发布时间：2020-02-18所属分类：科技论文浏览：1次
摘 要： 摘要:为进一步提高我国农田规划信息获取的实时性与准确性，结合当前数据分析功能强大的云计算技术，对农田规划区域信息采集系统进行了设计。通过理解农田规划的布局设计特征，建立区域信息采集系统的数据控制框架与理论结构模型，对采集系统的软件控制流程与
摘要:为进一步提高我国农田规划信息获取的实时性与准确性，结合当前数据分析功能强大的云计算技术，对农田规划区域信息采集系统进行了设计。通过理解农田规划的布局设计特征，建立区域信息采集系统的数据控制框架与理论结构模型，对采集系统的软件控制流程与硬件设施配置逐步选型优化，得到较为完善的农田规划区域信息采集系统。基于云计算设计理念输入不同的农田周边环境变化数据进行模拟试验，结果表明:与传统的信息采集方法相比，云计算环境下的区域信息采集系统准确率可由91.8%提升到96.3%，且平均准确率可提升3.9%左右，验证了该采集系统设计的可行性。
关键词:农田规划;云计算;布局设计;数据控制;选型优化
0引言
随着全球化信息网络技术的飞速发展，我国农田规划业不断向简约化、智能化方向转变。云计算作为新兴概念与技术产物被应用于军事、计算机、工农业等各行各业，优点为可以迅速准确地获取所需信息与数据。近年来，多名专家学者致力于农田规划产业的开发与优化，包括农村农田、农田景观及自然农田等方向，风格各异。为此，笔者从云计算理念角度出发，应用先进的智能农田区域布局与信息采集技术，对农田规划的区域化信息采集系统进行了设计及试验。
1农田规划概述
农田规划设计涵盖多方面的学科技术，统一由农业统筹布局设计目标下的点、线、面等基本构图要素搭配组合而成。图1为现代农田规划设计下的俯瞰轮廓。通常而言，农田规划分为自然属性与社会属性，自然属性是由农作物、花草、土壤等组成，社会属性则是融入了人的思想与内涵，墙体、路面、颜色、曲线的搭配更加显示出科学性与协调性信息。
针对农田规划营造的舒适氛围与美观程度，对农田区域整体评价参数进行权重型分类，如表1所示。农田区域的整体适宜度1表示最优，0表示不适宜，0.25～0.75处于中等适宜等级;类似农田规划的丰富多样性1表示最优，0～0.30之间表示植物配置相对单一，0.30～0.60表示中等丰富，体现为各植物与构筑间的分布配比程度。
2区域信息采集系统设计
2.1布局模型建立
云计算技术合理地运用到农田规划区域信息采集领域，形成庞大的资源共享体系，以强大的数据信息采集与处理功能为切入点，以资源按需性、条理性原则通过网络连接大量的采集节点进行图像成形信息访问，便于网络化调整与管理，呈现出现代化农田规划发展理念。为确保此设计下的农田规划区域信息采集稳定高效性能，以信息熵建立农田规划布局模型，即
工作时，大数据经抽取、转换等预处理，经数据库的特征分解、归并等核心处理，逻辑控制运算后显示至信息采集系统的用户显示界面，提高了信息采集的便捷性与准确性。
2.2软件系统运行
区域信息采集软件系统后台着重体现在表示层、逻辑层与数据层板块，数据层以区域CORS方法进行信息观测，核心逻辑控制在C#/ASP.NET等编程语言下运行，以此搭建信息采集系统的结构体系，如图3所示。采集主系统分解为数据管理、查询帮助、分析统计与浏览4大系统，进一步展开专项功能细化。其中，设置分类特征浏览、植物素材浏览、廊道构筑浏览为获取农田规划信息采集的主要途径之一。
对农田规划信息采集的内部核心算法进行选取及功能设置(见表2)，步骤性地划分目标，经读取、SVM训练、专项处理与执行后输出实时性状态化的区域信息，达到云计算管控下的信息采集功能实现。
2.3硬件系统配置
进行云计算控制下的区域信息采集系统硬件设备配置，基于虚拟化与分类化的特征匹配与转换，形成区域信息传输流程化设计，如图4所示。农田规划的实地信息显示通过后台的信息采集、通信、解译后传送至数据存储模块，并配备闭环反馈模块，实时对所采集到的信息进行准确度处理。
云计算与区域采集系统的硬件配置以所需功能实现为目标，以IaaS-PaaS-SaaS3大控制顺序进行服务层构成。IaaS层构成如图5所示。云计算IaaS层划分为虚拟化层与物理层，配备虚拟软件类、数据处理与服务类、物理存储设施等进阶化硬件;云计算PaaS层则由消息中间件、操作系统平台、网络数据包和交易中间件构成，主要处理消息传输超时、内存故障、网络丢包机队列删除等任务;云计算SaaS层从系统端口、浏览器模块进行组建，即完成整体的农田规划区域信息采集系统硬件设置。
相关论文推荐：农机技术新应用方式有何意义
3信息采集模拟分析
3.1条件设置
进行信息采集模拟试验条件设置，数据库关系实现(见图6)表述为:从信息采集站点出发至访问权限管理，结合解算任务与结果，实现云计算管理下的信息采集。
同时设置如表3所示的农田规划区域信息采集模拟的后台协同方法指令，实现指令手段分数据型、接口型与变量型，对采集的数据进行异或、调用、重排及加载替换
3.2数据分析
对后台信息采集系统的数据进行提取转换，得到如表4所示的基于云计算的农田规划信息采集系统数据对比和基于云计算的农田区域信息采集系统画面显示(见图7)。由表4可知:选择切合实际需求性的6组模拟数据，云计算环境下的信息采集系统准确率较传统的信息采集方法平均准确率提升3.9%左右，且最大模拟序号组的信息采集准确率可达5.8%以上，说明基于云计算的农田规划区域信息采集系统设计的可行性。
4结论
1)将云计算管理技术与农田规划区域信息方法结合，建立农田规划区域信息采集系统的理论结构模型，并从软件控制与硬件配置角度进行优化，通过严谨的指令化控制与数据化采集处理，形成完整的采集体系，进行模拟试验。
2)经设计得到云计算管控下的农田区域信息采集系统显示画面，包含信息获取、处理、查询、转换、输出等全过程，为后期农田规划维护管理提供便利。
3)实验表明:农田规划区域信息采集系统准确率保持在90%以上，与实际农田规划的符合度较高，较传统的信息采集方法平均信息采集准确率提升3.9%左右。
SCISSCIAHCI
