CN110262435A - 基于大数据分析的智慧大棚控制***及方法 - Google Patents
基于大数据分析的智慧大棚控制***及方法 Download PDFInfo
- Publication number
- CN110262435A CN110262435A CN201910639119.6A CN201910639119A CN110262435A CN 110262435 A CN110262435 A CN 110262435A CN 201910639119 A CN201910639119 A CN 201910639119A CN 110262435 A CN110262435 A CN 110262435A
- Authority
- CN
- China
- Prior art keywords
- greenhouse
- crop
- humidity
- information
- temperature
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000007613 environmental effect Effects 0.000 claims abstract description 43
- 238000005286 illumination Methods 0.000 claims abstract description 29
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims abstract description 26
- 239000002689 soil Substances 0.000 claims abstract description 23
- 230000010365 information processing Effects 0.000 claims abstract description 21
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 20
- 238000003973 irrigation Methods 0.000 claims abstract description 17
- 230000002262 irrigation Effects 0.000 claims abstract description 17
- 229910002092 carbon dioxide Inorganic materials 0.000 claims abstract description 13
- 239000001569 carbon dioxide Substances 0.000 claims abstract description 10
- 238000011161 development Methods 0.000 claims description 22
- 230000018109 developmental process Effects 0.000 claims description 22
- 230000012010 growth Effects 0.000 claims description 13
- 241000894007 species Species 0.000 claims description 12
- 230000003698 anagen phase Effects 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- 238000009395 breeding Methods 0.000 claims description 6
- 230000001488 breeding effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000000749 insecticidal effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 241000607479 Yersinia pestis Species 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 230000008635 plant growth Effects 0.000 abstract 3
- 230000007774 longterm Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 11
- 230000001276 controlling effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 241000790917 Dioxys <bee> Species 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000004408 titanium dioxide Substances 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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]
- G05B19/4185—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 the network communication
- G05B19/4186—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 the network communication by protocol, e.g. MAP, TOP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Environmental Sciences (AREA)
- Greenhouses (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据分析的智慧大棚控制***及方法，该***包括用于采集大棚环境信息的空气温湿度传感器、光照强度传感器、二氧化碳传感器、土壤温湿度传感器，用于调节大棚环境参数的设备驱动模块，CC2530，ZigBee/WiFi网关，云服务器和用于采集大棚内作物生长图片的网络摄像头。CC2530向设备驱动模块发送控制指令，设备驱动模块再将控制指令分别传达给通风扇、喷灌设施、补光灯/遮光帘进而调节大棚内环境参数，云服务器根据采集到的作物生长图片、信息处理决策***和卷积神经网络模型确定作物生长需求。本发明基于大数据分析所种植作物的生长环境需求，并根据作物的生长环境需求自动化控制调节环境参数的设备，大大节省了人力成本，提升了作物产量。
