[發明專利]長勢監測模型更新方法、傳感器、服務器及系統

有效

• 申請號: 201710786197.X
• 申請日: 2017-09-04
• 公開（公告）號: CN107609078B
• 公開（公告）日: 2020-04-10
• 發明（設計）人: 楊貴軍;楊小冬;徐波;徐新剛;趙曉慶
• 申請（專利權）人: 北京農業信息技術研究中心
• 主分類號: G06F16/9032
• 分類號: G06F16/9032;G06N3/04;G06Q50/02;H04L29/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李官

技術領域

本發明實施例涉及計算機技術領域，尤其涉及一種長勢監測模型更新方法、傳感器、服務器及系統。

背景技術

由于當前中國家庭農場快速發展，截至2012年底，全國30個省、區、市(不含西藏)共有符合本次統計調查條件的家庭農場87.7萬個，經營耕地面積達到1.76億畝，占全國承包耕地面積的13.4％。家庭農場帶來的規模化種植管理模式，其中迫切需要對作物生長過程進行精細的監測和管理，減少化肥農藥投入，提高產量品質。

作物長勢是指作物的生長狀況與趨勢，作物的長勢可以利用個體與群體特征相關的參數來描述?，F有表征作物長勢的參量主要包括：葉面積指數、葉綠素含量、氮素累積量、生物量及潛在產量等?，F有的田間作物長勢監測主要采取的思路是利用作物關鍵生育期測量的光譜數據，結合實際測量的作物長勢參量進行統計回歸建立經驗模型。而現有的固定式或移動式作物測量傳感器都是固化了這些估產相關的經驗模型。由于作物存在品種差異、不同種植管理方法及不同種植區域，導致這種單一固化的模型很難具有普適性。用戶又無法利用本地測量數據對模型參數進行調整，導致利用這些傳感器進行作物長勢監測時產生較大偏差，難以發揮作用。

隨著物聯網技術快速發展，針對作物監測的各類傳感器層出不窮，包括田間固定式、車載移動式及基于智能手機的監測傳感器等，這些傳感器能夠實現直接測量作物光譜進而估算作物長勢參量，這些依靠單機測量進行作物長勢監測方法具有簡便、直接特點，克服了以往目視觀測只能做定性判斷的不足，初步實現了作物長勢參量的定量化原位測量，為家庭農場依據估產進行肥水調優栽培管理提供了支撐。

現有的估測作物長勢的光譜類傳感器，傳感器本身內嵌的長勢監測模型是靜止的，不能根據作物品種變化做出對應調整，導致在應用于不同作物品種或不同種植區域時估測誤差較大，普適性低，限制了此類傳感器的快速大范圍推廣應用。

發明內容

針對現有技術中存在的問題，本發明實施例提供一種長勢監測模型更新方法、傳感器、服務器及系統。

第一方面，本發明實施例提供一種長勢監測模型更新方法，所述方法包括：

采集作物的光譜數據；

獲取所述作物的長勢參量數據；

將所述光譜數據和所述長勢參量數據發送至服務器，以供所述服務器根據所述光譜數據、所述作物長勢參量數據以及作物種植分布圖，提取不同作物類型分布區內的有效光譜數據和有效長勢參量數據，并將所述有效光譜數據和所述有效長勢參量數據輸入到神經元網絡進行機器學習，得到作物光譜數據和長勢參量數據之間的映射關系；

接收所述服務器發送的所述映射關系。

第二方面，本發明實施例提供一種長勢監測模型更新方法，所述方法包括：

接收長勢監測傳感器發送的作物的光譜數據和長勢參量數據；

獲取作物種植分布圖；

根據所述作物種植分布圖、所述光譜數據和所述長勢參量數據，提取出不同作物類型分布區內的有效光譜數據和有效長勢參量數據；

將所述有效光譜數據和所述有效長勢參量數據，輸入到神經元網絡進行機器學習，得到作物光譜數據和長勢參量數據之間的映射關系。

第三方面，本發明實施例提供一種長勢監測傳感器，所述傳感器包括：

采集模塊，用于采集作物的光譜數據；

第一獲取模塊，用于獲取所述作物的長勢參量數據；

發送模塊，用于將所述光譜數據和所述長勢參量數據發送至服務器，以供所述服務器根據所述光譜數據、所述作物長勢參量數據以及作物種植分布圖，提取不同作物類型分布區內的有效光譜數據和有效長勢參量數據，并將所述有效光譜數據和所述有效長勢參量數據，輸入到神經元網絡進行機器學習，得到作物光譜數據和長勢參量數據之間的映射關系；

第一接收模塊，用于接收所述服務器發送的所述映射關系。

第四方面，本發明實施例提供一種服務器，所述服務器包括：

第二接收模塊，用于接收長勢監測傳感器發送的作物光譜數據和長勢參量數據；

第二獲取模塊，用于獲取作物種植分布圖；

有效數據提取模塊，用于根據所述作物種植分布圖、所述光譜數據和所述長勢參量數據，提取出不同作物類型分布區內的有效光譜數據和有效長勢參量數據；

模型更新模塊，用于將所述有效光譜數據和所述有效長勢參量數據，輸入到神經元網絡進行機器學習，得到作物光譜數據和長勢參量數據之間的映射關系。