CN114550848A - 作物病害处理方法、装置、电子设备及计算机可读介质 - Google Patents
作物病害处理方法、装置、电子设备及计算机可读介质 Download PDFInfo
- Publication number
- CN114550848A CN114550848A CN202210154855.4A CN202210154855A CN114550848A CN 114550848 A CN114550848 A CN 114550848A CN 202210154855 A CN202210154855 A CN 202210154855A CN 114550848 A CN114550848 A CN 114550848A
- Authority
- CN
- China
- Prior art keywords
- crop
- information
- disease
- pesticide
- pest
- 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
- 201000010099 disease Diseases 0.000 title claims abstract description 251
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 251
- 238000000034 method Methods 0.000 title claims abstract description 60
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 115
- 241000238631 Hexapoda Species 0.000 claims abstract description 104
- 239000000575 pesticide Substances 0.000 claims abstract description 84
- 239000003814 drug Substances 0.000 claims abstract description 59
- 229940079593 drug Drugs 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 38
- 230000036285 pathological change Effects 0.000 claims abstract description 24
- 231100000915 pathological change Toxicity 0.000 claims abstract description 24
- 230000007613 environmental effect Effects 0.000 claims abstract description 21
- 238000003860 storage Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 5
- 235000013619 trace mineral Nutrition 0.000 abstract description 9
- 239000011573 trace mineral Substances 0.000 abstract description 9
- 241000196324 Embryophyta Species 0.000 description 18
- 238000010586 diagram Methods 0.000 description 11
- 235000013339 cereals Nutrition 0.000 description 9
- 239000003337 fertilizer Substances 0.000 description 9
- 239000002689 soil Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 239000002552 dosage form Substances 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- WZLMXYBCAZZIRQ-UHFFFAOYSA-N [N].[P].[K] Chemical compound [N].[P].[K] WZLMXYBCAZZIRQ-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000004480 active ingredient Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000003090 pesticide formulation Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000004383 yellowing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/50—Molecular design, e.g. of drugs
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
-
- 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
