本发明涉及一种用于永久基本农田的智能监测方法，包括，步骤S1，自学习模块根据无人机对待监测基本农田边缘区域进行初步巡航建立待监测区域；步骤S2，巡航定制模块根据所述自学习模块获取的待监测区域与存储模块存储的当前基本农田区域获取的待监测区域相似度将待监测区域划分为若干待监测分区；步骤S3，中控模块根据待监测分区面积和不规则度获取待监测分区的复杂度，所述中控模块根据待监测分区的复杂度与预设复杂度相比较，选取无人机在当前待监测分区巡航停留时间；步骤S4，所述中控模块通过无人机获取当前待监测分区农田作物生长信息数据，与作物生长模型库预测当前农作物生长信息数据相比较，判定当前待监测分区的农田质量。
1.一种用于永久基本农田的智能监测方法，其特征在于，包括：
步骤S1，自学习模块根据无人机对待监测基本农田边缘区域进行初步巡航建立待监测区域；
步骤S2，巡航定制模块根据所述自学习模块获取的待监测区域与存储模块存储的当前基本农田区域获取的待监测区域相似度将待监测区域划分为若干待监测分区；
步骤S3，中控模块根据待监测分区面积和不规则度获取待监测分区的复杂度，所述中控模块根据待监测分区的复杂度与预设复杂度相比较，选取无人机在当前待监测分区巡航停留时间，其中，所述中控模块根据待监测分区规则度和待监测分区面积获取待监测分区的复杂度，中控模块将获取的待监测分区的复杂度与预设复杂度相比较，获取无人机在该待监测分区上的巡航停留时间，以保证无人机能够有足够的时间对待监测分区进行监测，其中，所述中控模块获取的当前待监测分区的复杂度小于等于第一预设复杂度，中控模块选取第一预设时间作为无人机在当前待监测分区的巡航停留时间，以提高巡航效率，所述中控模块获取当前待监测分区复杂度在第一预设复杂度和第二预设复杂度之间，中控模块选取第二预设时间作为无人机在当前待监测分区的巡航停留时间，中控模块获取当前待监测分区复杂度大于等于第二预设复杂度，中控模块选取第三预设时间作为无人机在当前待监测分区的巡航停留时间，以更精确的获取当前监测分区作物生长情况；
步骤S4，所述中控模块通过无人机获取当前待监测分区农田作物生长信息数据，与作物生长模型库预测当前农作物生长信息数据相比较，判定当前待监测分区的农田质量，其中，若中控模块获取当前待监测分区农田作物生长信息数据与预测当前农作物生长信息数据的差值小于预设差值，中控模块判定延长无人机在当前待监测分区的巡航停留时间，对待监测分区进行重新划分以明确当前农作物生长信息数据，中控模块判定以获取差值和预设第一差值为基准提高划分分区的数目，以缩小各待监测分区的区域，以便更准确的获取当前区域农田作物生长情况，若当中控模块获取当前待监测分区农田作物生长信息数据与预测当前农作物生长信息数据的差值大于预设差值，中控模块判定当前待监测分区的农田质量不符合标准。
2.根据权利要求1所述的用于永久基本农田的智能监测方法，其特征在于，所述中控模块以待监测区域和基本农田区域的中心点为原点，以像素为单位建立平面直角坐标系，中控模块根据待监测区域和基本农田区域各点的灰度值获取待监测区域相似度s，设定其中，xi为基本农田区域第i点灰度值，yi为待监测区域第i点灰度值，n为各区域的总点数。
3.根据权利要求2所述的用于永久基本农田的智能监测方法，其特征在于，所述中控模块预设相似度S，中控模块将获取的待监测区域相似度与预设相似度相比较，获取待监测分区数量对待监测区域进行划分，其中，当s≥S2，所述中控模块将待监测区域划分为M0个待监测分区；
当S1＜s＜S2，所述中控模块将待监测区域划分为M1个待监测分区，设定M1=M0×（1+（S2‑s）×（s‑S1）/（S1×S2））,若M1为非整数，则向上取整；
当s≤S1，所述中控模块将待监测区域划分为M2个待监测分区,设定M2=M0×（1+（（S1‑2
其中，所述中控模块预设相似度S，设定第一预设相似度S1、第二预设相似度S2，M0为中控模块预设待监测分区数量。
4.根据权利要求3所述的用于永久基本农田的智能监测方法，其特征在于，所述中控模块获取当前待监测分区复杂度dj,设定dj=(1+(gj‑g0)/g0)×(1+(mj‑m0)/m0)，其中，gj为第j待监测分区规则度，g0为规则度标准值，mj为第j待监测分区面积，m0为面积标准值。
5.根据权利要求4所述的用于永久基本农田的智能监测方法，其特征在于，所述中控模块根据待监测分区轮廓各相邻特征点的斜率获取待监测分区规则度gi，设定gi=(ki12‑
ki0)+(ki23‑ki0) +···+(kiei1‑ki0) /ei，其中，ki12为第i待监测区第一特征点和第二特征点的斜率，ki23为第i待监测区第二特征点和第三特征点的斜率，kiei1为第i待监测区第ei特征点和第1特征点的斜率,ki0为第i待监测区各相邻特征点的斜率的平均值，其中，ei为第i待监测分区特征点数目。
6.根据权利要求4所述的用于永久基本农田的智能监测方法，其特征在于，所述中控模块根据当前待监测分区复杂度与预设复杂度D相比较，选取无人机在当前待监测分区的巡航停留时间，其中，当dj≤D1，所述中控模块选取第一预设时间T1为无人机在第j待监测分区的巡航停留时间；
当D1＜dj＜D2，所述中控模块选取第二预设时间T2为无人机在第j待监测分区的巡航停留时间；
当dj≥D2，所述中控模块选取第三预设时间T3为无人机在第j待监测分区的巡航停留时间；
其中，所述中控模块预设时间T，设定第一预设时间T1、第二预设时间T2，中控模块预设复杂度D，设定第一预设复杂度D1，第二预设复杂度D2，j=1,2···Mr，r=0,1,2。
7.根据权利要求6所述的用于永久基本农田的智能监测方法，其特征在于，所述作物生长模型库预设农田作物生长信息数据A，中控模块根据当前待监测分区农田作物生长信息数据a与预设农田作物生长信息数据A相比较，判定当前待监测分区的农田质量，其中，当a≤A1,所述中控模块对待监测分区进行再次分析；
当A1＜a＜A2，所述中控模块判定当前待监测分区农田质量符合预设标准；
当a≥A2，所述中控模块对待监测分区进行再次分析；
其中，所述作物生长模型库农田作物生长信息数据A，设定第一预设农田作物生长信息数据A1,第二预设农田作物生长信息数据A2。
8.根据权利要求7所述的用于永久基本农田的智能监测方法，其特征在于，所述中控模块判定对待监测分区进行再次分析时，中控模块获取当前待监测分区农田作物生长信息数据a与预测当前农作物生长信息数据A0的差值△h,设定△h=|a‑A0|,中控模块将获取的差值与预设差值H相比较，对待监测分区进行再次分析，其中，当△h≤H1，所述中控模块缩小待监测分区；
当H1＜△h＜H2，所述中控模块判定延长无人机在当前待监测分区的巡航停留时间Tp至Tp1,设定Tp1=Tp×（1+（H2‑△h）×（△h‑H1）/（H1×H2））；
当△h≥H2，所述中控模块中控模块判定当前待监测分区的农田质量不符合标准；
其中，所述中控模块预设差值H，设定第一预设差值H1，第二预设差值H2，p=1,2,3。
9.根据权利要求8所述的用于永久基本农田的智能监测方法，其特征在于，所述中控模块获取当前待监测分区农田作物生长信息数据与预测当前农作物生长信息数据的差值的绝对值小于等于第一预设差值，中控模块判定缩小待监测分区，中控模块将待监测分区数量Mr提高至Mr1，设定Mr1=Mr×(1+(H1‑△h)/H1)，若Mr1为非整数，则向上取整。
10.一种用于永久基本农田的智能监测系统，其监测方法采用根据权利要求1‑9任一项所述的监测方法，其特征在于，包括，存储模块，其包括农田基本信息库和作物生长模型库，其中，所述农田基本信息库存储有各永久基本农田的基本信息，所述永久基本 农田基本信息包括农田位置，面积、种植作物品种、种植管理方式，所述作物生长模型库存储有各农田作物各生长时期的生长信息数据；
自学习模块，其用于根据无人机对待监测基本农田边缘区域进行初步巡航获取待监测区域；
巡航定制模块，其通过待监测区域和永久基本农田的区域获取待监测区域的区域相似度，并将获取的区域相似度与预设区域相似度相比较，将待监测区域划分为若干待监测分区；
中控模块，根据当前待监测分区的面积和规则度获取当前待监测分区复杂度，中控模块根据当前待监测分区复杂度与预设复杂度相比较，选取无人机在当前待监测分区的巡航停留时间，所述中控模块获取当前待监测分区农田作物生长信息数据，与作物生长模型库预测当前农作物生长信息数据相比较，判定当前农作物生长是否符合标准，若当前农作物生长不符合预设标准，中控模块根据当前农作物生长信息与生长标准值的差值与预设差值相比较，其中，若当前农作物生长信息与生长标准值的差值较小，中控模块通过延长无人机在当前待监测分区的巡航停留时间，或对待监测分区进行重新划分以明确当前农作物生长信息数据，若当前农作物生长信息与生长标准值的差值较大，中控模块判定当前待监测分区的农田质量不佳。
用于永久基本农田的智能监测系统及监测方法
技术领域
[0001] 本发明涉及智能监测领域，尤其涉及一种用于永久基本农田的智能监测系统及监测方法。
背景技术
[0002] 农业问题是全球可持续发展的基本问题，也是一个国家的基本产业。在智能化高速发展的今天，精细农业成为新世纪农业发展的新潮流，农业智能化也成为当今一个很重要的课题。农田信息的实时采集是精细农业的基本需求，拥有一整套完善的智能化农业田地数据采集系统，是能否及时、准确、高效地获取农业生产过程中的各项指标信息，提高农业生产管理及决策的关键。
[0003] 永久基本农田是我国按照一定时期人口和社会经济发展对农产品的需求，依据土地利用总体规划确定的不得占用的耕地，优先把城镇周边易被占用的优质耕地划为永久基本农田，严控城市化进程加快对耕地尤其是对城市周边地区优质耕地的挤占，给子孙后代留下良田沃土，永久基本农田主要用于小麦、玉米、水稻等粮食作物的种植，因此，永久农田的区域范围以及种植的作物是保持稳定的。
[0004] 农业生产过程中人们无法实时对农作物进行生长状态的监控，且当农作物含水量变化时人们无法及时了解与改善，影响农作物的生长，难以满足现代农业生产方式，因为无法监测到农作物的生长环境，所以也无法对农作物进行及时补充营养与水分，就会导致大量农作物生长不好，产值底。中国专利ZL201610175984.6公开了一种远程无线农田监控系统和方法，其通过采用农田信息采集子系统、灌溉控制子系统、无线远程传输单元、云计算服务器，解决了传统农业灌溉水利用率低以及土壤墒情监测方法测量精度低、投资成本高且耗费人力的技术问题，但仍然存在无法实时对永久基本农田种植区域以及农作物进行生长状态的精准监控的技术问题。
发明内容
[0005] 为此，本发明提供一种用于永久基本农田的智能监测系统及监测方法，可以解决无法根据永久基本农田的监测区域复杂度对监测区域和监测方式进行调节的技术问题。
[0006] 为实现上述目的，一方面，本发明提供一种用于永久基本农田的智能监测方法，包括：
[0007] 步骤S1，自学习模块根据无人机对待监测基本农田边缘区域进行初步巡航建立待监测区域；
[0008] 步骤S2，巡航定制模块根据所述自学习模块获取的待监测区域与存储模块存储的当前基本农田区域获取的待监测区域相似度将待监测区域划分为若干待监测分区；
[0009] 步骤S3，中控模块根据待监测分区面积和不规则度获取待监测分区的复杂度，所述中控模块根据待监测分区的复杂度与预设复杂度相比较，选取无人机在当前待监测分区巡航停留时间；
[0010] 步骤S4，所述中控模块通过无人机获取当前待监测分区农田作物生长信息数据，与作物生长模型库预测当前农作物生长信息数据相比较，判定当前待监测分区的农田质量，其中，若中控模块获取当前待监测分区农田作物生长信息数据与预测当前农作物生长信息数据的差值小于预设差值，中控模块判定延长无人机在当前待监测分区的巡航停留时间，对待监测分区进行重新划分以明确当前农作物生长信息数据，若当中控模块获取当前待监测分区农田作物生长信息数据与预测当前农作物生长信息数据的差值大于预设差值，中控模块判定当前待监测分区的农田质量不符合标准。
[0011] 进一步地，所述中控模块以待监测区域和基本农田区域的中心点为原点，以像素为单位建立平面直角坐标系，中控模块根据待监测区域和基本农田区域各点的灰度值获取待监测区域相似度s，设定s= ,其中，xi为基本农田区域第i点灰度值，yi为待监测区域第i点灰度值，n为各区域的总点数。
[0012] 进一步地，所述中控模块预设相似度S，中控模块将获取的待监测区域相似度与预设相似度相比较，获取待监测分区数量对待监测区域进行划分，其中，
[0013] 当s≥S2，所述中控模块将待监测区域划分为M0个待监测分区；
[0014] 当S1＜s＜S2，所述中控模块将待监测区域划分为M1个待监测分区，设定M1=M0×（1+（S2‑s）×（s‑S1）/（S1×S2））,若M1为非整数，则向上取整；
[0015] 当s≤S1，所述中控模块将待监测区域划分为M2个待监测分区,设定M2=M0×（1+2
（（S1‑s）/S1）），若M1为非整数，则向上取整；
[0016] 其中，所述中控模块预设相似度S，设定第一预设相似度S1、第二预设相似度S2，M0为中控模块预设待监测分区数量。
[0017] 进一步地，所述中控模块获取当前待监测分区复杂度dj,设定dj=(1+(gj‑g0)/g0)×(1+(mj‑m0)/m0)，其中，gj为第j待监测分区规则度，g0为规则度标准值，mj为第j待监测分区面积，m0为面积标准值。
[0018] 进一步地，所述中控模块根据待监测分区轮廓各相邻特征点的斜率获取待监测分2 2 2
区规则度gi，设定gi=(ki12‑ki0) +(ki23‑ki0)+···+(kiei1‑ki0) /ei，其中，ki12为第i待监测区第一特征点和第二特征点的斜率，ki23为第i待监测区第二特征点和第三特征点的斜率，kiei1为第i待监测区第ei特征点和第1特征点的斜率,ki0为第i待监测区各相邻特征点的斜率的平均值，其中，ei为第i待监测分区特征点数目。
[0019] 进一步地，所述中控模块根据当前待监测分区复杂度与预设复杂度D相比较，选取无人机在当前待监测分区的巡航停留时间，其中，
[0020] 当dj≤D1，所述中控模块选取第一预设时间T1为无人机在第j待监测分区的巡航停留时间；
[0021] 当D1＜dj＜D2，所述中控模块选取第二预设时间T2为无人机在第j待监测分区的巡航停留时间；
[0022] 当dj≥D2，所述中控模块选取第三预设时间T3为无人机在第j待监测分区的巡航停留时间；
[0023] 其中，所述中控模块预设时间T，设定第一预设时间T1、第二预设时间T2，中控模块预设复杂度D，设定第一预设复杂度D1，第二预设复杂度D2，j=1,2···Mr，r=0,1,2。
[0024] 进一步地，所述作物生长模型库预设农田作物生长信息数据A，中控模块根据当前待监测分区农田作物生长信息数据a与预设农田作物生长信息数据A相比较，判定当前待监测分区的农田质量，其中，
[0025] 当a≤A1,所述中控模块对待监测分区进行再次分析；
[0026] 当A1＜a＜A2，所述中控模块判定当前待监测分区农田质量符合预设标准；
[0027] 当a≥A2，所述中控模块对待监测分区进行再次分析；
[0028] 其中，所述作物生长模型库农田作物生长信息数据A，设定第一预设农田作物生长信息数据A1,第二预设农田作物生长信息数据A2。
[0029] 进一步地，所述中控模块判定对待监测分区进行再次分析时，中控模块获取当前待监测分区农田作物生长信息数据a与预测当前农作物生长信息数据A0的差值△h,设定△h=|a‑A0|,中控模块将获取的差值与预设差值H相比较，对待监测分区进行再次分析，其中，[0030] 当△h≤H1，所述中控模块缩小待监测分区；
[0031] 当H1＜△h＜H2，所述中控模块判定延长无人机在当前待监测分区的巡航停留时间Tp至Tp1,设定Tp1=Tp×（1+（H2‑△h）×（△h‑H1）/（H1×H2））；
[0032] 当△h≥H2，所述中控模块中控模块判定当前待监测分区的农田质量不符合标准；
[0033] 其中，所述中控模块预设差值H，设定第一预设差值H1，第二预设差值H2，p=1,2,3。
[0034] 进一步地，所述中控模块获取当前待监测分区农田作物生长信息数据与预测当前农作物生长信息数据的差值的绝对值小于等于第一预设差值，中控模块判定缩小待监测分区，中控模块将待监测分区数量Mr提高至Mr1，设定Mr1=Mr×(1+(H1‑△h)/H1)，若Mr1为非整数，则向上取整。
[0035] 另一方面，本发明提供一种用于永久基本农田的智能监测系统，包括，存储模块，其包括农田基本信息库和作物生长模型库，其中，所述农田基本信息库存储有各永久基本农田的基本信息，所述永久农田基本信息包括农田位置，面积、种植作物品种、种植管理方式等，所述作物生长模型库存储有各农田作物各生长时期的生长信息数据；
[0036] 自学习模块，其用于根据无人机对待监测基本农田边缘区域进行初步巡航获取待监测区域；
[0037] 巡航定制模块，其通过待监测区域和永久基本农田的区域获取待监测区域的区域相似度，并将获取的区域相似度与预设区域相似度相比较，将待监测区域划分为若干待监测分区；
[0038] 中控模块，根据当前待监测分区的面积和规则度获取当前待监测分区复杂度，中控模块根据当前待监测分区复杂度与预设复杂度相比较，选取无人机在当前待监测分区的巡航停留时间，所述中控模块获取当前待监测分区农田作物生长信息数据，与作物生长模型库预测当前农作物生长信息数据相比较，判定当前农作物生长是否符合标准，若当前农作物生长不符合预设标准，中控模块根据当前农作物生长信息与生长标准值的差值与预设差值相比较，其中，若当前农作物生长信息与生长标准值的差值较小，中控模块通过延长无人机在当前待监测分区的巡航停留时间，或对待监测分区进行重新划分以明确当前农作物生长信息数据，若当前农作物生长信息与生长标准值的差值较大，中控模块判定当前待监测分区的农田质量不佳。
[0039] 与现有技术相比，本发明的有益效果在于，本发明通过设置中控模块，中控模块根据待监测分区面积和不规则度获取待监测分区的复杂度，所述中控模块根据待监测分区的复杂度与预设复杂度相比较，选取无人机在当前待监测分区巡航停留时间，所述中控模块通过无人机获取当前待监测分区农田作物生长信息数据，与作物生长模型库预测当前农作物生长信息数据相比较，判定当前待监测分区的农田质量，其中，若中控模块获取当前待监测分区农田作物生长信息数据与预测当前农作物生长信息数据的差值小于预设差值，中控模块判定延长无人机在当前待监测分区的巡航停留时间，对待监测分区进行重新划分以明确当前农作物生长信息数据，若当中控模块获取当前待监测分区农田作物生长信息数据与预测当前农作物生长信息数据的差值大于预设差值，中控模块判定当前待监测分区的农田质量不符合标准。
[0040] 尤其，本发明设置根据存储模块存储的基本农田区域与无人机初步巡航建立的待监测区域各点灰度值获取待监测区域相似度，中控模块将设置相似度划分为两个标准，中控模块根据获取的待监测区域相似度与预设相似度的两个标准分别比较，获取最佳的待监测分区数量对待监测区域进行划分，其中，若中控模块获取的待监测区域相似度大于等于第二预设相似度，说明当前待监测区域与存储模块存储的基本农田区域相似度较高，中控模块按照预设待监测分区数量标准值对待监测区域进行分区划分，若中控模块获取的待监测区域相似度在第一预设相似度和第二相似度之间，说明当前待监测区域与存储模块的基本农田区域存在一定差异，中控模块通过增加预设待监测分区数量标准值对待监测区域进行划分，以提高对划分后的待监测分区数据获取的准确性，若中控模块获取的待监测区域相似度小于等于第一预设相似度，说明当前待监测区域与存储模块的基本农田区域存在较大的差异，基于永久基本农田的不可变动的特点，中控模块需大幅度的提高预设待监测分区数量标准值对待监测区域进行划分，进而实现对待监测区域的精确分析。
[0041] 尤其，本发明根据待监测分区的相邻特征点的斜率获取待监测分区的规则度，用以评价待监测分区轮廓的规则程度，即当待监测分区轮廓各特征点斜率变化情况较为复杂，说明当前待监测分区轮廓规则度较低，当待监测分区轮廓各特征点斜率变化情况较为简单，说明当前待监测分区轮廓规则度较高。更进一步的，本发明采用待监测分区的面积和规则度用以综合评价待监测分区的复杂度，以获取无人机在当前待监测分区的巡航停留时间。
[0042] 尤其，本发明根据待监测分区规则度和待监测分区面积获取待监测分区的复杂度，中控模块将获取的待监测分区的复杂度与预设复杂度相比较，获取无人机在该待监测分区上的巡航停留时间，以保证无人机能够有足够的时间对待监测分区进行监测，其中，所述中控模块获取的当前待监测分区的复杂度小于等于第一预设复杂度，说明当前待监测分区情况不复杂，中控模块选取第一预设时间作为无人机在当前待监测分区的巡航停留时间，以提高巡航效率，所述中控模块获取当前待监测分区复杂度在第一预设复杂度和第二预设复杂度之间，说明当前待监测分区情况较为复杂，中控模块选取第二预设时间作为无人机在当前待监测分区的巡航停留时间，中控模块获取当前待监测分区复杂度大于等于第二预设复杂度，说明当前待监测分区情况非常复杂，中控模块选取第三预设时间作为无人机在当前待监测分区的巡航停留时间，以更精确的获取当前监测分区作物生长情况。
[0043] 尤其，本发明中控模块预设差值，并将当前待监测分区农田作物生长信息数据与预测当前农作物生长信息数据的差值的绝对值与预设差值相比较，对巡航定制模块定制划分的待监测分区进行再次分析，以确定当前待监测分区农田作物信息获取是否准确，其中，若中控模块获取的差值小于等于第一预设差值，说明当前待监测分区农田作物种植情况获取极不准确，中控模块判定以获取差值和预设第一差值为基准提高划分分区的数目，以缩小各待监测分区的区域，以便更准确的获取当前区域农田作物生长情况，中控模块获取的差值在第一预设差值和第二预设差值之间时，说明当前待监测分区农田种植情况获取不准确，中控模块延长无人机在当前待监测分区巡航停留时间，以准确获取当前待监测分区的农田种植情况，若中控模块获取的差值在大于等于第二预设差值，说明当前待监测分区农田作物种植情况与预测种植数据相差较大，中控模块判定当前农田的环境情况较差，需根据其水肥施用情况对土壤和作物进行养护，以使该永久农田的质量符合标准。
附图说明
[0044] 图1为发明实施例用于永久基本农田的智能监测系统结构示意图；
[0045] 图2为发明实施例用于永久基本农田的智能监测方法；
[0046] 图3为发明实施例待监测区域示意图；
[0047] 图4为发明另一实施例待监测区域示意图；
[0048] 图5为发明实施例不规则待监测区域示意图。
具体实施方式
[0049] 为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
[0050] 下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
[0051] 需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0052] 此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
[0053] 请参阅图1所示，其为本发明实施例用于永久基本农田的智能监测系统，包括，[0054] 存储模块，其包括农田基本信息库和作物生长模型库，其中，所述农田基本信息库存储有各永久基本农田的基本信息，所述永久农田基本信息包括农田位置，面积、种植作物品种、种植管理方式等，所述作物生长模型库存储有各农田作物各生长时期的生长信息数据；
[0055] 自学习模块，其用于根据无人机对待监测基本农田边缘区域进行初步巡航获取待监测区域；
[0056] 巡航定制模块，其通过待监测区域和永久基本农田的区域获取待监测区域的区域相似度，并将获取的区域相似度与预设区域相似度相比较，将待监测区域划分为若干待监测分区；
[0057] 中控模块，根据当前待监测分区的面积和规则度获取当前待监测分区复杂度，中控模块根据当前待监测分区复杂度与预设复杂度相比较，选取无人机在当前待监测分区的巡航停留时间，所述中控模块获取当前待监测分区农田作物生长信息数据，与作物生长模型库预测当前农作物生长信息数据相比较，判定当前农作物生长是否符合标准，若当前农作物生长不符合预设标准，中控模块根据当前农作物生长信息与生长标准值的差值与预设差值相比较，其中，若当前农作物生长信息与生长标准值的差值较小，中控模块通过延长无人机在当前待监测分区的巡航停留时间，或对待监测分区进行重新划分以明确当前农作物生长信息数据，若当前农作物生长信息与生长标准值的差值较大，中控模块判定当前待监测分区的农田质量不佳。
[0058] 具体而言，本发明实施例对农田作物生长信息数据类型不作限定，每个生育期农田作物生长态势、植株高度、植株颜色、作物生长密集度等能够评价农田作物生长状况的数据。
[0059] 请参阅图2所示，其为本发明实施例用于永久基本农田的智能监测方法示意图，包括，
[0060] 步骤S1，自学习模块根据无人机对待监测基本农田边缘区域进行初步巡航建立待监测区域；
[0061] 步骤S2，巡航定制模块根据所述自学习模块获取的待监测区域与存储模块存储的当前基本农田区域获取的待监测区域相似度将待监测区域划分为若干待监测分区；
[0062] 步骤S3，中控模块根据待监测分区面积和不规则度获取待监测分区的复杂度，所述中控模块根据待监测分区的复杂度与预设复杂度相比较，选取无人机在当前待监测分区巡航停留时间；
[0063] 步骤S4，所述中控模块通过无人机获取当前待监测分区农田作物生长信息数据，与作物生长模型库预测当前农作物生长信息数据相比较，判定当前待监测分区的农田质量，其中，若中控模块获取当前待监测分区农田作物生长信息数据与预测当前农作物生长信息数据的差值小于预设差值，中控模块判定延长无人机在当前待监测分区的巡航停留时间，对待监测分区进行重新划分以明确当前农作物生长信息数据，若当中控模块获取当前待监测分区农田作物生长信息数据与预测当前农作物生长信息数据的差值大于预设差值，中控模块判定当前待监测分区的农田质量不符合标准。
[0064] 其中，所述中控模块以待监测区域和基本农田区域的中心点为原点，以像素为单位建立平面直角坐标系，中控模块根据待监测区域和基本农田区域各点的灰度值获取待监测区域相似度s，设定s= ,其中，xi为基本农田区域第i点灰度值，yi为待监测区域第i点灰度值，n为各区域的总点数。
[0065] 具体而言，所述中控模块预设相似度S，中控模块将获取的待监测区域相似度与预设相似度相比较，获取待监测分区数量对待监测区域进行划分，其中，
[0066] 当s≥S2，所述中控模块将待监测区域划分为M0个待监测分区；
[0067] 当S1＜s＜S2，所述中控模块将待监测区域划分为M1个待监测分区，设定M1=M0×（1+（S2‑s）×（s‑S1）/（S1×S2））,若M1为非整数，则向上取整；
[0068] 当s≤S1，所述中控模块将待监测区域划分为M2个待监测分区,设定M2=M0×（1+2
（（S1‑s）/S1）），若M1为非整数，则向上取整；
[0069] 其中，所述中控模块预设相似度S，设定第一预设相似度S1、第二预设相似度S2，M0为中控模块预设待监测分区数量。
[0070] 具体而言，本发明设置根据存储模块存储的基本农田区域与无人机初步巡航建立的待监测区域各点灰度值获取待监测区域相似度，中控模块将设置相似度划分为两个标准，中控模块根据获取的待监测区域相似度与预设相似度的两个标准分别比较，获取最佳的待监测分区数量对待监测区域进行划分，其中，若中控模块获取的待监测区域相似度大于等于第二预设相似度，说明当前待监测区域与存储模块存储的基本农田区域相似度较高，中控模块按照预设待监测分区数量标准值对待监测区域进行分区划分，若中控模块获取的待监测区域相似度在第一预设相似度和第二相似度之间，说明当前待监测区域与存储模块的基本农田区域存在一定差异，中控模块通过增加预设待监测分区数量标准值对待监测区域进行划分，以提高对划分后的待监测分区数据获取的准确性，若中控模块获取的待监测区域相似度小于等于第一预设相似度，说明当前待监测区域与存储模块的基本农田区域存在较大的差异，基于永久基本农田的不可变动的特点，中控模块需大幅度的提高预设待监测分区数量标准值对待监测区域进行划分，进而实现对待监测区域的精确分析。
[0071] 具体而言，本发明实施例对待监测区域的分区划分方式不作限定，只要其能够对待监测区域各分区进行合理划分即可。本发明实施例提供一种优选的实施方案，请参阅图3所示，其为本发明实施例待监测区域示意图，其中，第一待监测分区11、第二待监测分区12、第三待监测分区13、第四待监测分区14、第五待监测分区15、第六待监测分区16、第七待监测分区17、第八待监测分区18，本发明实施例对巡航定制模块设计无人机巡航路线不做限定，只要其能够对各监测分区进行巡航监测即可，针对该实施例，本发明提供一种优选的巡航路线，其中巡航顺序为第一待监测分区11至第二待监测分区12至第三待监测分区13至第四待监测分区14至第八待监测分区18至第七待监测分区17至第六待监测分区16至第五待监测分区15。
[0072] 请参阅图4所示，其为本发明另一实施例待监测区域示意图，包括第九待监测分区21、第十待监测分区22、第十一待监测分区23、第十二待监测分区24、第十三待监测分区25、第十四待监测分区26、第十五待监测分区27、第十六待监测分区28、第十七待监测分区29，其中，无人机巡航无线可以为第九待监测分区21至第十待监测分区22至第十一待监测分区
23至第十二待监测分区24至第十三待监测分区25至第十四待监测分区26至第十五待监测分区27至第十七待监测分区29至第十六待监测分区28。
[0073] 请参阅图5所示，其为本发明实施例不规则待监测区域示意图，包括第三十一待监测分区301、第三十二待监测分区302、第三十三待监测分区303、第三十四待监测分区304、第三十五待监测分区305、第三十六待监测分区306、第三十七待监测分区307、第三十八待监测分区308、第三十九待监测分区309、第四十待监测分区310、第四十一待监测分区311、第四十二待监测分区312、第四十三待监测分区313、第四十四待监测分区314，其中，无人机巡航无线可以为第三十一待监测分区301至第三十二待监测分区302至第三十三待监测分区303至第三十四待监测分区304至第三十五待监测分区305至第三十六待监测分区306至第三十七待监测分区307至第三十八待监测分区308至第三十九待监测分区309至第四十待监测分区310至第四十一待监测分区311至第四十二待监测分区312至第四十三待监测分区313至第四十四待监测分区314。
[0074] 其中，所述中控模块获取当前待监测分区复杂度dj,设定dj=(1+(gj‑g0)/g0)×(1+(mj‑m0)/m0)，其中，gj为第j待监测分区规则度，g0为规则度标准值，mj为第j待监测分区面积，m0为面积标准值。
[0075] 所述中控模块根据待监测分区轮廓各相邻特征点的斜率获取待监测分区规则度2 2 2
gi，设定gi=(ki12‑ki0)+(ki23‑ki0) +···+(kiei1‑ki0)/ei，其中，ki12为第i待监测区第一特征点和第二特征点的斜率，ki23为第i待监测区第二特征点和第三特征点的斜率，kiei1为第i待监测区第ei特征点和第1特征点的斜率,ki0为第i待监测区各相邻特征点的斜率的平均值，其中，ei为第i待监测分区特征点数目。
[0076] 具体而言，本发明根据待监测分区的相邻特征点的斜率获取待监测分区的规则度，用以评价待监测分区轮廓的规则程度，即当待监测分区轮廓各特征点斜率变化情况较为复杂，说明当前待监测分区轮廓规则度较低，当待监测分区轮廓各特征点斜率变化情况较为简单，说明当前待监测分区轮廓规则度较高。更进一步的，本发明采用待监测分区的面积和规则度用以综合评价待监测分区的复杂度，以获取无人机在当前待监测分区的巡航停留时间。
[0077] 所述中控模块根据当前待监测分区复杂度与预设复杂度D相比较，选取无人机在当前待监测分区的巡航停留时间，其中，
[0078] 当dj≤D1，所述中控模块选取第一预设时间T1为无人机在第j待监测分区的巡航停留时间；
[0079] 当D1＜dj＜D2，所述中控模块选取第二预设时间T2为无人机在第j待监测分区的巡航停留时间；
[0080] 当dj≥D2，所述中控模块选取第三预设时间T3为无人机在第j待监测分区的巡航停留时间；
[0081] 其中，所述中控模块预设时间T，设定第一预设时间T1、第二预设时间T2，中控模块预设复杂度D，设定第一预设复杂度D1，第二预设复杂度D2，j=1,2···Mr，r=0,1,2。
[0082] 具体而言，本发明根据待监测分区规则度和待监测分区面积获取待监测分区的复杂度，中控模块将获取的待监测分区的复杂度与预设复杂度相比较，获取无人机在该待监测分区上的巡航停留时间，以保证无人机能够有足够的时间对待监测分区进行监测，其中，所述中控模块获取的当前待监测分区的复杂度小于等于第一预设复杂度，说明当前待监测分区情况不复杂，中控模块选取第一预设时间作为无人机在当前待监测分区的巡航停留时间，以提高巡航效率，所述中控模块获取当前待监测分区复杂度在第一预设复杂度和第二预设复杂度之间，说明当前待监测分区情况较为复杂，中控模块选取第二预设时间作为无人机在当前待监测分区的巡航停留时间，中控模块获取当前待监测分区复杂度大于等于第二预设复杂度，说明当前待监测分区情况非常复杂，中控模块选取第三预设时间作为无人机在当前待监测分区的巡航停留时间，以更精确的获取当前监测分区作物生长情况。
[0083] 所述作物生长模型库预设农田作物生长信息数据A，中控模块根据当前待监测分区农田作物生长信息数据a与预设农田作物生长信息数据A相比较，判定当前待监测分区的农田质量，其中，
[0084] 当a≤A1,所述中控模块对待监测分区进行再次分析；
[0085] 当A1＜a＜A2，所述中控模块判定当前待监测分区农田质量符合预设标准；
[0086] 当a≥A2，所述中控模块对待监测分区进行再次分析；
[0087] 其中，所述作物生长模型库农田作物生长信息数据A，设定第一预设农田作物生长信息数据A1,第二预设农田作物生长信息数据A2。
[0088] 具体而言，本发明实施例作物生长模型库存储有各个作物多个生长期生长信息参考值，本发明实施例不对作物生长模型库存储的各时期作物生长信息数据的种类以及数据值进行限定，只要其能够作为标准，对无人机在监测时期当前待监测分区种植的作物获取的作物生长信息数据进行评价即可，本发明实施例提供一种优选的实施方案，若当前农田种植作物为小麦，作物生长模型库存储有小麦各生育期的生长数据标准值，例如小麦播种期以小麦分蘖的数量为生长信息数据（4‑7个）、小麦返青期以小麦麦苗心叶长度为生长信息数据（1‑2cm）、拔节期以小麦拔节的长度为生长信息数据（1.5‑2.5cm）、抽穗期可以以小麦病虫害发生情况、小麦生长高度以及小麦抽穗数量为生长信息数据等，若当前农田种植作物为玉米时，以玉米播种期的幼苗苗高、出苗率为生长信息数据、以玉米苗期的株高为生长信息数据、以玉米穗期的病虫害发生情况、株高、茎粗为生长信息数据，以玉米成熟期的株高、果穗量为生长信息数据等。
[0089] 所述中控模块判定对待监测分区进行再次分析时，中控模块获取当前待监测分区农田作物生长信息数据a与预测当前农作物生长信息数据A0的差值△h,设定△h=|a‑A0|,中控模块将获取的差值与预设差值H相比较，对待监测分区进行再次分析，其中，
[0090] 当△h≤H1，所述中控模块缩小待监测分区；
[0091] 当H1＜△h＜H2，所述中控模块判定延长无人机在当前待监测分区的巡航停留时间Tp至Tp1,设定Tp1=Tp×（1+（H2‑△h）×（△h‑H1）/（H1×H2））；
[0092] 当△h≥H2，所述中控模块中控模块判定当前待监测分区的农田质量不符合标准；
[0093] 其中，所述中控模块预设差值H，设定第一预设差值H1，第二预设差值H2，p=1,2,3。
[0094] 所述中控模块获取当前待监测分区农田作物生长信息数据与预测当前农作物生长信息数据的差值的绝对值小于等于第一预设差值，中控模块判定缩小待监测分区，中控模块将待监测分区数量Mr提高至Mr1，设定Mr1=Mr×(1+(H1‑△h)/H1)，若Mr1为非整数，则向上取整。
[0095] 具体而言，本发明中控模块预设差值，并将当前待监测分区农田作物生长信息数据与预测当前农作物生长信息数据的差值的绝对值与预设差值相比较，对巡航定制模块定制划分的待监测分区进行再次分析，以确定当前待监测分区农田作物信息获取是否准确，其中，若中控模块获取的差值小于等于第一预设差值，说明当前待监测分区农田作物种植情况获取极不准确，中控模块判定以获取差值和预设第一差值为基准提高划分分区的数目，以缩小各待监测分区的区域，以便更准确的获取当前区域农田作物生长情况，中控模块获取的差值在第一预设差值和第二预设差值之间时，说明当前待监测分区农田种植情况获取不准确，中控模块延长无人机在当前待监测分区巡航停留时间，以准确获取当前待监测分区的农田种植情况，若中控模块获取的差值在大于等于第二预设差值，说明当前待监测分区农田作物种植情况与预测种植数据相差较大，中控模块判定当前农田的环境情况较差，需根据其水肥施用情况对土壤和作物进行养护，以使该永久农田的质量符合标准。
[0096] 至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
