面向药效和生态的药材种植人工智能方法和机器人技术

面向药效和生态的药材种植人工智能方法和机器人，包括：目标药材确定步骤；目标药材数据获取步骤；药预测步骤。上述方法、系统和机器人，通过根据目标药材的种植相关条件对目标药材进行药效预测和对生态影响的预测，从而使得用户在种植药材时能够做到心中有数，能提前知晓在计划的种植相关条件下的目标药材的药效和对生态影响，如果不符合要求或者预期，那么就预测达到预期或要求的药效和对生态的影响时的种植相关的条件的取值，从而可以指导用户的药材种植方式，从而提高目标药材的药效和对生态的良好效果。生态的良好效果。生态的良好效果。

【技术实现步骤摘要】
面向药效和生态的药材种植人工智能方法和机器人


[0001]本专利技术涉及人工智能
，特别是涉及一种面向药效和生态的药材种植人工智能方法和机器人。

技术介绍

[0002]现有技术下，通过前期调研发现药的生长特性、种子来源及种质特性、土地的肥力、地形的坡度、地势状况、光照的时间和强度、降水量的多少、病虫害的侵袭等，每一个因素都伴随着大量的数据，同时存在规律性和突发性，他们相互交织共同影响南药的生长。
[0003]在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：现有技术下，由于医药行业所需的优质南药缺口较大，南药材种植的积极性很高，但究竟该种些什么、怎么种，却缺乏科学指导和数据支持，常常造成南药材种植的经济损失，也影响南药材种植基地的生态建设。在南药材种植基地进行多次的实地调研后，发现很多类似这样的问题。
[0004]因此，现有技术还有待于改进和发展。

