CN107392398A - 一种农业管理方法、雾计算平台及系统 - Google Patents
一种农业管理方法、雾计算平台及系统 Download PDFInfo
- Publication number
- CN107392398A CN107392398A CN201710751258.9A CN201710751258A CN107392398A CN 107392398 A CN107392398 A CN 107392398A CN 201710751258 A CN201710751258 A CN 201710751258A CN 107392398 A CN107392398 A CN 107392398A
- Authority
- CN
- China
- Prior art keywords
- data
- agricultural
- cloud computing
- agricultural data
- platform
- 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
- 239000003595 mist Substances 0.000 title claims abstract description 67
- 238000007726 management method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012549 training Methods 0.000 claims description 13
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 12
- 239000002689 soil Substances 0.000 claims description 11
- 239000000470 constituent Substances 0.000 claims description 9
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 6
- 239000001569 carbon dioxide Substances 0.000 claims description 6
- 229910052760 oxygen Inorganic materials 0.000 claims description 6
- 239000001301 oxygen Substances 0.000 claims description 6
- 230000005055 memory storage Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 238000003032 molecular docking Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000030214 innervation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种农业管理方法、雾计算平台及系统，应用于部署在指定区域的雾计算平台，该方法可以包括：接收处于同一局域网的各个自动感应探测器分别采集并发送的农业数据；针对每一个所述农业数据，确定当前农业数据对应的目标预测推理模型；根据所述当前农业数据和所述目标预测推理模型，生成对应所述当前农业数据的预测结果。本方案能够减少延时，提高对数据进行预测推理的实时性。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种农业管理方法、雾计算平台及系统。
背景技术
人工智能(Artificial Intelligence，AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能在农业上也有广泛应用，能够实现农业的智能化管理。
目前，主要是通过将农业相关的数据通过互联网上传至云计算平台，然后由云计算平台对数据进行预测推理，以此实现农业的智能化管理。
但是，当数据量较大时，例如图片或者视频等形式的数据，，则通过互联网上传至云计算平台的传输过程将会耗费大量时间，从而导致预测推理产生比较大的延时，造成对数据进行预测推理的实时性较低。
发明内容
本发明实施例提供了一种农业管理方法、雾计算平台及系统，能够减少延时，提高对数据进行预测推理的实时性。
第一方面，本发明实施例提供了一种农业管理方法，应用于部署在指定区域的雾计算平台，接收云计算平台构建并发送的至少一个预测推理模型；还包括：
接收处于同一局域网的各个自动感应探测器分别采集并发送的农业数据；
针对每一个所述农业数据，确定当前农业数据对应的目标预测推理模型；
根据所述当前农业数据和所述目标预测推理模型，生成对应所述当前农业数据的预测结果。
优选地，
在所述接收处于同一局域网的各个自动感应探测器分别采集并发送的农业数据之后，进一步包括：
将各个所述农业数据发送给所述云计算平台，以使所述云计算平台按照预设的训练周期，周期性的对接收到的各个所述农业数据进行训练，重新构建并发送至少一个新的预测推理模型；
所述接收云计算平台构建并发送的至少一个预测推理模型，包括：
接收所述云计算平台重新构建并发送的所述至少一个新的预测推理模型。
优选地，
所述农业数据，包括：土壤成分数据、温度数据、湿度数据、光强度数据、氧气浓度数据、二氧化碳浓度数据以及农作物生长状况数据中的任意一种。
第二方面，本发明实施例提供了一种雾计算平台，包括：第一接收单元、第二接收单元、确定单元和预测推理单元，其中，
所述第一接收单元，用于接收云计算平台构建并发送的至少一个预测推理模型；
所述第二接收单元，用于接收处于同一局域网的各个自动感应探测器分别采集并发送的农业数据；
所述确定单元，用于针对每一个所述农业数据，确定当前农业数据对应的目标预测推理模型；
所述预测推理单元，用于根据所述当前农业数据和所述目标预测推理模型，生成对应所述当前农业数据的预测结果。
优选地，
进一步包括：发送单元；
所述发送单元，用于在所述第二接收单元接收到各个所述农业数据后，将各个所述农业数据发送给所述云计算平台，以使所述云计算平台按照预设的训练周期，周期性的对接收到的各个所述农业数据进行训练，重新构建并发送至少一个新的预测推理模型；
所述第一接收单元，用于接收所述云计算平台重新构建并发送的所述至少一个新的预测推理模型。
优选地，
所述农业数据，包括：土壤成分数据、温度数据、湿度数据、光强度数据、氧气浓度数据、二氧化碳浓度数据以及农作物生长状况数据中的任意一种。
第三方面，本发明实施例提供了一种农业管理系统，包括：至少一个上述任一实施例所述的雾计算平台、云计算平台以及至少一个自动感应探测器，其中，
所述云计算平台，用于构建至少一个预测推理模型，并将所述至少一个预测推理模型发送给每一个所述雾计算平台；
每一个所述自动感应探测器，用于采集农业数据，并将所述农业数据发送给处于同一局域网的所述雾计算平台。
优选地，
每一个所述雾计算平台，用于在接收到各个所述农业数据后，将各个所述农业数据发送给所述云计算平台；以及接收所述云计算平台重新创建并发送的至少一个新的预测推理模型；
所述云计算平台，用于接收每一个所述雾计算平台分别发送的各个所述农业数据，并按照预设的训练周期，周期性的对接收到的各个所述农业数据进行训练，重新构建至少一个新的预测推理模型，并将所述至少一个新的预测推理模型发送给每一个所述雾计算平台。
第四方面，本发明实施例提供了一种计算机可读介质，包括计算机执行指令，当存储控制器的处理器执行所述计算机执行指令时，所述存储控制器执行上述任一实施例所述的农业管理方法。
第五方面，本发明实施例提供了一种存储控制器，包括：处理器、存储器和总线；
所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过所述总线连接，当所述存储控制器运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述存储控制器执行上述任一实施例所述的农业管理方法。
本发明实施例提供了一种农业管理方法、雾计算平台以及系统，该方法应用于雾计算平台，其中，雾计算平台与相应的各个采集农业数据的自动感应探测器处于同一局域网中，当雾计算平台接收到各个自动感应探测器分别发送的农业数据后，会根据预先从云计算平台接收到的至少一个预测推理模型，确定每一个农业数据对应的目标预测推理模型，并利用目标预测推理模型，生成相应农业数据的预测结果。由于当各个自动感应探测器分别采集到农业数据后，不再是通过互联网上传至云计算平台进行预测推理，而是通过发送给处于同一局域网中的雾计算平台进行推理预测，减少了数据在传输过程的延时，提高了提高对数据进行预测推理的实时性。
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，下面将对实施例或现有技术描述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提供的一种农业管理方法的流程图；
图2是本发明一个实施例提供的一种雾计算平台的结构示意图；
图3是本发明另一个实施例提供的一种雾计算平台的结构示意图；
图4是本发明一个实施例提供的一种农业管理系统的结构示意图；
图5是本发明另一个实施例提供的一种农业管理方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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的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。
如图1所示，本发明实施例提供了一种农业管理方法，应用于部署在指定区域的雾计算平台，该方法可以包括以下步骤：
步骤101：接收云计算平台构建并发送的至少一个预测推理模型。
步骤102：接收处于同一局域网的各个自动感应探测器分别采集并发送的农业数据。
步骤103：针对每一个所述农业数据，确定当前农业数据对应的目标预测推理模型。
步骤104：根据所述当前农业数据和所述目标预测推理模型，生成对应所述当前农业数据的预测结果。
本发明实施例提供了一种农业管理方法，该方法应用于雾计算平台，其中，雾计算平台与相应的各个采集农业数据的自动感应探测器处于同一局域网中，当雾计算平台接收到各个自动感应探测器分别发送的农业数据后，会根据预先从云计算平台接收到的至少一个预测推理模型，确定每一个农业数据对应的目标预测推理模型，并利用目标预测推理模型，生成相应农业数据的预测结果。由于当各个自动感应探测器分别采集到农业数据后，不再是通过互联网上传至云计算平台进行预测推理，而是通过发送给处于同一局域网中的雾计算平台进行推理预测，减少了数据在传输过程的延时，提高了提高对数据进行预测推理的实时性。
在本发明一个实施例中，在所述步骤102之后，进一步包括：将各个所述农业数据发送给所述云计算平台，以使所述云计算平台按照预设的训练周期，周期性的对接收到的各个所述农业数据进行训练，重新构建并发送至少一个新的预测推理模型；所述步骤101的具体实施，可包括：接收所述云计算平台重新构建并发送的所述至少一个新的预测推理模型。
由于数据的训练是非实时性的，不过需要较强的计算能力，因此本发明实施例将数据的训练过程交由计算能力较强的云计算平台完成，例如，云计算平台每隔一个月对数据进行一次训练，以重新构建相应的新的预测推理模型，从而保证对农业数据检测的准确性。
在本发明一个实施例中，所述农业数据，包括：土壤成分数据、温度数据、湿度数据、光强度数据、氧气浓度数据、二氧化碳浓度数据以及农作物生长状况数据中的任意一种。
上述实施例中，只是给出了几种常见的检测项，但并不局限于此。其中，农作物生长状况数据可以对应图片或者视频等形式。
如图2所示，本发明实施例提供了一种雾计算平台，包括：第一接收单元201、第二接收单元202、确定单元203和预测推理单元204，其中，
所述第一接收单元201，用于接收云计算平台构建并发送的至少一个预测推理模型；
所述第二接收单元202，用于接收处于同一局域网的各个自动感应探测器分别采集并发送的农业数据；
所述确定单元203，用于针对每一个所述农业数据，确定当前农业数据对应的目标预测推理模型；
所述预测推理单元204，用于根据所述当前农业数据和所述目标预测推理模型，生成对应所述当前农业数据的预测结果。
为了能够针对接收到每一个农业数据，生成准确的预测结果，如图3所示，在本发明一个实施例中，可进一步包括：发送单元301；
所述发送单元301，用于在所述第二接收单元202接收到各个所述农业数据后，将各个所述农业数据发送给所述云计算平台，以使所述云计算平台按照预设的训练周期，周期性的对接收到的各个所述农业数据进行训练，重新构建并发送至少一个新的预测推理模型；
所述第一接收单元201，用于接收所述云计算平台重新构建并发送的所述至少一个新的预测推理模型。
在本发明实施例中，所述农业数据，包括：土壤成分数据、温度数据、湿度数据、光强度数据、氧气浓度数据、二氧化碳浓度数据以及农作物生长状况数据中的任意一种。
上述装置内的各单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本发明实施例提供了一种农业管理系统，包括：至少一个上述任一实施例中的雾计算平台、云计算平台以及至少一个自动感应探测器，其中，
所述云计算平台，用于构建至少一个预测推理模型，并将所述至少一个预测推理模型发送给每一个所述雾计算平台；
每一个所述自动感应探测器，用于采集农业数据，并将所述农业数据发送给处于同一局域网的所述雾计算平台。
在本发明一个实施例中，每一个所述雾计算平台，用于在接收到各个所述农业数据后，将各个所述农业数据发送给所述云计算平台；以及接收所述云计算平台重新创建并发送的至少一个新的预测推理模型；
所述云计算平台，用于接收每一个所述雾计算平台分别发送的各个所述农业数据，并按照预设的训练周期，周期性的对接收到的各个所述农业数据进行训练，重新构建至少一个新的预测推理模型，并将所述至少一个新的预测推理模型发送给每一个所述雾计算平台。
本发明实施例提供了一种计算机可读介质，包括计算机执行指令，当存储控制器的处理器执行所述计算机执行指令时，所述存储控制器执行上述任一实施例提供的农业管理方法。
本发明实施例提供了一种存储控制器，包括：处理器、存储器和总线；
所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过所述总线连接，当所述存储控制器运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述存储控制器执行上述任一实施例提供的农业管理方法。
下面将以图4所示的一种农业管理系统为例，详细说明本发明实施例提供的一种农业管理方法，如图5所示，该方法可以包括如下步骤：
步骤501：云计算平台创建至少一个预测推理模型，并将至少一个预测推理模型发送给雾计算平台。
如图4所示，为一种农业管理系统，包括：雾计算平台401、云计算平台402、自动感应探测器403和404，其中，雾计算平台401、自动感应探测器403和404均部署在农作物附近，且均属于同一局域网。
在本发明实施例中，由于构建预测推理模型的过程需要较强的计算能力，因此可通过云计算平台实现。云计算平台可预先针对每一个检测项构建一个预测推理模型，并发送给雾计算平台，而且，可预先设置一个预测周期，例如30天，这样每经过一个月，云计算平台会再对之后从雾计算平台接收到的农业数据进行训练，从而构建出相对较准确的新的预测推理模型。
步骤502：雾计算平台接收云计算平台发送的至少一个预测推理模型。
步骤503：两个自动感应探测器分别采集农业数据，并分别将采集到的农业数据发送给雾计算平台。
例如，自动感应探测器403采集的是土壤成分数据，自动感应探测器404采集的是农作物照片数据。
步骤504：雾计算平台接收处于同一局域网的两个自动感应探测器分别发送的农业数据，并分别执行步骤505和步骤507。
本发明实施例中，自动感应探测器403和404采集到的农业数据将不再通过互联网发送到云计算平台进行预测推理，而是直接通过局域网发送至本地部署的雾计算平台上完成，因此能够提高预测推理的实时性。
步骤505：雾计算平台针对每一个农业数据，确定当前农业数据对应的目标预测推理模型。
本发明实施例中，不同的农业数据对应不同的预测推理模型。如，针对自动感应探测器403采集到的土壤成分数据存在相对应的目标预测推理模型，而针对自动探测器404采集到的农作物照片数据也存在相对应的目标预测模型。
步骤506：雾计算平台根据当前农业数据和目标预测推理模型，生成对应当前农业数据的预测结果。
本发明实施例中，雾计算平台根据接收到土壤成分数据以及对应的目标预测推理模型，可以实时对相应土壤进行检测，根据接收到的农作物照片数据以及对应的目标预测推理模型，可以实时对农作物进行病虫害检测等等。而且，生成的预测结果可发送至相应的终端上，以便用户能够及时方便的了解预测结果。
步骤507：雾计算平台将接收到的两个农业数据发送给云计算平台。
为了能够提高预测的准确性，及时发送农作物出现的问题，可将接收到的土壤成分数据和农作物照片数据存入雾计算平台数据库，然后对数据做初步结构化处理后发送至云计算平台，由云计算平台通过对接收到的数据进行分析训练，再次构建针对这两种数据分别对应的新的预测推理模型，那么当雾计算平台再次接收到相同类型的数据时，就可以按照云计算平台构建的新的预测推理模型进行预测。
步骤508：云计算平台接收雾计算平台发送的两个农业数据，并执行步骤501。
云计算平台在接收到雾计算平台发送的数据后，将数据根据具体的业务进行分析、挖掘和建模，并将模型再发送给雾计算平台。
综上，本发明各个实施例至少具有如下有益效果：
1、在本发明实施例中，该方法应用于雾计算平台，其中，雾计算平台与相应的各个采集农业数据的自动感应探测器处于同一局域网中，当雾计算平台接收到各个自动感应探测器分别发送的农业数据后，会根据预先从云计算平台接收到的至少一个预测推理模型，确定每一个农业数据对应的目标预测推理模型，并利用目标预测推理模型，生成相应农业数据的预测结果。由于当各个自动感应探测器分别采集到农业数据后，不再是通过互联网上传至云计算平台进行预测推理，而是通过发送给处于同一局域网中的雾计算平台进行推理预测，减少了数据在传输过程的延时，提高了提高对数据进行预测推理的实时性。
2、在本发明实施例中，由于对数据训练建模需要较大的计算能力，而对数据进行预测推理需要较好的实时性，因此本发明实施例将人工智能、云计算和雾计算结合在一起，做到云计算平台处理大数据，雾计算平台快速反应，最终通过云计算平台对数据的训练建模与雾计算平台对数据的预测推理的结合增强农业数据检测的准确性与实时性，而且提高了农业的管理水平，减少了劳动力，对于农作物的防治以及农业的增收增产有着重要意义。
需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个〃····〃”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.一种农业管理方法，其特征在于，应用于部署在指定区域的雾计算平台，接收云计算平台构建并发送的至少一个预测推理模型；还包括：
接收处于同一局域网的各个自动感应探测器分别采集并发送的农业数据；
针对每一个所述农业数据，确定当前农业数据对应的目标预测推理模型；
根据所述当前农业数据和所述目标预测推理模型，生成对应所述当前农业数据的预测结果。
2.根据权利要求1所述的方法，其特征在于，
在所述接收处于同一局域网的各个自动感应探测器分别采集并发送的农业数据之后，进一步包括：
将各个所述农业数据发送给所述云计算平台，以使所述云计算平台按照预设的训练周期，周期性的对接收到的各个所述农业数据进行训练，重新构建并发送至少一个新的预测推理模型；
所述接收云计算平台构建并发送的至少一个预测推理模型，包括：
接收所述云计算平台重新构建并发送的所述至少一个新的预测推理模型。
3.根据权利要求1或2任一所述的方法，其特征在于，
所述农业数据，包括：土壤成分数据、温度数据、湿度数据、光强度数据、氧气浓度数据、二氧化碳浓度数据以及农作物生长状况数据中的任意一种。
4.一种雾计算平台，其特征在于，包括：第一接收单元、第二接收单元、确定单元和预测推理单元，其中，
所述第一接收单元，用于接收云计算平台构建并发送的至少一个预测推理模型；
所述第二接收单元，用于接收处于同一局域网的各个自动感应探测器分别采集并发送的农业数据；
所述确定单元，用于针对每一个所述农业数据，确定当前农业数据对应的目标预测推理模型；
所述预测推理单元，用于根据所述当前农业数据和所述目标预测推理模型，生成对应所述当前农业数据的预测结果。
5.根据权利要求4所述的雾计算平台，其特征在于，
进一步包括：发送单元；
所述发送单元，用于在所述第二接收单元接收到各个所述农业数据后，将各个所述农业数据发送给所述云计算平台，以使所述云计算平台按照预设的训练周期，周期性的对接收到的各个所述农业数据进行训练，重新构建并发送至少一个新的预测推理模型；
所述第一接收单元，用于接收所述云计算平台重新构建并发送的所述至少一个新的预测推理模型。
6.根据权利要求4或5任一所述的雾计算平台，其特征在于，
所述农业数据，包括：土壤成分数据、温度数据、湿度数据、光强度数据、氧气浓度数据、二氧化碳浓度数据以及农作物生长状况数据中的任意一种。
7.一种农业管理系统，其特征在于，包括：至少一个权利要求4-6任一所述的雾计算平台、云计算平台以及至少一个自动感应探测器，其中，
所述云计算平台，用于构建至少一个预测推理模型，并将所述至少一个预测推理模型发送给每一个所述雾计算平台；
每一个所述自动感应探测器，用于采集农业数据，并将所述农业数据发送给处于同一局域网的所述雾计算平台。
8.根据权利要求7所述的系统，其特征在于，
每一个所述雾计算平台，用于在接收到各个所述农业数据后，将各个所述农业数据发送给所述云计算平台；以及接收所述云计算平台重新创建并发送的至少一个新的预测推理模型；
所述云计算平台，用于接收每一个所述雾计算平台分别发送的各个所述农业数据，并按照预设的训练周期，周期性的对接收到的各个所述农业数据进行训练，重新构建至少一个新的预测推理模型，并将所述至少一个新的预测推理模型发送给每一个所述雾计算平台。
9.一种计算机可读介质，其特征在于，包括计算机执行指令，当存储控制器的处理器执行所述计算机执行指令时，所述存储控制器执行权利要求1至3任一项所述的方法。
10.一种存储控制器，其特征在于，包括：处理器、存储器和总线；
所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过所述总线连接，当所述存储控制器运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述存储控制器执行权利要求1至3任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710751258.9A CN107392398A (zh) | 2017-08-28 | 2017-08-28 | 一种农业管理方法、雾计算平台及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710751258.9A CN107392398A (zh) | 2017-08-28 | 2017-08-28 | 一种农业管理方法、雾计算平台及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107392398A true CN107392398A (zh) | 2017-11-24 |
Family
ID=60346665
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710751258.9A Pending CN107392398A (zh) | 2017-08-28 | 2017-08-28 | 一种农业管理方法、雾计算平台及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107392398A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110505597A (zh) * | 2019-07-31 | 2019-11-26 | 北京邮电大学 | 一种无线传感器网络的数据传输方法 |
| CN110852760A (zh) * | 2019-09-16 | 2020-02-28 | 湖南工业大学 | 一种基于云雾混合计算的农产品溯源系统及其溯源方法 |
| CN111818146A (zh) * | 2020-07-01 | 2020-10-23 | 深圳市中深农创科技有限公司 | Soa云雾计算智慧农业数据处理方法及系统 |
| CN112085208A (zh) * | 2020-07-30 | 2020-12-15 | 北京聚云科技有限公司 | 一种利用云端进行模型训练的方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204612755U (zh) * | 2015-04-22 | 2015-09-02 | 仲恺农业工程学院 | 基于云计算平台的虫害监测预警系统 |
| CN107071027A (zh) * | 2017-04-19 | 2017-08-18 | 济南浪潮高新科技投资发展有限公司 | 一种可重构雾节点及基于该雾节点的物联网系统 |
-
2017
- 2017-08-28 CN CN201710751258.9A patent/CN107392398A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204612755U (zh) * | 2015-04-22 | 2015-09-02 | 仲恺农业工程学院 | 基于云计算平台的虫害监测预警系统 |
| CN107071027A (zh) * | 2017-04-19 | 2017-08-18 | 济南浪潮高新科技投资发展有限公司 | 一种可重构雾节点及基于该雾节点的物联网系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110505597A (zh) * | 2019-07-31 | 2019-11-26 | 北京邮电大学 | 一种无线传感器网络的数据传输方法 |
| CN110852760A (zh) * | 2019-09-16 | 2020-02-28 | 湖南工业大学 | 一种基于云雾混合计算的农产品溯源系统及其溯源方法 |
| CN111818146A (zh) * | 2020-07-01 | 2020-10-23 | 深圳市中深农创科技有限公司 | Soa云雾计算智慧农业数据处理方法及系统 |
| CN112085208A (zh) * | 2020-07-30 | 2020-12-15 | 北京聚云科技有限公司 | 一种利用云端进行模型训练的方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jones et al. | Toward a new generation of agricultural system data, models, and knowledge products: State of agricultural systems science | |
| Papageorgiou et al. | Application of fuzzy cognitive maps for cotton yield management in precision farming | |
| CN107392398A (zh) | 一种农业管理方法、雾计算平台及系统 | |
| An | Modeling human decisions in coupled human and natural systems: Review of agent-based models | |
| CN110866528B (zh) | 一种模型训练方法、能耗使用效率预测方法、装置和介质 | |
| US20220248616A1 (en) | Irrigation control with deep reinforcement learning and smart scheduling | |
| CN112465287B (zh) | 改进农场耕种质量 | |
| CN117575094B (zh) | 一种基于数字孪生的农作物产量预测与优化方法及设备 | |
| CN117173400B (zh) | 一种荔枝虫害的低碳治理方案推荐方法及系统 | |
| CN111125290A (zh) | 一种基于河长制的智能巡河方法、装置及存储介质 | |
| EP4222667A1 (en) | Machine learning based forest management | |
| CN116993000A (zh) | 基于随机森林及元胞自动机的果树病虫害防治预测方法 | |
| CN118036883B (zh) | 一种智能化牧场生态监测预警平台及方法 | |
| CN112525194A (zh) | 一种基于海马-纹状体内源性和外源性信息的认知导航方法 | |
| CN111445065A (zh) | 用于数据中心制冷群控的能耗优化方法及系统 | |
| CN113349188B (zh) | 一种基于云端杀草谱的草坪及牧草精准除草方法 | |
| JP7338074B2 (ja) | 有害生物圧力ヒートマップのためのシステム及び方法 | |
| CN116863410B (zh) | 基于有害生物防治的数据采集处理方法及系统 | |
| CN117892550A (zh) | 一种生态系统模拟与森林培育优化方法 | |
| Weisberg et al. | Model-based assessment of aspen responses to elk herbivory in Rocky Mountain National Park, USA | |
| CN111090707B (zh) | 数据处理方法及装置、电子设备及存储介质 | |
| CN115204500B (zh) | 面向虫害监测的多检测机器人数字孪生管理系统及方法 | |
| CN116578044A (zh) | 水溶液盐碱度自动化调控方法、装置及平台 | |
| CN115316172A (zh) | 一种基于植保无人机的纳米农药施药方法及系统 | |
| CN110874312B (zh) | 一种适用于异质多智能主体的众智机及其实现方法 |
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 |
Application publication date: 20171124 |
|
| RJ01 | Rejection of invention patent application after publication |