基于连翘花期预测的智慧农业服务系统及方法与流程

本发明属于智慧农业技术领域，具体涉及一种基于连翘花期预测的智慧农业服务系统及方法的设计。

背景技术：

连翘(拉丁学名：forsythiasuspensa)是一种落叶灌木，是木樨科连翘属植物，具有耐寒、耐旱、耐涝、耐瘠薄等特性，枝条萌发能力强，在干旱阳坡、悬崖、石缝处均能生长，很适宜在荒山荒坡地种植。一方面，连翘具有特殊的药理作用，连翘以果实入药，是我国40种大宗药材品种之一，具有清热解毒、消肿散结、疏散风热的功效；另一方面，连翘还可作为绿化、美化的景观植物，连翘树姿优美、生长旺盛，特别是在春季开花时节，能够吸引游人踏春赏青，可为旅游业发展增添一道独特的景观。

连翘的生长受到很多环境因素的影响，如温度、湿度、地温、土壤成份、co2浓度、土壤ph值、害虫浓度、杂草浓度等，对连翘生长区域的这些环境因素进行监控，有助于及时掌握连翘生长状况、开展农事活动和现代化农田管理。此外，对连翘花期进行预测，有助于相关部门对连翘观赏期进行规划，从而能够实现连翘观赏价值的最大化，为旅游业提供相应的数据支持和系统保障。而在现有技术中缺少一套针对连翘的生长发育状况以及花开茂盛程度进行监测和管理的方案。

技术实现要素：

本发明的目的是提出一种基于连翘花期预测的智慧农业服务系统及方法，通过结合云计算、大数据、信息采集与处理以及智能预警等技术，帮助广大农业工作者及时掌握连翘生长状况及环境变化趋势，为农业用户提供一套高效便捷的农业监控方案。

本发明的技术方案为：基于连翘花期预测的智慧农业服务系统，包括数据采集子系统、网络传输子系统、数据库子系统、服务器子系统以及终端发布子系统。

数据采集子系统设置于连翘生长区域，用于采集连翘生长区域的各种物候数据。

网络传输子系统用于将物候数据发送至数据库子系统进行存储。

服务器子系统用于读取数据库子系统中存储的物候数据，根据物候数据对连翘花期进行预测，并设置对应的物候数据阈值，当从数据库子系统中读取到的物候数据超过对应阈值时，生成预警信息。

终端发布子系统用于向用户发布连翘生长区域的物候数据、连翘花期预测数据以及预警信息。

数据库子系统用于存储连翘生长区域的物候数据、连翘花期预测数据以及预警信息。

数据采集子系统通过4g网络与网络传输子系统无线通信连接，网络传输子系统通过internet网络与数据库子系统通信连接，数据库子系统还分别与服务器子系统和终端发布子系统通信连接。

进一步地，数据采集子系统包括传感器单元、球形摄像头和自动气象站。

传感器单元包括温度传感器、湿度传感器、地温传感器、co2浓度传感器和土壤水分传感器，分别用于对应采集连翘生长区域的气温、湿度、地温、co2浓度和土壤水分含量。

球形摄像头用于拍摄连翘花、枝以及生物环境的视频图像。

自动气象站用于采集连翘生长区域的风向、风速、湿度、温度、气压和雨量数据。

进一步地，网络传输子系统采用云端通信协议转换器，通过对物候数据进行总线汇聚与电平、协议转换后，接入internet网络，传输至数据库子系统进行存储。

进一步地，终端发布子系统包括电子显示屏、扬声器和gsm模块。

电子显示屏和扬声器分别采用视频和音频的形式向用户发布连翘生长区域的物候数据、连翘花期预测数据以及预警信息。

gsm模块用于将连翘生长区域的物候数据、连翘花期预测数据以及预警信息编辑为短信，发送至用户的移动终端。

本发明还提供了一种基于连翘花期预测的智慧农业服务方法，包括以下步骤：

s1、通过数据采集子系统采集连翘生长区域的各种物候数据。

s2、通过网络传输子系统将采集到的物候数据发送至数据库子系统进行存储，同时采用终端发布子系统向用户发布连翘生长区域的各种物候数据。

s3、通过服务器子系统读取数据库子系统中存储的物候数据，并将物候数据与对应的物候数据阈值进行对比，若存在超过物候数据阈值的物候数据，则进入步骤s4，否则进入步骤s5。

s4、生成超过物候数据阈值的物候数据所对应的预警信息，并将预警信息存储进数据库子系统中，同时通过终端发布子系统向用户发布预警信息。

s5、根据物候数据对连翘花期进行预测，并将预测结果存储进数据库子系统中，同时通过终端发布子系统向用户发布预测结果。

进一步地，步骤s1中采集的物候数据包括连翘生长区域的气温、湿度、地温、co2浓度、土壤水分含量、风向、风速、气压和雨量，以及连翘花、枝及生物环境的视频图像。

进一步地，步骤s3中设置的物候数据阈值包括土壤水分含量阈值、地温阈值、蜗牛密度阈值、蜜蜂密度阈值以及co2浓度阈值。

进一步地，步骤s3中在将物候数据与对应的物候数据阈值进行对比之前，首先采用图像识别算法对连翘花、枝及生物环境的视频图像进行识别处理，得到连翘生长区域的蜗牛密度和蜜蜂密度数据。