Description
技术领域
本发明涉及一种智慧大棚自动化控制领域，尤其涉及一种基于大数据分析的智慧大棚控制***及方法。
背景技术
农业是整个社会的基础行业，其发展的好坏不仅会影响我国整体经济发展，同时还影响民生健康。从古到今，农业一直是我们国家的第一产业，但我国大部分地区气候环境恶劣、优质土壤资源严重不足的基本国情给我们国家农业的发展带来了巨大的挑战。除此之外，中国人口虽庞大，但随着经济和科技的发展，越来越少的年轻人愿意投入农业事业当中，人们对生活质量的要求也越来越高，传统粗放的农作物生产方式已经不能适应现代社会的需求。
随着物联网、云计算、人工智能等技术的出现和应用，为农业生产管理提供了众多便利条件，一种耗费更少人力、具有可控性和自动化性质的智慧大棚生产技术应运而生。
发明内容
本发明的目的是提供一种基于大数据分析的智慧大棚控制***及方法，工作过程是通过基于大数据分析来获取作物的生长环境需求，从而达到根据作物的生长环境需求来自动化控制大棚内一些设备，进而调节大棚内的环境参数的目的。
为实现上述目的，本***提供了如下方案：
一种基于大数据分析的智慧大棚控制***及方法，所述智慧大棚控制***包括云服务器、网络摄像头、ZigBee/WiFi网关、CC2530、空气温湿度传感器、光照强度传感器、二氧化碳传感器、土壤温湿度传感器和由设备驱动模块控制的通风扇、喷灌设施、补光灯/遮光帘；
其中，所述云服务器内存储作物数据集、信息处理决策***和训练好的卷积神经网络模型；所述作物数据集为内部存储海量作物图片的ImageNet数据库；所述信息处理决策***是根据采集的环境参数，结合作物动态生长模型和爬虫获取到的相关数据推断出作物的生长阶段和时间，并以此对照作物的最优的生长环境需求，进而做出决策命令，调节大棚内环境参数；所述动态生长模型是通过作物基本发育函数、环境影响因子函数、作物发育速率函数构建得到；所述作物的生长环境需求包括大棚内的空气温湿度、光照强度、二氧化碳浓度、土壤温湿度；所述训练好的卷积神经网络模型的输入为网络摄像头所拍摄的大棚内的作物图片，所述训练好的卷积神经网络模型的输出为作物种类；
所述云服务器用于将获取的作物图片输入到所述训练好的卷积神经网络模型中确定大棚内作物的种类，并通过所述信息处理决策***推断出作物的生长阶段和时间，并以此对照作物的最优的生长环境需求，进而做出决策命令，调节大棚内环境参数；信息处理决策***的不同种类不同阶段的作物最优的生存环境需求可以通过爬虫分布式集群从植物网、大树林植物网、百度上去获得。
所述网络摄像头位于大棚内，用于拍摄大棚内的作物图片，并将拍摄到的作物图片发送至云服务器内；
所述ZigBee/WiFi网关用于实现协议之间的转换，通过协议网关转换，参数就能够在ZigBee和WiFi之间进行传输和应用；ZigBee/WiFi网关，作用是实现协议的转换。通过各种传感器完成对大棚内环境参数的采集并将采集到的参数通过ZigBee协议传输到ZigBee-WiFi网关，由于ZigBee技术无法与外网直接融合，所以必须使用WiFi技术作为中转，通过协议网关转换，参数就可以在ZigBee和WiFi之间进行传输和应用。
所述CC2530用于根据所述作物生存环境需求以及各种传感器采集到的大棚内的空气温湿度信息、光照强度信息、二氧化碳浓度信息、土壤温湿度信息，向所述设备驱动模块输出控制指令，所述设备驱动模块再将控制指令分别传达给通风扇、喷灌设施和补光灯/遮光帘；所述控制指令包括通风扇控制指令、喷灌设施控制指令、补光灯/遮光帘控制指令；
所述空气温湿度传感器用于实时采集大棚内的空气温湿度信息，并将空气温湿度信息发送至所述CC2530中；
所述光照强度传感器用于实时采集大棚内的光照强度信息，并将光照强度信息发送至所述CC2530中；
所述二氧化碳传感器用于实时采集大棚内的二氧化碳浓度信息，并将二氧化碳浓度信息发送至所述CC2530中；
所述土壤温湿度传感器用于实时采集大棚内的土壤温湿度信息，并将土壤温湿度信息发送至所述CC2530中；
所述设备驱动模块通过接收所述CC2530发送来的控制指令，进而控制所述通风扇、所述喷灌设施、所述补光灯/遮光帘工作状态；
所述通风扇接收所述设备驱动模块发送来的通风扇控制指令，进行开关和档位的调整，进而调节大棚内的二氧化碳浓度。
所述喷灌设施接收所述设备驱动模块发送来的喷灌设施控制指令，进行开关和档位的调整，进而调节大棚内的土壤温湿度和空气温湿度；
所述补光灯/遮光帘接收所述设备驱动模块发送来的补光灯/遮光帘控制指令，进行开关和档位的调整，进而调节大棚内的光照强度或消除害虫。
可选的，所述智慧大棚控制***还包括控制终端；所述控制终端为Android客户端；所述控制终端通过所述ZigBee/WiFi网关和路由器与所述CC2530无线通信；所述CC2530能够将各种传感器采集到的大棚内环境参数发送给所述控制终端，所述控制终端也能够发送控制指令给所述CC2530，进而控制设备的状态，调节环境参数。
可选的，所述训练好的卷积神经网络模型是根据所述作物数据集中的海量作物图片和损失函数训练得到的；损失函数表达式为：
其中，L表示损失，N表示样本数量，y表示样本的相似程度，y＝1表示样本相似，y＝0表示样本不相似，d表示特征空间的欧式距离，margin为任意数值；
可选的，所述动态生长模型分析为：
设作物第i阶段基本发育函数为
f(Di)＝e-ki
其中，Di为该物种第i阶段的发育天数，ki为该物种第i阶段的基本发育系数。
环境影响因子函数f(E)可表达为
其中，f(T)、f(B)、f(C)、f(H)分别为温度影响因子函数、光照影响因子函数、二氧化碳浓度影响因子和湿度影响因子函数，Tj、Bj、Cj、Hj分别为作物第i阶段第j天的平均气温、光照时长、平均二氧化碳浓度、平均湿度，Toi、Tbi分别为作物第i阶段的最适温度和平均温度，Boi、Bbi分别为作物第i阶段的最适光照强度和平均光照强度，Coi、Cbi分别为作物第i阶段的最适二氧化碳浓度和平均二氧化碳浓度，Hoi、Hbi分别为作物第i阶段的最适湿度和湿度。
作物发育速率为
其中，Dvt为作物发育速率，Dvp为第i阶段发育进程。
当一个生育期结束，下一个生育期开始。
可选的，所述设备驱动模块包括固态继电器，考虑到CC2530主控的驱动能力不足以直接驱动固态继电器，因此在CC2530和固态继电器的接口之间还设置驱动电路，实现弱电对强电的控制，上述驱动电路是现有的成熟技术。
可选的，所述补光灯/遮光帘中的补光灯包括日光灯和杀虫灯，日光灯用于增强大棚内的光照强度，杀虫灯用于消除大棚内的农业害虫。
一种基于大数据分析的智慧大棚控制方法，利用上述的基于大数据分析的智慧大棚控制***，其步骤为：
(1)、各个传感器节点采集大棚内的环境参数，将环境参数打包成数据包经ZigBee-WiFi网关发送给服务器；
(2)、服务器经过预处理后，将相关信息传送给信息处理决策***，以及Android客户端供用户实时参看大棚内的环境参数；所述信息包括大棚内环境参数、动态生长模型、爬虫获取到的数据；
卷积神经网络模型根据网络摄像机所拍摄的作物图片识别出的作物种类结果也传送给信息处理决策***；
(3)、信息处理决策***根据上述信息作出决策，判断大棚内的环境参数是否为最佳状态；
(4)、如果不是，则向设备驱动模块发出控制命令调控环境参数到最佳状态；如果是，则重复步骤(1)、(2)、(3)；
(5)、当用户向***发送数据时，判断是控制命令还是确认命令，如果是控制命令，则将命令传达给设备驱动模块调控相关设备；如果是确认命令，则向CC2530单片机发送确认命令，表明用户已经收到数据。
本发明提供一种基于大数据分析的智慧大棚控制***及方法，通过爬虫在一些网站爬取各种作物的环境需求，并根据网络摄像头所拍摄的图片识别出作物的种类和生长阶段，然后根据作物的生长环境需求自动化控制调节环境参数的设备，使大棚内环境达到一个最优的状态。除此之外，管理者可以利用开发出的Android客户端人为控制大棚内的设备，从而调控大棚内的环境参数。这种生产方式大大节省了人力成本，提升了作物产量。
附图说明
图1是本发明一种基于大数据分析的智慧大棚控制***的结构示意图；
图2是卷积神经网络的P-AlexNet模型结构；
图3是本发明信息处理决策***的工作流程图；
图4是本发明的工作流程图；
图5是本发明CC2530和固态继电器的接口之间的驱动电路。
具体实施方式
下面结合附图对本发明进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示是一种基于大数据分析的智慧大棚控制***的结构示意图，包括云服务器11、网络摄像头13、ZigBee/WiFi网关10、CC2530单片机5、空气温湿度传感器1、光照强度传感器2、二氧化碳传感器3、土壤温湿度传感器4和由设备驱动模块6控制的通风扇9、喷灌设施8、补光灯/遮光帘7。
空气温湿度传感器1用于实时采集大棚内的空气温湿度信息，并将空气温湿度信息发送至所述CC2530单片机5中；
当CC2530单片机5单片机发送启动信号，便拉高对应通讯引脚并等待空气温湿度传感器1的响应信号，当空气温湿度传感器1发送来响应信号后，CC2530单片机5读取空气温湿度数据并继续拉高通讯引脚电平，然后根据读取到的数据分别计算温度、湿度；
光照强度传感器2用于实时采集大棚内的光照强度信息，并将光照强度信息发送至所述CC2530单片机5中；
光照强度传感器2的工作原理是利用光电二极管将光照强度转换为电流，然后再通过低功耗电路将电流处理为数字比特流，该比特流被数字化处理后，保存至相应的输出寄存器内。
二氧化碳传感器3用于实时采集大棚内的二氧化碳浓度信息，并将二氧化碳浓度信息发送至所述CC2530单片机5中；
二氧化碳传感器选用MG811，工作电源电压为6V。其输出为模拟电压值，模拟电压值与二氧化碳浓度的转换公式如下所示
EMF＝EC-(R*T)/(2F*InP(CO2))
由此推出
式中EMF为输出模拟电压值，P(CO2)为计算得到的CO2浓度值，R为气体固定容量，EC为固定体积，T为绝对温度，F为法拉第常数。
土壤温湿度传感器4用于实时采集大棚内的土壤温湿度信息，并将土壤温湿度信息发送至CC2530单片机5中；
土壤温湿度传感器4选择SHT21，其相对湿度RH计算公式如下所示(结果以％RH表示)
式中的SRH为传感器输出的相对湿度值。
温度T可通过下式计算得出(计算结果以温度℃表示)
式中的ST为传感器输出的温度值。
CC2530单片机5用于根据作物生存环境需求以及各种传感器采集到的大棚内的空气温湿度信息、光照强度信息、二氧化碳浓度信息、土壤温湿度信息，向设备驱动模块6输出控制指令，设备驱动模块6再将控制指令分别传达给通风扇9、喷灌设施8、补光灯/遮光帘7进而调节大棚内空气温湿度、光照强度、二氧化碳浓度、土壤温湿度；控制指令包括通风扇控制指令、喷灌设施控制指令、补光灯/遮光帘控制指令。
设备驱动模块6通过接收CC2530单片机5发送来的控制指令，进而控制通风扇9、喷灌设施8、补光灯/遮光帘7工作状态，达到调节大棚内环境参数的目的；设备驱动模块6还包括固态继电器，CC2530单片机5和固态继电器的接口之间还设置驱动电路，驱动电路如图5所示，实现弱电对强电的控制。
补光灯/遮光帘7接收设备驱动模块6发送来的补光灯/遮光帘控制指令，进行开关和档位的调整，补光灯包括日光灯和杀虫灯，日光灯用于增强大棚内的光照强度，杀虫灯用于消除大棚内的农业害虫。
喷灌设施8接收设备驱动模块6发送来的喷灌设施控制指令，进行开关和档位的调整；
所述通风扇9接收设备驱动模块6发送来的通风扇控制指令，进行开关和档位的调整；
ZigBee/WiFi网关10作用是实现协议的转换。通过各种传感器完成对大棚内环境参数的采集并将采集到的参数通过ZigBee协议传输到ZigBee-WiFi网关，由于ZigBee技术无法与外网直接融合，所以必须使用WiFi技术作为中转，通过协议网关转换，参数就可以在ZigBee和WiFi之间进行传输和应用。
云服务器11用于将获取的作物图片输入到所述训练好的卷积神经网络模型中确定大棚内作物的种类，并通过所述信息处理决策***推断出作物的生长阶段和时间，并以此对照作物的最优的生长环境需求，进而做出决策命令，调节大棚内环境参数；所述动态生长模型是通过作物基本发育函数、环境影响因子函数、作物发育速率函数构建得到；下面是详细介绍：
(1)构建作物数据集
作物图像集中的图像主要来源于内部存储海量作物图片的ImageNet数据库。
(2)信息处理决策***
如图3所示，信息处理决策***是根据采集的环境参数，结合作物动态生长模型和爬虫获取到的相关数据推断出作物的生长阶段和时间，并以此对照作物的最优的生长环境需求，进而做出决策命令，调节大棚内环境参数；
下面具体介绍一下动态生长模型分析：
设作物第i阶段基本发育函数为
f(Di)＝e-ki
其中，Di为该物种第i阶段的发育天数，ki为该物种第i阶段的基本发育系数。
环境影响因子函数f(E)可表达为
其中，f(T)、f(B)、f(C)、f(H)分别为温度影响因子函数、光照影响因子函数、二氧化碳浓度影响因子和湿度影响因子函数，Tj、Bj、Cj、Hj分别为作物第i阶段第j天的平均气温、光照时长、平均二氧化碳浓度、平均湿度，Toi、Tbi分别为作物第i阶段的最适温度和平均温度，Boi、Bbi分别为作物第i阶段的最适光照强度和平均光照强度，Coi、Cbi分别为作物第i阶段的最适二氧化碳浓度和平均二氧化碳浓度，Hoi、Hbi分别为作物第i阶段的最适湿度和湿度。
作物发育速率为
其中，Dvt为作物发育速率，Dvp为第i阶段发育进程。
当一个生育期结束，下一个生育期开始。
(3)卷积神经网络模型
首先，将网络摄像机拍摄到的作物图片利用下面公式转换为灰度图像；
其中，r、g、b分别表示图像在RGB三个通道上的值。
采用优化后的P-AlexNet模型，如图2所示，为7层卷积神经网络结构P-AlexNet模型。在该模型中，将底层传统的卷积池化层结合的单通道结构替换为InceptionModule，因此可大大增加底层纹理特征的可表示范围。多数作物在RGB颜色空间中，绿色通道的分量的平均灰度值较高，因此在该模型中，将绿色通道和其余两通道分离处理，提取的特征分开表征，由此提升了网络的可解释性。为了防止模型可能会出现过拟合的问题，在网络中还加入了EarlyStop方法和Dropout方法，由此提高模型泛化能力，防止过拟合。
训练好的卷积神经网络模型是根据所述作物数据集中的海量作物图片和损失函数训练得到的，损失函数表达式为：
其中，L表示损失，N表示样本数量，y表示样本的相似程度，y＝1表示样本相似，y＝0表示样本不相似，d表示特征空间的欧式距离，margin为任意数值；
控制终端12即开发出的Android客户端，用户可以通过无线技术和CC2530单片机建立连接，通过数据的传输，用户可以查看和调控大棚内的环境参数，使整个操作过程更加灵活。Android客户端包括身份验证、数据实时显示、监测警报、曲线显示、远程控制、***控制的功能；
网络摄像头13用于拍摄大棚内的作物图片，并将拍摄到的图片发送至云服务器内，供服务器识别出作物的种类和生长阶段。
如图4所示是本发明的工作流程图，一种基于大数据分析的智慧大棚控制方法，利用上述的基于大数据分析的智慧大棚控制***，其步骤为：
(1)、各个传感器节点采集大棚内的环境参数，将环境参数打包成数据包经ZigBee-WiFi网关发送给服务器；
(2)、服务器经过预处理后，将相关信息传送给信息处理决策***，以及Android客户端供用户实时参看大棚内的环境参数；所述信息包括大棚内环境参数、动态生长模型、爬虫获取到的数据；
卷积神经网络模型根据网络摄像机所拍摄的作物图片识别出的作物种类结果也传送给信息处理决策***；
(3)、信息处理决策***根据上述信息作出决策，判断大棚内的环境参数是否为最佳状态；
(4)、如果不是，则向设备驱动模块发出控制命令调控环境参数到最佳状态；如果是，则重复步骤(1)、(2)、(3)；
(5)、当用户向***发送数据时，判断是控制命令还是确认命令，如果是控制命令，则将命令传达给设备驱动模块调控相关设备；如果是确认命令，则向CC2530单片机发送确认命令，表明用户已经收到数据。
本发明实施的有益效果为：
(1)卷积神经网络使用的是改进后的P-AlexNet模型，该模型针对识别相似度比较大的作物作出一系列的改进，在识别作物的种类上更加准确。
(2)利用大数据分析技术，从一些网站爬虫爬取各种种类各个阶段作物的生存环境需求，经过卷积神经网络识别作物种类后，构建该作物的生长模型，并与最优生存环境需求匹配，从而做出决策，进而对大棚内的环境参数进行调节。该过程使得作物整个种植过程更加智能化、自动化、减少了人力和物力。
(3)除了自动化地对大棚内的环境进行调节，本发明还增加了Android客户端，人为地对大棚内的设备进行调控，使得控制机制更加灵活、个性，方便管理员的管理。
以上所述仅是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可做出若干改进和变动，这些改进和变动也应视为本发明的保护范围。
Claims (7)
1.一种基于大数据分析的智慧大棚控制***，其特征在于，所述智慧大棚控制***包括云服务器、网络摄像头、ZigBee/WiFi网关、CC2530、空气温湿度传感器、光照强度传感器、二氧化碳传感器、土壤温湿度传感器和由设备驱动模块控制的通风扇、喷灌设施、补光灯/遮光帘；
其中，所述云服务器内存储作物数据集、信息处理决策***和训练好的卷积神经网络模型；所述作物数据集为内部存储海量作物图片的ImageNet数据库；所述信息处理决策***是根据采集的环境参数，结合作物动态生长模型和爬虫获取到的相关数据推断出作物的生长阶段和时间，并以此对照作物的最优的生长环境需求，进而做出决策命令，调节大棚内环境参数；所述动态生长模型是通过作物基本发育函数、环境影响因子函数、作物发育速率函数构建得到；所述作物的生长环境需求包括大棚内的空气温湿度、光照强度、二氧化碳浓度、土壤温湿度；所述训练好的卷积神经网络模型的输入为网络摄像头所拍摄的大棚内的作物图片，所述训练好的卷积神经网络模型的输出为作物种类；
所述云服务器用于将获取的作物图片输入到所述训练好的卷积神经网络模型中确定大棚内作物的种类，并通过所述信息处理决策***推断出作物的生长阶段和时间，并以此对照作物的最优的生长环境需求，进而做出决策命令，调节大棚内环境参数；
所述网络摄像头位于大棚内，用于拍摄大棚内的作物图片，并将拍摄到的作物图片发送至云服务器内；
所述ZigBee/WiFi网关用于实现协议之间的转换，通过协议网关转换，参数就能够在ZigBee和WiFi之间进行传输和应用；
所述CC2530用于根据所述作物生存环境需求以及各种传感器采集到的大棚内的空气温湿度信息、光照强度信息、二氧化碳浓度信息、土壤温湿度信息，向所述设备驱动模块输出控制指令，所述设备驱动模块再将控制指令分别传达给通风扇、喷灌设施和补光灯/遮光帘；所述控制指令包括通风扇控制指令、喷灌设施控制指令、补光灯/遮光帘控制指令；
所述空气温湿度传感器用于实时采集大棚内的空气温湿度信息，并将空气温湿度信息发送至所述CC2530中；
所述光照强度传感器用于实时采集大棚内的光照强度信息，并将光照强度信息发送至所述CC2530中；
所述二氧化碳传感器用于实时采集大棚内的二氧化碳浓度信息，并将二氧化碳浓度信息发送至所述CC2530中；
所述土壤温湿度传感器用于实时采集大棚内的土壤温湿度信息，并将土壤温湿度信息发送至所述CC2530中；
所述设备驱动模块通过接收所述CC2530发送来的控制指令，进而控制所述通风扇、所述喷灌设施、所述补光灯/遮光帘工作状态；
所述通风扇接收所述设备驱动模块发送来的通风扇控制指令，进行开关和档位的调整，进而调节大棚内的二氧化碳浓度；
所述喷灌设施接收所述设备驱动模块发送来的喷灌设施控制指令，进行开关和档位的调整，进而调节大棚内的土壤温湿度和空气温湿度；
所述补光灯/遮光帘接收所述设备驱动模块发送来的补光灯/遮光帘控制指令，进行开关和档位的调整，进而调节大棚内的光照强度或消除害虫。
2.根据权利要求1所述的基于大数据分析的智慧大棚控制***，其特征在于，所述智慧大棚控制***还包括控制终端；所述控制终端通过所述ZigBee/WiFi网关和路由器与所述CC2530无线通信；所述CC2530能够将各种传感器采集到的大棚内环境参数发送给所述控制终端，所述控制终端也能够发送控制指令给所述CC2530，进而控制设备的状态，调节环境参数。
3.根据权利要求1所述的基于大数据分析的智慧大棚控制***，其特征在于，所述训练好的卷积神经网络模型是根据所述作物数据集中的海量作物图片和损失函数训练得到的；损失函数表达式为：
其中，L表示损失，N表示样本数量，y表示样本的相似程度，y＝1表示样本相似，y＝0表示样本不相似，d表示特征空间的欧式距离，margin为任意数值。
4.根据权利要求1所述的基于大数据分析的智慧大棚控制***，其特征在于，所述动态生长模型分析为：
设作物第i阶段基本发育函数为
f(Di)＝e-ki
其中，Di为物种第i阶段的发育天数，ki为该物种第i阶段的基本发育系数；
环境影响因子函数f(E)可表达为
其中，f(T)、f(B)、f(C)、f(H)分别为温度影响因子函数、光照影响因子函数、二氧化碳浓度影响因子和湿度影响因子函数，Tj、Bj、Cj、Hj分别为作物第i阶段第j天的平均气温、光照时长、平均二氧化碳浓度、平均湿度，Toi、Tbi分别为作物第i阶段的最适温度和平均温度，Boi、Bbi分别为作物第i阶段的最适光照强度和平均光照强度，Coi、Cbi分别为作物第i阶段的最适二氧化碳浓度和平均二氧化碳浓度，Hoi、Hbi分别为作物第i阶段的最适湿度和湿度；
作物发育速率为
其中，Dvt为作物发育速率，Dvp为第i阶段发育进程；
当一个生育期结束，下一个生育期开始。
5.根据权利要求1所述的基于大数据分析的智慧大棚控制***，其特征在于，所述设备驱动模块包括固态继电器，CC2530和固态继电器的接口之间还设置驱动电路，实现弱电对强电的控制。
6.根据权利要求1所述的基于大数据分析的智慧大棚控制***，其特征在于，所述补光灯/遮光帘中的补光灯包括日光灯和杀虫灯，日光灯用于增强大棚内的光照强度，杀虫灯用于消除大棚内的农业害虫。
7.一种基于大数据分析的智慧大棚控制方法，其特征在于利用权利要求1所述的基于大数据分析的智慧大棚控制***，其步骤为：
(1)、各个传感器节点采集大棚内的环境参数，将环境参数打包成数据包经ZigBee-WiFi网关发送给服务器；
(2)、服务器经过预处理后，将相关信息传送给信息处理决策***，以及Android客户端供用户实时参看大棚内的环境参数；所述信息包括大棚内环境参数、动态生长模型、爬虫获取到的数据；
卷积神经网络模型根据网络摄像机所拍摄的作物图片识别出的作物种类结果也传送给信息处理决策***；
(3)、信息处理决策***根据上述信息作出决策，判断大棚内的环境参数是否为最佳状态；
(4)、如果不是，则向设备驱动模块发出控制命令调控环境参数到最佳状态；如果是，则重复步骤(1)、(2)、(3)；
(5)、当用户向***发送数据时，判断是控制命令还是确认命令，如果是控制命令，则将命令传达给设备驱动模块调控相关设备；如果是确认命令，则向CC2530单片机发送确认命令，表明用户已经收到数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910639119.6A CN110262435A (zh) | 2019-07-16 | 2019-07-16 | 基于大数据分析的智慧大棚控制***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910639119.6A CN110262435A (zh) | 2019-07-16 | 2019-07-16 | 基于大数据分析的智慧大棚控制***及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110262435A true CN110262435A (zh) | 2019-09-20 |
Family
ID=67926313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910639119.6A Pending CN110262435A (zh) | 2019-07-16 | 2019-07-16 | 基于大数据分析的智慧大棚控制***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110262435A (zh) |
Cited By (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110692402A (zh) * | 2019-11-14 | 2020-01-17 | 山东农业工程学院 | 水肥一体化管理***及其工作方法 |
| CN110794904A (zh) * | 2019-11-30 | 2020-02-14 | 宁波大龙农业科技有限公司 | 大棚温湿度控制装置 |
| CN110895036A (zh) * | 2019-11-30 | 2020-03-20 | 宁波大龙农业科技有限公司 | 育苗大棚的温湿度自动调节*** |
| CN110915466A (zh) * | 2019-11-15 | 2020-03-27 | 西安和光明宸科技有限公司 | 一种植物光照调节***及光照调节方法 |
| CN110956208A (zh) * | 2019-11-27 | 2020-04-03 | 山东建筑大学 | 基于逻辑回归算法的温室大棚光照检测方法与*** |
| CN111243254A (zh) * | 2020-01-15 | 2020-06-05 | 安徽工程大学 | 无线传输电路、装置及设备 |
| CN111279952A (zh) * | 2020-03-18 | 2020-06-16 | 嘉应学院 | 一种基于云平台的水肥一体化管理*** |
| CN111280151A (zh) * | 2020-02-06 | 2020-06-16 | 山东农业大学 | 一种基于棉花生长期识别的变量施药控制方法 |
| CN111680927A (zh) * | 2020-06-13 | 2020-09-18 | 南京柯姆威科技有限公司 | 一种ai人工智能训练装置及其训练方法 |
| CN111964723A (zh) * | 2020-08-18 | 2020-11-20 | 合肥金果缘视觉科技有限公司 | 一种基于人工智能的花生米短芽检测*** |
| CN112099456A (zh) * | 2020-10-09 | 2020-12-18 | 三明学院 | 一种基于Spark大数据的智慧农业控制*** |
| CN112099557A (zh) * | 2020-09-24 | 2020-12-18 | 苏州七采蜂数据应用有限公司 | 一种基于互联网的家居植物栽植方法及*** |
| CN112586241A (zh) * | 2021-01-14 | 2021-04-02 | 浙江大学 | 一种基于物联网智慧型设施作物补光装置 |
| CN112783228A (zh) * | 2020-12-31 | 2021-05-11 | 遵义师范学院 | 基于神经网络的大型温棚pd控制***及方法 |
| CN112806195A (zh) * | 2021-01-19 | 2021-05-18 | 青岛农业大学 | 温室育苗微喷灌精量控制方法 |
| CN113115679A (zh) * | 2021-04-21 | 2021-07-16 | 中国农业科学院农业信息研究所 | 一种基于苹果病害预测的智能调控方法及其装置 |
| CN113253782A (zh) * | 2021-05-26 | 2021-08-13 | 焦作大学 | 一种采用物联网的生物化工的发酵环境调节装置 |
| CN113298489A (zh) * | 2021-05-10 | 2021-08-24 | 北京工业大学 | 一种基于深度学习的大棚自动化*** |
| CN113349045A (zh) * | 2021-07-15 | 2021-09-07 | 安徽金晟达生物电子科技有限公司 | 基于双塔式连续水培牧草栽培控制***及其工作方法 |
| CN113448368A (zh) * | 2021-06-29 | 2021-09-28 | 东港市远东节水灌溉设备有限公司 | 一种物联网智能农业控制检测方法及*** |
| CN113534862A (zh) * | 2021-07-09 | 2021-10-22 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 培养腔的气体浓度控制***以及方法 |
| CN113884138A (zh) * | 2021-10-14 | 2022-01-04 | 一鼎(福建)生态园林建设有限公司 | 基于大数据的种植智能监控*** |
| CN114326880A (zh) * | 2021-12-29 | 2022-04-12 | 山东华丰数字科技有限公司 | 一种用于温室大棚的设备智能控制方法及*** |
| CN114365649A (zh) * | 2022-01-17 | 2022-04-19 | 江苏巨门星智能科技有限公司 | 一种智慧温室大棚环境监测控制*** |
| WO2022110475A1 (zh) * | 2020-11-25 | 2022-06-02 | 德州学院 | 一种智慧农业育苗装置 |
| CN114738981A (zh) * | 2022-03-31 | 2022-07-12 | 青岛海尔空调器有限总公司 | 空调和环境参数控制方法 |
| CN115292334A (zh) * | 2022-10-10 | 2022-11-04 | 江西电信信息产业有限公司 | 基于视觉智能种植方法、***、电子设备及存储介质 |
| WO2022240365A1 (en) * | 2021-05-14 | 2022-11-17 | National University Of Singapore | A method and system for determining equipment settings of a building management system of a building |
| CN115421540A (zh) * | 2022-09-07 | 2022-12-02 | 浙江大学 | 一种基于移动式机器人的作物生长环境数据采集控制***及其方法 |
| CN115529987A (zh) * | 2022-11-30 | 2022-12-30 | 中化现代农业有限公司 | 作物设施的风口调控方法、装置、设备及存储介质 |
| CN116047899A (zh) * | 2022-12-08 | 2023-05-02 | 扬州市职业大学(扬州开放大学) | 一种阀门自适应补偿分析控制方法及*** |
| CN116300620A (zh) * | 2023-03-21 | 2023-06-23 | 上海华维可控农业科技集团股份有限公司 | 一种基于大数据的作物生长需求协调控制***及方法 |
| CN116326976A (zh) * | 2023-05-11 | 2023-06-27 | 合肥坤语智能科技有限公司 | 一种开合程度可控的多层智慧窗帘 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108021920A (zh) * | 2017-11-09 | 2018-05-11 | 华南理工大学 | 一种图像对象协同发现的方法 |
| KR20180098488A (ko) * | 2018-08-20 | 2018-09-04 | 단국대학교 산학협력단 | 설정로그 및 생육모델을 이용하는 시설재배 시스템의 제어방법 |
| CN108919754A (zh) * | 2018-06-21 | 2018-11-30 | 马鞍山中粮生物化学有限公司 | 一种智能大棚实时监控***及监控方法 |
| CN109583301A (zh) * | 2018-10-29 | 2019-04-05 | 广东奥博信息产业股份有限公司 | 一种农作物生长过程最优外部种植条件预测方法及装置 |
-
2019
- 2019-07-16 CN CN201910639119.6A patent/CN110262435A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108021920A (zh) * | 2017-11-09 | 2018-05-11 | 华南理工大学 | 一种图像对象协同发现的方法 |
| CN108919754A (zh) * | 2018-06-21 | 2018-11-30 | 马鞍山中粮生物化学有限公司 | 一种智能大棚实时监控***及监控方法 |
| KR20180098488A (ko) * | 2018-08-20 | 2018-09-04 | 단국대학교 산학협력단 | 설정로그 및 생육모델을 이용하는 시설재배 시스템의 제어방법 |
| CN109583301A (zh) * | 2018-10-29 | 2019-04-05 | 广东奥博信息产业股份有限公司 | 一种农作物生长过程最优外部种植条件预测方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 唐卫东，刘欢，刘冬生，胡雪华，李萍萍，卢章平: "基于植株-环境交互的温室黄瓜虚拟生长模型研究", 《农业机械学报》 * |
Cited By (44)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110692402A (zh) * | 2019-11-14 | 2020-01-17 | 山东农业工程学院 | 水肥一体化管理***及其工作方法 |
| CN110915466A (zh) * | 2019-11-15 | 2020-03-27 | 西安和光明宸科技有限公司 | 一种植物光照调节***及光照调节方法 |
| CN110956208A (zh) * | 2019-11-27 | 2020-04-03 | 山东建筑大学 | 基于逻辑回归算法的温室大棚光照检测方法与*** |
| CN110794904A (zh) * | 2019-11-30 | 2020-02-14 | 宁波大龙农业科技有限公司 | 大棚温湿度控制装置 |
| CN110895036A (zh) * | 2019-11-30 | 2020-03-20 | 宁波大龙农业科技有限公司 | 育苗大棚的温湿度自动调节*** |
| CN111243254A (zh) * | 2020-01-15 | 2020-06-05 | 安徽工程大学 | 无线传输电路、装置及设备 |
| CN111280151A (zh) * | 2020-02-06 | 2020-06-16 | 山东农业大学 | 一种基于棉花生长期识别的变量施药控制方法 |
| CN111279952A (zh) * | 2020-03-18 | 2020-06-16 | 嘉应学院 | 一种基于云平台的水肥一体化管理*** |
| CN111279952B (zh) * | 2020-03-18 | 2021-10-12 | 嘉应学院 | 一种基于云平台的水肥一体化管理*** |
| CN111680927A (zh) * | 2020-06-13 | 2020-09-18 | 南京柯姆威科技有限公司 | 一种ai人工智能训练装置及其训练方法 |
| CN111964723A (zh) * | 2020-08-18 | 2020-11-20 | 合肥金果缘视觉科技有限公司 | 一种基于人工智能的花生米短芽检测*** |
| CN112099557A (zh) * | 2020-09-24 | 2020-12-18 | 苏州七采蜂数据应用有限公司 | 一种基于互联网的家居植物栽植方法及*** |
| CN112099456A (zh) * | 2020-10-09 | 2020-12-18 | 三明学院 | 一种基于Spark大数据的智慧农业控制*** |
| WO2022110475A1 (zh) * | 2020-11-25 | 2022-06-02 | 德州学院 | 一种智慧农业育苗装置 |
| CN112783228A (zh) * | 2020-12-31 | 2021-05-11 | 遵义师范学院 | 基于神经网络的大型温棚pd控制***及方法 |
| CN112783228B (zh) * | 2020-12-31 | 2022-03-22 | 遵义师范学院 | 基于神经网络的大型温棚pd控制***及方法 |
| CN112586241A (zh) * | 2021-01-14 | 2021-04-02 | 浙江大学 | 一种基于物联网智慧型设施作物补光装置 |
| CN112586241B (zh) * | 2021-01-14 | 2022-05-13 | 浙江大学 | 一种基于物联网智慧型设施作物补光装置 |
| CN112806195A (zh) * | 2021-01-19 | 2021-05-18 | 青岛农业大学 | 温室育苗微喷灌精量控制方法 |
| CN112806195B (zh) * | 2021-01-19 | 2022-05-03 | 青岛农业大学 | 温室育苗微喷灌精量控制方法 |
| CN113115679A (zh) * | 2021-04-21 | 2021-07-16 | 中国农业科学院农业信息研究所 | 一种基于苹果病害预测的智能调控方法及其装置 |
| CN113298489A (zh) * | 2021-05-10 | 2021-08-24 | 北京工业大学 | 一种基于深度学习的大棚自动化*** |
| WO2022240365A1 (en) * | 2021-05-14 | 2022-11-17 | National University Of Singapore | A method and system for determining equipment settings of a building management system of a building |
| CN113253782A (zh) * | 2021-05-26 | 2021-08-13 | 焦作大学 | 一种采用物联网的生物化工的发酵环境调节装置 |
| CN113448368A (zh) * | 2021-06-29 | 2021-09-28 | 东港市远东节水灌溉设备有限公司 | 一种物联网智能农业控制检测方法及*** |
| CN113534862A (zh) * | 2021-07-09 | 2021-10-22 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 培养腔的气体浓度控制***以及方法 |
| CN113534862B (zh) * | 2021-07-09 | 2024-05-03 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 培养腔的气体浓度控制***以及方法 |
| CN113349045A (zh) * | 2021-07-15 | 2021-09-07 | 安徽金晟达生物电子科技有限公司 | 基于双塔式连续水培牧草栽培控制***及其工作方法 |
| CN113884138A (zh) * | 2021-10-14 | 2022-01-04 | 一鼎(福建)生态园林建设有限公司 | 基于大数据的种植智能监控*** |
| CN113884138B (zh) * | 2021-10-14 | 2022-05-17 | 一鼎(福建)生态园林建设有限公司 | 基于大数据的种植智能监控*** |
| CN114326880A (zh) * | 2021-12-29 | 2022-04-12 | 山东华丰数字科技有限公司 | 一种用于温室大棚的设备智能控制方法及*** |
| CN114326880B (zh) * | 2021-12-29 | 2023-06-27 | 山东华丰数字科技有限公司 | 一种用于温室大棚的设备智能控制方法及*** |
| CN114365649A (zh) * | 2022-01-17 | 2022-04-19 | 江苏巨门星智能科技有限公司 | 一种智慧温室大棚环境监测控制*** |
| CN114738981A (zh) * | 2022-03-31 | 2022-07-12 | 青岛海尔空调器有限总公司 | 空调和环境参数控制方法 |
| CN115421540A (zh) * | 2022-09-07 | 2022-12-02 | 浙江大学 | 一种基于移动式机器人的作物生长环境数据采集控制***及其方法 |
| CN115292334A (zh) * | 2022-10-10 | 2022-11-04 | 江西电信信息产业有限公司 | 基于视觉智能种植方法、***、电子设备及存储介质 |
| CN115529987A (zh) * | 2022-11-30 | 2022-12-30 | 中化现代农业有限公司 | 作物设施的风口调控方法、装置、设备及存储介质 |
| CN115529987B (zh) * | 2022-11-30 | 2023-03-24 | 中化现代农业有限公司 | 作物设施的风口调控方法、装置、设备及存储介质 |
| CN116047899A (zh) * | 2022-12-08 | 2023-05-02 | 扬州市职业大学(扬州开放大学) | 一种阀门自适应补偿分析控制方法及*** |
| CN116047899B (zh) * | 2022-12-08 | 2024-05-24 | 扬州市职业大学(扬州开放大学) | 一种阀门自适应补偿分析控制方法及*** |
| CN116300620A (zh) * | 2023-03-21 | 2023-06-23 | 上海华维可控农业科技集团股份有限公司 | 一种基于大数据的作物生长需求协调控制***及方法 |
| CN116300620B (zh) * | 2023-03-21 | 2023-11-07 | 上海华维可控农业科技集团股份有限公司 | 一种基于大数据的作物生长需求协调控制***及方法 |
| CN116326976A (zh) * | 2023-05-11 | 2023-06-27 | 合肥坤语智能科技有限公司 | 一种开合程度可控的多层智慧窗帘 |
| CN116326976B (zh) * | 2023-05-11 | 2023-08-15 | 合肥坤语智能科技有限公司 | 一种开合程度可控的多层智慧窗帘 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110262435A (zh) | 基于大数据分析的智慧大棚控制***及方法 | |
| CN209546481U (zh) | 一种基于大数据分析的智能化食用菌培养*** | |
| CN204808024U (zh) | 一种基于云服务的智能大棚监控*** | |
| CN206820788U (zh) | 一种植物工厂植物长势记录和种植建议*** | |
| CN206671924U (zh) | 一种基于物联网技术的智能植物养护管理控制*** | |
| CN105607681A (zh) | 一种农业信息化生产无线监测*** | |
| CN111008733B (zh) | 一种作物生长管控方法和*** | |
| CN204557776U (zh) | 基于云服务的温室种植远程监控*** | |
| CN106354183A (zh) | 一种基于云服务器的农业大棚智能控制方法 | |
| CN108594775A (zh) | 一种农业大数据信息采集与处理*** | |
| CN107861551A (zh) | 一种基于大数据的智能大棚*** | |
| CN107846469A (zh) | 一种基于物联网和云计算技术的智能温室监控*** | |
| CN204667158U (zh) | 一种基于cps的智能农作物培养种植管理*** | |
| CN109634332A (zh) | 一种现代化温室的智能调控*** | |
| CN108319164A (zh) | 作物生长环境预测和调控方法 | |
| CN206788675U (zh) | 养殖场的环境自动控制*** | |
| CN109035057A (zh) | 带有观光走廊的芒果虫害智能监测*** | |
| CN110488785A (zh) | 一种养鸡方法、装置及*** | |
| CN205375166U (zh) | 一种基于物联网的智能农业监控*** | |
| CN203276003U (zh) | 基于物联网的蚕室监控*** | |
| CN104920103A (zh) | 一种智能育苗***及方法 | |
| CN204994345U (zh) | 一种智能育苗*** | |
| CN204790646U (zh) | 一种农业智能温室 | |
| CN211427177U (zh) | 一种基于物联网的温室大棚控制*** | |
| CN108934599A (zh) | 一种基于物联网的农业大棚 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190920 |