蔬菜產(chǎn)業(yè)鏈環(huán)節(jié)復雜、關聯(lián)影響因素眾多,精準監(jiān)測、優(yōu)化控制與科學經(jīng)營管理極其困難。利用大數(shù)據(jù)技術實現(xiàn)蔬菜產(chǎn)業(yè)全要素關聯(lián)分析,是未來支撐蔬菜產(chǎn)業(yè)現(xiàn)代化發(fā)展的有效途徑。該研究提出了一套蔬菜產(chǎn)業(yè)大數(shù)據(jù)平臺建設框架,從蔬菜產(chǎn)業(yè)數(shù)據(jù)來源、采集處理、挖掘分析、平臺服務4個方面進行了研究分析,并將平臺服務劃分為基礎服務、應用服務和展示服務�；A服務提供各種數(shù)據(jù)適配接入和集成共享組件;展示服務提供直觀可視化方法,展示數(shù)據(jù)關聯(lián)關系與趨勢;應用服務提供生產(chǎn)預警、加工冷鏈物流、市場銷售、產(chǎn)業(yè)發(fā)展等大數(shù)據(jù)分析服務。平臺通過大數(shù)據(jù)為蔬菜生產(chǎn)、加工、貿(mào)易、市場流通、消費等產(chǎn)業(yè)環(huán)節(jié)的管理決策提供支撐,促進我國蔬菜產(chǎn)業(yè)現(xiàn)代化轉(zhuǎn)型升級。 

【文章來源】：北方園藝. 2020,(20)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

平臺技術架構

圖1 平臺技術架構表1 蔬菜大數(shù)據(jù)的主要來源Table 1 Main sources of big data on vegetable 數(shù)據(jù)來源Data source 典型代表Typical example 獲取方式Access mode 數(shù)據(jù)內(nèi)容Data content 數(shù)據(jù)類型Data type 更新頻率Update frequency 管理部門Management department 農(nóng)業(yè)統(tǒng)計年鑒部門共享 網(wǎng)站查詢共享接口 農(nóng)業(yè)、農(nóng)村統(tǒng)計數(shù)據(jù);產(chǎn)業(yè)現(xiàn)狀數(shù)據(jù)、產(chǎn)業(yè)主客體、質(zhì)量檢測;交通/環(huán)保/氣象等部門 數(shù)值、文本等數(shù)值、圖片、文本、音頻、視頻、GIS、知識圖譜 年度、季度 農(nóng)科院所Academy of agricultural sciences 行業(yè)數(shù)據(jù)庫文獻數(shù)據(jù)庫新技術/品種 共享接口專家發(fā)布網(wǎng)絡挖掘 實用技術、科技論文;新技術新成果、科研實驗數(shù)據(jù)、品種資源 數(shù)值、文本 實時 物聯(lián)網(wǎng)采集Internet of things collection 設施環(huán)境植株生理土壤養(yǎng)分現(xiàn)場視圖 感知設備檢測設備 空氣溫濕度、二氧化碳、土壤溫濕度、葉面溫度、葉面濕度、現(xiàn)場視頻 數(shù)值、圖片、文本、音頻、視頻 實時 業(yè)務系統(tǒng)Business system 產(chǎn)業(yè)管理系統(tǒng) 實時上報調(diào)查數(shù)據(jù) 農(nóng)業(yè)用地資源、農(nóng)作物種植面積、長勢監(jiān)測、農(nóng)業(yè)氣象災害、病蟲害預警、產(chǎn)量預估 數(shù)值、圖片、文本 實時不定期 互聯(lián)網(wǎng)Internet 搜索引擎 網(wǎng)絡挖掘 農(nóng)產(chǎn)品規(guī)模、市場、品種、流通、價格、輿情、政策、農(nóng)技問答 數(shù)值、圖片、視頻、文本 實時 第三方共享Third party sharing 電商數(shù)據(jù) 共享接口 銷售、物流、農(nóng)產(chǎn)品 數(shù)值、圖片、文本 實時

蔬菜大數(shù)據(jù)分析的核心是挖掘,從技術角度看,數(shù)據(jù)挖掘就是從海量復雜、隨機模糊的數(shù)據(jù)中獲取隱含的、有潛在價值的農(nóng)業(yè)信息和知識的過程。蔬菜大數(shù)據(jù)分析服務流程包括聚集數(shù)據(jù)、分析數(shù)據(jù)、利用數(shù)據(jù)3個流程(圖3)。3.1 數(shù)據(jù)采集與處理

【參考文獻】：
期刊論文
[1]基于植株需光差異特性的設施黃瓜立體光環(huán)境智能調(diào)控系統(tǒng)[J]. 張仲雄,李斌,馮盼,張盼,來海斌,胡瑾,張海輝.  智慧農(nóng)業(yè)(中英文). 2020(02)
[2]基于多層次模糊評判的櫻桃番茄綜合生長水肥耦合調(diào)控[J]. 張智,和志豪,洪婷婷,朱常安,蔡澤林,劉建飛.  農(nóng)業(yè)機械學報. 2019(12)
[3]基于模糊自適應PID的農(nóng)業(yè)溫室系統(tǒng)研究[J]. 段科俊,李再新.  南方農(nóng)機. 2019(19)
[4]基于遷移學習的番茄葉片病害圖像分類[J]. 王艷玲,張宏立,劉慶飛,張亞爍.  中國農(nóng)業(yè)大學學報. 2019(06)
[5]黃瓜霜霉病中期預警模型的研究[J]. 楊銀娟,鞠中安,曹婷婷,俞懿,施穎紅,唐玉英,郭欣欣.  上海農(nóng)業(yè)學報. 2019(01)
[6]大數(shù)據(jù)在日光溫室蔬菜生產(chǎn)中的應用[J]. 姜懿芮,段玉聰,王勇,姜俊.  中國瓜菜. 2019(01)
[7]基于Hadoop的氣象大數(shù)據(jù)分析GIS平臺設計與試驗[J]. 李濤,馮仲科,孫素芬,程文生.  農(nóng)業(yè)機械學報. 2019(01)
[8]基于卷積模型的農(nóng)業(yè)問答語性特征抽取分析[J]. 張明岳,吳華瑞,朱華吉.  農(nóng)業(yè)機械學報. 2018(12)
[9]農(nóng)業(yè)物聯(lián)網(wǎng)技術研究進展與發(fā)展趨勢分析[J]. 李道亮,楊昊.  農(nóng)業(yè)機械學報. 2018(01)
[10]基于“互聯(lián)網(wǎng)+”的農(nóng)業(yè)大數(shù)據(jù)平臺構建[J]. 李瑾,顧戈琦.  湖北農(nóng)業(yè)科學. 2017(10)

碩士論文
[1]基于機器視覺的櫻桃番茄在線分級檢測研究[D]. 常英.蘭州理工大學 2019



本文編號：2995986