【技術實現步驟摘要】
本專利技術涉及數據分析，具體地說，涉及農作物生長期大數據分析與肥料優化方法及裝置。
技術介紹
1、農作物在不同生長階段對土壤養分需求各異，源于其各階段生理過程差異、代謝途徑變化以及對環境適應性需求不同，如種子萌發期需氮促蛋白合成、磷助根系生長，營養生長期氮用于葉綠素合成、鉀調節氣孔與運輸，生殖生長期磷促花芽分化與能量代謝、鉀提果實品質與膨大等；
2、為了實現對農作物進行科學化的種植，農作物種植人員在長時間種植農作物的過程中會憑借大量歷史數據構建農作物的線性回歸模型，對不同生長階段農作物的精準分析，能夠為其營造適宜的生長環境，例如精確調控土壤養分、水分以及光照等條件，從而有效促進農作物的健康生長，顯著提高農作物的產量與質量。
3、在構建線性回歸模型的進程中，一旦歷史數據出現不充分或不準確的情形，線性回歸模型便有可能存在瑕疵與漏洞，無法精準地反映農作物生長的真實規律與特性，進而致使其在對農作物生長狀況進行模擬、預測以及為農業生產決策提供指導時產生偏差與失誤，嚴重影響科學化種植的成效與農業生產效益的提升，鑒于此，我們提出農作物生長期大數據分析與肥料優化方法及裝置。
技術實現思路
1、本專利技術的目的在于解決當前農作物線性回歸模型更新滯后以及不同生長階段施肥缺乏精準性的關鍵問題。
2、為實現上述目的，本專利技術提供能夠緊密依據農作物所處的特定生長階段，運用精準且科學的策略開展施肥作業，同時，依托先進的數據處理與分析機制對線性回歸模型進行更新的農作物生長期
3、s1、通過網絡爬蟲獲取養分物質吸收光譜特性電信號、不同生長階段養分消耗速度均值區間和氣象數據，以及接收種植記錄中的農作物歷史產量數據、農作物生長階段對應的土壤養分和氣象數據，并根據歷史農作物生長階段將其分類存儲至農作物生長期數據庫；
4、s2、采用機器學習算法，建立農作物產量、生長階段、氣象數據和土壤養分含量對應的線性回歸模型；
5、s3、設定農作物預測產量，運用土壤養分傳感器檢測當前土壤養分含量，確定農作物當前生長階段，依據線性回歸模型計算當前農作物不同生長階段所需土壤養分含量，并對農作物精確施肥；
6、s4、接收精確施肥后當前農作物產量，設定學習率，并根據當前農作物產量和預測產量的誤差值優化線性回歸模型。
7、作為本技術方案的進一步改進，所述農作物生長期數據庫通過網絡爬蟲模擬瀏覽器，分別向學術數據庫和氣象數據服務器發送http請求，請求獲取土壤中養分物質吸收光譜特性電信號、不同生長階段養分消耗速度均值區間和氣象信號；
8、對應服務器接收到請求后，根據請求的url，返回對應網頁數據至網絡爬蟲，從而網絡爬蟲獲取土壤中各種養分物質吸收光譜特性電信號、不同生長階段養分消耗速度均值區間和氣象信號。
9、接收種植記錄中對應的農作物歷史產量數據、歷史不同生長階段土壤養分含量和歷史氣象數據，并根據農作物不同生長階段將土壤數據分類存儲至農作物生長期數據庫。
10、作為本技術方案的進一步改進，所述s2中采用機器學習算法建立線性回歸模型的步驟如下：
11、接收農作物生長期數據庫中存儲的歷史農作物產量數據、不同農作物生長階段對應土壤養分含量和氣象數據；
12、因農作物生長階段需求的特性基礎、生理過程的相互關聯性和環境因素的協同作用機制使得農作物產量數據與不同農作物生長階段對應土壤養分含量、氣象數據之間存在線性關系，因此通過如下線性回歸模型表示之間的關系：
13、y1＝β1x1+β2x2+…+βixi；
14、y2＝β1x1+β2x2+…+βixi；
15、...；
16、yi＝β1x1+β2x2+…+βixi；
17、其中，β1-βi是回歸系數，表示x1-xi對產量的影響程度，x1-xi為與y1-yi對應生長階段的土壤養分含量和氣象數據，如氮含量x1、磷含量x2、...平均溫度x3、降水量x4、鉀含量xi，y1-yi為農作物不同生長階段對應的歷史產量。
18、作為本技術方案的進一步改進，通過最小二乘法計算線性回歸模型中不同回歸系數：
19、
20、其中，βi為回歸系數，n為多個農作物產量、不同生長階段土壤養分含量和氣象數據的樣本數量，xi為第i個樣本的土壤養分含量和氣象數據，yi為第i個樣本的農作物產量；
21、為多個不同土壤養分含量樣本數據的平均值：
22、為多個農作物產量樣本數據的平均值
23、通過計算的回歸系數確定農作物產量與土壤養分含量、氣象數據之間的關系。
24、作為本技術方案的進一步改進，所述s3中運用土壤養分傳感器檢測當前土壤養分含量的步驟如下：
25、土壤養分傳感器輸出端向農作物周圍土壤發射出具有特定波長范圍的光，特定波長范圍的光照射到土壤時，土壤中的養分物質會吸收部分光能，使透過土壤的透光強度發生變化；
26、土壤養分傳感器接收端接收透過土壤的光，將透光信號轉換為電信號；
27、接收網絡爬蟲獲取的土壤中各種養分物質吸收光譜特性電信號；
28、將計算獲取電信號與轉換電信號，得知土壤中各種養分物質的含量；
29、計算公式如下：
30、
31、其中cmeas為當前土壤中養分物質的含量，imeas為土壤養分傳感器轉換的電信號，istd為通過網絡爬蟲獲取的電信號，cstd為與istd電信號對應的已知養分含量。
32、作為本技術方案的進一步改進，所述s3中確定當前農作物生長階段的步驟如下：
33、接收當前農作物相鄰兩個時間點之間的土壤養分含量差值，根據養分差值變化計算農作物養分消耗速度；
34、
35、其中，v為當前農作物消耗養分速度，c1-c2為相鄰兩個時間點之間土壤養分含量的差值，v＝δt為相鄰時間點的差值；
36、接收s1中獲取的農作物不同生長階段養分消耗速度均值區間：
37、幼苗期均值區間：[xa,xai]；
38、拔節期均值區間：[xai,xb]；
39、…；
40、成熟期均值區間：[xz,xzi]
41、接收農作物當前養分消耗速度：v；
42、若xa＜v＜xai，則說明當前農作物處于幼苗期，若xa＜v＜xai，xai＜v＜xb則說明當前農作物處于拔節期。
43、作為本技術方案的進一步改進，所述s3中依據線性回歸模型計算當前農作物不同生長階段所需土壤養分含量的步驟如下：
44、接收當前農作物生長階段、土壤養分含量和農作物預測產量；
45、調出s2中符合當前生長階段的線性回歸模型；
46、yi預＝β1x1需+β2x2需+…+βixi需；
47、通過線性回歸模型中計算當前符本文檔來自技高網...
【技術保護點】
1.農作物生長期大數據分析與肥料優化方法，其特征在于：包括如下方法步驟：
2.根據權利要求1所述的農作物生長期大數據分析與肥料優化方法，其特征在于：所述農作物生長期數據庫通過網絡爬蟲模擬瀏覽器，分別向學術數據庫和氣象數據服務器發送HTTP請求，請求獲取土壤中養分物質吸收光譜特性電信號、不同生長階段養分消耗速度均值區間和氣象信號；
3.根據權利要求2所述的農作物生長期大數據分析與肥料優化方法，其特征在于：所述S2中采用機器學習算法建立線性回歸模型的步驟如下：
4.根據權利要求3所述的農作物生長期大數據分析與肥料優化方法，其特征在于：通過最小二乘法計算線性回歸模型中不同回歸系數：
5.根據權利要求1所述的農作物生長期大數據分析與肥料優化方法，其特征在于：所述S3中運用土壤養分傳感器檢測當前土壤養分含量的步驟如下：
6.根據權利要求5所述的農作物生長期大數據分析與肥料優化方法，其特征在于：所述S3中確定當前農作物生長階段的步驟如下：
7.根據權利要求6所述的農作物生長期大數據分析與肥料優化方法，其特征在于：所述S3
8.根據權利要求1所述的農作物生長期大數據分析與肥料優化方法，其特征在于：所述S4中優化線性回歸模型的步驟如下：
9.根據權利要求8所述的農作物生長期大數據分析與肥料優化方法，其特征在于：所述學習率設定的步驟如下：
10.用于農作物生長期大數據分析與肥料優化方法，應用于權利要求1-9中任意一項所述的農作物生長期大數據分析與肥料優化裝置，其特征在于：包括施肥結構(100)，所述施肥結構(100)包括施肥飛行器(101)，所述施肥飛行器(101)的中部安裝有用于存儲混合后肥料的肥料存儲箱(102)，所述肥料存儲箱(102)頂部安裝有兩個密封門(103)，所述施肥飛行器(101)靠近肥料存儲箱(102)的一側安裝有下料器(104)，所述下料器(104)的進料端與肥料存儲箱(102)為貫通連接，所述下料器(104)的出料端貫通連接有連通管(105)，所述連通管(105)的外側壁貫通連接有三個下料噴頭(106)。
...【技術特征摘要】
1.農作物生長期大數據分析與肥料優化方法，其特征在于：包括如下方法步驟：
2.根據權利要求1所述的農作物生長期大數據分析與肥料優化方法，其特征在于：所述農作物生長期數據庫通過網絡爬蟲模擬瀏覽器，分別向學術數據庫和氣象數據服務器發送http請求，請求獲取土壤中養分物質吸收光譜特性電信號、不同生長階段養分消耗速度均值區間和氣象信號；
3.根據權利要求2所述的農作物生長期大數據分析與肥料優化方法，其特征在于：所述s2中采用機器學習算法建立線性回歸模型的步驟如下：
4.根據權利要求3所述的農作物生長期大數據分析與肥料優化方法，其特征在于：通過最小二乘法計算線性回歸模型中不同回歸系數：
5.根據權利要求1所述的農作物生長期大數據分析與肥料優化方法，其特征在于：所述s3中運用土壤養分傳感器檢測當前土壤養分含量的步驟如下：
6.根據權利要求5所述的農作物生長期大數據分析與肥料優化方法，其特征在于：所述s3中確定當前農作物生長階段的步驟如下：
7.根據權利要求6所述的農作物生長期大數據分析與...
【專利技術屬性】
技術研發人員：姚偉杰，周濤，陳智，蘇卿，馮偉，張燦嶺，許偉達，李濱峰，
申請(專利權)人：淮濱縣淮河生態農業發展投資有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。