【技术实现步骤摘要】
本专利技术属于农业物联网，涉及一种智慧农业物联网监测系统。
技术介绍
1、在当今世界，科技的迅速发展已经深刻影响着各行各业，农业领域也不例外。随着人口增长和资源紧缺等挑战持续存在，传统农业方式面临着诸多问题，包括资源浪费、环境污染以及人力成本增加等。为了解决这些问题，智慧农业逐渐兴起，借助物联网、大数据分析、人工智能等先进技术，为农业生产注入了新的活力。智慧农业通过实时监测和管理农田环境和作物生长情况，为农民提供了更精确的农业生产指导。
2、目前，智慧农业大部分用于监测影响作物生长的影响因子，包括气象、土壤理化指标、水质、病虫害和灌溉等。然而，由于农作物对影响其生长的影响因子的响应未知，导致难以根据农作物的偏好对影响因子进行有效监测与管理。
技术实现思路
1、为解决现有技术中存在的上述问题，本专利技术提供了一种智慧农业物联网监测系统。
2、本专利技术的目的可以通过以下技术方案实现：
3、本申请提供了一种智慧农业物联网监测系统，包括信息采集模块、信息分析模块和信息决策模块，所述信息采集模块、信息分析模块和信息决策模块通信连接，其中：
4、所述信息采集模块，用于采集所监测农作物的影响因子数据，所述影响因子数据包括气象、土壤理化指标、水质、光照强度、二氧化碳浓度、病虫害情况、孢子病害情况和灌溉情况；
5、所述信息分析模块，用于将采集的影响因子数据输入预设的信息分析单元中，预测农作物生长情况；
6、所述信息决策模块，用
7、进一步地，所述预设的信息分析单元，包括以下构建步骤：
8、s1、数据收集：收集历史时期农作物的影响因子数据及其对应的农作物生长情况数据，所述农作物生长情况数据包括生长状态和生长趋势；
9、s2、识别关键影响因子：以影响因子数据作为解释变量，其对应的农作物生长情况数据作为响应变量，构建冗余分析模型，识别对农作物生长情况具有显著影响的关键影响因子；
10、s3、确定农作物生长情况对关键影响因子的响应：以关键影响因子为解释变量，农作物生长情况数据为响应变量，构建广义可加模型，量化关键影响因子与农作物生长情况之间的响应关系。
11、进一步地，步骤s1中，所述生长状态包括植株高度、茎粗、叶面积、叶绿素含量和果实大小；
12、进一步地，步骤s1中，所述生长趋势包括生长速度、叶片颜色和叶片形态。
13、进一步地，步骤s2中，所述构建冗余分析模型，识别对农作物生长情况具有显著影响的关键影响因子，包括以下步骤：
14、s21、确定模型变量：确定构建模型的解释变量和响应变量，其中以影响因子数据作为解释变量，其对应的农作物生长情况数据作为响应变量；
15、s22、模型检验：利用蒙特卡罗置换检验，检查全模型和模型第一轴的显著性，当全模型和模型第一轴存在显著性，模型通过检验；
16、s23、识别关键影响因子：根据各变量在排序轴中的得分，绘制排序图，根据图中影响因子数据和农作物生长情况数据之间的夹角大小，确定关键影响因子。
17、进一步地，步骤s3中，所述构建广义可加模型，包括以下步骤：
18、s31、单因子显著性检验：通过建立单个关键影响因子与农作物生长情况数据之间的模型，检验所有关键影响因子对农作物生长情况影响的显著性，最后将建模结果不显著的关键影响因子剔除掉；
19、s32、关键影响因子重要性排序：通过比较所有通过单因子检验模型的aic值，对包括关键影响因子及其交互项的单因子的重要性进行排序；
20、s33、确定最终模型：采用前向选择方法，模型按照重要性排序逐个加入包括关键影响因子及其交互项的单因子，当模型加入单因子后的aic值不再减小时，停止加入单因子，确定最终模型；
21、s34、模型性能检验：将新的数据集输入最终模型中，采用决定系数评估最终模型对新数据集的预测性能。
22、进一步地，步骤s31中，所述单因子显著性检验，当单个关键影响因子与农作物生长情况数据之间模型的p值大于0.05时，表示建模结果不显著。
23、进一步地，步骤s31中，所述单因子显著性检验，还检验了关键影响因子两两之间构成的交互项对农作物生长情况数据建模的显著性。
24、进一步地，步骤s34中，所述决定系数，计算公式如下：
25、，
26、式中， y i为数据集响应变量的实测值； z i为数据集响应变量的预测值；为数据集实测值的平均值； n为样本数。
27、本专利技术的有益效果：
28、通过收集历史时期农作物的影响因子数据及其对应的农作物生长情况数据；以影响因子数据作为解释变量，农作物生长情况数据作为响应变量，构建冗余分析模型识别关键影响因子；以关键影响因子为解释变量，农作物生长情况数据为响应变量，构建广义可加模型量化关键影响因子与农作物生长情况之间的响应关系；最后将实时监测的影响因子数据输入广义可加模型以预测农作物生长情况，并结合期望的农作物生长情况，对农作物的影响因子进行调整监管。本专利技术解决了由于农作物对影响其生长的影响因子的响应未知，导致难以根据农作物的偏好对影响因子进行有效监测与管理的问题。
本文档来自技高网...【技术保护点】
1.一种智慧农业物联网监测系统，其特征在于：包括信息采集模块、信息分析模块和信息决策模块，所述信息采集模块、信息分析模块和信息决策模块通信连接，其中：
2.根据权利要求1所述的一种智慧农业物联网监测系统，其特征在于：所述农作物的影响因子数据包括气象、土壤理化指标、水质、光照强度、二氧化碳浓度、病虫害情况、孢子病害情况和灌溉情况。
3.根据权利要求1所述的一种智慧农业物联网监测系统，其特征在于：步骤S1中，所述生长状态包括植株高度、茎粗、叶面积、叶绿素含量和果实大小。
4.根据权利要求1所述的一种智慧农业物联网监测系统，其特征在于：步骤S1中，所述生长趋势包括生长速度、叶片颜色和叶片形态。
5.根据权利要求1所述的一种智慧农业物联网监测系统，其特征在于：步骤S2中，所述构建冗余分析模型，识别对农作物生长情况具有显著影响的关键影响因子，包括以下步骤：
6.根据权利要求1所述的一种智慧农业物联网监测系统，其特征在于：步骤S3中，所述构建广义可加模型，包括以下步骤：
7.根据权利要求6所述的一种智慧农业物联网监测系统
8.根据权利要求6所述的一种智慧农业物联网监测系统，其特征在于：步骤S31中，所述单因子显著性检验，还检验了关键影响因子两两之间构成的交互项对农作物生长情况数据建模的显著性。
9.根据权利要求6所述的一种智慧农业物联网监测系统，其特征在于：步骤S34中，所述决定系数，计算公式如下：
...【技术特征摘要】
1.一种智慧农业物联网监测系统，其特征在于：包括信息采集模块、信息分析模块和信息决策模块，所述信息采集模块、信息分析模块和信息决策模块通信连接，其中：
2.根据权利要求1所述的一种智慧农业物联网监测系统，其特征在于：所述农作物的影响因子数据包括气象、土壤理化指标、水质、光照强度、二氧化碳浓度、病虫害情况、孢子病害情况和灌溉情况。
3.根据权利要求1所述的一种智慧农业物联网监测系统，其特征在于：步骤s1中，所述生长状态包括植株高度、茎粗、叶面积、叶绿素含量和果实大小。
4.根据权利要求1所述的一种智慧农业物联网监测系统，其特征在于：步骤s1中，所述生长趋势包括生长速度、叶片颜色和叶片形态。
5.根据权利要求1所述的一种智慧农业物联网监测系统，其特征在于：步骤s2中，...
【专利技术属性】
技术研发人员：陈孚，张一博，冯智斌，彭庆文，邱彩霞，
申请(专利权)人：中通服建设有限公司，
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。