-
公开(公告)号：CN118605630A
公开(公告)日：2024-09-06
申请号：CN202410569140.4
申请日：2024-05-09
Applicant: 北京市农林科学院智能装备技术研究中心
IPC: G05D23/20
Abstract: 本发明涉及计算机技术领域，提供一种模块化温室环境控制器程序架构设计方法，其中方法包括：将用于控制连栋温室的模块化温室环境控制器程序进行划分，得到主程序、功能块子程序以及设备属性程序；用于获取连栋温室处于目标时刻的温室环境测量值，并将温室环境测量值与目标时刻的预设值进行比对，确定目标时刻的下一时刻执行温室环境调节的功能块；在驱动执行功能块时，调用功能块对应的功能块子程序，控制温室环境调节设备进行动作；同时通过设备属性程序对温室环境调节设备进行优先控制约束。本发明实施例提供的模块化温室环境控制器程序架构设计方法，实现了模块化温室环境控制器自动控制程序的模块化，提高了温室环境控制器的普适性。
-
公开(公告)号：CN118094112B
公开(公告)日：2024-07-30
申请号：CN202410467181.2
申请日：2024-04-18
Applicant: 北京市农林科学院智能装备技术研究中心
IPC: G06F18/10 , G06F18/25 , G06F18/243 , G06F18/2321 , G06N3/042 , G06N3/045 , G06N3/0475 , G06Q50/02
Abstract: 本发明涉及数据处理技术领域，提供一种灌溉数据同化方法、装置、电子设备及存储介质，利用基于图神经网络的生成对抗网络的第一数据融合模型和基于图神经网络的元学习的第二数据融合模型，实现数据的高效和高质量的融合，提高数据融合的稳定性和多样性。利用基于图神经网络的注意力机制的第一数据同化模型和基于图神经网络的自适应优化的第二数据同化模型，实现数据同化模型的有效构建、优化和更新，可以实现自主的学习和优化能量，及时捕捉和适应灌溉系统的复杂性和变化性，满足灌溉管理和决策的实时性和精准性要求，进而提高数据同化模型的性能和效果，提升数据同化模型的智能程度。
-
公开(公告)号：CN117972433B
公开(公告)日：2024-07-02
申请号：CN202410363178.6
申请日：2024-03-28
Applicant: 北京市农林科学院智能装备技术研究中心
Abstract: 本发明提供一种菇房温度预测模型的训练方法、菇房温度预测方法及装置，属于人工智能技术领域，包括：将训练样本中的菇房温度标签分解为若干个模态分量，并根据复杂度对模态分量进行高低频分类，并由所有高频模态分量构建高频温度标签，由所有低频模态分量构建低频温度标签，分别对并联构成菇房温度预测模型的两个子模型进行训练。本发明通过将训练样本中的菇房温度标签依据分解后的模态分量的复杂度划分为高、低频温度标签，充分挖掘了训练样本数据中的重要特征和隐藏结构，再将两种标签分别用于训练并联构成菇房温度预测模型的两个子模型，使模型能够更好学习和捕捉训练样本，模型训练的收敛速度更快，得到的预测模型精度更高、预测结果更准确。
-
公开(公告)号：CN118261198A
公开(公告)日：2024-06-28
申请号：CN202410661426.5
申请日：2024-05-27
Applicant: 北京市农林科学院智能装备技术研究中心
IPC: G06N3/045 , G06N3/0985 , G06N3/042 , G06N3/0442 , G06N3/0499 , G06F18/213 , G06F30/27 , G06F119/08
Abstract: 本发明涉及人工智能技术领域，提供一种温室土壤温湿度预测模型构建方法、预测方法、装置、电子设备、存储介质和程序产品，构建方法包括：获取样本环境数据，并对样本环境数据进行特征提取，得到输入特征；应用输入特征，基于元学习的模型训练方法，结合元学习器和基学习器，对初始模型进行参数迭代，得到温室土壤温湿度预测模型；初始模型是基于胶囊网络的混合模型架构，将第一模型和多头自注意力层进行融合得到的，第一模型包括基于前馈注意力机制的图神经网络、双向长短期记忆网络和输出层；基学习器用于学习温室土壤温湿度与输入特征之间的非线性映射关系。本发明提供的方法、装置、电子设备、存储介质和程序产品，能够提高预测精度和稳定性。
-
公开(公告)号：CN117970985B
公开(公告)日：2024-06-07
申请号：CN202410371351.7
申请日：2024-03-29
Applicant: 北京市农林科学院智能装备技术研究中心
Abstract: 本申请提供一种基于知识图谱的营养液浓度调控方法、装置及存储介质，涉及施肥技术领域。该方法包括：根据番茄灌溉营养液EC值的影响因素数据构建营养液影响因素知识图谱；基于营养液影响因素知识图谱和作物生长数据库获取营养液EC值调控模型；作物生长数据库包含不同环境下植株的生长状态数据；利用营养液EC值调控模型对番茄营养液浓度进行调控。本申请提供的基于知识图谱的营养液浓度调控方法、装置及存储介质，基于建立的营养液影响因素知识图谱构建了能自适应且准确给出实时EC值的EC值调控模型，提高了营养液浓度动态调控的准确性，实现番茄品相稳定的长季节采收，提高番茄产量。
-
Patent Agency Ranking
公开(公告)号：CN114612549B
公开(公告)日：2024-06-07
申请号：CN202210043207.1
申请日：2022-01-14
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供一种出菇采摘最佳时机预测方法及装置，该方法包括：按固定步长，持续获取菌菇种植环境下的多个预测特征，每个步长获取的多个预测特征构成一个特征向量，预测特征包括菌菇重量；将当前时刻以前，预设数量连续步长的特征向量，输入已训练的GRU‑LSTM网络模型，输出未来预测周期的菌菇重量；根据所述预测周期的菌菇重量，确定菌菇重量最大的采摘时期；该网络模型根据已知预测周期菌菇重量作为标签的样本，以相应的特征向量作为输入，经训练后得到。该方法通过连续步长的特征向量，输入已训练的网络模型来进行预测，与传统人工经验相比，可实现菌菇最佳采摘时机的在线式自动化预测，有利于提高菌菇产量，进而实现利润的最大化。
-
公开(公告)号：CN118094112A
公开(公告)日：2024-05-28
申请号：CN202410467181.2
申请日：2024-04-18
Applicant: 北京市农林科学院智能装备技术研究中心
IPC: G06F18/10 , G06F18/25 , G06F18/243 , G06F18/2321 , G06N3/042 , G06N3/045 , G06N3/0475 , G06Q50/02
Abstract: 本发明涉及数据处理技术领域，提供一种灌溉数据同化方法、装置、电子设备及存储介质，利用基于图神经网络的生成对抗网络的第一数据融合模型和基于图神经网络的元学习的第二数据融合模型，实现数据的高效和高质量的融合，提高数据融合的稳定性和多样性。利用基于图神经网络的注意力机制的第一数据同化模型和基于图神经网络的自适应优化的第二数据同化模型，实现数据同化模型的有效构建、优化和更新，可以实现自主的学习和优化能量，及时捕捉和适应灌溉系统的复杂性和变化性，满足灌溉管理和决策的实时性和精准性要求，进而提高数据同化模型的性能和效果，提升数据同化模型的智能程度。
-
公开(公告)号：CN118077451A
公开(公告)日：2024-05-28
申请号：CN202410520037.0
申请日：2024-04-28
Applicant: 北京市农林科学院智能装备技术研究中心
Abstract: 本发明提供一种温室作物补光方法、装置、补光灯、电子设备及存储介质，属于智能控制技术领域，包括：基于叶位的光合能力对目标作物进行补光区域的划分，基于每个补光区域内的目标补光参数，确定向各个补光区域进行补光的实际补光参数，据此向每个补光区域进行补光。本发明根据温室作物不同叶位的光合能力，对作物进行补光区域划分，并结合作物种植生产所要达到的品质目标，确定每个补光区域所需的目标补光参数，充分考虑了作物的不同叶位光合作用对于光照的不同需求，并基于每个补光区域内的目标补光参数确定向各个补光区域进行补光的实际补光参数，实现了对温室作物的分区调控补光、精准补光。
-
公开(公告)号：CN117726051B
公开(公告)日：2024-05-10
申请号：CN202410176207.8
申请日：2024-02-08
Applicant: 北京市农林科学院智能装备技术研究中心
IPC: G06Q10/04 , G06Q50/02 , G06F18/214
Abstract: 本申请公开了一种特色农作物产量预测方法、装置及存储介质，应用于神经网络学习技术领域，其中方法包括：获取农作物的生长数据，生长数据包括第一农作物的第一生长数据和第二农作物的第二生长数据；第一农作物的产量大于第二农作物的产量，和/或第一农作物的种植范围大于第二农作物的产量；基于第一生长数据对创建的初始产量预测模型进行训练，得到产量预测基础模型；基于第二生长数据和设定的自适应学习机制对产量预测基础模型的模型参数进行调整，得到产量预测模型；基于待预测第二农作物的生长数据和产量预测模型，得到待预测第二农作物的产量预测结果。本申请提供的方法和装置，提高了特色农作物的产量预测准确性和预测稳定性。
-
公开(公告)号：CN117972433A
公开(公告)日：2024-05-03
申请号：CN202410363178.6
申请日：2024-03-28
Applicant: 北京市农林科学院智能装备技术研究中心
Abstract: 本发明提供一种菇房温度预测模型的训练方法、菇房温度预测方法及装置，属于人工智能技术领域，包括：将训练样本中的菇房温度标签分解为若干个模态分量，并根据复杂度对模态分量进行高低频分类，并由所有高频模态分量构建高频温度标签，由所有低频模态分量构建低频温度标签，分别对并联构成菇房温度预测模型的两个子模型进行训练。本发明通过将训练样本中的菇房温度标签依据分解后的模态分量的复杂度划分为高、低频温度标签，充分挖掘了训练样本数据中的重要特征和隐藏结构，再将两种标签分别用于训练并联构成菇房温度预测模型的两个子模型，使模型能够更好学习和捕捉训练样本，模型训练的收敛速度更快，得到的预测模型精度更高、预测结果更准确。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.035 seconds)
