CN115907234A - 病虫害预测方法、装置、电子设备和存储介质 - Google Patents
病虫害预测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115907234A CN115907234A CN202310016106.XA CN202310016106A CN115907234A CN 115907234 A CN115907234 A CN 115907234A CN 202310016106 A CN202310016106 A CN 202310016106A CN 115907234 A CN115907234 A CN 115907234A
- Authority
- CN
- China
- Prior art keywords
- prediction
- node
- server cluster
- pest
- management node
- 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
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 134
- 201000010099 disease Diseases 0.000 title claims abstract description 92
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 50
- 241000238631 Hexapoda Species 0.000 title claims abstract description 21
- 230000007613 environmental effect Effects 0.000 claims abstract description 72
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000007726 management method Methods 0.000 abstract description 109
- 238000013468 resource allocation Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及计算机领域,提供一种病虫害预测方法、装置、电子设备和存储介质,其中方法包括:获取本次预测的预测需求,以及本次预测的区域下的环境数据;确定预测需求对应的目标模型参数;从区域对应的服务器集群的各节点中确定管理节点,并向管理节点发送目标模型参数,以请求管理节点基于目标模型参数,更新服务器集群中各节点分别部署的病虫害预测模型;向服务器集群发送环境数据,以请求服务器集群基于更新后的病虫害预测模型确定环境数据对应的预测结果;接收服务器集群返回的预测结果。本发明提供的方法、装置、电子设备和存储介质,能够满足预测需求,并在实现资源合理配置的同时,保证病虫害预测的准确性和可靠性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种病虫害预测方法、装置、电子设备和存储介质。
背景技术
病虫害严重威胁着各类农作物的产能和品质。如何准确预测病虫害,以提示种植户提前预防,对于保证农作物的产能和品质具有重要的现实意义。
目前的病虫害预测方法,多需要收集历史环境数据和历史病虫害发生情况作为训练数据进行监督学习训练,并将监督学习训练得到的预测模型用于病虫害预测。但是由于病虫害发生的情况十分复杂,训练完成后模型参数固定不变的预测模型在应对各种预测需求时,效果欠佳。
发明内容
本发明提供一种病虫害预测方法、装置、电子设备和存储介质,用以解决现有技术中参数固定不变的病虫害预测模型难以应对各种预测需求的缺陷。
本发明提供一种病虫害预测方法,包括:
获取本次预测的预测需求,以及所述本次预测的区域下的环境数据;
确定所述预测需求对应的目标模型参数;
从所述区域对应的服务器集群的各节点中确定管理节点,并向所述管理节点发送所述目标模型参数,以请求所述管理节点基于所述目标模型参数,更新所述服务器集群中各节点分别部署的病虫害预测模型;
向所述服务器集群发送所述环境数据,以请求所述服务器集群基于更新后的病虫害预测模型确定所述环境数据对应的预测结果;
接收所述服务器集群返回的所述预测结果。
根据本发明提供的一种病虫害预测方法,所述向所述管理节点发送所述目标模型参数,以请求所述管理节点基于所述目标模型参数,更新所述服务器集群中各节点分别部署的病虫害预测模型,包括:
向所述管理节点发送集群节点更新请求,以请求所述管理节点获取所述服务器集群的节点列表;
向所述管理节点发送目标模型参数,以请求所述管理节点向所述节点列表中的各节点分别发送包括所述目标模型参数在内的内存更新请求,以使所述各节点基于所述目标模型参数更新内存中的所述病虫害预测模型的模型参数。
