CN1226919C - 一种用于农作物病虫害监测及农药处方生成装置 - Google Patents
一种用于农作物病虫害监测及农药处方生成装置 Download PDFInfo
- Publication number
- CN1226919C CN1226919C CN 200310106307 CN200310106307A CN1226919C CN 1226919 C CN1226919 C CN 1226919C CN 200310106307 CN200310106307 CN 200310106307 CN 200310106307 A CN200310106307 A CN 200310106307A CN 1226919 C CN1226919 C CN 1226919C
- Authority
- CN
- China
- Prior art keywords
- pesticide
- disease
- information
- insect
- diseases
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Catching Or Destruction (AREA)
Abstract
一种用于农作物病虫害监测及农药处方生成装置,由硬件设备和软件算法程序组成。在计算机的控制下,使用摄像机和农药检测仪对农作物进行实时监测,监测信号数字化后,进入计算机数据库,分别依据病虫害特征数据库、农药特征数据库、病虫害防治历史数据库、农药使用历史数据库、病虫害防治知识库和农药知识库里的信息和知识,计算机程序对监测数据进行图象特征抽取病虫害模式识别处理和分离成分特征抽取农药模式识别处理,获得病虫害种类程度信息和农药残留成分浓度信息;进行信息融合处理,获取病虫害发生发展状况抗药性等综合相关信息;进行知识推理智能决策,生成最佳的病虫害防治农药处方,达到农作物病虫害的自动监测和科学防治的目的。
Description
技术领域
本发明涉及信息检测技术应用领域,特别涉及一种由计算机控制并处理的用于农作物病虫害监测及农药处方生成装置。
背景技术
现有的农作物病虫害监测主要是靠人的实地观察进行,发生的病虫害种类和程度的识别以及包含农药配比、喷洒方法等技术内容应用于病虫害防治的农药处方方案,主要是依赖技术书籍和历史经验由人来决策,监测和决策的结果因人而异,因此病虫害的防治效果差,不利于农业现代化、产业化和绿色化的发展方向。如何利用信息技术实现科学的农作物病虫害监测及防治,则是急待解决的技术问题。
信息技术是农业科技革命的先导,农业信息技术对于加速我国传统农业的改造,提高农业生产效益和品质,提高农业管理和经营决策水平,促进农业持续、稳定发展,具有重要的意义,有着巨大的应用空间和广阔的发展前景。本专利集成应用信息技术,研究一种农作物病虫害监测及农药处方生成装置,为绿色农业、设施农业和精确农业提供新的技术装置和科学手段。
发明内容
本发明的目的是针对实现农作物病虫害监测和防治的科学化和自动化所急待解决的技术问题,提供一种用于农作物病虫害监测及农药处方生成装置,达到农作物病虫害的自动监测和科学防治的目的。
本发明的技术方案是:一种用于农作物病虫害监测及农药处方生成装置,其特征在于:该装置由硬件设备和软件算法程序组成,硬件设备包括摄像机,视频信号处理器,视频数字化仪,视频控制器,农药检测仪,分离成分信号处理器,数字化仪,采样控制器,计算机,互联网接入设备,该装置的结构是一个可用导线连接也可用无线信号传输连接的结构。
硬件设备中监测信号流程是:摄像机的监测信号经视频信号处理器进行预处理后,通过视频数字化仪被转换成数字信号经导线或经无线传输进入计算机;
农药检测仪的监测信号经分离成分信号处理器进行预处理后,通过数字化仪被转换成数字信号经导线或经无线传输进入计算机,计算机经互联网接入设备接入互联网。
硬件设备中控制信号流程是:视频控制器受计算机的控制,产生相应的控制信号控制摄像机、视频信号处理器和视频数字化仪的工作状态;
采样控制器受计算机的控制,产生相应的控制信号控制农药检测仪、分离成分信号处理器和数字化仪。
软件算法程序包括:农作物图象数据,分离成分检测数据,多媒体数据库,分离成分数据库,多媒体数据预处理,分离成分数据预处理,病虫害特征数据库,图象特征抽取病虫害模式识别,分离成分特征抽取农药模式识别,农药特征数据库,病虫害种类程度信息,农药残留成分浓度信息,病虫害防治历史数据库,信息融合处理,农药使用历史数据库,病虫害防治知识库,知识推理智能决策,农药知识库,农业机械控制参数,农药处方,远程用户诊断咨询;
其中所述的计算机运行的用于农作物病虫害监测及农药处方生成装置的软件算法程序流程包括下列步骤:
1).摄像机(1)从空中或地面对农作物的植株,包括茎、叶、花、果、皮及害虫进行光学摄像和时序间隔的图象采集,获得的农作物图象数据存入计算机的多媒体数据库中;
2).农药检测仪对农作物环境及表面进行农药成分和浓度检测,获得的分离成分检测数据存入计算机的分离成分数据库中;
3).分别启动算法程序多媒体数据预处理和分离成分数据预处理,对多媒体数据库和分离成分数据库中的监测数据进行数据处理,去除数据噪声、消除空缺数据;
4).启动算法程序图象特征抽取病虫害模式识别,抽取农作物上的病虫害特征,与病虫害特征数据库进行特征匹配识别处理,获取病虫害种类程度信息;
5).启动算法程序分离成分特征抽取农药模式识别,抽取分离成分数据特征,与农药特征数据库进行特征匹配识别处理,获取农药残留成分浓度信息;
6).启动算法程序信息融合处理,依据病虫害防治历史数据库和农药使用历史数据库的信息,对监测的病虫害种类程度信息和农药残留成分浓度信息进行信息融合处理,获取病虫害发生发展状况抗药性综合相关信息;
7).启动算法程序知识推理智能决策,依据病虫害防治知识库和农药知识库中的知识,生成科学合理的病虫害防治农药处方;
该农药处方中含有用于控制农业机械进行的农药配比,喷洒作业的农业机械控制参数,以及可被用来进行远程用户诊断咨询的知识和信息。
所述的硬件设备中摄像机和农药检测仪共同组成农作物病虫害监测器的前端信号获取部分,检测数据为计算机中的算法程序处理的原始数据。
所述的软件算法程序中图象特征抽取病虫害模式识别,即图象特征抽取算法程序是对农作物的序列图象,进行形状、尺寸、纹理和颜色的特征抽取处理,抽取农作物上的病虫害特征信息,病虫害模式识别算法程序将病虫害特征信息与病虫害特征数据库进行特征匹配识别处理,获取病虫害种类程度信息。
所述的软件算法程序中分离成分特征抽取农药模式识别,即分离成分特征抽取算法程序对有机萃取,物理激发与富集,升温有机物成分分离一些过程获得的数据进行特征抽取处理,农药模式识别算法程序将抽取的分离成分特征与农药特征数据库进行特征匹配识别处理,获取农药残留成分浓度信息。
所述的软件算法程序信息融合处理,是依据病虫害防治历史数据库和农药使用历史数据库的历史经验信息,对监测的病虫害种类程度信息和农药残留成分浓度信息进行数据分类、挖掘和相关分析处理,获取病虫害发生、发展状况以及抗药性综合信息。
所述的软件算法程序知识推理智能决策,即知识推理算法程序是对经信息融合处理获取的病虫害发生、发展状况以及抗药性综合相关信息,依据病虫害防治知识库和农药知识库中的知识,逻辑推导出病虫害防治农药处方,并智能决策生成科学合理的农药处方。
本发明的有益效果是:应用一种用于农作物病虫害监测及农药处方生成装置,用户可使用该系统进行农作物病虫害的实时监测并生成农药喷洒处方,实现基于互联网的远程病虫害监测和诊断,病虫害防治方法咨询,还可以提供基于处方作业的相关农业机械自动作业所需的智能控制参数。这对于解决目前我国农业生产上普遍存在的病虫害防治不科学、农药使用不当等病虫害防治误区和难点是一种有效方法,对实行绿色农业和农业产业化有重用的促进作用。
附图说明
图1是表示一种用于农作物病虫害监测及农药处方生成装置结构的示意图;
图2是一种用于农作物病虫害监测及农药处方生成装置的计算机算法程序流程框图。
具体实施方式
如图1所示,农作物病虫害监测及农药处方生成装置的硬件设备包括摄像机1,视频信号处理器2,视频数字化仪3,视频控制器4,农药检测仪5,分离成分信号处理器6,数字化仪7,采样控制器8,计算机9和互联网接入设备10,该装置的结构是一个可用导线连接也可用无线信号传输连接的分散性结构。
硬件设备的监测信号流程是:摄像机1的监测信号经视频信号处理器2进行预处理后,通过视频数字化仪3被转换成数字信号经导线或经无线传输进入计算机9;农药检测仪5的监测信号经分离成分信号处理器6进行预处理后,通过数字化仪7被转换成数字信号经导线或经无线传输进入计算机9,计算机9经互联网接入设备10接入互联网。
硬件设备的控制信号流程是:所述的视频控制器4受计算机9的控制,产生相应的控制信号控制摄像机1、视频信号处理器2和视频数字化仪3的工作状态;所述的采样控制器8受计算机9的控制,产生相应的控制信号控制农药检测仪5、分离成分信号处理器6和数字化仪7的工作状态。
如图2所示,农作物病虫害监测和农药处方生成装置的软件算法程序包括农作物图象数据11,分离成分检测数据12,多媒体数据库13,分离成分数据库14,多媒体数据预处理15,分离成分数据预处理16,病虫害特征数据库17,图象特征抽取病虫害模式识别18,分离成分特征抽取农药模式识别19,农药特征数据库20,病虫害种类程度信息21,农药残留成分浓度信息22,病虫害防治历史数据库23,信息融合处理24,农药使用历史数据库25,病虫害防治知识库26,知识推理智能决策27,农药知识库28,农业机械控制参数29,农药处方30,远程用户诊断咨询31。
所述的计算机9运行的用于农作物病虫害监测及农药处方生成装置的软件算法程序流程特征在于包括下列步骤:
(1)摄像机1从空中或地面对农作物的植株,包括茎、叶、花、果、皮及害虫进行光学摄像和时序间隔的图象采集,获得的农作物图象数据11存入计算机9的多媒体数据库13中;
(2)农药检测仪5对农作物环境及表面进行农药成分和浓度检测,获得的分离成分检测数据12存入计算机9的分离成分数据库14中;
(3)分别启动算法程序多媒体数据预处理15和分离成分数据预处理16,对多媒体数据库13和分离成分数据库14中的监测数据进行数据处理,去除数据噪声、消除空缺数据等;
(4)启动算法程序图象特征抽取病虫害模式识别18,抽取农作物上的病虫害特征,与病虫害特征数据库17进行特征匹配识别处理,获取病虫害种类程度信息21;
(5)启动算法程序分离成分特征抽取农药模式识别19,抽取分离成分数据特征,与农药特征数据库20进行特征匹配识别处理,获取农药残留成分浓度信息22;
(6)启动算法程序信息融合处理24,依据病虫害防治历史数据库23和农药使用历史数据库25的信息,对监测的病虫害种类程度信息21和农药残留成分浓度信息22进行信息融合处理24,获取病虫害发生发展状况抗药性等综合相关信息;
(7)启动算法程序知识推理智能决策27,依据病虫害防治知识库26和农药知识库28中的知识,生成最佳科学合理的病虫害防治农药处方30;
(8)该农药处方30中含有用于控制农业机械进行最优农药配比,喷洒作业的农业机械控制参数29,以及可被用于进行远程用户诊断咨询31的知识和信息。
所述的硬件设备中摄像机1和农药检测仪5共同组成农作物病虫害监测器的前端信号获取部分,检测数据为计算机9中的算法程序处理的原始数据。
所述的软件算法程序中图象特征抽取病虫害模式识别18,即图象特征抽取算法程序是对农作物的序列图象,进行形状、尺寸、纹理和颜色的特征抽取处理,抽取农作物上的病虫害特征信息,病虫害模式识别算法程序将病虫害特征信息与病虫害特征数据库17进行特征匹配识别处理,获取病虫害种类程度信息21。
所述的软件算法程序中分离成分特征抽取农药模式识别19,即分离成分特征抽取算法程序对有机萃取,物理激发与富集,升温有机物成分分离一些过程获得的数据进行特征抽取处理,农药模式识别算法程序将抽取的分离成分特征与农药特征数据库20进行特征匹配识别处理,获取农药残留成分浓度信息22。
所述的软件算法程序信息融合处理24,是依据病虫害防治历史数据库23和农药使用历史数据库25的历史经验信息,对监测的病虫害种类程度信息21和农药残留成分浓度信息22进行数据分类、挖掘和相关分析处理,获取病虫害发生、发展状况以及抗药性综合信息。
所述的软件算法程序知识推理智能决策27,即知识推理算法程序是对经信息融合处理24获取的病虫害发生、发展状况以及抗药性综合相关信息,依据病虫害防治知识库26和农药知识库28中的知识,逻辑推导出病虫害防治农药处方,并智能决策生成科学合理的农药处方30。
Claims (6)
1、一种用于农作物病虫害监测及农药处方生成装置,其特征在于:
该装置由硬件设备和软件算法程序组成,硬件设备包括摄像机(1),视频信号处理器(2),视频数字化仪(3),视频控制器(4),农药检测仪(5),分离成分信号处理器(6),数字化仪(7),采样控制器(8),计算机(9),互联网接入设备(10),该装置的结构是一个可用导线连接也可用无线信号传输连接的结构;
硬件设备中监测信号流程是:摄像机(1)的监测信号经视频信号处理器(2)进行预处理后,通过视频数字化仪(3)被转换成数字信号经导线或经无线传输进入计算机(9);
农药检测仪(5)的监测信号经分离成分信号处理器(6)进行预处理后,通过数字化仪(7)被转换成数字信号经导线或经无线传输进入计算机(9),计算机(9)经互联网接入设备(10)接入互联网;
硬件设备中控制信号流程是:视频控制器(4)受计算机(9)的控制,产生相应的控制信号控制摄像机(1)、视频信号处理器(2)和视频数字化仪(3)的工作状态;
采样控制器(8)受计算机(9)的控制,产生相应的控制信号控制农药检测仪(5)、分离成分信号处理器(6)和数字化仪(7);
软件算法程序包括:农作物图象数据(11),分离成分检测数据(12),多媒体数据库(13),分离成分数据库(14),多媒体数据预处理(15),分离成分数据预处理(16),病虫害特征数据库(17),图象特征抽取病虫害模式识别(18),分离成分特征抽取农药模式识别(19),农药特征数据库(20),病虫害种类程度信息(21),农药残留成分浓度信息(22),病虫害防治历史数据库(23),信息融合处理(24),农药使用历史数据库(25),病虫害防治知识库(26),知识推理智能决策(27),农药知识库(28),农业机械控制参数(29),农药处方(30),远程用户诊断咨询(31);
其中所述的计算机(9)运行的用于农作物病虫害监测及农药处方生成装置的软件算法程序流程包括下列步骤:
1).摄像机(1)从空中或地面对农作物的植株,包括茎、叶、花、果、皮及害虫进行光学摄像和时序间隔的图象采集,获得的农作物图象数据(11)存入计算机(9)的多媒体数据库(13)中;
2).农药检测仪(5)对农作物环境及表面进行农药成分和浓度检测,获得的分离成分检测数据(12)存入计算机(9)的分离成分数据库(14)中;
3).分别启动算法程序多媒体数据预处理(15)和分离成分数据预处理(16),对多媒体数据库(13)和分离成分数据库(14)中的监测数据进行数据处理,去除数据噪声、消除空缺数据;
4).启动算法程序图象特征抽取病虫害模式识别(18),抽取农作物上的病虫害特征,与病虫害特征数据库(17)进行特征匹配识别处理,获取病虫害种类程度信息(21);
5).启动算法程序分离成分特征抽取农药模式识别(19),抽取分离成分数据特征,与农药特征数据库(20)进行特征匹配识别处理,获取农药残留成分浓度信息(22);
6).启动算法程序信息融合处理(24),依据病虫害防治历史数据库(23)和农药使用历史数据库(25)的信息,对监测的病虫害种类程度信息(21)和农药残留成分浓度信息(22)进行信息融合处理(24),获取病虫害发生发展状况抗药性综合相关信息;
7).启动算法程序知识推理智能决策(27),依据病虫害防治知识库(26)和农药知识库(28)中的知识,生成科学合理的病虫害防治农药处方(30);
该农药处方(30)中含有用于控制农业机械进行的农药配比,喷洒作业的农业机械控制参数(29),以及可被用来进行远程用户诊断咨询(31)的知识和信息。
2、根据权利要求1所述的农作物病虫害监测及农药处方生成装置,其中:所述的硬件设备中摄像机(1)和农药检测仪(5)共同组成农作物病虫害监测器的前端信号获取部分,检测数据为计算机(9)中的算法程序处理的原始数据。
3、根据权利要求1所述的一种用于农作物病虫害监测及农药处方生成装置,其中:所述的软件算法程序中图象特征抽取病虫害模式识别(18),即图象特征抽取算法程序是对农作物的序列图象,进行形状、尺寸、纹理和颜色的特征抽取处理,抽取农作物上的病虫害特征信息,病虫害模式识别算法程序将病虫害特征信息与病虫害特征数据库(17)进行特征匹配识别处理,获取病虫害种类程度信息(21)。
4、根据权利要求1所述的一种用于农作物病虫害监测及农药处方生成装置,其中:所述的软件算法程序中分离成分特征抽取农药模式识别(19),即分离成分特征抽取算法程序对有机萃取,物理激发与富集,升温有机物成分分离一些过程获得的数据进行特征抽取处理,农药模式识别算法程序将抽取的分离成分特征与农药特征数据库(20)进行特征匹配识别处理,获取农药残留成分浓度信息(22)。
5、根据权利要求1所述的一种用于农作物病虫害监测及农药处方生成装置,其中:所述的软件算法程序信息融合处理(24),是依据病虫害防治历史数据库(23)和农药使用历史数据库(25)的历史经验信息,对监测的病虫害种类程度信息(21)和农药残留成分浓度信息(22)进行数据分类、挖掘和相关分析处理,获取病虫害发生、发展状况以及抗药性综合信息。
6、根据权利要求1所述的一种用于农作物病虫害监测及农药处方生成装置,其中:所述的软件算法程序知识推理智能决策(27),即知识推理算法程序是对经信息融合处理(24)获取的病虫害发生、发展状况以及抗药性综合相关信息,依据病虫害防治知识库(26)和农药知识库(28)中的知识,逻辑推导出病虫害防治农药处方,并智能决策生成科学合理的农药处方(30)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200310106307 CN1226919C (zh) | 2003-11-14 | 2003-11-14 | 一种用于农作物病虫害监测及农药处方生成装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200310106307 CN1226919C (zh) | 2003-11-14 | 2003-11-14 | 一种用于农作物病虫害监测及农药处方生成装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1543784A CN1543784A (zh) | 2004-11-10 |
CN1226919C true CN1226919C (zh) | 2005-11-16 |
Family
ID=34334089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200310106307 Expired - Fee Related CN1226919C (zh) | 2003-11-14 | 2003-11-14 | 一种用于农作物病虫害监测及农药处方生成装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1226919C (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018048741A1 (en) * | 2016-09-08 | 2018-03-15 | Wal-Mart Stores, Inc. | Systems and methods for identifying pests in crop-containing areas via unmanned vehicles based on crop damage detection |
CN109561672A (zh) * | 2016-06-30 | 2019-04-02 | 株式会社OPTiM | 移动体控制应用程序以及移动体控制方法 |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101100519B1 (ko) | 2007-03-30 | 2011-12-29 | 후지쯔 가부시끼가이샤 | 농작업 관리 시스템, 농작업 관리 장치 및 농작업 관리 방법 |
CN102982412A (zh) * | 2007-03-30 | 2013-03-20 | 富士通株式会社 | 农作业管理装置和农作业管理方法 |
CN102393920B (zh) * | 2011-06-23 | 2015-10-28 | 全国农业技术推广服务中心 | 病虫害数量采集终端及数据系统 |
HK1158003A2 (en) * | 2012-01-19 | 2012-06-22 | Kwai Sang Danny So | System and method for potted plants maintenance |
CN102541030B (zh) * | 2012-02-07 | 2014-02-19 | 蔡诗伟 | 作物病虫害智能监测防治系统 |
TWI570653B (zh) * | 2013-11-08 | 2017-02-11 | 財團法人資訊工業策進會 | The treatment of plant symptoms is recommended by systems, methods and recording media |
CN104766152A (zh) * | 2015-01-30 | 2015-07-08 | 安徽大学 | 一种作物病害识别与病情评估装置 |
CN105954283A (zh) * | 2016-05-05 | 2016-09-21 | 信阳师范学院 | 一种基于互联网的小麦病虫害防治方法 |
CN106060146A (zh) * | 2016-06-22 | 2016-10-26 | 江苏大学 | 基于压缩感知的变量喷雾靶标图像云端传输与远程观测系统及方法 |
CN107103571B (zh) | 2017-04-17 | 2018-07-31 | 中国检验检疫科学研究院 | 基于高分辨质谱、互联网和数据科学的农药残留侦测数据平台及侦测报告自动生成方法 |
CN107194506A (zh) * | 2017-05-10 | 2017-09-22 | 北京兴农丰华科技有限公司 | 农作物病虫害预警信息分析方法 |
EP3758480A1 (en) * | 2018-03-02 | 2021-01-06 | BASF Agro Trademarks GmbH | Apparatus for spray management |
CN108510490B (zh) * | 2018-03-30 | 2021-02-19 | 深圳春沐源控股有限公司 | 一种分析虫害趋势的方法、装置及计算机存储介质 |
CN108958105A (zh) * | 2018-06-26 | 2018-12-07 | 合肥赑歌数据科技有限公司 | 基于视频的农作物生长远程诊断分析 |
CN109362683A (zh) * | 2018-10-18 | 2019-02-22 | 广州极飞科技有限公司 | 控制作业设备作业的方法、装置及系统 |
CN109984105A (zh) * | 2018-12-29 | 2019-07-09 | 南京林业大学工程规划设计院有限公司 | 一种园林绿化施工的智能化监控系统 |
CN109766380B (zh) * | 2018-12-29 | 2020-09-18 | 山东丰信农业服务连锁有限公司 | 一种基于互联网及人工智能的农业种植农药开方方法及系统 |
CN110178605B (zh) * | 2019-06-28 | 2021-03-30 | 重庆文理学院 | 一种针对猕猴桃叶片病害的精准农药自动喷洒系统 |
CN110816842A (zh) * | 2019-09-30 | 2020-02-21 | 南京欧泰物联网科技有限公司 | 一种用于防治农业病虫害的监测装置及其防治方法 |
CN111066627A (zh) * | 2019-12-12 | 2020-04-28 | 盐城工业职业技术学院 | 一种喷灌辅助系统、辅助喷灌方法 |
CN113080174A (zh) * | 2019-12-23 | 2021-07-09 | 合肥天源迪科信息技术有限公司 | 基于情景感知的机器人学习系统 |
CN111528204A (zh) * | 2020-02-25 | 2020-08-14 | 谱曲辰农业科技股份有限公司 | 混合装置结构 |
CN113207511A (zh) * | 2021-03-31 | 2021-08-06 | 广西中烟工业有限责任公司 | 一种基于农药抗性监测的农药施用方法、系统及可读存储介质 |
CN113223659A (zh) * | 2021-05-14 | 2021-08-06 | 北京百瑞弘霖有害生物防治科技有限责任公司 | 一种药方管理的方法与装置 |
CN113223660A (zh) * | 2021-05-14 | 2021-08-06 | 北京百瑞弘霖有害生物防治科技有限责任公司 | 一种药方获取的方法与装置 |
CN114831097B (zh) * | 2022-03-10 | 2023-03-03 | 上海亿为科技有限公司 | 基于北斗导航的智能施药的方法及系统 |
CN115358883B (zh) * | 2022-09-15 | 2023-10-24 | 河北省农林科学院植物保护研究所 | 一种棉蚜的抗性动态监测与防治用药推荐方法及系统 |
CN116719833B (zh) * | 2023-08-09 | 2023-10-13 | 理县林业和草原局 | 一种基于并发同步的病虫害防治数据更新方法和系统 |
-
2003
- 2003-11-14 CN CN 200310106307 patent/CN1226919C/zh not_active Expired - Fee Related
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109561672A (zh) * | 2016-06-30 | 2019-04-02 | 株式会社OPTiM | 移动体控制应用程序以及移动体控制方法 |
CN109561672B (zh) * | 2016-06-30 | 2021-12-10 | 株式会社OPTiM | 移动体控制系统以及移动体控制方法 |
WO2018048741A1 (en) * | 2016-09-08 | 2018-03-15 | Wal-Mart Stores, Inc. | Systems and methods for identifying pests in crop-containing areas via unmanned vehicles based on crop damage detection |
GB2568002A (en) * | 2016-09-08 | 2019-05-01 | Walmart Apollo Llc | Systems and methods for identifying pests in crop-containing areas via unmanned vehicles based on crop damage detection |
Also Published As
Publication number | Publication date |
---|---|
CN1543784A (zh) | 2004-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1226919C (zh) | 一种用于农作物病虫害监测及农药处方生成装置 | |
CN1324507C (zh) | 一种用于农作物生长状态监测及营养施肥处方生成装置和方法 | |
Sujaritha et al. | Weed detecting robot in sugarcane fields using fuzzy real time classifier | |
CN113439727A (zh) | 大棚农作物的除虫方法、装置、设备及存储介质 | |
CN112528814A (zh) | 一种有害生物监测预警方法、系统以及存储介质 | |
CN111727457A (zh) | 一种基于计算机视觉的棉花作物行检测方法、装置及存储介质 | |
CN116030343A (zh) | 一种基于机器视觉识别的农作物病虫害监管系统 | |
CN115631421A (zh) | 耕地智慧保护方法及保护系统 | |
CN115601585A (zh) | 基于图片分析的农业病虫害诊断方法及装置 | |
CN110057764B (zh) | 一种农药施药安全管理警示装置及方法 | |
Tian et al. | Research on plant diseases and insect pests identification based on CNN | |
Lippi et al. | A data-driven monitoring system for the early pest detection in the precision agriculture of hazelnut orchards | |
Kamal et al. | FCN network-based weed and crop segmentation for ioT-aided agriculture applications | |
Rajamohanan et al. | An Optimized YOLO v5 Model for Tomato Leaf Disease Classification with Field Dataset | |
CN113312999A (zh) | 一种自然果园场景下的柑橘木虱高精度检测方法及装置 | |
CN109214485A (zh) | 作业参数配置方法及装置 | |
Fida et al. | Leaf image recognition based identification of plants: Supportive framework for plant systematics | |
CN112164041B (zh) | 基于多尺度深度神经网络的黄龙病自动诊疗系统及方法 | |
Huang et al. | Termite pest identification method based on deep convolution neural networks | |
Zhang et al. | Variable rate air‐assisted spray based on real‐time disease spot identification | |
Rahmat et al. | Performance analysis of deep learning-based object detectors on raspberry pi for detecting melon leaf abnormality | |
CN111259981B (zh) | 一种遥感图像处理后自动分类系统 | |
CN110084125B (zh) | 一种基于深度学习的农业保险查勘技术方法 | |
Jin et al. | Detection and coverage estimation of purple nutsedge in turf with image classification neural networks | |
Nandhini et al. | Deep learning solutions for pest detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20051116 Termination date: 20121114 |