数据挖掘下智能施肥系统设计探析

前言：想要写出一篇引人入胜的文章？我们特意为您整理了数据挖掘下智能施肥系统设计探析范文，希望能给你带来灵感和参考，敬请阅读。

摘要:以智能施肥系统为研究对象，对智能施肥系统的技术应用过程和施肥数据信息的参数统计进行分析，利用数据挖掘技术建立施肥系统的空间决策过程以及系统数据库。分析对比结果表明:该智能施肥系统能够以作物生长过程中的实际化肥需求和施肥量精确控制为目标，将作物生长环境和生长状态信息与知识库数据进行对比，形成智能施肥精确控制决策，达到施肥种类和施肥量精确控制的目的。

关键词:智能施肥系统;数据挖掘;知识库;数据库

0引言

随着农业数字化信息化的不断发展，利用数据挖掘技术和智能信息控制技术，对农作物生长过程中的施肥环节进行科学智能管理控制，能够有效提高农作物生产过程及种植质量控制［1］。环境因素直接影响作物的生长状态，施肥种类及施肥量是影响作物产量的至关重要因素，但在施肥过程中由于作物生长信息及环境信息难以确定，造成施肥过程依靠经验数据进行，施肥难度相对较高，未达到预期的施肥效果［2－3］。为进一步精确控制农作物生长过程中对于施肥量的需求，提高农作物生产效益，笔者利用数据挖掘技术及智能空间控制技术，设计了一种农作物施肥智能系统，实现了施肥种类以及施肥量的精确控制。

1农业数据挖掘关键技术

农业数据挖掘技术是针对农作物生长过程中信息数据的相关规律特性和潜在特性进行分析处理，对比农作物生长状态信息与知识库数据，并根据价值目标进行数据控制的过程［4］。数据挖掘过程是通过实体测量进行空间数据转换处理的过程，主要包含内容有分类、预估以及聚类分析［5］。农业生产过程数据挖掘技术通过对作物生长状态信息进行收集，并通过分类的方式进行数据集成，再进行作物生长数据的挖掘实施和评估［6］。数据对象确定完成后，针对抽象的生长状态信息数据进行统计，并按照不同的格式进行数据区分，利用数据实时传递共享的方法，对作物生长数据进行有效准确的控制提升。数据挖掘完成后，对于获取的信息数据进行类别集成处理，构建不同的数据集合，以实现控制过程的制定及实施。

2施肥系统总体设计

智能施肥系统的设计目标是实现作物种植过程中化肥种类选择和施肥量的智能控制，在构建智能施肥系统时应遵循实用性、易操作、安全可靠及可扩展的原则。实用性原则要求智能施肥系统能够进行系统更新和数据管理，根据不同的种植要求进行实时调节。智能施肥系统更多的使用者为作物种植人员，因此要求系统界面操作简单，能够适用较大的使用人群，且使用过程中要求施肥系统能够长时间稳定的工作。智能施肥系统设计功能包含登录功能、知识数据导航、查询、精确管理及系统管理等功能，核心设定过程是作物生长状态数据传输、数据统计及用户需求分析。图1所示为智能施肥系统整体结构图。智能施肥系统中的施肥管理模块实现作物生长过程中的精准施肥，在数据挖掘技术的支持下，对作物生长环境的含水量等相关指标进行分析统计，进行元素精确需求分析，并针对生长状态需求进行肥料种类及施肥量的控制。图2所示为智能施肥系统施肥管理功能框架图。智能施肥系统中的系统管理模块包含个人信息、数据库维护信息及相关权限信息，如图3所示。从智能施肥系统维护及操作应用角度出发，进行用户管理分析，确保智能施肥系统的功能模块能够有效运行。

3施肥功能模块设计

智能施肥系统可通过登录界面进行账号信息登录，根据用户需求，可设置登录时进行登录校验。登录成功后，根据用户权限，可进行施肥数据分析处理及施肥过程的决策。图4所示为智能施肥系统登录流程图。在进行施肥管理功能模块设计时，根据作物的生长状态进行施肥决策，确定施肥种类组合方式及施肥量。施肥管理系统根据实时采样数据，进行需求分析，确定精确施肥过程。施肥管理功能模块工作流程如图5所示。根据检测数据信息及施肥数据过程，通过统计分析实现数据信息的查询及应用，并获取作物生长过程中的施肥量以及氮磷钾最佳优化组合。智能施肥系统中的知识数据导航模块通过对地块信息和数据信息进行查询，实现肥料的精确选择及精准控制。在知识数据查询模块中，通过对相关数据的检测分析，建立基准数据知识库，在系统工作过程中通过将监测数据与知识库数据进行对比，获取知识数据查询结果。

4施肥系统数据库设计

进行智能施肥系统的数据挖掘过程及空间数据统计分析时，需通过空间数据和属性数据两个不同角度进行分析，在确定最优化施肥过程的前提下，建立智能施肥系统的数据库。智能施肥系统的数据库核心是一种可扩展的结构模型，以此为基础进行数据挖掘和空间决策。在数据挖掘和空间决策的过程中，要求每一环节有较高的时效性和准确性。SQL数据库是智能施肥系统数据可分析的依据，智能施肥系统空间数据如表1所示。智能施肥系统中数据库的表达形式是系统的属性数据库，属性数据库用来存储系统内数据的属性信息，不同类型的空间数据，其属性信息不同。通过建立智能施肥系统的空间数据库和属性数据库，实现数据库构建的不同形式，每一个空间元素及数据通过单元标识的方式，进行数据的有效性统计控制。表2所示为系统采集属性数据库，表3为用户属性数据库，表4所示为系统决策属性数据库。根据数据挖掘及数据库信息，构建作物生长过程施肥模型，以实测微量元素含量与数据库微量元素需求为输入条件，根据肥料元素含量，确定的作物过程。施肥需求如表5所示。

5施肥系统试验

智能施肥系统开发完成后，在登录界面输入用户名和用户密码，即可进入系统界面。在系统界面内可实时进行数据查询、知识数据导航、施肥管理以及施肥系统管理设置等，并通过在玉米田地当中进行测试，验证施肥系统的可靠性。通过数据查询获取信息为:作物为玉米，幼苗长势较强，幼苗叶鞘为紫色，叶片为绿色;株距紧凑，株高290cm，穗位高100cm，全株叶片20片，花粉成粉红色，果穗为筒形，穗长19cm，16穗行，黄色籽粒，籽粒千粒质量350g。通过知识数据导航获取信息为:作物籽粒均匀，杂质少，籽粒密度770g/L，籽粒中蛋白质含量11%，脂肪含量4%，淀粉含量73%，氨基酸含量1%。通过在同一位置采用人工检测和系统数据采集两种方式，获取施肥过程相关数据，将人工检测数据代入施肥量及施肥种类控制模型，与系统数据进行对比，验证智能施肥系统控制可靠性。智能施肥系统验证对比数据如表6所示。由表6可以看出:智能施肥系统进行精确施肥过程中，系统采集到的数据与人工检测获取的数据基本相符;人工检测获取的数据在智能模型中计算后，获取的施肥种类及施肥量与系统决策数据基本吻合，表明该智能施肥系统在进行作物精准施肥控制过程中具有一定的可靠性。

6结论

基于数据挖掘技术设计的智能施肥系统，实现了系统的知识数据库功能，根据检测数据进行施肥决策，可对作物生长状态及基本知识库信息进行有效的识别，满足了系统的使用需求。测试结果表明:施肥系统能够对作物生长过程中的相关状态信息和环境参数信息进行分析，实现精准施肥的有效决策。

作者:刘敬成 单位:德阳城市轨道交通职业学院