CN116206202A - 基于ai自动识别的林业病虫害智能监测管理系统 - Google Patents
基于ai自动识别的林业病虫害智能监测管理系统 Download PDFInfo
- Publication number
- CN116206202A CN116206202A CN202310165779.1A CN202310165779A CN116206202A CN 116206202 A CN116206202 A CN 116206202A CN 202310165779 A CN202310165779 A CN 202310165779A CN 116206202 A CN116206202 A CN 116206202A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- module
- equipment
- insect pests
- data
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 178
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 145
- 201000010099 disease Diseases 0.000 title claims abstract description 121
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 121
- 241000238631 Hexapoda Species 0.000 title claims abstract description 85
- 238000007726 management method Methods 0.000 claims description 77
- 238000012806 monitoring device Methods 0.000 claims description 25
- 238000007619 statistical method Methods 0.000 claims description 13
- 238000013523 data management Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003203 everyday effect Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 4
- 241000196324 Embryophyta Species 0.000 description 39
- 238000012545 processing Methods 0.000 description 9
- 238000000034 method Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241001124181 Bactrocera dorsalis Species 0.000 description 1
- 241001481710 Cerambycidae Species 0.000 description 1
- 241001631712 Dendrolimus pini Species 0.000 description 1
- 241000012249 Dendrolimus spectabilis Species 0.000 description 1
- 241001531327 Hyphantria cunea Species 0.000 description 1
- 244000046101 Sophora japonica Species 0.000 description 1
- 235000010586 Sophora japonica Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000003827 upregulation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/96—Management of image or video recognition tasks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Marine Sciences & Fisheries (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Fuzzy Systems (AREA)
- Mining & Mineral Resources (AREA)
- Artificial Intelligence (AREA)
- Economics (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
本发明实施例公开了一种基于AI自动识别的林业病虫害智能监测管理系统,包括病虫害名录管理模块、监测设备管理模块、监测设备执行策略管理模块、病虫害监测告警模块、设备告警模块和监测结果展示与统计模块;其中,所述监测设备执行策略管理模块用于管理监测设备的执行策略,所述病虫害监测告警模块用于监测识别病虫害并发出告警信息,所述设备告警模块用于监测设备运行状态并可发出告警信息,所述监测结果展示与统计模块用于展示所述监测设备的状态数据、所述病虫害监测数据以及统计分析数据。这样,本系统实现了林业病虫害智能在线监测管理和病虫害检测结果的状态展示,实现了林业病虫害的自动化智能管理,降低了人力成本。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于AI自动识别的林业病虫害智能监测管理系统。
背景技术
森林在生态环境中起着积极的调节作用,除了促进国民经济快速发展之外,还维持着生态平衡,而病虫害可导致林业植被生长不良、质量以及产量下降,进而引起林业或整个植被的枯死和生态环境的恶化,为了确保林业的健康发展,林业管理工作者需要采取有效的病虫害防治措施,加强对林业的监管,减少病虫害对林业的危害。传统林业病虫害防治一般由工作人员到现场进行病虫害采集,然后分析识别和上报防治措施,需要耗费大量的人力、物力和财力,识别也要依靠工作人员的专业知识和经验积累,且采集数据的保存也不太方便。
为了改变传统的人工管理方式,现有技术中提供了一种农林业病虫害监测管理系统,该管理系统通过硬件采集端、服务器接收端、手机客户端,利用物联网技术、系统集成、软件开发技术,实现气象数据和现场视频数据的采集,农林业专家通过摄像头视频可实时查看现场的农林业情况。但是,该方案主要是工作人员通过摄像头实时查看现场农林业情况,不仅需要通过人工判断,系统也不能及时对监测信息进行分析、预警和统计,使用的局限性较大。
因此,提供一种基于AI自动识别的林业病虫害智能监测管理系统,以期实现林业病虫害智能在线监测管理和病虫害检测结果的状态展示,从而实现林业病虫害的自动化管理,降低人力成本,就成为本领域技术人员亟待解决的问题。
发明内容
为此,本发明实施例提供一种基于AI自动识别的林业病虫害智能监测管理系统,以期实现林业病虫害智能在线监测管理和病虫害检测结果的状态展示,从而实现林业病虫害的自动化管理,降低人力成本。
为了实现上述目的,本发明实施例提供如下技术方案:
本发明提供了一种基于AI自动识别的林业病虫害智能监测管理系统,所述系统包括:
病虫害名录管理模块,所述病虫害名录管理模块用于管理能识别的病虫害名录数据;
监测设备管理模块,所述监测设备管理模块用于管理所有监测设备的基本信息;
监测设备执行策略管理模块,所述监测设备执行策略管理模块用于管理监测设备的执行策略,策略包括监测设备执行的起止日期、每天起止时间、执行的频次以及关联设备;
病虫害监测告警模块,所述病虫害监测告警模块用于监测识别病虫害并发出告警信息,如识别出美国白蛾、草履疥等,会在图片上标识出来并发出告警信息;
设备告警模块,所述设备告警模块用于监测设备运行状态,并可发出告警信息;
监测结果展示与统计模块,所述监测结果展示与统计模块用于展示所述监测设备的状态数据、所述病虫害监测数据以及统计分析数据。
在一些实施例中,所述系统还包括:
病虫害监测历史数据管理模块,用于对历史病虫害监测数据进行统计,并生成历史数据统计结果。
在一些实施例中,所述结果展示模块具体包括:
地图展示模块,用于利用GIS地图展示各所述监测设备的空间位置;
设备参数展示模块,用于展示各所述监测设备的设备状态;
监测数据展示模块,用于通过设备图标调取并展示目标监测设备最近一次的监测数据。
在一些实施例中,所述监测设备管理模块具体包括:
监测设备详情展示模块,用于展示所有所述监测设备的在线状态和当前执行频次;
监测设备编辑模块,用于编辑所有所述监测设备的参数信息;
监测设备查询模块,用于查询所有所述监测设备的参数信息。
在一些实施例中,所述监测设备执行策略管理模块具体包括:
执行策略展示模块,用于展示所有所述监测设备的执行策略;
执行策略编辑模块,用于编辑所有所述监测设备的执行策略;
策略设备关联模块,用于将所述监测设备和所述执行策略相关联。
在一些实施例中,所述病虫害监测历史数据管理模块具体包括:
历史数据展示模块,用于展示存储的历史数据;
历史数据查询模块,用于查询存储的历史数据;
历史数据统计分析模块,用于统计存储的历史数据。
本发明还提供一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述存储器用于存储如上所述的基于AI自动识别的林业病虫害智能监测管理系统。
本发明所提供的基于AI自动识别的林业病虫害智能监测管理系统包括病虫害名录管理模块、监测设备管理模块、监测设备执行策略管理模块和结果展示模块;其中,所述病虫害名录管理模块用于获取病虫害特征数据,所述监测设备管理模块用于获取所有监测设备的监测数据,所述监测设备执行策略管理模块用于接收所述病虫害特征数据和所述监测数据,根据所述监测数据生成控制策略和监测结果,所述结果展示模块用于展示所述监测设备的状态数据和所述监测数据。这样,通过上述模块能够实现对林业病虫害及时、高效、高精度的智能化管理,解决林业病虫害防治管理效率低、成本高、专家依赖性强等问题。从而实现了林业病虫害智能在线监测管理和病虫害检测结果的状态展示,实现了林业病虫害的自动化管理,降低了人力成本。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式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引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明所提供的基于AI自动识别的林业病虫害智能监测管理系统的结构框图之一;
