CN111639804B - 培育空间的监控方法、设备、存储介质和生长柜 - Google Patents
培育空间的监控方法、设备、存储介质和生长柜 Download PDFInfo
- Publication number
- CN111639804B CN111639804B CN202010472826.3A CN202010472826A CN111639804B CN 111639804 B CN111639804 B CN 111639804B CN 202010472826 A CN202010472826 A CN 202010472826A CN 111639804 B CN111639804 B CN 111639804B
- Authority
- CN
- China
- Prior art keywords
- cultivation
- space
- environmental
- environment
- information
- 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.)
- Active
Links
- 230000012010 growth Effects 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012544 monitoring process Methods 0.000 title claims abstract description 37
- 230000007613 environmental effect Effects 0.000 claims abstract description 161
- 238000011156 evaluation Methods 0.000 claims abstract description 81
- 238000011217 control strategy Methods 0.000 claims abstract description 63
- 238000005457 optimization Methods 0.000 claims abstract description 61
- 238000011534 incubation Methods 0.000 claims description 45
- 238000004088 simulation Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 18
- 238000012806 monitoring device Methods 0.000 claims description 15
- 238000010845 search algorithm Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 230000008635 plant growth Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 241001464837 Viridiplantae Species 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 241000135164 Timea Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Environmental Sciences (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种培育空间的监控方法、设备、存储介质和生长柜,方法包括:获取培育空间的环境状态信息、培育空间的环境状态评价信息和培育对象的生长状况评价信息;根据环境状态评价信息和生长状况评价信息,判断培育空间的环境状态信息所描述的培育空间的环境状态是否满足培育对象的生长需求;若满足,将培育空间的环境状态信息作为培育对象在相应生长状况下的环境控制策略;若不满足,根据环境状态评价信息和生长状况评价信息,利用培育空间的环境自学习优化模型确定环境优化策略后,对培育空间的各项环境参数进行调节后,循环上述步骤,直到培育空间的环境状态满足培育对象的生长需求,从而提高设置培育对象的环境控制策略的可靠性。
Description
技术领域
本发明属于小气候监控技术领域,具体涉及一种培育空间的监控方法、设备、存储介质和生长柜。
背景技术
随着社会经济的发展和生活质量的提高,人们对于绿色蔬菜、家庭绿植等培育对象的需求越来越大,因此,生长柜也越来越快的走进了普通用户的家庭。
现有技术中,通常由用户根据培育对象的种类,设置生长柜内用于描述培育空间内环境状态的各项环境参数的信息,例如,二氧化碳浓度,光照,温度,湿度等。但是,不同培育对象对于二氧化碳浓度,光照,温度,湿度等的需求又不一致,造成用户不易获知培育对象的所需的精准的培育空间内环境状态对应的环境控制策略,可能使培育对象无法在最优环境状态对下生长,甚至在错误的环境状态对下对培育对象的生长造成不可逆的影响。
因此,如何提高设置培育空间所需的环境控制策略的可靠性,是本领域技术人员亟待解决的技术问题。
发明内容
本发明的主要目的是提供一种培育空间的监控方法、设备、存储介质和生长柜,以解决现有技术中设置培育空间所需的环境控制策略的可靠性较低的问题。
针对上述问题,本发明提供了一种培育空间的监控方法,包括:
S10,获取培育空间的环境状态信息、培育空间的环境状态评价信息和培育对象的生长状况评价信息;其中,所述培育空间的环境状态信息包括用于描述培育空间内环境状态的各项环境参数的信息;
S20,根据所述环境状态评价信息和所述生长状况评价信息,判断所述培育空间的环境状态信息所描述的培育空间的环境状态是否满足所述培育对象的生长需求;
S30,若所述培育空间的环境状态满足所述培育对象的生长需求,将所述培育空间的环境状态信息作为所述培育对象在相应生长状况下的环境控制策略;
S40,若所述培育空间的环境状态不满足所述培育对象的生长需求,根据所述环境状态评价信息和所述生长状况评价信息,利用培育空间的环境自学习优化模型确定环境优化策略,并根据所述环境优化策略对所述培育空间的各项环境参数进行调节,返回执行步骤S10,直到所述培育空间的环境状态满足所述培育对象的生长需求。
进一步地,上述所述的培育空间的监控方法中,所述根据所述环境状态评价信息和所述生长状况评价信息,利用培育空间的环境自学习优化模型确定环境优化策略的步骤,包括:
根据所述环境状态评价信息和所述生长状况评价信息,利用蒙特卡洛树搜索算法,确定虚拟培育空间内与所述培育对象模拟生长过程相对应的环境状态的目标优化路线;所述目标优化路线用于描述多个模拟环境状态之间的变迁过程;其中,相邻两个模拟环境状态中的一种模拟环境状态根据对应的模拟优化信息调整到另一种模拟环境状态;
将确定好的目标优化路线的模拟优化信息作为所述环境优化策略。
进一步地,上述所述的培育空间的监控方法中,所述根据所述环境状态评价信息和所述生长状况评价信息,判断所述培育空间的环境状态信息所描述的培育空间的环境状态是否满足所述培育对象的生长需求的步骤,包括:
根据所述环境状态评价信息和所述生长状况评价信息,确定所述培育空间的环境状态的分值;
判断所述分值是否大于预设阈值;
若所述分值大于所述预设阈值,判断出所述培育空间的环境状态满足所述培育对象的生长需求;
若所述分值小于或等于所述预设阈值,判断出所述培育空间的环境状态不满足所述培育对象的生长需求。
进一步地,上述所述的培育空间的监控方法中,在步骤S10前,所述方法还包括:
若监测到培育对象的标识发生变化,根据预先构建的培育对象标识与环境控制策略的关联数据库,判断是否存在与变化后的培育对象的标识相对应的环境控制策略;
当存在与变化后的培育对象的标识相对应的环境控制策略时,根据所述与所述培育对象的标识相对应的环境控制策略,对所述培育空间内环境状态的各项环境参数进行初始设置。
进一步地,上述所述的培育空间的监控方法,还包括:
当不存在与变化后的培育对象的标识相对应的环境控制策略时,判断预先构建的培育对象标识与环境控制策略的关联数据库中是否存在与变化后的培育对象相似的培育对象;
当存在与变化后的培育对象相似的培育对象时,选取相似度最大的培育对象,根据与相似度最大的培育对象相对应的环境控制策略,对所述培育空间内环境状态的各项环境参数进行初始设置。
进一步地,上述所述的培育空间的监控方法,还包括:
当不存在与变化后的培育对象的标识相对应的环境控制策略时,根据预设的通用环境控制策略,对所述培育空间内环境状态的各项环境参数进行初始设置。
进一步地,上述所述的培育空间的监控方法中,所述培育对象的标识包括培育对象的种类信息、培育对象的名称和培育对象的生长阶段信息中的至少一种。
本发明还提供一种存储介质,其上存储有计算机程序,所述计算机程序被控制器执行时实现如上所述方法的步骤。
本发明还提供一种培育空间的监控设备,包括存储器和控制器;
所述存储器上存储有计算机程序,所述计算机程序被控制器执行时实现如上所述方法的步骤。
本发明还提供一种生长柜,包括信息采集设备和如上所述的培育空间的监控设备;
所述信息采集设备用于采集培育空间和培育对象的相关信息,其中包括培育空间的环境状态信息、培育空间的环境状态评价信息和培育对象的生长状况评价信息;其中,所述培育空间的环境状态信息包括用于描述培育空间内环境状态的各项环境参数的信息;
所述培育空间的监控设备用于通过如上所述方法的步骤,确定所述培育对象在相应生长状况下的环境控制策略。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
