温室大棚采光调节方法及其系统技术方案

本申请公开了一种温室大棚采光调节方法及其系统，其使用深度神经网络模型并基于被检测植物对象的多种氨基酸值来构建被检测植物的品质架构值，并同样使用深度神经网络模型来构建多个环境因子的环境因子架构值，进而使用品质架构值和环境因子架构值作为生产的目标值，来智能化地调整温室大棚采光设备的工作模式，以提高环境条件与植物生长的适配度。以提高环境条件与植物生长的适配度。以提高环境条件与植物生长的适配度。

【技术实现步骤摘要】
温室大棚采光调节方法及其系统


[0001]本申请涉及智慧农业
，且更为具体地，涉及一种温室大棚采光调节方法及其系统。

技术介绍

[0002]近年来，温室栽培和智慧农业是新一代农作物培育的发展方向。在温室大棚内装配有各种设备和装置，如图1所示意的智控系统，包括用于调节空气湿度和温度的湿帘风机和放风口；用于调节土壤环境因子的灌溉水设备、加热带、N、P、K肥罐；用于调节空气成分的(主要是空气中的二氧化碳)的气肥罐；用于提高空气温度的热风炉；用于降低光照强度的遮阳网；用于延长光照时间的补光灯或者补充某一波段的光照的补光灯等。这些设备可以智能化地开启和关闭，从而为植物生成提供更优的生长条件。
[0003]但是，如何智能化地控制上述设备从而为植物生长提供更优的生长条件是亟需解决的技术问题，其难点在于不同阶段的植物生长需要不同的生长条件。现有一种方案是测量农作物的多种氨基酸的含量，并基于上述多种氨基酸的含量构建品质标定值作为植物生长状态的表征，从而可基于品质标定值来确定环境目标值，并基于环境目标值来智能化地控制上述设备。但是，上述方案在实际运行中的效果难以让人满意，即，植物生长无法满足预定需求。
[0004]究其原因：一方面，某一农产品品质的物质成分非常多，比如香瓜的香味物质，目前可以测得的就有240多种，但依然不能精确地描述品种品质，也不能把品质数字化定量说明，因为这个香味的特性是多种成分不同比例含量的综合结果。而昂贵的测试设备和复杂的测试技术、样本的时效性限制了测试工作的广泛开展，使这种品质评价方法的生产实际意义较小。
[0005]另一方面，在基于多种氨基酸来进行品质评价时，各个氨基酸成分所占的权重时预设值，这与植物生长各个阶段的生命状态不符合。另外，在构建环境因子的架构值时，一方面各个环境因子之间存在复杂的线性或非线性的关联，例如，温度会影响湿度，温度也会影响植物的光合作用(即，温度也会影响光照的效果)，因此，在构建环境因子的架构值时，如果不将上述内部关联考虑在内，会影响环境因子构建的准确度。
[0006]因此，期待一种优化的温室大棚采光调节控制方案，其能够更为准确地对环境因子进行表达和对农产品的品质进行更为准确地表达，从而提高温室大棚采光调节的自适应性以更佳地促进植物生长。

技术实现思路

[0007]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种温室大棚采光调节方法及其系统，其使用深度神经网络模型并基于被检测植物对象的多种氨基酸值来构建被检测植物的品质架构值，并同样使用深度神经网络模型来构建多个环境因子的环境因子架构值，进而使用品质架构值和环境因子架构值作为生产的目标值，来智能化地调整
温室大棚采光设备的工作模式，以提高环境条件与植物生长的适配度。
[0008]根据本申请的一个方面，提供了一种温室大棚采光调节方法，其包括：
[0009]获取预定时间段内多个预定时间点的被检测植物对象的多种氨基酸的含量值以及所述多个预定时间点的多个环境因子的测量值；
[0010]将所述各个预定时间点的被检测植物对象的多种氨基酸的含量值通过经训练完成的具有多个全连接层的结构特征值编码器以得到对应于各个预定时间点的结构特征值；
[0011]将所述对应于各个预定时间点的结构特征值按照时间维度排列为一维特征向量后通过经训练完成的多尺度邻域特征提取模块以得到多尺度结构特征向量；
[0012]将所述多个预定时间点的多个环境因子的测量值按照时间维度和样本维度排列为输入矩阵后通过经训练完成的相邻层使用互为转置的卷积核的卷积神经网络以得到环境因子关联特征矩阵；
[0013]融合所述多尺度结构特征向量和所述环境因子关联特征矩阵以得到分类特征向量；以及
[0014]将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否开启温室大棚内的补光灯。
[0015]根据本申请的另一方面，提供了一种温室大棚采光调节系统，其包括：
[0016]数据获取模块，用于获取预定时间段内多个预定时间点的被检测植物对象的多种氨基酸的含量值以及所述多个预定时间点的多个环境因子的测量值；
[0017]氨基酸含量特征提取模块，用于将所述各个预定时间点的被检测植物对象的多种氨基酸的含量值通过经训练完成的具有多个全连接层的结构特征值编码器以得到对应于各个预定时间点的结构特征值；
[0018]多尺度结构特征向量提取模块，用于将所述对应于各个预定时间点的结构特征值按照时间维度排列为一维特征向量后通过经训练完成的多尺度邻域特征提取模块以得到多尺度结构特征向量；
[0019]环境因子特征提取模块，用于将所述多个预定时间点的多个环境因子的测量值按照时间维度和样本维度排列为输入矩阵后通过经训练完成的相邻层使用互为转置的卷积核的卷积神经网络以得到环境因子关联特征矩阵；
[0020]融合模块，用于融合所述多尺度结构特征向量和所述环境因子关联特征矩阵以得到分类特征向量；以及
[0021]分类结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否开启温室大棚内的补光灯。
[0022]与现有技术相比，本申请提供的温室大棚采光调节方法及其系统，其使用深度神经网络模型并基于被检测植物对象的多种氨基酸值来构建被检测植物的品质架构值，并同样使用深度神经网络模型来构建多个环境因子的环境因子架构值，进而使用品质架构值和环境因子架构值作为生产的目标值，来智能化地调整温室大棚采光设备的工作模式，以提高环境条件与植物生长的适配度。
附图说明
[0023]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、
特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0024]图1为根据本申请实施例的智控系统的示意图。
[0025]图2为根据本申请实施例的温室大棚采光调节方法的场景示意图。
[0026]图3为根据本申请实施例的温室大棚采光调节方法的流程图。
[0027]图4为根据本申请实施例的温室大棚采光调节方法的架构示意图。
[0028]图5为根据本申请实施例的温室大棚采光调节方法中步骤S120的子步骤的流程图。
[0029]图6为根据本申请实施例的温室大棚采光调节方法中步骤S130的子步骤的流程图。
[0030]图7为根据本申请实施例的温室大棚采光调节方法中步骤S140的子步骤的流程图。
[0031]图8为根据本申请实施例的温室大棚采光调节方法中进一步对所述具有多个全连接层的结构特征值编码器、所述多尺度邻域特征提取模块和所述相邻层使用互为转置的卷积核的卷积神经网络进行训练的子步骤的流程图。
[0032]图9为根据本申请实施例的温室大棚采光调节系统的框图。
具体实施方式...

【技术保护点】

【技术特征摘要】
1.一种温室大棚采光调节方法，其特征在于，包括：获取预定时间段内多个预定时间点的被检测植物对象的多种氨基酸的含量值以及所述多个预定时间点的多个环境因子的测量值；将所述各个预定时间点的被检测植物对象的多种氨基酸的含量值通过经训练完成的具有多个全连接层的结构特征值编码器以得到对应于各个预定时间点的结构特征值；将所述对应于各个预定时间点的结构特征值按照时间维度排列为一维特征向量后通过经训练完成的多尺度邻域特征提取模块以得到多尺度结构特征向量；将所述多个预定时间点的多个环境因子的测量值按照时间维度和样本维度排列为输入矩阵后通过经训练完成的相邻层使用互为转置的卷积核的卷积神经网络以得到环境因子关联特征矩阵；融合所述多尺度结构特征向量和所述环境因子关联特征矩阵以得到分类特征向量；以及将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示是否开启温室大棚内的补光灯。2.根据权利要求1所述的温室大棚采光调节方法，其特征在于，所述将所述各个预定时间点的被检测植物对象的多种氨基酸的含量值通过经训练完成的具有多个全连接层的结构特征值编码器以得到对应于各个预定时间点的结构特征值，包括：将所述各个预定时间点的被检测植物对象的多种氨基酸的含量值按照样本维度排列为含量输入向量；使用所述具有多个全连接层的结构特征值编码器以如下公式对所述含量输入向量进行全连接编码以得到含量特征向量，其中，所述公式为：行全连接编码以得到含量特征向量，其中，所述公式为：其中X是含量输入向量，Y是含量特征向量，W是权重矩阵，B是偏置向量，表示矩阵乘；以及计算所述含量特征向量的所有位置的特征值的全局均值作为所述对应于各个预定时间点的结构特征值。3.根据权利要求2所述的温室大棚采光调节方法，其特征在于，所述将所述对应于各个预定时间点的结构特征值按照时间维度排列为一维特征向量后通过经训练完成的多尺度邻域特征提取模块以得到多尺度结构特征向量，包括：使用所述多尺度邻域特征提取模块的第一卷积层以具有第一长度的一维卷积核对所述一维特征向量进行一维卷积编码以得到第一尺度结构特征向量；使用所述多尺度邻域特征提取模块的第二卷积层以具有第二长度的一维卷积核对所述一维特征向量进行一维卷积编码以得到第二尺度结构特征向量，所述第二长度不同于所述第一长度；以及将所述第一尺度结构特征向量和所述第二尺度结构特征向量进行级联以得到所述多尺度结构特征向量。4.根据权利要求3所述的温室大棚采光调节方法，其特征在于，所述将所述多个预定时间点的多个环境因子的测量值按照时间维度和样本维度排列为输入矩阵后通过经训练完成的相邻层使用互为转置的卷积核的卷积神经网络以得到环境因子关联特征矩阵，包括：使用所述卷积神经网络的第一层对所述输入矩阵进行基于第一卷积核的卷积处理、沿
通道维度的池化处理和非线性激活处理以得到第一激活特征图；以及使用所述卷积神经网络的第二层对所述第一激活特征图进行基于第二卷积核的卷积处理、沿通道维度的池化处理和非线性激活处理以得到第二激活特征图，其中，所述第一卷积核的数值矩阵与所述第二卷积核的数值矩阵互为转置；其中，所述卷积神经网络的最后一层的输出为所述环境因子关联特征矩阵。5.根据权利要求4所述的温室大棚采光调节方法，其特征在于，所述融合所述多尺度结构特征向量和所述环境因子关联特征矩阵以得到分类特征向量，包括：将所述多尺度结构特征向量与所述环境因子关联特征矩阵进行相乘以将所述环境因子关联特征矩阵的高维特征信息映射到所述多尺度结构特征向量的高维特征域中以得到所述分类特征向量。6.根据权利要求4所述的温室大棚采光调节方法，其特征在于，所述融合所述多尺度结构特征向量和所述环境因子关联特...

【专利技术属性】
技术研发人员：项鹏宇，刘茂荣，李霞，王美秀，华晓青，斯琴，杜晓燕，武占敏，刘俊梅，鲍欣，赵杰，石诚泰，苏震东，孙余卓，于婷婷，杨雅钧，常强强，刘丽英，曹艳伟，赵伟，栾忠贤，徐刚，赵丽君，石富，孙凤舞，李伟，伊风江，张世晨，白天一，张斌，李刚，孙建平，张美芹，陈兰，刘艳梅，阎丽英，张小军，牛润，
申请(专利权)人：鄂尔多斯市农畜产品质量安全中心鄂尔多斯市农牧业综合检验检测中心，鄂尔多斯市绿色食品发展中心，
类型：发明
国别省市：