CN114758223A - 农药使用的监测预警方法、装置、终端设备及存储介质 - Google Patents

农药使用的监测预警方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN114758223A
CN114758223A CN202210228106.1A CN202210228106A CN114758223A CN 114758223 A CN114758223 A CN 114758223A CN 202210228106 A CN202210228106 A CN 202210228106A CN 114758223 A CN114758223 A CN 114758223A
Authority
CN
China
Prior art keywords
remote sensing
target area
pesticide
information
monitoring
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
Application number
CN202210228106.1A
Other languages
English (en)
Inventor
王宏乐
叶全洲
谢辉
林涌海
王兴林
孟蕊
周单
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Wugu Network Technology Co ltd
Original Assignee
Shenzhen Wugu Network Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Wugu Network Technology Co ltd filed Critical Shenzhen Wugu Network Technology Co ltd
Priority to CN202210228106.1A priority Critical patent/CN114758223A/zh
Publication of CN114758223A publication Critical patent/CN114758223A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Mining
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services

Abstract

本申请提供了一种农药使用的监测预警方法、装置、终端设备及存储介质,涉及监测技术领域。该方法包括:获取目标区域的遥感图像;根据所述遥感图像,确定所述目标区域的农药使用信息;若所述农药使用信息符合设定的第一预警条件,则输出针对所述目标区域的预警信息。通过本申请提供的方案,能够实时监管农产品的生产过程中的农药使用,有效地避免农药残留。

Description

农药使用的监测预警方法、装置、终端设备及存储介质
技术领域
本申请属于监测技术领域,尤其涉及一种农药使用的监测预警方法、装置、终端设备及存储介质。
背景技术
目前,对于农产品的质量要求越来越高,所以,在农产品的生产过程中会多依赖于农药,以通过农药来解决生产过程中出现的病虫害问题。
然而,目前农药残留却仅能在农产品收获后通过仪器分析检测手段检验,对于农产品生产过程中的农药使用的实时监管,尚缺乏准确有效的手段。
发明内容
本申请实施例提供了一种农药使用的监测预警方法、装置、终端设备及存储介质,以解决缺乏准确有效的手段对农产品生产过程中的农药使用进行实时监管的问题。
第一方面,本申请实施例提供了一种农药使用的监测预警方法,包括:
获取目标区域的遥感图像;
根据所述遥感图像,确定所述目标区域的农药使用信息;
若所述农药使用信息符合设定的第一预警条件,则输出针对所述目标区域的预警信息。
本申请实施例提供的农药使用的监测预警方法,获取目标区域的遥感图像,以通过遥感图像来了解目标区域的情况,接着根据遥感图像中记录的信息,确定目标区域的农药使用信息,以便于进一步地判断农药使用信息是否符合设定的第一预警条件,且当农药使用信息符合设定的第一预警条件,表示目标区域中使用的农药可能超标,会导致农药残留,所以输出针对目标区域的预警信息。通过本申请的方案,能够有效地对农产品生产过程中的农药使用情况进行实时监管,并在农药使用可能过量时,及时地进行预警,以提醒相对应的管理人员来进行处理,从而避免农药在农产品上残留。
第二方面,本申请实施例提供了一种农药使用的监测预警装置,包括:
获取模块,用于获取目标区域的遥感图像;
确定模块,用于根据所述遥感图像,确定所述目标区域的农药使用信息;
预警模块,用于若所述农药使用信息符合设定的第一预警条件,则输出针对所述目标区域的预警信息。
第三方面,本申请实施例提供了一种终端设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述农药使用的监测预警方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述农药使用的监测预警方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的农药使用的监测预警方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的农药使用的监测预警方法的流程示意图。
图2是本申请一实施例提供的农药使用的监测预警方法步骤S12的具体实现流程示意图。
图3是本申请另一实施例提供的农药使用的监测预警方法步骤S12的具体实现流程示意图。
图4是本申请一实施例提供的农药使用的监测预警方法步骤S31的具体实现流程示意图。
图5是本申请实施例提供的农药使用的监测预警装置的结构示意图。
图6是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。
在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
请参阅图1,图1是本申请实施例提供的一种农药使用的监测预警方法的实现流程图。本实施例中,农药使用的监测预警方法用于在农产品的种植过程中,对农产品种植区域的农药使用情况进行实时监测,其执行主体为终端设备。
如图1所示,本申请实施例提供的农药使用的监测预警方法包括以下步骤:
S11:获取目标区域的遥感图像。
作为本申请的一个示例,目标区域指的是种植农产品的区域。例如,种植水稻的田地A,或种植玉米的田地B。
遥感图像为用于描述目标区域包含的物体的情况。例如,在目标区域中使用农药时,目标区域中包含的农药。
可以理解的是,由于每个物体都有对应的电磁特征,而遥感图像能够记录目标区域中的各种物质所分别对应的电磁波的大小,所以,通过遥感图像可以能够清楚地了解目标区域中所使用的农药的情况。
在本实施例中,由于在农产品的种植过程中,可能会出现病虫害等情况,所以,会需要通过农药来解决生产过程中出现的病虫害问题。然而,在使用农药解决病虫害问题时,又可能会出现农药使用过量的情况,导致农产品上残留农药,留下食品安全隐患,且由于目前的农药使用监管存在滞后性,不利于农药使用的监管,所以,为了更好监管农产品种植过程中的农药使用,获取目标区域的遥感图像,以便于通过遥感图像来了解目标区域中的农药使用情况。
在应用中,通过无人机或航天卫星,对目标区域进行图像采集,得到遥感图像。
在一实施例中,遥感图像可能为多光谱遥感图像,预设光谱值的遥感图像中的一种。
在一实施例中,按第一预设周期,获取目标区域的遥感图像。
在本实施例中,为了能够及时地对目标区域中所使用的农药进行监管,按预设周期获取目标区域的遥感图像,以便于通过遥感图像确定目标区域的农药使用信息。
S12:根据遥感图像,确定目标区域的农药使用信息。
作为本申请的一个示例,农药使用信息用于描述当前目标区域中所使用的农药的情况,例如,目标区域中使用的农药的农药类型、使用量、农药浓度、农药使用的次数。
在本实施例中,由于通过遥感图像能够了解目标区域中包含的各种物质的所分别对应的电磁辐射特征,所以,在获取目标区域的遥感图像之后,通过遥感图像中记录的农药的波段特征,可以确定目标区域的农药使用信息。
S13:若农药使用信息符合设定的第一预警条件,则输出针对目标区域的预警信息。
作为本申请的一个示例,第一预警条件指的是可能造成农药残留时所对应的最小农药使用量。
预警信息用于描述目标区域中的农药使用量超标。
在本实施例中,在根据遥感图像,确定目标区域的农药使用信息之后,为了确定当前目标区域中所使用的农药是否可能会造成农药残留,利用第一预警条件对目标区域所对应的农药使用信息进行评价,且当确定农药使用信息符合设定的第一预警条件时,表示目标区域中所使用的农药可能会在目标区域中的农产品上残留,造成食品安全隐患,所以,输出针对目标区域的预警信息,以便于目标区域的管理人员能够基于预警信息及时地对目标区域中所使用的农药进行处理,比如停止使用农药使用信息对应的农药。
在一实施例中,按第二预设周期,获取目标区域使用农药的次数信息;若次数信息符合设定的第三预警条件,则输出针对目标区域的预警信息。
作为本申请的一个示例,第三预警条件指的是可能造成农药残留时所对应的最小农药使用次数。
在本实施例中,由于多次使用农药也可能会造成农药在农产品上残留,所以,按第二预设周期,获取目标区域使用农药的次数信息,以通过所获得的次数信息来了解目标区域中使用农药的次数是否超出正常标准,且当次数信息符合设定的第三预警条件时,输出针对目标区域的预警信息,以便于目标区域的管理人员能够基于次数信息对目标区域进行管理。
结合图2,在本申请的一个实施例中,根据遥感图像,确定目标区域的农药使用信息的具体实现包括:
S21:对遥感图像进行第一预处理,得到第一遥感特征信息。
S22:根据第一遥感特征信息,确定目标区域的农药浓度信息。
作为本申请的一个示例,第一遥感特征信息用于描述在目标区域使用农药时,农药所对应的电磁特征信息。
可以理解的是,不同类别和不同浓度的农药所分别对应的电磁特征信息不同,所以,不同类别和不同浓度的农药所分别对应的遥感特征信息不同。
在本实施例中,由于遥感图像中记录有目标区域中包含的物质的电磁特征信息,所以,为了能够了解目标区域所使用的农药是否过量,对遥感图像进行第一预处理,即从遥感图像中筛选出所使用的农药所对应的电磁特征信息,以便于通过筛选出的农药的电磁特征信息,确定目标区域的农药浓度信息。
示例的,目标区域的遥感图像中包括稻谷对应的电磁特征信息和所使用的农药所对应的电磁特征信息,根据预先存储的农药的电磁特征信息与遥感图像中记录的各种物质的电磁特征信息进行匹配,并将匹配成功的农药的电磁特征信息作为第一遥感特征信息,以便于根据第一遥感特征信息,确定目标区域的农药浓度信息。
在一实施例中,预先地记录各个类别和不同浓度的农药所分别对应的遥感数据,该遥感数据即对应农药的电磁特征信息,所以,根据预先记录的遥感数据,和遥感图像中记录的各个物体的电磁特征信息进行匹配,并将匹配成功的作为第一遥感特征信息。
作为本实施例的一种可能实现方式,根据第一遥感特征信息,确定目标区域的农药浓度信息的具体实现包括:
将第一遥感特征信息输入第一监测模型中进行处理,得到第一监测结果,第一监测结果用于描述目标区域中所使用的农药浓度信息。
在本实施例中,在基于遥感图像得到目标区域中所使用的农药的第一遥感特征信息之后,为了能够了解目标区域所使用的农药是否过量,将第一遥感特征信息输入第一监测模型中进行处理,以得到与第一遥感特征信息所对应的农药浓度信息,以便于通过所处理得到的农药浓度信息所关联的农药使用量来了解目标区域中的农药是否使用过量,进而地在确定农药使用过量时,对目标区域进行预警,从而便于目标区域的管理人员能够及时地对目标区域进行管理,避免农药残留在农产品上。
可以理解的是,第一监测模型可以由终端设备预先训练好,也可以由其他设备预先训练好后将第一监测模型对应的文件移植至终端设备中。也就是说,训练该第一监测模型的执行主体与使用该第一监测模型进行农药浓度监测的执行主体可以是相同的,也可以是不同的。例如,当采用其他设备训练初始第一监测模型时,其他设备对初始第一监测模型结束训练后,固定初始第一监测模型的模型参数,得到第一监测模型对应的文件,然后将该文件移植到终端设备中。
在一实施例中,由于不同类别的农药在不同农药浓度时所分别表现出来的电磁特征会不同,所以,在对遥感图像进行第一预处理,得到第一遥感特征信息之后,根据第一遥感特征信息,确定目标区域中所使用的农药的类别;根据农药的类别,从多个农药监测模型中确定第一监测模型,并将第一遥感特征信息输入第一监测模型中进行处理,得到第一监测结果。
作为本实施例的一种可能实现方式,第一监测模型通过以下步骤构建:
获取样本遥感图像,样本遥感图像包括与目标区域使用的农药类别对应的,不同农药浓度下的多幅遥感图像;
以样本遥感图像作为训练集,构建深度学习网络,并将深度学习网络确定为第一监测模型。
作为本申请的一个示例,样本遥感图像用于描述同一个农药类别的农药,在目标区域中不同农药浓度下的遥感情况,和/或,不在目标区域中,不同农药浓度下的遥感情况。
可以理解的是,样本遥感图像所包括的多幅遥感图像中,包括在目标区域中使用农药时,不同农药浓度下的样本遥感图像,和/或,不在目标区域中使用农药时,不同农药浓度下的样本遥感图像。
在本实施例中,为了能够较好地对农药使用情况进行监测,预先地训练得到第一监测模型,即获取样本遥感图像,并以样本遥感图像作为训练集,对初始模型进行训练,构建得到深度学习网络,并将深度学习网络确定为第一监测模型,从而方便后续需要对目标区域中农药使用情况进行监测时,可以基于第一监测模型来对获取到的遥感图像进行处理,得到第一监测结果。
在一实施例中,由于在目标区域中使用农药时,可能会受目标区域中的其它物质的影响,使得农药浓度不够准确,所以,当样本遥感图像中包括在目标区域中使用农药时,不同农药浓度下的样本遥感图像和不在目标区域中使用农药时,不同农药浓度下的样本遥感图像时,对于同一个类别的农药,在同一个农药浓度时,确定在目标区域中采集得到的样本遥感图像和不在目标区域中采集得到的样本遥感图像之间的差异特征,并将该差异特征与样本遥感图像中的遥感特征信息、农药浓度信息进行关联,以便于后续需要监测目标区域中的农药使用情况时,可以根据所采集的遥感图像所对应的第一遥感特征信息,确定与之对应的农药浓度信息,进而基于与第一遥感特征信息对应的农药浓度信息,来了解目标区域中所使用的农药使用量。
结合图3,在本申请的一个实施例中,根据遥感图像,确定目标区域的农药使用信息的具体实现包括:
S31:根据遥感图像,确定目标区域的病虫害程度信息。
S32:若病虫害程度信息符合设定的第二预警条件,则根据遥感图像确定目标区域的农药使用信息。
作为本申请的一个示例,病虫害程度信息用于描述目标区域中的病虫害情况。例如,目标区域中小麦锈病、蝗虫或稻飞虱发生时对目标区域中的农作物造成的后果。
第二预警条件用于描述需要对病虫害进行防治时所对应的病虫害情况。
在本实施例中,由于在目标区域中出现病虫害,且已经达到需要对病虫害进行治理的程度时,才需要在目标区域中使用农药,所以,为了避免农药的使用过量,先根据遥感图像,确定目标区域中是否存在病虫害,和当存在病虫害时,确定对应的病虫害程度信息,以便于根据病虫害程度信息和第二预警条件,确定是否需要对目标区域中存在的病虫害进行治理,所以,当病虫害程度信息符合设定的第二预警条件时,表示需要对目标区域中的病虫还进行治理,即目标区域中开始使用农药,以便可以更精确地把握通过农药来消灭病虫害的时间点,保证农产品能够良好地生长。而相对应地,为了防止农药使用过量,需要进一步地根据遥感图像来确定目标区域的农药使用信息,以便于通过该农药使用信息来了解目标区域中的农药使用情况,从而为确定目标区域中的农药使用是否过量提供判断时的信息基础。
其中,由于各种物质在遥感图像中所体现的电磁特征会有所不同,所以,当获取到目标区域对应的遥感图像时,能够根据遥感图像中记录的信息,确定目标区域的病虫害程度信息。
结合图4,在本申请的一个实施例中,根据遥感图像,确定目标区域的病虫害程度信息的具体实现包括:
S41:对遥感图像进行第二预处理,得到第二遥感特征信息。
S42:将第二遥感特征信息输入第二监测模型中进行处理,得到第二监测结果,第二监测结果用于描述目标区域的病虫害程度信息。
作为本申请的一个示例,第二遥感特征信息用于描述目标区域中发生病虫害时,病虫害所对应的电磁特征信息。
可以理解的是,由于目标区域中发生病虫害时,害虫或病害会使得农产品表现出不同的症状,从而表现出不同的电磁特征,所以,对遥感图像进行第二预处理,可以得到第二遥感特征信息。
在本实施例中,在获取到遥感图像之后,由于遥感图像中记录有目标区域中包含的物质的电磁特征信息,所以,为了能够了解目标区域中的病虫害情况,对遥感图像进行第二预处理,即从遥感图像中提取出农产品上的病虫害所对应的第二遥感特征信息,以便通过该第二遥感特征信息来了解目标区域中病虫害的电磁特征信息。接着,将所得到的第二遥感特征信息输入第二监测模型中进行处理,以得到第二监测结果,进而地可以通过第二监测结果来确定目标区域中的病虫害情况是否严重,是否需要对病虫害进行治理。
在一实施例中,在对遥感图像进行第二预处理,得到第二遥感特征信息之前,预先地记录各个类别和不同程度的病虫害所分别对应的遥感数据,该遥感数据即对应虫害的电磁特征信息,所以,根据预先记录的遥感数据,和遥感图像中记录的各个物体的电磁特征信息进行匹配,并将匹配成功的作为第二遥感特征信息。
在一实施例中,获取样本病虫害遥感图像和与样本病虫害遥感图像对应的病虫害调查信息;样本病虫害遥感图像对初始第二监测模型进行训练,并利用病虫害调查信息对训练的初始第二监测模型进行验证,且当验证结果满足预设收敛条件时,将训练好的初始第二监测模型作为第二监测模型。
在本实施例中,用于训练模型的样本病虫害遥感图像的数量为多张。
在本申请的一个实施例中,在根据遥感图像,确定目标区域的农药使用信息之后,还包括:
根据病虫害程度信息,确定农药使用信息的校正值。
按照校正值对农药使用信息进行校正。
在本实施例中,存在一种可能的场景是,在未发生病虫农害之前,为了预防病虫害的发生,需要预先地在目标区域中使用少量农药,所以,在病虫害实际发生时的农药使用量可能会大于实际所需要的农药使用量,而通过遥感图像确定的农药使用信息所指示的农药使用量会大于为了治理病虫害所需要的农药使用量,所以,根据病虫害程度信息,确定农药使用信息的校正值,以便于按照校正值对农药使用信息进行校正,从而能够基于矫正后的农药使用信息来确定是否符合设定的第一预警条件,以便于在确定农药使用信息符合设定的第一预警条件时,能够及时地输出针对目标区域的预警信息,从而农药使用在线实时监管和农药残留超标提前预警。
本申请实施例提供的农药使用的监测预警方法,获取目标区域的遥感图像,以通过遥感图像来了解目标区域的情况,接着根据遥感图像中记录的信息,确定目标区域的农药使用信息,以便于进一步地判断农药使用信息是否符合设定的第一预警条件,且当农药使用信息符合设定的第一预警条件,表示目标区域中使用的农药可能超标,会导致农药残留,所以输出针对目标区域的预警信息。通过本申请的方案,能够有效地对农产品生产过程中的农药使用情况进行实时监管,并在农药使用可能过量时,及时地进行预警,以提醒相对应的管理人员来进行处理,从而避免农药在农产品上残留。
上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例的农药使用的监测预警方法,图5示出了本申请实施例提供的农药使用的监测预警装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图5,该装置100包括:
获取模块101,用于获取目标区域的遥感图像;
确定模块102,用于根据遥感图像,确定目标区域的农药使用信息;
预警模块103,用于若农药使用信息符合设定的第一预警条件,则输出针对目标区域的预警信息。
在一实施例中,确定模块102,还用于对遥感图像进行第一预处理,得到第一遥感特征信息;根据第一遥感特征信息,确定目标区域的农药浓度信息。
在一实施例中,确定模块102,还用于将第一遥感特征信息输入第一监测模型中进行处理,得到第一监测结果,第一监测结果用于描述目标区域中所使用的农药浓度信息。
在一实施例中,该装置100还包括训练模块。
训练模块,用于获取样本遥感图像,样本遥感图像包括与目标区域使用的农药类别对应的,不同农药浓度下的多幅遥感图像;以样本遥感图像作为训练集,构建深度学习网络,并将深度学习网络确定为第一监测模型。
在一实施例中,确定模块102,还用于根据遥感图像,确定目标区域的病虫害程度信息;若病虫害程度信息符合设定的第二预警条件,则根据遥感图像确定目标区域的农药使用信息。
在一实施例中,确定模块102,还用于对遥感图像进行第二预处理,得到第二遥感特征信息;将第二遥感特征信息输入第二监测模型中进行处理,得到第二监测结果,第二监测结果用于描述目标区域的病虫害程度信息。
在一实施例中,该装置100还包括校正模块。
校正模块,用于根据病虫害程度信息,确定农药使用信息的校正值;按照校正值对农药使用信息进行校正。
本申请实施例提供的农药使用的监测预警装置,获取目标区域的遥感图像,以通过遥感图像来了解目标区域的情况,接着根据遥感图像中记录的信息,确定目标区域的农药使用信息,以便于进一步地判断农药使用信息是否符合设定的第一预警条件,且当农药使用信息符合设定的第一预警条件,表示目标区域中使用的农药可能超标,会导致农药残留,所以输出针对目标区域的预警信息。通过本申请的方案,能够有效地对农产品生产过程中的农药使用情况进行实时监管,并在农药使用可能过量时,进行预警,以提醒相对应的管理人员来进行处理,从而避免农药在农产品上残留。
本实施例提供的一种农药使用的监测预警装置,用于实现方法实施例中任一种农药使用的监测预警方法,其中各个模块的功能可以参考方法实施例中相应的描述,其实现原理和技术效果类似,此处不再赘述。
图6为本申请一实施例提供的终端设备的结构示意图。如图6所示,该实施例的终端设备6包括:至少一个处理器60(图6中仅示出一个处理器)、存储器61以及存储在存储器61中并可在至少一个处理器60上运行的计算机程序62,处理器60执行计算机程序62时实现上述任意各个农药使用的监测预警方法实施例中的步骤。
终端设备6可以包括但不限于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是终端设备6的举例,并不构成对终端设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
处理器60可以是中央处理单元(Central Processing Unit,CPU),该处理器60还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器61在一些实施例中可以是终端设备6的内部存储单元,例如终端设备6的硬盘或内存。存储器61在另一些实施例中也可以是终端设备6的外部存储设备,例如终端设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器61还可以既包括终端设备6的内部存储单元也包括外部存储设备。存储器61用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如计算机程序的程序代码等。存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种终端设备,该终端设备包括:至少一个处理器、存储器以及存储在存储器中并可在至少一个处理器上运行的计算机程序,处理器执行计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行时可实现上述各个方法实施例中的步骤。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括:能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口、装置或单元的间接耦合或通讯连接,可以是电性、机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。

Claims (10)

1.一种农药使用的监测预警方法,其特征在于,包括:
获取目标区域的遥感图像;
根据所述遥感图像,确定所述目标区域的农药使用信息;
若所述农药使用信息符合设定的第一预警条件,则输出针对所述目标区域的预警信息。
2.如权利要求1所述的监测预警方法,其特征在于,所述根据所述遥感图像,确定所述目标区域的农药使用信息,包括:
对所述遥感图像进行第一预处理,得到第一遥感特征信息;
根据所述第一遥感特征信息,确定所述目标区域的农药浓度信息。
3.如权利要求2所述的监测预警方法,其特征在于,所述根据所述第一遥感特征信息,确定所述目标区域的农药浓度信息,包括:
将所述第一遥感特征信息输入第一监测模型中进行处理,得到第一监测结果,所述第一监测结果用于描述所述目标区域的农药浓度信息。
4.如权利要求3所述的监测预警方法,其特征在于,所述第一监测模型通过以下步骤构建:
获取样本遥感图像,所述样本遥感图像包括与所述目标区域使用的农药类别对应的,不同农药浓度下的多幅遥感图像;
以所述样本遥感图像作为训练集,构建深度学习网络,并将所述深度学习网络确定为所述第一监测模型。
5.如权利要求1-4任一项所述的监测预警方法,其特征在于,所述根据所述遥感图像,确定所述目标区域的农药使用信息,包括:
根据所述遥感图像,确定所述目标区域的病虫害程度信息;
若所述病虫害程度信息符合设定的第二预警条件,则根据所述遥感图像确定所述目标区域的农药使用信息。
6.如权利要求5所述的监测预警方法,其特征在于,所述根据所述遥感图像,确定所述目标区域的病虫害程度信息,包括:
对所述遥感图像进行第二预处理,得到第二遥感特征信息;
将所述第二遥感特征信息输入第二监测模型中进行处理,得到第二监测结果,所述第二监测结果用于描述所述目标区域的病虫害程度信息。
7.如权利要求5所述的监测预警方法,其特征在于,包括:
在根据所述遥感图像,确定所述目标区域的农药使用信息之后,还包括:
根据所述病虫害程度信息,确定所述农药使用信息的校正值;
按照所述校正值对所述农药使用信息进行校正。
8.一种农药使用的监测预警装置,其特征在于,包括:
获取模块,用于获取目标区域的遥感图像;
确定模块,用于根据所述遥感图像,确定所述目标区域的农药使用信息;
预警模块,用于若所述农药使用信息符合设定的第一预警条件,则输出针对所述目标区域的预警信息。
9.一种终端设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的监测预警方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的监测预警方法。
CN202210228106.1A 2022-03-08 2022-03-08 农药使用的监测预警方法、装置、终端设备及存储介质 Pending CN114758223A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210228106.1A CN114758223A (zh) 2022-03-08 2022-03-08 农药使用的监测预警方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210228106.1A CN114758223A (zh) 2022-03-08 2022-03-08 农药使用的监测预警方法、装置、终端设备及存储介质

Publications (1)

Publication Number Publication Date
CN114758223A true CN114758223A (zh) 2022-07-15

Family

ID=82324987

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210228106.1A Pending CN114758223A (zh) 2022-03-08 2022-03-08 农药使用的监测预警方法、装置、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN114758223A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116720840A (zh) * 2023-08-09 2023-09-08 湖南惠农科技有限公司 一种数字化农业云平台
CN117110242A (zh) * 2023-10-18 2023-11-24 北京英视睿达科技股份有限公司 一种药肥使用的监测方法、装置及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116720840A (zh) * 2023-08-09 2023-09-08 湖南惠农科技有限公司 一种数字化农业云平台
CN116720840B (zh) * 2023-08-09 2023-12-15 湖南惠农科技有限公司 一种数字化农业云平台
CN117110242A (zh) * 2023-10-18 2023-11-24 北京英视睿达科技股份有限公司 一种药肥使用的监测方法、装置及存储介质
CN117110242B (zh) * 2023-10-18 2024-01-16 北京英视睿达科技股份有限公司 一种药肥使用的监测方法、装置及存储介质

Similar Documents

Publication Publication Date Title
CN114758223A (zh) 农药使用的监测预警方法、装置、终端设备及存储介质
CN111862044A (zh) 超声图像处理方法、装置、计算机设备和存储介质
AU2010284338A1 (en) Computer-automated spatial analysis
CN111709374A (zh) 鸟情检测方法、装置、计算机设备及存储介质
CN108062708A (zh) 牲畜资产的抵押方法、计算机程序、存储介质及电子设备
CN116452316A (zh) 农业贷款的贷后风险监测方法及装置、电子设备
Hudson et al. Using big data in cattle practice
Chopin et al. Land-based crop phenotyping by image analysis: consistent canopy characterization from inconsistent field illumination
CN115601585A (zh) 基于图片分析的农业病虫害诊断方法及装置
CN114550848A (zh) 作物病害处理方法、装置、电子设备及计算机可读介质
CN115777767A (zh) 一种食用菌的保存方法和系统
EP3668311A1 (de) Nutzung von daten aus feldversuchen im pflanzenschutz zur kalibrierung und optimierung von vorhersagemodellen
Latif et al. Implementation of hybrid algorithm for the UAV images preprocessing based on embedded heterogeneous system: The case of precision agriculture
CN112149719A (zh) 一种多用途一站式遥感分类方法、装置及计算机设备
CN111652717A (zh) 畜牧业信贷风险评估方法及装置
CN115965875B (zh) 一种农作物病虫害智能监控方法及系统
CN117372173A (zh) 基于图像识别的农险处理方法、装置、设备及存储介质
CN115578641B (zh) 农作物的铲除进度监测方法、装置、电子设备和存储介质
CN115689064B (zh) 病害预测方法、装置、电子设备和存储介质
CN114092516B (zh) 一种多目标跟踪检测方法、装置、设备及介质
Charitha et al. Detection of Weed Plants Using Image Processing and Deep Learning Techniques
Hande et al. Krishi Manch: Disease detection in rice crops using CNN
CN116308739A (zh) 基于树木的贷款额度确定方法、装置及电子设备
Vieira et al. ProtectLeaf: An insect predation analyzer for agricultural crop monitoring
Vieira et al. An automatic method for estimating insect defoliation with visual highlights of consumed leaf tissue regions

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