智能农业系统的架构

1.1智能农业系统应用模式

传统的农业监控系统应用模式是竖井式的结构，特点如下：

• 监控设备标准不统一，平台应用功能模块重复开发，发效率低；
• 孤立的应用系统间监测数据难以交互共享，设备无法复用；
• 通用性及可扩展性差。

而数据云平台的建立可以改善这种应用模式，如图1的架构模式，可以实现感知设备遵循统一接入标准，公共数据平台负责处理监控设备接入、管理、通信等功能，应用系统开发者只需关注具体业务；应用业务系统构建于统一平台之上，使得设备和数据能够共享；具有更强的通用性和可扩展性。

1.2系统特性

(1)智慧农业监控系统数据的海量性：农业监测系统上部署了海量的多种类型传感器，每个传感器都通过各种有线和无线网络与互联网融合，将监测的农作物信息实时准确地传递出去。在农业监测系统上的传感器采集的信息数量极其庞大，形成了大数据。
(2) 智慧农业监控系统数据的差异性：每个传感器都是一个信息源，不同类别的传感器所捕获的信息内容和信息格式不同，智慧农业监控系统面对的是海量差异化的数据。
(3) 智慧农业监控系统设备的智能性：农业智能监控系统不仅仅提供了传感器的连接，其本身也具有智能处理的能力，能够对物体实施智能控制。物联网将传感器和智能处理相结合，利用模式识别等各种技术，扩充应用领域。从传感器获得的海量信息中分析、加工和处理出有意义的数据，以适应不同用户的不同需求，发现新的应用领域和应用模式。

1.3系统架构

1.3.1数据源层
通过各类监测单元，获取智慧农业监控系统所需要的各类数据，为大数据平台提供数据的来源。
1.3.2网络传输层
主要指大数据知识服务平台运行过程中必须依赖的网络环境和网络传输协议，包括数据源层与平台服务器之间的通信，以及应用层与平台服务器之间的通信。
1.3.3大数据平台服务层
包含数据感知模块、基础支撑模块、大数据处理工具模块、数据流转模块、虚拟服务构件模块和平台服务模块。
1）数据感知模块
主要包括数据传感体系、网络通信体系、传感适配体系、智能识别体系及软硬件资源接入系统, 实现对结构化、半结构化、非结构化的海量数据的智能化识别、定位、跟踪、接入、传输、监控、初步处理和管理等。这一层解决的重要问题是大数据的感知、识别, 信息资源的采集、分类、聚合等处理, 从而为大数据知识服务平台对数据的智能化识别和管理提供支持。
2）基础支撑模块
提供大数据知识服务平台所需的虚拟服务器, 分布式虚拟存储, 结构化、半结构化及非结构化数据的Sql- No Sql数据库及物联网络资源等基础支撑环境。
3）数据流转模块
分为大数据获取层、存储层、组织层、分析层及决策层, 一系列理论模型的构建为大数据处理工具层提供理论支撑和业务支持。
4）大数据处理工具模块
依据数据流转层的理论模型, 结合用户的大数据处理需求及数据特征, 提供大数据采集、加工、存储、组织、分析及决策等一系列的工具集, 并支持大数据知识服务需求与服务供应的注册发布、需求发布、供需匹配、交易协作、服务质量评价、知识服务聚合与分类、知识社区创建等。
5）虚拟服务构件模块
存储并管理各类粗细粒度不等的大数据处理构建, 供不同大数据知识服务需求调用。作为大数据处理工具层与大数据知识服务平台层之间的桥梁, 在有效调度大数据处理工具层所提供的各类大数据处理工具集中, 通过服务优化管理技术, 采用智能优化算法对所有大数据处理工具组合进行优选, 在确定最优大数据处理服务组合和资源组合方式后, 将服务与资源进行关联绑定, 进而部署执行, 并将结果及部署方案传递到大数据平台层。
6）平台服务模块

分为管理层、业务层和应用接口层三层:

1. 管理层：主要是将接入到大数据知识服务平台的各类大数据处理任务及相应的解决方案等汇聚成虚拟大数据知识服务资源,并通过大数据知识服务定义工具、虚拟化工具、业务管理工具等, 将虚拟大数据知识服务资源封装成业务逻辑组件, 发布到大数据知识服务业务逻辑层;
2. 业务层：包含服务组件层、业务模型层和交易层三层, 服务组件层负责接受上一层所发布的大数据知识服务处理任务及方案, 依据方案将不同的大数据知识服务构件组合成粗细粒度不同的大数据知识服务业务类型, 供不同的业务模型调用; 业务模型层在接收到调用命令后, 可调用不同的服务组件的业务需求, 可在交易层为用户大数据处理需求提供搜索匹配, 引导大数据处理需求和大数据知识服务资源的交易, 并记录整个交易过程, 在完成交易后, 做出服务质量评价;
3. 应用接口层：主要面向特定大数据处理领域, 提供不同的专业应用接口以及大数据知识服务用户的注册、登录、验证、修改用户信息等通用管理接口。

1.3.4应用层
负责各类大数据知识服务需求的发布、大数据知识服务过程的交互等, 参与大数据服务全生命周期管理的全过程。交互终端包括移动终端、PC终端和物联网设备终端等。