智能水肥管理方法和系统技术方案

本发明专利技术提供一种智能水肥管理专家系统和方法，在专家交互端读取作物生长特征，发送至水肥决策模型，接收并显示水肥决策模型发送的决策数据；在数据库端查询、获取、更新专家交互数据；基于人工智能的长短时记忆网络对专家交互数据建模，得到水肥决策模型，采用专家交互数据对水肥决策模型训练，接收作物生长特征，输出决策数据。实现专家系统中数据与网站分离，将数据集中保存在数据库中，使得数据的维护更加集中而不是分散在专家系统各个模块之中。当数据进行更新或者增减操作时，无需对网站源代码进行修改，而只需对数据库中的数据进行修改，且可以根据用户需求动态调整从数据库中获取的数据量，提高开发效率，降低专家系统的运行维护成本。

Intelligent Water and Fertilizer Management Method and System

The invention provides an intelligent expert system and system for water and fertilizer management, which reads crop growth characteristics at the expert interactive end, sends them to the water and fertilizer decision model, receives and displays decision data sent by the water and fertilizer decision model, inquires, obtains and updates expert interactive data at the database end, and models expert interactive data based on the long-term and short-term memory network of artificial intelligence, and obtains the water and fertilizer decision model. Type I, using expert interactive data to train water and fertilizer decision-making model, receives crop growth characteristics and outputs decision-making data. To separate data from website in expert system and save data in database, the maintenance of data is more centralized than dispersed in each module of expert system. When the data is updated or added or subtracted, it is not necessary to modify the source code of the website, but only to modify the data in the database, and can dynamically adjust the amount of data obtained from the database according to user needs, so as to improve the development efficiency and reduce the operation and maintenance cost of the expert system.

【技术实现步骤摘要】
智能水肥管理方法和系统
本专利技术涉及农业
，具体地，涉及智能水肥管理方法和系统，尤其是涉及一种基于人工智能技术和决策树方法的通用水肥管理专家系统。
技术介绍
水肥的精准施用对作物的生长发育有着重要的意义，农业专家系统即是像农业专家一样的系统来指导农业用户进行种植，包括环境监控、水肥灌溉的精准施用策略等，它可以显著提高农业生产效率。专家系统发展已经有多年历史，但是能够提供的帮助却很有限。随着诸如物联网、大数据和人工智能等新兴技术的发展，可对专家系统进行进一步优化。目前我国研究出的农业专家管理系统存在以下问题：(1)专家系统缺少人工智能AI部分,目前AI技术发展到依赖深层结构人工神经网络模型和深度学习阶段，可以到被运用到生活中的各个方面，但是在农业上运用的较少，比如可以通过人工智能实现病虫害的智能识别和治理，人工智能识别作物生长状况，针对作物目前的表型指标进行水肥管理和温度的决策。(2)没有根据实时变化的气象数据对作物生长进行管理决策，气候变化对作物影响很大，不同温度下灌溉量不同，施肥量也不同，因此可以通过传感器传输数据到物联网，将实时数据信息传输到系统，对系统的决策进行实时更正与水肥预测预警。(3)没有实现全程化决策管理，目前只是一些零散的比如温度监测，病虫害决策等功能的软件，并不能全程帮助用户决策，比如在选种开始到生长的各个阶段都能帮助用户做出正确的决策，解决用户水肥用量问题。因此,结合现有的诸如物联网、大数据和人工智能等新兴技术的发展，基于JavaWeb技术和实验室的作物水肥模型，构建一个实用性强、技术新颖、安全可靠、扩展性强的通用型作物水肥管理专家系统平台，预知作物的生长环境变化性，进行实时监控管理，在生长期内的定量化和精准化管理和提高温室利用效益,最大限度地避免种植和管理上的盲目性，在农业的发展具有很大现实意义。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种智能水肥管理方法和系统。根据本专利技术提供的一种智能水肥管理专家系统，包括专家交互端模块、数据库端模块、水肥决策模型模块；专家交互端模块：读取作物生长特征，将作物生长特征发送至水肥决策模型，接收水肥决策模型发送的决策数据，显示所述决策数据；数据库端模块：查询、获取、更新专家交互数据，所述专家交互数据主要包括作物生长各生育时期的施肥量或者施肥比例；水肥决策模型模块：基于人工智能的长短时记忆网络对专家交互数据进行建模，得到水肥决策模型，采用专家交互数据对水肥决策模型进行训练，接收作物生长特征，输出决策数据。根据本专利技术提供的一种智能水肥管理专家方法，包括专家交互端步骤、数据库端步骤、水肥决策模型步骤；专家交互端步骤：读取作物生长特征，将作物生长特征发送至水肥决策模型，接收水肥决策模型发送的决策数据，显示所述决策数据；数据库端步骤：查询、读取、更新专家交互数据，所述专家交互数据主要包括作物生长各生育时期的施肥量或者施肥比例；水肥决策模型步骤：基于人工智能的长短时记忆网络对专家交互数据进行建模，得到水肥决策模型，采用专家交互数据对水肥决策模型进行训练，接收作物生长特征，输出决策数据。优选地，所述专家交互数据通过脚本语言从数据库中进行读取，专家交互数据以变量形式存储在数据库中，专家交互数据支持独立更新。优选地，所述作物生长特征主要包括温度参数、作物生长时期；优选地，所述水肥决策模型基于深度学习框架进行开发，将作物生长特征按照时间、环境数据值和作物生长可见光、近红外监测值进行分类后读取到水肥决策模型。优选地，所述环境数据值主要包括光照、温度、湿度、土温和土壤湿度。优选地，设定模型训练次数对水肥决策模型进行训练，得到模型训练结果，将模型训练结果采用作图工具处理后进行显示。优选地，根据作物生长的时期决策，判断选择实时灌溉或者实时施肥，温室温度以参数矩阵方式参与实时施肥的决策计算，根据实时灌溉或者实时施肥的决策得到实时水肥方案，将实时水肥方案作为决策数据进行显示。优选地，所述决策计算依据以下公式：fi,k(ti)＝ak*ti(1)F(k)＝∑fi,k＝∑k(ak*ti)＝ak*∑kti(2)式中，下标i表示时间；下标k表示作物生长时期；ti表示在第i个时间的温度；fi,k表示作物生长周期内的时间；fi,k(ti)表示生长周期每天的温室温度数据。F(k)表示水肥决策总量；a表示水肥方案的回归模型参数，ak表示在不同作物生长时期下的回归模型参数；∑kti表示作物生长周期内第i个时间的累积温度。与现有技术相比，本专利技术具有如下的有益效果：1、实现专家系统中数据与网站分离，将数据集中保存在数据库中，使得数据的维护更加集中而不是分散在专家系统各个模块之中。当数据进行更新或者增减操作时，无需对网站源代码进行修改，而只需对数据库中的数据进行修改，且可以根据用户需求动态调整从数据库中获取的数据量，具有提高开发效率，降低专家系统的运行维护成本的效果。2、通过对多元的环境数据进行整理和分析，使用人工智能的长短时记忆网络LSTM方法对多元的环境时间序列数据进行分析和建模，从而实现对环境数据的动态预测，便于农户对微观(即温室)的光照、温度、湿度、土温的数据进行监控与调控，使植物能够处于一个稳定的生长环境；3、构建水肥实时决策模型，将其作为实时决策模块写入了专家系统中。通过采用决策树的方法，建立了温度与肥料和灌溉量的回归方程，并通过编程进行求解，最后将该模型通过JSP编写入专家系统中。用户只需要输入果实种类，当前阶段所处的生长时期，以及环境温度，实时决策出所需的灌溉水量(百分比)，以及五种肥料所需的情况。可以将前沿的科学论文中的优化水肥灌溉方案保存在专家系统中，便于农户的使用，达到指导生产的作用。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1为预测值与观察值对比图；图2为本专利技术的实时水肥决策树示意图。图中示出：图1中的线表示本专利技术对环境数据值的预测值，图1中的星点表示环境数据值的原始值。具体实施方式下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。根据本专利技术提供的一种智能水肥管理专家方法，包括专家交互端步骤、数据库端步骤、水肥决策模型步骤；专家交互端步骤：读取作物生长特征，将作物生长特征发送至水肥决策模型，接收水肥决策模型发送的决策数据，显示所述决策数据；数据库端步骤：查询、读取、更新专家交互数据，所述专家交互数据主要包括作物生长各生育时期的施肥量或者施肥比例；水肥决策模型步骤：基于人工智能的长短时记忆网络对专家交互数据进行建模，得到水肥决策模型，采用专家交互数据对水肥决策模型进行训练，接收作物生长特征，输出决策数据。具体地，系统中环境和作物生长数据，主要通过传感器获取，所述传感器包括温度传感器、湿度传感器、光照传感器和土壤水分传感器中的任一种或者任多种，作物生长主要通过可见光和近红外传感器获取。获取数据包括温湿度、光照、土壤水分、植株水分和养分。具体地，所述专家交互数据通过脚本语言从数据库中进行读取，专家交互数据以本文档来自技高网...

【技术保护点】
1.一种智能水肥管理专家系统，其特征在于，包括专家交互端模块、数据库端模块、水肥决策模型模块；专家交互端模块：读取作物生长特征，将作物生长特征发送至水肥决策模型，接收水肥决策模型发送的决策数据，显示所述决策数据；数据库端模块：查询、获取、更新专家交互数据，所述专家交互数据主要包括作物生长各生育时期的施肥量或者施肥比例；水肥决策模型模块：基于人工智能的长短时记忆网络对专家交互数据进行建模，得到水肥决策模型，采用专家交互数据对水肥决策模型进行训练，接收作物生长特征，输出决策数据。

【技术特征摘要】
1.一种智能水肥管理专家系统，其特征在于，包括专家交互端模块、数据库端模块、水肥决策模型模块；专家交互端模块：读取作物生长特征，将作物生长特征发送至水肥决策模型，接收水肥决策模型发送的决策数据，显示所述决策数据；数据库端模块：查询、获取、更新专家交互数据，所述专家交互数据主要包括作物生长各生育时期的施肥量或者施肥比例；水肥决策模型模块：基于人工智能的长短时记忆网络对专家交互数据进行建模，得到水肥决策模型，采用专家交互数据对水肥决策模型进行训练，接收作物生长特征，输出决策数据。2.一种智能水肥管理专家方法，其特征在于，包括专家交互端步骤、数据库端步骤、水肥决策模型步骤；专家交互端步骤：读取作物生长特征，将作物生长特征发送至水肥决策模型，接收水肥决策模型发送的决策数据，显示所述决策数据；数据库端步骤：查询、读取、更新专家交互数据，所述专家交互数据主要包括作物生长各生育时期的施肥量或者施肥比例；水肥决策模型步骤：基于人工智能的长短时记忆网络对专家交互数据进行建模，得到水肥决策模型，采用专家交互数据对水肥决策模型进行训练，接收作物生长特征，输出决策数据。3.根据权利要求1所述的智能水肥管理专家系统或者权利要求2所述的智能水肥管理专家方法，其特征在于，所述专家交互数据通过脚本语言从数据库中进行读取，专家交互数据以变量形式存储在数据库中，专家交互数据支持独立更新。4.根据权利要求1所述的智能水肥管理专家系统或者权利要求2所述的智能水肥管理专家方法，其特征在于，所述作物生长特征主要包括温度参数、作物生长时期。5.根据权利要求1所述...

【专利技术属性】
技术研发人员：常丽英，李达仁，艾弋琬，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31