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical & Material Sciences (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Crystallography & Structural Chemistry (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了作物病害处理方法、装置、电子设备及计算机可读介质，涉及计算机技术领域，该方法包括：响应于作物病害处理请求，获取对应的环境数据；提取环境数据中的作物信息特征，进而将作物信息特征与预设病变作物信息特征进行匹配，将匹配得到的预设病变作物信息特征确定为目标作物信息特征；基于目标作物信息特征，确定作物病害类型；调用病虫害基础信息库和农药基础信息库，以基于作物病害类型，生成用药方案；将用药方案推送至用户，以使用户根据用药方案处理作物病害处理请求对应的作物病害。从而可以及时帮助用户自动区分作物是因为虫害导致作物病变、还是因为缺少微量元素，节省专家费用，降低成本。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种作物病害处理方法、装置、电子设备及计算机可读介质。
背景技术
当出现了种植作物不可抗拒的因素，如：病害、虫害、叶面发黄、施肥过多、施肥不足等一系列问题时，用户需要用药对种植作物进行挽救，以减少经济损失。绝大多数用户都是根据多年的种植经验及花费昂贵的专家费用进行对种植作物的补救。
在实现本申请过程中，发明人发现现有技术中至少存在如下问题：
在对农作物进行病害的补救时，用户花费昂费，且补救不及时以及成本高。
发明内容
有鉴于此，本申请实施例提供一种作物病害处理方法、装置、电子设备及计算机可读介质，能够解决现有的在对农作物进行病害的补救时，用户花费昂费，且补救不及时以及成本高的问题。
为实现上述目的，根据本申请实施例的一个方面，提供了一种作物病害处理方法，包括：
响应于作物病害处理请求，获取对应的环境数据；
提取环境数据中的作物信息特征，进而将作物信息特征与预设病变作物信息特征进行匹配，将匹配得到的预设病变作物信息特征确定为目标作物信息特征；
基于目标作物信息特征，确定作物病害类型；
调用病虫害基础信息库和农药基础信息库，以基于作物病害类型，生成用药方案；
将用药方案推送至用户，以使用户根据用药方案处理作物病害处理请求对应的作物病害。
可选地，在获取对应的环境数据之前，方法还包括：
采集作物种植信息，进而确定作物各生长周期时间节点，响应于当前时间节点与各生长周期时间节点中的任一生长周期时间节点之间的时间差值小于预设阈值，基于作物种植信息生成作物病害处理请求。
可选地，在获取对应的环境数据之前，方法还包括：
采集作物种植信息，识别作物种植信息中的图像，并与预设病虫害图像库中的各病虫害图像进行匹配；
响应于匹配成功，触发预警机制，进而基于作物种植信息生成作物病害处理请求。
可选地，在调用病虫害基础信息库和农药基础信息库之前，方法还包括：
获取历史作物病害信息和对应的历史作物病害区域标识以及对应的历史作物病害品种，进而生成历史作物病害键值对；
获取历史作物虫害信息和对应的历史作物虫害区域标识以及对应的历史作物虫害品种，进而生成历史作物虫害键值对；
基于历史作物病害键值对和历史作物虫害键值对，生成病虫害基础信息库。
可选地，在调用病虫害基础信息库和农药基础信息库之前，方法还包括：
获取农药登记证号和对应的农药基础信息以及对应的作物品种，进而生成农药应用键值对；
基于农药应用键值对，生成农药基础信息库。
可选地，提取环境数据中的作物信息特征，包括：
提取环境数据中的作物品种和作物生长周期，进而作为作物信息特征。
可选地，生成用药方案，包括：
将作物病害类型以及目标作物信息特征与病虫害基础信息库中的各病虫害信息进行匹配，以得到匹配的病虫害信息；
将匹配的病虫害信息与农药基础信息库中的农药基础信息进行匹配，根据匹配得到的农药基础信息确定药量，进而生成用药方案。
另外，本申请还提供了一种作物病害处理装置，包括：
获取单元，被配置成响应于作物病害处理请求，获取对应的环境数据；
目标作物信息特征确定单元，被配置成提取环境数据中的作物信息特征，进而将作物信息特征与预设病变作物信息特征进行匹配，将匹配得到的预设病变作物信息特征确定为目标作物信息特征；
作物病害类型确定单元，被配置成基于目标作物信息特征，确定作物病害类型；
用药方案生成单元，被配置成调用病虫害基础信息库和农药基础信息库，以基于作物病害类型，生成用药方案；
推送单元，被配置成将用药方案推送至用户，以使用户根据用药方案处理作物病害处理请求对应的作物病害。
可选地，作物病害处理装置还包括请求生成单元，被配置成：
采集作物种植信息，进而确定作物各生长周期时间节点，响应于当前时间节点与各生长周期时间节点中的任一生长周期时间节点之间的时间差值小于预设阈值，基于作物种植信息生成作物病害处理请求。
可选地，作物病害处理装置还包括请求生成单元，被配置成：
采集作物种植信息，识别作物种植信息中的图像，并与预设病虫害图像库中的各病虫害图像进行匹配；
响应于匹配成功，触发预警机制，进而基于作物种植信息生成作物病害处理请求。
可选地，作物病害处理装置还包括病虫害基础信息库生成单元，被配置成：
获取历史作物病害信息和对应的历史作物病害区域标识以及对应的历史作物病害品种，进而生成历史作物病害键值对；
获取历史作物虫害信息和对应的历史作物虫害区域标识以及对应的历史作物虫害品种，进而生成历史作物虫害键值对；
基于历史作物病害键值对和历史作物虫害键值对，生成病虫害基础信息库。
可选地，作物病害处理装置还包括农药基础信息库生成单元，被配置成：
获取农药登记证号和对应的农药基础信息以及对应的作物品种，进而生成农药应用键值对；
基于农药应用键值对，生成农药基础信息库。
可选地，目标作物信息特征确定单元进一步被配置成：
提取环境数据中的作物品种和作物生长周期，进而作为作物信息特征。
可选地，用药方案生成单元进一步被配置成：
将作物病害类型以及目标作物信息特征与病虫害基础信息库中的各病虫害信息进行匹配，以得到匹配的病虫害信息；
将匹配的病虫害信息与农药基础信息库中的农药基础信息进行匹配，根据匹配得到的农药基础信息确定药量，进而生成用药方案。
另外，本申请还提供了一种作物病害处理电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述的作物病害处理方法。
另外，本申请还提供了一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现如上述的作物病害处理方法。
上述发明中的一个实施例具有如下优点或有益效果：本申请通过响应于作物病害处理请求，获取对应的环境数据；提取环境数据中的作物信息特征，进而将作物信息特征与预设病变作物信息特征进行匹配，将匹配得到的预设病变作物信息特征确定为目标作物信息特征；基于目标作物信息特征，确定作物病害类型；调用病虫害基础信息库和农药基础信息库，以基于作物病害类型，生成用药方案；将用药方案推送至用户，以使用户根据用药方案处理作物病害处理请求对应的作物病害。从而可以及时帮助用户自动区分作物是因为虫害导致作物病变、还是因为缺少微量元素，节省专家费用，降低成本。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本申请，不构成对本申请的不当限定。其中：
图1是根据本申请第一实施例的作物病害处理方法的主要流程的示意图；
图2是根据本申请第二实施例的作物病害处理方法的主要流程的示意图；
图3是根据本申请第三实施例的作物病害处理方法的应用场景示意图；
图4是根据本申请实施例的作物病害处理装置的主要单元的示意图；
图5是本申请实施例可以应用于其中的示例性系统架构图；
图6是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
图1是根据本申请第一实施例的作物病害处理方法的主要流程的示意图，如图1所示，作物病害处理方法包括：
步骤S101，响应于作物病害处理请求，获取对应的环境数据。
本实施例中，作物病害处理方法的执行主体(例如，可以是服务器)可以通过有线连接或无线连接的方式，接收作物病害处理请求。可以理解的是，该作物病害处理请求，可以是对作物病害进行预防处理的请求，也可以是对已发生的作物病害进行治理的请求，本申请实施例对病害处理请求的具体内容不做限定。
具体地，在获取对应的环境数据之前，方法还包括：
采集作物种植信息，识别作物种植信息中的图像，并与预设病虫害图像库中的各病虫害图像进行匹配；响应于匹配成功，触发预警机制，进而基于作物种植信息生成作物病害处理请求。
本实施例中，作物种植信息，例如，可以包括作物生长周期节点、生长周期节点间隔期、不同生长周期节点易发生病虫害基本信息、作物生长地理信息。执行主体可以通过物联网设备，例如虫情灯、摄像头、土壤检测设备等采集作物种植信息，当采集的作物种植信息中包括图像时，执行主体可以识别并提取作物种植信息中的图像，进而基于相似度计算的方法与预设病虫害图像库中的各病虫害图像进行匹配，将相似度最大的图像确定为与该采集的作物种植信息中的图像匹配的病虫害图像，进而触发预警机制，生成农作物病害处理请求。触发预警机制后，执行主体可以将当前作物种植信息以及匹配到的病虫害图像以短信形式或者邮件形式通知被检测区域用户。
步骤S102，提取环境数据中的作物信息特征，进而将作物信息特征与预设病变作物信息特征进行匹配，将匹配得到的预设病变作物信息特征确定为目标作物信息特征。
具体地，提取环境数据中的作物信息特征，包括：
提取环境数据中的作物品种和作物生长周期，进而作为作物信息特征。
执行主体可以将提取的作物品种和作物生长周期与预设的已经病变的作物信息特征进行匹配，如果匹配成功，表明该作物已经发生病害，执行主体可以将匹配得到的该预设的已经病变的作物信息作为该作物的病变信息特征，即目标作物信息特征。
步骤S103，基于目标作物信息特征，确定作物病害类型。
执行主体基于预设的作物信息特征和作物病害类型的对应关系，确定目标作物信息特征对应的作物病害类型。
步骤S104，调用病虫害基础信息库和农药基础信息库，以基于作物病害类型，生成用药方案。
具体地，在调用病虫害基础信息库和农药基础信息库之前，方法还包括：
获取历史作物病害信息和对应的历史作物病害区域标识以及对应的历史作物病害品种，进而生成历史作物病害键值对；获取历史作物虫害信息和对应的历史作物虫害区域标识以及对应的历史作物虫害品种，进而生成历史作物虫害键值对；基于历史作物病害键值对和历史作物虫害键值对，生成病虫害基础信息库。
示例的，病虫害基础信息库的设计要点：病害和虫害需要有明确的类型区分，两种类型都必须对危害症状、发生因素、农业防治、物理防治、化学防治、区域、作物进行数据记录，必须包含条件内容。设计规则：类型+区域编码+作物品种三种类型为全系统唯一主键。类型：主要用于区分是病害、虫害，具体数据区分方式依据物联网(虫情灯、土壤检测设备)采集的样本进行数据对比。区域编码：存储全国区域编码作为系统的区域编码。作物品种：必须遵循《农业植物品种命名规定》为标准。
具体地，在调用病虫害基础信息库和农药基础信息库之前，方法还包括：获取农药登记证号和对应的农药基础信息以及对应的作物品种，进而生成农药应用键值对；基于农药应用键值对，生成农药基础信息库。
农药基础信息库的设计要点：农药登记证号作为全系统唯一主键、农药信息采集时，确保登记证号、有效成分、农药类别、农药剂型、剂型百分比、过期时间、品牌、包装图片必填、内容不可缺失。设计规则:系统以农药登记证号为核心，记录农药基本信息包含但不限于有效成份、农药类别、农药剂型、剂型百分比、过期时间、品牌、外包装图片、应用作物内容，通过物联网土壤检测装备，检测出的氮磷钾肥PH值与种植作物各生长周期节点需要的氮磷钾肥含量、农药品牌中含(剂型、剂型百分比)、应用作物含量进行指标对比，通过差异区分，记录当前区域下的作物品种标准的用肥、用药指标值。
具体地，生成用药方案，包括：
将作物病害类型以及目标作物信息特征与病虫害基础信息库中的各病虫害信息进行匹配，以得到匹配的病虫害信息；将匹配的病虫害信息与农药基础信息库中的农药基础信息进行匹配，根据匹配得到的农药基础信息确定药量，进而生成用药方案。
用药方案的生成，通过物联网数据的精准采集、病虫害基础信息特征库的计算对比、农药基础信息库的计算对比、作物信息特征提取模块模型对比，推荐给用户当前作物是因为虫害影响、微量元素影响还是气候影响导致的作物病害问题。
示例的，执行主体可以根据作物病害类型，调用与作物病害类型对应的用药及药量的方案，并发送至线下节点以供审核，响应于审核不通过，发送方案调整请求，以使线下节点基于该对应的用药及药量的方案生成准确的用药方案，从而实现线上、线下结合的方式实现用药方案的准确生成。例如，当执行主体确定作物病害类型为蝗虫虫害时，可以调用历史的蝗虫治理的用药方案并发送给人工审核节点进行审核，当人工审核不通过时，向人工审核节点发送方案调整请求，当人工审核节点接收到方案调整请求时，响应该方案调整请求对用药方案进行调整，以节省线下人工的用药方案生成时间，线上线下辅助生成用药方案，从而降低人工成本。
步骤S105，将用药方案推送至用户，以使用户根据用药方案处理作物病害处理请求对应的作物病害。
具体地，执行主体可以将用药方案通过短信或邮件的方式推送至用户，或者以弹窗的形式显示于用户的电脑上，本申请对用药方案的推送方式不做具体限定。
本实施例通过响应于作物病害处理请求，获取对应的环境数据；提取环境数据中的作物信息特征，进而将作物信息特征与预设病变作物信息特征进行匹配，将匹配得到的预设病变作物信息特征确定为目标作物信息特征；基于目标作物信息特征，确定作物病害类型；调用病虫害基础信息库和农药基础信息库，以基于作物病害类型，生成用药方案；将用药方案推送至用户，以使用户根据用药方案处理作物病害处理请求对应的作物病害。从而可以及时帮助用户自动区分作物是因为虫害导致作物病变、还是因为缺少微量元素，节省专家费用，降低成本。
图2是根据本申请第二实施例的作物病害处理方法的主要流程示意图，如图2所示，作物病害处理方法包括：
步骤S201，采集作物种植信息，进而确定作物各生长周期时间节点，响应于当前时间节点与各生长周期时间节点中的任一生长周期时间节点之间的时间差值小于预设阈值，基于作物种植信息生成作物病害处理请求。
用户感知病虫害预测分提前预测、即时预测。提前预测主要是通过谷语系统作物信息库模块、昆虫特征信息库模块经过算法计算，针对当地经纬度作物各生长周期节点易发生的病虫害信息进行提前预测、给出危害和防止方法。即时预测是通过物联网设备采集数据、经过谷语系统提供人工智能算法进行虫害的识别，通常即时预测，已经发现虫害苗头、但是还未造成危害的预测。在执行主体通过作物种植信息确定即将到来作物病害发作期时，可以即刻进行预警，生成作物病害处理请求，以使系统及时响应该作物病害处理请求，阻断作物发作病虫害，降低用户的损失，降低用户的生产成本。
执行主体可以采集作物种植信息，并确定作物各生长周期时间节点，将作物各生长周期时间节点与易发生虫害基本信息(可以包括易发生虫害的时间节点和已发生虫害的作物品种)进行关联，一个作物周期节点会存在多种病虫害信息关联，为后续系统精准预警做准备。帮助用户在不同阶段作物周期内、地域范围内的作物、依据外部环境、作物特性、生长周期因素，易出现的病虫害，提前预测并提供解决方案。帮助用户病虫害来即将来临时，提供病虫害精准预防和解决方案。
步骤S202，响应于作物病害处理请求，获取对应的环境数据。
步骤S203，提取环境数据中的作物信息特征，进而将作物信息特征与预设病变作物信息特征进行匹配，将匹配得到的预设病变作物信息特征确定为目标作物信息特征。
执行主体可以调用谷语系统中的作物信息特征提取模块提取环境数据中的作物信息特征。其中，作物信息特征提取模块的设计要点：以温室中的作物品种及作物生长周期体貌特征指标、各生长周期土壤含量指标作为核心数据采集记录、同时需要采集自然环境生长下，作物品种及作物生长周期体貌特征指标。设计规则：系统以作物品种+作物生长周期作为系统唯一主键，土壤氮磷钾肥、土壤含水量以及微量元素、作物生长周期各阶段快照必要字段进行记录。一个生长周期的快照必须满足每个时辰作物的正面图、侧面图、背面图各一张，用于作物特征提取记录用。
步骤S204，基于目标作物信息特征，确定作物病害类型。
步骤S205，调用病虫害基础信息库和农药基础信息库，以基于作物病害类型，生成用药方案。
本实施例中的生成用药方案，具体可以是通过调用谷语系统，以事实检测作物及作物周边环境情况，发现作物出现异常或病变，根据目标病变作物特征进行数据提取与分析，得出用药方案。谷语系统是农业信息平台，部署在云服务器中，具备作物种植到溯源到全流程监管等功能。病虫害基础信息模块、农药基础信息库模块、作物信息库模块为谷语系统中的算法模型。当采集监控的数据通过谷语系统相应的算法模型进行分析计算后得出方案。在谷语系统中，包括病虫害基础信息库、农药基础信息库、作物信息特征提取模块、作物信息库模块和昆虫特征信息库模块。其中，作物信息库模块的设计要点：作物信息库主要存储作物生长周期节点、生长周期节点间隔期、不同生长周期节点易发生病虫害基本信息、作物生长GIS信息。不同作物会存在不同的生长周期节点、同种作物不同的生长周期节点发生虫害的概率、虫子种类都是不同的。所以这些基本必要条件内容缺失不可。设计规则：作物品种+生长周期节点为全系统唯一主键，作物生长周期节点存储对应易发生虫害的基本信息，虫子类别、GIS信息。作物品种：必须遵循《农业植物品种命名规定》。作物周期节点：为作物节点描述性介绍，如开花期、幼果期、果实膨大期、果实成熟期、采摘收获期。文字描述性介绍无明确要求，但作物周期节点与易发生虫害基本信息进行关联，一个作物周期节点会存在多种病虫害信息关联，后续系统精准预警必要条件。虫子类别：与昆虫特征信息库模块，虫子类别关联。GIS信息：存储作物生长环境经纬度、温度和湿度信息、单独无明确要求，但必须与检测作物进行关联，后续系统精准预警必要条件。昆虫特征信息库模块的设计要点：模块记录虫子类别、形态特征、种群分布、生活习惯、危害、防止方法信息。其中虫子类别、危害和防止方法为必要条件与作物信息库模块关联。设计规则：虫子类别作为模块唯一性标识，模块存储昆虫形态特征，通过机器学习、模型训练、知识库、档案库、专家库、物联网采集数据进行多维度特征校准。
步骤S206，将用药方案推送至用户，以使用户根据用药方案处理作物病害处理请求对应的作物病害。
步骤S202～步骤S206的原理与步骤S101～步骤S105的原理类似，此处不再赘述。
本申请实施例的农场需要部署传感器设备(虫情灯、摄像头、土壤检测设备、温湿度传感器)、虫情灯设备主要用于当前农场作物受虫害的影响、采集影响范围、虫子类别、虫子数量、虫子基本特征信息。以便在农药基础信息库模块中，依据虫子特征及系统采集的农药有效成份进行算法匹配，为后续推荐用药方案做准备。摄像头设备主要用于作物信息特征、病虫害信息特征的实时采集。土壤检测设备主要用于实时采集土壤氮磷钾肥、微量元素。将采集后的结果记录到农药基础信息库模块中。温湿度传感器主要记录当前作物生长环境、以便用户在给作物用肥、用药时受外部环境影响，便于用肥、用药比例精准。谷语系统为计算机存储介质、包含病虫害基础信息库、农药基础信息库、作物信息特征提取模块。主要作用于数据采集、数据分析、方案推荐。
图3是根据本申请第三实施例的作物病害处理方法的应用场景示意图。本实施例的作物病害处理方法，可以应用于对作物病害的预防和治理的场景。如图3所示，农场中部署有监控层、谷语系统、预警层。谷语系统处理监控层病虫害信息，将检测区域病虫害信息通知给用户。预警层接收预警信息，通知被检测区域用户。监控层通过物联网设备，主动对监测区域作物信息进行虫情监控，并将检测结果传输给谷语系统。
具体地，监控层，为物联网数据采集层、主要采集环境数据、实时监控拍照数据并传输给谷语系统、谷语系统为计算机存储介质，用于数据计算、数据筛选、数据分析信息系统。谷语系统根据监控层返回的结果，实时更新作物信息库中节点病虫害信息和昆虫特征信息库。经过谷语系统数据处理、图像匹配、将虫害信息通知用户，并同步作物信息模块和昆虫特征信息库模块。通过谷语系统作物信息库、昆虫特征信息库、物联网采集的气象信息，对当前作物节点特征进行提前预判虫情，并通知预警层以提醒用户提前预防。预警层为谷语系统预警机制，系统主动触发、用户种植前谷语系统会采集种植信息，并计算出作物各生长周期时间节点，当作物生长即将到来时，系统会通过作物信息模块、昆虫特征信息模块和结合监控层指标数据，计算出当前作物节点易发生的虫害信息，或者通过谷语系统发现作物出现异常或病变后，生成用药方案并提供给用户。
本申请实施例可以实现帮助用户在不同阶段作物周期内、地域范围内的作物、依据外部环境、作物特性、生长周期因素，易出现的病虫害，提前预测并提供解决方案。帮助用户病虫害来即将来临时，提供病虫害精准预防和解决方案。帮助用户在作物病变时，纠正用错药、肥和比例用错问题。帮助用户因地域差异，作物各生命周期节点用什么药、肥问题。帮助用户区分作物是因为虫害导致作物病变、还是因为缺少微量元素。
图4是根据本申请实施例的作物病害处理装置的主要单元的示意图。如图4所示，作物病害处理装置包括获取单元401、目标作物信息特征确定单元402、作物病害类型确定单元403、用药方案生成单元404和推送单元405。
获取单元401，被配置成响应于作物病害处理请求，获取对应的环境数据。
目标作物信息特征确定单元402，被配置成提取环境数据中的作物信息特征，进而将作物信息特征与预设病变作物信息特征进行匹配，将匹配得到的预设病变作物信息特征确定为目标作物信息特征。
作物病害类型确定单元403，被配置成基于目标作物信息特征，确定作物病害类型。
用药方案生成单元404，被配置成调用病虫害基础信息库和农药基础信息库，以基于作物病害类型，生成用药方案。
推送单元405，被配置成将用药方案推送至用户，以使用户根据用药方案处理作物病害处理请求对应的作物病害。
在一些实施例中，作物病害处理装置还包括图4中未示出的请求生成单元，被配置成：采集作物种植信息，进而确定作物各生长周期时间节点，响应于当前时间节点与各生长周期时间节点中的任一生长周期时间节点之间的时间差值小于预设阈值，基于作物种植信息生成作物病害处理请求。
在一些实施例中，作物病害处理装置还包括图4中未示出的请求生成单元，被配置成：采集作物种植信息，识别作物种植信息中的图像，并与预设病虫害图像库中的各病虫害图像进行匹配；响应于匹配成功，触发预警机制，进而基于作物种植信息生成作物病害处理请求。
在一些实施例中，作物病害处理装置还包括图4中未示出的病虫害基础信息库生成单元，被配置成：获取历史作物病害信息和对应的历史作物病害区域标识以及对应的历史作物病害品种，进而生成历史作物病害键值对；获取历史作物虫害信息和对应的历史作物虫害区域标识以及对应的历史作物虫害品种，进而生成历史作物虫害键值对；基于历史作物病害键值对和历史作物虫害键值对，生成病虫害基础信息库。
在一些实施例中，作物病害处理装置还包括图4中未示出的农药基础信息库生成单元，被配置成：获取农药登记证号和对应的农药基础信息以及对应的作物品种，进而生成农药应用键值对；基于农药应用键值对，生成农药基础信息库。
在一些实施例中，目标作物信息特征确定单元402进一步被配置成：提取环境数据中的作物品种和作物生长周期，进而作为作物信息特征。
在一些实施例中，用药方案生成单元404进一步被配置成：将作物病害类型以及目标作物信息特征与病虫害基础信息库中的各病虫害信息进行匹配，以得到匹配的病虫害信息；将匹配的病虫害信息与农药基础信息库中的农药基础信息进行匹配，根据匹配得到的农药基础信息确定药量，进而生成用药方案。
需要说明的是，在本申请作物病害处理方法和作物病害处理装置在具体实施内容上具有相应关系，故重复内容不再说明。
图5示出了可以应用本申请实施例的作物病害处理方法或作物病害处理装置的示例性系统架构500。
如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备501、502、503可以是具有作物病害处理屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所提交的作物病害处理请求提供支持的后台管理服务器(仅为示例)。后台管理服务器可以响应于作物病害处理请求，获取对应的环境数据；提取环境数据中的作物信息特征，进而将作物信息特征与预设病变作物信息特征进行匹配，将匹配得到的预设病变作物信息特征确定为目标作物信息特征；基于目标作物信息特征，确定作物病害类型；调用病虫害基础信息库和农药基础信息库，以基于作物病害类型，生成用药方案；将用药方案推送至用户，以使用户根据用药方案处理作物病害处理请求对应的作物病害。从而可以及时帮助用户自动区分作物是因为虫害导致作物病变、还是因为缺少微量元素，节省专家费用，降低成本。
需要说明的是，本申请实施例所提供的作物病害处理方法一般由服务器505执行，相应地，作物病害处理装置一般设置于服务器505中。
