一种基于人工鱼群的作物管理决策方法及系统

技术领域

本发明涉及农业管理技术领域，具体为一种基于人工鱼群的作物管理决策方法及系统。

背景技术

随着人口的增长和城市化的加剧，中国对农产品需求的数量和质量持续增加，但是农业作为不可再生资源却在不断减少。为了提高作物种植产量，现有种植技术中，对于作物进行生长管理主要依靠人工经验，存在人工成本高，管理效果低的问题，采用物联网对于作物进行管理主要进行生长检测，以达到预警效果，无法给出作物生长具体操作建议。

如何通过现代化手段并结合物联网技术推进我国传统农业向现代农业迈进，合理利用农业生产资源，由人工走向智能，实现对农业的科学管理与精细耕种，最有效方法是使用机器学习算法生产作物生长决策，对于作物生长进行科学管理和批量生产。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述存在的问题，提出了本发明。

本发明实施例的第一方面，提供一种基于人工鱼群的作物管理决策方法，包括：利用传感器获取作物生长状况数据，并对所述作物生长状况数据进行预处理，剔除异常数据；对所述预处理后的作物生长状况数据进行生长参数搜索范围的限制，在限制范围内采用随机森林算法对作物产值进行预测；利用人工鱼群算法进行参数寻优并输出生长参数最佳值，根据所述生长参数最佳值生成作物生长环境参数最佳决策，实现作物高产值的科学管理。

作为本发明所述的基于人工鱼群的作物管理决策方法的一种优选方案，其中：所述传感器包括温度传感器、湿度传感器、光照传感器以及二氧化碳浓度传感器。

作为本发明所述的基于人工鱼群的作物管理决策方法的一种优选方案，其中：所述进行生长参数搜索范围的限制包括，

选取所述预处理后的作物生长状况数据，以当下时刻传感器获取的各项数据为基准，将所述各项数据的平均值的20％为基准浮动范围作为生长参数搜索范围的限制。

作为本发明所述的基于人工鱼群的作物管理决策方法的一种优选方案，其中：所述参数寻优的过程包括，

定义随机森林模型涉及m个环境参数变量、i株作物，将大量该植物不同生长周期所对应包括m个环境参数变量和虫害变化情况n

基于MATLAB构建人工鱼群寻优模型，所述人工鱼群寻优模型的目标函数为寻求经济效益最大值；

所述人工鱼群寻优模型的目标函数和约束条件的计算包括，

其中，Z表示人工鱼群寻优模型的目标函数，P表示作物市场经济价格，Q表示区域内总产量，F(N)表示不同虫子数量的敏感度函数，C

作为本发明所述的基于人工鱼群的作物管理决策方法的一种优选方案，其中：还包括，

由于实际测量数据与预测后虫群数量之差为所述人工鱼群寻优模型执行之后的虫害差值，引入可人为设置的敏感度系数L调整算法敏感程度以适应不同状态下的监管策略，公式表示为：

F(N)＝(n-N)*L％

其中，N表示预测虫群数量。

作为本发明所述的基于人工鱼群的作物管理决策方法的一种优选方案，其中：所述利用人工鱼群算法进行参数寻优包括，

设定一个n维空间，存在N条人工鱼，所述人工鱼的个体状态为Q＝(q

根据上述参数执行鱼群的寻优行为，在当前状态下的一定范围内寻找经济效益Z较大值，若存在某一状态Q

否则保持原状态不变，在设定的视野范围内搜索状态Q

所述随机行为的公式表示为：

Q

作为本发明所述的基于人工鱼群的作物管理决策方法的一种优选方案，其中：还包括，

定义人工鱼群寻优模型中的聚群行为是一种在不拥挤情况下向邻近人工鱼移动的集体觅食行为，即在视野范围内搜寻邻近人工鱼的数量n

其中，Y

否则进行觅食行为；

追尾行为是一种追随周围邻近人工鱼最优位置的行为，即当邻近人工鱼的经济效益Z值大于当前位置的经济效益Z值时，则向邻近人工鱼移动，表示为：

其中，Y

否则进行觅食行为。

本发明实施例的第二方面，提供一种基于人工鱼群的作物管理决策系统，包括：

数据采集处理模块，用于利用传感器获取作物生长状况数据，并对所述作物生长状况数据进行预处理，剔除异常数据；

参数限制模块，用于对所述预处理后的作物生长状况数据进行生长参数搜索范围的限制，在限制范围内采用随机森林算法对作物产值进行预测；

预测寻优模块，用于利用人工鱼群算法进行参数寻优并输出生长参数最佳值，根据所述生长参数最佳值生成作物生长环境参数最佳决策，实现作物高产值的科学管理。

本发明实施例的第三方面，提供一种设备，所述设备包括，

处理器；

用于存储处理器可执行指令的存储器；

所述处理器被配置为调用所述存储器存储的指令，以执行本发明任一实施例所述的方法。

本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，包括：

所述计算机程序指令被处理器执行时实现如本发明任一实施例所述的方法。

本发明的有益效果：本发明提供的一种基于人工鱼群的作物管理决策方法及系统，通过机器学习技术应用在作物虫害管理中，通过监控作物生长环境以及虫害变化数据，通过Lora无线传输技术上传至数据库作为随机森林算法训练数据集，设定以经济效益最大为寻优目标，并且使用人工鱼群算法进行作物生长参数寻优，实现为作物虫害管理决策提出具体管理建议；本发明通过无线传输技术反复迭代数据库提高随机森林算法预测准确性，以经济价值最优为查找目标实现作物管理的经济效益最大化。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明提供的一种基于人工鱼群的作物管理决策方法及系统的整体流程图；

图2为本发明提供的一种基于人工鱼群的作物管理决策方法及系统的实验组和对照组五个周期内的虫害情况对比示意图；

图3为本发明提供的一种基于人工鱼群的作物管理决策方法及系统的虫群数量变化图；

图4为本发明提供的一种基于人工鱼群的作物管理决策方法及系统的能耗对比图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

参照图1为本发明的一个实施例，提供了一种基于人工鱼群的作物管理决策方法，包括：

S1：利用传感器获取作物生长状况数据，并对作物生长状况数据进行预处理，剔除异常数据。需要说明的是：

传感器包括温度传感器、湿度传感器、光照传感器以及二氧化碳浓度传感器。

S2：对预处理后的作物生长状况数据进行生长参数搜索范围的限制，在限制范围内采用随机森林算法对作物产值进行预测。需要说明的是：

选取预处理后的作物生长状况数据，以当下时刻传感器获取的各项数据为基准，将各项数据的平均值的20％为基准浮动范围作为生长参数搜索范围的限制；

进一步的，在限制范围内采用随机森林算法对作物产值进行预测中预测功能输入参数为：一个周期内的作物生长参数，输出参数为作物在该周期内净重增加量，并且预测模型选取随机森林模型。

S3：利用人工鱼群算法进行参数寻优并输出生长参数最佳值，根据生长参数最佳值生成作物生长环境参数最佳决策，实现作物高产值的科学管理。

需要说明的是：

参数寻优的过程包括定义随机森林模型涉及m个环境参数变量、i株作物，将大量该植物不同生长周期所对应包括m个环境参数变量和虫害变化情况n

基于MATLAB构建人工鱼群寻优模型，人工鱼群寻优模型的目标函数为寻求经济效益最大值；

具体的，人工鱼群寻优模型的目标函数和约束条件的计算包括，

其中，Z表示人工鱼群寻优模型的目标函数，P表示作物市场经济价格，Q表示区域内总产量，F(N)表示不同虫子数量的敏感度函数，C

应说明的，由于实际测量数据与预测后虫群数量之差为人工鱼群寻优模型执行之后的虫害差值，引入可人为设置的敏感度系数L调整算法敏感程度以适应不同状态下的监管策略，公式表示为：

F(N)＝(n-N)*L％

其中，N表示预测虫群数量；

进一步的，利用人工鱼群算法进行参数寻优包括，

设定一个n维空间，存在N条人工鱼，人工鱼的个体状态为Q＝(q

根据上述参数执行鱼群的寻优行为，在当前状态下的一定范围内寻找经济效益Z较大值，若存在某一状态Q

否则保持原状态不变，在设定的视野范围内搜索状态Q

应说明的，随机行为的公式表示为：

Q

再进一步的，定义人工鱼群寻优模型中的聚群行为是一种在不拥挤情况下向邻近人工鱼移动的集体觅食行为，即在视野范围内搜寻邻近人工鱼的数量n

其中，Y

否则进行觅食行为；

更进一步的，追尾行为是一种追随周围邻近人工鱼最优位置的行为，即当邻近人工鱼的经济效益Z值大于当前位置的经济效益Z值时，则向邻近人工鱼移动，表示为：

其中，Y

否则进行觅食行为；

应说明的，觅食、追尾、聚群以及随即行为组成了人工鱼群完整的植物生长参数寻优算法以达到经济效益最优目标。

应说明的，本发明提供的一种基于人工鱼群的作物管理决策方法及系统，通过机器学习技术应用在作物虫害管理中，通过监控作物生长环境以及虫害变化数据，通过Lora无线传输技术上传至数据库作为随机森林算法训练数据集，设定以经济效益最大为寻优目标，并且使用人工鱼群算法进行作物生长参数寻优，实现为作物虫害管理决策提出具体管理建议；本发明通过无线传输技术反复迭代数据库提高随机森林算法预测准确性，以经济价值最优为查找目标实现作物管理的经济效益最大化。

本发明公开的第二方面，

提供一种基于人工鱼群的作物管理决策系统，包括：

数据采集处理模块，用于利用传感器获取作物生长状况数据，并对作物生长状况数据进行预处理，剔除异常数据；

参数限制模块，用于对预处理后的作物生长状况数据进行生长参数搜索范围的限制，在限制范围内采用随机森林算法对作物产值进行预测；

预测寻优模块，用于利用人工鱼群算法进行参数寻优并输出生长参数最佳值，根据生长参数最佳值生成作物生长环境参数最佳决策，实现作物高产值的科学管理。

本发明公开的第三方面，

提供一种设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为调用存储器存储的指令，以执行前述中任意一项的方法。

本发明公开的第四方面，

提供一种计算机可读存储介质，其上存储有计算机程序指令，包括：

计算机程序指令被处理器执行时实现前述中任意一项的方法。

本发明可以是方法、装置、系统和/或计算机程序产品，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

实施例2

参照图2～4为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种基于人工鱼群的作物管理决策方法及系统的验证测试，为对本方法中和传统系统采用的方法达到的技术效果加以对比说明，具体比较内容如表1所示。

表1：本方法中和传统系统采用的方法的对比。

参照图2为对比实验组和对照组五个周期内的虫害情况示意图，实验组采用本发明所提出方法管理，对照组放置在自然环境中培养，从图中可以看出采用本发明所提出方法管理虫害情况明显降低。

进一步的，通过对比实验，其中两个花盆为一组，共计三组分别放至培育箱内，取被害蚜虫枝置于试验健康辣椒植株上进行自然接种，人为创造出受蚜虫侵害的辣椒生长环境；不同虫害监管方式设置3组对照，1组在适宜辣椒生长的环境中培育不进行干预，2组采用传统人工进行监管由人工经验判断辣椒环境干预策略，3组采用本发明提出的数字孪生监管策略进行6个周期的虫害管理，每个周期都进行策略生成并且将最新数据上传至云端进行储存用以反馈修正机器学习算法误差，其耗能以及虫害情况如图3～4所示，从图3和图4中可以看出我方发明在作物虫害管理以及控制能耗方面有极大的优势。

因此，本发明通过无线传输技术反复迭代数据库提高随机森林算法预测准确性，以经济价值最优为查找目标实现作物管理的经济效益最大化。

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者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。