亚博APP安全有保障:「技术前沿」农情信息智能感知及剖析的研究

本文摘要:“农情”是指农作物生长阶段的情况、温度、物质、灾害等影响因素以及农业外界条件 与农作物生产状态的动态跟踪,是种植人员对农业生产举行增产方法的重要依据。

亚博APP安全有保障

“农情”是指农作物生长阶段的情况、温度、物质、灾害等影响因素以及农业外界条件 与农作物生产状态的动态跟踪,是种植人员对农业生产举行增产方法的重要依据。农作物 生长的相关信息数据决议了农产物的产量,进而影响农产物价钱和农民收入。

随着信息技 术在农业领域的广泛应用,种种面向庞大应用配景的农业信息治理系统大量涌现,信息资源 富厚,体现形式多样,信息容量和处置惩罚要求已大大超出传统处置惩罚方法的能力。此外,如何有 效收罗、筛选和使用这些信息资源,充实体现农业信息的时效性和综合性,也是农业信息化 亟待解决的问题之一。早期的农情监测设备为单机监测,传感器收罗到的数据存储在当地, 需要定期摆设专人通过 USB 接口转存,效率极其低下。

近年来随着智慧农业的全球化推 进,先进科学技术与农业领域精密联合,在新兴观点“精准农业”中,农产物质量溯源系统、 农情预警系统、辅助决议系统等现代化农业信息系统对农情信息数据感知息争析的依赖度 正逐步提高。在农业生产的整体历程中,农情信息的智能感知及剖析是其中的关键环节,是整个智慧化、信息化农业的生长基础。本文从农情感知和信息剖析2 个方面来举行综述,分 析探讨了现代高新技术在农业中的应用现状,并对未来农业生长与科学技术的联合提出建议。

1 物联网监测与信息传输技术1.1 农业传感器技术传感器技术是智慧农业观点中的一项关键技术,是现代农业信息化技术的焦点。通过传 感器收罗获取种种农情信息和数据,再经由信号通报模块和后台剖析技术,将抽象的农情信 息转换成数字信号,实现被测工具物理量、化学量和生物量等非电量丈量,对促进农业生产 运动的生长具有重要意义。

1.1.1 农业监测传感器种类 农业传感器种类繁多,凭据应用场景大致可分为情况类传感器、 农业气象类传感器、动植物生长状态类传感器和农机参数类传感器 4 大类,详细分类和对应 的功效如表 1 所示。农用传感器凭据其应用领域差别所接纳的器件种类也很是富厚,图 1 为部门传感器示意图,其中,温湿度传感器、土壤水分传感器和二氧化碳传感器均属于情况 传感器,而机油压力传感器、风向风速传感器和植物径流传感器划分属于农机参数、农业气象和动植物生长状态传感器。在未来农业智能感知领域,多传感器相互配合,信息共享是智 慧农业的趋势,可形成综合性强,连动性好,实时性高的智慧农业传感系统。

1.1.2 无线传感网络 WSN 中的传感器通过无线方式通信,因此网络设置灵活,设备位置可 以随时更改,还可以跟互联网举行有线或无线方式的毗连。针对无线传感网络计划与快速部 署问题,岳学军等[6]研究了柑橘园射频信号衰减模型并举行了组网试验;曹惠茹等[7]研究了 无线多媒体传感网络在通常事情情况下信号的流传特性;2017 年该团队提出了一种基于植 保无人机的 WSN 云辅助数据收集计谋,该方法传输快速且有着很是好的数据完整性[8];在 同年,该团队还提出了一种由传感器节点、牢固群向导和无人机-sink 组成的无人机-无线传 感网络协作框架,极大优化了“无人机+无线传感”的事情模式[9]。1.2 物联网信息收罗与传输技术农业物联网是指通过农业信息感知设备(即上述传感器件等),根据约定协议,把农业 系统中动植物生命体、情况要素、生产工具等物理部件和种种虚拟“物件”与互联网毗连起 来,举行信息交流和通讯,以实现对农业工具和历程智能化识别、定位、跟踪、监控和治理 的一种网络[10]。近年来,农业物联网一直是“十二五”计划、“全国两会”的热门话题。

在 2020 年 2 月 5 日国务院公布的“中央一号文件”中指出,要“依托现有资源建设农业农 村大数据中心,加速物联网、大数据、区块链、人工智能、第五代移动通信网络、智慧气象 等现代信息技术在农业领域的应用。”一些农业物联网试点项目如中国试点项目和欧洲试点 项目,使用卫星遥感技术资助分析和监测种种情况特征温度、土壤参数和大规模农业,这些 研究有助于明白大规模实施问题中的差别挑战[11]。物联网主要由感知层、网络层和应用层 3 层结构组成,它是互联网盘算模式的进一步发 展。

在物联网生长的历程中,农业一直是物联网应用的重要领域,物联网技术的加成使得农 业生产、销售、治理和服务等整个工业链有了新的生长方式。图 2 为农业物联网的基本结构 示意图,划分展现了感知层、网络层和应用层的 3 种应用场景,3 个环节精密联合、环环相 扣,从实际农田情况到监控平台、移动端的信息传输和处置惩罚是物联网农业的焦点思想。物联 网的监测模式有利于对农作物的整体掌握,我国近些年不停在物联网农业领域深耕下,亦形 成自己的一套农业工业统筹和计划计谋。

以四川盆地的玉米地生产为例,胡亮等[12]设计了 一个机缘物联网的玉米病害情况监测系统,该系统在在感知层使用传感器技术实时收罗情况 数据,再通过传输层的 4G 移动通信网络实现远距离传输,基于四川农畜育种攻关云服务平 台,应用数据库技术和云服务技术实现数据的存储和治理,最后在应用层接纳 B/S 模式实现 数据展示事情。该系统实现了对玉米生产地情况和生长状态相关数据的快速、精准、实时、 自动丈量等功效,极大地降低了生产治理历程的人力和资源成本,提高了事情效率和玉米产 值。农业物联网一体化互联模式在农情监测方面可以以越发精致和系统的方式让人类实现 对农业生产运动中各要素的认知和管控,对农田、水产、果园等集中化农业场景制定出合理 高效的应对方法,对突发情况举行监控而且实时反馈到云台服务器等,极大地提高了人类对 农业动植物生命本质的认知能力、先进农业生产系统的调控能力和自然灾害的预防能力。2 基于物联网的农情信息智能感知技术2.1 农田土壤信息感知技术土壤的质量决议了当地人们的生活和生产方式,它是生命的摇篮,是人类赖以生存的物 质基础。

良好的土壤情况不仅能够促进农作物茁壮发展,还与人类身体康健有着密切的联系 [13-14]。随着科技的进步,对土壤各项信息的监测技术也逐渐走向现代化和信息化,以确保在 农业生产中有及格的土壤情况。图 3a 为奥地利 POTTINGER 公司的车载综合土壤传感器 TSM,可以实时地扫描土壤表层和深层土质结构,获得差别区块的压实度、含水率、电导率 和土壤类型等;图 3b 为美国细密种植( Precision planting)公司的 Smart Firmer 传感器和 Delta Force 压力传感器,能够收罗土壤的有机质含量、温度和湿度信息以及土壤的硬度信息。智慧农业的全球化推进促使农业从业人员、生产人员、各大研究机构以及大型企业等对 土壤信息检测方法展开了大量研究。

在土壤含水量检测方面, Antonucci 等[15]使用主动红外 热成像法实现了实验室和现场的土壤含水量快速检测;蔡坤等[16-17]也划分基于 RC 网络相频 特性和基于 LVDS 传输线延时检测技术设计了土壤含水率传感器,前者具有快速检测的优 点,尔后者在精准度上有更好的体现。在土壤有机质和化学元素的检测方面,外洋有比利时 列日大学的 Genot 等[18]使用近红外反射光谱法检测土壤有机质含量;Hong 等[19]接纳毛细 管气相色谱-电子捕捉检测器和质量选择性检测器(MSD)同时测定土壤浸出液中的 2,4-二氯 苯氧乙酸(2,4-D)、3,6-二氯-2-甲氧基苯甲酸(麦草畏)和(2-(4-氯-2-甲基苯氧基)丙酸(甲基丙 酸)。

在海内,邓小蕾和李民赞等[20-21]基于卤钨灯光源和多路光纤法设计了土壤全氮含量检 测仪;秦琳等[22]使用杜马斯燃烧法和凯氏定氮法测定土壤有效态身分来分析尺度物质的全 氮含量等,实现了土壤中氮元素的有效检测;王儒敬等[23]和张俊卿等[24]设计了土壤钾离子 非接触电导检测装置,基于光谱、卷积神经网络、深度稀疏学习等方法对土壤全钾含量举行 预测;张小超级[25-26]使用近红外光谱法分析了北京典型耕作土壤的养分信息,研究了基于激 光诱导击穿光谱的土壤钾素检测方法,应用傅里叶变换近红外光谱技术分析了土样的全钾含 量;代艳娜等[27]通过将同位素内标法定量联合超高效液相色谱-串联质谱法,建设了测定土 壤中灭蝇胺及其代谢物残留的方法;杨学灵等[28]建设了用超声提取土壤和沉积物中的异丙 胺的分析方法,具有接纳率理想、细密度和准确度好的优点。在土壤信息的传输和反馈方面, 陈二阳等[29]针对传统的土壤情况参数物联网收罗模块存在的可扩展性低、实时性差、数据 可靠性不高等问题,以 CC2530 芯片为 ZigBee 组网焦点,以 STM3 为 MCU,使用 JSON 刻 画传感器的参数和状态数据,同时提出了一种基于感知源信任评价的可靠数据保障模型;岳 学军等[30] 设计了一种基于土壤墒情的自动浇灌控制系统,该系统能准确监测土壤墒情信息 并通过收罗节点经互联网上传服务器,实时性强,控制性能好。彭炜峰等[31]优化了丘陵地 区农田土壤信息监测系统,能够对山地农田各区域举行土壤酸碱度实时监测。

2.2 农田情况信息感知技术农田情况信息感知是指对农业生态情况实时监控以及和农业生产运动相关的情况监测。通过对与植被和农作物生长密切相关的水、气、光照、热量等农业气象情况因子举行监测并 收罗信息,实时掌握大田的情况因素,从而为农业生产等相关治理事情提供相应的科学数据 和决议依据。典型的延伸应用有大田气候科学研究、农业气象预报服务、农业灾害预警服务、 农田小气候监测系统等。图 4 展现了一些常见的监测气象站。

温室气象感知技术现在已经很是成熟且有许多乐成的实践案例,例如河南平顶山市新城 区气象局[32]在大棚温室情况下,借助农业气象物联网技术,使各个温室成为无线传感器网 络检测控制区,能够全面测控蔬菜大棚中的情况变量(如温度、空气水汽含量、通光量等), 到达有效革新蔬菜品质和调整生长周期的目的。此外,蔡坤等[33]设计了一种基于误码检测 机制的红外光雨水传感器,解决了传统雨水传感器在滴灌系统应用中只能监测降雨的开始而 不能监测降雨竣事的毛病,为雨水给农田情况带来的影响做了全面的监测事情。王斌等[34] 对中小型养殖场的实际需求,使用台达 PLC 及触摸屏设计了一个自动测控系统,实现对猪 舍内温湿度和氨气浓度等情况生态参数的监测。

岳学军等[35]使用静电纺丝简朴,低成本和 多功效性的优势,设计了基于 ZnO-TiO2 纳米纤维静电纺丝的高性能湿度传感器,对相对湿 度为 1%~90%变化规模具有高敏捷性对于大规模农田种植来说,农田情况和气象监测的研究不仅可以让农业生产者预估气候 的变化,以便更好地控制生产运动,提高产量;也是现代化农业、智慧农业迈出一大步的关 键隘口。农田情况和气象监测事情涉及规模比力广、涉及到的内容也较多,具有数据量大的 突出性特点[36]。卫星遥感监测技术和物联网地面笼罩监测技术为农田情况和气象监测提供 庞大的助力,是现在以及未来的一定研究偏向。

前者具有探测规模广、信息反馈快、全局性 掌握强等特点,能够快速准确地收集农田整体气象特点,分析未来气象趋势;后者是基于“3S” 技术、网络技术、物联网技术及各种农业传感器构建的地面传感网[37],能够对农田地表各 类情况指标做到全面笼罩、精准监测,具有较强的系统性。2.3 农田病虫草害感知技术在农业生产的历程中,如果不接纳须要的科学措施,农作物将可能遭受到病虫草害的影 响,进而导致其无法顺利生长,图 5 为病、虫草害对作物危害的例子。所以,病虫草害的智 能监测和防治是农业生产中的重要环节。

2019 年 我国首个以作物病虫草害监测预警为研究 内容的机构——西北农林科技大学作物病虫草害监测预警研究中心正式建立[38],预示着我 国防治病虫草害的事情由传统人工防治转型向信息化治理、智慧防治的未来生长趋势。现在,病虫害的检测方法主要有荧光光谱法、高光谱成像、可见/近红外光谱法和数字 图像处置惩罚等[14]。

光谱技术对苹果、柑橘、枣等实现虫害的无损检测效果良好[39-41]。在病虫 害监测中向量机的使用也是一大热点,如 Griffel 等[42]基于光谱特征,使用支持向量机来检 测熏染病毒的马铃薯植株;Romer 等[43]基于荧光光谱特征,使用向量机来检测小麦叶锈病; Kaur 等[44]使用图像处置惩罚和支持向量机技术对植物的叶面图像检测,并以此判断植物病变情 况,盘算患病面积的百分比。此外,另有其他一些方法,如许良凤等[45]研究了基于深度学 习的病虫害智能化识别系统,使用多分类器融合的方法对玉米叶部病害举行识别,构建病害 的深度学习模型,较好地判断和预测玉米叶片受病虫害的概率和面积。

此外,与物联网技术 的联合是作物病虫草害防治的生长趋势。赵小娟等[46]设计了基于物联网的茶树病虫害监测 预警系统,该系统将多媒体、盘算机图像识别、GIS 等技术和自动性诱仪、高清摄像机等硬 件设备箱联合,实现了茶园情况数据,病虫害信息的自动化监测。朱静波等[47]在病虫草害 监测和预警中应用无线传感器网络,首创汇聚节点预处置惩罚原始数据,减轻了数据传输的肩负。

农田杂草的感知技术主要是基于视觉特征来举行分析,运用图像技术和光谱法对杂草 和作物举行分散,准确定位杂草位置,精准対靶控制。Watchareeruetai 等[48]使用单目相机, 使用纹理和颜色来检测杂草;Rasmussen 等[49]使用单目相机,基于叶片颜色和边缘形状特征 举行杂草检测;Bakhshipour 等[50]在杂草识别系统中加入了视觉神经网络技术,为杂草识别 提供了新方法和新思路。Marine[51]等联合空间信息和光谱信息对农作物杂草早期检测接纳无 监视分类算法;Hall 等[52]开发了一个可快速部署的杂草分类系统,该系统不需要提前确定农田中存在的杂草种类,通过直接使用可视化数据来实现杂草定位,极大地降低了事情难度, 提高了智能化水平。

2.4 作物生长信息感知技术无论是对农田土壤、空气情况举行监测,亦或是对病虫草害的实时处置惩罚,其本质都是为 了作物有一个良好的生长发育状况和长势。作物的生长特性反映了其内部生理状态和外部形 态特征,对作物生长历程中的生理生长状态举行监控有助于指导农业生产运动。图 6 展示了 一些常用的作物生理生长状态感知手段和相关传感技术。

植物生长的内部生理状态主要体现 在径流速度、激素、葡糖糖等小分子和 pH 的变化。外部形态主要体现为叶片面积、根茎、 秆茎特征。2.4.1 内部生理状态感知 径流速度感知主要接纳热技术方法,包罗热扩散、热平衡、热场变 形等方法。激素类感知主要接纳电化学的方法,其优点是敏捷性好、丈量规模大、准确度高 以及成本低等。

葡萄糖检测的经典方法是使用葡萄糖氧化酶催化葡萄糖氧化生成过氧化氢, 再用辣根过氧化物酶催化生成有色产物,然后用分光光度法举行检测,该方法的主要缺点是 含有致癌物质并污染情况[53]。在叶绿素的检测中,经常运用光谱技术联合超声波、图像处 理、机械视觉等方法来举行。Jones [54] 等使用多光谱成像传感器检测叶绿素含量和浓度,并 且使用超声波传感器估算植被高度以提高叶绿素含量检测精度; Baresel 等[55]将光谱技术和 数字图像处置惩罚技术联合用于叶绿素含量检测;孙红等[56]研究了基于近红外光谱技术的叶绿 素含量检测方法;岳学军等[57]基于高光谱构建了柑橘叶片中叶绿素无损检测模型,可快速 无损地对柑橘叶片叶绿素含量举行准确的定量检测,为柑橘差别生恒久的营养监测提供理论 依据。对叶片其他元素含量的检测方面,冯伟等[58]基于高光谱遥感特征举行小麦叶片含氮 量检测、小麦氮素积累动态检测等技术研究;岳学军等[59-63]划分构建了基于高光谱的磷元素 预测模型、基于流形学习算法的柑橘叶片氮含量估测模型以及基于反射光谱的钾水平预测模 型,试验相对误差小、预测模型可靠性强,为作物生理感知技术的希望提供了技术基础。

2.4.2 外部形态特征感知 叶面积的丈量大多接纳激光传感器来举行。这种传感器可以通过扫 描植物冠层和叶片结构来快速获取叶片外貌的点云数据。这些点云数据体现了叶片的生长规 律,很是适用于建设模型和后续分析。其他的一些外部特征如杆径、果茎等也有大量其余的 方法,陈学深等[64]在研究水田情况下稻株的识别和定位问题时,提出了一种触觉感知方法, 凭据稻草辨识的力学差异及除草的生理高度,确定了感知梁的抗弯刚度,并举行了传感器标 定。

3 基于大数据融合的农情信息剖析技术3.1 多源农情信息数据库技术智慧农业即信息农业、数据农业,农业数据是智能分析和决议的须要前提和基础,随着 智慧农业的技术推进,农业数据所涉及的规模也越来越广泛,数据结构和种类也日渐富厚。农业数据库是一切农业信息事情的承载点,增强对数据库技术在农业领域的应用探索,可以 有效促进农业信息化治理水平的提高,而且为信息化科学治理提供越发辽阔的空间。

数据库技术与建设工程学、遥感技术、地理信息学等技术相联合,形成了许多新的数据 库产物技术,如通用数据库技术、空间数据库以及遥感影像数据库技术等[65]。1)通用数据 库技术:包罗关系数据库系统、工具数据库系统和工具关系数据库 3 种数据库系统模式。关 系数据库系统是一种简朴的二维表,仅能处置惩罚数值和字符串,没有富厚的数据类型,也不支 持高性能的存储和查询,但它是数据库系统的尺度和基础;工具数据库系统是随着面向工具 技术方法徐徐与数据库相联合而成,其继续了关系型的数据库技术,又在其基础上延伸了多 种数据库类型,如漫衍式数据库,工程数据库和多媒体数据库等;工具关系数据库联合了前 两者的特点,生长了面向工具的建模能力,从而提高了操作庞大数据的能力,是第三代数据 库的生长产物。2)空间数据库技术:农情监测数据信息中极大部门的数据都与空间位置密 不行分,因此数据库与地理信息系统联合形成的空间数据库是农情监测数据库技术中的重要 一环。

空间数据具有多维庞大性,包罗数据属性,空间位置和数据随时间变化等特征,空间 数据库技术则相应地生存了这些数据以及它们的特征,与传统数据库差别,空间数据库通常 包罗这些空间拓扑结构或者距离信息,拥有庞大的多维空间索引算法。3)遥感影像数据库 技术:卫星技术的生长使得遥感影像的数据信息快速增长,应运而生的即是与之相应的影像 数据库技术。现在遥感影像数据库研究的前沿和热点依然是影像压缩技术、影像分片存储技 术和影像索引技术等。在充实使用 GIS、RS 和其他新兴技术的前提下,海内外建设了多个 乐成地大型遥感影像数据库系统,如 Google Earth 影像舆图服务系统,Mircrosoft Virtual Earth 以及 Digital NGP 等。

外洋在数据收罗和分析研究的基础上,建设了相关的农情数据库,使用最新的数据库技 术治理和共享相关的农情信息。美国先后建设了包罗 AGRICOLA、AGRIS、BIOSIS Preview、 PestBank、CMS MBR (生物网)、国家海洋与人气治理局数据库 NOAA、农业网络信息中心等在内的多个大型数据库系统和网络信息中心,积累了大量的农业信息资源[66]。德国也非 常重视农业数据库治理系统的建设,各州农业局开发数据治理系统、电视文本显示服务系统 和植保数据序系统,向农户提供农作物生产技术、病虫害预防和防治技术以及农业生产资料 市场信息等[67]。法国同样注重农业信息数据库建设,其农业部不仅收录具有代表性的涉农 网站,并通过网络平台集成,定期或不定期公布政策、统计数据、市场动态等农业信息以实 现农业数据共享[68]。

海内学者对农情数据库技术及系统的开发也举行了深入研究。方利等[69-70]开展了多源海 量统计遥感数据库研究,制定了统计遥感基础地理数据库尺度,设计了统计遥感基础地理数 据库结构及要素的编码体系,并基于 PowerDesigner 设计数据库模型;同时,在统计遥感数 据库建设历程中综合使用了影像编目、元数据治理和数据转换等技术,多方式实现了多源统 计遥感数据的集成与治理。此外,我国通过科技平台项目建设,先后建成了各行业的科学数 据中心,好比中国农业科学院资源区划所建成了 MODIS-R 卫星数据共享数据挥、中国科学 院地面站建设了卖力吸收和治理的数据共享平台、中国气象局建设了气象数据共享中心等, 中国农业科学院等多家单元收集和整理了我国历史以来的重要农业信息,并建设成了国家级 的数据库中心,通过网络对外免费共享[65]。

3.2 云盘算与大数据分析技术互联网+大数据+云盘算与农业的联合,使当前现代化农业生长已经从数字化、网络化 进入到以数据深度挖掘与融合应用为特征的智慧化阶段,传统农业历程正在向集约化、精准 化、智能化转变。3.2.1 农业大数据 农业大数据就是把各种农业数据举行收罗、汇总、存储和关联分析,从中 整合新要素、掘客新资源、发现新知识、缔造新价值的一种农业新业态。

农业大数据时代, 不仅可以通过建设综合的数据平台调控农业生产,还可以记载分析农业种植养殖历程以及农 产物流通历程中的动态变化,通太过析数据、总结履历,制定一系列调控和治理措施,使农 业生长高效有序。从农业市场需求来看,农业大数据可以用于指导农事生产、预测农产物市 场需求、辅助农业决议、规避风险等目的;从农业生产环节来看,农业大数据可以使用传感 器收罗气候、土壤大数据,提供农户最佳的栽种治理决议,协助农民有效治理农地,如美国 EarthRisk 公司使用其旗舰产物 TempRisk 对 60 年的气象历史观察数据基于 820 亿次盘算, 举行天气分析识别和预测,最长可以提前 40 d 生成冷热天气概率,极大增强了农情预警[71]; 从农产物经销溯源上看,无论是供应链经济还是食品宁静,妥善使用大数据技术平台,可以 实现从田间到餐桌的每一个历程追踪,让治理历程简练透明、高效宁静,如可以3.2.2 云盘算技术 “云盘算”是一种超级盘算技术,它的焦点在于使用高速的网络运输功效, 将处置惩罚完的数据从盘算机终端服务器中转移到“云”端上举行存储。这里的“云”指的即是 虚拟化的盘算机终端存储资源地,小我私家用户和企业用户不需要花费大量的资金购置昂贵的硬 件,而是通过租赁或者花费少量的资金购置超级盘算机集群的“云服务”就可以获取超强计 算能力,完成对盘算机数据储存的所有需求,这就是“云盘算”带给用户全新的一种商业化 的模式[73]。

崔晓军等[74]使用云盘算技术对温州市的农业大数据平台举行研究,建设了大数 据中心、大数据统计分析模型以及大数据可视化平台。上海市也依托云服务中心建设项目, 接纳 vSphere 虚拟化技术,通过新增硬件并与原设备联合的方式,完成了上海农业云服务中 心的建设,在掩护已有投资、盘活存量资产、提高系统建设速度、提升农业业务系统稳定性 与便捷性等方面,取得了显着的社会经济效益。3.2.3 大数据分析技术 大数据和大数据技术是差别的观点,前者是后者的承载,后者是前者 的开发应用。

大数据技术的开发与应用很是重要,数据只有经由不停分析提炼才气形成珍贵 的价值,农业大数据也不破例,需要举行相应数据预处置惩罚,才气降低噪声和庞大性,增强数 据可操作性,通过关联规则等挖掘分析,从海量数据的千丝万缕联系中找出纪律和价值所在 [75]。农业大数据清洗技术的关键在于使用相关手段把“脏数据”酿成切合质量尺度的数据。随着农业行业大数据愈来愈庞大和庞大,大数据清洗技术也逐渐由人为和法式完成转为云计 算的方式;而农业大数据关联分析和预测技术主要历程就是在庞大的数据中找出其中的频率 模式、关联性、相关性以及其中的因果关系,从而发现某种农业现象的纪律和结论等。

图 7 为农业大数据技术的事情框架示意图。3.3 农情信息智能剖析算法机械学习是近年来的技术趋势,因其强大的数据处置惩罚能力和学习发展能力,众多实际问 题获得了空前高效的解决方式,农业领域现在已经应用到农产物质量检测和分级、杂草和植物病虫害检测、土壤分析等方面。

机械学习在农业生产中的应用加速了农业信息化和智能化 历程。机械学习分为监视学习、非监视学习、半监视学习和强化学习 4 种,表 2 凭据每种方 式中的差别算法举行分类,枚举了每种算法的突出优点以及其在农业中的详细应用3.3.1 监视学习算法 监视学习是凭据已有的数据集得出输入和输出之间的关系,并训练获得 一个最优模型。

监视学习中有学习和推理 2 个历程,如图 8 所示。训练数据既有特征(输入) 又有标签(输出),通过机械训练,让机械可以找到特征和标签之间的联系,这即是学习的 历程;而在面临只有特征没有标签的数据时,又能凭据学习效果判断出标签,这即是推理的 历程。研究人员使用对朴素贝叶斯算法划分对鸢尾花的花型特征、核桃仁、蓝莓生长阶段进 行分级分类,测试精度均为 90%以上,证明该算法对简朴分级分类不仅简朴快速,而且具有 稳定分类和可靠性高的优点[76-79]。

如果追求更高的精度,则可以接纳 K-NN 算法,该算法在油菜籽和蓝莓生长阶段的分级中,分类精度划分到达了 98%和 97.8%[68, 80]。3.3.2 非监视学习算法 与监视学习纷歧样的是,非监视学习算法只有输入变量,没有输出变 量,其目的是对数据中潜在的结构和漫衍建模,以便对数据进一步学习。由于没有输出的参 照,所以非监视学习的目的重心并不是在学习和推理上,而是对输入的数据举行聚类和关联 分析,好比新闻推送根据内容差别分为财经、娱乐、体育等,这即是聚类算法,旨在发现数 据中内在的分组。

K-均值聚类算法是非监视学习的重要算法。罗匡男等[81]在研究三七叶片 的 2 种病斑时,通过改变初始簇中心的方法,选择距离绝对值最大的向量作为初始簇中心点 的 K-Means ++算法来提高分类的准确度;刘永娟等[82]在对玉米抽雄期举行观察实验时,使 用革新的 K-means++算法对玉米雄穗的灰度图像聚类支解,并以此分析生长时期;Zhang 等 [83]在对作物图像的病虫害举行特征识别中,使用 K-means++均值聚类算法支解图像,获取 病虫害信息的形状和颜色特征,识别率较高。

研究讲明,在解决聚类问题上,该算法简朴快 速,能够高效处置惩罚比力大的数据集。3.3.3 半监视学习算法 半监视式学习是一种监视式学习与非监视式学习相联合的一种学习 方法,拥有大部门特征数据(输入)和少部门的标签数据(输出),可以使用非监视式学习 发现和学习特征数据的结构关系,并使用监视式学习对无标签的数据举行标签的推理。徐邮 邮等[84]在获取山东泰安市周边的 94 个土壤样本光谱和含水量实测数据基础上,使用半监视 模糊识别模型建设土壤含水量的光谱估测模型,充实使用了样本中确定性与不确定性的信 息,使土壤含水量推理估测具有很高可靠性。吴四茜[85]在相似青梅品级分类问题的研究中 引入半监视学习这一典型的机械视觉分类技术,运用大量获取相对简朴的无标签相似青梅样 本特征信息与少量有标签样本特征信息相联合,克服了有标签样本获取难题、数量少等问题 的限制,缓解了有标签样本数据之间缺乏相关性的现状,增强了有标签样本训练的认知模型 的鲁棒性。

3.3.4 强化学习算法 强化学习的本质是解决决议问题,即自动决议和一连决议的问题法式在 一个问题的处置惩罚上实验所有可能的解决方案,记载差别方案执行后的效果并试着找出最好的 一次实验,这即是强化学习的历程。这一历程主要包罗 4 个元素,即 agent、情况状态、行 动和奖励。该算法的焦点在于“奖励”和“处罚”机制,当执行的方案较优时,获得“高分” 反馈,反之获得“低分”反馈,在整个学习历程中,通过反馈信息获得更多的累计“奖励分 数”,不停调整解决方案,以便获得最好的效果。

该算法一般用于农业控制上,如农机自主 巡航、喷施控制、大田和果园浇灌等。Zhou 等[86]应用强化学习设计了机械人自主获取导航 控制计谋方法,使机械人能够不停适应动态变化的导航情况,而且在自制式移念头器人平台 上开展了试验,效果讲明机械人可以在实际导航情况中自动获取更优的导航计谋,完成预期 的导航任务; Sun 等[87]提出了一种基于强化学习的可变速率浇灌控制方法,开发了基于神 经网络的土壤水位和作物产量快速模型,对差别地理位置和作物类型的模拟讲明,基于作物 产量和水资源消耗所提出的方法可以显著增加收益,为智慧浇灌控制提供了一种选择。4 农情信息智能决议技术为相识决盘算机自动组织和协调的多模型运行,对大量农业数据库中的数据存储和处置惩罚 到达更高效、更准确的决议能力,泛起了智能决议技术的观点并快速投入实践。

亚博APP安全有保障

智能决议技 术旨在大量的农业生产信息数据中挖掘最有价值的信息和纪律,对农业生产历程举行判断和 智能指导,最大化提高农业生产效率。常见的智能决议技术包罗变量作业决议、路径计划决 策和多机协同作业决议。

4.1 变量作业决议 变量作业一直是智慧农业的重点研究工具,尤其体现在变量喷雾和变量施肥上。被模块 化植入了变量喷雾系统的 Arrow-F1000(图 9a)[88]和凭据果树树形特点研制的新型风送变量 喷雾机(图 9b)[89]均能够举行自主决议,实现变量喷雾的功效。凭据大数据和专家知识, 合理控制喷施量,并形成自主判断、智能控制的智慧化模式。曾立等[90]使用植株特征和植 株与机械人的相对位置举行喷施决议,通过提取收罗到的植株图像特征,再经由模糊控制算 法后,使用 PWM 模块调治喷施量。

苑严伟等[91]设计了变量配肥施肥机和小麦精量播种变量 施肥机,开发了基于作业处方图的氮磷钾配比施肥决议支持系统。赫云鹏[92] 设计了一个基 于 GIS 技术的玉米变量施肥自动决议系统,该系统可以完成玉米地地块界限测绘、划分网 格区域、标志采样点以及制作变量施肥图等一系列事情。4.2 路径计划决议路径计划通常指全局的路径计划,在农业中的应用一般体现在农业机械装备上,使其在 作业区域全笼罩的前提下,对作业的效率、能耗和情况掩护等参数举行优化,盘算出最合理 的行走门路。Karen 等[93]基于拖拉机导航设计的决议支持系统实现了效率最高、燃料最省、 盈利较高的路径计划。

Hameed[94]提出了一种多目的优化笼罩的路径计划方法,该方法突出 的优点是成本较低。刘刚等[95]以空载或满载时间最短为基准,提出了一种基于 GNSS 的农田自动导航方法。

孟志军等[96]提出了一种面向农田作业机械的地块全面笼罩路径计划方法, 其主要特点是农田被划分为差别区域,以此来分块选择差别的路径计划目的。对于全区域覆 盖路径计划而言,思量的不仅是转弯路径而且包罗农田区域内的所有行驶轨迹,现在的计划 方案有 S 型、口字型、回字型和对角型 4 种,如图 10 所示[97]。4.3 多机协同作业决议现代农机的 2 种差别生长偏向:一是超大型化和庞大化;二是多台小型农机协同作业。

多机协同作业对具有严格的作业窗口期或要求抢种抢收的意义重大[14]。CHI 等 [98]研究了日 本水稻、大豆和小麦等农业多机械人系统,包罗种植、播种、团结收割机等多种协同作业装 备。

曹如月等[99]基于蚁群算法研究了多机协同作业任务计划,建设了多机协同作业任务分 配模型。郭娜等[100]基于领航-追随结构提出了一种收获机群协同导航控制方法,该方法在建 立收获机群运动学模型的基础上,联合反馈线性化理论和滑模控制理论,设计了渐近稳定的 路径跟踪控制律和队形保持控制律。曹如月等[101]基于 Web-GIS 设计了多机协同作业远程监 控平台,对各农机举行决议分析和任务调理,从而实现多机协同作业5 问题与建议农情信息感知与剖析作为精致农业事情中的重要一环,对指导农业生产、保障农民增收 和稳定农业生长具有重要意义[102]。

本文从农情感知技术和信息剖析技术 2 个方面展开综述, 划分先容了当前应用在农业领域的高新技术,如传感器、物联网、大数据技术和机械学习算 法等。精准、智慧农业的生长现在正处于最关键也是最艰难的阶段,对农情信息的掌控和处 理是其中的焦点所在,随着工业技术的生长和农业现代化水平的提高,科学技术在农业上的 应用越来越广泛,这也促进了农情感知与剖析技术的厘革和更新,但同时也存在着一些问题 需要不停地生长创新,以适应农业生长新常态[37]5.1 农业传感器技术存在的问题 智慧农业的生长离不开传感器技术,现代信息技术的高速生长也推动着农业传感器技术 的快速生长,其前景很是广泛。

现在农用传感器的应用仍然存在许多问题:1)传感器的性 价比问题,市面上大多数性能好的传感器价钱较为昂贵,对一般农户的农业生产运动资助不 大,所以,对于传感器在一般农业的全面应用另有距离;2)传感器的技术水平有限,实时 性和一连性有限,信息获取难免泛起有误差、不完整等问题,限制着智慧农业的整体生长和 推广[10];3)传感器的寿命也是一个一直以来被关注的问题,大多数农用传感器的事情情况 都在室外,恒久袒露在阳光和雨露当中,导致使用寿命短,维护用度较高;4)现在农业中 多数的无线传感网络拓扑还是基站星型拓扑型结构,并不是真正意义的无线传感网络,传感 器的无线可感知化和无线传输水平不高[11]。5.2 以后生长建议5.2.1 农情感知方面 传感技术的生长水平制约着整体感知技术的生长水平,只有不停革新和 创新传感器技术和无线传感技术,朝多功效高性价比的传感器和实时高效的传感网络偏向进 行研究,才气让获取的农情信息可靠度获得高质量的保障;同时,要促进物联网和互联网等 高新技术在农情感知上的应用上的精密联合,保证农情数据信息的实时性和通报性,使增强 农田数据监视治理并有效地举行农业生产决议,提高工业链产值和农业行业整体价值。5.2.2 信息剖析技术方面 数据是经由不停提炼和分析才气发生价值,对于农业数据的剖析是 农业信息化,自动化和智慧化的前提,现在信息剖析技术主要包罗大数据、云盘算、图像处 理、神经网络和机械学习等相关技术。1)由于农业问题的庞大特性,模块化处置惩罚方式是数 据剖析技术的总体生长趋势,将多源异构的农业数据按差别时空特性区离开,分类分析再进 行汇总、归纳和决议;2)其次须明确信息剖析技术在农业上的需求导向,针对差别的农业 问题深入生长相关技术,越发贴合农情和现代化农业理念;3)信息剖析技术的生长和人才 素质水平密切相关,高校和研究机构等一定要注重科研人才对现代化信息技术的学习和开 发,扩大现有信息技术人员的知识面和专业素养,形成研究人员专业深度化和小我私家专业知识 综合化的局势,从源头上提升农业信息剖析技术的整体水平。

5.2.3 农业数据库技术方面 在未来农业的信息化、智慧化推进历程中,农业数据库技术具有 重要的职位,建议:1)增强数据库数据的易检性和共享性,淘汰数据流传历程中的阻力, 增强数据的时效性和便易性;2)增强数据库技术的宁静性,从设计和治理层入手,重视数 据库数据的宁静性,让特有的信息能获得应有的保障;3)提高数据库的质量尺度,联合当 地实际农情,控制审核数据库建库尺度,大大提高农业数据库质量,促进数据库的快速有效 地进步;4)强化数据库治理,在数据库运行历程中增强检查和维护,确保数据库的正常运 作,制止系统故障造成数据错误或数据丢失等现象。5.2.4 智能决议技术方面 智能决议技术的应用必将在我国农业信息化建设的历程中发生极大 地助力,建议:1)继续加深与高新技术的融合(如物联网,大数据,神经网络技术等),技术水平决议了智能决议技术的可靠可信度,在智慧农业的全面推进下,切实增强技术联合 与技术创新是首要之途;2)构建智能化决议机制,合理制定农业生产决议的相关要求与标 准规范,增强信息互通、信息共享的理念,让农业决议规范化甚至制度化。

作者:岳学军、蔡雨霖、王林惠、刘永鑫、王 健、洪金宝泉源:华南农业大学学报接待大家在评论区交流分享更多精彩资讯,请连续关注数字农业分会官方账号!。

本文关键词:亚博APP安全有保障

本文来源:亚博APP安全有保障-www.xtzys.com