一种可视化智慧农业大数据分析管理系统及方法与流程

1.本发明涉及智慧农业领域，具体涉及一种可视化智慧农业大数据分析管理系统及方法。


背景技术：

2.智慧农业是农业中的智慧经济，或智慧经济形态在农业中的具体表现。但就目前而言，农业管理人员通常只能在云端抓取农业资讯和农产品消费链大数据进行查看，并不能结合大数据与当地的气候环境等因素确立相应的种植管理方案。因此，本发明提出一种可视化智慧农业大数据分析管理系统及方法用以克服上述的问题。


技术实现要素：

3.针对现有技术中的缺陷，本发明提供一种可视化智慧农业大数据分析管理系统及方法
4.为实现上述发明目的，本发明的技术方案如下：
5.一种可视化智慧农业大数据分析管理方法，包括如下步骤：
6.s1：获取历史农业数据信息，并对历史农业数据信息进行预处理，形成原始农业数据样本集，建立农业数据分析模型，将原始农业数据样本集输入至农业数据分析模型进行训练，得到完成训练的农业数据分析模型；
7.s2：获取当地的农业数据信息，将当地的农业数据信息上送至完成训练的农业数据分析模型内进行计算，得到当地农业数据的分析结果，其中，当地的农业数据信息包括当地气象数据与当地土壤数据；
8.s3，将农业种植区域划分为多个子区域，并根据当地农业数据的分析结果选择相应的农作物进行种植，在完成农作物的种植周期后，采集各个子区域农作物的产量数据，获得农作物的总产量；
9.s4，将农作物总产量上传至云端服务器，并选择对农作物有相应需求的供应商完成供货。
10.优选的，步骤s1中所述的对历史农业数据信息进行预处理，其中包括数据清洗、格式转换、字段映射、数据提取；
11.所述数据清洗，用于对历史农业数据信息中的错误项、缺失项与重复项进行数据清洗；
12.所述格式转换，用于将清洗后的历史农业数据信息转换成统一格式；
13.所述字段映射，用于将格式转换后的历史农业数据字段映射为标准字段；
14.所述数据提取，用于对字段映射后的历史农业数据信息进行提取。
15.优选的，所述步骤s3，具体步骤如下：
16.s31：将农业种植区域划分为多个子区域；
17.s32：根据当地农业数据的分析结果、子区域的面积以及相应农作物成熟后的体
积，得到子区域内农作物的种植数量，并进行种植；
18.s33，实时获取各个子区域农作物的土壤肥力，并根据农作物的种植周期所需肥力的不同，通过水肥设备对肥力不足的子区域进行补充；
19.s34：实时获取各个子区域农作物的状态信息，并对各个子区域的农作物进行状态信息进行分析，在设定的采集时长之内，若子区域内存在农作物生长状态低于农业种植区域农作物的平均生长状态时，判断该农作物为生长不良，对该农作物进行处理，其中状态信息的获取包括图像采集与传感器采集；
20.s35：在完成农作物的种植周期后，采集各个子区域农作物的产量数据，获得农作物的总产量，根据农作物的总产量获取农业种植区域农作物的平均产量，并对各个子区域农作物的产量数据进行分析，若存在子区域农作物产量低于农业种植区域农作物的平均产量，对该子区域农作物进行调节，完成对农作物的种植管理。
21.优选的，所述步骤s34中各个子区域农作物的图像信息在进行分析前，会先进行图像预处理，
22.其中，图像预处理依次为图像灰度化、图像去噪；
23.所述图像灰度化的数学表达式为：
[0024][0025]
式中：a(i，j)、b(i，j)、c(i，j)分别为农作物图像中像素(i，j)的色彩分量；
[0026]
优选的，所述图像去噪的数学表达式为：
[0027][0028]
式中：i(x，y)为去噪滤波后的农作物图像，i(a，b)为被噪声污染的农作物图像，(x，y)为去噪后的某一像素点，(a，b)为原始噪声污染的农作物图像的某一像素点，m
×
n为模板，n为模板区域。
[0029]
优选的，所述步骤s4，具体为：
[0030]
s61：获取对农作物有相应需求的供应商信息，判断供应商是否为一个，若是，则进入步骤s63；若否，则按照报价的从高至低的顺序对供应商信息进行排列，并剔除报价低于设定价格的供应商信息，得到备选供应商信息，进入步骤s62；
[0031]
s62：根据备选供应商的顺序，并按照区域时间的间隔依次接收供应商的报价，完成供货；
[0032]
s63：接受该供应商的报价请求，完成供货。
[0033]
一种可视化智慧农业大数据分析管理系统，包括数据获取单元、数据传输单元、数据预处理单元、数据分析单元、数据汇总单元、数据可视化单元；所述数据获取单元与所述数据传输单元连接；所述数据传输单元与所述数据预处理单元连接；所述数据预处理单元与所述数据分析单元连接；所述数据预处理单元、数据分析单元分别与所述数据汇总单元连接；所述数据汇总单元与所述数据可视化单元连接。
[0034]
本发明的有益效果体现在：本发明提出了一种可视化智慧农业大数据分析管理系统及方法，通过将当地的农业数据信息输入至农业数据分析模型内确定相应的农业种植方
案，以及设立业务交互以处理农业的产出，不仅有效解决了背景技术所提到的问题，而且对于未来智慧农业的发展同样具有良好的前景。
附图说明
[0035]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
[0036]
图1为；本发明提供的流程示意图；
[0037]
图2为；本发明提供的系统示意图。
具体实施方式
[0038]
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
[0039]
需要注意的是，除非另有说明，本技术使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
[0040]
如图1所示，一种可视化智慧农业大数据分析管理方法，包括如下步骤：
[0041]
s1：获取历史农业数据信息，并对历史农业数据信息进行预处理，形成原始农业数据样本集，建立农业数据分析模型，将原始农业数据样本集输入至农业数据分析模型进行训练，得到完成训练的农业数据分析模型；
[0042]
s2：获取当地的农业数据信息，将当地的农业数据信息上送至完成训练的农业数据分析模型内进行计算，得到当地农业数据的分析结果，其中，当地的农业数据信息包括当地气象数据与当地土壤数据；
[0043]
s3，将农业种植区域划分为多个子区域，并根据当地农业数据的分析结果选择相应的农作物进行种植，在完成农作物的种植周期后，采集各个子区域农作物的产量数据，获得农作物的总产量；
[0044]
s4，将农作物总产量上传至云端服务器，并选择对农作物有相应需求的供应商完成供货。
[0045]
优选的，步骤s1中所述的对历史农业数据信息进行预处理，其中包括数据清洗、格式转换、字段映射、数据提取；
[0046]
所述数据清洗，用于对历史农业数据信息中的错误项、缺失项与重复项进行数据清洗；
[0047]
所述格式转换，用于将清洗后的历史农业数据信息转换成统一格式；
[0048]
所述字段映射，用于将格式转换后的历史农业数据字段映射为标准字段；
[0049]
所述数据提取，用于对字段映射后的历史农业数据信息进行提取。
[0050]
优选的，所述步骤s3，具体步骤如下：
[0051]
s31：将农业种植区域划分为多个子区域；
[0052]
s32：根据当地农业数据的分析结果、子区域的面积以及相应农作物成熟后的体积，得到子区域内农作物的种植数量，并进行种植；
[0053]
s33，实时获取各个子区域农作物的土壤肥力，并根据农作物的种植周期所需肥力的不同，通过水肥设备对肥力不足的子区域进行补充；
[0054]
s34：实时获取各个子区域农作物的状态信息，并对各个子区域的农作物进行状态信息进行分析，在设定的采集时长之内，若子区域内存在农作物生长状态低于农业种植区域农作物的平均生长状态时，判断该农作物为生长不良，对该农作物进行处理，其中状态信息的获取包括图像采集与传感器采集；
[0055]
s35：在完成农作物的种植周期后，采集各个子区域农作物的产量数据，获得农作物的总产量，根据农作物的总产量获取农业种植区域农作物的平均产量，并对各个子区域农作物的产量数据进行分析，若存在子区域农作物产量低于农业种植区域农作物的平均产量，对该子区域农作物进行调节，完成对农作物的种植管理。
[0056]
优选的，所述步骤s34中各个子区域农作物的图像信息在进行分析前，会先进行图像预处理，
[0057]
其中，图像预处理依次为图像灰度化、图像去噪；
[0058]
彩色图像数据包含r、g、b三个色度通道，在rgb中，假定三个通道的值相等，然后用统一的灰度值表征该点的色彩信息，灰度值的范围是0～255，因此所述图像灰度化的数学表达式为：
[0059][0060]
式中：a(i，j)、b(i，j)、c(i，j)分别为农作物图像中像素(i，j)的色彩分量；
[0061]
在图像的采集中会采集到各种噪声，导致图像部分信息被掩盖，给图像目标对象的识别带来干扰。本发明采用基于算术平均的线性滤波方法用于图像去噪以提升图像分辨率，因此对图像进行去噪，其数学表达式为：
[0062][0063]
式中：i(x，y)为去噪滤波后的农作物图像，i(a，b)为被噪声污染的农作物图像，(x，y)为去噪后的某一像素点，(a，b)为原始噪声污染的农作物图像的某一像素点，m
×
n为模板，n为模板区域。
[0064]
另外，图像去噪容易影响图像部分细节模糊，采集的图像受不同光照强度影响，亮度存在不均匀，这些情况都会对图像的对比度产生影响。下述通过部分步骤，提供图像的增强方法，其步骤如下：
[0065]
ss1，输入低质量图像，并对该图像进行归一化处理，获取图像的浅层特征；
[0066]
ss2，进一步提取图像的深层特征，并对提取的深层特征进行筛选；
[0067]
ss3，利用残差结构融合浅层特征与深层特征，获得语义信息与细节信息丰富的特征图；
[0068]
ss4，将融合后的图像特征进行反卷积操作调整特征尺寸和输入图像一致，并对融合后的图像特征进一步地学习与重组，输出增强后的图像；
[0069]
ss5，计算前向传播过程中预测的增强的图像相对于高质量图像的损失值， ss6，根据计算的损失值，反向更新图像增强模型的参数；
[0070]
ss7，重复上述步骤，直至训练次数达到设定的最大迭次数n后停止训练；完成图像增强模型的训练。
[0071]
之后通过该模型进一步对图像进行增强。
[0072]
优选的，所述步骤s4，具体为：
[0073]
s61：获取对农作物有相应需求的供应商信息，判断供应商是否为一个，若是，则进入步骤s63；若否，则按照报价的从高至低的顺序对供应商信息进行排列，并剔除报价低于设定价格的供应商信息，得到备选供应商信息，进入步骤s62；
[0074]
s62：根据备选供应商的顺序，并按照区域时间的间隔依次接收供应商的报价，完成供货；
[0075]
s63：接受该供应商的报价请求，完成供货。
[0076]
如图2所示，一种可视化智慧农业大数据分析管理系统，包括数据获取单元、数据传输单元、数据预处理单元、数据分析单元、数据汇总单元、数据可视化单元；所述数据获取单元与所述数据传输单元连接；所述数据传输单元与所述数据预处理单元连接；所述数据预处理单元与所述数据分析单元连接；所述数据预处理单元、数据分析单元分别与所述数据汇总单元连接；所述数据汇总单元与所述数据可视化单元连接。
[0077]
在本系统中，通过数据获取单元获取网络数据库内的与农业相关的大数据信息以及当地的气候、土壤环境数据信息，通过数据传输单元将网络数据库内的与农业相关的大数据信息以及当地的气候、土壤环境数据信息传输至数据预处理单元处，对此数据信息进行预处理，之后输入至数据分析模块内，结合预处理后的大数据信息与当地的气候、土壤环境数据信息进行分析，获取分析内容，之后汇总合并预处理后的大数据信息与分析内容输入至数据可视化单元进行显示。
[0078]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。