CN116843188A - 一种基于大数据分析的精细农业栽培与管理平台 - Google Patents
一种基于大数据分析的精细农业栽培与管理平台 Download PDFInfo
- Publication number
- CN116843188A CN116843188A CN202310556295.XA CN202310556295A CN116843188A CN 116843188 A CN116843188 A CN 116843188A CN 202310556295 A CN202310556295 A CN 202310556295A CN 116843188 A CN116843188 A CN 116843188A
- Authority
- CN
- China
- Prior art keywords
- data
- growth
- crop
- target
- target crop
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 88
- 238000010276 construction Methods 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 241000607479 Yersinia pestis Species 0.000 claims description 53
- 230000002159 abnormal effect Effects 0.000 claims description 48
- 241000238631 Hexapoda Species 0.000 claims description 27
- 108090000623 proteins and genes Proteins 0.000 claims description 27
- 230000007613 environmental effect Effects 0.000 claims description 25
- 230000004720 fertilization Effects 0.000 claims description 24
- 238000003306 harvesting Methods 0.000 claims description 24
- 238000003973 irrigation Methods 0.000 claims description 20
- 230000002262 irrigation Effects 0.000 claims description 20
- 230000002265 prevention Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 18
- 201000010099 disease Diseases 0.000 claims description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 13
- 239000007788 liquid Substances 0.000 claims description 13
- 239000002689 soil Substances 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 7
- 238000012364 cultivation method Methods 0.000 claims description 6
- 230000007812 deficiency Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 4
- 238000011534 incubation Methods 0.000 claims description 4
- 238000004383 yellowing Methods 0.000 claims description 4
- 239000011701 zinc Substances 0.000 claims description 4
- 229910052725 zinc Inorganic materials 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000009395 breeding Methods 0.000 description 4
- 230000001488 breeding effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000003442 weekly effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 1
- 238000010362 genome editing Methods 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
- 230000003313 weakening effect Effects 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Marine Sciences & Fisheries (AREA)
- Medical Informatics (AREA)
- Animal Husbandry (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于大数据分析的精细农业栽培与管理平台，包括：农业大数据采集系统：用于通过微型电子传感器对单粒作物进行实时监测，获取单粒作物的生长数据和生长环境数据；农业栽培模型构建系统：用于对所述单粒作物的生长数据和生长环境数据进行数据分析，并根据数据分析结果构建目标作物环境预测模型，通过所述目标作物环境预测模型对目标作物的环境数据进行预测，获得环境预测结果；农业管理平台系统：用于根据所述环境预测结果，生成培育方案，并通过管理平台反馈给移动客户终端，进行培育提醒，本发明中，通过微型电子传感器对单粒作物的生长数据和生长环境数据进行实时采集，分析，获取目标作物的最优栽培策略，进行精细化栽培。
Description
技术领域
本发明涉及农业大数据技术领域，特别涉及一种基于大数据分析的精细农业栽培与管理平台。
背景技术
目前，农业栽培体系需要工作人员花费大量的时间进行人工培育，这种方式需要的人工成本很高，也非常依靠个人经验，随着物联网技术的新起，各领域人员发现通过对大数据进行收集、分析，可以获得有价值的信息，同样这种方法也适用于农业栽培方面，通过对农业大数据进行收集、分析和管理，可以对农业栽培进行科学的管理，构建现代化的农业栽培体系，搭建农业管理平台，但是，论文U rnov FD，Rebar E J，Holmes M C，Zhang H S，Gregory P D.2010.Genome editing with engineered zinc finger nucleases.NatureReviews Genetics，11(9)：636-646.认为目前的基于大数据分析的农业栽培技术虽然在传统的农业栽培基础上改善良多，也更科学，但是还不能实现农作物的精细化培育，因此，在基于农业大数据的基础上，实现农业精细化栽培，搭建农业管理平台，是我们需要探究的方向。
发明内容
本发明提供一种基于大数据分析的精细农业栽培与管理平台，用以解决根据农业大数据进行精细化农业栽培和搭建农业管理平台的情况。
一种基于大数据分析的精细农业栽培与管理平台，包括：
农业大数据采集系统：用于通过微型电子传感器对单粒作物进行实时监测，获取单粒作物的生长数据和生长环境数据；
农业栽培模型构建系统：用于对所述单粒作物的生长数据和生长环境数据进行数据分析，并根据数据分析结果构建目标作物环境预测模型，通过所述目标作物环境预测模型对目标作物的环境数据进行预测，获得环境预测结果；
农业管理平台系统：用于根据所述环境预测结果，生成培育方案，并通过管理平台反馈给移动客户终端，进行培育提醒。
作为本发明的一种实施例：所述农业大数据采集系统，包括：
单粒作物生长跟踪模块：用于通过微型传感器追踪单粒作物的生长过程；其中，所述微型传感器包括：微型图像传感器，微型高度传感器，所述单粒作物的生长过程包括：单粒作物种植、单粒作物灌溉，单粒作物除虫；
单粒作物生长数据模块：用于提取所述微型传感器的采集数据，获取单粒作物生长数据；其中，所述单粒作物生长数据包括：单粒作物高度数据、单粒作物结果数据、单粒作物生病数据；
单粒作物生长环境数据采集模块：用于通过微型环境传感器对所述单粒作物的环境数据进行实时采集；其中，所述环境传感器包括：微型湿度传感器、微型液位传感器、微型热敏传感器、微型光敏传感器；
单粒作物生长环境数据模块：用于提取所述微型环境传感器所采集的环境数据，生成单粒作物生长环境数据；其中，所述单粒作物生长环境数据包括：土壤湿度数据、环境液位数据、环境温度数据、环境亮度数据。
作为本发明的一种实施例：所述农业大数据采集系统，还包括：
特异生长判定单元：用于根据所述生长数据对单粒作物进行异常生长判断，当通过微型图像传感器检测单粒作物的叶子变黄、枯萎特征，或通过微型高度传感器检测到单粒作物三周不增长时，记录异常图像特征和异常数据特征，并分析异常图像特征和异常数据特征，获得异常变化原因；
异常环境判定单元：用于根据所述单粒作物生长环境数据进行异常环境判定，当所述单粒作物生长环境数据超过预设的单粒作物生长环境阈值时，确定所述单粒作物生长环境数据的采集时间，并通过所述微型图像传感器上传所述采集时间前5分钟的环境图像，通过分析所述环境图像要素，获得环境异常原因。
作为本发明的一种实施例：所述农业栽培模型构建系统，包括：
目标作物环境训练模块：用于获取所述单粒作物生长数据和生长环境数据，并根据作物品种对单粒作物进行分类，将分类后的单粒作物生长数据和单粒作物生长环境数据作为目标作物数据，并剔除异常数据后，基于生物生长发育规律，通过控制目标作物生长环境数据增减，对目标作物生长数据进行训练；其中，所述异常数据包括：单粒作物生长缺失值，环境温度异常值、环境液位异常值；
目标作物环境预测模型构建模块：用于对所述目标作物生长数据进行多次训练，获得最优目标作物生长数据，并记录对应的生长环境数据，根据所述生长环境数据，构建目标作物环境预测模型，获得目标作物环境预测结果；其中，所述目标作物环境预测结果包括：灌溉预测、施肥预测、防病虫害预测、收获预测。
作为本发明的一种实施例：所述农业栽培模型构建系统，还包括：
目标作物训练模块：用于接收所述目标作物数据，并根据所述目标作物数据进行目标作物生长模拟；
目标作物生长模型构建模块：用于将所述目标作物数据作为构建目标作物生长模型样本数据，训练并构建目标作物生长模型，并生成目标作物生长结果；其中，所述目标作物生长结果包括：目标作物高度结果、目标作物果实结果、目标作物健康结果。
作为本发明的一种实施例：所述农业管理平台系统，包括：
预测结果汇总模块：用于根据所述目标作物环境预测结果，生成培育方案，其中，所述培育方案包括：目标作物灌溉方案、目标作物施肥方案、目标作物防病虫害方案，目标作物收获方案；
数据反馈模块：基于移动客户端的目标作物，生成所述目标作物的培育方案，并根据培育方案中的提醒时间向移动客户端发送提醒信息，进行培育提醒；其中，所述培育信息包括：目标作物灌溉信息、目标作物施肥信息、目标作物防虫害信息、目标作物收获时间信息。
作为本发明的一种实施例：所述农业管理平台系统，还包括：
农业信息共享模块：用于预设农业专家库和农业信息库，所述农业专家库存储农业专家已发表的农作物培育方法，所述农业信息库中存储农产品价格信息、病虫害信息、土壤分辨方法。
作为本发明的一种实施例：所述单粒作物生长跟踪模块，包括：单粒作物生长记录步骤：
步骤一：通过所述微型图像传感器拍摄单粒作物的生长过程，并记录所述单粒作物的生长过程时间；
步骤二：通过所述微型图像传感器拍摄单粒作物的虫害图像，并发送给图像识别中心进行虫害识别，获得所述虫害信息；
步骤三：通过所述微型高度传感器，以一周为周期对所述单粒作物身高进行记录，并计算每一周期的单粒作物增长值。
作为本发明的一种实施例：所述数据反馈模块，包括：
目标作物灌溉提醒单元：用于通过移动客户端上传的目标作物数据，分析目标作物所处的生长时间，并根据所述目标作物所处的生长时间进行每日灌溉量提醒；
目标作物防虫害提醒单元：用于记录伤害目标作物的害虫种类，并对每个种类的害虫设置预防方案信息和干涉方案信息，通过移动客户端上传的目标作物数据分析目标作物所处的生长时间，并在害虫干预期发送害虫预防方案信息，在害虫干涉方案发送干涉方案信息；
目标作物施肥方案提醒单元：用于根据所述最佳施肥方案信息的提醒时间，定时向移动客户端发送施肥方案信息；
目标作物收获时间提醒单元：用于通过移动客户端上传的目标作物数据分析目标作物所处的生长时间，并在所述目标作物的最佳收获期发送收获时间信息。
作为本发明的一种实施例：精细农业栽培与管理平台还包括：种子优选系统：用于通过预设的种子基因库，标记需求基因，并通过锌指技术改变基因组，获取需求种子；其中，
种子基因库：用于存储各类不同品种种子的基因数据；
需求种子基因筛选模块：用于通过SNP分子标记需求基因，并从种子基因库中筛选出最优种子。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于大数据分析的精细农业栽培与管理平台的示意图；
图2为本发明实施例中一种基于大数据分析的精细农业栽培与管理平台的农业管理平台系统的示意图；
图3为本发明实施例中一种基于大数据分析的精细农业栽培与管理平台的单粒作物生长记录步骤示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
需说明的是，当部件被称为“固定于”或“设置于”另一个部件，它可以直接在另一个部件上或者间接在该另一个部件上。当一个部件被称为是“连接于”另一个部件，它可以是直接或者间接连接至该另一个部件上。
需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序，“多个”的含义是两个或两个以上，除非另有明确具体的限定。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
实施例1：
本发明实施例提供了一种基于大数据分析的精细农业栽培与管理平台，包括：
农业大数据采集系统：用于通过微型电子传感器对单粒作物进行实时监测，获取单粒作物的生长数据和生长环境数据；
农业栽培模型构建系统：用于对所述单粒作物的生长数据和生长环境数据进行数据分析，并根据数据分析结果构建目标作物环境预测模型，通过所述目标作物环境预测模型对目标作物的环境数据进行预测，获得环境预测结果；
农业管理平台系统：用于根据所述环境预测结果，生成培育方案，并通过管理平台反馈给移动客户终端，进行培育提醒。
在一个实际的场景中：通过根据农业大数据的特征进行解析，听过过解析结果提供最佳的农作物栽培结果，但是，就目前来看，这种方法还不普及，通常只是对一个品种的作物进行大数据跟踪和分析，并生成最佳的栽培结果，只适用于该品种，对其他品种的作物不具备参考价值；
本发明在进行实施的时候，通过各种类型的微型电子传感器对单粒作物进行精细化生长数据和生长环境数据进行跟踪和纪录，对于同一品种的多个单粒作物进行生长数据和生长环境数据跟踪和采集，并将所采集的数据发送到农业栽培模型构建系统中，在所述农业栽培模型构建系统中，在构建目标作物生长模型和目标作物环境预测模型时，对同一品种的所有单粒作物生长数据和生长环境数据进行数据分析，构建目标作物环境预测模型，并根据目标作物环境预测模型的环境预测结果，生成培育方案，通过管理平台反馈给移动客户终端，给用户提供科学的的农作物灌溉、除虫害、施肥和收获的时间和方案；
上述技术方案的有益效果为：本发明中，通过农业大数据采集系统对单粒作物进行生长数据和生长环境数据进行实时数据采集，相对于对同品种作物进行群体监控，这种通过微型电子传感器采集数据更加精细化，能够发现更多的有价值信息，通过农业栽培模型构建系统和农业管理平台系统，构建目标作物环境预测模型，并通过模拟，得到有价值的数据，将数据发送给农户，可以让农户更科学、简便地进行农业栽培。
实施例2：
在一个实施例中，所述农业大数据采集系统，包括：
单粒作物生长跟踪模块：用于通过微型传感器追踪单粒作物的生长过程；其中，所述微型传感器包括：微型图像传感器，微型高度传感器，所述单粒作物的生长过程包括：单粒作物种植、单粒作物灌溉，单粒作物除虫；
单粒作物生长数据模块：用于提取所述微型传感器的采集数据，获取单粒作物生长数据；其中，所述单粒作物生长数据包括：单粒作物高度数据、单粒作物结果数据、单粒作物生病数据；
单粒作物生长环境数据采集模块：用于通过微型环境传感器对所述单粒作物的环境数据进行实时采集；其中，所述环境传感器包括：微型湿度传感器、微型液位传感器、微型热敏传感器、微型光敏传感器；
单粒作物生长环境数据模块：用于提取所述微型环境传感器所采集的环境数据，生成单粒作物生长环境数据；其中，所述单粒作物生长环境数据包括：土壤湿度数据、环境液位数据、环境温度数据、环境亮度数据。
在一个实际的场景中：在农业大数据采集系统中，根据群体监控对目标作物整体进行数据跟踪和采集，但是，群体监控所跟踪和采集的数据时目标作物群体的数据特征，这样的采集数据会导致个体特征数据弱化，不利于后续的数据分析，通常通过群体监控对目标作物进行数据采集，采集群体作物的实时数据，对群体作物进行分析，获得分析结果，但是，群体监控不能对进行精准农业。
本发明在进行实施的时候，在进行单粒作物生长数据采集的过程中，首先对同一品种的多个单粒种子通过微型图像传感器，微型高度传感器进行单粒作物生长跟踪，将单粒作物从种子状态到开花、结果、死亡过程中的所有数据进行记录，并记录单粒作物最高高度值，单粒作物果实数量、单粒作物生病次数，在进行单粒作物生长环境数据采集时，将同一品种的单粒作物放在不同的环境中进行生长环境数据采集，将微型湿度传感器放置在单粒作物的土壤中，获得单粒作物的土壤中的湿度值，将微型液位传感器固定在在单粒作物的附近，对单粒作物的灌溉和雨量进行测量，通过微型热敏传感器测的单粒作物所在环境的温度，通过微型光敏传感器测的单粒作物环境的光亮度。
上述技术方案的有益效果为：本发明中通过微型图像传感器，微型高度传感器对单粒作物进行精细化生长数据采集，通过精细化生长数据采集可以发现单粒作物的作物特性，这是通过群体监控所难以采集到的作物信息，通过不同作用的微型环境传感器对同一品种的单粒作物在不同的环境中的生长环境数据进行采集，可以获得在不同环境中的单粒作物的生长数据，从而更容易找到生长环境和单粒作物生长数据之间的关联性。
实施例3：
在一个实施例中，所述农业大数据采集系统，还包括：
