CN116703637A - 一种北方旱区小麦种植的数字化控制系统及其使用方法 - Google Patents
一种北方旱区小麦种植的数字化控制系统及其使用方法 Download PDFInfo
- Publication number
- CN116703637A CN116703637A CN202310582646.4A CN202310582646A CN116703637A CN 116703637 A CN116703637 A CN 116703637A CN 202310582646 A CN202310582646 A CN 202310582646A CN 116703637 A CN116703637 A CN 116703637A
- Authority
- CN
- China
- Prior art keywords
- data
- wheat
- sowing
- variety
- recommendation
- 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
- 241000209140 Triticum Species 0.000 title claims abstract description 59
- 235000021307 Triticum Nutrition 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000004720 fertilization Effects 0.000 claims abstract description 38
- 238000004519 manufacturing process Methods 0.000 claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 238000005516 engineering process Methods 0.000 claims abstract description 24
- 238000007726 management method Methods 0.000 claims abstract description 24
- 235000013339 cereals Nutrition 0.000 claims abstract description 16
- 238000003745 diagnosis Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000010354 integration Effects 0.000 claims abstract description 14
- 238000013500 data storage Methods 0.000 claims abstract description 6
- 238000010801 machine learning Methods 0.000 claims abstract description 6
- 238000009331 sowing Methods 0.000 claims description 43
- 239000003337 fertilizer Substances 0.000 claims description 16
- 239000002689 soil Substances 0.000 claims description 16
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 12
- 241001024327 Oenanthe <Aves> Species 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 6
- 239000001569 carbon dioxide Substances 0.000 claims description 6
- 230000035558 fertility Effects 0.000 claims description 6
- 239000007788 liquid Substances 0.000 claims description 6
- 238000013526 transfer learning Methods 0.000 claims description 6
- 241000196324 Embryophyta Species 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 5
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 4
- 241000607479 Yersinia pestis Species 0.000 claims description 4
- 201000010099 disease Diseases 0.000 claims description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 4
- 229910052757 nitrogen Inorganic materials 0.000 claims description 4
- 235000015097 nutrients Nutrition 0.000 claims description 4
- 239000011591 potassium Substances 0.000 claims description 4
- 229910052700 potassium Inorganic materials 0.000 claims description 4
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 235000016709 nutrition Nutrition 0.000 claims description 3
- 230000035764 nutrition Effects 0.000 claims description 3
- 239000005416 organic matter Substances 0.000 claims description 3
- 230000026267 regulation of growth Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000007418 data mining Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- General Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种北方旱区小麦种植的数字化控制系统及其使用方法,所述数字化控制系统包括数据采集系统、中央处理器、立体化数据集成平台、粮食作物生长监测诊断与精确栽培服务平台和监控平台;所述数据采集系统包括无人机、遥感数据和传感器;本发明基于数据采集标准,建立统一的大数据存储管理平台,构建优质小麦生产管理全息系统,面向小麦生产全过程,利用机器学习和数据挖技术,快速、智能化地获取数据,建立精确种植决策模型,实现小麦生产的精细选种、精确施肥、精准栽培、可视化管理和科学化决策,为小麦生产过程中科学种植与施肥管理、自然灾害预警、产量监测提供决策依据和技术支撑。
Description
技术领域
本发明涉及农业种植技术领域,具体是指一种北方旱区小麦种植的数字化控制系统及其使用方法。
背景技术
小麦生产范围广,适应性强,用途多,是最重要的粮食作物之一。全球有35%-40%的人口以小麦为主粮。
随着农村劳动人口的不断减少,农村面临着什么样的人去种地,怎么能够种好地等问题,还必须运用好心的数字技术。
从国际国内的实际情况来看,现代信息化技术如物联网、大数据、人工智能等,能够实现精准管理、精准生产,大幅度地减少生产费用,提升农业整体的生产效率,实现农业的整体经济效益,是实现高品质发展的新途径
所以,一种北方旱区小麦种植的数字化控制系统及其使用方法成为人们亟待解决的问题。
发明内容
本发明要解决的技术问题是随着农村劳动人口的不断减少,农村面临着什么样的人去种地,怎么能够种好地等问题。
为解决上述技术问题,本发明提供的技术方案为:一种北方旱区小麦种植的数字化控制系统,所述数字化控制系统包括数据采集系统、中央处理器、立体化数据集成平台、粮食作物生长监测诊断与精确栽培服务平台和监控平台;
所述数据采集系统包括无人机、遥感数据和传感器,所述数据采集系统通过无人机、遥感数据和各传感器采集到的数据,并将采集到的数据发送至中央处理器;
所述中央处理器用于分析和处理从数据采集系统接收到的数据,并将处理后的数据发送至粮食作物生长监测诊断与精确栽培服务平台;
所述立体化数据集成平台包括决策支持库、基础数据库和模型知识库,所述立体化数据集成平台采用大数据存储技术,实现决策支持数据、基础数据和遥感数据的立体存储与集成,为中央处理器提供有力的数据支撑;
所述粮食作物生长监测诊断与精确栽培服务平台包括但不限于营养诊断、品种推荐、播期播量推荐、农业气象预警与信息服务、病虫害防治等生产管理信息服务、水肥管理、生产决策、模型配置和数据查询与决策,所述粮食作物生长监测诊断与精确栽培服务平台为设计信息服务平台,提供数据查询与决策,模型配置、生产推荐和决策支撑,水肥供应管理、生长调控、灾病防治的信息服务,并通过数据传输系统将相应的信息服务信息和控制指令发送至监控平台;
所述监控平台包括移动终端、电脑终端和触摸屏,所述监控平台用于给相应执行单元下发控制命令。
进一步的,所述传感器包括但不限于温度传感器、湿度传感器、光照传感器、二氧化碳浓度传感器、液位传感器和压力传感器,所述传感器用于采集种植区的温度、光照强度、二氧化碳浓度、水位和液体体积。
