CN116954291A - 一种环控设备快速调节集成方法 - Google Patents
一种环控设备快速调节集成方法 Download PDFInfo
- Publication number
- CN116954291A CN116954291A CN202310955569.2A CN202310955569A CN116954291A CN 116954291 A CN116954291 A CN 116954291A CN 202310955569 A CN202310955569 A CN 202310955569A CN 116954291 A CN116954291 A CN 116954291A
- Authority
- CN
- China
- Prior art keywords
- greenhouse
- data
- value
- coefficient
- outdoor
- 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
- 230000007613 environmental effect Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000010354 integration Effects 0.000 title claims abstract description 23
- 230000012010 growth Effects 0.000 claims abstract description 89
- 238000002955 isolation Methods 0.000 claims abstract description 34
- 230000008635 plant growth Effects 0.000 claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000013136 deep learning model Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000007667 floating Methods 0.000 claims abstract description 17
- 239000000463 material Substances 0.000 claims description 26
- 238000005286 illumination Methods 0.000 claims description 21
- 230000008447 perception Effects 0.000 claims description 19
- 239000002689 soil Substances 0.000 claims description 17
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000001105 regulatory effect Effects 0.000 claims description 11
- 230000000875 corresponding effect Effects 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 10
- 238000002834 transmittance Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000003698 anagen phase Effects 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims description 3
- 238000009423 ventilation Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims 2
- 230000001976 improved effect Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Greenhouses (AREA)
Abstract
本发明公开了一种环控设备快速调节集成方法,涉及环境控制和调节技术领域,该方法在温室大棚中实现了高效优化植物生长环境的优势。通过集成传感器组实时监测大棚内外环境参数,并通过预处理和计算获得室内影响评估系数Yx和室外气象系数Sw,***能够自动调节环境参数,为植物提供最适宜的生长条件。此外,利用深度学习模型进行植物生长阶段的自动识别,根据生长阶段系数Sj匹配标准环境需求阈值YZ,***实现了智能化、个性化的环境调节,满足不同植物生长阶段的需求,进一步优化种植环境。综合考虑内外环境因素,通过隔离度Is的评估和调节浮动系数Fd的计算,提高植物对外部气象条件的适应性,增强温室大棚内部环境的稳定性和可靠性。
