CN116777087B - 一种智慧农业布局方法及系统 - Google Patents
一种智慧农业布局方法及系统 Download PDFInfo
- Publication number
- CN116777087B CN116777087B CN202311073068.8A CN202311073068A CN116777087B CN 116777087 B CN116777087 B CN 116777087B CN 202311073068 A CN202311073068 A CN 202311073068A CN 116777087 B CN116777087 B CN 116777087B
- Authority
- CN
- China
- Prior art keywords
- area
- extracted
- areas
- agricultural
- typesetting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000003860 storage Methods 0.000 claims description 32
- 238000012790 confirmation Methods 0.000 claims description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 238000010191 image analysis Methods 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000003306 harvesting Methods 0.000 abstract description 7
- 238000012876 topography Methods 0.000 abstract description 6
- 238000012271 agricultural production Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012787 harvest procedure Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智慧农业布局方法及系统,涉及农业布局技术领域,解决了未根据实际地形,对后期的收割困难度进行分析的技术问题,根据对应的种植品种以及需求产量,确认对应的地貌区,再对地貌区进行分析,对地貌区进行自适应分析,构建对应待提取产区的正规模型面,将排版模型依次填补至正规模型面内,并从待提取产区内确认无法进行排版的面积总值,根据所确认的面积总值,确认最佳的三组地貌区,并进行展示,采用此种方式,便可对不同的农产区进行合理布局,提升布局的整体效果,同时考虑到后期的收割难度,进一步提升整体效果,便于农产人员进行采摘。
Description
技术领域
本发明属于农业布局技术领域,具体是一种智慧农业布局方法及系统。
背景技术
农业布局又称农业配置;是农业各部门(农、林、牧、渔业)和各部门内部各种生产门类及其种类和数量在地域空间上的分布和组合。
专利公开号为CN115983509A的发明涉及智慧农业技术领域,具体为基于物联网的智慧农业用布局管理系统及方法,所述系统包括布局方案影响预测模块,所述布局方案影响预测模块根据每种待种植农作物种类的种植面积,生成不同的农作物种植布局方案,结合各个子种植区域内的地势特征及生长状态影响分析模块中的分析结果,预测每种农作物种植布局方案对应的综合影响值;本发明在对农业布局进行管理的过程中,不仅考虑地形地势的差异对种植农作物生长的影响,还考虑到不同种类的农作物在生长过程中,由于生长状态的差异相互之间产生的影响,通过分析农作物待种植区域内的每种农作物种植布局方案对应的综合影响值,来实现对农作物布局方案的有效筛选。
智慧农业产区在进行布局过程中,一般只会根据对应产品的配置产量,匹配对应的产区种植地,但此种布局方式并不全面,并未考虑不同农产区内部所存在的不同地貌区域,且未根据实际地形,对后期的收割困难度进行分析,从而选取一组最佳的产品配置地进行种植。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了一种智慧农业布局方法及系统,用于解决未根据实际地形,对后期的收割困难度进行分析的技术问题。
为实现上述目的,根据本发明的第一方面的实施例提出一种智慧农业布局系统,包括图像采集端、数据输入端、布局管理中心以及云数据库;
所述布局管理中心包括图像分析单元、区域标记单元、存储单元、区域选定单元以及布局规划端,且布局规划端包括区域图形分析单元以及数值确认单元;
所述图像采集端,用于对不同农产区的整体图像进行获取,其中所获取的整体图像为对应农产区的图像以及周边100m的图像,并将所获取的整体图像传输至图像分析单元内;
所述图像分析单元,根据所确定的不同农产区的整体图像,对农产区是否存在不同地貌区进行确认,并将确认结果传输至区域标记单元内,且不同地貌区包括农产水源区、平整区以及隆起区,具体方式为:
从整体图像内,确认对应农产区周边是否存在水源区域,若存在水源区域,则按照水源区域与农产区的相邻曲线,向农产区内进行延伸X1m,其中X1为预设值,确认农产水源区,若不存在水源区域,则不进行任何处理;
再对农产区内部的图像进行平整度分析,将坡度超过35°的区域标记为隆起区,反之,将对应的区域标记为平整区;
所述区域标记单元,对标记处理后的农产水源区、平整区以及隆起区进行不同颜色标识,并将完成颜色标识后的农产区图像传输至存储单元内进行存储;
所述数据输入端,供外部人员进行操作,将种植品种以及需求产量进行输入,并传输至区域选定单元内;
所述区域选定单元,根据所确认的种植品种,从云数据库内确认适配产区,再根据需求产量确认面积需求量,再从存储单元内提取所适配的对应产区,具体方式为:
确认种植品种,再从云数据库内确认该种植品种所适配的种植产区,将所适配的种植产区标记为限定产区;
将种植品种的需求产量标记为CLi,其中i代表不同的种植品种,从云数据库内提取对应种植品种所对应的导向因子Y1,采用MJi=CLi×Y1得到对应种植品种的面积需求量MJi;
根据所确认的面积需求量MJi,从存储单元内将与限定产区为同一类型的产区确认为待提取产区,并确认不同待提取产区的面积参数,并将其标记为COk,其中k代表不同的待提取产区,采用MJi-COk=CZk,得到若干组待提取产区与面积需求量的差值CZk,再将若干组差值进行绝对值处理,得到差值绝对值;
从若干组差值绝对值内提取数值最小的三组数值,根据所确认的数值,确认对应的待提取产区,再将所确认的三组待提取产区传输至布局规划端内;
所述布局规划端内部的区域图形分析单元,对三组待提取产区进行自适应分析,构建对应待提取产区的正规模型面,再从存储单元内确认排版模型,将排版模型依次填补至正规模型面内,并从待提取产区内确认无法进行排版的面积总值,并将所确认的面积总值传输至数值确认单元内,具体方式为:
根据所接收的待提取产区,从待提取产区内确认宽度最大值以及长度最大值,根据宽度最大值以及长度最大值构建正规模型面;
再从存储单元内确认排版模型,其中排版模型为预设模型,将排版模型按照正规模型面的参数,依次进行排列;
排版模型排版完毕后,确认排版模型与待提取产区的交叉点,将交叉点与排版模型作垂线,根据对应的垂线,将位于待提取产区内部的区域标记为无法排版区域;
后续将所产生的若干组无法排版区域面积参数进行求和处理,得到无法进行排版面积总值,并将无法进行排版面积总值传输至数值确认单元内。
优选的,所述云数据库内存储有不同种植品种所对应的导向因子,以及对应种植品种所匹配的种植产区。
优选的,所述数值确认单元,将所生成的无法进行排版面积总值进行接收并进行确认,按照数值从小至大的方式,将三组待提取产区再排序,生成对应的排序表,并将排序表传输至展示端内进行展示。
与现有技术相比,本发明的有益效果是:将对应的农产区图像进行确认,根据所确认的图像,将其划分为不同的地貌区,并进行存储;
后续根据对应的种植品种以及需求产量,确认对应的地貌区,再对地貌区进行分析,对地貌区进行自适应分析,构建对应待提取产区的正规模型面,将排版模型依次填补至正规模型面内,并从待提取产区内确认无法进行排版的面积总值,根据所确认的面积总值,确认最佳的三组地貌区,并进行展示,采用此种方式,便可对不同的农产区进行合理布局,提升布局的整体效果,同时考虑到后期的收割难度,进一步提升整体效果,便于农产人员进行采摘。
附图说明
图1为本发明原理框架示意图;
图2为本发明待提取产区排版示意图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
实施例一
请参阅图1,本申请提供了一种智慧农业布局系统,包括图像采集端、数据输入端、布局管理中心、云数据库以及展示端,其中图像采集端以及数据输入端均与布局管理中心输入端电性连接,所述布局管理中心与展示端输入端电性连接;
所述布局管理中心包括图像分析单元、区域标记单元、存储单元、区域选定单元以及布局规划端,其中图像分析单元与区域标记单元输入端电性连接,所述区域标记单元与存储单元输入端电性连接,所述区域选定单元与存储单元之间双向连接,所述区域选定单元与布局规划端输入端电性连接;
所述布局规划端包括区域图形分析单元以及数值确认单元,其中区域图形分析单元与数值确认单元输入端电性连接,所述存储单元与区域图形分析单元输入端电性连接,所述云数据库与区域选定单元输入端电性连接;
所述图像采集端,用于对不同农产区的整体图像进行获取,其中所获取的整体图像为对应农产区的图像以及周边100m的图像,并将所获取的整体图像传输至图像分析单元内;
所述图像分析单元,根据所确定的不同农产区的整体图像,对农产区是否存在不同地貌区进行确认,并将确认结果传输至区域标记单元内,其中,进行确认的具体方式为:
从整体图像内,确认对应农产区周边是否存在水源区域,若存在水源区域,则按照水源区域与农产区的相邻曲线,向农产区内进行延伸X1m,其中X1为预设值,确认农产水源区,若不存在水源区域,则不进行任何处理,具体的,根据所确定的相邻曲线,向农产区内进行平移,在平移过程中,相邻曲线所涵盖的区域,便将其判定为对应的水源区域;
再对农产区内部的图像进行平整度分析,将坡度超过35°的区域标记为隆起区,反之,将对应的区域标记为平整区,具体的,因区域性分析为现有技术,此处故不作过多赘述,通过对应的图像,可以建立对应的农产区模型,根据所建立的模型,便可对坡度进行确认分析,便可确认对应的隆起区以及平整区;
将对应农产区标记处理后的农产水源区、平整区以及隆起区传输至区域标记单元内。
所述区域标记单元,对标记处理后的农产水源区、平整区以及隆起区进行不同颜色标识,并将完成颜色标识后的农产区图像传输至存储单元内进行存储;
所述数据输入端,供外部人员进行操作,将种植品种以及需求产量进行输入,并传输至区域选定单元内;
所述云数据库内存储有不同种植品种所对应的导向因子,以及对应种植品种所匹配的种植产区,其中,所存储的具体参数均由操作人员提前拟定;
所述区域选定单元,根据所确认的种植品种,从云数据库内确认适配产区,再根据需求产量确认面积需求量,再从存储单元内提取所适配的对应产区,并将所提取的对应产区传输至布局规划端内,其中:
确认适配产区的具体方式为:确认种植品种,再从云数据库内确认该种植品种所适配的种植产区,将所适配的种植产区标记为限定产区;
将种植品种的需求产量标记为CLi,其中i代表不同的种植品种,从云数据库内提取对应种植品种所对应的导向因子Y1,采用MJi=CLi×Y1得到对应种植品种的面积需求量MJi;
根据所确认的面积需求量MJi,从存储单元内将与限定产区为同一类型的产区确认为待提取产区,并确认不同待提取产区的面积参数,并将其标记为COk,其中k代表不同的待提取产区,采用MJi-COk=CZk,得到若干组待提取产区与面积需求量的差值CZk,再将若干组差值进行绝对值处理,得到差值绝对值;
从若干组差值绝对值内提取数值最小的三组数值,根据所确认的数值,确认对应的待提取产区,再将所确认的三组待提取产区传输至布局规划端内。
所述布局规划端内部的区域图形分析单元,对三组待提取产区进行自适应分析,构建对应待提取产区的正规模型面,再从存储单元内确认排版模型,将排版模型依次填补至正规模型面内,并从待提取产区内确认无法进行排版的面积总值,并将所确认的面积总值传输至数值确认单元内,其中,确认无法进行排版面积总值的具体方式为:
结合图2,根据所接收的待提取产区,从待提取产区内确认宽度最大值以及长度最大值,根据宽度最大值以及长度最大值构建正规模型面;
再从存储单元内确认排版模型,其中排版模型为预设模型,其预设模型具体数值由操作人员根据经验拟定,将排版模型按照正规模型面的参数,依次进行排列,具体排列方式由计算机自行执行,且内部设置有执行参数,具体参数由操作人员根据经验拟定;
排版模型排版完毕后,确认排版模型与待提取产区的交叉点,将交叉点与排版模型作垂线,根据对应的垂线,将位于待提取产区内部的区域标记为无法排版区域;
后续将所产生的若干组无法排版区域面积参数进行求和处理,得到无法进行排版面积总值,并将无法进行排版面积总值传输至数值确认单元内。
具体的,排版区域可以理解为种植区域,种植区域在正常种植时,一般会正常进行排列,但在排版过程中,因原始的待提取产区并不是完整的区域,便会存在不是正规的图形区域,此类区域,在后期丰收过程中,对应的收割机器存在一定的收割困难,故,如果此类种植区域越少,收割便越容易,所以,在进行布局过程中,一定要选取最合适的待提取产区进行适配,从而提升整个布局效果,便于后期操作人员对完成品进行采摘。
所述数值确认单元,将所生成的无法进行排版面积总值进行接收并进行确认,按照数值从小至大的方式,将三组待提取产区再排序,生成对应的排序表,并将排序表传输至展示端内进行展示,供外部人员进行查看;
位于排序表的第一位待提取产区为最优产区;
位于排序表的第二位待提取产区为次优产区;
位于排序表的第三位待提取产区则为较次产区。
实施例二
本申请提供了一种智慧农业布局方法,包括以下步骤:
步骤一、根据所获取的整体图像,将农产区内不同地貌区进行确认,使对应的农产区内部区域依次划分为农产水源区、平整区以及隆起区,并将划分后的对应产区传输至存储单元内进行存储;
步骤二、再根据所确认的种植品种,从云数据库内确认适配产区,再根据需求产量确认面积需求量,再从存储单元内提取所适配的对应产区,并将所提取的对应产区标记为待提取产区;
步骤三、再对三组待提取产区进行自适应分析,构建对应待提取产区的正规模型面,再从存储单元内确认排版模型,将排版模型依次填补至正规模型面内,并从待提取产区内确认无法进行排版的面积总值,并将所确认的面积总值传输至数值确认单元内;
步骤四、再将所生成的无法进行排版面积总值进行接收并进行确认,按照数值从小至大的方式,将三组待提取产区再排序,生成对应的排序表,并将排序表传输至展示端内进行展示,供外部人员进行查看。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (6)
1.一种智慧农业布局系统,其特征在于,包括图像采集端、数据输入端、布局管理中心以及云数据库;
所述布局管理中心包括图像分析单元、区域标记单元、存储单元、区域选定单元以及布局规划端,且布局规划端包括区域图形分析单元以及数值确认单元;
所述图像采集端,用于对不同农产区的整体图像进行获取,其中所获取的整体图像为对应农产区的图像以及周边100m的图像,并将所获取的整体图像传输至图像分析单元内;
所述图像分析单元,根据所确定的不同农产区的整体图像,对农产区是否存在不同地貌区进行确认,并将确认结果传输至区域标记单元内,且不同地貌区包括农产水源区、平整区以及隆起区;
所述区域标记单元,对标记处理后的农产水源区、平整区以及隆起区进行不同颜色标识,并将完成颜色标识后的农产区图像传输至存储单元内进行存储;
所述数据输入端,供外部人员进行操作,将种植品种以及需求产量进行输入,并传输至区域选定单元内;
所述区域选定单元,根据所确认的种植品种,从云数据库内确认适配产区,再根据需求产量确认面积需求量,从存储单元内提取所适配的对应产区,并将所提取的对应产区标记为待提取产区;
所述布局规划端内部的区域图形分析单元,对待提取产区进行自适应分析,构建对应待提取产区的正规模型面,再从存储单元内确认排版模型,将排版模型依次填补至正规模型面内,并从待提取产区内确认无法进行排版的面积总值,并将所确认的面积总值传输至数值确认单元内,具体方式为:
根据所接收的待提取产区,从待提取产区内确认宽度最大值以及长度最大值,根据宽度最大值以及长度最大值构建正规模型面,此正规模型面就是矩形;
再从存储单元内确认排版模型,其中排版模型为预设模型且为矩形,将排版模型按照正规模型面的参数,依次进行排列;
排版模型排版完毕后,确认排版模型与待提取产区边缘线的交叉点,将交叉点与排版模型的两条边作垂线,根据位于待提取产区内部的对应的垂线,将位于待提取产区内部的区域标记为无法排版区域;
后续将所产生的若干组无法排版区域面积参数进行求和处理,得到无法进行排版面积总值,并将无法进行排版面积总值传输至数值确认单元内。
2.根据权利要求1所述的一种智慧农业布局系统,其特征在于,所述图像分析单元,对不同地貌区进行确认的具体方式为:
从整体图像内,确认对应农产区周边是否存在水源区域,若存在水源区域,则按照水源区域与农产区的相邻曲线,向农产区内进行延伸X1m,其中X1为预设值,确认农产水源区,若不存在水源区域,则不进行任何处理;
再对农产区内部的图像进行平整度分析,将坡度超过35°的区域标记为隆起区,反之,将对应的区域标记为平整区。
3.根据权利要求1所述的一种智慧农业布局系统,其特征在于,所述云数据库内存储有不同种植品种所对应的导向因子,以及对应种植品种所匹配的种植产区。
4.根据权利要求3所述的一种智慧农业布局系统,其特征在于,所述区域选定单元,确认适配产区的具体方式为:确认种植品种,再从云数据库内确认该种植品种所适配的种植产区,将所适配的种植产区标记为限定产区;
将种植品种的需求产量标记为CLi,其中i代表不同的种植品种,从云数据库内提取对应种植品种所对应的导向因子Y1,采用MJi=CLi×Y1得到对应种植品种的面积需求量MJi;
根据所确认的面积需求量MJi,从存储单元内将与限定产区为同一类型的产区确认为待提取产区,并确认不同待提取产区的面积参数,并将其标记为COk,其中k代表不同的待提取产区,采用MJi-COk=CZk,得到若干组待提取产区与面积需求量的差值CZk,再将若干组差值进行绝对值处理,得到差值绝对值;
从若干组差值绝对值内提取数值最小的三组数值,根据所确认的数值,确认对应的待提取产区,再将所确认的三组待提取产区传输至布局规划端内。
5.根据权利要求1所述的一种智慧农业布局系统,其特征在于,所述数值确认单元,将所生成的无法进行排版面积总值进行接收并进行确认,按照数值从小至大的方式,将三组待提取产区再排序,生成对应的排序表,并将排序表传输至展示端内进行展示。
6.一种智慧农业布局方法,该方法应用于权利要求1-5任一项所述的农业布局系统内,其特征在于,包括以下步骤:
步骤一、根据所获取的整体图像,将农产区内不同地貌区进行确认,使对应的农产区内部区域依次划分为农产水源区、平整区以及隆起区,并将划分后的对应产区传输至存储单元内进行存储;
步骤二、再根据所确认的种植品种,从云数据库内确认适配产区,再根据需求产量确认面积需求量,再从存储单元内提取所适配的对应产区,并将所提取的对应产区标记为待提取产区;
步骤三、再对待提取产区进行自适应分析,构建对应待提取产区的正规模型面,再从存储单元内确认排版模型,将排版模型依次填补至正规模型面内,并从待提取产区内确认无法进行排版的面积总值,并将所确认的面积总值传输至数值确认单元内;
步骤四、再将所生成的无法进行排版面积总值进行接收并进行确认,按照数值从小至大的方式,将待提取产区再排序,生成对应的排序表,并将排序表传输至展示端内进行展示,供外部人员进行查看。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311073068.8A CN116777087B (zh) | 2023-08-24 | 2023-08-24 | 一种智慧农业布局方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311073068.8A CN116777087B (zh) | 2023-08-24 | 2023-08-24 | 一种智慧农业布局方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116777087A CN116777087A (zh) | 2023-09-19 |
CN116777087B true CN116777087B (zh) | 2023-12-15 |
Family
ID=87993523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311073068.8A Active CN116777087B (zh) | 2023-08-24 | 2023-08-24 | 一种智慧农业布局方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116777087B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116777087B (zh) * | 2023-08-24 | 2023-12-15 | 夏露 | 一种智慧农业布局方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2283767A1 (en) * | 1999-09-27 | 2001-03-27 | Monsanto Company | Method and system for spatial evaluation of field crop perfomance |
CN102722973A (zh) * | 2012-06-29 | 2012-10-10 | 深圳市赛格导航科技股份有限公司 | 基于gps的智能农业作业系统及其作业方法 |
WO2018232860A1 (zh) * | 2017-06-23 | 2018-12-27 | 深圳市盛路物联通讯技术有限公司 | 一种基于物联网的农作物生长管理方法及系统 |
CN112734083A (zh) * | 2020-12-17 | 2021-04-30 | 宁波财经学院 | 一种基于机器视觉的水稻收割机路径规划控制系统 |
CN113297196A (zh) * | 2021-07-28 | 2021-08-24 | 深圳市爱云信息科技有限公司 | 智慧农业aiot分布式大数据存储平台 |
CN113362075A (zh) * | 2021-05-15 | 2021-09-07 | 广东省农业科学院农业经济与信息研究所 | 一种基于大数据的农产品区域管理系统 |
CN113947495A (zh) * | 2020-07-17 | 2022-01-18 | 云南天质弘耕科技有限公司 | 一种作物种植管理方法及系统 |
CN115564145A (zh) * | 2022-11-17 | 2023-01-03 | 北京市农林科学院信息技术研究中心 | 基于分布式数据的农作物品种产量预测方法及装置 |
CN115983509A (zh) * | 2023-03-21 | 2023-04-18 | 河北泽润信息科技有限公司 | 基于物联网的智慧农业用布局管理系统及方法 |
CN116602147A (zh) * | 2022-07-28 | 2023-08-18 | 中国农业科学院都市农业研究所 | 一种植物种植系统 |
CN116777087A (zh) * | 2023-08-24 | 2023-09-19 | 南京市农业装备推广中心 | 一种智慧农业布局方法及系统 |
-
2023
- 2023-08-24 CN CN202311073068.8A patent/CN116777087B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2283767A1 (en) * | 1999-09-27 | 2001-03-27 | Monsanto Company | Method and system for spatial evaluation of field crop perfomance |
CN102722973A (zh) * | 2012-06-29 | 2012-10-10 | 深圳市赛格导航科技股份有限公司 | 基于gps的智能农业作业系统及其作业方法 |
WO2018232860A1 (zh) * | 2017-06-23 | 2018-12-27 | 深圳市盛路物联通讯技术有限公司 | 一种基于物联网的农作物生长管理方法及系统 |
CN113947495A (zh) * | 2020-07-17 | 2022-01-18 | 云南天质弘耕科技有限公司 | 一种作物种植管理方法及系统 |
CN112734083A (zh) * | 2020-12-17 | 2021-04-30 | 宁波财经学院 | 一种基于机器视觉的水稻收割机路径规划控制系统 |
CN113362075A (zh) * | 2021-05-15 | 2021-09-07 | 广东省农业科学院农业经济与信息研究所 | 一种基于大数据的农产品区域管理系统 |
CN113297196A (zh) * | 2021-07-28 | 2021-08-24 | 深圳市爱云信息科技有限公司 | 智慧农业aiot分布式大数据存储平台 |
CN116602147A (zh) * | 2022-07-28 | 2023-08-18 | 中国农业科学院都市农业研究所 | 一种植物种植系统 |
CN115564145A (zh) * | 2022-11-17 | 2023-01-03 | 北京市农林科学院信息技术研究中心 | 基于分布式数据的农作物品种产量预测方法及装置 |
CN115983509A (zh) * | 2023-03-21 | 2023-04-18 | 河北泽润信息科技有限公司 | 基于物联网的智慧农业用布局管理系统及方法 |
CN116777087A (zh) * | 2023-08-24 | 2023-09-19 | 南京市农业装备推广中心 | 一种智慧农业布局方法及系统 |
Non-Patent Citations (2)
Title |
---|
信息化在农业经济管理中的应用;支蔚玮;《农业开发与装备》(第10期);52-53 * |
水稻收割后谷粒处理流程优化;吴正萍;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》(第08期);B024-212 * |
Also Published As
Publication number | Publication date |
---|---|
CN116777087A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116777087B (zh) | 一种智慧农业布局方法及系统 | |
EP3343176B1 (en) | Method for creating prescription maps | |
CN108921105A (zh) | 识别目标数量的方法、装置及计算机可读存储介质 | |
CN107274384B (zh) | 一种小麦出苗均匀度测定方法 | |
Fedorov et al. | Process of digital transformation of agrarian economy | |
KR20160040672A (ko) | 재배 지원 장치, 재배 지원 방법, 및 프로그램을 저장하는 기록 매체 | |
JP2018099067A (ja) | 生育管理装置、生育管理方法、及び、プログラム | |
CN110301184A (zh) | 一种作物科学工程化育种信息处理系统及方法 | |
CN113469112B (zh) | 农作物生长状况图像识别方法及系统 | |
WO2018073093A1 (de) | Bestimmung des korngewichtes einer ähre | |
CN112836623A (zh) | 设施番茄农事决策辅助方法及装置 | |
CN107103554A (zh) | 一种奶牛的智能监测方法及系统 | |
KR20200044604A (ko) | 스마트팜 재배이력을 이용한 스마트팜 재배시스템 | |
KR101930025B1 (ko) | 작물의 생육 상태 측정 방법 및 시스템 | |
Guadagna et al. | Using deep learning for pruning region detection and plant organ segmentation in dormant spur-pruned grapevines | |
JP2019071802A (ja) | 苗データ生成システム、苗判別システム、苗データ生成プログラム、苗判別プログラム、苗データ生成装置、苗判別装置 | |
CN113010529A (zh) | 基于知识图谱的作物管理方法和装置 | |
KR20210133188A (ko) | 스마트팜 양돈 시스템 및 방법 | |
CN109377239A (zh) | 一种产品质量溯源管控方法及系统 | |
CN114332427A (zh) | 一种基于数字孪生的监控农业生产的方法及装置 | |
KR20230061863A (ko) | 합성곱신경망과 다층 퍼셉트론의 앙상블 모델을 이용한 과실 발달 단계 예측 장치 및 그 방법 | |
CN101101644A (zh) | 农场运作系统以及方法 | |
JP2021026499A (ja) | 情報処理装置及びその制御方法及びプログラム | |
CN116703083B (zh) | 一种基于人工智能的可控农业栽培管理系统及方法 | |
US11763452B2 (en) | Training method, evaluation method, electronic device and storage medium |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231108 Address after: Room 1001, Building 8, No. 698 Zhongshan Gate Street, Qixia District, Nanjing City, Jiangsu Province, 210046 Applicant after: Xia Lu Address before: No. 169 Hanzhongmen Street, Jianye District, Nanjing City, Jiangsu Province, 210000 Applicant before: Nanjing Agricultural Equipment Promotion Center |
|
GR01 | Patent grant | ||
GR01 | Patent grant |