CN117311417B - 基于物联网的智慧农业信息综合管理方法及系统 - Google Patents
基于物联网的智慧农业信息综合管理方法及系统 Download PDFInfo
- Publication number
- CN117311417B CN117311417B CN202311616192.4A CN202311616192A CN117311417B CN 117311417 B CN117311417 B CN 117311417B CN 202311616192 A CN202311616192 A CN 202311616192A CN 117311417 B CN117311417 B CN 117311417B
- Authority
- CN
- China
- Prior art keywords
- temperature
- data
- point
- value
- points
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 22
- 238000009423 ventilation Methods 0.000 claims abstract description 60
- 230000002159 abnormal effect Effects 0.000 claims abstract description 37
- 238000009826 distribution Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000005494 condensation Effects 0.000 claims description 8
- 238000009833 condensation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 abstract description 2
- 230000005856 abnormality Effects 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及用于管理的数据处理技术领域,具体涉及基于物联网的智慧农业信息综合管理方法及系统,包括:根据多个温度数据在同一时间点下数据点的温度值差异获得数据点的特征值,利用温度传感器与通风口的距离、温度数据中多个数据点的温度值的差异和分布特征对特征值进行多次调节,获得数据点的第二特征值;通过数据点的第二特征值对温度数据进行管理。本发明避免了在通风口通风情况下温度数据波动时,仅根据温度值大小检测异常点错误的问题,提高了异常点检测的准确性和检出率,避免将温室内温度数据的异常点进行存储和管理,进一步提高了温度数据的真实性。
Description
技术领域
本发明涉及用于管理的数据处理技术领域,具体涉及基于物联网的智慧农业信息综合管理方法及系统。
背景技术
物联网技术在智慧农业中的应用越来越广泛,目前通过在温室内部署多个传感器以实时监测农作物生长环境,提供与农业生产相关的大量数据,其中温度传感器是物联网农业应用中常用的传感器之一,用于获取温室内环境温度信息。
然而,在温室中由于温度较高,水分较高,导致经常会有水蒸气凝结在温度传感器表面,导致采集的温度数据存在失真,这些失真数据可能误导农业生产决策,降低农作物的产量和质量,因此为了保证所存储的温度数据的真实性,需要对温度数据进行异常检测管理。
由于温室内温度环境较为复杂,在某些阶段需要进行通风,导致仅依据温度数据中温度值的大小判断异常点的方法得到的异常点不够准确,因此需要考虑在通风条件下多个温度传感器的温度数据的变化特征,以提高异常点检测的准确性和检出率。
发明内容
本发明提供基于物联网的智慧农业信息综合管理方法及系统,以解决现有的问题。
本发明的基于物联网的智慧农业信息综合管理方法及系统采用如下技术方案:
本发明一个实施例提供了基于物联网的智慧农业信息综合管理方法,该方法包括以下步骤:
利用多个不同位置的温度传感器采集温室内的温度数据,并获取温度传感器之间的距离以及温度传感器与通风口之间的距离;一个温度传感器对应一个温度数据,温度数据中每一个数据点对应一个时间点和一个温度值;
根据多个温度数据在同一时间点下数据点的温度值差异获得数据点的特征值,所述特征值用于描述温度数据中数据点为异常点的可能性;
利用温度传感器与通风口的距离、温度数据中多个数据点的温度值的差异和分布特征对特征值进行多次调节,获得数据点的第二特征值;所述第二特征值用于描述在温度传感器与通风口之间的距离以及温室中水滴凝结因素的影响下,温度数据中数据点为异常点的可能性;
