CN115454164A - 一种基于智能识别的自动暖菜控温系统 - Google Patents
一种基于智能识别的自动暖菜控温系统 Download PDFInfo
- Publication number
- CN115454164A CN115454164A CN202211123686.4A CN202211123686A CN115454164A CN 115454164 A CN115454164 A CN 115454164A CN 202211123686 A CN202211123686 A CN 202211123686A CN 115454164 A CN115454164 A CN 115454164A
- Authority
- CN
- China
- Prior art keywords
- temperature
- vegetable
- growth
- growth stage
- stage
- 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
- 238000010792 warming Methods 0.000 title claims abstract description 15
- 235000013311 vegetables Nutrition 0.000 claims abstract description 162
- 238000003062 neural network model Methods 0.000 claims abstract description 37
- 238000013527 convolutional neural network Methods 0.000 claims description 24
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000002372 labelling Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 4
- 238000010438 heat treatment Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 claims 1
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 1
- 244000299906 Cucumis sativus var. sativus Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
-
- 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
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种基于智能识别的自动暖菜控温系统，涉及智能温控技术领域，设置蔬菜适宜温度收集模块预先收集在不同生长阶段的适宜生长温度；设置实时温度收集模块实时收集生长环境内的温度数据；设置图像收集模块实时收集蔬菜生长环境内视频数据；设置识别模型训练单元预先训练出识别每种蔬菜生长阶段的神经网络模型；设置成长阶段识别单元使用神经网络模型判断生长环境中每棵蔬菜的生长阶段；所述自动温控模块根据每个阶段的蔬菜数量自动控制生长环境温度，保证蔬菜的适宜的生长环境；解决了蔬菜培育的智能控温问题。
Description
技术领域
本发明属于蔬菜种植领域，涉及智能识别技术，具体是一种基于智能识别的自动暖菜控温系统。
背景技术
蔬菜属于对环境温度极为敏感的植物，每年因极端高温或低温病死的蔬菜作物不计其数；目前，主要的解决方式为使用蔬菜大棚等可自动控温的密闭空间进行培育；保证蔬菜大棚中的温度一直是适宜蔬菜发育的温度；但是由于蔬菜在不同的生长阶段，所需要的生长温度有所不同；因此，恒温也会影响到蔬菜的发育；需要一个对蔬菜的不同生长阶段，对应调节温度的控温系统；
为此，提出一种基于智能识别的自动暖菜控温系统。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于智能识别的自动暖菜控温系统，该一种基于智能识别的自动暖菜控温系统设置蔬菜适宜温度收集模块预先收集在不同生长阶段的适宜生长温度；设置实时温度收集模块实时收集生长环境内的温度数据；设置图像收集模块实时收集蔬菜生长环境内视频数据；设置识别模型训练单元预先训练出识别每种蔬菜生长阶段的神经网络模型；设置成长阶段识别单元使用神经网络模型判断生长环境中每棵蔬菜的生长阶段；所述自动温控模块根据每个阶段的蔬菜数量自动控制生长环境温度，保证蔬菜的适宜的生长环境；解决了蔬菜培育的智能控温问题。
