[发明专利]一种基于卷积神经网络的金针菇智能补光的装置及方法

摘要

本发明提供一种基于卷积神经网络的金针菇智能补光的装置及方法，用以培育金针菇的反应罐，在所述反应罐的上部区域设置有若干用以照明的紫外灯组；还包括设置在罐体外的控制板，所述控制板根据检测结果与预设结果进行控制；在所述反应罐内还设置CCD相机，用来获取一段时间内的紫外灯的光照信息；还包括与CCD相机连接并获取拍摄的图片信息的CCD相机获取模块；所述的CCD相机获取模块按照预设的程序获取存储在CCD相机内的图像信息本发明基于卷积神经网络的金针菇智能补光装置。本发明的卷积神经网络运算，结合具体的金针菇生长时期内的光照强度需求，在进行递进运算时，通过相邻卷积层中的各个时间点的数值运算叠加递进。

主权项

1.一种基于卷积神经网络的金针菇智能补光的装置，其特征在于，包括：用以培育金针菇的反应罐，在所述反应罐的上部区域设置有若干用以照明的紫外灯组；还包括设置在罐体外的控制板，所述控制板根据检测结果与预设结果进行控制；在所述反应罐内还设置CCD相机，用来获取一段时间内的紫外灯的光照信息；还包括与CCD相机连接并获取拍摄的图片信息的CCD相机获取模块；所述的CCD相机获取模块按照预设的程序获取存储在CCD相机内的图像信息；还包括信号分组模块，其将CCD相机获取模块的信息按照时间徐顺进行记载，获取光照矩阵(p，q)，其中，P表示光照时间，q表示光照强度信息；选取N张各个光照度的图片，根据光照度测量精度的实际要求，对图片按光照度进行分类并用标记，作为训练样本集的类别标签(N(p，q))；对图片进行灰度化、灰度拉伸的图片预处理操作，保存为训练样本集；选取n张各个光照度的图片，再次进行上述操作，得到测试样本集的类别标签和测试样本集(n(p，q))；还包括所述卷积神经网络训练单元，用于将样本图像输入卷积神经网络模型，通过卷积层进行卷积操作；还包括光照智能控制单元，其通过单片机与紫外灯组通过D/A转换模块连接，实现单片机对照明设备亮度的控制，测得的金针菇光照度数字信号E通过串行口输入单片机，单片机比较金针菇光照度E与最适光照度A，根据比较结果选择性地调整单片机的输出，实现对金针菇光照度的控制；所述卷积神经网络训练单元根据下述公式确定卷基层之间的运算，式中，X₁表示第一卷基层值，p₁,q₁,f₁分别表示第一卷基层内的时间序列，光照强度及卷积函数关系；∑表示求和运算，T表示均方差运算，I表示积分运算；下一卷基层的运算函数为：式中，X₂表示第二卷基层值，p₂,q₂,f₂分别表示第二卷基层内的时间序列，光照强度及卷积函数关系；∑表示求和运算，T表示均方差运算，I表示积分运算；再下一卷基层的运算函数为：式中，X₃表示第三卷基层值，p₃,q₃,f₃分别表示第二卷基层内的时间序列，光照强度及卷积函数关系；∑表示求和运算，T表示均方差运算，I表示积分运算。