CN111201990A - 一种基于物联网的农业种植浇灌系统及信息处理方法 - Google Patents

一种基于物联网的农业种植浇灌系统及信息处理方法 Download PDF

Info

Publication number
CN111201990A
CN111201990A CN202010022719.0A CN202010022719A CN111201990A CN 111201990 A CN111201990 A CN 111201990A CN 202010022719 A CN202010022719 A CN 202010022719A CN 111201990 A CN111201990 A CN 111201990A
Authority
CN
China
Prior art keywords
attribute
data
agricultural
module
internet
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
Application number
CN202010022719.0A
Other languages
English (en)
Inventor
权建军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lanzhou Petrochemical College of Vocational Technology
Original Assignee
Lanzhou Petrochemical College of Vocational Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lanzhou Petrochemical College of Vocational Technology filed Critical Lanzhou Petrochemical College of Vocational Technology
Priority to CN202010022719.0A priority Critical patent/CN111201990A/zh
Publication of CN111201990A publication Critical patent/CN111201990A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G25/00—Watering gardens, fields, sports grounds or the like
    • A01G25/02—Watering arrangements located above the soil which make use of perforated pipe-lines or pipe-lines with dispensing fittings, e.g. for drip irrigation
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G25/00—Watering gardens, fields, sports grounds or the like
    • A01G25/16—Control of watering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Environmental Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Soil Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于农业种植浇灌技术领域，公开了一种基于物联网的农业种植浇灌系统及信息处理方法，基于物联网的农业种植浇灌系统包括：种植温湿度采集模块、水流量采集模块、主控模块、物联通信模块、农业信息提取模块、农业异常监测模块、时间设定模块、浇灌模块、浇灌面积计算模块、显示模块。本发明通过农业信息提取模块提取出本质特征的特征属性值，实现对信息的压缩和提炼，反映可数据的非线性结构特征，更便于农业大数据的挖掘与分析，为实现农业生产决策提供强有力的数据支持；同时，通过农业异常监测模块能有效处理高维数据和海量数据，与现有技术相比，本发明具有时间复杂度可控、计算开销低和能有效处理高维数据和海量数据的优点。

Description

一种基于物联网的农业种植浇灌系统及信息处理方法
技术领域
本发明属于农业种植浇灌技术领域，尤其涉及一种基于物联网的农业种植浇灌系统及信息处理方法。
背景技术
植物栽培业。栽培各种农作物以及取得植物性产品的农业生产部门，种植业是农业的主要组成部分之一。利用植物的生活机能，通过人工培育以取得粮食、副食品、饲料和工业原料的社会生产部门。包括各种农作物、林木、果树、药用和观赏等植物的栽培。有粮食作物、经济作物、蔬菜作物、绿肥作物、饲料作物、牧草、花卉等园艺作物。在中国通常指粮、棉、油、糖、麻、丝、烟、茶、果、药、杂等作物的生产。亦指狭义的农业，亦称农作物栽培业。通常指栽培农作物以取得植物性产品的农业生产部门。在中国，种植业同林业、畜牧业、副业和渔业合在一起，为广义的农业。在国外，种植业一般同畜牧业合在一起，统称为农业。然而，现有基于物联网的农业种植浇灌系统对农业信息提取的特征不能够反映农业数据复杂的非线性结构特征，不利于后期的分析和评价，导致数据利用效果不好的问题；同时，对农业数据异常值检测效果不好；基于密度和距离的异常值检测方法，时间复杂度高、计算开销大，而且是监督学习算法，对于大量农业数据的异常值检测效率很低。
综上所述，现有技术存在的问题是：现有基于物联网的农业种植浇灌系统对农业信息提取的特征不能够反映农业数据复杂的非线性结构特征，不利于后期的分析和评价，导致数据利用效果不好的问题；同时，对农业数据异常值检测效果不好；基于密度和距离的异常值检测方法，时间复杂度高、计算开销大，而且是监督学习算法，对于大量农业数据的异常值检测效率很低。
发明内容
针对现有技术存在的问题，本发明提供了一种基于物联网的农业种植浇灌系统及信息处理方法。
本发明是这样实现的，一种基于物联网的农业种植浇灌系统信息处理方法，包括：
第一步，在浇灌设备输出管道上设置多个水流量传感器，并且主机监测水流量传感器正常运行的件数；主机设置一定的水流量监测运行时间，当到达设定的运行时间点时，主机控制正常运行的水量传感器，传输监测的水流量数值；主机根据检测到的水流量数值，判断哪个水流量传感器检测的数值异常，将其剔除；主机对剩余水流量传感器检测数值进行水流量补偿，得到补偿后的水流量检测值；主机对补偿后的水流量检测值，进行取平均数值，得到相应的水流量数值；
第二步，主控模块通过物联通信模块，利用无线发射器接入物联网进行步骤一获得的水流量数值信息物联通信，物联通信模块中的物联网通讯服务器检测共享信道是否处于拥挤状态，当出现拥挤状态时，实时检测另一信号端的运行的延时时间；另一信号端完成信号传输时，物联网通讯服务器控制一信号端迅速占用共享通道；
同时在占用共享通道时，要对接入端发送相应的匹配命令，实现相应的连接；
第三步，连接完成后，进行数据传输交换；并且实施检测其他信号端的请求次数，为其他信号端提供相应的共享通道；
第四步，利用提取程序提取第二步传输的水流量数值信息特征，并进行属性集建立，通过物联网获取农业属性数据，建立知识系统；
第五步，进行属性类别聚类，从知识系统的属性集中选取属性数据作为初始属性聚类中心，根据初始属性聚类中心建立初始属性类别，对所有的初始属性类别进行合并和分离操作得到聚类后的属性类别；
第六步，进行特征属性计算，计算聚类后的属性类别中的每个属性数据相对于其他属性数据的依赖度，选取依赖度最高的属性数据作为特征属性值；
第七步，特征属性归集，选取并归集所有属性类别的特征属性值得到特征属性集；
第八步，利用第三步～第六步获得水流量数值信息不同特征后，利用监测设备监测农业数据异常情况；再通过时间设定模块利用计时器设定浇灌时间；并通过浇灌模块利用浇灌设备对农业种植进行浇灌；
第九步，通过浇灌面积计算模块，利用计算程序计算农业浇灌面积；
第十步，通过显示模块，利用显示器显示种植温度、湿度、供水流量数据及提取农业信息、监测异常数据、浇灌面积。
进一步，第四步中，所述属性类别聚类步骤中还包括：
参数预设子步骤，预设预期聚类中心数目、每个类别的最少样本数目、预期最大方差、两个聚类中心允许的最小距离和最大迭代次数。
进一步，第四步中，所述属性类别聚类步骤中还包括：
初始聚类子步骤，从知识系统的属性集中选取若干个属性数据作为初始属性聚类中心，根据初始属性聚类中心建立初始属性类别。
进一步，第四步中，所述属性类别聚类步骤中还包括：
属性数据分类子步骤，计算属性集的属性数据与初始属性聚类中心的距离，将属性数据分到距离最小的初始属性聚类中心所属的初始属性类别中；
聚类中心修正子步骤，判断初始属性类别中属性数据的数目是否大于每个类别的最少样本数目，若是，则修正初始属性聚类中心，得到修正后的属性聚类中心；
属性类别分裂子步骤，计算初始属性类别中所有属性数据与属性聚类中心的方差，选取初始属性类别的方差最大值与预期最大方差对比，若方差最大值大于预期最大方差，则将该初始属性类别分裂成两个属性类别；
属性类别合并子步骤，计算两个初始属性类别的属性聚类中心之间的距离，若该距离大于两个聚类中心允许的最小距离，则将两个初始属性类别合并成一个属性类别。
进一步，第七步中，农业异常监测模块监测方法如下：
1)农业数据采集步骤，通过物联网采集农业生产数据、农业土壤数据和农业气象资源数据，并通过抽样训练的方法对数据进行训练，训练后得到若干棵隔离树，隔离树的集合构成训练数据集；
2)构建iTree树步骤，从训练数据集中选取m个样本点，不断随机选取分裂属性和分裂点，达到终止条件时完成iTree树的构建；
3)构建孤立森林算法模型步骤，初始化孤立森林算法模型中的iTree树的数目t和构建iTree树时抽取的子样本集m，进入循环构建iTree树的步骤，构建相互独立的iTree树，构建的iTree树均部署在分布式系统上，当iTree树的数目达到预设iTree树的数目t时，停止构建iTree树，所有iTree树的集合构成孤立森林算法模型；
4)异常值判断步骤，将测试数据x遍历孤立森林算法模型中的每棵iTree树，得到其在每棵iTree树中所处的深度h(x)，计算测试数据x的平均深度E(h(x))和异常分值s(x)，通过异常分值s(x)判断测试数据x是否为异常值。
进一步，所述构建iTree树步骤包括：
选取根节点步骤，从训练数据集中随机选取m个样本点作为子样本集和iTree树的根节点；
选取切割点步骤，随机选定一个维度，并在当前节点数据中随机产生一个该维度的切割点p；
维度分类步骤，以切割p点为基准，把节点数据指定维度的大小与切割点p作比较，节点数据指定维度小于切割点p的数据放在当前节点的左子节点，节点数据指定维度大于或等于切割点p的数据放在当前节点的右子节点；
构建步骤，在子节点中递归选取切割点步骤和维度分类步骤，不断构造新的子节点，达到iTree树构建的终止条件时停止构造子节点，iTree树构建成功。
进一步，所述iTree树构建的终止条件包括：传入的数据集只有一条记录、传入的数据集为多条一样的记录或树的深度达到限定的深度。
进一步，第八步中，用于通过计算程序计算农业浇灌面积的浇灌面积计算模块中浇灌面积确定方法，如下：
在喷灌上的喷头上设置有相应的压力传感器，检测喷头水的压力；压力传感器将检测数据值传递到上位机中，上位机根据喷头的结构参数、喷射的水柱直径和压力传感器检测到的水压，确定出最短和最长喷射半径；
根据最短和最长喷射半径，求出相应的平均判断；根据圆的几何关系，确定出喷灌的面积。
本发明提供的另一目的在于提供一种实施所述的基于物联网的农业种植浇灌系统信息处理方法的基于物联网的农业种植浇灌系统，所述基于物联网的农业种植浇灌系统，包括：
种植温湿度采集模块、水流量采集模块、主控模块、物联通信模块、农业信息提取模块、农业异常监测模块、时间设定模块、浇灌模块、浇灌面积计算模块、显示模块；
种植温湿度采集模块，与主控模块连接，用于通过温湿度传感器采集农业种植环境温度、湿度数据；
水流量采集模块，与主控模块连接，用于通过水流量传感器采集农业供水流量数据；在浇灌设备输出管道上设置多个水流量传感器，并且主机监测水流量传感器正常运行的件数；主机设置一定的水流量监测运行时间，当到达设定的运行时间点时，主机控制正常运行的水量传感器，传输监测的水流量数值；主机根据检测到的水流量数值，判断哪个水流量传感器检测的数值异常，将其剔除；主机对剩余水流量传感器检测数值进行水流量补偿，得到补偿后的水流量检测值；主机对补偿后的水流量检测值，进行取平均数值，得到相应的水流量数值；
主控模块，与种植温湿度采集模块、水流量采集模块、物联通信模块、农业信息提取模块、农业异常监测模块、时间设定模块、浇灌模块、浇灌面积计算模块、显示模块连接，用于通过主控制器控制各个模块正常工作；
物联通信模块，与主控模块连接，用于通过无线发射器接入物联网进行农业信息物联通信；物联网通讯服务器检测共享信道是否处于拥挤状态，当出现拥挤状态时，实时检测另一信号端的运行的延时时间；另一信号端完成信号传输时，物联网通讯服务器控制一信号端迅速占用共享通道；同时在占用共享通道时，要对接入端发送相应的匹配命令，实现相应的连接；连接完成后，进行数据传输交换；并且实施检测其他信号端的请求次数，为其他信号端提供相应的共享通道；
农业信息提取模块，与主控模块连接，用于通过提取程序提取农业信息特征；属性集建立步骤，通过物联网获取农业属性数据，建立知识系统；属性类别聚类步骤，从知识系统的属性集中选取属性数据作为初始属性聚类中心，根据初始属性聚类中心建立初始属性类别，对所有的初始属性类别进行合并和分离操作得到聚类后的属性类别；特征属性计算步骤，计算聚类后的属性类别中的每个属性数据相对于其他属性数据的依赖度，选取依赖度最高的属性数据作为特征属性值；特征属性归集步骤，选取并归集所有属性类别的特征属性值得到特征属性集；
农业异常监测模块，与主控模块连接，用于通过监测设备监测农业数据异常情况；农业数据采集步骤，通过物联网采集农业生产数据、农业土壤数据和农业气象资源数据，并通过抽样训练的方法对数据进行训练，训练后得到若干棵隔离树，隔离树的集合构成训练数据集；构建iTree树步骤，从训练数据集中选取m个样本点，不断随机选取分裂属性和分裂点，达到终止条件时完成iTree树的构建；构建孤立森林算法模型步骤，初始化孤立森林算法模型中的iTree树的数目t和构建iTree树时抽取的子样本集m，进入循环构建iTree树的步骤，构建相互独立的iTree树，构建的iTree树均部署在分布式系统上，当iTree树的数目达到预设iTree树的数目t时，停止构建iTree树，所有iTree树的集合构成孤立森林算法模型；异常值判断步骤，将测试数据x遍历孤立森林算法模型中的每棵iTree树，得到其在每棵iTree树中所处的深度h(x)，计算测试数据x的平均深度E(h(x))和异常分值s(x)，通过异常分值s(x)判断测试数据x是否为异常值；
浇灌模块，与主控模块连接，用于通过浇灌设备对农业种植进行浇灌；在喷灌上的喷头上设置有相应的压力传感器，检测喷头水的压力；压力传感器将检测数据值传递到上位机中，上位机根据喷头的结构参数、喷射的水柱直径和压力传感器检测到的水压，确定出最短和最长喷射半径；根据最短和最长喷射半径，求出相应的平均判断；根据圆的几何关系，确定出喷灌的面积；
浇灌面积计算模块，与主控模块连接，用于通过计算程序计算农业浇灌面积；在喷灌上的喷头上设置有相应的压力传感器，检测喷头水的压力；压力传感器将检测数据值传递到上位机中，上位机根据喷头的结构参数、喷射的水柱直径和压力传感器检测到的水压，确定出最短和最长喷射半径；根据最短和最长喷射半径，求出相应的平均判断；根据圆的几何关系，确定出喷灌的面积；
进一步，所述主控模块分别与时间设定模块和显示模块连接，时间设定模块，用于通过计时器设定浇灌时间；
显示模块，用于通过显示器显示种植温度、湿度、供水流量数据及提取农业信息、监测异常数据、浇灌面积。
本发明的优点及积极效果为：本发明通过农业信息提取模块对初始属性类别进行合并和分离调整，调整了属性类别的数量，实现了属性数据降维的功能，减小了数据波动，能更符合属性真实的分布；采用最大依赖度的算法进行特征属性值的选取，可以发现不准确数据和噪声数据内部的结构联系，使特征的提取更具准确性，利于后期的分析和评价；删除多余特征属性，提取出本质特征的特征属性值，实现对信息的压缩和提炼，反映可数据的非线性结构特征，更便于农业大数据的挖掘与分析，为实现农业生产决策提供强有力的数据支持；同时，通过农业异常监测模块结合了孤立森林算法模型，在进行异常值检测时能减少异常的掩盖和淹没效应，还具有线性的时间复杂度，而且不需要计算距离或者密度来寻找异常数据，能有效处理高维数据和海量数据，与现有技术相比，本发明具有时间复杂度可控、计算开销低和能有效处理高维数据和海量数据的优点。
附图说明
图1是本发明实施例提供的基于物联网的农业种植浇灌系统信息处理方法流程图。
图2是本发明实施例提供的基于物联网的农业种植浇灌系统结构图。
图中：1、种植温湿度采集模块；2、水流量采集模块；3、主控模块；4、物联通信模块；5、农业信息提取模块；6、农业异常监测模块；7、时间设定模块；8、浇灌模块；9、浇灌面积计算模块；10、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的基于物联网的农业种植浇灌系统信息处理方法，包括：
S101：通过种植温湿度采集模块，利用温湿度传感器采集农业种植环境温度、湿度数据；通过水流量采集模块，利用水流量传感器采集农业供水流量数据。
S102：主控模块通过物联通信模块，利用无线发射器接入物联网进行农业信息物联通信；通过农业信息提取模块，利用提取程序提取农业信息特征；通过农业异常监测模块，利用监测设备监测农业数据异常情况；通过时间设定模块，利用计时器设定浇灌时间；通过浇灌模块，利用浇灌设备对农业种植进行浇灌。
S103：通过浇灌面积计算模块，利用计算程序计算农业浇灌面积。
S104：通过显示模块，利用显示器显示种植温度、湿度、供水流量数据及提取农业信息、监测异常数据、浇灌面积。
如图2所示，本发明实施例提供的基于物联网的农业种植浇灌系统包括：种植温湿度采集模块1、水流量采集模块2、主控模块3、物联通信模块4、农业信息提取模块5、农业异常监测模块6、时间设定模块7、浇灌模块8、浇灌面积计算模块9、显示模块10。
种植温湿度采集模块1，与主控模块3连接，用于通过温湿度传感器采集农业种植环境温度、湿度数据。
水流量采集模块2，与主控模块3连接，用于通过水流量传感器采集农业供水流量数据。
主控模块3，与种植温湿度采集模块1、水流量采集模块2、物联通信模块4、农业信息提取模块5、农业异常监测模块6、时间设定模块7、浇灌模块8、浇灌面积计算模块9、显示模块10连接，用于通过主控制器控制各个模块正常工作。
物联通信模块4，与主控模块3连接，用于通过无线发射器接入物联网进行农业信息物联通信。
农业信息提取模块5，与主控模块3连接，用于通过提取程序提取农业信息特征。
农业异常监测模块6，与主控模块3连接，用于通过监测设备监测农业数据异常情况。
时间设定模块7，与主控模块3连接，用于通过计时器设定浇灌时间。
浇灌模块8，与主控模块3连接，用于通过浇灌设备对农业种植进行浇灌。
浇灌面积计算模块9，与主控模块3连接，用于通过计算程序计算农业浇灌面积。
显示模块10，与主控模块3连接，用于通过显示器显示种植温度、湿度、供水流量数据及提取农业信息、监测异常数据、浇灌面积。
本发明提供的与主控模块3连接，用于通过水流量传感器采集农业供水流量数据的水流量采集模块2中水流量监测方法，包括：
在浇灌设备输出管道上设置多个水流量传感器，并且主机监测水流量传感器正常运行的件数。
主机设置一定的水流量监测运行时间，当到达设定的运行时间点时，主机控制正常运行的水量传感器，传输监测的水流量数值。
主机根据检测到的水流量数值，判断哪个水流量传感器检测的数值异常，将其剔除。主机对剩余水流量传感器检测数值进行水流量补偿，得到补偿后的水流量检测值。
主机对补偿后的水流量检测值，进行取平均数值，得到相应的水流量数值。
本发明实施例提供的与主控模块3连接，用于通过无线发射器接入物联网进行农业信息物联通信的物联通信模块4中物联通信方法，包括：
物联网通讯服务器检测共享信道是否处于拥挤状态，当出现拥挤状态时，实时检测另一信号端的运行的延时时间。另一信号端完成信号传输时，物联网通讯服务器控制一信号端迅速占用共享通道。
同时在占用共享通道时，要对接入端发送相应的匹配命令，实现相应的连接。
连接完成后，进行数据传输交换。并且实施检测其他信号端的请求次数，为其他信号端提供相应的共享通道。
下面结合具体实施例对本发明作进一步描述。
实施例1
本发明提供的农业信息提取模块5提取方法如下：
(1)属性集建立步骤，通过物联网获取农业属性数据，建立知识系统。
(2)属性类别聚类步骤，从知识系统的属性集中选取属性数据作为初始属性聚类中心，根据初始属性聚类中心建立初始属性类别，对所有的初始属性类别进行合并和分离操作得到聚类后的属性类别。
(3)特征属性计算步骤，计算聚类后的属性类别中的每个属性数据相对于其他属性数据的依赖度，选取依赖度最高的属性数据作为特征属性值。
(4)特征属性归集步骤，选取并归集所有属性类别的特征属性值得到特征属性集。
本发明提供的属性类别聚类步骤中还包括：
参数预设子步骤，预设预期聚类中心数目、每个类别的最少样本数目、预期最大方差、两个聚类中心允许的最小距离和最大迭代次数。
初始聚类子步骤，从知识系统的属性集中选取若干个属性数据作为初始属性聚类中心，根据初始属性聚类中心建立初始属性类别。
属性数据分类子步骤，计算属性集的属性数据与初始属性聚类中心的距离，将属性数据分到距离最小的初始属性聚类中心所属的初始属性类别中。
聚类中心修正子步骤，判断初始属性类别中属性数据的数目是否大于每个类别的最少样本数目，若是，则修正初始属性聚类中心，得到修正后的属性聚类中心。
属性类别分裂子步骤，计算初始属性类别中所有属性数据与属性聚类中心的方差，选取初始属性类别的方差最大值与预期最大方差对比，若方差最大值大于预期最大方差，则将该初始属性类别分裂成两个属性类别。
属性类别合并子步骤，计算两个初始属性类别的属性聚类中心之间的距离，若该距离大于两个聚类中心允许的最小距离，则将两个初始属性类别合并成一个属性类别。
实施例2
本发明提供的农业异常监测模块6监测方法如下：
1)农业数据采集步骤，通过物联网采集农业生产数据、农业土壤数据和农业气象资源数据，并通过抽样训练的方法对数据进行训练，训练后得到若干棵隔离树，隔离树的集合构成训练数据集。
2)构建iTree树步骤，从训练数据集中选取m个样本点，不断随机选取分裂属性和分裂点，达到终止条件时完成iTree树的构建。
3)构建孤立森林算法模型步骤，初始化孤立森林算法模型中的iTree树的数目t和构建iTree树时抽取的子样本集m，进入循环构建iTree树的步骤，构建相互独立的iTree树，构建的iTree树均部署在分布式系统上，当iTree树的数目达到预设iTree树的数目t时，停止构建iTree树，所有iTree树的集合构成孤立森林算法模型。
4)异常值判断步骤，将测试数据x遍历孤立森林算法模型中的每棵iTree树，得到其在每棵iTree树中所处的深度h(x)，计算测试数据x的平均深度E(h(x))和异常分值s(x)，通过异常分值s(x)判断测试数据x是否为异常值。
本发明提供的构建iTree树步骤包括：
选取根节点步骤，从训练数据集中随机选取m个样本点作为子样本集和iTree树的根节点。
选取切割点步骤，随机选定一个维度，并在当前节点数据中随机产生一个该维度的切割点p。
维度分类步骤，以切割p点为基准，把节点数据指定维度的大小与切割点p作比较，节点数据指定维度小于切割点p的数据放在当前节点的左子节点，节点数据指定维度大于或等于切割点p的数据放在当前节点的右子节点。
构建步骤，在子节点中递归选取切割点步骤和维度分类步骤，不断构造新的子节点，达到iTree树构建的终止条件时停止构造子节点，iTree树构建成功。
本发明提供的iTree树构建的终止条件包括：传入的数据集只有一条记录、传入的数据集为多条一样的记录或树的深度达到限定的深度。
本发明提供的与主控模块3连接，用于通过浇灌设备对农业种植进行浇灌的浇灌模块8中，具体的浇灌过程，如下：
泵体将水抽到搅拌罐中，搅拌罐中的水达到一定量时，向搅拌罐中加入需要实施的化肥。启动搅拌罐中的电机，对加入的化肥进行搅拌。
搅拌完成后，相应的泵体抽取含有化肥的浇灌水，抽取到喷头上。浇灌水经过喷头进行雾化，喷射到植物上。
在浇灌过程中，上位机根据摄像头采集的数据，控制喷头的转向，实施有针对性的喷灌。
本发明提供的与主控模块3连接，用于通过计算程序计算农业浇灌面积的浇灌面积计算模块9中浇灌面积确定方法，如下：
在喷灌上的喷头上设置有相应的压力传感器，检测喷头水的压力；压力传感器将检测数据值传递到上位机中，上位机根据喷头的结构参数、喷射的水柱直径和压力传感器检测到的水压，确定出最短和最长喷射半径；
根据最短和最长喷射半径，求出相应的平均判断；根据圆的几何关系，确定出喷灌的面积。
实施例3
本发明工作时，首先，通过种植温湿度采集模块1利用温湿度传感器采集农业种植环境温度、湿度数据。通过水流量采集模块2利用水流量传感器采集农业供水流量数据。其次，主控模块3通过物联通信模块4利用无线发射器接入物联网进行农业信息物联通信。通过农业信息提取模块5利用提取程序提取农业信息特征。通过农业异常监测模块6利用监测设备监测农业数据异常情况；通过时间设定模块7利用计时器设定浇灌时间；通过浇灌模块8利用浇灌设备对农业种植进行浇灌；然后，通过浇灌面积计算模块9利用计算程序计算农业浇灌面积；最后，通过显示模块10利用显示器显示种植温度、湿度、供水流量数据及提取农业信息、监测异常数据、浇灌面积。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (10)

1.一种基于物联网的农业种植浇灌系统信息处理方法，其特征在于，所述基于物联网的农业种植浇灌系统信息处理方法，包括：
第一步，在浇灌设备输出管道上设置多个水流量传感器，并且主机监测水流量传感器正常运行的件数；主机设置一定的水流量监测运行时间，当到达设定的运行时间点时，主机控制正常运行的水量传感器，传输监测的水流量数值；主机根据检测到的水流量数值，判断哪个水流量传感器检测的数值异常，将其剔除；主机对剩余水流量传感器检测数值进行水流量补偿，得到补偿后的水流量检测值；主机对补偿后的水流量检测值，进行取平均数值，得到相应的水流量数值；
第二步，主控模块通过物联通信模块，利用无线发射器接入物联网进行步骤一获得的水流量数值信息物联通信，物联通信模块中的物联网通讯服务器检测共享信道是否处于拥挤状态，当出现拥挤状态时，实时检测另一信号端的运行的延时时间；另一信号端完成信号传输时，物联网通讯服务器控制一信号端迅速占用共享通道；
同时在占用共享通道时，要对接入端发送相应的匹配命令，实现相应的连接；
第三步，连接完成后，进行数据传输交换；并且实施检测其他信号端的请求次数，为其他信号端提供相应的共享通道；
第四步，利用提取程序提取第二步传输的水流量数值信息特征，并进行属性集建立，通过物联网获取农业属性数据，建立知识系统；
第五步，进行属性类别聚类，从知识系统的属性集中选取属性数据作为初始属性聚类中心，根据初始属性聚类中心建立初始属性类别，对所有的初始属性类别进行合并和分离操作得到聚类后的属性类别；
第六步，进行特征属性计算，计算聚类后的属性类别中的每个属性数据相对于其他属性数据的依赖度，选取依赖度最高的属性数据作为特征属性值；
第七步，特征属性归集，选取并归集所有属性类别的特征属性值得到特征属性集；
第八步，利用第三步～第六步获得水流量数值信息不同特征后，利用监测设备监测农业数据异常情况；再通过时间设定模块利用计时器设定浇灌时间；并通过浇灌模块利用浇灌设备对农业种植进行浇灌；
第九步，通过浇灌面积计算模块，利用计算程序计算农业浇灌面积；
第十步，通过显示模块，利用显示器显示种植温度、湿度、供水流量数据及提取农业信息、监测异常数据、浇灌面积。
2.如权利要求1所述基于物联网的农业种植浇灌系统信息处理方法，其特征在于，第四步中，所述属性类别聚类步骤中还包括：
参数预设子步骤，预设预期聚类中心数目、每个类别的最少样本数目、预期最大方差、两个聚类中心允许的最小距离和最大迭代次数。
3.如权利要求1所述基于物联网的农业种植浇灌系统信息处理方法，其特征在于，第四步中，所述属性类别聚类步骤中还包括：
初始聚类子步骤，从知识系统的属性集中选取若干个属性数据作为初始属性聚类中心，根据初始属性聚类中心建立初始属性类别。
4.如权利要求1所述基于物联网的农业种植浇灌系统信息处理方法，其特征在于，第四步中，所述属性类别聚类步骤中还包括：
属性数据分类子步骤，计算属性集的属性数据与初始属性聚类中心的距离，将属性数据分到距离最小的初始属性聚类中心所属的初始属性类别中；
聚类中心修正子步骤，判断初始属性类别中属性数据的数目是否大于每个类别的最少样本数目，若是，则修正初始属性聚类中心，得到修正后的属性聚类中心；
属性类别分裂子步骤，计算初始属性类别中所有属性数据与属性聚类中心的方差，选取初始属性类别的方差最大值与预期最大方差对比，若方差最大值大于预期最大方差，则将该初始属性类别分裂成两个属性类别；
属性类别合并子步骤，计算两个初始属性类别的属性聚类中心之间的距离，若该距离大于两个聚类中心允许的最小距离，则将两个初始属性类别合并成一个属性类别。
5.如权利要求1所述基于物联网的农业种植浇灌系统信息处理方法，其特征在于，第七步中，农业异常监测模块监测方法如下：
1)农业数据采集步骤，通过物联网采集农业生产数据、农业土壤数据和农业气象资源数据，并通过抽样训练的方法对数据进行训练，训练后得到若干棵隔离树，隔离树的集合构成训练数据集；
2)构建iTree树步骤，从训练数据集中选取m个样本点，不断随机选取分裂属性和分裂点，达到终止条件时完成iTree树的构建；
3)构建孤立森林算法模型步骤，初始化孤立森林算法模型中的iTree树的数目t和构建iTree树时抽取的子样本集m，进入循环构建iTree树的步骤，构建相互独立的iTree树，构建的iTree树均部署在分布式系统上，当iTree树的数目达到预设iTree树的数目t时，停止构建iTree树，所有iTree树的集合构成孤立森林算法模型；
4)异常值判断步骤，将测试数据x遍历孤立森林算法模型中的每棵iTree树，得到其在每棵iTree树中所处的深度h(x)，计算测试数据x的平均深度E(h(x))和异常分值s(x)，通过异常分值s(x)判断测试数据x是否为异常值。
6.如权利要求5所述基于物联网的农业种植浇灌系统信息处理方法，其特征在于，所述构建iTree树步骤包括：
选取根节点步骤，从训练数据集中随机选取m个样本点作为子样本集和iTree树的根节点；
选取切割点步骤，随机选定一个维度，并在当前节点数据中随机产生一个该维度的切割点p；
维度分类步骤，以切割p点为基准，把节点数据指定维度的大小与切割点p作比较，节点数据指定维度小于切割点p的数据放在当前节点的左子节点，节点数据指定维度大于或等于切割点p的数据放在当前节点的右子节点；
构建步骤，在子节点中递归选取切割点步骤和维度分类步骤，不断构造新的子节点，达到iTree树构建的终止条件时停止构造子节点，iTree树构建成功。
7.如权利要求6所述基于物联网的农业种植浇灌系统信息处理方法，其特征在于，所述iTree树构建的终止条件包括：传入的数据集只有一条记录、传入的数据集为多条一样的记录或树的深度达到限定的深度。
8.如权利要求1所述基于物联网的农业种植浇灌系统，其特征在于，第八步中，用于通过计算程序计算农业浇灌面积的浇灌面积计算模块中浇灌面积确定方法，如下：
在喷灌上的喷头上设置有相应的压力传感器，检测喷头水的压力；压力传感器将检测数据值传递到上位机中，上位机根据喷头的结构参数、喷射的水柱直径和压力传感器检测到的水压，确定出最短和最长喷射半径；
根据最短和最长喷射半径，求出相应的平均判断；根据圆的几何关系，确定出喷灌的面积。
9.一种实施如权利要求1-8所述的基于物联网的农业种植浇灌系统信息处理方法的基于物联网的农业种植浇灌系统，其特征在于，所述基于物联网的农业种植浇灌系统，包括：
种植温湿度采集模块，与主控模块连接，用于通过温湿度传感器采集农业种植环境温度、湿度数据；
水流量采集模块，与主控模块连接，用于通过水流量传感器采集农业供水流量数据；在浇灌设备输出管道上设置多个水流量传感器，并且主机监测水流量传感器正常运行的件数；主机设置一定的水流量监测运行时间，当到达设定的运行时间点时，主机控制正常运行的水量传感器，传输监测的水流量数值；主机根据检测到的水流量数值，判断哪个水流量传感器检测的数值异常，将其剔除；主机对剩余水流量传感器检测数值进行水流量补偿，得到补偿后的水流量检测值；主机对补偿后的水流量检测值，进行取平均数值，得到相应的水流量数值；
主控模块，与种植温湿度采集模块、水流量采集模块、物联通信模块、农业信息提取模块、农业异常监测模块、时间设定模块、浇灌模块、浇灌面积计算模块、显示模块连接，用于通过主控制器控制各个模块正常工作；
物联通信模块，与主控模块连接，用于通过无线发射器接入物联网进行农业信息物联通信；物联网通讯服务器检测共享信道是否处于拥挤状态，当出现拥挤状态时，实时检测另一信号端的运行的延时时间；另一信号端完成信号传输时，物联网通讯服务器控制一信号端迅速占用共享通道；同时在占用共享通道时，要对接入端发送相应的匹配命令，实现相应的连接；连接完成后，进行数据传输交换；并且实施检测其他信号端的请求次数，为其他信号端提供相应的共享通道；
农业信息提取模块，与主控模块连接，用于通过提取程序提取农业信息特征；属性集建立步骤，通过物联网获取农业属性数据，建立知识系统；属性类别聚类步骤，从知识系统的属性集中选取属性数据作为初始属性聚类中心，根据初始属性聚类中心建立初始属性类别，对所有的初始属性类别进行合并和分离操作得到聚类后的属性类别；特征属性计算步骤，计算聚类后的属性类别中的每个属性数据相对于其他属性数据的依赖度，选取依赖度最高的属性数据作为特征属性值；特征属性归集步骤，选取并归集所有属性类别的特征属性值得到特征属性集；
农业异常监测模块，与主控模块连接，用于通过监测设备监测农业数据异常情况；农业数据采集步骤，通过物联网采集农业生产数据、农业土壤数据和农业气象资源数据，并通过抽样训练的方法对数据进行训练，训练后得到若干棵隔离树，隔离树的集合构成训练数据集；构建iTree树步骤，从训练数据集中选取m个样本点，不断随机选取分裂属性和分裂点，达到终止条件时完成iTree树的构建；构建孤立森林算法模型步骤，初始化孤立森林算法模型中的iTree树的数目t和构建iTree树时抽取的子样本集m，进入循环构建iTree树的步骤，构建相互独立的iTree树，构建的iTree树均部署在分布式系统上，当iTree树的数目达到预设iTree树的数目t时，停止构建iTree树，所有iTree树的集合构成孤立森林算法模型；异常值判断步骤，将测试数据x遍历孤立森林算法模型中的每棵iTree树，得到其在每棵iTree树中所处的深度h(x)，计算测试数据x的平均深度E(h(x))和异常分值s(x)，通过异常分值s(x)判断测试数据x是否为异常值；
浇灌模块，与主控模块连接，用于通过浇灌设备对农业种植进行浇灌；在喷灌上的喷头上设置有相应的压力传感器，检测喷头水的压力；压力传感器将检测数据值传递到上位机中，上位机根据喷头的结构参数、喷射的水柱直径和压力传感器检测到的水压，确定出最短和最长喷射半径；根据最短和最长喷射半径，求出相应的平均判断；根据圆的几何关系，确定出喷灌的面积；
浇灌面积计算模块，与主控模块连接，用于通过计算程序计算农业浇灌面积；在喷灌上的喷头上设置有相应的压力传感器，检测喷头水的压力；压力传感器将检测数据值传递到上位机中，上位机根据喷头的结构参数、喷射的水柱直径和压力传感器检测到的水压，确定出最短和最长喷射半径；根据最短和最长喷射半径，求出相应的平均判断；根据圆的几何关系，确定出喷灌的面积。
10.如权利要求9所述基于物联网的农业种植浇灌系统，其特征在于，所述主控模块分别与时间设定模块和显示模块连接；时间设定模块，用于通过计时器设定浇灌时间；显示模块，用于通过显示器显示种植温度、湿度、供水流量数据及提取农业信息、监测异常数据、浇灌面积。
CN202010022719.0A 2020-01-09 2020-01-09 一种基于物联网的农业种植浇灌系统及信息处理方法 Pending CN111201990A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010022719.0A CN111201990A (zh) 2020-01-09 2020-01-09 一种基于物联网的农业种植浇灌系统及信息处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010022719.0A CN111201990A (zh) 2020-01-09 2020-01-09 一种基于物联网的农业种植浇灌系统及信息处理方法

Publications (1)

Publication Number Publication Date
CN111201990A true CN111201990A (zh) 2020-05-29

Family

ID=70781006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010022719.0A Pending CN111201990A (zh) 2020-01-09 2020-01-09 一种基于物联网的农业种植浇灌系统及信息处理方法

Country Status (1)

Country Link
CN (1) CN111201990A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113030726A (zh) * 2021-03-24 2021-06-25 河南中烟工业有限责任公司 基于数据驱动的电机状态监测方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203748358U (zh) * 2014-03-24 2014-08-06 河南邦友科技有限公司 基于物联网的精准灌溉装置
CN108681352A (zh) * 2018-04-10 2018-10-19 南京瑞可荣智信息科技有限公司 智能灌溉监测与控制系统
CN108668865A (zh) * 2018-07-13 2018-10-19 北京新水源景科技股份有限公司 一种物联网智能灌溉综合管理系统
CN109345137A (zh) * 2018-10-22 2019-02-15 广东精点数据科技股份有限公司 一种基于农业大数据的异常值检测方法
CN110287992A (zh) * 2019-05-22 2019-09-27 广东精点数据科技股份有限公司 基于大数据的农业特征信息提取方法
CN209471380U (zh) * 2019-03-18 2019-10-08 河南锐利特计算机科技有限公司 基于物联网的农业用水计量及自动控制装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203748358U (zh) * 2014-03-24 2014-08-06 河南邦友科技有限公司 基于物联网的精准灌溉装置
CN108681352A (zh) * 2018-04-10 2018-10-19 南京瑞可荣智信息科技有限公司 智能灌溉监测与控制系统
CN108668865A (zh) * 2018-07-13 2018-10-19 北京新水源景科技股份有限公司 一种物联网智能灌溉综合管理系统
CN109345137A (zh) * 2018-10-22 2019-02-15 广东精点数据科技股份有限公司 一种基于农业大数据的异常值检测方法
CN209471380U (zh) * 2019-03-18 2019-10-08 河南锐利特计算机科技有限公司 基于物联网的农业用水计量及自动控制装置
CN110287992A (zh) * 2019-05-22 2019-09-27 广东精点数据科技股份有限公司 基于大数据的农业特征信息提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
侯莉莎: "《云计算与物联网技术》", 31 May 2017, 电子科技大学出版社 *
吴普特等: "《黄土高原林草植被建设高校用水技术》", 30 November 2002, 西北农林科技大学出版社 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113030726A (zh) * 2021-03-24 2021-06-25 河南中烟工业有限责任公司 基于数据驱动的电机状态监测方法及系统

Similar Documents

Publication Publication Date Title
Charania et al. Smart farming: Agriculture's shift from a labor intensive to technology native industry
Ardiansah et al. Greenhouse monitoring and automation using Arduino: a review on precision farming and internet of things (IoT)
CN111507857A (zh) 一种基于物联网技术的数字化农业种植系统和方法
CN109470299A (zh) 一种基于物联网的作物生长信息监测系统和方法
CN105260894A (zh) 农业物联网农产品质量安全溯源的方法及其物联网系统
Thessler et al. Geosensors to support crop production: Current applications and user requirements
James Plant growth monitoring system, with dynamic user-interface
CN112506111A (zh) 一种基于大数据和云计算的农作物长势监控方法与系统
CN114743100B (zh) 一种农产品长势监测方法和系统
CN111260379A (zh) 农产品视频节点追踪方法
Abobatta Precision agriculture: A new tool for development
CN113342036A (zh) 一种农作物的精准管控系统及其管控方法
Sarkar et al. A comprehensive study on the emerging effect of artificial intelligence in agriculture automation
CN112330149A (zh) 一种作物管理系统、方法、装置及电子设备
CN111201990A (zh) 一种基于物联网的农业种植浇灌系统及信息处理方法
CN113377141A (zh) 一种人工智能农业自动管理系统
US20120053706A1 (en) Device for controlling and profiling field conditions and method therefor
Zengeya et al. The adoption of the Internet of Things for smart agriculture in Zimbabwe
CN204788466U (zh) 农业温室环境监测系统
Sarkar et al. Agronomy with IoT Devices: The Smart Solution for Detection of Diseases of Betel Leaves
CN205405153U (zh) 智能农业种植系统
CN106371352A (zh) 一种耕地质量监测以及控制系统
CN112164041A (zh) 基于多尺度深度神经网络的黄龙病自动诊疗系统及方法
CN109615272A (zh) 一种基于互联网及智能的农业种植系统
AU2021103075A4 (en) A solar assisted climatic reader farming robotic system and its working method thereof

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: 20200529