CN115526521A - 一种用于植物工厂的植物生长状态监控报警*** - Google Patents
一种用于植物工厂的植物生长状态监控报警*** Download PDFInfo
- Publication number
- CN115526521A CN115526521A CN202211246981.9A CN202211246981A CN115526521A CN 115526521 A CN115526521 A CN 115526521A CN 202211246981 A CN202211246981 A CN 202211246981A CN 115526521 A CN115526521 A CN 115526521A
- Authority
- CN
- China
- Prior art keywords
- plant
- pest
- disaster
- module
- growth
- 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
- 230000008635 plant growth Effects 0.000 title claims abstract description 17
- 238000012544 monitoring process Methods 0.000 title claims abstract description 15
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 120
- 230000012010 growth Effects 0.000 claims abstract description 35
- 201000010099 disease Diseases 0.000 claims abstract description 21
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 21
- 241000196324 Embryophyta Species 0.000 claims description 112
- 230000002265 prevention Effects 0.000 claims description 32
- 241000238631 Hexapoda Species 0.000 claims description 19
- 238000005286 illumination Methods 0.000 claims description 7
- 230000003449 preventive effect Effects 0.000 claims description 7
- 238000011157 data evaluation Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Marketing (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- General Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Pathology (AREA)
- Operations Research (AREA)
- Multimedia (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种用于植物工厂的植物生长状态监控报警***，涉及农业种植技术领域，包括上位机、病虫害分析模块以及虫害防治模块；拍摄模块用于根据来自上位机的控制信号拍摄多个种植区域的植株图像；显示模块用于按照用户选择的显示方式对多个种植区域的植株图像进行显示；使用户可以更加全面、细致地了解到多个种植区域内植株的生长状态；病虫害分析模块用于对接收到的植株图像信息进行分析，判断种植区域内植株的病虫害情况，并生成虫害防治任务至虫害防治模块；虫害防治模块用于对接收到的虫害防治任务进行防治系数ZY分析，并根据防治系数ZY执行不同等级的病虫害预防措施，有效提高病虫害预防效率，减少病虫害造成的经济损失。
Description
技术领域
本发明涉及农业种植技术领域，具体是一种用于植物工厂的植物生长状态监控报警***。
背景技术
植物工厂作为国际上公认的设施农业的最高级发展阶段，由于受自然条件影响小、无污染、自动化程度高、多层次立体栽培可以节省大量土地、作物生长周期可控等优点，代表着未来农业的发展方向。其主要是利用计算机对植物生育的温度、湿度、光照、二氧化碳浓度以及营养液等环境条件进行自动控制，使设施内植物生育不受或很少受自然条件制约。
