武梅农业合作社数据可视化技术应用分析

□朱洪云，王金兵

（淮阴工学院 江苏 淮安 223003）

1 武梅农业合作社现状

农业合作社是以农民为主体、家庭为单位，通过提供农产品销售、加工、运输、贮藏等与经营有关的服务来实现成员互助目的的经济性组织。根据有关数据统计，截至2019 年10 月，全国有220.3 万家依法登记的农业合作社，农业合作社总体数量较2009 年初期增长近9 倍。

淮安市武梅农业合作社起源于1987 年共产党员刘桂兰自费到苏南取经，学习农业集约化经营的经验，进行辣椒制种，逐步发展壮大。合作社成立以来，分别被评为“全国科普惠农兴村先进单位”“淮安市先进农民合作组织”“淮安市合作示范社”“全国示范合作社”“巾帼示范基地”。

2010 年合作社的二代领导人获得“淮安市三八红旗手”称号，2014 年获得“全国三八红旗手”称号，2015 年获得“江苏带头致富优秀企业家”称号。第三代接班人转向网络销售和网下订购，种植40 多种瓜果蔬菜，为“陶氏果业”“大熊水果店”和30 多家大型水果店供应水果。

2012 年合作社整合建立了“农产品质量安全溯源系统”，且成功注册了“武梅”牌西瓜商标，并先后于2014 年、2015 年获得“淮安市知名商标”“江苏省著名商标”和“绿色产品证书”等荣誉，“武梅西瓜”销往上海、北京、徐州等地。

在现代社会，随着科学和信息技术的快速发展，大数据技术越来越成熟，与人们的生活联系越来越紧密。在这样的大环境中，各行各业都利用大数据来扩大经营范围。

但就目前而言，农业合作社由于其本身的特性，和大数据技术融合度不高。虽然有相应的网络销售方式，但随着农业合作社的逐步扩大，在合作社实际运行过程中，信息收集方面缺乏相应机制，信息技术应用能力低下，无法及时掌握行业的变化，产品调节滞后，产品反馈机制有待提高，难以发挥合作社的综合效益等。

2 已有的研究

数字化已渗透到农业产业链中，在农业大数据的应用中，美国农业部通过庞大、完整的农业信息体系，及时、准确地收集、整理和发布信息，不仅影响本国的农业生产，还对世界上其他农业大国的农业生产和农民收入产生影响[1]；韩国以传感器和网络为基础的大数据收集和体系化的农业生产系统、植物工厂技术是其主要的农业生产技术[2]。《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》提出，加快构建全国一体化大数据中心体系，建设若干国家枢纽节点和大数据中心集群，加快发展智慧农业。我国农业大数据技术与应用发展较快，“天空地”大数据获取、大数据建模分析预测、数据驱动智慧决策等取得较大进展，大数据应用正向农业全产业链全过程覆盖[3]。在农业大数据的研究中，通过采集各种农业统计数据，运用数据挖掘技术对农业生产和经营提出指导性建议。随着物联网、大数据和人工智能时代的到来，基于信息流动态监测的农业全产业链的数据经济将呈现快速发展态势。农业大数据工作，要突出品种导向，聚焦水稻、小麦、玉米、大豆、棉花、油菜籽、糖料、橡胶、苹果、柑橘、茶叶、蔬菜、生猪、牛羊、鱼类等重要农产品，进行重要农产品全产业链大数据建设，构建包括生产、消费、贸易、价格、成本、收益的重要农产品单品种大数据资源，实现重要农产品全程大数据管理[4]。

Swati Hira 和P.S.Deshpande（2015）[5]构筑农业参数、环境特性、地理特性等全方位分析、统计分析，进行相关数据的全方位使用模型和数据挖掘技术的多维分析。杨凌雯（2016）[6]针对农业信息网站缺乏对数据进行动态的分析和预测功能，构建基于数据挖掘的智慧农业生产系统，以算法为核心，实现地力等级分析和产量预测等功能。徐勇（2017）[7]分析了农业大数据平台的主要技术，搭建了具有挖掘功能的大数据平台，使用多维数据的可视化技术，实现平台的可视化功能。黄文秀（2018）[8]根据我国农业数据多维动态、不完整和不确定性等特点，将NET、C#、Web 服务和SQL Server 技术结合起来，开发基于Web 农产品市场数据挖掘系统，为企业决策者提供有价值的知识信息。侯亮等（2018）[9]认为现代农业发展过程中出现了大量非关系型、非结构化数据，大数据环境下的数据挖掘技术能够挖掘出有助于探索农业信息潜在的相关性和规律，并根据农业大数据的特征构建了Hadoop 的农业大数据挖掘系统。张泽等（2019）[10]认为农业大数据应用将推动生产和销售一体化、推动农业生产链各个环节的衔接，对利用互联网信息技术完善农业管理结构、优化农业信息化模式、普及农业种植技术、改善种植环境具有关键作用。肖朋和（2019）[11]认为农业生产过程中的物联网、大数据、云计算、人工智能等技术普及和应用，产生了海量数据，数据结构不尽相同。从海量数据到可用信息的转换需要进行大量的统计分析和数据挖掘，设计基于web 的农业数据挖掘系统，从大量、不完全、有噪声、模糊和随机的数据中提取有效的信息，通过可视化显示，协助用户进行农业生产决策。孟国庆（2020）[12]利用网络爬虫技术抓取数据，实现多源数据采集，在数据整合的基础上，进行影响因子筛选，结合网络开发技术，利用django Web 框架进行设计，实现农业统计数据挖掘和可视化系统。Jie Wang 等（2016）[13]针对大部分农业数据分散在不同信息系统中的现状，采用JSoup 技术构建一个用于农业数据的Web 爬虫系统，对数据进行有关挖掘和回归分析，为用户提供有价值的信息，提高数据深度处理能力。顾颖和祁小敏（2020）[14]构建一种基于GIS 的南京市农业大数据可视化平台，平台可以根据用户需求准确聚类南京市农业数据，运用可视化操作界面进行反馈。刘海燕等（2021）[15]根据新疆不同地区及不同成熟度的棉花种植分区，建立我国典型棉田生态系统的微生物数据库，建成包含土壤微生物多样性的可视化分析流程。

综上所述，数据挖掘技术为农业生产发展和技术创新起到重大作用。常用的数据挖掘方法有关联规则、主成分分析法、灰色预测等。数据挖掘技术通过将挖掘算法和计算机技术结合，利用各种编程语言进行数据处理，挖掘信息，可以在海量数据中快速高效地获取各种有用信息，还可以采用可视化手段展示挖掘结果以便于使用。对农业大数据的挖掘和可视化应用在农业生产、销售等过程中的研究越来越具体、深入大数据技术与传统农业的结合符合实践发展的要求。

3 武梅农业合作社可视化应用优势

数据可视化涉及数据图像化创建与展示，可用任何可用的技术和手段来制作图表、图片或动画以进行交流、沟通，具体表现为统计图形、图表、信息表和其他工具的形式。目前，农产品企业利用互联网进行生产、销售、运作已成为常态，越来越多的企业通过数据可视化应用来节约成本，寻求利润增长点，提高市场占有率。经过调研分析，淮安市武梅农业合作社可视化应用水平较低，数据分析利用效率低，知名度不高。武梅农业合作社通过收集、整理、分析用户消费数据，利用可视化分析，可以获得下列优势。

（1）供求趋于平衡。通过对比市场动态和用户消费数据，进行相应预测，根据客户需求调整农产品种植种类，使得农产品供求在季节、供求量上趋于一致。

（2）有利于拓展营销渠道，扩大市场占有率。运用可视化技术可以根据客户的需求进行相应的促销活动，提高市场占有率，扩大利润空间。

（3）改善服务，提高服务质量。利用可视化技术，更加及时准确地预测客户需求变化，进行数据挖掘分析，积极改善服务，提高售前、售中、售后全流程服务质量。

（4）有利于武梅农业合作社回馈社会。根据盈利状况的可视化分析，武梅农业合作社尽可能雇佣农村闲散人员，充分利用农业生产的季节性特点，以散工形式增加当地农民经济收入，销售有余的农产品免费分发给有需要的群体。

4 武梅农业合作社可视化设计

武梅农业合作社采用浏览器、服务器，用户界面通过WWW 浏览器实现，采用开源MySQL 数据库进行数据存储，利用爬虫技术抓取数据，采用ECharts 展示爬取到的大量农业数据和其他销售、订单数据。武梅农业合作社可视化设计具有农产品市场趋势的可视化、销售数据的可视化和消费者偏好的可视化功能。除了功能需求以外，非功能需求分析包括性能需求、安全性、可维护性、可拓展性、可靠性、易用性等，这些特性影响系统能否持续、稳定、高效地提供服务。

在数据整理和抽取过程中，从服务器端获取网页URL，URL 的获得途径有从客户端获得已形成的解析网站和获得更新的URL 两种方式。根据所获取的URL 链接网页，获取网页源代码，再获取网页源代码中标签、空格等内容，形成XML 文档。在爬取某些网页时，需要注意一些网页在设计时特意进行了防止恶意采集信息的反爬虫设置。因此需要设置Headers 信息去模拟浏览器进行访问，在数据公开的网站爬取数据时，不需要设置Headers 信息。

在农产品市场趋势的可视化设计中，选用中华人民共和国农业农村部官网，其网站上公开全国各地农产品价格。确定好数据爬取的网站和数据的关键词后，对其URL 对应的网站进行内容的抓取，遍历整个网页的html 代码，寻找需要的数据信息，包括产品名称、生产地名称、产品规格、产品单位、最高价格、最低价格、均价等。完成数据爬取后，将抓取的内容进行简单的处理并保存到本地文件中，在数据库设计完成后，将爬取的数据内容清洗、整理后放置到数据库中。

在可视化具体模块设计中梳理需求后，根据展示内容，列出所有需要的数据。武梅农业合作社数据可视化展示的内容如表1 所示。

表1 展示内容

在总体设计中，系统进入界面，登录初始界面后，在信息一栏中点击产品名称，即可进入价格趋势可视化展示界面。以图1 和图2 为例，比较了草莓、无花果、萝卜这三种农作物在2020 年3 个月内销售量和单价变化趋势。根据趋势图，武梅农业合作社可以及时调整种植产品和种植量，减少潜在风险带来的损失。

5 结束语

数据挖掘技术、可视化技术与传统行业的融合日益深入，农业现代化离不开信息技术的应用，农产品数据具有独特的特点，也有数据的共性。有效挖掘数据隐藏信息，提炼出有价值的知识信息，可以提高农业企业的生产效益和决策效率。在后期研究中，可以从自然条件、企业发展水平等方面建立多因素预测模型，对各种作物的种植面积进行预测，从供给侧角度优化种植结构，采用完全集成的方式构建出“预测—种植—销售”一体化模型。