技术领域
[0001] 本
发明涉及计算机技术领域，特别是涉及一种基于物联网的智慧农业信息处理系统。
背景技术
[0002] 现代科学技术的快速发展，深刻的影响着农业生产方式的转变。在现代计算机和
电子技术快速发展的推动下，传统的粗放型的农业生产方式逐渐向精准化农业作业过渡。精准农业是现代农业发展的一个主要方向，农田环境信息的监测是实施和发展精准农业的一个重要环节。监测农田环境信息可以给农田的农业生产提供指导，为农业生产者、决策者的
施肥和
灌溉提供有效的依据，对保障农田粮食丰收具有重要意义。
[0003] 在现有的有关农田
土壤环境信息监测技术中，主要采用以下方式进行土壤信息的采集：手持土壤信息采集设备；取土质样品化验法；固定式的土壤信息监测站。手持土壤信息采集设备通过人工手持土壤信息采集设备到田间采集土壤信息，这种方式成本小，使用灵活方便，但是耗费人
力且效率低下，很难适应现代化精准农业的发展要求。固定式的农田信息监测站通过建设单个土壤信息监测点，形成一个获取信息非常全面的全天候监测系统，但是固定式的土壤信息监测站一次性建设投入大，且固定的监测站监测得到的参数仅能代表非常小范围内的土壤信息，而且在田间设置固定式的监测站还常常会影响到大型
农业机械的田间作业，所以这种固定式的土壤信息监测站采集的土壤信息参数很难有效的为实际农业生产提供精准的指导，在实际应用中很难大范围推广。
[0004] 此外，广大的农业作业人员的作业方式特点，也需要进行指导，而这些指导工作也需要耗费大量人力物力，且监控效果并不理想，如何有效的制定农业作业策略，提高作业
质量和广大作业人员的工作效率，也是亟待解决的。
发明内容
[0005] 针对
现有技术中的上述不足，本发明提供的一种基于物联网的智慧农业信息处理系统够通过
大数据分析有效提高农业工作效率，提高农业生产率。
[0006] 为了达到上述发明目的，本发明所采用的技术方案包括：
[0007] 一种基于物联网的智慧农业信息处理系统，其特征在于，包括农业环境信息采集与处理系统，农业环境信息展示平台，农业作业人员
监控系统，
云服务中心；
[0008] 所述农业环境信息采集与处理系统，用于接收
传感器采集的农业数据信息，并发送给云服务中心进行处理和反馈；同时将各种数据发送至展示平台、分析应用平台，以及根据数据对农业设施实施远程控制；
[0009] 所述农业环境信息展示平台，所述农业环境信息展示平台用于向用户实时接收并显示所采集的数据信息，以及当处理信息超出预设参数时所述用户能够实时发出警报提醒；
[0010] 所述农业作业人员监控系统，包括多个佩戴于农业作业人员身上的可穿戴设备，用于采集农业作业人员的相关数据；
[0011] 云服务中心包括数据分析
服务器，历史
数据库服务器；
[0012] 云服务中心，用于对所接收的各项数据通过历史数据库服务器进行存储和数据分析服务器进行分析，将数据反馈给所述农业环境信息展示平台；同时根据分析结果产生指示指令发送给所述农业作业人员监控系统；云服务中心将所述农业环境信息采集与处理系统收集的信息进行汇总，对汇总而来的信息进行分析和处理，提炼出土地生产参数的有效数据；
[0013] 云服务中心包含农业专家库和农业
知识库的知识数据，通过大
数据处理和挖掘技术整合出量化的相关
农作物生物生长模型的参数，包括阶段生长规律、
水灌溉需求、施肥规律等量化规律，调用数据分析服务器进行数据清洁、统计建模、预测等处理后存入历史数据库服务器。
[0014] 优选的，可穿戴设备终端可以为腕式可穿戴设备终端或夹子式可穿戴设备终端，腕式可穿戴设备终端佩戴于人体
手腕部位，夹子式可穿戴设备终端用于夹在衣领部位或衣襟部位。
[0015] 优选的，所述传感装置包括
温度传感器、光照强度传感器、气体探测器、
湿度传感器、
水体探测器和土壤墒情采集器；所采集的参数包括温度、湿度、光照、有效
辐射、气体浓度、土壤N/P/K含量、水体水质、酸
碱度、含
氧量等信息，采集仪器、设备的工作参数，农业地理
位置信息。
[0016] 优选的，云服务中心能够基于改进神经网络对农作物或动物的进行生长预测；所属神经网络为BP神经网络；神经网络每层所含的神经元个数可以一样，也可以不一样；不同层次的神经元之间按权值进行连接，神经元的传递函数一般为Sigmoid函数；改进训练BP神经网络模型的具体步骤为：(1)对权值进行编码，并在
指定的范围内随机产生多组编码，将其作为神经网络的多组连接权值；(2)输入训练样本，计算每组连接权值下神经网络的预测值与实际值之间的误差平方和，并以该误差平方和的倒数作为每组连接权值的适应度；(3)选择所有组适应度中较大的1/3～1/2的连接权值对应的个体作为进化群体；(4)利用交叉、变异操作对进化群体进行进化，产生新一代群体；(5)判断新一代群体是否满足训练目标，如是，执行步骤(6)，若否，用上一代中的进化群体中个体对应的连接权值代替步骤(2)中的连接权值，重复步骤(2)～步骤(5)；(6)将适应度最大的一组连接权值作为BP神经网络的初始权值；(3)训练BP神经网络，直到网络的均方误差小于初始权值的倒数为止，得到农作物或动物产量预测系统的
预测模型。
[0017] 优选的，数据分析服务器接收不同属性的农田数据；
[0018] 其中，不同属性的农田数据可以包括下列至少一项：
[0019] 土壤温度、土壤湿度、电导率、大气温湿度、二氧化
碳浓度；
[0020] 数据分析服务器将对不同属性的农田数据的计算任务发送到云平台的不同的处理机上，执行对不同属性的农田数据对农田影响度的计算，以及对不同的处理机上得到的中间计算结果进行归约，根据进行归约后的数据得到计算结果；
[0021] 数据分析服务器还将对不同属性的农田数据的计算任务发送到云平台的不同的处理机上之前，对不同属性的农田数据进行预处理；其中，预处理包括数据清洗、数据集成、空值处理和连续数据离散化；
[0022] 历史数据库服务器，用于存储实时采集的数据和经过分析处理的数据。
[0023] 优选的，进一步的数据分析服务器接收可穿戴设备发送的农业作业人员的采集数据；
[0024] 所述农业作业人员数据至少包括：
[0025] 农业作业人员的位置数据；
[0026] 农业作业人员的生理数据；
[0027] 农业作业人员的作业数据；
[0028] 数据分析服务器还将对不同属性的农业作业人员数据的计算任务发送到云平台的不同的处理机上之前，对不同属性的农田数据进行预处理；其中，预处理包括数据清洗、数据集成、空值处理和连续数据离散化；
[0029] 历史数据库服务器，用于存储实时采集的数据和经过分析处理的数据。
[0030] 优选的，所述可穿戴设备包括多种微型传感器，这些微型传感器包括但不限于：生理
信号传感器有：温度、
心电图、血氧、血压；脑电、呼吸等传感器；运动传感器有：
陀螺仪、
加速度传感器；运动传感器和测量装置还有：测量关节运动的拉伸传感器、监测运动的摄像机装置；
环境传感器有：麦克
风、光、温度、生化、测量位置的全球
定位系统；心理传感器有：
皮肤电导、麦克风。
[0031] 优选的，所述云服务中心通过云计算的方式将农业作业人员的实时数据与历史数据进行分析比对，获得最佳农业作业方案，并将方案指示信息反馈给农业作业人员。
[0032] 优选的，各传感器
节点通过自组织构建
无线传感器网络，且构建的无线传感器网络采用分簇拓扑结构，将分布在农作物种植监测区域内的传感器节点根据节点地理位置划分为N个簇，每个簇选择一个传感器节点作为簇头，其余传感器节点为成员节点，其中簇头用于收集其簇内各成员节点采集的农业监测数据；每个簇选择一个传感器节点作为簇头，具体包括：(1)基站设备2以最大功率向网络内广播信标信息，网络内传感器节点记录收到基站设备2信标信息的实际信号强度，所述信标信息包括由基站设备2设定的各传感器节点接收信标信息的理论信号强度；(2)网络内传感器节点以初始设置的概率成为候选簇头，候选簇头计算自身的优选值，然后以最大功率广播自己是簇头的消息，在设定时间内若收到另外一个优选值更大的候选簇头广播的消息，则放弃簇头的竞争，否则自己成为簇头；(3)当选为簇头的传感器节点对外广播自己是簇头的消息，其他传感器节点根据信号强度来决定加入某一个簇，并向簇头发送加入消息。
[0033] 优选的，所述系统包括针对农业监测数据的故障检测机制，由于传感器节点采集的农业监测数据与其邻居节点采集的农业监测数据具有较大的
时空关联性，该机制利用所述时空关联性，基于距离和
能量因素对邻居节点的
桥梁危险部位监测数据进行加权，计算出比较数据，通过计算待检测的农业监测数据与比较数据之间的差值是否在一定的
阈值范围内，来判断该待检测的农业监测数据是否为故障监测数据。
[0034] 本发明具有以下有益效果：
[0035] 1.传感器节点通过自组织构建无线传感器网络，传感器网络具备农业监测数据的故障检测机制，从而实现
传感器数据的安全传输和数据融合。
[0036] 2.云服务中心能够基于改进的神经网络对农作物或动物的进行生长预测，并结合农业监测数据给出优化种植策略。
[0037] 3.基于广大的农业作业人员的作业方式特点，制定农业作业策略，提高作业质量和广大作业人员的工作效率。
附图说明
[0038] 图1为现有技术中的智慧农业环境信息检测系统的示意图；
[0039] 图2为本发明
实施例的一种基于物联网的智慧农业信息处理系统的示意图；
[0040] 图3为本发明实施例的农业环境信息采集于处理系统的示意图；
具体实施方式
[0041] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
[0042] 下面对本发明的具体实施方式进行描述，以便于
本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的
权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
[0043] 图1为现有技术中的智慧农业环境信息检测系统的示意图。本发明在其
基础上进一步改进，加入了农业作业人员监控系统。同时改进了云服务中心的处理操作过程。从而解决了前述的问题。
[0044] 具体参考图2，图2示出了系统一个实施例的示意图；如图2所示，本实施例采用的架构包括：本发明所述的智慧农业环境信息检测系统包括，农业环境信息采集与处理系统，农业环境信息展示平台，农业作业人员监控系统，云服务中心。
[0045] 所述农业环境信息采集与处理系统，用于接收传感器采集的农业数据信息，并发送给云服务中心进行处理和反馈；同时将各种数据发送至展示平台、分析应用平台，以及根据数据对农业设施实施远程控制；
[0046] 所述农业环境信息展示平台，所述农业环境信息展示平台用于向用户实时接收并显示所采集的数据信息，以及当处理信息超出预设参数时所述用户能够实时发出警报提醒。
[0047] 所述农业作业人员监控系统，包括多个佩戴于农业作业人员身上的可穿戴设备，可穿戴设备终端可以为腕式可穿戴设备终端或夹子式可穿戴设备终端，腕式可穿戴设备终端佩戴于人体手腕部位，夹子式可穿戴设备终端用于夹在衣领部位或衣襟部位。所述可穿戴设备包括多种微型传感器，这些微型传感器包括但不限于：生理信号传感器有：温度、心电图、血氧、血压等；脑电、呼吸等传感器。运动传感器有：陀螺仪、加速度传感器等；运动传感器和测量装置还有：测量关节运动的拉伸传感器、监测运动的摄像机装置等。环境传感器有：麦克风、光、温度、生化、测量位置的全球定位系统等；心理传感器有：皮肤电导、麦克风等。微型传感器的感应节点收集重要的生理、活动、环境和心理信号，进行预处理后，被进一步处理、融合、分类，存储。并把这些数据送往云服务中心。
[0048] 可穿戴设备还包括无线通讯设备，用于与农业作业人员进行交流指导。
[0049] 在本发明的一个实施例中，为了便于管理者外出时仍可以对云服务中心进行
访问以掌握农场的实时数据。管理者通过手机终端对云服务中心的数据进行查看。
[0050] 如图3所示，所述农业环境信息采集与处理系统收集土地生产参数。采集温度、湿度、光照、有效辐射、气体浓度、土壤N/P/K含量、水体水质、酸碱度、含氧量等信息，采集仪器、设备的工作参数，农业地理位置信息，通过GASS传感器、红外传感器、霍尔传感器、RFID技术、
电磁感应传感器、
光谱传感器等技术手段，将这些标记的信息和现实世界的物理信息转化为可供处理的数字化信息。信息采集层涉及的
硬件技术有：二维码标签、摄像头、传感器、终端、传感器网络等，涉及的
软件技术标准有农业环境能量管理技术、农业环境抗干扰技术、农业环境适应通信模式和农业专业传感器标准等。除这些自然土地的生产参数外。通过农业环境智能改善技术来控制土地质量改善设备，如灌溉设备、增氧设备、施肥设备等来改善土地质量和性能。
[0051] 无线通信模
块将农业环境信息采集与处理系统采集到的农业信息，通过各种网络技术进行汇总，将大范围内的农业信息整合到一起，以供处理。网络层包括通信与互联网的融合网络、网络管理中心、云服务中心和智能处理中心等。信息汇总层涉及的技术有：有线网络，无线网络、传统GPRS以及3G、4G、5G等。
[0052] 云服务中心将信息汇总，对汇总而来的信息进行分析和处理，将提炼出的土地生产参数的有效数据(如实时监控数据、环境监控数据、安全监控数据等)进行汇总和简单计算，然后调用统计处理模块处理后存入土地生态数据库。
[0053] 云服务中心包含大量农业专家库和农业知识库的知识数据，通过大数据处理和挖掘技术在农业知识管理平台上整合出量化的相关农作物生物生长模型的参数，如阶段生长规律、水灌溉需求、施肥规律等量化规律，经调用经统计子模块进行数据清洁、统计建模、预测等处理后存入本发明所需的农作物生态数据库。
[0054] 相较于传统的智能农业管理系统，本发明的云服务中心做出了较大改进，其不仅能够对农业环境信息采集与处理系统，和农业作业人员监控系统上传的数据进行存储。而且通过对历史数据进行统计分析。例如对历年的气象状况和作物收成情况进行对比分析，得出最适合某种作物的气象条件，当出现相应的气象条件时，向用户提出适合种植的作物建议。
[0055] 进一步的，云服务中心还可以从历史数据中的得出最优数据，并基于该最优数据对主
控制器的各项参数进行优化，将优化后的参数发送给
主控制器。例如，云服务中心能够根据作物和动物的成长状况，得出作物或动物成长最好的历史数据，并根据历史数据对应的参数设置，将该参数设置发送给主控制器。主控制器根据该参数进行设置，从而调节到
植物或动物生长的最佳环境。
[0056] 同时，云服务中心能够基于改进神经网络对农作物或动物的进行生长预测。所属神经网络为BP神经网络。神经网络每层所含的神经元个数可以一样，也可以不一样。不同层次的神经元之间按权值进行连接，神经元的传递函数一般为Sigmoid函数。改进训练BP神经网络模型的具体步骤为：(1)对权值进行编码，并在指定的范围内随机产生多组编码，将其作为神经网络的多组连接权值；(2)输入训练样本，计算每组连接权值下神经网络的预测值与实际值之间的误差平方和，并以该误差平方和的倒数作为每组连接权值的适应度；(3)选择所有组适应度中较大的1/3～1/2的连接权值对应的个体作为进化群体；(4)利用交叉、变异操作对进化群体进行进化，产生新一代群体；(5)判断新一代群体是否满足训练目标，如是，执行步骤(6)，若否，用上一代中的进化群体中个体对应的连接权值代替步骤(2)中的连接权值，重复步骤(2)～步骤(5)；(6)将适应度最大的一组连接权值作为BP神经网络的初始权值；(3)训练BP神经网络，直到网络的均方误差小于初始权值的倒数为止，得到农作物或动物产量预测系统的预测模型。
[0057] 进一步的，云服务中心还可以农业作业人员进行统一定位，并对佩戴可穿戴设备的农业作业人员的监控系统采集的各项数据进行分析，根据分析结果，指导农业作业人员的生产作业，优化农业作业人员的工作效率。
[0058] 下面以几个示例对本系统的管理工作进行说明：
[0059] 进一步的，云服务中心包括数据分析服务器，历史数据库服务器，
[0060] 数据分析服务器接收不同属性的农田数据；
[0061] 其中，不同属性的农田数据可以包括下列至少一项：
[0062] 土壤温度、土壤湿度、电导率、大气温湿度、二氧化碳浓度等。
[0063] 数据分析服务器将对不同属性的农田数据的计算任务发送到云平台的不同的处理机上，执行对不同属性的农田数据对农田影响度的计算，以及对不同的处理机上得到的中间计算结果进行归约，根据进行归约后的数据得到计算结果。
[0064] 数据分析服务器还将对不同属性的农田数据的计算任务发送到云平台的不同的处理机上之前，对不同属性的农田数据进行预处理；其中，预处理包括数据清洗、数据集成、空值处理和连续数据离散化。
[0065] 进一步的，为了保证数据的准确性，提高传感器的监测
精度。在一个实施例中，各传感器节点通过自组织构建无线传感器网络，且构建的无线传感器网络采用分簇拓扑结构，将分布在农作物种植监测区域内的传感器节点根据节点地理位置划分为N个簇，每个簇选择一个传感器节点作为簇头，其余传感器节点为成员节点，其中簇头用于收集其簇内各成员节点采集的农业监测数据。每个簇选择一个传感器节点作为簇头，具体包括：(1)基站设备2以最大功率向网络内广播信标信息，网络内传感器节点记录收到基站设备2信标信息的实际信号强度，所述信标信息包括由基站设备2设定的各传感器节点接收信标信息的理论信号强度；(2)网络内传感器节点以初始设置的概率成为候选簇头，候选簇头计算自身的优选值，然后以最大功率广播自己是簇头的消息，在设定时间内若收到另外一个优选值更大的候选簇头广播的消息，则放弃簇头的竞争，否则自己成为簇头；(3)当选为簇头的传感器节点对外广播自己是簇头的消息，其他传感器节点根据信号强度来决定加入某一个簇，并向簇头发送加入消息。
[0066] 本实施例提出了一种新的簇头竞选机制，该机制中，网络内传感器节点以初始设置的概率成为候选簇头，然后以最大功率广播自己是簇头的消息，在设定时间内若收到另外一个优选值更大的候选簇头广播的消息，则放弃簇头的竞争，否则自己成为簇头。
[0067] 进一步的，本实施例提出了针对农业监测数据的故障检测机制，由于传感器节点采集的农业监测数据与其邻居节点采集的农业监测数据具有较大的时空关联性，该机制利用这种时空关联性，基于距离和能量因素对邻居节点的桥梁危险部位监测数据进行加权，计算出比较数据，通过计算待检测的农业监测数据与比较数据之间的差值是否在一定的阈值范围内，来判断该待检测的农业监测数据是否为故障监测数据，该机制具有较高的检测精度和鲁棒性。
[0068] 历史数据库服务器，用于存储实时采集的数据和经过分析处理的数据。
[0069] 上述方案通过云计算的方式对不同属性的农田数据对农田的影响度进行计算，解决了对于海量农田数据的计算效率问题，扩大了数据输入的规模，提高了对于农田数据的挖掘效率。
[0070] 进一步的数据分析服务器接收可穿戴设备发送的农业作业人员的采集数据；
[0071] 所述农业作业人员数据至少包括：
[0072] 农业作业人员的位置数据；
[0073] 农业作业人员的生理数据；
[0074] 农业作业人员的作业数据；
[0075] 数据分析服务器还将对不同属性的农业作业人员数据的计算任务发送到云服务中心的不同的处理机上之前，对不同属性的农田数据进行预处理；其中，预处理包括数据清洗、数据集成、空值处理和连续数据离散化。
[0076] 历史数据库服务器，用于存储实时采集的数据和经过分析处理的数据。
[0077] 上述方案通过云计算的方式将农业作业人员的实时数据与历史数据进行分析比对，获得最佳农业作业方案，从而有效的制定农业作业策略，提高作业质量和广大作业人员的工作效率。
[0078] 以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
