括信息收集设备和信息传输设备，信息收集设备包括光能量收集设备、温度收集设备、风力收集设备、图像收集设备、农作物成分采集设备、土壤成分采集设备、声波收集设备、湿度收集设备、空气成分收集设备、作业机器设备运行信息采集设备、种植信息采集设备，信息传输设备为无线信息传输设备。
[0076]上述系统的操作方法为:
[0077]第一步:向逻辑控制层输入种植业问题，逻辑控制层根据问题确定建立搜索引擎的类型，并集成数据层中的数据建立相应的引擎；
[0078]第二步:引擎根据用户交互层数据和种植业问题确定解决问题的静态因子和动态因子，并同时运算为静态因数和动态因数；
[0079]第三步:通过静态因数和动态因数运算得到种植业问题解决的指导方案，同时将指导方案输入到经验知识库。
[0080]搜索引擎类型为作物品种过滤引擎、肥料品种过滤引擎和农药品种过滤引擎。
[0081]用户交互层中的交互逻辑分为两个步骤:
[0082]第一步:
[0083](I)用户选择农作物种植的区域、土壤肥力条件、种植地区气候条件。
[0084](2)选择产量优先、品质优先、成本优先策略，选择后会形成对应的效益策略模型。
[0085](3)结合种植条件与策略，系统自动筛选在当前条件与策略下效益最大化的品种，并推荐最优的三个品种供用户选择。
[0086]第二步:
[0087](I)选择了作物品种之后，便进入了作物生命周期。系统会根据策略模型与品种的特性自动生成该阶段对应的解决方案。
[0088](2)选择了不同的策略模型，系统会给出对应的方案。选择了“品质优先模型”，采用能够满足提尚作物品质的解决方案。
[0089](3)在种植的不同生命周期阶段，用户可以更改效益策略模型。
[0090](4)用户可以为该作物的任意生命周期阶段设定效益策略模型，并生成当前阶段对应的解决方案。
[0091]各模型具有收益控制功能，其通过对农作物单位面积种植的预期价格以及单位面积所需要的投入进行筛选对比选择满足条件最优的品种。
[0092]各模型具有气象因数，对气象库里的数据进行挖掘分析，并通过物联网或气象数据接口对区域内实时气象的监测，并通过相应的运算函数，产生一个介于0-1之间的因数。该因数与气象的关系可能是非线性的。
[0093]各模型具有投入成本因数，通过对单位种植面积投入进行统计分析，并采用相应的运算函数，计算出一个介于1-0之间的因数，该因数值与投入的成本成反比，投入越高，因数值越低。
[0094]各模型具有业务运算方式，该方式能够使得系统根据效益模型的效益最大化，智能的生成对应的气象、土壤综合肥力、投入成本的因数，并通过这些因数找到对应的因子及相应的业务数据。再通过方案模板机制，生成对应的对农作物生命周期作业的指导方案。
[0095]各模型具有标准化问题处理方式，也就是当用户有问题需要咨询的时候，系统会首先推荐智能咨询系统，通过对品种、区域、土壤以及关键字等限定条件，到标准问题库里检索匹配的或类似的问题及解决方法。如果用户没有在标准问题库找到对应的解决方法。系统还将为用户提供专家咨询系统。
[0096]各模型具有专家/创客问题处理方式，也就是当用户提问在标准问题库无法找到答案时，系统会推荐用户使用专家/创客咨询系统。这时候需要用户根据问题模板填写相应的问卷，系统经过分析处理问卷内容，给出不同的处理方式。如果问卷内容在逻辑上无法解决或者用户误报，系统将自动将忽略用户的请求并给与反馈。如果问卷内容合法，则会根据问卷的关键信息匹配对应的专家或者创客，并通过APP推送信息通知；当专家/创客将问题解决后，系统会自动反馈给用户。
[0097]专家库的作用是当用户需求在标准知识库里没有得到所匹配的解决方案时，用户选择向专家库申请帮助，系统会根据用户需求自动检索专家库内的专家，并推荐最合适的专家为用户提供帮助。专家库的业务模式包括:(I)分析用户需求(2)推荐最优专家(3)促进专家与用户沟通(4)专家根据实际情况并按照标准化模板为用户提供解决方案(5)系统将解决方案与标准知识库进行对比修正(6)输出解决方案。
[0098]通过图1的种植业问题解决系统结构图、图2的种植业问题解决系统数据层结构和图3的农业种植模型结构图来理解上述种植业问题解决系统的结构和运行。
【主权项】
1.一种基于物联网的种植业问题解决系统，该系统嵌合于云平台，云平台由数据层、用户交互层、逻辑控制层组成，其中数据层包括标准知识库、经验知识库、专家库和价格信息库，云平台通过逻辑控制层中的搜索引擎或过滤引擎，将用户交互层的信息、数据层的信息进行搜索或过滤，然后将搜索和过滤的信息再运算得到指导农业种植的模型。2.根据权利要求1所述的解决系统，其中农业种植的模型包括策略模型、生命周期模型、品种模型和价格预测模型。3.根据权利要求1所述的解决系统，其中策略模型包括产量优先模型、品质优先模型和成本优先模型，生命周期模型包括种植前准备模型、种植初期模型、种植中期模型和收获期模型。4.根据权利要求1-3任一项所述的解决系统，其中标准知识库包括品种子库、病虫害子库、肥料产品子库、农药产品子库、气象信息子库、机械信息子库、区域信息子库、土壤肥力子库、水文信息子库。5.根据权利要求1-4任一项所述的解决系统，其中专家库包括专家人员信息、专家交流信息、专家制定方案信息、专家问题信息、标准问题库。6.根据权利要求1-5任一项所述的解决系统，其中价格信息库包括历史价格信息子库和价格预测子库，历史价格信息子库包括种子、农业器械、农药、肥料、农业设施、电、水、人工等价格历史信息，价格预测子库由历史价格信息数据、价格信息外信息通过预测获得的价格走势数据。7.根据权利要求6所述的解决系统，其中价格信息库以品种进行分类。8.根据权利要求1-7任一项所述的解决系统，用户交互层由三部分信息构成，第一部分包括种植条件选择交互信息、种植成本选择交互信息、种植策略选择交互信息，第二部分包括品种选择交互信息，第三部分包括种植阶段选择交互信息、种植方案选择交互信息。9.根据权利要求1-8任一项所述的解决系统，其中数据层和用户交互层的部分数据通过物联网系统提供，所述物联网系统包括信息收集设备和信息传输设备，信息收集设备包括光能量收集设备、温度收集设备、风力收集设备、图像收集设备、农作物成分采集设备、土壤成分采集设备、声波收集设备、湿度收集设备、空气成分收集设备、作业机器设备运行信息采集设备、种植信息采集设备中的一种或多种，信息传输设备包括无线信息传输设备、有线信息传输设备等中的一种或两种。10.权利要求1所述的种植业问题解决系统的应用方法，该方法包括如下步骤: 第一步:向逻辑控制层输入种植业问题，逻辑控制层根据问题确定建立搜索引擎或过滤引擎的类型，并集成数据层中的数据建立相应的引擎； 第二步:引擎根据用户交互层数据和种植业问题确定解决问题的静态因子和动态因子，并同时运算为静态因数和动态因数； 第三步:通过静态因数和动态因数运算得到种植业问题解决的指导方案，同时将指导方案输入到经验知识库。11.根据权利要求10所述的应用方法，其中搜索引擎或过滤引擎的类型包括但不限于作物品种过滤引擎、肥料品种过滤引擎、农药品种过滤引擎等。12.根据权利要求11所述的应用方法，引擎为品种过滤引擎，建立引擎应用数据层中标准知识库的区域信息子库、土壤肥力子库，和价格信息库中的价格预测子库及历史价格信息子库D13.根据权利要求12所述的应用方法，其中应用历史价格信息子库计算成本投入数据。
【专利摘要】本发明涉及一种基于物联网的种植业问题解决系统，该系统嵌合于云平台，云平台由数据层、用户交互层、逻辑控制层组成，其中数据层包括标准知识库、经验知识库、专家库和价格信息库，云平台通过逻辑控制层中的搜索引擎或过滤引擎，将用户交互层的信息、数据层的信息进行搜索或过滤，然后将搜索和过滤的信息再运算得到指导农业种植的模型。本发明的种植业问题解决系统利用了云平台，将数据层、用户交互层和逻辑控制层充分集合，并相应的确定了农业种植的模型，尤其是策略模型，明确了产量优先模型、品质优先模型和成本优先模型作为种植问题解决的重要手段。
【IPC分类】G06F17/30, G06Q50/02
【公开号】CN105678629
【申请号】CN201511031796
【发明人】杨勇, 华建青, 王宗抗, 张志宏, 吴小丽, 刘法安, 邓宝元, 刘梦丹
【申请人】深圳市芭田生态工程股份有限公司
【公开日】2016年6月15日
【申请日】2015年12月31日