开云优惠体育网页版入口

专利名称：黄芪栽种控制方法和系统

专利类型：发明专利

专利申请号：CN202410951258.3

专利申请（专利权）人：甘肃农业大学
权利人地址：甘肃省兰州市安宁区营门村1号

专利发明（设计）人：李辉,刘鹏霞

专利摘要：本发明提供一种黄芪栽种控制方法和系统，涉及栽种控制技术领域。所述方法包括：在第i个控制周期，按照第i?1个控制周期的栽种环境参数模型确定的栽种环境参数设置黄芪的栽种环境；抽样获得样本黄芪，获取所述样本黄芪在第i个控制周期的多个时刻的黄芪苗高、主根长度和侧根数量；确定黄芪生长状况向量；判断第i?1个控制周期的栽种环境参数模型是否需要训练；根据第i个控制周期以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数；根据损失函数，获得第i个控制周期的栽种环境参数模型；确定第i+1个控制周期的栽种环境参数。根据本发明，可对黄芪栽种环境参数进行精确控制。

主权利要求：
1.一种黄芪栽种控制方法，其特征在于，包括：在第i个控制周期，按照第i?1个控制周期的栽种环境参数模型确定的栽种环境参数设置黄芪的栽种环境，i为大于等于1的正整数，在i=1的情况下，黄芪的栽种环境按照预设栽种环境参数进行设置；在全部黄芪中进行抽样，获得样本黄芪，获取所述样本黄芪在第i个控制周期的多个时刻的黄芪苗高、主根长度和侧根数量；根据所述黄芪苗高、所述主根长度和所述侧根数量，确定黄芪生长状况向量；根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，判断第i?1个控制周期的栽种环境参数模型是否需要训练；在第i?1个控制周期的栽种环境参数模型需要训练的情况下，根据第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数；根据所述第i?1个控制周期的栽种环境参数模型的损失函数，训练第i?1个控制周期的栽种环境参数模型，获得第i个控制周期的栽种环境参数模型；通过所述第i个控制周期的栽种环境参数模型，确定第i+1个控制周期的栽种环境参数；
根据所述黄芪苗高、所述主根长度和所述侧根数量，确定黄芪生长状况向量，包括：对所述黄芪苗高和第i个控制周期中的时刻进行拟合，获得第i个控制周期中的黄芪苗高的黄芪苗高函数；根据所述黄芪苗高函数，获得黄芪苗高导函数；根据所述黄芪苗高导函数，确定第i个控制周期中多个时刻的苗高变化率；根据所述黄芪苗高和所述苗高变化率，确定黄芪苗高状况参数；根据所述主根长度和所述侧根数量，确定黄芪根部状况参数；根据所述黄芪苗高状况参数和所述黄芪根部状况参数，确定黄芪生长状况向量；
根据所述黄芪苗高和所述苗高变化率，确定黄芪苗高状况参数，包括：根据公式，确定第i
个控制周期的第s株样本黄芪的黄芪苗高状况参数 ，其中， 为第s株样本黄芪在第i个控制周期的结束时刻的苗高， 为预设黄芪苗高， 为第s株样本黄芪在第i个控制周期的第k个时刻的苗高变化率，K为控制周期的时刻数量，k≤K，且k和K均为正整数；
根据所述主根长度和所述侧根数量，确定黄芪根部状况参数，包括：根据所述第i个控制周期的结束时刻的样本黄芪的主根长度和侧根数量，确定第i个控制周期的黄芪根部向量；根据预设主根长度和预设侧根数量，确定标准黄芪根部向量；根据公式，确定第i个控制周期的第s株样本黄芪的黄芪根部状况参数，其中， 为第s株样本黄芪在第i个控制周期的结束时刻的主根长度， 为第s株样本黄芪在第i个控制周期的结束时刻的侧根数量， 为预设主根长度， 为预设侧根数量， 为第i个控制周期的第s株样本黄芪的黄芪根部向量， 为标准黄芪根部向量。
2.根据权利要求1所述的黄芪栽种控制方法，其特征在于，根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，判断第i?1个控制周期的栽 种环境参数模型是否 需要训练，包括：根据公 式，获得黄芪苗高条件A、黄芪根部条件B和均衡生长条件C，其中， 和 为预设权重， 为第s株样本黄芪在第i个控制周期的黄芪苗高状况参数， 为第s株样本黄芪在第i?1个控制周期的黄芪苗高状况参数， 为第s株样本黄芪在第i个控制周期的黄芪根部状况参数， 为第s株样本黄芪在第i?1个控制周期的黄芪根部状况参数， 为第i个控制周期多株样本黄芪的黄芪苗高状况参数的最大值， 为第i个控制周期多株样本黄芪的黄芪苗高状况参数的最小值， 为第i个控制周期多株样本黄芪的黄芪根部状况参数的最大值， 第i个控制周期多株样本黄芪的黄芪根部状况参数的最小值， 为预设均衡生长状况，S为样本黄芪的数量，s≤S，且s和S均为正整数；在所述黄芪苗高条件A、黄芪根部条件B和均衡生长条件C中的至少一个被满足的情况下，判断第i?1个时刻的栽种环境参数模型需要训练。
3.根据权利要求2所述的黄芪栽种控制方法，其特征在于，在第i?1个控制周期的栽种环境参数模型需要训练的情况下，根据第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数，包括：在所述黄芪苗高条件A、黄芪根部条件B和均衡生长条件C中，确定所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量所满足的条件；根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量所满足的条件，以及第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数。
4.根据权利要求3所述的黄芪栽种控制方法，其特征在于，根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量所满足的条件，以及第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数，包括：根据公式 ，确定第i?
