CN117934196B - 一种粮食储存用智能农业供应链管理系统 - Google Patents
一种粮食储存用智能农业供应链管理系统 Download PDFInfo
- Publication number
- CN117934196B CN117934196B CN202410316117.4A CN202410316117A CN117934196B CN 117934196 B CN117934196 B CN 117934196B CN 202410316117 A CN202410316117 A CN 202410316117A CN 117934196 B CN117934196 B CN 117934196B
- Authority
- CN
- China
- Prior art keywords
- module
- pest
- supply chain
- grain
- analysis
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 44
- 238000013068 supply chain management Methods 0.000 title claims abstract description 23
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 190
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 50
- 230000008569 process Effects 0.000 claims abstract description 10
- 201000010099 disease Diseases 0.000 claims description 87
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 87
- 241000238631 Hexapoda Species 0.000 claims description 80
- 238000001514 detection method Methods 0.000 claims description 67
- 238000011161 development Methods 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 18
- 108020004414 DNA Proteins 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 16
- 241000894007 species Species 0.000 claims description 15
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 14
- 230000005484 gravity Effects 0.000 claims description 12
- 108090000623 proteins and genes Proteins 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 238000007400 DNA extraction Methods 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 9
- FEMOMIGRRWSMCU-UHFFFAOYSA-N ninhydrin Chemical compound C1=CC=C2C(=O)C(O)(O)C(=O)C2=C1 FEMOMIGRRWSMCU-UHFFFAOYSA-N 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 claims description 8
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 claims description 8
- 229940116269 uric acid Drugs 0.000 claims description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 7
- 239000001569 carbon dioxide Substances 0.000 claims description 7
- 238000004811 liquid chromatography Methods 0.000 claims description 7
- HEDRZPFGACZZDS-UHFFFAOYSA-N Chloroform Chemical compound ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000004043 dyeing Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000007774 longterm Effects 0.000 claims description 5
- 238000000691 measurement method Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 4
- 230000002265 prevention Effects 0.000 claims description 4
- 239000002689 soil Substances 0.000 claims description 4
- 238000001712 DNA sequencing Methods 0.000 claims description 3
- 108091028043 Nucleic acid sequence Proteins 0.000 claims description 3
- 238000012408 PCR amplification Methods 0.000 claims description 3
