CN101162384A - 人工智能植物生长环境调控专家决策*** - Google Patents
人工智能植物生长环境调控专家决策*** Download PDFInfo
- Publication number
- CN101162384A CN101162384A CNA2006101391281A CN200610139128A CN101162384A CN 101162384 A CN101162384 A CN 101162384A CN A2006101391281 A CNA2006101391281 A CN A2006101391281A CN 200610139128 A CN200610139128 A CN 200610139128A CN 101162384 A CN101162384 A CN 101162384A
- Authority
- CN
- China
- Prior art keywords
- control
- agriculture
- crop
- greenhouse
- research
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
现代可控环境农业工厂化生产的核心是对设施内栽培环境能有效地控制,并进行机械化与自动化生产作业。在可控环境农业发达国家大多数温室设施能够通过计算机智能化调控装置进行控制管理,通过各种传感器,对设施内生态环境要素(如温度、湿度、太阳辐射、营养液EC值、以及作物生长状况等参数)进行测量,根据作物生长所需最佳条件,由计算机智能***发出指令,对***和相关设备进行控制,按着作物生长发育的要求,调节控制温、光、水、肥、气等诸因素,大大地提高了作物的生产力和成品产出率。与人工经验操作控制相比,采用智能化综合控制技术可节能15%~50%,并能通过记忆及查询功能、决策支持功能,为种植者全天候24小时提供信息和控制帮助。
Description
§1技术领域
现代可控环境农业工厂化生产的核心是对设施内栽培环境能有效地控制,并进行机械化与自动化生产作业。在可控环境农业发达国家大多数温室设施能够通过计算机智能化调控装置进行控制管理,通过各种传感器,对设施内生态环境要素(如温度、湿度、太阳辐射、营养液EC值、二氧化碳浓度、以及作物生长状况等参数)进行测量,根据作物生长所需最佳条件,由计算机智能***发出指令,对***和相关设备进行控制,按着作物生长发育的要求,调节控制温、光、水、肥、气等诸因素,大大地提高了作物的生产力和成品产出率。与人工经验操作控制相比,采用智能化综合控制技术可节能15%~50%,并能通过记忆及查询功能、决策支持功能,为种植者全天候24小时提供信息和控制帮助。
§1.1引言
广义的“可控环境农业”是指在人工设施保护条件下,通过工程技术手段为生物提供适宜环境,达到高产优质生产的目的。根据所强调的对象和发展的不同阶段而有不同的称谓,如保护地栽培(ProtectedCultivation)、保护地园艺(Protected Horticulture)、设施农业(Protected Agriculture)、温室农业(Greenhouse Agriculture)、工厂化农业(Industrialized Agriculture),等等。可控环境农业的最高目标是能使农业生产象工业一样不受自然环境因素制约,并进行自动化的高效生产。可控环境农业的高级阶段被称为“工厂化农业”,其典型的代表是植物工厂(Plant Factory),植物工厂生产采用全封闭的方式,实行全面严格有效的环境控制技术和先进的植物工程技术,从播种到采收的全过程,全部实现自动化控制、流水线作业,可实现全年连续的生产,完全摆脱了自然条件的限制。自动化环境控制和智能化管理是可控环境农业高级阶段的重要特征,信息或数字化技术是其中的支撑与核心技术。可控环境农业是知识与技术密集的领域,是农业中最容易实现和展示信息或数字化技术的场所,也是国内外开展研究和竞争的制高点。
一些发达国家为了减少劳动强度,减少人工投入、提高生产过程的标准化和规范化水平,不仅开发研制了各种类型、多功能、高性能的设施园艺耕作机具、播种育苗、灌水施肥、通风与加温、二氧化碳施肥、自动嫁接等装置,也开发了用于自动化采摘、分类、包装、储存与运输等自动化设备,大大减轻了劳动强度、提高了生产效率。在国外,对机器人的研究和开发应用已被广泛重视,并取得初步成果。日本、韩国开发出了用于作物嫁接、耕耘、施肥、以及用于组织培养作业的智能机器人,荷兰与以色列等设施园艺发达国家开发研制了自动化采摘、包装、分类等人工智能器械。
在近几年欧洲等发达国家在机器视觉、图象分析诊断、果实采收与作物整枝等智能机械的研究方面均有不少进展。在可控环境农业发达国家,信息技术的开发应用仍然是热点研究课题,例如2004年8月在比利时召开的现代温室技术国际研讨会(SUSTAINABLEGREENHOUSE SYSTEMS,Belgium),共设置五个研讨主题,分别为:
(1)节能与能源高效利用(Energy saving and efficient energy use)
(2)水与营养循环利用技术(Closed cycles for water and nutrients)
(3)生命支持***(Life supportsystems)
(4)***集成与设计(System integration and design)
(5)园艺传感器(Sensors in Horticulture)。
其中在传感器主题中又细分为:软件传感器(Software sensors),生物传感器(Biosensors),气候传感器(Climate sensors),水与营养传感器(Water and nutrient sensors),植物生理监测***(Phyto-monitoring),植物语言传感器(Speaking plant sensors),高光谱多波段遥感(multi spectralsensing),产后品质(Post harvest fruit quality sensors),图象处理、视觉与触觉传感器(Imageprocessing and vision,tactile sensors)。总体上来说,传感器的研究正朝着多样化、数字化、网络化、智能化等方向发展。在“节能与能源高效利用”主题中,***模拟与控制技术等相关信息技术的论文有很多,包括作物生长模型、营养吸收模型、品质模拟模型、气候模型等方面的内容。
该次会议聚集了世界主要设施农业发达国家的科学家,其研究的课题基本反映和代表了当前世界先进的技术水平和发展趋势。大会***荷兰著名温室环境控制专家在会议总结发言时特别指出,本次会议关于模型和模拟技术的论文数量有所增加。可以看出随着可控环境农业信息技术的发展,对于模拟模型的研究会更加受到重视,因为这是研究***功能和对***进行优化控制与管理的基础性工作。
目前世界上最高水平的园艺设施是所谓植物工厂,还可根据生产对象分别称之为“蔬菜工厂”、“花卉工厂”、“苗木工厂”等。其生产采用全封闭的方式,实行全面严格有效的环境控制技术和先进的植物工程技术,从播种到采收的全过程,全部实现自动化控制、流水线作业,可实现全年连续的生产,完全摆脱了自然条件的限制。采用水耕栽培、立体栽培、多段化及移动床栽培,单位面积的栽培效率可提高2-4倍,灌水、施肥以及温、湿度管理等完全自动化作业,播种、定植、采收等全部由计算机操作,作业变得轻松舒适,是未来现代化农业的缩影,也是信息技术研究的平台和应用的重要舞台。
§2技术背景
§2.1国外作物模型研究简况
20世纪60年代现代***分析理论的建立与计算机技术的发展为作物生长发育定量化分析研究提供了强有力的方法和工具,推动了作物模型研究及模拟技术的迅速发展。70年代末~80年代初随着世界范围内设施园艺的迅速发展,园艺作物模型研究逐步兴起,且涉及的作物品种逐渐增多,其研究成果对设施农业的发展起到重要的推动作用。荷兰的作物模拟技术研究以其理论性强而著称,荷兰模型研究与发展历程经历了对作物生长过程的透彻理解(1965~1980年)、面向实际应用(1981~1990年)和可业务化(1990年后)3个阶段,期间先后研究建立了一批应用于不同方面的作物模型如BACROS(基础作物生长模拟程序),ARID CROP(旱作作物模型),SUCROS(简单和通用的作物生长模型),MACROS(1年生作物生长模拟模型)和ORYZAI(灌溉水稻生态生理模型)。
20世纪60年代初期美国以统计学方法开始研究作物生长模型,其研究工作注重了模型的实践应用,70年代中期推出CERES(作物2环境2资源综合评价***)小麦(110版本)模拟模型,之后相继建成玉米、高粱、水稻和谷子等作物模型,推出CERES作物模型群组成农业技术转让决策支持***(DSSAT)用于作物生产管理和区域产量评估,90年代又将作物模型、DSSAT联结到GIS软件Arc/Info,形成农业环境地理信息***(AEGIS),用于预测拉丁美洲的波多黎各3个地区土地利用策略的影响,目前美国的作物模型研究已取得巨大成果。
日本较早在农业生产推广使用计算机技术,在作物模型研究中借鉴了荷兰与美国的理论依据和研究方法,结合专家***主要开发为农业生产提供预测、指导和病虫害诊断等信息的模型,同时大力发展工厂化农业,在温室设施内利用传感器和计算机对温室多因素环境进行控制,将温度、湿度、CO2浓度和肥料等控制在最适合作物、蔬菜等生长发育的水平,提高产量和质量,实现周年生产。
1976年澳大利亚开始建立棉花害虫计算机管理***SIRATAC,在此管理***中以简单的棉花模型为核心,后发展成澳大利亚棉花模型OZCOT,并以美国的CERES系列模型为基础研究建立了小麦和玉米模型。英国专门针对气候变暖建立了评价牧草生长的模型,用于评价CO2浓度增高和全球气候变暖对奶牛草场生产的影响。加拿大小麦局建立了基于小麦作物模型的农业气候信息***,根据气候对小麦的影响,确立国家内部的粮食生产政策,以保证小麦出口。
德国设计将电子数据处理软件(EDP)应用于设施园艺中,主要内容有温室智能化、自动化控制管理,市场需求分析,温室环境动态变化研究,EDP用户顾问以及对***选择的建议。早期的作物模型研究主要集中在粮食作物(如玉米、水稻、小麦等)以及一些重要的经济作物(如棉花、大豆等),而对园艺作物如花卉蔬菜的研究相对较少。根据统计资料显示,在作物模型的研究中有关园艺作物模型的研究仅占5%左右,但随着对作物生长发育机理和模拟技术研究的不断深入以及现代设施园艺的发展,园艺作物的模拟研究得到逐步重视并取得重要进展,促进了整个作物模型研究的理论与技术发展,且丰富了作物模型研究的内涵。
