CN115902117A - 一种粮仓环境监测方法、系统、终端及介质 - Google Patents
一种粮仓环境监测方法、系统、终端及介质 Download PDFInfo
- Publication number
- CN115902117A CN115902117A CN202211620062.3A CN202211620062A CN115902117A CN 115902117 A CN115902117 A CN 115902117A CN 202211620062 A CN202211620062 A CN 202211620062A CN 115902117 A CN115902117 A CN 115902117A
- Authority
- CN
- China
- Prior art keywords
- detection
- carbon dioxide
- value
- abnormal
- temperature
- 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
Links
Images
Landscapes
- Measuring Temperature Or Quantity Of Heat (AREA)
Abstract
本申请涉及环境监测的领域,尤其是涉及一种粮仓环境监测方法、系统、终端及介质。其中,一种粮仓环境监测方法包括:获取粮堆内不同位置检测点处的检测数据,所述检测数据包括二氧化碳检测值及温度检测值;响应于所述二氧化碳检测值大于预设的二氧化碳阈值或/和所述温度检测值大于预设的温度阈值,判定所述检测数据异常,并生成异常信号;基于所述异常信号,获取所述异常信号发生的检测点,以判定发生异常的位置。本申请能够提高对粮堆中发生异常变化的位置进行快速定位,提高异常变化发现的准确性。
Description
技术领域
本发明涉及环境监测的领域,尤其是涉及一种粮仓环境监测方法、系统、终端及介质。
背景技术
由农业生产出来的粮食除了部分谷物,大部分都缺乏储藏性,为了保证来年收割期到来之前的食物需求,大多种类的粮食都需要进行加工贮藏。粮仓为用于贮存粮食的专用建筑,粮食在粮仓中大多采用堆放的形式进行存储。
影响粮食存储安全的生物因素主要是昆虫和真菌,这些生物的活动将摄食粮食中的营养物质,引起粮食数量损失,破坏粮食的风味,降低粮食的食用品质和加工工艺品质,更为严重的是这些生物在粮食中生长和代谢活动产生的产物还可能损害食用者的身体健康,其中有些真菌产生的真菌毒素是强烈的致癌物,可严重危害相关食品的食用安全性。
现有技术中,粮堆温度检测可以感知虫霉代谢活动释放的热量,以实现对虫霉的同步监测。粮食储藏中所有生命体代谢活动除了产生热量升高粮堆温度,还有一个共同的特征是呼吸产生二氧化碳气体,能够在粮食中进行生长活动的所有微生物均为好氧性微生物,它们的呼吸作用均消耗氧气并生成二氧化碳,利用二氧化碳气体浓度变化可以监测储粮虫霉活动。
现有的测温技术通常是对粮仓内的温度的检测和二氧化碳气体的检测均是在粮仓内进行的,不易准确判断粮堆中异常变化。
发明内容
为了准确判断粮堆发生异变的位置,本申请提供一种粮仓环境监测方法。
第一方面,本申请提供的一种粮仓环境监测方法采用如下的技术方案:
一种粮仓环境监测方法,包括以下步骤:获取粮堆内不同位置检测点处的检测数据,所述检测数据包括二氧化碳检测值及温度检测值;响应于所述二氧化碳检测值大于预设的二氧化碳阈值或/和所述温度检测值大于预设的温度阈值,判定所述检测数据异常,并生成异常信号;基于所述异常信号,获取所述异常信号发生的检测点,以判定发生异常的位置。
通过采用上述技术方案,通过对粮堆内不同位置的二氧化碳浓度检测及温度检测,以对粮堆内的虫霉情况进行实时监测,当二氧化碳浓度数据或/和温度数据出现异常时,说明粮堆内可能出现虫霉的情况,定位发生异常的检测点,以快速对虫霉发生点进行定位,达到准确判断粮堆中异常变化及找到异常变化点的效果,且减少了因对粮仓内的粮堆翻找寻找虫霉位置,而造成虫霉扩散的现象。
优选的,所述获取粮堆内不同位置检测点处的检测数据,所述检测数据包括二氧化碳检测值及温度检测值中,包括:通过预设的气体浓度传感器,获取粮堆内不同位置的实时二氧化碳浓度值,作为所述二氧化碳检测值;通过预设的温度传感器,获取粮堆内不同位置的实时温度,作为所述温度检测值;基于所述二氧化碳检测值及所述温度检测值,根据预设的计算时间,检测粮堆内每个所述检测点的二氧化碳浓度变化率及温度变化率。
优选的,所述响应于所述二氧化碳检测值大于预设的二氧化碳阈值或/和所述温度检测值大于预设的温度阈值,判定所述检测数据异常,并生成异常信号中,包括:响应于所述二氧化碳检测值大于所述二氧化碳阈值,生成第一异常信号;响应于所述温度检测值大于所述温度阈值,生成第二异常信号;响应于所述二氧化碳浓度变化率大于预设的二氧化碳浓度变化阈值,生成第三异常信号;响应于所述温度变化率大于预设的温度变化阈值,生成第四异常信号;基于所述第一异常信号或所述第二异常信号生成或/和所述第三异常信号及所述第四异常信号生成,生成所述异常信号。
