本发明专利技术公开的一种基于大数据的草地数据监测方法、系统和可读存储介质，其中方法包括：通过第一传感器组提取预设周期内的环境因子，输入到训练好的识别神经网络模型中得到模拟输出值；通过第二传感器组提取所述周期内的土壤因子，基于所述模拟输出值判断当前所述草地的土壤等级；基于预设图像通过大数据分析获取所述周期内所述草地目标草群的生长情况信息，以完成所述草地数据的监测。本发明专利技术通过设置不同的传感器获取采集到的对应各种传感数据，并基于CNN神经网络模型对采集到的地面上的环境数据进行模拟分析，与地表下的传感器采集的数据进行对比，得到草地土壤的信息，同时还能够基于采集到的图像信息获取对应草地的草群生长数据。长数据。长数据。
【技术实现步骤摘要】
基于大数据的草地数据监测方法、系统和可读存储介质
[0001]本专利技术涉及草地数据监测
，更具体的，涉及一种基于大数据的草地数据监测方法、系统和可读存储介质。
技术介绍
[0002]草地是生长草本和灌木植物为主并适宜发展畜牧业生产的土地，它具有特有的生态系统，是一种可更新的自然资源，世界草地面积约占陆地总面积的1/2，是发展草地畜牧业的最基本的生产资料和基地，草地是一种复合植物群落，由草、开花植物和喜光植物组成，开花植物和喜光植物所占的比例高低有所变化，草坪是长期维持低矮状态，而种类丰富的草地一年只修剪一次或两次，物种比较稀少的草地一年可以修剪多次，有时可以达到六次，草地有其自有的生长、开花、结果和种子成熟的规律。
[0003]目前，由于生活水平的不断提高，对于肉类的需求量也越来越大，因此对于畜牧业的发展也需要大力投入，针对草地畜牧业同样需要对草地的数据进行监测，也确保草地的自我修复能力达标，同时也可以更好地识别草地数据以完善草地畜牧业。
技术实现思路
[0004]鉴于上述问题，本专利技术的目的是提供一种基于大数据的草地数据监测方法、系统和可读存储介质，能够识别草地土壤的数据信息以及草地地面草群的数据信息，以实现畜牧业的可持续稳定发展。
[0005]本专利技术第一方面提供了一种基于大数据的草地数据监测方法，包括以下步骤：
[0006]通过第一传感器组提取预设周期内的环境因子，输入到训练好的识别神经网络模型中得到模拟输出值；
[0007]通过第二传感器组提取所述周期内的土壤因子，基于所述模拟输出值判断当前所述草地的土壤等级；
[0008]基于预设图像通过大数据分析获取所述周期内所述草地目标草群的生长情况信息，以完成所述草地数据的监测。
[0009]本方案中，所述通过第一传感器提取预设周期内的环境因子，输入到训练好的识别神经网络模型中得到模拟输出值，具体为：
[0010]建立与所述第一传感器组的通信连接，基于所述周期获取所述第一传感器组中各传感器采集的第一数据；
[0011]基于采集到的所述第一数据得到所述环境因子，其中，所述环境因子包括但不仅限于降水量，光照强度，环境PH值以及温度值；
[0012]将所述环境因子输入到训练好的所述识别神经网络模型中以得到所述模拟输出值。
[0013]本方案中，所述通过第二传感器组提取所述周期内的土壤因子，基于所述模拟输出值判断当前所述草地的土壤等级，具体为：
[0014]建立与所述第二传感器组的通信连接，基于所述周期获取所述第二传感器组中各传感器采集的第二数据；
[0015]基于采集到的所述第二数据得到所述土壤因子，其中，所述土壤因子包括但不仅限于土壤含水量，土壤PH值，土壤松散度以及无机元素含量；
[0016]基于相邻所述周期得到的所述土壤因子获取土壤因子变化量；
[0017]比较所述模拟输出值与所述土壤因子变化量之间的相对关系，以得到所述土壤等级。
[0018]本方案中，所述比较所述模拟输出值与所述土壤因子变化量之间的相对关系，以得到所述土壤等级，具体为：
[0019]比较所述模拟输出值与所述土壤因子变化量的大小关系，其中，
[0020]所述模拟输出值与所述土壤因子变化量的绝对差值位于预设阈值内，则将所述土壤等级判断为饱和等级；
[0021]所述模拟输出值与所述土壤因子变化量的绝对差值位于预设阈值外且所述绝对差值为正，则将所述土壤等级判断为低饱和等级；
[0022]所述模拟输出值与所述土壤因子变化量的绝对差值位于预设阈值外且所述绝对差值为负，则将所述土壤等级判断为过饱和等级。
[0023]本方案中，所述识别神经网络模型训练方法为：
[0024]获取历史检测数据的环境因子与草地变化值；
[0025]将所述历史检测数据的环境因子与草地变化值进行预处理，得到训练样本集；
[0026]将所述训练样本集输入至初始化的所述识别神经网络模型中训练；
[0027]获取输出结果的准确率；
[0028]若所述准确率大于预设的准确率阈值，则停止训练，得到所述识别神经网络模型。
[0029]本方案中，所述基于预设图像通过大数据分析获取所述周期内所述草地目标草群的生长情况信息，以完成所述草地数据的监测，具体为：
[0030]获取所述周期内预设无人机采集到的所述图像；
[0031]基于大数据分析识别所述图像中的所述目标草群并得到所述目标草群对应的变化值；
[0032]基于所述变化值得到所述生长情况信息，其中，所述变化值包括但不限于长度、高度、宽度以及颜色变化值。
[0033]本专利技术第二方面还提供一种基于大数据的草地数据监测系统，包括存储器和处理器，所述存储器中包括基于大数据的草地数据监测方法程序，所述基于大数据的草地数据监测方法程序被所述处理器执行时实现如下步骤：
[0034]通过第一传感器组提取预设周期内的环境因子，输入到训练好的识别神经网络模型中得到模拟输出值；
[0035]通过第二传感器组提取所述周期内的土壤因子，基于所述模拟输出值判断当前所述草地的土壤等级；
[0036]基于预设图像通过大数据分析获取所述周期内所述草地目标草群的生长情况信息，以完成所述草地数据的监测。
[0037]本方案中，所述通过第一传感器提取预设周期内的环境因子，输入到训练好的识
别神经网络模型中得到模拟输出值，具体为：
[0038]建立与所述第一传感器组的通信连接，基于所述周期获取所述第一传感器组中各传感器采集的第一数据；
[0039]基于采集到的所述第一数据得到所述环境因子，其中，所述环境因子包括但不仅限于降水量，光照强度，环境PH值以及温度值；
[0040]将所述环境因子输入到训练好的所述识别神经网络模型中以得到所述模拟输出值。
[0041]本方案中，所述通过第二传感器组提取所述周期内的土壤因子，基于所述模拟输出值判断当前所述草地的土壤等级，具体为：
[0042]建立与所述第二传感器组的通信连接，基于所述周期获取所述第二传感器组中各传感器采集的第二数据；
[0043]基于采集到的所述第二数据得到所述土壤因子，其中，所述土壤因子包括但不仅限于土壤含水量，土壤PH值，土壤松散度以及无机元素含量；
[0044]基于相邻所述周期得到的所述土壤因子获取土壤因子变化量；
[0045]比较所述模拟输出值与所述土壤因子变化量之间的相对关系，以得到所述土壤等级。
[0046]本方案中，所述比较所述模拟输出值与所述土壤因子变化量之间的相对关系，以得到所述土壤等级，具体为：
[0047]比较所述模拟输出值与所述土壤因子变化量的大小关系，其中，
[0048]所述模拟输出值与所述土壤因子变化量的绝对差值位于预设阈值内，则将所述土壤等级判断为饱和等级；
[0049]所述模拟输出值与所述土壤因子变化量的绝本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于大数据的草地数据监测方法，其特征在于，包括以下步骤：通过第一传感器组提取预设周期内的环境因子，输入到训练好的识别神经网络模型中得到模拟输出值；通过第二传感器组提取所述周期内的土壤因子，基于所述模拟输出值判断当前所述草地的土壤等级；基于预设图像通过大数据分析获取所述周期内所述草地目标草群的生长情况信息，以完成所述草地数据的监测。2.根据权利要求1所述的一种基于大数据的草地数据监测方法，其特征在于，所述通过第一传感器提取预设周期内的环境因子，输入到训练好的识别神经网络模型中得到模拟输出值，具体为：建立与所述第一传感器组的通信连接，基于所述周期获取所述第一传感器组中各传感器采集的第一数据；基于采集到的所述第一数据得到所述环境因子，其中，所述环境因子包括但不仅限于降水量，光照强度，环境PH值以及温度值；将所述环境因子输入到训练好的所述识别神经网络模型中以得到所述模拟输出值。3.根据权利要求2所述的一种基于大数据的草地数据监测方法，其特征在于，所述通过第二传感器组提取所述周期内的土壤因子，基于所述模拟输出值判断当前所述草地的土壤等级，具体为：建立与所述第二传感器组的通信连接，基于所述周期获取所述第二传感器组中各传感器采集的第二数据；基于采集到的所述第二数据得到所述土壤因子，其中，所述土壤因子包括但不仅限于土壤含水量，土壤PH值，土壤松散度以及无机元素含量；基于相邻所述周期得到的所述土壤因子获取土壤因子变化量；比较所述模拟输出值与所述土壤因子变化量之间的相对关系，以得到所述土壤等级。4.根据权利要求3所述的一种基于大数据的草地数据监测方法，其特征在于，所述比较所述模拟输出值与所述土壤因子变化量之间的相对关系，以得到所述土壤等级，具体为：比较所述模拟输出值与所述土壤因子变化量的大小关系，其中，所述模拟输出值与所述土壤因子变化量的绝对差值位于预设阈值内，则将所述土壤等级判断为饱和等级；所述模拟输出值与所述土壤因子变化量的绝对差值位于预设阈值外且所述绝对差值为正，则将所述土壤等级判断为低饱和等级；所述模拟输出值与所述土壤因子变化量的绝对差值位于预设阈值外且所述绝对差值为负，则将所述土壤等级判断为过饱和等级。5.根据权利要求1所述的一种基于大数据的草地数据监测方法，其特征在于，所述识别神经网络模型训练方法为：获取历史检测数据的环境因子与草地变化值；将所述历史检测数据的环境因子与草地变化值进行预处理，得到训练样本集；将所述训练样本集输入至初始化的所述识别神经网络模型中训练；获取输出结果的准确率；
若...
【专利技术属性】
技术研发人员：余成群，田原，史磊，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。