TWM610801U - 農作物生長週期與產量交互動態預測系統 - Google Patents

農作物生長週期與產量交互動態預測系統 Download PDF

Info

Publication number
TWM610801U
TWM610801U TW109215722U TW109215722U TWM610801U TW M610801 U TWM610801 U TW M610801U TW 109215722 U TW109215722 U TW 109215722U TW 109215722 U TW109215722 U TW 109215722U TW M610801 U TWM610801 U TW M610801U
Authority
TW
Taiwan
Prior art keywords
information
crop
environmental
growth cycle
module
Prior art date
Application number
TW109215722U
Other languages
English (en)
Inventor
吳君孝
Original Assignee
悠由數據應用股份有限公司
吳君孝
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 悠由數據應用股份有限公司, 吳君孝 filed Critical 悠由數據應用股份有限公司
Priority to TW109215722U priority Critical patent/TWM610801U/zh
Publication of TWM610801U publication Critical patent/TWM610801U/zh

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一種農作物生長週期與產量交互動態預測系統,用以解決習知無法即時動態修正預測結果的問題。該系統包含:一輸入模組,供輸入一預定田地的一農作物資訊及一田地資訊;一環境資訊模組,用以取得該預定田地的一環境資訊;一控制模組,以該農作物資訊由最初的環境資訊中擷取相對應的一特徵環境生態參數,以該農作物資訊、該田地資訊及該特徵環境生態參數,對種植於該預定田地的農作物的未來生長週期預測,並以預測出的生長週期對該農作物的未來產量預測,以最新的環境資訊動態修正該農作物的生長週期與產量的預測結果並傳送至一輸出模組。

Description

農作物生長週期與產量交互動態預測系統
本創作係關於一種預測系統,尤其是一種利用預測模型預測出一農作物的預估採收日及預估產量,並隨時進行動態調整更新的農作物生長週期與產量交互動態預測系統。
習知的農作物預測系統,具有一檢測平台及一管理平台,該檢測平台係透過一環境感測模組感測取得種植農地的環境因子,以取得一環境參數組,並且對種植於該種植農地上的農作物進行檢測,以取得該農作物在種植過程中的生長參數組;該管理平台耦接該檢測平台,並將該環境參數組及該生長參數組輸入至一預測模型中進行解析,以取得該農作物的預估產期及預估產量,類似於該習知的農作物預測系統的一實施例已揭露於中華民國公告第I695339號專利案當中。
上述習知的農作物預測系統,由於係擷取農作物的生長週期及產量的歷史數據來進行運算,因此,該預測模組所得到的預估產期及預估產量皆為固定不變之數值,並無法根據農地之即時環境資訊,及針對不同農作物種類、生長期來選用不同環境參數作出即時運算,以動態修正該預估產期及該預估產量,使農作物的預測結果無法達到準確,亦無法令農友即時反應改變相關數值以提升產量至目標值。
有鑑於此,習知的農作物預測系統確實仍有加以改善之必要。
為解決上述問題,本創作的目的是提供一種農作物生長週期與產量交互動態預測系統,係可以透過農作物與田地資訊,以及即時環境資訊計算符合一農作物的客製化特徵參數,並提供動態修正的預測結果,以預測出該農作物的生長週期及產量者。
本創作的次一目的是提供一種農作物生長週期與產量交互動態預測系統,針對不同生長階段取用不同的特徵環境生態參數。
本創作全文所述之「種植方式」,係指新植,以及宿根及嫁接苗等非新植方式,惟非用以限制本創作。
本創作全文所述之「栽培方式」,係指有機農業、慣行農業、無毒栽培及自然農法等方式,惟非用以限制本創作。
本創作全文所記載的元件及構件使用「一」或「一個」之量詞,僅是為了方便使用且提供本創作範圍的通常意義;於本創作中應被解讀為包括一個或至少一個,且單一的概念也包括複數的情況,除非其明顯意指其他意思。
本創作的農作物生長週期與產量交互動態預測系統,包含:一輸入模組,供一使用者輸入一預定田地的一農作物資訊及一田地資訊;一環境資訊模組,用以取得該預定田地的一環境資訊;一輸出模組,用以輸出一預測結果,該預測結果供該使用者進行採收時程規畫及通路的安排;及一控制模組,耦接該輸入模組、該環境資訊模組及該輸出模組,該控制模組由該輸入模組取得該農作物資訊及該田地資訊,並由該環境資訊模組取得該環境資訊,該控制模組根據該農作物資訊,由最初的環境資訊中擷取相對應的一特徵環境生態參數,該控制模組根據該農作物資訊、該田地資訊及該特徵環境生態參數,對種植於該預定田地的農作物的未來生長週期進行預測,以獲得一預計採收日,該控制模組根據該預計採收日、該農作物資訊、該田地資訊及該特徵環境生態參數進行預測,以獲得一預計產量,該控制模組以該預計採收日及該預計產量作為該預測結果,並持續根據由最新的環境資訊所轉換取得的特徵環境生態參數動態修正該預測結果,該控制模組將該預測結果傳送至該輸出模組。
據此,本創作的農作物生長週期與產量交互動態預測系統,係能夠藉由農作物資訊、田地資訊以及即時環境資訊計算一符合農作物生理、客製化的特徵環境生態參數,並提供動態修正的預測結果。如此,本創作的農作物生長週期與產量交互動態預測系統,係可以達到協助使用者對未來採收時程規劃及通路之安排以降低人力成本的功效。
其中,該控制模組根據該環境資訊產生一環境資訊矩陣,該環境資訊矩陣的行列資訊分別為該環境資訊與該環境資訊所取得的日期,該控制模組透過一演算法根據該農作物資訊及該田地資訊,將該環境資訊矩陣轉換成一特徵環境生態參數矩陣,由該特徵環境生態參數矩陣中取得一農作物的特徵環境生態參數,並與該農作物資訊及該田地資訊一併輸入至內建的一生長週期及產量預測模型,使該生長週期及產量預測模型預測並輸出該農作物的預計採收日及預計產量。如此,該控制模組係可以計算出該農作物於每日對應的特徵環境生態參數,並將這些參數輸至入該農作物生長週期及產量預測模型,以提供使用者最即時的生長週期及產量的預測結果,係具有協助使用者對未來採收時程規劃及通路之安排以降低人力成本的功效。
其中,該控制模組根據該預定田地所種植的農作物的生長階段,由該環境資訊中擷取相對應的特徵環境生態參數。如此,該控制模組係能夠根據農作物的生長階段選用不同的特徵環境生態參數,係具有提升農作物生長週期及產量的預測精確度的功效。
其中,該環境資訊包含一大氣溫度、一濕度、一光照強度、一土壤含水量、一土壤電導度及一土壤溫度中的至少一個。如此,係具有提升農作物生長週期及產量的預測精確度的功效。
