基于深度学习的智慧大棚监控系统的研究

发布时间：2020-07-30 01:18

【摘要】：人工智能技术是21世纪科技发展的核心,对社会进步和经济发展有着不可估量的作用。深度学习作为近年来人工智能领域发展最快的技术,在计算机视觉、语音识别、自然语言处理等领域已经取得了非常好的应用效果。温室大棚智能控制方面的相关技术研究虽然已经有了大约50年历史,很多控制方法被提出,但是由于温室大棚系统是一个多输入、多输出、强耦合的复杂系统,目前智能控制技术的结果都不尽人意。而具有超强学习表达能力的深度学习方法在温室大棚智能控制领域的相关研究才刚刚开始,有望在温室大棚智能控制领域取得突破性进展。本文针对基于深度学习的智慧大棚监控系统进行研究,主要工作如下:首先,对温室大棚的国内外研究现状进行了概括,介绍了普通神经网络和带有循环结构的神经网络(RNN)的模型结构,在温室大棚环境因子预测方面进行了实验和分析,提出了基于深度学习的温室大棚智能控制系统。接着,针对环境因子变化缓慢、数据量大,被控设备的开关状态离散的问题,提出基于改进LSTM结构来构建环境因子和被控设备开关状态的预测模型,该模型的训练结果作为温室大棚控制系统的决策;针对模型预测中出现的梯度消失、梯度爆炸、过拟合等问题,提出使用Relu激活函数以及加入正则化方法等策略,实验表明优化后的预测模型具有比之前更好的收敛效果。最后,通过把训练结果移植到树莓派上,树莓派通过LAN与控制箱连接,互相传递信息,实现了温室大棚环境的控制。基于深度学习智慧大棚监控系统的研究,有利于解决温室大棚中控制难、精度低的问题,使温室大棚环境的调控更加快捷有效。
【学位授予单位】：沈阳理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;S625
【图文】：

激活函数,预期精度,最优逼近,神经网络

层和输出端激活函数；确定隐藏神经元数量、络评估函数为均方根误差ＲＭＳＥ，将数据集进。逡逑经网络的环境因子预测逡逑络逡逑ｌ邋Ｂａｓｉｓ邋Ｆｕｎｃｔｉｏｎ，ＲＢＦ）神经网络是前向神经训练参数少、收敛速度快以及克服局部极小ＲＢＦ神经网络能实现连续性函数的最优逼近，局部激活函数的ＲＢＦ网络同ＢＰ网络相比，部极小值的问题。在隐藏层节点和输入训练集以预期精度接近连续性的函数＾１。因此它被应＾逡逑

结构图,循环神经网络,结构图

环境变量具有复杂的前后关联性，当前的状态与前一时刻或者前面某逡逑段时间内的历史状态有一定程度的关系，故采用＿是非常合适的。逡逑几种常见的＿网络模型的输入一输出基本形式如图２．２所示。图中每个圆逡逑代表一个向量，按照箭头的向上方向看分别为输入层、隐藏层、输出层，其中每逡逑个箭头表示两个向量之间通过某种函数关系进行相联。输入层为时序数据的一段逡逑输入，隐藏层代表的是输入时序数据的状态，输出层的输出就是预测的结果或者逡逑需要判别时间序列下个时间点的序列。由图可知ＲＮＮ模型的输入输出都可以是序逡逑列数据。对于不同的问题，模型的选择也是不同的。例如：逡逑（１）判断单词是否组合正确，选择单个输入单输出的模型；逡逑（２）对图像中的信息进行分析，选择单个输入对多个输出；逡逑（３）情绪分析问题，选择多个输入对单输出模型；逡逑（４）视频同步翻译问题，选择同时间步的多输入多输出模型；逡逑（５）动态图像分类，不同步的多输入多输出模型。逡逑

示意图,温度预测,大棚,曲线对比

ＲｅＬＵ表现的更优异。因此，针对具体的问题还需要进行实验对比，找出最适合逡逑的激活函数。逡逑图２．４为一个简单的温室大棚温度预测模型结构示意图。逡逑＿邋输出下个时逡逑逦邋￣邋刻的值逡逑逦邋逦邋逦邋ｔ逡逑逦？逦－？逡逑ｔ邋＇．邋ｉ－．邋ｔ－邋￣￣ｒ￣逡逑ＲＮＮ细胞逦？逦－？逦－？邋－？逡逑个逦ｔ逦ｔ逦ｔ逡逑逦？逦—＞逡逑ｔ逦ｔ逦ｔ逦个逡逑输入序列－？逡逑图２．４基于＿的温室大棚温度预测模型逡逑Ｆｉｇ２．４邋ＲＮＮ－ｂａｓｅｄ邋ｇｒｅｅｎｈｏｕｓｅ邋ｇｒｅｅｎｈｏｕｓｅ邋ｔｅｍｐｅｒａｔｕｒｅ邋ｐｒｅｄｉｃｔｉｏｎ邋ｍｏｄｅｌ逡逑２．４实验验证及结果分析逡逑实验用的数据为沈阳市农业科学院蔬菜所五号棚的数据，该棚是环境因子预逡逑测的实验用棚，不涉及相关的被控设备的开关状态信息，采集从２０１４年１１月２７逡逑日至２０１８年２月２７日温室大棚内的空气温湿度、光照强度、二氧化碳浓度变量逡逑的值，数据为每五分钟采集一次，实验数据按照９：１的比例分为训练集和测试集。逡逑２．４．１邋ＢＰ神经网络实验逡逑本实验采用一个隐藏层的ＢＰ神经网络，网络层数为三层、输入变量为前５逡逑个时刻的温度和上个时刻的湿度、光照强度、二氧化碳浓度，即输入层节点个数逡逑为４、输出层节点个数为１，输出为下个时刻的温度；隐藏层神经元个数为５的逡逑ＢＰ神经网络来预测温室大棚的温度，网络迭代次数为５０００次，学习率为０．０１。逡逑预测结果如图２．５所示。逡逑Ａ逦ｐｒｅｄｉｃｔｅｄ逡逑ＩＳ邋．逦ｔ邋Ｉ逦ｃｒ｜ｄｉｕｌ逡逑：逦￣＾逦私逡逑０

【相似文献】