CN115601413B - 一种园林绿化养护监测及预警方法与系统 - Google Patents
一种园林绿化养护监测及预警方法与系统 Download PDFInfo
- Publication number
- CN115601413B CN115601413B CN202211313524.7A CN202211313524A CN115601413B CN 115601413 B CN115601413 B CN 115601413B CN 202211313524 A CN202211313524 A CN 202211313524A CN 115601413 B CN115601413 B CN 115601413B
- Authority
- CN
- China
- Prior art keywords
- growth
- green
- chromaticity
- landscaping
- area
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 230000012010 growth Effects 0.000 claims abstract description 192
- 241001464837 Viridiplantae Species 0.000 claims description 214
- 238000005286 illumination Methods 0.000 claims description 108
- 230000008635 plant growth Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003973 irrigation Methods 0.000 claims description 15
- 230000002262 irrigation Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 description 30
- 238000012360 testing method Methods 0.000 description 13
- 230000004720 fertilization Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003698 anagen phase Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- 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
- Y02A40/22—Improving land use; Improving water use or availability; Controlling erosion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种园林绿化养护监测及预警方法与系统,在园林绿化区域中设置自动灌溉施肥系统,本技术方案通过直接获取园林绿化图像,结合绿植的光照情况和生长情况,确定绿植中不同生长区域的灌溉施肥配置并进行综合调整,最后利用自动灌溉施肥系统进行分区域灌溉施肥,可以准确地、实时地对园林绿化养护情况进行监测;同时,利用绿植色度和生长情况可以判断出绿植的生长风险并进行预警,实现准确地、实时地对园林绿化养护情况进行预警。
Description
技术领域
本发明涉及新一代信息技术领域,尤其涉及一种园林绿化养护监测及预警方法与系统。
背景技术
随着人们对健康的关注度越来越高,绿化工程的需求越来越大。在工程建设中,有相当一部分工程用于园林绿化建设,致使园林绿化面积越来越大,已经成为了小区住宅、高档商场和教育场所等城市基建的重要部分。面对如此庞大的园林绿化规模,在实际应用中存在一个不可缺少的工作,就是对园林绿化区域进行养护,以实现园林绿化的整齐美观、绿色植物可持续生长。
目前对园林绿化的养护工作还停留在人工监测阶段,通过养护员采用巡更的方式,定时到各个巡更点打卡,人工观察各个区域的绿化生长情况和环境,从而确定灌溉施肥计划,并判断出绿植灾害情况进行预警。但是这种人工巡更来达到园林绿化养护监测及预警的方式效果不好,体现在人力效率很低,并由于养植面积较大而使错误率增大,实际应用中无法准确地、实时地对园林绿化养护情况进行监测和预警,给园林绿化建设和维护带来了巨大的挑战。
虽然市面上存在部分现有技术通过采集绿植图像来监测绿植,但仍需配合人工输入绿植生长状况、土壤数据等其他因素的数据,仅利用绿植图像来预测病虫害;并且在实际应用中没有考虑到光照对绿植在不同角度采集图像的影响,无法利用绿植图像对绿植的生长状态进行判断。因此,如何提供一种可以实现准确地、实时地对园林绿化养护情况进行监测和预警的策略是目前市面上亟需解决的技术问题。
发明内容
本发明提供了一种园林绿化养护监测及预警方法与系统,可以准确地、实时地对园林绿化养护情况进行监测和预警。
为了解决上述技术问题,本发明实施例提供了一种园林绿化养护监测及预警方法,在园林绿化区域中设置自动灌溉施肥系统,所述方法包括:
获取园林绿化图像,识别所述园林绿化图像中绿植的光照情况;同时,识别所述园林绿化图像中绿植的生长情况;
根据不同的光照情况将绿植分为多个色度区域,分别计算每个色度区域内的绿植色度,并根据不同的绿植色度设置对应的生长权重值;
