CN109145785A - 植物护理方式的确定方法和装置 - Google Patents
植物护理方式的确定方法和装置 Download PDFInfo
- Publication number
- CN109145785A CN109145785A CN201810879413.XA CN201810879413A CN109145785A CN 109145785 A CN109145785 A CN 109145785A CN 201810879413 A CN201810879413 A CN 201810879413A CN 109145785 A CN109145785 A CN 109145785A
- Authority
- CN
- China
- Prior art keywords
- plant
- treated
- sample
- identification model
- nursing care
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/36—Indoor scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种植物护理方式的确定方法和装置。该方法包括:获取待护理植物的图像;从所述图像中提取所述待护理植物的结构特征,所述结构特征包括:根、茎、叶、花和果实中的至少一种;根据所述待护理植物的结构特征和识别模型,确定所述待护理植物对应的护理方式,所述识别模型用于指示植物的结构特征和植物的护理方式之间的关系。和现有技术相比,该方法省去了人工查阅的过程,提高了获取植物护理方式的效率。
Description
技术领域
本发明涉及大数据技术,尤其涉及一种植物护理方式的确定方法和装置。
背景技术
植物具有净化环境、降低辐射和吸收有毒气体等作用,因此人们经常在办公的地方和居住的地方栽种各形各色的植物。不同种类的植物护理方式不同,同一种植物在不同生长状态的护理方式也不同。
现有技术中,一般是通过上网搜索、翻阅相关书籍等人工查询的方法获取植物的护理方式,然而,人工查询方法需要耗费用户大量的时间和精力,无疑会存在效率低下的问题。
发明内容
本发明实施例提供一种植物护理方式的确定方法和装置,用于提高用户获取植物的护理方式的效率。
第一方面,本发明实施例提供一种植物护理方式的确定方法,包括:
获取待护理植物的图像;
从所述图像中提取所述待护理植物的结构特征,所述结构特征包括:根、茎、叶、花和果实中的至少一种;
根据所述待护理植物的结构特征和识别模型,确定所述待护理植物对应的护理方式,所述识别模型用于指示植物的结构特征和植物的护理方式之间的关系。
可选的,所述根据所述待护理植物的结构特征和识别模型,确定所述待护理植物对应的护理方式,包括:
根据所述待护理植物的结构特征,确定所述待护理植物的成长状态;
采用所述识别模型对所述成长状态进行识别,确定与所述成长状态对应的护理方式。
可选的,所述根据所述待护理植物的结构特征和识别模型,获取所述待护理植物对应的护理方式之前,还包括:
根据预存的训练样本,确定所述识别模型。
可选的,所述根据预存的训练样本,确定所述识别模型,包括:
根据所述训练样本中每个样本的结构特征,确定每个样本的成长状态;
根据每个样本的成长状态,构建每个样本对应的状态特征向量;
根据每个样本的状态特征向量和每个样本被标记的护理方式,确定所述识别模型。
可选的,所述采用所述识别模型对所述成长状态进行识别,确定与所述成长状态对应的护理方式,包括:
根据所述待护理植物的成长状态,构建所述待护理植物的状态特征向量;
将所述待护理植物的状态特征向量输入所述识别模型中,得到与所述成长状态对应的护理方式。
可选的,所述根据每个样本的状态特征向量和每个样本被标记的护理方式,确定所述识别模型,包括:
采用深度学习方法对每个样本的状态特征向量和每个样本被标记的护理方式进行训练,得到所述识别模型。
可选的,采用增强现实AR技术通过终端展示所述待护理植物对应的护理方式。
第二方面,本发明提供一种植物护理方式的确定装置,包括:
获取模块,用于获取待护理植物的图像;
提取模块,用于从所述图像中提取所述待护理植物的结构特征,所述结构特征包括:根、茎、叶、花和果实中的至少一种;
第一确定模块,用于根据所述待护理植物的结构特征和识别模型,确定所述待护理植物对应的护理方式,所述识别模型用于指示植物的结构特征和植物的护理方式之间的关系。
可选的,所述第一确定模块,包括:
第一确定单元,用于根据所述待护理植物的结构特征,确定所述待护理植物的成长状态;
识别模块,用于采用所述识别模型对所述成长状态进行识别,确定与所述成长状态对应的护理方式。
可选的,所述装置,还包括:第二确定模块,用于根据预存的训练样本,确定所述识别模型。
可选的,所述第二确定模块,包括:
第二确定单元,用于根据所述训练样本中每个样本的结构特征,确定每个样本的成长状态;
构建单元,用于根据每个样本的成长状态,构建每个样本对应的状态特征向量;
第三确定单元,用于根据每个样本的状态特征向量和每个样本被标记的护理方式,确定所述识别模型。
可选的,所述识别模块,具体用于根据所述待护理植物的成长状态,构建所述待护理植物的状态特征向量;并将所述待护理植物的状态特征向量输入所述识别模型中,得到与所述成长状态对应的护理方式。
可选的,第二确定模块,具体用于采用深度学习方法对每个样本的状态特征向量和每个样本被标记的护理方式进行训练,得到所述识别模型。
可选的,所述装置,还包括:展示模块,用于采用增强现实AR技术通过终端展示所述待护理植物对应的护理方式。
第三方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述植物护理方式的确定方法。
第四方面,本发明提供一种服务器,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来实现上述植物护理方式的确定方法。
本发明提供的植物护理方式的确定方法,通过获取待护理植物的图像,然后从该图像中提取待护理植物的结构特征,最后根据所述待护理植物的结构特征和识别模型,确定所述待护理植物对应的护理方式,和现有技术相比,省去了人工查阅的过程,提高了获取植物护理方式的效率。
附图说明
图1为本发明提供的植物护理方式的确定方法的实施例一的流程图;
图2为本发明提供的植物护理方式的确定方法的实施例二的流程图;
图3为本发明提供的植物护理方式的确定方法的实施例三的流程图;
图4为本发明提供的识别模型示意图;
图5为本发明提供的植物护理方式的确定装置的实施例一的结构示意图;
图6为本发明提供的植物护理方式的确定装置的实施例二的结构示意图;
图7为本发明提供的服务器的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了了解某种植物的护理方式,现有技术中,一般是通过上网搜索、翻阅相关书籍等人工查询的方法获取该植物的护理方式,然而,人工查询方法无疑会存在效率低下的问题。
本发明提供一种植物护理方式的确定方法,通过获取待护理植物的图像,从该图像中提取该待护理植物的结构特征,结合该结构特征和预先训练好的识别模型,便可得到该待护理植物对应的护理方式。和现有技术相比,省去了人工查阅的过程,提高了获取植物护理方式的效率。
可选的,本发明提供的方法可由安装有相应软件的终端的处理设备如处理器执行相应的软件代码实现,也可由该终端的处理设备执行相应的软件代码,并结合其他硬件实体实现,还可由服务器来实现。下面的实施例以服务器为执行主体进行说明。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图1为本发明提供的植物护理方式的确定方法的实施例一的流程图,如图1所示,本实施例提供的植物护理方式的确定方法,包括:
S101、获取待护理植物的图像。
可选的,可通过终端的摄像头采用拍照和扫描等方式获取上述图像,获取到上述图像后,将该图像发送给服务器,以便服务器执行S102-S103的步骤。
S102、从所述图像中提取所述待护理植物的结构特征,所述结构特征包括:根、茎、叶、花和果实中的至少一种。
S103、根据所述待护理植物的结构特征和识别模型,确定所述待护理植物对应的护理方式,所述识别模型用于指示植物的结构特征和植物的护理方式之间的关系。
其中,在得到待护理植物的结构特征的基础上,可通过如下方式确定该待护理植物的对应的护理方式:
根据所述待护理植物的结构特征,确定所述待护理植物的成长状态;
采用所述识别模型对所述成长状态进行识别,确定与所述成长状态对应的护理方式。
下面以待护理的植物是绿萝为例进行说明:
首先,终端摄像头采用扫描或者拍照的方式得到该绿萝的图像,然后将该图像发送给服务器,服务器中存储有上述识别模型,服务器得到上述绿萝的图像后,从该图像中提取绿萝的结构特征,比如提取到了绿萝的叶的特征,然后根据绿萝的叶的特征确定该绿萝的成长状态,假设得到绿萝当前的成长状态是:叶尖卷曲并枯褐;服务器将该成长状态输入识别模型,使识别模型对该成长状态进行识别,识别成功后,识别模型便会输出的与上述成长状态对应的护理方式。进而服务器可将该护理方式返回给终端进行显示,使得用户可通过终端显示结果获取到绿萝在叶尖卷曲并枯褐的情况下的护理的方式。
可选的,上述识别模型不仅可以输出与待护理植物对应的护理方式,还可以识别出待护理植物的名称。继续上述例子为例,服务器将待护理植物的成长状态输入识别模型后,识别模型输出对应的护理方式的同时还可输出待护理植物的名称,服务器可将该待护理植物的名称和护理方式均返回给终端进行显示,也就是说终端显示的内容既包括了待护理植物的名称,也包括了待护理植物在当前成长状态下的护理方式。在用户并不知道当前扫描或拍摄图像时什么植物的情况下,本实施例的方法还可告知用户该植物的名称。提高了用户使用体验。
本实施例提供的植物护理方式的确定方法,通过获取待护理植物的图像,然后从该图像中提取待护理植物的结构特征,最后根据所述待护理植物的结构特征和识别模型,确定所述待护理植物对应的护理方式,和现有技术相比,省去了人工查阅的过程,提高了获取植物护理方式的效率。
图2为本发明提供的植物护理方式的确定方法的实施例二的流程图,在根据所述待护理植物的结构特征和识别模型,确定所述待护理植物对应的护理方式之前,要先确定该识别模型。如图2所示,本实施例提供的植物护理方式的确定方法,描述了确定识别模型的一种可实现的方式,即为根据预存的训练样本,确定所述识别模型,具体可包括:
S201、根据所述训练样本中每个样本的结构特征,确定每个样本的成长状态。
S202、根据每个样本的成长状态,构建每个样本对应的状态特征向量。
其中,训练样本包含了各形各色的植物,比如:仙人掌、绿萝、吊篮、发财树等。以绿萝样本为例:获得该绿萝样本的图像后,提取该绿萝样本的结构特征,假设提取到的该绿萝样本的结构特征包括茎的特征和叶的特征,可通过人工判断的方式根据该茎的特征和叶的特征确定该绿萝样本的成长状态,假设得到的该绿萝样本的成长状态为茎部0.5cm、叶缘变褐,则可根据该成长状态构建该绿萝样本的状态特征向量为由此便得到了该绿萝样本对应的状态特征向量。相应的,可采用类似的方法获取每个样本的状态特征向量。
需要说明的是:上述训练样本中,一种植物可能包括多个样本,比如绿萝这种植物可以包括多个样本,但是从该多个绿萝样本中提取到的结构特征是不同的,比如提取到的茎的特征和叶的特征是不同,因此不同绿萝样本对应的状态特征向量也不同。绿萝样本的数量越多,模型训练的基础数据就越详细,根据该样本得到的识别模型对绿萝的识别结果就越精确,得到的护理方式精确度也相应提高。
可选的,训练样本的状态特征向量还可以包括植物的根、茎、叶、花和果实等结构的的形状、大小和颜色,以便识别模型可以根据这些信息将待护理植物的种类和名称识别出来。
S203、根据每个样本的状态特征向量和每个样本被标记的护理方式,确定所述识别模型。
其中,在模型训练前,需要对每个样本的护理方式进行标记,比如可将状态特征向量为的绿萝样本的护理方式标记为:生长季节浇水不足,盆土不能完全变干时再浇水。
需要说明的是:对样本的护理方式进行标记时,需结合植物养殖的专业人员的意见进行标记。
在得到训练样本中每个样本的状态特征向量和与其对应的护理方式的基础上,可采用深度学习方法对每个样本的状态特征向量和与其对应的护理方式进行训练,得到所述识别模型。
本实施例提供的植物护理方式的确定方法,描述了根据预存的训练样本,确定所述识别模型的一种可实现的方式,具体为:首先根据训练样本中每个样本的结构特征,确定每个样本的成长状态;然后根据每个样本的成长状态,构建每个样本对应的状态特征向量;最后根据每个样本的状态特征向量和每个样本被标记的护理方式,确定所述识别模型;得到该识别模型后,便可根据待护理植物的图像和该识别模型直接获取到待护理植物对应的护理方式,和现有技术相比,省时省力,提高了用户使用体验度。
图3为本发明提供的植物护理方式的确定方法的实施例三的流程图。如图3所示,本实施例提供的植物护理方式的确定方法是进一步对上述实施例中S103的一种可实现方式的描述,S103具体包括:
S301、根据所述待护理植物的结构特征,确定所述待护理植物的成长状态。
S302、根据所述待护理植物的成长状态,构建所述待护理植物的状态特征向量。
S303、将所述待护理植物的状态特征向量输入所述识别模型中,得到与所述成长状态对应的护理方式。
其中,假设S302得到待护理植物的状态特征向量为参见图4所示,将得到的状态特征向量为输入识别模型中,识别模型便可输出该待护理植物对应的护理方式。
本实施例提供的运动员比赛状态评估方法,还包括:
S304、采用增强现实AR技术通过终端展示所述待护理植物对应的护理方式。
其中,采用增强现实技术AR技术可将待护理植物的护理方式和待护理植物的图像通过终端同时展示给用户,进一步提高了用户体验。
本实施例提供的植物护理方式的确定方法,描述了确定植物护理方式的一种可实现的方式,具体为:根据所述待护理植物的成长状态,构建所述待护理植物的状态特征向量;将所述待护理植物的状态特征向量输入所述识别模型中,得到与所述成长状态对应的护理方式。和现有技术相比,省去了人工查阅的过程,提高了获取植物护理方式的效率。
图5为本发明提供的植物护理方式的确定装置的实施例一的结构示意图,如图5所示,本实施例提供的植物护理方式的确定装置,包括:
获取模块501,用于获取待护理植物的图像;
提取模块502,用于从所述图像中提取所述待护理植物的结构特征,所述结构特征包括:根、茎、叶、花和果实中的至少一种;
第一确定模块503,用于根据所述待护理植物的结构特征和识别模型,确定所述待护理植物对应的护理方式,所述识别模型用于指示植物的结构特征和植物的护理方式之间的关系。
本实施例提供的植物护理方式的确定装置,可用于执行图1所示实施例中的方法,其实现原理和技术效果类似,在此不再赘述。
图6为本发明提供的植物护理方式的确定装置的实施例二的结构示意图,如图6所示,本实施例提供的植物护理方式的确定装置,所述第一确定模块503,包括:
第一确定单元601,用于根据所述待护理植物的结构特征,确定所述待护理植物的成长状态;
识别单元602,用于采用所述识别模型对所述成长状态进行识别,确定与所述成长状态对应的护理方式。
可选的,本实施例提供的植物护理方式的确定装置,还包括:
第二确定模块603,用于根据预存的训练样本,确定所述识别模型。
可选的,所述第二确定模块603,包括:
第二确定单元604,用于根据所述训练样本中每个样本的结构特征,确定每个样本的成长状态;
构建单元605,用于根据每个样本的成长状态,构建每个样本对应的状态特征向量;
第三确定单元606,用于根据每个样本的状态特征向量和每个样本被标记的护理方式,确定所述识别模型。
可选的,所述识别单元602,具体用于根据所述待护理植物的成长状态,构建所述待护理植物的状态特征向量;并将所述待护理植物的状态特征向量输入所述识别模型中,得到与所述成长状态对应的护理方式。
可选的,第二确定模块603,具体用于采用深度学习方法对每个样本的状态特征向量和每个样本被标记的护理方式进行训练,得到所述识别模型。