Description
技术领域
本发明涉及环境控制和调节技术领域,具体为一种环控设备快速调节集成方法。
背景技术
目前,温室大棚的环境控制对于植物的生长和产量有着至关重要的影响。然而,传统的温室大棚环控设备存在一些缺陷和问题。传统设备通常仅通过单一或少数传感器监测环境参数,难以全面了解温室内外环境的变化。同时,传统设备的调节速度较慢,无法及时响应植物生长的需求变化。此外,针对不同植物的特殊需求,传统设备的参数调节不够灵活,无法个性化满足不同植物的生长要求。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种环控设备快速调节集成方法,该方法采用集成传感器组实时监测温室大棚内外的环境参数,通过预处理和计算分析获得室内影响评估系数Yx和室外气象系数Sw。室内影响评估系数Yx综合考虑温度、湿度、光照强度、CO2浓度、土壤湿度、土壤温度和水质pH值、溶解氧含量等因素,对植物生长影响进行评估。室外气象系数Sw包括光照强度、室外温度、气压值和湿度值,反映了室外气象条件对温室大棚的影响。在获取室内影响评估系数Yx和室外气象系数Sw后,本发明将室内影响评估系数Yx与室外气象系数Sw进行关联,并计算得到关联影响因子R。随后,将标准环境需求阈值YZ与室外气象系数Sw进行对比,获得环控差值Diff。接着,通过调节浮动系数Fd,将环控差值Diff与关联影响因子R进行关联,计算获取调节浮动系数Fd,进而集成调节当前环控设备。这样的调节机制能够更加智能地响应植物生长阶段和实时环境条件的变化,提供个性化的环境控制方案,优化植物生长环境,提高生产效率。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种环控设备快速调节集成方法,包括以下步骤,
采用集成传感器组,实时监测温室大棚内外的环境参数,获得室外感知数据和室内感知数据;
对室外感知数据和室内感知数据进行预处理后,计算分析获得:室内影响评估系数Yx和室外气象系数Sw;
所述室内影响评估系数Yx通过以下公式进行计算获得:
式中,T表示大棚内部的温度值,H表示空气湿度值,L表示大棚室内光照强度值,CO2表示室内二氧化碳浓度值,SoilH表示土壤湿度值,SoilT表示土壤温度值,pH表示水质的酸碱性值,DO表示水质的溶解氧含量值;其中,w1到w8分别表示对应参数的权重,用于调整不同参数对植物生长的相对重要性,由用户根据温室大棚的生成属性自行调整设置;
在大棚内部署监控拍摄器,多时序拍摄大棚内植物的图像,并通过图像识别技术,识别植物的生长阶段,包括种子阶段、幼苗阶段、生长期阶段、开花阶段、开花阶段和成熟阶段,分析计算获得生长阶段系数Sj;
通过建立深度学习模型,计算获取温室大棚内若干个植物各个阶段的生长阶段系数Sj,并匹配需要的各个阶段的生长阶段系数Sj标配的标准环境需求阈值YZ;
将当前的室内影响评估系数Yx与室外气象系数Sw进行相关联,并采集大棚相关参数计算隔离度Is,计算获得关联影响因子R,并将标准环境需求阈值YZ与室外气象系数Sw进行对比,获得环控差值Diff,并将环控差值Diff与关联影响因子R进行关联,计算获取调节浮动系数Fd系数;并依据调节浮动系数Fd内的具体参数值,集成调节当前环控设备。
优选的,所述集成传感器组包括室外感知数据传感器组和室内感知传感器组;
所述室外感知数据传感器组包括光照传感器、湿度传感器、温度传感器、气压传感器和气象监测设备;
所述室内感知传感器组包括温度传感器、湿度传感器、光照传感器、CO2传感器、土壤湿度传感器、土壤温度传感器和水质监测设备。
优选的,对室外感知数据和室内感知数据进行预处理的步骤包括:
从室外感知设备和室内感知设备中采集实时数据,并通过通信模块传输数据到数据处理***;
对采集到的数据进行清洗,去除异常值、缺失值和错误数据,确保数据的准确性和完整性;
对传感器的原始数据进行校准,根据传感器的特性和标定参数进行数据转换和修正,使其与实际环境情况更符合;对不同传感器采集的数据进行时间对齐,确保数据在时间上的一致性;对数据进行平滑处理,通过滤波算法平滑数据波动,消除噪声和抖动,得到更稳定的数据;从原始数据中提取有用的特征信息,包括日最高温度、日最低温度、平均湿度;对提取的特征数据进行标准化处理,将不同量纲的数据转换为统一的数值范围;将预处理后的数据存储到数据库中。
优选的,所述室外气象系数Sw通过以下公式计算获得:
式中,Lw表示室外光照强度值,Tout表示室外空气温度值,P表示气压值,T_outside表示大棚外部的温度值,J1、J2、J3和J4分别为对应气象参数的权重,用于调整不同参数对室外环境影响的相对重要性,由用户调整设置。
优选的,收集大量不同生长阶段植物的图像,并对这些图像进行手动标注,标注每张图像所属的生长阶段,作为训练数据;
