基于BP神经网络的智慧农业云服务平台设计_褚喆.pdf

文章编号：1673-887X(2023)05-0051-04基于BP神经网络的智慧农业云服务平台设计褚喆（河南测绘职业学院，河南郑州450015）摘要传统云服务平台在处理大量数据时准确率较低，为此，设计基于BP神经网络的智慧农业云服务平台。总体架构方面，采用PHP、JavaScript等技术相结合的方式，将整体架构分为3个不同层级，实现平台内部层级的动态交互；系统软件设计方面，以D-S证据理论算法为基础，设计农业信息采集模块；建立BP神经网络模型，寻找权重数值与固定阈值的最优值，确定模型拟合状态的精准度；采取B/S与C/A/S结构设计介质库管理模块，利用IP网络平台实现数据的传输与备份。测试结果表明，所设计的云服务平台，当信息数量增加到6 000个时，系统的平均准确率为95.17%，可达到预期效果。关键词BP神经网络；智慧农业；云服务；平台构建中图分类号S126文献标志码Adoi:10.3969/j.issn.1673-887X.2023.05.019Design of Intelligent Agricultural Automation Monitoring Platform Based on BP Neural NetworkChu Zhe(Henan College of Surveying and Mapping,Zhengzhou 450015,Henan,China)AbstractAbstract：The accuracy of traditional cloud service platform is low when processing large amounts of data.Therefore,the intelligentagriculture cloud service platform based on BP neural network is designed.In terms of overall architecture design,PHP,JavaScriptand other technologies are combined to divide the overall architecture into three different levels to realize the dynamic interaction ofthe internal levels of the platform.In the aspect of system software design,agricultural information acquisition module is designedbased on D-S evidence theory algorithm.BP neural network model was established to find the optimal value of weight value andfixed threshold value,and to determine the accuracy of model fitting state.B/S and C/A/S structure are adopted to design media library management module,and IP network platform is used to realize data transmission and backup.The test results show that the designed cloud service platform,when the number of information increases to 6000,the average accuracy of the system is 95.17%,which can achieve the expected effect.Key words：BP neural network,intelligent agriculture,cloud services,platform construction随着互联网与物联网的不断发展，很多网络应用开始提供云服务平台。目前的云服务平台划分为三大类：以信息储存为主的数据型云服务系统、以信息处理为主的运算型云服务系统、运算和信息储存处理兼顾的复合型云服务系统。3种平台均能够准确识别出不同信息源头的数据，并将采集到的信息整合到统一模式下。智能农业云服务平台是以云计算商业模式的应用方式（虚拟化、分布式存储和计算）为主要支持手段，对大量的农用信息系统服务实现统一描述和部署异构分散，解决由成千上万农用系统服务发出的数万并发请求，可以解决由大量的农用信息系统服务对计算、储存的安全性和扩展性需求。客户可以根据不同需求来配置或定制其需求的农信产品，实现多渠道、广覆盖、低成本、多样化的农产品信息服务。通过对软件硬件资源的有效集成和动态分配，达到信息资源最大化和服务价值最大化，减少对业务初期的投资、运行投入1。农业云服务系统是一个专门的、全方位的大数据分析应用服务云平台，能够专注于支持农业领域的数据分析研究，同时集成多渠道的农村数据分析，以专业数据分析为导向，面向有关人士提供数据检索、在线数据分析、数据共享交换等服务的知识开放平台。为此，设计基于BP神经网络的智慧农业云服务平台。1智慧农业云服务平台总体架构本次所研究的智慧农业云服务平台，可为农户提供农村电商、移动支付、智能化社区建设等服务，其主要包括农村信息服务门户网站访问量、农村公共服务平台数据、农村电子商务服务平台数据等。采用多种技术相互结合的方式实现平台系统中的动态交互，所使用的技术主要为 PHP、JavaS-cript、HTML、CSS 等。通过不同技术之间的相互结合，共同承担平台系统中交互与处理的功能，而对于介质库的管理与访问则可以使用PDO的方式来完成，将这些技术相互结合后构建一个完整且稳定的智慧农业云服务平台。主要包括：用户层。用户层位于整个平台模型的最上层，是距离客户最近的一个层级，由HTML元素组合而成，用户所得到的农业信息均在该层级内完成，是客户输入信息的主要窗口。应用层。主要承担业务逻辑与对象请求等核心功能，位于用户层收稿日期2023-02-15作者简介褚喆（1981-），男，陕西人，讲师，研究方向：工程测量，智慧农业。农业装备第5期（总第401期）51与数据层的中间，起着承接的作用。数据层。作为平台系统中的直接数据库，平台系统所涉及的数据信息添加、修改等操作都是通过该层来实现2。系统总体架构具体见图1。用户层信息输入数据可视化管理系统服务对象权限管理应用层管理中心移动端终端用户FC端数据采集数据处理数据存储数据同步数据交互数据层图1系统总体架构Fig.1 Overall system architecture2智慧农业云服务平台软件设计2.1设计农业信息采集模块在设计农业信息采集模块时，需要先将原始数据信息进行初始化，即将连续的特征状态转变为离散的特征状态。对特征属性由大到小排序；初始的2个断点之间构成一个新的区间；根据确定的离散状态特征进行断点区间的衡量，从而可以更加合理地对其进行选择或者分割；按照一定的算法对数据进行控制，以此防止数据信息的丢失。在实际离散的过程中，可能也会存在调整其中薄弱环节的情况发生，但选择的标准是无法进行更改的。以D-S证据理论算法为基础，在农业信息采集过程中需要满足运算的交换律以及结合律，具体如公式（1）。k()R=|11-JX Y=Rkm()X kn()Y,R W,R J=X Y=Rkm()X kn()Y 1.（1）式中：参数J作为数据信息相互冲突的系数，当其等于1时，可以说明km、kn之间存在相互冲突的情况，无法利用上述公式进行合成。当采集到的农业信息作为需要识别的目标时，相互之间独立的证据以及所对应的权重关系可以假设为采集的数据信息存在异常情况。所采集到的数据信息，可以分为多个组别；再对数据信息进行预处理，将连续的属性逐渐离散化，以此来作为有效的输入；去掉多余的信息，使用D-S证据理论算法对其进行约减，将约减后得到的数值进行输出得到相应信息表。在D-S证据理论算法研究的过程中，仍需要对研究对象利用数学的运算来处理并采集有效信息，虽然D-S证据理论算法是可以解决一般性信息的离散问题，而在实际运用过程中信息特性或者约束条件的范围值总是处于连续的状态3。2.2建立BP神经网络模型BP神经网络由输入层、隐藏层、输出层构成，假定输入层中存在的节点数量为，隐藏层中存在的节点数量为，输出层中存在的节点数量为，那么BP神经网络内部由神经元所传递出来的各个层级函数关系，如公式（2）。jl=f1()o=1zRolco+n1ul=f2()l=1mRlkcl+nkk=1,2,t;o=1,2,z;l=1,2,m.（2）式中：jl隐藏层所产生的信号；ul输出层所输出的信号；co所需要输入的变量值；n1隐含层中存在的固定阈值；nk输出层中存在的固定阈值；Rlk同时存在于隐藏层与输入层中的权重数值；代表同时存在于输出层中和隐藏层中的权重数值；f1()x存在于隐藏层中的线性激励函数；f2()x同时存在于输出层中的非线性激励函数。通过上述公式（2）所表现出来的函数关系，可以将输入与输出之间的关系如公式（3）。u=f2()i=1mRklf1()o=1zRolco+n1+nk.（3）为了能够让 BP 神经网络模型在拟合状态下的精准程度，处在允许出现误差的范围内，采用梯度下降方法将训练样本产生的误差作为性能的函数，对模型内部各个层级的权重数值与固定阈值进行不断寻优的过程，具体计算过程如公式（4）。RG=o=1d()Yo-uo2.（4）式中：d权重数值的总量；Yo实际所输出的信息；uo神经网络预测过程中产生的输出。假设神经网络结构所设计变量c=()c1,c2,cn的联合概率密度函数为fc()c时，利用网络结构的可靠性所评估出来的应力强度干涉模型，在极限状态下的函数关系如公式（5）。h()c=-fc()c.（5）式中：网络结构所承受的最大应力值。利用上述公式就可以对网络结构产生失效状态的概率进行定义4。2.3介质库管理与数据备份介质库管理的模块采用 B/S和 C/A/S结合的方式构成。农业云服务平台系统中的数据管理和运行维护部分采用B/S架构，通过IE浏览器完成各项业务功能，而监督站部分则采用C/A/S结构完成。介质的存放包括介质存放空间和介质管理两个方面的规划考虑，规划各单位的介质资料采用多套介质周期轮换的方式，以确保各单位数据资料有一定周期的备份轮换时间，具体结构见图2。介质库管理模块采用J2EE架构设计开发应用系统，能够实现农业环境中需要的所有功能，使安装在J2EE系统上的各种软件能够达到最高可靠度、安全性、可扩展性和可靠性。因为农业云服务平台主要利用电子外网平台进行数据传输，因此在平台系统中需要充分考虑各种不稳定因素，保农业装备第5期（总第401期）褚喆：基于BP神经网络的智慧农业云服务平台设计52证整个服务平台的安全性。而基于对各平台集中式同城异地经营及数据备份的特点，云服务平台用来进行存储的系统一般采取IPSAN网络结构，利用IP网络平台来传输数据，存储网络设计支持IPSAN。IPSAN通过iSCSI技术，将硬盘的区块数据转换成网络封包进行数据传输，而这种以IP为核心的SAN存储技术，也成为未来的发展趋势之一。介质库管理登录介质入库介质出库介质查询维护介质库数据管理生成表格浏览信息增加信息修改信息删除信息客户打印扫描图2介质库管理模块示意图Fig.2 Media library management module schematic需要在用户端放置一个相对低档的“近线/前置存储”，采用“存储转发”模式，用户可通过软件、硬件的各种不同方式，将需要的数据备份到该存储网络中，再通过网络传输到云服务平台中。通过该方式获得的备份后数据，也需要进行差错校验，避