一种花卉种植智能湿度检测装置的制作方法

1.本发明涉及花卉种植技术领域，尤其涉及一种花卉种植智能湿度检测装置。


背景技术：

2.花卉是用来欣赏的植物的统称，具有繁殖功能的短枝，有许多种类。典型的花，在一个有限生长的短轴上，着生花萼、花瓣和产生生殖细胞的雄蕊与雌蕊。花由花冠、花萼、花托、花蕊组成，有各种各样颜色，有的长得很艳丽，有香味。
3.现有技术中，在花卉种植时需要严格控制花卉的土壤湿度，保证花卉处于正常生长状态，市场上针对花卉种植过程的土壤湿度监控技术主要是全由人工经验与感觉判断，根据季节与湿度计为依据，种植过程仅凭人工观察，这种人工方法存在的问题是不精确、缺乏标准，无法准确预测需要浇水的时间。


技术实现要素：

4.本发明提供了一种花卉种植智能湿度检测装置，以解决上述背景技术中提出的问题。
5.为了实现上述目的，本发明采用了如下技术方案：
6.一种花卉种植智能湿度检测装置，包括空气湿度检测模块、空气风速检测模块、光照强度检测模块、土壤湿度检测模块、土壤密度检测模块、监控平台和显示器；
7.所述空气湿度检测模块、空气风速检测模块、光照强度检测模块、土壤湿度检测模块、土壤密度检测模块的信号输出端均与监控平台的信号输入端电连接，所述监控平台的信号输出端与显示器电连接；
8.所述监控平台内设有机器学习模型，所述机器学习模型用于计算花卉土壤需要浇水的时间。
9.作为本技术方案的进一步改进方案：所述机器学习模型的建立方法为：
10.第一步；获取目标花卉样本在不同环境下组成的数据集，且数据集中每一个花卉样本包括空气湿度、空气风速、光照强度、土壤湿度、土壤密度以及花卉土壤达到干涸的时间六个指标；
11.s2、利用所述数据集对机器学习模型进行训练，其中机器学习模型以经过标准化后的空气湿度、空气风速、光照强度、土壤湿度、土壤密度五个指标作为输入，以花卉土壤达到干涸的时间作为输出，通过监督学习得到融雪速率预测模型。
12.作为本技术方案的进一步改进方案：花卉土壤达到干涸是指土壤达到花卉生长最底需求湿度。
13.作为本技术方案的进一步改进方案：所述机器学习模型为随机森林模型。
14.作为本技术方案的进一步改进方案：所述随机森林模型需进行超参数优化，所优化的超参数为：不纯度的衡量指标、模型构建树的个数n_estimators、树的最大深度max_depth、最小子节点min_samples_leaf和最小训练样本min_sample_split。
15.作为本技术方案的进一步改进方案：所述空气湿度检测模块为空气湿度传感器。
16.作为本技术方案的进一步改进方案：所述空气风速检测模块为风速传感器。
17.作为本技术方案的进一步改进方案：所述光照强度检测模块为光照强度传感器。
18.作为本技术方案的进一步改进方案：所述土壤湿度检测模块为土壤湿度传感器。
19.作为本技术方案的进一步改进方案：所述土壤密度检测模块为土壤密度计。
20.与现有技术相比，本发明的有益效果是：
21.通过空气湿度检测模块、空气风速检测模块、光照强度检测模块、土壤湿度检测模块、土壤密度检测模块以及机器学习模型可实现多参数精准连续测量与实时智能预测需要浇水的时间，进行实现花卉科学种植、减少种植风险。
22.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
23.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
24.图1为本发明提出的一种花卉种植智能湿度检测装置的结构示意图。
具体实施方式
25.以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
26.需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
27.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
28.请参阅图1，本发明实施例中，一种花卉种植智能湿度检测装置，包括空气湿度检测模块、空气风速检测模块、光照强度检测模块、土壤湿度检测模块、土壤密度检测模块、监控平台和显示器；
29.空气湿度检测模块、空气风速检测模块、光照强度检测模块、土壤湿度检测模块、土壤密度检测模块的信号输出端均与监控平台的信号输入端电连接，监控平台的信号输出端与显示器电连接；
30.监控平台内设有机器学习模型，机器学习模型用于计算花卉土壤需要浇水的时
间。
31.具体的，机器学习模型的建立方法为：
32.第一步；获取目标花卉样本在不同环境下组成的数据集，且数据集中每一个花卉样本包括空气湿度、空气风速、光照强度、土壤湿度、土壤密度以及花卉土壤达到干涸的时间六个指标，其中花卉土壤达到干涸是指土壤达到花卉生长最底需求湿度；
33.s2、利用数据集对机器学习模型进行训练，其中机器学习模型以经过标准化后的空气湿度、空气风速、光照强度、土壤湿度、土壤密度五个指标作为输入，以花卉土壤达到干涸的时间作为输出，通过监督学习得到融雪速率预测模型。
34.需要说明的是，机器学习模型为随机森林模型，随机森林模型需进行超参数优化，所优化的超参数为：不纯度的衡量指标、模型构建树的个数n_estimators、树的最大深度max_depth、最小子节点min_samples_leaf和最小训练样本min_sample_split。
35.具体的，空气湿度检测模块为空气湿度传感器，用于实时检测花卉周围空气的湿度，并将空气湿度参数实时发生给监控平台。
36.具体的，空气风速检测模块为风速传感器，用于实时检测花卉周围的风速，并将风速参数实时发生给监控平台。
37.具体的，光照强度检测模块为光照强度传感器，用于实时检测花卉周围的光照强度，并将光照强度参数实时发生给监控平台。
38.具体的，土壤湿度检测模块为土壤湿度传感器，用于实时检测花卉种植的土壤湿度，并将土壤湿度参数实时发生给监控平台。
39.具体的，土壤密度检测模块为土壤密度计，用于实时检测花卉周围的土壤密度，并将土壤密度参数实时发生给监控平台。
40.本发明的工作原理是：
41.首先空气湿度检测模块、空气风速检测模块、光照强度检测模块、土壤湿度检测模块、土壤密度检测模块可将花卉的空气湿度、空气风速、光照强度、土壤湿度、土壤密度这个五个参数实时发送到监控平台，监控平台内的机器学习模型可通过进行空气湿度、空气风速、光照强度、土壤湿度、土壤密度五个参数计算预测出花卉土壤达到干涸的时间，并将该时间在显示器上显示出来。
42.以上所述，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上所述而顺畅地实施本发明；但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。