CN109116827B - 基于物联网的日光温室水肥一体化灌溉控制方法及装置 - Google Patents
基于物联网的日光温室水肥一体化灌溉控制方法及装置 Download PDFInfo
- Publication number
- CN109116827B CN109116827B CN201811095803.4A CN201811095803A CN109116827B CN 109116827 B CN109116827 B CN 109116827B CN 201811095803 A CN201811095803 A CN 201811095803A CN 109116827 B CN109116827 B CN 109116827B
- Authority
- CN
- China
- Prior art keywords
- greenhouse
- substrate
- transpiration rate
- limit value
- water
- 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.)
- Active
Links
- 238000003973 irrigation Methods 0.000 title claims abstract description 132
- 230000002262 irrigation Effects 0.000 title claims abstract description 132
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 112
- 239000003337 fertilizer Substances 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000000758 substrate Substances 0.000 claims abstract description 184
- 230000005068 transpiration Effects 0.000 claims abstract description 108
- 238000005286 illumination Methods 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims description 24
- 238000012843 least square support vector machine Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000010845 search algorithm Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000002689 soil Substances 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000003621 irrigation water Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Cultivation Of Plants (AREA)
- Greenhouses (AREA)
Abstract
本发明实施例提供一种基于物联网的日光温室水肥一体化灌溉控制方法及装置,该方法包括:获取日光温室的温室气象参数和目标基质水分信息,温室气象参数包括空气温度信息、空气湿度信息和光照强度信息;将温室气象参数输入到训练好的蒸腾速率模型中,得到日光温室的蒸腾速率,训练好的蒸腾速率模型基于温室气象参数训练得到;获取日光温室的基质湿度下限值,基质湿度下限值根据目标基质水分信息和蒸腾速率得到;获取日光温室的实时基质湿度值,根据基质湿度下限值和实时基质湿度值决策出目标灌溉方案,以供对日光温室内的作物进行水肥一体化灌溉控制。本发明实施例提高了基于物联网的日光温室水肥一体化灌溉控制的精度,提升了水肥灌溉的用水率。
Description
技术领域
本发明实施例涉及农业灌溉技术领域,尤其涉及一种基于物联网的日光温室水肥一体化灌溉控制方法及装置。
背景技术
随着农业现代化的发展,灌溉施肥***在发展设施农业、节水农业和生态农业等方面的重要性日益突出。农业可持续发展是现代农业追求的目标,为了提高灌溉中水肥利用率,减少土壤连坐灾害并且保护环境,提出了水肥一体化概念。水肥一体化使用水为载体,将肥料与水同时灌溉入土壤或基质中,大大提高了水肥利用率。
