CN116228454A - 一种基于大数据的种植管理控制方法、***和可读存储介质 - Google Patents

一种基于大数据的种植管理控制方法、***和可读存储介质 Download PDF

Info

Publication number
CN116228454A
CN116228454A CN202310270637.1A CN202310270637A CN116228454A CN 116228454 A CN116228454 A CN 116228454A CN 202310270637 A CN202310270637 A CN 202310270637A CN 116228454 A CN116228454 A CN 116228454A
Authority
CN
China
Prior art keywords
growth
crops
crop
planting management
index
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
Application number
CN202310270637.1A
Other languages
English (en)
Inventor
耿存智
耿广成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Qitian Grass Seed Breeding Co ltd
Original Assignee
Guangdong Qitian Grass Seed Breeding Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Qitian Grass Seed Breeding Co ltd filed Critical Guangdong Qitian Grass Seed Breeding Co ltd
Priority to CN202310270637.1A priority Critical patent/CN116228454A/zh
Publication of CN116228454A publication Critical patent/CN116228454A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • A01G7/00—Botany in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • 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

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Business, Economics & Management (AREA)
  • Agronomy & Crop Science (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Animal Husbandry (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Botany (AREA)
  • Ecology (AREA)
  • Forests & Forestry (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开的一种基于大数据的种植管理控制方法、***和可读存储介质，所述方法包括：获取检测图像数据；对所述检测图像数据进行图像去噪，得到预处理图像数据；将所述预处理图像数据输入至农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数；根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值；根据所述生长差值对所述农作物的种植管理方法进行动态调整，得到调整后的种植管理方法；根据所述调整后的种植管理方法对农作物进行种植管理。本发明根据农作物的形态特性得到所述农作物当前的生长情况，从而制定相对应的种植管理方法对农作物生长情况进行管理。

