CN117315113A - 作物生长周期信息处理方法和系统 - Google Patents
作物生长周期信息处理方法和系统 Download PDFInfo
- Publication number
- CN117315113A CN117315113A CN202311362469.5A CN202311362469A CN117315113A CN 117315113 A CN117315113 A CN 117315113A CN 202311362469 A CN202311362469 A CN 202311362469A CN 117315113 A CN117315113 A CN 117315113A
- Authority
- CN
- China
- Prior art keywords
- crop
- planting
- actual
- twin
- planting unit
- 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
- 230000012010 growth Effects 0.000 title claims abstract description 88
- 230000010365 information processing Effects 0.000 title claims abstract description 17
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 230000001427 coherent effect Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 5
- 239000002689 soil Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003698 anagen phase Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Graphics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种作物生长周期信息处理方法和系统，方法包括：获取作物实际种植区域图像，根据所述作物实际种植区域图像划分实际种植单元；获取传感器组所覆盖的范围，根据传感器组的覆盖范围，确定各实际种植单元所对应的传感器组；在作物试验区域中设置多个孪生种植单元，其中，将一个传感器组所覆盖区域中相同种植种类的实际种植单元映射到一个孪生种植单元，其中，每个孪生种植单元根据其对应的传感器组模拟作物生长环境，所述孪生种植单元中种植的作物与对应的实际种植单元种植的作物相同；对孪生种植单元中种植的作物进行三维扫描，形成三维模型。
Description
技术领域
本申请涉及数据可视化和数据分析技术，特别是一种作物生长周期信息处理方法和系统。
背景技术
随着物联网技术发展，物联网在农业上的技术得到了更多的发展，其中，利用传感器对农作物的生长进行监视的方案也有很多。目前大多数涉及的方案是采集数据进行分析。也有相对精细化的应用可以针对植物进行三维扫描成像，从而生成基于真实图像的植物三维模型，从而形成具有相对真实外观的虚拟对象。但是，在现实中，农作物通常是大批种植在农田，而非单独种植，如果需要针对作物进行上述建模，显然存在一定的难度。可以将作物收获后带到特定场所用设备建模，也可以将设备搬运到农田中进行建模，但是都会有更新频率低，操作复杂等问题，此外，采样后进行建模的方式也没有办法对相同的作物进行持续跟踪。
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，本发明提供一种作物生长周期信息处理方法和系统。
一方面本申请实施例，提供了一种作物生长周期信息处理方法，包括：
获取作物实际种植区域图像，根据所述作物实际种植区域图像划分实际种植单元，其中，将相同作物形成的连贯区域作为一个实际种植单元；
获取传感器组所覆盖的范围，根据传感器组的覆盖范围，确定各实际种植单元所对应的传感器组；其中，传感器组用于监测作物生长的环境参数；
在作物试验区域中设置多个孪生种植单元，其中，将一个传感器组所覆盖区域中相同种植种类的实际种植单元映射到一个孪生种植单元，其中，每个孪生种植单元根据其对应的传感器组模拟作物生长环境，所述孪生种植单元中种植的作物与对应的实际种植单元种植的作物相同；
对孪生种植单元中种植的作物进行三维扫描，形成三维模型；
响应于用户指向的目标实际种植单元作物的三维模型浏览请求，查找目标实际种植单元对应的目标孪生种植单元，并向用户呈现目标孪生种植单元对应的三维模型。
在一些实施例中，还包括以下步骤：
响应于用户的访问请求，加载地图界面，所述地图界面中显示至少一个实际种植单元所在的区域；
当用户选中所述实际种植单元时，加载用于请求浏览作物的三维模型的选项。
