CN114486764A - 基于全光谱水质分析仪的农业面源污染监测系统 - Google Patents
基于全光谱水质分析仪的农业面源污染监测系统 Download PDFInfo
- Publication number
- CN114486764A CN114486764A CN202210095885.2A CN202210095885A CN114486764A CN 114486764 A CN114486764 A CN 114486764A CN 202210095885 A CN202210095885 A CN 202210095885A CN 114486764 A CN114486764 A CN 114486764A
- Authority
- CN
- China
- Prior art keywords
- farmland
- area
- water quality
- data
- wetland
- 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
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/121—Correction signals
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/20—Controlling water pollution; Waste water treatment
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于全光谱水质分析仪的农业面源污染监测系统,属于农田水质检测技术领域,包括区域规划模块、线路规划模块、农田检测模块、湿地校正模块、数据库和服务器;通过区域规划模块进行农田的区域划分,获得监测区域,线路规划模块根据获得的监测区域设置湿地检测区;农田检测模块对监测区域内农田的水质进行检测,并将采集的水质数据发送到对应的湿地校正模块;湿地校正模块用于对农田检测模块采集的水质数据进行校正,在湿地检测区设置协同校正装置,实时获取协同校正装置的采集数据,采集数据包括协同数据和日常光谱数据,协同数据包括协同光谱数据和标准数据,根据协同数据建立校正模型。
Description
技术领域
本发明属于农田水质检测技术领域,具体是基于全光谱水质分析仪的农业面源污染监测系统。
背景技术
农田养分流失已经成为农业面源污染和水体氮、磷富营养化的主要原因之一,农田面源污染监测技术与方法在农业面源污染控制中十分重要;主要包括农业面源污染物源头控制与生态阻控技术、农业面源污染氮磷及有机污染关键指标动态监测技术等;因此本申请提出基于全光谱水质分析仪的农业面源污染监测系统,用于实现对农田水质的检测。
发明内容
为了解决上述方案存在的问题,本发明提供了基于全光谱水质分析仪的农业面源污染监测系统。
本发明的目的可以通过以下技术方案实现:
基于全光谱水质分析仪的农业面源污染监测系统,包括区域规划模块、线路规划模块、农田检测模块、湿地校正模块、数据库和服务器;
通过区域规划模块进行农田的区域划分,获得监测区域,线路规划模块根据获得的监测区域设置湿地检测区;农田检测模块对监测区域内农田的水质进行检测,并将采集的水质数据发送到对应的湿地校正模块;
湿地校正模块用于对农田检测模块采集的水质数据进行校正,具体方法包括:
在湿地检测区设置协同校正装置,实时获取协同校正装置的采集数据,采集数据包括协同数据和日常光谱数据,协同数据包括协同光谱数据和标准数据,根据协同数据建立校正模型,并实时通过协同校正装置采集的协同数据对校正模型进行再学习;
接收农田检测模块传输的水质数据,通过校正模型对接收的水质数据进行校正,将校正后的水质数据标记为农田监测数据,将农田监测数据发送到数据库进行保存。
进一步地,区域规划模块的工作方法包括:
步骤SA1:获取单一农田区域,识别各个单一农田区域的面积,标记为单元面积,获取单一农田区域的边界形状,标记为单一轮廓,建立轮廓赋值表,将单一轮廓输入到轮廓赋值表中进行赋值,获得对应的单一轮廓赋值;
步骤SA2:建立单一农田区域的特征向量,根据单一农田区域的特征向量建立聚类样本集合,将单一农田区域的特征向量视为一个独立的聚类簇,计算两两聚类簇之间的距离,设置监测区域的最大服务半径,将距离最近的两个聚类簇合并为一个新的聚类簇,将新的聚类簇标记为合并聚类簇;
步骤SA3:计算合并聚类簇与其他聚类簇之间的距离,当合并聚类簇与其他聚类簇之间的最小距离小于最大服务半径时,将对应的两个聚类簇进行合并,再次形成一个新的合并聚类簇;