1个控制周期的栽种环境参数模型的损失函数 ，其中， 和 为预设参数，且 ， 为第i?1个控制周期样本黄芪的黄芪苗高状况参数的最大值，
为第i?1个控制周期样本黄芪的黄芪苗高状况参数的最小值， 为第
i?1个控制周期样本黄芪的黄芪根部状况参数的最大值， 为第i?1个控制周期样本黄芪的黄芪根部状况参数的最小值， 为黄芪苗高状况参数阈值， 为黄芪根部状况参数阈值， 、 和 为预设权重，if为条件函数。
5.一种用于实现权利要求1所述的黄芪栽种控制方法的黄芪栽种控制系统，其特征在于，包括：栽种环境参数模块，用于在第i个控制周期，按照第i?1个控制周期的栽种环境参数模型确定的栽种环境参数设置黄芪的栽种环境，i为大于等于1的正整数，在i=1的情况下，黄芪的栽种环境按照预设栽种环境参数进行设置；样本黄芪模块，用于在全部黄芪中进行抽样，获得样本黄芪，获取所述样本黄芪在第i个控制周期的多个时刻的黄芪苗高、主根长度和侧根数量；黄芪生长状况向量模块，用于根据所述黄芪苗高、所述主根长度和所述侧根数量，确定黄芪生长状况向量；判断模块，用于根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，判断第i?1个控制周期的栽种环境参数模型是否需要训练；损失函数模块，用于在第i?1个控制周期的栽种环境参数模型需要训练的情况下，根据第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数；训练模块，用于根据所述第i?1个控制周期的栽种环境参数模型的损失函数，训练第i?1个控制周期的栽种环境参数模型，获得第i个控制周期的栽种环境参数模型；确定模块，用于通过所述第i个控制周期的栽种环境参数模型，确定第i+1个控制周期的栽种环境参数。 说明书 : 黄芪栽种控制方法和系统技术领域[0001] 本发明涉及栽种控制技术领域，尤其涉及一种黄芪栽种控制方法和系统。背景技术[0002] 在相关技术中，CN115316212A公开了一种高甲苷含量黄芪种植方法，包括以下步骤：S1.黄芪正常种植直到苗高10厘米；S2.进行干旱胁迫；S3.浇水追肥黄芪8月根部开始快速生长，这时开始浇水追肥，提供黄芪生长的充足营养，共浇水追肥4次；S4.第二年春天黄芪发芽前起收，通过寒冷胁迫提高黄芪中甲苷的含量。此方案中通过苗期控水、中期控制水肥，并推迟起收时间；通过模拟自然环境下生长的黄芪，从而达到提高黄芪甲苷含量，以达到接近野生黄芪中黄芪甲苷含量的作用。[0003] CN111602568A涉及一种高寒地区黄芪栽植方法，属于中药材种植方法技术领域。为解决高寒地区现有人工种植黄芪技术存在的秋播返青率低、新苗生长缓慢的问题，此发明提供了一种高寒地区黄芪栽植方法，包括土壤深翻过程中使用复混肥作为基肥、秋季地表夜间温度至少连续3天为?4℃±1℃时人工挖掘黄芪种苗、采用拐子苗方式以一定角度倾斜将黄芪种苗放置在沟内以及待黄芪返青后，于苗高10～12cm时和快速生长期喷施腐殖酸叶面肥。此方案严格控制黄芪种苗的挖掘、处理及移栽时间，保证黄芪种苗的品质和营养成分，提高翌春黄芪的返青率，实现了黄芪的高返青率，保证了幼苗的成活率和生长速度，提高了黄芪的产量和质量。[0004] 因此，相关技术中，可优化黄芪的种植条件，提升黄芪的产量和药效，然而，相关技术并未考虑黄芪在不同生长状况对栽种环境需求不同的问题，即，无法根据黄芪的实时生长状况，对黄芪栽种环境参数进行精确控制。[0005] 公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。发明内容[0006] 本发明提供一种黄芪栽种控制方法和系统，能够解决相关技术无法根据黄芪的实时生长状况，对黄芪栽种环境参数进行精确控制的技术问题。[0007] 根据本发明的第一方面，提供一种黄芪栽种控制方法，包括：在第i个控制周期，按照第i?1个控制周期的栽种环境参数模型确定的栽种环境参数设置黄芪的栽种环境，i为大于等于1的正整数，在i=1的情况下，黄芪的栽种环境按照预设栽种环境参数进行设置；在全部黄芪中进行抽样，获得样本黄芪，获取所述样本黄芪在第i个控制周期的多个时刻的黄芪苗高、主根长度和侧根数量；根据所述黄芪苗高、所述主根长度和所述侧根数量，确定黄芪生长状况向量；根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，判断第i?1个控制周期的栽种环境参数模型是否需要训练；在第i?1个控制周期的栽种环境参数模型需要训练的情况下，根据第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数；根据所述第i?1个控制周期的栽种环境参数模型的损失函数，训练第i?1个控制周期的栽种环境参数模型，获得第i个控制周期的栽种环境参数模型；通过所述第i个控制周期的栽种环境参数模型，确定第i+1个控制周期的栽种环境参数。