Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于机器学习的智能沼液施用方法、系统及存储介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:福建省致青生态环保有限公司

摘要:本发明涉及一种基于机器学习的智能沼液施用方法,包括以下步骤:部署用于采集与农作物生长有关的数据的决策因子采集单元以及用于执行指定的沼液施用策略的沼液施用单元;获取历史与农作物生长有关的数据以及灌溉数据;建立沼液施用模型,包括基于机器学习的状态分类模型及施用措施预测模型;以历史数据作为训练样本,分别对状态分类模型及施用措施预测模型进行训练;状态分类模型用于根据决策因子预测农田状态类型,施用措施预测模型用于根据决策因子以及农田状态类型预测沼液施用策略;通过决策因子采集单元实时采集决策因子,通过状态分类模型确定当前农田状态类型,再通过施用措施预测模型确定沼液施用策略,并通过沼液施用单元执行。

主权项:1.一种基于机器学习的智能沼液施用方法,其特征在于,包括以下步骤:在目标农田部署决策因子采集单元和沼液施用单元,所述决策因子采集单元用于采集决策因子,所述决策因子包括至少一种与农作物生长有关的数据,所述沼液施用单元用于按照指定的沼液施用策略对目标农田进行灌溉;采集历史数据,根据历史数据获取不同单位时间段内与农作物生长有关的数据以及灌溉数据;建立沼液施用模型,所述沼液施用模型包括基于机器学习的状态分类模型及施用措施预测模型;从历史数据中获取特征指标及对应的特征值或通过特征指标计算得出的目标特征指标及对应的特征值作为训练样本,分别对所述状态分类模型及施用措施预测模型进行训练;所述状态分类模型用于根据决策因子预测农田状态类型,所述施用措施预测模型用于根据决策因子以及农田状态类型预测应采用的沼液施用措施及施用特征值;通过决策因子采集单元采集决策因子,通过所述状态分类模型,确定农田状态类型,将决策因子及农田状态类型输入至施用措施预测模型,输出由应采用的沼液施用措施及施用特征值组成的沼液施用策略;根据该沼液施用策略对沼液施用单元进行控制,对目标农田进行灌溉;其中,所述决策因子至少包括土壤数据和环境数据;所述所述土壤数据包括土壤湿度、土壤PH值、土壤养分含量,所述环境数据包括气象数据、环境温湿度;其中,所述状态分类模型的训练方法具体为:通过历史数据获取不同单位时间段内的土壤数据和环境数据,根据单位时间段内的土壤数据和环境数据对不同单位时间段内的农田状态类型进行分类,得到由若干农田状态类型组成的农田状态分类组;通过单位时间段内的土壤数据、环境数据计算特征指标,以特征指标作为神经网络的输入,以农田状态分类组中的某一农田状态类型作为输出,对神经网络进行训练,得到训练好的状态分类模型;其中,所述特征指标包括通过土壤水分、气象数据以及环境温湿度计算得出的可吸收水分特征指标以及通过土壤PH值及土壤养分含量计算得出的可吸收养分特征指标;其中,所述施用措施预测模型包括措施选取模型以及措施赋值模型,训练所述施用措施选择模型的具体方法为:构建施用措施库,所述施用措施库包含从历史灌溉数据中提取出的所有沼液施用措施;以单位时间段内的特征指标和农田状态类型作为神经网络的输入,从所述施用措施库中选取至少一种沼液施用措施作为神经网络的输出;构建选取命中率计算公式,所述选取命中率指的是神经网络输出的施用措施完全匹配该单位时间段内采用的施用措施的概率;以所述选取命中率为基准构造损失函数,通过梯度下降法迭代更新神经网络的参数,得到施用措施选择模型;训练所述措施赋值模型的方法具体为:将单位时间段内的特征指标、农田状态类型、采取沼液施用措施及对应的施用特征值合并为一训练样本放入经验回放库中;将每一训练样本的特征指标、农田状态类型、采取沼液施用措施作为神经网络的输入,估算沼液施用措施对应的预测值,以对应的预测值与施用特征值之间的差值为基准构造损失函数,利用梯度下降法对迭代更新神经网络的参数,得到措施赋值模型。

全文数据:

权利要求:

百度查询: 福建省致青生态环保有限公司 基于机器学习的智能沼液施用方法、系统及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术