[发明专利]一种农作物生长过程最优外部种植条件预测方法及装置

权利要求书

1.一种农作物生长过程最优外部种植条件预测方法，其特征在于，所述方法包括以下步骤：

步骤1，进行植物品种的生长过程的图像采集；

步骤2，积累品种的种植环境的数据和种植的效益向量数据作为训练网络模型的数据样本，并且将最好的种植数据和种植效益数据存放在数据库当中以便查找引用；

步骤3，将收集到的植物种植过程的图片训练卷积神经网络获取植物的特征，将卷积神经网络训练出来的特征和每个点对应的环境因素向量作为输入数据放进LSTM递归神经网络中进行训练，得出的是种植的效益向量；

步骤4，将获取新物种的植物图像特征和已有图像库的图像放进孪生网络模型当中进行模型的训练，寻找相似度最高的品种；

步骤5，在数据中查找相似度最高的品种的种植数据，然后将种植数据输出；

在步骤3中，将植物品种的生长过程的图像数据分为训练数据集和测试数据集，使用训练数据来训练卷积神经网络，然后对图片进行特征的抽取，特征即卷积操作的特征，所述卷积神经网络为VGGNet，包括5段卷积，每一段内有2～3个卷积层，同时每段尾部会连接一个最大池化层用来缩小图片尺寸，每段内的卷积核数量一样，越靠后的段的卷积核数量越多；

在步骤2中，数据样本包括三类数据，第一类是作物生长过程的图像集合，第二类是生长的环境向量，第三类是种植的效益向量，第三类用于预测作物种植方案下的种植效益，将种植的品种、对应的最优的种植方案和种植的效益向量数据放在数据库当中进行存储。

2.根据权利要求1所述的一种农作物生长过程最优外部种植条件预测方法，其特征在于，在步骤1中，所述进行植物品种的生长过程的图像采集为从植物的发芽到死亡，每天定时拍摄50张作物的植物生长图片，随机选出植物品种从幼苗，成熟，开花，结果，凋零每个阶段的生长图片的20张，作为训练的数据样本。

3.根据权利要求1所述的一种农作物生长过程最优外部种植条件预测方法，其特征在于，在步骤2中，在收集植物生长图片的时刻，将生长环境的相关传感器的参数记录下来，收集相关的生长环境的参数包括：空气的湿度、空气二氧化碳的含量、光照的强大、光照时间长度、土壤的湿度、土壤微元素的含量的环境参数，并且记录了当时植物的健康状况、产量状况、生长的速度情况作为植物品种的种植效益，这里使用一个向量进行表达称为种植效益向量，向量用来表达植物品种在当前种植环境下的状态，向量的每个值使用0-1区间表示。

4.根据权利要求1所述的一种农作物生长过程最优外部种植条件预测方法，其特征在于，在步骤3中，将收集到的植物种植过程的图片训练卷积神经网络获取植物的特征的方法为，将卷积神经网络训练出来的特征和每个点对于的生长环境参数向量作为输入数据放进LSTM递归神经网络中进行训练，训练的结果标签是该品种的种植的最好效益向量。

5.根据权利要求1所述的一种农作物生长过程最优外部种植条件预测方法，其特征在于，在步骤4中，将获取新物种的植物图像特征和已有图像库的图像放进孪生网络模型当中进行模型的训练，寻找相似度最高的品种的方法为，为给定一组图像的映射函数Gw(x),其中参数为W，目的就是去找一组参数W，使得当X1和X2属于同一个类别的图像时候，所述X1和X2为新物种的植物图像特征和已有图像库的图像，相似性度Ew(X1、X2)是一个较小的值，当X1和X2属于不同的类别的图像时候，相似性度量Ew(X1、X2)为最高，用训练集中的成对样本进行训练，当X1和X2来自相同类别的时候，最小化损失函数Ew(X1、X2)，当X1和X2来自不同类别的时候，最大化Ew(X1,X2)，这里的Gw(X)除了需要可微外不需要任何的前提假设，因为针对成对样本输入，这里两个相同的函数G，拥有一份相同的参数W，即这个结构是对称的。