优选的,所述基于所述异常信号,获取所述异常信号发生的检测点,以判定发生异常的位置中,获取每处所述检测点的编号信息,所述编号信息包括所述检测点所处的粮仓编号及粮堆编号、所述检测点的埋插深度及检测点编号;输出所述异常信号及所述异常信号发生的所述检测点处的所述编号信息。
优选的,响应于不同粮仓同作物的所述检测数据对比差值大于预设的对比差值,判定仓储异常。
优选的,获取不同粮仓同作物的所述平均值差值;响应于所述平均值差值大于预设的差值阈值,判定仓储异常。
优选的,所述响应于不同粮仓同作物的所述检测数据对比差值大于预设的对比差值,判定仓储异常中,还包括:获得异常粮仓的所述粮仓编号及所述作物种类,生成仓储异常报告。
第二方面,本申请公开一种粮仓环境监测系统,采用了上述粮仓环境监测方法,包括:检测数据获取模块,用于获取粮堆内不同位置检测点处的检测数据,所述检测数据包括二氧化碳检测值及温度检测值;判定模块,用于响应于所述二氧化碳检测值大于预设的二氧化碳阈值或/和所述温度检测值大于预设的温度阈值,判定所述检测数据异常,并生成异常信号;定位模块,用于基于所述异常信号,获取所述异常信号发生的检测点,以判定发生异常的位置。
通过采用上述技术方案,通过检测数据获取模块,对粮堆内不同位置的二氧化碳浓度及温度进行实时监测,以对粮堆内的虫霉情况进行实时监测;通过判定模块,判定二氧化碳浓度数据或/和温度数据出现异常;通过定位模块,定位发生异常的检测点,以快速对虫霉发生点进行定位,达到准确判断粮堆中异常变化及找到异常变化点的效果,且减少了因对粮仓内的粮堆翻找寻找虫霉位置,而造成虫霉扩散的现象。
第三方面,本申请公开一种终端设备,包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序,所述处理器加载并执行计算机程序时,采用了上述的粮仓环境监测方法。
通过采用上述技术方案,通过上述的粮仓环境监测方法生成计算机程序,并存储于存储器中,以被处理器加载并执行,从而,根据存储器及处理器制作终端设备,方便用户使用。
第四方面,本申请公开一种计算机可读存储介质,采用如下的技术方案:一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器加载并执行时,采用了上述的粮仓环境监测方法。
通过采用上述技术方案,通过上述的粮仓环境监测方法生成计算机程序,并存储于计算机可读存储介质中,以被处理器加载并执行,通过计算机可读存储介质,方便计算机程序的可读及存储。
附图说明
图1是本申请实施例一种粮仓环境监测方法中步骤S1-S5的方法流程图。
图2是本申请实施例一种粮仓环境监测方法中步骤S10-S12的方法流程图。
图3是本申请实施例一种粮仓环境监测方法中步骤S20-S24的方法流程图。
图4是本申请实施例一种粮仓环境监测方法中步骤S30-S31的方法流程图。
图5是本申请实施例一种粮仓环境监测方法中步骤S40-S42的方法流程图。
具体实施方式
以下结合附图1-5对本申请作进一步详细说明。
本申请实施例公开一种粮仓环境监测方法,参照图1和图2,粮仓环境监测方法包括:
S1:获取粮堆内不同位置检测点处的检测数据,检测数据包括二氧化碳检测值及温度检测值;
S10:通过预设的气体浓度传感器,获取粮堆内不同位置的实时二氧化碳浓度值,作为二氧化碳检测值;
具体的,在粮堆内不同位置设置多个检测点,在每个检测点处设置一个气体浓度传感器,即在粮堆上插入多个气体浓度传感器,且气体浓度传感器在粮堆内插入的深度不同,对粮堆的内部虫霉的发生进行全面的实时监控。
本申请中,检测点的离地高度分别设置为10cm、20cm、30cm、40cm、50cm…,检测点在水平方向上直接的距离为20cm,不同高度的检测点随机交错设置。
S11:通过预设的温度传感器,获取粮堆内不同位置的实时温度,作为温度检测值;
具体的,在上述的每个检测点处设置一个温度传感器,即在粮堆上插入多个温度传感器,且温度传感器在粮堆内插入的深度不同,对粮堆的内部温度的变化进行全面的实时监控。
S12:基于二氧化碳检测值及温度检测值,根据预设的计算时间,检测粮堆内每个检测点的二氧化碳浓度变化率及温度变化率。
本申请中,用户能够进行计算时间的设定,根据设定的计算时间以及采集到的二氧化碳检测值,计算二氧化碳的变化率;同时,根据设定的计算时间及采集到的温度检测值,计算温度变化率。
S2:响应于二氧化碳检测值大于预设的二氧化碳阈值或/和温度检测值大于预设的温度阈值,判定检测数据异常,并生成异常信号;
S20:响应于二氧化碳检测值大于二氧化碳阈值,生成第一异常信号;
