基于GIS的智慧农业种植区域规划辅助决策系统的制作方法

本发明涉及农业种植规划辅助决策，尤其涉及基于gis的智慧农业种植区域规划辅助决策系统。

背景技术：

1、在现代农业的生产过程中，物联网技术利用感知层的相关设备收集作物生长所需的光、湿度和土壤养分的基本信息，然后通过应用层处理来自感知层和传输层传输来的信息，从而实现农作物在生长过程中的实时监测以及所涉及的农产品相关设备的全自动化处理控制，在全面采集农产品生产及农产品加工数据信息的前提下进行信息可追溯，打造一个全面的农产品的可追溯体系，实现将农产品的种植信息、农事信息以及生产包装物流信息形成一条闭合链，完成农产品从种植到餐桌的信息全程跟踪与透明化；

2、但是其在农作物在生长及其收获的过程中还存在一些不足之处，不仅无法对上述过程中的多组数据进行实时决策预警，还无法对多端数据、多端数据处理的结果进行整合决策，导致不能将最优化农业种植区域的管理决策提供给农业工作人员，无法提供个性化的种植方案和决策建议；

3、针对上述的技术缺陷，现提出一种解决方案。

技术实现思路

1、本发明的目的在于：是将农业种植区划分为若干种植子区，再对应采集农产品成长空间图像，即农产品高空俯瞰成长图像和农产品低空平视成长图像，再对其进行去噪处理和图像特征提取，筛选出需要的目标特征信息，且通过农产品成长过程中的显性病理偏向，来预选相应的目标特征信息，再对其进行量化分析得到多种成长特征值，成长特征值均对应农作物的病理偏向，再对成长特征值进行多段处理并分别生成预警提醒集合、优先预警集合、次级预警集合和整体预警集合，以实现种植子区的动态优先预警判定处理；

2、进一步的还结合种植子区的环境保护信息和种植子区的农作物产量，对多个周期下的上述参数进行量化分析生成产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值，通过对产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值的归一化分析生成周期管理评判因子，通过周期管理评判因子实现种植子区管理农作物生产生长的稳定性，且将管理最优的种植子区调取相关参数以工作人员研究，实现最优化农业种植区域的管理决策辅助的功能；

3、从而帮助农业从业者进行种植区域规划和预警处理决策，为农业工作人员提供可视化、定量化的信息支持，帮助优化作物种植方案来提高农业生产效率和产量，实现自动处理数据、自动生成报告、预测作物生长情况和病虫害发生风险等，并根据不同的地理位置、土壤条件和气象条件等因素，提供个性化的种植方案和决策建议。

4、为了实现上述目的，本发明采用了如下技术方案：

5、基于gis的智慧农业种植区域规划辅助决策系统，包括区域划分单元、成长采集单元、数据储存单元和决策监控单元；

6、区域划分单元将农业种植区划分为若干种植子区m，m为1、2、3、……、n，n为正整数，成长采集单元用于实时采集种植子区的农产品成长空间图像并将其发送给决策监控单元；其中种植子区的农产品成长空间图像由种植子区的农产品高空俯瞰成长图像和农产品低空平视成长图像构成；

7、决策监控单元用于实时接收多个种植子区的农产品成长空间图像并进行实时分析决策，生成多个农产品的多种成长特征值，再对成长特征值进行多段处理并分别生成预警提醒集合、优先预警集合、次级预警集合和整体预警集合，且将上述生成的集合发送到数据储存单元；

8、且通过上述生成的集合进行种植子区动态优先预警判定处理；

9、数据储存单元用于接收数据并储存。

10、进一步的，决策监控单元实时分析决策生成成长特征值的具体过程如下：

11、图像预处理：对种植子区的农产品高空俯瞰成长图像和农产品低空平视成长图像进行选取并去噪处理后生成俯瞰图和平视图；

12、图像特征提取：将俯瞰图转换为灰度图，再获取其内白色像素的数量与灰色像素数量的比例得到俯瞰密度特征值，密度特征值越大则说明农作物生长的越快；

13、将平视图转换为灰度图，再获取其内白色像素的数量与灰色像素数量的比例得到平视密度特征值，再提取平视图中的黄色成分、红色成分和青色成分并生成对应的黄色图像、红色图像和青色图像；且获取黄色图像中白色像素的数量与黄色像素数量的比例得到黄色密度特征值，且获取红色图像中白色像素的数量与红色像素数量的比例得到红色密度特征值，且获取青色图像中白色像素的数量与青色像素数量的比例得到青色密度特征值；

14、病理特征选取：依据预设偏向选择黄色密度特征值、红色密度特征值和青色密度特征值的任意至少一种并生成为选择特征集合，再将选择特征集合内的数据、俯瞰密度特征值和平视密度特征值的数据分别和与之对应的权重参数一进行相乘得到若干相乘结果，再将相乘结果进行相加并平均得到成长特征值。

15、进一步的，决策监控单元的多段处理过程如下：

16、对多个种植子区的多种成长特征值进行平均生成特征均值，且将特征均值按从大到小排序并生成成长特征集合，再将成长特征集合内的特征均值分别与预设成长区间进行比较，并提取成长特征集合内的特征均值不处于预设成长区间内的种植子区并构建生成预警提醒集合，且将预警提醒集合内的种植子区按成长特征值进行从大到小排序并发送到可视化窗口进行显示；

17、获取预警提醒集合内的种植子区的多种成长特征值，将种植子区内的各种成长特征值进行排序比较获取其最大值，且删除其他成长特征值，再提取同类最大成长特征值对应的种植子区并构建若干偏向预警集合；

18、且将偏向预警集合内的成长特征值分别和与之对应的预设特征区间进行比较，提取成长特征值处于预设特征区间时对应的种植子区并构建优先预警集合，再提取成长特征值不处于预设特征区间时对应的种植子区并构建次级预警集合；获取同种植子区在优先预警集合内出现的频率，再通过频率的大小进行从大到小排序生成整体预警集合。

19、进一步的，还包括环境采集单元和环境处理单元，环境采集单元用于实时采集种植子区的环境保护信息并将其发送给数据储存单元进行储存，种植子区的环境保护信息包括实时气象信息和实时土质信息；

20、环境处理单元通过数据储存单元获取预设时间内的气象信息和土质信息并处理分析得到气象整合值和土质整合值，再将气象整合值和土质整合值分别和与之对应的预设范围进行比较，当气象整合值和土质整合值均处于预设范围内时，则不进行处理，反之则生成警报信号，通过警报信号进行环境方面的警报处理操作；

21、还将生成的气象整合值和土质整合值发送到数据储存单元进行储存。

22、进一步的，环境处理单元的具体处理过程如下：

23、获取气象信息相邻的三个数据，将其中间值分别与相邻数据进行相减得到差值，且将差值与预设气象区间进行比较，当差值不处于预设气象区间内时，则将此数据剔除，并计算中间值的两个相邻值的平均值，且将平均值替换中间值，再计算预设时间内此数据的标准差，且将标准差分别和与之对应的权重参数二进行相乘，再将相乘的结果进行相加得到气象整合值；

24、获取土质信息的同类相邻的三个数据，再将其中间值与分别相邻数据进行相减得到差值，且将差值与预设土质区间进行比较，当差值不处于预设土质区间内时，则将此数据剔除，并计算中间值的两个相邻值的平均值，且将平均值替换中间值，再计算预设时间内此数据的标准差，且将标准差分别和与之对应的权重参数三进行相乘，再将相乘的结果进行相加得到土质整合值；

25、再将气象整合值和土质整合值分别和与之对应的预设范围进行比较，当气象整合值和土质整合值均处于预设范围内时，则不进行处理，反之则生成警报信号，通过警报信号进行环境方面的警报处理操作。

26、进一步的，数据储存单元信号连接有产量采集单元和整合分析单元；

27、产量采集单元用于采集种植子区的农作物产量并发送给数据储存单元进行储存；

28、整合分析单元通过数据储存单元获取农作物收获预设周期内的同种植子区的农作物产量信息、气象整合值信息、土质整合值信息和成长特征值信息，且获取其对应的标准差和平均值，再计算标准差和平均值的比值分别得到产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值，再将其分别标记为w、q、t和c，经公式得到，得到周期管理评判因子a，且e1、e2、e3、e4和e5均为去量纲因子；

29、则获取不同种植子区对应的周期管理评判因子，再将周期管理评判因子从小到大排序，提取最小的周期管理评判因子对应的种植子区，将其标记为最优管理区，再提取最优管理区对应数据存储单元内的数据生成最优数据库，且将最优数据库发送给工作人员的设备终端，以便于相应工作人员对数据进行研究，研究出最优化农业种植区域的管理决策。

30、综上所述，由于采用了上述技术方案，本发明的有益效果是：

31、是将农业种植区划分为若干种植子区，再对应采集农产品成长空间图像，即农产品高空俯瞰成长图像和农产品低空平视成长图像，再对其进行去噪处理和图像特征提取，筛选出需要的目标特征信息，且通过农产品成长过程中的显性病理偏向，来预选相应的目标特征信息，再对其进行量化分析得到多种成长特征值，成长特征值均对应农作物的病理偏向，再对成长特征值进行多段处理并分别生成预警提醒集合、优先预警集合、次级预警集合和整体预警集合，以实现种植子区的动态优先预警判定处理；

32、进一步的还结合种植子区的环境保护信息和种植子区的农作物产量，对多个周期下的上述参数进行量化分析生成产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值，通过对产量稳定系数值、气象稳定系数值、土质稳定系数值和成长稳定系数值的归一化分析生成周期管理评判因子，通过周期管理评判因子实现种植子区管理农作物生产生长的稳定性，且将管理最优的种植子区调取相关参数以工作人员研究，实现最优化农业种植区域的管理决策辅助的功能，从而帮助农业从业者进行种植区域规划和预警处理决策，为农业工作人员提供可视化、定量化的信息支持，帮助优化作物种植方案，提高农业生产效率和产量，实现自动处理数据、自动生成报告、预测作物生长情况和病虫害发生风险等，并根据不同的地理位置、土壤条件和气象条件等因素，提供个性化的种植方案和决策建议。