技术实现思路

[0005]基于此，有必要针对现有技术的缺陷或不足，提供面向药效和生态的药材种植人工智能方法和机器人，不管是从服务南药材种植的角度出发，还是从科学保护和修复南药材种植基地出发，解决这种在生产中的信息匮乏和不对称的问题，就必须重视基于大数据的人工智能技术的应用。必须掌握某一区域的年降水量、土壤特性、适种药种等一系列生态数据，生态建设才能有的放矢，精准施策。南药的生长特性、种子来源及种质特性、土地的肥力、地形的坡度、地势状况、光照的时间和强度、降水量的多少、病虫害的侵袭等，每一个因素都伴随着大量的数据，同时存在规律性和突发性，他们相互交织共同影响南药的生长。基于大数据的人工智能技术，通过记录和整理、分析挖掘这些数据，可以为南药材种植基地生态建设和南药材种植业业生产提供参考和指导。基于大数据的人工智能技术还能检测南药材种植基地利用方式是否科学合理，南药材种植基地的整个生态系统是否受到了干扰，失去了平衡。政府可以通过人工干预，对某一区域范围内的南药材种植基地生态平衡做出响应。此外，基于大数据的人工智能技术还能使南药生产有章可循，南药材种植基地生态精准修复。通过大数据分析与研究，南药材种植能够快捷地掌握当地及周边地区南药生长状况，掌握适合本区域的南药种及种植技术，以提高产量、降低运营成本，并尽量减少对生态的影响。
[0006]第一方面，本专利技术实施例提供一种人工智能方法，所述方法包括：
[0007]目标药材确定步骤：获取需要监测的药，作为目标药材；
[0008]药预测步骤：获取待预测的时空范围内目标药材的条件集合，获取可用结果预测模型，获取待预测的时空范围内目标药材的条件集合输入可用结果预测模型进行计算，得到所述时空范围内目标药材的药效、对生态的影响，判断所述时空范围内目标药材的药效、对生态的影响是否符合预设要求的药效、对生态的影响，若不符合，则提醒用户输入设置的
预设条件并获取所述预设条件，若能获取到所述预设条件，则获取可用预设条件预测模型，将条件集合中其他的条件作为非预设条件，获取待预测的时空范围内目标药材的非预设条件、预设的药效、预设的对生态的影响，作为目标药材的可用预设条件预测模型的输入，通过目标药材的可用预设条件预测模型的计算得到的输出作为所述时空范围内目标药材的预设条件的取值；若不能获取到所述预设条件，则获取可用可变条件预测模型，获取待预测的时空范围内目标药材的已确定不变的条件、预设的药效、预设的对生态的影响，作为目标药材的可用可变条件预测模型的输入，通过目标药材的可用可变条件预测模型的计算得到的输出作为所述时空范围内目标药材的可调整的条件的取值。
[0009]优选地，
[0010]目标药材数据获取步骤：获取时空范围内目标药材的条件集合、药效、对生态的影响，作为目标药材的样本数据；
[0011]优选地，所述目标药材数据获取步骤还包括：所述条件包括种植条件；种植条件包括年降水量、土壤特性、适种药种、种子来源、土地的肥力、地形的坡度、地势状况、光照的时间和强度、降水量的多少、病虫害的侵袭中的一种或几种；对生态的影响包括生态系统是否受到了干扰、失去了平衡；条件集合包括已确定不变的条件和可调整的条件；所述时空范围内每一株目标药材的条件集合、药效、对生态的影响若相同，则将所述时空范围内每一株目标药材的条件集合、药效、对生态的影响作为所述时空范围内目标药材的条件集合、药效、对生态的影响；若不同，则将所述时空范围内每一株目标药材的条件集合、药效、对生态的影响的平均值作为所述时空范围内目标药材的条件集合、药效、对生态的影响，或，缩小所述预设时空的范围，使得更新之后的时空范围内每一株目标药材的条件集合、药效、对生态的影响若相同，则将更新后的时空范围内每一株目标药材的条件集合、药效、对生态的影响作为更新后的时空范围内目标药材的条件集合、药效、对生态的影响；所述时空范围包括所述时空范围内目标药材材种植的空间位置范围、种植的起止时间。
[0012]优选地，所述方法还包括：
[0013]结果预测模型训练步骤：获取目标药材的大量样本数据，作为目标药材的训练数据和测试数据；初始化深度学习模型或神经网络模型或量子计算模型或机器学习模型或其它人工智能模型作为目标药材的初始结果预测模型，初始结果预测模型的输入项包括条件集合，输出项包括药效、对生态的影响；将目标药材的训练数据、测试数据中的条件集合作为输入，药效、对生态的影响作为预期输出，对目标药材的初始结果预测模型进行训练和测试，得到目标药材的可用结果预测模型；
[0014]结果预测模型使用步骤：获取待预测的时空范围内目标药材的条件集合，作为目标药材的可用结果预测模型的输入，通过目标药材的可用结果预测模型的计算得到的输出作为所述时空范围内目标药材的药效、对生态的影响。
[0015]优选地，所述方法还包括：
[0016]可变条件预测模型训练步骤：获取目标药材的大量样本数据，作为目标药材的训练数据和测试数据；初始化深度学习模型或神经网络模型或量子计算模型或机器学习模型或其它人工智能模型作为目标药材的初始可变条件预测模型，初始可变条件预测模型的输入项包括已确定不变的条件、药效、对生态的影响，输出项包括可调整的条件；将目标药材的训练数据、测试数据中的已确定不变的条件、药效、对生态的影响作为输入，可调整的条
件作为预期输出，对目标药材的初始可变条件预测模型进行训练和测试，得到目标药材的可用可变条件预测模型；
[0017]可变条件预测模型使用步骤：获取待预测的时空范围内目标药材的已确定不变的条件、预设的药效、预设的对生态的影响，作为目标药材的可用可变条件预测模型的输入，通过目标药材的可用可变条件预测模型的计算得到的输出作为所述时空范围内目标药材的可调整的条件的取值。
[0018]优选地，所述方法还包括：
[0019]预设条件预测模型训练步骤：获取用户设置的预设条件；将条件集合中其他的条件作为非预设条件；获取目标药材的大量样本数据，作为目标药材的训练数据和测试数据；初始化深度学习模型或神经网络模型或量子计算模型或机器学习模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人工智能方法，其特征在于，所述方法包括：目标药材确定步骤：获取需要监测的药，作为目标药材；药预测步骤：获取待预测的时空范围内目标药材的条件集合，获取可用结果预测模型，获取待预测的时空范围内目标药材的条件集合输入可用结果预测模型进行计算，得到所述时空范围内目标药材的药效、对生态的影响，判断所述时空范围内目标药材的药效、对生态的影响是否符合预设要求的药效、对生态的影响，若不符合，则提醒用户输入设置的预设条件并获取所述预设条件，若能获取到所述预设条件，则获取可用预设条件预测模型，将条件集合中其他的条件作为非预设条件，获取待预测的时空范围内目标药材的非预设条件、预设的药效、预设的对生态的影响，作为目标药材的可用预设条件预测模型的输入，通过目标药材的可用预设条件预测模型的计算得到的输出作为所述时空范围内目标药材的预设条件的取值；若不能获取到所述预设条件，则获取可用可变条件预测模型，获取待预测的时空范围内目标药材的已确定不变的条件、预设的药效、预设的对生态的影响，作为目标药材的可用可变条件预测模型的输入，通过目标药材的可用可变条件预测模型的计算得到的输出作为所述时空范围内目标药材的可调整的条件的取值。2.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：目标药材数据获取模块：获取时空范围内目标药材的条件集合、药效、对生态的影响，作为目标药材的样本数据。3.根据权利要求2所述的人工智能方法，其特征在于，所述目标药材数据获取步骤还包括：所述条件包括种植条件；种植条件包括年降水量、土壤特性、适种药种、种子来源、土地的肥力、地形的坡度、地势状况、光照的时间和强度、降水量的多少、病虫害的侵袭中的一种或几种；对生态的影响包括生态系统是否受到了干扰、失去了平衡；条件集合包括已确定不变的条件和可调整的条件；所述时空范围内每一株目标药材的条件集合、药效、对生态的影响若相同，则将所述时空范围内每一株目标药材的条件集合、药效、对生态的影响作为所述时空范围内目标药材的条件集合、药效、对生态的影响；若不同，则将所述时空范围内每一株目标药材的条件集合、药效、对生态的影响的平均值作为所述时空范围内目标药材的条件集合、药效、对生态的影响，或，缩小所述预设时空的范围，使得更新之后的时空范围内每一株目标药材的条件集合、药效、对生态的影响若相同，则将更新后的时空范围内每一株目标药材的条件集合、药效、对生态的影响作为更新后的时空范围内目标药材的条件集合、药效、对生态的影响；所述时空范围包括所述时空范围内目标药材材种植的空间位置范围、种植的起止时间。4.根据权利要求2所述的人工智能方法，其特征在于，所述方法还包括：结果预测模型训练步骤：获取目标药材的大量样本数据，作为目标药材的训练数据和测试数据；初始化深度学习模型或神经网络模型或量子计算模型或机器学习模型或其它人工智能模型作为目标药材的初始结果预测模型，初始结果预测模型的输入项包括条件集合，输出项包括药效、对生态的影响；将目标药材的训练数据、测试数据中的条件集合作为输入，药效、...

【专利技术属性】
技术研发人员：朱定局，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：