【云栖号案例 | 物联网&人工智能】上海数字化蔬菜工厂项目上云案例

简介: 【云栖号案例 | 物联网&人工智能】上海数字化蔬菜工厂项目上云案例

云栖号案例库:【点击查看更多上云案例】
不知道怎么上云?看云栖号案例库,了解不同行业不同发展阶段的上云方案,助力你上云决策!

公司介绍

我们公司是上海绿立方农业发展有限公司,成立于2012年,我们公司致力于农业数字化的解决方案打造,从水培叶菜自动化生产起步,进行现代农业产业化的革命性探索。

我们公司坚持以有机、绿色为基础,为农业提供可复制的数字化解决方案,结合IoT、人工智能、大数据等技术,为叶菜工场提供服务。

目前已经拥有7项发明专利和12个系统标准。把种植经验数字化、标准化,研发了的具备“农业种植专家”能力的物联网云平台,用新技术,成就新农业。公司倡导“移动菜园”的蔬菜消费新理念,积极探索产业融合立体融合的模式。

业务痛点

  • 传统蔬菜生产经营者组织化程度低,生产过程数据化、标准化程度低,品质、产量不稳定。
  • 传统蔬菜品牌价值低,生产信息不透明,生产过程缺乏监管,食品安全问题突出。
  • 传统蔬菜供应链链条长,蔬菜运输过程中损耗高,生产种植者溢价空间低。

解决方案

解决方案逻辑图

image

方案细节:

  • 阿里云物联网平台为设备提供安全可靠的连接通信能力,向下连接海量设备,支撑设备数据采集上云;向上提供云端API,服务端通过调用云端API将指令下发至设备端,实现远程控制。
  • 阿里云数据平台负责解决物联网设备所产生数据的接入、清洗、建模、计算、分析等一系列问题,并提供数据服务给各类场景和行业应用。

上云价值

阿里云平台支持多类型设备连接,可以应对农业场景中复杂的设备接入需求。此外还提供物联网络管理平台,支持LoRa WAN,对于网络未覆盖的区域,支持低功率广域网的自主组网。降低项目实施和运维成本。

证言

“基于阿里云物联网平台,让我们实现了蔬菜工厂生产运营全过程的数字化,建立产销供应链,便于借助销售渠道,实现蔬菜产能的快速扩张,加快蔬菜工厂化生产的复制和推广,推进了公司的快速发展”——绿立方工程总监肖长城

选用的产品

  • 阿里云物联网平台

物联网平台(原物联网套件)提供安全可靠的设备连接通信能力帮助用户将海量设备数据采集上云,平台提供功能丰富的设备管理能力帮助用户远程维护设备,平台提供丰富的API以及与阿里云众多云产品打通的规则引擎,帮助用户将应用快速集成。
更多关于阿里云物联网平台介绍,参见阿里云物联网平台详情页

  • 物联网应用开发(IoT Studio)

阿里云针对物联网场景提供的生产力工具,可覆盖各个物联网行业核心应用场景,帮助您高效经济地完成设备、服务及应用开发。物联网开发服务提供了移动可视化开发、Web 可视化开发、服务开发与设备开发等一系列便捷的物联网开发工具,解决物联网开发领域开发链路长、技术栈复杂、协同成本高、方案移植困难的问题,重新定义物联网应用开发。

更多关于物联网应用开发的介绍,参见物联网应用开发(IoT Studio)详情页

  • 物联网络管理平台(Link WAN)

物联网络管理平台是组建网络的管理平台 ,符合LoRa WAN协议,支持网关管理、凭证管理、终端管理、数据安全等。用户可使用平台维护网络组网,也能与阿里云物联网平台搭配,组合成解决方案。

更多关于物联网络管理平台的介绍,参见物联网络管理平台(Link WAN)详情页

  • 物联网边缘计算(Link Edge)

物联网边缘计算(Link Edge)是一种可以在设备上运行本地计算、消息通信、数据缓存等功能的软件,它可部署于不同量级的智能设备和计算节点中,让其具备阿里云安全、存储、计算、人工智能等能力。借助物联网平台定义的物模型,Link Edge可以连接不同协议、不同数据格式的设备;借助物联网平台提供的IoT Hub,Link Edge可以将边缘设备的数据同步到物联网平台进行云端分析,并能实现接收物联网平台下发的指令进行控制设备;借助IoT Edge,设备可以运行规则或者函数代码,可以在无需联网的情况实现设备的本地联动以及数据处理分析。总之,Link Edge提供的安全可靠、低延时、低成本、易扩展的本地计算服务,联合云端的物联网平台、函数计算等能力,打造出云边端三位一体的计算体系。

更多关于物联网边缘计算的介绍,参见物联网边缘计算(Link Edge)详情页

云栖号案例库:【点击查看更多上云案例】
不知道怎么上云?看云栖号案例库,了解不同行业不同发展阶段的上云方案,助力你上云决策!

相关实践学习
阿里云AIoT物联网开发实战
本课程将由物联网专家带你熟悉阿里云AIoT物联网领域全套云产品,7天轻松搭建基于Arduino的端到端物联网场景应用。 开始学习前,请先开通下方两个云产品,让学习更流畅: IoT物联网平台:https://iot.console.aliyun.com/ LinkWAN物联网络管理平台:https://linkwan.console.aliyun.com/service-open
相关文章
|
机器学习/深度学习 算法 TensorFlow
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
647 1
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
|
人工智能 算法 计算机视觉
【01】opencv项目实践第一步opencv是什么-opencv项目实践-opencv完整入门以及项目实践介绍-opencv以土壤和水滴分离的项目实践-人工智能AI项目优雅草卓伊凡
【01】opencv项目实践第一步opencv是什么-opencv项目实践-opencv完整入门以及项目实践介绍-opencv以土壤和水滴分离的项目实践-人工智能AI项目优雅草卓伊凡
494 63
【01】opencv项目实践第一步opencv是什么-opencv项目实践-opencv完整入门以及项目实践介绍-opencv以土壤和水滴分离的项目实践-人工智能AI项目优雅草卓伊凡
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
822 22
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
735 7
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
536 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
传感器 安全 算法
在物联网项目中使用 MicroPython 时如何确保数据安全
在物联网项目中使用MicroPython时,确保数据安全至关重要。可通过加密通信、安全固件更新、认证机制和定期审计等方法提升安全性,防止数据泄露和设备被恶意操控。
|
传感器 物联网 芯片
如何在物联网项目中使用 MicroPython
本指南介绍如何在物联网项目中使用MicroPython,涵盖设备选择、环境搭建、基础编程及网络通信等内容,助你快速上手MicroPython开发。
1004 4
|
人工智能 Java 定位技术
人工智能ChatGPT 体验案例:使用ChatGPT实现java扫雷小游戏
这篇文章通过一个使用ChatGPT实现的Java扫雷小游戏案例,展示了ChatGPT在编程领域的应用能力。文章中包含了扫雷游戏的Java代码实现,代码中初始化了雷区地图,随机放置雷,计算每个格子周围雷的数量,并提供了一个简单的文本界面与用户交互进行游戏。游戏通过控制台输入接受玩家的指令,并给出相应的反馈。
人工智能ChatGPT 体验案例:使用ChatGPT实现java扫雷小游戏
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
280 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
|
人工智能 边缘计算 算法
CDGA|利用人工智能与边缘计算显著提升数据治理效率与效果的实践案例
​ 在当今数字化转型的浪潮中,数据已成为企业最宝贵的资产之一。然而,随着数据量的爆炸性增长,如何高效、安全地治理这些数据成为企业面临的重要挑战。人工智能(AI)与边缘计算技术的融合,为数据治理带来了前所未有的机遇。本文将通过实际案例,探讨如何利用AI与边缘计算显著提升数据治理的效率和效果。

相关产品

  • 物联网平台