CN115144343A - 基于分布式数据采集的茶树病害智能监测分析方法及*** - Google Patents
基于分布式数据采集的茶树病害智能监测分析方法及*** Download PDFInfo
- Publication number
- CN115144343A CN115144343A CN202210976898.0A CN202210976898A CN115144343A CN 115144343 A CN115144343 A CN 115144343A CN 202210976898 A CN202210976898 A CN 202210976898A CN 115144343 A CN115144343 A CN 115144343A
- Authority
- CN
- China
- Prior art keywords
- module
- disease
- data
- image data
- early warning
- 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
- 201000010099 disease Diseases 0.000 title claims abstract description 264
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 264
- 238000012544 monitoring process Methods 0.000 title claims abstract description 109
- 235000009024 Ceanothus sanguineus Nutrition 0.000 title claims abstract description 58
- 235000015459 Lycium barbarum Nutrition 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 51
- 241000366182 Melaleuca alternifolia Species 0.000 title 1
- 240000003553 Leptospermum scoparium Species 0.000 claims abstract description 57
- 238000004891 communication Methods 0.000 claims abstract description 47
- 238000005507 spraying Methods 0.000 claims abstract description 45
- 239000000575 pesticide Substances 0.000 claims abstract description 44
- 241000196324 Embryophyta Species 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000013500 data storage Methods 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 11
- 241001122767 Theaceae Species 0.000 claims description 81
- 238000007405 data analysis Methods 0.000 claims description 38
- 241000238631 Hexapoda Species 0.000 claims description 29
- 241000607479 Yersinia pestis Species 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 22
- 239000007921 spray Substances 0.000 claims description 21
- 238000007726 management method Methods 0.000 claims description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 9
- 239000002689 soil Substances 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000001035 drying Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 239000003643 water by type Substances 0.000 claims description 2
- 230000001960 triggered effect Effects 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 6
- 244000269722 Thea sinensis Species 0.000 abstract description 2
- 235000013616 tea Nutrition 0.000 description 59
- 241000208125 Nicotiana Species 0.000 description 9
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 4
- 241000207199 Citrus Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 235000020971 citrus fruits Nutrition 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 241000209507 Camellia Species 0.000 description 1
- 235000019224 Camellia sinensis var Qingmao Nutrition 0.000 description 1
- 241001465382 Physalis alkekengi Species 0.000 description 1
- 235000006468 Thea sinensis Nutrition 0.000 description 1
- 206010047571 Visual impairment Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000018597 common camellia Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 235000020339 pu-erh tea Nutrition 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/251—Colorimeters; Construction thereof
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种基于分布式数据采集的茶树病害智能监测分析方法及***，包括病害监治管控平台（1）、多个摄像传感设备（2）、分布式数据采集单元（3）、中心数据储存模块（4）、农药喷洒模块（5）和病害风险预警模块（6）；所述病害监治管控平台（1）分别和分布式数据采集单元（3）、中心数据储存模块（4）、农药喷洒模块（5）和病害预警模块（6）之间进行数据通信连接。本发明针对病害导致茶叶颜色的变化的渐进式发展特点，对叶片进行拍摄图像后，通过不同的光色通道，获取不同光色通道的植物叶片处理图像，而在不同的通道下，叶片的渐变色的特点更容易发现，进而更早的发现病害，并对植物进行病害的预防。
Description
技术领域
本发明涉及在智慧农业技术领域，具体为一种基于分布式数据采集的茶树病害智能监测分析方法及***。
背景技术
我国是重要的茶叶种植国，在我国有很多地方种植茶叶，如杭州西湖的龙井茶、碧螺春等，福建的大红袍等武夷山茶叶，云南的普洱等等，都是我国著名茶叶。同时，我国也是一个喜欢喝茶的国家，每年也消耗大量的茶叶。为了提高足够的茶叶，我国也在很多地方种植茶叶，而茶树通常都是种植多山区域，而且茶树喜欢比较潮湿、温度适宜的地方，而且种植面积比较大，而每年，为了管理面积较大的茶叶园，需要雇佣较大的人员，但这不利用现代化的农业管理和生产，效率低、而且成本高；随着，科技的发展，智慧农业逐渐成为我国的追求和发展方向，希望通过科学技术改善农业以前那种辛苦、收入的情况。在科技农业和智慧农业方向，已经出现了不少的相关研究，如：
专利申请CN112004002A公开了一种基于物联网的林木病虫害监测防治***，包括病虫害无人机监测装置、云端服务器、处理模块和农药喷洒装置，所述病虫害无人机监测装置用于采集每个监测点的病虫害信息，通过摄像头将图像通过网络实时传递给云端服务器；处理器模块用于接收病虫害无人机监测装置发送的信息，并于云端服务器中存储的病虫害信息库进行比对，得出当前监测点所患病虫害信息的类型；农药喷洒装置用于接收处理器模块的指令，根据指令选出对应的农药品种，将农药运输至病虫害监测点喷药处理。工作人员通过后台即可实现对林木大范围的病虫害监测和防治，省时省力，尤其适用于大面积园林的病虫害防护。
专利申请CN106331171A公开了一种病虫害联网监测***及监测控制方法，采用分布式结构设计，针对各个环境监测位置分设各个监测节点，基于无线网络通信技术，对区域病虫害情况实现分布式联网数据采集、汇总，能够便于后期以数据为基础，针对指定区域实现病虫害分析、防治，以及区域内环境状态的分析，整个过程，由各个监测节点中的各个装置分别实现对应数据、图像的采集，再基于所采用的无线通信技术为载体，实现多节点汇总，与此同时，基于无线通信技术，由远程监控终端针对各个监测节点中所包含设计的病虫害诱杀灯具实现远程遥控，以及针对各个监测节点中的各个装置实现远程数据实时监测，保证整个***运行的稳定性。
专利申请CN103279891A公开了一种远程分布式信息化农业植保管理体系与方法，由全域管控中心、分区管控站、中控平台与作业平台构成，中控平台与作业平台构成植保作业功能终端，全域管控中心用于将生成的任务指令发送到各分区管控站，并接收分区管控站传输的数据，以生成全域农业植保作业数据库和植保信息数据库；分区管控站用于对植保作业功能终端的运行状态进行实时监控，对植保作业功能终端的植保效果进行评估和数据采集，并将数据传输给全域管控中心；植保作业功能终端根据分区管控站发送的任务指令完成相关的植保作业。本发明实现广域分布式农业植保服务的集约化作业和管理，降低农户的使用成本，同时降低区域农业值保服务的整体费用，提升植保效果。
专利申请CN110763698A公开了一种基于特征波长的高光谱柑橘叶片病害识别方法，该方法利用高光谱技术基于波段运算挑选出特征波长而实现柑橘叶片多种病害判别检测，通过建立病害种类判别模型，只需获取待检测样本的高光谱图像进行预处理，提取其相应的特征波长下的反射率数据模型中，即可得到病害类型的检测结果，能实现对柑橘叶片病害种类无损、快速、准确的鉴定。且利用波段运算结果与标记值的相关系数选择特征波长，计算简单，挑选特征波长的判别效果好。将待检测样品高光谱数据预处理后，每个像素的光谱值带入模型，即可通过颜色可视化显示病害种类与分布，更加直观。
专利申请CN107991969A公开了一种基于物联网的智慧烟草种植管理***，该***包括数据采集传输子***、数据加工分析子***和应用展示子***，数据采集传输子***包括全自动气象监测单元、全自动土壤传感单元、高光谱图像扫描单元、GPS地理信息采集单元和近红外光谱快速扫描单元；所述数据加工分析子***包括烤烟生长预测模型、病虫害预测模型、植烟土壤适应性评价模型、烟叶质量评价模型和烟叶质量安全追溯模型；所述应用展示子***包括水肥药一体化控制单元、烟叶定制生产单元、烟叶质量追溯单元和***管理单元。本发明通过技术创新推动烟草现代农业的发展，实现烟草种植远程化控制、自动化操作和精细化管理的目标。
专利申请CN108628191A公开了一种基于物联网控制的园林管理***，包括监控中心、园林控制单元、环境监控单元、图像采集单元、土壤湿度检测单元和执行单元，所述环境检测单元通过智能传感和信号处理传输模块与园林控制单元相连接，且所述环境检测单元包括天气监测模块、温度传感器、烟雾传感器和虫害检测模块，所述图像采集单元通过图像采集处理以及信号转换模块与园林控制单元相连接，所述土壤湿度检测单元通过数据传感采集以及信号传输模块与园林控制单元相连接，所述执行单元通过智能传感和信号处理传输模块与园林控制单元相连接，且所述执行单元包括雨水收集单元、浇灌单元、虫害处理单元以及灭火单元，所述园林控制单元通过无线通讯模块连接监控中心。
可见，目前，在茶园智慧农业管理和防护方面，其相应的技术还存在以下缺陷：
1.在现有技术中，虽然也利用摄像头获取图像，进而识别病虫害和昆虫的种类，但是，对于病情来说，由于植物的病情通常是缓慢渐进式的发生，即病情的早期，叶片的颜色变化并不是很明显，而在很明显时，往往症状已经很严重了，对我们的农产品的收获影响很大，特别是茶叶类植物，这导致植物病害影响渐进式发展，不容易发现，发现已经出现大病，导致损失严重。
2.现有技术中，对虫害来说，由于虫会直接吃掉植物，导致植物变形，这样容易通过图像进行观察植物的虫害，但是对病害来说，通常病害并不会导致叶片等残缺。
3.传统通常只设置一个病害图像传感设备，或者采用集中式传感图像的，这样，一方面不利于充分发现病害，而作为茶园，特别是好的茶叶，通常会在山上，而且气候比较潮湿的地区，山区面积大，这导致如果采用集中传感，不利于数据的收集和处理。
面对上述技术问题，人们希望提供一种能够更加智能化和准确化的茶园病害治疗和防护***，可以更好保护茶园，同时节省成本的技术手段。但到目前为止，现有技术中并无有效办法解决上述技术难题。
发明内容
针对上述技术问题，本发明的目的在于提供一种基于分布式数据采集的茶树病害智能监测分析方法及***，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于分布式数据采集的茶树病害智能监测分析***，包括病害监治管控平台、多个摄像传感设备、分布式数据采集单元、中心数据储存模块、农药喷洒模块和病害风险预警模块；所述病害监治管控平台分别和分布式数据采集单元、中心数据储存模块、农药喷洒模块和病害预警模块之间进行数据通信连接；
所述分布式数据采集单元包括临时存储模块、数据通信接口模块、采集单元载体和载体遥控模块；所述采集单元载体上设置有所述临时存储模块、数据通信接口模块和载体遥控模块；所述载体遥控模块和所述病害监治管控平台数据通信连接，从而实现所述病害监治管控平台通过所述载体遥控模块实现远程控制所述采集单元载体行进至多个所述摄像传感设备处以便进行通信，从而采集多个所述摄像传感设备采集的图像数据，其中，通过所述数据通信接口模块和所述摄像传感设备进行数据通信连接，以便实现将所述摄像传感设备采集的图像数据发送至所述分布式数据采集单元并存储于所述临时存储模块；所述分布式数据采集单元定期将存储于获取的所述临时存储模块中的所述图像数据发送至所述中心数据储存模块和所述病害监治管控平台，供所述病害监治管控平台进行茶园的病害分析；
多个所述摄像传感设备布置于茶园的不同区域，以便能够获取整个茶园的图像；所述病害监治管控平台包括图像处理模块、图像数据分析模块、图像显示模块、数据采集控制模块和病害治理控制模块；所述数据采集控制模块和所述分布式数据采集单元数据通信，进而控制所述分布式数据采集单元工作以采集所述图像，并将采集的所述图像发送图像处理模块，所述图像处理模块用于对接收到的所述图像数据进行红、绿和蓝三个通道的图像过滤，并生成三个通道的图像数据，同时，对所述三个通道的图像数据利用边缘检测的方法，检测出图像中叶片的外轮廓和叶片中变色处的轮廓，并将生成的三个通道的图像数据和所述轮廓发送至所述图像数据分析模块，所述图像数据分析模块基于三个通道的图像数据和所述轮廓，得出单片叶片的内轮廓线的数量和长度，当叶片的内轮廓线的数量和长度超过一定值时，则认定该叶片存在病害现象，当检查到所述病害现象时，所述病害治理控制模块控制所述农药喷洒模块进行农药喷洒，同时，将所述病害现象发送至所述病害风险预警模块，以便及时进行风险预警；
所述中心数据储存模块存储有所述茶园的图像数据和茶园运行的历年图像数据和病害治理方法，所述农药喷洒模块用于在接收到控制指令后进行农药喷洒作业，所述病害风险预警模块基于接收到的病害现象和获取的从官方发布风险预警信息进行风险预警,并且，所述病害风险预警模块基于接收到从官方发布风险预警信息进行风险预警，并发送至所述病害监治管控平台，以便所述病害监治管控平台获取病害预警信息，并控制所述农药喷洒模块进行病害防治。
优选的，所述病害监治管控平台还包括病害数据分析模块，所述病害数据分析模块读取储存于所述中心数据储存模块中的茶园运行的历年图像数据和病害治理方法，并基于所述历年图像数据和病害治理方法，基于大数据分析方法，分析出所述茶园的不同时期的生长态势，同时读取所述图像处理模块获取的实时图像数据，当所述茶园的茶树茶叶生长态势慢，则认为茶树存在病害风险，并向所述病害风险预警模块发出病害预警，并进行治理。
优选的，所述病害风险预警模块获取气象数据，在基于读取所述图像处理模块获取的实时图像数据，并且判断认定所述茶园的茶树茶叶生长态势慢时，所述病害数据分析模块对气象数据进行分析，当认定为气象数据影响所述茶树的生长时，向病害风险预警模块发出病害预警，并进行相应的治理。
优选的，所述分布式数据单元为无人机或遥控机器人，所述无人机能够依据内置于所述无人机内的飞行指令进行控制无人机飞行路径以便路经相应的摄像传感模块，以实现对相应的所述摄像传感模块进行数据通信，从而将图像数据传送至所述无人机并存储于安装于所述无人机上的所述临时存储模块中，或通过所述数据采集控制模块控制所述遥控机器人飞行至相应的位置以便获取所述摄像传感模块采集的图像数据。
优选的，所述茶树病害智能监测分析***还包括昆虫诱捕模块，在所述图像数据分析模块基于图像数据判断出茶树存在有害昆虫时，通过所述病害风险预警模块进行虫害风险报警，并且茶园维护人员依据所述图像显示模块进行查看和标识有害昆虫类型和位置，并触发所述昆虫诱捕模块进行工作，将所述有害昆虫诱捕模块布置于标记的位置一定距离处，以便对有害昆虫进行诱捕。
优选的，所述病害数据分析模块基于通过所述图像数据获取的茶树茶叶颜色的饱和度，当所述饱和度低于所述存储于所述中心数据存储模块中历年数据的同期的饱和度数据时，则认为所述茶树存在病害风险，通过所述病害风险预警模块进行风险预警，其中所述历年数据的饱和度根据气候特点对所述同期的饱和度数据进行调整。
优选的，还包括喷管和滴管模块，其和所述病害监治管控平台数据通信连接，在所述病害监治管控平台对所述图像数据进行分析得出茶树需要对植物进行浇水或施肥时，所述病害监治管控平台控制喷管和滴管模块进行喷洒水以便实现植物浇水。
优选的，所述摄像传感模块获取茶园地面的图像，所述病害监治管控平台对图像进行识别，从而判断土壤的干燥情况，并获取气象数据，以便确定是否需要喷洒水和喷洒水的容量，并且可以通过所述分布式数据采集单元进行传送指令控制喷管和滴管模块进行喷洒水以便实现植物浇水。
另外一方面，本申请还提供一种基于分布式数据采集的茶树病害智能监测分析方法，包括基于分布式数据采集的茶树病害智能监测分析***，其特征在于，所述智能监测分析方法包括如下步骤：
步骤S1，多个所述摄像传感设备布置于茶园的不同区域，以便能够获取整个所述茶园的图像，所述摄像传感设备获取所述茶树的叶片的图像数据；
步骤S2，所述载体遥控模块和所述病害监治管控平台数据通信连接，从而实现所述病害监治管控平台通过所述载体遥控模块实现远程控制所述采集单元载体行进至多个所述摄像传感设备处以便进行通信，从而采集多个所述摄像传感设备采集的图像数据，其中，通过所述数据通信接口模块和所述摄像传感设备进行数据通信连接，以便实现将所述摄像传感设备采集的图像数据发送至所述分布式数据采集单元并存储于所述临时存储模块；
步骤S3，所述分布式数据采集单元定期将存储于获取的所述临时存储模块中的所述图像数据发送至所述中心数据储存模块和所述病害监治管控平台，供所述病害监治管控平台进行茶园的病害分析；
步骤S4，所述数据采集控制模块和所述分布式数据采集单元数据通信，进而控制所述分布式数据采集单元工作以采集所述图像，并将采集的所述图像发送图像处理模块；
步骤S5，所述图像处理模块用于对接收到的所述图像数据进行红、绿和蓝三个通道的图像过滤，并生成三个通道的图像数据，同时，对所述三个通道的图像数据利用边缘检测的方法，检测出图像中叶片的外轮廓和叶片中变色处的轮廓，并将生成的三个通道的图像数据和所述轮廓发送至所述图像数据分析模块；
步骤S6，所述图像数据分析模块基于三个通道的图像数据和所述轮廓，得出单片叶片的内轮廓线的数量和长度，当叶片的内轮廓线的数量和长度超过一定值时，则认定该叶片存在病害现象，当检查到所述病害现象时，所述病害治理控制模块控制所述农药喷洒模块进行农药喷洒，同时，将所述病害现象发送至所述病害风险预警模块，以便及时进行风险预警；
步骤S7，所述中心数据储存模块存储有所述茶园的图像数据和茶园运行的历年图像数据和病害治理方法，所述农药喷洒模块用于在接收到控制指令后进行农药喷洒作业，所述病害风险预警模块基于接收到从官方发布风险预警信息进行风险预警，并发送至所述病害监治管控平台，以便所述病害监治管控平台获取病害预警信息，并控制所述农药喷洒模块进行病害防治。
优选的，所述病害风险预警模块获取气象数据，在基于读取所述图像处理模块获取的实时图像数据，并且判断认定所述茶园的茶树茶叶生长态势慢时，所述病害数据分析模块对气象数据进行分析，当认定为气象数据影响所述茶树的生长时，向病害风险预警模块发出病害预警，并进行相应的治理。
与现有技术相比，本发明的基于分布式数据采集的茶树病害智能监测分析方法及***具备以下有益效果：
1、本发明的基于分布式数据采集的茶树病害智能监测分析方法及***，针对病害导致茶叶颜色的变化的渐进式发展特点，对叶片进行拍摄图像后，通过不同的光色通道，获取不同光色通道的植物叶片处理图像，而在不同的通道下，叶片的渐变色的特点更容易发现，进而更早的发现病害，并对植物进行病害的预防。
2、本发明的基于分布式数据采集的茶树病害智能监测分析方法及***，通过获取颜色的饱和度，从而更早地捕捉病害导致的植物叶片的变化，并且利用大数据和计算机图形技术，及早发现病害，并进行治理。
3、本发明的基于分布式数据采集的茶树病害智能监测分析方法及***，采用分布式数据采集方式，这样布置多个数据采集设备，然后利用无人机采集，从而减少布置通信设备的成本，也可以针对性对数据处理，利用无人机边收集数据，边处理。
附图说明
图1为本发明的整体结构示意图；
图2为本发明的病害监治管控平台组成结构示意图；
图3为本发明的分布式数据采集单元组成结构示意图。
图中：1、病害监治管控平台；2、多个摄像传感设备；3、分布式数据采集单元；4、中心数据储存模块；5、农药喷洒模块；6、病害风险预警模块；7、临时存储模块；8、数据通信接口模块；9、采集单元载体；10、载体遥控模块；11、图像处理模块；12、图像数据分析模块；13、图像显示模块；14、数据采集控制模块；15、病害治理控制模块；16、病害数据分析模块；17、昆虫诱捕模块；19、喷管和滴管***。
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。
具体实施例一：
一种基于分布式数据采集的茶树病害智能监测分析***，包括病害监治管控平台1、多个摄像传感设备2、分布式数据采集单元3、中心数据储存模块4、农药喷洒模块5和病害风险预警模块6；所述病害监治管控平台1分别和分布式数据采集单元3、中心数据储存模块4、农药喷洒模块5和病害预警模块6之间进行数据通信连接；
所述分布式数据采集单元3包括临时存储模块7、数据通信接口模块8、采集单元载体9和载体遥控模块10；所述采集单元载体9上设置有所述临时存储模块7、数据通信接口模块8和载体遥控模块10；所述载体遥控模块10和所述病害监治管控平台1数据通信连接，从而实现所述病害监治管控平台1通过所述载体遥控模块10实现远程控制所述采集单元载体9行进至多个所述摄像传感设备2处以便进行通信，从而采集多个所述摄像传感设备2采集的图像数据，其中，通过所述数据通信接口模块8和所述摄像传感设备2进行数据通信连接，以便实现将所述摄像传感设备2采集的图像数据发送至所述分布式数据采集单元3并存储于所述临时存储模块7；所述分布式数据采集单元3定期将存储于获取的所述临时存储模块7中的所述图像数据发送至所述中心数据储存模块4和所述病害监治管控平台1，供所述病害监治管控平台1进行茶园的病害分析；
多个所述摄像传感设备2布置于茶园的不同区域，以便能够获取整个茶园的图像；所述病害监治管控平台1包括图像处理模块11、图像数据分析模块12、图像显示模块13、数据采集控制模块14和病害治理控制模块15；所述数据采集控制模块14和所述分布式数据采集单元3数据通信，进而控制所述分布式数据采集单元3工作以采集所述图像，并将采集的所述图像发送图像处理模块11，所述图像处理模块11用于对接收到的所述图像数据进行红、绿和蓝三个通道的图像过滤，并生成三个通道的图像数据，同时，对所述三个通道的图像数据利用边缘检测的方法，检测出图像中叶片的外轮廓和叶片中变色处的轮廓，并将生成的三个通道的图像数据和所述轮廓发送至所述图像数据分析模块12，所述图像数据分析模块12基于三个通道的图像数据和所述轮廓，得出单片叶片的内轮廓线的数量和长度，当叶片的内轮廓线的数量和长度超过一定值时，则认定该叶片存在病害现象，当检查到所述病害现象时，所述病害治理控制模块15控制所述农药喷洒模块5进行农药喷洒，同时，将所述病害现象发送至所述病害风险预警模块6，以便及时进行风险预警；
所述中心数据储存模块4存储有所述茶园的图像数据和茶园运行的历年图像数据和病害治理方法，所述农药喷洒模块5用于在接收到控制指令后进行农药喷洒作业，所述病害风险预警模块6基于接收到的病害现象和获取的从官方发布风险预警信息进行风险预警,并且，所述病害风险预警模块6基于接收到从官方发布风险预警信息进行风险预警，并发送至所述病害监治管控平台1，以便所述病害监治管控平台1获取病害预警信息，并控制所述农药喷洒模块5进行病害防治。
优选的，所述病害监治管控平台1还包括病害数据分析模块16，所述病害数据分析模块16读取储存于所述中心数据储存模块4中的茶园运行的历年图像数据和病害治理方法，并基于所述历年图像数据和病害治理方法，基于大数据分析方法，分析出所述茶园的不同时期的生长态势，同时读取所述图像处理模块11获取的实时图像数据，当所述茶园的茶树茶叶生长态势慢，则认为茶树存在病害风险，并向所述病害风险预警模块6发出病害预警，并进行治理。
优选的，所述病害风险预警模块6获取气象数据，在基于读取所述图像处理模块11获取的实时图像数据，并且判断认定所述茶园的茶树茶叶生长态势慢时，所述病害数据分析模块16对气象数据进行分析，当认定为气象数据影响所述茶树的生长时，向病害风险预警模块6发出病害预警，并进行相应的治理。
优选的，所述分布式数据单元3为无人机或遥控机器人，所述无人机能够依据内置于所述无人机内的飞行指令进行控制无人机飞行路径以便路经相应的摄像传感模块2，以实现对相应的所述摄像传感模块2进行数据通信，从而将图像数据传送至所述无人机并存储于安装于所述无人机上的所述临时存储模块7中，或通过所述数据采集控制模块14控制所述遥控机器人飞行至相应的位置以便获取所述摄像传感模块2采集的图像数据。
优选的，所述茶树病害智能监测分析***还包括昆虫诱捕模块17，在所述图像数据分析模块12基于图像数据判断出茶树存在有害昆虫时，通过所述病害风险预警模块6进行虫害风险报警，并且茶园维护人员依据所述图像显示模块7进行查看和标识有害昆虫类型和位置，并触发所述昆虫诱捕模块17进行工作，将所述有害昆虫诱捕模块17布置于标记的位置一定距离处，以便对有害昆虫进行诱捕。
优选的，所述病害数据分析模块16基于通过所述图像数据获取的茶树茶叶颜色的饱和度，当所述饱和度低于所述存储于所述中心数据存储模块4中历年数据的同期的饱和度数据时，则认为所述茶树存在病害风险，通过所述病害风险预警模块6进行风险预警，其中所述历年数据的饱和度根据气候特点对所述同期的饱和度数据进行调整。
优选的，还包括喷管和滴管模块18，其和所述病害监治管控平台1数据通信连接，在所述病害监治管控平台1对所述图像数据进行分析得出茶树需要对植物进行浇水或施肥时，所述病害监治管控平台1控制喷管和滴管模块18进行喷洒水以便实现植物浇水。
优选的，所述摄像传感模块2获取茶园地面的图像，所述病害监治管控平台1对图像进行识别，从而判断土壤的干燥情况，并获取气象数据，以便确定是否需要喷洒水和喷洒水的容量，并且可以通过所述分布式数据采集单元3进行传送指令控制喷管和滴管模块18进行喷洒水以便实现植物浇水。
具体实施例二：
一种基于分布式数据采集的茶树病害智能监测分析方法，包括基于分布式数据采集的茶树病害智能监测分析***，其特征在于，所述智能监测分析方法包括如下步骤：
步骤S1，多个所述摄像传感设备2布置于茶园的不同区域，以便能够获取整个所述茶园的图像，所述摄像传感设备2获取所述茶树的叶片的图像数据；
步骤S2，所述载体遥控模块10和所述病害监治管控平台1数据通信连接，从而实现所述病害监治管控平台1通过所述载体遥控模块10实现远程控制所述采集单元载体9行进至多个所述摄像传感设备2处以便进行通信，从而采集多个所述摄像传感设备2采集的图像数据，其中，通过所述数据通信接口模块8和所述摄像传感设备2进行数据通信连接，以便实现将所述摄像传感设备2采集的图像数据发送至所述分布式数据采集单元3并存储于所述临时存储模块7；
步骤S3，所述分布式数据采集单元3定期将存储于获取的所述临时存储模块7中的所述图像数据发送至所述中心数据储存模块4和所述病害监治管控平台1，供所述病害监治管控平台1进行茶园的病害分析；
步骤S4，所述数据采集控制模块14和所述分布式数据采集单元3数据通信，进而控制所述分布式数据采集单元3工作以采集所述图像，并将采集的所述图像发送图像处理模块11；
步骤S5，所述图像处理模块11用于对接收到的所述图像数据进行红、绿和蓝三个通道的图像过滤，并生成三个通道的图像数据，同时，对所述三个通道的图像数据利用边缘检测的方法，检测出图像中叶片的外轮廓和叶片中变色处的轮廓，并将生成的三个通道的图像数据和所述轮廓发送至所述图像数据分析模块12；
步骤S6，所述图像数据分析模块12基于三个通道的图像数据和所述轮廓，得出单片叶片的内轮廓线的数量和长度，当叶片的内轮廓线的数量和长度超过一定值时，则认定该叶片存在病害现象，当检查到所述病害现象时，所述病害治理控制模块15控制所述农药喷洒模块5进行农药喷洒，同时，将所述病害现象发送至所述病害风险预警模块6，以便及时进行风险预警；
步骤S7，所述中心数据储存模块4存储有所述茶园的图像数据和茶园运行的历年图像数据和病害治理方法，所述农药喷洒模块5用于在接收到控制指令后进行农药喷洒作业，所述病害风险预警模块6基于接收到从官方发布风险预警信息进行风险预警，并发送至所述病害监治管控平台1，以便所述病害监治管控平台1获取病害预警信息，并控制所述农药喷洒模块5进行病害防治。
优选的，所述病害风险预警模块6获取气象数据，在基于读取所述图像处理模块11获取的实时图像数据，并且判断认定所述茶园的茶树茶叶生长态势慢时，所述病害数据分析模块16对气象数据进行分析，当认定为气象数据影响所述茶树的生长时，向病害风险预警模块6发出病害预警，并进行相应的治理。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种基于分布式数据采集的茶树病害智能监测分析***，包括病害监治管控平台（1）、多个摄像传感设备（2）、分布式数据采集单元（3）、中心数据储存模块（4）、农药喷洒模块（5）和病害风险预警模块（6）；所述病害监治管控平台（1）分别和分布式数据采集单元（3）、中心数据储存模块（4）、农药喷洒模块（5）和病害预警模块（6）之间进行数据通信连接；
所述分布式数据采集单元（3）包括临时存储模块（7）、数据通信接口模块（8）、采集单元载体（9）和载体遥控模块（10）；所述采集单元载体（9）上设置有所述临时存储模块（7）、数据通信接口模块（8）和载体遥控模块（10）；所述载体遥控模块（10）和所述病害监治管控平台（1）数据通信连接，从而实现所述病害监治管控平台（1）通过所述载体遥控模块（10）实现远程控制所述采集单元载体（9）行进至多个所述摄像传感设备（2）处以便进行通信，从而采集多个所述摄像传感设备（2）采集的图像数据，其中，通过所述数据通信接口模块（8）和所述摄像传感设备（2）进行数据通信连接，以便实现将所述摄像传感设备（2）采集的图像数据发送至所述分布式数据采集单元（3）并存储于所述临时存储模块（7）；所述分布式数据采集单元（3）定期将存储于获取的所述临时存储模块（7）中的所述图像数据发送至所述中心数据储存模块（4）和所述病害监治管控平台（1），供所述病害监治管控平台（1）进行茶园的病害分析；
其特征在于：多个所述摄像传感设备（2）布置于茶园的不同区域，以便能够获取整个茶园的图像；所述病害监治管控平台（1）包括图像处理模块（11）、图像数据分析模块（12）、图像显示模块（13）、数据采集控制模块（14）和病害治理控制模块（15）；所述数据采集控制模块（14）和所述分布式数据采集单元（3）数据通信，进而控制所述分布式数据采集单元（3）工作以采集所述图像，并将采集的所述图像发送图像处理模块（11），所述图像处理模块（11）用于对接收到的所述图像数据进行红、绿和蓝三个通道的图像过滤，并生成三个通道的图像数据，同时，对所述三个通道的图像数据利用边缘检测的方法，检测出图像中叶片的外轮廓和叶片中变色处的轮廓，并将生成的三个通道的图像数据和所述轮廓发送至所述图像数据分析模块（12），所述图像数据分析模块（12）基于三个通道的图像数据和所述轮廓，得出单片叶片的内轮廓线的数量和长度，当叶片的内轮廓线的数量和长度超过一定值时，则认定该叶片存在病害现象，当检查到所述病害现象时，所述病害治理控制模块（15）控制所述农药喷洒模块（5）进行农药喷洒，同时，将所述病害现象发送至所述病害风险预警模块（6），以便及时进行风险预警；
所述中心数据储存模块（4）存储有所述茶园的图像数据和茶园运行的历年图像数据和病害治理方法，所述农药喷洒模块（5）用于在接收到控制指令后进行农药喷洒作业，所述病害风险预警模块（6）基于接收到的病害现象和获取的从官方发布风险预警信息进行风险预警,并且，所述病害风险预警模块（6）基于接收到从官方发布风险预警信息进行风险预警，并发送至所述病害监治管控平台（1），以便所述病害监治管控平台（1）获取病害预警信息，并控制所述农药喷洒模块（5）进行病害防治。
2.根据权利要求1所述的一种基于分布式数据采集的茶树病害智能监测分析***，其特征在于：所述病害监治管控平台（1）还包括病害数据分析模块（16），所述病害数据分析模块（16）读取储存于所述中心数据储存模块（4）中的茶园运行的历年图像数据和病害治理方法，并基于所述历年图像数据和病害治理方法，基于大数据分析方法，分析出所述茶园的不同时期的生长态势，同时读取所述图像处理模块（11）获取的实时图像数据，当所述茶园的茶树茶叶生长态势慢，则认为茶树存在病害风险，并向所述病害风险预警模块（6）发出病害预警，并进行治理。
3.根据权利要求2所述的一种基于分布式数据采集的茶树病害智能监测分析***，其特征在于：所述病害风险预警模块（6）获取气象数据，在基于读取所述图像处理模块（11）获取的实时图像数据，并且判断认定所述茶园的茶树茶叶生长态势慢时，所述病害数据分析模块（16）对气象数据进行分析，当认定为气象数据影响所述茶树的生长时，向病害风险预警模块（6）发出病害预警，并进行相应的治理。
4.根据权利要求1或3中任意一项所述的一种基于分布式数据采集的茶树病害智能监测分析***，其特征在于：所述分布式数据单元（3）为无人机或遥控机器人，所述无人机能够依据内置于所述无人机内的飞行指令进行控制无人机飞行路径以便路经相应的摄像传感模块（2），以实现对相应的所述摄像传感模块（2）进行数据通信，从而将图像数据传送至所述无人机并存储于安装于所述无人机上的所述临时存储模块（7）中，或通过所述数据采集控制模块（14）控制所述遥控机器人飞行至相应的位置以便获取所述摄像传感模块（2）采集的图像数据。
5.根据权利要求1或2中任意一项所述的一种基于分布式数据采集的茶树病害智能监测分析***，其特征在于：所述茶树病害智能监测分析***还包括昆虫诱捕模块（17），在所述图像数据分析模块（12）基于图像数据判断出茶树存在有害昆虫时，通过所述病害风险预警模块（6）进行虫害风险报警，并且茶园维护人员依据所述图像显示模块（7）进行查看和标识有害昆虫类型和位置，并触发所述昆虫诱捕模块（17）进行工作，将所述有害昆虫诱捕模块（17）布置于标记的位置一定距离处，以便对有害昆虫进行诱捕。
6.根据权利要求1所述的一种基于分布式数据采集的茶树病害智能监测分析***，其特征在于：所述病害数据分析模块（16）基于通过所述图像数据获取的茶树茶叶颜色的饱和度，当所述饱和度低于所述存储于所述中心数据存储模块（4）中历年数据的同期的饱和度数据时，则认为所述茶树存在病害风险，通过所述病害风险预警模块（6）进行风险预警，其中所述历年数据的饱和度根据气候特点对所述同期的饱和度数据进行调整。
7.根据权利要求1所述的一种基于分布式数据采集的茶树病害智能监测分析***，其特征在于：还包括喷管和滴管模块（18），其和所述病害监治管控平台（1）数据通信连接，在所述病害监治管控平台（1）对所述图像数据进行分析得出茶树需要对植物进行浇水或施肥时，所述病害监治管控平台（1）控制喷管和滴管模块（18）进行喷洒水以便实现植物浇水。
8.根据权利要求7所述的一种基于分布式数据采集的茶树病害智能监测分析***，其特征在于：所述摄像传感模块（2）获取茶园地面的图像，所述病害监治管控平台（1）对图像进行识别，从而判断土壤的干燥情况，并获取气象数据，以便确定是否需要喷洒水和喷洒水的容量，并且可以通过所述分布式数据采集单元（3）进行传送指令控制喷管和滴管模块（18）进行喷洒水以便实现植物浇水。
9.一种基于分布式数据采集的茶树病害智能监测分析方法，包括如权利要求1-8中任意一项所述的基于分布式数据采集的茶树病害智能监测分析***，其特征在于，所述智能监测分析方法包括如下步骤：
步骤S1，多个所述摄像传感设备（2）布置于茶园的不同区域，以便能够获取整个所述茶园的图像，所述摄像传感设备（2）获取所述茶树的叶片的图像数据；
步骤S2，所述载体遥控模块（10）和所述病害监治管控平台（1）数据通信连接，从而实现所述病害监治管控平台（1）通过所述载体遥控模块（10）实现远程控制所述采集单元载体（9）行进至多个所述摄像传感设备（2）处以便进行通信，从而采集多个所述摄像传感设备（2）采集的图像数据，其中，通过所述数据通信接口模块（8）和所述摄像传感设备（2）进行数据通信连接，以便实现将所述摄像传感设备（2）采集的图像数据发送至所述分布式数据采集单元（3）并存储于所述临时存储模块（7）；
步骤S3，所述分布式数据采集单元（3）定期将存储于获取的所述临时存储模块（7）中的所述图像数据发送至所述中心数据储存模块（4）和所述病害监治管控平台（1），供所述病害监治管控平台（1）进行茶园的病害分析；
步骤S4，所述数据采集控制模块（14）和所述分布式数据采集单元（3）数据通信，进而控制所述分布式数据采集单元（3）工作以采集所述图像，并将采集的所述图像发送图像处理模块（11）；
步骤S5，所述图像处理模块（11）用于对接收到的所述图像数据进行红、绿和蓝三个通道的图像过滤，并生成三个通道的图像数据，同时，对所述三个通道的图像数据利用边缘检测的方法，检测出图像中叶片的外轮廓和叶片中变色处的轮廓，并将生成的三个通道的图像数据和所述轮廓发送至所述图像数据分析模块（12）；
步骤S6，所述图像数据分析模块（12）基于三个通道的图像数据和所述轮廓，得出单片叶片的内轮廓线的数量和长度，当叶片的内轮廓线的数量和长度超过一定值时，则认定该叶片存在病害现象，当检查到所述病害现象时，所述病害治理控制模块（15）控制所述农药喷洒模块（5）进行农药喷洒，同时，将所述病害现象发送至所述病害风险预警模块（6），以便及时进行风险预警；
步骤S7，所述中心数据储存模块（4）存储有所述茶园的图像数据和茶园运行的历年图像数据和病害治理方法，所述农药喷洒模块（5）用于在接收到控制指令后进行农药喷洒作业，所述病害风险预警模块（6）基于接收到从官方发布风险预警信息进行风险预警，并发送至所述病害监治管控平台（1），以便所述病害监治管控平台（1）获取病害预警信息，并控制所述农药喷洒模块（5）进行病害防治。
10.根据权利要求9所述的一种基于分布式数据采集的茶树病害智能监测分析方法，其特征在于：所述病害风险预警模块（6）获取气象数据，在基于读取所述图像处理模块（11）获取的实时图像数据，并且判断认定所述茶园的茶树茶叶生长态势慢时，所述病害数据分析模块（16）对气象数据进行分析，当认定为气象数据影响所述茶树的生长时，向病害风险预警模块（6）发出病害预警，并进行相应的治理。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210152289 | 2022-02-18 | ||
| CN2022101522893 | 2022-02-18 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115144343A true CN115144343A (zh) | 2022-10-04 |
Family
ID=83416456
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210976898.0A Pending CN115144343A (zh) | 2022-02-18 | 2022-08-15 | 基于分布式数据采集的茶树病害智能监测分析方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115144343A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117192015A (zh) * | 2023-09-11 | 2023-12-08 | 宁夏农产品质量标准与检测技术研究所(宁夏农产品质量监测中心) | 一种枸杞中农药残留的风险评估方法及*** |
-
2022
- 2022-08-15 CN CN202210976898.0A patent/CN115144343A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117192015A (zh) * | 2023-09-11 | 2023-12-08 | 宁夏农产品质量标准与检测技术研究所(宁夏农产品质量监测中心) | 一种枸杞中农药残留的风险评估方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113925039B (zh) | 一种基于物联网的园林病虫害智能防护***及防控方法 | |
| CN112911931B (zh) | 用于检测节肢动物的成像设备和用于检测节肢动物的*** | |
| CN109470299A (zh) | 一种基于物联网的作物生长信息监测***和方法 | |
| US10192185B2 (en) | Farmland management system and farmland management method | |
| CN108693119B (zh) | 基于无人机高光谱遥感的病虫害智能察打*** | |
| CN111372444B (zh) | 信息处理装置、信息处理方法以及植被管理*** | |
| CN110956381A (zh) | 一种远程农业信息智能分析***及农业环境调控方法 | |
| CN111504371A (zh) | 大数据服务*** | |
| CN104991459A (zh) | 一种有机蔬菜大棚监控***及方法 | |
| Ludwig et al. | Monitoring Australian rangeland sites using landscape function indicators and ground-and remote-based techniques | |
| CN112735071B (zh) | 基于互联网的林业监控*** | |
| Carrión et al. | Monitoring and irrigation of an urban garden using IoT | |
| CN114723667A (zh) | 一种农业精细化种植及灾害预防控制*** | |
| Marín et al. | Autonomous WSN for lawns monitoring in smart cities | |
| CN113867243A (zh) | 一种数字化、智能化的园林绿化养护综合管理*** | |
| Namana et al. | Internet of Things for Smart Agriculture–State of the Art. and Challenges | |
| CN112735070B (zh) | 一种基于互联网的林业监控方法 | |
| CN113342036A (zh) | 一种农作物的精准管控***及其管控方法 | |
| CN115291541A (zh) | 一种农作物病虫害监测***与方法 | |
| CN115144343A (zh) | 基于分布式数据采集的茶树病害智能监测分析方法及*** | |
| Shafi et al. | Crop health monitoring using iot-enabled precision agriculture | |
| CN114445713A (zh) | 一种多设备联动植保***及方法 | |
| CN113588500A (zh) | 一种航空施药作业雾滴沉积效果检测方法 | |
| CN114092816A (zh) | 一种基于无人机遥感的造林质量智能检测方法 | |
| CN114158537A (zh) | 一种农药自动喷洒***及其施用方法 |
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 |