CN116664332B - 一种基于数字孪生的农业生产的监控系统 - Google Patents
一种基于数字孪生的农业生产的监控系统 Download PDFInfo
- Publication number
- CN116664332B CN116664332B CN202310954636.9A CN202310954636A CN116664332B CN 116664332 B CN116664332 B CN 116664332B CN 202310954636 A CN202310954636 A CN 202310954636A CN 116664332 B CN116664332 B CN 116664332B
- Authority
- CN
- China
- Prior art keywords
- strawberry
- growth
- greenhouse
- strawberries
- maturity
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 238000012271 agricultural production Methods 0.000 title claims abstract description 20
- 241000220223 Fragaria Species 0.000 claims abstract description 308
- 235000016623 Fragaria vesca Nutrition 0.000 claims abstract description 204
- 235000011363 Fragaria x ananassa Nutrition 0.000 claims abstract description 204
- 238000012423 maintenance Methods 0.000 claims abstract description 112
- 235000021012 strawberries Nutrition 0.000 claims abstract description 98
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 238000004088 simulation Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims description 80
- 235000013399 edible fruits Nutrition 0.000 claims description 12
- 238000005286 illumination Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000005068 transpiration Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Animal Husbandry (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Emergency Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种基于数字孪生的农业生产的监控系统，涉及智慧农业技术领域，对草莓的生长条件及生长状态进行检测，生成种植条件系数，向外部发出提醒信息；建立大棚作物生长数字孪生模型，建立成熟度系数，向外部发出预警信息；结合大棚作物生长数字孪生模型对草莓的生长状态进行仿真分析，获取生长偏差因素；建立落后状态特征库，检索草莓养护方案，汇总后建立草莓养护方案库，从草莓养护方案库匹配出对应的草莓养护方案；对匹配出的草莓养护方案进行仿真分析，以成熟度系数的值对草莓养护方案形成筛选，在借助了数字孪生模型后，对草莓的生长进度进行全程监控，对生长偏差因素的及时调整，维持草莓良好的生长状态。
Description
技术领域
本发明涉及智慧农业技术领域，具体为一种基于数字孪生的农业生产的监控系统。
背景技术
智慧农业是指利用先进的技术和信息通信技术来改进农业生产和管理的方法。它的目标是提高农业生产的效率、可持续性和质量，同时减少资源的浪费和对环境的负面影响。智慧农业利用各种技术和工具来监测、分析和优化农业活动。随着信息技术的不断深化，智慧农业也开始引入数字孪生技术，通过建立数字孪生模型，对农业活动形成辅助，实现农业种植的精细化管理。
为了增加草莓种植的产量，通常会借助于大棚的配合，因为大棚处于一个相对封闭的环境，内部的环境条件参数控制方便，草莓的生长环境更容易调节，而在结合了数字孪生技术之后，种植人员对草莓的生长状态更是能够进行分析和预测，实现草莓种植管理的精确化。
为了保障大棚内的草莓生长状态正常并提高产量，种植人员通常还会对草莓的生长状态进行全程监控，但是现有的监控系统主要侧重于数据的采集获取，但这对草莓种植及生长没有直接的指导意义，特别是在草莓生长状态和预期产生一点的产生一定偏差时，虽然能够进行预警，但是仍然需要种植人员自己寻找解决方案。
为此，本发明提供了一种基于数字孪生的农业生产的监控系统。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种基于数字孪生的农业生产的监控系统，对草莓的生长条件及生长状态进行检测，生成种植条件系数，向外部发出提醒信息；建立大棚作物生长数字孪生模型，建立成熟度系数，向外部发出预警信息；结合大棚作物生长数字孪生模型对草莓的生长状态进行仿真分析，获取生长偏差因素；建立落后状态特征库，检索草莓养护方案，汇总后建立草莓养护方案库，从草莓养护方案库匹配出对应的草莓养护方案；对匹配出的草莓养护方案进行仿真分析，以成熟度系数的值对草莓养护方案形成筛选，在借助了数字孪生模型后，对草莓的生长进度进行全程监控，对生长偏差因素的及时调整，维持草莓良好的生长状态，解决了背景技术中的问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于数字孪生的农业生产的监控方法，包括如下内容：
在大棚内的草莓处于生长状态时，结合大棚的形状构造，建立并输出大棚三维模型，并标记出其内部的草莓种植区域；在大棚内设置若干个检测点，对草莓的生长条件及生长状态进行检测，汇总获取检测数据并生成种植条件系数Zsj，若种植条件系数Zsj在生长条件阈值范围之外时，向外部发出提醒信息；
若接收到提醒信息，则由设置在检测点处的检测装置在大棚内采集草莓生长状态参数，进而建立大棚作物生长数字孪生模型，并持续检测草莓的生长状态，由获取的检测结果建立成熟度系数Cds，在成熟度系数Cds小于预设的熟度阈值时，向外部发出预警信息；
收到预警信息后，结合草莓的生长状态，从获取的草莓生长状态参数中筛选出生长偏差比最大的若干个，并以其作为输入，结合大棚作物生长数字孪生模型对草莓的生长状态进行仿真分析，以使成熟度系数Cds低于预设的熟度阈值的草莓生长状态参数作为生长偏差因素输出；
以生长偏差因素作为落后状态特征，建立落后状态特征库，检索用于改善草莓生长进度的草莓养护方案，汇总后建立草莓养护方案库；在草莓的成熟度系数Cds低于预设的熟度阈值时，结合草莓生长的落后状态特征，使用训练后的文本匹配模型，从草莓养护方案库匹配出对应的草莓养护方案；
结合大棚作物生长数字孪生模型，对匹配出的草莓养护方案进行仿真分析，并获取对应的成熟度系数Cds，以成熟度系数Cds的值对草莓养护方案形成筛选，若不存在使成熟度系数Cds增加的草莓养护方案，则向外发出预警。
进一步的，在大棚内种植有草莓时，获取大棚的规格和构造参数，建立并输出大棚的三维模型，确定大棚内草莓的种植区域后，将种植区域在大棚模型内标记；在大棚内设置若干个检测点，获取大棚内的环境条件数据，汇总后建立第一检测数据集；
第一检测数据集建立方式如下：获取大棚内空气的平均湿度，生成空气湿度Ks；获取大棚内的每日的平均光照强度，生成光照强度Gq；获取大棚内的每日的最高温度及最低温度之间的差值，作为温差Wc；汇总空气湿度Ks、光照强度Gq及温差Wc，建立第一检测数据集。
进一步的，对第一检测数据集内的空气湿度Ks、光照强度Gq及温差Wc做无量纲处理后，依照如下公式生成种植条件系数Zsj：
其中，，且/>为权重，若种植条件系数Zsj在预先设置的生长条件阈值范围之外时，向外部发出提醒信息。
进一步的，在收到提醒信息后，由设置在检测点处的检测设备在大棚内进行数据采集，采集的草莓生长状态参数包括：土壤数据及草莓植株生理参数，汇总后，建立第二检测数据集；
结合所采集的第一检测数据集及第二检测数据集，在训练和测试后建立大棚作物生长数字孪生模型；在草莓处于结果期时，由设置于大棚顶端位置的成像设备对种植区域内的草莓进行成像，获取生长状态下的草莓图像。
进一步的，在对草莓图像进行识别后，获取草莓的果径Gj，若果径Gj大于预设的果径阈值，则对相应的草莓的糖分含量进行检测，获取草莓的含糖量并生成含糖量Ht，汇总后建立草莓生长状态集；对汇总后建立草莓生长状态集内的果径Gj及含糖量Ht做无量纲处理，依照如下公式生成草莓的成熟度系数Cds：
其中，且/>为权重，其具体值由用户调整设置，D为常数修正系数；若成熟度系数Cds小于预设的熟度阈值时，向外部发出预警信息。
进一步的，接收到预警信息后，在当前时刻，通过设置于检测点的检测装置重新获取草莓植株生理参数及相应的第二检测数据集；将第二检测数据集中的参数与对应的参数标准值相比，以差值与标准值的比值作为生长偏差比；
获取第二检测数据集中生长偏差比最大若干个草莓生长状态参数后，获取已经构建好的大棚作物生长数字孪生模型，在依据生长偏差比对第二检测数据集中的对应的草莓生长状态参数进行补充性调整后，对草莓的生长进行仿真分析；经过仿真分析并为使成熟度系数Cds不低于预设的熟度阈值，将调整幅度超过幅度阈值的若干个草莓生长状态参数作为生长偏差因素输出。
进一步的，获取并汇总所输出的生长偏差因素，以生长偏差因素作为落后状态特征，汇总后建立落后状态特征库；使用训练后的检索模型，以线性查找的方式从公开的网络渠道检索用于改善草莓生长进度的草莓养护方案，在汇总后建立草莓养护方案库；使用训练后的主题生成模型，通过输入草莓养护方案，输出养护方案主题，并以此作为养护特征对草莓养护方案进行标记。
进一步的，使用训练后的文本匹配模型，依据其推荐匹配作用，在草莓的成熟度系数Cds低于预设的熟度阈值时，获取草莓生长的落后状态特征，结合落后状态特征与养护特征间的相似性，从草莓养护方案库匹配出对应的草莓养护方案；匹配出的草莓养护方案为一个或者多个。
进一步的，在草莓当前的生长状态下，获取大棚作物生长数字孪生模型及匹配输出的草莓养护方案，以第一检测数据集中内的环境条件数据及草莓养护方案作为输入，对草莓的生长状态进行预测，并获取大棚内草莓的成熟度系数Cds；
判断成熟度系数Cds是否会增加，若成熟度系数Cds增加，且使成熟度系数Cds增加的草莓养护方案不止一个时，将使成熟度系数Cds增加比例最大的草莓养护方案作为推荐方案，其次的作为备用方案；若成熟度系数Cds未增加，将模拟后的草莓生长状态输出，并向外发出预警。
一种基于数字孪生的农业生产的监控系统，包括：
第一预警单元，在大棚内的草莓处于生长状态时，结合大棚的形状构造，建立并输出大棚三维模型，并标记出其内部的草莓种植区域；在大棚内设置若干个检测点，对草莓的生长条件及生长状态进行检测，汇总获取检测数据并生成种植条件系数Zsj，若种植条件系数Zsj在生长条件阈值范围之外时，向外部发出提醒信息；
第二预警单元，若接收到提醒信息，则由设置在检测点处的检测装置在大棚内采集草莓生长状态参数，进而建立大棚作物生长数字孪生模型，并持续检测草莓的生长状态，由获取的检测结果建立成熟度系数Cds，在成熟度系数Cds小于预设的熟度阈值时，向外部发出预警信息；
分析单元，收到预警信息后，结合草莓的生长状态，从获取的草莓生长状态参数中筛选出生长偏差比最大的若干个，并以其作为输入，结合大棚作物生长数字孪生模型对草莓的生长状态进行仿真分析，以使成熟度系数Cds低于预设的熟度阈值的草莓生长状态参数作为生长偏差因素输出；
匹配单元，以生长偏差因素作为落后状态特征，建立落后状态特征库，检索用于改善草莓生长进度的草莓养护方案，汇总后建立草莓养护方案库；在草莓的成熟度系数Cds低于预设的熟度阈值时，结合草莓生长的落后状态特征，使用训练后的文本匹配模型，从草莓养护方案库匹配出对应的草莓养护方案；
第三预警单元，结合大棚作物生长数字孪生模型，对匹配出的草莓养护方案进行仿真分析，并获取对应的成熟度系数Cds，以成熟度系数Cds的值对草莓养护方案形成筛选，若不存在使成熟度系数Cds增加的草莓养护方案，则向外发出预警。
（三）有益效果
本发明提供了一种基于数字孪生的农业生产的监控系统，具备以下有益效果：
1、对草莓的生长状态进行监控，以通过监控数据获取的草莓生长状态集生成并输出成熟度系数Cds，以成熟度系数Cds对草莓是否成熟形成判断，在草莓应当处于成熟阶段但并未成熟时，可以向外部发出预警，提醒其及时处理。
2、在建立大棚作物生长数字孪生模型后，获取草莓的生长偏差比，进行仿真分析，对草莓生长状态参数进行补充性调整，确认出导致草莓未能及时成熟的因素；在借助了数字孪生模型后，对草莓的生长进度进行全程监控，对生长偏差因素的及时调整，维持草莓良好的生长状态。
3、在汇总生长偏差因素后，建立落后状态特征库及草莓养护方案库，在草莓的成熟度系数Cds低于预设的熟度阈值时，获取草莓生长的落后状态特征，若需要对当前的状态进行调整，可以快速地从预先搭建的草莓养护方案库中匹配出草莓养护方案，其生长状态不佳时，可以快速地获取解决方案，保证草莓的种植及其产出。
4、在已经匹配出草莓养护方案后，对其进行仿真分析，验证是否可用，在不可用时向外部发出预警，提醒管理人员对草莓养护方案修正，保障草莓养护方案的可用性，从而在草莓生长状态已经不佳的条件下，避免出现盲目操作或错误操作的情况，避免产生进一步损失；同时，在对草莓生长过程进行监控时，对监控过程进行补充，形成精准化种植及管理，充分保障草莓成熟及品质，降低草莓种植的难度。
附图说明
图1为本发明基于数字孪生的农业生产的监控方法流程示意图；
图2为本发明基于数字孪生的农业生产的监控系统结构示意图。
图中：10、第一预警单元；20、第二预警单元；30、分析单元；40、匹配单元；50、第三预警单元。
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。
请参阅图1，本发明提供一种基于数字孪生的农业生产的监控方法，步骤一、在大棚内的草莓处于生长状态时，结合大棚的形状构造，建立并输出大棚三维模型，并标记出其内部的草莓种植区域；在大棚内设置若干个检测点，对草莓的生长条件及生长状态进行检测，汇总获取检测数据并生成种植条件系数Zsj，若种植条件系数Zsj在生长条件阈值范围之外时，向外部发出提醒信息；
所述步骤一包括如下内容：
步骤101、在大棚内种植有农作物，例如在种植草莓时，获取大棚的规格和构造参数，例如：大棚的形状、高度及透光度等，建立并输出大棚的三维模型，确定大棚内草莓的种植区域后，将种植区域在大棚模型内标记；
步骤102、在大棚内设置若干个检测点，所述检测点在大棚内均匀设置，使大棚内不存在检测死角，可以对大棚内所有的区域进行检测；从设置于种植区域中心处的检测点获取大棚内的环境条件数据，汇总后建立第一检测数据集，其中，第一检测数据集建立方式如下：
获取大棚内空气的平均湿度，生成空气湿度Ks；获取大棚内的每日的平均光照强度，生成光照强度Gq；获取大棚内的每日的最高温度及最低温度之间的差值，作为温差Wc；
汇总空气湿度Ks、光照强度Gq及温差Wc，建立第一检测数据集；
步骤103、对第一检测数据集内的空气湿度Ks、光照强度Gq及温差Wc做无量纲处理后，依照如下公式生成种植条件系数Zsj：
其中，，且/>为权重，其具体值由用户调整设置；若种植条件系数Zsj在预先设置的生长条件阈值范围之外时，向外部发出提醒信息。
使用时，结合步骤101至103中的内容：
在大棚内的草莓处于生长状态时，对草莓的生长环境进行检测，结合获取的第一检测数据集，生成种植条件系数Zsj，以种植条件系数Zsj对大棚内的草莓生长环境进行持续性的监控和判断，若草莓的生长环境变差，此时，可以及时发出调整指令，对大棚内草莓的生长环境进行调整，维持草莓生长的良好状态。
步骤二、若接收到提醒信息，则由设置在检测点处的检测装置在大棚内采集草莓生长状态参数，进而建立大棚作物生长数字孪生模型，并持续检测草莓的生长状态，由获取的检测结果建立成熟度系数Cds，在成熟度系数Cds小于预设的熟度阈值时，向外部发出预警信息；
所述步骤二中包括如下内容：
步骤201、在收到提醒信息后，由设置在检测点处的检测设备在大棚内进行数据采集，采集的数据参数包括：
土壤数据：例如，土壤的温度、湿度、酸碱度及土壤养分含量；
草莓植株生理参数：例如，叶面积指数、叶片的光合速率、蒸腾速率及气孔导度、体积规格及其生长过程参数；
汇总这些草莓生长状态参数后，建立第二检测数据集，结合所采集的第一检测数据集及第二检测数据集，在训练和测试后建立大棚作物生长数字孪生模型；使用时，通过建立大棚作物生长数字孪生模型，可以对草莓的生长过程进行仿真分析。
步骤202、在草莓处于结果期时，由设置于大棚顶端位置的成像设备对种植区域内的草莓进行成像，获取生长状态下的草莓图像；在对草莓图像进行识别后，获取草莓的果径Gj，若果径Gj大于预设的果径阈值，则对相应的草莓的糖分含量进行检测，获取草莓的含糖量并生成含糖量Ht，汇总后建立草莓生长状态集；
步骤203、对汇总后建立草莓生长状态集内的果径Gj及含糖量Ht做无量纲处理，依照如下公式生成草莓的成熟度系数Cds：
其中，且/>为权重，其具体值由用户调整设置，D为常数修正系数；若成熟度系数Cds小于预设的熟度阈值时，向外部发出预警信息。
使用时，结合步骤201至203中的内容：
在建立大棚作物生长数字孪生模型后，对草莓的生长状态进行监控，并以通过监控数据获取的草莓生长状态集生成并输出成熟度系数Cds，以成熟度系数Cds对草莓是否成熟形成判断，在草莓应当处于成熟阶段但并未成熟时，可以向外部发出预警，提醒其及时处理。
步骤三：收到预警信息后，结合草莓的生长状态，从获取的草莓生长状态参数中筛选出生长偏差比最大的若干个，并以其作为输入，结合大棚作物生长数字孪生模型对草莓的生长状态进行仿真分析，以使成熟度系数Cds低于预设的熟度阈值的草莓生长状态参数作为生长偏差因素输出；
所述步骤三包括如下内容：
步骤301、接收到预警信息后，说明草莓的成熟程度和生长进度没有达到预期，在当前时刻，通过设置于检测点的检测装置重新获取草莓植株生理参数及相应的第二检测数据集；
预先设置参数标准值，以叶面积指数为例，按照标准的草莓生长模型获取草莓当前生长周期内的应该保持的叶面积指数，将其作为参数标准值，将第二检测数据集中的参数与对应的参数标准值相比，例如，获取草莓当前的叶面积指数，将其与叶面积指数的标准值相比并获取两者的差值，以该差值与标准值的比值作为生长偏差比；使用时，通过生长偏差比能够对草莓生长状态的落后进度形成识别和判断，并且依据其落后的进度，进行精确化的管理；
步骤302、获取第二检测数据集中生长偏差比最大若干个，例如最大的三个草莓生长状态参数后，获取已经构建好的大棚作物生长数字孪生模型，在依据生长偏差比对第二检测数据集中的对应的草莓生长状态参数进行补充性调整后，对草莓的生长进行仿真分析；
步骤303、经过仿真分析并为使成熟度系数Cds不低于预设的熟度阈值，将调整幅度超过幅度阈值的若干个草莓生长状态参数作为生长偏差因素输出；例如，若是在对草莓的蒸腾速率调整后，使草莓的成熟度系数Cds不低于预设的熟度阈值，则将蒸腾速率确定为生长偏差因素；获取所确定的生长偏差因素并输出；
使用时，结合步骤301至303中的内容：
在建立大棚作物生长数字孪生模型后，获取草莓的生长偏差比，进行仿真分析，对草莓生长状态参数进行补充性调整，并输出生长偏差因素，从而使草莓的成熟度系数Cds不低于预设的熟度阈值，最终确认出导致草莓未能及时成熟的因素；从而，在借助了数字孪生模型后，对草莓的生长进度进行全程监控，可以对生长偏差因素的及时调整，维持草莓良好的生长状态。
步骤四、以生长偏差因素作为落后状态特征，建立落后状态特征库，检索用于改善草莓生长进度的草莓养护方案，汇总后建立草莓养护方案库；在草莓的成熟度系数Cds低于预设的熟度阈值时，结合草莓生长的落后状态特征，使用训练后的文本匹配模型，从草莓养护方案库匹配出对应的草莓养护方案；
所述步骤四包括如下内容：
步骤401、获取并汇总所输出的生长偏差因素，以生长偏差因素作为落后状态特征，汇总后建立落后状态特征库；使用训练后的检索模型，例如布尔搜索模型，以线性查找的方式从公开的网络渠道检索用于改善草莓生长进度的草莓养护方案，在汇总后建立草莓养护方案库；
使用训练后的主题生成模型，例如，通过TF-IDF法训练获取，通过输入草莓养护方案，输出养护方案主题，并以此作为养护特征对草莓养护方案进行标记；
步骤402、使用训练后的文本匹配模型，例如，该模型可以由余弦相似度这类的文本匹配算法经过训练而成，依据其推荐匹配作用，在草莓的成熟度系数Cds低于预设的熟度阈值时，获取草莓生长的落后状态特征，结合落后状态特征与养护特征间的相似性，从草莓养护方案库匹配出对应的草莓养护方案；以便于在执行该草莓养护方案后，能够对当前草莓生长状态的不足进行弥补；匹配出的草莓养护方案为一个或者多个。
使用时，结合步骤401及402中的内容：
依据成熟度系数Cds与熟度阈值的关系，在汇总生长偏差因素后，建立落后状态特征库及草莓养护方案库，在草莓的成熟度系数Cds低于预设的熟度阈值时，获取草莓生长的落后状态特征，进而在草莓当前生长状态不佳时，若需要对当前的状态进行调整，可以快速地从预先搭建的草莓养护方案库中匹配出草莓养护方案，从而在对草莓的生长状态进行监控时，其生长状态不佳时，可以快速地获取解决方案，保证草莓的种植及其产出。
步骤五、结合大棚作物生长数字孪生模型，对匹配出的草莓养护方案进行仿真分析，并获取对应的成熟度系数Cds，以成熟度系数Cds的值对草莓养护方案形成筛选，若不存在使成熟度系数Cds增加的草莓养护方案，则向外发出预警；
所述步骤五包括如下内容：
步骤501、在草莓当前的生长状态下，获取大棚作物生长数字孪生模型及匹配输出的草莓养护方案，以第一检测数据集中内的环境条件数据及草莓养护方案作为输入，对草莓的生长状态进行预测，并获取大棚内草莓的成熟度系数Cds；
步骤502、判断成熟度系数Cds是否会增加，若成熟度系数Cds增加，且使成熟度系数Cds增加的草莓养护方案不止一个时，将使成熟度系数Cds增加比例最大的草莓养护方案作为推荐方案，其次的作为备用方案；若成熟度系数Cds未增加，将模拟后的草莓生长状态输出，并向外发出预警。
使用时，结合步骤501及502中的内容：
结合建立的大棚作物生长数字孪生模型，在已经匹配出草莓养护方案后，对其进行仿真分析，验证是否可用，在不可用时向外部发出预警，提醒管理人员对草莓养护方案修正，保障草莓养护方案的可用性，从而在草莓生长状态已经不佳的条件下，避免出现盲目操作或错误操作的情况，避免产生进一步损失；同时，在对草莓生长过程进行监控时，对监控过程进行补充，形成精准化种植及管理，充分保障草莓成熟及品质，降低草莓种植的难度。
请参阅图2，本发明提供一种基于数字孪生的农业生产的监控系统，包括：
第一预警单元10，在大棚内的草莓处于生长状态时，结合大棚的形状构造，建立并输出大棚三维模型，并标记出其内部的草莓种植区域；在大棚内设置若干个检测点，对草莓的生长条件及生长状态进行检测，汇总获取检测数据并生成种植条件系数Zsj，若种植条件系数Zsj在生长条件阈值范围之外时，向外部发出提醒信息；
第二预警单元20，若接收到提醒信息，则由设置在检测点处的检测装置在大棚内采集草莓生长状态参数，进而建立大棚作物生长数字孪生模型，并持续检测草莓的生长状态，由获取的检测结果建立成熟度系数Cds，在成熟度系数Cds小于预设的熟度阈值时，向外部发出预警信息；
分析单元30，收到预警信息后，结合草莓的生长状态，从获取的草莓生长状态参数中筛选出生长偏差比最大的若干个，并以其作为输入，结合大棚作物生长数字孪生模型对草莓的生长状态进行仿真分析，以使成熟度系数Cds低于预设的熟度阈值的草莓生长状态参数作为生长偏差因素输出；
匹配单元40，以生长偏差因素作为落后状态特征，建立落后状态特征库，检索用于改善草莓生长进度的草莓养护方案，汇总后建立草莓养护方案库；在草莓的成熟度系数Cds低于预设的熟度阈值时，结合草莓生长的落后状态特征，使用训练后的文本匹配模型，从草莓养护方案库匹配出对应的草莓养护方案；
第三预警单元50，结合大棚作物生长数字孪生模型，对匹配出的草莓养护方案进行仿真分析，并获取对应的成熟度系数Cds，以成熟度系数Cds的值对草莓养护方案形成筛选，若不存在使成熟度系数Cds增加的草莓养护方案，则向外发出预警。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。
Claims (5)
1.一种基于数字孪生的农业生产的监控方法，其特征在于：包括如下内容：
在大棚内的草莓处于生长状态时，结合大棚的形状构造，建立并输出大棚三维模型，并标记出其内部的草莓种植区域；在大棚内设置若干个检测点，对草莓的生长条件及生长状态进行检测，汇总获取检测数据并生成种植条件系数Zsj，若种植条件系数Zsj在生长条件阈值范围之外时，向外部发出提醒信息；
若接收到提醒信息，则由设置在检测点处的检测装置在大棚内采集草莓生长状态参数，进而建立大棚作物生长数字孪生模型，并持续检测草莓的生长状态，由获取的检测结果建立成熟度系数Cds，在成熟度系数Cds小于预设的熟度阈值时，向外部发出预警信息；
收到预警信息后，结合草莓的生长状态，从获取的草莓生长状态参数中筛选出生长偏差比最大的若干个，并以其作为输入，结合大棚作物生长数字孪生模型对草莓的生长状态进行仿真分析，以使成熟度系数Cds低于预设的熟度阈值的草莓生长状态参数作为生长偏差因素输出；
以生长偏差因素作为落后状态特征，建立落后状态特征库，检索用于改善草莓生长进度的草莓养护方案，汇总后建立草莓养护方案库；在草莓的成熟度系数Cds低于预设的熟度阈值时，结合草莓生长的落后状态特征，使用训练后的文本匹配模型，从草莓养护方案库匹配出对应的草莓养护方案；
结合大棚作物生长数字孪生模型，对匹配出的草莓养护方案进行仿真分析，并获取对应的成熟度系数Cds，以成熟度系数Cds的值对草莓养护方案形成筛选，若不存在使成熟度系数Cds增加的草莓养护方案，则向外发出预警；
在大棚内种植有草莓时，获取大棚的规格和构造参数，建立并输出大棚的三维模型，确定大棚内草莓的种植区域后，将种植区域在大棚模型内标记；在大棚内设置若干个检测点，获取大棚内的环境条件数据，汇总后建立第一检测数据集；
第一检测数据集建立方式如下：获取大棚内空气的平均湿度，生成空气湿度Ks；获取大棚内的每日的平均光照强度，生成光照强度Gq；获取大棚内的每日的最高温度及最低温度之间的差值，作为温差Wc；汇总空气湿度Ks、光照强度Gq及温差Wc，建立第一检测数据集；对第一检测数据集内的空气湿度Ks、光照强度Gq及温差Wc做无量纲处理后，依照如下公式生成种植条件系数Zsj：
其中，且/>为权重，若种植条件系数Zsj在预先设置的生长条件阈值范围之外时，向外部发出提醒信息：
在收到提醒信息后，由设置在检测点处的检测设备在大棚内进行数据采集，采集的草莓生长状态参数包括：土壤数据及草莓植株生理参数，汇总后，建立第二检测数据集；
结合所采集的第一检测数据集及第二检测数据集，在训练和测试后建立大棚作物生长数字孪生模型；在草莓处于结果期时，由设置于大棚顶端位置的成像设备对种植区域内的草莓进行成像，获取生长状态下的草莓图像；
在对草莓图像进行识别后，获取草莓的果径Gj，若果径Gj大于预设的果径阈值，则对相应的草莓的糖分含量进行检测，获取草莓的含糖量并生成含糖量Ht，汇总后建立草莓生长状态集；对汇总后建立草莓生长状态集内的果径Gj及含糖量Ht做无量纲处理，依照如下公式生成草莓的成熟度系数Cds：
其中且/>为权重，其具体值由用户调整设置，D为常数修正系数；若成熟度系数Cds小于预设的熟度阈值时，向外部发出预警信息。
2.根据权利要求1所述的一种基于数字孪生的农业生产的监控方法，其特征在于：
接收到预警信息后，在当前时刻，通过设置于检测点的检测装置重新获取草莓植株生理参数及相应的第二检测数据集；将第二检测数据集中的参数与对应的参数标准值相比，以差值与标准值的比值作为生长偏差比；
获取第二检测数据集中生长偏差比最大若干个草莓生长状态参数后，获取已经构建好的大棚作物生长数字孪生模型，在依据生长偏差比对第二检测数据集中的对应的草莓生长状态参数进行补充性调整后，对草莓的生长进行仿真分析；经过仿真分析并为使成熟度系数Cds不低于预设的熟度阈值，将调整幅度超过幅度阈值的若干个草莓生长状态参数作为生长偏差因素输出。
3.根据权利要求2所述的一种基于数字孪生的农业生产的监控方法，其特征在于：
获取并汇总所输出的生长偏差因素，以生长偏差因素作为落后状态特征，汇总后建立落后状态特征库；使用训练后的检索模型，以线性查找的方式从公开的网络渠道检索用于改善草莓生长进度的草莓养护方案，在汇总后建立草莓养护方案库；
使用训练后的主题生成模型，通过输入草莓养护方案，输出养护方案主题，并以此作为养护特征对草莓养护方案进行标记。
4.根据权利要求3所述的一种基于数字孪生的农业生产的监控方法，其特征在于：
使用训练后的文本匹配模型，依据其推荐匹配作用，在草莓的成熟度系数Cds低于预设的熟度阈值时，获取草莓生长的落后状态特征，结合落后状态特征与养护特征间的相似性，从草莓养护方案库匹配出对应的草莓养护方案；匹配出的草莓养护方案为一个或者多个。
5.根据权利要求4所述的一种基于数字孪生的农业生产的监控方法，其特征在于：
在草莓当前的生长状态下，获取大棚作物生长数字孪生模型及匹配输出的草莓养护方案，以第一检测数据集中内的环境条件数据及草莓养护方案作为输入，对草莓的生长状态进行预测，并获取大棚内草莓的成熟度系数Cds；
判断成熟度系数Cds是否会增加，若成熟度系数Cds增加，且使成熟度系数Cds增加的草莓养护方案不止一个时，将使成熟度系数Cds增加比例最大的草莓养护方案作为推荐方案，其次的作为备用方案；若成熟度系数Cds未增加，将模拟后的草莓生长状态输出，并向外发出预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310954636.9A CN116664332B (zh) | 2023-08-01 | 2023-08-01 | 一种基于数字孪生的农业生产的监控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310954636.9A CN116664332B (zh) | 2023-08-01 | 2023-08-01 | 一种基于数字孪生的农业生产的监控系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116664332A CN116664332A (zh) | 2023-08-29 |
| CN116664332B true CN116664332B (zh) | 2023-10-13 |
Family
ID=87713958
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310954636.9A Active CN116664332B (zh) | 2023-08-01 | 2023-08-01 | 一种基于数字孪生的农业生产的监控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116664332B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116738766B (zh) * | 2023-08-11 | 2023-10-13 | 安徽金海迪尔信息技术有限责任公司 | 基于数字孪生的智慧农业线上产业化服务系统 |
| CN117371337B (zh) * | 2023-12-07 | 2024-03-15 | 安徽金海迪尔信息技术有限责任公司 | 一种基于数字孪生的水利模型构建方法及系统 |
| CN117910215A (zh) * | 2023-12-12 | 2024-04-19 | 广州市粤政索顿信息科技有限公司 | 基于数字孪生的智慧农业线上产业化服务系统 |
| CN118211810A (zh) * | 2024-05-20 | 2024-06-18 | 云南省草地动物科学研究院 | 一种智慧农场运营管理报警系统及方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130048033A (ko) * | 2011-11-01 | 2013-05-09 | 블루마린시스템(주) | 무선통신 서비스를 수행하는 센서 네트워크를 이용한 원격 과수농작물 모니터링 시스템 및 방법 |
| CN104268784A (zh) * | 2014-09-04 | 2015-01-07 | 浙江托普仪器有限公司 | 一种基于物联网的农业小环境监测平台 |
| CN104835002A (zh) * | 2015-04-30 | 2015-08-12 | 合肥林晨信息科技有限公司 | 养殖场动物个体生长过程自动跟踪监管系统 |
| WO2019044663A1 (ja) * | 2017-08-30 | 2019-03-07 | アビームコンサルティング株式会社 | 生産管理装置、生産管理方法及び記録媒体 |
| CN111724272A (zh) * | 2020-06-08 | 2020-09-29 | 黑龙江省网络空间研究中心 | 农作物生长状况数据分析系统及方法 |
| KR20200112342A (ko) * | 2019-03-22 | 2020-10-05 | 주식회사 업데이터 | 디지털 트윈 기반의 지능형 원격농장 시스템 및 방법 |
| CN112770624A (zh) * | 2018-07-23 | 2021-05-07 | 合利博尼克斯有限责任公司 | 自动化植物栽培系统 |
| CN114868504A (zh) * | 2022-04-21 | 2022-08-09 | 河南省景观规划设计研究院有限公司 | 一种园林植物的生长状态监测方法及装置 |
| CN115270642A (zh) * | 2022-08-29 | 2022-11-01 | 郑州英集动力科技有限公司 | 基于数字孪生的植物工厂智能管理系统 |
| CN115705685A (zh) * | 2021-08-05 | 2023-02-17 | 中移(上海)信息通信科技有限公司 | 一种图像数据集标注方法、装置和电子设备 |
| CN115759876A (zh) * | 2022-12-14 | 2023-03-07 | 简易治慧(上海)智能科技发展有限公司 | 数字孪生几何模型成熟度评估方法、装置和存储介质 |
| CN115880433A (zh) * | 2022-12-20 | 2023-03-31 | 中国科学院合肥物质科学研究院 | 一种基于数字孪生的农作物培育优化方法 |
| CN116485615A (zh) * | 2023-05-09 | 2023-07-25 | 生态环境部南京环境科学研究所 | 环境污染物生态毒性效应阈值浓度测算方法 |
-
2023
- 2023-08-01 CN CN202310954636.9A patent/CN116664332B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130048033A (ko) * | 2011-11-01 | 2013-05-09 | 블루마린시스템(주) | 무선통신 서비스를 수행하는 센서 네트워크를 이용한 원격 과수농작물 모니터링 시스템 및 방법 |
| CN104268784A (zh) * | 2014-09-04 | 2015-01-07 | 浙江托普仪器有限公司 | 一种基于物联网的农业小环境监测平台 |
| CN104835002A (zh) * | 2015-04-30 | 2015-08-12 | 合肥林晨信息科技有限公司 | 养殖场动物个体生长过程自动跟踪监管系统 |
| WO2019044663A1 (ja) * | 2017-08-30 | 2019-03-07 | アビームコンサルティング株式会社 | 生産管理装置、生産管理方法及び記録媒体 |
| CN112770624A (zh) * | 2018-07-23 | 2021-05-07 | 合利博尼克斯有限责任公司 | 自动化植物栽培系统 |
| KR20200112342A (ko) * | 2019-03-22 | 2020-10-05 | 주식회사 업데이터 | 디지털 트윈 기반의 지능형 원격농장 시스템 및 방법 |
| CN111724272A (zh) * | 2020-06-08 | 2020-09-29 | 黑龙江省网络空间研究中心 | 农作物生长状况数据分析系统及方法 |
| CN115705685A (zh) * | 2021-08-05 | 2023-02-17 | 中移(上海)信息通信科技有限公司 | 一种图像数据集标注方法、装置和电子设备 |
| CN114868504A (zh) * | 2022-04-21 | 2022-08-09 | 河南省景观规划设计研究院有限公司 | 一种园林植物的生长状态监测方法及装置 |
| CN115270642A (zh) * | 2022-08-29 | 2022-11-01 | 郑州英集动力科技有限公司 | 基于数字孪生的植物工厂智能管理系统 |
| CN115759876A (zh) * | 2022-12-14 | 2023-03-07 | 简易治慧(上海)智能科技发展有限公司 | 数字孪生几何模型成熟度评估方法、装置和存储介质 |
| CN115880433A (zh) * | 2022-12-20 | 2023-03-31 | 中国科学院合肥物质科学研究院 | 一种基于数字孪生的农作物培育优化方法 |
| CN116485615A (zh) * | 2023-05-09 | 2023-07-25 | 生态环境部南京环境科学研究所 | 环境污染物生态毒性效应阈值浓度测算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于数字孪生的智慧农业环境监测系统设计与实现;王武英;《智能计算机与应用》;第13卷(第4期);第181-185页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116664332A (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116664332B (zh) | 一种基于数字孪生的农业生产的监控系统 | |
| CN108739052A (zh) | 一种食用菌生长参数寻优的系统和方法 | |
| CN110109193B (zh) | 一种基于drnn神经网络的茄子温室温度智能化检测装置 | |
| JP2006212002A (ja) | 農作物生産管理システム及び農作物生産管理プログラム | |
| CN111460990A (zh) | 一种基于大数据的高寒牧区草原虫害监测预警系统及方法 | |
| CN110472557B (zh) | 一种番茄生长监控的方法及装置 | |
| CN109871833A (zh) | 一种基于深度学习卷积神经网络的农作物成熟度监控方法 | |
| CN117807549B (zh) | 一种农田土壤肥力评价方法及系统 | |
| CN117575169A (zh) | 一种基于数据处理的智慧农业管理系统 | |
| CN107137093A (zh) | 一种包含异常血糖概率报警器的连续血糖监测设备 | |
| CN108377788B (zh) | 一种水稻全生育期耐盐性鉴定评价方法 | |
| CN117391482B (zh) | 一种基于大数据监测的大棚温度智能预警方法及系统 | |
| CN110097473A (zh) | 一种农作物生命全周期的数据采集方法、装置及设备 | |
| CN116778477B (zh) | 一种基于图像处理的玉米果穗性状指标计算方法 | |
| CN117215351A (zh) | 一种食用菌种植环境智能监测预警系统 | |
| CN112286267A (zh) | 一种基于大数据的室内菌菇种植环境智能监测分析系统 | |
| CN112581302A (zh) | 一种农业物联管理监测系统 | |
| CN108038586A (zh) | 一种河蟹养殖的水环境评价方法及系统 | |
| CN111597464B (zh) | 一种基于物联网的数据展示优化方法及装置 | |
| CN112506985A (zh) | 一种家禽养殖管理系统 | |
| CN110309960A (zh) | 一种大数据智能分析预测系统 | |
| CN108572972A (zh) | 基于关联算法的物联网果蔬大棚监控系统及方法 | |
| CN113406929B (zh) | 食品安全大数据智能采集与应用系统 | |
| CN212276431U (zh) | 一种基于深度学习的嵌入式黄瓜叶片图像识别装置 | |
| CN117689489A (zh) | 一种基于多维度监测的葡萄种植智能控制系统 |
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 |