CN117314024B - 一种智慧农业病虫害云平台 - Google Patents
一种智慧农业病虫害云平台 Download PDFInfo
- Publication number
- CN117314024B CN117314024B CN202311609010.0A CN202311609010A CN117314024B CN 117314024 B CN117314024 B CN 117314024B CN 202311609010 A CN202311609010 A CN 202311609010A CN 117314024 B CN117314024 B CN 117314024B
- Authority
- CN
- China
- Prior art keywords
- planting
- type
- pest
- planting area
- 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.)
- Active
Links
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 238
- 241000238631 Hexapoda Species 0.000 title claims description 92
- 239000002689 soil Substances 0.000 claims abstract description 61
- 230000004720 fertilization Effects 0.000 claims abstract description 37
- 201000010099 disease Diseases 0.000 claims description 158
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 158
- 239000003337 fertilizer Substances 0.000 claims description 36
- 244000005700 microbiome Species 0.000 claims description 32
- 230000006978 adaptation Effects 0.000 claims description 26
- 235000021049 nutrient content Nutrition 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 16
- 235000015097 nutrients Nutrition 0.000 claims description 16
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 239000000575 pesticide Substances 0.000 description 4
- 239000000758 substrate Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- -1 dminister Species 0.000 description 1
- 230000002538 fungal effect Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 241001446247 uncultured actinomycete Species 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- 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)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Agronomy & Crop Science (AREA)
- Educational Administration (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种智慧农业病虫害云平台,涉及病虫害管理技术领域,本发明通过根据种植区各种植周期的病虫害信息,确认种植区未来周期的各参考农作物类型,同时对种植区未来周期的参考病虫害信息进行预测,然后分析种植区未来周期种植各参考农作物类型的种植密度,并根据种植区的土壤信息,分析种植区未来周期种植各参考农作物类型施肥信息,解决了当前技术中选择农作物类型参考性不足的问题,大大的提高了农作物类型的智能化和自动化的分析和选择,为种植人员后续种植农作物提供有效的参考,降低了后续病虫害对农作物影响和损害,也减少了后续农作物病虫害防治的难度,保障农作物的健康生长和产量。
Description
技术领域
本发明涉及病虫害管理技术领域,具体涉及一种智慧农业病虫害云平台。
背景技术
病虫害种类众多,且严重影响着农业的发展,而不同农作物类型不同病虫害种类的抵抗力有差异,根据种植区中病虫害的类型选择适合生长的农作物种类,有助于后续种植区中的农作物生长,此外保障农田的通风,具有降低病虫害的传播风险,选择适当的农作物种植间密度,可以有助于减少病虫害的传播,因此根据种植区的病虫害情况,确认种植区的农作物类型和种植密度十分重要。
