[发明专利]基于低功耗传感器和Boost模型的自适应作物管理系统及方法

说明书

本发明涉及基于低功耗传感器和Boost模型的自适应作物管理系统及方法。该自适应作物管理系统包括作物生长环境数据实时采集设备、实时数据分析处理设备和作物管理决策执行设备。作物生长环境数据实时采集设备包括低功耗土壤传感器、光谱相机和作物生长协变量数据采集设备。实时数据分析处理设备包括预处理服务器、建模计算服务器、经验知识库、模型库和数据传输通讯网络。作物管理决策执行设备包括用户交互设备、生产决策支持服务器和决策执行机构。本发明能够解决现有的农业数据建模和决策方法无法根据数据的变化实时更新、模型构建和评估依赖人工干预、模型和方法在不同地区和背景泛化不足的缺陷。

技术领域

本发明涉及农业智能化技术领域，具体涉及基于低功耗传感器和Boost模型的自适应作物管理系统及方法。

背景技术

农业种植过程中，土壤湿度、温度和电导率是影响农作物产量的重要原因。准确掌握土壤的温度、含水量和电导率的大小和变化趋势，有助于对作物进行科学管理。随着智能农业的发展，越来越多的种植户开始部署各种不同的传感器对环境信息进行采集和加以利用，通过部署土壤集成传感器开展温度、湿度、光照、土壤状况、水质状况、气象状况等信息的监测，为农作物播种、产量预测和节水灌溉等农事提供数据驱动的决策，保证农作物得到适时、适量的灌溉，不影响农作物正常的生长。

作物生长环境的数据本身并无含义的，只有对数据进行不断地分析和研究，将数据转化为信息和知识，才能真正帮助农业生产。由于我国农业现代化起步比较晚，农业数据利用率偏低。近年来，随着农业信息化水平的不断提升，计算机信息技术在农业中广泛应用，为面向农业的数据挖掘和决策工作提供了良好的基础条件。

传统的农业数据挖掘和决策支持工作普遍依赖农业生产过程中收集的历史数据，根据数据本身的特点和目标选择不同的机器学习和数据分析方法对数据进行分析和建立模型，进而将模型用于指导其他生产环境下的行为。尽管基于历史数据构建的模型解决了人工指导的不足，一定程度减少了人力，提升了生产效率。然而由于农业生产的复杂性，单纯利用历史数据构建的模型在泛化的过程中存在不足，方法和模型在不同的地区和背景下应用的效率和效果不尽相同，同时实际应用效果的评估依然离不开人工的干预。

因此，根据不同生产管理需求灵活部署传感器，对作物生长阶段的温度、湿度、光照、土壤状况、水质状况、气象状况等信息进行实时采集，以机器学习方法分析不同农业环境特征与作物生长趋势的关系，构建自主学习和自主演化的自适应决策模型，实现环境参数到作物管理决策的端到端映射具有重要的理论和现实意义。

发明内容

为了解决在复杂的农业生产环境下，现有的农业数据建模和决策方法无法根据数据的变化实时更新、模型构建和评估依赖人工干预、模型和方法在不同地区和背景泛化不足的缺陷，本发明提出了一种基于低功耗传感器和Boost模型的自适应作物管理系统及方法。

为实现上述目的，本发明采用了以下技术方案：

本发明涉及一种基于低功耗传感器和Boost模型的自适应作物管理系统，包括作物生长环境数据实时采集设备、实时数据分析处理设备和作物管理决策执行设备。

所述作物生长环境数据实时采集设备包括低功耗土壤传感器、光谱相机和作物生长协变量数据采集设备；所述低功耗土壤传感器，用于采集作物生长环境的土壤数据；所述光谱相机，用于采集作物长势的实时状态数据；所述作物生长协变量数据采集设备，用于采集作物影响生长的环境数据；所述低功耗土壤传感器、光谱相机和作物生长协变量数据采集设备由数据采集控制器同步时间戳构建动态生成的时序数据并输出到预处理服务器。