为实现上述目的，根据本发明的第一方面的实施例提出一种基于智能识别的自动暖菜控温系统，包括蔬菜适宜温度收集模块、实时温度收集模块、图像收集模块、成长阶段判断模块以及自动温控模块；其中，各个模块之间通过电气和/或无线网络方式连接；
其中，所述蔬菜适宜温度收集模块主要用于预先收集每种蔬菜在不同生长阶段的适宜生长温度；
所述蔬菜适宜温度收集模块预先根据每种蔬菜的实际生长情况，获取每种蔬菜在每个生长阶段下的适宜温度范围；所述蔬菜适宜温度收集模块将收集的适宜温度范围数据制作成温度表格形式；所述蔬菜适宜温度收集模块将温度表格发送至自动温控模块；
其中，所述实时温度收集模块主要用于实时收集蔬菜生长环境内的温度数据；
所述实时温度收集模块包括安装在蔬菜生长环境内的若干温度传感器；其中，每个温度传感器实时获取蔬菜生长环境内的温度；并将温度数据发送至自动温控模块；自动温控模块接收到每个温度传感器发送的温度数据后，计算出环境温度的平均温度；将该平均温度标记为Ta；
其中，所述图像收集模块主要用于实时收集蔬菜生长环境内视频数据；
所述图像收集模块包括安装在蔬菜生长环境内的若干监控摄像头；其中，每个监控摄像头实时拍摄摄像头视野内的画面；并将拍摄的视频画面发送至成长阶段判断模块；成长阶段判断模块在接收到每个监控摄像头发送的监控画面后，根据每个摄像头的安装位置，将监控画面拼接为完整的蔬菜生长环境的图像；每个监控摄像头的安装位置根据蔬菜生长环境的实际情况设置；
其中，所述成长阶段判断模块包括识别模型训练单元以及成长阶段识别单元；
其中，所述识别模型训练单元用于预先训练出识别每种蔬菜生长阶段的神经网络模型；
所述识别模型训练单元训练神经网络模型包括以下步骤：
步骤S1：所述识别模型训练单元预先收集每种蔬菜在每个生长阶段的图片；并将图片按照蔬菜种类进行分类；将相同种类的蔬菜图片保存在同一个图片集合中；将图片集合标记为Pv；其中，v代表每类蔬菜；
步骤S2：对于每一个图片集合Pv，将集合中的图片按蔬菜的实际生长阶段打上标签；例如：将种子阶段标记为0，将幼苗期标记为1等；
步骤S3：对于每一类蔬菜v，将图片集合Pv作为输入，输入至CNN神经网络模型中；该CNN神经网络模型以预测的生长阶段作为输出，预测的生长阶段的准确率作为训练目标；对CNN神经网络模型进行训练；CNN神经网络模型的参数设置以及参数调节根据实际经验配置；
步骤S4：对于每一类蔬菜v，将其对应的CNN神经网络模型训练至准确率大于98％时，停止训练；并将训练完成的CNN神经网络模型标记为Mv；所述识别模型训练单元将CNN神经网络模型Mv发送至成长阶段识别单元；
其中，所述成长阶段识别单元主要用于判断生长环境中蔬菜的生长阶段；
所述成长阶段识别单元判断生长环境中蔬菜的生长阶段包括以下步骤：
步骤P1：所述成长阶段识别单元预先通过物体识别技术捕获生长环境画面中种植的所有蔬菜；
步骤P2：所述成长阶段识别单元将每个捕获的每个蔬菜图像vi输入至对应蔬菜种类v的CNN神经网络模型Pv中；获得预测的蔬菜vi的生长阶段；其中，i为每个蔬菜的编号；
步骤P3：所述成长阶段识别单元统计每一个生长阶段的蔬菜v的数量；将蔬菜v的每个阶段标记为vp；将阶段vp的蔬菜数量标记为vpn；
所述成长阶段识别单元将每个阶段的蔬菜数量vpn发送至自动温控模块；
其中，所述自动温控模块根据每个阶段的蔬菜数量自动控制生长环境温度，保证蔬菜的适宜的生长环境；
在一个优选的实施例中，所述自动温控模块从所有蔬菜数量vpn中找出最大的蔬菜数量，将该蔬菜数量标记为vpnmax；根据生长环境实际情况预先设置蔬菜比例阈值K，若vpnmax占蔬菜数量总量的比值大于比例阈值K，则根据温度表格中对应生长阶段的适宜温度以及当前生长环境的平均温度Ta调节生长环境温度；否则，计算出生长环境平均适宜温度TH；具体的，将生长阶段vp的温度范围的中间值标记为vpm；平均适宜温度TH的计算公式为
所述自动温控模块将生长环境温度以及当前生长环境的平均温度Ta调节至TH。
与现有技术相比，本发明的有益效果是：
本发明通过设置蔬菜适宜温度收集模块预先收集在不同生长阶段的适宜生长温度；设置实时温度收集模块实时收集生长环境内的温度数据；设置图像收集模块实时收集蔬菜生长环境内视频数据；设置识别模型训练单元预先训练出识别每种蔬菜生长阶段的神经网络模型；设置成长阶段识别单元使用神经网络模型判断生长环境中每棵蔬菜的生长阶段；所述自动温控模块根据每个阶段的蔬菜数量自动控制生长环境温度，保证蔬菜的适宜的生长环境；解决了蔬菜培育的智能控温问题。
附图说明
