CN117252344A - 培育设施的适宜度评估方法、装置、电子设备和存储介质 - Google Patents
培育设施的适宜度评估方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117252344A CN117252344A CN202311499566.9A CN202311499566A CN117252344A CN 117252344 A CN117252344 A CN 117252344A CN 202311499566 A CN202311499566 A CN 202311499566A CN 117252344 A CN117252344 A CN 117252344A
- Authority
- CN
- China
- Prior art keywords
- facility
- suitability
- environment data
- cultivation
- internal environment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 246
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 61
- 230000012010 growth Effects 0.000 claims abstract description 57
- 238000011534 incubation Methods 0.000 claims abstract description 46
- 238000013507 mapping Methods 0.000 claims description 66
- 230000001105 regulatory effect Effects 0.000 claims description 32
- 230000001276 controlling effect Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000009434 installation Methods 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 40
- 230000006870 function Effects 0.000 description 20
- 238000013210 evaluation model Methods 0.000 description 19
- 210000002569 neuron Anatomy 0.000 description 18
- 239000002689 soil Substances 0.000 description 18
- 238000010586 diagram Methods 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000005286 illumination Methods 0.000 description 7
- 230000005855 radiation Effects 0.000 description 6
- 230000004913 activation Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 230000029553 photosynthesis Effects 0.000 description 4
- 238000010672 photosynthesis Methods 0.000 description 4
- 238000012271 agricultural production Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000547 structure data Methods 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 230000005082 stem growth Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种培育设施的适宜度评估方法、装置、电子设备和存储介质,涉及农业设施评估技术领域。该方法包括:基于培育设施在当前时刻的第一内部环境数据,预测培育设施在未来时刻的第二内部环境数据,未来时刻在当前时刻之后;基于第二内部环境数据,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果;适宜度评估结果包括第一评估结果,第一评估结果用于表征培育设施在未来时刻适宜培育设施内目标作物生长的程度。本发明可以使用户提前获知培育设施在未来时刻的适宜度情况,进而可以及时提供更适宜目标作物生长的环境条件。
Description
技术领域
本发明涉及农业设施评估技术领域,尤其涉及一种培育设施的适宜度评估方法、装置、电子设备和存储介质。
背景技术
在农业生产中,培育设施(例如温室或大棚等)越来越受到重视。这些培育设施能够提供适宜作物生长的环境条件,从而提高作物产量、质量并降低病虫害风险。为保证培育设施内的环境始终适宜于作物生长,对培育设施进行科学、有效的适宜度评估至关重要。
通常地,参考培育设施内部的环境参数对当前的环境适宜度进行简单评估。然而,这种评估方式得到的适宜度评估结果仅能使用户了解到培育设施在当下的适宜度情况,具有一定的局限性。
发明内容
本发明提供一种培育设施的适宜度评估方法、装置、电子设备和存储介质,用于解决现有技术中仅能使用户了解到培育设施在当下的适宜度情况的问题,可以使用户提前获知培育设施在未来时刻的适宜度情况,进而可以及时提供更适宜目标作物生长的环境条件。
本发明提供一种培育设施的适宜度评估方法,包括:
基于培育设施在当前时刻的第一内部环境数据,预测所述培育设施在未来时刻的第二内部环境数据,所述未来时刻在所述当前时刻之后;
基于所述第二内部环境数据,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果;所述适宜度评估结果包括第一评估结果,所述第一评估结果用于表征所述培育设施在所述未来时刻适宜所述培育设施内目标作物生长的程度。
根据本发明提供的一种培育设施的适宜度评估方法,在所述基于所述第二内部环境数据,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果之后,还包括:
基于所述适宜度评估结果,调控所述培育设施。
根据本发明提供的一种培育设施的适宜度评估方法,所述基于所述适宜度评估结果,调控所述培育设施,包括:
基于评估结果-调控方案映射关系,确定所述适宜度评估结果对应的目标调控方案;所述评估结果-调控方案映射关系包括多个子映射关系,任一所述子映射关系为一个评估结果与一个调控方案的映射关系;
基于所述目标调控方案,调控所述培育设施。
根据本发明提供的一种培育设施的适宜度评估方法,所述基于所述适宜度评估结果,调控所述培育设施,包括:
在所述适宜度评估结果不满足预设的适宜度条件的情况下,从所述第二内部环境数据中确定出待调控的目标环境数据;
基于所述目标环境数据,从所述培育设施包括的各设备中确定出待调控的目标设备,并确定所述目标设备的调控指令;
基于所述调控指令,调控所述目标设备。
根据本发明提供的一种培育设施的适宜度评估方法,所述适宜度评估结果还包括第二评估结果,所述第二评估结果用于表征所述培育设施在所述当前时刻适宜所述培育设施内目标作物生长的程度;
所述基于所述第二内部环境数据,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果,包括:
基于所述第二内部环境数据,以及所述第一内部环境数据,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果。
根据本发明提供的一种培育设施的适宜度评估方法,所述基于培育设施在当前时刻的第一内部环境数据,预测所述培育设施在未来时刻的第二内部环境数据,包括:
基于所述第一内部环境数据,以及所述培育设施的外部环境数据,预测所述培育设施在未来时刻的第二内部环境数据。
根据本发明提供的一种培育设施的适宜度评估方法,所述基于所述第二内部环境数据,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果,包括:
基于所述第二内部环境数据,以及所述目标作物的作物参数,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果;
其中,所述作物参数用于表征所述目标作物的生长状况。
本发明还提供一种培育设施的适宜度评估装置,包括:
预测模块,用于基于培育设施在当前时刻的第一内部环境数据,预测所述培育设施在未来时刻的第二内部环境数据,所述未来时刻在所述当前时刻之后;
评估模块,用于基于所述第二内部环境数据,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果;所述适宜度评估结果包括第一评估结果,所述第一评估结果用于表征所述培育设施在所述未来时刻适宜所述培育设施内目标作物生长的程度。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述培育设施的适宜度评估方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述培育设施的适宜度评估方法。
本发明提供的培育设施的适宜度评估方法、装置、电子设备和存储介质,基于培育设施在当前时刻的第一内部环境数据,预测培育设施在未来时刻的第二内部环境数据,未来时刻在当前时刻之后;这样,可以获知培育设施在未来时刻的内部环境数据,从而为实现超前对培育设施进行适宜度评估提供数据支撑;基于第二内部环境数据,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果;适宜度评估结果包括第一评估结果,第一评估结果用于表征培育设施在未来时刻适宜培育设施内目标作物生长的程度;应理解,培育设施的内部环境数据与该培育设施内的目标作物的生长息息相关,决定着该目标作物能否在该培育设施内健康生长。因此,可以基于培育设施在未来时刻的内部环境数据,对培育设施在未来时刻的适宜度进行评估,以使得用户可以提前获知培育设施在未来时刻的适宜度情况,以便及时提供更适宜目标作物生长的环境条件。进一步的,还可以使得用户能够基于该评估结果提前对培育设施进行调控,实现对培育设施的超前调控。
附图说明
为了更清楚地说明本发明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介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种培育设施的适宜度评估***的结构示意图;
图2为本发明提供的一种培育设施的适宜度评估方法的流程示意图之一;
图3为本发明提供的一种第二内部环境预测模型的结构示意图;
图4为本发明提供的一种图卷积神经网络的结构示意图;
图5为本发明提供的一种培育设施的适宜度评估方法的流程示意图之二;
图6为本发明提供的一种培育设施的适宜度评估方法的流程示意图之三;
图7为本发明提供的一种培育设施的适宜度评估方法的流程示意图之四;
图8为本发明提供的一种培育设施的适宜度评估装置的结构示意图;
图9为本发明提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如背景技术所述,在农业生产中,为保证培育设施(例如温室或大棚等)内的环境始终适宜于作物生长,对培育设施进行科学、有效的适宜度评估至关重要。通常地,参考培育设施内部的环境参数对当前的环境适宜度进行简单评估。然而,这种评估方式得到的适宜度评估结果仅能使用户了解到培育设施在当下的适宜度情况,具有一定的局限性。
对此,本发明实施例提供一种培育设施的适宜度评估方法,该方法包括:基于培育设施在当前时刻的第一内部环境数据,预测培育设施在未来时刻的第二内部环境数据,未来时刻在当前时刻之后;基于第二内部环境数据,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果;适宜度评估结果包括第一评估结果,第一评估结果用于表征培育设施在未来时刻适宜培育设施内目标作物生长的程度。
为了更清楚的说明方案,下面首先对本发明提供的一种培育设施的适宜度评估***进行简单介绍。图1为本发明提供的一种培育设施的适宜度评估***的结构示意图。
参照图1,培育设施的适宜度评估***100包括数据获取单元110、适宜度评估单元120、以及设备调控单元130。在一些实施例中,培育设施的适宜度评估***100还可以包括传感器(图中未示出)。
其中,传感器用于采集培育设施内的作物参数和/或培育设施的环境数据。作物参数至少包括:作物生理数据和/或作物生长信息等;该环境数据包括:培育设施的内部环境数据和/或培育设施的外部环境数据。作物参数和环境数据的具体内容可以参考下文的方法实施例中的描述,这里不再详述。进一步的,传感器还可以将获取到的环境数据和/或作物参数发送给数据获取单元110。
需要说明的是,传感器可以独立于数据获取单元110,也可以集成在数据获取单元110上,本发明实施例对此不做具体限制。
数据获取单元110用于获取传感器采集到的作物参数和/或培育设施的环境数据。进一步的,还可以将获取到的数据发送给适宜度评估单元120。在一实施例中,该数据获取单元110为单个的获取单元。在另一实施例中,该数据获取单元110可以包括多个获取子单元,以便针对性地获取不同类型的数据。在一个具体的示例中,该数据获取单元110可以包括环境数据获取单元111、作物生理数据获取单元112以及作物生长信息获取单元113。其中,环境数据获取单元111可以获取培育设施的内部环境数据和/或培育设施的外部环境数据;作物生理数据获取单元112可以获取诸如作物叶面积、茎流量以及冠层光合作用有效辐射等作物生理数据;作物生长信息获取单元113可以获取诸如作物所处的物候期、果实膨大速率、叶面积增长速率、茎秆增长速率和干物质积累等作物生长信息。在另一个具体的示例中,还可以把该数据获取单元110中的作物生理数据获取单元112以及作物生长信息获取单元113集成为作物参数获取单元(图中未示出)。