Description

一种基于大数据的种植管理控制方法、***和可读存储介质
技术领域
本申请涉及数据处理和数据传输领域，更具体的，涉及一种基于大数据的种植管理控制方法、***和可读存储介质。
背景技术
传统的农作物种植管理主要是通过农民的种植经验结合农作物的生长情况，对农作物进行相应的种植管理。传统的农作物种植管理方法受到人的主观影响，对农作物的生长情况无法准确进行预测，另外，传统的种植管理方法耗时耗力，效率低下。
因此现有技术存在缺陷，急需改进。
发明内容
鉴于上述问题，本发明的目的是提供一种基于大数据的种植管理控制方法、***和可读存储介质，能够更有效更快速的对农作物的种植管理方法进行调整。
本发明第一方面提供了一种基于大数据的种植管理控制方法，包括：
获取检测图像数据；
对所述检测图像数据进行图像去噪，得到预处理图像数据；
将所述预处理图像数据输入至农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数；
根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值；
根据所述生长差值对所述农作物的种植管理方法进行动态调整，得到调整后的种植管理方法；
根据所述调整后的种植管理方法对农作物进行种植管理。
本方案中，将所述预处理图像数据输入至所述农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数，包括：
根据所述预处理图像数据进行分析，得到所述农作物的多个形态特征数据；
将所述多个形态特征数据分别乘以相对应的响应权重，得到多个形态特征数据的权重得分；
将所述多个形态特征数据的权重得分进行求和，得到所述农作物的生长情况指数。
本方案中，在将所述多个形态特征数据分别乘以相对应的响应权重，得到多个形态特征数据的权重得分之前，还包括：
根据历史图像数据的形态特征数据对当前检测图像数据的形态特征进行差异度计算，选取差异度小于第三预设阈值的历史图像数据的形态特征数据进行分析，得到修正值；
将所述修正值与通过模型得到农作物的多个形态特征数据进行相加，得到修正后的农作物的多个形态特征数据。
本方案中，根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值，包括：
获取农作物的生长时间信息；
将所述农作物的生长情况指数和所述农作物的生长时间信息输入至所述农作物的标准生长曲线；
根据所述农作物的标准生长曲线获取相同生长时间下所述农作物的标准生长指数；
将所述农作物的生长情况指数减去相同生长时间下所述农作物的标准生长指数，得到所述农作物生长情况指数的生长差值。
本方案中，根据所述生长差值对所述农作物的种植管理方法进行动态调整，得到调整后的种植管理方法，包括：
判断所述生长差值是否处于第一预设阈值区间；
若大于，则根据所述农作物的生长情况指数对所述农作物的种植管理方法进行调整。
本方案中，还包括：
根据所述生长差值绘制农作物生长差值曲线；
根据所述生长差值曲线计算所述生长差值与前一次检测得到的生长差值的差异值；
判断所述差异值是否处于第二预设阈值区间；
若不处于，则根据实际生长情况对所述农作物的种植管理方法进行调整。
本发明第二方面提供了一种基于大数据的种植管理控制***，包括存储器和处理器，所述存储器中包括基于大数据的种植管理控制方法程序，所述基于大数据的种植管理控制方法程序被所述处理器执行时实现如下步骤：
获取检测图像数据；
对所述检测图像数据进行图像去噪，得到预处理图像数据；
将所述预处理图像数据输入至农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数；
根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值；
根据所述生长差值对所述农作物的种植管理方法进行动态调整，得到调整后的种植管理方法；
根据所述调整后的种植管理方法对农作物进行种植管理。
本方案中，将所述预处理图像数据输入至所述农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数，包括：
根据所述预处理图像数据进行分析，得到所述农作物的多个形态特征数据；
将所述多个形态特征数据分别乘以相对应的响应权重，得到多个形态特征数据的权重得分；
将所述多个形态特征数据的权重得分进行求和，得到所述农作物的生长情况指数。
本方案中，在将所述多个形态特征数据分别乘以相对应的响应权重，得到多个形态特征数据的权重得分之前，还包括：
根据历史图像数据的形态特征数据对当前检测图像数据的形态特征进行差异度计算，选取差异度小于第三预设阈值的历史图像数据的形态特征数据进行分析，得到修正值；
将所述修正值与通过模型得到农作物的多个形态特征数据进行相加，得到修正后的农作物的多个形态特征数据。
本方案中，根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值，包括：
获取农作物的生长时间信息；
将所述农作物的生长情况指数和所述农作物的生长时间信息输入至所述农作物的标准生长曲线；
根据所述农作物的标准生长曲线获取相同生长时间下所述农作物的标准生长指数；
将所述农作物的生长情况指数减去相同生长时间下所述农作物的标准生长指数，得到所述农作物生长情况指数的生长差值。
本方案中，根据所述生长差值对所述农作物的种植管理方法进行动态调整，得到调整后的种植管理方法，包括：
判断所述生长差值是否处于第一预设阈值区间；
若大于，则根据所述农作物的生长情况指数对所述农作物的种植管理方法进行调整。
本方案中，还包括：
根据所述生长差值绘制农作物生长差值曲线；
根据所述生长差值曲线计算所述生长差值与前一次检测得到的生长差值的差异值；
判断所述差异值是否处于第二预设阈值区间；
若不处于，则根据实际生长情况对所述农作物的种植管理方法进行调整。
本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于大数据的种植管理控制方法程序，所述一种基于大数据的种植管理控制方法程序被处理器执行时，实现如上述任一项所述的一种基于大数据的种植管理控制方法的步骤。
