[发明专利]一种基于数据驱动的智能植物培育系统及其使用方法

权利要求书

1.一种基于数据驱动的智能植物培育系统的使用方法，其特征在于，其步骤如下：

S1、在移动终端中输入植物的类型、植物所在地区、植物当前生长情况3路信息，将由时钟确定的季节、日期与植物的类型、植物所在地区、植物当前生长情况通过无线通信模块上传至服务器；

S2、利用服务器中训练好的CatBoost分类器对季节、日期、植物的类型、植物所在地区、植物当前生长情况进行处理得到植物的土壤湿度和酸碱度值，并通过服务器将植物的土壤湿度和酸碱度值传输至中央处理模块；

S3、中央处理模块根据植物的土壤湿度和酸碱度值调整水量控制模块和酸碱度调整模块，其中，水量控制模块的控制周期为10s，酸碱度调整模块的控制周期为1天；

S4、每隔24小时启动图像采集模块，利用图像采集模块采集植物的实时花朵或叶片信息，并将植物的实时花朵或叶片信息上传至中央处理模块中与植物前2次的生长信息进行对比，判断植物是否正常生长，如果发现连续3次植物花朵或叶片出现枯萎缩小，执行步骤S5，否则，循环步骤S4；

S5、中央处理模块向移动终端发出警报信号，提醒用户及时查看植物的生长状态，用户主动调整植物的土壤湿度、酸碱度的信息，并将调整后的土壤湿度、酸碱度上传到服务器；

S6、服务器将调整后的实时土壤湿度、酸碱度的信息和植物历史数据进行综合，不断训练CatBoost分类器的参数，得到最优分类模型，返回步骤S2。

2.根据权利要求1所述的基于数据驱动的智能植物培育系统的使用方法，其特征在于，所述利用服务器中训练好的CatBoost分类器对季节、日期、植物的类型、植物所在地区、植物当前生长情况进行处理得到植物的土壤湿度和酸碱度值的方法为：

S21、根据植物的相关数据包括季节、日期、植物的类型、植物所在地区和植物当前生长情况构造系统数据集D＝{(x_i,y_i),i＝1,2,…,n,x_i∈R^h,y_i∈R}，其中，n为样本个数，h为每个样本的特征个数；

S22、对系统数据集进行筛选和预处理，将季节、日期、植物的类型、植物所在地区和植物当前生长情况转换为数值型数据，作为CatBoost分类器的特征输入；

S23、利用CatBoost分类器对每种植物x_i的数值型数据进行训练，得到植物x_i的分类模型H_i，在训练过程利用梯度估计方法对分类模型H_i沿着梯度负方向训练，如此循环进行最终得到最优CatBoost模型；

S24、将最优CatBoost模型部署在服务器中，由移动终端向服务器发送与植物相关的数据，服务器中的最优CatBoost模型实时判别植物的土壤湿度和酸碱度，并向移动终端发送植物的土壤湿度和酸碱度。

3.根据权利要求2所述的基于数据驱动的智能植物培育系统的使用方法，其特征在于，将与植物相关的数据转换为数值型数据的方法为：1)对与植物相关的数据进行随机排序，生成多组随机排列，其次，给定一个序列，针对每个特征，对于同类别的特征计算其平均样本值；2)利用公式(1)将排序后的特征值转化为数值：

其中，σ＝(σ₁,…,σ_n)表示其中一组排列，P表示先验概率，a表示先验的权重系数，a0，代表这一组排列中第j行数据的第k列特征，代表第p行数据的第k列特征，表示第j行数据对应的标签，j＝1,2,…,p-1表示数据的列号。

4.根据权利要求2所述的基于数据驱动的智能植物培育系统的使用方法，其特征在于，有监督机器学习的衡量指标准确率的评价准则为：

其中，TP为True Positive将正类样本分类为正类；FP为False Positive将负类样本分类为负类；FN为False Negative将正类样本分类为负类；TN为True Negative将负类样本分类为正类。