CN117094532A - 一种果园智能监测系统 - Google Patents
一种果园智能监测系统 Download PDFInfo
- Publication number
- CN117094532A CN117094532A CN202311348286.8A CN202311348286A CN117094532A CN 117094532 A CN117094532 A CN 117094532A CN 202311348286 A CN202311348286 A CN 202311348286A CN 117094532 A CN117094532 A CN 117094532A
- Authority
- CN
- China
- Prior art keywords
- area
- rainfall
- orchard
- areas
- monitoring
- 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.)
- Granted
Links
- 239000002420 orchard Substances 0.000 title claims abstract description 89
- 238000012544 monitoring process Methods 0.000 title claims abstract description 88
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 113
- 230000007613 environmental effect Effects 0.000 claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000007689 inspection Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 31
- 241000607479 Yersinia pestis Species 0.000 claims description 23
- 238000005286 illumination Methods 0.000 claims description 15
- 241000238631 Hexapoda Species 0.000 claims description 14
- 238000010191 image analysis Methods 0.000 claims description 11
- 230000004720 fertilization Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 230000004345 fruit ripening Effects 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 5
- 230000005070 ripening Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 239000000575 pesticide Substances 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 abstract description 5
- 201000010099 disease Diseases 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Quality & Reliability (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种果园智能监测系统,涉及果园智能监测技术领域,由区域划分单元在电子地图上将果园区域划分若干个区域,在监测区域内设置检测点,在果园处于持续降雨状态时,获取本降雨周期内的降雨量,确定为周期降雨量;若周期降雨量大于降雨阈值,建立环境条件数据集并生成和获取各个监测区域的环境变动系数,形成警戒区域和非警戒区域并在电子地图上显示,若面积比大于预设的比例阈值,由路径规划模型依据警戒区域的位置信息规划出飞行路径,使巡检单元依据飞行路径在果园上方飞行,并向外部发出报警。依据不同区域的特性分别采取对应措施,保障果园果树成长及果实的成熟,减少持续降雨可能带来的经济损失。
Description
技术领域
本发明涉及果园智能监测技术领域,具体为一种果园智能监测系统。
背景技术
现有果木林场的面积都较大,动辄几百上千亩,在果木结果季节,为了保障果实的正常摘取,通常需要持续的对果园进行监测。
在申请号为201710453476.4的中国发明专利一种基于无人机的果园监测系统中,记载了如下技术方案:包括果园环境监测模块、计算机监测中心和智能终端,所述的果园环境监测模块、智能终端分别与计算机监测中心通信连接;所述的果园环境监测模块用于通过无线传感器网络采集果园环境监测数据,并将果园环境监测数据发送至计算机监测中心;所述的计算机监测中心用于存储果园环境监测数据和其他果园信息数据,并用于对果园环境监测数据进行分析处理。
以上技术方案利用无线传感器网络技术,使得用户能够实时获取果园的相关信息,效率高,便于对面积较大的果园进行管理,但是在以上技术方案在执行时,不能充分考虑持续降雨对果实成熟带来的影响,果园在果实处于成熟阶段时,一旦遭遇到持续降雨时,果实容易过度成熟甚至脱落等,从而产生经济损失。
为此,本发明提供了一种果园智能监测系统。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种果园智能监测系统,通过由区域划分单元在电子地图上将果园区域划分若干个区域,在监测区域内设置检测点,在果园处于持续降雨状态时,获取本降雨周期内的降雨量,确定为周期降雨量;若周期降雨量大于降雨阈值,建立环境条件数据集并生成和获取各个监测区域的环境变动系数,形成警戒区域和非警戒区域并在电子地图上显示,若面积比大于预设的比例阈值,由路径规划模型依据警戒区域的位置信息规划出飞行路径,使巡检单元依据飞行路径在果园上方飞行,并向外部发出报警。依据不同区域的特性分别采取对应措施,保障果园果树成长及果实的成熟,减少持续降雨可能带来的经济损失,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:一种果园智能监测系统,包括区域划分单元、降雨量监测单元、数据采集单元、第一处理单元、控制单元、巡检单元及图像分析单元,其中,确认果园的所在区域后,建立覆盖果园所有区域的电子地图,由区域划分单元在电子地图上将果园区域划分若干个区域,并一一进行标记并确定为监测区域,在监测区域内随机设置若干个检测点,由降雨量监测单元对降雨量进行监测,在果园处于持续降雨状态时,获取本降雨周期内的降雨量,确定为周期降雨量Pj;
若周期降雨量Pj大于降雨阈值,则由数据采集单元分别采集监测区域内降雨前后的果树生长的环境条件,建立环境条件数据集;将所述环境条件数据集发送至第一处理单元,由第一处理单元依据环境条件数据集中的数据,生成和获取各个监测区域的环境变动系数Hdx,并对环境变动系数Hdx大于预设的条件阈值的监测区域进行标记,形成警戒区域并在电子地图上显示,将其他的监测区域确定为非警戒区域;以警戒区域的总面积与监测区域的总面积间的比值作为面积比Mb,若面积比Mb大于预设的比例阈值,在获取到若干个警戒区域的位置信息后,由控制单元形成控制指令,由路径规划模型依据警戒区域的位置信息规划出飞行路径,使巡检单元依据飞行路径在果园上方飞行,由巡检单元依次对各个警戒区域进行成像,获取警戒区域内的果树及其果实的图像信息,并向外部发出报警。
进一步的,所述环境条件数据集的生成方式如下:在监测区域内随机设置若干个检测点,在检测点内安置检测装置,由检测装置分别对监测区域内,降雨前后的土壤湿度、温度及光照强度进行检测;分别获取降雨前后的土壤湿度、温度及光照强度的变化,生成湿度变化率Rv、温度变化率Tv以及光照变化率Gv;汇总湿度变化率Rv、温度变化率Tv及光照变化率Gv,建立环境条件数据集。
进一步的,在获取环境条件数据集后,对湿度变化率Rv、温度变化率Tv及光照变化率Gv做无量纲处理后,由第一处理单元依照如下公式生成环境变动系数Hdx:
其中,参数意义为:湿度因子,/>,温度因子/>,,光照因子/>,/>其中,/>为常数修正系数。
进一步的,若监测区域的环境变动系数Hdx大于预设的条件阈值,则将其标记为警戒区域并在电子地图上显示,其他的监测区域确定为非警戒区域;分别获取监测区域内的警戒区域的总面积与非警戒区域的总面积,以警戒区域的总面积与监测区域的总面积间的比值作为面积比Mb。
进一步的,若面积比Mb大于比例阈值,由第一处理单元向外部发出预警信息,在收到预警信息后,在获取到若干个警戒区域的位置信息后,由训练后的路径规划模型规划出飞行路径,使巡检单元依据飞行路径在果园上方飞行。
进一步的,将警戒区域内的果树及其果实的图像信息发送至图像分析单元,由图像分析单元对图像信息进行识别和分析,获取若干个果实的果径以及颜色,进而确定警戒区域内的平均果径及果实颜色的值;依据下雨前后的平均果径及果实颜色的值,分别以下雨前后变化,获取果径变化率Gb及颜色变化率Yb。
进一步的,对果径变化率Gb及颜色变化率Yb做无量纲处理后,依照如下公式输出果实成熟系数Gxs:
其中,权重系数为:,且/>,其具体值由用户调整设置,/>为常数修正系数;若果实成熟系数Gxs大于成熟阈值,则对应的警戒区域确定为成熟区域,警戒区域中的剩余部分作为非成熟区域,在降雨后,优先对成熟区域进行果实采摘。
进一步的,还包括:第二处理单元及判断单元、通信单元及执行单元;汇总各个监测区域内的果实生长的历史数据及实验观测数据,使用机器学习算法,在经过训练和测试后,由第二处理单元建立果径成长模型,在经过预测并获取到下一场降雨量及降雨时间后,以降雨作为仿真条件,对非成熟区域内果径的变化进行仿真分析,获取果径预测值。
进一步的,在果径预测值超过果径阈值时,由判断单元形成第一判断结果,将对应的非成熟区域确定为预采摘区域,在降雨后,由通信单元向外部发出预先采摘指令;在果径预测值未超过果径阈值时,由判断单元形成第二判断结果,将对应的非成熟区域内确定为预排水区域,对于预排水区域,在降雨时,由执行单元启动排水系统。
进一步的,汇总各个监测区域内的历史虫害数据,使用机器学习算法,在经过训练和测试后,由第二处理单元建立果园虫害模型,在即将存在降雨时,依据果园虫害模型预测果园内的虫害的变化;依据预测结果,将可能在雨后暴发虫害的非警戒区域标记为虫害区域,其余的非警戒区域确定为施肥区域;确定飞行路径后,在降雨前,依照规划的飞行路径由巡检单元对虫害区域喷洒农药,对施肥区域进行施肥。
(三)有益效果
本发明提供了一种果园智能监测系统,具备以下有益效果:
1、以环境变动系数Hdx作为预警指标,将监测区域分割为警戒区域和非警戒区域,可以进行针对性的处理果园异常情况,在严重降雨会给果园带来较大的负面影响时,向外部发出警报,提前对持续降雨带来的负面影响进行处理和防范。
2、分别生成非警戒区域及警戒区域,若面积比Mb较大时,则向外部发出报警,果园的管理人员能够及时的发现问题所在,可以及时做出处理;而依次对各个警戒区域进行成像,在生成环境变动系数Hdx的基础上,依据成像信息可以对果实的生长进行进一步的判断,若果实即将成熟,那通过成像信息起到的指导作用,则可以及时摘取,减少经济损失,不再采取人员介入,实现了雨后果园的果实生长预警。
3、对其可能会产生的病虫害进行预测,在降雨前提前进行处理,避免病虫害的爆发和扩散,对果园的部分区域起到了病虫害防治的作用;对于剩余的部分,则在降雨来临前进行施肥,借助于雨水,增加施肥区域内营养条件,从而实现果树的正常生长。
4、通过环境变动系数Hdx及果实成熟系数Gxs,在考虑到果园内的持续降雨的条件下,将果园分割若干个不同的区域,依据不同区域的特性分别采取对应措施,从而充分的保障果园内部的果树成长及果实的成熟,减少持续降雨可能带来的经济损失。
附图说明
图1为本发明果园智能监测系统的第一流程结构示意图;
图2为本发明果园智能监测系统的第二流程结构示意图。
图中:
10、区域划分单元;20、降雨量监测单元;30、数据采集单元;40、第一处理单元;50、控制单元;60、巡检单元;70、图像分析单元;80、第二处理单元;90、判断单元;100、通信单元;110、执行单元。
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-图2,本发明提供一种果园智能监测系统,包括区域划分单元10、降雨量监测单元20、数据采集单元30、第一处理单元40、控制单元50、巡检单元60、图像分析单元70、第二处理单元80及判断单元90、通信单元100及执行单元110;
确认果园的所在区域后,建立覆盖果园所有区域的电子地图,由区域划分单元10在电子地图上将果园区域划分若干个区域,并一一进行标记,确定为监测区域,在监测区域内随机设置若干个检测点,由降雨量监测单元20对降雨量进行监测,在果园处于持续降雨状态时,获取本降雨周期内的降雨量,确定为周期降雨量Pj,例如,本次降雨持续了持续三天,则本降雨周期则为三天;
若周期降雨量Pj大于降雨阈值,则由数据采集单元30分别采集监测区域内降雨前后的果树生长的环境条件,建立环境条件数据集;将所述环境条件数据集发送至第一处理单元40,由第一处理单元40依据环境条件数据集中的数据,生成和获取各个监测区域的环境变动系数Hdx,并对环境变动系数Hdx大于预设的条件阈值的监测区域进行标记,形成警戒区域并在电子地图上显示,将其他的监测区域确定为非警戒区域;
以警戒区域的总面积与监测区域的总面积间的比值作为面积比Mb,若面积比Mb大于预设的比例阈值,在获取到若干个警戒区域的位置信息后,由控制单元50形成控制指令,由路径规划模型依据警戒区域的位置信息规划出飞行路径,使巡检单元60依据飞行路径在果园上方飞行,其中,所述巡检单元60为巡检无人机,且需要说明的是,所述路径规划模型由路径规划算法经过测试和训练后生成;由巡检单元60依次对各个警戒区域进行成像,获取警戒区域内的果树及其果实的图像信息,并向外部发出报警,从而在持续产生较大规模的降雨时,可以向外部发出警报。
使用时,在果实处于成熟阶段时,在经过持续性的降雨后,生成环境变动系数Hdx,以环境变动系数Hdx作为预警指标,将监测区域分割为警戒区域和非警戒区域,从而可以进行针对性的处理果园异常情况,并且在严重降雨会给果园带来较大的负面影响时,向外部发出警报,提前对持续降雨带来的负面影响进行处理和防范。
参考图1及图2,所述环境条件数据集的生成方式如下:
在监测区域内随机设置若干个检测点,在检测点内安置检测装置,例如湿度检测装置等,由检测装置分别对监测区域内,降雨前后的土壤湿度、温度及光照强度进行检测;分别获取降雨前后的土壤湿度、温度及光照强度的变化,生成湿度变化率Rv、温度变化率Tv以及光照变化率Gv;汇总湿度变化率Rv、温度变化率Tv及光照变化率Gv,建立环境条件数据集。
使用时,在果园经过持续的降雨后,对监测区域内果树生长环境的变化进行监测,建立环境条件数据集,用于对果树生长环境的变化进行描述和说明,以便于在降雨后,果园管理人员能够及时的做出处理,同时,以此作为历史数据,也便于在再次降雨时,对果园内果实的生长做出判断和预测。
参考图1及图2,在获取环境条件数据集后,对湿度变化率Rv、温度变化率Tv及光照变化率Gv做无量纲处理后,由第一处理单元40依照如下公式生成环境变动系数Hdx:
其中,参数意义为:湿度因子,/>,温度因子/>,,光照因子/>,/>其中,/>为常数修正系数;
使用时,在经过持续的降雨后,通过生成环境变动系数Hdx,能够对由持续降雨所带来的影响进行量化和描述,从而便于做出下一步的选择和决策。
若监测区域的环境变动系数Hdx大于预设的条件阈值,则将其标记为警戒区域并在电子地图上显示,其他的监测区域确定为非警戒区域;分别获取监测区域内的警戒区域的总面积与非警戒区域的总面积,以警戒区域的总面积与监测区域的总面积间的比值作为面积比Mb;
若面积比Mb大于比例阈值,由第一处理单元40向外部发出预警信息,在收到预警信息后,在获取到若干个警戒区域的位置信息后,由训练后的路径规划模型规划出飞行路径,使巡检单元60依据飞行路径在果园上方飞行,依次对各个警戒区域进行成像,获取警戒区域内的果树及其果实的图像信息,并向外部发出报警。
使用时,依据环境变动系数Hdx的值,在经过持续的降雨后,对监测区域进行区分,分别生成非警戒区域及警戒区域,若面积比Mb较大时,则向外部发出报警,此时,果园的管理人员能够及时的发现问题所在,并可以及时做出处理;而通过图像分析单元70依次对各个警戒区域进行成像,则可以在生成环境变动系数Hdx的基础上,依据成像信息可以对果实的生长进行进一步的判断,若果实即将成熟,那通过成像信息起到的指导作用,则可以及时摘取,减少经济损失,不再采取人员介入,实现了雨后果园的果实生长预警。
参考图1及图2,将警戒区域内的果树及其果实的图像信息发送至图像分析单元70,由图像分析单元70对图像信息进行识别和分析,获取若干个果实的果径以及颜色,进而确定警戒区域内的平均果径及果实颜色的值;
依据下雨前后的平均果径及果实颜色的值,分别以下雨前后变化,例如下雨前后的平均果径的差值,获取果径变化率Gb及颜色变化率Yb;对果径变化率Gb及颜色变化率Yb做无量纲处理后,依照如下公式输出果实成熟系数Gxs:
其中,权重系数为:,且/>,其具体值由用户调整设置,/>为常数修正系数。
若果实成熟系数Gxs大于成熟阈值,则对应的警戒区域确定为成熟区域,警戒区域中的剩余部分作为非成熟区域,在降雨后,优先对成熟区域进行果实采摘。
使用时,在经过持续降雨之后,果实接收了较多降雨之后,果实的生长速度也会加快,因此,在考虑了果实的颜色和果径之后,能够用于对果实是否成熟进行评价,若果实成熟系数Gxs大于预设的成熟阈值,则可以判断果实是否成熟,并且依据果实成熟系数Gxs,将警戒区域确定为成熟区域和非成熟区域,从而可以依据是否为成熟区域而确定是否进行采摘。
参考图1及图2,汇总各个监测区域内的果实生长的历史数据及实验观测数据,使用机器学习算法,在经过训练和测试后,由第二处理单元80建立果径成长模型,在经过预测并获取到下一场降雨量及降雨时间后,例如查询并参考天气预报中的降雨信息;以降雨作为仿真条件,对非成熟区域内果径的变化进行仿真分析,获取果径预测值;
在果径预测值超过果径阈值时,由判断单元90形成第一判断结果,将对应的非成熟区域确定为预采摘区域,在降雨后,由通信单元100向外部发出预先采摘指令;在果径预测值未超过果径阈值时,由判断单元90形成第二判断结果,将对应的非成熟区域内确定为预排水区域,对于预排水区域,在降雨时,由执行单元110启动排水系统;
使用时,在经过持续的降雨之后,在历史数据上的基础上,建立果径成长模型,如果果园仍会遭遇降雨,则对果实是否成熟进行分析和预判,若判断出果实在降雨之后会成熟,则在确定会成熟时,可以在降雨后就着手于采摘,从而不会错过采摘的时机,避免由于果实的过度成熟,而导致经济上的浪费,而对于剩余的部分,则为了保障果园的安全性,减少水淹,开启排水系统快速的进行排水。
参考图1及图2,汇总各个监测区域内的历史虫害数据,使用机器学习算法,在经过训练和测试后,由第二处理单元80建立果园虫害模型,在即将存在降雨时,依据果园虫害模型预测果园内的虫害的变化;
依据预测结果,将可能在雨后暴发虫害的非警戒区域标记为虫害区域,其余的非警戒区域确定为施肥区域;确定飞行路径后,在降雨前,依照规划的飞行路径由巡检单元60对虫害区域喷洒农药,对施肥区域进行施肥。
使用时,对于非警戒区域,则在可能存在再次降雨时,对其可能会产生的病虫害进行预测,如果可能会产生病虫害,则可以在降雨前提前进行处理,避免病虫害的爆发和扩散,对果园的部分区域起到了病虫害防治的作用;对于剩余的部分,则在降雨来临前进行施肥,借助于雨水,增加施肥区域内营养条件,从而实现果树的正常生长。
综合以上的内容:
通过环境变动系数Hdx及果实成熟系数Gxs,在考虑到果园内的持续降雨的条件下,将果园分割若干个不同的区域,依据不同区域的特性分别采取对应措施,从而充分的保障果园内部的果树成长及果实的成熟,减少持续降雨可能带来的经济损失。
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 (10)
1.一种果园智能监测系统,其特征在于:包括区域划分单元(10)、降雨量监测单元(20)、数据采集单元(30)、第一处理单元(40)、控制单元(50)、巡检单元(60)及图像分析单元(70),其中,
确认果园的所在区域后,建立覆盖果园所有区域的电子地图,由区域划分单元(10)在电子地图上将果园区域划分若干个区域,并一一进行标记并确定为监测区域,在监测区域内随机设置若干个检测点,由降雨量监测单元(20)对降雨量进行监测,在果园处于持续降雨状态时,获取本降雨周期内的降雨量,确定为周期降雨量Pj;
若周期降雨量Pj大于降雨阈值,则由数据采集单元(30)分别采集监测区域内降雨前后的果树生长的环境条件,建立环境条件数据集;将所述环境条件数据集发送至第一处理单元(40),由第一处理单元(40)依据环境条件数据集中的数据,生成和获取各个监测区域的环境变动系数Hdx,并对环境变动系数Hdx大于预设的条件阈值的监测区域进行标记,形成警戒区域并在电子地图上显示,将其他的监测区域确定为非警戒区域;
以警戒区域的总面积与监测区域的总面积间的比值作为面积比Mb,若面积比Mb大于预设的比例阈值,在获取到若干个警戒区域的位置信息后,由控制单元(50)形成控制指令,由路径规划模型依据警戒区域的位置信息规划出飞行路径,使巡检单元(60)依据飞行路径在果园上方飞行,由巡检单元(60)依次对各个警戒区域进行成像,获取警戒区域内的果树及其果实的图像信息,并向外部发出报警。
2.根据权利要求1所述的一种果园智能监测系统,其特征在于:所述环境条件数据集的生成方式如下:在监测区域内随机设置若干个检测点,在检测点内安置检测装置,由检测装置分别对监测区域内,降雨前后的土壤湿度、温度及光照强度进行检测;分别获取降雨前后的土壤湿度、温度及光照强度的变化,生成湿度变化率Rv、温度变化率Tv以及光照变化率Gv;汇总湿度变化率Rv、温度变化率Tv及光照变化率Gv,建立环境条件数据集。
3.根据权利要求2所述的一种果园智能监测系统,其特征在于:在获取环境条件数据集后,对湿度变化率Rv、温度变化率Tv及光照变化率Gv做无量纲处理后,由第一处理单元(40)依照如下公式生成环境变动系数Hdx:
其中,参数意义为:湿度因子,/>,温度因子/>,/>,光照因子/>,/>其中,/> 为常数修正系数。
4.根据权利要求3所述的一种果园智能监测系统,其特征在于:若监测区域的环境变动系数Hdx大于预设的条件阈值,则将其标记为警戒区域并在电子地图上显示,其他的监测区域确定为非警戒区域;分别获取监测区域内的警戒区域的总面积与非警戒区域的总面积,以警戒区域的总面积与监测区域的总面积间的比值作为面积比Mb。
5.根据权利要求4所述的一种果园智能监测系统,其特征在于:若面积比Mb大于比例阈值,由第一处理单元(40)向外部发出预警信息,在收到预警信息后,在获取到若干个警戒区域的位置信息后,由训练后的路径规划模型规划出飞行路径,使巡检单元(60)依据飞行路径在果园上方飞行。
6.根据权利要求5所述的一种果园智能监测系统,其特征在于:将警戒区域内的果树及其果实的图像信息发送至图像分析单元(70),由图像分析单元(70)对图像信息进行识别和分析,获取若干个果实的果径以及颜色,进而确定警戒区域内的平均果径及果实颜色的值;依据下雨前后的平均果径及果实颜色的值,分别以下雨前后变化,获取果径变化率Gb及颜色变化率Yb。
7.根据权利要求6所述的一种果园智能监测系统,其特征在于:对果径变化率Gb及颜色变化率Yb做无量纲处理后,依照如下公式输出果实成熟系数Gxs:
其中,权重系数为:,且/>,其具体值由用户调整设置,/>为常数修正系数;若果实成熟系数Gxs大于成熟阈值,则对应的警戒区域确定为成熟区域,警戒区域中的剩余部分作为非成熟区域,在降雨后,优先对成熟区域进行果实采摘。
8.根据权利要求1所述的一种果园智能监测系统,其特征在于:还包括:第二处理单元(80)及判断单元(90)、通信单元(100)及执行单元(110);
汇总各个监测区域内的果实生长的历史数据及实验观测数据,使用机器学习算法,在经过训练和测试后,由第二处理单元(80)建立果径成长模型,在经过预测并获取到下一场降雨量及降雨时间后,以降雨作为仿真条件,对非成熟区域内果径的变化进行仿真分析,获取果径预测值。
9.根据权利要求8所述的一种果园智能监测系统,其特征在于:在果径预测值超过果径阈值时,由判断单元(90)形成第一判断结果,将对应的非成熟区域确定为预采摘区域,在降雨后,由通信单元(100)向外部发出预先采摘指令;在果径预测值未超过果径阈值时,由判断单元(90)形成第二判断结果,将对应的非成熟区域内确定为预排水区域,对于预排水区域,在降雨时,由执行单元(110)启动排水系统。
10.根据权利要求8所述的一种果园智能监测系统,其特征在于:汇总各个监测区域内的历史虫害数据,使用机器学习算法,在经过训练和测试后,由第二处理单元(80)建立果园虫害模型,在即将存在降雨时,依据果园虫害模型预测果园内的虫害的变化;依据预测结果,将可能在雨后暴发虫害的非警戒区域标记为虫害区域,其余的非警戒区域确定为施肥区域;确定飞行路径后,在降雨前,依照规划的飞行路径由巡检单元(60)对虫害区域喷洒农药,对施肥区域进行施肥。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311348286.8A CN117094532B (zh) | 2023-10-18 | 2023-10-18 | 一种果园智能监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311348286.8A CN117094532B (zh) | 2023-10-18 | 2023-10-18 | 一种果园智能监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117094532A true CN117094532A (zh) | 2023-11-21 |
CN117094532B CN117094532B (zh) | 2023-12-22 |
Family
ID=88772103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311348286.8A Active CN117094532B (zh) | 2023-10-18 | 2023-10-18 | 一种果园智能监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094532B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117809416A (zh) * | 2023-12-29 | 2024-04-02 | 光谷技术有限公司 | 一种周界智能综合安防管理平台 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114488921A (zh) * | 2022-04-14 | 2022-05-13 | 山东省农业机械科学研究院 | 一种智慧果园物联网管控系统 |
KR102434578B1 (ko) * | 2021-07-09 | 2022-08-22 | 한국과학기술정보연구원 | 인공지능 기반 강우량 예측 방법, 그리고 이를 구현하기 위한 장치 |
CN116580565A (zh) * | 2023-07-12 | 2023-08-11 | 深圳比特耐特信息技术股份有限公司 | 一种基于云计算的政务大数据分析系统 |
CN116733480A (zh) * | 2023-06-20 | 2023-09-12 | 中交隧道工程局有限公司 | 一种公路隧道下穿既有过水隧道施工方法 |
CN116738766A (zh) * | 2023-08-11 | 2023-09-12 | 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 |
CN116776129A (zh) * | 2023-08-22 | 2023-09-19 | 贵州中昂科技有限公司 | 一种多源农业数据的采集管理方法 |
CN116794751A (zh) * | 2023-02-21 | 2023-09-22 | 中国农业科学院果树研究所 | 应用于果园的气象灾害动态监测数据感知系统 |
-
2023
- 2023-10-18 CN CN202311348286.8A patent/CN117094532B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102434578B1 (ko) * | 2021-07-09 | 2022-08-22 | 한국과학기술정보연구원 | 인공지능 기반 강우량 예측 방법, 그리고 이를 구현하기 위한 장치 |
CN114488921A (zh) * | 2022-04-14 | 2022-05-13 | 山东省农业机械科学研究院 | 一种智慧果园物联网管控系统 |
CN116794751A (zh) * | 2023-02-21 | 2023-09-22 | 中国农业科学院果树研究所 | 应用于果园的气象灾害动态监测数据感知系统 |
CN116733480A (zh) * | 2023-06-20 | 2023-09-12 | 中交隧道工程局有限公司 | 一种公路隧道下穿既有过水隧道施工方法 |
CN116580565A (zh) * | 2023-07-12 | 2023-08-11 | 深圳比特耐特信息技术股份有限公司 | 一种基于云计算的政务大数据分析系统 |
CN116738766A (zh) * | 2023-08-11 | 2023-09-12 | 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 |
CN116776129A (zh) * | 2023-08-22 | 2023-09-19 | 贵州中昂科技有限公司 | 一种多源农业数据的采集管理方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117809416A (zh) * | 2023-12-29 | 2024-04-02 | 光谷技术有限公司 | 一种周界智能综合安防管理平台 |
Also Published As
Publication number | Publication date |
---|---|
CN117094532B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN209517198U (zh) | 一种智慧农业标准化管理系统 | |
CN114972843B (zh) | 一种基于大数据的农业病虫害诊断与预警系统 | |
CN117094532B (zh) | 一种果园智能监测系统 | |
CN111504371A (zh) | 大数据服务系统 | |
CN116738766B (zh) | 基于数字孪生的智慧农业线上产业化服务系统 | |
CN115204689B (zh) | 一种基于图像处理的智慧农业管理系统 | |
CN112931456B (zh) | 一种大田作物昆虫采集设备及虫害监测预警方法 | |
CN111476149A (zh) | 一种植物培育控制方法和系统 | |
CN110583594A (zh) | 一种病虫预警及防治系统 | |
CN113273449A (zh) | 用于日光温室精准监测的数字孪生体构造方法 | |
CN112883230A (zh) | 马铃薯生产管理系统 | |
CN115294518B (zh) | 一种园艺植物温室精准栽培的智能监控方法及系统 | |
CN112465109A (zh) | 一种基于云边协同的农业大棚控制装置 | |
CN115661650A (zh) | 一种基于物联网数据监测的农场管理系统 | |
CN114460080A (zh) | 一种水稻病虫智能监控系统 | |
CN114723667A (zh) | 一种农业精细化种植及灾害预防控制系统 | |
CN115342859A (zh) | 一种多功能粮情检测系统及检测方法 | |
CN116543347A (zh) | 智慧虫情在线监测系统、方法、装置及介质 | |
CN113377062B (zh) | 一种具有病虫害和旱情监控的多功能预警系统 | |
CN116295662B (zh) | 作物生长状态的监测方法、装置、电子设备及介质 | |
KR20220036433A (ko) | 과일 생장 모니터링 시스템 및 이를 이용한 과일 생장 모니터링 방법 | |
CN115144343A (zh) | 基于分布式数据采集的茶树病害智能监测分析方法及系统 | |
CN114445713A (zh) | 一种多设备联动植保系统及方法 | |
Balaceanu et al. | Diseases detection system based on machine learning algorithms and Internet of Things technology used in viticulture | |
KR20190053318A (ko) | 생육환경정보 및 생육량 정보를 이용한 작물 생육 진단방법 |
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 |