一种智能农业管理方法和系统与流程
本发明涉及物联网领域，具体涉及一种智能农业管理方法和系统。
背景技术：
改革开放以来，中国社会不断向前发展，经济、军事、科技等领域一直保持着良好的增长态势。中国作为世界第一人口大国，随着人口的攀升，保守估计如今的人口数量已经突破14亿，如此庞大的人口数量为社会建设提供了生产力后盾，但也带来了巨大的挑战。解决了占全球1/5人口的温饱问题，是一切发展的基础。
随着科技的在农业上的应用，农业逐渐从小规模农田种植发展到大规模农场种植。现有技术中，不管是小规模种植还是大规模农场种植，大多数都是由农民决定如何管理，如作物的种类、施肥量和收获时机等等均由农民根据主观判断来控制，这也使得收益在很大程度上依赖于农民的经验。但是，主观的经验不可避免地会存在不够严谨的地方，为了对农业生产进行更加科学的管理，业界亟需寻找另一种农业管理模式对农业生产进行科学管理，使农民不再“看天吃饭”。
技术实现要素：
为解决上述技术问题，本发明提供了一种智能农业管理方法和系统。
第一方面，本发明提供了一种智能农业管理方法，该方法具体包括步骤：
s1.实时监测土壤的养分数据和水分数据；
s2.获取本地区的历史天气数据和预测天气数据；
s3.获取作物的历史价格数据；
s4.预先设置养分含量标准值和水分含量标准值，对比养分数据和养分含量标准值，当养分数据小于养分含量标准值时输出警报信息，对比水分数据和水分含量标准值，当水分数据小于水分含量标准值时输出警报信息；
s5.处理分析作物的历史价格数据和历史天气数据，结合预测天气数据得到作物价格趋势预测结果；
s6.根据作物价格趋势预测结果控制收获作物的时间。
本发明提供的一种智能农业管理方法，实时监测土壤的养分数据和水分数据并与预先设置的养分含量标准值和水分含量标准值对比，当养分数据小于养分含量标准值时输出警报，当水分数据小于水分含量标准值时输出警报，便可及时调整施肥量和灌溉量。把养分和水分控制在最适合作物成长的范围，比通过经验控制施肥量和灌溉量更加科学可靠，节省肥料和节约用水的同时更有利于作物成长。另外，获取本地区的历史天气数据和作物的历史价格数据作为基础，通过足够庞大的大数据基础对作物价格趋势进行预测，再根据作物价格趋势预测结果控制收获作物的时间，控制作物在价格曲线的最高点进入市场，通过科学管理方法使农民摆脱“看天吃饭”的宿命。
进一步的，在获取的本地区的预测天气数据后，所述方法还包括根据预测天气数据控制调整近期的灌溉量，具体包括以下步骤：
实时监测土壤的水分数据；
实时监测空气中的水汽含量；
获取的本地区的预测天气数据，所述预测天气数据包括预测降雨量；
把空气中的水汽含量和预测天气数据解析量化成灌溉量；
结合所述量化灌溉量和土壤的水分数据，调整灌溉量。
上述实施例中，当实时监测到的水分数据偏低即可判断作物需要灌溉以保证水分吸收，在灌溉之前先获取空气中的水汽含量和预测降雨量，并把空气中的水汽含量和预测降雨量解析量化成灌溉量，结合量化灌溉量和实时监测到的水分数据，适当调整灌溉量。空气中的水汽含量和预测降雨量都可能带来潜在灌溉，当水汽含量较高和/或预测天气数据显示近期内有降雨时，可以减少灌溉量，当水汽含量较低和/或预测天气数据显示近期不会有降雨时，则可以正常灌溉。通过这样的方式来充分利用大自然，节约水资源，实现高效灌溉。
第二方面，本发明提供了一种智能农业管理系统，包括：
土壤监测模块，用于实时监测土壤的养分数据和水分数据；
天气信息获取模块，用于通过互联网获取本地区的历史天气数据和预测天气数据；
价格信息获取模块，用于通过互联网获取作物的历史价格数据；
管控中心，预先设置有养分含量标准值和水分含量标准值，所述管控中心接收土壤的养分数据和水分数据；所述管控中心对比养分数据和养分含量标准值，当养分数据小于养分含量标准值时输出警报信息，提醒农民调整施肥量；所述管控中心对比水分数据和水分含量标准值，当水分数据小于水分含量标准值时输出警报信息，提醒农民调整灌溉量；
所述管控中心分别与土壤监测模块、天气信息获取模块和价格信息获取模块相连；
所述管控中心处理分析作物的历史价格数据和本地区的历史天气数据，结合预测天气数据得到作物价格趋势预测结果，并根据作物价格趋势预测结果控制收获作物的时间。
本发明提供的一种智能农业管理系统，包括土壤监测模块、天气信息获取模块、价格信息获取模块和管控中心。土壤监测模块、天气信息获取模块、价格信息获取模块分别获取土壤的养分数据和水分数据、本地区的历史天气数据和预测天气数据和作物的历史价格数据，管控中心再基于上述数据判断是否需要调整施肥量和灌溉量，更重要的是分析出作物价格趋势预测结果，控制收获作物的时间，通过科学的方法控制作物进入市场的时机，从而提高农民的收入。
进一步的，多个土壤监测模块均匀分布在被监控区域的土壤内，所述土壤监测模块与管控中心之间通过蓝牙或zigbee或者wifi的形式无线组网，所述土壤监测模块只发送采集到的养分数据和水分数据而不接收任何信息，所述土壤监测模块通过电池或者太阳能的方式供电；所述管控中心同时接收多个土壤监测模块所发送的养分数据和水分数据并进行统一分析处理。
上述实施例中，为了准确高效地实时监测土壤的养分数据和水分数据，在被监控区域的土壤内均匀设置多个土壤监测模块。管控中心分析处理养分数据和水分数据的依据不是单个土壤监测模块所采集的数据，而是所有土壤监测模块所采集的数据。当某个土壤监测模块出现停止工作、数据出错和传输不畅通等问题时，其他土壤监测模块所采集的庞大数据仍能全面地进行数据采集，因此单个土壤监测模块的数据并不会对整个系统造成影响。其次，由于土壤监测模块的数量庞大，如果通过有线的方式进行组网，无疑会极大增加成本，因此，土壤监测模块与管控中心之间通过无线组网，简化系统的同时也减少了系统的出支，有利于大规模布置土壤监测模块。再次，无线组网会带来供电问题，无法直接通过输电线取电，因此，土壤监测模块通过电池或者太阳能的方式供电，使得土壤监测模块能够不依赖于系统供电而是更加独立地进行数据采集。
附图说明
图1为本发明一种智能农业管理系统的架构图；
图2为本发明管控中心与土壤监测模块组网的架构图；
图3为本发明一种智能农业管理方法的流程示意图；
图4为本发明监测土壤的养分数据和水分数据的交互示意图；
图5为本发明精确控制施肥量和灌溉量的流程示意图；
图6为本发明得到作物价格趋势预测结果的流程示意图；
图7为本发明修正降雨量相关因子α、风力等级相关因子β和气温相关因子γ的流程示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透切理解本发明。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
如图1所示，图1为本发明一种智能农业管理系统的架构图。一种智能农业管理系统，包括管控中心1、土壤监测模块2、天气信息获取模块3和价格信息获取模块4。所述管控中心1分别与土壤监测模块2、天气信息获取模块3和价格信息获取模块4相连，上述“相连”的含义应理解为包括物理连接和信号的传输方向。
各个模块的作用分别是：
所述土壤监测模块2用于实时监测土壤的养分数据和水分数据，即采集和上送土壤的养分数据和水分数据；
所述天气信息获取模块3用于通过互联网获取本地区的历史天气数据和预测天气数据；
所述价格信息获取模块4用于通过互联网获取作物的历史价格数据；
所述管控中心1预先设置有养分含量标准值和水分含量标准值，所述管控中心1接收土壤的养分数据和水分数据；所述管控中心1对比养分数据和养分含量标准值，当养分数据小于养分含量标准值时输出警报，提醒农民调整施肥量；所述管控中心1对比水分数据和水分含量标准值，当水分数据小于水分含量标准值时输出警报，提醒农民调整灌溉量。
所述管控中心1分别与土壤监测模块2、天气信息获取模块3和价格信息获取模块4相连；
所述管控中心1处理分析作物的历史价格数据和本地区的历史天气数据，结合预测天气数据得到作物价格趋势预测结果，并根据作物价格趋势预测结果控制收获作物的时间。
如图3所示，图3为本发明一种智能农业管理方法的流程示意图。与一种智能农业管理系统对应的一种智能农业管理方法，具体包括步骤：
s1.实时监测土壤的养分数据和水分数据；
s2.获取本地区的历史天气数据和预测天气数据；
s3.获取作物的历史价格数据；
s4.预先设置养分含量标准值和水分含量标准值，对比养分数据和养分含量标准值，当养分数据小于养分含量标准值时输出警报信息，对比水分数据和水分含量标准值，当水分数据小于水分含量标准值时输出警报信息；
s5.处理分析作物的历史价格数据和历史天气数据，结合预测天气数据得到作物价格趋势预测结果；
s6.根据作物价格趋势预测结果控制收获作物的时间。
在本实施例中，结合智能农业管理系统，本智能农业管理方法的原理为：通过土壤监测模块2按照一定的采样频率监测反映土壤实时状况的养分数据和水分数据、通过天气信息获取模块3获取本地区的历史天气数据和预测天气数据、通过价格信息获取模块4获取作物的历史价格数据，这三步并行执行，目的在于收集与农业管理密切相关的数据。在本发明中，智能农业管理的物联网思想体现在三个方面：一、管控中心1内预先设置养分含量标准值和水分含量标准值，土壤监测模块2获取土壤的养分数据和水分数据后上送到管控中心1，管控中心1对比养分数据和养分含量标准值，对比水分数据和水分含量标准值，当养分数据小于养分含量标准值和当水分数据小于水分含量标准值时输出警报，农民根据警报控制施肥量和灌溉量。二、管控中心1分析本地区的预测天气数据，当出现天气预警时输出警报，把气象局发布的气象信息直接应用在本系统中。三、管控中心1处理分析作物的历史价格数据和本地区的历史天气数据，输出作物价格趋势预测结果，农民可根据作物价格趋势预测结果控制收获作物的时间，当作物价格处于上升趋势时发出信息提醒农民及时收获，尽量使得作物在预测价格的最高点进入市场；而当作物价格处于下降趋势时则可发出信息提醒农民暂缓收获，尽量避免作物在预测价格的低位进入市场，从价格的角度分析最佳收获时间。需要说明的是，作物的生长是一个自然过程，本实施例仅仅是从经济的角度分析控制收获作物的时间。
管控中心1为具有数据分析处理功能、智能决策和智能控制的设备，用于对土壤监测模块2、天气信息获取模块3和价格信息获取模块4等设备所采集的数据进行处理分析。管控中心1也用于发出指令控制天气信息获取模块3和价格信息获取模块4，对感兴趣的数据进行收集。除此之外，管控中心1在智能农业物联网中主要充当人机接口的角色，即对各种各样数量庞大的数据进行收集后，再对数据进行解析，将其转化为人们所能够掌握的信号，如养分数据和水分数据过低、需要对某个区域进行施肥或者灌溉、施肥量和灌溉量应为多少等等。
在本实施例中，管控中心1最为重要的功能是收集作物的历史价格数据和本地区的历史天气数据并进行处理分析，对未来的作物价格趋势进行预测，输出作物价格趋势预测结果。农民可根据作物的成熟度和作物价格趋势预测结果掌握作物的收获时间，控制作物在价格曲线的最高点进入市场，通过科学管理方法增加农民的收入。
管控中心1为具有数据分析处理功能、智能决策和智能控制的设备，与管控中心1不同，土壤监测模块2为只具有数据采集和发送功能。对应地，所述s1中，通过只具有数据采集和发送功能的设备来实时监测土壤的养分数据和水分数据。在农业物联网中，并不是所有的设备都是如管控中心1一样的智能设备，更多的是设置在边缘的数据采集设备。在本实施例中，土壤监测模块2通过传感器来实时监测土壤的养分数据和水分数据。作为一种监测装置，土壤监测模块2内的传感器能感受土壤中的养分和水分信息，并把养分数据和水分数据以信号的形式输出。由于土壤监测模块2的数量庞大，而且各个土壤监测模块2都有着非常简单且高效的收发需求，只需要提供很小的数据量就可以反映出土壤的实时状况。
天气信息获取模块3用于获取本地区的历史天气数据、实时天气数据和预测天气数据。在本实施例中，天气信息获取模块3不必具有分析或储存功能，仅需要通过互联网获取气象局的数据即可。当然，在某些情况下，也可以把天气信息获取模块3设置为与管控中心1一样的智能设备。天气信息获取模块3可以为通过计算机程序实现的软设备，其目的仅仅是通过互联网取本地区的历史天气数据、实时天气数据和预测天气数据。历史天气数据为本地区过去一年或者数年的天气信息，包括日期和每天对应的降雨量、风力大小、气温等；实时天气数据主要用于结合实时作物价格，在后期对降雨量相关因子α、风力等级相关因子β和气温相关因子γ进行修正时提供参考；而预测天气数据则用于根据相关关系获得作物价格趋势预测结果，例如，未来半个月内预测天气数据包括每天的日期和每天对应的降雨量、风力大小、气温等，根据相关关系即可等到每天对应的预测作物价格，进一步获得作物价格趋势预测结果。
作物的价格易受天气因素影响，而天气因素中，季节、降雨量、风力大小、气温等对作物价格的影响最为显著。通过天气信息获取模块3获取本地区的历史天气数据，再通过管控中心1分析得到价格天气相关关系，进一步结合预测天气数据和价格天气相关关系便可得到作物价格趋势预测结果。
与其它只关注作物的生长情况和成熟度的传统的农业物联网系统相比，本智能农业管理系统的创新之处在于：除了具备实时监测作物的生长情况和成熟度等基本功能外，更关注的是作物的价格趋势。通过对影响作物价格的主要因素进行分析，寻找作物价格与各因素之间的相关关系，从而对作物的价格趋势进行预测。传统的农业物联网系统只能让作物更好地生成，本智能农业管理系统还能在此基础帮助农民控制收获时间，增加收入。
另外，本智能农业管理方法和系统还能精确控制施肥量和灌溉量。具体步骤为：
所述管控中心1内预先设置有养分含量标准值和水分含量标准值，所述管控中心1接收土壤的养分数据和水分数据；
所述管控中心1对比实时的养分数据和养分含量标准值，当实时的养分数据小于养分含量标准值时输出警报信息，提醒农民调整施肥量；
所述管控中心1对比实时的水分数据和水分含量标准值，当实时的水分数据小于水分含量标准值时输出警报信息，提醒农民调整灌溉量。
上述步骤主要体现在s4中，预先设置养分含量标准值和水分含量标准值，对比养分数据和养分含量标准值，当养分数据小于养分含量标准值时输出警报信息，对比水分数据和水分含量标准值，当水分数据小于水分含量标准值时输出警报信息。
进一步，在s4中，对比养分数据和养分含量标准值和对比水分数据和水分含量标准值时，还计算养分数据与养分含量标准值的差值和水分数据与水分含量标准值的差值，根据差值分别输出施肥量和灌溉量，同时分别输出施肥时限和灌溉时限。对应地，所述管控中心在对比养分数据和养分含量标准值和对比水分数据和水分含量标准值时，还计算养分数据与养分含量标准值的差值和水分数据与水分含量标准值的差值，根据差值分别输出施肥量和灌溉量，同时分别输出施肥时限和灌溉时限。例如，当养分数据略小于养分含量标准值时，输出较小的施肥量，同时输出较大的施肥时限；当养分数据远小于养分含量标准值时，输出较大的施肥量，同时输出较小的施肥时限。
每种作物都有其特有的特性，不同作物对养分和水分的需求也各不相同。利用大数据的方法把作物对养分和水分的需求量化。针对特定的作物，预先在管控中心1内设置有养分含量标准值和水分含量标准值。以葡萄为例，不同的养分有不同的养分含量标准值，葡萄对磷的需要较大而对氮的需要较小，把这些需求量化后，预先在管控中心1内设置磷的含量标准值为0.35，氮的含量标准值为0.15；同时葡萄对水分的要求较高，预先在管控中心1内设置水分含量标准值为0.28。管控中心1接收土壤的养分数据和水分数据，当磷的养分数据低于0.35时，输出警报提醒农民及时补充磷肥；当氮的养分数据低于0.15时，输出警报提醒农民及时补充氮肥；当水分数据低于0.28时，输出警报提醒农民及时灌溉。根据不同作物的特性科学界定不同的含量标准值和水分含量标准值，实时采集土壤中的养分数据和水分数据，便可精确控制土壤中的养分含量和水分含量。
另外，本智能农业管理方法和系统还能提供天气预警。管控中心1接收天气信息获取模块3所获取的预测天气数据，当出现天气预警时输出警报。天气因素是对农业影响最大的因素之一，如果不能准确把控天气变化并及时作好应对准备，农业生产将很大程度上受制于天气。以稻谷为例，台风对稻谷的影响很大，特别是临近收获的稻谷，台风来袭时会把稻穗打倒，因此，时刻关注天气的动向对农业生产极为重要。在实施例中，天气信息获取模块3从气象局获取本地区的预测天气数据，当出现台风预警时及时输出警报，为农民争取更多的准备时间。
如图2所示，图2为本发明管控中心1与土壤监测模块2组网的架构图。本智能农业管理系统还包括多个转发节点5，所述土壤监测模块2包括土壤养分传感器和土壤水分传感器，所述土壤养分传感器用于实时监测土壤的养分数据，所述土壤水分传感器用于实时监测土壤的水分数据。
所述土壤养分传感器和土壤水分传感器埋设在作物根系的旁边的土壤下，使得土壤监测模块2所处环境与作物的实际环境尽可能接近，土壤监测模块2所采集的数据能够更真实地反映作物的状态。
土壤监测模块2通过转发节点5与管控中心1相连，所述土壤养分传感器和土壤水分传感器定时向转发节点5发送数据，所述转发节点5接收土壤养分传感器的养分数据和土壤水分传感器的水分数据，并把养分数据和水分数据发送到管控中心1。
土壤监测模块2、转发节点5和管控中心1分别构成农业物联网的三层架构。其中土壤监测模块2为农业物联网最前端的数据采集设备，其数量庞大、数据结构简单且不适用于传统的互联网协议。在整个农业物联网架构中，土壤监测模块2只需要不断的采集和发送养分数据和水分数据，传统互联网协议所要求的数据的精确性和安全性等，在农业物联网可以忽略，农业物联网更关注采样的样本数，即土壤监测模块2的数量以及是否覆盖了全区域。由于土壤监测模块2不适用于传统的互联网协议，而现今的物联网在不同程度上还是要基于传统互联网，因此，转发节点5和管控中心1仍然遵循传统的互联网协议。转发节点5提供传统互联网的数据传输和网关功能，即进行协议转换，对接前端土壤监测模块2的组网协议与传统互联网的组网协议。管控中心1则提供数据分析、综合控制以及人机接口功能。通过这样，就可以在农业物联网和传统互联网之间架起一座桥梁，为农业物联网的实现提供基础。
在本智能农业管理系统的网络架构中，土壤监测模块2作为系统的最前端，只需要具有数据采集和发送功能，而不需要具备数据接收和处理功能。这是由于土壤监测模块2数量庞大，其作用仅在于实时监测土壤的养分数据和水分数据，因此土壤监测模块2配置数据接收或处理功能的成本远大于其带来的效果。另一方面，系统的最前端不需要具备数据接收和处理功能，在一定程度上也存在弊端，因为这将大大增加后面的管控中心1处理数据的压力。因此，在管控中心1和土壤监测模块2之间通过转发节点5连接起来，这些转发节点5具有接收、处理和转发数据的能力，能够在把养分数据和水分数据转发到管控中心1之前对其进行预处理。预处理包括对养分数据和水分数据进行智能化封闭和裁剪、检查数据是否完整、丢弃受损数据和冗余数据和指定数据的传输方向等等。在本实施例中，转发节点5的设置，优化了系统的结构，使得前端与后端的衔接更加密切，提高了数据采集、传输和处理的效率。
如图4所示，图4为本发明监测土壤的养分数据和水分数据的交互示意图。所述s1中，实时监测土壤的养分数据和水分数据具体包括：
第一层网络设备20采集土壤的养分数据和水分数据，并通过广播的形式向第二层网络设备50发送采集到的养分数据和水分数据；
第二层网络设备50接收到的养分数据和水分数据后对数据进行预处理，并向第三层网络设备10发送经过预处理的养分数据和水分数据。
第一层网络设备20对应的是土壤监测模块2，第二层网络设备50对应的是转发节点5，第三层网络设备10对应的是管控中心1。在本实施例中，实时监测土壤的养分数据和水分数据具体包括：
土壤监测模块2采集土壤的养分数据和水分数据，并通过广播的形式向转发节点5发送采集到的养分数据和水分数据；土壤监测模块2不具备数据处理功能，只能进行简单的数据采集和发送；而且土壤监测模块2采集与转发节点5、管控中心1之间通过无线的方式组网，在采集到养分数据和水分数据后，土壤监测模块2会通过广播的形式发送所采集到的数据。
优选地，多个土壤监测模块2均匀分布在被监控区域的土壤内，所述土壤监测模块2与管控中心1之间通过蓝牙或zigbee或者wifi的形式无线组网，所述土壤监测模块2只发送采集到的养分数据和水分数据而不接收任何信息，所述土壤监测模块2通过电池或者太阳能的方式供电；所述管控中心1同时接收多个土壤监测模块2所发送的养分数据和水分数据并进行统一分析处理。
上述实施例中，为了准确高效地实时监测土壤的养分数据和水分数据，在被监控区域的土壤内均匀设置多个土壤监测模块2，管控中心1分析处理养分数据和水分数据的依据不是单个土壤监测模块2所采集的数据，而是所有土壤监测模块2所采集的数据。当某个土壤监测模块2出现停止工作、数据出错和传输不畅通等问题时，其他土壤监测模块2所采集的庞大数据仍能全面地体现事实，因此单个土壤监测模块2的数据并不会对整个系统造成影响。其次，由于土壤监测模块2的数量庞大，如果通过有线的方式进行组网，无疑会极大增加成本，因此，土壤监测模块2与管控中心1之间通过无线组网，简化系统的同时也减少了系统的出支，有利于大规模实现。再次，无线组网会带来供电问题，无法直接通过输电线取电，因此，土壤监测模块2通过电池或者太阳能的方式供电，使得土壤监测模块2能够不依赖于系统供电而是更加独立地进行数据采集。
转发节点5接收到的养分数据和水分数据后对数据进行预处理，并向管控中心1发送经过预处理的养分数据和水分数据；转发节点5的功能包括转发数据和对数据进行预处理，具体包括对养分数据和水分数据进行智能化封闭和裁剪、检查数据是否完整、丢弃受损数据和冗余数据和指定数据的传输方向等等。由于土壤监测模块2不具备数据处理功能，而如果所有的数据采集工作都由管控中心1执行则会对管控中心1造成很大的负担，数据处理效率低，因此，在把养分数据和水分数据发送到管控中心1之前，先由转发节点5进行预处理，帮助分担管控中心1的压力，提高整个系统的数据处理效率。
管控中心1接收并处理经过预处理的养分数据和水分数据，并可根据需要控制转发节点5接收特定土壤监测模块2所采集的养分数据和水分数据；例如需要关注某个区域的土壤实时状况时，可以把该区域土壤监测模块2所采集土壤的养分数据和水分数据标注为感兴趣。如图4所示，第三层网络设备10通过第二层网络设备接收感兴趣的养分数据和水分数据。
转发节点5接收特定土壤监测模块2所采集的养分数据和水分数据而忽略其它土壤监测模块2所采集的养分数据和水分数据。只接受感兴趣的数据，能够针对性更强地处理数据，提高数据处理效率。
需要特别说明的是，土壤监测模块2通过广播的形式发送采集到土壤的养分数据和水分数据，能够在某些转发节点5由于各种原因而无法传输数据时转向其它正常工作的转发节点5，保证系统的可靠性。另外，由于土壤监测模块2的数据帧非常小，仅携带了最重要的信息，因此采用广播的形式也不会影响整个系统的运维成本。
所述土壤养分传感器和土壤水分传感器按照特定的采样频率监测土壤的养分数据和水分数据，即土壤养分传感器和土壤水分传感器不间断地持续工作，不停地监测土壤的养分数据和水分数据。特定的采样频率具体是指每隔一小时或者两小时则进行一次数据采集，然后把采集到的养分数据和水分数据上送。为土壤养分传感器和土壤水分传感器设置特定的采样频率是为了平衡成本和数据的有效性。土壤的养分数据和水分数据不会时刻变化，如果土壤养分传感器和土壤水分传感器时刻都在工作，一是数据的有效性低，二是设备的运行的成本高。随着数量的增多，这样的状况越来越明显。因此，每隔一小时或者两小时则进行一次数据采集，能够很好地平衡成本和数据的有效性。
优选地，所述土壤养分传感器和土壤水分传感器设置在受监测的农田内，所述受监测的农田划分为多个小区域。土壤养分传感器和土壤水分传感器所采集的数据帧包括传输指向码、地址码和感应数据。物联网的前端设备数量庞大，考虑到数据的开销和效率，土壤养分传感器和土壤水分传感器仅携带对本系统最有用的信息。
上述数据帧能够符合农业物联网的基本要求，其中传输指向码记载了数据的传输方向，即为通过哪个转发节点5上送数据；地址码记载了土壤养分传感器或土壤水分传感器的位置；感应数据则是养分数据或水分数据，如上述实施例中磷和氮的养分数据等，结合地址码和感应数据便可直观分析出每个地点对应的养分数据和水分数据。
如图5所示，图5为本发明精确控制施肥量和灌溉量的流程示意图。受监测的农田划分为多个小区域且土壤养分传感器和土壤水分传感器所采集的数据帧包括传输指向码、地址码和感应数据，可用于精确控制施肥量和灌溉量，具体包括：
s401.把受监测的农田划分为多个小区域；土壤养分传感器和土壤水分传感器均具有一定的监测半径，因此可以通过间隔设置土壤养分传感器和土壤水分传感器即可实现受监测农田的小区域划分。
s402.实时监测多个小区域内土壤的养分数据和水分数据；各个土壤养分传感器和土壤水分传感器采集数据的过程即为监测各个小区域内土壤的养分数据和水分数据的过程。
s403.对比多个小区域的养分数据和养分含量标准值，对比多个小区域的水分数据和水分含量标准值；一般来说，养分和水分都是顺着土壤蔓延分布的，所以当某个地方的养分数据或者水分数据不在可接受区间时，通常这个地方临近的一片区域的养分数据或者水分数据同样不在可接受区间。结合土壤养分传感器和土壤水分传感器的地址码和感应数据，管控中心1可以分析出哪个区域需要施肥或者灌溉。
s404.筛选出养分数据小于养分含量标准值的小区域，筛选出水分数据小于水分含量标准值的小区域；
s405.输出警报，精确控制各个小区域的施肥量和灌溉量。管控中心1可以通过地图的方式把各个小区域的养分和水分状况展现给农民，如采用天气预报中的降雨量分布图的形式，直观地实现人机交互，农民根据从管控中心1取得的信息施肥或者灌溉，完成精确控制施肥量和灌溉量。
物联网与传统互联网有类似的地方，但在很多方面上，二者的仍有本质上的区别。传统互联网关注的是数据的精确性和可靠性，而物联网是有损的、间歇性的网络，对精确性和可靠性的要求不高。在物联网领域，多数情况下都是对样本数量的要求较高，而没有必要牺牲高昂的成本来维持数据的准确性。在本实施例中，每个土壤养分传感器和土壤水分传感器所采集的数据为“小数据”，而所有土壤养分传感器和土壤水分传感器所采集的数据为“大数据”，当单个“小数据”出现超时或者丢包时，并不会对“大数据”造成影响，只要通过增加样品就可以克服物联网数据的“不精确性”和“不可靠性”。
优选地，在获取的本地区的预测天气数据后，所述方法还包括根据预测天气数据控制调整近期的灌溉量，具体包括以下步骤：
实时监测土壤的水分数据；
实时监测空气中的水汽含量；
获取的本地区的预测天气数据，所述预测天气数据包括预测降雨量；
把空气中的水汽含量和预测天气数据解析量化成灌溉量；
结合量化灌溉量和土壤的水分数据，调整灌溉量。
上述实施例中，当实时监测到的水分数据偏低即可判断作物需要灌溉以保证水分吸收，在灌溉之前先获取空气中的水汽含量和预测降雨量，并把空气中的水汽含量和预测降雨量解析量化成灌溉量，结合量化灌溉量和实时监测到的水分数据，适当调整灌溉量。空气中的水汽含量和预测降雨量都可能带来潜在灌溉，当水汽含量较高和/或预测天气数据显示近期内有降雨时，可以减少灌溉量，当水汽含量较低和/或预测天气数据显示近期不会有降雨时，则可以正常灌溉。通过这样的方式来充分利用大自然，节约水资源，实现高效灌溉。
如图6所示，图6为本发明得到作物价格趋势预测结果的流程示意图。所述s5中，得到作物价格趋势预测结果的过程具体包括：
s501.整理作物的历史价格数据，所述作物的历史价格数据包括过去一段时间内每一天的作物价格y；
s502.获取本地区的历史天气数据，所述历史天气数据包括过去一段时间内每一天的降雨量a、风力等级b和气温c；
s503.组建价格相关模型，并根据价格相关模型分析出降雨量相关因子α、风力等级相关因子β和气温相关因子γ，得到价格天气相关关系y＝αa+βb+γc；
s504.获取本地区的预测天气数据，并结合价格天气相关关系y＝αa+βb+γc对作物的价格进行预测，得到预测作物价格；
s505.对比预测作物价格与过去一段时间内每一天的作物价格，输出作物价格趋势预测结果。
天气是影响作物价格的关键因素，因此，本发明基于作物的历史价格数据和本地区的历史天气数据对作物价格趋势预测结果进行分析。先获取历史价格数据和历史天气数据，通过数学建模的方法组建价格相关模型，再根据多元线性回归分析方法分析得到降雨量相关因子α、风力等级相关因子β和气温相关因子γ，就可确定作物价格与天气的相关关系，再结合预测天气数据便可得到预测作物价格。通过上述步骤，用数学方法表述价格与天气的关系，保证了预测结果的准确性，为农业管理提供了科学的根据。
与上述对作物的历史价格数据和本地区的历史天气数据进行处理分析过程对应的软系统包括价格数据单元11、天气数据单元12、模型组建单元13、价格预测单元14、趋势预测单元15和修正单元16。
所述价格数据单元11用于整理作物的历史价格数据，所述作物的历史价格数据包括过去一段时间内每一天的作物价格y。作物的历史价格数据作为价格预测的基础，以往特定时段具体为过去数月或者数年。特定时段的时间跨度越大，后续的作物价格趋势预测结果越准确。作物的历史价格数据的格式为(日期，价格)，以玉米的价格为例，玉米的历史价格数据可以为(2013.03.02，10)。
所述天气数据单元12用于处理本地区的历史天气数据，所述历史天气数据包括过去一段时间内每一天的降雨量a、风力等级b和气温c。同样地，管控中心1中也具有对实时天气数据和预测天气数据进行处理的单元，其原理与用于处理历史天气数据的天气数据单元12相同。历史天气数据的格式为(日期，降雨量，风力等级，气温)，如(2013.03.02，150，3，22)。
所述模型组建单元13用于组建价格相关模型，并根据价格相关模型分析出降雨量相关因子α、风力等级相关因子β和气温相关因子γ，得到价格天气相关关系y＝αa+βb+γc。通过数学建模的方法组建价格相关模型，结合某种作物的历史价格数据(如玉米)和历史天气数据，根据多元线性回归分析方法分析得到降雨量相关因子α、风力等级相关因子β和气温相关因子γ，就可确定作物价格与天气的相关关系。例如，求得的降雨量相关因子α为0.02，风力等级相关因子β为1.5，气温相关因子γ为0.8，此时可以确定玉米价格与天气的相关关系为y＝0.02*a+1.5*b+0.8*c。所述价格预测单元14用于根据本地区的预测天气数据，并结合作物的价格天气相关关系y＝0.02*a+1.5*b+0.8*c对作物的价格进行预测，得到预测作物价格。如预测某天的天气数据为(201x.xx.xx，100，1，20)，对应的a为100，b为1，c为20，结合玉米的价格天气相关关系y＝0.02*a+1.5*b+0.8*c，可得到预测三天后玉米的价格为19.5。
如图7所示，图7为本发明修正降雨量相关因子α、风力等级相关因子β和气温相关因子γ的流程示意图。所述s504中，先获取实时作物价格和实时天气数据，所述实时天气数据为当天的天气数据，所述实时作物价格为当天的作物价格，根据预测作物价格和实际作物价格不断对降雨量相关因子α、风力等级相关因子β和气温相关因子γ进行修正，修正的过程具体包括：
s5041.获取过去一段时间内每天的预测作物价格和实际作物价格；
s5042.遍历计算得到过去一段时间内每天的预测作物价格和实际作物价格之差
s5043.计算所有修正参考数的平均值σ；
s5044.对比当天的预测作物价格和实时作物价格之差的绝对值
s5045.当当天的预测作物价格可信时，认定当天的实时作物价格和实时天气数据相关性强，把当天的实时作物价格和实时天气数据纳入价格相关模型并重新分析降雨量相关因子α、风力等级相关因子β和气温相关因子γ；当当天的预测作物价格不可信，认定当天的实时作物价格和实时天气数据相关性弱，则丢弃当天的实时作物价格和实时天气数据，保留原来的降雨量相关因子α、风力等级相关因子β和气温相关因子γ。
所述趋势预测单元15用于对比预测作物价格与过去一段时间内每一天的作物价格，输出作物价格趋势预测结果。用以上方法依次求出一段时间内的预测作物价格，即可得到作物价格趋势预测结果。
所述修正单元16根据预测作物价格与实时作物价格不断对降雨量相关因子α、风力等级相关因子β和气温相关因子γ进行修正，所述修正单元16具体包括比价器、遍历器、平均器、判断器和迭代器。
所述比价器用于用于获取过去一段时间内每天的预测作物价格和实际作物价格；如预测作物价格为19.5、实时作物价格为20时。
所述遍历器用于遍历计算得到过去一段时间内每天的预测作物价格和实际作物价格之差
所述平均器用于计算所有修正参考数的平均值σ；通过加权平均的方法取得σ的值，例如5天的修正参考数分别为0.5、0.3、0.2、0.4和0.6，则σ的值为0.4。
所述判断器用于对比当天的预测作物价格和实时作物价格之差的绝对值
所述迭代器用于采用或者丢弃当天的实时作物价格和实时天气数据，当当天的预测作物价格可信时，认定当天的实时作物价格和实时天气数据相关性强，把当天的实时作物价格和实时天气数据纳入价格相关模型并重新分析降雨量相关因子α、风力等级相关因子β和气温相关因子γ；当当天的预测作物价格不可信，认定当天的实时作物价格和实时天气数据相关性弱，则丢弃当天的实时作物价格和实时天气数据，保留原来的降雨量相关因子α、风力等级相关因子β和气温相关因子γ。简单理解为当预测作物价格和实时作物价格相差过大时，认为那天的价格数据与天气数据没有参考价值，不予保留且不用于后续的价格预测；当预测作物价格和实时作物价格相差不大时，认为那天的价格数据与天气数据具有参考价值，予以保留且作为历史数据继续用于后续的价格预测中。
读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
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，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
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，可轻易想到各种等效的修改或替换，这些修改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。
- 还没有人留言评论。精彩留言会获得点赞！