具体的,当检测点处的二氧化碳检测值大于二氧化碳阈值时,检测点处可能发生了昆虫及真菌等生命体活动的现象,生命体的呼吸作用消耗氧气生成二氧化碳,使检测点处的二氧化碳浓度较高。
S21:响应于温度检测值大于温度阈值,生成第二异常信号;
具体的,当检测点处的温度检测值大于温度阈值,检测点处可能发生了昆虫及真菌等生命体活动的现象,生命体的呼吸作用使检测点处的温度升高;
S22:响应于二氧化碳浓度变化率大于预设的二氧化碳浓度变化阈值,生成第三异常信号;
当二氧化碳浓度变化率大于预设的二氧化碳浓度变化阈值时,检测点处可能正在发生了昆虫及真菌等生命体活动的现象,生命体的呼吸作用均消耗氧气生成二氧化碳,使检测点处的二氧化碳浓度变化速率增加,对二氧化碳浓度变化率进行监测,以在虫霉发生初期就能够及时发现。
S23:响应于温度变化率大于预设的温度变化阈值,生成第四异常信号;
当温度变化率大于预设的温度变化阈值时,检测点处可能正在发生了昆虫及真菌等生命体活动的现象,使检测点处的温度变化速率增加,对温度变化率进行监测,以在虫霉发生初期就能够及时发现。
S24:基于第一异常信号及第二异常信号生成或/和第三异常信号及第四异常信号生成,生成异常信号;
当检测点第一异常信号及第二异常信号生成时,该检测点出的生命体可能发生了昆虫及真菌等生命体活动的现象,生命体的呼吸作用使检测点处的温度升高,生命体的呼吸作用使检测点处的温度升高。
当检测点第三异常信号及第四异常信号生成时,该检测点出的生命体可能正在发生昆虫及真菌等生命体活动的现象,生命体的呼吸作用使检测点处的温度升高,生命体的呼吸作用使检测点处的温度升高。
结合上述两种情况,对虫霉正在发生的阶段与虫霉已经发生的阶段进行全方面的监测,以判断粮堆中异常变化。
S3:基于异常信号,获取异常信号发生的检测点,以判定发生异常的位置。
S30:获取每处检测点的编号信息,编号信息包括检测点所处的粮仓编号及粮堆编号、检测点的埋插深度及检测点编号;
具体的,本申请可以同时对一个或多个粮仓进行监测,当只对一个粮仓进行检测时,编号信息内不包含粮仓编号;若对多个粮仓进行监测时,对每个粮仓进行依次编号,以便于用户快速获取异常检测点所在的具体粮仓。
对每个粮仓中的粮堆进行依次编号,编号信息内包含粮堆信号,便于用户快速获取异常检测点所在的具体粮堆。对每个粮堆内的检测点进行编号,便于用户快速获取发生异常处检测点的位置信息及埋插深度信息。
S31:输出异常信号及异常信号发生检测点处的编号信息;
将检测点异常信号及发生异常信号检测点处的编号信息上传至预设的管理平台,用户快速获取发生异常所在的位置及埋插深度。其中,温度传感器与二氧化碳浓度传感器与管理平台通过如蓝牙、5G等无线连接的方式进行信号传输,相对于有线连接,减少出现粮仓中通信线过多的情况。
S4:响应于不同粮仓同作物的检测数据对比差值大于预设的对比差值,判定仓储异常;
S40:获取不同粮仓同作物的平均值差值;
本申请中,平均值差值包括第一差值及第二差值,第一差值是指不同粮仓内、相同作物二氧化碳检测值平均值的差值,第二差值是指不同粮仓内、相同作物温度检测值平均值的差值。
S41:响应于平均值差值大于预设的差值阈值,判定仓储异常;
本申请中,差值阈值包括第一阈值及第二阈值,两两粮仓进行第一差值与第一阈值的对比,若第一差值大于第一阈值,则判定这两个粮仓的第一差值异常;或/和,两两粮仓进行第二差值与第二阈值的对比,若第二差值大于第二阈值,则判定这两个粮仓第二差值异常。当第一差值异常或/和第二差值异常,判定这两个粮仓中的至少一个存在异常。
S42:获得异常粮仓的异常粮仓的仓储数据,生成仓储异常报告;
根据判定的仓储异常结果,生成仓储异常报告,仓储异常报告内包括正常粮仓的仓储数据及异常粮仓的仓储数据,其中,正常粮仓的仓储数据包括正常粮仓的检测数据、编号信息及作物种类。异常粮仓的仓储数据包括发生异常的检测数据、编号信息及作物种类及与正常粮仓对比检测数据的异常数据信息。
本申请实施例一种粮仓环境监测方法的实施原理为:通过对粮堆内不同位置的二氧化碳浓度检测及温度检测,以对粮堆内的虫霉情况进行实时监测,当二氧化碳浓度数据或/和温度数据出现异常时,说明粮堆内可能出现虫霉的情况,定位发生异常的检测点,以快速对虫霉发生点进行定位,达到准确判断粮堆中异常变化及找到异常变化点的效果,且减少了因对粮仓内的粮堆翻找寻找虫霉位置,而造成虫霉扩散的现象。
本申请实施例还公开一种粮仓环境监测系统,采用了上述的粮仓环境监测方法,包括:
检测数据获取模块,用于获取粮堆内不同位置检测点处的检测数据,检测数据包括二氧化碳检测值及温度检测值;
判定模块,用于响应于二氧化碳检测值大于预设的二氧化碳阈值或/和温度检测值大于预设的温度阈值,判定检测数据异常,并生成异常信号;
定位模块,用于基于异常信号,获取异常信号发生的检测点,以判定发生异常的位置。
本申请实施例一种粮仓环境监测系统的实施原理为:通过检测数据获取模块,对粮堆内不同位置的二氧化碳浓度及温度进行实时监测,以对粮堆内的虫霉情况进行实时监测,通过判定模块,判定二氧化碳浓度数据或/和温度数据出现异常;通过定位模块,定位发生异常的检测点,以快速对虫霉发生点进行定位,达到准确判断粮堆中异常变化及找到异常变化点的效果,且减少了因对粮仓内的粮堆翻找寻找虫霉位置,而造成虫霉扩散的现象。
本申请实施例还公开一种终端设备,包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序,其中,处理器执行计算机程序时采用了上述实施例的粮仓环境监测方法。
其中,终端设备可以采用台式电脑、笔记本电脑或者云端服务器等计算机设备,并且,终端设备包括但不限于处理器以及存储器,例如,终端设备还可以包括输入输出设备、网络接入设备以及总线等。
其中,处理器可以采用中央处理单元(CPU),当然,根据实际的使用情况,也可以采用其他通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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,通用处理器可以采用微处理器或者任何常规的处理器等,本申请对此不做限制。
其中,存储器可以为终端设备的内部存储单元,例如,终端设备的硬盘或者内存,也可以为终端设备的外部存储设备,例如,终端设备上配备的插接式硬盘、智能存储卡(SMC)、安全数字卡(SD)或者闪存卡(FC)等,并且,存储器还可以为终端设备的内部存储单元与外部存储设备的组合,存储器用于存储计算机程序以及终端设备所需的其他程序和数据,存储器还可以用于暂时地存储已经输出或者将要输出的数据,本申请对此不做限制。
其中,通过本终端设备,将上述实施例的粮仓环境监测方法存储于终端设备的存储器中,并且,被加载并执行于终端设备的处理器上,以方便用户使用。
本申请实施例还公开一种计算机可读存储介质,并且,计算机可读存储介质存储有计算机程序,其中,计算机程序被处理器执行时,采用了上述实施例的粮仓环境监测方法。
其中,计算机程序可以存储于计算机可读介质中,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件形式等,计算机可读介质包括能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM)、随机存取存储器(RAM)、电载波信号、电信信号以及软件分发介质等,需要说明的是,计算机可读介质包括但不限于上述元器件。
其中,通过本计算机可读存储介质,将上述实施例的粮仓环境监测方法存储于计算机可读存储介质中,并且,被加载并执行于处理器上,以方便粮仓环境监测方法的存储及应用。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,本说明书(包括摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或者具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
Claims (10)
1.一种粮仓环境监测方法,其特征在于,包括:
获取粮堆内不同位置检测点处的检测数据,所述检测数据包括二氧化碳检测值及温度检测值;
响应于所述二氧化碳检测值大于预设的二氧化碳阈值或/和所述温度检测值大于预设的温度阈值,判定所述检测数据异常,并生成异常信号;
基于所述异常信号,获取所述异常信号发生的检测点,以判定发生异常的位置。
2.根据权利要求1所述的粮仓环境监测方法,其特征在于,所述获取粮堆内不同位置检测点处的检测数据,所述检测数据包括二氧化碳检测值及温度检测值中,包括:
通过预设的气体浓度传感器,获取粮堆内不同位置的实时二氧化碳浓度值,作为所述二氧化碳检测值;
通过预设的温度传感器,获取粮堆内不同位置的实时温度,作为所述温度检测值;
基于所述二氧化碳检测值及所述温度检测值,根据预设的计算时间,检测粮堆内每个所述检测点的二氧化碳浓度变化率及温度变化率。
3.根据权利要求2所述的粮仓环境监测方法,其特征在于,所述响应于所述二氧化碳检测值大于预设的二氧化碳阈值或/和所述温度检测值大于预设的温度阈值,判定所述检测数据异常,并生成异常信号中,包括:
响应于所述二氧化碳检测值大于所述二氧化碳阈值,生成第一异常信号;
响应于所述温度检测值大于所述温度阈值,生成第二异常信号;
响应于所述二氧化碳浓度变化率大于预设的二氧化碳浓度变化阈值,生成第三异常信号;
响应于所述温度变化率大于预设的温度变化阈值,生成第四异常信号;
基于所述第一异常信号或所述第二异常信号生成或/和所述第三异常信号及所述第四异常信号生成,生成所述异常信号。
4.根据权利要求3所述的粮仓环境监测方法,其特征在于,所述基于所述异常信号,获取所述异常信号发生的检测点,以判定发生异常的位置中,
获取每处所述检测点的编号信息,所述编号信息包括所述检测点所处的粮仓编号及粮堆编号、所述检测点的埋插深度及检测点编号;
输出所述异常信号及所述异常信号发生的所述检测点处的所述编号信息。
5.根据权利要求4所述的粮仓环境监测方法,其特征在于,包括:
响应于不同粮仓同作物的所述检测数据对比差值大于预设的对比差值,判定仓储异常。
6.根据权利要求5所述的粮仓环境监测方法,其特征在于,所述响应于不同粮仓同作物的所述检测数据对比差值大于预设的对比差值,判定仓储异常中,包括:
获取不同粮仓同作物的所述平均值差值;
响应于所述平均值差值大于预设的差值阈值,判定仓储异常。
7.根据权利要求6所述的粮仓环境监测方法,其特征在于,所述响应于不同粮仓同作物的所述检测数据对比差值大于预设的对比差值,判定仓储异常中,还包括:
获得异常粮仓的异常粮仓的仓储数据,生成仓储异常报告。
8.一种粮仓环境监测系统,其特征在于,使用了权利要求1-7任一项所述的粮仓环境监测方法,包括:
检测数据获取模块,用于获取粮堆内不同位置检测点处的检测数据,所述检测数据包括二氧化碳检测值及温度检测值;
判定模块,用于响应于所述二氧化碳检测值大于预设的二氧化碳阈值或/和所述温度检测值大于预设的温度阈值,判定所述检测数据异常,并生成异常信号;
定位模块,用于基于所述异常信号,获取所述异常信号发生的检测点,以判定发生异常的位置。
9.一种终端设备,包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序1-7任一项所述的粮仓环境监测方法。
10.一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其特征在于,所述计算机程序被处理器加载并执行时,采用了权利要求1-7任一项所述的粮仓环境监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211620062.3A CN115902117A (zh) | 2022-12-15 | 2022-12-15 | 一种粮仓环境监测方法、系统、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211620062.3A CN115902117A (zh) | 2022-12-15 | 2022-12-15 | 一种粮仓环境监测方法、系统、终端及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115902117A true CN115902117A (zh) | 2023-04-04 |
Family
ID=86472498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211620062.3A Pending CN115902117A (zh) | 2022-12-15 | 2022-12-15 | 一种粮仓环境监测方法、系统、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115902117A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116380289A (zh) * | 2023-05-24 | 2023-07-04 | 中央储备粮镇江直属库有限公司 | 一种用于粮仓的粮食温度自动监测分析系统 |
-
2022
- 2022-12-15 CN CN202211620062.3A patent/CN115902117A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116380289A (zh) * | 2023-05-24 | 2023-07-04 | 中央储备粮镇江直属库有限公司 | 一种用于粮仓的粮食温度自动监测分析系统 |
CN116380289B (zh) * | 2023-05-24 | 2023-11-10 | 中央储备粮镇江直属库有限公司 | 一种用于粮仓的粮食温度自动监测分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115902117A (zh) | 一种粮仓环境监测方法、系统、终端及介质 | |
US11488017B2 (en) | System and method for monitoring and quality evaluation of perishable food items | |
Zhang et al. | Lowering stand density enhances resiliency of ponderosa pine forests to disturbances and climate change | |
CN103344742A (zh) | 一种粮仓储粮虫霉活动危害度预测的方法 | |
Anjom et al. | Development and application of a strawberry yield-monitoring picking cart | |
US20220076014A1 (en) | Information processing device, and information processing system | |
CN107065727A (zh) | 果蔬测土配方水肥一体化全生命周期种销系统及方法 | |
Adriman et al. | An IoT-based system for water quality monitoring and notification system of aquaculture prawn pond | |
Baert et al. | Functional unfold principal component analysis for automatic plant-based stress detection in grapevine | |
Pounds et al. | Real-Time and Rapid Food Quality Monitoring Using Smart Sensory Films with Image Analysis and Machine Learning | |
Taylor et al. | Sampling and estimating average pruning weights in Concord grapes | |
Brera et al. | Effect of sample size in the evaluation of “in-field” sampling plans for aflatoxin B1 determination in corn | |
Vigneswaran et al. | Decision support system for crop rotation using machine learning | |
CN111426806A (zh) | 基于物联网手段对水产品冷链物流保鲜程度自动监测预警方法 | |
Thumba et al. | Estimating livestock greenhouse gas emissions: existing models, emerging technologies and associated challenges | |
CN110160655A (zh) | 一种修正红外成像仪对牲畜体温测量的方法、装置及设备 | |
Rivas Casado et al. | Geostatistical analysis of the spatial distribution of mycotoxin concentration in bulk cereals | |
CN113962638B (zh) | 一种智能果蔬质量检测方法及系统 | |
Tóth et al. | Possibilities of IoT based management system in greenhouses | |
JP2013135631A (ja) | 生物生産支援システム | |
EP3994443A1 (en) | Measuring deformation threshold of produce | |
van der Voet et al. | The power of statistical tests using field trial count data of nontarget organisms in environmental risk assessment of genetically modified plants | |
Abu Bakar et al. | Ambit determination method in estimating rice plant population density | |
EP4368989A1 (en) | Agricultural monitoring system | |
Kerry et al. | Investigation of the potential to reduce waste through sampling and spatial analysis of grain bulks |
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 |