CN113869327A - 一种基于土壤元素含量检测的数据处理方法及系统 - Google Patents
一种基于土壤元素含量检测的数据处理方法及系统 Download PDFInfo
- Publication number
- CN113869327A CN113869327A CN202111033245.0A CN202111033245A CN113869327A CN 113869327 A CN113869327 A CN 113869327A CN 202111033245 A CN202111033245 A CN 202111033245A CN 113869327 A CN113869327 A CN 113869327A
- Authority
- CN
- China
- Prior art keywords
- information
- content
- target
- content information
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Remote Sensing (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Food Science & Technology (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供的一种基于土壤元素含量检测的数据处理方法及系统,涉及土壤元素含量检测技术领域。在本发明中,基于获取的多帧土壤信息采集图像进行检测处理,得到目标土壤区域中铁的氧化物的含量信息,其中,在目标土壤区域中铁的氧化物的含量信息不同时,目标土壤区域具有不同的颜色;获取对目标土壤区域中进行含量检测得到的历史含量信息,并确定含量信息与历史含量信息之间的匹配度;基于含量信息与历史含量信息之间的匹配度,确定含量信息的有效程度表征信息,用于表征基于土壤元素含量检测模型检测得到的含量信息的准确度。基于上述方法,可以改善现有技术中难以有效确定检测得到的元素含量的有效性的问题。
Description
技术领域
本发明涉及土壤元素含量检测技术领域,具体而言,涉及一种基于土壤元素含量检测的数据处理方法及系统。
背景技术
土壤元素含量检测是农业等诸多领域中的重要技术之一,其中,在现有技术中,一般是通过对土壤进行采样,然后,在实验室对土壤的元素成分以及含量进行测验。例如,在一些应用中,需要大致确定土壤中铁的氧化物的含量信息。但是,若基于现有技术中的土壤采样和实验室测验的方式,由于操作便捷性不高,会使得在历史上形成的数据量较少,因而,对于当前测验得到的元素含量,难以基于历史上性的数据量进行验证,因而,存在难以有效确定检测得到的元素含量的有效性的问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于土壤元素含量检测的数据处理方法及系统,以改善现有技术中难以有效确定检测得到的元素含量的有效性的问题。
为实现上述目的,本发明实施例采用如下技术方案:
一种基于土壤元素含量检测的数据处理方法,应用于数据检测后台服务器,所述基于土壤元素含量检测的数据处理方法包括:
基于预先训练得到的土壤元素含量检测模型对获取的多帧土壤信息采集图像进行检测处理,得到目标土壤区域中铁的氧化物的含量信息,其中,所述数据检测后台服务器通信连接有目标信息采集设备,用于对所述目标土壤区域进行图像信息采集,得到所述多帧土壤信息采集图像,所述土壤元素含量检测模型为神经网络模型,在所述目标土壤区域中铁的氧化物的含量信息不同时,所述目标土壤区域具有不同的颜色;
获取在历史上对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,并确定所述含量信息与所述历史含量信息之间的匹配度;
基于所述含量信息与所述历史含量信息之间的匹配度,确定所述含量信息的有效程度表征信息,其中,所述有效程度表征信息用于表征基于所述土壤元素含量检测模型检测得到的所述含量信息的准确度。
在一些优选的实施例中,在上述基于土壤元素含量检测的数据处理方法中,所述获取在历史上对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,并确定所述含量信息与所述历史含量信息之间的匹配度的步骤,包括:
获取在历史上每一次对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,得到至少一条历史含量信息,并确定所述至少一条历史含量信息的数量,得到对应的第一信息数量;
确定所述第一信息数量与预先配置的信息数量阈值之间的大小关系;
若所述第一信息数量小于或等于所述信息数量阈值,则将所述第一信息数量条历史含量信息确定为目标历史含量信息;
若所述第一信息数量大于所述信息数量阈值,则在所述第一信息数量条历史含量信息中,确定出对应的时间最晚的所述信息数量阈值条历史含量信息,作为目标历史含量信息;
计算所述含量信息与所述目标历史含量信息之间的匹配度。
在一些优选的实施例中,在上述基于土壤元素含量检测的数据处理方法中,所述计算所述含量信息与所述目标历史含量信息之间的匹配度的步骤,包括:
对得到的至少一条所述目标历史含量信息进行特征提取处理,得到所述目标历史含量信息对应的目标含量特征信息;
计算所述含量信息与所述目标含量特征信息之间的匹配度,作为所述含量信息与所述目标历史含量信息之间的匹配度。
在一些优选的实施例中,在上述基于土壤元素含量检测的数据处理方法中,所述对得到的至少一条所述目标历史含量信息进行特征提取处理,得到所述目标历史含量信息对应的目标含量特征信息的步骤,包括:
确定所述目标历史含量信息的数量与预先配置的第一信息数量阈值之间的大小关系,其中,所述第一信息数量阈值小于所述信息数量阈值;
若所述目标历史含量信息的数量小于所述第一信息数量阈值,则计算所述目标历史含量信息的平均值,并确定所述目标历史含量信息中的最大值、确定所述目标历史含量信息中的最小值,以及,将所述目标历史含量信息的平均值、所述目标历史含量信息中的最大值、所述目标历史含量信息中的最小值,分别确定为第一含量特征信息、第二含量特征信息和第三含量特征信息,以作为所述目标历史含量信息对应的目标含量特征信息;