适宜度评估单元120可以对培育设施做适宜度评估,得到适宜度评估结果;该适宜度评估结果包括:用于评估培育设施在未来时刻和/或当前时刻适宜该培育设施内目标作物生长的程度的评估结果。在一些实施例中,适宜度评估单元120还可以接收数据获取单元110发送的数据(例如作物参数和/或培育设施的环境数据等)。在一些实施例中,适宜度评估单元120还可以根据接收到的数据获取单元110发送的数据,预测培育设施在未来时刻(例如1小时后、2小时后等时刻)的环境数据。在一些实施例中,适宜度评估单元120还可以根据接收到的数据获取单元110发送的数据,对培育设施做适宜度评估,得到适宜度评估结果。进一步的,适宜度评估单元120还可以向设备调控单元130发送得到的适宜度评估结果;或者基于适宜度结果确定对应的调控决策,并向设备调控单元130发送该调控决策。在一个具体的示例中,适宜度评估单元120中还可以存在适宜度评估模型(例如基于图卷积神经网络的适宜度评估模型)和/或环境预测模型(例如基于BP人工神经网络的内部环境预测模型);其中,适宜度评估模型可以评估培育设施在当前时刻和/或未来时刻适宜该培育设施内目标作物生长的程度,内部环境预测模型可以预测培育设施在未来时刻的内部环境数据。
设备调控单元130可以对培育设施进行调控。在一些实施例中,设备调控单元130可以直接基于用户指令直接对培育设施进行调控。在另一些实施例中,设备调控单元130还可以接收适宜度评估单元120发送的调控决策,并依据该调控决策对培育设施进行调控;由于该调控决策是依据未来时刻的适宜性评估结果确定的,因此可以提前实现对培育设施的最佳调控。在又一些实施例中,设备调控单元130还可以接收适宜度评估单元120发送的适宜度评估结果,并基于该适宜度评估结果对培育设施进行调控;由于该调控的实现是依据未来时刻的适宜性评估结果确定的,因此可以提前实现对培育设施的最佳调控。示例性的,设备调控单元130可以基于该适宜度评估结果,确定适宜度评估结果对应的相关指令,并基于该适宜度评估结果对应的相关指令,调控培育设施内的各项设备。需要说明的是,设备调控单元130可以是风机、湿帘,以及光照灯等设备,也可以是控制器等具有控制或处理功能的单元。
应理解,上述对于培育设施的适宜度评估***100中各单元的划分仅为示例,仅是一种逻辑功能的划分,在实际的实现时还可以存在其他可能的划分方式,例如将单元合并,或者将某一单元的个别功能迁移至其他单元等。
尽管上述培育设施的适宜度评估***100可以实现或执行本发明提供的培育设施的适宜度评估方法,但本发明提供的培育设施的适宜度评估方法也可以存在其他执行主体。例如,还可以以上述适宜度评估单元120作为执行主体;又例如,还可以将上述适宜度评估单元120和数据获取单元110的功能集成为一个单元,作为另一种执行主体。又例如,执行主体还可以是服务器或终端,如手机、平板电脑、手持计算机、笔记本电脑、增强现实(augmented reality,AR)\虚拟现实(virtual reality,VR)设备等。又例如,执行主体还可以是其他任意具有处理功能的芯片,如中央处理器、图像处理单元、通用处理器、网络处理器、数字信号处理器、微处理器、微控制器、可编程逻辑器件或它们的任意组合。此外,本发明提供的培育设施的适宜度评估方法可以应用于任意需要确定对培育设施进行适宜度评估的场景中,本发明实施例对此不做具体限制。
为了便于理解,以下结合附图对本发明提供的培育方案推荐平台的生成方法进行具体介绍。
图2示出了本发明提供的一种培育设施的适宜度评估方法的流程示意图之一。如图2所示,该培育设施的适宜度评估方法包括:
步骤S210、基于培育设施在当前时刻的第一内部环境数据,预测培育设施在未来时刻的第二内部环境数据。
其中,未来时刻在当前时刻之后。示例性的,未来时刻为当前时刻一小时后的时刻;未来时刻为当前时刻半小时后的时刻;或者,未来时刻为当前时刻两小时后的时刻;本发明实施例对此不做具体限制。
培育设施可以为温室、大棚、暖棚、花房或其他用于作物培育的设施。
第一内部环境数据包括以下至少一项:当前时刻的设施内空气温度、当前时刻的设施内空气湿度、当前时刻的设施内土壤温度、当前时刻的设施内土壤湿度,以及当前时刻的设施内光照强度。
第二内部环境数据可以包括以下至少一项:未来时刻的设施内空气温度、未来时刻的设施内空气湿度、未来时刻的设施内土壤温度、未来时刻的设施内土壤湿度,以及未来时刻的设施内光照强度。应理解,未来时刻的内部环境数据(也即第二内部环境数据)影响着该培育设施在未来时刻对作物的适宜度,因此能够为实现超前对培育设施在未来时刻的适宜度评估提供数据支撑。
此外,上述步骤S210包括但不限于以下至少一项:
仅基于培育设施在当前时刻的第一内部环境数据,预测培育设施在未来时刻的第二内部环境数据;或者,
基于培育设施在当前时刻的第一内部环境数据,以及培育设施的外部环境参数,预测培育设施在未来时刻的第二内部环境数据。
需要说明的是,上述步骤S210的各种实现方式,以及外部环境参数的相关内容可以参考下文中的描述,这里不再详述。
步骤S220、基于第二内部环境数据,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果;适宜度评估结果包括第一评估结果,第一评估结果用于表征培育设施在未来时刻适宜培育设施内目标作物生长的程度。
在一些实施例中,适宜度评估结果为评分的形式。例如为0至100之间的评分,在评分低于60(不包括60)的情况下认为培育设施适宜培育设施内目标作物生长的程度较低。
在另一些实施例中,适宜度评估结果为字母的形式。例如为A、B、C、D、E、F所示的字母,在适宜度评估结果为A的情况下,认为培育设施适宜培育设施内目标作物生长的程度很高;在适宜度评估结果为B的情况下,认为培育设施适宜培育设施内目标作物生长的程度较高;在适宜度评估结果为F的情况下,认为培育设施适宜培育设施内目标作物生长的程度很低,以此类推。
在又一些实施例中,适宜度评估结果为文本的形式,例如该适宜度评价指标可以包括以下文本中的至少一项:非常适宜、比较适宜、一般适宜、一般不适宜、比较不适宜,以及非常不适宜等。
在又一些实施例中,适宜度评估结果为具体的环境数据适宜度指示。例如适宜度评估结果包括N1、N2以及N3这三个评估指标,其中N1用于指示设施内土壤水分适宜程度,N2用于指示设施内光照强度适宜程度,N3用于指示设施内土壤温度适宜程度。在N1为0的情况下认为设施内土壤水分比较适宜,在N1为1的情况下认为设施内土壤水分偏多,在N1为2的情况下认为设施内土壤水分过多,在N1为-1的情况下认为设施内土壤水分偏少。需要说明的是,上述N1、N2和N3这几种评估指标仅为示例,在实际的应用中还可以存在其他的评估指标,例如设施内空气温度适宜程度、设施内土壤温度适宜程度等。
在又一些实施例中,适宜度评估结果表现为适宜度情况对应的编号。例如,适宜度评估结果包括16个不同的编号,每个编号对应一种适宜度情况。作为一个具体的示例,在编号为7的情况下,认为设施内土壤水分过多、设施内空气温度偏低,且设施内光照强度过高。
在一些实施例中,适宜度评估结果仅包括第一评估结果。应理解,第一评估结果可以使得用户可以提前获知培育设施在未来时刻的适宜度情况,以便及时提供更适宜目标作物生长的环境条件。
在另一些实施例中,上述适宜度评估结果还包括第二评估结果。第二评估结果用于表征培育设施在当前时刻适宜培育设施内目标作物生长的程度。应理解,在适宜度评估结果既包括第二评估结果又包括第一评估结果的情况下,可以使用户兼顾在当前时刻和未来时刻该培育设施适宜该培育设施内目标作物生长的适宜度。
此外,上述步骤S220包括但不限于以下至少一项:
仅基于第二内部环境数据,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果;或者,
