CN109711272A - 农作物智能化管理方法、***、电子设备及存储介质 - Google Patents
农作物智能化管理方法、***、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109711272A CN109711272A CN201811475067.5A CN201811475067A CN109711272A CN 109711272 A CN109711272 A CN 109711272A CN 201811475067 A CN201811475067 A CN 201811475067A CN 109711272 A CN109711272 A CN 109711272A
- Authority
- CN
- China
- Prior art keywords
- crops
- crop area
- data
- setting
- sensor
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Catching Or Destruction (AREA)
- Fertilizing (AREA)
Abstract
本发明实施例公开了农作物智能化管理方法、***、电子设备及存储介质,本发明涉及人工智能技术领域,其中,所述方法包括:基于预设的机器视觉识别模型,根据环境数据和图像数据,对设定农作物区域内的各个品种的农作物和各种杂草进行识别,得到相应的识别结果;根据识别结果和与识别结果相关联的影响因素因子,通过至少一个第一喷雾器对设定农作物区域的各个品种的农作物进行智能化喷洒相应的肥料和第一药物。本发明的方案,能够做到:对设定农作物区域内的各个品种的农作物进行智能化管理,即:智能化喷洒相应的肥料和药物,有针对性喷洒相应的肥料和药物,不仅提高了种植农作物的种植效率,还提高了农作物的产量,节约了人力和物力。
Description
技术领域
本发明实施例涉及人工智能技术领域,具体涉及农作物智能化管理方法、***、电子设备及存储介质。
背景技术
民以食为天,农产品作为国民经济的基础,毋庸置疑的得到世界各国的重视。
现如今,农民老龄化严重,未来谁种地是急需解决的问题。目前农村种田的主力军应该是60、70后,很多50年代出生的老人还在继续从事农活。80后种地的少了。农民多是农忙回家种田,完了又到城市里打工赚钱,很少有真正意义上的职业农民。
机械化虽然普及了,但是由于人多地少,加上土地分散,导致不能完全大规模的机械化,有些地方还是半机械化。
农业结构不合理,种植单一,基本上都是一年2季庄稼,冬天小麦,夏天玉米。
农产品安全受到严峻的考验。众所周知,当今中国的农业面临诸多挑战,如化肥农药滥用,河水污染,秸秆焚烧带来的大气污染等等。
传统农业技术手段落后,会造成水肥、农药资源浪费,不仅成本高效益低,还会造成土壤、基质污染,产品质量得不到有效保障,设施农业将是未来农业的发展的主流。
对于种植于农田或大棚中的农作物,如何做到有针对性地喷洒相应的肥料和药物,是待解决的技术问题。
发明内容
为此,本发明实施例提供农作物智能化管理方法、***、电子设备及存储介质,以解决现有技术中对于种植于农田或大棚中的农作物,无法做到有针对性地喷洒相应的肥料和药物的问题。
为了实现上述目的,本发明的实施方式提供如下技术方案:
在本发明的实施方式的第一方面中,提供了农作物智能化管理方法,包括:基于预设的机器学习模型,根据数据采集装置采集到的环境数据和图像采集装置采集到的图像数据,记录设定农作物区域的所述环境数据和所述图像数据,其中,所述数据采集装置至少包括设置于所述设定农作物区域的太阳能电池板和设置于所述设定农作物区域的至少一个传感器;基于预设的机器视觉识别模型,根据所述环境数据和所述图像数据,对所述设定农作物区域内的各个品种的农作物和各种杂草进行识别,得到相应的识别结果;根据所述识别结果和与所述识别结果相关联的影响因素因子,通过至少一个第一喷雾器对所述设定农作物区域的各个品种的农作物进行智能化喷洒相应的肥料和第一药物,其中,影响因素因子包括环境预测结果对应的第一影响因素因子和产量预测结果对应的第二影响因素因子。
在本发明的另一实施例中,所述方法还包括:根据至少一个传感器采集到的所述环境数据和图像采集装置采集到的图像数据,基于预设的天气模型,对所述设定农作物区域的农业种植环境进行预测,得到相应的环境预测结果。
在本发明的另一实施例中,所述方法还包括:基于预设的农作物产量预测模型,根据所述环境数据和所述图像数据,对所述设定农作物区域的农作物产量进行预测,得到相应的产量预测结果。
在本发明的另一实施例中,所述方法还包括:基于预设的第一喷洒模型,根据所述识别结果,通过至少一个第二喷雾器对所述设定农作物区域的各种杂草进行智能化喷洒相应的第二药物,其中,至少一个用于采集相应的图像数据的图像采集装置固定于相应的第二喷雾器上。
在本发明的另一实施例中,所述方法还包括:根据所述识别结果,根据预设的第二喷洒模型,通过至少一个第一喷雾器对所述设定农作物区域的各个品种的农作物进行智能化喷洒相应的肥料和第一药物,其中,至少一个用于采集相应的图像数据的图像采集装置固定于相应的第一喷雾器上。
在本发明的又一个实施例中,所述传感器包括第一传感器、第二传感器、第三传感器和第四传感器,所述第一传感器用于测量所述设定农作物区域内的与土壤相关联的各项土壤数据;所述第二传感器用于测量所述设定种植有农作物区域内的与周围空气相关联的空气温度数据;所述第三传感器用于测量所述设定种植有农作物区域内的与周围空气相关联的空调湿度数据;所述第四传感器用于测量所述设定种植有农作物区域内的光线数据。
在本发明的再一个实施例中,所述图像采集装置至少包括以下一项:安装有第一摄像头的卫星图像采集装置、安装有第二摄像头的无人机图像采集装置和安装有第三摄像头的拍摄装置,其中,所述图像采集装置采集到的所述图像数据用于展示所述设定农作物区域内的各个品种的所述农作物的成熟度。
在本发明的实施方式的第二方面中,提供了农作物智能化管理***,所述***包括:数据记录单元,基于预设的机器学习模型,根据数据采集装置采集到的环境数据和图像采集装置采集到的图像数据,记录设定农作物区域的所述环境数据和所述图像数据,其中,所述数据采集装置至少包括设置于所述设定农作物区域的太阳能电池板和设置于所述设定农作物区域的至少一个传感器;识别单元,基于预设的机器视觉识别模型,根据所述数据记录单元记录的所述环境数据和所述图像数据,对所述设定农作物区域内的各个品种的农作物和各种杂草进行识别,得到相应的识别结果;喷洒单元,根据所述识别单元识别出的所述识别结果和与所述识别结果相关联的影响因素因子,通过至少一个第一喷雾器对所述设定农作物区域的各个品种的农作物进行智能化喷洒相应的肥料和第一药物,其中,所述影响因素因子包括环境预测结果对应的第一影响因素因子和产量预测结果对应的第二影响因素因子。
在本发明的实施方式的第三方面中,提供了一种电子设备,所述电子设备包括存储器和处理器,所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如上所述的方法。
在本发明的实施方式的第四方面中,提供了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所述方法的步骤。
根据本发明的实施方式,本发明实施例提供了农作物智能化管理方法、***、电子设备及存储介质,具有如下优点:对设定农作物区域内的各个品种的农作物进行智能化管理,即:智能化喷洒相应的肥料和药物,有针对性喷洒相应的肥料和药物,不仅提高了种植农作物的种植效率,还提高了农作物的产量,节约了人力和物力。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术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示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明的一实施例提供的农作物智能化管理方法的流程示意图;
图2为本发明的另一实施例提供的农作物智能化管理***的结构示意图。
图中:201-数据记录单元;202-识别单元;203-喷洒单元。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,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做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。
实施例1
根据本发明的实施例1,提供了农作物智能化管理方法,如图1所示,为本发明实施例1提供的农作物智能化管理方法的流程示意图。该方法至少包括以下步骤:
S101,基于预设的机器学习模型,根据数据采集装置采集到的环境数据和图像采集装置采集到的图像数据,记录设定农作物区域的环境数据和图像数据,其中,数据采集装置至少包括设置于设定农作物区域的太阳能电池板和设置于设定农作物区域的至少一个传感器;
需要说明的是,在此步骤中的预设的机器学习模型是根据常规的算法建立起来的机器学习模型,预设的机器学习模型,以及该模型对应的算法均是常规技术,在此不再一一赘述。
S102,基于预设的机器视觉识别模型,根据环境数据和图像数据,对设定农作物区域内的各个品种的农作物和各种杂草进行识别,得到相应的识别结果;
需要说明的是,在此步骤中的预设的机器视觉识别模型是根据常规的算法建立起来的机器视觉识别模型,预设的机器视觉识别模型,以及该模型对应的算法均是常规技术,在此不再一一赘述。
S103,根据识别结果和与识别结果相关联的影响因素因子,通过至少一个第一喷雾器对设定农作物区域的各个品种的农作物进行智能化喷洒相应的肥料和第一药物,其中,影响因素因子包括环境预测结果对应的第一影响因素因子和产量预测结果对应的第二影响因素因子;这样,通过本发明实施例1提供的方案,能够做到:对设定农作物区域内的各个品种的农作物进行智能化管理,即:智能化喷洒相应的肥料和药物,有针对性喷洒相应的肥料和药物,不仅提高了种植农作物的种植效率,还提高了农作物的产量,节约了人力和物力。
需要说明的是,在步骤103中的第一药物是指,根据识别结果,通过至少一个第一喷雾器对设定农作物区域的各个品种的农作物进行智能化喷洒的药物。在实际应用中,针对不同品种的农作物,以及该农作物的生长情况,喷洒的第一药物往往是不同的,以及第一药物喷洒的量也是不同的,具体情况,需要根据不同的应用场景进行相应的调整,在此不再一一赘述。
在一个可选的例子中,所述方法还包括:根据至少一个传感器采集到的环境数据和图像采集装置采集到的图像数据,基于预设的天气模型,对设定农作物区域的农业种植环境进行预测,得到相应的环境预测结果;这样,通过本发明实施例1提供的管理方法,能够对当前种植有农作物的设定农作物区域的种植环境进行精准地预测,得到相应的环境预测结果,并基于该环境预测结果,对当前种植的农作物的种类进行调整,使得种植的农作物更加适用于当前种植环境。
需要说明的是,上述提及到的预设的天气模型是根据常规的算法建立起来的,预设的天气模型,以及该模型对应的算法均是常规技术,在此不再一一赘述。
在一个可选的例子中,所述方法还包括:基于预设的农作物产量预测模型,根据环境数据和图像数据,对设定农作物区域的农作物产量进行预测,得到相应的产量预测结果;这样,根据产量预测结果,以及结合实际农作物的产量进行比较,得到相应的比较结果,并基于该比较结果,看当前的各个农作物的产量是否达到了预期的产量,如果没有达到,对喷洒于农作物上的肥料的种类、剂量进行调整,同样地,也可以调整喷洒于农作物上的第一药物的种类、剂量。
除了上述处理方法之外,还可以对种植的农作物的品种进行调整,直到调整至最适合种植的农作物品种。
需要说明的是,上述提及到的预设的农作物产量预测模型是根据常规的算法建立起来的,预设的农作物产量预测模型,以及该模型对应的算法均是常规技术,在此不再一一赘述。
在一个可选的例子中,所述方法还包括:基于预设的第一喷洒模型,根据识别结果,通过至少一个第二喷雾器对设定农作物区域的各种杂草进行智能化喷洒相应的第二药物,其中,至少一个用于采集相应的图像数据的图像采集装置固定于相应的第二喷雾器上。
在实际应用中,采集相应的图像数据的图像采集装置为摄像头,因为摄像头安装比较容易。
需要说明的是,第一喷洒模型是基于常规的算法建立起来的模型,第一喷洒模型,以及该模型对应的算法均是常规技术,在此不再一一赘述。
在实际应用中,通过安装的摄像头,能够准确地获取到伴随农作物生产于设定农作物区域的各种杂草的生产情况,基于杂草的种类和杂草的生产情况,进行智能化喷洒相应的第二药物,其中,第二药物是用于区别第一药物的,第二药物是指根据识别结果,通过至少一个第二喷雾器对设定农作物区域的各种杂草进行智能化喷洒的药物。
在实际应用中,针对不同品种的杂草,以及该杂草的生长情况,喷洒的第二药物往往是不同的,以及第二药物喷洒的量也是不同的,具体情况,需要根据不同的应用场景进行相应的调整,在此不再一一赘述。
这样,在实际应用中,根据识别结果,通过至少一个第二喷雾器对设定农作物区域的各种杂草进行智能化喷洒相应的第二药物,这样,做到了有针对性地喷洒药物,提高了施药的效率,避免了药物的浪费。
在一个可选的例子中,所述方法还包括:根据识别结果,根据预设的第二喷洒模型,通过至少一个第一喷雾器对设定农作物区域的各个品种的农作物进行智能化喷洒相应的肥料和第一药物,其中,至少一个用于采集相应的图像数据的图像采集装置固定于相应的第一喷雾器上。
在实际应用中,采集相应的图像数据的图像采集装置为摄像头,因为摄像头安装比较容易。
需要说明的是,第二喷洒模型是基于常规的算法建立起来的模型,第二喷洒模型,以及该模型对应的算法均是常规技术,在此不再一一赘述。
在实际应用中,通过安装的摄像头,能够准确地获取到种植于设定农作物区域的各个农作物的生产情况,基于该生产情况能够准确地看到当前作物存在的问题,给出合理的肥料和药物,这样,提高了施肥的效率,也提高了施药的效率,避免了浪费肥料,也避免了浪费药物。
在一个可选的例子中,传感器包括第一传感器、第二传感器、第三传感器和第四传感器,第一传感器用于测量设定农作物区域内的与土壤相关联的各项土壤数据;第二传感器用于测量设定种植有农作物区域内的与周围空气相关联的空气温度数据;第三传感器用于测量设定种植有农作物区域内的与周围空气相关联的空气湿度数据;第四传感器用于测量设定种植有农作物区域内的光线数据;这样,通过将各个不同种类的传感器设置于设定农作物区域的不同区域,使得采集到的各项数据是精准的。
需要说明的是,上述仅仅罗列出了常见的传感器的种类,还可以有其它类型,且具有其它功能的传感器,在此不再一一赘述。
在实际应用中,可以针对不同应用场景的不同需求,对传感器采集数据的时间间隔进行设置,为了使得获取到的各项数据更加准确,可以将时间间隔设置的更短些,或者,设置为实时采集数据。
在另外的应用场景中,为了提高云服务器的运算速度,节约云服务器的存储空间,也可以将传感器采集各项数据的时间间隔设置的时间间隔长些,可以根据实际不同应用场景的需求,进行相应的调整,在此不再赘述。
在一个可选的例子中,图像采集装置至少包括以下一项:安装有第一摄像头的卫星图像采集装置、安装有第二摄像头的无人机图像采集装置和安装有第三摄像头的拍摄装置,其中,图像采集装置采集到的图像数据用于展示设定农作物区域内的各个品种的农作物的成熟度。
综上所述,本发明实施例1提供的农作物智能化管理方法,具有以下有益效果:对设定农作物区域内的各个品种的农作物进行智能化管理,即:智能化喷洒相应的肥料和药物,有针对性喷洒相应的肥料和药物,不仅提高了种植农作物的种植效率,还提高了农作物的产量,节约了人力和物力。
此外,本发明实施例1提供的农作物智能化管理方法,由于采用先进的科学技术,能够实现精准播种、合理水肥灌溉、实现农业生产低耗高效、农产品优质高产。
实施例2
根据本发明的实施例2,还提供了农作物智能化管理***,如图2所示,为本发明实施例2提供的农作物智能化管理***的结构示意图。
本发明实施例2提供的农作物智能化管理***包括数据记录单元201、识别单元202和喷洒单元203。
具体而言,数据记录单元201,基于预设的机器学习模型,根据数据采集装置采集到的环境数据和图像采集装置采集到的图像数据,记录设定农作物区域的环境数据和图像数据,其中,数据采集装置至少包括设置于设定农作物区域的太阳能电池板和设置于设定农作物区域的至少一个传感器;
识别单元202,基于预设的机器视觉识别模型,根据数据记录单元201记录的环境数据和图像数据,对设定农作物区域内的各个品种的农作物和各种杂草进行识别,得到相应的识别结果;
喷洒单元203,根据识别单元202识别出的识别结果和与识别结果相关联的影响因素因子,通过至少一个第一喷雾器对设定农作物区域的各个品种的农作物进行智能化喷洒相应的肥料和第一药物,其中,影响因素因子包括环境预测结果对应的第一影响因素因子和产量预测结果对应的第二影响因素因子;这样,通过本发明实施例2提供的农作物智能化管理***,能够做到:对设定农作物区域内的各个品种的农作物进行智能化管理,即:智能化喷洒相应的肥料和药物,有针对性喷洒相应的肥料和药物,不仅提高了种植农作物的种植效率,还提高了农作物的产量,节约了人力和物力。
本发明实施例2提供的方案中的部分内容与本发明实施例1提供的方案中的部分内容相同或相似的部分,烦请参见针对本发明实施例1的相应部分的描述,在此不再赘述。
综上所述,本发明实施例2提供的农作物智能化管理***,具有以下有益效果:对设定农作物区域内的各个品种的农作物进行智能化管理,即:智能化喷洒相应的肥料和药物,有针对性喷洒相应的肥料和药物,不仅提高了种植农作物的种植效率,还提高了农作物的产量,节约了人力和物力。
此外,本发明实施例2提供的农作物智能化管理***,由于采用先进的科学技术,能够实现精准播种、合理水肥灌溉、实现农业生产低耗高效、农产品优质高产。
实施例3
根据本发明的实施例3,还提供了电子设备,所述电子设备包括:存储器和处理器,所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如下方法:基于预设的机器学习模型,根据数据采集装置采集到的环境数据和图像采集装置采集到的图像数据,记录设定农作物区域的环境数据和图像数据,其中,数据采集装置至少包括设置于设定农作物区域的太阳能电池板和设置于设定农作物区域的至少一个传感器;基于预设的机器视觉识别模型,根据环境数据和图像数据,对设定农作物区域内的各个品种的农作物和各种杂草进行识别,得到相应的识别结果;根据识别结果和与识别结果相关联的影响因素因子,通过至少一个第一喷雾器对设定农作物区域的各个品种的农作物进行智能化喷洒相应的肥料和第一药物,其中,影响因素因子包括环境预测结果对应的第一影响因素因子和产量预测结果对应的第二影响因素因子。
本发明实施例3提供的方案中的部分内容与本发明实施例1提供的方案中的部分内容相同或相似的部分,烦请参见针对本发明实施例1的相应部分的描述,在此不再赘述。
综上所述,本发明实施例3提供的一种电子设备,具有以下有益效果:对设定农作物区域内的各个品种的农作物进行智能化管理,即:智能化喷洒相应的肥料和药物,有针对性喷洒相应的肥料和药物,不仅提高了种植农作物的种植效率,还提高了农作物的产量,节约了人力和物力。
此外,本发明实施例4提供的一种电子设备,由于采用先进的科学技术,能够实现精准播种、合理水肥灌溉、实现农业生产低耗高效、农产品优质高产。
实施例4
根据本发明的实施例4,还提供了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如下方法:基于预设的机器学习模型,根据数据采集装置采集到的环境数据和图像采集装置采集到的图像数据,记录设定农作物区域的环境数据和图像数据,其中,数据采集装置至少包括设置于设定农作物区域的太阳能电池板和设置于设定农作物区域的至少一个传感器;基于预设的机器视觉识别模型,根据环境数据和图像数据,对设定农作物区域内的各个品种的农作物和各种杂草进行识别,得到相应的识别结果;根据识别结果和与识别结果相关联的影响因素因子,通过至少一个第一喷雾器对设定农作物区域的各个品种的农作物进行智能化喷洒相应的肥料和第一药物,其中,影响因素因子包括环境预测结果对应的第一影响因素因子和产量预测结果对应的第二影响因素因子。
本发明实施例4提供的方案中的部分内容与本发明实施例1提供的方案中的部分内容相同或相似的部分,烦请参见针对本发明实施例1的相应部分的描述,在此不再赘述。
综上所述,本发明实施例4提供的一种计算机可读存储介质,具有以下有益效果:对设定农作物区域内的各个品种的农作物进行智能化管理,即:智能化喷洒相应的肥料和药物,有针对性喷洒相应的肥料和药物,不仅提高了种植农作物的种植效率,还提高了农作物的产量,节约了人力和物力。
此外,本发明实施例4提供的一种计算机可读存储介质,由于采用先进的科学技术,能够实现精准播种、合理水肥灌溉、实现农业生产低耗高效、农产品优质高产。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.农作物智能化管理方法,其特征在于,包括:
基于预设的机器学习模型,根据数据采集装置采集到的环境数据和图像采集装置采集到的图像数据,记录设定农作物区域的所述环境数据和所述图像数据,其中,所述数据采集装置至少包括设置于所述设定农作物区域的太阳能电池板和设置于所述设定农作物区域的至少一个传感器;
基于预设的机器视觉识别模型,根据所述环境数据和所述图像数据,对所述设定农作物区域内的各个品种的农作物和各种杂草进行识别,得到相应的识别结果;
根据所述识别结果和与所述识别结果相关联的影响因素因子,通过至少一个第一喷雾器对所述设定农作物区域的各个品种的农作物进行智能化喷洒相应的肥料和第一药物,其中,所述影响因素因子包括环境预测结果对应的第一影响因素因子和产量预测结果对应的第二影响因素因子。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:根据至少一个传感器采集到的所述环境数据和图像采集装置采集到的图像数据,基于预设的天气模型,对所述设定农作物区域的农业种植环境进行预测,得到相应的环境预测结果。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:基于预设的农作物产量预测模型,根据所述环境数据和所述图像数据,对所述设定农作物区域的农作物产量进行预测,得到相应的产量预测结果。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:基于预设的第一喷洒模型,根据所述识别结果,通过至少一个第二喷雾器对所述设定农作物区域的各种杂草进行智能化喷洒相应的第二药物,其中,至少一个用于采集相应的图像数据的图像采集装置固定于相应的第二喷雾器上。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:根据所述识别结果,根据预设的第二喷洒模型,通过至少一个第一喷雾器对所述设定农作物区域的各个品种的农作物进行智能化喷洒相应的肥料和第一药物,其中,至少一个用于采集相应的图像数据的图像采集装置固定于相应的第一喷雾器上。
6.根据权利要求1所述的方法,其特征在于,
所述传感器包括第一传感器、第二传感器、第三传感器和第四传感器,
所述第一传感器用于测量所述设定农作物区域内的与土壤相关联的各项土壤数据;
所述第二传感器用于测量所述设定种植有农作物区域内的与周围空气相关联的空气温度数据;
所述第三传感器用于测量所述设定种植有农作物区域内的与周围空气相关联的空调湿度数据;
所述第四传感器用于测量所述设定种植有农作物区域内的光线数据。
7.根据权利要求1所述的方法,其特征在于,所述图像采集装置至少包括以下一项:
安装有第一摄像头的卫星图像采集装置、安装有第二摄像头的无人机图像采集装置和安装有第三摄像头的拍摄装置,其中,所述图像采集装置采集到的所述图像数据用于展示所述设定农作物区域内的各个品种的所述农作物的成熟度。
8.农作物智能化管理***,其特征在于,包括:
数据记录单元,基于预设的机器学习模型,根据数据采集装置采集到的环境数据和图像采集装置采集到的图像数据,记录设定农作物区域的所述环境数据和所述图像数据,其中,所述数据采集装置至少包括设置于所述设定农作物区域的太阳能电池板和设置于所述设定农作物区域的至少一个传感器中;
识别单元,基于预设的机器视觉识别模型,根据所述数据记录单元记录的所述环境数据和所述图像数据,对所述设定农作物区域内的各个品种的农作物和各种杂草进行识别,得到相应的识别结果;
喷洒单元,根据所述识别单元识别出的所述识别结果和与所述识别结果相关联的影响因素因子,通过至少一个第一喷雾器对所述设定农作物区域的各个品种的农作物进行智能化喷洒相应的肥料和第一药物,其中,所述影响因素因子包括环境预测结果对应的第一影响因素因子和产量预测结果对应的第二影响因素因子。
9.一种电子设备,其特征在于,包括:
存储器和处理器,所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
10.一种计算机可读存储介质,其特征在于,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如权利要求1至7任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811475067.5A CN109711272A (zh) | 2018-12-04 | 2018-12-04 | 农作物智能化管理方法、***、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811475067.5A CN109711272A (zh) | 2018-12-04 | 2018-12-04 | 农作物智能化管理方法、***、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109711272A true CN109711272A (zh) | 2019-05-03 |
Family
ID=66254061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811475067.5A Pending CN109711272A (zh) | 2018-12-04 | 2018-12-04 | 农作物智能化管理方法、***、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711272A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197308A (zh) * | 2019-06-05 | 2019-09-03 | 黑龙江省七星农场 | 一种用于农业物联网的作物监测***及方法 |
CN110632930A (zh) * | 2019-09-30 | 2019-12-31 | 上海寰钛教育科技有限公司 | 适用于园圃智能化的智能行车控制方法及装置、存储介质 |
CN112790180A (zh) * | 2021-01-04 | 2021-05-14 | 罗峰 | 一种用于作物施肥施药的标准化计量指导*** |
CN113366956A (zh) * | 2021-06-16 | 2021-09-10 | 中国农业大学 | 药肥同施的控制方法及药肥同施的装置 |
US11783207B2 (en) | 2020-02-18 | 2023-10-10 | International Business Machines Corporation | Robotic Toxicodendron weeding |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120109614A1 (en) * | 2010-10-25 | 2012-05-03 | Lindores Robert J | Crop characteristic estimation |
CN104881017A (zh) * | 2015-06-11 | 2015-09-02 | 张迪 | 一种基于北斗的农作物生长监管*** |
CN106383522A (zh) * | 2016-09-22 | 2017-02-08 | 华南农业大学 | 一种基于虚拟现实的田间农情信息实时监测*** |
CN106585992A (zh) * | 2016-12-15 | 2017-04-26 | 上海土是宝农业科技有限公司 | 一种无人机智能识别、精确喷洒农药的方法及*** |
CN107426958A (zh) * | 2015-01-11 | 2017-12-01 | Aaa塔拉尼斯视觉有限公司 | 农业监控***和方法 |
US20180012168A1 (en) * | 2016-07-06 | 2018-01-11 | Agrian, Inc. | Multi-year crop yield analysis using remotely-sensed imagery for missing or incomplete yield events for site-specific variable rate applications |
CN107807598A (zh) * | 2017-11-24 | 2018-03-16 | 吉林省农业机械研究院 | 物联网+节水、节肥精准灌溉***及方法 |
CN107944596A (zh) * | 2017-10-20 | 2018-04-20 | 上海交通大学 | 一种基于物联网的甜瓜生长管理专家*** |
US20180197287A1 (en) * | 2017-01-08 | 2018-07-12 | Adrian Ronaldo Macias | Process of using machine learning for cannabis plant health diagnostics |
CN108684282A (zh) * | 2018-04-11 | 2018-10-23 | 北京麦飞科技有限公司 | 一种农业察打一体机***及喷洒控制方法 |
CN108776803A (zh) * | 2018-04-20 | 2018-11-09 | 中国农业大学 | 一种去除农田中杂草的方法及*** |
-
2018
- 2018-12-04 CN CN201811475067.5A patent/CN109711272A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120109614A1 (en) * | 2010-10-25 | 2012-05-03 | Lindores Robert J | Crop characteristic estimation |
CN107426958A (zh) * | 2015-01-11 | 2017-12-01 | Aaa塔拉尼斯视觉有限公司 | 农业监控***和方法 |
CN104881017A (zh) * | 2015-06-11 | 2015-09-02 | 张迪 | 一种基于北斗的农作物生长监管*** |
US20180012168A1 (en) * | 2016-07-06 | 2018-01-11 | Agrian, Inc. | Multi-year crop yield analysis using remotely-sensed imagery for missing or incomplete yield events for site-specific variable rate applications |
CN106383522A (zh) * | 2016-09-22 | 2017-02-08 | 华南农业大学 | 一种基于虚拟现实的田间农情信息实时监测*** |
CN106585992A (zh) * | 2016-12-15 | 2017-04-26 | 上海土是宝农业科技有限公司 | 一种无人机智能识别、精确喷洒农药的方法及*** |
US20180197287A1 (en) * | 2017-01-08 | 2018-07-12 | Adrian Ronaldo Macias | Process of using machine learning for cannabis plant health diagnostics |
CN107944596A (zh) * | 2017-10-20 | 2018-04-20 | 上海交通大学 | 一种基于物联网的甜瓜生长管理专家*** |
CN107807598A (zh) * | 2017-11-24 | 2018-03-16 | 吉林省农业机械研究院 | 物联网+节水、节肥精准灌溉***及方法 |
CN108684282A (zh) * | 2018-04-11 | 2018-10-23 | 北京麦飞科技有限公司 | 一种农业察打一体机***及喷洒控制方法 |
CN108776803A (zh) * | 2018-04-20 | 2018-11-09 | 中国农业大学 | 一种去除农田中杂草的方法及*** |
Non-Patent Citations (3)
Title |
---|
MAREK KULBACKI等: "Survey of Drones for Agriculture Automation from Planting to Harvest", 《2018 IEEE 22ND INTERNATIONAL CONFERENCE ON INTELLIGENT ENGINEERING SYSTEMS (INES)》 * |
张自清: ""渤海粮仓"小麦生产信息管理***研发", 《中国优秀硕士学位论文全文数据库农业科技辑》 * |
曹宏鑫: "《互联网+现代农业 给农业插上梦想的翅膀》", 31 October 2017, 南京:江苏科学技术出版社 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197308A (zh) * | 2019-06-05 | 2019-09-03 | 黑龙江省七星农场 | 一种用于农业物联网的作物监测***及方法 |
CN110197308B (zh) * | 2019-06-05 | 2020-06-26 | 黑龙江省七星农场 | 一种用于农业物联网的作物监测***及方法 |
CN110632930A (zh) * | 2019-09-30 | 2019-12-31 | 上海寰钛教育科技有限公司 | 适用于园圃智能化的智能行车控制方法及装置、存储介质 |
US11783207B2 (en) | 2020-02-18 | 2023-10-10 | International Business Machines Corporation | Robotic Toxicodendron weeding |
CN112790180A (zh) * | 2021-01-04 | 2021-05-14 | 罗峰 | 一种用于作物施肥施药的标准化计量指导*** |
CN113366956A (zh) * | 2021-06-16 | 2021-09-10 | 中国农业大学 | 药肥同施的控制方法及药肥同施的装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711272A (zh) | 农作物智能化管理方法、***、电子设备及存储介质 | |
CN203241793U (zh) | 一种基于物联网的农业生产监控及管理*** | |
Kajol et al. | Automated agricultural field analysis and monitoring system using IOT | |
CN106657401A (zh) | 一种基于物联网的农作物生长监测平台及其监测方法 | |
CN107945042A (zh) | 一种作物生长灌溉决策控制*** | |
CN107173184A (zh) | 一种智能化农业灌溉***及方法 | |
Marcu et al. | IoT based system for smart agriculture | |
Debauche et al. | Irrigation pivot-center connected at low cost for the reduction of crop water requirements | |
Ukhurebor et al. | Precision agriculture: Weather forecasting for future farming | |
CN205819567U (zh) | 一种无人机植保*** | |
CN107238574A (zh) | 面向棉花靶向施肥的植株长势检测与诊断方法 | |
CN102413160A (zh) | 一种猕猴桃果园精准管理*** | |
CN207053612U (zh) | 一种基于手机app的立体农业种植棚远程管理*** | |
CN108650321A (zh) | 一种智能菜园控制***及其控制方法 | |
CN103609363A (zh) | 一种温室大棚育苗管理监视*** | |
Suvočarev et al. | Transpiration of table grape (Vitis vinifera L.) trained on an overhead trellis system under netting | |
Mohanty et al. | Cultivation of cash crops under automated greenhouse using internet of things (IoT) | |
CN205375166U (zh) | 一种基于物联网的智能农业监控*** | |
CN115629585A (zh) | 一种智慧农业的种植管理方法及*** | |
Singh et al. | Role of IoT technology in agriculture for reshaping the future of farming in India: a review | |
CN203692049U (zh) | 一种温室大棚育苗管理监视*** | |
CN109102419A (zh) | 基于物联网的大棚种植管理*** | |
CN107995306A (zh) | 一种棉花精确种植*** | |
Krishna et al. | Inclusion of cloud, blockchain and iot based technologies in agriculture sector | |
CN106713414A (zh) | 一种生命周期模型解决种植问题的服务*** |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20220325 |