一种基于种植设备的作物产量预测方法及装置制造方法及图纸

本发明专利技术公开了一种基于种植设备的作物产量预测方法及装置。该方法包括以下步骤：通过机器学习预先建立作物产量预测模型，确定在种植设备内生长的待预测产量的目标作物，获得目标作物的生长环境数据，并对生长环境数据进行分析，确定影响目标作物生长的影响维度信息，根据目标作物的影响维度信息与预先建立的作物产量预测模型，预测目标作物的第一产量。应用本发明专利技术实施例所提供的技术方案，可以对目标作物的产量进行较为准确的预测，为用户制定后续工作计划提供了有效参考，提升了用户体验。

【技术实现步骤摘要】

本专利技术涉及种植
，特别是涉及一种基于种植设备的作物产量预测方法及装置。
技术介绍
随着科学技术的发展进步，种植箱、种植大棚等种植设备逐渐增多。种植箱多数应用于小型蔬菜作物的种植，不仅可以用于家庭装饰，还可以达到娱乐及亲子教育的目的。种植大棚多数应用于大规模蔬菜作物的种植，可以为用户创造经济效益。不同的环境条件可能适合于不同种类的作物的生长，在不同环境条件下生成的同种类作物的产量也会不同。对于用户而言，预先获知作物的产量，可以及时根据预测的产量制定后续工作计划，如进行运输、经营和营销的安排等。目前用户多是通过目测预估作物产量，预测结果与实际收获结果偏差较大，无法为用户制定后续工作计划提供有效参考。
技术实现思路
本专利技术的目的是提供一种基于种植设备的作物产量预测方法及装置，以对目标作物的产量进行较为准确的预测，为用户制定后续工作计划提供有效参考，提升用户体验。为解决上述技术问题，本专利技术提供如下技术方案：一种基于种植设备的作物产量预测方法，包括：确定在种植设备内生长的待预测产量的目标作物；获得所述目标作物的生长环境数据；对所述生长环境数据进行分析，确定影响所述目标作物生长的影响维度信息；根据所述目标作物的影响维度信息和预先建立的作物产量预测模型，预测所述目标作物的第一产量；其中，通过以下步骤预先建立所述作物产量预测模型：获得与所述目标作物的种类相同的作物的多组产量样本数据；根据获得的产量样本数据，构建训练集，所述训练集中的每组数据包含作物产量及该作物产量对应的作物生长过程中的影响维度信息；使用所述训练集进行机器学习，建立所述作物产量预测模型。在本专利技术的一种具体实施方式中，所述使用所述训练集进行机器学习，建立所述作物产量预测模型，包括：使用所述训练集进行机器学习，建立初始产量预测模型；根据所述训练集中的影响维度信息和所述初始产量预测模型，确定所述训练集中每组影响维度信息对应的测试产量；将所述训练集中每组影响维度信息对应的测试产量与相应的作物产量进行比较，计算误差值；如果所述误差值不大于设定阈值，则将所述初始产量预测模型确定为所述作物产量预测模型；如果所述误差值大于所述设定阈值，则扩大所述训练集，重复执行所述使用所述训练集进行机器学习的步骤，直至所述误差值不大于所述设定阈值，获得所述作物产量预测模型。在本专利技术的一种具体实施方式中，所述根据所述目标作物的影响维度信息和预先建立的作物产量预测模型，预测所述目标作物的第一产量，包括：将所述目标作物的影响维度信息输入到预先建立的作物产量预测模型中，采用多元线性回归算法预测所述目标作物的第一产量。在本专利技术的一种具体实施方式中，在所述预测所述目标作物的第一产量之后，还包括：根据所述第一产量和预先获得的所述目标作物在不同生长阶段的历史预测产量，预测所述目标作物的第二产量。在本专利技术的一种具体实施方式中，还包括：将所述第二产量输出给所述种植设备，以使所述种植设备在自身显示屏幕上输出显示所述第二产量；或者，将所述第二产量输出给预设的所述种植设备的关联终端，以使所述关联终端输出显示所述第二产量。一种基于种植设备的作物产量预测装置，包括：目标作物确定模块，用于确定在种植设备内生长的待预测产量的目标作物；生长环境数据获得模块，用于获得所述目标作物的生长环境数据；影响维度信息确定模块，用于对所述生长环境数据进行分析，确定影响所述目标作物生长的影响维度信息；第一产量预测模块，用于根据所述目标作物的影响维度信息和预先建立的作物产量预测模型，预测所述目标作物的第一产量；作物产量预测模型建立模块，用于通过以下步骤预先建立所述作物产量预测模型：获得与所述目标作物的种类相同的作物的多组产量样本数据；根据获得的产量样本数据，构建训练集，所述训练集中的每组数据包含作物产量及该作物产量对应的作物生长过程中的影响维度信息；使用所述训练集进行机器学习，建立所述作物产量预测模型。在本专利技术的一种具体实施方式中，所述作物产量预测模型建立模块，具体用于：使用所述训练集进行机器学习，建立初始产量预测模型；根据所述训练集中的影响维度信息和所述初始产量预测模型，确定所述训练集中每组影响维度信息对应的测试产量；将所述训练集中每组影响维度信息对应的测试产量与相应的作物产量进行比较，计算误差值；如果所述误差值不大于设定阈值，则将所述初始产量预测模型确定为所述作物产量预测模型；如果所述误差值大于所述设定阈值，则扩大所述训练集，重复执行所述使用所述训练集进行机器学习的步骤，直至所述误差值不大于所述设定阈值，获得所述作物产量预测模型。在本专利技术的一种具体实施方式中，所述第一产量预测模块，具体用于：将所述目标作物的影响维度信息输入到预先建立的作物产量预测模型中，采用多元线性回归算法预测所述目标作物的第一产量。在本专利技术的一种具体实施方式中，还包括第二产量预测模块，用于：根据所述第一产量和预先获得的所述目标作物在不同生长阶段的历史预测产量，预测所述目标作物的第二产量。在本专利技术的一种具体实施方式中，还包括产量输出模块，用于：将所述第二产量输出给所述种植设备，以使所述种植设备在自身显示屏幕上输出显示所述第二产量；或者，将所述第二产量输出给预设的所述种植设备的关联终端，以使所述关联终端输出显示所述第二产量。本专利技术实施例所提供的技术方案，通过机器学习预先建立作物产量预测模型，确定在种植设备内生长的待预测产量的目标作物后，可以获得目标作物的生长环境数据，并对生长环境数据进行分析，确定影响目标作物生长的影响维度信息，根据目标作物的影响维度信息与预先建立的作物产量预测模型，可以预测目标作物的第一产量。应用本专利技术实施例所提供的技术方案，可以对目标作物的产量进行较为准确的预测，为用户制定后续工作计划提供了有效参考，提升了用户体验。附图说明为了更清楚地说明本专利技术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专利技术的一些实施例，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为本专利技术实施例中一种基于种植设备的作物产量预测方法的实施流程图；图2为本专利技术实施例中一种基于种植设备的作物产量预测装置的结构示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。参见图1所示，为本专利技术实施例所提供的一种基于种植设备的作物产量预测方法的实施流程图，该方法可以包括以下步骤：S110：确定在种植设备内生长的待预测产量的目标作物。在本专利技术实施例中，目标作物为在种植箱、种植大棚等种植设备中生长的作物，可能正处于某个生长阶段。在实际应用中，在目标作物还未到达成熟期、未被收获时，用户可能需要提前获知目标作物的产量，以便根据预测的产量制定下一步工作计划，如进行运输、经营或营销等工作的安排。针对用户对目标作物的产量的预测需求，应用本专利技术实施例所提供的技术方案，可以预测目标作物的产量。在本专利技术实施例中，可以在接收到用户针本文档来自技高网...

【技术保护点】
一种基于种植设备的作物产量预测方法，其特征在于，包括：确定在种植设备内生长的待预测产量的目标作物；获得所述目标作物的生长环境数据；对所述生长环境数据进行分析，确定影响所述目标作物生长的影响维度信息；根据所述目标作物的影响维度信息和预先建立的作物产量预测模型，预测所述目标作物的第一产量；其中，通过以下步骤预先建立所述作物产量预测模型：获得与所述目标作物的种类相同的作物的多组产量样本数据；根据获得的产量样本数据，构建训练集，所述训练集中的每组数据包含作物产量及该作物产量对应的作物生长过程中的影响维度信息；使用所述训练集进行机器学习，建立所述作物产量预测模型。

【技术特征摘要】
1.一种基于种植设备的作物产量预测方法，其特征在于，包括：确定在种植设备内生长的待预测产量的目标作物；获得所述目标作物的生长环境数据；对所述生长环境数据进行分析，确定影响所述目标作物生长的影响维度信息；根据所述目标作物的影响维度信息和预先建立的作物产量预测模型，预测所述目标作物的第一产量；其中，通过以下步骤预先建立所述作物产量预测模型：获得与所述目标作物的种类相同的作物的多组产量样本数据；根据获得的产量样本数据，构建训练集，所述训练集中的每组数据包含作物产量及该作物产量对应的作物生长过程中的影响维度信息；使用所述训练集进行机器学习，建立所述作物产量预测模型。2.根据权利要求1所述的基于种植设备的作物产量预测方法，其特征在于，所述使用所述训练集进行机器学习，建立所述作物产量预测模型，包括：使用所述训练集进行机器学习，建立初始产量预测模型；根据所述训练集中的影响维度信息和所述初始产量预测模型，确定所述训练集中每组影响维度信息对应的测试产量；将所述训练集中每组影响维度信息对应的测试产量与相应的作物产量进行比较，计算误差值；如果所述误差值不大于设定阈值，则将所述初始产量预测模型确定为所述作物产量预测模型；如果所述误差值大于所述设定阈值，则扩大所述训练集，重复执行所述使用所述训练集进行机器学习的步骤，直至所述误差值不大于所述设定阈值，获得所述作物产量预测模型。3.根据权利要求1所述的基于种植设备的作物产量预测方法，其特征在于，所述根据所述目标作物的影响维度信息和预先建立的作物产量预测模型，预测所述目标作物的第一产量，包括：将所述目标作物的影响维度信息输入到预先建立的作物产量预测模型中，采用多元线性回归算法预测所述目标作物的第一产量。4.根据权利要求1至3任一项所述的基于种植设备的作物产量预测方法，其特征在于，在所述预测所述目标作物的第一产量之后，还包括：根据所述第一产量和预先获得的所述目标作物在不同生长阶段的历史预测产量，预测所述目标作物的第二产量。5.根据权利要求4所述的基于种植设备的作物产量预测方法，其特征在于，还包括：将所述第二产量输出给所述种植设备，以使所述种植设备在自身显示屏幕上输出显示所述第二产量；或者，将所述第二产量输出给预设的所述种植设备的关联终端，以使所述关联终端输出显示所述第二产量。6.一种基于种植...

【专利技术属性】
技术研发人员：王刚，
申请(专利权)人：深圳前海弘稼科技有限公司，
类型：发明
国别省市：广东;44