进一步地，图像识别算法包括以下步骤：

a1、将视频图像转换为图片图像。

a2、对图片图像进行平滑处理及边缘检测。

a3、对图片图像进行lbp局部特征值提取，得到蜗牛和蜜蜂在不同姿态下的几何特征。

a4、利用sklearn训练神经元网络，并将蜗牛和蜜蜂在不同姿态下的几何特征输入训练好的神经元网络，完成对蜗牛和蜜蜂的识别，得到连翘生长区域的蜗牛密度和蜜蜂密度数据。

进一步地，步骤s5中采用多元线性回归算法对连翘花期进行预测，具体包括以下步骤：

b1、对物候数据进行数据清洗。

b2、对清洗后的物候数据进行相关性分析，筛选出自变量x。

b3、设置连翘始花期天数为目标函数y。

b4、利用sklearn对自变量x和目标函数y进行拟合，得到多元线性回归预测模型，并利用多元线性回归预测模型对连翘花期进行预测。

本发明的有益效果是：本发明通过对连翘赖以生存的环境进行实时的监测，能够及时掌握连翘生长状况，便于开展农事活动和现代化农田管理。本发明利用已知的历史气象数据和花期开放时间做相关性分析，筛选出与连翘花期密切相关的指标，用于后期的回归分析找到内在的规律，从而科学地预测花期开放时间和周期，实现连翘的经济效益最大化。本发明能够为连翘产品的生产指导体系提供数据和技术支撑，为智慧生态旅游的发展提供参照平台，同时也将推广到其它各种农作物的生产指导。

附图说明

图1所示为本发明实施例一提供的基于连翘花期预测的智慧农业服务系统结构框图。

图2所示为本发明实施例二提供的基于连翘花期预测的智慧农业服务方法流程图。

具体实施方式

现在将参考附图来详细描述本发明的示例性实施方式。应当理解，附图中示出和描述的实施方式仅仅是示例性的，意在阐释本发明的原理和精神，而并非限制本发明的范围。

实施例一：

本发明实施例提供了一种基于连翘花期预测的智慧农业服务系统，如图1所示，包括数据采集子系统、网络传输子系统、数据库子系统、服务器子系统以及终端发布子系统。

其中，数据采集子系统设置于连翘生长区域，用于采集连翘生长区域的各种物候数据；网络传输子系统用于将物候数据发送至数据库子系统进行存储；服务器子系统用于读取数据库子系统中存储的物候数据，根据物候数据对连翘花期进行预测，并设置对应的物候数据阈值，当从数据库子系统中读取到的物候数据超过对应阈值时，生成预警信息；终端发布子系统用于向用户发布连翘生长区域的物候数据、连翘花期预测数据以及预警信息；数据库子系统用于存储连翘生长区域的物候数据、连翘花期预测数据以及预警信息。

数据采集子系统通过4g网络与网络传输子系统无线通信连接，网络传输子系统通过internet网络与数据库子系统通信连接，数据库子系统还分别与服务器子系统和终端发布子系统通信连接。

本发明实施例中，数据采集子系统包括传感器单元、球形摄像头和自动气象站。

传感器单元包括温度传感器、湿度传感器、地温传感器、co2浓度传感器和土壤水分传感器，分别用于对应采集连翘生长区域的气温、湿度、地温、co2浓度和土壤水分含量。本发明实施例中，温度传感器和地温传感器采用ds18b20数字温度传感器，湿度传感器采用st-19-06湿度传感器，co2浓度传感器采用s-100hco2传感器，土壤水分传感器采用tm-100土壤水分传感器。球形摄像头用于拍摄连翘花、枝以及生物环境的视频图像。本发明实施例中，采用球形摄像头，便于360°无死角地对连翘花、枝以及生物环境的视频图像进行拍摄。自动气象站用于采集连翘生长区域的风向、风速、湿度、温度、气压和雨量数据。

本发明实施例中，在对连翘生长区域的温度和湿度采集上，使用大范围与小范围相结合的方式，即通过自动气象站采集和预测县、乡级以上范围的温度和湿度，再通过温度传感器和湿度传感器对种植区山脉小范围内的温湿度进行采集，二者有效互补，避免造成温度、湿度的差异。

本发明实施例中，网络传输子系统采用云端通信协议转换器，通过对物候数据进行总线汇聚与电平、协议转换后，接入internet网络，传输至数据库子系统进行存储。

本发明实施例中，终端发布子系统包括电子显示屏、扬声器和gsm模块。

电子显示屏和扬声器分别采用视频和音频的形式向用户发布连翘生长区域的物候数据、连翘花期预测数据以及预警信息。gsm模块用于将连翘生长区域的物候数据、连翘花期预测数据以及预警信息编辑为短信，发送至用户的移动终端。本发明实施例中，gsm模块采用sim900a模块。

本发明实施例中，数据库子系统采用mongodb数据库，由于其可以存储非结构化数据的特点，可以实现对图像、传感器数据和自动气象站数据的存储；由于其具有分布式的特点，可以实现对数据的高效率读写操作。

实施例二：

本发明实时例提供了一种基于连翘花期预测的智慧农业服务方法，如图2所示，包括以下步骤s1～s5：

s1、通过数据采集子系统采集连翘生长区域的各种物候数据。

本发明实施例中，物候数据包括连翘生长区域的气温、湿度、地温、co2浓度、土壤水分含量、风向、风速、气压和雨量，以及连翘花、枝及生物环境的视频图像。

s2、通过网络传输子系统将采集到的物候数据发送至数据库子系统进行存储，同时采用终端发布子系统向用户发布连翘生长区域的各种物候数据。

本发明实施例中，终端发布子系统的信息发布方式包括音频发布、视频发布以及编辑短信发送至用户的移动终端。

s3、通过服务器子系统读取数据库子系统中存储的物候数据，并将物候数据与对应的物候数据阈值进行对比，若存在超过物候数据阈值的物候数据，则进入步骤s4，否则进入步骤s5。

本发明实施例中，物候数据阈值可根据用户需求在服务器子系统中进行自定义设置，包括土壤水分含量阈值、地温阈值、蜗牛密度阈值、蜜蜂密度阈值以及co2浓度阈值。

以土壤水分含量阈值和地温阈值为例，本发明实施例中，根据实验数据分析及连翘生长特性，在土壤20cm处设置测试点，设置连翘播种期(春播、冬播)、苗期、花期、果期的土壤水分含量阈值分别为52％、52％、52％、52％；在土壤0cm处设置测试点，根据实验数据，设置连翘播种期(春播)、苗期、花期、果期的地温阈值分别为25℃、40℃、40℃、35℃。

本发明实施例中，在将物候数据与对应的物候数据阈值进行对比之前，首先需要采用图像识别算法对连翘花、枝及生物环境的视频图像进行识别处理，得到连翘生长区域的蜗牛密度和蜜蜂密度数据。图像识别算法包括以下步骤a1～a4：

a1、将视频图像转换为图片图像。

a2、对图片图像进行平滑处理及边缘检测。

a3、对图片图像进行lbp局部特征值提取，得到蜗牛和蜜蜂在不同姿态下的几何特征。

a4、利用sklearn训练神经元网络，并将蜗牛和蜜蜂在不同姿态下的几何特征输入训练好的神经元网络，完成对蜗牛和蜜蜂的识别，得到连翘生长区域的蜗牛密度和蜜蜂密度数据。

s4、生成超过物候数据阈值的物候数据所对应的预警信息，并将预警信息存储进数据库子系统中，同时通过终端发布子系统向用户发布预警信息。

用户接收到预警信息后，即可通过设置在连翘生长区域的控制执行机构(例如灌溉控制、湿度控制、co2浓度控制、温度控制、病虫害控制等)对连翘的生物环境进行调整，实现连翘的产量和经济效益最大化。

s5、根据物候数据对连翘花期进行预测，并将预测结果存储进数据库子系统中，同时通过终端发布子系统向用户发布预测结果。

本发明实施例中采用多元线性回归算法对连翘花期进行预测，具体包括以下步骤b1～b4：

b1、对物候数据进行数据清洗。

b2、对清洗后的物候数据进行相关性分析，筛选出自变量x。

b3、设置连翘始花期天数为目标函数y。

b4、利用sklearn对自变量x和目标函数y进行拟合，得到多元线性回归预测模型，并利用多元线性回归预测模型对连翘花期进行预测。

本发明实施例中，利用已知的历史气象数据和花期开放时间做相关性分析，筛选出与连翘花期密切相关的指标，用于后期的回归分析找到内在的规律，从而科学地预测花期开放时间和周期，有助于相关部门对连翘观赏期进行规划，从而能够实现连翘观赏价值的最大化，为旅游业提供相应的数据支持和系统保障。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。