CN114419429A - 基于农作物叶子病状的智能推荐方法 - Google Patents
基于农作物叶子病状的智能推荐方法 Download PDFInfo
- Publication number
- CN114419429A CN114419429A CN202111490562.5A CN202111490562A CN114419429A CN 114419429 A CN114419429 A CN 114419429A CN 202111490562 A CN202111490562 A CN 202111490562A CN 114419429 A CN114419429 A CN 114419429A
- Authority
- CN
- China
- Prior art keywords
- disease
- leaf
- crop
- spraying
- solution
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000007170 pathology Effects 0.000 title claims abstract description 22
- 201000010099 disease Diseases 0.000 claims abstract description 147
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 147
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 17
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000005507 spraying Methods 0.000 claims description 85
- 239000000243 solution Substances 0.000 claims description 47
- 238000002347 injection Methods 0.000 claims description 41
- 239000007924 injection Substances 0.000 claims description 41
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 25
- 239000007921 spray Substances 0.000 claims description 14
- 239000007788 liquid Substances 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000003902 lesion Effects 0.000 claims description 3
- 241000238631 Hexapoda Species 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000000575 pesticide Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 239000003181 biological factor Substances 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000035143 Bacterial infection Diseases 0.000 description 1
- 208000031888 Mycoses Diseases 0.000 description 1
- 241000244206 Nematoda Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- 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
- A01G13/00—Protecting plants
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明的实施例公开了基于农作物叶子病状的智能推荐方法,涉及图像识别技术领域。所述方法,包括:实时采集目标农作物的叶子图像;通过AI技术识别所述叶子图像中是否存在农作物叶子病害特征;若识别出所述叶子图像中存在农作物叶子病害特征,则根据预先设置的病害特征和解决方案的对应关系,获取所述病害特征对应的解决方案推荐给用户。本发明能够根据识别到的农作物病害特征,进行解决方案的推荐,可以减少农业工作人员在解决病害问题时寻找解决方案的时间,从而减少农作物的损害程度,提高农作物产量。
Description
技术领域
本发明属于图像识别技术领域,尤其涉及基于农作物叶子病状的智能推荐方法。
背景技术
农作物在生长发育过程中,由于遭受生物因素的侵染或非生物因素的影响,如真菌病害、细菌病害、病毒病害、线虫病害等等,正常的生长发育受到干扰和破坏,在农作物的内部和外部,生理和组织上均表现出不正常的现象,导致产量降低、品质变差、甚至死亡,因此需要及时的发现农作物病害并制定解决方案,减少经济损失。
目前,农作物病害发现方案主要依靠人工经验主动的发现,然后制定/寻找解决方案,但是往往农作物种植人员的经验和精力都是有限的,往往不能及时的发现农作物病害,甚至看到农作物病害,也不知道是什么病害。随着科学和计算机技术的发展,农作物病害发现方法及***应运而生,采用图像识别技术,将农作物病害图像与预设的病害图像进行比对,可以识别农作物的种类以及病状。但是当发现农作物受到病害损坏的时候,还是需要人去分析并找到解决方案,非常耗费时间,往往错过了治疗病害的最佳时间,增加了农作物的损害程度,减少了农作物的产量。
发明内容
有鉴于此,本发明实施例提供基于农作物叶子病状的智能推荐方法,用于解决现有农作物病害发现方案,不能根据农作物病态推荐合适解决方案,无法快速制止病害对农作物损害的问题。本发明能够根据识别到的农作物及其病害特征,智能的推荐对应解决方案,可以减少农业工作人员在解决病害问题时寻找解决方案的时间,减少农作物的损害程度,提高农作物产量。
本发明实施例提供基于农作物叶子病状的智能推荐方法,该方法包括:
实时采集目标农作物的叶子图像;
通过AI技术识别所述叶子图像中是否存在农作物叶子病害特征;
若识别出所述叶子图像中存在农作物叶子病害特征,则根据预先设置的病害特征和解决方案的对应关系,获取所述病害特征对应的解决方案推荐给用户。
在一可选实施例中,在所述识别出所述叶子图像中存在农作物叶子病害特征之后,根据预先设置的病害特征和解决方案的对应关系,获取所述病害特征对应的解决方案推荐给用户之前,还包括:
控制预设的喷射装置向识别出的病害特征中心喷射液体,以对所述目标农作物的叶子上的病害位置进行冲洗。
在一可选实施例中,所述实时采集目标农作物的叶子图像,包括:
通过设置于目标农作物旁边的图像采集***实时采集目标农作物的叶子图像;其中,所述图像采集***包括防水摄像头以及360度转台,所述转台可带动所述防水摄像头采集所述目标农作物各个方向的叶子图像。
在一可选实施例中,所述控制预设的喷射装置向识别出的病害特征中心喷射液体,包括:
控制所述防水摄像头采集的图像中心对准识别出的病害特征的中心;
计算预先设置于所述防水摄像头顶部的喷射装置与所述病害特征的相对位置;
根据所述喷射装置与所述病害特征的相对位置,确定所述喷射装置的喷射速度;并根据所述病害特征的大小,确定所述喷射装置的喷射时间;
控制喷射装置按照确定的喷射速度和喷射时间,以指定液体喷射所述病害特征中心。
在一可选实施例中,所述计算预先设置于所述防水摄像头顶部的喷射装置与所述病害特征的相对位置,包括:
根据以下第一公式计算喷射装置与所述病害特征的相对位置:
其中,L2表示所述喷射装置的喷口到所述病害特征的水平距离;H表示所述喷射装置的喷口到所述病害特征的竖直高度值;L表示所述防水摄像头与所述目标农作物的水平距离;D表示所述防水摄像头拍摄方向上的长度;R表示所述防水摄像头镜头半径;r表示所述喷射装置的喷口半径;θ表示所述防水摄像头的仰角角度。
在一可选实施例中,所述根据所述喷射装置与所述病害特征的相对位置,控制所述喷射装置的喷射速度,包括:
根据以下第二公式计算所述喷射装置的喷射速度:
其中,V表示所述喷射装置的喷射速度,g为重力加速度。
在一可选实施例中,所述根据所述病害特征的大小,确定所述喷射装置的喷射时间,包括:
根据以下第三公式计算所述喷射装置的喷射时间:
其中,T表示所述喷射装置的喷射时间;Tmax表示所述喷射装置的最大喷射时间;S表示采集的叶子图像中识别出的所述病害特征所占的像素点个数,m表示采集的所述叶子图像中每一行像素点的个数;n表示采集的所述叶子图像中每一列像素点的个数。
在一可选实施例中,在所述根据所述病害特征的大小,确定所述喷射装置的喷射时间之前,还包括:
获取与所述喷射装置连接的储水罐的当前储水量;
根据以下第四公式计算所述喷射装置的最大喷射时间:
其中,Qmax为与所述喷射装置连接的储水罐的当前储水量。
在一可选实施例中,在所述控制喷射装置按照确定的喷射速度和喷射时间,以指定液体喷射所述病害特征中心之后,还包括:
当实际喷射时间达到所述喷射时间时,再次采集所述病害特征部位的叶子图像;
通过AI技术识别判断所述病害特征部位的病害特征是否消除;
若所述病害特征部位的病害特征已消除,则退出流程;
若所述病害特征部位的病害特征未消除,则执行所述根据预先设置的病害特征和解决方案的对应关系,获取所述病害特征对应的解决方案推荐给用户的步骤。
本发明提供的基于农作物叶子病状的智能推荐方法,通过AI图形识别技术识别采集到的农作物的叶子图像是否存在农作物叶子病害特征,若存在,则根据预先设置的病害特征和解决方案的对应关系,获取所述病害特征对应的解决方案推荐给用户。本发明能够根据识别到的农作物及其病害特征,智能的推荐对应解决方案,可以减少农业工作人员在解决病害问题时寻找解决方案的时间,减少农作物的损害程度,提高农作物产量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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本发明的一些实施例,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,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的基于农作物叶子病状的智能推荐方法实施例一流程图;
图2为本发明实施例提供的基于农作物叶子病状的智能推荐方法实施例二流程图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确,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它实施例,都属于本发明保护的范围。
图1为本发明实施例提供的基于农作物叶子病状的智能推荐方法实施例一流程图。参见图1,该方法包括如下步骤S101-S103:
S101:实时采集目标农作物的叶子图像。
本实施例中,可以通过摄像头采集目标农作物的叶子图像,此处摄像头可以为全景摄像头、枪机摄像头、防水摄像头等,便于后续根据叶子图像分析出农作物是否存在病害。
作为一可选实施例,本步骤S101,包括:通过设置于目标农作物旁边的图像采集***实时采集目标农作物的叶子图像;其中,所述图像采集***包括防水摄像头以及360度转台,所述转台可带动所述防水摄像头采集所述目标农作物各个方向的叶子图像。
本实施例中,启动设置于目标农作物旁边的图像采集***,所述360度转台会带动所述防水摄像头对农作物按照从左到右从上到下的顺序进行图像采集,保证了能对农作物叶子进行图像采集,不会漏掉任何一片叶子。
S102:通过AI技术识别所述叶子图像中是否存在农作物叶子病害特征,是则执行S103。
本实施例中,计算机视觉技术的突飞猛进,相应的AI识别技术也得到的快速的发展,它可以根据农作物病害造成的叶子特征,即病状(如变色、坏死、腐烂、畸形等),获知所述叶子图像中农作物叶子是否存在病害特征。
S103:根据预先设置的病害特征和解决方案的对应关系,获取所述病害特征对应的解决方案推荐给用户。
本实施例中,预先设置的病害特征和解决方案可以为:存在虫眼与喷洒农药的对应关系,当发现目标农作物的叶子上存在虫眼时,则可以给出尽快喷洒农药的解决方案,使得农作物工作人员不用花费大量时间去寻找解决方案,从而可以尽可能的减少农作物的损害程度,提高农作物产量。
作为一可选实施例,本步骤S103之前,还包括:控制预设的喷射装置向识别出的病害特征中心喷射液体,以对所述目标农作物的叶子上的病害位置进行冲洗。
本实施例中,所述喷射的液体,可以为水或者预先设置的营养液、农药等,一旦检测出目标农作物的叶子存在农作物叶子病害特征,可以预先进行处理,达到尽可能快的对农作物病毒进行处理。例如,叶子上存在虫子时,可以用水冲洗虫子,让虫子从叶子上掉落,延缓虫子对叶片造成的伤害,然后给出解决方案为尽快的喷洒农药,从而解决叶子的病害。
本实施例提供的基于农作物叶子病状的智能推荐方法,通过AI图形识别技术识别采集到的农作物的叶子图像是否存在农作物叶子病害特征,若存在,则根据预先设置的病害特征和解决方案的对应关系,获取所述病害特征对应的解决方案推荐给用户。本发明能够根据识别到的农作物及其病害特征,智能的推荐对应解决方案,可以减少农业工作人员在解决病害问题时寻找解决方案的时间,减少农作物的损害程度,提高农作物产量。
图2为本发明实施例提供的基于农作物叶子病状的智能推荐方法实施例二流程图。参见图2,该方法包括如下步骤S201-S209:
S201:通过设置于目标农作物旁边的图像采集***实时采集目标农作物的叶子图像。
其中,所述图像采集***包括防水摄像头以及360度转台,所述转台可带动所述防水摄像头采集所述目标农作物各个方向的叶子图像。
S202:通过AI技术识别所述叶子图像中是否存在农作物叶子病害特征,是则执行S203。
S203:控制所述防水摄像头采集的图像中心对准识别出的病害特征的中心。
本实施例中,将摄像头对准识别出的病害特征的中心,将能采集更清晰、更详细的病害特征,并于后续更准确的分析叶子病害;同时,也便于设置于摄像头头顶部的喷射装置能更好的对准病害部位,使得后续进行喷射液体的效果更好。
S204:计算预先设置于所述防水摄像头顶部的喷射装置与所述病害特征的相对位置。
优选地,根据如下第一公式计算喷射装置与所述病害特征的相对位置:
其中,L2表示所述喷射装置的喷口到所述病害特征的水平距离;H表示所述喷射装置的喷口到所述病害特征的竖直高度值;L表示所述防水摄像头与所述目标农作物的水平距离;D表示所述防水摄像头拍摄方向上的长度;R表示所述防水摄像头镜头半径;r表示所述喷射装置的喷口半径;θ表示所述防水摄像头的仰角角度。
本实施例中,根据喷射装置喷射口的半径、防水摄像头镜头的半径、防水摄像头与农作物的水平距离,防水摄像头对准病害特征的中心点后仰角角度,得到喷水装置喷出的水喷到农作物的病害特征所需要的水平距离以及竖直高度,进而保证喷出的水柱可以喷射到所述病害特征的中心位置。
S205:根据所述喷射装置与所述病害特征的相对位置,确定所述喷射装置的喷射速度;并根据所述病害特征的大小,确定所述喷射装置的喷射时间。
优选地,根据如下第二公式计算所述喷射装置的喷射速度:
其中,V表示所述喷射装置的喷射速度,g为重力加速度,取值为9.80m/s2。
本实施例中,根据喷水装置喷出的水喷到所述农作物的病害特征所需要的水平距离以及竖直高度得到所述喷水装置的喷射速度,进而通过控制喷射速度保证喷射的水柱可以达到相应的高度以及距离,达到对病害特征进行清理。
优选地,根据如下第三公式计算所述喷射装置的喷射时间:
其中,T表示所述喷射装置的喷射时间;Tmax表示所述喷射装置的最大喷射时间;S表示采集的叶子图像中识别出的所述病害特征所占的像素点个数,m表示采集的所述叶子图像中每一行像素点的个数;n表示采集的所述叶子图像中每一列像素点的个数。
本实施例中,根据所述农作物叶子上病害特征的大小,得到喷水装置的喷水时间,保证对所述农作物叶子上病害特征进行有效冲洗,进而防止由于泥土或虫子在所述农作物叶子上的原因导致被识别为病害特征,确保***的可靠性,并且可以适当解决部分因虫子导致的病害特征。
作为一可选实施例,所述根据所述病害特征的大小,确定所述喷射装置的喷射时间之前,还包括:获取与所述喷射装置连接的储水罐的当前储水量;根据如下第四公式计算所述喷射装置的最大喷射时间:
其中,Qmax为与所述喷射装置连接的储水罐的当前储水量。
S206:控制喷射装置按照确定的喷射速度和喷射时间,以指定液体喷射所述病害特征中心。
S207:当实际喷射时间达到所述喷射时间时,再次采集所述病害特征部位的叶子图像。
本实施例中,若所述喷水时间达到T时,仍不能所述病害特征去除,则所述病害特征为严重病害特征,则将AI识别到的病害特征进行特征分析并得到相应的解决方案传输给用户,进而减少农作物的损害程度,提高产量。
S208:通过AI技术识别判断所述病害特征部位的病害特征是否消除;是则执行退出流程,否则执行S209。
S209:根据预先设置的病害特征和解决方案的对应关系,获取所述病害特征对应的解决方案推荐给用户。
本实施例提供的基于农作物叶子病状的智能推荐方法,当识别出农作物叶子上有病害时,根据所述农作物叶子上病害特征的大小,得到喷水装置的喷水时间,保证对所述农作物叶子上病害特征进行有效冲洗,进而防止由于泥土或虫子在所述农作物叶子上的原因导致被识别为病害特征,确保***的可靠性,并且可以适当解决部分因虫子导致的病害特征。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.基于农作物叶子病状的智能推荐方法,其特征在于,包括以下步骤:
实时采集目标农作物的叶子图像;
通过AI技术识别所述叶子图像中是否存在农作物叶子病害特征;
若识别出所述叶子图像中存在农作物叶子病害特征,则根据预先设置的病害特征和解决方案的对应关系,获取所述病害特征对应的解决方案推荐给用户。
2.如权利要求1所述的基于农作物叶子病状的智能推荐方法,其特征在于,在所述识别出所述叶子图像中存在农作物叶子病害特征之后,根据预先设置的病害特征和解决方案的对应关系,获取所述病害特征对应的解决方案推荐给用户之前,还包括:
控制预设的喷射装置向识别出的病害特征中心喷射液体,以对所述目标农作物的叶子上的病害位置进行冲洗。
3.如权利要求2所述的基于农作物叶子病状的智能推荐方法,其特征在于,所述实时采集目标农作物的叶子图像,包括:
通过设置于目标农作物旁边的图像采集***实时采集目标农作物的叶子图像;其中,所述图像采集***包括防水摄像头以及360度转台,所述转台可带动所述防水摄像头采集所述目标农作物各个方向的叶子图像。
4.如权利要求3所述的基于农作物叶子病状的智能推荐方法,其特征在于,所述控制预设的喷射装置向识别出的病害特征中心喷射液体,包括:
控制所述防水摄像头采集的图像中心对准识别出的病害特征的中心;
计算预先设置于所述防水摄像头顶部的喷射装置与所述病害特征的相对位置;
根据所述喷射装置与所述病害特征的相对位置,确定所述喷射装置的喷射速度;并根据所述病害特征的大小,确定所述喷射装置的喷射时间;
控制喷射装置按照确定的喷射速度和喷射时间,以指定液体喷射所述病害特征中心。
9.如权利要求7所述的基于农作物叶子病状的智能推荐方法,其特征在于,在所述控制喷射装置按照确定的喷射速度和喷射时间,以指定液体喷射所述病害特征中心之后,还包括:
当实际喷射时间达到所述喷射时间时,再次采集所述病害特征部位的叶子图像;
通过AI技术识别判断所述病害特征部位的病害特征是否消除;
若所述病害特征部位的病害特征已消除,则退出流程;
若所述病害特征部位的病害特征未消除,则执行所述根据预先设置的病害特征和解决方案的对应关系,获取所述病害特征对应的解决方案推荐给用户的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111490562.5A CN114419429B (zh) | 2021-12-08 | 2021-12-08 | 基于农作物叶子病状的智能推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111490562.5A CN114419429B (zh) | 2021-12-08 | 2021-12-08 | 基于农作物叶子病状的智能推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114419429A true CN114419429A (zh) | 2022-04-29 |
CN114419429B CN114419429B (zh) | 2023-04-25 |
Family
ID=81264950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111490562.5A Active CN114419429B (zh) | 2021-12-08 | 2021-12-08 | 基于农作物叶子病状的智能推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114419429B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162087A (zh) * | 2019-05-17 | 2019-08-23 | 安徽舒州农业科技有限责任公司 | 一种植保无人机自动识别农作物病害的方法及装置 |
CN110178605A (zh) * | 2019-06-28 | 2019-08-30 | 重庆文理学院 | 一种针对猕猴桃叶片病害的精准农药自动喷洒*** |
CN110326483A (zh) * | 2019-08-07 | 2019-10-15 | 徐州嘉农农业发展有限公司 | 一种农作物种植用病虫害防治方法 |
CN111046204A (zh) * | 2019-12-16 | 2020-04-21 | 北京植得智能互联科技有限公司 | 一种病虫害识别防治*** |
CN111563625A (zh) * | 2020-05-08 | 2020-08-21 | 山东贵合信息科技有限公司 | 一种基于物联网对农作物喷洒药物的方法、装置及介质 |
CN111596652A (zh) * | 2019-12-30 | 2020-08-28 | 山东省科学院自动化研究所 | 一种农药喷洒智能农机寻路导航控制方法及*** |
CN112286263A (zh) * | 2019-07-24 | 2021-01-29 | ***通信有限公司研究院 | 一种农作物的调控方法、装置、***及通信设备 |
CN113379769A (zh) * | 2021-06-30 | 2021-09-10 | 苏州芯景科技有限公司 | 一种农作物病虫害智能防御平台 |
CN113723157A (zh) * | 2020-12-15 | 2021-11-30 | 京东数字科技控股股份有限公司 | 一种农作物病害识别方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-08 CN CN202111490562.5A patent/CN114419429B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162087A (zh) * | 2019-05-17 | 2019-08-23 | 安徽舒州农业科技有限责任公司 | 一种植保无人机自动识别农作物病害的方法及装置 |
CN110178605A (zh) * | 2019-06-28 | 2019-08-30 | 重庆文理学院 | 一种针对猕猴桃叶片病害的精准农药自动喷洒*** |
CN112286263A (zh) * | 2019-07-24 | 2021-01-29 | ***通信有限公司研究院 | 一种农作物的调控方法、装置、***及通信设备 |
CN110326483A (zh) * | 2019-08-07 | 2019-10-15 | 徐州嘉农农业发展有限公司 | 一种农作物种植用病虫害防治方法 |
CN111046204A (zh) * | 2019-12-16 | 2020-04-21 | 北京植得智能互联科技有限公司 | 一种病虫害识别防治*** |
CN111596652A (zh) * | 2019-12-30 | 2020-08-28 | 山东省科学院自动化研究所 | 一种农药喷洒智能农机寻路导航控制方法及*** |
CN111563625A (zh) * | 2020-05-08 | 2020-08-21 | 山东贵合信息科技有限公司 | 一种基于物联网对农作物喷洒药物的方法、装置及介质 |
CN113723157A (zh) * | 2020-12-15 | 2021-11-30 | 京东数字科技控股股份有限公司 | 一种农作物病害识别方法、装置、电子设备及存储介质 |
CN113379769A (zh) * | 2021-06-30 | 2021-09-10 | 苏州芯景科技有限公司 | 一种农作物病虫害智能防御平台 |
Also Published As
Publication number | Publication date |
---|---|
CN114419429B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109409275B (zh) | 目标对象的识别方法及装置、施药信息的确定方法 | |
CA2947817C (en) | Methods, systems, and devices relating to real-time object identification | |
Williams et al. | Autonomous pollination of individual kiwifruit flowers: Toward a robotic kiwifruit pollinator | |
CN108073908B (zh) | 害虫识别方法及装置、计算机装置及存储介质 | |
CN113439727B (zh) | 大棚农作物的除虫方法、装置、设备及存储介质 | |
CN108849819B (zh) | 关于生物制剂喷洒的自动控制方法、喷药装置及控制*** | |
CN109197273B (zh) | 害虫活动时间段的确定方法及装置、施药时间的确定方法 | |
Chaitanya et al. | Development of smart pesticide spraying robot | |
CN113597874B (zh) | 一种除草机器人及其除草路径的规划方法、装置和介质 | |
KR20200043801A (ko) | 인공지능 식물 관리 시스템 | |
KR20210010617A (ko) | 무인 농작물 재배 및 수확을 위한 인공지능 로봇 시스템 | |
Vikram | Agricultural Robot–A pesticide spraying device | |
CN113749078A (zh) | 一种多路喷头独立控制方法及*** | |
Gobhinath et al. | Smart irrigation with field protection and crop health monitoring system using autonomous rover | |
WO2018232893A1 (zh) | 一种基于物联网的智能监控大棚的方法及装置 | |
CN113349188B (zh) | 一种基于云端杀草谱的草坪及牧草精准除草方法 | |
CN114419429A (zh) | 基于农作物叶子病状的智能推荐方法 | |
CN113377141A (zh) | 一种人工智能农业自动管理*** | |
CN109684960B (zh) | 落叶剂的喷洒时间的确定方法及*** | |
Braun et al. | Improving pesticide spray application in vineyards by automated analysis of the foliage distribution pattern in the leaf wall | |
CN115250887B (zh) | 农作物灌溉方法、***、设备及介质 | |
Deepika et al. | Monitoring of Hydroponics Plant and Prediction of Leaf Disease using IOT | |
Mary et al. | IoT Based Weed Detection and Removal in Precision Agriculture | |
JP2011160735A (ja) | 植物栽培方法及び植物栽培装置 | |
CN113361377A (zh) | 一种植物生长管控模型构建方法、电子设备、存储介质 |
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 |