T-CI 301-2024 智慧农场作物全生长周期智慧化管理决策技术规范

ICS35.240.01CCSL67Technicalspecificationsforintelligentmanagementanddecision-makingofcropsthroughouttheentiregrowthcycleofsmar2024-03-18发布2024-03-18实施中国国际科技促进会发布IT/CI301-2024 II 12规范性引用文件 13术语和定义 14总体要求 15农场作物杂草病虫害识别系统 26农场作物生长态势识别系统 37农场作物个体状态识别系统 48农场作物农事活动精准决策系统 5T/CI301-2024本文件按照GB/T1.1-2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由河南科技大学提出。本文件由中国国际科技促进会归口。本文件起草单位：河南科技大学、北京交通大学、洛阳理工学院、清华大学、龙门实验室、洛阳辰汉农业装备科技股份有限公司、中国联合网络通信有限公司智能城市研究院、河南群智信息技术有限公司、佳讯飞鸿（北京）智能科技研究院有限公司、北京京鹏环球科技股份有限公司、黄河水利职业技术学院、国科联盟(北京)国际信息科学研究院。本文件主要起草人：吴庆涛、朱军龙、王国勇、刘牧华、张明川、权伟、刘云浩、苏伟、王晓军、刘琪、王天伟、梁琦、金鑫、郑瑞娟、冀治航、赵旭辉、王琳、张茉莉、董永生、李响、舒鹏。1T/CI301-2024智慧农场作物全生长周期智慧化管理决策技术规范本文件规定了农场作物全生长周期智慧化管理决策技术的总体要求、农场作物杂草病虫害识别系统要求、农场作物生长态势识别系统要求、农场作物个体状态识别系统要求、农场作物农事活动精准决策系统要求。本文件适用于农场作物全生长周期中种植规划、作物生长监测、病虫害预测与防治等的管理决策，不适用智能决策系统准确性可能受到影响的极端天气。2规范性引用文件本文件没有规范性引用文件。3术语和定义3.1全生长周期entireGrowthCycle作物从种植、生长、成熟到收获的整个过程。3.2智慧化管理决策intelligentmanagementdecision-making利用先进的信息技术和农业知识，对农业生产过程中的各种问题和挑战进行智能分析和判断，从而做出科学、合理、高效的决策过程。4总体要求4.1基本要求农场作物全生长周期智慧化管理决策技术应满足以下要求：——系统性。应能全面覆盖作物全生长周期，从播种到收获，确保每一环节都得到智能化管理。——实时性。决策应基于实时的环境数据、作物生长数据等，确保决策的及时性和准确——可持续性。应考虑环保和长期效益，确保决策有利于作物的健康生长和土地的可持续利用。4.2决策要求农场作物全生长周期智慧化管理决策应实现以下功能：2T/CI301-2024——作物识别与监测。能够准确识别作物种类，实时监测作物生长状态，包括株高、叶面积、病虫害等。——精准决策建议。基于数据分析结果，提供精准的灌溉、施肥、病虫害防治等决策建——预测与预警。能够预测作物生长趋势，及时发现并预警潜在的生长问题。4.3设计框架农场作物全生长周期智慧化管理决策技术框架如图1所示。图1设计框架图5农场作物杂草病虫害识别系统5.1数据集构建策略5.1.1确定采集区域和作物种类，选择具有代表性的地块作为采集样本区域，收集不同生长阶段、时间、地点的杂草、病虫害、作物的样本数据，杂草数据为禾本科杂草，病虫害数据为叶斑病枯萎病蚜虫害，作物数据为小麦玉米。5.1.2对收集到的数据进行核对，确保采集的数据与实际场景相符。5.1.3各个数据集收集样本量应大于5000条。5.1.4数据增强，采用图像处理技术对采集到的数据进行预处理，去噪、增强对比度。5.2数据标注策略5.2.1利用图像标注工具标注出目标的具体轮廓。5.2.2为每个边界框或轮廓分配相应的标签，“作物”、“杂草”及具体的病虫害名5.2.3随机抽样检查已标注的图像，验证标注的正确性。5.2.4划分数据集，以70%为训练集，30%为测试集。3T/CI301-20245.3识别系统性能要求5.3.1识别准确率作物识别准确率应大于等于95%，杂草识别准确率应大于等于90%，病虫害识别准确率应大于等于90%。5.3.2系统响应时间农场作物识别流程框架见图2。系统响应时间应小于等于5s。图2农场作物识别流程图6农场作物生长态势识别系统6.1基本要求识别系统应能确定作物的幼苗期、结实期和成熟期等农作物生长环节。6.2生长环节判断标准6.2.1作物幼苗期为种子已经发芽，幼苗开始生长，但还未形成明显的茎叶结构。6.2.2作物结实期为作物开始开花、结实。6.2.3作物成熟期为果实已经成熟。6.3识别模型的构建6.3.1从收集的数据集中挑选3000张作物生长环节数据集，其中幼苗期、结实期、成熟期6.3.2划分数据集，以70%为训练集，30%为测试集。6.3.3寻找合适的模型，对模型进行训练验证，使其准确率达到90%以上，方可投入使用。6.4识别系统的构建6.4.1识别系统应具有农场作物生长态势系别APP，能够在安卓、IOS设备上运行，每张图片的识别响应时间不应超过1s。6.4.2嵌入式设备的农场作物生长态势识别系统应能在无人机、无人施肥机等设备上有效运4T/CI301-2024行，识别速度应大于或等于75fps/s。7农场作物个体状态识别系统7.1基本要求个体状态识别系统应能确定干旱程度和缺肥程度等作物的个体状态。其中干旱程度分为无干旱、一级干旱、二级干旱和三级干旱；缺肥程度分为无缺肥、一级缺肥、二级缺肥和三级缺肥。7.2个体状态判断标准7.2.1干旱程度干旱程度按表1的要求判定。表1干旱程度要求序号干旱程度相对土壤湿度H植被状况1无干旱H＞70%植被状况良好，覆盖率高，无明显的干旱迹象2一级干旱50%＜H≤70%植被开始出现轻微的枯黄或凋萎现象，覆盖率稍有下降3二级干旱30%＜H≤50%植被大面积枯黄、凋萎或死亡，覆盖率明显降低4三级干旱H≤30%大部分植被严重枯死或消失，覆盖率极低7.2.2缺肥程度缺肥程度按表2的要求判定。表2缺肥程度要求序号干旱程度叶片状况1无缺肥叶片呈正常的绿色，形态健壮2一级缺肥叶片呈轻微的黄绿色，形态稍弱3二级缺肥叶片呈明显的黄绿色或黄色，形态较弱4三级缺肥叶片呈严重的黄色或白色，形态极为弱小7.3模型的构建7.3.1从收集的数据集中挑选4000张作物个体状态数据集，其中干旱程度和缺肥程度各2000张，每种程度各500张。7.3.2划分数据集，以70%为训练集，30%为测试集。7.3.3寻找合适的模型，对模型进行训练验证，使其准确率达到90%以上，方可投入使用。5T/CI301-20247.4识别系统的构建7.4.1识别系统应具有农场作物生长态势系别APP，能够在安卓、IOS设备上运行，每张图片的识别响应时间不应超过1s。7.4.2嵌入式设备的农场作物生长态势识别系统应能在无人机、无人施肥机等设备上有效运行，识别速度应大于或等于75fps/s。8农场作物农事活动精准决策系统8.1基本要求决策的农事活动应包含揭膜、施肥、灌溉、植保、收割等环节。8.2地块作物状态信息的确定8.2.1采用搭载农作物识别、农作物病虫害识别、农作物生长态势识别、农作物个体状态识别系统的无人机对整个地块作物进行识别。8.2.2确定地块作物的虫害等级。在无人机对农作物病虫害的结果中，统计每个作物的病虫害的种类个数，对整个地块统计每棵作物的病虫害种类，如果大于50%的作物发生虫害且虫害类型不低于两种时，则该地块为三级虫害；如果在30%至50%之间的作物发生虫害且虫害类型不低于两种时，则该地块为二级虫害；如果在5%至30%之间的作物发生虫害且虫害类型不低于两种时，则该地块为一级虫害；如果低于5%的作物发生虫害且虫害类型不低于两种时，则该地块为无虫害。8.2.3确定地块作物的生长态势。在无人机对农作物生长态势的结果中，统计幼苗期、结实期和成熟期三个阶段的数量，其中数量最多的时期确定为整个地块作物的生长阶段。8.2.4确定地块作物的个体状态。在无人机对农作物生长态势的结果中，统计干旱程度和缺肥程度四个等级程度各个作物数量，其中数量最多的等级确定为整个地块作物的干旱程度和缺肥程度。8.3农场作物农事活动精准决策8.3.1决策要求8.3.1.1揭膜只会发生在作物生长的幼苗期。8.3.1.2施肥会发生在地块缺肥等级不低于二级，且生长态势为幼苗期和结实期。8.