Review for Application of Intelligent Management Technology in Vegetable

doi:10.11924/j.issn.1000-6850.casb2022-0453

Abstract

Abstract:

To further promote the application of intelligent management technology in vegetable production and management, this paper puts forward the overall framework of vegetable production intelligent technology, analyzes the vegetable data sources and acquisition means under the background of big data age, summarizes the latest research technology of vegetable disease diagnosis, environment and water and fertilizer regulation, cultivation management decision, intelligent production operation, and the intelligent information service. Then, by analyzing the challenges of vegetable intelligent management technology, the development suggestions for vegetable intelligent management technology are put forward. Intelligentization is an essential factor of modern agricultural development. And the use of intelligent information technology to improve the comprehensive productivity and benefit of the vegetable industry is the ultimate goal. It is necessary to dig into the actual demand, integrate the data of the whole vegetable industry chain, promote the deep integration of intelligent information technology and the vegetable industry, and support the transformation and upgrading of the vegetable industry.

Key words: vegetable production, intelligent management, intelligent regulation, diagnostic decision, information service

SUN Xiang, WU Huarui, ZHU Huaji, GU Jingqiu. Review for Application of Intelligent Management Technology in Vegetable[J]. Chinese Agricultural Science Bulletin, 2023, 39(16): 137-144.

Figures/Tables 5

References 55

[1]	郭威, 吴华瑞, 朱华吉. 设施温室影像采集与环境监测机器人系统设计及应用[J]. 智慧农业(中英文), 2020, 2(3):48-60. doi: 10.12133/j.smartag.2020.2.3.202007-SA006
[2]	田明璐, 班松涛, 袁涛, 等. 基于无人机多光谱影像的蔬菜种植监测技术研究[J]. 上海农业学报, 2020, 36(5):115-121.
[3]	HASSANZADEH A, AARDT J V, MURPHY S P, et al. Yield modeling of snap bean based on hyperspectral sensing: A greenhouse study[J]. Journal of applied remote sensing, 2020, 14(2):024519.
[4]	邱首星, 朱呈祥, 张鹏, 等. 基于NB-IoT通信的智能温室监控系统[J]. 自动化与仪器仪表, 2020(9):11-15.
[5]	海涛, 李娜娜, 周文杰, 等. 基于LPWAN物联网的光伏温室智能监控系统设计[J]. 广西师范大学学报(自然科学版), 2021, 39(5):100-109.
[6]	牛萍娟, 程峥, 田海涛, 等. 基于多网融合和节点定位技术的无线温室智能监控系统的设计[J]. 江苏农业科学, 2019, 47(14):239-243.
[7]	夏春风, 杜经纬. 太湖莼菜种植环境监测系统研究[J]. 南方农机, 2020, 51(15):35-36.
[8]	ZHOU J, LI J, WANG C, et al. A vegetable disease recognition model for complex background based on region proposal and progressive learning[J]. Computers and electronics in agriculture, 2021, 184:106101. doi: 10.1016/j.compag.2021.106101 URL
[9]	SHARMA P, BERWAL Y, GHAI W. Performance analysis of deep learning CNN models for disease detection in plants using image segmentation[J]. Information processing in agriculture, 2020, 7(4):566-574. doi: 10.1016/j.inpa.2019.11.001 URL
[10]	任守纲, 贾馥玮, 顾兴健, 等. 反卷积引导的番茄叶部病害识别及病斑分割模型[J]. 农业工程学报, 2020, 36(12):186-195.
[11]	韩旭, 赵春江, 吴华瑞, 等. 基于注意力机制及多尺度特征融合的番茄叶片缺素图像分类方法[J]. 农业工程学报, 2021, 37(17):177-188.
[12]	王艳玲, 张宏立, 刘庆飞, 等. 基于迁移学习的番茄叶片病害图像分类[J]. 中国农业大学学报, 2019, 24(6):124-130.
[13]	GEETHARAMANI G, ARUN Pandian J. Identification of plant leaf diseases using a nine-layer deep convolutional neural network[J]. Computers & electrical engineering, 2019, 76:323-338.
[14]	ZHANG Shanwen, ZHANG Subing, ZHANG Chuanlei, et al. Cucumber leaf disease identification with global pooling dilated convolutional neural network[J]. Computers and electronics in agriculture, 2019, 162:422-430. doi: 10.1016/j.compag.2019.03.012
[15]	宋余庆, 谢熹, 刘哲, 邹小波. 基于多层EESP深度学习模型的农作物病虫害识别方法[J]. 农业机械学报, 2020, 51(8):196-202..
[16]	吴华瑞. 基于深度残差网络的番茄叶片病害识别方法[J]. 智慧农业, 2019, 1(4):42-49.
[17]	高荣华, 李奇峰, 孙想, 等. 多结构参数集成学习的设施黄瓜病害智能诊断[J]. 农业工程学报, 2020, 36(16):158-165.
[18]	王春山, 周冀, 吴华瑞, 等. 改进Multi-scale Res Net的蔬菜叶部病害识别[J]. 农业工程学报, 2020, 36(20):209-217.
[19]	SUÁREZ-REY E M, GALLARDO M, ROMERO-GÁMEZ M, et al. Sensitivity and uncertainty analysis in agro-hydrological modelling of drip fertigated lettuce crops under Mediterranean conditions[J]. Computers and electronics in agriculture, 2019, 162:630-650. doi: 10.1016/j.compag.2019.05.011 URL
[20]	朱常安, 和志豪, 蔡泽林, 等. 融合镁元素的水肥多因子耦合对黄瓜综合营养品质的调控[J]. 中国农业科学, 2019, 52(18):3258-3270. doi: 10.3864/j.issn.0578-1752.2019.18.017
[21]	张智, 和志豪, 洪婷婷, 等. 基于多层次模糊评判的樱桃番茄综合生长水肥耦合调控[J]. 农业机械学报, 2019, 50(12):10.
[22]	胡瑾, 荆昊男, 高攀, 等. 融合黄瓜光质需求的设施光环境智能调控模型[J]. 农业机械学报, 2019, 50(9):329-336.
[23]	张海辉, 张盼, 胡瑾, 等. 融合叶位光合差异的设施黄瓜立体光环境优化调控模型[J]. 农业机械学报, 2019, 50(2):266-272,314.
[24]	完香蓓, 简丽蓉, 辛萍萍, 等. 面向嵌入式控制终端的水培生菜光调控目标值模型[J]. 上海农业学报, 2019, 35(2):42-47.
[25]	张卫江, 白军, 王忠红. 西藏高寒农牧区温室温度调控系统研究[J]. 新疆大学学报(自然科学版), 2019, 36(2):247-252.
[26]	徐宇, 冀荣华. 基于复数神经网络的智能温室温度预测研究[J]. 中国农机化学报, 2019, 40(4):174-178. doi: 10.13733/j.jcam.issn.2095-5553.2019.04.31
[27]	吴涛, 李里亚. 温室全方位智能调温系统在智慧农业中的应用[J]. 江苏农业科学, 2019, 47(15):247-251.
[28]	KOCIAN A, MASSA D, CANNAZZARO S, et al. Dynamic Bayesian network for crop growth prediction in greenhouses[J]. Computers and electronics in agriculture, 2020, 169:105167. doi: 10.1016/j.compag.2019.105167 URL
[29]	SANTOS U, PESSIN G, COSTA C, et al. AgriPrediction: A proactive internet of things model to anticipate problems and improve production in agricultural crops[J]. Computers and electronics in agriculture, 2019, 161:202-213. doi: 10.1016/j.compag.2018.10.010 URL
[30]	王翔宇. 基于三角原理的设施蔬菜病害预警方法研究[D]. 北京: 中国农业大学, 2018.
[31]	王海华, 王丽燕, 张馨心, 等. 基于温室番茄长势信息的水肥决策方法研究[J]. 农业工程技术, 2019, 39(7):10-14.
[32]	洪波, 张锋, 李英梅, 等. 基于微信平台的陕西蔬菜病虫害专家诊断系统[J]. 中国植保导刊, 2017, 37(12):48-52.
[33]	朱春雨, 谢丙炎, 郑建秋, 等. 基于本体的蔬菜农药安全使用专家系统[J]. 农业机械学报, 2011, 42(5):198-202.
[34]	孙敏, 罗卫红, 冯万利, 等. 基于Web的设施蔬菜作物病害诊断与防治管理专家系统[J]. 南京农业大学学报, 2014, 37(2):7-14.
[35]	姜凯, 陈立平, 张骞, 等. 蔬菜嫁接机器人柔性夹持搬运机构设计与试验[J]. 农业机械学报, 2020, 51(S2):63-71.
[36]	文永双, 张宇, 田金元, 等. 蔬菜移栽钵苗检测与缺苗补偿系统设计与试验[J]. 农业机械学报, 2020, 51(S1):123-129.
[37]	谢守勇, 阳尚宏, 刘军, 等. 蔬菜移栽机斜插夹钵式取投苗装置研制[J]. 农业工程学报, 2020, 36(6):1-10.
[38]	FARYADI S, VELNI J M. A reinforcement learning- based approach for modeling and coverage of an unknown field using a team of autonomous ground vehicles[J]. International journal of intelligent systems, 2020.
[39]	王侨, 刘卉, 杨鹏树, 等. 基于机器视觉的农田地头边界线检测方法[J]. 农业机械学报, 2020, 51(5):18-27.
[40]	李亚军, 向阳, 林洁雯, 等. 基于机器视觉的叶菜类蔬菜菜垄识别算法[J]. 中国农业大学学报, 2020, 25(3):88-98.
[41]	刘波, 方俊永, 刘学, 等. 基于成像光谱技术的作物杂草识别研究[J]. 光谱学与光谱分析, 2010, 30(7):1830-1833.
[42]	孟庆宽, 张漫, 叶剑华, 等. 基于轻量二阶段检测模型的自然环境多类蔬菜幼苗识别[J]. 农业机械学报, 2021, 52(10):282-290.
[43]	SHARPE S M, SCHUMANN A W, YU J, et al. Vegetation detection and discrimination within vegetable plasticulture row-middles using a convolutional neural network[J]. Precision agriculture, 2020, 21(2):264-277. doi: 10.1007/s11119-019-09666-6
[44]	农业农村部2020年十大引领性技术发布[J]. 农业工程技术, 2020, 40(23):1-3.
[45]	刘伟. 基于语义分析的农业新技术推荐系统的设计与实现[D]. 北京: 中国农业科学院, 2019.
[46]	李慧, 闫琰. 基于组合模型的农业信息情景感知推荐系统研究[J]. 江苏农业科学, 2017, 45(17):209-214.
[47]	顾静秋. 农业数据智能感知与分析关键技术研究[D]. 北京: 北京交通大学, 2018.
[48]	吴茜. 基于知识图谱的农业智能问答系统设计与实现[D]. 厦门: 厦门大学, 2019.
[49]	夏迎春. 基于知识图谱的农业知识服务系统研究[D]. 合肥: 安徽农业大学, 2018.
[50]	金宁, 赵春江, 吴华瑞, 等. 基于BiGRU_MulCNN的农业问答问句分类技术研究[J]. 农业机械学报, 2020, 51(5):199-206.
[51]	赵瑞雪, 李娇, 张洁, 等. 多场景农业专业知识服务系统构建研究[J]. 农业图书情报学报, 2020, 32(1):4-11. doi: 10.13998/j.cnki.issn1002-1248.2019.10.19-0911
[52]	李响, 谭畅, 杨瑞, 等. 一种基于蔬菜价格预测推荐的大数据系统[P]. 中国专利,CN110298693A, 2019-10-01.
[53]	孙想, 吴华瑞, 朱华吉, 等. 蔬菜产业大数据平台应用研究[J]. 北方园艺, 2020(20):154-162.
[54]	张冠湘, 崔金银, 蔡文学, 等. 基于区块链的有机蔬菜认证与溯源方案研究[J]. 安徽农业科学, 2019, 47(24):222-225.
[55]	濮永仙. 基于物联网的果蔬产品溯源系统编码技术研究与实现[J]. 江苏农业科学, 2016, 44(8):414-418.