CN108650309A - 一种基于大数据的农产品储运环境智能监控系统 - Google Patents

Abstract

本发明提供了一种基于大数据的农产品储运环境智能监控系统，包括传感监测装置、监控中心和用户终端；所述的传感监测装置包括基站和多个部署于农产品储运环境监测区域内的传感器节点，各传感器节点负责获取所测点的农产品储运环境数据，基站负责传感器节点和监控中心之间的双向信息交互；监控中心用于实现对传感监测装置发送的农产品储运环境数据的接收、存储、预处理、分析和显示，所述的用户终端用于通过访问监控中心获取所需数据。

Description

一种基于大数据的农产品储运环境智能监控系统

技术领域

本发明涉及农产品运输监测领域，具体涉及一种基于大数据的农产品储运环境智能监控系统。

背景技术

相关技术中的农产品运输系统，靠人为将农产品储存状况参数输入到电脑中，供管理人员查询，这种方式智能化程度不够，而且不能实时监测农产品所处环境的温湿度并及时发送给管理人员。

发明内容

针对上述问题，本发明提供一种基于大数据的农产品储运环境智能监控系统。

本发明的目的采用以下技术方案来实现：

提供了一种基于大数据的农产品储运环境智能监控系统，包括传感监测装置、监控中心和用户终端；所述的传感监测装置基于无线传感器网络进行农产品储运环境数据的采集、收集和发送，监控中心用于实现对传感监测装置发送的农产品储运环境数据的接收、存储、预处理、分析和显示，所述的用户终端用于通过访问监控中心获取所需数据。

所述监控中心包括依次连接的数据接收模块、预处理模块、数据存储模块、分析模块和显示模块，其中预处理模块用于对数据接收模块从基站中接收的农产品储运环境数据进行聚类处理以及异常检测处理，标记异常农产品储运环境数据，并将所有预处理后的农产品储运环境数据发送至数据存储模块中进行存储；分析模块用于对数据存储模块中的农产品储运环境数据进行分析，判断农产品储运环境是否异常，输出判断结果至显示模块进行显示。

优选地，对数据存储模块中的农产品储运环境数据进行分析，包括：根据预设的环境分析模型对数据存储模块中的农产品储运环境数据进行分析计算，根据计算结果输出农产品储运环境是否异常的判断结果。

优选地，对数据存储模块中的农产品储运环境数据进行分析，还包括：根据计算结果从预设的多种环境建议调节方案中确定对应的环境建议调节方案，并发送至显示模块进行显示。

其中，所述农产品储运环境数据包括温度、湿度、气体浓度、光照度。

本发明的有益效果为：基于该系统，可以实时监测农产品所处环境的温湿度等情况，且远程用户可以通过电脑、手机等用户终端完成农产品储运信息的快捷查询，智能化程度高。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明一个示例性实施例的农产品储运环境智能监控系统的结构框图；

图2是本发明一个示例性实施例的监控中心的连接框图。

附图标记：

传感监测装置1、监控中心2、用户终端3、数据接收模块10、预处理模块20、数据存储模块30、分析模块40、显示模块50。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例提供的一种基于大数据的农产品储运环境智能监控系统，包括传感监测装置1、监控中心2和用户终端3；所述的传感监测装置1用于进行农产品储运环境数据的采集、收集和发送，监控中心2用于实现对传感监测装置1发送的农产品储运环境数据的接收、存储、预处理、分析和显示，所述的用户终端3用于通过访问监控中心2获取所需数据。

其中，传感监测装置1包括基站和多个部署于农产品储运环境监测区域内的传感器节点，各传感器节点负责获取所测点的农产品储运环境数据，基站负责传感器节点和监控中心2之间的双向信息交互。

在一个实施例中，如图2所示，监控中心2包括依次连接的数据接收模块10、预处理模块20、数据存储模块30、分析模块40和显示模块50，其中预处理模块20用于对数据接收模块30从基站中接收的农产品储运环境数据进行聚类处理以及异常检测处理，标记异常农产品储运环境数据，并将所有预处理后的农产品储运环境数据发送至数据存储模块30中进行存储；分析模块40用于对数据存储模块30中的农产品储运环境数据进行分析，判断农产品储运环境是否异常，输出判断结果至显示模块40进行显示。

在一种可选的方式中，对数据存储模块30中的农产品储运环境数据进行分析，包括：根据预设的环境分析模型对数据存储模块30中的农产品储运环境数据进行分析计算，根据计算结果输出农产品储运环境是否异常的判断结果。

进一步地，对数据存储模块30中的农产品储运环境数据进行分析，还包括：根据计算结果从预设的多种环境建议调节方案中确定对应的环境建议调节方案，并发送至显示模块40进行显示。

在一个实施例中，所述农产品储运环境数据包括温度、湿度、气体浓度、光照度。

本发明上述实施例可以实时监测农产品所处环境的温湿度等情况，且远程用户可以通过电脑、手机等用户终端完成农产品储运信息的快捷查询，智能化程度高。

在一个实施例中，预处理模块20对数据接收模块30从基站中接收的农产品储运环境数据进行聚类处理，具体包括：

(1)对存在0值或负值的农产品储运环境数据进行预处理，将0值或负值替换为预先设定的替代值，提取设定时间段的农产品储运环境数据作为一个农产品储运环境数据集，设为X；

(2)在第一次迭代时，选择农产品储运环境数据集X中的第一个未标记的农产品储运环境数据作为第一个簇中心点P₁，计算其余农产品储运环境数据与该簇中心点P₁之间的相似度，若农产品储运环境数据s_i与簇中心点P₁之间的相似度大于设定的相似度阈值，则将农产品储运环境数据s_i分配到该簇中心点P₁，并进行标记；

(3)令迭代次数c加1，选择农产品储运环境数据集X中的第一个未标记的农产品储运环境数据作为另一个簇中心点P_c+1，计算其余农产品储运环境数据与该簇中心点P_c+1之间的相似度，农产品储运环境数据s_j未标记时，若农产品储运环境数据s_j与P_c+1之间的相似度大于设定的相似度阈值，则将农产品储运环境数据s_j分配到该簇中心点P_c+1，并进行标记；

农产品储运环境数据s_j已标记时，当农产品储运环境数据s_j与P_c+1之间的相似度大于设定的相似度阈值并且满足设定的再分配条件时，将农产品储运环境数据s_j分配到该簇中心点P_c+1，其余情况不对已标记的农产品储运环境数据s_j作任何操作：

(4)重复(3)直至迭代次数c达到设定的阈值或者所有的农产品储运环境数据皆已被标记，执行(5)；

(5)更新每个簇的簇中心点为该簇中所有农产品储运环境数据的均值，分配每个非簇中心点到与它相似度最高的簇中心点所在的簇，当所有的簇中心点都不再更新时，算法停止。

其中，设定再分配条件为：

式中，Q(s_x,P_c+1)表示农产品储运环境数据s_x与簇中心点P_c+1之间的相似度，Q(s_x,P_x")为农产品储运环境数据s_x与其所分配的簇中心点之间的相似度；为农产品储运环境数据s_x所在簇已有的农产品储运环境数据个数，ζ为设定的调节系数，ζ的设定取值范围为[0.80,1.0)，K_T为设定的个数阈值，用以限制簇规模，为设定的比较取值函数，当时，当时，

本实施例设定了针对农产品储运环境数据的聚类处理机制，该机制能够简单快捷地完成农产品储运环境数据的聚类，不需要预先指定簇的个数，其中创新性地设定了再分配条件，该再分配条件中，通过簇内已有的农产品储运环境数据数量与设定的个数阈值之间的关系，设置了农产品储运环境数据与原分配的簇中心点的相似度的衰减系数。

本实施例通过将满足再分配条件的农产品储运环境数据重新分配到新的簇中心点中，能够使得每一个农产品储运环境数据都能够分配给与它相似度满足要求的簇，且通过衰减系数的设置，能够有利于在保障聚类精确度的前提下使得簇规模更加趋于均匀。

其中，农产品储运环境数据与簇中心点之间的相似度可以采用现有的相似度函数进行计算，例如采用余弦相似性、皮尔逊相关系数等进行度量。在一个优选实施例中，设农产品储运环境数据集S＝{s₁,s₂,…,s_n}，每个农产品储运环境数据s_i的维数为β，求取农产品储运环境数据集S的第α维属性值的均值z_α和标准差σ_α：

式中，s_iα为农产品储运环境数据集S的农产品储运环境数据s_i的第α维属性值，α＝1,…,β；

设定农产品储运环境数据s_x与簇中心点P_f之间的相似度的计算公式为：

式中，Q(s_x,P_f)表示农产品储运环境数据s_x与簇中心点P_f之间的相似度，s_xα表示农产品储运环境数据s_x的第α维属性值，P_fα表示簇中心点P_f的第α维属性值，min表示取最小值，max表示取最大值，当s_xα＝P_fα时， 表示第α维属性值的变差系数权值，σ_γ为农产品储运环境数据集X的第γ维属性值的标准差，z_γ为农产品储运环境数据集X的第γ维属性值的均值，γ＝1,…,β，β为农产品储运环境数据的维数。

本实施例创新性地设定了相似度的计算公式，该计算公式中，属性分布的偏离程度越小的变差系数权值更小，而属性分布的偏离程度越大的变差系数权值越大。现有技术中常采用绝对距离来衡量两个农产品储运环境数据之间的差异性，如欧式距离、曼哈顿距离等，也就是说两个农产品储运环境数据之间的距离越大表明两者的相似性越小，反之则相似性越大，但是这种距离度量方式通常涉及到对象的所有属性，并认为这些属性对于距离度量的重要性是相同的。本实施例的上述相似度计算公式考虑了农产品储运环境数据的属性因素，为不同的维度上的属性值加以不同的权重值，让不同维度按照变差系数权值的大小在聚类中起不同的作用，能够使得某些特征维度上的农产品储运环境数据差异得到区分，解决了因不同特征维度上的量纲不同导致的聚类效果不佳的问题，提高了聚类划分的精度和效率；本实施例还能够避免任何不必要的数据转换，使得对农产品储运环境数据的聚类更加简单快捷。

在一个实施例中，预处理模块20对聚类处理后的农产品储运环境数据进行异常检测处理，具体包括：

(1)若聚类后存在一个簇的农产品储运环境数据个数低于设定的个数阈值，则将该簇视为异常簇，将异常簇中的所有农产品储运环境数据视为异常农产品储运环境数据，计算其他正常簇的簇中心点与异常簇的簇中心点之间的相似度；

(2)若存在一个异常簇的簇中心点与正常簇的簇中心点之间的相似度大于设定的簇相似度阈值，则将该正常簇作为待检测簇，并利用该异常簇的农产品储运环境数据来检测待检测簇中的农产品储运环境数据。

由于规模性较小的簇中的农产品储运环境数据之间相对较为松散，而且相对于其他农产品储运环境数据较为孤立，因此现有技术中通常将规模较小的簇中的数据视为异常数据。基于此，本实施例将规模小于设定个数阈值的簇设定为异常簇。

在一个实施例中，利用该异常簇的农产品储运环境数据来检测待检测簇中的农产品储运环境数据，具体包括：

1)设该异常簇的农产品储运环境数据集合为S_ρ＝{s₁,s₂,..,s_ρ}，将{s₁,s₂,..,s_ρ}中的农产品储运环境数据进行归一化处理，并将归一化处理后的农产品储运环境数据按照从小到大的顺序进行排序，将排序后的农产品储运环境数据进行反归一化处理，获取反归一化处理后的农产品储运环境数据集合中的中位数s_med；

2)检测待检测簇中的农产品储运环境数据，若待检测簇中的农产品储运环境数据满足下列异常条件时，将农产品储运环境数据视为异常农产品储运环境数据：

式中，表示农产品储运环境数据的第α维属性值，s_med,α表示中位数s_med的第α维属性值，β为农产品储运环境数据的维数，Q_t为另一设定的相似度阈值，为设定的取小值函数，当时，当时， 为设定的取大值函数，当时，当时，

本实施例对聚类处理后的农产品储运环境数据进行异常点检测，从中创新性地提出了用于检测农产品储运环境数据是否为异常的异常条件，该异常条件根据农产品储运环境数据与相似度最高的异常簇的中位数之间的相似度阈值来判断该农产品储运环境数据是否为异常农产品储运环境数据，具备一定的检测精度，检测方式简单有效。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (7)

1.一种基于大数据的农产品储运环境智能监控系统，其特征是，包括传感监测装置、监控中心和用户终端；所述的传感监测装置包括基站和多个部署于农产品储运环境监测区域内的传感器节点，各传感器节点负责获取所测点的农产品储运环境数据，基站负责传感器节点和监控中心之间的双向信息交互；监控中心用于实现对传感监测装置发送的农产品储运环境数据的接收、存储、预处理、分析和显示，所述的用户终端用于通过访问监控中心获取所需数据。

2.根据权利要求1所述的一种基于大数据的农产品储运环境智能监控系统，其特征是，所述监控中心包括依次连接的数据接收模块、预处理模块、数据存储模块、分析模块和显示模块，其中预处理模块用于对数据接收模块从基站中接收的农产品储运环境数据进行聚类处理以及异常检测处理，标记异常农产品储运环境数据，并将所有预处理后的农产品储运环境数据发送至数据存储模块中进行存储；分析模块用于对数据存储模块中的农产品储运环境数据进行分析，判断农产品储运环境是否异常，输出判断结果至显示模块进行显示。

3.根据权利要求2所述的一种基于大数据的农产品储运环境智能监控系统，其特征是，对数据存储模块中的农产品储运环境数据进行分析，包括：根据预设的环境分析模型对数据存储模块中的农产品储运环境数据进行分析计算，根据计算结果输出农产品储运环境是否异常的判断结果。

4.根据权利要求3所述的一种基于大数据的农产品储运环境智能监控系统，其特征是，对数据存储模块中的农产品储运环境数据进行分析，还包括：根据计算结果从预设的多种环境建议调节方案中确定对应的环境建议调节方案，并发送至显示模块进行显示。

5.根据权利要求1所述的一种基于大数据的农产品储运环境智能监控系统，其特征是，所述农产品储运环境数据包括温度、湿度、气体浓度、光照度。

6.根据权利要求1-5任一项所述的一种基于大数据的农产品储运环境智能监控系统，其特征是，预处理模块对聚类处理后的农产品储运环境数据进行异常检测处理，具体包括：

(1)若聚类后存在一个簇的农产品储运环境数据个数低于设定的个数阈值，则将该簇视为异常簇，将异常簇中的所有农产品储运环境数据视为异常农产品储运环境数据，计算其他正常簇的簇中心点与异常簇的簇中心点之间的相似度；

(2)若存在一个异常簇的簇中心点与正常簇的簇中心点之间的相似度大于设定的簇相似度阈值，则将该正常簇作为待检测簇，并利用该异常簇的农产品储运环境数据来检测待检测簇中的农产品储运环境数据。

7.根据权利要求6所述的一种基于大数据的农产品储运环境智能监控系统，其特征是，利用该异常簇的农产品储运环境数据来检测待检测簇中的农产品储运环境数据，具体包括：

1)设该异常簇的农产品储运环境数据集合为S_ρ＝{s₁,s₂,..,s_ρ}，将{s₁,s₂,..,s_ρ}中的农产品储运环境数据进行归一化处理，并将归一化处理后的农产品储运环境数据按照从小到大的顺序进行排序，将排序后的农产品储运环境数据进行反归一化处理，获取反归一化处理后的农产品储运环境数据集合中的中位数s_med；

2)检测待检测簇中的农产品储运环境数据，若待检测簇中的农产品储运环境数据满足下列异常条件时，将农产品储运环境数据视为异常农产品储运环境数据：

式中，表示农产品储运环境数据的第α维属性值，s_med,α表示中位数s_med的第α维属性值，β为农产品储运环境数据的维数，Q_t为另一设定的相似度阈值，σ_α为农产品储运环境数据集X的第α维属性值的标准差，z_α为农产品储运环境数据集X的第α维属性值的均值，为设定的取小值函数，当时，当时， 为设定的取大值函数，当时，当时，