數據挖掘下智能施肥系統設計探析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了數據挖掘下智能施肥系統設計探析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:以智能施肥系統為研究對象，對智能施肥系統的技術應用過程和施肥數據信息的參數統計進行分析，利用數據挖掘技術建立施肥系統的空間決策過程以及系統數據庫。分析對比結果表明:該智能施肥系統能夠以作物生長過程中的實際化肥需求和施肥量精確控制為目標，將作物生長環境和生長狀態信息與知識庫數據進行對比，形成智能施肥精確控制決策，達到施肥種類和施肥量精確控制的目的。

關鍵詞:智能施肥系統;數據挖掘;知識庫;數據庫

0引言

隨著農業數字化信息化的不斷發展，利用數據挖掘技術和智能信息控制技術，對農作物生長過程中的施肥環節進行科學智能管理控制，能夠有效提高農作物生產過程及種植質量控制［1］。環境因素直接影響作物的生長狀態，施肥種類及施肥量是影響作物產量的至關重要因素，但在施肥過程中由于作物生長信息及環境信息難以確定，造成施肥過程依靠經驗數據進行，施肥難度相對較高，未達到預期的施肥效果［2－3］。為進一步精確控制農作物生長過程中對于施肥量的需求，提高農作物生產效益，筆者利用數據挖掘技術及智能空間控制技術，設計了一種農作物施肥智能系統，實現了施肥種類以及施肥量的精確控制。

1農業數據挖掘關鍵技術

農業數據挖掘技術是針對農作物生長過程中信息數據的相關規律特性和潛在特性進行分析處理，對比農作物生長狀態信息與知識庫數據，并根據價值目標進行數據控制的過程［4］。數據挖掘過程是通過實體測量進行空間數據轉換處理的過程，主要包含內容有分類、預估以及聚類分析［5］。農業生產過程數據挖掘技術通過對作物生長狀態信息進行收集，并通過分類的方式進行數據集成，再進行作物生長數據的挖掘實施和評估［6］。數據對象確定完成后，針對抽象的生長狀態信息數據進行統計，并按照不同的格式進行數據區分，利用數據實時傳遞共享的方法，對作物生長數據進行有效準確的控制提升。數據挖掘完成后，對于獲取的信息數據進行類別集成處理，構建不同的數據集合，以實現控制過程的制定及實施。

2施肥系統總體設計

智能施肥系統的設計目標是實現作物種植過程中化肥種類選擇和施肥量的智能控制，在構建智能施肥系統時應遵循實用性、易操作、安全可靠及可擴展的原則。實用性原則要求智能施肥系統能夠進行系統更新和數據管理，根據不同的種植要求進行實時調節。智能施肥系統更多的使用者為作物種植人員，因此要求系統界面操作簡單，能夠適用較大的使用人群，且使用過程中要求施肥系統能夠長時間穩定的工作。智能施肥系統設計功能包含登錄功能、知識數據導航、查詢、精確管理及系統管理等功能，核心設定過程是作物生長狀態數據傳輸、數據統計及用戶需求分析。圖1所示為智能施肥系統整體結構圖。智能施肥系統中的施肥管理模塊實現作物生長過程中的精準施肥，在數據挖掘技術的支持下，對作物生長環境的含水量等相關指標進行分析統計，進行元素精確需求分析，并針對生長狀態需求進行肥料種類及施肥量的控制。圖2所示為智能施肥系統施肥管理功能框架圖。智能施肥系統中的系統管理模塊包含個人信息、數據庫維護信息及相關權限信息，如圖3所示。從智能施肥系統維護及操作應用角度出發，進行用戶管理分析，確保智能施肥系統的功能模塊能夠有效運行。

