一种应用于数字孪生智慧乡村的数据集成方法及系统技术方案

技术编号:39844477 阅读:16 留言:0更新日期:2023-12-29 16:35
本发明专利技术涉及数字孪生技术领域,尤其涉及一种应用于数字孪生智慧乡村的数据集成方法及系统

【技术实现步骤摘要】
一种应用于数字孪生智慧乡村的数据集成方法及系统


[0001]本专利技术涉及数字孪生
,尤其涉及一种应用于数字孪生智慧乡村的数据集成方法及系统


技术介绍

[0002]在数字孪生智慧乡村的应用中,数据集成方法及系统扮演着重要的角色,数字孪生智慧乡村旨在通过集成物联网

人工智能和大数据分析等先进技术,实现农村地区的智能化管理和可持续发展,然而,当前存在一些挑战,例如农村地区数据来源分散

数据质量不一致

数据处理复杂等问题,这些问题限制了数字孪生智慧乡村系统的发展和应用,传统的数据集成方法存在一些局限性,无法满足数字孪生智慧乡村的需求,往往存在着效率不高

不准确的问题,因此,需要一种智能化的数据集成方法及系统,能够有效地处理和整合大量异构数据,并提供可靠

准确的数据支持


技术实现思路

[0003]本专利技术为解决上述技术问题,提出了一种应用于数字孪生智慧乡村的数据集成方法及系统,以解决至少一个上述技术问题

[0004]为实现上述目的,本专利技术提供一种应用于数字孪生智慧乡村的数据集成方法,包括以下步骤:步骤
S1
:利用传感器获取环境数据及土壤监测数据;通过无人机及摄像头进行实时图像采集,以获取实时监控图像;步骤
S2
:对实时监控图像进行光谱分离,以生成图像光谱数据;根据图像光谱数据对实时监控图像进行图像增强处理,构建增强图像;利用计算机视觉技术对增强图像进行视频帧特征提取,构建监控图像矩阵;步骤
S3
:对土壤监测数据进行土壤特征分析,以生成土壤特征数据;根据土壤特征数据对监控图像矩阵进行卷积滑动采样,以生成土壤纹理卷积视觉图;步骤
S4
:根据环境数据对监控图像矩阵进行环境数据映射,以生成实时环境数据;通过实时环境数据对监控图像矩阵进行动态环境特征配准,构建实时环境特征图像矩阵;步骤
S5
:对土壤纹理卷积视觉图及实时环境特征图像矩阵进行数字孪生拟合,以构建数字孪生乡村模型;通过数字孪生乡村模型对土壤纹理卷积视觉图进行土壤质量趋势预测,以生成土壤质量趋势数据;通过数字孪生乡村模型对实时环境特征图像矩阵进行环境变化趋势预测,以构建环境特征趋势数据;步骤
S6
:对土壤质量趋势数据及环境特征趋势数据进行趋势图拟合,构建数字乡村趋势预测图;利用移动网络技术将数字孪生乡村模型上传至云存储服务器,并进行数据可视化,生成可视化数字孪生乡村模型;通过数字乡村趋势预测图及可视化数字孪生乡村模型进行决策分析,构建数字乡村智慧管理策略

[0005]本专利技术通过传感器获取环境数据和土壤监测数据实现对农田环境的实时监测和
数据采集,提供及时的农田信息,利用无人机及摄像头进行实时图像采集获取高分辨率的农田监控图像,提供全面的视觉信息,对实时监控图像进行光谱分离,获取不同波段的光谱数据,进一步分析土壤和植被的特征,对实时监控图像进行增强处理提升图像的质量和清晰度,提供更准确的图像信息,对增强图像进行视频帧特征提取,提取出图像中的关键特征,用于后续的分析和处理

对土壤监测数据进行特征分析提取出土壤的相关特性,如湿度

酸碱度等,帮助评估土壤的质量和适宜度,通过对监控图像矩阵进行卷积滑动采样,获取土壤纹理信息,为后续的土壤质量分析提供基础数据,根据环境数据对监控图像矩阵进行映射,将环境信息与图像数据关联起来,提供图像的环境背景,利用实时环境数据对监控图像矩阵进行动态环境特征配准,将图像数据与实际环境动态变化对应,提供更准确的环境特征,通过土壤纹理卷积视觉图和实时环境特征图像矩阵进行数字孪生拟合,建立数字化模型,实现对农田状态的模拟和预测,利用数字孪生乡村模型对土壤纹理卷积视觉图进行分析和预测,预测土壤质量的趋势变化,进行土壤管理和调控,通过对土壤质量趋势数据及环境特征趋势数据进行趋势图拟合,直观地展示农田的发展趋势和变化情况,提供决策依据,利用移动网络技术将数字孪生乡村模型上传至云存储服务器,并进行数据可视化,实现农田信息的远程访问和管理,方便决策者对农田进行监控和分析

[0006]优选地,步骤
S1
包括以下步骤:步骤
S11
:利用传感器获取环境数据,环境数据包括气象数据

区域温度数据

空气湿度数据及风向风力数据;步骤
S12
:利用土壤探针对土壤进行土质探测,以获取土壤监测数据;步骤
S13
:通过无人机及摄像头进行实时图像采集,以获取实时监控图像

[0007]本专利技术通过获取环境数据提供农田的环境信息,如温度

降雨量等,有助于农田管理和决策,通过土壤探针对土壤质地进行探测,获取土壤的粘土

砂土

壤土等成分数据,有助于了解土壤的结构和性质,为土壤管理和作物种植提供依据,土壤探针测量土壤的酸碱度,提供土壤的
PH
值信息,有助于调节土壤酸碱度,提供适宜的生长环境,通过土壤探针测量土壤湿度,了解土壤的水分状况,为灌溉和水分管理提供指导,利用无人机及摄像头进行实时图像采集,获取农田的监控图像,提供全面的视觉信息,帮助了解农田的实际情况,通过实时监控图像监测植被的生长状况,包括生长状态

病虫害情况等,利用实时监控图像评估土地利用情况,如农田的利用率

种植结构等,提供决策参考

[0008]优选地,步骤
S2
包括以下步骤:步骤
S21
:对实时监控图像进行光谱分析,以生成光谱成分数据;步骤
S22
:利用光谱压缩感知技术对光谱成分数据进行光谱采样,以生成光谱采样矩阵;步骤
S23
:根据光谱采样矩阵对实时监控图像进行视觉像差平整,以生成光谱引导平层图像;步骤
S24
:对光谱引导平层图像进行光谱分离,以生成图像光谱数据;步骤
S25
:根据图像光谱数据对实时监控图像进行图像增强处理,构建增强图像;步骤
S26
:利用计算机视觉技术对增强图像进行视频帧特征提取,构建监控图像矩阵

[0009]本专利技术通过光谱分析,获取实时监控图像中不同波长范围的光谱成分数据,包括
反射率或辐射率等信息,光谱成分数据提供关于农田中不同物质的光谱特征,如植被

土壤

水体等,有助于进一步的数据分析和决策制定

利用光谱压缩感知技术对光谱成分数据进行采样,降低数据的维度和存储需求,同时保留重要的光谱信息,通过对实时监控图像进行视觉像差平整,根据光谱采样矩阵对不同波长范围的像素进行调整,以提高图像的质量和清晰度,通过光谱分离,将光谱引导平层图本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.
一种应用于数字孪生智慧乡村的数据集成方法,其特征在于,包括以下步骤:步骤
S1
:利用传感器获取环境数据及土壤监测数据;通过无人机及摄像头进行实时图像采集,以获取实时监控图像;步骤
S2
:对实时监控图像进行光谱分离,以生成图像光谱数据;根据图像光谱数据对实时监控图像进行图像增强处理,构建增强图像;利用计算机视觉技术对增强图像进行视频帧特征提取,构建监控图像矩阵;步骤
S3
:对土壤监测数据进行土壤特征分析,以生成土壤特征数据;根据土壤特征数据对监控图像矩阵进行卷积滑动采样,以生成土壤纹理卷积视觉图;步骤
S4
:根据环境数据对监控图像矩阵进行环境数据映射,以生成实时环境数据;通过实时环境数据对监控图像矩阵进行动态环境特征配准,构建实时环境特征图像矩阵;步骤
S5
:对土壤纹理卷积视觉图及实时环境特征图像矩阵进行数字孪生拟合,以构建数字孪生乡村模型;通过数字孪生乡村模型对土壤纹理卷积视觉图进行土壤质量趋势预测,以生成土壤质量趋势数据;通过数字孪生乡村模型对实时环境特征图像矩阵进行环境变化趋势预测,以构建环境特征趋势数据;步骤
S6
:对土壤质量趋势数据及环境特征趋势数据进行趋势图拟合,构建数字乡村趋势预测图;利用移动网络技术将数字孪生乡村模型上传至云存储服务器,并进行数据可视化,生成可视化数字孪生乡村模型;通过数字乡村趋势预测图及可视化数字孪生乡村模型进行决策分析,构建数字乡村智慧管理策略
。2.
根据权利要求1所述的应用于数字孪生智慧乡村的数据集成方法,其特征在于,步骤
S1
的具体步骤为:步骤
S11
:利用传感器获取环境数据,环境数据包括气象数据

区域温度数据

空气湿度数据及风向风力数据;步骤
S12
:利用土壤探针对土壤进行土质探测,以获取土壤监测数据;步骤
S13
:通过无人机及摄像头进行实时图像采集,以获取实时监控图像
。3.
根据权利要求1所述的应用于数字孪生智慧乡村的数据集成方法,其特征在于,步骤
S2
的具体步骤为:步骤
S21
:对实时监控图像进行光谱分析,以生成光谱成分数据;步骤
S22
:利用光谱压缩感知技术对光谱成分数据进行光谱采样,以生成光谱采样矩阵;步骤
S23
:根据光谱采样矩阵对实时监控图像进行视觉像差平整,以生成光谱引导平层图像;步骤
S24
:对光谱引导平层图像进行光谱分离,以生成图像光谱数据;步骤
S25
:根据图像光谱数据对实时监控图像进行图像增强处理,构建增强图像;步骤
S26
:利用计算机视觉技术对增强图像进行视频帧特征提取,构建监控图像矩阵
。4.
根据权利要求3所述的应用于数字孪生智慧乡村的数据集成方法,其特征在于,步骤
S26
的具体步骤为:步骤
S261
:对标准化增强图像进行降噪标准化处理,生成降噪标准化图像;步骤
S262
:对降噪标准化图像视频帧特征提取,生成低维视频帧;步骤
S263
:对低维视频帧进行视觉矢量定长处理,以生成视频帧序列;
步骤
S264
:利用计算机视觉技术对视频帧序列进行动态视觉光流分析,以生成光流矢量图
。5.
根据权利要求1所述的应用于数字孪生智慧乡村的数据集成方法,其特征在于,步骤
S3
的具体步骤为:步骤
S31
:对土壤监测数据进行养分含量分析,以生成养分含量数据;步骤
S32
:对土壤监测数据进行土壤质地检测,获取土壤质地数据;步骤
S33
:根据土壤质地数据对土壤监测数据进行土壤密度分析,以生成土壤密度数据;步骤
S34
:对养分含量数据

土壤质地数据及土壤密度数据进行土壤特征分析,以生成土壤特征数据;步骤
S35
:根据监控图像矩阵对土壤特征数据进行土壤细粒度像素点卷积操作,生成土壤卷积特征图...

【专利技术属性】
技术研发人员:王益芳井冰吴莹莹郭杰
申请(专利权)人:沧州师范学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1