CN106561347A - 一种基于机器学习的植物智能培育系统及方法 - Google Patents
一种基于机器学习的植物智能培育系统及方法 Download PDFInfo
- Publication number
- CN106561347A CN106561347A CN201610930464.1A CN201610930464A CN106561347A CN 106561347 A CN106561347 A CN 106561347A CN 201610930464 A CN201610930464 A CN 201610930464A CN 106561347 A CN106561347 A CN 106561347A
- Authority
- CN
- China
- Prior art keywords
- plant
- parameter
- plant cultivation
- cultivation
- stage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/18—Greenhouses for treating plants with carbon dioxide or the like
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
- A01G9/246—Air-conditioning systems
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
- A01G9/247—Watering arrangements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cultivation Of Plants (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种基于机器学习的植物智能培育系统及方法，其中系统包括植物数据采集单元、云计算处理单元、植物培育机器学习单元、植物培育控制单元、植物培育单元；所述云计算处理单元用于分析和处理所述植物数据采集单元采集的植物图片数据和植物超光谱数据，所述植物培育机器学习单元用于利用所述云计算处理单元获取的与植物生长过程中各个阶段的植物培育参数对应的植物生长参数训练植物培育机器模型，使得所述已训练的植物培育机器模型在输入植物生长某阶段的植物生长参数时输出植物生长该阶段的下一阶段的植物培育参数；实现了植物智能培育系统的再学习功能，使得所述植物智能培育系统能够自我优化，自我提升，从而培育出更高质量的植物。
Description
技术领域
本发明涉及植物智能培育技术领域，尤其涉及一种基于机器学习的植物智能培育系统及方法。
背景技术
随着人们生活水平的提高，绿色、环保、健康的生活方式越来越被重视，人工植物培育是保证食物安全的一个重要途径，现有的人工植物培育系统采用已有的植物培育数据建立植物控制模型和植物控制参数，不能根据植物的具体生长状况和生长环境对植物控制模型和植物控制参数实时调整，使得所述人工植物培育系统不具有再学习的功能，从而无法不断提升植物的生长质量。
发明内容
本发明提供一种基于机器学习的植物智能培育系统及方法，实现了植物智能培育系统的再学习功能，使得所述植物智能培育系统能够自我优化，自我提升，从而培育出更高质量的植物。
为了解决上述技术问题，本发明所采取的技术方案为：
本发明一方面提供一种基于机器学习的植物智能培育系统，包括植物数据采集单元、云计算处理单元、植物培育机器学习单元、植物培育控制单元、植物培育单元；
所述植物数据采集单元用于采集与植物生长过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理单元用于分析和处理所述植物数据采集单元采集的与植物生长过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据，获取与植物生长过程中各个阶段的植物培育参数对应的植物生长参数，并保存所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长参数；
所述植物培育机器学习单元用于利用所述云计算处理单元获取的与植物生长过程中各个阶段的植物培育参数对应的植物生长参数训练植物培育机器模型，使得所述已训练的植物培育机器模型在输入植物生长某阶段的植物生长参数时输出植物生长该阶段的下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令输入给植物培育控制单元；
所述植物数据采集单元还用于在植物培育过程中，实时采集与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理单元还用于在植物培育过程中，实时分析和处理所述植物数据采集单元实时采集的与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；实时获取与植物培育过程中各个阶段的植物培育参数对应的植物生长参数并发送给植物培育机器学习单元；
所述植物培育机器学习单元的已训练的植物培育机器模型还用于在植物培育过程中，比对云计算处理单元实时获取的与植物培育过程中各个阶段植物培育参数对应的植物生长参数与保存在云计算处理单元中对应的所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长参数是否一致；若不一致，则调整云计算处理单元中保存的植物培育参数及其对应的生长参数，所述植物培育机器学习单元利用调整后的植物培育参数及其对应的生长参数对已训练的植物培育机器模型进行再训练；
所述植物培育机器学习单元还用于在植物培育过程中，利用已训练的植物培育机器模型输出植物下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令输入给植物培育控制单元；
