基于区块链的水稻智慧管理方法

本发明涉及农业，尤其涉及基于区块链的水稻智慧管理方法。

背景技术：

1、水稻是人类重要的粮食作物之一，耕种与食用的历史都相当悠久。全世界有一半的人口食用稻，主要在亚洲、欧洲南部和热带美洲及非洲部分地区。稻的总产量占世界粮食作物产量第三位，低于玉米和小麦，但能维持较多人口的生活，水稻喜高温、多湿、短日照，对土壤要求不严，它不仅是主粮，历史悠久的演化下，稻米还有很多对人类有贡献的经济作用，如米糠就是其一，米糠是米的皮层，可以榨油。此外，米糠也能腌菜，甚至单独成为一道菜，就叫做炒米糠。据科学家研究，米糠的营养价值也相当高，除含有稻米中64％的营养，还含有90％以上人体需要的营养；因此，发明出基于区块链的水稻智慧管理方法变得尤为重要；

2、经检索，中国专利号cn110692463a公开了一种用于水稻的田园管理方法，该发明虽然可提高收成的效率，协调营养生长和生殖生长的矛盾，巩固有效分蘖，促进壮杆大穗，但是其数据处理时的能耗较大，数据处理效率差；此外，现有的水稻智慧管理方法无法精确反馈存在风险的水稻管理信息，增加工作人员分析时间；为此，我们提出基于区块链的水稻智慧管理方法。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的缺陷，而提出的基于区块链的水稻智慧管理方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、基于区块链的水稻智慧管理方法，该管理方法具体步骤如下：

4、(1)采集水稻种植信息并进行分类记录；

5、(2)构建区块链并将水稻信息进行上链处理；

6、(3)实时对区块链数据传输进行风险分析；

7、(4)区块链接收节点发送的交易请求并进行加密；

8、(5)依据区块链信息定期生成水稻管理日志并反馈。

9、作为本发明的进一步方案，步骤(1)中所述分类记录具体步骤如下：

10、步骤一：工作人员上传各组稻田信息，再收集各稻田水稻种类，再依据水稻种类对各组稻田进行分类处理，之后系统自行对分类完成的各组稻田进行编号处理；

11、步骤二：对分类完成的各组稻田的水稻生长阶段进行采集，并记录采集日期，同时记录相对应的稻田编号以及水稻种类，再对相关水稻成熟日期进行预测并记录。

12、作为本发明的进一步方案，步骤一中所述水稻种类具体包括籼稻、粳稻、巨型稻、旱稻、浮水稻、杂交水稻、懒人稻以及海水稻；

13、步骤二中所述水稻生长阶段具体包括乳熟期、蜡熟期、完熟期以及枯熟期。

14、作为本发明的进一步方案，步骤(2)中所述区块链具体构建步骤如下：

15、步骤ⅰ：系统数据库以及工作人员请求将相关数据进行处理并生成相对应的区块，其中，相关数据具体包括用户公钥、用户希望添加至区块链上的消息、添加消息时使用设备的mac地址、请求时间、消息状态标记以及查询号；

16、步骤ⅱ：区块依据需上链数据生成区块哈希树，并在共识过程中生成区块头部，其中，一组区块包括哈希指针、区块号、根节点指针、验证字段、时间戳、添加者标记以及哈希树节点；

17、步骤ⅲ：将前一区块的哈希指针记录至新生成的区块内部以进行区块连接形成区块链。

18、作为本发明的进一步方案，步骤ⅰ中所述共识过程具体步骤如下：

19、步骤①：在入网时，区块链网络中各节点生成本地的公私钥对作为自己在网络中的标识，当a节点等待本地角色成为候选节点时，向网络中其他节点广播领导申请并发送公钥a、查询号以及验证字段；

20、步骤②：b节点对收到的申请进行验证，验证通过则向a节点返回公钥b以及同意指令，并不再同意新的申请；验证未通过则请求全网共识检查错误方，若b节点出错则修改本地记录再次验证，如a节点出错则返回公钥b以及错误指令；

21、步骤③：若a节点得到超过50％的节点同意，或在全节点都已投票后得票最高，则a节点成为领导节点，其他节点成为跟随节点，之后a节点广播区块记录信息公钥a以及哈希值，跟随节点收到信息以后向其他跟随节点广播收到的信息并记录重复次数；广播结束后，跟随节点使用重复次数最多的信息生成区块头，并向a节点发送确认申请；

