【技术实现步骤摘要】
基于机器学习的灌溉方法和装置
本专利技术涉及智能灌溉
,特别涉及一种基于机器学习的灌溉方法和装置。
技术介绍
随着劳动力成本逐渐提高和淡水资源的日益短缺,智能灌溉技术成为农业、林业和园林园艺等行业的迫切需求。智能灌溉技术利用智能设备进行农田、花园、园林地块、温室大棚等场地的灌溉,不仅可以降低灌溉的工作量,还可大量节约水资源,从整体上降低灌溉成本。CN201610889186.X《一种灌区田间节水智能化灌溉系统》公开了一种智能灌溉系统,利用土壤湿度作为控制是否进行灌溉的信号,当土壤湿度低于阈值时,开始灌溉;当土壤湿度高于阈值时,停止灌溉。CN104351020B《基于图像采集的农田自动灌溉系统》公开了一种自动灌溉系统,采集农田图像,利用采集到图像判断作物干旱程度,进而自动判断是否进行灌溉。对植物进行灌溉的最终目的是确保农作物的产量、农产品品质或园艺作物的优良的生长状态(例如叶片颜色、花朵大小、花期长短等),但现有的智能灌溉系统利用人工方法或简单的计算机方法进行是否需要灌溉的判断。现有的数据采集技术可以保证采集到丰富的场地环境数据,但是受限于人工判断或简单的计算机方法判断的数据分析能力,现有技术只能基于土壤湿度或作物图像等单个因素判断是否需要进行灌溉,并且采用的是根据间接的指标判断植物是否需要灌溉,而实际上什么时候需要灌溉受天气、土壤、小范围植物生长情况等等多种因素的影响。现有技术判断灌溉时机、灌溉量的方式脱离了灌溉的最终目标,难以保证在最佳时机进行灌溉,可能会错失最佳灌溉的时机,导致农作物产量降低或园艺作 ...
【技术保护点】
1.一种基于机器学习的灌溉方法,其特征在于,所述方法包括:/n读取环境数据,所述环境数据包括:天气数据、土壤湿度数据和植物生长状况数据;/n对所述环境数据进行特征工程处理,得到预测变量数据;/n发送所述预测变量数据到灌溉效果预测模型,所述灌溉效果预测模型基于有标签的历史数据训练获得,所述标签采用人工方法或机器学习方法生成;/n获取所述灌溉效果预测模型输出的目标变量值,利用所述目标变量值生成灌溉方案;/n根据所述灌溉方案向指定编号的出水阀发送控制信号。/n
【技术特征摘要】
1.一种基于机器学习的灌溉方法,其特征在于,所述方法包括:
读取环境数据,所述环境数据包括:天气数据、土壤湿度数据和植物生长状况数据;
对所述环境数据进行特征工程处理,得到预测变量数据;
发送所述预测变量数据到灌溉效果预测模型,所述灌溉效果预测模型基于有标签的历史数据训练获得,所述标签采用人工方法或机器学习方法生成;
获取所述灌溉效果预测模型输出的目标变量值,利用所述目标变量值生成灌溉方案;
根据所述灌溉方案向指定编号的出水阀发送控制信号。
2.如权利要求1所述的方法,其特征在于,所述标签采用人工方法或者机器学习方法生成,包括:
读取所述历史数据,所述历史数据包括:植物生长状况数据、灌溉方案数据、天气数据和土壤湿度数据;
选择时刻t,获得时刻t之后时长T小时内的灌溉方案数据;
获得时刻t+T小时,t+2T小时,…,t+12T小时的累计降水量数据和植物生长状况数据,并按照时序排列为一个序列,形成一条灌溉效果评估数据;
利用农业专家经验或者农业专家定义规则,评估每一条所述灌溉效果评估数据对应植物生长状况,并根据t~t+T小时的灌溉数据,判定灌溉活动是否促进植物生长,或者,利用聚类算法将所述灌溉效果评估数据划分为至少二簇,并由农业专家判定每一簇对应的灌溉促进了植物生长或未促进植物生长;
若灌溉促进植物生长,则给一条数据打标签1,否则打标签0。
3.如权利要求1所述的方法,其特征在于,所述对所述环境数据进行特征工程处理,包括:
生成至少一条灌溉方案数据,所述灌溉方案数据包括出水阀编号、浇水量和浇水时刻;
生成至少一条预测变量数据,所述预测变量数据包括所述环境数据和所述灌溉方案数据。
4.如权利要求1所述方法,其特征在于,所述利用所述目标变量值生成灌溉方案,包括:
选择满足预设条件的所述目标变量,并获取对应的预测变量;
选择所述预测变量中的灌溉方案数据,组成可选灌溉方案集;
若所述可选灌溉方案集不为空,则利用预设策略选择一个灌溉方案,所述灌溉方案包括至少一个出水阀编号、浇水量和浇水时刻。
5.如权利要求1所述方法,其特征在于,所述发送所述预测变量数据到灌溉效果预测模型,包括:
获取目标地块内植物的图像;
利用图像识别模型,获取图像对应植物的种类;
根据所述植物的种类,发送所述预测变量数据到对应的灌溉效果预测模型。
<...
【专利技术属性】
技术研发人员:雷涛,冯晟,谭可华,
申请(专利权)人:天云融创数据科技北京有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。