但是植物的各个生长周期常面临各种虫害的侵袭，如果防治不及时，不仅会引起产量和质量的下降，严重时甚至会造成很重大的经济损失；现阶段，植物工厂需要植保技术员进入田间实地观察植物有无虫害侵染现象，即无法对厂内植物进行拍照记录；这种方法费时费力，当被发现时已经有可能错过了最佳施药时间，并不能起到病虫害预警的作用，基于以上不足，本发明提出一种用于植物工厂的植物生长状态监控报警***。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种用于植物工厂的植物生长状态监控报警***。
为实现上述目的，根据本发明的第一方面的实施例提出一种用于植物工厂的植物生长状态监控报警***，包括参数设置模块、上位机、病虫害分析模块、虫害防治模块以及云平台；
所述参数设置模块用于预先设置拍摄参数；所述上位机用于根据预先设置的拍摄参数，向拍摄模块发送控制信号；所述拍摄模块用于根据来自所述上位机的控制信号拍摄多个种植区域的植株图像，并将拍摄的植株图像传输至病虫害分析模块与显示模块；
所述病虫害分析模块用于对接收到的植株图像信息进行分析，判断所述种植区域内植株的病虫害情况，具体分析步骤为：
提取植株图像信息中的叶片区域；基于深度学习构建虫害识别模型，将所述叶片区域输入所述虫害识别模型进行虫害识别，并将同一植株的叶片区域进行统合，得到所述植株的虫害数量信息为Ki；
采集所述植株的实时生长环境信息，结合虫害数量信息Ki计算得到虫害威胁值Qi，若Qi大于预设威胁阈值，则判定对应植株存在病虫害风险，生成虫害预防信号；
所述病虫害分析模块用于将虫害预防信号上传至上位机，所述上位机接收到虫害预防信号后控制报警模块发出警报，并生成虫害防治任务至虫害防治模块；所述虫害防治模块用于对接收到的虫害防治任务进行防治系数ZY分析，并根据防治系数ZY执行不同等级的病虫害预防措施。
进一步地，其中，虫害威胁值Qi的具体计算过程为：
获取所述植株所处的生长候期，并自动与大数据平台进行比对，获取该生长候期所需的标准环境信息；将标准环境信息中对应的温度、湿度以及光照数据依次标记为Wb、Mb以及Gb；
采集所述植株的实时生长环境信息，将采集的温度、湿度、光照数据标记为Wi、Mi、Gi；利用公式Qi＝Ki×[(Wi-Wb)/Wb+2×(Mi-Mb)/Mb+3×(Gi-Gb)/Gb]×u计算得到虫害威胁值Qi，其中u为预设补偿因子。
进一步地，所述虫害防治模块的具体分析步骤为：
获取虫害防治任务携带的植株种类以及对应的生长候期；
从云平台中调取同类植株的历史受灾情况，所述历史受灾情况包括受灾生长候期以及灾害等级；所述灾害等级由防治中心根据灾害类型、植株受灾范围以及救灾资源投入三个维度的数据评估得出；
在预设周期内，根据受灾生长候期统计同一生长候期的受灾总次数为C1；
将每次受灾的灾害等级标记为Yd；将灾害等级Yd与预设灾害阈值相比较，统计Yd≥预设灾害阈值的次数占比为Zb，当Yd≥预设灾害阈值时，获取Yd与预设灾害阈值的差值并求和得到灾害超值DZ；利用公式CZ＝Zb×g1+DZ×g2计算得到超灾系数CZ，其中g1、g2为系数因子；
利用公式ZY＝C1×g3+CZ×g4计算得到对应虫害防治任务的防治系数ZY，其中g3、g4为系数因子；
将防治系数ZY与预设阈值相比较；其中预设阈值包括L1、L2，且L1＞L2；若ZY＞L1，则对该植株执行第一等级预防措施；若L2＜ZY≤L1，则对该植株执行第二等级预防措施；若ZY≤L2，则对该植株执行第三等级预防措施。
进一步地，其中，各等级预防措施均为管理员预设，且第一等级＞第二等级＞第三等级。
进一步地，所述拍摄参数包括以下之一或多种的组合：摄像头拍摄所述多个种植区域的图像时的移动轨迹、摄像头在拍摄所述多个种植区域中的每个种植区域的图像时的位置、摄像头在拍摄所述每个种植区域的图像时的旋转角度以及摄像头在拍摄所述每个种植区域的图像时的对焦参数。
进一步地，所述显示模块用于获取所述拍摄模块拍摄到的所述多个种植区域的植株图像，并按照用户选择的显示方式对所述多个种植区域的植株图像进行显示；所述显示方式包括全景显示方式和区域显示方式。
进一步地，其中，全景显示方式表现为：将所述多个种植区域的植株图像合成为全景图像，以显示所述全景图像；
区域显示方式表现为：同时显示所述多个种植区域的植株图像或者当接收到显示所述多个种植区域中的任一种植区域的植株图像的指令时，仅显示所述任一种植区域的植株图像。
与现有技术相比，本发明的有益效果是：
1、本发明中所述拍摄模块按照预先设置的拍摄参数，控制摄像头按照设置的移动轨迹移动，当摄像头移动到待拍摄区域中的设置的位置时，控制摄像头旋转到设置的角度和调节对焦参数(例如焦距、镜头远近)后，摄像头进行拍摄，从而保证了摄像头拍摄出的图像的质量；所述显示模块用于按照用户选择的显示方式对所述多个种植区域的植株图像进行显示；使用户可以更加全面、细致地了解到多个种植区域上种植的农作物、花草的生长状态，从而提升用户体验；
2、本发明中所述病虫害分析模块用于对接收到的植株图像信息进行分析，判断所述种植区域内植株的病虫害情况；首先提取植株图像信息中的叶片区域，将所述叶片区域输入虫害识别模型进行虫害识别，得到所述植株的虫害数量信息为Ki，结合所述植株的实时生长环境信息，计算得到虫害威胁值Qi，若Qi大于预设威胁阈值，则判定对应植株存在病虫害风险，生成虫害预防信号；所述上位机接收到虫害预防信号后控制报警模块发出警报，并生成虫害防治任务至虫害防治模块；所述虫害防治模块用于对接收到的虫害防治任务进行防治系数ZY分析，并根据防治系数ZY执行不同等级的病虫害预防措施，有效提高病虫害预防效率，减少病虫害造成的经济损失。
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他的附图。
图1为本发明一种用于植物工厂的植物生长状态监控报警***的***框图。
具体实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
如图1所示，一种用于植物工厂的植物生长状态监控报警***，包括参数设置模块、上位机、拍摄模块、病虫害分析模块、显示模块、报警模块、虫害防治模块以及云平台；
参数设置模块用于预先设置拍摄参数，拍摄参数包括以下之一或多种的组合：摄像头拍摄多个种植区域的图像时的移动轨迹、摄像头在拍摄多个种植区域中的每个种植区域的图像时的位置、摄像头在拍摄每个种植区域的图像时的旋转角度、摄像头在拍摄每个种植区域的图像时的对焦参数；
上位机用于根据预先设置的拍摄参数，向拍摄模块发送控制信号；拍摄模块用于根据来自上位机的控制信号拍摄多个种植区域的植株图像，并将拍摄的植株图像传输至病虫害分析模块与显示模块；
显示模块用于获取拍摄模块拍摄到的多个种植区域的植株图像，并按照用户选择的显示方式对多个种植区域的植株图像进行显示；显示方式包括全景显示方式和区域显示方式；
其中，全景显示方式表现为：将多个种植区域的植株图像合成为全景图像，以显示全景图像；
区域显示方式表现为：同时显示多个种植区域的植株图像或者当接收到显示多个种植区域中的任一种植区域的植株图像的指令时，仅显示任一种植区域的植株图像；
在本技术方案中，拍摄模块按照预先设置的拍摄参数，控制摄像头按照设置的移动轨迹移动，当摄像头移动到待拍摄区域中的设置的位置时，控制摄像头旋转到设置的角度和调节对焦参数(例如焦距、镜头远近)后，摄像头进行拍摄，从而保证了摄像头拍摄出的图像的质量；同时既可以将多个种植区域的图像合成为全景图像进行显示，也可以分别显示每个区域的图像，使用户可以更加全面、细致地了解到多个种植区域上种植的农作物、花草的生长状态，从而提升用户体验；
病虫害分析模块用于对接收到的植株图像信息进行分析，判断种植区域内植株的病虫害情况，具体分析步骤为：
获取植株图像信息，并将植株图像信息进行预处理，提取植株图像信息中的叶片区域；
基于深度学习构建虫害识别模型，将叶片区域输入虫害识别模型进行虫害识别，并统计叶片区域内的虫害数量信息；
将同一植株的叶片区域进行统合，得到植株的虫害数量信息为Ki；
获取植株所处的生长候期，并自动与大数据平台进行比对，获取该生长候期所需的标准环境信息；将标准环境信息中对应的温度、湿度以及光照数据依次标记为Wb、Mb以及Gb；
采集植株的实时生长环境信息，将采集的温度、湿度、光照数据标记为Wi、Mi、Gi；利用公式Qi＝Ki×[(Wi-Wb)/Wb+2×(Mi-Mb)/Mb+3×(Gi-Gb)/Gb]×u计算得到虫害威胁值Qi，其中u为预设补偿因子；
将虫害威胁值Qi与预设威胁阈值相比较；若Qi大于预设威胁阈值，则判定对应植株存在病虫害风险，生成虫害预防信号；
病虫害分析模块用于将虫害预防信号上传至上位机，上位机接收到虫害预防信号后控制报警模块发出警报，并生成虫害防治任务至虫害防治模块；虫害防治任务携带有植株种类以及对应的生长候期；
虫害防治模块用于对接收到的虫害防治任务进行分析，并执行不同等级的病虫害预防措施，具体为：
获取虫害防治任务携带的植株种类以及对应的生长候期；
从云平台中调取同类植株的历史受灾情况，历史受灾情况包括受灾生长候期以及灾害等级；灾害等级由防治中心根据灾害类型、植株受灾范围以及救灾资源投入三个维度的数据评估得出；
在预设周期内，根据受灾生长候期统计同一生长候期的受灾总次数为C1；
将每次受灾的灾害等级标记为Yd；将灾害等级Yd与预设灾害阈值相比较，统计Yd≥预设灾害阈值的次数占比为Zb，当Yd≥预设灾害阈值时，获取Yd与预设灾害阈值的差值并求和得到灾害超值DZ；利用公式CZ＝Zb×g1+DZ×g2计算得到超灾系数CZ，其中g1、g2为系数因子；
将受灾总次数、超灾系数进行归一化处理并取其数值，利用公式ZY＝C1×g3+CZ×g4计算得到对应虫害防治任务的防治系数ZY，其中g3、g4为系数因子；
将防治系数ZY与预设阈值相比较；其中预设阈值包括L1、L2，且L1＞L2；若ZY＞L1，则对该植株执行第一等级预防措施；
若L2＜ZY≤L1，则对该植株执行第二等级预防措施；
若ZY≤L2，则对该植株执行第三等级预防措施；其中，各等级预防措施均为管理员预设，且第一等级＞第二等级＞第三等级，等级越高，则表明投入的预防资源越多，执行的时限越短，有效提高病虫害预防效率，以减少病虫害造成的经济损失。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理：
一种用于植物工厂的植物生长状态监控报警***，在工作时，参数设置模块用于预先设置拍摄参数，上位机用于根据预先设置的拍摄参数，向拍摄模块发送控制信号；拍摄模块用于根据来自上位机的控制信号拍摄多个种植区域的植株图像，从而保证了摄像头拍摄出的图像的质量；显示模块用于按照用户选择的显示方式对多个种植区域的植株图像进行显示；使用户可以更加全面、细致地了解到多个种植区域上种植的农作物、花草的生长状态，从而提升用户体验；
病虫害分析模块用于对接收到的植株图像信息进行分析，判断种植区域内植株的病虫害情况；首先提取植株图像信息中的叶片区域，将叶片区域输入虫害识别模型进行虫害识别，得到植株的虫害数量信息为Ki，结合植株的实时生长环境信息，计算得到虫害威胁值Qi，若Qi大于预设威胁阈值，则判定对应植株存在病虫害风险，生成虫害预防信号；上位机接收到虫害预防信号后控制报警模块发出警报，并生成虫害防治任务至虫害防治模块；虫害防治模块用于对接收到的虫害防治任务进行防治系数ZY分析，并根据防治系数ZY执行不同等级的病虫害预防措施，有效提高病虫害预防效率，减少病虫害造成的经济损失。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.一种用于植物工厂的植物生长状态监控报警***，其特征在于，包括参数设置模块、上位机、病虫害分析模块、虫害防治模块以及云平台；
所述参数设置模块用于预先设置拍摄参数；所述上位机用于根据预先设置的拍摄参数，向拍摄模块发送控制信号；所述拍摄模块用于根据来自所述上位机的控制信号拍摄多个种植区域的植株图像，并将拍摄的植株图像传输至病虫害分析模块与显示模块；
所述病虫害分析模块用于对接收到的植株图像信息进行分析，判断所述种植区域内植株的病虫害情况，具体分析步骤为：
提取植株图像信息中的叶片区域；基于深度学习构建虫害识别模型，将所述叶片区域输入所述虫害识别模型进行虫害识别，并将同一植株的叶片区域进行统合，得到所述植株的虫害数量信息为Ki；
采集所述植株的实时生长环境信息，结合虫害数量信息Ki计算得到虫害威胁值Qi，若Qi大于预设威胁阈值，则判定对应植株存在病虫害风险，生成虫害预防信号；
所述病虫害分析模块用于将虫害预防信号上传至上位机，所述上位机接收到虫害预防信号后控制报警模块发出警报，并生成虫害防治任务至虫害防治模块；所述虫害防治模块用于对接收到的虫害防治任务进行防治系数ZY分析，并根据防治系数ZY执行不同等级的病虫害预防措施。
2.根据权利要求1所述的一种用于植物工厂的植物生长状态监控报警***，其特征在于，其中，虫害威胁值Qi的具体计算过程为：
获取所述植株所处的生长候期，并自动与大数据平台进行比对，获取该生长候期所需的标准环境信息；将标准环境信息中对应的温度、湿度以及光照数据依次标记为Wb、Mb以及Gb；
采集所述植株的实时生长环境信息，将采集的温度、湿度、光照数据标记为Wi、Mi、Gi；利用公式Qi＝Ki×[(Wi-Wb)/Wb+2×(Mi-Mb)/Mb+3×(Gi-Gb)/Gb]×u计算得到虫害威胁值Qi，其中u为预设补偿因子。
3.根据权利要求1所述的一种用于植物工厂的植物生长状态监控报警***，其特征在于，所述虫害防治模块的具体分析步骤为：
获取虫害防治任务携带的植株种类以及对应的生长候期；
从云平台中调取同类植株的历史受灾情况，所述历史受灾情况包括受灾生长候期以及灾害等级；所述灾害等级由防治中心根据灾害类型、植株受灾范围以及救灾资源投入三个维度的数据评估得出；
在预设周期内，根据受灾生长候期统计同一生长候期的受灾总次数为C1；
将每次受灾的灾害等级标记为Yd；将灾害等级Yd与预设灾害阈值相比较，统计Yd≥预设灾害阈值的次数占比为Zb，当Yd≥预设灾害阈值时，获取Yd与预设灾害阈值的差值并求和得到灾害超值DZ；利用公式CZ＝Zb×g1+DZ×g2计算得到超灾系数CZ，其中g1、g2为系数因子；
利用公式ZY＝C1×g3+CZ×g4计算得到对应虫害防治任务的防治系数ZY，其中g3、g4为系数因子；
将防治系数ZY与预设阈值相比较；其中预设阈值包括L1、L2，且L1＞L2；若ZY＞L1，则对该植株执行第一等级预防措施；若L2＜ZY≤L1，则对该植株执行第二等级预防措施；若ZY≤L2，则对该植株执行第三等级预防措施。
4.根据权利要求3所述的一种用于植物工厂的植物生长状态监控报警***，其特征在于，其中，各等级预防措施均为管理员预设，且第一等级＞第二等级＞第三等级。
5.根据权利要求1所述的一种用于植物工厂的植物生长状态监控报警***，其特征在于，所述拍摄参数包括以下之一或多种的组合：摄像头拍摄所述多个种植区域的图像时的移动轨迹、摄像头在拍摄所述多个种植区域中的每个种植区域的图像时的位置、摄像头在拍摄所述每个种植区域的图像时的旋转角度以及摄像头在拍摄所述每个种植区域的图像时的对焦参数。
6.根据权利要求1所述的一种用于植物工厂的植物生长状态监控报警***，其特征在于，所述显示模块用于获取所述拍摄模块拍摄到的所述多个种植区域的植株图像，并按照用户选择的显示方式对所述多个种植区域的植株图像进行显示；所述显示方式包括全景显示方式和区域显示方式。
7.根据权利要求6所述的一种用于植物工厂的植物生长状态监控报警***，其特征在于，其中，全景显示方式表现为：将所述多个种植区域的植株图像合成为全景图像，以显示所述全景图像；
区域显示方式表现为：同时显示所述多个种植区域的植株图像或者当接收到显示所述多个种植区域中的任一种植区域的植株图像的指令时，仅显示所述任一种植区域的植株图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211246981.9A CN115526521A (zh) | 2022-10-12 | 2022-10-12 | 一种用于植物工厂的植物生长状态监控报警*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211246981.9A CN115526521A (zh) | 2022-10-12 | 2022-10-12 | 一种用于植物工厂的植物生长状态监控报警*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115526521A true CN115526521A (zh) | 2022-12-27 |
Family
ID=84702591
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211246981.9A Pending CN115526521A (zh) | 2022-10-12 | 2022-10-12 | 一种用于植物工厂的植物生长状态监控报警*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115526521A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116267445A (zh) * | 2023-03-23 | 2023-06-23 | 上海华维可控农业科技集团股份有限公司 | 一种用于防控植物病毒病的可控农业栽培方法 |
| CN116740378A (zh) * | 2023-07-03 | 2023-09-12 | 南通黄海药械有限公司 | 一种基于图像处理的园林病虫害评价*** |
| CN117078456A (zh) * | 2023-10-13 | 2023-11-17 | 杨凌职业技术学院 | 一种农林业病虫害监测管理*** |
| CN117951530A (zh) * | 2024-03-26 | 2024-04-30 | 阿坝州林业和草原科学技术研究所 | 一种针对卡子核桃的病虫害数据分析方法和*** |
-
2022
- 2022-10-12 CN CN202211246981.9A patent/CN115526521A/zh active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116267445A (zh) * | 2023-03-23 | 2023-06-23 | 上海华维可控农业科技集团股份有限公司 | 一种用于防控植物病毒病的可控农业栽培方法 |
| CN116740378A (zh) * | 2023-07-03 | 2023-09-12 | 南通黄海药械有限公司 | 一种基于图像处理的园林病虫害评价*** |
| CN116740378B (zh) * | 2023-07-03 | 2024-04-02 | 南通黄海药械有限公司 | 一种基于图像处理的园林病虫害评价*** |
| CN117078456A (zh) * | 2023-10-13 | 2023-11-17 | 杨凌职业技术学院 | 一种农林业病虫害监测管理*** |
| CN117078456B (zh) * | 2023-10-13 | 2023-12-15 | 杨凌职业技术学院 | 一种农林业病虫害监测管理*** |
| CN117951530A (zh) * | 2024-03-26 | 2024-04-30 | 阿坝州林业和草原科学技术研究所 | 一种针对卡子核桃的病虫害数据分析方法和*** |
| CN117951530B (zh) * | 2024-03-26 | 2024-06-07 | 阿坝州林业和草原科学技术研究所 | 一种针对卡子核桃的病虫害数据分析方法和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115526521A (zh) | 一种用于植物工厂的植物生长状态监控报警*** | |
| JP2019187259A (ja) | 栽培支援方法、栽培支援プログラム、栽培支援装置、および栽培支援システム | |
| CN113409023A (zh) | 一种智慧园林综合服务管理平台 | |
| CN105979001A (zh) | 农林四情监控*** | |
| CN111476149A (zh) | 一种植物培育控制方法和*** | |
| CN107121535A (zh) | 一种有效的农作物生长环境监测*** | |
| CN115185220A (zh) | 一种基于物联网的农林病虫害监控*** | |
| EP3626077A1 (de) | Schädlingskontrolle | |
| CN114239756B (zh) | 一种虫害检测方法及*** | |
| CN114723667A (zh) | 一种农业精细化种植及灾害预防控制*** | |
| CN115631421A (zh) | 耕地智慧保护方法及保护*** | |
| CN116300608A (zh) | 一种基于大数据的智慧农业远程监控*** | |
| JP2020054289A (ja) | 施設栽培果実の収穫予測システム | |
| CN115294518B (zh) | 一种园艺植物温室精准栽培的智能监控方法及*** | |
| CN113724210A (zh) | 一种作物长势识别方法和*** | |
| CN109598215A (zh) | 一种基于无人机定位拍摄的果园建模分析***和方法 | |
| CN115238237A (zh) | 虫情监测方法、装置及*** | |
| EP3979214A1 (de) | Bekämpfung von schadorganismen | |
| CN113377141A (zh) | 一种人工智能农业自动管理*** | |
| WO2021198731A1 (en) | An artificial-intelligence-based method of agricultural and horticultural plants' physical characteristics and health diagnosing and development assessment. | |
| US20230360189A1 (en) | Method and system of analyzing plant image data and projecting plant growth and health status | |
| CN116818002A (zh) | 一种基于大数据的智慧农业种植监控*** | |
| CN111080616A (zh) | 一种烟叶病虫害监测*** | |
| CN113506017B (zh) | 一种校园用数字园林管养*** | |
| CN114445713A (zh) | 一种多设备联动植保***及方法 |
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 |