[发明专利]一种基于植物日常数据分析与云技术的智能植物养培方法

说明书

本发明公开了一种基于植物日常数据分析与云技术的智能植物养培方法。包括：S1、采集植物生长指标、施肥类型、浇水量，构成影响因素矩阵X，并上传至云服务器，其中决策变量为施肥类型、浇水量；S2、确定植物健康指数、环境指数，构成指标矩阵Y，利用GRNN神经网络进行训练、检验，并建立植物养培模型；S3、利用基于NSGA‑Ⅱ算法对植物养培模型进行优化，得到各决策变量的一组最优解以及该最优解对应的植物健康指数、环境指数；S4、利用S3中模型对实时数据进行预测得到推荐决策变量X^*，并将推荐决策变量X^*下发至用户终端，在用户界面显示推荐最优的施肥类型、浇水量，用户可通过用户终端远程操作完成自动浇水、施肥。

技术领域

本发明涉及智能植物养培领域，具体涉及一种基于植物日常数据分析与云技术的智能植物养培方法。

背景技术

随着国民经济的快速发展，养培观赏性的植物给人带来了无限的乐趣、丰富了生活、陶冶了情操。养培植物的优点也很多，如：装饰房间、净化空气、调节温度花香促进健康、视觉享受等。但如果仅仅使用缺乏科学依据的个人经验对植物进行养培，其不合理的养培方案可能会使植物营养不良或营养过剩导致黄化，都达不到我们预想的目标，间接造成大量的精力损失和金钱浪费。

影响植物健康程度的各个因素之间往往体现出高度的复杂性和非线性，采用常规预测、分析方法存在一定难度。

发明内容

本发明针对现有植物养培过程中因缺乏养培经验，无法掌控最优的养培方案而导致的营养不良或枯萎的问题，提供一种基于植物日常数据分析与云技术的智能植物养培方法。

本发明的目的是这样实现的：

一种基于植物日常数据分析与云技术的智能植物养培方法，包括如下步骤：

S1、采集植物生长指标、施肥类型、浇水量，构成影响因素矩阵X，并上传至云服务器，其中决策变量为施肥类型、浇水量；

S2、确定植物健康指数、环境指数，构成指标矩阵Y，利用GRNN神经网络进行训练、检验，并建立植物养培模型；

S3、利用基于NSGA-Ⅱ算法对植物养培模型进行优化，得到各决策变量的一组最优解以及该最优解对应的植物健康指数、环境指数；

S4、利用S3中模型对实时数据进行预测得到推荐决策变量X^*，并将推荐决策变量X^*下发至用户终端，在用户界面显示推荐最优的施肥类型、浇水量，用户可通过用户终端远程操作完成自动浇水、施肥。

优选地，用户通过用户终端远程操作设备控制传感器完成自动浇水、施肥。所述设备采用现有的植物自动浇水、施肥设备，设备上具有控制浇水、施肥的控制传感器，所述设备同时能将浇水量、施肥类型转换成数字信号并上传至云服务器。当然，影响因素矩阵X也可以包括施肥量，所述设备同时能将施肥量转换成数字信号并上传至云服务器。

优选地，所述植物生长指标包括：植物种类、生长时期、土壤湿度、土壤pH值、光照强度、环境温度、环境湿度。

优选地，所述植物生长指标中的植物种类、生长时期由用户输入并上传至云服务器，植物生长指标中的土壤湿度、土壤pH值、光照强度、环境温度、环境湿度由传感器测量并上传至云服务器。

优选地，传感器测量方法为：包括传感器模块、采样电路，所述传感器模块包括温度传感器、湿度传感器、pH值传感器和光照强度传感器，用于采集植物生长指标中的土壤湿度、土壤pH值、光照强度、环境温度、环境湿度；所述采样电路与传感器模块连接，将传感器模块采集到的植物生长指标及浇水量、施肥类型转换成数字信号并上传至云服务器。

优选地，S2中，利用综合植物养培用户和专家经验，确定植物健康指数、环境指数。