CN116326460B - 一种多通道数据采集方法及农作物精准灌溉施肥控制系统 - Google Patents
一种多通道数据采集方法及农作物精准灌溉施肥控制系统 Download PDFInfo
- Publication number
- CN116326460B CN116326460B CN202310587291.8A CN202310587291A CN116326460B CN 116326460 B CN116326460 B CN 116326460B CN 202310587291 A CN202310587291 A CN 202310587291A CN 116326460 B CN116326460 B CN 116326460B
- Authority
- CN
- China
- Prior art keywords
- homomorphic
- region
- area
- moisture content
- sampling points
- 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
- 238000003973 irrigation Methods 0.000 title claims abstract description 28
- 230000002262 irrigation Effects 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000004720 fertilization Effects 0.000 title abstract description 16
- 239000002689 soil Substances 0.000 claims abstract description 97
- 239000003337 fertilizer Substances 0.000 claims abstract description 70
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 52
- 239000007788 liquid Substances 0.000 claims abstract description 20
- 239000003621 irrigation water Substances 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims description 125
- 239000013598 vector Substances 0.000 claims description 56
- 238000001514 detection method Methods 0.000 claims description 33
- 238000001579 optical reflectometry Methods 0.000 claims description 7
- 229930002875 chlorophyll Natural products 0.000 claims description 6
- 235000019804 chlorophyll Nutrition 0.000 claims description 6
- 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 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 2
- 239000004973 liquid crystal related substance Substances 0.000 claims 2
- 241000196324 Embryophyta Species 0.000 description 110
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 229940113601 irrigation solution Drugs 0.000 description 4
- 238000012271 agricultural production Methods 0.000 description 3
- 210000003608 fece Anatomy 0.000 description 3
- 239000010871 livestock manure Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000618 nitrogen fertilizer Substances 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000029553 photosynthesis Effects 0.000 description 2
- 238000010672 photosynthesis Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- 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
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/005—Following a specific plan, e.g. pattern
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C23/00—Distributing devices specially adapted for liquid manure or other fertilising liquid, including ammonia, e.g. transport tanks or sprinkling wagons
- A01C23/007—Metering or regulating systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
-
- 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
- Life Sciences & Earth Sciences (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Fertilizing (AREA)
Abstract
本发明公开一种多通道数据采集方法及农作物精准灌溉施肥控制系统,涉及农业培育技术领域。本发明包括获取每个同态区域内植株的土壤含水量以及植株状态参数;根据种植区域内植株的需求土壤含水量以及同态区域内植株的土壤含水量的差值计算得到同态区域内植株的需求土壤含水量;根据同态区域内植株的植株状态参数得到同态区域内植株的需求肥料种类和质量;用于根据同态区域内植株的需求土壤含水量以及需求肥料种类和质量调配同态区域内植株需求的灌溉水肥液;分区灌溉单元,用于按照每个同态区域内植株需求的灌溉水肥液对同态区域内的植株进行灌溉。本发明实现一次性自动化准确灌溉和施肥。
Description
技术领域
本发明属于农业培育技术领域,特别是涉及一种多通道数据采集方法及农作物精准灌溉施肥控制系统。
背景技术
随着精准农业的发展,农作物的精准灌溉和施肥技术越来越受到重视。这种技术能够根据农作物的具体需求和环境条件,精确地控制灌溉和施肥的时间、数量和位置,从而提高水肥利用效率,减少环境污染,并提高农作物的产量和品质。
然而,目前的农作物精准灌溉和施肥技术主要依赖于手动观察和经验判断,或者使用的是单一传感器,如土壤湿度传感器或气象站数据,这些方法无法全面准确地反映出农田的水肥需求。此外,现有的农田灌溉和施肥控制系统往往操作复杂,需要大量的人力和物力投入,无法实现远程和自动化操作。
发明内容
本发明的目的在于提供一种多通道数据采集方法及农作物精准灌溉施肥控制系统,通过对农产品进行多通道数据采集实现高效准确全面的水肥需求检测,并据此实现一次性自动化准确灌溉和施肥。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明提供一种多通道数据采集方法及农作物精准灌溉施肥控制系统,包括,
植株检测单元,用于在种植区域内获取若干个抽样点;
在所述抽样点通过多个检测通道分别获取土壤含水量以及植株状态参数,其中,所述植株状态参数包括红外光反射率、可见光反射率和/或叶绿素荧光;
需求预估单元,用于获取所述种植区域内植株的需求土壤含水量;
根据每个所述抽样点的所述土壤含水量以及所述植株状态参数将所述种植区域划分为若干个同态区域;
获取每个所述同态区域内植株的所述土壤含水量以及所述植株状态参数;
根据所述种植区域内植株的需求土壤含水量以及所述同态区域内植株的所述土壤含水量的差值计算得到所述同态区域内植株的需求土壤含水量;
根据所述同态区域内植株的所述植株状态参数得到所述同态区域内植株的需求肥料种类和质量;
水肥调配单元,用于根据所述同态区域内植株的需求土壤含水量以及需求肥料种类和质量调配所述同态区域内植株需求的灌溉水肥液;
分区灌溉单元,用于按照每个所述同态区域内植株需求的灌溉水肥液对所述同态区域内的植株进行灌溉。
本发明通过对农作物运用多通道数据收集,实现了对水肥需求的高效、准确、全面检测,进一步实施一次性自动化精确灌溉和施肥。本发明在实施的过程中通过植株检测单元在种植区中获取多个抽样点。各抽样点通过多个检测通道获取土壤含水量和植株状态参数,例如红外光反射率、可见光反射率及叶绿素荧光等。接着,需求预估单元获取种植区内植株需求的土壤含水量。根据每个抽样点的土壤含水量和植株状态参数,将种植区划分为数个同态区域。然后获取每个同态区域内植株的土壤含水量和植株状态参数。按照种植区内植株需求的土壤含水量与同态区域内植株的土壤含水量的差值,计算出同态区域内植株的需求土壤含水量。根据同态区域内植株的植株状态参数,确定同态区域内植株的需求肥料种类和质量。最后水肥调配单元根据同态区域内植株的需求土壤含水量及需求肥料种类和质量,调配出同态区域内植株需求的灌溉水肥液。分区灌溉单元按照每个同态区域内植株需求的灌溉水肥液对同态区域内的植株进行灌溉。综合而言,本方案通过集成化、自动化的方法,实现了农作物的精准灌溉和施肥,显著提高了农业生产效率和作物的产量质量。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明所述一种多通道数据采集方法及农作物精准灌溉施肥控制系统于一实施例的功能模块和信息流向示意图;
图2为本发明所述一种多通道数据采集方法及农作物精准灌溉施肥控制系统于一实施例的步骤流程示意图;
图3为本发明所述步骤S1于一实施例的步骤流程示意图;
图4为本发明所述步骤S4于一实施例的步骤流程示意图;
图5为本发明所述步骤S41于一实施例的步骤流程示意图;
图6为本发明所述步骤S413于一实施例的步骤流程示意图;
图7为本发明所述步骤S414于一实施例的步骤流程示意图;
图8为本发明所述步骤S43于一实施例的步骤流程示意图一;
图9为本发明所述步骤S43于一实施例的步骤流程示意图二;
图10为本发明所述步骤S5于一实施例的步骤流程示意图。
附图中,各标号所代表的部件列表如下:
1-植株检测单元,2-需求预估单元,3-水肥调配单元,4-分区灌溉单元。
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它实施例,都属于本发明保护的范围。
为了对种植区域内的农作物进行准确全面的灌溉,本发明提供以下方案,简化灌溉施肥的操作步骤,提高了农作物的培育效率。
请参阅图1至2所示,本发明提供了一种多通道数据采集方法及农作物精准灌溉施肥控制系统,本系统从功能模块上划分可以包括植株检测单元1、需求预估单元2、水肥调配单元3以及分区灌溉单元4。在具体操作的过程中,首先由植株检测单元1,用于执行步骤S1在种植区域内获取若干个抽样点。接下来可以执行步骤S2在抽样点通过多个检测通道分别获取土壤含水量以及植株状态参数,植株状态参数可以包括红外光反射率、可见光反射率和/或叶绿素荧光。在实际应用中,通过比较红外和可见光反射率来估计植被覆盖度和生产力的常用指数,可以用来间接评估作物对氮肥的需求。叶绿素荧光是一种可以用来评估光合作用效率和植物健康状况的参数。当植物叶片中的氮含量较高时,光合作用效率通常也较高,因此叶绿素荧光可以用来间接评估作物对氮肥的需求。
之后可以由需求预估单元2执行步骤S3获取种植区域内植株的需求土壤含水量,接下来可以执行步骤S4根据每个抽样点的土壤含水量以及植株状态参数将种植区域划分为若干个同态区域。接下来可以执行步骤S5获取每个同态区域内植株的土壤含水量以及植株状态参数。接下来可以执行步骤S6根据种植区域内植株的需求土壤含水量以及同态区域内植株的土壤含水量的差值计算得到同态区域内植株的需求土壤含水量。最后可以执行步骤S7根据同态区域内植株的植株状态参数得到同态区域内植株的需求肥料种类和质量;
之后可以由水肥调配单元3执行步骤S8根据同态区域内植株的需求土壤含水量以及需求肥料种类和质量调配同态区域内植株需求的灌溉水肥液。最后由分区灌溉单元4执行步骤S9按照每个同态区域内植株需求的灌溉水肥液对同态区域内的植株进行灌溉。
以上步骤在实施的过程中,运用多通道数据采集技术,针对农作物实施全面、准确且高效的水肥需求监测,从而实现一次性自动化的精确灌溉和施肥。具体操作包括在种植区获取抽样点、获取土壤含水量和植株状态参数、预估植株需求的土壤含水量、划分同态区域、计算同态区域内植株的需求土壤含水量和需求肥料种类、质量,以及配制灌溉水肥液进行分区灌溉。本方案采用集成化和自动化的方式,显著提升了农业生产效率和作物产量质量。
为了进行补充说明,提供以下可执行代码,并在注释部分进行解释。受限于说明书偏度仅仅公开部分核心功能模块的代码。
#include <iostream>
#include <vector>
#include <map>
// 示例数据结构,用于存储抽样点和相关参数
struct SamplingPoint {
double soil_moisture;
double plant_status;
};
// 示例数据结构,用于存储同态区域及其相关参数
struct HomogeneousZone {
std::vector<SamplingPoint> sampling_points;
double required_soil_moisture;
double required_fertilizer_type;
double required_fertilizer_mass;
double irrigation_solution;
};
int main() {
// 已获取若干个抽样点的数据
std::vector<SamplingPoint> sampling_points = {/* some data */};
// 已获取种植区域内植株的需求土壤含水量
double required_soil_moisture = /* some data */;
// 根据抽样点的土壤含水量和植株状态参数将种植区域划分为若干个同态区域
std::vector<HomogeneousZone> homogeneous_zones = divide_into_zones(sampling_points);
// 遍历每个同态区域
for (HomogeneousZone &zone : homogeneous_zones) {
// 获取同态区域内植株的土壤含水量和植株状态参数
zone.required_soil_moisture = calculate_required_soil_moisture(zone.sampling_points, required_soil_moisture);
// 获取同态区域内植株的需求肥料种类和质量
zone.required_fertilizer_type = get_required_fertilizer_type(zone.sampling_points);
zone.required_fertilizer_mass = get_required_fertilizer_mass(zone.sampling_points);
// 根据同态区域内植株的需求土壤含水量以及需求肥料种类和质量调配同态区域内植株需求的灌溉水肥液
zone.irrigation_solution = mix_irrigation_solution(zone.required_soil_moisture, zone.required_fertilizer_type, zone.required_fertilizer_mass);
// 按照每个同态区域内植株需求的灌溉水肥液对同态区域内的植株进行灌溉
irrigate_plants(zone.irrigation_solution);
}
return 0;
}
请参阅图3所示,为了让抽取出来的抽样点能够充分体现出种植区域内植株的生长状态,需要在保证抽样随机的情况下保持一定的均匀性。有鉴于此,上述的步骤S1在具体实施的过程中首先可以执行步骤S11获取抽样点的数量。接下来可以执行步骤S12获取种植区域的面积。接下来可以执行步骤S13根据种植区域的面积,将种植区域随机划分为面积形状不一的多个随机区域。接下来可以执行步骤S14按照每个随机区域的面积的比值将全部抽样点进行分配,得到每个随机区域内的抽样点的数量。最后可以执行步骤S15按照每个随机区域内的抽样点的数量在随机区域内随机抽取位置点作为抽样点。
为了进行补充说明,提供以下可执行代码,并在注释部分进行解释。受限于说明书偏度仅仅公开部分核心功能模块的代码。
#include <iostream>
#include <vector>
#include <map>
#include <random>
// 定义了一个结构来代表一个随机区域
struct RandomArea {
double area;
std::vector<std::pair<double, double>> sample_points; // 保存抽样点的x,y坐标
};
int main() {
// 获取抽样点的数量
int sample_point_count = /* some data */;
// 获取种植区域的面积
double total_area = /* some data */;
// 将种植区域随机划分为面积形状不一的多个随机区域
std::vector<RandomArea> random_areas = divide_into_random_areas(total_area);
// 按照每个随机区域的面积的比值将全部抽样点进行分配
for (RandomArea &area : random_areas) {
int sample_points_in_this_area = round((area.area / total_area) * sample_point_count);
// 在这个随机区域内随机抽取位置点作为抽样点
for (int i = 0; i < sample_points_in_this_area; ++i) {
std::pair<double, double> sample_point = generate_random_point(area);
area.sample_points.push_back(sample_point);
}
}
return 0;
}
请参阅图4所示,为了将植株生长状态和土壤含水量接近的位置划分到同一个同态区域,上述的步骤S4在具体实施的过程中首先可以执行步骤S41根据种植区域内抽样点的位置以及根据每个抽样点的土壤含水量以及植株状态参数,得到种植区域内各个位置的土壤含水量以及植株状态参数。接下来可以执行步骤S42根据种植区域内各个位置的土壤含水量以及植株状态参数得到种植区域内各个位置的水肥检测状态。最后可以执行步骤S43根据种植区域内各个位置的水肥检测状态获取种植区域内水肥检测状态相同的位置组成的若干个同态区域。
为了进行补充说明,提供以下可执行代码,并在注释部分进行解释。受限于说明书偏度仅仅公开部分核心功能模块的代码。
#include <iostream>
#include <vector>
#include <map>
// 定义了一个结构来代表一个抽样点
struct SamplingPoint {
double x;
double y;
double soil_moisture;
double plant_status;
};
// 定义了一个结构来代表一个同态区域
struct HomogeneousZone {
std::vector<SamplingPoint> points;
};
int main() {
// 已获取若干个抽样点的数据
std::vector<SamplingPoint> sampling_points = {/* some data */};
// 根据种植区域内抽样点的位置以及每个抽样点的土壤含水量和植株状态参数,得到种植区域内各个位置的土壤含水量和植株状态参数
std::map<std::pair<double, double>, std::pair<double, double>>position_to_status = get_position_status(sampling_points);
// 根据种植区域内各个位置的土壤含水量以及植株状态参数得到种植区域内各个位置的水肥检测状态
std::map<std::pair<double, double>, int> position_to_water_fertilizer_status = get_water_fertilizer_status(position_to_status);
// 根据种植区域内各个位置的水肥检测状态获取种植区域内水肥检测状态相同的位置组成的若干个同态区域
std::vector<HomogeneousZone> homogeneous_zones = get_homogeneous_zones(position_to_water_fertilizer_status);
return 0;
}
请参阅图5所示,由于抽样点的数量有限,为了得到种植区域内各个位置较为准确的土壤含水量以及植株状态参数。上述的步骤S41在具体实施的过程中首先可以执行步骤S411对种植区域进行网格化划分,得到多个面积相同的正方形的网格区域,网格区域内只有一个抽样点或没有抽样点。接下来可以执行步骤S412对于具有抽样点的网格区域,将抽样点的土壤含水量以及植株状态参数作为抽样点所在的网格区域的土壤含水量以及植株状态参数。接下来可以执行步骤S413对于不具有抽样点的网格区域,获取网格区域相邻的多干个抽样点。最后可以执行步骤S414根据不具有抽样点的网格区域的相邻的多干个抽样点的土壤含水量以及植株状态参数得到不具有抽样点的网格区域的土壤含水量以及植株状态参数。
为了进行补充说明,提供以下可执行代码,并在注释部分进行解释。受限于说明书偏度仅仅公开部分核心功能模块的代码。
#include <iostream>
#include <vector>
#include <map>
// 定义了一个结构来代表一个抽样点
struct SamplingPoint {
double x;
double y;
double soil_moisture;
double plant_status;
};
// 定义了一个结构来代表一个网格区域
struct GridArea {
double x; // 网格区域的左上角x坐标
double y; // 网格区域的左上角y坐标
double soil_moisture;
double plant_status;
bool has_sample_point;
};
int main() {
// 已获取若干个抽样点的数据
std::vector<SamplingPoint> sampling_points = {/* some data */};
// 对种植区域进行网格化划分,得到多个面积相同的正方形的网格区域
std::vector<GridArea> grid_areas = divide_into_grid_areas();
// 遍历所有网格区域
for (GridArea &grid : grid_areas) {
// 检查当前网格区域是否有抽样点
SamplingPoint* sample_point = get_sample_point_for_grid(grid,sampling_points);
if (sample_point) {
// 如果有抽样点,则将抽样点的土壤含水量以及植株状态参数作为抽样点所在的网格区域的土壤含水量以及植株状态参数
grid.soil_moisture = sample_point->soil_moisture;
grid.plant_status = sample_point->plant_status;