22、步骤④：a节点收到确认申请后检查新哈希指针与新验证字段是否正确，若b节点出错则向其重新发送公钥a以及哈希值，并要求b节点向其他跟随节点发送请求信息，所有跟随节点发送的确认信息都验证通过后，a节点发送添加命令并进入沉睡期，在沉睡期内不能再次申请成为领导节点，直到结束沉睡期，跟随节点收到确认信息后,将新生成的区块添加至链上并返回候选身份。

23、作为本发明的进一步方案，步骤(3)中所述风险分析具体步骤如下：

24、s1：系统自行构建并训练一组检测神经网络，之后检测神经网络获取nsl-kdd数据集，并将数据集中非二进制数据转换为二进制，之后通过min-max归一化方法将nsl-kdd数据集转换至0到1区间内；

25、s2：将nsl-kdd数据集的特征数据转换为图像格式的特征，形成样本特征图，再对所述样本特征图进行人工标记，并将其作为训练集，然后对训练集进行标准化处理以获取训练样本，之后再收集水稻管理信息作为测试集；

26、s3：将训练样本输送到检测神经网络中，设置模型具体参数，采用长期迭代法训练该检测神经网络，并将测试集输入到训练好的模型中进行分析并绘制相对应的风险曲线，同时进行风险评分以供工作人员进行查看，并对相关水稻进行相应管理调整。

27、作为本发明的进一步方案，s1中所述min-max归一化方法具体计算公式如下：

28、

29、其中，xnew表示归一化后的数据；x表示nsl-kdd数据集的特征数据；xmax表示特征数据的最大值；xmin表示特征数据的最小值；

30、s2中所述标准化处理具体步骤如下：

31、

32、其中，x表示提出的特征参数；mean(x)表示对所提特征参数进行平均处理；std(x)表示对特征参数求标准差；

33、s3中所述风险评分具体步骤如下：

34、

35、式中，ri代表规则重要程度，rm代表规则历史命中次数，rn代表命中规则数，s代表告警风险系数，as代表资产重要性，vi代表漏洞严重程度。

36、相比于现有技术，本发明的有益效果在于：

37、1、该基于区块链的水稻智慧管理方法通过系统数据库以及工作人员请求将相关数据进行处理并生成相对应的区块，之后区块依据需上链数据生成区块哈希树，在入网时，区块链网络中各节点生成本地的公私钥对作为自己在网络中的标识，当某一节点等待本地角色成为候选节点时，向网络中其他节点广播领导申请并发送相关数据，其余节点收到申请后进行验证，验证通过则反馈通过数据，验证失败则反馈失败数据，跟随节点收到该节点信息以后向其他跟随节点广播收到的信息并记录重复次数，广播结束后，跟随节点使用重复次数最多的信息生成区块头，并向该节点发送确认申请，节点收到确认申请后检查新哈希指针与新验证字段是否正确，若存在节点出错则向其重新发送信息，并要求该节点向其他跟随节点发送请求信息，所有跟随节点发送的确认信息都验证通过后，领导节点发送添加命令并进入沉睡期，在沉睡期内不能再次申请成为领导节点，直到结束沉睡期，跟随节点收到确认信息后,将新生成的区块添加至链上并返回候选身份，能够降低区块链数据处理时的能耗，并提高其数据处理效率，满足了去中心化需求，同时保证了数据传输的安全；

38、2、该基于区块链的水稻智慧管理方法通过系统自行构建并训练一组检测神经网络，之后检测神经网络获取nsl-kdd数据集，并将数据集中非二进制数据转换为二进制，之后通过min-max归一化方法将nsl-kdd数据集转换至0到1区间内，将nsl-kdd数据集的特征数据转换为图像格式的特征，形成样本特征图，再对所述样本特征图进行人工标记，并将其作为训练集，然后对训练集进行标准化处理以获取训练样本，之后再收集水稻管理信息作为测试集，将训练样本输送到检测神经网络中，设置模型具体参数，采用长期迭代法训练该检测神经网络，并将测试集输入到训练好的模型中进行分析并绘制相对应的风险曲线，同时进行风险评分以供工作人员进行查看，并对相关水稻进行相应管理调整，能够精确反馈存在风险的水稻管理信息，提高工作人员水稻管理的高效性，同时减少工作人员分析时间，操作过程简单、易操作。