CN117933676B - 一种农业种植管理系统 - Google Patents
一种农业种植管理系统 Download PDFInfo
- Publication number
- CN117933676B CN117933676B CN202410339762.8A CN202410339762A CN117933676B CN 117933676 B CN117933676 B CN 117933676B CN 202410339762 A CN202410339762 A CN 202410339762A CN 117933676 B CN117933676 B CN 117933676B
- Authority
- CN
- China
- Prior art keywords
- information
- crop
- node
- historical
- time node
- 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
- 230000012010 growth Effects 0.000 claims abstract description 42
- 239000002689 soil Substances 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 244000038559 crop plants Species 0.000 claims abstract description 5
- 230000008635 plant growth Effects 0.000 claims description 44
- 230000004720 fertilization Effects 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 7
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012271 agricultural production Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000007405 data analysis Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大数据技术领域，公开了一种基于大数据分析智慧农业种植管理系统。包括：农作物传感器数据采集模块，其用于采集空气温湿度数据、土壤温湿度数据、土壤酸碱度数据；农作物NDVI监测模块，用于采集农作物的NDVI；农作物株高监测模块，其用于采集农作物的株高数据；数据处理模块，其对NDVI值和株高值进行处理后获得第一信息；农作物长势预测模块，基于当前农作物第一信息与历史农作物第一信息比较，动态生成当前农作物的生长预测信息；本发明通过准确获取农作物生长信息，实时预测作物长势，提高农业生产效率，从而实现农业标准化生产。
Description
技术领域
本发明涉及大数据技术领域，更具体地说，它涉及一种农业种植管理系统。
背景技术
当前对于农作物种植执行施肥、浇水等管理措施依据的是种植人员的经验或者机械性的按照种植的时间节点执行，无法根据农作物的生长状态准确灵活的调整。
发明内容
本发明提供一种农业种植管理系统，解决相关技术中如何根据农作物的生长状态准确灵活的调整农作物种植的技术问题。
本发明提供了一种农业种植管理系统，包括：
农作物NDVI监测模块，其用于采集农作物的NDVI；
农作物株高监测模块，其用于采集农作物的株高数据；
数据处理模块将NDVI值和株高值按时间节点进行划分，一个时间节点对应一个NDVI值和一个株高值，植物生长信息包括时间节点、NDVI值和株高值；
数据处理模块包括生长节点识别模块和第一信息生成模块，生长节点识别模块通过以下方法处理植物生长信息获得生长节点：
步骤101，选择时间节点最小的植物生长信息作为第一植物生长信息；
步骤102，按照时间顺序向后遍历植物生长信息，直至选择的植物生长信息与第一植物生长信息的第一距离大于设定的第一距离阈值时遍历终止，并将遍历终止的植物生长信息设置为标记植物生长信息；
步骤103，迭代执行步骤102获得该植物的所有标记植物生长信息；
步骤104，将标记植物生长信息按照时间节点由小至大的顺序排序并编号，一个标记植物生长信息映射一个生长节点和一个NDVI值；
第一距离=两个植物生长信息之间的株高值的差；
第一信息生成模块用于集合标记植物生长信息生成第一信息；
农作物长势预测模块，其包括：
第一预测模块，其用于计算当前农作物的第一信息与历史农作物的第一信息的第一相似度，提取与当前农作物的第一信息的第一相似度最大的前N个历史农作物的第一信息，从这N个历史农作物的第一信息中选择对应的农作物产量最高的一个历史农作物的第一信息，提取与该历史农作物的第一信息对应的管理信息；
预测结果生成模块，提取当前农作物的第一信息中最大的时间节点的株高值，将第一预测模块提取的历史农作物的第一信息中株高值相同的时间节点设置为第一时间节点；
提取当前农作物的第一信息中最大的时间节点的株高值，该时间节点为第一时间节点，将第一预测模块提取的历史农作物的第一信息中株高值相同的时间节点设置为第二时间节点，将时间节点在第二时间节点之后的历史农作物的管理信息作为需要执行的农作物管理措施；农作物管理措施的执行时间与第一时间节点之间的时间差等于该农作物管理措施对应的管理信息对应的时间节点与第二时间节点之间的时间差。
进一步地，还包括农作物传感器数据采集模块，其用于采集空气温湿度数据、土壤温湿度数据、土壤酸碱度数据。
进一步地，计算第一相似度的公式如下：
其中，和/>分别表示当前农作物和历史农作物的第一信息的第u个生长节点的第i个属性值，q表示当前农作物的第一信息的生长节点的数量，z表示当前农作物的第一信息的属性值的数量，当前农作物的第一信息的属性值包括：空气温度、空气湿度、土壤温度、土壤湿度、土壤酸度、土壤碱度、NDVI值和株高值。
进一步地，一个时间节点对应的株高值是对应于该时间节点的待管理区域内的多个株高测量仪的测量的株高值的均值。
进一步地，第一信息的植物生长信息按照时间节点由小至大的顺序进行排序。
进一步地，管理信息包括施肥信息和/或浇水信息，施肥信息包括施肥量和施肥时间，浇水信息包括浇水量和浇水时间。
进一步地，提供一种计算当前农作物的第一信息与历史农作物的第一信息的相似度的方法：
将历史农作物的第一信息进行删除，删除后的历史农作物的第一信息的生长节点的数量与当前农作物的第一信息的生长节点的数量相同；
删除的顺序是从编号最大的生长节点到编号最小的生长节点的方向删除；
基于删除处理后的历史农作物的第一信息计算与当前农作物的第一信息的第一相似度。
进一步地，计算第一相似度的公式如下：
其中，和/>分别表示当前农作物和历史农作物的第一信息的第u个生长节点的NDVI值，/>和/>分别表示当前农作物和历史农作物的第一信息的第u个生长节点的株高值，q表示当前农作物的第一信息的生长节点的数量。
进一步地，从第一预测模块提取的历史农作物的管理信息中提取第二时间节点之后的种植信息（NDVI值和株高值），并将时间节点与第二时间节点的差值最小的历史农作物的管理信息作为下一阶段需要执行的农作物管理措施。
本发明的有益效果在于通过准确获取农作物生长信息，实时预测作物长势，提高农业生产效率，从而实现农业标准化生产；
本发明能够基于历史数据的挖掘为当前种植的农作物提供未来将要实施的最优的管理措施以及管理措施实施的时间节点。
附图说明
图1是本发明的一种农业种植管理系统的模块示意图；
图2是本发明的农作物数据处理模块的示意图；
图3是本发明的农作物长势预测模块的示意图；
图4是本发明的处理农作物生长信息获取生长节点的流程图；
图中：农作物传感器数据采集模块101，农作物NDVI监测模块102，农作物株高监测模块103，数据处理模块104，农作物长势预测模块105，生长节点识别模块1041，第一信息生成模块1042，第一预测模块1051，预测结果生成模块1052。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。
如图1-图4所示，一种农业种植管理系统，包括：
农作物传感器数据采集模块101，其用于采集空气温湿度数据、土壤温湿度数据、土壤酸碱度数据；
农作物NDVI监测模块102，其用于采集农作物的归一化植被差异指数（NDVI）；
具体的，通过NDVI测量仪测量归一化植被差异指数（NDVI）来量化农作物长势，植物叶片组织对红光有强烈吸收，而对红外光强烈反射，所以作物覆盖越高，红光反射越小，近外红光反射越大，计算公式为：
NDVI = (NIR-Red)/(NIR+Red)
其中，NIR为近外红光，Red为红光，表示范围：；
正值越大说明农作物长势越好；
农作物株高监测模块103，其用于采集农作物的株高数据；
株高数据通过株高测量仪实时测量农作物生长高度获得；
数据处理模块104将NDVI值和株高值按时间节点进行划分，一个时间节点对应一个NDVI值和一个株高值，植物生长信息包括时间节点、NDVI值和株高值；
一个时间节点对应的株高值是对应于该时间节点的待管理区域内的多个株高测量仪的测量的株高值的均值；
在本发明的一个实施例中，数据处理模块104包括生长节点识别模块1041和第一信息生成模块1042，生长节点识别模块1041通过以下方法处理植物生长信息获得生长节点：
步骤101，选择时间节点最小的植物生长信息作为第一植物生长信息；
步骤102，按照时间顺序向后遍历植物生长信息，直至选择的植物生长信息与第一植物生长信息的第一距离大于设定的第一距离阈值时遍历终止，并将遍历终止的植物生长信息设置为标记植物生长信息；
