CN114418040A - 一种园林绿化养护监测及预警的方法与系统 - Google Patents
一种园林绿化养护监测及预警的方法与系统 Download PDFInfo
- Publication number
- CN114418040A CN114418040A CN202210327631.9A CN202210327631A CN114418040A CN 114418040 A CN114418040 A CN 114418040A CN 202210327631 A CN202210327631 A CN 202210327631A CN 114418040 A CN114418040 A CN 114418040A
- Authority
- CN
- China
- Prior art keywords
- information
- green plant
- green
- pest
- early warning
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 241001464837 Viridiplantae Species 0.000 claims abstract description 253
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 141
- 230000012010 growth Effects 0.000 claims abstract description 90
- 238000003973 irrigation Methods 0.000 claims abstract description 72
- 230000002262 irrigation Effects 0.000 claims abstract description 72
- 230000004720 fertilization Effects 0.000 claims abstract description 60
- 239000002689 soil Substances 0.000 claims abstract description 50
- 201000010099 disease Diseases 0.000 claims abstract description 24
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 24
- 239000000126 substance Substances 0.000 claims abstract description 15
- 241000238631 Hexapoda Species 0.000 claims description 46
- 239000003337 fertilizer Substances 0.000 claims description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 42
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 230000008635 plant growth Effects 0.000 claims description 15
- 238000011161 development Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000009966 trimming Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000001932 seasonal effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 6
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 15
- 230000018109 developmental process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010413 gardening Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000008636 plant growth process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004016 soil organic matter Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G25/00—Watering gardens, fields, sports grounds or the like
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Water Supply & Treatment (AREA)
- Bioinformatics & Computational Biology (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及园林绿植养护技术领域，公开了一种园林绿化养护监测及预警的方法与系统，通过获取园林区域内土壤理化性质及绿植图像信息，根据所述土壤理化性质、绿植特性及绿植所属生长阶段判断绿植生长状况，通过所述生长状况确定灌溉及施肥计划；获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警；同时通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，并将预警信息按照预设方式显示。本发明通过对园林区域内的绿植养护过程进行动态监测，减少了传统园林养护对人工的依赖，同时降低了种植、人工等各项成本，实现了园林绿植养护过程的自动化及智能化。
Description
技术领域
本发明涉及园林绿植养护技术领域，更具体的，涉及一种园林绿化养护监测及预警的方法与系统。
背景技术
