【技術實現步驟摘要】
本申請涉及農業灌溉，特別涉及基于機器學習算法的設施櫻桃自動化灌溉方法。
技術介紹
1、隨著信息化時代的到來，農業灌溉也開始逐漸實現自動化，對于櫻桃自動化灌溉而言，目前實際應用最多的便是依據土壤濕度指導灌水，即通過確定櫻桃在不同生長發育時期適宜的土壤濕度范圍，在不同時期設置上下限，然后通過傳感器測定土壤濕度后進行自動灌溉。現有的櫻桃自動化灌溉技術又引入了人工智能技術，發展迅速，特別是對于設施櫻桃而言，其附加值較高。但是其種植技術復雜，特別是水肥管理方面，限制了設施櫻桃產業進一步發展。
2、現有的設施櫻桃智能灌溉技術，大多采用土壤濕度作為櫻桃自動灌溉的依據，土壤濕度與土壤質地密切相關，不同的土壤質地具有不同的孔隙度、孔隙度分布和土壤結構等特性，這些特性會影響土壤的水分保持能力和水分傳輸速度，且采用的傳感器測定數據的數據難以表征整個溫室內的土壤環境，不具備普適性。
技術實現思路
1、本申請實施例提供了基于機器學習算法的設施櫻桃自動化灌溉方法，用以解決現有技術中人工智能的櫻桃自動化灌溉技術的技術復雜，采用土壤濕度作為櫻桃自動灌溉的依據，不具備普適性的問題。
2、一方面，本申請實施例提供了基于機器學習算法的設施櫻桃自動化灌溉方法，包括：
3、通過實驗得到設施櫻桃種植的土壤水勢值范圍；
4、通過所述土壤水勢值范圍和環境因子建立土壤水勢值預測模型預測得到預測土壤水勢值；
5、通過所述預測土壤水勢值與土壤水勢值的實際值相比得到水勢偏差值；
6、通過實驗和機器學習算法建立櫻桃蒸騰蒸發量預測模型預測櫻桃蒸騰蒸發量；
7、通過所述水勢偏差值和所述櫻桃蒸騰蒸發量制定所述設施櫻桃種植的自動化灌溉的模糊控制方法。
8、在一種可能的實現方式中，所述通過實驗得到設施櫻桃種植的土壤水勢值范圍包括：
9、通過實驗設定所述設施櫻桃種植的灌水定額；
10、通過比對篩選所述灌水定額得到最終灌水定額；
11、分析所述最終灌水定額的土壤水勢值確定所述設施櫻桃種植的土壤水勢值范圍。
12、在一種可能的實現方式中，所述建立土壤水勢值預測模型是通過神經網絡算法建立。
13、在一種可能的實現方式中，所述通過實驗和機器學習算法建立櫻桃蒸騰蒸發量預測模型包括：
14、通過機器學習算法預測所述環境因子的數值；
15、通過實驗測定所述設施櫻桃種植的蒸騰蒸發量與實測的所述環境因子的數值；
16、通過所述環境因子的數值和所述蒸騰蒸發量建立櫻桃蒸騰蒸發量預測模型。
17、在一種可能的實現方式中，所述機器學習算法是lstm算法。
18、在一種可能的實現方式中，所述環境因子包括空氣溫度、空氣濕度、光照強度、風速、土壤溫度和土壤濕度。
19、在一種可能的實現方式中，所述通過所述環境因子的數值和所述蒸騰蒸發量建立櫻桃蒸騰蒸發量預測模型是通過神經網絡算法建立。
20、在一種可能的實現方式中，所述櫻桃蒸騰蒸發量預測模型的輸入是所述環境因子的數值，所述櫻桃蒸騰蒸發量預測模型的輸出是蒸騰蒸發量。
21、在一種可能的實現方式中，所述通過所述土壤水勢值和所述櫻桃蒸騰蒸發量制定所述設施櫻桃種植的自動化灌溉的模糊控制方法包括：
22、將所述所述土壤水勢偏差值和所述蒸騰蒸發量作為輸入，將灌溉時長作為輸出；
23、定義所述土壤水勢偏差值的模糊語言變量，定義為5個語言變量，分別為負大、負小、零、正小、正大，用字母進行表示。對蒸騰蒸發量進行與所述土壤水勢偏差值相同的定義；
24、定義所述灌溉時長的模糊語言變量，定義為5個語言變量，分別為負大、負小、零、正小、正大，用字母進行表示，其中所述負大表示不灌溉，之后的所述負小、零、正小、正大表示灌溉時間遞增；
25、通過融合設施櫻桃的專家知識制定推理規則；
26、通過模糊推理得出模糊值；
27、通過最大隸屬度法，在所述模糊值中選擇具有最大隸屬度的隸屬函數的中心值作為所述灌溉時長進行輸出。
28、本申請中的基于機器學習算法的設施櫻桃自動化灌溉方法，具有以下優點：
29、(1)采用土壤水勢偏差值作為櫻桃灌溉的依據，更加的具有普適性，對于不同地區、不同土壤質地種植的櫻桃都適用。
30、(2)通過土壤的水勢預測模型實現對土壤水勢較為準確的預測，準確性高，成本低。
31、(3)通過蒸騰蒸發量預測模型實現對蒸騰蒸發量的預測，準確性高。
32、(4)通過模糊控制技術獲得的數據可信度高，魯棒性較好，同時能夠提高水資源的合理分配率，在提高生產效率的同時還能夠實現資源的節約。
本文檔來自技高網...【技術保護點】
1.基于機器學習算法的設施櫻桃自動化灌溉方法，其特征在于，包括：
2.根據權利要求1所述的基于機器學習算法的設施櫻桃自動化灌溉方法，其特征在于，所述通過實驗得到設施櫻桃種植的土壤水勢值范圍包括：
3.根據權利要求1所述的基于機器學習算法的設施櫻桃自動化灌溉方法，其特征在于，所述建立土壤水勢值預測模型是通過神經網絡算法建立。
4.根據權利要求1所述的基于機器學習算法的設施櫻桃自動化灌溉方法，其特征在于，所述通過實驗和機器學習算法建立櫻桃蒸騰蒸發量預測模型包括：
5.根據權利要求4所述的基于機器學習算法的設施櫻桃自動化灌溉方法，其特征在于，所述機器學習算法是LSTM算法。
6.根據權利要求1所述的基于機器學習算法的設施櫻桃自動化灌溉方法，其特征在于，所述環境因子包括空氣溫度、空氣濕度、光照強度、風速、土壤溫度和土壤濕度。
7.根據權利要求4所述的基于機器學習算法的設施櫻桃自動化灌溉方法，其特征在于，所述通過所述環境因子的數值和所述蒸騰蒸發量建立櫻桃蒸騰蒸發量預測模型是通過神經網絡算法建立。
8.根據權
9.根據權利要求1所述的基于機器學習算法的設施櫻桃自動化灌溉方法，其特征在于，所述通過所述土壤水勢值和所述櫻桃蒸騰蒸發量制定所述設施櫻桃種植的自動化灌溉的模糊控制方法包括：
...【技術特征摘要】
1.基于機器學習算法的設施櫻桃自動化灌溉方法，其特征在于，包括：
2.根據權利要求1所述的基于機器學習算法的設施櫻桃自動化灌溉方法，其特征在于，所述通過實驗得到設施櫻桃種植的土壤水勢值范圍包括：
3.根據權利要求1所述的基于機器學習算法的設施櫻桃自動化灌溉方法，其特征在于，所述建立土壤水勢值預測模型是通過神經網絡算法建立。
4.根據權利要求1所述的基于機器學習算法的設施櫻桃自動化灌溉方法，其特征在于，所述通過實驗和機器學習算法建立櫻桃蒸騰蒸發量預測模型包括：
5.根據權利要求4所述的基于機器學習算法的設施櫻桃自動化灌溉方法，其特征在于，所述機器學習算法是lstm算法。
6.根據權利要求1所述的基于機器學習算...
【專利技術屬性】
技術研發人員：孫先鵬，謝廣躍，閆家慧，李子巖，張麗境，楊丹婷，張穎濤，
申請(專利權)人：西北農林科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。