CN114677033B - 一种实验室培育数据全周期流程智能监测分析管理系统 - Google Patents
一种实验室培育数据全周期流程智能监测分析管理系统 Download PDFInfo
- Publication number
- CN114677033B CN114677033B CN202210355336.4A CN202210355336A CN114677033B CN 114677033 B CN114677033 B CN 114677033B CN 202210355336 A CN202210355336 A CN 202210355336A CN 114677033 B CN114677033 B CN 114677033B
- Authority
- CN
- China
- Prior art keywords
- culture
- cultivation
- seeds
- sample
- cultivated
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 93
- 238000004458 analytical method Methods 0.000 title claims abstract description 30
- 230000035784 germination Effects 0.000 claims abstract description 63
- 230000000877 morphologic effect Effects 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000012010 growth Effects 0.000 claims abstract description 38
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims abstract description 37
- 238000012216 screening Methods 0.000 claims abstract description 27
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 18
- 230000010152 pollination Effects 0.000 claims abstract description 15
- 238000002474 experimental method Methods 0.000 claims description 249
- 239000001963 growth medium Substances 0.000 claims description 178
- 238000004364 calculation method Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 20
- 239000003086 colorant Substances 0.000 claims description 19
- 241000196324 Embryophyta Species 0.000 claims description 18
- 235000016709 nutrition Nutrition 0.000 claims description 15
- 230000035764 nutrition Effects 0.000 claims description 14
- 238000011218 seed culture Methods 0.000 claims description 11
- 238000012258 culturing Methods 0.000 claims description 5
- 230000035040 seed growth Effects 0.000 claims description 5
- 241000592344 Spermatophyta Species 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000004378 air conditioning Methods 0.000 claims 1
- 108700041286 delta Proteins 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 239000002609 medium Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000007226 seed germination Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C1/00—Apparatus, or methods of use thereof, for testing or treating seed, roots, or the like, prior to sowing or planting
- A01C1/02—Germinating apparatus; Determining germination capacity of seeds or the like
- A01C1/025—Testing seeds for determining their viability or germination capacity
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01H—NEW PLANTS OR NON-TRANSGENIC PROCESSES FOR OBTAINING THEM; PLANT REPRODUCTION BY TISSUE CULTURE TECHNIQUES
- A01H1/00—Processes for modifying genotypes ; Plants characterised by associated natural traits
- A01H1/04—Processes of selection involving genotypic or phenotypic markers; Methods of using phenotypic markers for selection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明属于生物培育管理技术领域，具体公开提供了一种实验室培育数据全周期流程智能监测分析管理系统。该实验室培育数据全周期流程智能监测分析管理系统包括：培育样本筛选模块、实验组信息设置模块、监测阶段划分模块、生长信息采集模块、云处理中心、数据库和信息发送中心；本发明通过对该生物实验室各培育样本种子发芽监测阶段、形态形成监测阶段、开花授粉监测阶段和结实监测阶段采集的生长信息进行监测和分析，有效的解决了现有的生物培育过程监测的内容具有单一性、无法提高监测结果可靠性的问题，实现了对培育生物单一环境因素的培育影响分析，同时也大大的提高了生物培育过程监测与分析结果的科学性和参考性。
