CN110097473A - 一种农作物生命全周期的数据采集方法、装置及设备 - Google Patents
一种农作物生命全周期的数据采集方法、装置及设备 Download PDFInfo
- Publication number
- CN110097473A CN110097473A CN201910348444.7A CN201910348444A CN110097473A CN 110097473 A CN110097473 A CN 110097473A CN 201910348444 A CN201910348444 A CN 201910348444A CN 110097473 A CN110097473 A CN 110097473A
- Authority
- CN
- China
- Prior art keywords
- data
- growth
- acquisition
- crops
- growth phase
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000012010 growth Effects 0.000 claims abstract description 59
- 238000013507 mapping Methods 0.000 claims abstract description 41
- 230000003698 anagen phase Effects 0.000 claims description 49
- 230000006870 function Effects 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000008447 perception Effects 0.000 abstract 1
- 239000002689 soil Substances 0.000 description 7
- 241000227653 Lycopersicon Species 0.000 description 5
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000034303 cell budding Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种农作物生命全周期的数据采集方法，步骤包括：获取待监测农作物的生长信息，并根据所述生长信息将所述待监测农作物的全生长周期划分为不同的生长阶段；通过分析所述生长信息，构建每个生长阶段的生长特性与感知参数的映射关系；根据所述映射关系控制数据采集器进行数据采集。本发明依据数据分析结果进行数据采集，能够提高农作物数据质量，减少无用的数据量，从而提高数据采集效率。
Description
技术领域
本发明涉及电子信息技术领域，尤其是涉及一种农作物生命全周期的数据采集方法、装置及设备。
背景技术
农业是一个国家的根本，农业信息的采集，尤其是农作物生长参数等相关信息的采集，是实现精准农业、智慧农业的关键与重要基础，同时，准确、有效的农作物信息为农业决策提供必要的信息基础。
但是，现有的农作物数据采集方法未对数据进行分析与评估，直接采集全部相关数据，因此存在采集到的数据质量差、价值低等不足，同时，采集到的大量无用的数据会使整个无线传感网络花费更高能耗与更多时间用于数据处理，降低了数据采集效率。
发明内容
针对上述技术问题，本发明提供了一种农作物生命全周期的数据采集方法、装置及设备，依据数据分析结果进行数据采集，能够提高农作物数据质量，减少无用的数据量，从而提高数据采集效率。所述技术方案如下：
第一方面，本发明实施例提供了一种农作物生命全周期的数据采集方法，步骤包括：
获取待监测农作物的生长信息，并根据所述生长信息将所述待监测农作物的全生长周期划分为不同的生长阶段；
通过分析所述生长信息，构建每个生长阶段的生长特性与感知参数的映射关系；
根据所述映射关系控制数据采集器进行数据采集。
在本发明第一方面的第一种可能的实现方式中，所述通过分析所述生长信息，构建每个生长阶段的生长特性与感知参数的映射关系，具体步骤为：
计算每个生长阶段的特征数据与采集数据的相关度；
根据所述相关度，对所述采集数据进行聚合与分类，得出分别对应各个生长阶段的关键参数；
建立生长阶段与关键参数之间的函数映射关系。
在本发明第一方面的第二种可能的实现方式中，所述根据所述相关度，对所述采集数据进行聚合与分类，得出分别对应各个生长阶段的关键参数，具体为：
基于聚类算法与BP神经网络，对所述采集数据按照所述相关度进行聚合与分类，得出不同生长阶段需要采集的数据种类。
在本发明第一方面的第三种可能的实现方式中，所述根据所述映射关系控制数据采集器进行数据采集，具体步骤为：
根据所述待监测农作物的生长阶段，控制所述数据采集器采集与当前生长阶段相对应的数据种类；
根据不同的数据种类，调整所述数据采集器的采集频率以获取数据。
第二方面，本发明实施例提供了一种农作物生命全周期的数据采集装置，包括：
生长阶段划分模块，用于获取待监测农作物的生长信息，并根据所述生长信息将所述待监测农作物的全生长周期划分为不同的生长阶段；
映射关系生成模块，用于通过分析所述生长信息，构建每个生长阶段的生长特性与感知参数的映射关系；
数据采集模块，用于根据所述映射关系控制数据采集器进行数据采集。
