CN118095661B - 一种根据农作物图像采集的农业管理系统 - Google Patents
一种根据农作物图像采集的农业管理系统 Download PDFInfo
- Publication number
- CN118095661B CN118095661B CN202410498693.5A CN202410498693A CN118095661B CN 118095661 B CN118095661 B CN 118095661B CN 202410498693 A CN202410498693 A CN 202410498693A CN 118095661 B CN118095661 B CN 118095661B
- Authority
- CN
- China
- Prior art keywords
- planting area
- water planting
- abnormal
- evaluation coefficient
- soil
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 405
- 238000005457 optimization Methods 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 57
- 238000007405 data analysis Methods 0.000 claims abstract description 5
- 230000002159 abnormal effect Effects 0.000 claims description 246
- 239000002689 soil Substances 0.000 claims description 125
- 238000011156 evaluation Methods 0.000 claims description 106
- 238000013441 quality evaluation Methods 0.000 claims description 54
- 238000000034 method Methods 0.000 claims description 31
- 238000005286 illumination Methods 0.000 claims description 26
- 230000007613 environmental effect Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 14
- 238000010191 image analysis Methods 0.000 claims description 4
- 239000000758 substrate Substances 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000001303 quality assessment method Methods 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种根据农作物图像采集的农业管理系统,涉及农作物图像采集的农业管理技术领域,本发明包括健康和生长数据采集模块、健康和生长数据分析模块、环境数据获取分析模块、水植数据获取分析模块、水植优化方案获取模块、预警终端,首先对各水植区域的水生农作物的图像进行采集,并获取各水植区域的水生农作物的各健康数据和各生长数据分别进行分析,解决了当前水生农作物的农业管理分析过程中存在的局限性问题,进而对各异常水植区域的各水质数据和各土壤数据分别进行分析,从而精准的获取各异常水质数据和各异常土壤数据,并根据各异常数据分别提出优化方案,保障了水生农作物的农业管理的可行性。
Description
技术领域
本发明涉及农作物图像采集的农业管理技术领域,具体涉及一种根据农作物图像采集的农业管理系统。
背景技术
随着科技的发展,农作物的管理越来越科技化,其中农作物图像的采集也可以帮助农业的管理。在水生农作物的图像采集和管理中,做好水生农作物的健康生长数据和水植数据的分析是水生农作物管理的关键和核心,对这些数据进行分析十分的重要。
目前主要是通过农作物的生长情况对农业管理的可行性进行分析,很显然这种分析方式存在以下几个问题:1、当前对水生农作物的农业管理的可行性进行分析主要是通过对水生农作物的生长状况进行分析,并没有先对水生农作物的生长和健康状况分别进行分析,进而再对水生农作物的具体情况进行分析,从而无法更加准确地了解到当前水生农作物的实际情况,同时也无法保障水生农作物的管理可行性分析过程的全面性和真实性,进而无法保障水生农作物生长和健康的分析结果的参考性和准确性,并且也无法给农作物管理技术的更新升级提供可靠的依据。
