CN115171036A - 一种智能农业大棚的植物管理控制方法和*** - Google Patents
一种智能农业大棚的植物管理控制方法和*** Download PDFInfo
- Publication number
- CN115171036A CN115171036A CN202210666555.4A CN202210666555A CN115171036A CN 115171036 A CN115171036 A CN 115171036A CN 202210666555 A CN202210666555 A CN 202210666555A CN 115171036 A CN115171036 A CN 115171036A
- Authority
- CN
- China
- Prior art keywords
- plant
- current plant
- current
- theoretical
- type
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000008635 plant growth Effects 0.000 claims abstract description 72
- 230000002093 peripheral effect Effects 0.000 claims abstract description 49
- 230000012010 growth Effects 0.000 claims abstract description 45
- 235000015097 nutrients Nutrition 0.000 claims abstract description 32
- 239000000126 substance Substances 0.000 claims abstract description 10
- 241000196324 Embryophyta Species 0.000 claims description 181
- 235000016709 nutrition Nutrition 0.000 claims description 37
- 230000035764 nutrition Effects 0.000 claims description 26
- 230000001276 controlling effect Effects 0.000 claims description 24
- 239000003337 fertilizer Substances 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000010438 heat treatment Methods 0.000 claims description 12
- 238000009423 ventilation Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 241000894007 species Species 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 24
- 229910002092 carbon dioxide Inorganic materials 0.000 description 12
- 239000001569 carbon dioxide Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 239000002689 soil Substances 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005286 illumination Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 239000003895 organic fertilizer Substances 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 238000001363 water suppression through gradient tailored excitation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000003102 growth factor Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008636 plant growth process Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Agronomy & Crop Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能农业大棚的植物管理控制方法和***,涉及智能农业管理领域。该方法包括:对当前植物进行种类特征判别和生长情况判别,获得当前植物种类和当前植物生长情况,根据当前植物种类和当前植物生长情况,获得所述当前植物的理论营养值,通过控制***设备调整所述当前植物所处的营养物质状态和/或外部环境状态,以达到所述理论营养值。通过控制***设备调整所述当前植物所处的营养物质状态和/或外部环境状态,以达到所述理论营养值,通过控制***设备,在大棚内构建植物生长所需的最佳环境,借此提高农作物产量和质量。
