CN107742172A - 预测农作物产量的方法、***及计算机装置 - Google Patents
预测农作物产量的方法、***及计算机装置 Download PDFInfo
- Publication number
- CN107742172A CN107742172A CN201711070581.6A CN201711070581A CN107742172A CN 107742172 A CN107742172 A CN 107742172A CN 201711070581 A CN201711070581 A CN 201711070581A CN 107742172 A CN107742172 A CN 107742172A
- Authority
- CN
- China
- Prior art keywords
- crops
- default
- growth
- aberration
- nutrient solution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009434 installation Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004519 manufacturing process Methods 0.000 claims abstract description 69
- 230000035784 germination Effects 0.000 claims abstract description 56
- 238000009331 sowing Methods 0.000 claims abstract description 19
- 230000012010 growth Effects 0.000 claims description 168
- 230000004075 alteration Effects 0.000 claims description 121
- 235000015097 nutrients Nutrition 0.000 claims description 94
- 238000004590 computer program Methods 0.000 claims description 9
- 239000007788 liquid Substances 0.000 claims description 7
- 235000016709 nutrition Nutrition 0.000 claims description 7
- 230000035764 nutrition Effects 0.000 claims description 7
- 235000013311 vegetables Nutrition 0.000 description 14
- 238000009313 farming Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000003698 anagen phase Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012271 agricultural production Methods 0.000 description 4
- 210000004209 hair Anatomy 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000219198 Brassica Species 0.000 description 2
- 235000003351 Brassica cretica Nutrition 0.000 description 2
- 244000178993 Brassica juncea Species 0.000 description 2
- 235000005855 Brassica juncea var. subintegrifolia Nutrition 0.000 description 2
- 240000007124 Brassica oleracea Species 0.000 description 2
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 2
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 2
- 235000003343 Brassica rupestris Nutrition 0.000 description 2
- 244000241257 Cucumis melo Species 0.000 description 2
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 2
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 2
- QKSKPIVNLNLAAV-UHFFFAOYSA-N bis(2-chloroethyl) sulfide Chemical compound ClCCSCCCl QKSKPIVNLNLAAV-UHFFFAOYSA-N 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000012272 crop production Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000010460 mustard Nutrition 0.000 description 2
- 240000007087 Apium graveolens Species 0.000 description 1
- 235000015849 Apium graveolens Dulce Group Nutrition 0.000 description 1
- 235000010591 Appio Nutrition 0.000 description 1
- 235000006008 Brassica napus var napus Nutrition 0.000 description 1
- 235000011299 Brassica oleracea var botrytis Nutrition 0.000 description 1
- 240000003259 Brassica oleracea var. botrytis Species 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- 240000008574 Capsicum frutescens Species 0.000 description 1