荷兰在园艺作物模型研究方面依旧保持领先地位,较有代表的研究成果有HORTISIM***(Horticul2tural Simulator),它实际是可模拟多种作物的通用***,通过一系列研究和技术集成,以建立通用模拟工具为导向,实现对番茄、黄瓜、甜椒等多种园艺作物生长发育过程的模拟,该***借鉴、引入了许多有关番茄、黄瓜、甜椒等模型和研究成果,并通过结合环境控制、栽培管理、决策支持等方面的研究进行模块化设计和技术集成,最终形成7个子模块(天气、温室气候、土壤、作物、温室管理、土壤管理和作物管理),并通过1个驱动模块进行调用的模拟***。
美国在园艺作物模型研究方面除与荷兰、以色列等国进行合作研究外,还开展了大量研究开发工作,如卡罗莱纳州立大学研制开发了常见温室作物栽培模型,加利福尼亚州立大学和美国Computer Associates软件开发公司合作开发了常见温室花卉栽培管理模型,密执根州立大学研制开发的温室花卉决策支持***——Greenhouse CARE System通过温差对花卉株高进行精准控制,达到定时上市的目标,是较成功的作物模型。由于自身独特的地理位置和气候环境,以色列特别重视设施农业的发展,较早地进行了园艺作物模型的研究工作,于20世纪80年代中期研究开发了著名的TOMGRO温室番茄生长发育模拟模型,主要研究番茄生长发育与太阳辐射、温度、CO2等环境因子间的作用关系,对番茄整个生长发育过程进行科学管理和产量预测。该模型的110版本用MS2FORTRAN语言编写,包括1个主程序和15个子程序,共涉及近270个过程变量,是目前温室番茄生长发育模拟研究中最具代表性的模型,并已研究出不同版本如210版本和310版本。
以色列科研人员特别注重***的完善和技术集成性能的提高,在对温室内各环境因素和作物生理因子分析模拟中引入了适用于非线性模拟数据的人工神经网络技术,应用于准稳定状态模型、经济投入决策分析等方面,并研究开发了运用不同模式和自组织学习规则***的NNS技术。以色列还进行某些观赏花卉的模拟研究,其中开发的玫瑰生长模型ROSEGRO具有一定代表性。
§2.2国内作物模型研究简况
我国在作物模型方面的研究工作比国外起步晚近20年,与国际先进水平有一定差距。直至20世纪70年代初期农业气象学科率先将统计学方法应用于植物与环境相关性的研究中,80年代初模式化栽培在我国得到较大发展,此间主要是引进、修改和验证国外的作物模型,在参考国外模型的基础上根据国内作物生产实际和研究工作建立了一些模型。我国现有研究成果中以水稻计算机模拟模型RICEMOD(高亮之,1989年)和水稻生长日历模型RICAM(戚昌瀚,1988年)最具代表性,这些研究在20世纪90年代得到进一步发展和完善。高亮之等将水稻模拟模型与作物栽培优化决策原理相结合,形成水稻栽培计算机模拟优化决策***RCSODS。中国农业科学院潘学标先生等研究建立了棉花模型COTGROW,并在新疆维吾尔族自治区等地棉花产区进行***验证和生产应用取得较好成效,中国农业大学冯利平先生进行了小麦模型的研究。同时我国科研人员已开始用模型评估气候变化对农业生产的影响,并把模型与地理信息***、遥感技术进行初步结合,为农业政策制定、农业区划生产等工作提供科学依据。由于计算机控制技术和智能化管理技术的发展,设施农业更需模拟模型的研究成果加以支持,近年来我国在作物栽培、生理生态、环境模拟等方面开展了很多相关研究,但目前尚缺乏关于作物模型***深入的研究,特别是建立实用化的模型仍需开展大量的深入研究工作。
§2.3温室作物模型与环境控制管理
温室园艺生产作为设施农业的最典型代表,是具有高投入和高产出、知识与技术高度集成、工厂化生产特征明显的特殊农业生产方式,与传统常规农业最大区别是温室园艺生产可充分利用对环境条件的可控性,依照生产者预先设计的方案实现对产量、采收与上市时间、植物发育形态、品质、果实大小等方面进行精确管理目标控制,从而最合理地利用自然资源并获得最理想的产出,而要真正实现此目标,就必须对作物生长发育生理生态过程进行定量化研究,从而达到对温室设施内综合环境进行优化控制和管理。建立温室作物模拟***一是开展科学研究的需要,模型最大优点是可通过***模型的输入输出,全面认识与了解复杂***的特征和结构,由于模拟实验可快速地改变和重组输入条件,有助于发现新的知识和规律,故模型是开展研究和深入揭示***结构与功能关系的强有力工具。二是生产应用的需要,建立作物模型的不同阶段其目标和应用范围不同,但其实用性是所有模型建立过程中必须考虑的,特别是随着信息技术在农业领域的大量应用,模型将作为连接农业与信息技术的桥梁和纽带,对模型的需求日趋明显。没有相关模型的支持,很多农业信息***的开发将成为无本之木、无源之水。20世纪80年代以来我国现代化设施农业得到迅速发展,一些现代化温室设施,特别是从国外引进的现代化温室大都具备自动化控制能力,国内有关单位也相继开发研制了一些计算机控制***和专家管理***,对我国设施农业的现代化发展起到积极的推动作用,但真正将作物模型技术应用其中的研究成果目前尚少见。没有模型支持的专家***和控制***一定是残缺的***,而残缺***的应用则具有很大的局限性,因此建立理论性强、实用性好的作物模型已迫在眉睫。
§3发明内容
近些年来我国可控环境农业以环境控制、信息采集、***模拟为主线开展了信息技术研究和应用,促进了可控环境农业的现代化发展步伐,对提高可控环境农业的技术含量、升级换代起到了重要作用。
§3.1概要
可控环境农业的高级阶段就是所谓的工厂化农业,植物工厂则是农业实现高度自动化和智能化生产的典范,其支撑的核心技术之一则是现代信息技术的应用和集成。随着我国可控环境农业整体水平的不断提高,一些简易温室设施将逐步升级换代,更多的现代化设施将取而代之。对信息技术的要求将逐步增加,如对智能控制管理技术、信息传感技术、***模拟技术、虚拟现实技术等会提出更高的要求。在发达国家,一直作为核心的基础投入很大精力开展研究,取得了注目的成果。我国为了能在可控环境农业高科技领域占有一席之地,增强国际竞争力,提高可控环境农业综合生产水平,必须加大信息技术的研究与开发。
§3.1.1研发与我国国情相适应的温室综合控制软件平台
目前我国的一些现代化温室,除智能化控制***外,硬件设施基本达到与国际同步的水平,但软件***差距很大。目前我国尚缺乏通用性好、易于***管理维护的商业化软件,目前在一些高档温室中基本采用引进的控制软件***,引进温室的控制***大多运行费用过高,而自行研制的控制***缺乏相应的功能。
§3.1.2基于模型的控制***急待研究开发
我国目前在温室环境控制过程中多数仍使用单因子开关量进行环境因子的调节。而实际上温室内的日辐射量、气温、地温、湿度及CO2等环境要素是在相互间彼此关联着,对作物的生长发育产生综合影响。环境要素的时间变化和空间变化都很复杂,当我们改变某一环境因子时常会使其它环境因子变到一个不适宜的水平上。因此,结合温室内的环境物理模型、作物生长模型和温室生产的经济模型,开发出与我国温室生产现状相适应的环境控制优化软件是非常重要的。
§3.1.3基于人工智能技术控制***的开发
鉴于农业***的复杂性,不可能将所有问题都能实现定量化描述,所以专家知识与经验在求解复杂问题时有时显得非常重要和实用。所以开发实用化专家***,并将其集成到控制***中,也是开发智能化控制***的重要领域。
§3.1.4园艺作物模拟***的实用化研究
目前我国在园艺作物模型研究方面,仍处于起步探索阶段,一部分研究主要以引进、消化吸收国外研究成果的基础上,进行模型参数的实验、部分模块的修改,使之适合中国可控环境农业生产特点,其优点是起点高,具有跨越式发展的效果,但缺点是容易受原有技术和框架的禁锢,也不同程度限制了研究进程。另一部分研究则基本采用从零做起,以简单的实验为依据建立简单的经验模型,大多因实验条件的制约,以及对模型理论理解上的欠缺,导致研究进展缓慢,甚至是低水平重复。
从长远来看,建立基于生长过程的机理模型,并达到实用化程度仍然需要进行更深入的研究,是一个长期的过程。目前在我国关于园艺作物模型研究的多样正在形成,这也是因为园艺作物模型的研究比其他种类作物更具挑战性。这些挑战性包括品种的多样性、作物形态结构的复杂性、对模型精度要求高,等等。多样性的另一个表现是指,目前不仅有经验模型的研究,也有机理模型的研究,关于形态模型的研究也开始出现,形态结构模型的关键是如何将作物生理生态信息与形态结构进行偶合,这是作物模型研究的一大难点。所以从这个意义上说,首先要在机理模型的研究上打好基础,从应用的角度看机理过程模型更适合实际应用,而形态结构模型则更适合教学和科研。
上世纪60年代研究人员开始研究植物内在的生长规律,建立了关于植物生理过程与环境因子之间关系的动态数学模型。但在另一方面,这类模型对植物形态结构进行了简化,忽略了植物体本身器官的空间分布和排列,简化了植物形态结构和环境因素的时空变异对植物生长的影响。因此植物生长建模的精确性及适用的广泛性也受到了限制。这就需要研究人员对植物的形态结构进行建模,并综合考虑植物的生理机制、形态结构及环境的相互影响与作用。目前,国内外对植物形态结构建模的研究已经取得了一定的进展,在对两类模型的结合应用方面也做了一些工作。将二者有机结合则是作物模型研究的最终目标。
§3.1.5其它
性价比适宜的多样化传感器的研制开发,仍是现代可控环境农业研究领域的热点,智能机械(机器人、机器手等)的应用是现代可环境农业的必然要求,基于WEB和无线的远程控制管理则是信息化时代的基本特征,图象识别技术、计算机视觉技术、多媒体可视化技术的应用前景广阔。
§3.2User Scenario
通过计算机连接各种传感器,根据温室内无土栽培的植物种类,由人工智能决策***的计算结果对温室内的温、光、气、水、肥等进行自动调控,同时人工智能决策***还可以通过温室内植物病理表现形式,自动选择合适的杀虫剂或药剂;在植物生长的不同时期,人工智能决策***自动调节到适合这一时期的温度环境。
§3.2.1***框架图(见附图1)
§3.2.2应用领域/实用性分析
近些年来我国可控环境农业以环境控制、信息采集、***模拟为主线开展了信息技术研究和应用,促进了可控环境农业的现代化发展步伐,对提高可控环境农业的技术含量、升级换代起到了重要作用。1994年我国正式提出工厂化农业的概念,工厂化农业的核心是对设施内栽培环境进行有效的调控,实现机械化与自动化操作,实现园艺作物的周年优质高效的可持续生产。
我国在大约20世纪50年代开始发展可控环境农业的研究,“六五”期间,进行了塑料大棚骨架结构及自然光照人工气候室环境机理与调控技术的探索性研究,并对半可控环境下蔬菜育苗技术改革进行了***研究,初步探讨了工厂化育苗的可行性。“七五”期间,农业部设立了“塑料大棚结构优化与蔬菜栽培技术研究”重点攻关课题。“八五”期间,农业部对“日光温室结构性能优化及高产栽培技术”、“工厂化育苗设施及配套技术”和“高产优质低成本的蔬菜无土栽培技术”三个方面进行了重点研究。“九五”期间,国家科技部批准启动了重大科技产业化工程项目-工厂化高效农业示范工程项目,该项目的实施,大大推动了可控环境下农作物高效节能生产技术进步和发展,使温室工程、良种选育、种植工艺、采后处理加工及产品检测等方面都取得了长足的进展。
在信息技术研究方面,我国起步较晚,始于20世纪80年代,90年代初,我国大型温室跌入了发展的低谷,“九五”初期,以以色列温室为代表的北京中以示范农场的建立,拉开了我国第二次学习和引进国外现代温室技术的序幕。到90年代中后期,在对国外温室设备配置、温室栽培品种、栽培技术等各个方面进行研究的基础上,我国自主开发了一些研究性质的环境控制***。1995年,北京农业大学研制成功了WJG-1型实验温室环境监控计算机管理***,此***属于小型分布式数据采集控制***。1996年,江苏理工大学等研制成功了使用工控机进行管理的植物工厂***。2001年以“国家农业信息化工程技术研究中心”为代表,在温室智能控制***、专用传感器、图象识别与机器视觉、基于网络和无线的远程控制技术等方面均开展了很多研究。
上述研究成果基本上改变了我国温室环境计算机控制与信息采集从无到有的局面。将农业专家***应用于温室的实时监控与自动调控技术无疑是温室发展的另一个亮点,其发展潜力及应用空间很大,对农民的实际生产有很重要的指导意义。“十五”期间,在我国正式提出“可控环境农业(Controlled EnvironmentAgriculture)”,并将“可控环境农业生产技术课题”首次列入国家“863”计划,成为“现代农业技术”主题中的重要专题。开展了“可控环境下主要蔬菜作物优质高效和无公害全季节生产技术”、“可控环境农业数据采集与自动控制***研究”、“可控环境下蔬菜生育障碍防治技术与配套产品”、“可控环境园艺作物动态生长模拟与优质高效生产技术”等方面的研究,获得了一批具有我国知识产权的新技术和新产品,进一步推动了我国可控环境农业生产技术普及与提高。在该项目中以中国农业科学院、国家农业信息化工程技术研究中心(北京农业信息技术研究中心)、中国科技大学等一些科研院所为代表,在温室专用传感器、计算机综合控制***软硬件、温室作物模拟***研究开发方面,取得了一批具有自主知识产权的科研成果和技术产品,大大提高了我国可控环境农业综合控制与管理水平。但总体上看,特别是与一些可控环境农业发达国家相比,我国离真正的工厂化农业水平还有较大差距,特别是大规模的实现工厂化生产仍需要长期的努力才能实现。
§3.3***功能概述
本***预计要实现的功能:
1.通过计算机对温室大棚的温度、湿度、光照及气体浓度等进行实时监控。
2.在实施植物正常生长的情况下,通过计算机控制采取灌溉浇水,通风换气,光照,防寒保湿,施肥等措施。
3.独立的植物病理查询***与人工智能***相结合,为***使用者提供三套病虫害的防治方案,由实施管理者选择决定使用哪一种方案。
4.***内之多套不同类型的至于栽培管理方案,以适应设施内不同植物的栽培管理要求。
5.自动升级***会定时对生长管理数据库和植物病理数据库进行数据更新。
6.可扩展雨水收集与再利用***,以节约水资源。
***结构图见附图2
§3.4***设计概述
鉴于农业***的复杂性,不可能将所有问题都能实现定量化描述,所以专家知识与经验在求解复杂问题时有时显得非常重要和实用。所以开发实用化专家***,并将其集成到控制***中,也是开发智能化控制***的重要领域。
§3.4.1生长管理***:
生长管理***的主要任务是根据人工智能决策***的解决方案,对温室内的温度、气体成分、肥料、病虫害等环境因素进行合理的调节控制。本部分进行调节的根据为人工智能决策***所做的解决方案,通过单片机实现自动对温度、通风、加热等环境因素调节。
§3.4.1.1温控模块:
对室温大棚内的温度进行调节,其中包括加温调节和降温调节。加温调节可采用的方法有:暖气加温,电热加温等;降温调节可采用的方法有:通风降温,喷雾降温以及湿帘降温等。此操作若在二氧化碳浓度过低的时候可以直接释放一定量的干冰,在提高二氧化碳的浓度同时还达到降温的目的。
§3.4.1.2气控模块:
对温室大棚内的气体浓度进行调节,包括通风换气,使用干冰的方法。主要是对温室大棚的侧窗的开启进行操作。此操作与温控有较大的关联,二者之间相互制约,相互影响,在实际过程中要注意二者的关系。
§3.4.1.3水控模块:
主要是对温室大棚内的浇水方式以及浇水量进行控制,可选择的浇水方式有:大水漫灌,喷灌以及地下渗灌等几种方式,由人工智能***对浇水方式进行选择,以及对浇水量进行控制。在本***中主要采用无土栽培的方式,暂时不存在选择灌溉方式的问题。
§3.4.1.4肥控模块
主要采用灌溉施肥的方式进行,要进行灌溉施肥液的电导率值,pH值的调控,控制供肥的浓度与时间。由于本***设计时设想采用无土栽培的方式,故可以只对营养液的添加控制即可,并且可以避免土壤中带来的病原菌。
§3.4.1.5防寒保温模块
主要功能是对温室大棚防寒物的收放进行操作,此模块与人工智能***相通信,对防寒物的收放时间进行控制,由人工智能***根据本地每日日出时间表来决定何时收放防寒物。
§3.4.1.6病虫害防治模块
据管理者对病害的解决方案的选择,自动配置杀虫剂并施用。主要保证杀虫剂施用均匀,并且用量足够,还要保证在收获果实时无农药残留。这些均要通过人工智能决策***分析相关领域知识来决定如何使用。
各监控模块主要对温室内的各项技术参数进行实时监控,在触发预警条件时向人工智能***报警,由人工智能***协调环境调控各模块对温室内的环境因素进行自动控制。
由监控模块向人工智能***输入触发警报的条件信息,再由人工智能***向环境控制模块发出如何调整环境的指令。
§3.4.2光控调节***:
日光温室较难解决的是温室内日照分布不均匀,导致温室内植物生长不均匀,现提出如下解决方案:
由于近年来气象学发展迅速,太阳高度角的变化规律也已经被人类总结出来,故可以将太阳高度角变化规律数据输入计算机,在温室的南屋面上部安装反光三棱镜,通过计算机***对三棱镜的旋转角度进行控制(同时也要参考太阳高度角的变化),使阳光能够在日光温室内较均匀的分布,以解决日光分布的问题。
反光三棱镜的旋转角度及旋转方式均由人工智能***决定,人工智能***要参考太阳高度角以及光学定律,以提供绝对准确的技术参数。
§3.4.3监控***:
本***主要是对温室大棚内的湿度、气体、温度等技术参数进行监控,在本***中需要设计多个激发条件,并与生长管理***、人工智能***等进行通信,是整个管理***的运行启动点。若无监控***,本***无法正常运行,监控***是环境调控***的简化环境,主要是提高***的运行速度,在***正常运行的过程中只有本***对各环境因素进行数据处理,在环境因子超过临界值时通知人工智能决策***,以决定如何调节温室内的环境。
§3.4.4植物病虫害查询***:
首先要构建一个强大且完善的植物病理数据库,数据库中包含植物病症、致病原因、治疗方法以及预防方法等信息,本***预计实现的功能是通过输入一定的病理表现或病理名等信息,自动检索出相应的治疗及预防措施,还可以通过输入药剂名,自动检索出可防治的病虫害信息。
一般情况下温室内有可能几种病害同时发生,***通过对数据库进行检索,对这几种病害的治疗方法有可能会出现药剂使用重复、药剂有效成分冲突等现象,因此本***还要与人工智能***相联系,由人工智能***对各药剂的使用法进行分析、总结,自动解决药效成分冲突的问题,最终人工智能***为使用者提供出三套解决方案,供使用者选择。
本***的数据库可以架设在Internet上,每套温室管理***在使用病理查询的过程中,***自动连入Internet,对数据库进行检索。也可以将数据库存放在***中以加快检索速度。
本***在检索出数据后,还要将数据通过人工智能决策***进行分析,以决定如何使用药剂。在本***中本部分是最能体现人工智能决策***的地方。
构架图见附图3
§3.4.5人工智能***:
人工智能技术与智能设计***
专家***和神经网络均为人工智能科学中的基础技术,由此而出现了不同特点的智能设计***,即专家***、基于人工神经网络的智能设计***和体现复合智能的神经网络专家***等。
§3.4.5.1专家***(Expert System——ES)
专家***是一种计算机程序,是基于知识的智能程序,是以专家的水平来完成一些重要问题的计算机应用***,其知识库存有相当数量的权威性知识,并能运用这些知识解决特定领域内实际问题。它拥有某个领域内专家的知识经验,并能模拟专家运用这些知识,通过推理作出智能决策。专家***擅长符号处理和逻辑推理,特别适合于解决自动计算、问诊和启发式推理等基于规则的问题。它不仅能利用定义严格的逻辑性知识,而且还能利用经验知识和启发性知识来完成工程设计任务。专家***具有强大的解释功能,对设计推理过程和结果作出解释,这种推理过程的透明性有利于设计人员理解和使用***的设计结果。专家***的知识库和推理机为***的两大组成部分,知识库的丰富和修正,不会涉及推理机程序体,这使***更易适应不同设计环境,更易采用新的设计技术。专家***的知识主要来源于专家的经验知识,用于求解较复杂或高难度问题,辨别有希望的求解途径,并有效地处理错误或不完全数据。
其本身固有的缺陷:一方面在于设计知识获取的“瓶颈”。专家***的智能水平很大程度取决于知识的数量和质量,而实际工程设计中涉及的因素很多,很难建立一个完整全面的关系模型。有些专家的经验知识、感性知识和潜意识里运用的设计知识,要归纳和描述成计算机程序或基于规则的知识形式非常困难,甚至不能实现。即使能用计算机程序来描述专家的设计知识,相应的知识库也必然十分庞大,构造和维护非常不易。另一方面在于推理能力的相对较弱。专家***的本质特征是基于规则的推理思维,由于逻辑推理理论还不完善,推理方法简单,控制策略不灵活,当多个设计专家的知识间发生矛盾或获取的知识间夹杂有很大干扰时,容易出现匹配冲突、组合***及无穷递归等问题,使专家***的处理能力受到很大影响。
§3.4.5.2人工神经网络(Artificial Neural Networks——ANN)
1.人工神经网络简介
人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connectionist Model),是对人脑或自然神经网络(Natural Neural Network)若干基本特性的抽象和模拟。人工神经网络以对大脑的生理研究成果为基础的,其目的在于模拟大脑的某些机理与机制,实现某个方面的功能。国际著名的神经网络研究专家,第一家神经计算机公司的创立者与领导人Hecht-Nielsen给人工神经网络下的定义就是:“人工神经网络是由人工建立的以有向图为拓扑结构的动态***,它通过对连续或断续的输入作状态相应而进行信息处理。”这一定义是恰当的。