grid.has_sample_point = true;
} else {
// 如果没有抽样点,则获取网格区域相邻的多个抽样点
std::vector<SamplingPoint> adjacent_sample_points = get_adjacent_sample_points(grid, sampling_points);
// 根据不具有抽样点的网格区域的相邻的多个抽样点的土壤含水量以及植株状态参数得到不具有抽样点的网格区域的土壤含水量以及植株状态参数
std::pair<double, double> interpolated_values =interpolate_values(adjacent_sample_points);
grid.soil_moisture = interpolated_values.first;
grid.plant_status = interpolated_values.second;
grid.has_sample_point = false;
}
}
return 0;
}
请参阅图6所示,为了让对不具有抽样点的网格区域的预估补充的土壤含水量以及植株状态参数更加准确,需要充分参考临近有效的抽样点。有鉴于此,上述的步骤S413在具体实施的过程中首先可以执行步骤S4131网格区域的两条相互垂直的对称轴将种植区域划分四个方向域。之后可以执行步骤S4132在每个方向域内将距离网格区域的中心点最近的抽样点作为网格区域相邻的多干个抽样点。
为了进行补充说明,提供以下可执行代码,并在注释部分进行解释。受限于说明书偏度仅仅公开部分核心功能模块的代码。
#include <iostream>
#include <vector>
#include <cmath>
// 定义了一个结构来代表一个抽样点
struct SamplingPoint {
double x;
double y;
double soil_moisture;
double plant_status;
};
// 定义了一个结构来代表一个网格区域
struct GridArea {
double x; // 网格区域的左上角x坐标
double y; // 网格区域的左上角y坐标
double width; // 网格区域的宽度
double height; // 网格区域的高度
double soil_moisture;
double plant_status;
bool has_sample_point;
};
// 计算两个点之间的距离
double calculate_distance(double x1, double y1, double x2, double y2){
return sqrt(pow(x2 - x1, 2) + pow(y2 - y1, 2));
}
// 获取网格区域相邻的多个抽样点
std::vector<SamplingPoint> get_adjacent_sample_points(const GridArea&grid, const std::vector<SamplingPoint>& sampling_points) {
// 网格区域的中心点坐标
double center_x = grid.x + grid.width / 2;
double center_y = grid.y + grid.height / 2;
// 初始化四个方向域的最近抽样点距离为无穷大
double distances[4] = {INFINITY, INFINITY, INFINITY, INFINITY};
SamplingPoint closest_points[4];
// 遍历所有抽样点
for (const SamplingPoint& point : sampling_points) {
// 判断抽样点在哪个方向域内
int quadrant;
if (point.x >= center_x && point.y >= center_y) {
quadrant = 0; // 第一象限
} else if (point.x < center_x && point.y >= center_y) {
quadrant = 1; // 第二象限
} else if (point.x < center_x && point.y < center_y) {
quadrant = 2; // 第三象限
} else {
quadrant = 3; // 第四象限
}
// 计算抽样点与网格区域中心点的距离
double distance = calculate_distance(center_x, center_y,point.x, point.y);
// 如果该抽样点距离网格区域中心点更近,则更新最近抽样点
if (distance < distances[quadrant]) {
distances[quadrant] = distance;
closest_points[quadrant] = point;
}
}
// 返回四个方向域内最近的抽样点
std::vector<SamplingPoint> adjacent_sample_points(closest_points,closest_points + 4);
return adjacent_sample_points;
请参阅图7所示,为了对不具有抽样点的网格区域的土壤含水量以及植株状态参数进行准确的量化计算,上述的步骤S414在具体实施的过程中首先可以执行步骤S4141选取任一点作为位置原点。接下来可以执行步骤S4142根据位置原点和不具有抽样点的网格区域的相邻的多干个抽样点的位置,得到相邻的多干个抽样点的位置矢量。接下来可以执行步骤S4143根据位置原点和不具有抽样点的网格区域中心点的位置,得到不具有抽样点的网格区域中心点的位置矢量。接下来可以执行步骤S4144为相邻的多干个抽样点的位置矢量赋予权重系数,使得相邻的多干个抽样点的位置矢量的加权矢量和等于不具有抽样点的网格区域中心点的位置矢量。最后可以执行步骤S4145将相邻的多干个抽样点的土壤含水量以及植株状态参数按照对应的权重系数进行加权累加得到不具有抽样点的网格区域的土壤含水量以及植株状态参数。
为了进行补充说明,提供以下可执行代码,并在注释部分进行解释。受限于说明书偏度仅仅公开部分核心功能模块的代码。
#include <iostream>
#include <vector>
#include <cmath>
// 定义了一个结构来代表一个抽样点
struct SamplingPoint {
double x;
double y;
double soil_moisture;
double plant_status;
};
// 定义了一个结构来代表一个网格区域
struct GridArea {
double x; // 网格区域的左上角x坐标
double y; // 网格区域的左上角y坐标
double width; // 网格区域的宽度
double height; // 网格区域的高度
double soil_moisture;
double plant_status;
bool has_sample_point;
};
// 计算两个点之间的距离
double calculate_distance(double x1, double y1, double x2, double y2){
return sqrt(pow(x2 - x1, 2) + pow(y2 - y1, 2));
}
// 进行土壤含水量和植株状态参数的插值
std::pair<double, double> interpolate_values(const GridArea& grid,const std::vector<SamplingPoint>& adjacent_sample_points) {
double center_x = grid.x + grid.width / 2;
double center_y = grid.y + grid.height / 2;
// 初始化累加器
double moisture_accumulator = 0.0;
double status_accumulator = 0.0;
double weight_accumulator = 0.0;
// 遍历相邻的抽样点
for (const SamplingPoint& point : adjacent_sample_points) {
// 计算抽样点与网格区域中心点的距离,距离越近权重越大
double distance = calculate_distance(center_x, center_y,point.x, point.y);
double weight = 1 / distance;
// 使用权重累加土壤含水量和植株状态参数
moisture_accumulator += weight * point.soil_moisture;
status_accumulator += weight * point.plant_status;
weight_accumulator += weight;
}
// 计算加权平均的土壤含水量和植株状态参数
double interpolated_moisture = moisture_accumulator / weight_accumulator;
double interpolated_status = status_accumulator / weight_accumulator;
return std::make_pair(interpolated_moisture, interpolated_status);
}
请参阅图8所示,为了将土壤含水量以及植株状态参数相近的位置聚合为同一个同态区域,而不是仅仅将完全形同的位置聚合为同一个同态区域。上述的步骤S43在具体实施的过程中首先可以执行步骤S431将种植区域内各个位置的水肥检测状态按照设定的数值排列方式进行排列得到种植区域内各个位置的水肥特征向量。接下来可以执行步骤S432将种植区域内水肥特征向量相同的位置组合为一个同态子区域。接下来可以执行步骤S433在全部的同态子区域内选择若干个作为基准同态子区域。接下来可以执行步骤S434获取基准同态子区域与其它同态子区域的中心点距离。接下来可以执行步骤S435将其它同态子区域与中心点距离最近的基准同态子区域组合得到同态区域。接下来可以执行步骤S436获取同态区域的中心点。接下来可以执行步骤S437判断同态区域的中心点是否与对应的基准同态子区域重叠。若是则接下来可以执行步骤S438得到同态区域,若否则最后可以执行步骤S439将同态区域的中心点作为更新后的基准同态子区域并更新同态区域。
为了进行补充说明,提供以下可执行代码,并在注释部分进行解释。受限于说明书偏度仅仅公开部分核心功能模块的代码。
#include <iostream>
#include <vector>
#include <cmath>
#include <map>
// 定义了一个结构来代表一个同态子区域
struct HomogeneousSubArea {
double x; // 子区域的中心x坐标
double y; // 子区域的中心y坐标
double characteristic_vector; // 水肥特征向量
};
// 定义了一个结构来代表一个同态区域
struct HomogeneousArea {
double x; // 区域的中心x坐标
double y; // 区域的中心y坐标
std::vector<HomogeneousSubArea> subAreas;
};
// 计算两个点之间的距离
double calculate_distance(double x1, double y1, double x2, double y2){
return sqrt(pow(x2 - x1, 2) + pow(y2 - y1, 2));
}
// 对同态子区域进行聚类,生成同态区域
std::vector<HomogeneousArea> cluster_subAreas(const std::vector<HomogeneousSubArea>& subAreas) {
std::map<double, HomogeneousArea> clusters;
// 将每个同态子区域分配到最近的同态区域
for (const HomogeneousSubArea& subArea : subAreas) {
double min_distance = std::numeric_limits<double>::max();
double closest_cluster = 0.0;
for (const auto& cluster : clusters) {
double distance = calculate_distance(cluster.second.x,cluster.second.y, subArea.x, subArea.y);
if (distance < min_distance) {
min_distance = distance;
closest_cluster = cluster.first;
}
}
// 如果找到了最近的同态区域,将同态子区域添加到该区域
// 如果没有找到,创建一个新的同态区域
if (min_distance < 1.0) { // 这里的1.0是一个阈值,需要根据实际情况进行调整
clusters[closest_cluster].subAreas.push_back(subArea);
} else {
HomogeneousArea newArea;
newArea.x = subArea.x;
newArea.y = subArea.y;
newArea.subAreas.push_back(subArea);
clusters[subArea.characteristic_vector] = newArea;
}
}
// 将聚类结果从map转换为vector
std::vector<HomogeneousArea> result;
for (const auto& cluster : clusters) {
result.push_back(cluster.second);
}
return result;
}
请参阅图9所示,在另一个实施例中,种植区域内分散分布的多个同态区域可能具有相同的水肥检测状态,尽管在空间位置上不接壤,但是可以通过并联或串联的管线连通,因此可以将其并入同一个同态区域内。有鉴于此,上述的步骤S43在实施的过程中首先可以执行步骤S431将种植区域内各个位置的水肥检测状态按照设定的数值排列方式进行排列得到种植区域内各个位置的水肥特征向量。接下来可以执行步骤S432将种植区域内水肥特征向量相同的位置组合为一个同态子区域。接下来可以执行步骤S433在全部的同态子区域内选择若干个作为基准同态子区域。接下来可以执行步骤S434获取基准同态子区域与其它同态子区域的中心点距离。接下来可以执行步骤S435将其它同态子区域与中心点距离最近的基准同态子区域组合得到同态区域。接下来可以执行步骤S436获取同态区域的中心点。接下来可以执行步骤S437判断同态区域的中心点是否与对应的基准同态子区域重叠。若是则接下来可以执行步骤S438得到同态区域,若否则接下来可以执行步骤S439将同态区域的中心点作为更新后的基准同态子区域并更新同态区域。最后可以执行步骤S4310将水肥特征向量相同且相互离散的若干个同态区域划入同一个同态区域。
为了进行补充说明,提供以下可执行代码,并在注释部分进行解释。受限于说明书偏度仅仅公开部分核心功能模块的代码。
#include <iostream>
#include <vector>
#include <algorithm>
#include <cmath>
struct Grid {
double x, y; // 中心点坐标
double status; // 水肥检测状态
};
struct HomogeneousArea {
std::vector<Grid> grids;
double x, y; // 中心点坐标
double status; // 水肥检测状态
};
double calculateDistance(Grid a, Grid b) {
return sqrt(pow(a.x - b.x, 2) + pow(a.y - b.y, 2));
}
std::vector<HomogeneousArea> getHomogeneousAreas(std::vector<Grid>&grids) {