随着现代化生活质量的提升，园林工程行业也迎来了发展的黄金时期。在现代化城市建设中，园林绿化建设面积正在不断地加大，已经成为了住宅小区、学校以及城市基础建设的重要组成部分。而现阶段的园林养护过程中要想实现园艺的美观整齐，都要靠养护工人长期对植物的精心管理，人工养护往往伴随着成本高昂、专业性不高及信息滞后等缺陷，随着远程技术使用范围的扩大，园艺设施的发展也越来越庞大，不断运用先进的技术。随着科技的飞速发展，园艺设施发展迅速，给人们的生活带来了许多便利，受到各行各业的高度重视。
为了能够使园林中的绿植实现自动化养护监测，需要开发一系统与之配合进行实现，该系统通过获取园林区域内土壤理化性质及绿植图像信息，根据土壤理化性质、绿植特性及绿植所属生长阶段判断绿植生长状况，根据生长状况确定灌溉及施肥计划；获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警；同时通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，实现了园林中绿植养护的动态监测。在该系统实现过程中，如何根据绿植的生长状况制定养护计划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，本发明提出了一种园林绿化养护监测及预警的方法与系统。
本发明第一方面提供了一种园林绿化养护监测及预警的方法，包括：
获取园林区域内土壤理化性质及绿植图像信息，根据所述土壤理化性质、绿植特性及绿植所属生长阶段判断绿植生长状况；
通过所述生长状况确定灌溉及施肥计划，获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警；
同时通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，并将预警信息按照预设方式显示。
本方案中，根据所述土壤理化性质、绿植特性及绿植所属生长阶段判断绿植生长状况，具体为：
根据大数据获取绿植各生长阶段对应的土壤环境动态适生条件，判断绿植当前生长阶段园林区域内土壤理化性质与土壤环境适生条件的匹配度是否处于预设匹配度范围；
若不处于，则生成绿植生长状况预警，提醒养护人员进行绿植土壤环境的改善；
同时建立园林监测数据库，将各种类绿植各阶段生长状况进行存储，同时根据绿植特性监测绿植生长阶段异常情况，通过绿植特性获取绿植各生长阶段正常发育时长信息；
若绿植当前生长阶段持续时长与该阶段正常发育时长信息的偏差大于预设时长偏差，则生成绿植植株生长阶段异常信息。
本方案中，通过所述生长状况确定灌溉及施肥计划，具体为：
将园林区域划分为若干子区域，并根据子区域的土壤理化性质、地形信息及子区域内绿植特性生成各子区域的特征值，并根据子区域内的绿植特性及生长状况综合分析各类绿植的需水量及需肥量；
并根据所述需水量及需肥量进行排序，获取需水量及需肥量最大的绿植种类信息，判断需水量及需肥量最大的绿植种类信息在子区域的分布面积；
若所述分布面积大于等于预设分布面积阈值，则根据该绿植种类信息对应的需水量及需肥量制定灌溉及施肥计划；
若所述分布面积小于预设分布面积阈值，则通过所述分布面积所占子区域总面积的比例进行需水量及需肥量的调整，并根据调整后的需水量及需肥量制定灌溉及施肥计划；
根据所述特征值计算若干子区域的相似度，将若干子区域进行两两对比获取各子区域的相似度偏差，将相似度偏差小于预设偏差阈值的子区域归为同类型区域；
将同类型区域的子区域按照同一灌溉及施肥计划进行养护操作。
本方案中，所述的获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警，具体为：
获取园林所在地区的气象预报信息，并预设各气象类型的自然灾害分级预警，根据所述气象预报信息对灌溉及施肥计划中的灌溉及施肥量、养护时间进行修正；
当所述气象预报信息符合预设自然灾害分级预警时，则生成对应等级的自然灾害预警，按照预设方式发送给养护人员；
同时根据自然灾害等级信息获取需要保护的绿植定位信息，结合自然灾害预警信息进行发送。
本方案中，通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，具体为：
获取绿植图像信息，并将所述绿植图像信息进行预处理，提取绿植图像信息中的叶片区域；
基于深度学习构建虫害识别模型，将所述叶片区域输入所述虫害识别模型进行虫害识别；
并统计叶片区域的虫害数量信息，根据所述叶片区域的虫害数量信息估算绿植植株的虫害数量信息及园林区域内虫害数量信息，同时根据受虫害绿植植株的位置信息获取园林区域内虫害分布信息；
针对虫害数量信息及虫害分布信息分别预设虫情阈值，若所述园林区域内虫害数量信息或园林范围内虫害分布信息不处于预设虫情阈值范围内，则生成虫害预警信息。
本方案中，还包括：
根据绿植图像信息获取绿植种类信息及绿植生长阶段，根据所述绿植种类信息及绿植生长阶段结合季节信息预设修剪后绿植轮廓基准值；
对当前绿植图像信息进行预处理，将预处理后的当前绿植图像信息绿植轮廓与所述绿植轮廓基准值进行对比判断，生成轮廓偏差；
若所述轮廓偏差大于预设轮廓偏差阈值，则结合绿植位置信息生成绿植修剪信息，并将所述绿植修剪信息按照预设方式进行发送并显示；
同时根据季节变化及绿植的生长阶段对各种类的修剪后绿植轮廓基准值进行动态调整。
本发明第二方面还提供了一种园林绿化养护监测及预警的系统，该系统包括：存储器、处理器，所述存储器中包括一种园林绿化养护监测及预警的方法程序，所述一种园林绿化养护监测及预警的方法程序被所述处理器执行时实现如下步骤：
获取园林区域内土壤理化性质及绿植图像信息，根据所述土壤理化性质、绿植特性及绿植所属生长阶段判断绿植生长状况；
通过所述生长状况确定灌溉及施肥计划，获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警；
同时通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，并将预警信息按照预设方式显示。
本方案中，根据所述土壤理化性质、绿植特性及绿植所属生长阶段判断绿植生长状况，具体为：
根据大数据获取绿植各生长阶段对应的土壤环境动态适生条件，判断绿植当前生长阶段园林区域内土壤理化性质与土壤环境适生条件的匹配度是否处于预设匹配度范围；
若不处于，则生成绿植生长状况预警，提醒养护人员进行绿植土壤环境的改善；
同时建立园林监测数据库，将各种类绿植各阶段生长状况进行存储，同时根据绿植特性监测绿植生长阶段异常情况，通过绿植特性获取绿植各生长阶段正常发育时长信息；
若绿植当前生长阶段持续时长与该阶段正常发育时长信息的偏差大于预设时长偏差，则生成绿植植株生长阶段异常信息。
本方案中，通过所述生长状况确定灌溉及施肥计划，具体为：
将园林区域划分为若干子区域，并根据子区域的土壤理化性质、地形信息及子区域内绿植特性生成各子区域的特征值，并根据子区域内的绿植特性及生长状况综合分析各类绿植的需水量及需肥量；
并根据所述需水量及需肥量进行排序，获取需水量及需肥量最大的绿植种类信息，判断需水量及需肥量最大的绿植种类信息在子区域的分布面积；
若所述分布面积大于等于预设分布面积阈值，则根据该绿植种类信息对应的需水量及需肥量制定灌溉及施肥计划；
若所述分布面积小于预设分布面积阈值，则通过所述分布面积所占子区域总面积的比例进行需水量及需肥量的调整，并根据调整后的需水量及需肥量制定灌溉及施肥计划；
根据所述特征值计算若干子区域的相似度，将若干子区域进行两两对比获取各子区域的相似度偏差，将相似度偏差小于预设偏差阈值的子区域归为同类型区域；
将同类型区域的子区域按照同一灌溉及施肥计划进行养护操作。
本方案中，所述的获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警，具体为：
获取园林所在地区的气象预报信息，并预设各气象类型的自然灾害分级预警，根据所述气象预报信息对灌溉及施肥计划中的灌溉及施肥量、养护时间进行修正；
当所述气象预报信息符合预设自然灾害分级预警时，则生成对应等级的自然灾害预警，按照预设方式发送给养护人员；
同时根据自然灾害等级信息获取需要保护的绿植定位信息，结合自然灾害预警信息进行发送。
本方案中，通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，具体为：
获取绿植图像信息，并将所述绿植图像信息进行预处理，提取绿植图像信息中的叶片区域；
基于深度学习构建虫害识别模型，将所述叶片区域输入所述虫害识别模型进行虫害识别；
并统计叶片区域的虫害数量信息，根据所述叶片区域的虫害数量信息估算绿植植株的虫害数量信息及园林区域内虫害数量信息，同时根据受虫害绿植植株的位置信息获取园林区域内虫害分布信息；
针对虫害数量信息及虫害分布信息分别预设虫情阈值，若所述园林区域内虫害数量信息或园林范围内虫害分布信息不处于预设虫情阈值范围内，则生成虫害预警信息。
本方案中，还包括：
根据绿植图像信息获取绿植种类信息及绿植生长阶段，根据所述绿植种类信息及绿植生长阶段结合季节信息预设修剪后绿植轮廓基准值；
对当前绿植图像信息进行预处理，将预处理后的当前绿植图像信息绿植轮廓与所述绿植轮廓基准值进行对比判断，生成轮廓偏差；
若所述轮廓偏差大于预设轮廓偏差阈值，则结合绿植位置信息生成绿植修剪信息，并将所述绿植修剪信息按照预设方式进行发送并显示；
同时根据季节变化及绿植的生长阶段对各种类的修剪后绿植轮廓基准值进行动态调整。
本发明公开了一种园林绿化养护监测及预警的方法与系统，通过获取园林区域内土壤理化性质及绿植图像信息，根据所述土壤理化性质、绿植特性及绿植所属生长阶段判断绿植生长状况，通过所述生长状况确定灌溉及施肥计划；获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警；同时通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，并将预警信息按照预设方式显示。本发明通过对园林区域内的绿植养护过程进行动态监测，减少了传统园林养护对人工的依赖，同时降低了种植、人工等各项成本，实现了园林绿植养护过程的自动化及智能化。
附图说明
图1示出了本发明一种园林绿化养护监测及预警的方法的流程图；
图2示出了本发明中确定灌溉及施肥计划的方法流程图；
图3示出了本发明一种园林绿化养护监测及预警的系统的框图。
具体实施方式
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示出了本发明一种园林绿化养护监测及预警的方法的流程图。
如图1所示，本发明第一方面提供了一种园林绿化养护监测及预警的方法，包括：
S102，获取园林区域内土壤理化性质及绿植图像信息，根据所述土壤理化性质、绿植特性及绿植所属生长阶段判断绿植生长状况；
S104，通过所述生长状况确定灌溉及施肥计划，获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警；
S106，同时通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，并将预警信息按照预设方式显示。
需要说明的是，根据所述土壤理化性质、绿植特性及绿植所属生长阶段判断绿植生长状况，具体为：
根据大数据获取绿植各生长阶段对应的土壤环境动态适生条件，判断绿植当前生长阶段园林区域内土壤理化性质与土壤环境适生条件的匹配度是否处于预设匹配度范围；若不处于，则生成绿植生长状况预警，提醒养护人员进行绿植土壤环境的改善；所述土壤理化性质包括但不限于土壤有机质含量、土壤盐分含量、土壤温度信息、土壤湿度信息、土壤酸碱度信息等，所述绿植特性包括绿植种类信息及对应的环境适生条件等信息；根据园林区域内土壤理化性质与绿化植株标准适生条件的匹配度让养护人员可以及时准确的掌握园林内绿植的生长情况。
同时建立园林监测数据库，将各种类绿植各阶段生长状况进行存储，同时根据绿植特性监测绿植生长阶段异常情况，通过绿植特性获取绿植各生长阶段正常发育时长信息；若绿植当前生长阶段持续时长与该阶段正常发育时长信息的偏差大于预设时长偏差，则生成绿植植株生长阶段异常信息。通过建立园林监测数据库，存储园林内每棵绿植的种植时间、移植情况、病虫害管理情况等，高效管理园林绿植生长过程中的全面数据，有效提高园林养护管理能力。
图2示出了本发明中确定灌溉及施肥计划的方法流程图；
根据本发明实施例，通过所述生长状况确定灌溉及施肥计划，具体为：
S202，将园林区域划分为若干子区域，并根据子区域的土壤理化性质、地形信息及子区域内绿植特性生成各子区域的特征值，并根据子区域内的绿植特性及生长状况综合分析各类绿植的需水量及需肥量；
S204，并根据所述需水量及需肥量进行排序，获取需水量及需肥量最大的绿植种类信息，判断需水量及需肥量最大的绿植种类信息在子区域的分布面积；
S206，若所述分布面积大于等于预设分布面积阈值，则根据该绿植种类信息对应的需水量及需肥量制定灌溉及施肥计划；
S208，若所述分布面积小于预设分布面积阈值，则通过所述分布面积所占子区域总面积的比例进行需水量及需肥量的调整，并根据调整后的需水量及需肥量制定灌溉及施肥计划；
S210，根据所述特征值计算若干子区域的相似度，将若干子区域进行两两对比获取各子区域的相似度偏差，将相似度偏差小于预设偏差阈值的子区域归为同类型区域；
S212，将同类型区域的子区域按照同一灌溉及施肥计划进行养护操作。
需要说明的是，根据各子区域的特征值进行同类型聚合，并适配同一灌溉及施肥计划，在实现差异性灌溉的同时大大提升了制定养护计划的效率，实现智能化分区灌溉管理，避免了灌溉过量和灌溉不足等问题出现。
需要说明的是，所述的获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警，具体为：获取园林所在地区的气象预报信息，并预设各气象类型的自然灾害分级预警，根据所述气象预报信息对灌溉及施肥计划中的灌溉及施肥量、养护时间进行修正；当所述气象预报信息符合预设自然灾害分级预警时，则生成对应等级的自然灾害预警，按照预设方式发送给养护人员；同时根据自然灾害等级信息获取需要保护的绿植定位信息，结合自然灾害预警信息进行发送，养护人员根据绿植定位信息对绿植进行加固或进行搬运移动。
需要说明的是，通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，具体为：获取绿植图像信息，并将所述绿植图像信息进行图像滤波去噪，图像增强及图像分割等预处理，提取绿植图像信息中的叶片区域；基于深度学习构建虫害识别模型，根据农业技术推广服务中心与植保站，获取病虫害信息及病虫害症状数据对所述虫害识别模型进行初始化训练并调整相关参数，将所述叶片区域输入训练好的虫害识别模型进行虫害识别；并统计叶片区域的虫害数量信息，根据所述叶片区域的虫害数量信息估算绿植植株的虫害数量信息及园林区域内虫害数量信息，同时根据受虫害绿植植株的位置信息获取园林区域内虫害分布信息；针对虫害数量信息及虫害分布信息分别预设虫情阈值，若所述园林区域内虫害数量信息或园林范围内虫害分布信息不处于预设虫情阈值范围内，则生成虫害预警信息。优选的，针对于刺吸式害虫、蛀食性害虫及地下害虫等不常见于绿植植株叶片上的害虫，在确保绿植生长环境符合预设标准的情况下，获取绿植的生长状况异常情况如植株矮小、叶片发黄等现象，统计预设区域内生长状况异常的植株数量，根据生长状况异常的植株数量进行判断并生成虫害预警。
需要说明的是，本发明还包括判断绿植是否需要修剪养护，具体为：
根据绿植图像信息获取绿植种类信息及绿植生长阶段，根据所述绿植种类信息及绿植生长阶段结合季节信息预设修剪后绿植轮廓基准值；
对当前绿植图像信息进行预处理，将预处理后的当前绿植图像信息绿植轮廓与所述绿植轮廓基准值进行对比判断，生成轮廓偏差；
若所述轮廓偏差大于预设轮廓偏差阈值，则结合绿植位置信息生成绿植修剪信息，并将所述绿植修剪信息按照预设方式进行发送并显示；
同时根据季节变化及绿植的生长阶段对各种类的修剪后绿植轮廓基准值进行动态调整。
根据本发明实施例，本发明还包括，获取园林内各区域的空气质量信息，具体为：
根据目标对象当前位置信息获取预设区域范围内园林区域的实时人流量信息、绿化程度信息及空气质量信息；
根据所述实时人流量信息、绿化程度信息及空气质量信息对预设区域范围内园林区域进行排序，并通过预设方式进行显示；
当目标对象位于园林区域时，则获取该园林区域内的病虫害防治信息，根据所述病虫害防治信息结合各子区域实时人流量信息选取最佳空气质量信息区域，生成园林区域内推荐游览区域。
需要说明的是，目标对象可以通过移动终端设备的APP或者小程序获取预设范围内所有园林区域的人流量信息、区域空气质量信息及各个园林的绿化覆盖率，帮助目标对象避开拥堵人流，选取空气质量最佳的园林区域进行游玩，当目标对象到达自行选取的园林区域时，则获取该园林区域内的病虫害防治信息，根据所述病虫害防治信息避开农药喷洒区域，并根据实时人流量信息选取最佳空气质量信息区域。
图3示出了本发明一种园林绿化养护监测及预警的系统的框图。
本发明第二方面还提供了一种园林绿化养护监测及预警的系统3，该系统包括：存储器31、处理器32，所述存储器中包括一种园林绿化养护监测及预警的方法程序，所述一种园林绿化养护监测及预警的方法程序被所述处理器执行时实现如下步骤：
获取园林区域内土壤理化性质及绿植图像信息，根据所述土壤理化性质、绿植特性及绿植所属生长阶段判断绿植生长状况；
通过所述生长状况确定灌溉及施肥计划，获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警；
同时通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，并将预警信息按照预设方式显示。
根据本发明实施例，通过所述生长状况确定灌溉及施肥计划，具体为：
将园林区域划分为若干子区域，并根据子区域的土壤理化性质、地形信息及子区域内绿植特性生成各子区域的特征值，并根据子区域内的绿植特性及生长状况综合分析各类绿植的需水量及需肥量；
并根据所述需水量及需肥量进行排序，获取需水量及需肥量最大的绿植种类信息，判断需水量及需肥量最大的绿植种类信息在子区域的分布面积；
若所述分布面积大于等于预设分布面积阈值，则根据该绿植种类信息对应的需水量及需肥量制定灌溉及施肥计划；
若所述分布面积小于预设分布面积阈值，则通过所述分布面积所占子区域总面积的比例进行需水量及需肥量的调整，并根据调整后的需水量及需肥量制定灌溉及施肥计划；
根据所述特征值计算若干子区域的相似度，将若干子区域进行两两对比获取各子区域的相似度偏差，将相似度偏差小于预设偏差阈值的子区域归为同类型区域；
将同类型区域的子区域按照同一灌溉及施肥计划进行养护操作。
需要说明的是，根据各子区域的特征值进行同类型聚合，并适配同一灌溉及施肥计划，在实现差异性灌溉的同时大大提升了制定养护计划的效率，实现智能化分区灌溉管理，避免了灌溉过量和灌溉不足等问题出现。
需要说明的是，所述的获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警，具体为：获取园林所在地区的气象预报信息，并预设各气象类型的自然灾害分级预警，根据所述气象预报信息对灌溉及施肥计划中的灌溉及施肥量、养护时间进行修正；当所述气象预报信息符合预设自然灾害分级预警时，则生成对应等级的自然灾害预警，按照预设方式发送给养护人员；同时根据自然灾害等级信息获取需要保护的绿植定位信息，结合自然灾害预警信息进行发送，养护人员根据绿植定位信息对绿植进行加固或进行搬运移动。
需要说明的是，通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，具体为：获取绿植图像信息，并将所述绿植图像信息进行图像滤波去噪，图像增强及图像分割等预处理，提取绿植图像信息中的叶片区域；基于深度学习构建虫害识别模型，根据农业技术推广服务中心与植保站，获取病虫害信息及病虫害症状数据对所述虫害识别模型进行初始化训练并调整相关参数，将所述叶片区域输入训练好的虫害识别模型进行虫害识别；并统计叶片区域的虫害数量信息，根据所述叶片区域的虫害数量信息估算绿植植株的虫害数量信息及园林区域内虫害数量信息，同时根据受虫害绿植植株的位置信息获取园林区域内虫害分布信息；针对虫害数量信息及虫害分布信息分别预设虫情阈值，若所述园林区域内虫害数量信息或园林范围内虫害分布信息不处于预设虫情阈值范围内，则生成虫害预警信息。优选的，针对于刺吸式害虫、蛀食性害虫及地下害虫等不常见于绿植植株叶片上的害虫，在确保绿植生长环境符合预设标准的情况下，获取绿植的生长状况异常情况如植株矮小、叶片发黄等现象，统计预设区域内生长状况异常的植株数量，根据生长状况异常的植株数量进行判断并生成虫害预警。
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)
1.一种园林绿化养护监测及预警的方法，其特征在于，包括以下步骤：
获取园林区域内土壤理化性质及绿植图像信息，根据所述土壤理化性质、绿植特性及绿植所属生长阶段判断绿植生长状况；
通过所述生长状况确定灌溉及施肥计划，获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警；
同时通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，并将预警信息按照预设方式显示。
2.根据权利要求1所述的一种园林绿化养护监测及预警的方法，其特征在于，根据所述土壤理化性质、绿植特性及绿植所属生长阶段判断绿植生长状况，具体为：
根据大数据获取绿植各生长阶段对应的土壤环境动态适生条件，判断绿植当前生长阶段园林区域内土壤理化性质与土壤环境适生条件的匹配度是否处于预设匹配度范围；
若不处于，则生成绿植生长状况预警，提醒养护人员进行绿植土壤环境的改善；
同时建立园林监测数据库，将各种类绿植各阶段生长状况进行存储，同时根据绿植特性监测绿植生长阶段异常情况，通过绿植特性获取绿植各生长阶段正常发育时长信息；
若绿植当前生长阶段持续时长与该阶段正常发育时长信息的偏差大于预设时长偏差，则生成绿植植株生长阶段异常信息。
3.根据权利要求1所述的一种园林绿化养护监测及预警的方法，其特征在于，通过所述生长状况确定灌溉及施肥计划，具体为：
将园林区域划分为若干子区域，并根据子区域的土壤理化性质、地形信息及子区域内绿植特性生成各子区域的特征值，并根据子区域内的绿植特性及生长状况综合分析各类绿植的需水量及需肥量；
并根据所述需水量及需肥量进行排序，获取需水量及需肥量最大的绿植种类信息，判断需水量及需肥量最大的绿植种类信息在子区域的分布面积；
若所述分布面积大于等于预设分布面积阈值，则根据该绿植种类信息对应的需水量及需肥量制定灌溉及施肥计划；
若所述分布面积小于预设分布面积阈值，则通过所述分布面积所占子区域总面积的比例进行需水量及需肥量的调整，并根据调整后的需水量及需肥量制定灌溉及施肥计划；
根据所述特征值计算若干子区域的相似度，将若干子区域进行两两对比获取各子区域的相似度偏差，将相似度偏差小于预设偏差阈值的子区域归为同类型区域；
将同类型区域的子区域按照同一灌溉及施肥计划进行养护操作。
4.根据权利要求1所述的一种园林绿化养护监测及预警的方法，其特征在于，所述的获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警，具体为：
获取园林所在地区的气象预报信息，并预设各气象类型的自然灾害分级预警，根据所述气象预报信息对灌溉及施肥计划中的灌溉及施肥量、养护时间进行修正；
当所述气象预报信息符合预设自然灾害分级预警时，则生成对应等级的自然灾害预警，按照预设方式发送给养护人员；
同时根据自然灾害等级信息获取需要保护的绿植定位信息，结合自然灾害预警信息进行发送。
5.根据权利要求1所述的一种园林绿化养护监测及预警的方法，其特征在于，通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，具体为：
获取绿植图像信息，并将所述绿植图像信息进行预处理，提取绿植图像信息中的叶片区域；
基于深度学习构建虫害识别模型，将所述叶片区域输入所述虫害识别模型进行虫害识别；
并统计叶片区域的虫害数量信息，根据所述叶片区域的虫害数量信息估算绿植植株的虫害数量信息及园林区域内虫害数量信息，同时根据受虫害绿植植株的位置信息获取园林区域内虫害分布信息；
针对虫害数量信息及虫害分布信息分别预设虫情阈值，若所述园林区域内虫害数量信息或园林范围内虫害分布信息不处于预设虫情阈值范围内，则生成虫害预警信息。
6.根据权利要求1所述的一种园林绿化养护监测及预警的方法，其特征在于，还包括：
根据绿植图像信息获取绿植种类信息及绿植生长阶段，根据所述绿植种类信息及绿植生长阶段结合季节信息预设修剪后绿植轮廓基准值；
对当前绿植图像信息进行预处理，将预处理后的当前绿植图像信息绿植轮廓与所述绿植轮廓基准值进行对比判断，生成轮廓偏差；
若所述轮廓偏差大于预设轮廓偏差阈值，则结合绿植位置信息生成绿植修剪信息，并将所述绿植修剪信息按照预设方式进行发送并显示；
同时根据季节变化及绿植的生长阶段对各种类的修剪后绿植轮廓基准值进行动态调整。
7.一种园林绿化养护监测及预警的系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括一种园林绿化养护监测及预警的方法程序，所述一种园林绿化养护监测及预警的方法程序被所述处理器执行时实现如下步骤：
获取园林区域内土壤理化性质及绿植图像信息，根据所述土壤理化性质、绿植特性及绿植所属生长阶段判断绿植生长状况；
通过所述生长状况确定灌溉及施肥计划，获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警；
同时通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，并将预警信息按照预设方式显示。
8.根据权利要求7所述的一种园林绿化养护监测及预警的系统，其特征在于，通过所述生长状况确定灌溉及施肥计划，具体为：
将园林区域划分为若干子区域，并根据子区域的土壤理化性质、地形信息及子区域内绿植特性生成各子区域的特征值，并根据子区域内的绿植特性及生长状况综合分析各类绿植的需水量及需肥量；
并根据所述需水量及需肥量进行排序，获取需水量及需肥量最大的绿植种类信息，判断需水量及需肥量最大的绿植种类信息在子区域的分布面积；
若所述分布面积大于等于预设分布面积阈值，则根据该绿植种类信息对应的需水量及需肥量制定灌溉及施肥计划；
若所述分布面积小于预设分布面积阈值，则通过所述分布面积所占子区域总面积的比例进行需水量及需肥量的调整，并根据调整后的需水量及需肥量制定灌溉及施肥计划；
根据所述特征值计算若干子区域的相似度，将若干子区域进行两两对比获取各子区域的相似度偏差，将相似度偏差小于预设偏差阈值的子区域归为同类型区域；
将同类型区域的子区域按照同一灌溉及施肥计划进行养护操作。
9.根据权利要求7所述的一种园林绿化养护监测及预警的系统，其特征在于，所述的获取园林所在地的气象信息，通过所述气象信息对灌溉及施肥计划进行修正并生成自然灾害预警，具体为：
获取园林所在地区的气象预报信息，并预设各气象类型的自然灾害分级预警，根据所述气象预报信息对灌溉及施肥计划中的灌溉及施肥量、养护时间进行修正；
当所述气象预报信息符合预设自然灾害分级预警时，则生成对应等级的自然灾害预警，按照预设方式发送给养护人员；
同时根据自然灾害等级信息获取需要保护的绿植定位信息，结合自然灾害预警信息进行发送。
10.根据权利要求7所述的一种园林绿化养护监测及预警的系统，其特征在于，通过所述绿植图像信息判断园林区域内病虫害情况生成虫害预警，具体为：
获取绿植图像信息，并将所述绿植图像信息进行预处理，提取绿植图像信息中的叶片区域；
基于深度学习构建虫害识别模型，将所述叶片区域输入所述虫害识别模型进行虫害识别；
并统计叶片区域的虫害数量信息，根据所述叶片区域的虫害数量信息估算绿植植株的虫害数量信息及园林区域内虫害数量信息，同时根据受虫害绿植植株的位置信息获取园林区域内虫害分布信息；
针对虫害数量信息及虫害分布信息分别预设虫情阈值，若所述园林区域内虫害数量信息或园林范围内虫害分布信息不处于预设虫情阈值范围内，则生成虫害预警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210327631.9A CN114418040B (zh) | 2022-03-31 | 2022-03-31 | 一种园林绿化养护监测及预警的方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210327631.9A CN114418040B (zh) | 2022-03-31 | 2022-03-31 | 一种园林绿化养护监测及预警的方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114418040A true CN114418040A (zh) | 2022-04-29 |
| CN114418040B CN114418040B (zh) | 2022-07-08 |
Family
ID=81264347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210327631.9A Active CN114418040B (zh) | 2022-03-31 | 2022-03-31 | 一种园林绿化养护监测及预警的方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114418040B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114819686A (zh) * | 2022-05-10 | 2022-07-29 | 武汉鸿榛园林绿化工程有限公司 | 一种基于可视化的景观园林绿化规划设计分析评价管理系统 |
| CN114868501A (zh) * | 2022-05-26 | 2022-08-09 | 广州市绿化有限公司 | 生态城市屋顶绿化模块生长监管方法及系统 |
| CN115601413A (zh) * | 2022-10-25 | 2023-01-13 | 广州市嘉卉园林绿化建筑工程有限公司（Cn） | 一种园林绿化养护监测及预警方法与系统 |
| CN115965866A (zh) * | 2022-12-28 | 2023-04-14 | 广州市嘉卉园林绿化建筑工程有限公司 | 一种立体绿化水肥遥感监测方法及系统 |
| CN116210571A (zh) * | 2023-03-06 | 2023-06-06 | 广州市林业和园林科学研究院 | 一种立体绿化遥感智能灌溉方法及系统 |
| CN116843493A (zh) * | 2023-07-03 | 2023-10-03 | 惠州可道科技股份有限公司 | 一种基于物联网的油茶林种植生态数字监测管理系统 |
| CN117178769A (zh) * | 2023-11-08 | 2023-12-08 | 临沂市园林环卫保障服务中心 | 一种基于自动化的园林植物养护方法及系统 |
| CN117598084A (zh) * | 2023-12-28 | 2024-02-27 | 日照市农业科学研究院 | 一种大豆栽培智能施肥方法及系统 |
| US11966208B2 (en) * | 2022-07-12 | 2024-04-23 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and systems for greenspace cultivation and management in smart cities based on Internet of Things |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105900555A (zh) * | 2016-03-31 | 2016-08-31 | 陕西省土地工程建设集团有限责任公司 | 一种土地工程的设计方法 |
| CN108288049A (zh) * | 2018-02-11 | 2018-07-17 | 合肥图久智能科技有限公司 | 基于农业物联网的农业种植智能管理系统 |
| CN110347127A (zh) * | 2019-06-26 | 2019-10-18 | 北京农业智能装备技术研究中心 | 基于云服务的农作物种植托管系统及方法 |
| CN111753834A (zh) * | 2019-03-29 | 2020-10-09 | 中国水利水电科学研究院 | 基于深度神经网络的种植地块结构语义分割方法和装置 |
| CN112528574A (zh) * | 2020-12-18 | 2021-03-19 | 中国水利水电科学研究院 | 一种湿地生态需水量计算方法及装置 |
| WO2021056114A1 (en) * | 2019-09-27 | 2021-04-01 | Hortau Inc. | Systems and methods for monitoring and controlling crop irrigation schedules |
| CN112883230A (zh) * | 2021-02-08 | 2021-06-01 | 山东省农业科学院科技信息研究所 | 马铃薯生产管理系统 |
| CN113870044A (zh) * | 2021-08-23 | 2021-12-31 | 湖北工程学院 | 园林智能管控方法、装置、设备及存储介质 |
-
2022
- 2022-03-31 CN CN202210327631.9A patent/CN114418040B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105900555A (zh) * | 2016-03-31 | 2016-08-31 | 陕西省土地工程建设集团有限责任公司 | 一种土地工程的设计方法 |
| CN108288049A (zh) * | 2018-02-11 | 2018-07-17 | 合肥图久智能科技有限公司 | 基于农业物联网的农业种植智能管理系统 |
| CN111753834A (zh) * | 2019-03-29 | 2020-10-09 | 中国水利水电科学研究院 | 基于深度神经网络的种植地块结构语义分割方法和装置 |
| CN110347127A (zh) * | 2019-06-26 | 2019-10-18 | 北京农业智能装备技术研究中心 | 基于云服务的农作物种植托管系统及方法 |
| WO2021056114A1 (en) * | 2019-09-27 | 2021-04-01 | Hortau Inc. | Systems and methods for monitoring and controlling crop irrigation schedules |
| CN112528574A (zh) * | 2020-12-18 | 2021-03-19 | 中国水利水电科学研究院 | 一种湿地生态需水量计算方法及装置 |
| CN112883230A (zh) * | 2021-02-08 | 2021-06-01 | 山东省农业科学院科技信息研究所 | 马铃薯生产管理系统 |
| CN113870044A (zh) * | 2021-08-23 | 2021-12-31 | 湖北工程学院 | 园林智能管控方法、装置、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| WEI W ET AL: "《Assessing Environmental Interference in Northern China using a Spatial Distance Model：From the Perspective of Geographic Detection》", 《SCIENCE DIRECT》 * |
| 黄华盛: "《基于无人机遥感图像的稻田杂草识别研究》", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114819686A (zh) * | 2022-05-10 | 2022-07-29 | 武汉鸿榛园林绿化工程有限公司 | 一种基于可视化的景观园林绿化规划设计分析评价管理系统 |
| CN114868501A (zh) * | 2022-05-26 | 2022-08-09 | 广州市绿化有限公司 | 生态城市屋顶绿化模块生长监管方法及系统 |
| US11966208B2 (en) * | 2022-07-12 | 2024-04-23 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and systems for greenspace cultivation and management in smart cities based on Internet of Things |
| CN115601413A (zh) * | 2022-10-25 | 2023-01-13 | 广州市嘉卉园林绿化建筑工程有限公司（Cn） | 一种园林绿化养护监测及预警方法与系统 |
| CN115601413B (zh) * | 2022-10-25 | 2023-06-16 | 广州市嘉卉园林绿化建筑工程有限公司 | 一种园林绿化养护监测及预警方法与系统 |
| CN115965866A (zh) * | 2022-12-28 | 2023-04-14 | 广州市嘉卉园林绿化建筑工程有限公司 | 一种立体绿化水肥遥感监测方法及系统 |
| CN115965866B (zh) * | 2022-12-28 | 2023-10-27 | 广州市嘉卉园林绿化建筑工程有限公司 | 一种立体绿化水肥遥感监测方法及系统 |
| CN116210571A (zh) * | 2023-03-06 | 2023-06-06 | 广州市林业和园林科学研究院 | 一种立体绿化遥感智能灌溉方法及系统 |
| CN116210571B (zh) * | 2023-03-06 | 2023-10-20 | 广州市林业和园林科学研究院 | 一种立体绿化遥感智能灌溉方法及系统 |
| CN116843493A (zh) * | 2023-07-03 | 2023-10-03 | 惠州可道科技股份有限公司 | 一种基于物联网的油茶林种植生态数字监测管理系统 |
| CN116843493B (zh) * | 2023-07-03 | 2024-01-02 | 惠州可道科技股份有限公司 | 一种基于物联网的油茶林种植生态数字监测管理系统 |
| CN117178769B (zh) * | 2023-11-08 | 2024-01-19 | 临沂市园林环卫保障服务中心 | 一种基于自动化的园林植物养护方法及系统 |
| CN117178769A (zh) * | 2023-11-08 | 2023-12-08 | 临沂市园林环卫保障服务中心 | 一种基于自动化的园林植物养护方法及系统 |
| CN117598084A (zh) * | 2023-12-28 | 2024-02-27 | 日照市农业科学研究院 | 一种大豆栽培智能施肥方法及系统 |
| CN117598084B (zh) * | 2023-12-28 | 2024-05-10 | 日照市农业科学研究院 | 一种大豆栽培智能施肥方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114418040B (zh) | 2022-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114418040B (zh) | 一种园林绿化养护监测及预警的方法与系统 | |
| US20150309496A1 (en) | Control system and method for landscape maintenance | |
| CN109102422A (zh) | 一种大数据农业管理系统 | |
| CN113785676B (zh) | 一种盐碱地土壤改良体系及其构建方法 | |
| WO2019081567A1 (de) | Ertragsabschätzung beim anbau von kulturpflanzen | |
| CN110942039A (zh) | 一种主要农作物高温灾害遥感监测预报系统及方法 | |
| CN102487788A (zh) | 基于气象信息服务的智能喷灌排放控制系统 | |
| CN114711010B (zh) | 一种月季栽培中水土肥管理方法、系统及介质 | |
| CN112215716A (zh) | 农作物生长干预方法、装置、设备及存储介质 | |
| Kisaka et al. | Potential of deterministic and geostatistical rainfall interpolation under high rainfall variability and dry spells: case of Kenya’s Central Highlands | |
| CN112561367A (zh) | 一种智能种植决策控制系统 | |
| WO2019038325A1 (de) | Ertragsabschätzung beim anbau von kulturpflanzen | |
| DE202022103610U1 (de) | IoT-basiertes intelligentes Landwirtschaftssystem mit künstlicher Intelligenz | |
| CN113435825B (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 | |
| CN113377141A (zh) | 一种人工智能农业自动管理系统 | |
| CN116993059A (zh) | 一种基于大数据的物联网智能农业植保系统 | |
| CN116046687A (zh) | 一种农作物生长过程监测方法、设备及介质 | |
| Parsons et al. | Plantations and water use | |
| CN117151354B (zh) | 一种农田修复与改良管理方法及系统 | |
| CN117275208B (zh) | 农业生物灾害监测预警信息化应用系统 | |
| US20240172610A1 (en) | Intelligent irrigation decision support system | |
| Eberhard et al. | Improving irrigation efficiency through precision irrigation in South East Queensland | |
| Saunders et al. | Integrating economic data with spatial biophysical data to analyse profitability and risks of wheat production on a regional basis | |
| krishna Gudepu et al. | Weather Prediction using Support Vector based Genetic Algorithm in Rice Farming | |
| Myers | Determining amaranth and canola suitability in Missouri through geographic information systems analysis |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230615 Address after: Room 368, Building 5, No. 227, Nanyi Road, Dongying District, Dongying, Shandong Province 257000 Patentee after: Shandong Minghao Kebiao Information Technology Co.,Ltd. Address before: 257000 Room 204, building 1, No. 23, Gangcheng Road, dongyinggang Economic Development Zone, Dongying City, Shandong Province Patentee before: Shandong Hepeng Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right |