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！

摘要：本发明涉及水肥调控技术领域，公开了一种水肥一体化滴喷灌调控系统，包括，数据采集模块，用于在第一预设时间段T内，采集t个间隔相同的时刻，M亩实验地的环境、土壤、水肥数据和植株图像；图构建模块，用于将每亩实验地的环境、土壤、水肥和植株映射为节点；图更新模块，用于在第p时刻，根据采集的第p组数据，更新各节点的特征向量，并基于更新的植株节点特征重新确定边的权重；聚类模块，用于在t个时刻对每个植株节点对应的环境、土壤和水肥节点进行聚类；规划模块，用于根据目标区域的环境、土壤数据和植株图像，结合预设的预测模型，确定目标时间的水肥配量，并规划滴喷灌方案。

主权项：1.一种水肥一体化滴喷灌调控系统，其特征在于，包括：数据采集模块（101），用于在第一预设时间段T内，采集t个间隔相同的时刻，M亩实验地的环境、土壤、水肥数据和植株图像；其中，对M亩实验地的培育策略包括第一策略和第二策略；第一策略为在M亩植株的生长期和成熟期，基于标准培育方案，对每种营养元素的配量通过第一随机参数确定；第二策略为在M亩植株的生长期和成熟期，基于标准培育方案，对水分的配量通过第二随机参数确定；其中，第一随机参数和第二随机参数随着植株的种植时间增加，线性扩增取值范围；直到M亩植株中死亡植株达到死亡阈值，将第一随机参数和第二随机参数的取值范围还原为初始值，记录为第f个时刻；获得第f-u个时刻的第一随机参数和第二随机参数的取值范围，设为第一死亡范围和第二死亡范围；图构建模块（102），用于将每亩实验地的环境、土壤、水肥和植株映射为节点，基于第一个时刻采集的数据构建环境、土壤和水肥节点的初始特征向量，具体包括：通过识别植株图像获得每亩植株的平均高度和平均叶片数量；根据每亩植株的平均高度和平均叶片数量得到每亩植株的健康评分，其中，每亩植株的健康评分的计算公式如下： ；其中，表示第x亩植株第u个时刻的平均叶片数量，表示第x亩植株第u个时刻的平均高度，表示第u个时刻植株的标准叶片数量，表示第u个时刻植株的标准高度，和均为指数参数，为比例系数；通过对植株图像的绿色波段、近红外波段和蓝光波段进行分析，分别获得每亩植株的绿色波段反射率、近红外波段反射率和蓝光波段反射率；根据每亩植株的绿色波段反射率、近红外波段反射率和蓝光波段反射率得到每亩植株的药用成分浓度，药用成分浓度表示药用植物的药用成分浓度，每亩植株的药用成分浓度的计算公式如下： ；其中，表示第x亩植株第u个时刻的叶片的绿色波段反射率，表示第u个时刻叶片绿色波段反射率的标准值，表示第x亩植株第u个时刻的叶片的近红外波段反射率，表示第u个时刻叶片的近红外波段反射率的标准值，表示第x亩植株叶片第u个时刻的蓝光波段反射率，表示第u个时刻叶片的蓝光波段反射率的标准值，表示正弦函数，和均表示比例系数；通过荧光染料示踪法测定植株节点吸收水肥的平均时间为u个时刻，并基于第u个时刻的植株图像判断得到的健康评分和药用成分浓度构建植株节点的初始特征向量；并根据实体关系构建边，具体包括：根据实体关系构建边，抽取环境、土壤、水肥和植株的实体关系，基于实体关系在环境、土壤和水肥节点与其对应的植株节点之间构建边；植株节点之间基于植株节点的特征向量的相似度构建边；图更新模块（103），用于在第p时刻，根据采集的第p+1组数据，更新各节点的特征向量；聚类模块（104），用于在t个时刻对每个植株节点对应的环境、土壤和水肥节点进行聚类，得到聚类向量，具体包括：计算第i个时刻下环境、土壤和水肥节点之间的综合特征关系；综合特征关系的计算公式如下： ；其中，、和分别表示水肥、土壤和环境的特征向量，、和分别表示水肥、土壤和环境的特征向量的权重向量，表示综合特征关系的偏置参数，表示综合特征关系向量，表示激活函数，表示逐元素相乘；计算第i个时刻下，水肥和土壤、土壤和环境、环境和水肥的特征关系； ；其中，表示第i个时刻的水肥和土壤之间的特征关系，表示水肥和土壤之间的特征关系的偏置参数，表示水肥和土壤之间的特征关系向量，表示拼接操作； ；其中，表示第i个时刻的土壤和环境之间的特征关系，表示土壤和环境之间的特征关系的偏置参数，表示土壤和环境之间的特征关系向量； ；其中，表示第i个时刻的环境和水肥之间的特征关系，表示环境和水肥之间的特征关系的偏置参数，表示环境和水肥之间的特征关系向量；根据第i个时刻下水肥和土壤、土壤和环境、环境和水肥的特征关系和环境、土壤和水肥节点之间的综合特征关系，确定聚类向量，聚类向量的计算公式如下： ；其中，表示第i个时刻下的聚类向量；采集第a个植株节点的聚类向量和第a个植株节点的特征向量，生成预设的预测模型的训练样本集；采集第a个和第b个植株节点之间的聚类向量的相似度以及第a个和第b个节点的特征向量相似度，生成预设的验证模型的训练样本集；规划模块（105），用于根据目标区域的环境、土壤数据和植株图像，结合预设的预测模型，确定目标时间的水肥配量，并规划滴喷灌方案，具体包括：随机生成符合约束条件的个体数量为R的初始化粒子群，并初始化当前迭代次数Time为1；对粒子群进行编码，编码的每项元素均表示为水和各种营养元素的配量；约束条件为个体解的方案中每种营养元素的配量位于第一死亡范围内，水分的配量位于第二死亡范围内；将预测模型设置为适应度函数，适应度函数值表示药用成分浓度，并得到X个个体的适应度值；设定更新因子；；其中，表示初始攻击频率，用于探索；表示最终攻击频率，用于收敛；表示攻击权重；初始巡航广度，用于探索；表示最终巡航广度，用于收敛；表示巡航权重；Time表示当前迭代次数；Tmax表示最大迭代次数；基于更新因子对个体更新；判断Time≥Tmax；若Time≥Tmax，则确定目标时间的水肥配量，否则循环基于更新因子对个体更新。

全文数据：

权利要求：

百度查询： 浙江云舟大数据科技有限公司 一种水肥一体化滴喷灌调控系统