CN113469743A - 基于区块链的大棚种植收益预测系统 - Google Patents
基于区块链的大棚种植收益预测系统 Download PDFInfo
- Publication number
- CN113469743A CN113469743A CN202110742423.0A CN202110742423A CN113469743A CN 113469743 A CN113469743 A CN 113469743A CN 202110742423 A CN202110742423 A CN 202110742423A CN 113469743 A CN113469743 A CN 113469743A
- Authority
- CN
- China
- Prior art keywords
- data
- hash value
- planting
- greenhouse
- storage
- 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
- 235000013311 vegetables Nutrition 0.000 claims abstract description 72
- 238000003306 harvesting Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000003860 storage Methods 0.000 claims description 143
- 238000013500 data storage Methods 0.000 claims description 20
- 238000012795 verification Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 230000002354 daily effect Effects 0.000 description 19
- 240000003768 Solanum lycopersicum Species 0.000 description 12
- 240000008384 Capsicum annuum var. annuum Species 0.000 description 11
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 11
- 238000007726 management method Methods 0.000 description 11
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 10
- 239000000284 extract Substances 0.000 description 7
- 230000003203 everyday effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 201000004569 Blindness Diseases 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 244000082204 Phyllostachys viridis Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 108010064539 amyloid beta-protein (1-42) Proteins 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000002985 plastic film Substances 0.000 description 1
- 229920006255 plastic film Polymers 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Human Resources & Organizations (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Agronomy & Crop Science (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
Abstract
本发明涉及区块链技术领域,具体涉及一种基于区块链的大棚种植收益预测系统,包括:若干个大棚数据站,大棚划分有蔬菜的种植畦收集大棚内每畦蔬菜的种植数据,将种植数据存储并通过区块链存证,若干个批发数据站,接入批发市场的销售数据,将销售数据存储并通过区块链存证,收益预测站,收益预测站预测每种蔬菜的产量和收获期,与全部大棚数据站和批发数据站通信,获得同收获期同种蔬菜的总产量、收获期批发市场总销量及售价,获得售价的调整系数,将产量、调整系数和售价的乘积作为畦的预测收益。本发明的实质性效果是:为大棚农户种植提供指导数据,提高选择种植的科学性,有助于维护市场供需平衡,保障市场参与方各方利益。
Description
技术领域
本发明涉及区块链技术领域,具体涉及一种基于区块链的大棚种植收益预测系统。
背景技术
蔬菜大棚是一种具有出色的保温性能的框架覆膜结构,它出现使得人们可以吃到反季节蔬菜。一般蔬菜大棚使用竹结构或者钢结构的骨架,上面覆上一层或多层保温塑料膜,这样就形成了一个温室空间。外膜很好地阻止内部蔬菜生长所产生的二氧化碳的流失,使棚内具有良好的保温效果。是一种能够忽视季节影响而长期获得蔬菜的种植方式。大棚种植能够满足市场上消费者对于新鲜蔬菜的需求。由于大棚蔬菜的利润高且能够持续获得利润,因而在我国获得广泛的推广使用。为保证大棚种植的利润,不仅需要精耕细作,进行良好的水肥管控和病虫害管控,还需要准确的把握市场需求,种植市场上比较紧俏的农作物。但目前种植品种需要农户根据经验自行判断,具有一定的盲目性。
中国专利CN112632076A,公开日2021年4月9日,公开了一种基于区块链的农作物种植管理方法,包括:区块链后台管理系统配置农作物种植现场管理的工作任务,并将工作任务发送至农作物种植人员客户端的区块链农产品管理系统;农作物种植人员通过区块链农产品管理系统接收工作任务,并根据工作任务要求采集相应工作项的数据,上传至区块链农产品管理系统,形成数据表单;区块链农产品管理系统对数据表单进行加密,形成加密数据表单;对加密数据表单进行数字签名后发送至区块链后台管理系统;区块链后台管理系统对包含数字签名的加密数据表单进行验证,并对验证后的数据表单进行统计分析。其技术方案虽然干预了农户的种植行为,但仅仅只是数据传输过程中的安全性和防篡改性,不能为供需平衡提供参考数据。
发明内容
本发明要解决的技术问题是:目前缺乏大棚种植农户种植缺乏指导,存在盲目性的技术问题。提出了一种基于区块链的大棚种植收益预测系统,能够根据市场供需情况,预测种植收益,从而为农户的种植种类提供指导。
为解决上述技术问题,本发明所采取的技术方案为:基于区块链的大棚种植收益预测系统,包括:若干个大棚数据站,所述大棚数据站设置在大棚中,大棚划分有蔬菜的种植畦,收集大棚内每畦蔬菜的种植数据,将种植数据存储并通过区块链存证,所述种植数据包括蔬菜种类、种植日期和面积,若干个批发数据站,设置在农贸批发市场中,接入批发市场的销售数据,将销售数据存储并通过区块链存证,所述销售数据包括种类、销量和售价,收益预测站,当农户的大棚存在空出的畦时,向收益预测站发送预测请求,所述收益预测站预测农户的大棚种植每种蔬菜的产量和收获期,与全部大棚数据站和批发数据站通信,获得同收获期同种蔬菜的总产量、收获期批发市场总销量及售价,根据总产量和总销量的大小关系,获得售价的调整系数,将产量、调整系数和售价的乘积作为畦的预测收益。
虽然农产品销路并没有任何限制,一个产地的农产品理论上可以销往全国任何地区甚至出口。但对于蔬菜而言,不仅通常销往国内,且在一定的时期内,还具有较为固定的供销渠道。而对于一个农贸市场而言,其主要供货源在一定的时期内而言,也基本是保持不变的。因而追踪一个产地主要销往的农贸批发市场,就可以基本实现追踪其市场需求情况。基于此获得供需关系的评估,进而对收益进行预测,为农户大棚种植提供指导数据。
作为优选,所述大棚数据站包括数据存储模块和数据存证模块,所述数据存储模块为每个种植畦开设顺序存储空间,所述数据存储模块与大棚控制器连接,从大棚控制器读取种植畦对应的环境数据,并存入所述顺序存储空间,所述数据存储模块以第一周期在顺序存储空间建立存证点,提取两个存证点之间的种植数据的哈希值作为存证哈希值,将所述存证哈希值存入所述存证点并提交给所述数据存证模块,所述数据存证模块为每个种植畦建立哈希值表和初始的关联哈希值,将数据存储模块提交的存证哈希值存入所述哈希值表,将哈希值表中最新的存证哈希值和关联哈希值一起提取哈希值,作为新的关联哈希值并存入哈希值表,所述数据存证模块以第二周期将最新的关联哈希值与种植畦标识和时间戳关联后,上传到区块链存储。
作为优选,所述数据存证模块在第一周期结束时,将接入的每个种植畦对应的关联哈希值的指定位取出,获得若干个N位数,将若干个所述N位数调整顺序,获得使得N位数一起提取的哈希值取值最小的排列顺序。上传数据到区块链存储是需要消耗资金的,大量而频繁的将关联哈希值上传区块链会导致相关成本大幅上升。在两次关联哈希值上传区块链之间,建立工作量证明,能够提高数据篡改的难度,从而使关联哈希值上传区块链的频率降低,降低成本。
作为优选,所述数据存储模块设有备份存储空间,所述备份存储空间包括若干个备份存储空间,备份存储空间与顺序存储空间一一对应,所述备份存储空间具有编号,当所述顺序存储空间产生新的存证点时,所述备份存储空间同步产生标识点,将最新的两个存证点之间的数据备份到对应的备份存储空间的最新的两个标识点之间,将最新的两个标识点之间的数据按预设大小打散为子数据,若干个备份存储空间之间交换子数据,备份存储空间最新的两个标识点之间的数据与备份存储空间的编号一起提取的哈希值作为标识哈希值,子数据交换后标识哈希值的大小顺序与备份存储空间编号顺序匹配。
作为优选,所述备份存储空间最新的标识哈希值的末尾若干位取值相同,若在预设时间内未找到使得标识哈希值的末尾若干位取值相同子数据交换方案,则进一步将子数据打散为更小的子数据并重新尝试交换,直到满足备份存储空间的标识哈希值的末尾若干位取值相同。
作为优选,所述批发数据站包括若干个交易录入模块、数据缓存模块、统计模块和同步模块,所述交易录入模块设置在每个批发档口,录入批发交易信息,批发交易信息包括交易时间、档口编号、交易对象、蔬菜种类、销量和售价,所述数据缓存模块与交易录入模块连接,所述交易录入模块将录入的批发交易信息写入所述数据缓存模块;批发交易日结束后,将数据缓存模块缓存的批发交易信息交由同步模块存储到存储设备中;所述统计模块读取所述数据缓存模块记录的批发交易信息,统计获得交易日的销售数据,所述销售数据包括蔬菜的种类、销量和售价,所述售价为以销量为权重计算获得的加权均值,提取销售数据的哈希值,关联时间戳后上传区块链存储,将交易日的销售数据关联时间戳、区块高度和区块哈希值后存储到存储设备,而后清空数据缓存模块。
作为优选,所述数据缓存模块为每个交易录入模块开辟有存储轨,所述存储轨采用顺序存储结构,所述数据缓存模块将收到的批发交易信息存入所述存储轨,所述数据缓存模块周期性在存储轨建立标记点,所述标记点占用预设长度的存储空间,提取最新的两个标记点之间批发交易信息的哈希值作为标记哈希值,提取标记哈希值和上一个存证点存储的关联哈希值一起提取哈希值,作为新的关联哈希值,存入最新的标记点,从最新的两个标记点之间批发交易信息中尝试截取预设长度的数据片段,将数据片段与关联哈希值一起提取哈希值作为特征哈希值,使得全部存储轨的特征哈希值的末尾若干位取值相同,将截取的数据片段存入标记点;所述统计模块在批发交易日结束后,读取数据缓存模块中的批发交易信息,验证标记哈希值、关联哈希值及特征哈希值是否自洽,若验证不自洽则删除整个存储轨的数据,并发出告警,若验证自洽则从批发交易信息中统计每种蔬菜的销量和平均售价,将存储轨的数据、统计结果交由同步模块存储到存储设备中。
作为优选,所述收益预测站周期性读取全部批发数据站的销售数据,统计每种蔬菜在每年中每日的平均销量和平均售价,所述收益预测站接收到预测请求时,根据请求预测的蔬菜品种,获得蔬菜的预期收获期,读取全部大棚数据站的数据,获得与预期收获期有重叠的同品种蔬菜的种植日期和面积,计算获得预期收获期中每日的蔬菜预测总产量,以日为单位,计算每日预测售价,每日预测售价等于调整系数与平均售价的积,所述调整系数等于当日平均销量除以预测总产量,按每畦的预测产量平均分配到收获期的每日作为每日预测产量,将收获期内的每日预测产量与每日预测售价的积求和,获得每畦的预测总收益。
作为优选,获得全部大棚中在未来一段时期内将空出的畦的总面积,在假设空出的畦全部种植同种蔬菜的情况下,计算获得预期收获期中每日的蔬菜第二预测总产量,计算每日的第二预测售价,预测售价等于第二调整系数与平均售价的积,所述第二调整系数等于当日平均销量除以第二预测总产量,将收获期内的每日预测产量与每日的第二预测售价的积求和,获得每畦的第二预测总收益,将预测总收益和第二预测总收益同时展示给农户。
本发明的实质性效果是:为大棚农户种植提供指导数据,提高选择种植的科学性,有助于维护市场供需平衡,保障市场参与方各方利益;通过区块链保证数据真实可信,使农户遵照收益预测进行种植行为的意愿强烈,提高参考价值;收集大量真实可信的数据,为大数据的建立提供了数据积累。
附图说明
图1为实施例一收益预测系统结构示意图。
图2为实施例一数据存储模块工作示意图。
图3为实施例一批发数据站结构示意图。
图4为实施例二数据缓存模块工作示意图。
其中:10、大棚数据站,20、批发数据站,30、收益预测站,40、种植畦,50、批发档口,60、区块链,11、存证点,12、顺序存储空间,13、备份存储空间,14、标识点,21、交易录入模块,22、数据缓存模块,23、统计模块,24、同步模块,221、特征哈希值,222、存储轨,223、标记哈希值,224、关联哈希值,225、数据片段。
具体实施方式
下面通过具体实施例,并结合附图,对本发明的具体实施方式作进一步具体说明。
实施例一:
基于区块链60的大棚种植收益预测系统,请参阅附图1,本实施例包括:
若干个大棚数据站10,大棚数据站10设置在大棚中,大棚划分有蔬菜的种植畦40,收集大棚内每畦蔬菜的种植数据,将种植数据存储并通过区块链60存证,种植数据包括蔬菜种类、种植日期和面积;
若干个批发数据站20,设置在农贸批发市场中,接入批发市场的销售数据,将销售数据存储并通过区块链60存证,销售数据包括种类、销量和售价;
收益预测站30,当农户的大棚存在空出的畦时,向收益预测站30发送预测请求,收益预测站30预测农户的大棚种植每种蔬菜的产量和收获期,与全部大棚数据站10和批发数据站20通信,获得同收获期同种蔬菜的总产量、收获期批发市场总销量及售价,根据总产量和总销量的大小关系,获得售价的调整系数,将产量、调整系数和售价的乘积作为畦的预测收益。
虽然农产品销路并没有任何限制,一个产地的农产品理论上可以销往全国任何地区甚至出口。但对于蔬菜而言,不仅通常销往国内,且在一定的时期内,还具有较为固定的供销渠道。而对于一个农贸市场而言,其主要供货源在一定的时期内而言,也基本是保持不变的。因而追踪一个产地主要销往的农贸批发市场,就可以基本实现追踪其市场需求情况。基于此获得供需关系的评估,进而对收益进行预测,为农户大棚种植提供指导数据。
大棚数据站10包括数据存储模块和数据存证模块,请参阅附图2,数据存储模块为每个种植畦40开设顺序存储空间12,数据存储模块与大棚控制器连接,从大棚控制器读取种植畦40对应的环境数据,并存入顺序存储空间12,数据存储模块以第一周期在顺序存储空间12建立存证点11,提取两个存证点11之间的种植数据的哈希值作为存证哈希值,将存证哈希值存入存证点11并提交给数据存证模块,数据存证模块为每个种植畦40建立哈希值表和初始的关联哈希值224,将数据存储模块提交的存证哈希值存入哈希值表,将哈希值表中最新的存证哈希值和关联哈希值224一起提取哈希值,作为新的关联哈希值224并存入哈希值表,数据存证模块以第二周期将最新的关联哈希值224与种植畦40标识和时间戳关联后,上传到区块链60存储。
数据存证模块在第一周期结束时,将接入的每个种植畦40对应的关联哈希值224的指定位取出,获得若干个N位数,将若干个N位数调整顺序,获得使得N位数一起提取的哈希值取值最小的排列顺序。上传数据到区块链60存储是需要消耗资金的,大量而频繁的将关联哈希值224上传区块链60会导致相关成本大幅上升。在两次关联哈希值224上传区块链60之间,建立工作量证明,能够提高数据篡改的难度,从而使关联哈希值224上传区块链60的频率降低,降低成本。如表1所示,某个周期结束后的关联哈希值224,数据存储模块共建立有5个种植畦40对应的顺序存储空间12,其最新的管理哈希值如表1中所示,将指定位的4位数取出,即首4位和末尾4位,共有10个4位数,10个4位数的排列组合共有10!= 3628800,即约362万个组合,需要遍历这些组合才能获得哈希值取值最小的排列顺序,是需要一定的时间的。能够提高数据篡改的难度。
表1 某个周期结束后的关联哈希值224
来源 | 周期哈希值52 | 起始4位、末尾4位数 |
种植畦401 | <u>5FA8</u>…F8F07678EFB1A<u>487D</u> | 5FA8、487D |
种植畦402 | <u>AB42</u>…AD3F1C9B2114E<u>1093</u> | AB42、1093 |
种植畦403 | <u>E158</u>…934B2B51DEE2F<u>7D8B</u> | E158、7D8B |
种植畦404 | <u>91E2</u>…816F95D366A4A<u>01EC</u> | 91E2、01EC |
种植畦405 | <u>C2E6</u>…59FF50CA777D2<u>0C3B</u> | C2E6、0C3B |
数据存储模块设有备份存储空间13,备份存储空间13包括若干个备份存储空间13,备份存储空间13与顺序存储空间12一一对应,备份存储空间13具有编号,当顺序存储空间12产生新的存证点11时,备份存储空间13同步产生标识点14,将最新的两个存证点11之间的数据备份到对应的备份存储空间13的最新的两个标识点14之间,将最新的两个标识点14之间的数据按预设大小打散为子数据,若干个备份存储空间13之间交换子数据,备份存储空间13最新的两个标识点14之间的数据与备份存储空间13的编号一起提取的哈希值作为标识哈希值,子数据交换后标识哈希值的大小顺序与备份存储空间13编号顺序匹配。如编号01的备份存储空间13中经过子数据交换后,与编号01一起提取哈希值,就需要比编号02的备份存储空间13中的子数据与编号02一起提取的哈希值小。但难度较低,与下面提出了要求标识哈希值的末尾若干位取值相同结合使用,就能够提供足够难度的工作量证明,且验证十分方便。
备份存储空间13最新的标识哈希值的末尾若干位取值相同,若在预设时间内未找到使得标识哈希值的末尾若干位取值相同子数据交换方案,则进一步将子数据打散为更小的子数据并重新尝试交换,直到满足备份存储空间13的标识哈希值的末尾若干位取值相同。如一个备份存储空间13的标识哈希值末尾3位为C9B,则其他备份存储空间13的末尾3位也必须取值C9B,末尾3位取值C9B的概率为16的3次方分之一,为1/4096。若因种植畦40数量较多,导致实际执行中需要消耗较长时间,可降低为末尾2位相同。反之,若种植畦40数量较少,导致实际执行中消耗时间过短,可以进一步增加要求相同的末尾数的数量。
请参阅附图3,批发数据站20包括若干个交易录入模块21、数据缓存模块22、统计模块23和同步模块24,交易录入模块21设置在每个批发档口50,录入批发交易信息,批发交易信息包括交易时间、档口编号、交易对象、蔬菜种类、销量和售价,数据缓存模块22与交易录入模块21连接,交易录入模块21将录入的批发交易信息写入数据缓存模块22;批发交易日结束后,将数据缓存模块22缓存的批发交易信息交由同步模块24存储到存储设备中;统计模块23读取数据缓存模块22记录的批发交易信息,统计获得交易日的销售数据,销售数据包括蔬菜的种类、销量和售价,售价为以销量为权重计算获得的加权均值,提取销售数据的哈希值,关联时间戳后上传区块链60存储,将交易日的销售数据关联时间戳、区块高度和区块哈希值后存储到存储设备,而后清空数据缓存模块22。
收益预测站30周期性读取全部批发数据站20的销售数据,统计每种蔬菜在每年中每日的平均销量和平均售价,收益预测站30接收到预测请求时,根据请求预测的蔬菜品种,获得蔬菜的预期收获期,读取全部大棚数据站10的数据,获得与预期收获期有重叠的同品种蔬菜的种植日期和面积,计算获得预期收获期中每日的蔬菜预测总产量,以日为单位,计算每日预测售价,每日预测售价等于调整系数与平均售价的积,调整系数等于当日平均销量除以预测总产量,按每畦的预测产量平均分配到收获期的每日作为每日预测产量,将收获期内的每日预测产量与每日预测售价的积求和,获得每畦的预测总收益。
获得全部大棚中在未来一段时期内将空出的畦的总面积,在假设空出的畦全部种植同种蔬菜的情况下,计算获得预期收获期中每日的蔬菜第二预测总产量,计算每日的第二预测售价,预测售价等于第二调整系数与平均售价的积,第二调整系数等于当日平均销量除以第二预测总产量,将收获期内的每日预测产量与每日的第二预测售价的积求和,获得每畦的第二预测总收益,将预测总收益和第二预测总收益同时展示给农户。
本实施例的有益技术效果:为大棚农户种植提供指导数据,提高选择种植的科学性,有助于维护市场供需平衡,保障市场参与方各方利益;通过区块链60保证数据真实可信,使农户遵照收益预测进行种植行为的意愿强烈,提高参考价值;收集大量真实可信的数据,为大数据的建立提供了数据积累。
实施例二:
基于区块链60的大棚种植收益预测系统,本实施例在实施例一的基础上,对批发数据站20的数据缓存模块22进行了具体的改进。请参阅附图4,本实施例中,数据缓存模块22为每个交易录入模块21开辟有存储轨222,存储轨222采用顺序存储结构,数据缓存模块22将收到的批发交易信息存入存储轨222,数据缓存模块22周期性在存储轨222建立标记点,标记点占用预设长度的存储空间,提取最新的两个标记点之间批发交易信息的哈希值作为标记哈希值223,提取标记哈希值223和上一个存证点11存储的关联哈希值224一起提取哈希值,作为新的关联哈希值224,存入最新的标记点,从最新的两个标记点之间批发交易信息中尝试截取预设长度的数据片段225,将数据片段225与关联哈希值224一起提取哈希值作为特征哈希值221,使得全部存储轨222的特征哈希值221的末尾若干位取值相同,将截取的数据片段225存入标记点;统计模块23在批发交易日结束后,读取数据缓存模块22中的批发交易信息,验证标记哈希值223、关联哈希值224及特征哈希值221是否自洽,若验证不自洽则删除整个存储轨222的数据,并发出告警,若验证自洽则从批发交易信息中统计每种蔬菜的销量和平均售价,将存储轨222的数据、统计结果交由同步模块24存储到存储设备中。本实施例通过在数据缓存模块22中建立工作量证明,有效提高了数据篡改的难度,提高了数据的可信度。上传区块链60是需要消耗资金的,档口的交易数据较多,如果上传区块链60进行存证,则需要消耗较多的资金。采用本实施例的技术方案同样提供了足够的可信度,节省了这笔资金,保证了可信销售数据的获取。
实施例三:
基于区块链60的大棚种植收益预测系统,应用于A市蔬菜大棚的收益预测中。A市的蔬菜批发市场由于供销关系较为稳定,每日所需蔬菜的约60%由本地蔬菜大棚供应,剩余40%由外省输入,且基本保持稳定。在A市的蔬菜大棚中设置大棚数据站10,大棚数据站10外形呈长方体盒子,具有用于建立无线通信或3/4/5G通信的天线,并安装有散热风扇。大棚数据站10应注意防水和保持稳定供电。农户在蔬菜大棚中建立有用于种植的菜畦,即种植畦40。种植畦40的种植品种相同,管培措施相同。每块种植畦40的面积不定,由农户自行规划,并将规划好的畦及畦的面积,通过外接输入终端输入大棚数据站10。可以采用智能手机通过互联网访问种植数据站的数据接收模块。也可以将畦的数据录入大棚控制器中,录入方式有大棚控制器提供。大棚数据站10通过与大棚控制器同步获得畦和畦的面积。
在A市的若干个蔬菜批发市场建立批发数据站20,批发数据站20硬件结构类似大棚数据站10。大棚数据站10接入大棚的种植数据,批发数据站20接入蔬菜批发市场的销售数据。本实施例中在批发交易市场批发交易的西红柿每日平均销量为53吨,平均售价为2.6元每公斤,青椒的每日平均销量为42吨,平均售价为9.2元每公斤。由于西红柿和青椒的常年都有比较平稳的需求,因而每日的需求比较稳定。本实施例不考虑需求的少量波动,认为需求稳定。若供大于求,则会造成滞销,滞销的西红柿将被以1.2元每公斤的价格低价处理,滞销的青椒将被以5.3元每公斤的价格低价处理。若本地的供应量不足,则由外省供货渠道补充。大棚数据站10和批发数据站20对种植数据和销售数据的存证同实施例一,在此不做重复叙述。
当农户的蔬菜大棚空出种植畦40时,通过智能手机访问收益预测站30,并将畦的面积和欲种植的农作物发送给收益预测站30。农户欲种植西红柿,在大棚环境控制条件下,西红柿种植周期约为140天,收获期30天,即140天后可以连续30天产出西红柿。种植密度采用推荐值,环境控制也采用农业科研部门给出的推荐控制模型,种植面积决定了总产量。将总产量平均分到收获期的30天中。收益预测站30与A市的全部的大棚数据站10进行通信,获得29天前至1天前种植下去的西红柿的数据,这些西红柿的收获期与今天开始种植的西红柿具有重叠。统计以今天为起点,140天至170天之间的30天内,每天的西红柿总收获量。由于29天前至1天前出现了密集种植的情况,导致30天的收获期中,有24天西红柿的产量大于需求量。因而预测30天的收获期中,有24天的售价为1.2元每公斤,有6天的售价为2.6元每公斤,结合农户提交的种植面积,计算获得总产量,将总产量均分到30天中,获得此时种植西红柿的预测收益,并展示给农户。
农户觉得西红柿收益偏低,于是由重新提交了预测种植青椒这种蔬菜的收益。青椒所选品种的种植期约90天,收获期20天。20天前至1天前,青椒种植量未出现明显的集中种植和少种植,因而收益预测站30获得今天种下青椒,90天至110天的收获期内,青椒不会出现供大于求的情况,即不会出现滞销。因而青椒预测将以9.2元每公斤的价格进行销售,结合农户提交的种植畦40的面积,获得预测收益,将预测收益反馈给农户。农户权衡后决定种植青椒。由于当天新种植的蔬菜,不会被收益预测站30,因而当天空出的种植畦40对同种蔬菜的收益预测,所得预测售价相同。会导致多个农户选择种植青椒,从而导致出现短期的滞销。为避免出现这种情况,农户之间应避免在同一天发出收益预测请求。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (8)
1.基于区块链的大棚种植收益预测系统,其特征在于,
包括:
若干个大棚数据站,所述大棚数据站设置在大棚中,大棚划分有蔬菜的种植畦,收集大棚内每畦蔬菜的种植数据,将种植数据存储并通过区块链存证,所述种植数据包括蔬菜种类、种植日期和面积,
若干个批发数据站,设置在农贸批发市场中,接入批发市场的销售数据,将销售数据存储并通过区块链存证,所述销售数据包括种类、销量和售价,
收益预测站,当农户的大棚存在空出的畦时,向收益预测站发送预测请求,所述收益预测站预测农户的大棚种植每种蔬菜的产量和收获期,与全部大棚数据站和批发数据站通信,获得同收获期同种蔬菜的总产量、收获期批发市场总销量及售价,根据总产量和总销量的大小关系,获得售价的调整系数,将产量、调整系数和售价的乘积作为畦的预测收益。
2.根据权利要求1所述的基于区块链的大棚种植收益预测系统,其特征在于,
所述大棚数据站包括数据存储模块和数据存证模块,所述数据存储模块为每个种植畦开设顺序存储空间,所述数据存储模块与大棚控制器连接,从大棚控制器读取种植畦对应的环境数据,并存入所述顺序存储空间,所述数据存储模块以第一周期在顺序存储空间建立存证点,提取两个存证点之间的种植数据的哈希值作为存证哈希值,将所述存证哈希值存入所述存证点并提交给所述数据存证模块,所述数据存证模块为每个种植畦建立哈希值表和初始的关联哈希值,将数据存储模块提交的存证哈希值存入所述哈希值表,将哈希值表中最新的存证哈希值和关联哈希值一起提取哈希值,作为新的关联哈希值并存入哈希值表,所述数据存证模块以第二周期将最新的关联哈希值与种植畦标识和时间戳关联后,上传到区块链存储。
3.根据权利要求2所述的基于区块链的大棚种植收益预测系统,其特征在于,
所述数据存储模块设有备份存储空间,所述备份存储空间包括若干个备份存储空间,备份存储空间与顺序存储空间一一对应,所述备份存储空间具有编号,当所述顺序存储空间产生新的存证点时,所述备份存储空间同步产生标识点,将最新的两个存证点之间的数据备份到对应的备份存储空间的最新的两个标识点之间,将最新的两个标识点之间的数据按预设大小打散为子数据,若干个备份存储空间之间交换子数据,备份存储空间最新的两个标识点之间的数据与备份存储空间的编号一起提取的哈希值作为标识哈希值,子数据交换后标识哈希值的大小顺序与备份存储空间编号顺序匹配。
4.根据权利要求3所述的基于区块链的大棚种植收益预测系统,其特征在于,
所述备份存储空间最新的标识哈希值的末尾若干位取值相同,若在预设时间内未找到使得标识哈希值的末尾若干位取值相同子数据交换方案,则进一步将子数据打散为更小的子数据并重新尝试交换,直到满足备份存储空间的标识哈希值的末尾若干位取值相同。
5.根据权利要求1至4任一项所述的基于区块链的大棚种植收益预测系统,其特征在于,
所述批发数据站包括若干个交易录入模块、数据缓存模块、统计模块和同步模块,所述交易录入模块设置在每个批发档口,录入批发交易信息,批发交易信息包括交易时间、档口编号、交易对象、蔬菜种类、销量和售价,所述数据缓存模块与交易录入模块连接,所述交易录入模块将录入的批发交易信息写入所述数据缓存模块;
批发交易日结束后,将数据缓存模块缓存的批发交易信息交由同步模块存储到存储设备中;
所述统计模块读取所述数据缓存模块记录的批发交易信息,统计获得交易日的销售数据,所述销售数据包括蔬菜的种类、销量和售价,所述售价为以销量为权重计算获得的加权均值,提取销售数据的哈希值,关联时间戳后上传区块链存储,将交易日的销售数据关联时间戳、区块高度和区块哈希值后存储到存储设备,而后清空数据缓存模块。
6.根据权利要求5所述的基于区块链的大棚种植收益预测系统,其特征在于,
所述数据缓存模块为每个交易录入模块开辟有存储轨,所述存储轨采用顺序存储结构,所述数据缓存模块将收到的批发交易信息存入所述存储轨,所述数据缓存模块周期性在存储轨建立标记点,所述标记点占用预设长度的存储空间,提取最新的两个标记点之间批发交易信息的哈希值作为标记哈希值,提取标记哈希值和上一个存证点存储的关联哈希值一起提取哈希值,作为新的关联哈希值,存入最新的标记点,从最新的两个标记点之间批发交易信息中尝试截取预设长度的数据片段,将数据片段与关联哈希值一起提取哈希值作为特征哈希值,使得全部存储轨的特征哈希值的末尾若干位取值相同,将截取的数据片段存入标记点;
所述统计模块在批发交易日结束后,读取数据缓存模块中的批发交易信息,验证标记哈希值、关联哈希值及特征哈希值是否自洽,若验证不自洽则删除整个存储轨的数据,并发出告警,若验证自洽则从批发交易信息中统计每种蔬菜的销量和平均售价,将存储轨的数据、统计结果交由同步模块存储到存储设备中。
7.根据权利要求1至4任一项所述的基于区块链的大棚种植收益预测系统,其特征在于,
所述收益预测站周期性读取全部批发数据站的销售数据,统计每种蔬菜在每年中每日的平均销量和平均售价,
所述收益预测站接收到预测请求时,根据请求预测的蔬菜品种,获得蔬菜的预期收获期,读取全部大棚数据站的数据,获得与预期收获期有重叠的同品种蔬菜的种植日期和面积,计算获得预期收获期中每日的蔬菜预测总产量,以日为单位,计算每日预测售价,每日预测售价等于调整系数与平均售价的积,所述调整系数等于当日平均销量除以预测总产量,
按每畦的预测产量平均分配到收获期的每日作为每日预测产量,将收获期内的每日预测产量与每日预测售价的积求和,获得每畦的预测总收益。
8.根据权利要求7所述的基于区块链的大棚种植收益预测系统,其特征在于,
获得全部大棚中在未来一段时期内将空出的畦的总面积,在假设空出的畦全部种植同种蔬菜的情况下,计算获得预期收获期中每日的蔬菜第二预测总产量,计算每日的第二预测售价,预测售价等于第二调整系数与平均售价的积,所述第二调整系数等于当日平均销量除以第二预测总产量,将收获期内的每日预测产量与每日的第二预测售价的积求和,获得每畦的第二预测总收益,将预测总收益和第二预测总收益同时展示给农户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110742423.0A CN113469743B (zh) | 2021-07-01 | 2021-07-01 | 基于区块链的大棚种植收益预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110742423.0A CN113469743B (zh) | 2021-07-01 | 2021-07-01 | 基于区块链的大棚种植收益预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113469743A true CN113469743A (zh) | 2021-10-01 |
CN113469743B CN113469743B (zh) | 2024-02-27 |
Family
ID=77876931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110742423.0A Active CN113469743B (zh) | 2021-07-01 | 2021-07-01 | 基于区块链的大棚种植收益预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469743B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109002725A (zh) * | 2018-07-19 | 2018-12-14 | 合肥工业大学 | 基于区块链的数据处理系统 |
CN109191003A (zh) * | 2018-09-25 | 2019-01-11 | 仲恺农业工程学院 | 基于区块链的果蔬农产品质量安全溯源系统 |
CN110084480A (zh) * | 2019-03-29 | 2019-08-02 | 南京星链高科技发展有限公司 | 一种基于区块链的农产品溯源方法 |
US20190244291A1 (en) * | 2018-02-02 | 2019-08-08 | Santeri Holdings LLC | Identifiable physical form, sales instruments, and information marketplace for commodity trades |
CN110189140A (zh) * | 2019-04-16 | 2019-08-30 | 北京农业信息技术研究中心 | 基于区块链的农产品溯源存证方法及溯源存证系统 |
WO2020115529A1 (en) * | 2018-12-05 | 2020-06-11 | Rudzika Kestutis | Method for implementing transfer pricing using blockchain |
CN211015616U (zh) * | 2020-02-12 | 2020-07-14 | 四川艾欧特智能科技有限公司 | 一种基于区块链技术的农产品质量安全监控系统 |
CN111899059A (zh) * | 2020-08-12 | 2020-11-06 | 科技谷(厦门)信息技术有限公司 | 一种基于区块链的航司收益管理动态定价方法 |
KR20200141760A (ko) * | 2019-06-11 | 2020-12-21 | 대한민국(관리부서: 행정안전부 국립과학수사연구원장) | 블록체인을 활용한 매출 정보관리시스템 및 블록체인을 활용한 매출 정보관리방법 |
-
2021
- 2021-07-01 CN CN202110742423.0A patent/CN113469743B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190244291A1 (en) * | 2018-02-02 | 2019-08-08 | Santeri Holdings LLC | Identifiable physical form, sales instruments, and information marketplace for commodity trades |
CN109002725A (zh) * | 2018-07-19 | 2018-12-14 | 合肥工业大学 | 基于区块链的数据处理系统 |
CN109191003A (zh) * | 2018-09-25 | 2019-01-11 | 仲恺农业工程学院 | 基于区块链的果蔬农产品质量安全溯源系统 |
WO2020115529A1 (en) * | 2018-12-05 | 2020-06-11 | Rudzika Kestutis | Method for implementing transfer pricing using blockchain |
CN110084480A (zh) * | 2019-03-29 | 2019-08-02 | 南京星链高科技发展有限公司 | 一种基于区块链的农产品溯源方法 |
CN110189140A (zh) * | 2019-04-16 | 2019-08-30 | 北京农业信息技术研究中心 | 基于区块链的农产品溯源存证方法及溯源存证系统 |
KR20200141760A (ko) * | 2019-06-11 | 2020-12-21 | 대한민국(관리부서: 행정안전부 국립과학수사연구원장) | 블록체인을 활용한 매출 정보관리시스템 및 블록체인을 활용한 매출 정보관리방법 |
CN211015616U (zh) * | 2020-02-12 | 2020-07-14 | 四川艾欧特智能科技有限公司 | 一种基于区块链技术的农产品质量安全监控系统 |
CN111899059A (zh) * | 2020-08-12 | 2020-11-06 | 科技谷(厦门)信息技术有限公司 | 一种基于区块链的航司收益管理动态定价方法 |
Non-Patent Citations (1)
Title |
---|
齐文娥;唐雯珊;: "农户农产品销售渠道的选择与评价――以广东省荔枝种植者为例", 中国农村观察, no. 06, pages 16 - 24 * |
Also Published As
Publication number | Publication date |
---|---|
CN113469743B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Creighton et al. | A survey analysis of grassland dairy farming in Ireland, investigating grassland management, technology adoption and sward renewal | |
Lamsal et al. | Harvest logistics in agricultural systems with multiple, independent producers and no on-farm storage | |
Zhang et al. | OR/MS decision support models for the specialty crops industry: a literature review | |
Flores et al. | A modeling framework for the strategic design of local fresh-food systems | |
US20130332205A1 (en) | System and method for establishing an insurance policy based on various farming risks | |
CN113592147B (zh) | 基于区块链的农业生产地区调控系统 | |
CN113256314B (zh) | 一种基于区块链的农产品溯源系统 | |
KR20190030403A (ko) | 가격과 비용의 신경망 학습을 기반으로 수직 농장의 작물의 출하를 예측하는 장치 및 방법 | |
Fernández Rosso et al. | An innovation path in Argentinean cow–calf operations: Insights from participatory farm system modelling | |
CN113469743A (zh) | 基于区块链的大棚种植收益预测系统 | |
De Beurs et al. | The effect of agricultural growing season change on market prices in Africa | |
CN113469831B (zh) | 基于区块链技术的农时导航系统 | |
CN113538143B (zh) | 一种基于区块链技术的蔬菜供应系统 | |
CN113487444B (zh) | 一种基于区块链技术的大棚种植导航系统 | |
Valdivia et al. | Rural livelihood strategies, assets, and economic portfolios in coping with climatic perturbations: A case study of the Bolivian Andes | |
CN113469392B (zh) | 基于区块链的农产品预定系统 | |
CN113537778B (zh) | 一种基于智能合约的农产品供应链系统 | |
CN113377727B (zh) | 基于区块链的农业数据共享系统 | |
Teixeira et al. | A review of pasture yields and growth rates in Northland | |
Harris et al. | Irrigation Scheduling in the Oklahoma Panhandle: An Application of Stochasitc Efficiency and Optimal Control Analyses | |
Hernández et al. | A Decision-Analytic, Simulation-Based Model for Plantation Management Under Uncertainty in a Competitive Environment | |
CN111210040A (zh) | 一种每日生鲜供应系统 | |
Sevier | Precision farming technology adoption in Florida citrus production: A survey and analysis, case study, and theoretical review | |
White et al. | Relocation of Intensive Agriculture to Northern Queensland The Cotton Industry | |
Zhang | Optimizing stocking rate for maximum return to a wheat–cattle enterprise using model simulation and economics |
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 | ||
GR01 | Patent grant |