2、当前并没有通过水植数据中的各水质数据和各土壤数据对水生农作物的生长环境中的影响进行分析,也没有将各水植区域的水植数据中的各水质数据和各土壤数据分别进行分析,无法真实的展示出各水植区域的实际情况,并无法获取各异常水植区域,同时也没有将各水质数据和各土壤数据结合环境因子进行分析,进而无法保障分析结果的可靠性,从而无法提高水生农作物的农业管理效率,一定程度上降低了农业管理的效果。
发明内容
针对上述存在的技术不足,本发明的目的是提供一种根据农作物图像采集的农业管理系统。
为解决上述技术问题,本发明采用如下技术方案:本发明提供一种根据农作物图像采集的农业管理系统,包括:健康和生长数据采集模块,用于使用摄像设备采集各水植区域的水生农作物的各图像,并将各水植区域的水生农作物的各图像传输至图像分析模块中,进而输出各水植区域的水生农作物的类别、各健康数据和各生长数据。
健康和生长数据分析模块,用于提取各水植区域的水生农作物的类别、各健康数据和各生长数据,进而分析得出各水植区域的水生农作物的健康评估系数和生长评估系数,从而判断各水植区域的水生农作物的健康状况和生长状况是否出现异常,并由此获取各异常水植区域。
环境数据获取分析模块,用于采集各异常水植区域的面积、光照面积、光照时长、环境温度和环境湿度,进而分析得出各异常水植区域的环境因子。
水植数据获取分析模块,用于提取各异常水植区域的水生农作物的类别,并采集各异常水植区域中的各水质数据和各土壤数据,并提取各异常水植区域的环境因子,进而分析得出各异常水植区域的各水质评估系数和各土壤评估系数,从而判断各异常水植区域的各水质数据和各土壤数据是否出现异常,由此获取各异常水植区域的各异常水质评估系数和各异常土壤评估系数。
水植优化方案获取模块,用于根据各异常水植区域的各异常水质评估系数和各异常土壤评估系数和水生农作物的类别,分析得出各异常水植区域对应的各水质优化方案和各土壤优化方案。
预警终端,用于当某水植区域的水生农作物的健康状况或生长状况出现异常时,进行预警提示;当某异常水植区域的某水质数据或某土壤数据出现异常时,进行预警提示。
优选地,所述分析得出各水植区域的水生农作物的健康评估系数,具体分析过程
如下:将各水植区域的水生农作物的各健康数据记为,其中i表示为各水植区域对应的
编号,,n表示为水植区域的总数,n为大于等于2的自然整数;j表示为各健康
数据对应的编号,,m表示为健康数据的总数,m为大于等于2的自然整数。
根据计算公式得出第i个水植区域的水生农作物的健康评估
系数,其中表示为数据库中的第j个健康数据的参考值,表示为数据库中的第
j个健康数据的允许浮动值,表示为水生农作物的健康评估系数对应的修正因子。
优选地,分析得出各水植区域的水生农作物的生长评估系数,具体分析过程如下:
将各水植区域的水生农作物的各生长数据记为,其中表示为各生长数据对应的编号,,表示为生长数据的总数,为大于等于2的自然整数。
根据计算公式得出第i个水植区域的水生农作物的生长评
估系数,其中表示为数据库中的第个生长数据的参考值,表示为数据库中的
第个生长数据的允许浮动值,表示为水生农作物的生长评估系数对应的修正因子。
优选地,所述判断各水植区域的水生农作物的健康状况和生长状况是否出现异常,并由此获取各异常水植区域,具体判断过程如下:A1、根据各水植区域的水生农作物的类别,在数据库中获取各水植区域对应的健康评估系数阈值,将各水植区域的水生农作物的健康评估系数与各水植区域对应的健康评估系数阈值进行对比,当某水植区域的水生农作物的健康评估系数大于或等于该水植区域对应的健康评估系数阈值时,判断该水植区域的水生农作物的健康状况出现异常,并将该水植区域记为异常水植区域,反之则判断该水植区域的水生农作物的健康状况未出现异常。
A2、根据各水植区域的水生农作物的类别,在数据库中获取各水植区域对应的生长评估系数阈值;将各水植区域的水生农作物的生长评估系数与各水植区域对应的生长评估系数阈值进行对比,当某水植区域的水生农作物的生长评估系数小于或等于该水植区域对应的生长评估系数阈值时,判断该水植区域的水生农作物的生长状况出现异常,并将该水植区域记为异常水植区域,反之则判断该水植区域的水生农作物的生长状况未出现异常。
A3、根据A1和A2中的步骤,最终获取各异常水植区域。
优选地,所述分析得出各异常水植区域的环境因子,具体分析过程如下:将各异常
水植区域的面积、光照面积、光照时长、环境温度和环境湿度,分别记为、、、和,其中表示为各异常水植区域对应的编号,,表示为异
常水植区域的总数,为大于等于2的自然整数。
根据计算公式得出
第个异常水植区域的环境因子,其中表示为数据库中的光照占比的参考值,表
示为数据库中的光照占比的允许浮动值,、和表示为数据库中的异常水植
区域的光照时长参考值、环境温度参考值和环境湿度参考值,、和表示为
数据库中的异常水植区域的光照时长的允许浮动值、环境温度的允许浮动值和环境湿度的
允许浮动值,、、和表示为数据库中的异常水植区域的光照占比对应的权重
因子、光照时长对应的权重因子、环境温度对应的权重因子和环境湿度对应的权重因子。
优选地,所述分析得出各异常水植区域的各水质评估系数,具体分析过程如下:将
各异常水植区域中的各水质数据记为,其中表示各水质数据对应的编号,,表示为水质数据的总数,为大于等于2的自然整数。
