一种农作物生长过程最优外部种植条件预测方法及装置制造方法及图纸

本发明专利技术公开了一种农作物生长过程最优外部种植条件预测方法及装置，通过收集植物物种的相关特征的图片，利用深度学习的卷积神经网络，获取植物图像的深度特征，根据安装在种植棚上面的传感器，动态收集与植物生长相关外部可控条件参数，将收集到的每种品种的种植外部环境条件和植物的每个阶段的生长图片，输入设计的神经网络当中进行关联的训练，并且使用孪生神经网络寻找与新品种相似的品种，根据历史的种植数据可以训练模型寻找出该品种最高种植收益对应的环境条件，根据孪生网络自动根据特征寻找两个特征最相似的品种，使得条件预测的过程完全自动化，节省了大量的人工成本和时间复杂度，使得运算的速度更高效与稳定。

A Prediction Method and Device for Optimal External Planting Conditions in Crop Growth Process

The invention discloses a method and device for predicting the optimal external planting conditions in the process of crop growth. By collecting pictures of plant species'related characteristics and using convolutional neural network of deep learning, the depth characteristics of plant images are obtained. According to sensors installed on the plantation shed, the parameters of external controllable conditions related to plant growth are dynamically collected, and each of them will be collected. The external environment conditions of the cultivar and the growth pictures of each stage of the plant are input into the designed neural network for correlation training, and the twin neural network is used to find the cultivar similar to the new cultivar. According to the historical planting data, the training model can find out the corresponding environment conditions of the highest planting income of the cultivar. According to the twin network, two kinds of cultivars can be found automatically according to their characteristics. The most similar variety makes the process of conditional prediction completely automated, saves a lot of labor costs and time complexity, and makes the calculation speed more efficient and stable.

【技术实现步骤摘要】
一种农作物生长过程最优外部种植条件预测方法及装置
本公开涉及人工智能
，具体涉及一种农作物生长过程最优外部种植条件预测方法及装置。
技术介绍
人工智能应用到了农业领域，将把农业从直觉种植改造到数据分析种植，通过实时监控数据，提供最优方案，获得农作物产量收益最大化。利用科学精确的数据为农业提供了新的发展模式，通过在计算机视觉和机器学习领域最新的技术来改善我们的农业种植，利用数据分析来了解作物，提供最优种植方式，并相信这项技术将会对农业产生重要的影响，现有的作物品种繁多，并且品种数量一直在增长，但很多作物没有生长模型供农户在种植时参考，实验测定作物生长模型需要的时间长达几年，甚至数十年，较现实需求滞后太多。传统的植物品种特征都是静态地分类和选择相应的植物种植的模式,实际的情况是植物在不断的生长过程中，需要的外部条件会不断地变化。这时不能及时跟据植物的生长变化不断调整外部的条件促进植物的生长。
技术实现思路
本公开提供一种农作物生长过程最优外部种植条件预测方法及装置，通过收集植物物种的相关特征的图片，利用深度学习的卷积神经网络，获取植物图像的深度特征，根据安装在种植棚上面的传感器，动态收本文档来自技高网...

【技术保护点】
1.一种农作物生长过程最优外部种植条件预测方法，其特征在于，所述方法包括以下步骤：步骤1，进行植物品种的生长过程的图像采集；步骤2，积累品种的种植环境的数据和种植的效益向量数据作为训练网络模型的数据样本，并且将最好的种植数据和种植效益数据存放在数据库当中以便查找引用；步骤3，将收集到的植物种植过程的图片训练卷积神经网络获取植物的特征，将卷积神经网络训练出来的特征和每个点对于的环境因素向量作为输入数据放进LSTM递归神经网络中进行训练，得出的是种植的效益向量；步骤4，将获取新物种的植物图像特征和已有图像库的图像放进孪生网络模型当中进行模型的训练，寻找相似度最高的品种；步骤5，在数据中查找相似度最...

【技术特征摘要】
1.一种农作物生长过程最优外部种植条件预测方法，其特征在于，所述方法包括以下步骤：步骤1，进行植物品种的生长过程的图像采集；步骤2，积累品种的种植环境的数据和种植的效益向量数据作为训练网络模型的数据样本，并且将最好的种植数据和种植效益数据存放在数据库当中以便查找引用；步骤3，将收集到的植物种植过程的图片训练卷积神经网络获取植物的特征，将卷积神经网络训练出来的特征和每个点对于的环境因素向量作为输入数据放进LSTM递归神经网络中进行训练，得出的是种植的效益向量；步骤4，将获取新物种的植物图像特征和已有图像库的图像放进孪生网络模型当中进行模型的训练，寻找相似度最高的品种；步骤5，在数据中查找相似度最高的品种的种植数据，然后将种植数据输出。2.根据权利要求1所述的一种农作物生长过程最优外部种植条件预测方法，其特征在于，在步骤1中，所述进行植物品种的生长过程的图像采集为从植物的发芽到死亡，每天定时拍摄50张作物的植物生长图片，随机选出植物品种从幼苗，成熟，开花，结果，凋零每个阶段的生长图片的20张，作为训练的数据样本。3.根据权利要求1所述的一种农作物生长过程最优外部种植条件预测方法，其特征在于，在步骤2中，在收集植物生长图片的时刻，将生长环境的相关传感器的参数记录下来，收集相关的生长环境的参数包括：空气的湿度、空气二氧化碳的含量、光照的强大、光照时间长度、土壤的湿度、土壤微元素的含量的环境参数，并且记录了当时植物的健康状况、产量状况、生长的速度情况作为植物品种的种植效益，这里使用一个向量进行表达称为种植效益向量，向量用来表达植物品种在当前种植环境下的状态，向量的每个值使用0-1区间表示。4.根据权利要求1所述的一种农作物生长过程最优外部种植条件预测方法，其特征在于，在步骤2中，数据样本包括三类数据，第一类是作物生长过程的图像集合，第二类是生长的环境向量，第三类是种植的效益向量，第三类用于预测作物种植方案下的种植效益，将种植的品种、对应的最优的种植方案和种植的效益向量数据放在数据库当中进行存储。5.根据权利要求1所述的一种农作物生长过程最优外部种植条件预测方法，其特征在于，在步骤3中，将收集到的植物种植过程的图片训练卷积神经网络获取植物的特征的方法为，将卷积神经网络训练出来的特征和每个点对于的生长环境参数向量作为输入数据放进LSTM递归神经网络中进行训练，训练的结果标签是该品种的种植的最好效益向量。6.根据权利要求1所述的一种农作物生长过程最优外部种植条件预测方法，其特征在于，在步骤3中，将植物品种的生长过程的图像数据分为训练数据集和测试数据集，使用训练数据来训练卷积神经网络，然后对图片进行特征的抽取，特征即卷积...

【专利技术属性】
技术研发人员：谭力江，高尚增，叶永俊，
申请(专利权)人：广东奥博信息产业股份有限公司，
类型：发明
国别省市：广东,44