CN117561964B - 一种基于人工智能的农业数据管理***及方法 - Google Patents
一种基于人工智能的农业数据管理***及方法 Download PDFInfo
- Publication number
- CN117561964B CN117561964B CN202410051989.2A CN202410051989A CN117561964B CN 117561964 B CN117561964 B CN 117561964B CN 202410051989 A CN202410051989 A CN 202410051989A CN 117561964 B CN117561964 B CN 117561964B
- Authority
- CN
- China
- Prior art keywords
- irrigation
- historical
- soil
- record
- farmland
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013523 data management Methods 0.000 title claims abstract description 23
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 19
- 238000003973 irrigation Methods 0.000 claims abstract description 486
- 230000002262 irrigation Effects 0.000 claims abstract description 486
- 239000002689 soil Substances 0.000 claims abstract description 240
- 201000010099 disease Diseases 0.000 claims abstract description 104
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 104
- 239000000126 substance Substances 0.000 claims abstract description 29
- 238000007726 management method Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims description 14
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims 1
- 238000012271 agricultural production Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Environmental Sciences (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及农业数据管理技术领域,具体为一种基于人工智能的农业数据管理***及方法,包括构建农业管理云平台,分析历史灌溉记录与农作物病害之间的关系,并对历史灌溉记录进行分类,得到农田的历史灌溉记录集;分析历史灌溉记录中农田的土壤理化性质,对农作物生长状态影响程度,得到农田的土壤影响数据;从历史灌溉记录中,提取出灌溉设备的设备控制参数的灌溉数据,评估不同灌溉数据下的设备控制参数对农田内农作物的生长状态影响程度,得到农田的标记灌溉数据;获取当前周期内农田内土壤状态数据和农作物状态数据,对当前周期内农田中,灌溉设备的设备控制参数进行智能调整,对农田进行智能管理。
Description
技术领域
本发明涉及农业数据管理技术领域,具体为一种基于人工智能的农业数据管理***及方法。
背景技术
人工智能是指一种模拟人类的智能技术和***,可以使计算机***能够执行需要人类智能的任务,如学习、推理、识别图像等一系列问题,使用人工智能在农业数据管理上,有以下几点好处:1、可以对数据进行分析和预测,人工智能通过对农业生产数据的分析,可以识别数据的变化趋势,从而对农作物生产情况、病虫害蔓延趋势等进行预测;2、提供智能的决策支持,基于农业数据的分析和预测结果,人工智能可以为农民提供智能的决策支持,从而帮助农民提高农业生产效率和经济效益;3、农业生产的自动化,人工智能可以应用在农业设备上,从而实现在农业生产上的自动化,包括自动驾驶拖拉机等。
在农业生产过程中,对农作物进行灌溉在保障农作物的生长和发展、从而提高农业生产效益、保障粮食安全上具有不要替代的作用,但是目前常见对农作物进行灌溉,通常只会采用某一种方式进行,并且灌溉设备也不会根据农作物状态进行智能调整,从而会导致经常出现不合理的灌溉,使得农业生产遭受不必要的损失。
发明内容
本发明的目的在于提供一种基于人工智能的农业数据管理***及方法,以解决上述背景技术中存在的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于人工智能的农业数据管理方法,方法包括:
步骤S100:构建农业管理云平台,获取农田内农作物的历史病害记录,获取农田内灌溉设备的历史灌溉记录,从历史病害记录中提取出农作物的病害信息,分析历史灌溉记录与农作物病害之间的关系,并对历史灌溉记录进行分类,得到农田的历史灌溉记录集;
步骤S200:从历史灌溉记录中,提取出农田的土壤理化性质的土壤数据,获取历史灌溉记录中农田内农作物的生长状态,分析历史灌溉记录中农田的土壤理化性质,对农作物生长状态影响程度,得到农田的土壤影响数据;
步骤S300:从历史灌溉记录中,提取出灌溉设备的设备控制参数的灌溉数据,并结合土壤理化性质对农作物的土壤影响数据,评估不同灌溉数据下的设备控制参数对农田内农作物的生长状态影响程度,得到农田的标记灌溉数据;
步骤S400:获取当前周期内农田内土壤状态数据和农作物状态数据,并结合农田的标记灌溉数据,对当前周期内农田中,灌溉设备的设备控制参数进行智能调整,对农田进行智能管理。
进一步的,步骤S100包括:
步骤S101:构建农业管理云平台,从灌溉设备的历史灌溉记录中,提取出灌溉设备开始对农田进行灌溉的时间点;
步骤S102:获取农作物中与灌溉相关的各种病害类型并进行汇集,得到农作物的灌溉病害集,从历史病害记录中提取出农作物的病害信息,并分析农作物的所属病害类型,当所属病害类型存在于灌溉病害集中,对历史病害记录进行标记,并记为灌溉历史病害记录;
步骤S103:从灌溉历史病害记录中,提取出农作物被检测出病害的时间点,当农作物被检测出病害的时间点,在相邻两个历史灌溉记录对应时间点之间的时段内,将相邻两个历史灌溉记录对应时间点靠前的历史灌溉记录,标记为与农作物病害相关的历史灌溉记录;
步骤S104:获取各个历史灌溉记录中,被标记为与农作物病害相关的历史灌溉记录并进行汇集,得到与农作物病害相关的历史灌溉记录集,并将未标记为与农作物病害相关的历史灌溉记录进行汇集,得到与农作物病害不相关的历史灌溉记录集。
进一步的,步骤S200包括:
步骤S201:获取历史灌溉记录中,灌溉设备对农田内农作物开始灌溉前,农田的土壤中各项土壤理化性质对应的数值,并记为第一土壤数值,获取历史灌溉记录中,灌溉设备对农田内农作物灌溉完毕后农田的土壤中,各项土壤理化性质对应的数值,并记为第二土壤数值,将历史灌溉记录中,各项土壤理化性质的第一土壤数值和第二土壤数值进行汇集,得到各项土壤理化性质的土壤数据;
步骤S202:对历史灌溉记录中农田内农作物的生长状态获取的具体过程包括,获取历史灌溉记录中,灌溉设备对农田内农作物开始灌溉前,农田内农作物的各项农作物生长指标对应的数值;
步骤S203:当两个历史灌溉记录中农田内农作物种类相同,但是农田的各项农作物生长指标不完全相同时,对两个历史灌溉记录中农田内农作物生长状态进行相似判定,其中,对第a个历史灌溉记录与第b个历史灌溉记录中,农田内农作物进行相似判定的具体过程包括,计算第a个历史灌溉记录与第b个历史灌溉记录中,农田的各项农作物生长指标的差异值,其中,第a个历史灌溉记录与第b个历史灌溉记录中,农田的第c项农作物生长指标的差异值,/>为第a个历史灌溉记录中,农田的第c项农作物生长指标对应的数值,/>为第b个历史灌溉记录中,农田的第c项农作物生长指标对应的数值;
步骤S204:计算第a个历史灌溉记录,与第b个历史灌溉记录的农作物差异值,其中,/>为第a个历史灌溉记录与第b个历史灌溉记录中,农作物的第i项农作物生长指标的差异值,j为第a个历史灌溉记录与第b个历史灌溉记录中,农作物的农作物生长指标的总项数;
步骤S205:当第a个历史灌溉记录,与第b个历史灌溉记录的农作物差异值,小于预设的农作物差异值阈值,判定第a个历史灌溉记录,与第b个历史灌溉记录农作物的生长状态相似;
上述预设农作物差异值阈值的获取,是获取由工作人员在农作物实验组中,判定为生长状态相似的同种类的农作物,然后再通过计算实验组中,农作物生长状态相似的同种类的农作物差异值的平均值,将平均值作为相同种类农作物的农作物差异值阈值;
步骤S206:获取农田中不含历史病害记录的历史灌溉记录集,对同一农作物种类的历史灌溉记录进行汇集,获取判定为农作物的生长状态相似的各个历史灌溉记录中,各项土壤理化性质的土壤数据,对各项土壤理化性质的土壤数据中的第二土壤数值取平均值,并记为各个历史灌溉记录中各项土壤理化性质的第二标记土壤数值,用各个历史灌溉记录中各项土壤理化性质的第二标记土壤数值,去替换各项土壤理化性质的土壤数据中的第二土壤数值,得到农作物的生长状态相似的各个历史灌溉记录的各项土壤理化性质的标记土壤数据;
步骤S207:对判定为农作物的生长状态相似的各个历史灌溉记录中,各项农作物生长指标对应数值取平均值,并作为农作物的各项农作物生长指标的标记农作物数值,将各个历史灌溉记录,记为各项农作物生长指标的标记农作物数值的所属历史灌溉记录;
步骤S208:获取各个农作物种类中,各项农作物生长指标的标记农作物数值的各项土壤理化性质的标记土壤数据,并对其进行记录汇集,得到农作物种类的农作物土壤影响数据,对农田内各个农作物种类的农作物的土壤影响数据进行获取并汇集,得到农田的土壤影响数据;
上述步骤对各个历史灌溉记录进行农作物的生长状态相似判定,是因为对于农作物在不同状态下,其对灌溉的需求是不同的,就算是同一种类的农作物在不同农作物状态下,对灌溉的需求也是不同的,但是对农作物的灌溉情况的分析,不能仅仅只是考虑灌溉设备对农田的灌溉量,并且因为农作物是靠土壤吸收水分,所以各个历史灌溉记录中土壤理化性质的土壤数据作为考虑标准,也就更加合理和准确。
进一步的,步骤S300包括:
步骤S301:从历史灌溉记录中,提取出灌溉设备在对农田进行灌溉时的各项设备控制参数的灌溉数据,并获取历史灌溉记录中,农田内农作物的各项农作物生长指标和农作物种类;
步骤S302:获取农田中含历史病害记录的历史灌溉记录集,并将其中各个历史灌溉记录,记为对照历史灌溉记录,基于步骤S202的判定方式,对各个对照历史灌溉记录与,历史灌溉记录之间进行农作物的生长状态相似判定,获取被判定为农作物相似的各个对照历史灌溉记录和各个历史灌溉记录;
步骤S303:对判定为农作物的生长状态相似的对照历史灌溉记录和历史灌溉记录,进行土壤状态相似判定,具体判定包括,获取历史灌溉记录所属土壤影响数据,计算对照历史灌溉记录与,历史灌溉记录的各项土壤理化性质的差异值,其中第f项土壤理化性质的差异值,/>表示对照历史灌溉记录中,第f项土壤理化性质的第二土壤数值与第一土壤数值的平均值,/>表示历史灌溉记录中,第f项土壤理化性质的第二标记土壤数值与第一土壤数值的平均值,/>为/>与/>的平均值;
步骤S304:计算对照历史灌溉记录与历史灌溉记录中,各项土壤理化性质的差异值的平均值,设置差异值的平均值阈值,当差异值的平均值,小于平均值阈值,判定对照历史灌溉记录与历史灌溉记录的土壤状态相似,判定对照历史灌溉记录与历史灌溉记录,为互为相似历史灌溉记录;
上述中对平均值阈值的设置过程为,由专业人员对农田内的土壤进行随机取样,得到土壤的实验组,分析出土壤的各项土壤理化性质,并拍摄土壤图片,交由专业人员进行判定,得到被判定为土壤状态相似的各个土壤样本,计算被判定为土壤相似的各个土壤样本之间各项理化性质的差异值,并取其平均值,再对土壤实验组中被判定为土壤相似的各个土壤样本之间的平均值,再取平均值,得到差异值的平均值阈值;
步骤S305:当互为相似历史灌溉记录的对照历史灌溉记录,与历史灌溉记录中某项设备控制参数的灌溉数据相同时,将某项设备控制参数的灌溉数据记为特征灌溉数据;
步骤S306:获取各项农作物生长指标中,各项标记农作物数值的所属的各个历史灌溉记录,并将其中各个历史灌溉记录中,各项设备控制参数对应的灌溉数据进行获取并汇集,得到各项设备控制参数对应的灌溉数据集,将特征灌溉数据从各项设备控制参数对应的灌溉数据集中进行剔除;
步骤S307:获取各个农作物种类中,各项农作物生长指标的标记农作物数值所属的各项设备控制参数对应的灌溉数据集并汇集,得到农田的标记灌溉数据。
进一步的,步骤S400包括:
步骤S401:获取当前周期内农田农作物状态数据,其中,农作物状态数据,为农田内农作物的各项农作物生长指标对应数值和农作物种类;
步骤S402:从农田的土壤影响数据中,提取出与当前周期内农作物相同农作物种类的各项农作物生长指标的标记农作物数值,基于步骤S202进行农作物的生长状态相似度判定,并从农田的标记灌溉数据中,获取各项农作物生长指标的标记农作物数值所属的各项设备控制参数对应的灌溉数据,并按照各项设备控制参数对应的灌溉数据,对农田进行灌溉,同时对农田灌溉后的土壤的各项土壤理化性质进行采集,直到各项土壤理化性质对应数值与标记土壤数据中第二土壤数值,之间差值的绝对值小于预设的阈值,对当前周期内农田中的灌溉设备的各项设备控制参数进行智能调整,对农田进行智能管理;
上述中各项土壤理化性质对应数值与标记土壤数据中第二土壤数值,之间差值的绝对值小于预设的阈值,其中,预设的阈值的设置过程为,由专业人员对灌溉设备的灌溉后的土壤进行土壤取样得到土壤样本,由工作人员对土壤样本进行分析,得到被工作人员判定为相似的土壤样本,再对各个被判定为相似的各个土壤样本中,相同项土壤理化性质对应数值分别作差,得到被判定为相似的各个土壤样本中,相同项土壤理化性质之间的差值,取其中差值的最大值,作为土壤中上述相同项土壤理化性质对应的阈值。
为了更好的实现上述方法还提出了农业数据管理***,农业数据管理***包括历史灌溉记录集模块、土壤影响数据模块、标记灌溉数据模块、智能管理模块;
历史灌溉记录集模块,用于对农田中的灌溉设备的历史灌溉记录进行分类,得到农田的历史灌溉记录集;
土壤影响数据模块,用于分析历史灌溉记录中农田的土壤理化性质,对农作物生长状态影响程度,得到农田的土壤影响数据;
标记灌溉数据模块,用于评估不同灌溉数据下的设备控制参数对农田内农作物的生长状态影响程度,得到农田的标记灌溉数据;
智能管理模块,用于对当前周期内农田中的灌溉设备的各项设备控制参数进行智能调整,对农田进行智能管理。
进一步的,历史灌溉记录集模块包括灌溉历史病害记录单元、历史灌溉记录集单元;
灌溉历史病害记录单元,用于对农作物中与灌溉相关的各种病害类型获取并进行汇集,对历史病害记录进行标记,并记为灌溉历史病害记录;
历史灌溉记录集单元,用于获取各个历史灌溉记录中,被标记为与农作物病害相关的历史灌溉记录并进行汇集,得到与农作物病害相关的历史灌溉记录集,将未标记为与农作物病害相关的历史灌溉记录进行汇集,得到与农作物病害不相关的历史灌溉记录集。
进一步的,土壤影响数据模块包括农作物的生长状态相似单元、土壤影响数据单元;
农作物的生长状态相似单元,用于对两个历史灌溉记录的农作物,进行农作物的生长状态相似判定;
土壤影响数据单元,用于对农田内各个农作物种类的农作物的土壤影响数据进行获取并汇集,得到农田的土壤影响数据。
进一步的,标记灌溉数据模块包括历史灌溉记录相似单元、标记灌溉数据单元;
历史灌溉记录相似单元,用于对对照历史灌溉记录与历史灌溉记录进行相似判定,得到互为相似的历史灌溉记录;
标记灌溉数据单元,用于对各个农作物种类中,各项农作物生长指标的标记农作物数值所属的各项设备控制参数对应的灌溉数据集进行获取并汇集,得到农田的标记灌溉数据。
进一步的,智能管理模块包括智能管理单元;
智能管理单元,用于对当前周期内农田中的灌溉设备的各项设备控制参数进行智能调整,对农田进行智能管理。
与现有技术相比,本发明所达到的有益效果是:本发明实现了在农田内对农作物进行灌溉的智能调节,做到了对灌溉的细化分析,通过对农田内的历史灌溉记录,获取不同农作物在灌溉过程后农作物的生长状态,从而获取在灌溉过程中,灌溉设备各项设备控制参数对农作物生长状态的影响,并且考虑到在实际过程中对灌溉设备的各项设备控制参数对农作物生长状态的影响需要进行一定时间的观察,本发明通过对农田内土壤在灌溉后各项土壤理化性质的数据进行获取,实现了可以对农作物灌溉情况的实时把控,使对农作物的灌溉过程更加科学合理。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于人工智能的农业数据管理***及方法的方法流程图;
图2是本发明一种基于人工智能的农业数据管理***及方法的模块示意图。
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,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。
请参阅图1-图2,本发明提供技术方案:一种基于人工智能的农业数据管理方法,方法包括:
步骤S100:构建农业管理云平台,获取农田内农作物的历史病害记录,获取农田内灌溉设备的历史灌溉记录,从历史病害记录中提取出农作物的病害信息,分析历史灌溉记录与农作物病害之间的关系,并对历史灌溉记录进行分类,得到农田的历史灌溉记录集;
其中,步骤S100包括:
步骤S101:构建农业管理云平台,从灌溉设备的历史灌溉记录中,提取出灌溉设备开始对农田进行灌溉的时间点;
步骤S102:获取农作物中与灌溉相关的各种病害类型并进行汇集,得到农作物的灌溉病害集,从历史病害记录中提取出农作物的病害信息,并分析农作物的所属病害类型,当所属病害类型存在于灌溉病害集中,对历史病害记录进行标记,并记为灌溉历史病害记录;
步骤S103:从灌溉历史病害记录中,提取出农作物被检测出病害的时间点,当农作物被检测出病害的时间点,在相邻两个历史灌溉记录对应时间点之间的时段内,将相邻两个历史灌溉记录对应时间点靠前的历史灌溉记录,标记为与农作物病害相关的历史灌溉记录;
步骤S104:获取各个历史灌溉记录中,被标记为与农作物病害相关的历史灌溉记录并进行汇集,得到与农作物病害相关的历史灌溉记录集,并将未标记为与农作物病害相关的历史灌溉记录进行汇集,得到与农作物病害不相关的历史灌溉记录集;
步骤S200:从历史灌溉记录中,提取出农田的土壤理化性质的土壤数据,获取历史灌溉记录中农田内农作物的生长状态,分析历史灌溉记录中农田的土壤理化性质,对农作物生长状态影响程度,得到农田的土壤影响数据;
例如,各项土壤理化性质包括,土壤含水量、土壤质地、土壤酸碱度、土壤养分含量等;
其中,步骤S200包括:
步骤S201:获取历史灌溉记录中,灌溉设备对农田内农作物开始灌溉前,农田的土壤中各项土壤理化性质对应的数值,并记为第一土壤数值,获取历史灌溉记录中,灌溉设备对农田内农作物灌溉完毕后农田的土壤中,各项土壤理化性质对应的数值,并记为第二土壤数值,将历史灌溉记录中,各项土壤理化性质的第一土壤数值和第二土壤数值进行汇集,得到各项土壤理化性质的土壤数据;
步骤S202:对历史灌溉记录中农田内农作物的生长状态获取的具体过程包括,获取历史灌溉记录中,灌溉设备对农田内农作物开始灌溉前,农田内农作物的各项农作物生长指标对应的数值;
例如,农作物的农作物生长指标包括,农田内农作物的株高、农田内农作物总个数等;
步骤S203:当两个历史灌溉记录中农田内农作物种类相同,但是农田的各项农作物生长指标不完全相同时,对两个历史灌溉记录中农田内农作物生长状态进行相似判定,其中,对第a个历史灌溉记录与第b个历史灌溉记录中,农田内农作物进行相似判定的具体过程包括,计算第a个历史灌溉记录与第b个历史灌溉记录中,农田的各项农作物生长指标的差异值,其中,第a个历史灌溉记录与第b个历史灌溉记录中,农田的第c项农作物生长指标的差异值,/>为第a个历史灌溉记录中,农田的第c项农作物生长指标对应的数值,/>为第b个历史灌溉记录中,农田的第c项农作物生长指标对应的数值;
步骤S204:计算第a个历史灌溉记录,与第b个历史灌溉记录的农作物差异值,其中,/>为第a个历史灌溉记录与第b个历史灌溉记录中,农作物的第i项农作物生长指标的差异值,j为第a个历史灌溉记录与第b个历史灌溉记录中,农作物的农作物生长指标的总项数;
例如,第1个历史灌溉记录中,农作物的第4项农作物生长指标对应数值为为10,第2个历史灌溉记录中,农作物的第4项农作物生长指标对应数值为/>为20,;
步骤S205:当第a个历史灌溉记录,与第b个历史灌溉记录的农作物差异值,小于预设的农作物差异值阈值,判定第a个历史灌溉记录,与第b个历史灌溉记录农作物的生长状态相似;
步骤S206:获取农田中不含历史病害记录的历史灌溉记录集,对同一农作物种类的历史灌溉记录进行汇集,获取判定为农作物的生长状态相似的各个历史灌溉记录中,各项土壤理化性质的土壤数据,对各项土壤理化性质的土壤数据中的第二土壤数值取平均值,并记为各个历史灌溉记录中各项土壤理化性质的第二标记土壤数值,用各个历史灌溉记录中各项土壤理化性质的第二标记土壤数值,去替换各项土壤理化性质的土壤数据中的第二土壤数值,得到农作物的生长状态相似的各个历史灌溉记录的各项土壤理化性质的标记土壤数据;
步骤S207:对判定为农作物的生长状态相似的各个历史灌溉记录中,各项农作物生长指标对应数值取平均值,并作为农作物的各项农作物生长指标的标记农作物数值,将各个历史灌溉记录,记为各项农作物生长指标的标记农作物数值的所属历史灌溉记录;
步骤S208:获取各个农作物种类中,各项农作物生长指标的标记农作物数值的各项土壤理化性质的标记土壤数据,并对其进行记录汇集,得到农作物种类的农作物土壤影响数据,对农田内各个农作物种类的农作物的土壤影响数据进行获取并汇集,得到农田的土壤影响数据;
步骤S300:从历史灌溉记录中,提取出灌溉设备的设备控制参数的灌溉数据,并结合土壤理化性质对农作物的土壤影响数据,评估不同灌溉数据下的设备控制参数对农田内农作物的生长状态影响程度,得到农田的标记灌溉数据;
其中,步骤S300包括:
步骤S301:从历史灌溉记录中,提取出灌溉设备在对农田进行灌溉时的各项设备控制参数的灌溉数据,并获取历史灌溉记录中,农田内农作物的各项农作物生长指标和农作物种类;
步骤S302:获取农田中含历史病害记录的历史灌溉记录集,并将其中各个历史灌溉记录,记为对照历史灌溉记录,基于步骤S202的判定方式,对各个对照历史灌溉记录与,历史灌溉记录之间进行农作物的生长状态相似判定,获取被判定为农作物相似的各个对照历史灌溉记录和各个历史灌溉记录;
步骤S303:对判定为农作物的生长状态相似的对照历史灌溉记录和历史灌溉记录,进行土壤状态相似判定,具体判定包括,获取历史灌溉记录所属土壤影响数据,计算对照历史灌溉记录与,历史灌溉记录的各项土壤理化性质的差异值,其中第f项土壤理化性质的差异值,/>表示对照历史灌溉记录中,第f项土壤理化性质的第二土壤数值与第一土壤数值的平均值,/>表示历史灌溉记录中,第f项土壤理化性质的第二标记土壤数值与第一土壤数值的平均值,/>为/>与/>的平均值;
例如,对照历史灌溉记录中,第3项土壤理化性质的第二土壤数值与第一土壤数值的平均值为50,历史灌溉记录中,第3项土壤理化性质的第二标记土壤数值与第一土壤数值的平均值/>为30,/>为40,第3项土壤理化性质的差异值/>=0.5;
步骤S304:计算对照历史灌溉记录与历史灌溉记录中,各项土壤理化性质的差异值的平均值,设置差异值的平均值阈值,当差异值的平均值,小于平均值阈值,判定对照历史灌溉记录与历史灌溉记录的土壤状态相似,判定对照历史灌溉记录与历史灌溉记录,为互为相似历史灌溉记录;
步骤S305:当互为相似历史灌溉记录的对照历史灌溉记录,与历史灌溉记录中某项设备控制参数的灌溉数据相同时,将某项设备控制参数的灌溉数据记为特征灌溉数据;
步骤S306:获取各项农作物生长指标中,各项标记农作物数值的所属的各个历史灌溉记录,并将其中各个历史灌溉记录中,各项设备控制参数对应的灌溉数据进行获取并汇集,得到各项设备控制参数对应的灌溉数据集,将特征灌溉数据从各项设备控制参数对应的灌溉数据集中进行剔除;
步骤S307:获取各个农作物种类中,各项农作物生长指标的标记农作物数值所属的各项设备控制参数对应的灌溉数据集并汇集,得到农田的标记灌溉数据;
步骤S400:获取当前周期内农田内土壤状态数据和农作物状态数据,并结合农田的标记灌溉数据,对当前周期内农田中,灌溉设备的设备控制参数进行智能调整,对农田进行智能管理;
其中,步骤S400包括:
步骤S401:获取当前周期内农田农作物状态数据,其中,农作物状态数据,为农田内农作物的各项农作物生长指标对应数值和农作物种类;
步骤S402:从农田的土壤影响数据中,提取出与当前周期内农作物相同农作物种类的各项农作物生长指标的标记农作物数值,基于步骤S202进行农作物的生长状态相似度判定,并从农田的标记灌溉数据中,获取各项农作物生长指标的标记农作物数值所属的各项设备控制参数对应的灌溉数据,并按照各项设备控制参数对应的灌溉数据,对农田进行灌溉,同时对农田灌溉后的土壤的各项土壤理化性质进行采集,直到各项土壤理化性质对应数值与标记土壤数据中第二土壤数值,之间差值的绝对值小于预设的阈值,对当前周期内农田中的灌溉设备的各项设备控制参数进行智能调整,对农田进行智能管理;
为了更好的实现上述方法还提出了农业数据管理***,农业数据管理***包括历史灌溉记录集模块、土壤影响数据模块、标记灌溉数据模块、智能管理模块;
历史灌溉记录集模块,用于对农田中的灌溉设备的历史灌溉记录进行分类,得到农田的历史灌溉记录集;
土壤影响数据模块,用于分析历史灌溉记录中农田的土壤理化性质,对农作物生长状态影响程度,得到农田的土壤影响数据;
标记灌溉数据模块,用于评估不同灌溉数据下的设备控制参数对农田内农作物的生长状态影响程度,得到农田的标记灌溉数据;
智能管理模块,用于对当前周期内农田中的灌溉设备的各项设备控制参数进行智能调整,对农田进行智能管理;
其中,历史灌溉记录集模块包括灌溉历史病害记录单元、历史灌溉记录集单元;
灌溉历史病害记录单元,用于对农作物中与灌溉相关的各种病害类型获取并进行汇集,对历史病害记录进行标记,并记为灌溉历史病害记录;
历史灌溉记录集单元,用于获取各个历史灌溉记录中,被标记为与农作物病害相关的历史灌溉记录并进行汇集,得到与农作物病害相关的历史灌溉记录集,将未标记为与农作物病害相关的历史灌溉记录进行汇集,得到与农作物病害不相关的历史灌溉记录集;
其中,土壤影响数据模块包括农作物的生长状态相似单元、土壤影响数据单元;
农作物的生长状态相似单元,用于对两个历史灌溉记录的农作物,进行农作物的生长状态相似判定;
土壤影响数据单元,用于对农田内各个农作物种类的农作物的土壤影响数据进行获取并汇集,得到农田的土壤影响数据;
其中,标记灌溉数据模块包括历史灌溉记录相似单元、标记灌溉数据单元;
历史灌溉记录相似单元,用于对对照历史灌溉记录与历史灌溉记录进行相似判定,得到互为相似的历史灌溉记录;
标记灌溉数据单元,用于对各个农作物种类中,各项农作物生长指标的标记农作物数值所属的各项设备控制参数对应的灌溉数据集进行获取并汇集,得到农田的标记灌溉数据;
其中,智能管理模块包括智能管理单元;
智能管理单元,用于对当前周期内农田中的灌溉设备的各项设备控制参数进行智能调整,对农田进行智能管理。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于人工智能的农业数据管理方法,其特征在于,所述方法包括:
步骤S100:构建农业管理云平台,获取农田内农作物的历史病害记录,获取农田内灌溉设备的历史灌溉记录,从历史病害记录中提取出农作物的病害信息,分析历史灌溉记录与农作物病害之间的关系,并对历史灌溉记录进行分类,得到农田的历史灌溉记录集;
所述步骤S100包括:
步骤S101:构建农业管理云平台,从灌溉设备的历史灌溉记录中,提取出灌溉设备开始对农田进行灌溉的时间点;
步骤S102:获取农作物中与灌溉相关的各种病害类型并进行汇集,得到农作物的灌溉病害集,从历史病害记录中提取出农作物的病害信息,并分析农作物的所属病害类型,当所述所属病害类型存在于灌溉病害集中,对历史病害记录进行标记,并记为灌溉历史病害记录;
步骤S103:从灌溉历史病害记录中,提取出农作物被检测出病害的时间点,当农作物被检测出病害的时间点,在相邻两个历史灌溉记录对应时间点之间的时段内,将相邻两个历史灌溉记录对应时间点靠前的历史灌溉记录,标记为与农作物病害相关的历史灌溉记录;
步骤S104:获取各个历史灌溉记录中,被标记为与农作物病害相关的历史灌溉记录并进行汇集,得到与农作物病害相关的历史灌溉记录集,并将未标记为与农作物病害相关的历史灌溉记录进行汇集,得到与农作物病害不相关的历史灌溉记录集;
步骤S200:从历史灌溉记录中,提取出农田的土壤理化性质的土壤数据,获取历史灌溉记录中农田内农作物的生长状态,分析历史灌溉记录中农田的土壤理化性质,对农作物生长状态影响程度,得到农田的土壤影响数据;
所述步骤S200包括:
步骤S201:获取历史灌溉记录中,灌溉设备对农田内农作物开始灌溉前,农田的土壤中各项土壤理化性质对应的数值,并记为第一土壤数值,获取历史灌溉记录中,灌溉设备对农田内农作物灌溉完毕后农田的土壤中,各项土壤理化性质对应的数值,并记为第二土壤数值,将历史灌溉记录中,各项土壤理化性质的第一土壤数值和第二土壤数值进行汇集,得到所述各项土壤理化性质的土壤数据;
步骤S202:对历史灌溉记录中农田内农作物的生长状态获取的具体过程包括,获取历史灌溉记录中,灌溉设备对农田内农作物开始灌溉前,农田内农作物的各项农作物生长指标对应的数值;
步骤S203:当两个历史灌溉记录中农田内农作物种类相同,但是农田的各项农作物生长指标不完全相同时,对所述两个历史灌溉记录中农田内农作物生长状态进行相似判定,其中,对第a个历史灌溉记录与第b个历史灌溉记录中,农田内农作物进行相似判定的具体过程包括,计算第a个历史灌溉记录与第b个历史灌溉记录中,农田的各项农作物生长指标的差异值,其中,第a个历史灌溉记录与第b个历史灌溉记录中,农田的第c项农作物生长指标的差异值,/>为第a个历史灌溉记录中,农田的第c项农作物生长指标对应的数值,/>为第b个历史灌溉记录中,农田的第c项农作物生长指标对应的数值;
步骤S204:计算第a个历史灌溉记录,与第b个历史灌溉记录的农作物差异值,其中,/>为第a个历史灌溉记录与第b个历史灌溉记录中,农作物的第i项农作物生长指标的差异值,j为第a个历史灌溉记录与第b个历史灌溉记录中,农作物的农作物生长指标的总项数;
步骤S205:当第a个历史灌溉记录,与第b个历史灌溉记录的农作物差异值,小于预设的农作物差异值阈值,判定第a个历史灌溉记录,与第b个历史灌溉记录农作物的生长状态相似;
步骤S206:获取农田中不含历史病害记录的历史灌溉记录集,对同一农作物种类的历史灌溉记录进行汇集,获取判定为农作物的生长状态相似的各个历史灌溉记录中,各项土壤理化性质的土壤数据,对各项土壤理化性质的土壤数据中的第二土壤数值取平均值,并记为所述各个历史灌溉记录中各项土壤理化性质的第二标记土壤数值,用各个历史灌溉记录中各项土壤理化性质的第二标记土壤数值,去替换各项土壤理化性质的土壤数据中的第二土壤数值,得到农作物的生长状态相似的各个历史灌溉记录的各项土壤理化性质的标记土壤数据;
步骤S207:对判定为农作物的生长状态相似的各个历史灌溉记录中,各项农作物生长指标对应数值取平均值,并作为农作物的各项农作物生长指标的标记农作物数值,将所述各个历史灌溉记录,记为所述各项农作物生长指标的标记农作物数值的所属历史灌溉记录;
步骤S208:获取各个农作物种类中,各项农作物生长指标的标记农作物数值的各项土壤理化性质的标记土壤数据,并对其进行记录汇集,得到所述农作物种类的农作物土壤影响数据,对农田内各个农作物种类的农作物的土壤影响数据进行获取并汇集,得到农田的土壤影响数据;
步骤S300:从历史灌溉记录中,提取出灌溉设备的设备控制参数的灌溉数据,并结合土壤理化性质对农作物的土壤影响数据,评估不同灌溉数据下的设备控制参数对农田内农作物的生长状态影响程度,得到农田的标记灌溉数据;
步骤S400:获取当前周期内农田内土壤状态数据和农作物状态数据,并结合农田的标记灌溉数据,对当前周期内农田中,灌溉设备的设备控制参数进行智能调整,对农田进行智能管理。
2.根据权利要求1所述的一种基于人工智能的农业数据管理方法,其特征在于,所述步骤S300包括:
步骤S301:从历史灌溉记录中,提取出灌溉设备在对农田进行灌溉时的各项设备控制参数的灌溉数据,并获取历史灌溉记录中,农田内农作物的各项农作物生长指标和农作物种类;
步骤S302:获取农田中含历史病害记录的历史灌溉记录集,并将其中各个历史灌溉记录,记为对照历史灌溉记录,基于所述步骤S202的判定方式,对各个对照历史灌溉记录与历史灌溉记录之间进行农作物的生长状态相似判定,获取被判定为农作物相似的各个对照历史灌溉记录和各个历史灌溉记录;
步骤S303:对判定为农作物的生长状态相似的对照历史灌溉记录和历史灌溉记录,进行土壤状态相似判定,具体判定包括,获取历史灌溉记录所属土壤影响数据,计算对照历史灌溉记录与历史灌溉记录的各项土壤理化性质的差异值,其中第f项土壤理化性质的差异值,/>表示对照历史灌溉记录中,第f项土壤理化性质的第二土壤数值与第一土壤数值的平均值,/>表示历史灌溉记录中,第f项土壤理化性质的第二标记土壤数值与第一土壤数值的平均值,/>为/>与/>的平均值;
步骤S304:计算对照历史灌溉记录与历史灌溉记录中,各项土壤理化性质的差异值的平均值,设置差异值的平均值阈值,当所述差异值的平均值,小于平均值阈值,判定对照历史灌溉记录与历史灌溉记录的土壤状态相似,判定所述对照历史灌溉记录与历史灌溉记录,为互为相似历史灌溉记录;
步骤S305:当互为相似历史灌溉记录的对照历史灌溉记录,与历史灌溉记录中某项设备控制参数的灌溉数据相同时,将所述某项设备控制参数的灌溉数据记为特征灌溉数据;
步骤S306:获取各项农作物生长指标中,各项标记农作物数值的所属的各个历史灌溉记录,并将其中各个历史灌溉记录中,各项设备控制参数对应的灌溉数据进行获取并汇集,得到所述各项设备控制参数对应的灌溉数据集,将特征灌溉数据从所述各项设备控制参数对应的灌溉数据集中进行剔除;
步骤S307:获取各个农作物种类中,各项农作物生长指标的标记农作物数值所属的各项设备控制参数对应的灌溉数据集并汇集,得到农田的标记灌溉数据。
3.根据权利要求2所述的一种基于人工智能的农业数据管理方法,其特征在于,所述步骤S400包括:
步骤S401:获取当前周期内农田农作物状态数据,其中,所述农作物状态数据,为农田内农作物的各项农作物生长指标对应数值和农作物种类;
步骤S402:从农田的土壤影响数据中,提取出与当前周期内农作物相同农作物种类的各项农作物生长指标的标记农作物数值,基于所述步骤S202进行农作物的生长状态相似度判定,并从农田的标记灌溉数据中,获取各项农作物生长指标的标记农作物数值所属的各项设备控制参数对应的灌溉数据,并按照各项设备控制参数对应的灌溉数据,对农田进行灌溉,同时对农田灌溉后的土壤的各项土壤理化性质进行采集,直到各项土壤理化性质对应数值与标记土壤数据中第二土壤数值,之间差值的绝对值小于预设的阈值,对当前周期内农田中的灌溉设备的各项设备控制参数进行智能调整,对农田进行智能管理。
4.应用权利要求1-3中任意一项所述的一种基于人工智能的农业数据管理方法的农业数据管理***,其特征在于,所述农业数据管理***包括历史灌溉记录集模块、土壤影响数据模块、标记灌溉数据模块、智能管理模块;
所述历史灌溉记录集模块,用于对农田中的灌溉设备的历史灌溉记录进行分类,得到农田的历史灌溉记录集;
所述土壤影响数据模块,用于分析历史灌溉记录中农田的土壤理化性质,对农作物生长状态影响程度,得到农田的土壤影响数据;
所述标记灌溉数据模块,用于评估不同灌溉数据下的设备控制参数对农田内农作物的生长状态影响程度,得到农田的标记灌溉数据;
所述智能管理模块,用于对当前周期内农田中的灌溉设备的各项设备控制参数进行智能调整,对农田进行智能管理。
5.根据权利要求4所述的农业数据管理***,其特征在于,所述历史灌溉记录集模块包括灌溉历史病害记录单元、历史灌溉记录集单元;
所述灌溉历史病害记录单元,用于对农作物中与灌溉相关的各种病害类型获取并进行汇集,对历史病害记录进行标记,并记为灌溉历史病害记录;
所述历史灌溉记录集单元,用于获取各个历史灌溉记录中,被标记为与农作物病害相关的历史灌溉记录并进行汇集,得到与农作物病害相关的历史灌溉记录集,将未标记为与农作物病害相关的历史灌溉记录进行汇集,得到与农作物病害不相关的历史灌溉记录集。
6.根据权利要求4所述的农业数据管理***,其特征在于,所述土壤影响数据模块包括农作物的生长状态相似单元、土壤影响数据单元;
所述农作物的生长状态相似单元,用于对两个历史灌溉记录的农作物,进行农作物的生长状态相似判定;
所述土壤影响数据单元,用于对农田内各个农作物种类的农作物的土壤影响数据进行获取并汇集,得到农田的土壤影响数据。
7.根据权利要求4所述的农业数据管理***,其特征在于,所述标记灌溉数据模块包括历史灌溉记录相似单元、标记灌溉数据单元;
所述历史灌溉记录相似单元,用于对对照历史灌溉记录与历史灌溉记录进行相似判定,得到互为相似的历史灌溉记录;
所述标记灌溉数据单元,用于对各个农作物种类中,各项农作物生长指标的标记农作物数值所属的各项设备控制参数对应的灌溉数据集进行获取并汇集,得到农田的标记灌溉数据。
8.根据权利要求4所述的农业数据管理***,其特征在于,所述智能管理模块包括智能管理单元;
所述智能管理单元,用于对当前周期内农田中的灌溉设备的各项设备控制参数进行智能调整,对农田进行智能管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410051989.2A CN117561964B (zh) | 2024-01-15 | 2024-01-15 | 一种基于人工智能的农业数据管理***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410051989.2A CN117561964B (zh) | 2024-01-15 | 2024-01-15 | 一种基于人工智能的农业数据管理***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117561964A CN117561964A (zh) | 2024-02-20 |
CN117561964B true CN117561964B (zh) | 2024-03-19 |
Family
ID=89864640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410051989.2A Active CN117561964B (zh) | 2024-01-15 | 2024-01-15 | 一种基于人工智能的农业数据管理***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117561964B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117814097B (zh) * | 2024-03-06 | 2024-05-03 | 北京佳格天地科技有限公司 | 基于机器学习的高效农田灌溉方法以及*** |
CN117893138B (zh) * | 2024-03-14 | 2024-05-10 | 无锡中粮工程科技有限公司 | 一种应用低温储粮的智能粮仓运行数据监管***及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108094370A (zh) * | 2017-12-15 | 2018-06-01 | 河北省科学院应用数学研究所 | 灌溉控制方法及装置 |
EA202090498A1 (ru) * | 2018-05-08 | 2020-07-06 | Рубикон Ресёрч Пти Лтд | Способ и система распределения воды и определения влажности почвы |
CN114600751A (zh) * | 2022-03-23 | 2022-06-10 | 西安建筑科技大学 | 一种基于计算机视觉监测的灌溉***及方法 |
CN116138145A (zh) * | 2022-11-08 | 2023-05-23 | 台州科技职业学院 | 一种智能农业管理*** |
CN116508635A (zh) * | 2023-06-20 | 2023-08-01 | 河北工程大学 | 一种农业物联网智能节水型灌溉*** |
CN116530286A (zh) * | 2023-04-12 | 2023-08-04 | 上海华维可控农业科技集团股份有限公司 | 用于生态高标农田下的水肥一体化灌溉管理***及方法 |
CN116784216A (zh) * | 2023-01-04 | 2023-09-22 | 沈磊 | 基于物联网技术的农业种植用远程智能管理*** |
CN117114374A (zh) * | 2023-10-25 | 2023-11-24 | 四川省商投信息技术有限责任公司 | 一种基于天气预测的智慧农业灌溉管理*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9880537B2 (en) * | 2015-08-05 | 2018-01-30 | Clearag, Inc. | Customized land surface modeling for irrigation decision support in a crop and agronomic advisory service in precision agriculture |
AU2020355226A1 (en) * | 2019-09-25 | 2022-04-07 | Blue River Technology Inc. | Treating plants using feature values and ground planes extracted from a single image |
-
2024
- 2024-01-15 CN CN202410051989.2A patent/CN117561964B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108094370A (zh) * | 2017-12-15 | 2018-06-01 | 河北省科学院应用数学研究所 | 灌溉控制方法及装置 |
EA202090498A1 (ru) * | 2018-05-08 | 2020-07-06 | Рубикон Ресёрч Пти Лтд | Способ и система распределения воды и определения влажности почвы |
CN114600751A (zh) * | 2022-03-23 | 2022-06-10 | 西安建筑科技大学 | 一种基于计算机视觉监测的灌溉***及方法 |
CN116138145A (zh) * | 2022-11-08 | 2023-05-23 | 台州科技职业学院 | 一种智能农业管理*** |
CN116784216A (zh) * | 2023-01-04 | 2023-09-22 | 沈磊 | 基于物联网技术的农业种植用远程智能管理*** |
CN116530286A (zh) * | 2023-04-12 | 2023-08-04 | 上海华维可控农业科技集团股份有限公司 | 用于生态高标农田下的水肥一体化灌溉管理***及方法 |
CN116508635A (zh) * | 2023-06-20 | 2023-08-01 | 河北工程大学 | 一种农业物联网智能节水型灌溉*** |
CN117114374A (zh) * | 2023-10-25 | 2023-11-24 | 四川省商投信息技术有限责任公司 | 一种基于天气预测的智慧农业灌溉管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN117561964A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117561964B (zh) | 一种基于人工智能的农业数据管理***及方法 | |
CN113469112B (zh) | 农作物生长状况图像识别方法及*** | |
CN113034301A (zh) | 一种农作物生长管理***及方法 | |
EP3654272A1 (en) | Crop injury diagnosis system and method | |
CN114818909A (zh) | 一种基于作物长势特征的杂草检测方法和装置 | |
CN115661650A (zh) | 一种基于物联网数据监测的农场管理*** | |
CN115620151B (zh) | 物候期识别方法、装置、电子设备和存储介质 | |
CN114298615A (zh) | 一种农作物种植风险预防方法、装置、存储介质和设备 | |
CN112580671A (zh) | 一种基于深度学习的稻穗多发育期自动检测方法及*** | |
CN116843188A (zh) | 一种基于大数据分析的精细农业栽培与管理平台 | |
WO2018054767A1 (de) | Bekämpfung von schadorganismen | |
CN113505706A (zh) | 一种基于ai智能的病害自动识别方法及*** | |
CN117634752A (zh) | 一种林业有害生物检疫信息管理*** | |
CN113377141A (zh) | 一种人工智能农业自动管理*** | |
CN116452358B (zh) | 基于物联网的智慧农业管理*** | |
CN117522365A (zh) | 一种城市园林智能管养*** | |
CN112800845A (zh) | 叶龄识别方法、装置、电子设备及可读存储介质 | |
CN113807143A (zh) | 作物连通域的识别方法、装置及作业*** | |
CN110544237A (zh) | 基于图像分析的油茶病虫害模型训练方法和识别方法 | |
CN117114749B (zh) | 一种智能化猪冷冻***管理方法及*** | |
CN117911957B (zh) | 一种针对观赏葵病虫害的防治监控***及方法 | |
CN116453003B (zh) | 一种基于无人机监测智能识别水稻生长势的方法和*** | |
CN115660236B (zh) | 作物物候期预测方法、装置、电子设备和存储介质 | |
CN114467530B (zh) | 果树环割方法、装置、终端设备及计算机可读存储介质 | |
CN112365154B (zh) | 一种剑麻种植计划子***以及剑麻种植决策*** |
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 |