CN115004994B - 一种基于数字地图的果树病虫害防控*** - Google Patents
一种基于数字地图的果树病虫害防控*** Download PDFInfo
- Publication number
- CN115004994B CN115004994B CN202210689596.5A CN202210689596A CN115004994B CN 115004994 B CN115004994 B CN 115004994B CN 202210689596 A CN202210689596 A CN 202210689596A CN 115004994 B CN115004994 B CN 115004994B
- Authority
- CN
- China
- Prior art keywords
- module
- fruit tree
- disease
- data
- fruit
- 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.)
- Active
Links
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 298
- 201000010099 disease Diseases 0.000 title claims abstract description 182
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 182
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 144
- 241000238631 Hexapoda Species 0.000 title claims description 81
- 230000002265 prevention Effects 0.000 title claims description 46
- 239000002420 orchard Substances 0.000 claims abstract description 69
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 230000000007 visual effect Effects 0.000 claims abstract description 6
- 230000004720 fertilization Effects 0.000 claims description 19
- 239000002689 soil Substances 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 9
- 230000035558 fertility Effects 0.000 claims description 9
- 238000005286 illumination Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 7
- 238000012876 topography Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 239000003337 fertilizer Substances 0.000 claims description 5
- 230000006806 disease prevention Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 241000196324 Embryophyta Species 0.000 description 72
- 238000012544 monitoring process Methods 0.000 description 5
- 241000237858 Gastropoda Species 0.000 description 4
- 241001414989 Thysanoptera Species 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 231100000572 poisoning Toxicity 0.000 description 2
- 230000000607 poisoning effect Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 241001517923 Douglasiidae Species 0.000 description 1
- 241000258937 Hemiptera Species 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/0008—General problems related to the reading of electronic memory record carriers, independent of its reading method, e.g. power transfer
