一种基于大数据的农作物智能选育分析方法及系统

1.本发明涉及大数据分析领域，更具体的，涉及一种基于大数据的农作物智能选育分析方法及系统。

背景技术：

2.粮食作物的种植选择关系到国家和地区的粮食安全和人民大众的饮食丰富与否，同时也是解决农民增产和增收的重要途径。
3.但是，在一些农田选择农作物进行培育生产时，往往只通过简单的市场考虑，盲目选择了一些不适宜的农作物进行种植，导致农作物出现病虫害等不利生长的情况，加大了种植者的经济损失。所以，现在亟需一种能够根据农田实际环境，智能分析出适宜农作物的有效方法。

技术实现要素：

4.为了解决上述至少一个技术问题，本发明提出了一种基于大数据的农作物智能选育分析。
5.本发明第一方面提供了一种基于大数据的农作物智能选育分析方法，包括：
6.本方案中，所述获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据；
7.根据农田害虫数据进行农作物筛选，得到第一结果农作物信息；
8.获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息；
9.获取农田区域环境数据，根据农田区域环境数据进行环境综合分析，得到农田灌溉信息；
10.根据农田灌溉信息与第二结果农作物信息进行组合匹配分析，得到优选农作物方案信息。
11.本方案中，所述获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据，之前包括：
12.根据农田所在地域，从大数据中获取农田害虫图像数据；
13.将所述农田害虫图像数据进行图像特征分析，得到农田害虫特征数据；
14.将农田害虫类别信息与农田害虫特征数据进行数据关联，并得到关联数据；
15.将所述农田害虫特征数据与关联数据进行数据整合得到大数据害虫数据。
16.本方案中，所述获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据，具体为：
17.根据历史图像数据进行害虫图像识别与图像区域分割，得到害虫区域图像数据；
18.将害虫区域图像数据进行特征提取，得到历史害虫特征数据；
19.将历史害虫特征数据与大数据害虫数据进行对比分析，得到农田害虫种类信息与
农田害虫数量信息；
20.将农田害虫种类信息与农田害虫数量信息进行数据整合得到农田害虫数据。
21.本方案中，所述根据农田虫害信息进行农作物筛选，得到第一结果农作物信息，具体为：
22.根据农田区域所在地域范围，从大数据中检索符合条件的所有农作物种类，得到待选农作物信息；
23.根据待选农作物信息得到对应的农作物抗虫性信息；
24.将农作物抗虫性信息与农田虫害信息进行对比分析，并从待选农作物信息中筛选出符合预设条件的农作物，得到第一结果农作物信息。
25.本方案中，所述获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息，之前包括：
26.根据预设时间，获取特定农田区域中的农作物发病情况信息；
27.根据农作物发病情况信息，得到农作物发病种类信息与农作物发病频率信息；
28.根据农作物发病频率信息，获取农作物发病频率最高的三种农作物发病种类得到特定农作物发病种类信息。
29.本方案中，所述获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息，具体为：
30.根据第一结果农作物信息生成农作物种类标签；
31.根据农作物种类标签从大数据中检索农作物种类对应的抗病性信息，得到农作物抗病性信息；
32.根据农作物抗病性信息与特定农作物发病种类信息进行优势种类分析，并从第一结果农作物信息中筛选出优选农作物种类，得到第二结果农作物信息。
33.本方案中，所述获取农田区域环境数据，根据农田区域环境数据进行环境综合分析，得到农田灌溉信息，具体为：
34.获取农田区域大小数据与农田水源点数据；
35.根据农田区域大小数据与农田水源点数据进行灌溉点分析，得到农田水源点密度信息、农田水源点距离信息、农田土壤喷洒面积信息；
