CN111771693A - 一种土壤墒情的人工智能控制方法及*** - Google Patents
一种土壤墒情的人工智能控制方法及*** Download PDFInfo
- Publication number
- CN111771693A CN111771693A CN202010666172.8A CN202010666172A CN111771693A CN 111771693 A CN111771693 A CN 111771693A CN 202010666172 A CN202010666172 A CN 202010666172A CN 111771693 A CN111771693 A CN 111771693A
- Authority
- CN
- China
- Prior art keywords
- soil
- module
- vegetation
- deep
- water content
- 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.)
- Granted
Links
- 239000002689 soil Substances 0.000 title claims abstract description 266
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 188
- 238000003973 irrigation Methods 0.000 claims abstract description 74
- 230000002262 irrigation Effects 0.000 claims abstract description 74
- 239000010410 layer Substances 0.000 claims description 68
- 239000007921 spray Substances 0.000 claims description 38
- 239000002344 surface layer Substances 0.000 claims description 28
- 238000007405 data analysis Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000005507 spraying Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 230000008595 infiltration Effects 0.000 description 4
- 238000001764 infiltration Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
-
- 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
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
- A01G25/167—Control by humidity of the soil itself or of devices simulating soil or of the atmosphere; Soil humidity sensors
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Environmental Sciences (AREA)
- Marketing (AREA)
- Water Supply & Treatment (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Soil Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种土壤墒情的人工智能控制方法及***,其中,所述人工智能控制方法根据植被的种类和地形进行区域划分和分开控制,并且结合上一单位时间段的深层土壤实际水分消耗率来对下一单位时间段的深层土壤含水量进行预判,假如预判结果显示下一单位时间段中的土壤深层含水量低于植被在该生长期内适宜的土壤含水量的下限值时,则结合天气预测模块的天气预测信息中的下一单位时间段的降雨量来对灌溉区域进行灌溉,从而保证该灌溉区域中的土壤深层含水量处于植被在该生长期内的土壤含水量的适宜范围内,以此实现对灌溉区域中的土壤深层含水量进行人工智能控制,且控制精度更高。本发明还提供了一种土壤墒情的人工智能控制***。
Description
技术领域
本发明涉及一种土壤灌溉方法,具体为一种土壤墒情的人工智能控制方法及***。
背景技术
土壤墒情是指土壤的湿度情况的指标,即土壤的实际含水量。我国是农业的大国,种植业对于我国来说非常重要,一个适宜的土壤墒情对植被的生长尤为重要。目前我国在墒情的智能控制方面比较薄弱,而我国的土地有的比较分散而有的很广,广大土地上会种满各种植被,由于每种植被对土壤含水量的需求均不相同,因此导致不能让每一种植被都生长在适宜的湿度下。另外,即使是同一种植被,在不同的生长期内对土壤水分的需求也不一样,因此,需要通过识别植被的形态和生长周期,来对该灌溉区域内的土壤含水量进行调节。但是现有技术中并无此控制***和控制方法,因此,本发明的目的在于研发一种可根据植株的种类和生长期而实时对土壤含水量进行调节的方法。
发明内容
本发明在于克服现有技术的不足,提供一种土壤墒情的人工智能控制方法,所述人工智能控制方法能够根据植被的种类和对应的生长期对土壤含水量进行实时监控和调节,并对下个单位时间段的土壤含水量进行预判,从而及时补充土壤水分,使得同一区域内的植被处于适宜的土壤含水量的范围内。
本发明的第二个目的在于提供一种用于所述土壤墒情的人工智能控制方法的人工智能控制***。
本发明解决上述技术问题的技术方案是:
一种土壤墒情人工智能控制方法,包括以下步骤:
(1)、区域划分模块根据植被和土地的类型不同将区域划分为不同的灌溉区域,并在对应的灌溉区域内设置对应的喷头和水分传感器,其中,所述水分传感器为多组,每组水分传感器为两个,其中一个设置在土壤表层,为表层水分传感器,用于采集土壤表层的土壤表层含水量;另一个设置在同一位置的土壤深层,为深层水分传感器,用于采集土壤深层的土壤深层含水量;
(2)、通过土壤墒情检测模块收集该灌溉区域内的水分传感器的数据,通过植被模块来对该灌溉区域内的植被的种类和形貌进行识别,通过风力检测模块来收集该灌溉区域内的风力信息,通过温度检测模块来收集该灌溉区域内的温度信息,并将这些收集到的数据信息传递给后台处理模块;
(3)、后台处理模块接收到这些数据信息后,通过对植被模块所采集到的植被的种类和形貌信息来确定该植被的生长期;并通过数据分析模块确定植被在该生长期内适宜的土壤含水量的范围以及该灌溉区域内的单位时间内的土壤深层的深层土壤水分消耗率,并通过预判模块对下一个单位时间内的深层土壤水分消耗率进行预判,以此计算下一个单位时间内的土壤深层含水量是否低于植被在该生长期内适宜的土壤含水量的下限值;具体步骤为:
(3-1)、通过数据分析模块分析单位时间内起始时的土壤深层含水量和结束时的土壤深层含水量,通过以下公式计算单位时间内的深层土壤实际水分消耗率:
其中:θ上一时段起始为单位时间内起始时的土壤深层含水量,θ上一时段最终为该单位时间内终止时的土壤深层含水量,t为单位时段的时长,μ1为该单位时间内的深层土壤实际水分消耗率;
(3-2)、若μ1>0,则将μ1作为下一个单位时间内的深层土壤水分预期消耗率,并将该深层土壤实际水分消耗率和对应的温度和风力数据记录在信息存储模块中,作为该温度和风力下的深层土壤水分预期消耗率的参考指标;若μ1<0;则从信息存储模块中提取相同风力和温度下的深层土壤水分预期消耗率,作为下一单位时间内的深层土壤水分预期消耗率;
(3-3)、然后确定是否存在临界点:所述是否存在临界点为在下一个单位时间段是否存在某个时刻的土壤深层含水量低于植被在该生长期内适宜的土壤含水量的下限值;
θ起始-μ×t<θ下限
若上式成立,则存在临界点;临界点为:
其中:t临为临界点所对应的时刻;θ起始为下一单位时间段起始时的土壤深层含水量;μ为该单位时间段的深层土壤水分预期消耗率,t为单位时间段的时长,θ下限为植被在该生长期内适宜的土壤含水量的下限值;
(3-4)、若存在临界点,则在下个单位时间段中的t临时刻的土壤深层含水量将会低于植被在该生长期内适宜的土壤含水量的下限值,则需要对该灌溉区域内进行水分补偿;
(4)、在进行水分补偿时,通过天气预测模块对下一单位时间段的天气进行预测,对预测数据进行分析,判断是该单位时间段内是否有降雨,若无降雨,然后对比实际的土壤深层含水量与临界点进行对比,当实际的土壤深层含水量到达临界点时,则启动干预模块,控制喷头进行间歇式灌溉;若有降雨,则先不启动干预模块,等待降雨完后判断该灌溉区域内的土壤深层含水量是否到达植被在该生长期内适宜的土壤含水量的上限值,如果没有,则启动干预模块进行间歇式灌溉。
优选的,在步骤(2)中,所述植被模块通过摄像头对植被的种类和形貌进行拍摄和识别,并将所采集的数据信息传递给数据分析模块,所述数据分析模块依据这些数据信息来确定植被的种类、对应的生长期及确定该植被在该生长期内的适宜土壤含水量的范围。
优选的,在步骤(3)中,所述信息存储模块预先通过互联网和种植经验将各种植被在不同生长期的适宜土壤含水量存储在其数据库内,同时根据记录不同温度和风力下的且数值为正值的深层土壤实际水分消耗率,构建不同植被在不同温度和风力下的深层土壤水分预期消耗率的数据库,作为对下一单位时间内的深层土壤水分预期消耗率的参考指标。
优选的,在步骤(4)中,所述间歇式灌溉的步骤为:在进行喷水时,当土壤表层的土壤表层含水量到达植被的适宜土壤含水量的上限值时则停止喷水,让水分有足够的时间下渗;当土壤表层含水量又到达植被的适宜土壤含水量的下限值时,所述干预模块控制喷头重新喷水,重复上述操作,直到土壤深层的土壤深层含水量到达植被的适宜的土壤含水量。
一种土壤墒情的人工智能控制***,包括区域分布模块、收集信息模块、后台分析处理模块以及干预模块,其中,
所述区域分布模块包括区域划分模块、喷头分布模块、水分传感器分布模块,其中,所述区域划分模块用于根据不同的植被和土地的情况划分出不同的灌溉区域;所述喷头分布模块和所述水分传感器分布模块设置在对应的灌溉区域内,其中,所述喷头分布模块用于给灌溉区域进行灌溉,包括多个喷头以及供液装置;所述水分传感器分布模块包括多组水分传感器,所述水分传感器用于检测该灌溉区域内的土壤表层的土壤表层含水量和土壤深层的土壤深层含水量;
所述收集信息模块包含土壤墒情检测模块、天气预测模块、植被模块、风力检测模块以及温度检测模块;其中,所述土壤墒情检测模块用于收集同一个灌溉区域的水分传感器的数据信息;所述天气预测模块是通过网络获得实时的气象数据;所述植被模块用于确定该区域的植被种类,通过摄像头对该植被的种类和形貌进行识别;所述风力检测模块通过风力传感器收集该灌溉区域的风力信息;所述温度检测模块是通过温度传感器来收集该灌溉区域的温度数据;
所述后台分析处理模块包括信号接收模块、数据分析模块、信息存储模块、信息发送模块;其中,
所述信号接收模块用于接收收集信息模块中所采集的所有数据信息,并接收用户的控制信息;所述信息存储模块用于预先通过互联网和种植经验将各种植被在不同生长期的适宜土壤含水量存储在其数据库内,同时根据记录不同温度和风力下的数值为正值的深层土壤实际水分消耗率;所述信息发送模块是通过网络将收集的墒情信息、植被种类信息、风力信息、温度信息发送给用户手机,供用户实时参考;
所述数据分析模块包括植被适宜土壤含水量模块、土壤水分消耗率模块以及预判模块,其中,所述植被适宜土壤含水量模块是根据植被模块所采集的数据从信息存储模块中提取植被适宜的土壤含水量;所述土壤水分消耗率模块是计算该灌溉区域的深层土壤的水分在某个单位时间段的深层土壤实际水分消耗率;
所述预判模块用于根据土壤水分消耗率模块计算所得的深层土壤实际水分消耗率来判断下个单位时间段中的土壤深层含水量是否低于植被在该生长期内适宜的土壤含水量的下限值,并通过天气预测模块中的天气信息,判断是否需要通过干预模块来控制喷头分布模块进行灌溉。
优选的,所述用户的控制指令包括用户所预设的单位时间段的时长。
优选的,每组水分传感器为两个,其中一个设置在土壤表层,为表层水分传感器,用于采集土壤表层的土壤表层含水量;另一个设置在同一位置的土壤深层,为深层水分传感器,用于采集土壤深层的土壤深层含水量。
本发明与现有技术相比具有以下的有益效果:
1、本发明的土壤墒情的人工智能控制方法能够根据植被的种类和地形进行区域划分,进行分开控制。并且结合上一单位时间段的深层土壤实际水分消耗率来对下一单位时间段的土壤深层含水量进行预判,假如预判结果显示下一单位时间段中的土壤深层含水量低于植被在该生长期内适宜的土壤含水量的下限值时,则结合天气预测模块的中在该单位时间段的降雨量来对该灌溉区域进行灌溉,从而保证该灌溉区域中的土壤深层含水量处于植被在该生长期内的土壤含水量的适宜范围内,以此实现对灌溉区域中的土壤深层含水量进行人工智能控制,且控制精度更高。
2、本发明的土壤墒情的人工智能控制方法能够根据植株的种类和对应的生长期对土壤含水量进行实时监控和调节,并对下个单位时间段的土壤含水量进行预判,从而及时补充土壤水分,使得同一区域内的植被处于适宜的土壤含水量的范围内,使得植被可以快速生长。
附图说明
图1为本发明的土壤墒情的人工智能控制***的结构框图。
图2为本发明的土壤墒情的人工智能控制方法的工作流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
参见图1-图2,本发明的土壤墒情的人工智能控制***包括区域分布模块、收集信息模块、后台分析处理模块以及干预模块。
参见图1-图2,所述区域分布模块包括区域划分模块、喷头分布模块、水分传感器分布模块,其中,所述区域划分模块用于根据不同的植被和土地的情况划分出不同的灌溉区域;所述喷头分布模块和所述水分传感器分布模块设置在对应的灌溉区域内,其中,所述喷头分布模块用于给灌溉区域进行灌溉,包括多个喷头以及供液装置;所述水分传感器分布模块包括多个水分传感器,所述水分传感器用于检测该灌溉区域内的土壤表层的土壤表层含水量和土壤深层的土壤深层含水量,其中,所述水分传感器多多组,每组为两个,其中一个设置在土壤表层,为表层水分传感器,用于采集土壤表层的土壤表层含水量;另一个设置在同一位置处的土壤深层,为深层水分传感器,用于采集土壤深层的土壤深层含水量;
其中,所述喷头分布模块中的喷头和所述水分传感器分布模块中的水分传感器的设置方式依据植被和土地的情况的不同而灵活设置,假如是大型的植被,例如树木,根据植被的种植方式不同,如孤植,则将一个水分传感器安装在植被中心,然后以植被中心为圆心,根据植株的大小预设采集距离,以采集距离为半径铺设其他水分传感器和喷头;如对植,则将一个水分传感器安装在植被中心,然后对齐的两棵植株中间布置一个水分传感器和喷头;如果距离过长,例如超出喷头的喷水范围,或者植株中间无法安装水分传感器和喷头,则改为安放两个水分传感器和喷头,两个水分传感器和喷头分别靠近各自对应的植株,运用上述方法对这个灌溉区域中的植被布置水分传感器和喷头;假如植被是列植,则在列的左右两侧距离植被的一定距离处安放水分传感器和喷头;如果是小型植被,则根据其种植的特点去布置水分传感器和喷头,由于大多数小型植被都以列植为主,则在列的左右两侧距离植被一定的距离,安放水分传感器和喷头即可。
参见图1-图2,所述收集信息模块包含土壤墒情检测模块、天气预测模块、植被模块、风力检测模块以及温度检测模块;其中,所述土壤墒情检测模块用于收集同一个灌溉区域的水分传感器的数据信息;所述天气预测模块是通过网络获得实时的气象数据;所述植被模块用于确定该灌溉区域的植被种类,通过摄像头对该植被的种类和形貌进行识别;所述风力检测模块通过风力传感器收集该灌溉区域的风力信息,其中,所述风力传感器的设置方式也依据植被的类型不同而灵活设置,例如,植被为大型植被时,如树木,则将风力传感器安装在树干中,如果是小形植被,则将风力传感器安装在高于植被的位置;所述温度检测模块是通过温度传感器来收集该区域的温度数据。
