CN110579961A - 一种面向立体种植的园林智慧给水方法及*** - Google Patents

Abstract

本发明公开了一种面向立体种植的园林智慧灌溉方法及***，方法可采用喷灌或滴灌方式，其包括步骤：获取灌溉区域内t时刻多维度数据根据多维度数据获取t时刻的环境状态数据，并根据设定的给水条件评估决策数据；若满足给水条件，则输出决策数据到给水控制组，控制电磁阀对灌溉区域进行给水；***包括云服务器***、多个数据采集组、多个给水控制组、预处理主机、监控显示单元及控制端。实施本发明，实现了对喷灌或滴灌方式中水资源的精确控制，减少了水资源的浪费，减少了立体绿化工程项目建成后期的养护用工，降低了管理成本。

Description

一种面向立体种植的园林智慧给水方法及***

技术领域

本发明涉及园林智慧给水技术领域，特别涉及一种面向立体种植的园林智慧给水方法及***。

背景技术

随着城市水资源供需矛盾的日益加剧，各国都十分重视发展节水型园林养护运营中的用水管理。发达国家除普遍采用微喷等先进的节水灌溉技术外，还应用先进的自动化控制技术实施精确给水，以植物实际需水为依据，以信息技术为手段，提高给水精准度，实施合理的给水控制，提高水资源的利用率。

现有以单一电池阀时间控制的给水***，缺少对植物生长环境参数的分析，只能做到在某一固定时间段内打开电磁阀给水，造成很多不必要的水资源浪费。为提高水资源利用率，以互联网技术为支撑的园林灌溉技术被普遍使用。互联网智慧灌溉技术能够提高灌溉管理水平，改变人为操作的随意性。同时，智慧控制灌溉能够减少灌溉用工，降低管理成本和水资源的利用，显著提高资源利用效率和经济效益。因此，推广实施互联网智慧化控制灌溉，是改变目前园林绿化养护中普遍存在的粗放灌水方式、实现环保与节能同步，提高灌溉水利用率，是有效解决灌溉节水问题的必要措施之一。

而以互联网为技术支撑的自动控制给水***，只是在技术层面实现了自动化、远程化控制，缺少对植物生长环境参数的分析及其它们之间均衡关系的模拟计算。只解决表层的技术连接而缺少对数据运算的模拟和耦合，给水***的决策机制缺少底层算法的支持而显得简单粗暴。

发明内容

针对上述问题，提出一种面向立体种植的园林智慧灌溉方法及***，通过云服务器***对采集的立体种植区域内环境数据进行实时分析、处理，通过建立给水决策模型，输出决策数据到给水控制组，控制电磁阀进行给水，实现了对喷灌或滴灌方式中水资源的精确控制，减少了水资源的浪费。采用的园林智慧灌溉***通过控制端、监控显示单元对灌溉环境进行智能监控、自动控制，大大减少了立体绿化工程项目建成后期的养护用工，降低了管理成本。解决了现有的灌溉方法粗暴的问题。

第一方面，提出一种面向立体种植的园林智慧灌溉方法，包括步骤：

S1、获取灌溉区域内t时刻多维度数据

其中，t代表当前时刻，n代表数据维度，由传感器采集的数据类型的数量来确定；

S2、根据所述多维度数据获取当前的环境状态数据，并根据设定的给水条件评估决策数据；

S3、若满足给水条件，则输出决策数据到给水控制组，控制电磁阀对灌溉区域进行给水。

优选地，所述步骤S2包括子步骤：

S21、对所述多维度数据进行数据滤波，得t时刻估计数据为：

x^(t)＝x^(t-1)+λ·P_t-1·(y^(t)-x^(t-1))

其中：λ为衰减因子，且λ∈(0,1)，x^(t-1)为t-1时刻输出数据，P_t-1为t-1时刻相关系数矩阵

S22、根据t-1时刻的状态数据S^(t-1)，计算t时刻状态数据S^(t)：

S^(t)＝max(A(S^(t-1))·B(x^(t),S^(t-1)))

其中：格式A(S_i)为S_i的隐含状态转移概率函数，格式B(x,S_i)为S_i的观测x^t状态转移概率函数；

S23、根据t时刻状态数据S^(t)，t时刻估计数据x^(t)计算当前时刻t决策数据：

其中：函数结构f_S(x)为在S状态下模型拟合的预测函数，为经过预测函数评估而得的m维决策数据。

优选地，所述步骤S21包括：

S211、对所述多维度数据Y^(t)标准化处理，得t时刻标准输入数据：

S212、获取t-1输出数据x^(t-1)：

优选地，所述步骤S2还包括子步骤：

S24、根据t时刻估计数据x^(t)，计算并存储当前时刻t相关系数矩阵P_t，备用t+1时刻计算决策数据，

其中，u_t为累计均值，U为均值向量矩阵，N_t为累积参数数量；

S25、根据t时刻状态数据S^(t)，t时刻估计数据x^(t)、决策数据z^(t)，重新拟合预测函数f_S(x)。

优选地，所述灌溉方法采用喷灌或滴灌方式；

当采用喷灌方式时，所述多维度数据至少包括空气温度、空气湿度、光照；

当采用滴灌方式时，所述多维度数据至少包括土壤温度、土壤湿度、土壤PH值、土壤EC值及蓄水空间。

优选地，所述决策数据至少包括给水速度、给水量及给水时间。

第二方面，一种面向立体种植的园林智慧灌溉***，采用第一方面的灌溉方法策略，包括云服务器***、多个数据采集组、多个给水控制组、预处理主机、监控显示单元及控制端，所述云服务器***与预处理主机电连接，所述预处理主机通过LoRa协议分别与所述多个数据采集组、多个给水控制组通信连接，所述控制端及监控显示单元与所述云服务器***通信连接；

云服务器***，根据灌溉方法策略对所述数据采集组采集的数据进行处理、并传输决策数据或控制端指令到预处理主机对多个给水控制组进行控制，将采集的数据传输到控制端、监控显示单元进行显示；

多个给水控制组，用于根据所述预处理主机传输的数据指令，对电磁阀进行精确控制，对区域环境进行给水；

预处理主机，用于对所述数据采集组传输过来的原始数据进行标准、滤波处理并对所述给水控制组自动控制；

多个数据采集组，用于采集区域内环境的多维度参数，并通过LoRa协议传输到所述云服务器***；

监控显示单元，用于在区域现场或后台显示、监控多维度参数及决策数据；

控制端，为PC机或移动终端，通过所述云服务器***对所述多个给水控制组进行控制，并对传输过来的多维度数据或决策数据进行监控、显示。

实施本发明所述的一种面向立体种植的园林智慧灌溉方法及***，云服务器***对采集的立体种植区域内环境数据进行实时分析、处理，通过建立给水决策模型，输出决策数据到给水控制组，控制电磁阀进行给水，实现了对喷灌或滴灌方式中水资源的精确控制，减少了水资源的浪费。采用的园林智慧灌溉***通过控制端、监控显示单元对灌溉环境进行智能监控、自动控制，大大减少了立体绿化工程项目建成后期的养护用工，降低了管理成本。解决了现有的灌溉方法粗暴的问题，减少其对环境的二次污染(粗暴给水导致的泥水外漏外流)，降低高空立面作业风险，提高资源利用效率和经济效益。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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是本发明提出的一种面向立体种植的园林智慧灌溉方法实施例的步骤流程图；

图2是本发明提出的一种面向立体种植的园林智慧灌溉方法中的步骤S2的子步骤流程图；

图3是本发明提出的一种面向立体种植的园林智慧灌溉方法中的步骤S21的子步骤流程图；

图4是本发明提出的一种面向立体种植的园林智慧灌溉方法的另一实施例方法流程示意图；

图5是本发明提出的一种面向立体种植的园林智慧灌溉***的模块组成逻辑连接示意图；

附图中各数字所指代的部位名称为：100——云服务器***、200——控制端、300——监控显示单元、400——给水控制组、500——预处理主机、600——数据采集组。

具体实施方式

下面将结合发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，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付出创造性劳动前提下所获得的其他实施例，都属于本发明保护的范围。

针对现有的基于互联网的灌溉方法简单粗暴的问题，提出一种面向立体种植的园林智慧灌溉方法，如图1，图1是本发明提出的一种面向立体种植的园林智慧灌溉方法实施例的步骤流程图，包括步骤：

S1、获取灌溉区域内t时刻多维度数据其中t代表当前时刻，n代表数据维度，由数据采集组600需要采集的参数数量来确定。

数据采集组600包括多个传感器采集单元，用以采集立体种植灌溉区域内环境的多个参数，参数至少包括土壤温度、土壤湿度、空气温度、空气湿度、光照、土壤PH值、土壤EC值、蓄水空间。

灌溉方法采用喷灌或滴灌方式；当采用喷灌方式时，多维度数据至少包括空气温度、空气湿度、光照；当采用滴灌方式时，所述多维度数据至少包括土壤温度、土壤湿度、土壤PH值、土壤EC值及蓄水空间。

数据采集组600通过LoRa协议将这些参数传输到云服务器***100进行分析处理。

S2、根据多维度数据获取当前的环境状态数据，并根据设定的给水条件评估决策数据。

优选地，如图2，图2是本发明提出的一种面向立体种植的园林智慧灌溉方法中的步骤S2的子步骤流程图，步骤S2包括子步骤：

S21、对多维度数据进行数据滤波，

如图3，图3是本发明提出的一种面向立体种植的园林智慧灌溉方法中的步骤S21的子步骤流程图，步骤S21包括：

S211、对多维度数据Y^(t)标准化处理，得t时刻标准输入数据：

S212、获取t-1输出数据x^(t-1)：

得t时刻估计数据为：

x^(t)＝x^(t-1)+λ·P_t-1·(y^(t)-x^(t-1))

其中：λ为衰减因子，且λ∈(0,1)，x^(t-1)为t-1时刻输出数据，P_t-1为t-1时刻相关系数矩阵。数据采集组600采集区域环境内的数据包含干扰、噪声，因此需要去除噪声、干扰，因此需要对标准数据进行数据滤波。数据滤波后得到的估计数据更加接近环境参数的实际情况，进一步为评估环境当前状态数据做准备。

S22、根据t-1时刻的状态数据S^(t-1)，计算t时刻状态数据S^(t)：

S^(t)＝max(A(S^(t-1))·B(x^(t),S^(t-1)))

其中：格式A(S_i)为S_i的隐含状态转移概率函数，格式B(x,S_i)为S_i的观测x^t状态转移概率函数。利用t时刻估计数据x^(t)及t-1时刻状态数据S^(t-1)计算t时刻状态数据S^(t)，该数据落入某一数据范围时则可判定某一特定的状态，例如干燥状态等。

S23、根据t时刻状态数据S^(t)，t时刻估计数据x^(t)计算当前时刻t决策数据：

其中：函数结构f_S(x)为在S状态下模型拟合的预测函数，为经过预测函数评估而得的m维决策数据，函数结构模型通过对不同状态不断的训练，使得其可在任意状态输出最佳的决策数据，同时在外界环境改变时，该模型也能自适应环境以获取最佳输出决策数据。优选地，决策数据至少包括给水速度、给水量及给水时间。

S3、若满足给水条件，则输出决策数据到给水控制组400，控制电磁阀对灌溉区域进行给水。

优选地，如图4，图4是本发明提出的一种面向立体种植的园林智慧灌溉方法的另一实施例方法流程示意图，步骤S2还包括子步骤：

S24、根据t时刻估计数据x^(t)，计算并存储当前时刻t相关系数矩阵P_t，备用t+1时刻计算决策数据，

其中，u_t为累计均值，U为均值向量矩阵，N_t为累积参数数量。

将t时刻估计数据x^(t)、t相关系数矩阵P_t存在云服务器***100中，以便模型的学习更新及估计数据x的更新使用。

S25、根据t时刻状态数据S^(t)，t时刻估计数据x^(t)、决策数据z^(t)，重新拟合预测函数f_S(x)。

通过对采集的立体种植区域内环境数据进行实时分析、处理，通过建立给水决策模型，输出决策数据到给水控制组400，控制电磁阀进行给水，实现了对灌溉水资源的精确控制，减少了水资源的浪费。

一种面向立体种植的园林智慧灌溉***，如图5，图5是本发明提出的一种面向立体种植的园林智慧灌溉***的模块组成逻辑连接示意图，采用第一方面的灌溉方法策略，包括云服务器***100、多个数据采集组600、多个给水控制组400、预处理主机500、监控显示单元300及控制端200，云服务器***100与预处理主机500连接，预处理主机500通过LoRa协议分别与多个数据采集组600、多个给水控制组400通信连接，控制端200及监控显示单元300与云服务器***通信连接。

云服务器***100，根据灌溉方法策略对采集的数据进行处理、并输出决策数据或根据控制端200的指令传输到预处理主机500以对多个给水控制组400进行控制，将采集的数据传输到控制端200、监控显示单元300进行显示。

给水控制组400，用于根据预处理主机500传输的数据指令，对电磁阀进行精确控制，对区域环境进行给水。

预处理主机500，用于对数据采集组600传输过来的原始数据进行标准、滤波处理并对给水控制组400自动控制。

数据采集组600，用于采集区域内环境的多维度参数，并通过LoRa协议传输到云服务器***100。

监控显示单元300，用于在区域现场或后台显示、监控多维度参数及决策数据；控制端200，为PC机或移动终端，通过云服务器***100对多个给水控制组400进行控制，并对传输过来的多维度数据或决策数据进行监控、显示。

实施本发明的一种面向立体种植的园林智慧灌溉方法及***，云服务器***100对采集的立体种植区域内环境数据进行实时分析、处理，通过建立给水决策模型，输出决策数据到给水控制组400，控制电磁阀进行给水，实现了对喷灌或滴灌方式中水资源的精确控制，减少了水资源的浪费。采用的园林智慧灌溉***通过控制端200、监控显示单元300对灌溉环境进行智能监控、自动控制，大大减少了立体绿化工程项目建成后期的养护用工，降低了管理成本。解决了现有的灌溉方法粗暴的问题，减少其对环境的二次污染(粗暴给水导致的泥水外漏外流)，降低高空立面作业风险，提高资源利用效率和经济效益。

以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种面向立体种植的园林智慧灌溉方法，其特征在于，包括步骤：

S1、获取灌溉区域内t时刻多维度数据

其中，t代表当前时刻，n代表数据维度，由传感器采集的数据类型的数量来确定；

S2、根据所述多维度数据获取t时刻的环境状态数据，并根据设定的给水条件评估决策数据；

S3、若满足给水条件，则输出决策数据到给水控制组，控制电磁阀对灌溉区域进行给水。

2.根据权利要求1所述的园林智慧灌溉方法，其特征在于，所述步骤S2包括子步骤：

S21、对所述多维度数据进行数据滤波，得t时刻估计数据为：

x^(t)＝x^(t-1)+λ·P_t-1·(y^(t)-x^(t-1))

其中：λ为衰减因子，且λ∈(0,1)，x^(t-1)为t-1时刻估计数据，P_t-1为t-1时刻相关系数矩阵；

S22、根据t-1时刻的状态数据S^(t-1)，计算t时刻状态数据S^(t)：

S^(t)＝max(A(S^(t-1))·B(x^(t),S^(t-1)))

其中：格式A(S_i)为S_i的隐含状态转移概率函数，格式B(x,S_i)为S_i的观测x^t状态转移概率函数；

S23、根据t时刻状态数据S^(t)，t时刻估计数据x^(t)计算t时刻决策数据：

其中：函数结构f_S(x)为在S状态下模型拟合的预测函数，为t时刻经过预测函数评估而得的m维决策数据。

3.根据权利要求2所述的园林智慧灌溉方法，其特征在于，所述步骤S21包括：

S211、对所述多维度数据Y^(t)标准化处理，得t时刻标准输入数据：

S212、获取t-1输出数据x^(t-1)：

4.根据权利要求1所述的园林智慧灌溉方法，其特征在于，所述步骤S2还包括子步骤：

S24、根据t时刻估计数据x^(t)，计算并存储t时刻t相关系数矩阵P_t，备用t+1时刻计算决策数据，

其中，u_t为累计均值，U为均值向量矩阵，N_t为累积参数数量；

S25、根据t时刻状态数据S^(t)，t时刻估计数据x^(t)、决策数据z^(t)，重新拟合预测函数f_S(x)。

5.根据权利要求1-4任一所述的园林智慧灌溉方法，其特征在于，所述灌溉方法采用喷灌或滴灌方式；

当采用喷灌方式时，所述多维度数据至少包括空气温度、空气湿度、光照；

当采用滴灌方式时，所述多维度数据至少包括土壤温度、土壤湿度、土壤PH值、土壤EC值及蓄水空间。

6.根据权利要求5所述的园林智慧灌溉方法，其特征在于，所述决策数据至少包括给水速度、给水量及给水时间。

7.一种面向立体种植的园林智慧灌溉***，采用权利要求6所述的灌溉方法策略，其特征在于，包括云服务器***、多个数据采集组、多个给水控制组、预处理主机、监控显示单元及控制端，所述云服务器***与预处理主机电连接，所述预处理主机通过LoRa协议分别与所述多个数据采集组、多个给水控制组通信连接，所述控制端及监控显示单元与所述云服务器***通信连接；

云服务器***，根据灌溉方法策略对所述数据采集组采集的数据进行处理、并传输决策数据或控制端指令到预处理主机对多个给水控制组进行控制，将采集的数据传输到控制端、监控显示单元进行显示；

多个给水控制组，用于根据所述预处理主机传输的数据指令，对电磁阀进行精确控制，对多个区域环境进行给水；

预处理主机，用于对所述数据采集组传输过来的原始数据进行标准、滤波处理并对所述给水控制组自动控制；

多个数据采集组，用于采集多个区域内环境的多维度参数，并通过LoRa协议传输到所述云服务器***；

监控显示单元，用于在区域现场或后台显示、监控多维度参数及决策数据；

控制端，为PC机或移动终端，通过所述云服务器***对所述多个给水控制组进行控制，并对传输过来的多维度数据或决策数据进行监控、显示。