图1为本发明的原理图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种基于智能识别的自动暖菜控温系统，包括蔬菜适宜温度收集模块、实时温度收集模块、图像收集模块、成长阶段判断模块以及自动温控模块；其中，各个模块之间通过电气和/或无线网络方式连接；
其中，所述蔬菜适宜温度收集模块主要用于预先收集每种蔬菜在不同生长阶段的适宜生长温度；
可以理解的是，不同种类的蔬菜在不同的生长阶段所适宜的温度有所不同；如黄瓜在种子发芽时适温为27-29摄氏度；在幼苗阶段适宜昼温为22-25度，夜温为15-18度；因此，需要预先统计每种蔬菜不同生长阶段适宜的生长温度；
在一个优选的实施例中，所述蔬菜适宜温度收集模块预先根据每种蔬菜的实际生长情况，获取每种蔬菜在每个生长阶段下的适宜温度范围；所述蔬菜适宜温度收集模块将收集的适宜温度范围数据制作成温度表格形式；所述蔬菜适宜温度收集模块将温度表格发送至自动温控模块；
其中，所述实时温度收集模块主要用于实时收集蔬菜生长环境内的温度数据；
在一个优选的实施例中，所述实时温度收集模块包括安装在蔬菜生长环境内的若干温度传感器；其中，每个温度传感器实时获取蔬菜生长环境内的温度；并将温度数据发送至自动温控模块；自动温控模块接收到每个温度传感器发送的温度数据后，计算出环境温度的平均温度；将该平均温度标记为Ta；
其中，所述图像收集模块主要用于实时收集蔬菜生长环境内视频数据；
在一个优选的实施例中，所述图像收集模块包括安装在蔬菜生长环境内的若干监控摄像头；其中，每个监控摄像头实时拍摄摄像头视野内的画面；并将拍摄的视频画面发送至成长阶段判断模块；成长阶段判断模块在接收到每个监控摄像头发送的监控画面后，根据每个摄像头的安装位置，将监控画面拼接为完整的蔬菜生长环境的图像；每个监控摄像头的安装位置根据蔬菜生长环境的实际情况设置；
其中，所述成长阶段判断模块包括识别模型训练单元以及成长阶段识别单元；
可以理解的是，每种蔬菜在不同的生长阶段，具有不同的生长形态；不同的生长形态展现出不同的形状以及大小等不同外观；因此，可通过分析蔬菜的外形判断蔬菜所处于的生长阶段；
其中，所述识别模型训练单元用于预先训练出识别每种蔬菜生长阶段的神经网络模型；
在一个优选的实施例中，所述识别模型训练单元训练神经网络模型包括以下步骤：
步骤S1：所述识别模型训练单元预先收集每种蔬菜在每个生长阶段的图片；并将图片按照蔬菜种类进行分类；将相同种类的蔬菜图片保存在同一个图片集合中；将图片集合标记为Pv；其中，v代表每类蔬菜；
步骤S2：对于每一个图片集合Pv，将集合中的图片按蔬菜的实际生长阶段打上标签；例如：将种子阶段标记为0，将幼苗期标记为1等；
步骤S3：对于每一类蔬菜v，将图片集合Pv作为输入，输入至CNN神经网络模型中；该CNN神经网络模型以预测的生长阶段作为输出，预测的生长阶段的准确率作为训练目标；对CNN神经网络模型进行训练；CNN神经网络模型的参数设置以及参数调节根据实际经验配置；
步骤S4：对于每一类蔬菜v，将其对应的CNN神经网络模型训练至准确率大于98％时，停止训练；并将训练完成的CNN神经网络模型标记为Mv；所述识别模型训练单元将CNN神经网络模型Mv发送至成长阶段识别单元；
其中，所述成长阶段识别单元主要用于判断生长环境中蔬菜的生长阶段；
在一个优选的实施例中，所述成长阶段识别单元判断生长环境中蔬菜的生长阶段包括以下步骤：
步骤P1：所述成长阶段识别单元预先通过物体识别技术捕获生长环境画面中种植的所有蔬菜；可以理解的是，为了保证种植的蔬菜均在生长温度条件下不会产生冲突，每个生长环境均种植同一类蔬菜；
步骤P2：所述成长阶段识别单元将每个捕获的每个蔬菜图像vi输入至对应蔬菜种类v的CNN神经网络模型Pv中；获得预测的蔬菜vi的生长阶段；其中，i为每个蔬菜的编号；
步骤P3：所述成长阶段识别单元统计每一个生长阶段的蔬菜v的数量；将蔬菜v的每个阶段标记为vp；将阶段vp的蔬菜数量标记为vpn；
所述成长阶段识别单元将每个阶段的蔬菜数量vpn发送至自动温控模块；
其中，所述自动温控模块根据每个阶段的蔬菜数量自动控制生长环境温度，保证蔬菜的适宜的生长环境；
在一个优选的实施例中，所述自动温控模块从所有蔬菜数量vpn中找出最大的蔬菜数量，将该蔬菜数量标记为vpnmax；根据生长环境实际情况预先设置蔬菜比例阈值K，若vpnmax占蔬菜数量总量的比值大于比例阈值K，则根据温度表格中对应生长阶段的适宜温度以及当前生长环境的平均温度Ta调节生长环境温度；否则，计算出生长环境平均适宜温度TH；具体的，将生长阶段vp的温度范围的中间值标记为vpm；平均适宜温度TH的计算公式为
所述自动温控模块将生长环境温度以及当前生长环境的平均温度Ta调节至TH。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (7)
1.一种基于智能识别的自动暖菜控温系统，其特征在于，包括蔬菜适宜温度收集模块、实时温度收集模块、图像收集模块、成长阶段判断模块以及自动温控模块；其中，各个模块之间通过电气和/或无线网络方式连接；
所述蔬菜适宜温度收集模块用于预先收集每种蔬菜在不同生长阶段的适宜生长温度；所述蔬菜适宜温度收集模块将温度表格发送至自动温控模块；
所述实时温度收集模块用于实时收集蔬菜生长环境内的温度数据；所述实时温度收集模块将温度数据发送至自动温控模块；自动温控模块接收到每个温度传感器发送的温度数据后，计算出环境温度的平均温度；将该平均温度标记为Ta；
所述图像收集模块用于实时收集蔬菜生长环境内视频数据；所述图像收集模块将拍摄的视频画面发送至成长阶段判断模块；成长阶段判断模块在接收到每个监控摄像头发送的监控画面后，根据每个摄像头的安装位置，将监控画面拼接为完整的蔬菜生长环境的图像；
所述成长阶段判断模块包括识别模型训练单元以及成长阶段识别单元；所述识别模型训练单元用于预先训练出识别每种蔬菜生长阶段的神经网络模型；所述成长阶段识别单元用于使用神经网络模型判断生长环境中每棵蔬菜的生长阶段；所述成长阶段识别单元将每个阶段的蔬菜数量发送至自动温控模块；
所述自动温控模块根据每个阶段的蔬菜数量自动控制生长环境温度，保证蔬菜的适宜的生长环境。
2.根据权利要求1所述的一种基于智能识别的自动暖菜控温系统，其特征在于，所述蔬菜适宜温度收集模块预先根据每种蔬菜的实际生长情况，获取每种蔬菜在每个生长阶段下的适宜温度范围；所述蔬菜适宜温度收集模块将收集的适宜温度范围数据制作成温度表格形式。
3.根据权利要求1所述的一种基于智能识别的自动暖菜控温系统，其特征在于，所述实时温度收集模块包括安装在蔬菜生长环境内的若干温度传感器；每个温度传感器实时获取蔬菜生长环境内的温度。
4.根据权利要求1所述的一种基于智能识别的自动暖菜控温系统，其特征在于，所述图像收集模块包括安装在蔬菜生长环境内的若干监控摄像头；其中，每个监控摄像头实时拍摄摄像头视野内的画面；每个监控摄像头的安装位置根据蔬菜生长环境的实际情况设置。
5.根据权利要求1所述的一种基于智能识别的自动暖菜控温系统，其特征在于，所述识别模型训练单元训练神经网络模型包括以下步骤：
步骤S1：所述识别模型训练单元预先收集每种蔬菜在每个生长阶段的图片；并将图片按照蔬菜种类进行分类；将相同种类的蔬菜图片保存在同一个图片集合中；将图片集合标记为Pv；其中，v代表每类蔬菜；
步骤S2：对于每一个图片集合Pv，将集合中的图片按蔬菜的实际生长阶段打上标签；
步骤S3：对于每一类蔬菜v，将图片集合Pv作为输入，输入至CNN神经网络模型中；该CNN神经网络模型以预测的生长阶段作为输出，预测的生长阶段的准确率作为训练目标；对CNN神经网络模型进行训练；CNN神经网络模型的参数设置以及参数调节根据实际经验配置；
步骤S4：对于每一类蔬菜v，将其对应的CNN神经网络模型训练至准确率大于98％时，停止训练；并将训练完成的CNN神经网络模型标记为Mv；所述识别模型训练单元将CNN神经网络模型Mv发送至成长阶段识别单元。
6.根据权利要求1所述的一种基于智能识别的自动暖菜控温系统，其特征在于，
所述成长阶段识别单元判断生长环境中蔬菜的生长阶段包括以下步骤：
步骤P1：所述成长阶段识别单元预先通过物体识别技术捕获生长环境画面中种植的所有蔬菜；
步骤P2：所述成长阶段识别单元将每个捕获的每个蔬菜图像vi输入至对应蔬菜种类v的CNN神经网络模型Pv中；获得预测的蔬菜vi的生长阶段；其中，i为每个蔬菜的编号；
步骤P3：所述成长阶段识别单元统计每一个生长阶段的蔬菜v的数量；将蔬菜v的每个阶段标记为vp；将阶段vp的蔬菜数量标记为vpn。
7.根据权利要求1所述的一种基于智能识别的自动暖菜控温系统，其特征在于，所述自动温控模块从所有蔬菜数量vpn中找出最大的蔬菜数量，将该蔬菜数量标记为vpnmax；根据生长环境实际情况预先设置蔬菜比例阈值K，若vpnmax占蔬菜数量总量的比值大于比例阈值K，则根据温度表格中对应生长阶段的适宜温度以及当前生长环境的平均温度Ta调节生长环境温度；否则，计算出生长环境平均适宜温度TH；具体的，将生长阶段vp的温度范围的中间值标记为vpm；平均适宜温度TH的计算公式为