图2为本发明所提供的基于AI自动识别的林业病虫害智能监测管理系统的结构框图之二;
图3为本发明所提供的一种计算机设备的结构框图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例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他实施例,都属于本发明保护的范围。
本发明主要应用于林业病虫害防治领域,现场硬件设备主要包括支架、诱虫黑光灯、普通摄像头,软件功能主要包括病虫害设备及监测数据展示模块、病虫害监测数据统计分析模块、病虫害名录管理模块、监测设备管理模块、监测设备执行策略管理模块、设备告警模块、病虫害监测告警模块、病虫害监测历史数据管理模块。
在一种具体实施方式中,如图1和图2所示,本发明提供了一种基于AI自动识别的林业病虫害智能监测管理系统,所述系统包括:
病虫害名录管理模块1,所述病虫害名录管理模块1用于获取病虫害特征数据;该病虫害名录管理模块1具体包括病虫害名录详情展示模块、病虫害名录编辑模块、病虫害查询模块和病虫害科目属编辑模块。该病虫害名录管理模块1用于管理目前能够自动识别的病虫害目录,展示病虫害的详细信息,如虫害名称、虫害样本图片、所属的目、科、属以及它的形态特征、危害的植物、虫害发生时间等内容。目前能识别的病虫害包括草履蚧、杨二尾舟蛾、国槐尺蠖、光肩星天牛、松梢螟、美国白蛾、柳毒蛾、桔小实蝇、油松毛虫、黄刺蛾等32种。
监测设备管理模块2,所述监测设备管理模块2用于获取所有监测设备的监测数据。所述监测设备管理模块2具体包括监测设备详情展示模块、监测设备编辑模块和监测设备查询模块;其中,监测设备详情展示模块用于展示所有所述监测设备的在线状态和当前执行频次,监测设备编辑模块用于编辑所有所述监测设备的参数信息,监测设备查询模块用于查询所有所述监测设备的参数信息。这样,监测设备管理模块2能够对现场监测设备进行集中管理,包括设备的添加、修改和删除以及设备在线状态和当前执行频次等。
监测设备执行策略管理模块3,所述监测设备执行策略管理模块3用于管理监测设备的执行策略,策略包括监测设备执行的起止日期(如2023年3月1日-2023年9月30日)、每天起止时间(19:30-次日03:30)、执行的频次(每隔30分钟监测1次)以及关联设备(如监测设备1#、监测设备3#)。其中,所述监测设备执行策略管理模块3具体包括执行策略展示模块、执行策略编辑模块和策略设备关联模块;执行策略展示模块用于展示所有所述监测设备的执行策略,执行策略编辑模块用于编辑所有所述监测设备的执行策略,策略设备关联模块用于将所述监测设备和所述执行策略相关联。从而使得监测设备执行策略管理模块3能够实现对现场各个监测设备执行策略的远程控制,包括诱虫灯的开关时间、图像采集的日期、时间和频次。
结果展示模块,所述结果展示模块用于展示所述监测设备的状态数据和所述监测数据。结果展示模块包括了病虫害设备及监测数据展示模块4,所述病虫害设备及监测数据展示模块4具体包括地图展示模块、设备参数展示模块和监测数据展示模块,其中,地图展示模块用于利用GIS地图展示各所述监测设备的空间位置,设备参数展示模块用于展示各所述监测设备的设备状态,监测数据展示模块用于通过设备图标调取并展示目标监测设备最近一次的监测数据。其利用GIS地图技术展示各个现场监测设备的空间位置以及设备状态(例如正常状态、离线状态或故障状态),同时通过某个设备图标可查看该设备最近一次的病虫害监测数据,包括病虫害原始采集图像、分析识别后标注图像以及识别病虫害的类型和数量等信息。
进一步地,所述系统还包括:
病虫害监测数据统计分析模块5,用于基于预先设定的统计条件,对所述检测数据进行统计,并得到统计结果。具体地,病虫害监测数据统计分析模块5包括条件筛选模块和统计分析展示模块,从而能够基于时间段、监测设备、病虫害类型等条件对病虫害监测数据进行统计分析,方便林业管理者进行决策和病虫害防治。
设备告警模块6,用于响应于告警指令,展示出现异常的监测设备的告警信息和出现异常的监测设备的处理状态。设备告警模块6具体包括监测设备告警详情模块、告警处理模块和告警查询模块,从而使得设备告警模块6能够展示出现异常监测设备的详细告警信息和设备处理状态。
病虫害监测告警模块7,用于展示根据所述病虫害特征数据生成的病虫害监测结果,并生成告警信息。病虫害监测告警模块7具体包括病虫害告警模块、短信自动推送模块和告警处理模块,从而使得病虫害监测告警模块7能够展示监测出现的病虫害详情,并把告警信息以短信的方式发送到管理人员手机上查看,工作人员处理完成后,告警取消。
病虫害监测历史数据管理模块8,病虫害监测历史数据管理模块8用于对历史病虫害监测数据进行统计,并生成历史数据统计结果。所述病虫害监测历史数据管理模块具体包括历史数据展示模块、历史数据查询模块和历史数据统计分析模块;其中,历史数据展示模块用于展示存储的历史数据,历史数据查询模块用于查询存储的历史数据,历史数据统计分析模块用于统计存储的历史数据。使得病虫害监测历史数据管理模块8能够对历史病虫害监测数据进行管理和统计分析,以便对病虫害防治起到支撑作用。
为了便于理解,下面以一个具体使用场景为例,简述本发明所提供的监测管理系统的监测过程。
首先,利用现场病虫害监测装置上的诱虫黑光灯捕获林业病虫害,然后通过装置上的摄像头按照监测设备执行策略管理模块设定的图像采集策略(起止日期、每天起止时间、采集频次、关联设备)定时获取图像并传输到服务器数据库中。
