[发明专利]一种人工智能虫情预测系统及预测方法有效

专利信息
申请号: 202110662982.0 申请日: 2021-06-15
公开(公告)号: CN113273555B 公开(公告)日: 2023-07-04
发明(设计)人: 戴征武;章晓敏;章伟聪;王福方;韦福安 申请(专利权)人: 米恩基(浙江)传感科技有限公司
主分类号: A01M1/02 分类号: A01M1/02
代理公司: 北京惟专知识产权代理事务所(普通合伙) 16074 代理人: 赵星
地址: 317200 浙江省台州市天台县*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 人工智能 虫情 预测 系统 方法
【说明书】:

发明公开了一种人工智能虫情预测系统及预测方法对虫害的监测预警工作显得尤为重要,因此虫情监测系统通过联网,为虫情测报工作提供了一套基于大数据的综合管理、分析服务,可以更好的深度了解病虫害发生规律,进一步提升了病虫害防治水平,服务于绿色农业和有机农业,前景广阔;本系统开发的开发成本较低,用户可通过用户端登录查看设备情况,能方便的进行操作,成本相对较低。

技术领域

本发明涉及到智能虫情预测的技术领域,尤其涉及到一种人工智能虫情预测系统及预测方法。

背景技术

病虫害对农作物的影响更是巨大。除了虫灾爆发之后的打药杀灭措施,虫情测报工作更是植保工作中的重中之重,虫情测报信息是否及时、准确有效实施,是保证虫口夺粮效果的关键。我们指导虫情防治一旦错过恰当时机,作物损失就会很大。而虫情监测系统集各种信息化技术于一身,不仅能完成作物病虫害的实时监测和测报,还能够实时传输虫情信息和分析处理虫情信息,让虫情能够准确为用户所知,对作物病虫害及时准确防治起着至关重要的作用。病虫预测预报一直以来都是农业病虫害防治中的重要内容,历来该项工作都受到植保部门的高度重视。而近年来随着科学技术的发展,在虫情监测系统等仪器系统的帮助之下,我国不少地区的虫情监测水平都上了一个新的台阶,有效提高了病虫预测预报的科学性,确保了监控监测数据的准确、可靠及真实有效,也为保障粮食生产安全做出了突出的贡献。

国内外现有的虫情测报系统也叫可视化虫情测报灯,利用现代光、电、数控集成技术,采用4G技术,实现自动完成诱虫、杀虫、拍照、运输、收集、排水等系统作业,并将环境气象和虫害情况上传到指定农业云平台,满足虫情预测预报及标本采集的需要。不过这样的系统存在如下的缺点:

1.系统通常可识别的虫子种类较少,识别准确率较低。由于采用了普通的图像识别技术,无法大量识别虫子的种类和数量。

2.系统通常需要将当地的摄像头图像、温湿度、气压等信息传回云平台,由于网络流量的限制,通常是间隔较长时间才传回一次数据,不能及时查看每台虫情测报灯的实时情况。

3.所有的虫情灯设备没有互联功能,单台设备通常只服务于特定的农户,农户和农户之间没有共享信息。系统没有决策建议功能,无法根据各地设备的虫情情况,判断出地区、或者全国的虫情情况,做到统一决策。

4.设备的普及率较低,使用设备的农户还较少。

5.这样的系统通常造价高昂,单台设备即高达十数万元,对于普通农户来说无法承担。

发明内容

本发明的目的在于提供一种人工智能虫情预测系统及预测方法,用于提升了病虫害防治水平,服务于绿色农业和有机农业,前景广阔。

一种人工智能虫情预测系统,根据信息生成、传输及处理和应用的不同层次,包括感知层、传输层、服务平台和应用层:

所述感知层通过监测系统对各监测区域进行全时段、多维度虫情数据采集,实时获取虫情探测数据;

所述传输层用于把所述感知层实时获取的虫情探测数据传输至所述服务平台;

所述服务平台根据所述传输层传来的虫情探测数据,进行分析以及做出相应的判断,作为所述感知层的感知数据和所述应用层的业务联接;

所述应用层根据所述服务平台对所述感知层的虫情探测数据的处理与分析,供使用者查看并做出相应的处理。

上述的人工智能虫情预测系统,所述监测系统包括GIS监控单元、监测监控单元和视频AI单元;各个单元根据不同应用场景和网络环境,对应地接入所述传输层。

上述的人工智能虫情预测系统,所述GIS监控单元用于通过检测设备端的传感器,根据地理信息、视频中心、数据统计、趋势变化、排名分析以及类型统计,产生GIS监控数据,将产生的GIS监控数据发送至所述服务平台。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于米恩基(浙江)传感科技有限公司,未经米恩基(浙江)传感科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110662982.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top