随着物联网技术的发展,在目前的水肥一体化灌溉技术中,综合考虑温室环境信息和基质含水率来预测灌溉策略越来越重要,在众多的模拟模型中比较有代表性的Wageningen模型和CROPWAT模型等。尤其是CROPWAT模型,功能比较全面,能对灌溉需水量进行标准的计算,还能评估不同的灌溉策略,以及非充分灌溉对作物产量的影响。
然而,由于这些***过于繁杂,需要处理的信息量过于庞大,对***的配置要求也比较高,使整个水肥一体化控制***长期处于高载荷运转状态,降低整个***的性能和使用寿命,导致水肥一体化灌溉的控制精度较低,适用性较差和用水效率低。
发明内容
针对现有技术存在的问题,本发明实施例提供了一种基于物联网的日光温室水肥一体化灌溉控制方法及装置。
第一方面,本发明实施例提供一种基于物联网的日光温室水肥一体化灌溉控制方法,包括:
获取日光温室的温室气象参数和目标基质水分信息,所述温室气象参数包括空气温度信息、空气湿度信息和光照强度信息;
将所述温室气象参数输入到训练好的蒸腾速率模型中,得到日光温室的蒸腾速率,所述训练好的蒸腾速率模型基于所述温室气象参数训练得到;
获取日光温室的基质湿度下限值,所述基质湿度下限值根据所述目标基质水分信息和所述蒸腾速率得到;
获取日光温室的实时基质湿度值,根据所述基质湿度下限值和所述实时基质湿度值决策出目标灌溉方案,以供对日光温室内的作物进行水肥一体化灌溉控制。
第二方面,本发明实施例提供一种基于物联网的日光温室水肥一体化灌溉控制装置,包括:
温室参数获取模块,用于获取日光温室的温室气象参数和目标基质水分信息,所述温室气象参数包括空气温度信息、空气湿度信息和光照强度信息;
蒸腾速率检测模块,用于将所述温室气象参数输入到训练好的蒸腾速率模型中,得到日光温室的蒸腾速率,所述训练好的蒸腾速率模型基于所述温室气象参数训练得到;
智能控制模块,用于获取日光温室的基质湿度下限值,所述基质湿度下限值根据所述目标基质水分信息和所述蒸腾速率得到;
基质水分检测模块,用于获取日光温室的实时基质湿度值,根据所述基质湿度下限值和所述实时基质湿度值决策出目标灌溉方案,以供对日光温室内的作物进行水肥一体化灌溉控制。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的一种基于物联网的日光温室水肥一体化灌溉控制方法及装置,通过日光温室中的空气温度信息、空气湿度信息和光照强度信息获取得到相应的蒸腾速率,再结合蒸腾速率和日光温室内作物的目标基质水分信息得到作物的基质湿度下限值,根据作物的基质湿度下限值和实时基质湿度值决策出相应的灌溉方案,提高了基于物联网的水肥一体化灌溉控制的精度,提升了水肥灌溉的用水率,达到了节水效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于物联网的日光温室水肥一体化灌溉控制方法的流程示意图;
图2为本发明实施例提供的基于深度信念网络-最小二乘支持向量机的蒸腾速率模型的训练流程示意图;
图3为本发明实施例提供的基于物联网的日光温室水肥一体化灌溉控制装置的结构示意图;
图4为本发明实施例提供的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在日光温室水肥一体化灌溉***中,灌溉用水管理是一项非常复杂的任务,这是因为作物需水量不仅受作物生长发育时期的影响,还受温度、湿度、降水、蒸腾等多种环境条件的影响。大量灌溉试验资料表明:作物灌水量的大小与土壤条件(包括土壤质地、土壤含水量、结构和地下水位等)、气象条件(包括太阳辐射、气温、湿度等)、农业技术和灌溉排水措施等有关。作物能正常生长的条件是栽培环境的含水率高于一定值,此时作物才能获得较大生长量。
图1为本发明实施例提供的基于物联网的日光温室水肥一体化灌溉控制方法的流程示意图,如图1所示,本发明实施例提供了种基于物联网的日光温室水肥一体化灌溉控制方法,包括:
步骤101,获取日光温室的温室气象参数和目标基质水分信息,所述温室气象参数包括空气温度信息、空气湿度信息和光照强度信息;
步骤102,将所述温室气象参数输入到训练好的蒸腾速率模型中,得到日光温室的蒸腾速率,所述训练好的蒸腾速率模型基于所述温室气象参数训练得到;
步骤103,获取日光温室的基质湿度下限值,所述基质湿度下限值根据所述目标基质水分信息和所述蒸腾速率得到;
步骤104,获取日光温室的实时基质湿度值,根据所述基质湿度下限值和所述实时基质湿度值决策出目标灌溉方案,以供对日光温室内的作物进行水肥一体化灌溉控制。
在本发明实施例中,在步骤101中,首先通过安装在日光温室内的传感器对日光温室的温室气象参数进行监测,具体地,温室气温传感器用于监测日光温室的实时气温信息,温室湿度传感器用于监测日光温室的实时湿度信息,温室光照强度传感器用于监测日光温室的实时光照强度信息,将各类型传感器监测到的信息通过网络的方式上传到基于物联网的日光温室水肥一体化灌溉控制装置中,控制装置中设置有训练好的蒸腾速率模型和培育作物基质对应的目标基质水分信息。随后,控制装置将接收到温室气象参数输入到训练好的蒸腾速率模型中,计算得到日光温室的蒸腾速率,此时,控制装置根据日光温室内的作物类型选取相应的目标基质水分信息,结合蒸腾速率进行相应处理,例如,在本发明实施例中,基于物联网的日光温室水肥一体化灌溉控制装置中内置模糊控制器,将本次需要进行水肥灌溉的作物对应的目标基质水分信息和蒸腾速率输入到模糊控制器中,通过模糊化处理,得到该日光温室中作物对应的基质湿度下限值。此时,将监测到的实时基质湿度值上传到控制***中,控制***将实时基质湿度值和基质湿度下限值进行对比,判断是否对作物进行灌溉,若此时的实时基质湿度值小于或等于基质湿度下限值,说明该作物处于缺水缺肥状态,控制装置将会通过远程控制日光温室内相应的供水、供肥电池阀为作物提供水肥灌溉,决策出相应的灌溉方案。此外,通过训练好的蒸腾速率模型得到的日光温室的蒸腾速率变化值,可以分析得到相应的灌溉时间,从而得到更优化的灌溉方案。
在本发明实施例中,日光温室中的各个传感器保持对温室内的温度、湿度、光照强度和基质湿度值等进行持续监测,以供控制***根据日光温室内参数的变化实时决策出相应的灌溉方案,除此之外,还可设置用于监测日光温室内二氧化碳浓度或作物叶片信息的传感器,提高灌溉方***性。在本发明实施例中,基于物联网的日光温室水肥一体化灌溉控制***通过通信串口将相关数据发送到USB485模块上,上位PC机通过TCP/IP通信协议和USB485模块进行通信,使得上位PC机和控制装置可通过物联网相互传送数据,同时,上位PC机和控制装置建立协议,上位PC机根据控制装置发出的信息进行处理,并将反馈信息传输到控制装置,控制装置根据反馈信息进行相应的控制处理。
本发明实施例提供的一种基于物联网的日光温室水肥一体化灌溉控制方法,通过日光温室中的空气温度信息、空气湿度信息和光照强度信息获取得到相应的蒸腾速率,再结合蒸腾速率和日光温室内作物的目标基质水分信息得到作物的基质湿度下限值,根据作物的基质湿度下限值和实时基质湿度值决策出相应的灌溉方案,提高了基于物联网的水肥一体化灌溉控制的精度,提升了水肥灌溉的用水率,达到了节水效果。
在上述实施例的基础上,图2为本发明实施例提供的基于深度信念网络-最小二乘支持向量机的蒸腾速率模型的训练流程示意图,如图2所示,本发明实施例提供的所述训练好的蒸腾速率模型通过以下步骤训练得到:
步骤201,通过深度信念网络提取样本温室气象参数的特征向量,得到训练样本集;
步骤202,根据网格搜索算法优化最小二乘支持向量机的超参数的网络结构,得到待训练的最小二乘支持向量机;
步骤203,将所述训练样本集输入到所述待训练的最小二乘支持向量机中,对所述待训练的最小二乘支持向量机进行训练,得到所述训练样本集的样本蒸腾速率,从而获取到所述训练好的蒸腾速率模型;
步骤204,将所述温室气象参数输入到所述训练好的蒸腾速率模型,获取到所述蒸腾速率。
在本发明实施例中,需要根据日光温室内的空气温度信息、空气湿度信息、光照强度信息和蒸腾速率,建立深度信念网络DBN与最小二乘支持向量机相结合的蒸腾速率模型。在步骤201之前,首先对样本温室气象参数进行预处理,将参数中无关的信息通过预处理去除,然后,将预处理后的样本温室气象参数输入到深度信念网络中,从而提取温室气象参数的特征向量,并将提取到的特征向量作为最小二乘支持向量机的训练样本集。在将训练样本集输入到最小二乘支持向量机之前,通过步骤202,结合网格搜索算法对最小二乘支持向量机中的超参数的网络结构和各项参数进行优化。最后,将训练样本集输入到设置好超参数的最小二乘支持向量机中,以供最小二乘支持向量机中进行训练,从而得到训练样本集对应的蒸腾速率,进一步得到训练好的蒸腾速率模型。另外,对训练后的蒸腾速率模型进行测试,通过测试结果,判断训练后的蒸腾速率模型预测的蒸腾速率是否准确。
本发明实施例通过深度信念网络多尺度提取温室气象参数的特征向量,消除了变量的相关性,从而减少最小二乘支持向量机的样本输入,并结合网格搜索算法对超参数的网络结构进行优化,提高了模型的预测能力和泛化能力,使得获取到的蒸腾速率更加快速和准确,提高了水肥一体化灌溉控制的精准度。
在上述实施例的基础上,所述获取日光温室的基质湿度下限值,包括:
将所述目标基质水分信息和所述蒸腾速率模糊化,并根据三角形隶属度函数建立模糊规则,通过所述模糊规则将模糊化后的结果进行转换,获取到所述基质湿度下限值,以供和所述实时基质湿度值决策出所述目标灌溉方案。
在本发明实施例中,基于物联网的日光温室水肥一体化灌溉控制***中设置有模糊控制器,首先将目标基质水分信息和训练好的蒸腾速率模型得到的蒸腾速率转化为对应的模糊子集,然后通过模糊条件构成模糊规则,并计算推理得到模糊规则对应的模糊关系,即模糊输出判决,并将其由模糊量转化为精确量,从而得到基质湿度下限值,以供和实时基质湿度值决策出所述目标灌溉方案。在本发明实施例中,目标基质水分信息和蒸腾速率作为精确的输入量,在采用模糊控制方法前,需要把两者转化成模糊集合的隶属度函数,通常隶属度函数采用吊钟型、体型和三角形,在本发明实施例中,使用三角隶属度函数计算量较小,可以更快速获取到计算结果。
本发明实施例通过将模糊控制算法引入到水肥一体化灌溉控制***中,提高了灌溉量控制的精确度,使得作物灌溉更加合理,同时起到了节约水资源的效果,更利于作物的生长发育。
在上述实施例的基础上,所述根据所述基质湿度下限值和所述实时基质湿度值决策出目标灌溉方案,以供对日光温室中的作物进行水肥一体化灌溉控制,包括:
通过所述基质湿度下限值和所述蒸腾速率设置基质湿度上限值,根据所述基质湿度下限值与所述实时基质湿度值确定是否对日光温室内的作物进行灌溉,并根据所述基质湿度上限值确定持续灌溉时间,从而决策出所述目标灌溉方案,以供对日光温室内的作物进行水肥一体化灌溉控制。
进一步地,在上述实施例的基础上,所述通过所述基质湿度下限值和所述蒸腾速率设置基质湿度上限值,根据所述基质湿度下限值与所述实时基质湿度值确定是否对阳光温室内的作物进行灌溉,并根据所述基质湿度上限值确定持续灌溉时间,从而决策出所述目标灌溉方法,以供对日光温室内的作物进行水肥一体化灌溉控制,包括:
若所述实时基质湿度值小于等于所述基质湿度下限值时,则对日光温室的作物进行水肥灌溉,当所述实时基质湿度值大于等于所述基质湿度上限值后,停止对日光温室的作物进行水肥灌溉;
若所述实时基质湿度值大于所述基质湿度下限值,则不对日光温室的作物进行水肥灌溉。
在本发明实施例中,通过基质湿度下限值和日光温室内蒸腾速率,结合日光温室内不同作物的生长规律,决策得到作物相应的基质湿度上限值。基质湿度上限值和基质湿度下限值之间可通过蒸腾速率变化进行调节,使得作物最优灌溉效果和水肥灌溉的达到较平衡的状态,例如,在获取到日光温室的基质湿度下限值后,通过和实时基质湿度值进行比较,判断获知此时的实时基质湿度值小于基质湿度下限值,则控制相应的水肥电磁阀开启,开始对日光温室内的作物进行持续灌溉,同时,持续对作物的实时基质湿度值进行监测,并和基质湿度上限值进行对比,通过对蒸腾速率和作物灌溉所需的时长等进行综合分析,决策出相应的灌溉方案,即当实时基质湿度值达到基质湿度上限值后停止灌溉,以及待基质湿度通过蒸腾作用逐渐降低直到下一次作物的水肥灌溉所需的时间,在此过程中,对作物灌溉量最符合其生长规律,同时达到了节水节肥效果。
本发明实施例通过设置作物的基质湿度下限值对应的基质湿度上限值,使得作物在水肥灌溉时决策出相应的灌溉方案,提高了灌溉量控制的精确度,使得作物灌溉更加合理,同时起到了节约水资源的效果,更利于作物的生长发育。
图3为本发明实施例提供的基于物联网的日光温室水肥一体化灌溉控制装置的结构示意图,如图3所示,本发明实施例提供了一种基于物联网的日光温室水肥一体化灌溉控制装置的结构示意图,包括温室参数获取模块301、蒸腾速率检测模块302、智能控制模块303和基质水分检测模块304,其中,温室参数获取模块301用于获取日光温室的温室气象参数和目标基质水分信息,所述温室气象参数包括空气温度信息、空气湿度信息和光照强度信息;蒸腾速率检测模块302用于将所述温室气象参数输入到训练好的蒸腾速率模型中,得到日光温室的蒸腾速率,所述训练好的蒸腾速率模型基于所述温室气象参数训练得到;智能控制模块303用于获取日光温室的基质湿度下限值,所述基质湿度下限值根据所述目标基质水分信息和所述蒸腾速率得到;基质水分检测模块304用于获取日光温室的实时基质湿度值,根据所述基质湿度下限值和所述实时基质湿度值决策出目标灌溉方案,以供对日光温室内的作物进行水肥一体化灌溉控制。
在本发明实施例中,温室参数获取模块301首先对日光温室的温室气象参数进行监测,具体地,温室参数获取模块301包括温室气温传感器、温室湿度传感器和温室光照强度传感器,同时将各类型传感器监测到的信息通过网络的方式上传到蒸腾速率检测模块302中。蒸腾速率检测模块302计算得到日光温室的蒸腾速率,此时,智能控制模块303根据日光温室内的作物类型选取相应的目标基质水分信息,结合蒸腾速率进行相应处理,例如,在本发明实施例中,智能控制模块303中内置模糊控制器,将本次需要进行水肥灌溉的作物对应的目标基质水分信息和蒸腾速率输入到模糊控制器中,通过模糊化处理,得到该日光温室中作物对应的基质湿度下限值。此时,日光温室内的基质水肥检测模块304通过基质水分传感器获取到实时基质湿度值,并将实时基质湿度值和基质湿度下限值进行对比,判断是否对作物进行灌溉,若此时的实时基质湿度值小于或等于基质湿度下限值,说明该作物处于缺水缺肥状态,基质水肥检测模块304将会通过远程控制日光温室内相应的供水、供肥电池阀为作物提供水肥灌溉,决策出相应的灌溉方案。
本发明实施例提供的一种基于物联网的日光温室水肥一体化灌溉控制方装置,通过日光温室中的空气温度信息、空气湿度信息和光照强度信息获取得到相应的蒸腾速率,再结合蒸腾速率和日光温室内作物的目标基质水分信息得到作物的基质湿度下限值,根据作物的基质湿度下限值和实时基质湿度值决策出相应的灌溉方案,提高了基于物联网的水肥一体化灌溉控制的精度,提升了水肥灌溉的用水率,达到了节水效果。
在上述实施例的基础上,所述装置还包括主控制箱和水量控制设备,其中:
所述主控制箱,用于根据所述目标灌溉方案向所述水量控制设备发送相应控制指令,所述主控制箱连接所述水量控制设备;
所述水量控制设备,用于执行所述主控制箱发送的相应控制指令,以供对日光温室内的作物进行水肥一体化灌溉控制。
在本发明实施例中,主控制箱包括单片机、***电路以及与单片机连接的输出信号放大电路,其中,单片机中设置有蒸腾速率模型和模糊控制器。首先,日光温室内的传感器将相应的数据上传至主控制箱,通过蒸腾速率模型得到对应的蒸腾速率,随后调取通过USB485模块连接主控制箱的上位PC机中存储的相应作物的目标基质水分信息,模糊控制器根据蒸腾速率结合目标基质水分信息计算得到日光温室的基质湿度下限值。同时,日光温室中的传感器将实时基质湿度值上传到主控制箱的单片机中,单片机根据基质湿度下限值和实时基质湿度值决策出相应的目标灌溉方案,主控制箱通过驱动电路将目标灌溉方案发送到日光温室的水量控制设备,水量控制设备根据相应的操作指令对滴漏设备进行控制,开启或关闭水肥电磁阀,以供对日光温室内的作物进行水肥一体化灌溉控制。在本发明实施例中,还可以在主控制箱上设置存储器,用于存储水肥一体化灌溉的灌溉数据,以提高下一次灌溉的精确度,同时也可以便于操作人员调取相关数据进行研究。此外,在主控制箱内设置有显示装置,用于显示日光温室的实时气象、基质湿度和二氧化碳浓度的参数。
本发明实施例提供的一种基于物联网的日光温室水肥一体化灌溉控制装置,通过日光温室中的空气温度信息、空气湿度信息和光照强度信息获取得到相应的蒸腾速率,再结合蒸腾速率和日光温室内作物的目标基质水分信息得到作物的基质湿度下限值,根据作物的基质湿度下限值和实时基质湿度值决策出相应的灌溉方案,提高了基于物联网的水肥一体化灌溉控制的精度,提升了水肥灌溉的用水率,达到了节水效果。
在上述实施例的基础上,所述装置通过无线或有线连接上位PC机。
在本发明实施例中,主控制箱和上位PC机之间采用无线通讯或有线通讯的方式进行数据之间的传输,包括对水肥一体化灌溉装置的相关设备进行监视和控制,从而实现数据采集、设备控制和参数调节等各项数据的传输。此外,本发明实施例还可以设置移动终端和上位PC机进行远程通讯,实现可移动式的水肥一体化灌溉控制。
本发明实施例通过无线或有线的连接方式,使远程上位PC机对日光温室水肥一体化灌溉控制装置进行信息传输和控制,提高了实用性,达到节水节肥、智能和高效的效果。
本发明实施例提供的装置是用于执行上述各方法实施例的,具体流程和详细内容请参照上述各方法实施例,此处不再赘述。
图4为本发明实施例提供的电子设备结构示意图,如图4所示,该电子设备可以包括:处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储器403中的逻辑指令,以执行如下方法:获取日光温室的温室气象参数和目标基质水分信息,所述温室气象参数包括空气温度信息、空气湿度信息和光照强度信息;将所述温室气象参数输入到训练好的蒸腾速率模型中,得到日光温室的蒸腾速率,所述训练好的蒸腾速率模型基于所述温室气象参数训练得到;获取日光温室的基质湿度下限值,所述基质湿度下限值根据所述目标基质水分信息和所述蒸腾速率得到;获取日光温室的实时基质湿度值,根据所述基质湿度下限值和所述实时基质湿度值决策出目标灌溉方案,以供对日光温室内的作物进行水肥一体化灌溉控制。
此外,上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取日光温室的温室气象参数和目标基质水分信息,所述温室气象参数包括空气温度信息、空气湿度信息和光照强度信息;将所述温室气象参数输入到训练好的蒸腾速率模型中,得到日光温室的蒸腾速率,所述训练好的蒸腾速率模型基于所述温室气象参数训练得到;获取日光温室的基质湿度下限值,所述基质湿度下限值根据所述目标基质水分信息和所述蒸腾速率得到;获取日光温室的实时基质湿度值,根据所述基质湿度下限值和所述实时基质湿度值决策出目标灌溉方案,以供对日光温室内的作物进行水肥一体化灌溉控制。
本发明实施例提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储服务器指令,该计算机指令使计算机执行上述实施例所提供的基于物联网的日光温室水肥一体化灌溉控制方法,例如包括:获取日光温室的温室气象参数和目标基质水分信息,所述温室气象参数包括空气温度信息、空气湿度信息和光照强度信息;将所述温室气象参数输入到训练好的蒸腾速率模型中,得到日光温室的蒸腾速率,所述训练好的蒸腾速率模型基于所述温室气象参数训练得到;获取日光温室的基质湿度下限值,所述基质湿度下限值根据所述目标基质水分信息和所述蒸腾速率得到;获取日光温室的实时基质湿度值,根据所述基质湿度下限值和所述实时基质湿度值决策出目标灌溉方案,以供对日光温室内的作物进行水肥一体化灌溉控制。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种基于物联网的日光温室水肥一体化灌溉控制方法,其特征在于,包括:
获取日光温室的温室气象参数和目标基质水分信息,所述温室气象参数包括空气温度信息、空气湿度信息和光照强度信息;
将所述温室气象参数输入到训练好的蒸腾速率模型中,得到日光温室的蒸腾速率,所述训练好的蒸腾速率模型基于所述温室气象参数训练得到;
获取日光温室的基质湿度下限值,所述基质湿度下限值根据所述目标基质水分信息和所述蒸腾速率得到;
获取日光温室的实时基质湿度值,根据所述基质湿度下限值和所述实时基质湿度值决策出目标灌溉方案,以供对日光温室内的作物进行水肥一体化灌溉控制;
其中,所述训练好的蒸腾速率模型通过以下步骤训练得到:
通过深度信念网络提取样本温室气象参数的特征向量,得到训练样本集;
根据网格搜索算法优化最小二乘支持向量机的超参数的网络结构,得到待训练的最小二乘支持向量机;
将所述训练样本集输入到所述待训练的最小二乘支持向量机中,对所述待训练的最小二乘支持向量机进行训练,得到所述训练样本集的样本蒸腾速率,从而获取到所述训练好的蒸腾速率模型;
将所述温室气象参数输入到所述训练好的蒸腾速率模型,获取到所述蒸腾速率。
2.根据权利要求1所述的方法,其特征在于,所述获取日光温室的基质湿度下限值,包括:
将所述目标基质水分信息和所述蒸腾速率模糊化,并根据三角形隶属度函数建立模糊规则,通过所述模糊规则将模糊化后的结果进行转换,获取到所述基质湿度下限值,以供和所述实时基质湿度值决策出所述目标灌溉方案。
3.根据权利要求1所述的方法,其特征在于,所述根据所述基质湿度下限值和所述实时基质湿度值决策出目标灌溉方案,以供对日光温室中的作物进行水肥一体化灌溉控制,包括:
通过所述基质湿度下限值和所述蒸腾速率设置基质湿度上限值,根据所述基质湿度下限值与所述实时基质湿度值确定是否对日光温室内的作物进行灌溉,并根据所述基质湿度上限值确定持续灌溉时间,从而决策出所述目标灌溉方案,以供对日光温室内的作物进行水肥一体化灌溉控制。
4.根据权利要求3所述的方法,其特征在于,所述通过所述基质湿度下限值和所述蒸腾速率设置基质湿度上限值,根据所述基质湿度下限值与所述实时基质湿度值确定是否对阳光温室内的作物进行灌溉,并根据所述基质湿度上限值确定持续灌溉时间,从而决策出所述目标灌溉方法,以供对日光温室内的作物进行水肥一体化灌溉控制,包括:
若所述实时基质湿度值小于等于所述基质湿度下限值时,则对日光温室的作物进行水肥灌溉,当所述实时基质湿度值大于等于所述基质湿度上限值后,停止对日光温室的作物进行水肥灌溉;
若所述实时基质湿度值大于所述基质湿度下限值,则不对日光温室的作物进行水肥灌溉。
5.一种基于权利要求1至4任一所述基于物联网的日光温室水肥一体化灌溉控制方法的控制装置,其特征在于,包括:
温室参数获取模块,用于获取日光温室的温室气象参数和目标基质水分信息,所述温室气象参数包括空气温度信息、空气湿度信息和光照强度信息;
蒸腾速率检测模块,用于将所述温室气象参数输入到训练好的蒸腾速率模型中,得到日光温室的蒸腾速率,所述训练好的蒸腾速率模型基于所述温室气象参数训练得到;
智能控制模块,用于获取日光温室的基质湿度下限值,所述基质湿度下限值根据所述目标基质水分信息和所述蒸腾速率得到;
基质水分检测模块,用于获取日光温室的实时基质湿度值,根据所述基质湿度下限值和所述实时基质湿度值决策出目标灌溉方案,以供对日光温室内的作物进行水肥一体化灌溉控制;
其中,所述训练好的蒸腾速率模型通过以下步骤训练得到:
通过深度信念网络提取样本温室气象参数的特征向量,得到训练样本集;
根据网格搜索算法优化最小二乘支持向量机的超参数的网络结构,得到待训练的最小二乘支持向量机;
将所述训练样本集输入到所述待训练的最小二乘支持向量机中,对所述待训练的最小二乘支持向量机进行训练,得到所述训练样本集的样本蒸腾速率,从而获取到所述训练好的蒸腾速率模型;
将所述温室气象参数输入到所述训练好的蒸腾速率模型,获取到所述蒸腾速率。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括主控制箱和水量控制设备,其中:
所述主控制箱,用于根据所述目标灌溉方案向所述水量控制设备发送相应控制指令,所述主控制箱连接所述水量控制设备;
所述水量控制设备,用于执行所述主控制箱发送的相应控制指令,以供对日光温室内的作物进行水肥一体化灌溉控制。
7.根据权利要求5所述的装置,其特征在于,所述装置通过无线或有线连接上位PC机。
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述方法的步骤。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811095803.4A CN109116827B (zh) | 2018-09-19 | 2018-09-19 | 基于物联网的日光温室水肥一体化灌溉控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811095803.4A CN109116827B (zh) | 2018-09-19 | 2018-09-19 | 基于物联网的日光温室水肥一体化灌溉控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109116827A CN109116827A (zh) | 2019-01-01 |
CN109116827B true CN109116827B (zh) | 2020-01-03 |
Family
ID=64858509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811095803.4A Active CN109116827B (zh) | 2018-09-19 | 2018-09-19 | 基于物联网的日光温室水肥一体化灌溉控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109116827B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978265B (zh) * | 2019-03-28 | 2021-01-22 | 中国农业科学院农业信息研究所 | 一种控释肥农田养分释放速率估算方法及*** |
CN110896761B (zh) * | 2019-09-18 | 2022-09-16 | 北京农业信息技术研究中心 | 一种温室的灌溉决策方法及*** |
CN114879786B (zh) * | 2022-05-23 | 2023-09-01 | 连云港银丰食用菌科技有限公司 | 一种获取食用菌决策方案的方法、***、装置及介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202232350U (zh) * | 2011-09-08 | 2012-05-30 | 甘肃大禹节水集团股份有限公司 | 温室滴灌自动控制*** |
CN103814795B (zh) * | 2014-01-23 | 2015-10-28 | 江苏冠甲水利科技有限公司 | 稻田自动化智能灌溉***以及采用该***进行农田灌溉的方法 |
CN205017965U (zh) * | 2015-08-02 | 2016-02-10 | 华中农业大学 | 一种适用于温室单株作物的灌溉控制装置 |
CN108510102A (zh) * | 2018-02-07 | 2018-09-07 | 青岛农业大学 | 一种采用大数据计算策略的水肥一体化灌溉控制方法 |
CN108446997B (zh) * | 2018-03-28 | 2019-10-01 | 江苏大学 | 一种基于多源信息融合的作物节水灌溉决策方法及测控*** |
