公开/公告号CN113222386A
专利类型发明专利
公开/公告日2021-08-06
原文格式PDF
申请/专利权人 广西宝亮升维网络科技有限公司;
申请/专利号CN202110488421.3
申请日2021-05-06
分类号G06Q10/06(20120101);G06Q50/02(20120101);
代理机构11833 北京化育知识产权代理有限公司;
代理人秦丽
地址 530001 广西壮族自治区南宁市中国(广西)自由贸易试验区南宁片区凯旋路15号南宁绿地中心8号办公楼8层801号
入库时间 2023-06-19 12:07:15
技术领域
本发明涉及农业种植技术领域,具体为一种提高糖料蔗机械收获含杂率检测效率和质量的方法。
背景技术
近年来,随着糖料蔗种植机械化程度的不断提高,糖料蔗机械化收获量也逐年增大。实现糖料蔗机械化收获既能省时省力、提高效率,又能降低人工成本,增加种植农户收益。然而,目前对于糖料蔗机械收割含杂率的检测,采用的是人工抽样,然后手工剥除分拣杂质,通过称重后得出含杂率的检测的方式,此种方式耗时多,效率低,为此我们提出了一种提高糖料蔗机械收获含杂率检测效率和质量的方法。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种提高糖料蔗机械收获含杂率检测效率和质量的方法,具备可提高糖料蔗机械收获含杂率检测效率和质量等优点,解决了上述背景技术中所提出的问题。
(二)技术方案
本发明提供如下技术方案:一种提高糖料蔗机械收获含杂率检测效率和质量的方法,通过多年机收实践经验分析总结得出影响机收甘蔗含杂率的因素及权重表,并按其因素类型和项目进行划分,按照影响含杂率程度的大小以及状态赋予相应的权重和分值,所述因素类型包括有设备、地块情况和甘蔗情况。
所述检测方法包括以下步骤:
S1、用户到达机收服务的地块现场后,打开并登陆软件平台,进入相应页面。
S2、依照《影响机收甘蔗含杂率因素及权重表》,对现场情况进行打分评价。
S3、对“设备”中的各种情况进行打分评价。
S4、对“地块情况”中的各种情况进行打分评价。
S5、对“甘蔗情况”中的各种情况进行打分评价。
S6、“确定”后,软件平台根据AI算法的计算公式进行计算得出机收含杂率值。
优选的,所述设备类型的项目包括有风机、切顶器、切断刀和底刀。
优选的,所述地块情况类型的项目包括有培土情况、泥土湿度和土壤类型。
优选的,所述甘蔗情况类型的项目包括有甘蔗长势、倒伏情况、蔗叶湿度和甘蔗脱叶性。
优选的,所述步骤S6中,按照影响含杂率程度的大小以及状态赋予相应的权重和分值,通过设定的初步计算公式进行计算,得出初始含杂率值。
优选的,再通过大数据对比分析初始含杂率(预测含杂值)和实测值(实际含杂值),进行AI计算反向校正及纠偏,最终得出更为准确,最为接近实际机收情况的机收含杂率值。
优选的,通过实践经验总结积累得出的初步计算公式,即各影响含杂率因素的评分值与权重的乘积再经过大数据AI纠偏计算,得出机收含杂率值。
优选的,影响含杂率的因素类型还包括有天气情况和管理情况。
与现有技术相比,本发明提供了一种提高糖料蔗机械收获含杂率检测效率和质量的方法,具备以下有益效果:
该提高糖料蔗机械收获含杂率检测效率和质量的方法,通过多年机收实践经验分析总结得出影响机收甘蔗含杂率的因素及权重表,并按其因素类型和项目进行划分,按照影响含杂率程度的大小以及状态赋予相应的权重和分值,通过设定的初步计算公式进行计算,得出初始含杂率值,再通过大数据对比分析初始含杂率(预测含杂值)和实测值(实际含杂值),进行AI计算反向校正及纠偏,不断自主完善学习和优化的过程,最终得出更为准确,最为接近实际机收情况的机收含杂率值,从而不再需要人工进行测杂的过程,将大大提高糖料蔗机械收获含杂率检测效率和质量。
附图说明
图1为本发明实施例1中含杂率计算结果界面展示图。
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。
一种提高糖料蔗机械收获含杂率检测效率和质量的方法,通过多年机收实践经验分析总结得出影响机收甘蔗含杂率的因素及权重表,并按其因素类型和项目进行划分,按照影响含杂率程度的大小以及状态赋予相应的权重和分值,通过设定的初步计算公式进行计算,得出初始含杂率值,再通过大数据对比分析初始含杂率和实测值,进行AI计算反向校正及纠偏,不断自主完善学习和优化的过程,最终得出更为准确,最为接近实际机收情况的机收含杂率值,从而不再需要人工进行测杂的过程,将大大提高糖料蔗机械收获含杂率检测效率和质量。
所述检测方法包括以下步骤:
S1、用户到达机收服务的地块现场后,打开并登陆软件平台,进入相应页面。
S2、依照《影响机收甘蔗含杂率因素及权重表》,对现场情况进行打分评价,评分表已录入在软件平台中,用户只需评分即可。
S3、对“设备”中的风机、切顶器、切断刀、底刀情况进行打分评价。
S4、对“地块情况”中的培土情况、泥土湿度、土壤类型情况进行打分评价。
S5、对“甘蔗情况”中的甘蔗长势、倒伏情况、蔗叶湿度、甘蔗脱叶性情况进行打分评价。
S6、“确定”后,软件平台根据AI算法的计算公式进行计算得出机收含杂率值。
影响机收甘蔗含杂率因素及权重表如下:
通过实践经验总结积累得出的初步计算公式,即各影响含杂率因素的评分值与权重的乘积再经过大数据AI纠偏计算,得出机收含杂率值。具体公式如下:
AICV
公式中各符号所表示的意义如下表所示:
符号 表示意义
FJ 风机
QDQ 切顶器
QD 切断刀
DD 底刀
PT 培土情况
NS 泥土湿度
TR 土壤类型
ZS 甘蔗长势
DF 倒伏情况
YS 蔗叶湿度
TY 甘蔗脱叶性
P 权重
HZL 含杂率
AICV AI校正变量(计算机代码)
实施例1
结合上述的公式以及影响机收甘蔗含杂率因素及权重表中的数据来举例进行说明:
如某用户的评分值为:风机:7分、切顶器:5分、切断刀:9分、底刀:6分、培土情况:8分、泥土湿度:6分、土壤类型:8分、甘蔗长势:7分、倒伏情况:5分、蔗叶湿度:8分、甘蔗脱叶性:9分
通过平台计算公式:
AI含杂率={(7*.014*AICV(FJ)+5*0.08*AICV(QDQ)+9*0.05*AICV(QD)+6*0.09*AICV(DD)+8*0.08*AICV(PT)+6*0.06*AICV(NS)+8*0.07*AICV(TR)+7*0.12*AICV(ZS)+5*0.07*AICV(DF)+8*0.13*AICV(YS)+9*0.11*AICV(YT))}=12.35%
在此种情况类型下的所计算出的含杂率为12.35%。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
机译: 向日葵的分离的AHASL多核苷酸分子。其多核苷酸分子序列不同于野生向日葵。 1这是一种控制向日葵植物附近杂草的方法和一种提高向日葵植物产量的方法,一种用于杂草控制及其制备的有用组合物以及一种检测向日葵的方法
机译: 一种用于提高高频线圈系统的效率的方法,特别是在通过核磁共振进行图像检测的设备中的方法,以及一种用于执行该方法的高频线圈系统
机译: 一种通过改善检测到的抖动区域来提高图像质量的相同能力的抖动检测方法和三维图像显示装置