KR20200106764A - System for predicting diseases and pest signs - Google Patents
System for predicting diseases and pest signs Download PDFInfo
- Publication number
- KR20200106764A KR20200106764A KR1020190025389A KR20190025389A KR20200106764A KR 20200106764 A KR20200106764 A KR 20200106764A KR 1020190025389 A KR1020190025389 A KR 1020190025389A KR 20190025389 A KR20190025389 A KR 20190025389A KR 20200106764 A KR20200106764 A KR 20200106764A
- Authority
- KR
- South Korea
- Prior art keywords
- infectious diseases
- animals
- pests
- humans
- occurrence
- Prior art date
Links
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 96
- 201000010099 disease Diseases 0.000 title description 18
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title description 18
- 208000035473 Communicable disease Diseases 0.000 claims abstract description 97
- 241001465754 Metazoa Species 0.000 claims abstract description 73
- 241000282412 Homo Species 0.000 claims description 56
- 241000196324 Embryophyta Species 0.000 claims description 51
- 208000015181 infectious disease Diseases 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 18
- 241000282414 Homo sapiens Species 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 11
- 238000013480 data collection Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 235000006040 Prunus persica var persica Nutrition 0.000 description 5
- 230000001580 bacterial effect Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 244000052769 pathogen Species 0.000 description 4
- 244000144730 Amygdalus persica Species 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 240000005809 Prunus persica Species 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 241000233679 Peronosporaceae Species 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000002165 photosensitisation Effects 0.000 description 1
- 239000003504 photosensitizing agent Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- 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
- A01G13/00—Protecting plants
- A01G13/10—Devices for affording protection against animals, birds or other pests
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
- G09B29/007—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes using computer methods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Toxicology (AREA)
- Agronomy & Crop Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Birds (AREA)
- Zoology (AREA)
- Epidemiology (AREA)
- Environmental Sciences (AREA)
- Pathology (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Ecology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Catching Or Destruction (AREA)
Abstract
Description
본 발명은 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템에 관한 것으로서, 보다 자세하게는 식물의 병해충과 동물 및 인간의 감염성 질병 발생에 관여하는 요소들을 반영하여 특정 지역 및 특정 작물에 대한 병해 발생과 감염성 질병 발생에 따른 방제 방법을 알려주는 식물의 병해충 과 동물 및 인간의 감염성 질병 예측 서비스 시스템에 관한 것이다. The present invention relates to a system for predicting plant pests and infectious diseases of animals and humans, and in more detail, by reflecting factors involved in the occurrence of plant pests and infectious diseases of animals and humans, the occurrence of diseases on specific regions and specific crops It relates to a system for predicting plant pests and infectious diseases of animals and humans, which informs the control method according to the occurrence of hyperinfectious diseases.
식물의 병해충과 동물 및 인간의 감염성 질병이 발생하였을 때 신속한 대응을 통해 피해를 최소화하는 것도 중요하지만 그보다 먼저 식물의 병해충과 동물 및 인간의 감염성 질병의 발생을 예방하도록 하는 것이 더욱 중요하다. It is also important to minimize damage through rapid response when plant pests and infectious diseases of animals and humans occur, but it is more important to prevent the occurrence of plant pests and infectious diseases of animals and humans.
식물의 병해충과 동물 및 인간의 감염성 질병 발생은 작물의 생산량과 동물에 치명적인 영향을 끼치며 방제 작업의 난이도가 높기 때문에 농가 등 개인 차원에서의 관리와 국가 차원에서 관리가 병행되고 있다. 하지만 종래에는 병해충과 감염성 질병 발생 징후를 단순 시기적 통계 및 날씨 등에만 의존하였기 때문에 병해충과 감염성 질병의 발생 시기를 정확히 예측하기가 용이하지 않았다. The occurrence of plant pests and infectious diseases of animals and humans has a devastating effect on crop production and animals, and because the difficulty of control is high, management at the individual level such as farmers and the management at the national level are in parallel. However, in the past, it was not easy to accurately predict the time of occurrence of pests and infectious diseases, since the occurrence of pests and infectious diseases was dependent only on simple time statistics and weather.
기후 변화는 작물 및 병원균의 활동성과 전염성에 많은 영향을 미치기 때문에 병원균의 발생시기와 전염성 정도를 예측할 수 있는 시스템이 필요하다. Since climate change has a great influence on the activity and infectivity of crops and pathogens, a system that can predict the time of occurrence and degree of infectivity of pathogens is needed.
본 발명은 상기와 같은 문제를 해결하기 위해 안출된 것으로서, 병해충과 감염성 질병 발병 전에 발생의 징후를 통하여 병해충 및 감염성 질병 발생을 예측하고 그에 따른 방제 방법을 알려줄 수 있는 시스템을 제공하는 것을 목적으로 한다. The present invention has been conceived to solve the above problems, and an object of the present invention is to provide a system capable of predicting the occurrence of pests and infectious diseases through signs of occurrence before the onset of pests and infectious diseases, and providing a control method according thereto. .
상기와 같은 과제를 해결하기 위해 본 발명은 식물의 병해충과 동물 및 인간의 감염성 질병 예상 지역 정보를 분석하여 사용자 단말기로 제공하는 제어 모듈을 구비하고, 상기 제어모듈은 서버로부터 실시간 기상 정보를 수신한 후 수신된 기상 정보와 식물의 병해충과 동물 및 인간의 감염성 질병 발생 요건 정보를 비교하여 식물의 병해충과 동물 및 인간의 감염성 질병 발생 예상 지역을 파악하는 것을 특징으로 하는 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템을 제공한다. In order to solve the above problems, the present invention includes a control module that analyzes predicted area information of plant pests and infectious diseases of animals and humans and provides them to a user terminal, and the control module receives real-time weather information from the server. By comparing the weather information received afterwards with information on plant pests and infectious disease occurrence requirements of animals and humans, it is characterized by identifying the predicted areas of plant pests and infectious diseases of animals and humans. Provide infectious disease prediction service system.
본 발명의 일 실시예에 따르면, 상기 제어모듈은 상기 식물의 병해충과 동물 및 인간의 감염성 질병 발생 예상 지역을 지도 상에 표시하여 사용자 단말기로 전송하는 것을 특징으로 한다. According to an embodiment of the present invention, the control module is characterized in that the display of the predicted area of the plant pests and infectious diseases of animals and humans is displayed on a map and transmitted to the user terminal.
본 발명의 일 실시예에 따르면, 상기 제어모듈은 상기 서버로부터 수신한 실시간 기상 정보에 포함된 요소들의 값을 추출하고 식물의 병해충과 동물 및 인간의 감염성 질병 발생요건 정보들로부터 각 식물의 병해충과 동물 및 인간의 감염성 질병 발생에 관여하는 기상 요소들의 순위를 분석하여 상기 분석된 순위에 따라 식물의 병해충과 동물 및 인간의 감염성 질병 발생 예상 지역의 범위를 파악하는 것을 특징으로 한다. According to an embodiment of the present invention, the control module extracts values of elements included in real-time weather information received from the server, and extracts the values of the elements included in the real-time meteorological information received from the server and It is characterized by analyzing the ranking of meteorological factors involved in the occurrence of infectious diseases in animals and humans, and grasping the range of pests of plants and areas where infectious diseases of animals and humans are expected according to the analyzed ranking.
본 발명의 일 실시예에 따르면, 상기 기상 요소들은 온도, 습도, 일조량, 강우량을 포함하는 것을 특징으로 한다. According to an embodiment of the present invention, the meteorological elements are characterized in that they include temperature, humidity, sunlight, and rainfall.
본 발명의 일 실시예에 따르면, 상기 순위 분석은 특정 식물의 병해충과 동물 및 인간의 감염성 질병 발생 데이터에서 상기 특정 병해충 및 감염성 질병이 발생한 시기와 위치를 파악하고, 상기 위치에서 해당 시기의 기상 요소들의 평균값을 계산한 후 상기 병해충 발생 데이터 상의 요소값과 상기 평균값과의 차이 비율을 계산하여 차이 비율이 높은 순서대로 순위를 부여하는 것을 특징으로 한다. According to an embodiment of the present invention, the ranking analysis is performed by determining the time and location of the occurrence of the specific pest and infectious disease from the data on the occurrence of pests and infectious diseases of animals and humans of a specific plant, and the meteorological factors at that time at the location. After calculating the average value of the pest occurrence data, the difference ratio between the element value of the pest occurrence data and the average value is calculated, and ranking is given in the order of the difference ratio.
본 발명의 일 실시예에 따르면, 상기 제어모듈은 서버로부터 수신한 실시간 기상 정보 중 제1 순위 요소의 값이 제1 차이 비율 범위에서 벗어난 지역을 제1 위험지역으로 설정하는 것을 특징으로 한다. According to an embodiment of the present invention, the control module is characterized in that, among the real-time weather information received from the server, a first priority factor value out of a range of a first difference ratio is set as a first danger area.
본 발명의 일 실시예에 따르면, 상기 제어모듈은 서버로부터 수신한 실시간 기상 정보 중 상기 제1 순위 요소의 값이 상기 제1 차이 비율 범위이면서 제2 순위 요소의 값이 제2 차이 비율 범위에서 벗어난 지역을 제2 위험지역으로 설정하는 것을 특징으로 한다. According to an embodiment of the present invention, the control module includes a value of the first priority factor in the real-time weather information received from the server being the first difference ratio range and the value of the second priority factor deviating from the second difference ratio range. It is characterized in that the area is set as the second danger area.
본 발명의 일 실시예에 따르면, 상기 제1 위험지역과 제2 위험지역을 지도 상에 서로 구분되도록 표시하는 것을 특징으로 한다. According to an embodiment of the present invention, the first danger zone and the second danger zone are displayed to be distinguished from each other on a map.
본 발명의 일 실시예에 따르면, 상기 제어모듈은 상기 제1 위험지역과 제2 위험지역 중 서로 겹치는 지역을 식물의 병해충과 동물 및 인간의 감염성 질병 발생 예상 지역으로 설정하는 것을 특징으로 한다. According to an embodiment of the present invention, the control module is characterized in that the area overlapping with each other among the first and second dangerous areas is set as a predicted area for occurrence of plant pests and infectious diseases of animals and humans.
본 발명의 일 실시예에 따르면, 상기 제어모듈은 상기 식물의 병해충과 동물 및 인간의 감염성 질병 발생 예상 지역에 위치한 사용자에게 해당 병해충 및 감염성 질병에 관련된 정보를 송신하는 것을 특징으로 한다. According to an embodiment of the present invention, the control module is characterized in that it transmits information related to the corresponding pest and infectious disease to a user located in an area where the plant pests and infectious diseases of animals and humans are expected to occur.
본 발명에 따르면 기후 변화에 따라 식물의 병해충과 동물 및 인간의 감염성 질병 발병을 예측할 수 있는 시스템을 제공함으로써 기후변화에 따른 농업 생산성 변화에 대비하고 기후 특성과 환경에 맞는 적절한 대책을 세우는 것이 가능해진다. According to the present invention, by providing a system that can predict the occurrence of plant pests and infectious diseases in animals and humans according to climate change, it becomes possible to prepare for changes in agricultural productivity due to climate change and to establish appropriate measures suitable for climate characteristics and environment. .
도 1a 내지 도 1c는 식물의 감염성 질병 중 하나인 복숭아 세균구멍병의 환경 변화에 따른 질병 발생 양상을 표현한 예시 도면.
도 2는 본 발명의 일 실시예에 따른 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템의 개념도.
도 3은 본 발명의 일 실시예에 따라 사용자 단말기에 표시되는 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스의 개념도.
도 4는 본 발명의 일 실시예에 따라 식물의 병해충과 동물 및 인간의 감염성 질병 예측 지도를 생성하는 방법을 설명하는 순서도.
도 5는 본 발명의 다른 일 실시예에 따라 사용자에게 병해충에 관련된 정보를 제공하는 방법을 설명하는 순서도.
도 6은 본 발명의 일 실시예에 따른 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템의 개발 모식도.
도 7은 본 발명이 일 시시예에 따라 생성되는 식물의 병해충과 동물 및 인간의 감염성 질병 예측 지도를 나타낸 개념도.1A to 1C are exemplary diagrams showing a disease occurrence pattern according to environmental changes of peach bacterial hole disease, which is one of the infectious diseases of plants.
2 is a conceptual diagram of a system for predicting infectious diseases of plants and animals and humans according to an embodiment of the present invention.
3 is a conceptual diagram of a service for predicting plant pests and infectious diseases of animals and humans displayed on a user terminal according to an embodiment of the present invention.
4 is a flow chart illustrating a method of generating a map for predicting plant pests and infectious diseases of animals and humans according to an embodiment of the present invention.
5 is a flow chart illustrating a method of providing information related to a pest to a user according to another embodiment of the present invention.
6 is a schematic diagram of the development of a system for predicting infectious diseases of plants and animals and humans according to an embodiment of the present invention.
7 is a conceptual diagram showing a predicted map of pests of plants and infectious diseases of animals and humans generated according to an exemplary embodiment of the present invention.
본 발명에 따른 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 기술적 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. The system for predicting plant pests and infectious diseases of animals and humans according to the present invention can make various changes and have various embodiments, and specific embodiments will be illustrated in the drawings and described in detail. However, this is not intended to limit the present invention to a specific embodiment, it is to be understood as including all changes, equivalents, and substitutes included in the technical spirit and scope of the present invention.
이하, 본 발명에 대하여 도면을 참조하여 보다 상세하게 설명한다. 본 명세유사한 구성에 대해서는 동일유사한 참조번호를 부여하고, 그 설명은 처음 설명으로 갈음한다. 본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.Hereinafter, the present invention will be described in more detail with reference to the drawings. For configurations similar to this specification, the same reference numbers are assigned, and the description is replaced with the first description. Singular expressions used in the present specification include plural expressions unless the context clearly indicates otherwise.
또한, 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 또는 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.In addition, the suffixes "module" or "unit" for components used in the following description are given or used interchangeably in consideration of only the ease of preparation of the specification, and do not themselves have distinct meanings or roles.
실시예 1: 환경 변화에 의한 병해 발생 양상 확인Example 1: Confirmation of disease occurrence pattern due to environmental change
도 1a 내지 도 1c는 식물의 감염성 질병 중 하나인 복숭아 세균구멍병의 환경 변화에 따른 질병 발생 양상을 표현한 예시 도면이다. 감염성 질병이 기온이나 강수량, 습도 등에 따라 발생 양상이 다르게 나타나는 특징을 이용하여 날씨 변화 및 환경에 따른 질병 발생을 예측하고자 한다. 1A to 1C are exemplary diagrams illustrating a disease occurrence pattern according to environmental changes of peach bacterial hole disease, which is one of infectious diseases of plants. The purpose of this study is to predict the occurrence of diseases according to changes in weather and environment by using the characteristics in which infectious diseases appear differently depending on temperature, precipitation, and humidity.
도 1a 내지 도 1c는 한국에서 복숭아를 가장 많이 재배하는 지역인 청도군의 복숭아 병해 발생 자료로 각 기온과 강수량, 상대습도, 평균 풍속, 최대순간 풍속 등의 값은 청도군에 근접지역인 밀양의 기온 변화로 기상청 자료에서 수집하였다. 1A to 1C are data on the occurrence of peach disease in Cheongdo-gun, the region where peaches are cultivated the most in Korea. Values such as temperature, precipitation, relative humidity, average wind speed, and maximum instantaneous wind speed are changes in the temperature of Miryang, a region close to Cheongdo It was collected from the Meteorological Agency data.
복숭아에서 주로 발생하는 세균 구멍병은 세균에 의한 감염성 질병으로 바람이 강하게 불거나 강우가 많은 경우에 주로 발생하는 특징이 있다. 특히 지난 2016년에는 2014~2015년에 비해 세균 구멍병의 발병률이 급격히 높게 나타났는데, 이는 2016년도 5월 초에 순간 최대풍속 20m/sec 내외로 강한 비바람이 불었고, 5월 초 10일간 타지역에 비해 두배정도인 70 mm 이상으로 측정된 강우량(도 1a; 붉은색 원모양, 주황색 선 그래프)이 세균구멍병의 발생 원인으로 분석되었다. 특히 도 1b 및 도 1c에서 확인된 바와 같이 2016년도에는 강수량과 상대습도의 극값, 5월 최대 순간 풍속 등의 값이 대부분 2014~2015년에 비해 높은 값을 나타내어 병원균의 활성에 최적 환경인 것으로 관찰되었다. 이에 따라 질병 양상은 5월 중순부터 급격히 증가하였으며, 잎이나 과실에 전체적으로 높은 발병률이 관찰되었다. Bacterial hole disease, which mainly occurs in peaches, is an infectious disease caused by bacteria and is characterized by a strong wind or heavy rainfall. In particular, in 2016, the incidence of bacterial hole disease was significantly higher than in 2014-2015. This was a strong rain and wind blowing at an instantaneous maximum wind speed of around 20m/sec in early May 2016, and in other regions for 10 days in early May. Rainfall (Fig. 1a; red circle shape, orange line graph) measured twice as much as that of 70 mm was analyzed as the cause of bacterial pore disease. In particular, as confirmed in FIGS. 1b and 1c, in 2016, most of the values of the extreme values of precipitation and relative humidity, and the maximum instantaneous wind speed in May showed higher values than in 2014 to 2015, and thus it was observed that they are the optimal environment for the activity of pathogens. Became. Accordingly, the disease pattern rapidly increased from mid-May, and a high incidence rate was observed overall in leaves or fruits.
이와 같이 기온이나 습도, 풍속, 강우량 등의 환경 조건에 따라 감염성 질병의 양상이 변화될 수 있으며, 각종 기상 자료와 지역별 환경 변화를 이용하여 질병의 발생 시기를 예측함으로써 질병 피해를 줄일 수 있다. As described above, the pattern of infectious diseases can be changed according to environmental conditions such as temperature, humidity, wind speed, rainfall, etc., and disease damage can be reduced by predicting the time of occurrence of the disease using various weather data and regional environmental changes.
실시예 2: 식물의 병해충 및 인간의 감염성 질병의 예측 시스템Example 2: Prediction system for plant pests and human infectious diseases
도 2는 본 발명의 일 실시예에 따른 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템의 개념도이다. 2 is a conceptual diagram of a system for predicting plant pests and infectious diseases of animals and humans according to an embodiment of the present invention.
사용자들은 사용자 단말기를 통해 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 컨텐츠를 제공받을 수 있다. 사용자 단말기에는 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)) 등의 이동 단말기나 디지털 TV, 데스크탑 컴퓨터, 디지털 사이니지 등과 같은 고정 단말기가 포함될 수 있다. Users may be provided with contents of a predictive service for plant pests and infectious diseases of animals and humans through the user terminal. User terminals include mobile phones, smart phones, laptop computers, digital broadcasting terminals, personal digital assistants (PDAs), portable multimedia players (PMPs), navigation, slate PCs, and tablet PCs. PC), ultrabook, wearable device (e.g., smartwatch, smart glass, head mounted display (HMD)), mobile terminals, digital TVs, desktops, etc. Fixed terminals such as computers and digital signage may be included.
시스템(100)은 제어모듈(110)과, 데이터수집모듈(120)과, 데이터베이스(130)등을 포함할 수 있다. 이하에서는 설명의 편의를 위해 각 모듈을 구분하여 설명하고 있지만 실제 제어모듈(110)이 다른 모듈들의 기능을 포함하도록 형성되는 것이 가능하다. The
제어모듈(110)은 데이터 요소들을 분리하고 각 요소별 가중치를 설정하여 식물의 병해충과 동물 및 인간의 감염성 질병 예측을 위한 패러미터 값을 생성시킬 수 있다. 이러한 패러미터 값 생성을 위해 제어모듈(110)에는 머신러닝 모듈이 포함될 수 있다. The
데이터수집모듈(120)은 온라인 상에 노출되는 기상 정보 데이터 또는 식물의 병해충과 동물 및 인간의 감염성 질병 관련 정보 데이터를 수집하여 제어모듈(110)에 제공할 수 있다. 예를 들어, 데이터수집모듈(120)은 기상청, 농촌진흥청 등의 기관 홈페이지나 검색포탈 등을 통해 기상 정보와 식물의 병해충과 동물 및 인간의 감염성 질병 정보를 수집할 수 있다. The data collection module 120 may collect meteorological information data exposed online or information data related to pests of plants and infectious diseases of animals and humans, and provide them to the
데이터베이스(130)에는 시스템(100)을 구동시키기 위한 각종 데이터들이 저장된다.The
예를 들어, 데이터베이스(130)에는 식물의 병해충과 동물 및 인간의 감염성 질병 예측을 위한 패러미터 값, 과거 기상 정보 통계, 식물의 병해충과 동물 및 인간의 감염성 질병 발생 지역 정보, 식물의 병해충과 동물 및 인간의 감염성 질병 요건 정보 등의 데이터와, 데이터수집모듈(120)을 통해 수집된 데이터들, 제어모듈(110)을 통해 가공된 데이터 등이 저장될 수 있다. For example, the
도 3은 본 발명의 일 실시예에 따라 사용자 단말기에 표시되는 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스의 개념도이다. 3 is a conceptual diagram of a service for predicting plant pests and infectious diseases of animals and humans displayed on a user terminal according to an embodiment of the present invention.
도 3을 참조하면, 사용자 단말기에는 시스템에서 전달된 컨텐츠들이 표시될 수 있다. Referring to FIG. 3, contents delivered from a system may be displayed on a user terminal.
도시된 바에 따르면, 사용자 단말기에는 병해 발생시 작물 혹은 동물의 상태 이미지 정보(11), 위치정보(12), 작물정보(13), 작물에서 발생 가능한 병해충 리스트와 동물 및 인간에서 발생 가능한 감염성 질병 리스트(14), 병해충과 동물 및 인간의 감염성 질병 발생 가능성, 병해충과 동물 및 인간의 감염성 질병 발생시 방제 방법(15), 온도지수(16), 습도지수(17), 현재 상황이 작물 성장 혹은 동물 성장에 적합한지 여부(18) 등이 표시될 수 있다. As shown, in the user terminal, when a disease occurs, the
이러한 컨텐츠들 중 적어도 일부는 시스템의 제어에 의하여 특정 사용자의 단말기에만 표시될 수 있다. At least some of these contents may be displayed only on the terminal of a specific user under the control of the system.
예를 들어, 제어모듈은 수집된 정보에 의하여 특정 식물의 병해충과 동물 및 인간의 감염성 질병의 발생 가능성을 분석한 후 발생 가능성이 일정값 이상인 지역에 위치한 사용자 단말기에 알림을 보내는 것이 가능하다. For example, the control module may analyze the possibility of occurrence of pests of specific plants and infectious diseases of animals and humans based on the collected information, and then send a notification to a user terminal located in an area where the probability of occurrence is higher than a certain value.
식물의 병해충과 동물 및 인간의 감염성 질병 발생 가능성 분석 방법에 대해서는 이하에서 도 4 내지 도 7을 참조하여 구체적으로 설명한다. A method of analyzing the possibility of occurrence of plant pests and infectious diseases in animals and humans will be described in detail below with reference to FIGS. 4 to 7.
도 4는 본 발명의 일 실시예에 따라 병해충 예측 지도를 생성하는 방법을 설명하는 순서도이고, 도 5는 본 발명의 다른 일 실시예에 따라 사용자에게 식물의 병해충과 동물 및 인간의 감염성 질병에 관련된 정보를 제공하는 방법을 설명하는 순서도이고, 도 6은 본 발명의 일 실시예에 따른 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템의 개발 모식도이고, 도 7은 본 발명이 일 실시예에 따라 생성되는 식물의 병해충과 동물 및 인간의 감염성 질병 예측 지도를 나타낸 개념도이다. 4 is a flow chart illustrating a method of generating a pest prediction map according to an embodiment of the present invention, and FIG. 5 is a flow chart related to plant pests and infectious diseases of animals and humans to a user according to another embodiment of the present invention. It is a flow chart illustrating a method of providing information, and FIG. 6 is a schematic diagram of the development of a system for predicting plant pests and infectious diseases of animals and humans according to an embodiment of the present invention, and FIG. 7 is a diagram illustrating the present invention according to an embodiment. It is a conceptual diagram showing a map for predicting plant pests and infectious diseases in animals and humans.
도 4를 참조하면, 병해충 예측 지도의 생성을 위해 시스템은 실시간 기상 정보를 수신하는 단계(S110)와, 수신된 기상 관측자료와 병해충 및 감염성 질병 발생 요건 정보를 비교하여 피해 발생 예상 지역을 파악하는 단계(S120)와, 피해 발생 예상 지역을 지도 상에 표시하는 단계(S130) 등을 수행한다. 4, in order to generate a pest prediction map, the system receives real-time meteorological information (S110) and compares the received weather observation data with pest and infectious disease occurrence requirement information to identify a predicted area of damage. Step S120 and a step S130 of displaying a predicted area of damage on a map are performed.
또한, 다른 실시예에 따르면 병해충 예측 정보를 송신하기 위해 시스템은 기상 관측자료를 수신하는 단계(S210)와, 수신된 기상 관측자료와 과거 기상 관측 통계를 비교하는 단계(S220)와, 기상 관측자료의 값이 과거 기상 관측 통계값과 일정 이상 차이 나는 지역을 선택하는 단계(S230)와, 상기 지역의 사용자에게 예상 병해충 및 감염성 질병에 관련된 정보를 전송하는 단계(S240) 등을 수행할 수 있다. In addition, according to another embodiment, in order to transmit pest prediction information, the system receives weather observation data (S210), compares the received weather observation data with past weather observation statistics (S220), and weather observation data. Selecting an area in which the value of is more than a certain difference from the past weather observation statistics value (S230), and transmitting information related to expected pests and infectious diseases to a user in the area (S240) may be performed.
실시간 기상 정보를 수신하는 단계(S110)에서 제어모듈(110)은 데이터수집모듈(120)을 통해 실시간 제공 자료(습도, 온도, 일조량, 강수량, 풍량 등)를 수신할 수 있다(도 6 참조). In the step of receiving real-time weather information (S110), the
수신된 기상 관측자료와 식물의 병해충과 동물 및 인간의 감염성 질병 발생 요건 정보를 비교하여 식물의 병해충과 동물 및 인간의 감염성 질병 발생 예상 지역을 파악하는 단계(S120)에서 제어모듈(110)은 실시간 기상 정보를 수신하는 단계(S110)에서 수신한 자료와 데이터베이스(130)에 저장된 자료들(기상청 자료, 병해충자료, 감염성 질병 자료, 지역별 작물 및 동물 자료, 병해충 및 감염성 질병 방제 데이터베이스 자료 등)을 비교하여 병해충과 감염성 질병 발생 예상 지역을 분석한다. In the step (S120) of comparing the received meteorological observation data with plant pests and infectious disease occurrence requirements information of animals and humans, the
그 후 제어모듈은 식물의 병해충과 동물 및 인간의 감염성 질병 발생 예상 지역을 지도상에 표시할 수 있다(도 7 참조). Thereafter, the control module can display plant pests and predicted areas of infectious disease occurrence of animals and humans on the map (see FIG. 7).
제어모듈(110)은 기상 및 지역 특성, 환경이 과거와 변화되었는지 여부, 기주식물 종류, 병원균의 생리적 특성, 특정 식물의 병해충과 동물 및 인간의 감염성 질병의 발병력, 발생빈도, 농약 사용정보 등을 토대로 종합적 모델링을 수행한다. The
또한, 제어모듈은 서버로부터 실시간 기상 정보를 수집한 후 기상 정보에 포함된 요소들의 값을 추출하는 단계와, 식물의 병해충과 동물 및 인간의 감염성 질병 발생요건 정보들로부터 각 피해 발생에 관여하는 기상 요소들의 순위를 분석하는 단계와, 상기 순위에 따라 식물의 병해충과 동물 및 인간의 감염성 질병 발생 예상 지역의 범위를 파악하는 단계 등을 더 포함할 수 있다. In addition, the control module collects real-time weather information from the server and then extracts the values of the elements included in the meteorological information, and the weather related to the occurrence of each damage from the information on the occurrence of plant pests and infectious diseases of animals and humans. It may further include analyzing the ranking of the elements, and determining a range of a predicted area of occurrence of plant pests and infectious diseases of animals and humans according to the ranking.
예를 들어, 제어모듈은 실시간 기상 정보에서 온도, 습도, 일조량에 대한 데이터 값을 각각의 요소로 추출하고, 각 식물의 병해충과 동물 및 인간의 감염성 질병 발생에 어떤 요소가 더 크게 작용하는지 여부를 판단한다. For example, the control module extracts data values for temperature, humidity, and sunlight from real-time weather information as respective elements, and determines which factors have a greater effect on the occurrence of pests of each plant and infectious diseases of animals and humans. Judge.
그 후 제어모듈은 해당 식물의 병해충과 동물 및 인간의 감염성 질병에 영향을 미치는 요소의 순위에 따라 위험 지역을 설정한다. After that, the control module sets the risk area according to the ranking of the factors affecting the pests of the plant and infectious diseases of animals and humans.
보다 구체적으로, 어떤 병해충에는 온도보다 습도가 더 큰 영향을 미칠 수 있고 다른 병해충에는 습도가 가장 큰 영향을 미칠 수 있다. 또한, 하나의 요소가 아니라 여러개의 요소가 복합적으로 영향을 미치는 경우도 존재할 수 있다. 제어모듈은 이런 경우 더 큰 영향을 미치는 요소에 우선권을 두어 병해충와 감염성 질병 발생 지역을 예측해 낸다. More specifically, humidity may have a greater effect on some pests than temperature and humidity may have the greatest effect on other pests. In addition, there may be a case in which multiple factors instead of one factor affect the complex. In this case, the control module predicts the area of occurrence of pests and infectious diseases by prioritizing factors that have a greater influence.
본 발명의 일 실시예에 따르면, 먼저 제어모듈(110)은 병해충과 감염성 질병이 발생한 지역과 시기를 확인할 수 있다. 그 후 제어모듈은 해당 지역의 기상 요소들의 평균값을 계산한다. 기상 요소들의 평균값은 데이터베이스에 있는 모든 기간의 데이터 값들의 평균을 의미할 수 있다. 예를 들어, 데이터베이스에 서울 지역의 20년간의 기후 정보가 저장되어 있는 경우 제어모듈은 서울지역의 1월 기온의 평균을 계산할 수 있다. 이와 같이 제어모듈은 해당 시기에 해당 지역의 기온, 습도, 일조량 등 각 요소의 평균값을 구한 후 평균값에서 벗어난 비율이 높은 순서대로 순위를 부여한다. According to an embodiment of the present invention, first, the
예를 들어, 2018년 9월 부산지역에서 노균병이 발생하였다는 데이터가 존재하는 경우, 제어모듈은 데이터베이스 내에 존재하는 데이터들을 가지고 9월 부산지역의 평균 온도, 평균 습도, 평균 일조량, 평균 강우량 등을 계산한다. 만약 계산된 결과가 2018년 9월 부산지역의 온도가 부산지역의 9월 평균 온도 보다 2% 차이가 있었고(이하 '제1 차이 비율 범위'라 함), 습도는 1% 차이(이하 '제2 차이 비율 범위'라 함)가 있었던 것으로 확인되는 경우 시스템은 평균값에서 벗어난 비율이 더 높은 '온도 요소'를 1순위로 선정하고 벗어난 작은 '습도 요소'를 2순위로 선정한다. For example, if there is data indicating that Downy Mildew has occurred in Busan in September 2018, the control module uses the data in the database to determine the average temperature, average humidity, average sunlight, and average rainfall in Busan in September. Calculate. If the calculated result shows that the temperature in the Busan area in September 2018 was 2% different from the average temperature in September in the Busan area (hereinafter referred to as the'first difference ratio range'), the humidity was 1% difference (hereinafter referred to as the'second difference ratio range'). When it is confirmed that there was a difference ratio range), the system selects the'temperature element' with a higher ratio deviating from the average value as the first priority, and the small'humidity element' that deviates from the average value as the second priority.
제어모듈은 실시간 기후 정보 중 다른 요소들은 차이 범위 이내이나 1순위 요소(온도 요소)가 제1 차이 비율 범위를 벗어난 지역을 제1 위험지역으로 설정한다. 또한, 제어모듈은 1순위 요소(온도 요소)는 제1 차이 비율 범위 이내이지만 제2 순위 요소(습도 요소)는 제2 차이 비율 범위를 벗어난 지역을 제2 위험지역으로 설정한다. The control module sets a region in which other elements of the real-time climate information are within the difference range but the first priority element (temperature element) is out of the first difference ratio range as the first danger area. In addition, in the control module, the first priority factor (temperature factor) is within the range of the first difference ratio, but the second priority factor (humidity factor) sets the area out of the range of the second difference ratio as the second danger area.
그 후 제어모듈은 지도 상에 제1 위험지역과 제2 위험지역을 표시하고, 해당 지역에 위치하고 있는 사용자 단말기에 식물의 병해충과 동물 및 인간의 감염성 질병 위험 알림을 보낸다. After that, the control module displays the first danger zone and the second danger zone on the map, and sends a notification of the risk of plant diseases and pests and infectious diseases of animals and humans to the user terminal located in the corresponding area.
본 발명의 다른 실시예에 따르면, 시스템은 기관 홈페이지나 포털 사이트를 통해 실시간 기상 정보를 수집하는 것에 덧붙여 사용자들의 단말기를 통해 실시간 기상 정보를 수집할 수 있다. 예를 들어, 사용자 단말기에 장착된 온도센서, 습도센서, 감광센서 등을 통해 해당 단말기가 위치한 지역의 기상 정보를 추가적으로 수집하고 이를 통해 기상 정보 데이터를 검증하거나 보완할 수 있다. According to another embodiment of the present invention, in addition to collecting real-time weather information through an institution's homepage or portal site, the system may collect real-time weather information through users' terminals. For example, weather information of a region in which the terminal is located may be additionally collected through a temperature sensor, a humidity sensor, and a photosensitizing sensor installed in the user terminal, and the weather information data may be verified or supplemented.
상기에서 설명한 실시예들에 따르면, 기후 변화에 따라 병해충과 감염성 질병발생을 예측할 수 있는 시스템을 제공함으로써 기후변화에 따른 농업 생산성 변화와 가축 사육에 대비하고 기후 특성과 환경에 맞는 적절한 대책을 세우는 것이 가능해지는 등 종래 기술에 비해 개선된 효과를 기대할 수 있다. According to the above-described embodiments, by providing a system that can predict the occurrence of pests and infectious diseases according to climate change, it is necessary to prepare for changes in agricultural productivity and livestock breeding according to climate change, and to establish appropriate measures suitable for climate characteristics and environment. It is possible to expect improved effects compared to the prior art.
이상에서 설명한 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템은 위에서 설명된 실시예들의 구성과 방법에 한정되는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.The plant pest and animal and human infectious disease prediction service system described above is not limited to the configuration and method of the above-described embodiments, and the embodiments are all or part of each of the embodiments so that various modifications can be made. It may be configured in combination selectively.
100 : 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템
110 : 제어모듈
120 : 데이터수집모듈
130 : 데이터베이스100: Plant pest and animal and human infectious disease prediction service system
110: control module 120: data collection module
130: database
Claims (10)
상기 제어모듈은,
서버로부터 실시간 기상 정보를 수신한 후 수신된 기상 정보와 병해충 및 감염성 질병 발생 요건 정보를 비교하여 병해충과 감염성 질병 발생 예상 지역을 파악하는 것을 특징으로 하는 병해충 및 감염성 질병 예측 서비스 시스템. Equipped with a control module that analyzes predicted area information for pests and infectious diseases and provides it to the user terminal,
The control module,
A pest and infectious disease prediction service system, characterized in that after receiving real-time meteorological information from a server and comparing the received meteorological information with information on the occurrence of pests and infectious diseases, the predicted area of occurrence of pests and infectious diseases is identified.
상기 제어모듈은,
상기 병해충 및 감염성 질병 발생 예상 지역을 지도 상에 표시하여 사용자 단말기로 전송하는 것을 특징으로 하는 병해충 및 감염성 질병 예측 서비스 시스템. The method of claim 1,
The control module,
A pest and infectious disease prediction service system, characterized in that the predicted area of the pests and infectious diseases is displayed on a map and transmitted to a user terminal.
상기 제어모듈은,
상기 서버로부터 수신한 실시간 기상 정보에 포함된 요소들의 값을 추출하고 식물의 병해충과 동물 및 인간의 감염성 질병 발생요건 정보들로부터 각 식물의 병해충과 동물 및 인간의 감염성 질병 발생에 관여하는 기상 요소들의 순위를 분석하여 상기 분석된 순위에 따라 식물의 병해충과 동물 및 인간의 감염성 질병 발생 예상 지역의 범위를 파악하는 것을 특징으로 하는 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템. The method of claim 2,
The control module,
Extracts the values of the elements included in the real-time weather information received from the server, and calculates the meteorological elements involved in the occurrence of infectious diseases of each plant and pests and animals and humans from the information on the occurrence requirements of plant pests and infectious diseases of animals and humans. A system for predicting plant pests, animals, and human infectious diseases, characterized in that by analyzing the rankings, the range of the predicted area of occurrence of plant pests, animals, and human infectious diseases according to the analyzed ranking.
상기 기상 요소들은,
온도, 습도, 일조량을 포함하는 것을 특징으로 하는 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템. The method of claim 3,
The meteorological elements,
A system for predicting plant pests and infectious diseases of animals and humans, comprising temperature, humidity, and sunlight.
상기 순위 분석은,
특정 식물의 병해충과 동물 및 인간의 감염성 질병 발생 데이터에서 상기 특정 식물의 병해충과 동물 및 인간의 감염성 질병의 발생한 시기와 위치를 파악하고, 상기 위치에서 해당 시기의 기상 요소들의 평균값을 계산한 후 상기 식물의 병해충과 동물 및 인간의 감염성 질병 발생 데이터 상의 요소값과 상기 평균값과의 차이 비율을 계산하여 차이 비율이 높은 순서대로 순위를 부여하는 것을 특징으로 하는 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템. The method of claim 4,
The ranking analysis,
From the data on the occurrence of pests of a specific plant and infectious diseases of animals and humans, the time and location of the occurrence of the pests of the specific plant and the infectious diseases of animals and humans are identified, and the average value of the meteorological factors at that time is calculated at the location, and the above Prediction of plant pests and infectious diseases of animals and humans, characterized in that the difference ratio between the element value in the data on occurrence of plant pests and infectious diseases of animals and humans and the average value is calculated and ranking in the order of the highest difference ratio Service system.
상기 제어모듈은,
서버로부터 수신한 실시간 기상 정보 중 제1 순위 요소의 값이 제1 차이 비율 범위에서 벗어난 지역을 제1 위험지역으로 설정하는 것을 특징으로 하는 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템. The method of claim 5,
The control module,
A system for predicting plant pests and infectious diseases of animals and humans, characterized in that an area in which a value of a first priority factor is out of a range of a first difference ratio among real-time weather information received from a server is set as a first risk area.
상기 제어모듈은,
서버로부터 수신한 실시간 기상 정보 중 상기 제1 순위 요소의 값이 상기 제1 차이 비율 범위이면서 제2 순위 요소의 값이 제2 차이 비율 범위에서 벗어난 지역을 제2 위험지역으로 설정하는 것을 특징으로 하는 병해충 및 감염성 질병 예측 서비스 시스템.The method of claim 6,
The control module,
In the real-time weather information received from the server, the first priority factor value is the first difference ratio range and the second priority factor value is outside the second difference ratio range as a second danger area. Pest and infectious disease prediction service system.
상기 제어모듈은,
상기 제1 위험지역과 제2 위험지역을 지도 상에 서로 구분되도록 표시하는 것을 특징으로 하는 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템.The method of claim 7,
The control module,
Plant pests, animals, and human infectious disease prediction service system, characterized in that the first and second dangerous areas are displayed to be distinguished from each other on a map.
상기 제어모듈은,
상기 제1 위험지역과 제2 위험지역 중 서로 겹치는 지역을 식물의 병해충과 동물 및 인간의 감염성 질병 발생 예상 지역으로 설정하는 것을 특징으로 하는 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템. The method of claim 8,
The control module,
Plant pests and animals and human infectious diseases prediction service system, characterized in that the area overlapping with each other among the first and second dangerous areas is set as a predicted area for occurrence of plant pests, animals, and human infectious diseases.
상기 제어모듈은,
상기 식물의 병해충과 동물 및 인간의 감염성 질병 발생 예상 지역에 위치한 사용자에게 해당 식물의 병해충과 동물 및 인간의 감염성 질병에 관련된 정보를 송신하는 것을 특징으로 하는 식물의 병해충과 동물 및 인간의 감염성 질병 예측 서비스 시스템.
The method of claim 9,
The control module,
Prediction of plant pests and infectious diseases of animals and humans, characterized in that transmitting information related to the pests of the plant and infectious diseases of animals and humans to users located in areas where the occurrence of infectious diseases of plants and animals and humans is expected Service system.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190025389A KR20200106764A (en) | 2019-03-05 | 2019-03-05 | System for predicting diseases and pest signs |
| PCT/KR2019/003556 WO2020179961A1 (en) | 2019-03-05 | 2019-03-27 | Service system for predicting disease and insect pest of plant and communicable disease of animal and human |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190025389A KR20200106764A (en) | 2019-03-05 | 2019-03-05 | System for predicting diseases and pest signs |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200106764A true KR20200106764A (en) | 2020-09-15 |
Family
ID=72337871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190025389A KR20200106764A (en) | 2019-03-05 | 2019-03-05 | System for predicting diseases and pest signs |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20200106764A (en) |
| WO (1) | WO2020179961A1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102295013B1 (en) | 2020-11-30 | 2021-08-27 | 농업회사법인 주식회사 지인 | Bigdata based disease prediction system |
| WO2022092855A1 (en) * | 2020-10-29 | 2022-05-05 | 주식회사 팜클 | Big data analysis-based pest and pathogen management platform system |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112903010A (en) * | 2021-01-15 | 2021-06-04 | 启源渔业科技有限公司 | Intelligent pest and disease monitoring and preventing method |
| CN114677115A (en) * | 2022-03-29 | 2022-06-28 | 北京健卫病媒有害生物防控中心 | System and method for evaluating qualification service level of deinsectization rats |
| CN117391265B (en) * | 2023-12-13 | 2024-03-05 | 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) | Forestry pest hazard risk prediction method based on big data analysis |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101661846B1 (en) | 2015-03-05 | 2016-09-30 | (주) 더아이엠씨 | Disease and Insect Pest Signs Predicting Method |
| KR101803198B1 (en) | 2016-06-29 | 2017-12-29 | 충남대학교산학협력단 | Onion pests and diseases prevention system |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3220430B2 (en) * | 1998-03-31 | 2001-10-22 | 株式会社エヌ・ティ・ティ・データ | System and method for predicting the occurrence of pests and providing information |
| JP2006115704A (en) * | 2004-10-19 | 2006-05-11 | Hitachi Software Eng Co Ltd | Method, system and program for controlling pest prevention |
| EP2356496A4 (en) * | 2008-11-13 | 2015-05-27 | Univ Saint Louis | Apparatus and method for providing environmental predictive indicators to emergency response managers |
| JP6237210B2 (en) * | 2013-12-20 | 2017-11-29 | 大日本印刷株式会社 | Pest occurrence estimation apparatus and program |
| KR101733652B1 (en) * | 2016-11-25 | 2017-05-11 | 에쓰오씨소프트(주) | Method, electronic device and system for supporting prevention of infectious diseases based on predicting degree of risk of the infectious diseases using big data |
-
2019
- 2019-03-05 KR KR1020190025389A patent/KR20200106764A/en not_active Application Discontinuation
- 2019-03-27 WO PCT/KR2019/003556 patent/WO2020179961A1/en active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101661846B1 (en) | 2015-03-05 | 2016-09-30 | (주) 더아이엠씨 | Disease and Insect Pest Signs Predicting Method |
| KR101803198B1 (en) | 2016-06-29 | 2017-12-29 | 충남대학교산학협력단 | Onion pests and diseases prevention system |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022092855A1 (en) * | 2020-10-29 | 2022-05-05 | 주식회사 팜클 | Big data analysis-based pest and pathogen management platform system |
| KR102295013B1 (en) | 2020-11-30 | 2021-08-27 | 농업회사법인 주식회사 지인 | Bigdata based disease prediction system |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020179961A1 (en) | 2020-09-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20200106764A (en) | System for predicting diseases and pest signs | |
| CN107944596B (en) | Melon growth management expert system based on Internet of things | |
| Channe et al. | Multidisciplinary model for smart agriculture using internet-of-things (IoT), sensors, cloud-computing, mobile-computing & big-data analysis | |
| Grinn-Gofroń et al. | Airborne Alternaria and Cladosporium fungal spores in Europe: Forecasting possibilities and relationships with meteorological parameters | |
| US20180342020A1 (en) | System, method and apparatus for management of agricultural resource | |
| EP3482630B1 (en) | Method, system and computer program for performing a pest forecast | |
| Hammer et al. | Sugarcane yield prediction through data mining and crop simulation models | |
| CN111767802B (en) | Method and device for detecting abnormal state of object | |
| CN105787801A (en) | Precision Agriculture System | |
| Nabi et al. | Wireless sensor network in precision farming for forecasting and monitoring of apple disease: a survey | |
| US20220189025A1 (en) | Crop yield prediction program and cultivation environment assessment program | |
| Kumar et al. | Smart management of crop cultivation using IOT and machine learning | |
| CN113362192A (en) | Agricultural insurance underwriting method, system, equipment and storage medium | |
| JP2021128756A (en) | Futures Trading Information Display Program | |
| KR20210059561A (en) | System and method for pest management of win-win type | |
| Vikranth | An implementation of iot and data analytics in smart agricultural system–a systematic literature review | |
| CN116300608A (en) | Intelligent agriculture remote monitoring system based on big data | |
| Chen et al. | Pest incidence forecasting based on internet of things and long short-term memory network | |
| Wang et al. | Development of an empirical tomato crop disease model: a case study on gray leaf spot | |
| CN115205695A (en) | Method and system for determining planting strategy according to planting data | |
| Jagyasi et al. | Event based experiential computing in agro-advisory system for rural farmers | |
| CN112907061A (en) | Potato whole industry chain management system | |
| CN116186392A (en) | Citrus variety planting recommendation method and device, terminal equipment and storage medium | |
| Oduro Appiah et al. | Built-up area expansion in the Wa Municipality of Ghana: implications for vegetation cover loss and fragmentation | |
| Moutsinas et al. | AgroNIT: Innovating Precision Agriculture |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |