一种野外农田农业数据采集及分析系统的制作方法

本实用新型涉及农业信息技术领域，具体为一种野外农田农业数据采集及分析系统。

背景技术：

我国是农业大国，而非农业强国，提高农业生产效益和增强农作物的抗灾能力是当前我国农业发展的核心问题。目前，我国农业生产仍然以传统生产模式为主，传统耕种只能凭经验施肥灌溉，不仅浪费大量的人力物力，也对环境保护与水土保持构成严重威胁，对农业可持续性发展带来严峻挑战。

“智慧农业”就是针对上述问题应运而生的，即将物联网技术运用到传统农业中去，运用传感器和软件通过移动平台或者电脑平台对农业生产进行控制，使传统农业更具有“智慧”。农田数据的采集与传输对于宏观把握农作物的生长环境和生长状况、保持农作物处于最佳生长环境、提高农作物产量、预测农作物病虫害爆发等都具有重要意义。在现有技术条件下，农田数据的采集与传输普遍采用人工采集与无线电传输。由于农田数据采集任务存在采集工作量大、传输功耗高、传输时延长、传输安全性差的问题，基于现有设备，当前农业数据采集及分析系统主要是针对设施农业所创建的，专利CN201218739Y提供了一种基于掌上电脑的农田数据采集装置，该装置使用范围小，必须在具有供电设施的设施农业内方能正常使用，且该设备仅提供数据采集装置，无法将采集到的数据进行系统分析，更无法实现基于采集到的数据而对农业耕种进行指导，对提高农业生产效率贡献不大。

技术实现要素：

本实用新型要解决的技术问题是：提供一种可克服现有技术不足的用于野外农田农业数据采集及分析系统。

本实用新型所述的野外农田农业数据采集及分析系统包括数据收集端、数据云平台、数据存储与分析中心和用户接收端，所述数据收集端为多节点的通过无线电电连接的数据采集端构成的无线传感器网络，数据收集端通过物联网与数据云平台电连接，数据存储与分析中心通过公众通信网络电连接数据云平台，用户接收端通过互联网与数据云平台电连接，具体设计方案如下：

每一个野外小区为一个小型的无线传感器网络，该网络终端为数据收集端，该网络中有很多个节点，每个节点就是一个数据采集端。所述数据采集端通过各检测单元，包括空气温度和湿度检测单元、土壤温度和湿度检测单元、PH值检测单元、光照强度检测单元、环境CO2浓度检测单元、环境风速检测单元实时采集相关数据；所述收集端和数据采集端均采用太阳能板加蓄电池的供电方案。所述收集端的核心处理器采用MSP432单片机，所述数据采集端采用MSP430单片机。数据收集端通过互联网将采集到的数据发送到专门的数据云平台。数据存储与分析中心从云平台上实时获取相关数据并对这些数据采用统计分析与机器学习技术相结合的策略对其进行分析预测，并将分析结果，返回给数据云平台。用户或者决策者则可以通过网页、手机APP和微信平台三种用户接收端查看相关数据。

本实用新型中所述的数据收集端采用太阳能板加蓄电池的供电方案，解决了现有技术中由于野外农田中无供电设施而无法进行数据收集的问题，并且该方案增强了本系统的便携性，使用更加方便；所述收集端的核心处理器采用的MSP432单片机和数据采集端采用的MSP430单片机，均为低功耗器件，使得本系统在无光照和光照强度不够的条件下也能够正常运行，保证了所采集数据的连续性；本系统的数据采集端采用前端多点数据采集装置，收集的数据更准确，更全面，基础数据参考性更强；本系统收集端可实现采集数据的本地保存。本系统的数据分析中心可以根据先验数据进行预测估计，为决策者提供强有力的客观数据支持，例如在施肥量、浇水量、产量预测及自然灾害防治等提供数据参考。多种分析结果和数据查看方式可以提供给决策者或用户多种选择，使本系统使用更加多元化更加便捷。

本实用新型能够用于野外农田，是基于物联网云平台和微信公众平台的智能农业数据采集及分析系统。服务智慧农业和精准农业，为农业决策、农业生产、农业管理等提供可靠的数据支持。不断提升我国的农业现代化水平。

附图说明

图1为实施例1中数据采集与分析系统的框架示意图，图2为实施例1中数据采集端的网络结构示意图。

其中1为数据收集端，2为数据云平台，3为数据存储与分析中心，4为用户接收端，5数据采集端。

具体实施方式

下面结合具体实施实例对本实用新型进行详细说明。以下实施实例有助于此领域的技术人员进一步理解本发明，但不以任何形式限制本实用新型。

实施例一。

如图1所示是一个野外农田农业数据采集及分析系统，该系统包括数据收集端1、数据云平台2、数据存储与分析中心3和用户接收端4。数据收集端1为多节点的通过无线电电连接的数据采集端5构成的无线传感器网络，数据收集端1通过互联网与数据云平台2电连接，数据存储与分析中心3通过公众通信网络电连接数据云平台2，用户接收端4通过互联网与数据云平台2电连接，数据收集端1负责将小区内的数据发送到专门的数据云平台2，数据存储与分析中心3从数据云平台2上实时获取相关数据并对这些数据进行分析，并将分析结果返回给数据云平台2，用户或者决策者则可以通过网页、手机APP和微信平台三种方式查看相关数据。

如图2，数据收集端1为一个小型网络，该网络中有很多个节点，每个节点就是一个数据采集终端5，数据采集端5通过各种检测单元，即传感器，实时采集空气温度和湿度、土壤温度和湿度、PH值、光照强度、环境CO2浓度、环境风速等数据，数据收集端1负责收集各个数据采集端5的数据。

工作时，将待测的野外农田小区先进行分区，在各个分区内安装 pH 值传感器、温度传感器、湿度传感器等检测单元，与MSP430单片机电连接作为数据采集端5进行数据采集，每一个分区为一个节点，多个节点构成一个小型的以数据收集端5为中心的无线传感器网络，数据收集端1采用MSP432单片机通过与数据采集端5无线电连接进行数据收集，并借助物联网将数据上传至数据云平台2。数据收集端1和数据采集端5均以太阳能板加蓄电池作为能源供给，保证了无光照条件下数据的连续输出。

数据存储和分析中心3从数据云平台2中获取收集到的农田数据，采用统计分析与机器学习技术相结合的策略对其进行分析预测。例如进行产量预测，首先根据过去若干年的农田数据，利用统计方法分析出影响产量的主要参数，然后再根据这些关键参数，利用机器学习的方法，预测本年度的农作物产量。当然，除了进行农作物产量的预测和估计还可以做其他很多的事情。例如灾害天气对农作物的影响、施肥、浇地需水量，以及病虫害防治等。

数据存储和分析中心3将分析完成的结果返回给数据云平台2，用户通过网页、手机APP和微信平台三种用户接收端4查看相关数据。