农业大数据融合方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种农业大数据融合方法、装置、设备及存储介质。该方法包括：获取原始序列数据并对所述原始序列数据通过预处理得到预处理后的序列数据，对所述预处理后的序列数据与预设的滤波算子进行卷积运算得到滤波后的序列数据，将滤波后的序列数据通过池化运算算子得到池化后的特征；根据池化后的特征进行数据重构得到重构序列数据，将所述重构序列数据作为目标融合数据。本发明专利技术实施例的技术方案实现了更精确的对多源数据融合。

Agricultural Big Data Fusion Method, Device, Equipment and Storage Media

【技术实现步骤摘要】
农业大数据融合方法、装置、设备及存储介质
本专利技术实施例涉及大数据
，尤其涉及农业大数据融合的方法、装置、设备及存储介质。
技术介绍
农业大数据具有高价值低密度复杂的特点，通过传统统计方法难以将农业大数据的数据价值完全挖掘出来。为了在保证农业大数据价值的充分利用，需要根据大数据的数据性能特征、使用环境、应用范围等多源异构数据来预测农业的生产的情况，从而支持农业信息化方案的优化。目前，国内外关于农业大数据决策支持方面的方案较少，通常采用数据驱动类的农业大数据系统处理农业大数据，数据驱动类方法不需大量人力成本，具有良好的实用性和通用性。然而，现有技术中大多数数据驱动方法研究仅挖掘了传感器观测参数与历史决策结果的关联关系，未能充分估计各种农作物生长环境对农业生产的支持效果，从而限制了农业生产智能决策方法的应用效能。此外，现有技术中由于农作物生产过程中形成的大数据由农业生产过程中各类信息化设备所产生的数据所组成的多源参数序列所表征，多源参数序列具有较高的参数维度和数据量，无法更准确地对多源参数序列进行特征提取以进行数据压缩，同时不同类型设备采集的数据结构不同且采集时间不同步，为多源数据融合也带来了一定困难。
技术实现思路
本专利技术实施例提供了一种农业大数据融合的方法、装置、设备及存储介质，以实现更准确地对农业大数据进行融合。第一方面，本专利技术实施例提供了一种农业大数据融合方法，该方法包括：获取原始序列数据并对所述原始序列数据通过预处理得到预处理后的序列数据，其中，所述原始序列数据包括多种数据源的数值型数据和非数值型数据；对所述预处理后的序列数据与预设的滤波算子进行卷积运算得到滤波后的序列数据，将滤波后的序列数据通过池化运算算子得到池化后的特征；根据池化后的特征进行数据重构得到重构序列数据，将所述重构序列数据作为目标融合数据。第二方面，本专利技术实施例还提供了一种农业大数据融合装置，该装置包括：预处理模块，用于获取原始序列数据并对所述原始序列数据通过预处理得到预处理后的序列数据，其中，所述原始序列数据包括多种数据源的数值型数据和非数值型数据；特征获取模块，用于对所述预处理后的序列数据与预设的滤波算子进行卷积运算得到滤波后的序列数据，将滤波后的序列数据通过池化运算算子得到池化后的特征；目标融合数据确定模块，用于根据池化后的特征进行数据重构得到重构序列数据，将所述重构序列数据作为目标融合数据。第三方面，本专利技术实施例还提供了一种农业大数据融合设备，该设备包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术实施例中任一所述的农业大数据融合方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术实施例中任一所述的农业大数据融合方法。本专利技术实施例的技术方案通过获取原始序列数据并对所述原始序列数据通过预处理得到预处理后的序列数据，其中，所述原始序列数据包括多种数据源的数值型数据和非数值型数据，能够将原始序列数据处理为较为标准的数据。进而，对所述预处理后的序列数据与预设的滤波算子进行卷积运算得到滤波后的序列数据，将滤波后的序列数据通过池化运算算子得到池化后的特征，能够对原始序列数据提取出特征。进而，根据池化后的特征进行数据重构得到重构序列数据，将所述重构序列数据作为目标融合数据，实现对多源数据的融合。上述技术方案解决了现有技术中无法更准确地对多源参数序列进行特征提取以进行数据压缩的问题，实现更精确的对多源数据融合。附图说明图1是本专利技术实施例一中提供的一种农业大数据融合方法的流程图；图2是本专利技术实施例二中提供的一种农业大数据融合方法的流程图；图3是本专利技术实施例三中提供的一种农业大数据融合方法的流程图；图4是本专利技术实施例四中提供的一种农业大数据融合装置的流程图；图5是本专利技术实施例五中的提供的一种农业大数据融合设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。实施例一图1为本专利技术实施例一提供的农业大数据融合方法的流程图，本实施例可适用于农业大数据融合的情况，尤其适用于多源农业大数据融合。该方法可以由农业大数据融合装置来执行，该装置可以由硬件和/或软件来实现，该装置可集成于设备(例如计算机)中来执行，具体包括如下步骤：步骤101、获取原始序列数据并对所述原始序列数据通过预处理得到预处理后的序列数据，其中，所述原始序列数据包括多种数据源的数值型数据和非数值型数据。其中，原始序列数据可以包含来自多种传感器(例如温度传感器、湿度传感器)采集到的数据，也可以包括科研人员通过人工观察到并进行记录的数据，可通过多元参数序列所表征，具有较高的参数维度和数据量。所述原始序列数据包括多种数据源的数值型数据和非数值型数据。示例性的，以农业领域为例，原始序列数据可以包括多种传感器(例如温度传感器、湿度传感器)采集到的农作物生产产业链中监测得到的各个环节数据，其中这些数据存在标准不统一，某些数据来源于农业科研人员凭借感观记录的数据，例如对于农作物的长势农业科研人员记录为“高”“矮”这类非量化的数据。不同科研人员记录的习惯不同，因此采集到的原始序列数据可能存在标准不统一的问题。本实施中通过所述原始序列数据通过预处理，可以通过对原始序列数据进行数据清洗、数据填充等方式使原始序列数据进行标准化，去除冗余信息，保留关键信息，同时转化为可以进行数学运算的标准化的只包含数值的数据。可选地，所述原始序列数据包括：农作物生产产业链中监测得到的各个环节数据，包括实时温度、湿度、光照数据、病虫害数据、化肥、农药投入数据以及农作物长势数据中的至少一种。可选的，所述原始序列数据包括：农作物生产产业链中监测得到的各个环节数据，包括实时温度、湿度、光照数据、病虫害数据、化肥、农药投入数据以及农作物长势数据。示例性的，以农业领域为例，原始序列数据包括农作物生产产业链中通过各种方式(例如传感器采集、人工记录的数据)需要说明的是，针对不同种类的农作物，采集的原始序列数据相应的有所不同，可以根据农作物的生长规律等进行采集，同时采集数据的频率相应的不同。举例而言，实时温度、湿度这两种数据可以每分钟采集1次，采集频率较高；光照数据则可以每天一次采集一次；病虫害数据、化肥、农药投入数据这三种为不定期数据，可根据实际需求采集，例如发生病虫害进行记录、农作物施肥时进行记录等；农作物长势数据可以每周采集1次等。这些序列数据也可以根据农作物生产需本文档来自技高网...

【技术保护点】
1.一种农业大数据融合方法，其特征在于，包括：获取原始序列数据并对所述原始序列数据通过预处理得到预处理后的序列数据，其中，所述原始序列数据包括多种数据源的数值型数据和非数值型数据；对所述预处理后的序列数据与预设的滤波算子进行卷积运算得到滤波后的序列数据，将滤波后的序列数据通过池化运算算子得到池化后的特征；根据池化后的特征进行数据重构得到重构序列数据，将所述重构序列数据作为目标融合数据。

【技术特征摘要】
1.一种农业大数据融合方法，其特征在于，包括：获取原始序列数据并对所述原始序列数据通过预处理得到预处理后的序列数据，其中，所述原始序列数据包括多种数据源的数值型数据和非数值型数据；对所述预处理后的序列数据与预设的滤波算子进行卷积运算得到滤波后的序列数据，将滤波后的序列数据通过池化运算算子得到池化后的特征；根据池化后的特征进行数据重构得到重构序列数据，将所述重构序列数据作为目标融合数据。2.根据权利要求1所述的方法，其特征在于，还包括：确定所述重构序列数据与所述原始序列数据之间的重构误差；根据所述重构误差调节所述滤波算子与所述池化运算算子的运算参数得到优化参数；根据所述优化参数更新所述目标融合数据。3.根据权利要求2所述的方法，其特征在于，还包括：获取历史序列数据，并确定出与所述历史序列数据对应的历史融合数据；根据所述历史融合数据以及与所述历史融合数据对应的类别信息训练预设的分类器以得到训练后的目标分类器。4.根据权利要求3所述的方法，其特征在于，还包括：获取待融合的序列数据，并确定出与所述待融合的序列数据对应的融合数据；将所述融合数据根据所述训练后的目标分类器进行分类得到分类结果，其中所述分类结果包括正样本以及负样本。5.根据权利要求1所述的方法，其特征在于，所述对所述原始序列数据通过预处理得到预处理后的序列数据，包括：对所述原始序列数据进行归一化处理，得到归一化后的序列数据；根据预设的排序规则对所述归一化后的序列数据进行排序得到排序结果；对所述排序结果进行处理得到指标矩阵集合并创建所述指标矩阵集合的条件熵增长因...

【专利技术属性】
技术研发人员：庄家煜，许世卫，李干琼，邸佳颖，王盛威，
申请(专利权)人：中国农业科学院农业信息研究所，
类型：发明
国别省市：北京,11