[發明專利]一種基于種植設備的病蟲害預測方法及裝置

在審

• 申請號: 201610875105.0
• 申請日: 2016-09-30
• 公開（公告）號: CN106645563A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 王剛
• 申請（專利權）人: 深圳前海弘稼科技有限公司
• 主分類號: G01N33/00
• 分類號: G01N33/00;G01D21/02
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 羅滿

1.一種基于種植設備的病蟲害預測方法，其特征在于，包括：

確定在種植設備內生長的待預測病蟲害的目標植物；

獲得所述目標植物的生長環境數據；

對所述生長環境數據進行分析，確定影響所述目標植物發生病蟲害的影響維度信息；

根據所述目標植物的影響維度信息和預先建立的病蟲害預測模型，預測所述目標植物在下一生長階段是否會發生病蟲害；

其中，通過以下步驟預先建立所述病蟲害預測模型：

獲得與所述目標植物的種類相同的植物的多組病蟲害樣本數據；

根據獲得的病蟲害樣本數據，構建訓練集，所述訓練集中的每組數據包含病蟲害實際發生結果及該病蟲害實際發生結果對應的植物生長過程中的影響維度信息；

使用所述訓練集進行機器學習，建立所述病蟲害預測模型。

2.根據權利要求1所述的基于種植設備的病蟲害預測方法，其特征在于，所述使用所述訓練集進行機器學習，建立所述病蟲害預測模型，包括：

使用所述訓練集進行機器學習，建立初始病蟲害預測模型；

根據所述訓練集中的影響維度信息和所述初始病蟲害預測模型，確定所述訓練集中每組影響維度信息對應的病蟲害測試結果；

將所述訓練集中每組影響維度信息對應的病蟲害測試結果與相應的病蟲害實際發生結果進行比較，計算誤差值；

如果所述誤差值不大于設定閾值，則將所述初始病蟲害預測模型確定為所述病蟲害預測模型；

如果所述誤差值大于所述設定閾值，則擴大所述訓練集，重復執行所述使用所述訓練集進行機器學習的步驟，直至所述誤差值不大于所述設定閾值，獲得所述病蟲害預測模型。

3.根據權利要求1所述的基于種植設備的病蟲害預測方法，其特征在于，所述根據所述目標植物的影響維度信息和預先建立的病蟲害預測模型，預測所述目標植物在下一生長階段是否會發生病蟲害，包括：

將所述目標植物的影響維度信息輸入到預先建立的病蟲害預測模型中，采用邏輯回歸算法預測所述目標植物在下一生長階段是否會發生病蟲害。

4.根據權利要求1至3任一項所述的基于種植設備的病蟲害預測方法，其特征在于，還包括：

如果預測所述目標植物在下一生長階段會發生病蟲害，則輸出病蟲害預警信息。

5.根據權利要求4所述的基于種植設備的病蟲害預測方法，其特征在于，所述輸出病蟲害預警信息，包括：

將病蟲害預警信息發送給所述種植設備，以使所述種植設備根據設定的預案調整相應的環境參數。

6.一種基于種植設備的病蟲害預測裝置，其特征在于，包括：

目標植物確定模塊，用于確定在種植設備內生長的待預測病蟲害的目標植物；

生長環境數據獲得模塊，用于獲得所述目標植物的生長環境數據；

影響維度信息確定模塊，用于對所述生長環境數據進行分析，確定影響所述目標植物發生病蟲害的影響維度信息；

病蟲害預測模塊，用于根據所述目標植物的影響維度信息和預先建立的病蟲害預測模型，預測所述目標植物在下一生長階段是否會發生病蟲害；

病蟲害預測模型建立模塊，用于通過以下步驟預先建立所述病蟲害預測模型：獲得與所述目標植物的種類相同的植物的多組病蟲害樣本數據；根據獲得的病蟲害樣本數據，構建訓練集，所述訓練集中的每組數據包含病蟲害實際發生結果及該病蟲害實際發生結果對應的植物生長過程中的影響維度信息；使用所述訓練集進行機器學習，建立所述病蟲害預測模型。

7.根據權利要求6所述的基于種植設備的病蟲害預測裝置，其特征在于，所述病蟲害預測模型建立模塊，具體用于：

使用所述訓練集進行機器學習，建立初始病蟲害預測模型；

根據所述訓練集中的影響維度信息和所述初始病蟲害預測模型，確定所述訓練集中每組影響維度信息對應的病蟲害測試結果；

將所述訓練集中每組影響維度信息對應的病蟲害測試結果與相應的病蟲害實際發生結果進行比較，計算誤差值；

如果所述誤差值不大于設定閾值，則將所述初始病蟲害預測模型確定為所述病蟲害預測模型；

如果所述誤差值大于所述設定閾值，則擴大所述訓練集，重復執行所述使用所述訓練集進行機器學習的步驟，直至所述誤差值不大于所述設定閾值，獲得所述病蟲害預測模型。