根据不同的生长情况将绿植分为多个生长区域,分别根据每个生长区域内的绿植生长情况确定每个生长区域所对应的绿植的生长阶段;
根据所述每个生长区域所对应的绿植的生长阶段,确定每个生长区域所对应的初始灌溉施肥配置,并根据每个色度区域所对应的生长权重值对所述初始灌溉施肥配置进行综合调整,得到最终灌溉施肥配置;
根据所述最终灌溉施肥配置控制所述自动灌溉施肥系统对园林绿化区域中的绿植进行分区域灌溉施肥。
作为优选方案,所述识别所述园林绿化图像中绿植的光照情况的步骤,具体为:
将所述园林绿化图像输入到预先建立的园林绿化识别模型中,输出图像中的绿植分别在树干、树枝和树叶上的光照面积;
根据同一株绿植依次在树干、树枝和树叶上的光照面积的比例,确定该株绿植的光照角度;同时,计算同一株绿植在树干、树枝和树叶上的光照面积的总和,确定该株绿植的光照面积;
将相同光照角度的绿植为同一绿植集合,分别计算每个绿植集合的光照面积的总和。
作为优选方案,所述根据不同的光照情况将绿植分为多个色度区域,分别计算每个色度区域内的绿植色度,并根据不同的绿植色度设置对应的生长权重值的步骤,具体为:
设置光照角度的多个区间范围,将不同光照角度的绿植集合分为多个色度区域;
分别识别每一个色度区域中最大光照角度、最小光照角度和中位数光照角度所对应的绿植色度并计算其平均值,得到该色度区域所对应的绿植色度;
根据每个色度区域中所述每个绿植集合的光照面积的总和,以及所述该色度区域所对应的绿植色度,按比例设置每个色度区域所对应的生长权重值。
作为优选方案,所述识别所述园林绿化图像中绿植的生长情况的步骤,具体为:
将所述园林绿化图像输入到预先建立的园林绿化识别模型中,输出并标注图像中绿植的树干、树枝和树叶的形状大小;
根据标记的树干的形状大小,确定树干的平均直径;根据标记的树枝的形状大小,确定树枝的平均长度;根据标记的树叶的形状大小,确定树叶的平均面积;
根据所述树干的平均直径、所述树枝的平均长度和所述树叶的平均面积,确定该绿植的生长情况。
作为优选方案,所述根据不同的生长情况将绿植分为多个生长区域,分别根据每个生长区域内的绿植生长情况确定每个生长区域所对应的绿植的生长阶段的步骤,具体为:
根据绿植的所述树干的平均直径、所述树枝的平均长度和所述树叶的平均面积,计算出生长值;
设置生长值的多个区间范围,根据各个绿植不同的生长值将所有绿植分为多个生长区域;
根据不同生长值所对应的生长阶段,确定每个生长区域所对应的绿植的生长阶段。
作为优选方案,所述园林绿化养护监测及预警方法还包括:
获取绿植当前生长阶段所对应的树干直径理论范围、树枝长度理论范围和树叶面积理论范围;同时,获取绿植当前生长阶段所对应的理论色度范围;
计算所述树干的平均直径超过或未达到所述树干直径理论范围的绝对值,作为第一影响值;计算所述树枝的平均长度超过或未达到所述树枝长度理论范围的绝对值,作为第二影响值;计算所述树叶的平均面积超过或未达到所述树叶面积理论范围的绝对值,作为第三影响值;
通过第一影响值、第二影响值、第三影响值、理论色度范围和每个色度区域内的绿植色度,计算得到绿植生长风险值;
当所述绿植生长风险值超过预设风险值时,发出预警信号。
作为优选方案,所述绿植生长风险值的计算公式为:
其中,K0为绿植生长风险值,K1为第一影响值,K2为第二影响值,K3为第三影响值,a、b、c、d和e均为常数;
hi中的i为色度区域,当色度区域内的绿植色度超过或未达到所述理论色度范围时,hi为1,否则hi为0;n为色度区域的总数量。
作为优选方案,所述园林绿化识别模型的建立过程,具体包括:
获取历史绿植图像,其中,所述历史绿植图像包含有春天、夏天、秋天和冬天四个季节中不同时间段的园林绿化图像;
对所述历史绿植图像中绿植的树干、树枝和树叶的形状进行第一次标记,并对树干、树枝和树叶上存在的光照范围进行第二次标记,得到训练图像;
创建初始识别模型,将所述训练图像输入到所述初始识别模型中进行训练,直到训练次数达到预设数值时,完成训练得到训练模型;
将所述历史绿植图像输入到所述训练模型中进行测试,当测试准确度达到预设阈值时,完成测试得到园林绿化识别模型。
相应地,本发明实施例还提供了一种园林绿化养护监测及预警系统,在园林绿化区域中设置自动灌溉施肥系统,所述系统包括:图像识别模块、色度处理模块、生长区域模块、配置调整模块和控制灌溉模块;
所述图像识别模块,用于获取园林绿化图像,识别所述园林绿化图像中绿植的光照情况;同时,识别所述园林绿化图像中绿植的生长情况;
所述色度处理模块,用于根据不同的光照情况将绿植分为多个色度区域,分别计算每个色度区域内的绿植色度,并根据不同的绿植色度设置对应的生长权重值;
所述生长区域模块,用于根据不同的生长情况将绿植分为多个生长区域,分别根据每个生长区域内的绿植生长情况确定每个生长区域所对应的绿植的生长阶段;
所述配置调整模块,用于根据所述每个生长区域所对应的绿植的生长阶段,确定每个生长区域所对应的初始灌溉施肥配置,并根据每个色度区域所对应的生长权重值对所述初始灌溉施肥配置进行综合调整,得到最终灌溉施肥配置;
所述控制灌溉模块,用于根据所述最终灌溉施肥配置控制所述自动灌溉施肥系统对园林绿化区域中的绿植进行分区域灌溉施肥。
作为优选方案,所述图像识别模块用于识别所述园林绿化图像中绿植的光照情况的步骤具体为:将所述园林绿化图像输入到预先建立的园林绿化识别模型中,输出图像中的绿植分别在树干、树枝和树叶上的光照面积;根据同一株绿植依次在树干、树枝和树叶上的光照面积的比例,确定该株绿植的光照角度;同时,计算同一株绿植在树干、树枝和树叶上的光照面积的总和,确定该株绿植的光照面积;将相同光照角度的绿植为同一绿植集合,分别计算每个绿植集合的光照面积的总和。
作为优选方案,所述色度处理模块具体用于:设置光照角度的多个区间范围,将不同光照角度的绿植集合分为多个色度区域;分别识别每一个色度区域中最大光照角度、最小光照角度和中位数光照角度所对应的绿植色度并计算其平均值,得到该色度区域所对应的绿植色度;根据每个色度区域中所述每个绿植集合的光照面积的总和,以及所述该色度区域所对应的绿植色度,按比例设置每个色度区域所对应的生长权重值。
作为优选方案,所述图像识别模块用于识别所述园林绿化图像中绿植的生长情况的步骤具体为:将所述园林绿化图像输入到预先建立的园林绿化识别模型中,输出并标注图像中绿植的树干、树枝和树叶的形状大小;根据标记的树干的形状大小,确定树干的平均直径;根据标记的树枝的形状大小,确定树枝的平均长度;根据标记的树叶的形状大小,确定树叶的平均面积;根据所述树干的平均直径、所述树枝的平均长度和所述树叶的平均面积,确定该绿植的生长情况。
作为优选方案,所述生长区域模块具体用于:根据绿植的所述树干的平均直径、所述树枝的平均长度和所述树叶的平均面积,计算出生长值;设置生长值的多个区间范围,根据各个绿植不同的生长值将所有绿植分为多个生长区域;根据不同生长值所对应的生长阶段,确定每个生长区域所对应的绿植的生长阶段。
作为优选方案,所述园林绿化养护监测及预警系统还包括:绿植预警模块,所述绿植预警模块包括:理论数值单元、数值计算单元、生长风险单元和风险预警单元;
所述理论数值单元,用于获取绿植当前生长阶段所对应的树干直径理论范围、树枝长度理论范围和树叶面积理论范围;同时,获取绿植当前生长阶段所对应的理论色度范围;
所述数值计算单元,用于计算所述树干的平均直径超过或未达到所述树干直径理论范围的绝对值,作为第一影响值;计算所述树枝的平均长度超过或未达到所述树枝长度理论范围的绝对值,作为第二影响值;计算所述树叶的平均面积超过或未达到所述树叶面积理论范围的绝对值,作为第三影响值;
所述生长风险单元,用于通过第一影响值、第二影响值、第三影响值、理论色度范围和每个色度区域内的绿植色度,计算得到绿植生长风险值;
所述风险预警单元,用于当所述绿植生长风险值超过预设风险值时,发出预警信号。
作为优选方案,所述生长风险单元用于计算所述绿植生长风险值的计算公式为:
其中,K0为绿植生长风险值,K1为第一影响值,K2为第二影响值,K3为第三影响值,a、b、c、d和e均为常数;
hi中的i为色度区域,当色度区域内的绿植色度超过或未达到所述理论色度范围时,hi为1,否则hi为0;n为色度区域的总数量。
作为优选方案,所述园林绿化识别模型的建立过程,具体包括:获取历史绿植图像,其中,所述历史绿植图像包含有春天、夏天、秋天和冬天四个季节中不同时间段的园林绿化图像;对所述历史绿植图像中绿植的树干、树枝和树叶的形状进行第一次标记,并对树干、树枝和树叶上存在的光照范围进行第二次标记,得到训练图像;创建初始识别模型,将所述训练图像输入到所述初始识别模型中进行训练,直到训练次数达到预设数值时,完成训练得到训练模型;将所述历史绿植图像输入到所述训练模型中进行测试,当测试准确度达到预设阈值时,完成测试得到园林绿化识别模型。
本发明实施例还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包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的园林绿化养护监测及预警方法。
本发明实施例还提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如上述任一项所述的园林绿化养护监测及预警方法。
相比于现有技术,本发明实施例具有如下有益效果:
本技术方案通过直接获取园林绿化图像,结合绿植的光照情况和生长情况,确定绿植中不同生长区域的灌溉施肥配置并进行综合调整,最后利用自动灌溉施肥系统进行分区域灌溉施肥,可以准确地、实时地对园林绿化养护情况进行监测;同时,利用绿植色度和生长情况可以判断出绿植的生长风险并进行预警,实现准确地、实时地对园林绿化养护情况进行预警。
附图说明
图1:为本发明实施例提供的一种园林绿化养护监测及预警方法的步骤流程图;
图2:为本发明实施例提供的一种园林绿化养护监测及预警系统的结构示意图;
图3:为本发明实施例提供的终端设备的一种实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
请参照图1,为本发明实施例提供的一种园林绿化养护监测及预警方法的步骤流程图,所述方法需要在园林绿化区域中设置自动灌溉施肥系统,所述方法包括步骤101至步骤105共五个步骤,各步骤具体如下:
步骤101,获取园林绿化图像,识别所述园林绿化图像中绿植的光照情况;同时,识别所述园林绿化图像中绿植的生长情况。
在本实施例的第一方面中,所述识别所述园林绿化图像中绿植的光照情况的步骤,具体为:将所述园林绿化图像输入到预先建立的园林绿化识别模型中,输出图像中的绿植分别在树干、树枝和树叶上的光照面积;根据同一株绿植依次在树干、树枝和树叶上的光照面积的比例,确定该株绿植的光照角度;同时,计算同一株绿植在树干、树枝和树叶上的光照面积的总和,确定该株绿植的光照面积;将相同光照角度的绿植为同一绿植集合,分别计算每个绿植集合的光照面积的总和。
在本实施例的第二方面中,所述识别所述园林绿化图像中绿植的生长情况的步骤,具体为:将所述园林绿化图像输入到预先建立的园林绿化识别模型中,输出并标注图像中绿植的树干、树枝和树叶的形状大小;根据标记的树干的形状大小,确定树干的平均直径;根据标记的树枝的形状大小,确定树枝的平均长度;根据标记的树叶的形状大小,确定树叶的平均面积;根据所述树干的平均直径、所述树枝的平均长度和所述树叶的平均面积,确定该绿植的生长情况。
具体地,为了精准地对园林绿化养护情况进行监测,我们需要对绿植的生长因素进行精准识别。其中,客观地涉及两个因素,一是在对图像进行识别过程中,光照情况对绿植图像本身的影响;二是识别出来的绿植生长情况。首先,为了解决光照情况对绿植图像本身的影响,我们需要克服光照角度和光照面积之间的关系。因为光照角度的不同,给绿植带来的光影不同,此时拍摄的图像中对于叶绿素的色泽影响较大;另外,通过光照范围排除不同的光照强度对绿植生长情况的影响。接着,我们需要确定绿植不同区域的生长阶段,以使后续控制自动灌溉施肥系统对绿植进行灌溉施肥。在此步骤中,为了更好地识别绿植的生长情况,我们从绿植的树干、树枝和树叶三个绿植部分的形状大小进行确定该绿植的生长阶段。
在上述实施例中,所述园林绿化识别模型的建立过程,具体包括:获取历史绿植图像,其中,所述历史绿植图像包含有春天、夏天、秋天和冬天四个季节中不同时间段的园林绿化图像;对所述历史绿植图像中绿植的树干、树枝和树叶的形状进行第一次标记,并对树干、树枝和树叶上存在的光照范围进行第二次标记,得到训练图像;创建初始识别模型,将所述训练图像输入到所述初始识别模型中进行训练,直到训练次数达到预设数值时,完成训练得到训练模型;将所述历史绿植图像输入到所述训练模型中进行测试,当测试准确度达到预设阈值时,完成测试得到园林绿化识别模型。
可以理解的是,在对光照情况和绿植生长情况进行智能识别的过程中,我们借助了预先建立的模型识别算法,去构建一个高精度识别能力的园林绿化识别模型。我们利用历史绿植图像进行训练,并选取一年四季在24小时的光照情况的绿植图像,并对绿植的树干、树枝和树叶这些部位进行标记,这样可以帮助模型快速及有效地识别我们想要的特征。当模型通过了训练和测试之后,就可以获得具有高精准识别度的园林绿化识别模型。
步骤102,根据不同的光照情况将绿植分为多个色度区域,分别计算每个色度区域内的绿植色度,并根据不同的绿植色度设置对应的生长权重值。
在本实施例中,所述步骤102具体为:设置光照角度的多个区间范围,将不同光照角度的绿植集合分为多个色度区域;分别识别每一个色度区域中最大光照角度、最小光照角度和中位数光照角度所对应的绿植色度并计算其平均值,得到该色度区域所对应的绿植色度;根据每个色度区域中所述每个绿植集合的光照面积的总和,以及所述该色度区域所对应的绿植色度,按比例设置每个色度区域所对应的生长权重值。
具体地,由于不同的光照情况对绿植图像的特征识别带来一定的影响,所以通过上一个步骤识别出当前绿植图像的光照情况之后,可以根据色度的不同划分为多个色度区域,并利用RGB计算每一个色度区域中关于最大入射角(最大光照角度)、最小入射角(最小光照角度)和这些入射角的中位数角度(中位数光照角度)所在区域的绿植色度,并计算平均值作为该色度区域对应的绿植色度。为了进一步推断不同色度区域所在的生长情况,利用不同光照角度的绿植集合上的光照面积总和,结合刚刚计算出的绿植色度,按照一定的比例去设置生长权重值,该生长权重值用于后续的生长阶段判断。可以理解的是,上面提及的一定的比例可以根据实际应用情况进行更换和调整,本步骤不作限定。
步骤103,根据不同的生长情况将绿植分为多个生长区域,分别根据每个生长区域内的绿植生长情况确定每个生长区域所对应的绿植的生长阶段。
在本实施例中,所述步骤103具体为:根据绿植的所述树干的平均直径、所述树枝的平均长度和所述树叶的平均面积,计算出生长值;设置生长值的多个区间范围,根据各个绿植不同的生长值将所有绿植分为多个生长区域;根据不同生长值所对应的生长阶段,确定每个生长区域所对应的绿植的生长阶段。
具体地,通过绿植的树干、树枝和树叶的形状大小,可以计算出其生长值,并通过实际应用中不同生长值所对应的生长阶段,设置不同的区间范围,即可判断出绿植此时的生长阶段。可以理解的是,关于生长值的计算可以根据树木类型和环境变化进行更改和调整,此处不作限定。
步骤104,根据所述每个生长区域所对应的绿植的生长阶段,确定每个生长区域所对应的初始灌溉施肥配置,并根据每个色度区域所对应的生长权重值对所述初始灌溉施肥配置进行综合调整,得到最终灌溉施肥配置。
具体地,在确定了绿植的生长阶段之后,通过网络或本地数据库预存了不同生长阶段对应所需的灌溉施肥计划,通过匹配即可获取当前绿植的灌溉施肥配置;但是为了克服不同光照情况对绿植的影响,我们需要根据不同的生长权重值对配置计划进行调整。
步骤105,根据所述最终灌溉施肥配置控制所述自动灌溉施肥系统对园林绿化区域中的绿植进行分区域灌溉施肥。
在另一实施例中,所述园林绿化养护监测及预警方法还包括:步骤106、步骤107、步骤108和步骤109;各步骤具体如下:
步骤106,获取绿植当前生长阶段所对应的树干直径理论范围、树枝长度理论范围和树叶面积理论范围;同时,获取绿植当前生长阶段所对应的理论色度范围;步骤107,计算所述树干的平均直径超过或未达到所述树干直径理论范围的绝对值,作为第一影响值;计算所述树枝的平均长度超过或未达到所述树枝长度理论范围的绝对值,作为第二影响值;计算所述树叶的平均面积超过或未达到所述树叶面积理论范围的绝对值,作为第三影响值;步骤108,通过第一影响值、第二影响值、第三影响值、理论色度范围和每个色度区域内的绿植色度,计算得到绿植生长风险值;步骤109,当所述绿植生长风险值超过预设风险值时,发出预警信号。
在本实施例中,所述步骤108中绿植生长风险值的计算公式为:
其中,K0为绿植生长风险值,K1为第一影响值,K2为第二影响值,K3为第三影响值,a、b、c、d和e均为常数;hi中的i为色度区域,当色度区域内的绿植色度超过或未达到所述理论色度范围时,hi为1,否则hi为0;n为色度区域的总数量。
具体地,为了进一步实现对园林绿化的生长预警功能,本实施例利用树干、树枝和树叶的理论形状大小与实际数据做对比,通过建立的算法计算出绿植生长风险值,从而实现预警。可以理解的是,上面提及的算法是需要智力劳动所得,并非现有技术。
本技术方案通过直接获取园林绿化图像,结合绿植的光照情况和生长情况,确定绿植中不同生长区域的灌溉施肥配置并进行综合调整,最后利用自动灌溉施肥系统进行分区域灌溉施肥,可以准确地、实时地对园林绿化养护情况进行监测;同时,利用绿植色度和生长情况可以判断出绿植的生长风险并进行预警,实现准确地、实时地对园林绿化养护情况进行预警。
实施例二
请参照图2,为本发明实施例提供的一种园林绿化养护监测及预警系统的结构示意图,本系统在园林绿化区域中设置自动灌溉施肥系统,本系统包括:图像识别模块、色度处理模块、生长区域模块、配置调整模块和控制灌溉模块。
所述图像识别模块,用于获取园林绿化图像,识别所述园林绿化图像中绿植的光照情况;同时,识别所述园林绿化图像中绿植的生长情况。
在本实施例的第一方面中,所述图像识别模块用于识别所述园林绿化图像中绿植的光照情况的步骤具体为:将所述园林绿化图像输入到预先建立的园林绿化识别模型中,输出图像中的绿植分别在树干、树枝和树叶上的光照面积;根据同一株绿植依次在树干、树枝和树叶上的光照面积的比例,确定该株绿植的光照角度;同时,计算同一株绿植在树干、树枝和树叶上的光照面积的总和,确定该株绿植的光照面积;将相同光照角度的绿植为同一绿植集合,分别计算每个绿植集合的光照面积的总和。
在本实施例的第二方面中,所述图像识别模块用于识别所述园林绿化图像中绿植的生长情况的步骤具体为:将所述园林绿化图像输入到预先建立的园林绿化识别模型中,输出并标注图像中绿植的树干、树枝和树叶的形状大小;根据标记的树干的形状大小,确定树干的平均直径;根据标记的树枝的形状大小,确定树枝的平均长度;根据标记的树叶的形状大小,确定树叶的平均面积;根据所述树干的平均直径、所述树枝的平均长度和所述树叶的平均面积,确定该绿植的生长情况。
在上述实施例中,所述园林绿化识别模型的建立过程,具体包括:获取历史绿植图像,其中,所述历史绿植图像包含有春天、夏天、秋天和冬天四个季节中不同时间段的园林绿化图像;对所述历史绿植图像中绿植的树干、树枝和树叶的形状进行第一次标记,并对树干、树枝和树叶上存在的光照范围进行第二次标记,得到训练图像;创建初始识别模型,将所述训练图像输入到所述初始识别模型中进行训练,直到训练次数达到预设数值时,完成训练得到训练模型;将所述历史绿植图像输入到所述训练模型中进行测试,当测试准确度达到预设阈值时,完成测试得到园林绿化识别模型。
所述色度处理模块,用于根据不同的光照情况将绿植分为多个色度区域,分别计算每个色度区域内的绿植色度,并根据不同的绿植色度设置对应的生长权重值。
在本实施例中,所述色度处理模块具体用于:设置光照角度的多个区间范围,将不同光照角度的绿植集合分为多个色度区域;分别识别每一个色度区域中最大光照角度、最小光照角度和中位数光照角度所对应的绿植色度并计算其平均值,得到该色度区域所对应的绿植色度;根据每个色度区域中所述每个绿植集合的光照面积的总和,以及所述该色度区域所对应的绿植色度,按比例设置每个色度区域所对应的生长权重值。
所述生长区域模块,用于根据不同的生长情况将绿植分为多个生长区域,分别根据每个生长区域内的绿植生长情况确定每个生长区域所对应的绿植的生长阶段。
在本实施例中,所述生长区域模块具体用于:根据绿植的所述树干的平均直径、所述树枝的平均长度和所述树叶的平均面积,计算出生长值;设置生长值的多个区间范围,根据各个绿植不同的生长值将所有绿植分为多个生长区域;根据不同生长值所对应的生长阶段,确定每个生长区域所对应的绿植的生长阶段。
所述配置调整模块,用于根据所述每个生长区域所对应的绿植的生长阶段,确定每个生长区域所对应的初始灌溉施肥配置,并根据每个色度区域所对应的生长权重值对所述初始灌溉施肥配置进行综合调整,得到最终灌溉施肥配置。
所述控制灌溉模块,用于根据所述最终灌溉施肥配置控制所述自动灌溉施肥系统对园林绿化区域中的绿植进行分区域灌溉施肥。
在另一实施例中,所述园林绿化养护监测及预警系统还包括:绿植预警模块,所述绿植预警模块包括:理论数值单元、数值计算单元、生长风险单元和风险预警单元。
所述理论数值单元,用于获取绿植当前生长阶段所对应的树干直径理论范围、树枝长度理论范围和树叶面积理论范围;同时,获取绿植当前生长阶段所对应的理论色度范围。所述数值计算单元,用于计算所述树干的平均直径超过或未达到所述树干直径理论范围的绝对值,作为第一影响值;计算所述树枝的平均长度超过或未达到所述树枝长度理论范围的绝对值,作为第二影响值;计算所述树叶的平均面积超过或未达到所述树叶面积理论范围的绝对值,作为第三影响值。所述生长风险单元,用于通过第一影响值、第二影响值、第三影响值、理论色度范围和每个色度区域内的绿植色度,计算得到绿植生长风险值。所述风险预警单元,用于当所述绿植生长风险值超过预设风险值时,发出预警信号。
在本实施例中,所述生长风险单元用于计算所述绿植生长风险值的计算公式为:
其中,K0为绿植生长风险值,K1为第一影响值,K2为第二影响值,K3为第三影响值,a、b、c、d和e均为常数;hi中的i为色度区域,当色度区域内的绿植色度超过或未达到所述理论色度范围时,hi为1,否则hi为0;n为色度区域的总数量。
实施例三
本发明实施例还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包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的园林绿化养护监测及预警方法。
实施例四
请参照图3,是本发明实施例提供的终端设备的一种实施例的结构示意图,所述终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现上述任一实施例所述的园林绿化养护监测及预警方法。
优选地,所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序),所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),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,或者所述处理器也可以是任何常规的处理器,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区,其中,程序存储区可存储操作系统、至少一个功能所需的应用程序等,数据存储区可存储相关数据等。此外,所述存储器可以是高速随机存取存储器,还可以是非易失性存储器,例如插接式硬盘,智能存储卡(SmartMedia Card,SMC)、安全数字(Secure Digital,SD)卡和闪存卡(Flash Card)等,或所述存储器也可以是其他易失性固态存储器件。
需要说明的是,上述终端设备可包括,但不仅限于,处理器、存储器,本领域技术人员可以理解,上述终端设备仅仅是示例,并不构成对终端设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种园林绿化养护监测及预警方法,其特征在于,在园林绿化区域中设置自动灌溉施肥系统,所述方法包括:
获取园林绿化图像,识别所述园林绿化图像中绿植的光照情况;同时,识别所述园林绿化图像中绿植的生长情况;
根据不同的光照情况将绿植分为多个色度区域,分别计算每个色度区域内的绿植色度,并根据不同的绿植色度设置对应的生长权重值;
根据不同的生长情况将绿植分为多个生长区域,分别根据每个生长区域内的绿植生长情况确定每个生长区域所对应的绿植的生长阶段;
根据所述每个生长区域所对应的绿植的生长阶段,确定每个生长区域所对应的初始灌溉施肥配置,并根据每个色度区域所对应的生长权重值对所述初始灌溉施肥配置进行综合调整,得到最终灌溉施肥配置;
根据所述最终灌溉施肥配置控制所述自动灌溉施肥系统对园林绿化区域中的绿植进行分区域灌溉施肥。
2.如权利要求1所述的园林绿化养护监测及预警方法,其特征在于,所述识别所述园林绿化图像中绿植的光照情况的步骤,具体为:
将所述园林绿化图像输入到预先建立的园林绿化识别模型中,输出图像中的绿植分别在树干、树枝和树叶上的光照面积;
根据同一株绿植依次在树干、树枝和树叶上的光照面积的比例,确定该株绿植的光照角度;同时,计算同一株绿植在树干、树枝和树叶上的光照面积的总和,确定该株绿植的光照面积;
将相同光照角度的绿植为同一绿植集合,分别计算每个绿植集合的光照面积的总和。
3.如权利要求2所述的园林绿化养护监测及预警方法,其特征在于,所述根据不同的光照情况将绿植分为多个色度区域,分别计算每个色度区域内的绿植色度,并根据不同的绿植色度设置对应的生长权重值的步骤,具体为:
设置光照角度的多个区间范围,将不同光照角度的绿植集合分为多个色度区域;
分别识别每一个色度区域中最大光照角度、最小光照角度和中位数光照角度所对应的绿植色度并计算其平均值,得到该色度区域所对应的绿植色度;
根据每个色度区域中所述每个绿植集合的光照面积的总和,以及所述该色度区域所对应的绿植色度,按比例设置每个色度区域所对应的生长权重值。
4.如权利要求1所述的园林绿化养护监测及预警方法,其特征在于,所述识别所述园林绿化图像中绿植的生长情况的步骤,具体为:
将所述园林绿化图像输入到预先建立的园林绿化识别模型中,输出并标注图像中绿植的树干、树枝和树叶的形状大小;
根据标记的树干的形状大小,确定树干的平均直径;根据标记的树枝的形状大小,确定树枝的平均长度;根据标记的树叶的形状大小,确定树叶的平均面积;
根据所述树干的平均直径、所述树枝的平均长度和所述树叶的平均面积,确定该绿植的生长情况。
5.如权利要求4所述的园林绿化养护监测及预警方法,其特征在于,所述根据不同的生长情况将绿植分为多个生长区域,分别根据每个生长区域内的绿植生长情况确定每个生长区域所对应的绿植的生长阶段的步骤,具体为:
根据绿植的所述树干的平均直径、所述树枝的平均长度和所述树叶的平均面积,计算出生长值;
设置生长值的多个区间范围,根据各个绿植不同的生长值将所有绿植分为多个生长区域;
根据不同生长值所对应的生长阶段,确定每个生长区域所对应的绿植的生长阶段。
6.如权利要求4所述的园林绿化养护监测及预警方法,其特征在于,还包括:
获取绿植当前生长阶段所对应的树干直径理论范围、树枝长度理论范围和树叶面积理论范围;同时,获取绿植当前生长阶段所对应的理论色度范围;
计算所述树干的平均直径超过或未达到所述树干直径理论范围的绝对值,作为第一影响值;计算所述树枝的平均长度超过或未达到所述树枝长度理论范围的绝对值,作为第二影响值;计算所述树叶的平均面积超过或未达到所述树叶面积理论范围的绝对值,作为第三影响值;
通过第一影响值、第二影响值、第三影响值、理论色度范围和每个色度区域内的绿植色度,计算得到绿植生长风险值;
当所述绿植生长风险值超过预设风险值时,发出预警信号。
8.一种园林绿化养护监测及预警系统,其特征在于,在园林绿化区域中设置自动灌溉施肥系统,所述系统包括:图像识别模块、色度处理模块、生长区域模块、配置调整模块和控制灌溉模块;
所述图像识别模块,用于获取园林绿化图像,识别所述园林绿化图像中绿植的光照情况;同时,识别所述园林绿化图像中绿植的生长情况;
所述色度处理模块,用于根据不同的光照情况将绿植分为多个色度区域,分别计算每个色度区域内的绿植色度,并根据不同的绿植色度设置对应的生长权重值;
所述生长区域模块,用于根据不同的生长情况将绿植分为多个生长区域,分别根据每个生长区域内的绿植生长情况确定每个生长区域所对应的绿植的生长阶段;
所述配置调整模块,用于根据所述每个生长区域所对应的绿植的生长阶段,确定每个生长区域所对应的初始灌溉施肥配置,并根据每个色度区域所对应的生长权重值对所述初始灌溉施肥配置进行综合调整,得到最终灌溉施肥配置;
所述控制灌溉模块,用于根据所述最终灌溉施肥配置控制所述自动灌溉施肥系统对园林绿化区域中的绿植进行分区域灌溉施肥。
9.一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包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-7中任一项所述的园林绿化养护监测及预警方法。
10.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如权利要求1-7中任一项所述的园林绿化养护监测及预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211313524.7A CN115601413B (zh) | 2022-10-25 | 2022-10-25 | 一种园林绿化养护监测及预警方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211313524.7A CN115601413B (zh) | 2022-10-25 | 2022-10-25 | 一种园林绿化养护监测及预警方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115601413A CN115601413A (zh) | 2023-01-13 |
CN115601413B true CN115601413B (zh) | 2023-06-16 |
Family
ID=84848815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211313524.7A Active CN115601413B (zh) | 2022-10-25 | 2022-10-25 | 一种园林绿化养护监测及预警方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115601413B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118096795A (zh) * | 2024-04-24 | 2024-05-28 | 济宁市市政园林养护中心 | 一种园林绿化养护监测预警系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103329771A (zh) * | 2013-05-30 | 2013-10-02 | 安徽芜湖瑞康农业科技开发有限公司 | 一种桃树栽培方法及用于该栽培方法的专用架 |
CN108040840A (zh) * | 2017-12-05 | 2018-05-18 | 深圳春沐源控股有限公司 | 灌溉控制方法 |
CN108346142A (zh) * | 2018-01-16 | 2018-07-31 | 中国农业大学 | 一种基于植物光照图像的植物生长状态识别方法 |
CN109142355A (zh) * | 2018-08-06 | 2019-01-04 | 梁静 | 一种绿植健康状况监测方法 |
CN110113588A (zh) * | 2019-05-13 | 2019-08-09 | 黄朝一 | 基于色度互补的植物照射装置、方法及系统 |
CN114298553A (zh) * | 2021-12-28 | 2022-04-08 | 广州市中景园林环保工程有限公司 | 一种园林绿化系统 |
CN114418040A (zh) * | 2022-03-31 | 2022-04-29 | 山东鹤鹏技术有限公司 | 一种园林绿化养护监测及预警的方法与系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9886016B2 (en) * | 2015-01-08 | 2018-02-06 | International Business Machines Corporation | Automated irrigation control system |
-
2022
- 2022-10-25 CN CN202211313524.7A patent/CN115601413B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103329771A (zh) * | 2013-05-30 | 2013-10-02 | 安徽芜湖瑞康农业科技开发有限公司 | 一种桃树栽培方法及用于该栽培方法的专用架 |
CN108040840A (zh) * | 2017-12-05 | 2018-05-18 | 深圳春沐源控股有限公司 | 灌溉控制方法 |
CN108346142A (zh) * | 2018-01-16 | 2018-07-31 | 中国农业大学 | 一种基于植物光照图像的植物生长状态识别方法 |
CN109142355A (zh) * | 2018-08-06 | 2019-01-04 | 梁静 | 一种绿植健康状况监测方法 |
CN110113588A (zh) * | 2019-05-13 | 2019-08-09 | 黄朝一 | 基于色度互补的植物照射装置、方法及系统 |
CN114298553A (zh) * | 2021-12-28 | 2022-04-08 | 广州市中景园林环保工程有限公司 | 一种园林绿化系统 |
CN114418040A (zh) * | 2022-03-31 | 2022-04-29 | 山东鹤鹏技术有限公司 | 一种园林绿化养护监测及预警的方法与系统 |
Non-Patent Citations (2)
Title |
---|
Low-cost assessment of grain yield in durum wheat using RGB images;Jose A. Fernandez-Gallego et al.;《European Journal of Agronomy》;第145-156页 * |
基于计算机视觉的油菜生长过程自动识别研究;方益杭;《中国优秀硕士学位论文全文数据库 信息科技辑 》;I138-1639 * |
Also Published As
Publication number | Publication date |
---|---|
CN115601413A (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114418040B (zh) | 一种园林绿化养护监测及预警的方法与系统 | |
CN104077725B (zh) | 马铃薯种植物联网监测、控制及信息服务云平台综合系统 | |
Yu et al. | Automatic image-based detection technology for two critical growth stages of maize: Emergence and three-leaf stage | |
CN100416590C (zh) | 利用位置和纹理特征自动识别作物苗期田间杂草的方法 | |
CN109991911A (zh) | 一种基于物联网的果园综合监控系统 | |
CN115601413B (zh) | 一种园林绿化养护监测及预警方法与系统 | |
CN102564593A (zh) | 基于计算机视觉及物联网的植物生长状况监测系统 | |
CN113673490B (zh) | 一种物候期自适应的作物生理参数遥感估测方法及系统 | |
CN103903252A (zh) | 棉田虫情自动监测装置及监测方法 | |
WO2020000043A1 (en) | Plant growth feature monitoring | |
CN106651844A (zh) | 一种基于图像分析的苹果生育期识别方法 | |
CN116300608A (zh) | 一种基于大数据的智慧农业远程监控系统 | |
CN106683092B (zh) | 测算蓝莓树冠郁闭度的装置和方法 | |
KR101810901B1 (ko) | 작물체의 생육 시뮬레이션 장치 | |
CN114724086A (zh) | 一种水肥一体灌溉管理系统 | |
CN104504736A (zh) | 一种识别大田作物长势监控图像中绿色植物的方法及系统 | |
CN116507004A (zh) | 植物光照调节方法、电子设备及存储介质 | |
CN110598514A (zh) | 一种土地整治项目区地块尺度农作物播种面积监测方法 | |
CN114511777A (zh) | 一种基于图像识别方法的桃树花期监测评估方法 | |
US20230177830A1 (en) | Plant growth identification method and system therefor | |
CN117652267A (zh) | 一种用于园林绿化维护的监测管理方法及系统 | |
CN211628101U (zh) | 一种足球场草坪养护系统 | |
CN112836678A (zh) | 智慧农业园区智能规划方法 | |
CN115903568A (zh) | 一种基于区块链大数据的智能农业监管系统及方法 | |
CN114895616A (zh) | 一种农业温室大棚智能化远程监控诊断系统 |
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 |