特异生长判定单元：用于根据所述生长数据对单粒作物进行异常生长判断，当通过微型图像传感器检测单粒作物的叶子变黄、枯萎特征，或通过微型高度传感器检测到单粒作物三周不增长时，记录异常图像特征和异常数据特征，并分析异常图像特征和异常数据特征，获得异常变化原因；
异常环境判定单元：用于根据所述单粒作物生长环境数据进行异常环境判定，当所述单粒作物生长环境数据超过预设的单粒作物生长环境阈值时，确定所述单粒作物生长环境数据的采集时间，并通过所述微型图像传感器上传所述采集时间前5分钟的环境图像，通过分析所述环境图像要素，获得环境异常结原因。
在一个实际的场景中：对于单粒作物的特异性生长和特异性环境进行判断，通常通过群体监控对所有作物进行分析，但是单粒作物混在一起，难以检测目标作物的生长环境，也难以提取目标作物的环境因素；
本发明在进行实施的时候，当微型图像传感器检测单粒作物的叶子变黄、枯萎的特征，或当微型高度传感器检测到单粒作物三周不增长时，记录单粒作物的生病的异常图像特征和异常数据特征，并分析异常图像特征和异常数据特征，获得异常变化结果，对于异常环境数据，当检测到单粒作物生长环境数据超过预设的单粒作物生长环境阈值时，确定所述单粒作物生长环境数据的采集时间，并调取采集到的异常环境数据时间前5分钟的环境图像，对环境图像进行环境要素分析，获得环境异常原因。
上述技术方案的有益效果为：本发明中，通过对单粒作物特异生长根据微型图像传感器和微型高度传感器采集的数据进行数据分析，获得数据特征，得出分析原因，根据原因进行相应治疗可以有效改善单粒作物的健康问题，通过分析单粒作物的异常环境数据，获得异常环境数据原因，并根据原因进行相应调节，减少环境因素对单粒作物的影响。
实施例4：
在一个实施例中，所述农业栽培模型构建系统，包括：
目标作物环境训练模块：用于获取所述单粒作物生长数据和生长环境数据，并根据作物品种对单粒作物进行分类，将分类后的单粒作物生长数据和单粒作物生长环境数据作为目标作物数据，并剔除异常数据后，基于生物生长发育规律，通过控制目标作物生长环境数据增减，对目标作物生长数据进行训练；其中，所述异常数据包括：单粒作物生长缺失值，环境温度异常值、环境液位异常值；
目标作物环境预测模型构建模块：用于对所述目标作物生长数据进行多次训练，获得最优目标作物生长数据，并记录对应的生长环境数据，根据所述生长环境数据，构建目标作物环境预测模型，获得目标作物环境预测结果；其中，所述目标作物环境预测结果包括：灌溉预测、施肥预测、防病虫害预测、收获预测。
在一个实际的场景中：通过对单粒作物进行精细化数据采集，对所述数据进行数据分析，获得数据分析结果，对分析结果进行深层次挖掘，获得目标作物的最佳栽种方案，但是，通过深层次挖掘的方式不能完整、正确获取目标作物的栽培建议；
本发明在进行实施的时候，通过接受所有微型环境传感器采集的同品种单粒作物生长数据和同品种单粒作物生长环境数据，基于生物生长发育规律和目标作物生长模型，通过控制其他环境因素不变，将其中一个环境因素数据通过数据增减的方式，对单粒作物生长数据进行训练，获得这一环境因素数据与目标作物生长数据之间的关联，通过这种方式对每一个环境因素数据进行对应的训练，获得训练结果，根据训练结果，获得最优目标作物生长环境数据，并构建目标作物环境预测模型。
上述技术方案的有益效果为：本发明中，通过控制其他环境因素不变，将其中一个环境因素数据通过数据增减的方式，对单粒作物生长数据进行训练，获得这一环境因素数据与目标作物生长数据之间的关联，可以快速获得生长数据和环境数据之间的关系，并构建合理的目标作物环境预测模型。
实施例5：
在一个实施例中，所述农业栽培模型构建系统，还包括：根据所述目标作物数据，构建目标作物生长模型；其中，
目标作物训练模块：用于接收所述目标作物数据，并根据所述目标作物数据进行目标作物生长模拟；
目标作物生长模型构建模块：用于将所述目标作物数据作为构建目标作物生长模型样本数据，训练并构建目标作物生长模型，并生成目标作物生长结果；其中，所述目标作物生长结果包括：目标作物高度结果、目标作物果实结果、目标作物健康结果。
本发明在进行实施的时候，在构建目标作物生长模型时，首先将目标作物的单粒生长数据进行接收，通过单粒生长数据处理中心对单粒作物生长缺失值，环境温度异常值，环境液位异常值进行移除，并将移除后的生长数据进行重新整合，提取所有单粒作物的共同数据，作为目标作物的共同数据，将目标作物的共同数据作为构建生长模型样本数据，构建目标作物生长模型。
上述技术方案的有益效果为：本发明中，通过对同一品种的单粒作物的生长数据进行统一数据处理，将处理后的单粒作物数据进行异常数据剔除后，通过提取所有单粒作物的共同数据，进行重新数据组合，并作为构建生长模型样本数据进行目标作物生长模型构建，获得目标作物的生长周期和生长特性。
在一个具体的实施例中：想要构建目标作物生长模型，首先需要对单粒作物的生长数据进行剔除异常数据，对剔除异常数据后的生长数据进行重组，提取单粒作物的相似特征，通过
步骤一：剔除单粒作物生长数据中的异常数据；异常数据包括：单粒作物生长缺失值，环境温度异常值、环境液位异常值；
步骤二：将剔除异常数据的单粒作物生长数据进行数据整合，提取目标作物的相似特征，对相似特征进行聚类；
步骤三：根据目标作物的相似特征聚合结果，对目标作物进行生长数据进行汇总。
上述技术方案的工作原理为：本发明通过剔除生长数据中的异常数据：单粒作物生长缺失值，环境温度异常值、环境液位异常值；将剔除异常数据后的生长数据进行数据，提取目标作物的相似特征，提取之后的相似特征进行相似特征聚合结果，并汇合目标作物进行生长数据。
上述技术方案的有益效果为：本发明中，为了获取有用的单粒作物生长数据，首先，对单粒作物的生长数据剔除异常数据，将剔除异常数据的生长进行重新整合，对每组同类型的生长数据提取目标作物的相似特征，并获得特征聚合结果，在生长数据集中对目标作物的生长数据进行类别分类，放在每个分类集中，使得构建目标作物生长模型时调取方便。
实施例6：
在一个实施例中，所述农业管理平台系统，包括：
预测结果汇总模块：用于根据所述目标作物环境预测结果，生成培育方案，其中，所述培育方案包括：目标作物灌溉方案、目标作物施肥方案、目标作物防病虫害方案，目标作物收获方案；
数据反馈模块：基于移动客户端的目标作物，生成所述目标作物的培育方案，并根据培育方案中的提醒时间向移动客户端发送提醒信息，进行培育提醒；其中，所述培育信息包括：目标作物灌溉信息、目标作物施肥信息、目标作物防虫害信息、目标作物收获时间信息。
