CN114185379A - 一种种植区物联智能***及控制方法 - Google Patents
一种种植区物联智能***及控制方法 Download PDFInfo
- Publication number
- CN114185379A CN114185379A CN202111487168.6A CN202111487168A CN114185379A CN 114185379 A CN114185379 A CN 114185379A CN 202111487168 A CN202111487168 A CN 202111487168A CN 114185379 A CN114185379 A CN 114185379A
- Authority
- CN
- China
- Prior art keywords
- soil
- sensor
- humidity
- detection module
- control
- 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
Images
Classifications
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Fertilizing (AREA)
Abstract
本发明公开了一种种植区物联智能***及控制方法。该***包括处理中心、以及设于种植区内的信息检测设备、控制设备和处理终端;处理终端的输入端与信息检测设备的输出端连接,处理终端的输出端与所述处理中心的输入端连接,处理中心的输出端与控制设备的控制端连接。控制方法为基于信息检测设备输出的当前信息和历史信息提取信息特征,将信息特征输入决策模型,基于决策模型输出的决策结果向控制设备发出控制命令。实时监控种植区域空气、土壤状态,无需人工参与做出改善调节动作,实现真正的无人看守种植区。在控制过程中,基于信息检测设备输出的当前信息和历史信息提取信息特征,能够避免突发扰动对控制精度的影响,提高控制的稳定性和鲁棒性。
Description
技术领域
本发明涉及农业自动化控制领域,特别是涉及一种种植区物联智能***及控制方法。
背景技术
目前拥有的温室大棚调控大多靠人工控制里面的温度、湿度等等,人工控制容易出现误判、漏判等问题,导致作物生长出现大小不一,成熟周期也是各不相同,很难达到作物统一生长,大小一致。而且人工调控对大棚里面的温度、湿度、光照强度等参数不能做出及时的控制,对作物的生长不能达到实时监控的作用。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种种植区物联智能***及控制方法。
为了实现本发明的上述目的,根据本发明的第一个方面,本发明提供了一种种植区物联智能***,包括处理中心、以及设于所述种植区内的信息检测设备、控制设备和处理终端;所述处理终端的输入端与信息检测设备的输出端连接,所述处理终端的输出端与所述处理中心的输入端连接,所述处理中心的输出端与控制设备的控制端连接。
综上所述,由于采用了上述技术方案,本发明的有益效果是:将信息检测设备和控制设备通过处理终端、处理中心互联,能够实时监控种植区域空气、土壤等状态,无需人工参与做出改善调节动作,实现真正的无人看守温室大棚。
为了实现本发明的上述目的,根据本发明的第二个方面,本发明提供了基于本发明第一方面提供的种植区物联智能***的控制方法,基于信息检测设备输出的当前信息和历史信息提取信息特征,将所述信息特征输入决策模型,基于决策模型输出的决策结果向控制设备发出控制命令。
综上所述,由于采用了上述技术方案,本发明的有益效果是:将信息检测设备和控制设备通过处理终端、处理中心互联,能够实时监控种植区域空气、土壤等状态,无需人工参与做出改善调节动作,实现真正的无人看守温室大棚。在控制过程中,基于信息检测设备输出的当前信息和历史信息提取信息特征,能够避免突发扰动对控制精度的影响,提高控制的稳定性和鲁棒性。
附图说明
图1是本发明一具体实施方式中种植区物联智能***的结构示意图;
图2是本发明一具体实施方式中控制方法的流程示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
本发明公开了一种种植区物联智能***,在一种优选实施方式中,如图1所示,该***包括处理中心、以及设于种植区内的信息检测设备、控制设备和处理终端;处理终端的输入端与信息检测设备的输出端连接,处理终端的输出端与处理中心的输入端连接,处理中心的输出端与控制设备的控制端连接。
在本实施方式中,种植区优选但不限于为开敞区域或半密闭空间或密闭空间,如山地种植区、大棚。在种植区内可进行土培种植和/或水培种植。
在本实施方式中,为了对种植区进行全面监测,实现无人管理。优选地,信息检测设备包括空气温湿度检测模块、土壤温湿度检测模块、土壤PH检测模块、水培营养检测模块四者中至少一者。
在本实施方式中,相应地,为实现种植区域空气温湿度调节,当信息检测设备包括空气温湿度检测模块时,控制设备包括与空气温湿度检测模块对应的空气温湿度调节设备。具体的,空气温湿度检测模块包括至少一个空气温度传感器和/或至少一个空气湿度传感器,空气温度传感器的输出端和空气湿度传感器的输出端分别与处理终端的输入端连接。空气温湿度调节设备包括风机、卷帘、加湿器三者中至少一者,具体的,可通过风机、卷帘调节空气温度,可通过加湿器调节空气湿度。具体控制过程可以是,当空气温度高于预设空气温度上限阈值时,打开风机和/或卷帘,当空气温度低于预设空气温度下限阈值时,关闭风机和卷帘;当空气湿度大于预设空气湿度上限阈值时,关闭加湿器或不开启加湿器,当空气湿度小于预设空气湿度下限阈值时,开启加湿器。
在本实施方式中,相应地,为实现种植区域土壤温湿度调节,当信息检测设备包括土壤温湿度检测模块时,控制设备包括与土壤温湿度检测模块对应的土壤温湿度调节设备。此时,土壤温湿度调节设备可为浇水阀门。一般来说,土壤的温度高时土壤湿度低,土壤的温度低时土壤湿度高。在大棚设置有多个浇水管道,在不同区域的浇水管道上设置浇水阀门,当土壤湿度较低时,可开启全部或部分浇水阀门进行浇水,当土壤湿度较高时,可关闭全部或部分浇水阀门或不开启全部或部分浇水阀门,可通过自然蒸发降低土壤湿度。具体的,可根据土壤湿度与预设的土壤湿度阈值的比较来判断湿度高低。
在本实施方式中,相应地,为实现种植区域土壤酸碱度调节,当信息检测设备包括土壤PH检测模块时,控制设备包括与土壤PH检测模块对应的PH调节设备;一般来说,通过施肥来解决土壤酸碱度失衡问题,在种植区域,设置多个施肥管道,管道内装有肥料,可在每个施肥管道出口处设置肥料阀门来开启或关闭施肥,肥料优选但不限于为复合肥,氮肥,磷肥,钾肥。PH调节设备为肥料阀门。
在本实施方式中,相应地,为实现种植区域水培液体的营养成分浓度调节,当信息检测设备包括水培营养检测模块时,控制设备包括与水培营养检测模块对应的营养液调节设备。营养液调节设备包括营养液控制阀门。具体的,可在种植区水培处设置至少一个输送营养液的管道,在每个管道出口处设置营养液控制阀门,通过开启或关闭营养液控制阀门能够实现水培液体营养成分的浓度调节,实现营养精细化管理。
在本实施方式中,优选地,为了实现远程控制,以及提高执行分析运算速度,借助云端强大的数据处理能力,处理中心包括云服务器和网关,云服务器通过网关分别与处理终端和控制设备连接。
在本实施方式中,优选地,为实现分布式计算,增强运算效力,处理终端可包括多个分散布置的处理单元。具体的,可为空气温湿度检测模块、土壤温湿度检测模块、土壤PH检测模块、水培营养检测模块分别设置一一对应的处理单元,每个处理单元提取对应模块传感器的输出信息,并提取相应特征后通过网关输出给云服务器,云服务器采用人工智能算法得到每个控制设备的控制指令,每种信息检测模块拥有一套独立算法控制,各个算法之间通过物联网联动起来,相互影响,形成一个闭环的控制回路。
在本实施方式中,处理单元与空气温湿度检测模块、土壤温湿度检测模块、土壤PH检测模块、水培营养检测模块中的传感器有线或无线连接,各处理单元与网关有线或无线连接,网关与控制设备有线或无线连接,以及网关与云服务器有线或无线连接。优选地,处理单元包括无线通信子单元,信息检测模块中的各传感器也带有无线通信子单元,网关、处理单元、以及信息检测模块中的各传感器形成胃无线连接的物联网络,该物联网络优选但不限于为LORA物联网通信网络。
本发明还公开了一种基于本发明所述种植区物联智能***的控制方法,在一种优选实施方式中,如图2所示,该方法包括:
