一种种植环境自适应控制方法及装置与流程

本发明涉及作物管理技术领域，尤其涉及一种种植环境自适应控制方法及装置。

背景技术：

在植物培育的过程中，植物在不同的生长阶段对于环境有不同的需求，对于植物的培育通常需要针对不同的生长阶段来控制不同的参数，来保证其得到最优的培育环境。

现有技术中，对于植物的培育主要通过人为对作为进行生长阶段的判断，人工测量和记录数据，人工调整营养和环境，但是人工方式测量和记录的方式很多时候存在记录上的偏差和记录的不及时，并且人工方式测量和记录的方式费时费力，效率很低。

因此如何进行更高效更准确的生长阶段判断，确定最优培育环境已经成为业界亟待解决的问题。

技术实现要素：

本发明实施例提供一种种植环境自适应控制方法及装置，用以解决上述背景技术中提出的技术问题，或至少部分解决上述背景技术中提出的技术问题。

第一方面，本发明实施例提供一种种植环境自适应控制方法，包括：

获取环境监测数据和作物生长过程数据；

将所述环境监测数据和作物生长过程数据输入训练好的修正生长预测模型，得到作物生长阶段预测信息；

根据所述作物生长阶段预测信息和预设生长阶段与种植数据库，确定环境控制方案。

更具体的，在将所述环境监测数据和作物生长过程数据输入训练好的修正生长预测模型的步骤之前，所述方法还包括：

通过初始生长预测模型对第一环境监测数据和第一作物生长过程数据进行识别，得到第一作物生长状态预测信息；

通过训练好的图像识别模型对第一作物生长过程数据进行识别，得到第一图像识别信息；

将所述第一图像识别信息和第一作物生长状态预测信息进行对比，确定修正参数；

根据所述修正参数对所述初始生长预测模型进行训练，得到训练好的修正生长预测模型。

更具体的，在所述通过初始生长预测模型对第一环境监测数据和第一作物生长过程数据进行识别的步骤之前，所述方法还包括：

获取多个样本环境监测数据和多个样本作物生长过程数据；

将每个样本环境监测数据和每个样本作为生长过程数据作为一组训练样本，获取多组训练样本；

利用多组训练样本对预设神经网络进行训练，当满足预设条件时，得到初始生长预测模型。

更具体的，在所述通过训练好的图像识别模型对第一作物生长过程数据进行识别的步骤之前，所述方法还包括：

获取多个样本作物生长过程数据，将每个样本作物生长过程数据作为一个训练样本，获取多个训练样本；

利用多个训练样本对预设神经网络进行训练，当满足预设条件时，得到训练好的图像识别模型。

更具体的，所述环境监测数据包括：温湿度数据、二氧化碳浓度数据、光照强度数据、营养液数据和土壤数据。

更具体的，所述预设生长阶段与种植数据库包括作物生长阶段信息和所述作物生长阶段信息所对应的种植环境参数信息。

第二方面，本发明实施例提供一种种植环境自适应控制装置，包括：

采集模块，用于获取环境监测数据和作物生长过程数据；

分析模块，用于将所述环境监测数据和作物生长过程数据输入训练好的修正生长预测模型，得到作物生长阶段预测信息；

控制模块，用于根据所述作物生长阶段预测信息和预设生长阶段与种植数据库，确定环境控制方案。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述种植环境自适应控制方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述种植环境自适应控制方法的步骤。

本发明实施例提供的一种种植环境自适应控制方法及装置，通过将环境监测数据和作物生长过程数据输入训练好的修正生长预测模型，从而准确得到作物生长阶段预测信息，从而确定该作物生长阶段所对应的最优种植环境；其中，训练好的修正生长预测模型是通过考虑了样本环境监测数据、样本作物生长过程数据和人为干预所导致的修正参数进行训练，其考虑了植物生长过程中人为因素导致作物结构变化，使得预测的作物生长阶段预测信息更加准确，从而实现植物种植环境的自适应控制。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例中所描述的种植环境自适应控制方法流程示意图；

图2为本发明一实施例所描述的种植环境自适应控制步骤流程图；

图3为本发明一实施例所描述的种植环境自适应控制装置结构示意图；

图4为本发明一实施例所描述的电子设备结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明一实施例中所描述的种植环境自适应控制方法流程示意图，如图1所示，包括：

步骤s1，获取环境监测数据和作物生长过程数据；

步骤s2，将所述环境监测数据和作物生长过程数据输入训练好的修正生长预测模型，得到作物生长阶段预测信息；

步骤s3，根据所述作物生长阶段预测信息和预设生长阶段与种植数据库，确定环境控制方案。

具体的，本发明实施例中所描述的环境监测数据可以是指温湿度、二氧化碳浓度、光照强度、营养液数据或土壤等数据。

本发明实施例中所描述的作物生长过程数据可以是指生长过程图像的实时监控图像。

本发明实施例中所描述的训练好的修正生长预测模型具体是指在初始生长预测模型的基础上，额外针对于修正参数进行训练后的预测模型。

本发明实施例中所描述的修正参数是指人为干预所导致的差异值或者是因实际培育过程中因其他因素所导致的差异值；修正参数是通过将第一图像识别信息和第一作物生长状态预测信息进行对比所得到的修正参数；其中，第一图像识别信息是通过训练好的图像识别模型对第一作物生长过程数据进行识别，其中，第一作物生长状态预测信息初始生长预测模型对第一环境监测数据和第一作物生长过程数据进行识别得到。

本发明实施例中所描述的预设生长阶段与种植数据库是基于历史种植环境数据和种植品质结果，选择种植优质种植结果对应的种植环境参数，形成生长阶段与其对应的种植环境参数库，基于不同的生长阶段，给出种植环境参数的调整建议，同时随着优质种植数据的积累和分析优化，更新预设生长阶段与种植数据库。

步骤s1具体为，通过环境监测物联网设备采集生长过程中的实时作物生长过程数据和环境监测数据；

步骤s2具体为，将获取的作物生长过程数据和环境监测数据输入额外进行修正参数训练后的训练好的修正生长预测模型，从而得到作物生长阶段预测信息。

步骤s3具体为，根据该作物生长阶段预测信息，在预设生长阶段与种植数据库找到该作物生长阶段预测信息所对应的种植环境参数，根据其对应的种植环境参数确定环境控制方案。

本发明实施例还包括环境控制装置通过环境控制方案对种植环境进行调控，如温湿度控制系统、二氧化碳浓度控制系统、光照控制系统实现基于环境控制方案对参数实现自适应精确控制，营养液数据循环系统和配比系统，实现营养液数据参数基于作物生长阶段的自适应精确控制。

本发明实施例中所描述的作物生长过程数据包括作物生长过程中的图像信息。

本发明实施例通过将环境监测数据和作物生长过程数据输入训练好的修正生长预测模型，从而准确得到作物生长阶段预测信息，从而确定该作物生长阶段所对应的最优种植环境；其中，训练好的修正生长预测模型是通过考虑了样本环境监测数据、样本作物生长过程数据和人为干预所导致的修正参数进行训练，其考虑了植物生长过程中人为因素导致作物结构变化，使得预测的作物生长阶段预测信息更加准确，从而实现植物种植环境的自适应控制。

在上述实施例的基础上，在将所述环境监测数据和作物生长过程数据输入训练好的修正生长预测模型的步骤之前，所述方法还包括：

通过初始生长预测模型对第一环境监测数据和第一作物生长过程数据进行识别，得到第一作物生长状态预测信息；

通过训练好的图像识别模型对第一作物生长过程数据进行识别，得到第一图像识别信息；

将所述第一图像识别信息和第一作物生长状态预测信息进行对比，确定修正参数；

根据所述修正参数对所述初始生长预测模型进行训练，得到训练好的修正生长预测模型。

具体的，本发明实施例中所描述的初始生长预测模型是根据样本环境监测数据和样本作物生长过程数据训练得到的预测模型。

基于训练好的初始生长预测模型对采集的第一环境监测数据和第一作物生长过程数据进行识别，评估此时植物当下的生长阶段，得到第一作物生长状态预测信息。

通过训练好的图像识别模型对第一作物生长过程数据中的作物图像进行分析识别，得到植物株高。叶片数量、颜色和大小等特征和结构的变化等识别信息，即第一图像识别信息。

基于训练好的图像识别模型分析得到的第一图像识别信息中的作物识别信息与第一作物生长状态预测信息所对应的作物识别信息进行比较，确定修正参数。

将修正参数输入初始生长预测模型进行训练，对植物的生长过程的预测进行修正，得到训练好的修正生长预测模型。

本发明实施例通过比较初始生长预测模型所预测的生长状态预测信息所对应的作物识别信息与训练好的图像识别模型实际识别得到的图像识别信息进行对比，从而确定预测值与实际值之间存在的差值，将其作为修正参数，并将修正参数输入初始生长预测模型进行训练，从而使得训练好的修正生长预测模型预测的作物生长阶段预测信息更加准确。

在上述实施例的基础上，在所述通过初始生长预测模型对第一环境监测数据和第一作物生长过程数据进行识别的步骤之前，所述方法还包括：

获取多个样本环境监测数据和多个样本作物生长过程数据；

将每个样本环境监测数据和每个样本作为生长过程数据作为一组训练样本，获取多组训练样本；

利用多组训练样本对预设神经网络进行训练，当满足预设条件时，得到初始生长预测模型。

具体的，本发明实施例中所描述的预设条件可以是指预定训练次数，例如训练500次，预设条件也可以是指预设训练时间，例如训练30分钟。

本发明实施例中所描述的预设神经网络可以是指卷积神经网络，也可以是指深度前馈神经网络。

每个样本环境监测数据和每个样本作为生长过程数据作为一组训练样本，获取多组训练样本，进行训练，在满足预设条件时，得到初始生长预测模型。

本发明实施例中所描述的初始生长预测模型可以用于实现对于做作物生长状态预测信息的预测，有利于后续步骤的进行。

在上述实施例的基础上，在所述通过训练好的图像识别模型对第一作物生长过程数据进行识别的步骤之前，所述方法还包括：

获取多个样本作物生长过程数据，将每个样本作物生长过程数据作为一个训练样本，获取多个训练样本；

利用多个训练样本对预设神经网络进行训练，当满足预设条件时，得到训练好的图像识别模型。

具体的，本发明实施例中所描述的预设神经网络可以是指卷积神经网络，也可以是指深度前馈神经网络。

每个样本环境监测数据和每个样本作为生长过程数据作为一组训练样本，获取多组训练样本，进行训练，在满足预设条件时，得到初始生长预测模型。

本发明实施例中所描述的作物生长过程数据是指作物生长过程中的作物图像。

本发明实施例通过利用多个作物生长过程数据对预设神经网络进行训练识别作物图像，得到图像识别信息，有利于后续步骤的进行。

在上述实施例的基础上，所述环境监测数据包括：温湿度数据、二氧化碳浓度数据、光照强度数据、营养液数据和土壤数据。

具体的，其中的环境监测数据可以是通过环境监测物联网设备采集的。

在上述实施例的基础上，所述预设生长阶段与种植数据库包括作物生长阶段信息和所述作物生长阶段信息所对应的种植环境参数信息。

具体的，预设生长阶段与种植数据库是基于历史种植环境数据和种植品质结果，选择种植优质种植结果对应的种植环境参数，形成生长阶段与其对应的种植环境参数库，基于不同的生长阶段，给出种植环境参数的调整建议，同时随着优质种植数据的积累和分析优化，更新预设生长阶段与种植数据库。

图2为本发明一实施例所描述的种植环境自适应控制步骤流程图，如图2所示，包括：

步骤210，分析历史不同种植环境参数与种植品质数据，找出优质的种植参数，形成预设生长阶段与种植数据库，用以指导在不同生长阶段的环境控制方案；

步骤220，基于历史采集的环境数据、生长过程数据和作物图像数据，训练初始生长预测模型和图像识别模型，分别用以预测作物的生长阶段和对采集的作物图像进行准确识别；

步骤230，利用环境监测物联网设备，采集生长过程的实时数据，输入生长预测模型，对作物生长阶段进行预测；

步骤240，对采集的图像进行分析，识别作物当下的实际信息；

步骤250，基于步骤240的识别结果和步骤230的生长预测进行对比，得到差异值，将差异值作为输入更新初始生长预测模型；

步骤260，基于生长阶段的判断，从预设生长阶段与种植数据库中获取该阶段的控制参数，下达给环境控制装置，环境控制装置获取参数控制的命令，进行环境参数的自适应控制和调节。

图3为本发明一实施例所描述的种植环境自适应控制装置结构示意图，如图3所示，包括：采集模块310、分析模块320和控制模块330；其中，采集模块310用于获取环境监测数据和作物生长过程数据；其中，分析模块320用于将所述环境监测数据和作物生长过程数据输入训练好的修正生长预测模型，得到作物生长阶段预测信息；其中，控制模块330用于根据所述作物生长阶段预测信息和预设生长阶段与种植数据库，确定环境控制方案。

本发明实施例提供的装置是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。

本发明实施例通过将环境监测数据和作物生长过程数据输入训练好的修正生长预测模型，从而准确得到作物生长阶段预测信息，从而确定该作物生长阶段所对应的最优种植环境；其中，训练好的修正生长预测模型是通过考虑了样本环境监测数据、样本作物生长过程数据和人为干预所导致的修正参数进行训练，其考虑了植物生长过程中人为因素导致作物结构变化，使得预测的作物生长阶段预测信息更加准确，从而实现植物种植环境的自适应控制。

图4为本发明一实施例所描述的电子设备结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(communicationsinterface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行如下方法：获取环境监测数据和作物生长过程数据；将所述环境监测数据和作物生长过程数据输入训练好的修正生长预测模型，得到作物生长阶段预测信息；根据所述作物生长阶段预测信息和预设生长阶段与种植数据库，确定环境控制方案。

此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取环境监测数据和作物生长过程数据；将所述环境监测数据和作物生长过程数据输入训练好的修正生长预测模型，得到作物生长阶段预测信息；根据所述作物生长阶段预测信息和预设生长阶段与种植数据库，确定环境控制方案。

本发明实施例提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储服务器指令，该计算机指令使计算机执行上述各实施例提供的方法，例如包括：获取环境监测数据和作物生长过程数据；将所述环境监测数据和作物生长过程数据输入训练好的修正生长预测模型，得到作物生长阶段预测信息；根据所述作物生长阶段预测信息和预设生长阶段与种植数据库，确定环境控制方案。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。