CN104732426B - 一种农产品产销决策方法、装置及*** - Google Patents
一种农产品产销决策方法、装置及*** Download PDFInfo
- Publication number
- CN104732426B CN104732426B CN201510133375.XA CN201510133375A CN104732426B CN 104732426 B CN104732426 B CN 104732426B CN 201510133375 A CN201510133375 A CN 201510133375A CN 104732426 B CN104732426 B CN 104732426B
- Authority
- CN
- China
- Prior art keywords
- production
- agricultural product
- market
- data
- growing environment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种农产品产销决策方法、装置及***，所述方法包括：获取数据库中的生长环境监测数据；根据生长环境监测数据，生成未来至少一天内的农产品的预测生产量；获取农产品的生产总量，所述生产总量为预测生产量和当前库存量的总和；根据生产总量和预存的农产品市场数据，生成销售方案，其中，所述农产品市场数据包括：销售地及其对应的销售价格和销售量，所述销售方案包括：销售地及其对应的预售价格和分配量。本发明实施例提供的技术方案，以预测的未来几天的生产量与当前库存量的和作为农产品的生产总量，根据生产总量以及农产品的市场数据，生成农产品的销售地及其对应的预售价格和分配量等数据，提高了农产品的产销决策效率和准确度。
Description
技术领域
本发明涉及智能农业技术领域，尤其涉及一种农产品产销决策方法、装置及***。
背景技术
我国是农业大国，农业是我国国民经济的命脉，未来人口日益增加的巨大压力，对农产品的合理有效生产和销售提出了更高的要求。传统的农产品产销模式，以人工方式去估计市场的需求和价格，并根据市场情况调整产品的生产和销售，这种方式工作量较大，信息反馈慢，且对市场的把握不够及时准确。随着社会信息化的全面发展，各项科学管理技术被广泛应用于各行各业，促进了我国农业、工业、金融、教育、文化等事业的全面发展。人们获取、利用信息的需求越来越高，农产品的生产、销售一体化给农业生产企业提供了先进、方便的信息支持。
但是，现有的农产品产销及流通过程中还存在信息反馈慢、市场经营策略制定不够及时、准确等现象，导致了农产品的产销决策效率低，时间浪费严重的问题。
发明内容
有鉴于此，本发明提出了一种农产品产销决策方法、装置及***，以解决农产品的产销决策效率低，准确度差的问题，提高农产品的产销决策效率和准确度。
为达此目的，本发明采用以下技术方案：
第一方面，本发明实施例提供一种农产品产销决策方法，包括：
获取数据库中的生长环境监测数据；
根据所述生长环境监测数据，生成未来至少一天内的农产品的预测生产量；
获取农产品的生产总量，所述生产总量为所述预测生产量和当前库存量的总和；
根据所述生产总量和预存的农产品市场数据，生成销售方案，其中，所述农产品市场数据包括：销售地及其对应的销售价格和销售量，所述销售方案包括：销售地及其对应的预售价格和分配量。
进一步的，获取数据库中的生长环境监测数据之前，还包括：
获取至少一个监测点采集到的生长环境监测数据；
将所述生长环境监测数据存储到数据库中。
进一步的，还包括：
根据所述生产总量和预存的农产品市场数据，调整生产规模。
进一步的，根据所述生产总量和预存的农产品市场数据，生成销售方案包括：
获取数据库中的预设备选方案；
根据所述预设备选方案，建立销售方案相应的数学模型；
根据所述生产总量和预存的农产品市场数据，以及所述数学模型，生成销售方案。
第二方面，本发明实施例提供一种农产品产销决策装置，包括：
第一获取单元，用于获取数据库中的生长环境监测数据；
第一生成单元，用于根据所述生长环境监测数据，生成未来至少一天内的农产品的预测生产量；
第二获取单元，用于获取农产品的生产总量，所述生产总量为所述预测生产量和当前库存量的总和；
第二生成单元，用于根据所述生产总量和预存的农产品市场数据，生成销售方案，其中，所述农产品市场数据包括：销售地及其对应的销售价格和销售量，所述销售方案包括：销售地及其对应的预售价格和分配量。
进一步的，还包括：
数据获取单元，用于获取至少一个监测点采集到的生长环境监测数据；
数据存储单元，用于将所述生长环境监测数据存储到数据库中。
进一步的，还包括：
调整单元，用于根据所述生产总量和预存的农产品市场数据，调整生产规模。
进一步的，所述第二生成单元包括：
方案获取子单元，用于获取数据库中的预设备选方案；
模型建立子单元，用于根据所述预设备选方案，建立销售方案相应的数学模型；
方案生成子单元，用于根据所述生产总量和预存的农产品市场数据，以及所述数学模型，生成销售方案。
第三方面，本发明实施例提供一种农产品产销决策***，包括上述的农产品产销决策装置，还包括至少一个监测点。
进一步的，所述监测点包括下述至少一项监测设备：
光照传感器，用于检测农作物生长环境中的光照强度；
温度传感器，用于检测农作物生长土壤中的温度；
湿度传感器，用于检测农作物生长土壤中的湿度；
土壤传感器，用于检测农作物生长土壤中至少一种元素的含量。
本发明实施例提供的农产品产销决策方法、装置及***，根据从数据库中获取的农产品的生长环境监测数据，预测未来几天的农产品的生产量，以生产量与当前库存量的和作为农产品的生产总量，根据生产总量以及农产品的市场数据，生成农产品的销售地及其对应的预售价格和分配量等数据，提高了农产品的产销决策效率和准确度。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。
图1是本发明实施例一提供的农产品产销决策方法的流程图；
图2是本发明实施例二提供的农产品产销决策装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下将结合本发明实施例中的附图，通过具体实施方式，完整地描述本发明的技术方案。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例，基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下获得的所有其他实施例，均落入本发明的保护范围之内。
实施例一
图1给出了本实施例一提供的农产品产销决策方法的流程图，该方法可以由农产品产销决策装置来执行，其中所述装置可由软件和/或硬件实现。如图1所示，本实施例提供的农产品产销决策方法包括如下操作：
操作S101，获取数据库中的生长环境监测数据；
在该操作之前还包括以下操作：获取至少一个监测点采集到的生长环境监测数据；将所述生长环境监测数据存储到数据库中。
其中，所述监测点可以由传感器组构成，所述传感器组可以包括下述至少一项传感器：光照传感器、温度传感器、湿度传感器和土壤传感器。所述传感器组用于采集农作物的环境监测数据。
操作S102，根据所述生长环境监测数据，生成未来至少一天内的农产品的预测生产量；
根据生长环境监测数据，以及农作物的生长指标，预测未来至少一天内农产品的生产量。其中，所述生长指标包括农作物的叶面积指数、株高、干物质重、NDVI(NormalizedDifference Vegetation Index，归一化植被指数)、SAVI(Soil Adjusted VegetationIndex,土壤调节植被指数)和CHL(the chlorophyll content,叶绿素含量)等生理特征参数。
操作S103，获取农产品的生产总量，所述生产总量为所述预测生产量和当前库存量的总和；
操作S104，根据所述生产总量和预存的农产品市场数据，生成销售方案，其中，所述农产品市场数据包括：销售地及其对应的销售价格和销售量，所述销售方案包括：销售地及其对应的预售价格和分配量。
根据所述生产总量和预存的农产品市场数据，生成销售方案包括：获取数据库中的预设备选方案；根据所述预设备选方案，建立销售方案相应的数学模型；根据所述生产总量和预存的农产品市场数据，以及所述数学模型，生成销售方案。
具体的，从数据库中获取预设备选方案，所述预设备选方案可以为求解最优化问题的公式或算法或历史生产销售方案，根据所述备选方案将非结构化的生产最优化问题和销售最优化问题转换为相应的结构化问题，例如，将生产最优问题转化为计算生产回报与生产投入之差的最大值求解问题，将销售最优化问题转化为计算企业利润的最大值问题，生成被结构化的生产最优化问题和销售最优化问题的数学模型；根据所述生产总量和预存的农产品市场数据，以及所述数学模型，生成销售方案，并将生成的销售方案存储到数据库中。根据目前各销售目标地的农产品价格、销售量及需求情况，结合农产品的动态生产总量，合理的安排各地农产品的期望价格和销售分配方案，进而可以提高农产品生产销售决策质量、减小生产销售成本、节约时间、提高生产销售效率。
另外，根据所述生产总量和预存的农产品市场数据，还可以调整生产规模。
本发明实施例提供的农产品产销决策方法，根据从数据库中获取的农产品的生长环境监测数据，预测未来几天的农产品的生产量，以生产量与当前库存量的和作为农产品的生产总量，根据生产总量以及农产品的市场数据，生成农产品的销售地及其对应的预售价格和分配量等数据，提高了农产品的产销决策效率和准确度。
实施例二
图2给出了本发明实施例二提供的农产品产销决策装置的结构示意图。如图2所示，本实施例提供的农产品产销决策装置，包括：
第一获取单元210，用于获取数据库中的生长环境监测数据；
第一生成单元220，用于根据所述生长环境监测数据，生成未来至少一天内的农产品的预测生产量；
第二获取单元230，用于获取农产品的生产总量，所述生产总量为所述预测生产量和当前库存量的总和；
第二生成单元240，用于根据所述生产总量和预存的农产品市场数据，生成销售方案，其中，所述农产品市场数据包括：销售地及其对应的销售价格和销售量，所述销售方案包括：销售地及其对应的预售价格和分配量。
进一步的，还包括：
数据获取单元，用于获取至少一个监测点采集到的生长环境监测数据；
数据存储单元，用于将所述生长环境监测数据存储到数据库中。
进一步的，还包括：
调整单元，用于根据所述生产总量和预存的农产品市场数据，调整生产规模。
进一步的，所述第二生成单元240包括：
方案获取子单元，用于获取数据库中的预设备选方案；
模型建立子单元，用于根据所述预设备选方案，建立销售方案相应的数学模型；
方案生成子单元，用于根据所述生产总量和预存的农产品市场数据，以及所述数学模型，生成销售方案。
本发明实施例提供的农产品产销决策装置可执行本发明实施例一提供的农产品产销决策方法，具备执行方法相应的功能模块和有益效果。
实施例三
本发明实施例三提供一种农产品产销决策***，包括实施例二提供的农产品产销决策装置，还包括至少一个监测点。
进一步的，所述监测点包括下述至少一项监测设备：
光照传感器，用于检测农作物生长环境中的光照强度；
温度传感器，用于检测农作物生长土壤中的温度；
湿度传感器，用于检测农作物生长土壤中的湿度；
土壤传感器，用于检测农作物生长土壤中至少一种元素的含量。
本发明实施例提供的农产品产销决策***包括实施例二提供的农产品产销决策装置，所述农产品产销决策装置可执行本发明实施例一提供的农产品产销决策方法，具备执行方法相应的功能模块和有益效果。
上述仅为本发明的较佳实施例及所运用的技术原理。本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由权利要求的范围决定。
Claims (10)
1.一种农产品产销决策方法，其特征在于，包括：
获取数据库中的生长环境监测数据；
根据生长环境监测数据，以及农作物的生长指标，预测未来至少一天内农产品的生产量，其中，所述生长指标包括农作物的叶面积指数、株高、干物质重、归一化植被指数、土壤调节植被指数和叶绿素含量；
获取农产品的生产总量，所述生产总量为所述预测生产量和当前库存量的总和；
根据所述生产总量和预存的农产品市场数据，生成销售方案，其中，所述农产品市场数据包括：销售地及其对应的销售价格和销售量，所述销售方案包括：销售地及其对应的预售价格和分配量。
2.根据权利要求1所述的农产品产销决策方法，其特征在于，获取数据库中的生长环境监测数据之前，还包括：
获取至少一个监测点采集到的生长环境监测数据；
将所述生长环境监测数据存储到数据库中。
3.根据权利要求1所述的农产品产销决策方法，其特征在于，还包括：
根据所述生产总量和预存的农产品市场数据，调整生产规模。
4.根据权利要求1所述的农产品产销决策方法，其特征在于，根据所述生产总量和预存的农产品市场数据，生成销售方案包括：
获取数据库中的预设备选方案；
根据所述预设备选方案，建立销售方案相应的数学模型；
根据所述生产总量和预存的农产品市场数据，以及所述数学模型，生成销售方案。
5.一种农产品产销决策装置，其特征在于，包括：
第一获取单元，用于获取数据库中的生长环境监测数据；
第一生成单元，用于根据生长环境监测数据，以及农作物的生长指标，预测未来至少一天内农产品的生产量，其中，所述生长指标包括农作物的叶面积指数、株高、干物质重、归一化植被指数、土壤调节植被指数和叶绿素含量；
第二获取单元，用于获取农产品的生产总量，所述生产总量为所述预测生产量和当前库存量的总和；
第二生成单元，用于根据所述生产总量和预存的农产品市场数据，生成销售方案，其中，所述农产品市场数据包括：销售地及其对应的销售价格和销售量，所述销售方案包括：销售地及其对应的预售价格和分配量。
6.根据权利要求5所述的农产品产销决策装置，其特征在于，还包括：
数据获取单元，用于获取至少一个监测点采集到的生长环境监测数据；
数据存储单元，用于将所述生长环境监测数据存储到数据库中。
7.根据权利要求5所述的农产品产销决策装置，其特征在于，还包括：
调整单元，用于根据所述生产总量和预存的农产品市场数据，调整生产规模。
8.根据权利要求5所述的农产品产销决策装置，其特征在于，所述第二生成单元包括：
方案获取子单元，用于获取数据库中的预设备选方案；
模型建立子单元，用于根据所述预设备选方案，建立销售方案相应的数学模型；
方案生成子单元，用于根据所述生产总量和预存的农产品市场数据，以及所述数学模型，生成销售方案。
9.一种农产品产销决策***，其特征在于，包括权利要求5-8任一所述的农产品产销决策装置，还包括至少一个监测点。
10.根据权利要求9所述的***，其特征在于，所述监测点包括下述至少一项监测设备：
光照传感器，用于检测农作物生长环境中的光照强度；
温度传感器，用于检测农作物生长土壤中的温度；
湿度传感器，用于检测农作物生长土壤中的湿度；
土壤传感器，用于检测农作物生长土壤中至少一种元素的含量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510133375.XA CN104732426B (zh) | 2015-03-25 | 2015-03-25 | 一种农产品产销决策方法、装置及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510133375.XA CN104732426B (zh) | 2015-03-25 | 2015-03-25 | 一种农产品产销决策方法、装置及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104732426A CN104732426A (zh) | 2015-06-24 |
| CN104732426B true CN104732426B (zh) | 2018-04-03 |
Family
ID=53456297
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510133375.XA Active CN104732426B (zh) | 2015-03-25 | 2015-03-25 | 一种农产品产销决策方法、装置及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104732426B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106251234A (zh) * | 2016-08-19 | 2016-12-21 | 四川省巴食巴适电子商务有限公司 | 一种基于互联网和大数据的农产品产销整合服务平台 |
| CN108122137A (zh) * | 2018-01-08 | 2018-06-05 | 中国农业科学院农业信息研究所 | 一种智能均衡农产品供需的方法及*** |
| CN110135878B (zh) * | 2018-02-09 | 2024-04-16 | 北京京东尚科信息技术有限公司 | 用于确定销售价格的方法及装置 |
| TWI695339B (zh) * | 2018-10-17 | 2020-06-01 | 凌誠科技股份有限公司 | 農作物產期產量管理分析系統 |
| CN109197276B (zh) * | 2018-10-18 | 2021-12-24 | 广州极飞科技股份有限公司 | 农产品等级的确定方法及装置、农产品的收割方法 |
| CN110521456A (zh) * | 2019-09-23 | 2019-12-03 | 广东海洋大学寸金学院 | 一种基于物联网智慧蔬菜大棚***开发方法 |
| CN113435641B (zh) * | 2021-06-24 | 2023-03-07 | 布瑞克农业大数据科技集团有限公司 | 一种农产品全自动化管理方法、***及存储介质 |
| CN113393277B (zh) * | 2021-07-01 | 2023-11-28 | 安徽洲弋电子商务有限公司 | 一种基于大数据的农产品市场数据分析*** |
| CN114331090A (zh) * | 2021-12-24 | 2022-04-12 | 江苏业派生物科技有限公司 | 基于大数据的农产品市场供需数据监控***及方法 |
| CN116703468B (zh) * | 2023-08-01 | 2024-05-07 | 北京佳格天地科技有限公司 | 一种基于大数据的农产品营销方法、***及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005151851A (ja) * | 2003-11-21 | 2005-06-16 | Mayekawa Mfg Co Ltd | 農作物需給管理システム、加工食品受発注システム及び農業支援システム |
| JP2007272853A (ja) * | 2006-03-31 | 2007-10-18 | Makuta Amenity Kk | 農産物生産・流通システム |
| CN102542346A (zh) * | 2011-12-21 | 2012-07-04 | 中国农业科学院农业信息研究所 | 农产品市场监测预警*** |
| CN103020735A (zh) * | 2012-12-04 | 2013-04-03 | 浙江大学 | 一种基于光响应分段特征的天尺度初级生产力估测方法 |
| CN103295159A (zh) * | 2012-02-24 | 2013-09-11 | 鸿富锦精密工业（深圳）有限公司 | 农产品种植管控***及管控方法 |
| CN103529783A (zh) * | 2013-10-13 | 2014-01-22 | 林兴志 | 一种基于北斗/gis的甘蔗种植监测装置 |
-
2015
- 2015-03-25 CN CN201510133375.XA patent/CN104732426B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005151851A (ja) * | 2003-11-21 | 2005-06-16 | Mayekawa Mfg Co Ltd | 農作物需給管理システム、加工食品受発注システム及び農業支援システム |
| JP2007272853A (ja) * | 2006-03-31 | 2007-10-18 | Makuta Amenity Kk | 農産物生産・流通システム |
| CN102542346A (zh) * | 2011-12-21 | 2012-07-04 | 中国农业科学院农业信息研究所 | 农产品市场监测预警*** |
| CN103295159A (zh) * | 2012-02-24 | 2013-09-11 | 鸿富锦精密工业（深圳）有限公司 | 农产品种植管控***及管控方法 |
| CN103020735A (zh) * | 2012-12-04 | 2013-04-03 | 浙江大学 | 一种基于光响应分段特征的天尺度初级生产力估测方法 |
| CN103529783A (zh) * | 2013-10-13 | 2014-01-22 | 林兴志 | 一种基于北斗/gis的甘蔗种植监测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104732426A (zh) | 2015-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104732426B (zh) | 一种农产品产销决策方法、装置及*** | |
| Antle et al. | Next generation agricultural system data, models and knowledge products: Introduction | |
| Zhang et al. | Research on grain production efficiency in China’s main grain-producing areas from the perspective of grain subsidy | |
| CN105260791A (zh) | 基于农业物联网和大数据分析的种植计划优化***和方法 | |
| Lin et al. | Intelligent greenhouse system based on remote sensing images and machine learning promotes the efficiency of agricultural economic growth | |
| Lad et al. | Factors affecting agriculture and estimation of crop yield using supervised learning algorithms | |
| CN110163758A (zh) | 人工智能股票投资分析*** | |
| CN102156886A (zh) | 基于统计数据和遥感影像数据的区域化肥投入空间化方法 | |
| Liu et al. | An analysis on total factor productivity and influencing factors of soybean in China | |
| Mariadass et al. | EXtreme gradient boosting (XGBoost) regressor and shapley additive explanation for crop yield prediction in agriculture | |
| CN115115126A (zh) | 基于知识图谱的农作物灾害损失及产量预测***及方法 | |
| WO2022094698A1 (en) | Advanced crop manager for crops stress mitigation | |
| CN205375576U (zh) | 一种基于3s技术的农产品种植与销售管理*** | |
| Meng et al. | Machinery structure, machinery subsidies, and agricultural productivity: Evidence from China | |
| CN116151860A (zh) | 基于电子商务数据分析的智慧海洋服务数字化管理*** | |
| Fang et al. | Plant-response-based control strategy for irrigation and environmental controls for greenhouse tomato seedling cultivation | |
| Etwire et al. | The impact of climate change on crop production in Ghana: A Structural Ricardian analysis | |
| CN112235348A (zh) | 一种基于5g技术下的多元大数据采集与传输平台 | |
| van Dijk et al. | Generating multi-period crop distribution maps for Southern Africa using a data fusion approach | |
| CN113570177A (zh) | 农产品的品质确定***及其使用方法 | |
| PK | Rubber Economy in Digital Kerala and the Problems Faced by the Rubber Cultivators: Need for Technology-Based Interventions | |
| Adomako et al. | Factors influencing the production of local rice in Ghana: the moderating role of open innovation | |
| AU2021100096A4 (en) | Ai-based crop recommendation system for smart farming towards agriculture 5.0 | |
| Rawat et al. | Digital Twining in Intelligent Farming Systems. | |
| Malik et al. | Crop selection algorithm-technique for price prediction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |