CN117598084A - 一种大豆栽培智能施肥方法及系统 - Google Patents
一种大豆栽培智能施肥方法及系统 Download PDFInfo
- Publication number
- CN117598084A CN117598084A CN202311826701.6A CN202311826701A CN117598084A CN 117598084 A CN117598084 A CN 117598084A CN 202311826701 A CN202311826701 A CN 202311826701A CN 117598084 A CN117598084 A CN 117598084A
- Authority
- CN
- China
- Prior art keywords
- target
- soil
- soybean
- consumption
- fertilization
- 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
- 244000068988 Glycine max Species 0.000 title claims abstract description 198
- 235000010469 Glycine max Nutrition 0.000 title claims abstract description 196
- 230000004720 fertilization Effects 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000002689 soil Substances 0.000 claims abstract description 183
- 235000016709 nutrition Nutrition 0.000 claims abstract description 83
- 230000035764 nutrition Effects 0.000 claims abstract description 68
- 238000012544 monitoring process Methods 0.000 claims abstract description 48
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 235000021048 nutrient requirements Nutrition 0.000 claims abstract description 7
- 235000015097 nutrients Nutrition 0.000 claims description 37
- 241000196324 Embryophyta Species 0.000 claims description 24
- 230000003213 activating effect Effects 0.000 claims description 18
- 235000021049 nutrient content Nutrition 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012806 monitoring device Methods 0.000 claims 2
- 241000894007 species Species 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 9
- 235000006286 nutrient intake Nutrition 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 3
- 235000006180 nutrition needs Nutrition 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000035558 fertility Effects 0.000 description 2
- 235000013980 iron oxide Nutrition 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 235000012041 food component Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- VBMVTYDPPZVILR-UHFFFAOYSA-N iron(2+);oxygen(2-) Chemical class [O-2].[Fe+2] VBMVTYDPPZVILR-UHFFFAOYSA-N 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C15/00—Fertiliser distributors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种大豆栽培智能施肥方法及系统，应用于数据处理技术领域，该方法包括：通过调用目标大豆在第一目标阶段的第一目标营养需求列表。获取目标土壤条件，目标土壤条件是指栽培种植目标大豆的土壤的营养条件。获取第一目标施肥策略，监测到的目标大豆特征参数达到预定条件时，发出第一调整指令。对目标大豆生长消耗土壤养分进行监测，并得到目标土壤消耗。匹配目标大豆在第二目标阶段的第二目标营养需求列表。根据目标土壤消耗、目标土壤条件和第二目标营养需求列表生成第二目标施肥策略，第二目标施肥策略用于对第二目标阶段的目标大豆进行施肥。解决了现有技术中大豆栽培施肥技术存在施肥效果较差，施肥效率较低的技术问题。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种大豆栽培智能施肥方法及系统。
背景技术
农业智能化是将自动化技术以及信息技术应用于农业生产，利用各类传感器、控制设备进行农业生产过程的自动化操作。然而，在现有技术中大豆栽培施肥多为人工操作，在固定的时间节点对大豆进行施肥，导致施肥效果较差，施肥效率较低的问题。
因此，在现有技术中大豆栽培施肥技术存在施肥效果较差，施肥效率较低的技术问题。
发明内容
本申请通过提供一种大豆栽培智能施肥方法及系统，解决了在现有技术中大豆栽培施肥技术存在施肥效果较差，施肥效率较低的技术问题。
本申请提供一种大豆栽培智能施肥方法，所述方法包括：调用大豆栽培数据库匹配目标大豆在第一目标阶段的第一目标营养需求列表，所述大豆栽培数据库包括多种预定品种的大豆在多个预定阶段的多个营养需求列表；获取目标土壤条件，所述目标土壤条件是指栽培种植所述目标大豆的土壤的营养条件；根据基于所述目标土壤条件和所述第一目标营养需求列表得到的第一对比信息生成第一目标施肥策略；激活智能监测设备中的生长监测组对所述目标大豆进行监测，直至监测到的目标大豆特征参数达到预定条件时，发出第一调整指令；根据所述第一调整指令激活所述智能监测设备中的消耗监测组对所述目标大豆生长消耗土壤养分进行监测，并得到目标土壤消耗；调用所述大豆栽培数据库匹配所述目标大豆在第二目标阶段的第二目标营养需求列表，所述第二目标阶段为所述第一目标阶段的下一个生长阶段；根据所述目标土壤消耗、所述目标土壤条件和所述第二目标营养需求列表生成第二目标施肥策略，所述第二目标施肥策略用于对所述第二目标阶段的所述目标大豆进行施肥。
本申请还提供了一种大豆栽培智能施肥系统，所述系统包括：
需求列表获取模块，用于调用大豆栽培数据库匹配目标大豆在第一目标阶段的第一目标营养需求列表，所述大豆栽培数据库包括多种预定品种的大豆在多个预定阶段的多个营养需求列表；
土壤条件获取模块，用于获取目标土壤条件，所述目标土壤条件是指栽培种植所述目标大豆的土壤的营养条件；第一施肥策略获取模块，用于根据基于所述目标土壤条件和所述第一目标营养需求列表得到的第一对比信息生成第一目标施肥策略；调整指令获取模块，用于激活智能监测设备中的生长监测组对所述目标大豆进行监测，直至监测到的目标大豆特征参数达到预定条件时，发出第一调整指令；土壤消耗获取模块，用于根据所述第一调整指令激活所述智能监测设备中的消耗监测组对所述目标大豆生长消耗土壤养分进行监测，并得到目标土壤消耗；阶段需求匹配模块，用于调用所述大豆栽培数据库匹配所述目标大豆在第二目标阶段的第二目标营养需求列表，所述第二目标阶段为所述第一目标阶段的下一个生长阶段；第二施肥策略获取模块，用于根据所述目标土壤消耗、所述目标土壤条件和所述第二目标营养需求列表生成第二目标施肥策略，所述第二目标施肥策略用于对所述第二目标阶段的所述目标大豆进行施肥。
本申请还提供了一种电子设备，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现本申请提供的一种大豆栽培智能施肥方法。
本申请提供一种计算机可读存储介质，存储有计算机程序，该程序被处理器执行时，实现本申请提供的一种大豆栽培智能施肥方法。
拟通过本申请提出的一种大豆栽培智能施肥方法及系统，通过调用目标大豆在第一目标阶段的第一目标营养需求列表。获取目标土壤条件，目标土壤条件是指栽培种植目标大豆的土壤的营养条件。获取第一目标施肥策略，监测到的目标大豆特征参数达到预定条件时，发出第一调整指令。对目标大豆生长消耗土壤养分进行监测，并得到目标土壤消耗。匹配目标大豆在第二目标阶段的第二目标营养需求列表。根据目标土壤消耗、目标土壤条件和第二目标营养需求列表生成第二目标施肥策略，第二目标施肥策略用于对第二目标阶段的目标大豆进行施肥。实现了大豆栽培施肥数据的智能化获取，提高了施肥效果以及施肥效率。解决了现有技术中大豆栽培施肥技术存在施肥效果较差，施肥效率较低的技术问题。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例，而非对本公开的限制。
图1为本申请实施例提供的一种大豆栽培智能施肥方法的流程示意图；
图2为本申请实施例提供的一种大豆栽培智能施肥方法获取多种养分种类的流程示意图；
图3为本申请实施例提供的一种大豆栽培智能施肥方法获取目标大豆特征参数的流程示意图；
图4为本申请实施例提供的一种大豆栽培智能施肥方法的系统的结构示意图；
图5为本发明实施例提供的一种大豆栽培智能施肥方法的系统电子设备的结构示意图。
附图标记说明：需求列表获取模块11，土壤条件获取模块12，第一施肥策略获取模块13，调整指令获取模块14，土壤消耗获取模块15，阶段需求匹配模块16，第二施肥策略获取模块17，处理器31，存储器32，输入装置33，输出装置34。
具体实施方式
实施例一：为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上，所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
如图1所示，本申请实施例提供了一种大豆栽培智能施肥方法，所述方法包括：
调用大豆栽培数据库匹配目标大豆在第一目标阶段的第一目标营养需求列表，所述大豆栽培数据库包括多种预定品种的大豆在多个预定阶段的多个营养需求列表；
获取目标土壤条件，所述目标土壤条件是指栽培种植所述目标大豆的土壤的营养条件；
根据基于所述目标土壤条件和所述第一目标营养需求列表得到的第一对比信息生成第一目标施肥策略；
调用大豆栽培数据库匹配目标大豆在第一目标阶段的第一目标营养需求列表，在所述大豆栽培数据库包括多种预定品种的大豆在多个预定阶段的多个营养需求列表，如齐黄34、冀豆12、黑河43、合农95、克山1号、中黄13等品种，在发芽期、幼苗期、花芽分化期、开花结荚期、鼓粒期、成熟期等预定阶段的对应营养需求列表，营养需求列表中包含具体的营养需求类别以及需求量数据。随后，获取目标土壤条件，所述目标土壤条件是指栽培种植所述目标大豆的土壤的营养条件。其中，所述目标土壤条件是指预定土壤特征的特征参数信息，所述预定土壤特征包括土壤质地、土壤颜色、土壤酸碱度、预定养分含量，所述预定养分含量包括多种养分种类的含量特征。进一步，根据基于所述目标土壤条件和所述第一目标营养需求列表得到的第一对比信息，生成第一目标施肥策略。其中，第一对比信息基于目标土壤条件和所述第一目标营养需求列表的养分含量差值进行获取。其中，土壤质地是指土壤中不同颗粒大小的相对含量和比例。根据颗粒大小，土壤可以分为粉砂、砂、粉砂质土壤、壤质土、粘土质土壤等不同类型。土壤质地直接影响土壤的透水性、保水性和通气性，进而影响植物的生长发育和根系的发育。土壤颜色是土壤中有机质含量、氧化还原环境和土壤中的铁氧化物含量等因素的综合反映。不同颜色的土壤反映了土壤中不同的物质组成和性质。例如，红色土壤通常富含铁氧化物，土壤肥力较高；黑色土壤富含有机质，具有较好的保水保肥能力。
如图2所示，本申请实施例提供的方法还包括：
获取第一营养需求列表中的第一营养成分种类集合，所述第一营养需求列表为所述多个营养需求列表中任意一个列表；
获取第二营养需求列表中的第二营养成分种类集合，所述第二营养需求列表为所述多个营养需求列表中任意一个不同于所述第一营养需求列表的列表；
将所述第一营养成分种类集合和所述第二营养成分种类集合的营养成分种类交集作为所述多种养分种类。
获取第一营养需求列表中的第一营养成分种类集合，所述第一营养需求列表为所述多个营养需求列表中任意一个列表，其中，每种营养需求列表对应一个预定阶段。获取第二营养需求列表中的第二营养成分种类集合，所述第二营养需求列表为所述多个营养需求列表中任意一个不同于所述第一营养需求列表的列表。将所述第一营养成分种类集合和所述第二营养成分种类集合的营养成分种类交集作为所述多种养分种类，进而获取多种养分种类。
激活智能监测设备中的生长监测组对所述目标大豆进行监测，直至监测到的目标大豆特征参数达到预定条件时，发出第一调整指令；
根据所述第一调整指令激活所述智能监测设备中的消耗监测组对所述目标大豆生长消耗土壤养分进行监测，并得到目标土壤消耗；
调用所述大豆栽培数据库匹配所述目标大豆在第二目标阶段的第二目标营养需求列表，所述第二目标阶段为所述第一目标阶段的下一个生长阶段；
根据所述目标土壤消耗、所述目标土壤条件和所述第二目标营养需求列表生成第二目标施肥策略，所述第二目标施肥策略用于对所述第二目标阶段的所述目标大豆进行施肥。
激活智能监测设备中的生长监测组对所述目标大豆进行监测，直至监测到的目标大豆特征参数达到预定条件时，发出第一调整指令。其中，预定条件为预先设定的目标大豆特征参数条件，当满足预定条件时，则对应的目标大豆特征参数满足当前生长阶段要求，则进行下一生长阶段的营养需求调整。根据所述第一调整指令激活所述智能监测设备中的消耗监测组对所述目标大豆生长消耗土壤养分进行监测，并得到目标土壤消耗。即根据当前时间节点获取的土壤条件监测数据，结合第一目标施肥策略以及目标土壤条件，获取目标土壤消耗数据，其中，目标土壤消耗数据为第一目标施肥策略和所述目标土壤条件加和与土壤条件监测数据的差值。调用所述大豆栽培数据库匹配所述目标大豆在第二目标阶段的第二目标营养需求列表，所述第二目标阶段为所述第一目标阶段的下一个生长阶段。最后，根据所述目标土壤消耗、所述目标土壤条件和所述第二目标营养需求列表生成第二目标施肥策略，第二目标施肥策略为在基于目标土壤条件进行第一目标施肥策略实施后，在目标土壤消耗后与第二目标营养需求列表的差值，所述第二目标施肥策略用于对所述第二目标阶段的所述目标大豆进行施肥。实现了大豆栽培施肥数据的智能化获取，提高了施肥效果以及施肥效率。
如图3所示，本申请实施例提供的方法还包括：
通过所述图像采集器采集得到所述目标大豆的目标图像；
分析所述目标图像中平行于所述目标大豆的植株的图像，得到目标大豆株高；
分析所述目标图像中垂直与所述目标大豆的植株的图像，得到目标大豆平均叶面积；
通过所述激光扫描器监测得到所述目标大豆的目标根系信息；
将所述目标大豆株高、所述目标大豆平均叶面积和所述目标根系信息作为所述目标大豆特征参数。
所述生长监测组包括图像采集器和激光扫描器，激活智能监测设备中的生长监测组对所述目标大豆进行监测，直至监测到的目标大豆特征参数达到预定条件时，发出第一调整指令，包括：通过所述图像采集器采集得到所述目标大豆的多张目标图像。随后，分析所述目标图像中平行于所述目标大豆的植株的图像，得到目标大豆株高，即获取目标图像中与所述目标大豆的植株方向平行的图像，基于该图像获取目标大豆株高，具体株高获取方式为现有技术中像素与实际距离的对应关系进行获取。分析所述目标图像中与所述目标大豆的植株垂直的图像，并对该图像进行分析，得到目标大豆平均叶面积。进一步，通过所述激光扫描器监测得到所述目标大豆的目标根系信息，即使用激光扫描仪对根系进行扫描，然后通过计算机处理和分析数据，获取根系的3D形态、体积、表面积等信息，同时检测根系的缺陷和损伤。最后，将所述目标大豆株高、所述目标大豆平均叶面积和所述目标根系信息作为所述目标大豆特征参数。
本申请实施例提供的方法还包括：
基于锚框匹配技术原理识别第一叶轮廓和第二叶轮廓，所述第一叶轮廓和所述第二叶轮廓均属于所述目标图像中垂直与所述目标大豆的植株的所述图像；
分别基于所述第一叶轮廓和所述第二叶轮廓得到第一叶面积和第二叶面积；
将所述第一叶面积和所述第二叶面积的平均值作为所述目标大豆平均叶面积。
在进行目标大豆平均叶面积获取时，基于锚框匹配技术原理即YOLOv4目标检测算法中的锚框识别，得到第一叶轮廓和第二叶轮廓，所述第一叶轮廓和所述第二叶轮廓均属于所述目标图像中垂直与所述目标大豆的植株的所述图像，且所述第一叶轮廓和所述第二叶轮廓为不同的大豆植株叶片。分别基于所述第一叶轮廓和所述第二叶轮廓得到第一叶面积和第二叶面积。将所述第一叶面积和所述第二叶面积的平均值作为所述目标大豆平均叶面积。
本申请实施例提供的方法还包括：
对所述土壤质地、所述土壤颜色和所述土壤酸碱度进行标准化处理，得到标准化处理信息；
对所述标准化处理信息进行加权计算得到土壤消耗系数；
加权所述土壤消耗系数与所述第一目标阶段的时长得到目标土壤自身消耗；
结合所述目标土壤自身消耗和所述第一目标营养需求列表生成目标土壤预测消耗；
根据所述目标土壤预测消耗对所述目标土壤消耗进行调整。
在获取目标土壤消耗时，还包括，对所述土壤质地、所述土壤颜色和所述土壤酸碱度进行标准化处理，得到标准化处理信息。随后，对所述标准化处理信息进行加权计算得到土壤消耗系数，其中，各标准化处理信息的权重为专业人员基于土壤消耗影响度大小预先设置的权重数据。加权所述土壤消耗系数与所述第一目标阶段的时长得到目标土壤自身消耗，目标土壤自身消耗为土壤自身的肥力消耗数据。进一步，结合所述目标土壤自身消耗和所述第一目标营养需求列表生成目标土壤预测消耗，其中，目标土壤预测消耗为目标土壤自身消耗和所述第一目标营养需求列表的加和数据。根据所述目标土壤预测消耗对所述目标土壤消耗进行调整，具体调整策略可以通过加权平均的方式进行获取。由于目标土壤消耗为基于监测数据进行获取，当监测设备存在误差时可能导致目标土壤消耗计算准确性较低，通过对目标土壤预测消耗进行预测，并获取目标土壤预测消耗，结合目标土壤消耗数据，从而提高目标土壤消耗数据获取的准确性，保障目标施肥策略获取的准确性。
本申请实施例提供的方法还包括：
在根据所述第二目标施肥策略对所述第二目标阶段的所述目标大豆进行施肥后，得到目标大豆成株；
统计所述目标大豆成株的目标单位面积产量，并构建所述目标单位面积产量与所述第一目标施肥策略、所述第二目标施肥策略之间的目标对应关系；
将所述目标对应关系添加至所述大豆施肥数据库。
在根据所述第二目标施肥策略对所述第二目标阶段的所述目标大豆进行施肥后，得到目标大豆成株。统计所述目标大豆成株的目标单位面积产量，并构建所述目标单位面积产量与所述第一目标施肥策略、所述第二目标施肥策略之间的目标对应关系，即将所述第一目标施肥策略、所述第二目标施肥策略与实际目标单位面积产量的对应关系进行对应，并存储至添加至大豆施肥数据库，完成所述目标对应关系添加至所述大豆施肥数据库。
本发明实施例所提供的技术方案，通过调用大豆栽培数据库匹配目标大豆在第一目标阶段的第一目标营养需求列表，所述大豆栽培数据库包括多种预定品种的大豆在多个预定阶段的多个营养需求列表。获取目标土壤条件，所述目标土壤条件是指栽培种植所述目标大豆的土壤的营养条件。根据基于所述目标土壤条件和所述第一目标营养需求列表得到的第一对比信息生成第一目标施肥策略。激活智能监测设备中的生长监测组对所述目标大豆进行监测，直至监测到的目标大豆特征参数达到预定条件时，发出第一调整指令。根据所述第一调整指令激活所述智能监测设备中的消耗监测组对所述目标大豆生长消耗土壤养分进行监测，并得到目标土壤消耗。调用所述大豆栽培数据库匹配所述目标大豆在第二目标阶段的第二目标营养需求列表，所述第二目标阶段为所述第一目标阶段的下一个生长阶段。根据所述目标土壤消耗、所述目标土壤条件和所述第二目标营养需求列表生成第二目标施肥策略，所述第二目标施肥策略用于对所述第二目标阶段的所述目标大豆进行施肥。实现了大豆栽培施肥数据的智能化获取，提高了施肥效果以及施肥效率。解决了现有技术中大豆栽培施肥技术存在施肥效果较差，施肥效率较低的技术问题。
实施例二：基于与前述实施例中一种大豆栽培智能施肥方法同样发明构思，本发明还提供了一种大豆栽培智能施肥方法的系统，系统可以由硬件和/或软件的方式来实现，一般可集成于电子设备中，用于执行本发明任意实施例所提供的方法。如图4所示，所述系统包括：
需求列表获取模块11，用于调用大豆栽培数据库匹配目标大豆在第一目标阶段的第一目标营养需求列表，所述大豆栽培数据库包括多种预定品种的大豆在多个预定阶段的多个营养需求列表；
土壤条件获取模块12，用于获取目标土壤条件，所述目标土壤条件是指栽培种植所述目标大豆的土壤的营养条件；
第一施肥策略获取模块13，用于根据基于所述目标土壤条件和所述第一目标营养需求列表得到的第一对比信息生成第一目标施肥策略；
调整指令获取模块14，用于激活智能监测设备中的生长监测组对所述目标大豆进行监测，直至监测到的目标大豆特征参数达到预定条件时，发出第一调整指令；
土壤消耗获取模块15，用于根据所述第一调整指令激活所述智能监测设备中的消耗监测组对所述目标大豆生长消耗土壤养分进行监测，并得到目标土壤消耗；
阶段需求匹配模块16，用于调用所述大豆栽培数据库匹配所述目标大豆在第二目标阶段的第二目标营养需求列表，所述第二目标阶段为所述第一目标阶段的下一个生长阶段；
第二施肥策略获取模块17，用于根据所述目标土壤消耗、所述目标土壤条件和所述第二目标营养需求列表生成第二目标施肥策略，所述第二目标施肥策略用于对所述第二目标阶段的所述目标大豆进行施肥。
进一步地，所述目标土壤条件是指预定土壤特征的特征参数信息，所述预定土壤特征包括土壤质地、土壤颜色、土壤酸碱度、预定养分含量，所述预定养分含量包括多种养分种类的含量特征。
进一步地，所述土壤条件获取模块12还用于：
获取第一营养需求列表中的第一营养成分种类集合，所述第一营养需求列表为所述多个营养需求列表中任意一个列表；
获取第二营养需求列表中的第二营养成分种类集合，所述第二营养需求列表为所述多个营养需求列表中任意一个不同于所述第一营养需求列表的列表；
将所述第一营养成分种类集合和所述第二营养成分种类集合的营养成分种类交集作为所述多种养分种类。
进一步地，所述调整指令获取模块14还用于：
通过所述图像采集器采集得到所述目标大豆的目标图像；
分析所述目标图像中平行于所述目标大豆的植株的图像，得到目标大豆株高；
分析所述目标图像中垂直与所述目标大豆的植株的图像，得到目标大豆平均叶面积；
通过所述激光扫描器监测得到所述目标大豆的目标根系信息；
将所述目标大豆株高、所述目标大豆平均叶面积和所述目标根系信息作为所述目标大豆特征参数。
进一步地，所述调整指令获取模块14还用于：
基于锚框匹配技术原理识别第一叶轮廓和第二叶轮廓，所述第一叶轮廓和所述第二叶轮廓均属于所述目标图像中垂直与所述目标大豆的植株的所述图像；
分别基于所述第一叶轮廓和所述第二叶轮廓得到第一叶面积和第二叶面积；
将所述第一叶面积和所述第二叶面积的平均值作为所述目标大豆平均叶面积。
进一步地，所述土壤消耗获取模块15还用于：
对所述土壤质地、所述土壤颜色和所述土壤酸碱度进行标准化处理，得到标准化处理信息；
对所述标准化处理信息进行加权计算得到土壤消耗系数；
加权所述土壤消耗系数与所述第一目标阶段的时长得到目标土壤自身消耗；
结合所述目标土壤自身消耗和所述第一目标营养需求列表生成目标土壤预测消耗；
根据所述目标土壤预测消耗对所述目标土壤消耗进行调整。
进一步地，所述第二施肥策略获取模块17还用于：
在根据所述第二目标施肥策略对所述第二目标阶段的所述目标大豆进行施肥后，得到目标大豆成株；
统计所述目标大豆成株的目标单位面积产量，并构建所述目标单位面积产量与所述第一目标施肥策略、所述第二目标施肥策略之间的目标对应关系；
将所述目标对应关系添加至所述大豆施肥数据库。
所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例三：图5为本发明实施例三提供的电子设备的结构示意图，示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图5所示，该电子设备包括处理器31、存储器32、输入装置33及输出装置34；电子设备中处理器31的数量可以是一个或多个，图5中以一个处理器31为例，电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种大豆栽培智能施肥方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述一种大豆栽培智能施肥方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明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发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种大豆栽培智能施肥方法，其特征在于，包括：
调用大豆栽培数据库匹配目标大豆在第一目标阶段的第一目标营养需求列表，所述大豆栽培数据库包括多种预定品种的大豆在多个预定阶段的多个营养需求列表；
获取目标土壤条件，所述目标土壤条件是指栽培种植所述目标大豆的土壤的营养条件；
根据基于所述目标土壤条件和所述第一目标营养需求列表得到的第一对比信息生成第一目标施肥策略；
激活智能监测设备中的生长监测组对所述目标大豆进行监测，直至监测到的目标大豆特征参数达到预定条件时，发出第一调整指令；
根据所述第一调整指令激活所述智能监测设备中的消耗监测组对所述目标大豆生长消耗土壤养分进行监测，并得到目标土壤消耗；
调用所述大豆栽培数据库匹配所述目标大豆在第二目标阶段的第二目标营养需求列表，所述第二目标阶段为所述第一目标阶段的下一个生长阶段；
根据所述目标土壤消耗、所述目标土壤条件和所述第二目标营养需求列表生成第二目标施肥策略，所述第二目标施肥策略用于对所述第二目标阶段的所述目标大豆进行施肥。
2.根据权利要求1所述方法，其特征在于，所述目标土壤条件是指预定土壤特征的特征参数信息，所述预定土壤特征包括土壤质地、土壤颜色、土壤酸碱度、预定养分含量，所述预定养分含量包括多种养分种类的含量特征。
3.根据权利要求2所述方法，其特征在于，所述方法还包括：
获取第一营养需求列表中的第一营养成分种类集合，所述第一营养需求列表为所述多个营养需求列表中任意一个列表；
获取第二营养需求列表中的第二营养成分种类集合，所述第二营养需求列表为所述多个营养需求列表中任意一个不同于所述第一营养需求列表的列表；
将所述第一营养成分种类集合和所述第二营养成分种类集合的营养成分种类交集作为所述多种养分种类。
4.根据权利要求1所述方法，其特征在于，所述生长监测组包括图像采集器和激光扫描器，激活智能监测设备中的生长监测组对所述目标大豆进行监测，直至监测到的目标大豆特征参数达到预定条件时，发出第一调整指令，包括：
通过所述图像采集器采集得到所述目标大豆的目标图像；
分析所述目标图像中平行于所述目标大豆的植株的图像，得到目标大豆株高；
分析所述目标图像中垂直与所述目标大豆的植株的图像，得到目标大豆平均叶面积；
通过所述激光扫描器监测得到所述目标大豆的目标根系信息；
将所述目标大豆株高、所述目标大豆平均叶面积和所述目标根系信息作为所述目标大豆特征参数。
5.根据权利要求4所述方法，其特征在于，分析所述目标图像中垂直与所述目标大豆的植株的图像，得到目标大豆平均叶面积，包括：
基于锚框匹配技术原理识别第一叶轮廓和第二叶轮廓，所述第一叶轮廓和所述第二叶轮廓均属于所述目标图像中垂直与所述目标大豆的植株的所述图像；
分别基于所述第一叶轮廓和所述第二叶轮廓得到第一叶面积和第二叶面积；
将所述第一叶面积和所述第二叶面积的平均值作为所述目标大豆平均叶面积。
6.根据权利要求1所述方法，其特征在于，根据所述第一调整指令激活所述智能监测设备中的消耗监测组对所述目标大豆生长消耗土壤养分进行监测，并得到目标土壤消耗，还包括：
对所述土壤质地、所述土壤颜色和所述土壤酸碱度进行标准化处理，得到标准化处理信息；
对所述标准化处理信息进行加权计算得到土壤消耗系数；
加权所述土壤消耗系数与所述第一目标阶段的时长得到目标土壤自身消耗；
结合所述目标土壤自身消耗和所述第一目标营养需求列表生成目标土壤预测消耗；
根据所述目标土壤预测消耗对所述目标土壤消耗进行调整。
7.根据权利要求1所述方法，其特征在于，所述方法还包括：
在根据所述第二目标施肥策略对所述第二目标阶段的所述目标大豆进行施肥后，得到目标大豆成株；
统计所述目标大豆成株的目标单位面积产量，并构建所述目标单位面积产量与所述第一目标施肥策略、所述第二目标施肥策略之间的目标对应关系；
将所述目标对应关系添加至所述大豆施肥数据库。
8.一种大豆栽培智能施肥系统，其特征在于，所述系统执行权利要求1-7任一项所述的方法，所述系统包括：
需求列表获取模块，用于调用大豆栽培数据库匹配目标大豆在第一目标阶段的第一目标营养需求列表，所述大豆栽培数据库包括多种预定品种的大豆在多个预定阶段的多个营养需求列表；
土壤条件获取模块，用于获取目标土壤条件，所述目标土壤条件是指栽培种植所述目标大豆的土壤的营养条件；
第一施肥策略获取模块，用于根据基于所述目标土壤条件和所述第一目标营养需求列表得到的第一对比信息生成第一目标施肥策略；
调整指令获取模块，用于激活智能监测设备中的生长监测组对所述目标大豆进行监测，直至监测到的目标大豆特征参数达到预定条件时，发出第一调整指令；
土壤消耗获取模块，用于根据所述第一调整指令激活所述智能监测设备中的消耗监测组对所述目标大豆生长消耗土壤养分进行监测，并得到目标土壤消耗；
阶段需求匹配模块，用于调用所述大豆栽培数据库匹配所述目标大豆在第二目标阶段的第二目标营养需求列表，所述第二目标阶段为所述第一目标阶段的下一个生长阶段；
第二施肥策略获取模块，用于根据所述目标土壤消耗、所述目标土壤条件和所述第二目标营养需求列表生成第二目标施肥策略，所述第二目标施肥策略用于对所述第二目标阶段的所述目标大豆进行施肥。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至7任一项所述的一种大豆栽培智能施肥方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的一种大豆栽培智能施肥方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311826701.6A CN117598084B (zh) | 2023-12-28 | 2023-12-28 | 一种大豆栽培智能施肥方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311826701.6A CN117598084B (zh) | 2023-12-28 | 2023-12-28 | 一种大豆栽培智能施肥方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117598084A true CN117598084A (zh) | 2024-02-27 |
| CN117598084B CN117598084B (zh) | 2024-05-10 |
Family
ID=89956361
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311826701.6A Active CN117598084B (zh) | 2023-12-28 | 2023-12-28 | 一种大豆栽培智能施肥方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117598084B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160223506A1 (en) * | 2015-01-30 | 2016-08-04 | AgriSight, Inc. | System and method for crop health monitoring |
| CN109892091A (zh) * | 2019-03-19 | 2019-06-18 | 固安京蓝云科技有限公司 | 智能施肥方法及装置、服务器 |
| CN111178437A (zh) * | 2019-12-30 | 2020-05-19 | 深圳市芭田生态工程股份有限公司 | 一种施肥方法及计算机可读存储介质 |
| CN111754060A (zh) * | 2019-10-18 | 2020-10-09 | 广州极飞科技有限公司 | 变量施肥方法、装置、电子设备及存储介质 |
| BR102020012918A2 (pt) * | 2019-06-25 | 2020-12-29 | Cnh Industrial America Llc | sistema e método para dispensar produtos agrícolas em um campo usando uma máquina agrícola com base em densidade de cultura de cobertura |
| CN112697996A (zh) * | 2019-10-22 | 2021-04-23 | 中移(成都)信息通信科技有限公司 | 土壤监测方法、装置、设备及存储介质 |
| CN114418040A (zh) * | 2022-03-31 | 2022-04-29 | 山东鹤鹏技术有限公司 | 一种园林绿化养护监测及预警的方法与系统 |
| CN116152007A (zh) * | 2022-12-29 | 2023-05-23 | 深圳市五谷网络科技有限公司 | 植物施肥量的确定方法、装置、终端设备和可读存储介质 |
| CN116602105A (zh) * | 2023-05-11 | 2023-08-18 | 广东省农业科学院农业资源与环境研究所 | 一种基于相关性研究的植物营养施肥控制方法 |
| CN117352083A (zh) * | 2023-09-28 | 2024-01-05 | 中国科学院沈阳应用生态研究所 | 一种基于物联网技术的土壤精准施肥方法 |
-
2023
- 2023-12-28 CN CN202311826701.6A patent/CN117598084B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160223506A1 (en) * | 2015-01-30 | 2016-08-04 | AgriSight, Inc. | System and method for crop health monitoring |
| CN109892091A (zh) * | 2019-03-19 | 2019-06-18 | 固安京蓝云科技有限公司 | 智能施肥方法及装置、服务器 |
| BR102020012918A2 (pt) * | 2019-06-25 | 2020-12-29 | Cnh Industrial America Llc | sistema e método para dispensar produtos agrícolas em um campo usando uma máquina agrícola com base em densidade de cultura de cobertura |
| CN111754060A (zh) * | 2019-10-18 | 2020-10-09 | 广州极飞科技有限公司 | 变量施肥方法、装置、电子设备及存储介质 |
| CN112697996A (zh) * | 2019-10-22 | 2021-04-23 | 中移(成都)信息通信科技有限公司 | 土壤监测方法、装置、设备及存储介质 |
| CN111178437A (zh) * | 2019-12-30 | 2020-05-19 | 深圳市芭田生态工程股份有限公司 | 一种施肥方法及计算机可读存储介质 |
| CN114418040A (zh) * | 2022-03-31 | 2022-04-29 | 山东鹤鹏技术有限公司 | 一种园林绿化养护监测及预警的方法与系统 |
| CN116152007A (zh) * | 2022-12-29 | 2023-05-23 | 深圳市五谷网络科技有限公司 | 植物施肥量的确定方法、装置、终端设备和可读存储介质 |
| CN116602105A (zh) * | 2023-05-11 | 2023-08-18 | 广东省农业科学院农业资源与环境研究所 | 一种基于相关性研究的植物营养施肥控制方法 |
| CN117352083A (zh) * | 2023-09-28 | 2024-01-05 | 中国科学院沈阳应用生态研究所 | 一种基于物联网技术的土壤精准施肥方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117598084B (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110909679B (zh) | 冬小麦历史种植区的休耕轮作信息遥感识别方法及系统 | |
| CN111557159A (zh) | 一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 | |
| Robert | Precision Agriculture: An Informative Revolution In Agriculture | |
| CN116091951A (zh) | 一种农田与机耕道边界线提取方法及系统 | |
| CN112330149A (zh) | 一种作物管理系统、方法、装置及电子设备 | |
| Jaihuni et al. | Determining spatiotemporal distribution of macronutrients in a cornfield using remote sensing and a deep learning model | |
| CN113470007A (zh) | 一种基于植物生长状态的数据分析方法、系统及存储介质 | |
| CN117598084B (zh) | 一种大豆栽培智能施肥方法及系统 | |
| Mahendran et al. | Application of Machine Learning and Internet of Things for Identification of Nutrient Deficiencies in Oil Palm | |
| CN115690609A (zh) | 一种作物生育期长势监测的方法 | |
| CN117036926A (zh) | 一种融合深度学习与图像处理的杂草识别方法 | |
| CN115909063A (zh) | 一种中分辨率水稻提取方法及系统 | |
| Ramos et al. | DEFINING MANAGEMENT ZONES BASED ON SOIL ATTRIBUTES AND SOYBEAN PRODUCTIVITY1 | |
| CN111861836B (zh) | 山地土地立体规划方法、装置、存储介质和计算机设备 | |
| CN112668448B (zh) | 一种生态进程变化分析方法、装置、介质及终端设备 | |
| CN114782807A (zh) | 目标区域的宽度确定方法及相关装置 | |
| CN113822358A (zh) | 一种基于图像识别的优良花魔芋的选种方法 | |
| CN113408666A (zh) | 一种用于景观的温室绿植栽培方法 | |
| Yihang et al. | Automatic recognition of rape seeding emergence stage based on computer vision technology | |
| Htet et al. | Smart Irrigation: An Intelligent System For Growing Strawberry Plants In Different Seasons Of The Year | |
| CN112527442A (zh) | 一种环境数据多维显示方法、装置、介质及终端设备 | |
| CN116844075B (zh) | 一种耕地环境判定方法及系统 | |
| CN113973559B (zh) | 一种智能施肥方法及装置 | |
| Wang et al. | Research on the model of variable-rate fertilization in Maize Based on Geographic Information System | |
| CN114708495B (zh) | 一种多源灌溉信息融合决策方法及系统 |
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 |