本发明属于农作物灌溉施肥领域，具体的说是一种用于农作物灌溉施肥的智能栽培系统及方法。
背景技术：
1、农作物灌溉和施肥是农业生产中非常重要的环节，传统的灌溉和施肥方式存在着资源浪费、劳动强度大、效率低下等问题，为了解决这些问题，智能农业技术应运而生，智能栽培技术利用传感器、无线通信、数据分析等先进技术，实现对农作物生长环境的实时监测和精准调控，从而提高农作物的产量和质量，降低资源消耗，减少环境污染，但是现有技术无法通过对历史喷洒数据、历史农作物生长数据和种植环境数据进行综合分析，同时根据农作物生长情况和土壤环境数据综合分析需要的下周期喷洒肥量并进行定量喷洒，降低了农作物生长的安全性和生长质量，现有技术中均存在上述问题；
2、例如在授权公布号为cn112136461b的中国专利中公开了一种水肥精准均匀施肥控制系统及其控制方法，该水肥精准均匀施肥控制系统，包括浇水总管和自动配肥料模块，浇水总管上依次串联设置有浇水电磁流量计和浇水电磁阀，自动配肥料模块包括多个储肥、桶水肥管、施肥电磁流量计、施肥电磁阀、施肥泵，浇水电磁流量计、浇水电磁阀和自动配肥料模块均由平台控制系统进行自动化控制工作，平台控制系统内设置有多个检测周期，平台控制系统内设置有多个pwm控制模块，pwm控制模块分别与相对应的施肥泵电性连接，平台控制系统通过pwm控制模块实时调节每个周期内施肥泵的输出流量，使施肥泵的剩余施肥总时间t与浇水总管内流通的灌溉水的剩余浇水总时间t相匹配，实现精准且均匀灌溉水肥；
3、同时在授权公布号为cn105123062b的中国专利中公开了一种车载施肥装置及其施肥控制方法，该装置包括：一体化安装座及设置在一体化安装座上的施肥机构，施肥机构包括：测速模块，连接至控制器，用于检测车体的行进速度；控制器，连接至驱动电机，用于根据行进速度，确定驱动电机的目标转速；驱动电机，传动连接至排肥器中的排肥轮，用于根据目标转速，控制排肥轮的转速。本发明采用一体化安装座将施肥机构整体安装在车体上，可以与不同的车体配套使用。安装过程简单、方便，不需要专业技术人员进行改装，拆卸比较方便。利用测速模块检测车体的行进速度，并根据该行进速度确定驱动电机的目标转速，从而控制排肥轮的转速，实现了行进速度与排肥轮转速的匹配，提高了施肥的均匀性；
4、以上专利均存在本背景技术提出的问题：现有技术无法通过对历史喷洒数据、历史农作物生长数据和种植环境数据进行综合分析，同时根据农作物生长情况和土壤环境数据综合分析需要的下周期喷洒肥量并进行定量喷洒，降低了农作物生长的安全性和生长质量，为了解决这些问题，本技术设计了一种用于农作物灌溉施肥的智能栽培系统及方法。
技术实现思路
1、针对现有技术的不足，本发明提出了一种用于农作物灌溉施肥的智能栽培系统及方法。
2、为实现上述目的，本发明提供如下技术方案：一种用于农作物灌溉施肥的智能栽培方法，其包括以下具体步骤：
3、获取农作物种植数据、种植土壤数据和种植环境变化数据，并储存在储存模组中；
4、获取农作物种植数据导入农作物异常分析模型中进行农作物异常分析；
5、获取种植土壤数据和种植环境变化数据导入种植场景异常分析模型中进行种植场景异常分析；
6、将获取的农作物异常分析结果和种植场景异常分析结果进行下周期喷洒肥量的预估；
7、获取预估得到的下周期喷洒肥量，控制喷洒模组进行肥量的喷洒。
8、作为一种用于农作物灌溉施肥的智能栽培方法的优选技术方案，所述获取农作物种植数据、种植土壤数据和种植环境变化数据，并储存在储存模组中的具体步骤为：
9、s11、获取喷洒区域内各农作物的种植数据，其中，农作物种植数据包括农作物生长周期、农作物的平均直径、农作物高度和叶片像素点像素平均值数据，储存在第一储存组件中；
10、s12、获取喷洒区域种植土壤中的养分含量数据，储存在第二储存组件中；
11、s13、获取天气预报预测的喷洒区域下周期天气温度变化曲线和下周期天气湿度变化曲线，储存在第三储存组件中。
12、在此需要具体说明的是，所述获取农作物种植数据导入农作物异常分析模型中进行农作物异常分析包括以下具体步骤：
13、s21、获取农作物的种类和农作物的当前生长周期数据，获取对应种类农作物的对应生长周期的养分标准量；这里需要说明的是，这里的对应种类农作物的对应生长周期的标准量为标准农作物在对应周期正常生长所需的养分量的平均值；
14、s22、获取历史对应生长周期的农作物的平均直径、农作物高度和叶片像素点像素平均值数据，将历史对应生长周期的农作物的平均直径、农作物高度和叶片像素点像素平均值数据导入生长周期生长异常值计算公式中计算生长周期生长异常值，其中，生长周期生长异常值计算公式为：+，其中，为平均直径占比系数，t为对应生长周期的农作物的平均直径，tm为判断为对应生长周期的成品农作物的平均直径安全范围中最接近t的值，tmax为判断为对应生长周期的成品农作物的平均直径安全范围最大值，tmin为判断为对应生长周期的成品农作物的平均直径安全范围最小值，b2为高度占比系数，d为对应生长周期的农作物的高度，dm为判断为对应生长周期的成品农作物的高度安全范围中最接近d的值，dmax为判断为对应生长周期的成品农作物的高度安全范围的最大值，dmin为判断为对应生长周期的成品农作物的高度安全范围的最小值，s为对应生长周期的农作物的叶片像素点像素平均值，sm为判断为对应生长周期农作物的叶片像素点像素平均值的安全范围中最接近s的值，smax为判断为对应生长周期农作物的叶片像素点像素平均值的安全范围最大值，smin为判断为对应生长周期农作物的叶片像素点像素平均值的安全范围最小值。
15、作为一种用于农作物灌溉施肥的智能栽培方法的优选技术方案，所述获取种植土壤数据和种植环境变化数据导入种植场景异常分析模型中进行种植场景异常分析的具体步骤为：
16、s31、获取喷洒区域种植土壤中的养分含量数据、喷洒区域下周期天气温度变化曲线和下周期天气湿度变化曲线；
17、s32、将喷洒区域种植土壤中的养分含量数据、喷洒区域下周期天气温度变化曲线和下周期天气湿度变化曲线导入种植场景异常分析系数计算公式中计算种植场景异常分析系数，其中，种植场景异常分析系数计算公式为：，其中，c1为土壤养分占比系数，c2为天气湿度占比系数，k为种植土壤中的养分含量，为种植土壤中的养分含量安全范围中最接近k的值，为种植土壤中的养分含量安全范围中最大值，为种植土壤中的养分含量安全范围中最小值，为下周期天气湿度的平均值，mm为天气湿度安全范围中最接近m的值，为天气湿度安全范围中最大值，为天气湿度安全范围中最小值，tz为下周期时长，dt为时间积分，pt为下周期t时刻的温度，pm为天气温度安全范围中最接近pt的值，pmax为天气温度安全范围中最大值，pmin为天气温度安全范围中最小值。
18、作为一种用于农作物灌溉施肥的智能栽培方法的优选技术方案，所述将获取的农作物异常分析结果和种植场景异常分析结果进行下周期喷洒肥量的预估包括以下具体步骤：
19、s41、若得到的生长周期生长异常值等于0，且种植场景异常分析系数也等于0，则下周期喷洒肥量为对应生长周期的养分标准量，若得到的生长周期生长异常值不等于0和/或种植场景异常分析系数不等于0，则进行s42操作；
20、s42、获取历史灌溉的对应周期的喷洒区域种植土壤中的养分含量数据、喷洒区域下周期天气温度变化曲线、下周期天气湿度变化曲线、对应生长周期生长异常值、喷洒后下周期的生长周期生长异常值和喷洒肥量数据，构建输入为对应周期的喷洒区域种植土壤中的养分含量数据、喷洒区域下周期天气温度变化曲线、下周期天气湿度变化曲线、对应生长周期生长异常值、需要的喷洒后下周期的生长周期生长异常值，且输出为喷洒肥量数据的深度学习神经网络模型；
21、s43、将提取的历史灌溉的对应周期的喷洒区域种植土壤中的养分含量数据、喷洒区域下周期天气温度变化曲线、下周期天气湿度变化曲线、对应生长周期生长异常值、喷洒后下周期的生长周期生长异常值和喷洒肥量数据分为70%的参数训练集和30%的参数测试集；将70%的参数训练集输入深度学习神经网络模型进行训练，以得到初始深度学习神经网络模型；利用30%的参数测试集对初始深度学习神经网络模型进行测试，输出满足最高喷洒肥量判断准确度的初始深度学习神经网络模型作为深度学习神经网络模型，其中，深度学习神经网络模型中的特定神经元的输出策略公式为：，其中为n+1层s项神经元的输出，为第n层神经元j与n+1层s项神经元的连接权重，代表第n层神经元j的输出，）代表第n层神经元j与n+1层s项神经元的线性关系的偏置，)代表sigmoid激活函数；
22、s44、将对应周期的喷洒区域种植土壤中的养分含量数据、喷洒区域下周期天气温度变化曲线、下周期天气湿度变化曲线、对应生长周期生长异常值和需要的下个生长周期生长异常值导入深度学习神经网络模型中，进行迭代，获取输出的最接近需要的下个生长周期生长异常值的喷洒肥量作为预估下周期喷洒肥量；
23、作为一种用于农作物灌溉施肥的智能栽培方法的优选技术方案，所述获取预估得到的下周期喷洒肥量，控制喷洒模组进行肥量的喷洒的具体内容为：
24、获取预估得到的下周期喷洒肥量，通过有线或无线方式传输至控制肥量组件，控制肥量组件控制控制喷洒模组进行肥量的喷洒。
25、一种用于农作物灌溉施肥的智能栽培系统，其基于上述一种用于农作物灌溉施肥的智能栽培方法实现，其具体包括数据获取模块、农作物异常分析模块、种植场景异常分析模块、下周期喷洒肥量预估模块、喷洒模块和控制模块，所述数据获取模块用于获取农作物种植数据、种植土壤数据和种植环境变化数据，并储存在储存模组中，所述农作物异常分析模块用于获取农作物种植数据导入农作物异常分析模型中进行农作物异常分析。
26、作为一种用于农作物灌溉施肥的智能栽培系统的优选技术方案，所述种植场景异常分析模块用于获取种植土壤数据和种植环境变化数据导入种植场景异常分析模型中进行种植场景异常分析，所述下周期喷洒肥量预估模块用于将获取的农作物异常分析结果和种植场景异常分析结果进行下周期喷洒肥量的预估，所述喷洒模块用于获取预估得到的下周期喷洒肥量，控制喷洒模组进行肥量的喷洒。
27、作为一种用于农作物灌溉施肥的智能栽培系统的优选技术方案，所述控制模块用于控制数据获取模块、农作物异常分析模块、种植场景异常分析模块、下周期喷洒肥量预估模块、喷洒模块的运行。
28、一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
29、所述处理器通过调用所述存储器中存储的计算机程序，执行上述的一种用于农作物灌溉施肥的智能栽培方法。
30、一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如上述的一种用于农作物灌溉施肥的智能栽培方法。
31、与现有技术相比，本发明的有益效果是：
32、本发明获取农作物种植数据、种植土壤数据和种植环境变化数据，并储存在储存模组中，获取农作物种植数据导入农作物异常分析模型中进行农作物异常分析，获取种植土壤数据和种植环境变化数据导入种植场景异常分析模型中进行种植场景异常分析，将获取的农作物异常分析结果和种植场景异常分析结果进行下周期喷洒肥量的预估，获取预估得到的下周期喷洒肥量，控制喷洒模组进行肥量的喷洒，通过对历史喷洒数据、历史农作物生长数据和种植环境数据进行综合分析，根据农作物生长情况和土壤环境数据综合分析需要的下周期喷洒肥量并进行定量喷洒，提高了农作物生长的安全性和生长质量。
1.一种用于农作物灌溉施肥的智能栽培方法，其特征在于，其包括以下具体步骤：
2.如权利要求1所述的一种用于农作物灌溉施肥的智能栽培方法，其特征在于，所述获取农作物种植数据、种植土壤数据和种植环境变化数据，并储存在储存模组中的具体步骤为：
3.如权利要求2所述的一种用于农作物灌溉施肥的智能栽培方法，其特征在于，所述获取农作物种植数据导入农作物异常分析模型中进行农作物异常分析包括以下具体步骤：
4.如权利要求3所述的一种用于农作物灌溉施肥的智能栽培方法，其特征在于，所述获取种植土壤数据和种植环境变化数据导入种植场景异常分析模型中进行种植场景异常分析的具体步骤为：
5.如权利要求4所述的一种用于农作物灌溉施肥的智能栽培方法，其特征在于，所述将获取的农作物异常分析结果和种植场景异常分析结果进行下周期喷洒肥量的预估包括以下具体步骤：
6.如权利要求5所述的一种用于农作物灌溉施肥的智能栽培方法，其特征在于，所述获取预估得到的下周期喷洒肥量，控制喷洒模组进行肥量的喷洒的具体内容为：
7.一种用于农作物灌溉施肥的智能栽培系统，其基于如权利要求1-6任一项的所述一种用于农作物灌溉施肥的智能栽培方法实现，其特征在于，其具体包括数据获取模块、农作物异常分析模块、种植场景异常分析模块、下周期喷洒肥量预估模块、喷洒模块和控制模块，所述数据获取模块用于获取农作物种植数据、种植土壤数据和种植环境变化数据，并储存在储存模组中，所述农作物异常分析模块用于获取农作物种植数据导入农作物异常分析模型中进行农作物异常分析。
8.如权利要求7所述的一种用于农作物灌溉施肥的智能栽培系统，其特征在于，所述种植场景异常分析模块用于获取种植土壤数据和种植环境变化数据导入种植场景异常分析模型中进行种植场景异常分析，所述下周期喷洒肥量预估模块用于将获取的农作物异常分析结果和种植场景异常分析结果进行下周期喷洒肥量的预估，所述喷洒模块用于获取预估得到的下周期喷洒肥量，控制喷洒模组进行肥量的喷洒，所述控制模块用于控制数据获取模块、农作物异常分析模块、种植场景异常分析模块、下周期喷洒肥量预估模块、喷洒模块的运行。
9.一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
10.一种计算机可读存储介质，其特征在于，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-6任一项所述的一种用于农作物灌溉施肥的智能栽培方法。
