KR20200041356A - 식물 건강 상태 모니터링 방법 및 장치 - Google Patents

식물 건강 상태 모니터링 방법 및 장치 Download PDF

Info

Publication number
KR20200041356A
KR20200041356A KR1020207007441A KR20207007441A KR20200041356A KR 20200041356 A KR20200041356 A KR 20200041356A KR 1020207007441 A KR1020207007441 A KR 1020207007441A KR 20207007441 A KR20207007441 A KR 20207007441A KR 20200041356 A KR20200041356 A KR 20200041356A
Authority
KR
South Korea
Prior art keywords
plant
information
health
plant health
image
Prior art date
Application number
KR1020207007441A
Other languages
English (en)
Other versions
KR102344031B1 (ko
Inventor
보 리우
Original Assignee
광저우 엑스에어크래프트 테크놀로지 씨오 엘티디
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 광저우 엑스에어크래프트 테크놀로지 씨오 엘티디 filed Critical 광저우 엑스에어크래프트 테크놀로지 씨오 엘티디
Publication of KR20200041356A publication Critical patent/KR20200041356A/ko
Application granted granted Critical
Publication of KR102344031B1 publication Critical patent/KR102344031B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • A01G7/06—Treatment of growing trees or plants, e.g. for preventing decay of wood, for tingeing flowers or wood, for prolonging the life of plants
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
    • G01N2021/3155—Measuring in two spectral ranges, e.g. UV and visible
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods
    • G01N2201/1296—Using chemometrical methods using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Forests & Forestry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Botany (AREA)
  • Theoretical Computer Science (AREA)
  • Wood Science & Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Image Analysis (AREA)
  • Alarm Systems (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

식물 건강 상태를 지능적으로 판단하여 농경지 관리인에게 식물 건강 상태가 불량한 식물에 대해 예방 치료하도록 즉시 알리는 지능형 농업 기술 분야에 관한 식물 건강 상태 모니터링 방법을 제공한다. 상기 식물 건강 상태 모니터링 방법은 식물 건강 상태 정보에 따라 첫 번째 판단을 진행하고, 판단 결과가 식물 건강에 불량 리스크가 존재한다는 것일 경우, 식물 건강에 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보에 따라 두 번째 판단을 진행하여, 식물 건강 상태 정보를 정확하게 얻어 농경지 관리인이 농경지의 식물 현재 상황을 즉시에 파악하고 제때에 예방 치료할 수 있도록,한다. 식물 건강 상태를 모니터링하는 상기 식물 건강 상태 모니터링 방법에 적용되는 장치를 제공한다.

Description

식물 건강 상태 모니터링 방법 및 장치
본 발명은 지능형 농업 기술 분야에 관한 것으로, 특히 식물 건강 상태 모니터링 방법 및 장치에 관한 것이다.
일반적으로, 전통적인 농경지 관리에서, 농경지 관리인이 정기적으로 농경지에 가서 식물 성장 상태(state)를 관찰하고, 식물 성장 상태에 따라 식물 건강 상태를 판단하며, 식물 건강이 불량일 경우, 경험 지식에 근거하여 식물 건강 상태 불량의 문제에 대한 관리를 진행할지 여부를 판단한다.
그러나, 전통적인 농경지 관리는 농경지 관리인이 정기적으로 농경지에 가서 식물 성장 상태를 관찰하고, 식물 성장 상태에 따라 식물 건강 상태를 판단해야 하는데, 이는 시간, 공간 범위에 의해 제한되며, 제때에 발견하지 못하거나 놓칠 수 있는 리스크가 존재하고, 따라서, 식물 보호 조치를 취하는 최적의 시간을 놓치게 된다.
본 발명의 적어도 일부 실시예는 식물 건강 상태를 지능적으로 판단하고, 식물에 건강 불량이 존재할 경우에 농경지 관리인에게 식물 건강 상태 불량이 발생된 식물에 대해 예방 치료하도록 즉시 알리는 식물 건강 상태 모니터링 방법 및 장치를 제공한다.
본 발명의 일 실시예에서 식물 건강 상태 모니터링 방법을 제공하고, 상기 식물 건강 상태 모니터링 방법은,
식물 건강 상태 측정 기기에 의해 제공되는 제1 식물 건강 상태 정보를 수신하고, 상기 제1 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 판단하여 제1 판단 정보를 획득하는 단계;
상기 제1 판단 정보에 표시된 내용이 식물에 건강 불량 리스크가 존재한다는 것일 경우, 상기 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수신하는 단계;
상기 제2 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 판단하여 제2 판단 정보를 획득하는 단계; 및
상기 제2 판단 정보에 표시된 내용이 식물에 건강 불량이 존재한다는 것일 경우, 상기 식물 건강 상태가 건강 불량에 처한 것으로 확인하며, 또한, 건강 불량에 처한 식물이 위치한 방위 정보를 확인하는 단계를 포함한다.
본 발명의 일 실시예는 식물 건강 상태 모니터링 장치를 제공하고, 상기 식물 건강 상태 모니터링 장치는,
식물 건강 상태 측정 기기에 의해 제공되는 제1 식물 건강 상태 정보를 수신하는 수신 유닛; 및
상기 제1 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 첫 번째 판단을 진행하여 제1 판단 정보를 획득하도록 설치되며, 수신 유닛과 연결되는 처리 유닛을 포함하고,
상기 제1 판단 정보에 표시된 내용이 식물에 건강 불량 리스크가 존재한다는 것일 경우, 상기 수신 유닛은 또한, 상기 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수신하도록 설치되며,상기 처리 유닛은 또한, 상기 제2 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 두 번째 판단을 진행하여 제2 판단 정보를 획득하도록 설치되고, 상기 제2 판단 정보에 표시된 내용이 식물에 건강 불량이 존재한다는 것일 경우, 상기 처리 유닛은 상기 식물 건강 상태가 건강 불량에 처한 것을 확인하며, 건강 불량에 처한 식물이 위치한 방위 정보를 확인하도록 설치된다.
종래 기술에 비해, 본 발명의 일부 실시예에 의해 제공되는 식물 건강 상태 모니터링 방법 및 장치는, 식물 건강 상태 측정 기기가 제공하는 제1 식물 건강 상태 정보에 의해 첫 번째 판단을 진행하여 제1 판단 정보를 획득하고, 제1 판단 정보에 표시된 내용이 식물에 건강 불량 리스크가 존재한다는 것일 경우, 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수신하며, 상기 제2 식물 건강 상태 정보에 대해 두 번째 판단을 진행하여 제2 판단 정보를 획득할 경우, 식물 건강 상태가 건강 불량에 처한 것을 확인하고, 건강 불량에 처한 식물이 위치한 방위 정보를 확인할 수 있으며, 따라서, 농경지 관리인이 시간, 공간 범위의 제한을 받지 않고, 농경지 식물 건강 상태를 즉시 파악하여 식물이 건강 불량에 처할 경우, 건강 불량에 처한 식물이 위치한 방위 정보에 따라 건강 불량에 처한 식물의 위치를 신속하게 확인하며, 따라서 식물이 건강을 회복하도록 가능한 빨리 식물 보호 조치를 취할 수 있다.
여기서 설명되는 도면은 본 발명의 일부로서 본 발명을 보다 명확하게 이해하도록 하기 위해 제공된 것이고, 본 발명의 예시적인 실시예 및 설명은 본 발명을 해석하기 위한 것으로, 본 발명을 제한하지 않는다. 도면에서,
도 1은 본 발명의 실시예에 의해 제공되는 식물 건강 상태 모니터링 방법의 적용 환경 모식도이다.
도 2는 본 발명의 실시예에 의해 제공되는 식물 건강 상태 모니터링 방법의 흐름도이다.
도 3은 본 발명의 실시예에서 식물 건강 상태 불량 리포트를 생성하는 흐름도이다.
도 4는 본 발명의 실시예에서 제1 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 첫 번째 판단을 진행하는 흐름도이다.
도 5는 본 발명의 실시예에서 제2 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 두 번째 판단을 진행하는 흐름도이다.
도 6은 본 발명의 실시예에 의해 제공되는 식물 건강 상태 모니터링 장치의 구조 블록도이다.
도 7은 본 발명의 실시예에 따른 처리 유닛의 구조 블록도이다.
도 8은 본 발명의 실시예에 의해 제공되는 식물 건강 상태 모니터링 단말기의 하드웨어 구조도이다.
이하, 본 발명의 실시예의 첨부 도면을 참조하면서 본 발명의 실시예의 기술적 해결 수단을 명확하고 완전하게 설명하며, 설명되는 실시예는 본 발명의 부분적 실시예일 뿐 전부 실시예가 아니다. 본 기술 분야에서 통상의 지식을 가진 자가 본 발명의 실시예에 따라 진보성 창출에 힘쓸 필요없이 획득한 다른 실시예는 모두 본 발명의 보호범위에 속한다.
도 2, 도 6 및 도 8에 도시된 바와 같이, 본 발명의 실시예는 식물 건강 상태 모니터링 방법 및 장치를 제공하는데, 이 식물 건강 상태 모니터링 방법 및 장치는 식물에 건강 불량 리스크가 존재하는 식물이 위치한 방위를 판단하고, 상기 방위의 고정밀도 식물 이미지 정보를 수신하며, 이에 대해 분석하여 최종적으로 식물 건강 상태를 확인하고, 식물 건강에 불량이 존재할 경우, 예방 치료를 진행하도록 농경지 관리인에게 즉시 알리며, 전통적인 농경지 관리가 시간, 공간 범위의 제한을 받아 제때에 발견하지 못하거나 놓칠 수 있는 리스크가 존재하며, 따라서, 식물 보호 조치를 취할 수 있는 최적 시간을 놓치는 문제를 극복한다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 의해 제공되는 기술적 해결 수단은 단말기 기기(100)에 의해 실현되고, 식물 건강 상태 측정 기기(200)와 무선 또는 유선 통신되어, 식물 건강 상태 측정 기기(200)에 의해 제공되는 정보를 수신하며, 단말기 기기(100)는 식물 건강 상태 측정 기기(200)에 의해 제공되는 정보를 처리하고, 결과를 리포트 형태로 클라이언트 단말(300)에 송신하며, 클라이언트 단말(300)은 팩스기(301), 태블릿 PC(302) 및 핸드폰(303)에 탑재된 애플리케이션 클라이언트 단말일 수 있고, 애플리게이션 클라이언트 단말은 문자메시지 클라이언트 단말, 위챗(Wechat) 클라이언트 단말, 메일 클라이언트 단말 등을 포함한다.
도 2에 도시된 바와 같이, 본 발명의 실시예에 의해 제공되는 식물 건강 상태 모니터링 방법은 하기와 같은 단계S110~ S150을 포함한다.
단계S110에서, 식물 건강 상태 측정 기기(200)에 의해 제공되는 제1 식물 건강 상태 정보를 수신한다.
단계S120에서, 제1 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 첫 번째 판단을 진행하여 제1 판단 정보를 획득한다. 제1 판단 정보에 표시된 내용이 식물에 건강 불량 리스크가 존재한다는 것일 경우, 단계S130을 수행한다.
단계S130에서, 식물 건강 상태 측정 기기(200)에 의해 제공되는 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수신한다.
단계S140에서, 제2 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 두 번째 판단을 진행하여 제2 판단 정보를 획득한다.
단계S150에서, 제2 판단 정보에 표시된 내용이 식물에 건강 불량이 존재한다는 것일 경우, 식물 건강 상태가 건강 불량에 처한 것으로 확인하고, 또한, 건강 불량에 처한 식물이 위치한 방위 정보를 확인한다.
식물 건강 상태가 건강 불량에 처한 것은 상대적인 확인 상태로서, 즉, 이러한 건강 불량의 확률이 일반적인 확률보다 높아 식물 건강 상태가 건강 불량에 처한 것으로 정의된다.
상기 작업 과정에 근거하여, 본 발명의 실시예에 의해 제공되는 식물 건강 상태 모니터링 방법은, 식물 건강 상태 측정 기기에 의해 제공되는 제1 식물 건강 상태 정보에 대해 첫 번째 판단을 진행하여 제1 판단 정보를 획득하고, 제1 판단 정보에 표시된 내용이 식물에 건강 불량 리스크가 존재한다는 것일 경우, 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태를 수신하며, 상기 제2 식물 건강 상태 정보에 대해 두 번째 판단을 진행하여 제2 판단 정보를 획득할 경우, 식물 건강 상태가 건강 불량에 처한 것으로 확인하고, 건강 불량에 처한 식물이 위치한 방위 정보를 확인하며, 따라서, 농경지 관리인이 시간, 공간 범위의 제한을 받지 않고 농경지 식물 건강 상태를 제때에 파악하여 식물이 건강 불량에 처할 경우에 건강 불량에 처한 식물이 위치한 방위 정보에 따라 건강 불량에 처한 식물의 위치를 신속하게 확인하며, 따라서 식물이 건강을 회복하도록 가능한 빨리 식물 보호 조치를 취할 수 있다는 것을 알 수 있다.
예를 들어, 전통적인 농경지 관리 수단으로 면적이 비교적 큰 농경지를 관리할 경우, 농경지 관리인은 정기적으로 농경지에 가서 식물 성장 상태를 관찰해야 할 뿐만 아니라, 식물 성장 상태를 관찰할 때, 큰 면적의 농경지의 각 방위, 각 구석의 식물을 모두 관찰해야 식물 성장 상태를 정확하게 획득할 수 있는데, 이는 농경지 관리에 불편을 가져다줄 뿐만 아니라 시간을 대량으로 낭비한다. 본 발명의 실시예에 의해 제공되는 식물 건강 상태 모니터링 방법은, 식물 건강 상태를 확인할 수 있을 뿐만 아니라 건강 불량에 처한 식물이 위치한 방위를 확인할 수 있어, 농업 관리인이 특정 방향의 식물에 대해 미리 주의할 수 있도록 한다.
식물 건강 상태 측정 기기(200)에 있어서, 이에 의해 제공되는 식물 건강 상태 정보는 제1 식물 건강 상태 정보이든 제2 식물 건강 상태 정보이든 모두 실시간으로 수집할 수도 있고, 주기적으로 수집할 수도 있으며, 식물 건강 상태 측정 기기(200)에 의해 제공되는 식물 건강 상태 정보의 구체적 유형은 식물 건강 상태 측정 기기(200)에 포함되는 모듈에 의해 결정된다.
예를 들어, 식물 건강 상태 측정 기기(200)에 의해 제공되는 식물 건강 상태 정보가 적어도 식물 이미지 정보를 포함할 경우, 식물 건강 상태 측정 기기(200)는 농경지에 설치된 모니터링 기기일 수 있고, 사진을 찍을 수 있는 드론 또는 식물 이미지를 수집할 수 있는 다른 기기일 수도 있다. 요약하면, 상기 식물 건강 상태 측정 기기(200)는 적어도 이미지 수집 기능을 구비하는 비디오 카메라 및 카메라 등과 같은 모듈을 포함한다.
식물 이미지 정보의 유형이 가시 스펙트럼 이미지 정보 및/또는 비가시 스펙트럼 이미지 정보일 경우, 가시 스펙트럼 이미지 정보는 일반적인 비디오 카메라 또는 카메라에 의해 수집되고, 비가시 스펙트럼 이미지 정보는 적외선 검출 기능을 구비하는 적외선 카메라 또는 적외선 비디오 카메라 등과 같은 이미지 수집 기기에 의해 수집된다. 일반 비디오 카메라 또는 카메라에 비해, 적외선 검출 기능을 구비하는 이미지 수집 기기는 야간에도 장점을 충분히 발휘하여 일반 비디오 카메라가 수집할 수 없는 정보를 획득할 수 있을 뿐만 아니라 식물이 가시광선 조건에서 발견되지 않는 병례 증상도 수집할 수 있어 그 장점은 자명하다.
본 발명의 실시예에 의해 제공되는 식물 건강 상태 모니터링 방법은, 종래 기술에서 농업 관리인이 병충해가 안 발생한 상황에서 경험지식에 기초하여 식물이 일정 기간 성장한 후 기후 환경 요소에 결합하여 인적 경험 판단을 진행하고, 미리 농약을 살포하여 예방하여, 농약 살포가 합리하지 못한 문제를 초래하는 것을 방지하도록, 적어도 두 번의 판단을 통해 식물에 건강 불량이 존재하는지 여부를 정확하게 확인할 수 있음을 이해해야 한다.
상기 단계S150이 완료된 후, 확인된 건강 불량에 처한 식물이 위치한 방위 정보에 따라 식물 건강 상태 측정 기기(200)에 의해 송신되는 건강 불량에 처한 식물의 제3 식물 건강 상태 정보를 추가로 수신하고, 제3 식물 건강 상태 정보에 근거하여 식물의 건강 상태가 양호한지 여부를 추가로 확인할 수 있다. 이러한 방식으로, 식물 건강 상태의 모니터링을 실현하도록 식물 건강 상태 정보를 반복하여 수신하고 판단할 수 있다. 식물 건강 상태 정보를 수신하고 판단하는 횟수는 실제 수요에 따라 확인할 수 있다.
구체적으로, 제1 식물 건강 상태 정보는 적어도 현재 식물 이미지 정보를 포함하고, 제2 식물 건강 상태 정보는 건강 불량 리스크가 존재하는 식물이 위치한 방위에 대응되는 현재 식물 이미지 정보를 포함하며, 제2 식물 건강 상태 정보의 현재 식물 이미지 정보의 정밀도가 제1 식물 건강 상태 정보의 현재 식물 이미지 정보의 정밀도(여기의 정밀도는 더 높은 해상도의 식물 이미지 정보일 수 있음)보다 크도록 한정하고, 이 경우, 단계S150 이후, 두 번째 판단에 의해 확인된 건강 불량에 처한 식물이 위치한 방위 정보의 정밀도가 기설정된 정밀도보다 높은지 여부를 판단한다.
만약 높다면 판단을 끝내고, 그렇지 않으면, 건강 불량에 처한 식물이 위치한 방위의 제3 식물 건강 상태 정보를 수신하고 판단하며, 제3 식물 건강 상태 정보의 정밀도가 제2 식물 건강 상태 정보의 정밀도보다 높도록 한정한다.
이러한 방식으로, 건강 불량에 처한 식물이 위치한 방위 정보의 정밀도가 기설정된 정밀도보다 높을 때까지 식물 건강 상태 정보를 반복적으로 수신하고 판단하고, 식물 건강 상태 정보에 대한 수신 및 판단을 완료한다.
다만, 상기 수신 및 판단 횟수에 대한 한정은 건강 불량에 처한 식물이 위치한 방위의 정밀도를 근거로 진행한 것이고, 이 경우, 이번(當次) 식물 건강 상태 정보의 정밀도가 전번(前次) 식물 건강 상태 정보의 정밀도보다 크도록 한정하며, 즉, 제2 식물 건강 상태 정보의 현재 식물 이미지 정보의 정밀도가 제1 식물 건강 상태 정보의 현재 식물 이미지 정보의 정밀도보다 크도록 한정한다.
종래 기술에서 이미지 인식 및 판단 기술이 다양하지만 대부분 지능화 정도가 높지 않다는 점을 고려하여, 도 4에 도시된 바와 같이, 이에 기초하여, 제1 식물 건강 상태 정보에 근거하여 식물 건강 상태에 대해 첫 번째 판단을 진행하여 제1 판단 정보를 획득하는 단계는 하기와 같은 단계S121, S122를 포함한다.
단계S121에서, 콘볼루션 신경망 모델을 사용하여 제1 식물 건강 상태 정보에 대해 판단하여 제1 식물 건강 불량 확률을 획득한다.
단계S122에서, 제1 식물 건강 불량 확률이 기설정된 임계값보다 큰지 여부를 판단한다.
만약 크다면, 식물에 건강 불량 리스크가 존재하는 것을 확인하고, 건강 불량 리스크가 존재하는 식물이 위치한 방위 정보를 확인하여 단계S130을 수행한다. 여기서, 건강 불량 리스크가 존재하는 식물이 위치한 방위 정보는 제1 식물 건강 상태 정보에 근거하여 확인된 것이고, 즉, 콘볼루션 신경망 모델을 사용하여 제1 식물 건강 상태 정보에 대해 판단할 때, 콘볼루션 신경망 모델은 또한 제1 식물 건강 상태 정보를 인식하여 건강 불량 리스크가 존재하는 식물이 위치한 방위 정보를 획득한다.
그렇지 않으면, 식물 건강이 양호하다고 확인한다.
여기서, 식물에 존재하는 건강 불량 리스크는 병충해 리스크 및/또는 영양물질 결핍 리스크를 포함하고, 영양물질 결핍 리스크는 미량 원소 결핍 리스크, 질소 원소 결핍 리스크, 인(P) 원소 결핍 리스크, 칼륨 원소 결핍 리스크 중 하나 또는 두개 이상을 포함한다.
마찬가지로, 도 5에 도시된 바와 같이, 상기 제2 식물 건강 상태 정보에 근거하여 식물 건강 상태에 대해 두 번째 판단을 진행하여 제2 판단 정보를 획득하는 단계는 하기와 같은 단계S141, S142를 포함한다.
단계S141에서, 콘볼루션 신경망 모델을 사용하여 제2 식물 건강 상태 정보에 대해 판단하여 제2 식물 건강 불량 확률을 획득한다.
단계S142에서, 제2 식물 건강 불량 확률이 기설정된 임계값보다 큰지 여부를 판단한다.
만약 크다면, 단계S150을 수행한다.
그렇지 않으면, 식물 건강이 양호하다고 확인한다.
단계S150에서, 식물에 건강 불량이 존재하는 것을 확인하고, 식물 건강 불량의 정도 및 건강 불량에 처한 식물이 위치한 방위 정보를 확인한다. 여기서, 식물 건강 불량의 정도는 제2 식물 건강 불량 확률과 기설정된 임계값의 차이값이 기설정된 임계값에서 차지하는 백분율에 근거하여 확인하며, 차이값이 클수록 식물 건강 불량의 정도가 더 높고, 건강 불량에 처한 식물이 위치한 방위 정보는 제2 식물 건강 상태 정보에 근거하여 확인된 것이다. 즉, 콘볼루션 신경망 모델을 사용하여 제2 식물 건강 상태 정보에 대해 판단할 때, 콘볼루션 신경망 모델은 또한 제2 식물 건강 상태 정보를 인식하여 건강 불량에 처한 식물이 위치한 방위 정보를 획득한다.
식물에 존재하는 건강 불량은 식물에 존재하는 병충해 증상 및 식물에 존재하는 영양물질 결핍 증상 중의 적어도 하나를 포함하고, 영양물질 결핍 증상은 미량 원소 결핍 증상, 질소 원소 결핍 증상, 인(P) 원소 결핍 증상, 칼륨 원소 결핍 증상 중 하나 또는 두개 이상을 포함한다.
구체적으로, 상기 콘볼루션 신경망 모델은 학습 훈련에 의해 획득된 것이기에 콘볼루션 신경망 모델을 사용하여 제1 식물 건강 상태 정보에 대해 판단하는 단계 이전에, 상기 식물 건강 상태 모니터링 방법은,
먼저, 적어도 식물 이미지 이력정보를 포함하는 식물 건강 상태 이력정보를 수신하는 단계; 및
다음으로, 콘볼루션 신경망을 사용하여 상기 식물 건강 상태 이력정보에 대해 학습 훈련을 진행하여 콘볼루션 신경망 모델을 획득하는 단계를 더 포함한다.
본 발명의 실시예에 의해 제공되는 식물 건강 상태 모니터링 방법에서, 콘볼루션 신경망 모델을 사용하여 식물 이미지 정보에 대해 판단하고, 콘볼루션 신경망 모델 자신이 구비하는 데이터 병렬 처리 장점을 사용하여 데이터의 처리능력을 향상할 수 있으며, 그리고, 콘볼루션 신경망 모델의 자기 적응 능력이 매우 높기에, 콘볼루션 신경망 모델이 데이터를 보다 정확하게 처리하도록, 학습 훈련의 과정을 통해 콘볼루션 신경망 모델에 대해 조절할 수 있다.
다만, 콘볼루션 신경망 모델을 사용하여 제1 식물 건강 상태 정보의 현재 식물 이미지 정보에 대해 판단하든지, 제2 식물 건강 상태 정보의 현재 식물 이미지 정보에 대해 판단하든지, 또는 콘볼루션 신경망 모델을 사용하여 식물 건강 상태 이력정보의 식물 이미지 이력정보에 대해 학습 훈련을 진행하든지, 모두 이미지의 형태로 진행한다.
식물 이미지 정보가 시간 차원을 갖는 영상일 경우, 각 프레임 이미지에 따라 식물 이미지 정보를 처리할 필요가 있기에, 비록 현재 식물 이미지 정보 및 식물 이미지 이력정보가 모두 시간 차원을 갖는 영상일 수 있지만, 실제 처리 과정에서는, 모두 이미지의 형태로 처리하게 된다. 다시 말하면, 콘볼루션 신경망 모델을 사용하여 제1 식물 건강 상태 정보의 현재 식물 이미지 정보에 대해 판단하든지, 제2 식물 건강 상태 정보의 현재 식물 이미지 정보에 대해 판단하든지, 또는 콘볼루션 신경망 모델을 사용하여 식물 건강 상태 이력정보의 식물 이미지 이력정보에 대해 학습 훈련을 진행하든지, 모두 각 프레임 이미지마다 판단하거나 학습 훈련을 진행한다.
현재 식물 이미지 정보를 판단할 때, 콘볼루션 신경망 모델이 제1 식물 건강 불량 확률 또는 제2 식물 건강 불량 확률을 보다 정확하게 판단할 수 있도록 하기 위해, 상기 식물 건강 상태 이력정보는 토양 이력정보, 공기 이력정보, 광조 이력정보 중 하나 또는 두개 이상을 더 포함하고, 동시에, 제1 식물 건강 상태 정보는 적어도 현재 토양 정보, 현재 공기 정보 및 현재 광조 정보 중 하나 또는 두개 이상을 더 포함하며, 제2 식물 건강 상태 정보는 적어도 현재 토양 정보, 현재 공기 정보 및 현재 광조 정보 중 하나 또는 두개 이상을 더 포함하고, 이렇게 콘볼루션 신경망 모델을 사용하여 현재 식물 이미지 정보를 판단할 때, 현재 식물이 처한 토양 정보, 공기 정보, 광조 정보를 참조하여 식물 건강 상태 불량 확률 또는 제2 식물 건강 불량 확률을 보다 정확하게 판단하여, 토양 요소, 공기 요소 및 햇빛 요소 등 조건을 고려하지 않음으로 인해 초래되는 잘못된 판단을 방지할 수 있다.
제1 식물 건강 상태 정보가 적어도 현재 토양 정보, 현재 공기 정보 및 현재 광조 정보 중 하나 또는 두개 이상을 포함하고, 제2 식물 건강 상태 정보가 적어도 현재 토양 정보, 현재 공기 정보 및 현재 광조 정보 중 하나 또는 두개 이상을 더 포함할 때, 상기 식물 건강 상태 측정 기기(200)는 토양 정보를 측정하는 예를 들어, 토양 습도 센서, 토양 온도 센서, 토양 양분 분석기 중의 하나 또는 두개 이상을 포함하는 토양 정보 수집 유닛을 더 포함해야 하며, 토양 정보를 모니터링할 수 있는 다른 토양 정보 수집 유닛을 더 포함할 수 있다.
상기 식물 건강 상태 측정 기기(200)는 공기 정보를 측정하는 예를 들어, 공기 습도 센서, 온도계, 공기 품질 검출기 중의 하나 또는 두개 이상을 포함하는 공기 정보 수집 유닛을 더 포함해야 하고, 공기 정보를 모니터링할 수 있는 다른 공기 정보 수집 유닛을 더 포함할 수 있다.
상기 식물 건강 상태 측정 기기(200)는 광조 정보를 측정하는 예를 들어, 조도 측정기, 자외선 강도 검출기 중 하나 또는 두개 이상을 포함하는 광조 정보 수집 유닛을 더 포함해야 하고, 광조 정보를 모니터링할 수 있는 다른 광조 정보 수집 유닛을 더 포함할 수 있다.
상기 식물 건강 상태 이력정보, 제1 식물 건강 상태 정보 및 제2 식물 건강 상태 정보는 상기 언급된 정보뿐만 아니라 기상 정보 등을 더 포함할 수 있으며, 여기에 제한되지 않음을 이해해야 한다.
또한, 상기 식물 건강 상태 모니터링 방법에서, 첫 번째 판단에 관련된 현재 식물 이미지 정보, 또는 두 번째 판단에 관련된 현재 식물 이미지 정보는 그림 또는 시간 차원을 갖는 영상일 수 있고, 첫 번째 판단 및 두 번째 판단은 모두 대응되는 현재 식물 이미지 정보를 인식처리하여 현재 식물 이미지 정보의 식물에 병충해 증상, 영양 결핍 상황의 존재 여부를 인식한다.
