比进行损失分析，生成第一损失报告；
将所述第一损失报告发送至第一管理人员。
6.一种柑橘植株高温热害等级预报系统，其中，所述系统包括：
第一获得单元，所述第一获得单元用于根据第一智能摄像头，获得第一柑橘植株信息；
第一构建单元，所述第一构建单元用于根据所述第一柑橘植株信息，构建第一模拟方案，其中，所述第一模拟方案包括第一动态高温梯度和第一模拟处理时长；
第二获得单元，所述第二获得单元用于根据所述第一模拟高温梯度和所述第一模拟处理时长，获得第一柑橘植株的第一生理指标，其中，所述第一生理指标包括多组生理指标；
第三获得单元，所述第三获得单元用于通过对所述第一生理指标进行熵权法计算，获得第一指标权重；
第四获得单元，所述第四获得单元用于根据所述第一指标权重，获得第一高温热害胁迫指数；
第一确定单元，所述第一确定单元用于根据所述第一高温热害胁迫指数，确定所述第一柑橘植株的第一高温热害等级；
第一预报单元，所述第一预报单元用于根据所述第一高温热害等级对柑橘植株高温热害情况完成预报；
第五获得单元，所述第五获得单元用于根据所述第一智能摄像头，获得所述第一柑橘植株的第一图像信息；
第二确定单元，所述第二确定单元用于根据所述第一图像信息，确定第一植株生长阶段；
第六获得单元，所述第六获得单元用于基于所述第一植株生长阶段，获得第一预设生长指数；
第七获得单元，所述第七获得单元用于根据所述第一图像信息，获得第一病害信息；
第八获得单元，所述第八获得单元用于将所述第一病害信息输入多维分析模型中进行分析，获得第一生长指数；
第一生成单元，所述第一生成单元用于通过对所述第一生长指数和所述第一预设生长指数进行判断，生成第一对照模块，所述第一对照模块用于对柑橘植株进行对照分析；
第一输入单元，所述第一输入单元用于当所述第一生长指数大于等于所述第一预设生长指数，将所述第一柑橘植株输入所述第一对照模块的第一分区；
第二输入单元，所述第二输入单元用于当所述第一生长指数小于所述第一预设生长指数，将所述第一柑橘植株输入所述第一对照模块的第二分区；
第二构建单元，所述第二构建单元用于根据所述第一分区和所述第二分区，构建所述第一对照模块；
第九获得单元，所述第九获得单元用于根据所述第一对照模块对第一模拟方案进行调整，获得第二模拟方案。
7.一种柑橘植株高温热害等级预报系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如权利要求1至5任一项所述的方法。
CN202111042630.1A 2021-09-07 2021-09-07 一种柑橘植株高温热害等级预报方法及系统 Active CN113674518B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111042630.1A CN113674518B (zh) 2021-09-07 2021-09-07 一种柑橘植株高温热害等级预报方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111042630.1A CN113674518B (zh) 2021-09-07 2021-09-07 一种柑橘植株高温热害等级预报方法及系统

Publications (2)

Publication Number Publication Date
CN113674518A CN113674518A (zh) 2021-11-19
CN113674518B true CN113674518B (zh) 2022-11-15

Family

ID=78548553

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111042630.1A Active CN113674518B (zh) 2021-09-07 2021-09-07 一种柑橘植株高温热害等级预报方法及系统

Country Status (1)

Country Link
CN (1) CN113674518B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07231724A (ja) * 1994-02-24 1995-09-05 Achilles Corp 農業用ハウス
CN105137840A (zh) * 2015-08-19 2015-12-09 方中元 设施温室内作物病虫害自动监测与智能施药防控系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550162A (zh) * 2015-12-10 2016-05-04 南京信息工程大学 一种葡萄植株高温胁迫等级的确定方法
CN110443112A (zh) * 2019-06-14 2019-11-12 广西农业职业技术学院 一种沃柑病变的自动识别方法
JP2021061807A (ja) * 2019-10-17 2021-04-22 フルタ電機株式会社 作物の病害回避を図る防霜ファンシステムと、炭疽病、もち病、又は赤焼け病の発生を抑制する方法、及び、防霜ファンを利用した防除法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07231724A (ja) * 1994-02-24 1995-09-05 Achilles Corp 農業用ハウス
CN105137840A (zh) * 2015-08-19 2015-12-09 方中元 设施温室内作物病虫害自动监测与智能施药防控系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高温胁迫对辣椒幼苗生长及生理性状的影响;贾志银等;《北方园艺》;20100630(第12期);5-8 *

Also Published As

Publication number Publication date
CN113674518A (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
CN115618021B (zh) 农作物品种适宜种植区域推荐方法及装置
Bayir et al. The monitoring of nectar flow period of honey bees using wireless sensor networks
CN115860581B (zh) 农作物品种适宜性评价方法、装置、设备及存储介质
CN109711590B (zh) 渔业水质分析监测方法、装置和系统
CN114298615A (zh) 一种农作物种植风险预防方法、装置、存储介质和设备
CN117322214A (zh) 一种基于神经网络的农作物肥料精准施用方法与系统
CN115619583A (zh) 一种复合农业气象灾害监测指标体系的构建方法
CN114637351B (zh) 一种设施作物温室环境调控方法及系统
Łysiak et al. The use of temperature based indices for estimation of fruit production conditions and risks in temperate climates
Waidyarathne et al. Application of artificial neural network to predict copra conversion factor
Anindya et al. IoT Based Climate Prediction System Using Long Short-Term Memory (LSTM) Algorithm as Part of Smart Farming 4.0
CN113674518B (zh) 一种柑橘植株高温热害等级预报方法及系统
Vaca‐Uribe et al. Plant richness and blooming cover affect abundance of flower visitors and network structure in Colombian orchards
Martinez et al. Comparative analysis of learning and meta-learning algorithms for creating models for predicting the probable alcohol level during the ripening of grape berries
Hürland et al. The use of machine learning methods to predict sperm quality in Holstein bulls
CN116186392A (zh) 柑橘品种的种植推荐方法、装置、终端设备和存储介质
Zhang et al. Suitability Evaluation of Crop Variety via Graph Neural Network
Güçlü et al. Pollen performance modelling with an artificial neural network on commercial stone fruit cultivars
Lyimo et al. Sensitivity Analysis of Coffee Leaf Rust Disease using Three Deep Learning Algorithms
Abdulla et al. Deep learning and IoT for Monitoring Tomato Plant.
Lopez Ramirez et al. On the usage of sorting networks to control greenhouse climatic factors
Soodtoetong et al. The performance of crop yield forecasting model based on artificial intelligence
Rahman et al. A comparative study between linear regression and support vector regression model based on environmental factors of a smart bee farm
CN114648214B (zh) 一种设施作物生理生化指标比重调配方法及系统
Anuar et al. An assessment of stingless beehive climate impact using multivariate recurrent neural networks

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