本发明公开的一种基于大数据的种植管理控制方法、***和可读存储介质，所述方法包括：获取检测图像数据；对所述检测图像数据进行图像去噪，得到预处理图像数据；将所述预处理图像数据输入至农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数；根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值；根据所述生长差值对所述农作物的种植管理方法进行动态调整，得到调整后的种植管理方法；根据所述调整后的种植管理方法对农作物进行种植管理。本发明根据农作物的形态特性得到所述农作物当前的生长情况，从而制定相对应的种植管理方法对农作物生长情况进行管理。
附图说明
图1示出了本发明一种基于大数据的种植管理控制方法的流程图；
图2示出了本发明一种所述农作物的生长情况指数计算方法的流程图；
图3示出了本发明一种所述农作物当前生长情况指数与标准生长指数之间的生长差值计算方法的流程图；
图4示出了本发明一种基于大数据的种植管理控制***的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于大数据的种植管理控制方法的流程图。
如图1所示，本发明公开了一种基于大数据的种植管理控制方法，包括：
S102，获取检测图像数据；
S104，对所述检测图像数据进行图像去噪，得到预处理图像数据；
S106，将所述预处理图像数据输入至农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数；
S108，根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值；
S110，根据所述生长差值对所述农作物的种植管理方法进行动态调整，
得到调整后的种植管理方法；
S112，根据所述调整后的种植管理方法对农作物进行种植管理。
根据本发明实施例，服务器接收到预设检测装置传输的检测图像数据后，首先对所述检测图像数据进行图像筛选和图像去噪等预处理，防止无关图像或无关因素对检测结果的影响，然后将预处理后的图像数据输入至农作物生长情况检测模型进行分析，计算所有农作物形态特征数据的响应权重数值之和得到所述农作物的生长情况指数。其中，所述农作物生长情况检测模型根据历史检测图像数据建立。然后将所述农作物的生长情况指数输入至所述农作物的标准生长曲线进行分析，得到所述农作物生长情况指数的生长差值。判断所述农作物生长情况指数的生长差值是否处于第一预设阈值区间，若不处于，则根据所述农作物的生长情况指数对所述农作物的种植管理方法进行动态调整。
图2示出了本发明一种所述农作物的生长情况指数计算方法的流程图。
如图2所示，根据本发明实施例，将所述预处理图像数据输入至所述农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数，包括：
S202，根据所述预处理图像数据进行分析，得到所述农作物的多个形态特征数据；
S204，将所述多个形态特征数据分别乘以相对应的响应权重，得到多个形态特征数据的权重得分；
S206，将所述多个形态特征数据的权重得分进行求和，得到所述农作物的生长情况指数。
需要说明的是，农作物的生长情况受多种因素的影响，包括叶片颜色、叶片形状、植株长势、植株形状、开花状态、开花整齐度等，不同的形态特征数据对农作物生长情况的响应权重不同，根据历史检测数据分析可以得到每种形态特征数据相对应的响应权重数值，响应权重数值数值越大，代表其形态特征数据对农作物的生长情况影响越大，通过计算所有形态特征数据的权重得到所述农作物的生长情况指数分，从而判断当前农作物的生长情况。其中，所述多个形态特征数据的取值范围均为0-1，所述形态特征数据相对应的响应权重的取值范围为0-1。
根据本发明实施例，在将所述多个形态特征数据分别乘以相对应的响应权重，得到多个形态特征数据的权重得分之前，还包括：
根据历史图像数据的形态特征数据对当前检测图像数据的形态特征进行差异度计算，选取差异度小于第三预设阈值的历史图像数据的形态特征数据进行分析，得到修正值；
将所述修正值与通过模型得到农作物的多个形态特征数据进行相加，得到修正后的农作物的多个形态特征数据。
需要说明的是，检测图像数据是通过预设检测设备携带的摄像装置拍摄获取的，由于外界或设备自身等因素的影响，在模型分析过程中会存在一定误差，导致数据不准确，因此，在进行计算农作物的生长情况指数之前，根据历史数据对其农作物的形态特征数据进行修正。将选取的历史历史图像数据的形态特征数据分别与当前检测图像数据的形态特征数据进行差值计算，并对得到的差值进行平均化计算，从而得到修正值。其中，所述第三预设阈值为0.05。
图3示出了本发明一种所述农作物当前生长情况指数与标准生长指数之间的生长差值计算方法的流程图。
如图3所示，根据本发明实施例，根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值，包括：
S302，获取农作物的生长时间信息；
S304，将所述农作物的生长情况指数和所述农作物的生长时间信息输入至所述农作物的标准生长曲线；
S306，根据所述农作物的标准生长曲线获取相同生长时间下所述农作物的标准生长指数；
S308，将所述农作物的生长情况指数减去相同生长时间下所述农作物的标准生长指数，得到所述农作物生长情况指数的生长差值。
需要说明的是，所述农作物的标准生长曲线为计算理想环境下所述农作物在各个生长阶段的生长情况指数绘制得到，所述理想环境可以理解为满足所述农作物健康成长的种植环境。所述农作物的生长时间信息为所述农作物从种植到被进行检测的时间信息，将所述时间信息输入至所述农作物的标准生长曲线后，可以得到相同生长时间下所述农作物的标准生长指数。
根据本发明实施例，根据所述生长差值对所述农作物的种植管理方法进行动态调整，得到调整后的种植管理方法，包括：
判断所述生长差值是否处于第一预设阈值区间；
若不处于，则根据所述农作物的生长情况指数对所述农作物的种植管理方法进行调整。
需要说明的是，在农作物生长过程中，其生长情况无法完全满足理想环境下农作物的生长情况，计算得到的生长情况指数会在所述农作物的标准生长曲线进行轻微波动。所述第一预设阈值区间为-0.05—0.05，若所述处于所述第一预设阈值区间，则继续使用之前的种植管理方法对所述农作物进行种植管理；若所述生长差值不处于第一预设阈值区间，则根据所述生长差值以及所述农作物的生长情况指数对所述农作物的种植管理方法进行调整。例如，某农作物计算得到的生长差值为0.1，则表示该农作物当前的生长情况低于该农作物的标准生长曲线，该农作物生长缓慢，缺乏营养元素。可以通过对该农作物的形态特征数据进行分析，判断该农作物缺少营养元素的种类信息，从而对该农作物进行精准施肥，提高该农作物的生长速度。
根据本发明实施例，还包括：
根据所述生长差值绘制农作物生长差值曲线；
根据所述生长差值曲线计算所述生长差值与前一次检测得到的生长差值的差异值；
判断所述差异值是否处于第二预设阈值区间；
若不处于，则根据实际生长情况对所述农作物的种植管理方法进行调整。
需要说明的是，农作物的种植管理主要是通过调整施肥种类和施肥量来对农作物的生长情况进行调整，所述调整方法是根据当前的农作物生长情况对种植方法进行调整，使其保持正常的生长情况，但当前生长情况时通过前一次的检测数据制定的种植方法得到的，若继续使用其管理方法可能会导致肥料摄入过多或过低，因此需要对当前生长差值与前一次检测得到的生长差值进行比较，计算二者的差异值，判断其差异值是否处于第二预设阈值区间来对种植管理方法进行调整，其中所述第二预设阈值区间为-0.1—0.1。例如，当前生长差值为0.02，前一次检测得到的生长差值为-0.1，根据计算得到其生长差值的差异值为0.12，不处于第二预设阈值区间，差异值为正数则表示通过前一次的方法调整使该农作物的生长指数提高，但继续沿用前一次的管理方法可能会导致施肥量过高，对农作物造成危害，因此需要继续对其种植管理方法进行调整，将其前一次调整方法种的肥料使用量，使该农作物的生长环境处于农作物正常的生长环境。
根据本发明实施例，还包括：
获取种植区域的环境信息；
根据所述环境信息进行分析，得到多个环境参数数据；
将所述多个环境参数数据分别乘以相对应的响应权重，得到多个环境参数数据的权重数据；
对所述多个环境参数数据的权重数据进行求和，得到得到种植区域的环境得分；
计算所述环境得分与所述种植区域种植所述农作物的标准环境得到之间的差值；
判断所述差值是否大于第四预设阈值；
若大于，则根据所述种植区域的多个环境参数数据的权重数据对所述农作物的标准生长曲线进行动态调整；若小于或等于，则不进行任何处理。
需要说明的是，所述农作物的标准生长曲线时通过理想环境下农作物在各个生长阶段的生长情况指数绘制得到，但在现实情况中无法完全满足理想环境的要求，从而造成农作物的生长情况指数与农作物的标准生长曲线中的生长情况指数存在差异值。农作物的生长环境受地形地貌、温度、天气等多方面的影响，因此需要结合种植区域的实际环境情况对所述种植区域种植的农作物的标准生长曲线进行动态调整。其中，不同的环境因素对农作物生长情况的响应权重不同，数值越大代表其环境因素对农作物生长情况的影响越大。其中，所述所述农作物的标准环境为1，所述第四预设阈值为0.1。
根据本发明实施例，还包括：
获取土壤近红外光谱图像数据；
根据所述土壤近红外光谱图像数据进行分析，得到种植区域的土壤元素含量数据；
判断所述土壤元素含量数据是否预处第五预设阈值区间；
若否，则根据所述土壤元素含量数据生成相对应的调整方法，并根据所述调整方法对所述种植区域的土壤元素含量进行调整。
需要说明的是，农作物在不同生长阶段所需的营养元素不同，通过预设检测设备携带的近红外光谱检测装置可以获取待检测位置的土壤近红外光谱图像数据。其中，所述种植区域的土壤元素含量数据为土壤中对农作物生长有影响的土壤元素含量，例如氮、磷、钾等等，通过计算所述种植区域的土壤元素含量数据是否预处第五预设阈值区间从而对所述种植区域进行施肥管理，所述第五预设阈值区间根据当前种植的农作物在不同生长阶段所需的营养元素进行动态调整。其中，根据所述土壤元素含量数据生成相对应的调整方法可以是浇水稀释、向土壤中施加微生物肥料等。
根据本发明实施例，还包括：
获取种植区域的坐标数据；
根据所述种植区域的坐标数据随机生成检测坐标数据；
将所述检测坐标数据发送至预设检测装置，以进行数据检测。
需要说明的是，所述预设检测装置可以是无人机终端，服务器根据所述无人机终端提供的坐标数据进行分析，得到种植区域的的坐标数据。服务器以预设时间间隔(24H)在种植区域内随机生成检测坐标数据，并结合坐标数据生成时间制定采集计划，并将所述采集计划发送至预设检测装置，也就是无人机终端。所述无人机终端根据接收的采集计划在指定种植区域内进行检测图像数据采集。
根据本发明实施例，还包括：
获取当前农作物的种植时间和所述种植区域的历史天气数据；
根据所述当前农作物的种植时间结合种植农作物种类信息对所述种植区域的历史天气数据进行分析，得到所述种植区域内所述农作物生长周期的历史平均异常天气数据；
判断所述历史平均异常天气数据是否大于第六预设阈值；
若大于，则根据所述历史平均异常天气数据对种植管理方法进行动态调整。
需要说明的是，高温炎热或洪涝等异常天气会严重影响农作物的生长情况，降低农作物的产量，可以通过对所述种植区域的历史天气数据进行分析，得到所述种植区域的历史平均异常天气数据，所述历史平均异常天气数据包括异常天气类别、异常天气初始时间、结束时间等。其中，所述第六预设阈值为满足所述农作物需求的最低异常天气类别及其持续时间数值，所述第六预设阈值根据农作物的生长区间进行动态调整。然后判断所述历史平均异常天气数据是否大于第六预设阈值，若小于或等于，则不做任何处理；若大于，则根据所述历史平均异常天气数据对种植管理方法进行动态调整。例如，某种植区域的历史天气数据内平均高温炎热的天气持续时间大于第六预设阈值，无法满足所述种植区域内农作物的基本生长需求，则提前提醒用户进行喷灌、滴灌等灌溉设备的修建，在必要情况下可以建议用户进行人工降雨作业，同时也可以使用一些化学药剂来减轻高温炎热天气对农作物的危害。
图4示出了本发明一种基于大数据的种植管理控制***的框图。
如图4所示，本发明第二方面提供了一种基于大数据的种植管理控制***4，包括存储器41和处理器42，所述存储器中包括基于大数据的种植管理控制方法程序，所述基于大数据的种植管理控制方法程序被所述处理器执行时实现如下步骤：
获取检测图像数据；
对所述检测图像数据进行图像去噪，得到预处理图像数据；
将所述预处理图像数据输入至农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数；
根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值；
根据所述生长差值对所述农作物的种植管理方法进行动态调整，得到调整后的种植管理方法；
根据所述调整后的种植管理方法对农作物进行种植管理。
根据本发明实施例，服务器接收到预设检测装置传输的检测图像数据后，首先对所述检测图像数据进行图像筛选和图像去噪等预处理，防止无关图像或无关因素对检测结果的影响，然后将预处理后的图像数据输入至农作物生长情况检测模型进行分析，计算所有农作物形态特征数据的响应权重数值之和得到所述农作物的生长情况指数。其中，所述农作物生长情况检测模型根据历史检测图像数据建立。然后将所述农作物的生长情况指数输入至所述农作物的标准生长曲线进行分析，得到所述农作物生长情况指数的生长差值。判断所述农作物生长情况指数的生长差值是否处于第一预设阈值区间，若不处于，则根据所述农作物的生长情况指数对所述农作物的种植管理方法进行动态调整。
根据本发明实施例，将所述预处理图像数据输入至所述农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数，包括：
根据所述预处理图像数据进行分析，得到所述农作物的多个形态特征数据；
将所述多个形态特征数据分别乘以相对应的响应权重，得到多个形态特征数据的权重得分；
将所述多个形态特征数据的权重得分进行求和，得到所述农作物的生长情况指数。
需要说明的是，农作物的生长情况受多种因素的影响，包括叶片颜色、叶片形状、植株长势、植株形状、开花状态、开花整齐度等，不同的形态特征数据对农作物生长情况的响应权重不同，根据历史检测数据分析可以得到每种形态特征数据相对应的响应权重数值，响应权重数值数值越大，代表其形态特征数据对农作物的生长情况影响越大，通过计算所有形态特征数据的权重得到所述农作物的生长情况指数分，从而判断当前农作物的生长情况。其中，所述多个形态特征数据的取值范围均为0-1，所述形态特征数据相对应的响应权重的取值范围为0-1。
根据本发明实施例，在将所述多个形态特征数据分别乘以相对应的响应权重，得到多个形态特征数据的权重得分之前，还包括：
根据历史图像数据的形态特征数据对当前检测图像数据的形态特征进行差异度计算，选取差异度小于第三预设阈值的历史图像数据的形态特征数据进行分析，得到修正值；
将所述修正值与通过模型得到农作物的多个形态特征数据进行相加，得到修正后的农作物的多个形态特征数据。
需要说明的是，检测图像数据是通过预设检测设备携带的摄像装置拍摄获取的，由于外界或设备自身等因素的影响，在模型分析过程中会存在一定误差，导致数据不准确，因此，在进行计算农作物的生长情况指数之前，根据历史数据对其农作物的形态特征数据进行修正。将选取的历史历史图像数据的形态特征数据分别与当前检测图像数据的形态特征数据进行差值计算，并对得到的差值进行平均化计算，从而得到修正值。其中，所述第三预设阈值为0.05。
根据本发明实施例，根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值，包括：
获取农作物的生长时间信息；
将所述农作物的生长情况指数和所述农作物的生长时间信息输入至所述农作物的标准生长曲线；
根据所述农作物的标准生长曲线获取相同生长时间下所述农作物的标准生长指数；
将所述农作物的生长情况指数减去相同生长时间下所述农作物的标准生长指数，得到所述农作物生长情况指数的生长差值。
需要说明的是，所述农作物的标准生长曲线为计算理想环境下所述农作物在各个生长阶段的生长情况指数绘制得到，所述理想环境可以理解为满足所述农作物健康成长的种植环境。所述农作物的生长时间信息为所述农作物从种植到被进行检测的时间信息，将所述时间信息输入至所述农作物的标准生长曲线后，可以得到相同生长时间下所述农作物的标准生长指数。
根据本发明实施例，根据所述生长差值对所述农作物的种植管理方法进行动态调整，得到调整后的种植管理方法，包括：
判断所述生长差值是否处于第一预设阈值区间；
若不处于，则根据所述农作物的生长情况指数对所述农作物的种植管理方法进行调整。
需要说明的是，在农作物生长过程中，其生长情况无法完全满足理想环境下农作物的生长情况，计算得到的生长情况指数会在所述农作物的标准生长曲线进行轻微波动。所述第一预设阈值区间为-0.05—0.05，若所述处于所述第一预设阈值区间，则继续使用之前的种植管理方法对所述农作物进行种植管理；若所述生长差值不处于第一预设阈值区间，则根据所述生长差值以及所述农作物的生长情况指数对所述农作物的种植管理方法进行调整。例如，某农作物计算得到的生长差值为0.1，则表示该农作物当前的生长情况低于该农作物的标准生长曲线，该农作物生长缓慢，缺乏营养元素。可以通过对该农作物的形态特征数据进行分析，判断该农作物缺少营养元素的种类信息，从而对该农作物进行精准施肥，提高该农作物的生长速度。
根据本发明实施例，还包括：
根据所述生长差值绘制农作物生长差值曲线；
根据所述生长差值曲线计算所述生长差值与前一次检测得到的生长差值的差异值；
判断所述差异值是否处于第二预设阈值区间；
若不处于，则根据实际生长情况对所述农作物的种植管理方法进行调整。
需要说明的是，农作物的种植管理主要是通过调整施肥种类和施肥量来对农作物的生长情况进行调整，所述调整方法是根据当前的农作物生长情况对种植方法进行调整，使其保持正常的生长情况，但当前生长情况时通过前一次的检测数据制定的种植方法得到的，若继续使用其管理方法可能会导致肥料摄入过多或过低，因此需要对当前生长差值与前一次检测得到的生长差值进行比较，计算二者的差异值，判断其差异值是否处于第二预设阈值区间来对种植管理方法进行调整，其中所述第二预设阈值区间为-0.1—0.1。例如，当前生长差值为0.02，前一次检测得到的生长差值为-0.1，根据计算得到其生长差值的差异值为0.12，不处于第二预设阈值区间，差异值为正数则表示通过前一次的方法调整使该农作物的生长指数提高，但继续沿用前一次的管理方法可能会导致施肥量过高，对农作物造成危害，因此需要继续对其种植管理方法进行调整，将其前一次调整方法种的肥料使用量，使该农作物的生长环境处于农作物正常的生长环境。
根据本发明实施例，还包括：
获取种植区域的环境信息；
根据所述环境信息进行分析，得到多个环境参数数据；
将所述多个环境参数数据分别乘以相对应的响应权重，得到多个环境参数数据的权重数据；
对所述多个环境参数数据的权重数据进行求和，得到得到种植区域的环境得分；
计算所述环境得分与所述种植区域种植所述农作物的标准环境得到之间的差值；
判断所述差值是否大于第四预设阈值；
若大于，则根据所述种植区域的多个环境参数数据的权重数据对所述农作物的标准生长曲线进行动态调整；若小于或等于，则不进行任何处理。
需要说明的是，所述农作物的标准生长曲线时通过理想环境下农作物在各个生长阶段的生长情况指数绘制得到，但在现实情况中无法完全满足理想环境的要求，从而造成农作物的生长情况指数与农作物的标准生长曲线中的生长情况指数存在差异值。农作物的生长环境受地形地貌、温度、天气等多方面的影响，因此需要结合种植区域的实际环境情况对所述种植区域种植的农作物的标准生长曲线进行动态调整。其中，不同的环境因素对农作物生长情况的响应权重不同，数值越大代表其环境因素对农作物生长情况的影响越大。其中，所述所述农作物的标准环境为1，所述第四预设阈值为0.1。
根据本发明实施例，还包括：
获取土壤近红外光谱图像数据；
根据所述土壤近红外光谱图像数据进行分析，得到种植区域的土壤元素含量数据；
判断所述土壤元素含量数据是否预处第五预设阈值区间；
若否，则根据所述土壤元素含量数据生成相对应的调整方法，并根据所述调整方法对所述种植区域的土壤元素含量进行调整。
需要说明的是，农作物在不同生长阶段所需的营养元素不同，通过预设检测设备携带的近红外光谱检测装置可以获取待检测位置的土壤近红外光谱图像数据。其中，所述种植区域的土壤元素含量数据为土壤中对农作物生长有影响的土壤元素含量，例如氮、磷、钾等等，通过计算所述种植区域的土壤元素含量数据是否预处第五预设阈值区间从而对所述种植区域进行施肥管理，所述第五预设阈值区间根据当前种植的农作物在不同生长阶段所需的营养元素进行动态调整。其中，根据所述土壤元素含量数据生成相对应的调整方法可以是浇水稀释、向土壤中施加微生物肥料等。
根据本发明实施例，还包括：
获取种植区域的坐标数据；
根据所述种植区域的坐标数据随机生成检测坐标数据；
将所述检测坐标数据发送至预设检测装置，以进行数据检测。
需要说明的是，所述预设检测装置可以是无人机终端，服务器根据所述无人机终端提供的坐标数据进行分析，得到种植区域的的坐标数据。服务器以预设时间间隔(24H)在种植区域内随机生成检测坐标数据，并结合坐标数据生成时间制定采集计划，并将所述采集计划发送至预设检测装置，也就是无人机终端。所述无人机终端根据接收的采集计划在指定种植区域内进行检测图像数据采集。
根据本发明实施例，还包括：
获取当前农作物的种植时间和所述种植区域的历史天气数据；
根据所述当前农作物的种植时间结合种植农作物种类信息对所述种植区域的历史天气数据进行分析，得到所述种植区域内所述农作物生长周期的历史平均异常天气数据；
判断所述历史平均异常天气数据是否大于第六预设阈值；
若大于，则根据所述历史平均异常天气数据对种植管理方法进行动态调整。
需要说明的是，高温炎热或洪涝等异常天气会严重影响农作物的生长情况，降低农作物的产量，可以通过对所述种植区域的历史天气数据进行分析，得到所述种植区域的历史平均异常天气数据，所述历史平均异常天气数据包括异常天气类别、异常天气初始时间、结束时间等。其中，所述第六预设阈值为满足所述农作物需求的最低异常天气类别及其持续时间数值，所述第六预设阈值根据农作物的生长区间进行动态调整。然后判断所述历史平均异常天气数据是否大于第六预设阈值，若小于或等于，则不做任何处理；若大于，则根据所述历史平均异常天气数据对种植管理方法进行动态调整。例如，某种植区域的历史天气数据内平均高温炎热的天气持续时间大于第六预设阈值，无法满足所述种植区域内农作物的基本生长需求，则提前提醒用户进行喷灌、滴灌等灌溉设备的修建，在必要情况下可以建议用户进行人工降雨作业，同时也可以使用一些化学药剂来减轻高温炎热天气对农作物的危害。
本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于大数据的种植管理控制方法程序，所述一种基于大数据的种植管理控制方法程序被处理器执行时，实现如上述任一项所述的一种基于大数据的种植管理控制方法的步骤。
本发明公开的一种基于大数据的种植管理控制方法、***和可读存储介质，所述方法包括：获取检测图像数据；对所述检测图像数据进行图像去噪，得到预处理图像数据；将所述预处理图像数据输入至农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数；根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值；根据所述生长差值对所述农作物的种植管理方法进行动态调整，得到调整后的种植管理方法；根据所述调整后的种植管理方法对农作物进行种植管理。本发明根据农作物的形态特性得到所述农作物当前的生长情况，从而制定相对应的种植管理方法对农作物生长情况进行管理。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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(可以是个人计算机、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。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种基于大数据的种植管理控制方法，其特征在于，包括：
获取检测图像数据；
对所述检测图像数据进行图像去噪，得到预处理图像数据；
将所述预处理图像数据输入至农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数；
根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值；
根据所述生长差值对所述农作物的种植管理方法进行动态调整，得到调整后的种植管理方法；
根据所述调整后的种植管理方法对农作物进行种植管理。
2.根据权利要求1所述的一种基于大数据的种植管理控制方法，其特征在于，将所述预处理图像数据输入至所述农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数，包括：
根据所述预处理图像数据进行分析，得到所述农作物的多个形态特征数据；
将所述多个形态特征数据分别乘以相对应的响应权重，得到多个形态特征数据的权重得分；
将所述多个形态特征数据的权重得分进行求和，得到所述农作物的生长情况指数。
3.根据权利要求2所述的一种基于大数据的种植管理控制方法，其特征在于，在将所述多个形态特征数据分别乘以相对应的响应权重，得到多个形态特征数据的权重得分之前，还包括：
根据历史图像数据的形态特征数据对当前检测图像数据的形态特征进行差异度计算，选取差异度小于第三预设阈值的历史图像数据的形态特征数据进行分析，得到修正值；
将所述修正值与通过模型得到农作物的多个形态特征数据进行相加，得到修正后的农作物的多个形态特征数据。
4.根据权利要求1所述的一种基于大数据的种植管理控制方法，其特征在于，根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值，包括：
获取农作物的生长时间信息；
将所述农作物的生长情况指数和所述农作物的生长时间信息输入至所述农作物的标准生长曲线；
根据所述农作物的标准生长曲线获取相同生长时间下所述农作物的标准生长指数；
将所述农作物的生长情况指数减去相同生长时间下所述农作物的标准生长指数，得到所述农作物生长情况指数的生长差值。
5.根据权利要求1所述的一种基于大数据的种植管理控制方法，其特征在于，根据所述生长差值对所述农作物的种植管理方法进行动态调整，得到调整后的种植管理方法，包括：
判断所述生长差值是否处于第一预设阈值区间；
若大于，则根据所述农作物的生长情况指数对所述农作物的种植管理方法进行调整。
6.根据权利要求1所述的一种基于大数据的种植管理控制方法，其特征在于，还包括：
根据所述生长差值绘制农作物生长差值曲线；
根据所述生长差值曲线计算所述生长差值与前一次检测得到的生长差值的差异值；
判断所述差异值是否处于第二预设阈值区间；
若不处于，则根据实际生长情况对所述农作物的种植管理方法进行调整。
7.一种基于大数据的种植管理控制***，其特征在于，包括存储器和处理器，所述存储器中包括基于大数据的种植管理控制方法程序，所述基于大数据的种植管理控制方法程序被所述处理器执行时实现如下步骤：
获取检测图像数据；
对所述检测图像数据进行图像去噪，得到预处理图像数据；
将所述预处理图像数据输入至农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数；
根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值；
根据所述生长差值对所述农作物的种植管理方法进行动态调整，得到调整后的种植管理方法；
根据所述调整后的种植管理方法对农作物进行种植管理。
8.根据权利要求7所述的一种基于大数据的种植管理控制***，其特征在于，将所述预处理图像数据输入至所述农作物生长情况检测模型进行分析，得到所述农作物的生长情况指数，包括：
根据所述预处理图像数据进行分析，得到所述农作物的多个形态特征数据；
将所述多个形态特征数据分别乘以相对应的响应权重，得到多个形态特征数据的权重得分；
将所述多个形态特征数据的权重得分进行求和，得到所述农作物的生长情况指数。
9.根据权利要求7所述的一种基于大数据的种植管理控制***，其特征在于，根据所述农作物的生长情况指数进行计算，得到所述农作物当前生长情况指数与标准生长指数之间的生长差值，包括：
获取农作物的生长时间信息；
将所述农作物的生长情况指数和所述农作物的生长时间信息输入至所述农作物的标准生长曲线；
根据所述农作物的标准生长曲线获取相同生长时间下所述农作物的标准生长指数；
将所述农作物的生长情况指数减去相同生长时间下所述农作物的标准生长指数，得到所述农作物生长情况指数的生长差值。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种基于大数据的种植管理控制方法程序，所述一种基于大数据的种植管理控制方法程序被处理器执行时，实现如权利要求1至6中任一项所述的一种基于大数据的种植管理控制方法的步骤。
CN202310270637.1A 2023-03-20 2023-03-20 一种基于大数据的种植管理控制方法、***和可读存储介质 Pending CN116228454A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310270637.1A CN116228454A (zh) 2023-03-20 2023-03-20 一种基于大数据的种植管理控制方法、***和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310270637.1A CN116228454A (zh) 2023-03-20 2023-03-20 一种基于大数据的种植管理控制方法、***和可读存储介质

Publications (1)

Publication Number Publication Date
CN116228454A true CN116228454A (zh) 2023-06-06

Family

ID=86576838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310270637.1A Pending CN116228454A (zh) 2023-03-20 2023-03-20 一种基于大数据的种植管理控制方法、***和可读存储介质

Country Status (1)

Country Link
CN (1) CN116228454A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117934936A (zh) * 2024-01-23 2024-04-26 广东省农业科学院农业生物基因研究中心 一种基于物联网的农作物生长环境监测分析***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110455340A (zh) * 2019-08-21 2019-11-15 池州市农产品质量安全监测中心 一种基于大数据的农产品种植环境检测***
CN110827269A (zh) * 2019-11-11 2020-02-21 深圳前海微众银行股份有限公司 农作物生长变化状况检测方法、装置、设备及介质
CN113034301A (zh) * 2021-01-29 2021-06-25 绍兴隆芙力智能科技发展有限公司 一种农作物生长管理***及方法
CN114743100A (zh) * 2022-04-06 2022-07-12 布瑞克(苏州)农业互联网股份有限公司 一种农产品长势监测方法和***
CN115204689A (zh) * 2022-07-19 2022-10-18 郑州航空工业管理学院 一种基于图像处理的智慧农业管理***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110455340A (zh) * 2019-08-21 2019-11-15 池州市农产品质量安全监测中心 一种基于大数据的农产品种植环境检测***
CN110827269A (zh) * 2019-11-11 2020-02-21 深圳前海微众银行股份有限公司 农作物生长变化状况检测方法、装置、设备及介质
CN113034301A (zh) * 2021-01-29 2021-06-25 绍兴隆芙力智能科技发展有限公司 一种农作物生长管理***及方法
CN114743100A (zh) * 2022-04-06 2022-07-12 布瑞克(苏州)农业互联网股份有限公司 一种农产品长势监测方法和***
CN115204689A (zh) * 2022-07-19 2022-10-18 郑州航空工业管理学院 一种基于图像处理的智慧农业管理***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
袁树友: "《北斗应用100例》", 30 June 2017, pages: 97 - 98 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117934936A (zh) * 2024-01-23 2024-04-26 广东省农业科学院农业生物基因研究中心 一种基于物联网的农作物生长环境监测分析***

Similar Documents

Publication Publication Date Title
CN110909679B (zh) 冬小麦历史种植区的休耕轮作信息遥感识别方法及***
WO2018133353A1 (zh) 一种营养液的控制方法及控制装置
CN113229123A (zh) 农作物智能灌溉方法、装置、设备及存储介质
CN113469112B (zh) 农作物生长状况图像识别方法及***
CN116228454A (zh) 一种基于大数据的种植管理控制方法、***和可读存储介质
CN115938083B (zh) 一种基于移动终端农业监测预警方法及***
CN116458314A (zh) 一种农田水肥控制方法、装置、存储介质及电子设备
CN116453060A (zh) 一种面向植物种植的智慧施药决策可行性评估***
CN113379188B (zh) 基于物联网的烟草轮作种植方法和***
CN111178437A (zh) 一种施肥方法及计算机可读存储介质
CN114219227A (zh) 一种精准施肥决策及地块级展示方法和***
CN117314024A (zh) 一种智慧农业病虫害云平台
CN113377141A (zh) 一种人工智能农业自动管理***
CN116453003B (zh) 一种基于无人机监测智能识别水稻生长势的方法和***
CN116523149A (zh) 微小害虫防治适期预测方法、装置、电子设备和存储介质
CN113743790B (zh) 一种有助于盐碱地稻米品质提升的方法、***及存储介质
CN114821253B (zh) 一种喷滴灌水肥一体化***的适用性调控方法及***
CN113010529A (zh) 基于知识图谱的作物管理方法和装置
CN116897670B (zh) 作物施肥方法、装置、电子设备和存储介质
CN118246974B (zh) 一种基于云计算的智慧农业种植控制方法及***
CN115349340B (zh) 基于人工智能的高粱施肥控制方法及***
CN111143601A (zh) 一种图像处理方法
CN115239513B (zh) 一种应用于乡村振兴服务的共享农场智能经营***
CN115861827B (zh) 作物水肥胁迫的决策方法、装置及手机终端
US20220129997A1 (en) Systems and methods for crop management

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