技术摘要：
本发明公开了一种农业大数据分析的方法及装置，方法包括：获取农作物在耕地、播种、施肥、杀虫、收割、存储和育种环节的生长特性数据和生长环境数据，并上传到智慧农业大数据监测平台；通过智慧农业大数据监测平台建立农作物质量预测模型；根据生长特性数据和生长环境  全部
背景技术：
农业大数据是融合了农业地域性、季节性、多样性、周期性等自身特征后产生的来 源广泛、类型多样、结构复杂、具有潜在价值，并难以应用通常方法处理和分析的数据集合。 农业大数据保留了大数据自身具有的规模巨大(volume)、类型多样(variety)、价值密度低 (value)、处理速度快(velocity)、精确度高(veracity)和复杂度高(complexity)等基本特 征，并使农业内部的信息流得到了延展和深化。现有的智慧农业相关系统应用场景单一，大 部分系统只起到一个展示数据的作用，通过设置在园区内的电子大屏来对园区的气象数据 进行展示，缺少其他数据应用场景，智能化程度低，缺少数据分析相关的功能，不能对农作 物的种植过程起到指导作用。
技术实现要素：
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种智能化程度 较高、能对各种农业农产品数据进行分析、可以对农作物的种植过程起到指导作用的农业 大数据分析的方法及装置。 本发明解决其技术问题所采用的技术方案是：构造一种农业大数据分析的方法， 包括如下步骤： A)获取农作物在耕地、播种、施肥、杀虫、收割、存储和育种环节的生长特性数据和 生长环境数据，并将其通过无线方式上传到智慧农业大数据监测平台； B)通过所述智慧农业大数据监测平台建立农作物质量预测模型； C)根据所述生长特性数据和生长环境数据，并结合多种不同的监督分类算法，对 所述农作物质量预测模型进行训练； D)根据训练好的农作物质量预测模型，对农作物的生长特性数据和生长环境数据 进行大数据分析，以输出农作物的预测分类结果；所述农作物的预测分类结果包括农作物 的每日行情、价格走势、行情趋势预测和涨跌预警信息。 在本发明所述的农业大数据分析的方法中，所述生长特性数据包括苗情状况与环 境因子和生理参数指标之间的规律；所述生长环境数据包括空气温湿度、土壤温湿度、土壤 肥力、施肥次数、浇水和除草次数。 在本发明所述的农业大数据分析的方法中，所述步骤C)进一步包括： C1)根据所述生长特性数据和生长环境数据建立样本集； C2)对所述样本集进行抽样，得到多个不同的样本训练集； C3)将所述多个不同的样本训练集分别输入到不同的分类器中，采用不同的监督 分类算法对相应的分类器进行训练。 本发明还涉及一种实现上述农业大数据分析的方法的装置，包括： 3 CN 111582324 A 说　明　书 2/5 页 数据获取上传单元：用于获取农作物在耕地、播种、施肥、杀虫、收割、存储和育种 环节的生长特性数据和生长环境数据，并将其通过无线方式上传到智慧农业大数据监测平 台； 模型建立单元：用于通过所述智慧农业大数据监测平台建立农作物质量预测模 型； 模型训练单元：用于根据所述生长特性数据和生长环境数据，并结合多种不同的 监督分类算法，对所述农作物质量预测模型进行训练； 大数据分析输出单元：用于根据训练好的农作物质量预测模型，对农作物的生长 特性数据和生长环境数据进行大数据分析，以输出农作物的预测分类结果；所述农作物的 预测分类结果包括农作物的每日行情、价格走势、行情趋势预测和涨跌预警信息。 在本发明所述的装置中，所述生长特性数据包括苗情状况与环境因子和生理参数 指标之间的规律；所述生长环境数据包括空气温湿度、土壤温湿度、土壤肥力、施肥次数、浇 水和除草次数。 在本发明所述的装置中，所述模型训练单元进一步包括： 样本集建立模块：用于根据所述生长特性数据和生长环境数据建立样本集； 抽样模块：用于对所述样本集进行抽样，得到多个不同的样本训练集； 分类训练模块：用于将所述多个不同的样本训练集分别输入到不同的分类器中， 采用不同的监督分类算法对相应的分类器进行训练。 实施本发明的农业大数据分析的方法及装置，具有以下有益效果：由于获取农作 物在耕地、播种、施肥、杀虫、收割、存储和育种环节的生长特性数据和生长环境数据，并将 其通过无线方式上传到智慧农业大数据监测平台；通过智慧农业大数据监测平台建立农作 物质量预测模型；根据生长特性数据和生长环境数据，并结合多种不同的监督分类算法，对 农作物质量预测模型进行训练；根据训练好的农作物质量预测模型，对农作物的生长特性 数据和生长环境数据进行大数据分析，以输出农作物的预测分类结果；农作物的预测分类 结果包括农作物的每日行情、价格走势、行情趋势预测和涨跌预警信息；本发明智能化程度 较高、能对各种农业农产品数据进行分析、可以对农作物的种植过程起到指导作用。 附图说明 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。 图1为本发明农业大数据分析的方法及装置一个实施例中方法的流程图； 图2为所述实施例中根据生长特性数据和生长环境数据，并结合多种不同的监督 分类算法，对农作物质量预测模型进行训练的具体流程图； 图3为所述实施例中装置的结构示意图。