-
2018
- 2018-09-19 CN CN201811095803.4A patent/CN109116827B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109116827A (zh) | 2019-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109116827B (zh) | 基于物联网的日光温室水肥一体化灌溉控制方法及装置 | |
CN106613783B (zh) | 一种通用智能灌溉***及其控制方法 | |
CN110741914A (zh) | 一种基于循环神经网络的稻田自动化节水灌溉***及方法 | |
US20220248616A1 (en) | Irrigation control with deep reinforcement learning and smart scheduling | |
CN107219759B (zh) | 一种温室环境控制方法及装置 | |
CN110119169A (zh) | 一种基于最小向量机的番茄温室温度智能预警*** | |
Karuniawati et al. | Optimization of grow lights control in IoT-based aeroponic systems with sensor fusion and random forest classification | |
CN110463587A (zh) | 基于LoRa与GA-BP的规模化大棚节水灌溉*** | |
CN114297907A (zh) | 温室环境空间分布预测方法及装置 | |
KR102387765B1 (ko) | 작물의 생육량 예측 방법 및 장치 | |
CN110119767A (zh) | 一种基于lvq神经网络的黄瓜温室温度智能化检测装置 | |
Musa et al. | An intelligent plant dissease detection system for smart hydroponic using convolutional neural network | |
CN117114448A (zh) | 一种基于机器学习和物联网技术的农业生产管理***及方法 | |
CN109213240A (zh) | 一种基于自适应控制的草莓大棚无线监测与控制*** | |
Praveena et al. | IoT Based Water Showering Mechanism in Agriculture | |
Greeshma et al. | Revolutionizing Farming with IoT: Smart Irrigation System for Sustainable Agriculture | |
CN117873238A (zh) | 一种植物生长控制方法及其***、计算机设备和存储介质 | |
US11805740B2 (en) | Systems and methods for monitoring and controlling crop irrigation schedules | |
CN117313920A (zh) | 一种智能化葡萄种植环境监测*** | |
Tripathy et al. | Smart farming based on deep learning approaches | |
Mamatha et al. | Remotely monitored web based smart hydroponics system for crop yield prediction using IoT | |
Pierre et al. | Smart crops irrigation system with low energy consumption | |
Hairu et al. | Fuzzy-based Nutrient System for Chili Cultivation in Urban Area | |
CN113115679B (zh) | 一种基于苹果病害预测的智能调控方法及其装置 | |
Pongiannan et al. | AI-Based Autonomous Paddy Farm using Smart and Precise Irrigation System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |