摘要
本发明涉及基于人工智能算法的智能灌溉决策方法,获取作物生长数据,至少包含:土壤湿度、环境温度、光照强度、风速、空气湿度和作物生长状态;对特征向量进行归一化处理;选定重要特征数据,并将其输入机器学习模型内对模型进行训练,以预测作物即时水分需求;将机器学习模型的预测结果以及所选定的特征数据输入深度神经网络模型内,以进行进一步优化和预测;引入气象预报数据作为额外输入,以制定最优灌溉策略,并确定灌溉时间、频率和水量;依据最优灌溉策略执行灌溉操作。有益效果为:可以优化农业用水,实现精准灌溉,以避免存在水资源浪费和作物生长不均衡等问题,从而提高农业生产效率和作物品质。
技术关键词
智能灌溉决策方法
人工智能算法
作物生长状态
深度神经网络模型
气象预报数据
灌溉决策系统
传感器单元
随机森林模型
训练机器学习模型
远程服务器
策略
水量
构建深度神经网络
频率
预测误差
通信单元
风速
系统为您推荐了相关专利信息
智能体模型
特征提取单元
决策算法
深度神经网络模型
终端设备
血浆置换装置
管路
离心组件
压力变化曲线
侧支撑板
功率预测方法
序列
历史气象数据
时间段
气象预报数据