[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

说明书

本发明公开了一种农作物生长过程最优外部种植条件预测方法及装置，通过收集植物物种的相关特征的图片，利用深度学习的卷积神经网络，获取植物图像的深度特征，根据安装在种植棚上面的传感器，动态收集与植物生长相关外部可控条件参数，将收集到的每种品种的种植外部环境条件和植物的每个阶段的生长图片，输入设计的神经网络当中进行关联的训练，并且使用孪生神经网络寻找与新品种相似的品种，根据历史的种植数据可以训练模型寻找出该品种最高种植收益对应的环境条件，根据孪生网络自动根据特征寻找两个特征最相似的品种，使得条件预测的过程完全自动化，节省了大量的人工成本和时间复杂度，使得运算的速度更高效与稳定。

技术领域

本公开涉及人工智能技术领域，具体涉及一种农作物生长过程最优外部种植条件预测方法及装置。

背景技术

人工智能应用到了农业领域，将把农业从直觉种植改造到数据分析种植，通过实时监控数据，提供最优方案，获得农作物产量收益最大化。利用科学精确的数据为农业提供了新的发展模式，通过在计算机视觉和机器学习领域最新的技术来改善我们的农业种植，利用数据分析来了解作物，提供最优种植方式，并相信这项技术将会对农业产生重要的影响，现有的作物品种繁多，并且品种数量一直在增长，但很多作物没有生长模型供农户在种植时参考，实验测定作物生长模型需要的时间长达几年，甚至数十年，较现实需求滞后太多。传统的植物品种特征都是静态地分类和选择相应的植物种植的模式,实际的情况是植物在不断的生长过程中，需要的外部条件会不断地变化。这时不能及时跟据植物的生长变化不断调整外部的条件促进植物的生长。

发明内容

本公开提供一种农作物生长过程最优外部种植条件预测方法及装置，通过收集植物物种的相关特征的图片，利用深度学习的卷积神经网络，获取植物图像的深度特征，根据安装在种植棚上面的传感器，动态收集与植物生长相关外部可控条件参数，将收集到的每种品种的种植外部环境条件和植物的每个阶段的生长图片，输入设计的神经网络当中进行关联的训练，并且使用孪生神经网络寻找与新品种相似的品种，将该品种的种植方式应用在新品种当中。

为了实现上述目的，根据本公开的一方面，提供一种农作物生长过程最优外部种植条件预测方法，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于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。

进一步地，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。

进一步地，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、生长的速度情况等等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。使用这个向量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，值越大表示种植的效益越理想，植物的每个关键生长结点的每个最优种植效益向量下，环境条件向量序列，定义为该作物的最优种植方案。