当前技术主要根据种植区的气象和土壤选择农作物类型,在农作物生长时再对病虫害进行监测,然后根据病虫害的情况进行施药,很显然这种选择农作物类型的方式至少具有以下方面问题:1、不同农作物类型对不同病虫害种类的抵抗力不同,当前技术中并没有根据种植区各种植周期中病虫害的情况,分析种植区适合种植的农作物类型,而在农作物生长时再对病虫害进行监测,无法降低病虫害对农作物的影响,同时也大大的增加了种植区施药量,可能导致部分病虫害产生抗药性,降低施药效果,由此导致农作物病虫害防治效果下降,并且也无法保障农作物的健康生长。
2、过密的种植密度容易造成通风不良,增加了病虫害的传播风险,当前技术中并没有对种植区未来种植周期的病虫害情况进行预测,由此无法确认农作物的种植密度,从而无法保障后续农作物通风的顺畅性,也无法减少病虫害的传播,大大的增加了后续病虫害治理的难度,也无法降低病虫害对农作物的损害,进而影响农作物的质量和产量。
发明内容
针对上述存在的技术不足,本发明的目的在于提供一种智慧农业病虫害云平台。
为解决上述技术问题,本发明采用如下技术方案:本发明提供一种智慧农业病虫害云平台,包括如下模块:信息获取模块,用于获取种植区在各种植周期对应的种植信息、病虫害信息,采集种植区对应的土壤信息。
农作物类型分析模块包括土壤健康分析单元、种植适配分析单元和种植分析单元。
所述土壤健康分析单元用于从种植区对应的土壤信息中提取微生物含量、养分含量,进而计算种植区对应的土壤健康值,并判断种植区在未来种植周期能否种植农作物类型。
所述种植适配分析单元用于当种植区在未来种植周期能种植农作物类型时,则从种植区在各种植周期对应的病虫害信息中提取各病虫害类型、各病虫害类型对应的病虫害数量,并从数据库中提取各农作物类型对应的危害病虫害类型集合和适宜土壤信息,进而分析种植区与各农作物类型对应的适配值。
所述种植分析单元用于从种植区在各种植周期对应的种植信息中提取各种植周期中各农作物类型对应的实际产量和预设产量,并根据种植区与各农作物类型对应的适配值,确认种植区在未来种植周期对应的各参考农作物类型。
种植参数分析模块,用于根据种植区在各种植周期对应的病虫害信息,获取种植区在未来种植周期对应的参考病虫害信息,由此确认种植区在未来种植周期中各参考农作物类型对应的种植密度。
施肥参数分析模块,用于根据种植区在未来种植周期中各参考农作物类型对应的种植密度和种植区对应的土壤信息,由此分析种植区在未来种植周期中种植各参考农作物类型对应的施肥信息。
执行终端,用于当种植区在未来种植周期不能种植农作物类型时,执行无法种植操作。根据种植区在未来种植周期对应的各参考农作物类型、各参考农作物类型对应的种植密度和施肥信息,执行种植操作。
优选地,所述判断种植区在未来种植周期能否种植农作物类型,具体判断过程如下:从数据库中提取种植区对应的最低微生物含量、最低养分含量,分别记为、/>,进而代入计算公式/>中,得到种植区对应的土壤健康值/>,其中w、y分别表示种植区对应的微生物含量、养分含量,/>、/>分别为设定的微生物含量对应的权重因子、养分含量对应的权重因子。
将种植区对应的土壤健康值与预设的土壤健康值阈值进行对比,若种植区对应的土壤健康值小于土壤健康值阈值,则判定种植区在未来种植周期不能种植农作物类型,反之则判定种植区在未来种植周期能种植农作物类型。
优选地,所述分析种植区与各农作物类型对应的适配值,具体分析过程如下:根据种植区在各种植周期对应的各病虫害类型,统计得到种植区对应的各病虫害类型,同时将种植区在各种植周期对应各病虫害类型的病虫害数量进行累加,得到种植区对应各病虫害类型的总病虫害数量。
将种植区对应的各病虫害类型与各农作物类型对应的危害病虫害类型集合进行对比,若种植区对应的某病虫害类型与某农作物类型对应危害病虫害类型集合中某危害病虫害类型相同,则将该病虫害类型作为种植区中该农作物类型的参考病虫害类型,由此统计种植区中各农作物类型对应的各参考病虫害类型。同时根据种植区对应各病虫害类型的总病虫害数量,得到种植区中各农作物类型对应各参考病虫害类型的总病虫害数量。
从各农作物类型对应的适宜土壤信息中提取各农作物类型对应的适宜微生物含量、适宜养分含量,进而代入适配值计算公式中,计算得到种植区与各农作物类型对应的适配值。
优选地,所述种植区与各农作物类型对应的适配值计算公式为:,其中/>表示种植区与第i个农作物类型对应的适配值,/>表示种植区中第i个农作物类型对应的参考病虫害类型数量,/>表示种植区中第i个农作物类型对应第j个参考病虫害类型的总病虫害数量,/>为预设的第j个参考病虫害类型的许可总病虫害数量,/>为预设的第i个农作物类型对应的许可参考病虫害类型数量,/>、/>分别表示第i个农作物类型对应的适宜微生物含量、适宜养分含量,w、y分别表示种植区对应的微生物含量、养分含量,/>、/>分别为预设的许可微生物含量差值、许可养分含量差值,/>、/>、/>、/>分别为预设的参考病虫害类型数量对应的权重因子、总病虫害数量对应的权重因子、适宜微生物含量对应的权重因子、适宜养分含量对应的权重因子,i表示各农作物类型对应的编号,i=1,2......n,j表示各参考病虫害类型对应的编号,j=1,2......m,n,m均为大于2的整数。
