【技术实现步骤摘要】
本专利技术属于酿酒葡萄水肥管理领域，尤其涉及一种酿酒葡萄水肥控制方法和装置、系统、存储介质。
技术介绍
1、酿酒葡萄是指以酿造葡萄酒为主要生产目的的葡萄品种。大致可分为红色品种、白色品种等。酿酒葡萄的品种有很多，和我们平常食用的葡萄有很大的差别，酿酒的葡萄皮很厚，果肉少，汁多，并且颗粒小，基本不适合食用。酿酒葡萄的果实在体型上比鲜食葡萄更小，果皮也更厚。在我国主要的酿酒葡萄产区分布在华北地区，渤海湾地区，新疆，甘肃、宁夏等地。酿酒葡萄的传统的水肥控制中，多为凭感觉或经验浇水施肥，不能掌握施肥的合适的量和合适的时间，不能契合农作物的需要，并且手工施肥耗费人力，水利用率低，存在水资源浪费的情况。
技术实现思路
1、本专利技术要解决的技术问题是，提供一种酿酒葡萄水肥控制方法和装置、系统、存储介质。
2、为实现上述目的，本专利技术采用如下的技术方案：
3、一种酿酒葡萄水肥控制方法，包括：
4、步骤s1、获取葡萄田的历史土壤和气象数据；
5、步骤s2、根据历史土壤和气象数据，训练深度神经网络模型；
6、步骤s3、将实时采集的葡萄田的土壤和气象数据输入到训练好的深度神经网络模型，实现对葡萄田进行施肥和灌溉。
7、作为优选，所述深度神经网络模型为基于生成对抗网络dd-gan和选择性核卷积神经网络sk-cnn混合的多维参数预测模型，所述选择性核卷积神经网络sk-cnn包括隐含层和输出层，所述隐含层包括对抗网络dd-gan模型，
8、作为优选，步骤s3中，将实时采集的葡萄田的土壤和气象数据输入到训练好的深度神经网络模型，基于时间迭代算法实现对葡萄田进行施肥和灌溉。
9、本专利技术还提供一种酿酒葡萄水肥控制装置，包括：
10、获取模块，用于获取葡萄田的历史土壤和气象数据；
11、训练模块，用于根据历史土壤和气象数据，训练深度神经网络模型；
12、控制模块，用于将实时采集的葡萄田的土壤和气象数据输入到训练好的深度神经网络模型，实现对葡萄田进行施肥和灌溉。
13、作为优选，所述深度神经网络模型为基于生成对抗网络dd-gan和选择性核卷积神经网络sk-cnn混合的多维参数预测模型，所述选择性核卷积神经网络sk-cnn包括隐含层和输出层，所述隐含层包括对抗网络dd-gan模型，对抗网络dd-gan模型与选择性核卷积神经网络sk-cnn并行。
14、作为优选，控制模块将实时采集的葡萄田的土壤和气象数据输入到训练好的深度神经网络模型，基于时间迭代算法实现对葡萄田进行施肥和灌溉。
15、本专利技术还提供一种酿酒葡萄水肥控制系统，包括：存储器和处理器，所述存储器上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时执行酿酒葡萄水肥控制方法。
16、本专利技术还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序在运行时执行酿酒葡萄水肥控制方法。
17、本专利技术根据历史土壤和气象数据，训练深度神经网络模型；将实时采集的葡萄田的土壤和气象数据输入到训练好的深度神经网络模型，基于时间迭代算法实现对葡萄田进行施肥和灌溉。采用本专利技术的技术方案，实现自动施肥，节省人力成本；在减少水量的同时大幅度地提高了肥料的利用率。
本文档来自技高网...【技术保护点】
1.一种酿酒葡萄水肥控制方法，其特征在于，包括：
2.如权利要求1所述的酿酒葡萄水肥控制方法，其特征在于，所述深度神经网络模型为基于生成对抗网络DD-GAN和选择性核卷积神经网络SK-CNN混合的多维参数预测模型，所述选择性核卷积神经网络SK-CNN包括隐含层和输出层，所述隐含层包括对抗网络DD-GAN模型，对抗网络DD-GAN模型与选择性核卷积神经网络SK-CNN并行。
3.如权利要求2所述的酿酒葡萄水肥控制方法，其特征在于，步骤S3中，将实时采集的葡萄田的土壤和气象数据输入到训练好的深度神经网络模型，基于时间迭代算法实现对葡萄田进行施肥和灌溉。
4.一种酿酒葡萄水肥控制装置，其特征在于，包括：
5.如权利要求4所述的酿酒葡萄水肥控制装置，其特征在于，所述深度神经网络模型为基于生成对抗网络DD-GAN和选择性核卷积神经网络SK-CNN混合的多维参数预测模型，所述选择性核卷积神经网络SK-CNN包括隐含层和输出层，所述隐含层包括对抗网络DD-GAN模型，对抗网络DD-GAN模型与选择性核卷积神经网络SK-CNN并行。
6
7.一种酿酒葡萄水肥控制系统，其特征在于，包括：存储器和处理器，所述存储器上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1-3中的任一项所述的酿酒葡萄水肥控制方法。
8.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序在运行时执行如权利要求1-3中的任一项所述的酿酒葡萄水肥控制方法。
...【技术特征摘要】
1.一种酿酒葡萄水肥控制方法，其特征在于，包括：
2.如权利要求1所述的酿酒葡萄水肥控制方法，其特征在于，所述深度神经网络模型为基于生成对抗网络dd-gan和选择性核卷积神经网络sk-cnn混合的多维参数预测模型，所述选择性核卷积神经网络sk-cnn包括隐含层和输出层，所述隐含层包括对抗网络dd-gan模型，对抗网络dd-gan模型与选择性核卷积神经网络sk-cnn并行。
3.如权利要求2所述的酿酒葡萄水肥控制方法，其特征在于，步骤s3中，将实时采集的葡萄田的土壤和气象数据输入到训练好的深度神经网络模型，基于时间迭代算法实现对葡萄田进行施肥和灌溉。
4.一种酿酒葡萄水肥控制装置，其特征在于，包括：
5.如权利要求4所述的酿酒葡萄水肥控制装置，其特征在于，所述深度神经网络模型为基于生成对抗网络dd-gan和选择性核...
【专利技术属性】
技术研发人员：王锐，王亚麒，刘晓君，李昱龙，张军翔，
申请(专利权)人：宁夏大学，
类型：发明
国别省市：
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。