CN117391287A - 基于动态预测的智慧农业资源配置管理方法及系统 - Google Patents
基于动态预测的智慧农业资源配置管理方法及系统 Download PDFInfo
- Publication number
- CN117391287A CN117391287A CN202311269771.6A CN202311269771A CN117391287A CN 117391287 A CN117391287 A CN 117391287A CN 202311269771 A CN202311269771 A CN 202311269771A CN 117391287 A CN117391287 A CN 117391287A
- Authority
- CN
- China
- Prior art keywords
- electronic fence
- signal transmission
- layout
- fence equipment
- range
- 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
- 238000013468 resource allocation Methods 0.000 title claims abstract description 35
- 238000007726 management method Methods 0.000 title claims abstract description 32
- 230000008054 signal transmission Effects 0.000 claims abstract description 218
- 238000009434 installation Methods 0.000 claims abstract description 126
- 238000010586 diagram Methods 0.000 claims abstract description 81
- 238000005457 optimization Methods 0.000 claims abstract description 71
- 230000002159 abnormal effect Effects 0.000 claims abstract description 59
- 238000012544 monitoring process Methods 0.000 claims abstract description 52
- 239000002245 particle Substances 0.000 claims abstract description 41
- 239000003102 growth factor Substances 0.000 claims abstract description 40
- 238000012216 screening Methods 0.000 claims abstract description 21
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000013439 planning Methods 0.000 claims description 55
- 238000004458 analytical method Methods 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 29
- 238000009826 distribution Methods 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Marketing (AREA)
- Biomedical Technology (AREA)
- Marine Sciences & Fisheries (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Mining & Mineral Resources (AREA)
- Educational Administration (AREA)
- Animal Husbandry (AREA)
- Development Economics (AREA)
- Agronomy & Crop Science (AREA)
- Signal Processing (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
Abstract
本发明涉及基于动态预测的智慧农业资源配置管理方法及系统,属于智慧农业资源配置管理技术领域,获取信号传输范围内的多个异常点,基于卷积神经网络预测多个所述异常点的干扰源对电子围栏设备的信号传输强度值,得到冗余范围集,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到庄稼种植所需的保护范围,基于粒子群算法对所述冗余范围集和所述庄稼种植所需的保护范围进行安装点位筛选并整合,得到电子围栏设备的安装点位优化图,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图。本发明能够对受到干扰的电子围栏重新选择安装位置,提高监测性能。
Description
技术领域
本发明涉及智慧农业资源配置管理技术领域,尤其涉及基于动态预测的智慧农业资源配置管理方法及系统。
背景技术
智慧农业是一种将传统农业与先进技术相结合,以提高农作物生产、养殖管理和资源利用效率,智慧农业还可以应用先进的物联网技术和大数据分析,实现农场管理的实时监控。电子围栏作为智慧农业资源的一种监测配置,利用电子技术来实现区域边界控制和安全防护,它基于无线通信和传感技术,能够监测和控制特定区域的进出,以提供安全保护和行为限制。但由于监测环境中存在多种干扰源,例如电磁波干扰、植物遮挡、金属品干扰等,因此电子围栏可能会在接收信号时受到干扰,使得电子围栏运行出现信号传输中断,感应不灵敏等问题,导致无法精准监测物体的进出,甚至会使电子围栏系统瘫痪,降低农业监测质量和精准性,且干扰源的信号传输会不断变化,导致无法准确避开干扰源来选择最佳安装点安装电子围栏,急需一种资源配置管理方法优化电子围栏的安装点位。
发明内容
本发明克服了现有技术的不足,提供了基于动态预测的智慧农业资源配置管理方法及系统。
为达上述目的,本发明采用的技术方案为:
本发明第一方面提供了基于动态预测的智慧农业资源配置管理方法,包括以下步骤:
获取电子围栏设备的布局位置信息,将所述布局位置信息导入空间分布坐标模型,得到电子围栏设备的信号传输范围,并获取信号传输范围内的多个异常点;
基于卷积神经网络预测多个所述异常点的干扰源对电子围栏设备的信号传输强度,得到多个信号传输强度值,并根据多个所述信号传输强度值约束干扰范围并组合,得到冗余范围集;
获取农作物品种的若干个最佳生长因素信息以及多个实时环境监测数据,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到预设保护范围;
基于粒子群算法对所述冗余范围集和所述预设保护范围进行安装点位筛选并整合,得到电子围栏设备的安装点位优化图;
根据所述电子围栏设备的安装点位优化图进行调整优化,得到每个电子围栏设备的安装点位坐标值,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图。
进一步的,本发明的一个较佳的实施例中,所述获取电子围栏设备的布局位置信息,将所述布局位置信息导入空间分布坐标模型,得到电子围栏设备的信号传输范围,并获取信号传输范围内的多个异常点,具体包括以下步骤:
获取当前庄稼用地总规划区域的图像信息,基于卷积神经网络对所述当前庄稼用地总规划区域的图像信息进行特征识别,得到电子围栏设备的布局位置信息;
构建空间分布坐标模型,将所述电子围栏设备的布局位置信息导入所述空间分布坐标模型中,得到电子围栏设备的布局坐标模型;
获取电子围栏设备的历史信号传输故障信息以及信号传输功率参数,将所述信号传输功率参数导入所述布局坐标模型中计算,得到电子围栏设备的信号传输范围,根据所述历史信号传输故障信息定义为若干个异常点,将所述若干个异常点嵌入所述布局坐标模型中,得到异常点的分布位置;
判断所述异常点的分布位置是否处于所述电子围栏设备的信号传输范围内,若处于,则说明电子围栏设备的信号传输路径存在异常,并获取处于信号传输范围内的多个异常点。
进一步的,本发明的一个较佳的实施例中,所述基于卷积神经网络预测多个所述异常点的干扰源对电子围栏设备的信号传输强度,得到多个信号传输强度值,并根据多个所述信号传输强度值约束干扰区域并组合,得到冗余范围集,具体包括以下步骤:
通过大数据网络获取不同预设信号干扰源组合下对电子围栏设备的信号干扰条件,基于卷积神经网络构建信号传输强度预测模型,将所述不同预设信号干扰源组合下对电子围栏设备的信号干扰条件导入所述信号传输强度预测模型进行训练,得到训练完成的信号传输强度预测模型;
获取所述每个异常点在庄稼用地中的信号干扰源信息,将所述信号干扰源信息导入所述训练完成的信号传输强度预测模型,得到多个信号传输强度值;
预设干扰阈值,判断所述每个信号传输强度值是否小于所述干扰阈值,若小于,则干扰源对信号传输的干扰范围大,若大于,则干扰源对信号传输的干扰范围小,得到判断结果,基于所述信号传输强度值和所述判断结果约束干扰范围,得到若干个干扰范围;
将所述若干个干扰范围进行组合,得到信号传输干扰范围组合集,并标记所述信号传输干扰范围组合集为冗余范围集。
进一步的,本发明的一个较佳的实施例中,所述获取农作物品种的若干个最佳生长因素信息以及多个实时环境监测数据,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到预设保护范围,具体包括以下步骤:
获取当前庄稼的用地规划图纸信息,根据所述用地规划图纸信息获取庄稼用地的总规划区域;其中,所述当前庄稼的用地规划图纸信息包括庄稼种植规划区域信息和种植规划区域以外的公共区域信息;
获取庄稼种植的农作物品种,基于大数据网络获取所述农作物品种的若干个最佳生长因素信息,通过GIS软件对所述总规划区域进行转化,得到覆盖分析空间,将所述若干个最佳生长因素信息进行转化得到若干个第一多边形,将所述若干个第一多边形导入所述覆盖分析空间中,生成第一覆盖空间;
通过庄稼种植区域的各类传感器获取多个实时环境监测数据,通过GIS软件将多个所述实时环境监测数据进行转化得到多个第二多边形,将多个所述第二多边形导入所述覆盖分析空间中,生成第二覆盖空间;
基于多边形覆盖分析法对所述第一覆盖空间和所述第二覆盖空间进行重叠分析,得到重叠度,判断所述重叠度是否大于预设重叠度,若大于,则重叠部分作为保护区域并整合所有重叠部分,得到预设保护范围。
进一步的,本发明的一个较佳的实施例中,所述基于粒子群算法对所述冗余范围集和所述预设保护范围进行点位筛选并整合,得到电子围栏设备的安装点位优化图,具体包括以下步骤:
获取庄稼种植区域范围,将所述庄稼种植区域范围以及所述冗余范围集在所述预设保护范围中剔除,得到电子围栏设备的可安装优化范围;
根据所述多个电子围栏设备的布局信息对所述电子围栏设备的可安装优化范围分为若干个子布局区域,基于粒子群算法和所述电子围栏设备的信号传输区域对每个所述子布局区域进行点位筛选;
将每个所述电子围栏设备的信号传输区域定义为粒子,分配位置和速度并设定适应值,根据速度调整粒子位置并重新计算新位置的适应值,得到全局最优质位置和个体最优质位置,基于所述全局最优质位置和所述个体最优质位置调整粒子速度,最终直至达到迭代次数,得到每个子布局区域的若干个可安装点位;
对每个子布局区域的若干个可安装点位进行排序并拼接,得到可安装点位序列表,根据所述处于信号传输范围内的多个异常点确定待优化的子布局区域,将所述待优化的子布局区域导入所述可安装点位序列表进行匹配,得到多个最佳安装点位;
获取无需调整的点位信息,将所述无需调整的点位信息和所述多个最佳安装点位进行整合,得到电子围栏设备的安装点位优化图。
进一步的,本发明的一个较佳的实施例中,所述根据所述电子围栏设备的安装点位优化图进行调整优化,得到每个电子围栏设备的安装点位坐标值,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图,具体包括以下步骤:
根据所述电子围栏设备的安装点位优化图对当前待优化子布局区域中电子围栏的安装位置进行调整优化,得到优化后的电子围栏设备布局图;
将所述优化后的电子围栏设备布局图导入所述电子围栏设备的布局坐标模型中,得到优化后电子围栏设备的布局坐标模型,并在所述优化后电子围栏设备的布局坐标模型提取坐标值,得到当前每个电子围栏设备的安装点位坐标值;
基于所述每个电子围栏设备的安装点位坐标值计算点位间的曼哈顿距离,构建距离矩阵,将所述当前每个电子围栏设备的安装点位坐标值导入所述距离矩阵进行计算,得到多个信号传输通道距离;
判断所述每个信号传输通道距离是否大于预设信号传输通道距离,若大于,则提取该信号传输通道所对应的安装点位,并基于所述可优化点位排序列表对所述安装点位所在的子布局区域依次选择新的点位进行调整优化,重新整理后验证直至小于预设信号传输通道距离,得到电子围栏设备的最终布局图。
本发明第二方面提供了基于动态预测的智慧农业资源配置管理系统,所述基于动态预测的智慧农业资源配置管理系统包括存储器与处理器,所述存储器中储存基于动态预测的智慧农业资源配置管理方法程序,所述基于动态预测的智慧农业资源配置管理方法程序被所述处理器执行时,实现以下步骤:
获取电子围栏设备的布局位置信息,将所述布局位置信息导入空间分布坐标模型,得到电子围栏设备的信号传输范围,并获取信号传输范围内的多个异常点;
基于卷积神经网络预测多个所述异常点的干扰源对电子围栏设备的信号传输强度,得到多个信号传输强度值,并根据多个所述信号传输强度值约束干扰范围并组合,得到冗余范围集;
获取农作物品种的若干个最佳生长因素信息以及多个实时环境监测数据,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到预设保护范围;
基于粒子群算法对所述冗余范围集和所述预设保护范围进行安装点位筛选并整合,得到电子围栏设备的安装点位优化图;
根据所述电子围栏设备的安装点位优化图进行调整优化,得到每个电子围栏设备的安装点位坐标值,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图。
进一步的,本发明的一个较佳的实施例中,所述获取农作物品种的若干个最佳生长因素信息以及多个实时环境监测数据,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到预设保护范围,具体包括以下步骤:
获取当前庄稼的用地规划图纸信息,根据所述用地规划图纸信息获取庄稼用地的总规划区域;其中,所述当前庄稼的用地规划图纸信息包括庄稼种植规划区域信息和种植规划区域以外的公共区域信息;
获取庄稼种植的农作物品种,基于大数据网络获取所述农作物品种的若干个最佳生长因素信息,通过GIS软件对所述总规划区域进行转化,得到覆盖分析空间,将所述若干个最佳生长因素信息进行转化得到若干个第一多边形,将所述若干个第一多边形导入所述覆盖分析空间中,生成第一覆盖空间;
通过庄稼种植区域的各类传感器获取多个实时环境监测数据,通过GIS软件将多个所述实时环境监测数据进行转化得到多个第二多边形,将多个所述第二多边形导入所述覆盖分析空间中,生成第二覆盖空间;
基于多边形覆盖分析法对所述第一覆盖空间和所述第二覆盖空间进行重叠分析,得到重叠度,判断所述重叠度是否大于预设重叠度,若大于,则重叠部分作为保护区域并整合所有重叠部分,得到预设保护范围。
进一步的,本发明的一个较佳的实施例中,所述基于粒子群算法对所述冗余范围集和所述预设保护范围进行点位筛选并整合,得到电子围栏设备的安装点位优化图,具体包括以下步骤:
获取庄稼种植区域范围,将所述庄稼种植区域范围以及所述冗余范围集在所述预设保护范围中剔除,得到电子围栏设备的可安装优化范围;
根据所述多个电子围栏设备的布局信息对所述电子围栏设备的可安装优化范围分为若干个子布局区域,基于粒子群算法和所述电子围栏设备的信号传输区域对每个所述子布局区域进行点位筛选;
将每个所述电子围栏设备的信号传输区域定义为粒子,分配位置和速度并设定适应值,根据速度调整粒子位置并重新计算新位置的适应值,得到全局最优质位置和个体最优质位置,基于所述全局最优质位置和所述个体最优质位置调整粒子速度,最终直至达到迭代次数,得到每个子布局区域的若干个可安装点位;
对每个子布局区域的若干个可安装点位进行排序并拼接,得到可安装点位序列表,根据所述处于信号传输范围内的多个异常点确定待优化的子布局区域,将所述待优化的子布局区域导入所述可安装点位序列表进行匹配,得到多个最佳安装点位;
获取无需调整的点位信息,将所述无需调整的点位信息和所述多个最佳安装点位进行整合,得到电子围栏设备的安装点位优化图。
进一步的,本发明的一个较佳的实施例中,所述根据所述电子围栏设备的安装点位优化图进行调整优化,得到每个电子围栏设备的安装点位坐标值,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图,具体包括以下步骤:
根据所述电子围栏设备的安装点位优化图对当前待优化子布局区域中电子围栏的安装位置进行调整优化,得到优化后的电子围栏设备布局图;
将所述优化后的电子围栏设备布局图导入所述电子围栏设备的布局坐标模型中,得到优化后电子围栏设备的布局坐标模型,并在所述优化后电子围栏设备的布局坐标模型提取坐标值,得到当前每个电子围栏设备的安装点位坐标值;
基于所述每个电子围栏设备的安装点位坐标值计算点位间的曼哈顿距离,构建距离矩阵,将所述当前每个电子围栏设备的安装点位坐标值导入所述距离矩阵进行计算,得到多个信号传输通道距离;
判断所述每个信号传输通道距离是否大于预设信号传输通道距离,若大于,则提取该信号传输通道所对应的安装点位,并基于所述可优化点位排序列表对所述安装点位所在的子布局区域依次选择新的点位进行调整优化,重新整理后验证直至小于预设信号传输通道距离,得到电子围栏设备的最终布局图。
本发明解决了背景技术中存在的技术缺陷,本发明的有益技术效果在于:
获取信号传输范围内的多个异常点,基于卷积神经网络预测多个所述异常点的干扰源对电子围栏设备的信号传输强度,得到多个信号传输强度值,并根据多个所述信号传输强度值约束干扰范围并组合,得到冗余范围集,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到庄稼种植所需的保护范围,基于粒子群算法对所述冗余范围集和所述庄稼种植所需的保护范围进行安装点位筛选并整合,得到电子围栏设备的安装点位优化图,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图。本发明能够对干扰源的干扰范围进行动态预测,从而通过预测结果对待优化的电子围栏设备调整安装点位,以提高电子围栏设备的信号传输质量,降低信号传输异常率。
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实施例的附图。
图1示出了基于动态预测的智慧农业资源配置管理方法的第一方法流程图;
图2示出了基于动态预测的智慧农业资源配置管理方法的第二方法流程图;
图3示出了基于动态预测的智慧农业资源配置管理方法的第三方法流程图;
图4示出了基于动态预测的智慧农业资源配置管理系统的系统框架图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本发明第一方面提供了基于动态预测的智慧农业资源配置管理方法,如图1所示,包括以下步骤:
S102:获取电子围栏设备的布局位置信息,将所述布局位置信息导入空间分布坐标模型,得到电子围栏设备的信号传输范围,并获取信号传输范围内的多个异常点;
S104:基于卷积神经网络预测多个所述异常点的干扰源对电子围栏设备的信号传输强度,得到多个信号传输强度值,并根据多个所述信号传输强度值约束干扰范围并组合,得到冗余范围集;
S106:获取农作物品种的若干个最佳生长因素信息以及多个实时环境监测数据,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到预设保护范围;
S108:基于粒子群算法对所述冗余范围集和所述预设保护范围进行安装点位筛选并整合,得到电子围栏设备的安装点位优化图;
S110:根据所述电子围栏设备的安装点位优化图进行调整优化,得到每个电子围栏设备的安装点位坐标值,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图。
进一步的,本发明的一个较佳的实施例中,所述获取电子围栏设备的布局位置信息,将所述布局位置信息导入空间分布坐标模型,得到电子围栏设备的信号传输范围,并获取信号传输范围内的多个异常点,具体包括以下步骤:
获取当前庄稼用地总规划区域的图像信息,基于卷积神经网络对所述当前庄稼用地总规划区域的图像信息进行特征识别,得到电子围栏设备的布局位置信息;
构建空间分布坐标模型,将所述电子围栏设备的布局位置信息导入所述空间分布坐标模型中,得到电子围栏设备的布局坐标模型;
获取电子围栏设备的历史信号传输故障信息以及信号传输功率参数,将所述信号传输功率参数导入所述布局坐标模型中计算,得到电子围栏设备的信号传输范围,根据所述历史信号传输故障信息定义为若干个异常点,将所述若干个异常点嵌入所述布局坐标模型中,得到异常点的分布位置;
判断所述异常点的分布位置是否处于所述电子围栏设备的信号传输范围内,若处于,则说明电子围栏设备的信号传输路径存在异常,并获取处于信号传输范围内的多个异常点。
需要说明的是,所述当前庄稼用地总规划区域的图像信息包括庄稼种植规划区域和种植规划区域以外的公共区域的图像信息,基于卷积神经网络对图像信息中的电子围栏设备特征进行识别,得到电子围栏设备的布局位置信息,并构建电子围栏设备的布局坐标模型,若要得知电子围栏设备的信号传输是否存在异常,则需根据电子围栏设备的历史信号传输故障信息进行判断,所述历史信号传输故障信息为电子围栏设备在以往使用过程中信号传输发生异常和故障的记录信息,不包括电子围栏设备自身的故障记录,所述信号传输功率参数为电子围栏设备的信号发射功率参数,基于此功率参数能够确定每个电子围栏设备的信号传输范围,将历史信号传输故障信息包含的每个记录定义为若干个异常点,判断所述异常点的分布位置是否处于所述电子围栏设备的信号传输范围内,若处于,则说明电子围栏设备的信号传输路径存在异常。本方法可根据历史信号传输故障记录对电子围栏设备的信号传输异常进行判断以及获取异常点,以此制定相应的安装优化方案,以解决影响电子围栏工作的干扰问题,使电子围栏发挥更大的监测性能。
进一步的,本发明的一个较佳的实施例中,所述基于卷积神经网络预测多个所述异常点的干扰源对电子围栏设备的信号传输强度,得到多个信号传输强度值,并根据多个所述信号传输强度值约束干扰区域并组合,得到冗余范围集,如图2所示,具体包括以下步骤:
S202:通过大数据网络获取不同预设信号干扰源组合下对电子围栏设备的信号干扰条件,基于卷积神经网络构建信号传输强度预测模型,将所述不同预设信号干扰源组合下对电子围栏设备的信号干扰条件导入所述信号传输强度预测模型进行训练,得到训练完成的信号传输强度预测模型;
S204:获取所述每个异常点在庄稼用地中的信号干扰源信息,将所述信号干扰源信息导入所述训练完成的信号传输强度预测模型,得到多个信号传输强度值;
S206:预设干扰阈值,判断所述每个信号传输强度值是否小于所述干扰阈值,若小于,则干扰源对信号传输的干扰范围大,若大于,则干扰源对信号传输的干扰范围小,得到判断结果,基于所述信号传输强度值和所述判断结果约束干扰范围,得到若干个干扰范围;
S208:将所述若干个干扰范围进行组合,得到信号传输干扰范围组合集,并标记所述信号传输干扰范围组合集为冗余范围集。
需要说明的是,所述不同预设信号干扰源组合包括电磁波干扰、植物遮挡、金属品干扰等多种信号干扰源的组合,由于每种干扰源对电子围栏设备的信号传输影响程度不同,且干扰源的干扰信号为动态传输,因此需先通过动态预测在不同干扰源组合的干扰度对电子围栏设备的信号传输强度,并确定出干扰范围,基于卷积神经网络构建出训练完成的信号传输强度预测模型,根据每个异常点的信号干扰源信息导入预测模型中进行预测,得到每个异常点的信号传输强度值,信号传输强度值越高,信号干扰度越低,故可通过设定干扰阈值判断每个信号传输强度值的干扰程度,若每个信号传输强度值是否小于所述干扰阈值,则干扰源对信号传输的干扰范围大,反之干扰范围小,以此作为判断结果输出,并基于信号强度值和判断结果对每个干扰源组合的干扰范围进行约束,得到若干个干扰范围,最后整合干扰范围作为冗余范围集。通过本方法能够动态预测干扰源组合下电子围栏设备的信号传输强度值,以根据此强度值约束干扰范围,为安装点位重新选择时绕开干扰源提供前提,有效的使电子围栏规避干扰源,提高监测质量。
进一步的,本发明的一个较佳的实施例中,所述获取农作物品种的若干个最佳生长因素信息以及多个实时环境监测数据,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到预设保护范围,具体包括以下步骤:
获取当前庄稼的用地规划图纸信息,根据所述用地规划图纸信息获取庄稼用地的总规划区域;其中,所述当前庄稼的用地规划图纸信息包括庄稼种植规划区域信息和种植规划区域以外的公共区域信息;
获取庄稼种植的农作物品种,基于大数据网络获取所述农作物品种的若干个最佳生长因素信息,通过GIS软件对所述总规划区域进行转化,得到覆盖分析空间,将所述若干个最佳生长因素信息进行转化得到若干个第一多边形,将所述若干个第一多边形导入所述覆盖分析空间中,生成第一覆盖空间;
通过庄稼种植区域的各类传感器获取多个实时环境监测数据,通过GIS软件将多个所述实时环境监测数据进行转化得到多个第二多边形,将多个所述第二多边形导入所述覆盖分析空间中,生成第二覆盖空间;
基于多边形覆盖分析法对所述第一覆盖空间和所述第二覆盖空间进行重叠分析,得到重叠度,判断所述重叠度是否大于预设重叠度,若大于,则重叠部分作为保护区域并整合所有重叠部分,得到预设保护范围。
需要说明的是,电子围栏设备安装的主要目的是保护某种物品或区域不受外来物入侵,若用于农业则可保护农作物种植区域,而电子围栏则需要根据实际种植区域情况以及庄稼实际用地规划约束一定保护范围内进行安装,不是随心所欲的扩大范围安装,故需获取当前庄稼用地的总规划区域规划保护范围,多边形覆盖分析是将多个地理要素的范围重叠和组合的方法,可以将植物的最适宜生长条件和周围环境进行空间分析和匹配,找到重叠的范围作为保护区域。首先通过GIS软件对当前庄稼用地的总规划区域创建为覆盖分析空间,所述最佳生长因素信息包括最佳光照信息、最佳温度信息、最佳土壤质量信息等因素,所述实时环境监测数据包括实时光照数据、实时湿度数据、实时病虫害数据等数据,将最佳生长因素信息和实时环境监测数据转化为多边形并导入覆盖分析空间中比较两者的多边形重叠度,判断重叠度是否大于预设重叠度,若大于,则重叠部分作为保护区域并整合所有重叠部分,得到庄稼种植所需的保护范围。通过本方法能够为电子围栏设备划定工作范围,使得电子围栏设备的安装更加合理,确保安装点位不会超出庄稼用地自身规划范围。
进一步的,本发明的一个较佳的实施例中,所述基于粒子群算法对所述冗余范围集和所述预设保护范围进行点位筛选并整合,得到电子围栏设备的安装点位优化图,如图3所示,具体包括以下步骤:
S302:获取庄稼种植区域范围,将所述庄稼种植区域范围以及所述冗余范围集在所述预设保护范围中剔除,得到电子围栏设备的可安装优化范围;
S304:根据所述多个电子围栏设备的布局信息对所述电子围栏设备的可安装优化范围分为若干个子布局区域,基于粒子群算法和所述电子围栏设备的信号传输区域对每个所述子布局区域进行点位筛选;
S306:将每个所述电子围栏设备的信号传输区域定义为粒子,分配位置和速度并设定适应值,根据速度调整粒子位置并重新计算新位置的适应值,得到全局最优质位置和个体最优质位置,基于所述全局最优质位置和所述个体最优质位置调整粒子速度,最终直至达到迭代次数,得到每个子布局区域的若干个可安装点位;
S308:对每个子布局区域的若干个可安装点位进行排序并拼接,得到可安装点位序列表,根据所述处于信号传输范围内的多个异常点确定待优化的子布局区域,将所述待优化的子布局区域导入所述可安装点位序列表进行匹配,得到多个最佳安装点位;
S310:获取无需调整的点位信息,将所述无需调整的点位信息和所述多个最佳安装点位进行整合,得到电子围栏设备的安装点位优化图。
需要说明的是,在保护范围内,所有的干扰范围以及庄稼种植区域范围是电子围栏设备不可安装的区域,故需在保护范围内剔除,剩余的区域为电子围栏设备的可安装优化区域,其中范围内可安装的点位有若干个,若随机选择一个进行优化安装则无法保证电子围栏设备正常工作或发挥最佳性能,因此需为每个设备挑选最佳安装优化点位。首先根据电子围栏设备原来的布局位置将保护范围划分为若干个子布局区域,并基于粒子群算法对每个子布局区域进行点位筛选,粒子群算法是基于群体智能的随机优化算法,通过模拟粒子在搜索空间中的移动和交流寻找多个最优解,同时考虑电子围栏设备的信号传输区域是否与干扰区域相交,当获得若干个最佳优化点位时,将每个子布局区域的点位排序制成序列表,最后根据每个异常点所在的子布局区域选取最优点位,并与无需优化的点位结合为电子围栏设备的安装点位优化图。通过本方法能够在保护范围内对异常点所在区域选择最佳安装优化点位,生成安装优化图,使电子围栏设备发挥最佳工作性能,提高信号传输质量和抗干扰能力,可靠性高。
进一步的,本发明的一个较佳的实施例中,所述根据所述电子围栏设备的安装点位优化图进行调整优化,得到每个电子围栏设备的安装点位坐标值,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图,具体包括以下步骤:
根据所述电子围栏设备的安装点位优化图对当前待优化子布局区域中电子围栏的安装位置进行调整优化,得到优化后的电子围栏设备布局图;
将所述优化后的电子围栏设备布局图导入所述电子围栏设备的布局坐标模型中,得到优化后电子围栏设备的布局坐标模型,并在所述优化后电子围栏设备的布局坐标模型提取坐标值,得到当前每个电子围栏设备的安装点位坐标值;
基于所述每个电子围栏设备的安装点位坐标值计算点位间的曼哈顿距离,构建距离矩阵,将所述当前每个电子围栏设备的安装点位坐标值导入所述距离矩阵进行计算,得到多个信号传输通道距离;
判断所述每个信号传输通道距离是否大于预设信号传输通道距离,若大于,则提取该信号传输通道所对应的安装点位,并基于所述可优化点位排序列表对所述安装点位所在的子布局区域依次选择新的点位进行调整优化,重新整理后验证直至小于预设信号传输通道距离,得到电子围栏设备的最终布局图。
需要说明的是,获取电子围栏设备的安装点位优化图后,可对当前电子围栏设备的位置调整安装,解决干扰源的干扰问题,但每个电子围栏设备之间的信号传输通道距离是固定的,若超出预定范围则会无法正常连接工作,优化后获取新的电子围栏设备布局图,将布局图导入电子围栏设备的布局坐标模型获取每个优化后点位的坐标值,接着通过计算每个点位坐标值之间的曼哈顿距离建立距离矩阵,距离矩阵能够准确获取每个电子围栏设备之间的信号传输通道距离,然后判断调整后每个电子围栏设备之间的信号传输通道距离是否大于预设距离,若大于,则说明该优化点位不满足要求导致设备之间的信号传输通道距离过大,需舍弃当前最佳安装点位并在序列表中重新选择第二最佳安装点位进行验证,直到满足要求后将所有点位整合得到最终布局图输出。本方法能够验证优化后的电子围栏设备之间的信号传输通道距离是否满足预设要求,保证设备安装优化后的信号传输维持正常运行,提高设备干扰优化后的运行质量和工作效率。
此外,基于动态预测的智慧农业资源配置管理方法,还包括以下步骤:
根据所述最终布局图构建电子围栏最终布局的三维模型,基于所述电子围栏最终布局的三维模型对电子围栏的信号传输进行模拟,得到信号模拟传输的实际时长;
预设信号传输理想时长,计算多组所述信号模拟传输的实际时长与所述信号传输理想时长之间的差值,得到信号传输的延迟值,判断所述延迟值是否大于所述预设延迟值,若大于,则计算所述延迟值与预设延迟值的偏差阈值;
基于大数据网络获取信号传输延迟的若干个优化方案,对所述若干个方案进行整合,生成优化方案集,将所述偏差阈值导入所述优化方案集进行匹配,得到初始延迟优化方案;
构建分数评价体系,将所述初始优化方案导入所述分数评价体系进行评分,得到评价分数,判断所述评价分数是否大于预设评价分数,若大于,则将所述初始延迟优化方案设定为最终延迟优化方案并上传至电子围栏设备的维护日志。
需要说明的是,电子围栏设备在使用时,由于传输距离、传输速率、网络拥堵等因素的影响,导致信号传输时出现延迟,使得电子围栏设备在监测动物或者人的出入时出现延迟报警的现象,大幅度降低了电子围栏的监测质量。本方法能够判断电子围栏设备是否存在信号传输延迟,并根据延迟结果匹配相对应的最佳优化方案,高效快速的解决延迟带来的信号传输缓慢、监测信号不灵敏等问题,提高电子围栏的监测质量,降低误差发生率,可靠性高。
本发明第二方面提供了基于动态预测的智慧农业资源配置管理系统,所述基于动态预测的智慧农业资源配置管理系统包括存储器41与处理器42,所述存储器41中储存基于动态预测的智慧农业资源配置管理方法程序,所述基于动态预测的智慧农业资源配置管理方法程序被所述处理器42执行时,如图4所示,实现以下步骤:
获取电子围栏设备的布局位置信息,将所述布局位置信息导入空间分布坐标模型,得到电子围栏设备的信号传输范围,并获取信号传输范围内的多个异常点;
基于卷积神经网络预测多个所述异常点的干扰源对电子围栏设备的信号传输强度,得到多个信号传输强度值,并根据多个所述信号传输强度值约束干扰范围并组合,得到冗余范围集;
获取农作物品种的若干个最佳生长因素信息以及多个实时环境监测数据,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到预设保护范围;
基于粒子群算法对所述冗余范围集和所述预设保护范围进行安装点位筛选并整合,得到电子围栏设备的安装点位优化图;
根据所述电子围栏设备的安装点位优化图进行调整优化,得到每个电子围栏设备的安装点位坐标值,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图。
进一步的,本发明的一个较佳的实施例中,所述获取农作物品种的若干个最佳生长因素信息以及多个实时环境监测数据,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到预设保护范围,具体包括以下步骤:
获取当前庄稼的用地规划图纸信息,根据所述用地规划图纸信息获取庄稼用地的总规划区域;其中,所述当前庄稼的用地规划图纸信息包括庄稼种植规划区域信息和种植规划区域以外的公共区域信息;
获取庄稼种植的农作物品种,基于大数据网络获取所述农作物品种的若干个最佳生长因素信息,通过GIS软件对所述总规划区域进行转化,得到覆盖分析空间,将所述若干个最佳生长因素信息进行转化得到若干个第一多边形,将所述若干个第一多边形导入所述覆盖分析空间中,生成第一覆盖空间;
通过庄稼种植区域的各类传感器获取多个实时环境监测数据,通过GIS软件将多个所述实时环境监测数据进行转化得到多个第二多边形,将多个所述第二多边形导入所述覆盖分析空间中,生成第二覆盖空间;
基于多边形覆盖分析法对所述第一覆盖空间和所述第二覆盖空间进行重叠分析,得到重叠度,判断所述重叠度是否大于预设重叠度,若大于,则重叠部分作为保护区域并整合所有重叠部分,得到预设保护范围。
进一步的,本发明的一个较佳的实施例中,所述基于粒子群算法对所述冗余范围集和所述预设保护范围进行点位筛选并整合,得到电子围栏设备的安装点位优化图,具体包括以下步骤:
获取庄稼种植区域范围,将所述庄稼种植区域范围以及所述冗余范围集在所述预设保护范围中剔除,得到电子围栏设备的可安装优化范围;
根据所述多个电子围栏设备的布局信息对所述电子围栏设备的可安装优化范围分为若干个子布局区域,基于粒子群算法和所述电子围栏设备的信号传输区域对每个所述子布局区域进行点位筛选;
将每个所述电子围栏设备的信号传输区域定义为粒子,分配位置和速度并设定适应值,根据速度调整粒子位置并重新计算新位置的适应值,得到全局最优质位置和个体最优质位置,基于所述全局最优质位置和所述个体最优质位置调整粒子速度,最终直至达到迭代次数,得到每个子布局区域的若干个可安装点位;
对每个子布局区域的若干个可安装点位进行排序并拼接,得到可安装点位序列表,根据所述处于信号传输范围内的多个异常点确定待优化的子布局区域,将所述待优化的子布局区域导入所述可安装点位序列表进行匹配,得到多个最佳安装点位;
获取无需调整的点位信息,将所述无需调整的点位信息和所述多个最佳安装点位进行整合,得到电子围栏设备的安装点位优化图。
进一步的,本发明的一个较佳的实施例中,所述根据所述电子围栏设备的安装点位优化图进行调整优化,得到每个电子围栏设备的安装点位坐标值,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图,具体包括以下步骤:
根据所述电子围栏设备的安装点位优化图对当前待优化子布局区域中电子围栏的安装位置进行调整优化,得到优化后的电子围栏设备布局图;
将所述优化后的电子围栏设备布局图导入所述电子围栏设备的布局坐标模型中,得到优化后电子围栏设备的布局坐标模型,并在所述优化后电子围栏设备的布局坐标模型提取坐标值,得到当前每个电子围栏设备的安装点位坐标值;
基于所述每个电子围栏设备的安装点位坐标值计算点位间的曼哈顿距离,构建距离矩阵,将所述当前每个电子围栏设备的安装点位坐标值导入所述距离矩阵进行计算,得到多个信号传输通道距离;
判断所述每个信号传输通道距离是否大于预设信号传输通道距离,若大于,则提取该信号传输通道所对应的安装点位,并基于所述可优化点位排序列表对所述安装点位所在的子布局区域依次选择新的点位进行调整优化,重新整理后验证直至小于预设信号传输通道距离,得到电子围栏设备的最终布局图。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.基于动态预测的智慧农业资源配置管理方法,其特征在于,包括以下步骤:
获取电子围栏设备的布局位置信息,将所述布局位置信息导入空间分布坐标模型,得到电子围栏设备的信号传输范围,并获取信号传输范围内的多个异常点;
基于卷积神经网络预测多个所述异常点的干扰源对电子围栏设备的信号传输强度,得到多个信号传输强度值,并根据多个所述信号传输强度值约束干扰范围并组合,得到冗余范围集;
获取农作物品种的若干个最佳生长因素信息以及多个实时环境监测数据,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到预设保护范围;
基于粒子群算法对所述冗余范围集和所述预设保护范围进行安装点位筛选并整合,得到电子围栏设备的安装点位优化图;
根据所述电子围栏设备的安装点位优化图进行调整优化,得到每个电子围栏设备的安装点位坐标值,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图。
2.根据权利要求1所述的基于动态预测的智慧农业资源配置管理方法,其特征在于,所述获取电子围栏设备的布局位置信息,将所述布局位置信息导入空间分布坐标模型,得到电子围栏设备的信号传输范围,并获取信号传输范围内的多个异常点,具体包括以下步骤:
获取当前庄稼用地总规划区域的图像信息,基于卷积神经网络对所述当前庄稼用地总规划区域的图像信息进行特征识别,得到电子围栏设备的布局位置信息;
构建空间分布坐标模型,将所述电子围栏设备的布局位置信息导入所述空间分布坐标模型中,得到电子围栏设备的布局坐标模型;
获取电子围栏设备的历史信号传输故障信息以及信号传输功率参数,将所述信号传输功率参数导入所述布局坐标模型中计算,得到电子围栏设备的信号传输范围,根据所述历史信号传输故障信息定义为若干个异常点,将所述若干个异常点嵌入所述布局坐标模型中,得到异常点的分布位置;
判断所述异常点的分布位置是否处于所述电子围栏设备的信号传输范围内,若处于,则说明电子围栏设备的信号传输路径存在异常,并获取处于信号传输范围内的多个异常点。
3.根据权利要求1所述的基于动态预测的智慧农业资源配置管理方法,其特征在于,所述基于卷积神经网络预测多个所述异常点的干扰源对电子围栏设备的信号传输强度,得到多个信号传输强度值,并根据多个所述信号传输强度值约束干扰区域并组合,得到冗余范围集,具体包括以下步骤:
通过大数据网络获取不同预设信号干扰源组合下对电子围栏设备的信号干扰条件,基于卷积神经网络构建信号传输强度预测模型,将所述不同预设信号干扰源组合下对电子围栏设备的信号干扰条件导入所述信号传输强度预测模型进行训练,得到训练完成的信号传输强度预测模型;
获取所述每个异常点在庄稼用地中的信号干扰源信息,将所述信号干扰源信息导入所述训练完成的信号传输强度预测模型,得到多个信号传输强度值;
预设干扰阈值,判断所述每个信号传输强度值是否小于所述干扰阈值,若小于,则干扰源对信号传输的干扰范围大,若大于,则干扰源对信号传输的干扰范围小,得到判断结果,基于所述信号传输强度值和所述判断结果约束干扰范围,得到若干个干扰范围;
将所述若干个干扰范围进行组合,得到信号传输干扰范围组合集,并标记所述信号传输干扰范围组合集为冗余范围集。
4.根据权利要求1所述的基于动态预测的智慧农业资源配置管理方法,其特征在于,所述获取农作物品种的若干个最佳生长因素信息以及多个实时环境监测数据,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到预设保护范围,具体包括以下步骤:
获取当前庄稼的用地规划图纸信息,根据所述用地规划图纸信息获取庄稼用地的总规划区域;其中,所述当前庄稼的用地规划图纸信息包括庄稼种植规划区域信息和种植规划区域以外的公共区域信息;
获取庄稼种植的农作物品种,基于大数据网络获取所述农作物品种的若干个最佳生长因素信息,通过GIS软件对所述总规划区域进行转化,得到覆盖分析空间,将所述若干个最佳生长因素信息进行转化得到若干个第一多边形,将所述若干个第一多边形导入所述覆盖分析空间中,生成第一覆盖空间;
通过庄稼种植区域的各类传感器获取多个实时环境监测数据,通过GIS软件将多个所述实时环境监测数据进行转化得到多个第二多边形,将多个所述第二多边形导入所述覆盖分析空间中,生成第二覆盖空间;
基于多边形覆盖分析法对所述第一覆盖空间和所述第二覆盖空间进行重叠分析,得到重叠度,判断所述重叠度是否大于预设重叠度,若大于,则重叠部分作为保护区域并整合所有重叠部分,得到预设保护范围。
5.根据权利要求1所述的基于动态预测的智慧农业资源配置管理方法,其特征在于,所述基于粒子群算法对所述冗余范围集和所述预设保护范围进行点位筛选并整合,得到电子围栏设备的安装点位优化图,具体包括以下步骤:
获取庄稼种植区域范围,将所述庄稼种植区域范围以及所述冗余范围集在所述预设保护范围中剔除,得到电子围栏设备的可安装优化范围;
根据所述多个电子围栏设备的布局信息对所述电子围栏设备的可安装优化范围分为若干个子布局区域,基于粒子群算法和所述电子围栏设备的信号传输区域对每个所述子布局区域进行点位筛选;
将每个所述电子围栏设备的信号传输区域定义为粒子,分配位置和速度并设定适应值,根据速度调整粒子位置并重新计算新位置的适应值,得到全局最优质位置和个体最优质位置,基于所述全局最优质位置和所述个体最优质位置调整粒子速度,最终直至达到迭代次数,得到每个子布局区域的若干个可安装点位;
对每个子布局区域的若干个可安装点位进行排序并拼接,得到可安装点位序列表,根据所述处于信号传输范围内的多个异常点确定待优化的子布局区域,将所述待优化的子布局区域导入所述可安装点位序列表进行匹配,得到多个最佳安装点位;
获取无需调整的点位信息,将所述无需调整的点位信息和所述多个最佳安装点位进行整合,得到电子围栏设备的安装点位优化图。
6.根据权利要求1所述的基于动态预测的智慧农业资源配置管理方法,其特征在于,所述根据所述电子围栏设备的安装点位优化图进行调整优化,得到每个电子围栏设备的安装点位坐标值,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图,具体包括以下步骤:
根据所述电子围栏设备的安装点位优化图对当前待优化子布局区域中电子围栏的安装位置进行调整优化,得到优化后的电子围栏设备布局图;
将所述优化后的电子围栏设备布局图导入所述电子围栏设备的布局坐标模型中,得到优化后电子围栏设备的布局坐标模型,并在所述优化后电子围栏设备的布局坐标模型提取坐标值,得到当前每个电子围栏设备的安装点位坐标值;
基于所述每个电子围栏设备的安装点位坐标值计算点位间的曼哈顿距离,构建距离矩阵,将所述当前每个电子围栏设备的安装点位坐标值导入所述距离矩阵进行计算,得到多个信号传输通道距离;
判断所述每个信号传输通道距离是否大于预设信号传输通道距离,若大于,则提取该信号传输通道所对应的安装点位,并基于所述可优化点位排序列表对所述安装点位所在的子布局区域依次选择新的点位进行调整优化,重新整理后验证直至小于预设信号传输通道距离,得到电子围栏设备的最终布局图。
7.基于动态预测的智慧农业资源配置管理系统,其特征在于,所述基于动态预测的智慧农业资源配置管理系统包括存储器与处理器,所述存储器中储存基于动态预测的智慧农业资源配置管理方法程序,所述基于动态预测的智慧农业资源配置管理方法程序被所述处理器执行时,实现以下步骤:
获取电子围栏设备的布局位置信息,将所述布局位置信息导入空间分布坐标模型,得到电子围栏设备的信号传输范围,并获取信号传输范围内的多个异常点;
基于卷积神经网络预测多个所述异常点的干扰源对电子围栏设备的信号传输强度,得到多个信号传输强度值,并根据多个所述信号传输强度值约束干扰范围并组合,得到冗余范围集;
获取农作物品种的若干个最佳生长因素信息以及多个实时环境监测数据,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到预设保护范围;
基于粒子群算法对所述冗余范围集和所述预设保护范围进行安装点位筛选并整合,得到电子围栏设备的安装点位优化图;
根据所述电子围栏设备的安装点位优化图进行调整优化,得到每个电子围栏设备的安装点位坐标值,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图。
8.根据权利要求7所述的基于动态预测的智慧农业资源配置管理系统,其特征在于,所述获取农作物品种的若干个最佳生长因素信息以及多个实时环境监测数据,通过GIS软件将所述若干个最佳生长因素信息和多个所述实时环境监测数据进行转化并判断重叠度,得到预设保护范围,具体包括以下步骤:
获取当前庄稼的用地规划图纸信息,根据所述用地规划图纸信息获取庄稼用地的总规划区域;其中,所述当前庄稼的用地规划图纸信息包括庄稼种植规划区域信息和种植规划区域以外的公共区域信息;
获取庄稼种植的农作物品种,基于大数据网络获取所述农作物品种的若干个最佳生长因素信息,通过GIS软件对所述总规划区域进行转化,得到覆盖分析空间,将所述若干个最佳生长因素信息进行转化得到若干个第一多边形,将所述若干个第一多边形导入所述覆盖分析空间中,生成第一覆盖空间;
通过庄稼种植区域的各类传感器获取多个实时环境监测数据,通过GIS软件将多个所述实时环境监测数据进行转化得到多个第二多边形,将多个所述第二多边形导入所述覆盖分析空间中,生成第二覆盖空间;
基于多边形覆盖分析法对所述第一覆盖空间和所述第二覆盖空间进行重叠分析,得到重叠度,判断所述重叠度是否大于预设重叠度,若大于,则重叠部分作为保护区域并整合所有重叠部分,得到预设保护范围。
9.根据权利要求7所述的基于动态预测的智慧农业资源配置管理系统,其特征在于,所述基于粒子群算法对所述冗余范围集和所述预设保护范围进行点位筛选并整合,得到电子围栏设备的安装点位优化图,具体包括以下步骤:
获取庄稼种植区域范围,将所述庄稼种植区域范围以及所述冗余范围集在所述预设保护范围中剔除,得到电子围栏设备的可安装优化范围;
根据所述多个电子围栏设备的布局信息对所述电子围栏设备的可安装优化范围分为若干个子布局区域,基于粒子群算法和所述电子围栏设备的信号传输区域对每个所述子布局区域进行点位筛选;
将每个所述电子围栏设备的信号传输区域定义为粒子,分配位置和速度并设定适应值,根据速度调整粒子位置并重新计算新位置的适应值,得到全局最优质位置和个体最优质位置,基于所述全局最优质位置和所述个体最优质位置调整粒子速度,最终直至达到迭代次数,得到每个子布局区域的若干个可安装点位;
对每个子布局区域的若干个可安装点位进行排序并拼接,得到可安装点位序列表,根据所述处于信号传输范围内的多个异常点确定待优化的子布局区域,将所述待优化的子布局区域导入所述可安装点位序列表进行匹配,得到多个最佳安装点位;
获取无需调整的点位信息,将所述无需调整的点位信息和所述多个最佳安装点位进行整合,得到电子围栏设备的安装点位优化图。
10.根据权利要求7所述的基于动态预测的智慧农业资源配置管理系统,其特征在于,所述根据所述电子围栏设备的安装点位优化图进行调整优化,得到每个电子围栏设备的安装点位坐标值,计算所述安装点位坐标值的信号传输通道距离并进行验证,得到电子围栏设备的最终布局图,具体包括以下步骤:
根据所述电子围栏设备的安装点位优化图对当前待优化子布局区域中电子围栏的安装位置进行调整优化,得到优化后的电子围栏设备布局图;
将所述优化后的电子围栏设备布局图导入所述电子围栏设备的布局坐标模型中,得到优化后电子围栏设备的布局坐标模型,并在所述优化后电子围栏设备的布局坐标模型提取坐标值,得到当前每个电子围栏设备的安装点位坐标值;
基于所述每个电子围栏设备的安装点位坐标值计算点位间的曼哈顿距离,构建距离矩阵,将所述当前每个电子围栏设备的安装点位坐标值导入所述距离矩阵进行计算,得到多个信号传输通道距离;
判断所述每个信号传输通道距离是否大于预设信号传输通道距离,若大于,则提取该信号传输通道所对应的安装点位,并基于所述可优化点位排序列表对所述安装点位所在的子布局区域依次选择新的点位进行调整优化,重新整理后验证直至小于预设信号传输通道距离,得到电子围栏设备的最终布局图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311269771.6A CN117391287A (zh) | 2023-09-28 | 2023-09-28 | 基于动态预测的智慧农业资源配置管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311269771.6A CN117391287A (zh) | 2023-09-28 | 2023-09-28 | 基于动态预测的智慧农业资源配置管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117391287A true CN117391287A (zh) | 2024-01-12 |
Family
ID=89471119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311269771.6A Pending CN117391287A (zh) | 2023-09-28 | 2023-09-28 | 基于动态预测的智慧农业资源配置管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117391287A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829551A (zh) * | 2024-03-04 | 2024-04-05 | 四川华恒升科技发展有限公司 | 一种用于农业规划的数据管理方法及系统 |
-
2023
- 2023-09-28 CN CN202311269771.6A patent/CN117391287A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829551A (zh) * | 2024-03-04 | 2024-04-05 | 四川华恒升科技发展有限公司 | 一种用于农业规划的数据管理方法及系统 |
CN117829551B (zh) * | 2024-03-04 | 2024-06-04 | 四川华恒升科技发展有限公司 | 一种用于农业规划的数据管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117391287A (zh) | 基于动态预测的智慧农业资源配置管理方法及系统 | |
CN105744553A (zh) | 一种网络关联分析方法及装置 | |
CN113642263B (zh) | 基于北斗网格的空气质量预警方法和装置 | |
CN116109462B (zh) | 一种自然灾害后饮水水源地污染监测预警方法及系统 | |
KR20210059561A (ko) | 상생형 병해충 관리 시스템 및 그 방법 | |
CN108090605B (zh) | 一种引雷塔引雷效果的预测方法 | |
CN117371727A (zh) | 一种基于物联网的智慧农业监测与规划方法及系统 | |
CN117521230B (zh) | 一种智能公路施工围栏布置系统 | |
CN117915515A (zh) | 城市led照明效果智能调节系统 | |
CN117197662A (zh) | 一种基于物联网的乡村土地遥感监测方法及系统 | |
Palazzolo et al. | Using principal component analysis to incorporate multi-layer soil moisture information in hydrometeorological thresholds for landslide prediction: an investigation based on ERA5-Land reanalysis data | |
CN108876062B (zh) | 一种犯罪事件智能预测的大数据方法及装置 | |
CN117171695B (zh) | 一种抗生素污染土壤生态修复效果评价的方法及系统 | |
CN112257329A (zh) | 一种判定台风对线路影响的方法 | |
CN116434138A (zh) | 一种应用于多云多雾地区耕地智保实时动态监控方法 | |
CN115983478A (zh) | 分布式光伏发电功率预测分析方法、系统、终端及介质 | |
Hasnan et al. | Analysis of gradient-based cuckoo search for the large scale optimal RFID network planning | |
CN117390590B (zh) | 一种基于cim模型的数据管理方法及系统 | |
CN116993025B (zh) | 一种基于数据处理的虫害诱杀设备管理方法及系统 | |
CN117094177B (zh) | 一种基于红火蚁防控的轨迹生成方法及系统 | |
van't Ooster et al. | Sensitivity analysis of a stochastic discrete event simulation model of harvest operations in a static rose cultivation system | |
CN116662466B (zh) | 通过大数据进行土地全生命周期维护系统 | |
CN109510793A (zh) | 一种基于协同过滤的安全事件预测技术 | |
Buono | An implementation of fuzzy inference system for onset prediction based on Southern Oscillation Index for increasing the resilience of rice production against climate variability | |
CN117350883A (zh) | 一种基于数字孪生的智慧农业设施管理方法及系统 |
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 |