优选地,所述确认种植区在未来种植周期对应的各参考农作物类型,具体确认过程如下:将各种植周期中各农作物类型对应的实际产量和预设产量代入计算公式中,得到种植区第i个农作物类型对应的种植适宜值/>,其中/>、/>分别表示第g个种植周期中第i个农作物类型对应的实际产量、预设产量,/>为设定的参考产量差,/>、/>分别为设定的产量差对应的权重因子、适配值对应的权重因子,g表示各种植周期对应的编号,g=1,2......f,f为大于2的任意整数,/>表示种植区与第i个农作物类型对应的适配值。
将种植区各农作物类型对应的种植适宜值与预设的种植适宜值阈值进行对比,并将种植适宜值大于种植适宜值阈值的各农作物类型作为种植区在未来种植周期对应的各参考农作物类型。
优选地,所述参考病虫害信息包括各病虫害类型对应的参考病虫害数量。
优选地,所述确认种植区在未来种植周期中各参考农作物类型对应的种植密度,具体确认过程如下:将种植区在各种植周期对应各病虫害类型的病虫害数量记为,其中,g表示各种植周期对应的编号,g=1,2......f,r表示各病虫害类型对应的编号,r=1,2......q,f、q均为大于2的任意整数,f为种植周期数量,q表示病虫害类型总数量,进而代入计算公式/>中,得到种植区在未来种植周期中第r个病虫害类型对应的参考病虫害数量/>,其中/>、/>分别表示种植区在第g-1个、第f个种植周期对应第r个病虫害类型的病虫害数量。
提取种植区在未来种植周期中各参考农作物类型对应各参考病虫害类型的参考病虫害数量,进而与数据库中存储的各参考农作物类型在各危害病虫害类型对应病虫害数量环境下的参考种植密度进行对比,得到种植区在未来种植周期中各参考农作物类型在各参考病虫害类型对应参考病虫害数量环境下的参考种植密度,从中选取最小参考种植密度作为种植区在未来种植周期中各参考农作物类型对应的种植密度。
优选地,所述施肥信息包括各推荐肥料类型和各推荐肥料类型对应的施肥量。
优选地,所述分析种植区在未来种植周期中种植各参考农作物类型对应的施肥信息,具体分析过程如下:基于种植区在未来种植周期中各参考农作物类型对应各参考病虫害类型的参考病虫害数量,计算得到种植区在未来种植周期中各参考农作物类型对应的病虫害危险值,进而与数据库中存储的各肥料类型对应适宜的各农作物类型、适宜病虫害危险值区间进行对比,若种植区在未来种植周期中某参考农作物类型与某肥料类型对应适宜的某农作物类型相同,且种植区在未来种植周期中该参考农作物的病虫害危险值在该肥料类型对应适宜病虫害危险值区间内,则将该肥料类型作为种植区在未来种植周期中该参考农作物的推荐肥料类型,由此得到未来种植周期中各参考农作物的各推荐肥料类型。
将种植区对应的土壤健康值与数据库中存储的各肥料类型在各土壤健康值对应的参考施肥量进行对比,得到未来种植周期中各参考农作物对应各推荐肥料类型的参考施肥量,作为未来种植周期中各参考农作物对应各推荐肥料类型的施肥量。
本发明的有益效果在于:本发明提供了一种智慧农业病虫害云平台,通过根据种植区各种植周期的病虫害信息,确认种植区未来周期的各参考农作物类型,同时对种植区未来周期的参考病虫害信息进行预测,然后分析种植区未来周期种植各参考农作物类型的种植密度,并根据种植区的土壤信息,分析种植区未来周期种植各参考农作物类型施肥信息,解决了当前技术中选择农作物类型参考性不足的问题,大大的提高了农作物类型的智能化和自动化的分析和选择,为种植人员后续种植农作物提供有效的参考,同时大大的降低了后续病虫害对农作物影响和损害,也减少了后续农作物病虫害防治的难度,进而有助于保障农作物的健康生长和产量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种智慧农业病虫害云平台的结构连接示意图。
图中:农作物类型分析模块中Y表示当土壤健康分析单元中判断种植区在未来种植周期能种植农作物类型时,才执行种植适配分析单元。
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所示,本发明提供了一种智慧农业病虫害云平台,包括:信息获取模块、农作物类型分析模块、种植参数分析模块、施肥参数分析模块、执行终端和数据库。
信息获取模块,用于获取种植区在各种植周期对应的种植信息、病虫害信息,采集种植区对应的土壤信息。
上述中,各种植周期对应的种植信息包括各农作物类型对应的实际产量和预设产量。各种植周期对应的病虫害信息包括各病虫害类型、各病虫害类型对应的病虫害数量。种植区对应的土壤信息包括微生物含量、养分含量。
需要说明的是,从数据库中提取种植区在各种植周期对应的种植信息、病虫害信息。在种植区进行土壤取样,然后通过土壤微生物检测仪、养分分析仪获取种植区对应的微生物含量、养分含量。
微生物包括细菌数、真菌数、放线菌数等。养分包括氮、磷、钾等。
农作物类型分析模块包括土壤健康分析单元、种植适配分析单元和种植分析单元。
所述土壤健康分析单元用于从种植区对应的土壤信息中提取微生物含量、养分含量,进而计算种植区对应的土壤健康值,并判断种植区在未来种植周期能否种植农作物类型。
在一个具体的实施例中,所述判断种植区在未来种植周期能否种植农作物类型,具体判断过程如下:从数据库中提取种植区对应的最低微生物含量、最低养分含量,分别记为、/>,进而代入计算公式/>中,得到种植区对应的土壤健康值/>,其中w、y分别表示种植区对应的微生物含量、养分含量,/>、/>分别为设定的微生物含量对应的权重因子、养分含量对应的权重因子。
需要说明的是,、/>均大于0小于1。
将种植区对应的土壤健康值与预设的土壤健康值阈值进行对比,若种植区对应的土壤健康值小于土壤健康值阈值,则判定种植区在未来种植周期不能种植农作物类型,反之则判定种植区在未来种植周期能种植农作物类型。
所述种植适配分析单元用于当种植区在未来种植周期能种植农作物类型时,则从种植区在各种植周期对应的病虫害信息中提取各病虫害类型、各病虫害类型对应的病虫害数量,并从数据库中提取各农作物类型对应的危害病虫害类型集合和适宜土壤信息,进而分析种植区与各农作物类型对应的适配值。
在一个具体的实施例中,所述分析种植区与各农作物类型对应的适配值,具体分析过程如下:根据种植区在各种植周期对应的各病虫害类型,统计得到种植区对应的各病虫害类型,同时将种植区在各种植周期对应各病虫害类型的病虫害数量进行累加,得到种植区对应各病虫害类型的总病虫害数量。
将种植区对应的各病虫害类型与各农作物类型对应的危害病虫害类型集合进行对比,若种植区对应的某病虫害类型与某农作物类型对应危害病虫害类型集合中某危害病虫害类型相同,则将该病虫害类型作为种植区中该农作物类型的参考病虫害类型,由此统计种植区中各农作物类型对应的各参考病虫害类型。同时根据种植区对应各病虫害类型的总病虫害数量,得到种植区中各农作物类型对应各参考病虫害类型的总病虫害数量。
从各农作物类型对应的适宜土壤信息中提取各农作物类型对应的适宜微生物含量、适宜养分含量,进而代入适配值计算公式中,计算得到种植区与各农作物类型对应的适配值。
上述中,所述种植区与各农作物类型对应的适配值计算公式为:,其中/>表示种植区与第i个农作物类型对应的适配值,/>表示种植区中第i个农作物类型对应的参考病虫害类型数量,/>表示种植区中第i个农作物类型对应第j个参考病虫害类型的总病虫害数量,/>为预设的第j个参考病虫害类型的许可总病虫害数量,/>为预设的第i个农作物类型对应的许可参考病虫害类型数量,/>、/>分别表示第i个农作物类型对应的适宜微生物含量、适宜养分含量,w、y分别表示种植区对应的微生物含量、养分含量,/>、/>分别为预设的许可微生物含量差值、许可养分含量差值,/>、/>、/>、/>分别为预设的参考病虫害类型数量对应的权重因子、总病虫害数量对应的权重因子、适宜微生物含量对应的权重因子、适宜养分含量对应的权重因子,i表示各农作物类型对应的编号,i=1,2......n,j表示各参考病虫害类型对应的编号,j=1,2......m,n,m均为大于2的整数。
需要说明的是,、/>、/>、/>均大于0小于1。
所述种植分析单元用于从种植区在各种植周期对应的种植信息中提取各种植周期中各农作物类型对应的实际产量和预设产量,并根据种植区与各农作物类型对应的适配值,确认种植区在未来种植周期对应的各参考农作物类型。
在一个具体的实施例中,所述确认种植区在未来种植周期对应的各参考农作物类型,具体确认过程如下:将各种植周期中各农作物类型对应的实际产量和预设产量代入计算公式中,得到种植区第i个农作物类型对应的种植适宜值/>,其中/>、/>分别表示第g个种植周期中第i个农作物类型对应的实际产量、预设产量,/>为设定的参考产量差,/>、/>分别为设定的产量差对应的权重因子、适配值对应的权重因子,g表示各种植周期对应的编号,g=1,2......f,f为大于2的任意整数,/>表示种植区与第i个农作物类型对应的适配值。
需要说明的是,、/>均大于0小于1。
将种植区各农作物类型对应的种植适宜值与预设的种植适宜值阈值进行对比,并将种植适宜值大于种植适宜值阈值的各农作物类型作为种植区在未来种植周期对应的各参考农作物类型。
种植参数分析模块,用于根据种植区在各种植周期对应的病虫害信息,获取种植区在未来种植周期对应的参考病虫害信息,由此确认种植区在未来种植周期中各参考农作物类型对应的种植密度。
上述中,所述参考病虫害信息包括各病虫害类型对应的参考病虫害数量。
在一个具体的实施例中,所述确认种植区在未来种植周期中各参考农作物类型对应的种植密度,具体确认过程如下:将种植区在各种植周期对应各病虫害类型的病虫害数量记为,其中,g表示各种植周期对应的编号,g=1,2......f,r表示各病虫害类型对应的编号,r=1,2......q,f、q均为大于2的任意整数,f为种植周期数量,q表示病虫害类型总数量,进而代入计算公式/>中,得到种植区在未来种植周期中第r个病虫害类型对应的参考病虫害数量/>,其中/>、/>分别表示种植区在第g-1个、第f个种植周期对应第r个病虫害类型的病虫害数量。
提取种植区在未来种植周期中各参考农作物类型对应各参考病虫害类型的参考病虫害数量,进而与数据库中存储的各参考农作物类型在各危害病虫害类型对应病虫害数量环境下的参考种植密度进行对比,得到种植区在未来种植周期中各参考农作物类型在各参考病虫害类型对应参考病虫害数量环境下的参考种植密度,从中选取最小参考种植密度作为种植区在未来种植周期中各参考农作物类型对应的种植密度。
施肥参数分析模块,用于根据种植区在未来种植周期中各参考农作物类型对应的种植密度和种植区对应的土壤信息,由此分析种植区在未来种植周期中种植各参考农作物类型对应的施肥信息。