步骤SA4:重复步骤SA3,直到合并聚类簇与其他聚类簇之间的最小距离不小于最大服务半径时,停止重复步骤SA3,将对应的合并聚类簇标记为监测区域。
进一步地,获取单一农田区域的方法包括:
获取需要进行监测的农田范围,区域农田范围的全景照片,获取图片识别模型,通过图片识别模型识别农田全景照片中的农田边界线,根据识别的农田边界线制作农田分布图,将农田分布图中农田边界线包围的区域标记为单一农田区域。
进一步地,建立轮廓赋值表的方法包括:
从互联网中获取当前农田具有的边界形状,并对获取的边界形状进行去重,将去重后的边界形状根据地理区域打上对应的地理标签,将打上地理标签的边界形状标记为分类边界,将分类边界整合到一张统计表格中,为统计表格中的每个分类边界设置对应的赋值,将赋值后的统计表格标记为轮廓赋值表。
进一步地,为统计表格中的每个分类边界设置对应的赋值的方法为:
设置若干个标准形状,并为每个标准形状设置对应的赋值,获取相似度模型,计算所有的分类边界与每个标准形状之间的相似度,选取分类边界与若干个标准形状中最高的相似度作为赋值标准,并打上对应标准形状的识别标签,建立对应标准形状的相似度赋值表,将分类边界的相似度输入到对应的相似度赋值表中,匹配到对应的分类边界赋值。
进一步地,线路规划模块的工作方法包括:
识别农田分布图中监测区域的相邻主水渠,获取监测区域内农田的排水口,在监测区域内设置坐标系,标记各个农田排水口的坐标,将主水渠与监测区域之间的区域标记为缓冲区,获取湿地检测区的尺寸信息,根据获取的湿地检测区尺寸信息设置湿地标准块,将湿地标准块放置在缓冲区内的任意位置上,获取监测区域内农田的排水口到湿地标准块之间的路线总距离;
改变湿地标准块在缓冲区内的位置,重新计算监测区域内农田的排水口到湿地标准块之间的路线总距离,直到获得湿地标准块在缓冲区内所有位置上对应的路线总距离,将获得路线总距离按照由小到大的顺序进行排列,将排列第一的路线总距离对应的湿地标准块位置标记为定点位置,将湿地检测区设置在定点位置。
进一步地,农田检测模块的工作方法包括:
在监测区域内每个农田的排水口处设置全光谱水质分析仪,通过全光谱水质分析仪实时采集对应农田的水质数据,并将采集的水质数据打上对应的农田标签。
进一步地,在湿地检测区设置协同校正装置的方法包括:
获取基于国际法的水质检测装置,标记为标准检测装置,与标准检测装置相邻设置一个全光谱水质分析仪,将标准检测装置与全光谱水质分析仪整合为协同校正装置。
与现有技术相比,本发明的有益效果是:通过进行农田的区域划分,设置监测区域,便于分区管理,适应后续的水质检测和数据处理,当出现水质问题时,也可以快速的定位到对应的区域;实现通过全光谱水质分析仪对水质的实时检测和校正,避免了将全光谱水质分析仪送到实验室进行校正带来的不便性和高额成本,实现对农田水质的秒级测量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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,基于全光谱水质分析仪的农业面源污染监测系统,包括区域规划模块、线路规划模块、农田检测模块、湿地校正模块、数据库和服务器;
所述区域规划模块用于进行农田的区域划分,获得监测区域,具体方法包括:
步骤SA1:获取需要进行监测的农田范围,区域农田范围的全景照片,获取图片识别模型,通过图片识别模型识别农田全景照片中的农田边界线,根据识别的农田边界线制作农田分布图,将农田分布图中农田边界线包围的区域标记为单一农田区域;单一农田区域指的就是一块块的农田;
在农田分布图中标记各个单一农田区域的面积,标记为单元面积,识别单一农田区域的边界形状,标记为单一轮廓,建立轮廓赋值表,将单一轮廓输入到轮廓赋值表中进行赋值,获得对应的单一轮廓赋值,
步骤SA2:将单一农田区域标记为i,i=1、2、……、n,n为正整数,将单元面积标记为Pi,将单一轮廓赋值标记为Li,建立单一农田区域的特征向量根据单一农田区域的特征向量建立聚类样本集合将单一农田区域的特征向量视为一个独立的聚类簇,计算两两聚类簇之间的距离,设置监测区域的最大服务半径,最大服务半径是由专家组根据全光谱水质分析仪的分析能力和农田排水情况进行设置的,将距离最近的两个聚类簇合并为一个新的聚类簇,将新的聚类簇标记为合并聚类簇;
步骤SA3:计算合并聚类簇与其他聚类簇之间的距离,当合并聚类簇与其他聚类簇之间的最小距离小于最大服务半径时,将对应的两个聚类簇进行合并,再次形成一个新的合并聚类簇;
步骤SA4:重复步骤SA3,直到合并聚类簇与其他聚类簇之间的最小距离不小于最大服务半径时,停止重复步骤SA3,将对应的合并聚类簇标记为监测区域。
对获取的边界形状进行去重时,只比较具体的形状,并不关注具体的尺寸数值,可以进行等比例缩放比较,可以使用现有的形状去重算法进行去重。
获取图片识别模型的方法为根据实际图片的识别需要,直接从现有的图片识别模型中进行选择,因为关于图片轮廓提取的模型在网络中具有很多,不需要再费时费力的进行建立训练。
在一个实施例中,若可以通过相关部门直接获得农田分布图,可以不用再进行制作农田分布图,可以直接使用获取的农田分布图。
建立轮廓赋值表的方法包括:
从互联网中获取当前农田具有的边界形状,并对获取的边界形状进行去重,将去重后的边界形状根据地理区域打上对应的地理标签,因为一个边界形状可能在多个地理区域都有,因此一个边界形状上可能具有多个不同的地理标签;将打上地理标签的边界形状标记为分类边界,将分类边界整合到一张统计表格中,为统计表格中的每个分类边界设置对应的赋值,将赋值后的统计表格标记为轮廓赋值表。
在一个实施例中,为统计表格中的每个分类边界设置对应的赋值的方法可以通过人工的方式进行赋值,主要是根据分类边界的形状在后续进行多个分类边界组合时的影响进行设置的。
在一个实施例中,为统计表格中的每个分类边界设置对应的赋值的方法为:设置若干个标准形状,并为每个标准形状设置对应的赋值,获取现有的相似度模型,计算所有的分类边界与每个标准形状之间的相似度,选取分类边界与若干个标准形状中最高的相似度作为赋值标准,并打上对应标准形状的识别标签,建立对应标准形状的相似度赋值表,将分类边界的相似度输入到对应的相似度赋值表中,匹配到对应的分类边界赋值。
建立对应标准形状的相似度赋值表的方法就是根据标准形状的赋值设置不同的相似度区间,每个相似度区间设置对应的赋值。
所述线路规划模块用于规划监测区域内农田的水流流动路径,具体方法包括:
识别农田分布图中监测区域的相邻主水渠,获取监测区域内农田的排水口,在监测区域内设置坐标系,标记各个农田排水口的坐标,将主水渠与监测区域之间的区域标记为缓冲区,获取湿地检测区的尺寸信息,根据获取的湿地检测区尺寸信息设置湿地标准块,湿地标准块就是根据湿地检测区尺寸设置的一个在缓冲区内表示的代表块,将湿地标准块放置在缓冲区内的任意位置上,获取监测区域内农田的排水口到湿地标准块之间的路线总距离,农田的排水口到湿地标准块之间的路线指的可通水流的水渠路线,不能直接穿过其他的农田;
改变湿地标准块在缓冲区内的位置,重新计算监测区域内农田的排水口到湿地标准块之间的路线总距离,直到获得湿地标准块在缓冲区内所有位置上对应的路线总距离,将获得路线总距离按照由小到大的顺序进行排列,将排列第一的路线总距离对应的湿地标准块位置标记为定点位置,将湿地检测区设置在定点位置,将监测区域内农田排水口与湿地检测区进行连通,在将湿地检测区与主水渠进行连通。
所述农田检测模块用于对监测区域内农田的水质进行检测,具体方法包括:
在监测区域内每个农田的排水口处设置全光谱水质分析仪,通过全光谱水质分析仪实时采集对应农田的水质数据,并将采集的水质数据打上对应的农田标签,将打上农田标签的水质数据发送到对应的湿地校正模块;
所述湿地校正模块用于对全光谱水质分析仪采集的水质数据进行校正,具体方法包括:
在湿地检测区设置协同校正装置,实时获取协同校正装置的采集数据,采集数据包括协同数据和日常光谱数据,日常光谱数据即为由协同校正装置中全光谱水质分析仪在标准检测装置没有采集到数据时采集的数据,协同数据包括协同光谱数据和标准数据,标准数据为由协同校正装置中的标准检测装置采集的数据,因为标准检测装置并不是实时进行数据采集的,所以采集数据具有不同的种类,协同光谱数据即为由协同校正装置中全光谱水质分析仪在标准检测装置采集到数据时采集的数据,根据协同数据建立校正模型,校正模型是基于CNN网络或DNN网络进行建立,以协同数据作为训练集进行训练的,即为以协同数据中的协同光谱数据为输入数据,以协同数据中的标准数据为输出数据进行训练的;并实时通过协同校正装置采集的协同数据对校正模型进行再学习;
接收农田检测模块传输的水质数据,通过校正模型对接收的水质数据进行校正,将校正后的水质数据标记为农田监测数据,将农田监测数据发送到数据库进行保存。
在湿地检测区设置协同校正装置的方法包括:
获取基于国际法的水质检测装置,标记为标准检测装置,标准检测装置是使用湿化学分析方法进行检测的,具有高精度的检测结果,一般为四小时测量一次,可以使用现有的具有相同功能的检测装置;与标准检测装置相邻设置一个全光谱水质分析仪,将标准检测装置与全光谱水质分析仪整合为协同校正装置。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理:通过区域规划模块进行农田的区域划分,获得监测区域,线路规划模块根据获得的监测区域设置湿地检测区;农田检测模块对监测区域内农田的水质进行检测,并将采集的水质数据发送到对应的湿地校正模块;湿地校正模块对全光谱水质分析仪采集的水质数据进行校正,在湿地检测区设置协同校正装置,实时获取协同校正装置的采集数据,采集数据包括协同数据和日常光谱数据,协同数据包括协同光谱数据和标准数据,根据协同数据建立校正模型,并实时通过协同校正装置采集的协同数据对校正模型进行再学习;接收农田检测模块传输的水质数据,通过校正模型对接收的水质数据进行校正,将校正后的水质数据标记为农田监测数据,将农田监测数据发送到数据库进行保存。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.基于全光谱水质分析仪的农业面源污染监测系统,其特征在于,包括区域规划模块、线路规划模块、农田检测模块、湿地校正模块、数据库和服务器;
通过区域规划模块进行农田的区域划分,获得监测区域,线路规划模块根据获得的监测区域设置湿地检测区;农田检测模块对监测区域内农田的水质进行检测,并将采集的水质数据发送到对应的湿地校正模块;
湿地校正模块用于对农田检测模块采集的水质数据进行校正,具体方法包括:
在湿地检测区设置协同校正装置,实时获取协同校正装置的采集数据,采集数据包括协同数据和日常光谱数据,协同数据包括协同光谱数据和标准数据,根据协同数据建立校正模型,并实时通过协同校正装置采集的协同数据对校正模型进行再学习;
接收农田检测模块传输的水质数据,通过校正模型对接收的水质数据进行校正,将校正后的水质数据标记为农田监测数据,将农田监测数据发送到数据库进行保存。
2.根据权利要求1所述的基于全光谱水质分析仪的农业面源污染监测系统,其特征在于,区域规划模块的工作方法包括:
步骤SA1:获取单一农田区域,识别各个单一农田区域的面积,标记为单元面积,获取单一农田区域的边界形状,标记为单一轮廓,建立轮廓赋值表,将单一轮廓输入到轮廓赋值表中进行赋值,获得对应的单一轮廓赋值;
步骤SA2:建立单一农田区域的特征向量,根据单一农田区域的特征向量建立聚类样本集合,将单一农田区域的特征向量视为一个独立的聚类簇,计算两两聚类簇之间的距离,设置监测区域的最大服务半径,将距离最近的两个聚类簇合并为一个新的聚类簇,将新的聚类簇标记为合并聚类簇;
步骤SA3:计算合并聚类簇与其他聚类簇之间的距离,当合并聚类簇与其他聚类簇之间的最小距离小于最大服务半径时,将对应的两个聚类簇进行合并,再次形成一个新的合并聚类簇;
步骤SA4:重复步骤SA3,直到合并聚类簇与其他聚类簇之间的最小距离不小于最大服务半径时,停止重复步骤SA3,将对应的合并聚类簇标记为监测区域。
3.根据权利要求2所述的基于全光谱水质分析仪的农业面源污染监测系统,其特征在于,获取单一农田区域的方法包括:
获取需要进行监测的农田范围,区域农田范围的全景照片,获取图片识别模型,通过图片识别模型识别农田全景照片中的农田边界线,根据识别的农田边界线制作农田分布图,将农田分布图中农田边界线包围的区域标记为单一农田区域。
4.根据权利要求2所述的基于全光谱水质分析仪的农业面源污染监测系统,其特征在于,建立轮廓赋值表的方法包括:
从互联网中获取当前农田具有的边界形状,并对获取的边界形状进行去重,将去重后的边界形状根据地理区域打上对应的地理标签,打上地理标签的边界形状标记为分类边界,将分类边界整合到一张统计表格中,为统计表格中的每个分类边界设置对应的赋值,将赋值后的统计表格标记为轮廓赋值表。
5.根据权利要求4所述的基于全光谱水质分析仪的农业面源污染监测系统,其特征在于,为统计表格中的每个分类边界设置对应的赋值的方法为:
设置若干个标准形状,并为每个标准形状设置对应的赋值,获取相似度模型,计算所有的分类边界与每个标准形状之间的相似度,选取分类边界与若干个标准形状中最高的相似度作为赋值标准,并打上对应标准形状的识别标签,建立对应标准形状的相似度赋值表,将分类边界的相似度输入到对应的相似度赋值表中,匹配到对应的分类边界赋值。
6.根据权利要求1所述的基于全光谱水质分析仪的农业面源污染监测系统,其特征在于,线路规划模块的工作方法包括:
识别农田分布图中监测区域的相邻主水渠,获取监测区域内农田的排水口,在监测区域内设置坐标系,标记各个农田排水口的坐标,将主水渠与监测区域之间的区域标记为缓冲区,获取湿地检测区的尺寸信息,根据获取的湿地检测区尺寸信息设置湿地标准块,将湿地标准块放置在缓冲区内的任意位置上,获取监测区域内农田的排水口到湿地标准块之间的路线总距离;
改变湿地标准块在缓冲区内的位置,重新计算监测区域内农田的排水口到湿地标准块之间的路线总距离,直到获得湿地标准块在缓冲区内所有位置上对应的路线总距离,将获得路线总距离按照由小到大的顺序进行排列,将排列第一的路线总距离对应的湿地标准块位置标记为定点位置,将湿地检测区设置在定点位置。
7.根据权利要求1所述的基于全光谱水质分析仪的农业面源污染监测系统,其特征在于,农田检测模块的工作方法包括:
在监测区域内每个农田的排水口处设置全光谱水质分析仪,通过全光谱水质分析仪实时采集对应农田的水质数据,并将采集的水质数据打上对应的农田标签。
8.根据权利要求1所述的基于全光谱水质分析仪的农业面源污染监测系统,其特征在于,在湿地检测区设置协同校正装置的方法包括:
获取基于国际法的水质检测装置,标记为标准检测装置,与标准检测装置相邻设置一个全光谱水质分析仪,将标准检测装置与全光谱水质分析仪整合为协同校正装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210095885.2A CN114486764B (zh) | 2022-01-26 | 2022-01-26 | 基于全光谱水质分析仪的农业面源污染监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210095885.2A CN114486764B (zh) | 2022-01-26 | 2022-01-26 | 基于全光谱水质分析仪的农业面源污染监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114486764A true CN114486764A (zh) | 2022-05-13 |
CN114486764B CN114486764B (zh) | 2023-06-06 |
Family
ID=81476810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210095885.2A Active CN114486764B (zh) | 2022-01-26 | 2022-01-26 | 基于全光谱水质分析仪的农业面源污染监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114486764B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115684532A (zh) * | 2022-12-30 | 2023-02-03 | 正大农业科学研究有限公司 | 水质监测方法、装置、系统、电子设备及存储介质 |
CN116310893A (zh) * | 2023-02-22 | 2023-06-23 | 中关村科学城城市大脑股份有限公司 | 一种基于无人机的水域污染采集识别方法及系统 |
CN117808173A (zh) * | 2024-02-29 | 2024-04-02 | 四川省水利科学研究院 | 水田肥度检测方法、相关产品及基于其的种植方法 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012090235A1 (en) * | 2010-12-31 | 2012-07-05 | Geotechnos S.R.L. | Integrated method and system for detecting and elaborating environmental and terrestrial data |
JP2015167562A (ja) * | 2014-11-21 | 2015-09-28 | ジオサーフ株式会社 | 圃場ガイダンスシステム及び圃場ガイダンス方法並びにソフトウェア及びソフトウェアを格納した記憶媒体 |
CN105758806A (zh) * | 2016-02-04 | 2016-07-13 | 中国农业科学院农业资源与农业区划研究所 | 基于光谱特征的地膜覆盖农田遥感监测方法 |
CN106355334A (zh) * | 2016-08-30 | 2017-01-25 | 中国农业大学 | 农田建设区域判定方法 |
CN106485655A (zh) * | 2015-09-01 | 2017-03-08 | 张长隆 | 一种基于四旋翼飞行器航拍地图生成系统及方法 |
CN107957357A (zh) * | 2018-01-18 | 2018-04-24 | 北京清环智慧水务科技有限公司 | 一种排水管道水质自动采样方法及装置 |
US20180259496A1 (en) * | 2012-06-01 | 2018-09-13 | Agerpoint, Inc. | Systems and methods for monitoring agricultural products |
CN109146889A (zh) * | 2018-07-13 | 2019-01-04 | 洛阳中科龙网创新科技有限公司 | 一种基于高分辨率遥感图像的农田边界提取方法 |
CN109631903A (zh) * | 2019-01-04 | 2019-04-16 | 丰疆智慧农业股份有限公司 | 谷物处理自动驾驶系统及其自动驾驶方法和路径规划方法 |
US20190208695A1 (en) * | 2015-12-03 | 2019-07-11 | Mogens Max Sophus Edzard Graf Plessen | Path Planning for Area Coverage |
CN111062361A (zh) * | 2019-12-27 | 2020-04-24 | 中水北方勘测设计研究有限责任公司 | 一种河湖岸线采砂监测分析的方法及装置 |
CN111380813A (zh) * | 2020-03-20 | 2020-07-07 | 合肥工业大学 | 一种便携式小麦种子多品质无损检测装置及检测方法 |
US20210000006A1 (en) * | 2019-07-02 | 2021-01-07 | Bear Flag Robotics, Inc. | Agricultural Lane Following |
US20210094688A1 (en) * | 2018-03-20 | 2021-04-01 | Skyx Ltd. | Managing a fleet of spraying aerial vehicles |
CN112734694A (zh) * | 2020-12-19 | 2021-04-30 | 闫耀伟 | 一种基于大数据的水质监测方法 |
CN112926915A (zh) * | 2021-02-07 | 2021-06-08 | 广东白云学院 | 一种物流大数据统计管理系统 |
EP3837944A1 (en) * | 2019-12-19 | 2021-06-23 | Stiga S.p.A. in breve anche St. S.p.A. | Land monitoring system and related method |
CN113040034A (zh) * | 2021-03-26 | 2021-06-29 | 西京学院 | 一种节水灌溉控制系统及控制方法 |
CN113343740A (zh) * | 2020-03-02 | 2021-09-03 | 阿里巴巴集团控股有限公司 | 表格检测方法、装置、设备和存储介质 |
CN113588572A (zh) * | 2021-08-04 | 2021-11-02 | 广州市华南自然资源科学技术研究院 | 一种农田重金属在线检测校正模型智能管理系统 |
CN113869104A (zh) * | 2021-08-04 | 2021-12-31 | 山东商务职业学院 | 一种基于大数据的农业环境监测系统 |
-
2022
- 2022-01-26 CN CN202210095885.2A patent/CN114486764B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012090235A1 (en) * | 2010-12-31 | 2012-07-05 | Geotechnos S.R.L. | Integrated method and system for detecting and elaborating environmental and terrestrial data |
US20180259496A1 (en) * | 2012-06-01 | 2018-09-13 | Agerpoint, Inc. | Systems and methods for monitoring agricultural products |
JP2015167562A (ja) * | 2014-11-21 | 2015-09-28 | ジオサーフ株式会社 | 圃場ガイダンスシステム及び圃場ガイダンス方法並びにソフトウェア及びソフトウェアを格納した記憶媒体 |
CN106485655A (zh) * | 2015-09-01 | 2017-03-08 | 张长隆 | 一种基于四旋翼飞行器航拍地图生成系统及方法 |
US20190208695A1 (en) * | 2015-12-03 | 2019-07-11 | Mogens Max Sophus Edzard Graf Plessen | Path Planning for Area Coverage |
CN105758806A (zh) * | 2016-02-04 | 2016-07-13 | 中国农业科学院农业资源与农业区划研究所 | 基于光谱特征的地膜覆盖农田遥感监测方法 |
CN106355334A (zh) * | 2016-08-30 | 2017-01-25 | 中国农业大学 | 农田建设区域判定方法 |
CN107957357A (zh) * | 2018-01-18 | 2018-04-24 | 北京清环智慧水务科技有限公司 | 一种排水管道水质自动采样方法及装置 |
US20210094688A1 (en) * | 2018-03-20 | 2021-04-01 | Skyx Ltd. | Managing a fleet of spraying aerial vehicles |
CN109146889A (zh) * | 2018-07-13 | 2019-01-04 | 洛阳中科龙网创新科技有限公司 | 一种基于高分辨率遥感图像的农田边界提取方法 |
CN109631903A (zh) * | 2019-01-04 | 2019-04-16 | 丰疆智慧农业股份有限公司 | 谷物处理自动驾驶系统及其自动驾驶方法和路径规划方法 |
US20210000006A1 (en) * | 2019-07-02 | 2021-01-07 | Bear Flag Robotics, Inc. | Agricultural Lane Following |
EP3837944A1 (en) * | 2019-12-19 | 2021-06-23 | Stiga S.p.A. in breve anche St. S.p.A. | Land monitoring system and related method |
CN111062361A (zh) * | 2019-12-27 | 2020-04-24 | 中水北方勘测设计研究有限责任公司 | 一种河湖岸线采砂监测分析的方法及装置 |
CN113343740A (zh) * | 2020-03-02 | 2021-09-03 | 阿里巴巴集团控股有限公司 | 表格检测方法、装置、设备和存储介质 |
CN111380813A (zh) * | 2020-03-20 | 2020-07-07 | 合肥工业大学 | 一种便携式小麦种子多品质无损检测装置及检测方法 |
CN112734694A (zh) * | 2020-12-19 | 2021-04-30 | 闫耀伟 | 一种基于大数据的水质监测方法 |
CN112926915A (zh) * | 2021-02-07 | 2021-06-08 | 广东白云学院 | 一种物流大数据统计管理系统 |
CN113040034A (zh) * | 2021-03-26 | 2021-06-29 | 西京学院 | 一种节水灌溉控制系统及控制方法 |
CN113588572A (zh) * | 2021-08-04 | 2021-11-02 | 广州市华南自然资源科学技术研究院 | 一种农田重金属在线检测校正模型智能管理系统 |
CN113869104A (zh) * | 2021-08-04 | 2021-12-31 | 山东商务职业学院 | 一种基于大数据的农业环境监测系统 |
Non-Patent Citations (3)
Title |
---|
K. LOSKA ET AL.: "Metal contamination of farming soils affected by industry", ENVIRONMENT INTERNATIONAL * |
段扬 等: "长江经济带农田氮素平衡特征与污染风险评估分析", 生态环境学报, vol. 29, no. 7 * |
殷培红 等: "以水环境质量改善为核心建立监督指导农业面源污染治理制度框架", 环境与可持续发展, no. 02 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115684532A (zh) * | 2022-12-30 | 2023-02-03 | 正大农业科学研究有限公司 | 水质监测方法、装置、系统、电子设备及存储介质 |
CN116310893A (zh) * | 2023-02-22 | 2023-06-23 | 中关村科学城城市大脑股份有限公司 | 一种基于无人机的水域污染采集识别方法及系统 |
CN116310893B (zh) * | 2023-02-22 | 2023-09-19 | 中关村科学城城市大脑股份有限公司 | 一种基于无人机的水域污染采集识别方法及系统 |
CN117808173A (zh) * | 2024-02-29 | 2024-04-02 | 四川省水利科学研究院 | 水田肥度检测方法、相关产品及基于其的种植方法 |
CN117808173B (zh) * | 2024-02-29 | 2024-04-30 | 四川省水利科学研究院 | 水田肥度检测方法、相关产品及基于其的种植方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114486764B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114486764A (zh) | 基于全光谱水质分析仪的农业面源污染监测系统 | |
CN112966926B (zh) | 一种基于集成学习的洪水敏感性风险评估方法 | |
CN108333314B (zh) | 一种空气污染智能监测系统 | |
WO2021073462A1 (zh) | 基于相似日负荷曲线的10kV静态负荷模型参数辨识方法 | |
CN111505433B (zh) | 一种低压台区户变关系纠错及相位识别方法 | |
CN113962659A (zh) | 一种基于云计算的智能电网大数据信息管理系统及方法 | |
CN108918526A (zh) | 一种柔性ic封装基板线路的缺口缺陷检测方法 | |
CN109543676A (zh) | 一种基于图像处理的字轮型水表数字字符识别方法 | |
CN114511718B (zh) | 一种建筑施工用物料智能管理方法及系统 | |
CN117469603B (zh) | 一种基于大数据学习的多水厂供水系统压力优化控制方法 | |
CN106650746B (zh) | 基于角度步长的变电站指针式仪表识别方法 | |
CN115759640A (zh) | 一种智慧城市的公共服务信息处理系统及方法 | |
CN107357941A (zh) | 一种可实时对水雨情数据进行检验的系统和方法 | |
CN114942842A (zh) | 一种物联网智能终端的控制系统及其控制方法 | |
CN114371438A (zh) | 基于物联网的计量设备失准判断方法 | |
CN115994131A (zh) | 基于用电时序数据的居民社区特征标签计算方法及系统 | |
CN117610972B (zh) | 一种基于人工智能的绿色建筑数字化管理系统及方法 | |
CN106781457A (zh) | 一种基于多源融合数据的高速公路交通流参数修正方法 | |
CN117540327A (zh) | 一种企业环境自主管理数据采集处理系统 | |
CN117874676A (zh) | 一种多风机机头风速异常恒定值检测方法及装置 | |
CN116310842B (zh) | 基于遥感图像的土壤盐碱区域识别划分方法 | |
CN113267601A (zh) | 一种基于机器视觉和数据分析的工业生产环境远程实时监测云平台 | |
CN116662840A (zh) | 一种基于机器学习的低压台区用户相位识别方法 | |
CN116320833A (zh) | 一种基于物联网技术的供热管网监测方法 | |
CN115658772A (zh) | 一种无人机光伏巡检数据类资产管理方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |