CN116029860B - 基于gis的智慧农业种植区域规划辅助决策*** - Google Patents
基于gis的智慧农业种植区域规划辅助决策*** Download PDFInfo
- Publication number
- CN116029860B CN116029860B CN202310314757.7A CN202310314757A CN116029860B CN 116029860 B CN116029860 B CN 116029860B CN 202310314757 A CN202310314757 A CN 202310314757A CN 116029860 B CN116029860 B CN 116029860B
- Authority
- CN
- China
- Prior art keywords
- value
- planting
- growth
- characteristic
- soil
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于GIS的智慧农业种植区域规划辅助决策***,涉及农业种植区域规划决策技术领域,本发明是将农业种植区划分为若干种植子区,再对应采集农产品成长空间图像,再对其进行去噪处理和图像特征提取,筛选出需要的目标特征信息,且通过农产品成长过程中的显性病理偏向,来预选相应的目标特征信息,再对其进行量化分析得到多种成长特征值,再对成长特征值进行多段处理并分别生成预警提醒集合、优先预警集合、次级预警集合和整体预警集合,以实现种植子区的动态优先预警决策判定处理。
Description
技术领域
本发明涉及农业种植规划辅助决策技术领域,尤其涉及基于GIS的智慧农业种植区域规划辅助决策***。
背景技术
在现代农业的生产过程中,物联网技术利用感知层的相关设备收集作物生长所需的光、湿度和土壤养分的基本信息,然后通过应用层处理来自感知层和传输层传输来的信息,从而实现农作物在生长过程中的实时监测以及所涉及的农产品相关设备的全自动化处理控制,在全面采集农产品生产及农产品加工数据信息的前提下进行信息可追溯,打造一个全面的农产品的可追溯体系,实现将农产品的种植信息、农事信息以及生产包装物流信息形成一条闭合链,完成农产品从种植到餐桌的信息全程跟踪与透明化;
但是其在农作物在生长及其收获的过程中还存在一些不足之处,不仅无法对上述过程中的多组数据进行实时决策预警,还无法对多端数据、多端数据处理的结果进行整合决策,导致不能将最优化农业种植区域的管理决策提供给农业工作人员,无法提供个性化的种植方案和决策建议;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于:是将农业种植区划分为若干种植子区,再对应采集农产品成长空间图像,即农产品高空俯瞰成长图像和农产品低空平视成长图像,再对其进行去噪处理和图像特征提取,筛选出需要的目标特征信息,且通过农产品成长过程中的显性病理偏向,来预选相应的目标特征信息,再对其进行量化分析得到多种成长特征值,成长特征值均对应农作物的病理偏向,再对成长特征值进行多段处理并分别生成预警提醒集合、优先预警集合、次级预警集合和整体预警集合,以实现种植子区的动态优先预警判定处理;
进一步的还结合种植子区的环境保护信息和种植子区的农作物产量,对多个周期下的上述参数进行量化分析生成产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值,通过对产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值的归一化分析生成周期管理评判因子,通过周期管理评判因子实现种植子区管理农作物生产生长的稳定性,且将管理最优的种植子区调取相关参数以工作人员研究,实现最优化农业种植区域的管理决策辅助的功能;
从而帮助农业从业者进行种植区域规划和预警处理决策,为农业工作人员提供可视化、定量化的信息支持,帮助优化作物种植方案来提高农业生产效率和产量,实现自动处理数据、自动生成报告、预测作物生长情况和病虫害发生风险等,并根据不同的地理位置、土壤条件和气象条件等因素,提供个性化的种植方案和决策建议。
为了实现上述目的,本发明采用了如下技术方案:
基于GIS的智慧农业种植区域规划辅助决策***,包括区域划分单元、成长采集单元、数据储存单元和决策监控单元;
区域划分单元将农业种植区划分为若干种植子区m,m为1、2、3、……、n,n为正整数,成长采集单元用于实时采集种植子区的农产品成长空间图像并将其发送给决策监控单元;其中种植子区的农产品成长空间图像由种植子区的农产品高空俯瞰成长图像和农产品低空平视成长图像构成;
决策监控单元用于实时接收多个种植子区的农产品成长空间图像并进行实时分析决策,生成多个农产品的多种成长特征值,再对成长特征值进行多段处理并分别生成预警提醒集合、优先预警集合、次级预警集合和整体预警集合,且将上述生成的集合发送到数据储存单元;
且通过上述生成的集合进行种植子区动态优先预警判定处理;
数据储存单元用于接收数据并储存。
进一步的,决策监控单元实时分析决策生成成长特征值的具体过程如下:
图像预处理:对种植子区的农产品高空俯瞰成长图像和农产品低空平视成长图像进行选取并去噪处理后生成俯瞰图和平视图;
图像特征提取:将俯瞰图转换为灰度图,再获取其内白色像素的数量与灰色像素数量的比例得到俯瞰密度特征值,密度特征值越大则说明农作物生长的越快;
将平视图转换为灰度图,再获取其内白色像素的数量与灰色像素数量的比例得到平视密度特征值,再提取平视图中的黄色成分、红色成分和青色成分并生成对应的黄色图像、红色图像和青色图像;且获取黄色图像中白色像素的数量与黄色像素数量的比例得到黄色密度特征值,且获取红色图像中白色像素的数量与红色像素数量的比例得到红色密度特征值,且获取青色图像中白色像素的数量与青色像素数量的比例得到青色密度特征值;
病理特征选取:依据预设偏向选择黄色密度特征值、红色密度特征值和青色密度特征值的任意至少一种并生成为选择特征集合,再将选择特征集合内的数据、俯瞰密度特征值和平视密度特征值的数据分别和与之对应的权重参数一进行相乘得到若干相乘结果,再将相乘结果进行相加并平均得到成长特征值。
进一步的,决策监控单元的多段处理过程如下:
对多个种植子区的多种成长特征值进行平均生成特征均值,且将特征均值按从大到小排序并生成成长特征集合,再将成长特征集合内的特征均值分别与预设成长区间进行比较,并提取成长特征集合内的特征均值不处于预设成长区间内的种植子区并构建生成预警提醒集合,且将预警提醒集合内的种植子区按成长特征值进行从大到小排序并发送到可视化窗口进行显示;
获取预警提醒集合内的种植子区的多种成长特征值,将种植子区内的各种成长特征值进行排序比较获取其最大值,且删除其他成长特征值,再提取同类最大成长特征值对应的种植子区并构建若干偏向预警集合;
且将偏向预警集合内的成长特征值分别和与之对应的预设特征区间进行比较,提取成长特征值处于预设特征区间时对应的种植子区并构建优先预警集合,再提取成长特征值不处于预设特征区间时对应的种植子区并构建次级预警集合;获取同种植子区在优先预警集合内出现的频率,再通过频率的大小进行从大到小排序生成整体预警集合。
进一步的,还包括环境采集单元和环境处理单元,环境采集单元用于实时采集种植子区的环境保护信息并将其发送给数据储存单元进行储存,种植子区的环境保护信息包括实时气象信息和实时土质信息;
环境处理单元通过数据储存单元获取预设时间内的气象信息和土质信息并处理分析得到气象整合值和土质整合值,再将气象整合值和土质整合值分别和与之对应的预设范围进行比较,当气象整合值和土质整合值均处于预设范围内时,则不进行处理,反之则生成警报信号,通过警报信号进行环境方面的警报处理操作;
还将生成的气象整合值和土质整合值发送到数据储存单元进行储存。
进一步的,环境处理单元的具体处理过程如下:
获取气象信息相邻的三个数据,将其中间值分别与相邻数据进行相减得到差值,且将差值与预设气象区间进行比较,当差值不处于预设气象区间内时,则将此数据剔除,并计算中间值的两个相邻值的平均值,且将平均值替换中间值,再计算预设时间内此数据的标准差,且将标准差分别和与之对应的权重参数二进行相乘,再将相乘的结果进行相加得到气象整合值;
获取土质信息的同类相邻的三个数据,再将其中间值与分别相邻数据进行相减得到差值,且将差值与预设土质区间进行比较,当差值不处于预设土质区间内时,则将此数据剔除,并计算中间值的两个相邻值的平均值,且将平均值替换中间值,再计算预设时间内此数据的标准差,且将标准差分别和与之对应的权重参数三进行相乘,再将相乘的结果进行相加得到土质整合值;
再将气象整合值和土质整合值分别和与之对应的预设范围进行比较,当气象整合值和土质整合值均处于预设范围内时,则不进行处理,反之则生成警报信号,通过警报信号进行环境方面的警报处理操作。
进一步的,数据储存单元信号连接有产量采集单元和整合分析单元;
产量采集单元用于采集种植子区的农作物产量并发送给数据储存单元进行储存;
整合分析单元通过数据储存单元获取农作物收获预设周期内的同种植子区的农作物产量信息、气象整合值信息、土质整合值信息和成长特征值信息,且获取其对应的标准差和平均值,再计算标准差和平均值的比值分别得到产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值,再将其分别标记为W、Q、T和C,经公式得到,得到周期管理评判因子A,且e1、e2、e3、e4和e5均为去量纲因子;
则获取不同种植子区对应的周期管理评判因子,再将周期管理评判因子从小到大排序,提取最小的周期管理评判因子对应的种植子区,将其标记为最优管理区,再提取最优管理区对应数据存储单元内的数据生成最优数据库,且将最优数据库发送给工作人员的设备终端,以便于相应工作人员对数据进行研究,研究出最优化农业种植区域的管理决策。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
是将农业种植区划分为若干种植子区,再对应采集农产品成长空间图像,即农产品高空俯瞰成长图像和农产品低空平视成长图像,再对其进行去噪处理和图像特征提取,筛选出需要的目标特征信息,且通过农产品成长过程中的显性病理偏向,来预选相应的目标特征信息,再对其进行量化分析得到多种成长特征值,成长特征值均对应农作物的病理偏向,再对成长特征值进行多段处理并分别生成预警提醒集合、优先预警集合、次级预警集合和整体预警集合,以实现种植子区的动态优先预警判定处理;
进一步的还结合种植子区的环境保护信息和种植子区的农作物产量,对多个周期下的上述参数进行量化分析生成产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值,通过对产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值的归一化分析生成周期管理评判因子,通过周期管理评判因子实现种植子区管理农作物生产生长的稳定性,且将管理最优的种植子区调取相关参数以工作人员研究,实现最优化农业种植区域的管理决策辅助的功能,从而帮助农业从业者进行种植区域规划和预警处理决策,为农业工作人员提供可视化、定量化的信息支持,帮助优化作物种植方案,提高农业生产效率和产量,实现自动处理数据、自动生成报告、预测作物生长情况和病虫害发生风险等,并根据不同的地理位置、土壤条件和气象条件等因素,提供个性化的种植方案和决策建议。
附图说明
图1示出了本发明的第一流程框图;
图2示出了本发明的第二流程框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1:如图1-2所示,基于GIS的智慧农业种植区域规划辅助决策***,包括区域划分单元、成长采集单元、环境采集单元、数据储存单元、决策监控单元、环境处理单元、产量采集单元和整合分析单元;
具体工作过程如下:
步骤一,区域划分单元将农业种植区划分为若干种植子区m,m为1、2、3、……、n,n为正整数;
步骤二,成长采集单元实时采集种植子区的农产品成长空间图像并将其发送给决策监控单元,且种植子区的农产品成长空间图像由种植子区的农产品高空俯瞰成长图像和农产品低空平视成长图像构成;
农产品高空俯瞰成长图像由无人机图像、卫星图像等相机传感器感应生成,通过为种植子区的生长密度,农产品低空平视成长图像为通过植物生长传感器采集,用于测量植物的生长状态,例如生长高度、叶绿素含量等,植物生长传感器用于测量植物的生长状态,例如生长速度、叶绿素含量和茎叶颜色等;
步骤三,环境采集单元实时采集种植子区的环境保护信息并将其发送给数据储存单元进行储存,种植子区的环境保护信息包括实时气象信息和实时土质信息;
实时土质信息通过土壤传感器采集土壤的湿度、温度、盐分和pH值等信息,实时气象信息通过气象传感器采集大气温度、湿度、气压、风速和降雨量等信息;
实时气象信息包括实时气象温度、实时气象湿度、实时气象降雨量和实时气象降雪量,实时土质信息包括土质内实时pH值、土质内实时温度和土质内实时湿度值;
农作物不同其对相应的抗天气能力也就不相同,例如玉米具有很强的耐旱性、耐寒性、耐贫瘠性以及极好的环境适应性,即降雨量较少、温度较低和土地性质较差也能很好的生长,而水稻就不相同或者说是正好相反;但本发明是以玉米为例;
随着土壤pH值的变化,玉米吸收利用微量养分的能力也随之变化,除钼元素外,其他6种微量元素的含量都随着土壤pH值升高到7.5时出现显著下降,微量元素主要来自土壤矿化过程,而高pH条件下,土壤水溶性降低,微量养分不能被植物吸收利用,例如,铁是植物生长的必需元素,缺铁会导致植物生长缓慢,在低pH条件下,土壤富含铁离子,pH值升高至7.5时,铁元素很难被溶解,玉米表现缺铁症状,高pH值地块多为石灰性土壤,易缺铁并诱发植株黄化,因此需要保证土壤处于最佳pH值范围内,土壤内湿度值较低为干旱,土壤内湿度较大为涝灾;
步骤四,决策监控单元用于实时接收多个种植子区的农产品成长空间图像并进行实时分析决策,生成多个农产品的多种成长特征值,再对多个种植子区的多种成长特征值进行平均生成特征均值;且将特征均值按从大到小排序并生成成长特征集合,再将成长特征集合内的特征均值分别与预设成长区间进行比较,当特征均值处于预设成长区间内时,表示此种植子区的农作物正常生长,提取成长特征集合内的特征均值不处于预设成长区间内的种植子区并重新构建生成预警提醒集合,且将预警提醒集合内的种植子区按成长特征值进行从大到小排序并发送到可视化窗口进行显示;
获取预警提醒集合内的种植子区的多种成长特征值,将种植子区内的各种成长特征值进行排序比较获取其最大值,且删除其他成长特征值,再提取同类最大成长特征值对应的种植子区并构建若干偏向预警集合;
例如:玉米叶片及茎秆呈***,且生长迟缓,则表明缺磷,而当叶脉两侧出现较宽的白色或黄色条带,叶缘及叶尖仍是绿色,则表明缺锌,因此偏向预警集合是为了辅助工作人员进行农作物的生病偏向预提醒的工作;
且将偏向预警集合内的成长特征值分别和与之对应的预设特征区间进行比较,提取成长特征值处于预设特征区间时对应的种植子区并构建优先预警集合,再提取成长特征值不处于预设特征区间时对应的种植子区并构建次级预警集合;
且将多个优先预警集合和次级预警集合发送到工作人员的电脑终端或手机终端进行显示,设备终端为电脑终端或手机终端;通过优先预警集合和次级预警集合将玉米的颜色信息进行归纳量化并判断,实现颜色与土质关联,以便于工作人员施加对应的肥料;
获取相同种植子区在优先预警集合内出现的频率,再通过频率的大小进行从大到小排序生成整体预警集合,且将整体预警集合发送到工作人员的设备终端进行显示,通过整体预警集合对排序在先的种植子区进行优先处理,再获取同种植子区的单个或多个优先预警集合,进行相应的土壤pH值处理或故障排查等;
决策监控单元实时分析决策生成成长特征值的具体过程如下:
图像预处理:对种植子区的农产品高空俯瞰成长图像和农产品低空平视成长图像进行选取并去噪处理后生成俯瞰图和平视图;
图像去噪处理的具体过程如下:选取一个固定大小的滑动窗口,对于图像中的每个像素点,将该点的邻域像素值放入滑动窗口中;
对滑动窗口中的像素值进行排序,取其中位数作为该像素点的值,将所有像素点的值都进行中值滤波处理,得到去噪后的图像,则通过上述模式生成俯瞰图和平视图;
图像特征提取:将俯瞰图转换为灰度图,再获取其内白色像素的数量与灰色像素数量的比例得到俯瞰密度特征值,密度特征值越大则说明农作物生长的越快;但是需要注意的是其密度特征值增长并不是越快越好,例如,密度越高,农作物获取的光照越少,可能造成后续结果不够饱满;
将平视图转换为灰度图,再获取其内白色像素的数量与灰色像素数量的比例得到平视密度特征值,再提取平视图中的黄色成分、红色成分和青色成分并生成对应的黄色图像、红色图像和青色图像;
且获取黄色图像中白色像素的数量与黄色像素数量的比例得到黄色密度特征值,且获取红色图像中白色像素的数量与红色像素数量的比例得到红色密度特征值,且获取青色图像中白色像素的数量与青色像素数量的比例得到青色密度特征值;
病理特征选取:依据预设偏向选择黄色密度特征值、红色密度特征值和青色密度特征值的任意至少一种并生成为选择特征集合;
再将选择特征集合内的数据、俯瞰密度特征值和平视密度特征值的数据分别和与之对应的权重参数一进行相乘得到若干相乘结果,再将相乘结果进行相加并平均得到成长特征值,且将上述集合发送到数据储存单元储存;
步骤五,环境处理单元通过数据储存单元获取预设时间的气象信息和土质信息;
获取气象信息相邻的三个数据,再将其中间值与分别相邻数据进行相减得到差值,且将差值与预设气象区间进行比较,当差值处于预设气象区间内时,含预设气象区间的端点值,则数据正常,当差值不处于预设气象区间内时,则将此数据剔除,并计算中间值的两个相邻值的平均值,且将平均值替换中间值,再计算预设时间内此数据的标准差,且将标准差分别和与之对应的权重参数二进行相乘,再将相乘的结果进行相加得到气象整合值;
获取土质信息的同类相邻的三个数据,再将其中间值与分别相邻数据进行相减得到差值,且将差值与预设土质区间进行比较,当差值处于预设土质区间内时,含预设土质区间的端点值,则数据正常,当差值不处于预设土质区间内时,则将此数据剔除,并计算中间值的两个相邻值的平均值,且将平均值替换中间值,再计算预设时间内此数据的标准差,且将标准差分别和与之对应的权重参数三进行相乘,再将相乘的结果进行相加得到土质整合值;
再将气象整合值和土质整合值分别和与之对应的预设范围进行比较,当气象整合值和土质整合值均处于预设范围内时,则不进行处理,反之则生成警报信号,通过警报信号进行环境方面的警报处理操作;
警报处理操作具体为将气象整合值、土质整合值并结合整体预警集合进行整体性判断,辅助工作人员工作,以达到更好的管理土地农作物;
还将生成的气象整合值和土质整合值发送到数据储存单元进行储存;
产量采集单元采集种植子区的农作物产量并发送给数据储存单元进行储存,其中农作物产量通过重力传感器称重获取;
整合分析单元通过数据储存单元获取农作物收获预设周期内的同种植子区的农作物产量信息、气象整合值信息、土质整合值信息和成长特征值信息,且获取其对应的标准差和平均值,再计算标准差和平均值的比值分别得到产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值,再将其分别标记为W、Q、T和C,经公式得到周期管理评判因子A,其中周期管理评判因子越小,则说明管理的水平越高,农作物成长的越好;且e1、e2、e3、e4和e5均为去量纲因子,通过去量纲因子将对应数值进行统一化模拟衡量计算;
则获取不同种植子区对应的周期管理评判因子,再将周期管理评判因子从小到大排序,提取最小的周期管理评判因子对应的种植子区,将其标记为最优管理区,再提取最优管理区对应数据存储单元内的数据生成最优数据库,且将最优数据库发送给工作人员的设备终端,以便于相应工作人员对数据进行研究,研究出最优化农业种植区域的管理决策。
本发明是将农业种植区划分为若干种植子区,再对应采集农产品成长空间图像,即农产品高空俯瞰成长图像和农产品低空平视成长图像,再对其进行去噪处理和图像特征提取,筛选出需要的目标特征信息,且通过农产品成长过程中的显性病理偏向,来预选相应的目标特征信息,再对其进行量化分析得到多种成长特征值成长特征值均对应农作物的病理偏向,再对成长特征值进行多段处理并分别生成预警提醒集合、优先预警集合、次级预警集合和整体预警集合,以实现种植子区的动态优先预警判定处理;
进一步的还结合种植子区的环境保护信息和种植子区的农作物产量,对多个周期下的上述参数进行量化分析生成产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值,通过对产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值的归一化分析生成周期管理评判因子,通过周期管理评判因子实现种植子区管理农作物生产生长的稳定性,且将管理最优的种植子区调取相关参数以工作人员研究,实现最优化农业种植区域的管理决策辅助的功能。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (3)
1.基于GIS的智慧农业种植区域规划辅助决策***,其特征在于,包括区域划分单元、成长采集单元、数据储存单元和决策监控单元;
区域划分单元将农业种植区划分为若干种植子区m,m为1、2、3、……、n,n为正整数;成长采集单元用于实时采集种植子区的农产品成长空间图像并将其发送给决策监控单元,其中种植子区的农产品成长空间图像由种植子区的农产品高空俯瞰成长图像和农产品低空平视成长图像构成;
决策监控单元用于实时接收多个种植子区的农产品成长空间图像并进行实时分析决策,生成多个农产品的多种成长特征值,再对成长特征值进行多段处理并分别生成预警提醒集合、优先预警集合、次级预警集合和整体预警集合,且将上述生成的集合发送到数据储存单元;
且通过上述生成的集合进行种植子区动态优先预警判定处理;
数据储存单元用于接收数据并储存;
还包括环境采集单元和环境处理单元,环境采集单元用于实时采集种植子区的环境保护信息并将其发送给数据储存单元进行储存,种植子区的环境保护信息包括实时气象信息和实时土质信息;
环境处理单元通过数据储存单元获取预设时间内的气象信息和土质信息并处理分析得到气象整合值和土质整合值,再将气象整合值和土质整合值分别和与之对应的预设范围进行比较,当气象整合值和土质整合值均处于预设范围内时,则不进行处理,反之则生成警报信号,并通过警报信号进行环境方面的警报处理操作;
还将生成的气象整合值和土质整合值发送到数据储存单元进行储存;
环境处理单元的具体处理过程如下:
获取气象信息相邻的三个数据,将其中间值分别与相邻数据进行相减得到差值,且将差值与预设气象区间进行比较,当差值不处于预设气象区间内时,则将此数据剔除,并计算中间值的两个相邻值的平均值,且将平均值替换中间值,再计算预设时间内此数据的标准差,且将标准差分别和与之对应的权重参数二进行相乘,再将相乘的结果进行相加得到气象整合值;
获取土质信息的同类相邻的三个数据,再将其中间值与分别相邻数据进行相减得到差值,且将差值与预设土质区间进行比较,当差值不处于预设土质区间内时,则将此数据剔除,并计算中间值的两个相邻值的平均值,且将平均值替换中间值,再计算预设时间内此数据的标准差,且将标准差分别和与之对应的权重参数三进行相乘,再将相乘的结果进行相加得到土质整合值;
再将气象整合值和土质整合值分别和与之对应的预设范围进行比较,当气象整合值和土质整合值均处于预设范围内时,则不进行处理,反之则生成警报信号,通过警报信号进行环境方面的警报处理操作;
数据储存单元信号连接有产量采集单元和整合分析单元;
产量采集单元用于采集种植子区的农作物产量并发送给数据储存单元进行储存;
整合分析单元通过数据储存单元获取农作物收获预设周期内的同种植子区的农作物产量信息、气象整合值信息、土质整合值信息和成长特征值信息,且获取其对应的标准差和平均值,再计算标准差和平均值的比值分别得到产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值,再经归一处理得到周期管理评判因子;
则获取不同种植子区对应的周期管理评判因子,再将周期管理评判因子从小到大排序,提取最小的周期管理评判因子对应的种植子区,将其标记为最优管理区,再提取最优管理区对应数据存储单元内的数据生成最优数据库,且将最优数据库发送给工作人员的设备终端,以便于相应工作人员对数据进行研究,研究出最优化农业种植区域的管理决策。
2.根据权利要求1所述的基于GIS的智慧农业种植区域规划辅助决策***,其特征在于,决策监控单元实时分析决策生成成长特征值的具体过程如下:
图像预处理:对种植子区的农产品高空俯瞰成长图像和农产品低空平视成长图像进行选取并去噪处理后生成俯瞰图和平视图;
图像特征提取:将俯瞰图转换为灰度图,再获取其内白色像素的数量与灰色像素数量的比例得到俯瞰密度特征值,密度特征值越大则说明农作物生长的越快;
将平视图转换为灰度图,再获取其内白色像素的数量与灰色像素数量的比例得到平视密度特征值,再提取平视图中的黄色成分、红色成分和青色成分并生成对应的黄色图像、红色图像和青色图像;且获取黄色图像中白色像素的数量与黄色像素数量的比例得到黄色密度特征值,且获取红色图像中白色像素的数量与红色像素数量的比例得到红色密度特征值,且获取青色图像中白色像素的数量与青色像素数量的比例得到青色密度特征值;
病理特征选取:依据预设偏向选择黄色密度特征值、红色密度特征值和青色密度特征值的任意至少一种并生成为选择特征集合,再将选择特征集合内的数据、俯瞰密度特征值和平视密度特征值的数据分别和与之对应的权重参数一进行相乘得到若干相乘结果,再将相乘结果进行相加并平均得到成长特征值。
3.根据权利要求2所述的基于GIS的智慧农业种植区域规划辅助决策***,其特征在于,决策监控单元的多段处理过程如下:
对多个种植子区的多种成长特征值进行平均生成特征均值,且将特征均值按从大到小排序并生成成长特征集合,再将成长特征集合内的特征均值分别与预设成长区间进行比较,并提取成长特征集合内的特征均值不处于预设成长区间内的种植子区并构建生成预警提醒集合,且将预警提醒集合内的种植子区按成长特征值进行从大到小排序并发送到可视化窗口进行显示;
获取预警提醒集合内的种植子区的多种成长特征值,将种植子区内的各种成长特征值进行排序比较获取其最大值,且删除其他成长特征值,再提取同类最大成长特征值对应的种植子区并构建若干偏向预警集合;
且将偏向预警集合内的成长特征值分别和与之对应的预设特征区间进行比较,提取成长特征值处于预设特征区间时对应的种植子区并构建优先预警集合,再提取成长特征值不处于预设特征区间时对应的种植子区并构建次级预警集合,获取同种植子区在优先预警集合内出现的频率,再通过频率的大小进行从大到小排序生成整体预警集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310314757.7A CN116029860B (zh) | 2023-03-29 | 2023-03-29 | 基于gis的智慧农业种植区域规划辅助决策*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310314757.7A CN116029860B (zh) | 2023-03-29 | 2023-03-29 | 基于gis的智慧农业种植区域规划辅助决策*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116029860A CN116029860A (zh) | 2023-04-28 |
CN116029860B true CN116029860B (zh) | 2023-06-20 |
Family
ID=86089595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310314757.7A Active CN116029860B (zh) | 2023-03-29 | 2023-03-29 | 基于gis的智慧农业种植区域规划辅助决策*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116029860B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116341920A (zh) * | 2023-05-29 | 2023-06-27 | 成都金雅图科技有限公司 | 一种基于云计算的农业风险预警***及方法 |
CN116738766B (zh) * | 2023-08-11 | 2023-10-13 | 安徽金海迪尔信息技术有限责任公司 | 基于数字孪生的智慧农业线上产业化服务*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114202438A (zh) * | 2021-11-15 | 2022-03-18 | 安徽易刚信息技术有限公司 | 一种基于智慧农业的天空地一体化农业遥感大数据*** |
CN115204689A (zh) * | 2022-07-19 | 2022-10-18 | 郑州航空工业管理学院 | 一种基于图像处理的智慧农业管理*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9667710B2 (en) * | 2015-04-20 | 2017-05-30 | Agverdict, Inc. | Systems and methods for cloud-based agricultural data processing and management |
CN108230304A (zh) * | 2017-12-27 | 2018-06-29 | 定远县宏源农业机械有限公司 | 一种基于多区域分析的智能化农业调控*** |
CN108681798B (zh) * | 2018-07-09 | 2022-02-01 | 广东省农业科学院农业经济与信息研究所 | 基于gis的区域农业规划辅助决策***及规划方法 |
CN110428344A (zh) * | 2019-08-05 | 2019-11-08 | 河南汇众基业农业科技有限公司 | 一种基于gis农业大数据平台的智慧服务***及其使用方法 |
CN110771442A (zh) * | 2019-09-30 | 2020-02-11 | 大气候物联网科技(广州)有限公司 | 基于物联网的农业种植方法和*** |
CN110942039A (zh) * | 2019-11-29 | 2020-03-31 | 中国农业科学院农业资源与农业区划研究所 | 一种主要农作物高温灾害遥感监测预报***及方法 |
-
2023
- 2023-03-29 CN CN202310314757.7A patent/CN116029860B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114202438A (zh) * | 2021-11-15 | 2022-03-18 | 安徽易刚信息技术有限公司 | 一种基于智慧农业的天空地一体化农业遥感大数据*** |
CN115204689A (zh) * | 2022-07-19 | 2022-10-18 | 郑州航空工业管理学院 | 一种基于图像处理的智慧农业管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN116029860A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116029860B (zh) | 基于gis的智慧农业种植区域规划辅助决策*** | |
CN111104858B (zh) | 一种基于形态模型法的大范围作物物候提取方法 | |
CN113033670B (zh) | 一种基于Sentinel-2A/B数据的水稻种植面积提取方法 | |
CN107067334A (zh) | 基于多源遥感数据的农田火灾和秸秆焚烧监测方法及*** | |
CN110942039A (zh) | 一种主要农作物高温灾害遥感监测预报***及方法 | |
CN112215716A (zh) | 农作物生长干预方法、装置、设备及存储介质 | |
CN115456476B (zh) | 一种基于机器视觉的国土空间规划数据采集分析*** | |
CN112070297A (zh) | 农事活动的天气指标预测方法、装置、设备及存储介质 | |
CN116227758B (zh) | 基于遥感技术和深度学习的农产品成熟度预测方法及*** | |
CN104951754A (zh) | 基于面向对象技术与ndvi时间序列相结合的农作物精细分类方法 | |
CN114359745A (zh) | 信息处理方法、存储介质和电子设备 | |
WO2021225528A1 (en) | System and method for ai-based improvement of harvesting operations | |
CN110516943B (zh) | 一种基于地表温度的春灌期灌溉面积动态监测遥感方法 | |
Sabzchi-Dehkharghani et al. | Recognition of different yield potentials among rain-fed wheat fields before harvest using remote sensing | |
CN116523673A (zh) | 数字烟田智慧农业*** | |
Liu et al. | Open-air grape classification and its application in parcel-level risk assessment of late frost in the eastern Helan Mountains | |
CN107437262B (zh) | 作物种植面积预警方法和*** | |
Rouze et al. | Evaluating unoccupied aerial systems (UAS) imagery as an alternative tool towards cotton-based management zones | |
CN117372194A (zh) | 农业气象灾害的监测方法、装置、设备及存储介质 | |
Som-ard | Rice security assessment using geo-spatial analysis | |
Panda et al. | Blueberry crop growth analysis using climatologic factors and multi-temporal remotely sensed imagery | |
CN117132883B (zh) | 一种基于gis的智慧农业灾害判别方法及*** | |
Memduhoğlu | Identifying impervious surfaces for rainwater harvesting feasibility using unmanned aerial vehicle imagery and machine learning classification | |
CN114119536B (zh) | 基于云平台技术的作物氮含量快速监测与诊断方法 | |
KUMAR et al. | Mapping and yield prediction of Castor bean (Ricinus communis) using sentinel-2A satellite image in a semi-arid region of India |
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 | ||
GR01 | Patent grant |