CN112099557A - 一种基于互联网的家居植物栽植方法及系统 - Google Patents

Abstract

本发明公开了一种基于互联网的家居植物栽植方法及系统，通过所述土壤酸碱度传感器获得土壤酸碱度信息；获得第一植物的种类信息；根据所述种类信息获得所述第一植物的生长习性信息；根据所述生长习性信息调整所述土壤酸碱度信息后，将所述第一植物进行栽植；根据所述第一摄像头获得所述第一植物进行栽种后的生长信息；将所述生长信息输入训练模型；获得所述训练模型的输出结果，所述输出结果包含土壤酸碱度调整信息及温湿度调整信息；根据所述输出结果对所述第一植物栽植后的土壤进行实时调整，解决了现有技术中存在对家居植物栽植和培养不符合所述植物的生长习性或生存条件，进而导致植物生长不健康甚至死亡的技术问题。

Description

一种基于互联网的家居植物栽植方法及系统

技术领域

本发明涉及家居植物栽植领域，尤其涉及一种基于互联网的家居植物栽植方法及系统。

背景技术

家居植物是指按照室内环境的特点，利用以室内观叶植物为主的观赏材料，结合人们的生活需要，对使用的器物和场所进行美化装饰。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中存在对家居植物栽植和培养不符合所述植物的生长习性或生存条件，进而导致植物生长不健康甚至死亡的技术问题。

发明内容

本申请实施例通过提供一种基于互联网的家居植物栽植方法及系统，解决了现有技术中存在对家居植物栽植和培养不符合所述植物的生长习性或生存条件，进而导致植物生长不健康甚至死亡的技术问题，达到准确根据植物的生长习性，为所述植物提供准确的、适宜的生长环境，保证所述植物健康生长的技术效果。

鉴于上述问题，本申请实施例提供一种基于互联网的家居植物栽植方法及系统。

第一方面，本申请实施例提供了一种基于互联网的家居植物栽植方法，应用于一智能家居系统，所述智能家居系统配置有第一摄像头，并与土壤酸碱度传感器、温湿度传感器连接，所述方法包括：通过所述土壤酸碱度传感器获得土壤酸碱度信息；获得第一植物的种类信息；根据所述种类信息获得所述第一植物的生长习性信息；根据所述生长习性信息调整所述土壤酸碱度信息后，将所述第一植物进行栽植；根据所述第一摄像头获得所述第一植物进行栽种后的生长信息；将所述生长信息输入训练模型，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述生长信息和起标识作用的土壤酸碱度及温湿度的标识信息；获得所述训练模型的输出结果，所述输出结果包含土壤酸碱度调整信息及温湿度调整信息；根据所述输出结果对所述第一植物栽植后的土壤进行实时调整。

另一方面，本申请还提供了一种基于互联网的家居植物栽植系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于通过所述土壤酸碱度传感器获得土壤酸碱度信息；第二获得单元，所述第二获得单元用于获得第一植物的种类信息；第三获得单元，所述第三获得单元用于根据所述种类信息获得所述第一植物的生长习性信息；第一调整单元，所述第一调整单元用于根据所述生长习性信息调整所述土壤酸碱度信息后，将所述第一植物进行栽植；第一输入单元，所述第一输入单元用于将所述生长信息输入训练模型，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述生长信息和起标识作用的土壤酸碱度及温湿度的标识信息；第四获得单元，所述第四获得单元用于获得所述训练模型的输出结果，所述输出结果包含土壤酸碱度调整信息及温湿度调整信息；第二调整单元，所述第二调整单元用于根据所述输出结果对所述第一植物栽植后的土壤进行实时调整。

第三方面，本发明提供了一种基于互联网的家居植物栽植系统，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，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了通过土壤酸碱度传感器获得土壤酸碱度信息，根据所述第一植物的生长习性信息调整土壤酸碱度后对所述植物进行栽植，将所述第一植物的生长信息输入训练模型，基于训练模型不断修正、调整获得更加准确、实时的适宜所述植物生长的土壤酸碱度和温湿度标识信息，通过所述输出土壤酸碱度和温湿度对栽植植物后的土壤实时调整的方式，达到了准确根据所述植物的实时需求，准确为所述植物提供适宜的生长环境保证所述植物健康生长的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种基于互联网的家居植物栽植方法的流程示意图；

图2为本申请实施例一种基于互联网的家居植物栽植系统的结构示意图；

图3为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第一调整单元14，第四获得单元15，第一输入单元16，第四获得单元17，第二调整单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。

具体实施方式

本申请实施例通过提供一种基于互联网的家居植物栽植方法及系统，解决了现有技术中存在对家居植物栽植和培养不符合所述植物的生长习性或生存条件，进而导致植物生长不健康甚至死亡的技术问题，达到准确根据植物的生长习性，为所述植物提供准确的、适宜的生长环境，保证所述植物健康生长的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

家居植物是指按照室内环境的特点，利用以室内观叶植物为主的观赏材料，结合人们的生活需要，对使用的器物和场所进行美化装饰。但现有技术中存在对家居植物栽植和培养不符合所述植物的生长习性或生存条件，进而导致植物生长不健康甚至死亡的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供了一种基于互联网的家居植物栽植方法，应用于一智能家居系统，所述智能家居系统配置有第一摄像头，并与土壤酸碱度传感器、温湿度传感器连接，所述方法包括：通过所述土壤酸碱度传感器获得土壤酸碱度信息；获得第一植物的种类信息；根据所述种类信息获得所述第一植物的生长习性信息；根据所述生长习性信息调整所述土壤酸碱度信息后，将所述第一植物进行栽植；根据所述第一摄像头获得所述第一植物进行栽种后的生长信息；将所述生长信息输入训练模型，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述生长信息和起标识作用的土壤酸碱度及温湿度的标识信息；获得所述训练模型的输出结果，所述输出结果包含土壤酸碱度调整信息及温湿度调整信息；根据所述输出结果对所述第一植物栽植后的土壤进行实时调整。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种基于互联网的家居植物栽植方法，应用于一智能家居系统，所述智能家居系统配置有第一摄像头，并与土壤酸碱度传感器、温湿度传感器连接，所述方法包括：

步骤S100：通过所述土壤酸碱度传感器获得土壤酸碱度信息；

具体而言，所述土壤酸碱度又称“土壤反应”。它是土壤溶液的酸碱反应。主要取决于土壤溶液中氢离子的浓度，以pH值表示。土壤太酸太碱都是限制植物生长及生长品质的重要因素，大多数的植物均不耐太酸或太碱的土壤。所述土壤酸碱度传感器为可以准确测定土壤酸碱度信息的传感器，举例而言，可以是土壤酸碱度计。通过所述土壤酸碱度传感器获得土壤酸碱度信息。

步骤S200：获得第一植物的种类信息；

具体而言，所述第一植物是指要进行栽植的第一家居植物，所述种类为根据事物本身的性质或特点而分成的门类，此处是指所述要进行栽种的植物的种类信息，通过对所述植物的种类信息的判断，为后续准确获得所述植物的生长习性信息夯实了基础。

步骤S300：根据所述种类信息获得所述第一植物的生长习性信息；

具体而言，所述生长习性就是生态习性和生活习性。生态习性是生物固有的属性，生活习性是生物能良好生存的生活环境；生物与环境长期相互作用下所形成的固有适应属性。根据所述植物的种类信息获得所述第一植物的生长习性信息。

步骤S400：根据所述生长习性信息调整所述土壤酸碱度信息后，将所述第一植物进行栽植；

具体而言，根据所述植物的生长习性信息获得适宜所述第一植物的土壤酸碱度信息，根据所述适宜酸碱度信息对所述土壤信息进行调整，将所述第一植物栽植进所述调整后的土壤。

步骤S500：根据所述第一摄像头获得所述第一植物进行栽种后的生长信息；

具体而言，所述第一摄像头为具备获得视频和图像信息的摄像头，根据所述摄像头获得第一植物栽种后每天甚至每小时的植物图像信息，根据所述第一植物栽种后的连续图像信息的获得，进而获得所述第一植物的生长信息，根据所述生长信息为后续准确判断所述植物的状态，根据实时状态对所述植物提供适宜环境奠定了基础。

步骤S600：将所述生长信息输入训练模型，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述生长信息和起标识作用的土壤酸碱度及温湿度的标识信息；

具体而言，将所述生长信息输入训练模型，所述训练模型为神经网络模型，所述神经网络模型即机器学习中的神经网络模型，神经网络(NeuralNetworks，NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。基于大量的训练数据的训练，其中，所述训练数据中的每一组训练数据均包括：所述生长信息和起标识作用的土壤酸碱度及温湿度的标识信息，所述神经网络模型不断地自我的修正，当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的数据训练，进而使得所述神经网络模型处理所述输入数据更加准确，进而使得输出的土壤酸碱度调整信息及温湿度调整信息更加准确。获得所述训练模型的输出信息，所述输出结果包括土壤酸碱度调整信息及温湿度调整信息。基于训练模型进过训练后处理数据更加准确的特性，根据所述植物的实时生长状态，为所述植物提供适宜的生存环境，根据所述实时的调整的环境，获得经过调整环境的植物的生长状态，根据所述生长状态对所述环境进行进一步的修正，为所述植物提供准确的、适宜的生长环境，达到保证所述植物健康生长的技术效果。

步骤S700：获得所述训练模型的输出结果，所述输出结果包含土壤酸碱度调整信息及温湿度调整信息；

步骤S800：据所述输出结果对所述第一植物栽植后的土壤进行实时调整。

具体而言，所述训练模型的输出结果包括土壤酸碱度调整信息和温湿度调整信息，根据所述训练模型的输出结果对土壤信息实时调整，从而为所述植物提供准确的、适宜的生长环境，达到保证所述植物健康生长的技术效果。

进一步而言，本申请实施例还包括：

步骤S910：通过所述第一摄像头获得光照强度信息；

步骤S920：通过所述第一植物的生长习性信息获得预定光照强度阈值；

步骤S930：根据所述预定光照强度阈值获得第一调整信息；

步骤S940：根据所述第一调整信息对所述光照强度信息进行调整。

具体而言，室内光线不足影响植物生长时，就一定要补光。室内栽培和摆放植物，常常由于光线不足,容易造成叶子发黄、脱落，严重的会死亡。可以根据所述植物的生长习性，比如喜光还是喜阴，对所述植物的采光进行实时调整，进一步而言，所述喜光植物的需求光强也是各有不同的，根据所述植物的生长习性，对所述植物的最佳生长光强进行判断，根据所述判断结果生成预定光照强度阈值，调整所述实时光照强度，以达到实时光照强度可满足预定光照强度阈值，达到保证所述植物健康生长的技术效果。

进一步而言，所述根据所述第一调整信息对所述光照强度信息进行调整，本申请实施例步骤S940还包括：

步骤S941：通过所述第一摄像头获得光照时长信息；

步骤S942：根据所述第一植物的生长习性信息获得最佳光照时长信息；

步骤S943：根据所述最佳光照时长信息对所述光照时长进行实时调整。

具体而言，光照时长是影响植物生长的又一重要因素，光照时长不足会严重影响植物生长，根据所述植物的生活习性，对所述植物进行加长光照时长或减少光照时长。通过所述第一摄像头获得光照时长信息，根据第一植物的生长习性信息获得最佳光照时长信息，根据最佳光照时长对实际光照时长进行调整，进一步而言，当光照时长不足时，可以用人工增加光照的方法，弥补室内光线不足。用日光灯和白炽灯增加光照是常用的方法。室内植物要根据植物的喜光程度，决定安置灯光的位置、数量等。通过对所述光照时长的调整达到保证所述植物健康生长的技术效果。

进一步而言，所述根据所述输出结果对所述第一植物栽植后的土壤进行实时调整，本申请实施例步骤S800还包括：

步骤S810：通过所述第一摄像头获得所述第一植物的叶片信息；

步骤S820：判断所述叶片信息是否存在第一异常状态；

步骤S830：当所述叶片信息存在第一异常状态时，对所述第一植物进行施肥处理。

具体而言，所述第一异常状态为叶片发黄，综上所述，当所述植物阳光充足，水分温湿度合适，酸碱度也适宜，所述植物发黄则为缺少营养元素，根据所述表现的性状，所述性状通过所述第一摄像头获得，判别所需的营养元素，根据所述缺少营养元素，配比适宜肥料，对所述植物进行施肥处理。

进一步而言，所述通过所述第一摄像头获得所述第一植物的叶片信息，本申请实施例步骤S810还包括：

步骤S811：判断所述叶片信息是否存在第二异常状态；

步骤S812：根据所述第二异常状态对所述第一植物进行杀虫处理。

具体而言，所述第二异常状态为弯曲、扭曲、出现虫洞，当所述叶片信息存在上述状态时，表明所述植物受了虫害，根据所述实际表现得不同，获得与之对应的杀虫试剂，根据所述适宜杀虫试剂对所述植物进行杀虫处理，保证所述植物健康生长。

进一步而言，本申请实施例还包括：

步骤S1010：获得所述第一植物的生长周期信息；

步骤S1020：根据所述生长周期信息，获得第一植物在本周期需求土壤信息；

步骤S1030：根据所述本周期需求土壤信息对所述土壤信息进行实时调整。

具体而言，植物的不同生长周期下，根系发达程度不同，当植物不断地成长，根系根据土壤情况进行扩散，根据不同时期根系的扩散程度不同，获得需求的土壤面积和土壤深度，根据所述需求信息对土壤进行实时调整，举例而言，可将不能满足生长需求的花盆更换等，通过保证土壤的需求面积达到保证植物健康生长的技术效果。

综上所述，本申请实施例所提供的一种基于互联网的家居植物栽植方法及系统具有如下技术效果：

1、由于采用了通过土壤酸碱度传感器获得土壤酸碱度信息，根据所述第一植物的生长习性信息调整土壤酸碱度后对所述植物进行栽植，将所述第一植物的生长信息输入训练模型，基于训练模型不断修正、调整获得更加准确、实时的适宜所述植物生长的土壤酸碱度和温湿度标识信息，通过所述输出土壤酸碱度和温湿度对栽植植物后的土壤实时调整的方式，达到了准确根据所述植物的实时需求，准确为所述植物提供适宜的生长环境保证所述植物健康生长的技术效果。

2、由于采用了根据所述植物的生长习性，对所述植物的最佳生长光强进行判断的方式，根据所述判断结果生成预定光照强度阈值，调整所述实时光照强度，以达到实时光照强度可满足预定光照强度阈值，达到保证所述植物健康生长的技术效果。

3、由于采用了根据所述叶片的实际表现得不同，获得与之对应的杀虫试剂的方式，根据所述适宜杀虫试剂对所述植物进行杀虫处理，保证所述植物健康生长。

实施例二

基于与前述实施例中一种基于互联网的家居植物栽植方法同样发明构思，本发明还提供了一种基于互联网的家居植物栽植系统，如图2所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于通过所述土壤酸碱度传感器获得土壤酸碱度信息；

第二获得单元12，所述第二获得单元12用于获得第一植物的种类信息；

第三获得单元13，所述第三获得单元13用于根据所述种类信息获得所述第一植物的生长习性信息；

第一调整单元14，所述第一调整单元14用于根据所述生长习性信息调整所述土壤酸碱度信息后，将所述第一植物进行栽植；

第四获得单元15，所述第四获得单元15用于根据所述第一摄像头获得所述第一植物进行栽种后的生长信息；

第一输入单元16，所述第一输入单元16用于将所述生长信息输入训练模型，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述生长信息和起标识作用的土壤酸碱度及温湿度的标识信息；

第五获得单元17，所述第五获得单元17用于获得所述训练模型的输出结果，所述输出结果包含土壤酸碱度调整信息及温湿度调整信息；

第二调整单元18，所述第二调整单元18用于根据所述输出结果对所述第一植物栽植后的土壤进行实时调整。

进一步的，所述系统还包括：

第六获得单元，所述第六获得单元用于通过所述第一摄像头获得光照强度信息；

第七获得单元，所述第七获得单元用于通过所述第一植物的生长习性信息获得预定光照强度阈值；

第八获得单元，所述第八获得单元用于根据所述预定光照强度阈值获得第一调整信息；

第三调整单元，所述第三调整单元用于根据所述第一调整信息对所述光照强度信息进行调整。

进一步的，所述系统还包括：

第九获得单元，所述第九获得单元用于通过所述第一摄像头获得光照时长信息；

第十获得单元，所述第十获得单元用于根据所述第一植物的生长习性信息获得最佳光照时长信息；

第四调整单元，所述第四调整单元用于根据所述最佳光照时长信息对所述光照时长进行实时调整。

进一步的，所述系统还包括：

第十一获得单元，所述第十一获得单元用于通过所述第一摄像头获得所述第一植物的叶片信息；

第一判断单元，所述第一判断单元用于判断所述叶片信息是否存在第一异常状态；

第十二获得单元，所述第十二获得单元用于当所述叶片信息存在第一异常状态时，对所述第一植物进行施肥处理。

进一步的，所述系统还包括：

第二判断单元，所述第二判断单元用于判断所述叶片信息是否存在第二异常状态；

第十三获得单元，所述第十三获得单元用于根据所述第二异常状态对所述第一植物进行杀虫处理。

进一步的，所述系统还包括：

第十四获得单元，所述第十四获得单元用于获得所述第一植物的生长周期信息；

第十五获得单元，所述第十五获得单元用于根据所述生长周期信息，获得第一植物在本周期需求土壤信息；

第五调整单元，所述第五调整单元用于根据所述本周期需求土壤信息对所述土壤信息进行实时调整。

前述图1实施例一中的一种基于互联网的家居植物栽植方法的各种变化方式和具体实例同样适用于本实施例的一种基于互联网的家居植物栽植系统，通过前述对一种基于互联网的家居植物栽植方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于互联网的家居植物栽植系统的实施方法，所以为了说明书的简洁，在此不再详述。

示例性电子设备

下面参考图3来描述本申请实施例的电子设备。

图3图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种基于互联网的家居植物栽植方法的发明构思，本发明还提供一种基于互联网的家居植物栽植系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于互联网的家居植物栽植方法的任一方法的步骤。

其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本发明实施例提供的一种基于互联网的家居植物栽植方法，应用于一智能家居系统，所述智能家居系统配置有第一摄像头，并与土壤酸碱度传感器、温湿度传感器连接，所述方法包括：通过所述土壤酸碱度传感器获得土壤酸碱度信息；获得第一植物的种类信息；根据所述种类信息获得所述第一植物的生长习性信息；根据所述生长习性信息调整所述土壤酸碱度信息后，将所述第一植物进行栽植；根据所述第一摄像头获得所述第一植物进行栽种后的生长信息；将所述生长信息输入训练模型，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述生长信息和起标识作用的土壤酸碱度及温湿度的标识信息；获得所述训练模型的输出结果，所述输出结果包含土壤酸碱度调整信息及温湿度调整信息；根据所述输出结果对所述第一植物栽植后的土壤进行实时调整。解决了现有技术中存在对家居植物栽植和培养不符合所述植物的生长习性或生存条件，进而导致植物生长不健康甚至死亡的技术问题，达到准确根据植物的生长习性，为所述植物提供准确的、适宜的生长环境，保证所述植物健康生长的技术效果。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种基于互联网的家居植物栽植方法，应用于一智能家居系统，所述智能家居系统配置有第一摄像头，并与土壤酸碱度传感器、温湿度传感器连接，所述方法包括：

通过所述土壤酸碱度传感器获得土壤酸碱度信息；

获得第一植物的种类信息；

根据所述种类信息获得所述第一植物的生长习性信息；

根据所述生长习性信息调整所述土壤酸碱度信息后，将所述第一植物进行栽植；

根据所述第一摄像头获得所述第一植物进行栽种后的生长信息；

将所述生长信息输入训练模型，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述生长信息和起标识作用的土壤酸碱度及温湿度的标识信息；

获得所述训练模型的输出结果，所述输出结果包含土壤酸碱度调整信息及温湿度调整信息；

根据所述输出结果对所述第一植物栽植后的土壤进行实时调整。

2.如权利要求1所述方法，其中，所述方法还包括：

通过所述第一摄像头获得光照强度信息；

通过所述第一植物的生长习性信息获得预定光照强度阈值；

根据所述预定光照强度阈值获得第一调整信息；

根据所述第一调整信息对所述光照强度信息进行调整。

3.如权利要求2所述的方法，其中，所述方法还包括：

通过所述第一摄像头获得光照时长信息；

根据所述第一植物的生长习性信息获得最佳光照时长信息；

根据所述最佳光照时长信息对所述光照时长进行实时调整。

4.如权利要求1所述的方法，其中，所述根据所述输出结果对所述第一植物栽植后的土壤进行实时调整，所述方法还包括：

通过所述第一摄像头获得所述第一植物的叶片信息；

判断所述叶片信息是否存在第一异常状态；

当所述叶片信息存在第一异常状态时，对所述第一植物进行施肥处理。

5.如权利要求4所述的方法，其中，所述通过所述第一摄像头获得所述第一植物的叶片信息，所述方法包括：

判断所述叶片信息是否存在第二异常状态；

根据所述第二异常状态对所述第一植物进行杀虫处理。

6.如权利要求1所述的方法，其中，所述方法包括：

获得所述第一植物的生长周期信息；

根据所述生长周期信息，获得第一植物在本周期需求土壤信息；

根据所述本周期需求土壤信息对所述土壤信息进行实时调整。

7.一种基于互联网的家居植物栽植系统，其中，所述系统包括：

第一获得单元，所述第一获得单元用于通过所述土壤酸碱度传感器获得土壤酸碱度信息；

第二获得单元，所述第二获得单元用于获得第一植物的种类信息；

第三获得单元，所述第三获得单元用于根据所述种类信息获得所述第一植物的生长习性信息；

第一调整单元，所述第一调整单元用于根据所述生长习性信息调整所述土壤酸碱度信息后，将所述第一植物进行栽植；

第四获得单元，所述第四获得单元用于根据所述第一摄像头获得所述第一植物进行栽种后的生长信息；

第一输入单元，所述第一输入单元用于将所述生长信息输入训练模型，所述训练模型通过多组训练数据训练获得，所述多组训练数据中的每组训练数据均包括：所述生长信息和起标识作用的土壤酸碱度及温湿度的标识信息；

第五获得单元，所述第五获得单元用于获得所述训练模型的输出结果，所述输出结果包含土壤酸碱度调整信息及温湿度调整信息；

第二调整单元，所述第二调整单元用于根据所述输出结果对所述第一植物栽植后的土壤进行实时调整。

8.一种基于互联网的家居植物栽植系统，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，其中，所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。

Images