基于云計算的特色農莊平臺設計與探討

錢 曄，孫吉紅，彭 琳，李文峰，周 慧，陸國泉，汪惜今

(1.云南農業大學 基礎與信息工程學院，云南 昆明 650201； 2.云南省高校農業信息技術重點實驗室，云南 昆明 650201； 3.云南省科學技術院，云南 昆明 650000； 4.云南農業大學 新農村發展研究院，云南 昆明 650201； 5.玉溪師范學院 信息技術工程學院，云南 玉溪 653100； 6.成都信息工程大學 大氣科學學院，四川 成都 610000)

基于云計算的特色農莊平臺設計與探討

錢 曄1,2，孫吉紅3，彭 琳1,2，李文峰2,4，周 慧5，陸國泉1,2，汪惜今6

(1.云南農業大學 基礎與信息工程學院，云南 昆明 650201； 2.云南省高校農業信息技術重點實驗室，云南 昆明 650201； 3.云南省科學技術院，云南 昆明 650000； 4.云南農業大學 新農村發展研究院，云南 昆明 650201； 5.玉溪師范學院 信息技術工程學院，云南 玉溪 653100； 6.成都信息工程大學 大氣科學學院，四川 成都 610000)

建立了基于云計算平臺下的特色農莊智慧模型，以解決人們追求高品質、低碳生活的難題為目的。提出特色農莊的構思，采用LVQ神經網絡算法構建蟲情預測模型，解決特色農莊中的蟲害問題；采用聚類算法構建蔬菜瓜果的價格預測模型，對各種蔬菜的價格進行預測。將蟲情預測模型、特色農莊遠程視頻以及相關的信息搭建在云平臺下，從而供顧客使用。實例分析結果表明：該平臺的使用，增添了特色農莊的智能性，突顯了農莊的特色，為綠色生活的全面實現奠定了堅實的基礎。總之，基于云計算特色農莊的提出填補了信息化建設在農莊中應用的空白，緩減了城市白領高強度的生活節奏，引領了健康的生活方式。

云計算平臺;特色農莊;蟲情預測模型;LVQ神經網絡算法

0 引 言

隨著信息技術的發展、信息服務的普及,以及現代化城市的高速發展[1]，人們生活水平不斷提高，追求綠色食品，健康生活的人不斷增加。城市的喧鬧，工作的壓力讓人們感到疲乏；傳統的蔬菜、瓜果讓人們缺乏安全感，越來越多的人傾向于回歸自然，而特色農莊將成為現代城市中人們的首選。要建設特色農莊，就要依托于云計算等先進的科學技術，大力推進農莊在城市中的創新，建設適合城市人群需要的特色農莊，讓人們在繁忙的生活中體驗大自然帶來的清新，享受真正的綠色生活，向往智能化的生活環境[2]，提高城市生活的服務效率[3]。

1 平臺建設需求

自從提出云計算的概念以來，云計算技術在工商業領域得到了廣泛應用，信息化城市、數字化城鎮等一系列云平臺相繼出現。但是，建設初期缺乏真正理解云平臺的內涵和真諦，只有在谷歌、百度等專業的大型企業才真正實現了云平臺建設。農業作為國內的重要產業之一，在云計算中的應用鮮未提及，因此產生了一個農業信息化運用中的缺口。

(1)從未提及云計算在農莊中的應用思路；

(2)有關農產品的價格、產量、銷售量等數據處于保密或半保密狀況，致使很多小型企業和散戶難以獲取相關數據進行有效預測；

(3)市面上缺少有關農產品價格預測的智能模型，傳統的價格預測方式越來越不適應社會的發展；

(4)城市中生活的人群難以享受綠色生活、綠色食品，難以實現回歸自然的愿望。

因此，隨著云計算技術的不斷發展，在農業生產運用中，急需利用智能算法構建預測模型，搭建云平臺為其解決農莊生產、運營中存在的實際問題，讓城市和鄉村更加緊密地聯系在一起，促進綠色生活、健康生活。

1.1 平臺搭建基礎

云計算是近年來計算機科學界提出的一個新型的概念，它是計算機硬件、Internet技術、分布式計算和系統管理技術等領域不斷發展的產物，與這些發展成熟的技術息息相關[4]。作為一種新技術，云計算能夠采用完全虛擬化的形式去訪問計算機中大量的信息，并通過資源的整合給用戶提供一個信息明確、安全可靠的系統視圖。在學術和商業領域中，很多學者嘗試給云計算作一個較精確的定義。Buyya等[5]認為：“云是由內部互相連接的虛擬機構成的分布式和并行計算系統，該系統能夠根據客戶和服務商之間的服務協議動態地提供一種或者多種統一的信息資源。”Vaquero等[6]認為：“云是一種非常容易使用，而且容易獲取，數量巨大的虛擬化的資源池(這些資源包括硬件設備、開發平臺以及服務)。”這些信息資源可以采用動態重新配置的方式調整為一個可變的規模，同時保證資源的利用率達到最佳水平。通常情況下，這種資源池由“云計算供應商”按照事先的服務協議使用時付費的模式進行開發[4]，但是，由于云計算平臺能夠提供給成千上萬的用戶使用，因此，大大降低了供應商的成本，所以用時付費的費用將很低。

云計算的體系結構如圖1所示。

圖1 云計算體系結構

基礎設施即服務：云平臺為用戶提供了服務器、數據存儲空間和安全

性能較高的防火墻等設施。用戶不需要對自己的個人計算機進行升級，就能享受云服務商提供的各種硬件設備。

平臺即服務：云平臺為用戶提供了一個易于開發的良好環境。而且，專門服務和多個編程模型提供了一種新的應用結構塊[7]。

軟件即服務：云平臺在Web中為用戶提供了一個服務訪問，使用戶直接進入具體使用的軟件，減輕了用戶維護軟件的負擔[8-9]。

目前，云計算在農業、林業、交通、商業等領域應用廣泛，并得到了各行業人士的認可。

1.2 特色農莊

特色農莊最早源于智慧城市，研究初衷是試圖構建新形式的智慧型管理模式[10]。特色農莊是在城市快節奏生活的背景下而產生的，它是智慧農業的一種表現形式。主要是針對國內一、二線城市白領高強度的生活節奏，產生的一種減輕工作壓力、帶來健康的生活方式。主要包括以下幾方面的內容。

(1)特色農莊把整個農莊分成若干塊土地，每一塊土地出租給一個用戶，種植該塊土地的用戶忙碌時，由農莊的工人進行管理，空閑時由該塊土地的主人進行種植。

(2)拋棄農業大棚、化肥、農藥等現代化的產物，采用原始、古老的綠色生態種植方法對蔬菜、瓜果進行種植。

(3)特色農莊采用LVQ神經網絡構建的智能模型對農作物的病蟲害進行預測，及時處理可能產生的危害。特色農莊采用聚類算法構建蔬菜瓜果的價格預測模型，對各種蔬菜的價格進行預測。

(4)特色農莊種植的蔬菜由用戶帶回家食用，如果種植的蔬菜過量，由農莊管理人員進行銷售，所得收入歸用戶所有。如此一來，用戶不但能夠鍛煉身體，食用無公害的蔬菜瓜果，而且帶來了一定的經濟收入。

(5)特色農莊中病蟲害預測模型、蔬菜價格預測模型以及其他的信息由云計算平臺提供給所有的用戶。

在現代化進程不斷推進的今天，特色農莊的應用將更加廣泛，白領、公務員等特別是一些高管將會選擇特色農莊的生活，更加親近自然，綠色健康。

2 特色農莊智能預測模型的構建

文中采用LVQ神經網絡算法構建智能化蟲情預測模型對特色農莊中的病蟲害進行預測，防止害蟲對農莊作物的危害。采用聚類算法構建農作物價格預測模型，保證用戶的經濟利益。

2.1 蟲情預測模型的建立

隨著計算機科學技術的快速發展，支持向量機和神經網絡等方法被眾多研究人員應用于各類預測問題的研究中[11-12]。LVQ神經網絡作為自組織競爭神經網絡的改進具有預測效果好、運算速度快等優點。

2.1.1 確定發生蟲害的主要因素

根據張德豐等的研究[13]，認為農莊中病蟲害的發生主要是由溫度、濕度、降雨和光照決定的，在對病蟲害進行預測時，必須結合這4種因素，才能對蟲情進行預測。因此將溫度、濕度、降雨和光照預定為影響病蟲害發生的主要因素，根據德爾菲技術征詢專家意見，直到統一意見為止，才能最終確定發生病蟲害的因素。

2.1.2 樣本數據的選擇與處理

以月份為單位，收集當地5年以來的平均氣溫、最高氣溫、最低氣溫、日照時間、降雨量這5個因素的數據，并采用premnmx函數對數據進行歸一化處理。消除數據級之間的差別，使發生病蟲害的影響因素控制在-1～1之間，避免數量級差別過大造成預測誤差較大的現象[14]。

T=premnmx(t)

2×(a-min)/(max-min)-1

2.1.3LVQ網絡設計

將平均氣溫、最高氣溫、最低氣溫等5種經過歸一化處理之后的因素作為輸入向量。確定輸入層中的神經元個數為5，預設隱含層神經元的個數為11，網絡層的輸出個數為1，輸出層神經元個數為1。具體步驟如下[15-16]：

(1)將輸入向量送至輸入層，根據式(1)進行計算，解決輸入向量與競爭層神經元的距離問題[15]。

(1)

(2)將一組測試集數據與訓練集中的向量組進行對比，尋找最接近的一組向量，標記為Ci。

(3)測試集的向量組標記為Cx。

(4)如果Ci=Cx，那么根據式(2)調整權值；如果Ci≠Cx，那么根據式(3)調整權值。

ωnew=ωold+ρ(x-ωold)

(2)

ωnew=ωold-ρ(x-ωold)

(3)

2.1.4 網絡訓練及仿真

將收集到的5年以來的訓練集數據輸入至網絡，進行網絡訓練。然后，將測試集的數據輸入網絡，就可以得到相對應的輸出，即實現預測。

2.1.5 預測結果輸出

通過反歸一化算法，將預測模型中的數據進行反歸一化處理得出具體的預測值，作為農莊管理人員及種植戶對病蟲害預測的重要依據，根據預測結果及時采取相應的措施防止病蟲害的產生、擴大。反歸一化算法如下：

post_output=mapminmax('reverse',Y,outputs)

2.2 價格預測模型的建立

通過聚類分析法對特色農莊中的蔬菜瓜果進行價格預測，確保每一個種植戶應有的基本利益。首先，人為地把菜蔬價格分為高價、較高價、適中、較便宜以及非常便宜5個類別。在聚類模型中訓練樣本時，將具有相似特征的因素分配至相同的類中，分別生成了“高價、較高價、適中、較便宜、非常便宜”的5類目標距離像，計算測試的數據與這5類目標距離像的距離，哪一類的距離最小，說明哪一類的價格與測試數據的價格相似，從而實現特色農莊中蔬菜瓜果的價格預測。具體實現方式如圖2所示。

2.3 特色農莊在云平臺下的應用

特色農莊中蟲情的識別與預防已經成為特色農莊繼續發展的必要條件。文中以特色農莊的應用為例，詳細闡述云計算在特色農莊中的應用，如圖3所示。

(1)特色農莊向云計算服務商申請云計算平臺，該平臺能夠為所有的用戶提供用戶界面，該界面對個人計算機的配置無任何要求，而且能夠保證客戶使用的安全性以及向用戶提供相關的數據。

(2)在特色農莊的平臺下，不但能夠瀏覽該農莊的信息、圖片、成果等，而且能夠運用該平臺中的蟲情預測模型對不同種類的蔬菜進行病蟲害的預測，能夠及時采取預防措施。不僅如此，該平臺還能不停地更新各種預測模型，并通過模型預測，得到相應的各種預測信息。

圖2 聚類分析蔬菜瓜果價格預測模型

圖3 云計算在特色農莊中的應用結構圖

(3)特色農莊的模型預測系統完全免費，因為特色農莊的平臺由云計算服務商提供，在云平臺下共享硬件、軟件資源，特色農莊只需要向服務商提供少量的費用。

(4)在云平臺下，顧客可以隨時查看自己在農莊中種植蔬菜(瓜果)的情況，確保綠色食品的安全性。

3 結束語

云計算的出現加快了農業信息化的發展，將對特色農業的發展起到不可估量的作用。目前，云計算已

經在IT行業得到了較大的發展，逐步被人們所熟悉。如果將云計算的平臺真正移植到農業中，不但能夠實現特色農莊等特色產業，更能夠帶動國內農業的快速發展，真正實現農業信息化,解決很多快速增長階段的城市問題[17]。

[1] 張恒巍,何嘉婧,韓繼紅，等.基于智能優化算法的模糊軟子空間聚類方法[J].計算機科學，2016,43(3)：256-261.

[2] 汪成亮，溫 鑫.智能環境下分布式Rete算法[J].計算機應用，2016，36(7)：1893-1898.

[3] 席曉晶.“智慧城市”時代“物聯網”技術在城市管理中的應用[J].物聯網技術,2016,6(5):55-56.

[4] Buyya R,Broberg J,Goscinski A.Cloud computing principles and paradigms[M].[s.l.]:[s.n.],2013.

[5] Buyya R,Yeo C S,Venugopal S,et al.Cloud computing and emerging IT platforms:vision,hype,and reality for delivering computing as the 5th utility[J].Future Generation Computer Systems,2009,25(6):599-616.

[6] Vaquero L M,Rodero-Merino L,Caceres J,et al.A break in the clouds:towards a cloud definition[J].ACM SIGCOMM Computer Communications Review,2008,39(1):50-55.

[7] Appistry Inc.Cloud platforms vs.cloud infrastructure[M].[s.l.]:Appistry Inc.,2009.

[8] Youseff L,Butrico M,Silva D D.Toward a unified ontology of cloud computing[C]//Proceedings of the 2008 grid computing environments workshop.[s.l.]:[s.n.],2008:1-10.

[9] Hayes B.Cloud computing[J].Communications of the ACM,2008,51(7):9-11.

[10] Ho K L,Hsu Y Y,Yang C C.Short-term load forecasting using a multilayer neural network with an adaptive learning algorithm[J].IEEE Transactions on Power Systems,1992,7(1):141-148.

[11] 張振剛,丁 卓,田 帥.智慧城市視角下電力消費的空間相關性與動態增長路徑：基于長三角地區動態空間面板數據的實證研究[J].管理工程學報，2016,30(3):99-105.

[12] 鄧乃揚,田英杰.數據挖掘中的新方法-支持向量機[M].北京:科學出版社,2004:77-162.

[13] 張德豐.MATLAB神經網絡應用設計[M].北京:機械工業出版社,2009.

[14] 孫吉紅，彭 林，鄒秋霞.基于云計算平臺的智能預測模型研究[J].農業網絡信息，2014(1)：43-46.

[15] 史 峰，王小川.MATLAB神經網絡30個案例分析[M].北京:北京航空航天大學出版社,2010.

[16] 孫吉紅，張麗蓮，武爾維，等.基于智能算法的價格預測模型探究[J].計算機技術與發展，2014,24(11)：107-109.

[17] 張 純,李 蕾,夏海山.城市規劃視角下智慧城市的審視和反思[J].國際城市規劃，2016,31(1):19-25.

Design and Discussion of Characteristic Farm Platform Based on Cloud Computing

QIAN Ye1,2,SUN Ji-hong3,PENG Lin1,2,LI Wen-feng2,4,ZHOU Hui5, LU Guo-quan1,2,WANG Xi-jin6

(1.School of Basis and Information Engineering,Yunnan Agricultural University,Kunming 650201,China; 2.Key Laboratory of Agricultural Information Technology in Yunnan,Kunming 650201,China; 3.Institute of Science and Technology in Yunnan,Kunming 650000,China; 4.Institute of New Rural Development Research，Yunnan Agricultural University,Kunming 650201,China； 5.School of Information Technology Engineering,Yuxi Normal University,Yuxi 653100,China； 6.School of Atmosphere Science,Chengdu University of Information Technology,Chengdu 610000,China)

Based on cloud computing platform,a characteristic farm wisdom model is built to reach the purpose of solving the problem that people pursue high quality and low carbon life.The conception of characteristic farm is put forward and the LVQ neural network algorithm is used to set up the pest forecasting model which solves the problem of insect pests.Then,clustering algorithm is used to construct price prediction model of fruits and vegetables to forecast their price.And the pest forecasting model,remote video of characteristic farm and relevant information for customers are built on cloud platform to serve the customers.Analysis of the example shows that the platform increase the intelligence of the farm,highlights the features of that,and laid a solid foundation for the comprehensive implementation of the green life.In conclusion,the characteristics farm based on cloud computing is proposed to fill the gaps in information construction used in farm and ease the pace of life with high strength for urban white-collar,leading a healthy lifestyle.

cloud computing platform;characteristic farm;pest forecasting model;LVQ neural network algorithm

2015-12-03

2016-04-20

時間：2017-01-10

國家自然科學基金資助項目(31260292)；云南省自然科學基金(2012FD020)；云南省教育科研基金項目(2015Y194)；云南省教育社會科學基金(2012C086)

錢 曄(1984-)，女，博士，CCF會員，研究方向為軟件工程形式化方法、農業信息化。

http://www.cnki.net/kcms/detail/61.1450.TP.20170110.0941.006.html

TP39

A

1673-629X(2017)02-0174-04

10.3969/j.issn.1673-629X.2017.02.040