步骤103，迭代执行步骤102获得该植物的所有标记植物生长信息；
步骤104，将标记植物生长信息按照时间节点由小至大的顺序排序并编号，一个标记植物生长信息映射一个生长节点和一个NDVI值；
在本发明的一个实施例中，第一距离=两个植物生长信息之间的株高值的差；
第一信息生成模块1042用于集合标记植物生长信息生成第一信息；
第一信息的植物生长信息按照时间节点由小至大的顺序进行排序；
农作物长势预测模块105，其基于第一信息预测当前农作物的生长趋势；农作物长势预测模块105包括：
第一预测模块1051，其用于计算当前农作物的第一信息与历史农作物的第一信息的第一相似度，提取与当前农作物的第一信息的第一相似度最大的前N个历史农作物的第一信息，从这N个历史农作物的第一信息中选择对应的农作物产量最高的一个历史农作物的第一信息，提取与该历史农作物的第一信息对应的管理信息；
历史农作物的第一信息对应的农作物的产量是指该历史农作物的植物生长信息来源的农作物的种植过程最终的产量，历史农作物的第一信息对应的管理信息是指该历史农作物的植物生长信息来源的农作物的种植过程的管理信息；
管理信息包括施肥信息、浇水信息等，施肥信息包括施肥量和施肥时间，浇水信息包括浇水量和浇水时间；
当前农作物的第一信息与历史农作物的第一信息所包含的株高值的数量可能存在较大差距，为了更好地进行相似度量，在本发明的一个实施例中，提供一种计算当前农作物的第一信息与历史农作物的第一信息的相似度的方法：
将历史农作物的第一信息进行删除，删除后的历史农作物的第一信息的生长节点的数量与当前农作物的第一信息的生长节点的数量相同；
删除的顺序是从编号最大的生长节点到编号最小的生长节点的方向删除；
基于删除处理后的历史农作物的第一信息计算与当前农作物的第一信息的第一相似度；
在本发明的一个实施例中，计算第一相似度的公式如下：
其中，和/>分别表示当前农作物和历史农作物的第一信息的第u个生长节点的NDVI值，/>和/>分别表示当前农作物和历史农作物的第一信息的第u个生长节点的株高值，q表示当前农作物的第一信息的生长节点的数量。
在本发明的一个实施例中，计算第一相似度的公式如下：
其中，和/>分别表示当前农作物和历史农作物的第一信息的第u个生长节点的第i个属性值，q表示当前农作物的第一信息的生长节点的数量，z表示当前农作物的第一信息的属性值的数量，当前农作物的第一信息的属性值包括：空气温度、空气湿度、土壤温度、土壤湿度、土壤酸度、土壤碱度、NDVI值和株高值；
预测结果生成模块1052，提取当前农作物的第一信息中最大的时间节点的株高值，将第一预测模块提取的历史农作物的第一信息中株高值相同的时间节点设置为第一时间节点；
提取当前农作物的第一信息中最大的时间节点的株高值，该时间节点为第一时间节点，将第一预测模块提取的历史农作物的第一信息中株高值相同的时间节点设置为第二时间节点，将时间节点在第二时间节点之后的历史农作物的管理信息作为需要执行的农作物管理措施。
农作物管理措施的执行时间与第一时间节点之间的时间差等于该农作物管理措施对应的管理信息对应的时间节点与第二时间节点之间的时间差。
在本发明的一个实施例中，从第一预测模块提取的历史农作物的管理信息中提取第二时间节点之后的种植信息（NDVI值和株高值），并将时间节点与第二时间节点的差值最小的历史农作物的管理信息作为下一阶段需要执行的农作物管理措施。
上面对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，还可做出很多形式，均属于本实施例的保护之内。
Claims (9)
1.一种农业种植管理系统，其特征在于，包括：
农作物NDVI监测模块，其用于采集农作物的NDVI；
农作物株高监测模块，其用于采集农作物的株高数据；
数据处理模块将NDVI值和株高值按时间节点进行划分，一个时间节点对应一个NDVI值和一个株高值，植物生长信息包括时间节点、NDVI值和株高值；
数据处理模块包括生长节点识别模块和第一信息生成模块，生长节点识别模块通过以下方法处理植物生长信息获得生长节点：
步骤101，选择时间节点最小的植物生长信息作为第一植物生长信息；
步骤102，按照时间顺序向后遍历植物生长信息，直至选择的植物生长信息与第一植物生长信息的第一距离大于设定的第一距离阈值时遍历终止，并将遍历终止的植物生长信息设置为标记植物生长信息；
步骤103，迭代执行步骤102获得该植物的所有标记植物生长信息；
步骤104，将标记植物生长信息按照时间节点由小至大的顺序排序并编号，一个标记植物生长信息映射一个生长节点和一个NDVI值；
第一距离=两个植物生长信息之间的株高值的差；
第一信息生成模块用于集合标记植物生长信息生成第一信息；
农作物长势预测模块，其包括：
第一预测模块，其用于计算当前农作物的第一信息与历史农作物的第一信息的第一相似度，提取与当前农作物的第一信息的第一相似度最大的前N个历史农作物的第一信息，从这N个历史农作物的第一信息中选择对应的农作物产量最高的一个历史农作物的第一信息，提取与该历史农作物的第一信息对应的管理信息；
预测结果生成模块，提取当前农作物的第一信息中最大的时间节点的株高值，将第一预测模块提取的历史农作物的第一信息中株高值相同的时间节点设置为第一时间节点；
提取当前农作物的第一信息中最大的时间节点的株高值，该时间节点为第一时间节点，将第一预测模块提取的历史农作物的第一信息中株高值相同的时间节点设置为第二时间节点，将时间节点在第二时间节点之后的历史农作物的管理信息作为需要执行的农作物管理措施；农作物管理措施的执行时间与第一时间节点之间的时间差等于该农作物管理措施对应的管理信息对应的时间节点与第二时间节点之间的时间差。
2.根据权利要求1所述的一种农业种植管理系统，其特征在于，还包括农作物传感器数据采集模块，其用于采集空气温湿度数据、土壤温湿度数据、土壤酸碱度数据。
3.根据权利要求2所述的一种农业种植管理系统，其特征在于，计算第一相似度的公式如下：
；
其中，和/>分别表示当前农作物和历史农作物的第一信息的第u个生长节点的第i个属性值，q表示当前农作物的第一信息的生长节点的数量，z表示当前农作物的第一信息的属性值的数量，当前农作物的第一信息的属性值包括：空气温度、空气湿度、土壤温度、土壤湿度、土壤酸度、土壤碱度、NDVI值和株高值。
4.根据权利要求1所述的一种农业种植管理系统，其特征在于，一个时间节点对应的株高值是对应于该时间节点的待管理区域内的多个株高测量仪的测量的株高值的均值。
5.根据权利要求1所述的一种农业种植管理系统，其特征在于，第一信息的植物生长信息按照时间节点由小至大的顺序进行排序。
6.根据权利要求1所述的一种农业种植管理系统，其特征在于，管理信息包括施肥信息和/或浇水信息，施肥信息包括施肥量和施肥时间，浇水信息包括浇水量和浇水时间。
7.根据权利要求1所述的一种农业种植管理系统，其特征在于，提供一种计算当前农作物的第一信息与历史农作物的第一信息的相似度的方法：
将历史农作物的第一信息进行删除，删除后的历史农作物的第一信息的生长节点的数量与当前农作物的第一信息的生长节点的数量相同；
删除的顺序是从编号最大的生长节点到编号最小的生长节点的方向删除；
基于删除处理后的历史农作物的第一信息计算与当前农作物的第一信息的第一相似度。
8.根据权利要求1所述的一种农业种植管理系统，其特征在于，计算第一相似度的公式如下：
；
其中，和/>分别表示当前农作物和历史农作物的第一信息的第u个生长节点的NDVI值，/>和/>分别表示当前农作物和历史农作物的第一信息的第u个生长节点的株高值，q表示当前农作物的第一信息的生长节点的数量。
9.根据权利要求1所述的一种农业种植管理系统，其特征在于，从第一预测模块提取的历史农作物的管理信息中提取第二时间节点之后的种植信息，并将时间节点与第二时间节点的差值最小的历史农作物的管理信息作为下一阶段需要执行的农作物管理措施。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410339762.8A CN117933676B (zh) | 2024-03-25 | 2024-03-25 | 一种农业种植管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410339762.8A CN117933676B (zh) | 2024-03-25 | 2024-03-25 | 一种农业种植管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117933676A CN117933676A (zh) | 2024-04-26 |
| CN117933676B true CN117933676B (zh) | 2024-05-24 |
Family
ID=90768670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410339762.8A Active CN117933676B (zh) | 2024-03-25 | 2024-03-25 | 一种农业种植管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117933676B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109029588A (zh) * | 2018-09-11 | 2018-12-18 | 南京都宁大数据科技有限公司 | 一种基于气候影响的农作物长势预测方法 |
| CN114298615A (zh) * | 2022-03-09 | 2022-04-08 | 浙江大学 | 一种农作物种植风险预防方法、装置、存储介质和设备 |
| CN116012720A (zh) * | 2023-03-28 | 2023-04-25 | 航天万源云数据河北有限公司 | 基于高分遥感影像的农作物长势监测方法、设备及介质 |
-
2024
- 2024-03-25 CN CN202410339762.8A patent/CN117933676B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109029588A (zh) * | 2018-09-11 | 2018-12-18 | 南京都宁大数据科技有限公司 | 一种基于气候影响的农作物长势预测方法 |
| CN114298615A (zh) * | 2022-03-09 | 2022-04-08 | 浙江大学 | 一种农作物种植风险预防方法、装置、存储介质和设备 |
| CN116012720A (zh) * | 2023-03-28 | 2023-04-25 | 航天万源云数据河北有限公司 | 基于高分遥感影像的农作物长势监测方法、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117933676A (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102708289B (zh) | 一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法 | |
| CN111345214A (zh) | 一种基于卫星影像数据的新疆棉花区域识别方法及系统 | |
| CN113963260A (zh) | 一种冬小麦种植区的提取方法、装置和计算机设备 | |
| CN109360117A (zh) | 一种农作物种植模式识别方法 | |
| CN110909933A (zh) | 一种耦合作物模型与机器学习语言的农业干旱快速诊断和评估方法 | |
| CN113469112B (zh) | 农作物生长状况图像识别方法及系统 | |
| CN114708490A (zh) | 水稻种植提取及复种指数监测方法、系统、终端及存储介质 | |
| CN103310197A (zh) | 一种利用中分辨率卫星数据提取黄淮海平原区大蒜种植面积的方法 | |
| CN112215522A (zh) | 农作物长势监测系统、方法、计算机设备及存储介质 | |
| CN112330149A (zh) | 一种作物管理系统、方法、装置及电子设备 | |
| CN107437262B (zh) | 作物种植面积预警方法和系统 | |
| CN117933676B (zh) | 一种农业种植管理系统 | |
| CN116482041B (zh) | 一种基于反射光谱的水稻抽穗期无损快速识别方法及系统 | |
| CN116757707B (zh) | 一种农作物果实生长溯源方法及系统 | |
| CN105184234B (zh) | 一种冬小麦秸秆焚烧污染物排放量的测算方法及装置 | |
| CN112489211B (zh) | 农作物长势状态确定方法、农作物作业方法及相关装置 | |
| CN113052433B (zh) | 基于关键时相和农田景观特征参量的作物单产估算方法 | |
| CN115183820A (zh) | 基于浮空器机载光谱的茶园智能监测系统及方法 | |
| CN117952497B (zh) | 一种农业物流管理系统 | |
| CN112700347A (zh) | 农作物高度生长曲线的生成方法、装置和存储介质 | |
| Shakir | Optimal Deep Learning Driven Smart Sugarcane Crop Monitoring on Remote Sensing Images | |
| CN117274359B (zh) | 一种作物群体的株高测算方法和系统 | |
| CN116757867B (zh) | 一种基于多源数据融合的数字乡村构建方法及系统 | |
| Ma et al. | Banana individual segmentation and phenotypic parameter measurements using deep learning and terrestrial LiDAR | |
| CN115660236B (zh) | 作物物候期预测方法、装置、电子设备和存储介质 |
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 |