[发明专利]基于AI的机器人服务方法、装置、设备及存储介质

权利要求书

1.一种基于AI的机器人服务方法，其特征在于，应用于机器人，所述基于AI的机器人服务方法包括：

每间隔第一预设时间段，确定未来第二预设时间段内的天气信息；

获取当前所处的季节信息，并获取机器人内部存储的目标农田的农作物信息；

根据所述天气信息、所述季节信息和所述目标农田的农作物信息，确定对所述农作物进行管理的管理策略。

2.如权利要求1所述的基于AI的机器人服务方法，其特征在于，所述管理策略包括灌溉策略，所述灌溉策略包括灌溉范围以及灌溉时间，所述根据所述天气信息、所述季节信息和所述目标农田的农作物信息，确定对所述农作物进行管理的管理策略的步骤之后，所述方法包括：

确定是否接收到所述灌溉策略的确认信息，其中，所述确认信息包括所述对所述灌溉范围以及所述灌溉时间的调整信息；

若接收到对所述灌溉策略的确认信息时，则基于所述确认信息，执行所述灌溉策略。

3.如权利要求1所述的基于AI的机器人服务方法，其特征在于，所述获取当前所处的季节信息，并获取机器人内部存储的目标农田的农作物信息的步骤之前，所述方法包括：

每间隔第三预设时间段采集所述目标农田的农作物的图像；

将所述农作物图像输入至预设识别模型中，基于所述预设识别模型对所述农作物的图像进行识别，得到所述农作物信息；

其中，所述预设识别模型是基于具有预设标签的农作物训练数据，对预设基础训练模型，进行迭代训练得到的。

4.如权利要求3所述的基于AI的机器人服务方法，其特征在于，所述将所述农作物图像输入至预设识别模型中，基于所述预设识别模型对所述农作物的图像进行识别的步骤之前，所述方法包括：

将具有预设标签的农作物训练数据输入至所述预设基础训练模型；

利用所述预设基础训练模型对所述具有预设标签的农作物训练数据进行预测，得到所述农作物训练数据的预测结果；

将所述预测结果和所述预设标签进行差异计算，得到训练误差结果；

判断所述训练误差结果是否达到满足预设误差阈值指示的误差标准；

如果所述训练误差结果未满足所述预设误差阈值指示的误差标准，则更新所述预设基础训练模型当前的模型参数，并返回所述利用所述预设基础训练模型对所述具有预设标签的农作物训练数据进行预测的步骤，直到所述训练误差结果满足所述预设误差阈值指示的误差标准后停止训练；

将停止训练的所述预设基础训练模型作为具有满足精度条件的所述预设识别模型；

所述训练误差结果包括均方误差结果，所述预设误差阈值包括预设均方误差阈值，所述判断所述训练误差结果是否满足预设误差阈值指示的误差标准包括：判断所述均方误差结果是否小于预设均方误差阈值。

5.如权利要求3所述的基于AI的机器人服务方法，其特征在于，所述每间隔第三预设时间段采集所述目标农田的农作物的图像的步骤，包括：

每间隔第三预设时间段，前行至所述目标农田；

在机器人前行过程中，若检测到前行路面上存在积水时，确定是否规避所述积水的规避路径；

若不存在时，则启动所述预设抽吸装置，基于所述预设抽吸装置，对所述积水进行抽吸处理，并按照预设前行轨迹前行，直至采集到所述目标农田的农作物。

6.如权利要求5所述的基于AI的机器人服务方法，其特征在于，所述若不存在时，则启动所述预设抽吸装置，基于所述预设抽吸装置，对所述积水进行抽吸处理，并按照预设前行轨迹前行的步骤，包括：

在机器人前行过程中，若通过预设水位传感器检测到前行路面上存在积水时，则启动预设抽吸装置；

或者在机器人前行过程中，若检测到前行路面上存在积水时，确定所述机器人是否处于打滑状态，若处于打滑状态时，则启动预设抽吸装置。