若所述目标历史含量信息的数量大小或等于所述第一信息数量阈值,则计算所述目标历史含量信息的平均值,并计算每一条所述目标历史含量信息与所述目标历史含量信息的平均值之间的差值绝对值,以及对计算得到的所述差值绝对值进行均值计算,得到对应的目标含量离散值;
确定所述目标含量离散值与预先设置的离散值阈值之间的大小关系;
若所述目标含量离散值小于所述离散值阈值,则将所述目标历史含量信息的平均值、所述目标历史含量信息中的最大值、所述目标历史含量信息中的最小值,分别确定为第一含量特征信息、第二含量特征信息和第三含量特征信息,以作为所述目标历史含量信息对应的目标含量特征信息;
若所述目标含量离散值大于或等于所述离散值阈值,则按照对应的时间先后关系对多条所述目标历史含量信息进行曲线拟合处理,得到所述多条所述目标历史含量信息对应的拟合曲线信息,并将所述拟合曲线信息确定为所述目标历史含量信息对应的目标含量特征信息。
在一些优选的实施例中,在上述基于土壤元素含量检测的数据处理方法中,所述计算所述含量信息与所述目标含量特征信息之间的匹配度,作为所述含量信息与所述目标历史含量信息之间的匹配度的步骤,包括:
若所述目标含量特征信息包括所述第一含量特征信息、所述第二含量特征信息和所述第三含量特征信息,则分别计算所述含量信息与所述第一含量特征信息、所述第二含量特征信息和所述第三含量特征信息之间的相似度,得到对应的第一信息相似度、第二信息相似度和第三信息相似度;
对所述第一信息相似度、所述第二信息相似度和所述第三信息相似度进行加权求和处理,得到对应的信息相似度加权值,并将所述信息相似度加权值作为所述含量信息与所述目标历史含量信息之间的匹配度,其中,所述第一信息相似度对应的权重系数大于所述第二信息相似度对应的权重系数,且大于所述第三信息相似度对应的权重系数。
在一些优选的实施例中,在上述基于土壤元素含量检测的数据处理方法中,所述计算所述含量信息与所述目标含量特征信息之间的匹配度,作为所述含量信息与所述目标历史含量信息之间的匹配度的步骤,包括:
若所述目标含量特征信息为所述拟合曲线信息,则基于所述拟合曲线信息进行含量预测,得到对应的含量预测信息;
计算所述含量信息与所述含量预测信息之间的信息相似度,并将所述信息相似度确定为所述含量信息与所述目标历史含量信息之间的匹配度。
在一些优选的实施例中,在上述基于土壤元素含量检测的数据处理方法中,所述基于所述含量信息与所述历史含量信息之间的匹配度,确定所述含量信息的有效程度表征信息的步骤,包括:
基于所述含量信息与所述历史含量信息之间的匹配度确定出具有正相关关系的一信息表征值;
将所述信息表征值确定为所述含量信息的有效程度表征信息。
本发明实施例还提供一种基于土壤元素含量检测的数据处理系统,应用于数据检测后台服务器,所述基于土壤元素含量检测的数据处理系统包括:
含量信息确定模块,用于基于预先训练得到的土壤元素含量检测模型对获取的多帧土壤信息采集图像进行检测处理,得到目标土壤区域中铁的氧化物的含量信息,其中,所述数据检测后台服务器通信连接有目标信息采集设备,用于对所述目标土壤区域进行图像信息采集,得到所述多帧土壤信息采集图像,所述土壤元素含量检测模型为神经网络模型,在所述目标土壤区域中铁的氧化物的含量信息不同时,所述目标土壤区域具有不同的颜色;
含量匹配度确定模块,用于获取在历史上对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,并确定所述含量信息与所述历史含量信息之间的匹配度;
含量有效性确定模块,用于基于所述含量信息与所述历史含量信息之间的匹配度,确定所述含量信息的有效程度表征信息,其中,所述有效程度表征信息用于表征基于所述土壤元素含量检测模型检测得到的所述含量信息的准确度。
在一些优选的实施例中,在上述基于土壤元素含量检测的数据处理系统中,所述含量匹配度确定模块包括:
信息获取子模块,用于获取在历史上每一次对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,得到至少一条历史含量信息,并确定所述至少一条历史含量信息的数量,得到对应的第一信息数量;
数量大小确定子模块,用于确定所述第一信息数量与预先配置的信息数量阈值之间的大小关系;
信息确定子模块,用于若所述第一信息数量小于或等于所述信息数量阈值,则将所述第一信息数量条历史含量信息确定为目标历史含量信息,若所述第一信息数量大于所述信息数量阈值,则在所述第一信息数量条历史含量信息中,确定出对应的时间最晚的所述信息数量阈值条历史含量信息,作为目标历史含量信息;
匹配度计算子模块,用于计算所述含量信息与所述目标历史含量信息之间的匹配度。
在一些优选的实施例中,在上述基于土壤元素含量检测的数据处理系统中,所述含量有效性确定模块包括:
表征值确定子模块,用于基于所述含量信息与所述历史含量信息之间的匹配度确定出具有正相关关系的一信息表征值;
有效性确定子模块,用于将所述信息表征值确定为所述含量信息的有效程度表征信息。
本发明实施例提供的一种基于土壤元素含量检测的数据处理方法及系统,在基于土壤元素含量检测模型对获取的多帧土壤信息采集图像进行检测处理得到目标土壤区域中铁的氧化物的含量信息之后,由于基于该检测方式,可以使得检测的便利性较高,便于在历史上形成较多的历史含量信息,因而,可以先确定含量信息与历史含量信息之间的匹配度,使得可以基于含量信息与历史含量信息之间的匹配度,确定含量信息的有效程度表征信息,即可靠度确定检测得到的元素含量的有效性,从而改善现有技术中难以有效确定检测得到的元素含量的有效性的问题。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的数据检测后台服务器的示意图。
图2为本发明实施例提供的基于土壤元素含量检测的数据处理方法的示意图。
图3为本发明实施例提供的基于土壤元素含量检测的数据处理系统的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种数据检测后台服务器。其中,所述数据检测后台服务器可以包括存储器和处理器。
详细地,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例(如后文所述)提供的基于土壤元素含量检测的数据处理方法。
可选地,在一种可以替代的示例中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可选地,在一种可以替代的示例中,图1所示的结构仅为示意,所述数据检测后台服务器还可包括比图1中所示更多或者更少的组件,例如,可以包括用于与其它设备进行信息交互的通信单元。
结合图2,本发明实施例还提供一种基于土壤元素含量检测的数据处理方法,可应用于上述数据检测后台服务器。其中,所述基于土壤元素含量检测的数据处理方法有关的流程所定义的方法步骤,可以由所述数据检测后台服务器实现。
下面将对图2所示的具体流程,进行详细阐述。
步骤S100,基于土壤元素含量检测模型对获取的多帧土壤信息采集图像进行检测处理,得到目标土壤区域中铁的氧化物的含量信息。
在本发明实施例中,所述数据检测后台服务器可以基于预先训练得到的土壤元素含量检测模型对获取的多帧土壤信息采集图像进行检测处理,得到目标土壤区域中铁的氧化物的含量信息。其中,所述数据检测后台服务器通信连接有目标信息采集设备,用于对所述目标土壤区域进行图像信息采集,得到所述多帧土壤信息采集图像,所述土壤元素含量检测模型为神经网络模型,在所述目标土壤区域中铁的氧化物的含量信息不同时,所述目标土壤区域具有不同的颜色。
步骤S200,获取在历史上对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,并确定所述含量信息与所述历史含量信息之间的匹配度。
在本发明实施例中,所述数据检测后台服务器可以获取在历史上对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,并确定所述含量信息与所述历史含量信息之间的匹配度。
步骤S300,基于所述含量信息与所述历史含量信息之间的匹配度,确定所述含量信息的有效程度表征信息。
在本发明实施例中,所述数据检测后台服务器可以基于所述含量信息与所述历史含量信息之间的匹配度,确定所述含量信息的有效程度表征信息。其中,所述有效程度表征信息用于表征基于所述土壤元素含量检测模型检测得到的所述含量信息的准确度。
基于上述方法包括的各步骤(如步骤S100、步骤S200和步骤S300),一种基于土壤元素含量检测的数据处理方法及系统,在基于土壤元素含量检测模型对获取的多帧土壤信息采集图像进行检测处理得到目标土壤区域中铁的氧化物的含量信息之后,由于基于该检测方式,可以使得检测的便利性较高,便于在历史上形成较多的历史含量信息,因而,可以先确定含量信息与历史含量信息之间的匹配度,使得可以基于含量信息与历史含量信息之间的匹配度,确定含量信息的有效程度表征信息,即可靠度确定检测得到的元素含量的有效性,从而改善现有技术中难以有效确定检测得到的元素含量的有效性的问题。
可选地,在一种可以替代的示例中,步骤S100可以包括如下所述的步骤S110、步骤S120和步骤S130。
步骤S110,获取目标信息采集设备发送的多帧土壤信息采集图像。
在本发明实施例中,所述数据检测后台服务器可以获取目标信息采集设备发送的多帧土壤信息采集图像。其中,所述目标信息采集设备与所述数据检测后台服务器通信连接,且所述目标信息采集设备用于对目标土壤区域进行图像信息采集,得到所述多帧土壤信息采集图像,并将所述多帧土壤信息采集图像发送给所述数据检测后台服务器。
步骤S120,对所述多帧土壤信息采集图像进行筛选处理,得到所述多帧土壤信息采集图像对应的多帧目标土壤信息采集图像。
在本发明实施例中,所述数据检测后台服务器可以对获取的所述多帧土壤信息采集图像进行筛选处理,得到所述多帧土壤信息采集图像对应的多帧目标土壤信息采集图像。
步骤S130,基于土壤元素含量检测模型对所述多帧目标土壤信息采集图像进行检测处理,得到所述目标土壤区域中铁的氧化物的含量信息。
在本发明实施例中,所述数据检测后台服务器可以基于预先训练得到的土壤元素含量检测模型对筛选得到的所述多帧目标土壤信息采集图像进行检测处理,得到所述目标土壤区域中铁的氧化物的含量信息。其中,所述土壤元素含量检测模型为神经网络模型,且在所述目标土壤区域中铁的氧化物的含量信息不同时,所述目标土壤区域具有不同的颜色,即通过所述土壤元素含量检测模型进行颜色识别,以得到铁的氧化物的含量信息。
基于上述方法包括的各步骤(如步骤S110、步骤S120和步骤S130),通过获取目标土壤区域的多帧土壤信息采集图像,并对土壤信息采集图像进行筛选处理得到对应的目标土壤信息采集图像,使得可以基于预先训练得到的土壤元素含量检测模型对目标土壤信息采集图像进行检测处理得到目标土壤区域中铁的氧化物的含量信息,如此,不需要对目标土壤区域的土壤进行采样,也不需要在实验室中通过专门的实验器件,就能够高效地确定目标土壤区域中铁的氧化物的含量信息,操作非常方便,因而,可以改善现有技术中对土壤元素含量检测的操作便捷性不高的问题。
可选地,在一种可以替代的示例中,步骤S110可以包括以下步骤:
第一步,判断是否需要对目标土壤区域的土壤元素含量进行检测;
第二步,若判定需要对所述目标土壤区域的土壤元素含量进行检测,则生成对应的元素含量检测通知信息,并将所述元素含量检测通知信息发送给所述目标土壤区域对应的目标信息采集设备,其中,所述目标信息采集设备用于在接收到所述元素含量检测通知信息之后,对所述元素含量检测通知信息进行解析处理,以得到进行图像信息采集的多个采集角度信息,并基于所述多个采集角度信息(如镜头的朝向与所述目标土壤区域所在的平面的角度可以为90度、60度、45度、30度等)分别对所述目标土壤区域进行图像信息采集,得到每一个所述采集角度信息对应的多帧土壤信息采集图像;
第三步,获取所述目标信息采集设备基于所述元素含量检测通知信息采集并发送的所述多帧土壤信息采集图像。
可选地,在一种可以替代的示例中,步骤S120可以包括以下步骤:
第一步,基于所述多帧土壤信息采集图像中的每一帧土壤信息采集图像对应的采集角度信息进行分类,得到对应的多个采集图像分类,其中,属于同一个所述采集图像分类的任意两帧所述土壤信息采集图像对应的采集角度信息相同,属于不同的任意两个所述采集图像分类的任意两帧所述土壤信息采集图像对应的采集角度信息不同;
第二步,针对每一个所述采集图像分类,基于每一帧所述土壤信息采集图像对应的采集时间,对该采集图像分类包括的每一帧所述土壤信息采集图像进行排序,得到该采集图像分类对应的采集图像序列;
第三步,针对每一个所述采集图像序列,对该采集图像序列包括的土壤信息采集图像进行筛选,得到对应的目标土壤信息采集图像。
可选地,在一种可以替代的示例中,所述针对每一个所述采集图像序列,对该采集图像序列包括的土壤信息采集图像进行筛选,得到对应的目标土壤信息采集图像的步骤,可以包括以下步骤:
第一步,针对每一个所述采集图像序列,计算该采集图像序列包括的每两帧所述土壤信息采集图像之间的图像相似度,并基于所述图像相似度确定出该采集图像序列对应的代表土壤信息采集图像;
第二步,针对每一个所述采集图像序列,基于该采集图像序列对应的所述代表土壤信息采集图像对该采集图像序列包括的所述土壤信息采集图像进行筛选,得到该采集图像序列对应的目标土壤信息采集图像。
可选地,在一种可以替代的示例中,所述针对每一个所述采集图像序列,基于该采集图像序列对应的所述代表土壤信息采集图像对该采集图像序列包括的所述土壤信息采集图像进行筛选,得到该采集图像序列对应的目标土壤信息采集图像的步骤,包括:
第一步,针对每一个所述采集图像序列中的每一帧所述土壤信息采集图像,基于该土壤信息采集图像与该土壤信息采集图像对应的所述代表土壤信息采集图像之间的图像相似度,确定该土壤信息采集图像对应的图像筛选优先级信息(如图像相似度越低,对应的图像筛选优先级信息越高吧),并针对每一个所述采集图像序列,基于该采集图像序列中各所述土壤信息采集图像的排序位置,对该采集图像序列中各所述土壤信息采集图像对应的所述图像筛选优先级信息进行排序,得到该采集图像序列对应的图像筛选优先级信息序列;
第二步,基于对应的采集角度信息对所述采集图像序列进行分类,得到对应的多个第一采集图像序列和对应的多个第二采集图像序列,并针对每一个所述第二采集图像序列,基于该第二采集图像序列对应的图像筛选优先级信息序列中各图像筛选优先级信息表征的筛选优先级对该图像筛选优先级信息序列进行更新处理,得到图像筛选优先级信息更新序列,其中,每一个所述第一采集图像序列对应的所述采集角度信息不满足预先配置的角度条件,每一个所述第二采集图像序列对应的所述采集角度信息满足预先配置的角度条件(如角度大于一预设角度等);
第三步,针对每一个所述第一采集图像序列,基于预设序列长度对该第一采集图像序列对应的所述图像筛选优先级信息序列进行分割,得到该图像筛选优先级信息序列对应的至少两个图像筛选优先级信息子序列,并对该预设序列长度进行至少一次更新处理,以及,基于每一次更新后的预设序列长度对该图像筛选优先级信息序列再次进行分割,得到该图像筛选优先级信息序列对应的至少两个图像筛选优先级信息更新子序列;
第四步,针对每一个所述第一采集图像序列,计算该第一采集图像序列对应的所述图像筛选优先级信息序列对应的所述至少两个图像筛选优先级信息子序列中每一个图像筛选优先级信息子序列包括的图像筛选优先级信息的优先级离散度(可以参照现有的数据离散度计算方式),并针对每一次得到的所述至少两个图像筛选优先级信息更新子序列,计算该次得到的所述至少两个图像筛选优先级信息更新子序列中每一个图像筛选优先级信息更新子序列包括的图像筛选优先级信息的优先级离散度;
第五步,针对每一个所述第一采集图像序列,确定该第一采集图像序列对应的所述图像筛选优先级信息序列对应的具有最大平均值的优先级离散度(即先计算对应的至少两个图像筛选优先级信息子序列或对应的至少两个图像筛选优先级信息更新子序列的优先级离散度的平均值)对应的所述至少两个图像筛选优先级信息子序列或对应的所述至少两个图像筛选优先级信息更新子序列,并统计确定出的所述至少两个图像筛选优先级信息子序列或所述至少两个图像筛选优先级信息更新子序列的序列数量;
第六步,针对每一个所述第一采集图像序列,基于该第一采集图像序列对应的所述序列数量作为采样参数,对该第一采集图像序列包括的所述土壤信息采集图像进行采样处理,得到该第一采集图像序列对应的目标土壤信息采集图像(如每间隔所述序列数量确定出一帧目标土壤信息采集图像),并基于该第一采集图像序列对应的所述目标土壤信息采集图像的数量,得到对应的第一图像数量;
第七步,确定出具有最大值的所述第一图像数量,并针对每一个所述第二采集图像序列,基于所述具有最大值的所述第一图像数量,在该第二采集图像序列中,按照该第二采集图像序列对应的所述图像筛选优先级信息更新序列,对该第二采集图像序列包括的所述土壤信息采集图像进行筛选处理,得到该第二采集图像序列对应的目标土壤信息采集图像(即选取优先级最低的土壤信息采集图像作为目标土壤信息采集图像)。
可选地,在一种可以替代的示例中,步骤S130可以包括以下步骤:
首先,针对所述多帧目标土壤信息采集图像中每一帧目标土壤信息采集图像,基于预先训练得到的第一土壤元素含量检测模型对该目标土壤信息采集图像进行识别处理,得到该目标土壤信息采集图像的图像标识信息,其中,所述图像标识信息用于表征所述目标土壤区域中的铁的氧化物的种类信息,所述铁的氧化物的种类信息包括氧化铁(主要包括氧化铁时,对应的颜色可以为棕红色)、水化氧化铁(对应的颜色可以为黄色)和氧化亚铁(对应的颜色可以为灰蓝色);
其次,基于所述图像标识信息对所述多帧目标土壤信息采集图像进行分类,得到对应的至少一个采集图像集合(如上述三种种类信息分别对应一个),其中,属于同一个所述采集图像集合的任意两帧所述目标土壤信息采集图像对应的所述图像标识信息相同,且在存在多个所述采集图像集合时,属于不同的任意两个所述采集图像集合的任意两帧所述目标土壤信息采集图像对应的所述图像标识信息不同;
然后,分别统计每一个所述采集图像集合包括的所述目标土壤信息采集图像的帧数,得到每一个所述采集图像集合对应的图像帧数信息,并确定出具有最大值的图像帧数信息;
之后,将所述具有最大值的图像帧数信息对应的采集图像集合确定为目标采集图像集合,并将所述目标采集图像集合对应的所述图像标识信息确定为目标图像标识信息;
最后,基于预先训练得到的所述目标图像标识信息对应的第二土壤元素含量检测模型对所述目标采集图像集合包括的目标土壤信息采集图像进行识别处理,得到所述目标土壤区域中铁的氧化物的含量信息。
可选地,在一种可以替代的示例中,所述针对所述多帧目标土壤信息采集图像中每一帧目标土壤信息采集图像,基于预先训练得到的第一土壤元素含量检测模型对该目标土壤信息采集图像进行识别处理,得到该目标土壤信息采集图像的图像标识信息的步骤,可以包括以下步骤:
首先,获取多帧第一土壤信息样本图像、多帧第二土壤信息样本图像和多帧第三土壤信息样本图像,其中,所述多帧第一土壤信息样本图像基于在所述目标土壤区域中含有氧化铁时进行图像信息采集得到,所述多帧第二土壤信息样本图像基于在所述目标土壤区域中含有水化氧化铁时进行图像信息采集得到,所述多帧第三土壤信息样本图像基于在所述目标土壤区域中含有氧化亚铁时进行图像信息采集得到;
其次,基于所述多帧第一土壤信息样本图像、所述多帧第二土壤信息样本图像和所述多帧第三土壤信息样本图像对预先构建的第一神经网络模型进行训练得到第一土壤元素含量检测模型,其中,所述第一神经网络模型为多类分类神经网络模型;
然后,针对所述多帧目标土壤信息采集图像中每一帧目标土壤信息采集图像,基于所述第一土壤元素含量检测模型对该目标土壤信息采集图像进行识别处理,得到该目标土壤信息采集图像的图像标识信息。
可选地,在一种可以替代的示例中,所述基于预先训练得到的所述目标图像标识信息对应的第二土壤元素含量检测模型对所述目标采集图像集合包括的目标土壤信息采集图像进行识别处理,得到所述目标土壤区域中铁的氧化物的含量信息的步骤,可以包括以下步骤:
首先,获取多帧第四土壤信息样本图像、多帧第五土壤信息样本图像和多帧第六土壤信息样本图像,其中,所述多帧第四土壤信息样本图像基于在所述目标土壤区域中含有多种不同含量的氧化铁时分别进行图像信息采集得到,所述多帧第五土壤信息样本图像基于在所述目标土壤区域中含有多种不同含量的水化氧化铁时分别进行图像信息采集得到,所述多帧第六土壤信息样本图像基于在所述目标土壤区域中含有多种不同含量的氧化亚铁时分别进行图像信息采集得到;
其次,基于所述多帧第四土壤信息样本图像对预先构建的第二神经网络模型进行训练得到对应的第二土壤元素含量检测模型,并基于所述多帧第五土壤信息样本图像对预先构建的第二神经网络模型进行训练得到对应的第二土壤元素含量检测模型,以及基于所述多帧第六土壤信息样本图像对预先构建的第二神经网络模型进行训练得到对应的第二土壤元素含量检测模型,其中,所述第二神经网络模型为多类分类神经网络模型;
然后,在训练得到的多个所述第二土壤元素含量检测模型中,确定所述目标图像标识信息对应的第二土壤元素含量检测模型,并基于该第二土壤元素含量检测模型对所述目标采集图像集合包括的目标土壤信息采集图像进行识别处理,得到所述目标土壤区域中铁的氧化物的含量信息。
可选地,在一种可以替代的示例中,步骤200可以包括以下步骤:
首先,获取在历史上每一次对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,得到至少一条历史含量信息,并确定所述至少一条历史含量信息的数量,得到对应的第一信息数量,以及,确定所述第一信息数量与预先配置的信息数量阈值之间的大小关系;
其次,若所述第一信息数量小于或等于所述信息数量阈值,则将所述第一信息数量条历史含量信息确定为目标历史含量信息;
然后,若所述第一信息数量大于所述信息数量阈值,则在所述第一信息数量条历史含量信息中,确定出对应的时间最晚的所述信息数量阈值条历史含量信息,作为目标历史含量信息;
最后,计算所述含量信息与所述目标历史含量信息之间的匹配度。
可选地,在一种可以替代的示例中,所述计算所述含量信息与所述目标历史含量信息之间的匹配度的步骤,可以包括以下步骤:
首先,对得到的至少一条所述目标历史含量信息进行特征提取处理,得到所述目标历史含量信息对应的目标含量特征信息;
其次,计算所述含量信息与所述目标含量特征信息之间的匹配度,作为所述含量信息与所述目标历史含量信息之间的匹配度。
可选地,在一种可以替代的示例中,所述对得到的至少一条所述目标历史含量信息进行特征提取处理,得到所述目标历史含量信息对应的目标含量特征信息的步骤,可以包括以下步骤:
第一步,确定所述目标历史含量信息的数量与预先配置的第一信息数量阈值之间的大小关系,其中,所述第一信息数量阈值小于所述信息数量阈值;
第二步,若所述目标历史含量信息的数量小于所述第一信息数量阈值,则计算所述目标历史含量信息的平均值,并确定所述目标历史含量信息中的最大值、确定所述目标历史含量信息中的最小值,以及,将所述目标历史含量信息的平均值、所述目标历史含量信息中的最大值、所述目标历史含量信息中的最小值,分别确定为第一含量特征信息、第二含量特征信息和第三含量特征信息,以作为所述目标历史含量信息对应的目标含量特征信息;
第三步,若所述目标历史含量信息的数量大小或等于所述第一信息数量阈值,则计算所述目标历史含量信息的平均值,并计算每一条所述目标历史含量信息与所述目标历史含量信息的平均值之间的差值绝对值,以及对计算得到的所述差值绝对值进行均值计算,得到对应的目标含量离散值;
第四步,确定所述目标含量离散值与预先设置的离散值阈值之间的大小关系;
第五步,若所述目标含量离散值小于所述离散值阈值,则将所述目标历史含量信息的平均值、所述目标历史含量信息中的最大值、所述目标历史含量信息中的最小值,分别确定为第一含量特征信息、第二含量特征信息和第三含量特征信息,以作为所述目标历史含量信息对应的目标含量特征信息;
第六步,若所述目标含量离散值大于或等于所述离散值阈值,则按照对应的时间先后关系对多条所述目标历史含量信息进行曲线拟合处理,得到所述多条所述目标历史含量信息对应的拟合曲线信息,并将所述拟合曲线信息确定为所述目标历史含量信息对应的目标含量特征信息。
可选地,在一种可以替代的示例中,所述计算所述含量信息与所述目标含量特征信息之间的匹配度,作为所述含量信息与所述目标历史含量信息之间的匹配度的步骤,可以包括以下步骤:
首先,若所述目标含量特征信息包括所述第一含量特征信息、所述第二含量特征信息和所述第三含量特征信息,则分别计算所述含量信息与所述第一含量特征信息、所述第二含量特征信息和所述第三含量特征信息之间的相似度(如先计算之间的差值,并将差值的负相关值作为相似度),得到对应的第一信息相似度、第二信息相似度和第三信息相似度;
其次,对所述第一信息相似度、所述第二信息相似度和所述第三信息相似度进行加权求和处理,得到对应的信息相似度加权值,并将所述信息相似度加权值作为所述含量信息与所述目标历史含量信息之间的匹配度,其中,所述第一信息相似度对应的权重系数大于所述第二信息相似度对应的权重系数,且大于所述第三信息相似度对应的权重系数。
可选地,在另一种可以替代的示例中,所述计算所述含量信息与所述目标含量特征信息之间的匹配度,作为所述含量信息与所述目标历史含量信息之间的匹配度的步骤,可以包括以下步骤:
首先,若所述目标含量特征信息为所述拟合曲线信息,则基于所述拟合曲线信息进行含量预测,得到对应的含量预测信息;
其次,计算所述含量信息与所述含量预测信息之间的信息相似度,并将所述信息相似度确定为所述含量信息与所述目标历史含量信息之间的匹配度(如先计算之间的差值,并将差值的负相关值作为匹配度)。
可选地,在一种可以替代的示例中,步骤300可以包括以下步骤:
首先,基于所述含量信息与所述历史含量信息之间的匹配度确定出具有正相关关系的一信息表征值;其次,将所述信息表征值确定为所述含量信息的有效程度表征信息(即所述含量信息与所述历史含量信息之间的匹配度越高,所述含量信息的有效程度越高)。
结合图3,本发明实施例还提供一种基于土壤元素含量检测的数据处理系统,可应用于上述数据检测后台服务器。其中,所述基于土壤元素含量检测的数据处理系统可以包括:
含量信息确定模块,用于基于预先训练得到的土壤元素含量检测模型对获取的多帧土壤信息采集图像进行检测处理,得到目标土壤区域中铁的氧化物的含量信息,其中,所述数据检测后台服务器通信连接有目标信息采集设备,用于对所述目标土壤区域进行图像信息采集,得到所述多帧土壤信息采集图像,所述土壤元素含量检测模型为神经网络模型,在所述目标土壤区域中铁的氧化物的含量信息不同时,所述目标土壤区域具有不同的颜色;
含量匹配度确定模块,用于获取在历史上对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,并确定所述含量信息与所述历史含量信息之间的匹配度;
含量有效性确定模块,用于基于所述含量信息与所述历史含量信息之间的匹配度,确定所述含量信息的有效程度表征信息,其中,所述有效程度表征信息用于表征基于所述土壤元素含量检测模型检测得到的所述含量信息的准确度。
可选地,在一种可以替代的示例中,所述含量匹配度确定模块包括:
信息获取子模块,用于获取在历史上每一次对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,得到至少一条历史含量信息,并确定所述至少一条历史含量信息的数量,得到对应的第一信息数量;
数量大小确定子模块,用于确定所述第一信息数量与预先配置的信息数量阈值之间的大小关系;
信息确定子模块,用于若所述第一信息数量小于或等于所述信息数量阈值,则将所述第一信息数量条历史含量信息确定为目标历史含量信息,若所述第一信息数量大于所述信息数量阈值,则在所述第一信息数量条历史含量信息中,确定出对应的时间最晚的所述信息数量阈值条历史含量信息,作为目标历史含量信息;
匹配度计算子模块,用于计算所述含量信息与所述目标历史含量信息之间的匹配度。
可选地,在一种可以替代的示例中,所述含量有效性确定模块包括:
表征值确定子模块,用于基于所述含量信息与所述历史含量信息之间的匹配度确定出具有正相关关系的一信息表征值;
有效性确定子模块,用于将所述信息表征值确定为所述含量信息的有效程度表征信息。
综上所述,本发明提供的一种基于土壤元素含量检测的数据处理方法及系统,在基于土壤元素含量检测模型对获取的多帧土壤信息采集图像进行检测处理得到目标土壤区域中铁的氧化物的含量信息之后,由于基于该检测方式,可以使得检测的便利性较高,便于在历史上形成较多的历史含量信息,因而,可以先确定含量信息与历史含量信息之间的匹配度,使得可以基于含量信息与历史含量信息之间的匹配度,确定含量信息的有效程度表征信息,即可靠度确定检测得到的元素含量的有效性,从而改善现有技术中难以有效确定检测得到的元素含量的有效性的问题。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于土壤元素含量检测的数据处理方法,其特征在于,应用于数据检测后台服务器,所述基于土壤元素含量检测的数据处理方法包括:
基于预先训练得到的土壤元素含量检测模型对获取的多帧土壤信息采集图像进行检测处理,得到目标土壤区域中铁的氧化物的含量信息,其中,所述数据检测后台服务器通信连接有目标信息采集设备,用于对所述目标土壤区域进行图像信息采集,得到所述多帧土壤信息采集图像,所述土壤元素含量检测模型为神经网络模型,在所述目标土壤区域中铁的氧化物的含量信息不同时,所述目标土壤区域具有不同的颜色;
获取在历史上对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,并确定所述含量信息与所述历史含量信息之间的匹配度;
基于所述含量信息与所述历史含量信息之间的匹配度,确定所述含量信息的有效程度表征信息,其中,所述有效程度表征信息用于表征基于所述土壤元素含量检测模型检测得到的所述含量信息的准确度。
2.如权利要求1所述的基于土壤元素含量检测的数据处理方法,其特征在于,所述获取在历史上对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,并确定所述含量信息与所述历史含量信息之间的匹配度的步骤,包括:
获取在历史上每一次对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,得到至少一条历史含量信息,并确定所述至少一条历史含量信息的数量,得到对应的第一信息数量;
确定所述第一信息数量与预先配置的信息数量阈值之间的大小关系;
若所述第一信息数量小于或等于所述信息数量阈值,则将所述第一信息数量条历史含量信息确定为目标历史含量信息;
若所述第一信息数量大于所述信息数量阈值,则在所述第一信息数量条历史含量信息中,确定出对应的时间最晚的所述信息数量阈值条历史含量信息,作为目标历史含量信息;
计算所述含量信息与所述目标历史含量信息之间的匹配度。
3.如权利要求2所述的基于土壤元素含量检测的数据处理方法,其特征在于,所述计算所述含量信息与所述目标历史含量信息之间的匹配度的步骤,包括:
对得到的至少一条所述目标历史含量信息进行特征提取处理,得到所述目标历史含量信息对应的目标含量特征信息;
计算所述含量信息与所述目标含量特征信息之间的匹配度,作为所述含量信息与所述目标历史含量信息之间的匹配度。
4.如权利要求3所述的基于土壤元素含量检测的数据处理方法,其特征在于,所述对得到的至少一条所述目标历史含量信息进行特征提取处理,得到所述目标历史含量信息对应的目标含量特征信息的步骤,包括:
确定所述目标历史含量信息的数量与预先配置的第一信息数量阈值之间的大小关系,其中,所述第一信息数量阈值小于所述信息数量阈值;
若所述目标历史含量信息的数量小于所述第一信息数量阈值,则计算所述目标历史含量信息的平均值,并确定所述目标历史含量信息中的最大值、确定所述目标历史含量信息中的最小值,以及,将所述目标历史含量信息的平均值、所述目标历史含量信息中的最大值、所述目标历史含量信息中的最小值,分别确定为第一含量特征信息、第二含量特征信息和第三含量特征信息,以作为所述目标历史含量信息对应的目标含量特征信息;
若所述目标历史含量信息的数量大小或等于所述第一信息数量阈值,则计算所述目标历史含量信息的平均值,并计算每一条所述目标历史含量信息与所述目标历史含量信息的平均值之间的差值绝对值,以及对计算得到的所述差值绝对值进行均值计算,得到对应的目标含量离散值;
确定所述目标含量离散值与预先设置的离散值阈值之间的大小关系;
若所述目标含量离散值小于所述离散值阈值,则将所述目标历史含量信息的平均值、所述目标历史含量信息中的最大值、所述目标历史含量信息中的最小值,分别确定为第一含量特征信息、第二含量特征信息和第三含量特征信息,以作为所述目标历史含量信息对应的目标含量特征信息;
若所述目标含量离散值大于或等于所述离散值阈值,则按照对应的时间先后关系对多条所述目标历史含量信息进行曲线拟合处理,得到所述多条所述目标历史含量信息对应的拟合曲线信息,并将所述拟合曲线信息确定为所述目标历史含量信息对应的目标含量特征信息。
5.如权利要求4所述的基于土壤元素含量检测的数据处理方法,其特征在于,所述计算所述含量信息与所述目标含量特征信息之间的匹配度,作为所述含量信息与所述目标历史含量信息之间的匹配度的步骤,包括:
若所述目标含量特征信息包括所述第一含量特征信息、所述第二含量特征信息和所述第三含量特征信息,则分别计算所述含量信息与所述第一含量特征信息、所述第二含量特征信息和所述第三含量特征信息之间的相似度,得到对应的第一信息相似度、第二信息相似度和第三信息相似度;
对所述第一信息相似度、所述第二信息相似度和所述第三信息相似度进行加权求和处理,得到对应的信息相似度加权值,并将所述信息相似度加权值作为所述含量信息与所述目标历史含量信息之间的匹配度,其中,所述第一信息相似度对应的权重系数大于所述第二信息相似度对应的权重系数,且大于所述第三信息相似度对应的权重系数。
6.如权利要求4所述的基于土壤元素含量检测的数据处理方法,其特征在于,所述计算所述含量信息与所述目标含量特征信息之间的匹配度,作为所述含量信息与所述目标历史含量信息之间的匹配度的步骤,包括:
若所述目标含量特征信息为所述拟合曲线信息,则基于所述拟合曲线信息进行含量预测,得到对应的含量预测信息;
计算所述含量信息与所述含量预测信息之间的信息相似度,并将所述信息相似度确定为所述含量信息与所述目标历史含量信息之间的匹配度。
7.如权利要求1-6任意一项所述的基于土壤元素含量检测的数据处理方法,其特征在于,所述基于所述含量信息与所述历史含量信息之间的匹配度,确定所述含量信息的有效程度表征信息的步骤,包括:
基于所述含量信息与所述历史含量信息之间的匹配度确定出具有正相关关系的一信息表征值;
将所述信息表征值确定为所述含量信息的有效程度表征信息。
8.一种基于土壤元素含量检测的数据处理系统,其特征在于,应用于数据检测后台服务器,所述基于土壤元素含量检测的数据处理系统包括:
含量信息确定模块,用于基于预先训练得到的土壤元素含量检测模型对获取的多帧土壤信息采集图像进行检测处理,得到目标土壤区域中铁的氧化物的含量信息,其中,所述数据检测后台服务器通信连接有目标信息采集设备,用于对所述目标土壤区域进行图像信息采集,得到所述多帧土壤信息采集图像,所述土壤元素含量检测模型为神经网络模型,在所述目标土壤区域中铁的氧化物的含量信息不同时,所述目标土壤区域具有不同的颜色;
含量匹配度确定模块,用于获取在历史上对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,并确定所述含量信息与所述历史含量信息之间的匹配度;
含量有效性确定模块,用于基于所述含量信息与所述历史含量信息之间的匹配度,确定所述含量信息的有效程度表征信息,其中,所述有效程度表征信息用于表征基于所述土壤元素含量检测模型检测得到的所述含量信息的准确度。
9.如权利要求8所述的基于土壤元素含量检测的数据处理系统,其特征在于,所述含量匹配度确定模块包括:
信息获取子模块,用于获取在历史上每一次对所述目标土壤区域中铁的氧化物进行含量检测得到的历史含量信息,得到至少一条历史含量信息,并确定所述至少一条历史含量信息的数量,得到对应的第一信息数量;
数量大小确定子模块,用于确定所述第一信息数量与预先配置的信息数量阈值之间的大小关系;
信息确定子模块,用于若所述第一信息数量小于或等于所述信息数量阈值,则将所述第一信息数量条历史含量信息确定为目标历史含量信息,若所述第一信息数量大于所述信息数量阈值,则在所述第一信息数量条历史含量信息中,确定出对应的时间最晚的所述信息数量阈值条历史含量信息,作为目标历史含量信息;
匹配度计算子模块,用于计算所述含量信息与所述目标历史含量信息之间的匹配度。
10.如权利要求8所述的基于土壤元素含量检测的数据处理系统,其特征在于,所述含量有效性确定模块包括:
表征值确定子模块,用于基于所述含量信息与所述历史含量信息之间的匹配度确定出具有正相关关系的一信息表征值;
有效性确定子模块,用于将所述信息表征值确定为所述含量信息的有效程度表征信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111033245.0A CN113869327A (zh) | 2021-09-03 | 2021-09-03 | 一种基于土壤元素含量检测的数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111033245.0A CN113869327A (zh) | 2021-09-03 | 2021-09-03 | 一种基于土壤元素含量检测的数据处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113869327A true CN113869327A (zh) | 2021-12-31 |
Family
ID=78989558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111033245.0A Withdrawn CN113869327A (zh) | 2021-09-03 | 2021-09-03 | 一种基于土壤元素含量检测的数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113869327A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082711A (zh) * | 2022-08-22 | 2022-09-20 | 广东新禾道信息科技有限公司 | 土壤普查数据处理方法、系统及云平台 |
CN116886424A (zh) * | 2023-08-15 | 2023-10-13 | 哈尔滨雷风恒科技开发有限公司 | 基于计算机大数据的数字化传输安全分析系统及方法 |
-
2021
- 2021-09-03 CN CN202111033245.0A patent/CN113869327A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082711A (zh) * | 2022-08-22 | 2022-09-20 | 广东新禾道信息科技有限公司 | 土壤普查数据处理方法、系统及云平台 |
CN115082711B (zh) * | 2022-08-22 | 2022-11-11 | 广东新禾道信息科技有限公司 | 土壤普查数据处理方法、系统及云平台 |
CN116886424A (zh) * | 2023-08-15 | 2023-10-13 | 哈尔滨雷风恒科技开发有限公司 | 基于计算机大数据的数字化传输安全分析系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tomari et al. | Computer aided system for red blood cell classification in blood smear image | |
CN113869327A (zh) | 一种基于土壤元素含量检测的数据处理方法及系统 | |
CN111709374A (zh) | 鸟情检测方法、装置、计算机设备及存储介质 | |
CN108304816B (zh) | 身份识别方法、装置、存储介质及电子设备 | |
CN108182444A (zh) | 基于场景分类的视频质量诊断的方法及装置 | |
CN111008953A (zh) | 一种数字病理图像质控的方法及装置 | |
CN113837242A (zh) | 一种土壤元素含量检测方法及系统 | |
CN113723467A (zh) | 用于缺陷检测的样本收集方法、装置和设备 | |
CN116821777B (zh) | 一种新型基础测绘数据整合方法及系统 | |
CN114332058A (zh) | 基于神经网络的血清质量识别方法、装置、设备及介质 | |
CN113848305A (zh) | 一种基于土壤元素含量检测的区域标识方法及系统 | |
CN112232206B (zh) | 基于大数据和人工智能的人脸识别方法和人脸识别平台 | |
CN113902993A (zh) | 一种基于环境监测的环境状态分析方法及系统 | |
CN115620211B (zh) | 阻燃低烟无卤护套的性能数据处理方法及系统 | |
CN108900538B (zh) | 一种工控信号检测方法和装置 | |
CN115601564B (zh) | 基于图像识别的胶体轮廓检测方法及系统 | |
CN115484044A (zh) | 一种数据状态的监控方法及系统 | |
CN113808088A (zh) | 一种污染检测方法及系统 | |
CN113672443A (zh) | 一种基于芯片检测的用户行为分析方法及系统 | |
CN113804235A (zh) | 一种环境检测方法及系统 | |
CN113570585A (zh) | 小肠状态异常检测方法、装置及电子设备 | |
CN113865634A (zh) | 一种基于环境检测的检测设备精度确定方法及系统 | |
CN115620210B (zh) | 基于图像处理的电子线料的性能确定方法及系统 | |
CN113702738A (zh) | 一种基于电子元件性能数据的检测方法及系统 | |
CN117150065B (zh) | 一种图像信息的采集方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211231 |
|
WW01 | Invention patent application withdrawn after publication |