本发明涉及智能调控，尤其涉及一种用于植物生长环境的智能监测调控方法及系统。
背景技术：
1、植物生长环境的监测和调控系统主要依靠传统传感器和简单的控制算法来实现对温度、湿度、光照强度、二氧化碳浓度和土壤湿度等环境参数的监测和调节。这些系统通常使用独立的传感器节点采集数据，并通过预设的规则进行简单的调控。这些方法在一定程度上可以实现对植物生长环境的监控和管理，但存在数据处理能力有限、调控策略单一、实时性差等问题，难以应对复杂多变的植物生长环境需求。
2、现有技术中的不足在于：单一传感器的数据采集方式缺乏综合性，无法全面反映植物生长环境的动态变化。其次，传统的控制算法对于复杂环境数据的处理能力不足，难以实现高效准确的环境调控。最后，现有系统缺乏智能化的预测和调控手段，无法根据环境变化趋势进行提前干预，导致植物生长环境难以达到最优状态。
技术实现思路
1、有鉴于此，本发明实施例提供了一种用于植物生长环境的智能监测调控方法及系统，用于提高用于植物生长环境的智能监测调控的时效性及准确率。
2、本发明提供了一种用于植物生长环境的智能监测调控方法，包括：对预设区域的植物生长环境进行传感器数据采集，得到环境参数数据，其中，所述环境参数数据包括：温度、湿度、光照强度、二氧化碳浓度和土壤湿度，同时，通过预置的图像采集装置采集所述预设区域进行环境图像采集，得到环境图像数据；
3、通过自适应神经模糊推理算法对所述环境参数数据以及所述环境图像数据进行数据融合，得到融合环境数据；
4、通过预置的深度q网络对所述融合环境数据进行植物生长模型构建，得到目标植物生长模型，并对所述目标植物生长模型进行环境变化趋势预测，得到环境预测数据；
5、将所述环境预测数据输入预置的模糊控制算法进行环境调控策略分析，得到目标环境调控策略，并通过所述目标环境调控策略对所述预设区域进行环境控制。
6、在本发明中，所述通过自适应神经模糊推理算法对所述环境参数数据以及所述环境图像数据进行数据融合，得到融合环境数据步骤，包括：
7、对所述环境参数数据进行高频噪声去除，得到去噪环境参数数据；
8、对所述环境图像数据进行降维处理，得到降维环境图像数据；
9、对所述去噪环境参数数据以及所述降维环境图像数据输入所述自适应神经模糊推理算法进行模糊规则节点匹配，得到多个模糊规则节点；
10、分别匹配每个模糊规则节点的隶属度值，基于每个模糊规则节点的隶属度值对所述去噪环境参数数据以及所述降维环境图像数据进行数据加权融合，得到模糊融合数据；
11、对所述模糊融合数据进行解模糊处理，得到所述融合环境数据。
12、在本发明中，所述深度q网络包括输入层、隐藏层和输出层，所述通过预置的深度q网络对所述融合环境数据进行植物生长模型构建，得到目标植物生长模型，并对所述目标植物生长模型进行环境变化趋势预测，得到环境预测数据步骤，包括：
13、将所述融合环境数据输入所述输出层进行数据格式转换，得到目标环境数据；
14、将所述目标环境数据输入所述隐藏层进行动作q值分析，得到动作q值集合；
15、将所述动作q值集合输入所述输出层进行目标q值筛选，得到目标q值，并根据所述目标q值匹配目标动作集；
16、基于所述目标动作集对所述融合环境数据进行植物生长模型构建，得到目标植物生长模型，并对所述目标植物生长模型进行环境变化趋势预测，得到环境预测数据。
17、在本发明中，所述基于所述目标动作集对所述融合环境数据进行植物生长模型构建，得到目标植物生长模型，并对所述目标植物生长模型进行环境变化趋势预测，得到环境预测数据步骤，包括：
18、对所述目标动作集进行环境状态匹配，得到目标环境状态；
19、基于所述目标环境状态对所述目标动作集进行生长趋势策略分析，得到生长趋势策略；
20、根据所述生长趋势策略匹配素数目标环境状态的环境状态参数值；
21、基于所述环境状态参数值以及所述生长趋势策略对所述融合环境数据进行植物生长模型构建，得到目标植物生长模型，具体包括：基于所述环境状态参数值以及所述生长趋势策略定义初始植物生长模型的参数，得到光合作用效率，蒸腾作用效率以及养分吸收效率；
22、将所述环境状态参数值以及所述生长趋势策略输入所述初始植物生长模型进行时间步长模拟，循环执行以下步骤，直至达到预设的模拟时间终点：
23、根据所述生长趋势策略，更新当前时间步长的环境状态参数：
24、通过所述光合作用效率计算当前光合作用速率：
25、根据所述蒸腾作用效率计算当前蒸腾作用速率：
26、根据所述养分吸收效率计算当前养分吸收速率：
27、根据所述光合作用速率、所述蒸腾作用速率以及所述养分吸收速率更新植物生长状态；
28、当达到所述模拟时间终点时，得到所述目标植物生长模型；
29、对所述目标植物生长模型进行环境变化趋势预测，得到环境预测数据。
30、在本发明中，所述对所述目标植物生长模型进行环境变化趋势预测，得到环境预测数据步骤，包括：
31、采集所述预设区域的历史环境数据，并对所述历史环境数据进行特征提取，得到历史周期性特征以及历史趋势性特征；
32、将所述历史周期性特征以及历史趋势性特征输入预置的长短期记忆网络进行参数依赖关系提取，得到参数依赖关系数据；
33、对所述目标植物生长模型进行时序匹配，得到所述目标植物生长模型的预测时序数据；
34、基于所述参数依赖关系数据对所述预测时序数据进行环境变化趋势预测，得到环境预测数据。
35、在本发明中，所述将所述环境预测数据输入预置的模糊控制算法进行环境调控策略分析，得到目标环境调控策略，并通过所述目标环境调控策略对所述预设区域进行环境控制步骤，包括：
36、对所述模糊控制算法进行模糊变量定义，得到模糊变量集，其中，所述模糊变量集包括：温度变量、湿度变量、光照强度变量、二氧化碳浓度变量和土壤湿度变量；
37、将所述模糊变量集以及所述环境预测数据输入所述模糊控制算法进行环境调控策略分析，得到初始环境调控策略；
38、将所述初始环境调控策略输入预置的生成对抗网络的生成器进行策略优化，得到优化环境调控策略；
39、将所述优化环境调控策略输入所述生成对抗网络的判别器进行策略修正，得到所述目标环境调控策略，并通过所述目标环境调控策略对所述预设区域进行环境控制。
40、在本发明中，在所述通过所述目标环境调控策略对所述预设区域进行环境控制步骤之后，还包括：
41、将所述目标环境调控策略输入预置的图神经网络进行图结构构建，得到目标图结构；
42、对所述目标图结构中的每个图节点进行调控资源提取，得到每个图节点的调控资源；
43、实时采集所述预设区域的调控状态参数，基于每个图节点的调控资源对所述调控状态参数进行提醒内容匹配，得到目标提醒内容，并将所述目标提醒内容传输至预置的数据展示终端。
44、本发明还提供了一种用于植物生长环境的智能监测调控系统，包括：
45、采集模块，用于对预设区域的植物生长环境进行传感器数据采集，得到环境参数数据，其中，所述环境参数数据包括：温度、湿度、光照强度、二氧化碳浓度和土壤湿度，同时，通过预置的图像采集装置采集所述预设区域进行环境图像采集，得到环境图像数据；
46、融合模块，用于通过自适应神经模糊推理算法对所述环境参数数据以及所述环境图像数据进行数据融合，得到融合环境数据；
47、构建模块，用于通过预置的深度q网络对所述融合环境数据进行植物生长模型构建，得到目标植物生长模型，并对所述目标植物生长模型进行环境变化趋势预测，得到环境预测数据；
48、分析模块，用于将所述环境预测数据输入预置的模糊控制算法进行环境调控策略分析，得到目标环境调控策略，并通过所述目标环境调控策略对所述预设区域进行环境控制。
49、本发明提供的技术方案中，通过对预设区域的植物生长环境进行传感器数据采集，得到包括温度、湿度、光照强度、二氧化碳浓度和土壤湿度在内的环境参数数据，同时通过预置的图像采集装置进行环境图像采集，获取环境图像数据。这种多源数据采集方式，不仅能够全面反映植物生长环境的各项关键参数，还能通过图像数据捕捉到肉眼不可见的环境变化和潜在问题，为后续的数据处理和分析提供了丰富的基础信息。其次，通过自适应神经模糊推理算法对环境参数数据和环境图像数据进行数据融合，得到融合环境数据。自适应神经模糊推理算法结合了神经网络的自学习能力和模糊逻辑的处理优势，能够在复杂多变的环境中实现数据的高效处理和准确融合，提高了数据的整体质量和可靠性。进一步地，利用预置的深度q网络对融合环境数据进行植物生长模型的构建，得到目标植物生长模型，并对该模型进行环境变化趋势预测，生成环境预测数据。深度q网络通过强化学习的机制，不断优化其决策策略，能够有效地应对动态环境变化，提供精确的趋势预测，帮助实现提前干预和调控，确保植物生长环境的稳定和优化。在得到环境预测数据后，将其输入预置的模糊控制算法进行环境调控策略分析，生成目标环境调控策略，并通过该策略对预设区域进行环境控制。模糊控制算法在处理不确定性和模糊信息方面具有独特优势，能够根据环境预测数据制定出合理的调控方案，确保环境参数维持在适宜的范围内。此外，通过生成对抗网络对初始环境调控策略进行优化和修正，进一步提高了调控策略的精确性和适应性，确保植物在最佳环境条件下生长。通过分布式计算和微服务架构进行集成，利用图神经网络优化数据传输路径和计算资源分配，实现了高效的数据处理和资源管理，提升了整体运行效率和稳定性。
1.一种用于植物生长环境的智能监测调控方法，其特征在于，包括：
2.根据权利要求1所述的用于植物生长环境的智能监测调控方法，其特征在于，所述通过自适应神经模糊推理算法对所述环境参数数据以及所述环境图像数据进行数据融合，得到融合环境数据步骤，包括：
3.根据权利要求1所述的用于植物生长环境的智能监测调控方法，其特征在于，所述深度q网络包括输入层、隐藏层和输出层，所述通过预置的深度q网络对所述融合环境数据进行植物生长模型构建，得到目标植物生长模型，并对所述目标植物生长模型进行环境变化趋势预测，得到环境预测数据步骤，包括：
4.根据权利要求3所述的用于植物生长环境的智能监测调控方法，其特征在于，所述基于所述目标动作集对所述融合环境数据进行植物生长模型构建，得到目标植物生长模型，并对所述目标植物生长模型进行环境变化趋势预测，得到环境预测数据步骤，包括：
5.根据权利要求4所述的用于植物生长环境的智能监测调控方法，其特征在于，所述对所述目标植物生长模型进行环境变化趋势预测，得到环境预测数据步骤，包括：
6.根据权利要求1所述的用于植物生长环境的智能监测调控方法，其特征在于，所述将所述环境预测数据输入预置的模糊控制算法进行环境调控策略分析，得到目标环境调控策略，并通过所述目标环境调控策略对所述预设区域进行环境控制步骤，包括：
7.根据权利要求6所述的用于植物生长环境的智能监测调控方法，其特征在于，在所述通过所述目标环境调控策略对所述预设区域进行环境控制步骤之后，还包括：
8.一种用于植物生长环境的智能监测调控系统，用以执行如权利要求1至7任一项所述的用于植物生长环境的智能监测调控方法，其特征在于，包括：