使用采集和标注的图像数据,训练一个CNN深度学习模型,该模型将学习从图像中提取与生长阶段相关的特征;
在实时图像识别时,对从监控拍摄器获取的图像进行预处理,包括图像的尺寸调整、颜色归一化和去噪,以提高图像识别的准确性;
使用训练好的深度学习模型,对预处理后的图像进行特征提取,获取图像中与生长阶段相关的特征向量;将提取的特征向量输入到深度学习模型的生长阶段分类器中,逻辑回归模型,用于将图像分为不同的生长阶段类别;
在生长阶段分类的基础上,根据每个生长阶段的识别结果,计算对应的生长特征系数Sj。
优选的,所述生长特征系数Sj通过以下公式进行计算:
Sj=∑(Score_i*w_i)
式中:Score_i是第i个生长阶段的置信度得分或概率分布值,w_i是第i个生长阶段的权重值。
优选的,根据不同植物在各个生长阶段的理想环境要求,设定需要确定每个生长阶段的标准环境需求阈值YZ,
标准环境需求阈值YZ根据植物的生物学特性、生长要求、研究文献和专业知识进行确定;包括对于温度、湿度、光照、土壤温湿度和PH值参数。
优选的,在大棚环境中,室内影响评估系数Yx和室外气象系数Sw通过隔离度Is来进行相关联,得到关联影响因子R;所述关联影响因子R通过以下公式计算获取:
R=Is*Yx+(1-Is)*Sw
式中,hd表示大棚建筑结构的厚度值,md表示大棚材料的密度值,kj表示大棚的空间值;tf表示大棚内通风值;隔离度Is,其取值范围为0到1,其中0表示完全不隔离,室内环境与室外环境完全一致;而1表示完全隔离,室外气象对室内环境没有任何影响。
优选的,对比标准环境需求阈值YZ与室外气象系数Sw,获得环控差值Diff的公式为:
Diff=YZ-Sw
所述调节浮动系数Fd通过以下公式计算获取:
Fd=f(Diff)*R
式中,f(Diff)是根据环控差值Diff的具体参数值而定的函数,用于对Diff进行调节;函数f设置为线性函数或指数函数其中的一种,由用户调整设置;
使用计算得到的调节浮动系数Fd来调节当前的环控设备;具体的调节方法根据环境控制的需求来进行,包括调节温度、湿度、光照和水质调节参数,以使环境与植物的生长需求更加匹配。
优选的,所述隔离度Is还包括通过以下步骤进行评估获得,依据大棚内外温度的变化和传热特性,通过传热分析来计算隔离度Is,采用风洞实验模拟大棚内外风场的流动情况,获得风速和风向数据,结合大棚材料的热传导数据、辐射数据以及大棚内外的温度梯度,测量大棚材料的可见光透光率,参照以上数据,通过以下公式进行计算隔离度Is:
Is=α*(T-T_outside)/(hd*A)+β*V+γ*fs+δ*VLT
式中,α表示与大棚材料的热传导特性和温度梯度相关的系数,T表示大棚内部的温度值,T_outside表示大棚外部的温度值,hd表示大棚建筑结构的厚度值,A表示大棚材料的表面积,β表示与风洞实验模拟风场流动情况中风速和风向相关的系数值,V表示风速数据值,γ表示与大棚材料的可见光透光率相关的系数值,fs表示大棚材料的辐射数据值,δ表示与大棚材料的热辐射特性相关的系数值,VLT表示大棚材料的可见光透光率。
(三)有益效果
本发明提供了一种环控设备快速调节集成方法。具备以下有益效果:
(1)该一种环控设备快速调节集成方法,通过采用集成传感器组,实时监测温室大棚内外的环境参数,并对感知数据进行预处理和分析,***能够自动获取室内影响评估系数Yx和室外气象系数Sw。这些数据和系数能够帮助农户实时掌握大棚环境的状态,以提供植物最适宜的生长条件。通过个性化设置权重,灵活调整环境控制策略,实现了智能化的环境调节,满足不同植物生长阶段的需求,提供量身定制的种植环境。
(2)该一种环控设备快速调节集成方法,通过在大棚内部署监控拍摄器,多时序拍摄大棚内植物的图像,并通过深度学习模型进行生长阶段的识别,可以实现自动判断植物的生长阶段,无需人工干预,提高了生长阶段系数Sj的准确性和效率。借助深度学习模型的自动化处理,能够提供准确的生长阶段系数Sj,为后续的环境调节提供可靠的参数
(3)该一种环控设备快速调节集成方法,通过计算隔离度Is,并将标准环境需求阈值YZ与室外气象系数Sw进行对比,获得环控差值Diff,并利用调节浮动系数Fd综合考虑环境和隔离度因素,实现环境调节的智能化。该方法能够综合考虑内外环境的影响,精确地调节当前环控设备,使得环境控制更加自适应,提供更符合植物生长需求的环境。这样的智能化环境调节有助于降低外部气象条件对植物生长的影响,提高生产的稳定性和可靠性,从而有效地提高植物的生长效率和产量。
附图说明
图1为本发明一种环控设备快速调节集成方法步骤流程示意图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例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表示本发明一部分实施例,而不表示全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,温室大棚的环境控制对于植物的生长和产量有着至关重要的影响。然而,传统的温室大棚环控设备存在一些缺陷和问题。传统设备通常仅通过单一或少数传感器监测环境参数,难以全面了解温室内外环境的变化。同时,传统设备的调节速度较慢,无法及时响应植物生长的需求变化。此外,针对不同植物的特殊需求,传统设备的参数调节不够灵活,无法个性化满足不同植物的生长要求。
实施例1
本发明提供一种环控设备快速调节集成方法,请参照图1,包括以下步骤,
采用集成传感器组,实时监测温室大棚内外的环境参数,获得室外感知数据和室内感知数据;
对室外感知数据和室内感知数据进行预处理后,计算分析获得:室内影响评估系数Yx和室外气象系数Sw;这些数据和系数可以帮助农户实时掌握大棚环境的状态,及时调整环境参数,提供植物最适宜的生长条件,从而提高植物的生长效率和产量。
所述室内影响评估系数Yx通过以下公式进行计算获得:
式中,T表示大棚内部的温度值,H表示空气湿度值,L表示大棚室内光照强度值,CO2表示室内二氧化碳浓度值,SoilH表示土壤湿度值,SoilT表示土壤温度值,pH表示水质的酸碱性值,DO表示水质的溶解氧含量值;其中,w1到w8分别表示对应参数的权重,用于调整不同参数对植物生长的相对重要性,由用户根据温室大棚的生成属性自行调整设置;通过用户根据温室大棚的生成属性自行调整设置室内影响评估系数Yx中不同参数的权重,实现个性化的环境控制。不同植物对温度、湿度、光照等环境参数有着不同的需求,在***中可以根据用户设定的权重,灵活调整控制策略,以满足不同植物生长阶段的需求,提供量身定制的种植环境。
在大棚内部署监控拍摄器,多时序拍摄大棚内植物的图像,并通过图像识别技术,识别植物的生长阶段,包括种子阶段、幼苗阶段、生长期阶段、开花阶段、开花阶段和成熟阶段,分析计算获得生长阶段系数Sj;
通过建立深度学习模型,计算获取温室大棚内若干个植物各个阶段的生长阶段系数Sj,借助深度学习模型,能够自动判断植物的生长阶段,无需人工干预,提高了生长阶段系数的准确性和效率。并匹配需要的各个阶段的生长阶段系数Sj标配的标准环境需求阈值YZ;
将当前的室内影响评估系数Yx与室外气象系数Sw进行相关联,并采集大棚相关参数计算隔离度Is,计算获得关联影响因子R,并将标准环境需求阈值YZ与室外气象系数Sw进行对比,获得环控差值Diff,并将环控差值Diff与关联影响因子R进行关联,计算获取调节浮动系数Fd系数;并依据调节浮动系数Fd内的具体参数值,集成调节当前环控设备。利用调节浮动系数Fd来综合考虑环境和隔离度Is因素,实现环境调节的智能化。环境参数和控制设备之间的关联和调节,使得环境控制更加自适应,提供更加符合植物生长需求的环境。
本实施例中,通过对室外气象系数Sw的实时监测和环控差值Diff的计算,及时发现和处理外部环境的变化,保持温室大棚内的稳定环境。这有助于降低外部气象条件对植物生长的影响,提高生产的稳定性和可靠性。该环控设备快速调节集成方法为温室大棚提供智能化、个性化的环境控制方案,能够有效提高植物的生长效率和产量,同时优化种植环境,为温室农业提供更加高效、智能化的解决方案。
实施例2,本实施例是在实施例1中进行的解释说明,具体的,所述集成传感器组包括室外感知数据传感器组和室内感知传感器组;
所述室外感知数据传感器组包括光照传感器、湿度传感器、温度传感器、气压传感器和气象监测设备;
所述室内感知传感器组包括温度传感器、湿度传感器、光照传感器、CO2传感器、土壤湿度传感器、土壤温度传感器和水质监测设备。
本实施例中,集成传感器组实时监测温室大棚内外的环境参数,可以及时获得大量的感知数据。这些数据能够通过通信模块传输到数据处理***,实现数据的实时采集和传输。实时监测和数据采集的优势在于,及时掌握大棚内外环境的变化,使得环境控制更加精准和灵活。
实施例3,本实施例是在实施例1中进行的解释说明,具体的,对室外感知数据和室内感知数据进行预处理的步骤包括:
从室外感知设备和室内感知设备中采集实时数据,并通过通信模块传输数据到数据处理***;
对采集到的数据进行清洗,去除异常值、缺失值和错误数据,确保数据的准确性和完整性;
对传感器的原始数据进行校准,根据传感器的特性和标定参数进行数据转换和修正,使其与实际环境情况更符合;对不同传感器采集的数据进行时间对齐,确保数据在时间上的一致性;对数据进行平滑处理,通过滤波算法平滑数据波动,消除噪声和抖动,得到更稳定的数据;从原始数据中提取有用的特征信息,包括日最高温度、日最低温度、平均湿度;对提取的特征数据进行标准化处理,将不同量纲的数据转换为统一的数值范围;将预处理后的数据存储到数据库中。
本实施例中,对室外感知数据和室内感知数据进行预处理的步骤能够确保数据的准确性、稳定性和一致性,为后续的环境控制和调节提供可靠的数据支持,有助于优化温室大棚的种植环境,提高植物的生长效率和产量。
实施例4,本实施例是在实施例1中进行的解释说明,具体的,所述室外气象系数Sw通过以下公式计算获得:
式中,Lw表示室外光照强度值,Tout表示室外空气温度值,P表示气压值,T_outside表示大棚外部的温度值,J1、J2、J3和J4分别为对应气象参数的权重,用于调整不同参数对室外环境影响的相对重要性,由用户调整设置。
本实施例中,该公式包含了室外光照强度、空气温度、气压等多个重要气象参数,这些参数都对温室大棚内植物的生长和环境影响至关重要;该公式的设计具有一定的灵活性和适应性,因为不同温室大棚可能面临不同的气象条件和环境要求,通过调整参数和权重,可以更好地适应不同的种植环境和植物需求;室外气象系数Sw的计算公式能够综合考虑多个气象参数的影响,通过权重调整使得其更贴合实际情况,为温室大棚的环境控制和调节提供有益的指导和支持。
实施例5,本实施例是在实施例1中进行的解释说明,具体的,收集大量不同生长阶段植物的图像,并对这些图像进行手动标注,标注每张图像所属的生长阶段,作为训练数据;
使用采集和标注的图像数据,训练一个CNN深度学习模型,该模型将学习从图像中提取与生长阶段相关的特征;
在实时图像识别时,对从监控拍摄器获取的图像进行预处理,包括图像的尺寸调整、颜色归一化和去噪,以提高图像识别的准确性;
使用训练好的深度学习模型,对预处理后的图像进行特征提取,获取图像中与生长阶段相关的特征向量;将提取的特征向量输入到深度学习模型的生长阶段分类器中,逻辑回归模型,用于将图像分为不同的生长阶段类别;
在生长阶段分类的基础上,根据每个生长阶段的识别结果,计算对应的生长特征系数Sj。
本实施例中,采用深度学习模型进行植物生长阶段识别和计算生长特征系数Sj的方法,具有高准确性、自动化处理、实时性以及个性化调整等有益效果,可以为温室大棚中植物的生长管理提供有力支持。
实施例6,本实施例是在实施例5中进行的解释说明,具体的,所述生长特征系数Sj通过以下公式进行计算:
Sj=∑(Score_i*w_i)
式中:Score_i是第i个生长阶段的置信度得分或概率分布值,w_i是第i个生长阶段的权重值。
本实施例中,生长特征系数Sj综合考虑了多个生长阶段的置信度得分或概率分布,并将其与相应的权重值相乘,从而得到一个综合的生长特征系数。这样的综合考虑使得结果更加全面,能够更好地反映植物在不同生长阶段的生长状况。通过使用深度学习模型进行植物生长阶段识别,可以提高生长阶段的识别准确性。而将置信度得分或概率分布与权重值相乘的方式,能够更精确地计算出生长特征系数Sj,为环境调节和控制提供更可靠的参数依据。通过上述公式计算生长特征系数Sj的方法具有灵活性、综合考虑、高度可定制和准确性的有益效果。
实施例7,本实施例是在实施例1中进行的解释说明,具体的,根据不同植物在各个生长阶段的理想环境要求,设定需要确定每个生长阶段的标准环境需求阈值YZ,这样的个性化设置可以确保每个生长阶段都得到符合植物需求的环境条件,提高植物的生长效率和品质。
标准环境需求阈值YZ根据植物的生物学特性、生长要求、研究文献和专业知识进行确定;包括对于温度、湿度、光照、土壤温湿度和PH值参数。
在大棚环境中,室内影响评估系数Yx和室外气象系数Sw通过隔离度Is来进行相关联,得到关联影响因子R;所述关联影响因子R通过以下公式计算获取:
R=Is*Yx+(1-Is)*Sw
式中,hd表示大棚建筑结构的厚度值,md表示大棚材料的密度值,kj表示大棚的空间值;tf表示大棚内通风值;隔离度Is,其取值范围为0到1,其中0表示完全不隔离,室内环境与室外环境完全一致;而1表示完全隔离,室外气象对室内环境没有任何影响。这样的综合考虑将室内和室外的环境因素结合起来,更全面地评估大棚内部的环境状况。
对比标准环境需求阈值YZ与室外气象系数Sw,获得环控差值Diff的公式为:
Diff=YZ-Sw
所述调节浮动系数Fd通过以下公式计算获取:
Fd=f(Diff)*R
式中,f(Diff)是根据环控差值Diff的具体参数值而定的函数,用于对Diff进行调节;函数f设置为线性函数或指数函数其中的一种,由用户调整设置;
使用计算得到的调节浮动系数Fd来调节当前的环控设备;具体的调节方法根据环境控制的需求来进行,包括调节温度、湿度、光照和水质调节参数,以使环境与植物的生长需求更加匹配。
本实施例中,采用上述方法和公式进行环控设备快速调节集成,可以实现个性化环境调节、综合考虑内外环境、精确的环控调节和自动化控制,从而有效地提高温室大棚内植物的生长效率和产量,为农业生产提供有益效果。
实施例8,本实施例是在实施例7中进行的解释说明,具体的,所述隔离度Is还包括通过以下步骤进行评估获得,依据大棚内外温度的变化和传热特性,通过传热分析来计算隔离度Is,采用风洞实验模拟大棚内外风场的流动情况,获得风速和风向数据,结合大棚材料的热传导数据、辐射数据以及大棚内外的温度梯度,测量大棚材料的可见光透光率,参照以上数据,通过以下公式进行计算隔离度Is:
Is=α*(T-T_outside)/(hd*A)+β*V+γ*fs+δ*VLT
式中,α表示与大棚材料的热传导特性和温度梯度相关的系数,T表示大棚内部的温度值,T_outside表示大棚外部的温度值,hd表示大棚建筑结构的厚度值,A表示大棚材料的表面积,β表示与风洞实验模拟风场流动情况中风速和风向相关的系数值,V表示风速数据值,γ表示与大棚材料的可见光透光率相关的系数值,fs表示大棚材料的辐射数据值,δ表示与大棚材料的热辐射特性相关的系数值,VLT表示大棚材料的可见光透光率。
本实施例中,对隔离度Is采用另一种公式计算方法,相比较实施例7,更加全面,通过以上步骤和公式进行隔离度Is的评估计算,可以综合考虑传热特性、风速和风向、材料特性和辐射数据以及可见光透光率等因素,提高隔离度计算的准确性,为温室大棚的环境调控提供有益效果。这样的环境调控有益于植物生长的优化和提高温室农业的产量和质量。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神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,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种环控设备快速调节集成方法,其特征在于:包括以下步骤,
采用集成传感器组,实时监测温室大棚内外的环境参数,获得室外感知数据和室内感知数据;
对室外感知数据和室内感知数据进行预处理后,计算分析获得:室内影响评估系数Yx和室外气象系数Sw;
所述室内影响评估系数Yx通过以下公式进行计算获得:
式中,T表示大棚内部的温度值,H表示空气湿度值,L表示大棚室内光照强度值,CO2表示室内二氧化碳浓度值,SoilH表示土壤湿度值,SoilT表示土壤温度值,pH表示水质的酸碱性值,DO表示水质的溶解氧含量值;其中,w1到w8分别表示对应参数的权重,用于调整不同参数对植物生长的相对重要性,由用户根据温室大棚的生成属性自行调整设置;
在大棚内部署监控拍摄器,多时序拍摄大棚内植物的图像,并通过图像识别技术,识别植物的生长阶段,包括种子阶段、幼苗阶段、生长期阶段、开花阶段、开花阶段和成熟阶段,分析计算获得生长阶段系数Sj;
通过建立深度学习模型,计算获取温室大棚内若干个植物各个阶段的生长阶段系数Sj,并匹配需要的各个阶段的生长阶段系数Sj标配的标准环境需求阈值YZ;
将当前的室内影响评估系数Yx与室外气象系数Sw进行相关联,并采集大棚相关参数计算隔离度Is,计算获得关联影响因子R,并将标准环境需求阈值YZ与室外气象系数Sw进行对比,获得环控差值Diff,并将环控差值Diff与关联影响因子R进行关联,计算获取调节浮动系数Fd系数;并依据调节浮动系数Fd内的具体参数值,集成调节当前环控设备。
2.根据权利要求1所述的一种环控设备快速调节集成方法,其特征在于:所述集成传感器组包括室外感知数据传感器组和室内感知传感器组;
所述室外感知数据传感器组包括光照传感器、湿度传感器、温度传感器、气压传感器和气象监测设备;
所述室内感知传感器组包括温度传感器、湿度传感器、光照传感器、CO2传感器、土壤湿度传感器、土壤温度传感器和水质监测设备。
3.根据权利要求1所述的一种环控设备快速调节集成方法,其特征在于:对室外感知数据和室内感知数据进行预处理的步骤包括:
从室外感知设备和室内感知设备中采集实时数据,并通过通信模块传输数据到数据处理***;
对采集到的数据进行清洗,去除异常值、缺失值和错误数据,确保数据的准确性和完整性;
对传感器的原始数据进行校准,根据传感器的特性和标定参数进行数据转换和修正,使其与实际环境情况更符合;对不同传感器采集的数据进行时间对齐,确保数据在时间上的一致性;对数据进行平滑处理,通过滤波算法平滑数据波动,消除噪声和抖动,得到更稳定的数据;从原始数据中提取有用的特征信息,包括日最高温度、日最低温度、平均湿度;对提取的特征数据进行标准化处理,将不同量纲的数据转换为统一的数值范围;将预处理后的数据存储到数据库中。
4.根据权利要求1所述的一种环控设备快速调节集成方法,其特征在于:所述室外气象系数Sw通过以下公式计算获得:
式中,Lw表示室外光照强度值,Tout表示室外空气温度值,P表示气压值,T_outside表示大棚外部的温度值,J1、J2、J3和J4分别为对应气象参数的权重,用于调整不同参数对室外环境影响的相对重要性,由用户调整设置。
5.根据权利要求1所述的一种环控设备快速调节集成方法,其特征在于:收集大量不同生长阶段植物的图像,并对这些图像进行手动标注,标注每张图像所属的生长阶段,作为训练数据;
使用采集和标注的图像数据,训练一个CNN深度学习模型,该模型将学习从图像中提取与生长阶段相关的特征;
在实时图像识别时,对从监控拍摄器获取的图像进行预处理,包括图像的尺寸调整、颜色归一化和去噪,以提高图像识别的准确性;
使用训练好的深度学习模型,对预处理后的图像进行特征提取,获取图像中与生长阶段相关的特征向量;将提取的特征向量输入到深度学习模型的生长阶段分类器中,逻辑回归模型,用于将图像分为不同的生长阶段类别;
在生长阶段分类的基础上,根据每个生长阶段的识别结果,计算对应的生长特征系数Sj。
6.根据权利要求5所述的一种环控设备快速调节集成方法,其特征在于:所述生长特征系数Sj通过以下公式进行计算:
Sj=∑(Score_i*w_i)
式中:Score_i是第i个生长阶段的置信度得分或概率分布值,w_i是第i个生长阶段的权重值。
7.根据权利要求1所述的一种环控设备快速调节集成方法,其特征在于:根据不同植物在各个生长阶段的理想环境要求,设定需要确定每个生长阶段的标准环境需求阈值YZ,
标准环境需求阈值YZ根据植物的生物学特性、生长要求、研究文献和专业知识进行确定;包括对于温度、湿度、光照、土壤温湿度和PH值参数。
8.根据权利要求1所述的一种环控设备快速调节集成方法,其特征在于:在大棚环境中,室内影响评估系数Yx和室外气象系数Sw通过隔离度Is来进行相关联,得到关联影响因子R;所述关联影响因子R通过以下公式计算获取:
R=Is*Yx+(1-Is)*Sw
式中,hd表示大棚建筑结构的厚度值,md表示大棚材料的密度值,kj表示大棚的空间值;tf表示大棚内通风值;隔离度Is,其取值范围为0到1,其中0表示完全不隔离,室内环境与室外环境完全一致;而1表示完全隔离,室外气象对室内环境没有任何影响。
9.根据权利要求8所述的一种环控设备快速调节集成方法,其特征在于:对比标准环境需求阈值YZ与室外气象系数Sw,获得环控差值Diff的公式为:
Diff=YZ-Sw
所述调节浮动系数Fd通过以下公式计算获取:
Fd=f(Diff)*R
式中,f(Diff)是根据环控差值Diff的具体参数值而定的函数,用于对Diff进行调节;函数f设置为线性函数或指数函数其中的一种,由用户调整设置;
使用计算得到的调节浮动系数Fd来调节当前的环控设备;具体的调节方法根据环境控制的需求来进行,包括调节温度、湿度、光照和水质调节参数,以使环境与植物的生长需求更加匹配。
10.根据权利要求1所述的一种环控设备快速调节集成方法,其特征在于:所述隔离度Is还包括通过以下步骤进行评估获得,依据大棚内外温度的变化和传热特性,通过传热分析来计算隔离度Is,采用风洞实验模拟大棚内外风场的流动情况,获得风速和风向数据,结合大棚材料的热传导数据、辐射数据以及大棚内外的温度梯度,测量大棚材料的可见光透光率,参照以上数据,通过以下公式进行计算隔离度Is:
Is=α*(T-T_outside)/(hd*A)+β*V+γ*fs+δ*VLT
式中,α表示与大棚材料的热传导特性和温度梯度相关的系数,T表示大棚内部的温度值,T_outside表示大棚外部的温度值,hd表示大棚建筑结构的厚度值,A表示大棚材料的表面积,β表示与风洞实验模拟风场流动情况中风速和风向相关的系数值,V表示风速数据值,γ表示与大棚材料的可见光透光率相关的系数值,fs表示大棚材料的辐射数据值,δ表示与大棚材料的热辐射特性相关的系数值,VLT表示大棚材料的可见光透光率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310955569.2A CN116954291A (zh) | 2023-07-31 | 2023-07-31 | 一种环控设备快速调节集成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310955569.2A CN116954291A (zh) | 2023-07-31 | 2023-07-31 | 一种环控设备快速调节集成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116954291A true CN116954291A (zh) | 2023-10-27 |
Family
ID=88452741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310955569.2A Pending CN116954291A (zh) | 2023-07-31 | 2023-07-31 | 一种环控设备快速调节集成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116954291A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117250161A (zh) * | 2023-11-17 | 2023-12-19 | 黑龙江省农业科学院黑河分院 | 一种大豆耐盐碱鉴定池的实时监测*** |
CN117970988A (zh) * | 2024-04-01 | 2024-05-03 | 深圳市光脉电子有限公司 | 一种激光器元件加工环境的控制方法及相关设备 |
CN118095664A (zh) * | 2024-04-28 | 2024-05-28 | 济南城建集团有限公司 | 一种海绵型高架桥生态集水***及方法 |
CN118077450A (zh) * | 2024-03-18 | 2024-05-28 | 未来智农(北京)科技有限公司 | 一种基于无线组网的植物生长灯光谱调节*** |
-
2023
- 2023-07-31 CN CN202310955569.2A patent/CN116954291A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117250161A (zh) * | 2023-11-17 | 2023-12-19 | 黑龙江省农业科学院黑河分院 | 一种大豆耐盐碱鉴定池的实时监测*** |
CN117250161B (zh) * | 2023-11-17 | 2024-02-13 | 黑龙江省农业科学院黑河分院 | 一种大豆耐盐碱鉴定池的实时监测*** |
CN118077450A (zh) * | 2024-03-18 | 2024-05-28 | 未来智农(北京)科技有限公司 | 一种基于无线组网的植物生长灯光谱调节*** |
CN117970988A (zh) * | 2024-04-01 | 2024-05-03 | 深圳市光脉电子有限公司 | 一种激光器元件加工环境的控制方法及相关设备 |
CN118095664A (zh) * | 2024-04-28 | 2024-05-28 | 济南城建集团有限公司 | 一种海绵型高架桥生态集水***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116954291A (zh) | 一种环控设备快速调节集成方法 | |
KR101852987B1 (ko) | 고부가가치 버섯재배를 위한 모듈형 식물공장시스템 | |
CN116649160B (zh) | 食用菌菌种生产监测***及监测方法 | |
CN111476149A (zh) | 一种植物培育控制方法和*** | |
CN114442705B (zh) | 一种基于物联网的智慧农业***及控制方法 | |
CN113192026A (zh) | 一种基于可见光图像的核桃成熟度检测与预测方法 | |
CN111553806B (zh) | 基于低功耗传感器和Boost模型的自适应作物管理***及方法 | |
CN112465109A (zh) | 一种基于云边协同的农业大棚控制装置 | |
CN117148902B (zh) | 智能化菌棒生长环境自适应控制***及方法 | |
CN117391482B (zh) | 一种基于大数据监测的大棚温度智能预警方法及*** | |
CN115294518B (zh) | 一种园艺植物温室精准栽培的智能监控方法及*** | |
CN113545280B (zh) | 一种基于植株萎蔫程度进行精准灌溉的***及方法 | |
CN116452358B (zh) | 基于物联网的智慧农业管理*** | |
US20230309464A1 (en) | Method and apparatus for automated crop recipe optimization | |
CN117475429A (zh) | 基于草菇生物特性关键环境参数的控制方法以及装置 | |
CN117115813A (zh) | 基于深度相机的秧苗实时评价体系及方法 | |
CN111869532A (zh) | 一种兰花自动化培植***及培植方法 | |
KR20240012288A (ko) | 학습 알고리즘 기능을 갖춘 스마트팜 시스템 | |
CN116579873A (zh) | 基于高温干旱气象评估作物灾害减产情况的方法及*** | |
CN116578047A (zh) | 一种用于辣椒生产的精细化智能控制方法及*** | |
US20220079125A1 (en) | Holding Tank Monitoring System Based On Wireless Sensor Network And Monitoring Method | |
CN116818002A (zh) | 一种基于大数据的智慧农业种植监控*** | |
CN115171036A (zh) | 一种智能农业大棚的植物管理控制方法和*** | |
CA3127938A1 (en) | Holding tank monitoring system based on wireless sensor network and monitoring method | |
CN111640039A (zh) | 一种设施蔬菜病害防治推荐***及方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20231027 |