基于黄芪栽培场景下的适应环境分析方法及装置

技术领域

本发明涉及环境监测技术领域，尤其涉及一种基于黄芪栽培场景下的适应环境分析方法及装置。

背景技术

随着先进的科技手段的不断涌现，特别是农业智能控制技术，为农业提供了技术支持，但为了为黄芪产业提供高效的栽培管理手段，提高黄芪的产量和品质，需要对黄芪的最佳栽培环境进行分析，以提高黄芪栽培的产量。

现有的黄芪栽培场景下的适应环境分析技术为利用生物学、农业气象学和环境监测集成各项数据，并对生长环境中的环境参数进行全方位实时监测和控制。实际应用中，黄芪栽培需要在不同的栽培场景下对环境参数进行反馈调整，仅考虑单一的黄芪栽培的环境参数，从而对进行黄芪栽培的适应环境分析时的准确度较低。

发明内容

本发明提供一种基于黄芪栽培场景下的适应环境分析方法及装置，其主要目的在于解决进行黄芪栽培的适应环境分析时的准确度较低的问题。

为实现上述目的，本发明提供的一种基于黄芪栽培场景下的适应环境分析方法，包括：

S1、获取黄芪栽培场景的环境数据，通过预设的多维数据增强算法对所述环境数据进行数据增强处理，得到增强环境数据；

S2、利用预设的小波变换算法提取所述增强环境数据中的核心环境特征，根据所述核心环境特征及预设的黄芪栽培环境需求构建栽培环境决策模型；

S3、获取黄芪栽培场景的实时环境数据，利用所述栽培环境决策模型计算所述实时环境数据的栽培环境适应性概率；

S4、根据所述栽培环境适应性概率及预设的环境适应阈值生成环境栽培策略，利用预设的有限元模型根据所述环境栽培策略进行黄芪栽培，得到有限元环境栽培场景；

S5、根据预设的时间窗口提取所述有限元环境栽培场景的栽培环境反馈，根据所述栽培环境反馈对所述环境栽培策略进行环境优化，得到优化环境栽培策略，根据所述优化环境栽培策略确定所述黄芪栽培场景的最佳适应环境，其中所述根据所述栽培环境反馈对所述环境栽培策略进行环境优化，得到优化环境栽培策略，包括：

S51、提取所述栽培环境反馈中的栽培环境因素值；

S52、利用如下环境优化值计算公式根据所述栽培环境因素值计算环境优化值：

其中，Y为所述环境优化值，B

S53、当所述环境优化值大于零时，根据所述环境栽培策略中的栽培环境因素值生成优化环境栽培策略；

S54、当所述环境优化值小于或等于零时，对所述栽培环境因素值进行优化，得到优化栽培环境因素值，根据所述优化栽培环境因素值生成优化环境栽培策略。

可选地，所述通过预设的多维数据增强算法对所述环境数据进行数据增强处理，得到增强环境数据，包括：

通过所述多维数据增强算法中的缺失值处理对所述环境数据进行缺失值处理，得到第一环境数据；

通过所述多维数据增强算法中的异常值处理对所述第一环境数据进行异常值处理，得到第二环境数据；

通过所述多维数据增强算法中的规范化处理对所述第二环境数据进行规范化，得到所述增强环境数据。

可选地，所述利用预设的小波变换算法提取所述增强环境数据中的核心环境特征，包括：

利用所述小波变换算法对所述增强环境数据进行小波分解，得到小波层级分量系数，其中所述小波变换算法为：

其中，c

根据所述小波层级分量系数确定所述增强环境数据的小波变化趋势；

通过预设的小波系数阈值选取所述小波变化趋势对应的增强环境数据作为所述核心环境特征。

可选地，所述根据所述核心环境特征及预设的黄芪栽培环境需求构建栽培环境决策模型，包括：

提取所述黄芪栽培环境需求的黄芪栽培特征；

将所述核心环境特征及所述黄芪栽培特征生成特征训练集及特征测试集；

利用所述特征训练集对预设的决策树模型进行训练，得到标准决策模型；

利用所述特征测试集确定所述标准决策模型的最优模型参数；

根据所述最优模型参数对所述标准决策模型进行模型参数调优，得到所述栽培环境决策模型。

可选地，所述利用所述栽培环境决策模型计算所述实时环境数据的栽培环境适应性概率，包括：

提取所述实时环境数据的实时环境特征；

利用所述栽培环境决策模型生成所述实时环境特征的实时环境决策路径；

通过所述实时环境决策路径中的条件占比计算所述实时环境数据的栽培环境适应性概率，其中所述栽培环境适应性概率为：

其中，P为所述栽培环境适应性概率，A

可选地，所述根据所述栽培环境适应性概率及预设的环境适应阈值生成环境栽培策略，包括：

当所述栽培环境适应性概率大于预设的环境适应阈值时，提取所述栽培环境适应性概率对应的环境因素；

根据所述环境因素对环境条件值进行调节，得到调节环境条件值；

根据所述调节环境条件值生成所述环境栽培策略。

可选地，所述利用预设的有限元模型根据所述环境栽培策略进行黄芪栽培，得到有限元环境栽培场景，包括：

根据预设的环境生长需求确定生长空间；

利用预设的有限元模型根据所述环境栽培策略设定环境栽培参数；

根据所述生长空间及所述环境栽培参数生成所述有限元环境栽培场景。

可选地，所述根据预设的时间窗口提取所述有限元环境栽培场景的栽培环境反馈，包括：

对所述有限元环境栽培场景进行模拟生长，得到模拟环境栽培场景；

根据预设的时间窗口提取所述模拟环境栽培场景的栽培环境数据；

根据所述栽培环境数据生成所述模拟环境栽培场景的栽培环境反馈。

可选地，所述根据所述优化环境栽培策略确定所述黄芪栽培场景的最佳适应环境，包括：

根据所述优化环境栽培策略对环境栽培参数进行优化，得到优化环境栽培参数；

根据所述优化环境栽培参数生成所述黄芪栽培场景的最佳适应环境。

为了解决上述问题，本发明还提供一种基于黄芪栽培场景下的适应环境分析装置，所述装置包括：

数据增强处理模块，用于获取黄芪栽培场景的环境数据，通过预设的多维数据增强算法对所述环境数据进行数据增强处理，得到增强环境数据；

栽培环境决策模型构建模块，用于利用预设的小波变换算法提取所述增强环境数据中的核心环境特征，根据所述核心环境特征及预设的黄芪栽培环境需求构建栽培环境决策模型；

栽培环境适应性概率计算模块，用于获取黄芪栽培场景的实时环境数据，利用所述栽培环境决策模型计算所述实时环境数据的栽培环境适应性概率；

有限元环境栽培场景生成模块，用于根据所述栽培环境适应性概率及预设的环境适应阈值生成环境栽培策略，利用预设的有限元模型根据所述环境栽培策略进行黄芪栽培，得到有限元环境栽培场景；

最佳适应环境确定模块，用于根据预设的时间窗口提取所述有限元环境栽培场景的栽培环境反馈，根据所述栽培环境反馈对所述环境栽培策略进行环境优化，得到优化环境栽培策略，根据所述优化环境栽培策略确定所述黄芪栽培场景的最佳适应环境。

本发明实施例通过对黄芪栽培场景的环境数据进行数据增强处理，得到增强环境数据，有利于提高环境数据的数据质量，为后续数据操作做准备；提取增强环境数据中的核心环境特征，进而根据核心环境特征构建栽培环境决策模型，有利于对实时环境数据的黄芪栽培场景的适应性进行分析；根据实时环境数据的栽培环境适应性概率生成黄芪栽培场景的环境栽培策略，进而根据环境栽培策略进行黄芪栽培模拟，得到环境栽培场景；提取环境栽培场景的栽培环境反馈数据，并根据栽培环境反馈数据对栽培策略进行优化，从而得到黄芪栽培场景的最佳适应环境，有利于提高黄芪的产量和品质。因此本发明提出的基于黄芪栽培场景下的适应环境分析方法及装置，可以解决进行黄芪栽培的适应环境分析时的准确度较低的问题。

附图说明

图1为本发明一实施例提供的基于黄芪栽培场景下的适应环境分析方法的流程示意图；

图2为本发明一实施例提供的数据增强处理的流程示意图；

图3为本发明一实施例提供的计算栽培环境适应性概率的流程示意图；

图4为本发明一实施例提供的基于黄芪栽培场景下的适应环境分析装置的功能模块图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种基于黄芪栽培场景下的适应环境分析方法。所述基于黄芪栽培场景下的适应环境分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于黄芪栽培场景下的适应环境分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

参照图1所示，为本发明一实施例提供的基于黄芪栽培场景下的适应环境分析方法的流程示意图。在本实施例中，所述基于黄芪栽培场景下的适应环境分析方法包括：

S1、获取黄芪栽培场景的环境数据，通过预设的多维数据增强算法对所述环境数据进行数据增强处理，得到增强环境数据。

本发明实施例中，所述环境数据包括温度、湿度、光照、二氧化碳浓度、土壤养分含量等，其中，可通过传感器采集黄芪栽培场景的环境数据并上传到存储区域，则可利用具有数据抓取功能的计算机语句(如Java语句、Python语句等)获取黄芪栽培场景的环境数据。

进一步地，为了得到更为丰富、全面和多样化的环境数据集，需要对环境数据进行数据预处理，为黄芪的环境优化和生产管理提供更多有力支持。

本发明实施例中，所述增强环境数据是指对原始环境数据进行数据预处理，如缺失值处理、去除异常数据、数据标准化处理等，以保证环境数据质量。

本发明实施例中，参照图2所示，所述通过预设的多维数据增强算法对所述环境数据进行数据增强处理，得到增强环境数据，包括：

S21、通过所述多维数据增强算法中的缺失值处理对所述环境数据进行缺失值处理，得到第一环境数据；

S22、通过所述多维数据增强算法中的异常值处理对所述第一环境数据进行异常值处理，得到第二环境数据；

S23、通过所述多维数据增强算法中的规范化处理对所述第二环境数据进行规范化，得到所述增强环境数据。

详细地，所述多维数据增强算法中包括数据缺失值处理、数据异常值处理及数据标准化处理，则缺失值处理是指当数据集中存在某些数值缺失时，需要采取适当的处理方法，如删除缺失值、替换缺失值或使用插值法补全缺失值等，从而得到完整的第一环境数据，进而对第一环境数据中的异常数据进行处理，如标准差法将第一环境数据中存在的一些明显不符合真实数据分布的环境数据，得到第二环境数据，并通过归一化数据处理将第二环境数据进行规范化，使数据格式统一、数据单位一致，从而提高环境数据质量。

进一步地，为了对黄芪栽培的环境进行分析，需要提取黄芪栽培环境的主要环境特征，因此，需要提取增强环境数据中的核心环境特征。

S2、利用预设的小波变换算法提取所述增强环境数据中的核心环境特征，根据所述核心环境特征及预设的黄芪栽培环境需求构建栽培环境决策模型。

本发明实施例中，所述核心环境特征是能体现黄芪栽培环境中的短期变化和周期性变化等核心特征，如温度、湿度、光照、水分等。

本发明实施例中，所述利用预设的小波变换算法提取所述增强环境数据中的核心环境特征，包括：

利用所述小波变换算法对所述增强环境数据进行小波分解，得到小波层级分量系数，其中所述小波变换算法为：

其中，c

根据所述小波层级分量系数确定所述增强环境数据的小波变化趋势；

通过预设的小波系数阈值选取所述小波变化趋势对应的增强环境数据作为所述核心环境特征。

详细地，将增强环境数据进行小波分解，得到各层小波分量系数，具有不同尺度上的环境特征信息，其中小波变换算法中是将信号分解成多个尺度和频率的分量，其中包含了信号在不同时域和频率域的信息，在小波分解中，分解层级j和位移参数k取值决定了小波系数抽样率和频带覆盖的范围，小波分解得到的系数c

具体地，通过选择特定的小波系数，可以提取出感兴趣的环境特征，则通过检查各个小波系数的变化趋势，来发现环境特征的周期性和短期变化模式，因此，根据小波层级分量系数形成小波变化趋势，即将小波层级分量系数生成曲线图，以直观地观察小波变化趋势，并在小波变化曲线图中设定小波系数阈值，可以选取在小波系数阈值上方的小波层级分量系数对应的增强环境数据作为核心环境特征。

进一步地，提取环境特征信号中的周期性和短期变化等核心特征。通过这些核心特征，可以更精确地了解环境变化的趋势和周期性，以此构建栽培环境决策模型，并可以优化栽培环境决策模型的性能。

本发明实施例中，所述栽培环境决策模型是指可以根据实时采集黄芪环境特征数据，得到适合于黄芪生长的最佳的环境设置，有利于对黄芪栽培的环境进行自动化控制和优化，提高黄芪的生长质量和产量。

本发明实施例中，所述根据所述核心环境特征及预设的黄芪栽培环境需求构建栽培环境决策模型，包括：

提取所述黄芪栽培环境需求的黄芪栽培特征；

将所述核心环境特征及所述黄芪栽培特征生成特征训练集及特征测试集；

利用所述特征训练集对预设的决策树模型进行训练，得到标准决策模型；

利用所述特征测试集确定所述标准决策模型的最优模型参数；

根据所述最优模型参数对所述标准决策模型进行模型参数调优，得到所述栽培环境决策模型。

详细地，所述黄芪栽培特征是指在进行黄芪栽培的过程中所需要的最佳黄芪栽培环境需求，如黄芪生长的适宜温度为15-25摄氏度之间，适宜的相对湿度为60-80％，适度光照能促进其生长和开花，需要充足的养分，因此，提取所述黄芪栽培环境需求的黄芪栽培特征包括适宜温度、适宜湿度、适宜光照、适宜二氧化碳浓度以及养分充足等特征。

具体地，将所述核心环境特征及黄芪栽培特征作为数据集，并将数据集划分为特征训练集及特征测试集，通过特征训练集对预设的决策树模型进行训练，以得到标准决策模型，其中可通过预设的信息增益算法计算特征训练集中每个特征节点的信息增益，并选取信息增益最大的特征节点作为根节点，以此迭代将每个特征节点逐一添加至根节点分裂出的左节点及右节点，从而得到标准决策模型，并利用特征测试集检测标准决策模型的性能，通过损失函数不断优化标准决策模型的模型参数，通过模型参数优化标准决策模型，以提高模型的精度和泛化能力，从而得到栽培环境决策模型。

进一步地，对实时获取的黄芪栽培环境进行分析，可以运用栽培环境决策模型对实时黄芪栽培环境的适应性进行分析，以提高黄芪生长质量和产量。

S3、获取黄芪栽培场景的实时环境数据，利用所述栽培环境决策模型计算所述实时环境数据的栽培环境适应性概率。

本发明实施例中，所述实时环境数据是指在进行黄芪栽培时对黄芪栽培场景的环境数据，包括当前黄芪栽培场景的温度、湿度、光照、二氧化碳浓度及土壤养分。其中，可通过传感器采集黄芪栽培场景的实时环境数据并上传到存储区域，则可利用具有数据抓取功能的计算机语句(如Java语句、Python语句等)获取黄芪栽培场景的实时环境数据。

进一步地，需要利用栽培环境决策模型对实时环境的适应性进行分析，以分析当前的黄芪栽培场景的环境适应性概率。

本发明实施例中，所述环境适应性概率是指对黄芪栽培的实时环境数据的适应性进行分析，所得到的适应性概率。

本发明实施例中，参照图3所示，所述利用所述栽培环境决策模型计算所述实时环境数据的栽培环境适应性概率，包括：

S31、提取所述实时环境数据的实时环境特征；

S32、利用所述栽培环境决策模型生成所述实时环境特征的实时环境决策路径；

S33、通过所述实时环境决策路径中的条件占比计算所述实时环境数据的栽培环境适应性概率，其中所述栽培环境适应性概率为：

其中，P为所述栽培环境适应性概率，A

详细地，所述实时环境特征包括实时环境数据中的温度、湿度、光照、二氧化碳浓度及土壤养分，其中，可通过预设的小波变换算法提取实时环境数据的实时环境特征。将所述实时环境特征输入至所述栽培环境决策模型中，即将实时环境特征与栽培环境决策模型中每个特征节点的阈值范围进行对比，可得到实时环境特征对应的实时环境决策路径，如温度25度，湿度66％，光照值60勒克斯，可得到相比之后的实时环境决策路径。

具体地，栽培环境决策模型中每个特征节点都具有条件占比值，将实时环境决策路径中的每个特征节点的条件占比进行加权求和，可得到实时环境数据的栽培适应性概率，即在栽培环境决策模型中从根节点开始逐层判断和分类，最终得到对于黄芪生长最佳的栽培环境适应性概率。

进一步地，根据黄芪栽培环境适应性概率，可以设置一个环境适应阈值作为决策依据，生成相应的黄芪栽培策略，为黄芪的栽培提供科学和快速的决策支持，提高生产效率和品质。

S4、根据所述栽培环境适应性概率及预设的环境适应阈值生成环境栽培策略，利用预设的有限元模型根据所述环境栽培策略进行黄芪栽培，得到有限元环境栽培场景。

本发明实施例中，所述环境栽培策略是指在黄芪生长适宜的栽培环境中，根据环境因素，如湿度、温度、光照等进行相应的管理，如调节湿度、温度等，适时施肥和浇水，提供合适的光照条件等，同时，在不适宜的栽培环境中，可以采取相应的措施，比如，调整光照和温度等，或者更改种植位置，使用配套的技术手段提高环境条件。

本发明实施例中，所述根据所述栽培环境适应性概率及预设的环境适应阈值生成环境栽培策略，包括：

当所述栽培环境适应性概率大于预设的环境适应阈值时，提取所述栽培环境适应性概率对应的环境因素；

根据所述环境因素对环境条件值进行调节，得到调节环境条件值；

根据所述调节环境条件值生成所述环境栽培策略。

详细地，当栽培环境适应性概率大于预设的环境适应阈值时，表示黄芪种植环境与预期的生长条件足够匹配，进而提取此时栽培环境适应性概率对应的环境因素，其中所述环境因素包括温度、湿度、光照、肥料等，从而根据环境因素对当前的环境条件值进行调节，将当前的环境条件值调节至最佳的环境条件值，从而根据最佳调节环境条件值中的温度、湿度、光照、肥料等生成环境栽培策略。

进一步地，为了可以更真实地模拟黄芪的生长过程，为生产提供和管理提供更科学的依据，因此，利用有限元模型模拟实际的黄芪环境栽培场景。

本发明实施例中，所述有限元环境栽培场景是指利用有限元计算方法对栽培环境进行模拟和优化的一种技术手段。在环境栽培领域中，有限元模拟技术被广泛应用于光、温、湿度等栽培环境参数的研究和优化，以实现作物生长环境的精确控制和优化管理。

本发明实施例中，所述利用预设的有限元模型根据所述环境栽培策略进行黄芪栽培，得到有限元环境栽培场景，包括：

根据预设的环境生长需求确定生长空间；

利用预设的有限元模型根据所述环境栽培策略设定环境栽培参数；

根据所述生长空间及所述环境栽培参数生成所述有限元环境栽培场景。

详细地，所述生长空间是指需要将栽培环境进行建模，即根据环境生长需求将栽培环境分为多个小区域，并且对不同区域的温度、湿度、光照等参数进行测量和记录。并将这些小区域根据物理特性、材质和位置关系等因素进行分类，将整个栽培环境抽象成一个包含多个区域和多个参数的物理生长空间。

具体地，通过有限元模型计算方法对建立好的物理生长空间进行模拟，以求解该物理生长空间在不同环境参数下的分布规律和变化趋势。比如，可以对环境温度参数进行模拟，预测不同温度条件下作物的生长状态和发展趋势；对光照参数进行模拟，分析不同光照条件下作物的光合作用效率和生长速度等。通过模拟结果，可以优化环境参数和管理策略，提高环境控制精度和作物质量。

进一步地，可以在一段时间内采集黄芪生长情况和环境适应性，进而对黄芪生长过程中环境进行优化，得到最优适应性环境。

S5、根据预设的时间窗口提取所述有限元环境栽培场景的栽培环境反馈，根据所述栽培环境反馈对所述环境栽培策略进行环境优化，得到优化环境栽培策略，根据所述优化环境栽培策略确定所述黄芪栽培场景的最佳适应环境。

本发明实施例中，所述栽培环境反馈是指通过对栽培环境数据的分析，可以得到有关黄芪生长状况和环境适应性的反馈信息，比如，黄芪的生长速度、养分吸收情况、生物量积累变化、品质变化等。这些信息可以用于对栽培环境进行更细致的调整和优化。

本发明实施例中，所述根据预设的时间窗口提取所述有限元环境栽培场景的栽培环境反馈，包括：

对所述有限元环境栽培场景进行模拟生长，得到模拟环境栽培场景；

根据预设的时间窗口提取所述模拟环境栽培场景的栽培环境数据；

根据所述栽培环境数据生成所述模拟环境栽培场景的栽培环境反馈。

详细地，利用有限元环境栽培场景进行模拟生长，可得到模拟生长之后的模拟环境栽培场景，进而根据设置的时间窗口，如一个月、一个季度、一年等，可以反映模拟环境栽培场景中在这段时间内的黄芪生长情况和环境适应性，包括温度、湿度、光照、CO2浓度等，这些数据可以反映出黄芪的生长环境和相应的环境变化情况，从而得到模拟环境栽培场景的栽培环境反馈。

进一步地，根据栽培环境反馈可以采取相应的措施，从而可以在黄芪生产和管理过程中及时获取环境反馈信息，对栽培环境进行优化调整，从而提高黄芪的生产效率和品质。

本发明实施例中，所述优化环境栽培策略是指对原先环境栽培策略进行优化，即对原先环境栽培策略中的温度、湿度、光照、CO2浓度等进行调节，从而得到优化环境栽培策略。

本发明实施例中，所述根据所述栽培环境反馈对所述环境栽培策略进行环境优化，得到优化环境栽培策略，包括：

提取所述栽培环境反馈中的栽培环境因素值；

利用如下环境优化值计算公式根据所述栽培环境因素值计算环境优化值：

其中，Y为所述环境优化值，B

当所述环境优化值大于零时，根据所述环境栽培策略中的栽培环境因素值生成优化环境栽培策略；

当所述环境优化值小于或等于零时，对所述栽培环境因素值进行优化，得到优化栽培环境因素值，根据所述优化栽培环境因素值生成优化环境栽培策略。

详细地，所述栽培环境因素值是指栽培环境反馈中的温度、湿度、光照、CO2浓度，养分等，根据环境优化值计算公式中针对栽培环境反馈中的栽培环境因子的栽培环境因素值得到栽培环境反馈对应的环境优化值，为了对栽培环境因素值进行调节，则需要不断调节环境因素调节值，则环境因素调节值可以为正、可以为负也可以为零，即可根据当时环境因素值进行自定义调节。

具体地，将栽培环境反馈对应的环境优化值与进行调节之后的环境优化值进行对比，当环境优化值大于零时，表示栽培环境反馈对应的环境优化值比调节之后的环境优化值大，则将环境栽培策略中的栽培环境因素值保持不变，即将此时的环境栽培环境策略作为优化环境栽培策略；而当环境优化值小于或等于零时，表示栽培环境反馈对应的环境优化值比调节之后的环境优化值小，则根据环境因素调节值对环境栽培策略中的栽培环境因素值进行优化，可得到优化栽培环境因素值，进而根据优化栽培环境因素值生成优化环境栽培策略，从而确保黄芪的生长环境稳定和适宜。

进一步地，将优化栽培策略应用于黄芪生产实践中，并对栽培环境进行持续监测和调整。在调整过程中，充分利用环境反馈数据，实时进行环境控制和调整，确保黄芪的生长环境稳定和适宜。

本发明实施例中，所述根据所述优化环境栽培策略确定所述黄芪栽培场景的最佳适应环境，包括：

根据所述优化环境栽培策略对环境栽培参数进行优化，得到优化环境栽培参数；

根据所述优化环境栽培参数生成所述黄芪栽培场景的最佳适应环境。

详细地，根据所述优化环境栽培策略中的温度、湿度、光照、CO2浓度，养分等对当前环境栽培参数中的温度、湿度、光照、CO2浓度，养分等进行参数优化，从而得到优化环境栽培参数，并根据优化环境栽培参数确定黄芪栽培场景的最佳适应环境。

进一步地，黄芪栽培场景的最佳适应环境为：温度15-25摄氏度、相对湿度60-80％、光照强度500微摩尔每平方米每秒以上、二氧化碳浓度一千至一千五百ppm，并根据作物生长周期控制日照时间等。同时还需要注意营养液的配制和肥料的施用，以满足黄芪的营养需求，以提高黄芪的产量和药材品质。

本发明实施例通过对黄芪栽培场景的环境数据进行数据增强处理，得到增强环境数据，有利于提高环境数据的数据质量，为后续数据操作做准备；提取增强环境数据中的核心环境特征，进而根据核心环境特征构建栽培环境决策模型，有利于对实时环境数据的黄芪栽培场景的适应性进行分析；根据实时环境数据的栽培环境适应性概率生成黄芪栽培场景的环境栽培策略，进而根据环境栽培策略进行黄芪栽培模拟，得到环境栽培场景；提取环境栽培场景的栽培环境反馈数据，并根据栽培环境反馈数据对栽培策略进行优化，从而得到黄芪栽培场景的最佳适应环境，有利于提高黄芪的产量和品质。因此本发明提出的基于黄芪栽培场景下的适应环境分析方法及装置，可以解决进行黄芪栽培的适应环境分析时的准确度较低的问题。

如图4所示，是本发明一实施例提供的基于黄芪栽培场景下的适应环境分析装置的功能模块图。

本发明所述基于黄芪栽培场景下的适应环境分析装置100可以安装于电子设备中。根据实现的功能，所述基于黄芪栽培场景下的适应环境分析装置100可以包括数据增强处理模块101、栽培环境决策模型构建模块102、栽培环境适应性概率计算模块103、有限元环境栽培场景生成模块104及最佳适应环境确定模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述数据增强处理模块101，用于获取黄芪栽培场景的环境数据，通过预设的多维数据增强算法对所述环境数据进行数据增强处理，得到增强环境数据；

所述栽培环境决策模型构建模块102，用于利用预设的小波变换算法提取所述增强环境数据中的核心环境特征，根据所述核心环境特征及预设的黄芪栽培环境需求构建栽培环境决策模型；

所述栽培环境适应性概率计算模块103，用于获取黄芪栽培场景的实时环境数据，利用所述栽培环境决策模型计算所述实时环境数据的栽培环境适应性概率；

所述有限元环境栽培场景生成模块104，用于根据所述栽培环境适应性概率及预设的环境适应阈值生成环境栽培策略，利用预设的有限元模型根据所述环境栽培策略进行黄芪栽培，得到有限元环境栽培场景；

所述最佳适应环境确定模块105，用于根据预设的时间窗口提取所述有限元环境栽培场景的栽培环境反馈，根据所述栽培环境反馈对所述环境栽培策略进行环境优化，得到优化环境栽培策略，根据所述优化环境栽培策略确定所述黄芪栽培场景的最佳适应环境。

详细地，本发明实施例中所述基于黄芪栽培场景下的适应环境分析装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于黄芪栽培场景下的适应环境分析方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统实施例中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。