System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种苜蓿田间长势智能监测方法及其智能监测系统技术方案_技高网
当前位置: 首页 > 专利查询>内蒙古大学专利>正文

一种苜蓿田间长势智能监测方法及其智能监测系统技术方案

技术编号:40923464 阅读:12 留言:0更新日期:2024-04-18 14:47
本发明专利技术具体提供一种苜蓿田间长势智能监测方法及其智能监测系统。本发明专利技术的方法包括响应于预设监测时间点或者监测执行指令,随机选取任意数量的不同位置的采样点;获取采样点位置的苜蓿信息和田间数据;基于采样点位置的苜蓿信息,得到采样点位置的苜蓿长势三维模型;将采样点位置的苜蓿长势三维模型与预测的苜蓿预测长势三维模型进行比对,并选择性地将采样点位置的苜蓿信息和田间数据代入监测模型,得到采样点位置对应的异常原因和处理方案;基于采样点位置和异常原因,选择性地对其余采样点位置执行与异常原因对应的处理方案。本发明专利技术能够实现对苜蓿长势的监测和分析长势异常的苜蓿的异常原因并进行针对性得处理,提高了苜蓿田间监测和长势异常的处理效率。

【技术实现步骤摘要】

本专利技术涉及苜蓿田间长势监测,具体提供一种苜蓿田间长势智能监测方法及其智能监测系统


技术介绍

1、随着科学技术的发展,现代农业正在朝着更加规模化的方向发展。欧亚大陆和世界各国广泛种植苜蓿为饲料与牧草,苜蓿在中国各地都有栽培或呈半野生状态,普遍生于田边、路旁、旷野、草原、河岸及沟谷等地。

2、目前,国内种植者大多依据经验判断作物需水、养分、病虫害及长势情况,并同样依据经验确定灌溉量、施肥量和作业时间等,这种方法耗时费力,而且容易出现信息采集不全导致错过进行田间管理的最佳时机。

3、相应地,本领域需要一种新的苜蓿田间长势智能监测方案来解决上述问题。


技术实现思路

1、为了克服上述缺陷,提出了本专利技术,以提供解决或至少部分地解决现有技术中需要人工依据经验进行田间管理,容易出现信息采集不全,导致错过管理最佳时机的技术问题的一种苜蓿田间长势智能监测方法及其智能监测系统。

2、在第一方面,本专利技术提供一种苜蓿田间长势智能监测方法,所述方法应用于苜蓿田间长势智能监测系统,所述方法包括以下步骤:

3、响应于预设监测时间点或者监测执行指令,随机选取任意数量的不同位置的采样点;

4、获取选取的采样点位置的苜蓿信息以及田间数据;

5、基于每个采样点位置的苜蓿信息,得到每个采样点位置的苜蓿长势三维模型;

6、将每个采样点位置的苜蓿长势三维模型与预测的苜蓿预测长势三维模型进行比对,基于比对结果选择性地将所述采样点位置的苜蓿信息以及田间数据代入监测模型,得到所述采样点位置对应的异常原因以及与所述异常原因对应的处理方案,其中,所述异常原因至少包括异常类型或者异常类型及其异常种类,所述异常类型至少包括病虫害、杂草、土壤营养缺失、土壤温湿度异常、环境温湿度异常之中的一种或多种;

7、基于所述采样点位置对应的异常原因以及所述采样点的位置,选择性地对其余采样点位置执行与所述异常原因对应的处理方案。

8、在上述苜蓿田间长势智能监测方法的一个技术方案中,所述苜蓿田间长势智能监测系统至少包括无人机采集模块以及田间采集模块,所述获取选取的采样点位置的苜蓿信息以及田间数据包括:

9、基于无人机采集模块获取选取的采样点位置的苜蓿信息,其中,所述苜蓿信息至少包括采样点位置内的苜蓿图像、环境图像以及苜蓿的生长高度;

10、基于田间采集模块获取选取的采样点位置的田间数据,其中,所述田间数据至少包括土壤温湿度、土壤营养含量、环境温湿度、近一月的平均日照时长以及土壤ph值。

11、在上述苜蓿田间长势智能监测方法的一个技术方案中,所述苜蓿图像至少包括所述苜蓿的冠层图像以及叶片生长图像,所述环境图像至少包括所述采样点位置内的热成像图像以及杂草图像,所述基于每个采样点位置的苜蓿信息,得到每个采样点位置的苜蓿长势三维模型包括:

12、基于每个采样点位置的苜蓿信息中的苜蓿图像以及苜蓿的生长高度,获取每个采样点位置的苜蓿的各个特征的平均值;

13、基于苜蓿的各个特征的平均值,建立所述苜蓿的当前长势的三维模型,以得到所述采样点位置的苜蓿长势三维模型。

14、在上述苜蓿田间长势智能监测方法的一个技术方案中,所述将每个采样点位置的苜蓿长势三维模型与预测的苜蓿预测长势三维模型进行比对之前,所述方法还包括:

15、获取所述采样点位置内苜蓿的生长时间以及生长时间内的气候环境数据;

16、将获取到的生长时间、气候环境数据代入仿真模型,使得根据仿真模型内设置的历史作物生长状态数据库以及获取到的生长时间、气候环境数据进行苜蓿模拟生长,得到模拟生长的苜蓿的各个特征值;

17、基于模拟生长的苜蓿的各个特征值,得到苜蓿模拟生长至当前状态的三维模型,以得到预测的苜蓿预测长势三维模型。

18、在上述苜蓿田间长势智能监测方法的一个技术方案中,所述将每个采样点位置的苜蓿长势三维模型与预测的苜蓿预测长势三维模型进行比对,基于比对结果选择性地将所述采样点位置的苜蓿信息以及田间数据代入监测模型包括:

19、将每个采样点位置的苜蓿长势三维模型与预测的苜蓿预测长势三维模型进行比对:

20、若所述采样点位置的苜蓿长势三维模型对预测的苜蓿预测长势三维模型的覆盖率达到预设阈值,则不执行将所述采样点位置的苜蓿信息以及田间数据代入监测模型;否则,则执行将所述采样点位置的苜蓿信息以及田间数据代入监测模型。

21、在上述苜蓿田间长势智能监测方法的一个技术方案中,所述基于比对结果选择性地将所述采样点位置的苜蓿信息以及田间数据代入监测模型,得到所述采样点位置对应的异常原因以及与所述异常原因对应的处理方案包括:

22、基于所述采样点位置的苜蓿信息中的环境图像,获取所述采样点位置的虫害数据以及杂草数据,其中,所述虫害数据至少包括虫害分布位置、虫害种类以及虫害数量,所述杂草数据至少包括杂草分布位置、杂草种类以及杂草数量;

23、对所述采样点位置的虫害数据、杂草数据以及田间数据分别进行分析,基于分析结果确认采样点位置对应的至少一种的异常原因;

24、基于所述异常原因与预设的异常处理数据库进行比对,得到与所述异常原因对应的处理方案。

25、在上述苜蓿田间长势智能监测方法的一个技术方案中,所述方法还包括通过以下步骤对预设的异常处理数据库进行构建:

26、采集苜蓿或者苜蓿和其余作物的多种异常原因以及各个异常原因对应的处理方案,其中,所述处理方案至少包括操作类型以及对应的操作参数;

27、基于所述多种异常原因建立对应的数据表格;

28、基于各个异常原因对应的数据表格构建形成预设的异常处理数据库。

29、在上述苜蓿田间长势智能监测方法的一个技术方案中,所述基于所述采样点位置对应的异常原因以及所述采样点的位置,选择性地对其余采样点位置执行与所述异常原因对应的处理方案之前,所述方法还包括:

30、采集各个异常原因对应的形成原因,判断所述异常原因是否存在可扩散性:

31、若存在,则将所述异常原因标记为“可扩散”,并获取所述异常原因的最大扩散范围,并且,将所述异常原因的预设扩散范围设置为所述异常原因的最大扩散范围。

32、在上述苜蓿田间长势智能监测方法的一个技术方案中,所述基于所述采样点位置对应的异常原因以及所述采样点的位置,选择性地对其余采样点位置执行与所述异常原因对应的处理方案包括:

33、若所述采样点位置对应的异常原因的标记为“可扩散”,则判断所述异常原因存在可扩散性,则获取所述异常原因的预设扩散范围;

34、以所述采样点的位置为中心,对与所述采样点位置距离在所述预设扩散范围以内的其余采样点执行与所述异常原因对应的处理方案。

35、在第二方面,本专利技术提供一种苜蓿田间长势智能监测系统,所述系统至少包括无人机采集模块、田间采集模块以及控制装置本文档来自技高网...

【技术保护点】

1.一种苜蓿田间长势智能监测方法,其特征在于,所述方法应用于苜蓿田间长势智能监测系统,所述方法包括以下步骤:

2.根据权利要求1所述的苜蓿田间长势智能监测方法,其特征在于,所述苜蓿田间长势智能监测系统至少包括无人机采集模块以及田间采集模块,所述获取选取的采样点位置的苜蓿信息以及田间数据包括:

3.根据权利要求2所述的苜蓿田间长势智能监测方法,其特征在于,所述苜蓿图像至少包括所述苜蓿的冠层图像以及叶片生长图像,所述环境图像至少包括所述采样点位置内的热成像图像以及杂草图像,所述基于每个采样点位置的苜蓿信息,得到每个采样点位置的苜蓿长势三维模型包括:

4.根据权利要求1所述的苜蓿田间长势智能监测方法,其特征在于,所述将每个采样点位置的苜蓿长势三维模型与预测的苜蓿预测长势三维模型进行比对之前,所述方法还包括:

5.根据权利要求4所述的苜蓿田间长势智能监测方法,其特征在于,所述将每个采样点位置的苜蓿长势三维模型与预测的苜蓿预测长势三维模型进行比对,基于比对结果选择性地将所述采样点位置的苜蓿信息以及田间数据代入监测模型包括:

6.根据权利要求4所述的苜蓿田间长势智能监测方法,其特征在于,所述基于比对结果选择性地将所述采样点位置的苜蓿信息以及田间数据代入监测模型,得到所述采样点位置对应的异常原因以及与所述异常原因对应的处理方案包括:

7.根据权利要求6所述的苜蓿田间长势智能监测方法,其特征在于,所述方法还包括通过以下步骤对预设的异常处理数据库进行构建:

8.根据权利要求7所述的苜蓿田间长势智能监测方法,其特征在于,所述基于所述采样点位置对应的异常原因以及所述采样点的位置,选择性地对其余采样点位置执行与所述异常原因对应的处理方案之前,所述方法还包括:

9.根据权利要求8所述的苜蓿田间长势智能监测方法,其特征在于,所述基于所述采样点位置对应的异常原因以及所述采样点的位置,选择性地对其余采样点位置执行与所述异常原因对应的处理方案包括:

10.一种苜蓿田间长势智能监测系统,其特征在于,所述系统至少包括无人机采集模块、田间采集模块以及控制装置,所述无人机采集模块用于获取选取的采样点位置的苜蓿信息,所述田间采集模块用于获取选取的采样点位置的田间数据,所述控制装置包括处理器和存储器,所述存储器适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行权利要求1至9中任一项所述的苜蓿田间长势智能监测方法。

...

【技术特征摘要】

1.一种苜蓿田间长势智能监测方法,其特征在于,所述方法应用于苜蓿田间长势智能监测系统,所述方法包括以下步骤:

2.根据权利要求1所述的苜蓿田间长势智能监测方法,其特征在于,所述苜蓿田间长势智能监测系统至少包括无人机采集模块以及田间采集模块,所述获取选取的采样点位置的苜蓿信息以及田间数据包括:

3.根据权利要求2所述的苜蓿田间长势智能监测方法,其特征在于,所述苜蓿图像至少包括所述苜蓿的冠层图像以及叶片生长图像,所述环境图像至少包括所述采样点位置内的热成像图像以及杂草图像,所述基于每个采样点位置的苜蓿信息,得到每个采样点位置的苜蓿长势三维模型包括:

4.根据权利要求1所述的苜蓿田间长势智能监测方法,其特征在于,所述将每个采样点位置的苜蓿长势三维模型与预测的苜蓿预测长势三维模型进行比对之前,所述方法还包括:

5.根据权利要求4所述的苜蓿田间长势智能监测方法,其特征在于,所述将每个采样点位置的苜蓿长势三维模型与预测的苜蓿预测长势三维模型进行比对,基于比对结果选择性地将所述采样点位置的苜蓿信息以及田间数据代入监测模型包括:

6.根据权利要求4所述的苜蓿田间长势智能监测方法,其特征在于,所述基于比对结...

【专利技术属性】
技术研发人员:任卫波郭慧琴李梓尧
申请(专利权)人:内蒙古大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1