CN118071214A - 一种基于大数据的农产品种植溯源分析管理***及方法 - Google Patents
一种基于大数据的农产品种植溯源分析管理***及方法 Download PDFInfo
- Publication number
- CN118071214A CN118071214A CN202410479596.1A CN202410479596A CN118071214A CN 118071214 A CN118071214 A CN 118071214A CN 202410479596 A CN202410479596 A CN 202410479596A CN 118071214 A CN118071214 A CN 118071214A
- Authority
- CN
- China
- Prior art keywords
- planting
- peanut
- peanuts
- target area
- quality
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 21
- 241001553178 Arachis glabrata Species 0.000 claims abstract description 304
- 235000020232 peanut Nutrition 0.000 claims abstract description 301
- 235000017060 Arachis glabrata Nutrition 0.000 claims abstract description 225
- 235000010777 Arachis hypogaea Nutrition 0.000 claims abstract description 225
- 235000018262 Arachis monticola Nutrition 0.000 claims abstract description 225
- 238000000605 extraction Methods 0.000 claims abstract description 38
- 238000013075 data extraction Methods 0.000 claims abstract description 7
- 238000012790 confirmation Methods 0.000 claims abstract description 6
- 239000003921 oil Substances 0.000 claims description 98
- 235000019198 oils Nutrition 0.000 claims description 98
- 239000002689 soil Substances 0.000 claims description 55
- 238000012545 processing Methods 0.000 claims description 27
- 238000009826 distribution Methods 0.000 claims description 26
- 239000002245 particle Substances 0.000 claims description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- 238000012216 screening Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 235000019483 Peanut oil Nutrition 0.000 claims description 11
- 239000000312 peanut oil Substances 0.000 claims description 11
- 238000003825 pressing Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 5
- 241000196324 Embryophyta Species 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000007667 floating Methods 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 13
- 230000000694 effects Effects 0.000 abstract description 12
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000013480 data collection Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- JXASPPWQHFOWPL-UHFFFAOYSA-N Tamarixin Natural products C1=C(O)C(OC)=CC=C1C1=C(OC2C(C(O)C(O)C(CO)O2)O)C(=O)C2=C(O)C=C(O)C=C2O1 JXASPPWQHFOWPL-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于农产品种植分析管理技术领域,具体公开提供的一种基于大数据的农产品种植溯源分析管理***及方法,该***包括:花生种植数据提取模块、历史溯源信息提取模块、花生种植状态分析模块、种植品质溯源解析模块、花生种植调整判断模块、花生种植调整确认模块、种植信息库和花生种植调整反馈终端。本发明有效解决了当前对农产品生产本体种植管理关注度不足的问题,确保了后续花生种植质量的管理效果,不仅扩展了农产品的种植溯源信息,还便于及时发现和解决花生种植过程中的问题,进而提高了花生后续种植的优化效果,同时还确保了花生种植和生产过程信息的利用率,实现了生产过程信息与种植环节的完整信息闭环。
Description
技术领域
本发明属于农产品种植分析管理技术领域,涉及一种基于大数据的农产品种植溯源分析管理***及方法。
背景技术
随着人们对食品安全和质量关注的不断增加,农产品种植溯源分析管理成为了农业领域的重要议题。针对花生这一农产品,溯源分析管理尤为重要。不仅可以帮助农民优化种植管理,提高产量和品质,还能够确保花生产品的安全和质量可追溯性。
目前是花生产品的种植溯源分析管理主要通过跟踪和记录花生种植全过程中的关键信息,从种子种植到收获、加工和销售,从而进行种植管理。
现有技术如申请公开号为CN114897544A的中国发明专利申请公开的一种基于农产品种植的溯源管理***,其通过设置采购数据收集模块、种植采摘数据收集模块、环境监控数据收集模块、人员操作数据收集模块、产品质量分析数据收集模块和销售信息数据收集模块,对农产品从种植到销售的信息进行全面采集,提高了农产品信息保存的全面性和准确性,从而便于准确找到发生问题的环节和责任主体,从而对农产品质量和安全进行监管。
现有技术又如申请公开号为CN115796896A的中国发明专利申请公开的一种农产品安全溯源***,其通过设置种植基地溯源模块、投入品溯源模块、农事作业溯源模块、质量管理溯源模块、仓储过程溯源模块、加工包装溯源模块、销售流通溯源模块,从而实现记录、存储供应链从生产到销售的数据信息,同时能够快速追溯产品来源,并且定位责任主体,并可以保证这未达标产品在监控体系内被识别并剔除以避免其流入市场。
针对上述两种技术方案,很显然主要侧重溯源信息的搭建层面,从而确保溯源信息的全面性,对农产品生产本体种植管理的关注度还存在一定的欠缺,具体体现在以下几个方面:1、主要根据当前跟踪数据进行种植情况分析和监管,未结合同一种植区域的过往种植溯源信息进行综合性评定,无法确保农产品生产质量分析的有效性,进而无法确保农产品种植质量管理的效果和可靠性。
2、未对后续农产品的种植管理进行进一步跟踪处理,不仅无法扩展农产品的种植溯源信息,还可能导致无法及时发现和解决种植过程中的问题,进而无法提高农产品后续种植的优化效果,也无法将生产过程中获得的信息有效应用至种植环节,形成完整的信息闭环。同时对后续种植策略的改进的辅助效果不明显,并且还无法提高农产品种植结构的灵活性和针对性。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种基于大数据的农产品种植溯源分析管理***及方法。
本发明的目的可以通过以下技术方案实现:本发明第一方面提供一种基于大数据的农产品种植溯源分析管理***,该***包括:花生种植数据提取模块,用于提取目标区域内花生在当前所处种植周期内的种植数据和加工记录数据。
历史溯源信息提取模块,用于提取目标区域内花生历史各种植周期内的溯源信息。
花生种植状态分析模块,用于根据目标区域内花生在当前所处种植周期内的加工数据,对目标区域内当前花生种植品质进行分析,得到当前花生种植质量吻合度。
种植品质溯源解析模块,用于按照目标区域内对应当前花生种植质量吻合度的分析方式同理分析历史各种植周期的花生种植质量吻合度,并确认目标区域内花生种植品质异常度。
花生种植调整判断模块,用于基于和/>,判断下一种植周期的种植是否需求调整。
花生种植调整确认模块,用于当判断结果为是,确认下一种植周期内的推荐种植调整信息。
种植信息库,用于存储目标区域内单位花生重量对应的参照出油量,并存储花生适宜榨油粒度区间。
花生种植调整反馈终端,用于将目标区域内花生在下一种植周期内的推荐种植调整信息反馈至目标区域花生种植管理人员。
本发明第二方面提供一种基于大数据的农产品种植溯源分析管理方法,该方法包括:步骤1、花生种植数据提取:提取目标区域内花生在当前所处种植周期内的种植数据和加工记录数据。
步骤2、历史溯源信息提取:提取目标区域内花生历史各种植周期内的溯源信息。
步骤3、花生种植状态分析:对目标区域内当前花生种植品质进行分析,得到当前花生种植质量吻合度。
步骤4、种植品质溯源解析:按照目标区域内对应当前花生种植质量吻合度的分析方式同理分析历史各种植周期的花生种植质量吻合度,并确认目标区域内花生种植品质异常度。
步骤5、花生种植调整判断:判断下一种植周期的种植是否需求调整。
步骤6、花生种植调整确认:当判断结果为是,确认下一种植周期内的推荐种植调整信息。
步骤7、花生种植调整反馈:将目标区域内花生在下一种植周期内的推荐种植调整信息反馈至目标区域花生种植管理人员。
相较于现有技术,本发明的有益效果如下:(1)本发明通过根据当前所处种植周期内的种植数据和加工记录数据以及历史各种植周期内的溯源信息,进行当前种植状态分析和种植调整判断,并确认推荐种植调整信息,实现了后续花生种植管理的进一步跟踪处理,进而有效解决了当前对农产品生产本体种植管理关注度不足的问题,确保了后续花生种植质量的管理效果和管理可靠性,不仅扩展了农产品的种植溯源信息,还便于及时发现和解决花生种植过程中的问题,进而提高了花生后续种植的优化效果,同时还确保了花生种植和生产过程信息的利用率,实现了生产过程信息与种植环节的完整信息闭环。
(2)本发明通过结合历史各种植周期内的溯源信息设置参照出油量,据此进行当前花生种植质量吻合度分析,规避了当前未结合同一种植区域的过往种植溯源信息进行综合性评定的欠缺,打破了仅根据当前跟踪数据进行种植情况分析的不足,从而确保了花生种植质量分析的有效性,同时也便于后续花生种植品质异常评估的合理性。
(3)本发明通过根据花生的粒度分布规律以及含水量进行出油干扰因子设定,并结合历史不同种植周期内的出油情况,进行参照出油量设置,可以更准确地预测出油量,避免过高或过低的估计,进而建立更精确的参照出油量,并且还保障了后续花生种植质量吻合度分析结果的真实性和参考性。
(4)本发明通过构建当前各土壤跟踪项对应的跟踪数值曲线分析土壤状态偏差度,据此进行推荐种植调整信息确认,不仅可以为目标区域内花生的种植提供精准的调整建议,还可以帮助种植者了解土壤的健康状况,及时发现问题并采取措施,同时当前充分结合展示了土壤的状态,避免不必要的施肥和浇水,节约农业生产成本,并且还确保了对后续种植策略改进的辅助效果,提高了花生种植结构设置的灵活性和针对性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明***各模块连接示意图。
图2为本发明方法实施步骤流程示意图。
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、完整地描述,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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供了一种基于大数据的农产品种植溯源分析管理***,该***包括花生种植数据提取模块、历史溯源信息提取模块、花生种植状态分析模块、种植品质溯源解析模块、花生种植调整判断模块、花生种植调整确认模块、种植信息库和花生种植调整反馈终端。
上述中,花生种植状态分析模块分别与花生种植数据提取模块、历史溯源信息提取模块、种植品质溯源解析模块、花生种植调整判断模块和种植信息库连接,种植品质溯源解析模块还与花生种植调整判断模块连接,花生种植调整确认模块分别与花生种植调整判断模块、花生种植调整反馈终端、花生种植数据提取模块和历史溯源信息提取模块连接。
所述花生种植数据提取模块,用于提取目标区域内花生在当前所处种植周期内的种植数据和加工记录数据。
具体地,种植数据包括但不限于提取各土壤跟踪项在各跟踪日内对应的记录数值,加工记录数据包括当前各加工环节对应的记录数据,其中加工环节包括但不限于筛分环节、检测环节和榨油环节。
进一步地,筛分环节的记录数据包括但不限于记录的花生总重量和花生筛除重量。
进一步地,检测环节的记录数据包括但不限于记录的各粒度区间内的分布花生量和花生平均含水量。
进一步地,榨油环节的记录数据包括但不限于记录的出油量和花生总重量。
在一个具体实施例中,土壤跟踪项包括但不限于土壤温度、土壤湿度、土壤PH、土壤电导率、土壤含氮量和土壤含磷量。
在一个具体实施例中,检测环节中各粒度区间内的分布花生量、和花生平均含水量的具体检测过程如下:将待检测花生传输至花生检测区域,通过花生检测区域内的激光扫描仪对待检测花生进行粒度检查,检测的花生粒度值和各检测的花生粒度值对应的分布花生量。
将各检测的粒度值与设定的各粒度区间进行对比和归类,得到位于各粒度区间内的各检测粒度值,进而提取位于各粒度区间内对应各检测粒度值对应的分布花生量。
通过花生检测区域内红外水分测定仪对待检测花生进行含水量检测,得到检测的各含水量值,并去除其最大含水量和最小含水量,将去除后剩余的各含水量值进行均值计算,计算结果即为花生平均含水量。
所述历史溯源信息提取模块,用于提取目标区域内花生历史各种植周期内的溯源信息。
具体地,溯源信息包括但不限于种植数据和加工记录数据。
所述花生种植状态分析模块,用于根据目标区域内花生在当前所处种植周期内的加工数据,对目标区域内当前花生种植品质进行分析,得到当前花生种植质量吻合度。
示例性地,对目标区域内当前花生种植品质进行分析,包括:A1、从当前所处种植周期内的加工记录数据中提取当前各加工环节对应的记录数据。
A2、从当前各加工环节对应的记录数据中提取筛分环节对应记录的花生总重量和花生筛除重量,将花生筛除重量与花生总重量的比值作为当前所处种植周期内的花生筛除率,记为。
A3、从当前各加工环节对应的记录数据中提取检测环节对应记录的各粒度区间内的分布花生量和花生平均含水量,据此设定花生出油干扰因子,记为。
A4、从当前各加工环节对应的记录数据中提取榨油环节对应记录的出油量,记为。
A5、根据目标区域内花生历史各种植周期内的溯源信息,设置目标区域内种植花生的参照出油量,记为。
A6、统计当前花生种植质量吻合度,/>,/>为设定的许可浮动出油量,/>为向下取整符号。
进一步地,A3步骤中设定花生出油干扰因子,包括:Q1、将各粒度区间内的分布花生量进行求和,将求和结果作为参照分布花生量,记为,并统计分布花生量不为0的粒度区间数目,记为/>。
Q2、将各粒度区间内的分布花生量与参照分布花生量的比值作为各粒度区间的花生量百分比,以粒度区间为横坐标,以花生量百分比为纵坐标,构建花生粒度分布曲线,并分析花生粒度分布均匀度。
可理解地,分析花生粒度分布均匀度,包括:Q21、从花生粒度分布曲线中提取峰值点数目和谷值点数目,分别记为和/>,同时提取各峰值点与其临近谷值之间的花生量百分比差,并从中筛选出最大花生量百分比差,记为/>。
Q22、统计花生粒度分布均匀度,/>,/>为设定参照峰谷点数目,/>为设定许可花生量百分比差。
Q3、从种植信息库中提取花生适宜榨油粒度区间,统计位于花生适宜榨油粒度区间内的分布花生量,作为适宜榨油花生量。
需要补充的是,统计位于花生适宜榨油粒区间内的分布花生量的具体统计方式如下:X1、将各粒度区间和花生适宜渣油粒度区间分别在数轴上进行标注。
X2、若某粒度区间完全位于花生适宜渣油粒度区间内,将该粒度区间作为吻合区间。
X3、若某粒度区间部分位于花生适宜渣油粒度区间内,将该粒度区间记为部分吻合区间。
X4、提取部分吻合区间位于花生适宜渣油粒度区间内的区域面积,并与部分吻合区间在数轴上的标注区域面积进行作比,将比值记为吻合比,将部分吻合区间内的分布花生量与吻合比的乘积作为部分吻合区间的吻合分布花生量。
X5、将各吻合区间的分布花生量和各部分吻合区间的吻合分布花生量进行求和,得到位于花生适宜榨油粒度区间内的分布花生量。
Q4、将花生平均含水量记为,设置花生出油干扰因子/>,,/>分布为设定适宜的分布粒度区间数目、分布粒度区间数目差,/>为设定花生榨油适宜的含水量、含水量偏差,/>为设定参照分布均匀度。
需要说明的是,通常情况下,适宜榨油粒度区间内花生对应出油量高的可能性较大,即位于适宜榨油粒度区间内花生分布量相对而言越高,出油量的保障性越高,尤其在多粒度区间分布下。即相对越大,出油量越丰富,而/>相对越小,出油干扰越大。
需要说明的是,一般情况而言,花生在多个粒度区间均匀分布可能更有利于榨油,当花生分布在多个粒度区间时,不同大小的花生可以充分填充榨油设备,从而提高榨油率。如果花生主要集中在单一粒度区间,可能会导致榨油设备的利用率下降,影响榨油效果,且花生在多个粒度区间均匀分布,可以使得榨油过程更加均匀和稳定。因此与/>差值越大且/>越小,出油干扰越大。
还需要说明的是,花生的含水量会影响加工过程中的油脂提取效率。过高或过低的含水量都可能导致出油量下降,因此的差值越大,出油干扰越大,进而从适宜粒度分布比、粒度分布区间数目、粒度分布均匀度和花生含水量这四个参数维度进行出由干扰因子设定,以提高参照出油量设置的精准性和可靠性。
本发明实施例通过根据花生的粒度分布规律以及含水量进行出油干扰因子设定,并结合历史不同种植周期内的出油情况,进行参照出油量设置,可以更准确地预测出油量,避免过高或过低的估计,进而建立更精确的参照出油量,并且还保障了后续花生种植质量吻合度分析结果的真实性和参考性。
更进一步地,A4步骤中,设置目标区域内种植花生的参照出油量,包括:A41、将花生总重量与花生筛除重量的差值作为花生筛除剩余重量,记为,并从种植信息库中提取目标区域内单位花生重量对应的参照出油量,记为/>,将/>作为基准出油量,记为/>。
A42、从目标区域内花生历史各种植周期内的溯源信息中提取历史各种植周期内对应榨油环节记录的出油量和花生总重量,分别记为和/>,统计历史各种植周期内对应的出油偏差量/>,/>,/>表示历史种植周期编号,/>。
A43、统计油偏差量大于或者等于0的历史种植周期数目和出油偏差量小于的历史种植周期数目,分别记为和/>。
A44、将花生出油干扰因子与设定的各花生出油干扰因子区间对应的参照损耗出油比进行匹配对比,得到出油干扰因子对应匹配参照损耗出油比,记为。
A45、若,将出油偏差量大于0的历史各种植周期对应的出油偏差量进行均值计算,将计算结果记为/>,进而将/>作为目标区域内种植花生的参照出油量。
A46、若,将出油偏差量小于或者等于0的历史各种植周期对应的出油偏差量进行均值计算,将计算结果记为/>,进而将/>作为目标区域内种植花生的参照出油量。
需要补充的是,当,表明历史出油量偏高,即将基准出油量与出油偏差量进行求和,当/>,表明历史出油量偏低,即将基准出油量与出油偏差量的绝对值进行作差。
本发明实施例通过结合历史各种植周期内的溯源信息设置参照出油量,据此进行当前花生种植质量吻合度分析,规避了当前未结合同一种植区域的过往种植溯源信息进行综合性评定的欠缺,打破了仅根据当前跟踪数据进行种植情况分析的不足,从而确保了花生种植质量分析的有效性,同时也便于后续花生种植品质异常评估的合理性。
所述种植品质溯源解析模块,用于按照目标区域内对应当前花生种植质量吻合度的分析方式同理分析历史各种植周期的花生种植质量吻合度,并确认目标区域内花生种植品质异常度。
具体地,确认目标区域内花生种植品质异常度,包括:N1、将历史各种植周期的花生种植质量吻合度与当前花生种植质量吻合度进行整合,得到当前各累计种植周期的花生种植质量吻合度,并与设定参照花生种植质量吻合度进行对比,统计小于设定参照花生种植吻合度的累计种植周期数目,记为,同时将累计种植周期数目记为/>。
N2、以累计种植周期为横坐标,以花生种植质量吻合度为纵坐标,构建花生种植吻合度曲线,并从中进行斜率提取,记为。
需要补充的是,所述从花生种植吻合度曲线中提取的斜率指花生种植吻合度曲线对应回归线的斜率。
N3、统计目标区域内花生种植品质异常度,/>,分别为设定的各花生种植品质异常度评估条件,/>表示/>或者成立,/>表示/>和/>同时成立,/>表示/>和同时成立,/>为设定参照的花生种植吻合度变化率。
所述花生种植调整判断模块,用于基于和/>,判断下一种植周期的种植是否需求调整。
具体地,判断下一种植周期的种植是否需求调整,包括:若或者/>,将是作为下一种植周期的种植是否需求调整判断结果,/>为设定参照种植质量吻合度。
若且/>,将否作为下一种植周期的种植是否需求调整判断结果。
所述花生种植调整确认模块,用于当判断结果为是,确认下一种植周期内的推荐种植调整信息。
具体地,确认下一种植周期内的推荐种植调整信息,包括:V1、从目标区域内花生在当前所处种植周期内的种植数据中提取各土壤跟踪项在各跟踪日内对应的记录数值。
V2、以跟踪日为横坐标,以记录数值为纵坐标,构建当前各土壤跟踪项对应的跟踪数值曲线。
V3、将花生种植质量吻合度大于0的历史各种植周期作为各参照种植周期,按照当前各土壤跟踪项的跟踪数值曲线的构建方式同理构建各参照种植周期对应各土壤跟踪项的跟踪数值曲线。
V4、分析各土壤跟踪项对应的偏差度,并从中筛选出最大值,作为土壤状态偏差度,并记为。
V5、若,将土壤环境调控作为下一周期的调整种植类目,将偏差度大于0的各土壤跟踪项作为关键调整因素,将调整种植类目和关键调整因素作为推荐种植调整信息,若/>且/>,将更换种植品种作为推荐种植调整信息。
进一步地,V4步骤中分析各土壤跟踪项对应的偏差度,包括:V41、将当前各土壤跟踪项对应的跟踪数值曲线与各参照种植周期对应各土壤跟踪项的跟踪数值曲线进行重合对比,得到各参照周期对应各土壤跟踪项的跟踪数值曲线重合比,通过均值计算得到各土壤跟踪项对应的平均重合比,记为,/>表示土壤跟踪项编号,/>。
需要补充的是,各参照周期对应各土壤跟踪项的跟踪数值曲线重合比的获取过程为:提取当前各土壤跟踪项与各参照种植周期对应各土壤跟踪项的跟踪数值曲线重合长度以及各参照种植周期对应各土壤跟踪项的跟踪数值曲线长度;将各参照种植周期对应各土壤跟踪项的跟踪数值曲线重合长度与其跟踪数值曲线长度的比值作为各参照周期对应各土壤跟踪项的跟踪数值曲线重合比。
V42、统计各土壤跟踪项对应跟踪数值曲线重合比小于设定参照重合比的参照种植周期数目,记为/>。
V43、统计参照种植周期数目,记为,进而统计各土壤跟踪项对应的偏差度/>,。
本发明实施例通过构建当前各土壤跟踪项对应的跟踪数值曲线分析土壤状态偏差度,据此进行推荐种植调整信息确认,不仅可以为目标区域内花生的种植提供精准的调整建议,还可以帮助种植者了解土壤的健康状况,及时发现问题并采取措施,同时当前充分结合展示了土壤的状态,避免不必要的施肥和浇水,节约农业生产成本,并且还确保了对后续种植策略改进的辅助效果,提高了花生种植结构设置的灵活性和针对性。
所述种植信息库,用于存储目标区域内单位花生重量对应的参照出油量,并存储花生适宜榨油粒度区间。
所述花生种植调整反馈终端,用于将目标区域内花生在下一种植周期内的推荐种植调整信息反馈至目标区域花生种植管理人员。
本发明实施例通过根据当前所处种植周期内的种植数据和加工记录数据以及历史各种植周期内的溯源信息,进行当前种植状态分析和种植调整判断,并确认推荐种植调整信息,实现了后续花生种植管理的进一步跟踪处理,进而有效解决了当前对农产品生产本体种植管理关注度不足的问题,确保了后续花生种植质量的管理效果和管理可靠性,不仅扩展了农产品的种植溯源信息,还便于及时发现和解决花生种植过程中的问题,进而提高了花生后续种植的优化效果,同时还确保了花生种植和生产过程信息的利用率,实现了生产过程信息与种植环节的完整信息闭环。
请参阅图2所述,本发明提供了一种基于大数据的农产品种植溯源分析管理方法,该方法包括:步骤1、花生种植数据提取:提取目标区域内花生在当前所处种植周期内的种植数据和加工记录数据。
步骤2、历史溯源信息提取:提取目标区域内花生历史各种植周期内的溯源信息。
步骤3、花生种植状态分析:对目标区域内当前花生种植品质进行分析,得到当前花生种植质量吻合度。
步骤4、种植品质溯源解析:按照目标区域内对应当前花生种植质量吻合度的分析方式同理分析历史各种植周期的花生种植质量吻合度,并确认目标区域内花生种植品质异常度。
步骤5、花生种植调整判断:判断下一种植周期的种植是否需求调整。
步骤6、花生种植调整确认:当判断结果为是,确认下一种植周期内的推荐种植调整信息。
步骤7、花生种植调整反馈:将目标区域内花生在下一种植周期内的推荐种植调整信息反馈至目标区域花生种植管理人员。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于大数据的农产品种植溯源分析管理***,其特征在于:该***包括:
花生种植数据提取模块,用于提取目标区域内花生在当前所处种植周期内的种植数据和加工记录数据;
历史溯源信息提取模块,用于提取目标区域内花生历史各种植周期内的溯源信息;
花生种植状态分析模块,用于根据目标区域内花生在当前所处种植周期内的加工数据,对目标区域内当前花生种植品质进行分析,得到当前花生种植质量吻合度;
种植品质溯源解析模块,用于按照目标区域内对应当前花生种植质量吻合度的分析方式同理分析历史各种植周期的花生种植质量吻合度,并确认目标区域内花生种植品质异常度;
花生种植调整判断模块,用于基于和/>,判断下一种植周期的种植是否需求调整;
花生种植调整确认模块,用于当判断结果为是,确认下一种植周期内的推荐种植调整信息;
种植信息库,用于存储目标区域内单位花生重量对应的参照出油量,并存储花生适宜榨油粒度区间;
花生种植调整反馈终端,用于将目标区域内花生在下一种植周期内的推荐种植调整信息反馈至目标区域花生种植管理人员。
2.如权利要求1所述的一种基于大数据的农产品种植溯源分析管理***,其特征在于:所述对目标区域内当前花生种植品质进行分析,包括:
从当前所处种植周期内的加工记录数据中提取当前各加工环节对应的记录数据;
从当前各加工环节对应的记录数据中提取筛分环节对应记录的花生总重量和花生筛除重量,将花生筛除重量与花生总重量的比值作为当前所处种植周期内的花生筛除率,记为;
从当前各加工环节对应的记录数据中提取检测环节对应记录的各粒度区间内的分布花生量和花生平均含水量,据此设定花生出油干扰因子,记为;
从当前各加工环节对应的记录数据中提取榨油环节对应记录的出油量,记为;
根据目标区域内花生历史各种植周期内的溯源信息,设置目标区域内种植花生的参照出油量,记为;
统计当前花生种植质量吻合度,/>,/>为设定的许可浮动出油量,/>为向下取整符号。
3.如权利要求2所述的一种基于大数据的农产品种植溯源分析管理***,其特征在于:所述设置目标区域内种植花生的参照出油量,包括:
将花生总重量与花生筛除重量的差值作为花生筛除剩余重量,记为,并从种植信息库中提取目标区域内单位花生重量对应的参照出油量,记为/>,将/>作为基准出油量,记为/>;
从目标区域内花生历史各种植周期内的溯源信息中提取历史各种植周期内对应榨油环节记录的出油量和花生总重量,分别记为和/>,统计历史各种植周期内对应的出油偏差量/>,/>,/>表示历史种植周期编号,/>;
统计油偏差量大于或者等于0的历史种植周期数目和出油偏差量小于的历史种植周期数目,分别记为和/>;
将花生出油干扰因子与设定的各花生出油干扰因子区间对应的参照损耗出油比进行匹配对比,得到出油干扰因子对应匹配参照损耗出油比,记为;
若,将出油偏差量大于0的历史各种植周期对应的出油偏差量进行均值计算,将计算结果记为/>,进而将/>作为目标区域内种植花生的参照出油量;
若,将出油偏差量小于或者等于0的历史各种植周期对应的出油偏差量进行均值计算,将计算结果记为/>,进而将/>作为目标区域内种植花生的参照出油量。
4.如权利要求2所述的一种基于大数据的农产品种植溯源分析管理***,其特征在于:所述设定花生出油干扰因子,包括:
将各粒度区间内的分布花生量进行求和,将求和结果作为参照分布花生量,记为,并统计分布花生量不为0的粒度区间数目,记为/>;
将各粒度区间内的分布花生量与参照分布花生量的比值作为各粒度区间的花生量百分比,以粒度区间为横坐标,以花生量百分比为纵坐标,构建花生粒度分布曲线,并分析花生粒度分布均匀度;
从种植信息库中提取花生适宜榨油粒度区间,统计位于花生适宜榨油粒度区间内的分布花生量,作为适宜榨油花生量;
将花生平均含水量记为,设置花生出油干扰因子/>,,/>分布为设定适宜的分布粒度区间数目、分布粒度区间数目差,/>为设定花生榨油适宜的含水量、含水量偏差,/>为设定参照分布均匀度。
5.如权利要求4所述的一种基于大数据的农产品种植溯源分析管理***,其特征在于:所述分析花生粒度分布均匀度,包括:
从花生粒度分布曲线中提取峰值点数目和谷值点数目,分别记为和/>,同时提取各峰值点与其临近谷值之间的花生量百分比差,并从中筛选出最大花生量百分比差,记为;
统计花生粒度分布均匀度,/>,/>为设定参照峰谷点数目,/>为设定许可花生量百分比差。
6.如权利要求1所述的一种基于大数据的农产品种植溯源分析管理***,其特征在于:所述确认目标区域内花生种植品质异常度,包括:
将历史各种植周期的花生种植质量吻合度与当前花生种植质量吻合度进行整合,得到当前各累计种植周期的花生种植质量吻合度,并与设定参照花生种植质量吻合度进行对比,统计小于设定参照花生种植吻合度的累计种植周期数目,记为,同时将累计种植周期数目记为/>;
以累计种植周期为横坐标,以花生种植质量吻合度为纵坐标,构建花生种植吻合度曲线,并从中进行斜率提取,记为;
统计目标区域内花生种植品质异常度,/>,分别为设定的各花生种植品质异常度评估条件,/>表示/>或者成立,/>表示/>和/>同时成立,/>表示/>和同时成立,/>为设定参照的花生种植吻合度变化率。
7.如权利要求1所述的一种基于大数据的农产品种植溯源分析管理***,其特征在于:所述判断下一种植周期的种植是否需求调整,包括:
若或者/>,将是作为下一种植周期的种植是否需求调整判断结果,/>为设定参照种植质量吻合度;
若且/>,将否作为下一种植周期的种植是否需求调整判断结果。
8.如权利要求6所述的一种基于大数据的农产品种植溯源分析管理***,其特征在于:所述确认下一种植周期内的推荐种植调整信息,包括:
从目标区域内花生在当前所处种植周期内的种植数据中提取各土壤跟踪项在各跟踪日内对应的记录数值;
以跟踪日为横坐标,以记录数值为纵坐标,构建当前各土壤跟踪项对应的跟踪数值曲线;
将花生种植质量吻合度大于0的历史各种植周期作为各参照种植周期,按照当前各土壤跟踪项的跟踪数值曲线的构建方式同理构建各参照种植周期对应各土壤跟踪项的跟踪数值曲线;
分析各土壤跟踪项对应的偏差度,并从中筛选出最大值,作为土壤状态偏差度,并记为;
若,将土壤环境调控作为下一周期的调整种植类目,将偏差度大于0的各土壤跟踪项作为关键调整因素,将调整种植类目和关键调整因素作为推荐种植调整信息,若/>且/>,将更换种植品种作为推荐种植调整信息。
9.如权利要求8所述的一种基于大数据的农产品种植溯源分析管理***,其特征在于:所述分析各土壤跟踪项对应的偏差度,包括:
将当前各土壤跟踪项对应的跟踪数值曲线与各参照种植周期对应各土壤跟踪项的跟踪数值曲线进行重合对比,得到各参照周期对应各土壤跟踪项的跟踪数值曲线重合比,通过均值计算得到各土壤跟踪项对应的平均重合比,记为,/>表示土壤跟踪项编号,;
统计各土壤跟踪项对应跟踪数值曲线重合比小于设定参照重合比的参照种植周期数目,记为/>;
统计参照种植周期数目,记为,进而统计各土壤跟踪项对应的偏差度/>,。
10.一种基于大数据的农产品种植溯源分析管理方法,其特征在于:该方法包括:
步骤1、花生种植数据提取:提取目标区域内花生在当前所处种植周期内的种植数据和加工记录数据;
步骤2、历史溯源信息提取:提取目标区域内花生历史各种植周期内的溯源信息;
步骤3、花生种植状态分析:对目标区域内当前花生种植品质进行分析,得到当前花生种植质量吻合度;
步骤4、种植品质溯源解析:按照目标区域内对应当前花生种植质量吻合度的分析方式同理分析历史各种植周期的花生种植质量吻合度,并确认目标区域内花生种植品质异常度;
步骤5、花生种植调整判断:判断下一种植周期的种植是否需求调整;
步骤6、花生种植调整确认:当判断结果为是,确认下一种植周期内的推荐种植调整信息;
步骤7、花生种植调整反馈:将目标区域内花生在下一种植周期内的推荐种植调整信息反馈至目标区域花生种植管理人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410479596.1A CN118071214B (zh) | 2024-04-22 | 2024-04-22 | 一种基于大数据的农产品种植溯源分析管理***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410479596.1A CN118071214B (zh) | 2024-04-22 | 2024-04-22 | 一种基于大数据的农产品种植溯源分析管理***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118071214A true CN118071214A (zh) | 2024-05-24 |
CN118071214B CN118071214B (zh) | 2024-07-02 |
Family
ID=91102330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410479596.1A Active CN118071214B (zh) | 2024-04-22 | 2024-04-22 | 一种基于大数据的农产品种植溯源分析管理***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118071214B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184427A (zh) * | 2015-10-23 | 2015-12-23 | 石河子大学 | 一种对农田生态环境进行预警的方法及装置 |
CN106067880A (zh) * | 2016-06-13 | 2016-11-02 | 国家计算机网络与信息安全管理中心 | 一种基于4g网络的ip地址的溯源方法 |
WO2019073472A1 (en) * | 2017-10-13 | 2019-04-18 | Atp Labs Ltd. | SYSTEM AND METHOD FOR MANAGING AND OPERATING A LOGISTIC CHAIN FOR MANUFACTURING AGRICULTURAL PRODUCTS |
CN110915523A (zh) * | 2019-12-12 | 2020-03-27 | 湖南省林业科学院 | 一种油茶主要害虫的绿色防控方法 |
KR20200114665A (ko) * | 2019-03-29 | 2020-10-07 | 주식회사 씽스앤 | 농식품 거래 플랫폼을 기반으로 하는 농식품 유통 시스템 |
KR102383110B1 (ko) * | 2021-07-19 | 2022-04-08 | 황용희 | 환경 데이터를 활용한 농산물 관리 및 판매 플랫폼과 이를 이용한 농산물 관리 방법 |
CN114386992A (zh) * | 2022-01-12 | 2022-04-22 | 北京工商大学 | 一种基于区块链和标识解析的粮油质量安全可信溯源方法 |
CN114897544A (zh) * | 2022-05-25 | 2022-08-12 | 贵州财经大学 | 一种基于农产品种植的溯源管理*** |
CN116187626A (zh) * | 2023-04-26 | 2023-05-30 | 山东商业职业技术学院 | 一种基于大数据的有机农产品安全溯源追踪监测管理*** |
CN116934177A (zh) * | 2023-09-14 | 2023-10-24 | 中交二公局东萌工程有限公司 | 一种企业生产任务管理数据跟踪分析处理*** |
CN117422482A (zh) * | 2023-12-19 | 2024-01-19 | 山东一方制药有限公司 | 一种中药配方颗粒全周期溯源管理平台 |
CN117540934A (zh) * | 2024-01-08 | 2024-02-09 | 山东科翔智能科技有限公司 | 基于数据分析的小麦生长周期智能监管*** |
-
2024
- 2024-04-22 CN CN202410479596.1A patent/CN118071214B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184427A (zh) * | 2015-10-23 | 2015-12-23 | 石河子大学 | 一种对农田生态环境进行预警的方法及装置 |
CN106067880A (zh) * | 2016-06-13 | 2016-11-02 | 国家计算机网络与信息安全管理中心 | 一种基于4g网络的ip地址的溯源方法 |
WO2019073472A1 (en) * | 2017-10-13 | 2019-04-18 | Atp Labs Ltd. | SYSTEM AND METHOD FOR MANAGING AND OPERATING A LOGISTIC CHAIN FOR MANUFACTURING AGRICULTURAL PRODUCTS |
KR20200114665A (ko) * | 2019-03-29 | 2020-10-07 | 주식회사 씽스앤 | 농식품 거래 플랫폼을 기반으로 하는 농식품 유통 시스템 |
CN110915523A (zh) * | 2019-12-12 | 2020-03-27 | 湖南省林业科学院 | 一种油茶主要害虫的绿色防控方法 |
KR102383110B1 (ko) * | 2021-07-19 | 2022-04-08 | 황용희 | 환경 데이터를 활용한 농산물 관리 및 판매 플랫폼과 이를 이용한 농산물 관리 방법 |
CN114386992A (zh) * | 2022-01-12 | 2022-04-22 | 北京工商大学 | 一种基于区块链和标识解析的粮油质量安全可信溯源方法 |
CN114897544A (zh) * | 2022-05-25 | 2022-08-12 | 贵州财经大学 | 一种基于农产品种植的溯源管理*** |
CN116187626A (zh) * | 2023-04-26 | 2023-05-30 | 山东商业职业技术学院 | 一种基于大数据的有机农产品安全溯源追踪监测管理*** |
CN116934177A (zh) * | 2023-09-14 | 2023-10-24 | 中交二公局东萌工程有限公司 | 一种企业生产任务管理数据跟踪分析处理*** |
CN117422482A (zh) * | 2023-12-19 | 2024-01-19 | 山东一方制药有限公司 | 一种中药配方颗粒全周期溯源管理平台 |
CN117540934A (zh) * | 2024-01-08 | 2024-02-09 | 山东科翔智能科技有限公司 | 基于数据分析的小麦生长周期智能监管*** |
Also Published As
Publication number | Publication date |
---|---|
CN118071214B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10271117B2 (en) | Environmental monitoring | |
Kosmowski et al. | How accurate are yield estimates from crop cuts? Evidence from smallholder maize farms in Ethiopia | |
CN111415085A (zh) | 一种作物种植的生产质量监测方法与*** | |
CN116485412B (zh) | 一种基于区块链技术的农产品追溯方法及*** | |
Ali | Factors influencing adoption of postharvest practices in vegetables | |
CN116739645A (zh) | 基于企业管理的订单异常监督*** | |
CN118071214B (zh) | 一种基于大数据的农产品种植溯源分析管理***及方法 | |
CN117296538B (zh) | 基于植被土壤成分检测的绿植维护方法、装置与*** | |
CN117652388A (zh) | 一种基于物联网的果园分类灌溉控制*** | |
CN117633490A (zh) | 一种分析母猪繁殖效率的数据管理***与方法 | |
CN117315915A (zh) | 基于遥感数据监测的农作物种植监管*** | |
CN116778477B (zh) | 一种基于图像处理的玉米果穗性状指标计算方法 | |
CN117575623A (zh) | 一种空调软管产品制造溯源管理*** | |
CN116109325B (zh) | 一种基于物联网管控食品安全和溯源***及方法 | |
CN116361562A (zh) | 一种面向农业产业互联网的知识化推荐方法及*** | |
CN116757707A (zh) | 一种农作物果实生长溯源方法及*** | |
CN116151860A (zh) | 基于电子商务数据分析的智慧海洋服务数字化管理*** | |
CN114549096A (zh) | 一种农产品价格风险预警***及方法 | |
CN113570177A (zh) | 农产品的品质确定***及其使用方法 | |
CN118278960A (zh) | 一种农产品安全信息的溯源方法及追溯*** | |
Ismail et al. | Modelling the Efficiency of Paddy Production in Peninsular Malaysia Using Principal Component Analysis and Data Envelopment Analysis (PCA-DEA | |
CN116227740B (zh) | 一种基于区块链的能源分析管理云平台 | |
CN115099726B (zh) | 一种基于纺织产品全生命周期的智能管控方法及*** | |
CN117378338A (zh) | 一种植物施肥监控管理方法及*** | |
Kaur et al. | Crop recommendation using machine learning |
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 |