基于耕地保护业务数据流的时空多维度大数据融合处理方法.pdf

《基于耕地保护业务数据流的时空多维度大数据融合处理方法.pdf》由会员分享，可在线阅读，更多相关《基于耕地保护业务数据流的时空多维度大数据融合处理方法.pdf（9页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010200293.3 (22)申请日 2020.03.20 (71)申请人 宁夏回族自治区自然资源勘测调查 院 地址 750002 宁夏回族自治区银川市金凤 区尹家渠北街25号 (72)发明人 崔树国孙鸿睿周晓宇尹水镜 马海涛侯琴樊国堂刘春洋 (74)专利代理机构 西安合创非凡知识产权代理 事务所(普通合伙) 61248 代理人 于波 (51)Int.Cl. G06F 16/2455(2019.01) G06F 16/2458(2019.01) G06F 16/27(20。

2、19.01) G06F 16/29(2019.01) G06K 9/62(2006.01) (54)发明名称 一种基于耕地保护业务数据流的时空多维 度大数据融合处理方法 (57)摘要 本发明公开了一种基于耕地保护业务数据 流的时空多维度大数据融合处理方法， 包括如下 步骤： S1、 经各目标数据采集终端实现耕地保护 业务数据流的采集； S2、 基于时间信息以及空间 信息实现耕地保护业务数据流的预分类； S3、 采 用Hadoop基于类间区分度的属性约简算法实现 耕地保护业务数据的特征数据的提取； S4、 基于 LSSVM根据所述特征数据实现耕地保护业务数据 的分类； S5、 基于LSSVM输出。

3、的分类结果将对应的 特征数据填充至模板对应的位置处， 同时在该特 征数据上建立其对应的耕地保护业务数据的超 链接， 实现耕地保护业务数据流的融合处理。 本 发明实现了耕地保护业务数据流的时空多维度 的自动融合。 权利要求书1页 说明书4页 附图3页 CN 111339149 A 2020.06.26 CN 111339149 A 1.一种基于耕地保护业务数据流的时空多维度大数据融合处理方法， 其特征在于： 包 括如下步骤： S1、 经各目标数据采集终端实现耕地保护业务数据流的采集； S2、 基于时间信息以及空间信息实现耕地保护业务数据流的预分类； S3、 采用Hadoop基于类间区分度的属性约。

4、简算法实现耕地保护业务数据的特征数据的 提取； S4、 基于LSSVM根据所述特征数据实现耕地保护业务数据的分类； S5、 基于LSSVM输出的分类结果将对应的特征数据填充至模板对应的位置处， 同时在该 特征数据上建立其对应的耕地保护业务数据的超链接， 实现耕地保护业务数据流的融合处 理。 2.如权利要求1所述的一种基于耕地保护业务数据流的时空多维度大数据融合处理方 法， 其特征在于： 还包括剔除耕地保护业务数据流中图片数据的步骤。 3.如权利要求1所述的一种基于耕地保护业务数据流的时空多维度大数据融合处理方 法， 其特征在于： 还包括基于one-stage_Inception_V2_coco。

5、模型实现图片数据的中目标数 据识别的步骤。 4.如权利要求3所述的一种基于耕地保护业务数据流的时空多维度大数据融合处理方 法， 其特征在于： 所述one-stage_Inception_V2_coco模型采用one-stage目标检测算法， 用 coco数据集预训练Inception_V2深度神经网络， 然后用先前准备好的数据集训练该模型， 微调深度神经网络中的各项参数， 最后得到合适的用于对应区域耕地保护业务图片识别的 检测模型。 5.如权利要求1所述的一种基于耕地保护业务数据流的时空多维度大数据融合处理方 法， 其特征在于： 还包括根据数据分类的结果调用对应的数据分析模型根据所述特征数据 。

6、实现耕地保护业务数据流分析， 并将分析结果填入模板对应处的步骤。 6.如权利要求1所述的一种基于耕地保护业务数据流的时空多维度大数据融合处理方 法， 其特征在于： 还包括根据图片数据识别的结果输出对应的文本数据的步骤。 权利要求书 1/1 页 2 CN 111339149 A 2 一种基于耕地保护业务数据流的时空多维度大数据融合处理 方法 0001 技术领域 0002 本发明涉及数据处理领域， 具体涉及一种基于耕地保护业务数据流的时空多维度 大数据融合处理方法。 0003 背景技术 0004 土地是人类赖以生存的物质基础， 也是保障国家发展的重要资源。 耕地作为土地 资源的重要组成部分， 是国。

7、家粮食安全和社会稳定发展的根本保障。 0005 随着我国耕地保护体系的建立以及保护措施的实施推广， 国家对地方落实耕地保 护责任目标、 贯彻各项耕地保护制度、 实施耕地保护成效的考核和监管也将进一步加强， 而 目前， 对耕地保护的监管更多地仍停留在程序和政策上的监管， 较少关注技术和操作层面， 监管手段比较单一、 监督检查力度不够。 为主动适应新形势下耕地保护要求， 建立 “政策+科 技” 的耕地保护动态监测监管体系， 搭建耕地保护监测监管系统， 加强耕地保护信息化建 设， 强化土地开发整治、 耕地占补平衡等项目实施过程中耕地保护的全流程监测监管， 对推 进耕地保护体系不断完善， 加快构建耕地。

8、数量、 质量和生态 “三位一体” 保护， 促进形成保护 更加有力、 执行更加顺畅、 管理更加高效的耕地保护新格局具有重要意义。 0006 针对海量耕地保护业务数据整合处理准备工作量极大， 空间数据与业务数据的缺 乏关联关系， 对分析和应用造成很多不便的问题， 本项目创新性地提出了基于时空多维度 关系的大数据融合应用研究， 研究开展了基于数据流图方法的耕地保护业务分析， 通过对 耕地保护要素等空间数据的抽取、 缩编， 实现针对业务的空间数据选择。 开展了基于时空尺 度转换模型以及空间分析模型的空间大数据与业务数据的转换与关联研究， 实现了耕地保 护工作中各类空间数据与相关业务数据的关联关系的建立。

9、。 0007 发明内容 0008 为解决上述问题， 本发明提供了一种基于耕地保护业务数据流的时空多维度大数 据融合处理方法， 实现了耕地保护业务数据流的时空多维度的自动融合。 0009 为实现上述目的， 本发明采取的技术方案为： 一种基于耕地保护业务数据流的时空多维度大数据融合处理方法， 包括如下步骤： S1、 经各目标数据采集终端实现耕地保护业务数据流的采集； S2、 基于时间信息以及空间信息实现耕地保护业务数据流的预分类； S3、 采用Hadoop基于类间区分度的属性约简算法实现耕地保护业务数据的特征数据的 提取； 说明书 1/4 页 3 CN 111339149 A 3 S4、 基于LS。

10、SVM根据所述特征数据实现耕地保护业务数据的分类； S5、 基于LSSVM输出的分类结果将对应的特征数据填充至模板对应的位置处， 同时在该 特征数据上建立其对应的耕地保护业务数据的超链接， 实现耕地保护业务数据流的融合处 理。 0010 进一步地， 还包括剔除耕地保护业务数据流中图片数据的步骤。 0011 进一步地， 还包括基于one-stage_Inception_V2_coco模型实现图片数据的中目 标数据识别的步骤。 0012 进一步地， 所述one-stage_Inception_V2_coco模型采用one-stage目标检测算 法， 用coco数据集预训练Inception_V2深。

11、度神经网络， 然后用先前准备好的数据集训练该 模型， 微调深度神经网络中的各项参数， 最后得到合适的用于对应区域耕地保护业务图片 识别的检测模型。 0013 进一步地， 还包括根据数据分类的结果调用对应的数据分析模型根据所述特征数 据实现耕地保护业务数据流分析， 并将分析结果填入模板对应处的步骤。 0014 进一步地， 还包括根据图片数据识别的结果输出对应的文本数据的步骤。 0015 本发明具有以下有益效果： 1） 采用Hadoop基于类间区分度的属性约简算法实现耕地保护业务数据的特征数据的 提取， 大大提高了大规模数据的分析效率， 从而可以将纷繁多样的海量数据转换成具有信 息和商业价值的可用。

12、数据； 然后基于LSSVM实现了耕地保护业务数据的自动分类， 通过模板 的设计以及超链接的设计实现了耕地保护业务数据流的时空多维度融合。 0016 2） 基于one-stage_Inception_V2_coco模型实现了图片数据的自动识别处理。 0017 附图说明 0018 图1为本发明实施例1一种基于耕地保护业务数据流的时空多维度大数据融合处 理方法的流程图。 0019 图2为本发明实施例2一种基于耕地保护业务数据流的时空多维度大数据融合处 理方法的流程图。 0020 图3为本发明实施例3一种基于耕地保护业务数据流的时空多维度大数据融合处 理方法的流程图。 具体实施方式 0021 为了阐述。

13、清楚本发明的思想方法， 便于使用者掌握本发明的具体实施步骤 ， 进而 体会到本发明的优点与可能取得的社会效益， 以下结合实施例对本发明进行进一步详细说 明。 应当理解， 此处所描述的具体实施仅仅用以解释本发明， 并不用于限定本发明。 0022 实施例1 如图1所示， 本发明实施例提供了一种基于耕地保护业务数据流的时空多维度大数据 融合处理方法， 包括如下步骤： S1、 经各目标数据采集终端实现耕地保护业务数据流的采集； S2、 基于时间信息以及空间信息实现耕地保护业务数据流的预分类； 说明书 2/4 页 4 CN 111339149 A 4 S3、 采用Hadoop基于类间区分度的属性约简算法。

14、实现耕地保护业务数据的特征数据的 提取； S4、 基于LSSVM根据所述特征数据实现耕地保护业务数据的分类； S5、 基于LSSVM输出的分类结果将对应的特征数据填充至模板对应的位置处， 同时在该 特征数据上建立其对应的耕地保护业务数据的超链接， 实现耕地保护业务数据流的融合处 理。 0023 实施例2 如图2所示， 本发明实施例提供了一种基于耕地保护业务数据流的时空多维度大数据 融合处理方法， 包括如下步骤： S1、 经各目标数据采集终端实现耕地保护业务数据流的采集； S2、 基于时间信息以及空间信息实现耕地保护业务数据流的预分类； S3、 剔除每一类耕地保护业务数据流中的图片数据， 基于o。

15、ne-stage_ Inception_V2_ coco模型实现图片数据的中目标数据识别， 并根据识别结果输出对应的文本数据， 将输出 的文本数据填充至模板对应的位置处， 并在该文本数据上建立对应图片的超链接， 通过点 击该超链接即可实现对应图片的查看； S4、 采用Hadoop基于类间区分度的属性约简算法实现耕地保护业务数据的特征数据的 提取； S5、 基于LSSVM根据所述特征数据实现耕地保护业务数据的分类； S6、 基于LSSVM输出的分类结果将对应的特征数据填充至模板对应的位置处， 同时在该 特征数据上建立其对应的耕地保护业务数据的超链接， 实现耕地保护业务数据流的融合处 理， 通过点。

16、击该超链接， 即可实现对应耕地保护业务数据的查看。 0024 本实施例中， 所述one-stage_Inception_V2_coco模型采用one-stage目标检测算 法， 用coco数据集预训练Inception_V2深度神经网络， 然后用先前准备好的数据集训练该 模型， 微调深度神经网络中的各项参数， 最后得到合适的用于对应区域耕地保护业务图片 识别的检测模型。 0025 实施例3 如图3所示， 本发明实施例提供了一种基于耕地保护业务数据流的时空多维度大数据 融合处理方法， 包括如下步骤： S1、 经各目标数据采集终端实现耕地保护业务数据流的采集； S2、 基于时间信息以及空间信息实现。

17、耕地保护业务数据流的预分类； S3、 剔除每一类耕地保护业务数据流中的图片数据， 基于one-stage_ Inception_V2_ coco模型实现图片数据的中目标数据识别， 具体的， 首先识别耕地保护业务数据流中的图 片数据， 将属于一个时间信息及空间信息的图片信息放置在同一个数据库内， 然后通过 one-stage_ Inception_V2_coco模型实现图片数据的中目标数据识别， 根据识别结果输出 对应的文本数据， 将输出的文本数据填充至模板对应的位置处， 并在该文本数据上建立对 应图片的超链接， 通过点击该超链接即可实现对应图片的查看； S4、 采用Hadoop基于类间区分度的。

18、属性约简算法实现耕地保护业务数据的特征数据的 提取； S5、 基于LSSVM根据所述特征数据实现耕地保护业务数据的分类； 说明书 3/4 页 5 CN 111339149 A 5 S6、 基于LSSVM输出的分类结果将对应的特征数据填充至模板对应的位置处， 同时在该 特征数据上建立其对应的耕地保护业务数据的超链接， 通过点击该超链接， 即可实现对应 耕地保护业务数据的查看。 0026 S7、 根据数据分类的结果调用对应的数据分析模型根据所述特征数据实现耕地保 护业务数据流分析， 并将分析结果填入模板对应处。 0027 本实施例中， 所述one-stage_Inception_V2_coco模型。

19、采用one-stage目标检测算 法， 用coco数据集预训练Inception_V2深度神经网络， 然后用先前准备好的数据集训练该 模型， 微调深度神经网络中的各项参数， 最后得到合适的用于对应区域耕地保护业务图片 识别的检测模型； 所述分析模型采用Inception V3深度神经网络模型。 0028 以上所述仅是本发明的优选实施方式， 应当指出， 对于本技术领域的普通技术人 员来说， 在不脱离本发明原理的前提下， 还可以作出若干改进和润饰， 这些改进和润饰也应 视为本发明的保护范围。 说明书 4/4 页 6 CN 111339149 A 6 图 1 说明书附图 1/3 页 7 CN 111339149 A 7 图 2 说明书附图 2/3 页 8 CN 111339149 A 8 图 3 说明书附图 3/3 页 9 CN 111339149 A 9 。