CN114898344B - 个性化植物养护的方法、系统及可读存储介质 - Google Patents
个性化植物养护的方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN114898344B CN114898344B CN202210537096.XA CN202210537096A CN114898344B CN 114898344 B CN114898344 B CN 114898344B CN 202210537096 A CN202210537096 A CN 202210537096A CN 114898344 B CN114898344 B CN 114898344B
- Authority
- CN
- China
- Prior art keywords
- plant
- maintenance
- user
- information
- personalized
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 229
- 238000000034 method Methods 0.000 title claims abstract description 44
- 241000894007 species Species 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 24
- 230000012010 growth Effects 0.000 claims description 21
- 230000036541 health Effects 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 241000607479 Yersinia pestis Species 0.000 claims description 5
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 241000196324 Embryophyta Species 0.000 description 184
- 238000013145 classification model Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 244000252337 Epipremnum pinnatum Species 0.000 description 4
- 239000003337 fertilizer Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013138 pruning Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 230000000844 anti-bacterial effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003899 bactericide agent Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000002917 insecticide Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
- 238000009333 weeding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种个性化植物养护的方法、系统及可读存储介质，所述方法包括：接收用户添加的植物，并获取所述植物的属性信息；根据所述植物的属性信息确定所述植物的初始养护方案；获取当前用户的养护水平信息，用以调整所述初始养护方案，从而确定所述植物的个性化养护方案；向当前用户输出所述植物的个性化养护方案。
Description
技术领域
本发明涉及对象识别技术领域，特别涉及一种个性化植物养护的方法、系统及可读存储介质。
背景技术
当前的植物养护方案都是根据植物类别来确定的，即先获取植物物种信息，再根据物种确定养护方案，未考虑到养护者对植物养护的影响，养护者对植物养护的影响包括：不同养护者养护水平、对植物的了解程度不同，比如对养护水平较差的用户，养护方案中可以适当减少修剪、转盆、换盆、调节温度、调节湿度、过冬防护等难度较高的养护任务。
发明内容
本公开的目的之一是提供一种辅助用户进行个性化植物养护的方法，包括：
接收用户添加的植物，并获取所述植物的属性信息；
根据所述植物的属性信息确定所述植物的初始养护方案；
获取当前用户的养护水平信息，用以调整所述初始养护方案，从而确定所述植物的个性化养护方案；
向当前用户输出所述植物的个性化养护方案。
在一些实施例中，所述接收用户添加的植物，并获取所述植物的属性信息包括以下方式之一：
接收用户添加的植物图片，识别并获取所述植物图片中的植物的属性信息；
接收用户添加的历史识别植物结果，并获取所述历史识别植物的属性信息；
接收用户添加的搜索植物结果，并获取所述搜索植物的属性信息。
在一些实施例中，所述接收用户添加的植物图片，识别并获取所述植物图片中的植物的属性信息包括：
通过预先样本训练建立的物种识别模型来识别所述植物图片中的植物的属性信息。
在一些实施例中，所述植物的属性信息包括植物的物种名称信息和生长阶段信息。
在一些实施例中，所述植物的属性信息还包括植物状态信息。
在一些实施例中，所述根据所述植物的属性信息确定所述植物的初始养护方案还包括：
根据所述植物的属性信息、以及所述用户的位置信息和/或当前的时间信息，来确定所述植物的初始养护方案。
在一些实施例中，所述养护水平信息根据当前用户的历史养护信息进行确认。
在一些实施例中，所述养护水平信息根据当前用户的历史养护信息进行确认包括：
根据当前用户历史养护植物的种类信息、和/或当前用户的历史养护数据对所述用户的养护水平信息进行确认。
在一些实施例中，所述养护水平信息根据当前用户的历史养护信息进行确认还包括：
获取当前用户历史养护操作标签以确认所述用户的养护水平信息。
在一些实施例中，所述养护水平信息根据当前用户提交的交互问题答案信息和/或自定义养护能力标签信息进行确认。
在一些实施例中，所述辅助用户进行个性化植物养护的方法还包括：
获取用户的养护环境信息，用以调整所述初始养护方案，从而确定所述植物的个性化养护方案。
在一些实施例中，当用户具有多个养护植物时，在整体上对用户的多个养护植物进行相关联的个性化养护方案调整设置。
在一些实施例中，该方法还包括：定期对用户进行回访，以便获取植物的生长现状，并根据植物的生长现状调整所述植物的个性化养护方案。
根据本公开的另一方面，提出了一种辅助用户进行个性化植物养护的系统，包括处理器和存储器，所述存储器上存储有程序，所述程序被所述处理器执行时，实现如上所述的辅助用户进行个性化植物养护的方法。
根据本公开的另一方面，提出了一种可读存储介质，其上存储有程序，所述程序被执行时实现如上所述的辅助用户进行个性化植物养护的方法。
通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得更为清楚。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1所示为本发明一实施例提供的辅助用户进行个性化植物养护的方法的流程示意图。
图2所示为本发明一实施例的用户自定义养护水平等级标签的示意图。
图3所示为本发明一实施例提供的辅助用户进行个性化植物养护的系统的结构示意图。
注意，在以下说明的实施方式中，有时在不同的附图之间共同使用同一附图标记来表示相同部分或具有相同功能的部分，而省略其重复说明。在一些情况中，使用相似的标号和字母表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
为了便于理解，在附图等中所示的各结构的位置、尺寸及范围等有时不表示实际的位置、尺寸及范围等。因此，本公开并不限于附图等所公开的位置、尺寸及范围等。
具体实施方式
下面将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。也就是说，本文中的结构及方法是以示例性的方式示出，来说明本公开中的结构和方法的不同实施例。然而，本领域技术人员将会理解，它们仅仅说明可以用来实施的本公开的示例性方式，而不是穷尽的方式。此外，附图不必按比例绘制，一些特征可能被放大以示出具体组件的细节。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
图1所示为本发明一实施例提供的辅助用户进行个性化植物养护的方法的流程示意图，该方法可以在例如手机、平板电脑等智能终端上安装的应用程序(app)中实现。如图1所示，该方法包括：
步骤S100：接收用户添加的植物，并获取所述植物的属性信息；
步骤S200：根据所述植物的属性信息确定所述植物的初始养护方案；
步骤S300：获取当前用户的养护水平信息，用以调整所述初始养护方案，从而确定所述植物的个性化养护方案；
步骤S400：向当前用户输出所述植物的个性化养护方案。
在一些实施例中，所述接收用户添加的植物，并获取所述植物的属性信息包括以下方式之一：
接收用户添加的植物图片，识别并获取所述植物图片中的植物的属性信息；
接收用户添加的历史识别植物结果，并获取所述历史识别植物的属性信息；
接收用户添加的搜索植物结果，并获取所述搜索植物的属性信息。
接收用户添加的植物图片后，可以根据预先样本训练建立的物种识别模型来识别所述植物图片中的植物的属性信息。
物种识别模型可以是神经网络模型，具体可以是卷积神经网络模型或残差网络模型。卷积神经网络模型为深度前馈神经网络，其利用卷积核扫描物种图像，提取出物种图像中多个待识别的特征，进而对物种待识别的特征进行识别。另外，在对物种图像进行识别的过程中，可以直接将原始的物种图像输入卷积神经网络模型，而无需对物种图像进行预处理。卷积神经网络模型相比于其他的识别模型，具备更高的识别准确率以及识别效率。
残差网络模型相比于卷积神经网络模型多了恒等映射层，可以避免随着网络深度(网络中叠层的数量)的增加而导致的准确率饱和、甚至下降的现象。残差网络模型中恒等映射层的恒等映射函数需要满足：恒等映射函数与残差网络模型的输入之和等于残差网络模型的输出。引入恒等映射以后，残差网络模型对输出的变化更加明显，因此可以大大提高物种的特征识别准确率和识别效率。
在一些实施例中，训练特征分类模型可以包括：
获取具有预设数量的标注有多个特征信息的物种图像的第一样本集；
从第一样本集中确定一定比例的物种图像作为第一训练集；
利用第一训练集训练特征分类模型；以及
在第一训练准确率大于或者等于第一预设准确率时训练结束，得到训练后的特征分类模型。
具体地，在第一样本集中，可以包括大量的物种图像，并且每幅物种图像都对应标注有其对应的多个特征。将物种图像输入特征分类模型以产生输出的特征信息，然后根据输出的特征信息和标注的特征信息之间的比较结果，可以对特征分类模型中的相关参数进行调节，即对特征分类模型进行训练，直至特征分类模型的第一训练准确率大于或者等于第一预设准确率时训练结束，从而得到训练后的特征分类模型。根据一幅物种图像，特征分类模型也可以输出多个候选特征，其中每个候选特征可以具有其相应的特征置信度，以待进一步的分析筛选。
进一步的，还可以对训练得到的特征分类模型进行测试，具体可以包括：
从第一样本集中确定一定比例的物种图像作为第一测试集；
利用第一测试集确定训练后的特征分类模型的第一模型准确率；以及
在第一模型准确率小于第二预设准确率时，调整第一训练集和/或特征分类模型进行重新训练。
一般情况下，第一测试集和第一训练集中的物种图像并不完全相同，因而可以用第一测试集来测试特征分类模型是否对第一训练集之外的物种图像也有很好的识别效果。在测试过程中，通过比较根据第一测试集中的物种图像所产生的输出的特征信息和标注的特征信息，来计算特征分类模型的第一模型准确率。在一些示例中，第一模型准确率的计算方法可以与第一训练准确率的计算方法相同。当测试得到的第一模型准确率小于第二预设准确率时，表明特征分类模型的识别效果还不够好，因而可以调整第一训练集，具体例如可以增加第一训练集中的标注有特征信息的物种图像的数量，或者调整特征分类模型本身，或者对上述两者均进行调整，然后重新训练特征分类模型来改善其识别效果。在一些实施例中，第二预设准确率可以被设置为等于第一预设准确率。
在一些实施例中，还可以接收用户添加的历史识别植物结果，例如用户已经在养护的并在之前识别过物种信息的植物，可以在历史识别结果页面或者是我的植物页面直接进行添加进行个性化养护方案设置，通过这种方式添加的植物可以直接获取其植物的属性信息，不需要再次进行识别。
此外，用户还可以通过搜索植物的方式来添加需要进行个性化养护方案设置的植物，例如通过植物名称的方式来进行搜索，从而获取植物的属性信息。
所述植物的属性信息包括植物的物种名称信息，进一步的，所述植物的属性信息还可以包括其生长阶段信息，生长阶段可以包括种子/幼苗期、生长期、花期、果期、休眠期、以及干枯期中的一个。植物的生长阶段可以基于预先通过样本训练建立的神经网络模型来识别，其可以是单独的识别模型，或者是和所述物种识别模型融合的同一模型。获取植物的生长阶段信息可以更加准确地对植物的养护方案进行个性化设置。
进一步的，所述植物的属性信息还包括植物状态信息，例如植物生长状态是否良好、是否为刚刚移植后、是否处于生病状态中、以及植物壮实茂密程度等，植物状态信息可以通过单独的识别模型或者是和所述物种识别模型融合的同一模型来进行识别后获取相关信息，也可以通过交互的方式由用户来进行输入后获取。通过获取的植物状态信息可以获知当前植物的生长状态，从而可以根据不同的情况更加准确地对当前植物的养护方案进行个性化设置。
在一些实施例中，所述根据所述植物的属性信息确定所述植物的初始养护方案还包括：
根据所述植物的属性信息、以及所述用户的位置信息和/或当前的时间信息，来确定所述植物的初始养护方案。
当获取到用户植物的物种名称信息和生长阶段信息等物种属性信息后，即可从所属植物相关联的植物养护信息数据库中获取到养护信息，再结合用户的位置信息，以及当前的时间信息获取植物位置信息和季节信息，从而确定所述植物的初始养护方案。
用户所处的位置信息可通过上传所述植物图像时的位置信息确定，位置信息包括但不限于GPS信息。具体而言，在用户上传所述植物图像时获取用户当前的位置信息，若用户当前的位置信息显示为“上海市外滩”，则可以确定用户所处的地域信息为中国上海市，若用户当前的位置信息显示为“纽约州哥伦比亚大学”，则确定用户所处的地域信息为美国纽约州。用户的位置信息可以按照从小到大的范围划分为多个区域的层级属性，例如用户当前位置信息为中国浙江省杭州市滨江区，那么其多个层级属性可以依次为滨江区、杭州市、浙江省、中国、东亚、亚洲等区域。
用户的位置信息和当前的时间信息并非必须的信息，但获取到用户的位置信息可以确定植物的位置信息，当前的时间信息可以确定季节信息，不同位置和不同季节具有不同的气候特征，不同的气候特征可能具有不同的养护方案或者注意要点，例如气候炎热的热带旱季需要多浇水，从而可以对相应植物的养护方案进行初始调整，以便确定所述植物的初始养护方案。
在一些实施例中，所述养护水平信息根据当前用户的历史养护信息进行确认。用户的养护水平信息和对植物的了解程度可以通过识别用户的历史植物养护记录获得，如获取用户历史养护植物的种类信息(养护种类中具有养护难度较大的植物时，可以认为用户的养护水平较高)，获取用户的养护数据，例如进行养护的频率、时间(养护的频率较高，时间较长时，可以认为用户的养护水平较高)。还可以通过识别并获取用户养护植物的健康状况和植物状态来判断用户的用户水平信息，用户养护植物的健康状况可以通过相应的预先样本训练建立的植物病虫害识别模型来进行识别，从而获取用户养护植物是否具有病虫害以及严重程度等健康情况。用户养护植物的状态可以通过相应的预先样本训练建立的植物状态识别模型来进行识别确认，植物状态可以按照好坏程度从高到低分为多个等级，例如分为优秀、良好、一般、较差四个等级，也可以对生长状态进行评分，按照分数段划分为多个等级。根据用户养护植物的健康状况和植物状态，可以综合各种数据判断用户的用户水平信息，例如将用户水平划分为多个不同等级(例如较差、初级、中级、高级和专家等)，对于不同等级用户水平的用户设置不同的个性化植物养护方案，又或者根据当前用户的实际养护水平信息情况，进行更多不同等级的划分，进一步的还可以针对每一种情况都做出相应的方案调整，从而为每个用户定制适合其的个性化养护方案。
在一些实施例中，所述养护水平信息根据当前用户提交的交互问题答案信息和/或自定义养护能力标签信息进行确认。可以通过提供交互问题的方式确定用户的养护水平信息，例如通过问卷的方式让用户选择多个问题的答案来获取相应数据，从而综合判断用户的养护水平。此外，还可以由用户评估自己的养护水平来自定义养护水平的等级标签，如图2所示，用户可以在多个养护水平等级标签200中点击选择自己评估的养护水平，包括：Hopeless(较差)、Beginner(初级)、Experienced(中级)、Skilled(高级)和Master(专家)等。此外还可以根据用户历史养护数据中的具体操作记录来为相应用户添加养护操作标签，例如某一用户在历史养护记录中有过换盆操作，则可以给用户打上具备换盆能力的养护操作标签，后续在具有换盆操作的养护方案中将其进行保留，而对于不具备换盆能力的用户，可以将换盆操作在相应的养护方案中进行删除处理。
养护操作可以包括，例如，浇水、喷水、换水、加水、施肥、换土、修剪、除草、转盆、换盆、日照、遮阳、调节温度、调节湿度、过冬防护、施加杀虫剂、以及施加杀菌剂中的至少一个。其中每种操作还可以具有细分的子类，例如施肥，可以包括施加缓释肥、水溶肥、液体肥等子类，不同子类的执行频率可能不同。将养护操作细分为子类，可以更准确地为植物制定合适的个性化养护方案。可以根据植物的物种和生长阶段确定建议的养护操作的子类，也可以根据用户输入的偏好来确定建议的养护操作的子类。当用户历史养护数据进行过某一养护操作的子类处理，即可以给用户添加具有此养护操作的子类的养护能力的标签，便于后续指定相应用户的个性化养护方案。
在获取到当前用户的养护水平信息后，将其用以调整所述初始养护方案，即将不符合当前用户养护水平的养护操作从方案中进行删除或者减少相应的养护操作，从而确定所述植物的个性化养护方案，并向当前用户输出所述植物的个性化养护方案。获取用户的养护水平信息后，可以为用户定制所述植物的个性化养护方案，即通过待养护植物物种信息确定的初始养护方案，以及用户的养护水平对养护方案进行调整，不同植物物种对应初始养护方案可以预存在内容管理系统CMS的数据库中。比如识别到待养护植物为绿萝(Golden Pothos，Epipremnum aureum)，同时用户希望对绿萝进行水培并进行了选择，可以在CMS中匹配对应的养护方案并进行推送。此外，对应于识别到的用户养护能力标签，还可以对养护方案进行调整，如用户不具备植物修剪能力，则可以去掉养护方案中的修剪步骤，或用其他简单的方式进行替代，还可以通过历史养护数据或者植物状态评分判断用户的养护水平信息来进行方案调整，或者是通过绿萝养护的交互问题来判定用户的养护水平信息，进而对所述植物的个性化养护方案进行调整。
在一些实施例中，所述辅助用户进行个性化植物养护的方法还包括：
获取用户的养护环境信息，用以调整所述初始养护方案，从而确定所述植物的个性化养护方案。环境条件可以包括天气、温度、湿度、土壤湿度、光照强度、室内或室外等不同养护地点等等。养护环境信息可以根据不同方式进行获取，例如天气、温度、湿度等环境信息可以自动联网获取，光照强度可以根据具有光度计功能的设备获取，养护地点信息可以根据预先训练的神经网络模型进行识别获取，以上养护环境信息还可以通过交互问题的方式由用户提供。同时在识别到(或用户主动提供信息)养护环境条件改变了的情况下还可以及时提醒用户调整养护方案，如将植物从室内转移到室外时需调整养护计划。
当用户具有多个养护植物时，为了便于用户执行养护任务，可以自动对不同养护方案中各任务的计划执行日期进行调整，调整目标例如可以包括减少用户需要做任务的天数，从而在整体上对用户的多个养护植物进行相关联的个性化养护方案调整设置。例如，能在一天完成的任务，尽量安排在一天内做。被安排在同一天的养护任务可以是同种的养护任务，也可以是不同的养护任务，例如可以包括浇水和施肥。还可以包括尽量将任务安排在周末、法定节假日等休息日。在一些实施例中，方法还包括：判断所确定的养护任务的计划执行日期是否满足调整到目标日期的条件。若满足条件，则将养护任务的计划执行日期调整为目标日期。其中，目标日期可以是与养护任务的计划执行日期最临近的休息日(如此可以将养护任务尽量安排在休息日)、与用户的行程安排不冲突的日期(例如可以通过调用日历等应用程序来了解用户的行程安排，以将养护任务安排在用户无外出安排的日期)、或其计划执行日期与养护任务的计划执行日期最临近的另一个养护任务的计划执行日期(如此可以将原本计划执行日期不同的养护任务尽量安排在同一天)。在一些实施例中，将养护任务的计划执行日期调整到目标日期的条件可以包括：养护任务的计划执行频率所指示的计划执行间隔大于5天、并且养护任务的计划执行日期与目标日期之间的间隔天数在计划执行间隔的20％以下。根据这些实施例，计划执行间隔是5天及5天以下的任务，不可对其调整计划执行日期。对于计划执行间隔大于5天的任务可以进行调整，并且调整范围在计划执行间隔的20％以下。
在一些情况下，用户可能养护多株同种植物。在一些实施例中，如果当前被制定个性化养护方案的植物的物种，与先前生成的个性化养护方案所针对的先前植物的物种一致，则将针对当前植物的养护方案和针对先前植物的养护方案进行合并，并根据合并后的养护个性化，输出在相同的预定时间执行相应养护任务的提醒。这样有利于用户对同种类的植物批量地进行养护管理。
在一些实施例中，方法还可以包括：获取有养护任务的日期的天气信息，并在输出养护任务的提醒之外还输出与养护任务相关的天气信息以及与天气信息相关的养护提示。天气信息可以包括晴/阴/雨/雪等情况、以及温度和湿度等。在一个示例中，如果今日有浇水任务，并且植物的养护地点是室外，而获取到的天气信息显示今天降水概率较高，则在输出该植物的浇水任务的提醒之外，还输出养护提示以提示用户今日要降水，注意取消该浇水任务或减少浇水量，从而动态调整用户的个性化养护方案。
在一些实施例中，方法还可以包括：定期对用户进行回访，以便获取植物的生长现状，并根据植物的生长现状调整个性化养护方案。可以对每个植物设置定期回访。在针对某个植物的设定的回访日期，可以包括输出回访问题、和/或提示用户输入该植物的更新的图片。可以通过上文所述的植物识别模型来识别植物的生长阶段、和/或通过上文所述的植物状态模型和植物病虫害识别模型来识别该植物的健康状态和病虫害信息，从而获得该植物的生长现状。也可以通过单独于上述模型的已训练的植物生长现状识别模型来识别植物的生长现状。根据植物的生长现状对该植物的养护计划进行动态调整。在一个示例中，用户虽然按照浇水任务的提醒按时进行了操作，但可能浇水量没掌握好，导致浇水太多或太少，这会在植物的状态上表现出来。因此，通过回访时获得的该植物的更新的图片，可以识别出是否需要增加或减少浇水任务的频次、和/或提醒用户增加或减少浇水量等。在一个示例中，通过回访可以发现植物缺少光照，则可以提醒用户更换养护地点，或是在养护计划中加入定期补光的养护任务等。类似地，施肥、治虫、杀菌等养护任务的执行情况，也可以基于回访图片的识别结果(即植物的生长现状)来确定，从而调整后续对该植物的养护计划。此外，回访时也可以输出交互问题让用户选择以便辅助应用程序进行判断，从而更准确地调整用户的个性化养护方案。
基于同一发明构思，本发明还提供一种辅助用户进行个性化植物养护的系统，请参考图3，图3所示为本发明一实施例提供的辅助用户进行个性化植物养护的系统的结构示意图，如图3所示，所述辅助用户进行个性化植物养护的系统包括处理器301、通信接口302、存储器303和通信总线304。
其中，所述处理器301、所述通信接口302、所述存储器303通过所述通信总线304完成相互间的通信。
所述存储器303，用于存放计算机程序。
所述处理器301，用于执行存储器303上所存放的程序时，实现如下步骤：
接收用户添加的植物，并获取所述植物的属性信息；
根据所述植物的属性信息确定所述植物的初始养护方案；
获取当前用户的养护水平信息，用以调整所述初始养护方案，从而确定所述植物的个性化养护方案；
向当前用户输出所述植物的个性化养护方案。
关于该方法各个步骤的具体实现以及相关解释内容可以参见上述图1所示的方法实施方式，在此不做赘述。
另外，处理器301执行存储器303上所存放的程序而实现的辅助用户进行个性化植物养护的方法的其他实现方式，与前述方法实施方式部分所提及的实现方式相同，这里也不再赘述。
上述电子设备提到的通信总线304可以是外设部件互连标准(PeripheralComponent Interconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线304可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口302用于上述电子设备与其他设备之间的通信。
所称处理器301可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器301是所述电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分。
所述存储器303可用于存储所述计算机程序，所述处理器301通过运行或执行存储在所述存储器303内的计算机程序，以及调用存储在存储器303内的数据，实现所述电子设备的各种功能。
所述存储器303可以包括包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本发明还提出了一种可读存储介质，其上存储有程序，所述程序被执行时可以实现如下步骤：
接收用户添加的植物，并获取所述植物的属性信息；
根据所述植物的属性信息确定所述植物的初始养护方案；
获取当前用户的养护水平信息，用以调整所述初始养护方案，从而确定所述植物的个性化养护方案；
向当前用户输出所述植物的个性化养护方案。
本发明实施方式的计算机可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机硬盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其组合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
应当注意的是，在本文的实施方式中所揭露的装置和方法，也可以通过其他的方式实现。以上所描述的装置实施方式仅仅是示意性的，例如，附图中的流程图和框图显示了根据本文的多个实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用于执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本文各个实施方式中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
上述描述仅是对本发明较佳实施方式的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。
Claims (11)
1.一种辅助用户进行个性化植物养护的方法，其特征在于，包括：
接收用户添加的植物，并获取所述植物的属性信息；
根据所述植物的属性信息确定所述植物的初始养护方案；
获取当前用户的养护水平信息，用以调整所述初始养护方案，从而确定所述植物的个性化养护方案；
向当前用户输出所述植物的个性化养护方案；
其中，所述养护水平信息根据当前用户的历史养护信息、当前用户提交的交互问题答案信息、当前用户自定义的或根据当前用户的历史养护信息确定的养护能力标签信息、以及识别并获取当前用户养护植物的健康状况和植物状态信息中的数据，并综合以上各种数据来进行确认；
所述养护水平信息根据当前用户的历史养护信息进行确认包括：
根据当前用户历史养护植物的种类信息、当前用户的历史养护数据、当前用户历史养护操作标签中的至少之一来对所述用户的养护水平信息进行确认；
当前用户养护植物的健康状况通过预先样本训练建立的植物病虫害识别模型来进行识别，当前用户养护植物的植物状态通过预先样本训练建立的植物状态识别模型来进行识别，其中，所述植物状态按照好坏程度从高到低分为多个等级。
2.根据权利要求1所述的辅助用户进行个性化植物养护的方法，其特征在于，所述接收用户添加的植物，并获取所述植物的属性信息包括以下方式之一：
接收用户添加的植物图片，识别并获取所述植物图片中的植物的属性信息；
接收用户添加的历史识别植物结果，并获取所述历史识别植物的属性信息；
接收用户添加的搜索植物结果，并获取所述搜索植物的属性信息。
3.根据权利要求2所述的辅助用户进行个性化植物养护的方法，其特征在于，所述接收用户添加的植物图片，识别并获取所述植物图片中的植物的属性信息包括：
通过预先样本训练建立的物种识别模型来识别所述植物图片中的植物的属性信息。
4.根据权利要求1所述的辅助用户进行个性化植物养护的方法，其特征在于，所述植物的属性信息包括植物的物种名称信息和生长阶段信息。
5.根据权利要求4所述的辅助用户进行个性化植物养护的方法，其特征在于，所述植物的属性信息还包括植物状态信息。
6.根据权利要求1所述的辅助用户进行个性化植物养护的方法，其特征在于，所述根据所述植物的属性信息确定所述植物的初始养护方案还包括：
根据所述植物的属性信息、以及所述用户的位置信息和/或当前的时间信息，来确定所述植物的初始养护方案。
7.根据权利要求1所述的辅助用户进行个性化植物养护的方法，其特征在于，所述辅助用户进行个性化植物养护的方法还包括：
获取用户的养护环境信息，用以调整所述初始养护方案，从而确定所述植物的个性化养护方案。
8.根据权利要求1所述的辅助用户进行个性化植物养护的方法，其特征在于，当用户具有多个养护植物时，在整体上对用户的多个养护植物进行相关联的个性化养护方案调整设置。
9.根据权利要求1所述的辅助用户进行个性化植物养护的方法，其特征在于，该方法还包括：定期对用户进行回访，以便获取植物的生长现状，并根据植物的生长现状调整所述植物的个性化养护方案。
10.一种辅助用户进行个性化植物养护的系统，其特征在于，包括处理器和存储器，所述存储器上存储有程序，所述程序被所述处理器执行时，实现根据权利要求1～9中任一项所述的辅助用户进行个性化植物养护的方法。
11.一种可读存储介质，其上存储有程序，其特征在于，所述程序被执行时实现根据权利要求1～9中任一项所述的辅助用户进行个性化植物养护的方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210537096.XA CN114898344B (zh) | 2022-05-11 | 2022-05-11 | 个性化植物养护的方法、系统及可读存储介质 |
| PCT/CN2023/090269 WO2023216861A1 (zh) | 2022-05-11 | 2023-04-24 | 个性化植物养护的方法、系统及可读存储介质 |
| US18/433,402 US20240172600A1 (en) | 2022-05-11 | 2024-02-06 | Personalized plant care method and system, and readable storage medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210537096.XA CN114898344B (zh) | 2022-05-11 | 2022-05-11 | 个性化植物养护的方法、系统及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114898344A CN114898344A (zh) | 2022-08-12 |
| CN114898344B true CN114898344B (zh) | 2024-05-28 |
Family
ID=82724123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210537096.XA Active CN114898344B (zh) | 2022-05-11 | 2022-05-11 | 个性化植物养护的方法、系统及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114898344B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023216861A1 (zh) * | 2022-05-11 | 2023-11-16 | 杭州睿胜软件有限公司 | 个性化植物养护的方法、系统及可读存储介质 |
| CN116049472A (zh) * | 2022-11-02 | 2023-05-02 | 杭州睿胜软件有限公司 | 信息关联的植物养护方法、系统及存储介质 |
| CN116109062A (zh) * | 2022-12-07 | 2023-05-12 | 杭州睿胜软件有限公司 | 植物养护方法、系统及可读存储介质 |
| CN115956486A (zh) * | 2022-12-20 | 2023-04-14 | 杭州睿胜软件有限公司 | 新植养护方法、系统及可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006102246A2 (en) * | 2005-03-18 | 2006-09-28 | Aerulean Plant Identification Systems, Inc. | System and method for plant selection |
| CN106447297A (zh) * | 2016-09-30 | 2017-02-22 | 上海斐讯数据通信技术有限公司 | 一种基于云技术的植物养护方法及系统 |
| CN109753971A (zh) * | 2017-11-06 | 2019-05-14 | 阿里巴巴集团控股有限公司 | 扭曲文字行的矫正方法及装置、字符识别方法及装置 |
| WO2020012259A1 (en) * | 2018-07-10 | 2020-01-16 | Adroit Robotics | Systems, devices, and methods for in-field diagnosis of growth stage and crop yield estimation in a plant area |
| CN112184789A (zh) * | 2020-08-31 | 2021-01-05 | 深圳大学 | 植物模型生成方法、装置、计算机设备和存储介质 |
| CN113837707A (zh) * | 2020-06-08 | 2021-12-24 | 杭州睿琪软件有限公司 | 辅助用户进行植物养护的方法和计算机系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11170335B2 (en) * | 2018-09-28 | 2021-11-09 | Accenture Global Solutions Limited | Adaptive artificial intelligence for user training and task management |
| US11748984B2 (en) * | 2020-05-05 | 2023-09-05 | Planttagg, Inc. | System and method for horticulture viability prediction and display |
-
2022
- 2022-05-11 CN CN202210537096.XA patent/CN114898344B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006102246A2 (en) * | 2005-03-18 | 2006-09-28 | Aerulean Plant Identification Systems, Inc. | System and method for plant selection |
| CN106447297A (zh) * | 2016-09-30 | 2017-02-22 | 上海斐讯数据通信技术有限公司 | 一种基于云技术的植物养护方法及系统 |
| CN109753971A (zh) * | 2017-11-06 | 2019-05-14 | 阿里巴巴集团控股有限公司 | 扭曲文字行的矫正方法及装置、字符识别方法及装置 |
| WO2020012259A1 (en) * | 2018-07-10 | 2020-01-16 | Adroit Robotics | Systems, devices, and methods for in-field diagnosis of growth stage and crop yield estimation in a plant area |
| CN113837707A (zh) * | 2020-06-08 | 2021-12-24 | 杭州睿琪软件有限公司 | 辅助用户进行植物养护的方法和计算机系统 |
| CN112184789A (zh) * | 2020-08-31 | 2021-01-05 | 深圳大学 | 植物模型生成方法、装置、计算机设备和存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 一种基于图像的农作物病虫害诊断专家系统研究;廉迎战 等;《现代计算机(专业版)》;20120625(第18期);66-69 * |
| 基于GPS定位植物导览系统在教学和科普导赏中的应用――以华南农业大学为例;林黛仪 等;《现代园艺》;187-190 * |
| 基于Web日志和协同过滤算法的水产养殖信息推荐;甄珠米 等;《农业工程学报》;20170215;第33卷(第S1期);268-273 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114898344A (zh) | 2022-08-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114898344B (zh) | 个性化植物养护的方法、系统及可读存储介质 | |
| CN114998875B (zh) | 根据用户需求个性化养护植物的方法、系统及存储介质 | |
| Feliciano et al. | Assessment of agricultural emissions, climate change mitigation and adaptation practices in Ethiopia | |
| Grimm et al. | Pattern-oriented modeling of agent-based complex systems: lessons from ecology | |
| US20240087056A1 (en) | Method for assisting user in caring for plant, computer system and storage medium | |
| US11748984B2 (en) | System and method for horticulture viability prediction and display | |
| US11317570B2 (en) | Peanut maturity grading systems and methods | |
| US20240172600A1 (en) | Personalized plant care method and system, and readable storage medium | |
| CN112286263A (zh) | 一种农作物的调控方法、装置、系统及通信设备 | |
| WO2024120288A1 (zh) | 植物养护方法、系统及可读存储介质 | |
| WO2024131526A1 (zh) | 新植养护方法、系统及可读存储介质 | |
| CN116049472A (zh) | 信息关联的植物养护方法、系统及存储介质 | |
| Han et al. | Ensemble size versus bias correction effects in subseasonal-to-seasonal (S2S) forecasts | |
| GB2604130A (en) | Systems and methods for smart farming | |
| US20210319489A1 (en) | Systems and methods for determination of lawn nutrient and treatment regimen based on publicly available information and specific testing data and the periodic delivery of supplies for said lawn nutrient and treatment regimen | |
| Kropff et al. | CGIAR’s role in digital extension services | |
| Harper et al. | Comparison of contemporary and heritage fish consumption rates in the Columbia River Basin | |
| Beza | Citizen science and remote sensing for crop yield gap analysis | |
| Shah et al. | A Flutter Application For Farmers | |
| Hazell et al. | Spatial scaling of plant and bird diversity from 50 to 10,000 ha in a lowland tropical rainforest | |
| US20220392196A1 (en) | Method and system for mapping and identification of objects | |
| Michels et al. | Timing of Smartphone Adoption in Agriculture: A Tobit Regression Analysis | |
| Balasan et al. | Agro Software Development in South-East Region. | |
| Burman et al. | Digitalization in Indian agriculture: Reorienting Indian farming towards smart agriculture | |
| Akhter et al. | Digital Technology: A Game Changer in Vegetable Cultivation |
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 |