买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江苏常熟国家农业科技园区管理办公室;常熟市农业科技发展有限公司申请的专利基于数字孪生的农业园区智能巡检系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119006202B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411062065.9，技术领域涉及：G06Q50/02；该发明授权基于数字孪生的农业园区智能巡检系统及方法是由毕研飞;唐政辉;孟颖;洪卫;朱方明;唐青;魏斌;郜梅贵;胡晓红设计研发完成，并于2024-08-05向国家知识产权局提交的专利申请。

本基于数字孪生的农业园区智能巡检系统及方法在说明书摘要公布了：本发明公开了基于数字孪生的农业园区智能巡检系统及方法，具体涉及农业园区管理领域；通过在构建三维模型前使用边缘计算技术实时处理传感器数据，并利用数据融合算法生成三维数字孪生模型，可以根据模型预测生成优化的农业管理方案和巡检策略，通过实时采集和分析传感器数据，自动校准传感器，确保数据更新频率的一致性和数据同步的实时性，从而提高模型预测的准确性；根据准确性分析结果，动态调整园区巡检策略，能够更有效地识别和解决农业园区中的问题，优化资源配置，提高作物产量和质量，最终实现农业管理的智能化和精细化。

本发明授权基于数字孪生的农业园区智能巡检系统及方法在权利要求书中公布了：1.基于数字孪生的农业园区智能巡检方法，其特征在于：包括以下步骤； S1：在构建三维模型前，通过边缘计算技术实时处理传感器数据并进行初步分析，将处理后的数据输入到数字孪生平台； S2：数字孪生平台利用数据融合算法生成三维数字孪生模型，根据三维数字孪生模型的预测结果，初步生成农业管理方案，并确定园区巡检策略； 通过贝叶斯融合法生成三维数字孪生模型，具体为：收集实时的传感器观测数据，基于传感器特性和观测数据，构建似然函数，即在给定观测值情况下数据的概率分布；应用贝叶斯定理，根据先验分布和似然函数计算后验分布，贝叶斯公式：；其中，是后验分布，是似然函数，是先验分布，是证据；通过后验分布，得到数据的最优估计，生成综合处理后的数据集；使用地理信息系统软件对融合后的数据进行三维建模，使用三维建模软件生成农业园区的三维模型，反映地形，作物和环境信息； S3：根据园区巡检策略，通过不同类型的传感器实时采集园区内的土壤、气象和环境数据，并对不同数据源更新频率的一致性进行分析，根据分析结果自动校准传感器，具体为： 分析各传感器的数据更新频率，确保不同数据源的采集频率一致，计算每个传感器的更新频率，并比较其与预设频率之间的差异，对固定时间内传感器的频率差异变化情况进行分析，并生成整体更新频率偏差指数，则整体更新频率偏差指数的获取方法为： 获取s时间段内每个传感器的数据时间戳，记录每次数据更新的时间点，将时间戳转换为时间序列数据，形成每个传感器的数据更新序列，选择小波函数对传感器的数据更新序列进行离散小波变换，提取多尺度的频率成分，变换表达式为：；其中，是第e层的小波系数，xn是原始时间序列，是尺度为e、平移为h的小波函数；通过能量密度计算来确定主频率成分，具体的计算表达式为：；其中，是第e层的小波能量，根据主频率成分，计算每个传感器的实际更新频率，；式中，factual是实际更新频率，是主频率成分对应的时间间隔，比较每个传感器的实际更新频率与预设频率，计算频率偏差，；其中，是第i个传感器的频率偏差，是第i个传感器的实际更新频率，fpreset是预设更新频率；计算所有传感器的频率偏差，对其进行求和计算后得到整体更新频率偏差指数； S4：将边缘计算设备和中央数据服务器之间进行数据整合，对整合数据在时间和空间上的同步实时性进行分析，评估整合数据同步是否出现异常，具体为： 根据不同数据源在时间戳和地理定位上的同步程度生成数据同步实时性指数，则数据同步实时性指数的获取方法为：收集各传感器的数据时间戳序列，形成多个时间序列T1,T2,…,TN，将每个传感器的数据时间戳序列整理为统一的格式，确保时间序列的完整性；对于两个时间序列和，构建距离矩阵D，其中，D[k,h]表示时间戳tik和tjh之间的距离，其中，tik和tjh分别是时间序列Ti和Tj中的时间戳；构建累积距离矩阵C，其中C[k,h]表示从起始点到位置k,h的最小累积距离，具体的计算表达式为：C[k,h]=D[k,h]+minC[k−1,h],C[k,h−1],C[k−1,h−1]；其中，初始条件为C[1,1]=D[1,1]；通过回溯累积距离矩阵，找到最优对齐路径W，最小化两个时间序列的总对齐距离，其中，W={k1,h1,k2,h2,…,kp,hp}；计算最优对齐路径上的平均对齐距离，作为两个时间序列之间的距离，具体的计算表达式为：；p为路径总数；对所有传感器的数据时间戳序列对进行DTW计算，得到所有时间序列对的平均DTW距离记为，；N为传感器的总数量；计算每个数据点的实际位置与预期位置之间的差值，计算数据同步实时性指数，具体的计算表达式为：；其中，α和β是时间和空间同步性的权重系数，α和β的取值范围为（0,1）；为每个数据点的实际位置与预期位置之间的差值，DS为数据同步实时性指数； S5：将不同数据源更新频率的一致性和整合数据在时间和空间上的同步实时性进行综合分析，评估三维数字孪生模型预测结果的准确性； 将整体更新频率偏差指数和数据同步实时性指数转换为第一特征向量，将第一特征向量作为机器学习模型的输入，机器学习模型以每组第一特征向量预测三维数字孪生模型预测结果的准确性值标签为预测目标，以最小化对所有三维数字孪生模型预测结果的准确性值标签的预测误差之和作为训练目标，对机器学习模型进行训练，直至预测误差之和达到收敛时停止机器学习模型训练，根据机器学习模型输出结果确定三维数字孪生模型预测结果的准确性值； S6：根据评估结果，将三维数字孪生模型预测结果划分为准确性预测和不准确性预测，并根据划分结果动态调整园区巡检策略。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏常熟国家农业科技园区管理办公室;常熟市农业科技发展有限公司，其通讯地址为：215557 江苏省苏州市常熟市义虞路8号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。