[0008] 根据本发明，根据所述黄芪苗高、所述主根长度和所述侧根数量，确定黄芪生长状况向量，包括：对所述黄芪苗高和第i个控制周期中的时刻进行拟合，获得第i个控制周期中的黄芪苗高的黄芪苗高函数；根据所述黄芪苗高函数，获得黄芪苗高导函数；根据所述黄芪苗高导函数，确定第i个控制周期中多个时刻的苗高变化率；根据所述黄芪苗高和所述苗高变化率，确定黄芪苗高状况参数；根据所述主根长度和所述侧根数量，确定黄芪根部状况参数；根据所述黄芪苗高状况参数和所述黄芪根部状况参数，确定黄芪生长状况向量。[0009] 根据本发明，根据所述黄芪苗高和所述苗高变化率，确定黄芪苗高状况参数，包括：根据公式，确定第i个控制周期的第s株样本黄芪的黄芪苗高状况参数 ，其中， 为第s株样本黄芪在第i个控制周期的结束时刻的苗高， 为预设黄芪苗高， 为第s株样本黄芪在第i个控制周期的第k个时刻的苗高变化率，K为控制周期的时刻数量，k≤K，且k和K均为正整数。[0010] 根据本发明，根据所述主根长度和所述侧根数量，确定黄芪根部状况参数，包括：根据所述第i个控制周期的结束时刻的样本黄芪的主根长度和侧根数量，确定第i个控制周期的黄芪根部向量；根据预设主根长度和预设侧根数量，确定标准黄芪根部向量；根据公式，确定第i个控制周期的第s株样本黄芪的黄芪根部状况参数，其中， 为第s株样本黄芪在第i个控制周期的结束时刻的主根长度， 为第s株样本黄芪在第i个控制周期的结束时刻的侧根数量， 为预设主根长度， 为预设侧根数量， 为第i个控制周期的第s株样本黄芪的黄芪根部向量， 为标准黄芪根部向量。[0011] 根据本发明，根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，判断第i?1个控制周期的栽种环境参数模型是否需要训练，包括：根据公式，获得黄芪苗高条件A、黄芪根部条件B和均衡生长条件C，其中， 和 为预设权重， 为第s株样本黄芪在第i个控制周期的黄芪苗高状况参数， 为第s株样本黄芪在第i?1个控制周期的黄芪苗高状况参数， 为第s株样本黄芪在第i个控制周期的黄芪根部状况参数， 为第s株样本黄芪在第i?1个控制周期的黄芪根部状况参数， 为第i个控制周期多株样本黄芪的黄芪苗高状况参数的最大值， 为第i个控制周期多株样本黄芪的黄芪苗高状况参数的最小值， 为第i个控制周期多株样本黄芪的黄芪根部状况参数的最大值， 第i个控制周期多株样本黄芪的黄芪根部状况参数的最小值， 为预设均衡生长状况，S为样本黄芪的数量，s≤S，且s和S均为正整数；在所述黄芪苗高条件A、黄芪根部条件B和均衡生长条件C中的至少一个被满足的情况下，判断第i?1个时刻的栽种环境参数模型需要训练。[0012] 根据本发明，在第i?1个控制周期的栽种环境参数模型需要训练的情况下，根据第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数，包括：在所述黄芪苗高条件A、黄芪根部条件B和均衡生长条件C中，确定所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量所满足的条件；根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量所满足的条件，以及第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数。[0013] 根据本发明，根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量所满足的条件，以及第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数，包括：根据公式，确定第i?1个控制周期的栽种环境参数模型的损失函数 ，其中， 和 为预设参数，且， 为第i?1个控制周期样本黄芪的黄芪苗高状况参数的最大值，为第i?1个控制周期样本黄芪的黄芪苗高状况参数的最小值， 为第i?1个控制周期样本黄芪的黄芪根部状况参数的最大值， 为第i?1个控制周期样本黄芪的黄芪根部状况参数的最小值， 为黄芪苗高状况参数阈值， 为黄芪根部状况参数阈值， 、 和 为预设权重，if为条件函数。