预测温室作物蒸腾量的方法及系统技术方案

本发明专利技术实施例提供一种预测温室作物蒸腾量的方法及系统，所述方法包括：获取温室环境参数和目标作物的图像；基于所述目标作物的图像获取目标作物参数；将所述温室环境参数和目标作物参数输入预先训练好的随机森林模型中，输出目标作物蒸腾量的预测值；其中，所述随机森林模型是基于温室环境参数样本和目标作物参数样本，利用随机森林算法训练获得的。本发明专利技术实施例通过实时获取温室环境参数，同时通过图像处理的方式获取温室作物参数，从而将环境参数和作物参数作为随机森林算法的输入参数，通过随机森林算法训练数据集，完成对作物蒸腾量的预测，数据获取方便、布设简单，且综合考虑了环境参数和作物自身参数，提高了蒸腾量的预测精度。

Method and System for Predicting Transpiration of Greenhouse Crops

The embodiment of the present invention provides a method and system for predicting greenhouse crop transpiration. The method includes acquiring greenhouse environmental parameters and target crop images, acquiring target crop parameters based on the target crop images, inputting the greenhouse environmental parameters and target crop parameters into a pre-trained random forest model, and outputting the predicted value of target crop transpiration. The stochastic forest model is based on greenhouse environmental parameters and target crop parameters, and is trained by Stochastic Forest algorithm. The embodiment of the present invention obtains greenhouse environmental parameters in real time and greenhouse crop parameters through image processing, so that the environmental parameters and crop parameters are taken as input parameters of the random forest algorithm, and the data set is trained by the random forest algorithm to complete the prediction of crop transpiration. The data acquisition is convenient and the layout is simple, and the environmental parameters and crops are comprehensively considered. The prediction accuracy of transpiration was improved by its own parameters.

【技术实现步骤摘要】
预测温室作物蒸腾量的方法及系统
本专利技术实施例涉及日光温室灌溉
，更具体地，涉及一种预测温室作物蒸腾量的方法及系统。
技术介绍
作物蒸腾作用是作物重要的生理机能，蒸腾作用为水分从活的作物体表面以水蒸气状态散失到大气中的过程，可分为角质蒸腾和气孔蒸腾。其中，气孔蒸腾是作物蒸腾作用的最主要方式。蒸腾作用对作物有着重要的意义，蒸腾作用产生的拉力是作物吸水和运输水分的主要动力，可加速无机盐向上部分运输的效率，可降低作物体的温度，使叶子在强光下进行光合作用而不致灼伤。日光温室精细农业灌溉领域中准确计算作物需水量，了解作物需水规律，是制定科学、合理的灌溉制度，确定灌区灌溉用水量，实施精细灌溉的基础。据统计，作物蒸腾丢失的水量很大，约占作物吸收水分的99％，因此准确地计算作物蒸腾量，根据实际蒸腾量进行灌区灌溉，能够有效提高水分利用率，节约水资源，对发展智慧农业有着十分重要的意义。目前，作物蒸腾量测量最常用的测量手段就是使用作物蒸腾测量仪器测定，例如Li-6400、CB-1101等，纵观这些测量仪，普遍存在无法测量单株或群落蒸腾量，价格昂贵、结构操作复杂、体积庞大，且对测量环境要求严苛等问题本文档来自技高网...

【技术保护点】
1.一种预测温室作物蒸腾量的方法，其特征在于，包括：获取温室环境参数和目标作物的图像；基于所述目标作物的图像获取目标作物参数；将所述温室环境参数和目标作物参数输入预先训练好的随机森林模型中，输出目标作物蒸腾量的预测值；其中，所述随机森林模型是基于温室环境参数样本和目标作物参数样本，利用随机森林算法训练获得的。

【技术特征摘要】
1.一种预测温室作物蒸腾量的方法，其特征在于，包括：获取温室环境参数和目标作物的图像；基于所述目标作物的图像获取目标作物参数；将所述温室环境参数和目标作物参数输入预先训练好的随机森林模型中，输出目标作物蒸腾量的预测值；其中，所述随机森林模型是基于温室环境参数样本和目标作物参数样本，利用随机森林算法训练获得的。2.根据权利要求1所述的方法，其特征在于，所述温室环境参数包括：空气温度、空气湿度、光照强度；所述目标作物参数具体为：目标作物的相对叶面积指数。3.根据权利要求2所述的方法，其特征在于，所述基于所述目标作物的图像获取目标作物参数的步骤，具体为：获取目标作物垂直地面的俯视RGB图像；将所述俯视RGB图转换为HSV图像，设定HSV图像绿色元素的提取范围，并获取绿色通道图像；对所述绿色通道图像进行先腐蚀、后膨胀的开环运算，对经过开环运算的绿色通道图像进行灰度化和二值化，获取目标作物的二值化图像；数组化所述二值化图像，并通过遍历数组化后的所述二值化图像计算所述目标作物的相对叶面积指数。4.根据权利要求1所述的方法，其特征在于，训练获得所述随机森林模型的步骤，具体为：获取温室环境参数样本和目标作物参数样本，以及对应的目标作物蒸腾量的实际测量值，构建原始样本集；将所述原始样本集按照预设比例划分为训练样本集和测试样本集；执行下述步骤n次，生成n个决策树模型：随机有放回地从所述训练样本集中抽取m个样本作为每个决策树模型的训练集；根据信息增益比和基尼指数选择最好的特征进行分裂，构建决策树模型；其中，所述n个决策树模型构成随机森林模型，m为所述训练样本集的样本数量。5.根据权利要求4所述的方法，其特征在于，所述将所述温室环境参数和目标作物参数输入预先训练好的随机森林模型...

【专利技术属性】
技术研发人员：李莉，陈士旺，孟繁佳，杨成飞，汪懋华，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11