参见图1-图2,所述后台分析处理模块包括信号接收模块、数据分析模块、信息存储模块、信息发送模块;其中,
所述信号接收模块用于接收收集信息模块中所采集的所有数据信息,并接收户所预设的时长,其中,用户预设的时长即为单位时间段的时长,例如可以是一小时、半天、一天;所述信息存储模块用于预先通过互联网和种植经验将各种植被在不同生长期的适宜土壤含水量存储在其数据库内,同时根据记录不同温度和风力下的数值为正值的深层土壤实际水分消耗率,构建不同植被在不同温度和风力下的深层土壤水分预期消耗率的数据库,作为对下一单位时间内的深层土壤水分预期消耗率的参考指标;所述信息发送模块是通过网络将收集的墒情信息、植被种类信息、风力信息、温度信息发送给用户手机,供用户实时参考,以方便用户做出调整;
所述数据分析模块包括植被适宜土壤含水量模块、土壤水分消耗率模块、预判模块,其中,所述植被适宜土壤含水量模块是根据植被模块所采集的数据从信息存储模块中提取植被适宜的土壤含水量;所述土壤水分消耗率模块是计算该灌溉区域的深层土壤水分在某个单位时间段的深层土壤实际水分消耗率;
所述预判模块用于根据土壤水分消耗率模块计算所得的深层土壤实际水分消耗率来判断下个单位时间段中土壤深层含水量是否低于植被在该生长期内适宜的土壤含水量的下限值,并通过天气预测模块中的天气信息,判断是否需要通过干预模块来控制喷头分布模块进行灌溉。
具体的,本发明的土壤墒情的人工智能控制方法包括以下步骤:
(1)、区域划分模块根据植被和土地的类型不同将区域划分为不同的灌溉区域,并在对应的灌溉区域内设置对应的喷头和水分传感器,其中,所述水分传感器为多组,每组水分传感器为两个,其中一个设置在土壤表层,为表层水分传感器,用于采集土壤表层的土壤表层含水量;另一个设置在同一位置的土壤深层,为深层水分传感器,用于采集土壤深层的土壤深层含水量;
(2)、通过土壤墒情检测模块收集该灌溉区域内的水分传感器的数据,通过植被模块来对该灌溉区域内的植被的种类和形貌进行识别,通过风力检测模块来收集该灌溉区域内的风力信息,通过温度检测模块来收集该灌溉区域内的温度信息,并将这些收集到的数据信息传递给后台处理模块;
(3)、后台处理模块接收到这些数据信息后,通过对植被模块所采集到的植被的种类和形貌信息来确定该植被的生长期;并通过数据分析模块确定植被在该生长期内适宜的土壤含水量的范围以及该灌溉区域内的单位时间内的土壤深层的深层土壤水分消耗率,并通过预判模块对下一个单位时间内的深层土壤水分消耗率进行预判,以此计算下一个单位时间内的土壤深层含水量是否低于植被在该生长期内适宜的土壤含水量的下限值;具体步骤为:
(3-1)、通过数据分析模块对单位时间内起始时的土壤深层含水量和结束时的土壤深层含水量,通过以下公式计算单位时间内的深层土壤实际水分消耗率:
其中:θ上一时段起始为单位时间内起始时的土壤深层含水量,θ上一时段最终为该单位时间内终止时的土壤深层含水量,t为单位时段的时长,μ1为该单位时间内的深层土壤实际水分消耗率;
(3-2)、若μ1>0,则将μ1作为下一个单位时间内的深层土壤水分预期消耗率,并将该深层土壤实际水分消耗率和对应的温度和风力数据记录在信息存储模块中,作为该温度和风力下的深层土壤水分预期消耗率的参考指标;若μ1<0;则从信息存储模块中提取相同风力和温度下的深层土壤水分预期消耗率,作为下一单位时间内的深层土壤水分预期消耗率;
(3-3)、然后确定是否存在临界点:所述是否存在临界点为在下一个单位时间段是否存在某个时刻的土壤深层含水量低于植被在该生长期内适宜的土壤含水量的下限值;
θ起始-μ×t<θ下限
当上式成立,则存在临界点。临界点为:
其中:t临为临界点所对应的时刻;θ起始为下一单位时间段起始时的土壤深层含水量;μ为下一单位时间段的深层土壤水分预期消耗率,t为单位时间段的时长,θ下限为植被在该生长期内适宜的土壤含水量的下限值;
(3-4)、若存在临界点,则在下个单位时间段中的t临时刻的土壤深层含水量将会低于植被在该生长期内适宜的土壤含水量的下限值,则需要对该灌溉区域内进行水分补偿;
(4)、在进行水分补偿时,通过天气预测模块对下一单位时间段的天气进行预测,对预测数据进行分析,判断是该单位时间段内是否有降雨,若无降雨,然后对比实际的土壤深层含水量与临界点进行对比,当实际的土壤深层含水量到达临界点时,则启动干预模块,控制喷头进行间歇式灌溉;若有降雨,则先不启动干预模块,等待降雨完后判断该灌溉区域内的土壤深层含水量是否到达植被在该生长期内适宜的土壤含水量的上限值,如果没有,则启动干预模块进行间歇式灌溉。
其中,在步骤(2)中,所述植被模块通过摄像头对植被的种类和形貌进行拍摄和识别,并将所采集的数据信息传递给数据分析模块,所述数据分析模块依据这些数据信息来确定植被的种类、对应的生长期及确定该植被在该生长期内的适宜土壤深层含水量的范围。
其中,在步骤(3)中,所述信息存储模块预先通过互联网和种植经验将各种植被在不同生长期的适宜土壤含水量存储在其数据库内,同时根据记录不同温度和风力下的数值为正值的深层土壤实际水分消耗率,从而构建不同植被在不同温度和风力下的深层土壤水分预期消耗率的数据库,作为对下一单位时间内的深层土壤水分预期消耗率的参考指标。
其中,在步骤(4)中,所述间歇式灌溉为:当土壤表层的土壤表层含水量到达植被的适宜土壤含水量的上限值时则停止喷水,让水分有足够的时间下渗;当土壤表层含水量又到达植被的适宜土壤含水量的下限值时,所述干预模块控制喷头重新喷水,周而复始,直到土壤深层的土壤深层含水量到达植被的适宜的土壤含水量的上限值。
通过采用上述间歇式灌溉,具有如下优点:
(1),可以减少水分的径流,增加水分的下渗;由于水分下渗的速度是比较慢的,假如喷头分布模块持续大量喷水,这会导致位于土壤表层的水分来不及下渗就大量地径流到四周,从而造成水的浪费。而这种间歇式灌溉方式则可以让水分有充足时间从土壤表层下渗到土壤深层,从而起到节水的效果。
(2)、在水分下渗的过程中,由于这种间歇性灌溉的方式中,水分的下渗速度比较慢,使得植被的根部就出现短暂缺水,这样可以减少霉菌的出现,而且当水分下渗到根部时,植被吸水量和吸水速度会增加,从而有利于植被的生长。
上述为本发明较佳的实施方式,但本发明的实施方式并不受上述内容的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、块合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种土壤墒情人工智能控制方法,其特征在于,包括以下步骤:
(1)、区域划分模块根据植被和土地的类型不同将区域划分为不同的灌溉区域,并在对应的灌溉区域内设置对应的喷头和水分传感器,其中,所述水分传感器为多组,每组水分传感器为两个,其中一个设置在土壤表层,为表层水分传感器,用于采集土壤表层的土壤表层含水量;另一个设置在同一位置的土壤深层,为深层水分传感器,用于采集土壤深层的土壤深层含水量;
(2)、通过土壤墒情检测模块收集该灌溉区域内的水分传感器的数据,通过植被模块来对该灌溉区域内的植被的种类和形貌进行识别,通过风力检测模块来收集该灌溉区域内的风力信息,通过温度检测模块来收集该灌溉区域内的温度信息,并将这些收集到的数据信息传递给后台处理模块;
(3)、后台处理模块接收到这些数据信息后,通过对植被模块所采集到的植被的种类和形貌信息来确定该植被的生长期;并通过数据分析模块确定植被在该生长期内适宜的土壤含水量的范围以及该灌溉区域内的单位时间内的土壤深层的深层土壤水分消耗率,并通过预判模块对下一个单位时间内的深层土壤水分消耗率进行预判,以此计算下一个单位时间内的土壤深层含水量是否低于植被在该生长期内适宜的土壤含水量的下限值;具体步骤为:
(3-1)、通过数据分析模块分析单位时间内起始时的土壤深层含水量和结束时的土壤深层含水量,通过以下公式计算单位时间内的深层土壤实际水分消耗率:
其中:θ上一段起始为单位时间内起始时的土壤深层含水量,θ上一段最终为该单位时间内终止时的土壤深层含水量,t为单位时段的时长,μ1为该单位时间内的深层土壤实际水分消耗率;
(3-2)、若μ1>0,则将μ1作为下一个单位时间内的深层土壤水分预期消耗率,并将该深层土壤实际水分消耗率和对应的温度和风力数据记录在信息存储模块中,作为该温度和风力下的深层土壤水分预期消耗率的参考指标;若μ1<0;则从信息存储模块中提取相同风力和温度下的深层土壤水分预期消耗率,作为下一单位时间内的深层土壤水分预期消耗率;
(3-3)、然后确定是否存在临界点:所述是否存在临界点为在下一个单位时间段是否存在某个时刻的土壤深层含水量低于植被在该生长期内适宜的土壤含水量的下限值;
θ起始-μ×t<θ下限
若上式成立,则存在临界点;临界点为:
其中:t临为临界点所对应的时刻;θ起始为下一单位时间段起始时的土壤深层含水量;μ为下一个单位时间段的深层土壤水分预期消耗率,t为单位时间段的时长,θ下限为植被在该生长期内适宜的土壤含水量的下限值;
(3-4)、若存在临界点,则在下个单位时间段中的t临时刻的土壤深层含水量将会低于植被在该生长期内适宜的土壤含水量的下限值,则需要对该灌溉区域内进行水分补偿;
(4)、在进行水分补偿时,通过天气预测模块对下一单位时间段的天气进行预测,对预测数据进行分析,判断是该单位时间段内是否有降雨,若无降雨,然后对比实际的土壤深层含水量与临界点进行对比,当实际的土壤深层含水量到达临界点时,则启动干预模块,控制喷头进行间歇式灌溉;若有降雨,则先不启动干预模块,等待降雨完后判断该灌溉区域内的土壤深层含水量是否到达植被在该生长期内适宜的土壤含水量的上限值,如果没有,则启动干预模块进行间歇式灌溉。
2.根据权利要求1所述的土壤墒情人工智能控制方法,其特征在于,在步骤(2)中,所述植被模块通过摄像头对植被的种类和形貌进行拍摄和识别,并将所采集的数据信息传递给数据分析模块,所述数据分析模块依据这些数据信息来确定植被的种类、对应的生长期及确定该植被在该生长期内的适宜土壤含水量的范围。
3.根据权利要求1所述的土壤墒情人工智能控制方法,其特征在于,在步骤(3)中,所述信息存储模块预先通过互联网和种植经验将各种植被在不同生长期的适宜土壤含水量存储在其数据库内,同时根据记录不同温度和风力下的且数值为正值的深层土壤实际水分消耗率,构建不同植被在不同温度和风力下的深层土壤水分预期消耗率的数据库,作为对下一单位时间内的深层土壤水分预期消耗率的参考指标。
4.根据权利要求1所述的土壤墒情人工智能控制方法,其特征在于,在步骤(4)中,所述间歇式灌溉的步骤为:在进行喷水时,当土壤表层的土壤表层含水量到达植被的适宜土壤含水量的上限值时则停止喷水,让水分有足够的时间下渗;当土壤表层含水量又到达植被的适宜土壤含水量的下限值时,所述干预模块控制喷头重新喷水,重复上述操作,直到土壤深层的土壤深层含水量到达植被的适宜的土壤含水量的上限值。
5.一种用于权利要求1-5任一项所述的土壤墒情的人工智能控制方法的人工智能控制***,其特征在于,包括区域分布模块、收集信息模块、后台分析处理模块以及干预模块,其中,
所述区域分布模块包括区域划分模块、喷头分布模块、水分传感器分布模块,其中,所述区域划分模块用于根据不同的植被和土地的情况划分出不同的灌溉区域;所述喷头分布模块和所述水分传感器分布模块设置在对应的灌溉区域内,其中,所述喷头分布模块用于给灌溉区域进行灌溉,包括多个喷头以及供液装置;所述水分传感器分布模块包括多组水分传感器,所述水分传感器用于检测该灌溉区域内的土壤表层的土壤表层含水量和土壤深层的土壤深层含水量;
所述收集信息模块包含土壤墒情检测模块、天气预测模块、植被模块、风力检测模块以及温度检测模块;其中,所述土壤墒情检测模块用于收集同一个灌溉区域的水分传感器的数据信息;所述天气预测模块是通过网络获得实时的气象数据;所述植被模块用于确定该区域的植被种类,通过摄像头对该植被的种类和形貌进行识别;所述风力检测模块通过风力传感器收集该灌溉区域的风力信息;所述温度检测模块是通过温度传感器来收集该灌溉区域的温度数据;
所述后台分析处理模块包括信号接收模块、数据分析模块、信息存储模块、信息发送模块;其中,
所述信号接收模块用于接收收集信息模块中所采集的所有数据信息,并接收用户的控制信息;所述信息存储模块用于预先通过互联网和种植经验将各种植被在不同生长期的适宜土壤含水量存储在其数据库内,同时根据记录不同温度和风力下的数值为正值的深层土壤实际水分消耗率;所述信息发送模块是通过网络将收集的墒情信息、植被种类信息、风力信息、温度信息发送给用户手机,供用户实时参考;
所述数据分析模块包括植被适宜土壤含水量模块、土壤水分消耗率模块以及预判模块,其中,所述植被适宜土壤含水量模块是根据植被模块所采集的数据从信息存储模块中提取植被适宜的土壤含水量;所述土壤水分消耗率模块是计算该灌溉区域的深层土壤的水分在某个单位时间段的深层土壤实际水分消耗率;
所述预判模块用于根据土壤水分消耗率模块计算所得的深层土壤实际水分消耗率来判断下个单位时间段中的土壤深层含水量是否低于植被在该生长期内适宜的土壤含水量的下限值,并通过天气预测模块中的天气信息,判断是否需要通过干预模块来控制喷头分布模块进行灌溉。
6.根据权利要求5所述的土壤墒情人工智能控制***,其特征在于,所述用户的控制指令包括用户所预设的单位时间段的时长。
7.根据权利要求6所述的土壤墒情人工智能控制***,其特征在于,每组水分传感器为两个,其中一个设置在土壤表层,为表层水分传感器,用于采集土壤表层的土壤表层含水量;另一个设置在同一位置的土壤深层,为深层水分传感器,用于采集土壤深层的土壤深层含水量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010666172.8A CN111771693B (zh) | 2020-07-10 | 2020-07-10 | 一种土壤墒情的人工智能控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010666172.8A CN111771693B (zh) | 2020-07-10 | 2020-07-10 | 一种土壤墒情的人工智能控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111771693A true CN111771693A (zh) | 2020-10-16 |
CN111771693B CN111771693B (zh) | 2021-10-26 |
Family
ID=72768413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010666172.8A Active CN111771693B (zh) | 2020-07-10 | 2020-07-10 | 一种土壤墒情的人工智能控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111771693B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112493084A (zh) * | 2020-11-27 | 2021-03-16 | 重庆文理学院 | 一种基于天气预报信息的水平衡茶树浇水方法 |
CN112493100A (zh) * | 2020-12-03 | 2021-03-16 | 塔里木大学 | 基于土壤水势的棉花水分监测滴灌控制方法及*** |
CN113485218A (zh) * | 2021-08-04 | 2021-10-08 | 广德绿巨人环境管理咨询有限公司 | 一种基于5g的智慧物联监管平台 |
CN114271085A (zh) * | 2021-12-27 | 2022-04-05 | 广州铭冰科技有限公司 | 一种基于大数据的智能灌溉***及方法 |
CN114549980A (zh) * | 2022-02-11 | 2022-05-27 | 成都理工大学 | 一种改进边缘检测和深度学习算法的土壤干旱识别方法 |
CN114931072A (zh) * | 2022-06-30 | 2022-08-23 | 山东有人智能科技有限公司 | 基于ai识别与大数据技术的柑橘种植方法及*** |
CN114982606A (zh) * | 2022-05-26 | 2022-09-02 | 河南省景观规划设计研究院有限公司 | 一种园林土壤智慧管理方法、装置、计算机及存储介质 |
CN115104505A (zh) * | 2021-03-19 | 2022-09-27 | 上海兰桂骐技术发展股份有限公司 | 一种大田灌溉决策方法 |
CN116326460A (zh) * | 2023-05-24 | 2023-06-27 | 中国农业科学院农业环境与可持续发展研究所 | 一种多通道数据采集方法及农作物精准灌溉施肥控制*** |
CN117296538A (zh) * | 2023-11-13 | 2023-12-29 | 深圳市心花路放文化发展有限公司 | 基于植被土壤成分检测的绿植维护方法、装置与*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201234498Y (zh) * | 2008-07-04 | 2009-05-13 | 太原市通禾园林绿化工程有限公司 | 无线智能感应式全自动喷灌控制装置 |
CN102870654A (zh) * | 2012-09-28 | 2013-01-16 | 中国农业大学 | 作物非充分灌溉控制***及方法 |
KR20140071790A (ko) * | 2012-12-04 | 2014-06-12 | 대한민국(농촌진흥청장) | 관수 제어 방법 및 이를 수행하는 시스템 |
CN104303961A (zh) * | 2014-11-10 | 2015-01-28 | 中国科学院地理科学与资源研究所 | 一种灌溉自动控制装置及该控制装置的控制方法 |
CN108782187A (zh) * | 2018-05-14 | 2018-11-13 | 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) | 一种基于墒情指数的土壤墒情预报方法 |
AU2018297715A1 (en) * | 2017-07-02 | 2020-02-06 | Manna Irrigation Ltd. | Methods and systems for irrigation guidance |
CN111084083A (zh) * | 2019-12-27 | 2020-05-01 | 太原市水利技术推广服务站 | 一种基于土壤和大气监测的灌溉方法和*** |
CN112070286A (zh) * | 2020-08-25 | 2020-12-11 | 贵州黔源电力股份有限公司 | 复杂地形流域的降水预报预警*** |
-
2020
- 2020-07-10 CN CN202010666172.8A patent/CN111771693B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201234498Y (zh) * | 2008-07-04 | 2009-05-13 | 太原市通禾园林绿化工程有限公司 | 无线智能感应式全自动喷灌控制装置 |
CN102870654A (zh) * | 2012-09-28 | 2013-01-16 | 中国农业大学 | 作物非充分灌溉控制***及方法 |
KR20140071790A (ko) * | 2012-12-04 | 2014-06-12 | 대한민국(농촌진흥청장) | 관수 제어 방법 및 이를 수행하는 시스템 |
CN104303961A (zh) * | 2014-11-10 | 2015-01-28 | 中国科学院地理科学与资源研究所 | 一种灌溉自动控制装置及该控制装置的控制方法 |
AU2018297715A1 (en) * | 2017-07-02 | 2020-02-06 | Manna Irrigation Ltd. | Methods and systems for irrigation guidance |
CN108782187A (zh) * | 2018-05-14 | 2018-11-13 | 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) | 一种基于墒情指数的土壤墒情预报方法 |
CN111084083A (zh) * | 2019-12-27 | 2020-05-01 | 太原市水利技术推广服务站 | 一种基于土壤和大气监测的灌溉方法和*** |
CN112070286A (zh) * | 2020-08-25 | 2020-12-11 | 贵州黔源电力股份有限公司 | 复杂地形流域的降水预报预警*** |
Non-Patent Citations (3)
Title |
---|
刘彬: "基于耗水平衡分析的区域水资源管理", 《水利水电技术》 * |
吴俊等: "农田水利工程的节水灌溉探析", 《珠江水运》 * |
陶建华等: "模糊控制在太阳能灌溉器中的应用", 《机电工程技术》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112493084B (zh) * | 2020-11-27 | 2023-04-21 | 重庆文理学院 | 一种基于天气预报信息的水平衡茶树浇水方法 |
CN112493084A (zh) * | 2020-11-27 | 2021-03-16 | 重庆文理学院 | 一种基于天气预报信息的水平衡茶树浇水方法 |
CN112493100A (zh) * | 2020-12-03 | 2021-03-16 | 塔里木大学 | 基于土壤水势的棉花水分监测滴灌控制方法及*** |
CN115104505A (zh) * | 2021-03-19 | 2022-09-27 | 上海兰桂骐技术发展股份有限公司 | 一种大田灌溉决策方法 |
CN113485218A (zh) * | 2021-08-04 | 2021-10-08 | 广德绿巨人环境管理咨询有限公司 | 一种基于5g的智慧物联监管平台 |
CN114271085A (zh) * | 2021-12-27 | 2022-04-05 | 广州铭冰科技有限公司 | 一种基于大数据的智能灌溉***及方法 |
CN114549980A (zh) * | 2022-02-11 | 2022-05-27 | 成都理工大学 | 一种改进边缘检测和深度学习算法的土壤干旱识别方法 |
CN114982606A (zh) * | 2022-05-26 | 2022-09-02 | 河南省景观规划设计研究院有限公司 | 一种园林土壤智慧管理方法、装置、计算机及存储介质 |
CN114931072A (zh) * | 2022-06-30 | 2022-08-23 | 山东有人智能科技有限公司 | 基于ai识别与大数据技术的柑橘种植方法及*** |
CN114931072B (zh) * | 2022-06-30 | 2023-09-22 | 山东有人智能科技有限公司 | 基于ai识别与大数据技术的柑橘种植方法及*** |
CN116326460A (zh) * | 2023-05-24 | 2023-06-27 | 中国农业科学院农业环境与可持续发展研究所 | 一种多通道数据采集方法及农作物精准灌溉施肥控制*** |
CN116326460B (zh) * | 2023-05-24 | 2023-08-04 | 中国农业科学院农业环境与可持续发展研究所 | 一种多通道数据采集方法及农作物精准灌溉施肥控制*** |
CN117296538A (zh) * | 2023-11-13 | 2023-12-29 | 深圳市心花路放文化发展有限公司 | 基于植被土壤成分检测的绿植维护方法、装置与*** |
CN117296538B (zh) * | 2023-11-13 | 2024-06-21 | 深圳市心花路放文化发展有限公司 | 基于植被土壤成分检测的绿植维护方法、装置与*** |
Also Published As
Publication number | Publication date |
---|---|
CN111771693B (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111771693B (zh) | 一种土壤墒情的人工智能控制方法及*** | |
CN107945042B (zh) | 一种作物生长灌溉决策控制*** | |
CN108781926B (zh) | 基于神经网络预测的大棚灌溉***及方法 | |
CN105941101B (zh) | 智能灌溉施肥控制方法、装置及*** | |
CN109452146A (zh) | 冬小麦节水灌溉决策方法、控制装置及控制*** | |
CN209749385U (zh) | 一种精准灌溉监控*** | |
CN111557158A (zh) | 智能灌溉控制方法及*** | |
CN111713385A (zh) | 一种自动灌溉方法及*** | |
CN108919768A (zh) | 一种农业管理***及方法 | |
CN115039676A (zh) | 一种灌溉方法及*** | |
Lucero et al. | Automated aeroponics vegetable growing system. Case study Lettuce | |
CN112099392A (zh) | 一种智慧农业大棚灌溉*** | |
CN110810220A (zh) | 基于信息处理的农业自动灌溉控制方法及*** | |
CN112198916A (zh) | 一种基于大数据的农业种植环境智能监测灌溉*** | |
CN113491192A (zh) | 大田马铃薯种植智能水肥一体化管理*** | |
WO2013042113A1 (en) | System and method for controlling automatic irrigation | |
CN115349432A (zh) | 一种基于光辐射与气象预测的智能灌溉方法和*** | |
CN208227078U (zh) | 一种物联网农业管理*** | |
CN111528053B (zh) | 自动控制流量的阀门 | |
CN114779862A (zh) | 一种智能化葡萄种植环境监测*** | |
CN114580865A (zh) | 一种基于物联网的农业园区管理方法、设备及介质 | |
CN210537962U (zh) | 一种物联网环境下对特定植物的灌溉*** | |
CN112352582A (zh) | 一种基于物联网的智能农业灌溉控制***及方法 | |
CN106171913A (zh) | 一种椰糠无土栽培葡萄节水节肥的灌溉方法 | |
CN214708748U (zh) | 农作物精准营养灌溉管控*** |
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 |