本发明提供了一种基于物联网云平台的智能植物生长环境调节系统与方法，涉及农业领域。利用服务器依据遗传神经网络训练模型、植物种类、预植物生长周期、多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，初步选取出多组较佳第一生长环境参数；再依据目标值寻优算法模型选取出最佳第一生长环境参数；计算当前第一生长环境参数与最佳第一生长环境参数的调控差值，最后发送调控信号至第一环境参数调节机构，第一环境参数调节机构接收到调控信号后运行，以使当前第一生长环境参数更新为最佳第一生长环境参数，使得调节后的植物生长环境的与植物本身需求的最佳生长环境的匹配度高，调节后的植物生长环境为适宜植物生长的最佳环境。
1.一种基于物联网云平台的智能植物生长环境调节系统，其特征在于，所述基于物联网云平台的智能植物生长环境调节系统包括第一环境参数采集模块、服务器、第一环境参数调节机构，所述服务器分别与第一环境参数采集模块、所述第一环境参数调节机构通信连接，所述第一环境参数采集模块用于采集植物所处环境的当前第一生长环境参数，并将当前第一生长环境参数传输至所述服务器；
所述服务器用于接收第一环境参数采集模块发送的当前第一生长环境参数；并依据遗传神经网络训练模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从所述多组第一生长环境参数训练样本选取符合预设定的植物种类、预设定的植物生长周期的多组较佳第一生长环境参数；其次依据目标值寻优算法模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从所述选取出的多组较佳第一生长环境参数中选取符合预设定的植物种类、预设定的植物生长周期的最佳第一生长环境参数，所述目标值寻优算法模型为遗传算法模型或改进型鱼群算法模型；再计算当前第一生长环境参数与最佳第一生长环境参数的调控差值，并依据所述调控差值生成调控信号，最后发送所述调控信号至所述第一环境参数调节机构；
所述第一环境参数调节机构用于接收所述服务器发送的调控信号，并依据所述调控信号执行环境参数调节的操作。
2.根据权利要求1所述的基于物联网云平台的智能植物生长环境调节系统，其特征在于，所述服务器还用于确定神经网络拓扑结构并创建初始多层前馈神经网络；其次提取预存储的第一生长环境参数训练样本的编码类型、编码长度、种群规模、定义交叉、变异率以及中止条件；然后依据编码类型、编码长度、种群规模、定义交叉、变异率以及中止条件确定自适应度函数；接着依据预存储的第一生长环境参数训练样本生成N个二值基因链码个体，并将N个二值基因链码个体解码为一组连接权值；再着依据预存储的第一生长环境参数训练样本、自适应度函数计算每组连接权值对应的多层前馈神经网络的误差以及适应度；然后选取误差以及适应度满足预设定条件的连接权值作为网络神经的权值和阈值初始值。
3.根据权利要求2所述的基于物联网云平台的智能植物生长环境调节系统，其特征在于，
所述服务器还用于依据选取出的网络神经的权值和阈值初始值新建当前多层前馈神经网络；并计算各层实际输出以及计算实际输出与目标输出的多个误差；然后依据LM训练法、所述多个误差进行训练并调整各层的权值和阈值初始值；最后选取出满足预设定条件的多组较佳权值和阈值，并保存遗传神经网络训练模型。
4.根据权利要求1所述的基于物联网云平台的智能植物生长环境调节系统，其特征在于，第一环境参数采集模块包括日光辐射传感器、环境温度传感器以及CO2浓度传感器，所述日光辐射传感器用于检测植物所处环境的光通量密度，所述环境温度传感器用于检测植物所处环境的温度，所述CO2浓度传感器用于采集植物所处环境的CO2浓度，所述第一环境参数调节机构包括遮阳布驱动机构、温度调节机构、LED定量补光灯、通风执行机构。
5.根据权利要求1所述的基于物联网云平台的智能植物生长环境调节系统，其特征在于，所述基于物联网云平台的智能植物生长环境调节系统还包括第二环境参数采集模块，所述第二环境参数采集模块包括土壤温度传感器、土壤含水量传感器以及相对湿度传感器，所述土壤温度传感器用于采集植物生长土壤的温度，所述土壤含水量传感器用于采集植物生长土壤的含水量，所述相对湿度传感器用于采集植物生长环境的相对湿度，所述第二环境参数调节机构包括自动灌溉机构。
6.根据权利要求5所述的基于物联网云平台的智能植物生长环境调节系统，其特征在于，所述服务器还用于接收第二环境参数采集模块发送的当前第二生长环境参数，判断所述当前第二生长环境参数是否在预设定的阈值范围以内；若当前第二生长环境参数不在预设定的阈值范围以内时，控制报警器报警。
7.根据权利要求1所述的基于物联网云平台的智能植物生长环境调节系统，其特征在于，所述基于物联网云平台的智能植物生长环境调节系统还包括风光互补供电系统，所述风光互补供电系统分别与所述第一环境参数采集模块、所述第一环境参数调节机构电连接。
8.一种基于物联网云平台的智能植物生长环境调节方法，其特征在于，应用于基于物联网云平台的智能植物生长环境调节系统，所述基于物联网云平台的智能植物生长环境调节系统包括第一环境参数采集模块、服务器、第一环境参数调节机构，所述服务器分别与第一环境参数采集模块、所述第一环境参数调节机构通信连接，所述基于物联网云平台的智能植物生长环境调节方法包括：所述第一环境参数采集模块采集植物所处环境的当前第一生长环境参数，并将当前第一生长环境参数传输至所述服务器；
所述服务器接收第一环境参数采集模块发送的当前第一生长环境参数；
所述服务器依据遗传神经网络训练模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从所述多组第一生长环境参数训练样本选取符合预设定的植物种类、预设定的植物生长周期的多组较佳第一生长环境参数；
所述服务器依据目标值寻优算法模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从所述选取出的多组较佳第一生长环境参数中选取符合预设定的植物种类、预设定的植物生长周期的最佳第一生长环境参数，所述目标值寻优算法模型为遗传算法模型或改进型鱼群算法模型；
所述服务器计算当前第一生长环境参数与最佳第一生长环境参数的调控差值，并依据所述调控差值生成调控信号，最后发送所述调控信号至所述第一环境参数调节机构；
所述第一环境参数调节机构接收所述服务器发送的调控信号，并依据所述调控信号执行环境参数调节的操作。
9.根据权利要求8所述的基于物联网云平台的智能植物生长环境调节方法，其特征在于，所述服务器建立所述遗传神经网络训练模型的方法包括：所述服务器确定神经网络拓扑结构并创建初始多层前馈神经网络；
所述服务器提取预存储的第一生长环境参数训练样本的编码类型、编码长度、种群规模、定义交叉、变异率以及中止条件；
所述服务器依据编码类型、编码长度、种群规模、定义交叉、变异率以及中止条件确定自适应度函数；
所述服务器依据预存储的第一生长环境参数训练样本生成N个二值基因链码个体，并将N个二值基因链码个体解码为一组连接权值；
所述服务器依据预存储的第一生长环境参数训练样本、自适应度函数计算每组连接权值对应的多层前馈神经网络的误差以及适应度；然后选取误差以及适应度满足预设定条件的连接权值作为网络神经的权值和阈值初始值；
所述服务器依据选取出的网络神经的权值和阈值初始值新建当前多层前馈神经网络；
所述服务器计算各层实际输出以及计算实际输出与目标输出的多个误差；
所述服务器依据LM训练法、所述多个误差进行训练并调整各层的权值和阈值初始值；
所述服务器选取出满足预设定条件的多组较佳权值和阈值，并保存遗传神经网络训练模型。
基于物联网云平台的智能植物生长环境调节系统与方法
技术领域
[0001] 本发明涉及农业领域，具体而言，涉及一种基于物联网云平台的智能植物生长环境调节系统与方法。
背景技术
[0002] 植物光合速率的好坏取决于当前植物所处生长周期、植物生长环境的优劣，例如，环境光照、二氧化碳浓度、环境温度、空气湿度、土壤水分含量等等，其中，环境光照、二氧化碳浓度、环境温度三个参数对植物的光合速率的影响较大。植物生长环境与植物的种类及生长周期越匹配，则植物的生长情况越好，随着科技与社会的发展，对蔬菜瓜果的大棚种植越来越科学化，以促进植物在良好的环境下生长。
[0003] 现有技术中，对植物生长环境的调节常常为，利用环境参数采集模块采集模块采集环境数据，当环境数据大于预设的阈值时，即控制执行机构运行，以控制环境数据低于预设定阈值。这样进行调节后的植物生长环境的与植物本身需求的最佳生长环境的匹配度不高，可靠性差，调节后的植物生长环境并不是适宜植物生长的最佳环境。
发明内容
[0004] 有鉴于此，本发明实施例的目的在于提供一种基于物联网云平台的智能植物生长环境调节系统与方法。
[0005] 第一方面，本发明实施例提供了一种基于物联网云平台的智能植物生长环境调节系统，所述基于物联网云平台的智能植物生长环境调节系统包括第一环境参数采集模块、服务器、第一环境参数调节机构，所述服务器分别与第一环境参数采集模块、所述第一环境参数调节机构通信连接，
[0006] 所述第一环境参数采集模块用于采集植物所处环境的当前第一生长环境参数，并将当前第一生长环境参数传输至所述服务器；
[0007] 所述服务器用于接收第一环境参数采集模块发送的当前第一生长环境参数；并依据遗传神经网络训练模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从所述多组第一生长环境参数训练样本选取符合预设定的植物种类、预设定的植物生长周期的多组较佳第一生长环境参数；其次依据目标值寻优算法模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从所述选取出的多组较佳第一生长环境参数中选取符合预设定的植物种类、预设定的植物生长周期的最佳第一生长环境参数；再计算当前第一生长环境参数与最佳第一生长环境参数的调控差值，并依据所述调控差值生成调控信号，最后发送所述调控信号至所述第一环境参数调节机构；
[0008] 所述第一环境参数调节机构用于接收所述服务器发送的调控信号，并依据所述调控信号执行环境参数调节的操作。
[0009] 第二方面，本发明实施例还提供了一种基于物联网云平台的智能植物生长环境调节方法，应用于基于物联网云平台的智能植物生长环境调节系统，所述基于物联网云平台的智能植物生长环境调节系统包括第一环境参数采集模块、服务器、第一环境参数调节机构，所述服务器分别与第一环境参数采集模块、所述第一环境参数调节机构通信连接，所述基于物联网云平台的智能植物生长环境调节方法包括：
[0010] 所述第一环境参数采集模块采集植物所处环境的当前第一生长环境参数，并将当前第一生长环境参数传输至所述服务器；
[0011] 所述服务器接收第一环境参数采集模块发送的当前第一生长环境参数；
[0012] 所述服务器依据遗传神经网络训练模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从所述多组第一生长环境参数训练样本选取符合预设定的植物种类、预设定的植物生长周期的多组较佳第一生长环境参数；
[0013] 所述服务器依据目标值寻优算法模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从所述选取出的多组较佳第一生长环境参数中选取符合预设定的植物种类、预设定的植物生长周期的最佳第一生长环境参数；
[0014] 所述服务器计算当前第一生长环境参数与最佳第一生长环境参数的调控差值，并依据所述调控差值生成调控信号，最后发送所述调控信号至所述第一环境参数调节机构；
[0015] 所述第一环境参数调节机构接收所述服务器发送的调控信号，并依据所述调控信号执行环境参数调节的操作。
[0016] 与现有技术相比，本发明提供的基于物联网云平台的智能植物生长环境调节系统与方法，利用服务器依据遗传神经网络训练模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从所述多组第一生长环境参数训练样本选取符合预设定的植物种类、预设定的植物生长周期的多组较佳第一生长环境参数；再依据目标值寻优算法模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从所述选取出的多组较佳第一生长环境参数中选取符合预设定的植物种类、预设定的植物生长周期的最佳第一生长环境参数；并计算当前第一生长环境参数与最佳第一生长环境参数的调控差值，并依据所述调控差值生成调控信号；最后发送所述调控信号至第一环境参数调节机构，第一环境参数调节机构接收到调控信号后，依据调控信号运行，以使当前第一生长环境参数更新为最佳第一生长环境参数，从而使得调节后的植物生长环境的与植物本身需求的最佳生长环境的匹配度高，可靠性高，调节后的植物生长环境为适宜植物生长的最佳环境，显著地提高了农场的生产收益。
[0017] 为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0018] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0019] 图1为本发明实施例提供的服务器分别与第一环境参数采集模块、第二环境参数采集模块、第一环境参数调节机构、第二环境参数调节机构以及报警器之间的交互示意图；
[0020] 图2为本发明实施例提供的基于物联网云平台的智能植物生长环境调节方法的流程示意图；
[0021] 图3为本发明实施例提供的遗传神经网络训练模型建立的流程示意图。
[0022] 图标：100-第一环境参数采集模块；200-服务器；300-第二环境参数采集模块；400-第一环境参数调节机构；500-报警器；600-日光辐射传感器；700-环境温度传感器；
800-CO2浓度传感器；900-土壤温度传感器；1001-土壤含水量传感器；1002-相对湿度传感器；1003-自动灌溉机构；1005-遮阳布驱动机构；1006-温度调节机构；1007-LED定量补光灯；1008-通风执行机构。
具体实施方式
[0023] 下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0024] 请参阅图1，本发明实施例提供了一种基于物联网云平台的智能植物生长环境调节系统，基于物联网云平台的智能植物生长环境调节系统包括第一环境参数采集模块100、第二环境参数采集模块300、服务器200、第一环境参数调节机构400、第二环境参数调节机构，服务器200分别与第一环境参数采集模块100、第二环境参数采集模块300、第一环境参数调节机构400、第二环境参数调节机构通信连接。
[0025] 第一环境参数采集模块100用于采集植物所处环境的当前第一生长环境参数，并将当前第一生长环境参数传输至服务器200。
[0026] 本实施例中，第一环境参数采集模块100包括日光辐射传感器600、环境温度传感器700以及CO2浓度传感器800，日光辐射传感器600用于检测植物所处环境的光通量密度，环境温度传感器700用于检测植物所处环境的温度，CO2浓度传感器800用于采集植物所处环境的CO2浓度，第一环境参数调节机构400包括遮阳布驱动机构1005、温度调节机构1006、LED定量补光灯1007、通风执行机构1008。
[0027] 第二环境参数采集模块300包括土壤温度传感器900、土壤含水量传感器1001以及相对湿度传感器1002，土壤温度传感器900用于采集植物生长土壤的温度，土壤含水量传感器1001用于采集植物生长土壤的含水量，相对湿度传感器1002用于采集植物生长环境的相对湿度，第二环境参数调节机构包括自动灌溉机构1003。
[0028] 其中，当前第一生长环境参数包括环境温度、红光通量密度、蓝光通量密度、CO2浓度。其中，环境温度、红光通量密度、蓝光通量密度、CO2浓度对植物的光合速率的影响程度较大。第一环境参数采集模块100包括日光辐射传感器600、环境温度传感器700以及CO2浓度传感器800。
[0029] 服务器200用于接收第一环境参数采集模块100发送的当前第一生长环境参数；并依据遗传神经网络训练模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从多组第一生长环境参数训练样本选取符合预设定的植物种类、预设定的植物生长周期的多组较佳第一生长环境参数；其次依据目标值寻优算法模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从选取出的多组较佳第一生长环境参数中选取符合预设定的植物种类、预设定的植物生长周期的最佳第一生长环境参数；再计算当前第一生长环境参数与最佳第一生长环境参数的调控差值，并依据调控差值生成调控信号，最后发送调控信号至第一环境参数调节机构400。
[0030] 服务器200还用于确定神经网络拓扑结构并创建初始多层前馈神经网络；其次提取预存储的第一生长环境参数训练样本的编码类型、编码长度、种群规模、定义交叉、变异率以及中止条件；然后依据编码类型、编码长度、种群规模、定义交叉、变异率以及中止条件确定自适应度函数；接着依据预存储的第一生长环境参数训练样本生成N个二值基因链码个体，并将N个二值基因链码个体解码为一组连接权值；再着依据预存储的第一生长环境参数训练样本、自适应度函数计算每组连接权值对应的多层前馈神经网络的误差以及适应度；然后选取误差以及适应度满足预设定条件的连接权值作为网络神经的权值和阈值初始值；依据选取出的网络神经的权值和阈值初始值新建当前多层前馈神经网络；并计算各层实际输出以及计算实际输出与目标输出的多个误差；然后依据LM训练法、多个误差进行训练并调整各层的权值和阈值初始值；最后选取出满足预设定条件的多组较佳权值和阈值，并保存遗传神经网络训练模型。
[0031] 通过上述方式利用快速全局的收敛能力对初始权值范围进行确定，既而以此权值完成遗传神经网络训练模型构建。考虑到遗传算法具备全局优化能力强、自适应性强的特点，可以实现大范围内全局最优解邻域的快速获取，但在局部小邻域的寻优精度不高，因此本实施例将遗传算法与BP神经网络算法结合，从而构建上述的遗传神经网络训练模型，可以实现对某种植物在某个生长周期下在不同温度、光通量密度以及CO2浓度下精准预测，并初步选取出适合该植物的温度、光通量密度以及CO2浓度，为下一步目标值寻优提供参考数据，并且显著提高了收敛速度。
[0032] 本实施例中，目标值寻优算法模型可以采用遗传算法模型或改进型鱼群算法模型。当目标值寻优算法模型采用遗传算法模型时，遗传算法模型对比分析遗传神经网络模型在寻优效率与寻优结果上的差异，从而获得最佳第一生长环境参数。遗传算法模型在运行的过程中，采用嵌套的方式建立多个寻优条件样本集，通过对遗传神经网络模型的实例化得到目标函数。
[0033] 当目标值寻优算法模型采用改进型鱼群算法模型(与传统的鱼群算法模型不同)时，改进型鱼群算法模型的建立过程如下所述：
[0034] 首先设置遗人工鱼群算法的寻优初始化参数及随机初始化鱼群、建立多维寻优调节数据样本集并提取一组寻优条件以及预先设定的特定目标函数，其次，计算人工鱼的位置的食物浓度，并对种群空间中的人工鱼进行评价，判断评价结果是否满足预设定的终止条件，如果不满足终止条件，则调节视野和步长的动态调节量，然后在评价结果符合预设定的追尾条件完成追尾行为以及在在评价结果符合预设定的聚类条件时完成聚类行为，在评价结果既不符合预设定的追尾条件也不符合在评价结果符合预设定的聚类条件时完成觅食行为，从而选定最优的行为结果(即从所述选取出的多组较佳第一生长环境参数中选取符合预设定的植物种类、预设定的植物生长周期的最佳第一生长环境参数)。如果上述的评价结果满足终止条件，则直接确定最佳第一生长环境参数。
[0035] 由于传统的鱼群算法在执行觅食行为、聚类行为、追尾行为以及随机行为时均受到视野步长的影响，若视野范围越大，人工鱼的全局搜索和收敛能力越强，若人工鱼的局部搜索能力强，步长越大，则收敛速度越快，有时会出现振荡现象；反之，则收敛速度越快，求解精度越高，上述的改进型鱼群算法模型实现了对最佳第一生长环境参数在寻优速度以及寻优精度相兼顾平衡的状态，即在有效提供寻优精度的基础上解决了传统人工鱼群算法收敛速度慢的问题。经发明试验，通过上述的方式计算得出的最佳第一生长环境参数与植物实际需求的生长环境参数的误差在6％以内，精度非常高。
[0036] 第一环境参数调节机构400用于接收服务器200发送的调控信号，并依据调控信号执行环境参数调节的操作。
[0037] 第一环境参数调节机构400接收到调控信号后，依据调控信号运行，以使当前第一生长环境参数更新为最佳第一生长环境参数，从而使得调节后的植物生长环境的与植物本身需求的最佳生长环境的匹配度高，可靠性高，调节后的植物生长环境为适宜植物生长的最佳环境。第一环境参数调节机构400包括遮阳布驱动机构1005、温度调节机构1006、LED定量补光灯1007、通风执行机构1008。当光通量较多时，遮阳布驱动机构1005可以驱动遮阳布对投射到大棚内的阳光进行阻挡，从而减少入射进大棚内的光通量(包括蓝光通量密度和红光通量密度)，当光通量较少时，LED定量补光灯1007点亮可以对光通量密度进行弥补。温度调节机构1006可以调节大棚内的温度，通风执行机构1008可以通过通风调节大棚内的CO2浓度。
[0038] 服务器200还用于接收第二环境参数采集模块300发送的当前第二生长环境参数，判断当前第二生长环境参数是否在预设定的阈值范围以内；若当前第二生长环境参数不在预设定的阈值范围以内时，控制报警器500报警。
[0039] 例如，若土壤的含水量过低，则控制报警器500报警，以提醒工作人员现场进行操作或启动自动灌溉机构1003对植物进行灌溉，直到土壤中的含水量到预设定的阈值。
[0040] 另外，基于物联网云平台的智能植物生长环境调节系统还包括风光互补供电系统，风光互补供电系统分别与第一环境参数采集模块100、第一环境参数调节机构400、第二环境参数采集模块300、第二环境参数调节机构电连接，风光互补供电系统用于将风能和太阳能转化为电能为第一环境参数采集模块100、第一环境参数调节机构400、第二环境参数采集模块300、第二环境参数调节机构供电，节能环保。
[0041] 请参阅图2，本发明实施例还提供了一种基于物联网云平台的智能植物生长环境调节方法，需要说明的是，本发明实施例所提供的基于物联网云平台的智能植物生长环境调节方法，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本发明实施例部分未提及之处，可参考上述的实施例中相应内容。该基于物联网云平台的智能植物生长环境调节方法应用于基于物联网云平台的智能植物生长环境调节系统，基于物联网云平台的智能植物生长环境调节系统包括第一环境参数采集模块100、服务器200、第一环境参数调节机构400，服务器200分别与第一环境参数采集模块100、第一环境参数调节机构400通信连接。基于物联网云平台的智能植物生长环境调节方法包括：
[0042] 步骤S201：第一环境参数采集模块100采集植物所处环境的当前第一生长环境参数，并将当前第一生长环境参数传输至服务器200。
[0043] 步骤S202：服务器200接收第一环境参数采集模块100发送的当前第一生长环境参数。
[0044] 步骤S203：服务器200依据遗传神经网络训练模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从多组第一生长环境参数训练样本选取符合预设定的植物种类、预设定的植物生长周期的多组较佳第一生长环境参数。其中，如图3所示，服务器200建立所述遗传神经网络训练模型的方法包括：
[0045] 步骤S2031：服务器200确定神经网络拓扑结构并创建初始多层前馈神经网络。
[0046] 步骤S2032：服务器200提取预存储的第一生长环境参数训练样本的编码类型、编码长度、种群规模、定义交叉、变异率以及中止条件。
[0047] 步骤S2033：服务器200依据编码类型、编码长度、种群规模、定义交叉、变异率以及中止条件确定自适应度函数。
[0048] 步骤S2034：服务器200依据预存储的第一生长环境参数训练样本生成N个二值基因链码个体，并将N个二值基因链码个体解码为一组连接权值。
[0049] 步骤S2035：服务器200依据预存储的第一生长环境参数训练样本、自适应度函数计算每组连接权值对应的多层前馈神经网络的误差以及适应度
[0050] 步骤S2036：服务器200选取误差以及适应度满足预设定条件的连接权值作为网络神经的权值和阈值初始值。
[0051] 步骤S2037：服务器200依据选取出的网络神经的权值和阈值初始值新建当前多层前馈神经网络。
[0052] 步骤S2038：服务器200计算各层实际输出以及计算实际输出与目标输出的多个误差。
[0053] 步骤S2039：服务器200依据LM训练法、多个误差进行训练并调整各层的权值和阈值初始值。
[0054] 步骤S2040：服务器200选取出满足预设定条件的多组较佳权值和阈值，并保存遗传神经网络训练模型。
[0055] 步骤S204：服务器200依据目标值寻优算法模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从选取出的多组较佳第一生长环境参数中选取符合预设定的植物种类、预设定的植物生长周期的最佳第一生长环境参数。
[0056] 步骤S205：服务器200计算当前第一生长环境参数与最佳第一生长环境参数的调控差值，并依据调控差值生成调控信号。
[0057] 步骤S206：服务器200发送调控信号至第一环境参数调节机构400。
[0058] 步骤S207：第一环境参数调节机构400接收服务器200发送的调控信号，并依据调控信号执行环境参数调节的操作。
[0059] 综上所述，本发明提供的基于物联网云平台的智能植物生长环境调节系统与方法，利用服务器依据遗传神经网络训练模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从所述多组第一生长环境参数训练样本选取符合预设定的植物种类、预设定的植物生长周期的多组较佳第一生长环境参数；再依据目标值寻优算法模型、预设定的植物种类、预设定的植物生长周期、预存储的多组第一生长环境参数训练样本以及每组第一生长环境参数训练样本对应的植物光合速率，从所述选取出的多组较佳第一生长环境参数中选取符合预设定的植物种类、预设定的植物生长周期的最佳第一生长环境参数；并计算当前第一生长环境参数与最佳第一生长环境参数的调控差值，并依据所述调控差值生成调控信号；最后发送所述调控信号至第一环境参数调节机构，第一环境参数调节机构接收到调控信号后，依据调控信号运行，以使当前第一生长环境参数更新为最佳第一生长环境参数，从而使得调节后的植物生长环境的与植物本身需求的最佳生长环境的匹配度高，可靠性高，调节后的植物生长环境为适宜植物生长的最佳环境，显著地提高了农场的生产收益。
[0060] 在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0061] 另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0062] 所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0063] 以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0064] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
[0065] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
