CN119273371B 一种基于人工智能的改进农业生产过程溯源方法 （广东科技学院）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119273371B(45)授权公告日2025.07.08

(21)申请号202411424423.6

(22)申请日2024.10.12

(65)同一申请的已公布的文献号申请公布号CN119273371A

(43)申请公布日2025.01.07

(73)专利权人广东科技学院

地址523000广东省东莞市松山湖高新技

术产业开发区东园大道松山湖段2号

GO6F18/23(2023.01)

GO6F18/2431(2023.01)

(56)对比文件

CN117575169A,2024.02.20审查员刘肖

(72)发明人王平山崔文静王金良吕晓永陈青梅戴汇川朱立星顾文茹

(74)专利代理机构广东众达律师事务所44431专利代理师张雪华肖永阳

(51)Int.CI.

GO6Q30/018(2023.01)

GO6Q50/02(2024.01)权利要求书5页说明书13页附图1页

(54)发明名称

一种基于人工智能的改进农业生产过程溯

源方法

(57)摘要

CN119273371B本发明公开了一种基于人工智能的改进农业生产过程溯源方法，S1、采集多维农业生产数据；S2、对多维农业生产数据进行数据清洗、噪声去除、异常值检测及格式转换；S3、根据多维农业生产数据的时间属性，将多维农业生产数据划分为短期数据、中期数据和长期数据；S4、将多维农业生产数据按照地块、区域和农作物类型空间位置进行划分；S5、依照农作物从播种、施肥、浇水、除草和收割多个生产阶段，将多维农业生产数据进行分类；S6、将异常农业生产节点的信息反馈至管理系统；S7、生成溯源报告；S8、根据反馈信息动态调整农作物的灌溉频率、施肥量或设备维

CN119273371B

a

0n,明网

CN119273371B权利要求书1/5页

2

1.一种基于人工智能的改进农业生产过程溯源方法，其特征在于，包括如下步骤：

S1、通过部署在农业生产环境中设备实时采集关于农作物生长、土壤条件、气象环境和设备运行状态的多维农业生产数据；

S2、对多维农业生产数据进行数据清洗、噪声去除、异常值检测及格式转换；

S3、根据多维农业生产数据的时间属性，将多维农业生产数据划分为短期数据、中期数据和长期数据，采用自适应聚类模型分别对不同时间段的数据特性进行分析；

S4、根据多维农业生产数据的空间分布特征，将多维农业生产数据按照地块、区域和农作物类型空间位置进行划分，并针对每个空间位置的数据进行自适应聚类分析，动态调整自适应聚类模型的参数，使得多维农业生产数据的分类结果反映不同区域的农作物生长、环境条件和生产设备状态；

S5、根据农业生产的具体环节，依照农作物从播种、施肥、浇水、除草和收割多个生产阶段，将多维农业生产数据进行分类，并对每个生产阶段的数据进行动态聚类，识别各阶段中的关键特征，实时调整自适应聚类模型参数以应对农业生产环节中的数据变化；

S6、基于步骤S3至步骤S5的多层次聚类结果自动识别农业生产过程中存在的异常节点，包括农作物生长异常、土壤条件异常、气象环境突变及设备故障情况，并实时发出异常警报，将异常农业生产节点的信息反馈至管理系统；

S7、当农业生产过程中发生异常时，基于多维农业生产数据的多层次聚类结果，自动进行溯源分析，通过追溯异常节点的数据源及其历史变化，确定异常产生的时间、地点及原因，生成溯源报告；

S8、将溯源管理中的异常节点及其原因实时反馈至农业生产管理系统，并根据反馈信息动态调整农作物的灌溉频率、施肥量或设备维护计划；

其中所述S3包括：

S31、根据多维农业生产数据的时间属性，将多维农业生产数据Dormatted(t)划分为短期数据Dshort(t)、中期数据Dm.a(t)和长期数据D1ong(t):

Dshort(t)表示在短时间范围内采集的农业生产数据，用于实时监控和反馈；

Dm.a(t)表示在中期时间段内采集的农业生产数据，用于趋势识别；

D1ong(t)表示在长期时间范围内采集的农业生产数据，用于周期性规律分析；

S32、对短期数据Dshort(t)采用自适应聚类模型进行分类分析，识别出