本发明在进行实施的时候，通过移动客户端的目标作物，构建目标生物环境预测模型，得出目标作物培育方案，所述培育方案中包括目标作物灌溉方案、目标作物施肥方案、目标作物防病虫害方案，目标作物收获方案识别所述预测结果的提醒时间，并根据所述提醒时间设定定时发送，通过定时发送提醒信息，将预测结果发送给用户。
上述技术方案的有益效果为：本发明中，通过数据反馈模块可以根据移动客户端的目标作物生成目标生物环境预测模型，并培育方案，在培育方案中生成所述目标作物的最佳栽培数据，将所述数据发送给用户进行提醒，让用户栽种出更优良的作物。
实施例7：
在一个实施例中，所述农业管理平台系统，还包括：
农业信息共享模块：用于预设农业专家库和农业信息库，所述农业专家库存储农业专家已发表的农作物培育方法，所述农业信息库中存储农产品价格信息、病虫害信息、土壤分辨方法。
在一个实际的场景中：在农业管理平台系统中，通过信息分享平台，可以使用户在平台上分享自己的栽种心得和经验，但是这种平台的分享的方法和经验不一定是正确的方法，有一定的偶然性，也有可能让看到的用户信以为真，通过错误方法进行种植；
本发明在进行实施的时候，通过农业专家库和农业信息库，收集更加准确的农业数据，在农业专家库中，关于农作物培育方法都是有关的农业专家进行试验得出的结果，在农业信息库中存储的有关农业的政策、农产品价格信息、病虫害信息、土壤分辨方法的信息，且实时更新
上述技术方案的有益效果为：本发明中，通过预设农业专家库存储农业专家已发表的农作物培育方法，这种通过实验得出的培育方法更加具有科学性，在农业信息库中通过发布有关农业的政策、农产品价格信息、病虫害信息、土壤分辨方法的信息，可以减少客户查询和搜集资料的时间。
实施例8：
在一个实施例中，所述单粒作物生长跟踪模块，包括：单粒作物生长记录步骤：
步骤一：通过所述微型图像传感器拍摄单粒作物的生长过程，并记录所述单粒作物的生长过程时间；
步骤二：通过所述微型图像传感器拍摄单粒作物的虫害图像，并发送给图像识别中心进行虫害识别，获得所述虫害信息；
步骤三：通过所述微型高度传感器，以一周为周期对所述单粒作物身高进行记录，并计算每一周期的单粒作物增长值。
在一个实际的场景中：通过群体监控设备对目标作物进行实时监控，获取目标作物的群体生长数据，但是目标作物的群体生长数据容易不容易提取单粒作物的特征生长数据；
本发明在进行实施的时候，通过微型图像传感器记录单粒作物的生长数据，包括单粒作物的生长过程时间和拍摄单粒作物的虫害图像，并发送给图像识别中心进行虫害识别，获得所述虫害信息，通过微型高度传感器以7天为一周期对单粒作物的生长值进行记录，获得每一周期的单粒作物增长值；
上述技术方案的有益效果为：本发明中，通过微型图像传感器和微型高度传感器对单粒作物进行生长记录，获取单粒作物的生长周期时间和生长数据，获取单粒生物的生长特性。
在一个具体的实施例中：在步骤三中，通过所述微型高度传感器，以一周为周期对所述单粒作物身高进行记录，并计算每一周期的单粒作物增长值；
步骤一：当微型图像传感器检测到单粒作物生出芽后，微型高度传感器进行工作，记录单粒作物的每周生长高度值；
步骤二：计算单粒作物的最高值。
上述技术方案的工作原理为：通过微型图像传感器检测到单粒作物生出芽后，微型高度传感器进行工作，记录单粒作物的每周生长高度值，并通过比较每周生长高度值，获得单粒作物生长最快周期的增长值；
上述技术方案的有益效果为：本发明中，通过记录单粒作物的身高值和周期增长最多值，可以分析出来单粒作物的生长和单粒作物营养、环境的影响。
实施例9：
在一个实施例中，所述数据反馈模块，包括：
目标作物灌溉提醒单元：用于通过移动客户端上传的目标作物数据，分析目标作物所处的生长时间，并根据所述目标作物所处的生长时间进行每日灌溉量提醒；
目标作物防虫害提醒单元：用于记录伤害目标作物的害虫种类，并对每个种类的害虫设置预防方案信息和干涉方案信息，通过移动客户端上传的目标作物数据分析目标作物所处的生长时间，并在害虫干预期发送害虫预防方案信息，在害虫干涉方案发送干涉方案信息；
目标作物施肥方案提醒单元：用于根据所述最佳施肥方案信息的提醒时间，定时向移动客户端发送施肥方案信息；
目标作物收获时间提醒单元：用于通过移动客户端上传的目标作物数据分析目标作物所处的生长时间，并在所述目标作物的最佳收获期发送收获时间信息。
在一个实际的场景中：目前，通过农业大数据对现在农业大数据特征进行解析，获得农业大数据的表现形式，通常是在某一个品种进行农业大数据分析，获取这一品种的生长数据，根据所述生长数据对该品种的育种、栽培、和防虫害进行评述；
本发明在进行实施的时候，根据移动客户端上传的目标作物数据，获取客户所栽培的目标作物的品种和生长数据，根据所述目标作物的品种和生长数据生成目标生物环境预测模型，并根据培育方案，获取所述目标作物的每日灌溉提醒，对于目标作物可能出现的虫害，在预防时间提醒用户进行虫害预防，在害虫干涉方案发送干涉方案信息，在最佳施肥时间段进行目标作物施肥提醒，提醒内容为提醒时间和施肥方案，在目标作物的最佳收获时间，发送收获时间信息，提醒客户进行及时收获；
上述技术方案的有益效果为：本发明中，通过灌溉提醒单元、防虫害提醒单元、施肥方案提醒单元、收获时间提醒单元，根据用户的目标作物生成提醒方案，并通过平台对客户进行及时反馈，使第一次栽种或者对目标作物不熟悉的客户进行高效栽种，提高目标作物的成活率。
实施例10：
在一个实施例中，精细农业栽培与管理平台还包括：种子优选系统：用于通过预设的种子基因库，标记需求基因，并通过锌指技术改变基因组，获取需求种子；其中，
种子基因库：用于存储各类不同品种种子的基因数据；
需求种子基因筛选模块：用于通过SNP分子标记需求基因，并从种子基因库中筛选出最优种子。
在一个实际的场景中：对于大部分农业工作者在进行育种选择时，由于育种信息获取途径单一，导致取法买到自己需要的种子进行育种，导致自己选择不合适的种子；
本发明在进行实施的时候，通过用户数据需求种子名称和需求种子性状，根据所述需求种子性状通过SNP分子标记对应的需求基因，并且可选取多个需求种子性状，标记每个需求种子性状的需求基因，将所述需求基因进行组合，获得组合结果，根据所述组合结果对种子基因库进行检索，获得与所述组合结果最相近的三个种子进行显示。
上述技术方案的有益效果为：本发明中，通过根据农业工作者的需求种子名称和需求种子性状，通过需求种子基因筛选和种子基因库选取当下最符合农业工作者需求种子的产品，给予农业工作者反馈，帮助农业工作者进行优种选择。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于大数据分析的精细农业栽培与管理平台，其特征在于，包括：
农业大数据采集系统：用于通过微型电子传感器对单粒作物进行实时监测，获取单粒作物的生长数据和生长环境数据；
农业栽培模型构建系统：用于对所述单粒作物的生长数据和生长环境数据进行数据分析，并根据数据分析结果构建目标作物环境预测模型，通过所述目标作物环境预测模型对目标作物的环境数据进行预测，获得环境预测结果；
农业管理平台系统：用于根据所述环境预测结果，生成培育方案，并通过管理平台反馈给移动客户终端，进行培育提醒。
2.如权利要求1所述的一种基于大数据分析的精细农业栽培与管理平台，其特征在于，所述农业大数据采集系统，包括：
单粒作物生长跟踪模块：用于通过微型传感器追踪单粒作物的生长过程；其中，
所述微型传感器包括：微型图像传感器，微型高度传感器；
所述单粒作物的生长过程包括：单粒作物种植、单粒作物灌溉，单粒作物除虫；
单粒作物生长数据模块：用于提取所述微型传感器的采集数据，获取单粒作物生长数据；其中，所述单粒作物生长数据包括：单粒作物高度数据、单粒作物结果数据、单粒作物生病数据；
单粒作物生长环境数据采集模块：用于通过微型环境传感器对所述单粒作物的环境数据进行实时采集；其中，
所述环境传感器包括：微型湿度传感器、微型液位传感器、微型热敏传感器、微型光敏传感器；
单粒作物生长环境数据模块：用于提取所述微型环境传感器所采集的环境数据，生成单粒作物生长环境数据；其中，
所述单粒作物生长环境数据包括：土壤湿度数据、环境液位数据、环境温度数据、环境亮度数据。
3.如权利要求2所述的一种基于大数据分析的精细农业栽培与管理平台，其特征在于，所述单粒作物生长数据模块还包括：
特异生长判定单元：用于根据所述生长数据对单粒作物进行异常生长判断，当通过微型图像传感器检测单粒作物的叶子变黄、枯萎特征，或通过微型高度传感器检测到单粒作物三周不增长时，记录异常图像特征和异常数据特征，并分析异常图像特征和异常数据特征，获得异常变化原因；
异常环境判定单元：用于根据所述单粒作物生长环境数据进行异常环境判定，当所述单粒作物生长环境数据超过预设的单粒作物生长环境阈值时，确定所述单粒作物生长环境数据的采集时间，并通过所述微型图像传感器上传所述采集时间前5分钟的环境图像，通过分析所述环境图像要素，获得环境异常原因。
4.如权利要求1所述的一种基于大数据分析的精细农业栽培与管理平台，其特征在于，所述农业栽培模型构建系统还包括：
目标作物环境训练模块：用于获取所述单粒作物生长数据和生长环境数据，并根据作物品种对单粒作物进行分类，将分类后的单粒作物生长数据和单粒作物生长环境数据作为目标作物数据，并剔除异常数据后，基于生物生长发育规律，通过控制目标作物生长环境数据增减，对目标作物生长数据进行训练；其中，
所述异常数据包括：单粒作物生长缺失值，环境温度异常值、环境液位异常值；
目标作物环境预测模型构建模块：用于对所述目标作物生长数据进行多次训练，获得最优目标作物生长数据，并记录对应的生长环境数据，根据所述生长环境数据，构建目标作物环境预测模型，获得目标作物环境预测结果；其中，
所述目标作物环境预测结果包括：灌溉预测、施肥预测、防病虫害预测、收获预测。
5.如权利要求4所述的一种基于大数据分析的精细农业栽培与管理平台，其特征在于，所述农业栽培模型构建系统，还包括：根据所述目标作物数据，构建目标作物生长模型；其中，
目标作物训练模块：用于接收所述目标作物数据，并根据所述目标作物数据进行目标作物生长模拟；
目标作物生长模型构建模块：用于将所述目标作物数据作为构建目标作物生长模型样本数据，训练并构建目标作物生长模型，并生成目标作物生长结果；其中，所述目标作物生长结果包括：目标作物高度结果、目标作物果实结果、目标作物健康结果。
6.如权利要求1所述的一种基于大数据分析的精细农业栽培与管理平台，其特征在于，所述农业管理平台系统包括：
预测结果汇总模块：用于根据所述目标作物环境预测结果，生成培育方案，其中，
所述培育方案包括：目标作物灌溉方案、目标作物施肥方案、目标作物防病虫害方案，目标作物收获方案；
数据反馈模块：基于移动客户端的目标作物，生成所述目标作物的培育方案，并根据培育方案中的提醒时间向移动客户端发送提醒信息，进行培育提醒；其中，
所述培育信息包括：目标作物灌溉信息、目标作物施肥信息、目标作物防虫害信息、目标作物收获时间信息。
7.如权利要求1所述的一种基于大数据分析的精细农业栽培与管理平台，其特征在于，所述农业管理平台系统还包括：
农业信息共享模块：用于预设农业专家库和农业信息库，所述农业专家库存储农业专家已发表的农作物培育方法，所述农业信息库中存储农产品价格信息、病虫害信息、土壤分辨方法。
8.如权利要求2所述的一种基于大数据分析的精细农业栽培与管理平台，其特征在于，所述单粒作物生长跟踪模块的具体执行步骤如下：
步骤一：通过所述微型图像传感器拍摄单粒作物的生长过程，并记录所述单粒作物的生长过程时间；
步骤二：通过所述微型图像传感器拍摄单粒作物的虫害图像，并发送给图像识别中心进行虫害识别，获得所述虫害信息；
步骤三：通过所述微型高度传感器，以一周为周期对所述单粒作物身高进行记录，并计算每一周期的单粒作物增长值。
9.如权利要求6所述的一种基于大数据分析的精细农业栽培与管理平台，其特征在于，所述数据反馈模块，包括：
目标作物灌溉提醒单元：用于通过移动客户端上传的目标作物数据，分析目标作物所处的生长时间，并根据所述目标作物所处的生长时间进行每日灌溉量提醒；
目标作物防虫害提醒单元：用于记录伤害目标作物的害虫种类，并对每个种类的害虫设置预防方案信息和干涉方案信息，通过移动客户端上传的目标作物数据分析目标作物所处的生长时间，并在害虫干预期发送害虫预防方案信息，在害虫干涉方案发送干涉方案信息；
目标作物施肥方案提醒单元：用于根据所述最佳施肥方案信息的提醒时间，定时向移动客户端发送施肥方案信息；
目标作物收获时间提醒单元：用于通过移动客户端上传的目标作物数据分析目标作物所处的生长时间，并在所述目标作物的最佳收获期发送收获时间信息。
10.如权利要求1所述的一种基于大数据分析的精细农业栽培与管理平台，其特征在于，精细农业栽培与管理平台还包括：种子优选系统：用于通过预设的种子基因库，标记需求基因，并通过锌指技术改变基因组，获取需求种子；其中，
种子基因库：用于存储各类不同品种种子的基因数据；
需求种子基因筛选模块：用于通过SNP分子标记需求基因，并从种子基因库中筛选出最优种子。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310556295.XA CN116843188A (zh) | 2023-05-17 | 2023-05-17 | 一种基于大数据分析的精细农业栽培与管理平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310556295.XA CN116843188A (zh) | 2023-05-17 | 2023-05-17 | 一种基于大数据分析的精细农业栽培与管理平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116843188A true CN116843188A (zh) | 2023-10-03 |
Family
ID=88169515
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310556295.XA Pending CN116843188A (zh) | 2023-05-17 | 2023-05-17 | 一种基于大数据分析的精细农业栽培与管理平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116843188A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117708761A (zh) * | 2024-02-06 | 2024-03-15 | 四川省亿尚农业旅游开发有限公司 | 一种融合多指标环境条件的朱顶红育苗系统及方法 |
| CN117854012A (zh) * | 2024-03-07 | 2024-04-09 | 成都智慧城市信息技术有限公司 | 一种基于大数据的农作物环境监测方法及系统 |
| 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 (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110347127A (zh) * | 2019-06-26 | 2019-10-18 | 北京农业智能装备技术研究中心 | 基于云服务的农作物种植托管系统及方法 |
| CN110545531A (zh) * | 2019-09-20 | 2019-12-06 | 河南工业大学 | 一种基于大数据和云计算的农作物长势监控方法与系统 |
| CN110728332A (zh) * | 2019-10-30 | 2020-01-24 | 西安交通大学 | 一种基于物联网的农业数据分析方法及系统 |
| CN115936916A (zh) * | 2022-12-20 | 2023-04-07 | 齐齐哈尔大学 | 一种基于大数据的智慧农业服务平台 |
-
2023
- 2023-05-17 CN CN202310556295.XA patent/CN116843188A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110347127A (zh) * | 2019-06-26 | 2019-10-18 | 北京农业智能装备技术研究中心 | 基于云服务的农作物种植托管系统及方法 |
| CN110545531A (zh) * | 2019-09-20 | 2019-12-06 | 河南工业大学 | 一种基于大数据和云计算的农作物长势监控方法与系统 |
| CN110728332A (zh) * | 2019-10-30 | 2020-01-24 | 西安交通大学 | 一种基于物联网的农业数据分析方法及系统 |
| CN115936916A (zh) * | 2022-12-20 | 2023-04-07 | 齐齐哈尔大学 | 一种基于大数据的智慧农业服务平台 |
Non-Patent Citations (1)
| Title |
|---|
| 孙晓勇;刘子玮;孙涛;陈万利;: "大数据在农业研究领域中的应用与发展", 中国蔬菜, vol. 1, no. 10, pages 163 - 164 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117708761A (zh) * | 2024-02-06 | 2024-03-15 | 四川省亿尚农业旅游开发有限公司 | 一种融合多指标环境条件的朱顶红育苗系统及方法 |
| CN117708761B (zh) * | 2024-02-06 | 2024-05-03 | 四川省亿尚农业旅游开发有限公司 | 一种融合多指标环境条件的朱顶红育苗系统及方法 |
| CN117854012A (zh) * | 2024-03-07 | 2024-04-09 | 成都智慧城市信息技术有限公司 | 一种基于大数据的农作物环境监测方法及系统 |
| CN117854012B (zh) * | 2024-03-07 | 2024-05-14 | 成都智慧城市信息技术有限公司 | 一种基于大数据的农作物环境监测方法及系统 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11696578B2 (en) | Control of harmful organisms on the basis of the prediction of infestation risks | |
| EP3482630B1 (en) | Method, system and computer program for performing a pest forecast | |
| US11818975B2 (en) | Planning and implementing agricultural measures | |
| CN116843188A (zh) | 一种基于大数据分析的精细农业栽培与管理平台 | |
| KR101936317B1 (ko) | 단말기를 이용한 스마트 파밍 방법 | |
| Khandelwal et al. | Artificial intelligence in agriculture: An emerging era of research | |
| US20180308229A1 (en) | Method and information system for detecting at least one plant planted on a field | |
| JP6551943B2 (ja) | 生育管理装置、生育管理方法、及び、プログラム | |
| US20230360150A1 (en) | Computer implemented method for providing test design and test instruction data for comparative tests on yield, gross margin, efficacy or vegetation indices for at least two products or different application timings of the same product | |
| US20240049619A1 (en) | Method for determining field-or zone-specific seeding rate, depth, and time for planting a crop in an agricultural field based on multiple data inputs such as crop, field, yield, weather, and/or soil data | |
| US20230354795A1 (en) | System and method for modeling crop yield based on detection of plant stressors in crops | |
| CA3071932A1 (en) | Use of data from field trials in crop protection for calibrating and optimising prediction models | |
| Baburao et al. | Review of Machine Learning Model Applications in Precision Agriculture | |
| KR20210015016A (ko) | 스마트 공정육묘 통합관리시스템 | |
| Prabhakaran et al. | Advancement of data mining methods for improvement of agricultural methods and productivity | |
| Usama | Application of Digital Technologies & Remote Sensing in Precision Agriculture for Sustainable Crop Production | |
| EP4182878A1 (en) | Platform for real-time identification and resolution of spatial production anomalies in agriculture | |
| WO2022067419A1 (en) | Reduction of time of day variations in plant-related data measurements | |
| Abdulghani et al. | Cyber-Physical System Based Data Mining and Processing Toward Autonomous Agricultural Systems | |
| Manfrini et al. | Development of precision apple fruit growing techniques: monitoring strategies for yield and high-quality fruit production | |
| Gaur et al. | Smart Prediction Farming Using Deep Learning and AI Techniques | |
| Wolter-Salas et al. | WS-YOLO: An Agronomical and Computer Vision-Based Framework to Detect Drought Stress in Lettuce Seedlings Using IR Imaging and YOLOv8 | |
| US20230360149A1 (en) | Computer implemented method for providing test design and test instruction data for comparative tests for yield, gross margin, efficacy and/or effects on vegetation indices on a field for different rates or application modes of one product | |
| Kanika et al. | Artificial Intelligence... Application in Agriculture | |
| Kavitha et al. | Neural Network Approach for Early Detection of Sugarcane Diseases |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20231003 |
|
| RJ01 | Rejection of invention patent application after publication |