在一些实施例中，还包括以下步骤：当用户选中所述实际种植单元时，加载用于请求浏览作物的生长数值的选项；当用户请求浏览作物的生长数值是，根据用户的操作或配置，呈现根据所述生长数值生成的报表或者视图。
在一些实施例中，所述获取作物实际种植区域图像，根据所述作物实际种植区域图像划分种植单元，具体包括：
通过无人机获取作物实际种植区域图像，通过图像识别模型将作物实际种植区域图像划分为多个实际种植单元；
标记每个实际种植单元所种植的作物。
在一些实施例中，还包括以下步骤：
通过无人机测量各实际种植单元中作物的生长高度，根据孪生种植单元所对应的各实际种植单元中作物的生长高度的平均值，修正三维模型。
在一些实施例中，所述测量各实际种植单元的生长高度的频率低于所述三维扫描的频率；
所述根据孪生种植单元所对应的各实际种植单元中作物的生长高度的平均值，修正三维模型具体是：
根据对实际种植单元的生长高度测量的时间，匹配对应于相同孪生单元且在最接近时间进行的三维扫描操作，根据所述三维扫描操作所得到的作物的第一生长高度，与对实际种植单元测量得到的第二生长高度进行对比；
当第一生长高度和第二生长高度的差值绝对值小于阈值时，不对进行修正；
当所述差值绝对值大于等于阈值时，将差值分配到下一次对实际种植单元测量前的多个三维扫描数据中进行数值修正，以修正三维模型。
在一些实施例中，所述传感器组至少包括用于采集温度、湿度、照度、土地酸碱度、土地元素含量的传感器。
在一些实施例中，在多个不同的地理位置部署根据同一组传感器组进行作物生长环境模拟的孪生种植单元，根据孪生种植单元所对应的作物的实际测量生长状况，确定更接近作物实际生成状况的一组孪生种植单元用于建模。
另一方面，一种作物生长周期信息处理系统，包括：
存储器，用于存储程序；
处理器，用于加载所述程序已执行所述作物生长周期信息处理方法。
另一方面，本申请实施例提供了一种作物生长周期信息处理系统，包括：
图像采集模块，用于获取作物实际种植区域图像，根据所述作物实际种植区域图像划分实际种植单元，其中，将相同作物形成的连贯区域作为一个实际种植单元；
传感数据采集模块，用于获取传感器组所覆盖的范围，根据传感器组的覆盖范围，确定各实际种植单元所对应的传感器组；其中，传感器组用于监测作物生长的环境参数；
映射模块，用于在作物试验区域中设置多个孪生种植单元，其中，将一个传感器组所覆盖区域中相同种植种类的实际种植单元映射到一个孪生种植单元，其中，每个孪生种植单元根据其对应的传感器组模拟作物生长环境，所述孪生种植单元中种植的作物与对应的实际种植单元种植的作物相同；
扫描模块，用于对孪生种植单元中种植的作物进行三维扫描，形成三维模型；
浏览模块，用于响应于用户指向的目标实际种植单元作物的三维模型浏览请求，查找目标实际种植单元对应的目标孪生种植单元，并向用户呈现目标孪生种植单元对应的三维模型。
通过本申请实施例，获取作物实际种植区域图像，然后根据所述作物实际种植区域图像划分实际种植单元；随后获取传感器组所覆盖的范围，根据传感器组的覆盖范围，确定各实际种植单元所对应的传感器组；此时，可以确定传感器组所覆盖的实际种植单元，从而得到实际种植单元的种植环境参数；然后在作物试验区域中设置多个孪生种植单元，其中，将一个传感器组所覆盖区域中相同种植种类的实际种植单元映射到一个孪生种植单元，其中，每个孪生种植单元根据其对应的传感器组模拟作物生长环境，所述孪生种植单元中种植的作物与对应的实际种植单元种植的作物相同；通过此步骤，可以将孪生种植单元与实际种植单元进行关联，然后根据关系确定孪生种植单元所采用的种植参数；对孪生种植单元中种植的作物进行三维扫描，形成三维模型；响应于用户指向的目标实际种植单元作物的三维模型浏览请求，查找目标实际种植单元对应的目标孪生种植单元，并向用户呈现目标孪生种植单元对应的三维模型；可见，通过本方案可以通过集中设置孪生种植单元的方式来模拟多个农作物种植区域的生长情况，可以更加方便更加频繁地对作物进行三维建模和进行其他监测。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍。
图1是本申请实施例所提供的方法流程图；
图2是本申请实施例所提供的系统示意图；
图3是本申请实施例所提供的映射关系示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，以下将参照本申请实施例中的附图，通过实施方式清楚、完整地描述本申请的技术方案，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
参照图1和图2，本申请实施例公开了一种作物生长周期信息处理方法，可以理解的是，上述方案可以为实验观测，生长监测和普通用户远程观测等应用场合提供解决方案，该方法可以应用在如图2所示的系统之中，该系统由服务器、用户终端、三维扫描设备，孪生种植单元和传感器组构成，其中孪生种植单元和传感器组数量均为多个。
本实施例的方法包括：
