CN117172958A - 一种豆芽生长实时数据管理方法 - Google Patents
一种豆芽生长实时数据管理方法 Download PDFInfo
- Publication number
- CN117172958A CN117172958A CN202311368388.6A CN202311368388A CN117172958A CN 117172958 A CN117172958 A CN 117172958A CN 202311368388 A CN202311368388 A CN 202311368388A CN 117172958 A CN117172958 A CN 117172958A
- Authority
- CN
- China
- Prior art keywords
- time
- data
- acquisition
- growth
- environment
- 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.)
- Granted
Links
- 235000010627 Phaseolus vulgaris Nutrition 0.000 title claims abstract description 99
- 244000046052 Phaseolus vulgaris Species 0.000 title claims abstract description 99
- 230000012010 growth Effects 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013523 data management Methods 0.000 title claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000007613 environmental effect Effects 0.000 claims description 72
- 239000013598 vector Substances 0.000 claims description 43
- 230000003698 anagen phase Effects 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 10
- 230000005856 abnormality Effects 0.000 abstract description 5
- 238000010606 normalization Methods 0.000 description 9
- 230000007704 transition Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
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
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/20—Reduction of greenhouse gas [GHG] emissions in agriculture, e.g. CO2
- Y02P60/21—Dinitrogen oxide [N2O], e.g. using aquaponics, hydroponics or efficiency measures
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及农作物栽培管理领域,具体涉及一种豆芽生长实时数据管理方法。该方法包括:获取豆芽在不同生命周期的温度数据和湿度数据,将二者作为历史环境数据,分析温度数据和湿度数据在每个采集时刻的变化情况,基于获取的波动程度对生命周期划分出不同生长阶段,在相同生长阶段中提取出一个基准阶段,对基准阶段与每个非基准阶段进行动态时间规整处理,根据基准阶段中每个采集时刻以及在非基准阶段中与之对应的采集时刻的历史环境数据,获得每个采集时刻的标准环境数据,基于标准环境数据与豆芽的实时环境数据之间的差异判断当前环境是否异常。本发明能够提高对环境异常判断的准确性,并且对豆芽的历史环境数据做出了更加有效的管理。
Description
技术领域
本发明涉及农作物栽培管理领域,具体涉及一种豆芽生长实时数据管理方法。
背景技术
豆芽的生长过程需要对外界的环境进行监测,判断豆芽在生长过程中的外界环境是否出现异常,并对异常的环境进行调整以确保豆芽最佳的生长环境,可通过传感器采集外界环境的相关数据,并对豆芽在生长过程中的环境数据进行分析管理,进而对豆芽的生长环境是否出现异常进行监测,以提高豆芽的产量和质量。
