基于农业大模型的智能农业照明灯具控制系统及其方法与流程

本技术涉及智能控制，且更为具体地，涉及一种基于农业大模型的智能农业照明灯具控制系统及其方法。

背景技术：

1、随着农业生产的现代化和智能化趋势，智能农业已经成为现代农业发展的重要方向。智能农业照明灯具作为其中的重要组成部分，在农业生产中的应用越来越广泛。

2、通过精确控制智能农业照明灯具的照明参数，可以为农作物创造最佳的生长环境。然而，传统的农业照明灯具控制方式主要依赖于人为设定，缺乏对植物生长环境和植物生长状态的精确感知与智能响应，难以满足不同的植物生长需求，这种局限性使得农业照明灯具的照明效果和植物生长效果难以达到最优。因此，期待一种优化的基于农业大模型的智能农业照明灯具控制系统及其方法。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种基于农业大模型的智能农业照明灯具控制系统及其方法，其采用基于深度学习的计算机视觉技术对被照射植物的光谱图像和rgb图像进行图像分析，提取出被照射植物的光谱语义特征和植物生长状态表观特征，并基于被照射植物的光谱语义特征和植物生长状态表观特征的融合特征来全面表征植物的生长情况，从而智能控制灯具的照明红蓝比。这样，可以实现农业照明灯具的照明红蓝比自动调整，以满足不同植物生长的需求，从而提高农业产量，并降低能耗。

2、相应地，根据本技术的一个方面，提供了一种基于农业大模型的智能农业照明灯具控制系统，其包括：

3、植物照射图像获取模块，用于获取被照射植物的光谱图像和rgb图像；

4、光谱图像语义信息提取模块，用于对所述被照射植物的光谱图像进行图像语义信息提取以得到植物光谱语义信息特征向量；

5、植物生长状态特征提取模块，用于提取所述被照射植物的rgb图像中的植物生长状态特征以得到植物生长状态表观特征图；

6、照明参数推荐模块，用于基于所述植物光谱语义信息特征向量和所述植物生长状态表观特征图之间的语义指导融合特征，确定推荐照明红蓝比；

7、照明灯具响应模块，用于将农业照明灯具的照明红蓝比调整至所述推荐照明红蓝比。

8、在上述基于农业大模型的智能农业照明灯具控制系统中，所述光谱图像语义信息提取模块，包括：光谱特征提取单元，用于将所述被照射植物的光谱图像通过基于第一卷积神经网络模型的植物光谱特征提取器以得到植物光谱特征图；语义信息提取单元，用于使用语义信息提取模块对所述植物光谱特征图进行语义信息提取以得到所述植物光谱语义信息特征向量。

9、在上述基于农业大模型的智能农业照明灯具控制系统中，所述语义信息提取单元，用于：对所述植物光谱特征图进行沿着通道维度的全局均值池化处理以得到所述植物光谱语义信息特征向量。

10、在上述基于农业大模型的智能农业照明灯具控制系统中，所述植物生长状态特征提取模块，用于：将所述被照射植物的rgb图像通过基于第二卷积神经网络模型的植物生长表观状态特征提取器以得到所述植物生长状态表观特征图。

11、在上述基于农业大模型的智能农业照明灯具控制系统中，所述照明参数推荐模块，包括：语义指导特征融合单元，用于将所述植物光谱语义信息特征向量和所述植物生长状态表观特征图通过语义指导特征增强融合模块以得到光谱语义引导植物生长状态表观强化特征图；解码单元，用于将所述光谱语义引导植物生长状态表观强化特征图通过基于解码器的灯具照明红蓝比推荐器以得到所述推荐照明红蓝比。

12、在上述基于农业大模型的智能农业照明灯具控制系统中，所述语义指导特征融合单元，用于：以如下语义指导特征融合公式对所述植物光谱语义信息特征向量和所述植物生长状态表观特征图进行处理以得到所述光谱语义引导植物生长状态表观强化特征图；其中，所述语义指导特征融合公式为：；其中，为所述植物光谱语义信息特征向量，为权重系数矩阵，为偏置向量，为非线性激活函数，为权重概率向量，为所述植物生长状态表观特征图，表示利用所述权重概率向量对所述植物生长状态表观特征图进行加权处理，为所述植物光谱特征图，为所述光谱语义引导植物生长状态表观强化特征图。

13、在上述基于农业大模型的智能农业照明灯具控制系统中，所述解码单元，用于：将所述光谱语义引导植物生长状态表观强化特征图展开为光谱语义引导植物生长状态表观强化特征向量；使用所述基于解码器的灯具照明红蓝比推荐器以如下解码公式对所述光谱语义引导植物生长状态表观强化特征向量进行解码回归以得到所述推荐照明红蓝比，其中，所述解码公式为：，其中，是所述光谱语义引导植物生长状态表观强化特征向量，是所述推荐照明红蓝比，是权重矩阵，表示矩阵乘法。

14、在上述基于农业大模型的智能农业照明灯具控制系统中，还包括用于对所述基于第一卷积神经网络模型的植物光谱特征提取器、所述基于第二卷积神经网络模型的植物生长表观状态特征提取器、所述语义指导特征增强融合模块和所述基于解码器的灯具照明红蓝比推荐器进行训练的训练模块。

15、在上述基于农业大模型的智能农业照明灯具控制系统中，所述训练模块，包括：训练数据获取单元，用于获取训练数据，所述训练数据包括被照射植物的训练光谱图像和训练rgb图像，以及，推荐照明红蓝比的真实值；训练光谱特征提取单元，用于将所述被照射植物的训练光谱图像通过所述基于第一卷积神经网络模型的植物光谱特征提取器以得到训练植物光谱特征图；训练池化单元，用于对所述训练植物光谱特征图进行沿着通道维度的全局均值池化处理以得到训练植物光谱语义信息特征向量；训练表观状态特征提取单元，用于将所述被照射植物的训练rgb图像通过所述基于第二卷积神经网络模型的植物生长表观状态特征提取器以得到训练植物生长状态表观特征图；训练特征增强融合单元，用于将所述训练植物光谱语义信息特征向量和所述训练植物生长状态表观特征图通过所述语义指导特征增强融合模块以得到训练光谱语义引导植物生长状态表观强化特征图；解码损失计算单元，用于将所述训练光谱语义引导植物生长状态表观强化特征图通过所述基于解码器的灯具照明红蓝比推荐器以得到解码损失函数值；模型训练单元，用于以所述解码损失函数值来对所述基于第一卷积神经网络模型的植物光谱特征提取器、所述基于第二卷积神经网络模型的植物生长表观状态特征提取器、所述语义指导特征增强融合模块和所述基于解码器的灯具照明红蓝比推荐器进行训练，其中，在所述训练的每一轮迭代中，对所述训练光谱语义引导植物生长状态表观强化特征图展开后的训练光谱语义引导植物生长状态表观强化特征向量进行迭代优化。

16、根据本技术的另一个方面，提供了一种基于农业大模型的智能农业照明灯具控制方法，其包括：

17、获取被照射植物的光谱图像和rgb图像；

18、对所述被照射植物的光谱图像进行图像语义信息提取以得到植物光谱语义信息特征向量；

19、提取所述被照射植物的rgb图像中的植物生长状态特征以得到植物生长状态表观特征图；

20、基于所述植物光谱语义信息特征向量和所述植物生长状态表观特征图之间的语义指导融合特征，确定推荐照明红蓝比；

21、将农业照明灯具的照明红蓝比调整至所述推荐照明红蓝比。

22、与现有技术相比，本技术提供的基于农业大模型的智能农业照明灯具控制系统及其方法，其采用基于深度学习的计算机视觉技术对被照射植物的光谱图像和rgb图像进行图像分析，提取出被照射植物的光谱语义特征和植物生长状态表观特征，并基于被照射植物的光谱语义特征和植物生长状态表观特征的融合特征来全面表征植物的生长情况，从而智能控制灯具的照明红蓝比。这样，可以实现农业照明灯具的照明红蓝比自动调整，以满足不同植物生长的需求，从而提高农业产量，并降低能耗。