其中,該農作物資訊包含一種植地點、一農作物種類及一種植日,該田地資訊包含一農作物植株數量、一種植方式、一栽培方式及一田地面積。如此,係具有提升農作物生長週期及產量的預測精確度的功效。
其中,該預定田地所種植的農作物係為小番茄時,該特徵環境生態參數包含一白天長度、一夜晚長度、一光照強度、一夜晚平均氣溫、一白天最高氣溫及一農作物生長積溫。如此,係具有精準預測小番茄的預計採收日及產量的功效。
為讓本創作之上述及其他目的、特徵及優點能更明顯易懂,下文特舉本創作之較佳實施例,並配合所附圖式,作詳細說明如下。
請參照第1圖所示,其係本創作農作物生長週期與產量交互動態預測系統100的一較佳實施例,係包含一輸入模組1、一環境資訊模組2、一輸出模組3及一控制模組4。
該輸入模組1供一使用者輸入一預定田地的一農作物資訊及一田地資訊。詳言之,該農作物資訊係可以包含一種植地點(如:地號、地段)、一農作物種類、及一種植日,較佳地,該農作物資訊還可以具有一施肥時程或/及一灌溉時程等農務操作資訊;該田地資訊係可以包含一農作物植株數量、一種植方式、一栽培方式及一田地面積。
另外要強調的是,在本創作中,該輸入模組1係可以為與該控制模組4以有線或無線方式相連接的滑鼠鍵盤組,亦可以為透過網路與該控制模組4相連接的雲端伺服器或具有網路及輸入功能的智慧行動裝置(如:智慧手機、平板或筆記型電腦),惟非用以作為本創作的限制。
該環境資訊模組2用以取得該預定田地的一環境資訊,在本實施例中,該環境資訊係可以包含一大氣溫度、一濕度、一光照強度、一土壤含水量、一土壤電導度及一土壤溫度中的至少一個。舉例而言,上述環境資訊係可以透過一空拍機、一衛星或/及一田間監測伺服器(Filed Server,FS)等環境資訊模組2取得,亦可以由氣象局的公開天氣資訊中取得。值得一提的是,該環境資訊模組2係可以每間隔一週期時間發送該環境資訊至該控制模組4,在本實施例中,該週期時間係為一小時,惟不以此為限。
該輸出模組3用以輸出一預測結果,在本創作中,該預測結果係可以包含一農作物的預計採收日及預計產量等資訊,以供該使用者進行採收時程規畫及通路的安排。本創作相關領域中具有通常知識者可以理解,若該農作物係屬於葉菜類,則可以不需要預測其開花日,若該農作物係屬於水果類,則必須預測其開花日,因此,根據該農作物種類,該預測結果較佳係還可以具有該農作物的預計開花日。例如但不限制地,該輸出模組3係可以為一顯示器或具有顯示功能的智慧行動裝置。
該控制模組4耦接該輸入模組1、該環境資訊模組2及該輸出模組3,該控制模組4由該輸入模組1取得該農作物資訊及該田地資訊,並由該環境資訊模組2取得該環境資訊;該控制模組4根據該農作物資訊,由最初的環境資訊中擷取相對應的一特徵環境生態參數,該特徵環境生態參數會根據該農作物種類的不同而有所變化;該控制模組4根據該農作物資訊、該田地資訊及該特徵環境生態參數,對種植於該預定田地的農作物的未來生長週期進行預測,以獲得一預計採收日;該控制模組4根據該預計採收日、該農作物資訊、該田地資訊及該特徵環境生態參數進行預測,以獲得一預計產量;該控制模組4將該預計採收日及該預計產量作為該預測結果,並持續根據由最新的環境資訊所轉換取得的特徵環境生態參數動態修正該預測結果;該控制模組4將該預測結果傳送至該輸出模組3,使該輸出模組3將該預測結果顯示給該使用者察看。
具體而言,該控制模組4係可以根據由該環境資訊模組2所取得的環境資訊產生一環境資訊矩陣,該環境資訊矩陣的行列資訊分別為該環境資訊與該環境資訊所取得的日期。該控制模組4係可以透過一演算法,根據該農作物資訊及該田地資訊,將該環境資訊矩陣轉換成一特徵環境生態參數矩陣。該控制模組4由該特徵環境生態矩陣中取得該農作物的特徵環境生態參數,並與該農作物資訊及該田地資訊一併輸入至內建的一生長週期及產量預測模型41,使該生長週期及產量預測模型41對該農作物的未來生長週期進行預測,以獲得該農作物的預計開花日及預計採收日;該生長週期及產量預測模型41根據該預計開花日及該預計採收日、該農作物資料、該田地資訊及該特徵環境生態參數,對該農作物的未來產量進行預測,以獲得該農作物的預計產量;該生長週期及產量預測模型41將該預計採收日及該預計產量作為該預測結果並進行輸出。其中,該生長週期及產量預測模型41係能夠以一回歸模型、一隨機森林模型或一神經網路模型等方式,對該農作物的預計開花日、預計採收日及預計產量進行預測,惟不以此為限。