应用本发明的培育空间的监控方法、设备、存储介质和生长柜,通过获取培育空间的环境状态信息、培育空间的环境状态评价信息和培育对象的生长状况评价信息;根据环境状态评价信息和生长状况评价信息,判断培育空间的环境状态是否满足培育对象的生长需求的评价标准,若培育空间的环境状态满足培育对象的生长需求,将培育空间的环境状态信息作为培育对象在相应生长状况下的环境控制策略;若培育空间的环境状态不满足培育对象的生长需求,利用培育空间的环境自学习优化模型,对培育空间的环境状态信息的各环境参数进行优化,得到培育空间的环境状态满足培育对象的生长需求时培育对象在相应生长状况下的环境控制策略。这样,能够精准地确定培育对象的环境控制策略,保证培育对象在最优环境状态下生长,提高培育对象的培育质量。采用本发明的技术方案,能够提高设置培育空间所需的环境控制策略的可靠性。
本发明的其它特征和优点将在随后的说明书中阐述,并且部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明的培育空间的监控方法的一种实施例的流程图;
图2为蒙特卡洛树搜索算法模拟控制流程图;
图3为本发明的培育空间的监控方法的另一种实施例的流程图;
图4为本发明的培育空间的监控装置一种实施例的结构示意图;
图5为本发明的培育空间的监控装置另一实施例的结构示意图;
图6为本发明的培育空间的监控设备实施例的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
实施例一
为解决现有技术中存在的上述技术问题,本发明实施例提供了一种培育空间的监控方法。
图1为本发明的培育空间的监控方法的一种实施例的流程图,如图1所示,本实施例的培育空间的监控方法具体可以包括如下步骤:
S10、获取培育空间的环境状态信息、培育空间的环境状态评价信息和培育对象的生长状况评价信息;
具体地,培育空间优选为生长柜的内部空间,可以在培育空间内设置多种传感器,以便采集用于描述培育空间内环境状态的各项环境参数的信息作为培育空间的环境状态信息。例如,各项环境参数可以包括培育空间内的环境温度、培育空间内的环境湿度、培育空间内的CO2浓度、培育空间内的光照强度等。
本实施例中,培育对象在培育空间内生长的过程在,用户可以利用与培育空间相对应的人机交互机构,输入各项环境参数的信息对应的评价信息作为培育空间的环境状态评价信息,以及,输入培育对象的生长状况评价信息。例如,培育空间的环境状态评价信息和培育对象的生长状况评价信息等均可以包括优等、良好、一般或差。本实施例中,培育对象优选为绿色蔬菜、家庭绿植等,但是实际应用中,还可以为动物等,本实施例不做具体限制。
在实际应用中,不同用户可能对培育对象的生长状况的认知是不同的,所以用户在对培育空间的环境状态和培育对象的生长状况进行评价时,往往存在一定的偏差,降低了评价结果的可靠性,因此,本实施例中,可以将培育对象的每个培育阶段的理论信息、不同环境参数可能会导致的生长缺陷信息等通过人机交互机构输出,或者,以其他方式输出,使得用户能够根据每个培育阶段的理论信息、不同环境参数可能会导致的生长缺陷信息等,对培育空间的环境状态和培育对象的生长状况进行评价,提高评价结果的可靠性。
例如,对于某一树苗而言,该树苗在幼苗阶段培育一周后,树苗在幼苗阶段的理论信息为树干生长8到10厘米,温度过低可能造成树干生长7厘米,这样,用户即根据树干的生长长度,对树苗所在的培育空间的环境状态和树苗的生长状况进行评价,从而避免有人将树苗生长7厘米时,将培育空间的环境状态和树苗的生长状况评价为优等,有人将树苗生长7厘米时,将培育空间的环境状态和树苗的生长状况评价为一般。
S20、根据培育空间的环境状态评价信息和培育对象的生长状况评价信息,判断培育空间的环境状态信息所描述的培育空间的环境状态是否满足培育对象的生长需求;若是,执行步骤S30,若否,执行步骤S40;
具体地,可以根据培育空间的环境状态评价信息和培育对象的生长状况评价信息,确定培育空间的环境状态的分值。例如,可以根据培育空间的环境状态评价信息和培育对象的生长状况评价信息,得到培育空间的环境状态的打分值和培育对象的生长状况,并进行加权计算后,可以确定培育空间的环境状态的分值,进而可以判断培育空间的环境状态的分值是否大于预设阈值;若培育空间的环境状态的分值大于预设阈值,说明培育对象在该培育空间的环境状态下,能够良好的生长,可以判断出培育空间的环境状态满足培育对象的生长需求;若培育空间的环境状态的分值小于或等于预设阈值,说明培育对象在该培育空间的环境状态下,不能够良好的生长,可以判断出培育空间的环境状态不满足培育对象的生长需求。
S30、将培育空间的环境状态信息作为培育对象在相应生长状况下的环境控制策略;
本实施例中,若培育空间的环境状态满足培育对象的生长需求,则可以将培育空间的环境状态信息作为培育对象在相应生长状况下的环境控制策略,以便根据该环境控制策略,维持培育空间的各环境参数,并将得到的环境控制策略进行保存,以便在下次对相同的培训培育对象进行培育时,可以直接获得该环境控制策略。这样,用户无需自己设置环境控制策略,提升了用户体验,避免了用户因对培育对象的生长需求不了解情况下,无法准确设置环境控制策略,使得培育对象无法在最优环境状态下生长,甚至在在错误的环境状态下生长造成不可逆的现象。
