一种臭氧浓度的调节方法及系统技术方案

本发明专利技术提供一种臭氧浓度的调节方法及系统，所述方法包括：根据臭氧浓度预测模型的输出结果，确定所述目标设施内的预测臭氧浓度；调节目标设施内的实际臭氧浓度至所述预测臭氧浓度。本发明专利技术所提供的臭氧浓度的调节方法及系统，通过臭氧浓度预测模型，能准确地预测目标设施内适合作物生长所需要的臭氧浓度；若预测臭氧浓度大于实际臭氧浓度实际值，则调节臭氧发生器增大臭氧释放量；若预测臭氧浓度小于实际臭氧浓度，则调节臭氧发生器减小臭氧的释放量，直到目标设施内的实际臭氧浓度与预测臭氧浓度相等。本发明专利技术有效地实现了对目标设施内的臭氧浓度的动态、精准、及时调控。及时调控。及时调控。

【技术实现步骤摘要】
一种臭氧浓度的调节方法及系统


[0001]本专利技术涉及农业信息
，尤其涉及一种臭氧浓度的调节方法及系统。

技术介绍

[0002]臭氧具有很强的氧化性，不仅能够快速、高效、广谱的杀菌，而且安全无毒。臭氧杀菌灭虫技术是一种有效的设施作物病虫害防控技术。在该技术中，设施内臭氧浓度是决定臭氧杀菌灭虫效果的重要因素，当臭氧浓度达到一定值时，其强氧化性会迅速分解细菌和真菌的细胞壁、害虫的细胞膜，杀灭病菌、杀死害虫的卵和幼虫，从而实现防治作物病虫害的发生。但是，过高的臭氧浓度会对作物的生长产生“灼烧”，不利于作物的生长。
[0003]目前，设施内的臭氧主要通过臭氧发生器产生，主要是由工作者根据自身经验通过人工设定臭氧发生器固定的臭氧产生时间、臭氧释放量和运行时长来调控设施内臭氧气体的浓度来进行控制。
[0004]然而，设施内臭氧浓度的控制是一个复杂的过程，受设施内环境温度、湿度、光照强度等诸多因素的影响，且不同的作物类型、不同的作物生长期、不同的病害类型及病害严重程度等，均会影响对于臭氧浓度的需求。因此，仅凭个人经验，难以实现对设施内臭氧浓度进行精准、闭环控制。

技术实现思路

[0005]本专利技术提供一种臭氧浓度的调节方法及系统，用以解决现有技术中由人工控制设施内臭氧浓度所存在的控制精度低、不及时的缺陷。
[0006]第一方面，本专利技术提供一种臭氧浓度的调节方法，其特征在于，包括：
[0007]获取目标设施内的环境数据和作物信息；基于所述环境数据和所述作物信息，构建数据特征向量；
[0008]将所述数据特征向量输入臭氧浓度预测模型，根据所述臭氧浓度预测模型的输出结果确定所述目标设施内的预测臭氧浓度；
[0009]调节所述目标设施内的臭氧浓度至所述预测臭氧浓度。
[0010]根据本专利技术提供一种臭氧浓度的调节方法，其特征在于，所述获取目标设施内的环境数据和作物信息，包括：
[0011]按照预设采样周期获取所述目标设施内的多组环境采样数据；
[0012]计算所述多组环境采样数据的平均值，作为所述环境数据；
[0013]获取目标设施内的作物图像；利用预先训练好的深度卷积神经网络对所述作物图像进行图像识别，获取所述作物信息。
[0014]所述平均值的计算公式为：
[0015][0016]其中，m为所述环境数据的类型的个数，x
i
为每隔时间t时所采集到的所述环境采
样数据，n为采集到的所述环境采样数据个数，为第m个类型的所述环境数据；
[0017]根据本专利技术提供一种臭氧浓度的调节方法，其特征在于，所述作物信息包括作物种类、作物生长期、病害种类及病害程度中的至少一种；在获取所述作物信息之后，还包括：
[0018]根据所述作物种类，从种类量化表中，查询第一数值；所述种类量化表是根据每种作物的臭氧耐受性预先构建的；
[0019]确定所述作物种类的作物生长周期；
[0020]根据所述作物生长期和所述作物生长周期，确定第二数值；所述作物生长期为作物从定植开始统计，到当前的生长天数；所述作物生长周期为所述作物从定植开始统计，到作物生长收获所需要的总天数；
[0021]根据所述病害种类及病害程度，从病害量化表中，查询第三数值；所述病害量化表是根据每种病害及其病害程度与臭氧释放量的关系预先构建的。
[0022]所述根据作物生长期和所述作物生长周期，确定第二数值，具体为：
[0023][0024]其中，d为所述作物生长期；D为所述作物生长周期；G为所述第二数值；
[0025]根据本专利技术提供一种臭氧浓度的调节方法，其特征在于，所述环境数据包括温度数值、湿度数值、光照强度数值中的至少一种；所述基于所述环境数据和所述作物信息，构建数据特征向量，包括：
[0026]分别根据所述温度数值、所述湿度数值、所述光照强度数值、所述第一数值、所述第二数值、所述第三数值的取值范围，将取值范围不在[0，1]内的所有数值作为一类数值，将取值范围在[0，1]内的所有数值作为另一类数值；
[0027]针对所述一类数值分别采用max
‑
min数据归一化方法进行处理；对处理后的一类数值和所述另一类数值进行权重调整，所述权重调整的调整系数是基于每个数值对所述预测臭氧浓度的影响程度确定的；
[0028]基于权重调整后的所有数值，构建数据特征向量；
[0029]所述max
‑
min数据归一化方法的公式为：
[0030][0031]其中，x
k
(j)表示第k个影响因素的第j个数值；X
k
(j)表示对第k个影响因素的第j个数值进行归一化后的数值；max[x
k
]、min[x
k
]分别表示第k个影响因素的最大数值和最小数值；
[0032]所述进行权重调整的公式为：
[0033]X'
k
(j)＝x
k
'(j)
×
δ
k
(j)
[0034]其中，x'
k
(j)表示进行权重调整的第k个影响因素的第j个数值；X'
k
(j)表示第k个影响因素的第j个数值进行权重调整后的数值；δ
k
(j)表示对第k个影响因素的第j个数值进行权重调整的调整系数。
[0035]根据本专利技术提供一种臭氧浓度的调节方法，其特征在于，在将所述数据特征向量输入臭氧浓度预测模型之前，还包括：
[0036]获取多个数据特征向量样本和每个所述数据特征向量样本对应的预测臭氧浓度
标签；
[0037]将每个数据特征向量样本和对应的预测臭氧浓度标签的组合作为一个训练样本，获得多个训练样本；
[0038]利用所述训练样本对所述臭氧浓度预测模型进行训练。
[0039]根据本专利技术提供一种臭氧浓度的调节方法，其特征在于，所述臭氧浓度预测模型为支持向量机，所述支持向量机的核函数为高斯径向基函数。
[0040]根据本专利技术提供一种臭氧浓度的调节方法，其特征在于，所述利用所述训练样本对所述臭氧浓度预测模型进行训练，包括：
[0041]设置所述支持向量机的惩罚参数和核函数参数；
[0042]利用每个所述训练样本中的数据特征向量样本，依次对所述臭氧浓度预测模型进行训练，并获取所述臭氧浓度预测模型输出的所有预测臭氧浓度；
[0043]计算所述所有预测臭氧浓度的浓度均值；按照预设步长，调整所述惩罚参数和/或所述核函数参数，并重新计算所述浓度均值；
[0044]迭代执行调整所述惩罚参数和/或所述核函数参数，并重新计算所述浓度均值的步骤，直至达到所述惩罚参数和/或所述核函数参数的取值范围；
[0045]选择准确率最高的浓度均值所对应的惩罚参数和核函数参数作为所述支持向量机的目标参数。
[0046]第二方面，本专利技术提供一种臭本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种臭氧浓度的调节方法，其特征在于，包括：获取目标设施内的环境数据和作物信息；基于所述环境数据和所述作物信息，构建数据特征向量；将所述数据特征向量输入臭氧浓度预测模型，根据所述臭氧浓度预测模型的输出结果，确定所述目标设施内的预测臭氧浓度；调节所述目标设施内的实际臭氧浓度至所述预测臭氧浓度。2.根据权利要求1所述的臭氧浓度的调节方法，其特征在于，所述获取目标设施内的环境数据和作物信息，包括：按照预设采样周期获取所述目标设施内的多组环境采样数据；计算所述多组环境采样数据的平均值，作为所述环境数据；所述平均值的计算公式为：其中，m为所述环境数据的类型的个数，x
i
为每隔时间t时所采集到的所述环境采样数据，n为采集到的所述环境采样数据个数，为第m个类型的所述环境数据；获取目标设施内的作物图像；利用预先训练好的深度卷积神经网络对所述作物图像进行图像识别，获取所述作物信息。3.根据权利要求2所述的臭氧浓度的调节方法，其特征在于，所述作物信息包括作物种类、作物生长期、病害种类及病害程度中的至少一种；在获取所述作物信息之后，还包括：根据所述作物种类，从种类量化表中，查询第一数值；所述种类量化表是根据每种作物的臭氧耐受性预先构建的；确定所述作物种类的作物生长周期；根据作物生长期和所述作物生长周期，确定第二数值；所述作物生长期为作物从定植开始统计，到当前的生长天数；所述作物生长周期为所述作物从定植开始统计，到作物生长收获所需要的总天数；所述根据作物生长期和所述作物生长周期，确定第二数值，具体为：其中，d为所述作物生长期；D为所述作物生长周期；G为所述第二数值；根据所述病害种类及病害程度，从病害量化表中，查询第三数值；所述病害量化表是根据每种病害及其病害程度与臭氧释放量的关系预先构建的。4.根据权利要求3所述的臭氧浓度的调节方法，其特征在于，所述环境数据包括温度数值、湿度数值、光照强度数值中的至少一种；所述基于所述环境数据和所述作物信息，构建数据特征向量，包括：分别根据所述温度数值、所述湿度数值、所述光照强度数值、所述第一数值、所述第二数值、所述第三数值的取值范围，将取值范围不在[0，1]内的所有数值作为一类数值，将取值范围在[0，1]内的所有数值作为另一类数值；
针对所述一类数值分别采用max
‑
min数据归一化方法进行处理；对处理后的一类数值和所述另一类数值进行权重调整，所述权重调整的调整系数是基于每个数值对所述预测臭氧浓度的影响程度确定的；基于权重调整后的所有数值，构建数据特征向量；所述max
‑
min数据归一化方法的公式为：其中，x
k
(j)表示第k个影响因素的第j个数值；X
k
(j)表示对第k个影响因素的第j个数...

【专利技术属性】
技术研发人员：王志彬，乔晓军，王莹，卫雅娜，常红梅，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：