CN111859672A - 一种草莓蜜蜂复合设施生态环境智能构建方法 - Google Patents
一种草莓蜜蜂复合设施生态环境智能构建方法 Download PDFInfo
- Publication number
- CN111859672A CN111859672A CN202010708599.XA CN202010708599A CN111859672A CN 111859672 A CN111859672 A CN 111859672A CN 202010708599 A CN202010708599 A CN 202010708599A CN 111859672 A CN111859672 A CN 111859672A
- Authority
- CN
- China
- Prior art keywords
- bee
- bees
- data
- temperature
- behavior
- 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.)
- Granted
Links
- 235000016623 Fragaria vesca Nutrition 0.000 title claims abstract description 55
- 235000011363 Fragaria x ananassa Nutrition 0.000 title claims abstract description 55
- 239000002131 composite material Substances 0.000 title claims abstract description 19
- 238000010276 construction Methods 0.000 title claims abstract description 19
- 240000009088 Fragaria x ananassa Species 0.000 title 1
- 241000220223 Fragaria Species 0.000 claims abstract description 117
- 241000257303 Hymenoptera Species 0.000 claims abstract description 84
- 235000021012 strawberries Nutrition 0.000 claims abstract description 61
- 230000007613 environmental effect Effects 0.000 claims abstract description 51
- 230000010152 pollination Effects 0.000 claims abstract description 39
- 230000010138 bee pollination Effects 0.000 claims abstract description 32
- 238000005516 engineering process Methods 0.000 claims abstract description 31
- 241000256844 Apis mellifera Species 0.000 claims description 138
- 230000006399 behavior Effects 0.000 claims description 121
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 64
- 230000000694 effects Effects 0.000 claims description 36
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 25
- 238000005286 illumination Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 19
- 238000013135 deep learning Methods 0.000 claims description 15
- 239000001569 carbon dioxide Substances 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 8
- 241001465754 Metazoa Species 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 5
- 230000001939 inductive effect Effects 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 5
- 230000029553 photosynthesis Effects 0.000 claims description 5
- 238000010672 photosynthesis Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 abstract description 9
- 230000004927 fusion Effects 0.000 abstract description 3
- 230000018109 developmental process Effects 0.000 description 8
- 235000013399 edible fruits Nutrition 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 4
