CN108628266A - 基于大数据分析的智能养殖大棚监测*** - Google Patents
基于大数据分析的智能养殖大棚监测*** Download PDFInfo
- Publication number
- CN108628266A CN108628266A CN201810380547.7A CN201810380547A CN108628266A CN 108628266 A CN108628266 A CN 108628266A CN 201810380547 A CN201810380547 A CN 201810380547A CN 108628266 A CN108628266 A CN 108628266A
- Authority
- CN
- China
- Prior art keywords
- ambient parameter
- parameter data
- data
- similarity distance
- value
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 13
- 230000007613 environmental effect Effects 0.000 claims abstract description 11
- 238000013480 data collection Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 230000000153 supplemental effect Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 241001269238 Data Species 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 230000002159 abnormal effect Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了基于大数据分析的智能养殖大棚监测***,包括大棚监测中心、网络通信模块、控制模块、信息采集模块,大棚监测中心通过网络通信模块与控制模块通信,控制模块电性连接农业大棚内的多个设备;信息采集模块用于通过无线传感器网络对农业大棚的环境进行监测,采集环境参数数据并将环境参数数据传送至大棚监测中心;大棚监测中心包括数据预处理装置、数据分析装置,数据预处理装置用于对接收的环境参数数据进行预处理,数据分析装置用于判断预处理后的环境参数数据是否满足预设的环境参数条件,当某一环境参数数据不满足预设的环境参数条件时,通过网络通信模块向所述控制器发送控制指令,控制对应的设备运作。
Description
技术领域
本发明涉及农业技术领域,具体涉及基于大数据分析的智能养殖大棚监测***。
背景技术
相关技术中,农业大棚主要通过人工检测和维护的方式进行管理。大棚管理人员想要知道棚内空气的温湿度、照度、土壤的温湿度等信息必须通过亲自查看大棚内温度计、湿度显示仪、光照检测设备等来获得当前棚内作物的生长环境信息,并对农作物的生长环境人为地进行调节。其生产效率低下,智能化程度不高,浪费大量的人力、物力。
发明内容
针对上述问题,本发明提供基于大数据分析的智能养殖大棚监测***。
本发明的目的采用以下技术方案来实现:
提供了基于大数据分析的智能养殖大棚监测***,包括大棚监测中心、网络通信模块、控制模块、信息采集模块,所述的大棚监测中心通过网络通信模块与控制模块通信,控制模块电性连接农业大棚内的多个设备;所述的信息采集模块用于通过无线传感器网络对农业大棚的环境进行监测,采集环境参数数据并将环境参数数据传送至大棚监测中心;所述的大棚监测中心包括数据预处理装置、数据分析装置,数据预处理装置用于对接收的环境参数数据进行预处理,预处理包括对环境参数数据进行聚类处理、异常检测处理,数据分析装置用于判断预处理后的环境参数数据是否满足预设的环境参数条件,当某一环境参数数据不满足预设的环境参数条件时,通过网络通信模块向所述控制器发送控制指令,控制对应的设备运作。
本发明的有益效果为:能够实时获取农业大棚内的生产环境数据,智能化控制大棚内的设备的运作,提供精准化农业生产和可视化管理,智能化程度高。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明一个示例性实施例的智能养殖大棚监测***的结构框图;
图2是本发明一个示例性实施例的大棚监测中心的结构框图。
附图标记:
大棚监测中心1、网络通信模块2、控制模块3、信息采集模块4、数据预处理装置100、数据分析装置200。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1、图2,本实施例提供的基于大数据分析的智能养殖大棚监测***,包括大棚监测中心1、网络通信模块2、控制模块3、信息采集模块4,所述的大棚监测中心1通过网络通信模块2与控制模块3通信,控制模块3电性连接农业大棚内的多个设备;所述的信息采集模块4用于通过无线传感器网络对农业大棚的环境进行监测,采集环境参数数据并将环境参数数据传送至大棚监测中心1;所述的大棚监测中心1包括数据预处理装置100、数据分析装置200,数据预处理装置100用于对接收的环境参数数据进行预处理,预处理包括对环境参数数据进行聚类处理、异常检测处理,数据分析装置200用于判断预处理后的环境参数数据是否满足预设的环境参数条件,当某一环境参数数据不满足预设的环境参数条件时,通过网络通信模块2向所述控制器发送控制指令,控制对应的设备运作。
优选地,所述环境参数数据包括农业大棚内的土壤温湿度、空气的CO2浓度和光照强度;所述多个设备包括浇水设备、卷帘设备、加热设备、风机设备,当所述温湿度小于预设的最低温湿度时,控制模块3控制所述加热设备和浇水设备开启,当所述CO2浓度大于预设的最高CO2浓度时控制所述风机设备开启,当所述光照强度大于预设的最高光照强度时,控制所述卷帘设备开启。
在一个实施例中,所述数据分析装置200包括显示模块和指令发送模块,所述显示模块与所述信息采集模块4连接,用于显示所述信息采集模块4采集的环境参数数据,所述指令发送模块与所述控制模块3无线通讯连接,用于向所述控制模块3发送控制指令。
本发明上述实施例能够实时获取农业大棚内的生产环境数据,智能化控制大棚内的设备的运作,提供精准化农业生产和可视化管理,智能化程度高。
在一个实施例中,数据预处理装置100对环境参数数据进行聚类处理,具体包括:
(1)对存在0值或负值的环境参数数据进行预处理,将0值或负值替换为预先设定的替代值,提取设定时间段的环境参数数据作为一个环境参数数据集,设为Z,其中每个环境参数数据包括W维特征;
(2)在第一次迭代时,选择环境参数数据集Z中的第一个未标记的环境参数数据作为第一个簇中心点O1,计算其余环境参数数据与该簇中心点O1之间的相似距离,按照相似距离分配原则对环境参数数据zi进行分配操作;
其中,相似距离分配原则为:若环境参数数据zi与新选择的簇中心点之间的相似距离不大于设定的相似距离阈值LT,不对环境参数数据zi进行分配操作;若环境参数数据zi与新选择的簇中心点之间的相似距离大于设定的相似距离阈值LT,继续计算环境参数数据zi与该簇中心点的最近邻集合中的环境参数数据之间的相似距离,若环境参数数据zi与该簇中心点的最近邻集合中的一个环境参数数据之间,满足相似距离大于设定的相似距离阈值LT,则将环境参数数据zi分配到该簇中心点,并进行标记;
(3)令迭代次数λ加1,选择环境参数数据集Z中的第一个未标记的环境参数数据作为另一个簇中心点Oλ+1,计算其余环境参数数据与该簇中心点Oλ+1之间的相似距离,若环境参数数据zj未标记,按照相似距离分配原则对环境参数数据zj进行分配操作;若环境参数数据zj已标记且按照相似距离分配原则可分配到簇中心点Oλ+1,比较其与原分配的簇中心点、簇中心点Oλ+1之间的相似距离,选择相似距离更大的簇中心点加入簇;
(4)重复(3)直至迭代次数λ达到设定的阈值或者所有的环境参数数据皆已被标记。
本实施例对数据预处理单元预处理后的环境参数数据进行聚类处理时,不需要预先指定簇的个数,其中创新性地设定了相似距离分配原则,使得仅当环境参数数据与簇中心点相似且与簇中心点的最近邻集合中的一个或多个环境参数数据相似时,环境参数数据才能与簇中心点位于同一个簇,使得本实施例的聚类处理更适合于检测出任意形状簇,聚类高效且质量高。
在一个实施例中,设定两个环境参数数据之间的相似距离的计算公式为:
式中,L(zi,zp)表示环境参数数据zi与zp之间的相似距离,Hj为环境参数数据的第j维特征值的权重值,zij表示环境参数数据zi的第j维特征值,zpj为环境参数数据zp的第j维特征值,W为环境参数数据的维数。
现有技术中常采用绝对距离来衡量两个环境参数数据之间的差异性,如欧式距离、曼哈顿距离等,也就是说两个环境参数数据之间的距离越大表明两者的相似性越小,反之则相似性越大,但是这种距离度量方式通常涉及到对象的所有属性,并认为这些属性对于距离度量的重要性是相同的。本实施例创新性地设定了一种新的相似距离度量公式,该公式考虑了环境参数数据的属性因素,为不同的维度上的特征加以不同的权重值,让不同维度按照权重值的大小在聚类中起不同的作用,能够使得某些特征维度上的环境参数数据差异得到区分,解决了因不同特征维度上的量纲不同导致的聚类效果不佳的问题,提高了聚类划分的精度和效率。
在一个实施例中,环境参数数据的各个维度的特征值相应的权重值由专家进行设定。在另一个优选实施例中,设环境参数数据集Z={z1,z2,…,zs},按照下列公式设定环境参数数据的各个维度的特征值相应的权重值:
式中,Hj表示环境参数数据的第j维特征值的权重值,zrj为环境参数数据集Z中的第r个环境参数数据的第j维特征值,zr+为环境参数数据集Z中的第r个环境参数数据的第b维特征值,S为环境参数数据集Z包含的环境参数数据个数,W为环境参数数据的维数。
本实施例创造性地设定了环境参数数据的各个维度的特征值相应的权重值计算公式,该计算公式使得属性分布的偏离程度越小的特征值权重更小,而属性分布的偏离程度越大的特征值权重越大,有利于解决环境参数数据密度不同所产生的聚类效果不佳的问题,相对于专家设定权重的方式,更具实际性和科学性,提高聚类的精度。
由于规模性较小的簇中的环境参数数据之间相对较为松散,而且相对于其他环境参数数据较为孤立,因此现有技术中通常将规模较小的簇中的数据视为异常数据。在一个实施例中,数据预处理装置100对环境参数数据进行异常检测处理,具体包括:
(1)若聚类后存在一个簇的环境参数数据个数低于设定的数量下限,则将该簇视为异常簇,求取异常簇中环境参数数据的平均值ze;
(2)计算其他正常簇的簇中心点与异常簇的簇中心点之间的相似距离;
(3)若正常簇的簇中心点与异常簇的簇中心点之间的相似距离不大于设定的簇相似距离阈值,则将该正常簇作为待检测簇,并利用ze来检测待检测簇中的环境参数数据,当待检测簇中的环境参数数据满足下列异常条件时,将环境参数数据视为异常环境参数数据:
式中,Hj表示环境参数数据的第j维特征值的权重值,为环境参数数据的第j维特征值,zej为所述异常簇中环境参数数据的平均值ze的第j维特征值,W为环境参数数据的维数,Lt为设定的异常检测距离阈值。
本实施例对聚类处理后的环境参数数据进行异常检测,从中创新性地提出了用于检测环境参数数据是否为异常的异常条件,该异常条件根据环境参数数据与异常簇中环境参数数据的平均值之间的距离来判断该环境参数数据是否为异常环境参数数据,具备一定的检测精度,检测方式简单有效。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,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者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (6)
1.基于大数据分析的智能养殖大棚监测***,其特征是,包括大棚监测中心、网络通信模块、控制模块、信息采集模块,所述的大棚监测中心通过网络通信模块与控制模块通信,控制模块电性连接农业大棚内的多个设备;所述的信息采集模块用于通过无线传感器网络对农业大棚的环境进行监测,采集环境参数数据并将环境参数数据传送至大棚监测中心;所述的大棚监测中心包括数据预处理装置、数据分析装置,数据预处理装置用于对接收的环境参数数据进行预处理,预处理包括对环境参数数据进行聚类处理、异常检测处理,数据分析装置用于判断预处理后的环境参数数据是否满足预设的环境参数条件,当某一环境参数数据不满足预设的环境参数条件时,通过网络通信模块向所述控制器发送控制指令,控制对应的设备运作。
2.根据权利要求1所述的基于大数据分析的智能养殖大棚监测***,其特征是,所述环境参数数据包括农业大棚内的土壤温湿度、空气的CO2浓度和光照强度;所述多个设备包括浇水设备、卷帘设备、加热设备、风机设备,当所述温湿度小于预设的最低温湿度时,控制模块控制所述加热设备和浇水设备开启,当所述CO2浓度大于预设的最高CO2浓度时控制所述风机设备开启,当所述光照强度大于预设的最高光照强度时,控制所述卷帘设备开启。
3.根据权利要求2所述的基于大数据分析的智能养殖大棚监测***,其特征是,所述数据分析装置包括显示模块和指令发送模块,所述显示模块与所述信息采集模块连接,用于显示所述信息采集模块采集的环境参数数据,所述指令发送模块与所述控制模块无线通讯连接,用于向所述控制模块发送控制指令。
4.根据权利要求1-3任一项所述的基于大数据分析的智能养殖大棚监测***,其特征是,数据预处理装置对环境参数数据进行聚类处理,具体包括:
(1)对存在0值或负值的环境参数数据进行预处理,将0值或负值替换为预先设定的替代值,提取设定时间段的环境参数数据作为一个环境参数数据集,设为Z,其中每个环境参数数据包括W维特征;
(2)在第一次迭代时,选择环境参数数据集Z中的第一个未标记的环境参数数据作为第一个簇中心点O1,计算其余环境参数数据与该簇中心点O1之间的相似距离,按照相似距离分配原则对环境参数数据zi进行分配操作;
其中,相似距离分配原则为:若环境参数数据zi与新选择的簇中心点之间的相似距离不大于设定的相似距离阈值LT,不对环境参数数据zi进行分配操作;若环境参数数据zi与新选择的簇中心点之间的相似距离大于设定的相似距离阈值LT,继续计算环境参数数据zi与该簇中心点的最近邻集合中的环境参数数据之间的相似距离,若环境参数数据zi与该簇中心点的最近邻集合中的一个环境参数数据之间,满足相似距离大于设定的相似距离阈值LT,则将环境参数数据zi分配到该簇中心点,并进行标记;
(3)令迭代次数λ加1,选择环境参数数据集Z中的第一个未标记的环境参数数据作为另一个簇中心点Oλ+1,计算其余环境参数数据与该簇中心点Oλ+1之间的相似距离,若环境参数数据zj未标记,按照相似距离分配原则对环境参数数据zj进行分配操作;若环境参数数据zj已标记且按照相似距离分配原则可分配到簇中心点Oλ+1,比较其与原分配的簇中心点、簇中心点Oλ+1之间的相似距离,选择相似距离更大的簇中心点加入簇;
(4)重复(3)直至迭代次数λ达到设定的阈值或者所有的环境参数数据皆已被标记。
5.根据权利要求4所述的基于大数据分析的智能养殖大棚监测***,其特征是,设定两个环境参数数据之间的相似距离的计算公式为:
式中,L(zi,zp)表示环境参数数据zi与zp之间的相似距离,Hj为环境参数数据的第j维特征值的权重值,zij表示环境参数数据zi的第j维特征值,zpj为环境参数数据zp的第j维特征值,W为环境参数数据的维数。
6.根据权利要求4所述的基于大数据分析的智能养殖大棚监测***,其特征是,设环境参数数据集Z={z1,z2,…,zS},按照下列公式设定环境参数数据的各个维度的特征值相应的权重值:
式中,Hj表示环境参数数据的第j维特征值的权重值,zrj为环境参数数据集Z中的第r个环境参数数据的第j维特征值,zrb为环境参数数据集Z中的第r个环境参数数据的第b维特征值,S为环境参数数据集Z包含的环境参数数据个数,W为环境参数数据的维数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810380547.7A CN108628266A (zh) | 2018-04-25 | 2018-04-25 | 基于大数据分析的智能养殖大棚监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810380547.7A CN108628266A (zh) | 2018-04-25 | 2018-04-25 | 基于大数据分析的智能养殖大棚监测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108628266A true CN108628266A (zh) | 2018-10-09 |
Family
ID=63694515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810380547.7A Pending CN108628266A (zh) | 2018-04-25 | 2018-04-25 | 基于大数据分析的智能养殖大棚监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108628266A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111198549A (zh) * | 2020-02-18 | 2020-05-26 | 陈文翔 | 一种基于大数据的家禽养殖监测管理*** |
CN117829381A (zh) * | 2024-03-05 | 2024-04-05 | 成都农业科技职业学院 | 基于物联网的农业大棚数据优化采集*** |
CN117992894A (zh) * | 2024-04-03 | 2024-05-07 | 山东济宁丰泽农业科技有限公司 | 基于物联网的农业大棚环境异常数据监测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799465A (zh) * | 2010-03-08 | 2010-08-11 | 天津工程师范学院 | 基于微环境信息的旱地农田水势软测量方法及软测量网络 |
CN103020642A (zh) * | 2012-10-08 | 2013-04-03 | 江苏省环境监测中心 | 水环境监测质控数据分析方法 |
CN104102191A (zh) * | 2014-06-25 | 2014-10-15 | 兰州交通大学 | 水环境信息集成与共享*** |
CN107018483A (zh) * | 2017-05-31 | 2017-08-04 | 梧州市兴能农业科技有限公司 | 一种智能农业大棚监测*** |
-
2018
- 2018-04-25 CN CN201810380547.7A patent/CN108628266A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799465A (zh) * | 2010-03-08 | 2010-08-11 | 天津工程师范学院 | 基于微环境信息的旱地农田水势软测量方法及软测量网络 |
CN103020642A (zh) * | 2012-10-08 | 2013-04-03 | 江苏省环境监测中心 | 水环境监测质控数据分析方法 |
CN104102191A (zh) * | 2014-06-25 | 2014-10-15 | 兰州交通大学 | 水环境信息集成与共享*** |
CN107018483A (zh) * | 2017-05-31 | 2017-08-04 | 梧州市兴能农业科技有限公司 | 一种智能农业大棚监测*** |
Non-Patent Citations (1)
Title |
---|
费欢: "基于K-means聚类的WSN异常数据检测算法", 《计算机工程》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111198549A (zh) * | 2020-02-18 | 2020-05-26 | 陈文翔 | 一种基于大数据的家禽养殖监测管理*** |
CN111198549B (zh) * | 2020-02-18 | 2020-11-06 | 湖南伟业动物营养集团股份有限公司 | 一种基于大数据的家禽养殖监测管理*** |
CN117829381A (zh) * | 2024-03-05 | 2024-04-05 | 成都农业科技职业学院 | 基于物联网的农业大棚数据优化采集*** |
CN117829381B (zh) * | 2024-03-05 | 2024-05-14 | 成都农业科技职业学院 | 基于物联网的农业大棚数据优化采集*** |
CN117992894A (zh) * | 2024-04-03 | 2024-05-07 | 山东济宁丰泽农业科技有限公司 | 基于物联网的农业大棚环境异常数据监测方法 |
CN117992894B (zh) * | 2024-04-03 | 2024-06-11 | 山东济宁丰泽农业科技有限公司 | 基于物联网的农业大棚环境异常数据监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145032A (zh) | 一种蜜蜂养殖智能监测方法与*** | |
Zhou et al. | Strawberry maturity classification from UAV and near-ground imaging using deep learning | |
CN108829165A (zh) | 一种智能农业物联网*** | |
CN106254476A (zh) | 基于物联网、大数据和云计算的农业生态环境信息管理及监控方法与*** | |
CN108628266A (zh) | 基于大数据分析的智能养殖大棚监测*** | |
CN109738435B (zh) | 一种荞麦生长监测诊断及产量预测方法 | |
CN111460990A (zh) | 一种基于大数据的高寒牧区草原虫害监测预警***及方法 | |
WO2020160548A1 (en) | Systems and methods for measuring beehive strength | |
Arvind et al. | Edge computing based smart aquaponics monitoring system using deep learning in IoT environment | |
CN104007733B (zh) | 一种对农业集约化生产进行监控的***及方法 | |
CN116664332B (zh) | 一种基于数字孪生的农业生产的监控*** | |
CN110427063A (zh) | 一种基于物联网的番茄生长监控管理平台 | |
CN109782832A (zh) | 一种蛋鸡养殖环境监控***及方法 | |
CN115685862A (zh) | 一种基于边缘计算的智慧农业检测*** | |
Sridharani et al. | Smart farming: The IoT based future agriculture | |
CN109062290A (zh) | 一种基于大数据的智能农业环境监控***及监控方法 | |
CN110097473A (zh) | 一种农作物生命全周期的数据采集方法、装置及设备 | |
CN109828623B (zh) | 温室作物情景感知的生产管理方法及装置 | |
Jesi et al. | IoT Enabled Smart Irrigation and Cultivation Recommendation System for Precision Agriculture | |
KR20210059070A (ko) | 농작물 재배 모니터링 시스템 및 이를 이용한 농작물 재배 모니터링 방법 | |
CN115442405A (zh) | 一种智慧农业生产管理服务*** | |
FAISAL | A pest monitoring system for agriculture using deep learning | |
Liu et al. | A system architecture for intelligent agriculture based on edge computing | |
CN108153357A (zh) | 一种温室大棚智能管理方法及*** | |
Peddi et al. | Smart Irrigation Systems: Soil Monitoring and Disease Detection for Precision Agriculture |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
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: 20181009 |
|
RJ01 | Rejection of invention patent application after publication |