36.根据农田水源点密度信息、农田水源点距离信息、农田土壤喷洒面积信息，结合农田区域环境数据进行灌溉条件分析，得到农田灌溉信息。
37.本方案中，所述根据农田灌溉信息与第二结果农作物信息进行组合匹配分析，得到优选农作物方案信息，具体为：
38.获取农田灌溉信息中的灌溉方式信息；
39.获取第二结果农作物信息中的农作物种类信息；
40.将农作物种类信息与灌溉方式信息进行匹配组合，得到多种农作物与灌溉组合信息；
41.将多种农作物与灌溉组合信息进行信息整理得到优选农作物方案信息。
42.本发明第二方面还提供了一种基于大数据的农作物智能选育分析系统，该系统包括：存储器、处理器，所述存储器中包括基于大数据的农作物智能选育分析方法程序，所述基于大数据的农作物智能选育分析方法程序被所述处理器执行时实现如下步骤：
43.获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据；
44.根据农田害虫数据进行农作物筛选，得到第一结果农作物信息；
45.获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息；
46.获取农田区域环境数据，根据农田区域环境数据进行环境综合分析，得到农田灌溉信息；
47.根据农田灌溉信息与第二结果农作物信息进行组合匹配分析，得到优选农作物方案信息。
48.本方案中，所述根据农田灌溉信息与第二结果农作物信息进行组合匹配分析，得到优选农作物方案信息，具体为：
49.获取农田灌溉信息中的灌溉方式信息；
50.获取第二结果农作物信息中的农作物种类信息；
51.将农作物种类信息与灌溉方式信息进行匹配组合，得到多种农作物与灌溉组合信息；
52.将多种农作物与灌溉组合信息进行信息整理得到优选农作物方案信息。
53.本发明公开了一种基于大数据的农作物智能选育分析方法及系统，通过获取当前农田区域历史图像数据，并根据历史图像数据与大数据害虫数据进行对比分析，得到当前农田区域的害虫情况，并对农作物进行一次筛选，进一步通过分析农田区域的农作物发病情况，对农作物进行二次筛选，得到合适的优选农作物种类。另外，本发明通过将优选农作物种类与各种灌溉技术的匹配组合，得到优选农作物方案信息，从而让种植者更好地选择培育农作物，减少了因盲目选择农作物而导致农作物低产的情况，进一步实现提高种植者的经济效益。同时，本发明科学地为种植者提供了精准且适合当前农田环境的农作物种类，提高了农作物的生产效率。
附图说明
54.图1示出了本发明一种基于大数据的农作物智能选育分析方法的流程图；
55.图2示出了本发明获取农田害虫数据流程图；
56.图3示出了本发明获取第一结果农作物信息流程图；
57.图4示出了本发明一种基于大数据的农作物智能选育分析系统的框图。
具体实施方式
58.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
59.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
60.图1示出了本发明一种基于大数据的农作物智能选育分析方法的流程图。
61.如图1所示，本发明第一方面提供了一种基于大数据的农作物智能选育分析方法，包括：
62.s102，获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据；
63.s104，根据农田害虫数据进行农作物筛选，得到第一结果农作物信息；
64.s106，获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息；
65.s108，获取农田区域环境数据，根据农田区域环境数据进行环境综合分析，得到农田灌溉信息；
66.s110，根据农田灌溉信息与第二结果农作物信息进行组合匹配分析，得到优选农作物方案信息。
67.根据本发明实施例，所述获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据，之前包括：
68.根据农田所在地域，从大数据中获取农田害虫图像数据；