[0014] 根据本发明的第二方面，提供一种黄芪栽种控制系统，包括：栽种环境参数模块，用于在第i个控制周期，按照第i?1个控制周期的栽种环境参数模型确定的栽种环境参数设置黄芪的栽种环境，i为大于等于1的正整数，在i=1的情况下，黄芪的栽种环境按照预设栽种环境参数进行设置；样本黄芪模块，用于在全部黄芪中进行抽样，获得样本黄芪，获取所述样本黄芪在第i个控制周期的多个时刻的黄芪苗高、主根长度和侧根数量；黄芪生长状况向量模块，用于根据所述黄芪苗高、所述主根长度和所述侧根数量，确定黄芪生长状况向量；判断模块，用于根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，判断第i?1个控制周期的栽种环境参数模型是否需要训练；损失函数模块，用于在第i?1个控制周期的栽种环境参数模型需要训练的情况下，根据第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数；训练模块，用于根据所述第i?1个控制周期的栽种环境参数模型的损失函数，训练第i?1个控制周期的栽种环境参数模型，获得第i个控制周期的栽种环境参数模型；确定模块，用于通过所述第i个控制周期的栽种环境参数模型，确定第i+1个控制周期的栽种环境参数。[0015] 技术效果：根据本发明，通过对样本黄芪的生长数据进行采样和分析，可得出黄芪生长状况向量，有助于评估每个控制周期黄芪的生长状况，并作出相应的栽种环境调整。通过黄芪的生长状况确定损失函数，根据损失函数对栽种环境参数模型进行训练，可实现对黄芪栽种环境的持续改进和优化，从而提高黄芪的产量和质量。通过栽种环境参数模型来精确控制黄芪的栽种环境，以更好地促进黄芪的生长和发育。在确定黄芪苗高状况参数时，可通过黄芪苗高和苗高变化率，确定黄芪苗高状况参数，分别从黄芪苗高和黄芪苗高生长速度变化情况两方面确定黄芪苗高生长状况，可监测黄芪在不同生长阶段的生长趋势，有助于及时发现黄芪生长中的异常情况。在确定黄芪根部状况参数时，可通过黄芪根部向量和标准黄芪根部向量的余弦相似度，确定黄芪根部状况参数，从主根长度和侧根数量两个参数，反映了黄芪根部结构的整体状态，更好地评估黄芪的根部状况。在判断第i?1个控制周期的栽种环境参数模型是否需要训练时，可通过第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，判断第i?1个控制周期的栽种环境参数模型是否需要训练，在判断栽种环境参数模型是否需要训练时，参考了两个相邻控制周期样本黄芪的黄芪生长状况向量之间的关系，从而判断栽种环境参数模型是否已到达稳定状态，以及栽种环境参数模型的栽种环境参数是否适宜第i个控制周期的黄芪生长，如果符合需要训练的条件，则需不断优化栽种环境参数模型，从而提高栽种环境参数模型的精确性。在确定第i?1个控制周期的栽种环境参数模型的损失函数时，可通过各株样本黄芪的黄芪生长状况向量所满足的条件，以及相邻控制周期的黄芪生长状况向量来确定第i?1个控制周期的栽种环境参数模型的损失函数，使栽种环境参数模型迅速达到稳定状态，并使样本黄芪的总体的黄芪苗高状况参数和黄芪根部状况参数最大化，以及使各株样本黄芪的整体生长状况均匀化，提升训练效率，提高栽种环境参数模型的准确性。[0016] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本发明。根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方面将更清楚。附图说明[0017] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据这些附图获得其他的实施例；[0018] 图1示例性地示出根据本发明实施例的黄芪栽种控制方法的流程示意图；[0019] 图2示例性地示出根据本发明实施例的黄芪栽种控制系统的框图。具体实施方式[0020] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术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，都属于本发明保护的范围。[0021] 下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。[0022] 图1示例性地示出根据本发明实施例的黄芪栽种控制方法的流程示意图，所述方法包括：步骤S101，在第i个控制周期，按照第i?1个控制周期的栽种环境参数模型确定的栽种环境参数设置黄芪的栽种环境，i为大于等于1的正整数，在i=1的情况下，黄芪的栽种环境按照预设栽种环境参数进行设置；步骤S102，在全部黄芪中进行抽样，获得样本黄芪，获取所述样本黄芪在第i个控制周期的多个时刻的黄芪苗高、主根长度和侧根数量；步骤S103，根据所述黄芪苗高、所述主根长度和所述侧根数量，确定黄芪生长状况向量；步骤S104，根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，判断第i?1个控制周期的栽种环境参数模型是否需要训练；步骤S105，在第i?1个控制周期的栽种环境参数模型需要训练的情况下，根据第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数；步骤S106，根据所述第i?1个控制周期的栽种环境参数模型的损失函数，训练第i?1个控制周期的栽种环境参数模型，获得第i个控制周期的栽种环境参数模型；步骤S107，通过所述第i个控制周期的栽种环境参数模型，确定第i+1个控制周期的栽种环境参数。[0023] 根据本发明的实施例的黄芪栽种控制方法，通过对样本黄芪的生长数据进行采样和分析，可得出黄芪生长状况向量，有助于评估每个控制周期黄芪的生长状况，并作出相应的栽种环境调整。通过黄芪的生长状况确定损失函数，根据损失函数对栽种环境参数模型进行训练，可实现对黄芪栽种环境的持续改进和优化，从而提高黄芪的产量和质量。通过栽种环境参数模型来精确控制黄芪的栽种环境，以更好地促进黄芪的生长和发育。[0024] 根据本发明的一个实施例，在步骤S101中，每个控制周期可设定为三天，一个星期等，本发明对此不作限制。在第i个控制周期，按照第i?1个控制周期的栽种环境参数模型确定的栽种环境参数设置黄芪的栽种环境，例如，在第2个控制周期时，黄芪的栽种环境按照第1个控制周期的栽种环境参数模型确定的栽种环境参数进行设置，在第1个控制周期时，黄芪的栽种环境按照预设栽种环境参数进行设置。栽种环境参数包括黄芪栽种环境中的温度参数、湿度参数、光照参数、栽种位置的土壤中多种营养物质的含量等。[0025] 根据本发明的一个实施例，在步骤S102中，相邻时刻之间的间隔可设定为12小时，24小时等，本发明对此不作限制。将黄芪栽种区域划分为若干个区域，在每个区域中随机抽取两株黄芪作为样本黄芪，通过观察样本黄芪的生长状况来确定整体黄芪的生长状况。对所选样本黄芪在第i个控制周期的多个时刻进行测量和观察，包括样本黄芪的黄芪苗高、主根长度和侧根数量，从而全面了解黄芪在该控制周期内的生长状况。[0026] 根据本发明的一个实施例，在步骤S103中，根据黄芪苗高、主根长度和侧根数量的数值，可以推断黄芪植株的生长状态，比如生长是否健康、是否存在发育问题或受到栽种环境影响等。综合考虑这些生长参数的数值，可形成一个综合的黄芪生长状况向量，该黄芪生长状况向量反映了样本黄芪在某控制周期内的整体生长情况。[0027] 根据本发明的一个实施例，步骤S103包括：对所述黄芪苗高和第i个控制周期中的时刻进行拟合，获得第i个控制周期中的黄芪苗高的黄芪苗高函数；根据所述黄芪苗高函数，获得黄芪苗高导函数；根据所述黄芪苗高导函数，确定第i个控制周期中多个时刻的苗高变化率；根据所述黄芪苗高和所述苗高变化率，确定黄芪苗高状况参数；根据所述主根长度和所述侧根数量，确定黄芪根部状况参数；根据所述黄芪苗高状况参数和所述黄芪根部状况参数，确定黄芪生长状况向量。[0028] 根据本发明的一个实施例，对黄芪苗高和控制周期中的时刻进行拟合，获得用于描述控制周期中的黄芪苗高随时间推移而变化的黄芪苗高函数。对黄芪苗高函数进行求导，获得黄芪苗高导函数。将控制周期中的多个时刻代入黄芪高度导函数，确定控制周期中的多个时刻的苗高变化率，有助于评估黄芪在不同时刻的生长速度和趋势。将黄芪苗高状况参数和黄芪根部状况参数组合起来，获得黄芪生长状况向量，即，黄芪苗高状况参数和黄芪根部状况参数均为黄芪生长状况向量的元素，该黄芪生长状况向量综合了样本黄芪在第i个控制周期中的苗高和根部状况信息，提供了全面的生长评估。[0029] 根据本发明的一个实施例，根据所述黄芪苗高和所述苗高变化率，确定黄芪苗高状况参数，包括：根据公式（1）确定第i个控制周期的第s株样本黄芪的黄芪苗高状况参数， （1）[0030] 其中， 为第s株样本黄芪在第i个控制周期的结束时刻的苗高， 为预设黄芪苗高， 为第s株样本黄芪在第i个控制周期的第k个时刻的苗高变化率，K为控制周期的时刻数量，k≤K，且k和K均为正整数。[0031] 根据本发明的一个实施例，在公式（1）中， 为第s株样本黄芪在第i个控制周期的结束时刻的苗高与预设黄芪苗高的相对差值，该相对差值越大，实际测量的黄芪苗高与预设黄芪苗高差值越大，可表示黄芪苗高方面的生长问题越严重。可得1减去该相对差值的结果，该结果越接近1，实际测量的黄芪苗高越接近预设黄芪苗高，表示黄芪生长状况越好。 为第s株黄芪植株在第i个控制周期内苗高变化率的最大值和最小值之间的差值，与苗高变化率的平均值的比值，即，苗高变化率的最大值和最小值的相对差值，该相对差值越。硎净栖蚊绺弑浠骄，可得1减去该比值的结果，该结果越接近1，黄芪苗高变化越均匀，表示黄芪生长状况越好。在上述两项结果相乘，可得第i个控制周期的第s株样本黄芪的黄芪苗高状况参数。[0032] 通过这种方式，可通过黄芪苗高和苗高变化率，确定黄芪苗高状况参数，分别从黄芪苗高和黄芪苗高生长速度变化情况两方面确定黄芪苗高生长状况，可监测黄芪在不同生长阶段的生长趋势，有助于及时发现黄芪生长中的异常情况。[0033] 根据本发明的一个实施例，根据所述主根长度和所述侧根数量，确定黄芪根部状况参数，包括：根据所述第i个控制周期的结束时刻的样本黄芪的主根长度和侧根数量，确定第i个控制周期的黄芪根部向量；根据预设主根长度和预设侧根数量，确定标准黄芪根部向量；根据公式（2）确定第i个控制周期的第s株样本黄芪的黄芪根部状况参数 ，（2）其中， 为第s株样本黄芪在第i个控制周期的结束时刻的主根长度， 为第s株样本黄芪在第i个控制周期的结束时刻的侧根数量， 为预设主根长度， 为预设侧根数量， 为第i个控制周期的第s株样本黄芪的黄芪根部向量， 为标准黄芪根部向量。[0034] 根据本发明的一个实施例，根据第i个控制周期的结束时刻所处日期（例如，第i个控制周期的结束时刻所处日期为黄芪栽种后的第10天）和黄芪的理论生长日期，确定此时黄芪的预设主根长度和预设侧根数量，根据预设主根长度和预设侧根数量，确定标准黄芪根部向量。在公式（2）中， 为第i个控制周期的第s株样本黄芪的黄芪根部向量和标准黄芪根部向量的余弦相似度，该余弦相似度越接近1，表示第s株样本黄芪的黄芪根部生长状况与标准黄芪根部生长状况越接近，根据该余弦相似度确定第i个控制周期的第s株样本黄芪的黄芪根部状况参数，由于黄芪的生长速度过快或者过慢会导致黄芪的品质下降、营养价值降低等，因此，黄芪根部状况参数越接近1，黄芪生长状况越佳。[0035] 通过这种方式，可通过黄芪根部向量和标准黄芪根部向量的余弦相似度，确定黄芪根部状况参数，从主根长度和侧根数量两个参数，反映了黄芪根部结构的整体状态，更好地评估黄芪的根部状况。[0036] 根据本发明的一个实施例，将第i个控制周期的第s株样本黄芪的黄芪苗高状况参数，与第i个控制周期的第s株样本黄芪的黄芪根部状况参数进行组合，得到第i个控制周期的第s株样本黄芪的黄芪生长状况向量。[0037] 根据本发明的一个实施例，在步骤S104中，将第i个控制周期样本黄芪的黄芪生长状况向量和第i?1个控制周期样本黄芪的黄芪生长状况向量进行对比，可了解黄芪在相邻两个周期内的生长变化情况。根据黄芪在相邻两个周期内的生长变化情况来决定是否需要对第i?1个控制周期的栽种环境参数模型进行训练。[0038] 根据本发明的一个实施例，根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，判断第i?1个控制周期的栽种环境参数模型是否需要训练，包括：根据公式（3）获得黄芪苗高条件A、黄芪根部条件B和均衡生长条件C，（3）其中， 和 为预设权重， 为第s株样本黄芪在第i个控制周期的黄芪苗高状况参数， 为第s株样本黄芪在第i?1个控制周期的黄芪苗高状况参数， 为第s株样本黄芪在第i个控制周期的黄芪根部状况参数， 为第s株样本黄芪在第i?1个控制周期的黄芪根部状况参数， 为第i个控制周期多株样本黄芪的黄芪苗高状况参数的最大值， 为第i个控制周期多株样本黄芪的黄芪苗高状况参数的最小值，为第i个控制周期多株样本黄芪的黄芪根部状况参数的最大值， 第i个控制周期多株样本黄芪的黄芪根部状况参数的最小值， 为预设均衡生长状况，S为样本黄芪的数量，s≤S，且s和S均为正整数；在所述黄芪苗高条件A、黄芪根部条件B和均衡生长条件C中的至少一个被满足的情况下，判断第i?1个时刻的栽种环境参数模型需要训练。[0039] 根据本发明的一个实施例，在黄芪苗高条件A中， 为第s株样本黄芪在第i个控制周期的黄芪苗高状况参数与第i?1个控制周期的黄芪苗高状况参数的差值的平均值小于或等于0，表示第i个控制周期的黄芪苗高状况参数小于或等于第i?1个控制周期的黄芪苗高状况参数，黄芪苗高的生长速度变慢，表示第i?1个控制周期的栽种环境参数设置错误，或者第i?1个控制周期的栽种环境参数不适用于第i个控制周期的黄芪生长，需要对栽种环境参数模型进行训练。[0040] 根据本发明的一个实施例，在黄芪根部条件B中， 为第s株样本黄芪在第i个控制周期的黄芪根部状况参数与在第i?1个控制周期的黄芪根部状况参数的差值的平均值小于或等于0，表示第i个控制周期的黄芪根部状况参数小于或等于第i?1个控制周期的黄芪根部状况参数，黄芪根部的生长速度变慢，表示第i?1个控制周期的栽种环境参数设置错误，或者第i?1个控制周期的栽种环境参数不适用于第i个控制周期的黄芪生长，需要对栽种环境参数模型进行训练。[0041] 根据本发明的一个实施例，在均衡生长条件C中， 为第i个控制周期多株样本黄芪的黄芪苗高状况参数的最大值与最小值的差值，与多株样本黄芪的黄芪苗高状况参数的最大值的比值，表示多株样本黄芪苗高生长不均匀的程度。为第i个控制周期多株样本黄芪的黄芪根部状况参数的最大值与最小值的差值，与多株样本黄芪的黄芪根部状况参数的最大值的比值，表示多株样本黄芪根部生长不均匀的程度。为根据多株样本黄芪的苗高生长差异和根部生长差异进行加权求和，表示多株样本黄芪的整体生长不均 匀的程 度。为多株样本黄芪的整体生长不均匀的程度大于或等于预设均衡生长状况，表示多株样本黄芪的生长不均匀的程度过大，并不平均，存在部分样本黄芪生长发育不良的情况，需要对栽种环境参数模型进行训练。[0042] 根据本发明的一个实施例，在以上黄芪苗高条件A、黄芪根部条件B和均衡生长条件C中的至少一个被满足的情况下，判断第i?1个时刻的栽种环境参数模型需要训练。[0043] 通过这种方式，可通过第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，判断第i个控制周期的栽种环境参数模型是否需要训练，在判断栽种环境参数模型是否需要训练时，参考了两个相邻控制周期样本黄芪的黄芪生长状况向量之间的关系，从而判断栽种环境参数模型是否已到达稳定状态，以及栽种环境参数模型的栽种环境参数是否适宜第i个控制周期的黄芪生长，如果符合需要训练的条件，则需不断优化栽种环境参数模型，从而提高栽种环境参数模型的精确性。[0044] 根据本发明的一个实施例，在步骤S105中，第i?1个控制周期的栽种环境参数模型需要重新训练以适应黄芪生长状况的变化。损失函数用于衡量模型预测值与实际观测值之间的差值。通过最小化损失函数，根据第i控制周期和第i?1个控制周期的样本黄芪的黄芪生长状况向量，调整栽种环境参数模型的参数，以更好地拟合黄芪的生长情况。[0045] 根据本发明的一个实施例，步骤S105包括：在所述黄芪苗高条件A、黄芪根部条件B和均衡生长条件C中，确定所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量所满足的条件；根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量所满足的条件，以及第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数。[0046] 根据本发明的一个实施例，通过损失函数，对第i?1个控制周期的栽种环境参数模型进行训练和优化。通过最小化损失函数，调整模型参数，使其能更好地适应黄芪在不同生长状况下的需求。[0047] 根据本发明的一个实施例，根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量所满足的条件，以及第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数，包括：根据公式（4）确定第i?1个控制周期的栽种环境参数模型的损失函数 ，（4）其中，和 为预设参数，且 , 为第i?1个控制周期样本黄芪的黄芪苗高状况参数的最大值， 为第i?1个控制周期样本黄芪的黄芪苗高状况参数的最小值， 为第i?1个控制周期样本黄芪的黄芪根部状况参数的最大值，为第i?1个控制周期样本黄芪的黄芪根部状况参数的最小值， 为黄芪苗高状况参数阈值， 为黄芪根部状况参数阈值， 、 和 为预设权重，if为条件函数。[0048] 根据本发明的一个实施例，在公式（4）中，表示通过条件函数的形式来表示以下两种情况，当满足黄芪苗高条件A时，以上条件函数的值为 ，即，黄芪苗高状况参数阈值，与相邻两个控制周期的黄芪苗高状况参数之差的平均值之间的差距作为损失函数，在训练栽种环境参数模型的过程中，使得该差距缩。瓜嗔诹礁隹刂浦芷诘幕栖蚊绺咦纯霾问畹钠骄到咏栖蚊绺咦纯霾问兄，满足黄芪苗高生长标准，使栽种环境参数模型尽快达到稳定状态。当不满足黄芪苗高条件A时，以上条件函数的值为0，损失函数中有关黄芪苗高的参数不需要调整。[0049] 根据本发明的一个实施例，在公式（4）中，表示通过条件函数的形式来表示以下两种情况，当满足黄芪根部条件B时，以上条件函数的值为 ，即，黄芪根部状况参数阈值，与相邻两个控制周期的黄芪根部状况参数之差的平均值之间的差距作为损失函数，在训练栽种环境参数模型的过程中，使得该差距缩。瓜嗔诹礁隹刂浦芷诘幕栖胃孔纯霾问畹钠骄到咏栖胃孔纯霾问兄，满足黄芪根部生长标准，使栽种环境参数模型尽快达到稳定状态。当不满足黄芪根部条件B时，以上条件函数的值为0，损失函数中有关黄芪根部的参数不需要调整。[0050] 根据本发明的一个实施例，在公式（4）中，表示通过条件函数的形式来表示以下两种情况，当时，第i个控制周期的各株样本黄芪的整体生长不均匀的程度小于第i?1个控制的各株样本黄芪的整体生长不均匀的程度，条件函数的值为，即，每株样本黄芪的黄芪苗高状况参数、黄芪根部状况参数与平均黄芪苗高状况参数、平均黄芪根部状况参数之间的差距的平均值进行加权求和，在训练过程中，使该差距的平均值缩。佣嵘栖握迳ぷ纯龅钠骄。当不满足时，第i个控制周期的各株样本黄芪的整体生长不均匀的程度大于或等于第i?1个控制的各株样本黄芪的整体生长不均匀的程度时，表示栽种环境参数模型设置的栽种环境参数出现错误，此时的条件函数值为 ，由于，因此，在栽种环境参数模型设置的栽种环境参数出现错误时，可通过较大的预设参数加大对栽种环境参数模型的训练力度，以迅速纠正栽种环境参数模型的设置错误。