3施肥功能模塊設計

智能施肥系統可通過登錄界面進行賬號信息登錄，根據用戶需求，可設置登錄時進行登錄校驗。登錄成功后，根據用戶權限，可進行施肥數據分析處理及施肥過程的決策。圖4所示為智能施肥系統登錄流程圖。在進行施肥管理功能模塊設計時，根據作物的生長狀態進行施肥決策，確定施肥種類組合方式及施肥量。施肥管理系統根據實時采樣數據，進行需求分析，確定精確施肥過程。施肥管理功能模塊工作流程如圖5所示。根據檢測數據信息及施肥數據過程，通過統計分析實現數據信息的查詢及應用，并獲取作物生長過程中的施肥量以及氮磷鉀最佳優化組合。智能施肥系統中的知識數據導航模塊通過對地塊信息和數據信息進行查詢，實現肥料的精確選擇及精準控制。在知識數據查詢模塊中，通過對相關數據的檢測分析，建立基準數據知識庫，在系統工作過程中通過將監測數據與知識庫數據進行對比，獲取知識數據查詢結果。

4施肥系統數據庫設計

進行智能施肥系統的數據挖掘過程及空間數據統計分析時，需通過空間數據和屬性數據兩個不同角度進行分析，在確定最優化施肥過程的前提下，建立智能施肥系統的數據庫。智能施肥系統的數據庫核心是一種可擴展的結構模型，以此為基礎進行數據挖掘和空間決策。在數據挖掘和空間決策的過程中，要求每一環節有較高的時效性和準確性。SQL數據庫是智能施肥系統數據可分析的依據，智能施肥系統空間數據如表1所示。智能施肥系統中數據庫的表達形式是系統的屬性數據庫，屬性數據庫用來存儲系統內數據的屬性信息，不同類型的空間數據，其屬性信息不同。通過建立智能施肥系統的空間數據庫和屬性數據庫，實現數據庫構建的不同形式，每一個空間元素及數據通過單元標識的方式，進行數據的有效性統計控制。表2所示為系統采集屬性數據庫，表3為用戶屬性數據庫，表4所示為系統決策屬性數據庫。根據數據挖掘及數據庫信息，構建作物生長過程施肥模型，以實測微量元素含量與數據庫微量元素需求為輸入條件，根據肥料元素含量，確定的作物過程。施肥需求如表5所示。

5施肥系統試驗

智能施肥系統開發完成后，在登錄界面輸入用戶名和用戶密碼，即可進入系統界面。在系統界面內可實時進行數據查詢、知識數據導航、施肥管理以及施肥系統管理設置等，并通過在玉米田地當中進行測試，驗證施肥系統的可靠性。通過數據查詢獲取信息為:作物為玉米，幼苗長勢較強，幼苗葉鞘為紫色，葉片為綠色;株距緊湊，株高290cm，穗位高100cm，全株葉片20片，花粉成粉紅色，果穗為筒形，穗長19cm，16穗行，黃色籽粒，籽粒千粒質量350g。通過知識數據導航獲取信息為:作物籽粒均勻，雜質少，籽粒密度770g/L，籽粒中蛋白質含量11%，脂肪含量4%，淀粉含量73%，氨基酸含量1%。通過在同一位置采用人工檢測和系統數據采集兩種方式，獲取施肥過程相關數據，將人工檢測數據代入施肥量及施肥種類控制模型，與系統數據進行對比，驗證智能施肥系統控制可靠性。智能施肥系統驗證對比數據如表6所示。由表6可以看出:智能施肥系統進行精確施肥過程中，系統采集到的數據與人工檢測獲取的數據基本相符;人工檢測獲取的數據在智能模型中計算后，獲取的施肥種類及施肥量與系統決策數據基本吻合，表明該智能施肥系統在進行作物精準施肥控制過程中具有一定的可靠性。

6結論

基于數據挖掘技術設計的智能施肥系統，實現了系統的知識數據庫功能，根據檢測數據進行施肥決策，可對作物生長狀態及基本知識庫信息進行有效的識別，滿足了系統的使用需求。測試結果表明:施肥系統能夠對作物生長過程中的相關狀態信息和環境參數信息進行分析，實現精準施肥的有效決策。

作者:劉敬成 單位:德陽城市軌道交通職業學院