CN118247532B 一種用于植物生長環境的智能監測調控方法及系統 （貴州航天智慧農業有限公司）

技術產業開發區長嶺南路27號神州科一種用于植物生長環境的智能監測調控方用于提高用于植物生長環境的智能監測調控的合環境數據；通過深度Q網絡對融合環境數據進2通過自適應神經模糊推理算法對所述環境參數數據以及所述環境圖像數據進行數據通過預置的深度Q網絡對所述融合環境數據進行植物生長模型構建，得到目標植物生述目標Q值匹配目標動作集；基于所述目標動作集對所述融合環境數據進行植物生長模型將所述環境預測數據輸入預置的模糊控制算法進行環境調控策對所述去噪環境參數數據以及所述降維環境圖像數據輸入所述自適應神經模糊推理分別匹配每個模糊規則節點的隸屬度值，基于每個模糊于所述目標動作集對所述融合環境數據進行植物生長模型構建，得到目標植物生長模型，基于所述目標環境狀態對所述目標動作集進行生長趨勢策略分析，得到生長趨勢策根據所述生長趨勢策略匹配素數目標環境狀態的環境基于所述環境狀態參數值以及所述生長趨勢策略對所述融合環境數據進行植物生長將所述環境狀態參數值以及所述生長趨勢策略輸入所述初始植物生長模型進行時間3根據所述光合作用速率、所述蒸騰作用速率以及所述養分吸收速率更新植物生長狀采集所述預設區域的歷史環境數據，并對所述歷史環境將所述歷史周期性特征以及歷史趨勢性特征輸入預置的長短期記憶網絡進行參數依對所述目標植物生長模型進行時序匹配，得到所述目標植物生長模型的預測時序數基于所述參數依賴關系數據對所述預測時序數據進行環境變對所述模糊控制算法進行模糊變量定義，得到模糊變量集，其中將所述模糊變量集以及所述環境預測數據輸入所述模糊控制算法進行環境調控策略將所述初始環境調控策略輸入預置的生成對抗網絡的生成器進行將所述優化環境調控策略輸入所述生成對抗網絡的判別器實時采集所述預設區域的調控狀態參數，基于每個圖7.一種用于植物生長環境的智能監測調控4融合模塊，用于通過自適應神經模糊推理算法對所述環分析模塊，用于將所述環境預測數據輸入預置的模糊控制算法進行環境調控策略分5[0002]植物生長環境的監測和調控系統主要依靠傳統傳感器和簡單的控制算法來實現[0006]通過自適應神經模糊推理算法對所述環境參數數據以及所述環境圖像數據進行[0007]通過預置的深度Q網絡對所述融合環境數據進行植物生長模型構建，得到目標植[0012]對所述去噪環境參數數據以及所述降維環境圖像數據輸入所述自適應神經模糊6[0024]基于所述環境狀態參數值以及所述生長趨勢策略對所述融合環境數據進行植物[0025]將所述環境狀態參數值以及所述生長趨勢策略輸入所述初始植物生長模型進行[0035]將所述歷史周期性特征以及歷史趨勢性特征輸入預置的長短期記憶網絡進行參7[0040]將所述模糊變量集以及所述環境預測數據輸入所述模糊控制算法進行環境調控[0050]構建模塊，用于通過預置的深度Q網絡對所述融合環境數據進行植物生長模型構[0052]本發明提供的技術方案中，通過對預設區域的植物生長環境進行傳感器數據采8便于描述本發明和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、實施例的一種用于植物生長環境的智能監測調控方法的流程圖，如圖1所示，包括以下步9絡是一種強化學習算法，能夠在動態環境中學習最優策略。將融合環境數據輸入深度Q網數據融合后，深度Q網絡預測未來一段時間內溫度將繼續上升，并對植物生長產生不利影[0077]進而，將去噪環境參數數據和降維環境圖像數據輸入自適應神經模糊推理算法種模糊規則。據。由于傳感器采集的原始環境參數數據可能會受到外界干擾或傳感器本身誤差的影響，[0080]將去噪環境參數數據和降維環境圖像數據輸入自適應神經模糊推理算法算去噪環境參數數據和降維環境圖像數據的隸屬度值。隸屬度值反映了數據在對應模糊集得到模糊融合數據。 0.2通過高分辨率攝像頭采集溫室內植物的圖像。原始圖像數據維度高且包含大量冗余信息，到目標植物生長模型這一步是將所有優化后的環境狀態參數值和生長趨勢策略整合到植包含未來調控策略和對植物生長的預測。根據生長趨勢策略，模擬不同調控策略對到18000lux，濕度控制在50%_55%。（4）進行時間步長模擬，第一天：光照強度增加到整光照強度和濕度的值。這一步驟確保了環境條件的動態變化能夠反映在植物生長模型物通過光合作用將光能轉化為化學能的過程，其計算通常基于光照強度和二氧化碳濃度。吸收速率決定了植物能夠獲取多少必要的養分來支持其生長和發育。在每一個時間步長生長趨勢策略要求未來三天內逐步將光照強度增加到18000lux，并將濕度控制在50%_55%1.2cm，葉面積再增加5.5cm2，健康狀態良好。在第三個時間步長內，光照強度增加到如溫度和濕度在季節變化中的周期性波動。通過傅里葉變換或小波變換等頻域分析方法，可以識別出數據中的周期性成分。歷史趨勢性特征是指環境參數隨時間變化的長期趨勢，植物生長環境的關鍵參數，每個變量都可以通過模糊集合表示，例如溫度變量可以定義為過隸屬度函數來描述其模糊程度，例如通過三角形或梯形隸屬度函數將具體的數值轉換為[0161]融合模塊202，用于通過自適應神經模糊推理