CN114460078A - 一种脐橙病虫害监测方法及装置 - Google Patents
一种脐橙病虫害监测方法及装置 Download PDFInfo
- Publication number
- CN114460078A CN114460078A CN202210118150.7A CN202210118150A CN114460078A CN 114460078 A CN114460078 A CN 114460078A CN 202210118150 A CN202210118150 A CN 202210118150A CN 114460078 A CN114460078 A CN 114460078A
- Authority
- CN
- China
- Prior art keywords
- data
- preset
- module
- monitoring
- image
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 96
- 240000002319 Citrus sinensis Species 0.000 title claims abstract description 74
- 235000005976 Citrus sinensis Nutrition 0.000 title claims abstract description 73
- 201000010099 disease Diseases 0.000 title claims abstract description 55
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 55
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000006378 damage Effects 0.000 title claims abstract description 17
- 238000005286 illumination Methods 0.000 claims abstract description 49
- 238000005507 spraying Methods 0.000 claims abstract description 45
- 230000007246 mechanism Effects 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 241000238631 Hexapoda Species 0.000 claims description 21
- 230000007613 environmental effect Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 15
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 4
- 230000008447 perception Effects 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 239000003814 drug Substances 0.000 abstract description 26
- 238000011835 investigation Methods 0.000 abstract description 5
- 206010063385 Intellectualisation Diseases 0.000 abstract description 4
- 239000000575 pesticide Substances 0.000 description 21
- 230000002265 prevention Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 241001478315 Candidatus Liberibacter asiaticus Species 0.000 description 9
- 241000196324 Embryophyta Species 0.000 description 9
- 239000007788 liquid Substances 0.000 description 9
- 241000526125 Diaphorina citri Species 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000013500 data storage Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000002420 orchard Substances 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000006806 disease prevention Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000013316 zoning Methods 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 239000009853 xinfeng Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种脐橙病虫害监测方法及装置。先接收从监测传感器网络发送来的温度、湿度、光照和风速监测数据,再通过公式计算得到环境系数,接着将环境系数与预设的环境阈值进行比较,若环境系数大于或者等于预设的环境阈值,则发送喷药指令到喷药机构,避免了传统监控模式的实地考察、记录和分析,实现了完全的智能化和自动化,提高了病虫害监测的效率和准确性。
