CN117689489A - 一种基于多维度监测的葡萄种植智能控制系统 - Google Patents
一种基于多维度监测的葡萄种植智能控制系统 Download PDFInfo
- Publication number
- CN117689489A CN117689489A CN202311654557.2A CN202311654557A CN117689489A CN 117689489 A CN117689489 A CN 117689489A CN 202311654557 A CN202311654557 A CN 202311654557A CN 117689489 A CN117689489 A CN 117689489A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- pest
- monitoring
- grape
- 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
- 235000009754 Vitis X bourquina Nutrition 0.000 title claims abstract description 61
- 235000012333 Vitis X labruscana Nutrition 0.000 title claims abstract description 61
- 235000014787 Vitis vinifera Nutrition 0.000 title claims abstract description 61
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 240000006365 Vitis vinifera Species 0.000 title 1
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 90
- 241000219095 Vitis Species 0.000 claims abstract description 60
- 201000010099 disease Diseases 0.000 claims abstract description 55
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 55
- 235000015097 nutrients Nutrition 0.000 claims abstract description 37
- 241000238631 Hexapoda Species 0.000 claims abstract description 29
- 238000007781 pre-processing Methods 0.000 claims abstract description 26
- 241000196324 Embryophyta Species 0.000 claims abstract description 22
- 239000002689 soil Substances 0.000 claims abstract description 9
- 230000004720 fertilization Effects 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims description 26
- 238000005286 illumination Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 16
- 230000010365 information processing Effects 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 10
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 8
- 230000001276 controlling effect Effects 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 4
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 239000003337 fertilizer Substances 0.000 claims description 4
- 238000003973 irrigation Methods 0.000 claims description 4
- 230000002262 irrigation Effects 0.000 claims description 4
- 229910052757 nitrogen Inorganic materials 0.000 claims description 4
- 235000021049 nutrient content Nutrition 0.000 claims description 4
- 229910052698 phosphorus Inorganic materials 0.000 claims description 4
- 239000011574 phosphorus Substances 0.000 claims description 4
- 239000011591 potassium Substances 0.000 claims description 4
- 229910052700 potassium Inorganic materials 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 241000219094 Vitaceae Species 0.000 abstract description 8
- 235000021021 grapes Nutrition 0.000 abstract description 8
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 241000238876 Acari Species 0.000 description 1
- 241001124076 Aphididae Species 0.000 description 1
- 206010061217 Infestation Diseases 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 235000021048 nutrient requirements Nutrition 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Landscapes
- Catching Or Destruction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于多维度监测的葡萄种植智能控制系统，包括：环境监测模块，用于实时监测目标葡萄的生长环境信息；养分监测模块，用于实时监测所述目标葡萄的所在土壤的高光谱信息；病虫害监测模块，用于实时监测所述目标葡萄的病虫害情况信息；信息预处理模块，用于分别对所述生长环境信息、所述高光谱信息和所述病虫害情况信息进行预处理，得到预处理信息；控制模块，用于根据所述预处理信息自动调整所述目标葡萄的生长环境、施肥量和病虫害防治措施。本发明通过实时监测和智能控制，可以自动调整葡萄生长环境、施肥量和病虫害防治措施，从而实现优质葡萄的高效种植，同时减少种植者的劳动强度。
Description
技术领域
本发明涉及农业智能控制技术领域，特别是涉及一种基于多维度监测的葡萄种植智能控制系统。
背景技术
葡萄种植是一项技术含量高、管理复杂的农业活动。葡萄的生长环境、养分供应、病虫害控制等多个因素都会影响到葡萄的产量和品质。传统的葡萄种植管理方式，往往需要种植者根据经验进行判断和操作，这种方式既耗时耗力，又难以保证葡萄的优质产出。
近年来，随着物联网、大数据等技术的发展，智能农业得到了广泛的应用。通过传感器和控制设备，可以实现对农田环境的实时监测和智能控制，大大提高了农业生产的效率和质量。然而，现有的农业智能控制系统多为通用型，缺乏针对特定作物的优化设计，无法满足葡萄种植的特殊需求。
发明内容
为了克服现有技术的不足，本发明的目的是提供一种基于多维度监测的葡萄种植智能控制系统。
为实现上述目的，本发明提供了如下方案：
一种基于多维度监测的葡萄种植智能控制系统，包括：
环境监测模块，用于实时监测目标葡萄的生长环境信息；
养分监测模块，用于实时监测所述目标葡萄的所在土壤的高光谱信息；
病虫害监测模块，用于实时监测所述目标葡萄的病虫害情况信息；
信息预处理模块，用于分别对所述生长环境信息、所述高光谱信息和所述病虫害情况信息进行预处理，得到预处理信息；
控制模块，用于根据所述预处理信息自动调整所述目标葡萄的生长环境、施肥量和病虫害防治措施。
优选地，所述生长环境信息包括：温度数据、湿度数据和光照数据；所述病虫害情况信息包括所述目标葡萄的病害数据和虫害数据。
优选地，还包括：
数据处理模块，用于根据所述预处理信息生成葡萄种植报告。
优选地，所述信息预处理模块包括：
第一信息处理单元，用于对所述温度数据、湿度数据和光照数据进行去噪、剔除异常值和缺失值填补操作，得到预处理后的温度数据、湿度数据和光照数据；
第二信息处理单元，用于利用训练好的养分反演模型对所述高光谱信息进行反演处理，得到预处理后的高光谱信息；所述预处理后的高光谱信息中包含有氮、磷、钾的养分含量；
第三信息处理单元，用于对所述病害数据和虫害数据进行滤波，得到滤波结果，并根据卷积神经网络对所述滤波结果进行病虫害预测，得到预处理后的病害数据和虫害数据。
优选地，所述第二信息处理单元包括：
波段获取子单元，用于获取多个预设的养分数据和所述高光谱数据的多个波段；
验证模型建立子单元，用于根据机器学习和数据预处理建立所述多个波段和多个所述养分数据的多组验证模型；
养分确定子单元，用于根据交叉验证法计算所述多组验证模型对应的分数，选取所述分数大于预设的阈值对应的验证模型的第一养分；
反演模型建立子单元，用于根据所述第一养分以及机器学习和数据预处理建立养分反演模型。
优选地，所述第三信息处理单元包括：
滤波子单元，用于对病虫害监测设备收集的所述病害数据和所述虫害数据进行滤波处理，得到所述滤波结果；
数据分析子单元，用于利用关联分析法对所述滤波结果进行聚类，得到病虫害的分布特征；
虫害预测网络建立子单元，用于根据预设的病虫害情况和环境条件数据对所述卷积神经网络进行训练，得到训练好的虫害预测网络；
预测子单元，用于将所述病虫害的分布特征和所述滤波结果输入至所述虫害预测网络中，得到预处理后的病害数据和虫害数据。
优选地，所述控制模块包括：
第一控制单元，用于将所述预处理后的温度数据、湿度数据和光照数据输入至环境预测网络中，得到环境预测结果，并根据所述环境预测结果自动调整所述目标葡萄所在区域的温度、湿度和光照；所述环境预测网络通过学习温湿度及光照变化规律，以预测未来的温湿度及光照变化；
第二控制单元，用于根据所述预处理后的高光谱信息对灌溉系统和施肥机的运行进行调控；
第三控制单元，用于根据所述预处理后的病害数据和虫害数据控制病虫害防治设备的运行。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种基于多维度监测的葡萄种植智能控制系统，包括：环境监测模块，用于实时监测目标葡萄的生长环境信息；养分监测模块，用于实时监测所述目标葡萄的所在土壤的高光谱信息；病虫害监测模块，用于实时监测所述目标葡萄的病虫害情况信息；信息预处理模块，用于分别对所述生长环境信息、所述高光谱信息和所述病虫害情况信息进行预处理，得到预处理信息；控制模块，用于根据所述预处理信息自动调整所述目标葡萄的生长环境、施肥量和病虫害防治措施。本发明通过实时监测和智能控制，可以自动调整葡萄生长环境、施肥量和病虫害防治措施，从而实现优质葡萄的高效种植，同时减少种植者的劳动强度。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的系统结构示意图。
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。
本发明的目的是提供一种基于多维度监测的葡萄种植智能控制系统，能够自动调整葡萄生长环境、施肥量和病虫害防治措施，从而实现优质葡萄的高效种植，同时减少种植者的劳动强度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的系统结构示意图，如图1所示，本发明提供了一种基于多维度监测的葡萄种植智能控制系统，包括：
环境监测模块，用于实时监测目标葡萄的生长环境信息；
养分监测模块，用于实时监测所述目标葡萄的所在土壤的高光谱信息；
病虫害监测模块，用于实时监测所述目标葡萄的病虫害情况信息；
信息预处理模块，用于分别对所述生长环境信息、所述高光谱信息和所述病虫害情况信息进行预处理，得到预处理信息；
控制模块，用于根据所述预处理信息自动调整所述目标葡萄的生长环境、施肥量和病虫害防治措施。
优选地，所述生长环境信息包括：温度数据、湿度数据和光照数据；所述病虫害情况信息包括所述目标葡萄的病害数据和虫害数据。
具体的，本实施例中通过获取目标葡萄的高光谱信息，能够实时监测葡萄的养分供应情况。其中养分供应情况包括但不限于土壤中的氮、磷、钾等养分含量。
进一步地，，本实施例中实时监测葡萄的病虫害情况可以通过安装在目标葡萄所在的葡萄园中的病虫害监测设备来实现。这些设备通常包括昆虫诱捕器、病害监测仪等。
昆虫诱捕器：这些设备可以吸引并捕获特定种类的害虫，如蚜虫、蝗虫、螨虫等。捕获的害虫数量可以作为害虫侵害程度的指标。
病害监测仪：这些设备通常包括各种传感器和摄像头，可以监测葡萄叶片的颜色、形状等变化，以便早期发现病害。
优选地，还包括：
数据处理模块，用于根据所述预处理信息生成葡萄种植报告。
可选地，本实施例中的数据处理模块能够处理各监测模块的数据，生成葡萄种植报告。种植者可以通过查看报告，了解葡萄的生长情况，从而进行更精细的管理。
优选地，所述信息预处理模块包括：
第一信息处理单元，用于对所述温度数据、湿度数据和光照数据进行去噪、剔除异常值和缺失值填补操作，得到预处理后的温度数据、湿度数据和光照数据；
第二信息处理单元，用于利用训练好的养分反演模型对所述高光谱信息进行反演处理，得到预处理后的高光谱信息；所述预处理后的高光谱信息中包含有氮、磷、钾的养分含量；
第三信息处理单元，用于对所述病害数据和虫害数据进行滤波，得到滤波结果，并根据卷积神经网络对所述滤波结果进行病虫害预测，得到预处理后的病害数据和虫害数据。
优选地，所述第二信息处理单元包括：
波段获取子单元，用于获取多个预设的养分数据和所述高光谱数据的多个波段；
验证模型建立子单元，用于根据机器学习和数据预处理建立所述多个波段和多个所述养分数据的多组验证模型；
养分确定子单元，用于根据交叉验证法计算所述多组验证模型对应的分数，选取所述分数大于预设的阈值对应的验证模型的第一养分；
反演模型建立子单元，用于根据所述第一养分以及机器学习和数据预处理建立养分反演模型。
具体的，本实施例中直接利用遥感的土壤高光谱数据，由该数据反演土壤养分，整个过程只有土壤高光谱数据获取的时间和反演过程的时间，速度快，效率高。
进一步地，本实施例中的反演模型还能够利用其他方法进行构建，例如根据皮尔逊相关系数算法分别计算所述多个波段和所述多个养分的相关系数；选取所述相关系数大于一定闯值相对应的第二养分，当所述第二养分和所述第相同，根据所述第一养分以及所述机器学习和数据预处理建立养分反演模型。
优选地，所述第三信息处理单元包括：
滤波子单元，用于对病虫害监测设备收集的所述病害数据和所述虫害数据进行滤波处理，得到所述滤波结果；
数据分析子单元，用于利用关联分析法对所述滤波结果进行聚类，得到病虫害的分布特征；
虫害预测网络建立子单元，用于根据预设的病虫害情况和环境条件数据对所述卷积神经网络进行训练，得到训练好的虫害预测网络；
预测子单元，用于将所述病虫害的分布特征和所述滤波结果输入至所述虫害预测网络中，得到预处理后的病害数据和虫害数据。
具体的，本实施例首先需要通过病虫害监测设备收集关于病虫害的各类数据，如害虫种类、数量、分布等，以及葡萄的生长状况、气候条件等相关数据，并对该数据进行各类数据的对应滤波，例如若获取到的数据为图像数据，则进行图像的滤波处理。其他数据处理则进行相应的滤波预处理，并且进行数据的清洗、整理、标准化等，以便进行后续的分析。
其次，本实施例通过统计分析和机器学习等方法，对处理后的数据进行深入分析。例如，可以通过关联分析找出病虫害发生与哪些因素有关，通过聚类分析了解病虫害的分布特征，通过回归分析预测病虫害的发展趋势等。根据数据分析的结果，建立预测模型。这个模型可能是一个统计模型，也可能是一个机器学习模型，如决策树、支持向量机、神经网络等。本实施例中，使用建立的模型，输入当前的病虫害情况和环境条件等数据，输出病虫害的发生和发展的预测结果。
此外，本实施例还对于对预测结果进行验证，如通过实地调查、历史数据对比等方法，判断预测结果是否准确。如果预测效果不佳，需要对模型进行调整和优化。
更进一步地，若本实施例中收集的数据量很大，则需要使用大数据处理技术；如果数据类型复杂，则需要使用深度学习等更复杂的机器学习方法。
优选地，所述控制模块包括：
第一控制单元，用于将所述预处理后的温度数据、湿度数据和光照数据输入至环境预测网络中，得到环境预测结果，并根据所述环境预测结果自动调整所述目标葡萄所在区域的温度、湿度和光照；所述环境预测网络通过学习温湿度及光照变化规律，以预测未来的温湿度及光照变化；
第二控制单元，用于根据所述预处理后的高光谱信息对灌溉系统和施肥机的运行进行调控；
第三控制单元，用于根据所述预处理后的病害数据和虫害数据控制病虫害防治设备的运行。
具体的，本实施例根据环境监测模块、养分监测模块、病虫害监测模块的监测结果，自动调整葡萄生长环境、施肥量和病虫害防治措施。具体来说，控制模块可以通过调整温室的温度和湿度，改变光照强度，调整灌溉系统的运行，以适应葡萄的生长需求；通过调整施肥机的运行，以满足葡萄的养分需求；通过调整病虫害防治设备的运行，以防止病虫害的发生。
本发明的有益效果如下：
(1)本发明通过实时监测和智能控制，可以自动调整葡萄生长环境、施肥量和病虫害防治措施，从而实现优质葡萄的高效种植，同时减少种植者的劳动强度。
(2)本发明通过神经网络模型的学习和预测，可以实现环境及生长条件的自动精确控制，从而提高植物的生长质量和产量，同时减少种植者的劳动强度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种基于多维度监测的葡萄种植智能控制系统，其特征在于，包括：
环境监测模块，用于实时监测目标葡萄的生长环境信息；
养分监测模块，用于实时监测所述目标葡萄的所在土壤的高光谱信息；
病虫害监测模块，用于实时监测所述目标葡萄的病虫害情况信息；
信息预处理模块，用于分别对所述生长环境信息、所述高光谱信息和所述病虫害情况信息进行预处理，得到预处理信息；
控制模块，用于根据所述预处理信息自动调整所述目标葡萄的生长环境、施肥量和病虫害防治措施。
2.根据权利要求1所述的基于多维度监测的葡萄种植智能控制系统，其特征在于，所述生长环境信息包括：温度数据、湿度数据和光照数据；所述病虫害情况信息包括所述目标葡萄的病害数据和虫害数据。
3.根据权利要求1所述的基于多维度监测的葡萄种植智能控制系统，其特征在于，还包括：
数据处理模块，用于根据所述预处理信息生成葡萄种植报告。
4.根据权利要求2所述的基于多维度监测的葡萄种植智能控制系统，其特征在于，所述信息预处理模块包括：
第一信息处理单元，用于对所述温度数据、湿度数据和光照数据进行去噪、剔除异常值和缺失值填补操作，得到预处理后的温度数据、湿度数据和光照数据；
第二信息处理单元，用于利用训练好的养分反演模型对所述高光谱信息进行反演处理，得到预处理后的高光谱信息；所述预处理后的高光谱信息中包含有氮、磷、钾的养分含量；
第三信息处理单元，用于对所述病害数据和虫害数据进行滤波，得到滤波结果，并根据卷积神经网络对所述滤波结果进行病虫害预测，得到预处理后的病害数据和虫害数据。
5.根据权利要求4所述的基于多维度监测的葡萄种植智能控制系统，其特征在于，所述第二信息处理单元包括：
波段获取子单元，用于获取多个预设的养分数据和所述高光谱数据的多个波段；
验证模型建立子单元，用于根据机器学习和数据预处理建立所述多个波段和多个所述养分数据的多组验证模型；
养分确定子单元，用于根据交叉验证法计算所述多组验证模型对应的分数，选取所述分数大于预设的阈值对应的验证模型的第一养分；
反演模型建立子单元，用于根据所述第一养分以及机器学习和数据预处理建立养分反演模型。
6.根据权利要求5所述的基于多维度监测的葡萄种植智能控制系统，其特征在于，所述第三信息处理单元包括：
滤波子单元，用于对病虫害监测设备收集的所述病害数据和所述虫害数据进行滤波处理，得到所述滤波结果；
数据分析子单元，用于利用关联分析法对所述滤波结果进行聚类，得到病虫害的分布特征；
虫害预测网络建立子单元，用于根据预设的病虫害情况和环境条件数据对所述卷积神经网络进行训练，得到训练好的虫害预测网络；
预测子单元，用于将所述病虫害的分布特征和所述滤波结果输入至所述虫害预测网络中，得到预处理后的病害数据和虫害数据。
7.根据权利要求4所述的基于多维度监测的葡萄种植智能控制系统，其特征在于，所述控制模块包括：
第一控制单元，用于将所述预处理后的温度数据、湿度数据和光照数据输入至环境预测网络中，得到环境预测结果，并根据所述环境预测结果自动调整所述目标葡萄所在区域的温度、湿度和光照；所述环境预测网络通过学习温湿度及光照变化规律，以预测未来的温湿度及光照变化；
第二控制单元，用于根据所述预处理后的高光谱信息对灌溉系统和施肥机的运行进行调控；
第三控制单元，用于根据所述预处理后的病害数据和虫害数据控制病虫害防治设备的运行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311654557.2A CN117689489A (zh) | 2023-12-05 | 2023-12-05 | 一种基于多维度监测的葡萄种植智能控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311654557.2A CN117689489A (zh) | 2023-12-05 | 2023-12-05 | 一种基于多维度监测的葡萄种植智能控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117689489A true CN117689489A (zh) | 2024-03-12 |
Family
ID=90131063
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311654557.2A Pending CN117689489A (zh) | 2023-12-05 | 2023-12-05 | 一种基于多维度监测的葡萄种植智能控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117689489A (zh) |
-
2023
- 2023-12-05 CN CN202311654557.2A patent/CN117689489A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112450056A (zh) | 一种基于机器学习算法的水肥药一体化智能灌溉系统 | |
| US20220075344A1 (en) | A method of finding a target environment suitable for growth of a plant variety | |
| CN111504371A (zh) | 大数据服务系统 | |
| CN113439520A (zh) | 一种农作物灌溉施肥智慧决策方法及系统 | |
| CN110119176B (zh) | 一种基于土壤元素资源含量数据检测的农作物种植系统 | |
| CN115204689A (zh) | 一种基于图像处理的智慧农业管理系统 | |
| CN114442705B (zh) | 一种基于物联网的智慧农业系统及控制方法 | |
| CN117036088A (zh) | 一种ai识别绿化植物生长态势的数据采集分析方法 | |
| CN112116206A (zh) | 一种基于大数据的智慧农业系统 | |
| CN112465109A (zh) | 一种基于云边协同的农业大棚控制装置 | |
| CN116776290A (zh) | 一种烟草大数据模型构建方法 | |
| CN117893346A (zh) | 一种基于物联网的ai智慧农业采收管理系统及其应用 | |
| CN117575094A (zh) | 一种基于数字孪生的农作物产量预测与优化方法及设备 | |
| CN113377141A (zh) | 一种人工智能农业自动管理系统 | |
| CN117455062A (zh) | 一种基于多源异构农业数据的农作物产量预测算法 | |
| CN116452358B (zh) | 基于物联网的智慧农业管理系统 | |
| CN117033810B (zh) | 一种基于大数据的农业数据分析管理系统及方法 | |
| CN117114448A (zh) | 一种基于机器学习和物联网技术的农业生产管理系统及方法 | |
| CN117313920A (zh) | 一种智能化葡萄种植环境监测系统 | |
| CN116046687A (zh) | 一种农作物生长过程监测方法、设备及介质 | |
| CN110308710A (zh) | 一种番茄种植监控平台 | |
| CN117689489A (zh) | 一种基于多维度监测的葡萄种植智能控制系统 | |
| CN114342787A (zh) | 一种基于物联网监控的烟叶精准种植管理系统 | |
| Feng et al. | A real-time monitoring and control system for crop | |
| CN113115679B (zh) | 一种基于苹果病害预测的智能调控方法及其装置 |
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 |