Description
技术领域
本发明涉及智能农业管理领域,尤其涉及一种智能农业大棚的植物管理控制方法和***。
背景技术
我国是农业大国,大棚种植植物覆盖面积广、种类多。对种植植物的生长情况控制尤为重要,植物生长情况判断和及时介入精准调控植物生长所需非常有必要。在植物生长不同阶段,植物需要的营养物质的量与比例是不同的,科学的控制植物生长所需营养素(如土壤供水、化肥和无机盐等)与环境(如环境温度、湿度、光照情况和二氧化碳浓度)能够提高植物的产量和质量。从古至今,我国农业种植大多以时间为参考,通过判断植物种植后的不同时间,对植物的水、化肥使用、温度等条件进行控制,不如通过直接观测植物长势进行判断更加细致。有部分种植者通过目测和经验对植物生长情况进行判断,这种方法虽然有些许效果,但是效果非常受限于种植着自身的经验和地域种植习惯,不利于某种植物的大面积推广种植。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种智能农业大棚的植物管理控制方法和***。
本发明解决上述技术问题的技术方案如下:
一种智能农业大棚的植物管理控制方法,包括:
对当前植物进行种类特征判别和生长情况判别,获得当前植物种类和当前植物生长情况:
根据当前植物种类和当前植物生长情况,获得所述当前植物的理论营养值;
通过控制***设备调整所述当前植物所处的营养物质状态和/或外部环境状态,以达到所述理论营养值。
本发明的有益效果是:本方案通过数据库的对比,得到当前植物生长的理论营养值,并将其发送给微控制器。其中,计算机视觉处理、植物分类网络、植物长势分类网络的过程和数据库对比通过云端的运算服务器进行计算,减轻了终端对计算机硬件的需求,提高了计算效率。
通过控制***设备调整所述当前植物所处的营养物质状态和/或外部环境状态,以达到所述理论营养值,通过控制***设备,在大棚内构建植物生长所需的最佳环境,借此提高农作物产量和质量。
本方案还可以提供人工介入功能,可通过移动端和大棚内触摸屏对各要素值进行修改,对各外设进行人工控制。
进一步地,所述对当前植物进行种类特征判别和生长情况判别具体包括:
通过摄像头采集当前植物的图像数据,通过图像数据对当前植物进行种类特征判别和生长情况判别。
采用上述进一步方案的有益效果是:使用计算机视觉技术对植物生长情况进行监控、自动推荐当前植物所需生长要素值,自动调整大棚内各生长要素值,并使用云计算技术降低终端对计算机硬件的要求。
进一步地,所述种类特征判别的过程,具体包括:
提取所述图像数据的图像特征,将所述图像特征与预设类型模板进行对比,获得与所述当前植物匹配的植物种类;
根据所述植物种类,将所述图像数据输入对应种类植物长势识别网络中进行识别,并输出最大匹配概率值作为所述当前植物的植物长势程度。
进一步地,所述根据当前植物种类和当前植物生长情况,获得所述当前植物的理论营养值,具体包括:
根据所述植物种类和所述当前植物的植物长势程度,在数据库中查找对比,获得所述当前植物的所述理论营养值。
采用上述进一步方案的有益效果是:通过数据库的对比,得到当前植物生长的理论营养值,并将其发送给微控制器。
进一步地,所述***设备包括:水泵、水闸、照明***、通风***、加湿***、加热***和肥料***。
本发明解决上述技术问题的另一种技术方案如下:
一种智能农业大棚的植物管理控制***,包括:判别模块、理论营养计算模块和调控模块;
所述判别模块用于对当前植物进行种类特征判别和生长情况判别,获得当前植物种类和当前植物生长情况;
所述理论营养计算模块用于根据当前植物种类和当前植物生长情况,获得所述当前植物的理论营养值;
所述调控模块用于通过控制***设备调整所述当前植物所处的营养物质状态和/或外部环境状态,以达到所述理论营养值。
本发明的有益效果是:本方案通过数据库的对比,得到当前植物生长的理论营养值,并将其发送给微控制器。其中,计算机视觉处理、植物分类网络、植物长势分类网络的过程和数据库对比通过云端的运算服务器进行计算,减轻了终端对计算机硬件的需求,提高了计算效率。
通过控制***设备调整所述当前植物所处的营养物质状态和/或外部环境状态,以达到所述理论营养值,通过控制***设备,在大棚内构建植物生长所需的最佳环境,借此提高农作物产量和质量。
本方案还可以提供人工介入功能,可通过移动端和大棚内触摸屏对各要素值进行修改,对各外设进行人工控制。
进一步地,所述判别模块具体用于通过摄像头采集当前植物的图像数据,通过图像数据对当前植物进行种类特征判别和生长情况判别。
采用上述进一步方案的有益效果是:使用计算机视觉技术对植物生长情况进行监控、自动推荐当前植物所需生长要素值,自动调整大棚内各生长要素值,并使用云计算技术降低终端对计算机硬件的要求。
进一步地,所述判别模块具体用于提取所述图像数据的图像特征,将所述图像特征与预设类型模板进行对比,获得与所述当前植物匹配的植物种类;
根据所述植物种类,将所述图像数据输入对应种类植物长势识别网络中进行识别,并输出最大匹配概率值作为所述当前植物的植物长势程度。
进一步地,所述理论营养计算模块具体用于根据所述植物种类和所述当前植物的植物长势程度,在数据库中查找对比,获得所述当前植物的所述理论营养值。
采用上述进一步方案的有益效果是:通过数据库的对比,得到当前植物生长的理论营养值,并将其发送给微控制器。
进一步地,所述***设备包括:水泵、水闸、照明***、通风***、加湿***、加热***和肥料***。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明的实施例提供的流程示意图;
图2为本发明的实施例提供的结构框架图;
图3为本发明的其他实施例提供的大棚控制***结构示意图;
图4为本发明的其他实施例提供的云端服务器结构示意图;
图5(a)为本发明的其他实施例提供的云端服务器植物种类识别过程流程图;
图5(b)为本发明的其他实施例提供的提取网络示意图;
图6(a)为本发明的其他实施例提供的云端服务器植物长势识别过程流程图;
图6(b)为本发明的其他实施例提供的植物长势识别网络,其中每种植物都对应其相应的网络;
图7为本发明的其他实施例提供的大棚端控制板结构示意图;
图8为本发明的其他实施例提供的微控制器的软件流程图;
图9为本发明的其他实施例提供的从微控制器向服务器发送、服务器向移动端发送的通讯协议结构图;
图10为本发明的其他实施例提供的移动端发往服务器和服务器发往控制器的通讯协议结构图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,为本发明实施例提供的一种智能农业大棚的植物管理控制方法,包括:在某一实施例中,包括植物管理控制方法的大棚控制***,该大棚控制***可以包括:云端服务器、移动端控制器和大棚内微控制器以及传感器和***设备。云端服务器与移动端控制器、大棚内微控制器通过运营商网络相互连接。传感器采集大棚内植物图像、二氧化碳占比、温度、湿度、土壤湿度、光照强度,并通过微控制器传输给云端服务器。
S1,对当前植物进行种类特征判别和生长情况判别,获得当前植物种类和当前植物生长情况:其中植物生长情况获得方法可以包括:在植物种类后,将图像输入相应植物长势识别IPGnet-XXX网络,预设为256种网络,根据PSnet结果选择相对应网络,该网络输出结果为长度为100的张量,对应属于1%-100%的概率值,并认为概率值最高的对应百分比为当前植物长势百分比,从而得到植物生长进程(%)。
需要说明的是,在另一实施例中,对当前植物进行种类特征判别和生长情况判别可以包括:
由摄像头采集的植物图像模式为1080P,移动端和微控制器触摸屏显示图像模式也为1080p。云端服务器通过计算机视觉技术,分析摄像头采集的图像(图像大小为1080p但帧率缩减到1帧每分钟以减少运算负担),通过植物种类分类网络(Plant SpeciesSelection Network,PSnet)得到当前植物属于预设的256种植物的匹配概率,并认为匹配概率最高的相对植物为识别结果,从而对植物种类进行判断。得到植物种类后,将图像输入相应植物长势识别(Identify Plant Growth Network,IPGnet-XXX)网络(预设为256种网络,根据PSnet结果选择相对应网络),该网络输出结果为长度为100的张量,对应属于1%-100%的概率值,并认为概率值最高的对应百分比为当前植物长势百分比,从而得到植物生长进程(%)。
S2,根据当前植物种类和当前植物生长情况,获得所述当前植物的理论营养值;其中,理论营养值可以包括:日光照时常、二氧化碳浓度、土壤水分、空气温度、空气湿度、无机肥料和有机肥料。
S3,通过控制***设备调整所述当前植物所处的营养物质状态和/或外部环境状态,以达到所述理论营养值。其中,***设备可以包括:光照设备、通风设备、加热设备、制冷设备、加湿设备和肥料供给设备。
需要说明的是,在某一实施例中,通过数据库查找对比,得到当前植物种类的当前生长进程的推荐的营养参数值,营养参数值包括日光照时常、二氧化碳浓度、土壤水分、空气温度、空气湿度、无机肥料、有机肥料,通过网络发送至微控制器。微控制器接收到数据后,通过控制***设备,***设备包括光照设备、通风设备、加热设备、制冷设备、加湿设备、肥料供给设备,将大棚内各要素值控制在推荐参数值。移动端负责显示当前服务器计算出的推荐参数值、当前大棚内实际参数值和当前大棚内的图像数据。
在另一实施例中,移动端提供对当前执行的推荐参数值的修改功能(仅在控制对象处生效,不会修改数据库)以及***设备的人工控制功能(仅在控制对象处生效,不会修改数据库)。大棚内安装的微控制器负责接收传感器测量到的各要素值,并通过网络发送给云端服务器,用于移动端显示和记录。微控制器通过控制***设备的开关保持大棚内各参数值。此外,微控制器通过其触摸屏,显示当前服务器计算出的推荐参数值、当前大棚内实际执行的参数值(可以由移动端和触摸屏修改,执行的值与推荐值不一定相同)和当前大棚内的图像数据,用户也可通过触摸屏对当前的目标参数值、外设进行人工操作。此外,在运营商网络不支持的地区,还可在当地设置服务器,通过局域网通讯实现此功能。
本方案通过数据库的对比,得到当前植物生长的理论营养值,并将其发送给微控制器。其中,计算机视觉处理、植物分类网络、植物长势分类网络的过程和数据库对比通过云端的运算服务器进行计算,减轻了终端对计算机硬件的需求,提高了计算效率。
通过控制***设备调整所述当前植物所处的营养物质状态和/或外部环境状态,以达到所述理论营养值,通过控制***设备,在大棚内构建植物生长所需的最佳环境,借此提高农作物产量和质量。
本方案还可以提供人工介入功能,可通过移动端和大棚内触摸屏对各要素值进行修改,对各外设进行人工控制。
在某一实施例中,本发明通过计算机视觉技术,对不同植物的不同的特征进行判别,首先对植物的种类进行判别,之后对植物生长情况进行判断。在对植物进行判别时,通过机器学习中的深度学习网络技术,使用植物分类网络模型执行对植物种类分类任务,并取最大概率值对应植物种类作为当前植物种类。得到植物种类后,输入该分类下的植物长势分类网络模型。通过植物长势分类网络模型,得到当前植物生长情况,以成熟度(%)为单位。比如,该植物总生长期为30天,植物长势分类网络可得到当前植物对应的理论年龄为15天,则成熟度为15/30=50%。根据先验知识在数据库中建立当前成熟程度植物所需的生长要素值,生长要素值包括日光照时常、二氧化碳浓度、土壤水分、空气温度、空气湿度、无机肥料、有机肥料,通过数据库的对比,得到当前植物生长的理论营养值,并将其发送给微控制器。其中,计算机视觉处理、植物分类网络、植物长势分类网络的过程和数据库对比通过云端的运算服务器进行计算,减轻了终端对计算机硬件的需求,提高了计算效率。最终通过服务器的计算结果,发送给微控制器,进而控制***设备,外文设备包括光照设备、通风设备、加热设备、制冷设备、加湿设备、肥料供给设备。例如温度低于当前所需值时,打开加热设备;当温度大于设定范围时,打开制冷设备;二氧化碳浓度过高时打开通风设备,过低时打开肥料供给设备输入二氧化碳气体,以此类推。通过控制***设备,在大棚内构建植物生长所需的最佳环境,借此提高农作物产量和质量。
优选地,在上述任意实施例中,所述对当前植物进行种类特征判别和生长情况判别具体包括:
通过摄像头采集当前植物的图像数据,通过图像数据对当前植物进行种类特征判别和生长情况判别。
使用计算机视觉技术对植物生长情况进行监控、自动推荐当前植物所需生长要素值,自动调整大棚内各生长要素值,并使用云计算技术降低终端对计算机硬件的要求。
优选地,在上述任意实施例中,所述种类特征判别的过程,具体包括:
提取所述图像数据的图像特征,将所述图像特征与预设类型模板进行对比,获得与所述当前植物匹配的植物种类;
根据所述植物种类,将所述图像数据输入对应种类植物长势识别网络中进行识别,并输出最大匹配概率值作为所述当前植物的植物长势程度。
优选地,在上述任意实施例中,所述根据当前植物种类和当前植物生长情况,获得所述当前植物的理论营养值,具体包括:
根据所述植物种类和所述当前植物的植物长势程度,在数据库中查找对比,获得所述当前植物的所述理论营养值。
通过数据库的对比,得到当前植物生长的理论营养值,并将其发送给微控制器。
优选地,在上述任意实施例中,所述***设备包括:水泵、水闸、照明***、通风***、加湿***、加热***和肥料***。
在某一实施例中,如图3所示,一种由云端服务器、移动端控制器和大棚内微控制器以及传感器和***设备组成的大棚控制***,其中1表示云端计算服务器。用于接收大棚内摄像头采集到的图像数据,对植物进行分类和生长情况判断,并计算当前推荐营养参数值。2表示农业大棚内安装的设备,包括控制板、触摸屏、摄像头和传感器以及***设备。***设备包括水泵、水闸、照明***、通风***、加湿***、加热***和肥料***。摄像头可以是一个,也可以是多个。传感器包括土壤水分变送器、温度计、湿度计和光度计。3表示用户,用户可以通过7直接控制大棚内触摸屏,对***设备和各项指标进行人工调整和控制。用户3也可通过9,在移动端与远程服务器进行交互,对摄像头实时监控数据进行查看,对服务器计算产生的各项参数进行查看、修改,对***设备进行人工控制,其中移动端可以包括pad类产品或手机类产品。2中的微控制器通过5G模块5介入运营商网络,与1云端服务器进行通讯。用户或工作人员可通过4个人电脑对1云端服务器、微处理器固件进行维护与升级。
在某一实施例中,云端服务器结构如图4所示,10为数据收发模块,负责服务器与外界数据传输任务。11为数据安全模块,负责保证服务器即将处理的图像数据以及发送的实时监控数据是来自已知用户端。12是图像输入模块,负责图像的预处理包括图片尺寸剪切、图像灰度化和滤波等。13是植物种类识别模块,负责识别当前植物种类,程序流程如图3所示。14是植物长势识别,负责识别当前植物长势,程序流程如图4所示。15是植物专家库对比模块,负责通过先验知识结合当前植物种类、长势进度(%)生成当前植物所需的环境情况。16是结论输出模块,负责最终生成植物生长所需外界环境值,如当前需要的温度、土壤湿度、日光照时常等。17是移动端图像显示模块,对从12接收到的图像数据进行轮流显示。18是用户存储模块,负责存储用户信息,包括不限于用户名、用户密码、植物数据等。19是管理员维护模块,负责对***的维护工作。
