CN113010529A - 基于知识图谱的作物管理方法和装置 - Google Patents
基于知识图谱的作物管理方法和装置 Download PDFInfo
- Publication number
- CN113010529A CN113010529A CN201911320549.8A CN201911320549A CN113010529A CN 113010529 A CN113010529 A CN 113010529A CN 201911320549 A CN201911320549 A CN 201911320549A CN 113010529 A CN113010529 A CN 113010529A
- Authority
- CN
- China
- Prior art keywords
- management
- data
- knowledge graph
- knowledge
- crop
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 227
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000001514 detection method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 25
- 239000002689 soil Substances 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 7
- 230000008092 positive effect Effects 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 description 74
- 241000209094 Oryza Species 0.000 description 26
- 235000007164 Oryza sativa Nutrition 0.000 description 26
- 235000009566 rice Nutrition 0.000 description 26
- 241000196324 Embryophyta Species 0.000 description 22
- 239000000575 pesticide Substances 0.000 description 13
- 238000005507 spraying Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 239000007921 spray Substances 0.000 description 4
- 238000012271 agricultural production Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 238000010225 co-occurrence analysis Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000002917 insecticide Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Agronomy & Crop Science (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于知识图谱的作物管理方法和装置。其中,该方法包括:采集作物的生长数据;将生长数据输入至知识图谱模型中,获取知识图谱模型输出的管理措施,其中,知识图谱模型为使用知识图谱对生长数据进行分析,并输出管理措施的模型;基于管理措施对作物进行管理,其中,管理措施为在作物生长过程中对作物的生长状态进行管理的措施。本发明解决了现有技术基于人工经验对农场进行管理所导致的农场管理效率低的技术问题。
Description
技术领域
本发明涉及农场管理领域,具体而言,涉及一种基于知识图谱的作物管理方法和装置。
背景技术
农业生产管理是指对一系列的农业生产活动进行的管理,例如,农田基本建设、农作物栽培、病害虫防治等。其中,农业生产管理包括农场管理。
目前,在农场管理方面,通常基于管理者自有的知识体系来确定对农场的作物的管理决策,然后再在管理******上进行追溯。管理经验丰富的种植者使用目前的这种农场管理方法能够做出准确的决策,但由于农场种植作物类型、品种、地域、气候等存在差异,对于大部分缺少管理经验者,很难做出准确的适合农场作物的决策,从而降低了农场管理的效率,甚至可能降低农场作物的产量,对农场造成重大的经济损失。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种基于知识图谱的作物管理方法和装置,以至少解决现有技术基于人工经验对农场进行管理所导致的农场管理效率低的技术问题。
根据本发明实施例的一个方面,提供了一种基于知识图谱的作物管理方法,包括:采集作物的生长数据;将生长数据输入至知识图谱模型中,获取知识图谱模型输出的管理措施,其中,知识图谱模型为使用知识图谱对生长数据进行分析,并输出管理措施的模型;基于管理措施对作物进行管理,其中,管理措施为在作物生长过程中对作物的生长状态进行管理的措施。
可选地,生长数据包括如下至少之一:气候数据、区域数据、作物类型数据、土壤状态数据、时间阶段数据、品种数据以及植物表型数据。
可选地,知识图谱的元素至少包括:实体、属性和属性值,其中,基于知识图谱的作物管理方法还包括:在将生长数据输入至知识图谱模型中之前,获取预设的至少一个实体,其中,不同的实体与不同的作物相对应;获取传感器对当前作物所采集到的当前生长数据,其中,当前生长数据至少包括数据属性以及数据属性值,不同的传感器采集不同的数据属性对应的数据;根据实体、数据属性以及数据属性值构建知识图谱。
可选地,知识图谱的元素还包括:多个实体以及多个实体之间的关系,基于知识图谱的作物管理方法还包括:获取不同作物所对应的管理措施;根据不同作物所对应的管理措施确定不同作物所对应的实体之间的关系;根据实体、数据属性、数据属性值以及多个实体之间的关系构建知识图谱。
可选地,基于知识图谱的作物管理方法还包括:检测知识图谱中作物对应的属性值;获取知识图谱模型根据属性值输出的对作物进行管理的管理时间以及对应的管理措施。
可选地,基于知识图谱的作物管理方法还包括:在基于管理措施对作物进行管理之后,获取基于管理措施对作物的生长状态的管理结果;显示管理结果,其中,管理结果至少包括:第一管理结果和第二管理结果,第一管理结果表征管理措施对作物的生长产生积极效果,第二管理结果表征管理措施对作物的生长产生消极效果。
可选地,在管理结果为第二管理结果的情况下,获取对管理措施进行优化处理后的处理结果,基于处理结果更新知识图谱。
可选地,基于知识图谱的作物管理方法还包括:展示知识图谱,并接收对知识图谱进行调整的调整指令;基于调整指令对知识图谱进行更新;展示更新后的知识图谱。
可选地,基于知识图谱的作物管理方法还包括:在未接收到对知识图谱进行调整的调整指令的情况下,检测知识图谱中是否存在与作物对应的实体,得到检测结果;确定与检测结果对应的更新措施对知识图谱进行更新。
可选地,基于知识图谱的作物管理方法还包括:在检测结果指示知识图谱中存在作物对应的实体的情况下,获取针对作物的多个管理措施;根据每个管理措施所对应的生长状态进行大数据分析,确定最优的管理措施;根据最优的管理措施对知识图谱中作物对应的属性和/或属性值进行更新。
可选地,基于知识图谱的作物管理方法还包括:在检测结果指示知识图谱中不存在作物对应的实体的情况下,获取针对作物的多个管理措施;根据每个管理措施所对应的生长状态进行大数据分析,确定最优的管理措施;在知识图谱中创建作物对应的实体,并基于最优的管理措施对知识图谱的结构进行更新。
根据本发明实施例的另一方面,还提供了一种基于知识图谱的作物管理方法,包括:采集作物的生长数据;基于知识图谱对生长数据进行分析,得到对作物的生长状态进行管理的管理措施;获取基于管理措施对作物的生长状态进行管理后的管理结果;基于管理结果对知识图谱进行更新。
根据本发明实施例的另一方面,还提供了一种基于知识图谱的作物管理装置,包括:采集模块,用于采集作物的生长数据;获取模块,用于将生长数据输入至知识图谱模型中,获取知识图谱模型输出的管理措施,其中,知识图谱模型为使用知识图谱对生长数据进行分析,并输出管理措施的模型;管理模块,用于基于管理措施对作物进行管理,其中,管理措施为在作物生长过程中对作物的生长状态进行管理的措施。
根据本发明实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述的基于知识图谱的作物管理方法。
根据本发明实施例的另一方面,还提供了一种处理器,该处理器用于运行程序,其中,程序运行时执行上述的基于知识图谱的作物管理方法。
在本发明实施例中,采用基于知识图谱构建农场管理知识体系的方式,在获取到作物的生长数据之后,通过将生长数据输入至知识图谱模型中,并获取知识图谱模型输出的管理措施,最后基于管理措施对作物进行管理,其中,知识图谱模型为使用知识图谱对生长数据进行分析,并输出管理措施的模型。
由上述内容可知,本申请采用知识图谱来构建作物管理的管理体系(即管理措施),并基于该管理体系对作物进行管理。由于知识图谱对知识具有良好的迁移性,可便于复制管理知识,能够为农场管理经验不足的管理者提供参考决策,为具有农场管理经验的管理者提供更有的管理措施,从而提高了农场的管理效率。
由此可见,本申请所提供的方案达到了自动对农场进行管理的目的,从而实现了提高了农场的管理效率的技术效果,进而解决了现有技术基于人工经验对农场进行管理所导致的农场管理效率低技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种基于知识图谱的作物管理方法的流程图;
图2是根据本发明实施例的一种可选的知识图谱的结构示意图;
图3是根据本发明实施例的一种可选的基于知识图谱的作物管理方法的框架图;
图4是根据本发明实施例的一种基于知识图谱的作物管理方法的流程图;以及
图5是根据本发明实施例的一种基于知识图谱的作物管理装置示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种基于知识图谱的作物管理方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的基于知识图谱的作物管理方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,采集作物的生长数据。
需要说明的是,在本实施例中,农场管理***可作为本实施例的执行主体,其中,农场管理***至少包括:数据采集设备、数据处理设备,其中,数据采集设备可以传感器,对于作物的不同生长数据使用不同的数据采集设备进行采集。可选的,生长数据包括如下至少之一:气候数据、区域数据、作物类型数据、土壤状态数据、时间阶段数据、品种数据以及植物表型数据。例如,使用土壤温度传感器、土壤湿度传感器、土壤养分检测仪、土壤PH测试仪等采集土壤状态数据,使用空气温度传感器、空气湿度传感器、光照传感器等采集气候数据。
需要说明的是,通过设置数据采集设备来自动采集作物的生长数据,不仅可以节省人工采集数据的采集时间,还可避免人工采集数据时数据采集不准确的问题,提高数据采集的效率和准确性。
步骤S104,将生长数据输入至知识图谱模型中,获取知识图谱模型输出的管理措施,其中,知识图谱模型为使用知识图谱对生长数据进行分析,并输出管理措施的模型。
在步骤S104中,知识图谱(Knowledge Graph)是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的理论。在本申请中,知识图谱可实现农业、数学等多学科的融合。
在一种可选的实施例中,农场管理***的数据处理设备能够获取数据采集设备所采集到的生长数据,并使用知识图谱对生长数据进行分析,以确定对作物进行管理的措施。可选的,数据处理设备根据作物类型数据和品种数据来确定作物的类型和品种,进而确定该作物在知识图谱模型中所对应的标识,例如,类型为水稻,品种为五优稻2号的作物所对应的标识为0001,则数据处理设备在将作物类型数据和品种数据输入至知识图谱模型之后,知识图谱模型即可确定该作物所对应的标识为0001,然后获取知识图谱中与0001对应的实体的属性以及属性值,进而确定标识为0001的作物的管理措施,并输出该管理措施。
步骤S106,基于管理措施对作物进行管理,其中,管理措施为在作物生长过程中对作物的生长状态进行管理的措施。
在步骤S106中,对作物进行管理的管理措施可以包括但不限于打药时间、打药剂量、施肥时间、施肥剂量、浇水时间、浇水周期、浇水水量等。
需要说明的是,通过步骤S104所得到的管理措施通常为能够促进作物生长,提高作物产量的措施,因此,在步骤S106中,基于管理措施对作物进行管理能够更好的管理农场,提高农场的经济效益。
基于上述步骤S102至步骤S106所限定的方案,可以获知,本申请采用基于知识图谱构建农场管理知识体系的方式,在获取到作物的生长数据之后,通过将生长数据输入至知识图谱模型中,并获取知识图谱模型输出的管理措施,最后基于管理措施对作物进行管理,其中,知识图谱模型为使用知识图谱对生长数据进行分析,并输出管理措施的模型。
容易注意到的是,本申请采用知识图谱来构建作物管理的管理体系(即管理措施),并基于该管理体系对作物进行管理。由于知识图谱对知识具有良好的迁移性,可便于复制管理知识,能够为农场管理经验不足的管理者提供参考决策,为具有农场管理经验的管理者提供更有的管理措施,从而提高了农场的管理效率。
由此可见,本申请所提供的方案达到了自动对农场进行管理的目的,从而实现了提高了农场的管理效率的技术效果,进而解决了现有技术基于人工经验对农场进行管理所导致的农场管理效率低技术问题。
在一种可选的实施例中,在将生长数据输入至知识图谱模型中之前,需要构建知识图谱,其中,知识图谱的元素至少包括:实体、属性和属性值。具体的,数据处理设备首先获取预设的至少一个实体,然后获取传感器对当前作物所采集到的当前生长数据,并根据实体、数据属性以及数据属性值构建知识图谱。其中,不同的实体与不同的作物相对应,当前生长数据至少包括数据属性以及数据属性值,不同的传感器采集不同的数据属性对应的数据。
需要说明的是,在本申请中,实体为作物,属性为作物的生长数据所对应的属性,属性值为作物的生长数据,可选的,图2示出了一种可选的知识图谱的结构示意图,在图2中,实体为水稻,属性包括:株高、光照时长、叶龄、积温、土壤温度、茎孽数、叶片氮含量等,属性值为属性所对应的数值,另外,图2所示的知识图谱还示出了在不同的属性和/或属性值下对应的管理措施,例如,在叶片氮含量小于0.1时,进行施肥;在株高大于0.5m时,进行打药;在土壤温度小于0.5℃时,进行浇水。
在一种可选的实施例中,知识图谱的元素还包括:多个实体以及多个实体之间的关系,即知识图谱还可展示不同作物之间的关系。其中,数据处理设备首先获取不同作物所对应的管理措施,然后根据不同作物所对应的管理措施确定不同作物所对应的实体之间的关系,最后根据实体、数据属性、数据属性值以及多个实体之间的关系构建知识图谱。例如,水稻和小麦均是在株高大于0.5m时进行打药,并且打药的品种以及剂量均相同,则可通过株高与打药的关系将水稻对应的子知识图谱和小麦对应的子知识图谱进行关联,从而得到农场管理所对应的知识图谱。
需要说明的是,知识图谱存在的主要形式有实体——属性——属性值和实体——关系——实体两种形式,在本申请中,实体主要通过***设置和客户自定义获取,而属性和属性值主要通过传感器的关联数据和客户自定义上传数据获取,关系则通过客户决策方案和相关科学知识进行关联。
可选的,在得到知识图谱之后,数据处理设备将作物的生长数据输入至知识图谱模型,并获取知识图谱模型输出的管理措施。具体的,数据处理设备检测知识图谱中作物对应的属性值,并获取知识图谱模型根据属性值输出的对作物进行管理的管理时间以及对应的管理措施。例如,在图2中,属性为株高,属性值为0.9,即株高大于0.5m,此时通过知识图谱可知,该属性值所对应的管理措施为打药,在该场景下,知识图谱模型输出打药以及打药时间(图2中未示出)、打药剂量(图2中未示出)等。
在一种可选的实施例中,在基于管理措施对作物进行管理之后,农场管理***还获取基于管理措施对作物的生长状态的管理结果,并显示管理结果,其中,管理结果至少包括:第一管理结果和第二管理结果,第一管理结果表征管理措施对作物的生长产生积极效果,第二管理结果表征管理措施对作物的生长产生消极效果。可选的,在管理结果为第二管理结果的情况下,获取对管理措施进行优化处理后的处理结果,基于处理结果更新知识图谱。
需要说明的是,在本申请中,农场管理***能够对作物在不同阶段的生长状态进行记录和评估,并对管理措施对应的效果进行跟踪和反馈,对产生积极作用的管理措施进行正反馈(即展示第一管理结果),而对产生消极作用的管理措施进行负反馈,从而使得农场管理***能够进一步优化管理措施。例如,管理措施中指出需要在水稻的株高大于0.3m时进行打药,农场管理者根据管理措施在株高大于0.3m时进行打药,但水稻产量并不高,即此时管理措施产生了消极作用,此时,农场管理者可基于知识图谱对水稻对应的属性以及属性值进行分析,确定水稻当株高较小时,如果对水稻进行打药,可能会伤害水稻,农场管理者可在株高较高(例如,高于0.5m)时再进行打药,则可提高水稻产量。
在一种可选的实施例中,农场管理***中的知识图谱所对应的管理措施可能并不是最优的管理措施,此时需要对知识图谱进行更新。
可选的,农场管理***还包括显示设备(例如,显示器)。显示设备可展示知识图谱,数据处理设备接收对知识图谱进行调整的调整指令,并基于调整指令对知识图谱进行更新,最后显示设备展示更新后的知识图谱。即在该场景下,农场管理***在接收到农场管理者输入的调整指令之后,才对知识图谱进行更新。
在另一种可选的实施例中,农场管理***还可自动对知识图谱进行更新。具体的,在未接收到对知识图谱进行调整的调整指令的情况下,农场管理***检测知识图谱中是否存在与作物对应的实体,得到检测结果,并确定与检测结果对应的更新措施对知识图谱进行更新。
需要说明的是,农场管理***基于调整指令对知识图谱进行更新的优先级高于自动更新知识图谱的优先级。另外,不同的检测结果也对应不同的更新措施。
可选的,在检测结果指示知识图谱中存在作物对应的实体的情况下,农场管理***获取针对作物的多个管理措施,并根据每个管理措施所对应的生长状态进行大数据分析,确定最优的管理措施,最后根据最优的管理措施对知识图谱中作物对应的属性和/或属性值进行更新。例如,知识图谱对应的水稻的管理措施为措施1,农场管理者在基于措施1对水稻进行管理的过程中,在水稻的株高大于0.6m时进行了打药处理,产量大于措施1所对应的产量,农场管理者调整株高所对应的属性值后可以提高水稻的产量,即农场管理者对措施1进行调整后得到的措施2优于措施1,此时,农场管理***自动将措施1所对应的知识图谱中的株高属性修改为0.6m。
可选的,知识图谱的更新还可通过实体的重新创建和通过对管理措施的效果分析和反馈来更新,通过大数据分析来更新相关的关系和值。具体的,在检测结果指示知识图谱中不存在作物对应的实体的情况下,农场管理***获取针对作物的多个管理措施,并根据每个管理措施所对应的生长状态进行大数据分析,确定最优的管理措施,最后在知识图谱中创建作物对应的实体,并基于最优的管理措施对知识图谱的结构进行更新。
例如,知识图谱模型中未存储有关于种植水稻的子知识图谱,但多个用户会使用农场管理***来管理自己的农场,并且种植的均为水稻,则农场管理***记录每一个传感器所采集的数据以及每个用户的农事行为,到作物生长的阶段,农场管理***使用相同评价标准来评价当前作物的好坏(例如,叶龄、分蘖数、株高等),然后选取最优的管理措施作为知识存储到知识图谱中,其中,存储的知识包括但不限于光照、温度、水分、施肥等各种维度的数据,则以便后续为种植水稻的用户提供决策辅助;如果用户后续又使用了更优于知识图谱所对应的管理措施时,采用上述同样的方法自动更新当前的知识结构。
在一种可选的实施例中,图3示出了基于知识图谱的作物管理方法的框架图,由图3可知,本申请可通过对采集到的作物的基础数据(即生长数据)进行分析,生成对作物进行管理的决策,并基于决策对作物进行管理。然后对决策所对应的效果进行跟踪和反馈,并对产生消极作用的决策进行优化。
由上述内容可知,本申请通过结合物联网数据、追溯的数据、人工智能算法和知识图谱,自动构建管理知识体系,该知识体系以知识图谱的形式存在于后台***中,由于知识图谱对知识具有良好的迁移性,因此,可便于复制管理知识,为管理经验不足的农场管理者提供参考决策,为有管理经验的农场管理者提供更优的决策。
实施例2
根据本发明实施例,还提供了一种基于知识图谱的作物管理方法的实施例,其中,图5是根据本发明实施例的基于知识图谱的作物管理方法的流程图,如图4所示,该方法包括如下步骤:
步骤S402,采集作物的生长数据。
需要说明的是,在本实施例中,农场管理***可作为本实施例的执行主体,其中,农场管理***至少包括:数据采集设备、数据处理设备,其中,数据采集设备可以传感器,对于作物的不同生长数据使用不同的数据采集设备进行采集。可选的,生长数据包括如下至少之一:气候数据、区域数据、作物类型数据、土壤状态数据、时间阶段数据、品种数据以及植物表型数据。例如,使用土壤温度传感器、土壤湿度传感器、土壤养分检测仪、土壤PH测试仪等采集土壤状态数据,使用空气温度传感器、空气湿度传感器、光照传感器等采集气候数据。
需要说明的是,通过设置数据采集设备来自动采集作物的生长数据,不仅可以节省人工采集数据的采集时间,还可避免人工采集数据时数据采集不准确的问题,提高数据采集的效率和准确性。
步骤S404,基于知识图谱对生长数据进行分析,得到对作物的生长状态进行管理的管理措施。
在步骤S404中,知识图谱(Knowledge Graph)是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的理论。在本申请中,知识图谱可实现农业、数学等多学科的融合。
在一种可选的实施例中,农场管理***的数据处理设备能够获取数据采集设备所采集到的生长数据,并使用知识图谱对生长数据进行分析,以确定对作物进行管理的措施。可选的,数据处理设备根据作物类型数据和品种数据来确定作物的类型和品种,进而确定该作物在知识图谱模型中所对应的标识,例如,类型为水稻,品种为五优稻2号的作物所对应的标识为0001,则数据处理设备在将作物类型数据和品种数据输入至知识图谱模型之后,知识图谱模型即可确定该作物所对应的标识为0001,然后获取知识图谱中与0001对应的实体的属性以及属性值,进而确定标识为0001的作物的管理措施,并输出该管理措施。
步骤S406,获取基于管理措施对作物的生长状态进行管理后的管理结果。
在一种可选的实施例中,在基于管理措施对作物进行管理之后,农场管理***还获取基于管理措施对作物的生长状态的管理结果,并显示管理结果,其中,管理结果至少包括:第一管理结果和第二管理结果,第一管理结果表征管理措施对作物的生长产生积极效果,第二管理结果表征管理措施对作物的生长产生消极效果。
步骤S408,基于管理结果对知识图谱进行更新。
需要说明的是,农场管理***中的知识图谱所对应的管理措施可能并不是最优的管理措施,此时需要对知识图谱进行更新。
可选的,在管理结果为第二管理结果的情况下,获取对管理措施进行优化处理后的处理结果,基于处理结果更新知识图谱。
此外,还需要说明的是,在本申请中,农场管理***能够对作物在不同阶段的生长状态进行记录和评估,并对管理措施对应的效果进行跟踪和反馈,对产生积极作用的管理措施进行正反馈(即展示第一管理结果),而对产生消极作用的管理措施进行负反馈,从而使得农场管理***能够进一步优化管理措施。例如,管理措施中指出需要在水稻的株高大于0.3m时进行打药,农场管理者根据管理措施在株高大于0.3m时进行打药,但水稻产量并不高,即此时管理措施产生了消极作用,此时,农场管理者可基于知识图谱对水稻对应的属性以及属性值进行分析,确定水稻当株高较小时,如果对水稻进行打药,可能会伤害水稻,农场管理者可在株高较高(例如,高于0.5m)时再进行打药,则可提高水稻产量。
在一种可选的实施例中,农场管理***还包括显示设备(例如,显示器)。显示设备可展示知识图谱,数据处理设备接收对知识图谱进行调整的调整指令,并基于调整指令对知识图谱进行更新,最后显示设备展示更新后的知识图谱。即在该场景下,农场管理***在接收到农场管理者输入的调整指令之后,才对知识图谱进行更新。
在另一种可选的实施例中,农场管理***还可自动对知识图谱进行更新。具体的,在未接收到对知识图谱进行调整的调整指令的情况下,农场管理***检测知识图谱中是否存在与作物对应的实体,得到检测结果,并确定与检测结果对应的更新措施对知识图谱进行更新。在未接收到对知识图谱进行调整的调整指令的情况下,农场管理***检测知识图谱中是否存在与作物对应的实体,得到检测结果,并确定与检测结果对应的更新措施对知识图谱进行更新。
基于上述步骤S402至步骤S408所限定的方案,可以获知,本申请采用基于知识图谱构建农场管理知识体系的方式,在获取到作物的生长数据之后,通过基于知识图谱对生长数据进行分析,得到对作物的生长状态进行管理的管理措施,并获取基于管理措施对作物的生长状态进行管理后的管理结果,最后基于管理结果对知识图谱进行更新。
容易注意到的是,本申请采用知识图谱来构建作物管理的管理体系(即管理措施),并基于该管理体系对作物进行管理。由于知识图谱对知识具有良好的迁移性,可便于复制管理知识,能够为农场管理经验不足的管理者提供参考决策,为具有农场管理经验的管理者提供更有的管理措施,从而提高了农场的管理效率。此外,本申请还对知识图谱进行更新,使得知识图谱能够提供最优的管理措施。
由此可见,本申请所提供的方案达到了自动对农场进行管理的目的,从而实现了提高了农场的管理效率的技术效果,进而解决了现有技术基于人工经验对农场进行管理所导致的农场管理效率低技术问题。
实施例3
根据本发明实施例,还提供了一种基于知识图谱的作物管理装置的实施例,其中,图5是根据本发明实施例的基于知识图谱的作物管理装置示意图,如图5所示,该装置包括:采集模块501、获取模块503以及管理模块505。
其中,采集模块501,用于采集作物的生长数据;获取模块503,用于将生长数据输入至知识图谱模型中,获取知识图谱模型输出的管理措施,其中,知识图谱模型为使用知识图谱对生长数据进行分析,并输出管理措施的模型;管理模块505,用于基于管理措施对作物进行管理,其中,管理措施为在作物生长过程中对作物的生长状态进行管理的措施。
此处需要说明的是,上述采集模块501、获取模块503以及管理模块505对应于上述实施例的步骤S102至步骤S106,三个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例所公开的内容。
可选的,生长数据包括如下至少之一:气候数据、区域数据、作物类型数据、土壤状态数据、时间阶段数据、品种数据以及植物表型数据。
在一种可选的实施例中,知识图谱的元素至少包括:实体、属性和属性值,其中,基于知识图谱的作物管理装置还包括:第一获取模块、第二获取模块以及第一构建模块。其中,第一获取模块,用于在将生长数据输入至知识图谱模型中之前,获取预设的至少一个实体,其中,不同的实体与不同的作物相对应;第二获取模块,用于获取传感器对当前作物所采集到的当前生长数据,其中,当前生长数据至少包括数据属性以及数据属性值,不同的传感器采集不同的数据属性对应的数据;第一构建模块,用于根据实体、数据属性以及数据属性值构建知识图谱。
在一种可选的实施例中,知识图谱的元素还包括:多个实体以及多个实体之间的关系,基于知识图谱的作物管理装置还包括:第三获取模块、第一确定模块以及第二构建模块。其中,第三获取模块,用于获取不同作物所对应的管理措施;第一确定模块,用于根据不同作物所对应的管理措施确定不同作物所对应的实体之间的关系;第二构建模块,用于根据实体、数据属性、数据属性值以及多个实体之间的关系构建知识图谱。
在一种可选的实施例中,获取模块包括:第一检测模块以及第四获取模块。其中,第一检测模块,用于检测知识图谱中作物对应的属性值;第四获取模块,用于获取知识图谱模型根据属性值输出的对作物进行管理的管理时间以及对应的管理措施。
在一种可选的实施例中,基于知识图谱的作物管理装置还包括:第五获取模块以及显示模块。其中,第五获取模块,用于在基于管理措施对作物进行管理之后,获取基于管理措施对作物的生长状态的管理结果;显示模块,用于显示管理结果,其中,管理结果至少包括:第一管理结果和第二管理结果,第一管理结果表征管理措施对作物的生长产生积极效果,第二管理结果表征管理措施对作物的生长产生消极效果。
在一种可选的实施例中,基于知识图谱的作物管理装置还包括:第六获取模块,用于在管理结果为第二管理结果的情况下,获取对管理措施进行优化处理后的处理结果,基于处理结果更新知识图谱。
在一种可选的实施例中,基于知识图谱的作物管理装置还包括:第一展示模块、第一更新模块以及第二展示模块。其中,第一展示模块,用于展示知识图谱,并接收对知识图谱进行调整的调整指令;第一更新模块,用于基于调整指令对知识图谱进行更新;第二展示模块,用于展示更新后的知识图谱。
在一种可选的实施例中,基于知识图谱的作物管理装置还包括:第二检测模块以及第二更新模块。其中,第二检测模块,用于在未接收到对知识图谱进行调整的调整指令的情况下,检测知识图谱中是否存在与作物对应的实体,得到检测结果;第二更新模块,用于确定与检测结果对应的更新措施对知识图谱进行更新。
在一种可选的实施例中,第二更新模块包括:第七获取模块、第二确定模块以及第三更新模块。其中,第七获取模块,用于在检测结果指示知识图谱中存在作物对应的实体的情况下,获取针对作物的多个管理措施;第二确定模块,用于根据每个管理措施所对应的生长状态进行大数据分析,确定最优的管理措施;第三更新模块,用于根据最优的管理措施对知识图谱中作物对应的属性和/或属性值进行更新。
在一种可选的实施例中,第二更新模块包括:第八获取模块、第三确定模块以及第四更新模块。其中,第八获取模块,用于在检测结果指示知识图谱中不存在作物对应的实体的情况下,获取针对作物的多个管理措施;第三确定模块,用于根据每个管理措施所对应的生长状态进行大数据分析,确定最优的管理措施;第四更新模块,用于在知识图谱中创建作物对应的实体,并基于最优的管理措施对知识图谱的结构进行更新。
实施例4
根据本发明实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述实施例1中的基于知识图谱的作物管理方法。
实施例5
根据本发明实施例的另一方面,还提供了一种处理器,该处理器用于运行程序,其中,程序运行时执行上述实施例1中的基于知识图谱的作物管理方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,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,可以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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品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(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅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,这些改进和润饰也应视为本发明的保护范围。
Claims (15)
1.一种基于知识图谱的作物管理方法,其特征在于,包括:
采集作物的生长数据;
将所述生长数据输入至知识图谱模型中,获取所述知识图谱模型输出的管理措施,其中,所述知识图谱模型为使用知识图谱对所述生长数据进行分析,并输出所述管理措施的模型;
基于所述管理措施对所述作物进行管理,其中,所述管理措施为在所述作物生长过程中对所述作物的生长状态进行管理的措施。
2.根据权利要求1所述的方法,其特征在于,所述生长数据包括如下至少之一:气候数据、区域数据、作物类型数据、土壤状态数据、时间阶段数据、品种数据以及植物表型数据。
3.根据权利要求1所述的方法,其特征在于,所述知识图谱的元素至少包括:实体、属性和属性值,其中,在将所述生长数据输入至知识图谱模型中之前,所述方法还包括:
获取预设的至少一个所述实体,其中,不同的所述实体与不同的作物相对应;
获取传感器对当前作物所采集到的当前生长数据,其中,所述当前生长数据至少包括数据属性以及数据属性值,不同的传感器采集不同的数据属性对应的数据;
根据所述实体、所述数据属性以及所述数据属性值构建所述知识图谱。
4.根据权利要求3所述的方法,其特征在于,所述知识图谱的元素还包括:多个所述实体以及多个所述实体之间的关系,所述方法还包括:
获取不同作物所对应的管理措施;
根据所述不同作物所对应的管理措施确定所述不同作物所对应的实体之间的关系;
根据所述实体、所述数据属性、所述数据属性值以及多个所述实体之间的关系构建所述知识图谱。
5.根据权利要求1所述的方法,其特征在于,获取所述知识图谱模型输出的管理措施,包括:
检测所述知识图谱中所述作物对应的属性值;
获取所述知识图谱模型根据所述属性值输出的对所述作物进行管理的管理时间以及对应的管理措施。
6.根据权利要求1所述的方法,其特征在于,在基于所述管理措施对所述作物进行管理之后,所述方法还包括:
获取基于所述管理措施对所述作物的生长状态的管理结果;
显示所述管理结果,其中,所述管理结果至少包括:第一管理结果和第二管理结果,所述第一管理结果表征所述管理措施对所述作物的生长产生积极效果,所述第二管理结果表征所述管理措施对所述作物的生长产生消极效果。
7.根据权利要求6所述的方法,其特征在于,在所述管理结果为所述第二管理结果的情况下,获取对所述管理措施进行优化处理后的处理结果,基于所述处理结果更新所述知识图谱。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
展示所述知识图谱,并接收对所述知识图谱进行调整的调整指令;
基于所述调整指令对所述知识图谱进行更新;
展示更新后的所述知识图谱。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
在未接收到对所述知识图谱进行调整的调整指令的情况下,检测所述知识图谱中是否存在与所述作物对应的实体,得到检测结果;
确定与所述检测结果对应的更新措施对所述知识图谱进行更新。
10.根据权利要求9所述的方法,其特征在于,确定与所述检测结果对应的更新措施对所述知识图谱进行更新,包括:
在所述检测结果指示所述知识图谱中存在所述作物对应的实体的情况下,获取针对所述作物的多个管理措施;
根据每个管理措施所对应的生长状态进行大数据分析,确定最优的管理措施;
根据所述最优的管理措施对所述知识图谱中所述作物对应的属性和/或属性值进行更新。
11.根据权利要求9所述的方法,其特征在于,确定与所述检测结果对应的更新措施对所述知识图谱进行更新,包括:
在所述检测结果指示所述知识图谱中不存在所述作物对应的实体的情况下,获取针对所述作物的多个管理措施;
根据每个管理措施所对应的生长状态进行大数据分析,确定最优的管理措施;
在所述知识图谱中创建所述作物对应的实体,并基于所述最优的管理措施对所述知识图谱的结构进行更新。
12.一种基于知识图谱的作物管理方法,其特征在于,包括:
采集作物的生长数据;
基于知识图谱对所述生长数据进行分析,得到对所述作物的生长状态进行管理的管理措施;
获取基于所述管理措施对所述作物的生长状态进行管理后的管理结果;
基于所述管理结果对所述知识图谱进行更新。
13.一种基于知识图谱的作物管理装置,其特征在于,包括:
采集模块,用于采集作物的生长数据;
获取模块,用于将所述生长数据输入至知识图谱模型中,获取所述知识图谱模型输出的管理措施,其中,所述知识图谱模型为使用知识图谱对所述生长数据进行分析,并输出所述管理措施的模型;
管理模块,用于基于所述管理措施对所述作物进行管理,其中,所述管理措施为在所述作物生长过程中对所述作物的生长状态进行管理的措施。
14.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至11中任意一项所述基于知识图谱的作物管理方法。
15.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至11中任意一项所述基于知识图谱的作物管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911320549.8A CN113010529A (zh) | 2019-12-19 | 2019-12-19 | 基于知识图谱的作物管理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911320549.8A CN113010529A (zh) | 2019-12-19 | 2019-12-19 | 基于知识图谱的作物管理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113010529A true CN113010529A (zh) | 2021-06-22 |
Family
ID=76381393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911320549.8A Pending CN113010529A (zh) | 2019-12-19 | 2019-12-19 | 基于知识图谱的作物管理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113010529A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114331753A (zh) * | 2022-03-04 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 农事智能化的方法、装置及控制设备 |
CN115169750A (zh) * | 2022-09-01 | 2022-10-11 | 广东省农业科学院植物保护研究所 | 一种基于物联网的鳞翅目害虫防治方法、***及介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169078A (zh) * | 2017-05-10 | 2017-09-15 | 京东方科技集团股份有限公司 | 中医药知识图谱及其建立方法以及计算机*** |
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*** |
CN108228874A (zh) * | 2018-01-18 | 2018-06-29 | 北京邮电大学 | 基于人工智能技术的通用知识图谱可视化装置及方法 |
CN109378053A (zh) * | 2018-11-30 | 2019-02-22 | 安徽影联云享医疗科技有限公司 | 一种用于医学影像的知识图谱构建方法 |
CN109598384A (zh) * | 2018-12-06 | 2019-04-09 | 同方知网(北京)技术有限公司 | 一种农业产业创新服务图谱构建*** |
CN109766445A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技(深圳)有限公司 | 一种知识图谱构建方法及数据处理装置 |
CN109981752A (zh) * | 2019-03-06 | 2019-07-05 | 中国科学院合肥物质科学研究院 | 基于远程视频的移动型野外农林种植智能预警物联网*** |
CN110188979A (zh) * | 2019-04-15 | 2019-08-30 | 广州智联研究院有限公司 | 水行业应急决策生成方法及装置 |
CN110209839A (zh) * | 2019-06-18 | 2019-09-06 | 卓尔智联(武汉)研究院有限公司 | 农业知识图谱构建装置、方法及计算机可读存储介质 |
CN110457482A (zh) * | 2019-06-06 | 2019-11-15 | 福建奇点时空数字科技有限公司 | 一种基于知识图谱的智能化信息服务*** |
-
2019
- 2019-12-19 CN CN201911320549.8A patent/CN113010529A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169078A (zh) * | 2017-05-10 | 2017-09-15 | 京东方科技集团股份有限公司 | 中医药知识图谱及其建立方法以及计算机*** |
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*** |
CN108228874A (zh) * | 2018-01-18 | 2018-06-29 | 北京邮电大学 | 基于人工智能技术的通用知识图谱可视化装置及方法 |
CN109378053A (zh) * | 2018-11-30 | 2019-02-22 | 安徽影联云享医疗科技有限公司 | 一种用于医学影像的知识图谱构建方法 |
CN109598384A (zh) * | 2018-12-06 | 2019-04-09 | 同方知网(北京)技术有限公司 | 一种农业产业创新服务图谱构建*** |
CN109766445A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技(深圳)有限公司 | 一种知识图谱构建方法及数据处理装置 |
CN109981752A (zh) * | 2019-03-06 | 2019-07-05 | 中国科学院合肥物质科学研究院 | 基于远程视频的移动型野外农林种植智能预警物联网*** |
CN110188979A (zh) * | 2019-04-15 | 2019-08-30 | 广州智联研究院有限公司 | 水行业应急决策生成方法及装置 |
CN110457482A (zh) * | 2019-06-06 | 2019-11-15 | 福建奇点时空数字科技有限公司 | 一种基于知识图谱的智能化信息服务*** |
CN110209839A (zh) * | 2019-06-18 | 2019-09-06 | 卓尔智联(武汉)研究院有限公司 | 农业知识图谱构建装置、方法及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
陈亚东等: "我国苹果产业知识图谱构建研究", 《中国农业资源与区划》, vol. 38, no. 11, 30 November 2017 (2017-11-30), pages 41 - 43 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114331753A (zh) * | 2022-03-04 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 农事智能化的方法、装置及控制设备 |
CN114331753B (zh) * | 2022-03-04 | 2022-06-14 | 阿里巴巴达摩院(杭州)科技有限公司 | 农事智能化的方法、装置及控制设备 |
CN115169750A (zh) * | 2022-09-01 | 2022-10-11 | 广东省农业科学院植物保护研究所 | 一种基于物联网的鳞翅目害虫防治方法、***及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3550498A1 (en) | Information processing device and information processing system | |
Carmona-Torres et al. | Farm-level multifunctionality associated with farming techniques in olive growing: An integrated modeling approach | |
US20200250593A1 (en) | Yield estimation in the cultivation of crop plants | |
CN110909679B (zh) | 冬小麦历史种植区的休耕轮作信息遥感识别方法及*** | |
US20150234785A1 (en) | Prediction apparatus and method for yield of agricultural products | |
CN106408132A (zh) | 一种基于种植设备的作物产量预测方法及装置 | |
EP3358518A1 (en) | Farmwork plan support system | |
JP2019170359A (ja) | 植物栽培結果予測システム | |
CN112001242B (zh) | 一种智能园艺管理方法和装置 | |
KR20160040672A (ko) | 재배 지원 장치, 재배 지원 방법, 및 프로그램을 저장하는 기록 매체 | |
Thierry et al. | Simulating spatially-explicit crop dynamics of agricultural landscapes: The ATLAS simulator | |
CN113329617A (zh) | 信息处理设备和信息处理*** | |
CN114662742A (zh) | 大田灌溉施肥制度动态决策方法及装置 | |
EP3673425A1 (de) | Ertragsabschätzung beim anbau von kulturpflanzen | |
CN113010529A (zh) | 基于知识图谱的作物管理方法和装置 | |
KR20200044604A (ko) | 스마트팜 재배이력을 이용한 스마트팜 재배시스템 | |
Confalonieri | CoSMo: A simple approach for reproducing plant community dynamics using a single instance of generic crop simulators | |
JP2018007630A (ja) | 栽培支援装置 | |
CN113196320A (zh) | 果菜类植物和果树栽培管理装置、学习装置、果菜类植物和果树栽培管理方法、学习模型生成方法、果菜类植物和果树栽培管理程序以及学习模型生成程序 | |
Avigal et al. | Learning seed placements and automation policies for polyculture farming with companion plants | |
JP2022136058A (ja) | 農作物の生産成績を予測する予測モデルの生成方法、生成装置、及び生成プログラム | |
CA3196136A1 (en) | Advanced crop manager for crops stress mitigation | |
CN106453252A (zh) | 互联网农作物定制培植方法 | |
Stoyanova-Doycheva et al. | Architecture of a knowledge base in smart crop production | |
Valdés-Gómez et al. | Modelling indeterminate development, dry matter partitioning and the effect of nitrogen supply in tomato with the generic STICS crop–soil model |
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 |