相关技术中通常对采集的历史环境数据进行预测分析,得到标准的环境数据,通过实时获取的环境数据与对应时刻标准的环境数据进行对比,通过分析两者之间的差别程度判断当前环境是否出现异常,但由于豆芽在整个生命周期中有着不同的生长阶段,不同周期的时间跨度存在差异,相同生长阶段的时间跨度也不同,通过现有技术无法得到豆芽精确的标准环境数据,降低对环境异常判断的准确性,从而无法对豆芽的环境数据进行有效的管理。
发明内容
为了解决由于豆芽不同生命周期的时间跨度不同以及相同生长阶段的时间跨度也不同,导致现有技术无法得到豆芽精确的标准环境数据,降低对环境异常判断的准确性,从而无法对豆芽的环境数据进行有效的管理的技术问题,本发明的目的在于提供一种豆芽生长实时数据管理方法,所采用的技术方案具体如下:
本发明提出了一种豆芽生长实时数据管理方法,所述方法包括:
获取不同生命周期内豆芽在不同采集时刻的历史环境数据,所述历史环境数据包括温度数据和湿度数据;
根据生命周期内温度数据的变化和湿度数据的变化,获得每个采集时刻的波动程度;根据所述波动程度将所述生命周期划分为不同的生长阶段;
根据所有生命周期中相同生长阶段的采集时刻的数量,从相同生长阶段中筛选得到一个基准阶段,将所述基准阶段的采集时刻作为基准时刻;对所述基准阶段和每个非基准阶段进行动态时间规整处理,获得非基准阶段中与每个基准时刻对应的采集时刻作为规整时刻;根据基准阶段中每个基准时刻和对应规整时刻的历史环境数据,获得每个基准时刻的标准环境数据;
根据实时获取的环境数据与所述标准环境数据的差异,获得数据偏离度,根据所述数据偏离度判断当前环境是否异常。
进一步地,所述根据生命周期内温度数据的变化和湿度数据的变化,获得每个采集时刻的波动程度包括:
将每个生命周期中每个采集时刻的温度数据和湿度数据进行组合,获得每个采集时刻的二维数据点;
将每个采集时刻的二维数据点与对应下一个采集时刻的二维数据点相减,获得每个采集时刻的参考向量,其中,生命周期中最后一个采集时刻的所述参考向量为对应采集时刻的所述二维数据点;
根据每个采集时刻的参考向量和下一个采集时刻的参考向量之间的角度,以及对应参考向量的模长的差异,获得每个采集时刻的波动程度,其中,最后一个采集时刻的所述波动程度置为0。
进一步地,所述根据每个采集时刻的参考向量和下一个采集时刻的参考向量之间的角度,以及对应参考向量的模长的差异,获得每个采集时刻的波动程度包括:
将所述角度进行归一化处理获得标准角度值;
将每个采集时刻的参考向量的模长与下一个采集时刻的参考向量的模长之间差值的绝对值,作为模长差异;对所述模长差异进行归一化处理获得标准模长差异;
将所述标准角度值和所述标准模长差异的和值,作为每个采集时刻的波动程度。
进一步地,所述根据所述波动程度将所述生命周期划分为不同的生长阶段包括:
选取每个生命周期中最大的两个波动程度对应的采集时刻,作为划分时刻,将两个划分时刻中的最小值作为第一划分时刻,将两个划分时刻中的最大值作为第二划分时刻;
将生命周期中小于第一划分时刻的采集时刻作为豆芽的第一生长阶段,将生命周期中不小于第一划分时刻且小于第二划分时刻的采集时刻作为豆芽的第二生长阶段,将生命周期中不小于第二划分时刻的采集时刻作为豆芽的第三生长阶段。
进一步地,所述根据所有生命周期中相同生长阶段的采集时刻的数量,从相同生长阶段中筛选得到一个基准阶段包括:
统计所有生命周期中相同的每个生长阶段中采集时刻的数量,获取相同的所有生长阶段的采集时刻的数量中的众数;
在所有相同生长阶段中,将所述采集时刻数量等于所述众数的生长阶段作为待选阶段;
任意选取一个待选阶段作为相同生长阶段中的基准阶段。
进一步地,所述对所述基准阶段和每个非基准阶段进行动态时间规整处理,获得非基准阶段中与每个基准时刻对应的采集时刻包括:
根据基准阶段与每个非基准阶段之间任意两个采集时刻的所述波动程度的差异,以及任意两个采集时刻的历史环境数据的差异,获得任意两个采集时刻的距离度量;
基于DTW算法,根据所述距离度量对基准阶段的基准时刻和非基准阶段的采集时刻进行匹配,获得非基准阶段中与每个基准时刻对应的采集时刻。
进一步地,所述根据基准阶段与每个非基准阶段之间任意两个采集时刻的所述波动程度的差异,以及任意两个采集时刻的历史环境数据的差异,获得任意两个采集时刻的距离度量包括:
将基准阶段与每个非基准阶段之间任意两个采集时刻的所述波动程度的差值的绝对值,作为第一距离参数;
将基准阶段与每个非基准阶段之间任意两个采集时刻的所述历史环境数据的欧氏距离,作为第二距离参数;
将所述第一距离参数和所述第二距离参数的乘积值作为任意两个采集时刻的距离度量。
进一步地,所述根据基准阶段中每个基准时刻和对应规整时刻的历史环境数据,获得每个基准时刻的标准环境数据包括:
将基准阶段中每个基准时刻的历史环境数据和所有非基准阶段中与每个基准时刻对应的规整时刻的同类历史环境数据的平均值,作为每个基准时刻的标准环境数据。
进一步地,所述根据实时获取的环境数据与所述标准环境数据的差异,获得数据偏离度包括:
对所述实时环境数据与所述标准环境数据之间的欧氏距离进行归一化处理,获得当前时刻的数据偏离度。
进一步地,所述根据所述数据偏离度判断当前环境是否异常包括:
若所述数据偏离度大于预设异常阈值,则当前环境出现异常,否则,当前环境未出现异常。
本发明具有如下有益效果:
本发明首先获取豆芽在不同生命周期的历史环境数据,在后续中通过对大量历史环境数据进行管理分析,从而可预测出精确的标准环境数据,考虑到豆芽在整个生命周期中存在不同的生长阶段,并且不同生长阶段之间的数据变化较为剧烈,所以可通过获取的每个采集时刻的波动程度反映每个采集时刻是否为不同生长阶段的过渡时刻,从而在生命周期中划分出不同的生长阶段,后续分别对每个生长阶段单独分析,实现对豆芽历史环境数据更加有效的管理,考虑到豆芽在不同生命周期中的相同生长阶段之间的时间跨度不同,可首先得到相同生长阶段的基准阶段,并对基准阶段与每个非基准阶段进行动态时间规整,得到基准阶段中每个基准时刻与非基准阶段中采集时刻的匹配情况,从而消除相同生长阶段之间的时间跨度不同的问题,进而可预测出更加精确的标准环境数据,并通过数据偏离度实时反映豆芽生长环境的异常情况,提高后续对环境异常判断的准确性,并且对豆芽的历史环境数据做出了更加有效的管理。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例所提供的一种豆芽生长实时数据管理方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种豆芽生长实时数据管理方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种豆芽生长实时数据管理方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种豆芽生长实时数据管理方法流程图,该方法包括:
步骤S1:获取不同生命周期内豆芽在不同采集时刻的历史环境数据,历史环境数据包括温度数据和湿度数据。
外界环境的变化对豆芽的生长有着很大的影响,外界环境的异常最终会导致豆芽的产量和质量较低,因此需要对豆芽的生长环境进行监测,并对异常的环境进行调整以确保豆芽最佳的生长环境,可通过分析相关环境数据是否发生异常实现对豆芽生长环境的监测,通常可对获取的豆芽的历史环境数据进行管理分析,得到豆芽在每个时刻的标准环境数据,并通过分析当前豆芽的实时环境数据相对于标准环境数据的差异,判断豆芽的生长环境是否出现异常。
由于外界环境的温度和湿度是影响豆芽生长的主要因素,因此在本发明实施例中通过温度传感器采集豆芽生长过程中的温度数据,通过湿度传感器采集豆芽生长过程中的湿度数据,并将采集的温度数据和湿度数据作为豆芽的历史环境数据,在本发明的一个实施例中将传感器的采集时间间隔设置为五分钟,具体的采集时间间隔可根据具体实施场景由实施者自行设置,在此不作限定。在每个采集时刻可同时获取到相应的温度数据和湿度数据,为了对豆芽在生长过程中的温度数据和湿度数据进行更加全面的管理分析,实现在豆芽整个生长过程中对环境异常的监测,本发明实施例通过相应的传感器采集豆芽在整个生命周期的温度数据和湿度数据,其中,从豆芽的播种到豆芽的收割为豆芽的一个生命周期,为了在后续中得到更加精确的标准环境数据,本发明实施例通过传感器采集的豆芽在不同生命周期的历史环境数据,其中的历史环境数据包括在每个采集时刻下的温度数据和湿度数据,并且每个采集时刻下的温度数据和湿度数据都是无异常的数据。
由于温度数据和湿度数据之间量纲的不同,需要分别对采集的温度数据和湿度数据进行归一化处理,从而消除量纲不同对后续分析的影响,在本发明的一个实施例中,归一化处理可以具体例如为最大最小值归一化处理,并且,后续步骤中的归一化均可以采用最大最小值归一化处理,在本发明的其他实施例中可以根据数值具体范围选择其他归一化方法,对此不再赘述。
获取到不同生命周期内豆芽在不同采集时刻的历史环境数据后,可为后续的管理分析提供大量的数据支持。
步骤S2:根据生命周期内温度数据的变化和湿度数据的变化,获得每个采集时刻的波动程度;根据波动程度将生命周期划分为不同的生长阶段。
由于豆芽在整个生命周期中存在不同的生长阶段,豆芽在不同的生长阶段中对外界环境的要求也不同,因此不同生长阶段之间的历史环境数据的差异也较大,为了实现对豆芽的历史环境数据更加有效的管理,在本发明的一个实施例中需要分别对每个生长阶段中的历史环境数据进行单独分析,因此首先需要获取整个生命周期中豆芽不同的生长阶段,由于豆芽在相同生长阶段内不同采集时刻的温度差异较小,湿度差异也较小,而不同生长阶段之间的温度差异较大,湿度差异也较大,因此可首先根据生命周期内不同采集时刻的温度数据的变化和湿度数据的变化,获得每个采集时刻的波动程度,通过波动程度反映每个采集时刻的历史环境数据变化的程度,波动程度越大,说明对应的采集时刻越有可能为不同生长阶段之间过渡的时刻。
优选地,在本发明的一个实施例中每个采集时刻的波动程度的获取方法具体包括:
将每个生命周期中每个采集时刻的温度数据和湿度数据进行组合,获得每个采集时刻的二维数据点,其中可将温度数据作为二维数据点中的第一维的数据,将湿度数据作为二维数据点中的第二维的数据,也可相反;将每个采集时刻的二维数据点与下一个采集时刻的二维数据点相减,获得每个采集时刻的参考向量,由于最后一个采集时刻不存在下一个采集时刻,因此可认为最后一个采集时刻的温度数据和湿度数据均不再发生变化,因此可将每个生命周期中最后一个采集时刻的二维数据点作为该采集时刻的参考向量;由于相邻采集时刻的参考向量之间的角度,以及参考向量之间模长的差异能够表征采集时刻上二维数据点变化的程度,因此可通过根据每个采集时刻的参考向量和下一个采集时刻的参考向量之间的角度,以及对应参考向量的模长的差异,获得每个采集时刻的波动程度,其中参考向量之间的角度和参考向量的模长均可通过现有公式获取,在此不做赘述,由于角度和模长之间的量纲不同,因此需要对参考向量之间的角度进行归一化处理获得标准角度值,然后将每个采集时刻的参考向量的模长与下一个采集时刻的参考向量的模长之间差值的绝对值,作为模长差异;对模长差异进行归一化处理获得标准模长差异,将标准角度值和标准模长差异的和值,作为每个采集时刻的波动程度,由于生命周期中的最后一个采集时刻没有对应下一个采集时刻,以此可认为最后一个采集时刻的温度数据和湿度数据均不再发生变化,可将最后一个采集时刻的波动程度置为0。波动程度的表达式可以具体例如为:
其中,表示第/>个生命周期中第/>个采集时刻的波动程度,其中最后一个采集时刻的波动程度置为0;/>表示第/>个生命周期中第/>个采集时刻的参考向量和第/>个采集时刻的参考向量之间的角度;/>表示第/>个生命周期中第/>个采集时刻的参考向量的模长;/>表示第/>个生命周期中第/>个采集时刻的参考向量的模长;/>表示归一化函数,用于归一化处理。
在每个采集时刻的波动程度的获取过程中,本发明的一个实施例通过将每个采集时刻的温度数据和湿度数据组合为一个二维数据点,并将每个采集时刻的二维数据点与下一个采集时刻的二维数据点相减,获取该采集时刻的参考向量,而每个采集时刻的参考向量与下一个采集时刻的参考向量之间的角度和模长的差异能够反映该采集时刻温度数据和湿度数据的变化的程度,其中,表示对参考向量进行归一化后的标准角度值,参考向量之间的角度范围为/>,因此使用常数180对参考向量之间的角度进行归一化处理,标准角度值越大,说明该采集时刻到下一个采集时刻的历史环境数据的变化越大,则该采集时刻的数据的波动程度/>越大 ,/>表示参考向量之间模长的差值的绝对值,即模场差异,模场差异越大,说明该采集时刻到下一个采集时刻的历史环境数据的变化越大,则该采集时刻的数据的波动程度/>越大,由于角度和模长之间的量纲不同,进而需要对模长差异进行归一化处理,得到标准模长差异,进一步将标准角度值与标准模长差异的和值作为采集时刻的波动程度/>。
上述获取的波动程度能够反映对应采集时刻的温度数据和湿度数据的变化程度,当豆芽处于不同的生长阶段时,温度数据和湿度数据存在很大的差异,当豆芽从一个生长阶段进入到另一个生长阶段时,温度数据和湿度数据的变化程度都会很大,因此可通过每个采集时刻的波动程度提取出豆芽在不同生长阶段之间过渡的采集时刻,进而可在生命周期中划分出不同的生长阶段。
优选地,在本发明的一个实施例中不同的生长阶段的获取方法具体包括:
本发明的一个实施例将豆芽的生长阶段划分为三个阶段,即发芽阶段、成长阶段和成熟阶段,因此可选取每个生命周期中最大的两个波动程度对应的采集时刻,作为划分时刻,将两个划分时刻中的最小值作为第一划分时刻,将两个划分时刻中的最大值作为第二划分时刻;将生命周期中小于第一划分时刻的采集时刻作为豆芽的第一生长阶段,即发芽阶段,将生命周期中不小于第一划分时刻且小于第二划分时刻的采集时刻作为豆芽的第二生长阶段,即成长阶段,将生命周期中不小于第二划分时刻的采集时刻作为豆芽的第三生长阶段,即成熟阶段。
由于豆芽在不同的生长阶段中的历史环境数据之间的差异较大,将豆芽的每个生命周期划分为不同的生长阶段后,在后续中便可对每个生长阶段进行单独分析,有利于提高对豆芽的历史环境数据管理的有效性,并且对生命周期划分后不同的生长阶段相当于对生命周期中的历史环境数据进行了分类,提高了后续对历史环境数据管理分析的准确性。
步骤S3:根据所有生命周期中相同生长阶段的采集时刻的数量,从相同生长阶段中筛选得到一个基准阶段,将基准阶段的采集时刻作为基准时刻;对基准阶段和每个非基准阶段进行动态时间规整处理,获得非基准阶段中与每个基准时刻对应的采集时刻作为规整时刻;根据基准阶段中每个基准时刻和对应规整时刻的历史环境数据,获得每个基准时刻的标准环境数据。
本发明实施例采集了豆芽在多个生命周期中的历史环境数据,并对每个生命周期都划分出了三个生长阶段,但由于豆芽在生长过程中存在众多不确定性因素,导致不同生命周期的相同生长阶段之间的时间跨度并不完全相同,即相同生长阶段之间采集时刻的数量并不是完全相等,如果在后续中直接对同一个采集时刻的温度数据或湿度数据进行管理分析,会出现有些生长阶段中的采集时刻的数量过多,导致无法匹配的情况,为了解决这一问题,在本发明的一个实施例中通过对生长阶段进行动态时间规整(Dynamic TimeWarping,DTW)处理,由于存在多个相同的生长阶段,因此需要首先从多个相同的生长阶段中筛选出一个基础的生长阶段,即基准阶段,并以该基准阶段为基础,进行后续的动态时间规整处理,在筛选基准阶段时,如果时间跨度相同的生长阶段的数量越多,则这种生长阶段越适合作为基准阶段,便于后续对生长阶段的动态时间规整处理,因此可根据所有生命周期中相同生长阶段的采集时刻的数量获得相同生长阶段中的基准阶段。
优选地,在本发明的一个实施例中相同生长阶段中的基准阶段的获取方法具体包括:
统计所有生命周期中相同的每个生长阶段中采集时刻的数量,获取相同的所有生长阶段的采集时刻的数量中的众数;在所有相同生长阶段中,将采集时刻数量等于众数的生长阶段作为待选阶段,其中待选阶段中在相同的生长阶段中所占的比例是最高的,进而可任意选取一个待选阶段作为相同生长阶段中的基准阶段。
在相同的生长阶段中选取出一个基准阶段后,可将该基准阶段中的采集时刻作为基准时刻,以便与非基准阶段中的采集时刻进行区分,然后便能够以该基准阶段为基础,对该基准阶段和每个非基准阶段进行动态时间规整处理,动态时间规整能够将历史环境数据相似度最高的采集时刻进行匹配,从而获取到每个非基准阶段中与每个基准时刻对应的采集时刻,以解决相同的生长阶段中采集时刻的数量不同导致的采集时刻无法相互匹配的问题,因此在后续对标准环境数据的预测处理中可降低误差,需要说明的是,动态时间规整是本领域技术人员熟知的技术手段,在此不作赘述。
优选地,在本发明的一个实施例中非基准阶段中与每个基准时刻对应的采集时刻的获取方法具体包括:
将基准阶段与每个非基准阶段之间任意两个采集时刻的波动程度的差值的绝对值,作为第一距离参数;将基准阶段与每个非基准阶段之间任意两个采集时刻的历史环境数据的欧氏距离,作为第二距离参数;将第一距离参数和第二距离参数的乘积值作为任意两个采集时刻的距离度量,距离度量能够反映出基准阶段与每个非基准阶段之间任意两个采集时刻下历史环境数据的相似性;利用DTW算法,根据距离度量对基准阶段的基准时刻和非基准阶段的采集时刻进行匹配,获得非基准阶段中与每个基准时刻对应的采集时刻,并作为规整时刻,经过动态时间规整处理以后,基准阶段中的每个基准时刻都能对应非基准阶段中的一个或多个采集时刻,即每个基准时刻对应一个或多个规整时刻,从而在后续的管理分析中可降低对标准环境数据的预测误差。距离度量的表达式可以具体例如为:
其中,表示基准阶段的第/>个采集时刻与第/>个非基准阶段的第/>个采集时刻之间的距离度量;/>表示基准阶段的第/>个采集时刻的波动程度;/>表示第/>个非基准阶段的第/>个采集时刻的波动程度;/>表示基准阶段的第/>个采集时刻的温度数据;表示第/>个非基准阶段的第/>个采集时刻的温度数据;/>表示基准阶段的第/>个采集时刻的湿度数据;/>表示第/>个非基准阶段的第/>个采集时刻的湿度数据。
在基准阶段和非基准阶段之间任意两个采集时刻的距离度量的获取过程中,表示基准阶段与每个非基准阶段之间任意两个采集时刻的波动程度的差值的绝对值,即第一距离参数,第一距离参数越小,说明这两个采集时刻的历史环境数据变化的程度越相似,则这两个采集时刻之间的距离度量/>越小,表示基准阶段与每个非基准阶段之间任意两个采集时刻的历史环境数据的欧氏距离,即第二距离参数,第二距离参数越小,说明这两个采集时刻的历史环境数据越接近,则这两个采集时刻之间的距离度量/>越小,所以本发明将第一距离参数和第二距离参数的乘积值作为基准阶段和非基准阶段之间任意两个采集时刻的距离度量/>。
对基准阶段和非基准阶段进行动态时间规整处理以后,基准阶段中每个基准时刻都对应非基准阶段中一个或多个采集时刻,因此可根据基准阶段中每个基准时刻的历史环境数据和非基准阶段中与基准时刻对应的采集时刻的历史环境数据,获得每个基准时刻的标准环境数据,以标准环境数据反映豆芽在生长过程中对温度和湿度的需求。
优选地,在本发明的一个实施例中每个基准时刻的标准环境数据的获取方法具体包括:
由于是以基准阶段为基础进行的动态时间规整处理,并且经过处理后基准阶段中每个基准时刻对应非基准阶段中一个或多个规整时刻,因此可将基准阶段中每个基准时刻的历史环境数据和所有非基准阶段中与每个基准时刻对应的规整时刻的同类历史环境数据的平均值,作为每个基准时刻的标准环境数据,其中,标准环境数据包括标准温度数据和标准湿度数据,即每个基准时刻都获得了一个标准温度数据和一个标准湿度数据,由于基准时刻也可理解为采集时刻,因此在后续的步骤中使用表示第/>个采集时刻的标准温度数据,使用/>表示第/>个采集时刻的标准湿度数据。
获取到每个基准时刻的标准环境数据后,由于标准环境数据是综合了对多个不同生命周期中历史环境数据的分析结果,因此可认为标准环境数据是豆芽在生长过程中所需要的环境数据,即豆芽在标准环境数据下能够更好的生长,因此在后续中可对当前获取的实时环境数据和标准环境数据进行对比,进而分析当前的环境是否异常。
步骤S4:根据实时获取的环境数据与标准环境数据的差异,获得数据偏离度,根据数据偏离度判断当前环境是否异常。
通过对豆芽多个生命周期相同生长阶段中的历史环境数据分析后,获得了每个基准时刻的标准环境数据,其中标准环境数据是综合多个生命周期中的历史环境数据的分析结果,包括了每个基准时刻的标准温度数据和标准湿度数据,因此可对当前生长过程中的豆芽进行实时环境数据的采集,如果豆芽在当前环境下的实时的温度数据和湿度数据与对应基准时刻的标准环境数据差别较大,则说明当前环境出现了异常,因此可首先根据豆芽当前采集时刻的实时环境数据与对应基准时刻的标准环境数据的差异,获得数据偏离度,后续中可基于数据偏离度对当前环境是否异常进行判断,由于本发明实施例是针对豆芽的整个生命周期进行分析,即从豆芽播种后开始对豆芽的温度数据和湿度数据进行采集,则可将豆芽开始播种的时刻作为整个生命周期的第一个时刻,因此在当前采集时刻下采集到豆芽的实时环境数据时,则当前采集时刻对应的基准时刻与豆芽的第一个时刻之间的时间间隔等于当前时刻与第一个时刻之间的时间间隔。
优选地,在本发明的一个实施例中数据偏离度的获取方法具体包括:
对实时环境数据与标准环境数据之间的欧氏距离进行归一化处理,获得当前时刻的数据偏离度,其中的实时环境数据包括实时温度数据和实时湿度数据,可在豆芽的生长过程中通过温度传感器和湿度传感器实时采集。数据偏离度的表达式可以具体例如为:
其中,表示第/>个采集时刻的数据偏离度;/>表示第/>个采集时刻的实时温度数据;/>表示第/>个基准时刻的标准温度数据;/>表示第/>个采集时刻的实时湿度数据;/>表示第/>个基准时刻的标准湿度数据;/>表示归一化函数,用于归一化处理。
获取到每个采集时刻的数据偏离度后,数据偏离度越大,说明当前获取的豆芽的实时环境数据与标准环境数据的差别越大,进而可说明豆芽的当前环境越可能出现了异常,因此可根据数据偏离度对当前环境是否异常进行判断分析。
优选地,在本发明的一个实施例中根据数据偏离度判断当前环境是否异常具体包括:
由于数据偏离度能够反映豆芽的当前环境出现异常的可能性,数据偏离度越大,说明当前环境出现异常的可能性越大,因此可通过设置一个预设异常阈值,当数据偏离度大于预设异常阈值时,说明当前环境出现了异常,否则,说明当前环境未出现异常,在本发明的一个实施例中预设异常阈值设置为0.3,预设异常阈值的具体数值可根据具体实施场景由实施者自行设置,在此不作限定。
确定豆芽的当前环境出现异常后,便可生成相应的提醒信号,便于提醒相关人员及时对当前的环境进行改善,确保豆芽在生长过程中能够处于最佳的生长环境,提高豆芽的生长质量和最终的产量。
综上所述,本发明实施例首先获取豆芽在多个生命周期的温度数据和湿度数据,将二者作为历史环境数据,然后根据每个生命周期中温度数据的变化和湿度数据的变化,获得每个采集时刻的波动程度,并基于波动程度,在每个生周周期中划分出豆芽不同的生长阶段,由于不同生命周期的相同生长阶段之间的时间跨度不同,进而首先在相同的生长阶段中提取出一个基准阶段,并将基准阶段的采集时刻作为基准时刻,然后基于动态时间规整算法,对基准阶段和每个非基准阶段进行动态时间规整处理,获得非基准阶段中与每个基准时刻对应的采集时刻,实现基准阶段和非基准阶段之间采集时刻的匹配,进一步将基准阶段中每个基准时刻的历史环境数据和非基准阶段中与基准时刻对应的采集时刻的同类历史环境数据的均值,作为每个基准时刻的标准环境数据,进而根据获取的实时环境数据与对应时刻的标准环境数据之间的差异判断当前环境是否异常。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种豆芽生长实时数据管理方法,其特征在于,所述方法包括:
获取不同生命周期内豆芽在不同采集时刻的历史环境数据,所述历史环境数据包括温度数据和湿度数据;
根据生命周期内温度数据的变化和湿度数据的变化,获得每个采集时刻的波动程度;根据所述波动程度将所述生命周期划分为不同的生长阶段;
根据所有生命周期中相同生长阶段的采集时刻的数量,从相同生长阶段中筛选得到一个基准阶段,将所述基准阶段的采集时刻作为基准时刻;对所述基准阶段和每个非基准阶段进行动态时间规整处理,获得非基准阶段中与每个基准时刻对应的采集时刻作为规整时刻;根据基准阶段中每个基准时刻和对应规整时刻的历史环境数据,获得每个基准时刻的标准环境数据;
根据实时获取的环境数据与所述标准环境数据的差异,获得数据偏离度,根据所述数据偏离度判断当前环境是否异常。
2.根据权利要求1所述的一种豆芽生长实时数据管理方法,其特征在于,所述根据生命周期内温度数据的变化和湿度数据的变化,获得每个采集时刻的波动程度包括:
将每个生命周期中每个采集时刻的温度数据和湿度数据进行组合,获得每个采集时刻的二维数据点;
将每个采集时刻的二维数据点与对应下一个采集时刻的二维数据点相减,获得每个采集时刻的参考向量,其中,生命周期中最后一个采集时刻的所述参考向量为对应采集时刻的所述二维数据点;
根据每个采集时刻的参考向量和下一个采集时刻的参考向量之间的角度,以及对应参考向量的模长的差异,获得每个采集时刻的波动程度,其中,最后一个采集时刻的所述波动程度置为0。
3.根据权利要求2所述的一种豆芽生长实时数据管理方法,其特征在于,所述根据每个采集时刻的参考向量和下一个采集时刻的参考向量之间的角度,以及对应参考向量的模长的差异,获得每个采集时刻的波动程度包括:
将所述角度进行归一化处理获得标准角度值;
将每个采集时刻的参考向量的模长与下一个采集时刻的参考向量的模长之间差值的绝对值,作为模长差异;对所述模长差异进行归一化处理获得标准模长差异;
将所述标准角度值和所述标准模长差异的和值,作为每个采集时刻的波动程度。
4.根据权利要求1所述的一种豆芽生长实时数据管理方法,其特征在于,所述根据所述波动程度将所述生命周期划分为不同的生长阶段包括:
选取每个生命周期中最大的两个波动程度对应的采集时刻,作为划分时刻,将两个划分时刻中的最小值作为第一划分时刻,将两个划分时刻中的最大值作为第二划分时刻;
将生命周期中小于第一划分时刻的采集时刻作为豆芽的第一生长阶段,将生命周期中不小于第一划分时刻且小于第二划分时刻的采集时刻作为豆芽的第二生长阶段,将生命周期中不小于第二划分时刻的采集时刻作为豆芽的第三生长阶段。
5.根据权利要求1所述的一种豆芽生长实时数据管理方法,其特征在于,所述根据所有生命周期中相同生长阶段的采集时刻的数量,从相同生长阶段中筛选得到一个基准阶段包括:
统计所有生命周期中相同的每个生长阶段中采集时刻的数量,获取相同的所有生长阶段的采集时刻的数量中的众数;
在所有相同生长阶段中,将所述采集时刻数量等于所述众数的生长阶段作为待选阶段;
任意选取一个待选阶段作为相同生长阶段中的基准阶段。
6.根据权利要求1所述的一种豆芽生长实时数据管理方法,其特征在于,所述对所述基准阶段和每个非基准阶段进行动态时间规整处理,获得非基准阶段中与每个基准时刻对应的采集时刻包括:
根据基准阶段与每个非基准阶段之间任意两个采集时刻的所述波动程度的差异,以及任意两个采集时刻的历史环境数据的差异,获得任意两个采集时刻的距离度量;
基于DTW算法,根据所述距离度量对基准阶段的基准时刻和非基准阶段的采集时刻进行匹配,获得非基准阶段中与每个基准时刻对应的采集时刻。
7.根据权利要求6所述的一种豆芽生长实时数据管理方法,其特征在于,所述根据基准阶段与每个非基准阶段之间任意两个采集时刻的所述波动程度的差异,以及任意两个采集时刻的历史环境数据的差异,获得任意两个采集时刻的距离度量包括:
将基准阶段与每个非基准阶段之间任意两个采集时刻的所述波动程度的差值的绝对值,作为第一距离参数;
将基准阶段与每个非基准阶段之间任意两个采集时刻的所述历史环境数据的欧氏距离,作为第二距离参数;
将所述第一距离参数和所述第二距离参数的乘积值作为任意两个采集时刻的距离度量。
8.根据权利要求1所述的一种豆芽生长实时数据管理方法,其特征在于,所述根据基准阶段中每个基准时刻和对应规整时刻的历史环境数据,获得每个基准时刻的标准环境数据包括:
将基准阶段中每个基准时刻的历史环境数据和所有非基准阶段中与每个基准时刻对应的规整时刻的同类历史环境数据的平均值,作为每个基准时刻的标准环境数据。
9.根据权利要求1所述的一种豆芽生长实时数据管理方法,其特征在于,所述根据实时获取的环境数据与所述标准环境数据的差异,获得数据偏离度包括:
对所述实时环境数据与所述标准环境数据之间的欧氏距离进行归一化处理,获得当前时刻的数据偏离度。
10.根据权利要求1所述的一种豆芽生长实时数据管理方法,其特征在于,所述根据所述数据偏离度判断当前环境是否异常包括:
若所述数据偏离度大于预设异常阈值,则当前环境出现异常,否则,当前环境未出现异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311368388.6A CN117172958B (zh) | 2023-10-23 | 2023-10-23 | 一种豆芽生长实时数据管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311368388.6A CN117172958B (zh) | 2023-10-23 | 2023-10-23 | 一种豆芽生长实时数据管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117172958A true CN117172958A (zh) | 2023-12-05 |
CN117172958B CN117172958B (zh) | 2024-02-06 |
Family
ID=88937688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311368388.6A Active CN117172958B (zh) | 2023-10-23 | 2023-10-23 | 一种豆芽生长实时数据管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117172958B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118052376A (zh) * | 2024-04-16 | 2024-05-17 | 四川职业技术学院 | 一种基于农业物联网的敏感数据异常检测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107087539A (zh) * | 2017-05-27 | 2017-08-25 | 苟瀚文 | 一种基于物联网的果蔬智能灌溉系统 |
CN110503253A (zh) * | 2019-08-12 | 2019-11-26 | 北京环丁环保大数据研究院 | 一种种植环境自适应控制方法及装置 |
CN116649160A (zh) * | 2023-08-01 | 2023-08-29 | 南京康之春生物科技有限公司 | 食用菌菌种生产监测系统及监测方法 |
-
2023
- 2023-10-23 CN CN202311368388.6A patent/CN117172958B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107087539A (zh) * | 2017-05-27 | 2017-08-25 | 苟瀚文 | 一种基于物联网的果蔬智能灌溉系统 |
CN110503253A (zh) * | 2019-08-12 | 2019-11-26 | 北京环丁环保大数据研究院 | 一种种植环境自适应控制方法及装置 |
CN116649160A (zh) * | 2023-08-01 | 2023-08-29 | 南京康之春生物科技有限公司 | 食用菌菌种生产监测系统及监测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118052376A (zh) * | 2024-04-16 | 2024-05-17 | 四川职业技术学院 | 一种基于农业物联网的敏感数据异常检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117172958B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117172958B (zh) | 一种豆芽生长实时数据管理方法 | |
CN112198857B (zh) | 一种基于监测数据的工业设备控制优化方法及系统 | |
CN102495005B (zh) | 高光谱图像技术诊断作物水分亏缺的方法 | |
Nuske et al. | Modeling and calibrating visual yield estimates in vineyards | |
CN117196353B (zh) | 基于大数据的环境污染评估与监测方法及系统 | |
CN117076934B (zh) | 一种基于物联网的监控数据采集及分析方法 | |
CN113948220B (zh) | 一种具有预分析能力的炭疽病病原菌侵染阶段检测方法 | |
CN117271987B (zh) | 一种配电设备环境状态数据智能采集处理方法 | |
CN115219067B (zh) | 一种用于大蒜仓储实时状态监测方法 | |
CN116361679A (zh) | 基于数据驱动的电缆寿命智能预测方法及系统 | |
CN117391481A (zh) | 一种基于大数据的电力数据监视方法及系统 | |
CN117272209A (zh) | 一种芽苗菜生长数据采集方法及系统 | |
KR102309568B1 (ko) | 이미지 기반 작물 생육정보 자동계측 시스템 | |
CN117114213A (zh) | 一种村网共建便民网络服务方法及系统 | |
CN117313017B (zh) | 一种彩叶研发数据处理方法及系统 | |
CN117391482B (zh) | 一种基于大数据监测的大棚温度智能预警方法及系统 | |
CN117473351A (zh) | 基于物联网的电源信息远程传输系统 | |
CN116690689B (zh) | 一种自动化裁切生产线运行状态检测方法 | |
CN117455062A (zh) | 一种基于多源异构农业数据的农作物产量预测算法 | |
CN117829381B (zh) | 基于物联网的农业大棚数据优化采集系统 | |
CN117933580B (zh) | 用于小麦育种管理系统的育种材料优化评估方法 | |
CN117574307B (zh) | 一种物联网数据的安全管理系统及方法 | |
CN117786445B (zh) | 一种自动化摇纱机运行数据智能处理方法 | |
CN117787510B (zh) | 基于时序预测分析的农药残留监测过程的优化方法 | |
KR102575549B1 (ko) | 스마트팜의 생산성을 높이는 최적의 작물 재배 레시피 개발방법 |
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 |