(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210670037.X (22)申请日 2022.06.14 (71)申请人 古田县恒春农业 开发有限公司 地址 352200 福建省宁德市古田县城东 街 道前山食用菌加工基地32 号西边地块 1号区 (72)发明人 钟冬季　钟秀媚　钟剑辉　钟桂婷　 (74)专利代理 机构 北京盛凡佳华专利代理事务 所(普通合伙) 11947 专利代理师 张欢 (51)Int.Cl. G01N 33/24(2006.01) G01N 9/00(2006.01) G01N 33/00(2006.01) G01D 21/02(2006.01)G06N 20/00(2019.01) (54)发明名称 一种花卉种植智能湿度检测装置 (57)摘要 本发明公开了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。 本发明通过 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。 权利要求书1页 说明书3页 附图1页 CN 114878788 A 2022.08.09 CN 114878788 A 1.一种花卉种植智能湿度检测装置， 其特征在于， 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； 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； 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。 2.根据权利要求1所述的一种花卉种植智能湿度检测装置， 其特征在于， 所述机器学习 模型的建立方法为： 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； 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。 3.根据权利要求2所述的一种花卉种植智能湿度检测装置， 其特征在于， 花卉土壤达到 干涸是指土壤达 到花卉生长最底需求湿度。 4.根据权利要求3所述的一种花卉种植智能湿度检测装置， 其特征在于， 所述机器学习 模型为随机森林模型。 5.根据权利要求4所述的一种花卉种植智能湿度检测装置， 其特征在于， 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_dept h、 最小子节点 min_samples_leaf和最小训练样本min_ sample_spl it。 6.根据权利要求1所述的一种花卉种植智能湿度检测装置， 其特征在于， 所述空气湿度 检测模块 为空气湿度传感器。 7.根据权利要求1所述的一种花卉种植智能湿度检测装置， 其特征在于， 所述空气风速 检测模块 为风速传感器。 8.根据权利要求1所述的一种花卉种植智能湿度检测装置， 其特征在于， 所述光照强度 检测模块 为光照强度传感器。 9.根据权利要求1所述的一种花卉种植智能湿度检测装置， 其特征在于， 所述土壤湿度 检测模块 为土壤湿度传感器。 10.根据权利要求1所述的一种花卉种植智能湿度检测装置， 其特征在于， 所述土壤密 度检测模块 为土壤密度计。权　利　要　求　书 1/1 页 2 CN 114878788 A 2一种花卉种植智能湿 度检测装 置 技术领域 [0001]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 [0002]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。 [0003]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。 发明内容 [0004]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。 [0005]为了实现上述目的， 本发明采用了如下技 术方案： [0006]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； [0007]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； [0008]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。 [0009]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： [0010]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； [0011]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。 [0012]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。 [0013]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。 [0014]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mi n_samples_leaf和最小训练样本mi n_sample_spl it。说　明　书 1/3 页 3 CN 114878788 A 3