基于区块链的农业单产-成本联动会计核算系统
本发明涉及智慧农业,更具体地说,本发明涉及基于区块链的农业单产-成本联动会计核算系统。
背景技术:
1、传统农业会计核算存在成本归集粗放、数据可信度低、信息不透明等问题。为了实现精细化管理和价值追溯,业界提出了“单产-成本联动”的理念,即为每一单位的农产品(如每公斤粮食)精确匹配其生产过程中投入的各项成本。传统的作物产量估算方法,如地面抽样调查,虽然精度较高,但耗时耗力、成本高昂,且难以覆盖大面积区域,其结果的空间代表性存在局限。在众多新的产量估算方案中,合成孔径雷达(sar)以其全天时、全天候的工作能力、对植被结构及水分的独特敏感性、以及相对低廉的价格成为作物产量估算方案的最优选择。
2、然而,sar传感器所获得的雷达回波数据存在“异物同谱”的现象,无法识别植被病害胁迫所导致的“伪强信号”,导致作物产量估算失真。具体来说,健康的、高生物量的作物与不健康的、被蚜虫蜜露等病害覆盖的作物,都可能产生相似的强回波信号,导致传统sar估产方法将“病害胁迫区”误判为“高产区”,造成产量估算严重失真,进而影响会计核算的准确性和公平性。由于缺乏精确的农作物产量数据,成本便无法准确地分摊到单位产品上,“单产-成本联动”会计核算的基础便不复存在。
3、鉴于此,本发明提出基于区块链的农业单产-成本联动会计核算系统以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷,为实现上述目的,本发明提供如下技术方案:基于区块链的农业单产-成本联动会计核算系统,包括:
2、数据获取模块,用于获取生产单元的合成孔径雷达原始回波数据和植被指数图;
3、雷达图像生成模块,用于基于所述合成孔径雷达原始回波数据构建生产单元的雷达亮度图;
4、产量估算模块,用于利用所述植被指数图对所述雷达亮度图进行校正,生成产量潜力图,并基于所述产量潜力图计算所述生产单元的谷物产量;
5、成本核算模块,用于获取生产单元的生产成本,并基于生产单元的生产成本与谷物产量,计算得到生产单元的单位生产成本;
6、区块链存证模块,用于将所述生产单元的谷物产量和生产成本关联存储于区块链中,形成不可篡改的单产-成本核算记录。
7、进一步地,基于所述合成孔径雷达原始回波数据构建生产单元的雷达亮度图的方式包括:
8、从合成孔径雷达原始回波数据中获取合成孔径雷达的系统参数;
9、基于合成孔径雷达的系统参数对合成孔径雷达原始回波数据进行数据重构,得到一个大小为m×n的复数矩阵;其中,m表示方位向采样数,n表示距离向采样数,矩阵的每一行代表一个方位向采样点的数据;
10、对所述复数矩阵进行干扰检测,并基于检测结果,对其中被干扰的数据进行重构,得到修正矩阵;
11、对修正矩阵进行迭代聚焦成像处理,得到单视复数影像;
12、对所述单视复数影像中相干斑进行抑制,得到相干斑抑制影像;
13、对所述相干斑抑制影像进行辐射定标与几何校正,生成雷达亮度图。
14、进一步地,对所述复数矩阵进行干扰检测,并基于检测结果,对其中被干扰的数据进行重构,得到修正矩阵的方式包括:
15、对所述复数矩阵的行数据进行一维傅里叶变换,得到频谱矩阵;
16、对所述频谱矩阵进行时频分析,识别出受到干扰的频率点,并生成干扰频率掩码;
17、根据所述干扰频率掩码,对所述频谱矩阵中受到干扰的频率点的数值进行修正,得到初步修正矩阵;
18、对所述初步修正矩阵的行数据进行一维逆傅里叶变换,得到修正矩阵。
19、进一步地,对所述频谱矩阵进行时频分析,识别出受到干扰的频率点,并生成干扰频率掩码的方式包括:
20、计算所述频谱矩阵中每个频率点在方位向上的平均功率,生成平均功率谱;
21、将所述平均功率谱与第一预设门限进行比较,生成第一布尔掩码;
22、计算所述频谱矩阵中每个频率点在方位向维度上的信号分布的峰度值,生成峰度谱;
23、将所述峰度谱与第二预设门限进行比较,生成第二布尔掩码;
24、对所述第一布尔掩码与所述第二布尔掩码进行逻辑或运算,生成所述干扰频率掩码。
25、进一步地,对修正矩阵进行迭代聚焦成像处理的方式包括:
26、采用匹配滤波算法,将修正矩阵与预构建的距离向参考函数进行卷积运算,得到距离压缩图像;
27、从所述距离压缩图像中提取多个强散射点的能量轨迹,并基于所述能量轨迹估计距离压缩图像的几何畸变场;
28、利用所述几何畸变场对所述距离压缩图像进行相位校正,并对相位校正后的图像进行方位向聚焦,生成当前迭代的聚焦图像;
29、计算当前迭代的聚焦图像的图像熵,并重复上述步骤直至所述图像熵收敛于预设的图像熵阈值。
30、进一步地,对所述单视复数影像中相干斑进行抑制,得到相干斑抑制影像的方式包括:
31、对所述单视复数影像进行对数变换,生成对数域影像;
32、对所述对数域影像进行多层离散小波变换,得到一个顶层近似子带和多个细节子带;其中,所述细节子带由一组小波系数构成;
33、对所述多个细节子带分别进行自适应阈值降噪处理,得到多个经过噪声抑制的细节子带;
34、对所述近似子带和所述多个经过噪声抑制的细节子带进行逆离散小波变换,得到去噪后的对数域影像;
35、对所述去噪后的对数域影像进行指数变换,得到相干斑抑制影像。
36、进一步地,对所述多个细节子带分别进行自适应阈值降噪处理的方式包括:
37、针对每一细节子带,执行以下操作:
38、基于该细节子带的小波系数,利用中值估计法计算其噪声方差;
39、基于所述噪声方差,计算得到该细节子带的高噪声阈值与低噪声阈值;
40、将该细节子带中绝对值大于或等于所述高噪声阈值的小波系数,识别为强信号系数;
41、将该细节子带中,绝对值介于所述低噪声阈值与所述高噪声阈值之间的小波系数,识别为候选系数;
42、对于每一所述候选系数,判断其预设邻域内是否存在至少一个所述强信号系数;
43、保留所述强信号系数,以及那些在其预设邻域内存在至少一个强信号系数的候选系数;并将其余所有小波系数置零。
44、进一步地,利用所述植被指数图对所述雷达亮度图进行校正,生成产量潜力图的方式包括:
45、将所述雷达亮度图与所述植被指数图进行空间配准;
46、预设雷达亮度图的雷达亮度高阈值与植被指数图的植被指数低阈值;基于雷达亮度高阈值与植被指数低阈值,识别出配准后图像中的虚高信号像素;所述虚高信号像素是指雷达亮度值高于所述雷达亮度高阈值,且对应的植被指数值低于所述植被指数低阈值的像素;
47、将各虚高信号像素的雷达亮度值,替换为其在以该像素为中心的预设大小窗口内,所有植被指数值不低于所述植被指数低阈值的像素的雷达亮度算术平均值;
48、将替换后的雷达亮度图作为所述产量潜力图。
49、进一步地,基于所述产量潜力图计算所述生产单元的谷物产量的方式包括:
50、根据所述产量潜力图的像素值分布特征,将所述生产单元划分为多个同质产量区域;
51、在各同质产量区域内布设采样点,并获取各采样点的实测单位面积产量;
52、基于各区域内采样点的实测产量,计算各区域的单位面积平均产量;
53、基于各区域的面积及其单位面积平均产量,计算各区域总产量,并求和得到所述生产单元的谷物产量。
54、进一步地,所述区块链存证模块具体用于:
55、基于所述生产成本、谷物产量和单位生产成本构建存证事务;
56、利用密码学哈希函数对所述存证事务进行哈希计算,生成存证事务的哈希值,并将所述存证事务及其哈希值存储于区块链。
57、本发明基于区块链的农业单产-成本联动会计核算系统的技术效果和优点:
58、本发明利用合成孔径雷达(sar)全天时、全天候、低成本的观测优势,通过一套完整的信号处理流程——包括对原始回波数据进行干扰检测与重构、迭代聚焦成像、以及基于小波变换的相干斑抑制——生成高质量的雷达亮度图,为实现高效、大范围的产量估算奠定了可靠基础。此外通过引入植被指数图对sar图像进行交叉验证与校正,解决了长期困扰sar估产的“异物同谱”与“伪强信号”问题。采用雷达亮度与植被指数的双重阈值判定机制,能够准确识别并修正因植被病害胁迫(如蚜虫蜜露覆盖)导致的虚假高产信号,确保了产量潜力图及其最终计算的谷物产量数据具有充分的生物学合理性与准确性,有效避免了将病害区误判为高产区的估产偏差。在此基础上,精确的产量数据为各项生产成本向单位农产品的准确分摊提供了技术前提,从而建立起单产-成本联动的精细化会计核算体系,改变了传统农业成本归集笼统的现状。系统进一步运用区块链技术,将产量、成本及单位成本等核心核算数据关联存证,形成不可篡改、可追溯的数据链条,显著提升了农业会计信息的透明度和可信度,为农业补贴审计、绿色金融信贷与农产品溯源等场景提供了可靠的数据支撑。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com