本发明涉及智能感知领域，尤其涉及一种基于智能感知的地块边界数据定位方法。
背景技术：
1、传统地块边界测绘方法主要依赖人工测量和手工记录，这种方法通常需要测绘人员携带专业设备(如全站仪、gps设备)到现场进行测量，然后通过手工记录和绘图完成地块边界的定位，随着遥感技术的发展，通过高分辨率卫星影像，结合图像处理技术，可以自动提取地块边界，卫星影像的获取成本较高，分辨率和精度不足以满足农机作业地块的需求，高精度测绘设备和卫星影像获取的成本都较高，增加了地块边界测绘的经济负担。
2、中国专利公开号：cn104240022a公开了一种农机车载终端以及农机调度方法、系统和服务器，所述方法包括：农机跨区作业时，农机持有人收集农机作业信息，确定作业工作量，通过农机调度服务器生成作业计划，发送到安装于农机上的农机车载终端；农机车载终端发送本农机车载终端的标识和当前的位置信息到农机服务器；农机调度服务器接收到农机车载终端的标识和位置信息后；给该标识的农机车载终端发送待作业的农田的标识，确定出包含该农田和农机车载终端的位置的地理范围内的地图数据、从该位置到该农田的行驶路线；农机车载终端根据接收的响应信息显示地图并突出显示行驶路线，本发明的技术方案可调度农机达到待作业的农田，避免盲目寻找作业区，有利于提高农机的调度效率；由此可见，所述一种农机车载终端以及农机调度方法、系统和服务器，存在以下问题：该系统主要基于农机的位置信息和农田标识进行调度，但对地块边界感知不精准，对地块的具体属性考虑不足，这些属性对农机作业的适用性和效率有很大影响。
技术实现思路
1、为此，本发明提供一种基于智能感知的地块边界数据定位方法，用以克服现有技术中农机作业时对地块边界感知不精准、缺乏对地块内部属性的实时感知的问题。
2、为实现上述目的，本发明提供一种基于智能感知的地块边界数据定位方法，包括：
3、步骤s1，对地块数据源进行实时采集，并对采集到的地块数据源进行清洗，对地块数据源中的异常数据进行判断；
4、步骤s2，根据地块数据源中的异常数据进行校正，得到校正后异常数据，将校正后异常数据作为正常数据；
5、步骤s3，根据地块数据源中的经纬度数据，获取地块边界点坐标；
6、步骤s4，使用gis软件加载初步映射的作业地块，根据地块数据源获取地块边界点，并对地块边界点进行调整；
7、步骤s5，将输出的地块边界点坐标使用gi s软件中的“点转线”工具将调整后的边界点连接成线，获取地块边界线，对地块边界线的平滑性和连续性进行优化；
8、步骤s6，根据地块边界线和地块数据源获取网格颜色分布，对作业地块地形进行判断；
9、步骤s7，根据地块数据源，获取作业地块作物类型、土壤肥力、灌溉条件和历史产量，对作业地块属性进行判断，根据作业地块属性判断结果对网格颜色划分数量进行调整；
10、步骤s8，根据地块作业次数对农机作业频率进行判断，对作业地块属性判断过程进行调整；
11、步骤s9，根据农机作业距离对农机作业频率判断过程进行调整。
12、进一步地，在所述步骤s1中，在对地块数据源进行实时采集时，对采集到的地块数据源进行清洗，移除重复数据，重新采集缺失数据，并保证数据格式一致，通过3σ原则对异常数据进行判断，n为样本数量，xi为每个样本数据，其中：
13、当xi≥3σ，判定该数据值为异常数据，并将其移除；
14、当xi＜3σ，判定该数据值为正常数据，通过无线传输上传至服务器。
15、进一步地，在所述步骤s2中，在对异常数据进行校正时，将经纬度坐标、作业距离、作物类型、土壤肥力、灌溉条件和历史产量的异常数据和校正方法至异常检测模型中，获取异常检测模型的输出结果，输出对异常数据的校正方法，包括删除重复值，使用均值法替换异常值，数据格式统一化，对异常经纬度坐标进行人工修正，将作业地块实际位置的卫星图像数据源和异常经纬度坐标进行比对，并调整异常经纬度坐标,并将校正后异常数据作为正常数据转换为二值化网格。
16、进一步地，在所述步骤s3中，在获取地块边界点坐标时，根据地块数据源中的经纬度数据，得到出经度最大值xmax，经度最小值xmin，纬度最大值ymax，纬度最小值ymin，根据经度最大值xmax、经度最小值xmin、纬度最大值ymax和纬度最小值ymin对经度方向网格格数a1和纬度方向网格格数a2进行计算，设定a1＝(xmax-xmin)/d，a2＝(ymax-ymin)/d，d为网格步长，设定二维数组初始值为0，大小为a1×a2，初始化二维数组初始值为0，大小为a1×a2，遍历地块数据源，获取经纬度数据(x1，y1),设定x2＝(x1-xmin)/d，y2＝(y1-ymin)/d，设定二维数组在索引x2和y2的值为1，表示该二维数组被地块数据源覆盖，设定(x2，y2)的值为初始化二维数组数据信息a0，将二维数组作为参数传入opencv2的查找边界函数findcontours，得到边界点数据簇c1，根据c1中元素的索引信息，可以取得初始化二维数组数据信息a0对应索引位置的数据信息a1，将数据信息a1记录到集合c2，该集合c2便是地块边界点坐标数据集。
17、进一步地，在所述步骤s4中，将作业地块实际位置的卫星图像数据源输入gis软件中加载初步映射的作业地块，得到作业地块三维模型，获取所述作业地块三维模型的地块边界点坐标，设定地块边界点坐标为(x1，y1，z1)，通过无人机测绘得到的实际地块坐标为(x2，y2，z2)，x轴误差为a，a＝x1-x2，y轴误差为b，b＝y1-y2，z轴误差为c，c＝z1-z2，预设误差阈值为d0，将x轴误差a与预设误差阈值d0进行比对，根据比对结果对该地块边界点坐标的有效性进行判断，并根据判断结果进行输出，其中：
18、当a落在d0外时，判定该地块边界点的x轴坐标无效，输出结果为该地块边界点无效，将x1调整为x1＝x2，得到第二地块边界点坐标，并根据第二地块边界点坐标使用gis软件加载初步映射的作业地块，得到第二作业地块三维模型，直至该地块边界点的x轴坐标判定结果为有效时，对该地块边界点的y轴坐标有效性进行判断；
19、当a落在d0内时，判定该地块边界点的x轴坐标有效，对该地块边界点的y轴坐标有效性进行判断；
20、在所述步骤s4中，在对该地块边界点的y轴坐标有效性进行判断时，将y轴误差b与预设误差阈值d0进行比对，根据比对结果对该地块边界点坐标的有效性进行判断，并根据判断结果进行输出，其中：
21、当b落在d0外时，判定该地块边界点的y轴坐标无效，输出结果为该地块边界点无效，将y1调整为y1＝y2，得到第三地块边界点坐标，并根据第三地块边界点坐标使用gis软件加载初步映射的作业地块，得到第三作业地块三维模型，直至该地块边界点的y轴坐标判定结果为有效时，对该地块边界点的z轴坐标有效性进行判断；
22、当b落在d0内时，判定该地块边界点的y轴坐标有效，对该地块边界点的z轴坐标有效性进行判断；
23、在所述步骤s4中，在对该地块边界点的z轴坐标有效性进行判断时，将z轴误差c与预设误差阈值d0进行比对，根据比对结果对该地块边界点坐标的有效性进行判断，并根据判断结果进行输出，其中：
24、当c落在d0外时，判定该地块边界点的z轴坐标无效，输出结果为该地块边界点无效，将z1调整为z1＝z2，得到第四地块边界点坐标，并根据第四地块边界点坐标使用gis软件加载初步映射的作业地块，得到第四作业地块三维模型，直至该地块边界点的z轴坐标判定结果为有效时，输出地块边界点坐标；
25、当c落在d0内时，判定该地块边界点的z轴坐标有效，输出地块边界点坐标。
26、进一步地，在所述步骤s5中，将输出的地块边界点坐标使用gis软件中的“点转线”工具将调整后的边界点连接成线，获取地块边界线时，将地块边界线特征线段y与预设非平滑线段yo进行比对，设定重合度阈值△y，并根据比对结果对地块边界线的平滑性进行判断，并根据判断结果对地块边界线进行优化，其中：
27、当y与y0的重合度≥△y时，判定地块边界线的平滑性异常，对地块边界线的平滑性进行优化，设定输出优化后的坐标为(xi,yi，zi)为第i个原始点的坐标，ni为包含第i个及其周围5m内点的集合；
28、当y与y0的重合度＜△y时，判定地块边界线的平滑性正常；
29、在所述步骤s5中，将起点(x3,y3，z3)和终点(x4，y4，z4)之间的欧氏距离d与预设距离d0进行比对，并根据比对结果对地块边界线的连续性进行判断，并根据判断结果对地块边界线进行优化，其中：
30、当d＞d0时，判定地块边界线不连续，对地块边界线的连续性进行优化，在起点和终点之间生成中间点，设定起点和终点与中间点的距离d1≤d0，使地块边界线连续，并输出地块边界线；
31、当d≤d0时，判定地块边界线连续，输出地块边界线。
32、进一步地，在所述步骤s6中，对作业地块地形进行判断时，根据地块边界线和地块数据源获取网格颜色分布，识别作业地块凹凸面，其中：
33、当网格颜色由浅变深，再变浅时，则该作业地块为凸面；
34、当网格颜色由深变浅，再变深时，则该作业地块为凹面。
35、进一步地，在所述步骤s7中，对作业地块属性进行判断时，根据地块数据源，获取作业地块作物类型、土壤肥力、灌溉条件和历史产量，对地块进行综合性评估，将综合评分v与预设评分v0进行比对，并根据比对结果对作业地块属性进行判断，其中：
36、当v＞v0时，判定该作业地块为重要区域；
37、当v≤v0时，判定该作业地块为非重要区域。
38、进一步地，在所述步骤s8中，在根据地块作业次数对农机作业频率分析时，将农机作业频率t与预设农机作业频率t0进行比对，并根据比对结果对作业地块属性判断过程进行调整，其中：
39、当t＞t0时，判定农机作业频率高，设定修正系数并根据修正系数对预设颜色划分数量s0进行调整，调整后的预设颜色划分数量为sa，设定sa＝s0×a；
40、当t≤t0时，判定农机作业频率低，设定修正系数b＝-2lns-s0，
41、并根据修正系数对预设颜色划分数量s0进行调整，调整后的预设颜色划分数量为sb，设定sb＝s0×b。
42、进一步地，在所述步骤s9中，根据农机作业距离对农机作业频率判断过程进行调整时，将有效作业距离m与预设有效作业距离m0进行比对，并根据比对结果对农机作业的有效性进行判断，根据判断结果对农机作业频率判断过程进行调整，其中：
43、当m＞m0时，判定本次农机作业有效，将其记录在农机作业频率统计中；
44、当m≤m0时，判定本次农机作业无效，忽略其在农机作业频率统计中。
45、与现有技术相比，本发明的有益效果在于基于智能感知技术，采用自动化的数据采集与处理流程，结合智能分析算法，实现对地块边界的实时感知和精准定位，降低人力成本，提高工作效率。
46、尤其，所述步骤s1通过对地块数据源进行实时采集，并对采集到的信息进行清洗，对异常数据进行判断，以便于获取准确、可靠且干净的地块数据源，保证地块数据源的完整性。
47、尤其，所述步骤s2根据地块数据源对异常数据判断结果进行校正，以便于保证数据的准确性和可靠性，为后续的数据分析、地块边界数据的定位提供坚实的基础。
48、尤其，所述步骤s3根据地块数据源中的经纬度数据，获取地块边界点坐标，以便于通过自动化技术减少人工干预，提高测绘效率并降低成本，能够在复杂地形和各种环境条件下稳定工作，提供高精度和高可靠性的地块边界数据。
49、尤其，所述步骤s4使用gis软件加载初步映射的作业地块，根据地块数据源获取地块边界点，并对地块边界点进行调整，以便于优化作业地块的空间表示，确保作业地块的边界准确且反映实际情况。
50、尤其，所述步骤s5将输出的地块边界点坐标使用g is软件中的“点转线”工具将调整后的边界点连接成线，获取地块边界线，对地块边界线的平滑性和连续性进行优化，以便于提高地块边界的表示精度，减少因地块数据源采集或处理过程中产生的误差。
51、尤其，所述步骤s6根据地块边界线和地块数据源获取网格颜色分布，对作业地块地形进行判断，以便于通过可视化的方式展现地块的地形特征，为地块边界数据的智能感知提供依据。
52、尤其，所述步骤s7根据地块数据源，获取作业地块作物类型、土壤肥力、灌溉条件和历史产量，对作业地块属性进行判断，根据作业地块属性判断结果对网格颜色划分数量进行调整，以便于通过量化的方式分析地块属性，为后续的农业生产、土地规划、资源管理等提供科学依据。
53、尤其，所述步骤s8根据地块作业次数对农机作业频率进行判断，对作业地块属性判断过程进行调整，以便于确保农机作业的高效性和合理性，同时根据实际作业情况调整地块属性的判断，以更好地指导农业生产。
54、尤其，所述步骤s9根据农机作业距离对农机作业频率判断过程进行调整，以便于精确识别农机作业频率，避免识别错误对作业地块属性的判断产生影响。
1.一种基于智能感知的地块边界数据定位方法，其特征在于，包括：
2.根据权利要求1所述的一种基于智能感知的地块边界数据定位方法，其特征在于，在所述步骤s1中，在对地块数据源进行实时采集时，对采集到的地块数据源进行清洗，移除重复数据，重新采集缺失数据，并保证数据格式一致，通过3σ原则对异常数据进行判断，n为样本数量，xi为每个样本数据，其中：
3.根据权利要求2所述的一种基于智能感知的地块边界数据定位方法，其特征在于，在所述步骤s2中，在对异常数据进行校正时，将经纬度坐标、作业距离、作物类型、土壤肥力、灌溉条件和历史产量的异常数据和校正方法至异常检测模型中，获取异常检测模型的输出结果，输出对异常数据的校正方法，包括删除重复值，使用均值法替换异常值，数据格式统一化，对异常经纬度坐标进行人工修正，将作业地块实际位置的卫星图像数据源和异常经纬度坐标进行比对，并调整异常经纬度坐标,并将校正后异常数据作为正常数据转换为二值化网格。
4.根据权利要求3所述的一种基于智能感知的地块边界数据定位方法，其特征在于，在所述步骤s3中，在获取地块边界点坐标时，根据地块数据源中的经纬度数据，得到出经度最大值xmax，经度最小值xmin，纬度最大值ymax，纬度最小值ymin，根据经度最大值xmax、经度最小值xmin、纬度最大值ymax和纬度最小值ymin对经度方向网格格数a1和纬度方向网格格数a2进行计算，设定a1＝(xmax-xmin)/d，a2＝(ymax-ymin)/d，d为网格步长，设定二维数组初始值为0，大小为a1×a2，初始化二维数组初始值为0，大小为a1×a2，遍历地块数据源，获取经纬度数据(x1，y1),设定x2＝(x1-xmin)/d，y2＝(y1-ymin)/d，设定二维数组在索引x2和y2的值为1，表示该二维数组被地块数据源覆盖，设定(x2，y2)的值为初始化二维数组数据信息a0，将二维数组作为参数传入opencv2的查找边界函数findcontours，得到边界点数据簇c1，根据c1中元素的索引信息，可以取得初始化二维数组数据信息a0对应索引位置的数据信息a1，将数据信息a1记录到集合c2，该集合c2便是地块边界点坐标数据集。
5.根据权利要求4所述的一种基于智能感知的地块边界数据定位方法，其特征在于，在所述步骤s4中，将作业地块实际位置的卫星图像数据源输入gis软件中加载初步映射的作业地块，得到作业地块三维模型，获取所述作业地块三维模型的地块边界点坐标，设定地块边界点坐标为(x1，y1，z1)，通过无人机测绘得到的实际地块坐标为(x2，y2，z2)，x轴误差为a，a＝x1-x2，y轴误差为b，b＝y1-y2，z轴误差为c，c＝z1-z2，预设误差阈值为d0，将x轴误差a与预设误差阈值d0进行比对，根据比对结果对该地块边界点坐标的有效性进行判断，并根据判断结果进行输出，其中：
6.根据权利要求5所述的一种基于智能感知的地块边界数据定位方法，其特征在于，在所述步骤s5中，将输出的地块边界点坐标使用gis软件中的“点转线”工具将调整后的边界点连接成线，获取地块边界线时，将地块边界线特征线段y与预设非平滑线段yo进行比对，设定重合度阈值△y，并根据比对结果对地块边界线的平滑性进行判断，并根据判断结果对地块边界线进行优化，其中：
7.根据权利要求6所述的一种基于智能感知的地块边界数据定位方法，其特征在于，在所述步骤s6中，对作业地块地形进行判断时，根据地块边界线和地块数据源获取网格颜色分布，识别作业地块凹凸面，其中：
8.根据权利要求7所述的一种基于智能感知的地块边界数据定位方法，其特征在于，在所述步骤s7中，对作业地块属性进行判断时，根据地块数据源，获取作业地块作物类型、土壤肥力、灌溉条件和历史产量，对地块进行综合性评估，将综合评分v与预设评分v0进行比对，并根据比对结果对作业地块属性进行判断，其中：
9.根据权利要求8所述的一种基于智能感知的地块边界数据定位方法，其特征在于，在所述步骤s8中，在根据地块作业次数对农机作业频率分析时，将农机作业频率t与预设农机作业频率t0进行比对，并根据比对结果对作业地块属性判断过程进行调整，其中：
10.根据权利要求9所述的一种基于智能感知的地块边界数据定位方法，其特征在于，在所述步骤s9中，根据农机作业距离对农机作业频率判断过程进行调整时，将有效作业距离m与预设有效作业距离m0进行比对，并根据比对结果对农机作业的有效性进行判断，根据判断结果对农机作业频率判断过程进行调整，其中：