在本发明第二方面的第一种可能的实现方式中，所述的农作物生命全周期的数据采集装置，还包括：
相关度计算模块，用于计算每个生长阶段的特征数据与采集数据的相关度；
数据聚类模块，用于根据所述相关度，对所述采集数据进行聚合与分类，得出分别对应各个生长阶段的关键参数；
函数映射关系生成模块，用于建立生长阶段与关键参数之间的函数映射关系。
在本发明第二方面的第二种可能的实现方式中，所述的农作物生命全周期的数据采集装置，还包括：
数据分类采集模块，用于根据所述待监测农作物的生长阶段，控制所述数据采集器采集与当前生长阶段相对应的数据种类；
采集频率调整模块，用于根据不同的数据种类，调整所述数据采集器的采集频率以获取数据。
第三方面，本发明实施例提供了一种农作物生命全周期的数据采集设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述的农作物生命全周期的数据采集方法。
相比于现有技术，本发明实施例具有如下有益效果：
本发明利用大数据技术，获取大量已有的农作物信息，通过智能算法分析待监测农作物信息后，将待监测农作物的全生长周期划分为具有典型代表性的不同阶段，同时建立农作物生长阶段的生长特性与感知参数之间的映射关系，从而根据所述映射关系采集与农作物生长阶段密切相关的数据，有利于提高数据的相关性以及提高采集到的数据的质量；另外，由于根据所述映射关系控制数据采集器进行数据采集，有效地避免数据采集器不经筛选地采集所有数据，降低采集到无用数据的可能，从而减少无用的数据量以降低整个感知网络的负担，进而有利于提高感知网络的数据采集效率，以及延长感知网络的使用寿命。
附图说明
图1是本发明实施例中的一种农作物生命全周期的数据采集方法的流程图；
图2是本发明实施例中的一种农作物生命全周期的数据采集方法的原理图；
图3是本发明实施例中的一种农作物生命全周期的数据采集装置的结构图。
具体实施方式
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，所描述的实施例仅仅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。
请参考图1和图2，其示出了本发明一个示例性实施例提供的一种农作物生命全周期的数据采集方法，步骤包括：
S101、获取待监测农作物的生长信息，并根据所述生长信息将所述待监测农作物的全生长周期划分为不同的生长阶段；
S102、通过分析所述生长信息，构建每个生长阶段的生长特性与感知参数的映射关系；
S103、根据所述映射关系控制数据采集器进行数据采集。
优选地，所述通过分析所述生长信息，构建每个生长阶段的生长特性与感知参数的映射关系，具体为：
计算每个生长阶段的特征数据与采集数据的相关度；
根据所述相关度，对所述采集数据进行聚合与分类，得出分别对应各个生长阶段的关键参数；
建立生长阶段与关键参数之间的函数映射关系。
在本实施例中，以西红柿作为待监测农作物，通过长时间的观察，建立西红柿大数据集合，然后按照作物的生长参数，如茎长值，采用大数据和人工智能方法，将西红柿整个生长周期划分为萌芽，育苗，定值，结果等四个阶段，同时采用大数据与人工智能，计算出四个阶段最易发生的病害，并建立病害与感知参数之间的映射关系与关联程度。其映射关系如下表所示：
表1西红柿全生长周期的病害与感知参数关联表
| 周期 | 显著病害 | 感知参数 |
| 萌芽 | 坏牙病 | 土壤温湿度 |
| 育苗 | 猝倒病 | 空气温湿度，光照 |
| 定值 | 叶素病 | 通风效果，图像 |
| 结果 | 疮痂病 | 空气温湿度，图像 |
基于上表，在不同的时期驱动不同的传感器，完成数据采集。例如萌芽期容易发生坏牙病，其主要原因是土壤湿度较大，为此数据采集网络应该驱动节点重点采集土壤的温湿度等参数，加大土壤温湿度采集的频率。当西红柿处于育苗期时容易生猝倒病，次数需要驱动节点采集空气中的相关参数，同时降低土壤参数采集的频率。
在本实施例中，本发明实施例利用大数据技术，获取大量已有的农作物信息，通过智能算法分析待监测农作物信息后，将待监测农作物的全生长周期划分为具有典型代表性的不同阶段，同时建立农作物生长阶段的生长特性与感知参数之间的映射关系，从而根据所述映射关系采集与当前农作物生长阶段密切相关的数据，有利于提高数据的相关性以及提高采集到的数据的质量；另外，由于根据所述映射关系控制数据采集器进行数据采集，有效地避免数据采集器不经筛选地采集所有数据，降低采集到无用数据的可能，从而减少无用的数据量以降低整个感知网络的负担，进而有利于提高感知网络的数据采集效率，以及延长感知网络的使用寿命。通过精确地计算特征数据与采集数据的相关度，进一步筛选出对农作物生长阶段的价值度更高的关键参数，从而进一步提高数据质量和减少采集数据量，进而提高数据采集效率。
优选地，所述根据所述相关度，对所述采集数据进行聚合与分类，得出分别对应各个生长阶段的关键参数，具体为：
基于聚类算法与BP神经网络，对所述采集数据按照所述相关度进行聚合与分类，得出不同生长阶段需要采集的数据种类。
在本实施例的一种可能的实现方式中，所述聚类算法与BP神经网络的具体应用为：
获取待监测农作物的图像信息；
提取特征参数；提取灰度值、像素值、圆度等三个特征值；
利用K-means算法对所述特征参数进行聚类，不断更新聚类中心，直至聚类中心不再变化或迭代结束；
构建BP神经网络，定义BP神经网络的网络结构，确定网络层数、创建函数、训练函数、输入训练数据训练神经网络分类器；
测试：对训练完成的分类器输入测试数据，输出分类正确率，其中，所述训练数据和所述测试数据均可能为已知的农作物参数。
在本实施例中，利用聚类算法与BP神经网络能提高农作物数据分类的准确率，以及提高数据处理能力。
优选地，所述根据所述映射关系控制数据采集器进行数据采集，具体步骤为：
根据所述待监测农作物的生长阶段，控制所述数据采集器采集与当前生长阶段相对应的数据种类；
根据不同的数据种类，调整所述数据采集器的采集频率以获取数据。
其中，所述数据采集器包括但不限于光传感器、湿度传感器、温度传感器等。
在本实施例的一种可能的实现方式中，当作物处于萌芽期时，无线节点重点需要采集土壤中的相关参数，例如土壤温湿度等；当作物处于结果期时，无线节点重点采集果实的图片信息。另外，白天时用于采集光照强度的频率较高，需要一小时10次；夜晚时，光强强度采集频率较低，只要一小时1次。
在本实施例中，根据所述映射关系控制数据采集器进行数据采集，对应需要采集的参数调整数据采集器的采集功能，例如，需要采集光的波长和频率时调用光传感器采集数据，这有利于发挥传感器的最大效用；对应不同生长阶段调用不同的传感器采集数据，同时关闭部分当前生长阶段不需要的传感器，这有利于节约感知网络的资源和运行成本；同时，根据需要动态地调节采集频率，有利于减低感知网络的负荷，保障感知网络正常运作。
优选地，采用多协议多频段无线网络，低速网络(LoRaWAN)与高速网络(WIFI，ZIgbee)，低速网络根据服务器动态调整采集***的相关参数，诸如采样数据种类、频率等；利用高速网络进行数据传输。
请参考图3其示出了本发明一个示例性实施例提供的一种农作物生命全周期的数据采集装置，包括：
生长阶段划分模块201，用于获取待监测农作物的生长信息，并根据所述生长信息将所述待监测农作物的全生长周期划分为不同的生长阶段；
映射关系生成模块202，用于通过分析所述生长信息，构建每个生长阶段的生长特性与感知参数的映射关系；
数据采集模块203，用于根据所述映射关系控制数据采集器进行数据采集。
优选地，所述的农作物生命全周期的数据采集装置，还包括：
相关度计算模块，用于计算每个生长阶段的特征数据与采集数据的相关度；
数据聚类模块，用于根据所述相关度，对所述采集数据进行聚合与分类，得出分别对应各个生长阶段的关键参数；
函数映射关系生成模块，用于建立生长阶段与关键参数之间的函数映射关系。
优选地，所述的农作物生命全周期的数据采集装置，还包括：
数据分类采集模块，用于根据所述待监测农作物的生长阶段，控制所述数据采集器采集与当前生长阶段相对应的数据种类；
采集频率调整模块，用于根据不同的数据种类，调整所述数据采集器的采集频率以获取数据。
优选地，所述的农作物生命全周期的数据采集装置，还包括算法运算模块，用于基于聚类算法与BP神经网络，对所述采集数据按照所述相关度进行聚合与分类，得出不同生长阶段需要采集的数据种类。
本发明一个示例性实施例提供一种农作物生命全周期的数据采集设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述的农作物生命全周期的数据采集方法。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
Claims (8)
1.一种农作物生命全周期的数据采集方法，其特征在于，步骤包括：
获取待监测农作物的生长信息，并根据所述生长信息将所述待监测农作物的全生长周期划分为不同的生长阶段；
通过分析所述生长信息，构建每个生长阶段的生长特性与感知参数的映射关系；
根据所述映射关系控制数据采集器进行数据采集。
2.如权利要求1所述的农作物生命全周期的数据采集方法，其特征在于，所述通过分析所述生长信息，构建每个生长阶段的生长特性与感知参数的映射关系，具体步骤为：
计算每个生长阶段的特征数据与采集数据的相关度；
根据所述相关度，对所述采集数据进行聚合与分类，得出分别对应各个生长阶段的关键参数；
建立生长阶段与关键参数之间的函数映射关系。
3.如权利要求2所述的农作物生命全周期的数据采集方法，其特征在于，所述根据所述相关度，对所述采集数据进行聚合与分类，得出分别对应各个生长阶段的关键参数，具体为：
基于聚类算法与BP神经网络，对所述采集数据按照所述相关度进行聚合与分类，得出不同生长阶段需要采集的数据种类。
4.如权利要求1所述的农作物生命全周期的数据采集方法，其特征在于，所述根据所述映射关系控制数据采集器进行数据采集，具体步骤为：
根据所述待监测农作物的生长阶段，控制所述数据采集器采集与当前生长阶段相对应的数据种类；
根据不同的数据种类，调整所述数据采集器的采集频率以获取数据。
5.一种农作物生命全周期的数据采集装置，其特征在于，包括：
生长阶段划分模块，用于获取待监测农作物的生长信息，并根据所述生长信息将所述待监测农作物的全生长周期划分为不同的生长阶段；
映射关系生成模块，用于通过分析所述生长信息，构建每个生长阶段的生长特性与感知参数的映射关系；
数据采集模块，用于根据所述映射关系控制数据采集器进行数据采集。
6.如权利要求5所述的农作物生命全周期的数据采集装置，其特征在于，还包括：
相关度计算模块，用于计算每个生长阶段的特征数据与采集数据的相关度；
数据聚类模块，用于根据所述相关度，对所述采集数据进行聚合与分类，得出分别对应各个生长阶段的关键参数；
函数映射关系生成模块，用于建立生长阶段与关键参数之间的函数映射关系。
7.如权利要求5所述的农作物生命全周期的数据采集装置，其特征在于，还包括：
数据分类采集模块，用于根据所述待监测农作物的生长阶段，控制所述数据采集器采集与当前生长阶段相对应的数据种类；
采集频率调整模块，用于根据不同的数据种类，调整所述数据采集器的采集频率以获取数据。
8.一种农作物生命全周期的数据采集设备，其特征在于，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的农作物生命全周期的数据采集方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910348444.7A CN110097473A (zh) | 2019-04-26 | 2019-04-26 | 一种农作物生命全周期的数据采集方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910348444.7A CN110097473A (zh) | 2019-04-26 | 2019-04-26 | 一种农作物生命全周期的数据采集方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110097473A true CN110097473A (zh) | 2019-08-06 |
Family
ID=67446148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910348444.7A Pending CN110097473A (zh) | 2019-04-26 | 2019-04-26 | 一种农作物生命全周期的数据采集方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110097473A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110658174A (zh) * | 2019-08-27 | 2020-01-07 | 厦门谱识科仪有限公司 | 基于表面增强拉曼光谱检测的智能化识别方法及*** |
| CN111930079A (zh) * | 2020-06-30 | 2020-11-13 | 西门子工厂自动化工程有限公司 | 数据采集方法、装置和***、电子设备及存储介质 |
| CN116863403A (zh) * | 2023-07-11 | 2023-10-10 | 仲恺农业工程学院 | 一种农作物大数据环境监测方法、装置及电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204101935U (zh) * | 2014-08-23 | 2015-01-14 | 山东农业工程学院 | 一种设施农业控制终端 |
| CN105407318A (zh) * | 2015-10-29 | 2016-03-16 | 桂林市腾瑞电子科技有限公司 | 一种智能喷药*** |
| CN106161646A (zh) * | 2016-08-19 | 2016-11-23 | 北海市蕴芯电子科技有限公司 | 一种基于物联网的智能农业*** |
| CN107173184A (zh) * | 2017-05-25 | 2017-09-19 | 河南嘉禾智慧农业科技有限公司 | 一种智能化农业灌溉***及方法 |
| CN107392785A (zh) * | 2017-06-30 | 2017-11-24 | 深圳前海弘稼科技有限公司 | 种植参数调控方法和种植参数调控装置 |
| CN107783522A (zh) * | 2017-10-18 | 2018-03-09 | 来安县威光绿园生态农业专业合作社 | 一种基于物联网的农作物病虫害智能防治*** |
| CN108510102A (zh) * | 2018-02-07 | 2018-09-07 | 青岛农业大学 | 一种采用大数据计算策略的水肥一体化灌溉控制方法 |
-
2019
- 2019-04-26 CN CN201910348444.7A patent/CN110097473A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204101935U (zh) * | 2014-08-23 | 2015-01-14 | 山东农业工程学院 | 一种设施农业控制终端 |
| CN105407318A (zh) * | 2015-10-29 | 2016-03-16 | 桂林市腾瑞电子科技有限公司 | 一种智能喷药*** |
| CN106161646A (zh) * | 2016-08-19 | 2016-11-23 | 北海市蕴芯电子科技有限公司 | 一种基于物联网的智能农业*** |
| CN107173184A (zh) * | 2017-05-25 | 2017-09-19 | 河南嘉禾智慧农业科技有限公司 | 一种智能化农业灌溉***及方法 |
| CN107392785A (zh) * | 2017-06-30 | 2017-11-24 | 深圳前海弘稼科技有限公司 | 种植参数调控方法和种植参数调控装置 |
| CN107783522A (zh) * | 2017-10-18 | 2018-03-09 | 来安县威光绿园生态农业专业合作社 | 一种基于物联网的农作物病虫害智能防治*** |
| CN108510102A (zh) * | 2018-02-07 | 2018-09-07 | 青岛农业大学 | 一种采用大数据计算策略的水肥一体化灌溉控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 蒋友等: "蘑菇温室智能数据采集控制***设计", 《农机化研究》, no. 07, 1 July 2010 (2010-07-01), pages 103 - 106 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110658174A (zh) * | 2019-08-27 | 2020-01-07 | 厦门谱识科仪有限公司 | 基于表面增强拉曼光谱检测的智能化识别方法及*** |
| CN111930079A (zh) * | 2020-06-30 | 2020-11-13 | 西门子工厂自动化工程有限公司 | 数据采集方法、装置和***、电子设备及存储介质 |
| CN116863403A (zh) * | 2023-07-11 | 2023-10-10 | 仲恺农业工程学院 | 一种农作物大数据环境监测方法、装置及电子设备 |
| CN116863403B (zh) * | 2023-07-11 | 2024-01-02 | 仲恺农业工程学院 | 一种农作物大数据环境监测方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Angin et al. | Agrilora: a digital twin framework for smart agriculture. | |
| Choudhary et al. | Autonomous crop irrigation system using artificial intelligence | |
| CN209517198U (zh) | 一种智慧农业标准化管理*** | |
| CN110097473A (zh) | 一种农作物生命全周期的数据采集方法、装置及设备 | |
| CN103605353B (zh) | 一种基于云服务的农业智能优化监控***及优化监控方法 | |
| CN107390754B (zh) | 基于物联网云平台的智能植物生长环境调节***与方法 | |
| CN105843147B (zh) | 一种智慧农业监控管理*** | |
| CN105700593B (zh) | 一种植物种植监控***及其方法 | |
| 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*** | |
| CN107169621A (zh) | 一种水体溶解氧预测方法及装置 | |
| CN109858180B (zh) | 一种区域作物耗水空间格局优化设计方法 | |
| CN110427063A (zh) | 一种基于物联网的番茄生长监控管理平台 | |
| CN112465109A (zh) | 一种基于云边协同的农业大棚控制装置 | |
| CN110119767A (zh) | 一种基于lvq神经网络的黄瓜温室温度智能化检测装置 | |
| Anand et al. | Applications of Internet of Things (IoT) in agriculture: The need and implementation | |
| CN112352523A (zh) | 一种基于智能决策的茶园水肥灌溉控制方法和*** | |
| CN116138145A (zh) | 一种智能农业管理*** | |
| CN116863403B (zh) | 一种农作物大数据环境监测方法、装置及电子设备 | |
| CN214151461U (zh) | 一种基于物联网的玉米大田监测*** | |
| CN114092776A (zh) | 应用于智慧农业的多传感器数据融合方法 | |
| CN105137932A (zh) | 基于物联网应用的监测信息服务云平台综合管理*** | |
| Jesi et al. | IoT Enabled Smart Irrigation and Cultivation Recommendation System for Precision Agriculture | |
| CN113873459B (zh) | 土壤成分采集的多传感器优化部署方法 | |
| Ye et al. | Limited and time-delayed internal resource allocation generates oscillations and chaos in the dynamics of citrus crops | |
| Haiyan et al. | Intelligent water resources management platform for precision irrigation agriculture based on Internet of things |
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: 20190806 |
|
| RJ01 | Rejection of invention patent application after publication |