System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于行为克隆技术的实际应用领域,涉及一种基于行为克隆的智能花菇培育方法。
技术介绍
1、花菇是近些年来发展起来的一种食用菌新秀,他是香菇在培育过程中通过控制温度、湿度、光照和通风等自然条件,人为改变香菇的正常发育,使菌盖形成褐白相间的花纹,因而形成花菇。因此,想要培育出优质的花菇,就需要对花菇的生长条件进行科学控制。但是,与其他食用菌相比,花菇对生长条件的要求十分苛刻,这给培育优质花菇带来了极大的困难。另外,富有经验的专业人员在培育花菇时也会出现不稳定的操作,而且也无法保证实时根据花菇的形态等特征来判断出花菇适宜的生长条件。设计一种基于行为克隆的花菇培育技术,对花菇的培育具有重大意义,该技术有望节省大量人力,提高花菇的质量以及产量。
2、目前,花菇的种植仍是以人工培育为主,利用深度学习以及行为克隆的方式来培育花菇的技术仍然空白,这也是本专利技术相关技术提出的初衷。
3、公开号为cn106538234a的中国专利技术专利,公开了一种香菇智能工厂生产线。通过工厂化的高密度种植香菇,对香菇生长所需的温度、湿度、光照等条件进行全方位的自动化调控,增加香菇生长为花菇的几率,大大提升花菇的品质。
4、公开号为cn115016413a的中国专利技术专利,公开了一种用于植物工厂作物种植的智能环境控制方法。包括以下步骤(1)用马尔可夫决策过程对作物种植过程进行建模;(2)构建智能环境控制算法的采样经验池,设计植物工厂采样学习策略;(3)设计指导智能环境控制算法的奖励函数;(4)使用智能环境控制算法学习
5、整体而言,现有技术主要存在以下缺陷:
6、1.目前的花菇培育技术大多难以脱离人工,无法保证花菇的质量。
7、2.当前的基于强化学习的智能植物工厂的方案无法完美得迁移到花菇等复杂作物的种植上,效率更高的智能花菇培育技术仍有待研究。
技术实现思路
1、当前实现大模型识别花菇状态的技术存在着识别效率低下以及未能获取足够多的数据集的缺陷。在以往单纯的深度学习识别花菇状态过程中,外界环境的改变对不同品种的花菇以及花菇的不同个体往往有着不同的影响,因此仅仅通过已整理的数据集难以实现模型对未知状态的探索。
2、本专利技术的目的是克服上述现有技术的缺陷,通过使用单阶段目标检测算法来提高检测的实时性与准确性,通过多轮数据融合的方式来提高决策模型的探索性,提供了一种基于深度学习的花菇图像目标检测与分割方法以及基于行为克隆的智能花菇培育技术。
3、在今后可以应用到花菇的大规模种植之中,能够更大概率地培育出优质花菇。为更加方便地描述基于深度学习和行为克隆的花菇培育技术,本专利技术采用st表示当前花菇所处的生长状态,at表示花菇在当前状态下所采取的专家行动,st+1表示智能体在采取行动之后花菇到达的下一个状态,πθ(at,st)表示当前所执行的专家策略,d表示训练所需的数据集。本专利技术的目的通过以下技术方案实现:
4、本专利技术提了一种基于行为克隆的智能花菇培育方法,包括以下几个步骤:
5、步骤1、利用摄像头获取花菇的图像信息,并将图像信息传输至计算机平台;
6、步骤2、利用收集到的花菇图像构成的数据集来训练用于花菇目标检测的yolo-v5目标检测模型;
7、步骤3、在计算平台上,利用已训练的目标检测模型对传输来的图像信息进行目标检测、分割、筛选,得到只含有花菇特征的图像;
8、步骤4、将花菇的图像中包含的生长状态信息和对应的专家行为使用神经网络进行模型训练,得到行为克隆的决策模型;
9、步骤5、将训练好的决策模型应用在智能系统中进行花菇培育,并将其得到的新的状态以及对应的专家行为用以更新和扩充数据集,得到新的数据集;
10、步骤6、把新的数据集再次使用神经网络进行模型训练,得到行为克隆方法的决策模型;
11、步骤7、重复步骤4和步骤5三轮,得到完整的数据集以及最终的决策模型;
12、步骤8、把训练好的目标检测模型和决策模型应用到智能系统中,使该智能系统面对类似状态时,能向控制器输出专家行为从而改变花菇的生长条件。
13、上述技术方案中,专家行为具体为设置温度,调整环境湿度,调整环境二氧化碳浓度,调整光照强度。
14、上述技术方案中,步骤2包括:
15、步骤2.1利用训练好的yolo-v5网络模型对计算机平台获取到的图像信息进行目标检测、分割,得到相同尺寸的花菇形态图像;
16、步骤2.2将分割得到的图像进行筛选,去除掉重复、相似的图像。
17、上述技术方案中,步骤3包括:
18、步骤3.1、获取花菇的状态空间集合s,花菇的状态空间包括花菇的外观特征图像;
19、步骤3.2、根据专家行为获取行为克隆方法的动作空间a,动作空间a包括设置温度,调整环境湿度,调整环境二氧化碳浓度,调整光照强度;
20、步骤3.3、将花菇的培育和环境交互的过程利用马尔可夫决策过程表述;
21、步骤3.4、构建集合d={a1,s1;a2,s2.....an,sn}作为行为克隆的决策模型的数据集,其中包括训练集、验证集、测试集,其中sn中s表示香菇的生长状态,下标n为状态的序号,sn表示花菇的第n种生长状态,an中a表示专家动作,n的专家动作的序号,an表示与生长状态sn对应的专家动作;
22、步骤3.5、将花菇的生长状态sk,k∈n作为卷积神经网络的输入,输出为向量f,对专家行为做one-hot编码,得到与向量f维度相同的向量定义损失函数为与f的交叉熵为损失函数:
23、
24、其中|a|的含义是向量a的维度,h[]的含义是交叉熵函数,二者越接近,其交叉熵函数越小;
25、步骤3.6、使用sgd算法训练卷积神经网络,重复迭代并调整超参数直至收敛,得到行为克隆的决策模型;
26、步骤3.7、使用验证集评估决策模型的性能并调整超参数,使用测试集测试决策模型在新的数据上的性能并对模型做进一步的优化。
27、上述技术方案中,步骤4包括:
28、步骤4.1、将带有目标检测模型和决策模型的智能系统应用到花菇培育之中并记录花菇的生长状态;
29、步骤4.2、对于新的一轮花菇图像,将其中与之前数据集中的图像相似度低于50%的作为差距较大的生长状态整理进一个新的状态空间sπ之中;
30、步骤4.3、让专家根据新的生长状态来选择相对应的动作,得到新的动作集合aπ;
31、步骤4.4、根据新获取到的生长状态以及动作更新数据集dπ:
32、dπ={an+1,sn+1;an+本文档来自技高网...
【技术保护点】
1.一种基于行为克隆的智能花菇培育方法,其特征在于,包括以下几个步骤:
2.根据权利要求1所述的一种基于行为克隆的智能花菇培育方法,其特征在于,专家行为具体为设置温度,调整环境湿度,调整环境二氧化碳浓度,调整光照强度。
3.根据权利要求1所述的一种基于行为克隆的智能花菇培育方法,其特征在于,步骤2包括:
4.根据权利要求1所述的一种基于行为克隆的智能花菇培育方法,其特征在于,步骤3包括:
5.根据权利要求1所述的一种基于行为克隆的智能花菇培育方法,其特征在于,步骤4包括:
6.根据权利要求1所述的一种基于行为克隆的智能花菇培育方法,其特征在于,步骤7将模型应用到智能系统中,该智能系统由摄像头、计算机以及控制器组成,摄像头用以实时监控花菇的生长状态,每隔两小时对花菇拍照并且将图像信息上传到计算机上,计算机对传输来的图像经过目标检测模型、决策模型得到专家行为,并传达给控制器调节花菇的种植环境。
【技术特征摘要】
1.一种基于行为克隆的智能花菇培育方法,其特征在于,包括以下几个步骤:
2.根据权利要求1所述的一种基于行为克隆的智能花菇培育方法,其特征在于,专家行为具体为设置温度,调整环境湿度,调整环境二氧化碳浓度,调整光照强度。
3.根据权利要求1所述的一种基于行为克隆的智能花菇培育方法,其特征在于,步骤2包括:
4.根据权利要求1所述的一种基于行为克隆的智能花菇培育方法,其特征在于,步骤3包括:
【专利技术属性】
技术研发人员:袁国慧,秦帅,王卓然,朱佑存,杨礼远,何思佳,曾志宏,
申请(专利权)人:浙江香满亭生物科技有限公司,
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。