- 241001674939 Caulanthus Species 0.000 description 1
- 235000007516 Chrysanthemum Nutrition 0.000 description 1
- 244000067456 Chrysanthemum coronarium Species 0.000 description 1
- 235000007871 Chrysanthemum coronarium Nutrition 0.000 description 1
- 244000189548 Chrysanthemum x morifolium Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000088415 Raphanus sativus Species 0.000 description 1
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 244000061458 Solanum melongena Species 0.000 description 1
- 235000002597 Solanum melongena Nutrition 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 244000300264 Spinacia oleracea Species 0.000 description 1
- 235000009337 Spinacia oleracea Nutrition 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000001390 capsicum minimum Substances 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000010198 maturation time Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种预测农作物产量的方法、***及计算机装置。在本发明中,在所述农作物的播种期记录所述农作物的播种量,根据所述播种量和所述农作物的预设发芽率以及预设移栽成苗率确定所述农作物的预测定植量,根据所述预测定植量和所述农作物的预设单颗平均重量确定所述农作物的第一预测产量。本发明可以根据农作物在播种期的播种量、农作物的预设发芽率、预设移栽成苗率以及预设单颗平均重量确定农作物的预测产量,因此,可以提高预测农作物产量的准确率和效率。
Description
技术领域
本发明属于农业生产领域,尤其涉及一种预测农作物产量的方法、***及计算机装置。
背景技术
农业是我国国民经济的重要方面,随着人口越来越多,对农业生产以及农业资源的管理的要求也越来越高。随着信息科学技术发展,现代农业由传统的粗犷型管理向信息化和科学化转变,形成了一套科学的、自动化的、新的农业生产管理***。在农业生产过程中,通常需要提前预估农作物的产量。但是,由于农作物产量受到诸多因素的影响,如环境因素、成熟时间以及病虫害等因素,导致现有的预测农作物产量的方法存在准确率低、效率低的问题。
因此,现有的预测农作物产量的方法存在准确率低、效率低的问题。
发明内容
本发明提供一种预测农作物产量的方法、***及计算机装置,旨在解决现有的预测农作物产量的方法存在的准确率低、效率低的问题。
本发明第一方面提供一种预测农作物产量的方法,应用于计算机装置中,所述方法包括:
在所述农作物的播种期记录所述农作物的播种量;
根据所述播种量和所述农作物的预设发芽率以及预设移栽成苗率确定所述农作物的预测定植量;
根据所述预测定植量和所述农作物的预设单颗平均重量确定所述农作物的第一预测产量。
在较优的一实施例中,所述方法还包括:
在所述农作物的生长期,获取所述农作物的实际定植量;
根据所述实际定植量以及所述预设单颗平均重量确定第二预测产量。
在较优的一实施例中,在所述第一预测产量低于预设目标产量时、或者在所述第二预测产量低于所述第一预测产量或者低于所述预设目标产量时,所述方法还包括:
在所述农作物的生长期,获取所述农作物的生长数据;
将所述农作物的生长数据与所述计算机装置中预先存储的预设生长数据进行对比,并根据对比结果调整所述农作物的营养液配比,以对所述农作物的生长进行控制。
在较优的一实施例中,所述农作物的种植区域安装有与所述计算机装置进行通讯连接的多个摄像头,所述获取所述农作物的生长数据包括:
通过所述多个摄像头采集在所述种植区域的多个预设区域位置的农作物生长图。
在较优的一实施例中,所述预设生长数据包括对应每个预设区域位置的农作物生长标准图,所述将所述农作物的生长数据与所述计算机装置中预先存储的预设生长数据进行对比,并根据对比结果调整所述农作物的营养液配比包括:
将每个预设区域位置的农作物生长图与对应的农作物生长标准图进行对比以确定对应每个预设区域位置的色差值,并确定色差平均值;
根据所述色差平均值调整所述农作物的营养液配比。
在较优的一实施例中,所述根据所述色差平均值调整所述农作物的营养液配比包括:
根据所述色差平均值所属的预设色差等级,确定与所述预设色差等级相应的预设营养液配比;
获取所述农作物当前的营养液配比;
若所述农作物当前的营养液配比与所确定的所述预设营养液配比不同,则调整所述农作物当前的营养液配比至与所述预设色差等级相应的预设营养液配比。
在较优的一实施例中,所述方法还包括:将所述色差平均值所属的预设色差等级以及与所述预设色差等级相应的预设营养液配比显示在与所述计算机装置进行通讯连接的管理终端上。
在较优的一实施例中,所述方法还包括:
若所述色差平均值所述的预设色差等级超过预设阈值时,发送预警信息至与所述计算机装置进行通讯连接的管理终端。
本发明第二方面提供一种预测农作物产量的***,应用于计算机装置中,所述***包括:
播种量记录模块,用于在所述农作物的播种期记录所述农作物的播种量;
定植量预测模块,用于根据所述播种量和所述农作物的预设发芽率以及预设移栽成苗率确定所述农作物的预测定植量;
产量预测模块,用于根据所述预测定植量和所述农作物的预设单颗平均重量确定所述农作物的第一预测产量。
本发明第三方面提供一种计算机装置,所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现上述任一实施例所述预测农作物产量的方法。