人工神经网络是由大量简单的神经元相互连接而成的自适应非线性动态***。人工神经网络作为生物控制论的一个成果,其触角几乎已延伸到各个工程领域,吸引着不同专业的领域专家从事这方面的研究和开发工作,并且在这些领域中形成了新的生长点。人工神经网络从理论探索进入大规模工程实用阶段,到现在也只有短短十几年的时间。它的工作原理和功能特点接近于人脑,不是按给定的程序一步一步地机械执行,而是能够自身适应环境,总结规律,完成运算、识别和控制工作。一般人工神经网络的主要特征为:
(1)大规模的并行处理和分布式的信息存储;
(2)极强的自学、联想和容错能力;
(3)良好的自适应性和自组织性;
(4)多输入、多输出的非线性***。这些特征使它基本符合工程的要求。
人工神经网络的研究,可以追溯到1957年Rosenblatt提出的感知器(Perceptron)模型。它几乎与人工智能——AI(Artificial Intelligence)同时起步,但30余年来却并未取得人工智能那样巨大的成功,中间经历了一段长时间的萧条。直到80年代,获得了关于人工神经网络切实可行的算法,以及以VonNeumann体系为依托的传统算法在知识处理方面日益显露出其力不从心后,人们才重新对人工神经网络发生了兴趣,导致神经网络的复兴。
目前在神经网络研究方法上已形成多个流派,最富有成果的研究工作包括:多层网络BP算法,Hopfield网络模型,自适应共振理论,自组织特征映射理论等。人工神经网络是在现代神经科学的基础上提出来的。它虽然反映了人脑功能的基本特征,但远不是自然神经网络的逼真描写,而只是它的某种简化抽象和模拟。
2.人工神经网络的特点
人工神经网络的以下几个突出的优点使它近年来引起人们的极大关注:
(1)可以充分逼近任意复杂的非线性关系;
(2)所有定量或定性的信息都等势分布贮存于网络内的各神经元,故有很强的鲁棒性和容错性;
(3)采用并行分布处理方法,使得快速进行大量运算成为可能;
(4)可学习和自适应不知道或不确定的***;
(5)能够同时处理定量、定性知识。
人工神经网络的特点和优越性,主要表现在三个方面:
第一,具有自学习功能。例如实现图像识别时,只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络,网络就会通过自学习功能,慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测,其应用前途是很远大的。
第二,具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。
第三,具有高速寻找优化解的能力。寻找一个复杂问题的优化解,往往需要很大的计算量,利用一个针对某问题而设计的反馈型人工神经网络,发挥计算机的高速运算能力,可能很快找到优化解。
3.人工神经网络的主要方向:
神经网络的研究可以分为理论研究和应用研究两大方面。
理论研究可分为以下两类:
(1).利用神经生理与认知科学研究人类思维以及智能机理。
(2).利用神经基础理论的研究成果,用数理方法探索功能更加完善、性能更加优越的神经网络模型,深入研究网络算法和性能,如:稳定性、收敛性、容错性、鲁棒性等;开发新的网络数理理论,如:神经网络动力学、非线性神经场等。
应用研究可分为以下两类:
(1).神经网络的软件模拟和硬件实现的研究。
(2).神经网络在各个领域中应用的研究。这些领域主要包括:
模式识别、信号处理、知识工程、专家***、优化组合、机器人控制等。随着神经网络理论本身以及相关理论、相关技术的不断发展,神经网络的应用定将更加深入。
由于构成网络的输入层、隐含层和输出层中,同一层处理单元上层是完全并行的,只有各层间信息传递是串行的,且同层中处理单元的数目要比网络的层数多,因此神经网络的推理过程是一种典型的并行推理,速度很快,且不存在当多条规则的前提均与某一事实匹配时产生冲突的问题。这对于规模较大、构成较复杂的工程设计问题尤为有效。神经网络的推理过程只与网络自身的参数有关,其参数又可通过学习算法进行自适应训练,因此它有很强的自学和自适应能力。在工程设计中只要向它提供足够多的设计样本,经过训练后,设计知识就存在网络的互连结构中,这大大减轻了知识收集和知识库建立的负担。神经网络的知识表达采用的是一种隐式表达,它把知识蕴含于网络的互连结构与连接权中,这使工程设计中一些难以规则化或程序化的知识更易于表达出来,更易于实现经验思维。工程实际中,许多设计都是多输入多输出的决策问题,神经网络的特点使其在解决这类问题上有很大的优势。
然而,在工程设计应用中人工神经网络也有不足:①神经网络推理过程的不透明性,使用户只能看到输入和输出,而看不到中间的分析推理过程及其依据,无法回答用户的问诊,不利于用户理解和使用推理结果。②***知识处理的正确性和可靠性很大程度受所选择的训练样本的限制,若样本的正交性利完备性不好,往往会使***的性能恶化。尤其在工程设计中,样本太少,不足以反映设计规则,太多则会大大增加训练时间,这导致目前使用人工神经网络还只能实现一些较小的智能模块。③由于目前理论水平的限制,人工神经网络在实现连续型的非线性映射方面还存在精度不高的问题。
4.复合智能(Neural-Expert Hybrid)
专家***和人工神经网络两者结合起来,实行优势互补,便构成了复合智能。表1给出了各种***的智能属性。在整体水平上,人的能力与人工智能***相比,仍遥遥领先。专家***与人工神经网络的研究都是“部分智能”,在多方面的属性是互补的:①专家***擅长基于知识的逻辑推理、逻辑思维以及在宏观功能上模拟人的知识推理能力,其硬件结构是诺依曼(Von Neumann)式的计算机,工作机制是串行处理;人工神经网络则在知识获取、经验思维和在微观结构上模拟人的认知能力方面存在优势,其硬件结构是连接主义(Connectionism)***,工作机制是并行处理。②利用专家***来求解问题,若能求出解,一定是准确的和最优的,但若求不出,则彻底失败;而利用神经网络求解问题,它往往给出的是一个次最优解,并且总能得到解。③专家***的操作特征是软件编程,主要用于求解推理学习一类问题;而神经网络的操作特征是非编程的集体计算,主要用于求解示例学习一类问题。
表1智能属性比较
智能属性 | 人 | 专家*** | 神经网络 |
数值运算 | 3 | 2 | 1 |
知识获取 | 1 | 3 | 2 |
知识表达 | 1 | 3 | 2 |
并行处理 | 1 | 3 | 2 |
低层知识处理 | 1 | 3 | 2 |
高层知识处理 | 1 | 2 | 3 |
不精确推理 | 1 | 2 | 3 |
启发式推理 | 1 | 2 | 3 |
学习能力 | 1 | 3 | 2 |
容错能力/坚韧性 | 1 | 3 | 2 |
智能属性 | 人 | 专家*** | 神经网络 |
知识领域的敏感性 | 1 | 3 | 2 |
创造性思维 | 1 | 3 | 3 |
应用的成熟程度 | 1 | 2 | 3 |
注:表中数字表示一项智能属性的水平高低,数值越小,表示性能越好。
在这种复合智能***中,神经网络主要负责知识的获取与表示,实现知识的利用与推理;专家***则负责用户接口界面、***内部连按与协调、以及基于规则的知识处理。目前两者结合的方式主要有:分立模型、交互模型、松耦合、紧耦合及完全集成等几种。常用的复合智能***由初始方案专家***、用户接口、方案调整与优化神经网络及方案确定专家***构成。其中方案专家***由知识库和推理机组成,知识库存放与寝始方案有关的知识,一般为产生式规则,推理机可进行正向、反向双向推理;用户接口实现用户与专家以及专家***和神经网络的接口功能,负责将专家***得到的初试方案转换为神经网络的输入模式,以及将方案确定专家***选择的方案传递给用户;方案调整与优化神经网络的每个输入层对应于设计性能和约束的满足程度,输出层对应设计参数的调整程度,训练时将专家的调整示例输入网络,通过自我学习得到网络参数;方案确定专家***则按基于规则方法从神经网络通过不精确推理产生的几个可能的输出中选择出最佳的方案。
§3.4.5.3人工智能研究历史
虽然计算机为人工智能提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系。Norbert Wiener是最早研究反馈理论的美国人之一。最熟悉的反馈控制的例子是自动调温器。它将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度。这项对反馈回路的研究重要性在于:Wiener从理论上指出,所有的智能活动都是反馈机制的结果。而反馈机制是有可能用机器模拟的。这项发现对早期人工智能的发展影响很大。
1955年末,Newell和Simon做了一个名为″逻辑专家″(Logic Theorist)的程序。这个程序被许多人认为是第一个人工智能程序。它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解问题。″逻辑专家″对公众和人工智能研究领域产生的影响使它成为人工智能发展中一个重要的里程碑。1956年,被认为是人工智能之父的John McCarthy组织了一次学会,将许多对机器智能感兴趣的专家学者聚集在一起进行了一个月的讨论。他请他们到Vermont参加″Dartmouth人工智能夏季研究会″。从那时起,这个领域被命名为″人工智能″。虽然Dartmouth学会不是非常成功,但它确实集中了人工智能的创立者们,并为以后的人工智能研究奠定了基础。
Dartmouth会议后的7年中,人工智能研究开始快速发展。虽然这个领域还没明确定义,会议中的一些思想已被重新考虑和使用了。Carnegie Mellon大学和MIT开始组建人工智能研究中心。研究面临新的挑战:下一步需要建立能够更有效解决问题的***,例如在″逻辑专家″中减少搜索;还有就是建立可以自我学习的***。
1957年一个新程序,″通用解题机″(GPS)的第一个版本进行了测试。这个程序是由制作″逻辑专家″的同一个组开发的。GPS扩展了Wiener的反馈原理,可以解决很多常识问题。两年以后,IBM成立了一个人工智能研究组。Herbert Gelerneter花3年时间制作了一个解几何定理的程序。
当越来越多的程序涌现时,McCarthy正忙于一个人工智能史上的突破。1958年McCarthy宣布了他的新成果:LISP语言。LISP到今天还在用。″LISP″的意思是″表处理″(LISt Processing),它很快就为大多数人工智能开发者采纳。
1963年MIT从美国政府得到一笔220万美元的资助,用于研究机器辅助识别。这笔资助来自国防部高级研究计划署(ARPA),已保证美国在技术进步上领先于苏联。这个计划吸引了来自全世界的计算机科学家,加快了人工智能研究的发展步伐。
