[发明专利]一种番茄生长监控的方法及装置

权利要求书

1.一种番茄生长监控的方法，其特征在于，所述方法包括：

预先建立番茄生长分析模型，其包括：导入番茄生长样本数据，针对生长期分析对所述番茄生长样本数据进行线性回归分析，并建立线性回归模型，针对果叶分析对所述番茄生长样本数据使用卷积神经网络进行特征提取，并建立卷积神经网络模型；番茄生长样本数据包括生长期样本数据和果叶样本数据，针对生长期分析，导入生长期样本数据，进行线性回归分析，并建立线性回归模型，其中，生长期样本数据，包括生长期样本数据表格，分别包括生长期样本数据，生长期样本特征和生长期样本类别；针对果叶样本数据，使用卷积神经网络进行特征提取，并建立卷积神经网络模型，果叶样本数据，包括果叶样本数据表格，分别包括果叶样本数据，果叶样本特征和果叶样本类别，果叶样本特征以及果叶样本辨别结果；将生长期样本数据随机划分为生长期样本集和生长期测试集；

获取番茄的环境监测数据以及当前生长的视频和图像信息；

判断当所述环境监测数据超过预设阈值时，则发送预警提示给用户终端；

根据所述视频和图像信息判断当在预设时间内番茄植株变化超过预设变化阈值或番茄植株长有虫害时，则发送预警提示给用户终端；

将所述图像信息导入所述番茄生长分析模型中，通过分析计算导出番茄当前的生长指标，具体将所述图像信息分别导入线性回归模型与卷积神经网络模型中，所述线性回归模型对所述图像信息分析计算导出番茄当前的生长期生长指标，所述卷积神经网络模型对所述图像信息分析计算导出番茄当前的果叶生长指标，其中，所述生长期生长指标包括生长势、开花期、始收期、盛收期以及末收期中的一种或几种，所述果叶生长指标包括花絮类型、叶色、叶形、果形、果色以及果肩中的一种或几种；所述的卷积神经网络至少包括两层卷积层以及至少两层池化层，卷积层的公式为：

s(i,j)= ，其中，n_in为输入矩阵的个数，或者是张量的最后一维的维数；Xk代表第k个输入矩阵，Wk代表卷积核的第k个子卷积核矩阵；s(i,j)即卷积核W对应的输出矩阵的对应位置元素的值。

2.如权利要求1所述的方法，其特征在于，在所述判断当所述环境监测数据超过预设阈值时，则发送预警提示给用户终端之后还包括：判断当前控制设备是否为自动模式，是则查询当前环境监测数据对应的应对措施，并发送所述应对措施对应的控制命令给所述控制设备。

3.如权利要求1所述的方法，其特征在于，所述环境监测数据包括气象站监测数据以及土壤监测数据，所述气象站监测数据包括当前空气温度、当前空气湿度、当前光照、二氧化碳浓度、风速、风向、降雨量、PM2 .5、PM10、一氧化碳浓度、臭氧浓度、气压以及二氧化氮浓度中的一种或几种，所述土壤监测数据包括当前土壤温度、当前土壤湿度、PH值以及电导率中的一种或几种。