[发明专利]一种基于物联网的灌溉决策方法及装置在审
申请号: | 202211736686.1 | 申请日: | 2022-12-30 |
公开(公告)号: | CN116011331A | 公开(公告)日: | 2023-04-25 |
发明(设计)人: | 杨玮;程涛;王懂;李民赞 | 申请(专利权)人: | 中国农业大学烟台研究院 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06Q10/04;G06F18/214;G06F18/2431;G06Q50/02;G06N5/01;G06N20/00 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 李东旭 |
地址: | 264670 山东*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 联网 灌溉 决策 方法 装置 | ||
1.一种基于物联网的灌溉决策方法,其特征在于,包括:
S1:获取天气信息;
S2:将所述天气信息输入灌溉决策模型,以得到所述灌溉决策模型预测的土壤预测含水量;
S3:根据土壤预测含水量和作物情况,判断是否需要灌溉;
其中,所述灌溉决策模型是基于天气样本信息,及天气样本信息对应的土壤质量含水量标签训练得到;
所述灌溉决策模型用于根据天气信息预测土壤预测含水量。
2.根据权利要求1所述的基于物联网的灌溉决策方法,其特征在于,所述天气信息包括:最高温度、最低温度、空气压强、降雨量、风级和空气相对湿度中的一种或多种。
3.根据权利要求2所述的基于物联网的灌溉决策方法,其特征在于,在所述S2之前,还包括:训练灌溉决策模型
A1:以天气样本信息作为输入,土壤质量含水量作为标签,建立随机森林算法的训练集;
A2:从训练集中有放回地随机抽样,得到n个子训练集;
A3:根据n个子训练集分别训练n个决策树模型;
A4:将n个决策树模型预测值的平均值作为灌溉决策模型的预测结果;
A5:将预测结果与土壤质量含水量标签对比,小于预设误差范围则灌溉决策模型训练完成。
4.根据权利要求3所述的基于物联网的灌溉决策方法,其特征在于,所述A3与A4之间还包括:通过随机森林分类器对天气样本信息赋予重要性权重。
5.根据权利要求4所述的基于物联网的灌溉决策方法,其特征在于,所述随机森林算法通过Stacking算法从训练集中训练出初级学习器,然后生成新训练集训练次级学习器。
6.根据权利要求5所述的基于物联网的灌溉决策方法,其特征在于,所述初级学习器采用Bagging类算法和Boosting类算法的组合方案进行筛选。
7.根据权利要求1所述的基于物联网的灌溉决策方法,其特征在于,所述土壤质量含水量通过土壤水分传感器采集,所述土壤水分传感器采用Socket协议进行通信,所述土壤水分传感器的硬件通信流采用Arduino语言,软件通信流采用Java语言。
8.一种基于物联网的灌溉决策装置,其特征在于,包括:
数据获取模块,用于获取天气信息;
含水预测模块,用于将所述天气信息输入灌溉决策模型,以得到所述灌溉决策模型预测的土壤预测含水量;
灌溉决策模块,用于根据土壤预测含水量和作物情况,判断是否需要灌溉;
其中,所述灌溉决策模型是基于天气样本信息,及天气样本信息对应的土壤质量含水量标签训练得到;
所述灌溉决策模型用于根据天气信息预测土壤预测含水量。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述基于物联网的灌溉决策方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于物联网的灌溉决策方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国农业大学烟台研究院,未经中国农业大学烟台研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211736686.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:数据读写方法、装置、存储介质及电子装置
- 下一篇:一种抛光片去边设备