基于品质因数的农业物联网多源数据融合方法及系统与流程

本发明涉及到大数据技术中多源异构数据预处理领域，具体涉及一种基于品质因数的农业物联网多源数据融合方法及系统。

背景技术：

随着计算机技术、物联网技术和传感器技术的发展，农业物联网有力地推动了信息化和农业现代化的融合，进一步扩大了精细农业的应用。物联网传感器节点采集到的数据是否及时、正确，将会直接影响农业信息化服务水平和社会经济价值。如果将不经处理的海量农业数据直接上传，不仅不利于数据的挖掘利用，还会造成网络拥塞，缩短传感器网络寿命。

为解决未经处理的海量农业数据上传后造成的问题，现有技术中采用了数据层数据融合算法，具体为：对于多个同类传感器采集的数据，按照一定标准或者准则进行融合操作，降低数据之间的冗余度，减少数据传输量和数据处理量，提高数据准确度和精度。

常用的数据层数据融合算法有加权平均算法，它是通过调整和确定数据的权系数来保证融合后数据的方差最小，从而减小数据传输量和数据处理量；但这一过程对于复杂度低的多源数据融合或复杂度高的多源数据融合，其都存在实现难度大的问题，而且根据农业生产环境的具体情况和不同位置的同类传感器所在环境的差异，融合后的数据方差不一定最小，即加权平均算法鲁棒性低。

技术实现要素：

为解决现有农业物联网数据融合算法的低鲁棒性和数据冗余浪费问题，本发明提供一种实现多源数据融合难度小且融合后的数据精准度高的基于品质因数的农业物联网多源数据融合方法及系统。

基于品质因数的农业物联网多源数据融合方法，所述方法为：

利用各个传感器采集数据，各个传感器包括温度传感器和湿度传感器，以季节和是否下暴雨为根据判断是否改变温度传感器和湿度传感器的采集状态，若为夏天暴雨，将湿度传感器伸出土壤表面，将温度传感器缩入土壤内，反之，均不改变温度传感器和湿度传感器采集数据状态；

各个同类传感器采集农业数据，处理模块利用限幅滤波平均算法对农业数据进行限幅滤波和平均处理，处理后得到各个同类传感器的有效数据，处理模块利用传感器的可靠度公式和品质因数公式得到各个同类传感器的品质因数，处理模块利用数学方法将品质因数的集合与有效数据的集合相乘，得到融合后的数值型数据。

本发明的有益效果为：

1.限幅滤波平均算法完成了对数据的限幅滤波和平均处理，其中限幅滤波处理的过程非常简单，并且有效的解决了由于多传感器偶然因素引起脉冲数据的问题，同时避免由于长期一致疏失数据的干扰。

2.采用本方法，即使各个多传感器所提供的信息有一定的误差和不确定性，但通过对多个多传感器提供的信息进行有效的融合，可以比任何单一传感器获取的信息更可靠、更完整。

3.本方法是通过观察数据和先验加权系数来计算两个数据的真实性，使用多个观测实体数据，解释关联或分类的度量，因此，本方法具有精准度高、复杂度低等特点，并且能非常简单的在单片机中实现。

4.本方法提高了多传感器系统的鲁棒性和准确性，消除单个或少量传感器的局限性，使数据在采集前端完成区域性单参数的数据融合，为上层决策系统节省了大量的计算资源，进一步提高了数据的及时性和有效性。

5.基于上述数据的及时性和有效性的提高，对精准农业中农业监测的实时性以及预测模型的稳定性起一定的帮助。

6.通过判断季节和是否为暴雨来改变温度传感器和湿度传感器的采集状态，该特征提高了本方法的鲁棒性；因为夏天暴雨之前为高温，暴雨时，温度急剧下降，前后的温差和湿度差波动很大，此时土壤内的湿度相对土壤表面和空气内的湿度变化没那么大，通过将湿度传感器伸出土壤表面，湿度传感器检测土壤表面的湿度，使得湿度传感器检测到的湿度参数更准确，基于这个湿度参数，其他系统进行相应的操作，比如灌溉系统，暴雨，湿度传感器检测的湿度参数很大，则灌溉系统停止对农作物进行灌溉。

另外，土壤温度主要指地面下浅层内的温度，同理，此时将温度传感器缩入土壤内，温度触感器检测到的温度参数更准确，避免了雨水这个外界因素对检测温度的影响，其次，避免雨水进入温度传感器，损坏温度传感器内部的元器件。

进一步，所述方法中处理模块利用限幅滤波平均算法获得各个传感器的有效数据包括以下步骤：

s1，预先确定采集数据状态：夏天暴雨，将温度传感器伸出土壤表面，将湿度传感器缩入土壤内，反之，均不改变温度传感器和湿度传感器采集数据状态；

s2，获取原始采集数据步骤：各个传感器在同一时刻分别采集数据，处理模块通过预先设定的数据范围，在采集的数据中筛选出符合条件的一组数据，处理模块利用中位数算法，将这组数据按大小方式从小到大排序，得到原始数据，并从原始数据中得到其中位数f；

s3，得到有效数据判定区间步骤：处理模块根据中位数f得到上四分位数f1和下四分位数fh，处理模块将上四分位数和下四分位数带入四分位数的离散度公式：df＝fh-f1，计算得到四分位数的离散度df，根据有效数据判定区间[p1，p2]公式：

处理模块将与中位数的距离大于βdf的数据判定为大误差数据，β＝1，并得到有效数据判定区间。

s4，获取有效数据步骤：处理模块将原始数据中偏离有效数据区间的数据剔除掉，得到n个传感器在i时刻获取的有效数据x(i)＝[x1(i)，x2(i)，...，xn(i)]。

这样设计能实现从采集的数据中筛选出有效数据，并且在s2步骤中，基于判断采集的数据是否在预先设定的范围内，能有效克服因偶然因素引起的脉冲干扰，其次，在s2步骤中，基于从原始数据中得到中位数，能有效克服因偶然因素引起的波动干扰；对温度、液位等变化缓慢的被测数据有良好的滤波效果。

进一步，所述方法中利用限幅滤波平均算法获得各个传感器的品质因数包括以下步骤：

s5，计算品质因数步骤：处理模块将有效数据个数k1除以全部数据个数k得到传感器的可靠度r，处理模块将可靠度r带入品质因数公式：

计算得到n个传感器在i时刻经过限幅滤波平均算法融合后得到各个有效数据的品质因数，各个有效数据的品质因数表示为y(i)＝[y1(i)，y2(i)，...，yn(i)]；s2为各个有效数据的方差，α＝0.05。

这样设计能通过方差和可靠度计算出哪个传感器的数据更加稳定、精确。

进一步，处理模块将品质因数y(i)转化为权值矩阵wt，并将权值矩阵wt和有效数据x(i)相乘：s(i)＝x(i)wt，计算得到多传感数据融合后的数据s(i)。

这样设计能得到融合后的数据。

进一步，在s2步骤之中，各个传感器采集次数k小于等于采集的全部数据个数k；判断采集的数据是否在预先设定的范围内，如果是，处理模块依次存储采集数据x1，x2，...，xn，否则，各个传感器重新采集数据，

判断数据x1，x2，...，xn的个数是否大于k/2；如果是，处理模块对数据x1，x2，...，xn按照大小排列方式从小到大排序后，得到数据y1，y2，...，yn，计算数据y1，y2，...，yn的中位数f；

否则，判断采集数据的个数是否大于k/2的次数m是否大于等于m，如果是，则报错，算法结束，否则，清空存储数据，各个传感器重新采集数据；

在s2步骤之中，各个同类传感器采集次数k大于采集的全部数据个数k，判断采集数据x1，x2，...，xn的个数是否大于k/2。

这样设计能解决由于传感器精度或其他干扰因素使测量数据与真实数据之间存在较大误差的问题。

基于品质因数的农业物联网多源数据融合系统，包括依次信号连接的多传感器系统、a/d转换器、处理模块和服务器，多传感器系统由多个传感器组成，各个传感器分别与a/d转换器信号连接；

各个传感器均用于采集农业数据，a/d转换器用于将农业数据由模拟信号变为数字信号，处理模块利用限幅滤波平均算法对数字化的农业数据进行限幅滤波处理和平均处理，处理后得到各个传感器的有效数据，处理模块利用传感器的可靠度公式得到各个传感器的品质因数，处理模块利用数学方法将品质因数的集合与有效数据的集合相乘，得到最终融合后的数据。

附图说明

图1为本发明基于品质因数的农业物联网多源数据融合方法及系统实施例一的多传感器节点有效数据以及品质因数获取流程图。

图2为本发明基于品质因数的农业物联网多源数据融合方法及系统实施例一的基于品质因数的数据融合计算流程图。

图3为本发明基于品质因数的农业物联网多源数据融合方法及系统实施例一的正剖图。

具体实施方式

下面通过具体实施方式进一步详细说明：

说明书中的附图标记包括：蓄水箱1、滑板2、挡板3、复位弹簧4、连接杆5、水平杆6、竖直杆7、输水口8、输水管9、湿度传感器10、温度传感器11、支杆12.

实施例一

如图1所示，基于品质因数的农业物联网多源数据融洽方法，包括以下步骤：

s1，预先确定采集数据状态：以季节和是否下暴雨为根据判断是否改变温度传感器和湿度传感器的采集状态，若为夏天暴雨，将湿度传感器伸出土壤表面，将温度传感器缩入土壤内，反之，均不改变温度传感器和湿度传感器采集数据状态；

s2，各个同类传感器采集数据，并判断各个同类传感器采集次数k是否小于等于采集的全部数据个数k；如果是，则执行s2步骤，否则执行s3步骤；

s3，判断采集的数据是否在预先设定的范围内，如果是，则依次存储采集数据x1，x2，...，xn，并执行s3步骤，否则返回s2步骤；

s4，判断采集数据x1，x2，...，xn的个数是否大于k/2，如果是，则执行s7步骤，否则执行s5步骤；

s5，判断连续执行s4步骤的次数m，如果m大于等于m，则报错，算法结束，否则执行s5步骤；

s6，清空存储数据，并返回执行s2步骤；

s7，对采集数据x1，x2，...，xn按大小排序后得到y1，y2，...，yn；

s8，根据中位数计算公式ym＝y(n+1)/2(n为奇数时)，ym＝[(yn/2+1+yn/2)]/2(n为偶数时)，计算y1，y2，...，yn的中位数ym；

s9：根据中位数ym得到两个四分位数，上四分位数为fl，下四分位数为fh。四分位数的离散度为：df＝fh-fl，将与中位数的距离大于βdf的数据判定为大误差数据，从而得到有效数据判定区间[p1，p2]：

将不属于该区间的疏失数据剔除掉。

s10：计算各个传感器的可靠度：

其中k1代表有效数据个数，k代表全部数据个数；

计算各个传感器的有效数据的品质因数：

s11：如图2所示，利用数据融合公式得到各个传感数据融合后的数据s(i)，设w为带估计的权值矩阵，表示为w＝[w1，w2，...，wn]t，xn(i)表示i时刻n个传感节点的有效数据矩阵，表示为x(i)＝[x1(i)，x2(i)，...，xn(i)]，那么融合后的数据可以表示为

其中w的权值矩阵由品质因数获取。

为实现本方法，现采用如下基于品质因数的农业物联网多源数据融合系统：

基于品质因数的农业物联网多源数据融合系统,包括依次信号连接的多传感器系统、a/d转换器、stm8单片机和服务器，多传感器系统由多个传感器组成，各个传感器分别与a/d转换器信号连接。

如图3所示，多传感器系统包括温度传感器11和湿度传感器10，温度传感器11为pt100温度传感器，其用于检测土壤浅层的温度，湿度传感器10为fdr土壤湿度传感器，温度传感器11和湿度传感器10均是按照插入法的方式插入土壤

多传感器系统一侧固定安装有灌溉系统，灌溉系统包括若干个开口朝上的蓄水箱1和若干个导水管，相邻的蓄水箱1通过导水管连通，蓄水箱1开设有输水口8，输水口8焊接有输水管9，输水管9将水输送到农作物的根部。

蓄水箱1内滑动连接有水平设置的滑板2，滑动方向为竖直方向，滑板2将蓄水箱1划分为上腔室和下腔室，滑板2上开设有多个通水孔，滑板2与蓄水箱1底壁之间竖直设置有复位弹簧4，复位弹簧4两端分别与滑板2中心处和蓄水箱1底壁的中心处焊接。

复位弹簧4一侧竖直设置有连接杆5，连接杆5底端穿过蓄水箱1底壁且与温度传感器11顶部固定，连接杆5顶端另一端与滑板2向下一面焊接，连接杆5与蓄水箱1滑动连接，且连接杆5与蓄水箱1连接处作密封处理。

连接杆5位于蓄水箱1外部分焊接有水平杆6，水平杆6与湿度传感器10之间设有竖直杆7，竖直杆7顶端与水平杆6铰接，竖直杆7底端与湿度传感器10顶部焊接；竖直杆7与连接杆之间设有竖直设置的支杆12，支杆12底端固定安装于地面，支杆12顶端与连接杆中心位置处焊接，顶端蓄水箱1含有输水口8一侧滑动连接有挡板3，滑动方向为竖直方向，其中挡板3能挡住输水口8。

具体过程如下：

(一)确定温度传感器和湿度传感器采集状态过程

夏天，暴雨来临，灌溉系统正在对农作物进行灌溉，此时，开口朝上的蓄水箱1收集雨水，由于是暴雨，上腔室内的水无法及时通过通水孔排入下腔室内，此时，上腔室内的雨水逐渐增多，随之重量也在增加，则雨水推动着滑板2向下滑动。

滑板2向下滑动过程中，滑板2压缩复位弹簧4，并带动挡板3和连接杆5同步向下滑动，挡板3逐渐遮挡住输水口8，此时，灌溉系统停止对农作物灌溉；而连接杆5向下滑动过程，会将温度传感器11压进土壤内，在水平杆6和支杆12配合下，，竖直杆7带动湿度传感器10上升。

本方案通过蓄水和通过通水孔的排水速率来感知下雨和雨水的大小，并且本方案停止灌溉系统对农作物灌溉的动力源来自自然，即雨水的重力，除此之外，通过联动的结构，将温度传感器11压进土壤内，避免温度传感器11因雨水太大，而导致内部元器件进水后损坏；将湿度传感器10拉出土壤表面，使得温度传感器11和湿度传感器10分别检测温度参数值和湿度参数值更准确；另外通过挡水板3将输水口8挡住，本系统能及时停止对农作物灌溉。

最后，暴雨停止时，本方案能通过复位弹簧4恢复至初始状态。

(二)第一次筛选过程

各个传感器均采集农业数据，采集的农业数据为模拟信号，各个传感器将各自采集的农业数据以模拟信号形式传输给a/d转换器，a/d转换器将农业数据由模拟信号变为数字信号，并将转化后的农业数据以数字信号形式传输给stm8单片机，基于限幅滤波平均算法，单片机对该农业数据进行限幅滤波处理，即根据经验判定，预先设定一个范围，基于这个范围，stm8单片机筛选出符合条件的农业数据。

(三)第二次筛选过程

stm8单片机再对筛选后的农业数据进行平均处理，即stm8单片机将筛选后的农业数据从小到大排序，得到原始数据(y1，y2，...，yn)，根据中位数计算公式ym＝y(n+1)/2(n为奇数时)，ym＝[(yn/2+1+yn/2)]/2(n为偶数时)，得到原始数据中位数ym。

根据中位数ym得到两个四分位数，上四分位数为fl，下四分位数为fh；四分位数的离散度为：df＝fh-fl，将与中位数的距离大于βdf的数据判定为大误差数据，从而得到有效数据判定区间[p1，p2]：

将不属于该区间的疏失数据剔除掉；从而得到农业数据中的有效数据。

(四)得到融合后数据过程

计算各个传感器的可靠度：

其中k1代表各个传感器采集的有效数据个数，k代表全部数据个数；

计算各个传感器的有效数据的品质因数：

stm8单片机将各个品质因数的集合y(i)转化为权值矩阵wt，基于数据融合算法：s(i)＝x(i)wt，设w为带估计的权值矩阵，表示为w＝[w1，w2，...，wn]t，xn(i)表示i时刻n个传感节点的有效数据矩阵，表示为x(i)＝[x1(i)，x2(i)，...，xn(i)]，那么融合后的数据可以表示为

通过上述系统得到多源农业数据融合后的数值型数据。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。