舉例而言,本發明以「小番茄」作為預測的農作物進行說明,其預測方式200描述如下。使用者(如:田間工作者)係可以透過該輸入模組1輸入該農作物資訊及該田地資訊,並將該農作物資訊及該田地資訊傳送至該控制模組4,該控制模組4由該環境資訊模組2取得種植小番茄的田地的環境資訊,例如:大氣溫度、濕度、光照強度、土壤含水量、土壤電導度、土壤溫度(步驟S11);由於,適合小番茄生長的溫度在白天與晚上分別有所不同,因此,該控制模組4係可以透過該演算法根據小番茄的農作物資訊及田地資訊,由上述環境資訊中提取符合的該特徵環境生態參數,意即,由該演算法係可以根據該種植地點計算出經緯度座標,並依據日期計算出每天的日出日落時間,以取得會影響小番茄生長因素的白天長度及夜晚長度,該演算法亦可以透過光照強度計算取得該白天長度及該夜晚長度;另一方面,由該大氣溫度中取得會影響小番茄生長因素的夜晚平均氣溫及白天最高氣溫,以及藉由換算該大氣溫度,以取得會影響小番茄生長因素的農作物生長積溫(步驟S13)。
接著,該控制模組4係可以將該農作物資訊、該田地資訊及該特徵環境生態參數輸入至該生長週期及產量預測模型41,使該生長週期及產量預測模型41根據每天不同時段所接收到的特徵環境生態參數進行預測,以預測出小番茄的預計開花日、預計採收日及預計產量等資訊的預測結果,以提供最即時的生長週期及產量預測(步驟S15)。最終,該控制模組4係將該農作物的預計開花日、預計採收日及預計產量等預測結果藉由該輸出模組3輸出,以供該使用者進行採收時程規畫及通路的安排(步驟S17)。
值得一提的是,由於該控制模組4係可以根據該預定田地所種植的農作物的生長階段,由該環境資訊中擷取相對應的特徵環境生態參數,例如:小番茄在不同時期的生長週期(如:幼苗期和開花期),可能對於光照強度、溫差、土壤含水量、白天土壤含水量差值、土壤電導度及土壤電導度差值的要求也會有所不同,故,在該生長週期及產量預測模型41中,便會將這些變數一併考量進去,以提供更精確的預測結果。
請參照第3~5圖所示,小番茄的種植日在2019年12月20日,在小番茄種植日當天,由於尚未取得任何環境資訊,因此,本創作的農作物生長週期與產量交互動態預測系統100係可以先以歷史環境資訊推估小番茄的預計採收日,且所推估的預計採收日為2020年4月15日至2020年5月25日區間,以及每日的預估產量為590~690公斤/分之間。隨著時間推移,接收到的即時環境資訊的數據與歷史環境資訊的數據必不相同,因此,在小番茄種植日的十天之後,隨著該環境資訊及該特徵環境生態參數的變化,本創作的系統100對小番茄的預計採收日的推估,也逐步修正為2020年3月10日至2020年4月10日區間。由於,小番茄的預計採收日的預測變動,使得該生長週期及產量預測模型41會根據這樣的變動去重新預測小番茄的預測產量,以重新推估出小番茄的每日預估產量為450~480公斤/分之間。隨著小番茄的種植天數來到第六十天,該生長週期及產量預測模型41推估小番茄的預計採收日落在2020年4月1日至2020年5月7日區間,每日的預計產量落在530~560公斤/分之間,且與該使用者實際採收的日子只相差兩天。因此,使用者係能夠透過本創作的系統100,根據預計採收日及預計產量等資訊,提早進行採收時程規劃及通路的安排以降低人力成本。
綜上所述,本創作的農作物生長週期與產量交互動態預測系統,係能夠藉由農作物資訊、田地資訊以及即時環境資訊計算一符合農作物生理、客製化的特徵環境生態參數,並提供動態修正的預測結果。如此,本創作的農作物生長週期與產量交互動態預測系統,係可以達到協助使用者對未來採收時程規劃及通路之安排以及規劃以降低人力成本的功效。
雖然本創作已利用上述較佳實施例揭示,然其並非用以限定本創作,任何熟習此技藝者在不脫離本創作之精神和範圍之內,相對上述實施例進行各種更動與修改仍屬本創作所保護之技術範疇,因此本創作之保護範圍當視後附之申請專利範圍所界定者為準。
﹝本創作﹞ 100:農作物生長週期與產量交互動態預測系統 1:輸入模組 2:環境資訊模組 3:輸出模組 4:控制模組 41:生長週期及產量預測模型 200:預測方法 S11:步驟 S13:步驟 S15:步驟 S17:步驟
[第1圖] 本創作一較佳實施例的系統方塊圖。 [第2圖] 本創作一較佳實施例的操作流程圖。 [第3圖] 本創作一較佳實施例於種植日當天的預測結果示意圖。 [第4圖] 本創作一較佳實施例於種植日過後10天的預測結果示意圖。 [第5圖] 本創作一較佳實施例於種植日過後60天的預測結果示意圖。
100:農作物生長週期與產量交互動態預測系統
1:輸入模組
2:環境資訊模組
3:輸出模組
4:控制模組
41:生長週期及產量預測模型

Claims (6)

  1. 一種農作物生長週期與產量交互動態預測系統,包含: 一輸入模組,供一使用者輸入一預定田地的一農作物資訊及一田地資訊; 一環境資訊模組,用以取得該預定田地的一環境資訊; 一輸出模組,用以輸出一預測結果,該預測結果供該使用者進行採收時程規畫及通路的安排;及 一控制模組,耦接該輸入模組、該環境資訊模組及該輸出模組,該控制模組由該輸入模組取得該農作物資訊及該田地資訊,並由該環境資訊模組取得該環境資訊,該控制模組根據該農作物資訊,由最初的環境資訊中擷取相對應的一特徵環境生態參數,該控制模組根據該農作物資訊、該田地資訊及該特徵環境生態參數,對種植於該預定田地的農作物的未來生長週期進行預測,以獲得一預計採收日,該控制模組根據該預計採收日、該農作物資訊、該田地資訊及該特徵環境生態參數進行預測,以獲得一預計產量,該控制模組以該預計採收日及該預計產量作為該預測結果,並持續根據由最新的環境資訊所轉換取得的特徵環境生態參數動態修正該預測結果,該控制模組將該預測結果傳送至該輸出模組。
  2. 如請求項1之農作物生長週期與產量交互動態預測系統,其中,該控制模組根據該環境資訊產生一環境資訊矩陣,該環境資訊矩陣的行列資訊分別為該環境資訊與該環境資訊所取得的日期,該控制模組透過一演算法根據該農作物資訊及該田地資訊,將該環境資訊矩陣轉換成一特徵環境生態參數矩陣,由該特徵環境生態參數矩陣中取得一農作物的特徵環境生態參數,並與該農作物資訊及該田地資訊一併輸入至內建的一生長週期及產量預測模型,使該生長週期及產量預測模型預測並輸出該農作物的預計採收日及預計產量。
  3. 如請求項1之農作物生長週期與產量交互動態預測系統,其中,該控制模組根據該預定田地所種植的農作物的生長階段,由該環境資訊中擷取相對應的特徵環境生態參數。
  4. 如請求項1之農作物生長週期與產量交互動態預測系統,其中,該環境資訊包含一大氣溫度、一濕度、一光照強度、一土壤含水量、一土壤電導度及一土壤溫度中的至少一個。
  5. 如請求項1之農作物生長週期與產量交互動態預測系統,其中,該農作物資訊包含一種植地點、一農作物種類及一種植日,該田地資訊包含一農作物植株數量、一種植方式、一栽培方式及一田地面積。
  6. 如請求項1之農作物生長週期與產量交互動態預測系統,其中,該預定田地所種植的農作物係為小番茄時,該特徵環境生態參數包含一白天長度、一夜晚長度、一光照強度、一夜晚平均氣溫、一白天最高氣溫及一農作物生長積溫。
TW109215722U 2020-11-27 2020-11-27 農作物生長週期與產量交互動態預測系統 TWM610801U (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW109215722U TWM610801U (zh) 2020-11-27 2020-11-27 農作物生長週期與產量交互動態預測系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW109215722U TWM610801U (zh) 2020-11-27 2020-11-27 農作物生長週期與產量交互動態預測系統

Publications (1)

Publication Number Publication Date
TWM610801U true TWM610801U (zh) 2021-04-21

Family

ID=76606188

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109215722U TWM610801U (zh) 2020-11-27 2020-11-27 農作物生長週期與產量交互動態預測系統

Country Status (1)

Country Link
TW (1) TWM610801U (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI773397B (zh) * 2021-06-22 2022-08-01 林泰佑 依田間環境進行判斷以提示輸入作業資料之系統及方法
TWI796616B (zh) * 2020-11-27 2023-03-21 悠由數據應用股份有限公司 農作物生長週期與產量交互動態預測系統
TWI830545B (zh) * 2022-12-19 2024-01-21 財團法人工業技術研究院 智慧化控制作物補光方法及系統

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI796616B (zh) * 2020-11-27 2023-03-21 悠由數據應用股份有限公司 農作物生長週期與產量交互動態預測系統
TWI773397B (zh) * 2021-06-22 2022-08-01 林泰佑 依田間環境進行判斷以提示輸入作業資料之系統及方法
TWI830545B (zh) * 2022-12-19 2024-01-21 財團法人工業技術研究院 智慧化控制作物補光方法及系統

Similar Documents

Publication Publication Date Title
EP3534689B1 (en) Controlling agricultural production areas
TWM610801U (zh) 農作物生長週期與產量交互動態預測系統
Migliaccio et al. Smartphone apps for irrigation scheduling
US20180014452A1 (en) Agronomic systems, methods and apparatuses
CN108781926B (zh) 基于神经网络预测的大棚灌溉系统及方法
Karimi et al. Web-based monitoring system using Wireless Sensor Networks for traditional vineyards and grape drying buildings
Deihimfard et al. Yield gap analysis in major wheat growing areas of Khorasan province, Iran, through crop modelling
CN108077042A (zh) 一种冬小麦全生育期灌溉预警决策方法
CN102413161A (zh) 一种苹果果园精准管理系统
JPH11346578A (ja) 農業作業支援装置
Povilaitis et al. Relationship between spring barley productivity and growing management in Lithuania’s lowland
Amarasingha et al. Aligning sowing dates with the onset of rains to improve rice yields and water productivity: modelling rice (Oryza sativa L.) yield of the Maha season in the dry zone of Sri Lanka.
Ezekiel et al. Calibrating and validating AquaCrop model for maize crop in Northern zone of Nigeria
CN118446598A (zh) 一种基于rzwqm2模型的精准灌溉决策方法
JP2018007630A (ja) 栽培支援装置
Naresh Kumar et al. Vulnerability of Indian mustard (Brassica juncea (L.) Czernj. Cosson) to climate variability and future adaptation strategies
KR102355211B1 (ko) 농작물 재배 모니터링 시스템
CN110751322B (zh) 一种基于大数据分析预测的荔枝控梢促花管理方法
Mittal et al. IoT-based precision monitoring of horticultural crops—A case-study on cabbage and capsicum
CN106465635A (zh) 基于土壤的农业互联生产方法
TWI796616B (zh) 農作物生長週期與產量交互動態預測系統
More et al. An agro advisory for pomegranate field using wireless sensor network
Venkatachalam et al. Future IoT Applications using Artificial Intelligence-based Sensors: Agriculture
Mate Internet of Things (IoT) based Irrigation and Soil Nutrient Management System
Dobermann et al. Understanding and managing corn yield potential