CN115984028B - 基于ai技术的智慧农业生产数据决策管理系统 - Google Patents
基于ai技术的智慧农业生产数据决策管理系统 Download PDFInfo
- Publication number
- CN115984028B CN115984028B CN202310272394.5A CN202310272394A CN115984028B CN 115984028 B CN115984028 B CN 115984028B CN 202310272394 A CN202310272394 A CN 202310272394A CN 115984028 B CN115984028 B CN 115984028B
- Authority
- CN
- China
- Prior art keywords
- crop
- soil
- analysis
- value
- supervision
- 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
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于农业生产技术领域,具体是基于AI技术的智慧农业生产数据决策管理系统,包括AI决策管理平台,AI决策管理平台通信连接农业监管终端,AI决策管理平台包括服务器,且服务器与数据存储模块、区域环境监测模块、土壤环境监测模块、多元数据融合评估模块以及决策管理预警模块均通信连接;本发明是基于大气环境监测分析和土壤环境监测分析并结合融合评估分析,具有分区反映农作物环境态势和整体监管效果的作用,分析更加全面准确,实现农业监管区域的分区监管,有助于农业监管区域各子区域农作物的稳定生长,且通过农作物策略分析对农业监管区域进行农作物策略分析,有助于后续农作物的种植选择和种植监管,智能化程度高。
Description
技术领域
本发明涉及农业生产技术领域,具体是基于AI技术的智慧农业生产数据决策管理系统。
背景技术
农业生产是指种植农作物的生产活动,农作物的生长需要热量、光照、水和土壤等自然条件,不同农作物的生长发育所要求的自然条件不同,农作物不同生长阶段所要求的自然条件同样也会存在差异,目前农作物的生产普遍采用农业大棚进行种植,有助于提高农作物产量;
而现有技术中的农业大棚进行农作物种植时,主要通过采集环境温度等农业生产数据并进行农作物生长环境调控,难以实现农业监管区域的分区监管,无法将大气环境监测和土壤监测相结合并分区反映农作物环境态势和整体监管效果,以及无法结合农作物策略分析并判定农业监管区域所种植农作物的效益状况和管理难度状况,不利于后续农作物的选择和管理;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供基于AI技术的智慧农业生产数据决策管理系统,解决了现有技术中的难以实现农业监管区域的分区监管,无法将大气环境监测和土壤监测相结合并分区反映农作物环境态势和整体监管效果,以及无法结合农作物策略分析并判定农业监管区域所种植农作物的效益状况和管理难度状况,不利于后续农作物选择和管理的问题。
为实现上述目的,本发明提供如下技术方案:
基于AI技术的智慧农业生产数据决策管理系统,包括AI决策管理平台,AI决策管理平台获取到农业监管区域,将农业监管区域划分为若干个面积相同的监管子区域,将监管子区域标记为分析对象g,g=1,2,…,n,n表示对应农业监管区域中监管子区域数目,且n为大于3的正整数;
AI决策管理平台包括服务器、数据存储模块、区域环境监测模块、土壤环境监测模块、多元数据融合评估模块和决策管理预警模块;
区域环境监测模块用于将分析对象g进行区域大气环境监测分析并生成区环分析符号QH1或区环分析符号QH2,将区环分析符号QH1或区环分析符号QH2以及对应分析对象g经服务器发送至多元数据融合评估模块;土壤环境监测模块用于将分析对象g进行区域土壤监测分析并生成土壤分析符号TR1或土壤分析符号TR2,将土壤分析符号TR1或土壤分析符号TR2以及对应分析对象g经服务器发送至多元数据融合评估模块;
多元数据融合评估模块通过融合评估分析,生成区域高评估信号、区域中评估信号或区域低评估信号并经服务器发送至决策管理预警模块,以及生成农业监管合格信号或农业监管不合格信号并经服务器发送至决策管理预警模块;决策管理预警模块接收到农业监管不合格信号时生成对应的农业监管预警信息,将对应农业监管预警信息经AI决策管理平台发送至农业监管终端;
决策管理预警模块接收到区域高评估信号、区域中评估信号或区域低评估信号时生成对应等级的区域预警评估信息,将对应等级的区域预警评估信息以及对应分析对象g经AI决策管理平台发送至农业监管终端。
进一步的,AI决策管理平台还包括农作物策略分析模块,农作物策略分析用于对农业监管区域进行农作物策略分析,农作物策略分析模块的具体运行过程包括:
获取到分析对象g的农作物产量数据和农作物生长周期时长数据,将农作物产量数据和农作物平均生长周期时长数据进行数值计算获取到区域作物表现值;将对应农业监管区域的所有监管子区域的区域作物表现值建立作物表现集合,将作物表现集合进行均值计算和方差计算获取到农作物表均系数和农作物表异系数;
通过数据存储模块调取预设农作物表均阈值和预设农作物表异阈值,将农作物表均系数和农作物表异系数与预设农作物表均阈值和预设农作物表异阈值分别进行数值比较,若农作物表均系数和农作物表异系数均小于等于对应阈值,则生成农作物生长合格信号,其余情况则生成农作物生长不合格信号。
进一步的,在生成农作物生长合格信号时,通过农作物投销分析获取到对应农业监管区域的农作物投销系数,获取到农作物表均系数和农作物表异系数,将农作物投销系数、农作物表均系数和农作物表异系数进行数值计算获取到农作物策略系数;
通过数据存储模块调取预设农作物策略阈值,将农作物策略系数与农作物策略阈值进行数值比较,若农作物策略系数大于等于预设农作物策略阈值,则生成农业策略合格信号,若农作物策略系数小于预设农作物策略阈值,则生成农业策略不合格信号。
进一步的,农作物投销分析的具体分析过程如下:
获取到对应农业监管区域的总投入成本、农作物总产值和农作物销售周期时长,将农作物总产值与总投入成本进行差值计算获取到农作物产销利润值,将农作物产销利润值与农作物销售周期进行数值计算获取到农作物投销系数。
进一步的,区域环境监测模块的具体运行过程包括:
获取到对应分析对象g的农作物所处生长阶段以及当前时段,通过数据存储模块调取对应农作物所处生长阶段以及当前时段的预设适宜温度、预设适宜湿度、预设适宜光照强度、预设适宜氧气浓度和预设适宜二氧化碳浓度,获取到对应分析对象g的环境温度相较于对应预设适宜温度的偏离值、环境湿度相较于对应预设适宜湿度的偏离值、光照强度相较于预设适宜光照强度的偏离值、氧气浓度相较于预设适宜氧气浓度的偏离值以及二氧化碳浓度相较于预设适宜二氧化碳浓度的偏离值;
将环境温度相较于对应预设适宜温度的偏离值、环境湿度相较于对应预设适宜湿度的偏离值、光照强度相较于预设适宜光照强度的偏离值、氧气浓度相较于预设适宜氧气浓度的偏离值以及二氧化碳浓度相较于预设适宜二氧化碳浓度的偏离值进行数值计算获取到区环表现值;
通过数据存储模块调取对应农作物所处生长阶段以及当前时段的预设区环表现阈值,将区环表现值与预设区环表现阈值进行数值比较,若区环表现值大于等于预设区环表现阈值,则生成区环分析符号QH1,若区环表现值小于预设区环表现阈值,则生成区环分析符号QH2。
进一步的,土壤环境监测模块的具体运行过程包括:
获取到对应分析对象g的土壤信息,土壤信息包括对应分析对象g的土壤含水量数据、土壤透气性数据、土壤酸碱度数据以及土壤肥力数据,通过数据存储模块调取对应农作物所处生长阶段以及当前时段的预设适宜土壤含水量数据、预设适宜土壤透气性数据、预设适宜土壤酸碱度数据以及预设适宜土壤肥力数据;将对应分析对象g的土壤含水量数据与对应预设适宜土壤含水量数据进行差值计算并取绝对值获取到土壤含水量差异值,同理获取到土壤透气性差异值、土壤酸碱度差异值和土壤肥力差异值;
将土壤含水量差异值、土壤透气性差异值、土壤酸碱度差异值和土壤肥力差异值进行数值计算获取到土壤表现值;通过数据存储模块调取对应农作物所处生长阶段以及当前时段的预设土壤表现阈值,将土壤表现值与预设土壤表现阈值进行数值比较,若土壤表现值大于等于预设土壤表现阈值,则生成土壤分析符号TR1,若土壤表现值小于预设土壤表现阈值,则生成土壤分析符号TR2。
进一步的,融合评估分析的具体分析过程如下:
获取到区环分析符号QH1或区环分析符号QH2以及土壤分析符号TR1或土壤分析符号TR2,若接收到区环分析符号QH1和土壤分析符号TR1,则生成区域低评估信号,若接收到区环分析符号QH2和土壤分析符号TR2,则生成区域高评估信号,其余情况则生成区域中评估信号;通过监管评估分析生成农业监管合格信号或农业监管不合格信号。
进一步的,监管评估分析的具体分析过程如下:
获取到对应低评估信号的监管子区域数目并标记为低级区域值,同理获取到中级区域值和高级区域值,将低级区域值、中级区域值和高级区域值进行数值计算获取到监管评估值;通过数据存储模块调取预设监管评估阈值,将监管评估值与监管评估阈值进行数值比较;若监管评估值大于等于预设监管评估阈值,则生成农业监管合格信号,若监管评估值小于预设监管评估阈值,则生成农业监管不合格信号。
进一步的,农作物策略分析模块将农作物生长合格信号或农作物生长不合格信号以及农业策略合格信号或农业策略不合格信号经服务器发送至决策管理预警模块,决策管理预警模块在接收到农作物生长不合格信号或农业策略不合格信号时生成相应的农作物决策预警信息,并将相应的农作物决策预警信息经AI决策管理平台发送至农业监管终端。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过区域环境监测模块进行区域大气环境监测分析,实现对农业监管区域的大气环境分区监测,土壤环境监测模块进行区域土壤监测分析,实现对农业监管区域的土壤环境分区监测,多元数据融合评估模块基于大气环境监测分析结果和土壤环境监测分析结果并通过融合评估分析,生成区域高评估信号、区域中评估信号或区域低评估信号,以及生成农业监管合格信号或农业监管不合格信号,分析更加全面准确,具有分区反映农作物环境态势和整体监管效果的作用,实现农业监管区域的分区监管,有助于农业监管区域各子区域农作物的稳定生长;
2、本发明中,通过农作物策略分析对农业监管区域进行农作物策略分析,生成农作物生长合格信号或农作物生长不合格信号,在生成农作物生长合格信号时通过后续分析生成农业策略合格信号或农业策略不合格信号,决策管理预警模块在接收到农作物生长不合格信号或农业策略不合格信号时生成相应的农作物决策预警信息,农业监管终端的管理人员接收到对应的农作物决策预警信息时,后续应当加强农业监管区域各区域的监管并慎重考虑当前农作物的种植,有助于后续农作物的种植选择和种植监管。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明的整体系统框图;
图2为本发明中AI决策管理平台的系统框图;
图3为本发明中实施例二的系统框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅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做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。
实施例一:
如图1-2所示,本发明提出的基于AI技术的智慧农业生产数据决策管理系统,包括AI决策管理平台,AI决策管理平台包括服务器、数据存储模块、区域环境监测模块、土壤环境监测模块、多元数据融合评估模块和决策管理预警模块;
AI决策管理平台获取到农业监管区域,将农业监管区域划分为若干个面积相同的监管子区域,将监管子区域标记为分析对象g,g=1,2,…,n,n表示对应农业监管区域中监管子区域数目,且n为大于3的正整数;
区域环境监测模块用于将分析对象g进行区域大气环境监测分析并生成区环分析符号QH1或区环分析符号QH2,将区环分析符号QH1或区环分析符号QH2以及对应分析对象g经服务器发送至多元数据融合评估模块;区域大气环境监测分析的具体分析过程如下:
获取到对应分析对象g的农作物所处生长阶段以及当前时段,通过数据存储模块调取对应农作物所处生长阶段以及当前时段的预设适宜温度、预设适宜湿度、预设适宜光照强度、预设适宜氧气浓度和预设适宜二氧化碳浓度,获取到对应分析对象g的环境温度相较于对应预设适宜温度的偏离值JWg、环境湿度相较于对应预设适宜湿度的偏离值JSg、光照强度相较于预设适宜光照强度的偏离值JGg、氧气浓度相较于预设适宜氧气浓度的偏离值JYg以及二氧化碳浓度相较于预设适宜二氧化碳浓度的偏离值JEg;通过大气环境综合监测分析公式并代入环境温度相较于对应预设适宜温度的偏离值JWg、环境湿度相较于对应预设适宜湿度的偏离值JSg、光照强度相较于预设适宜光照强度的偏离值JGg、氧气浓度相较于预设适宜氧气浓度的偏离值JYg以及二氧化碳浓度相较于预设适宜二氧化碳浓度的偏离值JEg进行数值计算,通过数值计算后获取到对应分析对象g所属监管子区域的区环表现值QHg;
其中,a1、a2、a3、a4、a5为预设权重系数,a1、a2、a3、a4、a5的取值均大于1且a1>a4>a2>a3>a5;需要说明的是,区环表现值QHg的数值大小反映了对应监管子区域当前时段的大气环境适宜状况,举例来看,区环表现值QHg的数值越小,表明对应分析对象g所属监管子区域的大气环境越适宜农作物当前的生长;
通过数据存储模块调取对应农作物所处生长阶段以及当前时段的预设区环表现阈值,将对应分析对象g的区环表现值QHg与预设区环表现阈值进行数值比较,若对应分析对象g的区环表现值QHg大于等于预设区环表现阈值,则生成区环分析符号QH1,若对应分析对象g的区环表现值QHg小于预设区环表现阈值,则生成区环分析符号QH2。
土壤环境监测模块用于将分析对象g进行区域土壤监测分析并生成土壤分析符号TR1或土壤分析符号TR2,将土壤分析符号TR1或土壤分析符号TR2以及对应分析对象g经服务器发送至多元数据融合评估模块;区域土壤监测分析的具体分析过程如下:
获取到对应分析对象g的土壤信息,土壤信息包括对应分析对象g的土壤含水量数据、土壤透气性数据、土壤酸碱度数据以及土壤肥力数据,其中,土壤含水量数据是用于反映单位面积土壤含水多少的数据量值,土壤透气性数据是用于反映对应土壤透气性好坏的数据量值,土壤酸碱度数据是用于反映对应土壤PH值大小的数据量值;土壤肥力数据是用于反映对应土壤营养程度的数据量值,土壤营养程度主要表现在土壤磷、氮、钾等元素以及相应微量元素的含量大小;
通过数据存储模块调取对应农作物所处生长阶段以及当前时段的预设适宜土壤含水量数据、预设适宜土壤透气性数据、预设适宜土壤酸碱度数据以及预设适宜土壤肥力数据;将对应分析对象g的土壤含水量数据与对应预设适宜土壤含水量数据进行差值计算并取绝对值获取到土壤含水量差异值TSg,同理获取到土壤透气性差异值TQg、土壤酸碱度差异值SJg和土壤肥力差异值FLg;通过土壤环境综合监测分析公式将土壤含水量差异值TSg、土壤透气性差异值TQg、土壤酸碱度差异值SJg和土壤肥力差异值FLg进行数值计算获取到对应分析对象g的土壤表现值TBg;
其中,b1、b2、b3、b4为预设比例系数,b1、b2、b3、b4的取值均大于零且b1<b4<b2<b3;需要说明的是,土壤表现值TBg的数值大小反映了对应监管子区域当前时段的土壤环境适宜状况,举例来看,土壤表现值TBg的数值越小,表明对应分析对象g所属监管子区域的土壤环境越适宜农作物当前的生长,反之,则越不适宜农作物当前的生长;
通过数据存储模块调取对应农作物所处生长阶段以及当前时段的预设土壤表现阈值,将对应分析对象g的土壤表现值TBg与预设土壤表现阈值进行数值比较,若对应分析对象g的土壤表现值TBg大于等于预设土壤表现阈值,则生成土壤分析符号TR1,若对应分析对象g的土壤表现值TBg小于预设土壤表现阈值,则生成土壤分析符号TR2。
多元数据融合评估模块通过融合评估分析,生成区域高评估信号、区域中评估信号或区域低评估信号,以及生成农业监管合格信号或农业监管不合格信号,融合评估分析的具体分析过程如下:
获取到区环分析符号QH1或区环分析符号QH2以及土壤分析符号TR1或土壤分析符号TR2,若接收到区环分析符号QH1和土壤分析符号TR1,则生成区域低评估信号,若接收到区环分析符号QH2和土壤分析符号TR2,则生成区域高评估信号,其余情况则生成区域中评估信号;
获取到对应低评估信号的监管子区域数目并标记为低级区域值DQ,同理获取到中级区域值ZQ和高级区域值GQ,通过监管评估公式并代入低级区域值DQ、中级区域值ZQ和高级区域值GQ进行数值计算,通过数值计算后获取到监管评估值JPz;
其中,kv1、kv2、kv3为预设权重系数,kv1、kv2、kv3的取值均大于零且kv1>kv2>kv3;需要说明的是,监管评估值JPz的数值越大,表明农业监管区域整体管理效果越好,监管评估值JPz的数值越小,表明农业监管区域的整体管理状况越差,农业监管区域越需要及时进行环境调控;
通过数据存储模块调取预设监管评估阈值,将监管评估值JPz与监管评估阈值进行数值比较;若监管评估值JPz大于等于预设监管评估阈值,则生成农业监管合格信号,若监管评估值JPz小于预设监管评估阈值,则生成农业监管不合格信号。
多元数据融合评估模块将区域高评估信号、区域中评估信号或区域低评估信号经服务器发送至决策管理预警模块,以及将农业监管合格信号或农业监管不合格信号经服务器发送至决策管理预警模块;
AI决策管理平台通信连接农业监管终端,决策管理预警模块接收到农业监管不合格信号时生成对应的农业监管预警信息,将对应农业监管预警信息经AI决策管理平台发送至农业监管终端;农业监管终端的监管人员接收到对应的农业监管预警信息时,应当在后续加强对相关区域工作人员的监督管理,以及在后续加强对相关人员的工作培训;
决策管理预警模块接收到区域高评估信号、区域中评估信号或区域低评估信号时生成对应等级的区域预警评估信息,将对应等级的区域预警评估信息以及对应分析对象g经AI决策管理平台发送至农业监管终端,农业监管终端的监管人员接收到高评估信号时不需对相应监管子区域进行任何应对措施,监管人员接收到区域低评估信号时应当及时通知并安排对应监管子区域的工作人员进行区域管理调控,在接收到区域中评估信号时可根据需要通知并安排对应监管子区域的工作人员进行区域管理调控,有助于农业监管区域各子区域农作物的稳定生长。
实施例二:
如图3所示,本实施例与实施例1的区别在于,AI决策管理平台还包括农作物策略分析模块,服务器与农作物策略分析模块通信连接,农作物策略分析用于对农业监管区域进行农作物策略分析,其中,农作物策略分析的具体分析过程如下:
获取到分析对象g的农作物产量数据和农作物生长周期时长数据并分别标记为CLg和ZSg,通过区域农作物表现公式并代入农作物产量数据CLg和农作物平均生长周期时长数据ZSg进行数值计算,通过数值计算后获取到对应分析对象g的区域作物表现值NQg;
其中,ky1、ky2为预设比例系数,ky1、ky2的取值均大于1且ky1>ky2;需要说明的是,区域作物表现值NQg的数值大小与农作物产量数据CLg呈反比关系,与农作物平均生长周期时长数据ZSg呈正比关系,农作物产量数据CLg的数值越小、农作物平均生长周期时长数据ZSg的数值越大,则区域作物表现值NQg的数值越大,表明对应分析对象g的农作物表现越差;
将对应农业监管区域的所有监管子区域的区域作物表现值NQg建立作物表现集合,将作物表现集合进行均值计算和方差计算获取到农作物表均系数NB和农作物表异系数NY;需要说明的是,农作物表均系数NB的数值越小,农作物表异系数NY的数值越小,表明对应农业监管区域所种植的农作物的整体产量效果越好,各区域农作物种植表现越均衡,对应工作人员的日常种植管理工作越认真负责,种植管理难度相较而言越小;
通过数据存储模块调取预设农作物表均阈值和预设农作物表异阈值,将农作物表均系数NB和农作物表异系数NY与预设农作物表均阈值和预设农作物表异阈值分别进行数值比较,若农作物表均系数NB和农作物表异系数NY均小于等于对应阈值,则生成农作物生长合格信号,其余情况则生成农作物生长不合格信号。
农作物策略分析模块将农作物生长合格信号或农作物生长不合格信号经服务器发送至决策管理预警模块,决策管理预警模块在接收到农作物生长不合格信号时生成相应的农作物决策预警信息,并将相应的农作物决策预警信息经AI决策管理平台发送至农业监管终端,农业监管终端的管理人员接收到对应的农作物决策预警信息时,后续在进行对应农业监管区域的农作物种植时应当加强农业监管区域各区域的监管,以及后续应当慎重考虑当前农作物的种植。
实施例三:
本实施例与实施例1、实施例2的区别在于,在生成农作物生长合格信号时,获取到对应农业监管区域的总投入成本、农作物总产值和农作物销售周期时长,将农作物总产值与总投入成本进行差值计算获取到农作物产销利润值LR,通过公式并代入农作物产销利润值LR与农作物销售周期时长XS进行数值计算,通过数值计算后获取到农作物投销系数CX;
其中,fg1、fg2为预设比例系数,fg1、fg2的取值均大于零且fg1<fg2;需要说明的是,农作物投销系数CX的数值大小与农作物产销利润值LR呈正比关系,与农作物销售周期时长XS呈反比关系,农作物产销利润值LR的数值越大、农作物销售周期时长XS的数值越小,则农作物投销系数CX的数值越大,表明农业监管区域对应农作物的经营反馈情况越好;
获取到农作物表均系数NB和农作物表异系数NY,通过农作物综合分析公式并代入农作物投销系数CX、农作物表均系数NB和农作物表异系数NY进行数值计算,通过数值计算后获取到农业监管区域的农作物策略系数CYx;
其中,tq1、tq2、tq3为预设比例系数,tq1、tq2、tq3的取值均大于1且tq1>tq2>tq3;需要说明的是,农作物策略系数CYx的数值大小与农作物投销系数CX呈正比关系,与农作物表均系数NB和农作物表异系数NY呈反比关系,农作物投销系数CX的数值越大、农作物表均系数NB的数值越小、农作物表异系数NY的数值越小,则农作物策略系数CYx的数值越大,表明整体而言农业监管区域种植对应农作物所带来的经济效益越好,管理难度越小;
通过数据存储模块调取预设农作物策略阈值,将农作物策略系数CYx与农作物策略阈值进行数值比较,若农作物策略系数CYx大于等于预设农作物策略阈值,则生成农业策略合格信号,若农作物策略系数CYx小于预设农作物策略阈值,则生成农业策略不合格信号。
农作物策略分析模块将农业策略合格信号或农业策略不合格信号经服务器发送至决策管理预警模块,决策管理预警模块在接收到农业策略不合格信号时生成相应的农作物决策预警信息,并将相应的农作物决策预警信息经AI决策管理平台发送至农业监管终端,农业监管终端的管理人员接收到对应的农作物决策预警信息时,后续应当慎重考虑当前农作物的种植。
本发明的工作过程及原理如下:
使用时,通过区域环境监测模块将分析对象g进行区域大气环境监测分析,实现对农业监管区域的大气环境分区监测,土壤环境监测模块将分析对象g进行区域土壤监测分析,实现对农业监管区域的土壤环境分区监测,多元数据融合评估模块基于大气环境监测分析结果和土壤环境监测分析结果并通过融合评估分析,分析更加全面准确,生成区域高评估信号、区域中评估信号或区域低评估信号,以及生成农业监管合格信号或农业监管不合格信号,分区反映农作物环境态势和整体监管效果,实现农业监管区域的分区监管,有助于农业监管区域各子区域农作物的稳定生长;
农作物策略分析对农业监管区域进行农作物策略分析,生成农作物生长合格信号或农作物生长不合格信号,以及在生成农作物生长合格信号时通过后续分析生成农业策略合格信号或农业策略不合格信号,决策管理预警模块在接收到农作物生长不合格信号或农业策略不合格信号时生成相应的农作物决策预警信息,农业监管终端的管理人员接收到对应的农作物决策预警信息时,后续应当加强农业监管区域各区域的监管,以及后续应当慎重考虑当前农作物的种植,有助于后续农作物的种植选择。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.基于AI技术的智慧农业生产数据决策管理系统,其特征在于,包括AI决策管理平台,AI决策管理平台获取到农业监管区域,将农业监管区域划分为若干个面积相同的监管子区域,将监管子区域标记为分析对象g,g=1,2,…,n,n表示对应农业监管区域中监管子区域数目,且n为大于3的正整数;
AI决策管理平台包括服务器、数据存储模块、区域环境监测模块、土壤环境监测模块、多元数据融合评估模块和决策管理预警模块;
区域环境监测模块用于将分析对象g进行区域大气环境监测分析并生成区环分析符号QH1或区环分析符号QH2,将区环分析符号QH1或区环分析符号QH2以及对应分析对象g经服务器发送至多元数据融合评估模块;区域大气环境监测分析的具体分析过程如下:
获取到对应分析对象g的农作物所处生长阶段以及当前时段,通过数据存储模块调取对应农作物所处生长阶段以及当前时段的预设适宜温度、预设适宜湿度、预设适宜光照强度、预设适宜氧气浓度和预设适宜二氧化碳浓度,获取到对应分析对象g的环境温度相较于对应预设适宜温度的偏离值JWg、环境湿度相较于对应预设适宜湿度的偏离值JSg、光照强度相较于预设适宜光照强度的偏离值JGg、氧气浓度相较于预设适宜氧气浓度的偏离值JYg以及二氧化碳浓度相较于预设适宜二氧化碳浓度的偏离值JEg;通过大气环境综合监测分析公式并代入环境温度相较于对应预设适宜温度的偏离值JWg、环境湿度相较于对应预设适宜湿度的偏离值JSg、光照强度相较于预设适宜光照强度的偏离值JGg、氧气浓度相较于预设适宜氧气浓度的偏离值JYg以及二氧化碳浓度相较于预设适宜二氧化碳浓度的偏离值JEg进行数值计算,通过数值计算后获取到对应分析对象g所属监管子区域的区环表现值QHg;
其中,a1、a2、a3、a4、a5为预设权重系数,a1、a2、a3、a4、a5的取值均大于1且a1>a4>a2>a3>a5;需要说明的是,区环表现值QHg的数值大小反映了对应监管子区域当前时段的大气环境适宜状况;通过数据存储模块调取对应农作物所处生长阶段以及当前时段的预设区环表现阈值,将对应分析对象g的区环表现值QHg与预设区环表现阈值进行数值比较,若对应分析对象g的区环表现值QHg大于等于预设区环表现阈值,则生成区环分析符号QH1,若对应分析对象g的区环表现值QHg小于预设区环表现阈值,则生成区环分析符号QH2;
土壤环境监测模块用于将分析对象g进行区域土壤监测分析并生成土壤分析符号TR1或土壤分析符号TR2,将土壤分析符号TR1或土壤分析符号TR2以及对应分析对象g经服务器发送至多元数据融合评估模块;区域土壤监测分析的具体分析过程如下:
获取到对应分析对象g的土壤信息,土壤信息包括对应分析对象g的土壤含水量数据、土壤透气性数据、土壤酸碱度数据以及土壤肥力数据,其中,土壤含水量数据是用于反映单位面积土壤含水多少的数据量值,土壤透气性数据是用于反映对应土壤透气性好坏的数据量值,土壤酸碱度数据是用于反映对应土壤PH值大小的数据量值;土壤肥力数据是用于反映对应土壤营养程度的数据量值,土壤营养程度主要表现在土壤磷、氮、钾等元素以及相应微量元素的含量大小;
通过数据存储模块调取对应农作物所处生长阶段以及当前时段的预设适宜土壤含水量数据、预设适宜土壤透气性数据、预设适宜土壤酸碱度数据以及预设适宜土壤肥力数据;将对应分析对象g的土壤含水量数据与对应预设适宜土壤含水量数据进行差值计算并取绝对值获取到土壤含水量差异值TSg,同理获取到土壤透气性差异值TQg、土壤酸碱度差异值SJg和土壤肥力差异值FLg;通过土壤环境综合监测分析公式将土壤含水量差异值TSg、土壤透气性差异值TQg、土壤酸碱度差异值SJg和土壤肥力差异值FLg进行数值计算获取到对应分析对象g的土壤表现值TBg;
其中,b1、b2、b3、b4为预设比例系数,b1、b2、b3、b4的取值均大于零且b1<b4<b2<b3;需要说明的是,土壤表现值TBg的数值大小反映了对应监管子区域当前时段的土壤环境适宜状况;通过数据存储模块调取对应农作物所处生长阶段以及当前时段的预设土壤表现阈值,将对应分析对象g的土壤表现值TBg与预设土壤表现阈值进行数值比较,若对应分析对象g的土壤表现值TBg大于等于预设土壤表现阈值,则生成土壤分析符号TR1,若对应分析对象g的土壤表现值TBg小于预设土壤表现阈值,则生成土壤分析符号TR2;
多元数据融合评估模块通过融合评估分析,生成区域高评估信号、区域中评估信号或区域低评估信号并经服务器发送至决策管理预警模块,以及生成农业监管合格信号或农业监管不合格信号并经服务器发送至决策管理预警模块;融合评估分析的具体分析过程如下:
获取到区环分析符号QH1或区环分析符号QH2以及土壤分析符号TR1或土壤分析符号TR2,若接收到区环分析符号QH1和土壤分析符号TR1,则生成区域低评估信号,若接收到区环分析符号QH2和土壤分析符号TR2,则生成区域高评估信号,其余情况则生成区域中评估信号;通过监管评估分析生成农业监管合格信号或农业监管不合格信号;
决策管理预警模块接收到农业监管不合格信号时生成对应的农业监管预警信息,将对应农业监管预警信息经AI决策管理平台发送至农业监管终端;决策管理预警模块接收到区域高评估信号、区域中评估信号或区域低评估信号时生成对应等级的区域预警评估信息,将对应等级的区域预警评估信息以及对应分析对象g经AI决策管理平台发送至农业监管终端。
2.根据权利要求1所述的基于AI技术的智慧农业生产数据决策管理系统,其特征在于,AI决策管理平台还包括农作物策略分析模块,农作物策略分析用于对农业监管区域进行农作物策略分析,农作物策略分析模块的具体运行过程包括:
获取到分析对象g的农作物产量数据和农作物生长周期时长数据,将农作物产量数据和农作物平均生长周期时长数据进行数值计算获取到区域作物表现值;将对应农业监管区域的所有监管子区域的区域作物表现值建立作物表现集合,将作物表现集合进行均值计算和方差计算获取到农作物表均系数和农作物表异系数;
通过数据存储模块调取预设农作物表均阈值和预设农作物表异阈值,将农作物表均系数和农作物表异系数与预设农作物表均阈值和预设农作物表异阈值分别进行数值比较,若农作物表均系数和农作物表异系数均小于等于对应阈值,则生成农作物生长合格信号,其余情况则生成农作物生长不合格信号。
3.根据权利要求2所述的基于AI技术的智慧农业生产数据决策管理系统,其特征在于,在生成农作物生长合格信号时,通过农作物投销分析获取到对应农业监管区域的农作物投销系数,获取到农作物表均系数和农作物表异系数,将农作物投销系数、农作物表均系数和农作物表异系数进行数值计算获取到农作物策略系数;
通过数据存储模块调取预设农作物策略阈值,将农作物策略系数与农作物策略阈值进行数值比较,若农作物策略系数大于等于预设农作物策略阈值,则生成农业策略合格信号,若农作物策略系数小于预设农作物策略阈值,则生成农业策略不合格信号。
4.根据权利要求3所述的基于AI技术的智慧农业生产数据决策管理系统,其特征在于,农作物投销分析的具体分析过程如下:
获取到对应农业监管区域的总投入成本、农作物总产值和农作物销售周期时长,将农作物总产值与总投入成本进行差值计算获取到农作物产销利润值,将农作物产销利润值与农作物销售周期进行数值计算获取到农作物投销系数。
5.根据权利要求1所述的基于AI技术的智慧农业生产数据决策管理系统,其特征在于,监管评估分析的具体分析过程如下:
获取到对应低评估信号的监管子区域数目并标记为低级区域值,同理获取到中级区域值和高级区域值,将低级区域值、中级区域值和高级区域值进行数值计算获取到监管评估值;通过数据存储模块调取预设监管评估阈值,将监管评估值与监管评估阈值进行数值比较;若监管评估值大于等于预设监管评估阈值,则生成农业监管合格信号,若监管评估值小于预设监管评估阈值,则生成农业监管不合格信号。
6.根据权利要求2所述的基于AI技术的智慧农业生产数据决策管理系统,其特征在于,农作物策略分析模块将农作物生长合格信号或农作物生长不合格信号以及农业策略合格信号或农业策略不合格信号经服务器发送至决策管理预警模块,决策管理预警模块在接收到农作物生长不合格信号或农业策略不合格信号时生成相应的农作物决策预警信息,并将相应的农作物决策预警信息经AI决策管理平台发送至农业监管终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310272394.5A CN115984028B (zh) | 2023-03-21 | 2023-03-21 | 基于ai技术的智慧农业生产数据决策管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310272394.5A CN115984028B (zh) | 2023-03-21 | 2023-03-21 | 基于ai技术的智慧农业生产数据决策管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115984028A CN115984028A (zh) | 2023-04-18 |
CN115984028B true CN115984028B (zh) | 2023-06-23 |
Family
ID=85965240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310272394.5A Active CN115984028B (zh) | 2023-03-21 | 2023-03-21 | 基于ai技术的智慧农业生产数据决策管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115984028B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116184926B (zh) * | 2023-04-21 | 2023-07-07 | 山东力乐新材料有限公司 | 一种面向塑料中空板的全自动智能生产线流程检测系统 |
CN116681282B (zh) * | 2023-06-05 | 2023-12-15 | 上海华维可控农业科技集团股份有限公司 | 一种适用于山区果园的无人化生产监管系统 |
CN116977111B (zh) * | 2023-07-28 | 2024-06-25 | 山东科翔智能科技有限公司 | 一种基于智慧ai农业的玉米种植决策管控系统 |
CN116776129B (zh) * | 2023-08-22 | 2023-10-31 | 贵州中昂科技有限公司 | 一种多源农业数据的采集管理方法 |
CN116797187B (zh) * | 2023-08-25 | 2023-11-03 | 江西科技学院 | 一种自动化生产线设备数据管理系统 |
CN117391613B (zh) * | 2023-10-08 | 2024-03-15 | 菏泽单州数字产业发展有限公司 | 一种基于物联网的农业产业园管理系统 |
CN117541177B (zh) * | 2023-11-09 | 2024-08-06 | 南京邮电大学 | 一种基于大数据的智慧农业监控管理方法及系统 |
CN117350525A (zh) * | 2023-12-06 | 2024-01-05 | 山东科翔智能科技有限公司 | 基于人工智能的农作物生长数据管理决策系统 |
CN118155144B (zh) * | 2024-05-13 | 2024-08-16 | 上海国兴农智能科技股份有限公司 | 基于ai视觉的蔬菜种植农药投入品监管系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110956381A (zh) * | 2019-11-22 | 2020-04-03 | 黑龙江省农业科学院农业遥感与信息研究所 | 一种远程农业信息智能分析系统及农业环境调控方法 |
CN113657751A (zh) * | 2021-08-16 | 2021-11-16 | 农湾农业科技发展(山东)有限公司 | 一种智慧农业产融综合服务平台 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107277155B (zh) * | 2017-07-01 | 2020-12-18 | 尚达叁陆玖信息科技股份有限公司 | 一种远程监测管理农作物生长环境平台及其实现方法 |
EP4081959A4 (en) * | 2019-12-26 | 2023-12-06 | Agrovisio Oü | AGRICULTURAL DECISION SUPPORT SYSTEM |
CN111652756A (zh) * | 2020-07-03 | 2020-09-11 | 张玉红 | 一种绿色智慧农业大棚种植环境监测管理系统 |
CN112561367A (zh) * | 2020-12-22 | 2021-03-26 | 湖北良顷农业科技有限公司 | 一种智能种植决策控制系统 |
CN115237982A (zh) * | 2022-07-22 | 2022-10-25 | 山西楼东文化旅游有限责任公司 | 一种基于云计算的农业大数据管理系统及方法 |
CN115240452B (zh) * | 2022-09-23 | 2022-12-09 | 山东科翔智能科技有限公司 | 一种智能化农机北斗导航自动驾驶辅助系统 |
-
2023
- 2023-03-21 CN CN202310272394.5A patent/CN115984028B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110956381A (zh) * | 2019-11-22 | 2020-04-03 | 黑龙江省农业科学院农业遥感与信息研究所 | 一种远程农业信息智能分析系统及农业环境调控方法 |
CN113657751A (zh) * | 2021-08-16 | 2021-11-16 | 农湾农业科技发展(山东)有限公司 | 一种智慧农业产融综合服务平台 |
Also Published As
Publication number | Publication date |
---|---|
CN115984028A (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115984028B (zh) | 基于ai技术的智慧农业生产数据决策管理系统 | |
Migliavacca et al. | The three major axes of terrestrial ecosystem function | |
Lova Raju et al. | IoT technologies in agricultural environment: A survey | |
Channe et al. | Multidisciplinary model for smart agriculture using internet-of-things (IoT), sensors, cloud-computing, mobile-computing & big-data analysis | |
Fulton et al. | Precision agriculture data management | |
Murugamani et al. | Machine Learning Technique for Precision Agriculture Applications in 5G‐Based Internet of Things | |
Ahmad et al. | A review of best management practices for potato crop using precision agricultural technologies | |
CN117935081B (zh) | 一种基于遥感卫星数据的耕地变化监测方法及系统 | |
CN116257792B (zh) | 一种智慧城市碳中和数据分析系统 | |
KR102188768B1 (ko) | 시설 운영 이력을 저장할 수 있는 스마트팜 운영 시스템 | |
CN116721236A (zh) | 一种基于数字孪生大棚种植监测方法、系统及存储介质 | |
Micheni et al. | Internet of things, big data analytics, and deep learning for sustainable precision agriculture | |
US11185007B1 (en) | Methods and systems for prioritizing management of agricultural fields | |
Zhang et al. | Artificial intelligence in soil management: The new frontier of smart agriculture | |
CN210666867U (zh) | 一种基于物联网的智慧农业大数据服务平台 | |
Tóth et al. | Possibilities of IoT based management system in greenhouses | |
Xu et al. | Smart Farm Based on Six-Domain Model | |
Khatraty et al. | Smart Digital-Twin hub Concept for Rice yield prediction and monitoring from multivariate time series data | |
CN115690609A (zh) | 一种作物生育期长势监测的方法 | |
Sivakumar et al. | Harnessing I4. 0 technologies for climate smart agriculture and food security | |
KR20210056213A (ko) | 농장 운영정보 제공 시스템 | |
Simanungkalit et al. | Smart Garden on Chili Plants Based on IoT | |
CN213659215U (zh) | 一种种植环境监控系统 | |
Rajendiran et al. | IoT-Integrated Machine Learning-Based Automated Precision Agriculture-Indoor Farming Techniques | |
KR102655126B1 (ko) | Ai 기술기반 병 예찰을 통한 스마트 예방 농업 서비스 시스템 |
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 |