S40、根据培育空间的环境状态评价信息和培育对象的生长状况评价信息,利用培育空间的环境自学习优化模型确定环境优化策略,并根据环境优化策略对培育空间的各项环境参数进行调节,返回执行步骤S10,直到培育空间的环境状态满足培育对象的生长需求。
本实施例中,若培育空间的环境状态不满足培育对象的生长需求,则可以根据培育空间的环境状态评价信息和培育对象的生长状况评价信息,利用培育空间的环境自学习优化模型确定环境优化策略。具体地,根据培育空间的环境状态评价信息和培育对象的生长状况评价信息,利用蒙特卡洛树搜索算法,确定虚拟培育空间内与培育对象模拟生长过程相对应的环境状态的目标优化路线;该目标优化路线用于描述多个模拟环境状态之间的变迁过程;其中,相邻两个模拟环境状态中的一种模拟环境状态根据对应的模拟优化信息调整到另一种模拟环境状态;在确定虚拟培育空间内与培育对象模拟生长过程相对应的环境状态的目标优化路线后,将确定好的目标优化路线的模拟优化信息作为环境优化策略。
本实施例中,蒙特卡洛树搜索算法是一种数学统计方法,经过大量的随机方式进行模拟,发现一定的规律,并给出统计结果,供决策者进行参考。可以在使用基于蒙特卡洛树搜索控制算法的强化学习的过程中会使用到大量的模拟,从而得到最佳的环境优化策略供植物生长柜使用。即假设有一台植物生长柜在运行,模拟植物生长柜是模拟出来的,主要用于生长柜的环境优化策略(如加湿、加热灯)的一些模拟,从而得到最佳的环境优化策略作为植物生长柜的真实控制时的参考,并执行。
具体地,图2为蒙特卡洛树搜索算法模拟控制流程图,如图2所示,本实施例中,假设每个培育空间的环境状态下,生长柜有两种调控环境控制策略(实际上可能是很多种)。当前模拟环境状态为S1,其下有两种环境控制策略与/>两种环境控制策略执行后有两种模拟环境状态S21和S22。以此类推,模拟环境状态可以表示为SL1,L2,L1表示执行了L1-1个动作,L2为一个序列,表示选择的分支路线,如L2=112,表示的是第一次选择了第一条路线,第二次选择了第一条路线,第三次选择了第二条路线。如附图3中所示,经过选择1-1-2的路线到达状态S4,1,1,2。根据蒙特卡洛树搜索算法可知,当植物生长柜处于模拟环境状态S1下,需要做决策,虚拟培育空间运用蒙特卡洛树搜索算法进行N次模拟后,得到的目标优化路线为S1、S2,1、S3,12、S4,121......Skv。对应地,该目标优化路线中存在的模拟优化信息为本实施例中,可以将/> 的每个优化信息依次作为环境优化策略,也可以随机选取一个模拟优化信息作为环境优化策略。例如,/>表示温度提高5℃,/>表示温度提高10℃,本实施例优选为先执行/>再直接执行/>但实际过程中,可以直接执行/>不再执行/>
在一个具体实现过程中,在确定环境优化策略后,可以根据环境优化策略对培育空间的各项环境参数进行调节,并等待预设时长后,返回执行步骤S10,以便再次判断培育空间的环境状态是否满足培育对象的生长需求,直到培育空间的环境状态满足培育对象的生长需求后,执行步骤S30。
本实施例的培育空间的监控方法,通过获取培育空间的环境状态信息、培育空间的环境状态评价信息和培育对象的生长状况评价信息;根据环境状态评价信息和生长状况评价信息,判断培育空间的环境状态是否满足培育对象的生长需求的评价标准,若培育空间的环境状态满足培育对象的生长需求,将培育空间的环境状态信息作为培育对象在相应生长状况下的环境控制策略;若培育空间的环境状态不满足培育对象的生长需求,利用培育空间的环境自学习优化模型,对培育空间的环境状态信息的各环境参数进行优化,得到培育空间的环境状态满足培育对象的生长需求时培育对象在相应生长状况下的环境控制策略。这样,能够精准地确定培育对象的环境控制策略,保证培育对象在最优环境状态下生长,提高培育对象的培育质量。采用本发明的技术方案,能够提高设置培育空间所需的环境控制策略的可靠性。
实施例二
图3为本发明的培育空间的监控方法的另一种实施例的流程图,如图3所示,本实施例的培育空间的监控方法为培育对象放入培育空间后,对培育空间内环境状态的各项环境参数进行初始设置的过程,该过程具体可以包括如下步骤:
S100、若监测到培育对象的标识发生变化,根据预先构建的培育对象标识与环境控制策略的关联数据库,判断是否存在与变化后的培育对象的标识相对应的环境控制策略;若是,执行步骤S200,若否,执行S300;
本实施例中,用户可以手动输入培育对象的标识,也可以由与培育空间相对应的培育对象识别设备自动确定培育对象的标识。例如,可以在培育空间相内设置摄像头,以便获取培育对象的图像后,利用图像识别算法可以获知培育对象的标识,例如,培育对象的标识包括培育对象的种类信息培育对象的名称和培育对象的生长阶段信息中的至少一种。
在实际应用中,会对一些培育对象的培育过程,设置一整套的实验方案,并针对该实验方案中各个优化路线进行验证,得到每个培育对象的最优的优化路线以及与最优的优化路线相对应的环境控制策略,从而可以构建培育对象标识与环境控制策略的关联数据库。另外,在实际使用过程中,可以将得到的培育对象的环境控制策略与培育对象的标识关联后,对培育对象标识与环境控制策略的关联数据库进行更新,从而丰富培育对象标识与环境控制策略的关联数据库。
这样,当培育空间内的培育对象发生改变时,培育对象的标识也会相应的改变,因此,若监测到培育对象的标识发生变化,可以确定需要对培育空间的环境控制策略进行调整,此时,可以根据预先构建的培育对象标识与环境控制策略的关联数据库,判断是否存在与变化后的培育对象的标识相对应的环境控制策略。若是,执行步骤S200,若否,执行S300。例如,培育对象标识与环境控制策略的关联数据库中,将变化后的培育对象的标识分别与每个已存储的培育对象标识进行比对,从而判断是否存在已存储的培育对象标识,进而可以确定出是否存在与变化后的培育对象的标识相对应的环境控制策略。
S200、根据与培育对象的标识相对应的环境控制策略,对培育空间内环境状态的各项环境参数进行初始设置;
本实施例中,若存在与变化后的培育对象的标识相对应的环境控制策略,可以根据与培育对象的标识相对应的环境控制策略,对培育空间内环境状态的各项环境参数进行初始设置。这样,在培育空间的环境状态不满足培育对象的生长需求的状况下,利用培育空间的环境自学习优化模型确定环境优化策略时,可以缩小搜索范围,提高确定环境优化策略的效率。
S300、根据预设的通用环境控制策略,对培育空间内环境状态的各项环境参数进行初始设置。
本实施例中,若不存在与变化后的培育对象的标识相对应的环境控制策略,根据预设的通用环境控制策略,对培育空间内环境状态的各项环境参数进行初始设置。
进一步地,上述实施例中,若不存在与变化后的培育对象的标识相对应的环境控制策略,还可以由用户手动设置变化后的培育对象的环境控制策略,以替代步骤300。
进一步地,上述实施例中,由于通用环境控制策略与变化后的培育对象的生长状况存在较大出入,使得后续自学习设置变化后的培育对象的环境控制策略时,搜索范围较大,降低了环境控制策略的设置效率,因此,本实施例中,若不存在与变化后的培育对象的标识相对应的环境控制策略,还可以判断预先构建的培育对象标识与环境控制策略的关联数据库中是否存在与变化后的培育对象相似的培育对象。例如,可以将培育对象标识与环境控制策略的关联数据库中每个已存储的培育对象的标识与变化后的培育对象的标识进行比对后,对每个已存储的培育对象进行打分,判断最大打分值是否高于预设分值,若最大打分值高于预设分值,确定存在与变化后的培育对象相似的培育对象,从而可以选取相似度最大的培育对象,并根据与相似度最大的培育对象相对应的环境控制策略,对培育空间内环境状态的各项环境参数进行初始设置。若最大打分值不高于预设分值,确定不存在与变化后的培育对象相似的培育对象,按照步骤300执行即可。
当对培育空间内环境状态的各项环境参数进行初始设置,并达到预设时长后,可以按照上述实施例一的过程,自动确定培育对象的环境控制策略,避免用户自己手动设置,提高用户体验,以及,提高设置培育对象的环境控制策略的可靠性。
需要说明的是,本发明实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本发明实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成的方法。
实施例三
为解决现有技术中存在的上述技术问题,本发明实施例提供了一种培育空间的监控装置。
图4为本发明的培育空间的监控装置一种实施例的结构示意图,如图4所示,本实施例的培育空间的监控装置包括获取模块41、判断模块42、确定模块43和自学习模块44。
获取模块41,用于获取培育空间的环境状态信息、培育空间的环境状态评价信息和培育对象的生长状况评价信息;其中,培育空间的环境状态信息包括用于描述培育空间内环境状态的各项环境参数的信息;
判断模块42,用于根据环境状态评价信息和生长状况评价信息,判断培育空间的环境状态信息所描述的培育空间的环境状态是否满足培育对象的生长需求;
具体地,根据环境状态评价信息和生长状况评价信息,确定培育空间的环境状态的分值;判断分值是否大于预设阈值;若分值大于预设阈值,判断出培育空间的环境状态满足培育对象的生长需求;若分值小于或等于预设阈值,判断出培育空间的环境状态不满足培育对象的生长需求。
确定模块43,用于若培育空间的环境状态满足培育对象的生长需求,将培育空间的环境状态信息作为培育对象在相应生长状况下的环境控制策略;
自学习模块44,用于若培育空间的环境状态不满足培育对象的生长需求,根据环境状态评价信息和生长状况评价信息,利用培育空间的环境自学习优化模型确定环境优化策略,并根据环境优化策略对培育空间的各项环境参数进行调节,以便获取模块41,再次获取培育空间的环境状态信息、培育空间的环境状态评价信息和培育对象的生长状况评价信息后,判断模块42再次判断培育空间的环境状态是否满足培育对象的生长需求。
具体地,自学习模块44可以根据环境状态评价信息和生长状况评价信息,利用蒙特卡洛树搜索算法,确定虚拟培育空间内与培育对象模拟生长过程相对应的环境状态的目标优化路线;目标优化路线用于描述多个模拟环境状态之间的变迁过程;其中,相邻两个模拟环境状态中的一种模拟环境状态根据对应的模拟优化信息调整到另一种模拟环境状态;将确定好的目标优化路线的模拟优化信息作为环境优化策略。
实施例四
图5为本发明的培育空间的监控装置另一实施例的结构示意图,如图5所示,本实施例的培育空间的监控装置,在上述实施例的基础上进一步还可以包括监测模块45。
监测模块45,用于若监测到培育对象的标识发生变化,根据预先构建的培育对象标识与环境控制策略的关联数据库,判断是否存在与变化后的培育对象的标识相对应的环境控制策略;当存在与变化后的培育对象的标识相对应的环境控制策略时,根据与培育对象的标识相对应的环境控制策略,对培育空间内环境状态的各项环境参数进行初始设置。其中,培育对象的标识包括培育对象的种类信息、培育对象的名称和培育对象的生长阶段信息中的至少一种。
进一步地,上述实施例中,监测模块45还用于:
当不存在与变化后的培育对象的标识相对应的环境控制策略时,判断预先构建的培育对象标识与环境控制策略的关联数据库中是否存在与变化后的培育对象相似的培育对象;
当存在与变化后的培育对象相似的培育对象时,选取相似度最大的培育对象,根据与相似度最大的培育对象相对应的环境控制策略,对培育空间内环境状态的各项环境参数进行初始设置。
进一步地,上述实施例中,监测模块45还用于:
当不存在与变化后的培育对象的标识相对应的环境控制策略时,根据预设的通用环境控制策略,对培育空间内环境状态的各项环境参数进行初始设置。
上述实施例的装置用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
实施例五
为解决现有技术中存在的上述技术问题,本发明实施例提供了一种培育空间的监控设备。
图6为本发明的培育空间的监控设备实施例的结构示意图,如图6所示,本实施例的培育空间的监控设备包括存储器61和控制器62;
存储器61上存储有计算机程序,计算机程序被控制器62执行时实现如上实施例的培育空间的监控方法的步骤。
实施例六
为解决现有技术中存在的上述技术问题,本发明实施例提供了一种生长柜。
本实施例中的生长柜包括信息采集设备和上述实施例的培育空间的监控设备;
所述信息采集设备用于采集培育空间和培育对象的相关信息,其中包括培育空间的环境状态信息、培育空间的环境状态评价信息和培育对象的生长状况评价信息;其中,所述培育空间的环境状态信息包括用于描述培育空间内环境状态的各项环境参数的信息;
所述培育空间的监控设备用于通过上述实施例的培育空间的监控方法的步骤,确定培育对象在相应生长状况下的环境控制策略。
实施例七
为解决现有技术中存在的上述技术问题,本发明实施例提供了一种存储介质。
本发明实施例提供的存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法的步骤。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (9)
1.一种培育空间的监控方法,其特征在于,包括:
S10,获取培育空间的环境状态信息、培育空间的环境状态评价信息和培育对象的生长状况评价信息;其中,所述培育空间的环境状态信息包括用于描述培育空间内环境状态的各项环境参数的信息;
S20,根据所述环境状态评价信息和所述生长状况评价信息,判断所述培育空间的环境状态信息所描述的培育空间的环境状态是否满足所述培育对象的生长需求;
S30,若所述培育空间的环境状态满足所述培育对象的生长需求,将所述培育空间的环境状态信息作为所述培育对象在相应生长状况下的环境控制策略;
S40,若所述培育空间的环境状态不满足所述培育对象的生长需求,根据所述环境状态评价信息和所述生长状况评价信息,利用培育空间的环境自学习优化模型确定环境优化策略,并根据所述环境优化策略对所述培育空间的各项环境参数进行调节,返回执行步骤S10,直到所述培育空间的环境状态满足所述培育对象的生长需求,其中,所述根据所述环境状态评价信息和所述生长状况评价信息,利用培育空间的环境自学习优化模型确定环境优化策略的步骤,包括:根据所述环境状态评价信息和所述生长状况评价信息,利用蒙特卡洛树搜索算法,确定虚拟培育空间内与所述培育对象模拟生长过程相对应的环境状态的目标优化路线;所述目标优化路线用于描述多个模拟环境状态之间的变迁过程;其中,相邻两个模拟环境状态中的一种模拟环境状态根据对应的模拟优化信息调整到另一种模拟环境状态;将确定好的目标优化路线的模拟优化信息作为所述环境优化策略。
2.根据权利要求1所述的培育空间的监控方法,其特征在于,所述根据所述环境状态评价信息和所述生长状况评价信息,判断所述培育空间的环境状态信息所描述的培育空间的环境状态是否满足所述培育对象的生长需求的步骤,包括:
根据所述环境状态评价信息和所述生长状况评价信息,确定所述培育空间的环境状态的分值;
判断所述分值是否大于预设阈值;
若所述分值大于所述预设阈值,判断出所述培育空间的环境状态满足所述培育对象的生长需求;
若所述分值小于或等于所述预设阈值,判断出所述培育空间的环境状态不满足所述培育对象的生长需求。
3.根据权利要求1所述的培育空间的监控方法,其特征在于,在步骤S10前,所述方法还包括:
若监测到培育对象的标识发生变化,根据预先构建的培育对象标识与环境控制策略的关联数据库,判断是否存在与变化后的培育对象的标识相对应的环境控制策略;
当存在与变化后的培育对象的标识相对应的环境控制策略时,根据所述与所述培育对象的标识相对应的环境控制策略,对所述培育空间内环境状态的各项环境参数进行初始设置。
4.根据权利要求3所述的培育空间的监控方法,其特征在于,还包括:
当不存在与变化后的培育对象的标识相对应的环境控制策略时,判断预先构建的培育对象标识与环境控制策略的关联数据库中是否存在与变化后的培育对象相似的培育对象;
当存在与变化后的培育对象相似的培育对象时,选取相似度最大的培育对象,根据与相似度最大的培育对象相对应的环境控制策略,对所述培育空间内环境状态的各项环境参数进行初始设置。
5.根据权利要求3所述的培育空间的监控方法,其特征在于,还包括:
当不存在与变化后的培育对象的标识相对应的环境控制策略时,根据预设的通用环境控制策略,对所述培育空间内环境状态的各项环境参数进行初始设置。
6.根据权利要求3所述的培育空间的监控方法,其特征在于,所述培育对象的标识包括培育对象的种类信息、培育对象的名称和培育对象的生长阶段信息中的至少一种。
7.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被控制器执行时实现如权利要求1至6中任一项所述方法的步骤。
8.一种培育空间的监控设备,其特征在于,包括存储器和控制器;
所述存储器上存储有计算机程序,所述计算机程序被控制器执行时实现如权利要求1至6中任一项所述方法的步骤。
9.一种生长柜,其特征在于,包括信息采集设备和如权利要求8所述的培育空间的监控设备;
所述信息采集设备用于采集培育空间和培育对象的相关信息,其中包括培育空间的环境状态信息、培育空间的环境状态评价信息和培育对象的生长状况评价信息;其中,所述培育空间的环境状态信息包括用于描述培育空间内环境状态的各项环境参数的信息;所述培育空间的监控设备用于通过如权利要求1至6中任一项所述方法的步骤,确定所述培育对象在相应生长状况下的环境控制策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010472826.3A CN111639804B (zh) | 2020-05-28 | 2020-05-28 | 培育空间的监控方法、设备、存储介质和生长柜 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010472826.3A CN111639804B (zh) | 2020-05-28 | 2020-05-28 | 培育空间的监控方法、设备、存储介质和生长柜 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111639804A CN111639804A (zh) | 2020-09-08 |
CN111639804B true CN111639804B (zh) | 2023-09-26 |
Family
ID=72332389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010472826.3A Active CN111639804B (zh) | 2020-05-28 | 2020-05-28 | 培育空间的监控方法、设备、存储介质和生长柜 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111639804B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114205684A (zh) * | 2021-11-02 | 2022-03-18 | 上海亿为科技有限公司 | 基于5g的农作物实时监测的方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963607A (zh) * | 2010-10-11 | 2011-02-02 | 北京师范大学 | 一种流域湿地水环境状态及公众满意度评价方法 |
CN203537995U (zh) * | 2013-10-22 | 2014-04-16 | 陕西科技大学 | 一种多功能自动化植物培育装置 |
CN107219759A (zh) * | 2017-05-16 | 2017-09-29 | 中国人民解放军信息工程大学 | 一种温室环境控制方法及装置 |
CN110598906A (zh) * | 2019-08-15 | 2019-12-20 | 珠海米枣智能科技有限公司 | 一种基于深度强化学习的大型商场能耗实时控制方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014016094A (ja) * | 2012-07-09 | 2014-01-30 | Panasonic Corp | 空調管理装置、空調管理システム |
-
2020
- 2020-05-28 CN CN202010472826.3A patent/CN111639804B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963607A (zh) * | 2010-10-11 | 2011-02-02 | 北京师范大学 | 一种流域湿地水环境状态及公众满意度评价方法 |
CN203537995U (zh) * | 2013-10-22 | 2014-04-16 | 陕西科技大学 | 一种多功能自动化植物培育装置 |
CN107219759A (zh) * | 2017-05-16 | 2017-09-29 | 中国人民解放军信息工程大学 | 一种温室环境控制方法及装置 |
CN110598906A (zh) * | 2019-08-15 | 2019-12-20 | 珠海米枣智能科技有限公司 | 一种基于深度强化学习的大型商场能耗实时控制方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111639804A (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kang et al. | From parallel plants to smart plants: intelligent control and management for plant growth | |
CN108488987B (zh) | 空气调节设备的控制方法、存储介质和设备 | |
CN105068515B (zh) | 一种基于自学习算法的智能家居设备语音控制方法 | |
CN106408132A (zh) | 一种基于种植设备的作物产量预测方法及装置 | |
EP3637328A1 (en) | Refrigerant leak detection method and device for air conditioner | |
CN112329948B (zh) | 一种多智能体策略预测方法及装置 | |
CN108846314A (zh) | 一种基于深度学习的食材辨识系统和食材辨识方法 | |
CN111530081B (zh) | 游戏关卡设计方法、装置、存储介质及电子设备 | |
CN110134165B (zh) | 一种用于环境监测与控制的强化学习方法及系统 | |
Hochachka | On matryoshkas and meaning-making: Understanding the plasticity of climate change | |
CN113762603B (zh) | 基于改进麻雀算法优化的光伏基站短期光伏功率预测方法 | |
CN107219759B (zh) | 一种温室环境控制方法及装置 | |
CN110750567A (zh) | 一种基于智能衣柜的穿搭数据生成方法及系统 | |
CN110442129A (zh) | 一种多智能体编队的控制方法和系统 | |
CN109886155A (zh) | 基于深度学习的单株水稻检测定位方法、系统、设备及介质 | |
CN111639804B (zh) | 培育空间的监控方法、设备、存储介质和生长柜 | |
CN109214448A (zh) | 非绩优人员培训方法、系统、终端及计算机可读存储介质 | |
CN108961888A (zh) | 一种个性化重构知识体系学习系统及方法 | |
CN112365359A (zh) | 种植决策确定模型的训练方法、装置、设备以及存储介质 | |
KR102307036B1 (ko) | 기계 학습을 이용한 작물의 최대 생장 구현 방법 | |
US20240161652A1 (en) | Systems and methods for assessing surgical skill | |
CN104614988B (zh) | 一种具有内发动机机制的感知运动系统认知及其学习方法 | |
CN108444076B (zh) | 推送方法、空气调节设备、移动终端及存储介质 | |
CN110211123A (zh) | 一种深度学习神经网络的优化方法、装置及系统 | |
Agarwal et al. | Self-organization in a distributed coordination game through heuristic rules |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |