一种基于大数据技术的精准农业管理平台及方法与流程

本发明涉及智能化农业设备技术领域，尤其是一种基于大数据技术的精准农业管理平台及方法。

背景技术：

目前，农业，林业，花园看护等涉及植物种植的行业(在后文中为了叙述的简单，仅使用“农业”作为典型的例子)的生产中主要存在以下问题：(1)依赖经验严重：管理者依据自身对农业的经验实施对农田的管理，因此，管理水平强烈依赖于每个管理者的经验。且由于每个人知识水平的限制，很难实现全面，高效的管理。(2)无量化指标：很难实现实时的检测，很难实现对农作物生长环境和农作物需求进行精确的分析。(3)无差异化管理：一个管理单元进行无差异化管理。而实际在一个管理单元内(特别是大块土地作为一个管理单元时)，每一小区域内植物生长环境，土壤的肥力、湿度等差异很大，且每株植物之间都有所差异。无差异管理会造成植物需求与人类的干预(给予)不均衡，无法发挥植物最大的生长潜力，无法实现高的经济效益和生态效益。(4)浪费资源，污染环境：由于管理者知识水平的限制，以及缺少对农作物需求的量化能力，无法科学的合理的使用肥料，农药等，非常容易造成错误和过量的使用它们，既不能保证农作物的健康生长，又造成资源浪费和环境污染。(5)实施精度低：在实施施肥，喷药等操作时，人工方式会导致实施精度低，不仅表现在无法准确的调制出所需的肥料比例和药物比例，还表现在无法均匀，高效和准确的实施或喷洒在农作物上。(6)无预测能力：主要采用“补救”方式，比如出现病虫害后喷洒农药，而无法实现对农作物生长化境，疾病，病虫害等的预警和防止。(7)效率低下，费时费力：目前这些行业大量依靠人力和智能化程度低的机械，造成生产效率低下，费时费力。

总之，目前的农作物栽培的行业的自动化，精准化程度极低。

随着科技的进步，精准农业给现代农业带来了希望。精准农业是基于传感器技术、物联网技术、自动控制技术，实现对农作物生长化境的全面检测，对农作物需求的准确分析，并通过精确的播种、施肥、灌溉、管理和收获，实现农业的高效、可持续发展。目前，精准农业的重点难点集中在三个方面：一、无法全面、高效、实时的监测：目前，植物生长的环境因素的数据获取困难，一方面，现有的农田环境监测系统的没有形成清晰的体系，拓展性差；另一方面，检测模块的类别有限，实时监控困难，获取的数据量有限。二、制定决策模型困难：(1)由于植物生长需求(产量)很难估计准确，而产量和植物生长各环境因素(包括温度，湿度，土壤养分及其他因素)之间呈复杂的非线性关系，现有的精准农业方案面临制定决策模型困难的窘境。(2)随着可检测数据量的增加，数据分析难度急剧增加，决策模型的制定愈发困难。(3)现有的决策制定模型多采用预先设置的方式，模型长期不变，无自主学习能力。但随着应用环境的变化，数据的积累，决策模型应具有优化和重构功能。三、决策执行困难：

(1)目前，精准农业平台多只集中于环境监测，人工分析，然后人工执行后续的管理等操作。由于人为的参与，造成耗时耗力，效率低下，且由于主观因素影响，导致实施决策时误差很大。(2)少数的精准农业平台可以实现灌溉(滴灌)等较复杂的功能，但一方面，可执行的操作非常少，功能单一；另一方面，精准化程度低，比如采用大面积喷灌的方式，无差别对待。

技术实现要素：

本发明针对现有技术中存在的缺点和不足，提出了一种基于大数据技术的精准农业管理平台及方法。

本发明可以通过以下措施达到：

一种基于大数据技术的精准农业管理平台，其特征在于设有数据获取端、存储平台、中心服务器、执行设备、人机交互设备和传输网络；其中存储平台采用存储器和云数据平台相结合实现，存储平台经传输网络接收由数据获取端、中心服务器、执行设备以及人机交互设备输出的数据流，中心服务器中设有运算器和用于产生控制指令的控制器，控制器经传输网络实现对执行设备、人机交互设备、数据获取端、运算器、存储平台以及传输网络本身的控制，存储平台中的指令与数据采用同样的存储方式存储在存储平台中的存储器中，并通过指令流输送给控制器；其中运算器中设有数据入口单元、数据来源识别单元、数据探索及预处理单元、数据挖掘引擎单元、结果与反馈单元、数据应用单元，其中所述数据入口单元分别设有实时检测数据入口模块、农业专家数据入口模块，数据来源识别单元设有实时数据获取模块、专家数据获取模块、历史数据获取模块，其中实时数据获取模块的输入端与实时检测数据入口模块相连接，专家数据获取模块的输入端与农业专家数据入口模块相连接，数据探索及预处理单元中设有数据探索分析模块、预处理模块、数据仓库，其中数据探索分析模块接收数据来源识别单元输出的数据，数据探索分析模块的输出端与预处理模块相连接，预处理模块中设有数据清洗模块、缺失值处理模块、数据变换模块，预处理模块的输出端与数据仓库相连接；数据挖掘引擎单元中设有建模样本数据获取模块、待评估数据获取模块、模型训练模块、模型评价模块、挖掘模型、自动评估模块，其中建模样本数据获取模块、待评估数据获取模块的输入端与数据仓库相连接，建模样本数据获取模块的输出端与模型训练模块相连接，模型训练模块与模型评价模块相连接，模型评价模块的输出端与挖掘模型连接，挖掘模型输出数据至自动评估模块；所述结果与反馈单元中设有评估结果模块，评估结果模块输出数据至数据来源识别单元中的历史数据获取模块中存储，评估结果模块还输出模型优化与重构数据至模型训练模块，评估结果模块将命令数据输出至数据应用单元，经数据应用单元输出。

本发明中所述数据获取端设有高光谱及多光谱摄像机、土壤湿度检测模块、ph检测模块、土壤养分检测模块、特殊气体浓度监测模块、光照检测模块、温度检测模块、声音检测模块、气象数据获取模块、预留输入模块接口。

本发明中所述人机交互设备设有预留接口、输入及显示设备、预处理及识别模块，其中预留接口与外部传输网络相连接，输入及显示机构与预处理及识别模块相连接。

本发明中所述执行设备包括液体精准投放平台、驱鸟设备、防虫设备、光照调节设备、湿度调节设备、温度调节设备、气体调节设备、其他执行设备以及预留执行设备接口，执行设备中设有多种多类别的传感器，作为数据采集端，可以通过预留输入接口模块进行数据的收集。

本发明中液体精准投放平台采用可移动设备实现，可以使用比如拖拉机等机械设备实时移动，喷洒液体，因此，液体精准投放平台包括用于存储水、肥料、农药的储存设备，用于调配的调配箱，用于液体投放的机械臂，用于获取液体精准投放平台位置的高精度图像采集单元和定位传感器，用于检测液体液体精准投放平台的速度及姿态传感器，用于控制喷洒液体形态的喷嘴(可调高压农业灌溉雾化喷嘴)，以及实现液体精准调配的流量传感器和电磁门等附属设备；如附图5所示，是本发明中液体精准投放平台控制系统结构示意图，本液体精准投放平台可以实现对液体携带物质的精确调配，和精准投放。具体的，高精度图像采集单元可以实现对图像的采集和处理，实现对液体精准投放平台的位置的高精度定位。

本发明中定位传感器可以是gps、北斗定位传感器或其他定位传感器，可以实现对液体精准投放平台的实时位置实现检测。同时搭配高精度图像采集单元可以实现对液体精准投放平台所处位置的实时，高精度的定位。

本发明中速度传感器可以实现对实时的对液体精准投放平台的速度及姿态的检测。

本发明中检测的实时的位置和速度及姿态数据会用于液体精准投放程序中，用于机械臂路径优化，以及喷撒时出水口的速度的控制。

本发明中流量传感器1至n，分别对应一种农药或肥料。同理，电磁门1至n也分别对应一种农药或肥料。每次进行农药和肥料的调配时，需要打开电磁门1至n，同时使用流量传感器1至n检测每一种农药或肥料的给药量，待药量达到后关闭对应电磁门。本过程所使用的药或肥料均在调配箱中加水进行调配；待调配完成后，机械臂控制单元获取指令，实现机械臂路径的优化，并控制机械臂运动；压力控制单元实现对调配箱液体施压，准备喷洒；喷嘴控制单元实现对可调高压农业灌溉雾化喷嘴的控制，从而实现对喷出液体的形态进行控制，实现不同程度的喷雾模式，也可以实现高压灌溉模式。其中喷雾模式适合农药和肥料的喷洒，高压灌溉模式可以实现大水量的灌溉；喷嘴控制单元实现对喷嘴的控制，调配箱中的液体将会喷射出来，碰到相应的位置；压力/流量传感器0可以实现对喷出液体的压力和流量的实时监测，进一步将信息反馈给系统，实现对喷出液体量和速度的检测，以及更好的实现整个系统的正反馈。

本发明还提出了一种基于大数据技术的精准农业管理方法，其特征在于包括以下内容：

步骤1：从各数据端获取实时数据经实时监测数据入口输入作为实时数据库，专家数据则由农业专家数据入口输入作为专家数据库；

步骤2：对实时数据和部分专家数据样本、部分历史数据样本进行数据探索分析，剔除不可能存在的错误数据，初步审视正常数据的特征，对数据进行预处理，包括数据清洗(剔除一些特殊数据，比如剔除没有农作物耕种的某一区域的数据)、缺失值处理(采用插值处理的方式，得到由于某些特殊原因没有获取的数据)和数据变换(虽然实时数据在一定程度上能反映农作物生长的某些需求，但要作为构建模型的样本，特征不明显，需要进行重新构造，基于数据变换，得到新的评价指标来表征农作生长环境和需求的所具有的规律)并放入数据仓库，另一方面，将部分可以直接使用的专家数据、历史数据直接放入数据仓库；

步骤3：数据仓库中的数据一部分成为建模样本数据，用于模型训练和模型评价，构建模型；另一部分成为待评价的数据，使用生成的模型进行自动评估；

步骤4：数据经过数据挖掘引擎的处理，经过反复的模型的优化与重构，最终生成评估结果；评估结果既可以被保存为历史数据的，用于后续数据挖掘，又可以进行直接的数据应用。这些数据应用包括：生成控制指令，用于控制执行设备的运行，和其他模块的控制；实时监测数据的各种报表，显示；数据的追踪，比如农作物一生需水量的数据的追踪；预测结果，比如农作物病虫害和杂草的预测；以及其他的应用；上述的数据会输送到相应的接口，包括执行设备接口控制执行设备的运转，显示设备接口进行显示和打印等，以及其他设备接口作为其他用途。

本发明与现有技术相比，具有可以实现对农作物生长状态、生长环境、土壤墒情等进行实时的数据采集的功能；具有长期记忆海量数据、动态模型数据及最终评估结果的功能；能够完成数据提取，数据挖掘，模型优化与重构，指令构建及控制程序执行等加工处理数据、生成指令和控制指令执行的功能；执行具体决策指令，实现对植物生长环境干预的功能；输出处理结果，实现与人交互的能力；实现数据、指令传输的功能。

附图说明：

附图1本发明的体系结构框图。

附图2是本发明中数据挖掘示意图。

附图3是本发明中土壤湿度分布图示意图。

附图4是本发明中温度分布图示意图。

附图5是本发明中液体精准投放平台控制系统结构示意图。

具体实施方式：

下面结合附图对本发明作进一步的说明。

本发明提出了一种基于大数据技术的精准农业平台的基本组成包括数据获取端，存储平台，中心服务器，执行设备，人机交互设备和传输网络。分别实现如下功能：对农作物生长状态、生长环境、土壤墒情等进行实时的数据采集的功能；长期记忆海量数据、动态模型数据及最终评估结果的功能；能够完成数据提取，数据挖掘，模型优化与重构，指令构建及控制程序执行等加工处理数据、生成指令和控制指令执行的功能；执行具体决策指令，实现对植物生长环境干预的功能；输出处理结果，实现与人交互的能力；实现数据、指令传输的功能。

所述的数据获取端包括高光谱及多光谱摄像机、土壤湿度检测模块、ph检测模块、土壤养分检测模块、特殊气体浓度监测模块、光照检测模块、温度检测模块、声音检测模块、气象数据获取模块、预留输入模块接口等，可以实现对农作物生长状态，生长环境，土壤墒情(或无土栽培技术中的培养液成分)等进行实时的数据采集，为后续的分析提供充足的数据积累。这些数据获取端大量部署于管理的区域内，且都带有定位装置，当数据被获取之后，会被标记(位置，时间标签)，形成数据分布图，从而方便后续的处理。

其中，当采用高光谱及多光谱摄像机作为数据获取端时：采用机器视觉技术，对采集的影像进行处理，1.可以实现对农作物生长环境的影像实时监控。比如农作物的长势的影像监控，杂草生长情况；通过分析农作物叶子的颜色等实现对农作物疾病和病虫害的预防；通过监控农作物生长环境，实现对有害鸟类等的监控；2.可以作为执行设备的实施效果进行影像反馈，比如光谱及多光谱摄像机可液体精准投放平台的提供轨迹规划参考和液体投放位置的监控。

土壤湿度检测模块用于实时采集土壤的湿度数据，获取土壤的湿度分布图。

ph检测模块用于实时采集ph数据，获取酸碱度分布图。

土壤养分检测模块用于实时采集土壤的养分数据，获取土壤的养分分布图，比如土壤或营养液中氮、磷、钾的含量的分布图。

特殊气体浓度监测模块用于实时采特殊气体浓度数据，获取特殊气体浓度分布图。例如采集氮气、二氧化碳的浓度分布图。

光照检测模块用于实时采集光照数据，获取光照分布图。

温度检测模块用于实时采集温度数据，获取温度分布图。

声音检测模块用于实时采集声音数据，获取声音分布图。声音的分布图可以用于多种用途，比如可以用来分析管理区域的鸟类的分布情况。

气象数据获取模块可以实施从网络中获取实时的气象数据，例如天气、污染情况。

为了方便平台的扩展预留输入模块接口，可为后续检测模块的接入提供方便。

所述的存储平台包括存储器和云数据平台，用来长期记忆海量数据、动态模型数据及最终评估结果，并且用来存储程序数据。存储器可以与云数据平台之间进行数据的传输。

所述的中心服务器包括运算器和控制器。运算器用于完成各种算术运算、逻辑运算和数据加工处理。控制器用于整个平台的控制，以及控制程序的执行。运算器和控制器组成了数据挖掘最核心的部件。控制器根据存放在存储器中的指令序列(程序)进行工作，并由一个程序计数器控制指令的执行。控制器具有判断能力，能根据计算结果选择不同的工作流程。运算器可以与存储器进行数据和程序的传输。控制器可以将控制命令通过传输网络传输给相应的模块。

所述的执行设备包括液体精准投放平台、驱鸟设备、防虫设备、光照调节设备、温度调节设备、湿度调节设备、气体调节设备、其他执行设备和预留执行设备接口等，实现对农作物生长环境的干预，以其得到最佳的经济效益和生态效益。

液体精准投放平台可以实现液体或可以由液体携带的物质的的精准调配，以及精准的投放，例如精准灌溉，精准施肥，和精准喷药等。液体精准投放平台包括液体，肥料，和农药的存储单元，匹配单元，和投放单元。

驱鸟设备包括机械驱鸟设备和声音驱鸟设备，用于驱赶对农作物生长不利的鸟类。

防虫设备用于防治害虫，比如防虫帐。

光照调节设备用于调节农作物生长环境的亮度，以及谱线，以达到最佳光照。

温度调节设备用于调节农作物生长环境的温度，包括空气温度、土壤温度和水温。

湿度调节设备用于调节农作物生长环境的湿度。

气体调节设备用于调节特殊气体的浓度，包括空气中、土壤中和液体环境中的特殊气体的浓度。比如二氧化碳的浓度。

其他执行设备包括上述未提及的其他执行设备，比如在大棚化境下的通风设备、保温设备等。

为了方便平台的扩展预留预留执行设备接口，可为后续执行设备的接入提供方便。

所述的人机交互设备包括输入及显示设备、预处理及识别模块、预留接口。这里的输入及显示设备包括电脑和各种移动设备(平板电脑、智能手机)，以及可以用于输入和显示的模块，比如打印机，键盘等。预处理及识别模块用于对输入设备输入的信息进行预处理及识别，比如经麦克风输入的自然语音，可以在本模块被处理，识别，从而形成人机交互中人为输入的信号。预留接口方便系统扩展接入其他的人机交互设备。

所述的传输网络用于实现各部件之间的数据交换(包括数据信息和指令以及控制信息)。比如，可以由无线模块组成的蜂窝网络实现采样点之间的数据传送，并将数据传送给网关，再由用3g/4g/5g或互联网将数据传送到存储平台。中心服务器在得到评估结果后，会由控制器生成控制指令，这些指令会由传输网络传输给相应的模块。

实施例一：

开放式农田、花园中：

将大量多种传感器模块作为数据获取端，部署在管理的农田、花园的不同区域，各个传感器模块实时采集农作物的生长影像，土壤墒情(土壤湿度、ph值、土壤养分)、特殊气体浓度，光照条件，温度情况和现场声音。同时气象数据获取模块可以实时从网络中获取实时的气象数据，例如天气、污染情况。这些数据连同每个模块的位置信息通过传输网络传送给存储平台，通过处理(比如插值)形成各检测数据的分布图，如图3所示为一土壤湿度分布图，图4是温度分布图。存储器可以实现与云数据平台之间的数据交换。通过大数据技术，实现对数据的评估建模，得到评估结果。这些评估结果既可以被保存为历史数据的，用于后续数据挖掘，又可以进行直接的数据应用。这些数据应用包括：生成控制指令，用于控制执行设备的运行，和其他模块的控制；实时监测数据的各种报表，显示；数据的追踪，比如农作物一生需水量的数据的追踪；预测结果，比如农作物病虫害的预测；以及其他的应用。

控制器生成的命令通过传输网络传输给执行设备执行,实现对液体携带物质的精确调配，和精准投放、驱赶有害鸟类、预防病虫害、调节光照、设备温度、设备湿度、调节特殊气体，实现对农作物生长环境的干预，以其得到最佳的经济效益和生态效益。

同时，人机交互设备将会在包括电脑和各种移动设备(平板电脑、智能手机)实时显示控制指令、检测数据、往期数据，以及预测结果。人可以通过键盘等触摸设备实现对系统的人为干预和调控。同时，人可以通过麦克风实现自然语音的输入，通过预处理及识别模块用于对输入设备输入的信息进行预处理及识别。人机交互设备可与存储平台之间通过传输网络实现数据的传输。

本发明还是用于蔬菜大棚，无土栽培等特殊的种植方式。

本发明一方面，采用先进的传感器技术，使用大量多种传感器模块作为数据获取端，提供海量的实施数据。这些传感器模块包括高光谱及多光谱摄像机、土壤湿度检测模块、ph检测模块、土壤养分检测模块、特殊气体浓度监测模块、光照检测模块、温度检测模块、声音检测模块等，这些传感器大量分布于管理区域的不同位置，可以实现对农作物生长状态，生长环境，土壤墒情(或无土栽培技术中的培养液成分)等进行实时的数据采集，为后续的分析提供充足的数据积累。同时气象数据获取模块可以实施从网络中获取实时的气象数据，例如天气、污染情况。为了方便平台的扩展预留输入模块接口，可为后续检测模块的接入提供方面。另一方面，这些数据获取端都带有定位装置，当数据被获取之后，会被标记(位置，时间标签)，形成数据分布图，从而方便后续的处理；采用物联网实现各部件之间的数据交换(包括数据信息和后面提到的指令以及控制信息)。比如，可以由无线模块组成的蜂窝网络实现采样点之间的数据传送，并将数据传送给网关，再由用3g/4g/5g或互联网将数据传送到存储平台。中心服务器在得到评估结果后，会由控制器生成控制指令，这些指令会由传输网络传输给相应的模块；采用大数据技术、人工智能技术，使用中心服务器对得到的实时数据、历史数据和农业专家数据进行数据挖掘，通过不断优化和修正模型，做出自动评估，生成评估结果，应用这些结果，进行相应的数据应用。特别注意的是，本发明的决策制定模型具有自主学习能力，可随着应用环境的变化，数据的积累，实现对决策模型的优化和重构；采用先进的工业自动控技术，平台可以将控制器生成的命令通过传输网络传输给执行设备执行。执行设备包括液体精准投放平台、驱鸟设备、防虫设备、光照调节设备、温度调节设备、湿度调节设备、气体调节设备、其他执行设备和预留执行设备接口等，实现对农作物生长环境的干预，以其得到最佳的经济效益和生态效益；相比于现有的技术具有以下显著优点：(1)可以实现全面、高效、实时的监测；(2)决策模型制定更加精确，高效，且具有自主学习能力；(3)采用执行设备，实现了对决策的精准执行；(4)具有预测能力，可以实现对比如病虫害隐患的预测，而非被动式补救的管理策略。(5)保存的大量数据也是一笔大财富，可以用于其他的研究，比如建立更加准确的植物生长需求模型。