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Environmental Sciences (AREA)
- Soil Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marine Sciences & Fisheries (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Toxicology (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Finance (AREA)
- Mining & Mineral Resources (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及农业种植技术领域，尤其是一种基于数字地图的果树病虫害防控***。包括地图模块、档案建立模块及管理平台，所述地图模块用于根据果园的信息建立三维GIS可视化的果园数字地图；所述档案建立模块用于获取所述地图模块的数据并根据坐标信息对每一果树进行唯一身份识别码，所述档案建立模块用于对每一果树的信息进行记录，且果树的信息与身份识别码相互对应；所述管理平台包括资料库、信息获取模块、种植协助模块及病害分析模块，且所述管理平台用于种植管理及病虫害防控管理。本发明的一种基于数字地图的果树病虫害防控***，能够提高果园的管理效率，而且有效对果树的病虫害进行治理。
Description
技术领域
本发明涉及农业种植技术领域，尤其是一种基于数字地图的果树病虫害防控***。
背景技术
在我国的许多地区，果树产业已成为当地的支柱产业，为当地农业增效、农民增收，甚至是精准扶贫和脱贫致富做出了巨大贡献。尽管我国水果的种植面积和产量大、品种多，由于果园的面积大，管理难度高，因此大多数果园管理粗放落后，严重影响了水果的品质和销售价格，严重影响了我国农产品的良性发展。
而且传统的果园病虫害监测往往需要植保人员前往现场进行查看，根据对果树生长情况判断出病虫害的情况。传统的果园病虫害监测虽然可以检查出果树存在的病虫害，但是由于无法实时和全方位的对果树病虫害进行监控。进而使得有的果树处于病虫害初期可能不会被发现，进而错过了最佳的防治时期。
发明内容
为了解决上述问题，本发明提供一种基于数字地图的果树病虫害防控***，能够提高果园的管理效率，而且有效对果树的病虫害进行治理。
为了实现上述目的，本发明采用的技术方案为：
一种基于数字地图的果树病虫害防控***，包括地图模块、档案建立模块及管理平台，
所述地图模块用于根据果园的信息建立三维GIS可视化的果园数字地图，且所述地图模块所述果园的信息包括所述果园的地理位置、所述果园的周边环境、所述果园的种植地形及果树的种植位置；
所述档案建立模块用于获取所述地图模块的数据并根据坐标信息对每一果树进行唯一身份识别码，所述档案建立模块用于对每一果树的信息进行记录，且果树的信息与身份识别码相互对应；
所述管理平台包括资料库、信息获取模块、种植协助模块及病害分析模块，
所述资料库用于果树种植资料、果树生长资料、果树病害防控资料的储存；
所述信息获取模块用于通过无人机、无人车及人工巡检定期获取每一果树的图像信息，所述无人机通过航拍获取所述果树图像，所述无人车通过远程控制拍摄获取所述果树图像，且所述信息获取模块通过机器学习算法获取果树的生长状态；
所述种植协助模块用于将所述信息获取模块的数据与所述资料库的数据进行分析对比，以获得不同果树不同生长时期的不同施肥量及不同的肥料类型；
所述病害分析模块用于将所述信息获取模块的数据与所述资料库的数据进行分析对比，以判断果树是否存在病虫害，且所述病害分析模块根据所述资料库获得对应的病虫害处理方法。
进一步地，所述无人机及所述无人车能够记录地理坐标，以使所拍摄的所述果树图像具有地理坐标信息，所述信息获取模块根据所述档案建立模块、所述果树图像及对应的位置信息并根据图像识别，将所述果树图像分割为若干张具有单独果树的子图像，以使所述信息获取模块能够获得果树的树龄、果树的生长高度、果树的株径、果树的果叶生长情况及果树的果实生长情况的数据。
进一步地，所述信息获取模块的数据能够发送至所述地图模块，以通过点击所述地图模块获取对应所述果树的信息。
进一步地，所述地图模块还能够记录所述果园不同位置的土壤肥力数据，所述种植协助模块通过所述地图模块及所述档案建立模块的数据，以根据土壤肥力数据及光照数据获得不同区域的果树生长的影响值；所述种植协助模块根据所述影响值及所述信息获取模块的数据获得不同区域的生长状态值，以判断果树是否正常生长。
进一步地，所述种植协助模块根据所述生长状态值为不同区域的果树设置施肥参数，以使不同区域的果树具有对应的施肥量；所述种植协助模块根据所述施肥参数并通过无人施肥车进行RTK定位施肥。
进一步地，所述管理平台还包括病虫害预防模块，所述病虫害预防模块包括环境量获取模块、病虫害预判子模块及植保记录子模块，
所述环境量获取模块用于所述果园的土壤湿度温度、所述果园的风力、所述果园的天气的数据获取；
