CN108334139A

CN108334139A - 一种基于大数据的温室自动化控制的方法及***

Info

Publication number: CN108334139A
Application number: CN201810172469.1A
Authority: CN
Inventors: 卢吉; 段玉柱
Original assignee: Shenzhen Chunmuyuan Holdings Co Ltd
Current assignee: Shenzhen Chunmuyuan Holdings Co Ltd
Priority date: 2018-03-01
Filing date: 2018-03-01
Publication date: 2018-07-27

Abstract

本申请公开了一种基于大数据的温室自动化控制的方法，包括：对接收到的温室作物大数据进行预处理操作，得到训练集；根据训练集训练初始模型，得到种植策略模型；当接收到输入的作物信息时，利用种植策略模型根据作物信息得到最佳种植策略；根据最佳种植策略控制温室环境。该方法完成了对温室作物大数据的整合，免去了人工提取温室作物大数据的特征的过程，且使得到的种植策略模型能够对输入的作物信息进行处理，得到基于温室作物大数据的最佳种植策略，使得各种作物的各项种植策略的精度提升，使得作物的产量及品质得到提升。本申请同时还提供了一种基于大数据的温室自动化控制的***、设备及计算机可读存储介质，具有上述有益效果。

Description

一种基于大数据的温室自动化控制的方法及***

技术领域

本申请涉及温室智能控制领域，特别涉及一种基于大数据的温室自动化控制的方法、***、设备及计算机可读存储介质。

背景技术

温室(greenhouse)，又称暖房，能透光、保温，是用于栽培植物和养殖动物的设施。在不适宜植物和动物生长的季节，能增加产量和提供生育期，多用于低温季节喜温蔬菜、花卉、林木等植物栽培或育苗等，普遍通过设置密闭空间进行保暖，并可进行透光和灌溉。

现有技术中也出现很多关于农作物生长环境自动控制的***，通过智能控制模块控制灌溉设备、保温设备等进行调节温室环境，以达到作物适宜生长的环境，然而，现有的温室***所使用的各种种植策略基本来源于实验室数据，存在一定的误差，使得作物的产量及品质无法达到最优。

在大数据快速发展的当今，如何利用大数据提升各种作物的各种种植策略的精度，进而提升作物的产量及品质是本领域技术人员目前需要解决的技术问题。

发明内容

本申请的目的是提供一种基于大数据的温室自动化控制的方法、***、设备及计算机可读存储介质，用于利用大数据提升各种作物的各种种植策略的精度，进而提升作物的产量及品质。

为解决上述技术问题，本申请提供一种基于大数据的温室自动化控制的方法，该方法包括：

对接收到的温室作物大数据进行预处理操作，得到训练集；其中，所述温室作物大数据包括作物种类、环境参数及作物品质参数；

根据所述训练集训练初始模型，得到种植策略模型；

当接收到输入的作物信息时，利用所述种植策略模型根据所述作物信息得到最佳种植策略；

根据所述最佳种植策略控制温室环境。

可选的，所述对接收到的温室作物大数据进行预处理操作，得到训练集，包括：

对所述接收到的作物进行整理操作，得到具有相同格式的待处理数据；

将所述待处理数据进行处理操作，得到标准数据；其中，所述处理操作包括数据清洗、数据插补、数据转换、数据标准化、数据验证中的至少一项；

根据所述标准数据建立所述训练集。

可选的，利用所述种植策略模型根据所述作物信息得到最佳种植策略，包括：

根据所述作物信息确定作物的作物种类及生长日期；

利用所述种植策略模型分析所述作物种类及所述生长日期，得到所述作物的最优作物品质参数对应的环境参数；

根据所述环境参数制定最佳种植策略。

可选的，根据所述最佳种植策略控制温室环境，包括：

解析所述最佳种植策略得到最优环境参数；其中，所述最优环境参数包括最适温度、最适湿度、最适光强及最适水分；

调节温控装置，以使所述温室的温度趋近于所述最适温度；

调节湿度控制装置，以使所述温室的湿度趋近于所述最适湿度；

调节光控装置，以使所述温室的光强趋近于所述最适光强；

调剂水量控制装置，以使所述温室的水分趋近于所述最适水分。

本申请还提供一种基于大数据的温室自动化控制的***，该***包括：

预处理模块，用于对接收到的温室作物大数据进行预处理操作，得到训练集；其中，所述温室作物大数据包括作物种类、环境参数及作物品质参数；

训练模块，用于根据所述训练集训练初始模型，得到种植策略模型；

策略获取模块，用于当接收到输入的作物信息时，利用所述种植策略模型根据所述作物信息得到最佳种植策略；

控制模块，用于根据所述最佳种植策略控制温室环境。

可选的，所述预处理模块包括：

整理子模块，用于对所述接收到的作物进行整理操作，得到具有相同格式的待处理数据；

处理子模块，用于将所述待处理数据进行处理操作，得到标准数据；其中，所述处理操作包括数据清洗、数据插补、数据转换、数据标准化、数据验证中的至少一项；

建立子模块，用于根据所述标准数据建立所述训练集。

可选的，所述策略获取模块包括：

确定子模块，用于根据所述作物信息确定作物的作物种类及生长日期；

分析子模块，用于利用所述种植策略模型分析所述作物种类及所述生长日期，得到所述作物的最优作物品质参数对应的环境参数；

制定子模块，用于根据所述环境参数制定最佳种植策略。

可选的，所述控制模块包括：

解析子模块，用于解析所述最佳种植策略得到最优环境参数；其中，所述最优环境参数包括最适温度、最适湿度、最适光强及最适水分；

第一调节子模块，用于调节温控装置，以使所述温室的温度趋近于所述最适温度；

第二调节子模块，用于调节湿度控制装置，以使所述温室的湿度趋近于所述最适湿度；

第三调节子模块，用于调节光控装置，以使所述温室的光强趋近于所述最适光强；

第四调节子模块，用于调剂水量控制装置，以使所述温室的水分趋近于所述最适水分。

本申请还提供一种基于大数据的温室自动化控制设备，该基于大数据的温室自动化控制设备包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如上述任一项所述基于大数据的温室自动化控制的方法的步骤。

本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述基于大数据的温室自动化控制的方法的步骤。

本申请所提供基于大数据的温室自动化控制的方法，通过对接收到的温室作物大数据进行预处理操作，得到训练集；其中，温室作物大数据包括作物种类、环境参数及作物品质参数；根据训练集训练初始模型，得到种植策略模型；当接收到输入的作物信息时，利用种植策略模型根据作物信息得到最佳种植策略；根据最佳种植策略控制温室环境。

本申请所提供的技术方案，通过对接收到的温室作物大数据进行预处理操作得到训练集，完成了对温室作物大数据的整合；通过训练集训练初始模型得到种植策略模型，免去了人工提取温室作物大数据的特征的过程，且使得到的种植策略模型能够对输入的作物信息进行处理，得到基于温室作物大数据的最佳种植策略，使得各种作物的各项种植策略的精度提升；通过最佳种植策略控制温室环境，使得作物的产量及品质得到提升。本申请同时还提供了一种基于大数据的温室自动化控制的***、设备及计算机可读存储介质，具有上述有益效果，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例所提供的一种基于大数据的温室自动化控制的方法的流程图；

图2为图1所提供的一种基于大数据的温室自动化控制的方法中S103的一种实际表现方式的流程图；

图3为本申请实施例所提供的一种基于大数据的温室自动化控制的***的结构图；

图4为本申请实施例所提供的另一种基于大数据的温室自动化控制的***的结构图；

图5为本申请实施例所提供的一种基于大数据的温室自动化控制装置的结构图。

具体实施方式

本申请的核心是提供一种基于大数据的温室自动化控制的方法、***、设备及计算机可读存储介质，用于利用大数据提升各种作物的各种种植策略的精度，进而提升作物的产量及品质。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参考图1，图1为本申请实施例所提供的一种基于大数据的温室自动化控制的方法的流程图。

其具体包括如下步骤：

S101：对接收到的温室作物大数据进行预处理操作，得到训练集；

现有技术中也出现很多关于农作物生长环境自动控制的***，通过智能控制模块控制灌溉设备、保温设备等进行调节温室环境，以达到作物适宜生长的环境，然而，现有的温室***所使用的各种种植策略基本来源于实验室数据，存在一定的误差，使得作物的产量及品质无法达到最优，基于此，本申请提供了一种基于大数据的温室自动化控制的方法，能够利用大数据提升各种作物的各种种植策略的精度；

这里提到的温室作物大数据包括作物种类、环境参数及作物品质参数，其中环境参数指的是作物生长环境的温度、湿度、光强及水分，其影响着作物的作物品质参数，即作物的产量、质量或营养含量；

