一种基于机器学习的植物智能培育系统及方法技术领域
本发明涉及植物智能培育技术领域，尤其涉及一种基于机器学习的植物智能培育
系统及方法。
背景技术
随着人们生活水平的提高，绿色、环保、健康的生活方式越来越被重视，人工植物
培育是保证食物安全的一个重要途径，现有的人工植物培育系统采用已有的植物培育数据
建立植物控制模型和植物控制参数，不能根据植物的具体生长状况和生长环境对植物控制
模型和植物控制参数实时调整，使得所述人工植物培育系统不具有再学习的功能，从而无
法不断提升植物的生长质量。
发明内容
本发明提供一种基于机器学习的植物智能培育系统及方法，实现了植物智能培育
系统的再学习功能，使得所述植物智能培育系统能够自我优化，自我提升，从而培育出更高
质量的植物。
为了解决上述技术问题，本发明所采取的技术方案为：
本发明一方面提供一种基于机器学习的植物智能培育系统，包括植物数据采集单
元、云计算处理单元、植物培育机器学习单元、植物培育控制单元、植物培育单元；
所述植物数据采集单元用于采集与植物生长过程中各个阶段的植物培育参数对
应的植物图片数据和植物超光谱数据；
所述云计算处理单元用于分析和处理所述植物数据采集单元采集的与植物生长
过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据，获取与植物生长
过程中各个阶段的植物培育参数对应的植物生长参数，并保存所述植物生长过程中各个阶
段的植物培育参数及其对应的植物生长参数；
所述植物培育机器学习单元用于利用所述云计算处理单元获取的与植物生长过
程中各个阶段的植物培育参数对应的植物生长参数训练植物培育机器模型，使得所述已训
练的植物培育机器模型在输入植物生长某阶段的植物生长参数时输出植物生长该阶段的
下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令输
入给植物培育控制单元；
所述植物数据采集单元还用于在植物培育过程中，实时采集与植物培育各个阶段
的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理单元还用于在植物培育过程中，实时分析和处理所述植物数据采
集单元实时采集的与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光
谱数据；实时获取与植物培育过程中各个阶段的植物培育参数对应的植物生长参数并发送
给植物培育机器学习单元；
所述植物培育机器学习单元的已训练的植物培育机器模型还用于在植物培育过
程中，比对云计算处理单元实时获取的与植物培育过程中各个阶段植物培育参数对应的植
物生长参数与保存在云计算处理单元中对应的所述植物生长过程中各个阶段的植物培育
参数及其对应的植物生长参数是否一致；若不一致，则调整云计算处理单元中保存的植物
培育参数及其对应的生长参数，所述植物培育机器学习单元利用调整后的植物培育参数及
其对应的生长参数对已训练的植物培育机器模型进行再训练；
所述植物培育机器学习单元还用于在植物培育过程中，利用已训练的植物培育机
器模型输出植物下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物
培育控制指令输入给植物培育控制单元；
所述植物培育控制单元用于根据输入的植物培育控制指令控制植物培育单元的
培育系统；
所述植物培育单元的培育系统用于提供植物生长需要的生长条件。
进一步地，所述植物培育机器学习单元还根据文献资料记载的植物培育数据预先
设置植物生长各个阶段的初始植物培育参数，并将所述文献资料记载的初始植物培育参数
及其对应的植物生长参数作为比对数据初始值，存入云计算处理单元。
进一步地，所述植物培育单元的培育系统包括光照系统、温度控制系统、湿度控制
系统、养份含量控制系统及二氧化碳浓度控制系统。
又进一步地，所述植物培育参数包括光照强度参数、温度参数、湿度参数、养份含
量参数。
还进一步地，所述植物生长参数包括植物叶片大小、叶片形状、果实大小、果实形
状、叶绿素含量。
本发明另一方面提供一种基于机器学习的植物智能培育方法，包括植物数据采集
步骤、云计算处理步骤、植物培育机器学习步骤、植物培育控制步骤、植物培育步骤；
所述植物数据采集步骤包括采集与植物生长过程中各个阶段的植物培育参数对
应的植物图片数据和植物超光谱数据；
所述云计算处理步骤包括分析和处理所述植物数据采集步骤采集的与植物生长
过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据，获取与植物生长
过程中各个阶段的植物培育参数对应的植物生长参数，并保存所述植物生长过程中各个阶
段的植物培育参数及其对应的植物生长参数；
所述植物培育机器学习步骤包括利用所述云计算处理步骤获取的与植物生长过
程中各个阶段的植物培育参数对应的植物生长参数训练植物培育机器模型，使得所述已训
练的植物培育机器模型在输入植物生长某阶段的植物生长参数时输出植物生长该阶段的
下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令；
所述植物数据采集步骤还包括在植物培育过程中，实时采集与植物培育各个阶段
的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理步骤还包括在植物培育过程中，实时分析和处理所述植物数据采
集步骤实时采集的与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光
谱数据；实时获取与植物培育过程中各个阶段的植物培育参数对应的植物生长参数；
所述植物培育机器学习步骤中已训练的植物培育机器模型还用于在植物培育过
程中，比对云计算处理步骤实时获取的与植物培育过程中各个阶段植物培育参数对应的植
物生长参数与保存的所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长
参数是否一致；若不一致，则调整保存的植物培育参数及其对应的生长参数，在所述植物培
育机器学习步骤中，利用调整后的植物培育参数及其对应的生长参数对已训练的植物培育
机器模型进行再训练；
所述植物培育机器学习步骤还包括在植物培育过程中，利用已训练的植物培育机
器模型输出植物下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物
培育控制指令；
所述植物培育控制步骤包括根据植物培育控制指令控制植物培育系统；
所述植物培育步骤包括利用植物培育系统为植物生长提供生长条件。
进一步地，所述植物培育机器学习步骤还根据文献资料记载的植物培育数据预先
设置植物生长各个阶段的初始植物培育参数，并将所述文献资料记载的初始植物培育参数
及其对应的植物生长参数作为比对数据初始值，存入云计算处理单元。
进一步地，所述植物培育系统包括光照系统、温度控制系统、湿度控制系统、养份
含量控制系统及二氧化碳浓度控制系统。
又进一步地，所述植物培育参数包括光照强度参数、温度参数、湿度参数、养份含
量参数。
还进一步地，所述植物生长参数包括植物叶片大小、叶片形状、果实大小、果实形
状、叶绿素含量。
本发明提供的一种基于机器学习的植物智能培育系统及方法，解决了现有植物培
育系统不具有再学习功能的问题，实现了植物智能培育系统的自我优化和自我提升，通过
智能控制植物培育单元的光照系统、温度控制系统、湿度控制系统、养份含量控制系统及二
氧化碳浓度控制系统为植物培育创造了最佳的植物生长环境，使得培育出的植物质量更
高、产量更大，另外，本发明提供的植物智能培育系统可以根据植物的具体生长状况和生长
环境对植物培育机器模型及其植物培育参数进行实时调整，能够适应大规模的人工植物培
育生产，实现植物高效、高产、高质、可持续生产的生产系统。
附图说明
图1是本发明实施例提供的一种基于机器学习的植物智能培育系统结构示意图；
图2是本发明实施例提供的植物生长参数获取过程结构示意图；
图3是本发明实施例提供的植物培育机器训练过程结构示意图；
图4是本发明实施例提供的植物培育机器再训练过程结构示意图；
具体实施方式
下面结合附图具体阐明本发明的实施方式，附图仅供参考和说明使用，不构成对
本发明专利保护范围的限制。
本发明实施例一方面提供一种基于机器学习的植物智能培育系统，如图1所示，包
括植物数据采集单元、云计算处理单元、植物培育机器学习单元、植物培育控制单元、植物
培育单元；
在本实施例中，所述植物数据采集单元用于采集与植物生长过程中各个阶段的植
物培育参数对应的植物图片数据和植物超光谱数据(Hyperspectral Data)；根据实际情况
及用户的不同需求，所述植物数据采集单元还用于采集与植物生长过程中各个阶段的植物
培育参数对应的其他植物数据，如植物生长视频；
所述云计算处理单元用于分析和处理所述植物数据采集单元采集的与植物生长
过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据，获取与植物生长
过程中各个阶段的植物培育参数对应的植物生长参数，并保存所述植物生长过程中各个阶
段的植物培育参数及其对应的植物生长参数；如图2所示为植物生长参数获取过程结构示
意图；
所述植物培育机器学习单元用于利用所述云计算处理单元获取的与植物生长过
程中各个阶段的植物培育参数对应的植物生长参数训练植物培育机器模型，使得所述已训
练的植物培育机器模型在输入植物生长某阶段的植物生长参数时输出植物生长该阶段的
下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令输
入给植物培育控制单元；如图3所示，是植物培育机器训练过程结构示意图；需要说明的是
所述植物数据采集单元采集的与植物生长过程中各个阶段的植物培育参数对应的植物图
片数据和植物超光谱数据均来自各用户培育种植的同品种植物。
所述植物数据采集单元还用于在植物培育过程中，实时采集与植物培育各个阶段
的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理单元还用于在植物培育过程中，实时分析和处理所述植物数据采
集单元实时采集的与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光
谱数据；实时获取与植物培育过程中各个阶段的植物培育参数对应的植物生长参数并发送
给植物培育机器学习单元；
所述植物培育机器学习单元的已训练的植物培育机器模型还用于在植物培育过
程中，比对云计算处理单元实时获取的与植物培育过程中各个阶段植物培育参数对应的植
物生长参数与保存在云计算处理单元中对应的所述植物生长过程中各个阶段的植物培育
参数及其对应的植物生长参数是否一致；若不一致，则调整云计算处理单元中保存的植物
培育参数及其对应的生长参数，所述植物培育机器学习单元利用调整后的植物培育参数及
其对应的生长参数对已训练的植物培育机器模型进行再训练；如图4所示，是植物培育机器
再训练过程结构示意图；
需要说明的是：在所述植物培育机器学习单元的已训练的植物培育机器模型比对
云计算处理单元实时获取的与植物培育过程中各个阶段植物培育参数对应的植物生长参
数与保存在云计算处理单元中对应的所述植物生长过程中各个阶段的植物培育参数及其
对应的植物生长参数是否一致时：
当植物培育过程中某阶段的植物生长参数与云计算处理单元保存的植物生长过
程中该阶段的生长参数一致时，已训练的植物培育机器模型将云计算处理单元中保存的该
阶段植物生长参数对应的下一阶段植物培育参数转换成植物培育控制指令输入给植物培
育控制单元；所述植物培育控制单元再根据所述植物培育控制指令控制植物培育单元的培
育系统对植物进行下一阶段的植物培育；
当植物培育过程中某阶段的植物生长参数与云计算处理单元保存的植物生长过
程中该阶段的生长参数不一致时，首先判断所述该阶段的生长参数是否优于云计算处理单
元保存的植物生长过程中该阶段的生长参数，若是，则用该植物培育过程中该阶段的植物
生长参数替换云计算处理单元保存的植物生长过程中该阶段的生长参数，若所述该阶段的
生长参数不是优于云计算处理单元保存的植物生长过程中该阶段的生长参数，则调整该阶
段植物生长参数对应的在云计算处理单元保存的下一阶段植物培育参数，并将调整后的所
述植物培育参数转换成植物培育控制指令输入给植物培育控制单元；所述植物培育控制单
元再根据所述植物培育控制指令控制植物培育单元的培育系统对植物进行下一阶段的植
物培育；若所述下一阶段的植物生长参数与云服务器保存的植物生长过程中此阶段的生长
参数一致或者优于云服务器保存的植物生长过程中此阶段的生长参数，则将所述调整后的
植物培育参数及其对应的植物生长参数保存在云计算处理单元中，并将调整后的植物培育
参数及其对应的植物生长参数输入到已训练的植物培育机器模型中，对已训练的植物培育
机器模型进行再训练；若所述下一阶段的植物生长参数与云服务器保存的植物生长过程中
此阶段的生长参数劣于云服务器保存的植物生长过程中此阶段的生长参数，则放弃所述调
整后的植物培育参数及其对应的植物生长参数，不对其进行处理。
所述植物培育机器学习单元还用于在植物培育过程中，利用已训练的植物培育机
器模型输出植物下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物
培育控制指令输入给植物培育控制单元；
所述植物培育控制单元用于根据输入的植物培育控制指令控制植物培育单元的
培育系统；
所述植物培育单元的培育系统用于提供植物生长需要的生长条件。
根据所培育的植物类型，所述植物生长过程中的各个阶段包括如种子播种阶段、
种子发芽阶段、植物根茎叶生长阶段、植物开花阶段、果实生长阶段等阶段，所述植物培育
机器学习单元根据云计算处理单元获取的植物生长参数即可确定所述植物处于什么生长
阶段。
具体地，所述植物培育机器学习单元还根据文献资料记载的植物培育数据预先设
置植物生长各个阶段的初始植物培育参数，并将所述文献资料记载的初始植物培育参数及
其对应的植物生长参数作为比对数据初始值，存入云计算处理单元。
具体地，所述植物培育单元的培育系统包括但不限于光照系统、温度控制系统、湿
度控制系统、养份含量控制系统及二氧化碳浓度控制系统。
具体地，所述植物培育参数包括但不限于光照强度参数、温度参数、湿度参数、养
份含量参数。
具体地，所述植物生长参数包括但不限于植物叶片大小、叶片形状、果实大小、果
实形状、叶绿素含量。
本发明另一方面提供一种基于机器学习的植物智能培育方法，包括植物数据采集
步骤、云计算处理步骤、植物培育机器学习步骤、植物培育控制步骤、植物培育步骤；
所述植物数据采集步骤包括采集与植物生长过程中各个阶段的植物培育参数对
应的植物图片数据和植物超光谱数据；
所述云计算处理步骤包括分析和处理所述植物数据采集步骤采集的与植物生长
过程中各个阶段的植物培育参数对应的植物图片数据和植物超光谱数据，获取与植物生长
过程中各个阶段的植物培育参数对应的植物生长参数，并保存所述植物生长过程中各个阶
段的植物培育参数及其对应的植物生长参数；
所述植物培育机器学习步骤包括利用所述云计算处理步骤获取的与植物生长过
程中各个阶段的植物培育参数对应的植物生长参数训练植物培育机器模型，使得所述已训
练的植物培育机器模型在输入植物生长某阶段的植物生长参数时输出植物生长该阶段的
下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物培育控制指令；
所述植物数据采集步骤还包括在植物培育过程中，实时采集与植物培育各个阶段
的植物培育参数对应的植物图片数据和植物超光谱数据；
所述云计算处理步骤还包括在植物培育过程中，实时分析和处理所述植物数据采
集步骤实时采集的与植物培育各个阶段的植物培育参数对应的植物图片数据和植物超光
谱数据；实时获取与植物培育过程中各个阶段的植物培育参数对应的植物生长参数；
所述植物培育机器学习步骤中已训练的植物培育机器模型还用于在植物培育过
程中，比对云计算处理步骤实时获取的与植物培育过程中各个阶段植物培育参数对应的植
物生长参数与保存的所述植物生长过程中各个阶段的植物培育参数及其对应的植物生长
参数是否一致；若不一致，则调整保存的植物培育参数及其对应的生长参数，在所述植物培
育机器学习步骤中，利用调整后的植物培育参数及其对应的生长参数对已训练的植物培育
机器模型进行再训练；其中，所述调整保存的植物培育参数及其对应的生长参数的调整方
式与系统实施方案的调整方式一样。
所述植物培育机器学习步骤还包括在植物培育过程中，利用已训练的植物培育机
器模型输出植物下一阶段的植物培育参数，并将所述下一阶段的植物培育参数转换成植物
培育控制指令；
所述植物培育控制步骤包括根据植物培育控制指令控制植物培育系统；
所述植物培育步骤包括利用植物培育系统为植物生长提供生长条件。
具体地，所述植物培育机器学习步骤还根据文献资料记载的植物培育数据预先设
置植物生长各个阶段的初始植物培育参数，并将所述文献资料记载的初始植物培育参数及
其对应的植物生长参数作为比对数据初始值，存入云计算处理单元。
具体地，所述植物培育系统包括但不限于光照系统、温度控制系统、湿度控制系
统、养份含量控制系统及二氧化碳浓度控制系统。
具体地，所述植物培育参数包括但不限于光照强度参数、温度参数、湿度参数、养
份含量参数。
具体地，所述植物生长参数包括但不限于植物叶片大小、叶片形状、果实大小、果
实形状、叶绿素含量。
在本实施方案中，所述云计算处理单元根据采集的植物图片数据获取植物的叶片
大小、叶片形状、果实大小、果实形状等物理参数，所述云计算处理单元根据采集的植物超
光谱数据获取植物的叶绿素及其他化学参数，其中叶绿素是常见的有机化合物，在植物的
光合作用中发挥着重要作用，同时叶绿素也是植物叶片的基本组成物质之一，是植物生长
和受环境胁迫等情况的敏感指示器。植物在营养素缺乏或者受到其他外界环境干扰时,都
会在叶片叶绿素的含量和分布上表现出来。本实施方案中的植物超光谱数据采用高光谱成
像得到，不仅能够精确地测出叶绿素含量，还可以快速、准确和无损的测量出植物叶片中其
他化学成份的分布情况，为植物机器模型调整植物培育参数提供了最为关键的数据。
以上所揭露的仅为本发明的较佳实施例，不能以此来限定本发明的权利保护范
围，因此依本发明申请专利范围所作的等同变化，仍属本发明所涵盖的范围。