CN113487444B - 一种基于区块链技术的大棚种植导航系统 - Google Patents
一种基于区块链技术的大棚种植导航系统 Download PDFInfo
- Publication number
- CN113487444B CN113487444B CN202110742409.0A CN202110742409A CN113487444B CN 113487444 B CN113487444 B CN 113487444B CN 202110742409 A CN202110742409 A CN 202110742409A CN 113487444 B CN113487444 B CN 113487444B
- Authority
- CN
- China
- Prior art keywords
- data
- module
- planting
- predicted
- greenhouse
- 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.)
- Active
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 12
- 235000013311 vegetables Nutrition 0.000 claims abstract description 144
- 238000003860 storage Methods 0.000 claims abstract description 78
- 238000003306 harvesting Methods 0.000 claims abstract description 47
- 238000013480 data collection Methods 0.000 claims abstract description 12
- 238000013500 data storage Methods 0.000 claims abstract description 9
- 230000002354 daily effect Effects 0.000 claims description 45
- 230000007613 environmental effect Effects 0.000 claims description 14
- 239000012634 fragment Substances 0.000 claims description 12
- 239000002689 soil Substances 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 14
- 240000003768 Solanum lycopersicum Species 0.000 description 14
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 9
- 240000008384 Capsicum annuum var. annuum Species 0.000 description 9
- 239000000284 extract Substances 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 240000008067 Cucumis sativus Species 0.000 description 1
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 1
- 241000220324 Pyrus Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000005058 diapause Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000021017 pears Nutrition 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000009423 ventilation 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
- 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
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (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技术的大棚种植导航系统,包括若干个大棚数据站和若干个市场数据站,大棚数据站设置在大棚中,大棚划分有蔬菜的种植畦,数据收集模块收集大棚内每畦蔬菜的种植数据,数据存储存证模块将种植数据存储并通过区块链存证,知识库模块包括若干种蔬菜的生长模型,市场数据站将销售数据存储并通过区块链存证,供需预测模块预测蔬菜收获期市场的供需关系,根据生长模型获得预测产量,根据预测价格和预测产量获得每种蔬菜的种植预测收益,将每种蔬菜的种植预测收益降序排列作为导航结果展示给农户。本发明的实质性效果是:指导农户种植使得预测收益最大的输出种类进行种植,有助于维护供需平衡。
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技术的大棚种植导航系统。
背景技术
蔬菜种植大棚具有良好的保温效果,可以延长蔬菜种植时间,提高冬春季蔬菜产量,实现蔬菜周年供应。这对于提高农民收入,丰富市民的菜篮子,提高全民健康水平都具有重要的意义。但实际应用中,也出现了蔬菜种植大棚亏损的情况。究其原因除种植水平欠缺,水肥、田间管理不善之外,选择种植品种具有盲目性也是其中的重要原因。有的种植农户看到一种蔬菜很有市场,就会盲目性的把名下所有蔬菜大棚都换种这种蔬菜。甚至其他人看到了也有可能进行跟风。如果大量的种植大棚都种同一种蔬菜,就会导致短期的供需失衡,而蔬菜的保质期又较短,农户只能降价销售,导致收入大幅降低。出现这种情况的原因是目前的大棚种植多关注种植技术和水肥管理,但缺乏对市场供需情况的关注,而农户对市场信息的掌握也十分匮乏。因而急需研制一种能够为大棚种植农户提供种植指导的技术方案。
发明内容
本发明要解决的技术问题是:目前蔬菜大棚种植缺乏供需关系指导的技术问题。提出了一种基于区块链技术的大棚种植导航系统,本导航系统能够为农户选择蔬菜品种和种植时间提供指导,有助于维护市场供需平衡,维护市场各方利益。
为解决上述技术问题,本发明所采取的技术方案为:一种基于区块链技术的大棚种植导航系统,包括若干个大棚数据站和若干个市场数据站,所述大棚数据站设置在大棚中,大棚数据站包括数据收集模块、数据存储存证模块、知识库模块、供需预测模块和种植导航模块,大棚划分有蔬菜的种植畦,所述种植畦为蔬菜的最小种植单位,数据收集模块收集大棚内每畦蔬菜的种植数据,数据存储存证模块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、面积和生长环境数据,所述知识库模块包括若干种蔬菜的生长模型,所述市场数据站设置在农贸批发市场中,接入市场的每日的销售数据,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,所述供需预测模块预测蔬菜收获期市场的供需关系,所述种植导航模块根据供需预测模块预测的供需关系获得每种蔬菜的预测价格,根据生长模型获得预测产量,根据预测价格和预测产量获得每种蔬菜的种植预测收益,将每种蔬菜的种植预测收益降序排列作为导航结果展示给农户。
作为优选,所述数据收集模块包括传感器接入模块、指令接入模块和存储存证模块,所述传感器接入模块接入大棚内的环境数据,所述环境数据由环境传感器采集获得,所述环境传感器包括空气温湿度传感器、CO2浓度传感器、土壤温湿度传感器、土壤酸碱度传感器和光照传感器,所述指令接入模块与大棚控制器连接,同步大棚控制器收集到的棚内环境数据和控制指令数据,所述存储存证模块将传感器接入模块和指令接入模块收集到的数据存储,通过区块链进行存证固定。
作为优选,所述存储存证模块识别控制指令数据,根据控制指令发出的时间、控制对象和控制动作,从所述传感器接入模块收集到的数据中,尝试寻找控制指令在预设时间长度内所影响到的环境数据作为关联环境数据,将找到关联环境数据的控制指令打标,周期性统计控制指令中被打标的控制指令的占比,作为有效响应占比。
作为优选,所述市场数据站包括若干个交易录入模块、数据缓存模块、统计模块、同步模块和存储设备,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识点,所述标识点占用预设长度的存储空间,提取最新的两个标识点之间批发交易信息的哈希值作为标识哈希值,提取标识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,存入最新的标识点,从最新的两个标识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识点;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,验证标识哈希值、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,所述存储轨具有编号,所述存储轨的特征哈希值大小顺序与编号顺序相同,若存在存储轨无法找到满足要求的数据片段,则全部存储轨均减小数据片段的长度,重新建立特征哈希值。
作为优选,所述供需预测模块周期性读取全部市场数据站的销售数据,统计每种蔬菜在每年中每日的平均销量和平均售价,所述供需预测模块接收到导航请求时,遍历预设的蔬菜品种列表,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、面积和生长环境数据,代入相应的生长模型获得预期收获期蔬菜预测产量,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,计算每日预测总产量,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,将收获期内的每日预测总产量与每日预测售价的积求和,获得当前蔬菜种类每畦的种植预测收益,遍历预设的蔬菜品种列表后,获得全部蔬菜的种植预测收益,展示给请求导航的农户。
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分别降序排列,并展示给农户。
作为优选,所述供需预测模块周期性读取全部市场数据站的销售数据,统计每种蔬菜在每年中每日的平均销量和平均售价,所述供需预测模块接收到导航请求时,遍历预设的蔬菜品种列表,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、面积和生长环境数据,代入相应的生长模型获得预期收获期中每日的蔬菜预测产量,蔬菜预测产量乘以修正系数进行修正,所述修正系数等于有效响应占比的N次方,全部大棚修正后的预测产量的和作为当日蔬菜的预测总产量,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,获得当前蔬菜种类每畦的种植预测收益,遍历预设的蔬菜品种列表后,获得全部蔬菜的种植预测收益,展示给请求导航的农户。
本发明的实质性效果是:通过预测蔬菜收获期的供需关系获得预测售价,从而获得预测收益,指导农户种植使得预测收益最大的输出种类进行种植,有助于维护供需平衡,保障农户的收益;结合区块链使种植数据和销售数据真实可信,使农户能够放心按照导航结果进行种植;收集大量真实可信的种植数据和销售数据,为监管部门掌握蔬菜供需情况,进而进行政策制定提供有效的参考。
附图说明
图1为实施例一大棚种植导航系统结构示意图。
图2为实施例一数据收集模块结构示意图。
图3为实施例一市场数据站结构示意图。
图4为实施例一数据缓存模块工作示意图。
其中:10、大棚数据站,11、数据收集模块,12、数据存储存证模块,13、知识库模块,14、种植导航模块,15、供需预测模块,20、市场数据站,21、交易录入模块,22、数据缓存模块,23、统计模块,24、同步模块,25、存储设备,31、空气温湿度传感器,32、CO2浓度传感器,33、土壤温湿度传感器,34、土壤酸碱度传感器,35、光照传感器,40、大棚控制器,50、区块链,111、传感器接入模块,112、指令接入模块,221、存储轨,222、标识点,223、批发交易信息,224、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:
一种基于区块链50技术的大棚种植导航系统,包括若干个大棚数据站10和若干个市场数据站20,请参阅附图1,大棚数据站10设置在大棚中,大棚数据站10包括数据收集模块11、数据存储存证模块12、知识库模块13、供需预测模块15和种植导航模块14,大棚划分有蔬菜的种植畦,种植畦为蔬菜的最小种植单位,数据收集模块11收集大棚内每畦蔬菜的种植数据,数据存储存证模块12将种植数据存储并通过区块链50存证,种植数据包括蔬菜种类、种植日期、面积和生长环境数据,知识库模块13包括若干种蔬菜的生长模型,市场数据站20设置在农贸批发市场中,接入市场的每日的销售数据,将销售数据存储并通过区块链50存证,销售数据包括种类、销量和售价,供需预测模块15预测蔬菜收获期市场的供需关系,种植导航模块14根据供需预测模块15预测的供需关系获得每种蔬菜的预测价格,根据生长模型获得预测产量,根据预测价格和预测产量获得每种蔬菜的种植预测收益,将每种蔬菜的种植预测收益降序排列作为导航结果展示给农户。虽然农产品的销售地区并没有任何限制,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,由于其供销关系通常在一定的时期内比较稳定,产地的主要销售地也较为稳定。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。一定时期内,地区内种植大棚产出的蔬菜销往的农贸批发市场均接入了本系统,即可为该地区的种植大棚提供导航。
请参阅附图2,数据收集模块11包括传感器接入模块111、指令接入模块112和存储存证模块,传感器接入模块111接入大棚内的环境数据,环境数据由环境传感器采集获得,环境传感器包括空气温湿度传感器31、CO2浓度传感器32、土壤温湿度传感器33、土壤酸碱度传感器34和光照传感器35,指令接入模块112与大棚控制器40连接,同步大棚控制器40收集到的棚内环境数据和控制指令数据,存储存证模块将传感器接入模块111和指令接入模块112收集到的数据存储,通过区块链50进行存证固定。
存储存证模块识别控制指令数据,根据控制指令发出的时间、控制对象和控制动作,从传感器接入模块111收集到的数据中,尝试寻找控制指令在预设时间长度内所影响到的环境数据作为关联环境数据,将找到关联环境数据的控制指令打标,周期性统计控制指令中被打标的控制指令的占比,作为有效响应占比。如打开通风口,则棚内温度应该具有与外界温度变得相同的变化趋势,若没有变得相同的趋势,则表示大棚设备可能存在损坏或故障。大棚设备出现损坏或故障会导致减产。
市场数据站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、同步模块24和存储设备25,请参阅附图3,交易录入模块21设置在每个批发档口,录入批发交易信息223,批发交易信息223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223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223交由同步模块24存储到存储设备25中;统计模块23读取数据缓存模块22记录的批发交易信息223,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50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25,而后清空数据缓存模块22。
数据缓存模块22为每个交易录入模块21开辟有存储轨221,请参阅附图4,存储轨221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223存入存储轨221,数据缓存模块22周期性在存储轨221建立标识点222,标识点222占用预设长度的存储空间,提取最新的两个标识点222之间批发交易信息223的哈希值作为标识哈希值,提取标识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,存入最新的标识点222,从最新的两个标识点222之间批发交易信息223中尝试截取预设长度的数据片段224,将数据片段224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221的特征哈希值的末尾若干位取值相同,将截取的数据片段224存入标识点222;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223,验证标识哈希值、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221的数据,并发出告警,若验证自洽则从批发交易信息223中统计每种蔬菜的销量和平均售价,将存储轨221的数据、统计结果交由同步模块24存储到存储设备25中。
如一个存储轨221的标识哈希值末尾3位为A28,则其他存储轨221的特征哈希值末尾3位也必须取值A28,末尾3位取值A28的概率为16的3次方分之一,为1/4096。因而尝试截取4千次子数据,概率学上来讲,会至少满足一次末尾取值为A28的特征哈希值。若因批发档口数量较多,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,若批发档口数量较少,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。
存储轨221具有编号,存储轨221的特征哈希值大小顺序与编号顺序相同,若存在存储轨221无法找到满足要求的数据片段224,则全部存储轨221均减小数据片段224的长度,重新建立特征哈希值。如编号01的备份存储空间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的备份存储空间中的子数据与编号02一起提取的哈希值要小。
供需预测模块15周期性读取全部市场数据站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,供需预测模块15接收到导航请求时,遍历预设的蔬菜品种列表,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、面积和生长环境数据,代入相应的生长模型获得预期收获期蔬菜预测产量,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,计算每日预测总产量,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,将收获期内的每日预测总产量与每日预测售价的积求和,获得当前蔬菜种类每畦的种植预测收益,遍历预设的蔬菜品种列表后,获得全部蔬菜的种植预测收益,展示给请求导航的农户。
生长模型的建立有两种方式,一种是收集大棚内的蔬菜的生长环境数据,包括温湿度、土壤温湿度、土壤酸碱度、平均CO2浓度、光照强度和光照时长,并在蔬菜成熟后记录蔬菜的产量,将温湿度、土壤温湿度、土壤酸碱度、平均CO2浓度、光照强度和光照时长关联单位产量,作为样本数据。收集足够多的样本数据后,建立并训练神经网络模型,训练出的神经网络模型即为该种蔬菜的生长模型。另外一种方式是采用现有技术公开的生长模型。如文献:“褚金翔;温室番茄生长发育模型建立与参数实验研究[D];中国农业科学院;2008年”、“倪纪恒;温室番茄生长发育模拟模型研究[D];南京农业大学;2005年”以及“王会军;温室黄瓜生长发育模拟模型的研究[D];中国农业大学;2004年”所记载的蔬菜生长发育模型。
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分别降序排列,并展示给农户。
供需预测模块15周期性读取全部市场数据站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,供需预测模块15接收到导航请求时,遍历预设的蔬菜品种列表,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、面积和生长环境数据,代入相应的生长模型获得预期收获期中每日的蔬菜预测产量,蔬菜预测产量乘以修正系数进行修正,修正系数等于有效响应占比的N次方,全部大棚修正后的预测产量的和作为当日蔬菜的预测总产量,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,获得当前蔬菜种类每畦的种植预测收益,遍历预设的蔬菜品种列表后,获得全部蔬菜的种植预测收益,展示给请求导航的农户。
本实施例的有益技术效果是:通过预测蔬菜收获期的供需关系获得预测售价,从而获得预测收益,指导农户种植使得预测收益最大的输出种类进行种植,有助于维护供需平衡,保障农户的收益;结合区块链50使种植数据和销售数据真实可信,使农户能够放心按照导航结果进行种植;收集大量真实可信的种植数据和销售数据,为监管部门掌握蔬菜供需情况,进而进行政策制定提供有效的参考。
实施例二:
一种基于区块链50技术的大棚种植导航系统,应用于某地区蔬菜大棚种植导航。农户在蔬菜大棚中建立有用于种植的菜畦,即种植畦。种植畦的种植品种相同,管培措施相同。每块种植畦的面积不定,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。也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40中,录入方式有大棚控制器40提供。大棚数据站10通过与大棚控制器40同步获得畦和畦的面积。
该地区蔬菜大棚产出的蔬菜主要销往的蔬菜批发市场建立批发数据站,批发数据站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,则由其他供货渠道补充,对涨价暂不做考虑。维持价格不变和涨价,对于本实施例的工作过程影响不大,本导航系统主要目的是帮助农户应对滞销降价的风险。
供需预测模块15定期工作,或响应农户的请求工作,供需预测模块15与大棚数据站10和市场数据站20连接,获得地区的大棚的种植数据和销售数据。由知识库模块13得知,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。
由知识库模块13得知青椒所选品种的种植期约90天,收获期20天。供需预测模块15与其他种植数据站建立通信,获得在20天前至1天前,青椒种植量未出现明显的集中种植,因而供需预测模块15判断今天种下青椒,90天至110天的收获期内,青椒不会出现供大于求的情况,即预测价格为9.2元每公斤。因而预测青椒将以9.2元每公斤的价格进行销售,结合农户提交的种植畦的面积,获得预测收益。种植导航模块14将西红柿和青椒的种植预测收益降序排列作为导航结果展示给农户。农户选择其中预测收益最高的农作物进行种植。
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 (6)
1.一种基于区块链技术的大棚种植导航系统,其特征在于,
包括若干个大棚数据站和若干个市场数据站,所述大棚数据站设置在大棚中,大棚数据站包括数据收集模块、数据存储存证模块、知识库模块、供需预测模块和种植导航模块,
大棚划分有蔬菜的种植畦,数据收集模块收集大棚内每畦蔬菜的种植数据,数据存储存证模块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、面积和生长环境数据,所述知识库模块包括若干种蔬菜的生长模型,
所述市场数据站设置在农贸批发市场中,接入市场的每日的销售数据,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,
所述供需预测模块预测蔬菜收获期市场的供需关系,所述种植导航模块根据供需预测模块预测的供需关系获得每种蔬菜的预测价格,根据生长模型获得预测产量,根据预测价格和预测产量获得每种蔬菜的种植预测收益,将每种蔬菜的种植预测收益降序排列作为导航结果展示给农户;
所述市场数据站包括若干个交易录入模块、数据缓存模块、统计模块、同步模块和存储设备,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、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;
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识点,所述标识点占用预设长度的存储空间,提取最新的两个标识点之间批发交易信息的哈希值作为标识哈希值,提取标识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,存入最新的标识点,从最新的两个标识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识点;
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,验证标识哈希值、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。
2.根据权利要求1所述的一种基于区块链技术的大棚种植导航系统,其特征在于,
所述数据收集模块包括传感器接入模块、指令接入模块和存储存证模块,所述传感器接入模块接入大棚内的环境数据,所述环境数据由环境传感器采集获得,所述环境传感器包括空气温湿度传感器、CO2浓度传感器、土壤温湿度传感器、土壤酸碱度传感器和光照传感器,所述指令接入模块与大棚控制器连接,同步大棚控制器收集到的棚内环境数据和控制指令数据,所述存储存证模块将传感器接入模块和指令接入模块收集到的数据存储,通过区块链进行存证固定。
3.根据权利要求2所述的一种基于区块链技术的大棚种植导航系统,其特征在于,
所述存储存证模块识别控制指令数据,根据控制指令发出的时间、控制对象和控制动作,从所述传感器接入模块收集到的数据中,尝试寻找控制指令在预设时间长度内所影响到的环境数据作为关联环境数据,将找到关联环境数据的控制指令打标,周期性统计控制指令中被打标的控制指令的占比,作为有效响应占比。
4.根据权利要求1至3任一项所述的一种基于区块链技术的大棚种植导航系统,其特征在于,
所述存储轨具有编号,所述存储轨的特征哈希值大小顺序与编号顺序相同,若存在存储轨无法找到满足要求的数据片段,则全部存储轨均减小数据片段的长度,重新建立特征哈希值。
5.根据权利要求1至3任一项所述的一种基于区块链技术的大棚种植导航系统,其特征在于,
所述供需预测模块周期性读取全部市场数据站的销售数据,统计每种蔬菜在每年中每日的平均销量和平均售价,
所述供需预测模块接收到导航请求时,遍历预设的蔬菜品种列表,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、面积和生长环境数据,代入相应的生长模型获得预期收获期蔬菜预测产量,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,计算每日预测总产量,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,
将收获期内的每日预测总产量与每日预测售价的积求和,获得当前蔬菜种类每畦的种植预测收益,遍历预设的蔬菜品种列表后,获得全部蔬菜的种植预测收益,展示给请求导航的农户。
6.根据权利要求3所述的一种基于区块链技术的大棚种植导航系统,其特征在于,
所述供需预测模块周期性读取全部市场数据站的销售数据,统计每种蔬菜在每年中每日的平均销量和平均售价,
所述供需预测模块接收到导航请求时,遍历预设的蔬菜品种列表,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、面积和生长环境数据,代入相应的生长模型获得预期收获期中每日的蔬菜预测产量,蔬菜预测产量乘以修正系数进行修正,所述修正系数等于有效响应占比的N次方,全部大棚修正后的预测产量的和作为当日蔬菜的预测总产量,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,获得当前蔬菜种类每畦的种植预测收益,遍历预设的蔬菜品种列表后,获得全部蔬菜的种植预测收益,展示给请求导航的农户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110742409.0A CN113487444B (zh) | 2021-07-01 | 2021-07-01 | 一种基于区块链技术的大棚种植导航系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110742409.0A CN113487444B (zh) | 2021-07-01 | 2021-07-01 | 一种基于区块链技术的大棚种植导航系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113487444A CN113487444A (zh) | 2021-10-08 |
CN113487444B true CN113487444B (zh) | 2024-05-24 |
Family
ID=77937382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110742409.0A Active CN113487444B (zh) | 2021-07-01 | 2021-07-01 | 一种基于区块链技术的大棚种植导航系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487444B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732435A (zh) * | 2015-04-03 | 2015-06-24 | 中国农业科学院农业信息研究所 | 一种农产品供需撮合系统与方法 |
CN108109006A (zh) * | 2017-12-20 | 2018-06-01 | 黑龙江省农业信息中心 | 农产品市场监控预警系统 |
CN109064226A (zh) * | 2018-07-27 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 农副产品供需预测及监控方法、装置、设备、存储介质 |
JP2018205850A (ja) * | 2017-05-31 | 2018-12-27 | 株式会社地産地消推進機構 | 需給調整システム及び需給調整方法 |
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 |
CN112260835A (zh) * | 2020-09-14 | 2021-01-22 | 浙江数秦科技有限公司 | 一种基于区块链的在线过程取证与存证方法 |
-
2021
- 2021-07-01 CN CN202110742409.0A patent/CN113487444B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732435A (zh) * | 2015-04-03 | 2015-06-24 | 中国农业科学院农业信息研究所 | 一种农产品供需撮合系统与方法 |
JP2018205850A (ja) * | 2017-05-31 | 2018-12-27 | 株式会社地産地消推進機構 | 需給調整システム及び需給調整方法 |
CN108109006A (zh) * | 2017-12-20 | 2018-06-01 | 黑龙江省农业信息中心 | 农产品市场监控预警系统 |
CN109064226A (zh) * | 2018-07-27 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 农副产品供需预测及监控方法、装置、设备、存储介质 |
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 |
CN112260835A (zh) * | 2020-09-14 | 2021-01-22 | 浙江数秦科技有限公司 | 一种基于区块链的在线过程取证与存证方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113487444A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113592147B (zh) | 基于区块链的农业生产地区调控系统 | |
US8671006B2 (en) | System and method for managing and predicting crop performance | |
Höglind et al. | Process-based simulation of growth and overwintering of grassland using the BASGRA model | |
KR20160040672A (ko) | 재배 지원 장치, 재배 지원 방법, 및 프로그램을 저장하는 기록 매체 | |
CN108738733A (zh) | 一种水稻种质资源长期保存的方法 | |
CN116362399A (zh) | 一种基于气候变化的小麦物候期和产量预测方法及系统 | |
CN110414859B (zh) | 一种基于物联网技术的稻谷收储作业5t评价方法 | |
CN111275569A (zh) | 一种烤烟产区生态特征测定方法、系统、存储介质、终端 | |
CN113487444B (zh) | 一种基于区块链技术的大棚种植导航系统 | |
CN116703083B (zh) | 一种基于人工智能的可控农业栽培管理系统及方法 | |
Zhen et al. | Impact of fruiting on gas exchange, water fluxes and frond development in irrigated date palms | |
CN113469831B (zh) | 基于区块链技术的农时导航系统 | |
CN113902215B (zh) | 一种棉花延迟型冷害动态的预报方法 | |
CN113469743B (zh) | 基于区块链的大棚种植收益预测系统 | |
CN115545305A (zh) | 一种作物移栽期时间预测方法及系统 | |
Sun et al. | Study of tomato growth weight-distribution model based on real-time plant weight in a solar greenhouse | |
Zhang et al. | PVIDSS: developing a WSN-based irrigation decision support system (IDSS) for viticulture in protected area, Northern China | |
CN110751322B (zh) | 一种基于大数据分析预测的荔枝控梢促花管理方法 | |
Arkin et al. | The future role of a crop model in large area yield estimating | |
Ting et al. | Decision support system for single truss tomato production | |
Crozat et al. | Age-related abscission patterns of cotton fruiting forms: timing of the end of abscission susceptibility in relation to water content and growth of the boll | |
Harris et al. | Irrigation Scheduling in the Oklahoma Panhandle: An Application of Stochasitc Efficiency and Optimal Control Analyses | |
CN113469392A (zh) | 基于区块链的农产品预定系统 | |
JP7218971B1 (ja) | 広告提供システム | |
CN117852912A (zh) | 一种作物种植收益测算方法和系统 |
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 |