CN113273449A - 用于日光温室精准监测的数字孪生体构造方法 - Google Patents

Abstract

一种用于日光温室精准监测的数字孪生体构造方法，包括如下三个步骤：第一步，准备步骤，进行前期信息采集以及数字孪生日光温室方案制定；第二步，数字孪生日光温室构建，包括数字化过程、标准化过程以及智能化过程；第三步，运行维护，针对构建的数字孪生体进行扩展、反馈和优化。本发明可以实现多环境要素数据自动化实时采集，展示和建模分析，并支持根据预警规则自动联动调控，达到提升作物产量，降低经营管理成本，提升抵抗灾害风险能力，优化管理模式，增强温室自动管控能力的效果。

Description

用于日光温室精准监测的数字孪生体构造方法

技术领域

本发明涉及一种环境自动监测技术领域，具体的说涉及一种日光温室精准监测数字孪生体构造方法。

背景技术

我国是世界上温室面积最大的国家，近年已成为乡村振兴的主力。但目前我国的日光温室种植仍然处于传统农业阶段，存在着现代化程度不足，成本投资不够充沛的限制。主要存在以下问题：

1、大部分温室种植农户仍然以人工管理为主，依靠农户的种植经验和实际感触，重视水肥药的使用，缺少对日光温室、作物和种植相关气象等要素的重视。由于温湿度管理不足而导致的病虫害和作物生长要素受胁迫的逆环境情况时有发生，给种植户造成了损失。

2、数字化采集设备昂贵，自动化投入不足。温室内自动化监测和控制设备较少，即使有观测设备，也因为自动化成本高，仅进行了单点观测，监测温室环境精准度低。

3、资源利用率低下和劳动力增大的问题，一直限制着温室日光温室的经济效益。虽然随着国内对智能农业的投入不断增加，智能控制策略也增多。但更多的还是根据生产经验，进行手动优化和调节，或是采用单一算法对整个***进行监测控制。生产过程中科学性不足，***的灵敏度和准确度依然不高。

4、缺少标准化的种植管理理念。多数种植户都是盲目照搬其他地方的经验和技术后自己调整，具有一定的随意性和不可复制性。无法建立精准的数字化分析建模、分析和经验模型。无法持久提高质量和经济效益。

近年来物联网和互联网技术发展十分迅速，人工智能和机器学习也逐渐应用到农业生产中，智能算法将会给智能温室***带来更快的发展，能够极大提高***的准确度和灵敏度，未来的温室农业生产发展方向是智能化，网络化和精准化。

发明内容

本发明提供一种日光温室精准监测数字孪生体构造方法，以解决背景技术中存在的技术问题。

为此本发明提供一种针对日光温室数字孪生体的构建方法，利用该方法可以对日光温室、作物和种植过程进行动态、实时、持续的数字化采集监测，并以此进一步对日光温室、作物和种植过程进行数字化建模，构建时间、空间和要素的数字孪生体，并通过分析和实验，构建标准化的日光温室设计建造，标准化的作物生长过程以及标准化的种植管理方案。并支持最终以此实现对日光温室、作物和种植过程的智能化识别、定位、跟踪、监控和管理。本发明可量身定做，因地制宜，为在不同环境条件下的合理种植提供数字化基础，并推动了设施农业向智慧农业的发展。

