[发明专利]基于机器学习的灌溉方法和装置

权利要求书

1.一种基于机器学习的灌溉方法，其特征在于，所述方法包括：

读取环境数据，所述环境数据包括：天气数据、土壤湿度数据和植物生长状况数据；

对所述环境数据进行特征工程处理，得到包括灌溉方案数据的预测变量数据；

发送所述预测变量数据到灌溉效果预测模型，所述灌溉效果预测模型基于有标签的历史数据训练获得，所述标签采用人工方法或机器学习方法生成，所述标签用于记录灌溉是否促进植物生长；

获取所述灌溉效果预测模型输出的目标变量值，选择表示灌溉促进了植物生长的目标变量值，并确定选择的目标变量值对应的预测变量数据，目标变量值对应的预测变量数据是使所述灌溉效果预测模型输出目标变量值所发送的预测变量数据；

选择所述对应的预测变量数据中的灌溉方案数据，组成可选灌溉方案集；

若所述可选灌溉方案集不为空，则利用预设策略从所述可选灌溉方案集中选择一个灌溉方案，所述灌溉方案包括至少一个出水阀编号、浇水量和浇水时刻，所述预设策略包括选择耗水量最少的灌溉方案的策略；

根据所述灌溉方案向指定编号的出水阀发送控制信号。

2.如权利要求1所述的方法，其特征在于，所述标签采用人工方法或者机器学习方法生成，包括：

读取所述历史数据，所述历史数据包括：植物生长状况数据、灌溉方案数据、天气数据和土壤湿度数据；

选择时刻t，获得时刻t之后时长T小时内的灌溉方案数据；

获得时刻t+T小时，t+2T小时，…，t+12T小时的累计降水量数据和植物生长状况数据，并按照时序排列为一个序列，形成一条灌溉效果评估数据；

利用农业专家经验或者农业专家定义规则，评估每一条所述灌溉效果评估数据对应植物生长状况，并根据t～t+T小时的灌溉数据，判定灌溉活动是否促进植物生长，或者，利用聚类算法将所述灌溉效果评估数据划分为至少二簇，并由农业专家判定每一簇对应的灌溉促进了植物生长或未促进植物生长；

若灌溉促进植物生长，则给一条数据打标签1，否则打标签0。

3.如权利要求1所述的方法，其特征在于，所述对所述环境数据进行特征工程处理，包括：

生成至少一条灌溉方案数据，所述灌溉方案数据包括出水阀编号、浇水量和浇水时刻；

生成至少一条预测变量数据，所述预测变量数据包括所述环境数据和所述灌溉方案数据。

4.如权利要求1所述方法，其特征在于，所述发送所述预测变量数据到灌溉效果预测模型，包括：

获取目标地块内植物的图像；

利用图像识别模型，获取图像对应植物的种类；

根据所述植物的种类，发送所述预测变量数据到对应的灌溉效果预测模型。

5.一种基于机器学习的灌溉装置，其特征在于，包括：

数据获取模块，用于读取环境数据，所述环境数据包括：天气数据、土壤湿度数据和植物生长状况数据；

特征工程模块，用于对所述环境数据进行特征工程处理，得到灌溉方案数据和预测变量数据；

数据发送模块，用于发送所述灌溉方案数据和所述预测变量数据到灌溉效果预测模型，所述灌溉效果预测模型基于有标签的历史数据训练获得，所述标签采用人工方法或机器学习方法生成，所述标签用于记录灌溉是否促进植物生长；

方案生成模块，用于获取所述灌溉效果预测模型输出的目标变量值，选择表示灌溉促进了植物生长的目标变量值，并确定选择的目标变量值对应的预测变量，目标变量值对应的预测变量是使所述灌溉效果预测模型输出目标变量值所输入的预测变量；选择所述对应的预测变量中的灌溉方案数据，组成可选灌溉方案集；若所述可选灌溉方案集不为空，则利用预设策略从所述可选灌溉方案集中选择一个灌溉方案，所述灌溉方案包括至少一个出水阀编号、浇水量和浇水时刻，所述预设策略包括选择耗水量最少的灌溉方案的策略；

控制模块，用于根据所述灌溉方案向指定编号的出水阀发送控制信号。