[发明专利]一种基于深度学习的植物生产参数调优方法

权利要求书

1.一种基于深度学习的植物生产参数调优方法，其特征在于，包括如下步骤：

S1：配置具有多个独立的植物培育箱的培育系统；根据待培育植物种类和植物培育箱结构，选择至少一个单一植株监控区域，并在所述培育箱内设置多处用于拍摄植物生长区域内整体的植物生长状态的二维摄像头和三维摄像头，以及设置多处用于拍摄单一植株监控区域内植物生长状态的二维摄像头和三维摄像头；

以及，采集待培育植物现有的优选生长参数数据；

以及，采集植物各个生长周期的图像数据样本集，并基于所述图像数据样本集对自反馈算法训练得到植物长势模型；

S2：在所述培育系统内进行第一轮次的植物培育，根据所述现有的优选生长参数数据设定随机参数范围，并设定各植物培育箱的植物各生长阶段的生长参数，进而配置各植物培育箱内植物生长各阶段的生长环境；

并在第一轮次培育植物的完整生长周期中：

周期性的采集各植物培育箱内的植物在生长各阶段的图像，所采集的图像包括所述植物培育箱内植物的整体实际图像、单一植株的完整实际图像及其果实和/或叶和/或花和/或根茎的局部实际图像；并以相同时间和频率采集植物生长环境数据，并分别标记所述图像和环境数据的采集时间；

将所采集的图像输入所述植物长势模型，获得当前植物生长状况数据；

对所采集的植物生长环境数据进行检查和审查，纠正其中的缺失值和拼写错误，并通过对所采集的植物生长环境数据归一化、离散化、因子化、缺失值处理、去除共线性来摒弃非显著特征，筛选出显著特征；并搭建神经网络和机器学习算法，输入步骤S21中获得的所述当前植物生长状况数据，对在所述当前植物生长状况数据时序前的所述植物生长环境数据进行评估，通过数据特征找到并改善相关性参数，从而获得生产参数调优模型,以及输出调优后的生长参数作为优选生长参数；

S3:重复步骤S2进行多个轮次的迭代；在每个轮次时基于当前迭代轮次，重新根据前一轮次所获得的优选生长参数数据设定随机参数范围，从而设定本轮次各植物培育箱的植物各生长阶段的生长参数，随迭代轮次增加，所述随机参数范围逐渐缩小。

2.根据权利要求1所述的一种基于深度学习的植物生产参数调优方法，其特征在于，步骤S2还包括如下步骤：根据步骤S2中所获得的当前的植物生长状况数据确定当前植物生长阶段，进而根据各植物培育箱内植物生长阶段配置其生长环境。

3.根据权利要求2所述的一种基于深度学习的植物生产参数调优方法，其特征在于：所述优选生长参数包括待培育植物在生长各阶段的光照度、光照光谱、环境温度、环境湿度、风流量、二氧化碳浓度、营养液配比、养液喷洒周期；所述植物生长环境数据包括光照度、光照光谱、环境温度、环境湿度、风流量、二氧化碳浓度、养液PH值、养液EC值、养液喷洒周期。

4.根据权利要求3所述的一种基于深度学习的植物生产参数调优方法，其特征在于，所述植物生长状况数据包括：植物所处生长阶段、植物的整体的大小、高低，叶面结构面积、植物生物量数据；以及单一植株的叶面积、叶面周长、颜色深度、植株高度、根系长度、面积、轮廓、结实率、果实颜色、果实大小、轮廓面积、周长数据和叶片黄变率。

5.根据权利要求4所述的一种基于深度学习的植物生产参数调优方法，其特征在于：所述数据预处理步骤所采用的特征有效性分析方法选自相关系数、卡方检验、平均互信息、条件熵、后验概率、逻辑回归权重方法中的一种或多种。

6.根据权利要求5所述的一种基于深度学习的植物生产参数调优方法，其特征在于：所述S3通过GridSearchCV进行参数迭代，从而根据随机参数范围设定本轮次各植物培育箱的植物各生长阶段的生长参数。