CN116824380B - 一种智慧农业云平台监控*** - Google Patents

一种智慧农业云平台监控*** Download PDF

Info

Publication number
CN116824380B
CN116824380B CN202311099179.6A CN202311099179A CN116824380B CN 116824380 B CN116824380 B CN 116824380B CN 202311099179 A CN202311099179 A CN 202311099179A CN 116824380 B CN116824380 B CN 116824380B
Authority
CN
China
Prior art keywords
soil
less
preset
analysis
pest
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
Application number
CN202311099179.6A
Other languages
English (en)
Other versions
CN116824380A (zh
Inventor
杨红梅
杨乃娥
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.)
Shandong Mencius Ecological Agriculture Ltd By Share Ltd
Original Assignee
Shandong Mencius Ecological Agriculture Ltd By Share 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 Shandong Mencius Ecological Agriculture Ltd By Share Ltd filed Critical Shandong Mencius Ecological Agriculture Ltd By Share Ltd
Priority to CN202311099179.6A priority Critical patent/CN116824380B/zh
Publication of CN116824380A publication Critical patent/CN116824380A/zh
Application granted granted Critical
Publication of CN116824380B publication Critical patent/CN116824380B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Human Resources & Organizations (AREA)
  • Animal Husbandry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Agronomy & Crop Science (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明涉及一种智慧农业云平台监控***，尤其涉及农业技术领域，所述***包括，采集模块，用以采集土壤信息、环境信息、施药区域信息和农作物信息，土壤分析模块，用对土壤条件进行分析，第一调整模块，对土壤条件分析的过程进行调整，种植密度分析模块，对农作物的标准种植密度进行分析，第二调整模块，用对标准种植密度的分析过程进行调整，获取模块，获取农作物图像中的目标图像，虫害分析模块，对获取的目标图像对虫害进行分析，施药方式控制模块，控制施药方式，优化模块，用以根据一个生产周期内农作物的产量对施药方式的控制过程进行优化，本发明提高了对农作物的监控效率。

Description

一种智慧农业云平台监控***
技术领域
本发明涉及农业技术领域，尤其涉及一种智慧农业云平台监控***。
背景技术
智慧农业云平台是一个专门针对农业领域设计和构建的智能化云计算平台。它将现代信息技术、物联网、数据分析和人工智能等技术应用于农业生产和管理，旨在提高农业生产效率、资源利用效率和农产品质量，同时减少环境影响。
智慧农业云平台监控***通过对山地土壤条件、种植密度和农作物受虫害的影响程度三个层面进行分析，并根据山地的土壤特征设置土壤的盐渍化等因素对分析过程进行调整，将调整后的结果进行分析，并设置相应的施药方式，以提高了对农作物的监控效率。
中国专利公开号：CN110688989B公开了一种基于生态环保的智慧农业监控管理***及方法，所述监控管理***包括虫害统计模块、虫害数据库和杀虫模块，所述虫害统计模块用于统计当前农作物在某一段时间间隔内所受虫害的严重程度，所述虫害数据库用于存储多种害虫的虫害特征和该害虫的威胁程度，所述杀虫模块根据农作物所受虫害的综合情况使用不同的杀虫工具进行杀虫，所述虫害统计模块包括农作物图像统计模块、粘虫板虫害统计模块和虫害程度综合分析模块，所述农作物图像统计模块包括农作物图像采集的模块、农作物图像处理模块和农作物图像评估模块，所述农作物图像采集的模块用于采集的农作物的图像信息；由此可见，该方案在设置杀虫工具仅针对害虫进行考虑，未对作物的生长环境和生长结果进行分析，存在对农作物监控效率低的问题。
发明内容
为此，本发明提供一种智慧农业云平台监控***，用以克服现有技术中对农作物监控效率低的问题。
为实现上述目的，本发明提供一种智慧农业云平台监控***，所述***包括，
采集模块，用以采集土壤信息、环境信息、施药区域信息和农作物信息；
土壤分析模块，用以根据采集的土壤中的离子浓度、土壤温度和土壤湿度对土壤进行分析，所述土壤分析模块设有土壤温度分析单元，其用以根据采集的土壤温度对土壤条件进行分析，所述土壤分析模块还设有土壤湿度分析单元，其用以根据采集的土壤湿度对土壤条件进行二次分析，所述土壤分析模块还设有土壤肥力分析单元，其用以根据采集的土壤中的离子浓度对土壤条件进行三次分析；
第一调整模块，用以根据采集的环境信息对土壤分析的过程进行调整；
种植密度分析模块，用以根据采集的施药区域信息对农作物的标准种植密度进行分析；
第二调整模块，用以根据采集的土壤的电导率与酸碱性对标准种植密度的分析过程进行调整，所述第二调整模块设有第二调节单元，其用以根据采集的土壤的电导率对种植密度的分析过程进行调节，所述第二调整模块还设有第二修正单元，其用以根据采集的土壤的酸碱性对种植密度的分析过程的调节过程进行修正；
获取模块，用以获取农作物图像中的目标图像；
虫害分析模块，用以根据获取的目标图像对虫害进行分析；
施药方式控制模块，用以根据对土壤条件的分析结果、农作物的标准种植密度的分析结果和虫害的分析结果对施药方式进行控制；
优化模块，用以根据一个生长周期内农作物的产量对施药方式的控制过程进行优化。
进一步地，所述土壤温度分析单元计算出采集周期内的平均温度w0，并将平均温度w0与各预设土壤温度进行比对，并根据比对结果对土壤进行分析，其中：
当w0＜w1时，所述土壤温度分析单元判定土壤温度不适宜害虫生长；
当w1≤w0≤w2时，所述土壤分析单元判定土壤温度适宜害虫生长；
当w1＞w2时，所述土壤分析单元判定土壤温度很适宜害虫生长；
其中，w0=(W1+W2+...+Wn)/n。
进一步地，当土壤温度适宜害虫生长或土壤温度很适宜害虫生长时，所述土壤湿度分析单元计算出采集周期内的平均湿度s0,并将平均湿度s0与各预设湿度进行比对，并根据比对结果对土壤条件进行分析，其中:
当土壤温度适宜害虫生长时，若s0＜s1时，所述土壤湿度分析单元判定该采集周期土壤湿度不适宜害虫生长；若s1≤s0≤s2时，所述土壤湿度分析单元判定该采集周期土壤湿度适宜害虫生长；若s0＞s2时，所述土壤湿度分析单元判定该采集周期土壤湿度很适宜害虫生长；
当土壤温度很适宜害虫生长时，若s0＜s3时，所述土壤湿度分析单元判定该采集周期土壤湿度不适宜害虫生长；若s3≤s0≤s4时，所述土壤湿度分析单元判定该采集周期土壤湿度适宜害虫生长；若s0＞s4时，所述土壤湿度分析单元判定该采集周期土壤湿度很适宜害虫生长；
其中，s0=(S1+S2+...+Sn)/n,n为采集节点的数量。
进一步地，所述土壤肥力分析单元计算出采集周期内的平均离子浓度，并与各预设离子浓度进行比对，并根据比对结果对土壤条件进行三次分析，其中：
当土壤温度不适宜害虫生长或土壤湿度不适宜害虫生长时，所述土壤肥力分析单元判定土壤条件危险等级为无危险；当土壤湿度适宜害虫生长时，若a0＜a1且b0＜b1或a1≤a0且b0＜b1或b1≤b0且a0＜a1时，所述土壤肥力分析单元判定土壤条件危险等级为低；所述土壤肥力分析单元判定土壤条件危险等级为低；若a0＞a1且b0＞b1时，所述土壤肥力分析单元判定土壤条件危险等级为中；
当土壤湿度很适宜害虫生长时，若a0＜a1且b0＜b1时，所述土壤肥力分析单元判定土壤条件危险等级为低；若a1≤a0且b0＜b1或b1≤b0且a0＜a1时，所述土壤肥力分析单元判定土壤条件危险等级为中；若a0＞a1且b0＞b1时，所述土壤肥力分析单元判定土壤条件危险等级为高；
其中，a0=(A1+A2+...+An)/n,b0=(B1+B2+...+Bn)/n。
进一步地，所述第一调整模块设有第一调节单元，所述第一调节单元用以将采集的降水量j0与预设降水量j1进行比对，并根据比对结果计算出第一调节系数对土壤的分析过程进行调节，其中：
当j0≤j1时，所述第一调节单元判定降水量正常，不进行调节；
当j0＞j1时，所述第一调节单元判定降水量过多，并设置第一调节系数α对预设湿度s1进行调节，设定s1=1+(j1-j0)/(j1+j0),调节后的s1为s1’，设定s1’=s1×α；
所述第一调整模块还设有第一修正单元，所述第一修正单元将采集的环境温度t0与预设环境温度进行比对，并根据比对结果计算出第一修正系数对土壤的分析过程的调节过程进行修正，其中：
当t0＜t1或t0＞t2时，所述第一修正单元判定温度不适宜害虫生长，不进行修正；
当t1≤t0≤t2时，所述第一修正单元判定温度适宜害虫生长，并设置第一修正系数β对第一调节系数α进行修正，设定β=|(t2+t1)/2-t0|/[(t2+t1)/2],将修正后的第一调节系数α设为α1，设定α1=α×β；
其中，t1为预设最低温度，t2为预设最高温度。
进一步地，所述种植密度分析模块根据采集的施药区域信息计算出农作物的标准种植密度m0，并将标准种植密度与采集的农作物的种植密度m1进行比对，根据比对结果对农作物种植密度进行分析，其中：
m0=[(x0/x1+1)×(y0/y1+1)]/(x0×y0)，其中，x0为施药区域长度，x1为施药区域长度的预设种植间距，y0为施药区域宽度，y1为施药区域宽度的预设种植间距；
当m1≤m0时，所述种植密度分析模块判定种植密度适宜；
当m1＞m0时，所述种植密度分析模块判定种植密度过大。
进一步地，所述第二调节单元将采集的土壤的电导率k0与各预设电导率进行比对，并根据比对结果计算出第二调节系数对种植密度的分析过程进行调节，其中：
当k0＜k1时，所述第二调节单元判定土壤的盐渍化低，并设置第二调节系数γ1对预设密度m1进行调节，设定γ1=1+(k1-k0)/(k1+k0)；
当k1≤k0≤k2时，所述第二调节单元判定土壤的盐渍化正常，不进行调节；
当k0＞k2时，所述第二调节单元判定土壤的盐渍化高，并设置第二调节系数γ2对预设密度m1进行调节，设定γ2=1-(k2-k0)/(k2+k0)；
所述第二调节单元根据第二调节系数γF对预设密度m1进行调节,并将调节后的预设密度m1设为m2,设定m2=m1×γF，F=1,2；
其中，k1为预设最低电导率，k2为预设最高电导率；
所述第二修正单元将采集的土壤的酸碱性h0与各预设酸碱性进行比对，并根据比对结果计算出第二修正系数对第二调节系数进行修正，其中：
当h0＜h1或h0＞h2时，所述第二修正单元判定土壤的PH低，并设置第二修正系数H1对调节系数γ进行修正，设定H1=1+(h1-h0)/(h1+h0)；
当h1≤h0≤h2时，所述第二修正单元判定土壤的PH正常，不进行修正；
当h0＞h2时，所述第二修正单元判定土壤的PH高，并设置第二修正系数H2对调节系数γ进行修正，设定H2=1+(k2-k0)/(k2+k0)；
所述第二修正单元根据第二修正系数Hv对第二调节系数γF进行修正,并将修正后的第二调节系数γF设为γF’,设定γF’=Hv×γF,v=1,2；
其中，h1为预设最小PH，h2为预设最大PH。
进一步地，所述虫害分析模块对获取的目标图像按照预设灰度值进行区域划分，并根据区域划分结果计算虫害威胁度，并将虫害威胁度与预设威胁度进行比对，根据比对结果对虫害严重度进行分析，其中：
当D1≤DO≤D2时，所述虫害分析模块将灰度值为D0的区域作为叶子区域；
当D0＞D2或D0＜D1时，所述虫害分析模块将灰度值为D0的区域作为受损区域；
所述虫害分析模块将每个目标图像叶子受损度设为Nu,设定Nu=E1/(E1+E2)，所述虫害分析模块将虫害威胁度设为N，设定N=(N1+N2+...+Nu)/u，0＜u≤z,其中：
当N≤N1时，所述虫害分析模块判定虫害严重度为轻度；
当N1≤N≤N2时，所述虫害分析模块判定虫害严重度为中度；
当N＞N2时，所述虫害分析单元判定虫害严重度为重度；
其中，A1为预设最小灰度值，A2为预设最大灰度值，B1为目标图像中受损区域面积，B2为目标图像中叶子区域面积,z为预设拍摄区域的数量，N1为第一张目标图像的叶子受损度，N2为第二张目标图像的叶子受损度，Nu为第u张目标图像的叶子受损度。
进一步地，所述施药方式控制模块根据对土壤条件的分析结果、农作物的标准种植密度的分析结果和虫害的分析结果对施药方式进行控制，其中：
当虫害严重度为轻度时，不设置施药方式；
当虫害严重度为中度时，若i1/i≥e1且i2/i＜e1时，所述施药方式控制模块设置无人机喷洒农药对害虫进行消杀，并将用药量设为R1；若i2/i≥e1且种植密度过大时，所述施药方式控制模块设置无人机喷洒农药对害虫进行消杀，并将用药量设为R2；
当虫害严重度为重度时，若i3/i0≥e1且i4/i0＜e1时，所述施药方式控制模块设置无人机喷洒农药对害虫进行消杀，并将用药量设为R3；若i4/i0≥e1且种植密度过大时，所述施药方式控制模块设置无人机喷洒农药对害虫进行消杀，并将用药量设为R4，R1＜R2＜R3＜R4。
进一步地，所述优化模块将生长周期内农作物的产量p0与预设产量p1进行比对，并根据比对结果对下一生长周期施药方式的控制过程进行优化，其中：
当p0＜p1时，所述优化模块设置优化系数G1对预设异常系数e1进行优化，设定G1=1+(p1-p0)/(p1+p0);
当p1≤p0≤p2时，所述优化模块不进行优化；
当p0＞p2时，所述优化模块设置优化系数G2对预设异常系数e1进行优化,设定G2=1-(p2-p0)/(p2+p0);
所述优化模块根据优化系数GJ对预设异常系数e1进行优化，并将优化后的预设密度e1设为e1’,设定e1’=e1×GJ,j=1,2;
其中，p1为预设最小产量，p2为预设最大产量。
与现有技术相比，本发明的有益效果在于，所述土壤温度分析单元通过对土壤温度进行分析，以分析出在该土壤温度下虫害的适宜程度，通过计算平均温度与预设温度值进行比对，以提高土壤温度分析的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述土壤湿度分析单元通过根据土壤温度的分析结果对土壤湿度进行分析，以分析出在该土壤湿度下虫害的适宜程度，通过计算平均湿度与预设湿度值进行比对，以提高土壤湿度分析的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述土壤肥力分析单元通过对土壤中的离子浓度进行分析，以分析出土壤条件危险等级，通过计算平均离子浓度与各预设离子浓度进行比对，以提高土壤条件危险等级分析的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述第一调节单元通过设置预设降水量以提高第一调节系数的准确性，从而提高对土壤条件危险等级的分析结果的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述第一修正单元通过设置预设温度以提高第一修正系数的准确性，从而提高对土壤条件危险等级的分析结果的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述种植密度分析模块通过设置各预设种植间距离以提高标准种植密度的准确性，从而提高对于种植密度分析的准确性，进而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述第二调节单元通过设置预设电导率以提高第二调节系数的准确性，从而提高对种植密度的分析结果的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述第二修正单元通过设置预设PH以提高第二修正系数的准确性，从而提高对种植密度的分析结果的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述虫害分析模块通过设置预设灰度阈值以提高划分区域的准确性，进而提高虫害严重度判断的准确性，进而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述施药方式控制模块通过对土壤条件、种植密度和虫害的分析结果进行分析，并设置预设异常系数提高控制过程的准确性，提高了农药的利用效率，同时提高了对农作物的监控效率，所述优化模块通过设置预设产量以提高优化系数的准确性，通过对农作物的产量进行分析以提高施药方式控制的准确性，从而提高了对农作物的监控效率。
附图说明
图1为本实施例智慧农业云平台监控***的结构示意图；
图2为本实施例土壤分析模块的结构示意图；
图3为本实施例第一调整模块的结构示意图；
图4为本实施例第二调整模块的结构示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本实施例智慧农业云平台监控***的结构示意图，所述***包括，
采集模块，用以采集土壤信息、环境信息、施药区域信息和农作物信息，所述土壤信息包括土壤中的离子浓度、土壤温度、土壤湿度、土壤的电导率和土壤的酸碱性，所述离子浓度包括氮离子和磷离子，所述环境信息包括环境温度和降水量，所述施药区域信息包括施药区域长度和施药区域宽度，所述施药区域为农田的外切矩形，所述施药区域的长度为外切矩形的长度，所述施药区域的宽度为外切矩形的宽度，所述农作物信息包括农作物的种植密度和生长周期内农作物的产量，所述生长周期是农作物从播种到收获的时间；本实施例中不对土壤信息、环境信息、施药区域信息和生长周期内农作物的产量的采集方式作具体限定，本领域技术人员可自由设置，只需满足土壤信息、环境信息、施药区域信息和生长周期内农作物的产量的采集要求即可，如农作物信息可通过交互采集，土壤中的离子浓度可通过电化学传感器在采集周期内按照预设时间节点采集，土壤温度和土壤湿度可通过温度传感器和湿度传感器在采集周期内按照预设时间节点采集，土壤的电导率可通过电导率传感器在电导率采集周期的中间时段采集，土壤的酸碱性可通过土壤PH传感器在酸碱性采集周期的中间时段采集，环境温度和降水量可通过网络获取；本实施中不对采集周期和预设时间节点作具体限定，本领域技术人员可自由设置，只需满足采集周期和预设时间节点的设置要求即可，如采集周期可设为12h和24h等，预设时间节点可设为采集周期内每隔1h或2h为一个预设时间节点等，环境信息和种植信息可通过各类智能传感器获取；本实施例中不对电导率采集周期和酸碱性采集周期作具体限定，本领域技术人员可自由设置，只需满足电导率采集周期和酸碱性采集周期的设置要求即可，如电导率采集周期可设置为10天和15天等，酸碱性采集周期可设置为10天和15天等；
土壤分析模块，用以根据采集的土壤中的离子浓度、土壤温度和土壤湿度对土壤进行分析，土壤分析模块与采集的模块连接；
第一调整模块，用以根据采集的环境信息对土壤分析的过程进行调整，第一调整模块与所述土壤分析模块连接；
种植密度分析模块，用以根据采集的施药区域信息对农作物的标准种植密度进行分析；
第二调整模块，用以根据采集的土壤的电导率与酸碱性对标准种植密度的分析过程进行调整；
获取模块，用以获取农作物图像中的目标图像，获取模块与第二调整模块连接，本实施例中所述农作物图像是通过无人机的摄像头在拍摄周期内在拍摄区域拍摄获取，所述目标图像是农作物的叶子的图像；本实施例中不对目标图像的获取方式进行限定，本领域技术人员可自由设置，如根据灰度值对采集的农作物图像进行区域划分，将灰度值相同的区域作为同一区域，并获取各区域的轮廓曲线作为区域形状，将区域形状与叶子形状相同的区域作为目标图像等，还可设置其他目标图像的获取方式，只需满足对农作物图像中目标图像的获取需求即可；本实施例中不对拍摄周期和拍摄区域的设置作具体限定，本领域技术人员可自由设置，只需满足拍摄周期和拍摄区域的设置要求即可，如将拍摄周期设为5天、7天和10天等，如拍摄的农作物为玉米时，可将施药区域等分为9个矩形区域，并将每个矩形区域的中心区域1m2的面积设为一个拍摄区域；
虫害分析模块，用以根据获取的目标图像对虫害进行分析，虫害分析模块与获取模块连接；
施药方式控制模块，用以根据对土壤条件的分析结果、农作物的标准种植密度的分析结果和虫害的分析结果对施药方式进行控制；
优化模块，用以根据一个生长周期内农作物的产量对施药方式的控制过程进行优化，优化模块与所述施药方式控制模块连接。
请参阅图2所示，其为本实施例土壤分析模块的结构示意图，所述土壤分析模块包括，
土壤温度分析单元，用以根据采集的土壤温度对土壤条件进行分析；
土壤湿度分析单元，用以根据采集的土壤湿度对土壤条件进行二次分析，土壤湿度分析单元与土壤温度分析单元连接；
土壤肥力分析单元，用以根据采集的土壤中的离子浓度对土壤条件进行三次分析，土壤肥力分析单元与土壤温度分析单元连接；
请参阅图3所示，其为本实施例第一调整模块的结构示意图，所述第一调整模块包括，
第一调节单元，用以根据采集的降水量对土壤的分析过程进行调节；
第一修正单元，用以根据对采集的环境温度对土壤的分析过程的调节过程进行修正，第一修正单元与第一调节单元连接；
请参阅图4所示，其为本实施例第二调整模块的结构示意图，所述第二调整模块包括，
第二调节单元，用以根据采集的土壤的电导率对种植密度的分析过程进行调节；
第二修正单元，用以根据采集的土壤的酸碱性对种植密度的分析过程的调节过程进行修正，第二修正单元与第二调节单元连接。
具体而言，本实施例所述农业监控***应用于对山地农田虫害防治的监控，通过对山地土壤条件、种植密度和农作物受虫害的影响程度三个层面进行分析，并根据山地的土壤特征设置土壤的盐渍化等因素对分析过程进行调整，将调整后的结果进行分析，并设置不同的施药方式，以提高对农作物的监控效率。
具体而言，所述土壤温度分析单元通过对土壤温度进行分析，以分析出在该土壤温度下虫害的适宜程度，通过计算平均温度与预设温度值进行比对，以提高土壤温度分析的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述土壤湿度分析单元通过根据土壤温度的分析结果对土壤湿度进行分析，以分析出在该土壤湿度下虫害的适宜程度，通过计算平均湿度与预设湿度值进行比对，以提高土壤湿度分析的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述土壤肥力分析单元通过对土壤中的离子浓度进行分析，以分析出土壤条件危险等级，通过计算平均离子浓度与各预设离子浓度进行比对，以提高土壤条件危险等级分析的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述第一调节单元通过设置预设降水量以提高第一调节系数的准确性，从而提高对土壤条件危险等级的分析结果的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述第一修正单元通过设置预设温度以提高第一修正系数的准确性，从而提高对土壤条件危险等级的分析结果的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述种植密度分析模块通过设置各预设种植间距离以提高标准种植密度的准确性，从而提高对于种植密度分析的准确性，进而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述第二调节单元通过设置预设电导率以提高第二调节系数的准确性，从而提高对种植密度的分析结果的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述第二修正单元通过设置预设PH以提高第二修正系数的准确性，从而提高对种植密度的分析结果的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述虫害分析模块通过设置预设灰度阈值以提高划分区域的准确性，进而提高虫害严重度判断的准确性，进而提高控制施药方式的准确性，最终提高了对农作物的监控效率，所述施药方式控制模块通过对土壤条件、种植密度和虫害的分析结果进行分析，并设置预设异常系数提高控制过程的准确性，提高了农药的利用效率，同时提高了对农作物的监控效率，所述优化模块通过设置预设产量以提高优化系数的准确性，通过对农作物的产量进行分析以提高施药方式控制的准确性，从而提高了对农作物的监控效率。
具体而言，所述土壤温度分析单元计算出采集周期内的平均温度w0，并将平均温度w0与各预设土壤温度进行比对，并根据比对结果对土壤进行分析，其中：
当w0＜w1时，所述土壤温度分析单元判定土壤温度不适宜害虫生长；
当w1≤w0≤w2时，所述土壤分析单元判定土壤温度适宜害虫生长；
当w1＞w2时，所述土壤分析单元判定土壤温度很适宜害虫生长；
其中，w0=(W1+W2+...+Wn)/n,w1为预设最低土壤温度，w2为预设最高土壤温度,W1为第一个预设时间节点采集的土壤温度,W2为第二个预设时间节点采集的土壤温度...Wn为第n个预设时间节点采集的土壤温度，n为预设时间节点的数量。
具体而言，所述土壤温度分析单元通过对土壤温度进行分析，以分析出在该土壤温度下虫害的适宜程度，通过计算平均温度与预设温度值进行比对，以提高土壤温度分析的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率；本实施例中不对预设最低土壤温度w1、预设最高土壤温度w2和预设时间节点的数量的设置作具体限定，本领域技术人员可自由设置，只需满足预设最低土壤温度w1、预设最高土壤温度w2和预设时间节点的数量n的设置要求即可，如害虫为蚜虫时，w1的最佳取值为18°，w2的最佳取值为28°,n的最佳取值为8。
具体而言，当土壤温度适宜害虫生长或土壤温度很适宜害虫生长时，所述土壤湿度分析单元计算出采集周期内的平均湿度s0,并将平均湿度s0与各预设湿度进行比对，并根据比对结果对土壤条件进行分析，其中:
当土壤温度适宜害虫生长时，若s0＜s1时，所述土壤湿度分析单元判定该采集周期土壤湿度不适宜害虫生长；若s1≤s0≤s2时，所述土壤湿度分析单元判定该采集周期土壤湿度适宜害虫生长；若s0＞s2时，所述土壤湿度分析单元判定该采集周期土壤湿度很适宜害虫生长；
当土壤温度很适宜害虫生长时，若s0＜s3时，所述土壤湿度分析单元判定该采集周期土壤湿度不适宜害虫生长；若s3≤s0≤s4时，所述土壤湿度分析单元判定该采集周期土壤湿度适宜害虫生长；若s0＞s4时，所述土壤湿度分析单元判定该采集周期土壤湿度很适宜害虫生长；
其中，s0=(S1+S2+...+Sn)/n,n为采集节点的数量，s1为预设第一湿度，s2为预设第二湿度，s3为预设第三湿度，s4为预设第四湿度，s1＜s3＜s2＜s4，S1为第一个预设时间节点采集的土壤湿度，S2为第二个预设时间节点采集的土壤湿度...Sn为第n个预设时间节点采集的土壤湿度。
具体而言，所述土壤湿度分析单元通过根据土壤温度的分析结果对土壤湿度进行分析，以分析出在该土壤湿度下虫害的适宜程度，通过计算平均湿度与预设湿度值进行比对，以提高土壤湿度分析的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率；本实施例中不对，预设第一湿度s1、为预设第二湿度s2、预设第三湿度s3和预设第四湿度s4的设置作具体限定，本领域技术人员可自由设置，只需满足预设第一湿度s1、为预设第二湿度s2、预设第三湿度s3和预设第四湿度s4的设置要求即可，如害虫为地下蚜虫时，s1的最佳取值为40%，s2的最佳取值为65%,s3的最佳取值为45%,s4的最佳取值为60%。
具体而言，所述土壤肥力分析单元计算出采集周期内的平均离子浓度，并与各预设离子浓度进行比对，并根据比对结果对土壤条件进行三次分析，其中：
当土壤温度不适宜害虫生长或土壤湿度不适宜害虫生长时，所述土壤肥力分析单元判定土壤条件危险等级为无危险；当土壤湿度适宜害虫生长时，若a0＜a1且b0＜b1或a1≤a0且b0＜b1或b1≤b0且a0＜a1时，所述土壤肥力分析单元判定土壤条件危险等级为低；所述土壤肥力分析单元判定土壤条件危险等级为低；若a0＞a1且b0＞b1时，所述土壤肥力分析单元判定土壤条件危险等级为中；
当土壤湿度很适宜害虫生长时，若a0＜a1且b0＜b1时，所述土壤肥力分析单元判定土壤条件危险等级为低；若a1≤a0且b0＜b1或b1≤b0且a0＜a1时，所述土壤肥力分析单元判定土壤条件危险等级为中；若a0＞a1且b0＞b1时，所述土壤肥力分析单元判定土壤条件危险等级为高；
其中，a0=(A1+A2+...+An)/n,b0=(B1+B2+...+Bn)/n,a0为采集周期内的平均氮离子浓度，b0为采集周期内的平均磷离子浓度，a1为预设氮离子浓度，b1为预设磷离子浓度，A1为第一个预设时间节点采集的氮离子浓度，A2为第二个预设时间节点采集的氮离子浓度...An为第n个预设时间节点采集的氮离子浓度,B1为第一个预设时间节点采集的磷离子浓度，B2为第二个预设时间节点采集的磷离子浓度...Bn为第n个预设时间节点采集的磷离子浓度。
具体而言，所述土壤肥力分析单元通过对土壤中的离子浓度进行分析，以分析出土壤条件危险等级，通过计算平均离子浓度与各预设离子浓度进行比对，以提高土壤条件危险等级分析的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率；本实施例中不对预设氮离子浓度a1和预设磷离子浓度b1的设置作具体限定，本领域技术人员可自由设置，只需满足预设氮离子浓度a1和预设磷离子浓度b1的设置要求即可，如害虫为地下蚜虫时，a1的最佳取值为55mg/L，b1的最佳取值为28mg/L。
具体而言，所述第一调节单元用以将采集的降水量j0与预设降水量j1进行比对，并根据比对结果计算出第一调节系数对土壤的分析过程进行调节，其中：
当j0≤j1时，所述第一调节单元判定降水量正常，不进行调节；
当j0＞j1时，所述第一调节单元判定降水量过多，并设置第一调节系数α对预设湿度s1进行调节，设定s1=1+(j1-j0)/(j1+j0),调节后的s1为s1’，设定s1’=s1×α。
具体而言，所述第一调节单元通过设置预设降水量以提高第一调节系数的准确性，从而提高对土壤条件危险等级的分析结果的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率；本实施例中不对预设降水量j1的设置作具体限定，本领域技术人员可自由设置，只需满足j1的取值要求即可，其中，j1的最佳取值为200mm。
具体而言，所述第一修正单元将采集的环境温度t0与预设环境温度进行比对，并根据比对结果计算出第一修正系数对土壤的分析过程的调节过程进行修正，其中：
当t0＜t1或t0＞t2时，所述第一修正单元判定温度不适宜害虫生长，不进行修正；
当t1≤t0≤t2时，所述第一修正单元判定温度适宜害虫生长，并设置第一修正系数β对第一调节系数α进行修正，设定β=|(t2+t1)/2-t0|/[(t2+t1)/2],将修正后的第一调节系数α设为α1，设定α1=α×β；
其中，t1为预设最低温度，t2为预设最高温度。
具体而言，所述第一修正单元通过设置预设温度以提高第一修正系数的准确性，从而提高对土壤条件危险等级的分析结果的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率；本实施例中不对t1和t2的设置作具体限定，本领域技术人员可自由设置，只需满足t1和t2的取值要求即可，其中，如在夏季，t1的最佳取值为20°，t1的最佳取值为30°。
具体而言，所述种植密度分析模块根据采集的施药区域信息计算出农作物的标准种植密度m0，并将标准种植密度与采集的农作物的种植密度m1进行比对，根据比对结果对农作物种植密度进行分析，其中：
m0=[(x0/x1+1)×(y0/y1+1)]/(x0×y0)，其中，x0为施药区域长度，x1为施药区域长度的预设种植间距，y0为施药区域宽度，y1为施药区域宽度的预设种植间距；
当m1≤m0时，所述种植密度分析模块判定种植密度适宜；
当m1＞m0时，所述种植密度分析模块判定种植密度过大。
具体而言，所述种植密度分析模块通过设置各预设种植间距离以提高标准种植密度的准确性，从而提高对于种植密度分析的准确性，进而提高控制施药方式的准确性，最终提高了对农作物的监控效率；本实施例中不对x1和y1的设置作具体限定，本领域技术人员可自由设置，只需满足x1和y1的取值要求即可，其中，x1的最佳取值为35cm，y1的最佳取值为25°。
具体而言，所述第二调节单元将采集的土壤的电导率k0与各预设电导率进行比对，并根据比对结果计算出第二调节系数对种植密度的分析过程进行调节，其中：
当k0＜k1时，所述第二调节单元判定土壤的盐渍化低，并设置第二调节系数γ1对预设密度m1进行调节，设定γ1=1+(k1-k0)/(k1+k0)；
当k1≤k0≤k2时，所述第二调节单元判定土壤的盐渍化正常，不进行调节；
当k0＞k2时，所述第二调节单元判定土壤的盐渍化高，并设置第二调节系数γ2对预设密度m1进行调节，设定γ2=1-(k2-k0)/(k2+k0)；
所述第二调节单元根据第二调节系数γF对预设密度m1进行调节,并将调节后的预设密度m1设为m2,设定m2=m1×γF，F=1,2；
其中，k1为预设最低电导率，k2为预设最高电导率。
具体而言，所述第二调节单元通过设置预设电导率以提高第二调节系数的准确性，从而提高对种植密度的分析结果的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率；本实施例中不对预设k1和k2的设置作具体限定，本领域技术人员可自由设置，只需满足k1和k2的取值要求即可，其中，k1的最佳取值为2 mS/cm,k2的最佳取值为4mS/cm。
具体而言，所述第二修正单元将采集的土壤的酸碱性h0与各预设酸碱性进行比对，并根据比对结果计算出第二修正系数对第二调节系数进行修正，其中：
当h0＜h1或h0＞h2时，所述第二修正单元判定土壤的PH低，并设置第二修正系数H1对调节系数γ进行修正，设定H1=1+(h1-h0)/(h1+h0)；
当h1≤h0≤h2时，所述第二修正单元判定土壤的PH正常，不进行修正；
当h0＞h2时，所述第二修正单元判定土壤的PH高，并设置第二修正系数H2对调节系数γ进行修正，设定H2=1+(k2-k0)/(k2+k0)；
所述第二修正单元根据第二修正系数Hv对第二调节系数γF进行修正,并将修正后的第二调节系数γF设为γF’,设定γF’=Hv×γF,v=1,2；
其中，h1为预设最小PH，h2为预设最大PH。
具体而言，所述第二修正单元通过设置预设PH以提高第二修正系数的准确性，从而提高对种植密度的分析结果的准确性，从而提高控制施药方式的准确性，最终提高了对农作物的监控效率；本实施例中不对预设h1和h2的设置作具体限定，本领域技术人员可自由设置，只需满足h1和h2的取值要求即可，其中，h1的最佳取值为4.5,h2的最佳取值为7。
具体而言，所述虫害分析模块对获取的目标图像按照预设灰度值进行区域划分，并根据区域划分结果计算虫害威胁度，并将虫害威胁度与预设威胁度进行比对，根据比对结果对虫害严重度进行分析，其中：
当D1≤DO≤D2时，所述虫害分析模块将灰度值为D0的区域作为叶子区域；
当D0＞D2或D0＜D1时，所述虫害分析模块将灰度值为D0的区域作为受损区域；
所述虫害分析模块将每个目标图像的叶子受损度设为Nu,设定Nu=E1/(E1+E2)，所述虫害分析模块将虫害威胁度设为N，设定N=(N1+N2+...+Nu)/u，0＜u≤z,其中：
当N≤N1时，所述虫害分析模块判定虫害严重度为轻度；
当N1≤N≤N2时，所述虫害分析模块判定虫害严重度为中度；
当N＞N2时，所述虫害分析单元判定虫害严重度为重度；
其中，A1为预设最小灰度值，A2为预设最大灰度值，B1为目标图像中受损区域面积，B2为目标图像中叶子区域面积,z为预设拍摄区域的数量，N1为第一张目标图像的叶子受损度，N2为第二张目标图像的叶子受损度，Nu为第u张目标图像的叶子受损度。
具体而言，所述虫害分析模块通过设置预设灰度阈值以提高划分区域的准确性，进而提高虫害严重度判断的准确性，进而提高控制施药方式的准确性，最终提高了对农作物的监控效率；本实施例中不对预设灰度值的取值作具体限定，本领域技术人员可自由设置，只需满足预设灰度值的取值要求即可，其中，在光照充足的情况下，D1的最佳取值为98.2,D2的最佳取值为192.8。
具体而言，所述施药方式控制模块根据对土壤条件的分析结果、农作物的标准种植密度的分析结果和虫害的分析结果对施药方式进行控制，其中：
当虫害严重度为轻度时，不设置施药方式；
当虫害严重度为中度时，若i1/i≥e1且i2/i＜e1时，所述施药方式控制模块设置无人机喷洒农药对害虫进行消杀，并将用药量设为R1；若i2/i≥e1且种植密度过大时，所述施药方式控制模块设置无人机喷洒农药对害虫进行消杀，并将用药量设为R2；
当虫害严重度为重度时，若i3/i0≥e1且i4/i0＜e1时，所述施药方式控制模块设置无人机喷洒农药对害虫进行消杀，并将用药量设为R3；若i4/i0≥e1且种植密度过大时，所述施药方式控制模块设置无人机喷洒农药对害虫进行消杀，并将用药量设为R4，R1＜R2＜R3＜R4；
其中，i1为判定虫害严重度为中度的拍摄周期与上次施药时间之间的判定土壤条件危险等级为中的采集周期的个数，i2为判定虫害严重度为中度的拍摄周期与上次施药时间之间的判定土壤条件危险等级为高的采集周期的个数，e1为预设异常系数，i为判定虫害严重度为中的拍摄周期与上次施药时间之间的采集周期的个数，i3为判定虫害严重度为重度的拍摄周期与上次施药时间之间的判定土壤条件危险等级为中的采集周期的个数，i4为判定虫害严重度为重度的拍摄周期与上次施药时间之间的判定土壤条件危险等级为高的采集周期的个数，i0为判定虫害严重度为中的拍摄周期与上次施药时间之间的采集周期的个数，R1为第一预设用药量，R2为第二预设用药量，R3为第三预设用药量，R4为第四预设用药量。
具体而言，所述施药方式控制模块通过对土壤条件、种植密度和虫害的分析结果进行分析，并设置预设异常系数提高控制过程的准确性，提高了农药的利用效率，同时提高了对农作物的监控效率；本实施例中不对e1、R1、R2和R3的取值作具体限定，本领域技术人员可自由设置，只需满足e1、R1、R2和R3的取值要求即可，如农作物为玉米时，e1的最佳取值为0.3，R1的最佳取值为15ml/m2,R2的最佳取值为35ml/m2,R3的最佳取值为60ml/m2，R4的最佳取值为80ml/m2。
具体而言，所述优化模块将生长周期内农作物的产量p0与预设产量p1进行比对，并根据比对结果对下一生长周期施药方式的控制过程进行优化，其中：
当p0＜p1时，所述优化模块设置优化系数G1对预设异常系数e1进行优化，设定G1=1+(p1-p0)/(p1+p0);
当p1≤p0≤p2时，所述优化模块不进行优化；
当p0＞p2时，所述优化模块设置优化系数G2对预设异常系数e1进行优化,设定G2=1-(p2-p0)/(p2+p0);
所述优化模块根据优化系数GJ对预设异常系数e1进行优化，并将优化后的预设密度e1设为e1’,设定e1’=e1×GJ,j=1,2;
其中，p1为预设最小产量，p2为预设最大产量。
具体而言，所述优化模块通过设置预设产量以提高优化系数的准确性，通过对农作物的产量进行分析以提高施药方式控制的准确性，从而提高了对农作物的监控效率；本实施例中不对预设产量p1的设置作具体限定，本领域技术人员可自由设置，只需满足p1的取值要求即可，其中，如农作物为玉米时，p1的最佳取值为0.23/m2。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (6)

1.一种智慧农业云平台监控***，其特征在于，包括，
采集模块，用以采集土壤信息、环境信息、施药区域信息和农作物信息；
土壤分析模块，用以根据采集的土壤中的离子浓度、土壤温度和土壤湿度对土壤进行分析，所述土壤分析模块设有土壤温度分析单元，其用以根据采集的土壤温度对土壤条件进行分析，所述土壤分析模块还设有土壤湿度分析单元，其用以根据采集的土壤湿度对土壤条件进行二次分析，所述土壤分析模块还设有土壤肥力分析单元，其用以根据采集的土壤中的离子浓度对土壤条件进行三次分析；
第一调整模块，用以根据采集的环境信息对土壤分析的过程进行调整；
种植密度分析模块，用以根据采集的施药区域信息对农作物的标准种植密度进行分析；
第二调整模块，用以根据采集的土壤的电导率与酸碱性对标准种植密度的分析过程进行调整，所述第二调整模块设有第二调节单元，其用以根据采集的土壤的电导率对种植密度的分析过程进行调节，所述第二调整模块还设有第二修正单元，其用以根据采集的土壤的酸碱性对种植密度的分析过程的调节过程进行修正；
获取模块，用以获取农作物图像中的目标图像；
虫害分析模块，用以根据获取的目标图像对虫害进行分析；
施药方式控制模块，用以根据对土壤条件的分析结果、农作物的标准种植密度的分析结果和虫害的分析结果对施药方式进行控制；
优化模块，用以根据一个生长周期内农作物的产量对施药方式的控制过程进行优化；
当土壤温度适宜害虫生长或土壤温度很适宜害虫生长时，所述土壤湿度分析单元计算出采集周期内的平均湿度s0,并将平均湿度s0与各预设湿度进行比对，并根据比对结果对土壤条件进行分析，其中:
当土壤温度适宜害虫生长时，若s0＜s1时，所述土壤湿度分析单元判定该采集周期土壤湿度不适宜害虫生长；若s1≤s0≤s2时，所述土壤湿度分析单元判定该采集周期土壤湿度适宜害虫生长；若s0＞s2时，所述土壤湿度分析单元判定该采集周期土壤湿度很适宜害虫生长；
当土壤温度很适宜害虫生长时，若s0＜s3时，所述土壤湿度分析单元判定该采集周期土壤湿度不适宜害虫生长；若s3≤s0≤s4时，所述土壤湿度分析单元判定该采集周期土壤湿度适宜害虫生长；若s0＞s4时，所述土壤湿度分析单元判定该采集周期土壤湿度很适宜害虫生长；
其中，s0=(S1+S2+...+Sn)/n,n为采集节点的数量；
所述第一调整模块设有第一调节单元，所述第一调节单元用以将采集的降水量j0与预设降水量j1进行比对，并根据比对结果计算出第一调节系数对土壤的分析过程进行调节，其中：
当j0≤j1时，所述第一调节单元判定降水量正常，不进行调节；
当j0＞j1时，所述第一调节单元判定降水量过多，并设置第一调节系数α对预设湿度s1进行调节，设定s1=1+(j1-j0)/(j1+j0),调节后的s1为s1’，设定s1’=s1×α；
所述第一调整模块还设有第一修正单元，所述第一修正单元将采集的环境温度t0与预设环境温度进行比对，并根据比对结果计算出第一修正系数对土壤的分析过程的调节过程进行修正，其中：
当t0＜t1或t0＞t2时，所述第一修正单元判定温度不适宜害虫生长，不进行修正；
当t1≤t0≤t2时，所述第一修正单元判定温度适宜害虫生长，并设置第一修正系数β对第一调节系数α进行修正，设定β=|(t2+t1)/2-t0|/[(t2+t1)/2],将修正后的第一调节系数α设为α1，设定α1=α×β；
其中，t1为预设最低温度，t2为预设最高温度；
所述种植密度分析模块根据采集的施药区域信息计算出农作物的标准种植密度m0，并将标准种植密度与采集的农作物的种植密度m1进行比对，根据比对结果对农作物种植密度进行分析，其中：
m0=[(x0/x1+1)×(y0/y1+1)]/(x0×y0)，其中，x0为施药区域长度，x1为施药区域长度的预设种植间距，y0为施药区域宽度，y1为施药区域宽度的预设种植间距；
当m1≤m0时，所述种植密度分析模块判定种植密度适宜；
当m1＞m0时，所述种植密度分析模块判定种植密度过大；
所述第二调节单元将采集的土壤的电导率k0与各预设电导率进行比对，并根据比对结果计算出第二调节系数对种植密度的分析过程进行调节，其中：
当k0＜k1时，所述第二调节单元判定土壤的盐渍化低，并设置第二调节系数γ1对预设密度m1进行调节，设定γ1=1+(k1-k0)/(k1+k0)；
当k1≤k0≤k2时，所述第二调节单元判定土壤的盐渍化正常，不进行调节；
当k0＞k2时，所述第二调节单元判定土壤的盐渍化高，并设置第二调节系数γ2对预设密度m1进行调节，设定γ2=1-(k2-k0)/(k2+k0)；
所述第二调节单元根据第二调节系数γF对预设密度m1进行调节,并将调节后的预设密度m1设为m2,设定m2=m1×γF，F=1,2；
其中，k1为预设最低电导率，k2为预设最高电导率；
所述第二修正单元将采集的土壤的酸碱性h0与各预设酸碱性进行比对，并根据比对结果计算出第二修正系数对第二调节系数进行修正，其中：
当h0＜h1或h0＞h2时，所述第二修正单元判定土壤的PH低，并设置第二修正系数H1对调节系数γ进行修正，设定H1=1+(h1-h0)/(h1+h0)；
当h1≤h0≤h2时，所述第二修正单元判定土壤的PH正常，不进行修正；
当h0＞h2时，所述第二修正单元判定土壤的PH高，并设置第二修正系数H2对调节系数γ进行修正，设定H2=1+(k2-k0)/(k2+k0)；
所述第二修正单元根据第二修正系数Hv对第二调节系数γF进行修正,并将修正后的第二调节系数γF设为γF’,设定γF’=Hv×γF,v=1,2；
其中，h1为预设最小PH，h2为预设最大PH。
2.根据权利要求1所述的智慧农业云平台监控***，其特征在于，所述土壤温度分析单元计算出采集周期内的平均温度w0，并将平均温度w0与各预设土壤温度进行比对，并根据比对结果对土壤进行分析，其中：
当w0＜w1时，所述土壤温度分析单元判定土壤温度不适宜害虫生长；
当w1≤w0≤w2时，所述土壤分析单元判定土壤温度适宜害虫生长；
当w1＞w2时，所述土壤分析单元判定土壤温度很适宜害虫生长；
其中，w0=(W1+W2+...+Wn)/n。
3.根据权利要求1所述的智慧农业云平台监控***，其特征在于，所述土壤肥力分析单元计算出采集周期内的平均离子浓度，并与各预设离子浓度进行比对，并根据比对结果对土壤条件进行三次分析，其中：
当土壤温度不适宜害虫生长或土壤湿度不适宜害虫生长时，所述土壤肥力分析单元判定土壤条件危险等级为无危险；
当土壤湿度适宜害虫生长时，若a0＜a1且b0＜b1或a1≤a0且b0＜b1或b1≤b0且a0＜a1时，所述土壤肥力分析单元判定土壤条件危险等级为低；若a0＞a1且b0＞b1时，所述土壤肥力分析单元判定土壤条件危险等级为中；
当土壤湿度很适宜害虫生长时，若a0＜a1且b0＜b1时，所述土壤肥力分析单元判定土壤条件危险等级为低；若a1≤a0且b0＜b1或b1≤b0且a0＜a1时，所述土壤肥力分析单元判定土壤条件危险等级为中；若a0＞a1且b0＞b1时，所述土壤肥力分析单元判定土壤条件危险等级为高；
其中，a0=(A1+A2+...+An)/n,b0=(B1+B2+...+Bn)/n。
4.根据权利要求1所述的智慧农业云平台监控***，其特征在于，所述虫害分析模块对获取的目标图像按照预设灰度值进行区域划分，并根据区域划分结果计算虫害威胁度，并将虫害威胁度与预设威胁度进行比对，根据比对结果对虫害严重度进行分析，其中：
当D1≤DO≤D2时，所述虫害分析模块将灰度值为D0的区域作为叶子区域；
当D0＞D2或D0＜D1时，所述虫害分析模块将灰度值为D0的区域作为受损区域；
所述虫害分析模块将每个目标图像叶子受损度设为Nu,设定Nu=E1/(E1+E2)，所述虫害分析模块将虫害威胁度设为N，设定N=(N1+N2+...+Nu)/u，0＜u≤z,其中：
当N≤N1时，所述虫害分析模块判定虫害严重度为轻度；
当N1≤N≤N2时，所述虫害分析模块判定虫害严重度为中度；
当N＞N2时，所述虫害分析单元判定虫害严重度为重度；
其中，A1为预设最小灰度值，A2为预设最大灰度值，B1为目标图像中受损区域面积，B2为目标图像中叶子区域面积,z为预设拍摄区域的数量，N1为第一张目标图像的叶子受损度，N2为第二张目标图像的叶子受损度，Nu为第u张目标图像的叶子受损度。
5.根据权利要求4所述的智慧农业云平台监控***，其特征在于，所述施药方式控制模块根据对土壤条件的分析结果、农作物的标准种植密度的分析结果和虫害的分析结果对施药方式进行控制，其中：
当虫害严重度为轻度时，不设置施药方式；
当虫害严重度为中度时，若i1/i≥e1且i2/i＜e1时，所述施药方式控制模块设置无人机喷洒农药对害虫进行消杀，并将用药量设为R1；若i2/i≥e1且种植密度过大时，所述施药方式控制模块设置无人机喷洒农药对害虫进行消杀，并将用药量设为R2；
当虫害严重度为重度时，若i3/i0≥e1且i4/i0＜e1时，所述施药方式控制模块设置无人机喷洒农药对害虫进行消杀，并将用药量设为R3；若i4/i0≥e1且种植密度过大时，所述施药方式控制模块设置无人机喷洒农药对害虫进行消杀，并将用药量设为R4，R1＜R2＜R3＜R4。
6.根据权利要求5所述的智慧农业云平台监控***，其特征在于，所述优化模块将生长周期内农作物的产量p0与预设产量p1进行比对，并根据比对结果对下一生长周期施药方式的控制过程进行优化，其中：
当p0＜p1时，所述优化模块设置优化系数G1对预设异常系数e1进行优化，设定G1=1+(p1-p0)/(p1+p0);
当p1≤p0≤p2时，所述优化模块不进行优化；
当p0＞p2时，所述优化模块设置优化系数G2对预设异常系数e1进行优化,设定G2=1-(p2-p0)/(p2+p0);
所述优化模块根据优化系数GJ对预设异常系数e1进行优化，并将优化后的预设密度e1设为e1’,设定e1’=e1×GJ,j=1,2;
其中，p1为预设最小产量，p2为预设最大产量。
CN202311099179.6A 2023-08-30 2023-08-30 一种智慧农业云平台监控*** Active CN116824380B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311099179.6A CN116824380B (zh) 2023-08-30 2023-08-30 一种智慧农业云平台监控***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311099179.6A CN116824380B (zh) 2023-08-30 2023-08-30 一种智慧农业云平台监控***

Publications (2)

Publication Number Publication Date
CN116824380A CN116824380A (zh) 2023-09-29
CN116824380B true CN116824380B (zh) 2023-11-28

Family

ID=88126092

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311099179.6A Active CN116824380B (zh) 2023-08-30 2023-08-30 一种智慧农业云平台监控***

Country Status (1)

Country Link
CN (1) CN116824380B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117314024B (zh) * 2023-11-29 2024-02-06 杨凌职业技术学院 一种智慧农业病虫害云平台
CN117371671B (zh) * 2023-12-07 2024-03-08 杨凌职业技术学院 一种基于信息获取合理分配的农业咨询服务***
CN117723114A (zh) * 2023-12-14 2024-03-19 北京爱朗格瑞科技有限公司 一种智能高压电缆工作环境监测***
CN117592664A (zh) * 2024-01-18 2024-02-23 北京鑫创数字科技股份有限公司 一种基于物联网和云计算的智慧农业管控***

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016188384A1 (zh) * 2015-05-26 2016-12-01 徐吉祥 智能种植管理方法和智能种植设备
EP3125151A2 (en) * 2015-07-31 2017-02-01 Accenture Global Services Limited Inventory, growth, and risk prediction using image processing
CN110688989A (zh) * 2019-10-31 2020-01-14 无锡蜂巢生态农业有限公司 一种基于生态环保的智慧农业监控管理***及方法
KR102121734B1 (ko) * 2019-11-18 2020-06-12 이민우 스마트 팜 통합관리 플랫폼 시스템 및 이의 운영방법
CN114035607A (zh) * 2021-11-06 2022-02-11 溆浦农飞客农业科技有限公司 一种无人机喷洒农药的作业方法
CN115034620A (zh) * 2022-06-13 2022-09-09 文山苗乡三七科技有限公司 一种三七栽培土壤再植风险评价方法
CN115511219A (zh) * 2022-10-31 2022-12-23 邹城市农业农村局 一种小麦作物生长状态智能预测方法及***
CN115604301A (zh) * 2022-08-31 2023-01-13 沧州幼儿师范高等专科学校（Cn） 一种基于人工智能的种植环境监测***
CN115630770A (zh) * 2022-12-07 2023-01-20 广东省农业科学院植物保护研究所 一种基于植保无人机的作业效果评价方法、***及介质
CN115936916A (zh) * 2022-12-20 2023-04-07 齐齐哈尔大学 一种基于大数据的智慧农业服务平台
CN116391690A (zh) * 2023-04-24 2023-07-07 北星空间信息技术研究院(南京)有限公司 一种基于物联网大数据的智慧农业种植监测***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020123342A1 (en) * 2018-12-11 2020-06-18 The Climate Corporation Mapping soil properties with satellite data using machine learning approaches

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016188384A1 (zh) * 2015-05-26 2016-12-01 徐吉祥 智能种植管理方法和智能种植设备
EP3125151A2 (en) * 2015-07-31 2017-02-01 Accenture Global Services Limited Inventory, growth, and risk prediction using image processing
CN110688989A (zh) * 2019-10-31 2020-01-14 无锡蜂巢生态农业有限公司 一种基于生态环保的智慧农业监控管理***及方法
KR102121734B1 (ko) * 2019-11-18 2020-06-12 이민우 스마트 팜 통합관리 플랫폼 시스템 및 이의 운영방법
CN114035607A (zh) * 2021-11-06 2022-02-11 溆浦农飞客农业科技有限公司 一种无人机喷洒农药的作业方法
CN115034620A (zh) * 2022-06-13 2022-09-09 文山苗乡三七科技有限公司 一种三七栽培土壤再植风险评价方法
CN115604301A (zh) * 2022-08-31 2023-01-13 沧州幼儿师范高等专科学校（Cn） 一种基于人工智能的种植环境监测***
CN115511219A (zh) * 2022-10-31 2022-12-23 邹城市农业农村局 一种小麦作物生长状态智能预测方法及***
CN115630770A (zh) * 2022-12-07 2023-01-20 广东省农业科学院植物保护研究所 一种基于植保无人机的作业效果评价方法、***及介质
CN115936916A (zh) * 2022-12-20 2023-04-07 齐齐哈尔大学 一种基于大数据的智慧农业服务平台
CN116391690A (zh) * 2023-04-24 2023-07-07 北星空间信息技术研究院(南京)有限公司 一种基于物联网大数据的智慧农业种植监测***

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Phasmatodea population evolution algorithm and its application in length-changeable incremental extreme learning machine;Pei-Cheng Song 等;《2020 2nd International Conference on Industrial Artificial Intelligence 》;全文 *
一种基于多传感器的智慧农业管理***;胡钢;梁高丽;雷浩;;内江科技(02);全文 *
土壤环境因子对棉花根际与内生拮抗细菌存活数量的影响;党文芳等;《棉花学报》;全文 *
基于物联网的害虫监测关键技术研究;冯健昭;《中国博士学位论文全文数据库 (信息科学辑)》;全文 *
迁飞性害虫精准施药决策分析方法研究;赵春江;陈天恩;陈立平;郜允兵;;农业工程学报(S2);全文 *

Also Published As

Publication number Publication date
CN116824380A (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
CN116824380B (zh) 一种智慧农业云平台监控***
CN116755376B (zh) 一种基于农业物联网的监控方法及***
CN113133364B (zh) 一种温室大棚温湿度智能控制方法及***
CN116307190B (zh) 一种基于蓝牙mesh网络的果园环境对产量的预测方法
CN110688989B (zh) 一种基于生态环保的智慧农业监控管理***及方法
CN113994868B (zh) 一种基于植物生长周期的自动灌溉方法及***
CN113469248A (zh) 基于神经网络的农业培育控制方法、装置、***及介质
CN116562813B (zh) 一种基于农业物联网的智慧农业综合管理***
CN114818888A (zh) 基于多通道卡尔曼滤波的土壤成分数据融合方法和***
CN115511219A (zh) 一种小麦作物生长状态智能预测方法及***
CN117540934A (zh) 基于数据分析的小麦生长周期智能监管***
CN116310815B (zh) 一种适用于智能化茶园的病虫害预警及自学习方法
AU2021374236A9 (en) Advanced crop manager for crops stress mitigation
CN115953064A (zh) 一种耕地质量综合治理及优化调控方法
CN116616019A (zh) 基于物联网和人工智能的油茶水肥一体化滴灌方法及***
CN112640870A (zh) 一种基于植保无人机的病虫害防治***及方法
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
CN107421585B (zh) 一种基于光伏技术的监管方法和***
CN116797106B (zh) 一种植保无人机作业效果评价***
CN112150300A (zh) 一种基于农药残留统计的精准收获方法
CN112288167A (zh) 一种位置受限的太阳能杀虫灯节点部署方法
CN109948535A (zh) 一种作物种子生产主要生育期肥水条件的智慧监控方法
CN112385632A (zh) 基于lqr控制器的植保无人机变量喷雾控制***及控制方法
CN117035196B (zh) 基于数据分析的农业生产信息化管理***
Archer et al. Value of temperature-activated polymer-coated seed in the northern Corn Belt

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