上述中,所述施肥信息包括各推荐肥料类型和各推荐肥料类型对应的施肥量。
在一个具体的实施例中,所述分析种植区在未来种植周期中种植各参考农作物类型对应的施肥信息,具体分析过程如下:基于种植区在未来种植周期中各参考农作物类型对应各参考病虫害类型的参考病虫害数量,计算得到种植区在未来种植周期中各参考农作物类型对应的病虫害危险值,进而与数据库中存储的各肥料类型对应适宜的各农作物类型、适宜病虫害危险值区间进行对比,若种植区在未来种植周期中某参考农作物类型与某肥料类型对应适宜的某农作物类型相同,且种植区在未来种植周期中该参考农作物的病虫害危险值在该肥料类型对应适宜病虫害危险值区间内,则将该肥料类型作为种植区在未来种植周期中该参考农作物的推荐肥料类型,由此得到未来种植周期中各参考农作物的各推荐肥料类型。
上述中,种植区在未来种植周期中各参考农作物类型对应的病虫害危险值计算公式为:,其中/>表示种植区在未来种植周期中第a个参考农作物类型对应的病虫害危险值,/>表示种植区在未来种植周期中第a个参考农作物类型对应第j个参考病虫害类型的参考病虫害数量,/>为预设的第j个参考病虫害类型的许可病虫害数量,/>为预设的病虫害危险值对应的补偿因子,a表示各参考农作物类型对应的编号,a=1,2......x,x为大于2的整数,0</>≤1。
将种植区对应的土壤健康值与数据库中存储的各肥料类型在各土壤健康值对应的参考施肥量进行对比,得到未来种植周期中各参考农作物对应各推荐肥料类型的参考施肥量,作为未来种植周期中各参考农作物对应各推荐肥料类型的施肥量。
执行终端,用于当种植区在未来种植周期不能种植农作物类型时,执行无法种植操作。根据种植区在未来种植周期对应的各参考农作物类型、各参考农作物类型对应的种植密度和施肥信息,执行种植操作。
上述中,当种植区在未来种植周期不能种植农作物类型时,在执行终端的显示终端中进行无法种植提示,并提示种植人员养护土壤,例如:“种植区在未来种植周期无法种植,请尽快养护土壤”。
将种植区在未来种植周期对应的各参考农作物类型、各参考农作物类型对应的种植密度和施肥信息在执行终端的显示终端中进行显示,为种植人员未来周期的种植提供参考。
数据库,用于存储种植区在各种植周期对应的种植信息、病虫害信息,存储各农作物类型对应的危害病虫害类型集合和适宜土壤信息,存储种植区对应的最低微生物含量、最低养分含量,存储各参考农作物类型在各危害病虫害类型对应病虫害数量环境下的参考种植密度,存储各肥料类型对应适宜的各农作物类型、和适宜病虫害危险值区间,存储各肥料类型在各土壤健康值对应的参考施肥量。
需要说明的是,土壤中的养分等状态对农作物的抵抗力起着重要作用。健康的土壤可以提高农作物的免疫力,减少病害的发生,对各肥料类型在各土壤健康值对应的参考施肥量进行分析,可以在后续农作物生长时有效的保障土壤的健康状态,提高农作物对病虫害的抵抗力。
本发明实施例通过根据种植区各种植周期的病虫害信息,确认种植区未来周期的各参考农作物类型,同时对种植区未来周期的参考病虫害信息进行预测,然后分析种植区未来周期种植各参考农作物类型的种植密度,并根据种植区的土壤信息,分析种植区未来周期种植各参考农作物类型施肥信息,解决了当前技术中选择农作物类型参考性不足的问题,大大的提高了农作物类型的智能化和自动化的分析和选择,为种植人员后续种植农作物提供有效的参考,同时大大的降低了后续病虫害对农作物影响和损害,也减少了后续农作物病虫害防治的难度,进而有助于保障农作物的健康生长和产量。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (3)
1.一种智慧农业病虫害云平台,其特征在于,包括如下模块:
信息获取模块,用于获取种植区在各种植周期对应的种植信息、病虫害信息,采集种植区对应的土壤信息;
农作物类型分析模块包括土壤健康分析单元、种植适配分析单元和种植分析单元;
所述土壤健康分析单元用于从种植区对应的土壤信息中提取微生物含量、养分含量,进而计算种植区对应的土壤健康值,并判断种植区在未来种植周期能否种植农作物类型;
所述判断种植区在未来种植周期能否种植农作物类型,具体判断过程如下:从数据库中提取种植区对应的最低微生物含量、最低养分含量,分别记为wmin、ymin,进而代入计算公式中,得到种植区对应的土壤健康值α,其中w、y分别表示种植区对应的微生物含量、养分含量,ε1、ε2分别为设定的微生物含量对应的权重因子、养分含量对应的权重因子;
将种植区对应的土壤健康值与预设的土壤健康值阈值进行对比,若种植区对应的土壤健康值小于土壤健康值阈值,则判定种植区在未来种植周期不能种植农作物类型,反之则判定种植区在未来种植周期能种植农作物类型;
所述种植适配分析单元用于当种植区在未来种植周期能种植农作物类型时,则从种植区在各种植周期对应的病虫害信息中提取各病虫害类型、各病虫害类型对应的病虫害数量,并从数据库中提取各农作物类型对应的危害病虫害类型集合和适宜土壤信息,进而分析种植区与各农作物类型对应的适配值;
所述分析种植区与各农作物类型对应的适配值,具体分析过程如下:根据种植区在各种植周期对应的各病虫害类型,统计得到种植区对应的各病虫害类型,同时将种植区在各种植周期对应各病虫害类型的病虫害数量进行累加,得到种植区对应各病虫害类型的总病虫害数量;