Description
技术领域
本发明涉及脐橙种植技术领域,尤其涉及一种脐橙病虫害监测方法及装置。
背景技术
赣南脐橙是我国目前本土品牌中价格最高的农产品品牌之一,橙年产量达百万吨,原产地江西省赣州市已经成为脐橙种植面积世界第一,年产量世界第三、亚洲第一的脐橙主产区,被誉为“世界橙乡”。但是,近年来,受气候变暖、柑橘木虱虫口激增等因素影响,赣南脐橙产区黄龙病发生加重。信丰县2013年秋冬季确认感染病植株达152.47万株,发病率为11.8%,给果农造成难以预计的经济损失。这表明传统的防治措施和防控手段已不能适应和满足当前黄龙病的防控需求,脐橙黄龙病的研究与控制工作已经面临严峻的考验,需要更有效的科技支撑。
发明内容
本发明通过提供一种脐橙病虫害监测方法及装置,对脐橙的病虫害进行了有效监测。
本发明提供了一种脐橙病虫害监测方法,包括:
接收从监测传感器网络发送来的温度、湿度、光照和风速监测数据;
通过公式计算得到环境系数Ec;其中,Tt为所述接收到的温度数据,Ht为所述接收到的湿度数据,It为所述接收到的光照数据,Wt为所述接收到的风速数据,T为预设的温度上下限的比值,H为预设的湿度上下限的比值,I为预设的光照上下限的比值,W为预设的风速上下限的比值,α为预设的温度比例系数,β为预设的湿度比例系数,γ为预设的光照比例系数,δ为预设的风速比例系数;
将所述环境系数Ec与预设的环境阈值进行比较;
若所述环境系数Ec大于或者等于所述预设的环境阈值,发送喷药指令到喷药机构。
具体来说,在所述接收从监测传感器网络发送来的温度、湿度、光照和风速监测数据之前,还包括:
所述监测传感器网络中各传感器节点监测感知数据,所述感知数据的一个单位时间段的数据序列为X={x(ti),x(t2),…,x(tn)};其中,ti(1<i<n)表示时间节点,x(ti)表示在ti(1<i<n)时刻某个传感器节点监测到的感知数据;
从第一个数据点[t1,x(t1)]开始,对所述数据序列X={x(ti),x(t2),…,x(tn)}中的数据点按序进行第一次扫描直至达到预设的扫描停止条件,停止第一次的扫描;
将第一次扫描的数据子序列用一条线段来近似拟合,从所述第一次扫描的数据子序列后的第一个数据点开始进行第二次扫描直至扫描完整个单位时间段的数据序列;
将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出。
具体来说,所述预设的扫描停止条件为:当扫描到一个数据点[tk,x(tk)],在这个数据点[tk,x(tk)]之前的所有数据点能被一条线段来近似描述且满足预设的误差精度要求,而加上所述数据点[tk,x(tk)]之后,不存在一条线段能近似描述当前所有未被近似描述的数据点时,停止扫描。
具体来说,还包括:
接收无人机监测到的目标物图像;
对所述目标物图像进行裁剪、锐化、灰度、反色处理,得到预处理之后的图像;
对所述预处理之后的图像中重合阴影部分进行融合;
对融合后的图像进行图像特征提取;
将提取出的图像特征与图像数据库中的特征进行匹配,得到脐橙的患病结论。
具体来说,还包括:
接收无人机监测到的目标物图像;
对所述目标物图像进行边缘估计,得到所述目标物的三维信息;
将所述三维信息与预设的三维库中的目标物信息进行匹配;
若匹配成功,获取与所述目标物信息对应的避让信息,将所述避让信息发回到所述无人机。
本发明还提供了一种脐橙病虫害监测装置,包括:
监测数据接收模块,用于接收从监测传感器网络发送来的温度、湿度、光照和风速监测数据;
环境系数计算模块,用于通过公式计算得到环境系数Ec;其中,Tt为所述接收到的温度数据,Ht为所述接收到的湿度数据,It为所述接收到的光照数据,Wt为所述接收到的风速数据,T为预设的温度上下限的比值,H为预设的湿度上下限的比值,I为预设的光照上下限的比值,W为预设的风速上下限的比值,α为预设的温度比例系数,β为预设的湿度比例系数,γ为预设的光照比例系数,δ为预设的风速比例系数;
环境系数比较模块,用于将所述环境系数Ec与预设的环境阈值进行比较;
喷药指令发送模块,用于若所述环境系数Ec大于或者等于所述预设的环境阈值,发送喷药指令到喷药机构。
具体来说,还包括:
数据感知模块,用于所述监测传感器网络中各传感器节点监测感知数据,所述感知数据的一个单位时间段的数据序列为X={x(ti),x(t2),…,x(tn)};其中,ti(1<i<n)表示时间节点,x(ti)表示在ti(1<i<n)时刻某个传感器节点监测到的感知数据;
数据扫描模块,用于从第一个数据点[t1,x(t1)]开始,对所述数据序列X={x(ti),x(t2),…,x(tn)}中的数据点按序进行第一次扫描直至达到预设的扫描停止条件,停止第一次的扫描;
数据拟合模块,用于将第一次扫描的数据子序列用一条线段来近似拟合,从所述第一次扫描的数据子序列后的第一个数据点开始进行第二次扫描直至扫描完整个单位时间段的数据序列;
监测数据输出模块,用于将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出。
具体来说,所述预设的扫描停止条件为:当扫描到一个数据点[tk,x(tk)],在这个数据点[tk,x(tk)]之前的所有数据点能被一条线段来近似描述且满足预设的误差精度要求,而加上所述数据点[tk,x(tk)]之后,不存在一条线段能近似描述当前所有未被近似描述的数据点时,停止扫描。
具体来说,还包括:
第一目标物图像接收模块,用于接收无人机监测到的目标物图像;
图像预处理模块,用于对所述目标物图像进行裁剪、锐化、灰度、反色处理,得到预处理之后的图像;
图像融合模块,用于对所述预处理之后的图像中重合阴影部分进行融合;
图像特征提取模块,用于对融合后的图像进行图像特征提取;
图像特征分析模块,用于将提取出的图像特征与图像数据库中的特征进行匹配,得到脐橙的患病结论。
具体来说,还包括:
第二目标物图像接收模块,用于接收无人机监测到的目标物图像;
边缘估计模块,用于对所述目标物图像进行边缘估计,得到所述目标物的三维信息;