根据计算公式得出第个异常水植区域的第个水质评估系数,其中表示为数据库中的第个水质数据的影响值,表示
为数据库中的第个水质数据的参考值,表示为数据库中的第个水质数据的允许
浮动值,表示为数据库中的第个水质数据对应的修正因子。
优选地,所述分析得出各异常水植区域的土壤评估系数,具体分析过程如下:将各
异常水植区域中的各土壤数据记为,其中表示各土壤数据对应的编号,,表示为土壤数据的总数,为大于等于2的自然整数。
根据计算公式得出第个异常水植区域的第个土壤评估系数,其中表示为数据库中的第个土壤数据的影响值,表示
为数据库中的第个土壤数据的参考值,表示为数据库中的第个土壤数据的允许
浮动值,表示为数据库中的第个土壤数据对应的修正因子。
优选地,所述判断各异常水植区域的各水质数据和各土壤数据是否出现异常,具体判断过程如下:B1、根据各异常水植区域的水生农作物的类别,并在数据库中提取该类别的水生农作物对应的水质评估系数阈值,将各异常水植区域的各水质评估系数与水质评估系数阈值进行对比,当某异常水植区域的某水质评估系数大于或等于水质评估系数阈值时,判断该异常水植区域的该水质数据出现异常,并将该异常水植区域的该水质评估系数,记为异常水植区域的异常水质评估系数。
B2、根据各异常水植区域的水生农作物的类别,并在数据库中提取该类别的水生农作物对应的土壤评估系数阈值,将各异常水植区域的各土壤评估系数与土壤评估系数阈值进行对比,当某异常水植区域的某土壤评估系数大于或等于土壤评估系数阈值时,判断该异常水植区域的该土壤数据出现异常,并将该异常水植区域的该土壤评估系数,记为异常水植区域的异常土壤评估系数。
B3、根据B1和B2中的步骤,获取各异常水植区域的各异常水质评估系数和各异常土壤评估系数。
优选地,所述分析得出各异常水植区域对应的各水质优化方案和各土壤优化方案,具体分析过程如下:C1、根据水生农作物的类别,在数据库中获取水生农作物的各水质优化方案集合中的各异常水质评估系数阈值,将各异常水植区域的各异常水质评估系数和各水质优化方案集合中的各异常水质评估系数阈值进行对比,当某异常水植区域的某异常水质评估系数等于该水质优化方案集合中的某异常水质评估系数阈值时,在数据库中提取该异常水质评估系数阈值对应的优化方案,记为异常水植区域对应的水质优化方案。
C2、根据水生农作物的类别,在数据库中获取水生农作物的各土壤优化方案集合中的各异常土壤评估系数阈值,将各异常水植区域的各异常土壤评估系数和各土壤优化方案集合中的各异常土壤评估系数阈值进行对比,当某异常水植区域的某异常土壤评估系数等于该土壤优化方案集合中的某异常土壤评估系数阈值时,在数据库中提取该异常土壤评估系数阈值对应的优化方案,记为异常水植区域对应的土壤优化方案。
C3、根据C1和C2中的步骤,获取各异常水植区域对应的各水质优化方案和各土壤优化方案。
本发明的有益效果在于:1、本发明提供的一种根据农作物图像采集的农业管理系统,对各水植区域的水生农作物的图像进行采集,并获取各水植区域的水生农作物的各健康数据和各生长数据分别进行分析,解决了当前水生农作物的农业管理分析过程中存在的局限性问题,进而对各异常水植区域的各水质数据和各土壤数据分别进行分析,从而精准的获取各异常水质数据和各异常土壤数据,并根据各异常数据分别提出优化方案,保障了水生农作物的农业管理的可行性。
2、本发明先对水生农作物的生长和健康状况分别进行分析,进而再对水生农作物的具体情况进行分析,从而更加准确地了解到当前水生农作物的实际情况,同时也保障水生农作物的管理可行性分析过程的全面性和真实性,进而保障水生农作物生长和健康的分析结果的参考性和准确性,并且也给农作物管理技术的更新升级提供可靠的依据。
3、本发明通过水植数据中的各水质数据和各土壤数据对水生农作物的生长环境中的影响进行分析,将各水植区域的水植数据中的各水质数据和各土壤数据分别进行分析,真实的展示出各水植区域的实际情况,并获取各异常水植区域,同时将各水质数据和各土壤数据结合环境因子进行分析,进而保障分析结果的可靠性,从而提高水生农作物的农业管理效率,一定程度上提升了农业管理的效果。
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,下面将对实施例或现有技术描述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为本发明系统结构连接示意图。
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。
请参阅图1所示,本发明在第一方面提供了一种根据农作物图像采集的农业管理系统,包括,健康和生长数据采集模块、健康和生长数据分析模块、环境数据获取分析模块、水植数据获取分析模块、水植优化方案获取模块、预警终端。
健康和生长数据采集模块,用于使用摄像设备采集各水植区域的水生农作物的各图像,并将各水植区域的水生农作物的各图像传输至图像分析模块中,进而输出各水植区域的水生农作物的类别、各健康数据和各生长数据。
需要说明的是,水生农作物的各图像包括水生农作物的各水上部分图像和各水下部分图像等。
还需要说明的是,水生农作物的各健康数据包括水生农作物的异常颜色面积、病变面积等,各生长数据包括水生农作物的高度、尺寸等。
还需要说明的是,图像分析模块中存有技术人员预先训练完成的数据提取模型,用于提取图像中水生农作物的类别、各健康数据和各生长数据。
健康和生长数据分析模块,用于提取各水植区域的水生农作物的类别、各健康数据和各生长数据,进而分析得出各水植区域的水生农作物的健康评估系数和生长评估系数,从而判断各水植区域的水生农作物的健康状况和生长状况是否出现异常,并由此获取各异常水植区域。
在一个具体实例中,所述分析得出各水植区域的水生农作物的健康评估系数,具
体分析过程如下:将各水植区域的水生农作物的各健康数据记为,其中i表示为各水植
区域对应的编号,,n表示为水植区域的总数,n为大于等于2的自然整数;j表
示为各健康数据对应的编号,,m表示为健康数据的总数,m为大于等于2的自
然整数。
根据计算公式得出第i个水植区域的水生农作物的健康评估
系数,其中表示为数据库中的第j个健康数据的参考值,表示为数据库中的第
j个健康数据的允许浮动值,表示为水生农作物的健康评估系数对应的修正因子。
需要说明的是,。
在一个具体实例中,分析得出各水植区域的水生农作物的生长评估系数,具体分
析过程如下:将各水植区域的水生农作物的各生长数据记为,其中表示为各生长数据
对应的编号,,表示为生长数据的总数,为大于等于2的自然整数。
根据计算公式得出第i个水植区域的水生农作物的生长评
估系数,其中表示为数据库中的第个生长数据的参考值,表示为数据库中的
第个生长数据的允许浮动值,表示为水生农作物的生长评估系数对应的修正因子。
需要说明的是,。
在一个具体实例中,所述判断各水植区域的水生农作物的健康状况和生长状况是否出现异常,并由此获取各异常水植区域,具体判断过程如下:A1、根据各水植区域的水生农作物的类别,在数据库中获取各水植区域对应的健康评估系数阈值,将各水植区域的水生农作物的健康评估系数与各水植区域对应的健康评估系数阈值进行对比,当某水植区域的水生农作物的健康评估系数大于或等于该水植区域对应的健康评估系数阈值时,判断该水植区域的水生农作物的健康状况出现异常,并将该水植区域记为异常水植区域,反之则判断该水植区域的水生农作物的健康状况未出现异常。
A2、根据各水植区域的水生农作物的类别,在数据库中获取各水植区域对应的生长评估系数阈值;将各水植区域的水生农作物的生长评估系数与各水植区域对应的生长评估系数阈值进行对比,当某水植区域的水生农作物的生长评估系数小于或等于该水植区域对应的生长评估系数阈值时,判断该水植区域的水生农作物的生长状况出现异常,并将该水植区域记为异常水植区域,反之则判断该水植区域的水生农作物的生长状况未出现异常。
A3、根据A1和A2中的步骤,最终获取各异常水植区域。
本发明先对水生农作物的生长和健康状况分别进行分析,进而再对水生农作物的具体情况进行分析,从而更加准确地了解到当前水生农作物的实际情况,同时也保障水生农作物的管理可行性分析过程的全面性和真实性,进而保障水生农作物生长和健康的分析结果的参考性和准确性,并且也给农作物管理技术的更新升级提供可靠的依据。
环境数据获取分析模块,用于采集各异常水植区域的面积、光照面积、光照时长、环境温度和环境湿度,进而分析得出各异常水植区域的环境因子。
需要说明的是,使用摄像设备采集各异常水植区域的视频,由此获取各异常水植区域的面积、光照面积、光照时长,其中光照面积为视频中各时间点的光照面积的平均值。
还需要说明的是,使用温度传感器采集环境温度,并使用湿度传感器采集环境湿度。
在一个具体实例中,所述分析得出各异常水植区域的环境因子,具体分析过程如
下:将各异常水植区域的面积、光照面积、光照时长、环境温度和环境湿度,分别记为、、、和,其中表示为各异常水植区域对应的编号,,表示为异常水植区域的总数,为大于等于2的自然整数。
根据计算公式得出
第个异常水植区域的环境因子,其中表示为数据库中的光照占比的参考值,表
示为数据库中的光照占比的允许浮动值,、和表示为数据库中的异常水植
区域的光照时长参考值、环境温度参考值和环境湿度参考值,、和表示为
数据库中的异常水植区域的光照时长的允许浮动值、环境温度的允许浮动值和环境湿度的
允许浮动值,、、和表示为数据库中的异常水植区域的光照占比对应的权重
因子、光照时长对应的权重因子、环境温度对应的权重因子和环境湿度对应的权重因子。
需要说明的是,、、和。
水植数据获取分析模块,用于提取各异常水植区域的水生农作物的类别,并采集各异常水植区域中的各水质数据和各土壤数据,并提取各异常水植区域的环境因子,进而分析得出各异常水植区域的各水质评估系数和各土壤评估系数,从而判断各异常水植区域的各水质数据和各土壤数据是否出现异常,由此获取各异常水植区域的各异常水质评估系数和各异常土壤评估系数。
需要说明的是,各水质数据包括水温、PH值、溶解氧含量、浊度、硬度、含氮量、含磷量等。
还需要说明的是,各土壤数据包括土壤PH值、有机质含量、氮磷钾含量等。
在一个具体实例中,所述分析得出各异常水植区域的各水质评估系数,具体分析
过程如下:将各异常水植区域中的各水质数据记为,其中表示各水质数据对应的编