[0051] 根据本发明的一个实施例，在公式（4）中，可对以上三项进行加权求和，获得第i?1个控制周期的栽种环境参数模型的损失函数。[0052] 通过这种方式，可通过各株样本黄芪的黄芪生长状况向量所满足的条件，以及相邻控制周期的黄芪生长状况向量来确定第i?1个控制周期的栽种环境参数模型的损失函数，使栽种环境参数模型迅速达到稳定状态，并使样本黄芪的总体的黄芪苗高状况参数和黄芪根部状况参数最大化，以及使各株样本黄芪的整体生长状况均匀化，提升训练效率，提高栽种环境参数模型的准确性。[0053] 根据本发明的一个实施例，在步骤S106中，经过训练后，第i?1个控制周期的栽种环境参数模型已经得到了优化和调整。该栽种环境参数模型将用于设置第i个控制周期的栽种环境参数，从而优化黄芪的栽种环境。[0054] 根据本发明的一个实施例，在步骤S107中，根据第i个控制周期的栽种环境参数模型，确定第i+1个控制周期的栽种环境参数，使得黄芪的黄芪苗高状况参数和黄芪根部状况参数最大化，并使得各个黄芪的生长状况均匀化。[0055] 根据本发明的实施例的黄芪栽种控制方法，通过对样本黄芪的生长数据进行采样和分析，可得出黄芪生长状况向量，有助于评估每个控制周期黄芪的生长状况，并作出相应的栽种环境调整。通过黄芪的生长状况确定损失函数，根据损失函数对栽种环境参数模型进行训练，可实现对黄芪栽种环境的持续改进和优化，从而提高黄芪的产量和质量。通过栽种环境参数模型来精确控制黄芪的栽种环境，以更好地促进黄芪的生长和发育。在确定黄芪苗高状况参数时，可通过黄芪苗高和苗高变化率，确定黄芪苗高状况参数，分别从黄芪苗高和黄芪苗高生长速度变化情况两方面确定黄芪苗高生长状况，可监测黄芪在不同生长阶段的生长趋势，有助于及时发现黄芪生长中的异常情况。在确定黄芪根部状况参数时，可通过黄芪根部向量和标准黄芪根部向量的余弦相似度，确定黄芪根部状况参数，从主根长度和侧根数量两个参数，反映了黄芪根部结构的整体状态，更好地评估黄芪的根部状况。在判断第i?1个控制周期的栽种环境参数模型是否需要训练时，可通过第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，判断第i?1个控制周期的栽种环境参数模型是否需要训练，在判断栽种环境参数模型是否需要训练时，参考了两个相邻控制周期样本黄芪的黄芪生长状况向量之间的关系，从而判断栽种环境参数模型是否已到达稳定状态，以及栽种环境参数模型的栽种环境参数是否适宜第i个控制周期的黄芪生长，如果符合需要训练的条件，则需不断优化栽种环境参数模型，从而提高栽种环境参数模型的精确性。在确定第i?1个控制周期的栽种环境参数模型的损失函数时，可通过各株样本黄芪的黄芪生长状况向量所满足的条件，以及相邻控制周期的黄芪生长状况向量来确定第i?1个控制周期的栽种环境参数模型的损失函数，使栽种环境参数模型迅速达到稳定状态，并使样本黄芪的总体的黄芪苗高状况参数和黄芪根部状况参数最大化，以及使各株样本黄芪的整体生长状况均匀化，提升训练效率，提高栽种环境参数模型的准确性。[0056] 图2示例性地示出根据本发明实施例的黄芪栽种控制系统的框图，所述系统包括：栽种环境参数模块，用于在第i个控制周期，按照第i?1个控制周期的栽种环境参数模型确定的栽种环境参数设置黄芪的栽种环境，i为大于等于1的正整数，在i=1的情况下，黄芪的栽种环境按照预设栽种环境参数进行设置；样本黄芪模块，用于在全部黄芪中进行抽样，获得样本黄芪，获取所述样本黄芪在第i个控制周期的多个时刻的黄芪苗高、主根长度和侧根数量；黄芪生长状况向量模块，用于根据所述黄芪苗高、所述主根长度和所述侧根数量，确定黄芪生长状况向量；判断模块，用于根据所述第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，判断第i?1个控制周期的栽种环境参数模型是否需要训练；损失函数模块，用于在第i?1个控制周期的栽种环境参数模型需要训练的情况下，根据第i个控制周期样本黄芪的黄芪生长状况向量以及第i?1个控制周期样本黄芪的黄芪生长状况向量，确定第i?1个控制周期的栽种环境参数模型的损失函数；训练模块，用于根据所述第i?1个控制周期的栽种环境参数模型的损失函数，训练第i?1个控制周期的栽种环境参数模型，获得第i个控制周期的栽种环境参数模型；确定模块，用于通过所述第i个控制周期的栽种环境参数模型，确定第i+1个控制周期的栽种环境参数。[0057] 本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

专利地区：甘肃

专利申请日期：2024-07-16

专利公开日期：2024-11-22

专利公告号：CN118759890B