CN113722369A - 田间监测数据预测方法、装置、设备和存储介质 - Google Patents
田间监测数据预测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113722369A CN113722369A CN202110970707.5A CN202110970707A CN113722369A CN 113722369 A CN113722369 A CN 113722369A CN 202110970707 A CN202110970707 A CN 202110970707A CN 113722369 A CN113722369 A CN 113722369A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- data
- field
- data prediction
- terminal
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 239000002689 soil Substances 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010801 machine learning Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- G06F16/23—Updating
-
- 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
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (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
本申请公开了一种田间监测数据预测方法,包括:查询数据预测请求信号中所请求的监测终端;向查询到的监测终端发送数据上传请求信号;更新监测终端的历史监测数据;将历史监测数据输入至一个数据预测模型以使数据预测模型输出预测监测数据;将多个预测监测数据输入至一个状态分析模型以使状态分析模型输出田间状态类型以及对应的田间状态类型的可能性百分比;判断可能性百分比是否满足预设阈值,如果是则将田间状态类型传输至用户终端,如果否则将田间状态类型以及对应的田间状态类型的可能性百分比直接发送至用户终端。本申请的有益之处在于通过机器学习的方式对收集的监测数据进行预测和分析从而帮助用户获知当前农田的情况。
Description
技术领域
本申请涉及田间监测技术领域,具体而言,涉及一种田间监测数据预测方法、装置、设备和存储介质。
背景技术
智能感知、移动嵌入与无线通信网络等现代信息技术的发展推动着田间监测技术的快速发展,现有的田间监测技术在数据采集和传输以及提高数据准确性等方向具有长足的发展。
但是,这些数据往往需要专业的农业专家和学者才能进行有效的分析,从而分析出农田的状态从而生成对应的灌溉或施肥策略。但是对于普通用户(农户等)即使获得了这些数据仍无法分析出农田状态,从而降低了田间监测系统的可用性。
发明内容
本申请的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本申请的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本申请的一些实施例提出了田间监测数据预测方法、装置、电子设备和计算机存储介质,来解决以上背景技术部分提到的技术问题。
作为本申请的第一方面,本申请的一些实施例提供了一种田间监测数据预测方法,包括:响应于用户终端发出的数据预测请求信号,查询数据预测请求信号中所请求的监测终端;向查询到的监测终端发送数据上传请求信号;响应于监测终端发送的最新监测数据,更新监测终端的历史监测数据;将历史监测数据输入至一个数据预测模型以使数据预测模型输出预测监测数据;将多个预测监测数据输入至一个状态分析模型以使状态分析模型输出田间状态类型以及对应的田间状态类型的可能性百分比;判断可能性百分比是否满足预设阈值,如果是则将田间状态类型传输至用户终端,如果否则将田间状态类型以及对应的田间状态类型的可能性百分比直接发送至用户终端。
作为本申请的第二方面,本申请的一些实施例提供了一种田间监测数据预测装置,包括:查询模块,用于响应于用户终端发出的数据预测请求信号,查询数据预测请求信号中所请求的监测终端;发送模块,用于向查询到的监测终端发送数据上传请求信号;更新模块,用于响应于监测终端发送的最新监测数据,更新监测终端的历史监测数据;预测模块,用于将历史监测数据输入至一个数据预测模型以使数据预测模型输出预测监测数据;状态模块,用于将多个预测监测数据输入至一个状态分析模型以使状态分析模型输出田间状态类型以及对应的田间状态类型的可能性百分比;判断模块,用于判断可能性百分比是否满足预设阈值,如果是则将田间状态类型传输至用户终端,如果否则将田间状态类型以及对应的田间状态类型的可能性百分比直接发送至用户终端。
作为本申请的第三方面,本申请的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
作为本申请的第四方面,本申请的一些实施例提供了一种计算机存储介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本申请的有益效果在于:通过机器学习的方式对收集的监测数据进行预测和分析从而帮助用户获知当前农田的情况。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。
另外,贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
在附图中:
图1是本申请的一些实施例的田间监测系统的示意图;
图2是根据本申请一种实施例的田间监测数据预测方法的流程图;
图3是根据本申请一种实施例的田间监测数据预测方法的一部分步骤的流程图;
图4是根据本申请一种实施例的田间监测数据预测方法的再一部分步骤的流程图;
图5是根据本申请一种实施例的田间监测数据预测装置的结构图;
图6是根据本申请一种实施例的电子设备的结构示意图。
图中附图标记的含义:
田间监测系统100,用户终端101,监测终端102,服务器103。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现, 而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“ 第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的, 而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参照图1所示,本申请的田间监测系统包括:用户终端、监测终端和服务器。
其中,用户终端可以被构造为智能手机,监测终端可以为土壤墒情监测设备、田间作物监测设备和田间气象监测设备中的一种或几种。用户终端和监测终端可以分别与服务器构成无线通讯连接以实现数据交互。
参照图2所示,本申请的一个实施例的田间监测数据预测方法,包括如下步骤:
S1:响应于用户终端发出的数据预测请求信号,查询数据预测请求信号中所请求的监测终端。
S2:向查询到的监测终端发送数据上传请求信号。
S3:响应于监测终端发送的最新监测数据,更新监测终端的历史监测数据。
S4:将历史监测数据输入至一个数据预测模型以使数据预测模型输出预测监测数据。
S5:将多个预测监测数据输入至一个状态分析模型以使状态分析模型输出田间状态类型以及对应的田间状态类型的可能性百分比。
S6:判断可能性百分比是否满足预设阈值,如果是则将田间状态类型传输至用户终端,如果否则将田间状态类型以及对应的田间状态类型的可能性百分比直接发送至用户终端。
参照图3所示,作为一种可选方案,步骤S1还包括如下步骤:
S111:解析用户终端发出的数据预测请求信号中的定位数据和设定的范围半径。
S112:根据定位数据和设定的范围半径获取一个圆形区域。
S113:根据监测终端的位置数据查询落入圆形区域的监测终端。
采用这样的方案,需要用户终端具有相应的权限,可以通过设置范围半径的方式选定圆形区域。
参照图4所示,作为一种可选方案,步骤S1还包括如下步骤:
S121:解析用户终端发出的数据预测请求信号中的监测终端的终端编号。
S122:根据终端编号查询监测终端。
采用这样的方案,可以精准的获取对应的监测终端,在具体操作上,可以在地图上显示监控终端的图标,然后通过点击方式选择对应监测终端。
作为扩展方案,可以将监控终端分成若干群组,然后通过选择群组的方式选择监控终端。
作为优选方案,数据预测模型为一个BP神经网络预测模型,其训练数据为既往的历史监测数据。BP神经网络预测模型用于数据预测为本领域技术人员所熟知的技术方案,在此不加赘述。
作为优选方案,状态分析模型为一个HMM模型,该HMM模型的可观测序列为各种监测终端的监测数据,包括但不限于:土壤墒情、土壤温度、作物密度、田间温度等。该HMM模型的隐藏状态序列包括但不限于:干旱、缺水、适中、湿润、过湿。利用历史数据构建HMM模型为本领域技术人员所熟知的技术方案,在此不加赘述。
在请求信号包含多个监测设备时,分别对数据进行预测和分析,然后统计出现结果最多的田间状态类型进行输出。
参照图5所示,作为一个实施例的田间监测数据预测装置,包括:查询模块,用于响应于用户终端发出的数据预测请求信号,查询数据预测请求信号中所请求的监测终端;发送模块,用于向查询到的监测终端发送数据上传请求信号;更新模块,用于响应于监测终端发送的最新监测数据,更新监测终端的历史监测数据;预测模块,用于将历史监测数据输入至一个数据预测模型以使数据预测模型输出预测监测数据;状态模块,用于将多个预测监测数据输入至一个状态分析模型以使状态分析模型输出田间状态类型以及对应的田间状态类型的可能性百分比;判断模块,用于判断可能性百分比是否满足预设阈值,如果是则将田间状态类型传输至用户终端,如果否则将田间状态类型以及对应的田间状态类型的可能性百分比直接发送至用户终端。
参照图6所示,电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM803中,还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806:包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808:以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备800,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM802被安装。在该计算机程序被处理装置801执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机存储介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,adhoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机存储介质可以是上述电子设备中所包含的:也可以是单独存在,而未装配入该电子设备中。上述计算机存储介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于用户终端发出的数据预测请求信号,查询数据预测请求信号中所请求的监测终端;向查询到的监测终端发送数据上传请求信号;响应于监测终端发送的最新监测数据,更新监测终端的历史监测数据;将历史监测数据输入至一个数据预测模型以使数据预测模型输出预测监测数据;将多个预测监测数据输入至一个状态分析模型以使状态分析模型输出田间状态类型以及对应的田间状态类型的可能性百分比;判断可能性百分比是否满足预设阈值,如果是则将田间状态类型传输至用户终端,如果否则将田间状态类型以及对应的田间状态类型的可能性百分比直接发送至用户终端。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言―诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言:诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。
也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。
例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种田间监测数据预测方法,包括:
响应于用户终端发出的数据预测请求信号,查询所述数据预测请求信号中所请求的监测终端;
向查询到的所述监测终端发送数据上传请求信号;
响应于所述监测终端发送的最新监测数据,更新所述监测终端的历史监测数据;
将所述历史监测数据输入至一个数据预测模型以使所述数据预测模型输出预测监测数据;
将多个所述预测监测数据输入至一个状态分析模型以使所述状态分析模型输出田间状态类型以及对应的田间状态类型的可能性百分比;
判断所述可能性百分比是否满足预设阈值,如果是则将田间状态类型传输至所述用户终端,如果否则将田间状态类型以及对应的田间状态类型的可能性百分比直接发送至用户终端。
2.根据权利要求1所述的田间监测数据预测方法,其中,所述响应于用户终端发出的数据预测请求信号,查询所述数据预测请求信号中所请求的监测终端,包括:
解析所述用户终端发出的数据预测请求信号中的定位数据和设定的范围半径;
根据定位数据和设定的范围半径获取一个圆形区域;
根据所述监测终端的位置数据查询落入所述圆形区域的监测终端。
3.根据权利要求1所述的田间监测数据预测方法,其中,所述响应于用户终端发出的数据预测请求信号,查询所述数据预测请求信号中所请求的监测终端,包括:
解析所述用户终端发出的数据预测请求信号中的监测终端的终端编号;
根据所述终端编号查询所述监测终端。
4.根据权利要求1所述的田间监测数据预测方法,其中,
所述监测终端包括:土壤墒情监测设备、田间作物监测设备、田间气象监测设备。
5.根据权利要求1所述的田间监测数据预测方法,其中,
所述用户终端和所述监测终端通过无线通讯交互数据。
6.根据权利要求1所述的田间监测数据预测方法,其中,
所述数据预测模型为一个BP神经网络预测模型。
7.根据权利要求1所述的田间监测数据预测方法,其中,
所述状态分析模型为一个HMM模型。
8.一种田间监测数据预测装置,包括:
查询模块,用于响应于用户终端发出的数据预测请求信号,查询所述数据预测请求信号中所请求的监测终端;
发送模块,用于向查询到的所述监测终端发送数据上传请求信号;
更新模块,用于响应于所述监测终端发送的最新监测数据,更新所述监测终端的历史监测数据;
预测模块,用于将所述历史监测数据输入至一个数据预测模型以使所述数据预测模型输出预测监测数据;
状态模块,用于将多个所述预测监测数据输入至一个状态分析模型以使所述状态分析模型输出田间状态类型以及对应的田间状态类型的可能性百分比;
判断模块,用于判断所述可能性百分比是否满足预设阈值,如果是则将田间状态类型传输至所述用户终端,如果否则将田间状态类型以及对应的田间状态类型的可能性百分比直接发送至用户终端。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述处理器实现如权利要求1至7任意一项所述的方法。
10.一种计算机存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110970707.5A CN113722369A (zh) | 2021-08-23 | 2021-08-23 | 田间监测数据预测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110970707.5A CN113722369A (zh) | 2021-08-23 | 2021-08-23 | 田间监测数据预测方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113722369A true CN113722369A (zh) | 2021-11-30 |
Family
ID=78677497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110970707.5A Pending CN113722369A (zh) | 2021-08-23 | 2021-08-23 | 田间监测数据预测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113722369A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115012460A (zh) * | 2022-06-23 | 2022-09-06 | 浙江瑞邦科特检测有限公司 | 高压旋喷桩压力数据处理方法、装置、设备及可读介质 |
CN115269663A (zh) * | 2022-07-12 | 2022-11-01 | 浙江瑞邦建设工程检测有限公司 | 静载试验数据的处理方法、装置、设备及可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120249732A1 (en) * | 2011-03-28 | 2012-10-04 | Fumitoshi Mizutani | Image processing apparatus and image processing method |
CN105023011A (zh) * | 2015-08-19 | 2015-11-04 | 苏州奥诺遥感科技有限公司 | 一种基于hmm的农作物物候动态估计方法 |
CN109726360A (zh) * | 2018-12-29 | 2019-05-07 | 韩瑞峰 | 一种农作物监测数据处理方法和系统 |
CN111126662A (zh) * | 2019-11-25 | 2020-05-08 | 中工武大设计研究有限公司 | 基于大数据的灌溉决策制定方法、装置、服务器和介质 |
CN112712071A (zh) * | 2021-03-26 | 2021-04-27 | 北京简巨科技有限公司 | 作物长势检测方法及其相关设备 |
-
2021
- 2021-08-23 CN CN202110970707.5A patent/CN113722369A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120249732A1 (en) * | 2011-03-28 | 2012-10-04 | Fumitoshi Mizutani | Image processing apparatus and image processing method |
CN105023011A (zh) * | 2015-08-19 | 2015-11-04 | 苏州奥诺遥感科技有限公司 | 一种基于hmm的农作物物候动态估计方法 |
CN109726360A (zh) * | 2018-12-29 | 2019-05-07 | 韩瑞峰 | 一种农作物监测数据处理方法和系统 |
CN111126662A (zh) * | 2019-11-25 | 2020-05-08 | 中工武大设计研究有限公司 | 基于大数据的灌溉决策制定方法、装置、服务器和介质 |
CN112712071A (zh) * | 2021-03-26 | 2021-04-27 | 北京简巨科技有限公司 | 作物长势检测方法及其相关设备 |
Non-Patent Citations (3)
Title |
---|
张晓月;李荣平;焦敏;张琪;王莹;李辑;: "农田土壤墒情监测与预报系统研发", 农业工程学报 * |
李吉印: "基于BP神经网络马尔可夫模型的黄土丘陵半干旱区降水量预测", 中国优秀硕士学位论文全文数据库 基础科学辑 * |
王美多;何洪升;韩丽霞;: "墒情监测与预测预报方法研究进展", 农业网络信息 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115012460A (zh) * | 2022-06-23 | 2022-09-06 | 浙江瑞邦科特检测有限公司 | 高压旋喷桩压力数据处理方法、装置、设备及可读介质 |
CN115012460B (zh) * | 2022-06-23 | 2023-10-03 | 浙江瑞邦科特检测有限公司 | 高压旋喷桩压力数据处理方法、装置、设备及可读介质 |
CN115269663A (zh) * | 2022-07-12 | 2022-11-01 | 浙江瑞邦建设工程检测有限公司 | 静载试验数据的处理方法、装置、设备及可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113722369A (zh) | 田间监测数据预测方法、装置、设备和存储介质 | |
CN115357470B (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN115293657B (zh) | 碳排放指标信息生成方法、装置、电子设备和介质 | |
CN117236805B (zh) | 电力设备控制方法、装置、电子设备和计算机可读介质 | |
CN111787041B (zh) | 用于处理数据的方法和装置 | |
CN114465919B (zh) | 一种网络服务测试方法、系统、电子设备及存储介质 | |
CN113590985B (zh) | 页面跳转配置方法、装置、电子设备和计算机可读介质 | |
CN115622963A (zh) | 基于工业交换机的报文检测方法、装置、设备与介质 | |
CN113590986B (zh) | 页面链接配置方法、装置、电子设备和计算机可读介质 | |
CN112507676B (zh) | 能源报表生成方法、装置、电子设备和计算机可读介质 | |
CN111898061B (zh) | 搜索网络的方法、装置、电子设备和计算机可读介质 | |
CN110727692B (zh) | 用于设置联动图表的方法及装置 | |
CN110633182B (zh) | 用于监控服务器稳定性的系统、方法和装置 | |
CN112328341B (zh) | 模型显示方法,装置,电子设备及存储介质 | |
CN114629821B (zh) | 物联网用量数据生成方法、装置、设备和介质 | |
CN115842819B (zh) | 自动驾驶系统测试数据下载方法、装置、设备 | |
CN115759236B (zh) | 模型训练方法、信息发送方法、装置、设备和介质 | |
CN116702168B (zh) | 供应端信息检测方法、装置、电子设备和计算机可读介质 | |
CN115309739B (zh) | 车载数据检索方法、装置、电子设备、介质和产品 | |
CN112668194B (zh) | 基于页面的自动驾驶场景库信息展示方法、装置和设备 | |
CN116187716B (zh) | 农业设备调度方法、装置、电子设备和计算机可读介质 | |
CN116645211B (zh) | 推荐用户信息生成方法、装置、设备和计算机可读介质 | |
CN113836151B (zh) | 数据处理方法、装置、电子设备和计算机可读介质 | |
CN111738536B (zh) | 设备操作方法、装置、电子设备和计算机可读介质 | |
CN110968768B (zh) | 信息生成方法和装置 |
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 |