[发明专利]一种基于支持向量机算法的土壤质量预测方法及装置

说明书

本发明公开了一种基于支持向量机算法的土壤质量预测方法及装置，包括：对预先采集的土壤质量数据进行预处理，得到土壤数据集；根据所述土壤数据集，提取土壤质量特征；从所述土壤数据集中筛选训练样本，并基于所述训练样本和所述土壤质量特征对预先建立的分类器进行训练，得到土壤质量分类模型；将所述土壤数据集输入到所述土壤质量分类模型，得到土壤质量分类结果，能够有效解决现有技术的土壤肥沃质量监测方法存在智能化程度低、数据处理复杂的问题，能够有效提高土壤质量分类的准确度和效率，能够有效提高智能化程度，同时降低计算复杂度，以降低对硬件的要求，有利于产品化，并能大大降低人工成本，减少虚警率。

技术领域

本发明涉及人工智能、大数据、农业技术领域，尤其涉及一种基于支持向量机算法的土壤质量预测方法及装置。

背景技术

随着移动互联网、物联网、大数据、智能决策等现代信息技术在农业生产中的加速应用，农业生产正在实现精细化、数字化、智能化管理，线上农业正在逐步成型，信息化在提高土地产出率、资源利用率和劳动生产率方面的重要作用日益凸显，为破解“谁来种地、怎么种地”的难题提供了新途径。

目前，国内外对于土壤肥沃质量监测的方法大致可以分为两类：基于网络通信的远程监测方法和基于机器视觉分析的方法。基于网络通信的远程监测方法是利用网络通讯和多种传感器，将水稻栽培现场的实时数据监测、采集、并上传至上位机，存入到终端以供检测人员监测土壤的质量数据。例如：专利CN201810709916通过风速传感器、温度传感器、湿度传感器、光照传感器对温度、湿度、二氧化碳含量及光亮度进行监测。这种方法能够减少了人工劳动力，且能避免操作人员出现错误判断。但是并未由采集到的原始数据自动分析出土壤的质量等级，智能化程度不高。基于机器视觉分析的方法通过对摄像头采集到的实时图像进行图像处理，并与数据库中的标准图像数据进行比较，实时发现异常。例如：专利CN201810000811通过摄像头来实时拍摄图像，并在图像与预设图像不匹配时将相关信息发送到专家平台，经由专家平台分析诊断，并给出反馈信息。专利CN201820652999通过对监测地的土壤进行光谱分析，从而了解该地的土壤养分分布，判断草原生态的土壤肥沃程度，完成对土壤的监测。这种方法可以有效检测出土壤的化学物质含量。但是，利用光谱分析的方法数据较为复杂，处理过程较为繁琐，且设备成本较高不适用于多数农村。综上，现有技术的土壤肥沃质量监测方法存在智能化程度低、数据处理复杂的问题。

发明内容

本发明实施例提供一种基于支持向量机算法的土壤质量预测方法及装置，能够有效提高土壤质量分类的准确度，能够有效提高智能化程度，同时降低计算复杂度。

本发明一实施例提供一种基于支持向量机算法的土壤质量预测方法，包括：

对预先采集的土壤质量数据进行预处理，得到土壤数据集；

根据所述土壤数据集，提取土壤质量特征；

从所述土壤数据集中筛选训练样本，并基于所述训练样本和所述土壤质量特征对预先建立的分类器进行训练，得到土壤质量分类模型；

将所述土壤数据集输入到所述土壤质量分类模型，得到土壤质量分类结果。

作为上述方案的改进，所述对预先采集的土壤质量数据进行预处理，得到土壤数据集，具体包括：

剔除所述土壤质量数据中的无效数据，得到所述土壤质量数据中的有效数据；其中，所述无效数据包括空数据、噪声数据及乱码数据；

根据预设的状态标签，将所述土壤质量数据中的有效数据进行分组并标记，得到所述土壤数据集；其中，所述状态标签基于土壤质量进行划分。

作为上述方案的改进，所述基于所述训练样本和所述土壤质量特征对预先建立的分类器进行训练，得到土壤质量分类模型，具体包括：

对所述训练样本进行缩放，得到缩放后的训练样本；