[发明专利]一种植物仿生的方法和装置

权利要求书

1.一种植物仿生的装置，其特征在于，所述装置包括仿生体，所述仿生体包括：

智能感知系统，用于获取感知数据，对所述感知数据用训练好的AI算法进行智能分析，获得机器可以理解的包括作物信息和环境信息；

模型分析系统，用于根据设计好的植物生长分析模型和环境变化分析模型所述感知数据进行仿真分析，得到作物、环境的当前状态和变化趋势等预测推演数据；

综合分析系统，用于根据作物种植目标和预测推演数据，确定作物需求信息；

外部连接系统，用于建立各系统的连接通道；其中，所述外部连接系统至少包括智能上报模块，所述智能上报模块用于向将本地缓存的数据上传至决策分析平台进行数据分类存储和记录存档；

设备支撑系统，所述设备支撑系统包括设备管理模块、数据管理模块、模型算法管理模块和接口管理模块，用于实现各系统的运行管理、资源管理和维护管理。

2.根据权利要求1所述的植物仿生的装置，其特征在于，所述智能感知系统包括：

数据处理模块，用于建立统一的时间和空间坐标体系，管理和处理各感知设备获取到的感知数据；

识别模块，用于根据训练好的AI识别分类模型、算法对感知数据进行识别，根据识别结果将非结构化/半结构化的感知数据转换为结构化的，机器可以理解的感知数据；

其中，所述感知设备包括但不限于：

RGB视图传感器；

多光谱传感器；

高光谱传感器；

土壤传感器，用于监测土壤在不同深度处的温度、湿度、土壤酸碱度、电导率、土壤氮磷钾含量和有机质养分；

水位传感器；

光照度传感器；

气象监测设备，用于监测风速、风向、降雨量、太阳辐射、空气湿度和空气温度。

3.根据权利要求2所述的植物仿生的装置，其特征在于，所述识别分类模型包括：

病害识别算法、虫害识别算法、草害识别算法和作物长势识别算法，这些模型算法通过ResNet或DenseNet等深度学习框架或机器学习模型，对在采集到相关作物的病害图像样本，虫害图像样本，草害图像、长势图像和光谱信息等样本上进行训练输出得到；

所述识别分类模型可以远程升级加载，逐步提升识别精度和性能。

4.根据权利要求1所述的植物仿生的装置，其特征在于，所述植物生长分析模型包括：

作物生长模型以及光合作用模型、作物呼吸模型、水分胁迫模型、蒸腾作用模型、养分吸收模型、干物质转化模型和各项指标特征；其中，所述各项指标特征与作物状态相关；

所述模型均为系统初始配置或云端动态加载的机制机理模型，各作物生长模型基于智能感知系统获取的感知数据，通过预设的步长迭代模拟仿真，并根据实际生长情况进行矫正和优化模型参数，预测物长势情况，确定作物的管理需求。

5.根据权利要求1所述的植物仿生的装置，其特征在于，所述环境变化分析模型包括：

各类对象演化模型、趋势预测模型、对作物作用和影响模型和各项指标特征，其中，所述各类对象包括天气、土壤、养分、水分、光照和病虫草害；

所述模型均为系统初始配置或云端动态加载的机制机理模型，各环境变化分析模型基于智能感知系统获取的感知数据，所述包括土壤类型、土壤温度、土壤湿度、土壤水分、土壤养分、土壤电解质和土壤酸碱度、有机质、CO2含量，空气温度和空气湿度，通过预设的步长迭代模拟仿真，并根据实际演化情况进行矫正和优化模型参数，预测环境变化情况，确定农事管理需求。

6.根据权利要求1所述的植物仿生的装置，其特征在于，所述综合分析系统包括：

第一设定模块，用于设定智能感知系统中各感知设备的参数；

第二设定模块，选择和设定感知数据的识别分类算法；

第三设定模块，选择和设定选用的植物生长模型、环境变化分析模型及相关子模型和模型依赖的指标特征库；

第四设定模块，获取智能感知系统的实时数据，选择和设定仿真和推理频率，基于仿真和推理结果，根据作物种植目标进行综合运算分析；

数据输出模块，用于根据综合运算分析结果，输出相应交互信号至其他系统；

响应模块，用于根据其他系统交互数据和指令，进行分析判断和响应。