根据本发明提供的一种病虫害预测方法,所述向所述管理节点发送目标模型参数,之后还包括:
接收所述管理节点返回的参数更新信息,所述参数更新信息是所述管理节点记录的所述节点列表中各节点的模型参数更新情况;
在所述参数更新信息中包含至少一个节点的模型参数更新失败次数超过预设次数的情况下,生成告警信息。
根据本发明提供的一种病虫害预测方法,所述环境数据的获取步骤包括:
确定所述区域对应的存储位置编码;
基于所述存储位置编码,从存储空间中获取所述区域下的历史环境数据,所述存储空间基于各区域的存储位置编码,存储有各区域的历史环境数据;
基于所述区域下的当前环境数据,以及所述区域下的历史环境数据,确定所述环境数据。
根据本发明提供的一种病虫害预测方法,所述确定所述预测需求对应的目标模型参数,包括:
获取所述区域下的前次预测需求;
在所述前次预测需求与所述预测需求不同的情况下,确定所述预测需求对应的目标模型参数。
根据本发明提供的一种病虫害预测方法,所述从所述区域对应的服务器集群的各节点中确定管理节点,包括:
向所述服务器集群发送负载计算请求,以请求所述服务器集群基于所述各节点的负载情况,从所述各节点中确定所述管理节点;
接收所述服务器集群返回的用于指示所述管理节点的管理节点信息。
根据本发明提供的一种病虫害预测方法,所述环境数据包括气象数据和遥感数据。
本发明还提供一种病虫害预测装置,包括:
获取单元,用于获取本次预测的预测需求,以及所述本次预测的区域下的环境数据;
参数确定单元,用于确定所述预测需求对应的目标模型参数;
参数更新单元,用于从所述区域对应的服务器集群的各节点中确定管理节点,并向所述管理节点发送所述目标模型参数,以请求所述管理节点基于所述目标模型参数,更新所述服务器集群中各节点分别部署的病虫害预测模型;
预测单元,用于向所述服务器集群发送所述环境数据,以请求所述服务器集群基于更新后的病虫害预测模型确定所述环境数据对应的预测结果;
接收单元,用于接收所述服务器集群返回的所述预测结果。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述病虫害预测方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述病虫害预测方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述病虫害预测方法。
本发明提供的病虫害预测方法、装置、电子设备和存储介质,获取预测需求对应的目标模型参数并据此进行病虫害预测模型更新,能够确保基于病虫害预测模型所得的预测结果,能够满足预测需求,由此提高病虫害预测的灵活性;具体在模型更新时,通过服务器集群中的管理节点实现各节点处部署的模型更新,能够保证服务器集群中模型更新的全面性,避免更新遗漏影响预测结果;并且,基于区域划分服务器集群,能够实现区域性的病虫害预测,在实现资源合理配置的同时,进一步提高病虫害预测的准确性和可靠性,避免计算资源浪费。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的病虫害预测方法的流程示意图;
图2是本发明提供的病虫害预测装置的结构示意图;
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明提供的病虫害预测方法的流程示意图,如图1所示,该方法包括:
步骤110,获取本次预测的预测需求,以及所述本次预测的区域下的环境数据。
此处,预测需求用于指示本次进行病虫害预测的需求类型,例如可以是常规预测,也可以是精细预测,还可以是气候变动预测。其中,常规预测即常态化的预测需求,可以是较粗粒度的病虫害预测;精细预测可以是较常规预测更细粒度的病虫害预测;气候变动预测可以是在区域内发生不可抗的自然灾害等特殊情况下,区域内气候发生巨大改变时的病虫害预测。
本次预测的区域可以是预先进行区域划分后的区域中的一个或者多个,此处的区域划分可以是以省市为单位进行划分,也可以是在地图中以预设粒度进行的网格划分,还可以是基于积温带进行划分,本发明实施例对此不作具体限定。
针对每个区域,均对应有该区域的环境数据,此处的环境数据可以包括当前时段的环境数据,也可以既包括当前时段的环境数据也包括历史时段的环境数据,环境数据具体可以包括气象数据,也可以包括遥感数据,本发明实施例对此不作具体限定。
步骤120,确定所述预测需求对应的目标模型参数。
具体地,为了适应不同的预测需求下的病虫害预测,可以预先为不同预测需求配置对应的病虫害预测模型的模型参数,例如针对不同的预测需求的粒度,例如是粗粒度预测还是细粒度预测,可以配置不同的模型参数;又例如针对不同的气候环境,例如是区域常态气候还是特殊自然灾害下的气候,可以配置不同的模型参数。
由此,在确定本次预测的预测需求之后,即可从预先设定好的各类模型参数中,选取出本次预测的预测需求所对应的模型参数,此处记为目标模型参数。
步骤130,从所述区域对应的服务器集群的各节点中确定管理节点,并向所述管理节点发送所述目标模型参数,以请求所述管理节点基于所述目标模型参数,更新所述服务器集群中各节点分别部署的病虫害预测模型。
具体地,考虑到实际病虫害预测场景下,通常是需要对不同区域的病虫害爆发情况进行预警,并且针对每个区域,通常都是每天都需要进行数据采集和更新计算,由此,需要耗费大量的计算资源。并且,考虑到不同区域自身气候条件和种植作物也存在区别,一来为了提高病虫害预测效率,以适应大规模的长期的病虫害预测需求,二来为了保证区域化的病虫害预测的针对性和可靠性,本发明实施例中,针对每个区域均设置了一个服务器集群,用于实现针对于该区域的病虫害预测。
此处的服务器集群可以包括若干个服务器,其中每个服务器均视为服务器集群中的一个节点,并且其中的每个服务器均部署有针对于对应区域的病虫害预测模型,即服务器集群中的每个节点均具备独立执行针对该区域的病虫害预测的能力。
在确定本次预测的区域之后,即可从多个区域分别对应的服务器集群中,确定出本次预测的区域所对应的服务器集群。
并且,为了实现满足本次预测的预测需求的病虫害预测,需要将预测需求对应的目标模型参数同步到区域对应的服务器集群中。考虑到针对服务器集群发起的预测请求具有随机不可控性,即服务器集群在接收到预测请求之后,可能指定其中任意节点以执行预测请求所对应的病虫害预测任务,由此,在进行病虫害预测之前,需要保证服务器集群中的所有节点上部署的病虫害预测模型的模型参数,均已更新为目标模型参数。
为此,需要先从服务器集群中确定出管理节点,此处的管理节点用于协调服务器集群中的所有节点完成基于目标模型参数的模型参数更新。此处,针对管理节点的选取,可以是随机选取的,也可以是基于服务器集群中各节点的负载情况,从中选取的负载最少的节点,本发明实施例对此不作具体限定。
在确定出管理节点之后,即可将目标模型参数发送到管理节点,管理节点在接收到目标模型参数后,可以将目标模型参数一对一地发送至服务器集群中的其余各个节点,由此确保服务器集群中的所有节点处部署的病虫害预测模型的模型参数均能更新为满足本次预测的预测需求的目标模型参数。
步骤140,向所述服务器集群发送所述环境数据,以请求所述服务器集群基于更新后的病虫害预测模型确定所述环境数据对应的预测结果。
具体地,在区域对应的服务器集群的各节点分别部署的病虫害预测模型均完成模型参数更新之后,可以向服务器集群发送本次病虫害预测所需的环境数据。
服务器集群在接收到环境数据之后,可以分配至服务器集群中的任意节点处,将环境数据作为该节点处部署的模型参数更新后的病虫害预测模型的模型输入,由模型参数更新后的病虫害预测模型基于输入的环境数据进行病虫害预测,并输出对应的预测结果。
步骤150,接收所述服务器集群返回的所述预测结果。
具体地,服务器集群在得到预测结果之后,即可返回预测结果。由此,接收到服务器集群返回的预测结果,满足预测需求且针对本次预测的区域所执行的病虫害预测得以实现。
本发明实施例提供的方法,获取预测需求对应的目标模型参数并据此进行病虫害预测模型更新,能够确保基于病虫害预测模型所得的预测结果,能够满足预测需求,由此提高病虫害预测的灵活性;具体在模型更新时,通过服务器集群中的管理节点实现各节点处部署的模型更新,能够保证服务器集群中模型更新的全面性,避免更新遗漏影响预测结果;并且,基于区域划分服务器集群,能够实现区域性的病虫害预测,在实现资源合理配置的同时,进一步提高病虫害预测的准确性和可靠性,避免计算资源浪费。
另外,考虑到病虫害预测的需求量大,为了满足病虫害预测的计算速度,在服务器集群中,通常是将病虫害预测模型部署在节点的内容中运行使用,从而保证响应速度能够达到最佳效果。
基于上述实施例,步骤130中,所述向所述管理节点发送所述目标模型参数,以请求所述管理节点基于所述目标模型参数,更新所述服务器集群中各节点分别部署的病虫害预测模型,包括:
向所述管理节点发送集群节点更新请求,以请求所述管理节点获取所述服务器集群的节点列表;
向所述管理节点发送目标模型参数,以请求所述管理节点向所述节点列表中的各节点分别发送包括所述目标模型参数在内的内存更新请求,以使所述各节点基于所述目标模型参数更新内存中的所述病虫害预测模型的模型参数。
具体地,在服务器集群一类的分布式环境下,由于负载均衡的需求,如果直接向服务器集群发送目标模型参数的更新请求,该更新请求仅会传输到某一个节点上,而服务器集群中的其他节点上的模型参数并不会随之更新。
在确定服务器集群的管理节点之后,即可建立起与管理节点之间的通信关系。此后,可以向管理节点发送集群节点更新请求,此处的集群节点更新请求用于以请求管理节点获取服务器集群的节点列表,即请求管理节点获取所在服务器集群中的所有节点。具体操作上,可以请求更新管理节点内存,重写spring框架下的publishEvent方法,由此获取服务器集群内的所有节点,即得到节点列表。
随后,还可以将目标模型参数发送到管理节点。管理节点在接收到目标模型参数之后,可以生成包含目标模型参数的内存更新请求,并将内存更新请求发送给服务器集群内的其余各个节点,以请求每个节点在收到内存更新请求之后,能够将节点内存中存储的病虫害预测模型的模型参数更新为目标模型参数。
此外,在模型参数更新完毕后,管理节点可以返还集群管理权限,继续执行自身任务。
本发明实施例提供的方法,通过管理节点获取节点列表,并将包括目标模型参数在内的内存更新请求分别发送给节点列表中的各个节点,保证服务器集群中的所有节点均能实现参数更新,由此保证后续在病虫害预测时无论基于服务器集群中的哪个节点上部署的病虫害预测模型实现,均能够得到满足预测需求的预测结果。
基于上述任一实施例,步骤130中,在向所述管理节点发送目标模型参数,之后还包括:
接收所述管理节点返回的参数更新信息,所述参数更新信息是所述管理节点记录的所述节点列表中各节点的模型参数更新情况;
在所述参数更新信息中包含至少一个节点的模型参数更新失败次数超过预设次数的情况下,生成告警信息。
具体地,管理节点可以向节点列表中的各节点分别发送包括目标模型参数在内的内存更新请求,各节点也会在基于内存更新请求进行模型参数更新之后,向管理节点返回更新结果。
由此,管理节点可以接收并记录节点列表中每个节点的模型参数更新情况。此处,针对任意节点而言,模型参数更新情况可以说更新成功,或者更新失败,并且,在更新失败的情况下,还可以具体记录更新失败的次数。
管理节点在汇总节点列表中每个节点的模型参数更新情况之后,即可生成并返回参数更新信息。
在接收到管理节点返回的参数更新信息之后,即可从中获知服务器集群中是否存在模型参数更新失败的节点,尤其是更新失败次数超过预设次数的节点。此处,预设次数可以是3次、或者5次,如果存在更新失败次数超过预设次数的节点,则意味着该节点在模型参数更新操作上存在异常,可以生成告警信息,以提示管理员介入。此处,告警信息可以以短信、邮件等形式发送给管理员。
基于上述任一实施例,步骤110中,所述环境数据的获取步骤包括:
确定所述区域对应的存储位置编码;
基于所述存储位置编码,从存储空间中获取所述区域下的历史环境数据,所述存储空间基于各区域的存储位置编码,存储有各区域的历史环境数据;
基于所述区域下的当前环境数据,以及所述区域下的历史环境数据,确定所述环境数据。
具体地,本发明实施例中应用于病虫害预测的环境数据,包括历史环境数据和当前环境数据两个部分。其中,历史环境数据是预先存储的,而当前环境数据则是实时采集的。
可以理解的是,不同的区域均存在历史环境数据的存储需求,因此在实际应用中,存在大量需要进行存储的历史环境数据。而为了能够在节约存储成本的同时保证历史环境数据的读写效率,本发明实施例针对历史环境数据进行了划分区域的存储。
进一步地,可以预先按照区域划分存储空间,并且对存储空间内各区域的存储位置进行编码,即得到各区域的存储位置编码。存储位置编码用于实现存储空间内对应区域的存储位置的快速定位。针对经过区域划分之后的存储空间,可以将各区域的历史环境数据分别存储在存储空间中的对应位置下。例如,可以以5km*5km的分辨率将可预测的地图切分为大量网格区域,具体以县域为一个区域单位,进行转码为二进制文件作为存储位置编码,按区域进行存储。
由此针对于本次预测,为了获取本次预测所需的历史环境数据,可以先确定本次预测所针对的区域,由此确定该区域对应的存储位置编码。在得到该区域对应的存储位置编码之后,即可基于此定位到存储空间中该区域的历史环境数据的存储位置,并从中读取出该区域的历史环境数据。
另外,考虑到实时更新的当前环境数据本身的数据量远小于历史环境数据,由此,各区域下的当前环境数据可以直接存储在内存中,由此保证当前环境数据的读写效率。
本发明实施例提供的方法,通过分区存储各区域的历史环境数据,以兼顾大量数据存储时的存储成本和读写效率。
基于上述任一实施例,步骤120包括:
获取所述区域下的前次预测需求;
在所述前次预测需求与所述预测需求不同的情况下,确定所述预测需求对应的目标模型参数。
具体地,在获取到本次预测的预测需求之后,可以先行比对针对本次预测的区域,该区域的前次预测需求和本次预测的预测需求是否相同。
可以理解的是,如果前次预测需求和本次预测的预测需求一致,则两次病虫害预测所应用的病虫害预测模型的模型参数也是一致的,考虑到前次预测时已经对该区域所对应服务器集群中的各节点上部署的病虫害预测模型执行过参数更新,则本次预测无需再行进行参数更新,也无需再获取预测需求对应的目标模型参数,可以直接将本次预测的区域下的环境数据发送到该区域对应的服务器集群,服务器集群中的任意节点可以基于前次进行参数更新后的病虫害预测模型,好获取本次的环境数据对应的预测结果。
如果前次预测需求和本次预测的预测需求不同,则两次病虫害预测所应用的病虫害预测模型的模型参数也是不同的,此种情况下,如果应用前次更新的病虫害预测模型的模型参数进行本次预测,则得到的预测结果显然不一定能满足本次预测的预测需求。由此,在两次预测需求不同的情况下,需要获取本次预测的预测需求所对应的目标模型参数,并通过本次预测的区域对应的服务器集群中的管理节点,实现该服务器集群内所有节点上部署的病虫害预测模型的模型参数的更新,由此确保本次预测的预测结果,能够满足本次预测的预测需求。
本发明实施例提供的方法,在获取预测需求对应的目标模型参数之前,先行判断前次预测需求与所述预测需求是否相同,由此避免相同需求下的无效更新带来的资源消耗,确保每次预测均能够满足预测需求。
基于上述任一实施例,步骤130中,所述从所述区域对应的服务器集群的各节点中确定管理节点,包括:
向所述服务器集群发送负载计算请求,以请求所述服务器集群基于所述各节点的负载情况,从所述各节点中确定所述管理节点;
接收所述服务器集群返回的用于指示所述管理节点的管理节点信息。
具体地,为了避免从服务器集群中随机选取管理节点通知所有节点更新模型参数,导致管理节点超负载,针对管理节点的选取,可以向服务器集群发送负载计算请求。服务器集群在接收到负载计算请求之后,服务器集群下的每个节点均会计算当前自身的负载情况,并汇总到其中一个节点处,由该节点基于所有节点的负载情况,从中选取出负载最少的节点作为管理节点。随后,该节点可以基于选取得到的管理节点生成管理节点信息并返回。
由此,可以接收到管理节点信息,此处的管理节点信息中指定了用于通知所有节点更新模型参数的管理节点,基于管理节点信息可以实现与管理节点之间的通信,由此将目标模型参数发送到管理节点,以请求管理节点基于目标模型参数,更新服务器集群中各节点分别部署的病虫害预测模型。
本发明实施例提供的方法,基于服务器集群中各节点的负载情况确定管理节点,能够有效避免管理节点超负载,保证模型参数更新实现的可靠性。
基于上述任一实施例,所述环境数据包括气象数据和遥感数据。
具体地,用于本次预测的环境数据,可以包含气象数据和遥感数据两类。并且,可以理解的是,针对于本次预测的环境数据中的历史环境数据和当前环境数据,也都可以进一步划分为气象数据和遥感数据。此处,气象数据可以包括本次预测的区域下的温度、湿度等数据;遥感数据可以包括本次预测的区域下的作物遥感影像,还可以包括基于作物遥感影像确定的区域NDVI值等,本发明实施例对此不作具体限定。
基于上述任一实施例,本发明实施例提供一种病虫害预测方法,该方法可以由调度服务集群执行实现,可以理解的是,此处的调度服务集群与用于进行病虫害预测的各区域的服务器集群属于不同的集群。针对调度服务集群中的任意节点,该方法包括:
获取本次预测的预测需求,以及本次预测的区域下的环境数据;此处,环境数据包括历史环境数据和当前环境数据,其中历史环境数据是基于本次预测的区域所对应的存储位置编码,从存储空间中读取得到的;当前环境数据则是从该节点的内存中直接读取的。
针对于本次预测的预测需求,如果该预测需求与本次预测的区域下的前次预测需求一致,则可以直接将本次预测的区域下的环境数据发送到该区域对应的服务器集群中进行病虫害预测;
如果该预测需求与本次预测的区域下的前次预测需求不同,则需要确定本次预测的预测需求对应的目标模型参数。随后,向本次预测的区域对应的服务器集群发送负载计算请求,以请求服务器集群基于所述各节点的负载情况,从各节点中确定处负载最小的节点作为管理节点;随后,即可接收服务器集群返回的用于指示管理节点的管理节点信息,由此确定管理节点。接着,可以向管理节点发送集群节点更新请求,以请求管理节点获取服务器集群的节点列表,并且,向管理节点发送目标模型参数,以请求管理节点向节点列表中的各节点分别发送包括目标模型参数在内的内存更新请求,以使各节点基于目标模型参数更新内存中的病虫害预测模型的模型参数,即完成对应本次预测的预测需求的模型参数更新。在此之后,即可将本次预测的区域下的环境数据发送到该区域对应的服务器集群中进行病虫害预测。
服务器集群中,各个节点所部署的病虫害预测模型是相同的,对于病虫害预测的能力也相同。在将环境数据发送到服务器集群后,服务器集群可以分配任意节点执行针对该环境数据的病虫害预测,由此得到预测结果,并且返回到调度服务集群中的该节点处。
可以理解的是,服务器集群中,各节点计算所得的预测结果相对独立,不互相影响。当某个节点由于某种原因宕机,服务器集群会将其下线,不再进行任务分配,并重新创建一个容器成为该服务器集群中的节点,当节点上线注册至服务器集群时,服务器集群才会对其分配任务。
基于上述任一实施例,图2是本发明提供的病虫害预测装置的结构示意图,如图2所示,该装置包括:
获取单元210,用于获取本次预测的预测需求,以及所述本次预测的区域下的环境数据;
参数确定单元220,用于确定所述预测需求对应的目标模型参数;
参数更新单元230,用于从所述区域对应的服务器集群的各节点中确定管理节点,并向所述管理节点发送所述目标模型参数,以请求所述管理节点基于所述目标模型参数,更新所述服务器集群中各节点分别部署的病虫害预测模型;
预测单元240,用于向所述服务器集群发送所述环境数据,以请求所述服务器集群基于更新后的病虫害预测模型确定所述环境数据对应的预测结果;
接收单元250,用于接收所述服务器集群返回的所述预测结果。
本发明实施例提供的装置,获取预测需求对应的目标模型参数并据此进行病虫害预测模型更新,能够确保基于病虫害预测模型所得的预测结果,能够满足预测需求,由此提高病虫害预测的灵活性;具体在模型更新时,通过服务器集群中的管理节点实现各节点处部署的模型更新,能够保证服务器集群中模型更新的全面性,避免更新遗漏影响预测结果;并且,基于区域划分服务器集群,能够实现区域性的病虫害预测,在实现资源合理配置的同时,进一步提高病虫害预测的准确性和可靠性,避免计算资源浪费。
基于上述任一实施例,所述参数更新单元用于:
向所述管理节点发送集群节点更新请求,以请求所述管理节点获取所述服务器集群的节点列表;
向所述管理节点发送目标模型参数,以请求所述管理节点向所述节点列表中的各节点分别发送包括所述目标模型参数在内的内存更新请求,以使所述各节点基于所述目标模型参数更新内存中的所述病虫害预测模型的模型参数。
基于上述任一实施例,所述参数更新单元还用于:
接收所述管理节点返回的参数更新信息,所述参数更新信息是所述管理节点记录的所述节点列表中各节点的模型参数更新情况;
在所述参数更新信息中包含至少一个节点的模型参数更新失败次数超过预设次数的情况下,生成告警信息。
基于上述任一实施例,所述获取单元用于:
确定所述区域对应的存储位置编码;
基于所述存储位置编码,从存储空间中获取所述区域下的历史环境数据,所述存储空间基于各区域的存储位置编码,存储有各区域的历史环境数据;
基于所述区域下的当前环境数据,以及所述区域下的历史环境数据,确定所述环境数据。
基于上述任一实施例,所述参数确定单元用于:
获取所述区域下的前次预测需求;
在所述前次预测需求与所述预测需求不同的情况下,确定所述预测需求对应的目标模型参数。
基于上述任一实施例,所述参数更新单元用于:
向所述服务器集群发送负载计算请求,以请求所述服务器集群基于所述各节点的负载情况,从所述各节点中确定所述管理节点;
接收所述服务器集群返回的用于指示所述管理节点的管理节点信息。
基于上述任一实施例,所述环境数据包括气象数据和遥感数据。
图3示例了一种电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令,以执行病虫害预测方法,该方法包括:获取本次预测的预测需求,以及所述本次预测的区域下的环境数据;确定所述预测需求对应的目标模型参数;从所述区域对应的服务器集群的各节点中确定管理节点,并向所述管理节点发送所述目标模型参数,以请求所述管理节点基于所述目标模型参数,更新所述服务器集群中各节点分别部署的病虫害预测模型;向所述服务器集群发送所述环境数据,以请求所述服务器集群基于更新后的病虫害预测模型确定所述环境数据对应的预测结果;接收所述服务器集群返回的所述预测结果。
此外,上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的病虫害预测方法,该方法包括:获取本次预测的预测需求,以及所述本次预测的区域下的环境数据;确定所述预测需求对应的目标模型参数;从所述区域对应的服务器集群的各节点中确定管理节点,并向所述管理节点发送所述目标模型参数,以请求所述管理节点基于所述目标模型参数,更新所述服务器集群中各节点分别部署的病虫害预测模型;向所述服务器集群发送所述环境数据,以请求所述服务器集群基于更新后的病虫害预测模型确定所述环境数据对应的预测结果;接收所述服务器集群返回的所述预测结果。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的病虫害预测方法,该方法包括:获取本次预测的预测需求,以及所述本次预测的区域下的环境数据;确定所述预测需求对应的目标模型参数;从所述区域对应的服务器集群的各节点中确定管理节点,并向所述管理节点发送所述目标模型参数,以请求所述管理节点基于所述目标模型参数,更新所述服务器集群中各节点分别部署的病虫害预测模型;向所述服务器集群发送所述环境数据,以请求所述服务器集群基于更新后的病虫害预测模型确定所述环境数据对应的预测结果;接收所述服务器集群返回的所述预测结果。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种病虫害预测方法,其特征在于,包括:
获取本次预测的预测需求,以及所述本次预测的区域下的环境数据;
确定所述预测需求对应的目标模型参数;
从所述区域对应的服务器集群的各节点中确定管理节点,并向所述管理节点发送所述目标模型参数,以请求所述管理节点基于所述目标模型参数,更新所述服务器集群中各节点分别部署的病虫害预测模型;
向所述服务器集群发送所述环境数据,以请求所述服务器集群基于更新后的病虫害预测模型确定所述环境数据对应的预测结果;
接收所述服务器集群返回的所述预测结果。
2.根据权利要求1所述的病虫害预测方法,其特征在于,所述向所述管理节点发送所述目标模型参数,以请求所述管理节点基于所述目标模型参数,更新所述服务器集群中各节点分别部署的病虫害预测模型,包括:
向所述管理节点发送集群节点更新请求,以请求所述管理节点获取所述服务器集群的节点列表;
向所述管理节点发送目标模型参数,以请求所述管理节点向所述节点列表中的各节点分别发送包括所述目标模型参数在内的内存更新请求,以使所述各节点基于所述目标模型参数更新内存中的所述病虫害预测模型的模型参数。
3.根据权利要求2所述的病虫害预测方法,其特征在于,所述向所述管理节点发送目标模型参数,之后还包括:
接收所述管理节点返回的参数更新信息,所述参数更新信息是所述管理节点记录的所述节点列表中各节点的模型参数更新情况;
在所述参数更新信息中包含至少一个节点的模型参数更新失败次数超过预设次数的情况下,生成告警信息。
4.根据权利要求1所述的病虫害预测方法,其特征在于,所述环境数据的获取步骤包括:
确定所述区域对应的存储位置编码;
基于所述存储位置编码,从存储空间中获取所述区域下的历史环境数据,所述存储空间基于各区域的存储位置编码,存储有各区域的历史环境数据;
基于所述区域下的当前环境数据,以及所述区域下的历史环境数据,确定所述环境数据。
5.根据权利要求1所述的病虫害预测方法,其特征在于,所述确定所述预测需求对应的目标模型参数,包括:
获取所述区域下的前次预测需求;
在所述前次预测需求与所述预测需求不同的情况下,确定所述预测需求对应的目标模型参数。
6.根据权利要求1所述的病虫害预测方法,其特征在于,所述从所述区域对应的服务器集群的各节点中确定管理节点,包括:
向所述服务器集群发送负载计算请求,以请求所述服务器集群基于所述各节点的负载情况,从所述各节点中确定所述管理节点;
接收所述服务器集群返回的用于指示所述管理节点的管理节点信息。
7.根据权利要求1至6中任一项所述的病虫害预测方法,其特征在于,所述环境数据包括气象数据和遥感数据。
8.一种病虫害预测装置,其特征在于,包括:
获取单元,用于获取本次预测的预测需求,以及所述本次预测的区域下的环境数据;
参数确定单元,用于确定所述预测需求对应的目标模型参数;
参数更新单元,用于从所述区域对应的服务器集群的各节点中确定管理节点,并向所述管理节点发送所述目标模型参数,以请求所述管理节点基于所述目标模型参数,更新所述服务器集群中各节点分别部署的病虫害预测模型;
预测单元,用于向所述服务器集群发送所述环境数据,以请求所述服务器集群基于更新后的病虫害预测模型确定所述环境数据对应的预测结果;
接收单元,用于接收所述服务器集群返回的所述预测结果。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述病虫害预测方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述病虫害预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310016106.XA CN115907234A (zh) | 2023-01-06 | 2023-01-06 | 病虫害预测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310016106.XA CN115907234A (zh) | 2023-01-06 | 2023-01-06 | 病虫害预测方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115907234A true CN115907234A (zh) | 2023-04-04 |
Family
ID=86479029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310016106.XA Pending CN115907234A (zh) | 2023-01-06 | 2023-01-06 | 病虫害预测方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115907234A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523149A (zh) * | 2023-07-04 | 2023-08-01 | 中化现代农业有限公司 | 微小害虫防治适期预测方法、装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104753994A (zh) * | 2013-12-27 | 2015-07-01 | 杭州海康威视系统技术有限公司 | 基于集群服务器系统的数据同步方法及其装置 |
CN108804266A (zh) * | 2018-05-22 | 2018-11-13 | 郑州云海信息技术有限公司 | 一种存储系统性能测试方法、装置和计算机可读存储介质 |
CN109299124A (zh) * | 2018-09-30 | 2019-02-01 | 北京字节跳动网络技术有限公司 | 用于更新模型的方法和装置 |
CN113705875A (zh) * | 2021-08-19 | 2021-11-26 | 大气候物联网科技(广州)有限公司 | 一种农作物病虫害预警方法、系统、装置及存储介质 |
-
2023
- 2023-01-06 CN CN202310016106.XA patent/CN115907234A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104753994A (zh) * | 2013-12-27 | 2015-07-01 | 杭州海康威视系统技术有限公司 | 基于集群服务器系统的数据同步方法及其装置 |
CN108804266A (zh) * | 2018-05-22 | 2018-11-13 | 郑州云海信息技术有限公司 | 一种存储系统性能测试方法、装置和计算机可读存储介质 |
CN109299124A (zh) * | 2018-09-30 | 2019-02-01 | 北京字节跳动网络技术有限公司 | 用于更新模型的方法和装置 |
CN113705875A (zh) * | 2021-08-19 | 2021-11-26 | 大气候物联网科技(广州)有限公司 | 一种农作物病虫害预警方法、系统、装置及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523149A (zh) * | 2023-07-04 | 2023-08-01 | 中化现代农业有限公司 | 微小害虫防治适期预测方法、装置、电子设备和存储介质 |
CN116523149B (zh) * | 2023-07-04 | 2023-10-31 | 中化现代农业有限公司 | 微小害虫防治适期预测方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3550426B1 (en) | Improving an efficiency of computing resource consumption via improved application portfolio deployment | |
CN102449603B (zh) | 服务器管理程序、管理服务器以及虚拟服务器配置方法 | |
US11146497B2 (en) | Resource prediction for cloud computing | |
CN102546256B (zh) | 用于对云计算服务进行监控的系统及方法 | |
KR20200052361A (ko) | 클라우드-디바이스 협업적 실시간 사용자 사용 및 성능 비정상 검출을 위한 시스템 및 방법 | |
CN107092544B (zh) | 监控方法及装置 | |
US8880676B1 (en) | Resource planning for computing | |
US10949116B2 (en) | Storage resource capacity prediction utilizing a plurality of time series forecasting models | |
CN112948450B (zh) | 用于实时推荐的Flink流式处理引擎方法、装置及计算机设备 | |
CN112910723B (zh) | 边缘终端管理方法、装置、设备及存储介质 | |
CN111984385A (zh) | 基于装饰bim模型的任务调度方法和任务调度装置 | |
CN103841100A (zh) | 基于Android平板终端访问防汛预警云服务系统及构建方法 | |
CN115907234A (zh) | 病虫害预测方法、装置、电子设备和存储介质 | |
CN111080417A (zh) | 用于提高预订顺畅率的处理方法、模型训练方法及系统 | |
US20200034209A1 (en) | Information processing system and resource allocation method | |
CN113312154A (zh) | 一种卫星服务资源的调度方法、系统、设备及存储介质 | |
CN114138501B (zh) | 用于现场安全监控的边缘智能服务的处理方法和装置 | |
US20210263718A1 (en) | Generating predictive metrics for virtualized deployments | |
CN113608751A (zh) | 推理服务平台的运行方法、装置、设备及存储介质 | |
CN113204368A (zh) | 应用程序处理方法、服务器及存储介质 | |
CN112788112A (zh) | 设备健康管理微服务自动发布方法、装置和平台 | |
CN111209333A (zh) | 数据更新方法、装置、终端及存储介质 | |
CN114090201A (zh) | 资源调度方法、装置、设备及存储介质 | |
CN115202898A (zh) | 消息消费方法、装置、计算机设备和存储介质 | |
JP2014147002A (ja) | Ict資源管理装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230404 |