一种农业物联网大数据的分析方法与流程

本发明涉及水稻种植技术领域，具体涉及一种农业物联网大数据的分析方法。

背景技术：

水稻是稻属谷类作物，代表种为稻。水稻原产于中国和印度，七千年前中国长江流域的先民们就曾种植水稻。

水稻按稻谷类型分为籼稻和粳稻、早稻和中晚稻、糯稻和非糯稻。按留种方式分为常规水稻和杂交水稻。还有其它分类，按是否无土栽培分为水田稻与浮水稻；按生存周期分为季节稻与“懒人稻”（越年再生稻）；按高矮分为普通水稻与2米左右的巨型稻；按耐盐碱性分为普通淡水稻与“海水稻”（其实它主要使用淡水）。

水稻所结子实即稻谷，稻谷脱去颖壳后称糙米，糙米碾去米糠层即可得到大米。世界上近一半人口以大米为主食。水稻除可食用外，还可以酿酒、制糖作工业原料，稻壳和稻秆可以作为牲畜饲料。中国水稻主产区主要是长江流域、珠江流域、东北地区。水稻属于直接经济作物，大米饭是中国居民的主食，目前国内的水稻种植面积常规稻是2.45亿亩，而杂交稻的种植面积是2亿亩。

水稻的生长过程之前都是通过工作人员肉眼观察来判断水稻生长趋势，容易出现判断失误的现象，不利于水稻稳定生长和增产。

基于此，本发明提供了一种农业物联网大数据的分析方法以解决上述问题。

技术实现要素：

解决的技术问题

针对现有技术所存在的上述缺点，本发明提供了一种农业物联网大数据的分析方法，能够有效地克服现有技术所存在的工作人员肉眼观察来判断水稻生长趋势，容易出现判断失误的现象，不利于水稻稳定生长和增产的问题。

技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种农业物联网大数据的分析方法，包括控制器，所述控制器电性连接有电源模块，所述控制器电性连接有数据处理模块，所述数据处理模块通过rs-485连接有数据采集模块，所述控制器通过can总线连接有处理系统，所述处理系统包括分析模块、大数据映射模块、诊断模块和结果输出模块，所述分析模块与大数据映射模块连接，所述大数据映射模块与诊断模块连接，所述诊断模块与结果输出模块连接。

更进一步地，所述数据采集模块通过空间拓扑、时序变化以及环境变量之间对比关系的分析，提取稻米数据特征，并制成第二特征关系图。

更进一步地，所述数据处理模块用于对数据打包压缩，并将压缩包传输至所述控制器中进行运算处理。

更进一步地，所述分析模块与控制器电性连接，且分析模块包括聚类分析和第一大数据存储模块，存储模块存储大量的已被研究清楚的第一特征关系图，聚类分析通过第一特征关系图与第二特征关系图体现实时监控数据。

更进一步地，所述大数据映射模块包括关联规则控制算法和第二大数据存储模块，所述关联规则挖掘算法分析稻米生长或稻种品质状态的变化规律，构建环境状态自动机，所述第二大数据存储模块存储关联规则挖掘算法构建的环境状态自动机，将分析模块分析出的实时监控数据与第二大数据存储模块存储的环境状态自动机进行映射处理，映射处理分析稻米生长未来可能的变化或稻种品质变化趋势。

更进一步地，所述结果输出模块包括预警模块和智能响应模块，所述智能响应模块将映射处理分析结果进行智能提示，实现智能提示，映射处理分析结果高于设定预警值时预警模块启动预警模式进行，实现及时管理和管控。

有益效果

采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：

本发明通过控制器、数据处理模块、数据采集模块、分析模块、大数据映射模块、诊断模块和结果输出模块相互配合，实现对稻米实时数据进行整体分析，将分析结果与大数据的状态自动机进行映射处理，从而得知稻米生长变化或稻种品质变化趋势，利于工作人员进行最优化操作，利于水稻稳定生长和增产。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的组成框图；

图2为本发明的分析模块组成框图；

图3为本发明的大数据映射模块组成框图；

图4为本发明的结果输出模块组成框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合实施例对本发明作进一步的描述。

实施例

本实施例的一种农业物联网大数据的分析方法，包括控制器，所述控制器电性连接有电源模块，所述控制器电性连接有数据处理模块，所述数据处理模块通过rs-485连接有数据采集模块，所述控制器通过can总线连接有处理系统，所述处理系统包括分析模块、大数据映射模块、诊断模块和结果输出模块，所述分析模块与大数据映射模块连接，所述大数据映射模块与诊断模块连接，所述诊断模块与结果输出模块连接。

数据采集模块通过空间拓扑、时序变化以及环境变量之间对比关系的分析，提取稻米数据特征，并制成第二特征关系图。

数据处理模块用于对数据打包压缩，并将压缩包传输至所述控制器中进行运算处理。

分析模块与控制器电性连接，且分析模块包括聚类分析和第一大数据存储模块，存储模块存储大量的已被研究清楚的第一特征关系图，聚类分析通过第一特征关系图与第二特征关系图体现实时监控数据。

大数据映射模块包括关联规则控制算法和第二大数据存储模块，所述关联规则挖掘算法分析稻米生长或稻种品质状态的变化规律，构建环境状态自动机，所述第二大数据存储模块存储关联规则挖掘算法构建的环境状态自动机，将分析模块分析出的实时监控数据与第二大数据存储模块存储的环境状态自动机进行映射处理，映射处理分析稻米生长未来可能的变化或稻种品质变化趋势。

结果输出模块包括预警模块和智能响应模块，所述智能响应模块将映射处理分析结果进行智能提示，实现智能提示，映射处理分析结果高于设定预警值时预警模块启动预警模式进行，实现及时管理和管控。

使用时如图1-4所示，

s1：根据数据采集模块要求进行采集数据，通过空间拓扑、时序变化以及环境变量之间对比关系的分析，提取稻米数据特征，并制成第二特征关系图；

s2：数据处理模块用于对数据采集模块制成的第二特征关系图数据打包压缩，并将压缩包传输至所述控制器中进行运算处理；

s3：控制器将数据传递给分析模块，分析模块中的存储模块存储大量的已被研究清楚的第一特征关系图，聚类分析通过第一特征关系图与第二特征关系图体现实时监控数据；

s4：关联规则挖掘算法根据之前统计大量数据分析稻米生长或稻种品质状态的变化规律，构建环境状态自动机，第二大数据存储模块存储关联规则挖掘算法构建的环境状态自动机，将分析模块分析出的实时监控数据与第二大数据存储模块存储的环境状态自动机进行映射处理，映射处理分析稻米生长未来可能的变化或稻种品质变化趋势；

s5：结果输出模块的智能响应模块将映射处理分析结果进行智能提示，实现智能提示，映射处理分析结果高于设定预警值时结果输出模块的预警模块启动预警模式进行，实现及时管理和管控；

上述控制器、数据处理模块、数据采集模块、分析模块、大数据映射模块、诊断模块和结果输出模块相互配合，实现对稻米实时数据进行整体分析，将分析结果与大数据的状态自动机进行映射处理，从而得知稻米生长变化或稻种品质变化趋势，利于工作人员进行最优化操作，利于水稻稳定生长和增产。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。