本发明的一种用于日光温室精准监测的数字孪生体构造方法，其特征在于，包括：

采集与日光温室相关的信息，并基于所采集的信息预生成数字孪生日光温室方案；

基于预生成的数字孪生日光温室方案构建数字孪生日光温室；以及

对所构建的数字孪生日光温室进行扩展、反馈和优化。

其中，基于预生成的数字孪生日光温室方案构建数字孪生日光温室包括：

基于预生成的数字孪生日光温室方案，建立综合态势感知监控***，并将日光温室、作物和种植过程进行数字化。

其中，基于预生成的数字孪生日光温室方案，建立综合态势感知监控***，并将日光温室、作物和种植过程进行数字化包括：

基于预生成的数字孪生日光温室方案，根据日光温室的种植作物、多个观测要素以及成本预算，利用多个模块组成单点监测装置，并确定布点、控制联动以及组网方案；

根据所述布点及组网方案部署所述单点监测装置，并利用所述单点监测装置进行数据采集和测试；

对所述单点监测装置的功能进行联动调试，以确保正确进行实时态势感知和有效控制，从而形成所述综合态势感知监控***；以及

将所述综合态势感知监控***接入多源数据并建立专家知识库。

其中，基于预生成的数字孪生日光温室方案构建数字孪生日光温室包括：

基于预生成的数字孪生日光温室方案，构建数据立方体，并进行建模分析和实验，以提炼标准化日光温室、作物和种植过程模型。

其中，基于预生成的数字孪生日光温室方案，构建数据立方体，并进行建模分析和实验，以提炼标准化日光温室、作物和种植过程模型包括：

基于日光温室本体持续监测数据，确定日光温室中环境要素的变化规律，以构建日光温室精准模型；

基于所积累的作物全生长周期监测数据，确定作物生长规律，并构建不同环境参数下作物发展和产量的模型，以及关于作物病虫害的特殊模型；

基于种植过程中的水肥药和人员管理情况，建立种植场景模型；

建立周边环境数据模型，所述周边环境数据模型包括区域精准气候和灾害模型和/或农产品市场渠道模型；以及

基于所述日光温室精准模型、不同环境参数下作物发展和产量的模型、特殊模型、种植场景模型和周边环境数据模型，构建针对日光温室本体、作物以及环境要素的综合数据分析模型，以形成温室多维数据立方体，并生成数理统计报表和分析报告，提供不同参数下的建议措施和联动方案。

其中，基于预生成的数字孪生日光温室方案，构建数据立方体，并进行建模分析和实验，以提炼标准化日光温室、作物和种植过程模型还包括：

集成数理分析和人工智能算法；以及

构建温室自身、内部作物以及周边环境的多途径一体化可视化监控平台。

其中，基于预生成的数字孪生日光温室方案构建数字孪生日光温室包括：

通过预生成的数字孪生日光温室方案中的预警、维护和调度的自动化方案和模型，建立智能化日光温室、作物和种植过程。

其中，通过预生成的数字孪生日光温室方案中的预警、维护和调度的自动化方案和模型，建立智能化日光温室、作物和种植过程包括：

根据作物特定生长周期所需要的环境要素指标，结合外界区域天气预报数据以及温室内实时监测的数据，建立作物预测性告警和预测性维护的方案；

对局部的作物指标异常进行告警，与所述预测性维护建立自动联动方案，以实现温室内部监测和控制模块的自动联控机制；

发生告警时，接收对温室相关控制功能的一键启停远程控制信号，以保护温室安全；以及

对特定灾害或风险进行推演，并计算损失，同时进行预防性演习，以建立止损预案。

本发明达到的有益技术效果在于：

1、成本可控，灵活定制。

首先，智能节点作为边缘端，可根据日光温室的发展阶段的实际需求和成本预算，有计划有步骤的依据所需种植监测要素要求，部署智能节点。如刚开始接触自动化设备的设施日光温室，可以仅集成基础环境要素传感器，达到满足基本气象监测需要的需求，同时切实降低采集节点成本。伴随设施农户的日光温室升级，在自动化设备上的投入增大，可以考虑升级部分智能节点的配置，进行立体检测，精准获取日光温室内的环境要素数据，同时扩展存储、电源、智能控制等模块。当设施农户管理的是整个设施农业园区时，管理成本增大、复杂程度激增时，则可以投入更大成本来更进一步考虑根据不同种植功能区定制不同级别的智能节点，并在园区进行组网，提供大屏展示和控制，更进一步实现智能化联动。

其次，可以根据智能节点所在点位区域、日光温室类型、种植作物和观测要素的不同，灵活定制智能节点综合立体监测布点方案。例如，紧贴地面作物水平面的布点方位的智能节点观测要素包括土壤墒情、光照温湿度、作物生长状态图像等；空中悬挂的点位智能节点则无需关注土壤墒情，却需要更多的关注设施联动；而日光温室边界内外区域的布点方位智能节点更多关注日光温室内外环境参数及日光温室本体状态图像；此外不同作物，比如草莓和蘑菇，所需要重点关注的环境监测要素类别也不尽相同，可以根据实际的作物需求设置不同的智能节点。

总之，本发明可以很好的支持根据设施农户的种植种类、规模和发展阶段，因地制宜，量身订做，达到成本的最小化，效益的最大化。

2、易于扩展，在线升级。

首先，智能节点对传感器和控制模块的升级扩展支持良好。智能节点的核心计算单元自带操作***，可以通过编程和安装驱动来迅速和新版本的传感器兼容，并实现功能提升。因此伴随传感器技术的发展，其功能、精度得以提升，设施农户可以选择适当时机可以替换升级。当新的传感器类型出现时，也可以迅速集成到原有的智能节点上，节省重复投资的同时，扩展监测控制功能。

其次，智能节点支持对算法和模型的在线升级和维护。随着日光温室老化，作物品种替换，外部环境气候变化等各种模型参数的变化，模型输出也会产生差异。本发明支持通过实时监测，在线升级调整模型参数，获得实时精准的模型优化和替换。此外，通过智能节点组网和平台化集成，还支持对智能节点本身，以及日光温室内的各种自动化设备进行云端远程巡护，故障在线维护，实现设备和节点的远程诊断，在线调试。

3、精准服务，提质创效。

本发明从真实世界进行数字化的智能节点出发，通过智能节点对真实日光温室、作物和种植管理方式的自动采集、监控、设备联动，获得数字化的日光温室、数字作物和数字种植管理实时及历史数据。这些数据能够在高时间、空间分辨率上，精准的反映日光温室、作物和种植管理的状态。为精准服务奠定了基础。

本发明基于云端统计和建模分析方法，将这些大量的真实数据汇集到云端之后，通过数据驱动的各种不同方法的建模和分析，可以获得标准化的日光温室设计方式，作物生长标准模型，以及标准化管理制度。为后续更好的扩大规模，提升质量提供了支撑。

再进一步，本发明在数字化和标准化的基础上，通过扩展人工智能的算法，以及智能节点的自动化联动模块，可以构建智能管理构建智能化的日光温室、作物和种植，实现精准管控，将种植人员从繁重低效的劳作中解放出来，转变为智能种植专家，更好的实现设施农业降本增效，高质量发展的目标。

附图说明

图1是本发明日光温室精准监测数字孪生体构造方法的流程示意图；

图2是立体监测布点方案示意图。

具体实施方式

为了使本发明的形状、构造以及特点能够更好地被理解，以下将列举较佳实施例并结合附图进行详细说明。

如图1的流程图所示，本发明的方法包括三个步骤，即准备、数字孪生日光温室构建和运行维护。

第一步、准备，主要包括两方面的准备内容：

一是进行前期信息采集，获取背景资料。深入种植农户日光温室中，进行全面的调研和分析，了解种植农户对象的生产阶段，成本投资预算，目前存在的问题，以及想要达到的预期效果。在此基础上进行前期实验和数据采集。

二是数字孪生日光温室方案制定。在调研的基础上，综合考虑实施对象设施农业发展阶段、日光温室实际情况和主要种植作物后进行综合分析，指定数字孪生日光温室构建方案制定，例如考虑温室大棚的尺寸，投入的成本，种植作物类型，确定观测要素及种植过程、观测阶段等，根据以上因素，确认初步方案。

第二步、数字孪生日光温室构建，具体过程包括以下三个步骤：

1、数字化过程：建立综合态势感知监控***，将日光温室、作物和种植过程进行数字化。

通过成功部署覆盖温室全区域的本体布点监测、控制联动、组网存储等方案，同时结合外部多源辅助数据和专家知识库，建立日光温室态势感知监控***。具体的说，数字化过程包括如下步骤：

1.1、布点及组网方案设计

根据日光温室的尺寸、问题现状、作物类别、观测要素等各要素以及相关成本预算，设置单点监测装置的组成模块和布点、控制联动以及组网方案。

布点方案如图2所示，根据日光温室的尺寸，合理选取水平和垂直方向的布点方位。布点范围根据实际日光温室的情况量身定做，应适当在日光温室边界内外布控节点，同时结合棚内自动化设备所处位置，综合考虑。目标是在日光温室的三维空间上进行格网化切割并编号，每个点位负责所处格网的数据采集和监测，并最终可以获得日光温室三维空间上每处的精准数据。

对于新建日光温室，可以在其设计建造期合并进行设计。

对于运行中的日光温室，可以结合该温室普遍存在的问题，进行侧重性设计，并逐步扩展提升优化。

1.2、数据采集和联控装置部署

根据布点及组网方案设计进行单点监测装置、联动控制装置、组网装置等装置的部署、数据采集、联调和测试。保证均匀且全面无死角的覆盖日光温室的三维格网区域，作物种植全生长过程无遮挡。该联调包括温室大棚内部的监测、联动控制等节点间测试。

1.3、数据传输和联动调试

对监控装置数据采集功能，组网和数据存储模块的数据传输存储功能，控制装置的联动控制功能，以及云边端协同链路上的各个节点功能进行联调，确保正确进行实时态势感知和有效控制。

1.4、接入多源数据和建立专家知识库

除了温室本体数据外，还应广泛接入温室所在区域地理、地形环境GIS图层数据，气象预报数据（格点化），灾害性天气预警数据，前期建模和分析实验数据，市场价格及农情服务数据等多源支持数据。建立温室、作物等业务专家的知识库并及时更新。

2、标准化过程：构建数据立方体的基础上进行建模分析和实验，提炼标准化日光温室、作物和种植过程模型。

通过综合态势感知监控***所采集的数据，进行综合建模和分析，构建日光温室自身、作物和环境的数字孪生体，进行数据统计分析、智能算法集成、自动化模型、结合态势感知监控***的组网和控制模块，构建温室可视化监控平台。

通过立体布点之后，日光温室在三维空间上被划分为了精准的立体格网，每个节点都能获取到所在点位的要素数据。为了更迅速准确获得整个日光温室内的整体统计和分析结果，还应该进行云边端联动。标准化过程包括如下步骤：

2.1、日光温室本体数据分析建模

基于日光温室本体运行、控制等持续监测数据，分析日光温室各环境要素的变化规律，构建日光温室昼夜差异、内外差异、区域差异等精准模型，支持绘制温室内三维立体插值物理量场。为进一步提升、优化日光温室的设计、布局、管控等提供决策支持。

2.2、作物全生命周期建模

基于作物全生长周期监测数据的积累，分析作物生长规律，并构建不同环境参数下作物发展和产量的模型，以及作物病虫害等特殊模型，为识别判定作物阶段和异常状态等提供辅助决策。

2.3、种植过程数据建模分析

对种植过程中的水肥药和人员管理情况进行分析，进行种植场景的建模。例如对水肥药关键阶段的种植提供精准化模型，为精准管理构建标准化支撑。

2.4、周边环境数据建模

基于内外部多源数据的整合分析，可以建立区域环境灾害和精准投入产出预测等模型。如基于周边气象、环境等数据，建立区域精准气候和灾害模型；通过地理GIS、市场价格、交通运输等数据建立农产品市场渠道模型。

2.5、数据统计分析

建立温室观测量、空间、时间、作物等多维数据立方体，结合专家理论知识，构建针对日光温室本体、作物以及环境要素的综合数据分析模型，并给出专家知识决策下的数理统计报表和分析报告。提供不同参数下的建议措施和联动方案。

2.6、智能算法集成

集成各种传统数理分析和人工智能算法，为自动化控制奠定基础。比如可以集成作物果实图像识别算法对作物产量等进行定时估算，通过人脸识别自动建立温室巡检日志等。

2.7、构建可视化监控平台

构建温室自身、内部作物以及周边环境的多途径一体化可视化监控平台。除直观可视化展示数据之外，还可以进行专题数据钻取，对监视、控制和反馈过程进行全过程可视化演示，有效提升温室管控的便捷性。

3、智能化过程：通过预警、维护和调度的自动化方案和模型，建立智能化日光温室、作物和种植过程。

在综合态势感知监控基础和建模分析及可视化监控平台之上，实现各种分析判别模型的应用，构建温室预测性维护、告警自动联控、一键启停等智能便捷功能，还可以进一步提供预防性演习，构建极端情况下损失估算和止损方案推荐。智能化过程包括如下步骤：

3.1、预测性维护（灾害性天气风险防范）

根据作物特定生长周期所需要的环境要素指标，结合外界区域天气预报数据以及温室内实时监测的数据，建立作物预测性告警和预测性维护方案。实现精细化管理维护。

3.2、告警自动联动

实现温室内部监测和控制模块的自动联控机制，对局部的作物指标异常进行告警，与预测性维护建立自动联动方案，发生相应状况时可以进行自动识别和报警，并对应对方案进行推荐，设置按照预定的联动方案自动处理。

3.3、一键启停

发生告警时，支持远程对温室相关处置控制功能一键启停操作，便于保护温室本体安全。

3.4、预防性演习

构建对作物病虫害、灾害性天气等情景特定灾害或风险的进行过程推演，计算损失，同时进行预防性演习，建立有效止损预案。

三、第三步是运行维护，主要针对构建的数字孪生体进行扩展、反馈和优化。

从实际应用效果和模型出发，根据温室、作物和地理区域特点，气象观测要素的规律，以及装置成本产出比，精简或扩充装置模块、提升改进模型参数和算法；同时结合新技术对布点、组网、建模分析算法等进行优化，对装置模块进行更新换代，同时支持新增扩充需求及装置的接入、集成和实现。比如扩展传感器或功能模块：如通过扩充边界防范等来实现安防需求的接入，通过智能门禁和摄像头实现视频日志的功能，扩展热红外模块，扩展自动识别模块等；或者扩展先进技术实现功能：如人工智能自动识别算法。优化的方式例如可在线升级算法，根据实施过程中的数据对模型进行修正，提升精准度；或升级替换传感器，随着技术和成本的变化，在新版本的设备中提升替换传感器，降本增效。

实施例1：某草莓种植农户

以河北某草莓种植农户为例。构建数字孪生日光温室的过程如下：

首先是调研和数据采集阶段，通过现场拜访，信息收集等获取该种植户的实际发展情况。该农户所种植的日光温室处于发展初期，日光温室仍以传统塑料日光温室方式建造。主要作物为草莓，尝试种植蘑菇。前期选择对草莓日光温室进行测量和分析，结合种植农户成本较低的预期，设计初步的构建方案。

第二阶段，是数字孪生日光温室的构建阶段。

第一个环节是数字化阶段，对该园区的草莓日光温室进行智能节点制作和立体布点监测方案的实验。

出于成本控制和草莓作物的生长特点考虑，所选择边缘智能节点构成如下：传感器包括DTH22传感器，GY30光照传感器，DS1280土壤温度传感器，以及电容式土壤湿度传感器，核心计算单元采用树莓派zero开发板构建，单个节点总体成本总体不超过200元。

草莓日光温室的尺寸均为80米长，8米宽，6米高，设置的智能节点共22个。立体监测布点方案描述如下：

在日光温室内距地面30厘米的水平面，布设点位8个，两端4个点位距离日光温室边缘5米，中间4个点按距离均匀分布。在日光温室内距地面2.5米处的水平面，布设点位6个。在日光温室内距日光温室顶50cm处的水平面，布设点位4个。此外，在日光温室外侧距地面1.5米高，距离日光温室边界1米处，长度和宽度的中心点位置附近，每个方向各布设1个节点，共布设点位4个。

距离地面30cm处的节点初步设定观测要素包括空气温湿度、土壤温湿度和光照强度。其余节点观测要素仅为空气温湿度。

每个节点的数据存储在智能节点上的tf存储卡上。在日光温室内部署一套基于物联卡进行数据联网的网关交换机，用于传输数据至云端。同时租用公有云服务器1台，提供数据存储和分析功能。通过小程序和app为种植户提供实时的数据查询。

第二个环节是标准化阶段。通过数字化阶段22个节点的数据采集，汇总到云端服务器数据库中后，可以构建日光温室内温度的时间，空间和要素的立方体，并进行上卷，下钻和切片切块分析。以日光温室内外温度要素为例，通过在三维空间上对温度进行插值，在全天24小时内生成以分钟级别精度的动态变化模型，为农户精准定位日光温室设计缺陷，并进行修复。同时结合日光温室内不同区域位置处草莓的生长状态和产量情况，建立相关模型，获取最佳的温湿度和产量关系，为标准化种植提供经验参考。

第三个环节是智能化阶段。在上述阶段数据建模分析之后，可以对日光温室内卷帘机，通风装置及进行实验，通过小程序和app为种植户智能推送告警信息，提供处理建议，帮助种植农户根据告警采取相应的措施和种植建议。通过切实提高产量，来进一步促使种植户产生扩大投入，进行后续自动化联动和改造的预期期望。

第三阶段的运行维护阶段，通过小程序和app平台的即使沟通功能，为种植户提供在线诊断和远程升级维护功能，减少了现场往返的时间和人力成本。同时，种植户通过该方案，切实提高产量之后，提出希望能够实时看到作物长势和进行卷帘机联动的预期，对贴近地面水平面的每个智能节点扩展一个500万像素的摄像头模块，即可提供图像在线展示功能。为对作物进行全生育周期图像建模分析提供更进一步的支持。同时在自动卷帘机附近的节点布设红外遥控发射模块，能够自动联动卷帘机开关，减少人员繁重劳动。

实施例2：现代化设施园区农户

以河北某现代化种植园为例。构建数字孪生日光温室的过程如下：

首先是调研和数据采集阶段，通过现场拜访，信息收集等获取该园区的实际发展情况。该园区处于发展中期，已经有比较好的种植和销售渠道，日光温室中内也已有较为完善的现代化设施。主要种植作物为草莓、蘑菇、番茄等。通过与种植户的沟通，了解到园区内人工劳动强度大，智能化程度不够，且运行维护成本较高的问题，选择对整个园区进行整体数字孪生构建，种植农户有能力进行较高投入来提升智能化程度的预期，设计初步的构建方案。

第二阶段，是数字孪生日光温室的构建阶段。

第一个环节是数字化阶段，首先实地测量该园区的不同种类的日光温室，并进行针对性的智能节点设计制作和立体布点监测方案实验。

结合日光温室空间尺寸，内部设施特点及不同种植作物的生长特点，量身定做设计不同日光温室内针对不同作物的边缘智能节点。除常规的空气温湿度、光照、二氧化碳、图像采集及土壤墒情传感器模块之外，还部署了红外遥控模块来联动日光温室内的补光装置，无线遥控模块来联动卷帘机等模块，通过步进电机模块来操控灌溉设施模块。此外，每个棚内还部署有Lora网关和LTE网关，用于在园区内组网和数据传输。核心计算单元采用树莓派4B开发板构建。

根据日光温室尺寸，设置立体监控布点方案。每个日光温室内依据尺寸、设施位置、种植观测要素及作物生长特点，进行格网化划分并编号。每个立体网格内，都部署一个定制化的智能节点。每个节点的数据存储在智能节点上的tf存储卡上。

在园区的主要干道和入口处，设立视频监控摄像头和人工智能智能节点，用于进行人员监控和门禁管理控制。

对整个园区也进行格网化编号，不同区域格网内也设置区域网关来进行数据汇总和指令下发联动。

同时租用公有云服务器3台，分别提供数据存储、分析统计和web服务发布功能。通过构建园区数字孪生智慧化综合监测控制平台来为种植户提供实时的数据查询和控制。

第二个环节是标准化阶段。通过数字化阶段在园区部署了多套智能化监测节点、监控节点和网络节点进行数据采集和传输，汇总到云端服务器数据库中后，可以构建园区内各个日光温室的观测要素的时间，空间和要素的立方体，并进行上卷，下钻和切片切块分析。例如可以在园区，种植功能区和日光温室多个尺度上进行钻取和上卷分析，也可以选取特定观测要素绘制三维空间上的分布图，在全天24小时内生成以分钟级别精度的动态变化模型，为农户精准定位区域异常，并进行通知告警。种植户可以通过视频模块和智能节点的摄像头数据精确定位异常区域的实况，并在园区监控大屏上进行查询和展示，同时结合日光温室内的联动模块，在线进行相关的联动操作。通过对园区监测，日光温室设施控制，作物生长数据等建模和分析，为标准化种植提供经验参考。

第三个环节是智能化阶段。在上述阶段数据建模分析之后，可以构建智能化预案，当发现特定区域出现异常时，能够自动通过标准化的流程进行处理。避免人为慌乱操作造成的错误和不及时而带来的损失。还可以在线进行灾害推演和评估，为园区内优化布局，精准布控，提升效益等建立数据和方案。通过小程序、app、园区智能化运行监控平台和大屏展示控制平台，为种植户提供决策支持，智能告警推送和联动控制预案，帮助种植农户设置智能化的种植方案，根据种植预案，当区域内出发该预案时自动触发并通知种植用户。在作物不同生长阶段自动调整种植措施和种植建议。让种植农户成为产业工人，种植科学家。

第三阶段的运行维护阶段，进一步通过线上平台，搭建沟通和专家支持功能，为种植户成立服务小组，提供业务、技术和专家的支持，种植户可以在线与各个领域的专家进行线上实况展示，异常在线会商，在线实验和远程升级维护，减少了专家现场往返的时间和人力成本。当有更高精度传感器，或更新日光温室内的控制设施时，可以灵活进行线上扩展。更进一步，还可以根据需要定制自动采摘机器人智能节点，园区无人机巡检节点等高级定制功能节点，为未来农业开拓思路。

以上对本发明的描述是说明性的，而非限制性的，本专业技术人员理解，在权利要求限定的精神与范围之内可对其进行许多修改、变化或等效，但是它们都将落入本发明的保护范围内。

Claims (8)

1.一种用于日光温室精准监测的数字孪生体构造方法，其特征在于，包括：

采集与日光温室相关的信息，并基于所采集的信息预生成数字孪生日光温室方案；

基于预生成的数字孪生日光温室方案构建数字孪生日光温室；以及

对所构建的数字孪生日光温室进行扩展、反馈和优化。

2.如权利要求1所述的用于日光温室精准监测的数字孪生体构造方法，其特征在于，基于预生成的数字孪生日光温室方案构建数字孪生日光温室包括：

基于预生成的数字孪生日光温室方案，建立综合态势感知监控***，并将日光温室、作物和种植过程进行数字化。

3.如权利要求2所述的用于日光温室精准监测的数字孪生体构造方法，其特征在于，基于预生成的数字孪生日光温室方案，建立综合态势感知监控***，并将日光温室、作物和种植过程进行数字化包括：

基于预生成的数字孪生日光温室方案，根据日光温室的种植作物、多个观测要素以及成本预算，利用多个模块组成单点监测装置，并确定布点、控制联动以及组网方案；

根据所述布点及组网方案部署所述单点监测装置，并利用所述单点监测装置进行数据采集和测试；

对所述单点监测装置的功能进行联动调试，以确保正确进行实时态势感知和有效控制，从而形成所述综合态势感知监控***；以及

将所述综合态势感知监控***接入多源数据并建立专家知识库。

4.如权利要求1所述的用于日光温室精准监测的数字孪生体构造方法，其特征在于，基于预生成的数字孪生日光温室方案构建数字孪生日光温室包括：

基于预生成的数字孪生日光温室方案，构建数据立方体，并进行建模分析和实验，以提炼标准化日光温室、作物和种植过程模型。

5.如权利要求4所述的用于日光温室精准监测的数字孪生体构造方法，其特征在于，基于预生成的数字孪生日光温室方案，构建数据立方体，并进行建模分析和实验，以提炼标准化日光温室、作物和种植过程模型包括：

基于日光温室本体持续监测数据，确定日光温室中环境要素的变化规律，以构建日光温室精准模型；

基于所积累的作物全生长周期监测数据，确定作物生长规律，并构建不同环境参数下作物发展和产量的模型，以及关于作物病虫害的特殊模型；

基于种植过程中的水肥药和人员管理情况，建立种植场景模型；

建立周边环境数据模型，所述周边环境数据模型包括区域精准气候和灾害模型和/或农产品市场渠道模型；以及

基于所述日光温室精准模型、不同环境参数下作物发展和产量的模型、特殊模型、种植场景模型和周边环境数据模型，构建针对日光温室本体、作物以及环境要素的综合数据分析模型，以形成温室多维数据立方体，并生成数理统计报表和分析报告，提供不同参数下的建议措施和联动方案。

6.如权利要求5所述的用于日光温室精准监测的数字孪生体构造方法，其特征在于，基于预生成的数字孪生日光温室方案，构建数据立方体，并进行建模分析和实验，以提炼标准化日光温室、作物和种植过程模型还包括：

集成数理分析和人工智能算法；以及

构建温室自身、内部作物以及周边环境的多途径一体化可视化监控平台。

7.如权利要求1所述的用于日光温室精准监测的数字孪生体构造方法，其特征在于，基于预生成的数字孪生日光温室方案构建数字孪生日光温室包括：

通过预生成的数字孪生日光温室方案中的预警、维护和调度的自动化方案和模型，建立智能化日光温室、作物和种植过程。

8.如权利要求7所述的用于日光温室精准监测的数字孪生体构造方法，其特征在于，通过预生成的数字孪生日光温室方案中的预警、维护和调度的自动化方案和模型，建立智能化日光温室、作物和种植过程包括：

根据作物特定生长周期所需要的环境要素指标，结合外界区域天气预报数据以及温室内实时监测的数据，建立作物预测性告警和预测性维护的方案；

对局部的作物指标异常进行告警，与所述预测性维护建立自动联动方案，以实现温室内部监测和控制模块的自动联控机制；

发生告警时，接收对温室相关控制功能的一键启停远程控制信号，以保护温室安全；以及

对特定灾害或风险进行推演，并计算损失，同时进行预防性演习，以建立止损预案。

Images