CN107122855A - 一种基于机器学习的农田作物蒸散量预测系统 - Google Patents
一种基于机器学习的农田作物蒸散量预测系统 Download PDFInfo
- Publication number
- CN107122855A CN107122855A CN201710279448.5A CN201710279448A CN107122855A CN 107122855 A CN107122855 A CN 107122855A CN 201710279448 A CN201710279448 A CN 201710279448A CN 107122855 A CN107122855 A CN 107122855A
- Authority
- CN
- China
- Prior art keywords
- data
- machine learning
- crop
- evapotranspiration
- field
- 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- 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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明公开了一种基于机器学习的农田作物蒸散量预测系统,包括有采集终端,服务器端和客户端;采集终端实时采集农田各个监测点的气象数据信息并通过通信网络传输给服务器端;服务器端将气象数据写入数据库,再对所采集的气象数据进行预处理并利用机器学习算法进行数据模型训练,所述的数据可视化模块将预测的蒸散量结果绘制成蒸发量预测图谱,并将数据模型的结果通过通信网络发送给客户端进行预测结果展示,为大面积的农田作物灌溉提供更加科学合理的灌溉指导。
Description
技术领域
本发明涉及农作物监测领域,具体是一种基于机器学习的农田作物蒸散量预测系统。
背景技术
机器学习理论相关技术已经应用在各个领域,目前比较成熟的就有人脸识别,智能交通,也体现在智能农业,天气预报、生理病变、环境监测研究等众多领域,并且得到了广泛的应用。
对于农田作物生长过程中的灌溉情况,传统方法一般是通过人工在田间实地查看,虽然对于需水情况与否的判断准确率高,但面对农田集中种植面积比较大,需要耗费大量的人力成本,而且没办法实时进行查看,往往只有当小范围内有需要及时灌溉情况发生的时候才会被察觉,严重影响了农业生产活动。
发明内容
本发明要解决的技术问题是提供一种基于机器学习的农田作物蒸散量预测系统,快速有效地预测农田作物的蒸散量情况,预测农田作物蒸散发后导致及时用水灌溉的发生,为农田作物灌溉合理管理适时地提供预警信息,保证农田作物的正常生长。
本发明的技术方案为:
一种基于机器学习的农田作物蒸散量预测系统,包括有采集终端,服务器端和客户端;所述的采集终端实时采集农田各个监测点的气象数据信息并通过通信网络传输给服务器端;所述的服务器端包括有数据接收和存储模块、数据预处理模块、数据模型训练模块和数据可视化模块;所述的数据接收和存储模块将各个监测点获取的气象数据以一定的命名格式标识并存储于数据库中;所述的数据预处理模块对于各个监测点的气象数据分别进行去噪、插值补全和归一化处理后选取预处理后0-1之间的气象数据;所述的数据模型训练模块对于预处理选取后的气象数据,利用机器学习的算法进行模型训练,所述的模型训练即根据不同的作物选择不同的训练模型和调节参数,针对不同作物不同时间段的蒸散量进行预测和波动展示;所述的数据可视化模块将预测的蒸散量结果绘制成蒸发量预测图谱;所述的客户端通过通信网络接收蒸发量预测图谱并进行图谱的显示。
所述的采集终端采集的气象数据信息包括有日平均气温,日照时数,日最高气温,日最低气温,相对湿度和日均风速。
所述的通信网络包括有GPRS无线通信网络、WAN网络和Zigbee网络。
所述的利用机器学习的算法进行模型训练的具体步骤是:首先预测时间序列后调用训练模型并加载,然后从数据库中读取模型参数进行模型初始化,再进行数据预处理,最后数据进行模型训练并保存蒸散量预测结果数据。
所述的蒸发量预测图谱展示不同区域农作物在一段时间的作物蒸散量的波动情况,用于显示农作物需水量的变化。
所述的采集终端按照设定时间段将农田各个监测点的气象数据信息通过通信网络传输给服务器。
所述的客户端包括有电脑和移动显示终端。
本发明的优点:
本发明通过采集终端获取农田各个监测点的农作物气象数据信息,并将该数据信息通过通信网络输给后台服务器端,并写入数据库,再通过后台服务器端对所采集的农田气象数据进行预处理并利用机器学习算法进行数据模型训练,并将数据模型的结果通过通信网络发送给客户端进行预测结果展示,为大面积的农田作物灌溉提供更加科学合理的灌溉指导。
附图说明
图1是本发明的结构示意图。
图2是本发明利用机器学习的算法进行模型训练的流程图。
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。
见图1,一种基于机器学习的农田作物蒸散量预测系统,包括有采集终端,服务器端和客户端;
采集终端实时采集农田各个监测点的气象数据信息(日平均气温,日照时数,日最高气温,日最低气温,相对湿度和日均风速)并按照设定时间段通过通信网络传输给服务器端;
服务器端包括有数据接收和存储模块、数据预处理模块、数据模型训练模块和数据可视化模块;数据接收和存储模块将各个监测点获取的气象数据以一定的命名格式标识并存储于数据库中;数据预处理模块对于各个监测点的气象数据分别进行去噪、插值补全和归一化处理后选取预处理后0-1之间的气象数据;数据模型训练模块对于预处理选取后的气象数据,利用机器学习的算法进行模型训练,模型训练即根据不同的作物选择不同的训练模型和调节参数,针对不同作物不同时间段的蒸散量进行预测和波动展示;数据可视化模块将预测的蒸散量结果绘制成蒸发量预测图谱(蒸发量预测图谱展示不同区域农作物在一段时间的作物蒸散量的波动情况,用于显示农作物需水量的变化);
客户端(电脑和移动显示终端)通过通信网络接收蒸发量预测图谱并进行图谱的显示。
其中,通信网络包括有GPRS无线通信网络、WAN网络和Zigbee网络。
见图2,利用机器学习的算法进行模型训练的具体步骤是:首先预测时间序列后调用训练模型并加载,然后从数据库中读取模型参数进行模型初始化,再进行数据预处理,最后数据进行模型训练并保存蒸散量预测结果数据。
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 (7)
1.一种基于机器学习的农田作物蒸散量预测系统,其特征在于:包括有采集终端,服务器端和客户端;所述的采集终端实时采集农田各个监测点的气象数据信息并通过通信网络传输给服务器端;所述的服务器端包括有数据接收和存储模块、数据预处理模块、数据模型训练模块和数据可视化模块;所述的数据接收和存储模块将各个监测点获取的气象数据以一定的命名格式标识并存储于数据库中;所述的数据预处理模块对于各个监测点的气象数据分别进行去噪、插值补全和归一化处理后选取预处理后0-1之间的气象数据;所述的数据模型训练模块对于预处理选取后的气象数据,利用机器学习的算法进行模型训练,所述的模型训练即根据不同的作物选择不同的训练模型和调节参数,针对不同作物不同时间段的蒸散量进行预测和波动展示;所述的数据可视化模块将预测的蒸散量结果绘制成蒸发量预测图谱;所述的客户端通过通信网络接收蒸发量预测图谱并进行图谱的显示。
2.根据权利要求1所述的一种基于机器学习的农田作物蒸散量预测系统,其特征在于:所述的采集终端采集的气象数据信息包括有日平均气温,日照时数,日最高气温,日最低气温,相对湿度和日均风速。
3.根据权利要求1所述的一种基于机器学习的农田作物蒸散量预测系统,其特征在于:所述的通信网络包括有GPRS无线通信网络、WAN网络和Zigbee网络。
4.根据权利要求1所述的一种基于机器学习的农田作物蒸散量预测系统,其特征在于:所述的利用机器学习的算法进行模型训练的具体步骤是:首先预测时间序列后调用训练模型并加载,然后从数据库中读取模型参数进行模型初始化,再进行数据预处理,最后数据进行模型训练并保存蒸散量预测结果数据。
5.根据权利要求1所述的一种基于机器学习的农田作物蒸散量预测系统,其特征在于:所述的蒸发量预测图谱展示不同区域农作物在一段时间的作物蒸散量的波动情况,用于显示农作物需水量的变化。
6.根据权利要求1所述的一种基于机器学习的农田作物蒸散量预测系统,其特征在于:所述的采集终端按照设定时间段将农田各个监测点的气象数据信息通过通信网络传输给服务器。
7.根据权利要求1所述的一种基于机器学习的农田作物蒸散量预测系统,其特征在于:所述的客户端包括有电脑和移动显示终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710279448.5A CN107122855A (zh) | 2017-04-25 | 2017-04-25 | 一种基于机器学习的农田作物蒸散量预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710279448.5A CN107122855A (zh) | 2017-04-25 | 2017-04-25 | 一种基于机器学习的农田作物蒸散量预测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107122855A true CN107122855A (zh) | 2017-09-01 |
Family
ID=59726217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710279448.5A Pending CN107122855A (zh) | 2017-04-25 | 2017-04-25 | 一种基于机器学习的农田作物蒸散量预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107122855A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609078A (zh) * | 2017-09-04 | 2018-01-19 | 北京农业信息技术研究中心 | 长势监测模型更新方法、传感器、服务器及系统 |
CN110096638A (zh) * | 2019-05-21 | 2019-08-06 | 中国水利水电科学研究院 | 一种灌区气象与遥感信息监测平台 |
CN110428106A (zh) * | 2019-08-05 | 2019-11-08 | 山东农业大学 | 一种基于机器学习的农作物需水量预测方法 |
CN111369093A (zh) * | 2018-12-26 | 2020-07-03 | 天云融创数据科技(北京)有限公司 | 基于机器学习的灌溉方法和装置 |
CN112136667A (zh) * | 2020-11-26 | 2020-12-29 | 江苏久智环境科技服务有限公司 | 一种基于边缘机器学习的智能喷灌方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930662A (zh) * | 2009-10-10 | 2010-12-29 | 中国农业科学院农业资源与农业区划研究所 | 基于远程监控的农田信息实时监测系统及方法 |
CN103970976A (zh) * | 2013-02-06 | 2014-08-06 | 中国水利水电科学研究院 | 农业干旱预警预报监测装置和方法 |
CN104848901A (zh) * | 2015-06-17 | 2015-08-19 | 贵州师范学院 | 一种墒情实时监测和预测系统及其检测方法 |
CN105825433A (zh) * | 2016-04-01 | 2016-08-03 | 北京邮电大学 | 一种土壤墒情的确定方法及装置 |
CN105825230A (zh) * | 2016-03-15 | 2016-08-03 | 中国农业大学 | 基于深度置信网络模型的土壤墒情预测方法和系统 |
CN105956715A (zh) * | 2016-05-20 | 2016-09-21 | 北京邮电大学 | 一种土壤墒情预测方法及装置 |
-
2017
- 2017-04-25 CN CN201710279448.5A patent/CN107122855A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930662A (zh) * | 2009-10-10 | 2010-12-29 | 中国农业科学院农业资源与农业区划研究所 | 基于远程监控的农田信息实时监测系统及方法 |
CN103970976A (zh) * | 2013-02-06 | 2014-08-06 | 中国水利水电科学研究院 | 农业干旱预警预报监测装置和方法 |
CN104848901A (zh) * | 2015-06-17 | 2015-08-19 | 贵州师范学院 | 一种墒情实时监测和预测系统及其检测方法 |
CN105825230A (zh) * | 2016-03-15 | 2016-08-03 | 中国农业大学 | 基于深度置信网络模型的土壤墒情预测方法和系统 |
CN105825433A (zh) * | 2016-04-01 | 2016-08-03 | 北京邮电大学 | 一种土壤墒情的确定方法及装置 |
CN105956715A (zh) * | 2016-05-20 | 2016-09-21 | 北京邮电大学 | 一种土壤墒情预测方法及装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609078A (zh) * | 2017-09-04 | 2018-01-19 | 北京农业信息技术研究中心 | 长势监测模型更新方法、传感器、服务器及系统 |
CN107609078B (zh) * | 2017-09-04 | 2020-04-10 | 北京农业信息技术研究中心 | 长势监测模型更新方法、传感器、服务器及系统 |
CN111369093A (zh) * | 2018-12-26 | 2020-07-03 | 天云融创数据科技(北京)有限公司 | 基于机器学习的灌溉方法和装置 |
CN111369093B (zh) * | 2018-12-26 | 2023-09-29 | 天云融创数据科技(北京)有限公司 | 基于机器学习的灌溉方法和装置 |
CN110096638A (zh) * | 2019-05-21 | 2019-08-06 | 中国水利水电科学研究院 | 一种灌区气象与遥感信息监测平台 |
CN110096638B (zh) * | 2019-05-21 | 2021-07-06 | 中国水利水电科学研究院 | 一种灌区气象与遥感信息监测平台 |
CN110428106A (zh) * | 2019-08-05 | 2019-11-08 | 山东农业大学 | 一种基于机器学习的农作物需水量预测方法 |
CN112136667A (zh) * | 2020-11-26 | 2020-12-29 | 江苏久智环境科技服务有限公司 | 一种基于边缘机器学习的智能喷灌方法及系统 |
CN112136667B (zh) * | 2020-11-26 | 2021-02-12 | 江苏久智环境科技服务有限公司 | 一种基于边缘机器学习的智能喷灌方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107122855A (zh) | 一种基于机器学习的农田作物蒸散量预测系统 | |
CN111369093B (zh) | 基于机器学习的灌溉方法和装置 | |
Abbassy et al. | Intelligent greenhouse management system | |
Le et al. | Design and deploy a wireless sensor network for precision agriculture | |
CN114418040B (zh) | 一种园林绿化养护监测及预警的方法与系统 | |
CN106557658A (zh) | 一种气候变化背景下灌溉需水量计算系统及其方法 | |
CN102487788A (zh) | 基于气象信息服务的智能喷灌排放控制系统 | |
Blessy | Smart irrigation system techniques using artificial intelligence and IoT | |
Anguraj et al. | Hybrid neural network classification for irrigation control in WSN based precision agriculture | |
CN113191914A (zh) | 用于日光温室精准监测的数字孪生体构造系统 | |
CN111685014A (zh) | 基于多源信息融合的作物节水灌溉决策方法及测控系统 | |
CN115390504A (zh) | 一种基于5g物联网的智慧农业种植系统 | |
CN116138145A (zh) | 一种智能农业管理系统 | |
Chen et al. | Pest incidence forecasting based on internet of things and long short-term memory network | |
CN110579961A (zh) | 一种面向立体种植的园林智慧给水方法及系统 | |
Hossain et al. | Smart-Agri: A Smart Agricultural Management with IoT-ML-Blockchain Integrated Framework | |
CN112493100A (zh) | 基于土壤水势的棉花水分监测滴灌控制方法及系统 | |
Gu et al. | Machine learning on minimizing irrigation water for lawns | |
CN115759181A (zh) | 一种基于玉米卷叶监测识别并处理旱情的方法和装置 | |
Suciu et al. | IoT and energy efficiency for smart agriculture using adcon telemetry devices | |
Pajany et al. | Enhancing Irrigation Efficiency with AI-Based Instinctive Irrigation System (IIS) in Wireless Sensor Networks | |
CN106020156A (zh) | 一种基于物联网的水肥一体滴灌技术的监控系统 | |
AU2021103246A4 (en) | A wireless sensor node based smart irrigation system and method using adafruit cloud services | |
CN117237145B (zh) | 一种基于大数据的传感器数据处理方法及系统 | |
Behnke et al. | Early warning techniques for local climate resilience: smallholder rice in Lao PDR |
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: 20170901 |