CN113554520A - 人工智能赋能下的智慧农业生产***及方法 - Google Patents
人工智能赋能下的智慧农业生产***及方法 Download PDFInfo
- Publication number
- CN113554520A CN113554520A CN202110854980.1A CN202110854980A CN113554520A CN 113554520 A CN113554520 A CN 113554520A CN 202110854980 A CN202110854980 A CN 202110854980A CN 113554520 A CN113554520 A CN 113554520A
- Authority
- CN
- China
- Prior art keywords
- data
- field
- target
- processing
- 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.)
- Granted
Links
- 238000012271 agricultural production Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 139
- 238000013499 data model Methods 0.000 claims abstract description 17
- 238000003860 storage Methods 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000219112 Cucumis Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 235000012055 fruits and vegetables Nutrition 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/05—Agriculture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/30—Control
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Molecular Biology (AREA)
- Economics (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Development Economics (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Accounting & Taxation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出人工智能赋能下的智慧农业生产***,包括现场数据接收端、数据分组处理端、数据模型匹配端、目标算法选择端、处理结果输出端以及数据反馈端。数据模型匹配端基于分组处理结果匹配出至少一个目标数据处理模型,并将现场数据接收端的第一现场环境数据作为所述目标数据处理模型的第一输入数据;目标算法选择端确定至少一种目标算法加载至所述目标数据处理模型中,并输出第二输出结果;数据反馈端基于第一输出数据与第二输出结果的比对,生成反馈数据。本发明还提出基于所述***实现的方法以及对应的存贮介质。本发明的技术方案可以基于人工智能自适应的实现不同时段不同类型的农业生产数据处理与调度,从而实现智慧农业数据处理。
Description
技术领域
本发明属于大数据与智慧营销技术领域,尤其涉及一种人工智能赋能下的智慧农业生产***、方法、以及实现所述方法的计算机程序指令介质。
背景技术
传统农业,浇水、施肥、打药,农民全凭经验、靠感觉。如今,设施农业生产基地,看到的却是另一番景象:瓜果蔬菜该不该浇水?施肥、打药,怎样保持精确的浓度?温度、湿度、光照、二氧化碳浓度,如何实行按需供给?一系列作物在不同生长周期曾被“模糊”处理的问题,都有信息化智能监控***实时定量“精确”把关,农民只需按个开关,做个选择,或是完全听“指令”,就能种好菜、养好花。这一切都基于智慧农业生产模式实现,例如将大量的传感器节点构成监控网络,通过各种传感器采集信息, 以帮助农民及时发现问题,并且准确地确定发生问题的位置。
早在上个世纪人工智能技术便开始了在农业领域内的探索,但由于当时技术水平有限,并未带来太多实质性的进展。进入21 世纪后,AI技术在工业领域所发挥出的巨大效能,让农业看到了新的变革的机会。农业作为传统产业已经成为物联网、人工智能的重点发展领域,如何农业利用现代化,建设农业数字化产业数据中心,要结合互联网大数据分析,建立满足农业生产整体规划要求的智慧农业人工智能基础设施。未来,智慧农业将是中国农业发展的重要方向。
中国发明专利申请CN202110177658.X提出一种基于物联网的智慧农业***,包括终端控制中心、数据采集模块、视频监控模块和执行模块,所述数据采集模块、所述视频监控模块和所述执行模块均匀所述终端控制中心信号连接;因警报模块通过传输模块和终端控制中心信号连接,终端控制中心将检测结果通过传输模块传输至警报模块处,因警报模块包括LED警报灯和蜂鸣器,若超出或低于预定的范围值,LED警报灯开始闪烁对应颜色的灯,同理蜂鸣器发出不同的响声,以便及时快速的近程提醒用户,因终端控制中心与手机端和移动端信号连接,便于将终端控制中心处的检测结果输送至手机端或移动端,便于实时远程快速提醒的目的,且便于远程查看大棚内的具体情况。
然而,现有技术并未考虑到,在大规模农业现场生产环境中,会产生多种类型的环境数据。现有技术提出的相关技术方案都是采用固定的算法或者模型执行调度管理,智能化程度不高,并未完全体现“人工智能”的内涵。
发明内容
为解决上述技术问题,本发明提出一种人工智能赋能下的智慧农业生产***、方法、以及实现所述方法的计算机程序指令介质。
具体来说,本发明的技术方案实现如下:
在本发明的第一个方面,提出一种人工智能赋能下的智慧农业生产***,所述***包括现场数据接收端、数据分组处理端、数据模型匹配端、目标算法选择端、处理结果输出端以及数据反馈端;
在本发明中,所述“端”可以理解为一个可以实现对应功能的模块或者电路、平台或者入口;或者可以将其理解为可以实现为对应功能的计算机程序进程,所述***可以是一个集成APP的平台,该集成APP包括多个所述“端”,每个入口对应不同的进程,每个进程完成对应的功能。
具体而言,各个端、入口或者进程完成的功能如下:
所述现场数据接收端与多个环境组合传感器无线通信,所述环境组合传感器布局于农业生产现场的多个不同类别的现场环境;
所述数据分组处理端与所述现场数据接收端通信,对所述现场数据接收端接收的现场环境数据进行分组处理;
所述数据模型匹配端与所述数据分组处理端与所述现场数据接收端通信;
当所述数据分组处理端输出的至少一个分组处理结果满足预设条件时,所述数据模型匹配端基于所述分组处理结果匹配出至少一个目标数据处理模型,并将所述现场数据接收端的第一现场环境数据作为所述目标数据处理模型的第一输入数据;
所述目标算法选择端,基于所述目标数据处理模型针对所述第一输入数据的第一输出数据,确定至少一种目标算法,加载至所述目标数据处理模型中;
将所述现场数据接收端的第二现场环境数据作为加载所述目标算法后的所述目标数据处理模型的第二输入数据,将对应的第二输出结果通过所述处理结果输出端输出;
所述数据反馈端基于第一输出数据与所述第二输出结果的比对,生成反馈数据发送至所述数据模型匹配端和/或目标算法选择端。
基于第一个方面所述的***,在本发明的第二个方面,提出一种人工智能赋能下的智慧农业生产数据处理方法,所述方法基于预设的目标算法库和处理模型数据库实现,所述处理模型数据库包含至少一个农业生产数据处理模型,所述目标算法库包含至少一个对应于所述农业生产数据处理模型的的目标算法。
具体而言,所述方法包括如下步骤:
S801:按照第一预设周期接收布置在农业生产现场的多个不同类别的现场环境的环境组合传感器发送的现场环境数据;
S802:对所述现场环境数据进行分组处理,得出至少一个分组处理结果,所述分组处理结果包含至少一个分组;
S803:判断所述分组是否满足预设条件,如果是,则进入步骤 S804;否则,返回步骤S801;
S804:基于所述满足预设条件的分组,从所述处理模型数据库出匹配出至少一个目标数据处理模型;
S805:将所述满足预设条件的分组包含的农作物所在环境的现场环境数据作为所述目标数据处理模型的输入,得出第一输出数据;
S806:基于所述第一输出数据,从所述目标算法库匹配出至少一种目标算法,并将所述目标算法加载至所述目标数据处理模型;
S807:在经过预设时间长度之后,将接收的现场环境数据作为所述目标数据处理模型的输入,得出第二输出结果;
S808:基于第一输出数据与所述第二输出结果的比对,生成反馈数据。
所述反馈数据用于指示是否更新所述目标数据处理模型或目标算法。
第二个方面的所述方法可以通过包含处理器和存储器的终端设备,尤其是图像处理终端设备,包括移动终端、桌面终端、服务器以及服务器集群等,通过程序指令自动化的执行,因此,在本发明的第三个方面,还提供一种计算机可读存储介质,其上存储有计算机程序指令;通过包含处理器和存储器的图像终端处理设备,执行所述程序指令,用于实现所述方法的全部或者部分步骤。所述处理器和存储器通过总线连接,构成终端设备的内部通信。
本发明的技术方案,针对大规模农业现场生产环境产生的多种类型的环境数据,能够自适应性的识别出当前环境数据的类型并自动匹配出对应的数据处理模型,并根据数据处理模型的初步处理结果,匹配更为适合的目标算法加载到该模型中,从而使得数据处理模型和数据处理算法能够适应当前的农业生产数据类型;而在当前农业生产数据类型发生变化之后,又能够及时的根据反馈数据调整所述数据处理模型和数据处理算法,因此,本发明可基于人工智能自适应的实现不同时段不同类型的农业生产数据处理与调度,从而实现智慧农业数据处理。
本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的一种人工智能赋能下的智慧农业生产***的结构示意图
图2是图1所述***涉及的现场环境数据的处理数据流示意图
图3是图1所述***生成的反馈数据的原理示意图
图4是基于图1所述***实现的一种人工智能赋能下的智慧农业生产数据处理方法的主体流程图
图5是实现图4所述方法流程的计算机可读存储介质与终端设备的示意图
具体实施方式
下面,结合附图以及具体实施方式,对发明做出进一步的描述。
参照图1,是本发明一个实施例的一种人工智能赋能下的智慧农业生产***的结构示意图。
在图1中,所述***包括现场数据接收端、数据分组处理端、数据模型匹配端、目标算法选择端、处理结果输出端以及数据反馈端。
其中,所述现场数据接收端同时作为所述数据分组处理端和所述数据模型匹配端的输入,而所述数据反馈端则选择性的作为所述目标算法选择端和所述数据模型匹配端的输入,选择性的意思是,不一定一直存在信号通信,因此,附图1中采用虚线段表征这种关系。
所述现场数据接收端与多个环境组合传感器无线通信,所述环境组合传感器布局于农业生产现场的多个不同类别的现场环境;
具体的,所述多个不同类别的现场环境对应不同的农作物;通过所述环境组合传感器获得所述不同类别的农作物所在环境的现场环境数据之后,按照预定的发送顺序,分批将所述现场环境数据发送至所述现场数据接收端。
需要指出的是,本发明的技术方案针对的是大规模农业现场生产环境产生的多种类型的环境数据,通过智能农业相关的物联网传感器实现。
在本实施例中,所述大规模农业现场生产环境包含农业物联网。
本实施例中的农业物联网,通过各种仪器仪表实时显示或作为自动控制的参变量参与到自动控制中的物联网。可以为温室精准调控提供科学依据,达到增产、改善品质、调节生长周期、提高经济效益的目的。
大棚控制***中,运用物联网***的温度传感器、湿度传感器、 PH值传感器、光照度传感器、CO2传感器等设备,检测环境中的温度、相对湿度、PH值、光照强度、土壤养分、CO2浓度等物理量参数,保证不同种类的农作物有一个良好的、适宜的生长环境。远程控制的实现使技术人员在办公室就能对多个大棚的环境进行监测控制。采用无线网络来测量获得作物生长的最佳条件。
农业物联网一般应用是将大量的传感器节点构成监控网络,通过各种传感器采集信息,以帮助农民及时发现问题,并且准确地确定发生问题的位置,这样农业将逐渐地从以人力为中心、依赖于孤立机械的生产模式转向以信息和软件为中心的生产模式,从而大量使用各种自动化、智能化、远程控制的生产设备。
作为进一步的改进,本发明的农业物联网还包括图像采集设备,用于采集现场环境的多种宏观与微观图像,便于后续的模型处理与算法校正。
在图1中,所述数据分组处理端,对所述现场数据接收端接收的现场环境数据进行分组处理;所述数据模型匹配端基于所述分组处理结果匹配出至少一个目标数据处理模型;所述目标算法选择端,确定至少一种目标算法加载至所述目标数据处理模型之中;
所述数据反馈端基于生成反馈数据,用于调整所述目标数据处理模型和/或目标算法。
图1更具体的实现过程可参见图2。
在图2的实施例中,包括预设的目标算法库和处理模型数据库。
所述处理模型数据库包含至少一个农业生产数据处理模型,所述目标算法库包含至少一个对应于所述农业生产数据处理模型的的目标算法。
这里的农业生产数据处理模型,可以包括各种自学习数据处理模型,包括神经网络模型等。
以神经网络模型为例,神经网络模型是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络***。一些算法模型具有大规模并行、分布式存储和处理、自组织、自适应和自学能力。
所述数据分组处理端与所述现场数据接收端通信,对所述现场数据接收端接收的现场环境数据进行分组处理;
更具体的,在本发明的上述实施例中,所述现场环境数据具有时间属性,所述时间属性表征所述现场环境数据的采集时间;
所述数据分组处理端按照第一预设周期接收所述现场环境数据,并将同一类别的农作物所在环境的现场环境数据分为一组。
所述数据模型匹配端与所述数据分组处理端与所述现场数据接收端通信;
当所述数据分组处理端输出的至少一个分组处理结果满足预设条件时,所述数据模型匹配端基于所述分组处理结果匹配出至少一个目标数据处理模型,并将所述现场数据接收端的第一现场环境数据作为所述目标数据处理模型的第一输入数据;
所述目标算法选择端,基于所述目标数据处理模型针对所述第一输入数据的第一输出数据,确定至少一种目标算法,加载至所述目标数据处理模型中;
以前述目标模型为神经网络为例,神经网络模型本身自带有默认的目标算法,但是,该默认的目标算法是基于固定的方式运行的,进而就造成了在运行神经网络模型时性能较差,也同时会对神经网络模型本身的性能造成限制。
因此,本实施例需要在运行过程中动态的更新所述目标算法,以提高模型性能。
将所述现场数据接收端的第二现场环境数据作为加载所述目标算法后的所述目标数据处理模型的第二输入数据,将对应的第二输出结果通过所述处理结果输出端输出;
所述数据反馈端基于第一输出数据与所述第二输出结果(第二输出数据)的比对,生成反馈数据发送至所述数据模型匹配端和/或目标算法选择端。
值得注意的是,在本发明的各个实施例中,所述现场环境数据具有时间属性,所述时间属性表征所述现场环境数据的采集时间。
此时,所述数据分组处理端输出的至少一个分组处理结果满足预设条件,包括:
至少一个分组包含的农作物所在环境的现场环境数据的数据量大小、和/或时间跨度值大于预设标准。
作为一个常规的选择,所述第二现场环境数据为在所述第一现场环境数据之后经过预定时间段所采集的现场环境数据;所述预定时间段与所述第一预设周期相关。
作为优选,所述第一现场环境数据为所述满足预设条件的分组处理结果对应的分组包含的农作物所在环境的现场环境数据;
所述第二现场环境数据为获得所述第一现场环境数据之后,经过多个所述第一预设周期之后,所述现场数据接收端接收到的农作物所在环境的现场环境数据。
接下来参见图3。图3示出了反馈数据的原理。
在本发明的技术方案中,所述反馈数据包括更新所述目标数据处理模型,和/或,更新所述目标算法。
具体而言,参见图3的示意图。
所述数据反馈端计算所述第一输出数据与所述第二输出数据(第二输出结果)的相似度;
基于所述相似度的数值范围,确定所述反馈数据。
具体的,若所述相似度低于第一标准值但是大于第二标准值,则更新所述目标算法;若所述相似度低于第二标准值,则更新所述目标处理模型以及所述目标算法。
基于图1-图3的硬件架构以及原理,参见图4,图4给出了一种人工智能赋能下的智慧农业生产数据处理方法,所述方法基于预设的目标算法库和处理模型数据库实现,所述处理模型数据库包含至少一个农业生产数据处理模型,所述目标算法库包含至少一个对应于所述农业生产数据处理模型的的目标算法。
图4所述方法包括步骤S801-S808所述的循环反馈过程,各个步骤具体实现如下:
S801:按照第一预设周期接收布置在农业生产现场的多个不同类别的现场环境的环境组合传感器发送的现场环境数据;
在本实施例的环境中,所述现场环境数据具有时间属性,所述时间属性表征所述现场环境数据的采集时间;多个不同类别的现场环境对应不同的农作物,从而产生多种不同类别的现场环境数据;
S802:对所述现场环境数据进行分组处理,得出至少一个分组处理结果,所述分组处理结果包含至少一个分组;
具体来说,按照第一预设周期接收所述现场环境数据之后,可将同一类别的农作物所在环境的现场环境数据分为一组。
S803:判断所述分组是否满足预设条件,如果是,则进入步骤 S804;否则,返回步骤S801;
这里的分组处理结果满足预设条件,包括:至少一个分组包含的农作物所在环境的现场环境数据的数据量大小、和/或时间跨度值大于预设标准。
S804:基于所述满足预设条件的分组,从所述处理模型数据库出匹配出至少一个目标数据处理模型;
S805:将所述满足预设条件的分组包含的农作物所在环境的现场环境数据作为所述目标数据处理模型的输入,得出第一输出数据;
S806:基于所述第一输出数据,从所述目标算法库匹配出至少一种目标算法,并将所述目标算法加载至所述目标数据处理模型;
S807:在经过预设时间长度之后,将接收的现场环境数据作为所述目标数据处理模型的输入,得出第二输出结果;
S808:基于第一输出数据与所述第二输出结果的比对,生成反馈数据。
在上述方法步骤中,所述第二现场环境数据为在所述第一现场环境数据之后经过预定时间段所采集的现场环境数据;所述预定时间段与所述第一预设周期相关。
优选的,所述第一现场环境数据为所述满足预设条件的分组处理结果对应的分组包含的农作物所在环境的现场环境数据;
所述第二现场环境数据为获得所述第一现场环境数据之后,经过多个所述第一预设周期之后接收到的农作物所在环境的现场环境数据。
在此基础上,所述步骤S808进一步包括:
计算所述第一输出数据与所述第二输出结果的相似度,基于所述相似度的数值范围,确定所述反馈数据。
具体而言,若所述相似度低于第一标准值但是大于第二标准值,则更新所述步骤S806中确定的所述目标算法,重新加载到所述目标数据处理模型;若所述相似度低于第二标准值,则更新所述步骤 S804中确定的目标处理模型以及所述步骤S806中确定的所述目标算法。
图4所述方法可以通过包含处理器和存储器的终端设备,尤其是图像处理终端设备,包括移动终端、桌面终端、服务器以及服务器集群等,通过程序指令自动化的执行。
因此,参见图5,本实施例还提供一种计算机可读存储介质,其上存储有计算机程序指令;通过包含处理器和存储器的图像终端处理设备,执行所述程序指令,用于实现所述方法的全部或者部分步骤。所述处理器和存储器通过总线连接,构成终端设备的内部通信。
实践证明,本发明的技术方案,针对大规模农业现场生产环境产生的多种类型的环境数据,能够自适应性的识别出当前环境数据的类型并自动匹配出对应的数据处理模型,并根据数据处理模型的初步处理结果,匹配更为适合的目标算法加载到该模型中,从而使得数据处理模型和数据处理算法能够适应当前的农业生产数据类型;而在当前农业生产数据类型发生变化之后,又能够及时的根据反馈数据调整所述数据处理模型和数据处理算法,因此,本发明可基于人工智能自适应的实现不同时段不同类型的农业生产数据处理与调度,从而实现智慧农业数据处理。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种人工智能赋能下的智慧农业生产***,所述***包括现场数据接收端、数据分组处理端、数据模型匹配端、目标算法选择端、处理结果输出端以及数据反馈端;
其特征在于:
所述现场数据接收端与多个环境组合传感器无线通信,所述环境组合传感器布局于农业生产现场的多个不同类别的现场环境;
所述数据分组处理端与所述现场数据接收端通信,对所述现场数据接收端接收的现场环境数据进行分组处理;
所述数据模型匹配端与所述数据分组处理端与所述现场数据接收端通信;
当所述数据分组处理端输出的至少一个分组处理结果满足预设条件时,所述数据模型匹配端基于所述分组处理结果匹配出至少一个目标数据处理模型,并将所述现场数据接收端的第一现场环境数据作为所述目标数据处理模型的第一输入数据;
所述目标算法选择端,基于所述目标数据处理模型针对所述第一输入数据的第一输出数据,确定至少一种目标算法,加载至所述目标数据处理模型中;
将所述现场数据接收端的第二现场环境数据作为加载所述目标算法后的所述目标数据处理模型的第二输入数据,将对应的第二输出结果通过所述处理结果输出端输出;
所述数据反馈端基于第一输出数据与所述第二输出结果的比对,生成反馈数据发送至所述数据模型匹配端和/或目标算法选择端。
2.如权利要求1所述的一种人工智能赋能下的智慧农业生产***,其特征在于:
所述多个不同类别的现场环境对应不同的农作物;
通过所述环境组合传感器获得所述不同类别的农作物所在环境的现场环境数据之后,按照预定的发送顺序,分批将所述现场环境数据发送至所述现场数据接收端。
3.如权利要求1或2所述的一种人工智能赋能下的智慧农业生产***,其特征在于:
所述现场环境数据具有时间属性,所述时间属性表征所述现场环境数据的采集时间;
所述数据分组处理端按照第一预设周期接收所述现场环境数据,并将同一类别的农作物所在环境的现场环境数据分为一组。
4.如权利要求3所述的一种人工智能赋能下的智慧农业生产***,其特征在于:
所述数据分组处理端输出的至少一个分组处理结果满足预设条件,包括:
至少一个分组包含的农作物所在环境的现场环境数据的数据量大小、和/或时间跨度值满足预设标准。
5.如权利要求3所述的一种人工智能赋能下的智慧农业生产***,其特征在于:
所述第一现场环境数据为所述满足预设条件的分组处理结果对应的分组包含的农作物所在环境的现场环境数据;
所述第二现场环境数据为获得所述第一现场环境数据之后,经过多个所述第一预设周期之后,所述现场数据接收端接收到的农作物所在环境的现场环境数据。
6.如权利要求1-2或4-5任一项所述的一种人工智能赋能下的智慧农业生产***,其特征在于:
所述反馈数据包括更新所述目标数据处理模型,和/或,更新所述目标算法。
7.如权利要求6所述的一种人工智能赋能下的智慧农业生产***,其特征在于:
所述数据反馈端计算所述第一输出数据与所述第二输出结果的相似度;
若所述相似度低于第一标准值但是大于第二标准值,则更新所述目标算法;
若所述相似度低于第二标准值,则更新所述目标处理模型以及所述目标算法。
8.一种人工智能赋能下的智慧农业生产数据处理方法,所述方法基于预设的目标算法库和处理模型数据库实现,所述处理模型数据库包含至少一个农业生产数据处理模型,所述目标算法库包含至少一个对应于所述农业生产数据处理模型的的目标算法,其特征在于,所述方法包括如下步骤:
S801:按照第一预设周期接收布置在农业生产现场的多个不同类别的现场环境的环境组合传感器发送的现场环境数据;
S802:对所述现场环境数据进行分组处理,得出至少一个分组处理结果,所述分组处理结果包含至少一个分组;
S803:判断所述分组是否满足预设条件,如果是,则进入步骤S804;否则,返回步骤S801;
S804:基于所述满足预设条件的分组,从所述处理模型数据库出匹配出至少一个目标数据处理模型;
S805:将所述满足预设条件的分组包含的农作物所在环境的现场环境数据作为所述目标数据处理模型的输入,得出第一输出数据;
S806:基于所述第一输出数据,从所述目标算法库匹配出至少一种目标算法,并将所述目标算法加载至所述目标数据处理模型;
S807:在经过预设时间长度之后,将接收的现场环境数据作为所述目标数据处理模型的输入,得出第二输出结果;
S808:基于第一输出数据与所述第二输出结果的比对,生成反馈数据。
9.如权利要求8所述的一种人工智能赋能下的智慧农业生产数据处理方法,其特征在于:
所述步骤S808进一步包括:
计算所述第一输出数据与所述第二输出结果的相似度,基于所述相似度的数值范围,确定所述反馈数据。
10.一种计算机可读存储介质,其上存储有计算机程序指令;通过包含处理器和存储器的终端处理设备,执行所述程序指令,用于实现权利要求8或9所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854980.1A CN113554520B (zh) | 2021-07-28 | 人工智能赋能下的智慧农业生产***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854980.1A CN113554520B (zh) | 2021-07-28 | 人工智能赋能下的智慧农业生产***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113554520A true CN113554520A (zh) | 2021-10-26 |
CN113554520B CN113554520B (zh) | 2024-07-26 |
Family
ID=
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107066607A (zh) * | 2017-04-28 | 2017-08-18 | 陕西理工大学 | 一种基于互联网和大数据的农产品产销服务*** |
CN108874004A (zh) * | 2018-09-29 | 2018-11-23 | 北京紫藤智慧农业科技有限公司 | 一种温室大棚作物种植环境物联网智能调控***和方法 |
CN110333952A (zh) * | 2019-07-09 | 2019-10-15 | 王延晋 | 基于人工智能的数据处理方法及*** |
CN110909798A (zh) * | 2019-11-25 | 2020-03-24 | 西安奥卡云数据科技有限公司 | 一种多算法智能研判方法、***及服务器 |
CN111754045A (zh) * | 2020-06-30 | 2020-10-09 | 四川生态诚品农业开发有限公司 | 一种基于果树生长的预测*** |
KR20210090394A (ko) * | 2020-01-10 | 2021-07-20 | (주)알파랩에이아이 | 머신러닝을 이용한 지능형 스마트팜 운영 시스템 |
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107066607A (zh) * | 2017-04-28 | 2017-08-18 | 陕西理工大学 | 一种基于互联网和大数据的农产品产销服务*** |
CN108874004A (zh) * | 2018-09-29 | 2018-11-23 | 北京紫藤智慧农业科技有限公司 | 一种温室大棚作物种植环境物联网智能调控***和方法 |
CN110333952A (zh) * | 2019-07-09 | 2019-10-15 | 王延晋 | 基于人工智能的数据处理方法及*** |
CN110909798A (zh) * | 2019-11-25 | 2020-03-24 | 西安奥卡云数据科技有限公司 | 一种多算法智能研判方法、***及服务器 |
KR20210090394A (ko) * | 2020-01-10 | 2021-07-20 | (주)알파랩에이아이 | 머신러닝을 이용한 지능형 스마트팜 운영 시스템 |
CN111754045A (zh) * | 2020-06-30 | 2020-10-09 | 四川生态诚品农业开发有限公司 | 一种基于果树生长的预测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111507857A (zh) | 一种基于物联网技术的数字化农业种植***和方法 | |
CN115204689B (zh) | 一种基于图像处理的智慧农业管理*** | |
CN108881423A (zh) | 一种基于物联网的智慧农业种植*** | |
CN110955212A (zh) | 一种基于物联网的智慧农业信息处理*** | |
CN109991944A (zh) | 一种分布式农业植保网络服务*** | |
Abu et al. | Internet of things applications in precision agriculture: A review | |
CN111008733B (zh) | 一种作物生长管控方法和*** | |
Srinidhi et al. | Smart Hydroponics system integrating with IoT and Machine learning algorithm | |
CN113711798B (zh) | 植物生长的控制方法、控制设备、植物生长灯及控制*** | |
CN108919768A (zh) | 一种农业管理***及方法 | |
CN109003198A (zh) | 一种基于大数据技术的精准农业管理平台及方法 | |
CN114004458A (zh) | 一种多态势感知融合的植物生长管理*** | |
CN112465109A (zh) | 一种基于云边协同的农业大棚控制装置 | |
CN106773720A (zh) | 一种温室大棚环境自动控制*** | |
Tan et al. | An iot platform for urban farming | |
CN113994868A (zh) | 一种基于植物生长周期的自动灌溉方法及*** | |
CN117114448A (zh) | 一种基于机器学习和物联网技术的农业生产管理***及方法 | |
CN117908478A (zh) | 一种基于远程巡检机器人接口的农业大棚智能控制*** | |
CN113554520B (zh) | 人工智能赋能下的智慧农业生产***及方法 | |
CN113554520A (zh) | 人工智能赋能下的智慧农业生产***及方法 | |
CN115379150B (zh) | 可远程自动化生成水稻生长过程动态视频的***和方法 | |
CN117313920A (zh) | 一种智能化葡萄种植环境监测*** | |
Liyakat | Blynk IoT-Powered Water Pump-Based Smart Farming | |
Bhowmik et al. | Using edge computing framework with the internet of things for intelligent vertical gardening | |
Sharma et al. | Crop yield prediction using hybrid deep learning algorithm for smart agriculture |
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 | ||
GR01 | Patent grant |