CN112189550A - 一种基于数据驱动的智能植物培育系统及其使用方法 - Google Patents

Abstract

本发明提出了一种基于数据驱动的智能植物培育系统及其使用方法，用于解决现有植物栽培过程中无法精准调整花卉植物所需的土壤环境的技术问题。本发明包括中央处理模块、无线通讯模块、服务器和移动终端，移动终端与服务器相连接，服务器通过无线通讯模块与中央处理模块相连接；所述中央处理模块通过无线通讯模块分别与图像采集模块、湿度检测模块、酸碱度检测模块、水量控制模块和酸碱度调整模块相连接；所述中央处理模块、湿度检测模块、酸碱度检测模块、水量控制模块和酸碱度调整模块均设置在智能花盆上。本发明借助完善的软硬件控制系统，根据植物种类、地区、季节自动调整浇水量和施肥量，实现了对植物生长环境的全自动调整和系统安全监控。

Description

一种基于数据驱动的智能植物培育系统及其使用方法

技术领域

本发明涉及花卉类植物培育技术领域，特别是指一种基于数据驱动的智能植物培育系统及其使用方法。

背景技术

随着人们的生活水平不断提高，越来越多的家庭注重舒适、健康的环境，在家中养殖一些盆栽花卉成为越来越多人们的选择，既赏心悦目，又可以净化空气。但培育好一盆植物需要付出大量的心血和精力，特别是名贵品种更是需要大量经验的积累和专业知识。

随着智能家居的普及与智能技术的发展，越来越多的智能化花盆通过自动控制技术和智能物联网技术实现花卉品种的培育。但是市面上的智能花盆功能单一，实现的只是按照设定的时间进行没有感知的浇水或提醒人们浇水，并没有针对具体花卉或所处地区、季节不同，而自动调整浇水量或酸碱度，也就是说其不够“智能”。针对此类情况，设计一种基于大数据的智能植物培育系统是十分必要的。

发明内容

针对上述背景技术中存在的不足，本发明提出了一种基于数据驱动的智能植物培育系统及其使用方法，该系统基于大量栽培花卉植物的经验数据，借助完善的土壤湿度和酸碱度控制模块，根据花卉植物种类、地区、季节的不同来自动调整浇水量和施肥量供给的自动化管理系统，从而解决了现有植物栽培过程中无法精准调整花卉植物所需的土壤环境的技术问题。

本发明的技术方案是这样实现的：

一种基于数据驱动的智能植物培育系统，包括中央处理模块、无线通讯模块、服务器和移动终端，移动终端与服务器相连接，服务器通过无线通讯模块与中央处理模块相连接；所述中央处理模块通过无线通讯模块分别与图像采集模块、湿度检测模块、酸碱度检测模块、水量控制模块和酸碱度调整模块相连接；所述中央处理模块、湿度检测模块、酸碱度检测模块、水量控制模块和酸碱度调整模块均设置在智能花盆上。

所述湿度检测模块包括湿度传感器，湿度传感器与中央处理模块相连接，湿度传感器设置在智能花盆上；所述水量控制模块包括第一水泵，第一水泵与中央处理模块相连接，第一水泵设置在智能花盆上方。

所述酸碱度检测模块包括PH值传感器，PH值传感器与中央处理模块相连接，PH值传感器设置在智能花盆上；所述酸碱度调整模块包括第二水泵和第三水泵，第二水泵和第三水泵均与中央处理模块相连接，第二水泵和第三水泵均设置在智能花盆上。

所述中央处理模块包括DSP处理器和PID控制器，DSP处理器与PID控制器相连接，PID控制器分别与湿度传感器、第一水泵、PH值传感器、第二水泵和第三水泵相连接；DSP处理器通过无线通讯模块与服务器、图像采集模块相连接。

一种基于数据驱动的智能植物培育系统的使用方法，其步骤如下：

S1、在移动终端中输入植物的类型、植物所在地区、植物当前生长情况3路信息，将由时钟确定的季节、日期与植物的类型、植物所在地区、植物当前生长情况通过无线通信模块上传至服务器；

S2、利用服务器中训练好的CatBoost分类器对季节、日期、植物的类型、植物所在地区、植物当前生长情况进行处理得到植物的土壤湿度和酸碱度值，并通过服务器将植物的土壤湿度和酸碱度值传输至中央处理模块；

S3、中央处理模块根据植物的土壤湿度和酸碱度值调整水量控制模块和酸碱度调整模块，其中，水量控制模块的控制周期为10s，酸碱度调整模块的控制周期为1天；

S4、每隔24小时启动图像采集模块，利用图像采集模块采集植物的实时花朵或叶片信息，并将植物的实时花朵或叶片信息上传至中央处理模块中与植物前2次的生长信息进行对比，判断植物是否正常生长，如果发现连续3次植物花朵或叶片出现枯萎缩小，执行步骤S5，否则，循环步骤S4；

S5、中央处理模块向移动终端发出警报信号，提醒用户及时查看植物的生长状态，用户主动调整植物的土壤湿度、酸碱度的信息，并调整后的土壤湿度、酸碱度上传到服务器；

S6、服务器将调整后的实时土壤湿度、酸碱度的信息和植物历史数据进行综合，不断训练CatBoost分类器的参数，得到最优分类模型，返回步骤S2。

所述利用服务器中训练好的CatBoost分类器对季节、日期、植物的类型、植物所在地区、植物当前生长情况进行处理得到植物的土壤湿度和酸碱度值的方法为：

S21、根据植物的相关数据包括季节、日期、植物的类型、植物所在地区和植物当前生长情况构造系统数据集D＝{(x_i,y_i),i＝1,2,…,n,x_i∈R^h,y_i∈R}，其中，n为样本个数，h为每个样本的特征个数；

S22、对系统数据集进行筛选和预处理，将季节、日期、植物的类型、植物所在地区和植物当前生长情况转换为数值型数据，作为CatBoost分类器的特征输入；

S23、利用CatBoost分类器对每种植物x_i的数值型数据进行训练，得到植物x_i的分类模型H_i，在训练过程利用梯度估计方法对分类模型H_i沿着梯度负方向训练，如此循环进行最终得到最优CatBoost模型；

S24、将最优CatBoost模型部署在服务器中，由移动终端向服务器发送与植物相关的数据，服务器中的最优CatBoost模型实时判别植物的土壤湿度和酸碱度，并向移动终端发送植物的土壤湿度和酸碱度。

所述将与植物相关的数据转换为数值型数据的方法为：1)对与植物相关的数据进行随机排序，生成多组随机排列，其次，给定一个序列，针对每个特征，对于同类别的特征计算其平均样本值；2)利用公式(1)将排序后的特征值转化为数值：

其中，σ＝(σ₁，…，σ_n)表示其中一组排列，P表示先验概率，a表示先验的权重系数(a＞0)，

代表这一组排列中第j行数据的第k列特征，

代表第p行数据的第k列特征，

表示第j行数据对应的标签，j＝1,2，…，p-1表示数据的列号。

有监督机器学习的衡量指标准确率的评价准则为：

其中，TP为True Positive将正类样本分类为正类；FP为False Positive将负类样本分类为负类；FN为False Negative将正类样本分类为负类；TN为True Negative将负类样本分类为正类。

本技术方案能产生的有益效果：

1)本发明综合了基于摄像头的图像采集处理模块、基于土壤水分变送器的土壤湿度检测模块、基于土壤PH值传感器的土壤酸碱度检测模块等多种不同形式的传感器模块，能够实时监控花卉植物栽培过程中的状态，为精准调节打下基础；

2)本发明集合了大量专家培育不同花卉植物的栽培数据和记录，通过训练这些数据，得到不同维度、不同季节、不同花期下土壤的湿度和酸碱度应有的量值，并借助PID控制实现水量、肥料的精确调整，确保花卉植物的最优生长坏境；

3)为了更好的监控花卉植物的状态，引入基于OpenMV4 H7机器视觉的图像采集模块，实时采集花卉植物的图像信息并进行对比，如若发现枯萎把报警信息通过手机APP发布，要求用户介入人工调整，并将其调整后的信息输入服务器用于分类器的训练更新，确保系统的普适性。

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简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明的系统框图；

图2为本发明的土壤湿度检测和控制结构图；

图3为本发明的土壤酸碱度检测和控制结构图。

具体实施方式

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，所描述的实施例仅仅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付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。

实施例1，如图1所示，一种基于数据驱动的智能植物培育系统，能根据植物种类、所在地区、所处季节的不同，基于专家培育植物的经验和数据挖掘技术，自动确定并控制土壤湿度和酸碱度。该系统基于训练好的CatBoost分类器和植物、季节、地理位置等信息确认所需保持的土壤湿度和酸碱度信息，通过土壤湿度、酸碱度的检测模块和调节模块等对植物生长的土壤环境进行自动调整。该系统包括中央处理模块、无线通讯模块、服务器和移动终端，移动终端为手机APP端，移动终端与服务器相连接，服务器通过无线通讯模块与中央处理模块相连接；所述中央处理模块通过无线通讯模块分别与图像采集模块、湿度检测模块、酸碱度检测模块、水量控制模块和酸碱度调整模块相连接；所述中央处理模块、湿度检测模块、酸碱度检测模块、水量控制模块和酸碱度调整模块均设置在智能花盆上。基于数据驱动的智能植物培育系统，它能根据植物种类、所在地区、所处季节的不同，基于专家培育植物的经验和数据挖掘技术，设计各纲目各科不同种类的常见植物的培养方案，自动确定并控制土壤湿度和酸碱度，实现不同种类的花卉植物在不同地区、不同季节下的视情栽培。所述中央处理模块安装在花盆上，采用TMS320F28035高性能浮点DSP处理器，中央处理模块除了通过串口、A/D、D/A等接口与系统中其他相关模块连接，协调保持各个模块正常运行的功能之外，还集成了利用大数据训练得到的CatBoost分类器，数据来自于不同地区的高水平养殖花卉专家成功培育不同花卉的日常培育信息(花卉类型、花卉浇水的频率、浇水量及其对应的土壤湿度、土壤酸碱度)，当用户使用该花盆时，只需在手机模块中输入当前花卉所处的维度、日期、花盆中栽培花卉的品种，服务器就能借助CatBoost分类器自动计算出该阶段花卉所需要的土壤湿度和酸碱度。而在每个控制周期内，相关模块实时采集花盆中土壤的湿度和酸碱度数据，由PID控制器运算之后将控制量发送给水量控制模块和土壤酸碱度控制模块，精确调整花卉生长的土壤状态。

如图2所示，所述湿度检测模块包括湿度传感器，湿度传感器与中央处理模块相连接，湿度传感器设置在智能花盆上；所述水量控制模块包括第一水泵，第一水泵与中央处理模块相连接，第一水泵设置在智能花盆上方。所述中央处理模块包括DSP处理器和PID控制器，DSP处理器与PID控制器相连接，PID控制器分别与湿度传感器、第一水泵相连接；DSP处理器通过无线通讯模块与服务器、图像采集模块相连接。

如图3所示，所述酸碱度检测模块包括PH值传感器，PH值传感器与中央处理模块上的PID控制器相连接，PH值传感器设置在智能花盆上；所述酸碱度调整模块包括第二水泵和第三水泵，第二水泵和第三水泵均与中央处理模块上的PID控制器相连接，第二水泵和第三水泵均设置在智能花盆上。

无线通信模块，采用TaoTimeClub的ESP8266串口WIFI无线模块，它与服务器、图像采集模块、水量控制模块、湿度检测模块、酸碱度调整模块、酸碱度检测模块等通过WIFI无线信号进行传输，相关信息通过串口与DSP中央处理器的SCI模块进行数据传输。

湿度检测模块湿度传感器，湿度传感器集成2路CSF11土壤水分变送器，通过花盆预留插口分层水平方向插入花盆土壤当中，其中1个靠近盆底、1个在盆中腰，均与土壤直接接触，两个CSF11土壤水分变送器的输出4-20mA电信号直接与中央处理器的A/D引脚连接，用以检测土壤的湿度是否达到所栽种花卉植物的环境要求，并借助水量控制模块来进行精细调整。

水量调节模块由流量为0.35L/Min的无刷直流水泵构成，其与中央处理器模块D/A接口连接，根据PID控制器计算的控制量调制PWM脉宽，通过利用开启或关闭水泵来补给所缺水量从而调节土壤湿度，进而与土壤湿度检测模块构成一个闭环控制体系。

图像采集模块利用OpenMV4 H7机器视觉模块，采集花卉植物的花朵或叶片图像信息，并与之前的数据进行对比，判断其是否正常生长，如果发现连续3天其花朵或叶片出现枯萎缩小，则立即通过中央处理器给手机端APP发信号，提醒用户花卉可能存在的异常，以便其及时查看并进行处理。

酸碱度检测模块为基于电导理论的X8W850-H1无线土壤PH值传感器，它与中央处理器的无线通信模块通过WIFI连接，定期检测土壤的酸碱度是否达到所栽种花卉植物需要的酸碱度要求。若不满足要求，则由中央处理器中的PID控制算法计算需要补偿的酸性或碱性肥料数量并由酸碱度调整模块进行精细化调整。

酸碱度调整模块由2个流量为0.35L/Min的无刷直流水泵构成，两个水泵的输入分别为减小PH值、增加土壤酸性的矾肥水与增加PH值、增加土壤碱性的氨水，该模块在土壤第一次放入花盆之后结合酸碱度检测模块进行工作，根据中央处理中的分类器的PH值输出和检测到当前土壤酸碱度值，确定需要添加的肥料类型和数量，实现土壤酸碱度调整。考虑到土壤酸碱度变化速度较慢，上述两个模块每六个月工作一次或在更换土壤时启动。

手机端APP基于Android和IOS系统开发，可安装在安卓或IOS系统中，具有人机交互界面，具有操控智能花盆工作的监测开始/停止按钮，可以接收中央处理器通过无线通信模块发送的关于智能花盆正常工作与否、花卉生长状态的信息，若花卉出现枯萎状态会及时作出警报。

服务器搭载16核32线程2.3GHz处理器，128G内存和3块T4 GPU，其功能是实时收集不同用户在使用智能花盆过程中，人为地通过浇水或施肥改变土壤状态，从而调整花卉生长情况的信息，并进一步进行训练从而调整CatBoost分类器，目的是修正之前得到的CatBoost分类器因收集信息不完整、训练不充分导致的分类结果偏差，更好地适应用户当地的环境和花卉生长特点。

实施例2，一种基于数据驱动的智能植物培育系统的使用方法，集合了大量专家培育不同花卉植物的栽培数据和记录，通过CatBoost分类器训练这些数据，得到不同维度、不同季节、不同花期下土壤的湿度和酸碱度应有的量值；综合了基于CSF11土壤水分变送器的土壤湿度检测模块、基于X8W850-H1无线土壤PH值传感器的土壤酸碱度检测模块等多种不同形式的传感器模块，能够实时监控花卉植物栽培过程中的状态，为精准调节打下基础；同时引入基于OpenMV4 H7机器视觉的图像采集处理模块，实时采集花卉植物的图像信息并进行对比，如若发现枯萎及时通过手机APP报警，要求用户介入人工调整，并将其调整后的信息输入服务器用于分类器的训练更新；为实现土壤湿度酸碱度的调节，结合上述传感器模块，引入PID控制算法和无刷直流电机为核心的水泵，补充水量和调整土壤PH值的矾肥水或氨水，实现对植物生长的土壤环境的自动调整；具体步骤如下：

S1、在移动终端中输入植物的类型、植物所在地区、植物当前生长情况(营养生长期、生殖生长期、休眠期)3路信息，将由时钟确定的季节、日期与植物的类型、植物所在地区、植物当前生长情况通过无线通信模块上传至服务器；

S2、利用服务器中训练好的CatBoost分类器对季节、日期、植物的类型、植物所在地区、植物当前生长情况进行处理得到植物的土壤湿度和酸碱度值，并通过服务器将植物的土壤湿度和酸碱度值传输至中央处理模块；其中训练好的CatBoost分类器将求解输出所栽种的花卉植物最适宜的土壤湿度和酸碱度。具体方法为：

S21、根据植物的相关数据包括季节、日期、植物的类型、植物所在地区和植物当前生长情况构造系统数据集D＝{(x_i,y_i),i＝1,2,…,n,x_i∈R^h,y_i∈R}，其中，n为样本个数，h为每个样本的特征个数；

S22、对系统数据集进行筛选和预处理，将与植物相关的数据转换为数值型数据，作为CatBoost分类器的特征输入；其中，与植物相关的数据包括季节、日期、植物的类型、植物所在地区和植物当前生长情况；具体转换方法为：1)对与植物相关的数据进行随机排序，生成多组随机排列，其次，给定一个序列，针对每个特征，对于同类别的特征计算其平均样本值；2)利用公式(1)将排序后的特征值转化为数值：