步骤S100,基于信息检测设备输出的当前信息和历史信息提取信息特征;
步骤S200,将信息特征输入决策模型,基于决策模型输出的决策结果向控制设备发出控制命令。优选地,控制命令包括但不限于开启控制设备指令或关闭控制设备指令。具体的,如开启风机、关闭风机、开启卷帘、关闭卷帘、开启加湿器、关闭加湿器、开启肥料阀门、关闭肥料阀门、开启浇水阀门、关闭浇水阀门等、开启营养液控制阀门、关闭营养液控制阀门。
在本实施方式中,步骤S100和步骤S200可在处理中心执行,或者在处理终端执行。优选地,为提高计算效率,步骤S100和步骤S200相应程序部分在处理终端执行,部分在处理中心执行,具体为:处理终端基于信息检测设备输出的当前信息和历史信息提取信息特征,将信息特征输出至处理中心;处理中心接收信息特征,将信息特征输入决策模型,基于决策模型输出的决策结果向控制设备发出控制命令。
在本实施方式中,决策模型优选但不限于现有的贝叶斯模型,优选的,为简化控制逻辑,贝叶斯模型输出的决策结果为开启对应控制设备的概率。如当空气湿度特征输入贝叶斯模型后,输出开启对应的加湿器的概率,通过概率值大小判断是否需要开启加湿器,利用其他信息特征的控制原理也可参照上述过程,在此不再赘述。
在一种优选实施方式中,基于空气温湿度检测模块输出的当前空气湿度和历史空气湿度提取空气湿度特征,将空气湿度特征输入决策模型并基于决策模型的决策结果输出空气温度调节指令至空气温湿度调节设备的控制端;优选地,空气温湿度调节设备为空气加湿器。空气温度调节指令可包括开启加湿器、关闭加湿器。
在一种优选实施方式中,基于土壤温度检测模块输出的当前土壤温度和历史土壤温度提取土壤温度特征,将土壤温度特征输入决策模型并基于决策模型的决策结果输出土壤温度调节指令至土壤温度调节设备的控制端;优选地,土壤温度调节设备为浇水阀门。土壤温度调节指令可包括开启浇水阀门、关闭浇水阀门。
在一种优选实施方式中,基于土壤PH检测模块输出的当前土壤PH值和历史土壤PH值提取土壤PH特征,将土壤PH特征输入决策模型并基于决策模型的决策结果输出PH调节指令至PH调节设备的控制端;优选地,PH调节设备为肥料阀门。PH调节指令可为开启肥料阀门、关闭肥料阀门。
在一种优选实施方式中,基于水培营养检测模块输出的当前营养成分浓度值提取EC特征,将EC特征输入决策模型并基于决策模型的决策结果输出水培EC调节指令至营养液调节设备的控制端。营养液调节设备为营养液供给管道上的营养液控制阀门,EC调节指令可为开启或关闭营养液控制阀门。
在一种优选实施方式中,为综合多个传感器的信息特征,提高控制的鲁棒性、避免误触发,以及干扰扰动影响,进行如下处理:
当空气温湿度检测模块包括多个分散布置的空气湿度传感器时,提取每个空气湿度传感器的空气湿度特征,处理中心将每个空气湿度特征输入决策模型获得对应的决策结果,处理中心融合所有空气湿度特征对应的决策结果获得空气湿度调节指令,具体的,空气湿度调节指令包括开启或关闭加湿器指令。每个空气湿度特征输入决策模型获得一个开启加湿器概率,对多个空气湿度传感器获得的开启加湿器概率进行融合后判断是否开启加湿器。进一步优选地,为符合种植区空气湿度区域分布差异情况,提供更有效的控制,处理中心求取所有空气湿度特征对应的决策结果的加权和,将加权和记为第一数值,若第一数值大于预设的第一阈值,启动空气温湿度调节设备,否则,关闭空气温湿度调节设备(这里指加湿器)。可通过如下公式求取所有空气湿度特征对应的决策结果的加权和,将该加权和Pa作为融合结果:
Pa=P(Ma|E1)+P(Ma|E2)+……+P(Ma|Em1);
其中,P(Ma|E1)表示第一个空气湿度传感器对应的开启加湿器概率,P(Ma|E2)表示第二个空气湿度传感器对应的开启加湿器概率,P(Ma|Em1)表示第m1个空气湿度传感器对应的开启加湿器概率,一共有m1个空气湿度传感器,每项权值均为1。Ma表示开启加湿器事件。
当土壤温湿度检测模块包括多个分散布置的土壤温度传感器时,提取每个土壤温度传感器的土壤温度特征,处理中心将每个土壤温度特征输入决策模型获得对应的决策结果,处理中心融合所有土壤温度特征对应的决策结果获得土壤温度调节指令;进一步优选地,为符合种植区土壤温度分布差异情况,提供更有效的控制,处理中心求取所有土壤温度特征对应的决策结果的加权和,将该加权和记为第二数值,若该第二数值大于预设的第二阈值,启动浇水阀门,否则,关闭浇水阀门。可通过如下公式求取所有土壤温度特征对应的决策结果的加权和,将该加权和Pb作为融合结果:
Pb=P(Mb|E1)+P(Mb|E2)+……+P(Mb|Em2);
其中,P(Mb|E1)表示第一个土壤温度传感器对应的开启浇水阀门概率,P(Mb|E2)表示第二个土壤温度传感器对应的开启浇水阀门概率,P(Mb|Em2)表示第m2个土壤温度传感器对应的开启浇水阀门概率,一共有m2个土壤温度传感器,每项权值均为1。Mb表示开启浇水阀门事件。
当土壤PH检测模块包括多个分散布置的PH传感器时,提取每个PH传感器的PH特征,处理中心将每个PH特征输入决策模型获得对应的决策结果,处理中心融合所有PH特征对应的决策结果获得PH调节指令。进一步优选地,处理中心求取所有PH特征对应的决策结果的加权和,将该加权和记为第三数值,若该第三数值大于预设的第三阈值,启动肥料阀门,否则,关闭肥料阀门。可通过如下公式求取所有PH特征对应的决策结果的加权和,将该加权和Pc作为融合结果:
Pc=P(Mc|E1)+P(Mc|E2)+……+P(Mc|Em3);
其中,P(Mc|E1)表示第一个PH传感器对应的开启肥料阀门概率,P(Mc|E2)表示第二个PH传感器对应的开启肥料阀门概率,P(Mc|Em3)表示第m3个PH传感器对应的开启肥料阀门概率,一共有m3个PH传感器,每项权值均为1。Mc表示开启肥料阀门事件。
当水培营养检测模块包括多个分散布置的营养浓度传感器时,提取每个营养浓度传感器的EC特征,处理中心将每个EC特征输入决策模型获得对应的决策结果,处理中心融合所有EC特征对应的决策结果获得营养成分调节指令。优选地,营养成分调节指令包括开启或关闭营养液控制阀门的指令。处理中心求取所有营养浓度传感器的EC特征对应的决策结果的加权和,将该加权和记为第四数值,若第四数值大于预设的第四阈值,启动营养液控制阀门,否则,关闭营养液控制阀门。一个营养浓度传感器可获取多种营养成分的浓度值,营养成分包括但不限于碳、氢、氧、氮、磷、钾、钙、镁、硫、铁、硼、锌、铜。可通过如下公式求取所有EC特征对应的决策结果的加权和,将该加权和Pd作为融合结果:
Pd=P(Md|E1)+P(Md|E2)+……+P(Md|Em4);
其中,P(Md|E1)表示第一个营养浓度传感器对应的开启营养液控制阀门概率,P(Md|E2)表示第二个营养浓度传感器对应的开启营养液控制阀门概率,P(Md|Em4)表示第m4个营养浓度传感器对应的开启营养液控制阀门概率,一共有m4个营养浓度传感器,每项权值均为1。Md表示开启控制阀门事件。
在一种优选实施方式中,通过如下公式提取空气湿度传感器的空气湿度特征E:
其中,j表示采集次数索引,j∈[1,n];n表示包含当前采集的历史采集次数;∮α表示n次采集的空气湿度信息之和;ak表示空气气压,单位Pa;L表示空气湿度传感器的分辨率;x表示空气湿度传感器的检测精度值;βn表示预先设定的修正系数,取值范围为0到1。
在一种优选实施方式中,通过如下公式提取土壤温度传感器的土壤温度特征为:
其中,G表示土壤温度传感器的土壤热通量;G(Zref)表示土壤深度为参考深度Zref时的热通量;z表示土壤温度传感器探头***土壤的深度;Δt表示土壤温度传感器检测一次的时间;ρs表示土壤密度;cs表示土壤质量热容量,单位J/(g·℃);T表示土壤表层温度;ε为预设常数,取值范围为0.1到0.5;t表示检测起始时间;i表示土壤层数,Zi表示第i层的深度值。
在一种优选实施方式中,基于PH传感器采集的前n次PH值通过如下公式提取PH传感器的PH特征为:
其中,x1表示PH传感器前第1次采集的PH值,即PH传感器当前采集的PH值;x2表示PH传感器前第2次采集的PH值,xn表示PH传感器前第n次采集的PH值。
在一种优选实施方式中,营养浓度传感器可探测至少一种营养成分浓度,通过如下公式提取营养浓度传感器的EC特征:
其中,W表示表示营养液的需求量,单位mg;Cθ表示测得的第θ种营养成分的百分浓度值;Mθ表示第θ种营养成分所在化合物的分子量;Aθ表示第θ种营养成分的原子量;Pθ表示第θ种营养成分所在化合物的百分纯度;Q表示营养成分的种类数量。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (14)
1.一种种植区物联智能***,其特征在于,包括处理中心、以及设于所述种植区内的信息检测设备、控制设备和处理终端;
所述处理终端的输入端与信息检测设备的输出端连接,所述处理终端的输出端与所述处理中心的输入端连接,所述处理中心的输出端与控制设备的控制端连接。
2.如权利要求1所述的种植区物联智能***,其特征在于,所述信息检测设备包括空气温湿度检测模块、土壤温湿度检测模块、土壤PH检测模块、水培营养检测模块中至少一者;
当所述信息检测设备包括空气温湿度检测模块时,所述控制设备包括与空气温湿度检测模块对应的空气温湿度调节设备;
当所述信息检测设备包括土壤温湿度检测模块时,所述控制设备包括与土壤温湿度检测模块对应的土壤温湿度调节设备;
当所述信息检测设备包括土壤PH检测模块时,所述控制设备包括与土壤PH检测模块对应的PH调节设备;
当所述信息检测设备包括水培营养检测模块时,所述控制设备包括与水培营养检测模块对应的营养液调节设备。
3.如权利要求2所述的种植区物联智能***,其特征在于,所述空气温湿度检测模块包括至少一个空气温度传感器和/或至少一个空气湿度传感器,所述空气温度传感器的输出端和空气湿度传感器的输出端分别与处理终端的输入端连接;
和/或所述土壤温湿度检测模块包括至少一个土壤温度传感器和/或至少一个土壤湿度传感器,所述土壤温度传感器的输出端和所述土壤湿度传感器的输出端分别与处理终端的输入端连接;
和/或所述土壤PH检测模块包括至少一个PH传感器,所述PH传感器的输出端与处理终端的输入端连接;
和/或所述水培营养检测模块包括至少一个营养浓度传感器,所述营养浓度传感器的输出端与处理终端的输入端连接。
4.如权利要求2或3所述的种植区物联智能***,其特征在于,所述空气温湿度调节设备包括风机、卷帘、加湿器中至少一者;
和/或所述土壤温湿度调节设备包括浇水阀门;
和/或所述PH调节设备包括肥料阀门;
和/或所述营养液调节设备包括营养液控制阀门。
5.如权利要求1、2或3所述的种植区物联智能***,其特征在于,所述处理中心包括云服务器和网关,所述云服务器通过网关分别与处理终端和控制设备连接。
6.如权利要求4所述的种植区物联智能***,其特征在于,所述处理中心包括云服务器和网关,所述云服务器通过网关分别与处理终端和控制设备连接。
7.一种基于权利要求1-6中任一项所述的种植区物联智能***的控制方法,其特征在于,包括:
基于信息检测设备输出的当前信息和历史信息提取信息特征,将所述信息特征输入决策模型,基于决策模型输出的决策结果向控制设备发出控制命令。
8.如权利要求7所述的控制方法,其特征在于,具体包括:
基于空气温湿度检测模块输出的当前空气湿度和历史空气湿度提取空气湿度特征,将空气湿度特征输入决策模型并基于决策模型的决策结果输出空气温度调节指令至空气温湿度调节设备的控制端;
和/或基于土壤温度检测模块输出的当前土壤温度和历史土壤温度提取土壤温度特征,将土壤温度特征输入决策模型并基于决策模型的决策结果输出土壤温度调节指令至土壤温度调节设备的控制端;
和/或基于土壤PH检测模块输出的当前土壤PH值和历史土壤PH值提取土壤PH特征,将土壤PH特征输入决策模型并基于决策模型的决策结果输出PH调节指令至PH调节设备的控制端;
和/或基于水培营养检测模块输出的当前营养成分浓度值提取EC特征,将EC特征输入决策模型并基于决策模型的决策结果输出水培EC调节指令至营养液调节设备的控制端。
9.如权利要求8所述的控制方法,其特征在于,当空气温湿度检测模块包括多个分散布置的空气湿度传感器时,提取每个空气湿度传感器的空气湿度特征,处理中心将每个空气湿度特征输入决策模型获得对应的决策结果,处理中心融合所有空气湿度特征对应的决策结果获得空气湿度调节指令;
和/或当土壤温湿度检测模块包括多个分散布置的土壤温度传感器时,提取每个土壤温度传感器的土壤温度特征,处理中心将每个土壤温度特征输入决策模型获得对应的决策结果,处理中心融合所有土壤温度特征对应的决策结果获得土壤温度调节指令;
和/或当土壤PH检测模块包括多个分散布置的PH传感器时,提取每个PH传感器的PH特征,处理中心将每个PH特征输入决策模型获得对应的决策结果,处理中心融合所有PH特征对应的决策结果获得PH调节指令;
和/或当水培营养检测模块包括多个分散布置的营养浓度传感器时,提取每个营养浓度传感器的EC特征,处理中心将每个EC特征输入决策模型获得对应的决策结果,处理中心融合所有EC特征对应的决策结果获得PH调节指令。
10.如权利要求9所述的控制方法,其特征在于,处理中心求取所有空气湿度特征对应的决策结果的加权和,将所述加权和记为第一数值,若所述第一数值大于预设的第一阈值,启动加湿器,否则,关闭加湿器;
处理中心求取所有土壤温度特征对应的决策结果的加权和,将所述加权和记为第二数值,若所述第二数值大于预设的第二阈值,启动浇水阀门,否则,关闭浇水阀门;
处理中心求取所有PH特征对应的决策结果的加权和,将所述加权和记为第三数值,若所述第三数值大于预设的第三阈值,启动肥料阀门,否则,关闭肥料阀门;
处理中心求取所有浓度特征对应的决策结果的加权和,将所述加权和记为第四数值,若所述第四数值大于预设的第四阈值,启动营养液控制阀门,否则,关闭营养液控制阀门。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111487168.6A CN114185379B (zh) | 2021-12-06 | 2021-12-06 | 一种种植区物联智能***及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111487168.6A CN114185379B (zh) | 2021-12-06 | 2021-12-06 | 一种种植区物联智能***及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114185379A true CN114185379A (zh) | 2022-03-15 |
CN114185379B CN114185379B (zh) | 2022-11-22 |
Family
ID=80603703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111487168.6A Active CN114185379B (zh) | 2021-12-06 | 2021-12-06 | 一种种植区物联智能***及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114185379B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004065265A (ja) * | 2003-09-05 | 2004-03-04 | Watanabe Pipe | 養液栽培システム |
CN102165876A (zh) * | 2011-02-01 | 2011-08-31 | 海南义利达高新技术实业有限公司 | 智能节水灌溉施肥***及方法 |
CN105159220A (zh) * | 2015-09-11 | 2015-12-16 | 安徽春生农业科技有限公司 | 一种基于物联网的温室大棚无土栽培智能监控*** |
CN111401634A (zh) * | 2020-03-13 | 2020-07-10 | 成都信息工程大学 | 一种获取气候信息处理方法、***、存储介质 |
CN112068623A (zh) * | 2020-09-30 | 2020-12-11 | 内蒙古科技大学 | 基于互联网的温室大棚群智慧管理*** |
CN113157561A (zh) * | 2021-03-12 | 2021-07-23 | 安徽工程大学 | 一种数控***软件模块的缺陷预测方法 |
-
2021
- 2021-12-06 CN CN202111487168.6A patent/CN114185379B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004065265A (ja) * | 2003-09-05 | 2004-03-04 | Watanabe Pipe | 養液栽培システム |
CN102165876A (zh) * | 2011-02-01 | 2011-08-31 | 海南义利达高新技术实业有限公司 | 智能节水灌溉施肥***及方法 |
CN105159220A (zh) * | 2015-09-11 | 2015-12-16 | 安徽春生农业科技有限公司 | 一种基于物联网的温室大棚无土栽培智能监控*** |
CN111401634A (zh) * | 2020-03-13 | 2020-07-10 | 成都信息工程大学 | 一种获取气候信息处理方法、***、存储介质 |
CN112068623A (zh) * | 2020-09-30 | 2020-12-11 | 内蒙古科技大学 | 基于互联网的温室大棚群智慧管理*** |
CN113157561A (zh) * | 2021-03-12 | 2021-07-23 | 安徽工程大学 | 一种数控***软件模块的缺陷预测方法 |
Non-Patent Citations (1)
Title |
---|
郭祥云 等: ""深度学习在大田种植中的应用及展望"", 《中国农业大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114185379B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104155925B (zh) | 一种基于无线传感器网络鸡舍小气候环境智能控制*** | |
CN112068623A (zh) | 基于互联网的温室大棚群智慧管理*** | |
CN110692338A (zh) | 水肥一体化灌溉***控制方法及水肥一体化灌溉*** | |
CN110244626B (zh) | 基于强化学习的多用户水产养殖自动调控***及方法 | |
CN105494033B (zh) | 一种基于作物需求的智能节水灌溉方法 | |
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 | |
CN110447509B (zh) | 一种植物基质栽培的营养液灌溉控制***与方法 | |
CN111459033A (zh) | 水、肥精量灌溉的灰色预测模糊pid控制方法及设备 | |
CN113994868B (zh) | 一种基于植物生长周期的自动灌溉方法及*** | |
CN116369020B (zh) | 一种基于环境监测技术的智慧灌溉管理***及方法 | |
CN115362811A (zh) | 一种基于数字孪生的山地农作物智慧栽培*** | |
CN111435260A (zh) | 植物生长环境参数监控及环境模拟*** | |
CN109213240A (zh) | 一种基于自适应控制的草莓大棚无线监测与控制*** | |
CN112042353A (zh) | 一种适用于日光温室的水肥精准决策方法及*** | |
CN117063818A (zh) | 一种水肥精准调控*** | |
CN112425502A (zh) | 智能化etfe气枕式膜结构植物快速生长环境调节装置 | |
CN115633622A (zh) | 一种果园智能灌溉***及其方法 | |
CN117147007A (zh) | 一种设施农业低温冷害预报*** | |
CN116301138A (zh) | 基于日光温室的农业大棚智能化监管*** | |
CN114092776A (zh) | 应用于智慧农业的多传感器数据融合方法 | |
CN114185379B (zh) | 一种种植区物联智能***及控制方法 | |
CN107316251A (zh) | 基于数字梯度化技术的植物生长智能管理方法及*** | |
CN208724514U (zh) | 植物工厂气肥调节*** | |
CN106912329A (zh) | 一种温室自然通风的控制***及控制方法 | |
Chen et al. | An intelligent monitoring system for a pig breeding environment based on a wireless sensor network |
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 |