【技术实现步骤摘要】
本专利技术提出了一种基于边缘计算的智慧林业监测系统及方法，属于智慧林业监测。
技术介绍
1、智慧林业监测是实现林业现代化的重要手段，对于提高林业生产效率和管理水平具有重要意义。然而，传统的林业监测方法存在着许多问题和挑战，如数据获取不及时、数据分析处理不准确等。为了解决这些问题，研究者们开始探索基于边缘计算的智慧林业监测方法。
2、在传统的林业监测方法中，数据获取通常依赖于人工巡查或分散式的传感器网络，这些方法不仅效率低下，而且难以实现全面覆盖。同时，由于林业环境的复杂性和动态性，传统的数据分析处理方法也存在着很多局限性，难以准确识别林区的地形地貌特征和生态环境的动态变化。针对这些问题，一些研究者开始尝试利用边缘计算技术来提高林业监测的效率和精度。边缘计算技术可以将计算任务从云端下沉到靠近数据源的边缘设备上，从而缩短数据传输时延，提高数据分析处理的实时性和准确性。
技术实现思路
1、本专利技术提供了一种基于边缘计算的智慧林业监测系统及方法，用以解决现有技术中对监测不够实时、对于采集传感器采集到的数据存储及处理效率低下、对于数据传输处理存储的安全性不高、监测系统自主决策以及响应能力较弱以及传感器设置不合理导致信息采集不够全面的问题：
2、本专利技术提出的一种基于边缘计算的智慧林业监测方法，所述方法包括：
3、s1：获取林区地形地貌相关数据，并根据对获取的相关数据进行处理，获取所述林区地形地貌的数字高程模型；将获取到的所述数字高程模型存入云平台；p>
4、s2：通过人工智能算法对存储到云平台中的所述林区地形地貌的数字高程模型进行分析，根据分析结果确定传感器部署位置，并根据传感器部署位置对相应传感器进行部署，通过传感器采集原始数据，将边缘设备与传感器进行连接，实时获取传感器采集的原始数据；
5、s3：边缘设备对获取的原始数据进行预处理，并通过机器学习算法以及模式识别算法对预处理后的原始数据进行数据分析与处理，获得分析与处理结果，所述边缘设备基于分析与处理结果生成监测信息，并将监测信息通过物联网传输至云平台；
6、s4：云平台接收所述边缘设备传输的监测信息，结合所述数字高程模型通过人工智能算法，对所述监测信息进行进一步分析处理，获得进一步分析处理结果，并根据进一步分析处理结果进行监测管理。
7、进一步的，所述获取林区地形地貌相关数据，并根据对获取的相关数据进行处理，获取所述林区地形地貌的数字高程模型；将获取到的所述数字高程模型存入云平台，包括：
8、s101：确定待监测林区位置信息，根据所述待监测林区位置信息确定所述林区地形地貌相关数据获取方式；
9、s102：根据确定的所述获取方式，对林区地形地貌的相关数据进行采集，所述获取方式包括航空测量、地面调查以及卫星遥感；
10、s103：对采集到的所述林区地形地貌的相关数据进行预处理，获取所述林区地形地貌的高程数据；并通过数据融合算法以及加权平均算法对不同的高程数据进行融合，所述预处理包括去除噪声、平差处理以及数据校正；
11、s104：通过插值算法，将离散的高程数据点插值为连续的高程表面，并生成相应的高程数据模型；
12、s105：将插值后的连续高程数据模型转换为网格格式，所述网格格式包括规则网格以及不规则网格，所述规则网格包括正方形以及矩形网格，所述不规则网格包括三角形网格；
13、s106：通过滤波以及插值对生成的数字高程模型进行平滑和修正，并去除局部的异常值以及误差；
14、s107：将生成的数字高程模型导出为标准格式的数据文件，所述格式包括geotiff以及ascii；
15、s108：确定所述数字高程模型的格式，并根据所述数字高程模型的数据大小、访问频率以及预计增长数据确定存储需求；
16、s109：根据所述数字高程模型的空间范围，将所述数字高程模型根据网格划分方式，划分为一系列的空间区域；
17、s110：在云平台中创建存储桶，根据已划分好的空间区域，通过网格id以及行列号，创建相应的存储目录结构；
18、s111：将划分好的数字高程模型按照所属网格划分，依次存储到对应的存储目录中；
19、s112：针对存储到存储目录中的数字高程模型数据，建立备份以及容灾机制，并设定使用权限以及访问控制策略；
20、s113：在所述云平台中添加相应的元数据信息，所述元数据信息包括网格的空间范围、分辨率以及更新日期；
21、s114：根据实际使用情况以及需求变化，定期对所述云平台进行优化以及升级。
22、进一步的，所述通过人工智能算法对存储到云平台中的所述林区地形地貌的数字高程模型进行分析，根据分析结果确定传感器部署位置，并根据传感器部署位置对相应传感器进行部署，通过传感器采集原始数据，将边缘设备与传感器进行连接，实时获取传感器采集的原始数据，包括：
23、s201：从云平台中获取林区地形地貌的数字高程模型数据，通过人工智能算法对所述数字高程模型数据进行处理及分析，获取所述林区地形的相关信息，所述信息包括地势、高度、坡度以及水文；
24、s202：根据所述信息确定传感器的部署位置以及数量，并根据所述林区特点以及所需监测的信息，确定需要使用的传感器类型；
25、s203：根据确定的传感器位置、数量以及确定需要使用的传感器类型，选择合适的位置与方案进行传感器部署；所述传感器类型包括温湿度传感器、火险指数传感器、地质监测传感器以及图像传感器；
26、s2031：所述温湿度传感器用于监测林区的气候状况和湿度变化；所述温湿度传感器部署在离地面1.5-3m位置，所述温湿度传感器的部署规则为每1250个平方米设置两个温湿度传感器，令林区面积为s，所述温湿度传感器设置数量为n，若s-1250≤0，则n＝2，若s-1250＞0，则
27、s2032：所述火险指数传感器用于评估林区的火灾风险，所述火险指数传感器部署在林区靠近火源、易燃物以及林区边缘区域，所述火险指数传感器数量不少于16个；
28、s2033：所述地质监测传感器用于检测土壤湿度和土壤稳定性，所述地质监测传感器在林区内随机部署12个，并将其安装在树木旁，且不与树木直接接触；
29、s2034：所述图像传感器用于监测植被生长状态和病虫害情况，所述图像传感器安装于视野开阔、无障碍物遮挡、无阳光直射以及有代表性的地点，所述代表性的地点包括不同种类的森林、不同树龄的林地；所述图像传感器安装数量为每千平方米一个；
30、s204：传感器部署完毕后，在所述传感器旁安装边缘设备，将所述边缘设备与所述传感器通过低功耗无线通信协议进行连接，所述低功耗无线通信协议包括lorawan以及nb-iot；
31、s205：通过传感器对原始数据进行采集，并将传感器采集的数据实时传输至边缘设备。
32本文档来自技高网...
【技术保护点】
1.一种基于边缘计算的智慧林业监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述一种基于边缘计算的智慧林业监测方法，其特征在于，所述获取林区地形地貌相关数据，并根据对获取的相关数据进行处理，获取所述林区地形地貌的数字高程模型；将获取到的所述数字高程模型存入云平台，包括：
3.根据权利要求1所述一种基于边缘计算的智慧林业监测方法，其特征在于，所述通过人工智能算法对存储到云平台中的所述林区地形地貌的数字高程模型进行分析，根据分析结果确定传感器部署位置，并根据传感器部署位置对相应传感器进行部署，通过传感器采集原始数据，将边缘设备与传感器进行连接，实时获取传感器采集的原始数据，包括：
4.根据权利要求1所述一种基于边缘计算的智慧林业监测方法，其特征在于，特征在于，所述边缘设备对获取的原始数据进行预处理，并通过机器学习算法以及模式识别算法对预处理后的原始数据进行数据分析与处理，获得分析与处理结果，所述边缘设备基于分析与处理结果生成监测信息，并将监测信息通过物联网传输至云平台，包括：
5.根据权利要求1所述一种基于边缘计算的智慧林业监
6.一种基于边缘计算的智慧林业监测系统，其特征在于，所述系统包括：
7.根据权利要求6所述一种基于边缘计算的智慧林业监测系统，其特征在于，所述数字高程模型建立模块包括：
8.根据权利要求6所述一种基于边缘计算的智慧林业监测系统，其特征在于，所述原始数据采集获取模块包括：
9.根据权利要求6所述一种基于边缘计算的智慧林业监测系统，其特征在于，所述监测信息生成模块包括：
10.根据权利要求6所述一种基于边缘计算的智慧林业监测系统，其特征在于，所述监测管理模块包括：
...【技术特征摘要】
1.一种基于边缘计算的智慧林业监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述一种基于边缘计算的智慧林业监测方法，其特征在于，所述获取林区地形地貌相关数据，并根据对获取的相关数据进行处理，获取所述林区地形地貌的数字高程模型；将获取到的所述数字高程模型存入云平台，包括：
3.根据权利要求1所述一种基于边缘计算的智慧林业监测方法，其特征在于，所述通过人工智能算法对存储到云平台中的所述林区地形地貌的数字高程模型进行分析，根据分析结果确定传感器部署位置，并根据传感器部署位置对相应传感器进行部署，通过传感器采集原始数据，将边缘设备与传感器进行连接，实时获取传感器采集的原始数据，包括：
4.根据权利要求1所述一种基于边缘计算的智慧林业监测方法，其特征在于，特征在于，所述边缘设备对获取的原始数据进行预处理，并通过机器学习算法以及模式识别算法对预处理后的原始数据进行数据分析与处理，获得分析与处理结果，所述边缘设备基于分析与处理结果生成监...
【专利技术属性】
技术研发人员：张荣，张桐，
申请(专利权)人：招互江苏智慧科技有限公司，
类型：发明
国别省市：
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。