CN119273371B 一种基于人工智能的改进农业生产过程溯源方法 （广东科技学院）

一种基于人工智能的改进农业生产过程溯本发明公开了一种基于人工智能的改进农2自适应聚类模型的参数，使得多维农业生产数据的分类结果反映不同区域的农作物生长、S6、基于步骤S3至步骤S5的多层次聚类结果自动识别农业生产过程中存在的异常节S8、将溯源管理中的异常节点及其原因实时反shortjS33、对中期数据Dmid(t)进行趋势识别，利用自适应聚类模型对数据变化趋势进行分3midj2.根据权利要求1所述的一种基于人工智能的改进农业生产过程溯源方法，其特征在w3.根据权利要求1所述的一种基于人工智能的改进农业生产过程溯源方法，其特征在；n4类模型的需求将多维农业生产数据转换为统一格式，得到转换后的多维农业生产数据4.根据权利要求1所述的一种基于人工智能的改进农业生产过程溯源方法，其特征在且通过二阶导数项捕捉不同空间位置的生产数述时间维度上的动态调整，涉及多维农业生产数据点Dia(t)的时间导数反映农作55.根据权利要求1所述的一种基于人工智能的改进农业生产过程溯源方法，其特征在seed的作物成熟度，通过调整自适应聚类模型的参数μj(t)和wij(t)应对生产阶段中数据的变6.根据权利要求1所述的一种基于人工智能的改进农业生产过程溯源方法，其特征在S61、基于步骤S3至步骤S5的多层次聚类结果自动识别农业生产过程中存在的异常节；m6m7时调整模型参数以反映实时变化，传统算法的鲁棒性较差容易受限于单一数据源的限制，传统的处理工具无法根据每个阶段的特定特征进行动态调整无法准确识别生产过程中的8[0017]S11、通过在农业生产环境中布置的传感器网络实时采集农作物生长多维数据Dcc为农作物生长参数的多[0020]S14、通过设备运行状态监测系统实时采集与农业生产设备相关的设备运行状态e为设备运行状态的多维向[0024]S21、对采集到的多维农业生产数据D(t)进行数据清洗，去除无效数据和重复数9ijj表聚类中心随着时间变化的动态调整量，通过该项适应农业生产数据在不同时间段的变n(t)-(t为多维农业生产数据点与聚类中心μj(t)之间的差用于描述时间维度上的动态调整，涉及多维农业生产数据点D[0065]S61、基于步骤S3至步骤S5的多层次聚类结果自动识别农业生产过程中存在的异Cspatial(t)以及各生产阶段数据Cstage(t)的聚类结果进行比对，检测置与生产阶段的聚类结果，自动计算异常程度Em(t)并评估异常与正常生产状态的偏离程[0074](1)本发明采用改进的自适应聚类算法能够根据农业生产数据的时间、空间及生和敏感性，有效避免了传统算法中由于数据滞后或异常点未能及时识别而导致的生产风[0075](2)本发明通过多层次聚类模型自动识别农业生产中的异常节点，包括农作物生[0079]图2为本发明提出的一种基于人工智能的改进农业生产过程溯源方法中农业生产[0091]S11、通过在农业生产环境中布置的传感器网络实时采集农作物生长多维数据Dcc为农作物生长参数的多[0094]S14、通过设备运行状态监测系统实时采集与农业生产设备相关的设备运行状态e为设备运行状态的多维向[0098]S21、对采集到的多维农业生产数据D(t)进行数据清洗，去除无效数据和重复数j表聚类中心随着时间变化的动态调整量，通过该项适应农业生产数据在不同时间段的变n(t)-(t为多维农业生产数据点与聚类中心μj(t)之间的差用于描述时间维度上的动态调整，涉及多维农业生产数据点Dia(t)的时间导数反seed置与生产阶段的聚类结果，自动计算异常程度Em(t)并评估异常与正常生产状态的偏离程生长缓慢，植株高度仅为平均高度的80系统通过聚类分析发现区域土壤养分含量低于[0163]通过本实施例1可以清晰地看出，本发明在智能农业生产过程中显著提高了数据各阶段数据进行