本发明实施例涉及农业领域，特别涉及一种产量预测方法、服务器以及计算机可读存储介质。
背景技术：
现有技术中为了预测土地种植的作物产量，通常会通过气候、土壤、作物成长周期、植株品质等因素结合过去作物的产量数据分析出下一年收成时作物的产量，而且由于土壤、天气等因素的原因，预测作物产量时通常对划定的区域内全部作物的产量进行预测。对于用户而言，预先获知作物的产量，可以及时根据预测的产量制定后续工作计划，如进行运输、经营和营销的安排等。目前，国内也会普遍根据作物的单果重、每株挂果穗数及每亩种植株数来预测每年每亩地作物的产量。
发明人发现现有技术中至少存在如下问题：现有技术中的预测由于依赖气候、植株品质等不确定因素，而且预测的周期基本较长，使得预测结果并不精准、偏差较大，预测无法为改进种植方法提供有效的帮助。
技术实现要素：
本发明实施方式的目的在于提供一种产量预测方法、服务器以及计算机可读存储介质，使得用户可获知较为准确的客户喜好作物的预测产量，继而可根据预测产量调整种植计划，有利于提高用户收益。
为解决上述技术问题，本发明的实施方式提供了一种产量预测方法，包括：
通过作物销量和/或客户评价获取客户喜好作物，并将获取的客户喜好作物，作为目标作物；
获取预设区域内的目标作物的数量，并获取预设区域内的单个目标作物的重量数据；
根据目标作物的数量以及单个目标作物的重量数据，得到目标作物所属批次在预设区域内的作物预测产量。
本发明的实施方式还提供了一种服务器，包括：至少一个处理器；以及，
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使至少一个处理器能够执行如上述的产量预测方法。
本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，其特征在于，计算机程序被处理器执行时实现上述的产量预测方法
本发明实施方式相对于现有技术而言，通过作物销量和/或客户评价获取客户喜好作物，并将获取的客户喜好作物作为目标作物，使得用户能获知客户喜好作物的种类，通过获取预设区域内的目标作物的数量，并获取预设区域内的单个目标作物的重量数据，根据目标作物的数量以及单个目标作物的重量数据，得到目标作物所属批次在预设区域内的作物预测产量，无需依靠天气、植株品质等不确定因素，也无须进行较长周期的产量预测，使得用户可获知较为准确的客户喜好作物的预测产量，继而可根据预测产量调整种植计划，有利于提高用户收益。
另外，获取预设区域内的目标作物的数量，具体包括：获取目标作物的特征信息；获取预设区域的图片；识别图片中具有特征信息的物体的数量，并将物体的数量作为预设区域内的目标作物的数量。通过分析图片中具有目标作物特征信息的物体数量获得预设区域内目标作物数量，使得无需大量的人力即可得到较为准确的预设区域内目标作物数量，减少了人力成本。
另外，获取预设区域内的单个目标作物的重量数据，具体包括：获取预设区域内的预设数量的目标作物的重量数据；根据预设数量的目标作物的重量数据，得到预设区域内的单个目标作物的平均重量数据；将单个目标作物的平均重量数据作为单个目标作物的重量数据。通过对预设数量的目标作物进行重量测量，得到重量数据，进而可得到单个目标作物的平均重量数据，把单个目标作物的平均重量数据作为单个目标作物的重量数据可以在最大限度保证数据的准确性的同时，减少人力资源的成本。
另外，得到目标作物所属批次在预设区域内的作物预测产量后，还包括：根据追溯信息获取目标作物的批次在预设区域内的作物产量；判断作物产量与作物预测产量是否匹配；如果判断结果为是，则判定所述追溯信息准确。通过把目标作物的预测产量与根据追溯信息获得的作物产量进行对比，获知作物产量是否与预测产量匹配，如果不是，说明追溯信息有误，这样防止了其他人盗用用户作物的追溯信息，保障了用户权益。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是根据本发明第一实施方式的一种产量预测方法的流程图；
图2是根据本发明第二实施方式的一种产量预测方法的流程图；
图3是根据本发明第三实施方式的一种服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。
本发明的第一实施方式涉及一种产量预测方法。本实施方式的核心在于通过作物销量和/或客户评价获取客户喜好作物，并将获取的客户喜好作物，作为目标作物；获取预设区域内的目标作物的数量，并获取预设区域内的单个目标作物的重量数据；根据目标作物的数量以及单个目标作物的重量数据，得到目标作物所属批次在预设区域内的作物预测产量，使得用户可获知较为准确的客户喜好作物的预测产量，继而可根据预测产量调整种植计划，有利于提高用户收益。下面对本实施方式的产量预测方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
本实施方式中的产量预测方法可以用来验证比如番茄、苹果、橙子等作物追溯信息准确性，以下以所述作物为番茄为例进行说明。其具体流程图如图1所示，包括：
步骤s101，通过作物销量和/或客户评价获取客户喜好作物，并将获取的客户喜好作物，作为目标作物。
具体的说，可以让店主记录店铺的作物销量继而把作物的销量上传到服务器，使服务器根据店主记录的作物销量获知哪一种作物最受客户的欢迎。如果客户在网上购买作物时，也会留下购买记录，服务器可收集各商场的作物销量数据，根据商场的作物销量数据得到最受客户欢迎的作物种类。服务器也可以根据客户在商场消费后留下的评价获知最受客户欢迎的作物种类，比如：客户在网上商场或者现实商场中购买番茄后，可以通过手机在商场app上为番茄的喜好度打分，分数越高说明客户对番茄越喜爱，服务器可根据番茄以及客户为其他作物打下的分数判断哪一种作物才是客户最喜爱的作物。获知客户喜好作物种类后，把客户喜好作物种类设定为目标作物。
步骤s102，获取预设区域内的目标作物的数量，并获取预设区域内的单个目标作物的重量数据。
具体的说，目标作物最好设定为收成周期为一周左右的作物即收成周期较短的作物，预测其产量时能更为准确，而预测目标作物的产量时，需要获得预设区域内的目标作物数量，以下以对获得预设区域内的目标作物数量方法进行距离说明，需要注意的是在实际应用中并不仅限于此。
例子1：获取目标作物的特征信息，获取预设区域的图片，识别图片中具有特征信息的物体的数量，并将物体的数量作为预设区域内的目标作物的数量。
具体的说，目标作物具有自身的特征信息，特征信息包括：目标作物的形状、目标作物的大小、目标作物的颜色等，即利用这些特征信息可以从多个物体中识别出目标作物。而预设区域为用户自身设定的区域，可以为用户种植作物的区域，用户可利用智能设备，如携带摄像头的无人机获取目标区域图像信息。下面以无人机作为智能设备进行叙述，在实际实施时并不仅限于此。
当用户利用无人机获取区域图像信息时，在输入预设区域的范围后，无人机可进行自动采样，继而通过无人机上的wifi或者蓝牙设备将采样的预设区域的图片发送到服务器上，服务器获得无人机传输的图片后，运用图像识别技术，识别图像中具有特征信息的物体数量，由于具有特征信息的物体可以认为是目标作物，因此可通过识别预设区域的图像，获取预设区域中目标作物的数量。使得无需大量的人力即可得到较为准确的预设区域内目标作物数量，减少了人力成本，实现了采集数据的智能化。
例子2：获取预设数量的植株上的目标作物数量，获取预设区域中的植株数量，根据预设数量的植株上的目标作物数量以及预设区域中的植株数量获得预设区域内的目标作物的数量。
具体的说，可首先采集一定数量的植株上的目标作物，通过计算采集的目标作物的数量，计算出平均一棵植株上的目标作物数量。然后通过人工计算或者利用智能设备获取预设区域图片后识别预设区域图片的方法，获得预设区域中的植株数量，根据预设区域中的植株数量以及平均一棵植株上的目标作物数量可以计算得到预设区域内的目标作物的数量。
以番茄为例，依照番茄的果径大小将番茄分为大果、中果、小果，大果为目标作物，在预设区域选择36株番茄，并分别记录每株即将采收的番茄大果的数量。值得一提的是，在本实施方式中，取样的数量并不仅限于36株，用户可以根据实际需求决定取样的数量，并不应以此为限。计算出36株番茄上大果的总数量，把大果的总数量除以36得到平均一株番茄上的大果数量(以n1表示)，将n1乘以预设区域中的植株数量n，即可得到预设区域内的目标作物的数量。
而获取预设区域内的单个目标作物的重量数据可以利用以下方法获得，在实际实施时并不仅限于此。
获取预设区域内的预设数量的目标作物的重量数据，根据预设数量的目标作物的重量数据，得到预设区域内的单个目标作物的平均重量数据，将单个目标作物的平均重量数据作为单个目标作物的重量数据。
即用户在预设区域中首先获取一定数量的目标作物并计算其总重量数据，把获取的重量数据除以选取的目标作物的数量，即可得到单个目标作物的平均重量，可以把单个目标作物的平均重量数据作为单个目标作物的重量数据，可以在最大限度保证数据的准确性的同时，有利于减少人力成本。
以番茄为例，番茄果实有大有小，当目标作物为番茄的大果时，可以依照番茄的果径大小将番茄分为大果、中果、小果。取大果的30-100个样品，称量其样品的重量数据，继而求出单个大果的平均重量数据作为大果的单果重量数据。
步骤s103，根据目标作物的数量以及单个目标作物的重量数据，得到目标作物所属批次在预设区域内的作物预测产量。
具体的说，得到目标作物的数量以及单个目标作物的重量数据后，将目标作物的数量与单个目标作物的重量数据相乘得到目标作物在预设区域内的作物总重量，由于目标作物已经在植株上，预测产量结果无需土壤、气候等不确定因素，根据获得的预设区域内目标作物的数量以及单个目标作物的重量数据得到的产量预测将较为准确。
即此时预设区域内的目标作物作为同一批次的产品进行产量预测，即可把得到的目标作物在预设区域内的作物总重量作为目标作物所属批次在预设区域内的作物预测产量。目标作物所属批次作物预测产量即这一批次的目标作物出货时的总重量，使得用户可获知客户喜好作物的较为准确的预测产量，继而可根据预测产量调整种植计划，提高用户收益，掌握了客户喜好作物的预测产量可及时调整供求关系，增加用户的效益，而且可通过对比同一区域内多批次的客户喜好作物的预测产量，确定哪个时期客户喜好作物的产量最佳，确定最佳采收期，提高客户喜好作物的品质。
以步骤s102里例子2的例子为例，番茄的大果在预设区域内的数量为n1*n，大果的单果重量数据为w，即番茄的大果所属批次在预设区域内的作物预测产量l(kg)＝n1*n*w/1000kg。
为了对不同区域的目标作物的预测产量进行对比，还可以获得不同区域的区域面积，把不同区域的区域面积以及其目标作物的作物预测产量填写在表格上，进行对比继而得到单位面积目标作物所属批次的作物预测产量最高的区域。这些数据对于用户如何改善种植计划具有不可替代的作用。当进行了产量预测的目标作物所属批次出货时，可以通过将实际出货的目标作物的作物产量与目标作物所属批次的作物预测产量进行对比，确定预测产量的方法是否仍需要改进。
与现有技术相比，本发明第一实施方式通过作物销量和/或客户评价获取客户喜好作物，并获取预设区域内的客户喜好作物的数量，并获取预设区域内的单个客户喜好作物的重量数据，最终获取客户喜好作物所属批次在预设区域内的作物预测产量，使得用户可获知客户喜好作物的较为准确的预测产量，继而可根据预测产量调整种植计划，有利于提高用户收益。
本发明的第二实施方式涉及一种产量预测方法。本实施方式是在第一实施方式的基础上做了进一步改进，具体改进之处在于：本实施方式中，得到目标作物所属批次在预设区域内的作物预测产量后，还包括：根据追溯信息获取目标作物的批次在预设区域内的作物产量；判断作物产量与作物预测产量是否匹配；如果判断结果为是，则判定追溯信息准确。其流程图如图2所示，包括：
步骤s201，通过作物销量和/或客户评价获取客户喜好作物，并将获取的客户喜好作物，作为目标作物。由于本实施方式中步骤201与第一实施方式中步骤101大致相同，此处不再赘述。
步骤s202，获取预设区域内的目标作物的数量，并获取预设区域内的单个目标作物的重量数据。由于本实施方式中步骤202与第一实施方式中步骤102大致相同，此处不再赘述。
步骤s203，根据目标作物的数量以及单个目标作物的重量数据，得到目标作物所属批次在预设区域内的作物预测产量。由于本实施方式中步骤203与第一实施方式中步骤103大致相同，此处不再赘述。
步骤s204，根据追溯信息获取目标作物的批次在预设区域内的作物产量。
具体的说，这里所说的追溯信息可以为作物的追溯码、目标作物的流转等信息。由于通过追溯信息可以根据不同作物类型以及当地追溯的实际需要来定义追溯需要的环节以及每个环节信息的详细程度，因此，可以对预设区域内的批次的目标作物产量进行统计，这里统计得到的作为目标产量为实际作物产量。也就是说，通过追溯信息获取得到的预设区域内的批次的作物产量是作为目标作物所属批次在预设区域的作物预测产量是否准确的衡量标准。
比如说，通过追溯信息可以获取到在预设区域内的批次的作物产量中，有500千克的番茄用于销售，100千克的番茄发放给员工使用，可以获知该批次产品的作物产量有600千克。
需要注意的是，在步骤103中得到的作物所属批次在预设区域的作物预测产量为尚未出货时的目标作物所属批次的预测产量，本步骤204中获取的预设区域内的批次的作物产量为出货后的目标作物的作物产量。
步骤s205，判断作物产量与作物预测产量是否匹配，如果判断结果为是，则进入步骤s206，如果判断结果为否，则进入步骤s207。
具体的说，可以通过判断作物产量与作物预测产量的差值的绝对值是否在预设门限以内来判断作物产量与作物预测产量是否匹配。比如说，若预设门限为50千克，通过步骤102获得作物所属批次在预设区域的作物预测产量为1000千克，而通过步骤204中的追溯信息获取预设区域内的批次的作物产量为900千克，作物产量与作物预测产量的差值的绝对值为100千克，大于预设门限(50千克)，因此，可以判定作物产量与作物预测产量不匹配，进入步骤207。相应的，如果通过步骤102获得作物所属批次在预设区域的作物预测产量为1000千克，而通过步骤103中的追溯信息获取预设区域内的批次的作物产量为980千克，作物产量与作物预测产量的差值的绝对值为20千克，小于预设门限(50千克)，因此，可以判定作物产量与作物预测产量匹配，进入步骤206。
步骤s206，判定追溯信息准确。
具体的说，若目标作物的作物产量与作物预测产量匹配，说明追溯信息确实是根据产生该作物预测产量的目标作物的流转行程而生成的，说明追溯信息并不是其他批次的目标作物或者其他作物的流转行程而生成的，客户可通过查询目标作物的预测产量获知追溯信息的真伪，防止了不良商家盗用或伪造追溯信息，给购买目标作物的客户以及用户带来财产以及安全上的损失。
步骤s207，判定追溯信息不准确。
也就是说，若目标作物的作物产量与作物预测产量若不匹配，可以从侧面说明追溯信息存在问题，比如说此追溯信息存在商家盗用或伪造等问题。有利于及时判断出追溯信息的真伪，进一步保证了购买目标作物的客户以及用户的财产安全。
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第三实施方式涉及一种服务器，如图3所示，包括至少一个处理器31；以及，
与至少一个处理器31通信连接的存储器32；其中，
存储器32存储有可被至少一个处理器31执行的指令，指令被至少一个处理器31执行，以使至少一个处理器31能够执行如本发明第一实施方式、第二实施方式所述的产量预测方法。
其中，存储器32和处理器31采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器31和存储器32的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器31处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器31。
处理器31负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器32可以被用于存储处理器31在执行操作时所使用的数据。
本发明第四实施方式涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述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。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。