[发明专利]一种基于知识图谱的植物灌溉养护方法及系统

权利要求书

1.一种基于知识图谱的植物灌溉养护方法，其特征在于，包括以下步骤：

步骤S1，建立知识图谱并在知识图谱内存储节点信息和关系信息，将植物品种输入进知识图谱中，结合环境传感器设备和互联网基于位置的天气服务接口LBS提供的数据计算植物生长属性得分值、植物种植区位影响因子、植物生长天数影响因子、降雨影响因子、温度影响因子和随机环境因素影响因子；

所述节点信息包括植物品种名信息、植物生长形态信息和植物生长环境要求信息，通过知识图谱中的图数据关系计算得到植物的生长形态和生长环境喜好信息；

所述关系信息包括植物对水分的喜欢关系、耐受关系、不耐受关系；

步骤S2，预先采集N条植物种植区位影响因子、植物生长天数影响因子、降雨影响因子、温度影响因子数据，计算在四个影响因子下的植物需水量∝，将四个影响因子和植物需水量∝组成数据集，并对数据集进行处理，按比例划分为训练集和验证集；

步骤S3，构建用于计算单日单位面积下预测植物需水量θ的深度神经网络模型，所述深度神经网络模型包括依次连接的第一线性变换层、第一卷积层、最大池化层、九个结构相同的残差模块、通道注意力模块、第一长短期记忆网络、第二长短期记忆网络和第三长短期记忆网络、第四线性变换层和第五线性变换层；

所述残差模块包括依次连接的卷积层CA、批归一化层B1、卷积层CB和批归一化层B2,所述卷积层A和批归一化层B2跳跃连接；

所述通道注意力模块包括自适应池化层、第二线性变换层和第三线性变换层，所述第三线性变换层和自适应池化层跳跃连接；

步骤S4，使用训练集和验证集训练深度神经网络模型，将学习率和迭代次数预设完整，使用Adam优化器进行参数的迭代训练优化，直到迭代次数等于最大迭代次数，中止训练，生成训练好的深度神经网络模型；

步骤S5，采集现场环境指标并计算植物种植区位影响因子、植物生长天数影响因子、降雨影响因子、温度影响因子数据共四个影响因子并输入进训练好的深度神经网络模型中计算预测植物需水量θ，根据植物生长属性得分值、预测植物需水量θ、随机环境因素影响因子计算植物单日单位面积应灌溉水量，根据植物单日单位面积应灌溉水量对植物进行灌溉养护。

2.根据权利要求1所述的一种基于知识图谱的植物灌溉养护方法，其特征在于，所述步骤S1中计算植物生长属性得分值的方法包括：

根据知识图谱获取植物生活型信息，根据植物生活型信息、植物的生长形态和生长环境喜好信息和土壤信息计算植物生长属性得分值；

获取影响植物需水量∝的相关信息，根据植物需水量∝的相关信息、节点之间的关系、植物的生长形态和生长环境喜好信息计算植物生长属性得分值；

所述土壤信息在土壤透水性强弱的设定区间范围内进行取值；

所述计算植物生长属性得分值γ₁的公式表示为：

其中，γ₁为植物i的生长属性得分值，i为待输入计算的植物，n为单位面积植物i的植株总数，ρ_i为植物i的对水分喜好的关系信息，σ_i为植物i的查询结果，S_i为植物i的生活型信息，Δ为土壤信息。

3.根据权利要求1所述的一种基于知识图谱的植物灌溉养护方法，其特征在于，所述步骤S1中计算植物种植区位影响因子的方法包括：

根据月份和纬度的差异，计算出植物种植区位影响因子；

所述植物种植区位影响因子γ₂的公式表示为：其中M代表月份，取值范围为1到12，l代表植物种植位置所在的纬度，取值范围为0到90。

4.根据权利要求1所述的一种基于知识图谱的植物灌溉养护方法，其特征在于，所述步骤S1中计算植物生长天数影响因子的方法包括：

根据植物生长天数计算植物生长天数影响因子γ₃，并表示为：其中，D表示植株生长天数。