其中，σ＝(σ₁，…，σ_n)表示其中一组可能的随机排列，P表示先验概率，a表示先验的权重系数(a＞0)，

代表这一组排列中第j行数据的第k列特征，

代表第p行数据的第k列特征，

表示第j行数据对应的标签，j＝1，2，…，p-1表示数据的列号。

特征分类处理后的数据，采用排序提升算法改变了传统算法中的梯度估计方式。由于GBDT(Gradient Boosting Decision Tree，GBDT)每次迭代训练时，使用相同数据集计算损失函数于当前模型的梯度，然后由梯度负方向训练得到分类模型，导致逐点梯度估计偏差，最终模型过拟合。本发明采用排序提升算法相较传统算法可以得到梯度的无偏估计，降低估计偏差，提高泛化能力。

S23、利用CatBoost分类器对每种植物xi的数值型数据进行训练，得到植物xi的分类模型Hi，在训练过程利用梯度估计方法对分类模型Hi沿着梯度负方向训练，如此循环进行最终得到最优CatBoost模型；

由于花卉植被属于多分类问题，本发明使用有监督机器学习中常用的衡量指标准确率(Accuracy)来评价分类器分类效果，如公式(2)所示：

其中，TP为True Positive将正类样本分类为正类；FP为False Positive将负类样本分类为负类；FN为False Negative将正类样本分类为负类；TN为True Negative将负类样本分类为正类。

S24、将最优CatBoost模型部署在服务器中，由移动终端向服务器发送与植物相关的数据，服务器中的最优CatBoost模型实时判别植物的土壤湿度和酸碱度，并向移动终端发送植物的土壤湿度和酸碱度。

S3、中央处理模块根据植物的土壤湿度和酸碱度值调整水量控制模块和酸碱度调整模块，去调整植物生长所处的土壤的情况，其中，水量控制模块的控制周期为10s，酸碱度控制由于酸碱度调整的速度较慢，因此酸碱度调整模块的控制周期为1天；

S4、每隔24小时启动图像采集模块，利用图像采集模块采集植物的实时花朵或叶片信息，并将植物的实时花朵或叶片信息上传至中央处理模块中与植物前2次的生长信息进行对比，判断植物是否正常生长，如果发现连续3次植物花朵或叶片出现枯萎缩小，执行步骤S5，否则，循环步骤S4；

S5、中央处理模块向移动终端发出警报信号，提醒用户及时查看植物的生长状态，用户主动调整植物的土壤湿度、酸碱度的信息，并调整后的土壤湿度、酸碱度上传到服务器；

S6、服务器将调整后的实时土壤湿度、酸碱度的信息和植物历史数据进行综合，不断训练CatBoost分类器的参数，得到最优分类模型，返回步骤S2，以便根据植物所处的生长环境不同，更好的调节植物的生长坏境。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于数据驱动的智能植物培育系统，包括中央处理模块、无线通讯模块、服务器和移动终端，移动终端与服务器相连接，服务器通过无线通讯模块与中央处理模块相连接；其特征在于，所述中央处理模块通过无线通讯模块分别与图像采集模块、湿度检测模块、酸碱度检测模块、水量控制模块和酸碱度调整模块相连接；所述中央处理模块、湿度检测模块、酸碱度检测模块、水量控制模块和酸碱度调整模块均设置在智能花盆上。

2.根据权利要求1所述的基于数据驱动的智能植物培育系统，其特征在于，所述湿度检测模块包括湿度传感器，湿度传感器与中央处理模块相连接，湿度传感器设置在智能花盆上；所述水量控制模块包括第一水泵，第一水泵与中央处理模块相连接，第一水泵设置在智能花盆上方。

3.根据权利要求2所述的基于数据驱动的智能植物培育系统，其特征在于，所述酸碱度检测模块包括PH值传感器，PH值传感器与中央处理模块相连接，PH值传感器设置在智能花盆上；所述酸碱度调整模块包括第二水泵和第三水泵，第二水泵和第三水泵均与中央处理模块相连接，第二水泵和第三水泵均设置在智能花盆上。

4.根据权利要求3所述的基于数据驱动的智能植物培育系统，其特征在于，所述中央处理模块包括DSP处理器和PID控制器，DSP处理器与PID控制器相连接，PID控制器分别与湿度传感器、第一水泵、PH值传感器、第二水泵和第三水泵相连接；DSP处理器通过无线通讯模块与服务器、图像采集模块相连接。

5.根据权利要求1-4任一项所述的基于数据驱动的智能植物培育系统的使用方法，其特征在于，其步骤如下：

S1、在移动终端中输入植物的类型、植物所在地区、植物当前生长情况3路信息，将由时钟确定的季节、日期与植物的类型、植物所在地区、植物当前生长情况通过无线通信模块上传至服务器；

S2、利用服务器中训练好的CatBoost分类器对季节、日期、植物的类型、植物所在地区、植物当前生长情况进行处理得到植物的土壤湿度和酸碱度值，并通过服务器将植物的土壤湿度和酸碱度值传输至中央处理模块；

S3、中央处理模块根据植物的土壤湿度和酸碱度值调整水量控制模块和酸碱度调整模块，其中，水量控制模块的控制周期为10s，酸碱度调整模块的控制周期为1天；

S4、每隔24小时启动图像采集模块，利用图像采集模块采集植物的实时花朵或叶片信息，并将植物的实时花朵或叶片信息上传至中央处理模块中与植物前2次的生长信息进行对比，判断植物是否正常生长，如果发现连续3次植物花朵或叶片出现枯萎缩小，执行步骤S5，否则，循环步骤S4；

S5、中央处理模块向移动终端发出警报信号，提醒用户及时查看植物的生长状态，用户主动调整植物的土壤湿度、酸碱度的信息，并调整后的土壤湿度、酸碱度上传到服务器；

S6、服务器将调整后的实时土壤湿度、酸碱度的信息和植物历史数据进行综合，不断训练CatBoost分类器的参数，得到最优分类模型，返回步骤S2。

6.根据权利要求5所述的基于数据驱动的智能植物培育系统的使用方法，其特征在于，所述利用服务器中训练好的CatBoost分类器对季节、日期、植物的类型、植物所在地区、植物当前生长情况进行处理得到植物的土壤湿度和酸碱度值的方法为：

S21、根据植物的相关数据包括季节、日期、植物的类型、植物所在地区和植物当前生长情况构造系统数据集D＝{(x_i,y_i),i＝1,2,…,n,x_i∈R^h,y_i∈R}，其中，n为样本个数，h为每个样本的特征个数；

S22、对系统数据集进行筛选和预处理，将季节、日期、植物的类型、植物所在地区和植物当前生长情况转换为数值型数据，作为CatBoost分类器的特征输入；

S23、利用CatBoost分类器对每种植物x_i的数值型数据进行训练，得到植物x_i的分类模型H_i，在训练过程利用梯度估计方法对分类模型H_i沿着梯度负方向训练，如此循环进行最终得到最优CatBoost模型；

S24、将最优CatBoost模型部署在服务器中，由移动终端向服务器发送与植物相关的数据，服务器中的最优CatBoost模型实时判别植物的土壤湿度和酸碱度，并向移动终端发送植物的土壤湿度和酸碱度。

7.根据权利要求6所述的基于数据驱动的智能植物培育系统的使用方法，其特征在于，所述将与植物相关的数据转换为数值型数据的方法为：1)对与植物相关的数据进行随机排序，生成多组随机排列，其次，给定一个序列，针对每个特征，对于同类别的特征计算其平均样本值；2)利用公式(1)将排序后的特征值转化为数值：

其中，σ＝(σ₁,…,σ_n)表示其中一组排列，P表示先验概率，a表示先验的权重系数(a＞0)，

代表这一组排列中第j行数据的第k列特征，

代表第p行数据的第k列特征，

表示第j行数据对应的标签，j＝1,2,…,p-1表示数据的列号。

8.根据权利要求6所述的基于数据驱动的智能植物培育系统的使用方法，其特征在于，有监督机器学习的衡量指标准确率的评价准则为：

其中，TP为True Positive将正类样本分类为正类；FP为False Positive将负类样本分类为负类；FN为False Negative将正类样本分类为负类；TN为True Negative将负类样本分类为正类。

Images