基于大数据的农业信息智能管理方法及系统技术方案

本发明专利技术公开了一种基于大数据的农业信息智能管理方法及系统，具体涉及农业管理领域，包括采集农作物图像数据，分析农作物的图像数据，得到农作物的生长阶段；根据生长阶段从标准数据库中调用标准图像和标准特征项目参数，从采集的图像数据中获取特征项目参数，将获取的特征项目参数和标准特征项目参数进行对比，计算农作物的生长状况指数；基于农作物的生长状况指数判断是否启动农作物异常分析步骤；农作物异常分析步骤用于获取农作物异常的原因，根据异常原因制定策略消除异常原因，实现了对农业的智能管理，具有可操作性强、能够节省人力的优点。力的优点。力的优点。

【技术实现步骤摘要】
基于大数据的农业信息智能管理方法及系统


[0001]本专利技术涉及农业管理
，更具体地说，本专利技术涉及基于大数据的农业信息智能管理方法及系统。

技术介绍

[0002]现有的农业智能管理更多的体现在农作物的播种、施肥、收割方式的机械化，通过机械设备代替人工，完成生产作业。在农作物的生长过程中也有智能管理，但是局限于利用无人机获取农作物的图像数据，基于人工来判断分析农作物的生长状况，这种方式的农业信息智能管理方法是局部智能的，不能够适用于更广阔范围的农业基地。
[0003]农作物的生长状况是满足客观规律的，病虫害、环境异常的原因对于农作物的影响都是清晰可见的，因此利用大数据对农作物的生长状况进行监测管理是满足实际情况的。

技术实现思路

[0004]为了实现上述目的，本专利技术提供基于大数据的农业信息智能管理方法及系统，通过采集作物的图像数据，分析农作物的生长状况，评估生长状况指数，分析异常生长的原因，根据原因采取措施消除农作物异常，以实现上述
技术介绍
中提出的现有技术缺少对农作物的生长状况进行智能管理的问题。
[0005]技术方案：为实现上述目的，本专利技术提供如下技术方案：基于大数据的农业信息智能管理方法，包括以下步骤：采集农作物图像数据，分析农作物的图像数据，得到农作物的生长阶段；根据生长阶段从标准数据库中调用标准图像和标准特征项目参数，从采集的图像数据中获取特征项目参数，将获取的特征项目参数和标准特征项目参数进行对比，计算农作物的生长状况指数；基于农作物的生长状况指数判断是否启动农作物异常分析步骤；农作物异常分析步骤用于获取农作物异常的原因，根据异常原因制定策略消除异常原因；其中，特征项目参数是反映农作物生长状况的指标参数，标准特征项目参数是农作物在标准生长状况下生长状况的指标参数。
[0006]优选的，采集农作物图像数据的步骤中包括根据待测对象的色差和面积确定采样点的数量的步骤，包括下列步骤：步骤S11、拍摄农作物的图像，获取待测农作物的面积S，按照面积将拍摄的图像等分，得到n个子区域，每个子区域图像表示面积为Sm的农作物对应的图像，满足Sm
×
n=S，同时对子区域进行编号；步骤S12、取子区域的颜色平均值，记为（r，g，b），设第i个子区域的像素点记为XS_i=（r
i
，g
i
，b
i
）；
步骤S13、获取子区域i和子区域j的色差矩阵SC_ij，得到n个子区域间的色差，满足公式[sc11，sc12，
…
，sc（n
‑
1）n]，所述色差SC_ij的计算满足公式，设置采样规则为：当待测农作物的色差满足阈值时，均匀采样，当色差超出阈值，在均匀采样的基础上，在色差中心点增加采样点，在色差交界处增加采样点，将采样点处的图像数据传输至农作物生长阶段参数获取步骤。
[0007]优选的，在农作物生长阶段参数获取步骤中，将采集的图像数据进行归一化处理，降噪、特征增强处理，将处理后的图像数据输入训练好的神经网络模型中，得到农作物的生长阶段参数。
[0008]优选的，调用生长阶段对应的标准图像数据和特征项目参数，计算农作物的生长状况指数，包括以下步骤：步骤S31、搭建标准数据库：从农作物图像数据中挑选得到标准图像，同时标记特征项目参数，以农作物的种类和生长阶段作为分类，将标准图像数据和对应的标准特征项目参数存储标准数据库库中；步骤S32、获取对应的标准特征项目参数：根据步骤S2获取的生长阶段参数，从标准图像数据库中获取标准图像数据和对应的标准特征项目参数；步骤S33、获取待测对象的特征项目参数：从待测对象图像中获取待测对象的特征项目参数，获取每个特征项目参数的偏离程度Pi，将偏离程度传输至综合生长状况评估步骤；步骤S34、综合评估：特征项目参数相对于标准特征项目参数的得到农作物的生长状况指数。
[0009]优选的，步骤S33中，将标准特征项目记为[t
01
，t
02
，t
03
，
…
，t
0m
]，将获取待测对象的特征项目参数记为[t1，t2，t3，
…
，t
m
]，偏离程度Pi满足公式。
[0010]优选的，步骤S34中，农作物的生长状况指数ZPi满足公式，其中w
i
表示特征项目对应的权重系数。
[0011]优选的，特征项目参数包括不限于农作物的叶片面积和叶片颜色、花的数量和大小、果实的数量和大小、根茎的倾斜角度。
[0012]优选的，基于生长状况指数判断是否启动农作物异常分析，当农作物的生长状况指数低于阈值TH，表明采样区域的农作物生长状况异常，启动农作物异常分析，当农作物的生长状况指数不低于阈值，不启动农作物异常分析，当设置每个特征项目参数的浮动值为λi，阈值TH满足公式。
[0013]优选的，异常原因判断步骤用于判断导致农作物异常的原因是病虫害或环境异常，包括下列步骤：步骤S501、在采集的农作物图像中标记生长状况指数，得到生长异常的子区域集合A；
步骤S502、间隔d天后，采集同一对象的农作物图像，按照步骤S1
‑
S3的步骤，得到采样区域的生长状况指数，得到生长异常的子区域集合B；步骤S503、初步判断：当子区域集合B不能覆盖子区域集合A的50%，表明农作物异常不具有发病中心，输出农作物异常的原因为环境异常，否则进入下一步骤；步骤S504、再次判断：分析比子区域集合A和子区域集合B的面积变化，获取子区域集合A中每个子区域的异常中心点YDa，获取子区域集合B中每个子区域的异常中心点YDb，当异常中心点YDa与异常中心点YDb趋于重合，则有发病中心点，若不趋于重合则没有发病中心点；步骤S505、若有发病中心点，则农作物异常原因为病虫害，若无发病中心点，则农作物异常原因为环境异常。
[0014]优选的，若导致农作物异常的原因是环境异常，获取农作物的标准环境参数，获取农作物的实际环境参数，计算环境参数的差值，根据差值计算需要改变的项目和数量。
[0015]优选的，若导致农作物异常的原因是病虫害，基于神经网络模型获取病虫害的类型，基于病虫害类型与消除病虫害措施的映射，得到消除病虫害的措施，基于农作物的生长状况指数得到措施的用量。
[0016]优选的，农作物异常分析步骤包括获取发展速度参数的步骤：所述农作物伤情发展速度参数满足公式：，其中S1表示子区域集合A的数量，S2表示子区域集合B的数量，mi表示第i个子区域的面积，ZPi表示第i个子区域的农作物的生长状况指数，其中，k1表示异常区域面积变化速度的系数，k2表示异常区域的生长状况指数变化速度的系数，k1、k2的取值范围在[1
‑
2]，当发展速度参数超出预设值，向管理人员发出预警，所述预设值基于历史数据的平均值设置。
[0017]为实现上述目的，本专利技术提供如下技术方案：基于大数据的农业信息智能管理系统，农作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据的农业信息智能管理方法，其特征在于：包括以下步骤：采集农作物图像数据，分析农作物的图像数据，得到农作物的生长阶段；根据生长阶段从标准数据库中调用标准图像和标准特征项目参数，从采集的图像数据中获取特征项目参数，将获取的特征项目参数和标准特征项目参数进行对比，计算农作物的生长状况指数；基于农作物的生长状况指数判断是否启动农作物异常分析步骤；农作物异常分析步骤用于获取农作物异常的原因，根据异常原因制定策略消除异常原因；其中，特征项目参数是反映农作物生长状况的指标参数，标准特征项目参数是农作物在标准生长状况下生长状况的指标参数；所述策略包括施洒农药、增加营养的措施和用量。2.根据权利要求1所述的一种基于大数据的农业信息智能管理方法，其特征在于：在农作物生长阶段参数获取步骤中，将采集的图像数据进行归一化处理，降噪、特征增强处理，将处理后的图像数据输入训练好的神经网络模型中，得到农作物的生长阶段参数。3.根据权利要求1所述的一种基于大数据的农业信息智能管理方法，其特征在于：调用生长阶段对应的标准图像数据和特征项目参数，计算农作物的生长状况指数，包括以下步骤：步骤S31、搭建标准数据库：从农作物图像数据中挑选得到标准图像，同时标记特征项目参数，以农作物的种类和生长阶段作为分类，将标准图像数据和对应的标准特征项目参数存储标准数据库库中；步骤S32、获取对应的标准特征项目参数：根据步骤S2获取的生长阶段参数，从标准图像数据库中获取标准图像数据和对应的标准特征项目参数；步骤S33、获取待测对象的特征项目参数：从待测对象图像中获取待测对象的特征项目参数，获取每个特征项目参数的偏离程度Pi，将偏离程度传输至综合生长状况评估步骤；步骤S34、综合评估：特征项目参数相对于标准特征项目参数的得到农作物的生长状况指数。4.根据权利要求3所述的一种基于大数据的农业信息智能管理方法，其特征在于：将标准特征项目记为[t
01
，t
02
，t
03
，
…
，t
0m
]，将获取待测对象的特征项目参数记为[t1，t2，t3，
…
，t
m
]，偏离程度Pi满足公式；农作物的生长状况指数ZPi满足公式，其中w
i
表示特征项目对应的权重系数。5.根据权利要求4所述的一种基于大数据的农业信息智能管理方法，其特征在于：基于生长状况指数判断是否启动农作物异常分析，当农作物的生长状况指数低于阈值TH，表明采样区域的农作物生长状况异常，启动农作物异常分析，当农作物的生长状况指数不低于阈值，不启动农作物异常分析，当设置每个特征项目参数的浮动值为λi，阈值TH满足公式。6.根据权利要求1所述的一种基于大数据的农业信息智能管理方法，其特征在于：
异常原因判断步骤用于判断导致农作物异常的原因是...

【专利技术属性】
技术研发人员：王辉，高中强，石卓文，李龑，
申请(专利权)人：济南天楚科技有限公司，
类型：发明
国别省市：