一种基于大数据的农作物环境监测方法及系统与流程

本技术涉及大数据，具体涉及一种基于大数据的农作物环境监测方法及系统。

背景技术：

1、我国的农业具有悠久的发展历史，农业是国民经济的基础，而农业主要是根据农作物的生长发育规律，通过人工培育来获得产品的产业；而近年来，随着信息大爆炸，各种数据扑面而来，大数据技术是以数据为本质的新一代革命性的信息技术，在数据挖潜过程中，能够带动理念、模式、技术及应用实践的创新，因此如何通过大数据与农业结合以提高农业效率，是一大热门研究方向。

2、目前，随着农业的产业化和规模化发展，很多田地采用了各种传感器对农作物当前所处的环境数据进行获取，通过对当前环境数据进行调整使农作物生长的更好，但是农作物所适宜的环境数据大多需要工作人员根据自身主观经验，对于多种农作物，工作人员难以知晓各种农作物的生长所需，进而无法做到灵活种植，且通过主观经验得出的结果准确度也难以保证，因此亟需一种基于大数据的农作物环境监测方法及系统，可以直接通过图像识别得出当前农作物的种类以及生长阶段，再通过大数据收集匹配各类农作物的各阶段所适宜的环境数据，根据得到的适宜的环境数据进行调整，实现农作物各阶段的生长始终处于适宜环境中，有效提高农作物产量。

技术实现思路

1、本技术针对农作物所适宜的环境数据大多需要工作人员根据自身主观经验，对于多种农作物，工作人员难以知晓各种农作物的生长所需，进而无法做到灵活种植，且通过主观经验得出的结果准确度也难以保证，因此通过图像识别得出当前农作物的种类以及生长阶段，再通过大数据收集匹配各类农作物的各阶段所适宜的环境数据，根据得到的适宜的环境数据进行调整，实现农作物各阶段的生长始终处于适宜环境中，有效提高农作物产量，具体技术方案如下：

2、在本技术的第一方面，提供一种基于大数据的农作物环境监测方法，包括：

3、获取地区所种植农作物各生长阶段的现有图像，将现有图像输入模型进行训练，得到可识别农作物种类以及农作物所处生长阶段的识别模型；

4、通过所述识别模型对当前农作物进行识别，得出当前农作物的种类以及生长阶段，获取农作物当前生长阶段的各项环境数据适宜范围；

5、获取农作物当前各项环境数据，对农作物的所述当前各项环境数据进行人为调整至处于所述环境数据适宜范围之间。

6、在本技术一实施例中，获取环境预测数据，得到未来时间环境数据的变化曲线，所述当前各项环境数据中会因为所述环境预测数据升高的为第一环境数据，降低的为第二环境数据；

7、当所述第一环境数据低于所述环境数据适宜范围的最低值，将所述第一环境数据人为调整至所述环境数据适宜范围的最低值；当所述第一环境数据位于所述环境数据适宜范围内，所述第一环境数据不进行人为调整；当所述第一环境数据高于所述环境数据适宜范围的最高值，将所述第一环境数据人为调整维持在所述环境数据适宜范围的最高值；

8、当所述第二环境数据高于所述环境数据适宜范围的最高值，将所述第二环境数据调整至所述环境数据适宜范围的最高值；当所述第二环境数据位于所述环境数据适宜范围内，所述第二环境数据不进行人为调整；当所述第一环境数据低于所述环境数据适宜范围的最低值，将所述第二环境数据人为调整维持在所述环境数据适宜范围的最低值。

9、在本技术一实施例中，所述获取地区所种植农作物各生长阶段的现有图像，将现有图像输入模型进行训练的步骤中，还包括：

10、获取病虫害的现有图像将现有图像输入模型进行训练，使所述识别模型还可以对病虫害进行识别，当所述识别模型识别农作物出现病虫害时，发出病虫害治疗提醒。

11、在本技术一实施例中，还包括：

12、获取该地区所有销售农药的种类以及各种类农药的农药说明书；

13、获取农作物周边的农药销售情况，得出所有农药种类的销量曲线；

14、通过所述农药说明书获得各种类农药对应可防治的病虫害种类，一种农药可防治多种病虫害，一种病虫害可通过多种农药进行防治，形成农药种类与病虫害种类之间多对多的对应关系；

15、根据所有农药种类的销量曲线，得到各种病虫害的防治量曲线，每一条所述防治量曲线为农作物周边为防治该种病虫害购买对应各种类农药的总量；

16、输出预设时间段内所述防治量曲线增长率高于阈值的病虫害种类，农作物针对该病虫害种类进行预防操作。

17、在本技术一实施例中，所述获取农作物周边的农药销售情况的步骤中，还包括：

18、获取农药销售点地址，根据所述农药销售点的销售辐射范围划分区域；

19、获取各区域的所述各类病虫害的所述防治量曲线，当任意区域中出现所述防治量曲线增长率高于阈值的病虫害种类时，该区域作为第一区域，所述防治量曲线增长率高于阈值的病虫害种类作为第一病虫害，对所述第一区域的临近区域进行监控所述第一病虫害的所述防治量曲线增长率；

20、当任一所述临近区域的所述第一病虫害的防治量曲线增长率高于阈值时，根据该所述临近区域与所述第一区域的相对方向和距离，输出所述第一病虫害的发展方向，同时根据所述第一区域防治量曲线增长率高于阈值的时间和该所述临近区域防治量曲线增长率高于阈值的时间，输出所述第一病虫害从所述第一区域发展到所述临近区域的发展速度，根据所述发展方向和所述发展速度实时预测所述第一病虫害到达农作物的时间，根据所述到达农作物的时间，结合农作物当前生长阶段采取对应操作。

21、在本技术一实施例中，所述识别模型包括第一监测子模型和第二监测子模型，当农作物周边没有出现所述第一病虫害和/或第二病虫害时，所述第一监测子模型和所述第二监测子模型一起对农作物和病虫害进行识别和监测；当农作物周边出现所述第一病虫害和/或第二病虫害时，所述第一监控子模型对农作物和病虫害进行识别和监测，所述第二监测子模型独立对所述第一病虫害和/或第二病虫害进行识别。

22、在本技术一实施例中，还包括，

23、建立病虫害相关词数据库，收集所述病虫害相关词；

24、对根据所述农药销售点的销售辐射范围划分的所有区域内的智能终端产生的聊天数据进行采集，对所述病虫害相关词进行提取；

25、各区域中的智能终端聊天数据出现所述病虫害相关词时，该区域作为第二区域，所述病虫害相关词对应病虫害为第二病虫害，对所述第二区域范围中所述病虫害相关词的出现次数在预设时间内进行统计，出现次数超出第二阈值时，同步信息给所述第二区域内的所述农药销售点，对所述第二区域临近区域进行监控所述第二病虫害对应的所述病虫害相关词的出现次数。

26、在本技术一实施例中，还包括获取各类病虫害的适宜环境数据，以及农作物的所述当前各项环境数据，输出农作物当前患各类病虫害的概率，农作物的所述当前各项环境数据越接近各类病虫害的适宜环境数据，患病虫害的概率越高，根据农作物患病虫害的概率进行预防操作。

27、在本技术一实施例中，农作物患各类病虫害的概率超过阈值的病虫害作为第三病虫害，所述识别模型包括第三监测子模型，当不存在所述第三病虫害时，所述第一监测子模型和所述第三监测子模型一起对农作物和病虫害进行识别和监测；当出现所述第三病虫害时，所述第一监控子模型对农作物和病虫害进行识别和监测，所述第三监测子模型独立对所述第三病虫害进行识别。

28、在本技术的第二方面，提供一种基于大数据的农作物环境监测系统，包括：

29、模型训练模块，获取地区所种植农作物各生长阶段的现有图像，将现有图像输入模型进行训练，得到可识别农作物种类以及农作物所处生长阶段的识别模型；

30、模型识别模块，通过所述识别模型对当前农作物进行识别，得出当前农作物的种类以及生长阶段，获取农作物当前生长阶段的各项环境数据适宜范围；

31、数据调整模块，获取农作物当前各项环境数据，对农作物的所述当前各项环境数据进行人为调整至处于所述环境数据适宜范围之间。

32、在本技术一实施例中，还包括数据预测模块，获取环境预测数据，得到未来时间环境数据的变化曲线，所述当前各项环境数据中会因为所述环境预测数据升高的为第一环境数据，降低的为第二环境数据；

33、当所述第一环境数据低于所述环境数据适宜范围的最低值，将所述第一环境数据人为调整至所述环境数据适宜范围的最低值；当所述第一环境数据位于所述环境数据适宜范围内，所述第一环境数据不进行人为调整；当所述第一环境数据高于所述环境数据适宜范围的最高值，将所述第一环境数据人为调整维持在所述环境数据适宜范围的最高值；

34、当所述第二环境数据高于所述环境数据适宜范围的最高值，将所述第二环境数据调整至所述环境数据适宜范围的最高值；当所述第二环境数据位于所述环境数据适宜范围内，所述第二环境数据不进行人为调整；当所述第一环境数据低于所述环境数据适宜范围的最低值，将所述第二环境数据人为调整维持在所述环境数据适宜范围的最低值。

35、在本技术一实施例中，所述模型训练模块，还包括病虫害训练子模块：

36、获取病虫害的现有图像将现有图像输入模型进行训练，使所述识别模型还可以对病虫害进行识别，当所述识别模型识别农作物出现病虫害时，发出病虫害治疗提醒。

37、在本技术一实施例中，还包括病虫害预测子模块：

38、获取该地区所有销售农药的种类以及各种类农药的农药说明书；

39、获取农作物周边的农药销售情况，得出所有农药种类的销量曲线；

40、通过所述农药说明书获得各种类农药对应可防治的病虫害种类，一种农药可防治多种病虫害，一种病虫害可通过多种农药进行防治，形成农药种类与病虫害种类之间多对多的对应关系；

41、根据所有农药种类的销量曲线，得到各种病虫害的防治量曲线，每一条所述防治量曲线为农作物周边为防治该种病虫害购买对应各种类农药的总量；

42、输出预设时间段内所述防治量曲线增长率高于阈值的病虫害种类，农作物针对该病虫害种类进行预防操作。

43、在本技术一实施例中，所述病虫害预测子模块中，还包括：

44、获取农药销售点地址，根据所述农药销售点的销售辐射范围划分区域；

45、获取各区域的所述各类病虫害的所述防治量曲线，当任意区域中出现所述防治量曲线增长率高于阈值的病虫害种类时，该区域作为第一区域，所述防治量曲线增长率高于阈值的病虫害种类作为第一病虫害，对所述第一区域的临近区域进行监控所述第一病虫害的所述防治量曲线增长率；

46、当任一所述临近区域的所述第一病虫害的防治量曲线增长率高于阈值时，根据该所述临近区域与所述第一区域的相对方向和距离，输出所述第一病虫害的发展方向，同时根据所述第一区域防治量曲线增长率高于阈值的时间和该所述临近区域防治量曲线增长率高于阈值的时间，输出所述第一病虫害从所述第一区域发展到所述临近区域的发展速度，根据所述发展方向和所述发展速度实时预测所述第一病虫害到达农作物的时间，根据所述到达农作物的时间，结合农作物当前生长阶段采取对应操作。

47、在本技术一实施例中，还包括相关词识别模块，

48、建立病虫害相关词数据库，收集所述病虫害相关词；

49、对根据所述农药销售点的销售辐射范围划分的所有区域内的智能终端产生的聊天数据进行采集，对所述病虫害相关词进行提取；

50、各区域中的智能终端聊天数据出现所述病虫害相关词时，该区域作为第二区域，所述病虫害相关词对应病虫害为第二病虫害，对所述第二区域范围中所述病虫害相关词的出现次数在预设时间内进行统计，出现次数超出第二阈值时，同步信息给所述第二区域内的所述农药销售点，对所述第二区域临近区域进行监控所述第二病虫害对应的所述病虫害相关词的出现次数。

51、在本技术一实施例中，所述识别模型包括第一监测子模型和第二监测子模型，当农作物周边没有出现所述第一病虫害和/或第二病虫害时，所述第一监测子模型和所述第二监测子模型一起对农作物和病虫害进行识别和监测；当农作物周边出现所述第一病虫害和/或第二病虫害时，所述第一监控子模型对农作物和病虫害进行识别和监测，所述第二监测子模型独立对所述第一病虫害和/或第二病虫害进行识别。

52、在本技术一实施例中，还包括获取各类病虫害的适宜环境数据，以及农作物的所述当前各项环境数据，输出农作物当前患各类病虫害的概率，农作物的所述当前各项环境数据越接近各类病虫害的适宜环境数据，患病虫害的概率越高，根据农作物患病虫害的概率进行预防操作。

53、在本技术一实施例中，农作物患各类病虫害的概率超过阈值的病虫害作为第三病虫害，所述识别模型包括第三监测子模型，当不存在所述第三病虫害时，所述第一监测子模型和所述第三监测子模型一起对农作物和病虫害进行识别和监测；当出现所述第三病虫害时，所述第一监控子模型对农作物和病虫害进行识别和监测，所述第三监测子模型独立对所述第三病虫害进行识别。

54、本技术具有以下有益效果：

55、1、首先获取当前地区历年的环境数据，通过对历年环境数据分析得出适合当前地区种植的农作物种类，为工作人员采购农作物种子提供意见，同时也可以手动添加目标农作物，通过大数据获取适合当前地区种植的农作物种类以及手动添加的目标农作物的各阶段现有图像，通过对适宜农作物和目标农作物的图像采集，减少神经网络模型对该地区无法种植的农作物的学习，减小服务器计算和存储压力，同时提高识别效率；通过所述识别模型自动识别出当前农作物的种类以及当前所处生长阶段；再通过大数据对应得出农作物当前各项环境数据适宜范围；再通过各种传感器获取农作物当前各项环境数据，当各项环境数据中有不在环境数据适宜范围内的数据时，通过人为调整，将农作物的所述当前各项环境数据调整至所述环境数据适宜范围之内，通过大数据获得各种农作物各阶段的适宜范围，避免工作人员根据主观判断当前农作物的适宜生长环境，工作人员不再受自身种植经验所限，做到灵活种植，同时通过传感器采集农作物当前环境数据，避免人为判断农作物当前是否处在适宜范围内，以及需要调整的当前各项环境数据的具体数值。

56、2、考虑到未来的环境数据变化会直接影响农作物当前各项环境数据，因此对农作物人为调整环境数据时，可结合未来的环境数据变换量进行调整，具体的通过大数据对农作物所在位置未来的环境数据进行预测，得到未来时间环境数据的变化曲线，包括温度，降水量等的变化曲线，而对于所述第一环境数据和所述第二环境数据，例如开始下雨，降雨量从0开始提高时，土壤水分和空气湿度作为所述第一环境数据被所述环境预测数据影响而提高；再例如雨停，降雨量归0时，土壤水分和空气湿度作为所述第二环境数据被所述环境预测数据影响而降低；具体的当所述第一环境数据低于所述环境数据适宜范围的最低值，将所述第一环境数据人为调整至所述环境数据适宜范围的最低值；当所述第一环境数据位于所述环境数据适宜范围内，所述第一环境数据不进行人为调整；当所述第一环境数据高于所述环境数据适宜范围的最高值，将所述第一环境数据人为调整维持在所述环境数据适宜范围的最高值；所述第二环境数据对应所述第一环境数据的调整进行调整，最小程度的减少人为调整的量，尤其适用于缺水地区或缺水时节的农作物种植，最大程度利于未来环境的变化，有效节省人工介入资源的同时，也可以使农作物始终处于适宜环境中。

57、3、在先的实施例中通过农作物的现有图像进行训练神经网络模型，本实施例以所述识别模型为基础，添加农作物会患的各种病害以及虫害图像进行训练，得出可以识别病虫害的所述识别模型，当识别出农作物出现病虫害是，向工作人员发出治疗提醒，实现尽早的对各种病虫害的识别，避免人工识别的主观性，可以尽早的对农作物进行针对性的治疗，减少农作物的损失。

58、4、考虑到上一实施例中识别模型需要农作物已经感染病虫害才能进行识别，此时农作物进行遭受了损失，因此需要一种病虫害预测方法，在农作物还未感染病虫害时，对感染风险进行预测，当风险高于阈值时，对农作物提前进行防治操作，减少农作物的患病概率，具体的，通常某田地发生病虫害时，田地所属工作人员对购买对应治疗的农药对农作物进行治疗，因此治疗该种病虫害的农药销售量会出现增长，因此获取农作物周边的农药销售情况，得出所有农药种类的销量曲线，结合各种类农药对应防治的病虫害，得到防治各类病虫害的增长率，输出增长率高于阈值的病虫害种类，说明农作物周边可能出现了该种病虫害，在农作物还未感染之前对农作物针对该病虫害种类进行预防操作，有助于帮助工作人员度过感染期，减少农作物损失风险。

59、5、随着能采集农药销售点销量的增多，农作物周边的范围可以逐渐增大，以获得更大范围的监测，进而获得更长的应对时间，具体的，根据所述农药销售点的销售辐射范围划分区域，如同一区域内包括多个农药销售点时，将多个农药销售点的总销量作为该区域的农药销售量，因此农作物周边包括了远近不同的若干区域，对所述第一区域临近区域进行监控所述第一病虫害的增长率；当临近区域监控的所述第一病虫害的增长率高于阈值时，输出所述第一病虫害的发展方向和发展速度，实时更新预测所述第一病虫害到达农作物的时间，根据到达农作物的时间，结合农作物当前生长阶段采取对应操作，所述第一区域距离越近、向农作物方向发展越快，使用的预防药量越高，所述结合农作物当前生长阶段采取对应操作包括不同阶段采用不同的预防药量，以及包括所述第一区域达到的时间接近农作物成熟阶段时，对农作物进行抢收等操作；进一步的，根据所述第一病虫害的发展方向和发展速度，发展方向沿途的农药销售点可以提前备货，提供充足的农药以供病虫害到来时销售，提高农药销售点应对病虫害的能力，减少病虫害在当地大面积感染时工作人员难以买到对应农药的情况。

60、6、考虑到规划化农田基地有存药或者专属的供药渠道，这些农药使用量难以准确的体现在农田基地附近的农药销售点，以及某些病虫害发展迅速，导致得出的发展方向和发展速度数据有误，具体为工作人员得知病虫害到购买农药需要时间，以及农药销售点的数据更新需要时间，因此在本实施方式中，对各区域的所述智能终端的聊天记录进行采集，识别出病虫害相关词，当预设时间内出现某种病虫害次数超出阈值时，说明该区域可能感染的该种病虫害，该种方法不需要通过农药销售点的销量体现病虫害，节省了工作人员购买农药以及农药销售点更新销量的时间，更新病虫害的发展方向和发展速度更及时。

61、7、当农作物周边没有出现所述第一病虫害和/或第二病虫害时，所述第一监测子模型和所述第二监测子模型一起对农作物和病虫害进行识别和监测；当农作物周边出现所述第一病虫害和/或第二病虫害时，说明农作物已经有感染风险，因此调配资源，所述第一监控子模型依旧对农作物和病虫害进行全面的识别和监测，但所述第二监测子模型独立的、针对性的对所述第一病虫害和/或第二病虫害进行识别，实现更多资源对具有风险的所述第一病虫害和/或第二病虫害进行识别，如农作物感染可以尽早发现，有效减少损失。

62、8、考虑到病虫害还有可能从自己的农田开始感染，也就是无法根据农作物周边的感染情况进行预测病虫害的风险，因此本实施方式，通过大数据直接获取各类病虫害的适宜环境数据，当前农作物的所述当前各项环境数据越接近各类病虫害的适宜环境数据，则农作物当前患各类病虫害的概率越高，根据农作物患病虫害的概率对超过阈值的一种或多种病虫害进行预防操作；进一步的，所述识别模型还可以包括所述第三监控子模型，所述第三监控子模型与所述第二监控子模型类似，作为可调配的监测资源，当农作物患病虫害的概率高于阈值时，独立的、针对性的对所述第三病虫害进行识别，尽早识别出病虫害尽早治疗，甚至可以减少病虫害感染其他区域的风险。