[发明专利]一种基于农业物联网的气象灾害预警方法

权利要求书

1.一种基于农业物联网的气象灾害预警方法，具体步骤如下，其特征在于：

步骤1，搭建以STM32F407为基础的农业气象灾害感知层：通过各类传感器检测待采集地的农用地图像、温湿度、风力和雨量等信息，并实时保存所采集的数据；

步骤2，设置网络层通信协议：设置数据通讯方式和通讯数据格式，包括：命令码、校验码、帧头、地址、命令码、采集的有效数据、校验位、帧尾，平台层通过发送不同类型的命令码，接收STM32发送的相关数据；

步骤3，模拟数据的环境噪声：对感知层所采集的农作物图像添加椒盐噪声，模拟农用地图像采集时所受的干扰；

步骤4，提取农作物图像特征，对采集的农作物图像做平滑滤波处理，同时提取图像中的颜色特征；

步骤5，训练农业气象灾害分类器：将训练样本提取的颜色特征以及湿度、温度、降水作为输入，将农作物的冻害级别作为输出，训练基于BP神经网络的农业气象灾害分类器；

步骤6，将基于BP神经网络的农业气象灾害分类器嵌入物联网的平台层中，并通过网络层与感知层相连，获得农业物联网的气象灾害预警系统。

2.根据权利要求1所述的一种基于农业物联网的气象灾害预警方法，其特征在于：步骤1中搭建以STM32F407为基础的农业气象灾害感知层的过程表示为：

气象灾害预警的农业物联网系统分为：感知层、网络层，其中感知层是以STM32F407控制器为核心，感知层包括：温湿度检测传感器采集的温度和湿度数据、风速传感器采集的风力数据、雨量传感器采集的雨量数据、图像采集传感器采集的农作物图像数据，每个传感器节点互相独立；STM32F407控制器通过DMA电路、A/D转换电路、驱动电路、滤波放大电路采集感知层的各类数据，并利用串口通讯、蓝牙模块与网络层相连，将采集的数据发送至物联网平台层，同时物联网平台层对检测到的数据做进一步的处理分析。

3.根据权利要求1所述的一种基于农业物联网的气象灾害预警方法，其特征在于：步骤2中设置网络层通信协议的过程表示如下：

在物联网的网络通信层中设置数据通讯方式和通讯数据格式，命令码中的命令包括：各类传感器参数设置和偏移校准的命令码、各类传感器数据的发送命令码、各类气象灾害处理命令码等。

4.根据权利要求1所述的一种基于农业物联网的气象灾害预警方法，其特征在于：步骤4中提取农作物图像特征的过程表示如下：

步骤4.1，对农作物图像添加椒盐噪声后，先对图像做平滑滤波处理，去除图像中的椒盐噪声；

步骤4.2，提取农作物图像的颜色特征：

将滤波后的图像数据RGB颜色通过颜色空间转化到HSV空间中，并用下式提取图像的颜色特征G：

G＝Q_sQ_vH+Q_vS+V (1)

其中，Qs和Qv分别是颜色空间饱和度S和亮度V的量化级数，H代表颜色空间的色调值，并将训练样本提取的颜色特征和温湿度、风力、雨量、农作物灾害标签组成农作物训练样本特征集。

5.根据权利要求1所述的一种基于农业物联网的气象灾害预警方法，其特征在于：步骤5中训练农业气象灾害分类器的过程表示如下：

步骤5.1，构建农业气象灾害BP神经网络模型，由三层结构组成，分别为：输入层、隐含层和输出层，其中输入层的节点数是输入数据特征的维数，输出层的层数是1维，通过1维的输出向量标签表示农作物受灾的类别；

步骤5.2，设置目标函数，BP神经网络的目标是令输出层各节点的总误差最小，其误差公式为：

O_k是输出层k个节点的输出值，Y_k是样本的实际值；

步骤5.3，输入训练样本，更新各层权值和阈值：

式中，η是神经网络的学习率，V_ij和w_jk分别表示输入层第i个神经元节点到隐含层第j个节点权值和隐含层第j个神经元节点到输出层第k个节点权值，θ_j是网络隐含层节点阈值，Φ_k是网络输出层节点阈值；

步骤5.4，获得训练完成的农业气象灾害BP神经网络分类模型。

6.根据权利要求1所述的一种基于农业物联网的气象灾害预警方法，其特征在于：步骤6中农业物联网的气象灾害预警实际应用的过程表示如下：

农业物联网的气象灾害预警系统，通过感知层采集与农作物相关的湿度、温度、降水、风力等各个参数，同时经过网络层的通讯后在平台层上显示，并设置阈值对各类参数进行监控预警，同时通过农业气象灾害BP神经网络分类模型输出农作物的受冻情况，并针对不同受灾情况进行科学防治。