【技术实现步骤摘要】
一种基于智能数据采集与云服务技术的植物培育方法
本专利技术涉及智能植物养培领域,具体涉及一种基于智能数据采集与云服务技术的植物培育方法。
技术介绍
随着国民经济的快速发展,盆栽植物作为一种增加居住舒适度的方式进入了千家万户。但由于大多数植物主人缺乏种植植物经验,使植物长期生长在亚健康的环境。另一方面,由于室内空间有限,植物主人会根据自身情况要求植物有不同的茂密程度,避免空间浪费。目前,亟需解决的问题是建立一套全面的植物培育模型,并将植物健康指标反馈给用户,让用户能及时对植物培育方案做出调整。影响植物健康程度的各个因素之间往往体现出高度的复杂性和非线性,采用常规预测、分析方法存在一定难度。
技术实现思路
本专利技术针对现有植物养培过程中因缺乏养培经验,无法掌控最优的养培方案而导致的营养不良或枯萎的问题,提供一种基于智能数据采集与云服务技术的植物培育方法。本专利技术的目的是这样实现的:一种基于智能数据采集与云服务技术的植物培育方法,包括如下步骤:S1、采集植物生长指标、浇水量、施肥量、施肥类型,构成影响因素矩阵X,并上传至云服务器,其中决策变量为浇水量、施肥量、施肥类型;S2、确定植物的健康指数,构成指标矩阵Y,利用Elman神经网络进行训练、检验,并建立植物培育模型;S3、利用MOPSO算法对植物培育模型进行优化,得到各决策变量的一组最优解以及该最优解对应的植物健康指数;S4、利用S3中模型对实时数据进行预测得到推荐决策X*,并将X*下发至用户终端,在用户界面显示推荐最优的浇水量、施肥量、施肥类型,用户通过用户终端远程操作完成自动浇水、施肥。优选地,用户通过用户 ...
【技术保护点】
1.一种基于智能数据采集与云服务技术的植物培育方法,其特征在于,包括如下步骤:S1、采集植物生长指标、浇水量、施肥量、施肥类型,构成影响因素矩阵X,并上传至云服务器,其中决策变量为浇水量、施肥量、施肥类型;S2、确定植物的健康指数,构成指标矩阵Y,利用Elman神经网络进行训练、检验,并建立植物培育模型;S3、利用MOPSO算法对植物培育模型进行优化,得到各决策变量的一组最优解以及该最优解对应的植物健康指数;S4、利用S3中模型对实时数据进行预测得到推荐决策X*,并将X*下发至用户终端,在用户界面显示推荐最优的浇水量、施肥量、施肥类型,用户通过用户终端远程操作完成自动浇水、施肥。
【技术特征摘要】
1.一种基于智能数据采集与云服务技术的植物培育方法,其特征在于,包括如下步骤:S1、采集植物生长指标、浇水量、施肥量、施肥类型,构成影响因素矩阵X,并上传至云服务器,其中决策变量为浇水量、施肥量、施肥类型;S2、确定植物的健康指数,构成指标矩阵Y,利用Elman神经网络进行训练、检验,并建立植物培育模型;S3、利用MOPSO算法对植物培育模型进行优化,得到各决策变量的一组最优解以及该最优解对应的植物健康指数;S4、利用S3中模型对实时数据进行预测得到推荐决策X*,并将X*下发至用户终端,在用户界面显示推荐最优的浇水量、施肥量、施肥类型,用户通过用户终端远程操作完成自动浇水、施肥。2.根据权利要求1所述的一种基于智能数据采集与云服务技术的植物培育方法,其特征在于,S1中,所述植物生长指标包括:植物种类、生长时期、土壤湿度、土壤pH值、光照强度、环境温度、环境湿度。3.根据权利要求2所述的一种基于智能数据采集与云服务技术的植物培育方法,其特征在于,所述植物生长指标中的植物种类、生长时期由用户输入并上传至云服务器,植物生长指标中的土壤湿度、土壤pH值、光照强度、环境温度、环境湿度由传感器测量并上传至云服务器。4.根据权利要求3所述的一种基于智能数据采集与云服务技术的植物培育方法,其特征在于,传感器测量方法为:包括传感器模块、采样电路,所述传感器模块包括温度传感器、湿度传感器、pH值传感器和光照强度传感器,用于采集植物生长指标中的土壤湿度、土壤pH值、光照强度、环境温度、环境湿度;所述采样电路与传感器模块连接,将传感器模块采集到的植物生长指标及浇水量、施肥类型转换成数字信号并上传至云服务器。5.根据权利要求1所述的一种基于智能数据采集与云服务技术的植物培育方法,其特征在于,S2中,综合植物养培用户和专家经验,确定植物的健康指数。S2、确定植物的健康指数,构成指标矩阵Y,利用Elman神经网络进行训练、检验,并建立植物培育模型。6.根据权利要求1所述的一种基于智能数据采集与云服务技术的植物培育方法,其特征在于,S2中,利用Elman神经网络建立的植物培育模型中,Xk=[xk1,xk2,…,xkM](k=1,2,…,S)为输入矢量,S为训练样本个数,WMI(g)为第g次迭代时输入层M与隐层I之间的权值矢量,WJP(g)为第g次迭代时隐层J与输出层P之间的权值矢量,WJC(g)为第g次迭代时隐层J与承接层C之间的权值矢量,Yk(g)=[yk1(g),yk2(g),…,ykP(g)](k=1,2,…,S)为第g次迭代时网络的实际输出,dk=[dk1,dk2,…,dkP](k=1,2,…,S)为期望输出;建立植物培育模型包括如下步骤:S21、初始化,设迭代次数g初值为0,分别赋给WMI(0)、WJP(0)、WJC(0)一个(0,1)区间的随机值;S22、随机输入样本Xk;S23、对输入样本Xk,前向计算神经网络每层神经元的输入信号和输出信号;S24、根据期望输出dk和实际输出Yk...
【专利技术属性】
技术研发人员:张志亮,管雪姿,乔榆玎,李家庆,向明刚,李太福,周伟,段棠少,尹蝶,
申请(专利权)人:重庆科技学院,重庆市凤鸣山中学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。