CN114898364A - 一种葡萄的高效栽培方法及系统 - Google Patents
一种葡萄的高效栽培方法及系统 Download PDFInfo
- Publication number
- CN114898364A CN114898364A CN202210747190.8A CN202210747190A CN114898364A CN 114898364 A CN114898364 A CN 114898364A CN 202210747190 A CN202210747190 A CN 202210747190A CN 114898364 A CN114898364 A CN 114898364A
- Authority
- CN
- China
- Prior art keywords
- result
- obtaining
- target plant
- illumination
- information
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G17/00—Cultivation of hops, vines, fruit trees, or like trees
- A01G17/005—Cultivation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Abstract
本发明公开了一种葡萄的高效栽培方法及系统,涉及数字数据处理领域,其中,所述方法包括:获得第一目标植株的基础信息;获得所述第一目标植株的历史监测数据;通过所述基础信息进行所述图像采集装置布设,获得第一分布结果;通过所述第一分布结果进行图像采集,获得第一图像集合;对所述第一图像集合进行特征识别,根据特征识别结果进行所述第一目标植株的多维度特征评估,获得第一状态评估结果;根据所述历史监测数据和所述第一状态评估结果分析,获得第一栽培调整参数;根据所述第一栽培调整参数进行所述第一目标植株的种植调整。解决了现有技术中的针对葡萄栽培过程的信息采集的精确度不高,进而造成葡萄的栽培效果不佳的技术问题。
Description
技术领域
本发明涉及数字数据处理领域,具体地,涉及一种葡萄的高效栽培方法及系统。
背景技术
葡萄作为世界上栽培历史悠久、价值较高的果树之一,它以甜酸可口、风味优美、营养丰富等优势,深受人们的青睐。此外,葡萄还具有益气补血、有利筋骨、除烦解渴、健胃利尿等功效。例如,葡萄中除含有被人体吸收的葡萄糖和果糖外,还含有丰富的矿物质和多种维生素,是一种很好的医疗保健食品。同时,葡萄与其他果树相比,具有结果早、高产稳产、经济效益快而高、适应性强等特点。研究设计一种优化葡萄的栽培方法,具有重要的现实意义。
现有技术中,存在针对葡萄栽培过程的信息采集的精确度不高,进而造成葡萄的栽培效果不佳的技术问题。
发明内容
本申请提供了一种葡萄的高效栽培方法及系统,解决了现有技术中的针对葡萄栽培过程的信息采集的精确度不高,进而造成葡萄的栽培效果不佳的技术问题。
鉴于上述问题,本申请提供了一种葡萄的高效栽培方法及系统。
一方面,本申请提供了一种葡萄的高效栽培方法,其中,所述方法应用于智能栽培监测系统,所述智能栽培监测系统与图像采集装置通信连接,所述方法包括:获得第一目标植株的基础信息;根据所述基础信息获得所述第一目标植株的历史监测数据;通过所述基础信息进行所述图像采集装置布设,获得第一分布结果;通过所述第一分布结果进行图像采集,获得第一图像集合;对所述第一图像集合进行特征识别,根据特征识别结果进行所述第一目标植株的多维度特征评估,获得第一状态评估结果;根据所述历史监测数据和所述第一状态评估结果分析,获得第一栽培调整参数;根据所述第一栽培调整参数进行所述第一目标植株的种植调整。
另一方面,本申请还提供了一种葡萄的高效栽培系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于获得第一目标植株的基础信息;第二获得单元,所述第二获得单元用于根据所述基础信息获得所述第一目标植株的历史监测数据;第三获得单元,所述第三获得单元用于通过所述基础信息进行图像采集装置布设,获得第一分布结果;第四获得单元,所述第四获得单元用于通过所述第一分布结果进行图像采集,获得第一图像集合;第五获得单元,所述第五获得单元用于对所述第一图像集合进行特征识别,根据特征识别结果进行所述第一目标植株的多维度特征评估,获得第一状态评估结果;第六获得单元,所述第六获得单元用于根据所述历史监测数据和所述第一状态评估结果分析,获得第一栽培调整参数;第一执行单元,所述第一执行单元用于根据所述第一栽培调整参数进行所述第一目标植株的种植调整。
第三方面,本申请提供了一种葡萄的高效栽培系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,其中,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
明确第一目标植株的基础信息;利用其获得所述第一目标植株的历史监测数据;进而,通过所述基础信息进行所述图像采集装置布设,获得第一分布结果;并利用其进行图像采集,获得第一图像集合;对所述第一图像集合进行特征识别和所述第一目标植株的多维度特征评估,获得第一状态评估结果;根据所述历史监测数据和所述第一状态评估结果分析,获得第一栽培调整参数;最后,利用第一栽培调整参数进行所述第一目标植株的种植调整。达到了提高葡萄栽培过程的信息采集的精确度和可靠性,进而提升葡萄栽培的效果和质量;同时,降低葡萄栽培的成本,避免人力、物力等资源的浪费;设计一种优化葡萄的栽培方法,为葡萄栽培技术的进一步发展奠定基础的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请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地介绍,显而易见地,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图获得其他的附图。
图1为本申请一种葡萄的高效栽培方法的流程示意图;
图2为本申请一种葡萄的高效栽培方法中根据第一叶片选定结果进行第一目标植株的种植调整的流程示意图;
图3为本申请一种葡萄的高效栽培系统的结构示意图;
图4为本申请示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第一执行单元17,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请通过提供一种葡萄的高效栽培方法及系统,解决了现有技术中的针对葡萄栽培过程的信息采集的精确度不高,进而造成葡萄的栽培效果不佳的技术问题。达到了提高葡萄栽培过程的信息采集的精确度和可靠性,进而提升葡萄栽培的效果和质量;同时,降低葡萄栽培的成本,避免人力、物力等资源的浪费;设计一种优化葡萄的栽培方法,为葡萄栽培技术的进一步发展奠定基础的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
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。
葡萄作为世界上栽培历史悠久、价值较高的果树之一,它以甜酸可口、风味优美、营养丰富等优势,深受人们的青睐。此外,葡萄还具有益气补血、有利筋骨、除烦解渴、健胃利尿等功效。例如,葡萄中除含有被人体吸收的葡萄糖和果糖外,还含有丰富的矿物质和多种维生素,是一种很好的医疗保健食品。同时,葡萄与其他果树相比,具有结果早、高产稳产、经济效益快而高、适应性强等特点。研究设计一种优化葡萄的栽培方法,具有重要的现实意义。现有技术中,存在针对葡萄栽培过程的信息采集的精确度不高,进而造成葡萄的栽培效果不佳的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供一种葡萄的高效栽培方法,其中,所述方法应用于一种葡萄的高效栽培系统,所述方法包括:明确第一目标植株的基础信息;利用其获得所述第一目标植株的历史监测数据;进而,通过所述基础信息进行所述图像采集装置布设,获得第一分布结果;并利用其进行图像采集,获得第一图像集合;对所述第一图像集合进行特征识别和所述第一目标植株的多维度特征评估,获得第一状态评估结果;根据所述历史监测数据和所述第一状态评估结果分析,获得第一栽培调整参数;最后,利用第一栽培调整参数进行所述第一目标植株的种植调整。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
请参阅附图1,本申请提供一种葡萄的高效栽培方法,其中,所述方法应用于一种葡萄的高效栽培系统,所述方法具体包括如下步骤:
步骤S100:获得第一目标植株的基础信息;
步骤S200:根据所述基础信息获得所述第一目标植株的历史监测数据;
具体而言,所述一种葡萄的高效栽培系统通过大数据查询、人工智能、云计算等方式对第一目标植株进行信息采集,获取第一目标植株的基础信息。其中,所述第一目标植株是使用所述一种葡萄的高效栽培系统进行高效栽培的任一葡萄植株。所述第一目标植株的基础信息包括第一目标植株的品种、生长环境、形貌特点、施肥情况、生长阶段、植株密集度等数据信息。进一步,利用所述一种葡萄的高效栽培系统,调取所述第一目标植株的历史监测数据。其中,所述第一目标植株的历史监测数据包括第一目标植株的历史生长情况、营养状态、生长效果等数据信息。达到了明确第一目标植株的基础信息及历史监测数据,为后续的高效栽培流程奠定基础的技术效果。
步骤S300:通过所述基础信息进行所述图像采集装置布设,获得第一分布结果;
具体而言,利用所述一种葡萄的高效栽培系统对已获得的所述第一目标植株的基础信息进行智能分析后,结合第一目标植株的当前生长状态、空间环境信息等因素,对所述图像采集装置的位置、数量进行科学化布设,以保证后续图像采集过程能对所述第一目标植株进行完整的信息采集,进而获得第一分布结果。其中,所述第一分布结果是表征图像采集装置的布设位置及数量的数据信息。例如,所述第一分布结果为a点3个。则需要在a点设置3个图像采集装置。达到了获得科学且合理的第一分布结果,进而提高后续图像采集过程的质量和效率的技术效果。
步骤S400:通过所述第一分布结果进行图像采集,获得第一图像集合;
进一步的,本申请步骤S400还包括:
步骤S410:对所述第一图像集合中图像表现所述第一目标植株的信息完整性评估,获得第一信息完整性评估结果;
步骤S420:获得所述第一图像集合中各个图像的采集信息标识,根据所述采集信息标识获得第一补偿位置坐标;
步骤S430:根据所述第一补偿位置坐标,通过所述图像采集装置进行所述第一目标植株的补偿图像采集,获得第一补偿图像集合;
步骤S440:将所述第一补偿图像集合添加至所述第一图像集合。
具体而言,在获得所述第一分布结果的基础上,利用其对所述第一目标植株进行多个位置的图像采集,获得第一图像集合。其中,所述第一图像集合包括利用所述第一分布结果获得的第一目标植株的多个图像数据信息。随着时间的变化,第一目标植株的生长状态不断发生变化,获得的所述第一图像集合可能无法充分表征第一目标植株的完整信息。进而,对所述第一图像集合中的图像数据信息进行信息完整性评估,明确第一信息完整性评估结果;并根据其得出所述第一图像集合中各个图像的采集信息标识,进而明确第一补偿位置坐标;基于此,将所述图像采集装置设置于第一补偿位置坐标,对所述第一目标植株进行补偿图像采集,获得第一补偿图像集合并将其添加至所述第一图像集合。其中,所述第一信息完整性评估结果是用于表征所述第一图像集合中图像数据信息的完整性、清晰度等参数的数据信息。所述采集信息标识是表征所述第一图像集合中各个图像数据的采集位置、采集时间等的数据信息。所述第一补偿位置坐标是指在所述第一信息完整性评估结果不佳时,需要进行补偿图像采集的位置坐标数据信息。所述第一补偿图像集合是基于第一补偿位置坐标,利用所述图像采集装置对所述第一目标植株进行补偿图像采集后,获得的任一补偿图像集合。达到了获得准确性和可靠性较高的第一图像集合,进而提高后续获得的第一状态评估结果的精确度的技术效果。
步骤S500:对所述第一图像集合进行特征识别,根据特征识别结果进行所述第一目标植株的多维度特征评估,获得第一状态评估结果;
进一步的,本申请步骤S500还包括:
步骤S510:对所述第一图像集合中的叶片特征进行特征识别,获得第一叶片数量;
步骤S520:根据所述历史监测数据获得所述第一目标植株的营养状态信息;
步骤S530:判断所述营养状态信息是否与所述第一叶片数量相匹配;
步骤S540:根据判断结果获得所述第一状态评估结果。
具体而言,利用所述一种葡萄的高效栽培系统对已获得的所述第一图像集合进行特征识别,并根据其对所述第一目标植株进行多维度特征评估,获得第一状态评估结果。其中,所述多维度特征包括所述第一目标植株的形态特征、品质特征等多个特征。所述第一状态评估结果包括第一目标植株的营养状态、长势状态、病虫害状态等数据信息。葡萄叶片具有进行光合作用、制造碳水化合物等作用。因此,叶片特征对于所述第一目标植株具有十分重要的意义。优选地,通过所述一种葡萄的高效栽培系统对所述第一图像集合中的叶片特征进行特征识别,进而获取第一叶片数量;从所述历史监测数据中获得所述第一目标植株的营养状态信息;将所述营养状态信息与所述第一叶片数量进行比较,判断所述营养状态信息是否与所述第一叶片数量相匹配,并根据其获得所述第一状态评估结果。其中,所述叶片特征包括于所述多维度特征。所述第一目标植株的营养状态信息包括微量元素成分、土壤有机质等数据信息。达到了对第一目标植株进行较为精确的多维度特征评估,为后续获得第一栽培调整参数提供数据支持的技术效果。
步骤S600:根据所述历史监测数据和所述第一状态评估结果分析,获得第一栽培调整参数;
进一步的,本申请步骤S600还包括:
步骤S610:根据叶片特征识别结果获得叶片分布结果;
步骤S620:当所述营养状态信息与所述第一叶片数量不匹配时,根据所述叶片分布结果进行光合作用效果影响评估,获得光合作用效果影响结果;
步骤S630:根据所述光合作用效果影响结果进行疏叶叶片选定,获得第一选定结果;
步骤S640:根据所述第一选定结果获得所述第一栽培调整参数。
具体而言,利用所述叶片特征识别结果获得叶片分布结果;当所述营养状态信息与所述第一叶片数量不匹配时,则所述第一目标植株的叶片密度过大,叶片之间彼此遮挡的情况较为严重,光照和二氧化碳等与光合作用有关的因素受到影响。进而,利用所述一种葡萄的高效栽培系统,结合所述叶片分布结果进行光合作用效果影响评估,获得光合作用效果影响结果,并根据其获得第一选定结果,再利用所述第一选定结果明确所述第一栽培调整参数。其中,所述叶片分布结果包括所述第一目标植株的叶片位置分布情况、叶片数量分布情况、叶片密度等数据信息。所述光合作用效果影响结果是表征所述第一目标植株的叶片分布结果对其光合作用的影响的数据信息。例如,所述叶片分布结果表明所述第一目标植株具有较大的叶片密度时,所述光合作用效果影响结果越差。所述第一选定结果是指需要进行疏叶处理的第一目标植株的叶片。利用所述第一选定结果可以让密集区域的叶片稀疏,提高叶片与阳光的接触面积,进而提升第一目标植株的光合作用效果。所述第一栽培调整参数包括对所述第一选定结果进行疏叶调整的具体数据信息,如疏叶面积、疏叶方法等。达到了获得适配度和合理性较高的第一选定结果,进而获得精确的第一栽培调整参数,避免人力、物力等资源的浪费的技术效果。
进一步的,本申请步骤S640之后还包括:
步骤S650:获得第一光照信息;
步骤S660:对所述第一光照信息进行光照影响分析,根据光照影响分析结果获得第一实际光照质量信息;
步骤S670:根据所述第一实际光照质量信息获得第一补充光照参数;
步骤S680:根据所述第一补充光照参数获得所述第一栽培调整参数。
具体而言,所述一种葡萄的高效栽培系统通过大数据采集等方式获得第一光照信息,并对其进行光照影响分析,进而明确第一实际光照质量信息。进一步,基于所述第一实际光照质量信息,通过智能分析后获得第一补充光照参数,最终明确所述第一栽培调整参数。其中,所述第一光照信息包括光照强度、光照时间、光照角度、光照面积等数据信息。所述第一实际光照质量信息是表征所述第一光照信息对所述第一目标植株实际光照影响的数据信息。例如,在光照强度弱的季节,第一目标植株受到葡萄主枝、拱架、塑料薄膜的吸收和反射作用,以及塑料薄膜上凝结的尘埃等因素的影响,所述第一实际光照质量信息表明实际光照强度只有70%的太阳光照强度,对第一目标植株的自然生长产生严重的影响。所述第一补充光照参数包括补充光照强度、补充光照时间、补充光照面积等参数信息。所述第一栽培调整参数包括利用所述第一补充光照参数进行补充光照的具体方法、步骤等数据信息。达到了对光照影响进行分析,并根据其获得第一补充光照参数,进而明确可靠性较高的第一栽培调整参数的技术效果。
步骤S700:根据所述第一栽培调整参数进行所述第一目标植株的种植调整。
具体而言,在获得所述第一栽培调整参数的基础上,结合所述第一目标植株所处的温度、湿度、大气压等环境因素,以及所述第一目标植株的生长状况等因素,对所述第一目标植株进行科学化种植调整。达到了提高葡萄的栽培效果和质量的技术效果。
进一步的,如附图2所示,本申请步骤S700之后还包括:
步骤S800:通过所述第一图像集合进行果实特征识别,根据果实特征识别结果获得第一标识果实区域;
步骤S900:当所述第一目标植株处于第一状态时,根据所述第一标识果实区域和光照方向进行果实光照质量评估,获得第一评估结果;
步骤S1000:根据所述第一评估结果和所述第一标识果实区域获得第一调整果实区域;
步骤S1100:根据所述第一调整果实区域获得光照影响关联区域,通过所述光照影响关联区域进行叶片选定,获得第一叶片选定结果;
步骤S1200:根据所述第一叶片选定结果进行所述第一目标植株的种植调整。
具体而言,在获得所述第一图像集合的基础上,对其进行果实特征识别,获得第一标识果实区域。其中,第一标识果实区域是表征所述第一目标植株的果实所在位置区域的数据信息。进一步,当所述第一目标植株处于第一状态时,利用所述第一标识果实区域和光照方向对所述第一目标植株进行果实光照质量评估,获得第一评估结果;基于此,结合所述第一标识果实区域获得第一调整果实区域;并利用其明确光照影响关联区域,继而进行叶片选定,获得第一叶片选定结果;最终,利用所述第一叶片选定结果进行所述第一目标植株的种植调整。其中,所述第一状态是指所述第一目标植株的上色状态。所述第一评估结果包括所述第一标识果实区域的光照时长、光照强度等数据信息。所述第一调整果实区域是指所述第一标识果实区域中光照质量不佳的区域。所述光照影响关联区域是指所述第一调整果实区域中叶片彼此遮挡、相互影响的区域。所述第一叶片选定结果是所述光照影响关联区域中需要进行位置调整的叶片。且,若所述第一叶片选定结果中包括老叶、病叶,可对其直接去除。达到了获得准确的第一叶片选定结果,并根据其对第一目标植株进行合理的种植调整的技术效果。
进一步的,本申请步骤S1100还包括:
步骤S1110:构建叶片特征识别集合,通过所述叶片特征识别集合进行所述光照关联区域内的图片特征识别,获得第一叶片特征识别结果;
步骤S1120:根据所述第一叶片特征识别结果进行叶片处理标识排序,获得第一排序结果;
步骤S1130:根据所述第一排序结果进行光照影响分析,获得第一光照影响分析结果;
步骤S1140:根据所述第一光照影响分析结果获得所述第一叶片选定结果。
具体而言,在获得所述光照影响关联区域的基础上,构建叶片特征识别集合,并根据其对所述光照关联区域进行特征识别,获得第一叶片特征识别结果,进而对其进行叶片处理标识排序,获得第一排序结果。进一步,分析所述第一排序结果的光照影响,明确第一光照影响分析结果,并根据其获得所述第一叶片选定结果。其中,所述叶片特征识别集合包括所述第一目标植株的叶片形状、叶片颜色等叶片特征数据信息。所述第一叶片特征识别结果是利用所述叶片特征识别集合,对所述光照关联区域中与所述第一目标植株的叶片无关的数据信息进行筛除后,获得的与所述第一目标植株的叶片有关的数据信息。所述第一排序结果是利用所述一种葡萄的高效栽培系统对所述第一叶片特征识别结果进行自动处理、标识排序后,获得的数据信息。所述第一光照影响分析结果是表征所述第一排序结果的光照强度、光照时间、光照效果等的数据信息。所述第一叶片选定结果包括所述第一光照影响分析结果不佳,需要进行光照增强处理的叶片的数据信息。达到了获得精确度和适应性较高的第一叶片选定结果,进而提高后续的第一目标植株的种植调整过程的可靠性和效率的技术效果。
综上所述,本申请所提供的一种葡萄的高效栽培方法具有如下技术效果:
明确第一目标植株的基础信息;利用其获得所述第一目标植株的历史监测数据;进而,通过所述基础信息进行所述图像采集装置布设,获得第一分布结果;并利用其进行图像采集,获得第一图像集合;对所述第一图像集合进行特征识别和所述第一目标植株的多维度特征评估,获得第一状态评估结果;根据所述历史监测数据和所述第一状态评估结果分析,获得第一栽培调整参数;最后,利用第一栽培调整参数进行所述第一目标植株的种植调整。达到了提高葡萄栽培过程的信息采集的精确度和可靠性,进而提升葡萄栽培的效果和质量;同时,降低葡萄栽培的成本,避免人力、物力等资源的浪费;设计一种优化葡萄的栽培方法,为葡萄栽培技术的进一步发展奠定基础的技术效果。
实施例二
基于与前述实施例中一种葡萄的高效栽培方法,同样发明构思,本发明还提供了一种葡萄的高效栽培系统,请参阅附图3,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一目标植株的基础信息;
第二获得单元12,所述第二获得单元12用于根据所述基础信息获得所述第一目标植株的历史监测数据;
第三获得单元13,所述第三获得单元13用于通过所述基础信息进行图像采集装置布设,获得第一分布结果;
第四获得单元14,所述第四获得单元14用于通过所述第一分布结果进行图像采集,获得第一图像集合;
第五获得单元15,所述第五获得单元15用于对所述第一图像集合进行特征识别,根据特征识别结果进行所述第一目标植株的多维度特征评估,获得第一状态评估结果;
第六获得单元16,所述第六获得单元16用于根据所述历史监测数据和所述第一状态评估结果分析,获得第一栽培调整参数;
第一执行单元17,所述第一执行单元17用于根据所述第一栽培调整参数进行所述第一目标植株的种植调整。
进一步的,所述系统还包括:
第七获得单元,所述第七获得单元用于对所述第一图像集合中图像表现所述第一目标植株的信息完整性评估,获得第一信息完整性评估结果;
第八获得单元,所述第八获得单元用于获得所述第一图像集合中各个图像的采集信息标识,根据所述采集信息标识获得第一补偿位置坐标;
第九获得单元,所述第九获得单元用于根据所述第一补偿位置坐标,通过所述图像采集装置进行所述第一目标植株的补偿图像采集,获得第一补偿图像集合;
第二执行单元,所述第二执行单元用于将所述第一补偿图像集合添加至所述第一图像集合。
进一步的,所述系统还包括:
第十获得单元,所述第十获得单元用于通过所述第一图像集合进行果实特征识别,根据果实特征识别结果获得第一标识果实区域;
第十一获得单元,所述第十一获得单元用于当所述第一目标植株处于第一状态时,根据所述第一标识果实区域和光照方向进行果实光照质量评估,获得第一评估结果;
第十二获得单元,所述第十二获得单元用于根据所述第一评估结果和所述第一标识果实区域获得第一调整果实区域;
第十三获得单元,所述第十三获得单元用于根据所述第一调整果实区域获得光照影响关联区域,通过所述光照影响关联区域进行叶片选定,获得第一叶片选定结果;
第三执行单元,所述第三执行单元用于根据所述第一叶片选定结果进行所述第一目标植株的种植调整。
进一步的,所述系统还包括:
第十四获得单元,所述第十四获得单元用于构建叶片特征识别集合,通过所述叶片特征识别集合进行所述光照关联区域内的图片特征识别,获得第一叶片特征识别结果;
第十五获得单元,所述第十五获得单元用于根据所述第一叶片特征识别结果进行叶片处理标识排序,获得第一排序结果;
第十六获得单元,所述第十六获得单元用于根据所述第一排序结果进行光照影响分析,获得第一光照影响分析结果;
第十七获得单元,所述第十七获得单元用于根据所述第一光照影响分析结果获得所述第一叶片选定结果。
进一步的,所述系统还包括:
第十八获得单元,所述第十八获得单元用于对所述第一图像集合中的叶片特征进行特征识别,获得第一叶片数量;
第十九获得单元,所述第十九获得单元用于根据所述历史监测数据获得所述第一目标植株的营养状态信息;
第四执行单元,所述第四执行单元用于判断所述营养状态信息是否与所述第一叶片数量相匹配;
第二十获得单元,所述第二十获得单元用于根据判断结果获得所述第一状态评估结果。
进一步的,所述系统还包括:
第二十一获得单元,所述第二十一获得单元用于根据叶片特征识别结果获得叶片分布结果;
第二十二获得单元,所述第二十二获得单元用于当所述营养状态信息与所述第一叶片数量不匹配时,根据所述叶片分布结果进行光合作用效果影响评估,获得光合作用效果影响结果;
第二十三获得单元,所述第二十三获得单元用于根据所述光合作用效果影响结果进行疏叶叶片选定,获得第一选定结果;
第二十四获得单元,所述第二十四获得单元用于根据所述第一选定结果获得所述第一栽培调整参数。
进一步的,所述系统还包括:
第二十五获得单元,所述第二十五获得单元用于获得第一光照信息;
第二十六获得单元,所述第二十六获得单元用于对所述第一光照信息进行光照影响分析,根据光照影响分析结果获得第一实际光照质量信息;
第二十七获得单元,所述第二十七获得单元用于根据所述第一实际光照质量信息获得第一补充光照参数;
第二十八获得单元,所述第二十八获得单元用于根据所述第一补充光照参数获得所述第一栽培调整参数。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种葡萄的高效栽培方法和具体实例同样适用于本实施例的一种葡萄的高效栽培系统,通过前述对一种葡萄的高效栽培方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种葡萄的高效栽培系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图4来描述本申请的电子设备。
基于与前述实施例中一种葡萄的高效栽培方法相同的发明构思,本申请还提供了一种葡萄的高效栽培系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得系统以执行第一方面任一项所述的方法。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标总线或扩展工业标准结构总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。通信接口303,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网,无线局域网,有线接入网等。存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器、只读光盘或其他光盘存储、光碟存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请提供的一种葡萄的高效栽培方法。
可选的,本申请中的计算机执行指令也可以称之为应用程序代码,本申请对此不作具体限定。
本申请解决了现有技术中的针对葡萄栽培过程的信息采集的精确度不高,进而造成葡萄的栽培效果不佳的技术问题。达到了提高葡萄栽培过程的信息采集的精确度和可靠性,进而提升葡萄栽培的效果和质量;同时,降低葡萄栽培的成本,避免人力、物力等资源的浪费;设计一种优化葡萄的栽培方法,为葡萄栽培技术的进一步发展奠定基础的技术效果。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个、种),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质、光介质、或者半导体介质等。
本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。
相应地,本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (10)
1.一种葡萄的高效栽培方法,其特征在于,所述方法应用于智能栽培监测系统,所述智能栽培监测系统与图像采集装置通信连接,所述方法包括:
获得第一目标植株的基础信息;
根据所述基础信息获得所述第一目标植株的历史监测数据;
通过所述基础信息进行所述图像采集装置布设,获得第一分布结果;
通过所述第一分布结果进行图像采集,获得第一图像集合;
对所述第一图像集合进行特征识别,根据特征识别结果进行所述第一目标植株的多维度特征评估,获得第一状态评估结果;
根据所述历史监测数据和所述第一状态评估结果分析,获得第一栽培调整参数;
根据所述第一栽培调整参数进行所述第一目标植株的种植调整。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述第一图像集合中图像表现所述第一目标植株的信息完整性评估,获得第一信息完整性评估结果;
获得所述第一图像集合中各个图像的采集信息标识,根据所述采集信息标识获得第一补偿位置坐标;
根据所述第一补偿位置坐标,通过所述图像采集装置进行所述第一目标植株的补偿图像采集,获得第一补偿图像集合;
将所述第一补偿图像集合添加至所述第一图像集合。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过所述第一图像集合进行果实特征识别,根据果实特征识别结果获得第一标识果实区域;
当所述第一目标植株处于第一状态时,根据所述第一标识果实区域和光照方向进行果实光照质量评估,获得第一评估结果;
根据所述第一评估结果和所述第一标识果实区域获得第一调整果实区域;
根据所述第一调整果实区域获得光照影响关联区域,通过所述光照影响关联区域进行叶片选定,获得第一叶片选定结果;
根据所述第一叶片选定结果进行所述第一目标植株的种植调整。
4.如权利要求3所述的方法,其特征在于,所述获得第一叶片选定结果,还包括:
构建叶片特征识别集合,通过所述叶片特征识别集合进行所述光照关联区域内的图片特征识别,获得第一叶片特征识别结果;
根据所述第一叶片特征识别结果进行叶片处理标识排序,获得第一排序结果;
根据所述第一排序结果进行光照影响分析,获得第一光照影响分析结果;
根据所述第一光照影响分析结果获得所述第一叶片选定结果。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
对所述第一图像集合中的叶片特征进行特征识别,获得第一叶片数量;
根据所述历史监测数据获得所述第一目标植株的营养状态信息;
判断所述营养状态信息是否与所述第一叶片数量相匹配;
根据判断结果获得所述第一状态评估结果。
6.如权利要求5所述的方法,其特征在于,所述方法包括:
根据叶片特征识别结果获得叶片分布结果;
当所述营养状态信息与所述第一叶片数量不匹配时,根据所述叶片分布结果进行光合作用效果影响评估,获得光合作用效果影响结果;
根据所述光合作用效果影响结果进行疏叶叶片选定,获得第一选定结果;
根据所述第一选定结果获得所述第一栽培调整参数。
7.如权利要求1所述的方法,其特征在于,所述方法包括:
获得第一光照信息;
对所述第一光照信息进行光照影响分析,根据光照影响分析结果获得第一实际光照质量信息;
根据所述第一实际光照质量信息获得第一补充光照参数;
根据所述第一补充光照参数获得所述第一栽培调整参数。
8.一种葡萄的高效栽培系统,其特征在于,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一目标植株的基础信息;
第二获得单元,所述第二获得单元用于根据所述基础信息获得所述第一目标植株的历史监测数据;
第三获得单元,所述第三获得单元用于通过所述基础信息进行图像采集装置布设,获得第一分布结果;
第四获得单元,所述第四获得单元用于通过所述第一分布结果进行图像采集,获得第一图像集合;
第五获得单元,所述第五获得单元用于对所述第一图像集合进行特征识别,根据特征识别结果进行所述第一目标植株的多维度特征评估,获得第一状态评估结果;
第六获得单元,所述第六获得单元用于根据所述历史监测数据和所述第一状态评估结果分析,获得第一栽培调整参数;
第一执行单元,所述第一执行单元用于根据所述第一栽培调整参数进行所述第一目标植株的种植调整。
9.一种葡萄的高效栽培系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210747190.8A CN114898364B (zh) | 2022-06-28 | 2022-06-28 | 一种葡萄的高效栽培方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210747190.8A CN114898364B (zh) | 2022-06-28 | 2022-06-28 | 一种葡萄的高效栽培方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114898364A true CN114898364A (zh) | 2022-08-12 |
CN114898364B CN114898364B (zh) | 2023-03-10 |
Family
ID=82730402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210747190.8A Active CN114898364B (zh) | 2022-06-28 | 2022-06-28 | 一种葡萄的高效栽培方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114898364B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740651A (zh) * | 2023-08-11 | 2023-09-12 | 南京吾悦农业科技有限公司 | 基于智能决策的食用菌栽培监控方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564593A (zh) * | 2011-12-30 | 2012-07-11 | 河海大学常州校区 | 基于计算机视觉及物联网的植物生长状况监测系统 |
CN107229999A (zh) * | 2017-05-31 | 2017-10-03 | 深圳前海弘稼科技有限公司 | 作物产量的预测方法、系统、计算机设备及可读存储介质 |
CN108575602A (zh) * | 2018-04-28 | 2018-09-28 | 深圳春沐源控股有限公司 | 一种农作物植株整枝方法及系统 |
CN108718889A (zh) * | 2018-04-19 | 2018-11-02 | 铜仁市万山区光保农业有限公司 | 一种基于光照分析的葡萄培育系统 |
CN110083191A (zh) * | 2019-05-31 | 2019-08-02 | 珠海(横琴)食品安全研究院 | 一种智能植物培养箱及其在线监控与管理系统和方法 |
CN110113577A (zh) * | 2019-05-21 | 2019-08-09 | 陆军军 | 一种轨道分布式农业种植区域自动化监控平台及其方法 |
US20200019777A1 (en) * | 2018-07-10 | 2020-01-16 | Adroit Robotics | Systems, devices, and methods for in-field diagnosis of growth stage and crop yield estimation in a plant area |
CN111011123A (zh) * | 2019-12-12 | 2020-04-17 | 福清美丰农林科技有限公司 | 一种可提高火龙果固形物含量的丰产栽培方法 |
CN112418188A (zh) * | 2020-12-17 | 2021-02-26 | 成都亚讯星科科技股份有限公司 | 基于无人机视觉的农作物生长全程数字化评估方法 |
AU2021101469A4 (en) * | 2021-03-23 | 2021-05-13 | Sanjeevkumar Angadi | An artificial intelligence based organic LED farming during post Covid 19 |
CN113110207A (zh) * | 2021-04-28 | 2021-07-13 | 佛山一本农业科技有限公司 | 基于物联网传感器的虫害远程监测方法、系统及存储介质 |
CN113537063A (zh) * | 2021-07-16 | 2021-10-22 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于综合遥感技术的森林环境遥感监测方法及终端 |
CN113744187A (zh) * | 2021-07-29 | 2021-12-03 | 深圳市修远文化创意有限公司 | 一种植物种植方法、装置以及计算机存储介质 |
CN113850312A (zh) * | 2021-09-17 | 2021-12-28 | 西安天和防务技术股份有限公司 | 森林生态状况的监测方法、装置、电子设备及存储介质 |
-
2022
- 2022-06-28 CN CN202210747190.8A patent/CN114898364B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564593A (zh) * | 2011-12-30 | 2012-07-11 | 河海大学常州校区 | 基于计算机视觉及物联网的植物生长状况监测系统 |
CN107229999A (zh) * | 2017-05-31 | 2017-10-03 | 深圳前海弘稼科技有限公司 | 作物产量的预测方法、系统、计算机设备及可读存储介质 |
CN108718889A (zh) * | 2018-04-19 | 2018-11-02 | 铜仁市万山区光保农业有限公司 | 一种基于光照分析的葡萄培育系统 |
CN108575602A (zh) * | 2018-04-28 | 2018-09-28 | 深圳春沐源控股有限公司 | 一种农作物植株整枝方法及系统 |
US20200019777A1 (en) * | 2018-07-10 | 2020-01-16 | Adroit Robotics | Systems, devices, and methods for in-field diagnosis of growth stage and crop yield estimation in a plant area |
CN110113577A (zh) * | 2019-05-21 | 2019-08-09 | 陆军军 | 一种轨道分布式农业种植区域自动化监控平台及其方法 |
CN110083191A (zh) * | 2019-05-31 | 2019-08-02 | 珠海(横琴)食品安全研究院 | 一种智能植物培养箱及其在线监控与管理系统和方法 |
CN111011123A (zh) * | 2019-12-12 | 2020-04-17 | 福清美丰农林科技有限公司 | 一种可提高火龙果固形物含量的丰产栽培方法 |
CN112418188A (zh) * | 2020-12-17 | 2021-02-26 | 成都亚讯星科科技股份有限公司 | 基于无人机视觉的农作物生长全程数字化评估方法 |
AU2021101469A4 (en) * | 2021-03-23 | 2021-05-13 | Sanjeevkumar Angadi | An artificial intelligence based organic LED farming during post Covid 19 |
CN113110207A (zh) * | 2021-04-28 | 2021-07-13 | 佛山一本农业科技有限公司 | 基于物联网传感器的虫害远程监测方法、系统及存储介质 |
CN113537063A (zh) * | 2021-07-16 | 2021-10-22 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于综合遥感技术的森林环境遥感监测方法及终端 |
CN113744187A (zh) * | 2021-07-29 | 2021-12-03 | 深圳市修远文化创意有限公司 | 一种植物种植方法、装置以及计算机存储介质 |
CN113850312A (zh) * | 2021-09-17 | 2021-12-28 | 西安天和防务技术股份有限公司 | 森林生态状况的监测方法、装置、电子设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
BRUNA ALBERTON 等: "Introducing digital cameras to monitor plant phenology in the tropics: applications for conservation", 《PERSPECTIVES IN ECOLOGY AND CONSERVATION》 * |
李骏慧 等: "植物生长远程图像监测系统的设计与实现", 《通信技术》 * |
沈跃等: "基于Kinect传感器的温室植株绿色与深度检测方法", 《中国农机化学报》 * |
田东哲: "基于图像技术的农作物生长状态识别算法研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740651A (zh) * | 2023-08-11 | 2023-09-12 | 南京吾悦农业科技有限公司 | 基于智能决策的食用菌栽培监控方法及系统 |
CN116740651B (zh) * | 2023-08-11 | 2023-10-17 | 南京吾悦农业科技有限公司 | 基于智能决策的食用菌栽培监控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114898364B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | Influence of irrigation during the growth stage on yield and quality in mango (Mangifera indica L) | |
CN109583301B (zh) | 一种农作物生长过程最优外部种植条件预测方法及装置 | |
CN108710766B (zh) | 一种基于生长模型的温室植物水肥机调肥参数计算方法 | |
CN114898364B (zh) | 一种葡萄的高效栽培方法及系统 | |
CN111046204A (zh) | 一种病虫害识别防治系统 | |
CN114027052A (zh) | 一种植物生殖发育的光照调控系统 | |
US20240013380A1 (en) | Cigar tobacco leaf harvesting maturity identification method and system based on integrated learning | |
NL2029693A (en) | Remote sensing prediction method for fragrant pear maturity period based on multi-source remote sensing data | |
CN113379188B (zh) | 基于物联网的烟草轮作种植方法和系统 | |
Kaufmane et al. | QuinceSet: Dataset of annotated Japanese quince images for object detection | |
CN108932270B (zh) | 基于贝叶斯和反馈算法的枇杷属种质资源检索对照方法 | |
CN116863403B (zh) | 一种农作物大数据环境监测方法、装置及电子设备 | |
CN113220827A (zh) | 一种农业语料库的构建方法及装置 | |
CN106446434A (zh) | 一种可种植植物确定方法及装置 | |
CN116503681A (zh) | 一种平原和丘陵区的作物识别特征优选方法及系统 | |
CN114582439B (zh) | 一种基于应用场景的土壤盐碱地改良剂筛选方法及系统 | |
González-Fernández et al. | Delineating vineyard zones by fuzzy K-means algorithm based on grape sampling variables | |
CN115481795A (zh) | 推荐模型的生成方法、氮肥施用量的推荐方法及其装置 | |
CN116152007A (zh) | 植物施肥量的确定方法、装置、终端设备和可读存储介质 | |
CN111670748B (zh) | 一种基于物联网的酒红球盖菇生态高产栽培方法及系统 | |
CN115690609A (zh) | 一种作物生育期长势监测的方法 | |
CN114494689A (zh) | 番茄干旱胁迫的识别方法 | |
CN115063678A (zh) | 基于国产gf-6 wfv数据的大豆种植区提取方法 | |
CN114937030A (zh) | 一种用于智慧农业种植生菜的表型参数计算方法 | |
CN107491894B (zh) | 一种种植指导方法以及装置 |
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 |