[发明专利]基于Spark的MLR模型红富士苹果树精准灌溉方法

说明书

本发明提出了一种基于Spark的MLR模型红富士苹果树精准灌溉方法，包括胶东半岛地区红富士苹果树MLR精准灌溉模型建立和实时灌溉决策方法。所述的MLR精准灌溉模型建立包括制作影响红富士苹果树需水因子数据集；搭建分布式系统，部署Spark集群，建立MLR模型，并对模型评估完成灌水需求量的分析。所述的实时灌溉决策方法包括下位机ARM微处理器使用传感器采集环境信息，数据清洗与规范化处理，通过GPRS模块与上位机网站实时通讯，Spark对数据进行实时处理，生成决策值；若达到水量阈值，则按既定灌水定额实施灌溉，否则不作处理。本发明利用基于Spark的MLR模型的红富士苹果树精准灌溉方法，实现对胶东半岛地区红富士苹果树种植的智能浇灌与闭环控制，可提高灌溉精确性，达到优化农业生产的目的。

技术领域

本发明涉及农业生产机器学习与精准灌溉技术领域，特别涉及一种基于Spark的MLR模型红富士苹果树的精准灌溉方法。

背景技术

水是苹果树生长发育的重要因素，果树在生长过程中对水分需求十分敏感。据分析，萌芽期墒情较好，才有利于萌芽长梢，土壤含水量应达到田间持水量的70％～80％；开花期土壤水分需求充足，有利于开花坐果，花期长，落花落果轻，土壤含水量应达到田间持水量的60％～70％；新梢生长、幼果发育和果实膨大期水分充足，果实发育快，但供水不能过多，水分过多时，果实个头虽大，但果肉硬度较低，含糖量也低，风味淡薄，不利于着色，也不利于贮藏，而且在贮藏期间还容易发生病害，土壤含水量应达到田间持水量的80％；成熟期水分过多会引起贪青旺长，对着色不利，成熟期水分要稳定，水分波动大，易引起裂果，土壤的含量应达到田间持水量的80％。由此可见，根据土壤实时墒情，结合果树生长状况，做出果树用水精准灌溉决策，可以保证果实的正常发育和着色。

胶东半岛地区红富士果树销量大，种植面积广。传统的人工灌溉是农民根据经验实施的，它的缺点是人工监管成本高、灌溉精度差、灌溉水利用率低、灌水质量控制难度大等。相比于传统的人工灌溉，精准灌溉能够有效地克服上述缺点，实现无监督、精准施灌。随着大数据和机器学习的技术不断成熟和发展，在精准灌溉方面的技术也会慢慢成熟。国内外对此虽做过大量的研究，但灌溉模型的类别有限，研究对象集中于大田系统，很少有关果树方面的研究，更没有适于胶东半岛地区红富士果树的灌溉模型，因此，研究这一领域具有很大的经济价值与前景。

发明内容

本发明的目的在于提供一种基于Spark的MLR模型的红富士苹果树精准灌溉方法，通过机器学习和大数据技术解决上述技术不足，依托各种传感节点(环境温湿度、土壤水分等)和互联网可以实现红富士苹果树种植生产中关于灌水量的智能分析和决策。

一种基于Spark的MLR模型的红富士苹果树精准灌溉方法，首先确定胶东半岛地区影响红富士苹果树需水的可能因素；初始化经过特征缩放后的各个因子的参数，对参数进行可靠性分析，制作数据集；搭建分布式系统，部署Spark集群；然后训练和建立MLR模型，可以实现对灌水量的预测求解；接着使用Python和MATLAB对模型评估，进行残差分析与拟合度分析。下位机ARM微处理器使用传感器采集土壤和空气温湿度信息，然后进行数据清洗与规范化处理；接着通过GPRS模块与上位机网站实时通讯；Spark对数据进行实时处理，生成决策值；若达到水量阈值，则按既定灌水定额实施灌溉，否则不作处理。

本方法包括以下具体步骤：

S1、搜集影响红富士苹果树生长与需水的各类特征量，经过大量实验观察与数据分析，确定苹果树的生长周期、降雨量、土壤温湿度、空气温湿度为影响苹果树需水的可能决定性因素；

S2、观察苹果树长势，收集大量数据；对数据进行可靠性分析，剔除“脏”数据和骤变值；结合当日天气信息，绘制csv图表，整理制作数据集；

S3、搭建分布式系统，部署Spark完全分布式集群，采用Spark On Mesos的粗粒度模式； Spark读取数据集，数据类型为DataFrame；