【技术实现步骤摘要】
本专利技术实施例涉及植物工厂，特别涉及一种基于深度学习的植物工厂数字孪生系统及方法。
技术介绍
1、植物工厂是一种现代农业技术，它是一种在受控的室内环境中进行植物生产的系统。植物工厂的目的在于实现高产、高效和可持续的植物生产，同时减少对环境的影响。通过对植物工厂的环境参数(例如，温度、湿度、光照、二氧化碳浓度等)的精确控制，从而实现全年无休的植物生产。
2、数字孪生是一种构建现实世界中某个物体或系统的数字模型技术，它可以实时地反映现实世界中物体或系统的状态、行为和性能。将数字孪生技术应用于农业领域，通过构建植物工厂的数字孪生体，可实现通过模拟植物生长过程，帮助植物工厂工作人员了解当前和未来的植物状况。
3、然而，数字孪生技术一般通过有限元仿真软件结合实时数据流对物理实体进行仿真预测，然而植物工厂数字孪生建模所涉及环境因素复杂，单一的有限元仿真软件无法满足建模分析需求，因此，如何构建植物工厂的数字孪生系统，并根据实时数据流推理预测植物长势成为亟需解决的问题。
技术实现思路
1、本专利技术实施方式的目的在于提供一种基于深度学习的植物工厂数字孪生系统和方法，其目的在于实现根据实时数据流推理预测植物长势，促进农业生产的高产高效。
2、为解决上述技术问题，本专利技术的实施方式提供了一种基于深度学习的植物工厂数字孪生系统，基于深度学习的植物工厂数字孪生系统包括：通讯连接的数据采集模块、孪生数据模块、虚拟孪生模块、判决反馈模块、设备调控模块；所述数据采集模块用
3、为解决上述技术问题，本申请实施例还提供了一种植物工厂环境参数调控方法，所述方法应用于所述基于深度学习的植物工厂数字孪生系统，包括：对植物工厂的环境参数及植物生长图像进行预处理；根据预处理后的植物工厂的环境参数及植物生长图像，生成植物未来长势预测结果；对所述预测结果进行评估，输出植物工厂最优控制策略；根据所述植物工厂最优控制策略，通过控制植物工厂的环境调控设备，调整植物工厂的环境参数。
4、本申请实施例提供的基于深度学习的植物工厂数字孪生系统及方法，利用数据采集模块可实时获取植物工厂的环境参数及植物生长图像，再利用虚拟孪生模块，根据孪生数据模块预处理后的环境参数及植物生长图像，构建植物工厂的数字孪生模型，使用数字孪生模型替代传统的有限元仿真软件，实现了数字孪生技术与农业生产的结合，进一步地，利用预测模型预测植物未来长势，及利用判决反馈模块评估预测结果，输出植物工厂最优调控策略，再通过设备调控模块根据最优调控策略调整植物工厂的环境参数，优化植物生产过程，因此，本专利技术提供的一种基于深度学习的植物工厂数字孪生系统及方法，可以实现根据实时数据流推理预测植物长势，促进农业生产的高产高效。
5、另外，所述系统还包括：用户服务模块，用于通过可视化管理界面展示和维护虚拟孪生模块、判决反馈模块及设备调控模块。
6、另外，所述数据采集模块包括：传感器网络及双目视觉相机，其中，所述传感器网络用于采集植物工厂的环境参数，所述双目视觉相机用于拍摄植物生长图像。
7、另外，所述孪生数据模块包括数据平台及状态库，其中，所述数据平台用于对植物工厂的环境参数及植物生长图像进行预处理，并存储预处理后的植物生长图像；所述状态库用于存储预处理后的植物工厂的环境参数及预处理后的植物生长图像的存储记录。
8、另外，所述数据平台利用如下指数移动平滑平均数算法对植物工厂的环境参数进行数据补全的预处理操作：
9、
10、其中，it表示t时刻的指数移动平滑平均数，β为权重因子，xt为t时刻的植物工厂的环境参数的真实值。
11、另外，所述虚拟孪生模块输出的植物未来长势的预测结果包括：冠层叶面积，株高、冠幅、植物工厂的光能利用率和电能利用率，其中，所述虚拟孪生模块利用下述双目立体匹配算法生成植物生长图像的深度，根据所述深度预估植物的株高和长势：disp＝argmin
12、
13、
14、其中，分别表示双目视觉相机拍摄获得的左视图、右视图的匹配特征点集合；l为左视图、右视图中位置为(x,y)的特征点的特征匹配代价；disp为左视图与右视图的视差图；f为双目视觉相机归一化后的焦距，b为双目视觉相机的双目光心距离，depth为双目视觉相机拍摄的植物生长图像的深度。
15、另外，所述判决反馈模块包括判决算法单元和专家库，其中，所述判决算法单元用于根据虚拟孪生模块输出的预测结果，判断是否需要对植物工厂的环境参数进行调整，当需要对植物工厂的环境参数进行调整时，所述判断算法单元从所述专家库中获取最优控制策略并将所述最优控制策略发送到所述设备调控模块，所述专家库用于提供不同种类不同生长周期植物的最优控制策略。
16、另外，所述专家库通过下述方法提供不同种类不同生长周期植物的最优控制策略：根据所述孪生数据模块中植物工厂不同种类不同生长周期植物的历史环境参数，生成控制样本集；利用模糊综合评价模型，对所述控制样本集中的控制样本进行模糊评价，得到不同种类不同生长周期植物的最优控制策略。
17、另外，所述模糊综合评价模型通过下述方法构建：获取植物生长的因素集及评价集；根据评价集对因素集中的每个因素进行模糊评价，得到评价矩阵；对评价矩阵进行加权，得到模糊综合评价模型。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的植物工厂数字孪生系统，其特征在于，所述系统包括：通讯连接的数据采集模块、孪生数据模块、虚拟孪生模块、判决反馈模块、设备调控模块；
2.根据权利要求1所述的基于深度学习的植物工厂数字孪生系统，其特征在于，所述系统还包括：
3.根据权利要求1所述的基于深度学习的植物工厂数字孪生系统，其特征在于，所述数据采集模块包括：传感器网络及双目视觉相机，其中，所述传感器网络用于采集植物工厂的环境参数，所述双目视觉相机用于拍摄植物生长图像。
4.根据权利要求1所述的基于深度学习的植物工厂数字孪生系统，其特征在于，所述孪生数据模块包括数据平台及状态库，其中，所述数据平台用于对植物工厂的环境参数及植物生长图像进行预处理，并存储预处理后的植物生长图像；所述状态库用于存储预处理后的植物工厂的环境参数及预处理后的植物生长图像的存储记录。
5.根据权利要求4所述的基于深度学习的植物工厂数字孪生系统，其特征在于，所述数据平台利用如下指数移动平滑平均数算法对植物工厂的环境参数进行数据补全的预处理操作：
6.根据权利要求1所述的基于深
7.根据权利要求1所述的基于深度学习的植物工厂数字孪生系统，其特征在于，所述判决反馈模块包括判决算法单元和专家库，其中，所述判决算法单元用于根据虚拟孪生模块输出的预测结果，判断是否需要对植物工厂的环境参数进行调整，当需要对植物工厂的环境参数进行调整时，所述判断算法单元从所述专家库中获取最优控制策略并将所述最优控制策略发送到所述设备调控模块，所述专家库用于提供不同种类不同生长周期植物的最优控制策略。
8.根据权利要求7所述的基于深度学习的植物工厂数字孪生系统，其特征在于，所述专家库通过下述方法提供不同种类不同生长周期植物的最优控制策略：
9.根据权利要求8所述的基于深度学习的植物工厂数字孪生系统，其特征在于，所述模糊综合评价模型通过下述方法构建：
10.一种植物工厂环境参数调控方法，其特征在于，所述方法应用于如权利要求1-9中任一项所述的基于深度学习的植物工厂数字孪生系统，包括：
...【技术特征摘要】
1.一种基于深度学习的植物工厂数字孪生系统，其特征在于，所述系统包括：通讯连接的数据采集模块、孪生数据模块、虚拟孪生模块、判决反馈模块、设备调控模块；
2.根据权利要求1所述的基于深度学习的植物工厂数字孪生系统，其特征在于，所述系统还包括：
3.根据权利要求1所述的基于深度学习的植物工厂数字孪生系统，其特征在于，所述数据采集模块包括：传感器网络及双目视觉相机，其中，所述传感器网络用于采集植物工厂的环境参数，所述双目视觉相机用于拍摄植物生长图像。
4.根据权利要求1所述的基于深度学习的植物工厂数字孪生系统，其特征在于，所述孪生数据模块包括数据平台及状态库，其中，所述数据平台用于对植物工厂的环境参数及植物生长图像进行预处理，并存储预处理后的植物生长图像；所述状态库用于存储预处理后的植物工厂的环境参数及预处理后的植物生长图像的存储记录。
5.根据权利要求4所述的基于深度学习的植物工厂数字孪生系统，其特征在于，所述数据平台利用如下指数移动平滑平均数算法对植物工厂的环境参数进行数据补全的预处理操作：
6.根据权利要求1所述的基于深度学习的植物工厂数字孪生系统，其特征在于，所述虚拟...
【专利技术属性】
技术研发人员：孙道宗，陈俊聪，张振宇，罗文浩，全志威，曾源，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。