農業(yè)物聯(lián)網導論 課件 第4章 物聯(lián)網農業(yè)信息處理

物聯(lián)網農業(yè)信息處理第4章4.1大數(shù)據(jù)與云計算4.2地理信息系統(tǒng)（GIS） 4.3人工智能應用 4.1大數(shù)據(jù)與云計算4.1.1農業(yè)大數(shù)據(jù)簡介1.大數(shù)據(jù)概念大數(shù)據(jù)指的是規(guī)模巨大、形式多樣化、蘊含著巨大應用價值、用常規(guī)方法難以處理的數(shù)據(jù)集合，其特征包括：（1）規(guī)模性(Volume)（2）高速性(Velocity)（3）多樣性(Variety)（4）價值性(Value)大數(shù)據(jù)的類型可以分為：（1）結構化數(shù)據(jù)。（2）非結構化數(shù)據(jù)。（3）半結構化數(shù)據(jù)。4.1大數(shù)據(jù)與云計算2.大數(shù)據(jù)分析平臺大數(shù)據(jù)分析平臺是用于數(shù)據(jù)采集、轉換、存儲及分析的平臺。為適應數(shù)據(jù)增長及其橫向可擴展性需求，還需要再建立大數(shù)據(jù)基礎支撐平臺，包含Hadoop平臺和圖數(shù)據(jù)庫。3.大數(shù)據(jù)分析與管理（1）數(shù)據(jù)挖掘。（2）數(shù)據(jù)分析管理。（3）數(shù)據(jù)標準體系。

（4）多維自助分析平臺。4.1大數(shù)據(jù)與云計算4.農業(yè)大數(shù)據(jù)應用（1）農業(yè)生產管理。（2）農業(yè)資源與生產資料管理。（3）農業(yè)疫病診斷與農業(yè)專家系統(tǒng)。（4）市場行情預測。（5）農業(yè)生產效益分析。（6）農業(yè)監(jiān)管。（7）農業(yè)環(huán)境保護。（8）農業(yè)電商平臺建設。（9）農業(yè)經營主體信用評估。（10）農業(yè)技術創(chuàng)新資源共享。4.1大數(shù)據(jù)與云計算4.1.2農業(yè)云計算1.云計算的概念云計算實質上是一種分布式計算技術，它通過分解數(shù)據(jù)處理需求、分布數(shù)據(jù)處理任務提高了計算效率。計算資源集中在農業(yè)共享資源池內，資源池具有可動態(tài)伸縮、彈性調配資源的特性，可以靈活適應農業(yè)業(yè)務變化，快速響應業(yè)務需求，由此衍生出一種“按需取用、按量付費”的商業(yè)模式。4.1大數(shù)據(jù)與云計算2.農業(yè)物聯(lián)網云平臺農業(yè)物聯(lián)網與云計算主要有三種結合方式：（1）單中心，多終端。（2）多中心，大量終端。（3）信息、應用分層處理，海量終端。4.1大數(shù)據(jù)與云計算3.農業(yè)物聯(lián)網云平臺的應用場景（1）農業(yè)生產管理。（2）農業(yè)信息共享。（3）預測農產品市場走向。（4）農產品質量追溯。4.1大數(shù)據(jù)與云計算4.農業(yè)物聯(lián)網云平臺的應用優(yōu)勢（1）成本優(yōu)勢。（2）推廣優(yōu)勢。（3）安全優(yōu)勢。4.2地理信息系統(tǒng)（GIS）地理信息系統(tǒng)（GIS）主要用來存儲和處理地理數(shù)據(jù)，通過采集、編輯、分析、成圖等操作表達空間數(shù)據(jù)的內涵。隨著Internet技術的發(fā)展和GIS應用需求的增加，產生了使用Internet和GIS共同管理空間數(shù)據(jù)的技術——WebGIS。1.GIS的組成GIS由硬件系統(tǒng)、軟件系統(tǒng)、空間數(shù)據(jù)、應用模型、應用人員組成。軟、硬件系統(tǒng)是GIS運行的基礎場景，空間數(shù)據(jù)是GIS的作用對象，應用模型是輔助解決現(xiàn)實問題的工具，應用人員控制系統(tǒng)運行。4.2地理信息系統(tǒng)（GIS）2.GIS在農業(yè)中的應用GIS技術具有較強的統(tǒng)計、分析和圖像演示功能，目前其在農業(yè)方面的應用主要是結合遙感技術和衛(wèi)星導航技術對大面積的土壤和水質進行監(jiān)測。物聯(lián)網技術用于監(jiān)測和反饋控制，可以提供大量的數(shù)據(jù)，所以結合GIS技術可以充分發(fā)揮物聯(lián)網的信息分析處理功能，延伸物聯(lián)網的應用。4.3人工智能應用現(xiàn)階段人工智能已經滲透到了農業(yè)的各個方面，就農作物種植領域來說，應用人工智能技術可以實時了解農作物生長狀況，采集并分析周圍的環(huán)境數(shù)據(jù)，為農作物種植生產決策提供指導；在智慧養(yǎng)殖領域，使用人工智能技術可以實現(xiàn)多元化數(shù)據(jù)的采集與處理，讓畜禽養(yǎng)殖變得更加精準；在農業(yè)服務領域，采用人工智能可以對農產品市場情況進行分析預測，指導農業(yè)生產者及時調整生產數(shù)量，減少因信息不對稱而產生的供需矛盾，避免資源浪費。4.3人工智能應用要推動我國農業(yè)的數(shù)字化、智能化轉型，需要探索出物聯(lián)網、大數(shù)據(jù)、云計算、人工智能等技術與農業(yè)的成熟融合模式。雖然目前人工智能技術在國內的農業(yè)應用獲得了一定程度的發(fā)展，但多停留在較淺層次，還存在以下幾個需要解決的問題：（1）農村網絡基礎設施差。（2）智能農業(yè)設備及其應用水平低。（3）農戶應用人工智能的意愿和能力有限。4.3人工智能應用4.3.1神經網絡1.神經網絡神經網絡(ArtficialNeuralNetwork，ANN)是人工智能的一種重要技術手段。感知機是神經網絡的基本單元，指的是對生物神經元的數(shù)學建模，其輸入由多個特征向量組成，通過對這些輸入加權求和再與閾值作差得到輸出。4.3人工智能應用輸入層、隱藏層和輸出層構成了一個完整的神經網絡，如圖4-2所示，圓圈和連線分別代表神經元和神經元連接。圖4-2神經網絡模型4.3人工智能應用2.卷積神經網絡卷積神經網絡(ConvolutionalNeuralNetworks,CNN)，這是一類以卷積運算為核心、內部能夠自行進行濾波圖像處理與函數(shù)擬合的神經網絡，常見于自然語言處理、機器視覺等領域。卷積神經網絡之所以能提取特征，關鍵在于其包含卷積層和池化層，前者通過卷積運算提取特征，后者通過池化運算對特征圖進行降維，它不像傳統(tǒng)的機器學習那樣，需要人為地選取特征和設計復雜的分類器以進行分類，而是直接以大數(shù)據(jù)驅動，自動地學習圖像等信號中的特征信息。4.3人工智能應用3.神經網絡在農業(yè)中的應用神經網絡在農業(yè)領域具有廣泛應用，如運用神經網絡模式通過農作物識別及預測算法，以溫度、濕度、光照、降雨量、氣體濃度等參數(shù)作為輸入，得出相應的輸出結果作為評價標準判斷農業(yè)生產環(huán)境是否符合需求，為生產環(huán)境調控提供理論參考；在農作物病蟲害診斷方面，針對拍攝的圖像使用卷積神經網絡實現(xiàn)自動判斷有無病蟲害的功能，能夠使整個診斷系統(tǒng)擁有更高的自動化性能，節(jié)省大量的人力、物力、財力；在進行農業(yè)生產及農產品銷售時，也可以利用神經網絡預測產品的需求量，進而指導農業(yè)生產，避免因供需不平衡造成資源浪費，影響農戶收入。4.3人工智能應用4.3.2圖像處理技術圖像處理包含圖像的采集、分析和輸出三個環(huán)節(jié)。為了識別某一農業(yè)場景中的人或物體，需要利用圖像處理技術對圖片進行加工處理，包括圖像預處理、圖像分割、圖像特征提取、圖像目標分類識別等環(huán)節(jié)。4.3人工智能應用1.圖像處理技術在農業(yè)中的應用圖像處理技術在農業(yè)領域的應用較多，主要包括：（1）農作物管理。（2）病蟲害分析。（3）農產品收獲。（4）農產品品質分級。4.3人工智能應用2.圖像處理技術在農業(yè)應用中存在的問題圖像處理技術應用于農業(yè)領域有其獨特的優(yōu)勢，但依然存有很大的發(fā)展空間，其農業(yè)應用存在的問題主要有：（1）農業(yè)圖像處理一般采用有線方式傳輸圖像，一定程度上限制了圖像處理技術的實際應用范圍，因此圖像處理技術應朝著無線遠程處理方向發(fā)展，擴大圖像處理的覆蓋范圍并提高處理效率，以適應智慧農業(yè)的發(fā)展需求。（2）圖像采集、處理過程易受環(huán)境因素影響，圖像處理系統(tǒng)大多需采用高質量的攝像機與圖像采集卡等硬件設備，由于要滿足精確度和實時性的要求，使得其相應的價格也高。4.3人工智能應用4.3.3農業(yè)物聯(lián)網圖像識別和處理技術圖像識別和處理技術涉及圖像處理、計算機科學、模式識別等技術，利用光學設備和非接觸傳感器，以計算機視覺代替人的視覺，自動對外部目標物體的信息進行測量、感知與接收。應用圖像識別和處理技術發(fā)展生產能夠大幅提高生產的靈活性和自動化程度，保障生產質量和效率，降低勞動成本。圖像識別和處理系統(tǒng)由光源、攝像機、圖像采集卡、計算機系統(tǒng)組成。4.3人工智能應用1.圖像識別和處理技術在農業(yè)領域的應用在農業(yè)領域，圖像識別和處理技術的應用包括：（1）農業(yè)機器人。（2）農產品生長監(jiān)測。（3）農產品質量檢測。4.3人工智能應用2.圖像識別和處理技術在農業(yè)生產自動化中的應用現(xiàn)狀及問題攝像系統(tǒng)采集的圖像因受到干擾會含有噪聲，導致圖像處理難度加大，目標判別速度變慢，準確率降低。相關算法還不夠完善，存在計算復雜度較高、判別精度低、速度慢等問題。往往只能對單一指標進行檢測，不具備對綜合指標進行評價分級的能力。還有如何對農作物進行精準定位、如何確定農作物與機器的相對位置等問題亟待解決。4.3人工智能應用3.圖像識別和處理技術的開發(fā)方向著重開發(fā)和優(yōu)化神經網絡技術，以便對圖像進行高效處理。在算法設計方面，需要考慮性能和計算復雜度平衡，提高實時處理速度。在對農產品的質量指標進行綜合檢測時，需要提高檢測的效率和準確率，達到目標效果。提高對農作物種植環(huán)境和農作物種植規(guī)律的適應性，優(yōu)化運行過程中的魯棒性。構建集成化的圖像識別和處理技術農業(yè)應用平臺，使得單一平臺能夠滿足多目標物的分析處理需求。4.3人工智能應用4.3.4專家系統(tǒng)技術及應用專家系統(tǒng)（ExpertSystem，ES）也稱基于知識的系統(tǒng)（Knowledge-BasedSystems）或知識工程，它是一種智能計算機程序系統(tǒng)，以專家知識為基礎，用專家的思維解答人類提出的問題，可以達到與專家解答相近的水平。1.專家系統(tǒng)的基本結構專家系統(tǒng)一般包括人機交互界面、知識庫、推理機、數(shù)據(jù)庫、解釋器、知識獲取六個部分，系統(tǒng)結構隨其類型、功能、規(guī)模變化而變化。4.3人工智能應用2.專家系統(tǒng)在智慧