CN118247532B 一种用于植物生长环境的智能监测调控方法及系统 （贵州航天智慧农业有限公司）

技术产业开发区长岭南路27号神州科一种用于植物生长环境的智能监测调控方用于提高用于植物生长环境的智能监测调控的合环境数据；通过深度Q网络对融合环境数据进2通过自适应神经模糊推理算法对所述环境参数数据以及所述环境图像数据进行数据通过预置的深度Q网络对所述融合环境数据进行植物生长模型构建，得到目标植物生述目标Q值匹配目标动作集；基于所述目标动作集对所述融合环境数据进行植物生长模型将所述环境预测数据输入预置的模糊控制算法进行环境调控策对所述去噪环境参数数据以及所述降维环境图像数据输入所述自适应神经模糊推理分别匹配每个模糊规则节点的隶属度值，基于每个模糊于所述目标动作集对所述融合环境数据进行植物生长模型构建，得到目标植物生长模型，基于所述目标环境状态对所述目标动作集进行生长趋势策略分析，得到生长趋势策根据所述生长趋势策略匹配素数目标环境状态的环境基于所述环境状态参数值以及所述生长趋势策略对所述融合环境数据进行植物生长将所述环境状态参数值以及所述生长趋势策略输入所述初始植物生长模型进行时间3根据所述光合作用速率、所述蒸腾作用速率以及所述养分吸收速率更新植物生长状采集所述预设区域的历史环境数据，并对所述历史环境将所述历史周期性特征以及历史趋势性特征输入预置的长短期记忆网络进行参数依对所述目标植物生长模型进行时序匹配，得到所述目标植物生长模型的预测时序数基于所述参数依赖关系数据对所述预测时序数据进行环境变对所述模糊控制算法进行模糊变量定义，得到模糊变量集，其中将所述模糊变量集以及所述环境预测数据输入所述模糊控制算法进行环境调控策略将所述初始环境调控策略输入预置的生成对抗网络的生成器进行将所述优化环境调控策略输入所述生成对抗网络的判别器实时采集所述预设区域的调控状态参数，基于每个图7.一种用于植物生长环境的智能监测调控4融合模块，用于通过自适应神经模糊推理算法对所述环分析模块，用于将所述环境预测数据输入预置的模糊控制算法进行环境调控策略分5[0002]植物生长环境的监测和调控系统主要依靠传统传感器和简单的控制算法来实现[0006]通过自适应神经模糊推理算法对所述环境参数数据以及所述环境图像数据进行[0007]通过预置的深度Q网络对所述融合环境数据进行植物生长模型构建，得到目标植[0012]对所述去噪环境参数数据以及所述降维环境图像数据输入所述自适应神经模糊6[0024]基于所述环境状态参数值以及所述生长趋势策略对所述融合环境数据进行植物[0025]将所述环境状态参数值以及所述生长趋势策略输入所述初始植物生长模型进行[0035]将所述历史周期性特征以及历史趋势性特征输入预置的长短期记忆网络进行参7[0040]将所述模糊变量集以及所述环境预测数据输入所述模糊控制算法进行环境调控[0050]构建模块，用于通过预置的深度Q网络对所述融合环境数据进行植物生长模型构[0052]本发明提供的技术方案中，通过对预设区域的植物生长环境进行传感器数据采8便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、实施例的一种用于植物生长环境的智能监测调控方法的流程图，如图1所示，包括以下步9络是一种强化学习算法，能够在动态环境中学习最优策略。将融合环境数据输入深度Q网数据融合后，深度Q网络预测未来一段时间内温度将继续上升，并对植物生长产生不利影[0077]进而，将去噪环境参数数据和降维环境图像数据输入自适应神经模糊推理算法种模糊规则。据。由于传感器采集的原始环境参数数据可能会受到外界干扰或传感器本身误差的影响，[0080]将去噪环境参数数据和降维环境图像数据输入自适应神经模糊推理算法算去噪环境参数数据和降维环境图像数据的隶属度值。隶属度值反映了数据在对应模糊集得到模糊融合数据。 0.2通过高分辨率摄像头采集温室内植物的图像。原始图像数据维度高且包含大量冗余信息，到目标植物生长模型这一步是将所有优化后的环境状态参数值和生长趋势策略整合到植包含未来调控策略和对植物生长的预测。根据生长趋势策略，模拟不同调控策略对到18000lux，湿度控制在50%_55%。（4）进行时间步长模拟，第一天：光照强度增加到整光照强度和湿度的值。这一步骤确保了环境条件的动态变化能够反映在植物生长模型物通过光合作用将光能转化为化学能的过程，其计算通常基于光照强度和二氧化碳浓度。吸收速率决定了植物能够获取多少必要的养分来支持其生长和发育。在每一个时间步长生长趋势策略要求未来三天内逐步将光照强度增加到18000lux，并将湿度控制在50%_55%1.2cm，叶面积再增加5.5cm2，健康状态良好。在第三个时间步长内，光照强度增加到如温度和湿度在季节变化中的周期性波动。通过傅里叶变换或小波变换等频域分析方法，可以识别出数据中的周期性成分。历史趋势性特征是指环境参数随时间变化的长期趋势，植物生长环境的关键参数，每个变量都可以通过模糊集合表示，例如温度变量可以定义为过隶属度函数来描述其模糊程度，例如通过三角形或梯形隶属度函数将具体的数值转换为[0161]融合模块202，用于通过自适应神经模糊推理