应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图6，其示出了适于用来实现本申请实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中，还存储有计算机系统600操作所需的各种程序和数据。CPU601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶征信授权查询处理器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本申请公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、目标作物信息特征确定单元、作物病害类型确定单元、用药方案生成单元和推送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括响应于作物病害处理请求，获取对应的环境数据；提取环境数据中的作物信息特征，进而将作物信息特征与预设病变作物信息特征进行匹配，将匹配得到的预设病变作物信息特征确定为目标作物信息特征；基于目标作物信息特征，确定作物病害类型；调用病虫害基础信息库和农药基础信息库，以基于作物病害类型，生成用药方案；将用药方案推送至用户，以使用户根据用药方案处理作物病害处理请求对应的作物病害。
根据本申请实施例的技术方案，从而可以及时帮助用户自动区分作物是因为虫害导致作物病变、还是因为缺少微量元素，节省专家费用，降低成本。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (12)
1.一种作物病害处理方法，其特征在于，包括：
响应于作物病害处理请求，获取对应的环境数据；
提取所述环境数据中的作物信息特征，进而将所述作物信息特征与预设病变作物信息特征进行匹配，将匹配得到的预设病变作物信息特征确定为目标作物信息特征；
基于所述目标作物信息特征，确定作物病害类型；
调用病虫害基础信息库和农药基础信息库，以基于所述作物病害类型，生成用药方案；
将所述用药方案推送至用户，以使所述用户根据所述用药方案处理所述作物病害处理请求对应的作物病害。
2.根据权利要求1所述的方法，其特征在于，在所述获取对应的环境数据之前，所述方法还包括：
采集作物种植信息，进而确定作物各生长周期时间节点，响应于当前时间节点与所述各生长周期时间节点中的任一生长周期时间节点之间的时间差值小于预设阈值，基于所述作物种植信息生成作物病害处理请求。
3.根据权利要求1所述的方法，其特征在于，在所述获取对应的环境数据之前，所述方法还包括：
采集作物种植信息，识别所述作物种植信息中的图像，并与预设病虫害图像库中的各病虫害图像进行匹配；
响应于匹配成功，触发预警机制，进而基于所述作物种植信息生成作物病害处理请求。
4.根据权利要求1所述的方法，其特征在于，在所述调用病虫害基础信息库和农药基础信息库之前，所述方法还包括：
获取历史作物病害信息和对应的历史作物病害区域标识以及对应的历史作物病害品种，进而生成历史作物病害键值对；
获取历史作物虫害信息和对应的历史作物虫害区域标识以及对应的历史作物虫害品种，进而生成历史作物虫害键值对；
基于所述历史作物病害键值对和所述历史作物虫害键值对，生成病虫害基础信息库。
5.根据权利要求1所述的方法，其特征在于，在所述调用病虫害基础信息库和农药基础信息库之前，所述方法还包括：
获取农药登记证号和对应的农药基础信息以及对应的作物品种，进而生成农药应用键值对；
基于所述农药应用键值对，生成农药基础信息库。
6.根据权利要求1所述的方法，其特征在于，所述提取所述环境数据中的作物信息特征，包括：
提取所述环境数据中的作物品种和作物生长周期，进而作为作物信息特征。
7.根据权利要求1～6中任一项所述的方法，其特征在于，所述生成用药方案，包括：
将所述作物病害类型以及所述目标作物信息特征与病虫害基础信息库中的各病虫害信息进行匹配，以得到匹配的病虫害信息；
将所述匹配的病虫害信息与农药基础信息库中的农药基础信息进行匹配，根据匹配得到的农药基础信息确定药量，进而生成用药方案。
8.一种作物病害处理装置，其特征在于，包括：
获取单元，被配置成响应于作物病害处理请求，获取对应的环境数据；
目标作物信息特征确定单元，被配置成提取所述环境数据中的作物信息特征，进而将所述作物信息特征与预设病变作物信息特征进行匹配，将匹配得到的预设病变作物信息特征确定为目标作物信息特征；
作物病害类型确定单元，被配置成基于所述目标作物信息特征，确定作物病害类型；
用药方案生成单元，被配置成调用病虫害基础信息库和农药基础信息库，以基于所述作物病害类型，生成用药方案；
推送单元，被配置成将所述用药方案推送至用户，以使所述用户根据所述用药方案处理所述作物病害处理请求对应的作物病害。
9.根据权利要求8所述的装置，其特征在于，所述作物病害处理装置还包括请求生成单元，被配置成：
采集作物种植信息，进而确定作物各生长周期时间节点，响应于当前时间节点与所述各生长周期时间节点中的任一生长周期时间节点之间的时间差值小于预设阈值，基于所述作物种植信息生成作物病害处理请求。
10.根据权利要求8所述的装置，其特征在于，所述作物病害处理装置还包括请求生成单元，被配置成：
采集作物种植信息，识别所述作物种植信息中的图像，并与预设病虫害图像库中的各病虫害图像进行匹配；
响应于匹配成功，触发预警机制，进而基于所述作物种植信息生成作物病害处理请求。
11.一种作物病害处理电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210154855.4A CN114550848A (zh) | 2022-02-21 | 2022-02-21 | 作物病害处理方法、装置、电子设备及计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210154855.4A CN114550848A (zh) | 2022-02-21 | 2022-02-21 | 作物病害处理方法、装置、电子设备及计算机可读介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114550848A true CN114550848A (zh) | 2022-05-27 |
Family
ID=81675200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210154855.4A Pending CN114550848A (zh) | 2022-02-21 | 2022-02-21 | 作物病害处理方法、装置、电子设备及计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114550848A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115982472A (zh) * | 2023-03-21 | 2023-04-18 | 中化现代农业有限公司 | 农药用药推荐方法、装置和电子设备 |
| CN116259078A (zh) * | 2023-05-16 | 2023-06-13 | 浙江天演维真网络科技股份有限公司 | 一种杀虫剂推荐方法、装置、设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106779188A (zh) * | 2016-11-30 | 2017-05-31 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害预测方法及装置 |
| CN107992828A (zh) * | 2017-12-05 | 2018-05-04 | 深圳春沐源控股有限公司 | 病害防治方法及装置、电子设备和计算机可读存储介质 |
| CN109766380A (zh) * | 2018-12-29 | 2019-05-17 | 山东丰信农业服务连锁有限公司 | 一种基于互联网及人工智能的农业种植农药开方方法及系统 |
| CN110659860A (zh) * | 2019-09-21 | 2020-01-07 | 深圳市创新盈科技有限公司 | 智慧农业系统 |
| US20200364843A1 (en) * | 2019-05-17 | 2020-11-19 | Ceres Imaging, Inc. | Methods and systems for crop pest management utilizing geospatial images and microclimate data |
| KR20210088835A (ko) * | 2020-01-07 | 2021-07-15 | 배철민 | 작물의 병충해 진단 및 치료 컨설팅 시스템 및 방법 |
| CN113379769A (zh) * | 2021-06-30 | 2021-09-10 | 苏州芯景科技有限公司 | 一种农作物病虫害智能防御平台 |
| US20210350295A1 (en) * | 2020-05-11 | 2021-11-11 | International Business Machines Corporation | Estimation of crop pest risk and/or crop disease risk at sub-farm level |
| CN113656481A (zh) * | 2021-08-19 | 2021-11-16 | 江苏久智环境科技服务有限公司 | 智慧生态园林智库服务系统、方法及应用设备 |
| CN113849724A (zh) * | 2021-06-23 | 2021-12-28 | 福建省农业科学院植物保护研究所 | 基于规则关联的特色小作物病虫害防治用药推荐方法和存储设备 |
-
2022
- 2022-02-21 CN CN202210154855.4A patent/CN114550848A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106779188A (zh) * | 2016-11-30 | 2017-05-31 | 深圳前海弘稼科技有限公司 | 一种种植设备中植物病虫害预测方法及装置 |
| CN107992828A (zh) * | 2017-12-05 | 2018-05-04 | 深圳春沐源控股有限公司 | 病害防治方法及装置、电子设备和计算机可读存储介质 |
| WO2019109583A1 (zh) * | 2017-12-05 | 2019-06-13 | 深圳春沐源控股有限公司 | 病害防治方法及装置、电子设备和计算机可读存储介质 |
| CN109766380A (zh) * | 2018-12-29 | 2019-05-17 | 山东丰信农业服务连锁有限公司 | 一种基于互联网及人工智能的农业种植农药开方方法及系统 |
| US20200364843A1 (en) * | 2019-05-17 | 2020-11-19 | Ceres Imaging, Inc. | Methods and systems for crop pest management utilizing geospatial images and microclimate data |
| CN110659860A (zh) * | 2019-09-21 | 2020-01-07 | 深圳市创新盈科技有限公司 | 智慧农业系统 |
| KR20210088835A (ko) * | 2020-01-07 | 2021-07-15 | 배철민 | 작물의 병충해 진단 및 치료 컨설팅 시스템 및 방법 |
| US20210350295A1 (en) * | 2020-05-11 | 2021-11-11 | International Business Machines Corporation | Estimation of crop pest risk and/or crop disease risk at sub-farm level |
| CN113849724A (zh) * | 2021-06-23 | 2021-12-28 | 福建省农业科学院植物保护研究所 | 基于规则关联的特色小作物病虫害防治用药推荐方法和存储设备 |
| CN113379769A (zh) * | 2021-06-30 | 2021-09-10 | 苏州芯景科技有限公司 | 一种农作物病虫害智能防御平台 |
| CN113656481A (zh) * | 2021-08-19 | 2021-11-16 | 江苏久智环境科技服务有限公司 | 智慧生态园林智库服务系统、方法及应用设备 |
Non-Patent Citations (3)
| Title |
|---|
| FREDERICK W. KUTZ，等: "Geospatial approaches to characterizing agriculture in the Chincoteague Bay Subbasin", 《ENVIRONMENTAL MONITORING AND ASSESSMENT》, vol. 184, no. 2, 21 April 2011 (2011-04-21), pages 679 - 692, XP019994562, DOI: 10.1007/s10661-011-1994-x * |
| 刘菲: "基于GIS的吉林省玉米病虫草害专家系统的研究与实现", 《中国优秀硕士学位论文全文数据库农业科技辑》, no. 10, 15 October 2011 (2011-10-15), pages 046 - 22 * |
| 周大镯，等: "《多变量时间序列研究》", vol. 1, 31 December 2012, 河北人民出版社, pages: 92 - 93 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115982472A (zh) * | 2023-03-21 | 2023-04-18 | 中化现代农业有限公司 | 农药用药推荐方法、装置和电子设备 |
| CN115982472B (zh) * | 2023-03-21 | 2023-08-08 | 中化现代农业有限公司 | 农药用药推荐方法、装置和电子设备 |
| CN116259078A (zh) * | 2023-05-16 | 2023-06-13 | 浙江天演维真网络科技股份有限公司 | 一种杀虫剂推荐方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11120552B2 (en) | Crop grading via deep learning | |
| US20210256256A1 (en) | Automated diagnosis and treatment of crop infestations | |
| Vizentin‐Bugoni et al. | Influences of sampling effort on detected patterns and structuring processes of a Neotropical plant–hummingbird network | |
| US20210350295A1 (en) | Estimation of crop pest risk and/or crop disease risk at sub-farm level | |
| EP3482630B1 (en) | Method, system and computer program for performing a pest forecast | |
| US20180018414A1 (en) | Systems and methods for pest forecasting using historical pesticide usage information | |
| CN116012720B (zh) | 基于高分遥感影像的农作物长势监测方法、设备及介质 | |
| CN114550848A (zh) | 作物病害处理方法、装置、电子设备及计算机可读介质 | |
| CN109409275B (zh) | 目标对象的识别方法及装置、施药信息的确定方法 | |
| CN108073908B (zh) | 害虫识别方法及装置、计算机装置及存储介质 | |
| Fila et al. | Calibration and validation of grapevine budburst models using growth-room experiments as data source | |
| CN108304953B (zh) | 农作物病虫害的预警方法和系统 | |
| WO2020137085A1 (ja) | 情報処理装置及び情報処理システム | |
| KR102110452B1 (ko) | 농작물 수급 관리 시스템 | |
| CN117173400B (zh) | 一种荔枝虫害的低碳治理方案推荐方法及系统 | |
| CN116452316A (zh) | 农业贷款的贷后风险监测方法及装置、电子设备 | |
| Park et al. | A layered features analysis in smart farm environments | |
| CN111260379A (zh) | 农产品视频节点追踪方法 | |
| CN115271209A (zh) | 一种病虫害预测方法、装置、设备和介质 | |
| CN115630967A (zh) | 一种农产品的智能溯源方法、装置、电子设备及存储介质 | |
| CN113435345A (zh) | 生长阶段确定方法、装置、农业系统、设备及存储介质 | |
| KR102658048B1 (ko) | Ict 기반 기상 관련 병충해 예측 방법 및 시스템 | |
| CN109215309B (zh) | 一种药材生产环境预警方法、电子设备和存储介质 | |
| JP2017508487A (ja) | 対話式アプリケーションにおいて標識アイコンを追加するための方法およびデバイス | |
| KR20230052324A (ko) | 인공지능 기반 작물 병충해 판별 시스템 |
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 |