一种用于小麦种植的数字化控制系统的使用方法,包含一种北方旱区小麦种植的数字化控制系统,所述数字化控制系统的使用方法如下所示:
步骤1、信息推荐服务集成:基于现有的小麦生产知识,建立品种知识规则库、播期播量知识库和施肥决策知识库、品种知识库涵盖种植区域、适宜品种、品质和抗性知识库,整合小麦产前品种、施肥、播期播量的推荐模型,构建基于WebGIS的品种、播期、播量推荐系统;
步骤2、进行品种智能推荐:由于品种的选择涉及到植物生理春化时间的作物数据,寒冷程度、日照长度、有效积温的气象因素、土壤肥力、土壤含盐量的土壤数据,这些数据形成多维数据空间,品种选择还要考虑到用户对品种的多种需求和品种的特性,在品种推荐模型的基础上,基于小麦产前基础数据库,构建产品推荐决策树;
步骤3、进行精准施肥推荐:基于WebGIS技术结合平衡施肥模型,同时结合高德地图API实现采样点数据、传感器采集的数据与WebGIS的融合,进行实时展示土壤养分信息,提供有机质、全氮、有效率和速效钾信息的查看;
步骤4、进行播期和播量的推荐:根据农户所选择的品种、麦区的条件,通过播期播量模型计算出品种最佳播期、适期种植范围、提高产量播期、提高蛋白质含量播期及基本苗数、播量范围信息,为用户提供播期播量的参考信息;
步骤5、建立了小麦生态因子库规范:确立了生态可靠易获取因子30项,构建了生态因子适应性评价与计算方法;
步骤6、利用AR和图像处理技术实现了小麦苗期群体的快速监测,对小麦1~4叶期基本苗识别精度达95%以上,AR测量的准确度达98%以上,利用AR和图像处理技术实现小麦基本苗的快速识别与计数;
步骤7、利用机器学习和迁移学习技术,开发了小麦成熟期麦穗的快速识别计数算法,算法识别的麦穗数量与人工计数的麦穗数量R2达0.95以上,单张图像的平均时间12.17s,FPS达到111,利用智能手机和迁移学习技术实现麦穗的快速识别计数。
本发明与现有技术相比的优点在于:本发明基于数据采集标准,建立统一的大数据存储管理平台,构建优质小麦生产管理全息系统,面向小麦生产全过程,利用机器学习和数据挖技术,快速、智能化地获取数据,建立精确种植决策模型,研发基于土壤-作物-环境涵盖作物全生命周期的管理平台,实现小麦生产的精细选种、精确施肥、精准栽培、可视化管理和科学化决策,为小麦生产过程中科学种植与施肥管理、自然灾害预警、产量监测提供决策依据和技术支撑,对实现资源的合理有效利用、科学投入、节本增效、增产保质,降低污染,保障国家粮食安全具有重要的作用和意义,本发明设计合理,值得大力推广。
附图说明
图1是本发明一种北方旱区小麦种植的数字化控制系统的框架图。
图2是本发明一种北方旱区小麦种植的数字化控制系统中数据采集系统的框架图。
图3是本发明一种北方旱区小麦种植的数字化控制系统中立体化数据集成平台的框架图。
图4是本发明一种北方旱区小麦种植的数字化控制系统中监控平台的框架图。
图5是本发明一种用于小麦种植的数字化控制系统的使用方法中品种推荐的模型图。
图6是本发明一种用于小麦种植的数字化控制系统的使用方法中施肥推荐的模型图。
图7是本发明一种用于小麦种植的数字化控制系统的使用方法中播期播量推荐的模型图。
具体实施方式
下面结合附图对本发明一种北方旱区小麦种植的数字化控制系统及其使用方法做进一步的详细说明。
结合附图1-7,对本发明进行详细介绍。
一种北方旱区小麦种植的数字化控制系统,所述数字化控制系统包括数据采集系统、中央处理器、立体化数据集成平台、粮食作物生长监测诊断与精确栽培服务平台和监控平台;
所述数据采集系统包括无人机、遥感数据和传感器,所述数据采集系统通过无人机、遥感数据和各传感器采集到的数据,并将采集到的数据发送至中央处理器;
所述中央处理器用于分析和处理从数据采集系统接收到的数据,并将处理后的数据发送至粮食作物生长监测诊断与精确栽培服务平台;
所述立体化数据集成平台包括决策支持库、基础数据库和模型知识库,所述立体化数据集成平台采用大数据存储技术,实现决策支持数据、基础数据和遥感数据的立体存储与集成,为中央处理器提供有力的数据支撑;
所述粮食作物生长监测诊断与精确栽培服务平台包括但不限于营养诊断、品种推荐、播期播量推荐、农业气象预警与信息服务、病虫害防治等生产管理信息服务、水肥管理、生产决策、模型配置和数据查询与决策,所述粮食作物生长监测诊断与精确栽培服务平台为设计信息服务平台,提供数据查询与决策,模型配置、生产推荐和决策支撑,水肥供应管理、生长调控、灾病防治的信息服务,并通过数据传输系统将相应的信息服务信息和控制指令发送至监控平台;
所述监控平台包括移动终端、电脑终端和触摸屏,所述监控平台用于给相应执行单元下发控制命令。
所述传感器包括但不限于温度传感器、湿度传感器、光照传感器、二氧化碳浓度传感器、液位传感器和压力传感器,所述传感器用于采集种植区的温度、二氧化碳浓度、水位和液体体积。
本发明一种北方旱区小麦种植的数字化控制系统及其使用方法的具体实施过程如下:步骤1、信息推荐服务集成:基于现有的小麦生产知识,建立品种知识规则库、播期播量知识库和施肥决策知识库、品种知识库涵盖种植区域、适宜品种、品质和抗性知识库,整合小麦产前品种、施肥、播期播量的推荐模型,构建基于WebGIS的品种、播期、播量推荐系统;
步骤2、进行品种智能推荐:由于品种的选择涉及到植物生理春化时间的作物数据,寒冷程度、日照长度、有效积温的气象因素、土壤肥力、土壤含盐量的土壤数据,这些数据形成多维数据空间,品种选择还要考虑到用户对品种的多种需求和品种的特性,在品种推荐模型的基础上,基于小麦产前基础数据库,构建产品推荐决策树;
步骤3、进行精准施肥推荐:基于WebGIS技术结合平衡施肥模型,同时结合高德地图API实现采样点数据、传感器采集的数据与WebGIS的融合,进行实时展示土壤养分信息,提供有机质、全氮、有效率和速效钾信息的查看;
步骤4、进行播期和播量的推荐:根据农户所选择的品种、麦区的条件,通过播期播量模型计算出品种最佳播期、适期种植范围、提高产量播期、提高蛋白质含量播期及基本苗数、播量范围信息,为用户提供播期播量的参考信息;
步骤5、建立了小麦生态因子库规范:确立了生态可靠易获取因子30项,构建了生态因子适应性评价与计算方法;
步骤6、利用AR和图像处理技术实现了小麦苗期群体的快速监测,对小麦1~4叶期基本苗识别精度达95%以上,AR测量的准确度达98%以上,利用AR和图像处理技术实现小麦基本苗的快速识别与计数;
步骤7、利用机器学习和迁移学习技术,开发了小麦成熟期麦穗的快速识别计数算法,算法识别的麦穗数量与人工计数的麦穗数量R2达0.95以上,单张图像的平均时间12.17s,FPS达到111,利用智能手机和迁移学习技术实现麦穗的快速识别计数。
其中品种推荐的算法流程如下所示:
1.以用户所在的行政区划为基础数据,获取所在麦区为条件匹配品种数据库中的品种适宜地区和麦区,如果匹配结果count>1进入到下一个匹配条件cout=1显示匹配结果,否则,结束提示没有匹配结果;
2.从模型知识规则库中调取该地区的易发自然灾害知识,匹配1品种结果集的抗自然能力,如果匹配结果count>1进入到下一个匹配条件cout=1显示匹配结果,否则,推荐当前的品种结果集;
3.从模型知识规则库中调取该地区的易发抗病虫害知识,匹配2品种结果集的抗自然能力,如果匹配结果count>1进入阶段2多目标匹配,cout=1显示匹配结果,否则,推荐当前的品种结果集;
4.从土壤属性数据库中调取当前地区的土壤肥力等级,匹配阶段1品种结果集的中的品种土壤肥力等级;
5.结合土壤属性数据、气象数据和农田属性数据对当前地区的土壤生产潜力进行评价,匹配阶段1品种结果集的中的品种产量潜力;
6.用户选择的品质、抗性、产量等其他目标,匹配阶段1品种结果集的中的品种的相应指标;
7.综合4、5、6中的匹配结果集,求其交集,取交集满足目标最多的品种结果集推荐给用户。
施肥推荐算法流程如下所示:
1.施肥量的计算。调出施肥模型库中当地的施肥模型,结合品种推荐过程中计算出的当地产量目标,以土壤属性数据库中的氮、磷、钾等营养元素为模型参数,计算出施肥量数据;
2.施肥量的推荐。调用施肥知识中的当地施肥规则和已推荐品种的施肥量建议,和1中施肥量做比较,输出施肥量推荐结果;
3.施肥技术推荐。以施肥知识中施肥技术规则为施肥技术推荐的依据,结合已推荐品种的施肥技术建议,融合施肥量,生成施肥技术建议;
4.肥料推荐。结合施肥规则中的施肥配比和推荐品种的施肥配比,匹配肥料数据库中的肥料品种推荐肥料品种;
5.肥料经销商推荐;依据推荐的肥料品种和用户需求肥料种类查找经销商数据库推荐经销商。
播期播量推荐算法流程如下所示:
1.播期范围的确定。调用播期播量知识库中当前地区的生产条件和栽培制度知识,以推荐品种的适宜播期对比计算当前地区的播期范围;
2.最佳播期的确定。利用当地的气象资料统计出当前地区的常年越冬期,在此基础上计算越冬期的积温,和推荐品种的最佳播期对比确定最佳播种日期;
3.基本苗的确定。以最佳播期为基础,结合当地的地力和施肥水平以及单位面各成穗数和单株成穗数计算出适宜基本苗;
4.播量的确定。依据基本苗,结合推荐品种的千粒重、种子纯净度、发芽率及出苗率等以及品种建议播量确定适宜播量。
本发明基于数据采集标准,建立统一的大数据存储管理平台,构建优质小麦生产管理全息系统,面向小麦生产全过程,利用机器学习和数据挖技术,快速、智能化地获取数据,建立精确种植决策模型,研发基于土壤-作物-环境涵盖作物全生命周期的管理平台,实现小麦生产的精细选种、精确施肥、精准栽培、可视化管理和科学化决策,为小麦生产过程中科学种植与施肥管理、自然灾害预警、产量监测提供决策依据和技术支撑,对实现资源的合理有效利用、科学投入、节本增效、增产保质,降低污染,保障国家粮食安全具有重要的作用和意义,本发明设计合理,值得大力推广。
以上对本发明及其实施方式进行了描述,这种描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。
Claims (3)
1.一种北方旱区小麦种植的数字化控制系统,其特征在于:所述数字化控制系统包括数据采集系统、中央处理器、立体化数据集成平台、粮食作物生长监测诊断与精确栽培服务平台和监控平台;
所述数据采集系统包括无人机、遥感数据和传感器,所述数据采集系统通过无人机、遥感数据和各传感器采集到的数据,并将采集到的数据发送至中央处理器;
所述中央处理器用于分析和处理从数据采集系统接收到的数据,并将处理后的数据发送至粮食作物生长监测诊断与精确栽培服务平台;
所述立体化数据集成平台包括决策支持库、基础数据库和模型知识库,所述立体化数据集成平台采用大数据存储技术,实现决策支持数据、基础数据和遥感数据的立体存储与集成,为中央处理器提供有力的数据支撑;
所述粮食作物生长监测诊断与精确栽培服务平台包括但不限于营养诊断、品种推荐、播期播量推荐、农业气象预警与信息服务、病虫害防治等生产管理信息服务、水肥管理、生产决策、模型配置和数据查询与决策,所述粮食作物生长监测诊断与精确栽培服务平台为设计信息服务平台,提供数据查询与决策,模型配置、生产推荐和决策支撑,水肥供应管理、生长调控、灾病防治的信息服务,并通过数据传输系统将相应的信息服务信息和控制指令发送至监控平台;
所述监控平台包括移动终端、电脑终端和触摸屏,所述监控平台用于给相应执行单元下发控制命令。
2.根据权利要求1所述的一种北方旱区小麦种植的数字化控制系统,其特征在于:所述传感器包括但不限于温度传感器、湿度传感器、光照传感器、二氧化碳浓度传感器、液位传感器和压力传感器,所述传感器用于采集种植区的温度、二氧化碳浓度、水位和液体体积。
3.一种用于小麦种植的数字化控制系统的使用方法,包含权利要求1-权利要求2所述的一种北方旱区小麦种植的数字化控制系统,其特征在于:所述数字化控制系统的使用方法如下所示:
步骤1、信息推荐服务集成:基于现有的小麦生产知识,建立品种知识规则库、播期播量知识库和施肥决策知识库、品种知识库涵盖种植区域、适宜品种、品质和抗性知识库,整合小麦产前品种、施肥、播期播量的推荐模型,构建基于WebGIS的品种、播期、播量推荐系统;
步骤2、进行品种智能推荐:由于品种的选择涉及到植物生理春化时间的作物数据,寒冷程度、日照长度、有效积温的气象因素、土壤肥力、土壤含盐量的土壤数据,这些数据形成多维数据空间,品种选择还要考虑到用户对品种的多种需求和品种的特性,在品种推荐模型的基础上,基于小麦产前基础数据库,构建产品推荐决策树;
步骤3、进行精准施肥推荐:基于WebGIS技术结合平衡施肥模型,同时结合高德地图API实现采样点数据、传感器采集的数据与WebGIS的融合,进行实时展示土壤养分信息,提供有机质、全氮、有效率和速效钾信息的查看;
步骤4、进行播期和播量的推荐:根据农户所选择的品种、麦区的条件,通过播期播量模型计算出品种最佳播期、适期种植范围、提高产量播期、提高蛋白质含量播期及基本苗数、播量范围信息,为用户提供播期播量的参考信息;
步骤5、建立了小麦生态因子库规范:确立了生态可靠易获取因子30项,构建了生态因子适应性评价与计算方法;
步骤6、利用AR和图像处理技术实现了小麦苗期群体的快速监测,对小麦1~4叶期基本苗识别精度达95%以上,AR测量的准确度达98%以上,利用AR和图像处理技术实现小麦基本苗的快速识别与计数;
步骤7、利用机器学习和迁移学习技术,开发了小麦成熟期麦穗的快速识别计数算法,算法识别的麦穗数量与人工计数的麦穗数量R2达0.95以上,单张图像的平均时间12.17s,FPS达到111,利用智能手机和迁移学习技术实现麦穗的快速识别计数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310582646.4A CN116703637A (zh) | 2023-05-23 | 2023-05-23 | 一种北方旱区小麦种植的数字化控制系统及其使用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310582646.4A CN116703637A (zh) | 2023-05-23 | 2023-05-23 | 一种北方旱区小麦种植的数字化控制系统及其使用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116703637A true CN116703637A (zh) | 2023-09-05 |
Family
ID=87826911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310582646.4A Pending CN116703637A (zh) | 2023-05-23 | 2023-05-23 | 一种北方旱区小麦种植的数字化控制系统及其使用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703637A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391315A (zh) * | 2023-12-13 | 2024-01-12 | 杨凌职业技术学院 | 一种农业气象数据管理方法及装置 |
-
2023
- 2023-05-23 CN CN202310582646.4A patent/CN116703637A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391315A (zh) * | 2023-12-13 | 2024-01-12 | 杨凌职业技术学院 | 一种农业气象数据管理方法及装置 |
CN117391315B (zh) * | 2023-12-13 | 2024-03-08 | 杨凌职业技术学院 | 一种农业气象数据管理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | A neural network integrated approach for rice crop monitoring | |
CN110110595B (zh) | 一种基于卫星遥感影像的农田画像及药肥大数据分析方法 | |
US20170270446A1 (en) | Agronomic systems, methods and apparatuses for determining yield limits | |
CN103927685A (zh) | 农(林)业智能施肥系统 | |
CN114202438A (zh) | 一种基于智慧农业的天空地一体化农业遥感大数据系统 | |
US20180276587A1 (en) | Farm work planning assistance system | |
CN106777683A (zh) | 一种作物苗情监测系统和方法 | |
CN112232976A (zh) | 一种基于物联网智慧农业信息共享系统 | |
CN111418323A (zh) | 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法 | |
CN116703637A (zh) | 一种北方旱区小麦种植的数字化控制系统及其使用方法 | |
CN111415085A (zh) | 一种作物种植的生产质量监测方法与系统 | |
CN116776290A (zh) | 一种烟草大数据模型构建方法 | |
Srinivasan | Precision agriculture: an overview | |
Ferrero et al. | Water footprint of lemon production in Argentina | |
CN109087211A (zh) | 一种沃柑智慧种植系统 | |
CN117033810B (zh) | 一种基于大数据的农业数据分析管理系统及方法 | |
KR20210059070A (ko) | 농작물 재배 모니터링 시스템 및 이를 이용한 농작물 재배 모니터링 방법 | |
Schmidt et al. | Local monitoring of flowering and fruiting of Jernang, Daemonorops species in Sumatra, Indonesia | |
Arkin et al. | The future role of a crop model in large area yield estimating | |
Feng et al. | A real-time monitoring and control system for crop | |
Ed-Daoudi et al. | A Machine Learning Approach to Identify Optimal Cultivation Practices for Sustainable apple Production in Precision Agriculture in Morocco | |
Krishna | The concept of agricultural development | |
Karn et al. | Assessing grapevine vigor as affected by soil physicochemical properties and topographic attributes for precision vineyard management | |
Sridevy et al. | Decision support systems in agricultural industry perspective | |
Pal et al. | An analysis of constraints in large scale dissemination of System of Rice Intensification (SRI) in Odisha, India |
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 |