- 241000238631 Hexapoda Species 0.000 description 4
- 241000607479 Yersinia pestis Species 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 235000012055 fruits and vegetables Nutrition 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000003102 growth factor Substances 0.000 description 2
- 235000012907 honey Nutrition 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 241000208152 Geranium Species 0.000 description 1
- 240000001987 Pyrus communis Species 0.000 description 1
- 235000014443 Pyrus communis Nutrition 0.000 description 1
- 235000004789 Rosa xanthina Nutrition 0.000 description 1
- 241000220222 Rosaceae Species 0.000 description 1
- 244000269722 Thea sinensis Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 230000029264 phototaxis Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000011172 small scale experimental method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
- A01G22/05—Fruit crops, e.g. strawberries, tomatoes or cucumbers
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K67/00—Rearing or breeding animals, not otherwise provided for; New or modified breeds of animals
- A01K67/033—Rearing or breeding invertebrates; New breeds of invertebrates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Environmental Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Animal Behavior & Ethology (AREA)
- Zoology (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Molecular Biology (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Botany (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
本发明公开的属于生态环境构建方法技术领域,具体为一种草莓蜜蜂复合设施生态环境智能构建方法,包括以下步骤:S1:草莓适宜生长环境的确定:借助于温度传感器、湿度传感器、光敏传感器和CO2气体传感器采集环境影响因子数据;该种草莓蜜蜂复合设施生态环境智能构建方法,采用现代控制技术,将草莓的生长条件与蜜蜂授粉条件进行数据融合,实现不同时间段的环境精确调控,满足不同生物的生长发育,构建不同生物和谐共存的复合生态空间,智能化装备技术与设施农业栽培技术的有机融合,实现不同生物时空分布差异性的复合生态空间构建与应用,复合生态环境指标参数的优化与测定,设施环境下蜜蜂的授粉行为人工诱导与应用。
Description
技术领域
本发明涉及生态环境构建方法技术领域,具体为一种草莓蜜蜂复合设施生态环境智能构建方法。
背景技术
草莓属蔷薇科,多年生草本果树,是世界十大水果之一,含有丰富的蛋白质和维生素,被誉为“水果皇后”、“水果牛奶”,深受消费者和生产者青睐。
草莓种植主要以塑料大棚为主,大棚草莓栽培多使用单一品种植方式,且处于冬季和早春,低温和光照不足易导致草莓病虫害的发生,不仅造成大量减产,而且增加农药使用,造成草莓品质下降,降低草莓经济效益。
蜜蜂授粉逐步取代传统人工授粉,省时省力,中国果蔬种植面积增加了472%,而主要授粉蜜蜂蜂群数量却仅增加了161%,增长幅度远低于果蔬产业的需求,且大面积单一品种果蔬的种植使得大量病虫害爆发,促使化肥和农药的大量使用,使授粉蜜蜂种群数量急剧下降,不利于蜜蜂授粉。
目前温室环境调控技术仅以作物生长因素为唯一调控指标,尚未考虑作物以外的其他生物生长环境,由于设施农业对野生蜜蜂授粉形成了“人为阻隔”,破坏了草莓设施生态环境,导致草莓授粉不足,易产生畸形果,无法实现草莓高产出、高品质、高效益的可持续发展,影响草莓的经济效益,无法为作物创造良好生长条件。
发明内容
本发明的目的在于提供一种草莓蜜蜂复合设施生态环境智能构建方法,以解决上述背景技术中提出的现有的温室环境调控技术仅以作物生长因素为唯一调控指标,尚未考虑作物以外的其他生物生长环境,由于设施农业对野生蜜蜂授粉形成了“人为阻隔”,破坏了草莓设施生态环境,导致草莓授粉不足,易产生畸形果,无法实现草莓高产出、高品质、高效益的可持续发展,影响草莓的经济效益,无法为作物创造良好生长条件的问题。
为实现上述目的,本发明提供如下技术方案:一种草莓蜜蜂复合设施生态环境智能构建方法,包括以下步骤:
S1:草莓适宜生长环境的确定:借助于温度传感器、湿度传感器、光敏传感器和CO2气体传感器采集环境影响因子数据,将传感器合理分布在设施环境中,通过无线传感器网络,将采集终端数据传输至云计算平台,进行数据存储,保存不同草莓品种、不同环境条件及其产量、草莓样本品质数据,构建设施环境下草莓产量和品质与温度、湿度、光照、二氧化碳之间的数学模型:
(Y1,Y2,Y3)=F(X1,X2,X3,X4)
其中,Y1,Y2,Y3分别为草莓品种、产量和品质数据,X1,X2,X3,X4分别为草莓生长环境因子:温度、湿度、光照、二氧化碳;
通过建模函数关系,确定适合草莓不同生长阶段的最佳温度、湿度、光照和CO2参数,为草莓设施栽培提供科学指导;
S2:蜜蜂活动规律的确定:人工诱导训练蜜蜂为目标作物授粉,将设施环境下蜜蜂授粉行为进行量化:统计蜂群数量、授粉活跃度、环境因素对授粉行为的影响;
借助视频传感器,采集蜜蜂授粉行为图像,采用机器视觉技术结合深度学习方法,基于动物不同行为与图像判别特征具有显著的相关关系,通过数据分析方法建立图像特征与行为模式之间的对应指标,从而建立蜜蜂行为模型;
实时监测蜜蜂行为,蜜蜂飞行行为、蜂群数量和访花停留间隔,获取不同行为的图像数据,借助于图像处理和深度学习技术,提取不同行为的数据特征,如聚集密度、运行速度、停留时间和访花频率,利用行为数据与行为模式之间的关系,构建蜜蜂行为分类函数:
Y=f(x1,x2,…,xn|X)
其中,xi为蜜蜂行为数据,X为生态环境数据,Y为蜜蜂行为模式,通过行为分类函数的构建,量化不同环境条件下蜂群数量、出巢密度、授粉活跃度等,解决蜜蜂行为模式与行为数据之间的关系;
S3:最优环境参数的分析:在分别获得草莓、蜜蜂两者各自最佳生长环境的条件下,综合考虑两者之间的强耦合、非线性关系,确定两者最优环境参数;
草莓在不同生长阶段对温度的要求具有差异,如根系生长适宜温度为15~18℃,地上部分生长适宜温度为20℃,叶片光合作用适宜温度为20~25℃,草莓对空气湿度要求为50~80%;
蜜蜂授粉行为活跃温度范围为18~30℃,当温度超过30℃,蜜蜂则停止飞行活动,授粉效果降低;当环境湿度为65~90%时,蜜蜂授粉活动高;
S4:蜜蜂数量与环境因素测定:通过在蜂巢入口处在同一平面内安装两个光电传感器,通过光电脉冲信号的先后关系,记录蜜蜂通行时刻,确定蜜蜂出巢数量、归巢数量和出入时间,从而确定蜜蜂数量和活动特性;
采用摄像机拍摄选定区域蜜蜂、花朵图片,通过图像处理技术结合深度学习,提取蜜蜂授粉行为参数,对于蜜蜂聚集密度,在一天中固定的时段,使用摄像机或者无人机以俯视的角度进行拍摄,计算单位面积(1m×1m)的蜜蜂数量,从而求解蜜蜂外出聚集密度,关系表示为:
其中,Yi为蜜蜂数量,Xi为环境参量,如温度、湿度、光照等,Ti为时间变量;
S5:访花时间与频率测定:
选定具有代表性的标记区域,采用摄像机拍摄不同区域中蜜蜂对花朵的行为,通过视频图像处理和深度神经网络,获取诸如蜜蜂访花停留时间、蜜蜂对花朵访问频次等参数,记录不同区域相关数据,数据关系为:
其中,[Yi1 Yi2 Yi3]为蜜蜂访问花朵[以0,1表示访问和未访问]、蜜蜂停留时间、蜜蜂访问频次,Xi为环境参量,如温度、湿度、光照等,Ti为时间变量;
S6:生态环境调控函数的设定:以温室中的温度、湿度、光照、CO2为输入参数,通过温度传感器、湿度传感器、光敏传感器和气体传感器,将采集的数据通过无线网络传输至数据中心,函数为:
与现有技术相比,本发明的有益效果是:采用现代控制技术,将草莓的生长条件与蜜蜂授粉条件进行数据融合,实现不同时间段的环境精确调控,满足不同生物的生长发育,构建不同生物和谐共存的复合生态空间,通过采用传感器、图像处理、无线通信和自动控制技术,并结合人工智能,采集草莓温室内的温度、湿度、光照、二氧化碳、土壤墒情等环境数据,蜜蜂授粉活跃度、蜂群数量、授粉次数与停留时间等生物数据,通过数据挖掘建立草莓、蜜蜂、环境三者之间的相互作用关系模型,构建草莓蜜蜂复合设施生态***,提高设施草莓的种植生态多样性,避免或减少病虫害的发生,提升草莓产量与品质,实现草莓绿色高质高效发展。
附图说明
图1为本发明蜜蜂活动建模示意图;
图2为本发明最优环境参数分析示意图;
图3为本发明技术路线示意图;
图4为本发明记录不同区域相关数据示意图。
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。
本发明提供一种技术方案:一种草莓蜜蜂复合设施生态环境智能构建方法,包括以下步骤:
S1:草莓适宜生长环境的确定:借助于温度传感器、湿度传感器、光敏传感器和CO2气体传感器采集环境影响因子数据,将传感器合理分布在设施环境中,通过无线传感器网络,将采集终端数据传输至云计算平台,进行数据存储,保存不同草莓品种、不同环境条件及其产量、草莓样本品质数据,构建设施环境下草莓产量和品质与温度、湿度、光照、二氧化碳之间的数学模型:
(Y1,Y2,Y3)=F(X1,X2,X3,X4)
其中,Y1,Y2,Y3分别为草莓品种、产量和品质数据,X1,X2,X3,X4分别为草莓生长环境因子:温度、湿度、光照、二氧化碳;
通过建模函数关系,确定适合草莓不同生长阶段的最佳温度、湿度、光照和CO2参数,为草莓设施栽培提供科学指导;
S2:蜜蜂活动规律的确定:人工诱导训练蜜蜂为目标作物授粉,将设施环境下蜜蜂授粉行为进行量化:统计蜂群数量、授粉活跃度、环境因素对授粉行为的影响;
借助视频传感器,采集蜜蜂授粉行为图像,采用机器视觉技术结合深度学习方法,基于动物不同行为与图像判别特征具有显著的相关关系,通过数据分析方法建立图像特征与行为模式之间的对应指标,从而建立蜜蜂行为模型;
实时监测蜜蜂行为,蜜蜂飞行行为、蜂群数量和访花停留间隔,获取不同行为的图像数据,借助于图像处理和深度学习技术,提取不同行为的数据特征,如聚集密度、运行速度、停留时间和访花频率,利用行为数据与行为模式之间的关系,构建蜜蜂行为分类函数:
Y=f(x1,x2,…,xn|X)
其中,xi为蜜蜂行为数据,X为生态环境数据,Y为蜜蜂行为模式,通过行为分类函数的构建,量化不同环境条件下蜂群数量、出巢密度、授粉活跃度等,解决蜜蜂行为模式与行为数据之间的关系;
S3:最优环境参数的分析:在分别获得草莓、蜜蜂两者各自最佳生长环境的条件下,综合考虑两者之间的强耦合、非线性关系,确定两者最优环境参数;
草莓在不同生长阶段对温度的要求具有差异,如根系生长适宜温度为15~18℃,地上部分生长适宜温度为20℃,叶片光合作用适宜温度为20~25℃,草莓对空气湿度要求为50~80%;
蜜蜂授粉行为活跃温度范围为18~30℃,当温度超过30℃,蜜蜂则停止飞行活动,授粉效果降低;当环境湿度为65~90%时,蜜蜂授粉活动高;
S4:蜜蜂数量与环境因素测定:通过在蜂巢入口处在同一平面内安装两个光电传感器,通过光电脉冲信号的先后关系,记录蜜蜂通行时刻,确定蜜蜂出巢数量、归巢数量和出入时间,从而确定蜜蜂数量和活动特性;
采用摄像机拍摄选定区域蜜蜂、花朵图片,通过图像处理技术结合深度学习,提取蜜蜂授粉行为参数,对于蜜蜂聚集密度,在一天中固定的时段,使用摄像机或者无人机以俯视的角度进行拍摄,计算单位面积(1m×1m)的蜜蜂数量,从而求解蜜蜂外出聚集密度,关系表示为:
其中,Yi为蜜蜂数量,Xi为环境参量,如温度、湿度、光照等,Ti为时间变量;
S5:访花时间与频率测定:
选定具有代表性的标记区域,采用摄像机拍摄不同区域中蜜蜂对花朵的行为,通过视频图像处理和深度神经网络,获取诸如蜜蜂访花停留时间、蜜蜂对花朵访问频次等参数,记录不同区域相关数据,数据关系为:
其中,[Yi1 Yi2 Yi3]为蜜蜂访问花朵[以0,1表示访问和未访问]、蜜蜂停留时间、蜜蜂访问频次,Xi为环境参量,如温度、湿度、光照等,Ti为时间变量;
S6:生态环境调控函数的设定:以温室中的温度、湿度、光照、CO2为输入参数,通过温度传感器、湿度传感器、光敏传感器和气体传感器,将采集的数据通过无线网络传输至数据中心,函数为:
实施例1
一种草莓蜜蜂复合设施生态环境智能构建方法,包括以下步骤:
S1:草莓适宜生长环境的确定:借助于温度传感器、湿度传感器、光敏传感器和CO2气体传感器采集环境影响因子数据,将传感器合理分布在设施环境中,通过无线传感器网络,将采集终端数据传输至云计算平台,进行数据存储,保存不同草莓品种、不同环境条件及其产量、草莓样本品质数据,构建设施环境下草莓产量和品质与温度、湿度、光照、二氧化碳之间的数学模型:
(Y1,Y2,Y3)=F(X1,X2,X3,X4)
其中,Y1,Y2,Y3分别为草莓品种、产量和品质数据,X1,X2,X3,X4分别为草莓生长环境因子:温度、湿度、光照、二氧化碳;
通过建模函数关系,确定适合草莓不同生长阶段的最佳温度、湿度、光照和CO2参数,为草莓设施栽培提供科学指导;
S2:蜜蜂活动规律的确定:人工诱导训练蜜蜂为目标作物授粉,将设施环境下蜜蜂授粉行为进行量化:统计蜂群数量、授粉活跃度、环境因素对授粉行为的影响;
借助视频传感器,采集蜜蜂授粉行为图像,采用机器视觉技术结合深度学习方法,基于动物不同行为与图像判别特征具有显著的相关关系,通过数据分析方法建立图像特征与行为模式之间的对应指标,从而建立蜜蜂行为模型;
实时监测蜜蜂行为,蜜蜂飞行行为、蜂群数量和访花停留间隔,获取不同行为的图像数据,借助于图像处理和深度学习技术,提取不同行为的数据特征,如聚集密度、运行速度、停留时间和访花频率,利用行为数据与行为模式之间的关系,构建蜜蜂行为分类函数:
Y=f(x1,x2,…,xn|X)
其中,xi为蜜蜂行为数据,X为生态环境数据,Y为蜜蜂行为模式,通过行为分类函数的构建,量化不同环境条件下蜂群数量、出巢密度、授粉活跃度等,解决蜜蜂行为模式与行为数据之间的关系;
S3:最优环境参数的分析:在分别获得草莓、蜜蜂两者各自最佳生长环境的条件下,综合考虑两者之间的强耦合、非线性关系,确定两者最优环境参数;
草莓在不同生长阶段对温度的要求具有差异,如根系生长适宜温度为18℃,地上部分生长适宜温度为20℃,叶片光合作用适宜温度为25℃,草莓对空气湿度要求为80%;
蜜蜂授粉行为活跃温度范围为30℃,当温度超过30℃,蜜蜂则停止飞行活动,授粉效果降低;当环境湿度为90%时,蜜蜂授粉活动高;
S4:蜜蜂数量与环境因素测定:通过在蜂巢入口处在同一平面内安装两个光电传感器,通过光电脉冲信号的先后关系,记录蜜蜂通行时刻,确定蜜蜂出巢数量、归巢数量和出入时间,从而确定蜜蜂数量和活动特性;
采用摄像机拍摄选定区域蜜蜂、花朵图片,通过图像处理技术结合深度学习,提取蜜蜂授粉行为参数,对于蜜蜂聚集密度,在一天中固定的时段,使用摄像机或者无人机以俯视的角度进行拍摄,计算单位面积(1m×1m)的蜜蜂数量,从而求解蜜蜂外出聚集密度,关系表示为:
其中,Yi为蜜蜂数量,Xi为环境参量,如温度、湿度、光照等,Ti为时间变量;
S5:访花时间与频率测定:
选定具有代表性的标记区域,采用摄像机拍摄不同区域中蜜蜂对花朵的行为,通过视频图像处理和深度神经网络,获取诸如蜜蜂访花停留时间、蜜蜂对花朵访问频次等参数,记录不同区域相关数据,数据关系为:
其中,[Yi1 Yi2 Yi3]为蜜蜂访问花朵[以0,1表示访问和未访问]、蜜蜂停留时间、蜜蜂访问频次,Xi为环境参量,如温度、湿度、光照等,Ti为时间变量;
S6:生态环境调控函数的设定:以温室中的温度、湿度、光照、CO2为输入参数,通过温度传感器、湿度传感器、光敏传感器和气体传感器,将采集的数据通过无线网络传输至数据中心,函数为:
实施例2
一种草莓蜜蜂复合设施生态环境智能构建方法,包括以下步骤:
S1:草莓适宜生长环境的确定:借助于温度传感器、湿度传感器、光敏传感器和CO2气体传感器采集环境影响因子数据,将传感器合理分布在设施环境中,通过无线传感器网络,将采集终端数据传输至云计算平台,进行数据存储,保存不同草莓品种、不同环境条件及其产量、草莓样本品质数据,构建设施环境下草莓产量和品质与温度、湿度、光照、二氧化碳之间的数学模型:
(Y1,Y2,Y3)=F(X1,X2,X3,X4)
其中,Y1,Y2,Y3分别为草莓品种、产量和品质数据,X1,X2,X3,X4分别为草莓生长环境因子:温度、湿度、光照、二氧化碳;
通过建模函数关系,确定适合草莓不同生长阶段的最佳温度、湿度、光照和CO2参数,为草莓设施栽培提供科学指导;
S2:蜜蜂活动规律的确定:人工诱导训练蜜蜂为目标作物授粉,将设施环境下蜜蜂授粉行为进行量化:统计蜂群数量、授粉活跃度、环境因素对授粉行为的影响,草莓属于自花可结实,通过蜜蜂授粉可蜜蜂授粉可显著提高草莓产量和品质,同时,蜜蜂在长期的自然进化中形成适宜的授粉行为,如授粉行为的专一性,研究表明,蜜蜂平均单花停留时间为10s,访花间隔为6s,访花速度一般为每分钟5朵花,蜜蜂出巢活动时间为10:00-16:00,出巢数量为150只左右;
借助视频传感器,采集蜜蜂授粉行为图像,采用机器视觉技术结合深度学习方法,基于动物不同行为与图像判别特征具有显著的相关关系,通过数据分析方法建立图像特征与行为模式之间的对应指标,从而建立蜜蜂行为模型;
实时监测蜜蜂行为,蜜蜂飞行行为、蜂群数量和访花停留间隔,获取不同行为的图像数据,借助于图像处理和深度学习技术,提取不同行为的数据特征,如聚集密度、运行速度、停留时间和访花频率,利用行为数据与行为模式之间的关系,构建蜜蜂行为分类函数:
Y=f(x1,x2,…,xn|X)
其中,xi为蜜蜂行为数据,X为生态环境数据,Y为蜜蜂行为模式,通过行为分类函数的构建,量化不同环境条件下蜂群数量、出巢密度、授粉活跃度等,解决蜜蜂行为模式与行为数据之间的关系;
S3:最优环境参数的分析:在分别获得草莓、蜜蜂两者各自最佳生长环境的条件下,综合考虑两者之间的强耦合、非线性关系,确定两者最优环境参数;
草莓在不同生长阶段对温度的要求具有差异,如根系生长适宜温度为15℃,地上部分生长适宜温度为20℃,叶片光合作用适宜温度为20℃,草莓对空气湿度要求为50%;
蜜蜂授粉行为活跃温度范围为18℃,当温度超过30℃,蜜蜂则停止飞行活动,授粉效果降低;当环境湿度为65%时,蜜蜂授粉活动高,因此,采用物联网技术和现代控制技术,依据草莓、蜜蜂各自适宜环境条件,确定草莓-蜜蜂生态环境的最优参数,既满足草莓植株的生长发育需要,又能提高蜜蜂授粉行为活性;
S4:蜜蜂数量与环境因素测定:通过在蜂巢入口处在同一平面内安装两个光电传感器,通过光电脉冲信号的先后关系,记录蜜蜂通行时刻,确定蜜蜂出巢数量、归巢数量和出入时间,从而确定蜜蜂数量和活动特性;
采用摄像机拍摄选定区域蜜蜂、花朵图片,通过图像处理技术结合深度学习,提取蜜蜂授粉行为参数,对于蜜蜂聚集密度,在一天中固定的时段,使用摄像机或者无人机以俯视的角度进行拍摄,计算单位面积(1m×1m)的蜜蜂数量,从而求解蜜蜂外出聚集密度,关系表示为:
其中,Yi为蜜蜂数量,Xi为环境参量,如温度、湿度、光照等,Ti为时间变量;
蜜蜂行为识别技术体系建立:由于草莓的生长处于早春季节或者冬季,低温环境影响草莓生长发育和传粉蜜蜂的缺乏,因此,为保证草莓的产量和品质,需要对蜜蜂的行为进行观测。目前,对蜜蜂行为观测主要集中在采集行为,如早春油菜花、香叶天竺葵、梨树花等。所采用的技术手段主要有人工观测、RFID识别。人工观测需要从初花期开始,全天观察,利用秒表对蜜蜂在不同时段的访花频率和停留时间进行测定,同时记录温度、湿度和光照。采用此种方法费时、费力;RFID识别是通过在蜜蜂植入RFID芯片,进行蜜蜂采集行为的观察与研究。此方法是一种破坏性的实验。采用计算机视觉技术进行动物行为识别成为一种新的研究热点;
蜂群数量方面:蜂群数量由草莓种植密度决定,一般而言,一株草莓对应1只蜜蜂,每亩草莓定植为10000株,需蜜蜂为10000只,由于蜜蜂在草莓生长期会出现死亡,导致蜜蜂数量发生变化,使得草莓蜜蜂比发生变化;温湿度方面:蜜蜂生活最适温度为25℃,蜜蜂活动的温度与草莓花开的最适温度(13~20℃)相一致,空气相对湿度在70%,蜜蜂采蜜行为积极,同时水分过大会导致蜜蜂死亡,光照方面:蜜蜂具有趋光性,所以光照能刺激蜜蜂的采蜜和授粉行为;
S5:访花时间与频率测定:
选定具有代表性的标记区域,采用摄像机拍摄不同区域中蜜蜂对花朵的行为,通过视频图像处理和深度神经网络,获取诸如蜜蜂访花停留时间、蜜蜂对花朵访问频次等参数,记录不同区域相关数据,数据关系为:
其中,[Yi1 Yi2 Yi3]为蜜蜂访问花朵[以0,1表示访问和未访问]、蜜蜂停留时间、蜜蜂访问频次,Xi为环境参量,如温度、湿度、光照等,Ti为时间变量,现有的图像处理技术采用图像差技术,消除背景图像,从而获得目标图像,或者采用图像分割技术,滤除背景,本研究拟采用基于深度神经网络的图像语义分割技术,利用卷积神经网络的自学习性,进行目标(蜜蜂)的提取,从而获得蜜蜂相关的授粉行为数据,构建蜜蜂授粉行为识别***;
S6:生态环境调控函数的设定:以温室中的温度、湿度、光照、CO2为输入参数,通过温度传感器、湿度传感器、光敏传感器和气体传感器,将采集的数据通过无线网络传输至数据中心,函数为:
上述提到的无线传感器网络,作为环境信息获取最基本的手段,在精准农业中得到广泛应用,在多个农业生产领域中收到较好的效果,如果园、茶园、温室等小规模节水灌溉***,设施农业环境管理***,动植物生理生态参数监测***,在农业环境监测和控制方面发挥了重要作用,解决了传统监测的实时性、精确性和规模性的问题。
具体方法为:调研设施草莓种植基本状况,确定研究草莓品种;参照国内外设施温室先进技术,在现有基础上,利用无线传感技术、先进控制技术等,进行设施草莓环境控制设计、计算、理论分析、程序编写;利用图像处理技术,结合现有蜜蜂行为研究,利用数据挖掘、人工智能等,进行蜜蜂授粉行为识别研究,对技术方案中的软硬件进行详细设计和程序编写;根据复合生态***控制要求,构建草莓蜜蜂生态实验环境,并进行小规模实验,验证***的适应性。
综合以上所述,采用现代控制技术,将草莓的生长条件与蜜蜂授粉条件进行数据融合,实现不同时间段的环境精确调控,满足不同生物的生长发育,构建不同生物和谐共存的复合生态空间,通过采用传感器、图像处理、无线通信和自动控制技术,并结合人工智能,采集草莓温室内的温度、湿度、光照、二氧化碳、土壤墒情等环境数据,蜜蜂授粉活跃度、蜂群数量、授粉次数与停留时间等生物数据,通过数据挖掘建立草莓、蜜蜂、环境三者之间的相互作用关系模型,构建草莓蜜蜂复合设施生态***,提高设施草莓的种植生态多样性,避免或减少病虫害的发生,提升草莓产量与品质,实现草莓绿色高质高效发展。
虽然在上文中已经参考实施例对本发明进行了描述,然而在不脱离本发明的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,本发明所披露的实施例中的各项特征均可通过任意方式相互结合起来使用,在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此,本发明并不局限于文中公开的特定实施例,而是包括落入权利要求的范围内的所有技术方案。
Claims (1)
1.一种草莓蜜蜂复合设施生态环境智能构建方法,其特征在于:包括以下步骤:
S1:草莓适宜生长环境的确定:借助于温度传感器、湿度传感器、光敏传感器和CO2气体传感器采集环境影响因子数据,将传感器合理分布在设施环境中,通过无线传感器网络,将采集终端数据传输至云计算平台,进行数据存储,保存不同草莓品种、不同环境条件及其产量、草莓样本品质数据,构建设施环境下草莓产量和品质与温度、湿度、光照、二氧化碳之间的数学模型:
(Y1,Y2,Y3)=F(X1,X2,X3、X4)
其中,Y1,Y2,Y3分别为草莓品种、产量和品质数据,X1,X2,X3,X4分别为草莓生长环境因子:温度、湿度、光照、二氧化碳;
通过建模函数关系,确定适合草莓不同生长阶段的最佳温度、湿度、光照和CO2参数,为草莓设施栽培提供科学指导;
S2:蜜蜂活动规律的确定:人工诱导训练蜜蜂为目标作物授粉,将设施环境下蜜蜂授粉行为进行量化:统计蜂群数量、授粉活跃度、环境因素对授粉行为的影响;
借助视频传感器,采集蜜蜂授粉行为图像,采用机器视觉技术结合深度学习方法,基于动物不同行为与图像判别特征具有显著的相关关系,通过数据分析方法建立图像特征与行为模式之间的对应指标,从而建立蜜蜂行为模型;
实时监测蜜蜂行为,蜜蜂飞行行为、蜂群数量和访花停留间隔,获取不同行为的图像数据,借助于图像处理和深度学习技术,提取不同行为的数据特征,如聚集密度、运行速度、停留时间和访花频率,利用行为数据与行为模式之间的关系,构建蜜蜂行为分类函数:
Y=f(x1,x2,…,xn|X)
其中,xi为蜜蜂行为数据,X为生态环境数据,Y为蜜蜂行为模式,通过行为分类函数的构建,量化不同环境条件下蜂群数量、出巢密度、授粉活跃度等,解决蜜蜂行为模式与行为数据之间的关系;
S3:最优环境参数的分析:在分别获得草莓、蜜蜂两者各自最佳生长环境的条件下,综合考虑两者之间的强耦合、非线性关系,确定两者最优环境参数;
草莓在不同生长阶段对温度的要求具有差异,如根系生长适宜温度为15~18℃,地上部分生长适宜温度为20℃,叶片光合作用适宜温度为20~25℃,草莓对空气湿度要求为50~80%;
蜜蜂授粉行为活跃温度范围为18~30℃,当温度超过30℃,蜜蜂则停止飞行活动,授粉效果降低;当环境湿度为65~90%时,蜜蜂授粉活动高;
S4:蜜蜂数量与环境因素测定:通过在蜂巢入口处在同一平面内安装两个光电传感器,通过光电脉冲信号的先后关系,记录蜜蜂通行时刻,确定蜜蜂出巢数量、归巢数量和出入时间,从而确定蜜蜂数量和活动特性;
采用摄像机拍摄选定区域蜜蜂、花朵图片,通过图像处理技术结合深度学习,提取蜜蜂授粉行为参数,对于蜜蜂聚集密度,在一天中固定的时段,使用摄像机或者无人机以俯视的角度进行拍摄,计算单位面积(1m×1m)的蜜蜂数量,从而求解蜜蜂外出聚集密度,关系表示为:
其中,Yi为蜜蜂数量,Xi为环境参量,如温度、湿度、光照等,Ti为时间变量;
S5:访花时间与频率测定:
选定具有代表性的标记区域,采用摄像机拍摄不同区域中蜜蜂对花朵的行为,通过视频图像处理和深度神经网络,获取诸如蜜蜂访花停留时间、蜜蜂对花朵访问频次等参数,记录不同区域相关数据,数据关系为:
其中,[Yi1 Yi2 Yi3]为蜜蜂访问花朵[以0,1表示访问和未访问]、蜜蜂停留时间、蜜蜂访问频次,Xi为环境参量,如温度、湿度、光照等,Ti为时间变量;
S6:生态环境调控函数的设定:以温室中的温度、湿度、光照、CO2为输入参数,通过温度传感器、湿度传感器、光敏传感器和气体传感器,将采集的数据通过无线网络传输至数据中心,函数为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010708599.XA CN111859672B (zh) | 2020-07-22 | 2020-07-22 | 一种草莓蜜蜂复合设施生态环境智能构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010708599.XA CN111859672B (zh) | 2020-07-22 | 2020-07-22 | 一种草莓蜜蜂复合设施生态环境智能构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111859672A true CN111859672A (zh) | 2020-10-30 |
CN111859672B CN111859672B (zh) | 2021-03-02 |
Family
ID=73001513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010708599.XA Active CN111859672B (zh) | 2020-07-22 | 2020-07-22 | 一种草莓蜜蜂复合设施生态环境智能构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111859672B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990782A (zh) * | 2021-04-30 | 2021-06-18 | 浙江甲骨文超级码科技股份有限公司 | 基于时空自相关分析的作物生长环境智能调节方法和装置 |
CN116050861A (zh) * | 2022-12-21 | 2023-05-02 | 浙江甲骨文超级码科技股份有限公司 | 一种农业物联网草莓产业服务运维***及方法 |
EP4276700A1 (en) * | 2022-05-12 | 2023-11-15 | BeeHero Ltd. | Tracking and monitoring bees pollination efficiency |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030061639A1 (en) * | 1998-06-12 | 2003-03-27 | Polonenko Daniel R. | Process for ex vitro sowing and germination of plant somatic embryos |
CN203490529U (zh) * | 2013-10-12 | 2014-03-19 | 郑州航空工业管理学院 | 一种基于物联网的智能种植装置 |
CN104335891A (zh) * | 2013-08-01 | 2015-02-11 | 东港市草莓研究所 | 一种草莓新品种培育方法 |
CN105875396A (zh) * | 2014-12-18 | 2016-08-24 | 南京常力蜂业有限公司 | 蜜蜂为草莓授粉的方法 |
CN107072151A (zh) * | 2014-04-23 | 2017-08-18 | 斯普劳特思艾欧有限公司 | 用于植物生长的方法和设备 |
CN107168419A (zh) * | 2017-05-22 | 2017-09-15 | 青岛理工大学 | 光伏综合应用智能农业大棚*** |
CN107835634A (zh) * | 2015-06-04 | 2018-03-23 | 埃尔瓦有限公司 | 用于选择性授粉的***和方法 |
CN108307617A (zh) * | 2015-05-29 | 2018-07-20 | 玛鲁哈日鲁株式会社 | 提高草莓的果实品质的方法 |
CN111345233A (zh) * | 2020-03-19 | 2020-06-30 | 山东省农业科学院植物保护研究所 | 一种设施内果蔬作物的生物授粉方法 |
-
2020
- 2020-07-22 CN CN202010708599.XA patent/CN111859672B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030061639A1 (en) * | 1998-06-12 | 2003-03-27 | Polonenko Daniel R. | Process for ex vitro sowing and germination of plant somatic embryos |
CN104335891A (zh) * | 2013-08-01 | 2015-02-11 | 东港市草莓研究所 | 一种草莓新品种培育方法 |
CN203490529U (zh) * | 2013-10-12 | 2014-03-19 | 郑州航空工业管理学院 | 一种基于物联网的智能种植装置 |
CN107072151A (zh) * | 2014-04-23 | 2017-08-18 | 斯普劳特思艾欧有限公司 | 用于植物生长的方法和设备 |
CN105875396A (zh) * | 2014-12-18 | 2016-08-24 | 南京常力蜂业有限公司 | 蜜蜂为草莓授粉的方法 |
CN108307617A (zh) * | 2015-05-29 | 2018-07-20 | 玛鲁哈日鲁株式会社 | 提高草莓的果实品质的方法 |
CN107835634A (zh) * | 2015-06-04 | 2018-03-23 | 埃尔瓦有限公司 | 用于选择性授粉的***和方法 |
CN107168419A (zh) * | 2017-05-22 | 2017-09-15 | 青岛理工大学 | 光伏综合应用智能农业大棚*** |
CN111345233A (zh) * | 2020-03-19 | 2020-06-30 | 山东省农业科学院植物保护研究所 | 一种设施内果蔬作物的生物授粉方法 |
Non-Patent Citations (3)
Title |
---|
TAKEHIKO KAKUTAN 等: "Pollination of strawberry by the stingless bee,Trigona minangkabau, and the honey bee,Apis mellifera: An experimental study of fertilization efficiency", 《RESEARCHES ON POPULATION ECOLOGY》 * |
杨圆圆 等: "秸秆生物反应堆对日光温室微生态环境及草莓光合性能的影响", 《西北农业学报》 * |
柴秋子: "用于设施草莓授粉效率的蜜蜂计数监测***的设计和应用", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990782A (zh) * | 2021-04-30 | 2021-06-18 | 浙江甲骨文超级码科技股份有限公司 | 基于时空自相关分析的作物生长环境智能调节方法和装置 |
CN112990782B (zh) * | 2021-04-30 | 2021-08-06 | 浙江甲骨文超级码科技股份有限公司 | 基于时空自相关分析的作物生长环境智能调节方法和装置 |
EP4276700A1 (en) * | 2022-05-12 | 2023-11-15 | BeeHero Ltd. | Tracking and monitoring bees pollination efficiency |
CN116050861A (zh) * | 2022-12-21 | 2023-05-02 | 浙江甲骨文超级码科技股份有限公司 | 一种农业物联网草莓产业服务运维***及方法 |
CN116050861B (zh) * | 2022-12-21 | 2023-07-25 | 浙江甲骨文超级码科技股份有限公司 | 一种农业物联网草莓产业服务运维***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111859672B (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111859672B (zh) | 一种草莓蜜蜂复合设施生态环境智能构建方法 | |
Abrol et al. | Impact of insect pollinators on yield and fruit quality of strawberry | |
US10966377B2 (en) | Intelligent growing management method and intelligent growing device | |
Steffan-Dewenter et al. | Honeybee foraging in differentially structured landscapes | |
CN109191074A (zh) | 智慧果园种植管理*** | |
KR20200029657A (ko) | 작물 이미지 빅데이터를 이용한 영농 자동화 시스템 | |
CN111488017A (zh) | 基于物联网的智慧农业管理控制*** | |
CN115204689A (zh) | 一种基于图像处理的智慧农业管理*** | |
KR20220082952A (ko) | 작물 이미지 빅데이터를 이용한 영농 자동화 시스템 | |
Kauffeld et al. | Honey bees as pollinators of pickling cucumbers in Wisconsin | |
Cunbing | Discussion on Application and Development Path of Artificial Intelligence Technology in China Agricultural Field | |
Pinedo-Vasquez et al. | BIODIVERSITY AS A PRODUCT OF SMALLHOLDERS’STRATEGIES FOR OVERCOMING CHANGES IN THEIR NATURAL AND SOCIAL LANDSCAPES: A REPORT PREPARED BY THE UNU/PLEC AMAZONIA CLUSTER | |
Qulmatova et al. | THE USAGE OF DIGITAL AGRICULTURAL TECHNOLOGIES IN UZBEKISTAN | |
Schaffer | Spatial aspects of bumble bee (Bombus spp. Apidae) foraging in farm landscapes | |
Abul-Soud et al. | Smart Agriculture in Orchard Farms | |
Suebsombut et al. | Rule based recommendation system to support crop lifecycle management | |
Au et al. | Path Planning for Robotic Harvesting | |
Norton et al. | Precision Livestock Farming: Developing Useful Tools for Livestock Farmers | |
Gohil et al. | Precision Irrigation for Orchards | |
Zhang et al. | Plant Factory and Soilless Culture | |
Miao | Precision Nutrient Management | |
Celozzi et al. | Improving animal welfare by means of automatic monitoring of goat vocalizations: development of a bleating recognition filter | |
Akhadovich | AGRICULTURAL REVOLUTION: THE INDISPENSABLE ROLE OF MODERN TECHNOLOGIES IN INCREASING PRODUCTIVITY AND SUSTAINABILITY | |
Karatangi et al. | Automation systems in agriculture via IoT | |
Aastum | Forage selection by cattle in heterogeneous pastures in Nicaragua |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |