[发明专利]农业大数据融合方法、装置、设备及存储介质

权利要求书

1.一种农业大数据融合方法，其特征在于，包括：

获取原始序列数据并对所述原始序列数据通过预处理得到预处理后的序列数据，其中，所述原始序列数据包括多种数据源的数值型数据和非数值型数据；

对所述预处理后的序列数据与预设的滤波算子进行卷积运算得到滤波后的序列数据，将滤波后的序列数据通过池化运算算子得到池化后的特征；

根据池化后的特征进行数据重构得到重构序列数据，将所述重构序列数据作为目标融合数据。

2.根据权利要求1所述的方法，其特征在于，还包括：

确定所述重构序列数据与所述原始序列数据之间的重构误差；

根据所述重构误差调节所述滤波算子与所述池化运算算子的运算参数得到优化参数；

根据所述优化参数更新所述目标融合数据。

3.根据权利要求2所述的方法，其特征在于，还包括：

获取历史序列数据，并确定出与所述历史序列数据对应的历史融合数据；

根据所述历史融合数据以及与所述历史融合数据对应的类别信息训练预设的分类器以得到训练后的目标分类器。

4.根据权利要求3所述的方法，其特征在于，还包括：

获取待融合的序列数据，并确定出与所述待融合的序列数据对应的融合数据；

将所述融合数据根据所述训练后的目标分类器进行分类得到分类结果，其中所述分类结果包括正样本以及负样本。

5.根据权利要求1所述的方法，其特征在于，所述对所述原始序列数据通过预处理得到预处理后的序列数据，包括：

对所述原始序列数据进行归一化处理，得到归一化后的序列数据；

根据预设的排序规则对所述归一化后的序列数据进行排序得到排序结果；

对所述排序结果进行处理得到指标矩阵集合并创建所述指标矩阵集合的条件熵增长因子；

计算所述条件熵增长因子对应的最小条件熵增长参数；

根据所述最小条件熵增长参数更新所述预设的排序规则；

根据更新后的所述预设的排序规则对所述指标矩阵集合进行整合得到所述预处理后的序列数据。

6.根据权利要求1所述的方法，其特征在于，所述原始序列数据包括：

农作物生产产业链中监测得到的各个环节数据，包括实时温度、湿度、光照数据、病虫害数据、化肥、农药投入数据以及农作物长势数据中的至少一种。

7.根据权利要求6所述的方法，其特征在于，还包括：

根据农作物的生长规律对所述农作物生产产业链中监测得到的各个环节数据中的各序列数据进行划分。

8.一种农业大数据融合装置，其特征在于，包括：

预处理模块，用于获取原始序列数据并对所述原始序列数据通过预处理得到预处理后的序列数据，其中，所述原始序列数据包括多种数据源的数值型数据和非数值型数据；

特征获取模块，用于对所述预处理后的序列数据与预设的滤波算子进行卷积运算得到滤波后的序列数据，将滤波后的序列数据通过池化运算算子得到池化后的特征；

目标融合数据确定模块，用于根据池化后的特征进行数据重构得到重构序列数据，将所述重构序列数据作为目标融合数据。

9.一种农业大数据融合设备，其特征在于，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的农业大数据融合方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的农业大数据融合方法。