一种基于时序算法的农机作业面积计算方法技术

本发明专利技术公开了一种基于时序算法的农机作业面积计算方法，该方法包括如下步骤：S1，通过农业机械设备终端发送的定位数据，获取由卫星定位系统生成的轨迹点序列；S2，计算轨迹点序列相邻轨迹点间的距离、时间间隔、瞬时速度、瞬时加速度、转角、方位角、曲率、夹角以及自身经纬度10个参数，进行多特征轨迹序列提取；S3，针对轨迹序列的可变长度特性使用适宜的模型进行轨迹点分类并标记轨迹点类型；S4，依据轨迹点所属类别进行非作业轨迹点的过滤和作业轨迹点的聚类操作，生成多簇作业地块；S5，运用计算几何学中的三角剖分算法求得每簇地块面积，汇总各簇地块面积以求得农机作业总面积。汇总各簇地块面积以求得农机作业总面积。汇总各簇地块面积以求得农机作业总面积。

【技术实现步骤摘要】
一种基于时序算法的农机作业面积计算方法


[0001]本专利技术属于农业信息
，特别涉及一种基于时序算法的农机作业面积计算方法。
技术背景
[0002]随着我国农业现代化的推进，农机合作社和大型农场逐渐壮大，对于农机作业服务的需求也在不断增长。在这个背景下，客户对农机作业服务的核心需求是能够提供客观、准确且实时的农机作业面积测量结果。如今，北斗卫星定位技术和移动物联网设备在农机作业监测中的应用为快速、精确地计算农机作业面积提供了实时、精确的数据支持。
[0003]农机作业面积是衡量农业机械化生产的关键指标，也是决定农机市场化服务费用和结算依据的核心因素。此外，农机作业面积还是国家政策性农业补贴的核算标准。随着农机监管方式和农业市场体系的快速发展，传统的农机购置补贴逐步向农机作业补贴转变，未来将更加依赖农机作业面积来对耕作、种植、管理和收获等各环节进行精准管理和科学补贴。因此，迅速且精确的农机作业面积计算方法对于农机作业服务费用结算和政策性补贴的有效分配至关重要。
[0004]在过去，人们主要依靠人工测量、计算和统计农机作业面积，这种方法既耗费人力和时间，又效率低下。随着卫星导航定位和移动物联网等设备在农机领域的广泛应用，传统的测量方法已逐渐被淘汰。目前，农机作业面积计算主要依赖于农机的卫星定位轨迹数据。然而，这种方法在判断农机作业状态和区分农机重复作业方面存在一定的困难，可能导致农机作业面积计算结果与实际情况有较大的差距或误差。因此，迫切需要发展一种高效、精确的农机作业面积计算方法，以提高计算的准确性和效率。

技术实现思路

[0005]本专利技术提供一种基于时序算法的农机作业面积计算方法，目的在于解决现有的基于卫星定位轨迹的农机作业面积计算方法存在的作业地块面积不准确、相邻作业地块之间无法精准分割、计算效率较低、不具备监管核算能力等问题，该方法提供一种能够快速准确分割地块和计算农机作业面积的计算方法。
[0006]本专利技术的实现步骤如下：
[0007](1)通过接收服务处理农业机械设备终端发送的定位数据，从农机轨迹数据库中检索指定日期内指定农机的卫星定位轨迹点序列；
[0008](2)计算轨迹点序列相邻轨迹点间的距离、时间间隔、瞬时速度、瞬时加速度、转角、方位角、曲率、夹角以及自身经纬度10个参数，异常轨迹点导致的异常特征值可以采取轨迹点替代或者剔除的方法，用来尽可能减少异常数据对步骤3中模型训练产生的影响；
[0009](3)针对轨迹序列的可变长度、时序特性，使用适宜的模型进行轨迹点分类，生成与轨迹点相对应的标签或预测值，并标记每个轨迹点所属类别；
[0010](4)依据轨迹点所属类别进行作业地块轨迹点的过滤处理和聚类分析，过滤掉非
作业地块类别，并将剩余作业地块类别的轨迹点进行分簇处理；
[0011](5)每一簇地块轨迹包含有多条轨迹段，运用计算几何学中的三角剖分算法求得每簇地块面积，汇总各簇地块面积以求得农机作业总面积。
[0012]本专利技术与现有技术相比的优点在于：
[0013](1)对于多种不同作业轨迹类型都可以进行准确分类，实现对农机作业面积的统一监管；
[0014](2)能够识别漂移、噪点、栅格状等异常轨迹数据，对农机北斗定位终端设备的排查与检修提供了便利。
附图说明
[0015]图1是本专利技术的方法实现流程图；
具体实施方式
[0016]如图1所示，本专利技术方法的具体实施方式包括如下步骤：
[0017](1)：将物联网终端安装在农机上，并确保设备的电源正常连接。然后，在终端设备上设置农机作业的相关参数，如种植作物、行驶速度、作业深度等。农机作业时终端设备会自动采集农机运行状态和作业信息，并通过北斗卫星网络和物联网技术进行实时传输。
[0018]终端设备定期以固定频率向数据接收服务发送数据，数据接收服务遵循预先定义的协议，解码从终端设备接收到的数据流。解码过程包括对收到的数据进行解析，识别数据内容，并根据协议规定的格式和规则进行转换。数据被成功解码后农机的卫星定位轨迹数据便被获取并存储于农机轨迹数据库。这些数据可能包括设备的地理位置、运动方向、速度等，以供后续的管理和面积计算使用。
[0019]在农业信息处理系统中，通过查询农机轨迹数据库，能够检索到特定农机在指定日期的卫星定位轨迹点序列。这种检索是基于日期和农机的特定标识进行的，从而精确获取到符合条件的轨迹点数据
[0020](2)：计算轨迹点序列相邻轨迹点间的距离、时间间隔、瞬时速度、瞬时加速度、转角、方位角、曲率、夹角以及自身经纬度10个参数，轨迹首尾特征用常量替代。
[0021]a)距离计算：采用Haversine公式计算两个经纬度点之间的距离。
[0022]b)时间间隔：计算相邻轨迹点的时间戳之差。
[0023]c)瞬时速度：v＝d/Δt，其中d为相邻轨迹点间的距离，Δt为时间间隔。
[0024]d)瞬时加速度：a＝(v2
‑
v1)/Δt，其中v1和v2分别为相邻轨迹点的瞬时速度。
[0025]e)转角：α＝atan2(sin(Δλ)*cos(φ2),cos(φ1)*sin(φ2)
‑
sin(φ1)*cos(φ2)*cos(Δλ))，其中φ1、φ2为相邻点的纬度，Δλ为经度差。
[0026]f)方位角：计算相邻轨迹点间的方位角，即从第一个点指向第二个点的角度。
[0027]g)曲率：K＝|Δθ|/Δs，其中Δθ为相邻轨迹点间的夹角，Δs为弧长。
[0028]h)夹角：使用向量计算法求取相邻轨迹点间的夹角。
[0029](3)：针对轨迹序列的可变长度、时序特性使用适宜的模型进行轨迹点分类，生成与轨迹点相对应的标签或预测值，并标记每个轨迹点所属类别。
[0030]选取时间序列分类模型，如传统的动态时间规整(Dynamic Time Warping,DTW)、
隐马尔可夫模型(Hidden Markov Model,HMM)，或者深度学习模型来进行分类。
[0031]传统时序模型相对于深度学习模型对异常数据会更加敏感，它们一般基于某种数据分布或者数据依赖关系做出通用假设，但往往只对特定范围内的数据集有效，应用于实际数据会存在模型性能下降的可能。然而深度学习模型也有其局限性，需要大量的标注数据和算力。本方法采取深度学习模型bi
‑
LSTM来进行该分类任务。
[0032]a)标注高质量数据集，不同类别轨迹点数量保持一致
[0033]b)通过web服务进行模型的训练和评估
[0034]b)输入模型需要的轨迹序列特征，将模型预测的结果赋予轨迹点对应的标签。
[0035]c)依据作业地块最少所需的连续轨迹点数、作业面积阈值、作业时长最少阈值等算法，从程序业务层过滤掉非作业轨迹地块。
[0036](4)：依据轨迹点所属类别进行作业地块轨迹点的过滤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时序算法的农机作业面积计算方法，其特征在于：通过农业机械设备终端发送的定位数据，获取由卫星定位系统生成的轨迹点序列；计算轨迹点序列相邻轨迹点间的距离、时间间隔、瞬时速度、瞬时加速度、转角、方位角、曲率、夹角以及自身经纬度10个参数，进行多特征轨迹序列提取；针对轨迹序列的可变长度特性使用适宜的模型进行轨迹点分类并标记轨迹点类型；依据轨迹点所属类别进行非作业轨迹点的过滤和作业轨迹点的聚类操作，生成多簇作业地块；运用计算几何学中的三角剖分算法求得每簇地块面积，汇总各簇地块面积以求得农机作业总面积。具体实现步骤如下：(1)通过接收服务处理农业机械设备终端发送的定位数据，从农机轨迹数据库中检索指定日期内指定农机的卫星定位轨迹点...

【专利技术属性】
技术研发人员：周冠，徐岩，方文海，刘帅威，王三春，吴克铭，张恒，
申请(专利权)人：北京大田互通物联技术有限公司，
类型：发明
国别省市：