[發明專利]一種基于植物生長周期的自動灌溉方法及系統

有效

• 申請號: 202111137064.2
• 申請日: 2021-09-27
• 公開（公告）號: CN113994868B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 徐彪;高明星
• 申請（專利權）人: 上海易航海芯農業科技有限公司
• 主分類號: A01G25/00
• 分類號: A01G25/00;A01G25/16;G06Q50/02;G06F18/214;G06N3/044;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 陸惠中

1.一種基于植物生長周期的自動灌溉方法，其特征在于，包括：

S1，確定第一灌溉策略，所述第一灌溉策略為與植物生長周期對應的灌溉基準策略；

S2，基于所述植物屬性及種植環境確定第二灌溉策略；

S3，利用所述第二灌溉策略對所述第一灌溉策略進行修正，以得到第三灌溉策略；

S4，執行所述第三灌溉策略；

所述確定第一灌溉策略，包括：

獲取第一區域內的同類植物的灌溉大數據，其中，所述灌溉大數據包括灌溉策略、產量；

將所述灌溉大數據分為訓練大數據組和測試大數據組，利用所述訓練大數據組輸入深度學習模型以對其進行訓練；將所述測試大數據組輸入經過訓練的所述深度學習模型，輸出第一灌溉策略；

所述利用所述訓練大數據組輸入深度學習模型以對其進行訓練，包括：

設定初始訓練次數為N、訓練目標為產量值M最大、產量值M的上下限值；

訓練過程中，獲取所述深度學習模型的實時模型參數，對所述模型參數進行記錄以形成模型參數訓練集；

當訓練次數達到N的設定百分比時，若所述產量值M接近上限值，則結束訓練；若所述產量值M超出上限值，則暫停訓練，并從所述模型參數訓練集中提取出低于但最接近所述上限值的產量值M對應的模型參數，將所述模型參數賦值于深度學習模型，利用所述訓練大數據組中剩余的數據繼續進行訓練，直至所述產量值M接近上限值時，結束訓練。

2.根據權利要求1所述的方法，其特征在于：前述兩個結束訓練的條件存在區別：后者與所述上限值的接近程度大于前者。

3.根據權利要求2所述的方法，其特征在于：所述第一區域通過如下方式確定：

獲取植物屬性和種植面積；

基于所述植物屬性確定該植物的種植難度值，所述種植難度值基于原產地匹配度、抗病害能力、水肥敏感度、溫度敏感度、光照敏感度、人工依賴度確定；

所述第一區域的大小與所述種植難度值和所述種植面積均成正比。

4.根據權利要求1-3任一項所述的方法，其特征在于：步驟S2中，所述基于所述植物屬性及種植環境確定第二灌溉策略，包括：

基于所述植物屬性獲取第一水分蒸發數據，基于所述種植環境確定第二水分蒸發數據，其中，所述種植環境為實時數據；

基于所述第一水分蒸發數據和所述第二水分蒸發數據確定第三水分蒸發數據；

利用所述第三水分蒸發數據確定第二灌溉策略。

5.根據權利要求4所述的方法，其特征在于：所述第二灌溉策略包括灌溉提前/延后時間數據、灌溉量增加/減少數據；

則步驟S3中，所述利用所述第二灌溉策略對所述第一灌溉策略進行修正，以得到第三灌溉策略，包括：

按照所述第二灌溉策略將所述第一灌溉策略中對應的子灌溉策略進行修正，進而得出第三灌溉策略。

6.一種基于植物生長周期的自動灌溉系統，所述系統包括處理模塊、存儲模塊、通信模塊、灌溉設備，所述處理模塊分別與所述存儲模塊、所述通信模塊連接，所述通信模塊與所述灌溉設備連接；其中，

所述存儲模塊上存儲有計算機程序，以及灌溉大數據；

所述通信模塊，用于實現處理模塊與所述灌溉設備的通信；

其特征在于：所述處理模塊用于調用所述計算機程序以實現如權利要求1-5任一項所述的方法。

7.一種存儲介質，該存儲介質上存儲有計算機程序，其特征在于：該計算機程序被處理器運行時執行如權利要求1-5任一項所述的方法。

8.一種電子設備，該電子設備包括處理器和存儲器，所述存儲器上存儲有計算機程序，其特征在于：該計算機程序被處理器運行時執行如權利要求1-5任一項所述的方法。