基于第二内部环境数据以及目标作物的作物参数,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果;或者,
基于第二内部环境数据以及第一内部环境数据,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果;或者,
基于第二内部环境数据、第一内部环境数据,以及目标作物的作物参数,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果。
需要说明的是,上述步骤S220的各种实现方式,以及作物参数的相关内容可以参考下文中的描述,这里不再详述。
本发明实施例提供的培育设施的适宜度评估方法,基于培育设施在当前时刻的第一内部环境数据,预测培育设施在未来时刻的第二内部环境数据,未来时刻在当前时刻之后;这样,可以获知培育设施在未来时刻的内部环境数据,从而为实现超前对培育设施进行适宜度评估提供数据支撑;基于第二内部环境数据,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果;适宜度评估结果包括第一评估结果,第一评估结果用于表征培育设施在未来时刻适宜培育设施内目标作物生长的程度;应理解,培育设施的内部环境数据与该培育设施内的目标作物的生长息息相关,决定着该目标作物能否在该培育设施内健康生长。因此,可以基于培育设施在未来时刻的内部环境数据,对培育设施在未来时刻的适宜度进行评估,以使得用户可以提前获知培育设施在未来时刻的适宜度情况,以便及时提供更适宜目标作物生长的环境条件。
基于上述任一实施例,上述步骤S210包括:仅基于培育设施在当前时刻的第一内部环境数据,预测培育设施在未来时刻的第二内部环境数据。
在一些实施例中,上述仅基于培育设施在当前时刻的第一内部环境数据,预测培育设施在未来时刻的第二内部环境数据,包括:基于第一内部环境数据和第一映射关系,预测得到第二内部环境数据;其中,第一映射关系包括多个子映射关系,任一子映射关系为一组第一内部环境数据与一组第二内部环境数据的映射关系。
作为一种示例,上述第一映射关系可以为公式形式。
作为另一种示例,上述第一映射关系可以为模型形式。示例性的,上述第一映射关系可以为预先训练好的第一内部环境预测模型。例如,可以将培育设施在当前时刻的第一内部环境数据输入至预先训练好的第一内部环境预测模型,得到该第一内部环境预测模型输出的第二内部环境数据。
其中,该第一内部环境预测模型可以是基于BP人工神经网络构建的,也可以是基于图卷积神经网络构建的,还可以是基于其他深度学习的神经网络模型构建的,本发明实施例对此不做具体限制。此外,除上述第一内部环境预测模型以外,以下其他模型的构建也可以存在多种构建方式,下文中将不再赘述。
本发明实施例提供的培育设施的适宜度评估方法,由于当前时刻的内部环境数据(也即第一内部环境数据)与未来时刻的内部环境数据(也即)密切相关,因此可以依据当前时刻的内部环境数据预测出未来时刻的内部环境数据;此外,由于未来时刻的内部环境数据影响着培育设施在未来时刻的适宜度情况,因此可以为评估未来时刻的适宜度提供数据支撑。
基于上述任一实施例,上述步骤S210包括:基于第一内部环境数据,以及培育设施的外部环境数据,预测培育设施在未来时刻的第二内部环境数据。
其中,外部环境数据包括:设施外空气温度、设施外空气湿度、以及设施外光照强度等。需要说明的是,外部环境数据可以包括当前时刻至未来时刻中任意时刻的外部环境数据。在一个具体的示例中,外部环境数据包括当前时刻的外部环境数据。在另一个具体的示例中,外部环境数据包括未来时刻的外部环境数据(例如天气预报中指示的未来时刻的设施外空气温度,又例如天气预报中指示的未来时刻的设施外降雨量等)。
在一些实施例中,上述基于第一内部环境数据,以及培育设施的外部环境数据,预测培育设施在未来时刻的第二内部环境数据,包括:基于第一内部环境数据、培育设施的外部环境数据,以及第二映射关系,预测得到第二内部环境数据;其中,第二映射关系包括多个子映射关系,任一子映射关系为一种第一内部环境数据和培育设施的外部环境数据的组合,与一组第二内部环境数据的映射关系。
作为一种示例,上述第二映射关系可以为公式形式。
作为另一种示例,上述第二映射关系可以为模型形式。示例性的,上述第二映射关系可以为预先训练好的第二内部环境预测模型。例如,可以将培育设施在当前时刻的第一内部环境数据,以及培育设施的外部环境数据输入至预先训练好的第二内部环境预测模型,得到该第二内部环境预测模型输出的第二内部环境数据。
作为一个具体的示例,图3为本发明提供的一种第二内部环境预测模型的结构示意图,该第二内部环境预测模型是基于BP人工神经网络构建的。该第二内部环境预测模型包括输入层、输出层和隐藏层;其中,输入层的神经元(也被称为节点)的个数是基于输入的第一内部环境数据的个数确定的,输出层的神经元的个数是基于输出的第二内部环境数据的个数确定的。在输入层包括:当前时刻的设施内空气温度、当前时刻的设施外空气温度、当前时刻的设施内空气湿度、当前时刻的设施外空气湿度(图中未示出)、当前时刻的设施内光照强度、当前时刻的设施外光照强度(图中未示出)、当前时刻的设施内土壤湿度,以及当前时刻的设施内土壤温度(图中未示出);输出层包括:未来时刻的设施内空气温度、未来时刻的设施内空气湿度、未来时刻的设施内土壤温度、未来时刻的设施内土壤湿度,以及未来时刻的设施内光照强度的情况下,输入层的神经元的个数是8个,输出层的神经元的个数是5个。
对于第二内部环境预测模型的隐藏层中的各个神经元,每个隐藏层的神经元的输出满足以下公式:
其中,m用于表示输入层的神经元的个数,用于表示输入层与隐藏层之间的连接权值,/>用于表示隐藏层的第j个神经元的输出,/>用于表示输入层的第i个神经元的输出,可以理解的是/>对于隐藏层的神经元而言是输入。
对于第二内部环境预测模型的输出层中的各个神经元,每个输出层的神经元的输出满足以下公式:
其中,n用于表示隐藏层的神经元的个数,用于表示隐藏层与输出层之间的连接权值,/>用于表示输出层的第k个神经元的输出,/>用于表示隐藏层的第j个神经元的输出,可以理解的是/>对于输出层的神经元而言是输入。
另外,该第二内部环境预测模型中的激活函数可以为sigmoid函数,也可以为Tanh函数,还可以为ReLU函数等,本发明实施例对此不做具体限制。其中,激活函数是在人工神经网络的神经元上运行的函数,负责将神经元的输入映射到输出端。在一个具体的示例中,在采用sigmoid函数的情况下,激活函数满足以下公式:
本发明实施例提供的培育设施的适宜度评估方法,由于外部环境数据影响着培育设施的内部环境数据(例如在当前时刻的第一内部环境数据)的变化,因此,引入外部环境数据预测未来时刻的第二内部环境数据,可以提高预测结果的准确性;此外,由于未来时刻的内部环境数据影响着培育设施在未来时刻的适宜度情况,因此可以为评估未来时刻的适宜度提供数据支撑。
基于上述任一实施例,上述步骤S220包括:仅基于第二内部环境数据,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果。
在一些实施例中,适宜度评估结果包括第一评估结果。
在另一些实施例中,适宜度评估结果还包括第二评估结果。
在一些实施例中,上述仅基于第二内部环境数据,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果,包括:基于第二内部环境数据以及第三映射关系,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果。其中,第三映射关系包括多个子映射关系,任一子映射关系为一组第二内部环境数据与一个适宜度评估结果的映射关系。
作为一种示例,上述第三映射关系可以为公式形式。
作为另一种示例,上述第三映射关系可以为模型形式。示例性的,上述第三映射关系可以为预先训练好的第一适宜度评估模型。例如,可以将第二内部环境数据输入至预先训练好的第一适宜度评估模型,得到该第一适宜度评估模型输出的适宜度评估结果。
本发明实施例提供的培育设施的适宜度评估方法,由于培育设施的内部环境数据与该培育设施内的目标作物的生长息息相关,决定着该目标作物能否在该培育设施内健康生长。因此,可以基于培育设施在未来时刻的内部环境数据,对培育设施在未来时刻的适宜度进行评估,以使得用户可以提前获知培育设施在未来时刻的适宜度情况(例如第一评估结果)。进一步的,还可以使得用户能够基于该评估结果提前对培育设施进行调控,实现对培育设施的超前调控,进而提供更适宜目标作物生长的环境条件。
基于上述任一实施例,上述步骤S220包括:基于第二内部环境数据,以及第一内部环境数据,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果。
在一些实施例中,适宜度评估结果包括第一评估结果。
在另一些实施例中,适宜度评估结果还包括第二评估结果。
在一些实施例中,上述基于第二内部环境数据,以及第一内部环境数据,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果,包括:基于第二内部环境数据、第一内部环境数据,以及第四映射关系,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果;其中,第四映射关系包括多个子映射关系,任一子映射关系为一种第二内部环境数据和第一内部环境数据的组合,与一个适宜度评估结果的映射关系。
作为一种示例,上述第四映射关系可以为公式形式。
作为另一种示例,上述第四映射关系可以为模型形式。示例性的,上述第四映射关系可以为预先训练好的第二适宜度评估模型。例如,可以将第二内部环境数据,以及第一内部环境数据输入至预先训练好的第二适宜度评估模型,得到该第二适宜度评估模型输出的适宜度评估结果。
此外,上述基于第二内部环境数据,以及第一内部环境数据,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果,还可以包括:基于第二内部环境数据、第一内部环境数据,以及目标作物的作物参数,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果。
本发明实施例提供的培育设施的适宜度评估方法,由于培育设施在当前时刻的第一内部环境数据对未来时刻的第二内部环境数据存在一定的影响,且培育设施未来时刻的第二内部环境数据又与在未来时刻该培育设施内的目标作物的生长息息相关。因此,相比于仅依据未来时刻的第二内部环境数据进行预估,当前时刻的第一内部环境数据的加入,可以提高预估的未来时刻的适宜度情况的准确性。
基于上述任一实施例,上述步骤S220包括:
基于第二内部环境数据,以及目标作物的作物参数,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果;
其中,作物参数用于表征目标作物的生长状况。示例性的,作物参数包括:作物生理数据和/或作物生长信息。
此处,作物生理数据包括以下至少一项:叶面积、茎流量,以及光合有效辐射(也被称为冠层光合作用有效辐射,或者光合作用有效辐射)等。其中,光合作用有效辐射为太阳辐射中对作物或植物光合作用有效的光谱成分。
此处,作物生长信息包括以下至少一项:物候期、果实膨大速率、叶面积增长速率、茎秆增长速率以及干物质积累等。其中,干物质积累是指植物在生长过程(例如光合作用过程)中产生的各种有机物质(例如葡萄糖、淀粉等)的积累。
在一些实施例中,适宜度评估结果包括第一评估结果。
在另一些实施例中,适宜度评估结果还包括第二评估结果。
在一些实施例中,上述基于第二内部环境数据,以及目标作物的作物参数,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果,包括:基于第二内部环境数据、目标作物的作物参数,以及第五映射关系,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果。其中,第五映射关系包括多个子映射关系,任一子映射关系为一种第二内部环境数据和目标作物的作物参数的组合,与一个适宜度评估结果的映射关系。
作为一种示例,上述第五映射关系可以为公式形式。
作为另一种示例,上述第五映射关系可以为模型形式。示例性的,上述第五映射关系可以为预先训练好的第三适宜度评估模型。例如,可以将第二内部环境数据,以及目标作物的作物参数输入至预先训练好的第三适宜度评估模型,得到该第三适宜度评估模型输出的适宜度评估结果。
此外,上述基于第二内部环境数据,以及目标作物的作物参数,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果,还可以包括:基于第二内部环境数据、第一内部环境数据,以及目标作物的作物参数,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果。
本发明实施例提供的培育设施的适宜度评估方法,由于目标作物的作物参数可以反应出目标作物的生长状况,而目标作物处于不同的生长状况时,对培育设施内的适宜度有着不同的要求,且目标作物的生长状况还能反映出该作物对培育设施的适宜情况。因此,相比于仅依据未来时刻的第二内部环境数据进行预估,目标作物的作物参数的加入,可以提高预估的未来时刻的适宜度情况的准确性。
基于上述任一实施例,上述步骤S220包括:
基于第二内部环境数据、第一内部环境数据,以及目标作物的作物参数,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果;
其中,作物参数可以参考上文中的描述,这里不再赘述。
在一些实施例中,适宜度评估结果包括第一评估结果。
在另一些实施例中,适宜度评估结果还包括第二评估结果。
在一些实施例中,上述基于第二内部环境数据、第一内部环境数据,以及目标作物的作物参数,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果,包括:基于第二内部环境数据、第一内部环境数据、目标作物的作物参数,以及第六映射关系,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果。其中,第六映射关系包括多个子映射关系,任一子映射关系为一种第二内部环境数据、第一内部环境数据,以及目标作物的作物参数的组合,与一个适宜度评估结果的映射关系。
作为一种示例,上述第六映射关系可以为公式形式。
作为另一种示例,上述第六映射关系可以为模型形式。示例性的,上述第六映射关系可以为预先训练好的第四适宜度评估模型。例如,可以将第二内部环境数据、第一内部环境数据,以及目标作物的作物参数输入至预先训练好的第四适宜度评估模型,得到该第四适宜度评估模型输出的适宜度评估结果。
在一个具体的示例中,图4为本发明提供的一种图卷积神经网络的结构示意图,该第四适宜度评估模型是基于图4所示的图卷积神经网络构建的。
参照图4,该图卷积神经网络由1个输入层、4个隐藏层(如图4所示的ND128、ND256、ND64和ND32)和1个输出层组成。每层中间均采用ReLU激活函数提高非线性拟合能力,其中,图中的ND128表示该隐藏层的节点维度是128,ND256表示该隐藏层的节点维度是256,ND64表示该隐藏层的节点维度是64,ND32表示该隐藏层的节点维度是32。
此处,上述ReLU激活函数满足以下公式:
f(x)=max(0,x)
此处,该图卷积神经网络的表达式满足以下公式:
其中,用于表示更新函数,/>用于表示聚合函数,/>用于表示表示图卷积神经网络的第/>层的特征,/>用于表示图卷积神经网络的第/>+1层的特征,/>表示第层的聚合权重,/>表示第层的更新权重。
在一个具体的示例中,第四适宜度评估模型可以基于以下方式训练得到:
基于多组第一时刻的内部环境数据、第二时刻的内部环境数据,以及目标作物的作物参数构建样本集;其中,将上述样本集中的每个样本包括一组第一时刻的内部环境数据、一组第二时刻的内部环境数据,以及一组目标作物的作物参数;
将上述样本集中的各个样本分别作为一个节点,构建图结构数据;
使用上述图结构数据训练初始适宜度评估模型,得到训练完成的第四适宜度评估模型。
本发明实施例提供的培育设施的适宜度评估方法,一方面,由于目标作物的作物参数可以反应出目标作物的生长状况,而目标作物处于不同的生长状况时,对培育设施内的适宜度有着不同的要求,且目标作物的生长状况还能反映出该作物对培育设施的适宜情况。另一方面,由于培育设施在当前时刻的第一内部环境数据对未来时刻的第二内部环境数据存在一定的影响,且培育设施未来时刻的第二内部环境数据又与在未来时刻该培育设施内的目标作物的生长息息相关,因此培育设施在当前时刻的第一内部环境数据也与在未来时刻该培育设施内的目标作物的生长息息相关。基于此,相比于仅依据未来时刻的第二内部环境数据进行预估,目标作物的作物参数、以及当前时刻的第一内部环境数据的加入,可以提高预估的未来时刻的适宜度情况的准确性。
基于上述任一实施例,图5为本发明提供的培育设施的适宜度评估方法的流程示意图之二,如图5所示,在步骤S220之后,还包括:
步骤S230、基于适宜度评估结果,调控培育设备。
在一些实施例中,适宜度评估结果包括第一评估结果。应理解,在适宜度评估结果包括第一评估结果的情况下,可以使得用户可以提前获知培育设施在未来时刻的适宜度情况;进一步的,相比于只在当前时刻的适宜度情况不理想时才对培育设施进行调控,本发明实施例提供的方法可以使得用户能够基于未来时刻的适宜度情况提前对培育设施进行调控,避免了调控的滞后性,实现对培育设施的超前调控,进而可以提供更适宜目标作物生长的环境条件。
在另一些实施例中,适宜度评估结果还包括第二评估结果。应理解,在适宜度评估结果还包括第二评估结果的情况下,可以使得用户不仅提前获知培育设施在未来时刻的适宜度情况,还能兼顾当前时刻的适宜度情况;进一步的,可以使得在参考未来时刻的适宜度情况的同时,监控培育设施在当前时刻的适宜度情况,提前对培育设施调控的可靠性和准确性。
基于上述任一实施例,图6为本发明提供的培育设施的适宜度评估方法的流程示意图之三。参照图6,步骤S230包括以下步骤S610至步骤S620:
步骤S610、基于评估结果-调控方案映射关系,确定适宜度评估结果对应的目标调控方案。
其中,评估结果-调控方案映射关系包括多个子映射关系,任一子映射关系为一个评估结果与一个调控方案的映射关系。
步骤S620、基于目标调控方案,调控培育设施。
其中,目标调控方案包括至少一个控制指令,或者至少一个设备参数。
在一个具体的示例中,步骤S620可以实现为:基于该目标调控方案确定第一控制指令;向培育设施包括的控制器发送该第一控制指令,以通过该培育设施包括的控制器实现对培育设施包括的各个设备的调控。
在另一个具体的示例中,步骤S620可以实现为:基于该目标调控方案确定第二控制指令;直接基于该第二控制指令,直接调控培育设施包括的各个设备。
在又一个具体的示例中,步骤S620可以实现为:基于该目标调控方案确定该培育设施包括的控制器的设备参数;直接基于该控制器的设备参数对该控制器进行配置,以通过该控制器实现对培育设施的调控。
在又一个具体的示例中,步骤S620可以实现为:基于该目标调控方案确定该培育设施包括的各项设备的设备参数;直接基于该设备参数对培育设施包括的各项设备进行配置,以实现对培育设施的调控。
本发明实施例提供的培育设施的适宜度评估方法,一方面,相比于只在当前时刻的适宜度情况不理想时才对培育设施进行调控,可以使得用户能够基于未来时刻的适宜度情况提前对培育设施进行调控,避免了调控的滞后性,实现对培育设施的超前调控。另一方面,由于提前设置了评估结果-调控方案映射关系,因此可以依据该评估结果-调控方案映射关系快速确定出适宜度评估结果对应的目标调控方案,从而提高了培育设施进行调控的效率。
基于上述任一实施例,图7为本发明提供的培育设施的适宜度评估方法的流程示意图之四。参照图7,步骤S230包括以下步骤S710至步骤S730:
步骤S710、在适宜度评估结果不满足预设的适宜度条件的情况下,从第二内部环境数据中确定出待调控的目标环境数据。
在一些实施例中,在适宜度评估结果为评分的形式的情况下,该预设的适宜度条件可以为:适宜度评估结果超过预设的评分阈值。
在另一些实施例中,在适宜度评估结果为字母的形式的情况下,该预设的适宜度条件可以为:适宜度评估结果为预设的多个字母中的任一字母。需要说明的是,上述预设的适宜度条件仅为示例,本发明实施例对此不做具体限制。
在一些实施例中,上述适宜度评估结果不满足预设的适宜度条件,包括以下至少一项:
第一预估结果不满足预设的适宜度条件;
第一预估结果不满足预设的适宜度条件,且第二预估结果满足预设的适宜度条件;
第一预估结果不满足预设的适宜度条件,且第二预估结果不满足预设的适宜度条件;以及,
第一预估结果和第二预估结果的组合不满足预设的适宜度条件;例如,第一预估结果和第二预估结果的组合不属于预设的多个评估结果的组合。
步骤S720、基于目标环境数据,从培育设施包括的各设备中确定出待调控的目标设备,并确定目标设备的调控指令。
在一些示例中,一种类型的目标环境数据对应一个待调控的目标设备;例如,在目标环境数据为未来时刻的设施内土壤湿度的情况下,待调控的目标设备可以仅包括灌溉装置;又例如,在目标环境数据为未来时刻的设施内空气温度的情况下,待调控的目标设备可以仅包括供暖装置。
在另一些示例中,一种类型的目标环境数据对应多个待调控的目标设备;例如,在目标环境数据为未来时刻的设施内土壤湿度的情况下,待调控的目标设备可以包括灌溉装置和湿帘;又例如,在目标环境数据为未来时刻的设施内空气温度的情况下,待调控的目标设备可以包括供暖装置和风机。
步骤S730、基于调控指令,调控目标设备。
本发明实施例提供的培育设施的适宜度评估方法,一方面,相比于只在当前时刻的适宜度情况不理想时才对培育设施进行调控,可以使得用户能够基于未来时刻的适宜度情况提前对培育设施进行调控,避免了调控的滞后性,实现对培育设施的超前调控。另一方面,可以依据预测出的未来时刻的第二内部环境数据,针对性地确定出需要调整的目标环境数据,进而确定出待调控的目标设备对培育设施进行调控,提高了调控的准确性。
基于上述任一实施例,在步骤S210之前,还包括:获取培育设施在当前时刻的第一内部环境数据;或者,获取培育设施在当前时刻的第一内部环境数据,以及培育设施的外部环境参数。
本发明实施例提供的培育设施的适宜度评估方法,可以在预测第二内部环境数据之前,获取预测所需要的培育设施在当前时刻的第一内部环境数据,或者获取预测所需要的培育设施在当前时刻的第一内部环境数据以及培育设施的外部环境参数,为步骤S210的实现提供数据支持。
基于上述任一实施例,在步骤S220之前,还包括:获取培育设施在当前时刻的第一内部环境数据,和/或,培育设施内目标作物的作物参数。
本发明实施例提供的培育设施的适宜度评估方法,可以在对培育设施进行适宜度评估之前,获取培育设施在当前时刻的第一内部环境数据,和/或,培育设施的外部环境参数,为步骤S210的具体实现提供数据支持。
可以看出,上述主要从方法的角度对本发明实施例提供的方案进行了介绍。为了实现上述功能,本发明实施例提供了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,本发明实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
下面对本发明提供的培育设施的适宜度评估装置进行描述,下文描述的培育设施的适宜度评估装置与上文描述的培育设施的适宜度评估方法可相互对应参照。
图8为本发明提供的培育设施的适宜度评估装置的结构示意图,如图8所示,该培育设施的适宜度评估装置,包括:
预测模块810,用于基于培育设施在当前时刻的第一内部环境数据,预测培育设施在未来时刻的第二内部环境数据,未来时刻在当前时刻之后;
评估模块820,用于基于第二内部环境数据,对培育设施进行适宜度评估,得到培育设施的适宜度评估结果;适宜度评估结果包括第一评估结果,第一评估结果用于表征培育设施在未来时刻适宜培育设施内目标作物生长的程度。
需要说明的是,图8中对模块的划分是示意性的,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,还可以将两个或两个以上的功能集成在一个处理模块中。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。
图9示例了一种电子设备的实体结构示意图,如图9所示,该电子设备可以包括:处理器(processor)910、通信接口(Communications Interface)920、存储器(memory)930和通信总线940,其中,处理器910,通信接口920,存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令,以执行上述任一实施例所述的培育设施的适宜度评估方法。
此外,上述的存储器930中的逻辑指令可以通过软件功能单元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,本发明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,服务器,或者网络设备等)执行本发明各个实施例所述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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述任一实施例所述的培育设施的适宜度评估方法。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的培育设施的适宜度评估方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种培育设施的适宜度评估方法,其特征在于,包括:
基于培育设施在当前时刻的第一内部环境数据,预测所述培育设施在未来时刻的第二内部环境数据,所述未来时刻在所述当前时刻之后;
基于所述第二内部环境数据,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果;所述适宜度评估结果包括第一评估结果,所述第一评估结果用于表征所述培育设施在所述未来时刻适宜所述培育设施内目标作物生长的程度。
2.根据权利要求1所述的培育设施的适宜度评估方法,其特征在于,在所述基于所述第二内部环境数据,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果之后,还包括:
基于所述适宜度评估结果,调控所述培育设施。
3.根据权利要求2所述的培育设施的适宜度评估方法,其特征在于,所述基于所述适宜度评估结果,调控所述培育设施,包括:
基于评估结果-调控方案映射关系,确定所述适宜度评估结果对应的目标调控方案;所述评估结果-调控方案映射关系包括多个子映射关系,任一所述子映射关系为一个评估结果与一个调控方案的映射关系;
基于所述目标调控方案,调控所述培育设施。
4.根据权利要求2所述的培育设施的适宜度评估方法,其特征在于,所述基于所述适宜度评估结果,调控所述培育设施,包括:
在所述适宜度评估结果不满足预设的适宜度条件的情况下,从所述第二内部环境数据中确定出待调控的目标环境数据;
基于所述目标环境数据,从所述培育设施包括的各设备中确定出待调控的目标设备,并确定所述目标设备的调控指令;
基于所述调控指令,调控所述目标设备。
5.根据权利要求1所述的培育设施的适宜度评估方法,其特征在于,所述适宜度评估结果还包括第二评估结果,所述第二评估结果用于表征所述培育设施在所述当前时刻适宜所述培育设施内目标作物生长的程度;
所述基于所述第二内部环境数据,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果,包括:
基于所述第二内部环境数据,以及所述第一内部环境数据,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果。
6.根据权利要求1所述的培育设施的适宜度评估方法,其特征在于,所述基于培育设施在当前时刻的第一内部环境数据,预测所述培育设施在未来时刻的第二内部环境数据,包括:
基于所述第一内部环境数据,以及所述培育设施的外部环境数据,预测所述培育设施在未来时刻的第二内部环境数据。
7.根据权利要求1所述的培育设施的适宜度评估方法,其特征在于,所述基于所述第二内部环境数据,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果,包括:
基于所述第二内部环境数据,以及所述目标作物的作物参数,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果;
其中,所述作物参数用于表征所述目标作物的生长状况。
8.一种培育设施的适宜度评估装置,其特征在于,包括:
预测模块,用于基于培育设施在当前时刻的第一内部环境数据,预测所述培育设施在未来时刻的第二内部环境数据,所述未来时刻在所述当前时刻之后;
评估模块,用于基于所述第二内部环境数据,对所述培育设施进行适宜度评估,得到所述培育设施的适宜度评估结果;所述适宜度评估结果包括第一评估结果,所述第一评估结果用于表征所述培育设施在所述未来时刻适宜所述培育设施内目标作物生长的程度。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述培育设施的适宜度评估方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述培育设施的适宜度评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311499566.9A CN117252344A (zh) | 2023-11-13 | 2023-11-13 | 培育设施的适宜度评估方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311499566.9A CN117252344A (zh) | 2023-11-13 | 2023-11-13 | 培育设施的适宜度评估方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117252344A true CN117252344A (zh) | 2023-12-19 |
Family
ID=89126644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311499566.9A Pending CN117252344A (zh) | 2023-11-13 | 2023-11-13 | 培育设施的适宜度评估方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117252344A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117575836A (zh) * | 2024-01-17 | 2024-02-20 | 中化现代农业有限公司 | 农作物生长适宜性评价方法、装置、电子设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112167035A (zh) * | 2020-08-28 | 2021-01-05 | 北京农业智能装备技术研究中心 | 一种水培叶菜生产管理方法及*** |
CN115546424A (zh) * | 2022-09-26 | 2022-12-30 | 广东省农业科学院农业经济与信息研究所 | 水产养殖适宜度分区地图生成方法、***、设备及介质 |
CN115529987A (zh) * | 2022-11-30 | 2022-12-30 | 中化现代农业有限公司 | 作物设施的风口调控方法、装置、设备及存储介质 |
-
2023
- 2023-11-13 CN CN202311499566.9A patent/CN117252344A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112167035A (zh) * | 2020-08-28 | 2021-01-05 | 北京农业智能装备技术研究中心 | 一种水培叶菜生产管理方法及*** |
CN115546424A (zh) * | 2022-09-26 | 2022-12-30 | 广东省农业科学院农业经济与信息研究所 | 水产养殖适宜度分区地图生成方法、***、设备及介质 |
CN115529987A (zh) * | 2022-11-30 | 2022-12-30 | 中化现代农业有限公司 | 作物设施的风口调控方法、装置、设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117575836A (zh) * | 2024-01-17 | 2024-02-20 | 中化现代农业有限公司 | 农作物生长适宜性评价方法、装置、电子设备和存储介质 |
CN117575836B (zh) * | 2024-01-17 | 2024-04-19 | 中化现代农业有限公司 | 农作物生长适宜性评价方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Somov et al. | Pervasive agriculture: IoT-enabled greenhouse for plant growth control | |
WO2018101848A1 (en) | Predictive dynamic cloud based system for environmental sensing and actuation and respective method of operation | |
CN117252344A (zh) | 培育设施的适宜度评估方法、装置、电子设备和存储介质 | |
CN111008733A (zh) | 一种作物生长管控方法和*** | |
CN117036088A (zh) | 一种ai识别绿化植物生长态势的数据采集分析方法 | |
JP2019030253A (ja) | 栽培支援装置、栽培支援方法、コンピュータプログラム及び記録媒体 | |
KR20220071405A (ko) | 스마트 팜의 빅 데이터를 이용한 농업 지원 시스템 및 방법 | |
US20230144498A1 (en) | Simulation and automated control of physical systems | |
WO2019156070A1 (ja) | 機械学習システム及び機械学習方法 | |
CN112286263A (zh) | 一种农作物的调控方法、装置、***及通信设备 | |
CN114662742A (zh) | 大田灌溉施肥制度动态决策方法及装置 | |
KR102387765B1 (ko) | 작물의 생육량 예측 방법 및 장치 | |
JP7140086B2 (ja) | 果菜類植物及び果樹栽培管理装置、学習装置、果菜類植物及び果樹栽培管理方法、学習モデル生成方法、果菜類植物及び果樹栽培管理プログラム及び学習モデル生成プログラム | |
CN112783228B (zh) | 基于神经网络的大型温棚pd控制***及方法 | |
CN114115394A (zh) | 一种烟叶智能烘烤控制***及方法 | |
WO2021039465A1 (ja) | 病害予測システム、病害予測方法及びプログラム | |
KR101959886B1 (ko) | 온실의 구동기의 파라미터를 결정하는 서버 및 방법 | |
WO2020255677A1 (ja) | 情報処理装置及び方法 | |
Suresh et al. | Efficient Iot-Machine Learning Based Smart Irrigation Using Support Tree Algae Algorithm | |
Fitz-Rodríguez et al. | Yield prediction and growth mode characterization of greenhouse tomatoes with neural networks and fuzzy logic | |
WO2020255678A1 (ja) | 情報処理装置及び方法 | |
KR102377963B1 (ko) | 육묘장 관리 시스템 및 방법 | |
CN112364936A (zh) | 基于人工智能的温室控制方法、装置、设备及存储介质 | |
JP7437061B2 (ja) | 生育環境予測装置、生育環境制御システムおよび生育環境予測方法 | |
CN116910490B (zh) | 农业大棚环境调节方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |