CN116843164A - 基于图像分析的农业机械智能化控制*** - Google Patents
基于图像分析的农业机械智能化控制*** Download PDFInfo
- Publication number
- CN116843164A CN116843164A CN202311093295.7A CN202311093295A CN116843164A CN 116843164 A CN116843164 A CN 116843164A CN 202311093295 A CN202311093295 A CN 202311093295A CN 116843164 A CN116843164 A CN 116843164A
- Authority
- CN
- China
- Prior art keywords
- plant
- data
- farmland
- control
- agricultural machinery
- 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
- 238000010191 image analysis Methods 0.000 title claims abstract description 18
- 230000012010 growth Effects 0.000 claims abstract description 26
- 230000008635 plant growth Effects 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 241000196324 Embryophyta Species 0.000 claims description 97
- 238000007726 management method Methods 0.000 claims description 70
- 239000002689 soil Substances 0.000 claims description 37
- 238000005286 illumination Methods 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 8
- 238000005527 soil sampling Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000005507 spraying Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 4
- 239000000575 pesticide Substances 0.000 claims description 4
- 230000002265 prevention Effects 0.000 claims description 4
- 238000009333 weeding Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004904 shortening Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 11
- 230000006872 improvement Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 241000238631 Hexapoda Species 0.000 description 5
- 230000008020 evaporation Effects 0.000 description 4
- 238000001704 evaporation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 235000021049 nutrient content Nutrition 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 230000036541 health Effects 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
- 238000012544 monitoring process Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
- A01G25/167—Control by humidity of the soil itself or of devices simulating soil or of the atmosphere; Soil humidity sensors
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
- A01M7/0089—Regulating or controlling systems
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- Environmental Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Evolutionary Computation (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Animal Husbandry (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Geometry (AREA)
- Soil Sciences (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Insects & Arthropods (AREA)
- Pest Control & Pesticides (AREA)
- Wood Science & Technology (AREA)
Abstract
本发明涉及智能化控制技术领域。本发明涉及基于图像分析的农业机械智能化控制***。其包括农田采集单元、植物管理单元以及农机管理单元；农田采集单元用于采集农田植物数据，并根据植物数据对农田划分区域；植物管理单元用于采集农田环境数据，并将农田采集单元采集的植物数据结合环境数据进行植物生长趋势预测，并根据生长趋势预测数据对区域设置防治阈值，并定位超出阈值的区域；本发明通过将农田划分为网格区域，实现分布管理农田，避免统一使用农业机械对植物进行灌溉和除虫，提高对植物养护的效率，通过对植物设定为期为一周的生长检测防治阈值，实现当植物需要出现缺少水分或者需要除虫时，及时排出农业机械进行防治工作。
Description
技术领域
本发明涉及智能化控制技术领域，具体地说，涉及基于图像分析的农业机械智能化控制***。
背景技术
农业生产受到温度、湿度、水分等多种农田环境因素的影响，而农田环境质量的好坏，对农产品的产量和质量都有着较大影响。传统的农田环境管理多是通过人工时时查看，并根据经验判断进行一系列的农田环境监测管理，这类方法，欠缺一定的准确性，容易出现误差，并且无法满足大规模大面积的农田管理需求；
同时在通过定时控制农业机器对农作物定期灌溉除虫，由于植物在不同农田位置中，所受害虫侵蚀和阳光照射的面积不同，阳光照射会加速植物的水分流失，导致在不同植物需要灌溉和除虫的时间不同，如果定期控制农业机械进行灌溉除虫，会出现有的植物除虫过晚，或者有的植物过于缺少水分，同时控制农业机械浇灌和除虫如果过于频繁，会导致植物的生长环境受到破坏，影响植物的生长速率，鉴于此，提出基于图像分析的农业机械智能化控制***。
发明内容
本发明的目的在于提供基于图像分析的农业机械智能化控制***，以解决上述背景技术中提出的问题。
为实现上述目的，提供了基于图像分析的农业机械智能化控制***，包括农田采集单元、植物管理单元以及农机管理单元；
所述农田采集单元用于采集农田植物数据，并根据植物数据对农田划分区域；
所述植物管理单元用于采集农田环境数据，并将农田采集单元采集的植物数据结合环境数据进行植物生长趋势预测，并根据生长趋势预测数据对区域设置防治阈值，并定位超出阈值的区域；
所述农机管理单元用于将植物管理单元定位超出阈值的区域发送至农业机械管理端，农业机械管理端根据环境数据和植物数据对超出阈值的区域派出农机进行防治，并将防治工作完毕的区域数据输入至植物管理单元进行防治阈值更新。
作为本技术方案的进一步改进，所述农田采集单元通过利用无人机搭载的相机获取农田的图像，并从图像中提取植物数据，并根据植物品种将农田划分为网格区域。
作为本技术方案的进一步改进，所述植物管理单元包括环境采集模块和生长预测模块；
所述环境采集模块用于采集土壤数据，并获取植物正常土壤成分数据；
所述生长预测模块用于根据环境采集模块采集的土壤数据结合植物数据进行植物未来生长趋势预测，并根据植物数据对预测数据进行筛选，获取一周后植物生长预测状态。
作为本技术方案的进一步改进，所述环境采集模块通过土壤采样工具对每个区域进行单独采样，获取每个区域单独的土壤数据。
作为本技术方案的进一步改进，所述植物管理单元包括阈值设定模块、防治确定模块和定位模块；
所述防治确定模块用于根据一周后的农田采集单元采集的植物数据与一周后植物生长预测状态进行比对，若比对差距大于防治阈值，则输出当前区域需要除草的防治信号，若比对差距小于防治阈值，则输出当前区域需要浇水的防治信号；
所述定位模块用于接收当前区域需要的防治信号，并确定需要防治区域的位置。
作为本技术方案的进一步改进，所述定位模块采用GPS定位技术记录下需要防治区域的坐标。
作为本技术方案的进一步改进，所述植物管理单元还包括光照检测模块，所述光照检测模块用于根据采集的农田的图像提取光照对植物的覆盖数据，并根据采集天气温度数据获取光照温度数据，将覆盖数据结合光照温度数据分析获取植物水分流失数据，并将水分流失数据输送至生长预测模块，缩短植物生长预测状态获取的周期日。
作为本技术方案的进一步改进，所述农机管理单元包括农机管理模块；
所述农机管理模块用于接收放置防治确定模块的防治信号并结合防治区域的坐标将输出信号发送至农业机械管理端，农业机械管理端派出对应的农机对防治区域进行防治工作。。
作为本技术方案的进一步改进，所述农机管理单元还包括农机防治路径管理模块，所述农机防治路径管理模块用于根据农田采集单元采集的农田图像结合农机喷洒范围对农机行走路径进行规划，使得农机喷洒的农药均匀分布在防治区域。
与现有技术相比，本发明的有益效果：
该基于图像分析的农业机械智能化控制***中，通过将农田划分为网格区域，实现分布管理农田，避免统一使用农业机械对植物进行灌溉和除虫，提高对植物养护的效率，通过对植物设定为期为一周的生长检测防治阈值，实现当植物需要出现缺少水分或者需要除虫时，及时排出农业机械进行防治工作，避免出现植物缺水或者水分过多，影响植物的生长环境，同时根据农田位置的光照数据，对观测周期进行调整，使得本***适用不同地区的农田进行管理。
附图说明
图1为本发明的整体结构原理图。
图中各个标号意义为：
10、农田采集单元；20、植物管理单元；30、农机管理单元。
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。
实施例1
请参阅图1所示，本实施例目的在于，提供了基于图像分析的农业机械智能化控制***，包括农田采集单元10、植物管理单元20以及农机管理单元30；
农田采集单元10用于采集农田植物数据，并根据植物数据对农田划分区域；
农田采集单元10通过利用无人机搭载的相机获取农田的图像，并从图像中提取植物数据，并根据植物品种将农田划分为网格区域。步骤如下：
设计航线并确保无人机按照预定的航线进行飞行，确保整个农田区域都被拍摄到；
拍摄农田区域的图像；
使用图像处理算法，例如图像分割和物体检测，提取图像中的植物数据；
根据植物数据进行农田的划分。可以使用网格化的方法将农田区域划分为等大小的网格区域，或者根据植物的密度和分布情况进行动态划分；
分析植物数据，并根据植物品种进行分类和记录。
植物管理单元20用于采集农田环境数据，并将农田采集单元10采集的植物数据结合环境数据进行植物生长趋势预测，并根据生长趋势预测数据对区域设置防治阈值，并定位超出阈值的区域；
植物管理单元20包括环境采集模块和生长预测模块；
环境采集模块用于采集土壤数据，并获取植物正常土壤成分数据；
环境采集模块通过土壤采样工具对每个区域进行单独采样，获取每个区域对应的土壤数据。步骤如下：
土壤采样点的选择：在农田内选择代表性的土壤采样点；土壤采样工具的准备：选择合适的土壤采样工具。常见的工具有土壤钻或者土壤钻孔器；
采样深度的确定：根据研究需要，确定采样的深度范围。采集表层土壤0-植物管理单元20厘米、深层土壤植物管理单元20-农田采集单元100厘米；
采样方法的执行：将采样工具垂直***土壤中，或采用斜向方式进行采样。根据采样深度要求，采集足够数量的土壤样本；
土壤样本的处理与保存：将采集的土壤样本放入干净的袋子或容器中，尽快进行处理。根据需求，可以将不同采样点的土壤样本分开处理，或混合成总体代表样本。为了保持样本的质量，应妥善保存，避免污染和水分丧失；
土壤数据的分析：对土壤样本进行化学分析和理化性质测试。可以测量土壤的养分含量、有机质含量、pH值、盐分等指标，以及土壤质地、负荷量等理化性质。；
数据解读与应用：将采集的土壤数据进行统计分析，并结合农田管理实践和作物需求，进行数据解读和应用。通过分析土壤数据，可以了解土壤肥力状况、水分保持能力、酸碱度等，为农田管理和作物种植提供依据。
生长预测模块用于根据环境采集模块采集的土壤数据结合植物数据进行植物未来生长趋势预测，并根据植物数据对预测数据进行筛选，获取一周后植物生长预测状态。步骤如下：
可以使用回归模型建立植物生长预测模型，将土壤数据和植物数据作为输入，将植物的生长状态作为输出；公式如下：
其中，表示植物的生长状态，/>、/>、...、/>表示土壤和植物的特征，例如土壤湿度、土壤温度、土壤pH值、植物高度、叶片数量等。/>、/>、/>、...、/>表示模型的系数，通过机器学习算法从训练数据中学习得到。
针对采集的土壤数据和植物数据，进行特征工程，提取相关特征，例如土壤的养分含量、湿度变化速率、植物的生长速度等；
应用训练好的模型，输入一周后的土壤数据，进行预测。预测结果可以得到植物的生长状态，例如生长速度、健康程度等。
植物管理单元20包括阈值设定模块、防治确定模块和定位模块；
阈值设定模块用于根据每个区域结合对应的一周后植物生长预测状态设定防治阈值；以植物生长速率设定防治阈值，植物生长速率可以每周的增长量表示，单位可以是厘米。
防治确定模块用于根据一周后的农田采集单元10采集的植物数据与一周后植物生长预测状态进行比对，若比对差距大于防治阈值，则输出当前区域需要除草的防治信号，若比对差距小于防治阈值，则输出当前区域需要浇水的防治信号；公式如下：
其中，为植物数据，/>为植物生长预测状态，/>为生长速率，若/>>防治阈值，则输出除草的防治信号，若/><防治阈值，则输出浇水的防治信号。
定位模块用于接收当前区域需要的防治信号，并确定需要防治区域的位置。
定位模块采用GPS定位技术记录下需要防治区域的坐标。GPS定位技术原理：GPS全球定位***是一种基于卫星导航的定位技术。GPS接收器接收来自卫星的定位和时间信号，并通过解算这些信号的传播时间差来确定接收器的位置。
植物管理单元20还包括光照检测模块，光照检测模块用于根据采集的农田的图像提取光照对植物的覆盖数据，并根据采集天气温度数据获取光照温度数据，将覆盖数据结合光照温度数据分析获取植物水分流失数据，并将水分流失数据输送至生长预测模块，缩短植物生长预测状态获取的周期日。步骤如下：
对农田图像进行预处理，包括去除噪声、图像增强和转换等；
根据植物的轮廓或区域，计算植物覆盖面积或比例，作为光照对植物的覆盖数据；
获得农田所在区域的日照时长数据，可以根据地理位置和日期推算得到；
获得当天的最高温度和最低温度数据；
根据日照时长和温度数据，计算光照温度指数，该指数可以反映光照和温度对植物水分蒸发的影响。公式如下：
根据覆盖数据和光照温度数据，计算出每个时刻的植物水分蒸发潜力ET：
其中，表示一个函数，可以根据具体情况采用回归模型来计算植物水分蒸发潜力；
将植物的水分蒸发潜力与土壤含水量进行比较，以获取水分流失数据：
函数为差值。水分流失数据可以表示为水分的减少量或变化程度。
农机管理单元30用于将植物管理单元20定位超出阈值的区域发送至农业机械管理端，农业机械管理端根据环境数据和植物数据对超出阈值的区域派出农机进行防治，并将防治工作完毕的区域数据输入至植物管理单元20进行防治阈值更新。
农机管理单元30包括农机管理模块；
农机管理模块用于接收放置防治确定模块的防治信号并结合防治区域的坐标将输出信号发送至农业机械管理端，农业机械管理端派出对应的农机对防治区域进行防治工作。步骤如下：
接收防治信号和防治区域的坐标；
将输出信号发送至农业机械管理端。这可以通过网络连接或其他通信方式，将防治信号和区域坐标传输给农业机械管理端。确保信息的准确、及时地传送；
农业机械管理端接收并解析输出信号。农业机械管理端收到防治信号和区域坐标后，通过相应的算法和逻辑进行解析，确定应该派出哪种类型的农机进行防治工作；
派出对应的农机对防治区域进行防治工作。根据农机管理端的指示，选择合适的农机携带相应的防治设备，前往防治区域进行作业。
农机管理单元30还包括农机防治路径管理模块，农机防治路径管理模块用于根据农田采集单元10采集的农田图像结合农机喷洒范围对农机行走路径进行规划，使得农机喷洒的农药均匀分布在防治区域。步骤如下：
使用图像分割和物体检测，提取出防治区域以及农机喷洒范围的边界或轮廓；表达式如下：
阈值分割： 阈值分割是根据像素灰度值对图像进行二值化分割。常用的阈值分割方法有全局阈值和局部阈值分割。
全局阈值分割： 场景阈值 = (最大灰度值 + 最小灰度值) / 2 ；
二值图像 = 图像灰度值>场景阈值；
局部阈值分割： 根据像素周围邻域的灰度值计算局部阈值。
基于防治区域的边界和农机的喷洒范围，使用路径规划算法确定农机行走路径，以达到均匀覆盖整个防治区域。路径规划算法可以根据农田图像中植被分布和农机喷洒范围等信息，优化路径设计；路径规划算法公式如下：
表示节点n的综合评估值；/>表示从初始节点到节点n的实际代价，这个值表示从起始节点到当前节点n的实际消耗，为已知的（可以测量的）代价；/>表示从节点n到目标节点的启发式估计代价，这个值是一个启发式函数，用于估计从当前节点n到目标节点的代价，它并不是实际的代价，而是根据问题的特性和启发式函数的设计来估计的一个近似值。
上述算法综合考虑了两个因素：实际代价和启发式估计代价，反映了已知的实际代价，而/>则提供了一种启发式的估计代价，通过将这两个值相加，可以得到一个综合评估值/>，用于选择下一个最有可能导致最佳路径的节点。
根据路径规划结果，通过农机的自动导航控制农机按照规划好的路径行走，以完成农药的均匀喷洒。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.基于图像分析的农业机械智能化控制***，其特征在于：包括农田采集单元（10）、植物管理单元（20）以及农机管理单元（30）；
所述农田采集单元（10）用于采集农田植物数据，并根据植物数据对农田划分区域；
所述植物管理单元（20）用于采集农田环境数据，并将农田采集单元（10）采集的植物数据结合环境数据进行植物生长趋势预测，并根据生长趋势预测数据对区域设置防治阈值，并定位超出阈值的区域；
所述农机管理单元（30）用于将植物管理单元（20）定位超出阈值的区域发送至农业机械管理端，农业机械管理端根据环境数据和植物数据对超出阈值的区域派出农机进行防治，并将防治工作完毕的区域数据输入至植物管理单元（20）进行防治阈值更新。
2.根据权利要求1所述的基于图像分析的农业机械智能化控制***，其特征在于：所述农田采集单元（10）通过利用无人机搭载的相机获取农田的图像，并从图像中提取植物数据，并根据植物品种将农田划分为网格区域。
3.根据权利要求1所述的基于图像分析的农业机械智能化控制***，其特征在于：所述植物管理单元（20）包括环境采集模块和生长预测模块；
所述环境采集模块用于采集土壤数据，并获取植物正常土壤成分数据；
所述生长预测模块用于根据环境采集模块采集的土壤数据结合植物数据进行植物未来生长趋势预测，并根据植物数据对预测数据进行筛选，获取一周后植物生长预测状态。
4.根据权利要求3所述的基于图像分析的农业机械智能化控制***，其特征在于：所述环境采集模块通过土壤采样工具对每个区域进行单独采样，获取每个区域对应的土壤数据。
5.根据权利要求4所述的基于图像分析的农业机械智能化控制***，其特征在于：所述植物管理单元（20）包括阈值设定模块、防治确定模块和定位模块；
所述阈值设定模块用于根据每个区域结合对应的一周后植物生长预测状态设定防治阈值；
所述防治确定模块用于根据一周后的农田采集单元（10）采集的植物数据与一周后植物生长预测状态进行比对，若比对差距大于防治阈值，则输出当前区域需要除草的防治信号，若比对差距小于防治阈值，则输出当前区域需要浇水的防治信号；
所述定位模块用于接收当前区域需要的防治信号，并确定需要防治区域的位置。
6.根据权利要求5所述的基于图像分析的农业机械智能化控制***，其特征在于：所述定位模块采用GPS定位技术记录下需要防治区域的坐标。
7.根据权利要求1所述的基于图像分析的农业机械智能化控制***，其特征在于：所述植物管理单元（20）还包括光照检测模块，所述光照检测模块用于根据采集的农田的图像提取光照对植物的覆盖数据，并根据采集天气温度数据获取光照温度数据，将覆盖数据结合光照温度数据分析获取植物水分流失数据，并将水分流失数据输送至生长预测模块，缩短植物生长预测状态获取的周期日。
8.根据权利要求5所述的基于图像分析的农业机械智能化控制***，其特征在于：所述农机管理单元（30）包括农机管理模块；
所述农机管理模块用于接收放置防治确定模块的防治信号并结合防治区域的坐标将输出信号发送至农业机械管理端，农业机械管理端派出对应的农机对防治区域进行防治工作。
9.根据权利要求1所述的基于图像分析的农业机械智能化控制***，其特征在于：所述农机管理单元（30）还包括农机防治路径管理模块，所述农机防治路径管理模块用于根据农田采集单元（10）采集的农田图像结合农机喷洒范围对农机行走路径进行规划，使得农机喷洒的农药均匀分布在防治区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311093295.7A CN116843164A (zh) | 2023-08-29 | 2023-08-29 | 基于图像分析的农业机械智能化控制*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311093295.7A CN116843164A (zh) | 2023-08-29 | 2023-08-29 | 基于图像分析的农业机械智能化控制*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116843164A true CN116843164A (zh) | 2023-10-03 |
Family
ID=88165500
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311093295.7A Pending CN116843164A (zh) | 2023-08-29 | 2023-08-29 | 基于图像分析的农业机械智能化控制*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116843164A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117268476A (zh) * | 2023-11-21 | 2023-12-22 | 连云港华企立方信息技术有限公司 | 一种基于生态农业的智慧管理方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150237790A1 (en) * | 2013-03-07 | 2015-08-27 | Blue River Technology, Inc. | System and method for automated odometry calibration for precision agriculture systems |
| CN109191074A (zh) * | 2018-08-27 | 2019-01-11 | 宁夏大学 | 智慧果园种植管理*** |
| CN110050619A (zh) * | 2019-05-10 | 2019-07-26 | 广西润桂科技有限公司 | 基于精准气象保障技术的无人机甘蔗病虫害防治喷药方法 |
| 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*** |
-
2023
- 2023-08-29 CN CN202311093295.7A patent/CN116843164A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150237790A1 (en) * | 2013-03-07 | 2015-08-27 | Blue River Technology, Inc. | System and method for automated odometry calibration for precision agriculture systems |
| CN109191074A (zh) * | 2018-08-27 | 2019-01-11 | 宁夏大学 | 智慧果园种植管理*** |
| CN110050619A (zh) * | 2019-05-10 | 2019-07-26 | 广西润桂科技有限公司 | 基于精准气象保障技术的无人机甘蔗病虫害防治喷药方法 |
| 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*** |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117268476A (zh) * | 2023-11-21 | 2023-12-22 | 连云港华企立方信息技术有限公司 | 一种基于生态农业的智慧管理方法 |
| CN117268476B (zh) * | 2023-11-21 | 2024-03-22 | 连云港华企立方信息技术有限公司 | 一种基于生态农业的智慧管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rivera et al. | LiDAR applications in precision agriculture for cultivating crops: A review of recent advances | |
| CN110110595B (zh) | 一种基于卫星遥感影像的农田画像及药肥大数据分析方法 | |
| CN106971167B (zh) | 基于无人机平台的作物生长分析方法及其分析*** | |
| US20160247076A1 (en) | Simulation of soil condition response to expected weather conditions for forecasting temporal opportunity windows for suitability of agricultural and field operations | |
| CN110956381A (zh) | 一种远程农业信息智能分析***及农业环境调控方法 | |
| CN116738766B (zh) | 基于数字孪生的智慧农业线上产业化服务*** | |
| Gawande et al. | Potential of precision farming technologies for eco-friendly agriculture | |
| CN112561367A (zh) | 一种智能种植决策控制*** | |
| Ozdemir et al. | Precision Viticulture tools to production of high quality grapes. | |
| CN116843164A (zh) | 基于图像分析的农业机械智能化控制*** | |
| EP3422280A1 (en) | A method for forecasting the parameters of a phenomenon or the activities of an object, particularly animate, in a given geographic area | |
| CN114359745A (zh) | 信息处理方法、存储介质和电子设备 | |
| CN111523457B (zh) | 一种杂草识别方法及杂草处理设备 | |
| CN110516943B (zh) | 一种基于地表温度的春灌期灌溉面积动态监测遥感方法 | |
| Burlacu et al. | A conceptual model of farm management information system for decision support | |
| McCarthy et al. | Field evaluation of automated site-specific irrigation for cotton and perennial ryegrass using soil-water sensors and Model Predictive Control | |
| US20230345889A1 (en) | Modeling of soil compaction and structural capacity for field trafficability by agricultural equipment from diagnosis and prediction of soil and weather conditions associated with user-provided feedback | |
| Lavanya et al. | An integrated GIS and knowledge-based automated decision support system for precision agriculture using IoT | |
| Hossen et al. | Artificial Intelligence in Agriculture: A Systematic Literature Review | |
| Huang et al. | Digital image analysis technologies for decision support systems in agricultural | |
| CN114445713A (zh) | 一种多设备联动植保***及方法 | |
| Tăbărașu et al. | Benefits Regarding the Implementation of Agriculture 4.0 In the Current Context | |
| Kumar et al. | Precision agriculture–a vital approach towards modernizing the smart farming in India | |
| CN206821214U (zh) | 一种基于北斗卫星的智能播种作业*** | |
| Jagli et al. | Smart Farming Using Artificial Intelligence. |
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 |