在某一实施例中,图5(a)是本发明云端服务器植物种类识别过程流程图。这是一种端到端的方法,首先进行图像预处理,提取图像特征,其中,图像预处理可以包括:包括剪切、过滤噪声、灰度化等处理。之后通过与预设模板对比,进行植物种类分类,最终生成植物品种数据。图5(b)为植物种类分类网络示意图。该网络输入为预处理好的植物图像,输出为一个1×1×256的张量,表示为从256种预设常用农业种植植物种类进行匹配概率计算,并提取最高的匹配概率为植物种类。
在某一实施例中,图6(a)是本发明云端服务器植物长势识别过程流程图。同植物种类识别过程,此算法也是一种端到端的方法。对输入的植物图片进行特征提取、过程分类,得到植物长势数据。图6(b)是植物长势识别网络结构简图。输出为1×100的张量,对应1%-100%的匹配概率值,并取最大值相对应百分比为当前植物长势程度(%)。
在某一实施例中,图7是本发明大棚端控制板结构示意图。20、21、22、23、24、25构成传感器部分,26为触摸屏,27为微控制器,28为电源模块,29为5G网络通讯模块,30、31、32、33、34、35为***设备控制器。10光度计负责测量当前大棚内光照强度;21湿度计负责测量当前大棚内空气湿度;22二氧化碳传感器负责测量大棚内二氧化碳浓度;23温度计负责测量当前大棚内空气温度;24土壤水分变送器负责测量当前大棚内土壤湿度;25摄像头负责拍摄当前大棚内植物图像。所有的传感器部分不局限与一套,即可存在多套传感器同时进行测量。26触摸屏负责显示当前传感器测量结果,显示云端计算机运算推荐值和目标值。例如,当前植物由分类网络确定为西红柿,由长势识别网络确认为50%的生长进度,在数据库中查到这个情况推荐温度37℃、土壤湿度50%、有机肥2单位等。显示当前***运行状态,用户可通过触摸屏对***设备进行人工控制,用户可通过触摸屏对目标值进行修改。27微控制器一般可用但不局限于ARM核心单片机。28电源模块负责将市电转化为直流电源,对各元器件进行供电。29表示5G网络通讯模块,负责按照预定协议连接控制器和云端服务器。30表示水泵或水闸的控制器,在***需要浇水时通过开闭水泵或水闸进行浇水操作。31表示空气加湿器控制器,在***需要增加空气湿度时通过打开加湿器对空气进行加湿。32表示通风***控制器,***需要改变温度、湿度和二氧化碳浓度时使用。33表示照明***控制器,在需要更改大棚照明条件时使用。34表示加热***控制器,***在需要改变温度时使用。35表示肥料***控制器,***需要施肥时使用。
在某一实施例中,如图8所示,本发明微控制器的软件流程图。软件开始,首先进行为控制器片内初始化。本过程主要包括微控制器芯片本身的启动和初始化过程。之后进行板内设备初始化过程,包括不局限于5G模组的启动和初始化、连接测试;初始化***设备开关控制模块等。之后进行设备通讯,从5G模块读取接收到的参数信息,并进行保存和显示。之后微控制器发送图像数据、当前执行情况给5G模块,5G模块再通过运营商网络发送给云端服务器。微处理器与显示屏交互,同步数据。微处理器发送给显示器推荐值、测量值显示图像数据显示。触摸屏发送给微处理器修改后的推荐值,外设的人工控制模式开关信息。同步本地时间和云端时间。下面处理***设备开关,通过对比云端计算推荐值或人工设定目标值,自动进行***设备的开关,如遇到人工开闭命令,则人工命令优先级最高。***发生错误时,发送错误信息并停机。通过定时器中断定时查询传感器数据;通过串口中断读取传感器数据。
在某一实施例中,如图9所示,表示从微控制器向服务器发送、服务器向移动端发送的协议,长度为3871byte。命令由10个部分组成,分别为2byte帧头、1byte标志位、7byte时间数据、1byte摄像头编号、3byte帧内行号、3840byte行数据1byte传感器编号、7byte+7byte参数值以及2byte帧尾数据组成。1-2byte的帧头数据分别为0x5a和0xa5。第3byte为0x01时表示为微控制器向服务器发送,为0x02时表示从服务器发向移动端。第4-10byte表示***时间,其中年份范围为2000-2254,其他数据按照习惯范围设定。第11byte表示摄像头编号,最高支持255个摄像头,最少1个,分别拍摄不同位置的图像数据。第12-14byte为一帧内行号数据,共1920行,不足1920行的,补零处理。后面的3840byte表示上述的一行数据,每个像素点2byte,对一行不足1920的进行补零处理。接着是传感器和***设备的组号。每组设备支持最多16个***设备的控制以及温度传感器、湿度传感器、土壤湿度传感器、光照传感器各1个,最多支持255组。前面的7byte表示当前数据的测量值,后面7byte在标志位0x01时表示触摸屏用户手动设定的执行值,当标志位为0x02时表示要显示的当前手动的执行值。最后2byte为帧尾,分别时0x77和0xCC。
如图10所示,表示移动端发往服务器和服务器发往控制器的通讯协议。长度为20byte。1-2byte为帧头,分别为0x5a和0xa5。第3byte为标志位,值为0x03时表示从移动端发往服务器,值为0x04时表示从服务器发往微控制器。第4byte表示传感器组组号,和上文相同。后跟的前7byte表示云服务器计算的推荐值,后7byte表示手动修改的目标值。最后2byte表示帧尾,分别为0x77和0xcc。
在某一实施例中,如图2所示,一种智能农业大棚的植物管理控制***,包括:判别模块1101、理论营养计算模块1102和调控模块1103;
所述判别模块1101用于对当前植物进行种类特征判别和生长情况判别,获得当前植物种类和当前植物生长情况;
所述理论营养计算模块1102用于根据当前植物种类和当前植物生长情况,获得所述当前植物的理论营养值;
所述调控模块1103用于通过控制***设备调整所述当前植物所处的营养物质状态和/或外部环境状态,以达到所述理论营养值。
本方案通过数据库的对比,得到当前植物生长的理论营养值,并将其发送给微控制器。其中,计算机视觉处理、植物分类网络、植物长势分类网络的过程和数据库对比通过云端的运算服务器进行计算,减轻了终端对计算机硬件的需求,提高了计算效率。
通过控制***设备调整所述当前植物所处的营养物质状态和/或外部环境状态,以达到所述理论营养值,通过控制***设备,在大棚内构建植物生长所需的最佳环境,借此提高农作物产量和质量。
本方案还可以提供人工介入功能,可通过移动端和大棚内触摸屏对各要素值进行修改,对各外设进行人工控制。
优选地,在上述任意实施例中,所述判别模块1101具体用于通过摄像头采集当前植物的图像数据,通过图像数据对当前植物进行种类特征判别和生长情况判别。
使用计算机视觉技术对植物生长情况进行监控、自动推荐当前植物所需生长要素值,自动调整大棚内各生长要素值,并使用云计算技术降低终端对计算机硬件的要求。
优选地,在上述任意实施例中,所述判别模块1101具体用于提取所述图像数据的图像特征,将所述图像特征与预设类型模板进行对比,获得与所述当前植物匹配的植物种类;
根据所述植物种类,将所述图像数据输入对应种类植物长势识别网络中进行识别,并输出最大匹配概率值作为所述当前植物的植物长势程度。
优选地,在上述任意实施例中,所述理论营养计算模块1102具体用于根据所述植物种类和所述当前植物的植物长势程度,在数据库中查找对比,获得所述当前植物的所述理论营养值。
通过数据库的对比,得到当前植物生长的理论营养值,并将其发送给微控制器。
优选地,在上述任意实施例中,所述***设备包括:水泵、水闸、照明***、通风***、加湿***、加热***和肥料***。
可以理解,在一些实施例中,可以包含如上述各实施例中的部分或全部可选实施方式。
需要说明的是,上述各实施例是与在先方法实施例对应的产品实施例,对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明,在此不再赘述。
读者应理解,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必针对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一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的方法实施例仅仅是示意性的,例如,步骤的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个步骤可以结合或者可以集成到另一个步骤,或一些特征可以忽略,或不执行。
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种智能农业大棚的植物管理控制方法,其特征在于,包括:
对当前植物进行种类特征判别和生长情况判别,获得当前植物种类和当前植物生长情况:
根据当前植物种类和当前植物生长情况,获得所述当前植物的理论营养值;
通过控制***设备调整所述当前植物所处的营养物质状态和/或外部环境状态,以达到所述理论营养值。
2.根据权利要求1所述的一种智能农业大棚的植物管理控制方法,其特征在于,所述对当前植物进行种类特征判别和生长情况判别具体包括:
通过摄像头采集当前植物的图像数据,通过图像数据对当前植物进行种类特征判别和生长情况判别。
3.根据权利要求2所述的一种智能农业大棚的植物管理控制方法,其特征在于,所述种类特征判别的过程,具体包括:
提取所述图像数据的图像特征,将所述图像特征与预设类型模板进行对比,获得与所述当前植物匹配的植物种类;
根据所述植物种类,将所述图像数据输入对应种类植物长势识别网络中进行识别,并输出最大匹配概率值作为所述当前植物的植物长势程度。
4.根据权利要求1-3任一项所述的一种智能农业大棚的植物管理控制方法,其特征在于,所述根据当前植物种类和当前植物生长情况,获得所述当前植物的理论营养值,具体包括:
根据所述植物种类和所述当前植物的植物长势程度,在数据库中查找对比,获得所述当前植物的所述理论营养值。
5.根据权利要求1-3任一项所述的一种智能农业大棚的植物管理控制方法,其特征在于,所述***设备包括:水泵、水闸、照明***、通风***、加湿***、加热***和肥料***。
6.一种智能农业大棚的植物管理控制***,其特征在于,包括:判别模块、理论营养计算模块和调控模块;
所述判别模块用于对当前植物进行种类特征判别和生长情况判别,获得当前植物种类和当前植物生长情况;
所述理论营养计算模块用于根据当前植物种类和当前植物生长情况,获得所述当前植物的理论营养值;
所述调控模块用于通过控制***设备调整所述当前植物所处的营养物质状态和/或外部环境状态,以达到所述理论营养值。
7.根据权利要求6所述的一种智能农业大棚的植物管理控制***,其特征在于,所述判别模块具体用于通过摄像头采集当前植物的图像数据,通过图像数据对当前植物进行种类特征判别和生长情况判别。
8.根据权利要求7所述的一种智能农业大棚的植物管理控制***,其特征在于,所述判别模块具体用于提取所述图像数据的图像特征,将所述图像特征与预设类型模板进行对比,获得与所述当前植物匹配的植物种类;
根据所述植物种类,将所述图像数据输入对应种类植物长势识别网络中进行识别,并输出最大匹配概率值作为所述当前植物的植物长势程度。
9.根据权利要求6-8任一项所述的一种智能农业大棚的植物管理控制***,其特征在于,所述理论营养计算模块具体用于根据所述植物种类和所述当前植物的植物长势程度,在数据库中查找对比,获得所述当前植物的所述理论营养值。
10.根据权利要求6-8任一项所述的一种智能农业大棚的植物管理控制***,其特征在于,所述***设备包括:水泵、水闸、照明***、通风***、加湿***、加热***和肥料***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210666555.4A CN115171036A (zh) | 2022-06-13 | 2022-06-13 | 一种智能农业大棚的植物管理控制方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210666555.4A CN115171036A (zh) | 2022-06-13 | 2022-06-13 | 一种智能农业大棚的植物管理控制方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115171036A true CN115171036A (zh) | 2022-10-11 |
Family
ID=83485941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210666555.4A Pending CN115171036A (zh) | 2022-06-13 | 2022-06-13 | 一种智能农业大棚的植物管理控制方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115171036A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116941483A (zh) * | 2023-08-10 | 2023-10-27 | 布瑞克(苏州)农业互联网股份有限公司 | 一种农作物智能种植方法和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150025333A (ko) * | 2013-08-29 | 2015-03-10 | 드림스페이스월드주식회사 | 이동형 지능로봇을 이용한 영상기반 식물 생장관리 제어시스템 |
CN111026206A (zh) * | 2019-12-24 | 2020-04-17 | 张治华 | 水培植物自动控制*** |
CN111652756A (zh) * | 2020-07-03 | 2020-09-11 | 张玉红 | 一种绿色智慧农业大棚种植环境监测管理*** |
CN111766820A (zh) * | 2020-07-20 | 2020-10-13 | 成都快乐猴科技有限公司 | 一种应用于智能农业的智能精细化管理控制*** |
CN112800665A (zh) * | 2021-01-13 | 2021-05-14 | 电凯(常州)新能源技术研究院有限公司 | 一种基于人工智能的植物生长自反馈学习培育方法 |
CN113040036A (zh) * | 2019-12-27 | 2021-06-29 | 佛山市云米电器科技有限公司 | 植物浇水管理方法、设备、***及存储介质 |
CN113273407A (zh) * | 2020-07-13 | 2021-08-20 | 史顺海 | 一种多功能农作物种植培养*** |
-
2022
- 2022-06-13 CN CN202210666555.4A patent/CN115171036A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150025333A (ko) * | 2013-08-29 | 2015-03-10 | 드림스페이스월드주식회사 | 이동형 지능로봇을 이용한 영상기반 식물 생장관리 제어시스템 |
CN111026206A (zh) * | 2019-12-24 | 2020-04-17 | 张治华 | 水培植物自动控制*** |
CN113040036A (zh) * | 2019-12-27 | 2021-06-29 | 佛山市云米电器科技有限公司 | 植物浇水管理方法、设备、***及存储介质 |
CN111652756A (zh) * | 2020-07-03 | 2020-09-11 | 张玉红 | 一种绿色智慧农业大棚种植环境监测管理*** |
CN113273407A (zh) * | 2020-07-13 | 2021-08-20 | 史顺海 | 一种多功能农作物种植培养*** |
CN111766820A (zh) * | 2020-07-20 | 2020-10-13 | 成都快乐猴科技有限公司 | 一种应用于智能农业的智能精细化管理控制*** |
CN112800665A (zh) * | 2021-01-13 | 2021-05-14 | 电凯(常州)新能源技术研究院有限公司 | 一种基于人工智能的植物生长自反馈学习培育方法 |
Non-Patent Citations (2)
Title |
---|
张雪芬等: "农作物主要生长参数自动观测技术综述", 《气象科技》 * |
张雪芬等: "农作物主要生长参数自动观测技术综述", 《气象科技》, no. 06, 15 December 2013 (2013-12-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116941483A (zh) * | 2023-08-10 | 2023-10-27 | 布瑞克(苏州)农业互联网股份有限公司 | 一种农作物智能种植方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106657401B (zh) | 一种基于物联网的农作物生长监测平台及其监测方法 | |
CN209517198U (zh) | 一种智慧农业标准化管理*** | |
CN105867495B (zh) | 一种以时间参数远程控制工厂化食用菌出菇***及其方法 | |
CN110825139A (zh) | 基于物联网的温室大棚智慧化管理*** | |
CN108594775A (zh) | 一种农业大数据信息采集与处理*** | |
KR20190143680A (ko) | IoT 기반 온실 내 작물 생육상태 실시간 모니터링 시스템 | |
CN104881012A (zh) | 一种基于cps的智能农作物培养种植管理*** | |
KR20180022159A (ko) | 기계학습을 이용한 양액제어장치 및 방법 | |
KR20200055823A (ko) | 스마트팜 제어 시스템 | |
CN111476149A (zh) | 一种植物培育控制方法和*** | |
KR20220088991A (ko) | 스마트팜 운영을 위한 시스템, 장치 및 그 제어방법 | |
KR102071175B1 (ko) | 작물 생육상태에 따른 생장 관리 시스템 | |
CN204667158U (zh) | 一种基于cps的智能农作物培养种植管理*** | |
CN115604301A (zh) | 一种基于人工智能的种植环境监测*** | |
CN116649160B (zh) | 食用菌菌种生产监测***及监测方法 | |
CN113349045A (zh) | 基于双塔式连续水培牧草栽培控制***及其工作方法 | |
CN115171036A (zh) | 一种智能农业大棚的植物管理控制方法和*** | |
CN208819102U (zh) | 一种分布式智能全托植物培育*** | |
CN107316251A (zh) | 基于数字梯度化技术的植物生长智能管理方法及*** | |
WO2022104867A1 (zh) | 目标物的特征检测方法和装置 | |
CN113625639A (zh) | 农业智能监控***及其监控方法 | |
CN112616509A (zh) | 基于物联网技术的智能型蔬菜种植大棚 | |
US20230309464A1 (en) | Method and apparatus for automated crop recipe optimization | |
CN110651628A (zh) | 一种基于Python网络数据采集的花卉培植*** | |
CN110377082A (zh) | 一种温室中的自动化控制*** |
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 |
Application publication date: 20221011 |