农业物联网系统评价方法及系统

本发明涉及农业物联网，特别涉及农业物联网系统评价方法及系统。

背景技术：

1、农业物联网，即通过各种仪器仪表实时显示或作为自动控制的参变量参与到自动控制中的物联网。农业物联网的一般应用是将大量的传感器节点构成监控网络，通过各种传感器采集信息，可以为温室精准调控提供科学依据，达到增产、改善品质、调节生长周期、提高经济效益的目的。如农业物联网在大棚控制系统中的具体应用为：通过物联网系统的温度传感器、湿度传感器、ph值传感器、光照度传感器、co2传感器等设备，检测环境中的温度、相对湿度、ph值、光照强度、土壤养分、co2浓度等物理量参数，远程控制相关作业设备进行物理量参数的实时监测调节，从而保证农作物生长在良好、适宜的环境中。

2、现有的农业物联网大棚控制系统的控制逻辑已实现信号采集-信号分析-决策判定-设备控制-反馈信号采集-控制信号修正的闭环，其运行状态完全取决于传感器的测量准确性，实际的控制效果缺少外部评价系统及方法的有效监督，依赖于人工进行检出，违背了农业物联网大棚控制系统的建设初心，随着系统的不断运行，传感器的故障率升高及测量失准问题逐渐显露，导致系统控制的稳定性和准确性降低。为此，我们提出农业物联网系统评价方法及系统。

技术实现思路

1、本发明的主要目的在于提供农业物联网系统评价方法及系统，可以有效解决背景技术中的问题。

2、为实现上述目的，本发明采取的技术方案为：

3、农业物联网系统评价方法，包括，

4、选取待评估区域，将所述待评估区域按信息感知端分布均匀划分为m×n个矩形采样区，其中，所述信息感知端与所述采样区一一对应；

5、以作物生长周期t作为取样周期，获取各周期末时作物的冠层遥感影像，并从所述冠层遥感影像中提取作物的植被指数，其中，所述植被指数包括覆盖率反映植被指数、生长状态反映植被指数和水分状态反映植被指数中的至少一种，所述植被指数包括覆盖率反映植被指数包括归一化植被指数ndvi、绿色归一化植被指数gndvi、重归一化植被指数rdvi、比值植被指数rvi1/rvi2中的至少两种；

6、所述生长状态反映植被指数包括陆地叶绿素指数mtci、植被提取颜色指数cive、过绿植被指数exg、绿叶植被指数gla、植物色素比率ppr、红绿蓝植被指数rgbvi中的至少两种；

7、所述水分状态反映植被指数包括水分指数wi、改进红边比值植被指数msr、植被衰减指数psri中的至少两种；其中，

8、所述归一化植被指数ndvi的计算公式为：

9、所述绿色归一化植被指数gndvi的计算公式为：

10、所述重归一化植被指数rdvi的计算公式为：

11、所述比值植被指数rvi1的计算公式为：

12、所述比值植被指数rvi2的计算公式为：

13、所述陆地叶绿素指数mtci的计算公式为：

14、所述植被提取颜色指数cive的计算公式为：0.44r-0.88g+0.386b+18.7875；

15、所述过绿植被指数exg的计算公式为：2g-b-r；

16、所述绿叶植被指数gla的计算公式为：

17、所述植物色素比率ppr的计算公式为：

18、所述红绿蓝植被指数rgbvi的计算公式为：

19、所述水分指数wi的计算公式为：

20、所述改进红边比值植被指数msr的计算公式为：

21、所述植被衰减指数psri的计算公式为：

22、式中，r、g、b为rgb传感器波段数据，r为红波段，g为绿波段，b为蓝波段；rr、rg、rb、rnir、rred-edge为多光谱传感器波段数据，rr为红波段，rgv为绿波段，rb为蓝波段，rnir为近红外波段，rred-edge为红边波段；

23、根据获取的所述植被指数构建作物生长特征评价模型，通过所述评价模型计算各采样区内作物的生长特征评价值，所述评价模型的表达式为；

24、

25、式中，y为生长特征评价值，xi为第i项植被指数，为第i类植被指数的权重，ω1α为覆盖率反映植被指数的第α项植被指数的权重，ω2β为生长状态反映植被指数的第β项植被指数的权重，ω3γ为水分状态反映植被指数的第γ项植被指数的权重，m1，m2，m3分别为覆盖率反映植被指数、生长状态反映植被指数和水分状态反映植被指数的种类数；

26、计算获取的所述生长特征评价值的iqr值，根据获取的iqr值检测生长特征评价值数据中的异常值，筛除所述异常值，获取生长特征评价值的有效数据，具体步骤为：

27、步骤s41，将获取的所有采样区的生长特征评价值数据按从小到大的顺序进行排列；

28、步骤s42，计算获取数据的第一四分位q1,计算公式为：根据第一四分位q1确定第一四分位数，式中，ε为生长特征评价值数据的样本总量；

29、步骤s43，计算获取数据的第三四分位q3,计算公式为：根据第三四分位q3确定第三四分位数；

30、步骤s44，根据确定的第一四分位数q1和第三四分位数q3计算iqr值，计算公式为：

31、iqr＝q3-q1；

32、步骤s45，设置有效数据的阈值为1.5倍的iqr，根据设置的阈值计算上限和下限，计算公式为：

33、上限＝q3+1.5*iqr，下限＝q1-1.5*iqr；

34、步骤s46，判断获取的所有采样区的生长特征评价值数据的阈值上限和下限的大小关系，当采集的生长特征评价值数据小于下限或大于上限时，被判定为是异常值，筛除数据中的异常值，其余数据均为有效数据；

35、计算待评估区域内任意两个非异常值的相邻采样区之间的生长特征评价值偏差度，计算公式为：

36、

37、式中，d(a,a')为待评估区域内第a个采样区与其相邻的采样区a'之间的生长特征评价值偏差度，ya，ya'分别为第a个采样区与其相邻的采样区a'的生长特征评价值；

38、对获取的生长特征评价值偏差度数据进行分析，采用阈值法将偏差度按照程度划分为超偏差、合理偏差、均匀偏差三种类型，确定当偏差程度为超偏差时采样区所对应的所述信息感知端为异常点位置，具体步骤为：

39、步骤s51，根据获取的生长特征评价值偏差度d的数值创建数据集，记作，(d1，d2，...，dk)，计算生长特征评价值偏差度d数据集中的均值和标准差，利用均值和标准差对数据进行标准化，标准化公式为在此式中z为标准参量，σ为样本数据的方差，μ为样本数据的均值；

40、步骤s52，将获取的标准参量利用归一化函数调整至数值区间[0,1]之间，利用归一化函数f(k)的函数值对生长特征评价值偏差度d数值进行分类，分类机制为：

41、当f(k)min≤f(k)＜f(k)1时，生长特征评价值偏差度d分类为一级；

42、当f(k)1≤f(k)＜f(k)2时，生长特征评价值偏差度d分类为二级；

43、当f(k)2≤f(k)＜f(k)max时，生长特征评价值偏差度d分类为三级；

44、其中，f(k)min＜f(k)1＜f(k)2＜f(k)max，f(k)min、f(k)max分别为f(k)的函数值的最小值和最大值，f(k)1、f(k)2分别为f(k)的函数值的中间值，其中：

45、

46、步骤s53，根据生长特征评价值偏差度的分类结果对偏差程度等级进行划分，分类机制为：

47、当生长特征评价值偏差度d的值分类为一级时，偏差程度等级为均匀偏差；

48、当生长特征评价值偏差度d的值分类为二级时，偏差程度等级为合理偏差；

49、当生长特征评价值偏差度d的值分类为三级时，偏差等级为超偏差。

50、农业物联网系统评价系统，所述系统包括区域划分?？?、遥感影像获取?？?、植被指数获取?？?、评价模型构建?？?、异常值筛选?？?、偏差度计算?？?、偏差分析?？?；

51、所述区域划分?？橛糜诮∪〉拇拦狼虬葱畔⒏兄朔植季然治猰×n个矩形采样区；

52、所述遥感影像获取?？橛糜诨袢∷龃拦狼蚰诘牟裳墓诓阋８杏跋?；

53、所述植被指数获取?？橛胨鲆８杏跋窕袢∧？榱?，用于从所述冠层遥感影像中提取作物的覆盖率反映植被指数、生长状态反映植被指数和水分状态反映植被指数；

54、所述评价模型构建?？橛胨鲋脖恢甘袢∧？榱?，用于根据获取的所述植被指数构建作物生长特征评价模型，并通过所述评价模型计算各采样区内作物的生长特征评价值，其中，所述评价模型的表达式为；

55、

56、式中，y为生长特征评价值，xi为第i项植被指数，为第i类植被指数的权重，ω1α为覆盖率反映植被指数的第α项植被指数的权重，ω2β为生长状态反映植被指数的第β项植被指数的权重，ω3γ为水分状态反映植被指数的第γ项植被指数的权重，m1，m2，m3分别为覆盖率反映植被指数、生长状态反映植被指数和水分状态反映植被指数的种类数；

57、所述异常值筛选?？橛胨銎兰勰Ｐ凸菇?，用于计算获取的所述生长特征评价值的iqr值，根据获取的iqr值检测生长特征评价值数据中的异常值，并筛除所述异常值，获取生长特征评价值的有效数据；

58、所述偏差度计算?？橛胨銎兰勰Ｐ凸菇？楹退鲆斐Ｖ瞪秆∧？榱?，用于计算待评估区域内任意两个非异常值的相邻采样区之间的生长特征评价值偏差度，计算公式为：

59、

60、式中，d(a,a')为待评估区域内第a个采样区与其相邻的采样区a'之间的生长特征评价值偏差度，ya，ya'分别为第a个采样区与其相邻的采样区a'的生长特征评价值；

61、所述偏差分析?？橛胨銎疃燃扑隳？榱?，用于对获取的生长特征评价值偏差度数据进行分析，并采用阈值法将偏差度按照程度划分为超偏差、合理偏差、均匀偏差三种类型，确定当偏差程度为超偏差时采样区所对应的所述信息感知端为异常点位置；

62、所述系统还包括存储器、处理器以及存储于存储器中并能够在处理器上运行的电子程序。

63、本发明具有如下有益效果：

64、与现有技术相比，本发明技术方案通过选取待评估区域，将所述待评估区域按信息感知端分布均匀划分为若干个矩形采样区，获取各周期末时作物的冠层遥感影像，并从所述冠层遥感影像中提取作物的植被指数，根据获取的所述植被指数构建作物生长特征评价模型，通过所述评价模型计算各采样区内作物的生长特征评价值，计算获取的所述生长特征评价值的iqr值，根据获取的iqr值检测生长特征评价值数据中的异常值，筛除所述异常值，获取生长特征评价值的有效数据，计算待评估区域内任意两个非异常值的相邻采样区之间的生长特征评价值偏差度，对获取的生长特征评价值偏差度数据进行分析，采用阈值法将偏差度按照程度划分为超偏差、合理偏差、均匀偏差三种类型，确定当偏差程度为超偏差时采样区所对应的所述信息感知端为异常点位置，能够对农业物联网系统的感知层，即传感器端进行测量值差异性监测，从而有效避免因传感器故障率升高及测量失准而导致系统控制的稳定性和准确性降低的问题。