农作物生产管理方法、装置、存储介质和电子设备制造方法及图纸

本发明专利技术涉及一种农作物生产管理方法、装置、存储介质和电子设备，方法包括：获取目标农作物生产过程中的生产样本数据；在预先设置的农作物生产初始模型中，构建生产样本数据中生长数据、施肥数据、土壤肥力数据、环境数据与产量数据的约束方程；利用预先设置的机器学习算法，以最大化约束方程中的产量数据为目标函数，对农作物生产初始模型进行训练，得到农作物生产模型；采集农作物当前生产阶段的生长数据及土壤肥力数据，作为农作物生产模型的输入数据，利用农作物生产模型进行运算，得到农作物当前生产阶段的施肥数据以及环境数据，依据得到的施肥数据和环境数据进行生产管理。可以提升农作物的生产管理效率。提升农作物的生产管理效率。提升农作物的生产管理效率。

【技术实现步骤摘要】
农作物生产管理方法、装置、存储介质和电子设备


[0001]本专利技术涉及区块链
，尤其涉及一种农作物生产管理方法、装置、存储介质和电子设备。

技术介绍

[0002]农作物生产是全球重要的产业之一，但当前的农作物生产面临着一些挑战，例如，在大棚农作物种植过程中，主要依靠农作物种植者自身的经验进行施肥管理，无法有效提升农作物的产量，还会导致肥料的过施，从而影响农作物种植者的收益。同时，对于消费者来说，食品安全、生产过程追溯，也是亟需解决的技术问题。

技术实现思路

[0003]有鉴于此，本专利技术提供一种农作物生产管理方法、装置、存储介质和电子设备。
[0004]具体地，本专利技术是通过如下技术方案实现的：根据本专利技术的第一方面，提供一种农作物生产管理方法，农作物生产管理方法包括：获取目标农作物生产过程中的生产样本数据，所述生产样本数据包括所述目标农作物在各生长阶段的生长数据、施肥数据、土壤肥力数据、环境数据以及产量数据；在预先设置的农作物生产初始模型中，构建生长数据、施肥数据、土壤肥力数据、环境数据与产量数据的约束方程；利用预先设置的机器学习算法，以最大化所述约束方程中的产量数据为目标函数，对所述农作物生产初始模型进行训练，得到农作物生产模型；采集农作物当前生产阶段的生长数据及土壤肥力数据，作为所述农作物生产模型的输入数据，利用所述农作物生产模型进行运算，得到所述农作物当前生产阶段的施肥数据以及环境数据，依据得到的施肥数据进行施肥，以及，依据得到的环境数据调节当前的生长环境。
[0005]本技术方案中的农作物生产管理方法，通过利用生产样本数据中的生长数据、施肥数据、土壤肥力数据、环境数据与产量数据，构建约束方程，以最大化约束方程中的产量数据为目标函数，对农作物生产初始模型进行训练，得到农作物生产模型，再通过采集农作物当前生产阶段的生长数据及土壤肥力数据，对农作物生产模型进行求解，得到当前生产阶段的施肥数据以及环境数据，并基于此进行生产管理，这样，在保障农作物最大产量的基础上，可以有效避免肥料的过施或少施，从而提升农作物的生产管理效率，进而提高农作物种植者的收益。
[0006]根据本专利技术的第二方面，提供一种农作物生产管理装置，农作物生产管理装置包括：样本数据获取模块，用于获取目标农作物生产过程中的生产样本数据，所述生产样本数据包括所述目标农作物在各生长阶段的生长数据、施肥数据、土壤肥力数据、环境数
据以及产量数据；约束方程设置模块，用于在预先设置的农作物生产初始模型中，构建生长数据、施肥数据、土壤肥力数据、环境数据与产量数据的约束方程；模型训练模块，用于利用预先设置的机器学习算法，以最大化所述约束方程中的产量数据为目标函数，对所述农作物生产初始模型进行训练，得到农作物生产模型；生产管理模块，用于采集农作物当前生产阶段的生长数据及土壤肥力数据，作为所述农作物生产模型的输入数据，利用所述农作物生产模型进行运算，得到所述农作物当前生产阶段的施肥数据以及环境数据，依据得到的施肥数据进行施肥，以及，依据得到的环境数据调节当前的生长环境。
[0007]本技术方案中的农作物生产管理装置，依据生产样本数据，对农作物生产初始模型进行训练，得到农作物生产模型的精度，通过获取农作物当前生产阶段的生长数据及土壤肥力数据，利用农作物生产模型进行求解，可以得到农作物产量达到最高时的农作物生产管理方案，并依据该农作物生产管理方案对农作物进行生产管理，这样，在保障农作物最大产量的基础上，可以有效避免肥料的过施或少施，从而提升农作物的生产管理效率，进而提高农作物种植者的收益。
[0008]根据本专利技术的第三方面，提供一种存储介质，其上存储有计算机程序，程序被处理器执行时实现第一方面的任意可能的实现方式中的农作物生产管理方法的步骤。
[0009]根据本专利技术的第四方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现第一方面的任意可能的实现方式中的农作物生产管理方法的步骤。
附图说明
[0010]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。
[0011]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，下面将对实施例或相关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。
[0012]图1为本专利技术实施例提供的一种农作物生产管理方法的流程示意图；图2为本专利技术实施例提供的一种农作物生产管理方法中步骤S103的一流程示意图；图3为本专利技术实施例提供的一种农作物生产管理处理装置示意图；图4为本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0013]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0014]现有依据农作物种植者自身经验，在农作物种植过程中进行施肥管理的方法，依
据经验进行施肥管理，一方面，容易导致施肥不足，从而影响农作物产量，另一方面，也容易导致过量施肥，不仅增加农作物种植成本，还会引起农作物烧根，影响农作物产量。而对于食品安全、生产过程追溯，目前采用的是基于区块链技术和智能合约技术的溯源方法，即对于农作物生产系统中的每一个农作物产品或食品产品，通过配置一唯一的数字标识符，例如，二维码或条形码等，用于表征该农作物产品的生产过程数据，包括原材料来源、生产批次、运输信息等。这样，当发现产品质量问题时，可以通过数字标识符，快速定位问题并采取相应的措施，保障消费者的健康和权益。但该方法，由于对上链至区块链网络的农作物生产运营数据采用加密的隐私保护策略，使得这部分数据难以共享，从而影响了溯源的可信度。
[0015]本实施例中，基于农作物的生产运营数据，构建基于区块链技术的农作物生产运营模型，为农作物的生产运营提供相应决策，例如，农作物种类种植配比决策、施肥管理决策。并通过提供农作物生产运营数据的解密策略，实现对农作物生产运营数据的共享。
[0016]参见图1，本专利技术实施例提供了一种农作物生产管理处理方法，该方法可以包括如下步骤：S101、获取目标农作物生产过程中的生产样本数据，所述生产样本数据包括所述目标农作物在各生长阶段的生长数据、施肥数据、土壤肥力数据、环境数据以及产量数据；本实施例中，针对目标农作物，例如，水稻、小麦、蔬菜、瓜果，以蔬菜中的番茄为例，在番茄的历年种植中，针对每一种植地块，分别记录番茄在各生长阶段（例如，播种期、育苗期、生长期、挂果期、收获期）的生产数据，将历年记录的生产数据作为番茄生产过程中的生产样本数据。
[0017]本实施例中，作为一可选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农作物生产管理方法，其特征在于，包括：获取目标农作物生产过程中的生产样本数据，所述生产样本数据包括所述目标农作物在各生长阶段的生长数据、施肥数据、土壤肥力数据、环境数据以及产量数据；在预先设置的农作物生产初始模型中，构建生长数据、施肥数据、土壤肥力数据、环境数据与产量数据的约束方程；利用预先设置的机器学习算法，以最大化所述约束方程中的产量数据为目标函数，对所述农作物生产初始模型进行训练，得到农作物生产模型；采集农作物当前生产阶段的生长数据及土壤肥力数据，作为所述农作物生产模型的输入数据，利用所述农作物生产模型进行运算，得到所述农作物当前生产阶段的施肥数据以及环境数据，依据得到的施肥数据进行施肥，以及，依据得到的环境数据调节当前的生长环境。2.根据权利要求1所述的农作物生产管理方法，其特征在于，所述利用预先设置的机器学习算法，以最大化所述约束方程中的产量数据为目标函数，对所述农作物生产初始模型进行训练，得到农作物生产模型，包括：将生产样本数据分为生产样本数据训练集及生产样本数据测试集；从所述生产样本数据训练集中提取一批次生产样本训练数据，以所述批次生产样本训练数据中的生长数据、施肥数据、土壤肥力数据、环境数据输入所述农作物生产初始模型，基于所述农作物生产初始模型中所述机器学习算法的运算，得到输出的产量输出数据；基于所述产量输出数据以及所述批次生产样本训练数据中的产量数据，对所述农作物生产初始模型进行反向传播运算，以调整所述农作物生产初始模型的模型参数，直至调整的所述农作物生产初始模型的产量输出数据与对应的产量数据的误差不大于预设的单迭代误差阈值；基于所述生产样本数据测试集，对调整的所述农作物生产初始模型进行测试，得到所述调整的所述农作物生产初始模型的产量预测值；依据所述生产样本数据测试集中的产量数据以及所述产量预测值，计算所述调整的所述农作物生产初始模型的模型误差；确定所述模型误差不大于预先设置的模型误差阈值，将所述调整的所述农作物生产初始模型作为所述农作物生产模型。3.根据权利要求2所述的农作物生产管理方法，其特征在于，所述方法还包括：确定所述模型误差大于预先设置的模型误差阈值，从所述生产样本数据训练集中，删除所述批次生产样本训练数据，执行所述从所述生产样本数据训练集中提取一批次生产样本训练数据的步骤。4.根据权利要求2或3所述的农作物生产管理方法，其特征在于，所述方法还包括：基于不同种类的农作物对应的生产成本数据以及运输成本数据，构建农作物生产供应链模型；基于所述农作物生产供应链模型，获取每单位农作物的价格；基于所述每单位农作物的价格、不同...

【专利技术属性】
技术研发人员：蒋海，苏中华，
申请(专利权)人：布比北京网络技术有限公司，
类型：发明
国别省市：