1.本发明涉及一种社交智能服务系统，特别涉及一种基于大数据的农业社交智能服务系统。
背景技术：
：：2.目前，互联网产业的迅猛发展以及国家对智慧农业的大力支持使得农业与互联网的结合成为趋势：首先，国家在政策上对农业、信息产业方面给予很大的支持，中央从全局角度高度重视农业农村改革，进行顶层设计，作出全面部署统一认真组织落实，极大激活农村发展潜力。再者，越来越多的互联网与信息技术应用在农业生产的各个方面，如大数据与物联网技术的结合能够对生产环境进行有效监控与调节，实现生产的信息化与智能化，因此互联网与信息技术是激发农业产能的强大动力。3.但目前农业互联网产品发展并不完善，现有产品的社交方式和功能并不能完全满足农业群体的社交和技术需求：一方面，目前我国农业产业互联网平台仍有很大的空缺，农业供应链过长与信息不对称的问题很大程度上阻碍了信息技术在农业的应用与发展，因此需要在农业定制社交网络的基础上使信息技术真正服务大范围农民，真正激发农业产能。但目前在农村地区各大app的下载量严重低于城市地区，下载量较高的社交平台如抖音等也并未对农业的发展有直接和专业的帮助。而另一方面，也正是由于科技发展带来农村社会格局的离散化，农民社交陷入新的困境：以往以传统群众性文化活动为主的社交模式逐渐衰落，传统社交缺乏载体，闲暇生活离散封闭，情感依归和价值认同遭遇巨大障碍。4.现有技术中，也提出了许多农业信息平台系统构建方法。如一种农业信息移动服务平台系统及终端，参见发明专利申请公布号cn106327346a。该系统通过移动通信网络实现智能移动终端与服务器的通信，为涉农企业、农产品运销大户、种养加工大户、合作社社员、县乡农技推广人员等移动终端用户提供各类农业信息服务，主要有农产品生产信息、农业投入品供应信息、农产品销售信息、农技咨询、农业政策法规等信息服务。以及一种基于移动通信网络的农业活动支持系统，参见发明专利申请公布号cn101894320a。该系统配合智能a‑pad移动终端，辅助农民进行农业活动决策和农业科技知识获取。农民可以通过智能a‑pad移动终端输入自身需求、获取专家支持。支持平台集成农业决策、病虫诊断、科技视频、电子书数据库、在线交流等功能，通过移动通信网络与a‑pad移动终端进行通信。但以上现有技术大多是以农业信息整合为主，缺乏对于农业大数据的深入挖掘，也不能提供更加智能化的监测与预测信息。且未能在平台上实现从产品生产源头上的高效技术管理到生产过程中农资产品的获取再到农产品成熟后的销售等供应链上产销一体化。5.而在农业领域的社交软件则极为空缺。现有技术中，如一种基于移动互联网的农业专家问答平台，参见发明专利申请公布号cn107395489a。通过云服务管理平台，实现经纪人和农业专家的信息交互，为农业专家和农村合作社经纪人提供了一种交互平台，农村合作社经纪人可随时和专家进行在线交流和提问，专家可通过专家圈发布各种农技知识和自己研究成果；专家能从农业知识的解答获得收益，实现农业专家的有偿服务。但该技术且用户范围小，功能单一，并不能真正满足上述农业群体的社交需求。6.目前市场上相关技术主要有两大类，一类是社交类app，一类是农业类app。从社交层面分析，目前市场上的社交平台主要有新浪微博等内容社交、soul等陌生人社交、抖音等短视频社交、知乎等问答社交等弱关系社交模式，和以qq、微信为主的强关系社交模式，主流社交网络大而全，而垂直化、细分化社交网络的发展则略显不足。从技术层面分析，目前行业内现存相关农业生产服务领域app主要有一亩田、惠农网、云种养、天天学农和田小二等产品，大多以营销卖货、农技知识学习与咨询、物联网监测等传统功能为主，缺少利用大数据分析用户需求的新型智能化技术服务，页面往往呈现出“页面杂乱、技术性欠缺”等缺点。7.综上所述，现有技术中，并未出现以现实局域强社会关系社交网络为基本框架，集成农业数据记录与分析、交易、信息公开共享、社交等智能化信息服务的农业社交平台。技术实现要素：8.本发明为解决公知技术中存在的技术问题而提供一种集成农业数据记录与分析、交易、信息公开共享、社交等智能化信息服务的基于大数据的农业社交智能服务系统。9.本发明为解决公知技术中存在的技术问题所采取的技术方案是：一种基于大数据的农业社交智能服务系统，该系统建立在云服务paas平台上，其包括均通过云服务paas平台交互数据的数据采集系统、数据存储及计算系统、数据分析系统及应用系统；数据采集系统包括结构化数据实时采集系统和非结构化日志数据实时采集系统；数据存储及计算系统包括hadoop分布式计算平台；数据分析系统包括用于对从生产到销售的各个农业相关环节进行预测的机器学习模型；应用系统包括社交系统、信息服务系统、网络销售系统和农场管理系统；社交系统用于农业相关群体间的信息交流；信息服务系统用于展示农业相关信息；网络销售系统用于农业相关产品网络销售；农场管理系统用于跟踪管理农产品的生长。10.进一步地，将协同过滤、决策树、支持向量机、贝叶斯分类、集成学习和/或聚类算法，与dnn、cnn、rnn、gan和/或gnn神经网络相结合构建机器学习模型。11.进一步地，采用基于tensorflow的keras框架搭建机器学习模型。12.进一步地，hadoop分布式计算平台包括hive数据仓库、mapreduce模块及spark模块；hive数据仓库用于存储农业相关数据，其包括依次连接的stg层、ods层、dws层、ads层及dim层；mapreduce模块用于面向用户提供基于sql离线数据的周期性数据分析；spark模块用于提供基于内存的数据处理和数据分析。13.进一步地，该系统还包括开发支持系统，开发支持系统包括sqlserver数据库、kotlin与rxjava框架及ssh框架；sqlserver数据库用于数据管理；kotlin与rxjava框架及ssh框架用于同时搭建系统架构，构成依次连接的数据存储层、服务层、接口层及展现层；数据存储层用于数据存储；服务层用于数据处理；接口层用于展现层与数据存储层、服务层的连接；展现层用于向用户提供一种交互式的操作页面，其展示数据并接收用户输入数据。14.进一步地，结构化数据实时采集系统包括卫星遥感系统，卫星遥感系统基于地理信息和卫星定位系统，用于实时监测农田面积和农产品的精细生长。15.进一步地，社交系统包括社交广场模块和社区模块；社交广场模块包括直播模块、动态分享模块、即时通讯模块；社区模块包括互动问答模块、社区活动模块、管理组织模块、社区红人模块；直播模块用于生活和生产视频分享与直播；动态分享模块用于动态内容分享，动态内容分为推荐内容与好友内容两部分；即时通讯模块用于用户间互相发送消息，进行即时通讯；互动问答模块用于用户在社区内提问并描述具体问题，同时对自己了解的问题进行解答；管理组织模块用于将具有相同兴趣或属于相同组织的用户聚集在一起；社区活动模块用于由平台组织或用户自发开展线上与线下的社区活动；社区红人模块通过对用户的社区活动及互动问答的行为进行积分，通过积分定期推选出社区红人。16.进一步地，网络销售系统包括交易平台模块；交易平台模块包括采购商品模块、发布需求模块、物流合作模块及市场分析模块；采购商品模块用于呈现农产品、农资、劳务及加工的信息；发布需求模块用于呈现用户采购需求信息，其通过数据分析与智能计算进行精确匹配，将购买需求智能地投送给对应用户，实现交易双方的对接；物流合作模块用于销售方选择物流合作方进行配送；市场分析模块用于对市场动向进行准确预测，来指导农户生产活动与农资商投资交易行为；其包括商机分析、价格分析、产地情报、热门行情四大子模块。17.进一步地，信息服务系统包括资讯模块、知识图谱模块、个性化推荐模块、专家在线模块、农业天气模块；资讯模块用于发布官方发布信息、法律信息、市场信息、风险规避信息、地区明星产品信息；知识图谱模块为存储知识实体与实体之间关系的结构化网络，用于帮助描述、理解现实世界的事物及其相互关系；个性化推荐模块用于根据数据分析系统提供的数据，与用户需求进行匹配，并根据匹配结果进行推荐；专家在线模块用于提供专家与用户间的交流平台；农业天气模块采用气象追踪与侦测方法，用于提供下一阶段的农业气候预报。18.进一步地，农场管理系统包括依次连接的生产记录模块、智能分析模块、个性化专家指导模块；生产记录模块用于根据农民提供相关的原始种植数据和农田基本指标，基于卫星定位系统，将采集的对应农民所处位置的农作物生长状况数据进行记录；智能分析模块基于对农产品的生长情况跟踪记录及以往积累的数据，通过神经网络对农作物的生长状态及生长趋势进行预测分析；个性化专家指导模块根据智能分析模块的分析结果，找出用户农务活动的个性特征，结合系统内已有的农业知识图谱，及与平台存在合作关系的专家针对常见问题的答疑，进行个性化的专家匹配与意见指导。19.本发明具有的优点和积极效果是：本发明的有益效果在于：用户范围广，覆盖了农户、经销商、加工厂，政府等农业生产供应链节点；基于大数据对农产品市场进行分析与预测，得到市场动态规律，为用户提供科学指导；划分社区类型，按照六度人脉理论建立社区网络，增加用户粘性；利用大数据、云计算进行智能分析学习，更好地按照用户的爱好进行推荐；创造新型社交圈，满足农业群体的社交需求。20.1、用户范围广，实现产销一体化21.本发明解决了现有智慧农业系统存在的功能较为单一、受众面狭窄的问题。面向农户、农资商、加工厂、采购商等农业交易者，以及政府、律师和农业专家等专业人士，从产品生产源头上的高效技术管理，到生产过程中农资产品的交易，再到农产品成熟后的销售，都能够在一个系统中实现，为农产品的种植、合理定价保驾护航，也为农资商产品的销售拓宽市场。22.2、基于大数据技术，对农产品监督预测23.本发明采用遥感检测技术，基于地理信息，将卫星定位系统与物联网技术应用在农田面积的测量和农产品的精细生长跟踪上，实现对农作物的有效监控，帮助农户及时调整种植方案，提高产量。本发明侧重于对农产品生长状况进行监督预测，依托大数据与云计算对农产品的生长种植、交易量等信息进行数据挖掘和分析，探寻动态变化规律，利用机器学习等智能模型对市场动向进行预测，为农资商投资交易行为和农户生产活动提供科学有效的指导。24.3、反映真实社区，增强用户粘性25.本发明以现实局域强社会关系社交网络为基本框架，推行真人认证体系，致力于打造真实的社交环境。在社区中可以创建兴趣圈，将具有相同兴趣和爱好的用户聚集，进一步构建用户的社交网络；可以创建组织以对真实的组织成员进行管理以及进行日常的组织活动；可以自发地组织开展线上线下的活动，用户可通过参与社区活动会获得积分，在一定时间内积分最高的社区成员将获得“社区红人”称号与相应奖励。社区用户往往出于娱乐和归属感参与社区，而通过上述激励机制增强了社区成员的参与程度，增加用户的依赖性和归属感，提高用户粘性，使本系统能够真正服务于广大农业群体。26.4、构建大数据中心，提供个性化推荐27.本发明基于大数据技术，通过数据挖掘与分析，为决策提供帮助，在此基础上采用个性化推荐技术、标准化农学知识、土壤检测中心及智能硬件，建立了一个集提供病虫害、自然灾害预警、产量预估、农产品回溯以及个性化农场模型为一体的专家指导系统。在形成社区之后，对与农民进行合作的外地购买商、加工商的数据进行积累，通过算法分析挖掘出某产品的主要输出地，由此预测出该地对于某产品的动态需求量，后期引导农户将自家的产品销往该地，以达到供需双赢的局面。附图说明28.图1为本发明的一种系统结构框图。29.图2为本发明的一种移动终端四层系统框图。30.图3为本发明的一种开发支持框架图。31.图4为本发明的一种应用系统结构框图。具体实施方式32.为能进一步了解本发明的
发明内容、特点及功效，兹列举以下实施例，并配合附图详细说明如下：33.本发明中部分英文单词及缩写释义如下：34.kotlin rxjava框架：rxjava是一个在javavm上使用可观测的序列来组成异步的、基于事件的程序的库。而kotlin是一门包含很多函数式编程思想的面向对象编程语言，弥补了java缺失的现代语言的特性，与java兼容，并极大的简化了代码，使得开发者可以编写尽量少的样板代码。两者结合实现功能组合优化。35.paas平台：paas(platform‑as‑a‑service：平台即服务)，所谓paas实际上是指将软件研发的平台(计世资讯定义为业务基础平台)作为一种服务，以saas的模式提交给用户。因此，paas也是saas模式的一种应用。paas是位于iaas和saas模型之间的一种云服务，它提供了应用程序的开发和运行环境，为开发人员提供了构建应用程序的环境。paas的出现可以加快saas的发展，尤其是加快saas应用的开发速度。paas之所以能够推进saas的发展，主要在于它能够提供企业进行定制化研发的中间件平台，同时涵盖数据库和应用服务器等。paas可以提高在web平台上利用的资源数量。例如，可通过远程web服务使用数据即服务(data‑as‑a‑service：数据即服务)，还可以使用可视化的api。用户或者厂商基于paas平台可以快速开发自己所需要的应用和产品。同时，paas平台开发的应用能更好地搭建基于soa架构的企业应用。借助于paas服务，能够无须过多的考虑底层硬件，并可以方便的使用很多在构建应用时的必要服务，比如安全认证等。不同的paas服务支持不同的编程语言，比如.net、java、ruby等，而有些paas支持多种开发语言。36.ssh框架：ssh是struts spring hibernate的一个集成框架，是一种web应用程序开源框架。区别于secureshell。集成ssh框架的系统从职责上分为四层：表示层、业务逻辑层、数据持久层和域模块层，以帮助开发人员在短期内搭建结构清晰、可复用性好、维护方便的web应用程序。其中使用struts作为系统的整体基础架构，负责mvc的分离，在struts框架的模型部分，控制业务跳转，利用hibernate框架对持久层提供支持，spring做管理，管理struts和hibernate。37.sqlserver数据库：sqlserver数据库是microsoft开发设计的一个关系数据库智能管理系统(rdbms)，现在是全世界主流数据库之一。38.sqlserver数据库具备方便使用、可伸缩性好、相关软件集成程度高等优势，能够从单一的笔记本上运行或以高倍云服务器集群为基础，或在这两者之间任何东西上运行。尽管说成“任何东西”，可是依然要考虑有关的软件和硬件配置。39.sqlserver应用集成化的商务智能(bi)专用工具提供了企业级的数据管理服务。microsoftsqlserver数据库引擎为关系型数据和结构化数据提供了更可靠安全的存储功能，使用户能够搭建和管理用于业务流程的高可用性和性能卓越的程序。40.api：是操作系统是用户与计算机硬件系统之间的接口，用户通过操作系统的帮助，可以快速、有效和安全、可靠地操纵计算机系统中的各类资源，以处理自己的程序。为使用户能方便地使用操作系统，os又向用户提供了如下两类接口：41.(1)用户接口：操作系统专门为用户提供了“用户与操作系统的接口”，通常称为用户接口。该接口支持用户与os之间进行交互，即由用户向os请求提供特定的服务，而系统则把服务的结果返回给用户。42.(2)程序接口：操作系统向编程人员提供了“程序与操作系统的接口”，简称程序接口，又称应用程序接口api(applicationprogramminginterface)。该接口是为程序员在编程时使用的，系统和应用程序通过这个接口，可在执行中访问系统中的资源和取得os的服务，它也是程序能取得操作系统服务的唯一途径。大多数操作系统的程序接口是由一组系统调用(systemcall)组成，每一个系统调用都是一个能完成特定功能的子程序。43.应用程序接口又称为应用编程接口，是一组定义、程序及协议的集合，通过api接口实现计算机软件之间的相互通信。api的一个主要功能是提供通用功能集。api同时也是一种中间件，为各种不同平台提供数据共享。程序设计的实践中，编程接口的设计首先要使软件系统的职责得到合理划分。良好的接口设计可以降低系统各部分的相互依赖，提高组成单元的内聚性，降低组成单元间的耦合程度，从而提高系统的可维护性和可扩展性。44.saas用户：saas是software‑as‑a‑service(软件即服务)的简称，它是一种通过internet提供软件的模式，厂商将应用软件统一部署在自己的服务器上，客户可以根据自己实际需求，通过互联网向厂商定购所需的应用软件服务，按定购的服务多少和时间长短向厂商支付费用，并通过互联网获得厂商提供的服务。45.saas应用软件的价格通常为“全包”费用，囊括了通常的应用软件许可证费、软件维护费以及技术支持费，将其统一为每个用户的月度租用费。对于广大中小型企业来说，saas是采用先进技术实施信息化的最好途径。但saas绝不仅仅适用于中小型企业，所有规模的企业都可以从saas中获利。46.iaas：iaas(infrastructureasaservice基础设施即服务)是指把it基础设施作为一种服务通过网络对外提供。在这种服务模型中，用户不用自己构建一个数据中心，而是通过租用的方式来使用基础设施服务，包括服务器、存储和网络等。在使用模式上，iaas与传统的主机托管有相似之处，但是在服务的灵活性、扩展性和成本等方面iaas具有很强的优势。47.iaas，最简单的云计算交付模式，它用虚拟化操作系统、工作负载管理软件、硬件、网络和存储服务的形式交付计算资源。它也可以包括操作系统和虚拟化技术到管理资源的交付。48.iaas能够按需提供计算能力和存储服务。不是在传统的数据中心中购买和安装所需的资源，而是根据公司需要，租用这些所需的资源。这种租赁模式可以部署在公司的防火墙之后或通过第三方服务提供商实现。49.它也是虚拟化经常作为云计算的基础。虚拟化从物理底层交付环境中分离资源和服务。通过这种方法，你可以在单一的物理系统内创建多个虚拟系统。虚拟化的驱动因素来自服务器的合并，它可为组织提供效率和潜在成本的节约。50.web：web(worldwideweb)即全球广域网，也称为万维网，它是一种基于超文本和http的、全球性的、动态交互的、跨平台的分布式图形信息系统。是建立在internet上的一种网络服务，为浏览者在internet上查找和浏览信息提供了图形化的、易于访问的直观界面，其中的文档及超级链接将internet上的信息节点组织成一个互为关联的网状结构。51.jdbc：jdbc(javadatabaseconnectivity,java数据库连接)是一种用于执行sql语句的javaapi，可以为多种关系数据库提供统一访问，它由一组用java语言编写的类和接口组成。jdbc提供了一种基准，据此可以构建更高级的工具和接口，使数据库开发人员能够编写数据库应用程序52.java具有坚固、安全、易于使用、易于理解和可从网络上自动下载等特性，是编写数据库应用程序的杰出语言。所需要的只是java应用程序与各种不同数据库之间进行对话的方法。它可以在各种平台上使用java，如windows，macos和各种版本的unix。同时，jdbc库包括通常与数据库使用相关的下面提到的每个任务的api。53.hibernate框架：hibernate是数据访问层框架，对jdbc进行了封装，是针对数据库访问提出的面向对象的解决方案。使用hibernate可以直接访问对象，hibernate自动将此访问转换为sql执行，从而达到间接访问数据库的目的。54.struts框架：struts是一个为开发基于mvc模式应用架构的开源框架，是利用javaservlet和jsp、xml等方面的技术来实现构建web应用的一项非常有用的技术，它也是基于mvc模式的web应用最经典框架。struts定义了通用的controller(控制器)，通过配置文件(通常是struts‑config.xml)隔离model(模型)和view(视图)，以action的概念以对用户请求进行了封装，使代码更加清晰易读。struts还提供了自动将请求的数据填充到对象中以及页面标签等简化编码的工具。struts能够开发大型javaweb项目。55.spring框架：spring是j2ee应用程序框架，是轻量级的ioc和aop的容器框架，主要是针对javabean的生命周期进行管理的轻量级容器，可以单独使用，也可以和struts框架，ibatis框架等组合使用。56.aop：aop(aspectorientedprogramming，面向切面编程)，通过预编译方式和运行期间动态代理实现程序功能的统一维护的一种技术。aop是oop的延续，是软件开发中的一个热点，也是spring框架中的一个重要内容，是函数式编程的一种衍生范型。利用aop可以对业务逻辑的各个部分进行隔离，从而使得业务逻辑各部分之间的耦合度降低，提高程序的可重用性，同时提高了开发的效率。57.hadoop：hadoop是一个分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。58.flume：flume是cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，flume支持在日志系统中定制各类数据发送方，用于收集数据；同时，flume提供对数据进行简单处理，并写到各种数据接受方(可定制)的能力。59.sqoop：sqoop是一款开源的工具，主要用于在hadoop(hive)与传统的数据库(mysql、postgresql等)间进行数据的传递，可以将一个关系型数据库(如mysql,oracle,postgres等)中的数据导进到hadoop的hdfs中，也可以将hdfs的数据导进到关系型数据库中。60.datax：datax是阿里巴巴集团内被广泛使用的离线数据同步工具/平台，实现包括mysql、sqlserver、oracle、postgresql、hdfs、hive、hbase、ots、odps等各种异构数据源之间高效的数据同步功能。61.canal：canal是阿里巴巴的一个开源项目，基于java实现，整体已经在很多大型的互联网项目生产环境中使用，包括阿里、美团等都有广泛的应用，是一个非常成熟的数据库同步方案，基础的使用只需要进行简单的配置即可。canal是通过模拟成为mysql的slave的方式，监听mysql的binlog日志来获取数据，binlog设置为row模式以后，不仅能获取到执行的每一个增删改的脚本，同时还能获取到修改前和修改后的数据，基于这个特性，canal就能高性能的获取到mysql数据数据的变更。62.hdfs：hdfs(hadoopdistributedfilesystem)，是hadoop抽象文件系统的一种实现。hadoop抽象文件系统可以与本地系统、amazons3等集成，甚至可以通过web协议(webhsfs)来操作。hdfs的文件分布在集群机器上，同时提供副本进行容错及可靠性保证。例如客户端写入读取文件的直接操作都是分布在集群各个机器上的，没有单点性能压力。63.hive：hive是基于hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供sql查询功能，能将sql语句转变成mapreduce任务来执行。64.mapreduce：mapreduce是google提出的一个软件架构，用于大规模数据集(大于1tb)的并行运算，它隐含了以下三层含义：65.1)mapreduce是一个基于集群的高性能并行计算平台(clusterinfrastructure)。它允许用市场上普通的商用服务器构成一个包含数十、数百至数千个节点的分布和并行计算集群。66.2)mapreduce是一个并行计算与运行软件框架(softwareframework)。它提供了一个庞大但设计精良的并行计算软件框架，能自动完成计算任务的并行化处理，自动划分计算数据和计算任务，在集群节点上自动分配和执行任务以及收集计算结果，将数据分布存储、数据通信、容错处理等并行计算涉及到的很多系统底层的复杂细节交由系统负责处理，大大减少了软件开发人员的负担。67.3)mapreduce是一个并行程序设计模型与方法(programmingmodel&methodology)。它借助于函数式程序设计语言lisp的设计思想，提供了一种简便的并行程序设计方法，用map和reduce两个函数编程实现基本的并行计算任务，提供了抽象的操作和并行编程接口，以简单方便地完成大规模数据的编程和计算处理。68.spark：apachespark是专为大规模数据处理而设计的快速通用的计算引擎。它是一种与hadoop相似的开源集群计算环境，启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。69.stg层：数据仓库中的缓冲层,主要用来接收源头系统提供的数据。70.ods层：operationdatastore数据准备区，也称为贴源层，是用来存储多个数据源业务数据的系统，其数据用来支持业务流程或者输入到数据仓库中进行分析。数据仓库源头系统的数据表通常会原封不动的存储一份，这称为ods层，是后续数据仓库加工数据的来源。71.dws层：数据服务层(datawarehouseservce)又称数据集市或宽表。按照业务划分，如流量、订单、用户等，生成字段比较多的宽表，用于提供后续的业务查询，olap分析，数据分发等。72.ads层：数据仓库中的数据应用层73.dim层：维表层主要包含两部分数据：高基数维度数据：一般是用户资料表、商品资料表类似的资料表。数据量可能是千万级或者上亿级别。低基数维度数据：一般是配置表，比如枚举值对应的中文含义，或者日期维表。数据量可能是个位数或者几千几万。74.sql：结构化查询语言(structuredquerylanguage)简称sql，是一种特殊目的的编程语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统。75.kafka：kafka是由apache软件基金会开发的一个开源流处理平台，由scala和java编写。kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。这种动作(网页浏览，搜索和其他用户的行动)是在现代网络上的许多社会功能的一个关键因素。kafka的目的是通过hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群来提供实时的消息。76.python：python作为一种计算机编程语言，提供了高效的高级数据结构，还能简单有效地面向对象编程。python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。77.dnn：dnn(deepneuralnetwork，深度神经网络)，是一种前馈人工神经网络，在输入与输出层之间包含了多于一层的隐含层。78.cnn：cnn(convolutionalneuralnetworks,卷积神经网络)是一类包含卷积计算且具有深度结构的前馈神经网络(feedforwardneuralnetworks)，是深度学习(deeplearning)的代表算法之一79.rnn：rnn(recurrentneuralnetwork,循环神经网络)是一类以序列(sequence)数据为输入，在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络(recursiveneuralnetwork)80.gan：gan(generativeadversarialnetworks，生成式对抗网络)是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中(至少)两个模块：生成模型(generativemodel)和判别模型(discriminativemodel)的互相博弈学习产生相当好的输出。81.gnn：gnn(graphneuralnetworks，图神经网络)，是一种直接作用于图结构上的神经网络。gnn的一个典型应用是节点分类,本质上，图中的每个节点都与一个标签相关联，我们希望预测未标记节点的标签。82.app：app(application，应用)，指移动设备(包括平板电脑、手机、和其他移动设备)上的第三方应用程序。83.keras框架：keras是一个位于其他深度学习框架之上的高级api。目前它支持tensorflow、theano和cntk。keras的优点在于它的易用性。这是迄今为止最容易上手并快速运行的框架。定义神经网络是非常直观的，因为使用api可以将层定义为函数。84.tensorflow：tensorflow是一个基于数据流编程(dataflowprogramming)的符号数学系统，被广泛应用于各类机器学习(machinelearning)算法的编程实现，tensorflow拥有多层级结构，可部署于各类服务器、pc终端和网页并支持gpu和tpu高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究85.businessproduct：商业产品，可以广泛投入商业使用。86.olapanalysis：联机分析处理olap是一种软件技术，它使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的。它具有fasmi(fastanalysisofsharedmultidimensionalinformation)，即共享多维信息的快速分析的特征。87.datainterface：数据接口，自动、实时地将成交数据传送给用户，有效提高处理效率。在数据交换中，必须安装硬件驱动程序。88.personalizedrecommendation：个性化推荐，当浏览电商网站和app时，会出现不同的行为，比如长时间停留在某个页面、收集重复产生的行为等，后台会收集这些数据，形成用户画像，然后给出个性化推荐。89.sparkmllib：sparkmllib是spark中的一个可扩展机器学习库，由一系列机器学习算法和实用程序组成。包括分类、回归、聚类、协同过滤等，还包含一些底层优化方法。90.apachekylin：apachekylin是一个开源的分布式分析数据仓库，在hadoop/spark之上提供sql查询接口和多维分析(olap)功能，以支持超大规模数据。最初由ebay开发，并为开源社区做出贡献。91.hbase：hbase是一个分布式的、面向列的开源数据库。该技术源自于faychang撰写的google论文“bigtable:adistributedstoragesystemforstructureddata”。正如bigtable利用google文件系统提供的分布式数据存储一样，hbase在hadoop之上提供类似bigtable的功能。92.nosql：nosql是非关系型数据库的通用术语。随着web2.0网站在互联网上的兴起，传统的关系型数据库已经无法应对web2.0网站，尤其是超大、高并发的web2.0纯动态网站，出现了很多无法解决的问题，而非关系型数据库由于其自身的特点得到了非常迅速的发展。93.sparksql：sparksql是一个用于结构化数据处理的spark模块。与基本的sparkrddapi不同，sparksql提供的接口为spark提供了有关数据结构和正在执行的计算的更多信息。在内部，sparksql使用这些额外的信息来执行额外的优化。94.ml/dlalgorithm：机器学习——使用算法解析数据，从中学习，然后对现实世界的事件做出决策和预测。与传统软件程序通过硬编码来解决特定任务不同，机器学习是用大量数据“训练”的，使用各种算法从数据中学习如何完成任务。95.深度学习(deepleaning)——最初的深度学习是一种使用深度神经网络来解决特征表达的学习过程。但是，由于近年来该领域的快速发展，一些独特的学习方法(如残差网络)被陆续提出，因此越来越多的人将其视为一种单独的学习方法。96.dataprocessing：数据处理，将原始数据转换为机器可读的形式，并由计算机进行后续处理(如存储、更新、重新排列或打印)。97.stom：storm是一个分布式、可靠、无故障的流数据处理系统。它的工作是委托各个组件独立处理简单的任务。98.hadoophdfs：hdfs，简称hadoop分布式文件系统，是hadoop抽象文件系统的实现。hadoop抽象文件系统可以与本地系统、amazons3等集成，甚至可以通过web协议(webhsfs)进行操作。hdfs文件分布在集群机器上，并提供副本以实现容错和可靠性保证。比如客户端读写文件的直接操作是分布在集群机器上，不存在单点性能压力。99.请参见图1至图4，一种基于大数据的农业社交智能服务系统，该系统建立在云服务paas平台上，其包括均通过云服务paas平台交互数据的数据采集系统、数据存储及计算系统、数据分析系统及应用系统；数据采集系统包括结构化数据实时采集系统和非结构化日志数据实时采集系统；数据存储及计算系统包括hadoop分布式计算平台；数据分析系统包括用于对从生产到销售的各个农业相关环节进行预测的机器学习模型；应用系统包括社交系统、信息服务系统、网络销售系统和农场管理系统；社交系统用于农业相关群体间的信息交流；信息服务系统用于展示农业相关信息；网络销售系统用于农业相关产品网络销售；农场管理系统用于跟踪管理农产品的生长。100.进一步地，可将协同过滤、决策树、支持向量机、贝叶斯分类、集成学习和/或聚类算法，与dnn、cnn、rnn、gan和/或gnn神经网络相结合构建机器学习模型。101.进一步地，可采用基于tensorflow的keras框架搭建机器学习模型。102.进一步地，hadoop分布式计算平台可包括hive数据仓库、mapreduce模块及spark模块；hive数据仓库可用于存储农业相关数据，其可包括依次连接的stg层、ods层、dws层、ads层及dim层；mapreduce模块可用于面向用户提供基于sql离线数据的周期性数据分析；spark模块可用于提供基于内存的数据处理和数据分析。103.进一步地，还可包括开发支持系统，开发支持系统可包括sqlserver数据库、kotlin与rxjava框架及ssh框架；sqlserver数据库用于数据管理；该系统可设置客户服务器和管理服务器；kotlin与rxjava框架及ssh框架可用于同时搭建客户服务器和管理服务器的系统架构，构成依次连接的数据存储层、服务层、接口层及展现层；客户服务器可为移动终端。数据存储层用于数据存储；服务层用于数据处理；接口层用于展现层与数据存储层、服务层的连接；展现层用于向用户提供一种交互式的操作页面，其展示数据并接收用户输入数据。104.请参见图2。其中，数据存储层实现对数据的保存和读取操作；服务层包含了系统所需要的所有功能上的算法和计算过程,是系统的核心部分；接口层负责将展现层(即前端)和后端连接起来，设计接口用于统一规范；展现层为用户提供一种交互式的操作页面，是用户和系统交流的桥梁，用于数据展示并接收用户数据。105.进一步地，结构化数据实时采集系统可包括卫星遥感系统，卫星遥感系统可基于地理信息和卫星定位系统，可用于实时监测农田面积和农产品的精细生长。106.进一步地，社交系统可包括社交广场模块和社区模块；社交广场模块可包括直播模块、动态分享模块、即时通讯模块；社区模块可包括互动问答模块、社区活动模块、管理组织模块、社区红人模块；直播模块可用于生活和生产视频分享与直播；动态分享模块可用于动态内容分享，动态内容可分为推荐内容与好友内容两部分；即时通讯模块可用于用户间互相发送消息，进行即时通讯；互动问答模块可用于用户在社区内提问并描述具体问题，可同时对自己了解的问题进行解答；管理组织模块可用于将具有相同兴趣或属于相同组织的用户聚集在一起；社区活动模块可用于由平台组织或用户自发开展线上与线下的社区活动；社区红人模块可通过对用户的社区活动及互动问答的行为进行积分，可通过积分定期推选出社区红人。107.进一步地，网络销售系统可包括交易平台模块；交易平台模块可包括采购商品模块、发布需求模块、物流合作模块及市场分析模块；采购商品模块可用于呈现农产品、农资、劳务及加工的信息；发布需求模块可用于呈现用户采购需求信息，其通过数据分析与智能计算进行精确匹配，将购买需求智能地投送给对应用户，实现交易双方的对接；物流合作模块可用于销售方选择物流合作方进行配送；市场分析模块可用于对市场动向进行准确预测，来指导农户生产活动与农资商投资交易行为；其可包括商机分析、价格分析、产地情报、热门行情四大子模块。108.进一步地，信息服务系统可包括资讯模块、知识图谱模块、个性化推荐模块、专家在线模块、农业天气模块；资讯模块可用于发布官方发布信息、法律信息、市场信息、风险规避信息、地区明星产品信息，以及土壤检测信息、病虫害预警、自然灾害预警、产量预估、农产品回溯等；知识图谱模块可为存储知识实体与实体之间关系的结构化网络，可用于帮助描述、理解现实世界的事物及其相互关系；个性化推荐模块可用于根据数据分析系统提供的数据，与用户需求进行匹配，并根据匹配结果进行推荐；专家在线模块可用于提供专家与用户间的交流平台；农业天气模块可采用气象追踪与侦测方法，可用于提供下一阶段的农业气候预报。109.进一步地，农场管理系统可包括依次连接的生产记录模块、智能分析模块、个性化专家指导模块；生产记录模块可用于根据农民提供相关的原始种植数据和农田基本指标，基于卫星定位系统，将采集的对应农民所处位置的农作物生长状况数据进行记录；智能分析模块可基于对农产品的生长情况跟踪记录及以往积累的数据，通过神经网络对农作物的生长状态及生长趋势进行预测分析；个性化专家指导模块可根据智能分析模块的分析结果，找出用户农务活动的个性特征，结合系统内已有的农业知识图谱，及与平台存在合作关系的专家针对常见问题的答疑，进行个性化的专家匹配与意见指导。110.下面结合本发明的一个优选实施例来进一步说明本发明的结构及工作原理：111.本发明为一种基于大数据的农业社交智能服务系统，该系统建立在云服务paas平台上，其包括通过云服务paas平台交互数据的数据采集系统、数据存储及计算系统、数据分析系统及应用系统；本发明在构建基本的系统框架基础上，主要采用kotlin rxjava框架、云服务paas平台、ssh框架、sqlserver数据库以及智能硬件等技术形式进行开发。在具体功能实现上，以大数据技术为技术特色，发挥以人工智能为基础的技术优势。112.1、系统框架构建113.如图2所示，系统框架图主要由“数据存储层”、“服务层”、“接口层”、“展现层”组成，各层之间包含各个功能模块的连接与实现。同时搭建客户服务器和管理服务器两部分,管理服务器支撑客户服务器的运行和使用，确保系统提供正常稳定的服务，维护系统的日常运营，以达到最终目标展现效果。114.2、系统开发115.如图3所示，系统开发主要采用kotlin rxjava框架、云服务paas平台、ssh框架、sqlserver数据库以及智能硬件等技术形式。以实现系统功能为目标，完成数据库、客户端、后台管理等相关开发实施过程，并且通过专业研发检测、定点实验等开发检测工作，保证系统开发的效率与质量，从而提供稳定和保障的服务。116.2.1kotlin rxjava框架117.kotlin是一个基于jvm的新的编程语言，由jetbrains开发。与java相比，kotlin的语法更简洁、更具表达性，而且提供了更多的特性。kotlin是使用java开发者的思维被创建的，对java开发者来说，kotlin是非常直觉化的一种前沿的开发框架。118.2.2云服务paas平台119.运用此平台将软件研发的平台作为一种服务，以saas的模式提交给用户。paas能将现有各种业务能力进行整合，向下根据业务能力需要测算基础服务能力。通iaas提供的api调用硬件资源，向上提供业务调度中心服务，实时监控平台的各种资源，并将这些资源通过api开放给saas用户。这种“平台级”服务能够保证支撑saas或其他软件服务提供商各种应用系统长时间、稳定的运行。有了paas平台的支持，web应用的开发变得更加敏捷，能够快速响应用户需求的开发能力，也为最终用户带来了实实在在的利益。120.2.3ssh框架121.ssh框架由hibernate、spring等轻量级框架整合形成，hibernate框架在完成对jdbc封装的基础上提供多种缓存机制，可面向数据对象的存储和控制；struts框架技术可体现mvc模式的核心理念，利用actionmapper等组件接收过滤用户请求并返回处理结果；spring框架以aop为基本思想，以依赖注入为核心理念。利用ssh框架能够大大节省开发人员的工作量，提升系统开发的效率。122.2.4sqlserver数据库123.sqlserver数据库具有强大的引擎优势，擅长于数据分析，适用于本系统的数据管理任务。sqlserver数据库具有灵活分布存储空间并挖掘数据潜在价值等特性，广泛应用于系统数据管理领域。124.3、大数据分析技术125.如图1所示，本发明采用的大数据分析技术主要包含“数据采集系统”、“数据存储与分析系统”、“应用系统”三个层次。126.3.1数据采集127.面向用户‑平台交互数据流，使用flume、sqoop、datax等技术手段实现前期系统的数据采集与传递工作。采用实时数据采集的方式，采集的工具主要包括canal结构化数据实时采集和flume非结构化日志数据实时采集。128.3.2数据存储与分析129.采用hadoop分布式计算平台，并运用hadoop框架的核心设计：hdfs和mapreduce。其中，hdfs为海量的数据提供了存储，而mapreduce则为海量的数据提供了计算。130.其中，主要使用hive作为海量农业相关数据的数据仓库，该数据仓库采用分层模型进行建设包括stg层、ods层、dws层、ads层及dim层。同时，使用分布式发布订阅消息系统kafka进行信息吞吐。采用两种编程模型以适用不同的应用，其中mapreduce模型提供海量数据离线周期性分析，面向用户提供了基于sql快速离线分析的hive工具；spark编程模型提供适合基于内存快速数据处理和数据分析。131.在此框架基础上，我们进一步引入人工智能分析技术，选择python成为构建机器学习、深度学习模型的语言，利用前期收集的农业相关的海量数据，对现实的应用场景进行建模与代码撰写。python具备代码可读性强、易于访问、更专注于科学计算以及具有强大的依赖库和全面的工具包。这都使得模型的开发设计变得更加方便快捷。132.系统大数据分析功能将传统机器学习算法(协同过滤、决策树、支持向量机、贝叶斯分类、集成学习、聚类等)与深度学习算法相结合(dnn、cnn、rnn、gan、gnn等)。基于数据以及农业特定场景的特征，构建不同的网络连接方式，基于收集的海量农业细粒度数据，进行数据预处理、特征提取、特征转换以及预测等流程处理，从而通过学习算法，让所构建的人工智能模型自动学习出成熟的特征表示(从底层特征，到中层特征，再到高层特征)，最终提升预测模型的准确率。将预测模型应用于app不同的功能使用场景中(交易推荐、生产预测、智能分析等)，从而达到app智能服务的目的，让大数据人工智能技术赋能农业生产中各个环节的升级。133.具体地，大数据分析技术所用的深度学习模型采用keras框架搭建。keras是一个用python编写的高级api，它提供了一个简单和模块化的api来创建和训练神经网络，同时也隐藏了大部分复杂的细节。系统采用基于tensorflow的keras框架实现深度学习模型的构建。134.3.3系统应用135.利用上述构建模型去实现相关的市场预测、智能分析、个性化推荐、知识图谱构建与应用等相关智能化功能。136.1、系统用户身份定义137.由于本系统以农业生产链、供应链等整个农业系统为目标覆盖范围，目标对象众多，包括农民、农资商、销售商、加工商等销售链参与者，同时也涉及物流方、农业专家等合作对象。据此，为了避免功能过于繁杂而导致使用者操作不便，本系统根据产品使用者的不同，建立基础模块与可选附加功能板块，对产品功能进行细致分类。根据系统使用者在进行用户注册时选择的身份，系统会自动推荐与其身份相匹配的功能模块；同时，使用者也可根据自身的不同需求，选择相应的功能模块。而系统用户身份主要有：138.(1)农民：从事种植业、畜牧业、林业、渔业等农业领域生产活动，对社交需求与农业技术知识普及需求较高，是平台的主要用户群体。其可通过平台进行直播、发布动态、互动问答和参与社区活动等各种社交活动，同时又可通过本系统获得大量农业信息与智能服务，进行知识学习与生产调整。139.(2)农资商：农资是农业生产资料的简称，指应用于农作物生产，以保证农作物生产过程顺利进行的各类物质材料。农资商销售产品范围包括化肥、农药、种子、农膜、农业机械等。其通过本系统可充分了解农产品种植市场信息，并结合最新的市场情况生产符合市场需求的农资产品；通过商城可获得大量交易订单，主动与平台推荐农户沟通合作，有利于打造长期品牌影响力。140.(3)采购商：主要包括农业供应链终端如餐饮业等各相关行业采购机构或代理人以及个体家庭需求采购者等。其可通过商城模块进行所需商品的采购，也可以发布采购需求。141.(4)加工厂：包括农产品初加工、食品深加工等农产品加工链相关机构或代理人。其可以在系统的商城模块发布加工服务，系统也可以为其智能推荐需要加工的农产品。142.(5)物流方：农产品物流，特别是生鲜农产品的冷链物流等相关物流合作方。当其与本平台达成合作后，本系统会智能为每一个农产品匹配合适的物流链，使其获得大量稳定的物流订单。143.(6)农业专家：为平台各用户提供各种技能和知识服务的专业人员，以及解决实际问题的专家，包括农业专家、农技师、农艺师、律师等。其加盟平台后通过回答提问者的问题、提供技术服务或咨询服务，可提高自身知名度，甚至获得一定的报酬。144.2、系统功能模块145.如图4所示，本发明的应用系统主要包括社交系统、信息服务系统、网络销售系统和农场管理系统：其中：146.社交系统包括社交系统包括社交广场模块和社区模块；社交广场模块包括直播模块、动态分享模块、即时通讯模块；社区模块包括互动问答模块、社区活动模块、管理组织模块、社区红人模块；直播模块用于生活和生产视频分享与直播；动态分享模块用于动态内容分享，动态内容分为推荐内容与好友内容两部分；即时通讯模块用于用户间互相发送消息，进行即时通讯；互动问答模块用于用户在社区内提问并描述具体问题，同时对自己了解的问题进行解答；管理组织模块用于将具有相同兴趣或属于相同组织的用户聚集在一起；社区活动模块用于由平台组织或用户自发开展线上与线下的社区活动；社区红人模块通过对用户的社区活动及互动问答的行为进行积分，通过积分定期推选出社区红人。147.网络销售系统包括交易平台模块；交易平台模块包括采购商品模块、发布需求模块、物流合作模块及市场分析模块；采购商品模块用于呈现农产品、农资、劳务及加工的信息；发布需求模块用于呈现用户采购需求信息，其通过数据分析与智能计算进行精确匹配，将购买需求智能地投送给对应用户，实现交易双方的对接；物流合作模块用于销售方选择物流合作方进行配送；市场分析模块用于对市场动向进行准确预测，来指导农户生产活动与农资商投资交易行为；其包括商机分析、价格分析、产地情报、热门行情四大子模块。148.信息服务系统包括资讯模块、知识图谱模块、个性化推荐模块、专家在线模块、农业天气模块；资讯模块用于发布官方发布信息、法律信息、市场信息、风险规避信息、地区明星产品信息；知识图谱模块为存储知识实体与实体之间关系的结构化网络，用于帮助描述、理解现实世界的事物及其相互关系；个性化推荐模块用于根据数据分析系统提供的数据，与用户需求进行匹配，并根据匹配结果进行推荐；专家在线模块用于提供专家与用户间的交流平台；农业天气模块采用气象追踪与侦测方法，用于提供下一阶段的农业气候预报。149.农场管理系统包括依次连接的生产记录模块、智能分析模块、个性化专家指导模块；生产记录模块用于根据农民提供相关的原始种植数据和农田基本指标，基于卫星定位系统，将采集的对应农民所处位置的农作物生长状况数据进行记录；智能分析模块基于对农产品的生长情况跟踪记录及以往积累的数据，通过神经网络对农作物的生长状态及生长趋势进行预测分析；个性化专家指导模块根据智能分析模块的分析结果，找出用户农务活动的个性特征，结合系统内已有的农业知识图谱，及与平台存在合作关系的专家针对常见问题的答疑，进行个性化的专家匹配与意见指导。150.具体说明如下：151.1、社交系统152.1.1社交广场模块153.1.1.1直播模块154.直播模块使用户可以进行生活和生产视频分享与直播，相对于现有的功能繁多且内容混杂的直播平台而言，本平台致力于打造一个专属于农业领域的直播社交圈，主要功能为即时互动评论、转发、点赞、关注、将同一直播间内的用户添加为好友等社交功能，并在直播插入跳转到购买页面、活动页面等入口。155.农户可以在直播模块上展示农村日常生活、乡村自然风景，可深入发掘农业农村的生态涵养、休闲观光、文化体验等多种功能和多重价值，形成新的消费热点。农民通过分享生产视频或农产品视频，能够很好地让购买方了解产品的真实情况，帮助农民拓展农产品销售渠道。此外，该模块还有以打赏的形式租赁耕地的功能，租赁耕地的观众可以指定耕地上种植的应季作物，需定期通过打赏小礼物的形式让农民浇水、施肥、除草等，等农作物成熟，农民会将农产品邮递到消费者手上。156.农资商可以通过直播讲解技术、介绍产品、定制全程解决方案，可以把技术、产品、企业信息和销售政策等介绍给观众，挖掘潜在客户资源，提高销量的同时形成一定数量上固定的粉丝客户。157.科研院校、企业可以通过在线直播平台，邀请专家进行线上农技的讲授，实现与农户以及客户的直接沟通与远程指导。此外，直播的形式使农业产业新技术、新产品、新品种的展示更加便利，开启网络“云逛会”，足不出户即可逛遍全场。158.1.1.2动态分享模块159.动态分享模块可使用户分享动态内容，动态分享内容分为推荐内容与好友内容两部分，推荐内容主要是平台根据用户在平台积累的数据智能挖掘用户所在社交网络信息，为用户个性化推荐相关社区、用户的动态分享。好友内容只显示已经添加为好友的用户发布的动态或提问。该模块功能主要包括图片、视频、文字的编辑、查看、分享与转发、点赞与评论。160.1.1.3即时通讯模块161.用户间互相发送消息，进行即时通讯，同时也支持视频通话、语音通话、位置分享、名片分享等功能。多个好友可以共同建立社群进行群内的交流。与社区不同的是社群功能只能在好友身份下才能形成，有助于一些关系更为亲近的好友，如同一农户家庭建立起社群方便日常沟通等。同时该模块也能够进行好友的管理，添加、删除好友，设置好友权限等。162.1.2社区模块163.社区模块可建设一个反映真实社交网络的社区。由于农业各方的社交关系具有很强的固定性，例如在同一村庄的农民，往往长期内不会进行地区和身份的改变，流动性较小；而农民、农资商、采购商、加工商等各方也具有十分固定的经济关系，因此基于这种强且固定的社交关系能够充分发挥社交网络上各方参与的积极性与平台的稳定性。而由于农业生产的社会化程度非常有限，农民在生产活动中接触交往的机会不多，生产活动本身也无法承载农民对于相互接触与交往沟通、构建稳定纽带关系的需求。此外，在农产品销售过程中，农民往往处于信息不对称的弱势一方，所能接触到的农资商、采购商、加工商等及其相关信息也十分有限。而通过本平台，农民、农资商、采购商、加工商等各方能够通过社区连接起来，进行信息的公开与共享，实现零距离的真实交流，扩大社交范围，解决了上述问题。社区分为根据用户所在地区划分的地区性社区与根据用户所处领域划分的领域性社区。除了具有社区成员动态分享功能外，该模块还包括如下模块。164.1.2.1互动问答模块165.用户在社区内可以提问并描述具体问题，也可以对自己了解的问题进行解答。社区用户在浏览搜寻问答时，通过与回答者或其他用户的互动来减少不确定性，支持决策；回答者可通过积极、高效的互动建立起信任，也可以从其他用户的问题经验中学习。依靠问答互助汇聚群众智慧，提升用户知识共享的积极性，形成“问答”与“社交互动”相结合的社区。而由于同一社区的用户属于相同的领域或地区，用户关注的很多问题往往是相同的，使知识共享的可能性和可信度变得更大。此外，在互动问答板块中分不同的栏目，如生活问答、技术问答等，同时推荐一些精彩回答，能够帮助用户更加快速准确地获得自己所需的信息。166.1.2.2管理组织模块167.社区内可以创建组织、兴趣圈等，将具有相同兴趣或属于相同组织的用户聚集在一起，有助于进一步构建用户社交网络；在每个组织或兴趣圈中，通过标签表示成员的身份，如组织负责人等，形成组织谱图；含有如包厢、开会、生产技术、生产数据、业绩分析等多种小程序，和如一起k歌、打砖块等小游戏，圈主或管理员可以根据组织内部活动的需要自行选择添加并供成员使用；同时还会显示组织目前正在进行的活动，方便成员了解组织现状，促进参与。168.1.2.3社区活动模块169.由平台组织或用户自发开展线上与线下的社区活动：如线下经验交流会、产品鉴赏会等。社区内的成员可以自愿参与。170.1.2.4社区红人模块171.用户进行社区活动、互动问答等行为会积累一定的积分，通过积分可以定期推选出社区红人，进行一定的奖励，从而提高用户参与度，有助于增加客户粘性并打造明星用户。172.2.网络销售系统173.网络销售系统为用户呈现农产品及相关可以准确记录交易额等交易信息，实现市场管理的信息化，解决目前农蔬市场管理的零散化问题，促进商品的流通，规范市场秩序，提高效率。主要分为以下小模块：174.2.1.采购商品模块175.采购商品模块呈现农产品、农资、劳务、加工等商品与服务相关信息，具体包括以下信息：商品信息、供应方信息、供应方信誉、产地、销量等，同时还设置了专门的版块显示社区成员、好友、附近用户发布或分享的商品信息。在商品详情页面还有私聊与立即下单购买等功能。176.2.2发布需求模块177.发布需求模块呈现用户采购需求信息，包括需要采购的商品信息以及采购人信息。用户可以根据需要发布自己的购买需求，平台会通过数据分析与智能计算进行精确匹配，将购买需求智能地投送给对应用户，实现交易双方的对接。178.2.3物流合作模块179.农民或农资商家可以在此模块为自己的商品选择物流合作方进行配送。同时平台也会智能地向双方推荐合适的合作方。180.2.4市场分析模块181.市场分析模块通过平台积累的数据，分析挖掘交易量等信息，得出其动态变化规律，利用算法与模型对市场动向进行准确预测，有效指导农户生产活动与农资商投资交易行为。主要内容包括商机分析、低价分析、产地情报、热门行情四大板块。182.3信息服务系统183.集中呈现最新咨询信息、农业新闻、农业补贴、政策信息等，并提供搜索个性化推荐和快速导航功能，为用户提供平台内各项信息查询、知识学习、互动交流等功能的入口。184.3.1资讯模块185.资讯模块能够转发、评论与点赞各种资讯，其主要内容包括：186.(1)官方发布信息：与政府相关部门形成合作，第一时间发布最新农业政策、文件等；187.(2)法律信息：与律师和政府合作进行农业法律知识的普及；188.(3)市场信息：市场主流品种的分析及介绍；189.(4)风险规避信息：发布规避风险的农业知识，如病虫害防治等；190.(5)地区明星产品信息：农资商可以向后台投稿，发布市场信息、农资广告等信息。191.3.2个性化推荐模块192.个性化推荐模块基于智能学习算法等技术建立，强调推荐的多向性与全面性，即不局限于对农民生产或买卖双方的推荐，还包括对物流方、加工厂等供应链中间环节提供匹配与推荐服务，并通过为所有身份的用户搭建自由交流的社交网络、安全可靠的线上交易平台，实现了从匹配推荐到成功交易、从运输加工再到最终销售的一站式、全流程农业供应链服务。平台用户可选择使用匹配推荐功能，精准展开相关业务。193.(1)推荐交易对象：本系统构建了将农业供应链参与者聚集于同一个平台的社交网络，形成农业社区中心，为用户提供了与农业供应链其他环节的参与者进行交流、商谈的机会。在此功能下，平台运营后会积累大量的交易数据及交易记录，系统可通过大数据挖掘分析、神经网络学习、云计算系统框架等模型及算法，确定用户的主次要消费特征及消费倾向，如某一物流运营者更偏向于运输从黑龙江到四川的谷物作物，并以铁路运输为主，路线灵活性较差；某一加工厂擅长处理棉花作物；某一农资商在北方具有较大的面食销售市场等类似信息。通过线性规划、工业流程图分析等运筹最优算法模型，可将具有相似特征，并在农业供应链上处于不同环节的用户进行对接、组合，以形成整条供应链的最佳推荐方案，实现各个环节所有参与者的高效运营与流转，降低了不对称信息与不必要的试错导致的多余成本，最终提高农业的整体水平。194.(2)推荐种植或养殖的产品及方法：根据农民当前的生产种植状态，可将本项目平台的农民用户分为两大类，一是初入农业还未开始生产，或是已完成上一期的生产，还未进行下一期的生产的农民，另一类是处于生产种植过程中的农民。针对上述两类农民，系统给予了不同的推荐方式。195.针对第一类农民，系统以分析用户所处的环境，包括土壤、水质、气候等自然条件，当地经济发展情况、社会偏好、消费者市场分布、交通运输等社会经济因素，以及土地面积、土地对应劳动人口数量、用户资金状况等个人信息，运用赋权法、成分分析等评分方法，选出最适合该用户生产的几种农产品类型，并给出种植这些农产品的理由及未来发展趋势预测，为用户决策提供依据。196.针对第二类农民，系统以推荐种植、养殖方法为主，同样选取自然、社会经济、个人三方面的因素进行分析，通过数据挖掘，在平台内部农业知识图谱中搜寻最适用的生产方法，并提供相关方法的详细做法步骤，及预测出的实施该方法后可带来的绩效的提升。197.(3)推荐发展方案：由于平台目标用户身份的多样性，本项目搭建的农业社交网络可类比于农业交易市场，经过了前期的交易数据和记录的积累后，结合气候等自然生态条件，以及农业政策、农业经济发展的大方向，系统能够自动根据已有信息对农业市场未来发展方向和发展趋势进行预测，并不断进行调整，分析出各个农产品的市场供需情况、当前市场的热门产品等，为所有用户的未来发展规划提供客观数据指标以及战略意见，并经过智能计算权衡多项方案利弊，最终实现最佳发展方案的推荐，利用客观、专业数据减少用户的生产运营风险。198.3.3知识图谱模块199.知识图谱模块是一种知识库，本质是一个存储知识实体与实体之间关系的结构化网络，可以帮助形式化描述、理解现实世界的事物及其相互关系。平台各项功能的正常运行，包括农产品推荐、智能分析等，都以知识图谱模块为基础农业知识来源，因此，农业知识图谱的专业性与全面性是整个平台稳定、高效运营的必要基础。平台的农业知识图谱由系统自动搭建而成，在创建初期，知识图谱模块主要通过挖掘现有网络、书籍及市场上的农业信息，结合通过遥感系统等技术自主采集的数据，通过数据分析、知识计量和聚类分析等方法，对搜集到的异构、非标准的数据进行分类、梳理、整合，绘制农业知识各方面的联系、平衡与动态发展规律，形成系统的、条理性强的农业知识图谱框架，并在此框架的基础上，根据各类运营实际状况、平台专家的建议、最新研究成果等，不断完善、扩大农业知识图谱框架，使之无限逼近与饱和状态，构建具有平台专属的特色农业知识图谱，为更好地提供一系列精准、高效的服务提供客观知识基础。200.3.4专家在线模块201.专家在线模块是一个专家与用户的交流平台，相关行业的农业专家加入平台，通过本系统为用户提供各类农技咨询，包括视频诊断等功能。用户可以直接在平台提出问题，邀请某位专家或律师回答，也可以查看其他用户所提出的问题及答案。202.3.5农业天气模块203.农业天气模块主要针对农民展开，运用先进的气象追踪与侦测技术，提前对农民提供下一阶段的农业气候报告。与一般的气候报告不同，农业天气模块提供的农业气象不仅包括温度、降雨等基本情况，还对在此天气下相应农产品的种植养殖注意点进行了列举并给予提醒。此外，若未来将有对农产品种植养殖产生重大影响的自然现象发生，系统将提前数天进行每天重复提醒，直到用户确认收到该提醒的通知。此功能模块避免了部分农民由于对自然气象与农业之间的关系了解不足而导致的生产损失，对提高农业产出率具有积极作用。204.4农场管理系统205.农场管理系统针对农民展开，主要用于记录农产品在不同时间段的生长状况，以系统自动计算并记入为主、的工作量。此外，综合考虑电子产品在农村发展的局限性、部分使用者对以电子产品为载农民手动修改并记录为辅，不仅保证了记录数据的可信度与真实性，也大大减少了农民体的app软件的陌生性，以及农民由于忙于农务活动而缺乏充足的时间及耐心等现实因素，此模块将通过智能分析呈现，根据每个农民注册时上传的实地照片和具体描述，系统将自动进行智能分析，为每个使用者打造个性化、独特的模拟仿真农田，以3d的形势展现，更加直观、清晰地反应了农作物等农产品的生长种植情况，为农民提供了便利。206.2.5.1生产记录模块207.生产记录模块以自动计算分析并记入为主，农民手动修改为辅，在保证了记录准确性和全面性的同时，也大大减少了农民的工作量，并通过精确数据的获取与多方进行合作，扩大项目的适用对象，实现了效率和效果的高度结合。208.(1)自动记录：遥感技术监测 物联网209.自动记录的实现以农民提供相关的原始种植数据和农田基本指标为基础，结合农民所处的地理位置，运用遥感技术对农作物或其他产品的生长状况进行监测，实时地在系统上进行反馈，农民登陆app软件即可全面了解作物生长情况；不仅如此，农民可据此得知一些难以通过普通仪器测量得出的数据与结论，从而更加全面的了解农作物生长种植情况，及时发现并避免生产风险。此外，运用物联网技术，将田地基础设施与系统相连，如灌溉、施肥、松土等设备，不仅能够大幅度减少农民工作量、实现精细化定量运作，同时也将各项生产数据上传至系统终端，基于大数据实现生产状况的自动智能记录、计算及分析。210.此外，通过遥感及物联网技术获取的大量数据不仅对农民的生产活动提供了技术指导与支持，也为与各级政府的合作奠定了设备、数据基础，解决政府土地流转监管成本过高、难以预防耕地“非农”风险的问题，帮助农技部门进行涉农数据的精确统计，使政府更加直接地观测本地农业发展，全面、深入地了解本地农务状况，并通过大数据对比、云计算等智能分析做出更贴近实际的政策决定与财务计划，促进当地农业迅速发展。211.(2)手动记录212.手动记录即农民自主记录，主要分为两个方面。首先，农民根据系统提示进行初始数据的上传，包括农田基本指标，如大致尺寸、地理环境及特殊特征、种植农作物种类及数量、土地对应劳动人口数量等，便于系统进行自动精准测算；其次，在农民注册完成、系统开始自动计算分析的过程中，如果发生超出现有技术测算范围的事件，如特大自然灾害、农作物或肥料种类的改变、政策的变更、突发人为事件等，或是农民在使用过程中发现平台数据与真实情况不符，出现偏差，可对其进行手动调整修改，系统将自动分析用户修改的指标数值的合理性，并重新进行测算。213.2.5.2智能分析模块214.在对农产品的生长情况进行一段时间的记录后，智能分析模块会结合已经积累的大数据，对农作物的生长状态及生长趋势进行智能分析，主要从以下四个方面展开。首先，根据本项目自主搭建的农业知识图谱与专家指导系统，将作物的相关指标与现有的一般性农业指标标准对比，进行农作物的基本生长指数评估；其次，将农产品的各项指标进行纵向同期的时间序列分析，将同一用户历年的农产品种植情况进行对比，直白地反应种植收益变化趋势；此外，将具有相似特征的农产品种植情况进行水平截面分析，与外界对比能够促使用户不断对生产方式和技术等进行改进；最后，平台采用机器学习等完善的智能算法框架，对未来一定时间内农作物的生产状况进行预测，及时计算出产量在各种可能情况下的预测值，便于用户对不确定事件做好预防，规避风险，也使得用户能够根据预测值与农资商、销售端等的贸易洽谈，提前做好销售规划。215.2.5.3个性化专家指导模块216.此功能模块在系统对用户农产品生长状况进行智能分析后展开，根据智能分析的结果，找出用户农务活动的独特特征，及其中存在或可能存在的问题及风险，结合系统内已有的农业知识图谱及与平台存在合作关系的专家针对常见问题的答疑，系统将进行个性化的专家匹配与意见指导。此功能基于大量真实可靠的数据，结合云计算等先进算法技术，具有较强的准确性。217.此外，上文提及的遥感技术不仅可以用于种植数据的记录，同时也对种植土壤进行监测，构建土壤检测中心数据库，随时观测土地状态及变化趋势，根据土壤特性对种植提出意见，也避免了不合理的种植造成对土壤的伤害。218.综上，本系统基于大数据中心，以自主搭建的农业知识图谱和合作专家为专业知识来源，运用遥感、深度学习、云计算等先进的智能算法框架，构建了一个能够提供病虫害等多种自然灾害的预警及指导、土壤检测、产量预估、个性化生产策略指导、农产品回溯、个性化全模拟仿真农产等多项功能的专家指导系统。219.以上所述的实施例仅用于说明本发明的技术思想及特点，其目的在于使本领域内的技术人员能够理解本发明的内容并据以实施，不能仅以本实施例来限定本发明的专利范围，即凡本发明所揭示的精神所作的同等变化或修饰，仍落在本发明的专利范围内。当前第1页12当前第1页12
背景技术：
：：2.目前，互联网产业的迅猛发展以及国家对智慧农业的大力支持使得农业与互联网的结合成为趋势：首先，国家在政策上对农业、信息产业方面给予很大的支持，中央从全局角度高度重视农业农村改革，进行顶层设计，作出全面部署统一认真组织落实，极大激活农村发展潜力。再者，越来越多的互联网与信息技术应用在农业生产的各个方面，如大数据与物联网技术的结合能够对生产环境进行有效监控与调节，实现生产的信息化与智能化，因此互联网与信息技术是激发农业产能的强大动力。3.但目前农业互联网产品发展并不完善，现有产品的社交方式和功能并不能完全满足农业群体的社交和技术需求：一方面，目前我国农业产业互联网平台仍有很大的空缺，农业供应链过长与信息不对称的问题很大程度上阻碍了信息技术在农业的应用与发展，因此需要在农业定制社交网络的基础上使信息技术真正服务大范围农民，真正激发农业产能。但目前在农村地区各大app的下载量严重低于城市地区，下载量较高的社交平台如抖音等也并未对农业的发展有直接和专业的帮助。而另一方面，也正是由于科技发展带来农村社会格局的离散化，农民社交陷入新的困境：以往以传统群众性文化活动为主的社交模式逐渐衰落，传统社交缺乏载体，闲暇生活离散封闭，情感依归和价值认同遭遇巨大障碍。4.现有技术中，也提出了许多农业信息平台系统构建方法。如一种农业信息移动服务平台系统及终端，参见发明专利申请公布号cn106327346a。该系统通过移动通信网络实现智能移动终端与服务器的通信，为涉农企业、农产品运销大户、种养加工大户、合作社社员、县乡农技推广人员等移动终端用户提供各类农业信息服务，主要有农产品生产信息、农业投入品供应信息、农产品销售信息、农技咨询、农业政策法规等信息服务。以及一种基于移动通信网络的农业活动支持系统，参见发明专利申请公布号cn101894320a。该系统配合智能a‑pad移动终端，辅助农民进行农业活动决策和农业科技知识获取。农民可以通过智能a‑pad移动终端输入自身需求、获取专家支持。支持平台集成农业决策、病虫诊断、科技视频、电子书数据库、在线交流等功能，通过移动通信网络与a‑pad移动终端进行通信。但以上现有技术大多是以农业信息整合为主，缺乏对于农业大数据的深入挖掘，也不能提供更加智能化的监测与预测信息。且未能在平台上实现从产品生产源头上的高效技术管理到生产过程中农资产品的获取再到农产品成熟后的销售等供应链上产销一体化。5.而在农业领域的社交软件则极为空缺。现有技术中，如一种基于移动互联网的农业专家问答平台，参见发明专利申请公布号cn107395489a。通过云服务管理平台，实现经纪人和农业专家的信息交互，为农业专家和农村合作社经纪人提供了一种交互平台，农村合作社经纪人可随时和专家进行在线交流和提问，专家可通过专家圈发布各种农技知识和自己研究成果；专家能从农业知识的解答获得收益，实现农业专家的有偿服务。但该技术且用户范围小，功能单一，并不能真正满足上述农业群体的社交需求。6.目前市场上相关技术主要有两大类，一类是社交类app，一类是农业类app。从社交层面分析，目前市场上的社交平台主要有新浪微博等内容社交、soul等陌生人社交、抖音等短视频社交、知乎等问答社交等弱关系社交模式，和以qq、微信为主的强关系社交模式，主流社交网络大而全，而垂直化、细分化社交网络的发展则略显不足。从技术层面分析，目前行业内现存相关农业生产服务领域app主要有一亩田、惠农网、云种养、天天学农和田小二等产品，大多以营销卖货、农技知识学习与咨询、物联网监测等传统功能为主，缺少利用大数据分析用户需求的新型智能化技术服务，页面往往呈现出“页面杂乱、技术性欠缺”等缺点。7.综上所述，现有技术中，并未出现以现实局域强社会关系社交网络为基本框架，集成农业数据记录与分析、交易、信息公开共享、社交等智能化信息服务的农业社交平台。技术实现要素：8.本发明为解决公知技术中存在的技术问题而提供一种集成农业数据记录与分析、交易、信息公开共享、社交等智能化信息服务的基于大数据的农业社交智能服务系统。9.本发明为解决公知技术中存在的技术问题所采取的技术方案是：一种基于大数据的农业社交智能服务系统，该系统建立在云服务paas平台上，其包括均通过云服务paas平台交互数据的数据采集系统、数据存储及计算系统、数据分析系统及应用系统；数据采集系统包括结构化数据实时采集系统和非结构化日志数据实时采集系统；数据存储及计算系统包括hadoop分布式计算平台；数据分析系统包括用于对从生产到销售的各个农业相关环节进行预测的机器学习模型；应用系统包括社交系统、信息服务系统、网络销售系统和农场管理系统；社交系统用于农业相关群体间的信息交流；信息服务系统用于展示农业相关信息；网络销售系统用于农业相关产品网络销售；农场管理系统用于跟踪管理农产品的生长。10.进一步地，将协同过滤、决策树、支持向量机、贝叶斯分类、集成学习和/或聚类算法，与dnn、cnn、rnn、gan和/或gnn神经网络相结合构建机器学习模型。11.进一步地，采用基于tensorflow的keras框架搭建机器学习模型。12.进一步地，hadoop分布式计算平台包括hive数据仓库、mapreduce模块及spark模块；hive数据仓库用于存储农业相关数据，其包括依次连接的stg层、ods层、dws层、ads层及dim层；mapreduce模块用于面向用户提供基于sql离线数据的周期性数据分析；spark模块用于提供基于内存的数据处理和数据分析。13.进一步地，该系统还包括开发支持系统，开发支持系统包括sqlserver数据库、kotlin与rxjava框架及ssh框架；sqlserver数据库用于数据管理；kotlin与rxjava框架及ssh框架用于同时搭建系统架构，构成依次连接的数据存储层、服务层、接口层及展现层；数据存储层用于数据存储；服务层用于数据处理；接口层用于展现层与数据存储层、服务层的连接；展现层用于向用户提供一种交互式的操作页面，其展示数据并接收用户输入数据。14.进一步地，结构化数据实时采集系统包括卫星遥感系统，卫星遥感系统基于地理信息和卫星定位系统，用于实时监测农田面积和农产品的精细生长。15.进一步地，社交系统包括社交广场模块和社区模块；社交广场模块包括直播模块、动态分享模块、即时通讯模块；社区模块包括互动问答模块、社区活动模块、管理组织模块、社区红人模块；直播模块用于生活和生产视频分享与直播；动态分享模块用于动态内容分享，动态内容分为推荐内容与好友内容两部分；即时通讯模块用于用户间互相发送消息，进行即时通讯；互动问答模块用于用户在社区内提问并描述具体问题，同时对自己了解的问题进行解答；管理组织模块用于将具有相同兴趣或属于相同组织的用户聚集在一起；社区活动模块用于由平台组织或用户自发开展线上与线下的社区活动；社区红人模块通过对用户的社区活动及互动问答的行为进行积分，通过积分定期推选出社区红人。16.进一步地，网络销售系统包括交易平台模块；交易平台模块包括采购商品模块、发布需求模块、物流合作模块及市场分析模块；采购商品模块用于呈现农产品、农资、劳务及加工的信息；发布需求模块用于呈现用户采购需求信息，其通过数据分析与智能计算进行精确匹配，将购买需求智能地投送给对应用户，实现交易双方的对接；物流合作模块用于销售方选择物流合作方进行配送；市场分析模块用于对市场动向进行准确预测，来指导农户生产活动与农资商投资交易行为；其包括商机分析、价格分析、产地情报、热门行情四大子模块。17.进一步地，信息服务系统包括资讯模块、知识图谱模块、个性化推荐模块、专家在线模块、农业天气模块；资讯模块用于发布官方发布信息、法律信息、市场信息、风险规避信息、地区明星产品信息；知识图谱模块为存储知识实体与实体之间关系的结构化网络，用于帮助描述、理解现实世界的事物及其相互关系；个性化推荐模块用于根据数据分析系统提供的数据，与用户需求进行匹配，并根据匹配结果进行推荐；专家在线模块用于提供专家与用户间的交流平台；农业天气模块采用气象追踪与侦测方法，用于提供下一阶段的农业气候预报。18.进一步地，农场管理系统包括依次连接的生产记录模块、智能分析模块、个性化专家指导模块；生产记录模块用于根据农民提供相关的原始种植数据和农田基本指标，基于卫星定位系统，将采集的对应农民所处位置的农作物生长状况数据进行记录；智能分析模块基于对农产品的生长情况跟踪记录及以往积累的数据，通过神经网络对农作物的生长状态及生长趋势进行预测分析；个性化专家指导模块根据智能分析模块的分析结果，找出用户农务活动的个性特征，结合系统内已有的农业知识图谱，及与平台存在合作关系的专家针对常见问题的答疑，进行个性化的专家匹配与意见指导。19.本发明具有的优点和积极效果是：本发明的有益效果在于：用户范围广，覆盖了农户、经销商、加工厂，政府等农业生产供应链节点；基于大数据对农产品市场进行分析与预测，得到市场动态规律，为用户提供科学指导；划分社区类型，按照六度人脉理论建立社区网络，增加用户粘性；利用大数据、云计算进行智能分析学习，更好地按照用户的爱好进行推荐；创造新型社交圈，满足农业群体的社交需求。20.1、用户范围广，实现产销一体化21.本发明解决了现有智慧农业系统存在的功能较为单一、受众面狭窄的问题。面向农户、农资商、加工厂、采购商等农业交易者，以及政府、律师和农业专家等专业人士，从产品生产源头上的高效技术管理，到生产过程中农资产品的交易，再到农产品成熟后的销售，都能够在一个系统中实现，为农产品的种植、合理定价保驾护航，也为农资商产品的销售拓宽市场。22.2、基于大数据技术，对农产品监督预测23.本发明采用遥感检测技术，基于地理信息，将卫星定位系统与物联网技术应用在农田面积的测量和农产品的精细生长跟踪上，实现对农作物的有效监控，帮助农户及时调整种植方案，提高产量。本发明侧重于对农产品生长状况进行监督预测，依托大数据与云计算对农产品的生长种植、交易量等信息进行数据挖掘和分析，探寻动态变化规律，利用机器学习等智能模型对市场动向进行预测，为农资商投资交易行为和农户生产活动提供科学有效的指导。24.3、反映真实社区，增强用户粘性25.本发明以现实局域强社会关系社交网络为基本框架，推行真人认证体系，致力于打造真实的社交环境。在社区中可以创建兴趣圈，将具有相同兴趣和爱好的用户聚集，进一步构建用户的社交网络；可以创建组织以对真实的组织成员进行管理以及进行日常的组织活动；可以自发地组织开展线上线下的活动，用户可通过参与社区活动会获得积分，在一定时间内积分最高的社区成员将获得“社区红人”称号与相应奖励。社区用户往往出于娱乐和归属感参与社区，而通过上述激励机制增强了社区成员的参与程度，增加用户的依赖性和归属感，提高用户粘性，使本系统能够真正服务于广大农业群体。26.4、构建大数据中心，提供个性化推荐27.本发明基于大数据技术，通过数据挖掘与分析，为决策提供帮助，在此基础上采用个性化推荐技术、标准化农学知识、土壤检测中心及智能硬件，建立了一个集提供病虫害、自然灾害预警、产量预估、农产品回溯以及个性化农场模型为一体的专家指导系统。在形成社区之后，对与农民进行合作的外地购买商、加工商的数据进行积累，通过算法分析挖掘出某产品的主要输出地，由此预测出该地对于某产品的动态需求量，后期引导农户将自家的产品销往该地，以达到供需双赢的局面。附图说明28.图1为本发明的一种系统结构框图。29.图2为本发明的一种移动终端四层系统框图。30.图3为本发明的一种开发支持框架图。31.图4为本发明的一种应用系统结构框图。具体实施方式32.为能进一步了解本发明的
发明内容、特点及功效，兹列举以下实施例，并配合附图详细说明如下：33.本发明中部分英文单词及缩写释义如下：34.kotlin rxjava框架：rxjava是一个在javavm上使用可观测的序列来组成异步的、基于事件的程序的库。而kotlin是一门包含很多函数式编程思想的面向对象编程语言，弥补了java缺失的现代语言的特性，与java兼容，并极大的简化了代码，使得开发者可以编写尽量少的样板代码。两者结合实现功能组合优化。35.paas平台：paas(platform‑as‑a‑service：平台即服务)，所谓paas实际上是指将软件研发的平台(计世资讯定义为业务基础平台)作为一种服务，以saas的模式提交给用户。因此，paas也是saas模式的一种应用。paas是位于iaas和saas模型之间的一种云服务，它提供了应用程序的开发和运行环境，为开发人员提供了构建应用程序的环境。paas的出现可以加快saas的发展，尤其是加快saas应用的开发速度。paas之所以能够推进saas的发展，主要在于它能够提供企业进行定制化研发的中间件平台，同时涵盖数据库和应用服务器等。paas可以提高在web平台上利用的资源数量。例如，可通过远程web服务使用数据即服务(data‑as‑a‑service：数据即服务)，还可以使用可视化的api。用户或者厂商基于paas平台可以快速开发自己所需要的应用和产品。同时，paas平台开发的应用能更好地搭建基于soa架构的企业应用。借助于paas服务，能够无须过多的考虑底层硬件，并可以方便的使用很多在构建应用时的必要服务，比如安全认证等。不同的paas服务支持不同的编程语言，比如.net、java、ruby等，而有些paas支持多种开发语言。36.ssh框架：ssh是struts spring hibernate的一个集成框架，是一种web应用程序开源框架。区别于secureshell。集成ssh框架的系统从职责上分为四层：表示层、业务逻辑层、数据持久层和域模块层，以帮助开发人员在短期内搭建结构清晰、可复用性好、维护方便的web应用程序。其中使用struts作为系统的整体基础架构，负责mvc的分离，在struts框架的模型部分，控制业务跳转，利用hibernate框架对持久层提供支持，spring做管理，管理struts和hibernate。37.sqlserver数据库：sqlserver数据库是microsoft开发设计的一个关系数据库智能管理系统(rdbms)，现在是全世界主流数据库之一。38.sqlserver数据库具备方便使用、可伸缩性好、相关软件集成程度高等优势，能够从单一的笔记本上运行或以高倍云服务器集群为基础，或在这两者之间任何东西上运行。尽管说成“任何东西”，可是依然要考虑有关的软件和硬件配置。39.sqlserver应用集成化的商务智能(bi)专用工具提供了企业级的数据管理服务。microsoftsqlserver数据库引擎为关系型数据和结构化数据提供了更可靠安全的存储功能，使用户能够搭建和管理用于业务流程的高可用性和性能卓越的程序。40.api：是操作系统是用户与计算机硬件系统之间的接口，用户通过操作系统的帮助，可以快速、有效和安全、可靠地操纵计算机系统中的各类资源，以处理自己的程序。为使用户能方便地使用操作系统，os又向用户提供了如下两类接口：41.(1)用户接口：操作系统专门为用户提供了“用户与操作系统的接口”，通常称为用户接口。该接口支持用户与os之间进行交互，即由用户向os请求提供特定的服务，而系统则把服务的结果返回给用户。42.(2)程序接口：操作系统向编程人员提供了“程序与操作系统的接口”，简称程序接口，又称应用程序接口api(applicationprogramminginterface)。该接口是为程序员在编程时使用的，系统和应用程序通过这个接口，可在执行中访问系统中的资源和取得os的服务，它也是程序能取得操作系统服务的唯一途径。大多数操作系统的程序接口是由一组系统调用(systemcall)组成，每一个系统调用都是一个能完成特定功能的子程序。43.应用程序接口又称为应用编程接口，是一组定义、程序及协议的集合，通过api接口实现计算机软件之间的相互通信。api的一个主要功能是提供通用功能集。api同时也是一种中间件，为各种不同平台提供数据共享。程序设计的实践中，编程接口的设计首先要使软件系统的职责得到合理划分。良好的接口设计可以降低系统各部分的相互依赖，提高组成单元的内聚性，降低组成单元间的耦合程度，从而提高系统的可维护性和可扩展性。44.saas用户：saas是software‑as‑a‑service(软件即服务)的简称，它是一种通过internet提供软件的模式，厂商将应用软件统一部署在自己的服务器上，客户可以根据自己实际需求，通过互联网向厂商定购所需的应用软件服务，按定购的服务多少和时间长短向厂商支付费用，并通过互联网获得厂商提供的服务。45.saas应用软件的价格通常为“全包”费用，囊括了通常的应用软件许可证费、软件维护费以及技术支持费，将其统一为每个用户的月度租用费。对于广大中小型企业来说，saas是采用先进技术实施信息化的最好途径。但saas绝不仅仅适用于中小型企业，所有规模的企业都可以从saas中获利。46.iaas：iaas(infrastructureasaservice基础设施即服务)是指把it基础设施作为一种服务通过网络对外提供。在这种服务模型中，用户不用自己构建一个数据中心，而是通过租用的方式来使用基础设施服务，包括服务器、存储和网络等。在使用模式上，iaas与传统的主机托管有相似之处，但是在服务的灵活性、扩展性和成本等方面iaas具有很强的优势。47.iaas，最简单的云计算交付模式，它用虚拟化操作系统、工作负载管理软件、硬件、网络和存储服务的形式交付计算资源。它也可以包括操作系统和虚拟化技术到管理资源的交付。48.iaas能够按需提供计算能力和存储服务。不是在传统的数据中心中购买和安装所需的资源，而是根据公司需要，租用这些所需的资源。这种租赁模式可以部署在公司的防火墙之后或通过第三方服务提供商实现。49.它也是虚拟化经常作为云计算的基础。虚拟化从物理底层交付环境中分离资源和服务。通过这种方法，你可以在单一的物理系统内创建多个虚拟系统。虚拟化的驱动因素来自服务器的合并，它可为组织提供效率和潜在成本的节约。50.web：web(worldwideweb)即全球广域网，也称为万维网，它是一种基于超文本和http的、全球性的、动态交互的、跨平台的分布式图形信息系统。是建立在internet上的一种网络服务，为浏览者在internet上查找和浏览信息提供了图形化的、易于访问的直观界面，其中的文档及超级链接将internet上的信息节点组织成一个互为关联的网状结构。51.jdbc：jdbc(javadatabaseconnectivity,java数据库连接)是一种用于执行sql语句的javaapi，可以为多种关系数据库提供统一访问，它由一组用java语言编写的类和接口组成。jdbc提供了一种基准，据此可以构建更高级的工具和接口，使数据库开发人员能够编写数据库应用程序52.java具有坚固、安全、易于使用、易于理解和可从网络上自动下载等特性，是编写数据库应用程序的杰出语言。所需要的只是java应用程序与各种不同数据库之间进行对话的方法。它可以在各种平台上使用java，如windows，macos和各种版本的unix。同时，jdbc库包括通常与数据库使用相关的下面提到的每个任务的api。53.hibernate框架：hibernate是数据访问层框架，对jdbc进行了封装，是针对数据库访问提出的面向对象的解决方案。使用hibernate可以直接访问对象，hibernate自动将此访问转换为sql执行，从而达到间接访问数据库的目的。54.struts框架：struts是一个为开发基于mvc模式应用架构的开源框架，是利用javaservlet和jsp、xml等方面的技术来实现构建web应用的一项非常有用的技术，它也是基于mvc模式的web应用最经典框架。struts定义了通用的controller(控制器)，通过配置文件(通常是struts‑config.xml)隔离model(模型)和view(视图)，以action的概念以对用户请求进行了封装，使代码更加清晰易读。struts还提供了自动将请求的数据填充到对象中以及页面标签等简化编码的工具。struts能够开发大型javaweb项目。55.spring框架：spring是j2ee应用程序框架，是轻量级的ioc和aop的容器框架，主要是针对javabean的生命周期进行管理的轻量级容器，可以单独使用，也可以和struts框架，ibatis框架等组合使用。56.aop：aop(aspectorientedprogramming，面向切面编程)，通过预编译方式和运行期间动态代理实现程序功能的统一维护的一种技术。aop是oop的延续，是软件开发中的一个热点，也是spring框架中的一个重要内容，是函数式编程的一种衍生范型。利用aop可以对业务逻辑的各个部分进行隔离，从而使得业务逻辑各部分之间的耦合度降低，提高程序的可重用性，同时提高了开发的效率。57.hadoop：hadoop是一个分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。58.flume：flume是cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，flume支持在日志系统中定制各类数据发送方，用于收集数据；同时，flume提供对数据进行简单处理，并写到各种数据接受方(可定制)的能力。59.sqoop：sqoop是一款开源的工具，主要用于在hadoop(hive)与传统的数据库(mysql、postgresql等)间进行数据的传递，可以将一个关系型数据库(如mysql,oracle,postgres等)中的数据导进到hadoop的hdfs中，也可以将hdfs的数据导进到关系型数据库中。60.datax：datax是阿里巴巴集团内被广泛使用的离线数据同步工具/平台，实现包括mysql、sqlserver、oracle、postgresql、hdfs、hive、hbase、ots、odps等各种异构数据源之间高效的数据同步功能。61.canal：canal是阿里巴巴的一个开源项目，基于java实现，整体已经在很多大型的互联网项目生产环境中使用，包括阿里、美团等都有广泛的应用，是一个非常成熟的数据库同步方案，基础的使用只需要进行简单的配置即可。canal是通过模拟成为mysql的slave的方式，监听mysql的binlog日志来获取数据，binlog设置为row模式以后，不仅能获取到执行的每一个增删改的脚本，同时还能获取到修改前和修改后的数据，基于这个特性，canal就能高性能的获取到mysql数据数据的变更。62.hdfs：hdfs(hadoopdistributedfilesystem)，是hadoop抽象文件系统的一种实现。hadoop抽象文件系统可以与本地系统、amazons3等集成，甚至可以通过web协议(webhsfs)来操作。hdfs的文件分布在集群机器上，同时提供副本进行容错及可靠性保证。例如客户端写入读取文件的直接操作都是分布在集群各个机器上的，没有单点性能压力。63.hive：hive是基于hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供sql查询功能，能将sql语句转变成mapreduce任务来执行。64.mapreduce：mapreduce是google提出的一个软件架构，用于大规模数据集(大于1tb)的并行运算，它隐含了以下三层含义：65.1)mapreduce是一个基于集群的高性能并行计算平台(clusterinfrastructure)。它允许用市场上普通的商用服务器构成一个包含数十、数百至数千个节点的分布和并行计算集群。66.2)mapreduce是一个并行计算与运行软件框架(softwareframework)。它提供了一个庞大但设计精良的并行计算软件框架，能自动完成计算任务的并行化处理，自动划分计算数据和计算任务，在集群节点上自动分配和执行任务以及收集计算结果，将数据分布存储、数据通信、容错处理等并行计算涉及到的很多系统底层的复杂细节交由系统负责处理，大大减少了软件开发人员的负担。67.3)mapreduce是一个并行程序设计模型与方法(programmingmodel&methodology)。它借助于函数式程序设计语言lisp的设计思想，提供了一种简便的并行程序设计方法，用map和reduce两个函数编程实现基本的并行计算任务，提供了抽象的操作和并行编程接口，以简单方便地完成大规模数据的编程和计算处理。68.spark：apachespark是专为大规模数据处理而设计的快速通用的计算引擎。它是一种与hadoop相似的开源集群计算环境，启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。69.stg层：数据仓库中的缓冲层,主要用来接收源头系统提供的数据。70.ods层：operationdatastore数据准备区，也称为贴源层，是用来存储多个数据源业务数据的系统，其数据用来支持业务流程或者输入到数据仓库中进行分析。数据仓库源头系统的数据表通常会原封不动的存储一份，这称为ods层，是后续数据仓库加工数据的来源。71.dws层：数据服务层(datawarehouseservce)又称数据集市或宽表。按照业务划分，如流量、订单、用户等，生成字段比较多的宽表，用于提供后续的业务查询，olap分析，数据分发等。72.ads层：数据仓库中的数据应用层73.dim层：维表层主要包含两部分数据：高基数维度数据：一般是用户资料表、商品资料表类似的资料表。数据量可能是千万级或者上亿级别。低基数维度数据：一般是配置表，比如枚举值对应的中文含义，或者日期维表。数据量可能是个位数或者几千几万。74.sql：结构化查询语言(structuredquerylanguage)简称sql，是一种特殊目的的编程语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统。75.kafka：kafka是由apache软件基金会开发的一个开源流处理平台，由scala和java编写。kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。这种动作(网页浏览，搜索和其他用户的行动)是在现代网络上的许多社会功能的一个关键因素。kafka的目的是通过hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群来提供实时的消息。76.python：python作为一种计算机编程语言，提供了高效的高级数据结构，还能简单有效地面向对象编程。python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。77.dnn：dnn(deepneuralnetwork，深度神经网络)，是一种前馈人工神经网络，在输入与输出层之间包含了多于一层的隐含层。78.cnn：cnn(convolutionalneuralnetworks,卷积神经网络)是一类包含卷积计算且具有深度结构的前馈神经网络(feedforwardneuralnetworks)，是深度学习(deeplearning)的代表算法之一79.rnn：rnn(recurrentneuralnetwork,循环神经网络)是一类以序列(sequence)数据为输入，在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络(recursiveneuralnetwork)80.gan：gan(generativeadversarialnetworks，生成式对抗网络)是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中(至少)两个模块：生成模型(generativemodel)和判别模型(discriminativemodel)的互相博弈学习产生相当好的输出。81.gnn：gnn(graphneuralnetworks，图神经网络)，是一种直接作用于图结构上的神经网络。gnn的一个典型应用是节点分类,本质上，图中的每个节点都与一个标签相关联，我们希望预测未标记节点的标签。82.app：app(application，应用)，指移动设备(包括平板电脑、手机、和其他移动设备)上的第三方应用程序。83.keras框架：keras是一个位于其他深度学习框架之上的高级api。目前它支持tensorflow、theano和cntk。keras的优点在于它的易用性。这是迄今为止最容易上手并快速运行的框架。定义神经网络是非常直观的，因为使用api可以将层定义为函数。84.tensorflow：tensorflow是一个基于数据流编程(dataflowprogramming)的符号数学系统，被广泛应用于各类机器学习(machinelearning)算法的编程实现，tensorflow拥有多层级结构，可部署于各类服务器、pc终端和网页并支持gpu和tpu高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究85.businessproduct：商业产品，可以广泛投入商业使用。86.olapanalysis：联机分析处理olap是一种软件技术，它使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的。它具有fasmi(fastanalysisofsharedmultidimensionalinformation)，即共享多维信息的快速分析的特征。87.datainterface：数据接口，自动、实时地将成交数据传送给用户，有效提高处理效率。在数据交换中，必须安装硬件驱动程序。88.personalizedrecommendation：个性化推荐，当浏览电商网站和app时，会出现不同的行为，比如长时间停留在某个页面、收集重复产生的行为等，后台会收集这些数据，形成用户画像，然后给出个性化推荐。89.sparkmllib：sparkmllib是spark中的一个可扩展机器学习库，由一系列机器学习算法和实用程序组成。包括分类、回归、聚类、协同过滤等，还包含一些底层优化方法。90.apachekylin：apachekylin是一个开源的分布式分析数据仓库，在hadoop/spark之上提供sql查询接口和多维分析(olap)功能，以支持超大规模数据。最初由ebay开发，并为开源社区做出贡献。91.hbase：hbase是一个分布式的、面向列的开源数据库。该技术源自于faychang撰写的google论文“bigtable:adistributedstoragesystemforstructureddata”。正如bigtable利用google文件系统提供的分布式数据存储一样，hbase在hadoop之上提供类似bigtable的功能。92.nosql：nosql是非关系型数据库的通用术语。随着web2.0网站在互联网上的兴起，传统的关系型数据库已经无法应对web2.0网站，尤其是超大、高并发的web2.0纯动态网站，出现了很多无法解决的问题，而非关系型数据库由于其自身的特点得到了非常迅速的发展。93.sparksql：sparksql是一个用于结构化数据处理的spark模块。与基本的sparkrddapi不同，sparksql提供的接口为spark提供了有关数据结构和正在执行的计算的更多信息。在内部，sparksql使用这些额外的信息来执行额外的优化。94.ml/dlalgorithm：机器学习——使用算法解析数据，从中学习，然后对现实世界的事件做出决策和预测。与传统软件程序通过硬编码来解决特定任务不同，机器学习是用大量数据“训练”的，使用各种算法从数据中学习如何完成任务。95.深度学习(deepleaning)——最初的深度学习是一种使用深度神经网络来解决特征表达的学习过程。但是，由于近年来该领域的快速发展，一些独特的学习方法(如残差网络)被陆续提出，因此越来越多的人将其视为一种单独的学习方法。96.dataprocessing：数据处理，将原始数据转换为机器可读的形式，并由计算机进行后续处理(如存储、更新、重新排列或打印)。97.stom：storm是一个分布式、可靠、无故障的流数据处理系统。它的工作是委托各个组件独立处理简单的任务。98.hadoophdfs：hdfs，简称hadoop分布式文件系统，是hadoop抽象文件系统的实现。hadoop抽象文件系统可以与本地系统、amazons3等集成，甚至可以通过web协议(webhsfs)进行操作。hdfs文件分布在集群机器上，并提供副本以实现容错和可靠性保证。比如客户端读写文件的直接操作是分布在集群机器上，不存在单点性能压力。99.请参见图1至图4，一种基于大数据的农业社交智能服务系统，该系统建立在云服务paas平台上，其包括均通过云服务paas平台交互数据的数据采集系统、数据存储及计算系统、数据分析系统及应用系统；数据采集系统包括结构化数据实时采集系统和非结构化日志数据实时采集系统；数据存储及计算系统包括hadoop分布式计算平台；数据分析系统包括用于对从生产到销售的各个农业相关环节进行预测的机器学习模型；应用系统包括社交系统、信息服务系统、网络销售系统和农场管理系统；社交系统用于农业相关群体间的信息交流；信息服务系统用于展示农业相关信息；网络销售系统用于农业相关产品网络销售；农场管理系统用于跟踪管理农产品的生长。100.进一步地，可将协同过滤、决策树、支持向量机、贝叶斯分类、集成学习和/或聚类算法，与dnn、cnn、rnn、gan和/或gnn神经网络相结合构建机器学习模型。101.进一步地，可采用基于tensorflow的keras框架搭建机器学习模型。102.进一步地，hadoop分布式计算平台可包括hive数据仓库、mapreduce模块及spark模块；hive数据仓库可用于存储农业相关数据，其可包括依次连接的stg层、ods层、dws层、ads层及dim层；mapreduce模块可用于面向用户提供基于sql离线数据的周期性数据分析；spark模块可用于提供基于内存的数据处理和数据分析。103.进一步地，还可包括开发支持系统，开发支持系统可包括sqlserver数据库、kotlin与rxjava框架及ssh框架；sqlserver数据库用于数据管理；该系统可设置客户服务器和管理服务器；kotlin与rxjava框架及ssh框架可用于同时搭建客户服务器和管理服务器的系统架构，构成依次连接的数据存储层、服务层、接口层及展现层；客户服务器可为移动终端。数据存储层用于数据存储；服务层用于数据处理；接口层用于展现层与数据存储层、服务层的连接；展现层用于向用户提供一种交互式的操作页面，其展示数据并接收用户输入数据。104.请参见图2。其中，数据存储层实现对数据的保存和读取操作；服务层包含了系统所需要的所有功能上的算法和计算过程,是系统的核心部分；接口层负责将展现层(即前端)和后端连接起来，设计接口用于统一规范；展现层为用户提供一种交互式的操作页面，是用户和系统交流的桥梁，用于数据展示并接收用户数据。105.进一步地，结构化数据实时采集系统可包括卫星遥感系统，卫星遥感系统可基于地理信息和卫星定位系统，可用于实时监测农田面积和农产品的精细生长。106.进一步地，社交系统可包括社交广场模块和社区模块；社交广场模块可包括直播模块、动态分享模块、即时通讯模块；社区模块可包括互动问答模块、社区活动模块、管理组织模块、社区红人模块；直播模块可用于生活和生产视频分享与直播；动态分享模块可用于动态内容分享，动态内容可分为推荐内容与好友内容两部分；即时通讯模块可用于用户间互相发送消息，进行即时通讯；互动问答模块可用于用户在社区内提问并描述具体问题，可同时对自己了解的问题进行解答；管理组织模块可用于将具有相同兴趣或属于相同组织的用户聚集在一起；社区活动模块可用于由平台组织或用户自发开展线上与线下的社区活动；社区红人模块可通过对用户的社区活动及互动问答的行为进行积分，可通过积分定期推选出社区红人。107.进一步地，网络销售系统可包括交易平台模块；交易平台模块可包括采购商品模块、发布需求模块、物流合作模块及市场分析模块；采购商品模块可用于呈现农产品、农资、劳务及加工的信息；发布需求模块可用于呈现用户采购需求信息，其通过数据分析与智能计算进行精确匹配，将购买需求智能地投送给对应用户，实现交易双方的对接；物流合作模块可用于销售方选择物流合作方进行配送；市场分析模块可用于对市场动向进行准确预测，来指导农户生产活动与农资商投资交易行为；其可包括商机分析、价格分析、产地情报、热门行情四大子模块。108.进一步地，信息服务系统可包括资讯模块、知识图谱模块、个性化推荐模块、专家在线模块、农业天气模块；资讯模块可用于发布官方发布信息、法律信息、市场信息、风险规避信息、地区明星产品信息，以及土壤检测信息、病虫害预警、自然灾害预警、产量预估、农产品回溯等；知识图谱模块可为存储知识实体与实体之间关系的结构化网络，可用于帮助描述、理解现实世界的事物及其相互关系；个性化推荐模块可用于根据数据分析系统提供的数据，与用户需求进行匹配，并根据匹配结果进行推荐；专家在线模块可用于提供专家与用户间的交流平台；农业天气模块可采用气象追踪与侦测方法，可用于提供下一阶段的农业气候预报。109.进一步地，农场管理系统可包括依次连接的生产记录模块、智能分析模块、个性化专家指导模块；生产记录模块可用于根据农民提供相关的原始种植数据和农田基本指标，基于卫星定位系统，将采集的对应农民所处位置的农作物生长状况数据进行记录；智能分析模块可基于对农产品的生长情况跟踪记录及以往积累的数据，通过神经网络对农作物的生长状态及生长趋势进行预测分析；个性化专家指导模块可根据智能分析模块的分析结果，找出用户农务活动的个性特征，结合系统内已有的农业知识图谱，及与平台存在合作关系的专家针对常见问题的答疑，进行个性化的专家匹配与意见指导。110.下面结合本发明的一个优选实施例来进一步说明本发明的结构及工作原理：111.本发明为一种基于大数据的农业社交智能服务系统，该系统建立在云服务paas平台上，其包括通过云服务paas平台交互数据的数据采集系统、数据存储及计算系统、数据分析系统及应用系统；本发明在构建基本的系统框架基础上，主要采用kotlin rxjava框架、云服务paas平台、ssh框架、sqlserver数据库以及智能硬件等技术形式进行开发。在具体功能实现上，以大数据技术为技术特色，发挥以人工智能为基础的技术优势。112.1、系统框架构建113.如图2所示，系统框架图主要由“数据存储层”、“服务层”、“接口层”、“展现层”组成，各层之间包含各个功能模块的连接与实现。同时搭建客户服务器和管理服务器两部分,管理服务器支撑客户服务器的运行和使用，确保系统提供正常稳定的服务，维护系统的日常运营，以达到最终目标展现效果。114.2、系统开发115.如图3所示，系统开发主要采用kotlin rxjava框架、云服务paas平台、ssh框架、sqlserver数据库以及智能硬件等技术形式。以实现系统功能为目标，完成数据库、客户端、后台管理等相关开发实施过程，并且通过专业研发检测、定点实验等开发检测工作，保证系统开发的效率与质量，从而提供稳定和保障的服务。116.2.1kotlin rxjava框架117.kotlin是一个基于jvm的新的编程语言，由jetbrains开发。与java相比，kotlin的语法更简洁、更具表达性，而且提供了更多的特性。kotlin是使用java开发者的思维被创建的，对java开发者来说，kotlin是非常直觉化的一种前沿的开发框架。118.2.2云服务paas平台119.运用此平台将软件研发的平台作为一种服务，以saas的模式提交给用户。paas能将现有各种业务能力进行整合，向下根据业务能力需要测算基础服务能力。通iaas提供的api调用硬件资源，向上提供业务调度中心服务，实时监控平台的各种资源，并将这些资源通过api开放给saas用户。这种“平台级”服务能够保证支撑saas或其他软件服务提供商各种应用系统长时间、稳定的运行。有了paas平台的支持，web应用的开发变得更加敏捷，能够快速响应用户需求的开发能力，也为最终用户带来了实实在在的利益。120.2.3ssh框架121.ssh框架由hibernate、spring等轻量级框架整合形成，hibernate框架在完成对jdbc封装的基础上提供多种缓存机制，可面向数据对象的存储和控制；struts框架技术可体现mvc模式的核心理念，利用actionmapper等组件接收过滤用户请求并返回处理结果；spring框架以aop为基本思想，以依赖注入为核心理念。利用ssh框架能够大大节省开发人员的工作量，提升系统开发的效率。122.2.4sqlserver数据库123.sqlserver数据库具有强大的引擎优势，擅长于数据分析，适用于本系统的数据管理任务。sqlserver数据库具有灵活分布存储空间并挖掘数据潜在价值等特性，广泛应用于系统数据管理领域。124.3、大数据分析技术125.如图1所示，本发明采用的大数据分析技术主要包含“数据采集系统”、“数据存储与分析系统”、“应用系统”三个层次。126.3.1数据采集127.面向用户‑平台交互数据流，使用flume、sqoop、datax等技术手段实现前期系统的数据采集与传递工作。采用实时数据采集的方式，采集的工具主要包括canal结构化数据实时采集和flume非结构化日志数据实时采集。128.3.2数据存储与分析129.采用hadoop分布式计算平台，并运用hadoop框架的核心设计：hdfs和mapreduce。其中，hdfs为海量的数据提供了存储，而mapreduce则为海量的数据提供了计算。130.其中，主要使用hive作为海量农业相关数据的数据仓库，该数据仓库采用分层模型进行建设包括stg层、ods层、dws层、ads层及dim层。同时，使用分布式发布订阅消息系统kafka进行信息吞吐。采用两种编程模型以适用不同的应用，其中mapreduce模型提供海量数据离线周期性分析，面向用户提供了基于sql快速离线分析的hive工具；spark编程模型提供适合基于内存快速数据处理和数据分析。131.在此框架基础上，我们进一步引入人工智能分析技术，选择python成为构建机器学习、深度学习模型的语言，利用前期收集的农业相关的海量数据，对现实的应用场景进行建模与代码撰写。python具备代码可读性强、易于访问、更专注于科学计算以及具有强大的依赖库和全面的工具包。这都使得模型的开发设计变得更加方便快捷。132.系统大数据分析功能将传统机器学习算法(协同过滤、决策树、支持向量机、贝叶斯分类、集成学习、聚类等)与深度学习算法相结合(dnn、cnn、rnn、gan、gnn等)。基于数据以及农业特定场景的特征，构建不同的网络连接方式，基于收集的海量农业细粒度数据，进行数据预处理、特征提取、特征转换以及预测等流程处理，从而通过学习算法，让所构建的人工智能模型自动学习出成熟的特征表示(从底层特征，到中层特征，再到高层特征)，最终提升预测模型的准确率。将预测模型应用于app不同的功能使用场景中(交易推荐、生产预测、智能分析等)，从而达到app智能服务的目的，让大数据人工智能技术赋能农业生产中各个环节的升级。133.具体地，大数据分析技术所用的深度学习模型采用keras框架搭建。keras是一个用python编写的高级api，它提供了一个简单和模块化的api来创建和训练神经网络，同时也隐藏了大部分复杂的细节。系统采用基于tensorflow的keras框架实现深度学习模型的构建。134.3.3系统应用135.利用上述构建模型去实现相关的市场预测、智能分析、个性化推荐、知识图谱构建与应用等相关智能化功能。136.1、系统用户身份定义137.由于本系统以农业生产链、供应链等整个农业系统为目标覆盖范围，目标对象众多，包括农民、农资商、销售商、加工商等销售链参与者，同时也涉及物流方、农业专家等合作对象。据此，为了避免功能过于繁杂而导致使用者操作不便，本系统根据产品使用者的不同，建立基础模块与可选附加功能板块，对产品功能进行细致分类。根据系统使用者在进行用户注册时选择的身份，系统会自动推荐与其身份相匹配的功能模块；同时，使用者也可根据自身的不同需求，选择相应的功能模块。而系统用户身份主要有：138.(1)农民：从事种植业、畜牧业、林业、渔业等农业领域生产活动，对社交需求与农业技术知识普及需求较高，是平台的主要用户群体。其可通过平台进行直播、发布动态、互动问答和参与社区活动等各种社交活动，同时又可通过本系统获得大量农业信息与智能服务，进行知识学习与生产调整。139.(2)农资商：农资是农业生产资料的简称，指应用于农作物生产，以保证农作物生产过程顺利进行的各类物质材料。农资商销售产品范围包括化肥、农药、种子、农膜、农业机械等。其通过本系统可充分了解农产品种植市场信息，并结合最新的市场情况生产符合市场需求的农资产品；通过商城可获得大量交易订单，主动与平台推荐农户沟通合作，有利于打造长期品牌影响力。140.(3)采购商：主要包括农业供应链终端如餐饮业等各相关行业采购机构或代理人以及个体家庭需求采购者等。其可通过商城模块进行所需商品的采购，也可以发布采购需求。141.(4)加工厂：包括农产品初加工、食品深加工等农产品加工链相关机构或代理人。其可以在系统的商城模块发布加工服务，系统也可以为其智能推荐需要加工的农产品。142.(5)物流方：农产品物流，特别是生鲜农产品的冷链物流等相关物流合作方。当其与本平台达成合作后，本系统会智能为每一个农产品匹配合适的物流链，使其获得大量稳定的物流订单。143.(6)农业专家：为平台各用户提供各种技能和知识服务的专业人员，以及解决实际问题的专家，包括农业专家、农技师、农艺师、律师等。其加盟平台后通过回答提问者的问题、提供技术服务或咨询服务，可提高自身知名度，甚至获得一定的报酬。144.2、系统功能模块145.如图4所示，本发明的应用系统主要包括社交系统、信息服务系统、网络销售系统和农场管理系统：其中：146.社交系统包括社交系统包括社交广场模块和社区模块；社交广场模块包括直播模块、动态分享模块、即时通讯模块；社区模块包括互动问答模块、社区活动模块、管理组织模块、社区红人模块；直播模块用于生活和生产视频分享与直播；动态分享模块用于动态内容分享，动态内容分为推荐内容与好友内容两部分；即时通讯模块用于用户间互相发送消息，进行即时通讯；互动问答模块用于用户在社区内提问并描述具体问题，同时对自己了解的问题进行解答；管理组织模块用于将具有相同兴趣或属于相同组织的用户聚集在一起；社区活动模块用于由平台组织或用户自发开展线上与线下的社区活动；社区红人模块通过对用户的社区活动及互动问答的行为进行积分，通过积分定期推选出社区红人。147.网络销售系统包括交易平台模块；交易平台模块包括采购商品模块、发布需求模块、物流合作模块及市场分析模块；采购商品模块用于呈现农产品、农资、劳务及加工的信息；发布需求模块用于呈现用户采购需求信息，其通过数据分析与智能计算进行精确匹配，将购买需求智能地投送给对应用户，实现交易双方的对接；物流合作模块用于销售方选择物流合作方进行配送；市场分析模块用于对市场动向进行准确预测，来指导农户生产活动与农资商投资交易行为；其包括商机分析、价格分析、产地情报、热门行情四大子模块。148.信息服务系统包括资讯模块、知识图谱模块、个性化推荐模块、专家在线模块、农业天气模块；资讯模块用于发布官方发布信息、法律信息、市场信息、风险规避信息、地区明星产品信息；知识图谱模块为存储知识实体与实体之间关系的结构化网络，用于帮助描述、理解现实世界的事物及其相互关系；个性化推荐模块用于根据数据分析系统提供的数据，与用户需求进行匹配，并根据匹配结果进行推荐；专家在线模块用于提供专家与用户间的交流平台；农业天气模块采用气象追踪与侦测方法，用于提供下一阶段的农业气候预报。149.农场管理系统包括依次连接的生产记录模块、智能分析模块、个性化专家指导模块；生产记录模块用于根据农民提供相关的原始种植数据和农田基本指标，基于卫星定位系统，将采集的对应农民所处位置的农作物生长状况数据进行记录；智能分析模块基于对农产品的生长情况跟踪记录及以往积累的数据，通过神经网络对农作物的生长状态及生长趋势进行预测分析；个性化专家指导模块根据智能分析模块的分析结果，找出用户农务活动的个性特征，结合系统内已有的农业知识图谱，及与平台存在合作关系的专家针对常见问题的答疑，进行个性化的专家匹配与意见指导。150.具体说明如下：151.1、社交系统152.1.1社交广场模块153.1.1.1直播模块154.直播模块使用户可以进行生活和生产视频分享与直播，相对于现有的功能繁多且内容混杂的直播平台而言，本平台致力于打造一个专属于农业领域的直播社交圈，主要功能为即时互动评论、转发、点赞、关注、将同一直播间内的用户添加为好友等社交功能，并在直播插入跳转到购买页面、活动页面等入口。155.农户可以在直播模块上展示农村日常生活、乡村自然风景，可深入发掘农业农村的生态涵养、休闲观光、文化体验等多种功能和多重价值，形成新的消费热点。农民通过分享生产视频或农产品视频，能够很好地让购买方了解产品的真实情况，帮助农民拓展农产品销售渠道。此外，该模块还有以打赏的形式租赁耕地的功能，租赁耕地的观众可以指定耕地上种植的应季作物，需定期通过打赏小礼物的形式让农民浇水、施肥、除草等，等农作物成熟，农民会将农产品邮递到消费者手上。156.农资商可以通过直播讲解技术、介绍产品、定制全程解决方案，可以把技术、产品、企业信息和销售政策等介绍给观众，挖掘潜在客户资源，提高销量的同时形成一定数量上固定的粉丝客户。157.科研院校、企业可以通过在线直播平台，邀请专家进行线上农技的讲授，实现与农户以及客户的直接沟通与远程指导。此外，直播的形式使农业产业新技术、新产品、新品种的展示更加便利，开启网络“云逛会”，足不出户即可逛遍全场。158.1.1.2动态分享模块159.动态分享模块可使用户分享动态内容，动态分享内容分为推荐内容与好友内容两部分，推荐内容主要是平台根据用户在平台积累的数据智能挖掘用户所在社交网络信息，为用户个性化推荐相关社区、用户的动态分享。好友内容只显示已经添加为好友的用户发布的动态或提问。该模块功能主要包括图片、视频、文字的编辑、查看、分享与转发、点赞与评论。160.1.1.3即时通讯模块161.用户间互相发送消息，进行即时通讯，同时也支持视频通话、语音通话、位置分享、名片分享等功能。多个好友可以共同建立社群进行群内的交流。与社区不同的是社群功能只能在好友身份下才能形成，有助于一些关系更为亲近的好友，如同一农户家庭建立起社群方便日常沟通等。同时该模块也能够进行好友的管理，添加、删除好友，设置好友权限等。162.1.2社区模块163.社区模块可建设一个反映真实社交网络的社区。由于农业各方的社交关系具有很强的固定性，例如在同一村庄的农民，往往长期内不会进行地区和身份的改变，流动性较小；而农民、农资商、采购商、加工商等各方也具有十分固定的经济关系，因此基于这种强且固定的社交关系能够充分发挥社交网络上各方参与的积极性与平台的稳定性。而由于农业生产的社会化程度非常有限，农民在生产活动中接触交往的机会不多，生产活动本身也无法承载农民对于相互接触与交往沟通、构建稳定纽带关系的需求。此外，在农产品销售过程中，农民往往处于信息不对称的弱势一方，所能接触到的农资商、采购商、加工商等及其相关信息也十分有限。而通过本平台，农民、农资商、采购商、加工商等各方能够通过社区连接起来，进行信息的公开与共享，实现零距离的真实交流，扩大社交范围，解决了上述问题。社区分为根据用户所在地区划分的地区性社区与根据用户所处领域划分的领域性社区。除了具有社区成员动态分享功能外，该模块还包括如下模块。164.1.2.1互动问答模块165.用户在社区内可以提问并描述具体问题，也可以对自己了解的问题进行解答。社区用户在浏览搜寻问答时，通过与回答者或其他用户的互动来减少不确定性，支持决策；回答者可通过积极、高效的互动建立起信任，也可以从其他用户的问题经验中学习。依靠问答互助汇聚群众智慧，提升用户知识共享的积极性，形成“问答”与“社交互动”相结合的社区。而由于同一社区的用户属于相同的领域或地区，用户关注的很多问题往往是相同的，使知识共享的可能性和可信度变得更大。此外，在互动问答板块中分不同的栏目，如生活问答、技术问答等，同时推荐一些精彩回答，能够帮助用户更加快速准确地获得自己所需的信息。166.1.2.2管理组织模块167.社区内可以创建组织、兴趣圈等，将具有相同兴趣或属于相同组织的用户聚集在一起，有助于进一步构建用户社交网络；在每个组织或兴趣圈中，通过标签表示成员的身份，如组织负责人等，形成组织谱图；含有如包厢、开会、生产技术、生产数据、业绩分析等多种小程序，和如一起k歌、打砖块等小游戏，圈主或管理员可以根据组织内部活动的需要自行选择添加并供成员使用；同时还会显示组织目前正在进行的活动，方便成员了解组织现状，促进参与。168.1.2.3社区活动模块169.由平台组织或用户自发开展线上与线下的社区活动：如线下经验交流会、产品鉴赏会等。社区内的成员可以自愿参与。170.1.2.4社区红人模块171.用户进行社区活动、互动问答等行为会积累一定的积分，通过积分可以定期推选出社区红人，进行一定的奖励，从而提高用户参与度，有助于增加客户粘性并打造明星用户。172.2.网络销售系统173.网络销售系统为用户呈现农产品及相关可以准确记录交易额等交易信息，实现市场管理的信息化，解决目前农蔬市场管理的零散化问题，促进商品的流通，规范市场秩序，提高效率。主要分为以下小模块：174.2.1.采购商品模块175.采购商品模块呈现农产品、农资、劳务、加工等商品与服务相关信息，具体包括以下信息：商品信息、供应方信息、供应方信誉、产地、销量等，同时还设置了专门的版块显示社区成员、好友、附近用户发布或分享的商品信息。在商品详情页面还有私聊与立即下单购买等功能。176.2.2发布需求模块177.发布需求模块呈现用户采购需求信息，包括需要采购的商品信息以及采购人信息。用户可以根据需要发布自己的购买需求，平台会通过数据分析与智能计算进行精确匹配，将购买需求智能地投送给对应用户，实现交易双方的对接。178.2.3物流合作模块179.农民或农资商家可以在此模块为自己的商品选择物流合作方进行配送。同时平台也会智能地向双方推荐合适的合作方。180.2.4市场分析模块181.市场分析模块通过平台积累的数据，分析挖掘交易量等信息，得出其动态变化规律，利用算法与模型对市场动向进行准确预测，有效指导农户生产活动与农资商投资交易行为。主要内容包括商机分析、低价分析、产地情报、热门行情四大板块。182.3信息服务系统183.集中呈现最新咨询信息、农业新闻、农业补贴、政策信息等，并提供搜索个性化推荐和快速导航功能，为用户提供平台内各项信息查询、知识学习、互动交流等功能的入口。184.3.1资讯模块185.资讯模块能够转发、评论与点赞各种资讯，其主要内容包括：186.(1)官方发布信息：与政府相关部门形成合作，第一时间发布最新农业政策、文件等；187.(2)法律信息：与律师和政府合作进行农业法律知识的普及；188.(3)市场信息：市场主流品种的分析及介绍；189.(4)风险规避信息：发布规避风险的农业知识，如病虫害防治等；190.(5)地区明星产品信息：农资商可以向后台投稿，发布市场信息、农资广告等信息。191.3.2个性化推荐模块192.个性化推荐模块基于智能学习算法等技术建立，强调推荐的多向性与全面性，即不局限于对农民生产或买卖双方的推荐，还包括对物流方、加工厂等供应链中间环节提供匹配与推荐服务，并通过为所有身份的用户搭建自由交流的社交网络、安全可靠的线上交易平台，实现了从匹配推荐到成功交易、从运输加工再到最终销售的一站式、全流程农业供应链服务。平台用户可选择使用匹配推荐功能，精准展开相关业务。193.(1)推荐交易对象：本系统构建了将农业供应链参与者聚集于同一个平台的社交网络，形成农业社区中心，为用户提供了与农业供应链其他环节的参与者进行交流、商谈的机会。在此功能下，平台运营后会积累大量的交易数据及交易记录，系统可通过大数据挖掘分析、神经网络学习、云计算系统框架等模型及算法，确定用户的主次要消费特征及消费倾向，如某一物流运营者更偏向于运输从黑龙江到四川的谷物作物，并以铁路运输为主，路线灵活性较差；某一加工厂擅长处理棉花作物；某一农资商在北方具有较大的面食销售市场等类似信息。通过线性规划、工业流程图分析等运筹最优算法模型，可将具有相似特征，并在农业供应链上处于不同环节的用户进行对接、组合，以形成整条供应链的最佳推荐方案，实现各个环节所有参与者的高效运营与流转，降低了不对称信息与不必要的试错导致的多余成本，最终提高农业的整体水平。194.(2)推荐种植或养殖的产品及方法：根据农民当前的生产种植状态，可将本项目平台的农民用户分为两大类，一是初入农业还未开始生产，或是已完成上一期的生产，还未进行下一期的生产的农民，另一类是处于生产种植过程中的农民。针对上述两类农民，系统给予了不同的推荐方式。195.针对第一类农民，系统以分析用户所处的环境，包括土壤、水质、气候等自然条件，当地经济发展情况、社会偏好、消费者市场分布、交通运输等社会经济因素，以及土地面积、土地对应劳动人口数量、用户资金状况等个人信息，运用赋权法、成分分析等评分方法，选出最适合该用户生产的几种农产品类型，并给出种植这些农产品的理由及未来发展趋势预测，为用户决策提供依据。196.针对第二类农民，系统以推荐种植、养殖方法为主，同样选取自然、社会经济、个人三方面的因素进行分析，通过数据挖掘，在平台内部农业知识图谱中搜寻最适用的生产方法，并提供相关方法的详细做法步骤，及预测出的实施该方法后可带来的绩效的提升。197.(3)推荐发展方案：由于平台目标用户身份的多样性，本项目搭建的农业社交网络可类比于农业交易市场，经过了前期的交易数据和记录的积累后，结合气候等自然生态条件，以及农业政策、农业经济发展的大方向，系统能够自动根据已有信息对农业市场未来发展方向和发展趋势进行预测，并不断进行调整，分析出各个农产品的市场供需情况、当前市场的热门产品等，为所有用户的未来发展规划提供客观数据指标以及战略意见，并经过智能计算权衡多项方案利弊，最终实现最佳发展方案的推荐，利用客观、专业数据减少用户的生产运营风险。198.3.3知识图谱模块199.知识图谱模块是一种知识库，本质是一个存储知识实体与实体之间关系的结构化网络，可以帮助形式化描述、理解现实世界的事物及其相互关系。平台各项功能的正常运行，包括农产品推荐、智能分析等，都以知识图谱模块为基础农业知识来源，因此，农业知识图谱的专业性与全面性是整个平台稳定、高效运营的必要基础。平台的农业知识图谱由系统自动搭建而成，在创建初期，知识图谱模块主要通过挖掘现有网络、书籍及市场上的农业信息，结合通过遥感系统等技术自主采集的数据，通过数据分析、知识计量和聚类分析等方法，对搜集到的异构、非标准的数据进行分类、梳理、整合，绘制农业知识各方面的联系、平衡与动态发展规律，形成系统的、条理性强的农业知识图谱框架，并在此框架的基础上，根据各类运营实际状况、平台专家的建议、最新研究成果等，不断完善、扩大农业知识图谱框架，使之无限逼近与饱和状态，构建具有平台专属的特色农业知识图谱，为更好地提供一系列精准、高效的服务提供客观知识基础。200.3.4专家在线模块201.专家在线模块是一个专家与用户的交流平台，相关行业的农业专家加入平台，通过本系统为用户提供各类农技咨询，包括视频诊断等功能。用户可以直接在平台提出问题，邀请某位专家或律师回答，也可以查看其他用户所提出的问题及答案。202.3.5农业天气模块203.农业天气模块主要针对农民展开，运用先进的气象追踪与侦测技术，提前对农民提供下一阶段的农业气候报告。与一般的气候报告不同，农业天气模块提供的农业气象不仅包括温度、降雨等基本情况，还对在此天气下相应农产品的种植养殖注意点进行了列举并给予提醒。此外，若未来将有对农产品种植养殖产生重大影响的自然现象发生，系统将提前数天进行每天重复提醒，直到用户确认收到该提醒的通知。此功能模块避免了部分农民由于对自然气象与农业之间的关系了解不足而导致的生产损失，对提高农业产出率具有积极作用。204.4农场管理系统205.农场管理系统针对农民展开，主要用于记录农产品在不同时间段的生长状况，以系统自动计算并记入为主、的工作量。此外，综合考虑电子产品在农村发展的局限性、部分使用者对以电子产品为载农民手动修改并记录为辅，不仅保证了记录数据的可信度与真实性，也大大减少了农民体的app软件的陌生性，以及农民由于忙于农务活动而缺乏充足的时间及耐心等现实因素，此模块将通过智能分析呈现，根据每个农民注册时上传的实地照片和具体描述，系统将自动进行智能分析，为每个使用者打造个性化、独特的模拟仿真农田，以3d的形势展现，更加直观、清晰地反应了农作物等农产品的生长种植情况，为农民提供了便利。206.2.5.1生产记录模块207.生产记录模块以自动计算分析并记入为主，农民手动修改为辅，在保证了记录准确性和全面性的同时，也大大减少了农民的工作量，并通过精确数据的获取与多方进行合作，扩大项目的适用对象，实现了效率和效果的高度结合。208.(1)自动记录：遥感技术监测 物联网209.自动记录的实现以农民提供相关的原始种植数据和农田基本指标为基础，结合农民所处的地理位置，运用遥感技术对农作物或其他产品的生长状况进行监测，实时地在系统上进行反馈，农民登陆app软件即可全面了解作物生长情况；不仅如此，农民可据此得知一些难以通过普通仪器测量得出的数据与结论，从而更加全面的了解农作物生长种植情况，及时发现并避免生产风险。此外，运用物联网技术，将田地基础设施与系统相连，如灌溉、施肥、松土等设备，不仅能够大幅度减少农民工作量、实现精细化定量运作，同时也将各项生产数据上传至系统终端，基于大数据实现生产状况的自动智能记录、计算及分析。210.此外，通过遥感及物联网技术获取的大量数据不仅对农民的生产活动提供了技术指导与支持，也为与各级政府的合作奠定了设备、数据基础，解决政府土地流转监管成本过高、难以预防耕地“非农”风险的问题，帮助农技部门进行涉农数据的精确统计，使政府更加直接地观测本地农业发展，全面、深入地了解本地农务状况，并通过大数据对比、云计算等智能分析做出更贴近实际的政策决定与财务计划，促进当地农业迅速发展。211.(2)手动记录212.手动记录即农民自主记录，主要分为两个方面。首先，农民根据系统提示进行初始数据的上传，包括农田基本指标，如大致尺寸、地理环境及特殊特征、种植农作物种类及数量、土地对应劳动人口数量等，便于系统进行自动精准测算；其次，在农民注册完成、系统开始自动计算分析的过程中，如果发生超出现有技术测算范围的事件，如特大自然灾害、农作物或肥料种类的改变、政策的变更、突发人为事件等，或是农民在使用过程中发现平台数据与真实情况不符，出现偏差，可对其进行手动调整修改，系统将自动分析用户修改的指标数值的合理性，并重新进行测算。213.2.5.2智能分析模块214.在对农产品的生长情况进行一段时间的记录后，智能分析模块会结合已经积累的大数据，对农作物的生长状态及生长趋势进行智能分析，主要从以下四个方面展开。首先，根据本项目自主搭建的农业知识图谱与专家指导系统，将作物的相关指标与现有的一般性农业指标标准对比，进行农作物的基本生长指数评估；其次，将农产品的各项指标进行纵向同期的时间序列分析，将同一用户历年的农产品种植情况进行对比，直白地反应种植收益变化趋势；此外，将具有相似特征的农产品种植情况进行水平截面分析，与外界对比能够促使用户不断对生产方式和技术等进行改进；最后，平台采用机器学习等完善的智能算法框架，对未来一定时间内农作物的生产状况进行预测，及时计算出产量在各种可能情况下的预测值，便于用户对不确定事件做好预防，规避风险，也使得用户能够根据预测值与农资商、销售端等的贸易洽谈，提前做好销售规划。215.2.5.3个性化专家指导模块216.此功能模块在系统对用户农产品生长状况进行智能分析后展开，根据智能分析的结果，找出用户农务活动的独特特征，及其中存在或可能存在的问题及风险，结合系统内已有的农业知识图谱及与平台存在合作关系的专家针对常见问题的答疑，系统将进行个性化的专家匹配与意见指导。此功能基于大量真实可靠的数据，结合云计算等先进算法技术，具有较强的准确性。217.此外，上文提及的遥感技术不仅可以用于种植数据的记录，同时也对种植土壤进行监测，构建土壤检测中心数据库，随时观测土地状态及变化趋势，根据土壤特性对种植提出意见，也避免了不合理的种植造成对土壤的伤害。218.综上，本系统基于大数据中心，以自主搭建的农业知识图谱和合作专家为专业知识来源，运用遥感、深度学习、云计算等先进的智能算法框架，构建了一个能够提供病虫害等多种自然灾害的预警及指导、土壤检测、产量预估、个性化生产策略指导、农产品回溯、个性化全模拟仿真农产等多项功能的专家指导系统。219.以上所述的实施例仅用于说明本发明的技术思想及特点，其目的在于使本领域内的技术人员能够理解本发明的内容并据以实施，不能仅以本实施例来限定本发明的专利范围，即凡本发明所揭示的精神所作的同等变化或修饰，仍落在本发明的专利范围内。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