通过数据点的第二特征值对温度数据进行管理。
进一步地,所述根据多个温度数据在同一时间点下数据点的温度值差异获得数据点的特征值,包括的具体方法为:
根据温度值大小获得温度因子;
将温度因子与对应时间点下数据点的温度值差值记为第一差值,将第一差值与温度因子的比值记为数据点的特征值。
进一步地,所述根据温度值大小获得温度因子,包括的具体方法为:
获取所有温度传感器采集的温度数据中第个时间点下所有数据点的温度值最大值,记为对应时间点下的温度因子。
进一步地,所述利用温度传感器与通风口的距离、温度数据中多个数据点的温度值的差异和分布特征对特征值进行多次调节,获得数据点的第二特征值,包括的具体方法为:
首先,根据温度数据中任意数据点对应时间点之前的若干数据点的温度值分别获得温差系数和温度波动程度;利用温度传感器与通风口的距离、温差系数和温度波动程度对数据点的特征值进行调节,获得数据点的第一特征值;
然后,根据温度传感器之间的距离获得任意温度传感器的若干参考传感器;
最后,利用特征值差异、温度传感器和对应参考传感器分别与通风口之间的距离对第一特征值进行调节,获得数据点的第二特征值。
进一步地,所述根据温度数据中任意数据点对应时间点之前的若干数据点的温度值分别获得温差系数和温度波动程度,包括的具体方法为:
首先,对于任意温度数据中的第个数据点,获取第/>个数据点对应时间点之前的至多/>个数据点中相邻两个数据点对应温度值的差值绝对值,记为第/>个数据点的温差参考特征,获取第/>个数据点的所有温差参考特征的最大值,记为第/>个数据点的温差系数,其中为预设的超参数;
然后,对于任意温度数据,获取第个数据点的邻域半径/>范围内所有数据点的温度值的方差,记为第/>个数据点的温度波动程度,其中/>为预设的超参数。
进一步地,所述利用温度传感器与通风口的距离、温差系数和温度波动程度对数据点的特征值进行调节,获得数据点的第一特征值,包括的具体公式为:
其中,表示第/>个温度数据中第/>个时间点对应数据点的第一特征值;/>表示第/>个温度数据中第/>个时间点对应数据点的特征值;/>表示第/>个温度数据中第/>个时间点对应数据点的温差系数;/>表示第/>个温度数据中第/>个时间点对应数据点的温度波动程度;/>表示第/>个温度数据对应温度传感器与最近通风口之间的距离;/>表示自然常数。
进一步地,所述根据温度传感器之间的距离获得任意温度传感器的若干参考传感器,包括的具体方法为:
将任意温度传感器记为目标传感器,获取所有除目标传感器以外的温度传感器与目标传感器的距离,并按照从小到大的顺序将所有的所述距离进行排序,将得到的序列记为目标传感器的距离序列,将距离序列中前个温度传感器记为目标传感器的参考传感器,获得所有温度传感器的参考传感器,其中/>为预设的超参数。
进一步地,所述利用特征值差异、温度传感器和对应参考传感器分别与通风口之间的距离对第一特征值进行调节,获得数据点的第二特征值,包括的具体公式为:
其中,表示第/>个温度数据中第/>个时间点对应数据点的第二特征值;/>表示第/>个温度数据中第/>个时间点对应数据点的第一特征值;/>表示第/>个温度数据中第/>个时间点对应数据点的特征值;/>表示第/>个温度数据对应温度传感器与最近通风口之间的距离;/>表示自然常数;/>表示参考传感器的数量;/>表示第/>个温度数据对应温度传感器的第/>个参考传感器的温度数据中,第/>个时间点对应数据点的特征值;/>表示第/>个温度数据对应温度传感器的第/>个参考传感器与最近通风口之间的距离;/>表示第/>个温度数据对应温度传感器的第/>个参考传感器的温度数据中,第/>个时间点对应数据点的温度波动程度;/>表示绝对值符号。
进一步地,所述通过数据点的第二特征值对温度数据进行管理,包括的具体方法为:
首先,对于任意温度传感器的温度数据中所有数据点的第二特征值,利用LOF算法获取每个数据点的LOF值;
然后,将任意温度数据中所有数据点的LOF值进行线性归一化,获得归一化LOF值,将归一化LOF值大于阈值的数据点作为异常点,其中阈值L为预设的超参数;
最后,将所有温度数据中的异常点进行标记和删除,并在删除后利用插值法进行修正。
本发明一个实施例提供了基于物联网的智慧农业信息综合管理系统,该系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述基于物联网的智慧农业信息综合管理方法的步骤。
本发明的技术方案的有益效果是:通过结合在温室内通风口通风以及水滴凝结情况下,不同位置处温度传感器的温度数据中数据点的温度值变化特征,获得反映了数据点在对应时间点下受到通风口通风以及水滴凝结因素影响下数据点异常概率的第二特征值,避免了在通风口通风情况下温度数据波动时,仅根据温度值大小检测异常点错误的问题,提高了异常点检测的准确性和检出率,避免将温室内温度数据的异常点进行存储和管理,进一步提高了温度数据的真实性。
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为本发明的基于物联网的智慧农业信息综合管理方法的步骤流程图。
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基于物联网的智慧农业信息综合管理方法及系统,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基于物联网的智慧农业信息综合管理方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于物联网的智慧农业信息综合管理方法的步骤流程图,该方法包括以下步骤:
步骤S001:利用多个不同位置的温度传感器采集温室内的温度数据,并获取温度传感器之间的距离以及温度传感器与通风口之间的距离。
需要说明的是,在对智慧农业的温室中进行温度监测时,由于温室内温度较高,水分较高,这就导致经常会有水蒸气凝结在传感器表面,传感器采集的温度数据存在失真。这些失真数据可能误导农业生产决策,降低农作物的产量和质量,因此需要进行异常数据的筛选。
具体的,为了实现本实施例提出的基于物联网的智慧农业信息综合管理方法,首先需要采集温室内的温度数据,具体过程为:
首先,在温室内多个不同位置处安装温度传感器,利用温度传感器采集温室内的温度数据,一个温度传感器对应一个温度数据,所述温度数据为时序数据,温度数据中每一个数据点对应一个时间点和一个温度值。
然后,获取各温度传感器之间程度距离以及温度传感器与最近的通风口之间的距离。
需要说明的是,本实施例中温度传感器采集数据时的采样间隔为0.5s,可根据实际情况进行调整,本实施例不进行具体限定。
至此,通过上述方法得到若干温度数据。
步骤S002:根据多个温度数据在同一时间点下数据点的温度值差异获得数据点的特征值。
需要说明的是,正常情况下温室内的温度是恒定的,即传感器的温度数据几乎不变,但是当传感器表面被水滴覆盖后,由于水滴温度比空气温度低,因此对应的传感器所采集的温度数据中对应时间点下的温度值会有一定程度的降低。当温室在进行通风时,使内外的空气交换,导致温室内部的温度降低,越靠近通风口的传感器的温度会越低,越远离通风口的温度会越高,因此当通风口开始通风时,温度传感器采集的温度数据发生降低是内外气体交换对多个传感器共同作用的,因此可以通过这个方式来对温度数据计算特征值,通过特征值来进行LOF算法的异常识别,识别的异常数据更准确。
需要说明的是,对于同一时刻下的所有传感器温度数据,他们的温度应该接近。因为温室内可能出现传感器温度失真的情况,导致计算出的平均温度不具备参考性,因此使用最高温度来表示温室内的温度。因此距离温室最高温度差距越大的传感器温度数据,它的温度表现越异常,那么特征值越大。
具体的,首先,获取所有温度传感器采集的温度数据中第个时间点下所有数据点的温度值最大值,记为对应时间点下的温度因子。
然后,获取温度数据中数据点的特征值,具体计算方法为:
其中,表示第/>个温度数据中第/>个时间点对应数据点的特征值;/>表示第/>个温度数据中第/>个时间点对应数据点的温度值;/>表示第/>个时间点的温度因子。
需要说明的是,所述特征值用于描述温度数据中数据点为异常点的可能性,温度数据中数据点的特征值越大,说明数据点的温度值与温室内的温度偏差越大,该数据点的温度值越异常。
至此,通过上述方法得到数据点的特征值。
步骤S003:利用温度传感器与通风口的距离、温度数据中多个数据点的温度值的差异和分布特征对特征值进行多次调节,获得数据点的第二特征值。
需要说明的是,当传感器的温度数据被水滴影响时,只会影响单个传感器的数据;且由于水滴和周围空气的温度差距较大,且水滴往往是滑动到传感器监测点上,然后继续滑落,因此温度传感器的温度变化应该是突然变低,然后保持一段时间,然后再逐渐回升。
另外,温室在进行通风时,温室内的温度逐渐变化,且通风会同时影响多个传感器的温度数据,因此对于通风造成温室内温度的变化,温度数据中数据点的温度值下降快慢和通风点的距离有关,距离通风点的距离越近,温度波动变化越快;同时单个传感器的周围其他传感器的温度也会发生变化,整体的变化趋势为越接近通风点,温度的变化量越大。
具体的,步骤(1),首先,对于任意温度数据中的第个数据点,获取第/>个数据点对应时间点之前的至多/>个数据点中相邻两个数据点对应温度值的差值绝对值,记为第/>个数据点的温差参考特征,获取第/>个数据点的所有温差参考特征的最大值,记为第/>个数据点的温差系数,其中/>为预设的超参数。
需要说明的是,根据经验预设超参数为10,可根据实际情况进行调整,本实施例不进行具体限定。
需要说明的是,所述温差系数用于描述一段时间内内温度的变化情况,即反映了对应数据点之前发生温度变化时的变化程度,温差系数越大,说明当前数据点之前一段时间内温度变化的程度越大,则该数据点越有可能是因为出现水滴对温度传感器产生影响而造成的温度异常。
然后,对于任意温度数据,获取第个数据点的邻域半径/>范围内所有数据点的温度值的方差,记为第/>个数据点的温度波动程度,其中/>为预设的超参数。
需要说明的是,根据经验预设超参数为3,可根据实际情况进行调整,本实施例不进行具体限定。
需要说明的是,所述温度波动程度用于描述对应数据点之前的一段时间内,通风口进行通风以及温室内水滴凝结对温度值波动产生影响的程度,数据点的温度波动程度的温度波动程度,反映了以数据点为中心的一定范围内,数据点对应温度值的离散程度,即一段时间内的温度离散情况,温度波动程度越大,说明该数据点对应的一段时间内的数据点的温度值分布越离散,该数据点的出现温度异常时越有可能是由于温室通风而产生的。
最后,利用温度传感器与通风口的距离、温差系数和温度波动程度对数据点的特征值进行调节,获得数据点的第一特征值,具体计算方法为:
其中,表示第/>个温度数据中第/>个时间点对应数据点的第一特征值;/>表示第个温度数据中第/>个时间点对应数据点的特征值;/>表示第/>个温度数据中第/>个时间点对应数据点的温差系数;/>表示第/>个温度数据中第/>个时间点对应数据点的温度波动程度;/>表示第/>个温度数据对应温度传感器与最近通风口之间的距离;/>表示自然常数。
需要说明的是,调节因子反映了温度数据中数据点的温度值变化受到温室通风影响的程度;数据点的温差系数越大,说明当前数据点所属的温度段的下降时的速度越快,越有可能是水滴造成的温度异常,则对温度数据中数据点的温度值进行调节的幅度就越小。
需要说明的是,所述第一特征值用于描述数据点为异常点的可能性,受到一段时间内温度的变化情况以及温度传感器与通风口距离影响的程度;温度波动程度越大,数据点出现温度异常越有可能是通风口导致的,则对温度数据中数据点的特征值进行调节的幅度越大;温度数据对应温度传感器与最近通风口之间的距离越小,即温度传感器距离通风口的距离越近,受到通风口的影响越大,温度变化越大,则对温度数据中数据点的特征值进行调节的幅度越大。
步骤(2),需要说明的是,温室在进行通风时,温室内的温度是逐渐变化的,且会同时影响多个传感器的温度数据。因此对于通风造成的温度变化,温度的下降过程和通风点的距离有关,距离通风点的距离越近,温度变化的越快,且温度数据波动的越快;同时单个传感器的周围其他传感器的温度也会发生变化,整体的变化趋势为越接近通风口,温度传感器获得的温度数据中数据点的温度值变化越大。
另外,如果由于通风引起温室内温度传感器的温度数据发生变化,那么温度传感器距离最近通风口的距离越近,则温度数据的波动也会越大,同时温度数据中数据点的特征值越大;如果由于水滴引起温室内温度传感器的温度数据发生变化,那么位于温度数据发生变化时对应温度传感器周围的其他传感器的温度数据波动较小,且和通风口就的距离无关。
具体的,首先,将任意温度传感器记为目标传感器,获取所有除目标传感器以外的温度传感器与目标传感器的距离,并按照从小到大的顺序将所有的所述距离进行排序,将得到的序列记为目标传感器的距离序列,将距离序列中前个温度传感器记为目标传感器的参考传感器,获得所有温度传感器的参考传感器,其中/>为预设的超参数。
需要说明的是,根据经验预设超参数为3,可根据实际情况进行调整,本实施例不进行具体限定。
然后,利用特征值差异和温度传感器与通风口的距离对第一特征值进行调节,获得第二特征值,具体计算方法为:
其中,表示第/>个温度数据中第/>个时间点对应数据点的第二特征值;/>表示第/>个温度数据中第/>个时间点对应数据点的第一特征值;/>表示第/>个温度数据中第/>个时间点对应数据点的特征值;/>表示第/>个温度数据对应温度传感器与最近通风口之间的距离;/>表示自然常数;/>表示参考传感器的数量;/>表示第/>个温度数据对应温度传感器的第/>个参考传感器的温度数据中,第/>个时间点对应数据点的特征值;/>表示第/>个温度数据对应温度传感器的第/>个参考传感器与最近通风口之间的距离;/>表示第/>个温度数据对应温度传感器的第/>个参考传感器的温度数据中,第/>个时间点对应数据点的温度波动程度;/>表示绝对值符号。
需要说明的是,所述第二特征值用于描述在温度传感器与通风口之间的距离以及温室中水滴凝结因素的影响下,温度数据中数据点为异常点的可能性;第一因子用于描述温度传感器与通风口之间的距离对温度数据中数据点为异常点的可能性造成影响的程度;距离越近造成的影响越大,第一因子的数值就越小。另外,任意温度传感器与参考传感器之间的特征值差异越小,说明该温度传感器的温度数据中数据点的特征值与温室通风的关系越大则对温度数据中数据点的第一特征值进行调节的幅度越大。
需要说明的是,第二因子用于描述周围温度传感器与通风口之间的距离对温度数据中数据点为异常点的可能性造成影响的程度;差异参数/>用于描述温度传感器与周围的温度传感器,在关于温度传感器与通风口之间的距离对温度数据中数据点为异常点的可能性造成影响的程度方面上的差异,如果温度数据中温度值变化都是因为通风导致的,那么所述差异就会较小,因此差异参数越大,说明对应温度数据中受到通风导致温度值变化的可能性越小,那么对第一特征值进行调节的幅度越小;第三因子/>表示周围温度传感器的温度数据中数据点对应温度值的平均波动程度,第三因子越大,说明周围温度传感器的温度数据中数据点对应温度值的波动程度越大,则对应温度传感器的温度数据中数据点异常越有可能是由于通风导致的,那么对温度数据中数据点的第一特征值进行调节的幅度越大。另外,传感器周围传感器的温度数据均和其与最近通风口的距离相关,且周围传感器的温度数据波动程度越大,越有可能是通风导致的温度变化,修正的程度越大。
至此,通过上述方法得到第二特征值。
步骤S004:通过数据点的第二特征值对温度数据进行管理。
具体的,首先,对于任意温度传感器的温度数据中所有数据点的第二特征值,利用LOF算法获取每个数据点的LOF值。
需要说明的是,LOF算法的中文名称为局部离群因子算法,由于LOF算法为现有的异常检测算法,因此本实施例不进行赘述。
然后,将任意温度数据中所有数据点的LOF值进行线性归一化,获得归一化LOF值,将归一化LOF值大于阈值的数据点作为异常点,其中阈值L为预设的超参数。
需要说明的是,根据经验预设阈值为0.9,可根据实际情况进行调整,本实施例不进行具体限定。
最后,将所有温度数据中的异常点进行标记和删除,并在删除后利用插值法进行修正。
通过以上步骤,完成基于温室内温度数据的智慧农业信息综合管理。
本发明一个实施例提供了基于物联网的智慧农业信息综合管理系统,该系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述基于物联网的智慧农业信息综合管理方法的步骤。
本实施例通过结合在温室内通风口通风以及水滴凝结情况下,不同位置处温度传感器的温度数据中数据点的温度值变化特征,获得反映了数据点在对应时间点下受到通风口通风以及水滴凝结因素影响下数据点异常概率的第二特征值,避免了在通风口通风情况下温度数据波动时,仅根据温度值大小检测异常点错误的问题,提高了异常点检测的准确性和检出率,避免将温室内温度数据的异常点进行存储和管理,进一步提高了温度数据的真实性。
需要说明的是,本实施例中所用的模型仅用于表示负相关关系和约束模型输出的结果处于/>区间内,具体实施时,可替换成具有同样目的的其他模型,本实施例只是以/>模型为例进行叙述,不对其做具体限定,其中/>是指该模型的输入。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,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 (2)
1.基于物联网的智慧农业信息综合管理方法,其特征在于,该方法包括以下步骤:
利用多个不同位置的温度传感器采集温室内的温度数据,并获取温度传感器之间的距离以及温度传感器与通风口之间的距离;一个温度传感器对应一个温度数据,温度数据中每一个数据点对应一个时间点和一个温度值;
根据多个温度数据在同一时间点下数据点的温度值差异获得数据点的特征值,所述特征值用于描述温度数据中数据点为异常点的可能性;
利用温度传感器与通风口的距离、温度数据中多个数据点的温度值的差异和分布特征对特征值进行多次调节,获得数据点的第二特征值;所述第二特征值用于描述在温度传感器与通风口之间的距离以及温室中水滴凝结因素的影响下,温度数据中数据点为异常点的可能性;
通过数据点的第二特征值对温度数据进行管理;
其中,所述根据多个温度数据在同一时间点下数据点的温度值差异获得数据点的特征值,包括的具体方法为:
根据温度值大小获得温度因子;
将温度因子与对应时间点下数据点的温度值差值记为第一差值,将第一差值与温度因子的比值记为数据点的特征值;
其中,所述根据温度值大小获得温度因子,包括的具体方法为:
获取所有温度传感器采集的温度数据中第个时间点下所有数据点的温度值最大值,记为对应时间点下的温度因子;
其中,所述利用温度传感器与通风口的距离、温度数据中多个数据点的温度值的差异和分布特征对特征值进行多次调节,获得数据点的第二特征值,包括的具体方法为:
首先,根据温度数据中任意数据点对应时间点之前的若干数据点的温度值分别获得温差系数和温度波动程度;利用温度传感器与通风口的距离、温差系数和温度波动程度对数据点的特征值进行调节,获得数据点的第一特征值;
然后,根据温度传感器之间的距离获得任意温度传感器的若干参考传感器;
最后,利用特征值差异、温度传感器和对应参考传感器分别与通风口之间的距离对第一特征值进行调节,获得数据点的第二特征值;
其中,所述根据温度数据中任意数据点对应时间点之前的若干数据点的温度值分别获得温差系数和温度波动程度,包括的具体方法为:
首先,对于任意温度数据中的第个数据点,获取第/>个数据点对应时间点之前的至多/>个数据点中相邻两个数据点对应温度值的差值绝对值,记为第/>个数据点的温差参考特征,获取第/>个数据点的所有温差参考特征的最大值,记为第/>个数据点的温差系数,其中/>为预设的超参数;
然后,对于任意温度数据,获取第个数据点的邻域半径/>范围内所有数据点的温度值的方差,记为第/>个数据点的温度波动程度,其中/>为预设的超参数;
其中,所述利用温度传感器与通风口的距离、温差系数和温度波动程度对数据点的特征值进行调节,获得数据点的第一特征值,包括的具体公式为:
其中,表示第/>个温度数据中第/>个时间点对应数据点的第一特征值;/>表示第/>个温度数据中第/>个时间点对应数据点的特征值;/>表示第/>个温度数据中第/>个时间点对应数据点的温差系数;/>表示第/>个温度数据中第/>个时间点对应数据点的温度波动程度;表示第/>个温度数据对应温度传感器与最近通风口之间的距离;/>表示自然常数;
其中,所述根据温度传感器之间的距离获得任意温度传感器的若干参考传感器,包括的具体方法为:
将任意温度传感器记为目标传感器,获取所有除目标传感器以外的温度传感器与目标传感器的距离,并按照从小到大的顺序将所有的所述距离进行排序,将得到的序列记为目标传感器的距离序列,将距离序列中前个温度传感器记为目标传感器的参考传感器,获得所有温度传感器的参考传感器,其中/>为预设的超参数;
其中,所述利用特征值差异、温度传感器和对应参考传感器分别与通风口之间的距离对第一特征值进行调节,获得数据点的第二特征值,包括的具体公式为:
其中,表示第/>个温度数据中第/>个时间点对应数据点的第二特征值;/>表示第/>个温度数据中第/>个时间点对应数据点的第一特征值;/>表示第/>个温度数据中第/>个时间点对应数据点的特征值;/>表示第/>个温度数据对应温度传感器与最近通风口之间的距离;/>表示自然常数;/>表示参考传感器的数量;/>表示第/>个温度数据对应温度传感器的第/>个参考传感器的温度数据中,第/>个时间点对应数据点的特征值;/>表示第/>个温度数据对应温度传感器的第/>个参考传感器与最近通风口之间的距离;/>表示第/>个温度数据对应温度传感器的第/>个参考传感器的温度数据中,第/>个时间点对应数据点的温度波动程度;/>表示绝对值符号;
其中,所述通过数据点的第二特征值对温度数据进行管理,包括的具体方法为:
首先,对于任意温度传感器的温度数据中所有数据点的第二特征值,利用LOF算法获取每个数据点的LOF值;
然后,将任意温度数据中所有数据点的LOF值进行线性归一化,获得归一化LOF值,将归一化LOF值大于阈值的数据点作为异常点,其中阈值L为预设的超参数;
最后,将所有温度数据中的异常点进行标记和删除,并在删除后利用插值法进行修正。
2.基于物联网的智慧农业信息综合管理系统,包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如权利要求1所述基于物联网的智慧农业信息综合管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311616192.4A CN117311417B (zh) | 2023-11-30 | 2023-11-30 | 基于物联网的智慧农业信息综合管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311616192.4A CN117311417B (zh) | 2023-11-30 | 2023-11-30 | 基于物联网的智慧农业信息综合管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117311417A CN117311417A (zh) | 2023-12-29 |
CN117311417B true CN117311417B (zh) | 2024-02-06 |
Family
ID=89285192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311616192.4A Active CN117311417B (zh) | 2023-11-30 | 2023-11-30 | 基于物联网的智慧农业信息综合管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117311417B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105850604A (zh) * | 2016-04-06 | 2016-08-17 | 中喜生态产业股份有限公司 | 一种基于光强控制的大棚自动控温系统 |
CN107608431A (zh) * | 2017-10-23 | 2018-01-19 | 天津云拓网络科技有限公司 | 一种基于LoRa技术的基站机房远程监控系统 |
CN208782423U (zh) * | 2018-09-21 | 2019-04-23 | 江苏高雷德电力科技有限公司 | 低压电缆分支箱的降温防凝露系统 |
CN113200218A (zh) * | 2021-05-07 | 2021-08-03 | 广东人峰实业有限公司 | 一种基于大数据的试剂安全储放柜 |
CN113483919A (zh) * | 2021-06-30 | 2021-10-08 | 启北公司 | 一种温度校准方法、系统、存储介质和电子设备 |
WO2022026366A1 (en) * | 2020-07-27 | 2022-02-03 | View, Inc. | Atmospheric adjustment in an enclosure |
CN114517964A (zh) * | 2022-02-25 | 2022-05-20 | 江苏鸿诚欣智能科技有限公司 | 一种恒温自动调节方法、系统及调节装置 |
WO2023273349A1 (zh) * | 2021-06-30 | 2023-01-05 | 青岛海尔空调器有限总公司 | 空调器控制方法、空调器、室温调节系统和存储介质 |
CN117056862A (zh) * | 2023-10-10 | 2023-11-14 | 贵州省畜牧兽医研究所 | 基于物联网的家禽养殖环境异常监测系统 |
CN117076934A (zh) * | 2023-10-16 | 2023-11-17 | 罗普特科技集团股份有限公司 | 一种基于物联网的监控数据采集及分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050234596A1 (en) * | 2002-09-13 | 2005-10-20 | Johannes Rietschel | Method and device for controlling the thermal balance in buildings |
-
2023
- 2023-11-30 CN CN202311616192.4A patent/CN117311417B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105850604A (zh) * | 2016-04-06 | 2016-08-17 | 中喜生态产业股份有限公司 | 一种基于光强控制的大棚自动控温系统 |
CN107608431A (zh) * | 2017-10-23 | 2018-01-19 | 天津云拓网络科技有限公司 | 一种基于LoRa技术的基站机房远程监控系统 |
CN208782423U (zh) * | 2018-09-21 | 2019-04-23 | 江苏高雷德电力科技有限公司 | 低压电缆分支箱的降温防凝露系统 |
WO2022026366A1 (en) * | 2020-07-27 | 2022-02-03 | View, Inc. | Atmospheric adjustment in an enclosure |
CN113200218A (zh) * | 2021-05-07 | 2021-08-03 | 广东人峰实业有限公司 | 一种基于大数据的试剂安全储放柜 |
CN113483919A (zh) * | 2021-06-30 | 2021-10-08 | 启北公司 | 一种温度校准方法、系统、存储介质和电子设备 |
WO2023273349A1 (zh) * | 2021-06-30 | 2023-01-05 | 青岛海尔空调器有限总公司 | 空调器控制方法、空调器、室温调节系统和存储介质 |
CN114517964A (zh) * | 2022-02-25 | 2022-05-20 | 江苏鸿诚欣智能科技有限公司 | 一种恒温自动调节方法、系统及调节装置 |
CN117056862A (zh) * | 2023-10-10 | 2023-11-14 | 贵州省畜牧兽医研究所 | 基于物联网的家禽养殖环境异常监测系统 |
CN117076934A (zh) * | 2023-10-16 | 2023-11-17 | 罗普特科技集团股份有限公司 | 一种基于物联网的监控数据采集及分析方法 |
Non-Patent Citations (1)
Title |
---|
电厂燃气轮机热参数监测过程中的方差分析;夏迪;王永泓;;燃气轮机技术(第02期);第45-48, 55页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117311417A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200196535A1 (en) | System and method for controlling a growth environment of a crop | |
KR101762757B1 (ko) | 작물의 수확량 영향 요인 평가 방법 및 장치 | |
CN115529987A (zh) | 作物设施的风口调控方法、装置、设备及存储介质 | |
CN113469112B (zh) | 农作物生长状况图像识别方法及系统 | |
CN117009910B (zh) | 一种环境温度异常变化智能监测方法 | |
CN117332341B (zh) | 基于物联网的飞机轮挡数据智能管理方法及系统 | |
CN117311417B (zh) | 基于物联网的智慧农业信息综合管理方法及系统 | |
CN117349664B (zh) | 一种芽苗菜生长环境在线监测方法及系统 | |
CN115334874A (zh) | 温度控制方法、温度控制装置、温度控制程序以及温度控制系统 | |
CN116301138A (zh) | 基于日光温室的农业大棚智能化监管系统 | |
CN117540238A (zh) | 一种工业数字化信息采集装置用数据安全管理方法 | |
US20150173307A1 (en) | Adaptive greenhouse control method | |
CN116701983A (zh) | 一种冷链物流实时监测数据处理方法及系统 | |
KR102638902B1 (ko) | 스마트팜의 작물 생산량 조절을 위한 의사 결정 지원 장치 및 방법 | |
CN115409253A (zh) | 一种土壤温度调整方法、装置、存储介质及电子设备 | |
US20220357481A1 (en) | Information processing device and method | |
CN116740651B (zh) | 基于智能决策的食用菌栽培监控方法及系统 | |
JP2019150015A (ja) | 作物活性指数基盤の施設園芸複合環境制御システム及び方法 | |
CN117195028B (zh) | 一种芽苗菜种子萌发预测方法 | |
CN117708627A (zh) | 一种全天域望远镜圆顶智能调节方法及系统 | |
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 | |
CN117389357B (zh) | 基于物联网的农业大棚温度自适应调节方法及系统 | |
CN111525703B (zh) | 一种气候自适应调节监测参数的电力系统监控方法及系统 | |
CN118097422A (zh) | 一种农业环境监测预警方法 | |
KR102471743B1 (ko) | 스마트팜의 미래 생산량 예측 방법 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and system for comprehensive management of smart agricultural information based on the Internet of Things Granted publication date: 20240206 Pledgee: Laiwu Shandong rural commercial bank Limited by Share Ltd. Pledgor: Shandong Zelin Agricultural Technology Co.,Ltd. Registration number: Y2024980011674 |