在本发明中,在农作物的播种期记录农作物的播种量,根据播种量和农作物的预设发芽率以及预设移栽成苗率确定农作物的预测定植量,根据预测定植量和农作物的预设单颗平均重量确定农作物的第一预测产量。本发明可以根据农作物在播种期的播种量、农作物的预设发芽率、预设移栽成苗率以及预设单颗平均重量确定农作物的预测产量,因此,可以提高预测农作物产量的准确率和效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的预测农作物产量的方法的实现流程图;
图2是本发明实施例提供的预测农作物产量的***的功能模块图;
图3是本发明实施例提供的计算机装置的结构示意图。
主要元件符号说明
计算机装置 | 1 |
摄像头 | 2 |
预测农作物产量的*** | 10 |
播种量记录模块 | 101 |
定植量预测模块 | 102 |
产量预测模块 | 103 |
存储器 | 11 |
处理器 | 12 |
输入输出设备 | 13 |
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1示出了本发明实施例提供的预测农作物产量的方法的实现流程,根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图1所示,预测农作物产量的方法,应用于计算机装置1中,所述预测农作物产量的方法包括:
步骤S101,在所述农作物的播种期记录所述农作物的播种量。
其中,所述农作物可以是粮食作物、也可以是诸如蔬菜作物、油料作物以及瓜果花卉等经济作物,所述蔬菜作物包括萝卜等根类蔬菜,菠菜、芹菜以及茼蒿等绿叶蔬菜,白菜类蔬菜,甘蓝、花椰菜等甘蓝类蔬菜,水东芥菜、茎芥菜以及叶芥菜等芥菜类蔬菜,马铃薯、山药等薯芋类蔬菜,番茄、茄子以及辣椒等茄果类蔬菜;所述蔬菜作物还包括瓜类蔬菜、豆类蔬菜、水生蔬菜以及食用菌类等。
在所述农作物的播种期,统计并记录农作物的播种量,以便作为后续跟踪和管理的基础依据。其中,所述播种量可以根据对市场需求或者该农作物当前或者采收期的供求关系预测确定的播种量。此外,在其他实施方式中,所述播种量还可根据预设目标产量进行确定。
步骤S102,根据所述播种量和所述农作物的预设发芽率以及预设移栽成苗率确定所述农作物的预测定植量。
所述预设发芽率为预先设置的发芽率,所述预设发芽率是根据之前该农作物在多批次的发芽率数据的统计结果得到的。例如,根据该农作物之前的多批次的发芽率的统计结果,得到该农作物多个批次的发芽率,具体的,如发芽率1、发芽率2、发芽率3、发芽率4、发芽率5以及发芽率6,则该预设发芽率为发芽率1、发芽率2、发芽率3、发芽率4、发芽率5以及发芽率6的平均发芽率,即预设发芽率=(发芽率1+发芽率2+发芽率3+发芽率4+发芽率5+发芽率6)/6。在采用n批次的发芽率确定预设发芽率时,预设发芽率=(发芽率1+发芽率2+发芽率3+······+发芽率n-2+发芽率n-1+发芽率n)/n,其中,所述批次数n为正整数,且可以根据计算量和精确度进行平衡,以及根据实际生产管理情况选取合适的数值n。可以说,统计的发芽率的批次n越多,所述预设发芽率越接近实际的发芽率。
所述预设移栽成苗率为预先设置的移栽成苗率,所述预设移栽成苗率是根据之前该农作物在多批次的移栽成苗率数据的统计结果得到的。例如,根据该农作物之前的多批次的移栽成苗率的统计结果,得到该农作物多个批次的移栽成苗率。在采用n批次的移栽成苗率确定预设移栽成苗率时,预设移栽成苗率=(移栽成苗率1+移栽成苗率2+移栽成苗率3+······+移栽成苗率n-2+移栽成苗率n-1+移栽成苗率n)/n。其中,所述批次数n为正整数,且可以根据计算量和精确度进行平衡,以及根据实际生产管理情况选取合适的数值n,统计的移栽成苗率的批次n越多,所述预设移栽成苗率越接近实际的移栽成苗率。在获取到所述农作物的播种量和所述农作物的预设发芽率以及所述农作物的预设移栽成苗率后,即可根据定植量=播种量*发芽率*移栽成苗率的计算方法对所述农作物的定植量进行预测,即预测定植量=播种量*预设发芽率*预设移栽成苗率,确定所述农作物的预测定植量。
步骤S103,根据所述预测定植量和所述农作物的预设单颗平均重量确定所述农作物的第一预测产量。
其中,所述预设单颗平均重量为预先设置的单颗平均重量,所述预设单颗平均重量是根据之前该农作物多批次的单颗平均重量数据的统计结果得到的。例如,根据该农作物之前多批次的单颗平均重量的统计结果,得到该农作物的多个批次的单颗平均重量,具体的,如单颗平均重量1、单颗平均重量2、单颗平均重量3、单颗平均重量4、单颗平均重量5以及单颗平均重量6,则该预设单颗平均重量为单颗平均重量1、单颗平均重量2、单颗平均重量3、单颗平均重量4、单颗平均重量5以及单颗平均重量6的平均单颗平均重量,即预设单颗平均重量=(单颗平均重量1+单颗平均重量2+单颗平均重量3+单颗平均重量4+单颗平均重量5+单颗平均重量6)/6。在采用n批次的单颗平均重量确定预设单颗平均重量时,预设单颗平均重量=(单颗平均重量1+单颗平均重量2+单颗平均重量3+……+单颗平均重量n-2+单颗平均重量n-1+单颗平均重量n)/n。其中,所述批次数n为正整数,且可以根据计算量和精确度进行平衡,以及根据实际生产管理情况选取合适的数值n。可以说,统计的单颗平均重量的批次n越多,所述预设单颗平均重量越接近实际的单颗平均重量。
在获取到所述所述农作物的预测定植量和所述农作物的预设单颗平均重量,即可根据产量=定植量*预设单颗平均重量。即根据第一预测产量=预测定植量*预设单颗平均重量,确定所述农作物的第一预测产量,以实现对所述农作物产量的预测。
在本发明实施例中,在所述农作物的播种期记录所述农作物的播种量,根据所述播种量和所述农作物的预设发芽率以及预设移栽成苗率确定所述农作物的预测定植量,根据所述预测定植量和所述农作物的预设单颗平均重量确定所述农作物的第一预测产量。本发明实施例可以根据农作物在播种期的播种量、农作物的预设发芽率、预设移栽成苗率以及预设单颗平均重量确定农作物的预测产量,因此,可以提高预测农作物产量的准确率和效率。
在本发明实施例中,在所述农作物的播种期记录所述农作物的播种量,根据所述播种量和所述农作物的预设发芽率以及预设移栽成苗率确定所述农作物的预测定植量,根据所述预测定植量和所述农作物的预设单颗平均重量确定所述农作物的第一预测产量,本发明实施例可以根据农作物在播种期的播种量、农作物的预设发芽率、预设移栽成苗率以及预设单颗平均重量确定农作物的预测产量,因此,可以提高预测农作物产量的准确率和效率。
在较优的一实施例中,在上述图1所示的基础上,所述预测农作物产量的方法还包括:
在所述农作物的生长期,获取所述农作物的实际定植量。
鉴于农作物在育苗时只有一部分的农作物的种子能够发芽成为幼苗,并且在将农作物的幼苗进行定植移栽的时候,会受到多种因素的影响,导致只有一部分的幼苗可以成功定植。因此,所述发芽率以及所述移栽成苗率均小于100%。为了便于对所述农作物的发芽情况和移栽成苗的情况进行了解和跟踪,则在所述农作物的生长期,对所述农作物的实际定植情况进行统计,获取所述农作物的实际定植量。
根据所述实际定植量以及所述预设单颗平均重量确定第二预测产量。
同样的,根据产量=定植量*预设单颗平均重量,在所述农作物的生长期获取所述实际定植量之后,对所述农作物的产量再次进行预测,并获得产量预测结果,即根据第二预测产量=实际定植量*预设单颗平均重量,在所述农作物的生长期确定所述农作物的第二预测产量。
为了对所述农作物的生长进行控制和管理,以便所述农作物的生长能够达到预想的或者预测的农作物产量,在较优的一实施例中,在所述第一预测产量低于预设目标产量时或者在所述第二预测产量低于所述第一预测产量或者低于所述预设目标产量时,所述预测农作物产量的方法还包括:
在所述农作物的生长期,获取所述农作物的生长数据。
其中,所述预设目标产量为预先设置的目标产量,即根据市场情况的发展和供求关系预先设置的预测产量,在所述农作物的采收期,所述预测产量能够既满足市场需求,又能够达到一定的经济效率或者价值。另外,所述预设目标产量和所述第一预测产量可以是相同的,也可以是不同的。在所述预设目标产量和所述第一预测产量不同的情况下,若在播种期确定的所述第一预测产量低于所述预设目标产量,或者根据确定实际定植量确定的第二预测产量低于所述在播种期确定的第一预测产量,又或者在播种期确定的所述第一预测产量低于所述预设目标产量,则说明所述农作物的生长和预设目标产量产生了一定的偏差,需要及时对所述农作物的生长进行控制和管理,以期实现预设目标产量,则在所述农作物达到生长期时,即在所述农作物的生长期,获取所述农作物的生长数据,以便对所述农作物的生长情况进行监控和管理。其中,所述生长期包括初期生长期、中期生长期以及后期生长期。所述生长数据可以是图像数据或者视频数据。
将所述农作物的生长数据与所述计算机装置1中预先存储的预设生长数据进行对比,并根据对比结果调整所述农作物的营养液配比,以对所述农作物的生长进行控制。
在获取到所述农作物的生长数据之后,将所述农作物的生长数据与计算机装置1中预先存储的的预设生长数据进行对比。其中,在计算机装置1中预先存储的预设生长数据和所述农作物的生长数据是相应的。将获取到的农作物生长期的生长数据与计算机装置1中预先存储的生长期的预设生长数据进行对比,并根据对比结果调整所述农作物的营养液配比,通过调整营养液的配比来控制所述农作物的生长,以对所述农作物进行管理和监控,以期达到预设目标产量。
在较优的一实施例中,所述农作物的种植区域安装有与所述计算机装置1进行通讯连接的多个摄像头2,所述获取所述农作物的生长数据包括:
通过所述多个摄像头采集在所述种植区域的多个预设区域位置的农作物生长图。
本发明实施例中,农作物的种植区域安装有与所述计算机装置1进行通讯连接的多个摄像头2,如图3所示,此处仅在图3中示例性的画出两个摄像头2。所述多个摄像头2通过有线或者无线与所述计算机装置1进行通讯连接。所述多个摄像头2分别按照预设的位置和角度预先安装在农作物的种植区域的多个不同的位置和角度,在本发明实施例中,所述多个摄像头2的数量为6个,所述多个摄像头2的数量以及放置的位置和角度也可以根据实际需要和生产管理的需求进行修改。多个不同角度可以分别为左上角度、右上角度、侧上角度、侧下角度、左侧角度以及右侧角等,也可以设置除上述几个角度之外的其它角度。所述多个摄像头2在安装好位置和设置好角度之后其采集的农作物的种植区域是固定的。因此,为了对农作物的生长进行控制和管理,在所述农作物的生长期,通过预先设置的所述多个摄像头2采集所述农作物种植区域的多个预设区域位置的农作物生长图。
其中,所述预设区域位置与所述摄像头2安装的位置和设置的角度相关联,在摄像头2的位置和角度确定后,摄像头2采集的种植区域是固定的,所述预设区域位置是可以根据实际需要和生产管理需求预先设置的农作物的某部分区域位置,另外,也可以通过调整摄像头2的位置和角度改变摄像头2采集的预设区域位置。
相应的,在较优的一实施例中,所述预设生长数据包括对应每个预设区域位置的农作物生长标准图,所述将所述农作物的生长数据与所述计算机装置1中预先存储的预设生长数据进行对比,并根据对比结果调整所述农作物的营养液配比包括包括:
将每个预设区域位置的农作物生长图与对应的农作物生长标准图进行对比以确定对应每个预设区域位置的色差值,并确定色差平均值。
在获取到农作物生长期的多张不同预设区域位置的农作物生长图之后,将每个预设区域位置的所述生长期的农作物生长图与计算机装置1中预先存储的对应的农作物生长标准图分别进行对比。其中,在计算机装置1中预先存储的农作物标准图和通过摄像头2采集到的多张不同预设区域位置的农作物生长图是相应的,即相应的农作物生长标准图中的区域位置和农作物生长图中的预设区域位置是相应的区域位置。
对于在所述计算机装置1中预先设置的农作物生长标准图,在农作物的生长期,通过每个摄像头2在所述预设区域位置采集多个农作物的生长图,并根据用户的选择从中确定每个预设区域位置农作物生长最为理想的生长图作为后续进行比对的农作物生长标准图。在其他的实施例中,所述农作物生长标准图还可通过其他方式预先设置,例如,用户以经验判断的,在农作物生长状态最佳时拍摄所得的影像或者图片、在拍摄的农作物的生长图的基础上进行编辑处理后的图等等。
例如,在计算机装置1中预先存储的生长期的农作物生长标准图为摄像头2在预设的位置和角度采集的6张预设区域位置的农作物生长标准图,则在农作物的生长期,将所述多个摄像头2按照所述预设位置和角度预先设置,并采集农作物在生长期的6张农作物生长图。将在所述农作物的生长期采集到的6张农作物生长图和计算机装置1中预先存储的6张农作物生长标准图分别进行比对,确定每个预设区域位置的色差值,即确定每一张农作物生长图与相应的农作物生长标准图的色差值,至此可以确定6个色差值:色差值1、色差值2、色差值3、色差值4、色差值5以及色差值6。在确定出上述6个色差值后,再确定上述6个色差值的色差平均值,即:色差平均值=(色差值1+色差值2+色差值3+色差值4+色差值5+色差值6)/6,即可以获得所述农作物在生长期的色差平均值。上述色差值可利用现有技术中的色差计算方法进行确定,此处不再详细赘述。上述色差值可利用现有技术中的色差计算方法进行确定。
根据所述色差平均值调整所述农作物的营养液配比。
若所述农作物生长图和所述预设的农作物生长标准图存在色差,则说明所述农作物在当前的生长状态和理想的生长状态存在差异,则需要对所述农作物当前的营养液配比进行调整,以对所述农作物的生长状态进行控制和管理,即根据所述色差平均值对所述农作物的营养液配比进行调整。
在较优的一实施例中,具体的,所述根据所述色差平均值调整所述农作物的营养液配比包括:
根据所述色差平均值所属的预设色差等级,确定与所述预设色差等级相应的预设营养液配比。
在获取到上述色差平均值后,要确定所述色差平均值所属的预设色差等级。所述预设色差等级为预先设置的色差等级,其是将一定范围的色差范围值预先划分为多个等级,具体划分的各个预设色差等级之间的间隔和预先设置的预设色差等级的等级数可以根据实际需要自由设定,此处不做特别的限制。例如,将色差范围划分为五个色差区间,对应的设置五个预设色差等级,根据上述确定的生长期的色差平均值所在的色差区间,确定色差平均值所属的预设色差等级,在确定色差平均值所属的预设色差等级之后,再行确定与所述预设色差等级相应的预设营养液配比。所述预设营养液配比为预先设置的与所述色差等级相应的营养液配比。第一色差等级对应的为第一预设营养液配比,第二色差等级对应的为第二预设营养液配比等等以此类推。具体的可以根据生长期的生长特性和营养液需求设置符合生长期的预设色差等级和预设营养液配比,所述预设色差等级和相应的预设营养液配比也可以根据实际需要和生产管理的需求进行相应的设置和更改。需要说明的是,在本发明的实施例中,色差的确定以及色差等级的确定表明该农作物的生长与标准生长存在一定的差距,因此,需要通过下述营养液配比的相应调整来实现对所述农作物生长的控制。另外,可以根据生长期的生长特性和需要设置符合生长期的预设色差等级和预设营养液配比。所述预设色差等级和相应的预设营养液配比可以根据实际需要和生产管理的需求进行相应的设置和更改。
获取所述农作物当前的营养液配比。
为了确定所述农作物当前的生长是否处于理想或者标准的生长状态,在该步骤中获取所述农作物当前的营养液配比,以便对所述农作物的生长状态进行监控和管理。
若所述农作物当前的营养液配比与所确定的所述预设营养液配比不同,则调整所述农作物当前的营养液配比至与所述预设色差等级相应的预设营养液配比。
可以理解的是,所述预设营养液配比为促使当前生长阶段所述农作物达到理想或者标准的生长状态所需要的营养液配比,若获取到的所述农作物当前的营养液配比和根据所述色差平均值确定的预设营养液配比不同,则说明所述农作物当前的生长状态并不符合理想的或者标准的生长状态,此时即需要对所述农作物当前的营养液配比进行调整,以对所述农作物的生长状态进行控制和管理。
例如,假设确定的所述农作物在生长期的色差平均值所属的预设色差等级为第二预设色差等级,与所述第二预设色差等级相应的预设营养液配比为第二预设营养液配比,若所述农作物当前的营养液配比与所述第二预设营养液配比不同,则说明所述农作物的生长和理想的或者标准的生长状态出现了相对较为轻微的偏差,则需要对所述农作物当前的营养液配比进行相对较小的调整,即将所述农作物当前的营养液配比调整至所确定的所述第二预设营养液配比,以便对所述农作物的生长进行控制和管理。
假设确定的所述农作物在生长期的色差平均值所属的预设色差等级为第四预设色差等级,与所述第四预设色差等级相应的预设营养液配比为第四预设营养液配比,若所述农作物当前的营养液配和所述第四预设营养液配比不同,则说明所述农作物的生长和理想的或者标准的生长状态出现了相对较为严重的偏差,则需要对所述农作物当前的营养液配比进行相对较大的调整,即将所述农作物当前的营养液配比调整至所述第四预设营养液配比,以便对所述农作物的生长进行控制和管理。
为了便于查阅和监控,在较优的一实施例中,在上述的基础上,所述预测农作物产量的方法还包括:
将所述色差平均值所属的预设色差等级以及与所述预设色差等级相应的预设营养液配比显示在与所述计算机装置1进行通讯连接的管理终端上。
在确定了所述农作物在生长期的色差平均值、色差平均值所属的预设色差等级以及与所述预设等级相应的预设营养液配比,则将所述预设色差等级以及与所述预设色差等级相应的预设营养液配比显示在与所述计算机装置1进行通讯连接的管理终端上,以便对所述农作物的生长进行监控和管理。所述管理终端包括控制室,智能手机或者智能平板等智能终端,以及触控一体机等。例如,将农作物在生长期的色差平均值所属的第二预设色差等级以及与所述第二色差等级相应的第二预设营养液配比显示在与所述计算机装置1进行通讯连接的管理终端上;或者将所述农作物在生长期的色差平均值所属的第四预设色差等级与所述第四预设色差等级相应的第四预设营养液配比显示在与所述计算机装置1进行通讯连接的管理终端上。
为了便于监控和预警,在较优的一实施例中,所述农作物生产管理的方法还包括:
若所述色差平均值所属的预设色差等级超过预设阈值时,发送预警信息至所述管理终端。
若农作物生长期的农作物生长图与预设的农作物生长标准图的色差过大,则说明所述农作物当前的生长状况和理想的或者预期的标准生长状况存在较大的差别,则需要及时预警和调整。即在所述色差平均值所属的预设色差等级超过预设阈值时,发送预警信息至管理终端,以便对所述农作物的生长控制进行及时的调整。所述预设阈值为预先设置的预设色差等级,其可以根据预先设置的预设色差等级进行调整和更改。同样以上述为例,可以预先设置所述色差平均值所属的预设色差等级超过第三预设色差等级(包括第三预设色差等级)时,则发送预警信息至管理终端上。例如,所述农作物在生长期的色差平均值所属的预设色差等级为第四预设色差等级,则发送预警信息至与计算机装置1进行通讯连接的管理终端上。
为了便于监控并分析农作物的生长特性,在较优的一实施例中,所述农作物生产管理的方法还包括:保存所述农作物生长图至所述计算机装置1中。
为了便于对所述农作物的生长进行监控和分析,还可以将通过摄像头2采集到的农作物在生长期的农作物生长图保存至计算机装置1中,以便监控和后续查阅所述农作物在生长期的生长状况,并对所述农作物生长图进行进一步的统计和分析,为所述农作物的生产和管理提供有价值的参考数据以及积累生产管理经验。
在本发明实施例中,在所述第一预测产量低于预设目标产量时、或者在所述第二预测产量低于所述第一预测产量或者低于所述预设目标产量时,在所述农作物的生长期,获取所述农作物的农作物生长图,将每个预设区域位置的农作物生长图与对应的农作物生长标准图进行对比以确定对应每个预设区域位置的色差值,并确定色差平均值,根据所述色差平均值所属的预设色差等级,确定与所述预设色差等级相应的预设营养液配比,获取所述农作物当前的营养液配比,若所述农作物当前的营养液配比与所确定的所述预设营养液配比不同,则调整所述农作物当前的营养液配比至与所述预设色差等级相应的预设营养液配比。本发明实施例可以在所述农作物当前的营养液配比与所确定的所述预设营养液配比不同时,调整所述农作物当前的营养液配比至与所述预设色差等级相应的预设营养液配比,以对所述农作物的生长进行控制,以期所述农作物的实际产量达到所述农作物的预设目标产量。因此,本发明实施例可以进一步提高预测农作物产量的准确率和效率。
图2示出了本发明实施例提供的预测农作物产量的***功能模块,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
参考图2,所述预测农作物产量的***10所包括的各个模块用于执行图1对应实施例中的各个步骤,具体请参阅图1以及图1对应实施例中的相关描述,此处不再赘述。本发明实施例中,所述预测农作物产量的***10包括播种量记录模块101,定植量预测模块102以及产量预测模块103。
所述播种量记录模块101,用于在所述农作物的播种期记录所述农作物的播种量。
所述定植量预测模块102,用于根据所述播种量和所述农作物的预设发芽率以及预设移栽成苗率确定所述农作物的预测定植量。
所述产量预测模块103,用于根据所述预测定植量和所述农作物的预设单颗平均重量确定所述农作物的第一预测产量。
在本发明实施例中,所述播种量记录模块101在所述农作物的播种期记录所述农作物的播种量,所述定植量预测模块102所述播种量和所述农作物的预设发芽率以及预设移栽成苗率确定所述农作物的预测定植量,所述产量预测模块103根据所述预测定植量和所述农作物的预设单颗平均重量确定所述农作物的第一预测产量。本发明实施例可以根据农作物在播种期的播种量、农作物的预设发芽率、预设移栽成苗率以及预设单颗平均重量确定农作物的预测产量,因此,可以提高预测农作物产量的准确率和效率。
在较优的一实施例中,在上述图2所示的基础上,所述预测农作物产量的***10还包括获取模块。
所述获取模块,用于在所述农作物的生长期,获取所述农作物的实际定植量。
所述产量预测模块103,还用于根据所述实际定植量以及所述预设单颗平均重量确定第二预测产量。
为了对所述农作物的生长进行控制和管理,以便所述农作物的生长能够达到预想的或者预测的农作物产量,在较优的一实施例中,在所述第一预测产量低于预设目标产量时或者在所述第二预测产量低于所述第一预测产量或者低于所述预设目标产量时,所述预测农作物产量的***10还包括生长数据获取模块和调整模块。
所述生长数据获取模块,用于在所述农作物的生长期,获取所述农作物的生长数据。
所述调整模块,用于将所述农作物的生长数据与所述计算机装置1中预先存储的预设生长数据进行对比,并根据对比结果调整所述农作物的营养液配比,以对所述农作物的生长进行控制。
在较优的一实施例中,所述农作物的种植区域安装有与所述计算机装置1进行通讯连接的多个摄像头2,所述生长数据获取模块包括采集单元。
所述采集单元,用于通过所述多个摄像头2采集在所述种植区域的多个预设区域位置的农作物生长图。
相应的,在较优的一实施例中,所述预设生长数据包括对应每个预设区域位置的农作物生长标准图,所述调整模块包括确定单元和调整单元。
所述确定单元,用于将每个预设区域位置的农作物生长图与对应的农作物生长标准图进行对比以确定对应每个预设区域位置的色差值,并确定色差平均值。
所述调整单元,用于根据所述色差平均值调整所述农作物的营养液配比。
在较优的一实施例中,所述调整单元包括确定子单元、获取子单元以及调整子单元。
所述确定子单元,用于根据所述色差平均值所属的预设色差等级,确定与所述预设色差等级相应的预设营养液配比。
所述获取子单元,用于获取所述农作物当前的营养液配比。
所述调整子单元,用于若所述农作物当前的营养液配比与所确定的所述预设营养液配比不同,则调整所述农作物当前的营养液配比至与所述预设色差等级相应的预设营养液配比。
为了便于查阅和监控,在较优的一实施例中,在上述的基础上,所述预测农作物产量的***10还包括显示模块。
所述显示模块,用于将所述色差平均值所属的预设色差等级以及与所述预设色差等级相应的预设营养液配比显示在与所述计算机装置1进行通讯连接的管理终端上。
为了便于监控和预警,在较优的一实施例中,所述农作物生产管理的***10还包括预警模块。
所述预警模块,用于若所述色差平均值所属的预设色差等级超过预设阈值时,发送预警信息至所述管理终端。
为了便于监控并分析农作物的生长特性,在较优的一实施例中,所述农作物生产管理的***10还包括保存模块。
所述保存模块,用于保存所述农作物生长图至所述计算机装置1中。
在本发明实施例中,在所述第一预测产量低于预设目标产量时、或者在所述第二预测产量低于所述第一预测产量或者低于所述预设目标产量时,在所述农作物的生长期,生长数据获取模块获取所述农作物的生长数据,即农作物生长图,所述确定单元将每个预设区域位置的农作物生长图与对应的农作物生长标准图进行对比以确定对应每个预设区域位置的色差值,并确定色差平均值,所述确定子单元根据所述色差平均值所属的预设色差等级,确定与所述预设色差等级相应的预设营养液配比,所述获取子单元获取所述农作物当前的营养液配比,若所述农作物当前的营养液配比与所确定的所述预设营养液配比不同,则所述调整子单元调整所述农作物当前的营养液配比至与所述预设色差等级相应的预设营养液配比。本发明实施例可以在所述农作物当前的营养液配比与所确定的所述预设营养液配比不同时,调整所述农作物当前的营养液配比至与所述预设色差等级相应的预设营养液配比,以对所述农作物的生长进行控制,以期所述农作物的实际产量达到所述农作物的预设目标产量。因此,本发明实施例可以进一步提高预测农作物产量的准确率和效率。
上述各个功能模块、单元以及子单元的详细功能具体可以参见上述对应方法实施例中的相关描述,此处不再详细赘述。
图3是本发明实施例提供的实现预测农作物产量的方法的较佳实施例的计算机装置1的结构示意图。如图3所示,计算机装置1包括存储器11、处理器12及输入输出设备13。
所述计算机装置1是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机装置1可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能式穿戴式设备等。所述计算机装置1可以是服务器,所述服务器包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。所述计算机装置1所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
存储器11用于存储预测农作物产量的方法的程序和各种数据,并在计算机装置1运行过程中实现高速、自动地完成程序或数据的存取。存储器11可以是计算机装置1的外部存储设备和/或内部存储设备。进一步地,存储器11可以是集成电路中没有实物形式的具有存储功能的电路,如RAM(Random-Access Memory,随机存取存储设备)、FIFO(First InFirst Out,)等,或者,存储器11也可以是具有实物形式的存储设备,如内存条、TF卡(Trans-flash Card)等等。
处理器12可以是中央处理器(CPU,Central Processing Unit)。CPU是一块超大规模的集成电路,是计算机装置1的运算核心(Core)和控制核心(Control Unit)。处理器12可执行计算机装置1的操作***以及安装的各类应用程序、程序代码等,例如执行预测农作物产量的***10中的各个模块或者单元中的操作***以及安装的各类应用程序、程序代码,以实现预测农作物产量的方法。
输入输出设备13主要用于实现计算机装置1的输入输出功能,比如收发输入的数字或字符信息,或显示由用户输入的信息或提供给用户的信息以及计算机装置1的各种菜单。
所述计算机装置1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个模块或装置也可以由一个模块或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种预测农作物产量的方法,应用于计算机装置中,其特征在于,所述方法包括:
在所述农作物的播种期记录所述农作物的播种量;
根据所述播种量和所述农作物的预设发芽率以及预设移栽成苗率确定所述农作物的预测定植量;
根据所述预测定植量和所述农作物的预设单颗平均重量确定所述农作物的第一预测产量。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
在所述农作物的生长期,获取所述农作物的实际定植量;
根据所述实际定植量以及所述预设单颗平均重量确定第二预测产量。
3.如权利要求1或2所述的方法,其特征在于,在所述第一预测产量低于预设目标产量时、或者在所述第二预测产量低于所述第一预测产量或者低于所述预设目标产量时,所述方法还包括:
在所述农作物的生长期,获取所述农作物的生长数据;
将所述农作物的生长数据与所述计算机装置中预先存储的预设生长数据进行对比,并根据对比结果调整所述农作物的营养液配比,以对所述农作物的生长进行控制。
4.如权利要求3所述的方法,其特征在于,所述农作物的种植区域安装有与所述计算机装置进行通讯连接的多个摄像头,所述获取所述农作物的生长数据包括:
通过所述多个摄像头采集在所述种植区域的多个预设区域位置的农作物生长图。
5.如权利要求4所述的方法,其特征在于,所述预设生长数据包括对应每个预设区域位置的农作物生长标准图,所述将所述农作物的生长数据与所述计算机装置中预先存储的预设生长数据进行对比,并根据对比结果调整所述农作物的营养液配比包括:
将每个预设区域位置的农作物生长图与对应的农作物生长标准图进行对比以确定对应每个预设区域位置的色差值,并确定色差平均值;
根据所述色差平均值调整所述农作物的营养液配比。
6.如权利要求5所述的方法,其特征在于,所述根据所述色差平均值调整所述农作物的营养液配比包括:
根据所述色差平均值所属的预设色差等级,确定与所述预设色差等级相应的预设营养液配比;
获取所述农作物当前的营养液配比;
若所述农作物当前的营养液配比与所确定的所述预设营养液配比不同,则调整所述农作物当前的营养液配比至与所述预设色差等级相应的预设营养液配比。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
将所述色差平均值所属的预设色差等级以及与所述预设色差等级相应的预设营养液配比显示在与所述计算机装置进行通讯连接的管理终端上。
8.如权利要求6所述的方法,其特征在于,所述方法还包括:
若所述色差平均值所述的预设色差等级超过预设阈值时,发送预警信息至与所述计算机装置进行通讯连接的管理终端。
9.一种预测农作物产量的***,应用于计算机装置中,其特征在于,所述***包括:
播种量记录模块,用于在所述农作物的播种期记录所述农作物的播种量;
定植量预测模块,用于根据所述播种量和所述农作物的预设发芽率以及预设移栽成苗率确定所述农作物的预测定植量;
产量预测模块,用于根据所述预测定植量和所述农作物的预设单颗平均重量确定所述农作物的第一预测产量。
10.一种计算机装置,其特征在于,所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-8中任意一项所述预测农作物产量的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711070581.6A CN107742172A (zh) | 2017-11-03 | 2017-11-03 | 预测农作物产量的方法、***及计算机装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711070581.6A CN107742172A (zh) | 2017-11-03 | 2017-11-03 | 预测农作物产量的方法、***及计算机装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107742172A true CN107742172A (zh) | 2018-02-27 |
Family
ID=61233673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711070581.6A Pending CN107742172A (zh) | 2017-11-03 | 2017-11-03 | 预测农作物产量的方法、***及计算机装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107742172A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108605519A (zh) * | 2018-04-26 | 2018-10-02 | 深圳春沐源控股有限公司 | 作物采摘方法及电子设备 |
CN111507309A (zh) * | 2020-05-20 | 2020-08-07 | 孟庆峰 | 农作物种植状态解析*** |
CN112529375A (zh) * | 2020-11-26 | 2021-03-19 | 中南民族大学 | 基于智慧农业环境数据分析的实验教学方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766135A (zh) * | 2015-03-25 | 2015-07-08 | 中国农业科学院农业信息研究所 | 一种预测农作物产量的方法、装置及*** |
US20160073573A1 (en) * | 2014-09-12 | 2016-03-17 | The Climate Corporation | Methods and systems for managing agricultural activities |
CN106804413A (zh) * | 2017-01-18 | 2017-06-09 | 深圳前海弘稼科技有限公司 | 一种营养液的控制方法及控制装置 |
CN106934724A (zh) * | 2017-02-13 | 2017-07-07 | 浙江海高思通信科技有限公司 | 基于物联网的绿色蔬菜长势分析*** |
-
2017
- 2017-11-03 CN CN201711070581.6A patent/CN107742172A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160073573A1 (en) * | 2014-09-12 | 2016-03-17 | The Climate Corporation | Methods and systems for managing agricultural activities |
CN104766135A (zh) * | 2015-03-25 | 2015-07-08 | 中国农业科学院农业信息研究所 | 一种预测农作物产量的方法、装置及*** |
CN106804413A (zh) * | 2017-01-18 | 2017-06-09 | 深圳前海弘稼科技有限公司 | 一种营养液的控制方法及控制装置 |
CN106934724A (zh) * | 2017-02-13 | 2017-07-07 | 浙江海高思通信科技有限公司 | 基于物联网的绿色蔬菜长势分析*** |
Non-Patent Citations (1)
Title |
---|
王维金: "《作物栽培学》", 31 August 1998, 科学技术文献出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108605519A (zh) * | 2018-04-26 | 2018-10-02 | 深圳春沐源控股有限公司 | 作物采摘方法及电子设备 |
CN111507309A (zh) * | 2020-05-20 | 2020-08-07 | 孟庆峰 | 农作物种植状态解析*** |
CN112529375A (zh) * | 2020-11-26 | 2021-03-19 | 中南民族大学 | 基于智慧农业环境数据分析的实验教学方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019118460A1 (en) | Irrigation system control with predictive water balance capabilities | |
WO2018133353A1 (zh) | 一种营养液的控制方法及控制装置 | |
WO2018040326A1 (zh) | 一种种植箱信息显示方法、服务器、种植箱以及种植*** | |
CN106529451B (zh) | 一种冬小麦—夏玉米种植模式遥感识别方法 | |
Haile | Determinants of technical, allocative and economic efficiencies among onion producing farmers in irrigated agriculture: Empirical evidence from Kobo district, Amhara region, Ethiopia | |
Ping et al. | Creating spatially contiguous yield classes for site‐specific management | |
CN107742172A (zh) | 预测农作物产量的方法、***及计算机装置 | |
WO2013184811A2 (en) | Automatically generating a crop insurance policy | |
CN107844771A (zh) | 农作物生产管理的方法、***、计算机装置及存储介质 | |
CN108022023A (zh) | 一种农作物的种植产量预测方法、装置及存储介质 | |
CN108345992A (zh) | 一种复种指数提取方法及装置 | |
US20190012749A1 (en) | Dynamic cost function calculation for agricultural users | |
US20200250597A1 (en) | Information processing apparatus, information processing method, and non-transitory recording medium | |
CN109597451A (zh) | 蔬菜种植互动方法 | |
CN106530107A (zh) | 基于农业大数据生成农作物生长进度的方法和装置 | |
CN107340268B (zh) | 一种基于遥感时序数据的旱地作物识别方法 | |
CN113010529A (zh) | 基于知识图谱的作物管理方法和装置 | |
Deka et al. | Constraints in potato cultivation in Assam: farmers experiences. | |
CN108401713A (zh) | 蔓生农作物落蔓方法和装置、计算机装置及存储介质 | |
Raturi et al. | Growing plants, raising animals, and feeding communities through connected agriculture: an IoT challenge | |
CN116186392A (zh) | 柑橘品种的种植推荐方法、装置、终端设备和存储介质 | |
CN113763195A (zh) | 种植计划的控制方法、装置及计算机可读介质 | |
Gulati et al. | Performance of agriculture in Gujarat | |
KR20140014965A (ko) | 공간정보를 활용한 원격 식물 관리 시스템 및 그 방법 | |
CN107491894B (zh) | 一种种植指导方法以及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information |
Address after: 518052 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A Applicant after: Shenzhen Chun Mu source Holdings Limited Address before: 518052 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A Applicant before: Shenzhen Qianhai Hong Jia Technology Co., Ltd. |
|
CB02 | Change of applicant information | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180227 |
|
RJ01 | Rejection of invention patent application after publication |