所述自动温控模块将生长环境温度以及当前生长环境的平均温度Ta调节至TH。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211123686.4A CN115454164B (zh) | 2022-09-15 | 2022-09-15 | 一种基于智能识别的自动暖菜控温系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211123686.4A CN115454164B (zh) | 2022-09-15 | 2022-09-15 | 一种基于智能识别的自动暖菜控温系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115454164A true CN115454164A (zh) | 2022-12-09 |
| CN115454164B CN115454164B (zh) | 2024-06-25 |
Family
ID=84304732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211123686.4A Active CN115454164B (zh) | 2022-09-15 | 2022-09-15 | 一种基于智能识别的自动暖菜控温系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115454164B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107656564A (zh) * | 2016-07-26 | 2018-02-02 | 株式会社有机尼科 | 农业用温室内环境控制装置 |
| CN110597325A (zh) * | 2019-08-22 | 2019-12-20 | 仲恺农业工程学院 | 一种蔬菜种植过程智能监控系统及方法 |
| CN110839519A (zh) * | 2019-12-02 | 2020-02-28 | 成都信息工程大学 | 一种基于深度学习的物联网智能的农业灌溉装置和方法 |
| KR20200029657A (ko) * | 2018-09-06 | 2020-03-19 | 장성식 | 작물 이미지 빅데이터를 이용한 영농 자동화 시스템 |
| US20220075344A1 (en) * | 2018-12-21 | 2022-03-10 | Yield Systems Oy | A method of finding a target environment suitable for growth of a plant variety |
| WO2022091092A1 (en) * | 2020-10-29 | 2022-05-05 | Biotagate Ltd. | System and method for indoor crop management |
| CN114463322A (zh) * | 2022-02-22 | 2022-05-10 | 鄂州市志超生态农业科技有限公司 | 一种蔬菜种植用病害识别及补光调节方法 |
| WO2022094854A1 (zh) * | 2020-11-05 | 2022-05-12 | 深圳市大疆创新科技有限公司 | 农作物的生长监测方法、设备及存储介质 |
| CN114581816A (zh) * | 2022-02-18 | 2022-06-03 | 河南科技学院 | 一种植物工厂茄果类蔬菜果实实时检测与计数方法 |
| WO2022125453A1 (en) * | 2020-12-10 | 2022-06-16 | Canon Virginia, Inc. | Plant detection and display system |
-
2022
- 2022-09-15 CN CN202211123686.4A patent/CN115454164B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107656564A (zh) * | 2016-07-26 | 2018-02-02 | 株式会社有机尼科 | 农业用温室内环境控制装置 |
| KR20200029657A (ko) * | 2018-09-06 | 2020-03-19 | 장성식 | 작물 이미지 빅데이터를 이용한 영농 자동화 시스템 |
| US20220075344A1 (en) * | 2018-12-21 | 2022-03-10 | Yield Systems Oy | A method of finding a target environment suitable for growth of a plant variety |
| CN110597325A (zh) * | 2019-08-22 | 2019-12-20 | 仲恺农业工程学院 | 一种蔬菜种植过程智能监控系统及方法 |
| CN110839519A (zh) * | 2019-12-02 | 2020-02-28 | 成都信息工程大学 | 一种基于深度学习的物联网智能的农业灌溉装置和方法 |
| WO2022091092A1 (en) * | 2020-10-29 | 2022-05-05 | Biotagate Ltd. | System and method for indoor crop management |
| WO2022094854A1 (zh) * | 2020-11-05 | 2022-05-12 | 深圳市大疆创新科技有限公司 | 农作物的生长监测方法、设备及存储介质 |
| WO2022125453A1 (en) * | 2020-12-10 | 2022-06-16 | Canon Virginia, Inc. | Plant detection and display system |
| CN114581816A (zh) * | 2022-02-18 | 2022-06-03 | 河南科技学院 | 一种植物工厂茄果类蔬菜果实实时检测与计数方法 |
| CN114463322A (zh) * | 2022-02-22 | 2022-05-10 | 鄂州市志超生态农业科技有限公司 | 一种蔬菜种植用病害识别及补光调节方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115454164B (zh) | 2024-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109029588A (zh) | 一种基于气候影响的农作物长势预测方法 | |
| CN109472252B (zh) | 一种田间作物虫害自动识别及作业管理系统 | |
| CN111713317A (zh) | 一种基于大数据的农作物监测系统及监测方法 | |
| KR102071175B1 (ko) | 작물 생육상태에 따른 생장 관리 시스템 | |
| KR20120052469A (ko) | 농작물 재배 관리 시스템 | |
| KR20140077513A (ko) | 영상을 통한 온실 작물 정보 관리 시스템 및 그 방법 | |
| KR20190143678A (ko) | IoT 기반 온실 환경 관리 시스템 | |
| CN107450449A (zh) | 一种农业监控系统 | |
| CN111476149A (zh) | 一种植物培育控制方法和系统 | |
| CN110427798A (zh) | 一种青菜智能识别及叶色环境变化预测的方法 | |
| CN110597325A (zh) | 一种蔬菜种植过程智能监控系统及方法 | |
| CN116954291A (zh) | 一种环控设备快速调节集成方法 | |
| CN113469112A (zh) | 农作物生长状况图像识别方法及系统 | |
| CN114610100A (zh) | 基于物联网的番茄种植温室环境的调控方法及调控系统 | |
| CN104920103A (zh) | 一种智能育苗系统及方法 | |
| KR101810901B1 (ko) | 작물체의 생육 시뮬레이션 장치 | |
| CN114511777A (zh) | 一种基于图像识别方法的桃树花期监测评估方法 | |
| CN115454164B (zh) | 一种基于智能识别的自动暖菜控温系统 | |
| CN111869532A (zh) | 一种兰花自动化培植系统及培植方法 | |
| US20230177830A1 (en) | Plant growth identification method and system therefor | |
| CN116452358B (zh) | 基于物联网的智慧农业管理系统 | |
| KR102582588B1 (ko) | Ai를 활용한 작물의 엽 생육지수 측정시스템 | |
| KR102434102B1 (ko) | 인공지능 능동보조 서버가 탑재된 지능형 의료용 헴프 식물공장 시스템 | |
| CN108834667A (zh) | 一种基于物联网的大棚系统 | |
| CN212208065U (zh) | 一种基于bim可视化的温室环境监控装置 |
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 |