基于深度神经网络的川贝母精准种植方法技术

本发明专利技术是基于深度神经网络的川贝母精准种植方法。本发明专利技术通过高光谱相机自动检测土壤养分和作物状态数据，得到高光谱图像，通过光照传感器采集光照强度和温湿度传感器检测采集空气温湿度，得到环境信息；将检测到的川贝母生长数据进行整理，建立函数映射F，进而预测出下一时刻种植操作；建立川贝母种植操作与川贝母生长状态之间的深度神经网络模型，对所述深度神经网络模型进行端到端的学习训练；将新的环境与光谱图像输入所述深度神经网络模型中，所述深度神经网络模型预测出种植操作来代替人工经验。本发明专利技术的种植技术既能代替种植专家，又能规范种植过程，有利于种植技术的推广，实现规模化种植，种植效率会优于人工种植。

Precise Planting Method of Fritillaria chuanxiensis Based on Deep Neural Network

【技术实现步骤摘要】
基于深度神经网络的川贝母精准种植方法
本专利技术涉及药材种植
，是一种基于深度神经网络的川贝母精准种植方法。
技术介绍
川贝母是一种名贵中药材，具有润肺止咳的功效，应用历史悠久，主要分布在我国四川西部、云南西北部、西藏东南部、甘肃、青海等地，海拔大约为3500-4500米的高寒地区。因其药用价值高，市场需求量大，加之生长环境所限，野生资源已日渐枯竭，已处于濒危状态，被列入国家三级保护植物名录。因此，对川贝母进行人工栽培、规范化种植，显得尤为重要与必要。我国从20世纪60年代即开始在康定县进行川贝母人工栽培，目前在四川阿坝、理县、甘肃漳县、云南丽江等地均有栽培。川贝母种群自我更新缓慢，对环境要求苛刻，加之普通药农缺乏栽培经验，致使川贝母的人工栽培产量不高，推广难度大。现有的栽培技术仍以人工经验为主，缺少种植过程的量化分析与种植性能评价，属于传统种植技术。随着科学技术尤其是信息技术的发展，精准农业技术正成为农业生产活动中的热点技术和重要发展方向。中药材种植是农业生产中一项重要内容，借助精准农业思想提升中药材种植水平是大势所趋。本专利技术提供一种川贝母的精准种植技术，既能提高川贝母生态种植的规范化水平和规模，又能破解野生中药材资源保护的困局。为了探索土壤、环境与作物的关系，通常的做法是直接或间接测量出土壤中各要素的含量与环境信息，以及表示农作物长势状态的各种元素，再对这些变量模型化、求解过程复杂困难。同时，直接测量上述数据也是困难的，比如对土壤养分含量的测定最常用的方法是化学分析法，检测时间长，工作效率低，不能实现自动、连续测量。近年来，利用高光谱技术实现土壤养分快速测定正成为研究热点，可以通过分析土壤主要养分的特征光谱，预测养分含量。高光谱相机能够在电磁波谱的紫外、可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对目标区域同时成像，可同时获得目标图像信息与光谱信息。土壤养分以氮、磷、钾为主，已有研究表明，土壤中的氮磷钾含量水平分别与近红外中的特征光谱相关，利用该特征光谱可对土壤养分进行实时检测。另一方面，氮素是与作物光合作用、产量及品质关系最密切的营养元素，也是作物需求量和施用量最大的矿质元素。作物发育过程中，氮素营养水平的变化会引起叶片颜色、叶绿素水平、水分含量等作物形态结构变化，进而引起冠层光谱的变化，这是高光谱图像进行氮素估测的理论基础。本系统通过对贝母植株上层高光谱成像，分析与氮素相关的特征光谱，从而实现对作物长势的检测。
技术实现思路
本专利技术为解决现有存在的问题，提供了一种基于深度神经网络的川贝母精准种植方法，本专利技术提供了以下技术方案：基于深度神经网络的川贝母精准种植方法，包括以下步骤：步骤一：在大棚内种植川贝母，通过高光谱相机自动采集土壤养分或作物长势数据，得到高光谱图像集合，通过光照传感器采集光照强度和温湿度传感器检测采集空气温湿度，得到环境向量集合；步骤二：将检测到的川贝母生长数据进行整理，建立函数映射F，进而预测出下一时刻种植操作；步骤三：利用深度神经网络的特征提取与非线性逼近能力学习函数映射F，建立川贝母种植操作与川贝母生长状态之间的深度神经网络模型，对所述深度神经网络模型进行端到端的学习训练；步骤四：将新的环境与光谱图像输入所述深度神经网络模型中，所述深度神经网络模型预测出种植操作来代替人工经验。优选地，所述步骤一具体为：第一步：通过高光谱相机自动检测土壤养分或作物数据，得到高光谱图像，通过下式表示t时刻前的n天高光谱图像集合：Xt＝{xt-n+1，xt-n+2，…，xt}(1)其中，Xt为t时刻前的n天高光谱图像集合，xt为t时刻图像，t为时刻，这里指某一天，n为天数；第二步：通过光照传感器采集光照强度和温湿度传感器检测采集空气温湿度，得到环境向量，通过下式表示n天环境向量集合：Et＝{et-n+1，et-n+2，…，et}(2)其中，Et为n天环境向量集合，et为t时刻环境向量；第三步：通过下式表示对应的n天的种植操作向量集合：At＝{at-n+1，at-n+2，…，at}(3)其中，At为n天的种植操作向量集合，at为t时刻种植操作向量。优选地，所述高光谱图像大小为145*145像素，200个波段通道。优选地，所述步骤二具体为：根据高光谱相机自动检测土壤养分和作物长势数据，得到的高光谱图像；光照传感器采集光照强度和温湿度传感器检测采集空气温湿度，得到的环境向量；以及对应的种植操作向量建立下式：at+1＝F(Xt，Et，At)(4)其中，所述at+1即为下一时刻的种植操作。优选地，所述步骤三具体为：第一步：利用深度神经网络的特征提取与非线性逼近能力学习函数映射F，建立川贝母种植操作与川贝母生长状态之间的深度神经网络模型；第二步：对所述深度神经网络模型进行训练，将高光谱图像和环境向量矢量化，并将矢量化后的高光谱图像和环境向量作为神经模型的输入，将川贝母种植操作作为深度神经网络模型的输出，进行端到端的学习训练。优选地，在检测土壤数据时，对土壤区域进行分块处理，分析土壤每一块去的肥力随时间变化的演进过程，形成土壤肥力在空间和时间二维尺度上的状态演进曲面。优选地，采用云台相机对大棚种植区进行定时轮回检测，通过云台精准可控制与区域标定，保证每次轮巡都是固定区域。优选地，对温湿度传感器采集的数据进行二维插值，记录土壤在不同区域不同时间水分比变化轨迹。本专利技术具有以下有益效果：本专利技术智能化的川贝母种植技术既能代替种植专家，又能规范种植过程，有利于种植技术的推广，实现规模化种植。另外，由于实现了种植过程的数据化和自动化，种植效率会优于人工种植。附图说明图1是神经网络示意图。图2是端到端精准种植模型图。图3是端到端精准种植模型训练过程图。图4是川贝母种植数据采集示意图。具体实施方式以下结合具体实施例，对本专利技术进行了详细说明。具体实施例一：本专利技术提供一种基于深度神经网络的川贝母精准种植方法，所述方法包括如下步骤：步骤一：在大棚内根据种植专家的经验种植川贝母，通过高光谱相机自动采集土壤养分或作物长势数据，得到高光谱图像集合，通过光照传感器采集光照强度和温湿度传感器检测采集空气温湿度，得到环境向量集合；步骤二：将检测到的川贝母生长数据进行整理，建立函数映射F，进而预测出下一时刻种植操作；步骤三：利用深度神经网络的特征提取与非线性逼近能力学习函数映射F，建立川贝母种植操作与川贝母生长状态之间的深度神经网络模型，对所述深度神经网络模型进行端到端的学习训练；步骤四：将新的环境与光谱图像输入所述深度神经网络模型中，所述深度神经网络模型预测出种植操作来代替人工经验。为实现川贝母种植过程的数据化、自动化、智能化，需要搭建自动化的采集设备，能对土壤、环境及作物状态实时监测，并形成完整有效的数据，进而通过机器学习方法，实现智能种植决策。实施过程如图1所示。简单地说，土壤和环境共同决定了植物的生长状况。土壤包括土壤养分(主要是氮、磷、钾含量)、含水量、酸碱度、电导率等特性，采用光照传感器和温湿度传感器检测环境主要有光照强度、空气温湿度等因素。精准种植的关键是掌握农作物随土壤特性与环境变化的规律，并通过改变土壤特性或环境要素，使作物获得最佳生长状态。本专利技术利用高光谱相机实现土壤养分和作物长势的自动检测。本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的川贝母精准种植方法，其特征是：包括以下步骤：步骤一：在大棚内种植川贝母，通过高光谱相机自动采集土壤养分或作物长势数据，得到高光谱图像，通过光照传感器采集光照强度和温湿度传感器检测采集空气温湿度，得到环境向量；步骤二：将检测到的川贝母生长数据进行整理，建立函数映射F，进而预测出下一时刻种植操作；步骤三：利用深度神经网络的特征提取与非线性逼近能力学习函数映射F，建立川贝母种植操作与川贝母生长状态之间的深度神经网络模型，对所述深度神经网络模型进行端到端的学习训练；步骤四：将新的环境与光谱图像输入所述深度神经网络模型中，所述深度神经网络模型预测出种植操作来代替人工经验。

【技术特征摘要】
1.一种基于深度神经网络的川贝母精准种植方法，其特征是：包括以下步骤：步骤一：在大棚内种植川贝母，通过高光谱相机自动采集土壤养分或作物长势数据，得到高光谱图像，通过光照传感器采集光照强度和温湿度传感器检测采集空气温湿度，得到环境向量；步骤二：将检测到的川贝母生长数据进行整理，建立函数映射F，进而预测出下一时刻种植操作；步骤三：利用深度神经网络的特征提取与非线性逼近能力学习函数映射F，建立川贝母种植操作与川贝母生长状态之间的深度神经网络模型，对所述深度神经网络模型进行端到端的学习训练；步骤四：将新的环境与光谱图像输入所述深度神经网络模型中，所述深度神经网络模型预测出种植操作来代替人工经验。2.根据权利要求1所述的一种基于深度神经网络的川贝母精准种植方法，其特征是：所述步骤一具体为：第一步：通过高光谱相机自动采集土壤养分或作物数据，得到高光谱图像，通过下式表示t时刻前的n天高光谱图像集合：Xt＝{xt-n+1，xt-n+2，...，xt}(1)其中，Xt为t时刻前的n天高光谱图像集合，xt为t时刻图像，t为时刻，n为天数；第二步：通过光照传感器采集光照强度和温湿度传感器检测采集空气温湿度，得到环境向量，通过下式表示n天环境向量集合：Et＝{et-n+1，et-n+2，...，et}(2)其中，Et为n天环境向量集合，et为t时刻环境向量；第三步：通过下式表示对应的n天的种植操作向量集合：At＝{at-n+1，at-n+2，...，at}(3)其中，At为n天的种植操作向量集合，at为t时刻种植操作向量。3.根据权利要求1所述的一种基于深度神经网络的川贝母精准...

【专利技术属性】
技术研发人员：吴锐，尹芳，贺正，王坤，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23