所述病虫害预判子模块用于通过所述地图模块获取所述果园的地理位置、所述果园的周边环境、所述果园的种植地形及果树的种植位置的数据，所述病虫害预判子模块通过所述信息获取模块获取果树的树龄、果树的生长高度、果树的株径、果树的果叶生长情况及果树的果实生长情况的数据，且所述病虫害预判子模块将所述环境量获取模块的数据、所述地图模块的数据、所述信息获取模块的数据与所述资料库的数据进行分析比对，以预判可能出现病虫害类型；
所述植保记录子模块用于病虫害防控类别及病虫害防控结果的记录。
进一步地，所述病虫害预判子模块还能够获取所述植保记录子模块的数据，且所述病虫害预判子模块根据病虫害防控类别的历史数据、所述环境量获取模块的技术、所述地图模块的数据及所述信息获取模块的数据，判断可能出现的各个病虫害类型的几率。
进一步地，所述病害分析模块包括病害分析模块，所述病害分析模块通过AI识别判断果树病虫害的类型，且所述病害分析模块根据所述地图模块的数据获得病虫害果树所在的坐标位置，以使所述病害图像判断子模块通过果树病虫害的类型、病虫害果树所在的坐标位置及果园的环境数据，并且根据所述资料库判断果树产生病虫害的原因及对应病虫害的防控措施。
进一步地，所述病害分析模块还能够根据病虫害果树所在的坐标位置数据构建病虫害果树的热力图，且所述病害分析模块根据所述热力图的颜色变化数据获得病虫害的传播率；所述根据病虫害果树的数量获得病虫害果树的增长曲线图，且所述病害分析模块根据所述增长曲线图获得病虫害的增长率；且所述病害分析模块根据所述传播率及所述增长率获得防控有效值，当所述防控有效值大于或等于报警阈值时，所述病害分析模块发出报警信号，以提示调整防控措施；当所述防控有效值小于报警阈值时，所述病害分析模块不执行报警动作。
进一步地，还包括销售平台，所述销售平台包括定价模块、溯源模块、展示模块，所述定价模块用于水果销售价格的设置，且所述定价模块包括基础价格设定子模块及价格调整子模块，所述基础价格设定子模块用于市场信息的获取，且所述基础价格设定子模块将对应水果的平均价格作为基础价格；所述价格调整子模块用于所述信息获取模块、所述种植协助模块及所述种植协助模块数据的获取，且所述价格调整子模块根据水果的形态、果树的状态、果树的病虫害次数及果树的病虫害类型分别设置对应的调整系数，所述价格调整子模块根据所述基础价格及所述调整系数获得最终的销售价格；
所述溯源模块用于对每一果树的水果贴上FRID标签，且所述溯源模块通过所述FRID标签记录对应果树中水果的种植信息、采摘信息及销售信息；
所述展示模块用于所述地图模块、所述档案建立模块及所述信息获取模块的数据获取，以使所述展示模块显示水果生长过程图片。
本发明的有益效果是：
1.通过将地图模块与档案建立模块进行结合，能够将果树根据地理位置进行身份识别码建档，使得每一棵果树都能够进行单独管理，而且通过果园数字地图实现直观地图像展示，形成直观的工作平台，解决了果园管理粗放落后，严重影响了水果的品质和销售价格的弊端。在信息获取模块的作用下，能够利用无人机及无人车获得果树的图片信息，以便于后续的果树管理；同时种植协助模块及病害分析模块利用资料库及信息获取模块的数据，对果树的生长状态进行实时监控，确保果树能够正常生长，并且在果树处于病虫害初期能够及时，从而在最佳的防治时期对果树进行治疗。
2.由于无人机及无人车所拍摄的果树图像具有地理坐标信息，使得信息获取模块根据图像的坐标信息及图像的内容进行分割，实现了每一张分割出的子图像都能够与实际的果树进行对应，从而使得信息获取模块能够对子图像进行重新组合获得完整的果树图像，以便于识别分析获得果树的生长高度、果树的株径、果树的果叶生长情况及果树的果实生长的数据。
3.由于果园的面积大，果园中不同位置的光照时间、光照强度及土壤肥力是不相同的，因此在客观因素的影响下，即使正常生长，果园中不同位置的果树的形态也是具有差异的；如果对受到客观因素影响的果树增加施肥量及施肥力度，可能会造成树体营养元素的失衡、果树中毒、影响果实的品质的情况出现，因此发明通过设置影响值，避免种植协助模块通过果树形态所造成的误差，从而对受到客观因素影响的果树施加过度的肥料，保证所有果树均能够进行适度的施肥。而且通过无人施肥车进行RTK定位施肥，能够有效降低工作人员的工作量，提高果园的管理效率。
附图说明
图1是本发明一较佳实施方式的基于数字地图的果树病虫害防控***的结构框图。
图中，1-地图模块，2-档案建立模块，3-管理平台，31-资料库，32-信息获取模块，33-种植协助模块，34-病害分析模块，4-销售平台，41-定价模块，411-基础价格设定子模块，412-价格调整子模块，42-溯源模块，43-展示模块，35-病虫害预防模块，351-环境量获取模块，352-病虫害预判子模块，353-植保记录子模块。
具体实施方式
请参见图1所示，本发明一较佳实施方式的基于数字地图的果树病虫害防控***，包括地图模块1、档案建立模块2、管理平台3及销售平台4。
地图模块1用于根据果园的信息建立三维GIS可视化的果园数字地图，且地图模块1果园的信息包括果园的地理位置、果园的周边环境、果园的种植地形及果树的种植位置。
档案建立模块2用于获取地图模块1的数据并根据坐标信息对每一果树进行唯一身份识别码，档案建立模块2用于对每一果树的信息进行记录，且果树的信息与身份识别码相互对应。
管理平台3包括资料库31、信息获取模块32、种植协助模块33及病害分析模块34，
资料库31用于果树种植资料、果树生长资料、果树病害防控资料的储存。
信息获取模块32用于通过无人机、无人车及人工巡检定期获取每一果树的图像信息，无人机通过航拍获取果树图像，无人车通过远程控制拍摄获取果树图像，且信息获取模块32通过机器学习算法获取果树的生长状态。
种植协助模块33用于将信息获取模块32的数据与资料库31的数据进行分析对比，以获得不同果树不同生长时期的不同施肥量及不同的肥料类型。
病害分析模块34用于将信息获取模块32的数据与资料库31的数据进行分析对比，以判断果树是否存在病虫害，且病害分析模块34根据资料库31获得对应的病虫害处理方法。
通过将地图模块1与档案建立模块2进行结合，能够将果树根据地理位置进行身份识别码建档，使得每一棵果树都能够进行单独管理，而且通过果园数字地图实现直观地图像展示，形成直观的工作平台，解决了果园管理粗放落后，严重影响了水果的品质和销售价格的弊端。在信息获取模块的作用下，能够利用无人机及无人车获得果树的图片信息，以便于后续的果树管理；同时种植协助模块33及病害分析模块34利用资料库31及信息获取模块32的数据，对果树的生长状态进行实时监控，确保果树能够正常生长，并且在果树处于病虫害初期能够及时，从而在最佳的防治时期对果树进行治疗。
本实施例中，无人机及无人车能够记录地理坐标，以使所拍摄的果树图像具有地理坐标信息，信息获取模块32根据档案建立模块2、果树图像及对应的位置信息并根据图像识别，将果树图像分割为若干张具有单独果树的子图像，以使信息获取模块32能够获得果树的树龄、果树的生长高度、果树的株径、果树的果叶生长情况及果树的果实生长情况的数据。。
由于无人机及无人车所拍摄的果树图像具有地理坐标信息，使得信息获取模块32根据图像的坐标信息及图像的内容进行分割，实现了每一张分割出的子图像都能够与实际的果树进行对应，从而使得信息获取模块32能够对子图像进行重新组合获得完整的果树图像，以便于识别分析获得果树的生长高度、果树的株径、果树的果叶生长情况及果树的果实生长的数据。
信息获取模块32的数据能够发送至地图模块1，以通过点击地图模块1获取对应果树的信息。通过在地图模块1便可掌握果园的情况，提高了果园的管理效率。优选地，可以在果园均布装设摄像头，不同的摄像头负责不同区域的监控，且果树身份识别码及位置信息能够转换为控制信号，通过在地图模块1点击果树，摄像头能够移动并照射对应的果树，以使管理人员能够掌握果树的实施图像。
本实施例中，地图模块1还能够记录果园不同位置的土壤肥力数据，种植协助模块33通过地图模块1及档案建立模块2的数据，以根据土壤肥力数据及光照数据获得不同区域的果树生长的影响值；种植协助模块33根据影响值及信息获取模块32的数据获得不同区域的生长状态值，以判断果树是否正常生长。
由于果园的面积大，果园中不同位置的光照时间、光照强度及土壤肥力是不相同的，因此在客观因素的影响下，即使正常生长，果园中不同位置的果树的形态也是具有差异的；如果对受到客观因素影响的果树增加施肥量及施肥力度，可能会造成树体营养元素的失衡、果树中毒、影响果实的品质的情况出现，因此发明通过设置影响值，避免种植协助模块33通过果树形态所造成的误差，从而对受到客观因素影响的果树施加过度的肥料，保证所有果树均能够进行适度的施肥。
种植协助模块33根据生长状态值为不同区域的果树设置施肥参数，以使不同区域的果树具有对应的施肥量；种植协助模块33根据施肥参数并通过无人施肥车进行RTK定位施肥。利用无人施肥车进行RTK定位施肥，能够有效降低工作人员的工作量，提高果园的管理效率。
本实施例中，管理平台3还包括病虫害预防模块35，病虫害预防模块35包括环境量获取模块351、病虫害预判子模块352及植保记录子模块353。
环境量获取模块351用于果园的土壤湿度温度、果园的风力、果园的天气的数据获取。
病虫害预判子模块352用于通过地图模块1获取果园的地理位置、果园的周边环境、果园的种植地形及果树的种植位置的数据，病虫害预判子模块352通过信息获取模块32获取果树的树龄、果树的生长高度、果树的株径、果树的果叶生长情况及果树的果实生长情况的数据，且病虫害预判子模块352将环境量获取模块351的数据、地图模块1的数据、信息获取模块32的数据与资料库31的数据进行分析比对，以预判可能出现病虫害类型；
植保记录子模块353用于病虫害防控类别及病虫害防控结果的记录。
病虫害出现的类型会根据果园的地形、果园的坡度、果园的周边环境、果树的生长时期、果树的树龄等情况存在差异，如平地积水区湿度大，蜗牛、病害发生的几率大，坡上蜗牛发生几率少，但坡上如果风大溃疡发生几也率大；杂草多的密的容易有病虫，及周边的环境病虫树比较多的，正常树也比较容易产生病虫。本实施例的病虫害预判子模块352通过环境量获取模块351、地图模块1及信息获取模块32的参量与资料库31进行分析比对，预先判断果树可能出现的病害类型，实现提前预防，确保果树的健康生长。
本实施例中，病虫害预判子模块352还能够获取植保记录子模块353的数据，且病虫害预判子模块352根据病虫害防控类别的历史数据、环境量获取模块351的技术、地图模块1的数据及信息获取模块32的数据，判断可能出现的各个病虫害类型的几率。
病虫害预判子模块352根据历史的病虫害防控类别，预判接下来的病虫情况，如上几次植保防控蓟马，之后的蓟马发生几率可能会低。因此病虫害预判子模块352结合植保记录子模块353的数据，进一步准确预测病虫害类型发生的几率，从而进行针对性预防。
如病虫害预判子模块352通过获得最近的天气情况为阴雨多、湿度大、温度高，所处月份7月，果树的地形为平地，周边环境杂草较多，4级风力，果树为幼果期，植保记录为防控蓟马，同时结合资料库31的数据，病虫害预判子模块352预测出82％的蜗牛病害、21％潜叶蛾、12％蚧壳虫。
本实施例中，病害分析模块34通过AI识别判断果树病虫害的类型，且病害分析模块34根据地图模块1的数据获得病虫害果树所在的坐标位置，以使病害分析模块34通过果树病虫害的类型、病虫害果树所在的坐标位置及果园的环境数据，并且根据资料库31判断果树产生病虫害的原因及对应病虫害的防控措施。病害分析模块34利用果树病虫害的类型、病虫害果树所在的坐标位置及果园的环境数据，结合地形因素，从而准确判断果树病虫害产生的原因，提高了病虫害防控措施的效果。
病害分析模块34还能够根据病虫害果树所在的坐标位置数据构建病虫害果树的热力图，且病害分析模块34根据热力图的颜色变化数据获得病虫害的传播率；根据病虫害果树的数量获得病虫害果树的增长曲线图，且病害分析模块34根据增长曲线图获得病虫害的增长率；且病害分析模块34根据传播率及增长率获得防控有效值，当防控有效值大于或等于报警阈值时，病害分析模块34发出报警信号，以提示调整防控措施；当防控有效值小于报警阈值时，病害分析模块34不执行报警动作。
本实施例的病害分析模块34通过病虫害的传播率及增长率综合判断防控效果，当防控有效值大于或等于报警阈值时，证明防控措施起不到明显的效果，通过及时调整防控措施避免病虫害加重；当防控有效值小于报警阈值时，证明防控措施能够有效抑制病虫害。
销售平台包括定价模块41、溯源模块42、展示模块43。
定价模块41用于水果销售价格的设置，且定价模块41包括基础价格设定子模块411及价格调整子模块412，基础价格设定子模块411用于市场信息的获取，且基础价格设定子模块411将对应水果的平均价格作为基础价格；价格调整子模块412用于信息获取模块32、种植协助模块33及种植协助模块33数据的获取，且价格调整子模块412根据水果的形态、果树的状态、果树的病虫害次数及果树的病虫害类型分别设置对应的调整系数，价格调整子模块412根据基础价格及调整系数获得最终的销售价格。
本实施例中，果的形态、果树的状态、果树的病虫害次数及果树的病虫害类型按照不同的等级设置不同的调整系数，通过调整系数能够合理设定的销售价格，以提高销售率，避免水果堆积。
溯源模块42用于对每一果树的水果贴上FRID标签，且溯源模块42通过FRID标签记录对应果树中水果的种植信息、采摘信息及销售信息。通过将果树档案、地块信息电子化并完成接入网络，打通从生产到销售的数据链。借助FRID技术，实现水果从采收到销售的过程轨迹精准跟踪。结合对单棵果树的精准估产以及地块采摘数据的及时采集，实现可视化的产地采销情况实时监测。
展示模块43用于地图模块1、档案建立模块2及信息获取模块32的数据获取，以使展示模块43显示水果生长过程图片。在展示模块43的作用下，顾客能够了解种植过程，有助于降低顾客的安全忧虑，而且能够展示水果的生长状态，提高购买欲望。
本实施例基于数字地图的果树病虫害防控包括下述步骤：
S1、根据果园的信息建立三维GIS可视化的果园数字地图，且根据坐标信息对每一果树进行唯一身份识别码，以使果树的信息与身份识别码相互对应。
S2、通过果树种植资料、果树生长资料、果树病害防控资料建立资料库31。
S4、通过无人机及无人车定期获取每一果树的图像信息，且无人机及无人车能够记录地理坐标，以使所拍摄的果树图像具有地理坐标信息；将果树图像分割为若干张具有单独果树的子图像，以获得果树的生长高度、果树的株径、果树的果叶生长情况及果树的果实生长情况的数据。
S5、将果树的子图像与资料库31的数据进行分析对比，获得果树对应的施肥量及肥料类型，且根据土壤肥力数据及光照数据获得该果树生长的影响值，通过影响值调整施肥量。
S6、病虫害预判子模块352根据病虫害防控类别的历史数据、环境量获取模块351的技术、地图模块1的数据及信息获取模块32的数据，判断可能出现的各个病虫害类型的几率。
S7、将果树的子图像与资料库31的数据进行分析对比，以判断果树是否存在病虫害，并且根据资料库31获得对应的病虫害处理方法；通过AI识别判断果树病虫害的类型，以根据果树病虫害的类型、病虫害果树所在的坐标位置、果园的环境数据资料库31判断果树产生病虫害的原因及对应病虫害的防控措施。
S8，根据病虫害果树所在的坐标位置数据构建病虫害果树的热力图，并通过热力图的颜色变化数据获得病虫害的传播率；根据病虫害果树的数量获得病虫害果树的增长曲线图，并通过增长曲线图获得病虫害的增长率；结合传播率及增长率获得防控有效值，并且根据防控有效值判断防控措施是否具有效果。
Claims (5)
1.一种基于数字地图的果树病虫害防控***，其特征在于，包括地图模块（1）、档案建立模块（2）及管理平台（3），
所述地图模块（1）用于根据果园的信息建立三维GIS可视化的果园数字地图，且所述地图模块（1）所述果园的信息包括所述果园的地理位置、所述果园的周边环境、所述果园的种植地形及果树的种植位置；
所述档案建立模块（2）用于获取所述地图模块（1）的数据并根据坐标信息对每一果树进行唯一身份识别码，所述档案建立模块（2）用于对每一果树的信息进行记录，且果树的信息与身份识别码相互对应；
所述管理平台（3）包括资料库（31）、信息获取模块（32）、种植协助模块（33）及病害分析模块（34），
所述资料库（31）用于果树种植资料、果树生长资料、果树病害防控资料的储存；
所述信息获取模块（32）用于通过无人机、无人车及人工巡检定期获取每一果树的图像信息，所述无人机通过航拍获取所述果树图像，所述无人车通过远程控制拍摄获取所述果树图像，且所述信息获取模块（32）通过机器学习算法获取果树的生长状态；
所述无人机及所述无人车能够记录地理坐标，以使所拍摄的所述果树图像具有地理坐标信息，所述信息获取模块（32）根据所述档案建立模块（2）、所述果树图像及对应的位置信息并根据图像识别，将所述果树图像分割为若干张具有单独果树的子图像，以使所述信息获取模块（32）能够获得果树的树龄、果树的生长高度、果树的株径、果树的果叶生长情况及果树的果实生长情况的数据；
所述种植协助模块（33）用于将所述信息获取模块（32）的数据与所述资料库（31）的数据进行分析对比，以获得不同果树不同生长时期的不同施肥量及不同的肥料类型；
所述病害分析模块（34）用于将所述信息获取模块（32）的数据与所述资料库（31）的数据进行分析对比，以判断果树是否存在病虫害，且所述病害分析模块（34）根据所述资料库（31）获得对应的病虫害处理方法；
所述管理平台（3）还包括病虫害预防模块（35），所述病虫害预防模块（35）包括环境量获取模块（351）、病虫害预判子模块（352）及植保记录子模块（353），
所述环境量获取模块（351）用于所述果园的土壤湿度温度、所述果园的风力、所述果园的天气的数据获取；
所述病虫害预判子模块（352）用于通过所述地图模块（1）获取所述果园的地理位置、所述果园的周边环境、所述果园的种植地形及果树的种植位置的数据，所述病虫害预判子模块（352）通过所述信息获取模块（32）获取果树的树龄、果树的生长高度、果树的株径、果树的果叶生长情况及果树的果实生长情况的数据，且所述病虫害预判子模块（352）将所述环境量获取模块（351）的数据、所述地图模块（1）的数据、所述信息获取模块（32）的数据与所述资料库（31）的数据进行分析比对，以预判可能出现病虫害类型；
所述植保记录子模块（353）用于病虫害防控类别及病虫害防控结果的记录；
所述病害分析模块（34）包括病害分析模块（34），所述病害分析模块（34）通过AI识别判断果树病虫害的类型，且所述病害分析模块（34）根据所述地图模块（1）的数据获得病虫害果树所在的坐标位置，以使所述病害图像判断子模块（341）通过果树病虫害的类型、病虫害果树所在的坐标位置及果园的环境数据，并且根据所述资料库（31）判断果树产生病虫害的原因及对应病虫害的防控措施；
所述病害分析模块（34）还能够根据病虫害果树所在的坐标位置数据构建病虫害果树的热力图，且所述病害分析模块（34）根据所述热力图的颜色变化数据获得病虫害的传播率；所述根据病虫害果树的数量获得病虫害果树的增长曲线图，且所述病害分析模块（34）根据所述增长曲线图获得病虫害的增长率；且所述病害分析模块（34）根据所述传播率及所述增长率获得防控有效值，当所述防控有效值大于或等于报警阈值时，所述病害分析模块（34）发出报警信号，以提示调整防控措施；当所述防控有效值小于报警阈值时，所述病害分析模块（34）不执行报警动作；
还包括销售平台（4），所述销售平台包括定价模块（41）、溯源模块（42）、展示模块（43），所述定价模块（41）用于水果销售价格的设置，且所述定价模块（41）包括基础价格设定子模块（411）及价格调整子模块（412），所述基础价格设定子模块（411）用于市场信息的获取，且所述基础价格设定子模块（411）将对应水果的平均价格作为基础价格；所述价格调整子模块（412）用于所述信息获取模块（32）、所述种植协助模块（33）及所述种植协助模块（33）数据的获取，且所述价格调整子模块（412）根据水果的形态、果树的状态、果树的病虫害次数及果树的病虫害类型分别设置对应的调整系数，所述价格调整子模块（412）根据所述基础价格及所述调整系数获得最终的销售价格；
所述溯源模块（42）用于对每一果树的水果贴上FRID标签，且所述溯源模块（42）通过所述FRID标签记录对应果树中水果的种植信息、采摘信息及销售信息；
所述展示模块（43）用于所述地图模块（1）、所述档案建立模块（2）及所述信息获取模块（32）的数据获取，以使所述展示模块（43）显示水果生长过程图片。
2.根据权利要求1所述的一种基于数字地图的果树病虫害防控***，其特征在于：所述信息获取模块（32）的数据能够发送至所述地图模块（1），以通过点击所述地图模块（1）获取对应所述果树的信息。
3.根据权利要求1所述的一种基于数字地图的果树病虫害防控***，其特征在于：所述地图模块（1）还能够记录所述果园不同位置的土壤肥力数据，所述种植协助模块（33）通过所述地图模块（1）及所述档案建立模块（2）的数据，以根据土壤肥力数据及光照数据获得不同区域的果树生长的影响值；所述种植协助模块（33）根据所述影响值及所述信息获取模块（32）的数据获得不同区域的生长状态值，以判断果树是否正常生长。
4.根据权利要求3所述的一种基于数字地图的果树病虫害防控***，其特征在于：所述种植协助模块（33）根据所述生长状态值为不同区域的果树设置施肥参数，以使不同区域的果树具有对应的施肥量；所述种植协助模块（33）根据所述施肥参数并通过无人施肥车进行RTK定位施肥。
5.根据权利要求1所述的一种基于数字地图的果树病虫害防控***，其特征在于：所述病虫害预判子模块（352）还能够获取所述植保记录子模块（353）的数据，且所述病虫害预判子模块（352）根据病虫害防控类别的历史数据、所述环境量获取模块（351）的技术、所述地图模块（1）的数据及所述信息获取模块（32）的数据，判断可能出现的各个病虫害类型的几率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210689596.5A CN115004994B (zh) | 2022-06-16 | 2022-06-16 | 一种基于数字地图的果树病虫害防控*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210689596.5A CN115004994B (zh) | 2022-06-16 | 2022-06-16 | 一种基于数字地图的果树病虫害防控*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115004994A CN115004994A (zh) | 2022-09-06 |
| CN115004994B true CN115004994B (zh) | 2023-12-08 |
Family
ID=83074176
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210689596.5A Active CN115004994B (zh) | 2022-06-16 | 2022-06-16 | 一种基于数字地图的果树病虫害防控*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115004994B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104778630A (zh) * | 2015-04-22 | 2015-07-15 | 柳州易农科技有限公司 | 基于图像处理的农业智能平台 |
| CN105577816A (zh) * | 2016-01-20 | 2016-05-11 | 刘圣德 | 基于图像处理的农业智能平台 |
| CN109191074A (zh) * | 2018-08-27 | 2019-01-11 | 宁夏大学 | 智慧果园种植管理*** |
| CN110050619A (zh) * | 2019-05-10 | 2019-07-26 | 广西润桂科技有限公司 | 基于精准气象保障技术的无人机甘蔗病虫害防治喷药方法 |
| CN111062358A (zh) * | 2019-12-26 | 2020-04-24 | 山东农业大学 | 基于区块链的无人机智能农田信息采集和监控***及方法 |
| CN113837076A (zh) * | 2021-09-24 | 2021-12-24 | 金陵科技学院 | 一种农业病虫害智能终端分析*** |
| CN114067311A (zh) * | 2021-08-11 | 2022-02-18 | 中国农业科学院茶叶研究所 | 一种基于智能识别众源数据的茶树病虫害预测预报方法 |
| KR20220071405A (ko) * | 2020-11-24 | 2022-05-31 | 김학철 | 스마트 팜의 빅 데이터를 이용한 농업 지원 시스템 및 방법 |
-
2022
- 2022-06-16 CN CN202210689596.5A patent/CN115004994B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104778630A (zh) * | 2015-04-22 | 2015-07-15 | 柳州易农科技有限公司 | 基于图像处理的农业智能平台 |
| CN105577816A (zh) * | 2016-01-20 | 2016-05-11 | 刘圣德 | 基于图像处理的农业智能平台 |
| CN109191074A (zh) * | 2018-08-27 | 2019-01-11 | 宁夏大学 | 智慧果园种植管理*** |
| CN110050619A (zh) * | 2019-05-10 | 2019-07-26 | 广西润桂科技有限公司 | 基于精准气象保障技术的无人机甘蔗病虫害防治喷药方法 |
| CN111062358A (zh) * | 2019-12-26 | 2020-04-24 | 山东农业大学 | 基于区块链的无人机智能农田信息采集和监控***及方法 |
| KR20220071405A (ko) * | 2020-11-24 | 2022-05-31 | 김학철 | 스마트 팜의 빅 데이터를 이용한 농업 지원 시스템 및 방법 |
| CN114067311A (zh) * | 2021-08-11 | 2022-02-18 | 中国农业科学院茶叶研究所 | 一种基于智能识别众源数据的茶树病虫害预测预报方法 |
| CN113837076A (zh) * | 2021-09-24 | 2021-12-24 | 金陵科技学院 | 一种农业病虫害智能终端分析*** |
Non-Patent Citations (1)
| Title |
|---|
| 武鸣沃柑的特色产业发展之路;农新;农村新技术;第498卷(第2期);第4-7页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115004994A (zh) | 2022-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3707990B1 (en) | Information processing device, information processing method, and vegetation management system | |
| CN115204689B (zh) | 一种基于图像处理的智慧农业管理*** | |
| CN109991911A (zh) | 一种基于物联网的果园综合监控*** | |
| CN111985694A (zh) | 一种种植规划*** | |
| CN112116206A (zh) | 一种基于大数据的智慧农业*** | |
| CN106777683A (zh) | 一种作物苗情监测***和方法 | |
| CN111415085A (zh) | 一种作物种植的生产质量监测方法与*** | |
| CN116300608A (zh) | 一种基于大数据的智慧农业远程监控*** | |
| CN116046687A (zh) | 一种农作物生长过程监测方法、设备及介质 | |
| Scalisi et al. | Detecting, mapping and digitising canopy geometry, fruit number and peel colour in pear trees with different architecture | |
| CN113377141A (zh) | 一种人工智能农业自动管理*** | |
| CN115004994B (zh) | 一种基于数字地图的果树病虫害防控*** | |
| Widiyanto et al. | Monitoring the growth of tomatoes in real time with deep learning-based image segmentation | |
| Feng et al. | A real-time monitoring and control system for crop | |
| CN112598533A (zh) | 一种基于互联网的农业种植规划*** | |
| Patel et al. | Precision nutrient management | |
| Bruscolini et al. | Drone services for plant water-status mapping | |
| Sarron et al. | Assessing production gaps at the tree scale: definition and application to mango (Mangifera indica L.) in West Africa | |
| Gunasekara et al. | Expert prediction system for spice plants grown in Sri Lanka: An incentive for planters | |
| Gao et al. | Development and Application of Intelligent Agricultural Machinery—A Review | |
| Gulzar et al. | PRECISION FARMING IN FRUIT CROPS | |
| CN108849215A (zh) | 一种葡萄栽培方法 | |
| LU502599B1 (en) | Intelligent agricultural management system based on image processing | |
| Хуан | Development of a yield monitoring model based on analysis of surveys and images of the field | |
| CN116824575A (zh) | 一种基于图像识别的水果测产分析*** |
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 |