CN106092913A - 一种农作物营养安全检测方法及其系统 - Google Patents
一种农作物营养安全检测方法及其系统 Download PDFInfo
- Publication number
- CN106092913A CN106092913A CN201610363926.6A CN201610363926A CN106092913A CN 106092913 A CN106092913 A CN 106092913A CN 201610363926 A CN201610363926 A CN 201610363926A CN 106092913 A CN106092913 A CN 106092913A
- Authority
- CN
- China
- Prior art keywords
- crops
- acquisition device
- mobile phone
- information acquisition
- information
- 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
- 235000015097 nutrients Nutrition 0.000 title claims abstract description 69
- 208000031968 Cadaver Diseases 0.000 title claims abstract description 68
- 238000001514 detection method Methods 0.000 title claims abstract description 61
- 230000003595 spectral effect Effects 0.000 claims abstract description 53
- 239000002184 metal Substances 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 49
- 230000005540 biological transmission Effects 0.000 claims description 32
- 238000001228 spectrum Methods 0.000 claims description 26
- 238000012937 correction Methods 0.000 claims description 17
- 238000004611 spectroscopical analysis Methods 0.000 claims description 14
- 241000196324 Embryophyta Species 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000012417 linear regression Methods 0.000 claims description 6
- 238000001237 Raman spectrum Methods 0.000 claims description 5
- 238000010187 selection method Methods 0.000 claims description 5
- 241000607479 Yersinia pestis Species 0.000 claims description 4
- 235000013339 cereals Nutrition 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 235000007164 Oryza sativa Nutrition 0.000 claims description 3
- 229920002472 Starch Polymers 0.000 claims description 3
- 150000001413 amino acids Chemical class 0.000 claims description 3
- 239000012491 analyte Substances 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 229910052736 halogen Inorganic materials 0.000 claims description 3
- 150000002367 halogens Chemical class 0.000 claims description 3
- 238000012880 independent component analysis Methods 0.000 claims description 3
- 238000004020 luminiscence type Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 235000009566 rice Nutrition 0.000 claims description 3
- 235000019698 starch Nutrition 0.000 claims description 3
- 239000008107 starch Substances 0.000 claims description 3
- 235000013311 vegetables Nutrition 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 claims 1
- 238000009313 farming Methods 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000002372 labelling Methods 0.000 abstract description 10
- 235000016709 nutrition Nutrition 0.000 abstract description 10
- 210000004027 cell Anatomy 0.000 description 10
- 238000000985 reflectance spectrum Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 4
- 241000209094 Oryza Species 0.000 description 2
- 235000001014 amino acid Nutrition 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012628 principal component regression Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 206010039509 Scab Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 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
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
- G01N21/3586—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation by Terahertz time domain spectroscopy [THz-TDS]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Toxicology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种农作物营养安全检测方法及其检测系统，包括信息采集器、手机APP、云端服务器。采用信息采集器的扫描端口，读取农作物的光谱特性，与云端服务器进行数据交换，通过手机APP快速获取农作物的营养成分、农药残留量、重金属含量等信息。
Description
技术领域
本发明涉及一种农作物营养安全检测方法及其系统。
背景技术
信息技术是农业科技革命的先导，农业信息技术对于加速我国传统农业的改造，提高农业生产效益和农产品的品质，提高农业管理和经营决策水平，促进农业持续、稳定发展，具有重要的意义，有着巨大的应用空间和广阔的发展前景。
从上世纪八十年代以来，我国开展了系统工程、数据库与信息管理系统、遥感、专家系统、决策支持系统、地理信息系统等技术应用于农业、资源和环境方面的研究，取得了一批重要成果。在农业科研、管理以及基层部门，已经积累了十分庞大的数据、实例和知识经验，积累了与各种农作物相关的苗情、土情、肥情、水情、虫情、气象和灾害等大量数据资料，将这些数据资料信息存储到计算机数据库中，使用计算机程序进行农业中的多种数据处理，通过计算机程序具体操作步骤来实现指导农民科学种田。
在这些数据资料的采集中，还是多通过人进行采集的。而且我国国土辽阔，农田信息复杂多变，对数据的采集出现了滞后，以滞后数据进行判断，往往出现很多误判。此外，对农作物的数据采集，往往采用有损采集或者微损采集。也就是说，将农作物进行破坏，比如叶子揉碎后进行化学溶液萃取等处理，再进行测量农作物的糖度等参数。
综上所述，传统的采样、样品制备和实验室分析手段对农作物有损害，并且在经济性和实时性方面也存在欠缺，带来了诸多不便与麻烦，实有待改善。
发明内容
本发明是集成应用信息技术的最新成果，发明农作物生长状态监测及营养施肥处方生成装置，为绿色农业、设施农业和精确农业提供技术装置和科学方法。
一种农作物营养安全检测方法，其特征在于，包括信息采集器、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；信息采集器包含数据传输模块，通过数据传输模块与云端服务器进行农作物数据交换，并获取农作物的信息。
一种农作物营养安全检测方法，其特征在于，包括信息采集器、数据中继装置、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；通过数据中继装置与云端服务器进行农作物数据交换，并获取农作物的信息。
一种农作物营养安全检测方法，其特征在于，包括信息采集器、手机APP、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的信息。
一种农作物营养安全检测方法，其特征在于，包括信息采集器、手机APP、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性，与云端服务器进行数据交换，通过手机APP获取农作物的信息。
优选地，在上述农作物营养安全检测方法中，还包括农作物种植者手持信息采集器，在种植场所获取农作物的光谱特性。
优选地，在上述农作物营养安全检测方法中，还包括农作物购买者手持信息采集器，在购买场所获取农作物的光谱特性。
优选地，在上述农作物营养安全检测方法中，所述云端服务器对接收到的农作物光谱数据，与光谱模型数据进行比对，反馈比对结果。
优选地，在上述农作物营养安全检测方法中，所述云端服务器对接收到的农作物光谱数据，与光谱模型数据进行比对，反馈比对结果，并同时反馈解决方案。
优选地，在上述农作物营养安全检测方法中，所述手机APP针对不同农作物选择不同的光谱检测方法。
优选地，在上述农作物营养安全检测方法中，所述云端服务器建立光谱模型数据库进行对比。
优选地，在上述农作物营养安全检测方法中，所述信息采集器的扫描端口采用近红外、太赫兹、拉曼光谱对农作物进行快速检测。
优选地，在上述农作物营养安全检测方法中，所述信息采集器的光谱采集器包括透射、反射、漫反射以及透反射等光谱采集模式。
优选地，在上述农作物营养安全检测方法中，所述信息采集器的光谱采集器包括感光元件，该元件可共用手机摄像头自带的感光元件，或可集成专用的CCD(电荷耦合元件)或CMOS(互补金属氧化物半导体)作为感光元件，并且不局限于上述两种感光元件。
优选地，在上述农作物营养安全检测方法中，所述信息采集器的扫描端口光源布置形式为单光源或多光源，光源采用卤素灯、发光二极管(LED)和激光三种发光技术中的至少一种，优选发光二极管。
优选地，在上述农作物营养安全检测方法中，所述信息采集器的扫描端口为手机的组成部件，安装于手机表面或手机内部。
优选地，在上述农作物营养安全检测方法中，所述信息采集器的扫描端口包括分光器，可将不同波长的平行入射光线以不同角度反射，以实现不同波长的分离，所述的分光器可为全息光栅或其他具有相似功能的光学元件。
优选地，在上述农作物营养安全检测方法中，所述手机APP把获取的光谱直接转化为传输数字信息，通过0与1组成的数字信息，快速实现数据信息的计量、传输、交换、比对、显示与存储。
优选地，在上述农作物营养安全检测方法中，所述信息采集器与手机APP之间的数据传输模式为蓝牙或红外或WIFI无线模式；所述手机APP与云端数据库之间的传输模式为WIFI无线模式；所述信息采集器与云端数据库之间的传输模式为WIFI无线模式。
优选地，在上述农作物营养安全检测方法中，所述云端服务器包括数据运算模块和数据库模块。云端服务器的主要部分是数据库，包括光谱对应信息数据库、植物形状及受力对应数据库、建议方案数据库等类型，各数据库之间紧密联系，相互对应，确保要求分析的一个或者多个项目，都有对应可以参照的标本。云端服务器的另一重要部分是信息对比分析模块，在接收到手机APP传输的数字信息后，自动对该信息进行比对搜索，寻找并分析对应的数据库信息，通过建议方案数据库检索出可用方案，反馈至手机APP实现屏幕显示。
优选地，在上述农作物营养安全检测方法中，所述数据运算模块对采集光谱数据进行预处理，光谱数据信息预处理方法包括Savitzky-Golay平滑、求导(Savitzky-Golay一阶导数、差分一阶导数)、信号校正(多元散射校正MSC、标准正太变量变换SNV、净分析信号NAS、正交信号校正OSC，去趋势校正DT、基线校正)、标准化(均值中心化、标准化)、归一化、多元散射校正、小波变换、正交信号校正法、净分析物预处理法等中的至少一种。
优选地，在上述农作物营养安全检测方法中，所述云端服务器的数据库模块的建立方式包括有效建模波段选择方法和预测模型建立方法。其中，有效建模波段选择方法包括相关系数法、无信息变量消除法、间隔偏最小二乘法、反向间隔偏最小二乘法、正向间隔偏最小二乘法、移动窗口偏最小二乘法、遗传算法、独立分量分析方法等中的至少一种。预测模型建立方法包括多元线性回归、逐步多元线性回归、三角网、支持向量机主成分回归、聚类分析、判别分析、偏最小二乘法、核函数偏最小二乘法回归、混合线性分析和人工神经网络等中的至少一种。所述预测模型的最佳预测模型的精准度评价参数包括但不限于校正集标准偏差(SEC)、交互验证标准偏差(SECV)、验证集标准偏差(SEP)、校正集相关系数(Rc)、验证集相关系数(Rp)。
优选地，在上述农作物营养安全检测方法中，所述方法检测的对象为水果、茶叶、五谷杂粮、蔬菜等农作物，其检测的信息包括糖度；酸度；硬度；病虫害；水分、淀粉、脂肪、蛋白、氨基酸等含量；农药残留量；重金属含量信息的一种或多种。
一种农作物营养安全检测系统，其特征在于，包括信息采集器、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；信息采集器包含数据传输模块，通过数据传输模块与云端服务器进行农作物数据交换，并获取农作物的信息。
一种农作物营养安全检测系统，其特征在于，包括信息采集器、数据中继装置、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；通过数据中继装置与云端服务器进行农作物数据交换，并获取农作物的信息。
一种农作物营养安全检测系统，其特征在于，包括信息采集器、手机APP、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的信息。
一种农作物营养安全检测系统，其特征在于，包括信息采集器、手机APP、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的营养成分、农药残留量、重金属含量等信息；手机APP针对不同农作物选择不同的光谱检测系统。
优选地，在上述农作物营养安全检测系统中，所述云端服务器对接收到的农作物光谱数据，与光谱模型数据进行比对，反馈比对结果。
优选地，在上述农作物营养安全检测系统中，所述云端服务器对接收到的农作物光谱数据，与光谱模型数据进行比对，反馈比对结果，并同时反馈解决方案。
优选地，在上述农作物营养安全检测系统中，所述云端服务器建立光谱模型数据库进行对比。
优选地，在上述农作物营养安全检测系统中，所述信息采集器的扫描端口采用近红外、太赫兹、拉曼光谱对农作物进行快速检测。
优选地，在上述农作物营养安全检测系统中，所述信息采集器的光谱采集器包括透射、反射、漫反射以及透反射等光谱采集模式。
优选地，在上述农作物营养安全检测系统中，所述信息采集器的光谱采集器包括感光元件，该元件可共用手机摄像头自带的感光元件，或可集成专用的CCD(电荷耦合元件)或CMOS(互补金属氧化物半导体)作为感光元件，并且不局限于上述两种感光元件。
优选地，在上述农作物营养安全检测系统中，所述信息采集器的扫描端口光源布置形式为单光源或多光源，光源采用卤素灯、发光二极管(LED)和激光三种发光技术中的至少一种，优选发光二极管。
优选地，在上述农作物营养安全检测系统中，所述信息采集器的扫描端口为手机的组成部件，安装于手机表面或手机内部。
优选地，在上述农作物营养安全检测系统中，所述信息采集器的扫描端口包括分光器，可将不同波长的平行入射光线以不同角度反射，以实现不同波长的分离，所述的分光器可为全息光栅或其他具有相似功能的光学元件。
优选地，在上述农作物营养安全检测系统中，所述手机APP把获取的光谱直接转化为传输数字信息，通过0与1组成的数字信息，快速实现数据信息的计量、传输、交换、比对、显示与存储。
优选地，在上述农作物营养安全检测系统中，所述信息采集器与手机APP之间的数据传输模式为蓝牙或红外或WIFI无线模式；所述手机APP与云端数据库之间的传输模式为WIFI无线模式；所述信息采集器与云端数据库之间的传输模式为WIFI无线模式。
优选地，在上述农作物营养安全检测系统中，所述云端服务器包括数据运算模块和数据库模块。云端服务器的主要部分是数据库，包括光谱对应信息数据库、植物形状及受力对应数据库、建议方案数据库等类型，各数据库之间紧密联系，相互对应，确保要求分析的一个或者多个项目，都有对应可以参照的标本。云端服务器的另一重要部分是信息对比分析模块，在接收到手机APP传输的数字信息后，自动对该信息进行比对搜索，寻找并分析对应的数据库信息，通过建议方案数据库检索出可用方案，反馈至手机APP实现屏幕显示。
优选地，在上述农作物营养安全检测系统中，所述数据运算模块对采集光谱数据进行预处理，光谱数据信息预处理方法包括Savitzky-Golay平滑、求导(Savitzky-Golay一阶导数、差分一阶导数)、信号校正(多元散射校正MSC、标准正太变量变换SNV、净分析信号NAS、正交信号校正OSC，去趋势校正DT、基线校正)、标准化(均值中心化、标准化)、归一化、多元散射校正、小波变换、正交信号校正法、净分析物预处理法等中的至少一种。
优选地，在上述农作物营养安全检测系统中，所述云端服务器的数据库模块的建立方式包括有效建模波段选择方法和预测模型建立方法。其中，有效建模波段选择方法包括相关系数法、无信息变量消除法、间隔偏最小二乘法、反向间隔偏最小二乘法、正向间隔偏最小二乘法、移动窗口偏最小二乘法、遗传算法、独立分量分析方法等中的至少一种。预测模型建立方法包括多元线性回归、逐步多元线性回归、三角网、支持向量机主成分回归、聚类分析、判别分析、偏最小二乘法、核函数偏最小二乘法回归、混合线性分析和人工神经网络等中的至少一种。所述预测模型的最佳预测模型的精准度评价参数包括但不限于校正集标准偏差(SEC)、交互验证标准偏差(SECV)、验证集标准偏差(SEP)、校正集相关系数(Rc)、验证集相关系数(Rp)。
优选地，在上述农作物营养安全检测系统中，所述系统检测的对象为水果、茶叶、五谷杂粮、蔬菜等农作物，其检测的信息包括糖度；酸度；硬度；病虫害；水分、淀粉、脂肪、蛋白、氨基酸等含量；农药残留量；重金属含量信息中的一种或多种。
本发明带来的有益效果有：
1、采用光谱传感器可以及时的准确地获取作农作物的光谱信息，达到无损检测的目的；
2、利用手机等常见物品让农户可以实时检测，或利用无人机等进行实时检测农田并反馈信息，保证检索信息的及时性；
3、通过专家系统根据反馈的光谱信息、土壤信息等实时地调整施肥量和肥料种类，实现精准追肥的目的。
附图说明
图1为本发明检测系统的模块连接关系示意图。
图2为本发明检测系统云端服务器的连接关系示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。
实施例一
一种农作物营养安全检测方法，包括信息采集器、手机APP、云端服务器，云端服务器包括数据运算模块和数据库模块。云端服务器的主要部分是数据库，包括光谱对应信息数据库、植物形状及受力对应数据库、建议方案数据库等类型。信息采集器通过向农作物发射近红外光谱，并读取农作物的反射光谱，通过手机标准接口或无线连接方式，将采集的信息传输至手机APP中，由手机APP对信息进行处理。手机APP把获取的光谱直接转化为传输数字信息，并快速传输到云端服务器，云端服务器在接收到手机APP传输的数字信息后，自动对该信息进行比对搜索，寻找并分析对应的数据库信息，通过建议方案数据库检索出可用方案，反馈至手机APP，手机APP将方案通过屏幕显示出来。
实施例二
一种农作物营养安全检测方法，包括信息采集器、手机APP、云端服务器，云端服务器包括数据运算模块和数据库模块。云端服务器的主要部分是数据库，包括光谱对应信息数据库、植物形状及受力对应数据库、建议方案数据库等类型。信息采集器通过向农作物发射太赫兹光谱，并读取农作物的反射光谱信息，通过手机标准接口或无线连接方式，将采集的信息传输至手机APP中，由手机APP对信息进行处理。手机APP把获取的光谱直接转化为传输数字信息，并快速传输到云端服务器，云端服务器在接收到手机APP传输的数字信息后，自动对该信息进行比对搜索，寻找并分析对应的数据库信息，通过建议方案数据库检索出可用方案，反馈至手机APP，手机APP将方案通过屏幕显示出来。
实施例三
一种农作物营养安全检测方法，包括信息采集器、手机APP、云端服务器，云端服务器包括数据运算模块和数据库模块。云端服务器的主要部分是数据库，包括光谱对应信息数据库、植物形状及受力对应数据库、建议方案数据库等类型。信息采集器通过向农作物发射拉曼光谱，并读取农作物的反射光谱信息，通过手机标准接口或无线连接方式，将采集的信息传输至手机APP中，由手机APP对信息进行处理。手机APP把获取的光谱直接转化为传输数字信息，并快速传输到云端服务器，云端服务器在接收到手机APP传输的数字信息后，自动对该信息进行比对搜索，寻找并分析对应的数据库信息，通过建议方案数据库检索出可用方案，反馈至手机APP，手机APP将方案通过屏幕显示出来。
实施例四
一种农作物营养安全检测方法，包括信息采集器、手机APP、云端服务器，云端服务器包括数据运算模块和数据库模块。云端服务器的主要部分是数据库，包括光谱对应信息数据库、植物形状及受力对应数据库、建议方案数据库等类型。信息采集器通过采用拍照法式获取植物形状信息，通过手机标准接口或无线连接方式，将采集的信息传输至手机APP中，由手机APP对信息进行处理。手机APP进行图像经过识别后，把形状、病斑等形态数据转化成传输数字信息，并快速传输到云端服务器，云端服务器在接收到手机APP传输的数字信息后，自动对该信息进行比对搜索，寻找并分析对应的数据库信息，通过建议方案数据库检索出可用方案，反馈至手机APP，手机APP将方案通过屏幕显示出来。
实施例五
一种农作物营养安全检测方法，包括信息采集器、手机APP、云端服务器，云端服务器包括数据运算模块和数据库模块。云端服务器的主要部分是数据库，包括光谱对应信息数据库、植物形状及受力对应数据库、建议方案数据库等类型。信息采集器通过向农作物发射近红外光谱，并读取农作物的反射光谱，通过无线连接方式，将读取的光谱信息快速传输到云端服务器，云端服务器在接收到信息采集器的信息后，自动对该信息进行比对搜索，寻找并分析对应的数据库信息，通过建议方案数据库检索出可用方案，传输至手机APP，手机APP将方案通过屏幕显示出来。
实施例六
一种农作物营养安全检测方法，包括信息采集器、手机APP、云端服务器，云端服务器包括数据运算模块和数据库模块。云端服务器的主要部分是数据库，包括光谱对应信息数据库、植物形状及受力对应数据库、建议方案数据库等类型。信息采集器通过向农作物发射太赫兹光谱，并读取农作物的反射光谱，通过无线连接方式，将读取的光谱信息快速传输到云端服务器，云端服务器在接收到信息采集器的信息后，自动对该信息进行比对搜索，寻找并分析对应的数据库信息，通过建议方案数据库检索出可用方案，传输至手机APP，手机APP将方案通过屏幕显示出来。
实施例七
一种农作物营养安全检测方法，包括信息采集器、手机APP、云端服务器，云端服务器包括数据运算模块和数据库模块。云端服务器的主要部分是数据库，包括光谱对应信息数据库、植物形状及受力对应数据库、建议方案数据库等类型。信息采集器通过向农作物发射拉曼光谱，并读取农作物的反射光谱，通过无线连接方式，将读取的光谱信息快速传输到云端服务器，云端服务器在接收到信息采集器的信息后，自动对该信息进行比对搜索，寻找并分析对应的数据库信息，通过建议方案数据库检索出可用方案，传输至手机APP，手机APP将方案通过屏幕显示出来。
实施例八
一种农作物营养安全检测方法，包括信息采集器、手机APP、云端服务器，云端服务器包括数据运算模块和数据库模块。云端服务器的主要部分是数据库，包括光谱对应信息数据库、植物形状及受力对应数据库、建议方案数据库等类型。信息采集器通过采用拍照法式获取植物形状信息，通过无线连接方式，将读取的信息快速传输到云端服务器，云端服务器在接收到信息采集器的信息后，自动对该信息进行比对搜索，寻找并分析对应的数据库信息，通过建议方案数据库检索出可用方案，传输至手机APP，手机APP将方案通过屏幕显示出来。
实施例九
一种农作物营养安全检测方法，其特征在于，包括信息采集器、手机APP、云端服务器。采用信息采集器的扫描端口，读取农作物的光谱特性，与云端服务器进行数据交换，通过手机APP获取农作物的营养成分、农药残留量、重金属含量等信息。
实施例十
一种农作物营养安全检测方法，其特征在于，包括信息采集器、云端服务器。采用信息采集器的扫描端口，读取农作物的光谱特性；信息采集器包含数据传输模块，通过数据传输模块与云端服务器进行农作物数据交换，并获取农作物的营养成分、农药残留量、重金属含量等信息。
实施例十一
一种农作物营养安全检测方法，其特征在于，包括信息采集器、数据中继装置、云端服务器。采用信息采集器的扫描端口，读取农作物的光谱特性；通过数据中继装置与云端服务器进行农作物数据交换，并获取农作物的营养成分、农药残留量、重金属含量等信息。
实施例十二
一种农作物营养安全检测方法，其特征在于，包括信息采集器、手机APP、云端服务器。采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的营养成分、农药残留量、重金属含量等信息。
农作物种植者手持信息采集器，在种植场所获取农作物的光谱特性。
实施例十三
一种农作物营养安全检测方法，其特征在于，包括信息采集器、手机APP、云端服务器。采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的营养成分、农药残留量、重金属含量等信息。
农作物购买者手持信息采集器，在购买场所获取农作物的光谱特性。
实施例十四
一种农作物营养安全检测方法，其特征在于，包括信息采集器、手机APP、云端服务器。采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的营养成分、农药残留量、重金属含量等信息。
云端服务器对接收到的农作物光谱数据，与光谱模型数据进行比对，反馈比对结果。
实施例十五
一种农作物营养安全检测方法，其特征在于，包括信息采集器、手机APP、云端服务器。采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的营养成分、农药残留量、重金属含量等信息；
云端服务器对接收到的农作物光谱数据，与光谱模型数据进行比对，反馈比对结果，并同时反馈解决方案。
实施例十六
一种农作物营养安全检测方法，其特征在于，包括信息采集器、手机APP、云端服务器。采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的营养成分、农药残留量、重金属含量等信息；
手机APP针对不同农作物选择不同的光谱检测方法。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对本发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。
Claims (24)
1.一种农作物营养安全检测方法，其特征在于，包括信息采集器、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；信息采集器包含数据传输模块，通过数据传输模块与云端服务器进行农作物数据交换，获取农作物的信息。
2.一种农作物营养安全检测方法，其特征在于，包括信息采集器、数据中继装置、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；通过数据中继装置与云端服务器进行农作物数据交换，获取农作物的信息。
3.一种农作物营养安全检测方法，其特征在于，包括信息采集器、手机APP、云端服务器，采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的信息。
4.根据权利要求1至3任一项所述的检测方法，其特征在于，所述方法还包括农作物购买者手持信息采集器，在购买场所获取农作物的光谱特性。
5.根据权利要求1至3任一项所述的检测方法，其特征在于，所述云端服务器对接收到的农作物光谱数据，与光谱模型数据进行比对，反馈比对结果。
6.根据权利要求1至3任一项所述的检测方法，其特征在于，所述云端服务器对接收到的农作物光谱数据，与光谱模型数据进行比对，反馈比对结果，并同时反馈解决方案。
7.根据权利要求1至3任一项所述的检测方法，其特征在于，所述手机APP针对不同农作物选择不同的光谱检测方法。
8.根据权利要求1至3任一项所述的检测方法，其特征在于，所述云端服务器的数据库模块的建立方式包括有效建模波段选择方法和预测模型建立方法，其中，所述有效建模波段选择方法包括相关系数法、无信息变量消除法、间隔偏最小二乘法、反向间隔偏最小二乘法、正向间隔偏最小二乘法、移动窗口偏最小二乘法、遗传算法、独立分量分析方法等中的至少一种；所述预测模型建立方法包括多元线性回归、逐步多元线性回归、三角网、支持向量机主成分回归、聚类分析、判别分析、偏最小二乘法、核函数偏最小二乘法回归、混合线性分析和人工神经网络等中的至少一种，所述预测模型的最佳预测模型的精准度评价参数包括校正集标准偏差交互验证标准偏差、验证集标准偏差、校正集相关系数、验证集相关系数。
9.一种农作物营养安全检测系统，其特征在于：包括信息采集器、云端服务器，所述系统采用信息采集器的扫描端口，读取农作物的光谱特性；信息采集器包含数据传输模块，通过数据传输模块与云端服务器进行农作物数据交换，获取农作物的信息。
10.一种农作物营养安全检测系统，其特征在于：包括信息采集器、数据中继装置、云端服务器，所述系统采用信息采集器的扫描端口，读取农作物的光谱特性；通过数据中继装置与云端服务器进行农作物数据交换，获取农作物的信息。
11.一种农作物营养安全检测系统，其特征在于：包括信息采集器、手机APP、云端服务器，所述系统采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的信息。
12.一种农作物营养安全检测系统，其特征在于，包括信息采集器、手机APP、云端服务器，所述检测系统采用信息采集器的扫描端口，读取农作物的光谱特性；通过手机APP与云端服务器进行农作物数据交换，并获取农作物的信息；手机APP针对不同农作物选择不同的光谱检测系统。
13.根据权利要求9至12任一项所述的检测系统，其特征在于，所述云端服务器建立光谱模型数据库进行对比。
14.根据权利要求9至12任一项所述的检测系统，其特征在于，所述信息采集器的扫描端口采用近红外、太赫兹、拉曼光谱对农作物进行快速检测。
15.根据权利要求9至12任一项所述的检测系统，其特征在于，所述信息采集的光谱采集器包括透射、反射、漫反射以及透反射等光谱采集模式。
16.根据权利要求9至12任一项所述的检测系统，其特征在于，所述信息采集器的光谱采集器包括感光元件，该元件可共用手机摄像头自带的感光元件，或可集成专用的CCD或CMOS作为感光元件。
17.根据权利要求9至12任一项所述的检测系统，其特征在于，所述信息采集器的扫描端口光源布置形式为单光源或多光源，光源采用卤素灯、发光二极管和激光三种发光技术中的至少一种。
18.根据权利要求9至12任一项所述的检测系统，其特征在于，所述信息采集器的扫描端口为手机的组成部件，其安装于手机表面或手机内部。
19.根据权利要求9至12任一项所述的检测系统，其特征在于，所述信息采集器的扫描端口包括分光器，其可将不同波长的平行入射光线以不同角度反射，以实现不同波长的分离，所述的分光器可为全息光栅或其他具有相似功能的光学元件。
20.根据权利要求9至12任一项所述的检测系统，其特征在于，所述手机APP把获取的光谱直接转化为传输数字信息，通过0与1组成的数字信息，快速实现数据信息的计量、传输、交换、比对、显示与存储。
21.根据权利要求9至12任一项所述的检测系统，其特征在于，所述信息采集器与手机APP之间的数据传输模式为蓝牙或红外或WIFI无线模式；所述手机APP与云端数据库之间的传输模式为WIFI无线模式；所述信息采集器与云端数据库之间的传输模式为WIFI无线模式。
22.根据权利要求9至12任一项所述的检测系统，其特征在于，所述云端服务器包括数据运算模块和数据库模块，云端服务器的主要部分是数据库，包括光谱对应信息数据库、植物形状及受力对应数据库、建议方案数据库等类型，各数据库之间紧密联系，相互对应，确保要求分析的一个或者多个项目，都有对应可以参照的标本，云端服务器的另一重要部分是信息对比分析模块，在接收到手机APP传输的数字信息后，自动对该信息进行比对搜索，寻找并分析对应的数据库信息，通过建议方案数据库检索出可用方案，反馈至手机APP实现屏幕显示。
23.根据权利要求9至12任一项所述的检测系统，其特征在于，所述云端服务器的数据运算模块对采集光谱数据进行预处理，所述光谱数据信息的预处理方法包括Savitzky-Golay平滑、求导、信号校正、标准化、归一化、多元散射校正、小波变换、正交信号校正法、净分析物预处理法中的至少一种。
24.根据权利要求9至12任一项所述的检测系统，其特征在于，所述检测系统的检测对象为水果、茶叶、五谷杂粮、蔬菜等农作物；其检测的信息包括糖度、酸度、硬度、病虫害、水分、淀粉、脂肪、蛋白、氨基酸含量、农药残留量、重金属含量信息中的一种或多种。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510288135 | 2015-05-29 | ||
| CN2015102881357 | 2015-05-29 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106092913A true CN106092913A (zh) | 2016-11-09 |
Family
ID=57230162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610363926.6A Pending CN106092913A (zh) | 2015-05-29 | 2016-05-27 | 一种农作物营养安全检测方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106092913A (zh) |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106840941A (zh) * | 2017-03-16 | 2017-06-13 | 中国林业科学研究院林业研究所 | 一种快速判定杂交构树采收时期的方法 |
| CN106841081A (zh) * | 2016-12-23 | 2017-06-13 | 安徽瑞沃电子科技有限公司 | 一种化妆品含铅量太赫兹检测器及检测方法 |
| CN106990212A (zh) * | 2017-04-01 | 2017-07-28 | 深圳万发创新进出口贸易有限公司 | 一种可实时上传数据的农药残留检测系统 |
| CN107037028A (zh) * | 2017-03-10 | 2017-08-11 | 北京华泰诺安探测技术有限公司 | 一种云平台拉曼光谱识别方法及装置 |
| CN107462682A (zh) * | 2017-07-17 | 2017-12-12 | 王建芳 | 一种农业检测系统 |
| CN107478580A (zh) * | 2017-07-31 | 2017-12-15 | 中国科学院遥感与数字地球研究所 | 基于高光谱遥感的土壤重金属含量估算方法及装置 |
| CN108090628A (zh) * | 2018-01-16 | 2018-05-29 | 浙江大学 | 一种基于pso-lssvm算法的粮情安全检测分析方法 |
| CN108309062A (zh) * | 2017-01-18 | 2018-07-24 | 佛山市顺德区美的电热电器制造有限公司 | 储物装置和烹饪器具 |
| CN108387550A (zh) * | 2018-02-10 | 2018-08-10 | 云南小宝科技有限公司 | 基于mems的便携式近红外光谱检测方法、装置和系统 |
| CN108844912A (zh) * | 2018-04-19 | 2018-11-20 | 中科谱光科技（北京）有限公司 | 一种作物长势光谱智能分析系统及方法 |
| CN109001149A (zh) * | 2018-09-10 | 2018-12-14 | 电子科技大学 | 基于近红外光谱的双光路水果无损检测系统及方法 |
| CN109131893A (zh) * | 2018-10-15 | 2019-01-04 | 南京林业大学 | 一种基于无人机的农药残留实时检测和精确去除的系统和方法 |
| CN109580534A (zh) * | 2018-11-30 | 2019-04-05 | 深圳市太赫兹科技创新研究院有限公司 | 物质种类识别方法、太赫兹时域光谱仪系统及终端设备 |
| CN110006831A (zh) * | 2019-03-19 | 2019-07-12 | 江苏大学 | 一种基于快速检测技术的速溶茶粉品质安全追溯装置及方法 |
| CN110213509A (zh) * | 2019-05-27 | 2019-09-06 | 浙江工业大学 | 一种ccd自适应积分时间与频谱可视化系统 |
| CN110793922A (zh) * | 2019-10-31 | 2020-02-14 | 北京绿土科技有限公司 | 一种基于手机的土壤光谱数据采集方法 |
| CN112525853A (zh) * | 2019-09-18 | 2021-03-19 | 大连兆晶生物科技有限公司 | 一种简易成分鉴定的方法 |
| CN112525854A (zh) * | 2019-09-18 | 2021-03-19 | 大连兆晶生物科技有限公司 | 一种鉴定成分的方法 |
| CN112666319A (zh) * | 2020-12-21 | 2021-04-16 | 安徽国星生物化学有限公司 | 基于云数据库的腈水解酶酶性质研究比对设备及方法 |
| CN118883472A (zh) * | 2024-07-05 | 2024-11-01 | 四川农业大学 | 一种基于高光谱成像技术的鲜烟叶农药残留等级检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101387497A (zh) * | 2008-10-28 | 2009-03-18 | 北京林业大学 | 采用近红外光谱技术测量植物纤维材料纤维形态的方法 |
| JP2012150068A (ja) * | 2011-01-21 | 2012-08-09 | Zukosha:Kk | 土壌乾湿予測方法及びその装置 |
| CN202856815U (zh) * | 2012-10-18 | 2013-04-03 | 深圳市中达瑞和科技有限公司 | 一种可采集高光谱图像及光谱的智能手机 |
| CN103269372A (zh) * | 2013-05-23 | 2013-08-28 | 合肥弘恩机电科技有限公司 | 基于模糊信息处理技术的远程粮情智能测控与分析系统 |
| CN103808764A (zh) * | 2012-11-07 | 2014-05-21 | 南京理工大学 | 基于手机平台的开放式食品安全检测系统 |
-
2016
- 2016-05-27 CN CN201610363926.6A patent/CN106092913A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101387497A (zh) * | 2008-10-28 | 2009-03-18 | 北京林业大学 | 采用近红外光谱技术测量植物纤维材料纤维形态的方法 |
| JP2012150068A (ja) * | 2011-01-21 | 2012-08-09 | Zukosha:Kk | 土壌乾湿予測方法及びその装置 |
| CN202856815U (zh) * | 2012-10-18 | 2013-04-03 | 深圳市中达瑞和科技有限公司 | 一种可采集高光谱图像及光谱的智能手机 |
| CN103808764A (zh) * | 2012-11-07 | 2014-05-21 | 南京理工大学 | 基于手机平台的开放式食品安全检测系统 |
| CN103269372A (zh) * | 2013-05-23 | 2013-08-28 | 合肥弘恩机电科技有限公司 | 基于模糊信息处理技术的远程粮情智能测控与分析系统 |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106841081A (zh) * | 2016-12-23 | 2017-06-13 | 安徽瑞沃电子科技有限公司 | 一种化妆品含铅量太赫兹检测器及检测方法 |
| CN108309062B (zh) * | 2017-01-18 | 2022-02-11 | 佛山市顺德区美的电热电器制造有限公司 | 储物装置和烹饪器具 |
| CN108309062A (zh) * | 2017-01-18 | 2018-07-24 | 佛山市顺德区美的电热电器制造有限公司 | 储物装置和烹饪器具 |
| CN107037028A (zh) * | 2017-03-10 | 2017-08-11 | 北京华泰诺安探测技术有限公司 | 一种云平台拉曼光谱识别方法及装置 |
| CN106840941A (zh) * | 2017-03-16 | 2017-06-13 | 中国林业科学研究院林业研究所 | 一种快速判定杂交构树采收时期的方法 |
| CN106990212A (zh) * | 2017-04-01 | 2017-07-28 | 深圳万发创新进出口贸易有限公司 | 一种可实时上传数据的农药残留检测系统 |
| CN107462682A (zh) * | 2017-07-17 | 2017-12-12 | 王建芳 | 一种农业检测系统 |
| CN107478580A (zh) * | 2017-07-31 | 2017-12-15 | 中国科学院遥感与数字地球研究所 | 基于高光谱遥感的土壤重金属含量估算方法及装置 |
| CN108090628A (zh) * | 2018-01-16 | 2018-05-29 | 浙江大学 | 一种基于pso-lssvm算法的粮情安全检测分析方法 |
| CN108387550A (zh) * | 2018-02-10 | 2018-08-10 | 云南小宝科技有限公司 | 基于mems的便携式近红外光谱检测方法、装置和系统 |
| CN108844912A (zh) * | 2018-04-19 | 2018-11-20 | 中科谱光科技（北京）有限公司 | 一种作物长势光谱智能分析系统及方法 |
| CN109001149A (zh) * | 2018-09-10 | 2018-12-14 | 电子科技大学 | 基于近红外光谱的双光路水果无损检测系统及方法 |
| CN109131893A (zh) * | 2018-10-15 | 2019-01-04 | 南京林业大学 | 一种基于无人机的农药残留实时检测和精确去除的系统和方法 |
| CN109580534A (zh) * | 2018-11-30 | 2019-04-05 | 深圳市太赫兹科技创新研究院有限公司 | 物质种类识别方法、太赫兹时域光谱仪系统及终端设备 |
| CN110006831A (zh) * | 2019-03-19 | 2019-07-12 | 江苏大学 | 一种基于快速检测技术的速溶茶粉品质安全追溯装置及方法 |
| CN110006831B (zh) * | 2019-03-19 | 2021-10-12 | 江苏大学 | 一种基于快速检测技术的速溶茶粉品质安全追溯装置及方法 |
| CN110213509A (zh) * | 2019-05-27 | 2019-09-06 | 浙江工业大学 | 一种ccd自适应积分时间与频谱可视化系统 |
| CN110213509B (zh) * | 2019-05-27 | 2021-05-18 | 浙江工业大学 | 一种ccd自适应积分时间与频谱可视化系统 |
| CN112525853A (zh) * | 2019-09-18 | 2021-03-19 | 大连兆晶生物科技有限公司 | 一种简易成分鉴定的方法 |
| CN112525854A (zh) * | 2019-09-18 | 2021-03-19 | 大连兆晶生物科技有限公司 | 一种鉴定成分的方法 |
| CN110793922A (zh) * | 2019-10-31 | 2020-02-14 | 北京绿土科技有限公司 | 一种基于手机的土壤光谱数据采集方法 |
| CN112666319A (zh) * | 2020-12-21 | 2021-04-16 | 安徽国星生物化学有限公司 | 基于云数据库的腈水解酶酶性质研究比对设备及方法 |
| CN118883472A (zh) * | 2024-07-05 | 2024-11-01 | 四川农业大学 | 一种基于高光谱成像技术的鲜烟叶农药残留等级检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106092913A (zh) | 一种农作物营养安全检测方法及其系统 | |
| Anderson et al. | Technologies for forecasting tree fruit load and harvest timing—from ground, sky and time | |
| Virlet et al. | Field Scanalyzer: An automated robotic field phenotyping platform for detailed crop monitoring | |
| Liao et al. | On precisely relating the growth of Phalaenopsis leaves to greenhouse environmental factors by using an IoT-based monitoring system | |
| Chergui et al. | Data analytics for crop management: a big data view | |
| Torresan et al. | A new generation of sensors and monitoring tools to support climate-smart forestry practices | |
| Marino et al. | Detection of homogeneous wheat areas using multi-temporal UAS images and ground truth data analyzed by cluster analysis | |
| CN114863289B (zh) | 一种基于土地利用的动态遥感监测方法与系统 | |
| CN109187417A (zh) | 一种无人机载的太赫兹波及高光谱遥感农作物监测系统 | |
| Pathak et al. | Data-driven precision agricultural applications using field sensors and Unmanned Aerial Vehicle (UAVs) | |
| Bretas et al. | Precision livestock farming applied to grazingland monitoring and management—A review | |
| Dube et al. | Cotton boll distribution and yield estimation using three‐dimensional point cloud data | |
| CN119470286A (zh) | 一种基于时序光谱信息分析的作物病害遥感监测预警系统 | |
| CN114897544A (zh) | 一种基于农产品种植的溯源管理系统 | |
| Carrasco-Benavides et al. | Assessment of an automated digital method to estimate leaf area index (LAI) in cherry trees | |
| Sadiq et al. | A review on the imaging approaches in agriculture with crop and soil sensing methodologies | |
| Nagy et al. | Noninvasive water stress assessment methods in orchards | |
| Svotwa et al. | Remote sensing applications in tobacco yield estimation and the recommended research in Zimbabwe | |
| Livanos et al. | Extraction of reflectance maps for smart farming applications using unmanned aerial vehicles | |
| Inoue et al. | Hyperspectral assessment of ecophysiological functioning for diagnostics of crops and vegetation | |
| Saha et al. | A crop-monitoring system using wireless sensor networking | |
| CN108960844A (zh) | 谱纹溯源平台 | |
| Yang et al. | Using FORMOSAT-2 satellite data to estimate leaf area index of rice crop | |
| Márta et al. | Information Technology Drivers in Smart Farming Management Systems | |
| Fitra et al. | Design and Development of a IoT-Based Moisture Detection Device for Corn Seeds |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161109 |
|
| RJ01 | Rejection of invention patent application after publication |