69.将所述农田害虫图像数据进行图像特征分析，得到农田害虫特征数据；
70.将农田害虫类别信息与农田害虫特征数据进行数据关联，并得到关联数据；
71.将所述农田害虫特征数据与关联数据进行数据整合得到大数据害虫数据。
72.需要说明的是，由于不同地域气候环境等情况不同，对应的农田害虫情况也不尽相同，故分析当地区域的农田害虫信息具有更好的参考价值。所述根据农田所在地域，从大数据中获取农田害虫图像数据中，具体为从大数据中获取农田当地区域的害虫图像数据，所述图像数据具有良好的参考作用。所述害虫包括菜蛾、夜蛾类、菜蚜类、跳甲类等有害虫类。
73.图2示出了本发明获取农田害虫数据流程图。
74.根据本发明实施例，所述获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据，具体为：
75.s202，根据历史图像数据进行害虫图像识别与图像区域分割，得到害虫区域图像数据；
76.s204，将害虫区域图像数据进行特征提取，得到历史害虫特征数据；
77.s206，将历史害虫特征数据与大数据害虫数据进行对比分析，得到农田害虫种类信息与农田害虫数量信息；
78.s208，将农田害虫种类信息与农田害虫数量信息进行数据整合得到农田害虫数据。
79.需要说明的是，所述农田区域历史图像数据为通过图像采集摄像装置获取。所述将历史害虫特征数据与大数据害虫数据进行对比分析，得到农田害虫种类信息与农田害虫数量信息中，具体为通过历史害虫特征数据与大数据害虫数据中的农田害虫特征数据进行特征对比，筛选出特征对比相似度较高的农田害虫种类信息，并根据历史图像数据得到对应害虫的数量信息。而通过分析历史图像数据，能够得到当前农田区域准确的害虫数据，从而更加有效地分析出合适的种植农作物。
80.图3示出了本发明获取第一结果农作物信息流程图。
81.根据本发明实施例，所述根据农田虫害信息进行农作物筛选，得到第一结果农作物信息，具体为：
82.s302，根据农田区域所在地域范围，从大数据中检索符合条件的所有农作物种类，得到待选农作物信息；
83.s304，根据待选农作物信息得到对应的农作物抗虫性信息；
84.s306，将农作物抗虫性信息与农田虫害信息进行对比分析，并从待选农作物信息中筛选出符合预设条件的农作物，得到第一结果农作物信息。
85.需要说明的是，所述根据农田区域所在地域范围中，所述地域范围指的是当前农田区域附近地域范围，并且所述地域范围与农田区域具有相似的气候环境条件。所述从大数据中检索符合条件的所有农作物种类，得到待选农作物信息中，所述待选农作物信息中包括的农作物种类为符合农田区域气候条件的所有农作物种类。所述符合预设条件的农作物具体为该农作物能够对农田虫害信息中的害虫种类具有一定的抗虫性。
86.根据本发明实施例，所述获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息，之前包括：
87.根据预设时间，获取特定农田区域中的农作物发病情况信息；
88.根据农作物发病情况信息，得到农作物发病种类信息与农作物发病频率信息；
89.根据农作物发病频率信息，获取农作物发病频率最高的三种农作物发病种类得到特定农作物发病种类信息。
90.需要说明的是，所述预设时间一般为之前1至3年的时间，所述获取特定农田区域中的农作物发病情况信息中，具体为获取当前农田区域所在地区的农作物发病情况信息。农作物发病种类信息中，包括灰霉病、小麦条锈病、白粉病、根腐病、猝倒病、霜霉病等。
91.根据本发明实施例，所述获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息，具体为：
92.根据第一结果农作物信息生成农作物种类标签；
93.根据农作物种类标签从大数据中检索农作物种类对应的抗病性信息，得到农作物抗病性信息；
94.根据农作物抗病性信息与特定农作物发病种类信息进行优势种类分析，并从第一结果农作物信息中筛选出优选农作物种类，得到第二结果农作物信息。
95.需要说明的是，所述从第一结果农作物信息中筛选出优选农作物种类，得到第二结果农作物信息中，得到的第二结果农作物信息中包含的农作物种类为具有特定农作物发病种类对应的抗病性。
96.根据本发明实施例，所述获取农田区域环境数据，根据农田区域环境数据进行环境综合分析，得到农田灌溉信息，具体为：
97.获取农田区域大小数据与农田水源点数据；
98.根据农田区域大小数据与农田水源点数据进行灌溉点分析，得到农田水源点密度信息、农田水源点距离信息、农田土壤喷洒面积信息；
99.根据农田水源点密度信息、农田水源点距离信息、农田土壤喷洒面积信息，结合农田区域环境数据进行灌溉条件分析，得到农田灌溉信息。
100.需要说明的是，所述农田区域大小数据包括农田实际面积大小，农田种植土壤面
积大小，所述农田水源点数据包括农田水源点在农田区域的具体位置信息，所述农田水源点距离信息包括各个水源点到农田的最短距离。所述农田灌溉信息包括符合农田条件的多种灌溉方式信息，所述灌溉方式包括渠道灌溉、管道灌溉和井灌等。所述农田区域环境数据包括农田的光照时间、气温、湿度等环境数据。
101.根据本发明实施例，所述根据农田灌溉信息与第二结果农作物信息进行组合匹配分析，得到优选农作物方案信息，具体为：
102.获取农田灌溉信息中的灌溉方式信息；
103.获取第二结果农作物信息中的农作物种类信息；
104.将农作物种类信息与灌溉方式信息进行匹配组合，得到多种农作物与灌溉组合信息；
105.将多种农作物与灌溉组合信息进行信息整理得到优选农作物方案信息。
106.需要说明的是，所述优选农作物方案信息包括优选农作物种类信息、农作物灌溉方式信息、农作物对应生物特性等信息。
107.根据本发明实施例，还包括：
108.根据优选农作物方案信息，获取优选农作物种类信息；
109.根据优选农作物种类信息生成优选农作物标签；
110.根据优选农作物标签从大数据中进行生长数据检索，得到优选农作物生长过程数据。
111.需要说明的是，所述生长过程数据包括优选农作物各个生长周期的生长状态信息和适宜生长的环境数据。
112.根据本发明实施例，还包括：
113.构建农作物生长预测模型；
114.根据优选农作物方案信息，得到优选农作物种类信息与对应的农作物灌溉方式信息；
115.获取当前农田区域环境数据，将农田区域环境数据、优选农作物种类信息、农作物灌溉方式信息、农田区域环境数据和优选农作物生长过程数据导入农作物生长预测模型进行生长预测，得到农作物生长状态预测信息；
116.根据生长状态预测信息与预设状态信息进行对比分析，得到农作物种植方案修正信息。
117.需要说明的是，所述预设状态信息为农作物正常生长的优选状态信息，具有良好的参考对比性。
118.值得一提的是，当生长状态预测信息与预设状态信息偏差过大时，需要对农作物的种植条件进行适当的修正，以保证农作物的正常生长。所述农作物种植方案修正信息包括农作物肥料施放修正信息，和灌溉水分修正信息。
119.根据本发明实施例，还包括：
120.获取优选农作物方案信息；
121.根据优选农作物方案信息进行农作物生产种植，并根据预设时间间隔获取多个农田土壤湿度数据；
122.将多个农田土壤湿度数据进行数值均值化处理，得到平均土壤湿度数据；
123.获取优选农作物方案信息中的优选农作物种类信息；
124.根据优选农作物种类信息得到对应待选农作物种子包衣方式信息；
125.将平均土壤湿度数据与待选农作物种子包衣方式信息进行综合分析，得到优选种子包衣方式信息。
126.需要说明的是，通过将多种成分的种衣剂包裹在种子表面，能够形成具有一定防虫害的农作物包衣种子，而由于受农田光照时长，气候环境等因素，农作物灌溉过程中，土壤的湿度也在变化，不同的土壤湿度会影响种子表面的种衣剂效果。本发明通过平均土壤湿度数据，分析出合适的包衣方式，从而能够提高农作物的防病虫害能力。所述包衣方式包括机械和手工包衣法。所述预设时间间隔一般为灌溉前后 2至4小时。
127.图4示出了本发明一种基于大数据的农作物智能选育分析系统的框图。
128.本发明第二方面还提供了一种基于大数据的农作物智能选育分析系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于大数据的农作物智能选育分析方法程序，所述基于大数据的农作物智能选育分析方法程序被所述处理器执行时实现如下步骤：
129.获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据；
130.根据农田害虫数据进行农作物筛选，得到第一结果农作物信息；
131.获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息；
132.获取农田区域环境数据，根据农田区域环境数据进行环境综合分析，得到农田灌溉信息；
133.根据农田灌溉信息与第二结果农作物信息进行组合匹配分析，得到优选农作物方案信息。
134.根据本发明实施例，所述获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据，之前包括：
135.根据农田所在地域，从大数据中获取农田害虫图像数据；
136.将所述农田害虫图像数据进行图像特征分析，得到农田害虫特征数据；
137.将农田害虫类别信息与农田害虫特征数据进行数据关联，并得到关联数据；
138.将所述农田害虫特征数据与关联数据进行数据整合得到大数据害虫数据。
139.需要说明的是，由于不同地域气候环境等情况不同，对应的农田害虫情况也不尽相同，故分析当地区域的农田害虫信息具有更好的参考价值。所述根据农田所在地域，从大数据中获取农田害虫图像数据中，具体为从大数据中获取农田当地区域的害虫图像数据，所述图像数据具有良好的参考作用。所述害虫包括菜蛾、夜蛾类、菜蚜类、跳甲类等有害虫类。
140.根据本发明实施例，所述获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据，具体为：
141.根据历史图像数据进行害虫图像识别与图像区域分割，得到害虫区域图像数据；
142.将害虫区域图像数据进行特征提取，得到历史害虫特征数据；
143.将历史害虫特征数据与大数据害虫数据进行对比分析，得到农田害虫种类信息与农田害虫数量信息；
144.将农田害虫种类信息与农田害虫数量信息进行数据整合得到农田害虫数据。
145.需要说明的是，所述农田区域历史图像数据为通过图像采集摄像装置获取。所述将历史害虫特征数据与大数据害虫数据进行对比分析，得到农田害虫种类信息与农田害虫数量信息中，具体为通过历史害虫特征数据与大数据害虫数据中的农田害虫特征数据进行特征对比，筛选出特征对比相似度较高的农田害虫种类信息，并根据历史图像数据得到对应害虫的数量信息。而通过分析历史图像数据，能够得到当前农田区域准确的害虫数据，从而更加有效地分析出合适的种植农作物。
146.根据本发明实施例，所述根据农田虫害信息进行农作物筛选，得到第一结果农作物信息，具体为：
147.根据农田区域所在地域范围，从大数据中检索符合条件的所有农作物种类，得到待选农作物信息；
148.根据待选农作物信息得到对应的农作物抗虫性信息；
149.将农作物抗虫性信息与农田虫害信息进行对比分析，并从待选农作物信息中筛选出符合预设条件的农作物，得到第一结果农作物信息。
150.需要说明的是，所述根据农田区域所在地域范围中，所述地域范围指的是当前农田区域附近地域范围，并且所述地域范围与农田区域具有相似的气候环境条件。所述从大数据中检索符合条件的所有农作物种类，得到待选农作物信息中，所述待选农作物信息中包括的农作物种类为符合农田区域气候条件的所有农作物种类。所述符合预设条件的农作物具体为该农作物能够对农田虫害信息中的害虫种类具有一定的抗虫性。
151.根据本发明实施例，所述获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息，之前包括：
152.根据预设时间，获取特定农田区域中的农作物发病情况信息；
153.根据农作物发病情况信息，得到农作物发病种类信息与农作物发病频率信息；
154.根据农作物发病频率信息，获取农作物发病频率最高的三种农作物发病种类得到特定农作物发病种类信息。
155.需要说明的是，所述预设时间一般为之前1至3年的时间，所述获取特定农田区域中的农作物发病情况信息中，具体为获取当前农田区域所在地区的农作物发病情况信息。农作物发病种类信息中，包括灰霉病、小麦条锈病、白粉病、根腐病、猝倒病、霜霉病等。
156.根据本发明实施例，所述获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息，具体为：
157.根据第一结果农作物信息生成农作物种类标签；
158.根据农作物种类标签从大数据中检索农作物种类对应的抗病性信息，得到农作物抗病性信息；
159.根据农作物抗病性信息与特定农作物发病种类信息进行优势种类分析，并从第一结果农作物信息中筛选出优选农作物种类，得到第二结果农作物信息。
160.需要说明的是，所述从第一结果农作物信息中筛选出优选农作物种类，得到第二结果农作物信息中，得到的第二结果农作物信息中包含的农作物种类为具有特定农作物发病种类对应的抗病性。
161.根据本发明实施例，所述获取农田区域环境数据，根据农田区域环境数据进行环
境综合分析，得到农田灌溉信息，具体为：
162.获取农田区域大小数据与农田水源点数据；
163.根据农田区域大小数据与农田水源点数据进行灌溉点分析，得到农田水源点密度信息、农田水源点距离信息、农田土壤喷洒面积信息；
164.根据农田水源点密度信息、农田水源点距离信息、农田土壤喷洒面积信息，结合农田区域环境数据进行灌溉条件分析，得到农田灌溉信息。
165.需要说明的是，所述农田区域大小数据包括农田实际面积大小，农田种植土壤面积大小，所述农田水源点数据包括农田水源点在农田区域的具体位置信息，所述农田水源点距离信息包括各个水源点到农田的最短距离。所述农田灌溉信息包括符合农田条件的多种灌溉方式信息，所述灌溉方式包括渠道灌溉、管道灌溉和井灌等。所述农田区域环境数据包括农田的光照时间、气温、湿度等环境数据。
166.根据本发明实施例，所述根据农田灌溉信息与第二结果农作物信息进行组合匹配分析，得到优选农作物方案信息，具体为：
167.获取农田灌溉信息中的灌溉方式信息；
168.获取第二结果农作物信息中的农作物种类信息；
169.将农作物种类信息与灌溉方式信息进行匹配组合，得到多种农作物与灌溉组合信息；
170.将多种农作物与灌溉组合信息进行信息整理得到优选农作物方案信息。
171.需要说明的是，所述优选农作物方案信息包括优选农作物种类信息、农作物灌溉方式信息、农作物对应生物特性等信息。
172.根据本发明实施例，还包括：
173.根据优选农作物方案信息，获取优选农作物种类信息；
174.根据优选农作物种类信息生成优选农作物标签；
175.根据优选农作物标签从大数据中进行生长数据检索，得到优选农作物生长过程数据。
176.需要说明的是，所述生长过程数据包括优选农作物各个生长周期的生长状态信息和适宜生长的环境数据。
177.根据本发明实施例，还包括：
178.构建农作物生长预测模型；
179.根据优选农作物方案信息，得到优选农作物种类信息与对应的农作物灌溉方式信息；
180.获取当前农田区域环境数据，将农田区域环境数据、优选农作物种类信息、农作物灌溉方式信息、农田区域环境数据和优选农作物生长过程数据导入农作物生长预测模型进行生长预测，得到农作物生长状态预测信息；
181.根据生长状态预测信息与预设状态信息进行对比分析，得到农作物种植方案修正信息。
182.需要说明的是，所述预设状态信息为农作物正常生长的优选状态信息，具有良好的参考对比性。
183.值得一提的是，当生长状态预测信息与预设状态信息偏差过大时，需要对农作物
的种植条件进行适当的修正，以保证农作物的正常生长。所述农作物种植方案修正信息包括农作物肥料施放修正信息，和灌溉水分修正信息。
184.根据本发明实施例，还包括：
185.获取优选农作物方案信息；
186.根据优选农作物方案信息进行农作物生产种植，并根据预设时间间隔获取多个农田土壤湿度数据；
187.将多个农田土壤湿度数据进行数值均值化处理，得到平均土壤湿度数据；
188.获取优选农作物方案信息中的优选农作物种类信息；
189.根据优选农作物种类信息得到对应待选农作物种子包衣方式信息；
190.将平均土壤湿度数据与待选农作物种子包衣方式信息进行综合分析，得到优选种子包衣方式信息。
191.需要说明的是，通过将多种成分的种衣剂包裹在种子表面，能够形成具有一定防虫害的农作物包衣种子，而由于受农田光照时长，气候环境等因素，农作物灌溉过程中，土壤的湿度也在变化，不同的土壤湿度会影响种子表面的种衣剂效果。本发明通过平均土壤湿度数据，分析出合适的包衣方式，从而能够提高农作物的防病虫害能力。所述包衣方式包括机械和手工包衣法。所述预设时间间隔一般为灌溉前后 2至4小时。
192.本发明公开了一种基于大数据的农作物智能选育分析方法及系统，通过获取当前农田区域历史图像数据，并根据历史图像数据与大数据害虫数据进行对比分析，得到当前农田区域的害虫情况，并对农作物进行一次筛选，进一步通过分析农田区域的农作物发病情况，对农作物进行二次筛选，得到合适的优选农作物种类。另外，本发明通过将优选农作物种类与各种灌溉技术的匹配组合，得到优选农作物方案信息，从而让种植者更好地选择培育农作物，减少了因盲目选择农作物而导致农作物低产的情况，进一步实现提高种植者的经济效益。同时，本发明科学地为种植者提供了精准且适合当前农田环境的农作物种类，提高了农作物的生产效率。
193.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
194.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
195.另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
196.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存
储器(rom， read-on l y memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
197.或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
198.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

技术特征：

1.一种基于大数据的农作物智能选育分析方法，其特征在于，包括：获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据；根据农田害虫数据进行农作物筛选，得到第一结果农作物信息；获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息；获取农田区域环境数据，根据农田区域环境数据进行环境综合分析，得到农田灌溉信息；根据农田灌溉信息与第二结果农作物信息进行组合匹配分析，得到优选农作物方案信息。2.根据权利要求1所述的一种基于大数据的农作物智能选育分析方法，其特征在于，所述获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据，之前包括：根据农田所在地域，从大数据中获取农田害虫图像数据；将所述农田害虫图像数据进行图像特征分析，得到农田害虫特征数据；将农田害虫类别信息与农田害虫特征数据进行数据关联，并得到关联数据；将所述农田害虫特征数据与关联数据进行数据整合得到大数据害虫数据。3.根据权利要求2所述的一种基于大数据的农作物智能选育分析方法，其特征在于，所述获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据，具体为：根据历史图像数据进行害虫图像识别与图像区域分割，得到害虫区域图像数据；将害虫区域图像数据进行特征提取，得到历史害虫特征数据；将历史害虫特征数据与大数据害虫数据进行对比分析，得到农田害虫种类信息与农田害虫数量信息；将农田害虫种类信息与农田害虫数量信息进行数据整合得到农田害虫数据。4.根据权利要求3所述的一种基于大数据的农作物智能选育分析方法，其特征在于，所述根据农田虫害信息进行农作物筛选，得到第一结果农作物信息，具体为：根据农田区域所在地域范围，从大数据中检索符合条件的所有农作物种类，得到待选农作物信息；根据待选农作物信息得到对应的农作物抗虫性信息；将农作物抗虫性信息与农田虫害信息进行对比分析，并从待选农作物信息中筛选出符合预设条件的农作物，得到第一结果农作物信息。5.根据权利要求1所述的一种基于大数据的农作物智能选育分析方法，其特征在于，所述获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息，之前包括：根据预设时间，获取特定农田区域中的农作物发病情况信息；根据农作物发病情况信息，得到农作物发病种类信息与农作物发病频率信息；根据农作物发病频率信息，获取农作物发病频率最高的三种农作物发病种类得到特定农作物发病种类信息。
6.根据权利要求5所述的一种基于大数据的农作物智能选育分析方法，其特征在于，所述获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息，具体为：根据第一结果农作物信息生成农作物种类标签；根据农作物种类标签从大数据中检索农作物种类对应的抗病性信息，得到农作物抗病性信息；根据农作物抗病性信息与特定农作物发病种类信息进行优势种类分析，并从第一结果农作物信息中筛选出优选农作物种类，得到第二结果农作物信息。7.根据权利要求1所述的一种基于大数据的农作物智能选育分析方法，其特征在于，所述获取农田区域环境数据，根据农田区域环境数据进行环境综合分析，得到农田灌溉信息，具体为：获取农田区域大小数据与农田水源点数据；根据农田区域大小数据与农田水源点数据进行灌溉点分析，得到农田水源点密度信息、农田水源点距离信息、农田土壤喷洒面积信息；根据农田水源点密度信息、农田水源点距离信息、农田土壤喷洒面积信息，结合农田区域环境数据进行灌溉条件分析，得到农田灌溉信息。8.根据权利要求1所述的一种基于大数据的农作物智能选育分析方法，其特征在于，所述根据农田灌溉信息与第二结果农作物信息进行组合匹配分析，得到优选农作物方案信息，具体为：获取农田灌溉信息中的灌溉方式信息；获取第二结果农作物信息中的农作物种类信息；将农作物种类信息与灌溉方式信息进行匹配组合，得到多种农作物与灌溉组合信息；将多种农作物与灌溉组合信息进行信息整理得到优选农作物方案信息。9.一种基于大数据的农作物智能选育分析系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于大数据的农作物智能选育分析方法程序，所述基于大数据的农作物智能选育分析方法程序被所述处理器执行时实现如下步骤：获取农田区域历史图像数据，根据历史图像数据与大数据害虫数据进行对比分析，得到农田害虫数据；根据农田害虫数据进行农作物筛选，得到第一结果农作物信息；获取特定农田区域农作物发病情况信息，根据所述发病情况信息，结合第一结果农作物信息得到第二结果农作物信息；获取农田区域环境数据，根据农田区域环境数据进行环境综合分析，得到农田灌溉信息；根据农田灌溉信息与第二结果农作物信息进行组合匹配分析，得到优选农作物方案信息。10.根据权利要求9所述的一种基于大数据的农作物智能选育分析系统，其特征在于，所述根据农田灌溉信息与第二结果农作物信息进行组合匹配分析，得到优选农作物方案信息，具体为：获取农田灌溉信息中的灌溉方式信息；
获取第二结果农作物信息中的农作物种类信息；将农作物种类信息与灌溉方式信息进行匹配组合，得到多种农作物与灌溉组合信息；将多种农作物与灌溉组合信息进行信息整理得到优选农作物方案信息。

技术总结

本发明公开了一种基于大数据的农作物智能选育分析方法及系统，通过获取当前农田区域历史图像数据，并根据历史图像数据与大数据害虫数据进行对比分析，得到当前农田区域的害虫情况，并对农作物进行一次筛选，进一步通过分析农田区域的农作物发病情况，对农作物进行二次筛选，得到合适的优选农作物种类。另外，本发明通过将优选农作物种类与各种灌溉技术的匹配组合，得到优选农作物方案信息，从而让种植者更好地选择培育农作物，减少了因盲目选择农作物而导致农作物低产的情况，进一步实现提高种植者的经济效益。同时，本发明科学地为种植者提供了精准且适合当前农田环境的农作物种类，提高了农作物的生产效率。提高了农作物的生产效率。提高了农作物的生产效率。