一种农产品生长环境大数据检测系统技术方案

本发明专利技术公开了一种农产品生长环境大数据检测系统由土壤环境参数采集与评价平台和农田土壤环境大数据处理子系统组成，实现对农田土壤环境参数检测、管理和农田参数的评价；本发明专利技术有效解决了现有农田土壤环境检测系统没有根据农田植物生长环境参数变化的非线性、大滞后和农田土壤环境面积大复杂等对农田植物生产产量影响，从而极大的影响农田土壤产量预测和生产管理问题。测和生产管理问题。

【技术实现步骤摘要】
一种农产品生长环境大数据检测系统


[0001]本专利技术涉及农产品生长环境大数据检测与处理
，具体涉及一种农产品生长环境大数据检测系统。

技术介绍

[0002]在农业生产环境的温湿度、土壤酸碱度、水含量和无机盐等诸多环境因素对植物生长都至关重要，它们都直接影响到农产品生长质量和经济效益。由于农业生产环境信息采集过程中常伴随着信息类型复杂、实时变化、采集面广和空间结构复杂等障碍因素，物联网技术很好地克服了农业环境信息采集障碍，对提升农业产品质量、节省劳动力和改善农业生态环境都存在重要意义。
[0003]通过部署在农产品生长环境中的各类型传感器检测环境信息，并对信息按特定网络协议传输和对所采集的农产品生长环境大数据作智能分析，进而调节农业生产环境，再通过智能调控系统优化生产过程。在农业生产过程中对产品环境信息智能化检测、调节和管理对提高农业生产效率和效益有十分重要作用。以土壤参数检测和处理为例，专利技术一种农产品生长环境大数据检测系统对农田土壤环境大数据进行检测与处理，对提高农业生产效益有重要作用。

技术实现思路

[0004]本专利技术提供了一种农产品生长环境大数据检测系统，本专利技术有效解决了现有农田土壤环境检测系统没有根据农田植物生长环境参数变化的非线性、大滞后和农田土壤环境面积大复杂等对农田植物生产产量影响，从而极大的影响农田土壤产量预测和生产管理问题。
[0005]本专利技术通过以下技术方案实现：
[0006]一种农产品生长环境大数据检测系统由土壤环境参数采集与评价平台和农田土壤环境大数据处理子系统组成，土壤环境参数采集与评价平台实现对农田土壤环境参数检测，农田土壤环境大数据处理子系统实现对土壤参数的大数据处理和农田参数的评价。
[0007]本专利技术进一步技术改进方案是：
[0008]土壤环境参数采集与评价平台由多个检测节点、网关节点和现场监控端组成，它们以自组织方式构建成农田环境参数采集与评价平台；检测节点由传感器组模块、单片机以及无线通信模块CC2530组成，负责检测农田环境的温度、水分、电导率以及光照度的实际值；网关节点包括GPRS模块、CC2530模块和MSP430单片机，网关节点的CC2530模块实现与检测节点之间通信的自组织通信网络，GPRS模块实现网关节点与现场监控端之间的数据双向交互；现场监控端实现对农田环境参数进行管理和对农田环境参数进行评价；土壤环境参数采集与评价平台结构如图1所示。
[0009]本专利技术进一步技术改进方案是：
[0010]土壤参数大数据处理子系统包括3组多个参数检测模型、3个检测参数融合模型和
参数解耦模型，参数测量传感器包括温度传感器、水分传感器和电导率传感器，多个温度传感器、多个水分传感器和多个电导率传感器的输出分别是对应的3组多个参数检测模型的输入，3组多个参数检测模型输出的梯形模糊数分别是对应的3个检测参数融合模型的输入，3个检测参数融合模型输出的梯形模糊数是参数解耦模型的输入，参数解耦模型的输出是代表被检测土壤参数等级的梯形模糊数；土壤参数大数据处理子系统结构见图2所示。
[0011]本专利技术进一步技术改进方案是：
[0012]参数检测模型由1个按拍延迟线TDL(Tapped Delay Line)、多个LSTM神经网络模型、多个微分回路、GMDH神经网络模型和4个GM(1,1)灰色预测模型组成，由2个微分算子D相串联构成1个微分回路，每个微分回路的2个微分算子连接端的输出作为GMDH神经网络模型的1个对应的输入，每个微分回路的输出作为GMDH神经网络模型的1个对应的输入；参数测量传感器的输出作为对应的按拍延迟线TDL的输入，按拍延迟线TDL输出的一段时间的多个参数测量传感器值分别作为多个LSTM神经网络模型的输入，多个LSTM神经网络模型的输出分别作为对应的每个微分回路的输入和GMDH神经网络模型的1个对应的输入，GMDH神经网络模型的输出为代表一段时间参数测量传感器值大小的动态梯形模糊数为[a,b,c,d],[a,b,c,d]构成在一段时间内参数测量传感器值的动态梯形模糊数值，a、b、c和d分别代表参数测量传感器值的最小值、极小值、极大值和最大值，一段时间内a、b、c和d值分别作为对应的4个GM(1,1)灰色预测模型的输入，4个GM(1,1)灰色预测模型的输出分别作为一段时间内a、b、c和d值的预测值和参数检测模型的输出，参数检测模型把一段时间参数测量传感器值转换为被测量参数的梯形模糊数预测值。
[0013]本专利技术进一步技术改进方案是：
[0014]本专利技术共有3个检测参数融合模型分别对3组多个参数检测模型的输出的梯形模糊数进行融合，3个检测参数融合模型输出的梯形模糊数分别作为参数解耦模型的对应的3个按拍延迟线TDL的输入，检测参数融合模型的结构功能见图2所示，检测参数融合模型的功能如下：
[0015]1、一段时间多个参数检测模型输出的参数测量传感器的梯形模糊数值构成参数测量传感器的时间序列梯形模糊数值阵列，同一时刻所有参数测量传感器的梯形模糊数值的平均值构成时间序列参数测量传感器的梯形模糊数阵列的正理想值，同一时刻所有参数测量传感器的梯形模糊数值与正理想值距离最大的梯形模糊数值构成时间序列参数测量传感器的梯形模糊数阵列的负理想值，每个参数测量传感器的时间序列梯形模糊数值的负理想值距离除以该参数测量传感器的时间序列梯形模糊数值的负理想值距离与该参数测量传感器的时间序列梯形模糊数值的正理想值距离的和得到的商为该参数测量传感器的时间序列梯形模糊数值的距离相对贴近度，每个参数测量传感器的时间序列梯形模糊数值的距离相对贴近度除以所有参数测量传感器的时间序列梯形模糊数值的距离相对贴近度的和得到的商为该参数测量传感器的时间序列梯形模糊数值的距离融合权重；
[0016]2、每个参数测量传感器的时间序列梯形模糊数值的正灰色关联度除以该参数测量传感器的时间序列梯形模糊数值的正灰色关联度与该参数测量传感器的时间序列梯形模糊数值的负灰色关联度的和得到的商为该参数测量传感器的时间序列梯形模糊数值的灰色关联度相对贴近度；每个参数测量传感器的时间序列梯形模糊数值的灰色关联度相对贴近度除以所有参数测量传感器的时间序列梯形模糊数值的灰色关联度相对贴近度的和
得到的商为该参数测量传感器的时间序列梯形模糊数值的灰色关联度融合权重；
[0017]3、每个参数测量传感器的时间序列梯形模糊数值的距离融合权重和灰色关联度融合权重分别构成均方根组合权重、博弈论组合权重、线性组合权重和乘积组合权重，由均方根组合权重、博弈论组合权重、线性组合权重和乘积组合权重按照从小到大排序组成该参数测量传感器的时间序列梯形模糊数值的梯形模糊数融合权重，每个参数测量传感器的时间序列梯形模糊数值与该参数测量传感器的时间序列梯形模糊数值的梯形模糊数融合权重的积相加得到的和为所有参数测量传感器的时间序列梯形模糊数融合值；
[0018]4、每个参数测量传感器的时间序列梯形模糊数值的负理想值的特征为该参数测量传感器的时间序列梯形模糊数值与时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农产品生长环境大数据检测系统，其特征在于：所述检测系统包括土壤环境参数采集与评价平台和农田土壤环境大数据处理子系统，实现对农田土壤环境参数检测、管理和农田参数的评价；所述农田土壤环境大数据处理子系统包括参数检测模型、检测参数融合模型和参数解耦模型，参数测量传感器包括温度传感器、水分传感器和电导率传感器，参数测量传感器的输出分别是对应的参数检测模型的按拍延迟线TDL输入，参数检测模型输出的梯形模糊数分别是对应的检测参数融合模型的输入，检测参数融合模型输出的梯形模糊数是参数解耦模型的输入，参数解耦模型输出的梯形模糊数是代表被检测土壤参数等级值。2.根据权利要求1所述的一种农产品生长环境大数据检测系统，其特征在于：所述检测参数融合模型的一段时间多个参数检测模型输出的参数测量传感器的梯形模糊数值构成参数测量传感器的时间序列梯形模糊数值阵列，同一时刻所有参数测量传感器的梯形模糊数值的平均值构成时间序列参数测量传感器的梯形模糊数阵列的正理想值，同一时刻所有参数测量传感器的梯形模糊数值与正理想值距离最大的梯形模糊数值构成时间序列参数测量传感器的梯形模糊数阵列的负理想值，每个参数测量传感器的时间序列梯形模糊数值的负理想值距离除以该参数测量传感器的时间序列梯形模糊数值的负理想值距离与该参数测量传感器的时间序列梯形模糊数值的正理想值距离的和得到的商为该参数测量传感器的时间序列梯形模糊数值的距离相对贴近度，每个参数测量传感器的时间序列梯形模糊数值的距离相对贴近度除以所有参数测量传感器的时间序列梯形模糊数值的距离相对贴近度的和得到的商为该参数测量传感器的时间序列梯形模糊数值的距离融合权重；所述每个参数测量传感器的时间序列梯形模糊数值的正灰色关联度除以该参数测量传感器的时间序列梯形模糊数值的正灰色关联度与该参数测量传感器的时间序列梯形模糊数值的负灰色关联度的和得到的商为该参数测量传感器的时间序列梯形模糊数值的灰色关联度相对贴近度；每个参数测量传感器的时间序列梯形模糊数值的灰色关联度相对贴近度除以所有参数测量传感器的时间序列梯形模糊数值的灰色关联度相对贴近度的和得到的商为该参数测量传感器的时间序列梯形模糊数值的灰色关联度融合权重。3.根据权利要求2所述的一种农产品生长环境大数据检测系统，其特征在于：所述每个参数测量传感器的时间序列梯形模糊数值的距离融合权重和灰色关联度融合权重分别构成均方根组合权重、博弈论组合权重、线性组合权重和乘积组合权重，由均方根组合权重、博弈论组合权重、线性组合权重和乘积组合权重按照从小到大排序组成该参数测量传感器的时间序列梯形模糊数值的梯形模糊数融合权重，每个参数测量传感器的时间序列梯形模糊数值与该参数测量传感器的时间序列梯形模糊数值的梯形模糊数融合权重的积相加得到的和为所有参数测量传感器的时间序列梯形模糊数融合值。4.根据权利要求2所述的一种农产品生长环境大数据检测系统，其特征在于：所述每个参数测量传感器的时间序列梯形模糊数值的负理想值为该参数测量传感器的时间序列梯形模糊数值与时间序列参数测量传感器的梯形模糊数阵列的负理想值的距离，每个参数测量传感器的时间序列梯形模糊数值的正理想值距离为该参数测量传感器的时间序列梯形模糊数值与时间序列参数测量传感器的梯形模糊数阵列的正理想值的距离。5.根据权利要求2所述的一种农产品生长环境大数据检测系统，其特征在于：所述每个参数测量...

【专利技术属性】
技术研发人员：马从国，叶文芊，周大森，周恒瑞，柏小颖，葛红，马海波，丁晓红，张利兵，李亚洲，金德飞，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：