【技術實現步驟摘要】
本專利技術涉及信息自動化控制，尤其涉及的是一種基于數字孿生技術的農作物監測方法、系統及裝置。
技術介紹
1、現有的農作物監測主要采用遙感、物聯網、圖像識別與機器視角等單一的技術應用，對農作物的生理和病蟲害特征進行監測。盡管能夠取得一定的監測效果，但農作物生長受天氣、溫度、濕度和病蟲害等多因素影響，單一的數據源或維度的信息不足以全面反映復雜環境下的農作物生長，無法獲取到準確的監控信息，進而無法對農作物實現精準的科學管理。
2、因此，現有技術需要進一步的改進。
技術實現思路
1、鑒于上述相關技術中的不足之處，本專利技術的目的在于提供一種基于數字孿生技術的農作物監測方法、系統及裝置，克服現有技術中無法實現對農作物進行全方面準確監控的缺陷。
2、本專利技術解決技術問題所采用的技術方案如下：
3、第一方面，本實施例公開了一種基于數字孿生技術的農作物監測方法，其中，包括：
4、獲取目標農場區域內農作物的實時監控數據；
5、將實時監控數據輸入至預設的農場數字孿生模型中，并基于所述農場數字孿生模型得到融合特征數據；
6、將所述融合特征數據和歷史融合特征數據輸入至已訓練的監控預測模型，得到所述監控預測模型輸出的農作物狀態預測結果；
7、根據所述農作物狀態預測結果確定調控指令，并根據所述調控指令對目標農場區域內的農作物的生長環境進行調整。
8、可選地，所述實時監控數據包括：環境監控數據、作物生長數據、農場設
9、利用部署在目標農場區域內的信息采集設備采集目標農場內農作物的環境監控數據；
10、利用智能設備采集目標農場內農作物的作物生長數據；
11、利用農作物的生長控制設備獲取目標農場內農作物的農場設備數據；
12、利用gis系統獲取目標農場的地理位置信息；
13、獲取當前目標農場區域的氣象數據；
14、利用網絡爬蟲技術獲取目標農場內農作物的市場動態數據。
15、可選地，所述獲取目標農場區域內農作物的實時監控數據的步驟之后，還包括：
16、對實時監控數據進行預處理，得到預處理的實時監控數據；
17、將預處理后的實時監控數據依次進行標準化、對數和獨熱編碼數據轉換出來，得到轉換監控數據；
18、對所述轉換監控數據進行特征工程處理，得到特征選擇和特征融合后的實時監控數據。
19、可選地，所述將實時監控數據輸入至預設的農場數字孿生模型中，并基于所述農場數字孿生模型得到融合特征數據的步驟之前，還包括：
20、根據目標農場的地理位置信息構建目標農場區域的空間特征模型；
21、根據目標農場的農作物的環境監控數據、生長控制設備獲取的運行狀態和性能數據構建農作物的實體特征模型；
22、根據目標農場內農作物的生長狀態數據構建農作物的活動特征模型；
23、根據目標農場內農作物的市場動態數據構建農作物的規則特征模型；
24、根據所述空間特征模型、實體特征模型、活動特征模型和規則特征模型之間的層級關系及空間約束條件，將所述空間特征模型、實體特征模型、活動特征模型和規則特征模型融合組裝成農場數字孿生模型。
25、可選地，所述將實時監控數據輸入至預設的農場數字孿生模型中，并基于所述農場數字孿生模型得到融合特征數據的步驟包括：
26、將實時監控數據輸入至預設的農場數字孿生模型，得到更新后數字孿生模型；
27、將更新后所述農場數字孿生模型輸出的模擬數據與實時監控數據進行對比，得到對比結果；
28、根據對比結果對更新后的農場數字孿生模型進行校正，并輸出校正后的融合特征數據。
29、可選地，將所述融合特征數據和歷史融合特征數據輸入至已訓練的監控預測模型，得到所述監控預測模型輸出的農作物狀態預測結果的步驟之前，包括：
30、獲取農作物的歷史監控數據，根據歷史監控數據構建訓練數據集；
31、利用訓練數據集對預設長短時記憶網絡多任務學習模型進行訓練，得到訓練完成的監控預測模型。
32、可選地，根據所述農作物狀態預測結果確定調控指令，并根據所述調控指令對目標農場區域內的農作物的生長環境進行調整的步驟包括：
33、根據農作物狀態預測結果，通過最小化損失函數和正則化項的加權生成優化決策方案；
34、基于優化決策方案和更新后的農場數字孿生模型生成項對應的調控指令；
35、根據所述調控指令對目標農場區域內農作物的生長環境進行調整。
36、可選地，所述優化決策方案對應的優化決策函數為：
37、d(ypred)＝argmind(l(ypred,d)+λr(d))；
38、其中，d(ypred)是優化決策函數，d為優化決策函數輸出的最優決策方案；l是損失函數，用于衡量當前決策方案與預測結果之間的差異；r是正則化項；λ是權衡因子。
39、第二方面，本申請公開了一種基于數字孿生技術的農作物監測系統，其中，包括：
40、數據獲取模塊，用于獲取目標農場區域內農作物的實時監控數據；
41、數字孿生模塊，用于將實時監控數據輸入至預設的農場數字孿生模型中，并基于所述農場數字孿生模型得到融合特征數據；
42、預測模塊，用于將所述融合特征數據和歷史融合特征數據輸入至已訓練的監控預測模型，得到所述監控預測模型輸出的農作物狀態預測結果；
43、調控執行模塊，用于根據所述農作物狀態預測結果確定調控指令，并根據所述調控指令對目標農場區域內的農作物的生長環境進行調整。
44、第三方面，本申請還公開了一種基于數字孿生技術的農作物監測裝置，其中，包括：數據采集設備和數據處理設備；
45、所述數據采集設備，布局在目標農場區域內，用于采集目標農場區域內農作物的實時監控數據；
46、所述數據處理設備，用于接收數據采集設備中采集的實時監控數據，將實時監控數據輸入至預設的農場數字孿生模型中，并基于所述農場數字孿生模型得到融合特征數據，將所述融合特征數據和歷史融合特征數據輸入至已訓練的監控預測模型，得到所述監控預測模型輸出的農作物狀態預測結果，以及根據所述農作物狀態預測結果確定調控指令，并根據所述調控指令對目標農場區域內的農作物的生長環境進行調整。
47、有益效果：
48、本實施例公開了一種基于數字孿生技術的農作物監測方法，通過獲取目標農場區域內農作物的實時監控數據；將實時監控數據輸入至預設的農場數字孿生模型中，并基于所述農場數字孿生模型得到融合特征數據；將所述融合特征數據和歷史融合特征數據輸入至已訓練的監控預測模型，得到所述監控預測模型輸出的農作物狀態預測結果；根據所述農作物狀態預測結果確定調控指令，并根據所述本文檔來自技高網...
【技術保護點】
1.一種基于數字孿生技術的農作物監測方法，其特征在于，包括：
2.根據權利要求1所述的基于數字孿生技術的農作物監測方法，其特征在于，所述實時監控數據包括：環境監控數據、作物生長數據、農場設備數據、目標農場的地理位置信息和氣象數據、以及農作物的市場動態數據；
3.根據權利要求2所述的基于數字孿生技術的農作物監測方法，其特征在于，所述獲取目標農場區域內農作物的實時監控數據的步驟之后，還包括：
4.根據權利要求2所述的基于數字孿生技術的農作物監測方法，其特征在于，所述將實時監控數據輸入至預設的農場數字孿生模型中，并基于所述農場數字孿生模型得到融合特征數據的步驟之前，還包括：
5.根據權利要求1所述的基于數字孿生技術的農作物監測方法，其特征在于，所述將實時監控數據輸入至預設的農場數字孿生模型中，并基于所述農場數字孿生模型得到融合特征數據的步驟包括：
6.根據權利要求1所述的基于數字孿生技術的農作物監測方法，其特征在于，將所述融合特征數據和歷史融合特征數據輸入至已訓練的監控預測模型，得到所述監控預測模型輸出的農作物狀態預測結果的步
7.根據權利要求1所述的基于數字孿生技術的農作物監測方法，其特征在于，根據所述農作物狀態預測結果確定調控指令，并根據所述調控指令對目標農場區域內的農作物的生長環境進行調整的步驟包括：
8.根據權利要求7所述的基于數字孿生技術的農作物監測方法，其特征在于，所述優化決策方案對應的優化決策函數為：
9.一種基于數字孿生技術的農作物監測系統，其特征在于，包括：
10.一種基于數字孿生技術的農作物監測裝置，其特征在于，包括：數據采集設備和數據處理設備；
...【技術特征摘要】
1.一種基于數字孿生技術的農作物監測方法，其特征在于，包括：
2.根據權利要求1所述的基于數字孿生技術的農作物監測方法，其特征在于，所述實時監控數據包括：環境監控數據、作物生長數據、農場設備數據、目標農場的地理位置信息和氣象數據、以及農作物的市場動態數據；
3.根據權利要求2所述的基于數字孿生技術的農作物監測方法，其特征在于，所述獲取目標農場區域內農作物的實時監控數據的步驟之后，還包括：
4.根據權利要求2所述的基于數字孿生技術的農作物監測方法，其特征在于，所述將實時監控數據輸入至預設的農場數字孿生模型中，并基于所述農場數字孿生模型得到融合特征數據的步驟之前，還包括：
5.根據權利要求1所述的基于數字孿生技術的農作物監測方法，其特征在于，所述將實時監控數據輸入至預設的農場數字孿生模型中，并基于所...
【專利技術屬性】
技術研發人員：陳海郎，陳艷芳，朱藍輝，楊文，殷美桂，趙越，
申請(專利權)人：河源職業技術學院，
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。