一种基于神经网络模型的智能温室光照调控方法技术

本发明专利技术涉及温室内光照管理技术领域，具体涉及一种基于神经网络模型的智能温室光照调控方法，包括如下步骤：构建各植物不同的生长周期与光照参数之间的关联关系，并基于所述关联关系训练构建光照调控神经网络模型；获取每种植物的促生长光照参数区间，并构建各植物生长状态与促生长光照参数之间的关联关系，基于所述关联关系构建光照微调神经网络模型；基于所述光照调控神经网络模型根据不同的植物不同的生长周期实现温室内光照的调整，并基于所述光照微调神经网络模型根据不同植株的生长状态进行针对性补光操作。本发明专利技术可以实现温室内光照的智能化和针对性调整，进而达到促进植物生长、增产、提质的目的。提质的目的。提质的目的。

【技术实现步骤摘要】
一种基于神经网络模型的智能温室光照调控方法


[0001]本专利技术涉及温室内光照管理
，具体涉及一种基于神经网络模型的智能温室光照调控方法。

技术介绍

[0002]温室是指能控制或部分控制植物生长环境的建筑物，主要用于非季节性或非地域性的植物栽培、科学研究、加代育种和观赏植物栽培等。目前，现存的温室主要通过补光灯启闭的方式实现温室内光照的调整，调整的过程并未关注植物自身对光照强度的需求，易使得作物植株的生长受到影响，降低其生长速率。

技术实现思路

[0003]为解决上述问题，本专利技术提供了一种基于神经网络模型的智能温室光照调控方法，可以实现温室内光照的智能化和针对性调整。
[0004]为实现上述目的，本专利技术采取的技术方案为：一种基于神经网络模型的智能温室光照调控方法，包括如下步骤：S1、构建各植物不同的生长周期与光照参数之间的关联关系，并基于所述关联关系训练构建光照调控神经网络模型；S2、获取每种植物的促生长光照参数区间，并构建各植物生长状态与促生长光照参数之间的关联关系，基于所述关联关系构建光照微调神经网络模型；S3、基于所述光照调控神经网络模型根据不同的植物不同的生长周期实现温室内光照的调整，并基于所述光照微调神经网络模型根据不同植株的生长状态进行针对性补光操作。
[0005]进一步地，所述步骤S1中，首先获取每种植物不同生长周期最适宜的光照参数区间，然后获取各植物的生长周期计算算法，基于植物种类参数、生长周期计算算法、光照参数区间训练构建光照调控神经网络模型，该光照调控神经网络模型的输入项为植物种类参数、植物播种时间或移栽时间，输出项为当前最适宜的光照参数区间。
[0006]进一步地，所述生长周期计算算法首先需获取植物播种时间或移栽时间，进而获取到植物当前已经种植的时间，然后将已经种植的时间与植物每个生长周期的覆盖时间长度相比较的方式确定当前植物处于哪个生长周期。
[0007]进一步地，所述步骤S2中，首先获取每种植物的促生长光照参数区间，然后构建各植物生长状态与促生长光照参数之间的关联关系，以植物滞缓生长参数为输入项，促生长光照参数为输出项训练构建光照微调神经网络模型，其中，植物滞缓生长参数为植物标准生长参数与当前植物生长参数的差值，生长参数包括植物的长度、叶片大小、枝干直径、枝干数量等。
[0008]进一步地，所述步骤S3中，首先基于所述光照调控神经网络模型获取到当前植物的生长周期所需的光照亮度参数，基于光照传感器反馈的当前温室光照亮度参数，进而联
合控制安装在温室内顶面的补光灯和安装在温室外表面的遮光帘实现温室内光照亮度的调整，然后通过巡检机器人实现植株的生长状态的巡检，当植株的生长状态落入预设的滞长区间时，基于所述光照微调神经网络模型根据当前植株的滞缓生长参数获取到对应的针对性补光参数，进而驱动悬挂在温室内的补光机器人移动到目标植株位置实现针对性的补光操作。
[0009]进一步地，所述巡检机器人用于实现植株的生长状态图像的采集和评估，进而获取到植株的长度参数、叶片大小参数、枝干直径参数等。
[0010]进一步地，所述补光机器人包括轨道式机器人以及悬挂在轨道式机器人下端的补光灯，所述补光灯包括灯座、安装在灯座下端的灯罩、以及呈环形布置在灯座下底面上的灯珠，可以根据不同的补光需求开启对应的灯珠从而形成不同的补光圈。
[0011]本专利技术具有以下有益效果：充分考虑各植物不同的生长周期与光照参数之间的关联关系、以及每种植物的促生长光照参数区间，从而可以实现温室内光照的智能化和针对性调整，进而达到促进植物生长、增产、提质的目的。
附图说明
[0012]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为本专利技术实施例一种基于神经网络模型的智能温室光照调控方法的流程图。
[0013]图2为本专利技术实施例一种基于神经网络模型的智能温室光照调控方法的工作原理图。
具体实施方式
[0014]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，还可以做出若干变形和改进。这些都属于本专利技术的保护范围。
[0015]如图1所示，本专利技术实施例的一种基于神经网络模型的智能温室光照调控方法，包括如下步骤：S1、构建各植物不同的生长周期与光照参数之间的关联关系，并基于所述关联关系训练构建光照调控神经网络模型；具体地，首先基于网络爬虫模块在大数据库中爬取与每种植物不同生长周期相关的光照数据，然后基于人工联合机器学习的方式整理获取到每种植物不同生长周期最适宜的光照参数区间；然后基于网络爬虫模块在大数据库中爬取各植物每个生长周期所覆盖的时间长度数据，进而获取到各植物的生长周期计算算法，所述生长周期计算算法首先需获取植物播种时间或移栽时间，进而获取到植物当前已经种植的时间，然后将已经种植的时间与植物每个生长周期的覆盖时间长度相比较，进而确定当前植物处于哪个生长周期；最后，基于植物种类参数、生长周期计算算法、最适宜的光照参数区间训练构建光照调控神经网络模型，该光照调控神经网络模型的输入项为植物种类参数、植物播种时间或移栽时间，输出项为当前最适宜的光照参数区间。本实施例中，光照调
控神经网络模型采用具有反馈连接的无限深度神经网络模型，能处理动态数据，实时性较好；S2、获取每种植物的促生长光照参数区间，并构建各植物生长状态与促生长光照参数之间的关联关系，基于所述关联关系构建光照微调神经网络模型；具体地，首先基于网络爬虫模块在大数据库中爬取与每种植物促生长相关的光照数据，然后基于人工联合机器学习的方式整理获取每种植物的促生长光照参数区间，并构建各植物生长状态与促生长光照参数之间的关联关系，不同的促生长光照参数对应不同的促生长效果，最后，以植物滞缓生长参数为输入项，促生长光照参数为输出项训练构建光照微调神经网络模型，其中，植物滞缓生长参数为植物标准生长参数与当前植物生长参数的差值，不同的植物滞缓生长参数对应不同的促生长需求，植物滞缓生长参数越高对应的促生长需求就越大，一般地，促生长效果是以一定周期（基本采用一周/两周）可以促进某个指标，比如植物的长度生长多少这样表示的，其中，生长参数包括植物的长度、叶片大小、枝干直径、枝干数量等。
[0016]S3、基于所述光照调控神经网络模型根据不同的植物不同的生长周期实现温室内光照的调整，并基于所述光照微调神经网络模型根据不同植株的生长状态进行针对性补光操作。具体地，首先基于所述光照调控神经网络模型获取到当前植物的生长周期所需的光照亮度参数，基于光照传感器反馈的当前温室光照亮度参数，进而联合控制安装在温室内顶面的补光灯和安装在温室外表面的遮光帘实现温室内光照亮度的调整，然后通过巡检机器人实现植株的生长状态的巡检，当植株的生长状态落入预设的滞长区间时，基于所述光照微调神经网络模型根据当前植株的滞缓生长参数获取到对应的针对性补本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络模型的智能温室光照调控方法，其特征在于：包括如下步骤：S1、构建各植物不同的生长周期与光照参数之间的关联关系，并基于所述关联关系训练构建光照调控神经网络模型；S2、获取每种植物的促生长光照参数区间，并构建各植物生长状态与促生长光照参数之间的关联关系，基于所述关联关系构建光照微调神经网络模型；S3、基于所述光照调控神经网络模型根据不同的植物不同的生长周期实现温室内光照的调整，并基于所述光照微调神经网络模型根据不同植株的生长状态进行针对性补光操作。2.如权利要求1所述的一种基于神经网络模型的智能温室光照调控方法，其特征在于：所述步骤S1中，首先获取每种植物不同生长周期最适宜的光照参数区间，然后获取各植物的生长周期计算算法，基于植物种类参数、生长周期计算算法、光照参数区间训练构建光照调控神经网络模型，该光照调控神经网络模型的输入项为植物种类参数、植物播种时间或移栽时间，输出项为当前最适宜的光照参数区间。3.如权利要求2所述的一种基于神经网络模型的智能温室光照调控方法，其特征在于：所述生长周期计算算法首先需获取植物播种时间或移栽时间，进而获取到植物当前已经种植的时间，然后将已经种植的时间与植物每个生长周期的覆盖时间长度相比较的方式确定当前植物处于哪个生长周期。4.如权利要求1所述的一种基于神经网络模型的智能温室光照调控方法，其特征在于：所述步骤S2中，首先获取每种植物的促生长光照参数区间...

【专利技术属性】
技术研发人员：严志雁，王芳东，梁华，丁建，
申请(专利权)人：江西省农业科学院农业经济与信息研究所江西省农业工程咨询中心，江西省农业科技图书馆，
类型：发明
国别省市：