以后几年出现了大量程序。其中一个著名的叫″SHRDLU″。″SHRDLU″是″微型世界″项目的一部分,包括在微型世界(例如只有有限数量的几何形体)中的研究与编程。在MIT由Marvin Minsky领导的研究人员发现,面对小规模的对象,计算机程序可以解决空间和逻辑问题。其它如在60年代末出现的″STUDENT″可以解决代数问题,″SIR″可以理解简单的英语句子。这些程序的结果对处理语言理解和逻辑有所帮助。
70年代另一个进展是专家***。专家***可以预测在一定条件下某种解的概率。由于当时计算机已有巨大容量,专家***有可能从数据中得出规律。专家***的市场应用很广。十年间,专家***被用于股市预测,帮助医生诊断疾病,以及指示矿工确定矿藏位置等。这一切都因为专家***存储规律和信息的能力而成为可能。
70年代许多新方法被用于人工智能开发,著名的如Minsky的构造理论。另外David Marr提出了机器视觉方面的新理论,例如,如何通过一副图象的阴影,形状,颜色,边界和纹理等基本信息辨别图象。通过分析这些信息,可以推断出图象可能是什么。同时期另一项成果是PROLOGE语言,于1972年提出。80年代期间,人工智能前进更为迅速,并更多地进入商业领域。1986年,美国人工智能相关软硬件销售高达4.25亿美元。专家***因其效用尤受需求。象数字电气公司这样的公司用XCON专家***为VAX大型机编程。杜邦,通用汽车公司和波音公司也大量依赖专家***。为满足计算机专家的需要,一些生产专家***辅助制作软件的公司,如Teknowledge和Intellicorp成立了。为了查找和改正现有专家***中的错误,又有另外一些专家***被设计出来。
在此论述的人工智能***是基于人工神经网络的,***中植入三种类型专家的思想,通过对知识的分析表现专家级问题求解能力的问题求解***,也称之为专家***。这套人工智能***的特点在于:
(1)具有求解问题所需的专门知识
专门知识分为两大类:
①应用领域的基本原理和常识;
②领域专家求解问题的经验知识。
前者构成了专门知识的主部,可以精确地定义和使用,为普通技术人员所掌握(往往出现在教科书或训练手册上)。这类知识尽管是求解问题的基础,但并不与求解的问题紧密结合,加之知识量大和推理步小,不能高效地支持问题求解。后者则是领域专家根据多年的工作经验,对如何使用前者解决问题所作的高度集中、抽象和浓缩的描述。然而,使用这类知识的条件比较苛刻,条件不满足时会导致不正确的解答甚至推理失败。所以从高效地求解问题的角度,这套人工智能***更需要经验知识;而若要保证解答的正确性,***还需要基本原理和常识。
(2)具有使用专门知识的符号推理能力
这种能力取决于符号表示和推理技术,本***中使用了三种符号表示技术:逻辑、产生式表示和结构化表示,那么该如何选用它们呢?这则取决于问题求解所需知识的特征。例如,要表示应用领域中事物结构及事物之间的关系,可以用框架***;而表示启发式关联则使用产生式***更合适。表示知识的符号结构由适当的推理机制加以存取和使用。
§3.4.5.4人工智能***的组成
人工智能***的基本结构可视为由三个部分组成:知识库、推理机和用户界面。知识库是人工智能***最重要的部分,它存储求解问题所需的以一定符号结构表示的专门知识。推理机则具有进行推理的能力,它根据输入的问题以及描述问题求解初始状态的数据,取用知识库中的知识作推理,并输出最终解答。推理机也可请求用户输入推理必须的数据并应用户的要求解释推理结果和推理过程。用户界面不是人工智能***的主要部分,但一个使用户感到友善的界面对于人工智能***得推广应用有重要影响。
§3.4.5.5人工智能***执行的问题求解任务
人工智能***执行的问题求解任务是知识密集型的,常见的任务有解释、诊断、监控、预测和规划等。下面详细说明各常见任务在完成过程中需要妥善注意的问题:
(1)解释
该任务分析测量和观测到的数据,以确定其含义。数据往往来自传感器和各种测量仪器,为找出与数据相容且正确的解释,关键在于数据分析必须是完备的,即分析***应***化地考察所有可能的解释,删除候选解答必须具有足够的证据。测量数据因往往包含错误甚至不完全,给正确的解释带来困难,因此必须妥善处理。
(2)诊断
这是从被诊断事物的故障现象确诊可能的故障根源,例如机器故障。为正确的诊断,人工智能***必须具有关于被诊断事物的结构、功能、因果和行为的知识,而关于故障现象和根源之间的启发式关联知识则可加速诊断过程。诊断任务的困难在于:多故障(一些故障被其他故障掩盖),而且故障可能是断续出现的(这就要求强化诊断手段);传感器和测量仪器本身可能有故障;数据测量代价昂贵或危险(这就要求合理选择要测量的数据的种类);诊断知识不精确或不完全(如植物的疾病原理)等。
(3)监控
要求连续地观测和解释反映设备和***现状的数据,如发现异常时,发出警报,提出解决建议,给出异常的原因。监控的高级阶段是自动控制,即自动调节***的各种参数,以消除异常并保持***处于优良运行状态。不断地把反映***现状的数据与***正常运行状态下的数据作比较是实现监控的主要依据。实时诊断异常的根源,避免错误警报是提高性能的关键。
(4)预测
从事物的现状和发展趋势,预言将来的状态和行为。例如预测经济政策变化后的效果、天气预报、交通预测和农作物收成预测等。预测往往要按时间顺序推理,必须处理随时间变化的事物。预测的特点是对不完全信息进行综合分析(信息完全的预测不需人工智能***,例如预测温室内蔬菜的产量),预测必须考虑多种可能的情况(使用假设推理)。
(5)规划
其目的在于制定满足各种约束条件的行动方案,包括生产规划和调度、工程项目规划、军事行动规划、机器人动作规划。规划往往涉及优化使用资源(时间、人力、物力)的问题,约束条件过严可能导致规划失败,这就需要放松某些次要的约束条件;规划往往涉及到某些预测,所以预测是规划的依据。当规划问题大而复杂时,应注意优先考虑重要的规划目标,并妥善处理多个目标之间可能出现的交互作用。
在整个温室大棚管理***中,很多都需要强大的专业知识作后盾,作为一个普通的种植人员很少能够有机会接受高等教育,因此这套人工智能***将为任何普通使用者提供高科技、专业的种植建议。在温室大棚管理***中,无处不用到人工智能***,如:在生长管理过程中根据日期、时间决定浇水量、浇水方式、防寒物的收放;监控***可以说是人工智能***的眼睛:在光控调节***中根据每天太阳高度角的变化,调节反光棱镜使阳光分布更加均匀。
最能体现人工智能这一概念的是在植物病理查询***中的应用,在病理查询***中由人工智能***对药剂进行处理、合理搭配。
构架图见附图4
通过专家决策***检所数据库,总结出几套方案交由***验证可行性,若可行则将方案交给用户,若不可行发还给专家决策***重新决策。
在这个过程中用户只需输入病理表现,***自动输出应对此种病态表现的几套解决方案。
§3.4.6自动升级***:
由于本***中数据量过于庞大,故将很多数据存放在总服务器中,各使用者根据自己的需要,有选择的下载有用数据,以供***使用。自动升级***独立于温室大棚管理***运行,主要功能是对种植方案、各分***、植物病理数据库进行无人干预的自动升级。
§3.4.7扩展***
可对温室大棚扩展各种新***:如雨水收集与再利用***、产品后期加工等。在本***的设计中,预计加入对运行有Windows CE.Net***的移动设备的支持,使用户可以通过掌上电脑、智能手机等智能设备对大棚进行控制。在温室模型的设计中,可以使用户在模型内通过开关对各种调控设备进行控制。
移动设备的支持:
在***的运行过程中,可以提供用户移动设备上的软件支持,移动设备通过GPRS、蓝牙、Wifi的无线技术与运行管理***的机器进行通讯,以达到在移动设备上对***运行环境的控制目的。
§3.5创作思路
20世纪90年代,我国农业观光旅游在大中城市迅速兴起。据不完全统计,1996-1997年已动工和计划投资在一亿元以上的观光农业项目在7个以上。1998年国家旅游局以“华夏城乡游”作为主题旅游年,使“吃农家饭、住农家屋、做农家活、看农家景”成了农村一景。目前我国观光农业旅游项目主要分布在北京、上海和广州等大城市的近郊,其中以珠江三角洲地区最为发达。在广东,果园观光旅游最早出现在80年代末90年代初,目前广东已有80多个观光果园,每年接待旅游者400多万人,旅游收入10多亿。
在北京、上海、江苏和广东等地的一些大城市的近郊,还出现了引进国际先进现代农业设施的农业观光园,展示电脑自动控制温度、湿度、施肥、无土栽培和新特农产品种,成了农业科普旅游基地。如上海旅游新区的孙桥现代农业园区、北京的锦绣大地农业观光园、苏州的大地园、无锡的大浮观光农业园和珠海农业科技基地。
观光农业实现了农业向第二、三产业的延伸,产生了叠加效应,在旅游、教育、经济和社会等方面发挥了积极的作用。
§3.5.1、全面促进了农村经济的发展
首先,观光农业是一种综合性很强的产业,它需要有“一条龙”的行业与之配套服务,除了直接促进农业发展之外,还可以带动交通、运输、饮食、邮电、商业以及纪念品生产等相关行业的发展,为农村经济的振兴和扩大农村劳动力就业开辟了新路。其次,观光农业的开发,扩大了农业经营范围和经营规模,改善了农业生产结构,增加了农民收入。观光农业区别于传统农业的显著特点之一就是把农产品直接销售给消费者,这样就很好地解决了部分农产品运销层次多的问题,避免运销商的中间盘剥,实际上等于增加了农家收入,同时农民也可从提供休闲服务中获取合理报酬,增加收入。再次,观光农业增加了农村农民与城市居民之间的交流与沟通,有利于缩小城乡差别,促进农村社会的进步和城市乡村的共同繁荣与发展。
§3.5.2、促进了旅游业的发展
把观光农业纳入旅游业的范畴,集农业劳动、农产品生产及休闲、度假于一体,给人们增加了内容丰富、形式多样的旅游活动内容,提供了有益身心健康、陶冶情操的旅游活动空间,既有利于人们的身心健康,又丰富了旅游的内容。
§3.5.3、促进了农业可持续发展
观光农业除了提供采摘、销售、观赏、垂钓、游乐等活动外,还包括农村乡土文物、民俗古迹等多种文化资源的参观,通过寓教于乐的形式,让参与者更加珍惜农村的自然文化资源,激起人们热爱劳动、热爱生活、热爱自然的兴趣,也进一步增强人们保护自然、保护文化遗产、保护环境的自觉性。规光农业提高了农业的经济地位,并可缓解农业对环境的污染,有利于农业的可持续发展。
在我国发展观光农业,有着众多有利条件。
(1)观光农业投入少、收益高。观光农业项目可以就地取材,建设费用相对较小,而且由于项目的分期投资和开发,使得启动资金较小。另一方面,观光农业项目建设周期较短,能迅速产生经济效益,包括农业收入和旅游收入,而两者的结合使得其效益优于传统农业。例如:农产品在狩猎、垂钓等旅游活动中直接销售给游客,其价格高于市场价格,并且减少了运输和销售费用。
(2)我国地域辽阔,气候类型、地貌类型复杂多样,拥有丰富的农业资源,并形成了景观各异的农业生态空间,具备发展观光农业的天然优势。
(3)观光农业的一大特征是它体现了各地迥异的文化特色。我国农业生产历史悠久,民族众多,各个地区的农业生产方式和习俗有着明显的差异,文化资源极为丰富,为观光农业增强了吸引力。
综上所述,观光农业是旅游这一朝阳行业中最有潜力的部分,在未来几年中将有巨大的市场机会。目前国内从事旅游观光农业的主要公司
§3.6未来发展方向
观光农业是农业和旅游业有机结合的一个新兴产业。它以发展绿色农业为起点,以生产新、奇、特、优农产品为特色,依托高新科技开发建设现代农业观光园区,是农业产业化的一种新选择。在现代社会中,农业已不仅是为人们提供衣食基本物质产品的生产部门,而且日益与环境、休闲、教育、文化等精神生活相连,成为多部门结合的产业。
通过利用农业资源,发挥地方特色,形成多样化、精致化与独特性,将自然景观、农产品及农村人力等各项资源结合并动员起来,产生资源的叠加效应,协助农业转型,增强农业产业活力。目前,观光农业种类繁多,各种形式的观光农业在发展水平、成熟程度及政府扶持措施等方面各有差异。主要有以下几种类型:
§3.6.1、观光农园
观光农园是指开发成熟的果园、菜园、花圃、茶园等,让游客入内摘果、摘菜、赏花、采茶,享受田园乐趣。对生产者来说,观光农园虽然增加了设施的投资,却节省了采摘和运销的费用,使得农产品价格仍然具有竞争力。对于消费者来说,这种自采自买的方式,不仅买得放心,而且还达到了休闲的效果。所以,观光农园已经成为目前观光农业最普遍的一种形式。
§3.6.2、休闲农场
休闲农场是一种综合性的休闲农业区。农场内提供的休闲活动内容一般包括田园景色观赏、农业体验、自然生态解说、垂钓、野味品尝等,除了观光旅游、采集果蔬、体验农耕、了解农民生活、享受乡土情趣外,还可以住宿、度假、游乐。目前,休闲农场已广泛被人们所接受。
§3.6.3、市民农园
市民农园是指由农民提供农地,让市民参与耕作的园地。一般是将位于都市或近郊的农地集中规划为若干小区,分别出租给城市居民,用以种植花草、蔬菜、果树或经营家庭农艺。从承租目的看,市民农园既有自助菜园型,又有休闲观赏型,还有田园生活体验型。最有特色的是市民农园里所生产的农产品不能出售,只可自己享用或者赠送给亲朋好友。从运作方式看,多数租用者只是利用节假日到农园作业,平时则由农地提供者代管。从发展趋势看,有些市民农园与观光果园、花圃相结合,向多元化经营迈进。
§3.6.4、农业公园
农业公园是指按照公园的经营思路,把农业生产场所、农产品消费场所和休闲旅游场所结合于一体的公园。农业公园的经营范围是多种多样的,除果品、水稻、花卉、茶叶等专业性的农业公园之外,大多数农业公园是综合性的。园内设有服务区、景观区、草原区、森林区、水果区、花卉区及活动区等。既有迷你型的水稻公园,又有几十公顷的果树公园。农业公园的经营方式,既有政府经营免费开放的,也有收取门票的公园。从提高经营效率、增加农民收入与减轻政府财政负担方面考虑,以财团法人的经营方式最受欢迎。
除上述类型之外,还有假日花市、教育家园、森林游乐区、屋顶农业等其他形态。而且除了种植业观光园林外,近年来,观光农业还不断向畜牧业、渔业方面发展,出现了观光渔场、牧场等,利用林产、畜禽、鱼贝之类,促进农业和旅游业的综合发展。
我国旅游业的飞速发展为观光农业旅游提供了充足的客源。
观光农业既然属于旅游业,其发展与旅游业的整体发展密切相关。首先我们考察整个旅游行业1994年以来的数据资料:
年份 | 1994 | 1995 | 1996 | 1997 | 1998 | 1999 | 2000 |
入境旅游人数(万人) | 4365.44 | 4638.65 | 5112.75 | 5758.79 | 6347.84 | 7279.55 | 8344.39 |
旅游外汇收入(亿美元) | 73.23 | 87.33 | 102.00 | 120.74 | 126.02 | 140.99 | 162.24 |
国内旅游总人次(亿人次) | 5.24 | 6.29 | 6.40 | 6.44 | 6.95 | 7.19 | 7.44 |
国内旅游收入(亿元) | 1023.51 | 1375.70 | 1638.38 | 2112.70 | 2391.18 | 2831.92 | 3175.54 |
旅游业保持了稳定而高速的增长。若进一步观察,可发现入境旅游和国内旅游的增长速度不同。从1994年到2000年,旅游外汇收入增长了122%,年均增长14.2%;国内旅游收入增长了210%,年均增长20.8%。国内旅游增长速度远远超过入境旅游,但到2000年为止,旅游外汇收入与国内旅游收入之比仅为1∶2.5,国内旅游仍有很大发展空间。鉴于观光农业的特性,对其需求主要来自国内游客,因此客源有充分保证。
从1994年以来的有关数据也表明,城镇居民旅游人次和旅游支出都是逐年递增,尤其近年随着假日经济的兴起又有大幅增长。由于观光农业的客源主要为国内城市居民,因此可以预测,对观光农业的需求也将保持一个旺盛的态势。
今年我国将分别启动国家生态旅游示范区、旅游扶贫开发区、国家旅游度假区建设工程,争取在“十五”期间形成三区联动、滚动发展的旅游产品新格局。国家生态旅游示范区建设主要是利用富集的景观资源和自然生态资源,通过政府引导,资金支持,市场推荐的方式,建设一批符合市场需求的旅游精品项目和示范项目。国家生态旅游示范区重在开发适应现代旅游需求的高水平生态旅游产品,培育我国旅游业发展的后续产品。
附图说明:
附图1:人工智能植物生长环境调控专家决策******框架图
附图2:人工智能植物生长环境调控专家决策******结构图
附图3:植物病虫害查询及决策***构架图
附图4:人工智能决策***构架图
Claims (1)
1.现代可控环境农业工厂化生产的核心是对设施内栽培环境能有效地控制,并进行机械化与自动化生产作业。在可控环境农业发达国家大多数温室设施能够通过计算机智能化调控装置进行控制管理,通过各种传感器,对设施内生态环境要素(如温度、湿度、太阳辐射、营养液EC值、二氧化碳浓度、以及作物生长状况等参数)进行测量,根据作物生长所需最佳条件,由计算机智能***发出指令,对***和相关设备进行控制,按着作物生长发育的要求,调节控制温、光、水、肥、气等诸因素,大大地提高了作物的生产力和成品产出率。与人工经验操作控制相比,采用智能化综合控制技术可节能15%~50%,并能通过记忆及查询功能、决策支持功能,为种植者全天候24小时提供信息和控制帮助。
本发明旨在农业生产推广使用计算机技术,在作物模型研究中借鉴了荷兰与美国的理论依据和研究方法,结合专家***主要开发为农业生产提供预测、指导和病虫害诊断等信息的模型,同时大力发展工厂化农业,在温室设施内利用传感器和计算机对温室多因素环境进行控制,将温度、湿度、CO2浓度和肥料等控制在最适合作物、蔬菜等生长发育的水平,提高产量和质量,实现周年生产。同时结合雨水收集与再利用***以及小型农业水电站达到无环境污染、无资源浪费的现代化绿色农业这一目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2006101391281A CN101162384A (zh) | 2006-10-12 | 2006-10-12 | 人工智能植物生长环境调控专家决策*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2006101391281A CN101162384A (zh) | 2006-10-12 | 2006-10-12 | 人工智能植物生长环境调控专家决策*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101162384A true CN101162384A (zh) | 2008-04-16 |
Family
ID=39297316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2006101391281A Pending CN101162384A (zh) | 2006-10-12 | 2006-10-12 | 人工智能植物生长环境调控专家决策*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101162384A (zh) |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101283666B (zh) * | 2008-05-12 | 2010-07-28 | 华中科技大学 | 智能花卉养植*** |
CN101883132A (zh) * | 2010-04-22 | 2010-11-10 | 王晓喃 | 一种基于全ip无线传感器网络的农业大棚温度监控*** |
CN102308696A (zh) * | 2010-07-01 | 2012-01-11 | 上海市农业科学院 | 一种调控设施蔬菜地土壤磷素养分非均衡化的方法 |
CN102681438A (zh) * | 2012-05-09 | 2012-09-19 | 天津理工大学 | 作物温室栽培专家控制***及作物病症诊断方法 |
CN103283339A (zh) * | 2013-05-16 | 2013-09-11 | 南京农业大学 | 利用茶籽稳定可控工厂化生产优质茶叶的工艺 |
CN103576625A (zh) * | 2012-08-01 | 2014-02-12 | 江苏阿法腾科技有限公司 | 一种智能农业集成监控*** |
CN104427859A (zh) * | 2012-08-23 | 2015-03-18 | 松下知识产权经营株式会社 | 农用大棚 |
CN104635694A (zh) * | 2015-01-08 | 2015-05-20 | 沈阳远大智能高科农业有限公司 | 一种智能农业预警*** |
CN105137940A (zh) * | 2015-09-01 | 2015-12-09 | 徐州工业职业技术学院 | 物联网大棚农业生长监控*** |
CN105613246A (zh) * | 2016-01-18 | 2016-06-01 | 王春雷 | 一种自动选择种植蔬菜种类的方法及装置 |
CN105867144A (zh) * | 2016-04-05 | 2016-08-17 | 云上后稷(北京)科技有限公司 | 家居型植物工厂、远程控制方法、控制器及控制*** |
CN106773720A (zh) * | 2017-01-25 | 2017-05-31 | 张彩芬 | 一种温室大棚环境自动控制*** |
CN106818416A (zh) * | 2016-10-18 | 2017-06-13 | 梁彦云 | 一种基于物联网的水肥一体滴灌技术的监控*** |
WO2018058821A1 (zh) * | 2016-09-30 | 2018-04-05 | 深圳前海弘稼科技有限公司 | 一种基于种植设备的病虫害预测方法及装置 |
CN107944596A (zh) * | 2017-10-20 | 2018-04-20 | 上海交通大学 | 一种基于物联网的甜瓜生长管理专家*** |
CN108614415A (zh) * | 2018-03-27 | 2018-10-02 | 苏州联点数据技术有限公司 | 一种植物生长因子的智能控制***及控制方法 |
CN108845534A (zh) * | 2018-06-28 | 2018-11-20 | 牛静洁 | 农业养殖设备的物联网多功能控制装置及*** |
CN109828623A (zh) * | 2018-12-28 | 2019-05-31 | 北京农业信息技术研究中心 | 温室作物情景感知的生产管理方法及装置 |
CN110107144A (zh) * | 2019-05-21 | 2019-08-09 | 张崇玺 | 种植居住一体轻钢别墅模拟真实环境的方法及其轻钢别墅 |
CN110514248A (zh) * | 2019-09-24 | 2019-11-29 | 任杉元 | 一种基于大数据的智能化、自动化农业数据采集*** |
CN110514240A (zh) * | 2019-08-09 | 2019-11-29 | 中国农业大学 | 一种温室环境可视化方法及装置 |
WO2019237201A1 (en) * | 2018-06-12 | 2019-12-19 | Paige Growth Technologies Inc. | Devices, systems and methods for multivariable optimization of plant growth and growth of other phototrophic organisms |
CN110906986A (zh) * | 2019-12-11 | 2020-03-24 | 内蒙古工业大学 | 基于物联网的草原生态监测***和方法 |
CN111108879A (zh) * | 2020-01-03 | 2020-05-08 | 华维节水科技集团股份有限公司 | 一种基于专家决策***的茄果类水肥及环境管理方法 |
CN111352370A (zh) * | 2020-03-16 | 2020-06-30 | 威海精讯畅通电子科技有限公司 | 一种基于农业数据与生产的管理***及农业数据监控终端 |
CN112307091A (zh) * | 2020-11-06 | 2021-02-02 | 广东省农业科学院农业资源与环境研究所 | 一种柑橘园土壤养分肥力查询*** |
CN112419288A (zh) * | 2020-11-28 | 2021-02-26 | 西安石油大学 | 一种基于计算机视觉的无人化蔬菜大棚种植方法 |
CN113016508A (zh) * | 2021-03-02 | 2021-06-25 | 华南师范大学 | 面向药效和生态的药材种植人工智能方法和机器人 |
CN113168599A (zh) * | 2019-07-04 | 2021-07-23 | 欧姆龙株式会社 | 植物的栽培管理***以及植物的栽培管理装置 |
CN113196320A (zh) * | 2019-10-04 | 2021-07-30 | 欧姆龙株式会社 | 果菜类植物和果树栽培管理装置、学习装置、果菜类植物和果树栽培管理方法、学习模型生成方法、果菜类植物和果树栽培管理程序以及学习模型生成程序 |
CN113226014A (zh) * | 2018-10-24 | 2021-08-06 | 奥普提-哈维斯特公司 | 用于栽培品种生长环境的导光平台 |
CN113421408A (zh) * | 2021-06-30 | 2021-09-21 | 浙江汇鼎华链科技有限公司 | 一种基于大数据的农业信息监控***及方法 |
CN113836188A (zh) * | 2021-09-28 | 2021-12-24 | 中国联合网络通信集团有限公司 | 数据处理方法、装置、服务器及存储介质 |
CN113966518A (zh) * | 2019-02-14 | 2022-01-21 | 欧司朗有限责任公司 | 受控农业***和管理农业***的方法 |
CN114097563A (zh) * | 2021-12-06 | 2022-03-01 | 湖南省烟草公司衡阳市公司常宁市分公司 | 简易烟草育苗大棚管理方法 |
CN117114917A (zh) * | 2023-10-25 | 2023-11-24 | 中国铁塔股份有限公司吉林省分公司 | 应用于数字农业的ai预测处理方法及*** |
CN117474294A (zh) * | 2023-12-26 | 2024-01-30 | 山东麦港数据***有限公司 | 一种基于农作物栽培管理模型的种植辅助决策*** |
CN117636056A (zh) * | 2023-12-13 | 2024-03-01 | 中南大学 | 基于大数据的农业信息监控方法及*** |
USD1028646S1 (en) | 2021-04-30 | 2024-05-28 | Opti-Harvest, Inc. | Canopy unit for light harvesting |
-
2006
- 2006-10-12 CN CNA2006101391281A patent/CN101162384A/zh active Pending
Cited By (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101283666B (zh) * | 2008-05-12 | 2010-07-28 | 华中科技大学 | 智能花卉养植*** |
CN101883132A (zh) * | 2010-04-22 | 2010-11-10 | 王晓喃 | 一种基于全ip无线传感器网络的农业大棚温度监控*** |
CN101883132B (zh) * | 2010-04-22 | 2013-05-08 | 常熟理工学院 | 一种基于全ip无线传感器网络的农业大棚温度监控*** |
CN102308696A (zh) * | 2010-07-01 | 2012-01-11 | 上海市农业科学院 | 一种调控设施蔬菜地土壤磷素养分非均衡化的方法 |
CN102308696B (zh) * | 2010-07-01 | 2015-04-15 | 上海市农业科学院 | 一种调控设施蔬菜地土壤磷素养分非均衡化的方法 |
CN102681438A (zh) * | 2012-05-09 | 2012-09-19 | 天津理工大学 | 作物温室栽培专家控制***及作物病症诊断方法 |
CN102681438B (zh) * | 2012-05-09 | 2014-04-30 | 天津理工大学 | 作物温室栽培专家控制***及作物病症诊断方法 |
CN103576625A (zh) * | 2012-08-01 | 2014-02-12 | 江苏阿法腾科技有限公司 | 一种智能农业集成监控*** |
CN104427859A (zh) * | 2012-08-23 | 2015-03-18 | 松下知识产权经营株式会社 | 农用大棚 |
CN103283339A (zh) * | 2013-05-16 | 2013-09-11 | 南京农业大学 | 利用茶籽稳定可控工厂化生产优质茶叶的工艺 |
CN104635694A (zh) * | 2015-01-08 | 2015-05-20 | 沈阳远大智能高科农业有限公司 | 一种智能农业预警*** |
CN105137940A (zh) * | 2015-09-01 | 2015-12-09 | 徐州工业职业技术学院 | 物联网大棚农业生长监控*** |
CN105613246A (zh) * | 2016-01-18 | 2016-06-01 | 王春雷 | 一种自动选择种植蔬菜种类的方法及装置 |
CN105867144A (zh) * | 2016-04-05 | 2016-08-17 | 云上后稷(北京)科技有限公司 | 家居型植物工厂、远程控制方法、控制器及控制*** |
WO2018058821A1 (zh) * | 2016-09-30 | 2018-04-05 | 深圳前海弘稼科技有限公司 | 一种基于种植设备的病虫害预测方法及装置 |
CN106818416A (zh) * | 2016-10-18 | 2017-06-13 | 梁彦云 | 一种基于物联网的水肥一体滴灌技术的监控*** |
CN106773720A (zh) * | 2017-01-25 | 2017-05-31 | 张彩芬 | 一种温室大棚环境自动控制*** |
CN107944596A (zh) * | 2017-10-20 | 2018-04-20 | 上海交通大学 | 一种基于物联网的甜瓜生长管理专家*** |
CN108614415A (zh) * | 2018-03-27 | 2018-10-02 | 苏州联点数据技术有限公司 | 一种植物生长因子的智能控制***及控制方法 |
WO2019237201A1 (en) * | 2018-06-12 | 2019-12-19 | Paige Growth Technologies Inc. | Devices, systems and methods for multivariable optimization of plant growth and growth of other phototrophic organisms |
CN108845534A (zh) * | 2018-06-28 | 2018-11-20 | 牛静洁 | 农业养殖设备的物联网多功能控制装置及*** |
CN113226014A (zh) * | 2018-10-24 | 2021-08-06 | 奥普提-哈维斯特公司 | 用于栽培品种生长环境的导光平台 |
CN109828623A (zh) * | 2018-12-28 | 2019-05-31 | 北京农业信息技术研究中心 | 温室作物情景感知的生产管理方法及装置 |
CN113966518B (zh) * | 2019-02-14 | 2024-02-27 | 魔力生物工程公司 | 受控农业***和管理农业***的方法 |
CN113966518A (zh) * | 2019-02-14 | 2022-01-21 | 欧司朗有限责任公司 | 受控农业***和管理农业***的方法 |
CN110107144A (zh) * | 2019-05-21 | 2019-08-09 | 张崇玺 | 种植居住一体轻钢别墅模拟真实环境的方法及其轻钢别墅 |
CN113168599A (zh) * | 2019-07-04 | 2021-07-23 | 欧姆龙株式会社 | 植物的栽培管理***以及植物的栽培管理装置 |
EP3996012A4 (en) * | 2019-07-04 | 2023-08-02 | OMRON Corporation | PLANT CULTURE MANAGEMENT SYSTEM AND PLANT CULTURE MANAGEMENT METHOD |
CN110514240A (zh) * | 2019-08-09 | 2019-11-29 | 中国农业大学 | 一种温室环境可视化方法及装置 |
CN110514248A (zh) * | 2019-09-24 | 2019-11-29 | 任杉元 | 一种基于大数据的智能化、自动化农业数据采集*** |
CN113196320A (zh) * | 2019-10-04 | 2021-07-30 | 欧姆龙株式会社 | 果菜类植物和果树栽培管理装置、学习装置、果菜类植物和果树栽培管理方法、学习模型生成方法、果菜类植物和果树栽培管理程序以及学习模型生成程序 |
CN110906986A (zh) * | 2019-12-11 | 2020-03-24 | 内蒙古工业大学 | 基于物联网的草原生态监测***和方法 |
CN111108879A (zh) * | 2020-01-03 | 2020-05-08 | 华维节水科技集团股份有限公司 | 一种基于专家决策***的茄果类水肥及环境管理方法 |
CN111352370A (zh) * | 2020-03-16 | 2020-06-30 | 威海精讯畅通电子科技有限公司 | 一种基于农业数据与生产的管理***及农业数据监控终端 |
CN112307091A (zh) * | 2020-11-06 | 2021-02-02 | 广东省农业科学院农业资源与环境研究所 | 一种柑橘园土壤养分肥力查询*** |
CN112419288B (zh) * | 2020-11-28 | 2024-05-03 | 西安石油大学 | 一种基于计算机视觉的无人化蔬菜大棚种植方法 |
CN112419288A (zh) * | 2020-11-28 | 2021-02-26 | 西安石油大学 | 一种基于计算机视觉的无人化蔬菜大棚种植方法 |
CN113016508A (zh) * | 2021-03-02 | 2021-06-25 | 华南师范大学 | 面向药效和生态的药材种植人工智能方法和机器人 |
CN113016508B (zh) * | 2021-03-02 | 2022-09-16 | 华南师范大学 | 药材种植人工智能方法和机器人 |
USD1028646S1 (en) | 2021-04-30 | 2024-05-28 | Opti-Harvest, Inc. | Canopy unit for light harvesting |
CN113421408B (zh) * | 2021-06-30 | 2021-12-17 | 浙江汇鼎华链科技有限公司 | 一种基于大数据的农业信息监控***及方法 |
CN113421408A (zh) * | 2021-06-30 | 2021-09-21 | 浙江汇鼎华链科技有限公司 | 一种基于大数据的农业信息监控***及方法 |
CN113836188B (zh) * | 2021-09-28 | 2023-05-16 | 中国联合网络通信集团有限公司 | 数据处理方法、装置、服务器及存储介质 |
CN113836188A (zh) * | 2021-09-28 | 2021-12-24 | 中国联合网络通信集团有限公司 | 数据处理方法、装置、服务器及存储介质 |
CN114097563A (zh) * | 2021-12-06 | 2022-03-01 | 湖南省烟草公司衡阳市公司常宁市分公司 | 简易烟草育苗大棚管理方法 |
CN117114917B (zh) * | 2023-10-25 | 2024-01-26 | 中国铁塔股份有限公司吉林省分公司 | 应用于数字农业的ai预测处理方法及*** |
CN117114917A (zh) * | 2023-10-25 | 2023-11-24 | 中国铁塔股份有限公司吉林省分公司 | 应用于数字农业的ai预测处理方法及*** |
CN117636056A (zh) * | 2023-12-13 | 2024-03-01 | 中南大学 | 基于大数据的农业信息监控方法及*** |
CN117474294A (zh) * | 2023-12-26 | 2024-01-30 | 山东麦港数据***有限公司 | 一种基于农作物栽培管理模型的种植辅助决策*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101162384A (zh) | 人工智能植物生长环境调控专家决策*** | |
Kang et al. | Managing traditional solar greenhouse with CPSS: A just-for-fit philosophy | |
CN104460582B (zh) | 一种基于模糊控制的物联网智能灌溉施肥控制方法及*** | |
Baille | Trends in greenhouse technology for improved climate control in mild winter climates | |
CN113657751A (zh) | 一种智慧农业产融综合服务平台 | |
Kang et al. | The development of AgriVerse: Past, present, and future | |
Vashishth et al. | Advanced Technologies and AI-Enabled IoT Applications in High-Tech Agriculture | |
Kamsu-Foguem et al. | Knowledge description for the suitability requirements of different geographical regions for growing wine | |
Zhang et al. | Agricultural cybernetics | |
Martin-Clouaire et al. | Using empirical knowledge for the determination of climatic setpoints: An artificial intelligence approach | |
Gao et al. | Application of Artificial Intelligence System Design Based on Genetic Algorithm In Horticultural Cultivation | |
Borgwardt et al. | Conception of a Vertical Farm for the Maun Science Park in Botswana: Project Work WS21/22 | |
Serra | Innovation in cultivation techniques of greenhouse ornamentals with particular regard to low energy input and pollution reduction | |
Zhou et al. | Artificial Intelligence in Agriculture | |
Ning et al. | PEST analysis of the future Chinese vertical farming market: Environmental sustainability and energy savings. | |
Tooy et al. | Towards Global Food Security: Vertical Farming as an Innovative Solution | |
Tang et al. | Application of 5G Communication Technology in Precision Agriculture | |
Rovira-Más | Agricultural Robotics | |
Guo et al. | Lvwochuan Farm: How Does Traditional Agriculture Realize the Digital Transformation of the Whole Industrial Chain? | |
Kolomiets | Innovations in Agriculture: Necessity, Problems and Opportunities | |
Utama et al. | Virtual Plant of Basil (Ocimum Basillicum) by Using Functional-Structural Plant Model | |
Vallejo-Gómez et al. | Smart Irrigation Systems in Agriculture: A Systematic Review. Agronomy 2023, 13, 342 | |
Chowdhury et al. | Gardener: A Gardening Assistance Mobile Application With Plant Details, Plant Shopping, Expert Contact, Alert, and Plantation Tips Facilities | |
Lin | Optimization model of water-fertilizer coupling in garden plant cultivation based on big data analysis | |
Mabayoje | A DESIGN OF A DECISION SUPPORT SYSTEM FOR CASSAVA FARMING IN NIGERIA |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20080416 |