病虫害监测告警模块利用数据库技术和自训练的病虫害AI自动识别算法从服务器数据库中获取图像进行分析和识别,并对分析和识别结果进行入库,如果识别到的病虫害在管理系统的病虫害名录中,则进行网页报警和短信发送报警,同时对工作人员病虫害的防治处理结果进行管理。其中,自训练的病虫害AI自动识别算法包括以下步骤:获取目标图像,所述目标图像中包含至少一种待识别病虫害的图像信息;将所述目标图像输入预先训练的识别模型中,以得到病虫害识别结果;其中,所述识别模型是基于预先构建的深度学习网络利用病虫害样本数据进行训练得到的,所述病虫害样本数据包括图像样本和与所述图像样本对应的类别标签。
利用病虫害设备及监测数据展示模块对最近一次采集的图像和识别信息以及病虫害监测设备空间分布位置、在线状态进行详情展示,以便管理者实时掌握林业监管区域病虫害现状。
为了能够让管理者随时获取历史监测结果,病虫害监测历史数据管理模块对历史的病虫害监测数据进行管理和查看。
在大量监测数据的基础上,病虫害监测数据统计分析模块以图表的方式对各个监管区域历史监测数据进行统计分析和展示,以支撑林业管理者病虫害的防治工作。
为了让管理者实时掌握监测设备的在线状态、故障状态、故障处理情况,设备告警模块提供设备告警详情、设备过程处理记录、处理结果等功能。
在上述具体实施方式中,本发明所提供的基于AI自动识别的林业病虫害智能监测管理系统包括病虫害名录管理模块、监测设备管理模块、监测设备执行策略管理模块和结果展示模块;其中,所述病虫害名录管理模块用于获取病虫害特征数据,所述监测设备管理模块用于获取所有监测设备的监测数据,所述监测设备执行策略管理模块用于接收所述病虫害特征数据和所述监测数据,根据所述监测数据生成控制策略和监测结果,所述结果展示模块用于展示所述监测设备的状态数据和所述监测数据。这样,通过上述模块能够实现对林业病虫害及时、高效、高精度的智能化管理,解决林业病虫害防治管理效率低、成本高、专家依赖性强等问题。从而实现了林业病虫害智能在线监测管理和病虫害检测结果的状态展示,实现了林业病虫害的自动化管理,降低了人力成本。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口,所述存储器用于存储如上所述的基于AI自动识别的林业病虫害智能监测管理系统。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和模型预测。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的模型预测用于存储静态信息和动态信息数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法实施例中的步骤。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在本发明实施例中,处理器可以是一种集成电路芯片,具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific工ntegrated Circuit,简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,简称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。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息,结合其硬件完成上述方法的步骤。
存储介质可以是存储器,例如可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
其中,非易失性存储器可以是只读存储器(Read-Only Memory,简称ROM)、可编程只读存储器(Programmable ROM,简称PROM)、可擦除可编程只读存储器(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM,简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,简称SRAM)、动态随机存取存储器(Dynamic RAM,简称DRAM)、同步动态随机存取存储器(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM,简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时,可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (7)
1.一种基于AI自动识别的林业病虫害智能监测管理系统,其特征在于,所述系统包括:
病虫害名录管理模块,所述病虫害名录管理模块用于管理能识别的病虫害名录数据;
监测设备管理模块,所述监测设备管理模块用于管理所有监测设备的基本信息;
监测设备执行策略管理模块,所述监测设备执行策略管理模块用于管理监测设备的执行策略,策略包括监测设备执行的起止日期(、每天起止时间、执行的频次以及关联设备;
病虫害监测告警模块,所述病虫害监测告警模块用于监测识别病虫害并发出告警信息,如识别出美国白蛾、草履疥等,会在图片上标识出来并发出告警信息;
设备告警模块,所述设备告警模块用于监测设备运行状态,并可发出告警信息;
监测结果展示与统计模块,所述监测结果展示与统计模块用于展示所述监测设备的状态数据、所述病虫害监测数据以及统计分析数据。
2.根据权利要求1所述的基于AI自动识别的林业病虫害智能监测管理系统,其特征在于,所述系统还包括:
病虫害监测历史数据管理模块,用于对历史病虫害监测数据进行统计,并生成历史数据统计结果。
3.根据权利要求1所述的基于AI自动识别的林业病虫害智能监测管理系统,其特征在于,所述结果展示模块具体包括:
地图展示模块,用于利用GIS地图展示各所述监测设备的空间位置;
设备参数展示模块,用于展示各所述监测设备的设备状态;
监测数据展示模块,用于通过设备图标调取并展示目标监测设备最近一次的监测数据。
4.根据权利要求1所述的基于AI自动识别的林业病虫害智能监测管理系统,其特征在于,所述监测设备管理模块具体包括:
监测设备详情展示模块,用于展示所有所述监测设备的在线状态和当前执行频次;
监测设备编辑模块,用于编辑所有所述监测设备的参数信息;
监测设备查询模块,用于查询所有所述监测设备的参数信息。
5.根据权利要求1所述的基于AI自动识别的林业病虫害智能监测管理系统,其特征在于,所述监测设备执行策略管理模块具体包括:
执行策略展示模块,用于展示所有所述监测设备的执行策略;
执行策略编辑模块,用于编辑所有所述监测设备的执行策略;
策略设备关联模块,用于将所述监测设备和所述执行策略相关联。
6.根据权利要求2所述的基于AI自动识别的林业病虫害智能监测管理系统,其特征在于,所述病虫害监测历史数据管理模块具体包括:
历史数据展示模块,用于展示存储的历史数据;
历史数据查询模块,用于查询存储的历史数据;
历史数据统计分析模块,用于统计存储的历史数据。
7.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述存储器用于存储如权利要求1-6任一项所述的基于AI自动识别的林业病虫害智能监测管理系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310165779.1A CN116206202A (zh) | 2023-02-21 | 2023-02-21 | 基于ai自动识别的林业病虫害智能监测管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310165779.1A CN116206202A (zh) | 2023-02-21 | 2023-02-21 | 基于ai自动识别的林业病虫害智能监测管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116206202A true CN116206202A (zh) | 2023-06-02 |
Family
ID=86509068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310165779.1A Pending CN116206202A (zh) | 2023-02-21 | 2023-02-21 | 基于ai自动识别的林业病虫害智能监测管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116206202A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289583A (zh) * | 2011-08-11 | 2011-12-21 | 韩宝平 | 一种基于pda的果树病虫害诊断识别系统 |
CN107368570A (zh) * | 2017-07-07 | 2017-11-21 | 吉林农业科技学院 | 经济作物病虫害诊治专家系统 |
CN109102422A (zh) * | 2018-09-26 | 2018-12-28 | 中国农业科学院农业信息研究所 | 一种大数据农业管理系统 |
US20190066234A1 (en) * | 2017-08-28 | 2019-02-28 | The Climate Corporation | Crop disease recognition and yield estimation |
CN112001810A (zh) * | 2020-08-27 | 2020-11-27 | 深圳天海宸光科技有限公司 | 基于机器视觉的智能林业巡护系统及方法 |
US20210248370A1 (en) * | 2020-02-11 | 2021-08-12 | Hangzhou Glority Software Limited | Method and system for diagnosing plant disease and insect pest |
CN113837076A (zh) * | 2021-09-24 | 2021-12-24 | 金陵科技学院 | 一种农业病虫害智能终端分析系统 |
CN115115275A (zh) * | 2022-08-01 | 2022-09-27 | 南宁师范大学 | 一种基于ai的无人值守农作物病虫害监测预警系统 |
CN115393723A (zh) * | 2022-09-20 | 2022-11-25 | 中数通信息有限公司 | 农作物生长态势监测及病虫害监测系统及方法 |
-
2023
