CN116818002A - 一种基于大数据的智慧农业种植监控*** - Google Patents
一种基于大数据的智慧农业种植监控*** Download PDFInfo
- Publication number
- CN116818002A CN116818002A CN202310154883.0A CN202310154883A CN116818002A CN 116818002 A CN116818002 A CN 116818002A CN 202310154883 A CN202310154883 A CN 202310154883A CN 116818002 A CN116818002 A CN 116818002A
- Authority
- CN
- China
- Prior art keywords
- soil
- module
- data
- data processing
- acquisition module
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 239000002689 soil Substances 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 62
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 16
- 229910002092 carbon dioxide Inorganic materials 0.000 claims abstract description 13
- 239000001569 carbon dioxide Substances 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 12
- 235000011389 fruit/vegetable juice Nutrition 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000007170 pathology Effects 0.000 claims description 3
- 238000005086 pumping Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 201000010099 disease Diseases 0.000 abstract description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 5
- 241000607479 Yersinia pestis Species 0.000 abstract description 4
- 241000238631 Hexapoda Species 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000002411 adverse Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 6
- 238000012271 agricultural production Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010801 machine learning Methods 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的智慧农业种植监控***,本发明涉及农业种植监控技术领域,现提出如下方案,气体信息采集单元、土壤信息采集单元、作物信息采集单元,以及大数据监控单元;所述气体信息采集单元中涵盖有二氧化碳采集模块、空气温度采集模块、空气湿度采集模块。本发明通过从气体信息采集、土壤信息采集、作物信息采集三个方面收集种植物的内在、外在生长影响因素,利用收集到的因素数据输送到中央数据处理模块中与大数据进行配合处理,通过图片图像数据和文本数据与大数据库中的数据进行比对,实现能够监控作物生长过程中的有利和不利因素的效果,而对于作物本身的监控效果能够及时获取作物是否病虫害以及病虫害程度。
Description
技术领域
本发明涉及农业种植监控技术领域,具体涉及一种基于大数据的智慧农业种植监控***。
背景技术
农业种植监控***通常理解为是通过在农业生产现场部署摄像机、传感器、采集器等物联网设备,通过搭建“物联网”监控网络,利用现代信息技术,依靠电脑或手机终端,实现对农业生产现场气候环境,土壤状况,作物长势,病虫害情况的实时监测;并根据预设规则,对现场各种农业设施设备进行远程自动化控制,实现农业生产环节的海量数据采集与精准控制执行。
而在进入新时代农业发展中,以高效集约为特征的精准农业已成为发达国家现代农业的重要生产形式,依托大数据和先验知识基础的机器学习、深度学习等人工智能技术创新不断提升数据分析处理能力、数据挖掘能力和辅助决策能力,核心是通过大数据的应用来降低现代农业发展过程中的试错成本,提高决策的准确性、时效性,精准农业不仅带来高产,更重要的是提高生产效率。在同样产量的前提上,减少投入;在减少投入的前提上,提高产量。只有投入和产出成正比才能获得收益。
而从农业发展的角度来看,大数据与农业种植监控***结合是必行的趋势,但是现有的农业种植监控***中往往只能实现物联网,即监控***获得的作物信息只能收集到到物联网终端上,而无法与云端的大数据库相互连接的话,这些收集到的作物信息就不能通过云端进行数据分析,如,作物可能存在病虫害、土壤养分流失、生长环境不适宜等情况时,通过云端远程分析能够有效避免作物生长收到影响,因此,本领域技术人员提出一种基于大数据的智慧农业种植监控***。
发明内容
针对上述缺陷,本发明所要解决的技术问题在于提供一种基于大数据的智慧农业种植监控***,包括:气体信息采集单元、土壤信息采集单元、作物信息采集单元,以及大数据监控单元;
所述气体信息采集单元中涵盖有二氧化碳采集模块、空气温度采集模块、空气湿度采集模块;
所述土壤信息采集单元中涵盖有土壤温度采集模块、土壤湿度采集模块、土壤酸碱值采集模块、土壤导电率采集模块;
所述作物信息采集单元中涵盖有图像采集模块、气味采集模块、作物汁液检验采集模块;
所述大数据监控单元中涵盖有植物大数据库、通信模块、中央数处理模块、数据显示模块。
在上述一种基于大数据的智慧农业种植监控***的技术方案中,优选地,所述气体信息采集单元的各个模块具体为:
二氧化碳采集模块,与中央数据处理模块连接,利用二氧化碳捕获设备采集,用于定期定量收集作物生长环境中的二氧化碳含量;
空气温度采集模块,与中央数据处理模块连接,通过利用空气温度传感器采集作物的生长空气温度;
空气湿度采集模块,与中央数据处理模块连接,通过空气湿度传感器采集作物生长的空气湿度。
在上述一种基于大数据的智慧农业种植监控***的技术方案中,优选地,所述土壤信息采集单元的各个模块中具体有:
土壤温度采集模块,与中央数据处理模块连接,通过土壤温度传感器采集作物生长土壤的温度;
土壤湿度采集模块,与中央数据处理模块连接,通过土壤湿度传感器采集作物生长土壤的湿度数据;
土壤酸碱值采集模块,与中央数据处理模块连接,通过土壤酸碱值加测技术采集作物生长土壤的PH值数据;
土壤导电率采集模块,与中央数据处理模块连接,通过土壤盐分速测仪采集作物生长土壤的导电率数据。
在上述一种基于大数据的智慧农业种植监控***的技术方案中,优选地,所述作物信息采集单元的各个模块中具体有:
图像采集模块,与中央数据处理模块连接,通过工业摄像机拍摄多组作物图片数据;
气味采集模块,与中央数据处理模块连接,通过将作物释放的气体抽进反应气室,检测作物释放出的有害气体成分;
作物汁液检验采集模块,与中央数据处理模块连接,通过压榨样本作物的汁液送检获取作物的内在病理数据。
在上述一种基于大数据的智慧农业种植监控***的技术方案中,优选地,所述大数据监控单元中的各模块具体有:
植物大数据库,与云端大数据库连接,用以提供中央数据处理模块对比数据;
通信模块,与中央数据处理模块通过网络连接,用以联通大数据库和中央数据处理模块;
中央数据处理模块,与气体信息采集单元、土壤信息采集单元、作物信息采集单元之间通过物联网、局域网连接,用以控制各个单元完成对作物的监控工作;
数据显示模块,与中央数据控制模块连接,用以显示处理后的作物监控信息。
在上述一种基于大数据的智慧农业种植监控***的技术方案中,优选地,所述气体信息采集单元、土壤信息采集单元、作物信息采集单元中采集到的信息分为图片图像数据和文本数据;
其中,中央数据处理模块对图片图像数据进行处理的流程具体如下:
S1:随机从图片图像数据中取N个构成一个数据集,对于数据集里的任意图像构造正例,形成两个图像增强视图,并分别经过上下两个分枝,对增强图像做非线性变换;
S2:经过特征编码器,经CNN转换将提取增强图像对应的特征表示hi,同时图像中的模型结构以fθ(x)表示,并将另一个增强图像非线性变换后的结构特征表示为gθ(·)表示,进一步将特征表示hi映射成另外一个空间里的向量Zi,而在图像经过两次非线性变换后,对于数据集中的某一张图像x来说,提取出来的两个图像增强视图则分别表示为xi和xj,此时定义合适的损失函数,并且需要一个度量函数,以判断两个向量在投影空间里的距离远近,而某一张图像x的向量间相似性:
S3:在步骤S2的基础上,而某一张图像x的InfoNCE损失表示为:
其中,Zi,则代表两个样本的表示向量,而在优化过程中,通过InfoNCE损失函数指引,就能训练模型,以达成样本图片与大数据图片数据进行比对的效果。
在上述一种基于大数据的智慧农业种植监控***的技术方案中,优选地,所述中央数据处理模块对文本数据进行处理的流程具体如下:
S1:计算文本数据的正态分布,设定文本数据为x,而μ为x的平均值,σ为x的标准差,x的正态分布计算公式:
其中,σ越大,x偏离均值μ的程度就越大,且方差是标准差的平方。标准差和方差在离散程度上可以互换。
由上述技术方案可知,本发明提供一种基于大数据的智慧农业种植监控***与现有技术相比,本发明具有以下有益效果:
本发明通过从气体信息采集、土壤信息采集、作物信息采集三个方面收集种植物的内在、外在生长影响因素,利用收集到的因素数据输送到中央数据处理模块中与大数据进行配合处理,通过图片图像数据和文本数据与大数据库中的数据进行比对,实现能够监控作物生长过程中的有利和不利因素的效果,而对于作物本身的监控效果能够及时获取作物是否病虫害以及病虫害程度。
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,下面将对本发明实施例或现有技术描述中所需要使用的附图做出简单地介绍和说明。显而易见地,下面描述中的附图仅仅是本发明的部分实施例,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为本发明中一种基于大数据的智慧农业种植监控***示意图。
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,以下所描述的实施例仅仅是本发明的一部分实施例,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。
为了对本发明的技术方案和实现方式做出更清楚地解释和说明,以下介绍实现本发明技术方案的几个优选的具体实施例。
需要说明的是,当元件被称为“固定于”或“设置于”另一个元件上,它可以直接在另一个元件上或者间接设置在另一个元件上;当一个元件被称为是“连接于”另一个元件,它可以是直接连接到另一个元件或间接连接至另一个元件上。
另外,本文中的术语:“内、外”,“前、后”,“左、右”,“竖直、水平”,“顶、底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
具体实施例1
气体信息采集单元中涵盖有二氧化碳采集模块、空气温度采集模块、空气湿度采集模块。
二氧化碳采集模块,与中央数据处理模块连接,利用二氧化碳捕获设备采集,用于定期定量收集作物生长环境中的二氧化碳含量;空气温度采集模块,与中央数据处理模块连接,通过利用空气温度传感器采集作物的生长空气温度;空气湿度采集模块,与中央数据处理模块连接,通过空气湿度传感器采集作物生长的空气湿度。
土壤信息采集单元中涵盖有土壤温度采集模块、土壤湿度采集模块、土壤酸碱值采集模块、土壤导电率采集模块。
土壤温度采集模块,与中央数据处理模块连接,通过土壤温度传感器采集作物生长土壤的温度;土壤湿度采集模块,与中央数据处理模块连接,通过土壤湿度传感器采集作物生长土壤的湿度数据;土壤酸碱值采集模块,与中央数据处理模块连接,通过土壤酸碱值加测技术采集作物生长土壤的PH值数据;土壤导电率采集模块,与中央数据处理模块连接,通过土壤盐分速测仪采集作物生长土壤的导电率数据。
作物信息采集单元中涵盖有图像采集模块、气味采集模块、作物汁液检验采集模块。
图像采集模块,与中央数据处理模块连接,通过工业摄像机拍摄多组作物图片数据;气味采集模块,与中央数据处理模块连接,通过将作物释放的气体抽进反应气室,检测作物释放出的有害气体成分;作物汁液检验采集模块,与中央数据处理模块连接,通过压榨样本作物的汁液送检获取作物的内在病理数据。
大数据监控单元中涵盖有植物大数据库、通信模块、中央数处理模块、数据显示模块。
植物大数据库,与云端大数据库连接,用以提供中央数据处理模块对比数据;通信模块,与中央数据处理模块通过网络连接,用以联通大数据库和中央数据处理模块;中央数据处理模块,与气体信息采集单元、土壤信息采集单元、作物信息采集单元之间通过物联网、局域网连接,用以控制各个单元完成对作物的监控工作;数据显示模块,与中央数据控制模块连接,用以显示处理后的作物监控信息。
具体实施例2
中央数据处理模块对图片图像数据进行处理的流程具体如下:
S1:随机从图片图像数据中取N个构成一个数据集,对于数据集里的任意图像构造正例,形成两个图像增强视图,并分别经过上下两个分枝,对增强图像做非线性变换;
S2:经过特征编码器,经CNN转换将提取增强图像对应的特征表示hi,同时图像中的模型结构以fθ(x)表示,并将另一个增强图像非线性变换后的结构特征表示为gθ(·)表示,进一步将特征表示hi映射成另外一个空间里的向量Zi,而在图像经过两次非线性变换后,对于数据集中的某一张图像x来说,提取出来的两个图像增强视图则分别表示为xi和xj,此时定义合适的损失函数,并且需要一个度量函数,以判断两个向量在投影空间里的距离远近,而某一张图像x的向量间相似性:
S3:在步骤S2的基础上,而某一张图像x的InfoNCE损失表示为:
其中,Zi,则代表两个样本的表示向量,而在优化过程中,通过InfoNCE损失函数指引,就能训练模型,以达成样本图片与大数据图片数据进行比对的效果。
中央数据处理模块对文本数据进行处理的流程具体如下:
S1:计算文本数据的正态分布,设定文本数据为x,而μ为x的平均值,σ为x的标准差,x的正态分布计算公式:
其中,σ越大,x偏离均值μ的程度就越大,且方差是标准差的平方。标准差和方差在离散程度上可以互换。
最后,还需要说明的是,本说明书附图所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本申请可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本申请所能产生的功效及所能达成的目的下,均应仍落在本申请所揭示的技术内容得能涵盖的范围内。
在本文中使用的术语“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。在没有更多限制的情况下,由语句“包括一个…”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明并不局限于上述最佳实施方式,任何人应该得知在本发明的启示下做出的结构变化,凡是与本发明具有相同或相近的技术方案,均落入本发明的保护范围之内。
Claims (7)
1.一种基于大数据的智慧农业种植监控***,其特征在于,包括有气体信息采集单元、土壤信息采集单元、作物信息采集单元,以及大数据监控单元;
所述气体信息采集单元中涵盖有二氧化碳采集模块、空气温度采集模块、空气湿度采集模块;
所述土壤信息采集单元中涵盖有土壤温度采集模块、土壤湿度采集模块、土壤酸碱值采集模块、土壤导电率采集模块;
所述作物信息采集单元中涵盖有图像采集模块、气味采集模块、作物汁液检验采集模块;
所述大数据监控单元中涵盖有植物大数据库、通信模块、中央数处理模块、数据显示模块。
2.根据权利要求1所述的一种基于大数据的智慧农业种植监控***,其特征在于,所述气体信息采集单元的各个模块具体为:
二氧化碳采集模块,与中央数据处理模块连接,利用二氧化碳捕获设备采集,用于定期定量收集作物生长环境中的二氧化碳含量;
空气温度采集模块,与中央数据处理模块连接,通过利用空气温度传感器采集作物的生长空气温度;
空气湿度采集模块,与中央数据处理模块连接,通过空气湿度传感器采集作物生长的空气湿度。
3.根据权利要求1所述的一种基于大数据的智慧农业种植监控***,其特征在于,所述土壤信息采集单元的各个模块中具体有:
土壤温度采集模块,与中央数据处理模块连接,通过土壤温度传感器采集作物生长土壤的温度;
土壤湿度采集模块,与中央数据处理模块连接,通过土壤湿度传感器采集作物生长土壤的湿度数据;
土壤酸碱值采集模块,与中央数据处理模块连接,通过土壤酸碱值加测技术采集作物生长土壤的PH值数据;
土壤导电率采集模块,与中央数据处理模块连接,通过土壤盐分速测仪采集作物生长土壤的导电率数据。
4.根据权利要求1所述的一种基于大数据的智慧农业种植监控***,其特征在于,所述作物信息采集单元的各个模块中具体有:
图像采集模块,与中央数据处理模块连接,通过工业摄像机拍摄多组作物图片数据;
气味采集模块,与中央数据处理模块连接,通过将作物释放的气体抽进反应气室,检测作物释放出的有害气体成分;
作物汁液检验采集模块,与中央数据处理模块连接,通过压榨样本作物的汁液送检获取作物的内在病理数据。
5.根据权利要求1所述的一种基于大数据的智慧农业种植监控***,其特征在于,所述大数据监控单元中的各模块具体有:
植物大数据库,与云端大数据库连接,用以提供中央数据处理模块对比数据;
通信模块,与中央数据处理模块通过网络连接,用以联通大数据库和中央数据处理模块;
中央数据处理模块,与气体信息采集单元、土壤信息采集单元、作物信息采集单元之间通过物联网、局域网连接,用以控制各个单元完成对作物的监控工作;
数据显示模块,与中央数据控制模块连接,用以显示处理后的作物监控信息。
6.根据权利要求1所述的一种基于大数据的智慧农业种植监控***,其特征在于,所述气体信息采集单元、土壤信息采集单元、作物信息采集单元中采集到的信息分为图片图像数据和文本数据;
其中,中央数据处理模块对图片图像数据进行处理的流程具体如下:
S1:随机从图片图像数据中取N个构成一个数据集,对于数据集里的任意图像构造正例,形成两个图像增强视图,并分别经过上下两个分枝,对增强图像做非线性变换;
S2:经过特征编码器,经CNN转换将提取增强图像对应的特征表示hi,同时图像中的模型结构以fθ(x)表示,并将另一个增强图像非线性变换后的结构特征表示为gθ(·)表示,进一步将特征表示hi映射成另外一个空间里的向量Zi,而在图像经过两次非线性变换后,对于数据集中的某一张图像x来说,提取出来的两个图像增强视图则分别表示为xi和xj,此时定义合适的损失函数,并且需要一个度量函数,以判断两个向量在投影空间里的距离远近,而某一张图像x的向量间相似性:
S3:在步骤S2的基础上,而某一张图像x的InfoNCE损失表示为:
其中,Zi,则代表两个样本的表示向量,而在优化过程中,通过InfoNCE损失函数指引,就能训练模型,以达成样本图片与大数据图片数据进行比对的效果。
7.根据权利要求6所述的一种基于大数据的智慧农业种植监控***,其特征在于,所述中央数据处理模块对文本数据进行处理的流程具体如下:
S1:计算文本数据的正态分布,设定文本数据为x,而μ为x的平均值,σ为x的标准差,x的正态分布计算公式:
其中,σ越大,x偏离均值μ的程度就越大,且方差是标准差的平方。标准差和方差在离散程度上可以互换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310154883.0A CN116818002A (zh) | 2023-02-23 | 2023-02-23 | 一种基于大数据的智慧农业种植监控*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310154883.0A CN116818002A (zh) | 2023-02-23 | 2023-02-23 | 一种基于大数据的智慧农业种植监控*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116818002A true CN116818002A (zh) | 2023-09-29 |
Family
ID=88117337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310154883.0A Pending CN116818002A (zh) | 2023-02-23 | 2023-02-23 | 一种基于大数据的智慧农业种植监控*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116818002A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117520469A (zh) * | 2023-11-23 | 2024-02-06 | 深圳市牧源时代农牧科技有限公司 | 农业物联网建设***及其方法 |
-
2023
- 2023-02-23 CN CN202310154883.0A patent/CN116818002A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117520469A (zh) * | 2023-11-23 | 2024-02-06 | 深圳市牧源时代农牧科技有限公司 | 农业物联网建设***及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111008733B (zh) | 一种作物生长管控方法和*** | |
CN113920474B (zh) | 一种智能监管柑橘种植态势的物联网***及方法 | |
CN113034301A (zh) | 一种农作物生长管理***及方法 | |
CN111476149A (zh) | 一种植物培育控制方法和*** | |
CN109886155A (zh) | 基于深度学习的单株水稻检测定位方法、***、设备及介质 | |
WO2020184241A1 (ja) | 農作物の収穫量予測プログラム、栽培環境判別プログラム | |
CN113920288A (zh) | 一种基于物联网的温室黄瓜种植管理*** | |
CN115456476B (zh) | 一种基于机器视觉的国土空间规划数据采集分析*** | |
CN116818002A (zh) | 一种基于大数据的智慧农业种植监控*** | |
CN114298615A (zh) | 一种农作物种植风险预防方法、装置、存储介质和设备 | |
CN116051996A (zh) | 一种基于多模态信息的二阶段农作物生长预测方法 | |
CN115661650A (zh) | 一种基于物联网数据监测的农场管理*** | |
CN115294518B (zh) | 一种园艺植物温室精准栽培的智能监控方法及*** | |
CN112883230A (zh) | 马铃薯生产管理*** | |
CN112526909A (zh) | 一种基于物联网的智慧农业设备*** | |
CN114460080A (zh) | 一种水稻病虫智能监控*** | |
AU2021105327A4 (en) | A computer implemented and IoT based method for increasing crop production using machine learning model | |
CN116452358B (zh) | 基于物联网的智慧农业管理*** | |
CN117058607A (zh) | 一种基于图像视觉分析的植物生长状态监测*** | |
CN108830740A (zh) | 一种农作物生长节点实时技术信息采集***及方法 | |
CN117197595A (zh) | 基于边缘计算的果树生育期识别方法、装置及管理平台 | |
WO2021198731A1 (en) | An artificial-intelligence-based method of agricultural and horticultural plants' physical characteristics and health diagnosing and development assessment. | |
US20230309464A1 (en) | Method and apparatus for automated crop recipe optimization | |
Araneta et al. | Controlled Environment for Spinach Cultured Plant with Health Analysis using Machine Learning | |
CN115690609A (zh) | 一种作物生育期长势监测的方法 |
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 |