可选的，由于温室作物大数据用途各异，存在着数据格式不统一的情况，因此这里提到的对接收到的温室作物大数据进行预处理操作，得到训练集，具体可以包括：

对接收到的温室作物大数据进行整理操作，得到具有相同格式的待处理数据；

将待处理数据进行处理操作，得到标准数据；其中，处理操作包括数据清洗、数据插补、数据转换、数据标准化、数据验证中的至少一项；

根据标准数据建立训练集；

通过本实施例进行数据预处理后，将可获得更高质量的温室作物大数据，能够解决由于现实世界的数据不完整、不一致，以及原始源数据因时间演化因素，导致信息缺失或含噪音的问题。

S102：根据训练集训练初始模型，得到种植策略模型；

可选的，这里提到的根据训练集训练初始模型，具体可以为在迭代三十万次后停止训练，得到基于温室作物大数据的种植策略模型，使得种植策略模型能够对输入的作物信息进行处理，得到基于温室作物大数据的最佳种植策略。

S103：当接收到输入的作物信息时，利用种植策略模型根据作物信息得到最佳种植策略；

例如，当接收到输入的作物信息包括作物种类及生长日期时，分析作物信息得到该作物的作物类别为马铃薯，生长日期为60天，此时利用种植策略模型分析出生长日期为60天的马铃薯的最佳种植策略：以温度为例，由于块茎生长的适温是16℃～18℃，当地温高于25℃时，块茎停止生长；茎叶生长的适温是15℃～25℃，超过39℃停止生长，而生长日期为60天的马铃薯的茎叶已经生长完全，故该马铃薯的最佳种植策略为控制马铃薯生长环境的温度为16℃～18℃，湿度、光强与水分的计算方法与温度计算方法类似，在此不再赘述；

可选的，这里提到的作物信息的输入方式，可以为用户手动输入，也可以为***在种植数据库中调取选定作物的作物信息，本申请对作物信息的输入方式不做具体限定。

S104：根据最佳种植策略控制温室环境。

基于上述技术方案，本申请所提供的一种基于大数据的温室自动化控制的方法，通过对接收到的温室作物大数据进行预处理操作得到训练集，完成了对温室作物大数据的整合；通过训练集训练初始模型得到种植策略模型，免去了人工提取温室作物大数据的特征的过程，且使得到的种植策略模型能够对输入的作物信息进行处理，得到基于温室作物大数据的最佳种植策略，使得各种作物的各项种植策略的精度提升；通过最佳种植策略控制温室环境，使得作物的产量及品质得到提升。

基于上述实施例，请参考图2，图2为图1所提供的一种基于大数据的温室自动化控制的方法中S103的一种实际表现方式的流程图。

其具体包括以下步骤：

S201：根据作物信息确定作物的作物种类及生长日期；

S202：利用种植策略模型分析作物种类及生长日期，得到作物的最优作物品质参数对应的环境参数；

S203：根据环境参数制定最佳种植策略。

进一步的，上一实施例中步骤S104提到的，根据最佳种植策略控制温室环境，具体可以为：

解析最佳种植策略得到最优环境参数；其中，最优环境参数包括最适温度、最适湿度、最适光强及最适水分；

调节温控装置，以使温室的温度趋近于最适温度；

调节湿度控制装置，以使温室的湿度趋近于最适湿度；

调节光控装置，以使温室的光强趋近于最适光强；

调剂水量控制装置，以使温室的水分趋近于最适水分。

基于上述技术方案，本申请实施例能够通过根据作物信息确定作物的作物种类及生长日期，进而利用种植策略模型分析作物种类及生长日期，得到该作物的最优作物品质参数对应的环境参数，最后根据环境参数制定最佳种植策略，使得各种作物的各项种植策略的精度提升，进而根据最佳种植策略控制温室环境，以使得作物的产量及品质得到提升。

请参考图3，图3为本申请实施例所提供的一种基于大数据的温室自动化控制的***的结构图。

该***可以包括：

预处理模块100，用于对接收到的温室作物大数据进行预处理操作，得到训练集；其中，温室作物大数据包括作物种类、环境参数及作物品质参数；

训练模块200，用于根据训练集训练初始模型，得到种植策略模型；

策略获取模块300，用于当接收到输入的作物信息时，利用种植策略模型根据作物信息得到最佳种植策略；

控制模块400，用于根据最佳种植策略控制温室环境。

请参考图4，图4为本申请实施例所提供的另一种基于大数据的温室自动化控制的***的结构图。

该预处理模块100可以包括：

整理子模块，用于对接收到的温室作物大数据进行整理操作，得到具有相同格式的待处理数据；

处理子模块，用于将待处理数据进行处理操作，得到标准数据；其中，处理操作包括数据清洗、数据插补、数据转换、数据标准化、数据验证中的至少一项；

建立子模块，用于根据标准数据建立训练集。

该策略获取模块300可以包括：

确定子模块，用于根据作物信息确定作物的作物种类及生长日期；

分析子模块，用于利用种植策略模型分析作物种类及生长日期，得到作物的最优作物品质参数对应的环境参数；

制定子模块，用于根据环境参数制定最佳种植策略。

该控制模块400可以包括：

解析子模块，用于解析最佳种植策略得到最优环境参数；其中，最优环境参数包括最适温度、最适湿度、最适光强及最适水分；

第一调节子模块，用于调节温控装置，以使温室的温度趋近于最适温度；

第二调节子模块，用于调节湿度控制装置，以使温室的湿度趋近于最适湿度；

第三调节子模块，用于调节光控装置，以使温室的光强趋近于最适光强；

第四调节子模块，用于调剂水量控制装置，以使温室的水分趋近于最适水分。

以上***中的各个组成部分可实际应用于以下的步骤中：

整理子模块对接收到的温室作物大数据进行整理操作，得到具有相同格式的待处理数据；处理子模块将待处理数据进行处理操作，得到标准数据；建立子模块根据标准数据建立训练集；

训练模块根据训练集训练初始模型，得到种植策略模型；确定子模块根据作物信息确定作物的作物种类及生长日期；分析子模块利用种植策略模型分析作物种类及生长日期，得到作物的最优作物品质参数对应的环境参数；制定子模块根据环境参数制定最佳种植策略；

解析子模块解析最佳种植策略得到最优环境参数；第一调节子模块调节温控装置，以使温室的温度趋近于最适温度；第二调节子模块调节湿度控制装置，以使温室的湿度趋近于最适湿度；第三调节子模块调节光控装置，以使温室的光强趋近于最适光强；第四调节子模块调剂水量控制装置，以使温室的水分趋近于最适水分。

请参考图5，图5为本申请实施例所提供的一种基于大数据的温室自动化控制设备的结构图。

基于大数据的温室自动化控制设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)522(例如，一个或一个以上处理器)和存储器532，一个或一个以上存储应用程序542或数据544的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器532和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对装置中的一系列指令操作。更进一步地，中央处理器522可以设置为与存储介质530通信，在基于大数据的温室自动化控制设备500上执行存储介质530中的一系列指令操作。

基于大数据的温室自动化控制设备500还可以包括一个或一个以上电源526，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口558，和/或，一个或一个以上操作***541，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

上述图1至图2所描述的基于大数据的温室自动化控制的方法中的步骤由基于大数据的温室自动化控制设备基于该图5所示的结构实现。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的***、设备和方法，可以通过其它的方式实现。例如，以上所描述的***实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，***或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，功能调用装置，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上对本申请所提供的一种基于大数据的温室自动化控制的方法、***、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims

1.一种基于大数据的温室自动化控制的方法，其特征在于，包括：

根据所述训练集训练初始模型，得到种植策略模型；

根据所述最佳种植策略控制温室环境。

2.根据权利要求1所述的方法，其特征在于，所述对接收到的温室作物大数据进行预处理操作，得到训练集，包括：

对所述接收到的温室作物大数据进行整理操作，得到具有相同格式的待处理数据；

根据所述标准数据建立所述训练集。

3.根据权利要求1所述的方法，其特征在于，利用所述种植策略模型根据所述作物信息得到最佳种植策略，包括：

根据所述作物信息确定作物的作物种类及生长日期；

根据所述环境参数制定最佳种植策略。

4.根据权利要求3所述的方法，其特征在于，根据所述最佳种植策略控制温室环境，包括：

调节温控装置，以使所述温室的温度趋近于所述最适温度；

调节光控装置，以使所述温室的光强趋近于所述最适光强；

5.一种基于大数据的温室自动化控制的***，其特征在于，包括：

控制模块，用于根据所述最佳种植策略控制温室环境。

6.根据权利要求5所述的***，其特征在于，所述预处理模块包括：

整理子模块，用于对所述接收到的温室作物大数据进行整理操作，得到具有相同格式的待处理数据；

建立子模块，用于根据所述标准数据建立所述训练集。

7.根据权利要求5所述的***，其特征在于，所述策略获取模块包括：

制定子模块，用于根据所述环境参数制定最佳种植策略。

8.根据权利要求7所述的***，其特征在于，所述控制模块包括：

9.一种基于大数据的温室自动化控制设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述基于大数据的温室自动化控制的方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于大数据的温室自动化控制的方法的步骤。