买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：科芯(天津)生态农业科技有限公司

摘要：本发明提供一种基于大数据技术的云种植舱的作物生长监测方法及系统，涉及作物生长监测技术领域，包括采集云种植舱内作物生长过程中的原始图像数据并进行预处理，得到标准图像数据集，将标准图像数据集输入预先训练的作物生长状态识别模型中，得到作物生长状态识别结果；利用环境参数传感器采集作物生长环境参数，对得到的作物生长状态识别结果和作物生长环境参数进行实时监测，当检测作物生长发生异常时，触发自适应作物生长环境参数调整机制；将作物生长环境参数控制问题建模为一个马尔可夫决策过程，采用策略优化算法求解所述马尔可夫决策过程，得到最优环境参数控制策略，并根据最优环境参数控制策略调整作物生长环境参数。

主权项：1.一种基于大数据技术的云种植舱的作物生长监测方法，其特征在于，包括：通过高分辨率摄像头采集云种植舱内作物生长过程中的原始图像数据，包括作物整体图像和部位图像，并对采集的原始图像数据进行预处理，得到标准图像数据集，将标准图像数据集输入预先训练的作物生长状态识别模型中，得到作物生长状态识别结果；利用环境参数传感器采集作物生长环境参数，对得到的作物生长状态识别结果和作物生长环境参数进行实时监测，当检测作物生长发生异常时，触发自适应作物生长环境参数调整机制；根据自适应环境参数调整机制，将作物生长环境参数控制问题建模为一个马尔可夫决策过程，其中状态空间包括作物生长状态和环境参数，动作空间包括描述环境参数的控制动作，奖励函数包括作物生长性能和能耗，采用策略优化算法求解所述马尔可夫决策过程，得到最优环境参数控制策略，并根据最优环境参数控制策略调整作物生长环境参数；将标准图像数据集输入预先训练的作物生长状态识别模型中，得到作物生长状态识别结果包括：构建卷积神经网络模型，所述卷积神经网络模型包括特征提取层、特征融合层和分类输出层，其中，特征提取层中包括多个深度可分离卷积模块，对多个深度可分离卷积模块所提取的特征进行压缩，输出多尺度特征图谱；特征融合层将输出的多尺度特征图谱进行特征融合，分类输出层将融合后的多尺度特征图谱输入全连接神经网络，利用激活函数生成作物生长状态的概率分布；使用标准图像数据集对所述卷积神经网络模型进行训练，引入特征差异损失构建损失函数，并使用随机梯度下降算法优化模型参数，重复迭代直到满足预设的终止条件，得到最终训练好的作物生长状态识别模型；将标准图像数据集输入训练好的作物生长状态识别模型中，输出生成作物生长状态的概率值，将作物生长状态的概率值最大的结果作为作物生长状态识别结果；利用环境参数传感器采集作物生长环境参数，对得到的作物生长状态识别结果和作物生长环境参数进行实时监测，当检测作物生长发生异常时，触发自适应作物生长环境参数调整机制包括：对作物生长状态识别结果和作物生长环境参数进行预处理，得到生长状态特征和生长环境参数特征，并对所述生长状态特征和生长环境参数特征进行特征融合，得到综合生长特征；将得到的综合生长特征划分为训练集和测试集，在训练集上利用基于树的异常检测算法，构建多棵孤立树，对于每个数据点，计算其在所有孤立树中的平均路径长度，作为第一异常评分，根据第一异常评分，设定第一阈值，将第一异常评分低于第一阈值的数据点标记为第一潜在异常点；同时在训练集上利用预先训练好的自编码器模型，计算每个数据点的重构误差，作为第二异常评分，根据第二异常评分设定第二阈值，将第二异常评分高于第二阈值的数据点标记为第二潜在异常点；分别计算第一潜在异常点的重构误差和第二潜在异常点在所有孤立树中的平均路径长度，并将得到的结果进行加权平均，作为联合异常评分；将得到的联合异常评分分别与第一阈值和第二阈值进行比较，根据比较结果判断当前数据点是否异常，如果判断为异常，则触发自适应环境参数调整机制；分别计算第一潜在异常点的重构误差和第二潜在异常点在所有孤立树中的平均路径长度，将得到的结果进行加权平均，作为联合异常评分的计算公式如下： ；其中，cx表示联合异常评分，x表示数据点，α表示异常评分的权重系数，rx表示数据点x的第二异常评分，A2表示第二潜在异常点的集合，表示第二潜在异常点集合中的最小异常评分，表示第二潜在异常点集合中的最大异常评分，sx表示数据点x的第一异常评分，A1表示第一潜在异常点的集合，表示第一潜在异常点集合中的最小异常评分，表示第一潜在异常点集合中的最大异常评分。

全文数据：

权利要求：

百度查询： 科芯(天津)生态农业科技有限公司 基于大数据技术的云种植舱的作物生长监测方法及系统