[发明专利]一种智能农业管理方法和系统

权利要求书

1.一种智能农业管理方法，其特征在于，具体包括步骤：

S1.实时监测土壤的养分数据和水分数据；

S2.获取本地区的历史天气数据和预测天气数据；

S3.获取作物的历史价格数据；

S4.预先设置养分含量标准值和水分含量标准值，对比所述养分数据和所述养分含量标准值，当所述养分数据小于所述养分含量标准值时输出警报信息，对比所述水分数据和所述水分含量标准值，当所述水分数据小于所述水分含量标准值时输出警报信息；

S5.处理分析所述作物的历史价格数据和所述历史天气数据，结合所述预测天气数据得到作物价格趋势预测结果；

S6.根据所述作物价格趋势预测结果控制收获作物的时间。

2.根据权利要求1所述的一种智能农业管理方法，其特征在于，所述S1中，实时监测土壤的养分数据和水分数据具体包括：

S101.采集土壤的养分数据和水分数据；

S102通过广播的形式发送所述养分数据和水分数据；

S103.对所述养分数据和水分数据进行预处理，所述预处理包括对所述养分数据和水分数据进行智能化封闭和裁剪、检查数据是否完整、丢弃受损数据、丢弃冗余数据和指定传输方向。

3.根据权利要求1所述的一种智能农业管理方法，其特征在于，所述S4中还包括精确控制施肥量和灌溉量，具体包括：

S401.把受监测的农田划分为多个小区域；

S402.实时监测所述多个小区域内土壤的养分数据和水分数据；

S403.对比所述多个小区域的养分数据和养分含量标准值，对比所述多个小区域的水分数据和水分含量标准值；

S404.筛选出所述养分数据小于所述养分含量标准值的小区域，筛选出所述水分数据小于所述水分含量标准值的小区域；

S405.输出警报，精确控制各个小区域的施肥量和灌溉量。

4.根据权利要求1-3中任一项所述的一种智能农业管理方法，其特征在于，所述S5中，得到作物价格趋势预测结果的过程具体包括：

S501.整理所述作物的历史价格数据，所述作物的历史价格数据包括过去一段时间内每一天的作物价格Y；

S502.获取本地区的历史天气数据，所述历史天气数据包括过去一段时间内每一天的降雨量A、风力等级B和气温C；

S503.组建价格相关模型，并根据所述价格相关模型分析出降雨量相关因子α、风力等级相关因子β和气温相关因子γ，得到价格天气相关关系Y＝αA+βB+γC；

S504.获取本地区的预测天气数据，并结合所述价格天气相关关系Y＝αA+βB+γC对作物的价格进行预测，得到预测作物价格；

S505.对比预测作物价格与过去一段时间内每一天的作物价格，输出作物价格趋势预测结果。

5.根据权利要求4所述的一种智能农业管理方法，其特征在于，所述S504中，先获取实时作物价格和实时天气数据，所述实时天气数据为当天的天气数据，所述实时作物价格为当天的作物价格，根据预测作物价格和实际作物价格不断对降雨量相关因子α、风力等级相关因子β和气温相关因子γ进行修正，修正的过程具体包括：

S5041.获取过去一段时间内每天的预测作物价格和实际作物价格；

S5042.遍历计算得到过去一段时间内每天的预测作物价格和实际作物价格之差并取的绝对值作为一组修正参考数；

S5043.计算所有修正参考数的平均值σ；

S5044.对比当天的预测作物价格和实时作物价格之差的绝对值与2σ，当小于2σ时认定当天的预测作物价格可信，否则认定当天的预测作物价格不可信；

S5045.当当天的预测作物价格可信时，认定当天的实时作物价格和实时天气数据相关性强，把当天的实时作物价格和实时天气数据纳入价格相关模型并重新分析降雨量相关因子α、风力等级相关因子β和气温相关因子γ；当当天的预测作物价格不可信，认定当天的实时作物价格和实时天气数据相关性弱，则丢弃当天的实时作物价格和实时天气数据，保留原来的降雨量相关因子α、风力等级相关因子β和气温相关因子γ。