CN108414015A - 一种基于大数据的农业现场环境参数采集处理*** - Google Patents
一种基于大数据的农业现场环境参数采集处理*** Download PDFInfo
- Publication number
- CN108414015A CN108414015A CN201810172923.3A CN201810172923A CN108414015A CN 108414015 A CN108414015 A CN 108414015A CN 201810172923 A CN201810172923 A CN 201810172923A CN 108414015 A CN108414015 A CN 108414015A
- Authority
- CN
- China
- Prior art keywords
- site environment
- environment parameter
- agriculture
- agriculture site
- data
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于大数据的农业现场环境参数采集处理***,包括多个移动数据分站和数据分析中心,每个移动数据分站皆连接至数据分析中心,每个移动数据分站用于采集一个农业现场环境监测区域内的多个监测节点的农业现场环境参数;数据分析中心用于对采集的农业现场环境参数进行处理分析,实现对农业现场环境的实时监测。本发明基于大数据处理技术,解决了农业现场环境参数的实时监测、长期监测等问题。
Description
技术领域
本发明涉及农业技术领域,具体涉及一种基于大数据的农业现场环境参数采集处理***。
背景技术
长期以来农业生产采用粗放式管理,以生产者的经验对作物环境做出判断,然后采取相应的措施。随着现代农业的发展,农业生产中越来越重视对各种环境信息的采集,以便为生产提供针对性的指导。但现有的信息收集方式仍以人工采集的方式为主,工作量大,不能实时的,长期的对农业环境做出监测,在生产中结合大数据技术更是难以实现。
发明内容
针对上述问题,本发明提供一种基于大数据的农业现场环境参数采集处理***。
本发明的目的采用以下技术方案来实现:
提供了一种基于大数据的农业现场环境参数采集处理***,包括多个移动数据分站和数据分析中心,每个移动数据分站皆连接至数据分析中心,每个移动数据分站用于采集一个农业现场环境监测区域内的多个监测节点的农业现场环境参数;数据分析中心用于对采集的农业现场环境参数进行处理分析,实现对农业现场环境的实时监测。
优选地,每个移动数据分站包括设置于各个监测节点的数据采集模块,可选地,每个监测节点设置1个数据采集模块。
本发明的有益效果为:实现了农业环境的智能化监控,解决了农业现场环境参数的实时监测、长期监测等问题;将监测信息积累后,通过大数据分析可对农业生产进行有针对性的指导,避免了生产的盲目性,适应现代农业发展的要求。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明一个示例性实施例的农业现场环境监测***的结构示意框图;
图2是本发明一个示例性实施例的数据分析中心的结构示意框图;
图3是本发明一个示例性实施例的预处理模块的结构示意框图。
附图标记:
移动数据分站1、数据分析中心2、数据采集模块3、接收模块100、预处理模块200、分析模块300、数据压缩模块400、存储模块500、异常判断单元50、异常值处理单元60、数据补全单元70。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例提供的一种基于大数据的农业现场环境参数采集处理***,包括多个移动数据分站1和数据分析中心2,每个移动数据分站1皆连接至数据分析中心2,每个移动数据分站1用于采集一个农业现场环境监测区域内的多个监测节点的农业现场环境参数;数据分析中心2用于对采集的农业现场环境参数进行处理分析,实现对农业现场环境的实时监测。
在一个实施例中,每个移动数据分站1包括设置于各个监测节点的数据采集模块3,可选地,每个监测节点设置1个数据采集模块3。可选地,数据采集模块3内设有温度传感器、CO2含量传感器、雨量传感器或光照传感器。
在一个实施例中,如图2所示,数据分析中心2包括依次连接的接收模块100、预处理模块200、分析模块300。
其中,接收模块100用于接收多个移动数据分站1发送的农业现场环境参数。
其中,预处理模块200用于对接收模块100接收的农业现场环境参数进行预处理。
其中,分析模块300用于对预处理后的农业现场环境参数进行分析处理。
在一个实施例中,数据分析中心2还包括相连接的数据压缩模块400和存储模块500,数据压缩模块400与接收模块100连接,用于对接收模块100接收的多个移动数据分站1发送的农业现场环境参数进行压缩处理,并将压缩处理后的农业现场环境参数发送至存储模块500中存储。
本发明上述实施例实现了农业环境的智能化监控,解决了农业现场环境参数的实时监测、长期监测等问题;将监测信息积累后,通过大数据分析可对农业生产进行有针对性的指导,避免了生产的盲目性,适应现代农业发展的要求。
在一个实施例中,如图3所示,预处理模块200包括异常判断单元50、异常值处理单元60和数据补全单元70;其中异常判断单元50用于对农业现场环境参数进行异常判断,确定农业现场环境参数中的异常值;所述的异常值处理单元60用于对农业现场环境参数中的异常值进行处理;所述的数据补全单元70用于对农业现场环境参数进行缺失分析,并对农业现场环境参数中的缺失项进行补全处理。
在一个实施例中,异常判断单元50对农业现场环境参数进行异常判断时,将一个数据采集模块3在一个采集周期内采集的农业现场环境参数作为一个农业现场环境参数组,对每个农业现场环境参数组进行异常分析,输出农业现场环境参数组中的异常值。
其中,对农业现场环境参数组进行异常分析,具体包括:
(1)以时间为横轴,农业现场环境参数大小为纵轴,对农业现场环境参数组绘制波形图;
(2)对波形图中的各个波峰波谷点对应的农业现场环境参数进行异常判断,按照改进的格拉布斯准则计算它们的G值,若一个波峰波谷点对应的农业现场环境参数的G值大于设定的判定阈值,则将该波峰波谷点对应的农业现场环境参数判定为异常值,其中G值的计算公式为:
式中,Gi表示第i个波峰波谷点对应的农业现场环境参数的G值,zi表示第i个波峰波谷点对应的农业现场环境参数,为农业现场环境参数组的平均值;zmed为对农业现场环境参数组中的农业现场环境参数按照由小到大的顺序进行排序后,所形成的序列中的中位数;zj为农业现场环境参数组中第j个农业现场环境参数,n为农业现场环境参数组中的农业现场环境参数个数,X为农业现场环境参数组的标准差。
优选地,所述的判定阈值设定为其中Gi'为格拉布斯表中与Gi对应的临界值。
大量农业现场环境参数是从真实的外部环境产生,由于数据采集模块3的故障,各个农业现场环境参数组未免存在或多或少的异常值,如果对异常值不进行处理,势必会对后续的数据分析处理的精度造成影响。
本实施例将农业现场环境参数组作为一个异常分析单位,对农业现场环境参数组进行异常分析,在进行异常分析时,对农业现场环境参数组绘制相应的波形图,只对波形图中的各个波峰波谷点对应的农业现场环境参数进行异常判断,相对于对所有农业现场环境参数进行异常分析的方式,提高了农业现场环境参数的异常分析效率,其中对各个波峰波谷点对应的农业现场环境参数进行异常分析时,采用了改进的格拉布斯准则。
现有技术中,基于平均数及标准差的格拉布斯准则是典型的基于参数统计的异常点检测方法。本实施在现有格拉布斯准则的基础上,采用加权的方式,在G值的计算公式增加了加权系数该加权系数的引入,使得农业现场环境参数组中的正常值的G值更小,可以减少正常值的误判,提高格拉布斯准则的鲁棒性和稳健性,进而提高对农业现场环境参数进行异常判定的精度。
在一个实施例中,异常值处理单元60对农业现场环境参数中的异常值进行处理时,具体执行:
(1)设异常值yi所在的农业现场环境参数组为Sρ,农业现场环境参数组Sρ的上一个采集周期对应的农业现场环境参数组为Sρ-1,计算出农业现场环境参数组Sρ的平均值以及计算出农业现场环境参数组Sρ-1的平均值
(2)按照下列公式计算yi的替代值yi′,将yi′替代yi:
式中,max表示取最大值,min表示取最小值。
现有技术中对异常值进行处理时,通常是直接将异常值进行剔除处理,这种方式会造成农业现场环境参数的缺失,从而影响农业现场环境参数的时间特性,进一步影响后续对农业现场环境参数进行建模分析的精度。
本实施例对农业现场环境参数中的异常值进行处理时,按照设定的公式计算出替代值,将替代值替换农业现场环境参数组中的异常值,有利于使得农业现场环境参数组中的农业现场环境参数趋于平稳,避免造成农业现场环境参数缺失而影响农业现场环境参数的时间特性。
在一个实施例中,所述对农业现场环境参数进行缺失分析,具体为:对每个农业现场环境参数组进行分析,若农业现场环境参数组中存在两个相邻的农业现场环境参数,它们的采样时间间隔大于设定的时间阈值,则判定该相邻的农业现场环境参数之间存在缺失项。
其中,所述对农业现场环境参数中的缺失项进行补全处理,具体包括:
(1)设存在缺失项的农业现场环境参数组为Sp={z1,z2,..,za,zb,..,zq},q为农业现场环境参数组Sp包含的农业现场环境参数个数,za,zb之间存在缺失项,按照下列归一化处理公式对农业现场环境参数组Sp中的农业现场环境参数进行归一化处理,得到归一化处理后的序列Sp′=Gz1′,z2',..,za′,zb′,..,zq′}:
式中,zk为农业现场环境参数组Sp中的第k个农业现场环境参数,zmax为农业现场环境参数组Sp中农业现场环境参数的最大值,zmin为农业现场环境参数组Sp中农业现场环境参数的最小值;
(2)根据下列公式计算缺失项的归一化值:
式中,zab'表示za,zb之间的缺失项的归一化值,zv'表示{z1′,z2′,..,za-1'}之间的第v个农业现场环境参数的归一化值,ze'表示{zb+1′,..,zq′}之间的第a个农业现场环境参数的归一化值;λ1、λ2为设定的权重值,且λ1+λ2=0.5;
(3)对缺失项的归一化值进行反归一化,得到缺失项的补全值;
(4)将得到的补全值补入到对应的缺失项中,以得到完整的农业现场环境参数组。
农业现场环境参数的缺失会影响农业现场环境参数的时间特性,进一步影响后续对农业现场环境参数进行建模分析的精度。本实施例以农业现场环境参数组为缺失项补全处理的单位,提出了一种新的数据补全机制,利用该机制对存在缺失项的农业现场环境参数组进行补全,保证了农业现场环境参数组的完整性。本实施例以农业现场环境参数恢复的角度补全农业现场环境参数,提出了缺失项的归一化值的计算公式,通过对缺失项的归一化值的反归一化得到缺失项的补全值,计算简单,具有较高的农业现场环境参数补全效率。
本实施例由于采用缺失项所在的农业现场环境参数组中的农业现场环境参数来计算缺失项的归一化值,使得缺失项的补全值能够符合所在农业现场环境参数组的数据变化规律,尽量保障数据补全的精度。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种基于大数据的农业现场环境参数采集处理***,其特征是,包括多个移动数据分站和数据分析中心,每个移动数据分站皆连接至数据分析中心,每个移动数据分站用于采集一个农业现场环境监测区域内的多个监测节点的农业现场环境参数;数据分析中心用于对采集的农业现场环境参数进行处理分析,实现对农业现场环境的实时监测。
2.根据权利要求1所述的一种基于大数据的农业现场环境参数采集处理***,其特征是,每个移动数据分站包括设置于各个监测节点的数据采集模块,数据采集模块内设有温度传感器、CO2含量传感器、雨量传感器或光照传感器。
3.根据权利要求1所述的一种基于大数据的农业现场环境参数采集处理***,其特征是,数据分析中心包括依次连接的接收模块、预处理模块、分析模块,其中接收模块用于接收多个移动数据分站发送的农业现场环境参数;所述预处理模块用于对接收模块接收的农业现场环境参数进行预处理;所述的分析模块用于对预处理后的农业现场环境参数进行分析处理。
4.根据权利要求3所述的一种基于大数据的农业现场环境参数采集处理***,其特征是,数据分析中心还包括相连接的数据压缩模块和存储模块,数据压缩模块与接收模块连接,用于对接收模块接收的多个移动数据分站发送的农业现场环境参数进行压缩处理,并将压缩处理后的农业现场环境参数发送至存储模块中存储。
5.根据权利要求3或4所述的一种基于大数据的农业现场环境参数采集处理***,其特征是,预处理模块包括异常判断单元、异常值处理单元和数据补全单元;其中异常判断单元用于对农业现场环境参数进行异常判断,确定农业现场环境参数中的异常值;所述的异常值处理单元用于对农业现场环境参数中的异常值进行处理;所述的数据补全单元用于对农业现场环境参数进行缺失分析,并对农业现场环境参数中的缺失项进行补全处理。
6.根据权利要求5所述的一种基于大数据的农业现场环境参数采集处理***,其特征是,异常判断单元对农业现场环境参数进行异常判断时,将一个数据采集模块在一个采集周期内采集的农业现场环境参数作为一个农业现场环境参数组,对每个农业现场环境参数组进行异常分析,输出农业现场环境参数组中的异常值。
7.根据权利要求5所述的一种基于大数据的农业现场环境参数采集处理***,其特征是,所述对农业现场环境参数进行缺失分析,具体为:对每个农业现场环境参数组进行分析,若农业现场环境参数组中存在两个相邻的农业现场环境参数,它们的采样时间间隔大于设定的时间阈值,则判定该相邻的农业现场环境参数之间存在缺失项。
8.根据权利要求7所述的一种基于大数据的农业现场环境参数采集处理***,其特征是,所述对农业现场环境参数中的缺失项进行补全处理,具体包括:
(1)设存在缺失项的农业现场环境参数组为Sp={z1,z2,..,za,zb,..,zq},q为农业现场环境参数组Sp包含的农业现场环境参数个数,za,zb之间存在缺失项,按照下列归一化处理公式对农业现场环境参数组Sp中的农业现场环境参数进行归一化处理,得到归一化处理后的序列Sp′={z1′,z2′,..,za′,zb′,..,zq′}:
式中,zk为农业现场环境参数组Sp中的第k个农业现场环境参数,zmax为农业现场环境参数组Sp中农业现场环境参数的最大值,zmin为农业现场环境参数组Sp中农业现场环境参数的最小值;
(2)根据下列公式计算缺失项的归一化值:
式中,zab′表示za,zb之间的缺失项的归一化值,zv′表示{z1′,z2′,..,za-1′}之间的第v个农业现场环境参数的归一化值,ze′表示{zb+1′,..,zq′}之间的第e个农业现场环境参数的归一化值;λ1、λ2为设定的权重值,且λ1+λ2=0.5;
(3)对缺失项的归一化值进行反归一化,得到缺失项的补全值;
(4)将得到的补全值补入到对应的缺失项中,以得到完整的农业现场环境参数组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810172923.3A CN108414015A (zh) | 2018-03-01 | 2018-03-01 | 一种基于大数据的农业现场环境参数采集处理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810172923.3A CN108414015A (zh) | 2018-03-01 | 2018-03-01 | 一种基于大数据的农业现场环境参数采集处理*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108414015A true CN108414015A (zh) | 2018-08-17 |
Family
ID=63129896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810172923.3A Pending CN108414015A (zh) | 2018-03-01 | 2018-03-01 | 一种基于大数据的农业现场环境参数采集处理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108414015A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100032495A1 (en) * | 2008-08-06 | 2010-02-11 | Kevin Abts | Environmental and biotic-based speed management and control of mechanized irrigation systems |
JP2015072506A (ja) * | 2013-10-01 | 2015-04-16 | ネポン株式会社 | 農用機器制御方法、プログラム、システム、および装置 |
CN205375099U (zh) * | 2016-01-25 | 2016-07-06 | 吕帅 | 基于大数据的信息采集*** |
CN105843147A (zh) * | 2016-05-20 | 2016-08-10 | 北京云洋数据科技有限公司 | 一种智慧农业监控管理*** |
CN106530103A (zh) * | 2016-10-11 | 2017-03-22 | 北京农业智能装备技术研究中心 | 一种航空植保作业实时监管*** |
CN107168175A (zh) * | 2017-06-15 | 2017-09-15 | 深圳森阳环保材料科技有限公司 | 一种有效的建筑节能评价体系 |
CN107449884A (zh) * | 2017-08-06 | 2017-12-08 | 潘荣兰 | 一种基于无线传感器网络的污水监测*** |
-
2018
- 2018-03-01 CN CN201810172923.3A patent/CN108414015A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100032495A1 (en) * | 2008-08-06 | 2010-02-11 | Kevin Abts | Environmental and biotic-based speed management and control of mechanized irrigation systems |
JP2015072506A (ja) * | 2013-10-01 | 2015-04-16 | ネポン株式会社 | 農用機器制御方法、プログラム、システム、および装置 |
CN205375099U (zh) * | 2016-01-25 | 2016-07-06 | 吕帅 | 基于大数据的信息采集*** |
CN105843147A (zh) * | 2016-05-20 | 2016-08-10 | 北京云洋数据科技有限公司 | 一种智慧农业监控管理*** |
CN106530103A (zh) * | 2016-10-11 | 2017-03-22 | 北京农业智能装备技术研究中心 | 一种航空植保作业实时监管*** |
CN107168175A (zh) * | 2017-06-15 | 2017-09-15 | 深圳森阳环保材料科技有限公司 | 一种有效的建筑节能评价体系 |
CN107449884A (zh) * | 2017-08-06 | 2017-12-08 | 潘荣兰 | 一种基于无线传感器网络的污水监测*** |
Non-Patent Citations (2)
Title |
---|
花晓蕾: "大气重金属污染实时评价显示***设计", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
齐敏芳: "大数据技术及其在电站机组分析中的应用", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019101786A4 (en) | Intelligent pig group rearing weighing method and apparatus, electronic device and storage medium | |
CN205301934U (zh) | 一种设施农业物联网环境测控装置 | |
CN103854292B (zh) | 一种人数及人群运动方向的计算方法及装置 | |
CN102521581B (zh) | 结合生物特征与局部图像特征的并行人脸识别方法 | |
CN108982514A (zh) | 一种铸件表面缺陷仿生视觉检测*** | |
CN104913797A (zh) | 指针式仪表的读数识别方法及*** | |
CN103090946B (zh) | 果树单树产量测量的方法和*** | |
CN109241941A (zh) | 一种基于深度学习分析的养殖场监控家禽数量的方法 | |
CN104063686A (zh) | 作物叶部病害图像交互式诊断***与方法 | |
CN103344583A (zh) | 一种基于机器视觉的镨-钕(Pr/Nd)组分含量检测***及方法 | |
CN103324919A (zh) | 基于人脸识别的视频监控***及其数据处理方法 | |
CN111998918B (zh) | 一种误差校正方法、误差校正装置及流量传感*** | |
CN108335233A (zh) | 一种基于大数据技术的智能电网量测数据处理*** | |
CN116012701A (zh) | 一种基于矾花检测的水处理加药控制方法及装置 | |
CN113095189B (zh) | 基于机器视觉和数据分析的电力***变电站运行环境安全智能监测管理*** | |
CN109784408A (zh) | 一种边缘端的嵌入式时间序列决策树分类方法及*** | |
CN104007733B (zh) | 一种对农业集约化生产进行监控的***及方法 | |
CN111855653B (zh) | 一种植物干旱监测方法、监测模块和监测装置 | |
CN108414015A (zh) | 一种基于大数据的农业现场环境参数采集处理*** | |
CN114202720A (zh) | 一种基于目标识别的实时检测鸡蛋数量的***及方法 | |
CN105223202A (zh) | 一种检测农作物叶部病害的方法 | |
CN115147835A (zh) | 一种基于改进RetinaNet的自然果园场景下的凤梨成熟度检测方法 | |
CN108363344A (zh) | 基于云网络测控***的农业机械可靠性试验方法 | |
CN106779258A (zh) | 一种预测准确率高的大数据健康预测*** | |
CN113537459A (zh) | 一种药品库房温湿度预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180817 |