三维信息匹配模块,用于将所述三维信息与预设的三维库中的目标物信息进行匹配;
避让模块,用于若匹配成功,获取与所述目标物信息对应的避让信息,将所述避让信息发回到所述无人机。
本发明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:
先接收从监测传感器网络发送来的温度、湿度、光照和风速监测数据,再通过公式计算得到环境系数,接着将环境系数与预设的环境阈值进行比较,若环境系数大于或者等于预设的环境阈值,则发送喷药指令到喷药机构,避免了传统监控模式的实地考察、记录和分析,实现了完全的智能化和自动化,提高了病虫害监测的效率和准确性。
附图说明
图1为本发明实施例提供的脐橙病虫害监测方法的流程图;
图2为本发明实施例提供的脐橙病虫害监测装置的模块图;
图3为基于本发明实施例构建的基于5G信号的脐橙黄龙病智能防治监测系统的模块图。
具体实施方式
本发明实施例通过提供一种脐橙病虫害监测方法及装置,对脐橙的病虫害进行了有效监测。
本发明实施例中的技术方案为实现上述技术效果,总体思路如下:
首先通过在脐橙种植区域内铺设温度、湿度、光照和风速传感器,进行温度、湿度、光照和风速数据的实时监测,再通过公式计算得到环境系数,接着将环境系数与预设的环境阈值进行比较,若环境系数大于或者等于预设的环境阈值,则发送喷药指令到喷药机构,避免了传统监控模式的实地考察、记录和分析,实现了完全的智能化和自动化,提高了病虫害监测的效率和准确性。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参见图1,本发明实施例提供的脐橙病虫害监测方法,包括:
步骤S110:接收从监测传感器网络发送来的温度、湿度、光照和风速监测数据;
为了对由传感器节点组成的网络进行优化,从而提升传感器网络的节能效率,延长传感器网络的寿命,在接收从监测传感器网络发送来的温度、湿度、光照和风速监测数据之前,还包括:
通过由各传感器构建的传感器节点相互协作进行脐橙果园区域内的监测,并输出各传感器节点监测的感知数据,感知数据包括温度、湿度、光照和风速。
具体地,监测传感器网络中各传感器节点监测感知数据,感知数据的一个单位时间段的数据序列为X={x(ti),x(t2),…,x(tn)};其中,ti(1<i<n)表示时间节点,x(ti)表示在ti(1<i<n)时刻某个传感器节点监测到的感知数据;
从第一个数据点[t1,x(t1)]开始,对数据序列X={x(ti),x(t2),…,x(tn)}中的数据点按序进行第一次扫描直至达到预设的扫描停止条件,停止第一次的扫描;
将第一次扫描的数据子序列用一条线段来近似拟合,从第一次扫描的数据子序列后的第一个数据点开始进行第二次扫描直至扫描完整个单位时间段的数据序列;
将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出。
具体地,预设的扫描停止条件为:当扫描到一个数据点[tk,x(tk)],在这个数据点[tk,x(tk)]之前的所有数据点能被一条线段来近似描述且满足预设的误差精度要求,而加上数据点[tk,x(tk)]之后,不存在一条线段能近似描述当前所有未被近似描述的数据点时,停止扫描。通过预设的扫描停止条件进行数据扫描,能够在线性时间内,使用最少数目的线段数来近似描述感知数据在一个单位时间段的数据序列且保证误差精度要求,然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出,从而减少了需要传输的数据量,降低了数据传输的能量消耗,从而相对减少了无线传感器网络节点的通信开销。
在本实施例中,上述的误差精度要求ε的公式为:
式中,x(tj)为在tj(α≤j≤k-1)时刻的真实值。本发明实施例提出了误差精度要求的公式,保证了数据压缩的精度,提高了数据扫描的速度,从而对果园内由传感器节点组成的网络进行了优化,提升了传感器网络的节能效率,进而延长了传感器网络的寿命。
步骤S120:通过公式计算得到环境系数Ec;其中,Tt为接收到的温度数据,Ht为接收到的湿度数据,It为接收到的光照数据,Wt为接收到的风速数据,t为监测时间,T为预设的温度上下限的比值,H为预设的湿度上下限的比值,I为预设的光照上下限的比值,W为预设的风速上下限的比值,α为预设的温度比例系数,β为预设的湿度比例系数,γ为预设的光照比例系数,δ为预设的风速比例系数;
步骤S130:将环境系数Ec与预设的环境阈值进行比较;
步骤S140:若环境系数Ec大于或者等于预设的环境阈值,则说明存在病虫害,发送喷药指令到喷药机构,并发出警报。
具体地,可以先对各传感器节点进行编号,并在各传感器节点对应的区域设置相应编号的喷药机构。若根据某些传感器节点的监测数据分析得出存在病虫害的结论,则控制相对应的喷药机构喷药,从而进行有针对性的病虫害防治。
下面对喷药机构进行具体说明:
本发明实施例采用四组高清摄像头分别对脐橙树干、脐橙表面、脐橙茎叶上表面以及脐橙茎叶下表面进行实时监测,其中一组高清摄像头固定在脐橙树正上方,用于拍摄脐橙茎叶上表面黄龙病影像信息;一组高清摄像头固定在脐橙树干中部侧,用于拍摄树干表面黄龙病病害影像信息;一组高清摄像头固定在脐橙树一侧,用于拍摄脐橙表面黄龙病病害影像信息;一组高清摄像头固定在脐橙树干底部,用于向上拍摄脐橙茎叶下表面黄龙病病害影像信息,从而能够实现对脐橙不同部位进行分布划区具体化监测,进而做出更具有针对性地调控处理,分别控制相应位置的喷药装置工作,对黄龙病进行针对性防治。
当喷药机构接收到喷药指令后,根据不同作物以及施药信息按一定比例将农药和清水注入喷洒存储罐中进行混合,并将混合后的药液输送至喷洒头进行喷洒。在喷洒头的下方,设计有残液回收盘,回收液通过输送管,返流回储存罐中,避免滴落到工作人员身上,不仅保障了人员的身体健康,而且还避免了药液的浪费。
需要说明的是,本发明实施例还提供了通过无人机进行病虫害监测的方式,具体地,本发明实施例还包括:
接收无人机监测到的目标物图像;
对目标物图像进行裁剪、锐化、灰度、反色处理,得到预处理之后的图像;
对预处理之后的图像中重合阴影部分进行融合;
对融合后的图像进行图像特征提取;
将提取出的图像特征与图像数据库中的特征进行匹配,得到脐橙的患病结论。具体地,若提取出的图像特征与图像数据库中的特征匹配,则说明脐橙存在病虫害,发出喷药指令和/或警报。
具体地,在得到预处理之后的图像之后,还对预处理之后的图像进行校正处理。
需要说明的是,本发明实施例还提供了无人机的自动避障方案,具体地,本发明实施例还包括:
接收无人机监测到的目标物图像;
对目标物图像进行边缘估计,得到目标物的三维信息;
将三维信息与预设的三维库中的目标物信息进行匹配;
若匹配成功,获取与目标物信息对应的避让信息,将避让信息发回到无人机。在本实施例中,避让信息是预设在三维库中的与目标物信息对应的间距、避让方向、避让路线等。
参见图2,本发明实施例提供的脐橙病虫害监测装置,包括:
监测数据接收模块100,用于接收从监测传感器网络发送来的温度、湿度、光照和风速监测数据;
为了对由传感器节点组成的网络进行优化,从而提升传感器网络的节能效率,延长传感器网络的寿命,还包括:
数据感知模块,用于监测传感器网络中各传感器节点监测感知数据,感知数据的一个单位时间段的数据序列为X={x(ti),x(t2),…,x(tn)};其中,ti(1<i<n)表示时间节点,x(ti)表示在ti(1<i<n)时刻某个传感器节点监测到的感知数据;
数据扫描模块,用于从第一个数据点[t1,x(t1)]开始,对数据序列X={x(ti),x(t2),…,x(tn)}中的数据点按序进行第一次扫描直至达到预设的扫描停止条件,停止第一次的扫描;
数据拟合模块,用于将第一次扫描的数据子序列用一条线段来近似拟合,从第一次扫描的数据子序列后的第一个数据点开始进行第二次扫描直至扫描完整个单位时间段的数据序列;
监测数据输出模块,用于将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出。
具体地,预设的扫描停止条件为:当扫描到一个数据点[tk,x(tk)],在这个数据点[tk,x(tk)]之前的所有数据点能被一条线段来近似描述且满足预设的误差精度要求,而加上数据点[tk,x(tk)]之后,不存在一条线段能近似描述当前所有未被近似描述的数据点时,停止扫描。通过预设的扫描停止条件进行数据扫描,能够在线性时间内,使用最少数目的线段数来近似描述感知数据在一个单位时间段的数据序列且保证误差精度要求,然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出,从而减少了需要传输的数据量,降低了数据传输的能量消耗,从而相对减少了无线传感器网络节点的通信开销。
在本实施例中,上述的误差精度要求ε的公式为:
式中,x(tj)为在tj(α≤j≤k-1)时刻的真实值。本发明实施例提出了误差精度要求的公式,保证了数据压缩的精度,提高了数据扫描的速度,从而对果园内由传感器节点组成的网络进行了优化,提升了传感器网络的节能效率,进而延长了传感器网络的寿命。
环境系数计算模块200,用于通过公式计算得到环境系数Ec;其中,Tt为接收到的温度数据,Ht为接收到的湿度数据,It为接收到的光照数据,Wt为接收到的风速数据,t为监测时间,T为预设的温度上下限的比值,H为预设的湿度上下限的比值,I为预设的光照上下限的比值,W为预设的风速上下限的比值,α为预设的温度比例系数,β为预设的湿度比例系数,γ为预设的光照比例系数,δ为预设的风速比例系数;
环境系数比较模块300,用于将环境系数Ec与预设的环境阈值进行比较;
喷药指令发送模块400,用于若环境系数Ec大于或者等于预设的环境阈值,则说明存在病虫害,发送喷药指令到喷药机构,并发出警报。
具体地,可以先对各传感器节点进行编号,并在各传感器节点对应的区域设置相应编号的喷药机构。若根据某些传感器节点的监测数据分析得出存在病虫害的结论,则控制相对应的喷药机构喷药,从而进行有针对性的病虫害防治。
需要说明的是,本发明实施例还提供了通过无人机进行病虫害监测的方式,具体地,本发明实施例还包括:
第一目标物图像接收模块,用于接收无人机监测到的目标物图像;
图像预处理模块,用于对目标物图像进行裁剪、锐化、灰度、反色处理,得到预处理之后的图像;
图像融合模块,用于对预处理之后的图像中重合阴影部分进行融合;
图像特征提取模块,用于对融合后的图像进行图像特征提取;
图像特征分析模块,用于将提取出的图像特征与图像数据库中的特征进行匹配,得到脐橙的患病结论。具体地,若提取出的图像特征与图像数据库中的特征匹配,则说明脐橙存在病虫害,发出喷药指令和/或警报。
具体地,还包括:图像校正模块,用于对预处理之后的图像进行校正处理。
需要说明的是,本发明实施例还提供了无人机的自动避障方案,具体地,本发明实施例还包括:
第二目标物图像接收模块,用于接收无人机监测到的目标物图像;
边缘估计模块,用于对目标物图像进行边缘估计,得到目标物的三维信息;
三维信息匹配模块,用于将三维信息与预设的三维库中的目标物信息进行匹配;
避让模块,用于若匹配成功,获取与目标物信息对应的避让信息,将避让信息发回到无人机。在本实施例中,避让信息是预设在三维库中的与目标物信息对应的间距、避让方向、避让路线等。
参见图3,基于本发明实施例构建的基于5G信号的脐橙黄龙病智能防治监测系统,采用模块化结构。具体地,该系统有温湿度传感器、光照传感器、风速传感器、昆虫计数传感器等数据采集模块、无人机影像采集模块、A/D转化器模块、云端处理器模块、供电模块、对比反馈模块、喷药预警模块、5G传输人机交互模块、数据存储模块组成。云端处理器模块与A/D转化器模块组成了该系统的控制单元,该控制单元的输入端与数据采集模块、无人机影像采集模块的输出端相连,同时还与供电模块、对比反馈模块的输入输出端相连,输出端分别与5G传输人机交互模块、数据存储模块的输入端相连,同时输出端还与喷药预警模块的输入端相连。整个控制单元,通过对需要监测黄龙病病虫害的农业区域进行湿度监测节点、温度监测节点、光照监测节点、风速监测节点和昆虫计数监测节点实时监测,并将获取的监测数据发送到云端处理器模块,监测数据包括对空气温度、湿度、光照强度、风速、柑橘木虱虫数量的实时监测。云端处理器模块接收到数据采集模块的监测数据之后,将温度、湿度、光照和风速分别标记为Tt、Ht、It、Wt,通过公式计算,可获取需要监控脐橙感染黄龙病区域的环境系数Ec。当被感染区域的环境系数超过预设阈值时,云端处理器模块会生成特定指令发送到智能终端模块,并启动喷药预警模块,实现精准施药和自动调节,节省了大量人力和时间,极大提高了防治效率与施药精确度,从而有效地减少了黄龙病传染性对脐橙生产带来的严重威胁。当被感染区域的环境系数没有达到预设阈值时,云端处理器模块也会生成特定指令发送到智能终端模块,同时将分析得到的数据发送至数据存储模块进行记录存储,以便于以后进行采集数据的对比与反馈,极大地提高了对柑橘木虱虫病害的智能化、自动化远程监测与防治。
具体的实施方式如下:
首先,在脐橙种植区域内铺设型号为AM2350的温度传感器,型号为HIH3610的湿度传感器,型号为BH1750FVI1的光照传感器、型号为DATA-LYNX的昆虫计数传感器等数据采集模块,分别对温度、湿度、光照强度、风速、柑橘木虱虫数量进行实时监测。所用的AM2350温度传感器采用总线通讯,次通讯时间0~5ms,数据传输40位。所用的光照传感器采用BH1750FVI1光照传感器,光照范围为1~655351x。所用的昆虫计数传感器采用DATA-LYNX型昆虫计数传感器,可以自动记录脐橙柑橘木虱虫的数量。温度传感器、湿度传感器、光照传感器、风速传感器和昆虫计数传感器的输出端分别与A/D转化器模块的输入端相连,用于收集各种传感器所收集到的数据值,并通过建立5G微基站,利用5G通信技术,快速传输到A/D转化器模块进行数模转换。然后将转换后的模拟信号传输到云端处理器模块,与存储的病虫害信息库进行对比和阈值分析,得出监测点脐橙的具体患病情况。
无人机影像采集模块由无人机、高清摄像头、数据存储器、微处理器和无线发送模块组成。其中,高清摄像头用来拍摄果园内脐橙的患病情况,以及脐橙树干树枝等障碍物的具体分布位置。微处理器用来对所截取的图像进行深度分析并计算。数据存储器用于对三维图像信息进行保存,通过数据存储器,记录各种脐橙树干树枝障碍物的色彩深度信息、尺寸和安全距离信息,提供微处理器获取信息后的查询和匹配功能。无人机高清摄像头的输出端连接微处理器的输入端,同时,微处理器的一个输出端连接无线发送模块的输入端,将高清摄像头拍摄的图像进行远程发送,另一个输出端与数据存储器的输入端相连,将高清摄像头拍摄的图像进行本地存储。无人机影像采集模块的输出端同样与A/D转化器模块的输入端相连接。在无人机的飞行过程中,通过无人机高清摄像头拍摄指定被测脐橙区域内多个采样点的黄龙病病虫害图像,将图像通过5G信号技术,实时发送给云端处理器模块与存储的病虫害信息库进行对比和阈值分析,得出监测点脐橙的具体患病情况,进而启动喷药预警模块,做出有针对性的防治。同时还在人机交互系统界面显示。
当无人机在工作时,无人机记录有效距离内的各种障碍物,通过边缘估计计算法,获取物体的三维信息以及该障碍物的色彩深度信息,通过查询三维经验模型库,判断是否满足条件的信息。若相似度超过一定阈值,则认为就是三维经验模型库中预存的障碍物信息,获取距离该障碍物的安全距离,并进行合理避让飞行。在本实施例中,三维经验模型库主要记录果园内飞行轨迹路径上物体的三维态信息,包括色彩信息、对应的像素点信息、安全距离信息等。
喷药预警模块包括两个部分,一是喷药机构,二是预警模块。本发明实施例采用四组高清摄像头分别对脐橙树干、脐橙表面、脐橙茎叶上表面以及脐橙茎叶下表面进行实时监测,其中一组高清摄像头固定在脐橙树正上方,用于拍摄脐橙茎叶上表面黄龙病影像信息;一组高清摄像头固定在脐橙树干中部侧,用于拍摄树干表面黄龙病病害影像信息;一组高清摄像头固定在脐橙树一侧,用于拍摄脐橙表面黄龙病病害影像信息;一组高清摄像头固定在脐橙树干底部,用于向上拍摄脐橙茎叶下表面黄龙病病害影像信息,从而能够实现对脐橙不同部位进行分布划区具体化监测,进而做出更具有针对性地调控处理,分别控制相应位置的喷药机构工作,对黄龙病进行针对性防治。
具体地,喷药机构接收由云端处理器模块发出的指令,按照一定比例要求配置农药浓度,将定量的衣药注入农药存储罐,将对应量的清水注入清水储存罐,开启电机,电机旋转,螺杆带动喷灌固定支架的高度进行自适应调节,调节喷药头的高度至合适的喷洒位置,通过水泵将配比好的药液从药液简中抽出,经输送管送至喷洒头喷出。在本实施例中,在喷洒头的下方,设计有残液回收盘,回收液通过输送管,返流回储存罐中,避免滴落到工作人员身上,不仅保障了人员的身体健康,而且还避免了药液的浪费。
预警模块对柑橘木虱虫病害预警指令进行分级警报处理,对监测范围内的病虫害情况进行等级预警,避免了由于柑橘木虱虫的数量过多而对工作人员造成伤害。通过预警模块发送到工作人员的智能终端,以便于工作人员根据不同级别的预警信息做出应对。
数据存储模块包括:M1存储器、M2存储器、M3存储器和M4存储器。其中,M1存储器用于存储温度、湿度、光照、风速、监测时间、环境系数以及柑橘木虱虫数量;M2存储器用于存储黄龙病数目标记以及图像采集模块与其他各模块之间的交互记录;M3存储器用于存储云端处理器模块分析后的各种数据结果,同时云端处理器模块与其他各模块之间的交互记录;M4存储器用于存储系统工作过程中系统运行时产生的临时数据。在数据存储模块中,通过关键字的搜索,将得到的所有数据信息上传到云端处理器模块进行分析处理,经汇总后即可发送至工作人员的智能终端,工作人员使用智能终端即可实现对脐橙黄龙病的远程智能监控和防治。整个系统中所采集、拍摄、分析、处理以及记录的各项数据,均可以直观地显示在智能终端上。在本实施例中,智能终端包括智能手机、笔记本电脑、智能电视等。
本发明实施例通过设置了数据存储模块,用于存储系统在工作过程中产生的各项采集、处理以及需要记录入对比库的数据信息,使得监测防治系统更加完整稳定。
供电模块是太阳能供电模块,包括10W18V太阳能板和CN3722太阳能控制芯片。
人机交互模块包括:LED显示器、USB接口型的键盘无线信号接收器等。
本发明实施例提供的基于本发明实施例构建的基于5G信号的脐橙黄龙病智能防治监测系统,通过传感器节点对温湿度、光照度、风速等信息进行实时监测,无人机影像采集模块的摄像头采集被测区域内脐橙黄龙病的感染程度图像,通过A/D转化器模块将获取到的数字信号转成模拟信号,采用5G通信技术,将信息数据实时传输到云端处理器模块,并与数据存储模块中存储的黄龙病信息库进行对比和阈值分析处理,得出当前监测点所患黄龙病脐橙的具体信息,并显示在人机交互系统界面,再通过反馈模块,将云端处理器模块的反馈信息,实时传输给喷药机构和预警模块,一方面实现精准施药、有效防治脐橙黄龙病的蔓延,另一方面对监测范围内的病虫害情况进行等级预警,能够实现对脐橙黄龙病自动化、智能化的远程监控和高效预防,节省了大量人力和时间,极大提高了防治效率与施药精确度,从而有效地减小了黄龙病传染性对脐橙生产带来的严重威胁。
技术效果
1、首先通过在脐橙种植区域内铺设温度、湿度、光照和风速传感器,进行温度、湿度、光照和风速数据的实时监测,再通过公式计算得到环境系数,接着将环境系数与预设的环境阈值进行比较,若环境系数大于或者等于预设的环境阈值,则发送喷药指令到喷药机构,避免了传统监控模式的实地考察、记录和分析,实现了完全的智能化和自动化,提高了病虫害监测的效率和准确性。
2、本发明实施例对由传感器节点组成的网络进行算法优化,对最优路径进行搜索和更新,更好地提升了传感器网络的节能效率,从而延长了传感器网络的寿命。
3、本发明实施例还设计了无人机影像采集模块,有效地代替了人工实地调查环节,不仅提高了信息收集的全面性,更好地提高了数据准确精度,而且还节省了大量人力和时间,极大提高了防治效率,从而有效地减小了黄龙病传染性对脐橙生产带来的严重威胁。
与传统的病虫害监测防治方法相比,本发明实施例能够完全实现对脐橙黄龙病自动化、智能化的远程监控和高效预防,节省了大量人力和时间,极大提高了防治效率与施药精确度,从而有效地减小了传染性病害对脐橙生产带来的严重威胁,对提升赣南脐橙品质以及促进赣南脐橙产业的健康持续发展均具有重大的战略指导意义。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生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装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置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。
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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
2.如权利要求1所述的方法,其特征在于,在所述接收从监测传感器网络发送来的温度、湿度、光照和风速监测数据之前,还包括:
所述监测传感器网络中各传感器节点监测感知数据,所述感知数据的一个单位时间段的数据序列为X={x(ti),x(t2),…,x(tn)};其中,ti(1<i<n)表示时间节点,x(ti)表示在ti(1<i<n)时刻某个传感器节点监测到的感知数据;
从第一个数据点[t1,x(t1)]开始,对所述数据序列X={x(ti),x(t2),…,x(tn)}中的数据点按序进行第一次扫描直至达到预设的扫描停止条件,停止第一次的扫描;
将第一次扫描的数据子序列用一条线段来近似拟合,从所述第一次扫描的数据子序列后的第一个数据点开始进行第二次扫描直至扫描完整个单位时间段的数据序列;
将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出。
3.如权利要求2所述的方法,其特征在于,所述预设的扫描停止条件为:当扫描到一个数据点[tk,x(tk)],在这个数据点[tk,x(tk)]之前的所有数据点能被一条线段来近似描述且满足预设的误差精度要求,而加上所述数据点[tk,x(tk)]之后,不存在一条线段能近似描述当前所有未被近似描述的数据点时,停止扫描。
4.如权利要求1所述的方法,其特征在于,还包括:
接收无人机监测到的目标物图像;
对所述目标物图像进行裁剪、锐化、灰度、反色处理,得到预处理之后的图像;
对所述预处理之后的图像中重合阴影部分进行融合;
对融合后的图像进行图像特征提取;
将提取出的图像特征与图像数据库中的特征进行匹配,得到脐橙的患病结论。
5.如权利要求1所述的方法,其特征在于,还包括:
接收无人机监测到的目标物图像;
对所述目标物图像进行边缘估计,得到所述目标物的三维信息;
将所述三维信息与预设的三维库中的目标物信息进行匹配;
若匹配成功,获取与所述目标物信息对应的避让信息,将所述避让信息发回到所述无人机。
6.一种脐橙病虫害监测装置,其特征在于,包括:
监测数据接收模块,用于接收从监测传感器网络发送来的温度、湿度、光照和风速监测数据;
环境系数计算模块,用于通过公式计算得到环境系数Ec;其中,Tt为所述接收到的温度数据,Ht为所述接收到的湿度数据,It为所述接收到的光照数据,Wt为所述接收到的风速数据,T为预设的温度上下限的比值,H为预设的湿度上下限的比值,I为预设的光照上下限的比值,W为预设的风速上下限的比值,α为预设的温度比例系数,β为预设的湿度比例系数,γ为预设的光照比例系数,δ为预设的风速比例系数;
环境系数比较模块,用于将所述环境系数Ec与预设的环境阈值进行比较;
喷药指令发送模块,用于若所述环境系数Ec大于或者等于所述预设的环境阈值,发送喷药指令到喷药机构。
7.如权利要求6所述的装置,其特征在于,还包括:
数据感知模块,用于所述监测传感器网络中各传感器节点监测感知数据,所述感知数据的一个单位时间段的数据序列为X={x(ti),x(t2),…,x(tn)};其中,ti(1<i<n)表示时间节点,x(ti)表示在ti(1<i<n)时刻某个传感器节点监测到的感知数据;
数据扫描模块,用于从第一个数据点[t1,x(t1)]开始,对所述数据序列X={x(ti),x(t2),…,x(tn)}中的数据点按序进行第一次扫描直至达到预设的扫描停止条件,停止第一次的扫描;
数据拟合模块,用于将第一次扫描的数据子序列用一条线段来近似拟合,从所述第一次扫描的数据子序列后的第一个数据点开始进行第二次扫描直至扫描完整个单位时间段的数据序列;
监测数据输出模块,用于将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出。
8.如权利要求7所述的装置,其特征在于,所述预设的扫描停止条件为:当扫描到一个数据点[tk,x(tk)],在这个数据点[tk,x(tk)]之前的所有数据点能被一条线段来近似描述且满足预设的误差精度要求,而加上所述数据点[tk,x(tk)]之后,不存在一条线段能近似描述当前所有未被近似描述的数据点时,停止扫描。
9.如权利要求6所述的装置,其特征在于,还包括:
第一目标物图像接收模块,用于接收无人机监测到的目标物图像;
图像预处理模块,用于对所述目标物图像进行裁剪、锐化、灰度、反色处理,得到预处理之后的图像;
图像融合模块,用于对所述预处理之后的图像中重合阴影部分进行融合;
图像特征提取模块,用于对融合后的图像进行图像特征提取;
图像特征分析模块,用于将提取出的图像特征与图像数据库中的特征进行匹配,得到脐橙的患病结论。
10.如权利要求6所述的装置,其特征在于,还包括:
第二目标物图像接收模块,用于接收无人机监测到的目标物图像;
边缘估计模块,用于对所述目标物图像进行边缘估计,得到所述目标物的三维信息;
三维信息匹配模块,用于将所述三维信息与预设的三维库中的目标物信息进行匹配;
避让模块,用于若匹配成功,获取与所述目标物信息对应的避让信息,将所述避让信息发回到所述无人机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210118150.7A CN114460078A (zh) | 2022-02-08 | 2022-02-08 | 一种脐橙病虫害监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210118150.7A CN114460078A (zh) | 2022-02-08 | 2022-02-08 | 一种脐橙病虫害监测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114460078A true CN114460078A (zh) | 2022-05-10 |
Family
ID=81414144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210118150.7A Pending CN114460078A (zh) | 2022-02-08 | 2022-02-08 | 一种脐橙病虫害监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114460078A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202680312U (zh) * | 2012-03-26 | 2013-01-23 | 北京农业信息技术研究中心 | 一种葡萄园用精量喷药装置 |
US20160150744A1 (en) * | 2014-11-27 | 2016-06-02 | National Taiwan University | System and method for applying a pesticide to a crop |
CN105787446A (zh) * | 2016-02-24 | 2016-07-20 | 上海劲牛信息技术有限公司 | 一种智慧农业病虫害远程自动诊断系统 |
CN106385432A (zh) * | 2016-08-30 | 2017-02-08 | 孟玲 | 基于大数据病虫害监测预警系统 |
CN106502267A (zh) * | 2016-12-06 | 2017-03-15 | 上海师范大学 | 一种无人机避让系统 |
CN106951447A (zh) * | 2017-02-18 | 2017-07-14 | 赣南师范大学 | 一种智慧农业病虫害远程自动诊断系统 |
CN107357271A (zh) * | 2017-06-30 | 2017-11-17 | 深圳前海弘稼科技有限公司 | 温室作物病虫害的防治方法、防治系统 |
CN107783522A (zh) * | 2017-10-18 | 2018-03-09 | 来安县威光绿园生态农业专业合作社 | 一种基于物联网的农作物病虫害智能防治系统 |
CN210406811U (zh) * | 2019-01-18 | 2020-04-28 | 张庆伟 | 一种农药喷洒车 |
CN111339921A (zh) * | 2020-02-24 | 2020-06-26 | 南京邮电大学 | 基于轻量级卷积神经网络的病虫害检测无人机及检测方法 |
CN112004002A (zh) * | 2020-08-05 | 2020-11-27 | 东珠生态环保股份有限公司 | 一种基于物联网的林木病虫害监测防治系统及其工作方法 |
CN112055079A (zh) * | 2020-09-03 | 2020-12-08 | 华艺生态园林股份有限公司 | 一种基于云计算平台的病虫害监测预警系统 |
CN113086203A (zh) * | 2021-04-13 | 2021-07-09 | 海南大学 | 一种系留式农用无人机橡胶树减飘施药系统及施药方法 |
CN113865640A (zh) * | 2021-08-04 | 2021-12-31 | 山东商务职业学院 | 一种基于物联网的监测系统 |
-
2022
- 2022-02-08 CN CN202210118150.7A patent/CN114460078A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202680312U (zh) * | 2012-03-26 | 2013-01-23 | 北京农业信息技术研究中心 | 一种葡萄园用精量喷药装置 |
US20160150744A1 (en) * | 2014-11-27 | 2016-06-02 | National Taiwan University | System and method for applying a pesticide to a crop |
CN105787446A (zh) * | 2016-02-24 | 2016-07-20 | 上海劲牛信息技术有限公司 | 一种智慧农业病虫害远程自动诊断系统 |
CN106385432A (zh) * | 2016-08-30 | 2017-02-08 | 孟玲 | 基于大数据病虫害监测预警系统 |
CN106502267A (zh) * | 2016-12-06 | 2017-03-15 | 上海师范大学 | 一种无人机避让系统 |
CN106951447A (zh) * | 2017-02-18 | 2017-07-14 | 赣南师范大学 | 一种智慧农业病虫害远程自动诊断系统 |
CN107357271A (zh) * | 2017-06-30 | 2017-11-17 | 深圳前海弘稼科技有限公司 | 温室作物病虫害的防治方法、防治系统 |
CN107783522A (zh) * | 2017-10-18 | 2018-03-09 | 来安县威光绿园生态农业专业合作社 | 一种基于物联网的农作物病虫害智能防治系统 |
CN210406811U (zh) * | 2019-01-18 | 2020-04-28 | 张庆伟 | 一种农药喷洒车 |
CN111339921A (zh) * | 2020-02-24 | 2020-06-26 | 南京邮电大学 | 基于轻量级卷积神经网络的病虫害检测无人机及检测方法 |
CN112004002A (zh) * | 2020-08-05 | 2020-11-27 | 东珠生态环保股份有限公司 | 一种基于物联网的林木病虫害监测防治系统及其工作方法 |
CN112055079A (zh) * | 2020-09-03 | 2020-12-08 | 华艺生态园林股份有限公司 | 一种基于云计算平台的病虫害监测预警系统 |
CN113086203A (zh) * | 2021-04-13 | 2021-07-09 | 海南大学 | 一种系留式农用无人机橡胶树减飘施药系统及施药方法 |
CN113865640A (zh) * | 2021-08-04 | 2021-12-31 | 山东商务职业学院 | 一种基于物联网的监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104852989B (zh) | 一种基于物联网的智能农业监控系统 | |
CN111488017A (zh) | 基于物联网的智慧农业管理控制系统 | |
CN109328973B (zh) | 一种橡胶树智能割胶系统及其控制方法 | |
CN110738196A (zh) | 一种基于区域墒情监测和遥感数据的实时灌溉预报系统 | |
CN205819567U (zh) | 一种无人机植保系统 | |
CN106406178A (zh) | 一种温室作物生长信息实时对等监测装置及监测方法 | |
CN109460098A (zh) | 一种基于大数据的农业物联网系统 | |
CN108614607B (zh) | 一种基于即时监控数据的农业生产多因素管理决策系统 | |
CN108765763A (zh) | 智慧式无人移动栽培设备、共享系统及商业模式 | |
CN106060174A (zh) | 一种基于数据分析的农业指导系统 | |
CN106200683A (zh) | 无人机植保系统及植保方法 | |
CN102156923A (zh) | 植物综合生产管理系统及方法 | |
CN109601517B (zh) | 一种针对多类杂草的农药喷洒的装置及方法 | |
CN205986949U (zh) | 一种基于数据分析的农业指导系统 | |
Zhou et al. | Applications of Internet of Things in the facility agriculture | |
CN205883318U (zh) | 一种农业物联网远程监测与控制系统 | |
CN103217905A (zh) | 一种设施农业温室大棚环境参数自适应控制方法 | |
CN106768081A (zh) | 一种判断果蔬生长状态的方法及系统 | |
CN109656207A (zh) | 一种基于大数据分析平台的智慧烟叶种植分析管理系统 | |
CN112514779A (zh) | 一种智能灌溉系统 | |
CN112540563A (zh) | 一种基于物联网的智慧农业控制系统及控制方法 | |
CN109634332A (zh) | 一种现代化温室的智能调控系统 | |
CN113408961A (zh) | 一种基于农业物联网的农业监管平台 | |
CN109792886A (zh) | 一种果园自动摘果系统 | |
CN103093389A (zh) | 基于网络的农产品生产管理系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220510 |