号,,表示为水质数据的总数,为大于等于2的自然整数。
根据计算公式得出第个异常水植区域的第个水质评估系数,其中表示为数据库中的第个水质数据的影响值,表示
为数据库中的第个水质数据的参考值,表示为数据库中的第个水质数据的允许
浮动值,表示为数据库中的第个水质数据对应的修正因子。
需要说明的是,。
在一个具体实例中,分析得出各异常水植区域的土壤评估系数,具体分析过程如
下:将各异常水植区域中的各土壤数据记为,其中表示各土壤数据对应的编号,,表示为土壤数据的总数,为大于等于2的自然整数。
根据计算公式得出第个异常水植区域的第个土壤评估系数,其中表示为数据库中的第个土壤数据的影响值,表示
为数据库中的第个土壤数据的参考值,表示为数据库中的第个土壤数据的允许
浮动值,表示为数据库中的第个土壤数据对应的修正因子。
需要说明的是,。
在一个具体实例中,所述判断各异常水植区域的各水质数据和各土壤数据是否出现异常,具体判断过程如下:B1、根据各异常水植区域的水生农作物的类别,并在数据库中提取该类别的水生农作物对应的水质评估系数阈值,将各异常水植区域的各水质评估系数与水质评估系数阈值进行对比,当某异常水植区域的某水质评估系数大于或等于水质评估系数阈值时,判断该异常水植区域的该水质数据出现异常,并将该异常水植区域的该水质评估系数,记为异常水植区域的异常水质评估系数。
B2、根据各异常水植区域的水生农作物的类别,并在数据库中提取该类别的水生农作物对应的土壤评估系数阈值,将各异常水植区域的各土壤评估系数与土壤评估系数阈值进行对比,当某异常水植区域的某土壤评估系数大于或等于土壤评估系数阈值时,判断该异常水植区域的该土壤数据出现异常,并将该异常水植区域的该土壤评估系数,记为异常水植区域的异常土壤评估系数。
B3、根据B1和B2中的步骤,获取各异常水植区域的各异常水质评估系数和各异常土壤评估系数。
水植优化方案获取模块,用于根据各异常水植区域的各异常水质评估系数和各异常土壤评估系数和水生农作物的类别,分析得出各异常水植区域对应的各水质优化方案和各土壤优化方案。
本发明通过水植数据中的各水质数据和各土壤数据对水生农作物的生长环境中的影响进行分析,将各水植区域的水植数据中的各水质数据和各土壤数据分别进行分析,真实的展示出各水植区域的实际情况,并获取各异常水植区域,同时将各水质数据和各土壤数据结合环境因子进行分析,进而保障分析结果的可靠性,从而提高水生农作物的农业管理效率,一定程度上提升了农业管理的效果。
在一个具体实例中,所述分析得出各异常水植区域对应的各水质优化方案和各土壤优化方案,具体分析过程如下:C1、根据水生农作物的类别,在数据库中获取水生农作物的各水质优化方案集合中的各异常水质评估系数阈值,将各异常水植区域的各异常水质评估系数和各水质优化方案集合中的各异常水质评估系数阈值进行对比,当某异常水植区域的某异常水质评估系数等于该水质优化方案集合中的某异常水质评估系数阈值时,在数据库中提取该异常水质评估系数阈值对应的优化方案,记为异常水植区域对应的水质优化方案。
C2、根据水生农作物的类别,在数据库中获取水生农作物的各土壤优化方案集合中的各异常土壤评估系数阈值,将各异常水植区域的各异常土壤评估系数和各土壤优化方案集合中的各异常土壤评估系数阈值进行对比,当某异常水植区域的某异常土壤评估系数等于该土壤优化方案集合中的某异常土壤评估系数阈值时,在数据库中提取该异常土壤评估系数阈值对应的优化方案,记为异常水植区域对应的土壤优化方案。
C3、根据C1和C2中的步骤,获取各异常水植区域对应的各水质优化方案和各土壤优化方案。
还需要说明的是,发明中各影响值、各阈值、各修正因子、各权重因子、各参考值和各允许浮动值,均为水生农作物的各相关工作人员的预先设定值,并取各相关工作人员的预先设定值的平均值进行设定。
本发明中还包括数据库,用于存储各影响值、各阈值、各修正因子、各权重因子、各参考值和各允许浮动值。
预警终端,用于当某水植区域的水生农作物的健康状况或生长状况出现异常时,进行预警提示;当某异常水植区域的某水质数据或某土壤数据出现异常时,进行预警提示。
本发明提供的一种根据农作物图像采集的农业管理系统,对各水植区域的水生农作物的图像进行采集,并获取各水植区域的水生农作物的各健康数据和各生长数据分别进行分析,解决了当前水生农作物的农业管理分析过程中存在的局限性问题,进而对各异常水植区域的各水质数据和各土壤数据分别进行分析,从而精准的获取各异常水质数据和各异常土壤数据,并根据各异常数据分别提出优化方案,保障了水生农作物的农业管理的可行性。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本说明书所定义的范围,均应属于本发明的保护范围。
Claims (5)
1.一种根据农作物图像采集的农业管理系统,其特征在于,包括:
健康和生长数据采集模块,用于使用摄像设备采集各水植区域的水生农作物的各图像,并将各水植区域的水生农作物的各图像传输至图像分析模块中,进而输出各水植区域的水生农作物的类别、各健康数据和各生长数据;
健康和生长数据分析模块,用于提取各水植区域的水生农作物的类别、各健康数据和各生长数据,进而分析得出各水植区域的水生农作物的健康评估系数和生长评估系数,从而判断各水植区域的水生农作物的健康状况和生长状况是否出现异常,并由此获取各异常水植区域;
环境数据获取分析模块,用于采集各异常水植区域的面积、光照面积、光照时长、环境温度和环境湿度,进而分析得出各异常水植区域的环境因子;
所述分析得出各异常水植区域的环境因子,具体分析过程如下:
将各异常水植区域的面积、光照面积、光照时长、环境温度和环境湿度,分别记为Mx、GMx、GSx、HWx和HSx,其中x表示为各异常水植区域对应的编号,x=1,2......,a,a表示为异常水植区域的总数,a为大于等于2的自然整数;
根据计算公式得出第x个异常水植区域的环境因子,其中m′表示为数据库中的光照占比的参考值,Δm表示为数据库中的光照占比的允许浮动值,GS′、HW′和HS′表示为数据库中的异常水植区域的光照时长参考值、环境温度参考值和环境湿度参考值,ΔGS、ΔHW和ΔHS表示为数据库中的异常水植区域的光照时长的允许浮动值、环境温度的允许浮动值和环境湿度的允许浮动值,ω1、ω2、ω3和ω4表示为数据库中的异常水植区域的光照占比对应的权重因子、光照时长对应的权重因子、环境温度对应的权重因子和环境湿度对应的权重因子;
水植数据获取分析模块,用于提取各异常水植区域的水生农作物的类别,并采集各异常水植区域中的各水质数据和各土壤数据,并提取各异常水植区域的环境因子,进而分析得出各异常水植区域的各水质评估系数和各土壤评估系数,从而判断各异常水植区域的各水质数据和各土壤数据是否出现异常,由此获取各异常水植区域的各异常水质评估系数和各异常土壤评估系数;
分析得出各异常水植区域的各水质评估系数,具体分析过程如下:
将各异常水植区域中的各水质数据记为αxy,其中y表示各水质数据对应的编号,y=1,2......,b,b表示为水质数据的总数,b为大于等于2的自然整数;
根据计算公式得出第x个异常水植区域的第y个水质评估系数其中qy表示为数据库中的第y个水质数据的影响值,α′y表示为数据库中的第y个水质数据的参考值,Δαy表示为数据库中的第y个水质数据的允许浮动值,ξy表示为数据库中的第y个水质数据对应的修正因子;
分析得出各异常水植区域的土壤评估系数,具体分析过程如下:
将各异常水植区域中的各土壤数据记为δxz,其中z表示各土壤数据对应的编号,z=1,2......,c,c表示为土壤数据的总数,c为大于等于2的自然整数;
根据计算公式得出第x个异常水植区域的第z个土壤评估系数φxz,其中pz表示为数据库中的第z个土壤数据的影响值,δ′z表示为数据库中的第z个土壤数据的参考值,Δδz表示为数据库中的第z个土壤数据的允许浮动值,ψz表示为数据库中的第z个土壤数据对应的修正因子;
所述判断各异常水植区域的各水质数据和各土壤数据是否出现异常,具体判断过程如下:
B1、根据各异常水植区域的水生农作物的类别,并在数据库中提取该类别的水生农作物对应的水质评估系数阈值,将各异常水植区域的各水质评估系数与水质评估系数阈值进行对比,当某异常水植区域的某水质评估系数大于或等于水质评估系数阈值时,判断该异常水植区域的该水质数据出现异常,并将该异常水植区域的该水质评估系数,记为异常水植区域的异常水质评估系数;
B2、根据各异常水植区域的水生农作物的类别,并在数据库中提取该类别的水生农作物对应的土壤评估系数阈值,将各异常水植区域的各土壤评估系数与土壤评估系数阈值进行对比,当某异常水植区域的某土壤评估系数大于或等于土壤评估系数阈值时,判断该异常水植区域的该土壤数据出现异常,并将该异常水植区域的该土壤评估系数,记为异常水植区域的异常土壤评估系数;
B3、根据B1和B2中的步骤,获取各异常水植区域的各异常水质评估系数和各异常土壤评估系数;
水植优化方案获取模块,用于根据各异常水植区域的各异常水质评估系数和各异常土壤评估系数和水生农作物的类别,分析得出各异常水植区域对应的各水质优化方案和各土壤优化方案;
预警终端,用于当某水植区域的水生农作物的健康状况或生长状况出现异常时,进行预警提示;当某异常水植区域的某水质数据或某土壤数据出现异常时,进行预警提示。
2.根据权利要求1所述的一种根据农作物图像采集的农业管理系统,其特征在于,所述分析得出各水植区域的水生农作物的健康评估系数,具体分析过程如下:
将各水植区域的水生农作物的各健康数据记为kij,其中i表示为各水植区域对应的编号,i=1,2......,n,n表示为水植区域的总数,n为大于等于2的自然整数;j表示为各健康数据对应的编号,j=1,2......,m,m表示为健康数据的总数,m为大于等于2的自然整数;
根据计算公式得出第i个水植区域的水生农作物的健康评估系数JKi,其中k′j表示为数据库中的第j个健康数据的参考值,Δkj表示为数据库中的第j个健康数据的允许浮动值,σ表示为水生农作物的健康评估系数对应的修正因子。
3.根据权利要求2所述的一种根据农作物图像采集的农业管理系统,其特征在于,分析得出各水植区域的水生农作物的生长评估系数,具体分析过程如下:
将各水植区域的水生农作物的各生长数据记为sil,其中l表示为各生长数据对应的编号,l=1,2......,u,u表示为生长数据的总数,u为大于等于2的自然整数;
根据计算公式得出第i个水植区域的水生农作物的生长评估系数SZi,其中s′l表示为数据库中的第l个生长数据的参考值,Δsl表示为数据库中的第l个生长数据的允许浮动值,表示为水生农作物的生长评估系数对应的修正因子。
4.根据权利要求3所述的一种根据农作物图像采集的农业管理系统,其特征在于,所述判断各水植区域的水生农作物的健康状况和生长状况是否出现异常,并由此获取各异常水植区域,具体判断过程如下:
A1、根据各水植区域的水生农作物的类别,在数据库中获取各水植区域对应的健康评估系数阈值,将各水植区域的水生农作物的健康评估系数与各水植区域对应的健康评估系数阈值进行对比,当某水植区域的水生农作物的健康评估系数大于或等于该水植区域对应的健康评估系数阈值时,判断该水植区域的水生农作物的健康状况出现异常,并将该水植区域记为异常水植区域,反之则判断该水植区域的水生农作物的健康状况未出现异常;
A2、根据各水植区域的水生农作物的类别,在数据库中获取各水植区域对应的生长评估系数阈值;将各水植区域的水生农作物的生长评估系数与各水植区域对应的生长评估系数阈值进行对比,当某水植区域的水生农作物的生长评估系数小于或等于该水植区域对应的生长评估系数阈值时,判断该水植区域的水生农作物的生长状况出现异常,并将该水植区域记为异常水植区域,反之则判断该水植区域的水生农作物的生长状况未出现异常;
A3、根据A1和A2中的步骤,最终获取各异常水植区域。
5.根据权利要求1所述的一种根据农作物图像采集的农业管理系统,其特征在于,所述分析得出各异常水植区域对应的各水质优化方案和各土壤优化方案,具体分析过程如下:
C1、根据水生农作物的类别,在数据库中获取水生农作物的各水质优化方案集合中的各异常水质评估系数阈值,将各异常水植区域的各异常水质评估系数和各水质优化方案集合中的各异常水质评估系数阈值进行对比,当某异常水植区域的某异常水质评估系数等于该水质优化方案集合中的某异常水质评估系数阈值时,在数据库中提取该异常水质评估系数阈值对应的优化方案,记为异常水植区域对应的水质优化方案;
C2、根据水生农作物的类别,在数据库中获取水生农作物的各土壤优化方案集合中的各异常土壤评估系数阈值,将各异常水植区域的各异常土壤评估系数和各土壤优化方案集合中的各异常土壤评估系数阈值进行对比,当某异常水植区域的某异常土壤评估系数等于该土壤优化方案集合中的某异常土壤评估系数阈值时,在数据库中提取该异常土壤评估系数阈值对应的优化方案,记为异常水植区域对应的土壤优化方案;
C3、根据C1和C2中的步骤,获取各异常水植区域对应的各水质优化方案和各土壤优化方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410498693.5A CN118095661B (zh) | 2024-04-24 | 2024-04-24 | 一种根据农作物图像采集的农业管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410498693.5A CN118095661B (zh) | 2024-04-24 | 2024-04-24 | 一种根据农作物图像采集的农业管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118095661A CN118095661A (zh) | 2024-05-28 |
CN118095661B true CN118095661B (zh) | 2024-07-12 |
Family
ID=91157332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410498693.5A Active CN118095661B (zh) | 2024-04-24 | 2024-04-24 | 一种根据农作物图像采集的农业管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118095661B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309480A (zh) * | 2023-03-23 | 2023-06-23 | 上海华维可控农业科技集团股份有限公司 | 一种基于深度学习的作物生长智能决策系统及方法 |
CN117057946A (zh) * | 2023-08-16 | 2023-11-14 | 重庆工程学院 | 一种智慧农业园区数据监控装置及方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103294905B (zh) * | 2013-05-20 | 2016-02-10 | 北京农业信息技术研究中心 | 面向对象的农作物播期监测方法 |
JP6288238B2 (ja) * | 2016-12-27 | 2018-03-07 | 三菱電機株式会社 | 農業用管理システム及び農業用管理システム用管理センタ |
CN108848845A (zh) * | 2018-05-31 | 2018-11-23 | 深圳源广安智能科技有限公司 | 一种基于云计算的智能灌溉施肥系统 |
JP6774544B2 (ja) * | 2019-10-18 | 2020-10-28 | マクセルホールディングス株式会社 | 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法 |
CN111680929B (zh) * | 2020-06-16 | 2023-09-01 | 北京嘉博文生物科技有限公司 | 一种农田所用化肥的农业面源污染的评估方法和应用 |
JP2022080801A (ja) * | 2020-11-18 | 2022-05-30 | 株式会社日本総合研究所 | 情報処理装置、情報処理方法及びプログラム |
CN116976671B (zh) * | 2023-08-01 | 2024-04-16 | 哈尔滨市大地勘察测绘有限公司 | 一种无人农场综合信息化管理方法及系统 |
CN116993302A (zh) * | 2023-09-26 | 2023-11-03 | 济南天楚科技有限公司 | 基于大数据的农业信息智能管理方法及系统 |
-
2024
- 2024-04-24 CN CN202410498693.5A patent/CN118095661B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309480A (zh) * | 2023-03-23 | 2023-06-23 | 上海华维可控农业科技集团股份有限公司 | 一种基于深度学习的作物生长智能决策系统及方法 |
CN117057946A (zh) * | 2023-08-16 | 2023-11-14 | 重庆工程学院 | 一种智慧农业园区数据监控装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN118095661A (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110147771B (zh) | 基于母猪关键部位与环境联合分区的母猪侧卧姿态实时检测系统 | |
Kataoka et al. | Crop growth estimation system using machine vision | |
CN113034301A (zh) | 一种农作物生长管理系统及方法 | |
CN114065481B (zh) | 基于大数据的草地数据监测方法、系统和可读存储介质 | |
CN111460990A (zh) | 一种基于大数据的高寒牧区草原虫害监测预警系统及方法 | |
CN111462058B (zh) | 一种水稻有效穗快速检测方法 | |
CN113469112B (zh) | 农作物生长状况图像识别方法及系统 | |
CN107229999A (zh) | 作物产量的预测方法、系统、计算机设备及可读存储介质 | |
CN115067243A (zh) | 一种基于物联网技术的渔业监测分析方法、系统及存储介质 | |
CN110188657A (zh) | 基于卷曲叶片检测的玉米干旱识别方法 | |
CN115294518B (zh) | 一种园艺植物温室精准栽培的智能监控方法及系统 | |
CN112526097A (zh) | 一种基于大数据分析的养殖水体环境智能监测管理系统 | |
CN118095661B (zh) | 一种根据农作物图像采集的农业管理系统 | |
CN117408430A (zh) | 一种基于大数据的农业种植用土壤改良评估系统 | |
CN107437262B (zh) | 作物种植面积预警方法和系统 | |
CN115034693B (zh) | 基于物联网的生物信息数据安全管理方法、系统及存储介质 | |
CN115690609A (zh) | 一种作物生育期长势监测的方法 | |
CN115713691A (zh) | 一种基于夜光遥感的像元级电力普及率估算方法及装置 | |
CN115314851A (zh) | 一种基于大数据平台的农业信息化管理平台 | |
CN112365154B (zh) | 一种剑麻种植计划子系统以及剑麻种植决策系统 | |
CN114743108B (zh) | 一种草原鼠情识别与量化方法和鼠情记录仪 | |
CN117848975B (zh) | 一种农业遥感图像分析方法及系统 | |
CN117694219A (zh) | 一种智慧农业灌溉方法及系统 | |
CN116912681A (zh) | 一种基于深度学习的杂草稻识别方法及系统 | |
CN116386031A (zh) | 一种果树养分胁迫诊断方法及系统 |
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 |