Description
技术领域
本发明属于生物培育管理技术领域，涉及到一种实验室培育数据全周期流程智能监测分析管理系统。
背景技术
随着科技的不断发展，生物培育技术也得到了迅速发展，生物培育技术有效的保障了生物种类的多样性，同时也为人类提供了更多的可用生物资源，为了提高生物培育的质量，需要对生物培育过程进行全周期监测和分析；
现有的生物培育过程监测与分析主要集中于对培育生物对应的培育温度、湿度等环境进行监测与分析，没有对培育生物对应的营养成分配比进行精细的监测与分析，因此，现有的生物培育过程监测与分析方式还存在一定弊端，一方面，现有的生物培育过程监测的内容具有单一性，无法有效的提高对生物培育实验分析结果的可靠性，一方面，现有的生物培育过程监测与分析方式无法实现对培育生物单一环境因素的培育影响分析，另一方面，现有的生物培育过程监测与分析方式无法有效的提高生物培育过程监测与分析结果的科学性和参考性。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出针对新品种植物营养配比培育条件分析的一种实验室培育数据全周期流程智能监测分析管理系统，实现了生物实验室生物培育全周期的实时监测和精准分析。
本发明的目的可以通过以下技术方案实现：一种实验室培育数据全周期流程智能监测分析管理系统，包括：培育样本筛选模块、实验组信息设置模块、监测阶段划分模块、生长信息采集模块、云处理中心、数据库和信息发送中心；
所述培育样本筛选模块用于将该新品种植株种子对应的基本信息进行匹配对比，筛选出培育设定数量的培育样本种子。
所述实验组信息设置模块用于对该培育样本种子按照预设培养基营养等级划分为五个培育实验组，将各培育实验组依次标记为a1、a2、a3、a4和a5，获取各培育实验组培养基基本信息。
所述监测阶段划分模块用于对各培育实验组内培育样本种子按照其生长周期划分为发芽监测阶段、形态形成监测阶段、开花授粉监测阶段和结实监测阶段，并获取各监测阶段对应的监测周期长度。
所述生长信息采集模块用于对各培育实验组各培育样本种子对应的生长信息进行采集，其中，所述生长信息采集过程如下：M1、对各培育实验组各培养基培育样本种子发芽信息进行采集。
M2、对各培育实验组各培养基培育样本种子形态信息进行采集。
M3、对各培育实验组各培养基培育样本种子开花信息进行采集。
M4、对各培育实验组各培养基培育样本种子结实信息进行采集。
所述云处理中心用于对各培育实验组各培育样本种子对应的生长信息进行处理与分析，统计各培育实验组培育样本种子生长综合指数，获取优等培育实验组。
所述信息发送中心用于将各培育实验组各培育样本种子对应的生长信息和优等培育实验组对应的基本信息发送至该样本种子实验培育人员。
于本发明一实施例中，所述培育样本种子筛选过程如下：S1、获取该新品种植株种子对应的基本信息，其中，新品种植株种子对应的基本信息包括新品种植株对应的种子数量、各新品种植株种子对应的颜色、体积和重量。
S2、将该新品种植株种子记为待筛选种子，将各待筛选种子对应的体积与培育种子对应的标准体积进行互相对比，从待筛选种子中筛选出与培育种子对应的标准体积一致的种子数量，将该种子记为体积符合培育种子。
S3、将各体积符合培育种子对应的重量与培育种子对应的标准重量进行对比，筛选出与培育种子标准重量一致的体积符合培育种子数量，将该种子记为重量符合培育种子。
S4、获取各重量符合培育种子对应的颜色，将各重量符合培育种子的颜色与培育种子对应的标准颜色进行对比，筛选出与培育种子标准颜色一致的重量符合种子数量，将该种子记为预选培育种子。
S5、获取预选培育种子数量，并按照预设培育实验种子数量要求，从各预选培育种子中提取培育实验需要的种子数量，将提取的种子记为培育样本种子。
于本发明一实施例中，所述培育实验组培养基基本信息获取过程如下：H1、获取各培育实验组对应的培养基数量，将各培育实验组培养基标记为PYJd y，d＝a1,a2,a3,a4,a5,y＝1，2，......m，m取值为正整数。
H2、获取各培育实验组对应的营养等级。
H3、获取各培育实验组对应的营养成分配比。
H4、获取各培育实验组各培养基所在区域位置。
于本发明一实施例中，所述各培育实验组各培养基培育样本种子发芽信息采集过程如下：M11、获取各培育实验组各培养基所在区域位置，调取各培育实验组各培养基所在区域位置内的摄像头对各培育实验组各培养基进行视频采集。
M12、获取该发芽监测阶段内各培育实验组各培养基对应的视频，对各培育实验组各培养基培养状态进行判断。
M13、统计该发芽监测阶段各培育实验组有效培养基数量，提取各有效培养基对应的视频,将各培育实验组有效培养基标记为YXd i′，i′＝1，2，......j，j取值为正整数。
M14、对各培育实验组各有效培养基对应的视频进行分割，获取各培育实验组各有效培养基内培育样本种子发芽对应的时间点，标记为FTd i′。
M15、根据各培育实验组各有效培养基内培育样本种子对应的发芽图片，调取各培育实验组各有效培养基内培育样本种子对应的芽部长度和芽部直径，分别标记为JLd i′、JCd i′。
于本发明一实施例中，所述各培育实验组各培养基内培育样本种子形态信息采集过程如下：M21、调取该形态形成监测阶段各培育实验组各有效培养基对应的视频。
M22、对该形态形成阶段各培育实验组各有效培养基内培育样本种子对应的形成状态进行判断。
M23、统计各培育实验组形态正常培养基数量，标记为Zd h，h＝1,2,......k，k取值为正整数。
M24、获取各培育实验组各形态正常培养基内培育样本种子对应三维立体图像，进而获取各培育实验组各形态正常培养基内培育样本种子形态信息，并进行标记。
于本发明一实施例中，各培育实验组各培养基内培育样本种子开花信息采集过程如下：M31、调取该开花授粉监测阶段各培育实验组各形态正常培养基对应的视频。
M32、将该开花授粉监测阶段各培育实验组各形态正常培养基对应的视频进行分割，提取各培育实验组各形态正常培养基培育样本种子对应的开花图片。
M33、获取各培育实验组各形态正常培养基培育样本种子对应的花朵数量，标记为HDSd h。
M34、获取各培育实验组各形态正常培养基培育样本种子对应的花粉量，标记为HFSd h。
于本发明一实施例中，所述各培育实验组各培养基内培育样本种子对应的结实信息采集过程如下：M41、调取该结实监测阶段各培育实验组各形态正常培养基对应的视频。
M42、将该结实监测阶段各培育实验组各形态正常培养基对应的视频进行分割，调取各培育实验组各形态正常培养基培育样本种子对应的结果图片。
M43、根据各培育实验组各形态正常培养基培育样本种子对应的结果图片，获取各培育实验组各形态正常培养基对应的结果数量，标记为为JGSd h。
M44、将各培育实验组各形态正常培养基培育样本种子各结果进行编号，依次标记为1，2，......g。
M45、取各培育实验组各形态正常培养基培育样本种子各结果对应的体积，标记为JVd hs,s为培育样本种子结果编号，s＝1，2，......g，g取值为正整数。
于本发明一实施例中，所述云处理中心用于对各培育实验组各培育样本种子对应的发芽信息进行处理与分析，其处理与分析过程如下：J1、获取各培育实验组各培养基培育样本种子发芽信息，利用计算公式计算各培育实验组种子发芽质量指数，标记为ZFd。
J2、获取各培育实验组各培养基培育样本种子对应的形态信息，利用计算公式计算各培育实验组种子形态质量指数，标记为XTd。
J3、获取各培育实验组各培养基培育样本种子对应的开花信息，利用计算公式计算各培育实验组种子开花质量指数，标记为KHd。
J4、获取各培育实验组各培养基培育样本种子对应的结实信息，利用计算公式计算各培育实验组种子结实质量指数，标记为JSd。
于本发明一实施例中，所述云处理中心还用于对各培育实验组培育样本种子生长信息进行综合分析，统计各培育实验组种子综合培育质量指数，标记为PQd，根据各培育实验组种子综合培育质量指数，获取优等培育实验组。
于本发明一实施例中，所述数据库用于存储培育样本种子对应的完整形态图、培育样本种子对应的预设发芽时间点、芽部长度、芽部直径、预设叶片数量、预设叶片厚度、叶片长度、叶片宽度、预设植株长度、预设茎部直径、预设花朵数量、预设花粉数量、预设结果数量和预设结果体积。
本发明的有益效果：1、本发明提供的一种实验室培育数据全周期流程智能监测分析管理系统，通过对该生物实验室各培育样本种子发芽监测阶段、形态形成监测阶段、开花授粉监测阶段和结实监测阶段采集的生长信息进行监测和分析，有效的解决了现有的生物培育过程监测的内容具有单一性，无法有效的提高对生物培育实验分析结果的可靠性的问题，实现了对培育生物单一环境因素的培育影响分析，同时也大大的提高了生物培育过程监测与分析结果的科学性和参考性。
2、本发明在培育样本筛选模块，通过对新品种植株种子对应的基本信息进行匹配对比，有效的避免了因培育种子自身差异而给实验结果造成的影响，大大的提高了实验结果的说服力。
3、本发明在监测阶段划分模块，通过对培育样本种子进行监测阶段划分，有效的提高了各实验组培养基培育样本种子生长信息对比分析的直观性，同时也为后续对各实验组各培养基培育样本种子生长信息采集提供了便利。
4、本发明在生长信息采集模块，通过对该生物实验室各培育实验组培育样本种子各监测阶段生长信息进行采集，为后续对各培育实验组培育样本种子生长信息分析提供了有力的数据基础，大大的提高了对各实验组培育样本种子分析的效率。
5、本发明在信息发送中心，通过将各培育实验组各培育样本种子对应的生长信息和优等培育实验组对应的基本信息发送至该样本种子实验培育人员，大大的节省了实验培育人员的分析时间，同时也避免了人员分析造成的误差。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图做简单地介绍，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为本发明系统各模块连接示意图。
具体实施方式
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
请参阅图1所示，一种实验室培育数据全周期流程智能监测分析管理系统，包括：培育样本筛选模块、实验组信息设置模块、监测阶段划分模块、生长信息采集模块、云处理中心、数据库和信息发送中心。
所述云处理中心分别与生长信息采集模块、数据库和信息发送中心连接，实验组信息设置模块分别与培育样本筛选模块、监测阶段划分模块连接，生长信息采集模块与监测阶段划分模块连接。
所述培育样本筛选模块用于将该新品种植株种子对应的基本信息进行匹配对比，筛选出培育设定数量的培育样本种子。
具体地，所述培育样本种子筛选过程如下：S1、获取该新品种植株种子对应的基本信息，其中，新品种植株种子对应的基本信息包括新品种植株对应的种子数量、各新品种植株种子对应的颜色、体积和重量。
S2、将该新品种植株种子记为待筛选种子，将各待筛选种子对应的体积与培育种子对应的标准体积进行互相对比，从待筛选种子中筛选出与培育种子对应的标准体积一致的种子数量，将该种子记为体积符合培育种子。
S3、将各体积符合培育种子对应的重量与培育种子对应的标准重量进行对比，筛选出与培育种子标准重量一致的体积符合培育种子数量，将该种子记为重量符合培育种子。
S4、获取各重量符合培育种子对应的颜色，将各重量符合培育种子的颜色与培育种子对应的标准颜色进行对比，筛选出与培育种子标准颜色一致的重量符合种子数量，将该种子记为预选培育种子。
其中，颜色对比通过根据种子颜色对应的RGB值和培育种子对应的标准RGB值，将各重量符合种子对应的RGB值和培育种子对应的标准RGB值进行对比，利用颜色相似度计算公式计算各重量符合种子颜色与培育种子对应标准颜色的相似度。
其中，计算公式为即可获取各重量符合种子颜色与培育种子颜色对应的相似度，ΔRi，ΔGi，ΔBi为各重量符合种子RGB值与培育种子对应的标准RGB值的差值/>CiR，C′R分别为各重量符合种子对应的R值、培育种子对应的标准R值。
S5、获取预选培育种子数量，并按照预设培育实验种子数量要求，从各预选培育种子中提取培育实验需要的种子数量，将提取的种子记为培育样本种子。
本发明实施例在培育样本筛选模块，通过对新品种植株种子对应的基本信息进行匹配对比，有效的避免了因培育种子自身差异而给实验结果造成的影响，大大的提高了实验结果的说服力。
所述实验组信息设置模块用于对该培育样本种子按照预设培养基营养等级划分为五个培育实验组，将各培育实验组依次标记为a1、a2、a3、a4和a5，获取各培育实验组培养基基本信息。
具体地，所述各培育实验组在培育过程中均保持单一变量，即除了各实验组培养基对应的营养等级为研究变量，其它培育环境保持一致，在一个具体实施例中，a1、a2、a3、a4和a5培育实验组除了其营养等级不同外，其培育环境中的温度、湿度、氧气浓度，光照度、土壤类型等培育环境参数均保持一致。
具体地，所述培育实验组培养基基本信息获取过程如下：H1、获取各培育实验组对应的培养基数量，将各培育实验组培养基标记为PYJd y，d＝a1,a2,a3,a4,a5,y＝1，2，......m，m取值为正整数。
H2、获取各培育实验组对应的营养等级。
H3、获取各培育实验组对应的营养成分配比。
H4、获取各培育实验组各培养基所在区域位置。
其中，所述同一培育实验组对应的培养基为同种培养基，一个培养基对应一个培育样本种子，各培育实验组对应的培养基数量一致。
其中，在一个具体实施例中，所述营养成分配比为植物所需基本成分对应的所占比例，如：碳,氢,氧,氮,磷,硫,钾,镁,等元素对应的比例。
本发明实施例通过在各培育实验组设置多个培养基，大大的提高了各培育实验组数据的合理性、真实性和准确性。
所述监测阶段划分模块用于对各培育实验组内培育样本种子按照其生长周期划分为发芽监测阶段、形态形成监测阶段、开花授粉监测阶段和结实监测阶段，并获取各监测阶段对应的监测周期长度。
其中，所述监测周期长度为监测周期对应的起始时间点和终止时间点之间的间隔时长。
本发明实施例在监测阶段划分模块，通过对培育样本种子进行监测阶段划分，有效的提高了各实验组培养基培育样本种子生长信息对比分析的直观性，同时也为后续对各实验组各培养基培育样本种子生长信息采集提供了便利。
所述生长信息采集模块用于对各培育实验组各培育样本种子对应的生长信息进行采集，其中，所述生长信息采集过程如下：M1、对各培育实验组各培养基培育样本种子发芽信息进行采集。
具体地，所述各培育实验组各培养基培育样本种子发芽信息包括各实验组各培养基培育样本种子发芽数量、各培育样本种子发芽时间点、芽部长度和芽部直径，其具体采集过程如下。
M11、获取各培育实验组各培养基所在区域位置，调取各培育实验组各培养基所在区域位置内的摄像头对各培育实验组各培养基进行视频采集。
M12、获取该发芽监测阶段内各培育实验组各培养基对应的视频，对各培育实验组各培养基培养状态进行判断。
若该发芽监测阶段某培育实验组某培养基没有监测到培育种子发芽，则将培育实验组该培养基记为无效培育培养基，若该发芽监测阶段某培育实验组某培养基监测到培育种子发芽，则将该培育实验组该培养基记为有效培养基。
M13、统计该发芽监测阶段各培育实验组有效培养基数量，提取各有效培养基对应的视频,将各培育实验组有效培养基标记为PYJd y，i′＝1，2，......j，j取值为正整数。
M14、对各培育实验组各有效培养基对应的视频进行分割，获取各培育实验组各有效培养基内培育样本种子发芽对应的时间点，标记为FTd i′。
其中，所述发芽时间点为各培养基发芽图片对应的时间点，该时间点为各培养基培育样本种子对应起始发芽时间点。
M15、根据各培育实验组各有效培养基内培育样本种子对应的发芽图片，调取各培育实验组各有效培养基内培育样本种子对应的芽部长度和芽部直径，分别标记为JLd i′、JCd i′。
所述云处理中心用于对各培育实验组各培育样本种子对应的发芽信息进行处理与分析，其处理与分析过程如下：获取各培育实验组各培养基培育样本种子发芽信息，利用计算公式计算各培育实验组种子发芽质量指数，标记为ZFd。
其中，所述培育实验组各培养基培育样本种子发芽信息具体处理与分析过程如下：获取各培育实验组各有效培养基内培育样本种子发芽时间点、芽部长度和芽部直径。
将各培育实验组各有效培养基培育样本种子对应的发芽时间点与培育样本种子对应的预设发芽时间点进行对比，统计各培育实验组培育样本种子发芽时间质量系数，标记为εd。
其计算公式为FT′为培育样本种子对应的预设发芽时间点。
将各培育实验组各有效培养基内培育样本种子芽部长度和芽部直径代入计算公式即可获取各培育实验组种子发芽指数，α1，α2为预设系数，JL′，JC′为培育样本种子对应的预设发芽部长度和芽部直径。
M2、对各培育实验组各培养基培育样本种子形态信息进行采集。
具体地，所述各培育实验组各培养基内培育样本种子形态信息包括培育样本种子生长高度、培育样本种子叶片厚度、叶片尺寸信息、培育样本种子叶片数量和培育样本种子茎部直径，其具体采集过程如下：M21、调取该形态形成监测阶段各培育实验组各有效培养基对应的视频。
M22、对该形态形成阶段各培育实验组各有效培养基内培育样本种子对应的形成状态进行判断。
根据该形态形成阶段各培育实验组各有效培养基对应的视频，将各该形态形成阶段各培育实验组各有效培养基对应的视频分割为各图片序列，将培育样本种子完整形态图片与其各培育实验组各有效培养基各图片序列进行对比，若某培育实验组某有效培养基中培育种子图片与培育样本种子完整形态图片不符，则将该培育实验组该有效培养基记为形态异常培养基，某培育实验组某有效培养基中培育种子图片符合培育样本种子对应的完整形态图片，则将该培育实验组该有效培养基记为形态正常培养基，将符合培育样本种子对应的完整形态的图片记为培育样本种子形态图片。
M23、统计各培育实验组形态正常培养基数量，标记为Zd h，h＝1,2,......k，k取值为正整数。
M24、获取各培育实验组各形态正常培养基内培育样本种子对应三维立体图像，进而获取各培育实验组各形态正常培养基内培育样本种子形态信息，并进行标记。
具体地，利用三维激光扫描仪对各培育实验组各形态正常培养基内培育样本种子对应的形成形态进行扫描拍摄，获取各培育实验组各形态正常培养基内培育样本种子对应的三维立体图像。
将各培育实验组各形态正常培养基内培育样本种子对应三维立体图像导入第三方网站，获取各培育实验组各形态正常培养基内培育样本种子形态信息。
其中，所述各培育实验组各形态正常培养基内培育样本种子形态信息标记过程如下:M241、将各培育实验组各形态正常培养基培育样本种子对应的生长高度记为ZLd h。
M242、将各培育实验组各形态正常培养基培育样本种子叶片对应的厚度标记为YPHd h。
其中，各培育样本种子叶片厚度获取过程为：获取各培育实验组各形态正常培养基培育样本种子对应的叶片数量，调取各培育实验组各形态正常培养基培育样本种子各叶片对应的厚度，利用平均值计算公式获取各培育实验组各形态正常培养基培育样本种子叶片对应的平均厚度，将各培育实验组各形态正常培养基培育样本种子叶片对应的平均厚度记为各培育实验组各形态正常培养基培育样本种子对应的叶片厚度。
M243、所述叶片尺寸信息为叶片对应的长度和叶片对应的宽度，将各培育实验组各形态正常培养基培育样本种子叶片对应的长度和宽度分别标记为YPLd h、YPKd h。
其中，所述叶片尺寸信息获取过程为：调取各培育实验组各形态正常培养基培育样本种子各叶片对应的长度和宽度，将各培育实验组各形态正常培养基培育样本种子各叶片对应的长度和宽度分别进行对比，进而筛选出各培育实验组各形态正常培养基培育样本种子叶片对应的最大长度和最大宽度，将各培育实验组各形态正常培养基培育样本种子叶片对应的最大长度和最大宽度记为各培育实验组各形态正常培养基培育样本种子叶片对应的长度和宽度。
M244、将各培育实验组各形态正常培养基培育样本种子叶片对应的数量标记为YPSd h。
M245、将各培育实验组各形态正常培养基培育样本种子茎部直径标记为XCd h。
其中，培育样本种子茎部直径为各培育实验组各形态正常培养基培育样本种子茎部对应的最大直径。
所述云处理中心用于对各培育实验组各培育样本种子对应的形态信息进行处理与分析，其处理与分析过程如下：获取各培育实验组各形态正常培养基内培育样本种子形态信息。
将各培育实验组各形态正常培养基培育样本种子对应的叶片厚度、叶片长度、叶片数量和叶片宽度代入计算公式，即可获取各培育实验组培育样本种子叶片质量指数，YPS′，YPH′，YPL′，YPK′为培育样本种子预设叶片数量、预设叶片厚度、长度、宽度，k为形态正常培养基数量。
将各培育实验组各形态正常培养基培育样本种子植株长度和茎部直径代入计算公式即可获取各培育实验组培育样本种子植株外观质量指数，ZL′，XC′为培育样本种子预设植株长度、预设茎部直径；
将各培育实验组培育样本种子叶片质量指数和各培育实验组培育样本种子植株外观质量指数代入计算公式为即可获取各培育实验组种子形态质量指数，δ1，δ2为预设系数。
M3、对各培育实验组各培养基培育样本种子开花信息进行采集。
具体地，各培育实验组各培养基内培育样本种子开花信息包括花朵数量和花粉量，其采集过程如下：M31、调取该开花授粉监测阶段各培育实验组各形态正常培养基对应的视频。
M32、将该开花授粉监测阶段各培育实验组各形态正常培养基对应的视频进行分割，提取各培育实验组各形态正常培养基培育样本种子对应的开花图片；
其中，开花授粉监测阶段为开花授粉起始监测时间点各终止监测时间点之间的时长，各培育实验组各形态正常培养基培育样本种子对应的开花图片为开花授粉监测阶段终止监测时间点对应的图片。
其中，花朵数量通过根据各培育实验组各形态正常培养基培育样本种子对应的开花图片，提取各花朵对应的轮廓，进而获取各培育实验组各形态正常培养基培育样本种子对应的花朵数量。
M33、根据各培育实验组各形态正常培养基培育样本种子对应的开花图片，获取各培育实验组各形态正常培养基培育样本种子对应的花朵数量，标记为HDSd h。
M34、获取各培育实验组各形态正常培养基培育样本种子对应的花粉量，标记为HDSd h。
其中，所述花粉量获取通过利用花粉检测仪对各培育实验组各形态正常培养基培育样本种子各花朵对应的花粉量进行检测，进而各培育实验组各形态正常培养基培育样本种子对应的花粉量。
所述云处理中心用于对各培育实验组各培育样本种子对应的开花信息进行处理与分析，其处理与分析过程如下：获取各培育实验组各形态正常培养基培育样本种子对应的花朵数量和花粉量。
将各培育实验组对各形态培养基培育样本种子对应的花朵数量和花粉数量代入计算公式即可获取各培育实验组种子开花质量指数，HDS′，HFS′为培育样本种子对应的预设花朵数量、预设花粉数量。
M4、对各培育实验组各培养基培育样本种子结实信息进行采集。
具体地，所述各培育实验组各培养基内培育样本种子对应的结实信息包括植株结果数量和各结果对应的体积，其具体采集过程如下：M41、调取该结实监测阶段各培育实验组各形态正常培养基对应的视频。
M42、将该结实监测阶段各培育实验组各形态正常培养基对应的视频进行分割，调取各培育实验组各形态正常培养基培育样本种子对应的结果图片。
M43、根据各培育实验组各形态正常培养基培育样本种子对应的结果图片，获取各培育实验组各形态正常培养基对应的结果数量，标记为为JGSd h。
M44、将各培育实验组各形态正常培养基培育样本种子各结果进行编号，依次标记为1，2，......g。
M45、取各培育实验组各形态正常培养基培育样本种子各结果对应的体积，标记为JVd hs,s为培育样本种子结果编号，s＝1，2，......g，g取值为正整数。
利用三维激光扫描仪对各培育实验组各形态正常培养基进行扫描拍摄，获取各培育实验组各形态正常培养基培育样本种子各结果对应的三维立体图像，获取各培育实验组各形态正常培养基培育样本种子各结果对应的体积。
所述云处理中心用于对各培育实验组各培育样本种子对应的结实信息进行处理与分析，其处理与分析过程如下：获取各培育实验组各培养基培育样本种子对应的结实信息，调取各培育实验组各形态正常培养基培育样本种子对应的结果数量和各结果对应的体积。
将各培育实验组各形态正常培养基培育样本种子对应的结果数量和各结果对应的体积代入计算公式即可获取各培育实验组种子结实质量指数，g为各培育实验组各形态正常培养基培育样本种子对应的结果数量，μ1，μ2为预设系数，JGS′，JV′为培育样本种子预设结果数量、预设结果体积。
所述云处理中心还用于所述云处理中心还用于对各培育实验组培育样本种子生长信息进行综合分析，统计各培育实验组种子综合培育质量指数，标记为PQd，根据各培育实验组种子综合培育质量指数，获取优等培育实验组。
其中，所述优等培育实验组获取过程为：将各培育实验组种子综合培育质量指数由高到低进行排序，筛选出综合培育质量指数最高的培育实验组，获取该培育实验组对应的编号，将该培育实验组记为优等培育实验组。
其中，所述各培育实验组种子综合培育质量指数计算公式为即可获取各培育实验组种子综合培育质量指数，η为修正因子。
所述数据库用于存储培育样本种子对应的完整形态图、培育样本种子对应的预设发芽时间点、芽部长度、芽部直径、预设叶片数量、预设叶片厚度、叶片长度、叶片宽度、预设植株长度、预设茎部直径、预设花朵数量、预设花粉数量、预设结果数量和预设结果体积。
所述信息发送中心用于将各培育实验组各培育样本种子对应的生长信息和优等培育实验组对应的基本信息发送至该样本种子实验培育人员。
具体地，将各培育实验组各培育样本种子各阶段对应的生长信息和优等培育实验组对应的营养成分配比。
本发明实施例在信息发送中心，通过将各培育实验组各培育样本种子对应的生长信息和优等培育实验组对应的基本信息发送至该样本种子实验培育人员，大大的节省了实验培育人员的分析时间，同时也避免了人员分析造成的误差。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (4)
1.一种实验室培育数据全周期流程智能监测分析管理系统，其特征在于：包括：培育样本筛选模块、实验组信息设置模块、监测阶段划分模块、生长信息采集模块、云处理中心、数据库和信息发送中心；
所述培育样本筛选模块用于将新品种植株种子对应的基本信息进行匹配对比，筛选出培育设定数量的培育样本种子；
所述实验组信息设置模块用于对该培育样本种子按照预设培养基营养等级划分为五个培育实验组，将各培育实验组依次标记为a1、a2、a3、a4和a5，获取各培育实验组培养基基本信息；
所述监测阶段划分模块用于对各培育实验组内培育样本种子按照其生长周期划分为发芽监测阶段、形态形成监测阶段、开花授粉监测阶段和结实监测阶段，并获取各监测阶段对应的监测周期长度；
所述生长信息采集模块用于对各培育实验组各培育样本种子对应的生长信息进行采集，其中，所述生长信息采集过程如下：
M1、对各培育实验组各培养基培育样本种子发芽信息进行采集；
所述各培育实验组各培养基培育样本种子发芽信息采集过程如下：
M11、获取各培育实验组各培养基所在区域位置，调取各培育实验组各培养基所在区域位置内的摄像头对各培育实验组各培养基进行视频采集；
M12、获取该发芽监测阶段内各培育实验组各培养基对应的视频，对各培育实验组各培养基培养状态进行判断；
M13、统计该发芽监测阶段各培育实验组有效培养基数量，提取各有效培养基对应的视频,将各培育实验组有效培养基标记为YXd i′，i′＝1，2，......j，j取值为正整数；
M14、对各培育实验组各有效培养基对应的视频进行分割，获取各培育实验组各有效培养基内培育样本种子发芽对应的时间点，标记为FTd i′；
M15、根据各培育实验组各有效培养基内培育样本种子对应的发芽图片，调取各培育实验组各有效培养基内培育样本种子对应的芽部长度和芽部直径，分别标记为JLd i′、JCd i′；
M2、对各培育实验组各培养基培育样本种子形态信息进行采集；
各培育实验组各培养基内培育样本种子形态信息采集过程如下：
M21、调取该形态形成监测阶段各培育实验组各有效培养基对应的视频；
M22、对该形态形成阶段各培育实验组各有效培养基内培育样本种子对应的形成状态进行判断；
M23、统计各培育实验组形态正常培养基数量，标记为Zd h，h＝1,2,......k，k取值为正整数；
M24、获取各培育实验组各形态正常培养基内培育样本种子对应三维立体图像，进而获取各培育实验组各形态正常培养基内培育样本种子形态信息，并进行标记；
具体地，利用三维激光扫描仪对各培育实验组各形态正常培养基内培育样本种子对应的形成形态进行扫描拍摄，获取各培育实验组各形态正常培养基内培育样本种子对应的三维立体图像；
将各培育实验组各形态正常培养基内培育样本种子对应三维立体图像导入第三方网站，获取各培育实验组各形态正常培养基内培育样本种子形态信息；
其中，所述各培育实验组各形态正常培养基内培育样本种子形态信息标记过程如下:M241、将各培育实验组各形态正常培养基培育样本种子对应的生长高度记为ZLd h；
M242、将各培育实验组各形态正常培养基培育样本种子叶片对应的厚度标记为YPHd h；
其中，各培育样本种子叶片厚度获取过程为：获取各培育实验组各形态正常培养基培育样本种子对应的叶片数量，调取各培育实验组各形态正常培养基培育样本种子各叶片对应的厚度，利用平均值计算公式获取各培育实验组各形态正常培养基培育样本种子叶片对应的平均厚度，将各培育实验组各形态正常培养基培育样本种子叶片对应的平均厚度记为各培育实验组各形态正常培养基培育样本种子对应的叶片厚度；
M243、叶片尺寸信息为叶片对应的长度和叶片对应的宽度，将各培育实验组各形态正常培养基培育样本种子叶片对应的长度和宽度分别标记为YPLd h、YPKd h；
其中，所述叶片尺寸信息获取过程为：调取各培育实验组各形态正常培养基培育样本种子各叶片对应的长度和宽度，将各培育实验组各形态正常培养基培育样本种子各叶片对应的长度和宽度分别进行对比，进而筛选出各培育实验组各形态正常培养基培育样本种子叶片对应的最大长度和最大宽度，将各培育实验组各形态正常培养基培育样本种子叶片对应的最大长度和最大宽度记为各培育实验组各形态正常培养基培育样本种子叶片对应的长度和宽度；
M244、将各培育实验组各形态正常培养基培育样本种子叶片对应的数量标记为YPSd h；
M245、将各培育实验组各形态正常培养基培育样本种子茎部直径标记为XCd h；
其中，培育样本种子茎部直径为各培育实验组各形态正常培养基培育样本种子茎部对应的最大直径；
所述云处理中心用于对各培育实验组各培育样本种子对应的形态信息进行处理与分析，其处理与分析过程如下：获取各培育实验组各形态正常培养基内培育样本种子形态信息；
将各培育实验组各形态正常培养基培育样本种子对应的叶片厚度、叶片长度、叶片数量和叶片宽度代入计算公式，即可获取各培育实验组培育样本种子叶片质量指数，YPS′，YPH′，YPL′，YPK′为培育样本种子预设叶片数量、预设叶片厚度、长度、宽度，k为形态正常培养基数量；
将各培育实验组各形态正常培养基培育样本种子植株长度和茎部直径代入计算公式即可获取各培育实验组培育样本种子植株外观质量指数，ZL′，XC′为培育样本种子预设植株长度、预设茎部直径；
M3、对各培育实验组各培养基培育样本种子开花信息进行采集；
各培育实验组各培养基内培育样本种子开花信息采集过程如下：
M31、调取该开花授粉监测阶段各培育实验组各形态正常培养基对应的视频；
M32、将该开花授粉监测阶段各培育实验组各形态正常培养基对应的视频进行分割，提取各培育实验组各形态正常培养基培育样本种子对应的开花图片；
M33、获取各培育实验组各形态正常培养基培育样本种子对应的花朵数量，标记为HDSd h；
M34、获取各培育实验组各形态正常培养基培育样本种子对应的花粉量，标记为HFSd h；
其中，所述花粉量获取通过利用花粉检测仪对各培育实验组各形态正常培养基培育样本种子各花朵对应的花粉量进行检测，进而各培育实验组各形态正常培养基培育样本种子对应的花粉量；
所述云处理中心用于对各培育实验组各培育样本种子对应的开花信息进行处理与分析，其处理与分析过程如下：获取各培育实验组各形态正常培养基培育样本种子对应的花朵数量和花粉量；
M4、对各培育实验组各培养基培育样本种子结实信息进行采集；
各培育实验组各培养基内培育样本种子对应的结实信息采集过程如下：
M41、调取该结实监测阶段各培育实验组各形态正常培养基对应的视频；
M42、将该结实监测阶段各培育实验组各形态正常培养基对应的视频进行分割，调取各培育实验组各形态正常培养基培育样本种子对应的结果图片；
M43、根据各培育实验组各形态正常培养基培育样本种子对应的结果图片，获取各培育实验组各形态正常培养基对应的结果数量，标记为JGSd h；
M44、将各培育实验组各形态正常培养基培育样本种子各结果进行编号，依次标记为1，2，......g；
M45、取各培育实验组各形态正常培养基培育样本种子各结果对应的体积，标记为JVd hs,s为培育样本种子结果编号，s＝1，2，......g，g取值为正整数；
利用三维激光扫描仪对各培育实验组各形态正常培养基进行扫描拍摄，获取各培育实验组各形态正常培养基培育样本种子各结果对应的三维立体图像，获取各培育实验组各形态正常培养基培育样本种子各结果对应的体积；
所述云处理中心用于对各培育实验组各培育样本种子对应的结实信息进行处理与分析，其处理与分析过程如下：获取各培育实验组各培养基培育样本种子对应的结实信息，调取各培育实验组各形态正常培养基培育样本种子对应的结果数量和各结果对应的体积；
所述云处理中心用于对各培育实验组各培育样本种子对应的生长信息进行处理与分析，统计各培育实验组培育样本种子生长综合指数，获取优等培育实验组；
所述信息发送中心用于将各培育实验组各培育样本种子对应的生长信息和优等培育实验组对应的基本信息发送至该样本种子实验培育人员；
所述云处理中心用于对各培育实验组各培育样本种子对应的发芽信息进行处理与分析，其处理与分析过程如下：
J1、获取各培育实验组各培养基培育样本种子发芽信息，利用计算公式计算各培育实验组种子发芽质量指数，标记为ZFd；
将各培育实验组各有效培养基培育样本种子对应的发芽时间点与培育样本种子对应的预设发芽时间点进行对比，统计各培育实验组培育样本种子发芽时间质量系数，标记为εd；
其计算公式为FT′为培育样本种子对应的预设发芽时间点；
将各培育实验组各有效培养基内培育样本种子芽部长度和芽部直径代入计算公式即可获取各培育实验组种子发芽指数，α1，α2为预设系数，JL′，JC′为培育样本种子对应的预设发芽部长度和芽部直径；
J2、获取各培育实验组各培养基培育样本种子对应的形态信息，利用计算公式计算各培育实验组种子形态质量指数，标记为XTd；
将各培育实验组培育样本种子叶片质量指数和各培育实验组培育样本种子植株外观质量指数代入计算公式为即可获取各培育实验组种子形态质量指数，δ1，δ2为预设系数；
J3、获取各培育实验组各培养基培育样本种子对应的开花信息，利用计算公式计算各培育实验组种子开花质量指数，标记为KHd；
将各培育实验组对各形态培养基培育样本种子对应的花朵数量和花粉数量代入计算公式即可获取各培育实验组种子开花质量指数，HDS′，HFS′为培育样本种子对应的预设花朵数量、预设花粉数量；
J4、获取各培育实验组各培养基培育样本种子对应的结实信息，利用计算公式计算各培育实验组种子结实质量指数，标记为JSd；
将各培育实验组各形态正常培养基培育样本种子对应的结果数量和各结果对应的体积代入计算公式即可获取各培育实验组种子结实质量指数，g为各培育实验组各形态正常培养基培育样本种子对应的结果数量，μ1，μ2为预设系数，JGS′，JV′为培育样本种子预设结果数量、预设结果体积；
所述云处理中心还用于对各培育实验组培育样本种子生长信息进行综合分析，统计各培育实验组种子综合培育质量指数，标记为PQd，根据各培育实验组种子综合培育质量指数，获取优等培育实验组；
其中，所述优等培育实验组获取过程为：将各培育实验组种子综合培育质量指数由高到低进行排序，筛选出综合培育质量指数最高的培育实验组，获取该培育实验组对应的编号，将该培育实验组记为优等培育实验组；
其中，所述各培育实验组种子综合培育质量指数计算公式为即可获取各培育实验组种子综合培育质量指数，η为修正因子。
2.根据权利要求1所述的一种实验室培育数据全周期流程智能监测分析管理系统，其特征在于：所述培育样本种子筛选过程如下：
S1、获取该新品种植株种子对应的基本信息，其中，新品种植株种子对应的基本信息包括新品种植株对应的种子数量、各新品种植株种子对应的颜色、体积和重量；
S2、将该新品种植株种子记为待筛选种子，将各待筛选种子对应的体积与培育种子对应的标准体积进行互相对比，从待筛选种子中筛选出与培育种子对应的标准体积一致的种子数量，将该种子记为体积符合培育种子；
S3、将各体积符合培育种子对应的重量与培育种子对应的标准重量进行对比，筛选出与培育种子标准重量一致的体积符合培育种子数量，将该种子记为重量符合培育种子；
S4、获取各重量符合培育种子对应的颜色，将各重量符合培育种子的颜色与培育种子对应的标准颜色进行对比，筛选出与培育种子标准颜色一致的重量符合种子数量，将该种子记为预选培育种子；
S5、获取预选培育种子数量，并按照预设培育实验种子数量要求，从各预选培育种子中提取培育实验需要的种子数量，将提取的种子记为培育样本种子。
3.根据权利要求1所述的一种实验室培育数据全周期流程智能监测分析管理系统，其特征在于：所述培育实验组培养基基本信息获取过程如下：
H1、获取各培育实验组对应的培养基数量，将各培育实验组培养基标记为PYJd y，d＝a1,a2,a3,a4,a5,y＝1，2，......m，m取值为正整数；
H2、获取各培育实验组对应的营养等级；
H3、获取各培育实验组对应的营养成分配比；
H4、获取各培育实验组各培养基所在区域位置。
4.根据权利要求1所述的一种实验室培育数据全周期流程智能监测分析管理系统，其特征在于：所述数据库用于存储培育样本种子对应的完整形态图、培育样本种子对应的预设发芽时间点、芽部长度、芽部直径、预设叶片数量、预设叶片厚度、叶片长度、叶片宽度、预设植株长度、预设茎部直径、预设花朵数量、预设花粉数量、预设结果数量和预设结果体积。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210355336.4A CN114677033B (zh) | 2022-04-06 | 2022-04-06 | 一种实验室培育数据全周期流程智能监测分析管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210355336.4A CN114677033B (zh) | 2022-04-06 | 2022-04-06 | 一种实验室培育数据全周期流程智能监测分析管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114677033A CN114677033A (zh) | 2022-06-28 |
| CN114677033B true CN114677033B (zh) | 2023-12-01 |
Family
ID=82078309
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210355336.4A Active CN114677033B (zh) | 2022-04-06 | 2022-04-06 | 一种实验室培育数据全周期流程智能监测分析管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114677033B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116341786B (zh) * | 2023-03-31 | 2023-10-31 | 上海华维可控农业科技集团股份有限公司 | 一种基于可控农业的植物繁育管理系统及方法 |
| CN117057594B (zh) * | 2023-10-13 | 2024-01-09 | 青岛大数华创科技有限公司 | 实验室样本培育数据监测系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111881864A (zh) * | 2020-08-03 | 2020-11-03 | 王美华 | 一种智慧农业种植农作物生长全周期全动态监测管理系统 |
| CN112651958A (zh) * | 2020-12-31 | 2021-04-13 | 卓喜龙 | 一种基于物联网和人工智能的水产养殖环境实时在线监测方法及大数据云平台 |
| CN112930926A (zh) * | 2021-01-28 | 2021-06-11 | 电凯(常州)新能源技术研究院有限公司 | 一种基于深度学习的植物生产参数调优方法 |
| CN112956371A (zh) * | 2021-02-06 | 2021-06-15 | 信阳农林学院 | 利用生物发酵技术对野生多孔菌规模化生产的系统及方法 |
| CN113470007A (zh) * | 2021-07-26 | 2021-10-01 | 柒久园艺科技(北京)有限公司 | 一种基于植物生长状态的数据分析方法、系统及存储介质 |
-
2022
- 2022-04-06 CN CN202210355336.4A patent/CN114677033B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111881864A (zh) * | 2020-08-03 | 2020-11-03 | 王美华 | 一种智慧农业种植农作物生长全周期全动态监测管理系统 |
| CN112651958A (zh) * | 2020-12-31 | 2021-04-13 | 卓喜龙 | 一种基于物联网和人工智能的水产养殖环境实时在线监测方法及大数据云平台 |
| CN112930926A (zh) * | 2021-01-28 | 2021-06-11 | 电凯(常州)新能源技术研究院有限公司 | 一种基于深度学习的植物生产参数调优方法 |
| CN112956371A (zh) * | 2021-02-06 | 2021-06-15 | 信阳农林学院 | 利用生物发酵技术对野生多孔菌规模化生产的系统及方法 |
| CN113470007A (zh) * | 2021-07-26 | 2021-10-01 | 柒久园艺科技(北京)有限公司 | 一种基于植物生长状态的数据分析方法、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| "不同营养条件下铜绿微囊藻和小球藻的生长竞争行为";张晶晶;《海洋与湖沼》;20160930;第47卷(第5期);第1014-1021页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114677033A (zh) | 2022-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114677033B (zh) | 一种实验室培育数据全周期流程智能监测分析管理系统 | |
| CN113711843B (zh) | 一种食用菌生长参数寻优的系统和方法 | |
| CN113221765B (zh) | 一种基于数字相机影像有效像元的植被物候期提取方法 | |
| CN111915332A (zh) | 一种基于大数据的农产品安全溯源追踪监测管理系统 | |
| CN113011221A (zh) | 作物分布信息的获取方法、装置及测量系统 | |
| CN111950530A (zh) | 农作物种植结构提取的多特征优选与融合方法 | |
| CN116543316B (zh) | 一种利用多时相高分辨率卫星影像识别稻田内草皮的方法 | |
| Blanco et al. | Microtensiometers accurately measure stem water potential in woody perennials | |
| CN111814866A (zh) | 一种病虫害预警方法、装置、计算机设备及存储介质 | |
| CN111781183A (zh) | 一种利用叶绿素荧光估算植物叶片叶绿素含量的方法 | |
| CN105574516B (zh) | 可见光图像中基于logistic回归的观赏凤梨叶绿素检测方法 | |
| CN107437262B (zh) | 作物种植面积预警方法和系统 | |
| Zhao et al. | A dataset of pomegranate growth stages for machine learning-based monitoring and analysis | |
| CN112950700B (zh) | 基于深度学习和图像处理的植物叶片气孔导度测量方法 | |
| CN116258844A (zh) | 一种棉花叶片表型性状快速精准鉴定方法 | |
| CN115099992A (zh) | 蘑菇种植房的数据处理方法及处理系统 | |
| Xing et al. | Traits expansion and storage of soybean phenotypic data in computer vision-based test | |
| CN109118488B (zh) | 一种红掌新种质耐寒性的鉴定方法 | |
| Wang et al. | Study on estimation method of plant leaf area based on image processing technology | |
| Yihang et al. | Automatic recognition of rape seeding emergence stage based on computer vision technology | |
| CN112509029A (zh) | 一种远程分析葡萄长势的方法 | |
| CN116052141B (zh) | 作物生育期的识别方法、装置、设备及介质 | |
| CN116563258A (zh) | 一种绣球花色品质快速估测方法 | |
| CN113988465A (zh) | 一种基于机器学习的香蕉植物营养判断方法 | |
| Yu et al. | Research on precise phenotype identification and growth prediction of lettuce based on deep learning |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231130 Address after: No. 60, Group 17, Laowei Village, Liji Township, Guannan County, Lianyungang, Jiangsu Province, 223500 Applicant after: Song Dangjian Address before: 430080 No. 1276, Heping Avenue, Qingshan District, Wuhan City, Hubei Province Applicant before: Hubei kangxie Biotechnology Co.,Ltd. |
|
| TA01 | Transfer of patent application right |