面向智慧农业种植领域数据处理算法的研究-信号与信息处理专业毕业论文.docxVIP

学位论文版权使用授权书 本学位论文作者完 全了解 浙江理工大学有权保留并向国 家有关部门或机构送 交 本论文的复印件和磁盘，允许论文被 查阅和借阅。本人授权浙江理工大学可以将学位论文的全部 或部分内容编入有关数据库进行检索和传播，可以采用影 印、缩印或扫描等复制手段保存、汇编学位论文。 (保密的学位论文在解密后适用本授权书) 学位论文作者签名: 每?武 签字日期: νIb 年 b 月 1 2- 日 导师签名: 签字日期: 浙江理 浙江理工大学硕士学位论文 面向智慧农业种植领域数据处理算法的研究 万方数据 万方数据 面向智慧农业种植领域数据处理算法的研究 摘 要 智慧农业是农业生产的高级阶段，它集新兴的互联网、移动互联网、云计算和物联网 技术为一体，依托部署在农业生产现场的各种传感节点（环境温湿度、土壤水分、二氧化 碳、图像等）和无线通信网络以实现农业生产环境的智能感知、智能预警、智能决策、智 能分析、专家在线指导，为农业生产提供精准化种植、可视化管理、智能化决策。本文以 某金针菇工厂为研究背景，旨在研究智慧农业种植领域的数据处理算法，为农业生产提供 智能化决策，主要完成以下工作： 1．对传感器采集的原始数据进行预处理，针对如何去除噪声数据的问题做了重点研 究。结合希望处理完后的数据失真少的需求，选择使用 k-means 聚类的方法来去除噪声数 据，通过实验发现该算法的运行时间长且聚类结果不稳定，因此提出了一种基于最远优先 策略的 k-means 算法（FPKM 算法）。经实验证明，该算法在运行速度和聚类结果上都较 普通 k-means 算法有了明显的改善。 2．对生长周期未完成的金针菇进行产量预测，针对如何建立栽培过程中生长环境与 产量之间的关系模型做了重点研究。在分析了统计计量预测模型和神经网络预测模型对数 据的要求后，选择用 BP 神经网络对金针菇栽培过程中生长环境与产量之间的关系进行建 模，并针对使用 BP 神经网络训练预测模型时所需的迭代次数多且容易在未达到训练目标 就终止训练的问题，提出了用遗传算法优化 BP 神经网络初始权值的方案。经实验证明， 经遗传算法改进后的 BP 神经网络在训练过程中的收敛速度变快，且预测模型的精度也得 到了提高。 3．对金针菇栽培过程中的生长环境进行优化，针对寻找金针菇环境与产量关系模型 中的最优解问题做了重点研究。通过遗传算法对生产环境进行不断的优化，经过多次实验 后发现传统遗传算法收敛速度慢且容易陷入局部最优，针对该问题改进了传统遗传算法的 选择算子和交叉算子。经实验证明，改进后的遗传算法寻优的能力得到了提升。考虑到在 实际应用中，各项环境参数很难稳定在某一值，因此用周边环境的平均产值去优化适应度 函数，提高了最优方案的鲁棒性和实际操作中的可实现性。 4．将以上研究成果用 python 语言实现，并按一定的逻辑集成为数据处理模块，加入 到智慧农业生产平台中，使采集到的数据得到了利用，最后通过平台的实际应用验证了本 I 文提出的产量预测和环境优化方法。 研究结果表明，本文提出的 FPKM 算法弥补了 k-means 算法聚类结果不稳定且迭代次 数多的缺陷，提高了聚类的效果，为后续的挖掘工作提供了准确有效的数据；基于权值优 化的 BP 神经网络训练算法，弥补了传统 BP 神经网络的不足，而且训练出的金针菇产量预 测模型，在预测精度上较传统 BP 神经网络训练出的预测模型有了很大提升；基于改进遗 传算法的金针菇栽培过程环境寻优方法，弥补了传统遗传算法收敛速度慢容易陷入局部最 优的不足，提升了寻优的能力，同时增强了最优方案的鲁棒性和可行性。 关键词：智慧农业，数据处理，产量预测，环境优化，FPKM 算法，BP 神经网络，遗传算 法 II ABSTRACT Intelligent agriculture is the advanced stage of agricultural production, it integrates the emerging Internet, mobile Internet, cloud computing and Internet of things technology, and it relies on a variety of sensor nodes deployed in the field of agricultural production (ambient temperature and humidity, soil moisture, carbon dioxide, images, etc.) and wireless communication networks to realize the intelligent perception,