- 2023-02-21 CN CN202310165779.1A patent/CN116206202A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289583A (zh) * | 2011-08-11 | 2011-12-21 | 韩宝平 | 一种基于pda的果树病虫害诊断识别系统 |
CN107368570A (zh) * | 2017-07-07 | 2017-11-21 | 吉林农业科技学院 | 经济作物病虫害诊治专家系统 |
US20190066234A1 (en) * | 2017-08-28 | 2019-02-28 | The Climate Corporation | Crop disease recognition and yield estimation |
CN109102422A (zh) * | 2018-09-26 | 2018-12-28 | 中国农业科学院农业信息研究所 | 一种大数据农业管理系统 |
US20210248370A1 (en) * | 2020-02-11 | 2021-08-12 | Hangzhou Glority Software Limited | Method and system for diagnosing plant disease and insect pest |
CN112001810A (zh) * | 2020-08-27 | 2020-11-27 | 深圳天海宸光科技有限公司 | 基于机器视觉的智能林业巡护系统及方法 |
CN113837076A (zh) * | 2021-09-24 | 2021-12-24 | 金陵科技学院 | 一种农业病虫害智能终端分析系统 |
CN115115275A (zh) * | 2022-08-01 | 2022-09-27 | 南宁师范大学 | 一种基于ai的无人值守农作物病虫害监测预警系统 |
CN115393723A (zh) * | 2022-09-20 | 2022-11-25 | 中数通信息有限公司 | 农作物生长态势监测及病虫害监测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11397837B2 (en) | Systems and methods for pest forecasting using historical pesticide usage information | |
US20200117897A1 (en) | Adaptive Artificial Intelligence Training Data Acquisition and Plant Monitoring System | |
CN111767802B (zh) | 一种对象异常状态的检测方法和装置 | |
CN112288711A (zh) | 无人机巡检影像缺陷图像识别方法、装置、设备及介质 | |
CN112055079A (zh) | 一种基于云计算平台的病虫害监测预警系统 | |
CN108874910B (zh) | 基于视觉的小目标识别系统 | |
WO2022165965A1 (zh) | 行为数据的监控方法、装置、设备及介质 | |
CN111109217A (zh) | 一种智能杀虫灯控制系统 | |
CN115631421A (zh) | 耕地智慧保护方法及保护系统 | |
CN115661650A (zh) | 一种基于物联网数据监测的农场管理系统 | |
CN115390504A (zh) | 一种基于5g物联网的智慧农业种植系统 | |
CN116543347A (zh) | 智慧虫情在线监测系统、方法、装置及介质 | |
TW201525917A (zh) | 交互應用中標記可操作圖示的方法和裝置 | |
CN116206202A (zh) | 基于ai自动识别的林业病虫害智能监测管理系统 | |
CN110506719B (zh) | 一种物联网性诱测报系统 | |
CN111507242A (zh) | 一种基于大数据植物病虫害智能识别方法 | |
CN116090902A (zh) | 一种农田远程监测方法及系统 | |
CN115759643A (zh) | 一种基于物联网的蓝莓qaccp生产管理系统 | |
Mazare et al. | Pests detection system for agricultural crops using intelligent image analysis | |
CN214756414U (zh) | 一种基于多网融合的农田智能监测系统 | |
CN112434044A (zh) | 一种工业互联网平台监测数据传输交换方法和系统 | |
CN116719833B (zh) | 一种基于并发同步的病虫害防治数据更新方法和系统 | |
Cavaliere et al. | A multi-agent knowledge-enhanced model for decision-supporting agroforestry systems | |
CN117726194B (zh) | 一种基于大数据的林业环境分析系统 | |
CN115797875A (zh) | 一种白蚁监测系统 |
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 |