std::sort(grids.begin(), grids.end(), [](const Grid& a, constGrid& b) {
return a.status < b.status;
});
std::vector<HomogeneousArea> homogeneousAreas;
for (Grid& grid : grids) {
bool found = false;
for (HomogeneousArea& area : homogeneousAreas) {
if (area.status == grid.status) {
area.grids.push_back(grid);
area.x = (area.x * (area.grids.size() - 1) + grid.x)/ area.grids.size();
area.y = (area.y * (area.grids.size() - 1) + grid.y)/ area.grids.size();
found = true;
break;
}
}
if (!found) {
homogeneousAreas.push_back({{grid}, grid.x, grid.y,grid.status});
}
}
for (size_t i = 0; i < homogeneousAreas.size(); i++) {
HomogeneousArea& area = homogeneousAreas[i];
double minDistance = std::numeric_limits<double>::max();
size_t closestIndex;
for (size_t j = 0; j < homogeneousAreas.size(); j++) {
if (i == j) continue;
HomogeneousArea& otherArea = homogeneousAreas[j];
double distance = calculateDistance({area.x, area.y, 0},{otherArea.x, otherArea.y, 0});
if (distance < minDistance) {
minDistance = distance;
closestIndex = j;
}
}
if (minDistance > 1.0) { // 这个距离阈值需要根据实际情况设置
homogeneousAreas[closestIndex].grids.insert(homogeneousAreas[closestIndex].grids.end(),
area.grids.begin(),
area.grids.end());
homogeneousAreas.erase(homogeneousAreas.begin() + i);
i--;
}
}
return homogeneousAreas;
}
请参阅图10所示,由于同一个同态区域内不同位置的植株的土壤含水量以及植株状态参数并非是完全相同的,为了选取其中具有代表性的数值,用以调配出符合整个同态区域内全部植株的需求的灌溉水肥液,上述的步骤S5在实施的过程中首先可以执行步骤S51获取同态区域中基准同态子区域的中心点。之后可以执行步骤S52获取同态区域中距离对应基准同态子区域的中心点最近的抽样点的土壤含水量以及植株状态参数作为同态区域内植株的土壤含水量以及植株状态参数。
为了进行补充说明,提供以下可执行代码,并在注释部分进行解释。受限于说明书偏度仅仅公开部分核心功能模块的代码。
#include <iostream>
#include <vector>
#include <limits>
#include <cmath>
struct SamplingPoint {
double x, y; // 抽样点的坐标
double soilMoisture; // 土壤含水量
double plantStatus; // 植株状态参数
};
struct HomogeneousArea {
double x, y; // 同态区域的中心点坐标
std::vector<SamplingPoint> samplingPoints; // 同态区域内的抽样点
};
double calculateDistance(double x1, double y1, double x2, double y2){
return sqrt(pow(x2 - x1, 2) + pow(y2 - y1, 2));
}
SamplingPoint getClosestSamplingPoint(HomogeneousArea& area) {
double minDistance = std::numeric_limits<double>::max();
SamplingPoint closestSamplingPoint;
for (SamplingPoint& point : area.samplingPoints) {
double distance = calculateDistance(area.x, area.y, point.x,point.y);
if (distance < minDistance) {
minDistance = distance;
closestSamplingPoint = point;
}
}
return closestSamplingPoint;
}
综上所述,本方案在实施的过程中通过对农作物采用多通道数据获取,成功实现了水肥需求的全面、精确、高效监测,从而推动一次性自动化的精准灌溉和施肥。在具体操作中,通过植株检测单元在种植区获得了众多的抽样点。这些抽样点通过多个检测通道获取土壤含水量和植株状态参数。之后由需求预估单元获取种植区内植株需求的土壤含水量。根据每个抽样点的土壤含水量和植株状态参数,种植区被划分为多个同态区域。接着获取每个同态区域内植株的土壤含水量和植株状态参数。根据种植区内植株需求的土壤含水量与同态区域内植株的土壤含水量的差值,计算同态区域内植株的需求土壤含水量。并根据同态区域内植株的状态参数,确定植株的需求肥料种类和质量。最后由水肥调配单元根据同态区域内植株的需求土壤含水量和需求肥料种类和质量,配制出同态区域内植株需求的灌溉水肥液。分区灌溉单元根据每个同态区域内植株需求的灌溉水肥液对同态区域内的植株进行灌溉。总而言之,本方案通过集成化和自动化的方式,实现了农作物的精确灌溉和施肥,大大提升了农业生产效率和作物的产量质量。
附图中的流程图和框图显示了根据本申请的多个实施例的装置、系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行相应的功能或动作的硬件,例如电路或ASIC(专用集成电路,Application Specific Integrated Circuit)来实现,或者可以用硬件和软件的组合,如固件等来实现。
尽管在此结合各实施例对本发明进行了描述,然而,在实施所要求保护的本发明过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其它变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其它单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (6)
1.一种多通道数据采集方法及农作物精准灌溉施肥控制系统,其特征在于,包括,
植株检测单元,用于在种植区域内获取若干个抽样点;
在所述抽样点通过多个检测通道分别获取土壤含水量以及植株状态参数,其中,所述植株状态参数包括红外光反射率、可见光反射率和/或叶绿素荧光;
需求预估单元,用于获取所述种植区域内植株的需求土壤含水量;
根据每个所述抽样点的所述土壤含水量以及所述植株状态参数将所述种植区域划分为若干个同态区域;
获取每个所述同态区域内植株的所述土壤含水量以及所述植株状态参数;
根据所述种植区域内植株的需求土壤含水量以及所述同态区域内植株的所述土壤含水量的差值计算得到所述同态区域内植株的需求土壤含水量;
根据所述同态区域内植株的所述植株状态参数得到所述同态区域内植株的需求肥料种类和质量;
水肥调配单元,用于根据所述同态区域内植株的需求土壤含水量以及需求肥料种类和质量调配所述同态区域内植株需求的灌溉水肥液;
分区灌溉单元,用于按照每个所述同态区域内植株需求的灌溉水肥液对所述同态区域内的植株进行灌溉;
其中,
所述根据每个所述抽样点的所述土壤含水量以及所述植株状态参数将所述种植区域划分为若干个同态区域的步骤,包括,
根据所述种植区域内所述抽样点的位置以及根据每个所述抽样点的所述土壤含水量以及所述植株状态参数,得到所述种植区域内各个位置的所述土壤含水量以及所述植株状态参数;
根据所述种植区域内各个位置的所述土壤含水量以及所述植株状态参数得到所述种植区域内各个位置的水肥检测状态;
根据所述种植区域内各个位置的水肥检测状态获取所述种植区域内水肥检测状态相同的位置组成的若干个同态区域;
所述根据所述种植区域内各个位置的水肥检测状态获取所述种植区域内水肥检测状态相同的位置组成的若干个同态区域的步骤,包括,
将所述种植区域内各个位置的水肥检测状态按照设定的数值排列方式进行排列得到所述种植区域内各个位置的水肥特征向量;
将所述种植区域内水肥特征向量相同的位置组合为一个同态子区域;
在全部的所述同态子区域内选择若干个作为基准同态子区域;
获取所述基准同态子区域与其它所述同态子区域的中心点距离;
将其它所述同态子区域与中心点距离最近的所述基准同态子区域组合得到所述同态区域;
获取所述同态区域的中心点;
判断所述同态区域的中心点是否与对应的所述基准同态子区域重叠;
若是,则得到所述同态区域;
若否,则将所述同态区域的中心点作为更新后的所述基准同态子区域并更新所述同态区域;
所述根据所述种植区域内各个位置的水肥检测状态获取所述种植区域内水肥检测状态相同的位置组成的若干个同态区域的步骤,还包括,
将水肥特征向量相同且相互离散的若干个所述同态区域划入同一个所述同态区域。
2.根据权利要求1所述的系统,其特征在于,所述在种植区域内获取若干个抽样点的步骤,包括,
获取所述抽样点的数量;
获取所述种植区域的面积;
根据所述种植区域的面积,将所述种植区域随机划分为面积形状不一的多个随机区域;
按照每个所述随机区域的面积的比值将全部所述抽样点进行分配,得到每个所述随机区域内的所述抽样点的数量;
按照每个所述随机区域内的所述抽样点的数量在所述随机区域内随机抽取位置点作为抽样点。
3.根据权利要求1所述的系统,其特征在于,所述根据所述种植区域内所述抽样点的位置以及根据每个所述抽样点的所述土壤含水量以及所述植株状态参数,得到所述种植区域内各个位置的所述土壤含水量以及所述植株状态参数的步骤,包括,
对所述种植区域进行网格化划分,得到多个面积相同的正方形的网格区域,所述网格区域内只有一个所述抽样点或没有抽样点;
对于具有所述抽样点的所述网格区域,将所述抽样点的土壤含水量以及所述植株状态参数作为所述抽样点所在的网格区域的土壤含水量以及所述植株状态参数;
对于不具有所述抽样点的所述网格区域,获取所述网格区域相邻的多干个所述抽样点;
根据不具有所述抽样点的所述网格区域的相邻的多干个所述抽样点的土壤含水量以及所述植株状态参数得到不具有所述抽样点的所述网格区域的土壤含水量以及所述植株状态参数。
4.根据权利要求3所述的系统,其特征在于,所述获取所述网格区域相邻的多干个所述抽样点的步骤,包括,
所述网格区域的两条相互垂直的对称轴将所述种植区域划分四个方向域;
在每个所述方向域内将距离所述网格区域的中心点最近的所述抽样点作为所述网格区域相邻的多干个所述抽样点。
5.根据权利要求3所述的系统,其特征在于,所述根据不具有所述抽样点的所述网格区域的相邻的多干个所述抽样点的土壤含水量以及所述植株状态参数得到不具有所述抽样点的所述网格区域的土壤含水量以及所述植株状态参数的步骤,包括,
选取任一点作为位置原点;
根据所述位置原点和所述不具有所述抽样点的所述网格区域的相邻的多干个所述抽样点的位置,得到相邻的多个所述抽样点的位置矢量;
根据位置原点和不具有所述抽样点的所述网格区域中心点的位置,得到不具有所述抽样点的所述网格区域中心点的位置矢量;
为相邻的多干个所述抽样点的位置矢量赋予权重系数,使得相邻的多干个所述抽样点的位置矢量的加权矢量和等于不具有所述抽样点的所述网格区域中心点的位置矢量;
将相邻的多干个所述抽样点的土壤含水量以及所述植株状态参数按照对应的权重系数进行加权累加得到不具有所述抽样点的所述网格区域的土壤含水量以及所述植株状态参数。
6.根据权利要求1所述的系统,其特征在于,所述获取每个所述同态区域内植株的所述土壤含水量以及所述植株状态参数的步骤,包括,
获取所述同态区域中所述基准同态子区域的中心点;
获取所述同态区域中距离对应所述基准同态子区域的中心点最近的所述抽样点的所述土壤含水量以及所述植株状态参数作为所述同态区域内植株的所述土壤含水量以及所述植株状态参数。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310587291.8A CN116326460B (zh) | 2023-05-24 | 2023-05-24 | 一种多通道数据采集方法及农作物精准灌溉施肥控制系统 |
US18/380,861 US11968920B1 (en) | 2023-05-24 | 2023-10-17 | System for multi-channel data acquisition and precision irrigation and fertilizer application control of crops |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310587291.8A CN116326460B (zh) | 2023-05-24 | 2023-05-24 | 一种多通道数据采集方法及农作物精准灌溉施肥控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116326460A CN116326460A (zh) | 2023-06-27 |
CN116326460B true CN116326460B (zh) | 2023-08-04 |
Family
ID=86893246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310587291.8A Active CN116326460B (zh) | 2023-05-24 | 2023-05-24 | 一种多通道数据采集方法及农作物精准灌溉施肥控制系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11968920B1 (zh) |
CN (1) | CN116326460B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106067169A (zh) * | 2016-05-24 | 2016-11-02 | 北京农业信息技术研究中心 | 植物水分胁迫状态自动监控方法及系统 |
RU2016133563A (ru) * | 2016-08-15 | 2018-02-20 | Федеральное государственное бюджетное научное учреждение "Агрофизический научно-исследовательский институт" (ФГБНУ АФИ) | Способ дифференцированного управления орошением посевов и устройство для его осуществления |
CN110689173A (zh) * | 2019-09-12 | 2020-01-14 | 黄河水利委员会黄河水利科学研究院 | 一种灌区农业灌溉用水需求决策方法及系统 |
CN111372444A (zh) * | 2017-12-01 | 2020-07-03 | 索尼公司 | 信息处理装置、信息处理方法以及植被管理系统 |
CN111771693A (zh) * | 2020-07-10 | 2020-10-16 | 广州大学 | 一种土壤墒情的人工智能控制方法及系统 |
CN112710613A (zh) * | 2020-12-18 | 2021-04-27 | 太原理工大学 | 一种三组分状态下的光合植被参数遥感估算指数确定方法 |
CN113040034A (zh) * | 2021-03-26 | 2021-06-29 | 西京学院 | 一种节水灌溉控制系统及控制方法 |
CN113177345A (zh) * | 2021-06-30 | 2021-07-27 | 中国科学院地理科学与资源研究所 | 一种网格化作物种植布局优化方法 |
CN113229123A (zh) * | 2021-06-02 | 2021-08-10 | 湖北工程学院 | 农作物智能灌溉方法、装置、设备及存储介质 |
CN114711010A (zh) * | 2022-06-09 | 2022-07-08 | 苏州农业职业技术学院 | 一种月季栽培中水土肥管理方法、系统及介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013012826A1 (en) * | 2011-07-15 | 2013-01-24 | Earthtec Solutions Llc | Crop-specific automated irrigation and nutrient management |
WO2014153570A2 (en) * | 2013-03-15 | 2014-09-25 | Transtar Group, Ltd | New and improved system for processing various chemicals and materials |
-
2023
- 2023-05-24 CN CN202310587291.8A patent/CN116326460B/zh active Active
- 2023-10-17 US US18/380,861 patent/US11968920B1/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106067169A (zh) * | 2016-05-24 | 2016-11-02 | 北京农业信息技术研究中心 | 植物水分胁迫状态自动监控方法及系统 |
RU2016133563A (ru) * | 2016-08-15 | 2018-02-20 | Федеральное государственное бюджетное научное учреждение "Агрофизический научно-исследовательский институт" (ФГБНУ АФИ) | Способ дифференцированного управления орошением посевов и устройство для его осуществления |
CN111372444A (zh) * | 2017-12-01 | 2020-07-03 | 索尼公司 | 信息处理装置、信息处理方法以及植被管理系统 |
CN110689173A (zh) * | 2019-09-12 | 2020-01-14 | 黄河水利委员会黄河水利科学研究院 | 一种灌区农业灌溉用水需求决策方法及系统 |
CN111771693A (zh) * | 2020-07-10 | 2020-10-16 | 广州大学 | 一种土壤墒情的人工智能控制方法及系统 |
CN112710613A (zh) * | 2020-12-18 | 2021-04-27 | 太原理工大学 | 一种三组分状态下的光合植被参数遥感估算指数确定方法 |
CN113040034A (zh) * | 2021-03-26 | 2021-06-29 | 西京学院 | 一种节水灌溉控制系统及控制方法 |
CN113229123A (zh) * | 2021-06-02 | 2021-08-10 | 湖北工程学院 | 农作物智能灌溉方法、装置、设备及存储介质 |
CN113177345A (zh) * | 2021-06-30 | 2021-07-27 | 中国科学院地理科学与资源研究所 | 一种网格化作物种植布局优化方法 |
CN114711010A (zh) * | 2022-06-09 | 2022-07-08 | 苏州农业职业技术学院 | 一种月季栽培中水土肥管理方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
US11968920B1 (en) | 2024-04-30 |
CN116326460A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Raudsepp-Hearne et al. | Scale and ecosystem services: how do observation, management, and analysis shift with scale—lessons from Québec | |
US9898016B2 (en) | Variable product agrochemicals application management | |
CN105761150B (zh) | 农作物信息及样本的采集方法和系统 | |
CN105389663B (zh) | 一种农田灌溉智能决策系统和方法 | |
CN113575388A (zh) | 基于人工智能和大数据的农业智能灌溉系统 | |
Kipkorir et al. | Transformation of yield response factor into Jensen's sensitivity index | |
CN116326460B (zh) | 一种多通道数据采集方法及农作物精准灌溉施肥控制系统 | |
CN110598514B (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 | |
Naceur et al. | WATER USE AND TECHNICAL EFFICIENCIES IN PRIVATE IRRIGATEDPERIMETERS IN SOUTH-EASTERN OF TUNISIA | |
CN107609687B (zh) | 一种农作物品种测试站点布局方法及装置 | |
CN105117967A (zh) | 一种用于有机农作物种植管理的土壤湿度智能监管方法 | |
CN116415488A (zh) | 一种土壤湿度预测方法、装置、电子设备及存储介质 | |
CN104569342B (zh) | 一种确定土壤水分监测仪器埋设位置的方法和装置 | |
Pentjuss et al. | Improving precision agriculture methods with multiagent systems in Latvian agricultural field | |
CN114332613A (zh) | 基于遥感影像的农地健康状态预测方法、装置、设备和存储介质 | |
CN107392356A (zh) | 一种管理田块的矩形格网构建方法 | |
CN112913393A (zh) | 农作物播种深度智能决策系统、方法、存储介质与设备 | |
Feinerman et al. | The value of information on the response function of crops to soil salinity | |
CN113973559B (zh) | 一种智能施肥方法及装置 | |
CN117314019B (zh) | 一种农业面源污染产生量评估方法 | |
CN114170508B (zh) | 一种土地资源监控方法、系统、存储介质及智能终端 | |
US20230385960A1 (en) | Method, system, computer equipment and medium for estimating nitrogen application amount in distributive regions | |
CN115660236B (zh) | 作物物候期预测方法、装置、电子设备和存储介质 | |
CN117036084A (zh) | 一种农业生产区域布局管理系统及方法 | |
CN207281824U (zh) | 生态灌区智能高效管理系统 |
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 |