种植地查找建模方法、装置、种植地查找方法及装置制造方法及图纸

本发明专利技术实施例提供了一种种植地查找建模方法、装置、种植地查找方法及装置。该方法包括：将预存的与多种待查找植物对应的环境因子数据和种植地名称输入到第一初始网络模型；基于遗传算法，对所述第一初始网络模型进行优化处理，获得第一子网络；将预存的地理位置参数以及与每种待查找植物对应的种植地名称输入到第二初始网络模型进行训练，获得第二子网络；根据所述第一子网络和所述第二子网络，获得种植地查找模型。由此，提高种植地查找模型的准确度。

【技术实现步骤摘要】
种植地查找建模方法、装置、种植地查找方法及装置
本专利技术涉及数据处理
，具体而言，涉及一种种植地查找建模方法、装置、种植地查找方法及装置。
技术介绍
随着计算机技术的飞速发展，数据处理技术在越来越多的领域得到了应用，提高各个领域的数据处理效率的同时，带来了意想不到的效果。目前，部分方法使用神经网络来查找植物适宜生长的种植地。然而神经网络的查找的准确度不高，神经网络模型的性能有待提高。
技术实现思路
有鉴于此，本专利技术提供了一种种植地查找建模方法、装置、种植地查找方法及装置。第一方面，本专利技术实施例提供了一种种植地查找建模方法，所述方法包括：将预存的与多种待查找植物对应的环境因子数据和种植地名称输入到第一初始网络模型，所述种植地名称贴附有种植地类型标签，所述种植地类型标签与预存的种植地类型对应。基于遗传算法，对所述第一初始网络模型进行优化处理，获得第一子网络。将预存的地理位置参数以及与每种待查找植物对应的种植地名称输入到第二初始网络模型进行训练，获得第二子网络。根据所述第一子网络和所述第二子网络，获得种植地查找模型。可选地，在本专利技术实施例中，所述第一初始网络模型设有第一输入层和第一输出层，将预存的与多种待查找植物对应的环境因子数据和种植地名称输入到第一初始网络模型的步骤，包括：将预存的与多种待查找植物对应的环境因子数据和种植地名称输入到所述第一初始网络模型的第一输入层。将预存的多种种植地类型输入到所述第一初始网络模型的第一输出层。可选地，在本专利技术实施例中，所述第一初始网络模型还设有第一隐藏层，基于遗传算法，对所述第一初始网络模型进行优化处理，获得第一子网络的步骤，包括：设置与所述第一初始网络模型对应的染色体结构。基于遗传算法，对所述第一初始网络模型进行多次迭代，针对每次迭代，对所述染色体结构中的数据进行调整，获得与该次迭代对应的染色体个体。针对每个所述染色体个体，对所述第一初始网络模型进行训练，获得训练结果。基于所述训练结果，使用适应度函数进行运算，获得与所述染色体个体对应的适应度。选取各所述适应度中值最大的适应度所对应的染色体个体作为目标染色体。根据所述目标染色体，对所述第一初始网络模型的第一隐藏层进行设置，获得第一子网络。可选地，在本专利技术实施例中，所述目标染色体中包括第一子参数和第二子参数。所述根据所述目标染色体，对所述第一初始网络模型的第一隐藏层进行设置的步骤，包括：根据所述目标染色体中的第一子参数设定所述第一初始网络模型的第一隐藏层的层数。根据所述目标染色体中的第二子参数设定所述第一隐藏层中每个隐藏层的神经元个数。可选地，在本专利技术实施例中，所述目标染色体中还包括多个第三子参数，每个所述第三子参数对应一个所述环境因子数据，在根据所述目标染色体，对所述第一初始网络模型的第一隐藏层进行设置之后，所述方法还包括：根据每个所述第三子参数的值，判断是否忽略与所述第三子参数对应的环境因子数据。根据判断结果和设置后的第一初始网络模型，获得第一子网络。可选地，在本专利技术实施例中，所述第二初始网络模型设有第二输入层和第二输出层。所述将预存的地理位置参数以及与每种待查找植物对应的种植地名称输入到第二初始网络模型进行训练，获得第二子网络的步骤，包括：获取与每种待查找植物对应的所述种植地名称的地理位置信息。将获取到的与每种待查找植物对应的地理位置信息输入到所述第二初始网络模型的第二输入层。将预存的地理位置参数输入到所述第二初始网络模型的第二输出层。对所述第二初始网络模型进行训练，获得第二子网络。可选地，在本专利技术实施例中，所述环境因子数据包括土壤、水分、温度、湿度、降水、光照和虫害所述种植地类型包括最适宜类、适宜类、较适宜类和不适宜类。所述地理位置参数包括经度参数、纬度参数和海拔参数。第二方面，本专利技术实施例还提供了一种种植地查找建模装置，所述种植地查找建模装置包括：第一输入模块，用于将预存的与多种待查找植物对应的环境因子数据和种植地名称输入到第一初始网络模型，所述种植地名称贴附有种植地类型标签，所述种植地类型标签与预存的种植地类型对应。第一处理模块，用于基于遗传算法，对所述第一初始网络模型进行优化处理，获得第一子网络。第二处理模块，用于将预存的地理位置参数以及与每种待查找植物对应的种植地名称输入到第二初始网络模型进行训练，获得第二子网络。第一获得模块，用于根据所述第一子网络和所述第二子网络，获得种植地查找模型。第三方面，本专利技术实施例还提供了一种种植地查找方法。所述种植地查找方法使用上述种植地查找建模方法所获得的种植地查找模型，对待查找植物进行种植地查找，所述种植地查找方法包括：将待查找植物的环境因子数据和种植地名称输入到所述种植地查找模型。根据所述待查找植物的环境因子数据和种植地名称进行种植地查找，获得与所述待查找植物对应的地理位置参数。第四方面，本专利技术实施例还提供了一种种植地查找装置，所述种植地查找装置包括第二输入模块和第二获得模块，所述第二输入模块中存储有上述种植地查找建模方法所获得的种植地查找模型。所述第二输入模块，用于将待查找植物的环境因子数据和种植地名称输入到所述种植地查找模型。所述第二获得模块，用于根据所述待查找植物的环境因子数据和种植地名称进行种植地查找，获得与所述待查找植物对应的地理位置参数。本专利技术实施例提供的种植地查找建模方法、装置、种植地查找方法及装置，通过将预存的与多种待查找植物对应的环境因子数据和种植地名称输入到第一初始网络模型，基于遗传算法，对所述第一初始网络模型进行优化处理，获得第一子网络，以及将预存的地理位置参数以及与每种待查找植物对应的种植地名称输入到第二初始网络模型进行训练，获得第二子网络，再由根据所述第一子网络和所述第二子网络，获得种植地查找模型，由此，提高种植地查找模型的准确度。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。图1为本专利技术实施例提供的种植地查找建模方法的一种流程示意图。图2为本专利技术实施例提供的种植地查找建模方法的另一种流程示意图。图3为本专利技术实施例提供的用于实现上述种植地查找建模方法的第一电子设备的方框示意图。图4为本专利技术实施例提供的种植地查找方法的一种流程示意图。图5为本专利技术实施例提供的用于实现上述种植地查找方法的第二电子设备的方框示意图。图标：100-种植地查找建模装置；110-第一输入模块；120-第一处理模块；130-第二处理模块；140-第一获得模块；200-种植地查找装置；210-第二输入模块；220-第二获得模块；300-第一电子设备；310-第一存储器；320-第一处理器；400-第二电子设备；410-第二存储器；420-第二处理器。具体实施方式随着计算机技术的飞速发展，数据处理技术在越来越多的领域得到了应用。在查找适宜植物生长的种植地时，借助数据处理技术，将极大程度上提升查找的效率。目前，部分查找方法通过使用神经网络来查找适宜植物生长的种植地。然而，使用神经网络来查找适宜植物生长的种植地时，查找的效率不高，并且，查找出的种植地有时并本文档来自技高网...

【技术保护点】
1.一种种植地查找建模方法，其特征在于，包括：将预存的与多种待查找植物对应的环境因子数据和种植地名称输入到第一初始网络模型，所述种植地名称贴附有种植地类型标签，所述种植地类型标签与预存的种植地类型对应；基于遗传算法，对所述第一初始网络模型进行优化处理，获得第一子网络；将预存的地理位置参数以及与每种待查找植物对应的种植地名称输入到第二初始网络模型进行训练，获得第二子网络；根据所述第一子网络和所述第二子网络，获得种植地查找模型。

【技术特征摘要】
1.一种种植地查找建模方法，其特征在于，包括：将预存的与多种待查找植物对应的环境因子数据和种植地名称输入到第一初始网络模型，所述种植地名称贴附有种植地类型标签，所述种植地类型标签与预存的种植地类型对应；基于遗传算法，对所述第一初始网络模型进行优化处理，获得第一子网络；将预存的地理位置参数以及与每种待查找植物对应的种植地名称输入到第二初始网络模型进行训练，获得第二子网络；根据所述第一子网络和所述第二子网络，获得种植地查找模型。2.根据权利要求1所述的种植地查找建模方法，其特征在于，所述第一初始网络模型设有第一输入层和第一输出层，将预存的与多种待查找植物对应的环境因子数据和种植地名称输入到第一初始网络模型的步骤，包括：将预存的与多种待查找植物对应的环境因子数据和种植地名称输入到所述第一初始网络模型的第一输入层；将预存的多种种植地类型输入到所述第一初始网络模型的第一输出层。3.根据权利要求1所述的种植地查找建模方法，其特征在于，所述第一初始网络模型还设有第一隐藏层，基于遗传算法，对所述第一初始网络模型进行优化处理，获得第一子网络的步骤，包括：设置与所述第一初始网络模型对应的染色体结构；基于遗传算法，对所述第一初始网络模型进行多次迭代，针对每次迭代，对所述染色体结构中的数据进行调整，获得与该次迭代对应的染色体个体；针对每个所述染色体个体，对所述第一初始网络模型进行训练，获得训练结果；基于所述训练结果，使用适应度函数进行运算，获得与所述染色体个体对应的适应度；选取各所述适应度中值最大的适应度所对应的染色体个体作为目标染色体；根据所述目标染色体，对所述第一初始网络模型的第一隐藏层进行设置，获得第一子网络。4.根据权利要求3所述的种植地查找建模方法，其特征在于，所述目标染色体中包括第一子参数和第二子参数；所述根据所述目标染色体，对所述第一初始网络模型的第一隐藏层进行设置的步骤，包括：根据所述目标染色体中的第一子参数设定所述第一初始网络模型的第一隐藏层的层数；根据所述目标染色体中的第二子参数设定所述第一隐藏层中每个隐藏层的神经元个数。5.根据权利要求3所述的种植地查找建模方法，其特征在于，所述目标染色体中还包括多个第三子参数，每个所述第三子参数对应一个所述环境因子数据，在根据所述目标染色体，对所述第一初始网络模型的第一隐藏层进行设置之后，所述方法还包括：根据每个所述第三子参数的值，判断是否忽...

【专利技术属性】
技术研发人员：王艳，祁萌，罗乐，何若雪，
申请(专利权)人：成都工业学院，
类型：发明
国别省市：四川,51