一种基于多源融合的生物信息数据监测系统及方法与流程

本发明属于数据处理领域，具体的说是一种基于多源融合的生物信息数据监测系统及方法。

背景技术：

1、基于多源融合的生物信息数据监测是一种利用多种数据源和技术手段综合监测作物生长的方法，以提供更全面、准确的作物生长信息，为农业生产提供更好的支持和指导，但是现有技术无法通过对作物生长过程中的环境数据和生长数据进行综合分析，进而无法对作物的生长质量进行准确预估，导致作物的有效产量较低，现有技术中均存在上述问题；

2、例如在申请公开号为cn117114448a的中国专利中公开了一种基于机器学习和物联网技术的农业生产管理系统及方法，涉及农业生产技术领域，该方法包括以下步骤：通过无线传感器收集农田的环境数据；对收集的数据进行分析和预测；根据机器学习模型的结果，自动调整农田管理策略；运用物联网技术，实现设备之间的连接和数据传输。该发明还提供了一种基于机器学习和物联网技术的农业生产管理系统，包括数据采集模块、数据处理与分析模块、决策支持模块、监测与控制模块以及警报与推荐模块。该发明能够利用机器学习算法对农田环境数据和作物生长信息进行深入分析，提高农作物的产量和质量，不仅可以减少资源浪费，还可以提高农业生产的可持续性和经济效益；

3、同时在申请公开号为cn117151335a的中国专利中公开了一种农业实验监控管理系统及方法，其中方法包括将同一种作物的实验区域划分不同的片区，每个片区彼此隔离；在每个片区内分别设置监测设备；生产设施通过总管道和各区域分支管道连接到各个区域；管理系统获取检测设备监测数据和生产数据；管理系统将检测设备采集的信息和生产数据结合并进行处理得到处理结果，将处理结果反馈至监控平台；利用监控平台对整个实验过程进行全面监控，此方法所用的系统包括：区域设置模块、数据获取模块、数据分析模块和监控模块，通过此方法和系统可以更好地控制实验环境，提高实验数据的准确性，促进实验结果的有效利用；提高实验的效率和效果；一键下载实验报告，提高整理报告的效率；

4、以上专利均存在本背景技术提出的问题：现有技术无法通过对作物生长过程中的环境数据和生长数据进行综合分析，进而无法对作物的生长质量进行准确预估，导致作物的有效产量较低，为了解决这些问题，本技术设计了一种基于多源融合的生物信息数据监测系统及方法。

技术实现思路

1、针对现有技术的不足，本发明提出了一种基于多源融合的生物信息数据监测系统及方法，本发明划分生长区域，获取生长区域内作物生长图像数据和作物生长高度数据，同时获取生长区域中大气参数数据和土壤参数数据，构建作物生长异常判断模型，将获取得到的生长区域内作物生长图像数据和作物生长高度数据导入作物生长异常判断模型中进行作物生长异常评估，构建环境异常判断模型，将获取得到的生长区域大气参数数据和土壤参数数据导入环境异常判断模型中进行环境异常评估，将得到的作物生长异常评估结果和环境异常评估结果导入作物生长分析模型中进行作物生长状态的预估，根据预估得到的作物生长状态进行作物生长状态的预警，通过对作物生长过程中的环境数据和生长数据进行综合分析，对作物的生长质量进行准确预估，且对不合格的作物进行早期预警，提高了对作物监测的准确性，进一步提高了作物的有效产量。

2、为实现上述目的，本发明提供如下技术方案：一种基于多源融合的生物信息数据监测方法，其包括以下具体步骤：

3、划分生长区域，获取生长区域内作物生长图像数据和作物生长高度数据，同时获取生长区域中大气参数数据和土壤参数数据；

4、构建作物生长异常判断模型，将获取得到的生长区域内作物生长图像数据和作物生长高度数据导入作物生长异常判断模型中进行作物生长异常评估；

5、构建环境异常判断模型，将获取得到的生长区域大气参数数据和土壤参数数据导入环境异常判断模型中进行环境异常评估；

6、将得到的作物生长异常评估结果和环境异常评估结果导入作物生长分析模型中进行作物生长状态的预估；

7、根据预估得到的作物生长状态进行作物生长状态的预警。

8、在此需要具体说明的是，所述划分生长区域，获取生长区域内作物生长图像数据和作物生长高度数据，同时获取生长区域中大气参数数据和土壤参数数据包括以下具体步骤：

9、s11、将需要监测的作物种植区域按照土地面积平均划分为若干个生长区域，通过图像采集终端获取生长区域内作物的生长图像数据，同时通过高度获取终端采集作物的生长高度数据，储存在第一储存模组中；

10、s12、获取生长区域内作物生长过程中的大气中污染物含量的变化曲线，储存在第二储存模组中，其中，大气中污染物为硫化物、氮氧化物和颗粒物含量；

11、s13、获取生长区域内作物生长过程中的土壤中污染物含量的变化曲线，储存在第三储存模组中，其中，土壤中污染物含量数据为重金属含量和亚硝酸盐含量。

12、在此需要体说明的是，所述构建作物生长异常判断模型，将获取得到的生长区域内作物生长图像数据和作物生长高度数据导入作物生长异常判断模型中进行作物生长异常评估包括以下具体内容：

13、s21、获取生长区域内作物生长图像数据导入图像处理软件中进行生长图像各像素点像素值的获取，同时获取标准作物生长图像各对应像素点的像素值数据，导入生长图像异常系数计算公式中计算生长图像异常系数，其中，生长图像异常系数计算公式为：，其中，msz为生长图像异常系数，m为标准作物生长图像像素点的个数，n为生长区域内作物的个数，为生长区域内第i个作物第j个像素点的像素值，为标准作物生长图像对应第j个像素点的像素值；

14、s22、获取作物生长高度数据和标准作物在当前生长周期的生长高度范围，将获取的作物生长高度数据和标准作物在当前生长周期的生长高度范围代入生长高度异常系数计算公式中计算生长高度异常系数，其中，生长高度异常系数计算公式为：，其中，为生长高度异常系数，为第i个作物的高度，为标准作物在当前生长周期的生长高度范围的中值，为标准作物在当前生长周期的生长高度范围的最大值，为标准作物在当前生长周期的生长高度范围的最小值;

15、s23、将计算得到的生长图像异常系数和生长高度异常系数代入作物生长异常评估值计算公式中计算作物生长异常评估值，其中，作物生长异常评估值计算公式为：，其中，为生长图像异常系数占比。

16、在此需要具体说明的是，所述构建环境异常判断模型，将获取得到的生长区域大气参数数据和土壤参数数据导入环境异常判断模型中进行环境异常评估包括如下具体步骤：

17、s31、获取生长区域内作物生长过程中的大气中污染物含量的变化曲线和生长区域内作物生长过程中的土壤中污染物含量的变化曲线；

18、s32、将得到的长区域内作物生长过程中的大气中污染物含量的变化曲线和生长区域内作物生长过程中的土壤中污染物含量的变化曲线代入环境异常评估值计算公式中计算环境异常评估值，其中，环境异常评估值计算公式为：，其中，b为大气污染占比，t为生长过程时间，c为大气中污染物种类个数，f为土壤中污染物含量个数，dt为时间积分，sc为第c种大气中污染物的占比系数，df为第f种土壤污染物的占比系数，为t时刻第c种大气中污染物的含量，为第c种大气中污染物的含量的安全范围中最接近的值，为第c种大气中污染物的含量的安全范围最大值，为第c种大气中污染物的含量的安全范围最小值，为t时刻第f种土壤中污染物的含量，为第f种土壤中污染物的含量的安全范围中最接近的值，为第f种土壤中污染物的含量的安全范围的最大值，为第f种土壤中污染物的含量的安全范围的最小值。

19、在此需要具体说明的是，所述将得到的作物生长异常评估结果和环境异常评估结果导入作物生长分析模型中进行作物生长状态的预估包括如下具体步骤：

20、s41、获取计算得到的作物生长异常评估值和环境异常评估值，将计算得到的作物生长异常评估值和环境异常评估值代入作物生长状态值计算公式中计算作物生长状态值，其中，作物生长状态值计算公式为：，其中，exp()为e的次数幂，w为环境异常评估值占比；

21、s42、将获取得到的作物生长状态值与设定的作物生长状态阈值进行对比，若得到的作物生长状态值大于等于设定的作物生长状态阈值，则说明作物生长状态异常，若得到的作物生长状态值小于设定的作物生长状态阈值，则说明作物生长状态正常；

22、在此需要说明的是，所述根据预估得到的作物生长状态进行作物生长状态的预警包括以下具体内容：

23、根据获得的作物生长状态分析结果，若得到作物生长状态异常的分析结果，则进行作物生长状态的预警，提醒作物种植部门进行作物的生长管理；若得到作物生长状态正常的分析结果，则不进行作物生长状态的预警，不提醒作物种植部门进行作物的生长管理。

24、一种基于多源融合的生物信息数据监测系统，其基于上述一种基于多源融合的生物信息数据监测方法实现，其具体包括数据获取模块、生长异常判断模块、环境异常判断模块、作物生长状态预估模块、生长状态预警模块和控制模块，所述数据获取模块用于划分生长区域，获取生长区域内作物生长图像数据和作物生长高度数据，同时获取生长区域中大气参数数据和土壤参数数据，所述生长异常判断模块用于构建作物生长异常判断模型，将获取得到的生长区域内作物生长图像数据和作物生长高度数据导入作物生长异常判断模型中进行作物生长异常评估。

25、在此需要具体说明的是，所述环境异常判断模块用于构建环境异常判断模型，将获取得到的生长区域大气参数数据和土壤参数数据导入环境异常判断模型中进行环境异常评估，所述作物生长状态预估模块用于将得到的作物生长异常评估结果和环境异常评估结果导入作物生长分析模型中进行作物生长状态的预估，所述生长状态预警模块用于根据预估得到的作物生长状态进行作物生长状态的预警。

26、在此需要具体说明的是，所述控制模块用于控制数据获取模块、生长异常判断模块、环境异常判断模块、作物生长状态预估模块和生长状态预警模块的运行。

27、一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；

28、所述处理器通过调用所述存储器中存储的计算机程序，执行上述的一种基于多源融合的生物信息数据监测方法。

29、一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如上述的一种基于多源融合的生物信息数据监测方法。

30、与现有技术相比，本发明的有益效果是：

31、本发明划分生长区域，获取生长区域内作物生长图像数据和作物生长高度数据，同时获取生长区域中大气参数数据和土壤参数数据，构建作物生长异常判断模型，将获取得到的生长区域内作物生长图像数据和作物生长高度数据导入作物生长异常判断模型中进行作物生长异常评估，构建环境异常判断模型，将获取得到的生长区域大气参数数据和土壤参数数据导入环境异常判断模型中进行环境异常评估，将得到的作物生长异常评估结果和环境异常评估结果导入作物生长分析模型中进行作物生长状态的预估，根据预估得到的作物生长状态进行作物生长状态的预警，通过对作物生长过程中的环境数据和生长数据进行综合分析，对作物的生长质量进行准确预估，且对不合格的作物进行早期预警，提高了对作物监测的准确性，进一步提高了作物的有效产量。