本發明涉及數字農業領域，具體涉及一種集成多模態數據的農業互聯網智聯平臺。

背景技術：

1、隨著農業生產的不斷發展，對于農業生產的管理要求越來越高，為應對農業生產過程中海量數據的采集與處理，有必要提高農業生產服務與管理，統一農業生產管理和加強智能分析，加速農業的現代化轉型。

2、目前，現有的農業數據采集和管理存在一定局限性，如數據類型單一、采集效率低、數據處理能力不足等。其中，現有技術通過數據編制器將感測數據及其描述信息按預定格式打包傳輸至農業信息處理服務器。服務器解析數據包，根據媒體類型信息生成文件，并將感測數據存儲于文件中，實現多種類型感測數據的統一編碼傳輸和解析處理。然而，對于復雜的數據結構和大量的感測數據，解析過程可能會變得復雜且效率低下，并且在與不同類型的感測設備和農業信息處理系統對接時，可能需要額外的適配工作。

3、因此，需要一種集成多模態數據的農業互聯網智聯平臺，能夠提高復雜數據結構的解析效率，提升多模態數據的兼容性，增強了對不同設備的適配與分析能力。

技術實現思路

1、有鑒于此，本發明的目的是克服現有技術中的缺陷，提供集成多模態數據的農業互聯網智聯平臺，能夠提高復雜數據結構的解析效率，提升多模態數據的兼容性，增強了對不同設備的適配與分析能力。

2、本發明的集成多模態數據的農業互聯網智聯平臺，包括物聯感知工作中心、數據智能工作中心、業務協同工作中心、智能應用以及農業云；

3、所述物聯感知工作中心，用于設備優選與協議適配、海量連接管理、數據標準化、數據存儲與共享、設備管理、規則引擎與事件告警以及提供數據接口；

4、所述數據智能工作中心，用于數據匯聚與處理、智能算法與模型開發應用以及數據資產化；

5、所述業務協同工作中心，用于統一用戶管理與權限分配、消息推送與管理、數據采集渠道擴充、多樣化報表服務以及流程的設計、監控與服務；

6、所述智能應用，用于與用戶進行交互，實現農業供需信息、農業生產信息、農業資訊、產品溯源的交互與展示；

7、所述農業云，用于負責存儲、管理和分發數據。

8、進一步，物聯感知工作中心根據如下步驟進行數據采集及處理：

9、a.物聯感知工作中心完成多源設備的接入；

10、b.物聯感知工作中心控制各個傳感器進行數據采集與預處理；

11、c.數據智能工作中心對多模態數據進行融合，調用智能算法對融合數據進行分析，獲得與農業生產相關的分析信息。

12、進一步，物聯感知工作中心完成多源設備的接入，具體包括：

13、物聯感知工作中心設置標準化數據格式；所述標準化數據格式，用于定義統一的數據模型；

14、配置通用協議配置器與自定義協議適配規則；所述通用協議配置器用于處理設定協議，將采集的數據轉換為統一數據模型的數據格式；

15、調用通用協議配置器與自定義協議適配規則，對待接入的農業傳感器進行識別，完成接入。

16、進一步，所述數據格式包括設備編號、上傳時間戳、設備位置信息、測量數據以及備注信息；所述測量數據采集數組形式，該數組包括若干數據類型對應的數據值；所述備注信息包括數據來源以及農作物類型。

17、進一步，物聯感知工作中心控制各個傳感器進行數據采集與預處理，具體包括：

18、控制濕度傳感器、溫度傳感器以及光照傳感器定時采集土壤濕度數據、溫度數據以及光照強度數據；

19、各個傳感器根據配置的邊緣計算能力，對數據進行邊緣計算：

20、濕度傳感器：使用線性插值法平滑數據，減少噪聲；

21、溫度傳感器：使用歸一化處理，使數據適合模型輸入；

22、光照傳感器：判斷光照是否超過預警值，如果超過，出發警報；

23、各個傳感器在完成邊緣計算后，對數據進行壓縮，并完成數據采集的上傳動作：

24、先對邊緣計算后的數據進行差分編碼，進而進行變換編碼，再進行熵編碼；對應的解碼過程，先試用算術解碼恢復變換后的系數，再使用逆小波變換恢復差分數據，進而通過累加差分數據恢復原始數據。

25、進一步，調用智能算法對融合數據進行分析，獲得與農業生產相關的分析信息，具體包括：

26、將融合數據輸入農業產品生長模型，獲得對應目標農作物的生長階段信息：

27、獲得各個傳感器上報的與生長環境有關的數據，包括溫度、濕度、光照以及土壤養分；利用視覺傳感器采集農產品的視覺數據，包括葉面積、顏色以及形態；利用深度學習模型構建所述農業產品生長模型，對上述采集的數據進行特征提取；

28、將融合數據輸入病蟲害識別算法模型，獲得對應目標農作物的病蟲害情況信息：

29、基于圖形識別模型構建所述病蟲害識別算法模型，利用視覺傳感器獲得病蟲害圖像，進而利用圖形算法進行模型訓練，使得病蟲害識別算法模型能夠提取病蟲害的顯著特征；

30、將融合數據輸入土壤墑情智能識別模型，獲得對應目標農作物的灌溉策略：

31、收集農作物的物種、生長階段信息、土壤類型、土壤肥力水平、歷史產量以及氣候條件，進而確定該農作物的營養需求；所述營養需求與該農作物的不同生長階段對應；根據不同農作物的營養需求，構建土壤墑情智能識別模型；

32、確定與施肥量相關的關鍵特征，包括土壤養分含量、農作物的生長階段信息以及歷史產量；利用采集的數據對模型進行訓練，進而獲得農作物的生長數據；同時，對土壤的實時墑情進行監控，獲得實時墑情數據，包括土壤濕度以及電導率；在土壤墑情智能識別模型中增加實時墑情的特征信息，對該模型進行訓練，將農作物的生長數據與土壤的實時墑情進行融合，土壤墑情智能識別模型輸出目標農作物的灌溉策略；其中，所述灌溉策略包括土壤墑情數據、環境數據、農作物數據、肥料特性以及經濟因素；

33、所述土壤墑情數據包括土壤水分含量、土壤水分變化率、灌溉需求指數；所述環境數據包括溫度、濕度、光照強度、風速；所述農作物數據包括作物品種、生長階段信息、歷史產量數據；所述肥料特性包括肥料類型、溶解性和利用率；所述經濟因素包括肥料成本、灌溉成本、預期收益。

34、進一步，根據所述灌溉策略，輸出施肥策略，包括：施肥推薦量、施肥時間、施肥方式、土壤狀況評估、農作物生長狀態；其中，所述施肥方式包括撒施、滴灌、液面噴施；所述農作物生長狀態包括生長階段信息與營養需求程度。

35、進一步，所述數據智能工作中心，包括數據可視化的模塊；

36、所述數據可視化的模塊，將融合與分析后的數據，以可視化的方式在智能應用中的各個功能中進行展示；其中，展示的信息包括目標農作物的生長階段信息、病蟲害情況信息、灌溉策略。

37、本發明的有益效果是：本發明公開的一種集成多模態數據的農業互聯網智聯平臺，通過設置不同的工作中心，在與不同類型的感測設備和農業信息處理系統對接時，提高了適配度，也提高了復雜數據結構的解析效率，并提升了多模態數據的兼容性，增強了對不同設備的分析能力，使得農業生產者能夠提高作物產量、減少資源浪費、提升管理效率，并提供了量化的數據支持。