所述植物培育控制单元用于根据输入的植物培育控制指令控制植物培育单元的培育系统；
所述植物培育单元的培育系统用于提供植物生长需要的生长条件。
进一步地，所述植物培育机器学习单元还根据文献资料记载的植物培育数据预先设置植物生长各个阶段的初始植物培育参数，并将所述文献资料记载的初始植物培育参数及其对应的植物生长参数作为比对数据初始值，存入云计算处理单元。
进一步地，所述植物培育单元的培育系统包括光照系统、温度控制系统、湿度控制系统、养份含量控制系统及二氧化碳浓度控制系统。
又进一步地，所述植物培育参数包括光照强度参数、温度参数、湿度参数、养份含量参数。
还进一步地，所述植物生长参数包括植物叶片大小、叶片形状、果实大小、果实形状、叶绿素含量。
本发明另一方面提供一种基于机器学习的植物智能培育方法，包括植物数据采集步骤、云计算处理步骤、植物培育机器学习步骤、植物培育控制步骤、植物培育步骤；
所述植物数据采集步骤包括采集与植物生长过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理步骤包括分析和处理所述植物数据采集步骤采集的与植物生长过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据，获取与植物生长过程中各个阶段的植物培育参数对应的植物生长参数，并保存所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长参数；
所述植物培育机器学习步骤包括利用所述云计算处理步骤获取的与植物生长过程中各个阶段的植物培育参数对应的植物生长参数训练植物培育机器模型，使得所述已训练的植物培育机器模型在输入植物生长某阶段的植物生长参数时输出植物生长该阶段的下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令；
所述植物数据采集步骤还包括在植物培育过程中，实时采集与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理步骤还包括在植物培育过程中，实时分析和处理所述植物数据采集步骤实时采集的与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；实时获取与植物培育过程中各个阶段的植物培育参数对应的植物生长参数；
所述植物培育机器学习步骤中已训练的植物培育机器模型还用于在植物培育过程中，比对云计算处理步骤实时获取的与植物培育过程中各个阶段植物培育参数对应的植物生长参数与保存的所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长参数是否一致；若不一致，则调整保存的植物培育参数及其对应的生长参数，在所述植物培育机器学习步骤中，利用调整后的植物培育参数及其对应的生长参数对已训练的植物培育机器模型进行再训练；
所述植物培育机器学习步骤还包括在植物培育过程中，利用已训练的植物培育机器模型输出植物下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令；
所述植物培育控制步骤包括根据植物培育控制指令控制植物培育系统；
所述植物培育步骤包括利用植物培育系统为植物生长提供生长条件。
进一步地，所述植物培育机器学习步骤还根据文献资料记载的植物培育数据预先设置植物生长各个阶段的初始植物培育参数，并将所述文献资料记载的初始植物培育参数及其对应的植物生长参数作为比对数据初始值，存入云计算处理单元。
进一步地，所述植物培育系统包括光照系统、温度控制系统、湿度控制系统、养份含量控制系统及二氧化碳浓度控制系统。
又进一步地，所述植物培育参数包括光照强度参数、温度参数、湿度参数、养份含量参数。
还进一步地，所述植物生长参数包括植物叶片大小、叶片形状、果实大小、果实形状、叶绿素含量。
本发明提供的一种基于机器学习的植物智能培育系统及方法，解决了现有植物培育系统不具有再学习功能的问题，实现了植物智能培育系统的自我优化和自我提升，通过智能控制植物培育单元的光照系统、温度控制系统、湿度控制系统、养份含量控制系统及二氧化碳浓度控制系统为植物培育创造了最佳的植物生长环境，使得培育出的植物质量更高、产量更大，另外，本发明提供的植物智能培育系统可以根据植物的具体生长状况和生长环境对植物培育机器模型及其植物培育参数进行实时调整，能够适应大规模的人工植物培育生产，实现植物高效、高产、高质、可持续生产的生产系统。
附图说明
图1是本发明实施例提供的一种基于机器学习的植物智能培育系统结构示意图；
图2是本发明实施例提供的植物生长参数获取过程结构示意图；
图3是本发明实施例提供的植物培育机器训练过程结构示意图；
图4是本发明实施例提供的植物培育机器再训练过程结构示意图；
具体实施方式
下面结合附图具体阐明本发明的实施方式，附图仅供参考和说明使用，不构成对本发明专利保护范围的限制。
本发明实施例一方面提供一种基于机器学习的植物智能培育系统，如图1所示，包括植物数据采集单元、云计算处理单元、植物培育机器学习单元、植物培育控制单元、植物培育单元；
在本实施例中，所述植物数据采集单元用于采集与植物生长过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据(Hyperspectral Data)；根据实际情况及用户的不同需求，所述植物数据采集单元还用于采集与植物生长过程中各个阶段的植物培育参数对应的其他植物数据，如植物生长视频；
所述云计算处理单元用于分析和处理所述植物数据采集单元采集的与植物生长过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据，获取与植物生长过程中各个阶段的植物培育参数对应的植物生长参数，并保存所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长参数；如图2所示为植物生长参数获取过程结构示意图；
所述植物培育机器学习单元用于利用所述云计算处理单元获取的与植物生长过程中各个阶段的植物培育参数对应的植物生长参数训练植物培育机器模型，使得所述已训练的植物培育机器模型在输入植物生长某阶段的植物生长参数时输出植物生长该阶段的下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令输入给植物培育控制单元；如图3所示，是植物培育机器训练过程结构示意图；需要说明的是所述植物数据采集单元采集的与植物生长过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据均来自各用户培育种植的同品种植物。
所述植物数据采集单元还用于在植物培育过程中，实时采集与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理单元还用于在植物培育过程中，实时分析和处理所述植物数据采集单元实时采集的与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；实时获取与植物培育过程中各个阶段的植物培育参数对应的植物生长参数并发送给植物培育机器学习单元；
所述植物培育机器学习单元的已训练的植物培育机器模型还用于在植物培育过程中，比对云计算处理单元实时获取的与植物培育过程中各个阶段植物培育参数对应的植物生长参数与保存在云计算处理单元中对应的所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长参数是否一致；若不一致，则调整云计算处理单元中保存的植物培育参数及其对应的生长参数，所述植物培育机器学习单元利用调整后的植物培育参数及其对应的生长参数对已训练的植物培育机器模型进行再训练；如图4所示，是植物培育机器再训练过程结构示意图；
需要说明的是：在所述植物培育机器学习单元的已训练的植物培育机器模型比对云计算处理单元实时获取的与植物培育过程中各个阶段植物培育参数对应的植物生长参数与保存在云计算处理单元中对应的所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长参数是否一致时：
当植物培育过程中某阶段的植物生长参数与云计算处理单元保存的植物生长过程中该阶段的生长参数一致时，已训练的植物培育机器模型将云计算处理单元中保存的该阶段植物生长参数对应的下一阶段植物培育参数转换成植物培育控制指令输入给植物培育控制单元；所述植物培育控制单元再根据所述植物培育控制指令控制植物培育单元的培育系统对植物进行下一阶段的植物培育；
当植物培育过程中某阶段的植物生长参数与云计算处理单元保存的植物生长过程中该阶段的生长参数不一致时，首先判断所述该阶段的生长参数是否优于云计算处理单元保存的植物生长过程中该阶段的生长参数，若是，则用该植物培育过程中该阶段的植物生长参数替换云计算处理单元保存的植物生长过程中该阶段的生长参数，若所述该阶段的生长参数不是优于云计算处理单元保存的植物生长过程中该阶段的生长参数，则调整该阶段植物生长参数对应的在云计算处理单元保存的下一阶段植物培育参数，并将调整后的所述植物培育参数转换成植物培育控制指令输入给植物培育控制单元；所述植物培育控制单元再根据所述植物培育控制指令控制植物培育单元的培育系统对植物进行下一阶段的植物培育；若所述下一阶段的植物生长参数与云服务器保存的植物生长过程中此阶段的生长参数一致或者优于云服务器保存的植物生长过程中此阶段的生长参数，则将所述调整后的植物培育参数及其对应的植物生长参数保存在云计算处理单元中，并将调整后的植物培育参数及其对应的植物生长参数输入到已训练的植物培育机器模型中，对已训练的植物培育机器模型进行再训练；若所述下一阶段的植物生长参数与云服务器保存的植物生长过程中此阶段的生长参数劣于云服务器保存的植物生长过程中此阶段的生长参数，则放弃所述调整后的植物培育参数及其对应的植物生长参数，不对其进行处理。
所述植物培育机器学习单元还用于在植物培育过程中，利用已训练的植物培育机器模型输出植物下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令输入给植物培育控制单元；
所述植物培育控制单元用于根据输入的植物培育控制指令控制植物培育单元的培育系统；
所述植物培育单元的培育系统用于提供植物生长需要的生长条件。
根据所培育的植物类型，所述植物生长过程中的各个阶段包括如种子播种阶段、种子发芽阶段、植物根茎叶生长阶段、植物开花阶段、果实生长阶段等阶段，所述植物培育机器学习单元根据云计算处理单元获取的植物生长参数即可确定所述植物处于什么生长阶段。
具体地，所述植物培育机器学习单元还根据文献资料记载的植物培育数据预先设置植物生长各个阶段的初始植物培育参数，并将所述文献资料记载的初始植物培育参数及其对应的植物生长参数作为比对数据初始值，存入云计算处理单元。
具体地，所述植物培育单元的培育系统包括但不限于光照系统、温度控制系统、湿度控制系统、养份含量控制系统及二氧化碳浓度控制系统。
具体地，所述植物培育参数包括但不限于光照强度参数、温度参数、湿度参数、养份含量参数。
具体地，所述植物生长参数包括但不限于植物叶片大小、叶片形状、果实大小、果实形状、叶绿素含量。
本发明另一方面提供一种基于机器学习的植物智能培育方法，包括植物数据采集步骤、云计算处理步骤、植物培育机器学习步骤、植物培育控制步骤、植物培育步骤；
所述植物数据采集步骤包括采集与植物生长过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理步骤包括分析和处理所述植物数据采集步骤采集的与植物生长过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据，获取与植物生长过程中各个阶段的植物培育参数对应的植物生长参数，并保存所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长参数；
所述植物培育机器学习步骤包括利用所述云计算处理步骤获取的与植物生长过程中各个阶段的植物培育参数对应的植物生长参数训练植物培育机器模型，使得所述已训练的植物培育机器模型在输入植物生长某阶段的植物生长参数时输出植物生长该阶段的下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令；
所述植物数据采集步骤还包括在植物培育过程中，实时采集与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理步骤还包括在植物培育过程中，实时分析和处理所述植物数据采集步骤实时采集的与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；实时获取与植物培育过程中各个阶段的植物培育参数对应的植物生长参数；
所述植物培育机器学习步骤中已训练的植物培育机器模型还用于在植物培育过程中，比对云计算处理步骤实时获取的与植物培育过程中各个阶段植物培育参数对应的植物生长参数与保存的所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长参数是否一致；若不一致，则调整保存的植物培育参数及其对应的生长参数，在所述植物培育机器学习步骤中，利用调整后的植物培育参数及其对应的生长参数对已训练的植物培育机器模型进行再训练；其中，所述调整保存的植物培育参数及其对应的生长参数的调整方式与系统实施方案的调整方式一样。
所述植物培育机器学习步骤还包括在植物培育过程中，利用已训练的植物培育机器模型输出植物下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令；
所述植物培育控制步骤包括根据植物培育控制指令控制植物培育系统；
所述植物培育步骤包括利用植物培育系统为植物生长提供生长条件。
具体地，所述植物培育机器学习步骤还根据文献资料记载的植物培育数据预先设置植物生长各个阶段的初始植物培育参数，并将所述文献资料记载的初始植物培育参数及其对应的植物生长参数作为比对数据初始值，存入云计算处理单元。
具体地，所述植物培育系统包括但不限于光照系统、温度控制系统、湿度控制系统、养份含量控制系统及二氧化碳浓度控制系统。
具体地，所述植物培育参数包括但不限于光照强度参数、温度参数、湿度参数、养份含量参数。
具体地，所述植物生长参数包括但不限于植物叶片大小、叶片形状、果实大小、果实形状、叶绿素含量。
在本实施方案中，所述云计算处理单元根据采集的植物图片数据获取植物的叶片大小、叶片形状、果实大小、果实形状等物理参数，所述云计算处理单元根据采集的植物超光谱数据获取植物的叶绿素及其他化学参数，其中叶绿素是常见的有机化合物，在植物的光合作用中发挥着重要作用，同时叶绿素也是植物叶片的基本组成物质之一，是植物生长和受环境胁迫等情况的敏感指示器。植物在营养素缺乏或者受到其他外界环境干扰时,都会在叶片叶绿素的含量和分布上表现出来。本实施方案中的植物超光谱数据采用高光谱成像得到，不仅能够精确地测出叶绿素含量，还可以快速、准确和无损的测量出植物叶片中其他化学成份的分布情况，为植物机器模型调整植物培育参数提供了最为关键的数据。
以上所揭露的仅为本发明的较佳实施例，不能以此来限定本发明的权利保护范围，因此依本发明申请专利范围所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种基于机器学习的植物智能培育系统，其特征在于：包括植物数据采集单元、云计算处理单元、植物培育机器学习单元、植物培育控制单元、植物培育单元；
所述植物数据采集单元用于采集与植物生长过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理单元用于分析和处理所述植物数据采集单元采集的与植物生长过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据，获取与植物生长过程中各个阶段的植物培育参数对应的植物生长参数，并保存所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长参数；
所述植物培育机器学习单元用于利用所述云计算处理单元获取的与植物生长过程中各个阶段的植物培育参数对应的植物生长参数训练植物培育机器模型，使得所述已训练的植物培育机器模型在输入植物生长某阶段的植物生长参数时输出植物生长该阶段的下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令输入给植物培育控制单元；
所述植物数据采集单元还用于在植物培育过程中，实时采集与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理单元还用于在植物培育过程中，实时分析和处理所述植物数据采集单元实时采集的与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；实时获取与植物培育过程中各个阶段的植物培育参数对应的植物生长参数并发送给植物培育机器学习单元；
所述植物培育机器学习单元的已训练的植物培育机器模型还用于在植物培育过程中，比对云计算处理单元实时获取的与植物培育过程中各个阶段植物培育参数对应的植物生长参数与保存在云计算处理单元中对应的所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长参数是否一致；若不一致，则调整云计算处理单元中保存的植物培育参数及其对应的生长参数，所述植物培育机器学习单元利用调整后的植物培育参数及其对应的生长参数对已训练的植物培育机器模型进行再训练；
所述植物培育机器学习单元还用于在植物培育过程中，利用已训练的植物培育机器模型输出植物下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令输入给植物培育控制单元；
所述植物培育控制单元用于根据输入的植物培育控制指令控制植物培育单元的培育系统；
所述植物培育单元的培育系统用于提供植物生长需要的生长条件。
2.如权利要求1所述的一种基于机器学习的植物智能培育系统，其特征在于：所述植物培育机器学习单元还根据文献资料记载的植物培育数据预先设置植物生长各个阶段的初始植物培育参数，并将所述文献资料记载的初始植物培育参数及其对应的植物生长参数作为比对数据初始值，存入云计算处理单元。
3.如权利要求1所述的一种基于机器学习的植物智能培育系统，其特征在于：所述植物培育单元的培育系统包括光照系统、温度控制系统、湿度控制系统、养份含量控制系统及二氧化碳浓度控制系统。
4.如权利要求1所述的一种基于机器学习的植物智能培育系统，其特征在于：所述植物培育参数包括光照强度参数、温度参数、湿度参数、养份含量参数。
5.如权利要求1所述的一种基于机器学习的植物智能培育系统，其特征在于：所述植物生长参数包括植物叶片大小、叶片形状、果实大小、果实形状、叶绿素含量。
6.一种基于机器学习的植物智能培育方法，其特征在于：包括植物数据采集步骤、云计算处理步骤、植物培育机器学习步骤、植物培育控制步骤、植物培育步骤；
所述植物数据采集步骤包括采集与植物生长过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理步骤包括分析和处理所述植物数据采集步骤采集的与植物生长过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据，获取与植物生长过程中各个阶段的植物培育参数对应的植物生长参数，并保存所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长参数；
所述植物培育机器学习步骤包括利用所述云计算处理步骤获取的与植物生长过程中各个阶段的植物培育参数对应的植物生长参数训练植物培育机器模型，使得所述已训练的植物培育机器模型在输入植物生长某阶段的植物生长参数时输出植物生长该阶段的下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令；
所述植物数据采集步骤还包括在植物培育过程中，实时采集与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理步骤还包括在植物培育过程中，实时分析和处理所述植物数据采集步骤实时采集的与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据；实时获取与植物培育过程中各个阶段的植物培育参数对应的植物生长参数；
所述植物培育机器学习步骤中已训练的植物培育机器模型还用于在植物培育过程中，比对云计算处理步骤实时获取的与植物培育过程中各个阶段植物培育参数对应的植物生长参数与保存的所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长参数是否一致；若不一致，则调整保存的植物培育参数及其对应的生长参数，在所述植物培育机器学习步骤中，利用调整后的植物培育参数及其对应的生长参数对已训练的植物培育机器模型进行再训练；
所述植物培育机器学习步骤还包括在植物培育过程中，利用已训练的植物培育机器模型输出植物下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令；
所述植物培育控制步骤包括根据植物培育控制指令控制植物培育系统；
所述植物培育步骤包括利用植物培育系统为植物生长提供生长条件。
7.如权利要求6所述的一种基于机器学习的植物智能培育方法，其特征在于：所述植物培育机器学习步骤还根据文献资料记载的植物培育数据预先设置植物生长各个阶段的初始植物培育参数，并将所述文献资料记载的初始植物培育参数及其对应的植物生长参数作为比对数据初始值，存入云计算处理单元。
8.如权利要求6所述的一种基于机器学习的植物智能培育方法，其特征在于：所述植物培育系统包括光照系统、温度控制系统、湿度控制系统、养份含量控制系统及二氧化碳浓度控制系统。
9.如权利要求6所述的一种基于机器学习的植物智能培育方法，其特征在于：所述植物培育参数包括光照强度参数、温度参数、湿度参数、养份含量参数。
10.如权利要求6所述的一种基于机器学习的植物智能培育方法，其特征在于：所述植物生长参数包括植物叶片大小、叶片形状、果实大小、果实形状、叶绿素含量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610930464.1A CN106561347B (zh) | 2016-10-31 | 2016-10-31 | 一种基于机器学习的植物智能培育系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610930464.1A CN106561347B (zh) | 2016-10-31 | 2016-10-31 | 一种基于机器学习的植物智能培育系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106561347A true CN106561347A (zh) | 2017-04-19 |
| CN106561347B CN106561347B (zh) | 2019-12-03 |
Family
ID=58533506
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610930464.1A Active CN106561347B (zh) | 2016-10-31 | 2016-10-31 | 一种基于机器学习的植物智能培育系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106561347B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106886187A (zh) * | 2017-05-02 | 2017-06-23 | 福瑞莱环保科技（深圳）股份有限公司 | 一种植物监控方法及系统 |
| CN108319164A (zh) * | 2017-12-30 | 2018-07-24 | 浙江中睿泽农科技有限公司 | 作物生长环境预测和调控方法 |
| CN108549444A (zh) * | 2018-05-25 | 2018-09-18 | 范诚 | 基于植物生长的数据处理方法及装置 |
| CN109343613A (zh) * | 2018-09-11 | 2019-02-15 | 嘉兴卓远科技有限公司 | 一种人工光型植物生长环境智能化控制系统及其控制方法 |
| CN110377961A (zh) * | 2019-06-25 | 2019-10-25 | 北京百度网讯科技有限公司 | 作物生长环境控制方法、装置、计算机设备及存储介质 |
| CN111436296A (zh) * | 2020-01-08 | 2020-07-24 | 乐凯拜伦灯光有限公司 | 一种用于植物生长和发育的人工智能生长方法 |
| CN111476149A (zh) * | 2020-04-03 | 2020-07-31 | 苏州浪潮智能科技有限公司 | 一种植物培育控制方法和系统 |
| US20210137028A1 (en) * | 2019-11-13 | 2021-05-13 | 80 Acres Urban Agriculture, Inc. | Method and apparatus for autonomous indoor farming |
| CN112930926A (zh) * | 2021-01-28 | 2021-06-11 | 电凯(常州)新能源技术研究院有限公司 | 一种基于深度学习的植物生产参数调优方法 |
| TWI736227B (zh) * | 2020-04-21 | 2021-08-11 | 明谷農業生技股份有限公司 | 植物生長辨識方法及其系統 |
| US11638402B2 (en) | 2019-05-13 | 2023-05-02 | 80 Acres Urban Agriculture Inc. | System and method for controlling indoor farms remotely and user interface for same |
| US11672209B2 (en) | 2019-05-09 | 2023-06-13 | 80 Acres Urban Agriculture Inc. | Apparatus for high-density indoor farming |
| TWI830545B (zh) * | 2022-12-19 | 2024-01-21 | 財團法人工業技術研究院 | 智慧化控制作物補光方法及系統 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2758768C1 (ru) * | 2020-12-10 | 2021-11-01 | Сергей Борисович Огнивцев | Способ управления продукционными и технологическими процессами выращивания сельскохозяйственных культур |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1916790A (zh) * | 2006-09-01 | 2007-02-21 | 上海农业信息有限公司 | 农作物培育监控系统及监控方法 |
| CN102035876A (zh) * | 2010-10-15 | 2011-04-27 | 江苏鸿信系统集成有限公司 | 基于m2m架构的农业大棚远程监测和智能控制系统及方法 |
| CN102884932A (zh) * | 2012-10-29 | 2013-01-23 | 江苏物联网研究发展中心 | 基于种植专家云的智能型土培植物生长栽培系统 |
| CN104865994A (zh) * | 2015-03-31 | 2015-08-26 | 长沙辣湘缘农业科技有限公司 | 智能农业控制方法及系统 |
| CN104866970A (zh) * | 2015-05-26 | 2015-08-26 | 徐吉祥 | 智能种植管理方法和智能种植设备 |
| CN105746202A (zh) * | 2016-02-26 | 2016-07-13 | 广州富智信息科技有限公司 | 基于pc/移动端远程控制的led植物照明系统及方法 |
| CN105746245A (zh) * | 2016-04-08 | 2016-07-13 | 佛山市金蓝领教育科技有限公司 | 一种智能分析生长状态的种植温室 |
| CN105869061A (zh) * | 2016-04-08 | 2016-08-17 | 佛山市融信通企业咨询服务有限公司 | 一种计算机分析植物生长状态的方法 |
| CN105900739A (zh) * | 2016-04-19 | 2016-08-31 | 柳州三木科技有限公司 | 具有自学习功能的用于农业蔬菜大棚的智能化管理平台 |
-
2016
- 2016-10-31 CN CN201610930464.1A patent/CN106561347B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1916790A (zh) * | 2006-09-01 | 2007-02-21 | 上海农业信息有限公司 | 农作物培育监控系统及监控方法 |
| CN102035876A (zh) * | 2010-10-15 | 2011-04-27 | 江苏鸿信系统集成有限公司 | 基于m2m架构的农业大棚远程监测和智能控制系统及方法 |
| CN102884932A (zh) * | 2012-10-29 | 2013-01-23 | 江苏物联网研究发展中心 | 基于种植专家云的智能型土培植物生长栽培系统 |
| CN104865994A (zh) * | 2015-03-31 | 2015-08-26 | 长沙辣湘缘农业科技有限公司 | 智能农业控制方法及系统 |
| CN104866970A (zh) * | 2015-05-26 | 2015-08-26 | 徐吉祥 | 智能种植管理方法和智能种植设备 |
| CN105746202A (zh) * | 2016-02-26 | 2016-07-13 | 广州富智信息科技有限公司 | 基于pc/移动端远程控制的led植物照明系统及方法 |
| CN105746245A (zh) * | 2016-04-08 | 2016-07-13 | 佛山市金蓝领教育科技有限公司 | 一种智能分析生长状态的种植温室 |
| CN105869061A (zh) * | 2016-04-08 | 2016-08-17 | 佛山市融信通企业咨询服务有限公司 | 一种计算机分析植物生长状态的方法 |
| CN105900739A (zh) * | 2016-04-19 | 2016-08-31 | 柳州三木科技有限公司 | 具有自学习功能的用于农业蔬菜大棚的智能化管理平台 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106886187A (zh) * | 2017-05-02 | 2017-06-23 | 福瑞莱环保科技（深圳）股份有限公司 | 一种植物监控方法及系统 |
| CN108319164A (zh) * | 2017-12-30 | 2018-07-24 | 浙江中睿泽农科技有限公司 | 作物生长环境预测和调控方法 |
| CN108549444A (zh) * | 2018-05-25 | 2018-09-18 | 范诚 | 基于植物生长的数据处理方法及装置 |
| CN109343613A (zh) * | 2018-09-11 | 2019-02-15 | 嘉兴卓远科技有限公司 | 一种人工光型植物生长环境智能化控制系统及其控制方法 |
| CN109343613B (zh) * | 2018-09-11 | 2020-12-25 | 浙江清华长三角研究院 | 一种人工光型植物生长环境智能化控制系统及其控制方法 |
| US11672209B2 (en) | 2019-05-09 | 2023-06-13 | 80 Acres Urban Agriculture Inc. | Apparatus for high-density indoor farming |
| US11638402B2 (en) | 2019-05-13 | 2023-05-02 | 80 Acres Urban Agriculture Inc. | System and method for controlling indoor farms remotely and user interface for same |
| CN110377961B (zh) * | 2019-06-25 | 2023-04-28 | 北京百度网讯科技有限公司 | 作物生长环境控制方法、装置、计算机设备及存储介质 |
| CN110377961A (zh) * | 2019-06-25 | 2019-10-25 | 北京百度网讯科技有限公司 | 作物生长环境控制方法、装置、计算机设备及存储介质 |
| US20210137028A1 (en) * | 2019-11-13 | 2021-05-13 | 80 Acres Urban Agriculture, Inc. | Method and apparatus for autonomous indoor farming |
| CN111436296A (zh) * | 2020-01-08 | 2020-07-24 | 乐凯拜伦灯光有限公司 | 一种用于植物生长和发育的人工智能生长方法 |
| CN111476149A (zh) * | 2020-04-03 | 2020-07-31 | 苏州浪潮智能科技有限公司 | 一种植物培育控制方法和系统 |
| TWI736227B (zh) * | 2020-04-21 | 2021-08-11 | 明谷農業生技股份有限公司 | 植物生長辨識方法及其系統 |
| CN112930926A (zh) * | 2021-01-28 | 2021-06-11 | 电凯(常州)新能源技术研究院有限公司 | 一种基于深度学习的植物生产参数调优方法 |
| TWI830545B (zh) * | 2022-12-19 | 2024-01-21 | 財團法人工業技術研究院 | 智慧化控制作物補光方法及系統 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106561347B (zh) | 2019-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106561347A (zh) | 一种基于机器学习的植物智能培育系统及方法 | |
| Li et al. | Measuring plant growth characteristics using smartphone based image analysis technique in controlled environment agriculture | |
| CN105467959B (zh) | 基于无线通讯的家用种植机系统及其控制方法 | |
| CN104865994A (zh) | 智能农业控制方法及系统 | |
| White et al. | Associations between productivity, root growth and carbon isotope discrimination in Phaseolus vulgaris under water deficit | |
| Ehret et al. | Neural network modeling of greenhouse tomato yield, growth and water use from automated crop monitoring data | |
| Boote et al. | Improving the CROPGRO-tomato model for predicting growth and yield response to temperature | |
| CN104686256A (zh) | 大棚环境控制方法及系统 | |
| CN108739074A (zh) | 一种基于物联网的菌菇自动化栽培系统 | |
| Steduto et al. | Concepts and applications of AquaCrop: The FAO crop water productivity model | |
| US11895939B2 (en) | Cohort phenotyping system for plant factory with artificial lighting | |
| CN108919768A (zh) | 一种农业管理系统及方法 | |
| CN107241403A (zh) | 推送方法及推送装置、服务器、设备和可读存储介质 | |
| CN108334139A (zh) | 一种基于大数据的温室自动化控制的方法及系统 | |
| CN108718890A (zh) | 一种基于大数据分析的葡萄培育方法 | |
| CN109325630A (zh) | 一种基于形态参数的高温胁迫下水稻产量预测方法 | |
| WO2021182616A1 (ja) | 栽培支援システム、栽培支援装置、栽培支援方法及びプログラム | |
| CN111084030A (zh) | 模拟火星微重力的集装箱ai光谱种植系统及其控制方法 | |
| Dunn et al. | Use of optical sensors to monitor Gaillardia Foug. nitrogen status | |
| CN105869061A (zh) | 一种计算机分析植物生长状态的方法 | |
| Tobias et al. | Hybrid tree-fuzzy logic for aquaponic lettuce growth stage classification based on canopy texture descriptors | |
| CN117115813A (zh) | 基于深度相机的秧苗实时评价体系及方法 | |
| CN106717294A (zh) | 山豆根种子质量的评价方法 | |
| CN105487582A (zh) | 一种基于云计算的花卉栽培系统 | |
| CN106644998B (zh) | 一种基于近红外光谱的疏果方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 516083 Guangdong Province, Huizhou city Dayawan West Road 1, science and Technology Innovation Park Innovation Building 1 Building 1 storey 804 room Applicant after: Huizhou Jianyun Intelligent Technology Co.,Ltd. Address before: 516083 Guangdong Province, Huizhou city Dayawan West Road 1, science and Technology Innovation Park Innovation Building 1 Building 1 storey 804 room Applicant before: GUANGDONG JIAYI TECHNOLOGY CO.,LTD. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191106 Address after: 516083 Guangdong Province, Huizhou city Dayawan West Road 1, science and Technology Innovation Park Innovation Building 1 Building 1 storey 804 room Applicant after: Huizhou Jianyun Intelligent Technology Co.,Ltd. Applicant after: Shenzhen Jiangyun intelligent Co.,Ltd. Address before: 516083 Guangdong Province, Huizhou city Dayawan West Road 1, science and Technology Innovation Park Innovation Building 1 Building 1 storey 804 room Applicant before: Huizhou Jianyun Intelligent Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |