基于数字孪生的智慧农业线上产业化服务系统技术方案

本发明专利技术公开了基于数字孪生的智慧农业线上产业化服务系统，涉及智慧农业技术领域，生成天气条件系数，通过小麦种植生长状态及条件数据，训练并建立小麦种植数字孪生模型；将种植区域分割为冻害区域和非冻害区域；结合种植区域的地形信息，建立冻害区域的地形模型；并建立病虫害感染数据集，并进而生成虫害感染系数，筛选出虫害区域；通过小麦成长系数筛选出施肥区域，确定各个施肥区域内需要施肥的量；判定对应检测区域的风险级别，若风险级别高于预期，在采取针对性措施后，生成小麦的生长系数，筛选出重点关注区域并向外预警。通过仿真分析确定出雨水聚集点，从而在需要时提前进行排水，或者设置排措施以减少小麦冻害的产生。或者设置排措施以减少小麦冻害的产生。或者设置排措施以减少小麦冻害的产生。

【技术实现步骤摘要】
基于数字孪生的智慧农业线上产业化服务系统


[0001]本专利技术涉及智慧农业
，具体为基于数字孪生的智慧农业线上产业化服务系统。

技术介绍

[0002]智慧农业是一种利用先进技术和数据分析来提高农业生产效率和可持续性的方法，它结合了传统农业实践和现代技术，以实现更高的农作物产量、资源效率和农业管理的精确性。智慧农业依靠各种技术和创新，包括物联网（IoT）、大数据分析、人工智能（AI）、机器学习、传感器技术、精准农业等。
[0003]智慧农业可以实时监测土壤湿度、温度、光照和气象条件等因素，并根据这些数据做出精确的农业决策。智慧农业系统还可以自动化和优化农业生产流程，例如自动灌溉系统、智能化施肥系统和无人机用于作物监测和喷洒。
[0004]小麦作为主粮，是最为主要的农作物。在进入冬季后，若是存在较大的降雨及降温，温度在零下后，小麦种植区域的土层可能大量的结冰，小麦也可能会存在较为严重的冻害，特别是在低洼区域，如果缺乏对应的排水措施，该区域的小麦可能会面临更为严重的冻害，导致小麦的减产。
[0005]为此，本专利技术提供了基于数字孪生的智慧农业线上产业化服务系统。

技术实现思路

[0006]（一）解决的技术问题针对现有技术的不足，本专利技术提供了基于数字孪生的智慧农业线上产业化服务系统，通过生成天气条件系数，通过小麦种植生长状态及条件数据，训练并建立小麦种植数字孪生模型；将种植区域分割为冻害区域和非冻害区域；结合种植区域的地形信息，建立冻害区域的地形模型；并建立病虫害感染数据集，并进而生成虫害感染系数，筛选出虫害区域；通过小麦成长系数筛选出施肥区域，确定各个施肥区域内需要施肥的量；判定对应检测区域的风险级别，若风险级别高于预期，在采取针对性措施后，生成小麦的生长系数，筛选出重点关注区域并向外预警。通过仿真分析确定出雨水聚集点，从而在需要时提前进行排水，或者设置排措施以减少小麦冻害的产生，解决了
技术介绍
中的问题。
[0007]（二）技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：基于数字孪生的智慧农业线上产业化服务方法，包括如下步骤：在小麦种植区域内即将降温降雨时，依据天气条件的变化建立天气条件数据集，并进而生成天气条件系数Tqs，若天气条件系数Tqs大于预设的天气条件阈值，则使用在小麦种植区域内检测获取的小麦种植生长状态及条件数据，训练并建立小麦种植数字孪生模型；包括如下内容：获取小麦种植区域内预测后的天气条件，若预计小麦种植区域会
产生降雨降温，则将预测结果汇总后建立天气条件数据集；其中，所述的天气条件数据集建立方式如下：获取整个降雨期间的总降雨量，生成降雨量Jr，获取降温的幅度，生成降温量Jw；汇总降雨量Jr及降温量Jw，建立天气条件数据集；结合天气条件数据集，建立天气条件系数Tqs；结合小麦种植数字孪生模型，对小麦面临的冻害进行仿真分析，并依据小麦是否产生冻害将种植区域分割为冻害区域和非冻害区域；结合种植区域的地形信息，建立冻害区域的地形模型，通过仿真分析获取冻害区域内的雨水聚集点，在雨水聚集点处设置排水措施；由巡检无人机对各个检测区域进行成像，通过图像对检测区域内的虫害进行识别，并建立病虫害感染数据集，并进而生成虫害感染系数Cgs，由虫害感染系数Cgs在若干个检测区域内区分出虫害隐患区域，并结合小麦种植数字孪生模型对虫害隐患区域内降雨后的虫害感染进行预测，筛选出虫害区域；对小麦图像信息进行分析，汇总分析结果并建立小麦植株数据集并生成小麦成长系数Czs，通过小麦成长系数Czs筛选出施肥区域，并获取施肥区域的位置信息；结合施肥区域的地形，依据在降雨后施肥区域内肥料的剩余量，确定各个施肥区域内需要施肥的量；分别获取施肥区域、虫害区域及冻害区域的位置信息，在产生降雨时，采取针对性措施，并依据以上三个区域是否重合，判定对应检测区域的风险级别，若风险级别高于预期，在采取针对性措施后，依据对应区域内的虫害感染系数Cgs及小麦成长系数Czs生成小麦的生长系数ST，以此筛选出重点关注区域并向外预警。
[0008]进一步的，天气条件系数Tqs的生成方式如下：获取并对降雨量Jr及降温量Jw做无量纲处理，依照如下公式关联生成天气条件系数Tqs：
[0009]其中，，且为权重，其具体值由用户调整设置；获取天气条件系数Tqs，若天气条件系数Tqs大于预设的天气条件阈值，则向外部发出预警信息；获取小麦种植区域的电子点图，网格化的将小麦种植区域分割为若干个检测区域；在检测区域内均匀的设置若干个数据检测点，获取检测数据，并使相邻的两个检测点的间距大于预设的距离阈值；其中，所述检测的数据包括：土壤数据、空气条件数据及小麦成长数据，在训练和测试后，建立并输出小麦种植数字孪生模型。
[0010]进一步的，在收到预警信息后，结合预测获取的天气条件及小麦种植数字孪生模型，对位于各个检测区域内小麦冻害进行仿真分析，获取冻害分析结果；由训练后分类器依据小麦是否产生冻害对检测区域进行区分，分别生成冻害区域和非冻害区域，将冻害区域在电子地图上进行标记；获取各个冻害区域的位置信息，使用训练后的路径规划模型，结合冻害区域的位置信息，采用巡检无人机对冻害区域进行成像和扫描，并在经过识别和分析后，获取冻害区域的地形信息；结合地形信息，建立冻害区域的地形模型，产生降雨时，对地面雨水的聚集和流动进行分析；确定出低洼区域及容易产生积水的区域；在设置降雨条件后，在地面存在雨水聚集时，结合地形模型进行仿真分析，获取冻害区域内的雨水聚集点，将雨水聚集点在电子地图上标记，并提前在雨水聚集点处设置排水措施。
[0011]进一步的，由巡检无人机对各个检测区域进行成像，通过图像识别获取种植区域内的小麦图像信息；对小麦图像识别后，若检测区域内存在病虫害；获取检测区域的病虫密度Bc及感染面积Gr；若病虫害感染的病虫密度Bc超过预设的密度阈值，则在预设时间后再次进行成像，通过感染面积Gr的变化获取病虫害感染的扩散速度Ks；将以上数据汇总后，建立病虫害感染数据集；使用病虫害感染数据集中的参数数据生成虫害感染系数Cgs。
[0012]进一步的，生成虫害感染系数Cgs的方式如下：获取并对病虫密度Bc、感染面积Gr及扩散速度Ks做无量纲处理，依照如下公式：
[0013]其中，参数的意义及取值为：为权重，其具体值由用户调整设置，为常数修正系数；若虫害感染系数Cgs超过预设的虫害阈值，则将对应的区域确定为虫害隐患区域；获取虫害区域内的虫害种类、小麦感染虫害的部位、虫害的数量，结合小麦种植数字孪生模型及由预测获取的天气条件，对病虫的低温条件下的病虫害发展进行仿真分析，确定在温度回升后是否还存在虫害；若仍存在虫害感染，则获取仿真分析结构中获取病虫密度Bc，若病虫密度Bc仍大于密度阈值，则将其确定虫害区域。
[0014]进一步的，从种植区域内的小麦图像信息中，通过图像识别分析依次获取小麦的平均植株高度，生成植株高度Zg；获取小麦的平均叶片数量，生成叶片数Ys；获取小麦的平均的主径粗细，生成径粗Jc；汇总以上数据，建立小麦植株数据集；结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于数字孪生的智慧农业线上产业化服务方法，其特征在于：包括如下步骤：在小麦种植区域内即将降温降雨时，依据天气条件的变化建立天气条件数据集，并进而生成天气条件系数Tqs，若天气条件系数Tqs大于预设的天气条件阈值，则使用在小麦种植区域内检测获取的小麦种植生长状态及条件数据，训练并建立小麦种植数字孪生模型；包括如下内容：获取小麦种植区域内预测后的天气条件，若预计小麦种植区域会产生降雨降温，则将预测结果汇总后建立天气条件数据集；其中，所述的天气条件数据集建立方式如下：获取整个降雨期间的总降雨量，生成降雨量Jr，获取降温的幅度，生成降温量Jw；汇总降雨量Jr及降温量Jw，建立天气条件数据集；结合天气条件数据集，建立天气条件系数Tqs；结合小麦种植数字孪生模型，对小麦面临的冻害进行仿真分析，并依据小麦是否产生冻害将种植区域分割为冻害区域和非冻害区域；结合种植区域的地形信息，建立冻害区域的地形模型，通过仿真分析获取冻害区域内的雨水聚集点，在雨水聚集点处设置排水措施；由巡检无人机对各个检测区域进行成像，通过图像对检测区域内的虫害进行识别，并建立病虫害感染数据集，并进而生成虫害感染系数Cgs，由虫害感染系数Cgs在若干个检测区域内区分出虫害隐患区域，并结合小麦种植数字孪生模型对虫害隐患区域内降雨后的虫害感染进行预测，筛选出虫害区域；对小麦图像信息进行分析，汇总分析结果并建立小麦植株数据集并生成小麦成长系数Czs，通过小麦成长系数Czs筛选出施肥区域，并获取施肥区域的位置信息；结合施肥区域的地形，依据在降雨后施肥区域内肥料的剩余量，确定各个施肥区域内需要施肥的量；分别获取施肥区域、虫害区域及冻害区域的位置信息，在产生降雨时，采取针对性措施，并依据以上三个区域是否重合，判定对应检测区域的风险级别，若风险级别高于预期，在采取针对性措施后，依据对应区域内的虫害感染系数Cgs及小麦成长系数Czs生成小麦的生长系数ST，以此筛选出重点关注区域并向外预警。2.根据权利要求1所述的基于数字孪生的智慧农业线上产业化服务方法，其特征在于：天气条件系数Tqs的生成方式如下：获取并对降雨量Jr及降温量Jw做无量纲处理，依照如下公式关联生成天气条件系数Tqs：其中，，且为权重，其具体值由用户调整设置；获取天气条件系数Tqs，若天气条件系数Tqs大于预设的天气条件阈值，则向外部发出预警信息；获取小麦种植区域的电子点图，网格化的将小麦种植区域分割为若干个检测区域；在检测区域内均匀的设置若干个数据检测点，获取检测数据，并使相邻的两个检测点的间距大于预设的距离阈值；其中，所述检测的数据包括：土壤数据、空气条件数据及小麦成长数据，在训练和测试后，建立并输出小麦种植数字孪生模型。3.根据权利要求1所述的基于数字孪生的智慧农业线上产业化服务方法，其特征在于：在收到预警信息后，结合预测获取的天气条件及小麦种植数字孪生模型，对位于各个检测区域内小麦冻害进行仿真分析，获取冻害分析结果；由训练后分类器依据小麦是否产生冻害对检测区域进行区分，分别生成冻害区域和非冻害区域，将冻害区域在电子地图上进行
标记；获取各个冻害区域的位置信息，使用训练后的路径规划模型，结合冻害区域的位置信息，采用巡检无人机对冻害区域进行成像和扫描，并在经过识别和分析后，获取冻害区域的地形信息；结合地形信息，建立冻害区域的地形模型，产生降雨时，对地面雨水的聚集和流动进行分析；确定出低洼区域及容易产生积水的区域；在设置降雨条件后，在地面存在雨水聚集时，结合地形模型进行仿真分析，获取冻害区域内的雨水聚集点，将雨水聚集点在电子地图上标记，并提前在雨水聚集点处设置排水措施。4.根据权利要求2所述的基于数字孪生的智慧农业线上产业化服务方法，其特征在于：由巡检无人机对各个检测区域进行成像，通过图像识别获取种植区域内的小麦图像信息；对小麦图像识别后，若检测区域内存在病虫害；获取检测区域的病虫密度Bc及感染面积Gr；若病虫害感染的病虫密度Bc超过预设的密度阈值，则在预设时间后再次进行成像，通过感染面积Gr的变化获取病虫害感染的扩散速度Ks；将以上数据汇总后，建立病虫害感染数据集；使用病虫害感染数据集中的参数数据生成虫害感染系数Cgs。5.根据权利要求4所述的基于数字孪生的智慧农业线上产业化服务方法，其特征在于：生成虫害感染系数Cgs的方式如下：获取并对病虫密度Bc、感染面积Gr及扩散速度Ks做无量纲处理，依照如下公式：其中，参数的意义及取值为：为权重，其具体值由用户调整设置，为常数修正系数；若虫害感染系数Cgs超过预设的虫害阈值，则将对应的区域确定为虫害隐患区域...

【专利技术属性】
技术研发人员：傅振扬，李秀安，王彬，曹卫星，李家耀，
申请(专利权)人：安徽金海迪尔信息技术有限责任公司，
类型：发明
国别省市：