CN116307403B - 一种基于数字乡村的种植过程推荐方法及系统 - Google Patents
一种基于数字乡村的种植过程推荐方法及系统 Download PDFInfo
- Publication number
- CN116307403B CN116307403B CN202310535450.XA CN202310535450A CN116307403B CN 116307403 B CN116307403 B CN 116307403B CN 202310535450 A CN202310535450 A CN 202310535450A CN 116307403 B CN116307403 B CN 116307403B
- Authority
- CN
- China
- Prior art keywords
- planting
- planting process
- yield
- optimal
- agricultural products
- 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
- 238000000034 method Methods 0.000 title claims abstract description 208
- 230000008569 process Effects 0.000 title claims abstract description 165
- 230000000694 effects Effects 0.000 claims abstract description 38
- 238000012216 screening Methods 0.000 claims abstract description 16
- 230000009418 agronomic effect Effects 0.000 claims description 55
- 239000012773 agricultural material Substances 0.000 claims description 19
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 6
- 239000004973 liquid crystal related substance Substances 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 29
- 238000012545 processing Methods 0.000 description 5
- 241000209094 Oryza Species 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明提出一种基于数字乡村的种植过程推荐方法及系统,所述方法包括:利用相同土地等级下农产品的亩产产量和所种植农产品的每小时产量这两个指标评价乡村中各个家庭的种植能力,筛选出乡村中各类农产品的种植能手家庭;将各类农产品的种植能手家庭的种植过程作为最佳种植过程,提取最佳种植过程的时间序列并生成最佳种植过程序列;将最佳种植过程序列推荐给乡村中种植相应农产品的其他家庭,并进行比较分析,提醒不符合最佳种植过程序列的家庭进行农事活动纠正。本发明从上一年中筛选出种植能力强的家庭并形成最佳种植过程序列,推荐给乡村中种植能力弱的家庭,及时规范其种植过程,可以更直观、精细地管控种植过程,降低种植过程学习难度。
Description
技术领域
本发明属于数据推荐技术领域,具体涉及一种基于数字乡村的种植过程推荐方法及系统。
背景技术
数字乡村是伴随网络化、信息化和数字化在农业农村经济社会发展中的应用,是农业农村现代化发展和转型的重要手段。依赖于数字乡村技术,种植什么样的产品的问题、缺乏种植经验的问题和如何提高经济效益等问题都逐渐有了解决方案。然而对于缺乏种植经验、种植技巧的问题,现有的数字乡村技术基本依靠专家远程咨询或者找到专家来进行现场指导,这种方式对科学种植有一定的提升作用,但是对于我国广阔的农业生产活动,专家指导并不能随时随地进行,也难以覆盖到各个基层,因此,专家指导的方式也存在诸多不足。此外,由于地域、气候的差异,种植经验和种植技巧也需要因地制宜,不可一概而论。因此,对于各个乡村而言,需要因地制宜,更加细致、及时的规范种植方案。
公开号为CN106599136A的发明专利公开了一种基于大数据指导农业生产的方法和装置,其通过数据挖掘分析每一种作物的种植周期、平均产量和平均价格,向种植者推送合适的种植作物,从而提供较为科学的种植方案,避免盲目种植。该方案可以适用于种植作物推荐,但是无法科学有效的指导详细种植过程,因此还是难以及时弥补种植过程上的不足。
因此,需要一种基于数字乡村的种植过程推荐方案,使各个乡村的种植户能更加方便地学习规范、合理的种植过程。
发明内容
有鉴于此,本发明提出了一种基于数字乡村的种植过程推荐方法及系统,用于解决现有的数字乡村技术无法及时规范各个家庭的农产品种植过程的问题。
本发明第一方面,公开一种基于数字乡村的种植过程推荐方法,所述方法包括:
利用农产品的亩产产量和所种植农产品的每小时产量这两个指标评价乡村中各个家庭的种植能力,筛选出乡村中各类农产品的种植能手家庭;
将各类农产品的种植能手家庭的种植过程作为最佳种植过程,提取最佳种植过程的时间序列并生成最佳种植过程序列;
将最佳种植过程序列推荐给乡村中种植相应农产品的其他家庭,并进行比较分析,提醒不符合最佳种植过程序列的家庭进行农事活动纠正。
在以上技术方案的基础上,优选的,所述利用农产品的亩产产量和所种植农产品的每小时产量这两个指标评价乡村中各个家庭的种植能力,筛选出乡村中各类农产品的种植能手家庭具体包括:
针对某类农产品,利用上一年农产品销售数据和家庭农事活动记录,计算每个家庭的平均亩产产量和平均每小时产量;
根据每个家庭的平均亩产产量和平均每小时产量计算每个家庭的种植能力指数Index:
其中,p代表一个家庭种植对应农产品的平均亩产产量,代表乡村中种植对应农产品的平均亩产产量,/>是一个家庭种植对应农产品的平均每小时产量,/>代表乡村中种植对应农产品的平均每小时产量;/>是平均亩产产量的权重系数,/>是平均每小时产量的权重系数;对种植能力指数Index进行排序,筛选种植能力指数最大的家庭作为种植能手家庭。
在以上技术方案的基础上,优选的,所述利用上一年农产品销售数据和家庭农事活动记录,计算每个家庭的平均亩产产量和平均每小时产量具体包括:
收集每个农民的农事活动记录,并以数据表结构的形式存储,包括家庭编号、土地编号、家庭成员、农事活动开始时间和农事活动结束时间;
以土地编号汇总劳动时长;
收集土地产出记录,并以数据表结构的形式存储,包括家庭编号,土地编号,农产品,面积和总产量;
通过土地编号关联农事活动记录、劳动时长和土地产出记录,形成结果数据,每条结果数据记录了一个家庭承包的某块土地上劳动时长和农产品产量数据;
根据结果数据,以家庭为单位汇聚农事活动记录,计算每个家庭的平均亩产产量和平均每小时产量;所述平均每小时产量等于总产量除以总劳动时长。
在以上技术方案的基础上,优选的,所述提取最佳种植过程的时间序列并生成最佳种植过程序列具体包括:
对种植能手家庭的对应农产品的农事活动记录按照时间升序排序;
选择排序后的农事活动记录中相邻的两条农事活动记录,其中,前一条记录为参考数据,后一条记录为后续数据,对比参考数据和后续数据,判断农事活动是否是相同且两条记录的时间之差不超过2天;
若是相同农事活动且时间之差不超过2天,表明两条农事活动记录属于同一个种植序列,通过数据累加的形式生成一条种植序列;若不相同,表明这两条农事活动记录是从事的不同的农事活动,分别划分到不同种植序列;
重复以上过程进行依次循环判断,从农事活动记录中形成种植对应农产品的所有种植序列,综合所有种植序列形成最佳种植过程序列。
在以上技术方案的基础上,优选的,所述通过数据累加的形式生成一条种植序列具体包括:
从参考数据中计算劳动时长和农资用量,并把参考数据中的土地编号、劳动时长和农资用量附加到后续数据中的对应数据上;其中劳动时长和农资用量直接相加到对应的数据上,若土地编号不同,通过分隔符将土地编号附加在后续数据的土地编号之后;
通过土地编号获得土地亩数,计算每亩劳动量和每亩农资消耗,生成一条种植序列。
在以上技术方案的基础上,优选的,所述将最佳种植过程序列推荐给乡村中种植相应农产品的其他家庭具体包括:
选取种植能力指数Index<1的家庭作为种植能力弱的家庭,以订阅消息服务的形式向种植能力弱的家庭推送最佳种植过程序列与本家庭种植过程序列的种植过程对照图像。
在以上技术方案的基础上,优选的,所述进行比较分析,提醒不符合最佳种植过程序列的家庭进行农事活动纠正具体包括:
实时监控种植能力弱的家庭从事对应类别的农产品的农事活动过程,并根据农事活动间的时间间隔和农事活动中各种农资用量情况判断是否符合最佳种植过程序列;
对于不符合最佳种植过程序列的家庭,进行种植不规范预警,并提醒对应的家庭纠正种植过程。
本发明第二方面,公开一种基于数字乡村的种植过程推荐系统,所述系统包括:
种植能手筛选模块:用于利用农产品的亩产产量和所种植农产品的每小时产量这两个指标评价乡村中各个家庭的种植能力,筛选出乡村中各类农产品的种植能手家庭;
种植过程提取模块:用于将各类农产品的种植能手家庭的种植过程作为最佳种植过程,提取最佳种植过程的时间序列并生成最佳种植过程序列;
种植过程推荐模块:用于将最佳种植过程序列推荐给乡村中种植相应农产品的其他家庭,并进行比较分析,提醒不符合最佳种植过程序列的家庭进行农事活动纠正。
本发明相对于现有技术具有以下有益效果:
1)本发明基于同一个乡村中,相同土地等级下的土地的地理和气候环境相同且农产品的亩产产量与家庭种植能力正相关这一特性提出了一种基于数字乡村的种植过程推荐方案,从上一年中筛选出种植能力强的家庭,以其种植过程为标准,在下一年种植过程让种植能力弱的家庭以它为模板进行种植,同时监控这些种植能力弱的家庭的农事活动,一旦出现与模板不符活动后,通知这些家庭改进,及时规范其种植过程,从而提升数字乡村中的种植过程信息共享能力,提高农产品的产量;
2)本发明通过亩产产量和种植农产品的每小时产量这两个指标综合评价各个家庭的种植能力,可以筛选出兼顾亩产产量和工作效率的种植能手家庭并进行最优种植过程推荐,可以保障所推荐的种植过程亩产产量最高同时工作效率最高,有利于提升整个乡村的亩产产量和劳动效率;
3)本发明通过对种植能手家庭的农事活动记录进行处理和分析,可以整合出规范的种植过程序列,并与种植能力弱的家庭比对分析,根据种植能力弱的家庭农事活动间的时间间隔和农事活动中各种农资用量情况判断其是否与最优种植过程序列相符,对于不符合的农事活动,推送对照图像进行提醒,可以更直观、精细地管控种植过程,同时降低种植过程学习难度。
附图说明
为了更清楚地说明本发明实施例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简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明的基于数字乡村的种植过程推荐方法流程图;
图2为历史数据加工处理的示意图;
图3为计算每个家庭的平均亩产产量和平均每小时产量的流程图;
图4为计算能力指数Index并排序的流程图;
图5为生成最佳种植过程序列的流程图。
实施方式
下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,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方式,都属于本发明保护的范围。
在数字乡村中可以记录乡村每块土地农产品的产量,以及每个家庭在土地耕耘的劳动记录,因此可以方便地获取各个家庭、各块土地的农事活动记录。而且在同一个乡村中,相同土地等级下的土地的地理和气候环境相同,农产品的亩产产量与家庭种植能力正相关。本发明根据这一特性,结合数字乡村获取数据的便利性,根据上一年的家庭中农产品的产量数据和农事活动的记录筛选出种植能力强的家庭,以其种植过程为标准,在下一年种植过程中推荐给种植能力弱的家庭,以规范其种植过程,提高农产品的产量。
请参阅图1,本发明提出一种基于数字乡村的种植过程推荐方法,所述方法包括:
S1、利用农产品的亩产产量和所种植农产品的每小时产量这两个指标评价乡村中各个家庭的种植能力,筛选出乡村中各类农产品的种植能手家庭。
一个家庭对某类农产品的种植能力体现在两方面,一个是亩产产量,一个是工作效率。本发明利用家庭中农产品的产量数据和农事活动的记录,统计一年内某类农产品在相同土地等级下的总产量,以及在种植它时每个家庭的总劳动时长。然后通过种植亩数计算与总产量计算平均亩产量,通过总产量与总劳动时长的比值,计算家庭每小时的平均产量。因此用平均亩产产量表示家庭对某种农产品生产能力,用平均每小时产量表示其对种植该类农产品的生产效率的。利用亩产产量和种植农产品的每小时产量这两个指标综合一起来筛选一个乡村中某类农产品种植能手。
步骤S1具体包括如下分步骤:
S11、历史数据加工处理:从数字乡村中收集上一年每块土地的产量数据和在每块土地上农事活动的记录,进行数据加工处理。
如图2所示为历史数据加工处理的示意图,步骤S11具体包括如下分步骤:
S111、收集每个农民的农事活动记录,并以数据表结构的形式存储。
包括家庭编号、土地编号、家庭成员、农事活动开始时间和农事活动结束时间,每条数据记录一个家庭成员在一块土地上从事农耕生产的情况,完成后进入子步骤S112。
S112、以土地编号汇总劳动时长,
基于农事活动时间和结束时间计算每条记录的活动时长,然后以土地编号为单位汇总所有人的劳动时长。形成的结果包括土地编号和劳动时长,每条记录是在一块土地上从事农事活动的总时长,以小时为单位。完成后进入子步骤S113。
S113、收集土地产出记录,并以数据表结构的形式存储。
收集所有家庭所有土地的产出记录,土地产出记录包括家庭编号,土地编号,农产品,面积和总产量。完成后进入子步骤S114。
S114、通过土地编号关联农事活动记录、劳动时长和土地产出记录,形成结果数据。
关联后的数据信息有家庭编号,土地编号,农产品,面积,总产量,总劳动时长。每条结果数据记录了一个家庭承包的某块土地上的劳动时长和农产品产量数据。
历史数据加工处理完成后进入步骤S12。
S12、计算每个家庭的平均亩产产量和平均每小时产量。
计算乡村的平均亩产产量和平均每小时产量,以家庭为单位汇聚农事活动记录,计算每个家庭的平均亩产产量和平均每小时产量。
如图3所示为计算每个家庭的平均亩产产量和平均每小时产量的流程图,步骤S12具体包括如下分步骤:
S121、选择农产品并过滤数据。
在乡村已种植的多种农产品中,明确某类农产品,从步骤S11的历史数据加工处理结果中过滤掉不是该类农产品的数据,剩余数据是乡村中种植该农产品所产生的数据。完成后进入子步骤S122。
S122、汇聚所有数据并计算平均亩产产量和平均每小时产量。
针对过滤后的数据,统计该乡村中所有家庭的总产量,总种植亩数和总劳动时长。用总产量除以总种植亩数得到平均亩产产量。用总产量除以总劳动时长得到平均每小时产量。完成后进入子步骤S123。
S123、以家庭为单位汇聚数据,计算家庭平均亩产产量和平均每小时产量。
将步骤S12的过滤数据按照家庭编号排序,选择一个家庭的所有数据,每条数据表示该家庭在某块土地上种植该类农产品所产生的数据。先汇聚数据中的总产量,总亩数和总劳动时长,然后分别计算该家庭的平均亩产产量和平均每小时产量,这2个数值代表家庭种植该农产品的能力。完成后进入子步骤S124。
S124、判断是否完成种植过该类农产品的家庭的数据计算。
若完成所有家庭遍历,保存所有计算结果,数据有家庭编号,农产品,平均亩产产量和平均每小时产量,每条数据反映每个家庭种植该农产品的种植能力。否则,返回子步骤S123。
完成所有的子步骤后,后进入步骤S13。
S13、计算能力指数Index并排序。
如图4所示为计算能力指数Index并排序的流程图,步骤S13具体包括如下分步骤:
S131、选择一条家庭数据,根据每个家庭的平均亩产产量和平均每小时产量计算每个家庭的种植能力指数Index:
其中,p代表一个家庭种植对应农产品的平均亩产产量,代表乡村中种植对应农产品的平均亩产产量,/>是一个家庭种植对应农产品的平均每小时产量,/>代表乡村中种植对应农产品的平均每小时产量;/>是平均亩产产量的权重系数,/>是平均每小时产量的权重系数;/>和/>取值范围在0~1之间。其值满足/>。计算的结果与该条家庭数据一起关联,最终数据结构为家庭编号,平均亩产产量,平均每小时产量和种植能力指数。
S132、遍历所有家庭数据并计算种植能力指数,得到多有家庭的种植能力指数Index。
S132、对种植能力指数Index进行排序,筛选种植能力指数最大的家庭作为种植能手家庭。
对每个家庭按照种植能力指数值由大到小排序。排序的结果反映了种植这类农产品的所有家庭能力排名。筛选种植能力指数最大的家庭作为种植能手家庭。
本发明通过亩产产量和种植农产品的每小时产量这两个指标综合评价各个家庭的种植能力,可以筛选出兼顾亩产产量和工作效率的种植能手家庭并进行最优种植过程推荐,可以保障所推荐的种植过程亩产产量最高同时工作效率最高,有利于提升整个乡村的亩产产量和劳动效率。
S2、将各类农产品的种植能手家庭的种植过程作为最佳种植过程,提取最佳种植过程的时间序列并生成最佳种植过程序列。
将种植能手家庭的种植过程作为最佳种植过程,提取种植能手家庭在种植该农产品的农事活动记录,对种植能手家庭的对应农产品的农事活动记录按照时间升序排序。选择排序后的农事活动记录中相邻的两条农事活动记录,其中,前一条记录为参考数据,后一条记录为后续数据。
对比参考数据和后续数据,判断农事活动是否是相同且两条记录的时间之差不超过2天;若是相同农事活动且时间之差不超过2天,表明两条农事活动记录属于同一个种植序列,通过数据累加的形式生成一条种植序列;从参考数据中计算劳动时长和农资用量,并把参考数据中的土地编号、劳动时长和农资用量附加到后续数据中的对应数据上;其中劳动时长和农资用量直接相加到对应的数据上,若土地编号不同,通过分隔符将土地编号附加在后续数据的土地编号之后;通过土地编号获得土地亩数,计算每亩劳动量和每亩农资消耗,生成一条种植序列。若农事活动不相同,表明这两条农事活动记录是从事的不同的农事活动,分别划分到不同种植序列;
重复以上过程进行依次循环判断,从农事活动记录中形成种植对应农产品的所有种植序列,综合所有种植序列形成最佳种植过程序列。
如图5所示为生成最佳种植过程序列的流程图,步骤S2具体包括如下分步骤:
子步骤1)获取农事活动记录:在乡村中农事活动记录中,选取该家庭种植此类农产品的所有农事活动记录。完成数据获取后,进入子步骤2)。
子步骤2)按照时间排序:对子步骤2)中所得到数据,按照时间升序排序,第一行数据的时间最早,最后一行数据的时间最晚。完成后进入子步骤3)。
子步骤3)设置序列变量i=1:序列变量i主要用来表明该种植序列的顺序,初始值从1开始。完成后进入子步骤4)。
子步骤4)选择第一行作为参考数据:先选择第一行的数据作为参考数据,参考数据将与后续数据比对。完成后进入子步骤5)。
子步骤5)按顺序选择下一行作为后续数据:选择下一条数据作为后续数据,准备与参考数据进行比对。完成后进入子步骤6)。
子步骤6)对比参考数据和后续数据是否类似:对比的方法是先判断农事活动是否相同,若相同,进一步判断与后续数据的时间相差是否在2天以内,若在2天以内,则判断结果为是,然后进入子步骤7),否则判断结果为否,则进入子步骤9)。
子步骤7)累加数据到后续数据中:从参考数据中计算劳动时长和农资用量,并把参考数据中的土地编号、劳动时长和农资用量附加到后续数据中的对应数据上。其中劳动时长和农资用量直接加到对应的数据上,土地编号通过分隔符(例如逗号)附加后续数据的土地编号,若后续的土地编号中已存在,就不需要附加了。完成后进入子步骤8)。
子步骤8)设定后续数据为参考数据:把后续数据设定为参考数据,以前的参考数据中的劳动时长和农资用量已经累加了,需要重新设定参考数据。完成后进入子步骤5)。
子步骤9)计算每亩劳动量和每亩农资消耗:在参考数据中,通过土地编号获得土地亩数;若有逗号分隔的亩数,则需要把所有土地编号的亩数累加,然后计算每亩劳动量和每亩农资消耗。完成后进入子步骤10)。
子步骤10)生成第i条种植序列:去除年份只保留带月份和日期的数据,若是第一条序列,则时间间隔为0,若不是,其间隔是参考数据与上一条种植序列的差值,其他数据来源于参考数据对应列的计算的数据。完成后进入子步骤11)。
子步骤11)设定后续数据为参考数据:以前的参考数据已成为种植序列的原始数据,把后续数据设定为参考数据。完成后进入子步骤13)。
子步骤12)是否为还有数据:判断是否还有数据,若没有,说明参考数据是最后一条数据,进入子步骤14),否则进入子步骤5)。
子步骤13)i=i+1:完成了第i条种植序列,增加新序列,完成后进入子步骤12)。
子步骤14)生成最后一条种植序列:把参考数据按照子步骤10)方式,然后形成最后一条种植序列。
例如:若张三的家庭是一个村种植水稻能力最强的家庭,其上一年的农事活动记录如下表1所示:
表1 张三的家庭在上一年种植水稻的农事活动记录
采用步骤S2的方式,从上面农事活动记录中,生成该家庭在种植水稻过程中的所有种植过程序列,种植过程序列如下表2所示:
表2 张三的家庭在上一年种植水稻的种植过程序列
S3、将最佳种植过程序列推荐给乡村中种植相应农产品的其他家庭,并进行比较分析,提醒不符合最佳种植过程序列的家庭进行农事活动纠正。
S31、选取种植能力指数Index<1的家庭作为种植能力弱的家庭。
在一个乡村中,若农产品亩产量和每小时产量在平均值以下的,说明该家庭种植该类农产品的能力偏弱,因此用种植能力指数Index<1来判断。
S32、以订阅消息服务的形式向种植能力弱的家庭推送最佳种植过程序列。
订阅消息基本上每年进行一次,在计算出新的种植能手后,先清除上一年的订阅对象,订阅对象为目前该农产品种植能力差的种植家庭。从Index<1的家庭中,获取其家庭成员所有的联系方式,为其开启订阅消息服务。推送最佳种植过程序列与本家庭种植过程序列的种植过程对照图像,让其学习种植过程。本家庭种植过程序列的生成方法与最佳种植过程序列的一样。
S33、监控种植过程,判断是否符合种植规范。
实时监控种植能力弱的家庭从事对应类别的农产品的农事活动过程,主要监控其种植过程时间和农资使用情况。
根据农事活动间的时间间隔和农事活动中各种农资用量情况判断是否符合最佳种植过程序列。判断主要从两方面进行:其农事活动间的时间间隔和农事活动中各种农资用量情况。例如:在整田之前,若到期没有开始整田,就判断其不符合种植规范,否则判断符合;整田的过程中,根据其土地亩数,计算整田工作量,并以这个工作量为基础判断该家庭的工作量是否符合;在整田结束后,最佳种植序列要求在7天后开始秧苗,若该家庭提前或滞后秧苗,就判断不符合。且在秧苗的过程中,判断其每亩种子消耗是否符合3kg/亩。若不符合,进入步骤S34。
34、对于不符合最佳种植过程序列的家庭,进行种植不规范预警,并提醒对应的家庭纠正种植过程。
在实时监控中若发现种植能力弱的家庭的种植过程不符合最佳种植规范,立刻消息提醒,且把种植不规范的情况发送给村委会,让村委会促使其改正种植过程。
S35、判断该农产品所有种植过程是否完成,若未完成,表明种植过程未结束,需要继续监控;否则,表明今年该农产品所有种植过程都完成,其种植过程中所产生的数据可为下一年度的种植能手判断和应用提供数据支撑。
在完成农产品种植后,其产量数据和所有农事活动的数据为下一次判断种植能手提供数据支撑,又会产生新的最佳种植能手,周而复始,能持续提升该村种植此类农产品的能力。
本发明可以根据种植能手家庭的种植过程整合出规范的种植过程序列,通过推送种植过程序列和对照图像的方式方便地让种植能力弱的家庭学习种植过程。并将最佳种植过程与种植能力弱的家庭比对分析,并根据种植能力弱的家庭农事活动间的时间间隔和农事活动中各种农资用量情况判断其是否与最优种植过程序列相符,对于不符合的农事活动,还可以发送对照图像进行纠正提醒,可以更直观、精细地管控种植过程,同时降低种植过程学习的难度,有利于推广使用。
与上述方法实施例相对应,本发明还提出一种基于数字乡村的种植过程推荐系统,所述系统包括:
种植能手筛选模块:用于利用农产品的亩产产量和所种植农产品的每小时产量这两个指标评价乡村中各个家庭的种植能力,筛选出乡村中各类农产品的种植能手家庭;
种植过程提取模块:用于将各类农产品的种植能手家庭的种植过程作为最佳种植过程,提取最佳种植过程的时间序列并生成最佳种植过程序列;
种植过程推荐模块:用于将最佳种植过程序列推荐给乡村中种植相应农产品的其他家庭,并进行比较分析,提醒不符合最佳种植过程序列的家庭进行农事活动纠正。
以上系统实施例和方法实施例是一一对应的,系统实施例简述之处请参阅方法实施例即可。
本发明还公开一种电子设备,包括:至少一个处理器、至少一个存储器、通信接口和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现本发明前述的方法。
本发明还公开一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机实现本发明实施例所述方法的全部或部分步骤。所述存储介质包括:U盘、移动硬盘、只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的系统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,即可以分布到多个网络单元上。本领域普通技术人员在不付出创造性的劳动的情况下,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。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于数字乡村的种植过程推荐方法,其特征在于,所述方法包括:
利用相同土地等级下农产品的亩产产量和所种植农产品的每小时产量这两个指标评价乡村中各个家庭的种植能力,筛选出乡村中各类农产品的种植能手家庭;
将各类农产品的种植能手家庭的种植过程作为最佳种植过程,提取最佳种植过程的时间序列并生成最佳种植过程序列;
将最佳种植过程序列推荐给乡村中种植相应农产品的其他家庭,并进行比较分析,提醒不符合最佳种植过程序列的家庭进行农事活动纠正;
所述利用相同土地等级下农产品的亩产产量和所种植农产品的每小时产量这两个指标评价乡村中各个家庭的种植能力,筛选出乡村中各类农产品的种植能手家庭具体包括:
针对某类农产品,利用上一年相同土地等级下的农产品销售数据和家庭农事活动记录,计算每个家庭的平均亩产产量和平均每小时产量;
根据每个家庭的平均亩产产量和平均每小时产量计算每个家庭的种植能力指数Index:
;
其中,p代表一个家庭种植对应农产品的平均亩产产量,代表乡村中种植对应农产品的平均亩产产量,/>是一个家庭种植对应农产品的平均每小时产量,/>代表乡村中种植对应农产品的平均每小时产量;/>是平均亩产产量的权重系数,/>是平均每小时产量的权重系数;
对种植能力指数Index进行排序,筛选种植能力指数最大的家庭作为上一年的种植能手家庭;
所述利用上一年相同土地等级下农产品销售数据和家庭农事活动记录,计算每个家庭的平均亩产产量和平均每小时产量具体包括:
收集每个相同土地等级下农民的农事活动记录,并以数据表结构的形式存储,包括家庭编号、土地编号、家庭成员、农事活动开始时间和农事活动结束时间;
以土地编号汇总劳动时长;
收集土地产出记录,并以数据表结构的形式存储,包括家庭编号,土地编号,农产品,面积和总产量;
通过土地编号关联农事活动记录、劳动时长和土地产出记录,形成结果数据,每条结果数据记录了一个家庭承包的某块土地上劳动时长和农产品产量数据;
根据结果数据,以家庭为单位汇聚农事活动记录,计算每个家庭的平均亩产产量和平均每小时产量;所述平均每小时产量等于总产量除以总劳动时长。
2.根据权利要求1所述的基于数字乡村的种植过程推荐方法,其特征在于,所述提取最佳种植过程的时间序列并生成最佳种植过程序列具体包括:
对种植能手家庭的对应农产品的农事活动记录按照时间升序排序;
选择排序后的农事活动记录中相邻的两条农事活动记录,其中,前一条记录为参考数据,后一条记录为后续数据,对比参考数据和后续数据,判断农事活动是否是相同且两条记录的时间之差不超过2天;
若是相同农事活动且时间之差不超过2天,表明两条农事活动记录属于同一个种植序列,通过数据累加的形式生成一条种植序列;若不相同,表明这两条农事活动记录是从事的不同的农事活动,分别划分到不同种植序列;
重复以上过程进行依次循环判断,从农事活动记录中形成种植对应农产品的所有种植序列,综合所有种植序列形成最佳种植过程序列。
3.根据权利要求2所述的基于数字乡村的种植过程推荐方法,其特征在于,所述通过数据累加的形式生成一条种植序列具体包括:
从参考数据中计算劳动时长和农资用量,并把参考数据中的土地编号、劳动时长和农资用量附加到后续数据中的对应数据上;其中劳动时长和农资用量直接相加到对应的数据上,若土地编号不同,通过分隔符将土地编号附加在后续数据的土地编号之后;
通过土地编号获得土地亩数,计算每亩劳动量和每亩农资消耗,生成一条种植序列。
4.根据权利要求1所述的基于数字乡村的种植过程推荐方法,其特征在于,所述将最佳种植过程序列推荐给乡村中种植相应农产品的其他家庭具体包括:
选取种植能力指数Index<1的家庭作为种植能力弱的家庭,以订阅消息服务的形式向种植能力弱的家庭推送最佳种植过程序列与本家庭种植过程序列的种植过程对照图像。
5.根据权利要求4所述的基于数字乡村的种植过程推荐方法,其特征在于,所述进行比较分析,提醒不符合最佳种植过程序列的家庭进行农事活动纠正具体包括:
实时监控种植能力弱的家庭从事对应类别的农产品的农事活动过程,并根据农事活动间的时间间隔和农事活动中各种农资用量情况判断是否符合最佳种植过程序列;
对于不符合最佳种植过程序列的家庭,进行种植不规范预警,并提醒对应的家庭纠正种植过程。
6.使用权利要求1~5任一项所述方法的一种基于数字乡村的种植过程推荐系统,其特征在于,所述系统包括:
种植能手筛选模块:用于利用农产品的亩产产量和所种植农产品的每小时产量这两个指标评价乡村中各个家庭的种植能力,筛选出乡村中各类农产品的种植能手家庭;
种植过程提取模块:用于将各类农产品的种植能手家庭的种植过程作为最佳种植过程,提取最佳种植过程的时间序列并生成最佳种植过程序列;
种植过程推荐模块:用于将最佳种植过程序列推荐给乡村中种植相应农产品的其他家庭,并进行比较分析,提醒不符合最佳种植过程序列的家庭进行农事活动纠正。
7.一种电子设备,其特征在于,包括:至少一个处理器、至少一个存储器、通信接口和总线;
其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以实现如权利要求1~5任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机指令,所述计算机指令使计算机实现如权利要求1~5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310535450.XA CN116307403B (zh) | 2023-05-12 | 2023-05-12 | 一种基于数字乡村的种植过程推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310535450.XA CN116307403B (zh) | 2023-05-12 | 2023-05-12 | 一种基于数字乡村的种植过程推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116307403A CN116307403A (zh) | 2023-06-23 |
CN116307403B true CN116307403B (zh) | 2023-07-28 |
Family
ID=86834473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310535450.XA Active CN116307403B (zh) | 2023-05-12 | 2023-05-12 | 一种基于数字乡村的种植过程推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307403B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196331A (zh) * | 2023-08-28 | 2023-12-08 | 湖北泰跃卫星技术发展股份有限公司 | 农产品种植策略生成方法、装置、计算机设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111898929A (zh) * | 2020-08-19 | 2020-11-06 | 浙江金淳信息技术有限公司 | 基于机器学习的乡村多产业数据指标评测系统 |
CN114387119A (zh) * | 2022-01-10 | 2022-04-22 | 湖北泰跃卫星技术发展股份有限公司 | 一种基于云端的农业大数据平台 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL1032088C2 (nl) * | 2006-06-29 | 2008-01-08 | Speravimus Holding B V | Systeem en werkwijze voor het telen van gewassen. |
US20160283887A1 (en) * | 2015-03-26 | 2016-09-29 | Tata Consultancy Services Limited | System and method for agricultural activity monitoring and training |
CN105260791A (zh) * | 2015-09-25 | 2016-01-20 | 苏州携优信息技术有限公司 | 基于农业物联网和大数据分析的种植计划优化系统和方法 |
CN105678629A (zh) * | 2015-12-31 | 2016-06-15 | 深圳市芭田生态工程股份有限公司 | 一种基于物联网的种植业问题解决系统 |
KR101682066B1 (ko) * | 2016-08-08 | 2016-12-20 | (주)다온정보 | IoT 기술을 활용한 하우스 운영 관리 시스템 |
CN107491900A (zh) * | 2017-09-13 | 2017-12-19 | 浙江农林大学 | 一种农业物联网生产过程管理系统及其实现方法 |
CN108830177A (zh) * | 2018-05-25 | 2018-11-16 | 深圳春沐源控股有限公司 | 农事操作行为稽查方法及装置 |
CN111047391A (zh) * | 2019-11-08 | 2020-04-21 | 河北鲜土地农业科技有限公司 | 共享农耕管理平台 |
CN111008815A (zh) * | 2019-11-22 | 2020-04-14 | 黑龙江省农业科学院农业遥感与信息研究所 | 一种农业种植资源信息实时智能采集系统及方法 |
CN111507646B (zh) * | 2020-06-09 | 2022-07-29 | 中国水利水电科学研究院 | 一种基于遥感et的农业节水规划方法 |
CN112287741A (zh) * | 2020-06-19 | 2021-01-29 | 北京京东尚科信息技术有限公司 | 基于图像处理的农事操作管理方法及装置 |
CN113570192A (zh) * | 2021-06-21 | 2021-10-29 | 天津大学 | 一种基于大数据的农业社交智能服务系统 |
CN114549224A (zh) * | 2022-02-24 | 2022-05-27 | 中联智慧农业股份有限公司 | 一种基于大数据的农作物种植指导方法 |
CN115937795B (zh) * | 2023-03-15 | 2023-05-30 | 湖北泰跃卫星技术发展股份有限公司 | 一种基于乡村视频获取农事活动记录的方法及装置 |
-
2023
- 2023-05-12 CN CN202310535450.XA patent/CN116307403B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111898929A (zh) * | 2020-08-19 | 2020-11-06 | 浙江金淳信息技术有限公司 | 基于机器学习的乡村多产业数据指标评测系统 |
CN114387119A (zh) * | 2022-01-10 | 2022-04-22 | 湖北泰跃卫星技术发展股份有限公司 | 一种基于云端的农业大数据平台 |
Also Published As
Publication number | Publication date |
---|---|
CN116307403A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11222385B2 (en) | Method and system for forecasting crop yield | |
JP6580334B2 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
De Jager et al. | Monitoring nutrient flows and economic performance in African farming systems (NUTMON): IV. Linking nutrient balances and economic performance in three districts in Kenya | |
CN116307403B (zh) | 一种基于数字乡村的种植过程推荐方法及系统 | |
CN108510107B (zh) | 一种农业种植指导方法、电子设备及存储介质 | |
Jiménez et al. | A scalable scheme to implement data-driven agriculture for small-scale farmers | |
CN104412290A (zh) | 农事支持装置和方法、程序、记录介质以及农事支持系统 | |
Gupta et al. | WB-CPI: Weather based crop prediction in India using big data analytics | |
CN113822479B (zh) | 一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法 | |
Hoffman et al. | Predicting genotypic differences in irrigated sugarcane yield using the Canegro model and independent trait parameter estimates | |
CN100468240C (zh) | 农作物培育监控系统及监控方法 | |
CN104636852A (zh) | 作物生产规划系统及作物生产规划方法 | |
CN110929917A (zh) | 一种农业土地作物最优化管理系统 | |
Lub et al. | The Information Technology Use for Studying the Impact of the Project Environment on the Timelines of the Crops Harvesting Projects. | |
CN116227758B (zh) | 基于遥感技术和深度学习的农产品成熟度预测方法及系统 | |
CN109615150B (zh) | 一种确定水稻气象产量的方法和系统 | |
CN116776290A (zh) | 一种烟草大数据模型构建方法 | |
CN114139900A (zh) | 一种基于大数据的水稻种植水稻生长监测分析管理系统 | |
US20230121145A1 (en) | Method of introducing ecosystem and method of managing value information about land | |
Bhavanandam | Wcp: Weather-based crop yield prediction using machine learning and big data analytics | |
CN100451882C (zh) | 食用菌培育监控系统及监控方法 | |
Muraru et al. | Development of software for optimizing the fertilization of agricultural crop | |
CN201000556Y (zh) | 农作物培育监控装置 | |
CN201000564Y (zh) | 食用菌培育监控装置 | |
CN117033810B (zh) | 一种基于大数据的农业数据分析管理系统及方法 |
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 |