植被生长监测方法、装置、设备及存储介质制造方法及图纸

本申请涉及一种植被生长监测方法、装置、设备及存储介质，方法包括：采集当前时刻所述植被的生长环境参数，和所述当前时刻所述植被的生长状态；将所述生长环境参数和所述生长状态输入到指定模型中，获得所述指定模型输出的所述植被下一时刻的生长状态，所述指定模型是通过样本数据训练获得，所述样本数据包括预先采集的所述植被整个生命周期的生长环境参数，和，与所述整个生命周期的生长环境参数所对应的生长状态；根据获得的所述下一时刻的生长状态进行提示。本申请用以帮助用户种植出新鲜、饱满、天然的蔬菜。

【技术实现步骤摘要】
植被生长监测方法、装置、设备及存储介质
本申请涉及水培
，尤其涉及一种植被生长监测方法、装置、设备及存储介质。
技术介绍
最近几年，人们越来越看重食品的安全，对市场上的食品也越来越不放心，所以吃上干净、无农药残留的蔬菜成为了人们的心愿。因此，越来越多的人开始在家里安装植物生长柜，以此来实现自己能够食用安全蔬菜的心愿。然而，如何利用植物生长柜种植好蔬菜却成了许多人的难题。
技术实现思路
本申请提供了一种植被生长监测方法、装置、设备及存储介质，用以帮助用户种植出新鲜、饱满、天然的蔬菜。第一方面，本申请提供了一种植被生长监测方法，包括：采集当前时刻所述植被的生长环境参数，和所述当前时刻所述植被的生长状态；将所述生长环境参数和所述生长状态输入到指定模型中，获得所述指定模型输出的所述植被下一时刻的生长状态，所述指定模型是通过样本数据训练获得，所述样本数据包括预先采集的所述植被整个生命周期的生长环境参数，和，与所述整个生命周期的生长环境参数所对应的生长状态；根据获得的所述下一时刻的生长状态进行提示。可选地，所述生长环境参数包括：二氧化碳、二氧化氮、空气湿度、空气温度、光照强度和营养液含氧量。可选地，根据获得的所述下一时刻的生长状态进行提示，包括：根据获得的所述下一时刻的生长状态，判断所述植被下一时刻是否为异常状态；当判定所述植被下一时刻是所述异常状态时，根据所述异常状态，提示用户具体的操作步骤；当判定所述植被下一时刻不是所述异常状态时，提示用户所述植被生长无异常。可选地，所述异常状态包括：黄叶、植株瘦小、叶子发皱、叶子出现斑点和掉叶，所述黄叶包括：水黄、旱黄、肥黄、饿黄和缺铁性黄叶，所述叶子出现斑点包括：叶子出现黑点和叶子出现白点。可选地，所述指定模型包括：长短期记忆网络LSTM模型。可选地，采集当前时刻所述植被的生长环境参数，和所述当前时刻所述植被的生长状态之前，还包括：对所述样本数据进行预处理，获得时序数据；将所述时序数据输入到初始LSTM模型，获得确定LSTM模型；利用均方误差算法对所述确定LSTM模型进行误差评估，当误差结果小于预设误差值，判定所述确定LSTM模型训练成功，将训练成功的所述确定LSTM模型定义为所述指定模型。可选地，对所述样本数据进行预处理，获得时序数据，包括：对所述样本数据进行数据缺失值补全、时序化处理或归一化处理，获取所述时序数据。第二方面，本申请提供了一种植被生长监测装置，包括：采集模块，用于采集当前时刻所述植被的生长环境参数，和所述当前时刻所述植被的生长状态；获得模块，用于将所述生长环境参数和所述生长状态输入到指定模型中，获得所述指定模型输出的所述植被下一时刻的生长状态，所述指定模型是通过样本数据训练获得，所述样本数据包括预先采集的所述植被整个生命周期的生长环境参数，和，与所述整个生命周期的生长环境参数所对应的生长状态；提示模块，用于根据获得的所述下一时刻的生长状态进行提示。第三方面，本申请提供了一种电子设备，包括：处理器、通信组件、存储器和通信总线，其中，处理器、通信组件和存储器通过通信总线完成相互间的通信；所述存储器，用于存储计算机程序；所述处理器，用于执行所述存储器中所存储的程序，实现所述的植被生长监测方法。第四方面，本申请提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现所述的植被生长监测方法。本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的该方法，通过采集当前时刻植被的生长环境参数和当前时刻植被的生长状态，并将采集的生长环境参数和生长状态输入到指定模型中，获得指定模型输出的该植被下一时刻的生长状态，并根据下一时刻的生长状态，对用户进行提示，使得用户能够及时的发现植被下一时刻的生长状态，并根据提示，进行相对应的操作，即使对于不会种植蔬菜的用户也能够种植出新鲜、饱满、天然的蔬菜。另外，该指定模型是通过预先采集的大量的植被的整个生命周期的生长环境参数，和整个生命周期的生长环境参数所对应的生长状态，作为样本数据训练得到，使得该模型对下一时刻的生长状态的预测更具准确性。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例中植被生长监测方法流程示意图；图2为本申请实施例中LSTM结构示意图；图3为本申请实施例中LSTM模型的训练方法流程示意图；图4为本申请实施例中LSTM另一结构示意图；图5为本申请实施例中植被生长监测装置结构示意图；图6为本申请实施例中电子设备结构示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。本申请实施例提供了一种植被生长监测方法，该方法可以应用在硬件设备中，例如，植物生长柜，也可以应用在后台服务器或者任意类型的终端设备中。该方法的具体实现如图1所示：步骤101，采集当前时刻植被的生长环境参数，和当前时刻植被的生长状态。具体地，该植被的生长环境参数可以包括：二氧化碳、二氧化氮、空气湿度、空气温度、光照强度、营养液含氧量、营养液含磷量、营养液含氮量、营养液含钾量、营养液含钙量、营养液含铁量等。该植被的生长状态可以包括：无异常、黄叶、植株瘦小、叶子发皱、叶子出现斑点和掉叶，其中，黄叶可以包括：水黄、旱黄、肥黄、饿黄、缺铁性黄叶和灼黄，叶子出现斑点可以包括：叶子出现黑点、叶子出现白点和叶子出现模糊白点等。一个具体实施例中，以该方法应用在植物生长柜中进行说明：该植物生长柜可能内置采集单元，能够采集当前时刻植被的生长环境参数，和当前时刻植被的生长状态。另外，也可能是用户自行购置的采集设备，将采集设备安装在植物生长柜内部，用来采集当前时刻植被的生长环境参数，和当前时刻植被的生长状态。其中，生长环境参数和生长状态可以实时采集，也可以根据用户实际需要，由用户自行设置时间步长，在特定时间点进行数据采集。步骤102，将生长环境参数和生长状态输入到指定模型中，获得指定模型输出的植被下一时刻的生长状态。其中，指定模型是通过样本数据训练获得，该样本数据包括：预先采集的植被整个生命周期的生长环境参数，和，与整个生命周期的生长环境参数所对应的生本文档来自技高网...

【技术保护点】
1.一种植被生长监测方法，其特征在于，包括：/n采集当前时刻所述植被的生长环境参数，和所述当前时刻所述植被的生长状态；/n将所述生长环境参数和所述生长状态输入到指定模型中，获得所述指定模型输出的所述植被下一时刻的生长状态，所述指定模型是通过样本数据训练获得，所述样本数据包括预先采集的所述植被整个生命周期的生长环境参数，和，与所述整个生命周期的生长环境参数所对应的生长状态；/n根据获得的所述下一时刻的生长状态进行提示。/n

【技术特征摘要】
1.一种植被生长监测方法，其特征在于，包括：
采集当前时刻所述植被的生长环境参数，和所述当前时刻所述植被的生长状态；
将所述生长环境参数和所述生长状态输入到指定模型中，获得所述指定模型输出的所述植被下一时刻的生长状态，所述指定模型是通过样本数据训练获得，所述样本数据包括预先采集的所述植被整个生命周期的生长环境参数，和，与所述整个生命周期的生长环境参数所对应的生长状态；
根据获得的所述下一时刻的生长状态进行提示。


2.根据权利要求1所述的植被生长监测方法，其特征在于，所述生长环境参数包括：二氧化碳、二氧化氮、空气湿度、空气温度、光照强度和营养液含氧量。


3.根据权利要求2所述的植被生长监测方法，其特征在于，根据获得的所述下一时刻的生长状态进行提示，包括：
根据获得的所述下一时刻的生长状态，判断所述植被下一时刻是否为异常状态；
当判定所述植被下一时刻是所述异常状态时，根据所述异常状态，提示用户具体的操作步骤；
当判定所述植被下一时刻不是所述异常状态时，提示用户所述植被生长无异常。


4.根据权利要求3所述的植被生长监测方法，其特征在于，所述异常状态包括：黄叶、植株瘦小、叶子发皱、叶子出现斑点和掉叶，所述黄叶包括：水黄、旱黄、肥黄、饿黄和缺铁性黄叶，所述叶子出现斑点包括：叶子出现黑点和叶子出现白点。


5.根据权利要求1-4任一项所述植被生长监测方法，其特征在于，所述指定模型包括：长短期记忆网络LSTM模型。


6.根据权利要求5所述的植被生长监测方法，其特征在于，采集当前时刻所述植被的生长环境参数，和所述当前时刻所述植...

【专利技术属性】
技术研发人员：陈勇，宋德超，陈翀，李雨铭，
申请(专利权)人：珠海格力电器股份有限公司，珠海联云科技有限公司，
类型：发明
国别省市：广东;44