可选的,本实施例提供的植物护理方式的确定装置,还包括:
展示模块607,用于采用增强现实AR技术通过终端展示所述待护理植物对应的护理方式。
本实施例提供的植物护理方式的确定装置,可用于执行图2或图3所示实施例中的方法,其实现原理和技术效果类似,在此不再赘述。
图7为本发明提供的服务器的硬件结构示意图。如图7所示,本实施例的服务器可以包括:
存储器701,用于存储程序指令。
所述处理器702,用于在所述程序指令被执行时实现上述任一实施例描述的方法,具体实现原理可参见上述实施例,本实施例此处不再赘述。
本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例所述的植物护理方式的确定方法。
本发明还提供一种程序产品,所述程序产品包括计算机程序,所述计算机程序存储在可读存储介质中,至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序时可实现上述任一实施例所述的植物护理方式的确定方法。
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,所述单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元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单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (16)
1.一种植物护理方式的确定方法,其特征在于,包括:
获取待护理植物的图像;
从所述图像中提取所述待护理植物的结构特征,所述结构特征包括:根、茎、叶、花和果实中的至少一种;
根据所述待护理植物的结构特征和识别模型,确定所述待护理植物对应的护理方式,所述识别模型用于指示植物的结构特征和植物的护理方式之间的关系。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待护理植物的结构特征和识别模型,确定所述待护理植物对应的护理方式,包括:
根据所述待护理植物的结构特征,确定所述待护理植物的成长状态;
采用所述识别模型对所述成长状态进行识别,确定与所述成长状态对应的护理方式。
3.根据权利要求2所述的方法,其特征在于,所述根据所述待护理植物的结构特征和识别模型,获取所述待护理植物对应的护理方式之前,还包括:
根据预存的训练样本,确定所述识别模型。
4.根据权利要求3所述的方法,其特征在于,所述根据预存的训练样本,确定所述识别模型,包括:
根据所述训练样本中每个样本的结构特征,确定每个样本的成长状态;
根据每个样本的成长状态,构建每个样本对应的状态特征向量;
根据每个样本的状态特征向量和每个样本被标记的护理方式,确定所述识别模型。
5.根据权利要求2所述的方法,其特征在于,所述采用所述识别模型对所述成长状态进行识别,确定与所述成长状态对应的护理方式,包括:
根据所述待护理植物的成长状态,构建所述待护理植物的状态特征向量;
将所述待护理植物的状态特征向量输入所述识别模型中,得到与所述成长状态对应的护理方式。
6.根据权利要求3所述的方法,其特征在于,所述根据每个样本的状态特征向量和每个样本被标记的护理方式,确定所述识别模型,包括:
采用深度学习方法对每个样本的状态特征向量和每个样本被标记的护理方式进行训练,得到所述识别模型。
7.根据权利要求1所述的方法,其特征在于,还包括:
采用增强现实AR技术通过终端展示所述待护理植物对应的护理方式。
8.一种植物护理方式的确定装置,其特征在于,包括:
获取模块,用于获取待护理植物的图像;
提取模块,用于从所述图像中提取所述待护理植物的结构特征,所述结构特征包括:根、茎、叶、花和果实中的至少一种;
第一确定模块,用于根据所述待护理植物的结构特征和识别模型,确定所述待护理植物对应的护理方式,所述识别模型用于指示植物的结构特征和植物的护理方式之间的关系。
9.根据权利要求8所述的装置,其特征在于,所述第一确定模块,包括:
第一确定单元,用于根据所述待护理植物的结构特征,确定所述待护理植物的成长状态;
识别模块,用于采用所述识别模型对所述成长状态进行识别,确定与所述成长状态对应的护理方式。
10.根据权利要求9所述的装置,其特征在于,还包括:
第二确定模块,用于根据预存的训练样本,确定所述识别模型。
11.根据权利要求10所述的装置,其特征在于,所述第二确定模块,包括:
第二确定单元,用于根据所述训练样本中每个样本的结构特征,确定每个样本的成长状态;
构建单元,用于根据每个样本的成长状态,构建每个样本对应的状态特征向量;
第三确定单元,用于根据每个样本的状态特征向量和每个样本被标记的护理方式,确定所述识别模型。
12.根据权利要求9所述的装置,其特征在于,
所述识别模块,具体用于根据所述待护理植物的成长状态,构建所述待护理植物的状态特征向量;并将所述待护理植物的状态特征向量输入所述识别模型中,得到与所述成长状态对应的护理方式。
13.根据权利要求10所述的装置,其特征在于,
第二确定模块,具体用于采用深度学习方法对每个样本的状态特征向量和每个样本被标记的护理方式进行训练,得到所述识别模型。
14.根据权利要求8所述的装置,其特征在于,还包括:
展示模块,用于采用增强现实技术AR展示所述待护理植物对应的护理方式。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。
16.一种服务器,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来实现权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810879413.XA CN109145785A (zh) | 2018-08-03 | 2018-08-03 | 植物护理方式的确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810879413.XA CN109145785A (zh) | 2018-08-03 | 2018-08-03 | 植物护理方式的确定方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109145785A true CN109145785A (zh) | 2019-01-04 |
Family
ID=64791412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810879413.XA Pending CN109145785A (zh) | 2018-08-03 | 2018-08-03 | 植物护理方式的确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109145785A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377961A (zh) * | 2019-06-25 | 2019-10-25 | 北京百度网讯科技有限公司 | 作物生长环境控制方法、装置、计算机设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564593A (zh) * | 2011-12-30 | 2012-07-11 | 河海大学常州校区 | 基于计算机视觉及物联网的植物生长状况监测*** |
CN104376496A (zh) * | 2014-12-10 | 2015-02-25 | 绵阳青山森腾信息科技有限公司 | 便于农产品病症查询的无线问诊*** |
CN204423437U (zh) * | 2014-12-10 | 2015-06-24 | 绵阳青山森腾信息科技有限公司 | 具有智慧无线网络的农业实时咨询*** |
CN106682658A (zh) * | 2017-03-14 | 2017-05-17 | 湖南威达科技有限公司 | 一种基于大数据与图像识别的家庭养护芍药的app |
CN107330887A (zh) * | 2017-07-11 | 2017-11-07 | 重庆邮电大学 | 一种基于深度学习的农作物病虫害防治方案推荐*** |
CN206627796U (zh) * | 2017-03-17 | 2017-11-10 | 广东石油化工学院 | 花盆智能监测装置 |
CN107742290A (zh) * | 2017-10-18 | 2018-02-27 | 成都东谷利农农业科技有限公司 | 植物病害识别预警方法及装置 |
-
2018
- 2018-08-03 CN CN201810879413.XA patent/CN109145785A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564593A (zh) * | 2011-12-30 | 2012-07-11 | 河海大学常州校区 | 基于计算机视觉及物联网的植物生长状况监测*** |
CN104376496A (zh) * | 2014-12-10 | 2015-02-25 | 绵阳青山森腾信息科技有限公司 | 便于农产品病症查询的无线问诊*** |
CN204423437U (zh) * | 2014-12-10 | 2015-06-24 | 绵阳青山森腾信息科技有限公司 | 具有智慧无线网络的农业实时咨询*** |
CN106682658A (zh) * | 2017-03-14 | 2017-05-17 | 湖南威达科技有限公司 | 一种基于大数据与图像识别的家庭养护芍药的app |
CN206627796U (zh) * | 2017-03-17 | 2017-11-10 | 广东石油化工学院 | 花盆智能监测装置 |
CN107330887A (zh) * | 2017-07-11 | 2017-11-07 | 重庆邮电大学 | 一种基于深度学习的农作物病虫害防治方案推荐*** |
CN107742290A (zh) * | 2017-10-18 | 2018-02-27 | 成都东谷利农农业科技有限公司 | 植物病害识别预警方法及装置 |
Non-Patent Citations (1)
Title |
---|
刘鹏 等: "基于深度学习的园林智能浇灌***", 《湖北汽车工业学院学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377961A (zh) * | 2019-06-25 | 2019-10-25 | 北京百度网讯科技有限公司 | 作物生长环境控制方法、装置、计算机设备及存储介质 |
CN110377961B (zh) * | 2019-06-25 | 2023-04-28 | 北京百度网讯科技有限公司 | 作物生长环境控制方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dempewolf et al. | Adapting agriculture to climate change: a global initiative to collect, conserve, and use crop wild relatives | |
Brodribb et al. | Unified changes in cell size permit coordinated leaf evolution | |
CN107633066A (zh) | 一种信息展示方法、装置、电子设备及存储介质 | |
CN104574124B (zh) | 确定广告数据的展示效果的方法及装置 | |
Hao et al. | Pollen grain size associated with pollinator feeding strategy | |
CN110348907A (zh) | 一种广告人群的定向方法及装置 | |
CN107590811A (zh) | 基于场景分割的风景图像处理方法、装置及计算设备 | |
CN109145785A (zh) | 植物护理方式的确定方法和装置 | |
CN106844412A (zh) | 一种人脸数据收集方法及装置 | |
Hunt et al. | Design complexity and strength of laterality are correlated in New Caledonian crows' pandanus tool manufacture | |
CN107564085A (zh) | 图像扭曲处理方法、装置、计算设备及计算机存储介质 | |
Zhang et al. | Pollen morphology of different species of Iris barbata and its systematic significance with scanning electron microscopy methods | |
Greene et al. | To pick or not to pick: Photographic voucher specimens as an alternative method to botanical collecting in ethnobotany | |
Heikkinen et al. | Assemblages of spiders on models of semi-arid shrubs | |
CN106611027B (zh) | 网站排名数据处理方法和装置 | |
CN103544141B (zh) | 二进制数据中有意义字符串提取方法和*** | |
Li et al. | Fruit consumption and seed dispersal by birds in native vs. ex situ individuals of the endangered Chinese yew, Taxus chinensis | |
CN110866540A (zh) | 一种田间幼苗期草类识别方法及装置 | |
CN106599117B (zh) | 一种茶学领域虚拟本体建模方法 | |
Bawa et al. | Himalaya: Mountains of life | |
Souza et al. | Comparative analysis of heteropyknotic chromatin and silver-stained material in Platycarenus umbractulatus (Pentatomidae: Discocephalinae) | |
Guhr | Trees, Shrubs, and Woody Vines in Kansas: Revised and Expanded by Michael John Haddock and Craig C. Freeman | |
Wang et al. | Weed25: a weed database for machine learning | |
Josileen | Freshwater prawns: biology and farming | |
Chien | Consolidation and fluidification: the milkfish assemblage across the Taiwan Strait |
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: 20190104 |
|
RJ01 | Rejection of invention patent application after publication |