买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东金秋农牧科技股份有限公司

摘要：本发明公开了一种农业信息化生产监控管理系统，涉及农业生产领域，通过GIS技术、高分辨率卫星传感器、无人机和地面传感器网络，全面实时采集农田影像和环境数据，利用图像处理和数据分析算法精确评估作物健康状态，并动态划分健康与不健康区域，通过图形用户界面进行可视化展示，对不健康区域进行重点监控和异常预警，根据实际情况制定个性化管理方案，实现精准农业管理，提升农田监控覆盖率、早期异常检测能力和管理措施的科学性与有效性，确保作物健康生长和稳定增产。

主权项：1.一种农业信息化生产监控管理系统，其特征在于：包括数据采集模块、图像处理和健康评估模块，区域划分和可视化模块和预警管理模块；数据采集模块：通过GIS技术根据农田的具体位置和面积标定需要监控的农田区域，利用高分辨率卫星传感器和无人机定期获取多个时刻的农田影像，并利用地面传感器网络实时采集农田地面环境数据；图像处理和健康评估模块：对获取的农田影像进行预处理，使用图像拼接技术，将不同时间、不同角度拍摄的影像拼接成完整的农田影像图，利用图像处理算法，对影像进行特征提取，根据提取出的图像特征数据和传感器采集的农田地面环境数据，评估作物健康状态；所述图像处理和健康评估模块包括：根据提取出的图像特征数据生成多光谱特征偏差指数，则多光谱特征偏差指数的获取方法为：从多光谱影像中提取目标像元的光谱数据，每个像元包含多个波段的反射率值，从已知标准光谱库中获取参考光谱数据，作为比较的基准；将目标光谱和参考光谱标准化为单位向量，确保光谱数据在相同尺度上进行比较，计算目标光谱与参考光谱之间的光谱角度的相似度角度，具体的计算表达式为：式中，θ是目标光谱与参考光谱之间的夹角，单位为弧度，Ti是目标光谱在第i个波段的反射率值，Ri是参考光谱在第i个波段的反射率值，n是多光谱数据的波段数量；获取预先设置的目标光谱与参考光谱之间的标准夹角范围为：θmin～θmax；将实时获取到的目标光谱与参考光谱之间的夹角与标准夹角范围进行对比分析，计算多光谱特征偏差指数，若θθmax，此时的多光谱特征偏差指数计算表达式为：Dcor＝|θmax-θ|；若θθmin，此时的多光谱特征偏差指数计算表达式为：Dcor＝|θ-θmin|；式中，Dcor为多光谱特征偏差指数；根据地面传感器网络采集的农田地面环境数据生成土壤剖面温度分布异常指数，则土壤剖面温度分布异常指数的获取方法为：收集不同深度和时间点的土壤温度数据，构成矩阵X，数据矩阵X维度为p×q，其中p是观测样本数，q是特征数；对土壤剖面温度数据矩阵X进行标准化处理，计算标准化数据矩阵Xstandardized的协方差矩阵C，具体的计算表达式为：T为矩阵转置，对协方差矩阵C进行特征值分解，得到特征值λ和特征向量矩阵M，分解表达式为：CM＝PΛ；其中，Λ是对角矩阵，其对角元素是特征值λi，将标准化数据矩阵Xstandardized投影到主成分空间，得到主成分得分矩阵Z，投影公式为：Z＝Xstandardized*M；其中，Z的每列是一个主成分得分，使用前k个主成分重建数据矩阵Xreconstructed，其中，k是保留的主成分数量，重建公式：其中，Zk是前k个主成分得分，是对应的特征向量矩阵，σ和μ是标准化前的标准差和均值，计算原始数据矩阵X与重建数据矩阵Xreconstructed之间的重建误差，重建误差公式：E＝X-Xreconstructed；计算土壤剖面温度分布异常指数，即计算重建误差的平方和，具体的计算表达式为：其中，Ej是重建误差矩阵，WD为土壤剖面温度分布异常指数；将多光谱特征偏差指数和土壤剖面温度分布异常指数转换为第一特征向量，将第一特征向量作为机器学习模型的输入，机器学习模型以每组第一特征向量预测作物健康状态分析值标签为预测目标，以最小化对所有作物健康状态分析值标签的预测误差之和作为训练目标，对机器学习模型进行训练，直至预测误差之和达到收敛时停止模型训练，根据模型输出结果确定作物健康状态分析值；区域划分和可视化模块：根据农作物健康状态的评估结果，对农田进行监测区域划分，将农田划分为健康作物监测区域和不健康作物监测区域，并通过图形用户界面将划分结果进行可视化展示；预警管理模块：对不健康作物监测区域进行重点监控，并对不健康作物监测区域内的异常程度进行识别，根据识别出的异常程度进行不同等级的预警，同时根据预警级别制定相应的管理方案。

全文数据：

权利要求：

百度查询： 山东金秋农牧科技股份有限公司 一种农业信息化生产监控管理系统