一种基于多源数据融合的数字乡村构建方法及系统技术方案

本申请涉及信息技术领域，尤其涉及一种基于多源数据融合的数字乡村构建方法及系统，方法包括：获取目标区域内作物的多个生长阶段的多源数据；计算获得第一时段数据与第二时段数据；对作物图像进行图像处理和识别，计算作物的发芽率、幼苗叶片面积及杂草率；将第一时段数据、第二时段数据、发芽率、杂草率、幼苗叶片面积及作物产量作为特征，构建决策树模型；在决策树模型中，作物产量所在的层的下一层节点表示的特征判定为目标特征，目标特征为对作物产量影响最大的特征，根据目标特征，生成建议清单及产量预测清单。本申请具有通过依照作物不同生长阶段的不同特征，为作物产量的提高提供依据的效果。供依据的效果。供依据的效果。

【技术实现步骤摘要】
一种基于多源数据融合的数字乡村构建方法及系统


[0001]本专利技术涉及信息
，尤其涉及一种基于多源数据融合的数字乡村构建方法及系统。

技术介绍

[0002]多源数据融合是指将来自不同来源或不同类型的数据进行整合和组合，以获得更全面、准确和有用的信息。数字乡村技术是指利用现代信息技术和数字化手段，推动农村地区的经济、社会和生活方式的数字化升级和转型。数字乡村的目标是促进农村地区的数字化发展，提升农村地区的生产力、生活水平和社会服务水平。
[0003]随着数字乡村的建设和多源数据融合技术的发展，给农村农业生产带来了新的技术和方法，通过对农业生产中产生的多源数据进行分析，给农业的整个种植、生长、收获过程提供科学客观的指导，进而提高农业生产效率，提高作物产量。
[0004]目前，公开号为CN115796374A的专利文件公开了一种农作物产量预测方法及系统，该方法通过分析影响作物产量的因素对作物产量进行预测，其中，对农作物产量的预测主要是根据作物生长的环境气候，如光照，湿度等。现有技术没有考虑作物不同生长阶段的状况，不能依照作物不同生长阶段为作物产量的提高提供依据。

技术实现思路

[0005]为了通过依照作物不同生长阶段的不同特征为作物产量的提高提供依据，获得对作物产量影响最大的特征以提供种植建议，本申请提供一种基于多源数据融合的数字乡村构建方法及系统。
[0006]第一方面，本申请提供一种基于多源数据融合的数字乡村构建方法，采用如下的技术方案：一种基于多源数据融合的数字乡村构建方法，包括以下步骤：获取目标区域内作物的多个生长阶段的历史数据，进行数据处理，得到作物生长的多源数据，所述历史数据包括：作物图像、环境数据、阶段时间数据及收割阶段的作物产量；计算获得第一时段数据与第二时段数据，所述第一时段数据中的所述环境数据符合预设的正常环境阈值，第二时段数据中的所述环境数据符合预设的异常环境阈值；对所述作物图像进行图像处理和识别，计算作物发芽阶段的发芽率、幼苗阶段的幼苗叶片面积及成长阶段的杂草率，所述发芽率的计算公式为：，其中，M为发芽作物棵数，N为记录的播种数，q为发芽率；所述幼苗叶片面积计算公式为：，其中，A为幼苗区域像素点个数，B为幼苗图像中灰度图像的边长像素值个数，为所述幼苗叶片面积，表示所述目标区域的面积;所述杂草率的计算公式为：，C表示所述作物图像中杂草区域的像素点个数，D表示图像中作物的叶片区域的像素点个数；将所述第一时段数据、所述第二时段数据、
所述发芽率、所述杂草率、所述幼苗阶段的叶片面积及所述作物产量作为特征，构建决策树模型；在所述决策树模型中，所述作物产量所在的层的下一层节点表示的特征判定为目标特征，所述目标特征为对作物产量影响最大的特征，根据所述目标特征，生成建议清单及产量预测清单。
[0007]通过采用上述技术方案，通过决策树模型，能够计算出目标区域对于产量影响较大的特征，表示出产量与如发芽率、杂草率等特征之间的影响关系，并提供建议清单，根据不同特征对作物产量的影响程度，为提高产量提供帮助。根据目标区域内的历史数据，构建决策树模型，通过采集实时的环境、图像等数据，通过对作物不同阶段生长状况、环境进行分析，给作物生长过程提供客观数据，通过决策树模型，能够预测作物产量，根据作物生长多阶段的多源数据，使产量的预测结果较为准确和实用。
[0008]可选的，所述杂草率计算中，包括以下步骤：确定作物区域；根据所述作物区域，确定叶片区域及杂草区域，统计所述叶片区域的像素点个数；统计所述杂草区域的像素点个数，其中，设置所述叶片区域像素值为0，获得杂草阈值分割图，在所述杂草阈值分割图中，杂草区域的像素值为1，其他区域为0；根据所述叶片区域的像素点个数及所述杂草区域的像素点个数，计算所述杂草率。
[0009]通过采用上述技术方案，根据图像处理技术，将图像中的作物区域与背景区域进行区分，再从作物区域中分出杂草区域和作物叶片区域，从而计算杂草率。
[0010]可选的，所述确定作物区域中，包括以下步骤：获取作物深度图像，根据所述作物深度图像中的深度信息判定垄高及垄的位置，所述深度信息指图像中每个像素点到相机的距离信息；根据所述作物深度图像的颜色信息和所述深度信息，判定作物的高度和位置，所述颜色信息是指图像中每个像素点的颜色值；统计所述作物深度图像上像素点高度满足高度条件的点，确定所述作物区域，所述高度条件为：，其中，为垄高，为垄与垄之间沟谷的高度差，为作物的模板高度，为作物深度图像上第i个像素点的高度。
[0011]通过采用上述技术方案，设定杂草的高度比作物的高度低，建立上述高度条件，当图像上的满足高度条件，则该点可能是作物的位置，被划分在作物区域内，以高度信息及颜色信息划分处作物区域。
[0012]可选的，将所述作物区域的图像转换为灰度图像，使用阈值分割的算法提取叶片区域，获得阈值分割后的图像；提取阈值分割后图像的连通域，根据距离变换，将所述连通域中每个目标点与所述连通域边缘的最近棋盘距离作为所述目标点的值，获得所述连通域中间一条像素值最大的目标线及像素值序列；计算所述目标线的像素值序列与作物叶片距离变换后得到的模板线像素值序列的动态时间规整距离，记为；计算所述目标线的像素值序列与杂草叶片距离变换后得到的模板线像素值序列的动态时间规整距离，记为；计算所述目标线的像素值序列和作物叶片像素值序列的相似性，所述相似性计算公式为：，其中，是作物叶片像素值模板序列的像素值之和，
是杂草叶片像素值模板序列的像素值之和，为相似性，为所述作物叶片像素值模板序列的序列值，j为所述作物叶片像素值模板序列中的第j个数,为所述杂草叶片像素值模板序列的序列值，k为所述杂草叶片像素值模板序列中的第k个数；以相似性大于3的像素值序列的所述连通域作为所述作物叶片区域。
[0013]通过采用上述技术方案，相似性计算中，考虑模板像素值大小之和是为了避免叶片大小对相似性的影响，大叶片的像素值序列较大，得到的DTW也越大，小叶片像素值序列较小，得到的DTW也越小。相似性越大说明该序列对应的连通域越可能是作物叶片区域。
[0014]可选的，所述发芽率计算中，通过目标追踪算法计数发芽作物棵数。
[0015]第二方面，本申请提供一种基于多源数据融合的数字乡村构建系统，采用如下的技术方案：一种基于多源数据融合的数字乡村构建系统，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据本申请所述的基于多源数据融合的数字乡村构建方法。
[0016]本申请具有以下技术效果：1、通过决策树模型，能够计算出目标区域对于产量影响较大的特征，表示出产量与如发芽率、杂草率等特征之间的影响关系，并提供建议清单，根据不同特征对作物产量的影响程度，为提高产量提供帮助。
[0017]2、根据目标区域内的历史数据，构建决策树模型，通过采集实时的环境、图像等数据，通过对作物不同阶段生长状况、环境进行分析，给作物生长过程提供客观数据，通过决策树模型，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源数据融合的数字乡村构建方法，其特征在于，包括以下步骤：获取目标区域内作物的多个生长阶段的历史数据，进行数据处理，得到作物生长的多源数据，所述历史数据包括：作物图像、环境数据、阶段时间数据及收割阶段的作物产量；计算获得第一时段数据与第二时段数据，所述第一时段数据中的所述环境数据符合预设的正常环境阈值，第二时段数据中的所述环境数据符合预设的异常环境阈值；对所述作物图像进行图像处理和识别，计算作物发芽阶段的发芽率、幼苗阶段的幼苗叶片面积及成长阶段的杂草率，所述发芽率的计算公式为：，其中，M为发芽作物棵数，N为记录的播种数，q为发芽率；所述幼苗叶片面积计算公式为：，其中，A为幼苗区域像素点个数，B为幼苗图像中灰度图像的边长像素值个数，为所述幼苗叶片面积，表示所述目标区域的面积;所述杂草率的计算公式为：，C表示所述作物图像中杂草区域的像素点个数，D表示图像中作物的叶片区域的像素点个数；将所述第一时段数据、所述第二时段数据、所述发芽率、所述杂草率、所述幼苗阶段的叶片面积及所述作物产量作为特征，构建决策树模型；在所述决策树模型中，所述作物产量所在的层的下一层节点表示的特征判定为目标特征，所述目标特征为对作物产量影响最大的特征，根据所述目标特征，生成建议清单及产量预测清单。2.根据权利要求1所述的基于多源数据融合的数字乡村构建方法，其特征在于，所述杂草率的计算中，包括以下步骤：确定作物区域；根据所述作物区域，确定所述叶片区域及所述杂草区域，统计所述叶片区域的像素点个数；统计所述杂草区域的像素点个数，其中，设置所述叶片区域像素值为0，获得杂草阈值分割图，在所述杂草阈值分割图中，杂草区域的像素值为1，其他区域为0；根据所述叶片区域的像素点个数及所述杂草区域的像素点个数，计算所述杂草率。3.根据权利要求2所述的基于多源数据融合的数字乡村构建方法，其特征在于，确定所述作物区域及所述杂草区域中，包括以下步骤：获取作物深度图像，根据所述作物深度图像中的深度信息判定垄高及垄的位置，所述深...

【专利技术属性】
技术研发人员：王征，刘帅，闫文忠，王猛，陈明，
申请(专利权)人：山东征途信息科技股份有限公司，
类型：发明
国别省市：