[发明专利]农业大数据环境特征处理方法、装置及电子设备

说明书

本发明公开了一种农业大数据环境特征处理方法、装置、电子设备及计算机存储介质，该方法包括从多个环境维度出发，分别采集农作物不同生长周期的环境数据以及生长速率；按照环境维度对环境数据进行清洗降噪；计算环境特征与生长速率的相似度；基于相似度高于相似度预设值的环境特征生成关系型数据库；基于关系型数据库中各个环境特征的信息增益，建立决策树训练模型；根据决策树训练模型确定各个环境特征对生长速率影响的权重；将权重高于权重预设值的环境特征作为关键环境特征集。本发明中对农业生产环境大数据进行了针对性处理，得到的关键特征集属于利用价值高的数据，以此为基础进行农作物生长状态预测时，能够精确预测出农作物的生长状态。

技术领域

本发明涉及农业大数据分析技术领域，特别是涉及一种农业大数据环境特征处理方法、装置、电子设备及计算机存储介质。

背景技术

近年来，智慧农业的不断普及，丰富了农业生产环境监测的手段，诸如传感器，无线设备，移动终端等智能监测设备的使用，产生了大量的环境数据。这些环境数据类型繁多，数据体量大，关联程度高，如何对环境数据进行有效的处理并运用到实际的农业生产活动中是一个关注热点。

目前，在数据采集和存储等领域已经实现智能化，但是存储类型繁多的数据会占用大量的内存资源，而且数据没有经过针对性处理，会存在许多利用价值低的数据。智慧农业的最终目的是要将数据运用到实际的农业生产活动中，创造相应的价值。

现有农业环境数据的研究仅限于单一环境因素对生产状态的影响，涉及因素不够全面，而且农业环境对农作物的生长状态是一个动态变化的过程，单一环境因素在不同的农作物生长周期内影响不同，不能够精确预测农作物的生长状态。

发明内容

鉴于上述问题，本发明提出一种农业大数据环境特征处理方法和模型，以实现农业环境数据特征的有效处理和农业环境数据的高效利用。

本发明提供了一下技术方案：

本发明提供了一种农业大数据环境特征处理方法，所述方法包括：

从多个环境维度出发，分别采集农作物不同生长周期的环境数据；

按照环境维度对所述环境数据进行清洗降噪以及归一化处理，得到特征库；

获取所述农作物不同生长周期的生长速率，并对所述生长速率进行归一化处理；

针对所述特征库中的每个环境特征，计算所述环境特征在各个生长周期的变化趋势与所述生长速率在各个生长周期的变化趋势之间的相似度；

确定相似度高于相似度预设值的环境特征，生成关系型数据库；

针对关系型数据库中的每个环境特征，计算所述环境特征的信息增益；

基于所述环境特征的信息增益，建立决策树训练模型；

根据所述决策树训练模型确定所述决策树训练模型中各个环境特征对生长速率影响的权重；

确定权重高于权重预设值的环境特征，得到关键环境特征集。

进一步地，采集的环境特征至少包括：温度、湿度、气压、光照条件、土壤酸碱度、化学元素、人为因素、种子状态。

进一步地，针对关系型数据库中的每个环境特征，计算所述环境特征的信息增益，包括：

计算所述农作物生长速率的信息熵；

针对关系型数据库中的每个环境特征，将所述环境特征与所述生长速率相结合，计算所述环境特征的信息熵，根据所述农作物生长速率的信息熵和所述环境特征的信息熵得到所述环境特征的信息增益；所述环境特征的信息增益为所述农作物生长速率的信息熵与所述环境特征的信息熵之差。

进一步地，基于所述环境特征的信息增益，建立决策树训练模型，包括：