[发明专利]基于边缘计算的农田监控方法、装置、设备及存储介质

权利要求书

1.一种基于边缘计算的农田监控方法，其特征在于，所述基于边缘计算的农田监控方法包括：

采集农田数据，并将所述农田数据存储至边缘计算平台的边缘硬件设备群内，其中，所述农田数据包括农田环境数据和农田视频数据，所述环境数据为土壤中的各项指标，包括土壤湿度、土壤温度、土壤酸碱度；

对所述农田数据进行数据压缩，得到压缩数据；

将所述压缩数据输入至预先训练好的特征提取模型中，并通过所述特征提取模型中的至少一个卷积单元对所述压缩数据进行特征提取，得到所述压缩数据的特征信息；

对所述特征信息进行分析，得到所述特征信息中各数据携带的数据类型信息；

建立所述特征信息中各数据和对应的所述数据类型的映射关系；

基于所述映射关系对所述压缩数据进行分类，得到文本数据和视频图像数据；

计算所述数据类型信息与预设的数据类型的相似度，并根据所述相似度，确定所述特征信息中各数据对应的数据类型，其中，所述数据类型包括文本数据和视频图像数据；

根据所述数据类型，从所述特征信息中筛选出所有文本特征数据和所有视频图像特征数据；将所述文本特征数据输入至预设的数据异常检测模型中，并调用该数据异常检测模型，分别对各维度的所述文本数据与同一维度的预设阈值进行比较；将所述视频图像数据输入至预设的图像异常检测模型中，调用所述图像异常检测模型解析所述图像视频中的区块和视频帧；根据预设的异常状态，对所述区块和所述视频帧中出现的异常状态进行识别；

确定所述检测结果是否达到预设告警阈值，到达到告警阈值时进行异常告警提示。

2.根据权利要求1所述的基于边缘计算的农田监控方法，其特征在于，在所述确定所述检测结果是否达到预设告警阈值，到达到告警阈值时进行异常告警提示之后，还包括：

将检测后的农田数据将同步至预置本地数据库，并对所述本地数据库进行更新。

3.根据权利要求1所述的基于边缘计算的农田监控方法，其特征在于，所述对所述农田数据进行数据压缩，得到压缩数据包括：

根据所述农田数据生成压缩配置文件，其中，所述压缩配置文件包括具有高压缩率的压缩算法；

在压缩时间节点触发压缩启动指令；

当所述压缩启动指令触发时，根据所述农田数据存储位置查找所述农田数据；

根据所述压缩算法对所述农田数据进行压缩。

4.根据权利要求1所述的基于边缘计算的农田监控方法，其特征在于，在所述将所述压缩数据输入至预先训练好的特征提取模型中，并通过所述特征提取模型中的至少一个卷积单元对所述压缩数据进行特征提取，得到所述压缩数据的特征信息之前，还包括：

获取训练数据，所述训练数据包括每个样本数据对应的原始特征；

通过所述训练数据训练初始特征提取模型，并得到所述初始特征提取模型的参数值；

对所述初始特征提取模型的参数值进行筛选，得到目标参数值；

通过所述目标参数值对所述初始特征提取模型进行重构，得到重构后的特征提取模型；

将所述训练数据输入至所述重构后的特征提取模型中，得到每个样本数据的衍生特征；

根据每个样本数据的衍生特征及每个样本数据对应的原始特征重新训练所述重构后的特征提取模型，直至迭代终止，得到特征提取模型。