[发明专利]一种基于苹果病害预测的智能调控方法及其装置

权利要求书

1.一种基于苹果病害预测的智能调控方法，其特征在于，包括以下步骤：

S101、获取实时苹果生长环境的参数数据，基于机器学习方法识别分析当前苹果的生长状况和易发病环境；所述生长环境的参数数据包括土壤情况、施肥情况、气候情况和地形情况；

S102、根据识别分析结果，判别是否处于易致病菌生长的环境，决策环境调控方案，通过控制指令对顶棚及生长环境进行智能调控；

S103、通过当前苹果的生长周期和环境参数，对苹果树进行灌溉、授粉和辅助光和作用；

所述S101中所述的机器学习算法包括以下步骤：

S201、数据的采集与处理：获取生长环境的参数数据并结合病虫害的发生情况数据进行相关性分析，增强数据与病害间的特征表现；

S202、BP神经网络模型的训练：初始化连接权值和阈值，确定BP神经网络输入节点数、隐含层节点数、输出节点数和激活函数，通过网络的训练不断调整隐含层和输出层的权值；

所述BP神经网络模型包括正向传播和反向传播，在正向传播过程中，信号通过输入层接收进入网络后，经过隐含层的激活函数的处理，交给输出层，最后由输出层输出处理过的信号，当输出的信号与期望输出的信号误差大于限定值，则转向误差反向传播的过程，输出端将误差分摊给隐含层，隐含层处理后，传给输入层，BP算法用于调整权值使网络总误差最小，若训练调整权值的过程到预先设定的训练次数或者误差已经到很小的范围内，则停止训练；

S203、输出结果：通过训练好的模型，实时对苹果周围环境特征参数提取，通过数据的输入、模型的预测，得到输出的结果，从而对苹果的病害发生做出预测；

所述S202中所述的BP神经网络模型的训练具体包括以下步骤：

S301、设BP神经网络输入节点数为M，隐含层节点数为Q，输出节点数为L，隐含层激活函数采用Sigmoid 型函数，输出与期望输出的误差 E，定义公式为

其中表示输出层节点对应的期望输出，表示输出层节点的输出；

S302、对整个网络的权值和阈值初始化；

S303、输入训练样本,计算出隐含层第个神经元和输出层第个神经元的输出值：

其中为节点到节点之间连接权值的权值，为节点到节点之间连接权值的权值，为中间层节点的阈值，为输出层节点k的阈值；

S304、计算网络输出的误差；

首先计算输出层节点到隐含层节点之间的误差

其中表示输出层节点对应的期望输出，表示输出层节点的输出；

然后计算隐含层节点到输入层节点之间的误差

其中为节点到节点之间连接权值的权值，为中间层节点j的输出；

S305、调整输出节点和隐含节点的连接权值和节点的阈值，为学习率

调整隐含节点 和输入层节点的连接权值和节点的阈值

S306、判断训练样本是否完成一轮训练，如果未完成，则返回S303；

S307、检查网络总误差是否达到所要求的精度，如果达到，训练结束；

该基于苹果病害预测的智能调控方法中使用了一种智能调控装置，所述智能调控装置包括土壤参数获取模块、水肥参数获取模块、气候参数获取模块、地形参数获取模块、顶棚调控模块和主控制箱；

所述土壤参数获取模块用于获取区域内苹果实时土壤参数数据，所述土壤参数获取模块参数获取装置包括多点位于苹果种植区域内土壤中的土壤传感器；

所述水肥参数获取模块用于获取区域内苹果实时水肥参数数据，所述水肥参数获取模块包括水肥传感器、键盘和液晶显示器；

所述气候参数获取模块用于获取区域内苹果实时气候参数数据，所述气候参数获取模块包括环境参数传感器；

所述地形参数获取模块用于获取区域内苹果实时地形参数数据，所述地形参数获取模块包括键盘和液晶显示器；

所述顶棚调控模块用于调控区域内苹果的环境参数，所述顶棚调控模块包括移动式顶棚、风扇、雨水导流槽、蓄水塔和灌溉电磁阀；

所述主控制箱用于根据目标水肥参数，气候参数，地形参数向所述顶棚调控模块发送相应控制指令；所述主控制箱的控制端口连接移动式顶棚、风扇和灌溉电磁阀；

所述移动式顶棚为电控开合移动式顶棚，移动式顶棚通过顶棚电机驱动控制开合大小，移动式顶棚安装在棚架上，所述风扇安装在棚架内侧壁上，所述灌溉电磁阀安装在灌溉管道上，雨水导流槽设置在移动式顶棚上，蓄水塔用于承接天然降水，雨水导流槽与蓄水塔连通，蓄水塔与灌溉管道连通为灌溉提供水源，所述主控制箱内设置有处理器和存储器。

2.根据权利要求1所述的一种基于苹果病害预测的智能调控方法，其特征在于，S101中所述的识别分析当前苹果的生长状况和易发病环境为分析生长环境的参数数据的影响；S102中所述的生长环境进行智能调控为改变苹果周围环境参数及生长环境的参数。