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 claims description 3
- 108091081062 Repeated sequence (DNA) Proteins 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 238000004737 colorimetric analysis Methods 0.000 claims description 3
- 230000010485 coping Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000012165 high-throughput sequencing Methods 0.000 claims description 3
- 230000000749 insecticidal effect Effects 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 239000002773 nucleotide Substances 0.000 claims description 3
- 125000003729 nucleotide group Chemical group 0.000 claims description 3
- 238000003752 polymerase chain reaction Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000003908 quality control method Methods 0.000 claims description 3
- 238000004659 sterilization and disinfection Methods 0.000 claims description 3
- 238000009423 ventilation Methods 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 abstract description 5
- 238000012271 agricultural production Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 235000013339 cereals Nutrition 0.000 description 107
- 241000196324 Embryophyta Species 0.000 description 40
- 239000002245 particle Substances 0.000 description 5
- 238000007447 staining method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000002791 soaking Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 241000254171 Curculionidae Species 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000012286 potassium permanganate Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 101001018064 Homo sapiens Lysosomal-trafficking regulator Proteins 0.000 description 2
- 102100033472 Lysosomal-trafficking regulator Human genes 0.000 description 2
- 244000038561 Modiola caroliniana Species 0.000 description 2
- 235000010703 Modiola caroliniana Nutrition 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 150000001413 amino acids Chemical class 0.000 description 2
- 210000001124 body fluid Anatomy 0.000 description 2
- 239000010839 body fluid Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000001627 detrimental effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 239000012266 salt solution Substances 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 241000545593 Scolytinae Species 0.000 description 1
- 241000254152 Sitophilus oryzae Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000008114 Uric Acid Assay Methods 0.000 description 1
- 241001074088 Urophycis Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- RZUBARUFLYGOGC-MTHOTQAESA-L acid fuchsin Chemical compound [Na+].[Na+].[O-]S(=O)(=O)C1=C(N)C(C)=CC(C(=C\2C=C(C(=[NH2+])C=C/2)S([O-])(=O)=O)\C=2C=C(C(N)=CC=2)S([O-])(=O)=O)=C1 RZUBARUFLYGOGC-MTHOTQAESA-L 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- ZXJXZNDDNMQXFV-UHFFFAOYSA-M crystal violet Chemical compound [Cl-].C1=CC(N(C)C)=CC=C1[C+](C=1C=CC(=CC=1)N(C)C)C1=CC=C(N(C)C)C=C1 ZXJXZNDDNMQXFV-UHFFFAOYSA-M 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229960001235 gentian violet Drugs 0.000 description 1
- 230000035929 gnawing Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000004060 metabolic process 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
- 239000000575 pesticide Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- -1 reas Species 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Agronomy & Crop Science (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种粮食储存用智能农业供应链管理系统，涉及农业供应链管理相关技术领域，通过对仓库存粮病虫害防治过程中采集的病虫害数据进行DNA溯源，获得病虫害来源，并对病虫害数据进行分析和预测，对供应链上游进行农业生产和运输储存上的指导，以提高粮食质量，以及根据分析和预测结果灵活调整后续的采购策略，保证采购有序进行，实现了供应链上下游的智能互通，大幅提高了生产效率，降低了生产成本。
Description
技术领域
本发明涉及农业供应链管理系统相关技术领域，具体为一种粮食储存用智能农业供应链管理系统。
背景技术
粮食储存是为了确保粮食供应充足、稳定，并避免粮食浪费和过度依赖进口。
在粮食采购入库时和储存中都会对粮食的病虫害进行检测和预防，通常会检测出各种不同的病虫害类型，结合DNA检测技术，可以对这些病虫害数据进行溯源，可以更加有效地指导农业生产和存粮采购策略，但是在传统的供应链管理系统中，这些数据并未得到有效利用，无法有效指导农业生产和粮食运输，粮食采购储存供应链的源头和末端并未建立有效的沟通渠道，造成粮食储存供应链效率的低下。
发明内容
本发明的目的在于提供一种粮食储存用智能农业供应链管理系统，以解决上述背景中所提出传统的供应链管理系统并未对库存中的病虫害检疫数据进行有效利用，导致粮食采购储存供应链上下游沟通效率低下的问题。
为实现上述目的，本发明提供如下技术方案：一种粮食储存用智能农业供应链管理系统，所述系统包括：病虫害检测模块、库内消杀模块、分子生物学分析溯源模块、数据库模块、预测与分析模块、供应链指导模块和采购决策模块；
其中，所述病虫害检测模块用于在粮食入库前，通过采样抽查和传感器等技术对粮食进行病虫害检测，在粮食入库后同样要进行定期或者长期的病虫害检测；
所述病虫害消杀模块用于根据病虫害检测模块的结果，实施消杀措施，采用物理或者机械除虫方法对害虫进行有针对性地消杀；
所述数据库模块用于对接各地区的主要农作物有害生物数据库，并存储从入库粮食中检测出来的病虫害数据；
所述分子生物学分析溯源模块用于对检测到的病虫害样本进行分子生物学鉴定，确定病虫害的具体种类和特征，并与数据库模块中各地区主要农作物有害生物基因信息进行比对，以确定库内存粮病虫害来源区域；
所述预测与分析模块用于根据病虫害检测样本数据，分析供应链源头地区的病虫害情况，并预测来年的病虫害情况和粮食产量；
所述供应链指导模块用于根据预测与分析模块的分析预测结果，针对病虫害类型，为供应链源头地区提供防治建议，并指导供应链中段对储存和运输方法进行调整；
所述采购决策模块用于根据预测与分析模块的结果结合供应链指导模块的指导效果，灵活调整采购计划，协调不同供应链源头地区的采购份额。
进一步的，所述病虫害检测模块中的病虫害检测方法包括X光检测法、染色检测法、剖粒检测法、比重检测法、茚三酮检测法、液相色谱尿酸测定法、二氧化碳检测法、声波检测法和振动检测法。
进一步的，所述X光检测法用于新粮入库时进行生物检疫所用，而染色检测法、剖粒检测法、比重检测法、茚三酮检测法和液相色谱尿酸测定法均为随机采样检测方法，用于库粮定期抽样检测，二氧化碳检测法、声波检测法和振动检测法，用于库内存粮的长期监测。
进一步的，所述库内消杀模块用于对粮食消杀的方法包括物理消杀方法和机械消杀方法两类，其中物理消杀方法包括高温处理、低温处理和气体处理，其中机械消杀方法包括风力除虫、筛子除虫和风筛结合除虫。
进一步的，采用机械消杀方法灭除虫害时，清理地点应尽可能远离仓房等储粮地点，并且应在操作场地周围撒布防虫线，防止害虫逃逸，清除出的害虫在留样后，应深埋或烧毁或作杀虫处理。
进一步地，所述数据库模块包括以下数据表：
病虫害数据表：包含各地区病虫害的类型、程度、发展趋势等信息；
产量数据表：记录各地区的农产品产量数据，与病虫害数据关联，用于产量预测调整；
供应链指导反馈表：存储供应链指导模块提供的防治调整效果反馈；
供应商信息表：包括供应商的基本信息和历史交易记录，用于供应商选择和评估。
进一步的，所述分子生物学分析溯源模块的分析溯源方法包括如下步骤：
S701.DNA提取和准备：基于DNA提取技术，使用高效的DNA提取技术，例如酚/氯仿提取法或商业化的基因提取试剂盒，从病虫害样本中获得高质量和纯度的DNA，并对提取的DNA进行质量控制，使用比色法或荧光分光光度计检测DNA浓度，确保所获得的DNA适合下一步的分子生物学分析；
S702.PCR扩增：先进行选择性扩增，使用聚合酶链式反应技术，通过选择性引物扩增特定基因区域，这些基因区域可以作为病虫害样本的分子标记，有助于物种鉴定，然后利用PCR扩增的产物进行多态性分析，包括单核苷酸多态性和简单重复序列，以获取更详细的遗传信息；
S703.DNA测序：使用高通量测序技术，对PCR扩增的产物进行测序，以提供更详细、全面的DNA信息，并将测序得到的DNA序列与已知的有害生物数据库进行比对，使用基因组学和生物信息学工具来确认病虫害的物种身份；
S704.数据处理和分析：首先使用生物信息学工具对测序数据进行序列比对和组装，以确保高质量的数据准确匹配到有害生物数据库中的相应物种，然后利用测序数据进行遗传多样性分析，评估不同病虫害样本之间的遗传差异，有助于了解其来源和传播途径；
S705.结果解释和溯源：首先通过分析测序结果，确认病虫害样本的确切物种身份，然后将确认的物种信息与地理位置数据结合，进行地理信息分析，追溯病虫害的源头地区；
S706.数据库更新：将新获得的分子生物学分析结果更新到数据库中，确保数据库中的有害生物信息保持最新，为未来的溯源提供更准确的信息，同时将数据共享给其他农业供应链参与者，以促进合作和共同应对潜在的病虫害问题。
进一步的，所述预测与分析模块包括病虫害发展趋势预测模块、粮食产量预测模块、处理方案制定模块和实时监测与反馈模块；
其中所述病虫害发展趋势预测模块用于针对不同种类的病虫害，预测其未来发展趋势，以及可能对粮食产量造成的影响；
所述粮食产量预测模块用于预测受到病虫害影响的地区的粮食产量，为供应链调整和风险管理提供依据；
所述处理方案制定模块用于根据分析结果，制定应对病虫害和保障粮食产量的处理方案；
所述实时监测与反馈模块用于建立实时监测系统，及时获取新的病虫害数据。
进一步的，所述供应链指导模块包括防治建议生成模块、供应链中段调整指导模块和信息反馈和更新模块；
其中，所述防治建议生成模块用于结合病虫害类型、地区气象信息、土壤质量等因素，使用专家系统或知识图谱，生成针对性的防治建议；
所述供应链中段调整指导模块用于根据检测出的病虫害种类，结合其传播规律和检测结果，建立数学模型，指导中段在运输过程中调整温湿度、通风等环境参数，以最小化病虫害的传播风险；
所述信息反馈和更新模块用于引入传感器网络，实时监测供应链中的各个环节。
进一步地，所述采购决策模块的决策过程包括以下步骤：
S1001.需求预测与分析：整合病虫害发展情况数据，通过数据分析确定受影响的地区，调整需求预测模型，考虑植物病虫害对产量的潜在影响，根据病虫害数据对产量预测进行调整，更准确地反映实际的农产品供应情况。
S1002.供应商评估与选择：整合供应链指导模块的反馈，了解防治调整的效果，根据实际效果调整采购策略，确保采购的农产品符合质量标准，并根据病虫害的地区分布情况，制定差异化的采购策略，更有针对性地调整采购量和供应商选择。
与现有技术相比，本发明的有益效果如下：
本发明提出的一种粮食储存用智能农业供应链管理系统，通过对仓库存粮病虫害防治过程中采集的病虫害数据进行DNA溯源，获得病虫害来源，并对病虫害数据进行分析和预测，对供应链上游进行农业生产和运输储存上的指导，以提高粮食质量，以及根据分析和预测结果灵活调整后续的采购策略，保证采购有序进行，实现了供应链上下游的智能互通，大幅提高了生产效率，降低了生产成本。
附图说明
图1为本发明一种粮食储存用智能农业供应链管理系统示意图。
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。
如图1所示，一种粮食储存用智能农业供应链管理系统，系统包括：病虫害检测模块、病虫害消杀模块、数据库模块、分子生物学分析溯源模块、预测与分析模块、供应链指导模块和采购决策模块。
一、病虫害检测模块：用于在粮食入库前，通过采样抽查和传感器等技术对粮食进行病虫害检测，在粮食入库后同样要进行定期或者长期的病虫害检测。入库粮食病虫害检测方法如下：
1.X光检测法：在粮食采购入库通过传送带时，利用X光机对传送带上通过的粮食进行检测，X射线能显示出粮粒内部的害虫伋其蛀蚀的隧道，受病虫害影响的粮食在荧光板上呈现出较深的色泽，可以对入库粮食进行全面病虫害检测。
2.染色检测法：把染色剂溶解在溶剂中，使成有色溶液。对库中粮食进行随机抽样，并把谷物样品浸泡在有色溶剂中，使被害的谷粒部分显示出清楚的颜色，以确定谷物的被害程度。常见染色检测法包括酸性品红染色法、高锰酸钾染色法和龙胆紫染色法。其中高锰酸钾染色法具体步骤包括：
步骤一、首先随机抽取谷物2样品5克。
步骤二、置于铜丝网中，在30°C温水中浸1分钟。
步骤三、然后移置于1%高锰酸钾溶液中，浸泡一分钟。
步骤四、经1分钟后取出阀门，用冷水冲洗，有蛀空式隐蔽性害虫危害的粮粒，即在产卵孔处呈明显的褐色小斑点，并对虫害样本进行保存。
3.剖粒检测法：步骤一、对根据粮粒的大小，随意从样品中取出一定数量的粮粒，大豆、玉米等大粮粒取10克，小麦、稻谷等小粮粒取5克。
步骤二、数清粮粒，用水浸泡10分钟。
步骤三、浸泡软化后用小刀等工具把粮粒逐一剖开，检查粮粒内部的幼虫和蛹，并计算出每公斤粮粒内蛀空式隐蔽性储粮害虫的头数，并保留害虫样本。
4.比重检测法：根据完好的谷粒与蛀蚀谷粒的比重不同，来计算隐蔽性储粮害虫的危害程度。其中包括食盐溶液比重法，此法适用于比重大于1.2的小麦和豆类。步骤包括：
步骤一、把35.9克食盐溶解于100毫升、温度为20°C的水中， 配成比重为1 .2的食盐溶液。
步骤二、把要检测的100克粮粒倒入这食盐溶液中，搅动10～15秒， 再静置1～2分钟。
步骤三、把漂浮起来的粮食取出。结合剖粒法进行检测，并计算出每公斤粮食中隐蔽性储粮害虫的头数，并保留害虫样本。
5.茚三酮检测法：茚三酮是一种化学试剂，对游离氨基酸有灵敏反应，昆虫的幼虫和蛹有丰富的蛋白质和游离氨基酸，当茚三酮与具有高浓度氨基酸的昆虫幼虫和蛹的体液接触时就产生明显的紫红色。检测步骤包括：
步骤一、将滤纸带用茚三酮浸泡，待干后装在小型碾压器的一个钢辊上备用。
步骤二、利用小型碾压器将粮粒压成片状时，隐蔽性储粮害虫的卵、幼虫和蛹也同时被压破，害虫的体液与滤纸带接触，就和滤纸带上的茚三酮发生化学反应，滤纸上呈现明显的紫红色斑点，可根据斑点数目，计算危害程度。
6.液相色谱尿酸测定法：用液相色谱测定被谷象、米象和谷蠹各发育阶段危害的粮食中尿酸的含量。储粮害虫数目和被害谷物中尿酸含量之间存在相关性， 谷象幼虫所产生的尿酸最多，其次是米象幼虫和谷蠹幼虫。
7.二氧化碳检测法：由于昆虫的新陈代谢率要比粮食高得多，因此库中的二氧化碳含量则反映了害虫的活跃程度，利用二氧化碳传感器监测库中二氧化碳含量就可以对库内存粮进行长期的病虫害监测。
8.声波检测法：昆虫在活动和啃食粮食时会发出噪音，大量昆虫同时活动时噪音较为明显，因此通过在粮库内不同方位布设声音传感器采集声音数据，利用数字滤波技术除去数据中的常见环境噪音，就可以突出昆虫活动声音，另外根据声音到达不同方位传感器的时间差还可以判断出库内病虫害主要暴发区域。
9.振动检测法：与声波检测法类似，可以利用振动传感器来检测库中害虫机器幼虫活动时所产生的振动，同样可以精确定位病虫害在库内的活动区域。
其中X光检测法用于新粮入库时进行生物检疫所用，而染色检测法、剖粒检测法、比重检测法、茚三酮检测法和液相色谱尿酸测定法均为随机采样检测方法，用于库粮定期抽样检测，二氧化碳检测法、声波检测法和振动检测法，用于库内存粮的长期监测。
二、病虫害消杀模块：根据病虫害检测模块的结果，实施消杀措施，采用物理或者机械除虫方法对害虫进行有针对性地消杀。物理消杀方法包括：
1.高温处理：通过使用高温进行杀灭储粮害虫，一般情况下，储粮害虫的死亡温度为50-60℃, 因此，可以通过加热或使用蒸汽进行高温处理，有效地杀灭储粮害虫。
2.低温处理：通过使用低温进行杀灭储粮害虫，储粮害虫的死亡温度为-20℃以下，因此，可以通过冷藏或冷冻进行低温处理，有效地杀灭储粮害虫。
3.气体处理：通过使用无害的二氧化碳、氮气等气体抑制害虫呼吸进行杀灭储粮害虫。
机械消杀方法包括：
1.风力除虫：风车除虫在粮粒与害虫通过风车的时候，由于比重和形状不同，在风流的作用下，比重轻的害虫、尘杂被风流吹到较远的地方，比重大的粮粒吹到较近的地方，使害虫与粮粒分开，利用风车除虫时，应控制风车的转数和粮食的流量，使分离达到最好的效果。
2、筛子除虫：筛子除虫是利用粮粒和害虫的大小形状不同，用适当大小筛孔的筛子，通过过筛使它们分开，筛孔的大小选用每厘米2.4-3孔，过筛时控制过筛粮食的数量，令筛中粮食厚度保持在2—3厘米。
3、风筛结合除虫：为提高机械除虫的效果，使粮虫分离更完全，可以将风车和过筛两种方法结合使用。
在利用机械除虫时清理地点应尽可能远离仓房等储粮地点，并且应在操作场地周围撒布防虫线，防止害虫逃逸，清除出的害虫在留样后，应深埋或烧毁或作杀虫处理。
三、数据库模块：用于对接各地区的主要农作物有害生物数据库，并存储从入库粮食中检测出来的病虫害数据。数据库模块包括以下数据表：
1.病虫害数据表：包含各地区病虫害的类型、程度、发展趋势等信息。
2.产量数据表：记录各地区的农产品产量数据，与病虫害数据关联，用于产量预测调整。
3.供应链指导反馈表：存储供应链指导模块提供的防治调整效果反馈。
4.供应商信息表：包括供应商的基本信息、历史交易记录等，用于供应商选择和评估。
数据库的关系定义为：
1.建立病虫害数据表和产量数据表之间的关联，以实现根据病虫害情况调整产量预测的功能。
2.将供应链指导反馈表与病虫害数据表关联，以便对比实际效果和病虫害的关联性。
3.在采购策略执行阶段，将供应商信息表与产量数据表结合，以选择和管理供应商。
四、分子生物学分析溯源模块：用于对检测到的病虫害样本进行分子生物学鉴定，确定病虫害的具体种类和特征，并与数据库模块中各地区主要农作物有害生物基因信息进行比对，以确定库内存粮病虫害来源区域。分析溯源方法包括如下步骤：
步骤一、DNA提取和准备：基于DNA提取技术，使用高效的DNA提取技术，例如酚/氯仿提取法或商业化的基因提取试剂盒，从病虫害样本中获得高质量和纯度的DNA，并对提取的DNA进行质量控制，使用比色法或荧光分光光度计检测DNA浓度，确保所获得的DNA适合下一步的分子生物学分析。
步骤二、PCR扩增：先进行选择性扩增，使用聚合酶链式反应技术，通过选择性引物扩增特定基因区域，这些基因区域可以作为病虫害样本的分子标记，有助于物种鉴定，然后利用PCR扩增的产物进行多态性分析，包括单核苷酸多态性和简单重复序列，以获取更详细的遗传信息。
步骤三、DNA测序：使用高通量测序技术，对PCR扩增的产物进行测序，以提供更详细、全面的DNA信息，并将测序得到的DNA序列与已知的有害生物数据库进行比对，使用基因组学和生物信息学工具来确认病虫害的物种身份。
步骤四、数据处理和分析：首先使用生物信息学工具对测序数据进行序列比对和组装，以确保高质量的数据准确匹配到有害生物数据库中的相应物种，然后利用测序数据进行遗传多样性分析，评估不同病虫害样本之间的遗传差异，有助于了解其来源和传播途径。
步骤五、结果解释和溯源：首先通过分析测序结果，确认病虫害样本的确切物种身份，然后将确认的物种信息与地理位置数据结合，进行地理信息分析，追溯病虫害的源头地区。
步骤六、数据库更新：将新获得的分子生物学分析结果更新到数据库中，确保数据库中的有害生物信息保持最新，为未来的溯源提供更准确的信息，同时将数据共享给其他农业供应链参与者，以促进合作和共同应对潜在的病虫害问题。
五、预测与分析模块：根据病虫害检测样本数据，分析供应链源头地区的病虫害情况，并预测来年的病虫害情况和粮食产量。预测与分析主要包括以下模块：
1.病虫害发展趋势预测模块：针对不同种类的病虫害，预测其未来发展趋势，以及可能对粮食产量造成的影响。首先对每种病虫害的历史数据进行时间序列分析，以预测未来发展趋势。然后基于过去的发展模式，使用机器学习分类器（如随机森林）进行未来趋势的预测。
2.粮食产量预测模块：预测受到病虫害影响的地区的粮食产量，为供应链调整和风险管理提供依据。利用病虫害数据、气象数据、土壤信息等进行多元回归分析，建立粮食产量预测模型，同时利用卫星遥感数据监测植被状况，结合地面观测数据，提高粮食产量预测的准确性。
3.处理方案制定模块：基于分析结果，制定应对病虫害和保障粮食产量的处理方案。结合领域专家的知识，建立专家系统，根据不同病虫害和地区提供针对性的处理建议，并利用模拟技术评估不同处理方案对粮食产量和供应链的影响，找到最优解决方案。
4.实时监测与反馈模块：建立实时监测系统，及时获取新的病虫害数据，优化预测模型，并实施及时调整的处理方案，部署传感器网络，实时监测病虫害和气象等数据，并定期更新预测模型，纳入最新的数据，提高模型的准确性和适应性。
六、供应链指导模块：根据预测与分析模块的分析预测结果，针对病虫害类型，为供应链源头地区提供防治建议，并指导供应链中段对储存和运输方法进行调整。包括以下模块：
1.防治建议生成模块：结合病虫害类型、地区气象信息、土壤质量等因素，使用专家系统或知识图谱，生成针对性的防治建议。例如，推荐特定农药的使用量、喷洒时间、温湿度控制等方案。
2.供应链中段调整指导模块：根据检测出的病虫害种类，结合其传播规律和检测结果，建立数学模型，指导中段在运输过程中调整温湿度、通风等环境参数，以最小化病虫害的传播风险，同时利用物联网技术，监测仓库内粮食的温湿度、气氛气体成分等信息。算法分析这些数据，提供最佳的仓储条件，以减缓病虫害的发展速度。
3.信息反馈和更新模块：引入传感器网络，实时监测供应链中的各个环节。当有新的病虫害信息或环境变化时，即时更新数据库，并触发供应链指导模块重新评估和生成新的建议。设计用户反馈接口，供应链管理者可以报告实际应用中的情况，系统通过机器学习算法，从用户反馈中学习，并不断优化防治建议生成模型和中段调整算法。
七、采购决策模块：根据预测与分析模块的结果结合供应链指导模块的指导效果，灵活调整采购计划，协调不同供应链源头地区的采购份额。采购决策过程包括以下步骤：
步骤一、需求预测与分析：整合病虫害发展情况数据，通过数据分析确定受影响的地区，调整需求预测模型，考虑植物病虫害对产量的潜在影响，根据病虫害数据和其他影响因素，对产量预测进行调整，更准确地反映实际的农产品供应情况。
步骤二、供应商评估与选择：整合供应链指导模块的反馈，了解防治调整的效果，根据实际效果调整采购策略，确保采购的农产品符合质量标准，并根据病虫害的地区分布情况，制定差异化的采购策略，更有针对性地调整采购量和供应商选择。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种粮食储存用智能农业供应链管理系统，其特征在于：所述系统包括：病虫害检测模块、库内消杀模块、分子生物学分析溯源模块、数据库模块、预测与分析模块、供应链指导模块和采购决策模块；
其中，所述病虫害检测模块用于在粮食入库前，通过采样抽查和传感器技术对粮食进行病虫害检测，在粮食入库后同样要进行定期或者长期的病虫害检测；
所述病虫害消杀模块用于根据病虫害检测模块的结果，实施消杀措施，采用物理或者机械除虫方法对害虫进行有针对性地消杀；
所述数据库模块用于对接各地区的主要农作物有害生物数据库，并存储从入库粮食中检测出来的病虫害数据；
所述分子生物学分析溯源模块用于对检测到的病虫害样本进行分子生物学鉴定，确定病虫害的具体种类和特征，并与数据库模块中各地区主要农作物有害生物基因信息进行比对，以确定库内存粮病虫害来源区域；
所述预测与分析模块用于根据病虫害检测样本数据，分析供应链源头地区的病虫害情况，并预测来年的病虫害情况和粮食产量；
所述供应链指导模块用于根据预测与分析模块的分析预测结果，针对病虫害类型，为供应链源头地区提供防治建议，并指导供应链中段对储存和运输方法进行调整；
所述采购决策模块用于根据预测与分析模块的结果结合供应链指导模块的指导效果，灵活调整采购计划，协调不同供应链源头地区的采购份额。
2.如权利要求1所述的一种粮食储存用智能农业供应链管理系统，其特征在于：所述病虫害检测模块中的病虫害检测方法包括X光检测法、染色检测法、剖粒检测法、比重检测法、茚三酮检测法、液相色谱尿酸测定法、二氧化碳检测法、声波检测法和振动检测法。
3.如权利要求2所述的一种粮食储存用智能农业供应链管理系统，其特征在于：所述X光检测法用于新粮入库时进行生物检疫所用，而染色检测法、剖粒检测法、比重检测法、茚三酮检测法和液相色谱尿酸测定法均为随机采样检测方法，用于库粮定期抽样检测，二氧化碳检测法、声波检测法和振动检测法，用于库内存粮的长期监测。
4.如权利要求1所述的一种粮食储存用智能农业供应链管理系统，其特征在于：所述库内消杀模块用于对粮食消杀的方法包括物理消杀方法和机械消杀方法两类，其中物理消杀方法包括高温处理、低温处理和气体处理，其中机械消杀方法包括风力除虫、筛子除虫和风筛结合除虫。
5.如权利要求4所述的一种粮食储存用智能农业供应链管理系统，其特征在于：采用机械消杀方法灭除虫害时，清理地点应尽可能远离仓房和储粮地点，并且应在操作场地周围撒布防虫线，防止害虫逃逸，清除出的害虫在留样后，应深埋、烧毁或作杀虫处理。
6.如权利要求1所述的一种粮食储存用智能农业供应链管理系统，其特征在于：所述数据库模块包括以下数据表：
病虫害数据表：包含各地区病虫害的类型、程度、发展趋势信息；
产量数据表：记录各地区的农产品产量数据，与病虫害数据关联，用于产量预测调整；
供应链指导反馈表：存储供应链指导模块提供的防治调整效果反馈；
供应商信息表：包括供应商的基本信息和历史交易记录，用于供应商选择和评估。
7.如权利要求1所述的一种粮食储存用智能农业供应链管理系统，其特征在于：所述分子生物学分析溯源模块的分析溯源方法包括如下步骤：
S701.DNA提取和准备：基于DNA提取技术，使用高效的DNA提取技术，包括酚/氯仿提取法或商业化的基因提取试剂盒，从病虫害样本中获得高质量和纯度的DNA，并对提取的DNA进行质量控制，使用比色法或荧光分光光度计检测DNA浓度，确保所获得的DNA适合下一步的分子生物学分析；
S702.PCR扩增：先进行选择性扩增，使用聚合酶链式反应技术，通过选择性引物扩增样本的基因，以这些基因作为病虫害样本的分子标记，有助于物种鉴定，然后利用PCR扩增的产物进行多态性分析，包括单核苷酸多态性和简单重复序列，以获取更详细的遗传信息；
S703.DNA测序：使用高通量测序技术，对PCR扩增的产物进行测序，以提供更详细、全面的DNA信息，并将测序得到的DNA序列与已知的有害生物数据库进行比对，使用基因组学和生物信息学工具来确认病虫害的物种身份；
S704.数据处理和分析：首先使用生物信息学工具对测序数据进行序列比对和组装，以确保高质量的数据准确匹配到有害生物数据库中的相应物种，然后利用测序数据进行遗传多样性分析，评估不同病虫害样本之间的遗传差异，有助于了解其来源和传播途径；
S705.结果解释和溯源：首先通过分析测序结果，确认病虫害样本的确切物种身份，然后将确认的物种信息与地理位置数据结合，进行地理信息分析，追溯病虫害的源头地区；
S706.数据库更新：将新获得的分子生物学分析结果更新到数据库中，确保数据库中的有害生物信息保持最新，为未来的溯源提供更准确的信息，同时将数据共享给其他农业供应链参与者，以促进合作和共同应对潜在的病虫害问题。
8.如权利要求1所述的一种粮食储存用智能农业供应链管理系统，其特征在于：所述预测与分析模块包括病虫害发展趋势预测模块、粮食产量预测模块、处理方案制定模块和实时监测与反馈模块；
其中所述病虫害发展趋势预测模块用于针对不同种类的病虫害，预测其未来发展趋势，以及可能对粮食产量造成的影响；
所述粮食产量预测模块用于预测受到病虫害影响的地区的粮食产量，为供应链调整和风险管理提供依据；
所述处理方案制定模块用于根据分析结果，制定应对病虫害和保障粮食产量的处理方案；
所述实时监测与反馈模块用于建立实时监测系统，及时获取新的病虫害数据。
9.如权利要求1所述的一种粮食储存用智能农业供应链管理系统，其特征在于：所述供应链指导模块包括防治建议生成模块、供应链中段调整指导模块和信息反馈和更新模块；
其中，所述防治建议生成模块用于结合病虫害类型、地区气象信息和土壤质量因素，使用专家系统或知识图谱，生成针对性的防治建议；
所述供应链中段调整指导模块用于根据检测出的病虫害种类，结合其传播规律和检测结果，建立数学模型，指导中段在运输过程中调整温湿度、通风等环境参数，以最小化病虫害的传播风险；
所述信息反馈和更新模块用于引入传感器网络，实时监测供应链中的各个环节。
10.如权利要求1所述的一种粮食储存用智能农业供应链管理系统，其特征在于：所述采购决策模块的决策过程包括以下步骤：
S1001.需求预测与分析：整合病虫害发展情况数据，通过数据分析确定受影响的地区，调整需求预测模型，考虑植物病虫害对产量的潜在影响，根据病虫害数据对产量预测进行调整，更准确地反映实际的农产品供应情况；
S1002.供应商评估与选择：整合供应链指导模块的反馈，了解防治调整的效果，根据实际效果调整采购策略，确保采购的农产品符合质量标准，并根据病虫害的地区分布情况，制定差异化的采购策略，更有针对性地调整采购量和供应商选择。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410316117.4A CN117934196B (zh) | 2024-03-20 | 2024-03-20 | 一种粮食储存用智能农业供应链管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410316117.4A CN117934196B (zh) | 2024-03-20 | 2024-03-20 | 一种粮食储存用智能农业供应链管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117934196A CN117934196A (zh) | 2024-04-26 |
| CN117934196B true CN117934196B (zh) | 2024-07-02 |
Family
ID=90768703
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410316117.4A Active CN117934196B (zh) | 2024-03-20 | 2024-03-20 | 一种粮食储存用智能农业供应链管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117934196B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109102422A (zh) * | 2018-09-26 | 2018-12-28 | 中国农业科学院农业信息研究所 | 一种大数据农业管理系统 |
| CN113643045A (zh) * | 2021-08-13 | 2021-11-12 | 北京工商大学 | 一种基于智能合约的稻米供应链信息动态监管方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10728336B2 (en) * | 2016-03-04 | 2020-07-28 | Sabrina Akhtar | Integrated IoT (Internet of Things) system solution for smart agriculture management |
| KR102285300B1 (ko) * | 2019-09-06 | 2021-08-04 | 주식회사 에피넷 | 영농 의사결정 지원 시스템 |
-
2024
- 2024-03-20 CN CN202410316117.4A patent/CN117934196B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109102422A (zh) * | 2018-09-26 | 2018-12-28 | 中国农业科学院农业信息研究所 | 一种大数据农业管理系统 |
| CN113643045A (zh) * | 2021-08-13 | 2021-11-12 | 北京工商大学 | 一种基于智能合约的稻米供应链信息动态监管方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117934196A (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Madden et al. | How to develop plant disease forecasters | |
| Sarlikioti et al. | Photochemical reflectance index as a mean of monitoring early water stress | |
| Shaw et al. | Long‐term relationships between environment and abundance in wheat of Phaeosphaeria nodorum and Mycosphaerella graminicola | |
| Lazarević et al. | Application of phenotyping methods in detection of drought and salinity stress in basil (Ocimum basilicum L.) | |
| Kjellsson et al. | Methods for risk assessment of transgenic plants: I. Competition, establishment and ecosystem effects | |
| Tausz‐Posch et al. | Will intra‐specific differences in transpiration efficiency in wheat be maintained in a high CO2 world? A FACE study | |
| JP2023549650A (ja) | 植物の潜伏感染の収穫前検出のシステム及び方法 | |
| Ahmad et al. | A review of best management practices for potato crop using precision agricultural technologies | |
| Jiang et al. | Combining novel technologies with interdisciplinary basic research to enhance horticultural crops | |
| Sachithra et al. | How artificial intelligence uses to achieve the agriculture sustainability: Systematic review | |
| US20230354795A1 (en) | System and method for modeling crop yield based on detection of plant stressors in crops | |
| Millington et al. | Combined long-term effects of variable tree regeneration and timber management on forest songbirds and timber production | |
| Kumar et al. | Molecular mapping of water-stress responsive genomic loci in lettuce (Lactuca spp.) using kinetics chlorophyll fluorescence, hyperspectral imaging and machine learning | |
| Day | Engineering advances for input reduction and systems management to meet the challenges of global food and farming futures | |
| Nayak et al. | First report of strong phosphine resistance in stored grain insects in a far northern tropical region of Australia, combining conventional and genetic diagnostics | |
| CN117934196B (zh) | 一种粮食储存用智能农业供应链管理系统 | |
| CN114730614A (zh) | 作物监测和保护 | |
| Whetton et al. | Evaluating management zone maps for variable rate fungicide application and selective harvest | |
| WO2023215621A1 (en) | System and method for modeling crop yield based on detection of plant stressors in crops | |
| Zaman | Precision Agriculture: Evolution, Insights and Emerging Trends | |
| Rand et al. | Tri-trophic interactions are resilient to large shifts in precipitation levels in a wheat agroecosystem | |
| Hessel | Deciphering the genetic architecture of native resistance and tolerance to western corn rootworm larval feeding | |
| Bécu et al. | Increasing intraspecific diversity of wheat affects plant nutrient contents but not N recovery in the plant-soil system | |
| Hanson et al. | Post-fire survival and flushing in three Sierra Nevada conifers with high initial crown scorch | |
| Bindi et al. | Physiological and yield responses of grapevine (Vitis vinifera L.) exposed to elevated CO2 concentrations in a free air CO2 enrichment (FACE) |
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 |