将种植区对应的各病虫害类型与各农作物类型对应的危害病虫害类型集合进行对比,若种植区对应的某病虫害类型与某农作物类型对应危害病虫害类型集合中某危害病虫害类型相同,则将该病虫害类型作为种植区中该农作物类型的参考病虫害类型,由此统计种植区中各农作物类型对应的各参考病虫害类型;同时根据种植区对应各病虫害类型的总病虫害数量,得到种植区中各农作物类型对应各参考病虫害类型的总病虫害数量;
从各农作物类型对应的适宜土壤信息中提取各农作物类型对应的适宜微生物含量、适宜养分含量,进而代入适配值计算公式中,计算得到种植区与各农作物类型对应的适配值;
所述种植区与各农作物类型对应的适配值计算公式为:其中δi表示种植区与第i个农作物类型对应的适配值,Ni表示种植区中第i个农作物类型对应的参考病虫害类型数量,Mij表示种植区中第i个农作物类型对应第j个参考病虫害类型的总病虫害数量,Mj为预设的第j个参考病虫害类型的许可总病虫害数量,N′i为预设的第i个农作物类型对应的许可参考病虫害类型数量,wi、yi分别表示第i个农作物类型对应的适宜微生物含量、适宜养分含量,w、y分别表示种植区对应的微生物含量、养分含量,Δw、Δy分别为预设的许可微生物含量差值、许可养分含量差值,γ1、γ2、γ3、γ4分别为预设的参考病虫害类型数量对应的权重因子、总病虫害数量对应的权重因子、适宜微生物含量对应的权重因子、适宜养分含量对应的权重因子,i表示各农作物类型对应的编号,i=1,2......n,j表示各参考病虫害类型对应的编号,j=1,2......m,n,m均为大于2的整数;
所述种植分析单元用于从种植区在各种植周期对应的种植信息中提取各种植周期中各农作物类型对应的实际产量和预设产量,并根据种植区与各农作物类型对应的适配值,确认种植区在未来种植周期对应的各参考农作物类型;
所述确认种植区在未来种植周期对应的各参考农作物类型,具体确认过程如下:将各种植周期中各农作物类型对应的实际产量和预设产量代入计算公式中,得到种植区第i个农作物类型对应的种植适宜值βi,其中Cig、C′ig分别表示第g个种植周期中第i个农作物类型对应的实际产量、预设产量,ΔC为设定的参考产量差,η1、η2分别为设定的产量差对应的权重因子、适配值对应的权重因子,g表示各种植周期对应的编号,g=1,2......f,f为大于2的任意整数,δi表示种植区与第i个农作物类型对应的适配值;
将种植区各农作物类型对应的种植适宜值与预设的种植适宜值阈值进行对比,并将种植适宜值大于种植适宜值阈值的各农作物类型作为种植区在未来种植周期对应的各参考农作物类型;
种植参数分析模块,用于根据种植区在各种植周期对应的病虫害信息,获取种植区在未来种植周期对应的参考病虫害信息,由此确认种植区在未来种植周期中各参考农作物类型对应的种植密度;
所述参考病虫害信息包括各病虫害类型对应的参考病虫害数量;
所述确认种植区在未来种植周期中各参考农作物类型对应的种植密度,具体确认过程如下:将种植区在各种植周期对应各病虫害类型的病虫害数量记为M′gr,其中,g表示各种植周期对应的编号,g=1,2......f,r表示各病虫害类型对应的编号,r=1,2......q,f、q均为大于2的任意整数,f为种植周期数量,q表示病虫害类型总数量,进而代入计算公式中,得到种植区在未来种植周期中第r个病虫害类型对应的参考病虫害数量M′r,其中M′(g-1)r、M′fr分别表示种植区在第g-1个、第f个种植周期对应第r个病虫害类型的病虫害数量;
提取种植区在未来种植周期中各参考农作物类型对应各参考病虫害类型的参考病虫害数量,进而与数据库中存储的各参考农作物类型在各危害病虫害类型对应病虫害数量环境下的参考种植密度进行对比,得到种植区在未来种植周期中各参考农作物类型在各参考病虫害类型对应参考病虫害数量环境下的参考种植密度,从中选取最小参考种植密度作为种植区在未来种植周期中各参考农作物类型对应的种植密度;
施肥参数分析模块,用于根据种植区在未来种植周期中各参考农作物类型对应的种植密度和种植区对应的土壤信息,由此分析种植区在未来种植周期中种植各参考农作物类型对应的施肥信息;
执行终端,用于当种植区在未来种植周期不能种植农作物类型时,执行无法种植操作;根据种植区在未来种植周期对应的各参考农作物类型、各参考农作物类型对应的种植密度和施肥信息,执行种植操作。
2.根据权利要求1所述的一种智慧农业病虫害云平台,其特征在于,所述施肥信息包括各推荐肥料类型和各推荐肥料类型对应的施肥量。
3.根据权利要求2所述的一种智慧农业病虫害云平台,其特征在于,所述分析种植区在未来种植周期中种植各参考农作物类型对应的施肥信息,具体分析过程如下:
基于种植区在未来种植周期中各参考农作物类型对应各参考病虫害类型的参考病虫害数量,计算得到种植区在未来种植周期中各参考农作物类型对应的病虫害危险值,进而与数据库中存储的各肥料类型对应适宜的各农作物类型、适宜病虫害危险值区间进行对比,若种植区在未来种植周期中某参考农作物类型与某肥料类型对应适宜的某农作物类型相同,且种植区在未来种植周期中该参考农作物的病虫害危险值在该肥料类型对应适宜病虫害危险值区间内,则将该肥料类型作为种植区在未来种植周期中该参考农作物的推荐肥料类型,由此得到未来种植周期中各参考农作物的各推荐肥料类型;
将种植区对应的土壤健康值与数据库中存储的各肥料类型在各土壤健康值对应的参考施肥量进行对比,得到未来种植周期中各参考农作物对应各推荐肥料类型的参考施肥量,作为未来种植周期中各参考农作物对应各推荐肥料类型的施肥量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311609010.0A CN117314024B (zh) | 2023-11-29 | 2023-11-29 | 一种智慧农业病虫害云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311609010.0A CN117314024B (zh) | 2023-11-29 | 2023-11-29 | 一种智慧农业病虫害云平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117314024A CN117314024A (zh) | 2023-12-29 |
CN117314024B true CN117314024B (zh) | 2024-02-06 |
Family
ID=89286961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311609010.0A Active CN117314024B (zh) | 2023-11-29 | 2023-11-29 | 一种智慧农业病虫害云平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117314024B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117787567A (zh) * | 2024-02-23 | 2024-03-29 | 山东省国土空间生态修复中心(山东省地质灾害防治技术指导中心、山东省土地储备中心) | 一种耕地土壤质量分析评价方法、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2050108C1 (ru) * | 1991-05-30 | 1995-12-20 | Алексей Николаевич Лазаренков | Способ ведения культуры многолетних вегетативно размножаемых растений и устройство для его осуществления |
CN106316645A (zh) * | 2016-08-30 | 2017-01-11 | 安徽辉隆集团五禾生态肥业有限公司 | 一种根菜类蔬菜营养肥及其制备方法 |
CN108170714A (zh) * | 2017-12-01 | 2018-06-15 | 武汉华信联创技术工程有限公司 | 一种台风灾害监测与评估的三维模拟系统 |
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 |
CN114677561A (zh) * | 2022-03-30 | 2022-06-28 | 中国农业科学院农业信息研究所 | 一种马铃薯早晚疫病叶片病害识别方法 |
CN114743117A (zh) * | 2022-04-18 | 2022-07-12 | 宋敬洁 | 适用于病虫害监测的遥感图像采集防控方法及系统 |
CN115185220A (zh) * | 2022-08-11 | 2022-10-14 | 安徽中昆绿色防控科技有限公司 | 一种基于物联网的农林病虫害监控系统 |
CN116824380A (zh) * | 2023-08-30 | 2023-09-29 | 山东孟子居生态农业股份有限公司 | 一种智慧农业云平台监控系统 |
CN117078456A (zh) * | 2023-10-13 | 2023-11-17 | 杨凌职业技术学院 | 一种农林业病虫害监测管理系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10115158B2 (en) * | 2010-10-25 | 2018-10-30 | Trimble Inc. | Generating a crop recommendation |
US11821887B2 (en) * | 2018-01-25 | 2023-11-21 | Trace Genomics, Inc. | Soil health indicators using microbial composition |
CA3060943A1 (en) * | 2019-05-08 | 2020-11-08 | University Of Guelph | Treatment of fertigation water |
-
2023
- 2023-11-29 CN CN202311609010.0A patent/CN117314024B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2050108C1 (ru) * | 1991-05-30 | 1995-12-20 | Алексей Николаевич Лазаренков | Способ ведения культуры многолетних вегетативно размножаемых растений и устройство для его осуществления |
CN106316645A (zh) * | 2016-08-30 | 2017-01-11 | 安徽辉隆集团五禾生态肥业有限公司 | 一种根菜类蔬菜营养肥及其制备方法 |
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 |
CN108170714A (zh) * | 2017-12-01 | 2018-06-15 | 武汉华信联创技术工程有限公司 | 一种台风灾害监测与评估的三维模拟系统 |
CN114677561A (zh) * | 2022-03-30 | 2022-06-28 | 中国农业科学院农业信息研究所 | 一种马铃薯早晚疫病叶片病害识别方法 |
CN114743117A (zh) * | 2022-04-18 | 2022-07-12 | 宋敬洁 | 适用于病虫害监测的遥感图像采集防控方法及系统 |
CN115185220A (zh) * | 2022-08-11 | 2022-10-14 | 安徽中昆绿色防控科技有限公司 | 一种基于物联网的农林病虫害监控系统 |
CN116824380A (zh) * | 2023-08-30 | 2023-09-29 | 山东孟子居生态农业股份有限公司 | 一种智慧农业云平台监控系统 |
CN117078456A (zh) * | 2023-10-13 | 2023-11-17 | 杨凌职业技术学院 | 一种农林业病虫害监测管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117314024A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Adhikari et al. | Simulating future climate change impacts on seed cotton yield in the Texas High Plains using the CSM-CROPGRO-Cotton model | |
CN117314024B (zh) | 一种智慧农业病虫害云平台 | |
CN114511157B (zh) | 一种基于蔬菜青枯病防治的微生态调控方法及系统 | |
CN112042353A (zh) | 一种适用于日光温室的水肥精准决策方法及系统 | |
CN115455086A (zh) | 一种灌区农业灌溉用水量的估算方法及系统 | |
CN113469112A (zh) | 农作物生长状况图像识别方法及系统 | |
Mulders et al. | Data science at farm level: Explaining and predicting within-farm variability in potato growth and yield | |
CN117063818A (zh) | 一种水肥精准调控系统 | |
CN116868746B (zh) | 基于数据分析的智能灌溉施肥控制系统 | |
CN112800845A (zh) | 叶龄识别方法、装置、电子设备及可读存储介质 | |
CN109615150B (zh) | 一种确定水稻气象产量的方法和系统 | |
CN116523149A (zh) | 微小害虫防治适期预测方法、装置、电子设备和存储介质 | |
CN106465635A (zh) | 基于土壤的农业互联生产方法 | |
CN113902215B (zh) | 一种棉花延迟型冷害动态的预报方法 | |
CN116307384A (zh) | 一种基于物联网的智慧农业土壤培养在线监测系统及方法 | |
CN114568239B (zh) | 一种棉花高温热害预测方法 | |
CN116109087A (zh) | 水稻生长评估控制方法、电子设备及存储介质 | |
CN115690609A (zh) | 一种作物生育期长势监测的方法 | |
CN109392640B (zh) | 一种油茶林套种魔芋的种植方法、种植装置 | |
CN115239513B (zh) | 一种应用于乡村振兴服务的共享农场智能经营系统 | |
CN115660236B (zh) | 作物物候期预测方法、装置、电子设备和存储介质 | |
Kramer et al. | Research Needs and Priorities: Epilogue | |
CN113112081B (zh) | 一种落叶松人工林两种土壤属性的时间序列估算方法 | |
CN117235322B (zh) | 作物耐盐高产品种筛选方法、装置、电子设备及存储介质 | |
Villaroman et al. | Atmometer–based irrigation scheduling system for drip–irrigated onion (Allium cepa L.) |
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 |