一种基于物联网数据快速识别蜜蜂行为的多级矩阵空间优化方法技术

本发明专利技术通过人工智能领域的方法，实现了一种基于物联网数据快速识别蜜蜂行为的多级矩阵空间优化方法。通过物联网养蜂设备将采集处理后的数据通过无线通信模块传输到云计算平台，所述云计算平台收到数据后，使用针对养蜂的模型识别算法处理数据、建立识别模型，对蜜蜂当前行为与活动状态进行识别，输出指导蜂农作业的信息。模型识别算法采用快速识别蜜蜂行为的多级矩阵空间优化算法，构建基于蜜蜂活动数据的多级多维矩阵空间提供解蜜蜂活动和所需实施的操作的信息。本发明专利技术提供的方法通过对蜜蜂行为记录、蜂农工作记录构建的多级矩阵空间进行计算，形成快速识别蜜蜂行为的识别模型，指导蜂农养蜂生产活动。指导蜂农养蜂生产活动。指导蜂农养蜂生产活动。

【技术实现步骤摘要】
一种基于物联网数据快速识别蜜蜂行为的多级矩阵空间优化方法


[0001]本专利技术涉及人工智能
，尤其涉及一种基于物联网数据快速识别蜜蜂行为的多级矩阵空间优化方法。

技术介绍

[0002]本专利技术专利提出了一种基于物联网数据采集，快速识别蜜蜂行为的多级矩阵空间优化算法，通过对采集物联网数据、蜜蜂行为记录、蜂农工作记录构建的多级矩阵空间进行计算，形成快速识别蜜蜂行为的识别模型，并将模型应用到实时采集数据的分析和行为识别中，指导蜂农饲喂蜜蜂、繁育蜜蜂、分群、取蜜、加继箱、酿制成熟蜜、防治病害等养蜂生产活动。
[0003]本专利目的在于解决如下的技术问题：
[0004]分析影响蜜蜂行为因素，构建多维矩阵空间，采用分级多维矩阵空间算法，快速识别蜜蜂行为和蜂农操作；
[0005]通过物联网采集多种传感器采集蜜蜂蜂箱内的温湿度、音频、蜜蜂进出蜂门的次数\频率、蜂箱的重量\蜂箱内巢脾的重量、气象数据等多维度数据，结合现场人工采集的工作记录、蜂群状态等数据构建多级多维矩阵空间，以上各种数据类型构成多维空间的维度因子；
[0006]分级形成4维、6维和9维矩阵空间，对每条采集数据进行分级多维空间方格标注；
[0007]对多级多维空间的每个方格空间内的数据进行拟合计算，形成代表该方格空间的标准行为曲线或标准音频曲线；
[0008]对测试验证过的曲线和相应空间方格的多维维度因子进行空间定义，形成识别模型；
[0009]模型识别算法将标准的蜜蜂行为模型与实时采集的数据进行分级矩阵空间差值计算，快速识别蜜蜂当前的实时行为和需要进行的操作，提供给蜂农参考；
[0010]蜂农了解平台发布的蜜蜂行为，指导其养蜂生产活动，减少蜂农在养蜂场巡查蜜蜂活动的工作，更准确的指导蜂农生产；
[0011]蜜蜂行为识别模型在蜂农的实际使用中深度学习和进化；

技术实现思路

[0012]为此，本专利技术提供一种基于物联网数据快速识别蜜蜂行为的多级矩阵空间优化方法，通过物联网养蜂设备将采集处理后的数据通过无线通信模块传输到云计算平台，所述云计算平台收到数据后，使用针对养蜂的模型识别算法处理数据、建立识别模型，对蜜蜂当前行为与活动状态进行识别，输出指导蜂农作业的信息。
[0013]所述物联网养蜂设备包括：蜂箱、音频传感器、温湿度传感器、电子蜂门传感器或出入计数传感器、称重传感器、采集计算和传输主机、太阳能电池板。
[0014]所述模型识别算法采用快速识别蜜蜂行为的多级矩阵空间优化算法，首先读取所述云计算平台收到的蜜蜂进出蜂门的数量、蜂箱的重量、蜂箱内的音频构成的蜜蜂活动数据，以及蜂箱内的温度和湿度，进行数据预处理和数据存储；而后构建基于蜜蜂活动数据的多级多维矩阵空间，并执行数据空间分级关联标注操作以及分级多维矩阵空间曲线计算操作；之后利用得到的空间曲线作为基础，分级建立多维矩阵空间识别模型并进行数据模型深度学习优化，利用优化后的模型执行实时数据动态行为的分级识别操作，并利用蜂箱内的温度和湿度信息建立二维矩阵空间进行分析，筛选出的模型所对应的蜜蜂活动和蜂农活动，提供了解蜜蜂活动和所需实施的操作的信息。
[0015]所述数据预处理方法具体为：首先读取各种传感器数据，识别错误数据进行清洗，对清洗的数据保留数据位并进行清洗标注，之后根据数据的时间戳，识别数据的丢失，对丢失的数据空出数据位并进行丢失标注；
[0016]所述数据存储方法：首先根据各自数据的特征，建立不同的数据库及数据表，实时采集的音频数据和蜜蜂出入蜂门的数据，并根据其他数据采集的时间间隔，对所述音频数据和蜜蜂出入蜂门的数据建立分段存储表单，之后将数据按照数据表中的格式、类型完整进行存储，并将各数据表间通过蜂箱设备编号、时间戳进行数据关联。
[0017]所述构建多级多维矩阵空间方法具体为：首先根据蜂箱中蜂群的活动情况建立“蜂群行为类型”，之后根据蜂农对蜂箱的操作情况建立“蜂农操作类型”，并对气象数据进行分段；按影响蜜蜂行为的重要性，对气象数据类型气温、湿度、雨量、风力、光照、气压进行分级，第一级包括：雨量；第二级：风力、气温；第三级湿度、光照、气压；最后建立基于蜂群行为类型、蜂农操作类型、气象数据类型和季节的全集多维空间矩阵，建立9维矩阵空间的空间方格，方格的个数为：其中N1代表蜂箱日志记录的蜂群活动种类，N2代表蜂农日志中操作种类，N3代表一年四季中的季节，N4
‑
N9代表各气象数据分段数，每个方格设置一个独立的“蜜蜂行为方格编号”，并根据气象数据类型的分级，建立多级多维矩阵空间。
[0018]所述蜂群行为类型包括：正常采蜜、蜂闹、自然分群、逃逸、抵御外敌入侵、产生新的蜂王、繁育、生病、+怠工；所述蜂农操作类型包括：开箱巡查、取脾观察蜂王或蜂群情况、饲喂蜜蜂、取蜜、增加继箱、人工分群、合群、搬运蜂箱、给蜂箱保温。
[0019]所述建立多级多维矩阵空间的具体方法为：第一级：4维矩阵空间，维度因子包括蜂群行为类型、蜂农操作类型、季节、雨量；4D＝[
‘
BeeAct
’
，
‘
BeeFAct
’
，
‘
Season
’
，
[0020]‘
Rain
’
]，X＝[n][4]，其中n表示单条数据的采集数量，矩阵方格的个数：
[0021]第二级：6维矩阵空间，维度因子包括蜂群行为类型、蜂农操作类型、季节、雨量、风力、气温；6D＝[
‘
BeeAct
’
，
‘
BeeFAct
’
，
‘
Season
’
，
‘
Rain
’
,
‘
Wind
’
，
‘
Tempe
’
]，X＝[n][6]，其中n表示单条数据的采集数量，矩阵方格的个数：
[0022]第三级为全集9维矩阵空间，维度因子包括蜂群行为类型、蜂农操作类型、季节、雨量、风力、气温、湿度、气压、光照；9D＝[
‘
BeeAct
’
，
‘
BeeFAct
’
，
‘
Season
’
，
‘
Rain
’
,
‘
Wind
’
，
‘
Tempe
’
，
‘
Humi
’
，
‘
Press
’
，
‘
Illumi
’
]，X＝[n][9]，其中n表示单条数据的采集数量，矩阵方
格的个数：
[0023]所述数据空间分级关联标注操作的具体过程为：首先在云计算平台的运营管理业务中，录入每天的蜂箱日志和蜂农工作日志，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网数据快速识别蜜蜂行为的多级矩阵空间优化方法，其特征在于：通过物联网养蜂设备将采集处理后的数据通过无线通信模块传输到云计算平台，所述云计算平台收到数据后，使用针对养蜂的模型识别算法处理数据、建立识别模型，对蜜蜂当前行为与活动状态进行识别，输出指导蜂农作业的信息。2.如权利要求1所述的一种基于物联网数据快速识别蜜蜂行为的多级矩阵空间优化方法，其特征在于：所述物联网养蜂设备包括：蜂箱、音频传感器、温湿度传感器、电子蜂门传感器或出入计数传感器、称重传感器、采集计算和传输主机、太阳能电池板。3.如权利要求1所述的一种基于物联网数据快速识别蜜蜂行为的多级矩阵空间优化方法，其特征在于：所述模型识别算法采用快速识别蜜蜂行为的多级矩阵空间优化算法，首先读取所述云计算平台收到的蜜蜂进出蜂门的数量、蜂箱的重量、蜂箱内的音频构成的蜜蜂活动数据，以及蜂箱内的温度和湿度，进行数据预处理和数据存储；而后构建基于蜜蜂活动数据的多级多维矩阵空间，并执行数据空间分级关联标注操作以及分级多维矩阵空间曲线计算操作；之后利用得到的空间曲线作为基础，分级建立多维矩阵空间识别模型并进行数据模型深度学习优化，利用优化后的模型执行实时数据动态行为的分级识别操作，并利用蜂箱内的温度和湿度信息建立二维矩阵空间进行分析，筛选出的模型所对应的蜜蜂活动和蜂农活动，提供了解蜜蜂活动和所需实施的操作的信息。4.如权利要求3所述的一种基于物联网数据快速识别蜜蜂行为的多级矩阵空间优化方法，其特征在于：所述数据预处理方法具体为：首先读取各种传感器数据，识别错误数据进行清洗，对清洗的数据保留数据位并进行清洗标注，之后根据数据的时间戳，识别数据的丢失，对丢失的数据空出数据位并进行丢失标注；所述数据存储方法：首先根据各自数据的特征，建立不同的数据库及数据表，实时采集的音频数据和蜜蜂出入蜂门的数据，并根据其他数据采集的时间间隔，对所述音频数据和蜜蜂出入蜂门的数据建立分段存储表单，之后将数据按照数据表中的格式、类型完整进行存储，并将各数据表间通过蜂箱设备编号、时间戳进行数据关联。5.如权利要求3所述的一种基于物联网数据快速识别蜜蜂行为的多级矩阵空间优化方法，其特征在于：所述构建多级多维矩阵空间方法具体为：首先根据蜂箱中蜂群的活动情况，以蜜蜂进出蜂门的数量、蜂箱的重量、蜂箱内的音频构成的蜜蜂活动数据建立“蜂群行为类型”，之后根据蜂农对蜂箱的操作情况建立“蜂农操作类型”，并对气象数据进行分段；按影响蜜蜂行为的重要性，对气象数据类型气温、湿度、雨量、风力、光照、气压进行分级，第一级包括：雨量；第二级：风力、气温；第三级湿度、光照、气压；最后建立基于蜂群行为类型、蜂农操作类型、气象数据类型和季节的全集多维空间矩阵，建立9维矩阵空间的空间方格，方格的个数为：其中N1代表蜂箱日志记录的蜂群活动种类，N2代表蜂农日志中操作种类，N3代表一年四季中的季节，N4
‑
N9代表各气象数据分段数，每个方格设置一个独立的“蜜蜂行为方格编号”，并根据气象数据类型的分级，进而建立矩阵空间；所述建立矩阵空间的具体方法为：第一级：4维矩阵空间，维度因子包括蜂群行为类型、蜂农操作类型、季节、雨量；4D＝[
‘
BeeAct
’
，
‘
BeeFAct
’
，
‘
Season
’
，
‘
Rain
’
]，X＝[n][4]，其中n表示单条数据的采集数量，矩阵方格的个数：第二级：6维矩阵空间，维度因子包括蜂群行为类型、蜂农操作类型、季节、雨量、风力、
气温；6D＝[
‘
BeeAct
’
，
‘
BeeFAct
’
，
‘
Season
’
，
‘
Rain
’
,
‘
Wind
’
，
‘
Tempe
’
]，X＝[n][6]，其中n表示单条数据的采集数量，矩阵方格的个数：第三级为全集9维矩阵空间，维度因子包括蜂群行为类型、蜂农操作类型、季节、雨量、风力、气温、湿度、气压、光照；9D＝[
‘
BeeAct
’
，
‘
BeeFAct
’
，
‘
Season
’
，
‘
Rain
’
,
‘
Wind
’
，
‘
Tempe
’
，
‘
Humi
’
，
‘
Press
’
，
‘
Illumi
’
]，X＝[n][9]，其中n表示单条数据的采集数量，矩阵方格的个数：6.如权利要求5所述的一种基于物联网数据快速识别蜜蜂行为的多级矩阵空间优化方法，其特征在于：所述数据空间分级关联标注操作的具体过程为：首先在云计算平台的运营管理业务中，录入每天的蜂箱日志和蜂农工作日志，之后在云计算平台采集每天的物联网气象站数据，并计算每天的气象数据平均值，而后将采集的所述蜂箱日志和蜂农工作日志、所述气象数据以“天.蜂箱”为单位，分级对应到4维矩阵空间、6维矩阵空间、9维矩阵空间的相应方格中，对相应日期采集的蜜蜂进出次数、蜂脾重量数据关联相应方格的“行为编号”，之后按所述音频数据的音频值大小对音频数据进行分段，计算蜂箱内每个区间音频相对稳定的平均时间长度，定义为该区间的“单位时间”，并将采集的温湿度以“单位时间.蜂箱”为单位，对应到二维矩阵空间的相应方格中，对相应时间片段采集的音频数据关联相应的“环境编号”。7.如权利要求6所述的一种基于物联网数据快速识别蜜蜂行为的多级矩阵空间优化方法，其特征在于：所述蜂箱日志和蜂农工作日志内容包括：日期、蜂箱编号、蜂箱中蜂群的活动情况类型、蜂农对蜂箱的操作类型；所述物联网气...

【专利技术属性】
技术研发人员：段长青，毛爱科，
申请(专利权)人：北京守朴科技有限公司，
类型：发明
国别省市：