S1、获取作物实际种植区域图像，根据所述作物实际种植区域图像划分实际种植单元，其中，将相同作物形成的连贯区域作为一个实际种植单元。可以理解的是，通过无人机或者有人机航拍的方式可以从空中获取作物种植场地的状态，通过图像处理手段，通过识别作物类型、田基、水道等明显特征，将图像中作物区域进行划界。然后结合其他信息，如人工标注等方式对划分的结果进行校对和标注。从而确定图像中每一个实际作物种植单元的形状、位置和种植类型。
其中，本步骤可以具体包括：
通过无人机获取作物实际种植区域图像，通过图像识别模型将作物实际种植区域图像划分为多个实际种植单元；标记每个实际种植单元所种植的作物。
S2、获取传感器组所覆盖的范围，根据传感器组的覆盖范围，确定各实际种植单元所对应的传感器组；其中，传感器组用于监测作物生长的环境参数。所述传感器组至少包括用于采集温度、湿度、照度、土地酸碱度、土地元素含量的传感器。可以理解的是，传感器的种类越多，模拟生长环境的数据越多，模拟种植的结果更加接近于现实。
S3、在作物试验区域中设置多个孪生种植单元，其中，将一个传感器组所覆盖区域中相同种植种类的实际种植单元映射到一个孪生种植单元，其中，每个孪生种植单元根据其对应的传感器组模拟作物生长环境，所述孪生种植单元中种植的作物与对应的实际种植单元种植的作物相同。其中，孪生种植单元中的植物可以在实际种植单元中移植，或者两者使用相同种子进行同时播种。可以理解的是，可以按照一定的半径范围设置传感器组的覆盖范围，例如半径500米，也可以加入一些地理条件限制，例如，跨过河流的两个地方认为存在不同的水土环境，即便距离接近，也不使用同一个传感器组。对于连贯的土地而言，一般情况下水土情况比较接近，温度、光照情况基本一致。而同一片土地下会可能包括多种种植种类，但是一般都是按整块种植。因此，在一个传感器组的覆盖范围中，种植时间比较接近的可以映射到相同的孪生种植单元之中。可以理解的是，孪生种植单元中种植的作物与对应的实际种植单元种植的作物相同是指种类相同，作物(种子)来源相同，种植时间相同(如同一天等)。
S4、对孪生种植单元中种植的作物进行三维扫描，形成三维模型。可以理解的是，可以通过三维扫描技术和图像合成技术对作物进行三维扫描后生成效果相对逼真的作物模型，可以供用户以360°的方式进行浏览。使得用户可以通过远程方式，直观可视化地了解作物的生长情况。
S5、响应于用户指向的目标实际种植单元作物的三维模型浏览请求，查找目标实际种植单元对应的目标孪生种植单元，并向用户呈现目标孪生种植单元对应的三维模型。
具体地，在步骤S5之前，还包括以下步骤：
S50、响应于用户的访问请求，加载地图界面，所述地图界面中显示至少一个实际种植单元所在的区域。通过前面所获得的图像信息，可以将图像信息映射到地图信息上，用户希望了解某个地方的作物种植情况的时候，可以通过地图定位的方式，找到相应的种植区域，相应的种植区域会根据实际种植单元的划分在图像中显示划分边间，然后用户可以如操作地图软件那样进行操作，如选中某个实际种植区域。
S51、当用户选中所述实际种植单元时，加载用于请求浏览作物的三维模型的选项。可以理解的是，当用户选中某个实际种植单元的时候，会弹出相关的浏览选项。用户可以请求浏览前述生成的作物的三维模型。此时，跳转到S5。
S52、当用户选中所述实际种植单元时，加载用于请求浏览作物的生长数值的选项；当用户请求浏览作物的生长数值是，根据用户的操作或配置，呈现根据所述生长数值生成的报表或者视图。当然，如果用户选择请求查看作物的相关生长数据，如作物的高度增长情况，作物所处环境的温度变化情况，或者作物的生长阶段对应的一些参数。系统可以根据用户的请求，将部分数据以数据图表，如折线图、饼图等方式呈现。也可以以数据表格的方式进行呈现。
还包括以下步骤：
S6、在运行过程中，会通过无人机或者其他测量方式来测量各实际种植单元中作物的生长高度，根据孪生种植单元所对应的各实际种植单元中作物的生长高度的平均值，修正三维模型。可以理解的是，尽管模拟作物的生长环境，但是实际生长情况会存在一定的偏差，因此，为了向用户反映更加贴合作物实际的三维模型，作物高度等参数可以通过数值修正的方式来优化三维模型，仅仅改变作物的高度大小等基本不会影响作物的形态。
其中，所述无人机采样的频率低于所述三维扫描的频率，因为孪生种植单元集中在一个位置因此，进行三维扫描的频率可以提升。而实测作物生长情况的频率可以更低，只需要定期修正模型的数据即可。
所述根据孪生种植单元所对应的各实际种植单元中作物的生长高度的平均值，修正三维模型具体是：
根据无人机采集的时间，匹配对应于相同孪生单元且在最接近时间进行的三维扫描操作，根据所述三维扫描操作所得到的作物的第一生长高度，与无人机测量的第二生长高度进行对比。在本步骤中，可以根据无人机测量孪生种植单元对应的实际种植单元中作物的高度的时间来匹配最接近的三维扫描时间，当然，也可以是其他方式的高度测量。一般，测量是采用多个植物的平均值进行计算，若偏差较大，则需要对数据进行修正，如果偏差较小，可以忽略。
当第一生长高度和第二生长高度的差值绝对值小于阈值时，不对进行修正；
当所述差值绝对值大于等于阈值时，将差值分配到下一次无人机测量前的多个三维扫描数据中进行数值修正，以修正三维模型。
可以理解的是，本方案实际上是先将孪生种植单元所反映的生长数据当做是正常的数据，然后定期进行实际种植单元的测量来对参数进行修订，并将差异分散到后续的数据中，使得之前产生的数据不会产生明显的跳变，使得数据更加贴合真实数据，也使得生成的作物三维模型更加贴近实际状态。具体地，例如，每次对实际种植单元的测量之间都有N次(N大于等于2)对孪生种植单元的测量，那么在一个周期得到的偏差，可以平摊到下一个周期中的N个数据上。例如N等于5，偏差时5a，那么下一次测量的5个数据，每个数据加上a进行修正。这样做的方式是数据平滑，不会产生突变。其中，可以将两次对实际种植单元的高度测量作为的时间作为一个周期。在一个周期中，会有N次三维扫描。可以将上一周期的偏差，平摊到下一周期中N次三维扫描数据中。
在多个不同的地理位置部署根据同一组传感器组进行作物生长环境模拟的孪生种植单元，根据孪生种植单元所对应的作物的实际测量生长状况，确定更接近作物实际生成状况的一组孪生种植单元用于建模。当存在多个试验场所的时候，可以在两个不同的试验场所中设置对应的孪生种植单元，当一组孪生种植单元中的作物发生不可逆转的生长情况(如死亡)等，而对应的实际种植单元并没有发生异常的情况下，可以进行替换，避免一个孪生种植单元中作物生长异常后没法再进行三维建模。
本实施例公开了一种作物生长周期信息处理系统，包括：
存储器，用于存储程序；
处理器，用于加载所述程序已执行上述的作物生长周期信息处理方法。
本实施例公开了一种作物生长周期信息处理系统，包括：
图像采集模块，用于获取作物实际种植区域图像，根据所述作物实际种植区域图像划分实际种植单元，其中，将相同作物形成的连贯区域作为一个实际种植单元；
传感数据采集模块，用于获取传感器组所覆盖的范围，根据传感器组的覆盖范围，确定各实际种植单元所对应的传感器组；其中，传感器组用于监测作物生长的环境参数；
映射模块，用于在作物试验区域中设置多个孪生种植单元，其中，将一个传感器组所覆盖区域中相同种植种类的实际种植单元映射到一个孪生种植单元，其中，每个孪生种植单元根据其对应的传感器组模拟作物生长环境，所述孪生种植单元中种植的作物与对应的实际种植单元种植的作物相同；
扫描模块，用于对孪生种植单元中种植的作物进行三维扫描，形成三维模型；
浏览模块，用于响应于用户指向的目标实际种植单元作物的三维模型浏览请求，查找目标实际种植单元对应的目标孪生种植单元，并向用户呈现目标孪生种植单元对应的三维模型。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种作物生长周期信息处理方法，其特征在于，包括：
获取作物实际种植区域图像，根据所述作物实际种植区域图像划分实际种植单元，其中，将相同作物形成的连贯区域作为一个实际种植单元；
获取传感器组所覆盖的范围，根据传感器组的覆盖范围，确定各实际种植单元所对应的传感器组；其中，传感器组用于监测作物生长的环境参数；
在作物试验区域中设置多个孪生种植单元，其中，将一个传感器组所覆盖区域中相同种植种类的实际种植单元映射到一个孪生种植单元，每个孪生种植单元根据对应的传感器组模拟作物生长环境，所述孪生种植单元中种植的作物与对应的实际种植单元种植的作物相同；
对孪生种植单元中种植的作物进行三维扫描，形成三维模型；
响应于用户指向的目标实际种植单元作物的三维模型浏览请求，查找目标实际种植单元对应的目标孪生种植单元，并向用户呈现目标孪生种植单元对应的三维模型。
2.根据权利要求1所述的作物生长周期信息处理方法，其特征在于，还包括以下步骤：
响应于用户的访问请求，加载地图界面，所述地图界面中显示至少一个实际种植单元所在的区域；
当用户选中所述实际种植单元时，加载用于请求浏览作物的三维模型的选项。
3.根据权利要求2所述的作物生长周期信息处理方法，其特征在于，还包括以下步骤：当用户选中所述实际种植单元时，加载用于请求浏览作物的生长数值的选项；当用户请求浏览作物的生长数值是，根据用户的操作或配置，呈现根据所述生长数值生成的报表或者视图。
4.根据权利要求1所述的作物生长周期信息处理方法，其特征在于，所述获取作物实际种植区域图像，根据所述作物实际种植区域图像划分种植单元，具体包括：
通过无人机获取作物实际种植区域图像，通过图像识别模型将作物实际种植区域图像划分为多个实际种植单元；
标记每个实际种植单元所种植的作物。
5.根据权利要求1所述的作物生长周期信息处理方法，其特征在于，还包括以下步骤：
通过测量各实际种植单元中作物的生长高度，根据孪生种植单元所对应的各实际种植单元中作物的生长高度的平均值，修正三维模型。
6.根据权利要求5所述的作物生长周期信息处理方法，其特征在于，所述测量各实际种植单元的生长高度的频率低于所述三维扫描的频率；
所述根据孪生种植单元所对应的各实际种植单元中作物的生长高度的平均值，修正三维模型具体是：
根据对实际种植单元的生长高度测量的时间，匹配对应于相同孪生单元且在最接近时间进行的三维扫描操作，根据所述三维扫描操作所得到的作物的第一生长高度，与对实际种植单元测量得到的第二生长高度进行对比；
当第一生长高度和第二生长高度的差值绝对值小于阈值时，不对进行修正；
当所述差值绝对值大于等于阈值时，将差值分配到下一次对实际种植单元测量前的多个三维扫描数据中进行数值修正，以修正三维模型。
7.根据权利要求1所述的一种作物生长周期信息处理方法，其特征在于，所述传感器组至少包括用于采集温度、湿度、照度、土地酸碱度、土地元素含量的传感器。
8.根据权利要求1所述的一种作物生长周期信息处理方法，其特征在于，在多个不同的地理位置部署根据同一组传感器组进行作物生长环境模拟的孪生种植单元，根据孪生种植单元所对应的作物的实际测量生长状况，确定更接近作物实际生成状况的一组孪生种植单元用于建模。
9.一种作物生长周期信息处理系统，其特征在于，包括：
存储器，用于存储程序；
处理器，用于加载所述程序已执行如权利要求1-8任一项所述的方法。
10.一种作物生长周期信息处理系统，其特征在于，包括：
图像采集模块，用于获取作物实际种植区域图像，根据所述作物实际种植区域图像划分实际种植单元，其中，将相同作物形成的连贯区域作为一个实际种植单元；
传感数据采集模块，用于获取传感器组所覆盖的范围，根据传感器组的覆盖范围，确定各实际种植单元所对应的传感器组；其中，传感器组用于监测作物生长的环境参数；
映射模块，用于在作物试验区域中设置多个孪生种植单元，其中，将一个传感器组所覆盖区域中相同种植种类的实际种植单元映射到一个孪生种植单元，其中，每个孪生种植单元根据其对应的传感器组模拟作物生长环境，所述孪生种植单元中种植的作物与对应的实际种植单元种植的作物相同；
扫描模块，用于对孪生种植单元中种植的作物进行三维扫描，形成三维模型；
浏览模块，用于响应于用户指向的目标实际种植单元作物的三维模型浏览请求，查找目标实际种植单元对应的目标孪生种植单元，并向用户呈现目标孪生种植单元对应的三维模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311362469.5A CN117315113B (zh) | 2023-10-20 | 2023-10-20 | 作物生长周期信息处理方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311362469.5A CN117315113B (zh) | 2023-10-20 | 2023-10-20 | 作物生长周期信息处理方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117315113A true CN117315113A (zh) | 2023-12-29 |
| CN117315113B CN117315113B (zh) | 2024-02-13 |
Family
ID=89297092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311362469.5A Active CN117315113B (zh) | 2023-10-20 | 2023-10-20 | 作物生长周期信息处理方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117315113B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116704377A (zh) * | 2022-12-30 | 2023-09-05 | 中国电力科学研究院有限公司 | 一种基于数字孪生模型的无感化人员定位方法及系统 |
| CN116721236A (zh) * | 2023-07-17 | 2023-09-08 | 厦门农芯数字科技有限公司 | 一种基于数字孪生大棚种植监测方法、系统及存储介质 |
| KR20230138139A (ko) * | 2022-03-23 | 2023-10-05 | 주식회사 한국디지털트윈연구소 | 식물공장 기류 예측을 위한 디지털트윈 모델링 장치 |
-
2023
- 2023-10-20 CN CN202311362469.5A patent/CN117315113B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230138139A (ko) * | 2022-03-23 | 2023-10-05 | 주식회사 한국디지털트윈연구소 | 식물공장 기류 예측을 위한 디지털트윈 모델링 장치 |
| CN116704377A (zh) * | 2022-12-30 | 2023-09-05 | 中国电力科学研究院有限公司 | 一种基于数字孪生模型的无感化人员定位方法及系统 |
| CN116721236A (zh) * | 2023-07-17 | 2023-09-08 | 厦门农芯数字科技有限公司 | 一种基于数字孪生大棚种植监测方法、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 陈志鼎;梅李萍;: "基于数字孪生技术的水轮机虚实交互系统设计", 水电能源科学, no. 09, 15 September 2020 (2020-09-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117315113B (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11317562B2 (en) | Generating a yield map for an agricultural field using classification and regression methods | |
| Friedli et al. | Terrestrial 3D laser scanning to track the increase in canopy height of both monocot and dicot crop species under field conditions | |
| AU2016253422B2 (en) | Yield data calibration methods | |
| EP2633460B1 (en) | System and method for calibrating agricultural measurements | |
| CN110188962B (zh) | 基于农业物联网的水稻供应链信息处理方法 | |
| JP2007310463A (ja) | 圃場管理支援方法及びシステム | |
| Jeffries et al. | Mapping sub-field maize yields in Nebraska, USA by combining remote sensing imagery, crop simulation models, and machine learning | |
| CN116721236A (zh) | 一种基于数字孪生大棚种植监测方法、系统及存储介质 | |
| CN113962474A (zh) | 用于预测植物株高的方法及处理器 | |
| CN110197381B (zh) | 基于农业物联网综合服务管理系统的可追溯信息处理方法 | |
| CN117315113B (zh) | 作物生长周期信息处理方法和系统 | |
| Saeed et al. | Cotton plant part 3D segmentation and architectural trait extraction using point voxel convolutional neural networks | |
| CN116757332B (zh) | 叶菜产量预测方法、装置、设备及介质 | |
| CN116399401A (zh) | 一种基于人工智能的农业种植系统及方法 | |
| Hu et al. | Identifying rice seedling bands based on slope virtualization clustering | |
| Comba et al. | Neural network clustering for crops thermal mapping | |
| Seidl et al. | Integrating remotely sensed images with a soybean model to improve spatial yield simulation | |
| Rilwani et al. | Geoinformatics in agricultural development: challenges and prospects in Nigeria | |
| CN110161970A (zh) | 一种农业物联网综合服务管理系统 | |
| CN110138879B (zh) | 一种用于农业物联网的处理方法 | |
| CN116844075B (zh) | 一种耕地环境判定方法及系统 | |
| Tong et al. | Augmented Reality in the Integrative Internet of Things (AR-IoT): Application for Precision Farming | |
| Maretanio et al. | Estimation of Rice Field Area Using YOLO Method to Support Smart Agriculture System | |
| CN118296843A (zh) | 一种基于数字孪生的农作物病虫害防治方法及系统 | |
| Nedeva et al. | Advanced information technologies in precision farming |
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 |