구체적으로, 제2 식물 건강 상태 정보에 의해 제공되는 현재 이미지 정보의 내용을 보다 풍부하도록 하기 위해, 제1 판단 정보에 표시된 내용이 식물에 건강 불량 리스크가 존재한다는 것일 경우, 식물 건강 상태 측정 기기(200)에 의해 제공되는 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수신하는 단계 이전에, 단계S120과 단계S130 사이에, 상기 식물 건강 상태 모니터링 방법은 하기와 같은 제1 단계와 제2 단계를 더 포함한다.
제1 단계에서, 적어도 건강 불량 리스크에 처한 식물이 위치한 방위 정보, 및 이미지 확대 배수 제어 정보와 이미지 확대 각도 제어 정보를 포함한 이미지 확대 제어 정보를 포함하는 이미지 수집 유닛 제어 명령을 생성한다.
제2 단계에서, 식물 건강 상태 측정 기기(200)가 이미지 수집 유닛 제어 명령에 따라 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수집하도록 이미지 수집 유닛 제어 명령을 식물 건강 상태 측정 기기(200)에 송신하며, 제2 식물 건강 상태 정보에 포함되는 현재 식물 이미지 정보는 제1 식물 건강 상태 정보에서 건강 불량 리스크가 존재하는 식물이 위치한 방위의 현재 식물 이미지의 다양한 각도에서의 이미지 확대 정보이다.
구체적으로, 식물 건강 상태 측정 기기(200)의 이미지 수집 유닛은 이미지 수집 유닛 제어 명령을 수신한 경우, 건강 불량 리스크가 존재하는 식물이 위치한 방위 정보에 따라 건강 불량 리스크가 존재하는 식물이 위치한 방위 정보를 수집할 수 있는 위치로 조절할 수 있으며, 이미지 확대 배수 제어 정보에 따라 이미지 확대 배수를 조절하고, 이미지 확대 각도 제어 정보에 따라 식물 건강 상태 정보를 수집할 때의 소재 각도를 조절하여, 다양한 각도로 식물 건강 상태가 불량 상태에 처한 식물이 위치한 방위의 식물에 대해 확대 수집을 진행한다.
예를 들어, 사용되는 이미지 수집 유닛이 전방향 헤드(head) 및 전방향 헤드에 설치된 비디오 카메라를 포함하고, 전방향 헤드는 건강 불량 리스크가 존재하는 식물이 위치한 방위 정보를 수신하며, 비디오 카메라가 식물 이미지를 수집하는 각도를 조절하여, 비디오 카메라가 식물 이미지를 수집하는 각도를 건강 불량 리스크가 존재하는 식물이 위치한 방위로 조절하도록, 일정 각도로 수평 회전하거나 수직 회전한다.
비디오 카메라가 이미지 확대 배수 정보를 수신한 다음, 비디오 카메라의 초점 거리를 조절하여 목표 식물의 피사계 심도를 조절함으로써, 목표 식물의 근접 사진, 즉 식물의 확대 사진을 수집하여 제2 식물 건강 상태 정보에 포함되는 현재 식물 이미지 정보의 해상도를 향상시킨다.
또한, 상기 이미지 수집 유닛은 이동할 수 있고, 예를 들어, 이미지 수집 유닛을 드론 또는 열기구에 설치하며, 정기적으로 드론을 제어하여 식물 이미지 정보를 수집하고, 드론은 쿼드로터 드론 또는 고정익 드론 등일 수 있다.
나아가서, 상기 식물 건강 상태 측정 기기(200)가 고정식 식물 건강 상태 측정 기기일 경우,예를 들어 식물 건강 상태 측정 기기(200)는 농경지에 고정 설치된 이미지 수집 유닛을 포함한다. 이미지 확대 배수 제어 정보가 적어도 m 개이고, 이미지 확대 각도 제어 정보가 적어도 n 개이며, 각 이미지 확대 각도 제어 정보가 기기 수평 회전 각도 제어 정보 및 기기 수직 회전 각도 제어 정보를 포함하고, m 및 n이 모두 1이상이며; 이 경우, 식물 건강 상태 측정 기기(200)가 수집한 제2 식물 건강 상태 정보는 m Х n 조의 식물 건강 상태 데이터를 포함해야 하고, 각 조의 상기 식물 건강 상태 데이터는 기기 회전 각도 정보, 이미지 확대 정보 및 건강 불량 리스크에 처한 현재 식물 이미지 정보를 포함하며, 복수개의 조의 식물 건강 상태 데이터를 수신한 후, 기기 회전 각도 정보, 이미지 확대 정보를 기록하고, 대응되는 조의 식물 건강 상태 데이터가 수집한 방향 정보를 확인하며, 제2 판단 정보에 표시된 내용이 식물 건강 불량이 존재한다는 것일 경우, 기기 회전 각도 정보 및 이미지 확대 정보에 근거하여 건강 불량에 처한 식물이 위치한 방위 정보를 확인할 수 있다. 또한, 세 번째의 수신과 판단이 필요할 경우, 두 번째에 수신한 상기 기기 회전 각도 정보 및 이미지 확대 정보를 더 세분화하고, 세분화한 후의 모든 회전 각도 및 확대 배수를 명령의 형태로 식물 건강 상태 측정 기기(200)에 송신하여, 식물 건강 상태 측정 기기(200)가 더 세분화되게 현재 식물 이미지 정보를 수집할 수 있게 함으로써, 매번 수집한 현재 식물 이미지 정보의 정밀도가 전번 수집한 현재 식물 이미지 정보의 정밀도가 크도록 확보한다.
식물 건강 상태 측정 기기(200)가 이동식 식물 건강 상태 측정 기기이고, 예를 들면, 상기 이미지 수집 유닛을 드론 또는 열기구에 설치하는 경우, 상기 이미지 수집 유닛 제어 명령은 k 개의 기기 좌표 제어 정보를 더 포함하며, 이미지 확대 배수 제어 정보가 적어도 m 개이고, 상기 이미지 확대 각도 제어 정보가 적어도 n 개이며, 각 이미지 확대 각도 제어 정보가 기기 수평 회전 각도 제어 정보 및 기기 수직 회전 각도 제어 정보를 포함하고, m, n 및 k는 모두 1이상이며, 이에 따라서, 제2 식물 건강 상태 정보는 m Х n Х k 조의 식물 건강 상태 데이터를 포함하고, 각 조의 식물 건강 상태 데이터는 기기 좌표 정보, 기기 회전 각도 정보, 이미지 확대 정보 및 건강 불량 리스크에 처한 현재 식물 이미지 정보를 포함한다.
이 경우, 제2 판단 정보에 표시된 내용이 식물에 건강 불량이 존재한다는 것일 경우, 기기 회전 각도 정보 및 이미지 확대 정보에 근거하여 건강 불량에 처한 식물이 위치한 방위 정보를 확인할 수 있을 뿐만아니라, 제3 판단 정보에서는, 기기 회전 각도 정보 및 이미지 확대 정보를 보다 세분화하여 매번 수집한 현재 식물 이미지 정보의 정밀도가 전번 수집한 현재 식물 이미지 정보의 정밀도보다 크도록 확보하고, 또한, 기기 좌표 정보를 세분화함으로써 식물 건강 상태 측정 기기(200)가 더욱 정밀한 좌표로 이미지를 수집하도록 할 수 있다.
도 2에 도시된 바와 같이, 농경지 관리인이 식물 건강 상태를 충분히 파악하도록 하기 위해, 제1 판단 정보에 표시된 내용이 식물 건강 양호일 경우, 식물 건강 상태 모니터링 방법은 단계S130과 선택 관계인 단계S190을 더 포함할 수 있고, 단계S190은 하기와 같은 단계S191, S192를 포함한다.
단계S191에서, 제1 판단 정보에 표시된 내용에 따라 건강이 양호한 식물이 위치한 방위를 확인한다.
단계S192에서, 제1 판단 정보에 표시된 내용 및 건강이 양호한 식물이 위치한 방위 정보에 따라 주기적으로 식물 건강 상태 양호 리포트를 생성하고, 식물 건강 상태 양호 리포트를 클라이언트 단말에 송신한다. 및/또는,
제2 판단 정보에 표시된 내용이 식물 건강 양호일 경우, 상기 식물 건강 상태 모니터링 방법은 단계S210을 더 포함하며, 구체적으로 하기와 같은 단계S211, S212를 포함한다.
단계S211에서, 제2 판단 정보에 표시된 내용에 따라 건강이 양호한 식물이 위치한 방위를 확인한다.
단계S212에서, 제2 판단 정보에 표시된 내용 및 건강이 양호한 식물이 위치한 방위 정보에 따라 주기적으로 식물 건강 상태 양호 리포트를 생성하고, 식물 건강 상태 양호 리포트를 클라이언트 단말(300)에 송신한다.
식물 건강이 양호할 경우, 농경지 관리인이 식물에 대한 병충해 예방 치료 등 작업이 필요하지 않기에 주기적으로 건강 상태 양호 리포트를 생성하여 클라이언트 단말(300)에 송신할 수 있음을 이해해야 한다.
그리고, 건강 불량에 처한 식물에 대해, 제때에 병충해 예방 치료 등 작업을 진행할 필요가 있고, 이에 기초하여, 단계S150 이후, 제2 판단 정보에 표시된 내용 및 건강 불량에 처한 식물이 위치한 방위 정보에 따라 식물 건강 상태 불량 리포트를 생성하는 단계S160을 더 포함한다.
나아가서, 농경지 관리인이 식물 건강 상태 리포트를 제때에 보지 못하여 병충해 예방 치료 시기를 놓치는 것을 방지하기 위해, 제2 판단 정보에 표시된 내용이 식물 건강 상태가 불량하다는 것일 경우, 도 2에 도시된 바와 같이, 상기 식물 건강 상태 모니터링 방법은 하기와 같은 단계S170을 더 포함한다.
단계S170에서, 식물 건강 상태 불량 리포트를 클라이언트 단말(300)에 송신하여 농경지 관리인이 식물 건강 상태 불량 리포트를 조회하도록 실시간으로 주의시킨다.
또한, 계속하여 도 2에 도시된 바와 같이, 제2 판단 정보에 표시된 내용이 식물 건강 불량인 경우, 상기 식물 건강 상태 모니터링 방법은 단계S150과 병행하는 단계S180을 더 포함하고, 구체적으로, 단계S180은 경보 명령을 생성하고, 경보기(400)가 경보 명령에 따라 경보하도록 경보 명령을 경보기(400)에 송신하여 농경지 관리인을 진일보로 주의시킨다.
여기서, 식물 건강 상태 양호 리포트이든 식물 건강 상태 불량 리포트이든, 이를 클라이언트 단말에 송신할 때, 문자메시지(SMS), 위챗 메시지, 메일의 형태로 대응되는 문자메시지 클라이언트 단말, 위챗 클라이언트 단말, 메일 클라이언트 단말 등 애플리케이션에 송신될 수 있다. 여기서, 위챗 메시지는 개인 메시지의 형태로 농경지 관리인의 위챗 클라이언트 단말에 송신될 수도 있고, 서비스 푸시 메시지 형태로 각 농경지 관리인의 다양한 클라이언트 단말에 송신될 수도 있다.
나아가서, 도 3에 도시된 바와 같이, 식물 건강 상태 불량 리포트의 내용을 보다 전면적으로 작성하기 위해, 제2 판단 정보에 표시된 내용이 식물 건강 불량이 존재한다는 것일 경우, 제2 판단 정보에 표시된 내용 및 식물 건강 상태가 불량 상태에 처한 식물이 위치한 방위 정보에 따라 식물 건강 상태 불량 리포트를 생성하는 단계는 하기와 같은 단계S161, S162, S163을 포함한다.
단계S161에서, 제2 판단 정보에 표시된 내용에 따라 농작물 지식 데이터베이스의 식물 정보 데이터를 호출한다.
단계S162에서, 호출된 식물 정보 데이터에 따라 식물 건강 불량의 예방 치료전략을 생성한다. 농작물 지식 데이터베이스는 복수개 종류의 식물 정보 데이터를 포함하고, 각 종류의 상기 식물 정보 데이터는 식물 정보 및 대응하는 식물 건강 불량의 예방 치료전략을 포함한다.
여기서, 농작물 지식 데이터베이스는 식물 정보 및 대응하는 식물 건강 불량의 예방 치료전략 정보가 이미 존재한 데이터베이스일 수 있고, 수집에 의해 다양한 식물 정보, 및 예를 들어 다양한 식물의 병충해 예방 치료전략 및 다양한 식물의 영양 원소 결핍의 예방 치료전략을 포함한 식물 건강 불량 치료 예방 전략을 얻을수도 있음을 이해해야 한다.
단계S163에서, 제2 판단 정보에 표시된 내용, 식물 건강 불량의 예방 치료전략 및 건강 불량에 처한 식물이 위치한 방위 정보에 따라, 식물 건강 상태 불량 리포트를 생성한다. 식물 건강 상태 불량 리포트는 목표 식물의 소재 위치 영역, 식물 건강 불량 발생 범위, 식물 건강 불량 이미지, 인식 시간 및 식물 건강 불량의 예방 치료전략 등을 포함할 수 있고, 식물 건강 불량은 충해, 병해, 영양 원소 결핍 등을 포함할 수 있을 뿐만 아니라 다른 건강하지 않은 상태를 포함할 수도 있다.
상기 제2 판단 정보에 표시된 내용 및 건강 불량에 처한 식물이 위치한 방위 정보에 따라 식물 건강 상태 불량 리포트를 생성하는 구체적인 과정에 의하여 알수 있듯이, 본 발명의 실시예에 따른 식물 건강 상태 모니터링 방법은 식물 건강 상태 불량 리포트를 생성하는 과정에서 제2 판단 정보에 표시된 내용에 따라 농작물 지식 데이터베이스의 식물 정보 데이터를 호출하여 지향적인 식물 건강 불량의 예방 치료전략을 제공하고, 또한 제2 판단 정보에 표시된 내용 및 식물 건강 불량의 예방 치료전략을 동시에 식물 건강 상태 불량 리포트의 내용으로서 생성하며, 농경지 관리인이 식물 건강 상태 불량 리포트를 볼 때, 구체적인 방위의 어떤 식물이 건강 불량 상태에 처해 있는지를 파악할 수 있을 뿐만 아니라 제안되는 식물 건강 불량의 예방 치료전략도 볼 수 있어 농경지 관리인에게 전면적인 참조를 제공할 수 있다.
제1 식물 건강 상태 정보 및 제2 식물 건강 상태 정보에 있어서, 모두 적어도 2 개의 원천 정보를 가지고 있다. 각 제1 식물 건강 상태 정보는 식물 건강 상태 측정 기기(200)의 인식 정보(예를 들어, 식물 건강 상태 측정 기기(200)의 ID 주소) 및 식물 건강 상태 측정 기기(200)의 지리적 좌표 정보(경위도)를 더 포함하고, 각 제2 식물 건강 상태 정보는 식물 건강 상태 측정 기기(200)의 인식 정보를 더 포함하고, 물론 식물 건강 상태 측정 기기(200)의 지리적 좌표 정보도 포함할 수 있다.
바람직하게, 각 제2 식물 건강 상태 정보는 식물 건강 상태 측정 기기(200)의 인식 정보를 더 포함한다. 식물 건강 상태 측정 기기(200)에 의해 제공되는 제1 식물 건강 상태 정보를 수신한 후, 제1 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 첫 번째 판단을 진행하기 전에 상기 식물 건강 상태 모니터링 방법은 하기와 같은 제1 단계, 제2 단계를 더 포함한다.
제1 단계에서, 각 제1 식물 건강 상태 정보의 식물 건강 상태 측정 기기(200)의 인식 정보 및 식물 건강 상태 측정 기기의 지리적 좌표 정보에 따라 각 제1 식물 건강 상태 정보에서의 식물 건강 상태 측정 기기의 인식 정보와 식물 건강 상태 측정 기기의 지리적 좌표 정보의 대응 관계를 구축하고, 각 제1 식물 건강 상태 정보에서의 식물 건강 상태 측정 기기의 인식 정보와 식물 건강 상태 측정 기기의 지리적 좌표 정보의 대응 관계를 저장한다.
제2 단계에서, 식물 건강 상태 측정 기기(200)에 의해 제공되는 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수신한 후, 제2 식물 건강 상태 정보에 따라 식물 건강 상태 정보에 대해 두 번째 판단을 진행하기 전에, 상기 식물 건강 상태 모니터링 방법은 하기와 같은 제3 단계를 더 포함한다.
제3 단계에서, 각 제1 식물 건강 상태 정보에서의 식물 건강 상태 측정 기기(200)의 인식 정보와 식물 건강 상태 측정 기기(200)의 지리적 좌표 정보의 대응 관계에 따라 각 제2 식물 건강 상태 정보에서의 식물 건강 상태 측정 기기(200)의 인식 정보를 인식하고, 각 제2 식물 건강 상태 정보에서의 식물 건강 상태 측정 기기(200)의 지리적 좌표 정보를 획득하여 각 제2 식물 건강 상태 정보의 원천을 확인한다.
상기 설명을 통해 알수 있듯이, 식물 건강 상태 측정 기기(200)에 의해 제공되는 제1 식물 건강 상태 정보를 수신한 후, 각 제1 식물 건강 상태 정보에서의 식물 건강 상태 측정 기기(200)의 인식 정보 및 식물 건강 상태 측정 기기(200)의 지리적 좌표 정보에 따라 각 제1 식물 건강 상태 정보에서의 식물 건강 상태 측정 기기(200)의 인식 정보와 식물 건강 상태 측정 기기(200)의 지리적 좌표 정보의 대응 관계를 구축하고 저장하여, 식물 건강 상태 측정 기기에 의해 제공되는 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수신할 때, 각 제2 식물 건강 상태 정보에서의 식물 건강 상태 측정 기기의 인식 정보만 수신하면, 구축된 대응 관계에 따라 각 제2 식물 건강 상태 정보에서의 식물 건강 상태 측정 기기의 인식 정보를 사용하여 대응되는 식물 건강 상태 측정 기기의 지리적 좌표 정보를 찾아서 각 제2 식물 건강 상태 정보의 원천을 확인할 수 있다.
또한, 식물 건강 상태 불량 리포트를 생성하든 식물 건강 상태 양호 리포트를 생성하든, 식물 건강 상태 정보를 포함한 외에, 제2 식물 건강 상태 정보에 대응되는 원천을 더 포함시켜, 농경지 관리인이 제2 식물 건강 상태 정보의 원천에 따라 보다 정확하게 식물 건강 상태를 파악하여, 식물 건강 상태가 불량인 경우, 식물 건강 상태 불량이 발생하는 위치를 정확하게 결정할 수 있도록 할 수 있다.
예를 들어, 상기 제2 판단 정보에 표시된 내용 및 식물 건강 상태가 불량 상태에 처한 식물이 위치한 방위 정보에 따라 식물 건강 상태 불량 리포트를 생성하는 단계는,
제2 판단 정보에 표시된 내용, 식물 건강 상태가 불량 상태에 처한 식물이 위치한 방위 정보 및 식물 건강 상태가 불량 상태에 처한 식물이 위치한 제2 식물 건강 상태 정보의 원천에 따라 식물 건강 상태 불량 리포트를 생성하는 단계를 포함한다.
도 1 및 도 6에 도시된 바와 같이, 본 발명의 실시예는 식물 건강 상태 모니터링 장치를 제공하고, 이 식물 건강 상태 모니터링 장치는,
식물 건강 상태 측정 기기(100)와 통신을 진행하면서 식물 건강 상태 측정 기기(100)에 의해 제공되는 제1 식물 건강 상태 정보를 수신하는 수신 유닛(110); 및
제1 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 첫 번째 판단을 진행하여 제1 판단 정보를 획득하도록 설치되며 수신 유닛(110)과 연결되는 처리 유닛(120)을 포함하고, 상기 제1 판단 정보에 표시된 내용이 식물에 건강 불량 리스크가 존재한다는 것일 경우, 수신 유닛(110)은 또한, 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수신하도록 설치되며, 상기 처리 유닛(120)은 또한, 제2 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 두 번째 판단을 진행하여 제2 판단 정보를 획득하고, 제2 판단 정보에 표시된 내용이 식물에 건강 불량이 존재한다는 것일 경우, 상기 식물 건강 상태가 건강 불량에 처한 것을 확인하며, 건강 불량에 처한 식물이 위치한 방위 정보를 확인하도록 설치된다.
종래 기술에 비해, 본 발명의 실시예에 의해 제공되는 식물 건강 상태 모니터링 장치의 유익한 효과는 상기 실시예에 의해 제공되는 식물 건강 상태 모니터링 방법의 유익한 효과와 동일하며, 여기에서 반복적 설명을 하지 않는다.
예시적으로, 제1 식물 건강 상태 정보는 적어도 현재 식물 이미지 정보를 포함하고, 제2 식물 건강 상태 정보는 적어도 식물 건강에 불량 리스크가 존재하는 식물이 위치한 방위에 대응되는 현재 식물 이미지 정보를 포함하며, 또한 제1 식물 건강 상태 정보가 적어도 현재 식물 이미지 정보를 포함할 때, 식물 건강 상태 측정 기기(100)는 이미지 수집 유닛을 포함하며, 구체적으로, 수신 유닛(110)은 이미지 수집 유닛과 통신하도록 구성된다.
여기서, 제1 식물 건강 상태 정보에 포함되는 현재 식물 이미지 정보의 유형은 가시 스펙트럼 이미지 정보 및/또는 비가시 스펙트럼 이미지 정보를 포함하고, 제2 식물 건강 상태 정보에 포함되는 현재 식물 이미지 정보의 유형은 가시 스펙트럼 이미지 정보 및/또는 비가시 스펙트럼 이미지 정보를 포함한다.
또한, 제2 식물 건강 상태 정보에서의 현재 식물 이미지 정보의 정밀도는 제1 식물 건강 상태 정보에서의 현재 식물 이미지 정보의 정밀보다 높도록 하여, 상술한 식물 이미지 정보의 수신 및 판단 횟수의 한정을 실현한다.
도 7에 도시된 바와 같이, 구체적으로 상기 처리 유닛(120)은, 콘볼루션 신경망 모델을 사용하여 제1 식물 건강 상태 정보에 대해 판단하여 제1 식물 건강 불량 확률을 획득하고, 콘볼루션 신경망 모델을 사용하여 제2 식물 건강 상태 정보에 대해 판단하여 제2 식물 건강 불량 확률을 획득하도록 설치되며 수신 유닛(110)과 연결되는 확률 분석 모듈(121); 및
제1 식물 건강 불량 확률이 기설정된 임계값보다 큰지 여부를 판단하여, 만약 크다면, 식물에 건강 불량 리스크가 존재하는 것을 확인하며, 상기 건강 불량 리스크가 존재하는 식물이 위치한 방위 정보를 확인하고, 그렇지 않으면, 식물 건강 상태가 양호한 것을 확인하며, 또한, 제2 식물 건강 불량 확률이 기설정된 임계값보다 큰지 여부를 판단하여, 만약 크다면, 식물에 건강 불량이 존재하는 것을 확인하고, 식물 건강 불량의 정도 및 건강 불량에 처한 식물이 위치한 방위 정보를 확인하고, 그렇지 않으면 식물 건강 상태가 양호한 것을 확인하도록 설치되며 확률 분석 모듈(121) 및 리포트 생성 유닛(130)에 각각 연결되는 판단 모듈(122)을 포함한다.
선택적으로, 수신 유닛(110)은 또한, 적어도 식물 이미지 이력정보를 포함하는 식물 건강 상태 이력정보를 수신하도록 설치되고,
처리 유닛(120)은 콘볼루션 신경망을 사용하여 식물 건강 상태 이력정보에 대해 학습 훈련을 진행하여 콘볼루션 신경망 모델을 획득하도록 설치되며 수신 유닛(110) 및 확률 분석 모듈(121)에 각각 연결되는 정보 훈련 모듈(123)을 더 포함한다.
여기서, 식물 건강 상태 이력정보는 토양 이력정보, 공기 이력정보, 광조 이력정보 중 하나 또는 두개 이상을 더 포함하고, 제1 식물 건강 상태 정보는 적어도 현재 토양 정보, 현재 공기 정보 및 현재 광조 정보 중 하나 또는 두개 이상을 더 포함하며, 제2 식물 건강 상태 정보는 적어도 현재 토양 정보, 현재 공기 정보 및 현재 광조 정보 중 하나 또는 두개 이상을 더 포함한다.
식물에 존재하는 건강 불량 리스크는 병충해 리스크 및/또는 영양물질 결핍 리스크를 포함하고, 영양물질 결핍 리스크는 미량 원소 결핍 리스크, 질소 원소 결핍 리스크, 인(P) 원소 결핍 리스크, 칼륨 원소 결핍 리스크 중 하나 또는 두개 이상을 포함하며, 식물에 존재하는 건강 불량은 식물에 존재하는 병충해 증상 및/또는 식물에 존재하는 영양물질 결핍 증상을 포함하고, 영양물질 결핍 증상은 미량 원소 결핍 증상, 질소 원소 결핍 증상, 인(P) 원소 결핍 증상, 칼륨 원소 결핍 증상 중 하나 또는 두개 이상을 포함한다.
상기 제1 식물 건강 상태 정보가 적어도 현재 토양 정보, 현재 공기 정보 및 현재 광조 정보 중 하나 또는 두개 이상을 더 포함하며, 제2 식물 건강 상태 정보가 적어도 현재 토양 정보, 현재 공기 정보 및 현재 광조 정보 중 하나 또는 두개 이상을 더 포함할 때, 상기 식물 건강 상태 측정 기기(100)는 공기 정보 측정을 실현하는 공기 정보 수집 유닛, 토양 정보 측정을 실현하는 토양 정보 수집 유닛, 광조 정보 측정을 실현하는 광조 정보 수집 유닛 중 하나 또는 두개 이상을 더 포함한다.
또한, 제2 식물 건강 상태 정보에 의해 제공되는 현재 이미지 정보의 내용을 보다 풍부하도록 하기 위해, 도 6에 도시된 바와 같이,상기 식물 건강 상태 모니터링 장치는, 제1 판단 정보에 표시된 내용이 식물에 건강 불량 리스크가 존재한다는 것일 경우, 적어도 건강 불량 리스크에 처한 식물이 위치한 방위 정보 및 이미지 확대 배수 제어 정보와 이미지 확대 각도 제어 정보를 포함하는 이미지 확대 제어 정보를 포함하는 이미지 수집 유닛 제어 명령을 생성하도록 설치되며 처리 유닛(120) 및 송신 유닛(150)에 각각 연결되는 명령 생성 유닛(160); 및
이미지 수집 유닛 제어 명령을 식물 건강 상태 측정 기기에 송신하여, 식물 건강 상태 측정 기기가 이미지 수집 유닛 제어 명령에 따라 건강 불량 리스크에 처한 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수집하도록 설치되는 송신 유닛(150)을 더 포함한다.
선택적으로, 식물 건강 상태 측정 기기(200)가 고정식 식물 건강 상태 측정 기기이고, 이미지 확대 배수 제어 정보가 적어도 m 개이며, 이미지 확대 각도 제어 정보가 적어도 n 개이고, 각 이미지 확대 각도 제어 정보는 기기 수평 회전 각도 제어 정보 및 기기 수직 회전 각도 제어 정보를 포함하며, m 및 n은 모두 1이상인 경우,
제2 식물 건강 상태 정보는 m Х n 조의 식물 건강 상태 데이터를 포함하고, 각 조의 식물 건강 상태 데이터는 기기 회전 각도 정보, 이미지 확대 정보 및 건강 불량 리스크에 처한 현재 식물 이미지 정보를 포함한다.
선택적으로, 식물 건강 상태 측정 기기가 이동식 식물 건강 상태 측정 기기이고, 이미지 수집 유닛 제어 명령은 k 개의 기기 좌표 제어 정보를 더 포함하며, 이미지 확대 배수 제어 정보가 적어도 m 개이고, 이미지 확대 각도 제어 정보가 적어도 n 개이며, 각 이미지 확대 각도 제어 정보는 기기 수평 회전 각도 제어 정보 및 기기 수직 회전 각도 제어 정보를 포함하고, m, n 및 k는 모두 1이상인 경우,
제2 식물 건강 상태 정보는 m Х n Х k 조의 식물 건강 상태 데이터를 포함하고, 각 조의 식물 건강 상태 데이터는 기기 좌표 정보, 기기 회전 각도 정보, 이미지 확대 정보 및 건강 불량 리스크에 처한 현재 식물 이미지 정보를 포함한다.
농경지 관리인이 식물 건강 상태를 충분히 파악하도록 하기 위해, 도 2 및 도 6에 도시된 바와 같이,제1 판단 정보 및/또는 제2 판단 정보에 표시된 내용이 식물 건강 양호일 경우, 상기 식물 건강 상태 모니터링 장치는 처리 유닛(120)과 연결되는 리포트 생성 유닛(130)을 더 포함하고, 상기 처리 유닛(120)은 또한, 제1 판단 정보 및/또는 제2 판단 정보에 표시된 내용에 따라 건강 양호인 식물이 위치한 방위 정보를 확인하도록 설치되고,
리포트 생성 유닛(130)은 또한, 제1 판단 정보 및/또는 제2 판단 정보에 표시된 내용이 식물 건강 양호일 경우, 제1 판단 정보 및/또는 제2 판단 정보에 표시된 내용 및 건강 양호인 식물이 위치한 방위 정보에 따라 주기적으로 식물 건강 상태 양호 리포트를 생성하도록 설치되며,
도 2 및 도 6에 도시된 바와 같이, 상기 식물 건강 상태 모니터링 장치는, 식물 건강 상태 양호 리포트를 클라이언트 단말(300)에 송신하는 송신 유닛(150)을 더 포함한다. 송신시, 무선 송신일 수도 있고 유선 송신일 수도 있으며, 이 경우, 송신 유닛(150)과 클라이언트 단말(300) 사이에는 통신 관계가 존재한다.
제2 판단 정보에 표시된 내용이 식물에 건강 불량이 존재한다는 것일 경우, 리포트 생성 유닛(130)은 또한, 제2 판단 정보에 표시된 내용 및 건강 불량에 처한 식물이 위치한 방위 정보에 따라 식물 건강 상태 불량 리포트를 생성하도록 설치되고, 송신 유닛(150)은 또한, 식물 건강 상태 불량 리포트를 클라이언트 단말에 송신하도록 설치되어, 농경지 관리인이 식물 건강 불량에 대해 예방 치료를 제때에 진행할수 있도록,된다.
또한, 명령 생성 유닛(160)은 또한, 제2 판단 정보에 표시된 내용이 식물에 건강 불량이 존재한다는 것일 경우, 경보 명령을 생성하도록 설치된다.
송신 유닛(150)은 또한, 경보기(400)에 경보 명령을 송신하도록 설치되어, 경보 명령에 의해 경보기(400)가 경보하도록 제어하여 농경지 관리인에게 주의시킨다. 이 경우, 송신 유닛(150)과 경보기(400) 사이에는 통신 관계가 존재하고, 여기서, 처리 유닛(120)이 도 7에 도시된 바와 같은 구조 블록을 사용할 경우, 명령 생성 유닛(160)과 판단 모듈(122)은 연결된다.
또한, 상기 송신 유닛(150)은 또한, 제2 판단 정보에 표시된 내용이 식물 건강 상태 불량일 경우, 식물 건강 상태 불량 리포트를 클라이언트 단말(300)에 송신하도록 설치된다.
식물 건강 상태 불량 리포트의 내용을 더욱 풍부하도록 하기 위해, 상기 식물 건강 상태 모니터링 장치는, 처리 유닛(120)과 연결되는 농작물 지식 데이터베이스를 더 포함하고, 농작물 지식 데이터베이스는 복수개 종류의 식물 정보 데이터를 포함하며, 각 종류의 식물 정보 데이터는 식물 정보 및 대응하는 식물 건강 불량의 예방 치료전략을 포함하고, 처리 유닛(120)은 또한, 제2 판단 정보에 표시된 내용에 따라 농작물 지식 데이터베이스의 식물 정보 데이터를 호출하며, 호출된 식물 정보 데이터에 따라 식물 건강 불량의 예방 치료전략을 생성하도록 설치되고,
리포트 생성 유닛(130)은, 제2 판단 정보에 표시된 내용, 식물 건강 불량의 예방 치료전략 및 건강 불량에 처한 식물이 위치한 방위 정보에 따라 식물 건강 상태 불량 리포트를 생성하도록 설치되며, 이렇게 함으로써 식물 건강 상태 불량 리포트는 식물 건강 불량의 정보뿐만 아니라 식물 건강 불량을 어떻게 예방 치료하는 전략도 포함한다. 여기서, 식물 건강 불량의 예방 치료전략은 병충해 예방 치료전략 및/또는 식물 영양 원소 결핍의 예방 치료전략을 포함한다.
다만, 제1 식물 건강 상태 정보 및 제2 식물 건강 상태 정보는 모두 적어도 2 개의 원천을 가지면, 이 경우, 각 제1 식물 건강 상태 정보는 식물 건강 상태 측정 기기의 인식 정보 및 식물 건강 상태 측정 기기의 지리적 좌표 정보를 더 포함하고,
각 제2 식물 건강 상태 정보는 식물 건강 상태 측정 기기의 인식 정보를 더 포함하며,
도 6에 도시된 바와 같이, 이 경우, 상기 식물 건강 상태 모니터링 장치는, 수신 유닛(110) 및 처리 유닛(120)과 연결되는 기기 인식 유닛(140)을 더 포함하고, 처리 유닛은 도 7에 도시된 바와 같은 구조 블록도를 사용하고 기기 인식 유닛(140)과 확률 분석 모듈(121)은 연결되며, 여기서,
식물 건강 상태 측정 기기(200)에 의해 제공되는 제1 식물 건강 상태 정보를 수신한 후, 제1 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 첫 번째 판단을 진행하기 이전에, 기기 인식 유닛(140)은, 각 제1 식물 건강 상태 정보에서의 식물 건강 상태 측정 기기의 인식 정보 및 식물 건강 상태 측정 기기의 지리적 좌표 정보에 따라 각 제1 식물 건강 상태 정보에서의 식물 건강 상태 측정 기기의 인식 정보와 식물 건강 상태 측정 기기의 지리적 좌표 정보의 대응 관계를 구축하고, 각 제1 식물 건강 상태 정보에서의 식물 건강 상태 측정 기기의 인식 정보와 식물 건강 상태 측정 기기의 지리적 좌표 정보의 대응 관계를 저장하도록 설치되며, 및
식물 건강 상태 측정 기기에 의해 제공되는 식물 건강에 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수신한 후, 제2 식물 건강 상태 정보에 따라 식물 건강 상태 정보에 대해 두 번째 판단을 진행하기 이전에, 상기 기기 인식 유닛(140)은 또한,
각 제2 식물 건강 상태 정보에서의 식물 건강 상태 측정 기기의 인식 정보를 인식하여 각 상기 제2 식물 건강 상태 정보의 식물 건강 상태 측정 기기의 지리적 좌표 정보를 획득하여 각 제2 식물 건강 상태 정보의 원천을 확인하도록 설치되고,
리포트 생성 유닛(130)은 제2 판단 정보에 표시된 내용, 식물 건강 상태가 불량 상태에 처한 식물이 위치한 방위 정보 및 건강 불량에 처한 식물이 위치한 제2 식물 건강 상태 정보의 원천에 따라 식물 건강 상태 불량 리포트를 생성하는 것을 포함한다.
본 발명의 실시예는 식물 건강 상태 모니터링 방법의 구현을 지원하는 실행 가능한 프로그램 코드를 저장하도록 구성된 기록매체를 더 제공하고, 이 기록매체에 의한 유익한 효과는 상기 식물 건강 상태 모니터링 방법의 유익한 효과와 동일하며, 여기에서 반복적인 설명을 하지 않는다.
도 1 및 도 8에 도시된 바와 같이, 본 발명의 실시예는 식물 건강 상태 모니터링 단말기를 더 제공하고, 이 식물 건강 상태 모니터링 단말기는, 수송신부(501), 메모리(502) 및 프로세서(503)를 포함하며, 수송신부(501), 메모리(502) 및 프로세서(503)는 버스(504)에 의해 서로 통신한다.
여기서, 수송신부(501)는 식물 건강 상태 측정 기기(200), 클라이언트 단말(300) 및 경보기(400)와 통신하도록 설치되고,
메모리(502)는, 복수의 제어 명령을 실행하여 상기 식물 건강 상태 모니터링 방법을 구현하도록, 실행 가능한 프로그램 코드를 저장하도록 설치되며,
여기서, 본 발명의 실시예에 따른 프로세서(503)는 하나의 프로세서일 수 있고, 복수의 처리 유닛의 통칭일 수도 있다. 예를 들어, 이 프로세서(503)는 중앙 처리 장치(Central Processing Unit, CPU로 약칭)일 수 있고, 주문형 집적 회로(Application Specific Integrated Circuit, ASIC로 약칭)일 수도 있으며, 또는, 예를 들어, 하나 또는 복수의 디지털 신호 처리기(digital signal processor, DSP로 약칭), 또는, 하나 또는 복수의 필드 프로그래머블 게이트 어레이(Field Programmable Gate Array, FPGA로 약칭)와 같은 본 발명의 실시예를 실시하도록 구성된 하나 또는 복수의 집적 회로일 수 있다.
메모리(502)는 실행 가능한 프로그램 코드 등을 저장하는 하나의 저장 장치일 수 있고, 복수의 저장 유닛의 통칭일 수도 있다. 메모리(502)는 랜덤 액세스 메모리(RAM)를 포함할 수 있고, 자기 디스크 메모리, 플래시 메모리(Flash) 등과 같은 비휘발성 메모리(non-volatile memory)를 포함할 수도 있다.
버스(504)는 ISA(Industry Standard Architecture) 버스, PCI(Peripheral Component) 버스 또는 EISA(Extended Industry Standard Architecture) 버스 등일 수 있다. 이 버스(504)는 주소 버스, 데이터 버스, 제어 버스 등으로 분류될 수 있다. 편리하게 표시하기 위해, 도 8에서 하나의 굵은 선으로만 표시하였지만 이는 단 하나의 버스 또는 한가지 유형의 버스만 있다는 것을 표시하는 것은 아니다.
본 명세서의 각 실시예는 점진적인 방식으로 설명되며, 각 실시예 사이의 동일하거나 유사한 부분은 서로 참조할 수 있고, 각 실시예에서 중점적으로 설명한 것은 모두 다른 실시예와 상이한 부분이다. 특히, 기기 실시예에 있어서, 기본적으로 방법 실시예에 유사하기에 설명이 비교적 간단하며, 관련된 부분은 방법 실시예의 부분을 참조할 수 있다.
본 발명의 분야에서 통상의 지식을 가진 자는 상기 실시예 방법을 구현하는 흐름의 전부 또는 일부가 컴퓨터 프로그램에 의해 관련 하드웨어를 지시하여 완료될 수 있고, 상기 프로그램은 컴퓨터 판독 가능한 기록매체에 저장할 수 있으며, 상기 프로그램이 실행될 때, 상기 각 방법의 실시예의 흐름을 포함할 수 있다. 여기서, 상기의 기록매체는 자기 디스크, 광 디스크, 판독 전용 메모리(Read-Only Memory, ROM) 또는 랜덤 액세스 메모리(Random Access Memory，RAM) 등일 수 있다.
상술한 내용은 본 발명의 구체적인 실시형태에 불과하여 본 발명의 보호 범위는 이에 한정되지 않으며, 본 발명의 분야에서 통상의 지식을 가진 자가 본 발명의 기술 범위 내에서 변경 또는 대체를 쉽게 고안할 수 있고, 이는 또한 본 발명의 보호 범위에 포함되어야 한다. 따라서, 본 발명의 보호 범위는 청구항의 보호 범위에 의해 결정되어야 한다.
상기 실시형태의 설명에서, 구체적인 특징, 구조, 재료 또는 특성은 임의의 하나 또는 복수의 실시예 또는 예시에서 적절한 방식으로 결합될 수 있다.
상술한 내용은 본 발명의 구체적인 실시형태에 불과하여 본 발명의 보호 범위는 이에 한정되지 않으며, 본 발명의 분야에서 통상의 지식을 가진 자가 본 발명의 기술 범위 내에서 변경 또는 대체를 쉽게 고안할 수 있고, 이는 또한 본 발명의 보호 범위에 포함되어야 한다. 따라서, 본 발명의 보호 범위는 청구항의 보호 범위에 의해 결정되어야 한다.

Claims (28)

  1. 식물 건강 상태 측정 기기에 의해 제공되는 제1 식물 건강 상태 정보를 수신하고, 상기 제1 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 판단하여 제1 판단 정보를 획득하는 단계;
    상기 제1 판단 정보에 표시된 내용이 식물에 건강 불량 리스크가 존재한다는 것일 경우, 상기 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수신하는 단계;
    상기 제2 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 판단하여 제2 판단 정보를 획득하는 단계; 및
    상기 제2 판단 정보에 표시된 내용이 식물에 건강 불량이 존재한다는 것일 경우, 상기 식물 건강 상태가 건강 불량에 처한 것으로 확인하며, 또한, 건강 불량에 처한 식물이 위치한 방위 정보를 확인하는 단계를 포함하는 식물 건강 상태 모니터링 방법.
  2. 청구항 1에 있어서,
    상기 제1 식물 건강 상태 정보는 적어도 현재 식물 이미지 정보를 포함하고,
    상기 제1 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 판단하여 제1 판단 정보를 획득하는 단계는,
    콘볼루션 신경망 모델을 사용하여 상기 제1 식물 건강 상태 정보에 대해 판단하여 제1 식물 건강 불량 확률을 획득하는 단계;
    상기 제1 식물 건강 불량 확률이 기설정된 임계값보다 큰지 여부를 판단하는 단계; 및
    기설정된 임계값보다 크다면, 식물에 건강 불량 리스크가 존재하는 것을 확인하며, 상기 건강 불량 리스크가 존재하는 식물이 위치한 방위 정보를 확인하는 단계를 포함하는 식물 건강 상태 모니터링 방법.
  3. 청구항 2에 있어서,
    상기 콘볼루션 신경망 모델을 사용하여 상기 제1 식물 건강 상태 정보에 대해 판단하는 단계 이전에,
    적어도 식물 이미지 이력정보를 포함하는 식물 건강 상태 이력정보를 수신하는 단계; 및
    상기 콘볼루션 신경망을 사용하여 상기 식물 건강 상태 이력정보에 대해 학습 훈련을 진행하여 콘볼루션 신경망 모델을 획득하는 단계를 더 포함하는 식물 건강 상태 모니터링 방법.
  4. 청구항 3에 있어서,
    상기 식물 건강 상태 이력정보는 토양 이력정보, 공기 이력정보, 광조 이력정보 중 하나 또는 두개 이상을 더 포함하고,
    상기 제1 식물 건강 상태 정보는 적어도 현재 토양 정보, 현재 공기 정보 및 현재 광조 정보 중 하나 또는 두개 이상을 더 포함하며,
    상기 제2 식물 건강 상태 정보는 적어도 현재 토양 정보, 현재 공기 정보 및 현재 광조 정보 중 하나 또는 두개 이상을 더 포함하는 식물 건강 상태 모니터링 방법.
  5. 청구항 2에 있어서,
    상기 제1 식물 건강 상태 정보에 포함되는 현재 식물 이미지 정보의 유형은 가시 스펙트럼 이미지 정보 및/또는 비가시 스펙트럼 이미지 정보를 포함하는 식물 건강 상태 모니터링 방법.
  6. 청구항 1에 있어서,
    상기 제2 식물 건강 상태 정보는 적어도 건강 불량 리스크가 존재하는 식물이 위치한 방위에 대응되는 현재 식물 이미지 정보를 포함하고,
    상기 제2 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 판단하여 제2 판단 정보를 획득하는 단계는,
    콘볼루션 신경망 모델을 사용하여 상기 제2 식물 건강 상태 정보에 대해 판단하여 제2 식물 건강 불량 확률을 획득하는 단계;
    상기 제2 식물 건강 불량 확률이 기설정된 임계값보다 큰지 여부를 판단하는 단계; 및
    기설정된 임계값보다 크다면, 식물에 건강 불량이 존재하는 것을 확인하며, 식물 건강 불량의 정도 및 건강 불량에 처한 식물이 위치한 방위 정보를 확인하는 단계를 포함하는 식물 건강 상태 모니터링 방법.
  7. 청구항 6에 있어서,
    상기 제2 식물 건강 상태 정보에 포함되는 현재 식물 이미지 정보의 유형은 가시 스펙트럼 이미지 정보 및/또는 비가시 스펙트럼 이미지 정보를 포함하는 식물 건강 상태 모니터링 방법.
  8. 청구항 2 내지 청구항 7 중 어느 한 항에 있어서,
    상기 제1 판단 정보에 표시된 내용이 식물에 건강 불량 리스크가 존재한다는 것일 경우, 상기 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수신하는 단계 이전에,
    적어도 상기 건강 불량 리스크에 처한 식물이 위치한 방위 정보 및 이미지 확대 배수 제어 정보와 이미지 확대 각도 제어 정보를 포함한 이미지 확대 제어 정보를 포함하는 이미지 수집 유닛 제어 명령을 생성하는 단계; 및
    상기 이미지 수집 유닛 제어 명령을 상기 식물 건강 상태 측정 기기에 송신하여, 식물 건강 상태 측정 기기가 이미지 수집 유닛 제어 명령에 따라 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수집하도록 하는 단계를 더 포함하는 식물 건강 상태 모니터링 방법.
  9. 청구항 8에 있어서,
    상기 식물 건강 상태 측정 기기가 고정식 식물 건강 상태 측정 기기이고, 상기 이미지 확대 배수 제어 정보가 적어도 m 개이며, 상기 이미지 확대 각도 제어 정보가 적어도 n 개이고, 각 상기 이미지 확대 각도 제어 정보는 기기 수평 회전 각도 제어 정보 및 기기 수직 회전 각도 제어 정보를 포함하며, m 및 n은 모두 1이상인 경우,
    상기 제2 식물 건강 상태 정보는 m Х n 조의 식물 건강 상태 데이터를 포함하고, 각 조의 상기 식물 건강 상태 데이터는 기기 회전 각도 정보, 이미지 확대 정보 및 건강 불량 리스크에 처한 현재 식물 이미지 정보를 포함하는 식물 건강 상태 모니터링 방법.
  10. 청구항 8에 있어서,
    상기 식물 건강 상태 측정 기기가 이동식 식물 건강 상태 측정 기기이고, 상기 이미지 수집 유닛 제어 명령은 k 개의 기기 좌표 제어 정보를 더 포함하며,
    상기 이미지 확대 배수 제어 정보가 적어도 m 개이고, 상기 이미지 확대 각도 제어 정보가 적어도 n 개이며, 각 상기 이미지 확대 각도 제어 정보는 기기 수평 회전 각도 제어 정보 및 기기 수직 회전 각도 제어 정보를 포함하고, m, n 및 k는 모두 1이상인 경우,
    상기 제2 식물 건강 상태 정보는 m Х n Х k 조의 식물 건강 상태 데이터를 포함하며, 각 조의 상기 식물 건강 상태 데이터는 기기 좌표 정보, 기기 회전 각도 정보, 이미지 확대 정보 및 건강 불량 리스크에 처한 현재 식물 이미지 정보를 포함하는 식물 건강 상태 모니터링 방법.
  11. 청구항 1 내지 청구항 7 중 어느 한 항에 있어서,
    상기 식물에 존재하는 건강 불량 리스크는 병충해 리스크 및/또는 영양물질 결핍 리스크를 포함하고, 상기 영양물질 결핍 리스크는 미량 원소 결핍 리스크, 질소 원소 결핍 리스크, 인(P) 원소 결핍 리스크, 칼륨 원소 결핍 리스크 중 하나 또는 두개 이상을 포함하며,
    상기 식물에 존재하는 상기 건강 불량은 식물에 존재하는 병충해 증상 및/또는 식물에 존재하는 영양물질 결핍 증상을 포함하고, 상기 영양물질 결핍 증상은 미량 원소 결핍 증상, 질소 원소 결핍 증상, 인(P) 원소 결핍 증상, 칼륨 원소 결핍 증상 중 하나 또는 두개 이상을 포함하는 식물 건강 상태 모니터링 방법.
  12. 청구항 1 내지 청구항 7 중 어느 한 항에 있어서,
    상기 제1 판단 정보 및/또는 제2 판단 정보에 표시된 내용이 식물 건강 양호일 경우,
    상기 제1 판단 정보 및/또는 제2 판단 정보에 표시된 내용에 따라 건강 양호인 식물이 위치한 방위를 확인하는 단계; 및
    상기 제1 판단 정보 및/또는 제2 판단 정보에 표시된 내용 및 건강 양호인 식물이 위치한 방위 정보에 따라 주기적으로 식물 건강 상태 양호 리포트를 생성하고, 상기 식물 건강 상태 양호 리포트를 클라이언트 단말에 송신하는 단계를 더 포함하는 식물 건강 상태 모니터링 방법.
  13. 청구항 1 내지 청구항 7 중 어느 한 항에 있어서,
    상기 식물 건강 상태가 건강 불량에 처한 것을 확인하고, 건강 불량에 처한 식물이 위치한 방위 정보를 확인하는 단계 이후,
    상기 제2 판단 정보에 표시된 내용 및 건강 불량에 처한 식물이 위치한 방위 정보에 따라 식물 건강 상태 불량 리포트를 생성하는 단계;
    상기 식물 건강 상태 불량 리포트를 클라이언트 단말에 송신하는 단계; 및
    경보 명령을 생성하고, 상기 경보 명령을 경보기에 송신하여 상기 경보기가 경보 명령에 따라 경보하도록 하는 단계를 더 포함하는 식물 건강 상태 모니터링 방법.
  14. 청구항 13에 있어서,
    상기 제2 판단 정보에 표시된 내용 및 건강 불량에 처한 식물이 위치한 방위 정보에 따라 식물 건강 상태 불량 리포트를 생성하는 단계는,
    상기 제2 판단 정보에 표시된 내용에 따라 식물 정보 및 대응하는 식물 건강 불량의 예방 치료전략을 각각 포함하는 복수개 종류의 식물 정보 데이터를 포함하는 농작물 지식 데이터베이스의 식물 정보 데이터를 호출하고, 호출된 식물 정보 데이터에 따라 식물 건강 불량의 예방 치료전략을 생성하는 단계; 및
    상기 제2 판단 정보에 표시된 내용, 상기 식물 건강 불량의 예방 치료전략 및 건강 불량에 처한 식물이 위치한 방위 정보에 따라 식물 건강 상태 불량 리포트를 생성하는 단계를 포함하는 식물 건강 상태 모니터링 방법.
  15. 청구항 14에 있어서,
    상기 식물 건강 불량의 예방 치료전략은 병충해 예방 치료전략 및/또는 식물 영양 원소 결핍의 예방 치료전략을 포함하는 식물 건강 상태 모니터링 방법.
  16. 식물 건강 상태 측정 기기에 의해 제공되는 제1 식물 건강 상태 정보를 수신하는 수신 유닛; 및
    상기 제1 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 첫 번째 판단을 진행하여 제1 판단 정보를 획득하도록 설치되며, 수신 유닛과 연결되는 처리 유닛을 포함하고,
    상기 제1 판단 정보에 표시된 내용이 식물에 건강 불량 리스크가 존재한다는 것일 경우, 상기 수신 유닛은 또한, 상기 건강 불량 리스크가 존재하는 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수신하도록 설치되며, 상기 처리 유닛은 또한, 상기 제2 식물 건강 상태 정보에 따라 식물 건강 상태에 대해 두 번째 판단을 진행하여 제2 판단 정보를 획득하도록 설치되고, 상기 제2 판단 정보에 표시된 내용이 식물에 건강 불량이 존재한다는 것일 경우, 상기 처리 유닛은 상기 식물 건강 상태가 건강 불량에 처한 것을 확인하며, 건강 불량에 처한 식물이 위치한 방위 정보를 확인하도록 설치되는 식물 건강 상태 모니터링 장치.
  17. 청구항 16에 있어서,
    상기 제1 식물 건강 상태 정보는 적어도 현재 식물 이미 정보를 포함하고, 상기 제2 식물 건강 상태 정보는 적어도 건강 불량 리스크가 존재하는 식물이 위치한 방위에 대응되는 현재 식물 이미지 정보를 포함하며,
    상기 처리 유닛은,
    콘볼루션 신경망 모델을 사용하여 상기 제1 식물 건강 상태 정보에 대해 판단하여 제1 식물 건강 불량 확률을 획득하고, 콘볼루션 신경망 모델을 사용하여 상기 제2 식물 건강 상태 정보에 대해 판단하여 제2 식물 건강 불량 확률을 획득하도록 설치되며, 수신 유닛과 연결되는 확률 분석 모듈; 및
    상기 제1 식물 건강 불량 확률이 기설정된 임계값보다 큰지 여부를 판단하여, 기설정된 임계값보다 크다면, 식물에 건강 불량 리스크가 존재하는 것을 확인하며, 상기 건강 불량 리스크가 존재하는 식물이 위치한 방위 정보를 확인하고, 상기 제2 식물 건강 불량 확률이 기설정된 임계값보다 큰지 여부를 판단하여, 기설정된 임계값보다 크다면, 식물에 건강 불량이 존재하는 것을 확인하며, 식물 건강 불량의 정도 및 건강 불량에 처한 식물이 위치한 방위 정보를 확인하도록 설치되며, 확률 분석 모듈 및 상기 리포트 생성 유닛에 각각 연결되는 판단 모듈을 포함하는 식물 건강 상태 모니터링 장치.
  18. 청구항 17에 있어서,
    상기 수신 유닛은 또한, 적어도 식물 이미지 이력정보를 포함하는 식물 건강 상태 이력정보를 수신하도록 설치되고,
    상기 처리 유닛은 상기 콘볼루션 신경망을 사용하여 상기 식물 건강 상태 이력정보에 대해 학습 훈련을 진행하여 콘볼루션 신경망 모델을 획득하도록 설치되는, 상기 수신 유닛 및 확률 분석 모듈에 각각 연결되는 정보 훈련 모듈을 더 포함하는 식물 건강 상태 모니터링 장치.
  19. 청구항 18에 있어서,
    상기 식물 건강 상태 이력정보는 토양 이력정보, 공기 이력정보, 광조 이력정보 중 하나 또는 두개 이상을 더 포함하고,
    상기 제1 식물 건강 상태 정보는 적어도 현재 토양 정보, 현재 공기 정보 및 현재 광조 정보 중 하나 또는 두개 이상을 더 포함하며,
    상기 제2 식물 건강 상태 정보는 적어도 현재 토양 정보, 현재 공기 정보 및 현재 광조 정보 중 하나 또는 두개 이상을 더 포함하는 식물 건강 상태 모니터링 장치.
  20. 청구항 17 내지 청구항 19 중 어느 한 항에 있어서,
    제1 판단 정보에 표시된 내용이 식물에 건강 불량 리스크가 존재한다는 것일 경우, 적어도 건강 불량 리스크에 처한 식물이 위치한 방위 정보 및 이미지 확대 배수 제어 정보와 이미지 확대 각도 제어 정보를 포함하는 이미지 확대 제어 정보를 포함한 이미지 수집 유닛 제어 명령을 생성하도록 설치되며, 처리 유닛(120) 및 송신 유닛(150)에 각각 연결되는 명령 생성 유닛(160)을 더 포함하고;
    송신 유닛(150)은 상기 이미지 수집 유닛 제어 명령을 식물 건강 상태 측정 기기에 송신하도록 설치되어, 상기 식물 건강 상태 측정 기기가 이미지 수집 유닛 제어 명령에 따라 건강 불량 리스크에 처한 식물이 위치한 방위의 제2 식물 건강 상태 정보를 수집하도록 하는 식물 건강 상태 모니터링 장치.
  21. 청구항 20에 있어서,
    상기 식물 건강 상태 측정 기기가 고정식 식물 건강 상태 측정 기기이고, 상기 이미지 확대 배수 제어 정보가 적어도 m 개이며, 상기 이미지 확대 각도 제어 정보가 적어도 n 개이고, 각 상기 이미지 확대 각도 제어 정보는 기기 수평 회전 각도 제어 정보 및 기기 수직 회전 각도 제어 정보를 포함하며, m 및 n은 모두 1이상인 경우,
    상기 제2 식물 건강 상태 정보는 m Х n 조의 식물 건강 상태 데이터를 포함하고, 각 조의 상기 식물 건강 상태 데이터는 기기 회전 각도 정보, 이미지 확대 정보 및 건강 불량 리스크에 처한 현재 식물 이미지 정보를 포함하는 식물 건강 상태 모니터링 장치.
  22. 청구항 20에 있어서,
    상기 식물 건강 상태 측정 기기가 이동식 식물 건강 상태 측정 기기이고, 상기 이미지 수집 유닛 제어 명령은 k 개의 기기 좌표 제어 정보를 더 포함하며,
    상기 이미지 확대 배수 제어 정보가 적어도 m 개이고, 상기 이미지 확대 각도 제어 정보가 적어도 n 개이며, 각 상기 이미지 확대 각도 제어 정보는 기기 수평 회전 각도 제어 정보 및 기기 수직 회전 각도 제어 정보를 포함하고, m, n 및 k는 모두 1이상인 경우,
    상기 제2 식물 건강 상태 정보는 m Х n Х k 조의 식물 건강 상태 데이터를 포함하며, 각 조의 상기 식물 건강 상태 데이터는 기기 좌표 정보, 기기 회전 각도 정보, 이미지 확대 정보 및 건강 불량 리스크에 처한 현재 식물 이미지 정보를 포함하는 식물 건강 상태 모니터링 장치.
  23. 청구항 17 내지 청구항 19 중 어느 한 항에 있어서,
    상기 제1 식물 건강 상태 정보에 포함되는 현재 식물 이미지 정보의 유형은 가시 스펙트럼 이미지 정보 및/또는 비가시 스펙트럼 이미지 정보를 포함하고,
    상기 제2 식물 건강 상태 정보에 포함되는 현재 식물 이미지 정보의 유형은 가시 스펙트럼 이미지 정보 및/또는 비가시 스펙트럼 이미지 정보를 포함하는 식물 건강 상태 모니터링 장치.
  24. 청구항 16 내지 청구항 19 중 어느 한 항에 있어서,
    상기 식물에 존재하는 건강 불량 리스크는 병충해 리스크 및/또는 영양물질 결핍 리스크를 포함하고, 상기 영양물질 결핍 리스크는 미량 원소 결핍 리스크, 질소 원소 결핍 리스크, 인(P) 원소 결핍 리스크, 칼륨 원소 결핍 리스크 중 하나 또는 두개 이상을 포함하며,
    상기 식물에 존재하는 건강 불량은 식물에 존재하는 병충해 증상 및/또는 식물에 존재하는 영양물질 결핍 증상을 포함하고, 상기 영양물질 결핍 증상은 미량 원소 결핍 증상, 질소 원소 결핍 증상, 인(P) 원소 결핍 증상, 칼륨 원소 결핍 증상 중 하나 또는 두개 이상을 포함하는 식물 건강 상태 모니터링 장치.
  25. 청구항 16 내지 청구항 19 중 어느 한 항에 있어서,
    상기 처리 유닛은 또한, 상기 제1 판단 정보 및/또는 제2 판단 정보에 표시된 내용이 상기 식물 건강이 양호하다는 것일 경우, 상기 제1 판단 정보 및/또는 제2 판단 정보에 표시된 내용에 따라 건강 양호인 식물이 위치한 방위 정보를 확인하도록 설치되고,
    상기 식물 건강 상태 모니터링 장치는 상기 제1 판단 정보 및/또는 제2 판단 정보에 표시된 내용이 식물 건강 양호인 경우, 상기 제1 판단 정보 및/또는 제2 판단 정보에 표시된 내용 및 건강 양호인 식물이 위치한 방위 정보에 따라 주기적으로 식물 건강 상태 양호 리포트를 생성하도록 설치되는, 처리 유닛에 연결되는 리포트 생성 유닛을 더 포함하며,
    상기 식물 건강 상태 모니터링 장치는 상기 식물 건강 상태 양호 리포트를 클라이언트 단말에 송신하도록 설치되는, 상기 리포트 생성 유닛과 연결되는 송신 유닛을 더 포함하는 식물 건강 상태 모니터링 장치.
  26. 청구항 25에 있어서,
    상기 리포트 생성 유닛은 또한, 상기 제2 판단 정보에 표시된 내용이 식물에 건강 불량이 존재한다는 것일 경우, 상기 제2 판단 정보에 표시된 내용 및 건강 불량에 처한 식물이 위치한 방위 정보에 따라 식물 건강 상태 불량 리포트를 생성하도록 설치되고,
    상기 송신 유닛은 또한, 상기 식물 건강 상태 불량 리포트를 클라이언트 단말에 송신하도록 설치되며,
    상기 식물 건강 상태 모니터링 장치는, 상기 제2 판단 정보에 표시된 내용이 식물에 건강 불량이 존재한다는 것일 경우 경보 명령을 생성하도록 설치되는, 처리 유닛 및 송신 유닛과 각각 연결되는 명령 생성 유닛을 더 포함하고,
    상기 송신 유닛은 또한, 상기 경보 명령을 경보기에 송신하도록 설치되어, 상기 경보 명령에 의해 상기 경보기가 경보하도록 제어하는 식물 건강 상태 모니터링 장치.
  27. 청구항 26에 있어서,
    처리 유닛과 연결되는 농작물 지식 데이터베이스를 더 포함하고, 상기 농작물 지식 데이터베이스는 식물 정보 및 대응하는 식물 건강 불량의 예방 치료전략을 각각 포함하는 복수개 종류의 식물 정보 데이터를 포함하며, 상기 처리 유닛은 또한, 상기 제2 판단 정보에 표시된 내용에 따라 농작물 지식 데이터베이스의 식물 정보 데이터를 호출하며, 호출된 식물 정보 데이터에 따라 식물 건강 불량의 예방 치료전략을 생성하도록 설치되고,
    상기 리포트 생성 유닛은, 상기 제2 판단 정보에 표시된 내용, 상기 식물 건강 불량의 예방 치료전략 및 건강 불량에 처한 식물이 위치한 방위 정보에 따라 식물 건강 상태 불량 리포트를 생성하도록 설치되는 식물 건강 상태 모니터링 장치.
  28. 청구항 27에 있어서,
    상기 식물 건강 불량의 예방 치료전략은 병충해 예방 치료전략 및/또는 식물 영양 원소 결핍의 예방 치료전략을 포함하는 식물 건강 상태 모니터링 장치.
KR1020207007441A 2017-08-18 2018-08-15 식물 건강 상태 모니터링 방법 및 장치 KR102344031B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201710711878.X 2017-08-18
CN201710711878.XA CN109406412A (zh) 2017-08-18 2017-08-18 一种植物健康状态监控方法及装置
PCT/CN2018/100606 WO2019034070A1 (zh) 2017-08-18 2018-08-15 一种植物健康状态监测方法及装置

Publications (2)

Publication Number Publication Date
KR20200041356A true KR20200041356A (ko) 2020-04-21
KR102344031B1 KR102344031B1 (ko) 2021-12-28

Family

ID=65362711

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207007441A KR102344031B1 (ko) 2017-08-18 2018-08-15 식물 건강 상태 모니터링 방법 및 장치

Country Status (9)

Country Link
US (1) US11301986B2 (ko)
EP (1) EP3620774B1 (ko)
JP (1) JP6960525B2 (ko)
KR (1) KR102344031B1 (ko)
CN (1) CN109406412A (ko)
AU (2) AU2018317151A1 (ko)
CA (1) CA3065851A1 (ko)
RU (1) RU2726033C1 (ko)
WO (1) WO2019034070A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3886571A4 (en) * 2018-11-29 2022-08-24 Germishuys, Dennis Mark PLANT BREEDING
US11436712B2 (en) 2019-10-21 2022-09-06 International Business Machines Corporation Predicting and correcting vegetation state
CN111044520A (zh) * 2019-12-12 2020-04-21 湖南省林业科学院 一种油茶主要病虫害的监测方法
JP7321928B2 (ja) * 2019-12-27 2023-08-07 株式会社クボタ 農業支援システム
CN113627216B (zh) * 2020-05-07 2024-02-27 杭州睿琪软件有限公司 植物状态评估方法、系统及计算机可读存储介质
CN113640288B (zh) * 2021-07-21 2022-05-20 盐城思源网络科技有限公司 一种基于第一视角的农田智能远程监测系统
CN113934245A (zh) * 2021-10-18 2022-01-14 电子科技大学成都学院 一种应用于大棚农作物的生长bp神经网络系统及其方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130113924A1 (en) * 2011-11-04 2013-05-09 Electronics And Telecommunications Research Institute Plant observation device and method
KR20160076317A (ko) * 2014-12-22 2016-06-30 주식회사 케이티 병해충 발생 예측 장치 및 방법
JP2016146046A (ja) * 2015-02-06 2016-08-12 株式会社Ｊｓｏｌ 予測装置、予測方法及びプログラム
JP2016168046A (ja) * 2015-03-09 2016-09-23 学校法人法政大学 植物病診断システム、植物病診断方法、及びプログラム
WO2017077543A1 (en) * 2015-11-08 2017-05-11 Agrowing Ltd A method for aerial imagery acquisition and analysis

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1276963A1 (ru) * 1984-11-22 1986-12-15 Ташкентский Ордена Дружбы Народов Политехнический Институт Им.А.Р.Бируни Способ дистанционного определени физиологического состо ни растени
SU1507253A1 (ru) * 1987-05-08 1989-09-15 Киевский Государственный Университет Им.Т.Г.Шевченко Способ обнаружени вирусных инфекций растений
RU2352103C2 (ru) * 2002-09-26 2009-04-20 СиСиЭс ИНК. Система обработки информации для сбора и администрирования данных об окружающей среде, относящихся к условиям, способствующим росту или здоровью живых организмов
JP2004147651A (ja) * 2002-10-11 2004-05-27 Three N Gijutsu Consultant:Kk 植生のヘルスモニタリング方法
JP2004213627A (ja) * 2003-11-28 2004-07-29 Tokyu Construction Co Ltd 植物活力変動の評価画像作成方法
JP4012554B2 (ja) * 2005-11-02 2007-11-21 独立行政法人農業・食品産業技術総合研究機構 植物生育情報処理システム
CN100575949C (zh) * 2006-10-09 2009-12-30 武汉大学 一种植物归一化指数遥感装置
WO2010088452A2 (en) * 2009-01-30 2010-08-05 University Of Georgia Research Foundation, Inc. Non-invasive methods and apparatus for detecting insect-induced damage in a plant
JP5700748B2 (ja) * 2009-12-14 2015-04-15 国立大学法人東京農工大学 植物栽培システム
CN104023520B (zh) * 2011-12-19 2016-06-08 尤尼斯科技公司 远程传感和调适灌溉系统
CN103439265B (zh) * 2013-08-15 2015-06-03 湖南农业大学 一种茶树精细化栽培生育性状实时监测方法
US9336584B2 (en) * 2014-06-30 2016-05-10 Trimble Navigation Limited Active imaging systems for plant growth monitoring
CN104266982B (zh) * 2014-09-04 2017-03-15 浙江托普仪器有限公司 一种大面积虫害量化监测系统
US10349584B2 (en) * 2014-11-24 2019-07-16 Prospera Technologies, Ltd. System and method for plant monitoring
CN104850836B (zh) * 2015-05-15 2018-04-10 浙江大学 基于深度卷积神经网络的害虫图像自动识别方法
CN105302872A (zh) * 2015-09-30 2016-02-03 努比亚技术有限公司 图像处理装置和方法
US10028452B2 (en) * 2016-04-04 2018-07-24 Beesprout, Llc Horticultural monitoring system
CN106097340A (zh) 2016-06-12 2016-11-09 山东大学 一种基于卷积分类器的自动检测并勾画肺结节所在位置的方法
CN106530256A (zh) * 2016-11-18 2017-03-22 四川长虹电器股份有限公司 一种基于改进深度学习的智能相机图像盲超分辨率系统
CN106596412A (zh) 2016-12-31 2017-04-26 上海复展智能科技股份有限公司 利用无人机携带多光谱光源进行植物生长监测的方法
US20180197287A1 (en) * 2017-01-08 2018-07-12 Adrian Ronaldo Macias Process of using machine learning for cannabis plant health diagnostics

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130113924A1 (en) * 2011-11-04 2013-05-09 Electronics And Telecommunications Research Institute Plant observation device and method
KR20160076317A (ko) * 2014-12-22 2016-06-30 주식회사 케이티 병해충 발생 예측 장치 및 방법
JP2016146046A (ja) * 2015-02-06 2016-08-12 株式会社Ｊｓｏｌ 予測装置、予測方法及びプログラム
JP2016168046A (ja) * 2015-03-09 2016-09-23 学校法人法政大学 植物病診断システム、植物病診断方法、及びプログラム
WO2017077543A1 (en) * 2015-11-08 2017-05-11 Agrowing Ltd A method for aerial imagery acquisition and analysis

Also Published As

Publication number Publication date
JP6960525B2 (ja) 2021-11-05
CA3065851A1 (en) 2019-02-21
US11301986B2 (en) 2022-04-12
AU2018102220A4 (en) 2021-09-09
US20210133945A1 (en) 2021-05-06
EP3620774B1 (en) 2022-07-27
CN109406412A (zh) 2019-03-01
JP2020531014A (ja) 2020-11-05
WO2019034070A1 (zh) 2019-02-21
RU2726033C1 (ru) 2020-07-08
EP3620774A4 (en) 2021-01-13
EP3620774A1 (en) 2020-03-11
AU2018317151A1 (en) 2020-01-02
KR102344031B1 (ko) 2021-12-28

Similar Documents

Publication Publication Date Title
KR102344031B1 (ko) 식물 건강 상태 모니터링 방법 및 장치
CN108574737B (zh) 基于云技术和zynq平台的农业自动监控系统及方法
CN110514626B (zh) 大气污染监测系统的数据校准方法和大气污染监测系统
CN110850723B (zh) 一种基于变电站巡检机器人系统的故障诊断及定位方法
US7738008B1 (en) Infrared security system and method
KR101532055B1 (ko) 산불 조기 경보 시스템
KR20200044216A (ko) 빅데이터를 이용한 병해충 발생 예측 시스템 및 방법
CN106485868A (zh) 火情的监测方法、系统和火情的监测服务器
KR101545615B1 (ko) 야생식물의 생육과정 모니터링 시스템
KR20170033164A (ko) 스마트 양식장 서버 및 그것을 이용한 양식장 관리 방법
CN110825058A (zh) 一种农作物实时监控系统
CN114548671A (zh) 基于区块链的农产品溯源系统及方法
CA2903041A1 (en) Network of intelligent machines
CN116794751A (zh) 应用于果园的气象灾害动态监测数据感知系统
Niranjana et al. An IoT Based Real-Time Monitoring System for Viticulture to Minimize Energy Consumption
CN114648510A (zh) 光伏组件的状态检测方法及装置、存储介质及电子设备
CN116824725A (zh) 一种森林资源智能管护方法及系统
CN103326267B (zh) 一种变电站巡检方法及系统
KR20140108747A (ko) 동물행동 및 주변환경정보의 모니터링을 통한 실시간 환경 교란 감지 시스템 및 환경 교란 분석 방법
Reis et al. Automatic detection of white grapes in natural environment using image processing
Viviane et al. IoT‐Based Real‐Time Crop Drying and Storage Monitoring System
CN118500576B (zh) 一种基于网状传感器的温度实时监测系统
TWI804060B (zh) 植物病蟲害監控方法及植物病蟲害監控系統
KATAMBA et al. The use of different technology within PlantScope: A case study of plants in Nigeria
Prabhu et al. Smart aquaculture using data mining

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
E90F Notification of reason for final refusal
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant