CN105230447B - 番茄灌溉智能控制系统 - Google Patents

Abstract

本发明公开了一种番茄灌溉智能控制系统，所述系统由番茄生长环境土壤水分采集与控制平台和番茄生长环境土壤水分智能控制系统组成。本发明针对番茄生长环境土壤水分参数变化具有非线性、大时滞、大惯性和时变性的特点以及难以精确检测与控制的难题，设计了一种基于无线传感器网络的番茄生长环境土壤水分智能控制系统，该系统由番茄生长环境土壤水分采集与控制平台和番茄生长环境土壤水分智能控制系统实现对被控制番茄生长环境土壤水分进行检测、智能控制与管理的智能监控系统，实现对番茄生长环境土壤水分的高质高效调控来提高番茄品质与种植户经济效益的要求，该系统具有广阔应用前景和巨大的推广价值。

Description

番茄灌溉智能控制系统

技术领域

本发明属于番茄生长环境土壤水分调节的智能控制领域，具体涉及一种番茄灌溉智能控制系统，实现对番茄生长环境土壤水分的检测、控制和管理。

背景技术

我国蔬菜生产基本上还处于追求产量的初级阶段，农民依靠肥和水的大量投入追求作物的高产和高效益；但这极易使蔬菜品质降低和风味下降。根系是植物吸收肥水的主要器官，又是多种物质同化、转化和合成的器官。因此，根的生长情况及其活动能力直接影响植物体的生长情况、营养状况和产量水平。而根系的生长发育及其活动能力又直接或间接地受到土壤条件的影响，如作物根系活动层土壤的湿度、温度、营养物质和有毒物质含量和土壤紧实度等都是作物根系生长的重要影响因子。在诸多影响因子中，水分的作用十分重要；植物根不能穿过干土层而生长这一事实说明，水分对根的生长是必不可少的。根际土壤中水分含量适中，通气良好，不仅有利于植物根系的生长，也有利于土壤有机质的矿化和土壤微生物的活动，而营养物质可利用性的提高，植物根系生长良好，必然促进植物对土壤水分的吸收。滴灌为植物根系提供了良好的生长发育环境，植株根系较沟灌发育得好，根系活力强，增强了根系的吸收能力。由于番茄地下部分与地上部分生长的相关性，根系吸收功能增强，直接反馈于地上部，使植株营养生长旺盛，为后期产量的形成提供了物质基础。苗期重度亏缺、开花和果实膨大期轻度亏缺，结果期不亏缺的灌水处理可以获得最佳的产量和水分利用效率。番茄采收期长达4 个月，营养生长和生殖生长并存，不同穗果开花、坐果及成熟期重叠， 苗期水分亏缺不能持续影响结果期果实品质，必须考虑结果期进行亏缺处理以调节果实品质。亏缺灌溉提高了番茄果实中可溶性糖及有机酸的含量，但产量有不同程度的下降，在亏缺灌溉条件下，由于水分吸收受到影响，会使植株体内含水量降低，干物质积累增加。减少灌水影响番茄植株叶片的生长发育，降低其干物质质量，但根系的干质量及其占全株干质量的比例是随着土壤水分的减少，呈增加趋势，说明亏缺灌溉有利于根系的生长。土壤水分影响果实中的干物质分配，尤其是严重水分胁迫的处理，对产量的影响最大。在生产中应用，既保证产量不降低过多，又兼顾了果实品质，是较好的处理。为进一步降低对产量的影响，生产上应选择适当进行水分胁迫的时间，并减小胁迫的程度，做到既保证产量不降低过多，又兼顾果实品质。随着灌水次数的减少，灌水间隔期的加长，两个番茄品种果实中可溶性糖、有机酸及糖酸比均呈增加趋势，由此可见，亏缺灌溉提高了番茄果实的品质及口感，而且水分亏缺越严重，效果越明显。水分亏缺可以提高品质，但却伴随着番茄产量的降低，因而如何在结果期进行水分亏缺调控，使其既不影响产量又能够改善果实品质是今后进一步研究的重点。

因此要及时发现番茄生长环境土壤水分值的异常，应清楚的了解异常的原因，再针对性的解决，做到标本兼治。及时调节生长环境土壤水分值达到番茄生长的适范围，提高番茄质量和增加产量，提高种植经济效益。国内学者纷纷开展对番茄生长环境的土壤水分进行进行调控的研究，陈辉研究了基于ZigBee与GPRS的温室番茄远程智能灌溉系统，设计了模糊控制策略对温室番茄进行适时适量的灌溉；张胜研究了基于ZigBee无线传感网和模糊控制的温室番茄智能灌溉系统，分析了现有灌溉模型的不足和影响温室番茄灌溉的关键环境因子，在考虑调亏灌溉、模糊控制和无线传感网络通信特点的基础上，提出了一种由两个模块协作的智能灌溉策略。但是这些方法实时性差和控制精度低，没有根据番茄各个生长阶段对土壤水分的需要和土壤水分变化的非线性、大滞后和大惯性等特点，采取有效的调控手段，因此，提高番茄生长环境土壤水分调节的可靠性、鲁棒性和准确性是十分必要的，由于国内在对番茄生长环境土壤水分进行高质高效控制还一片空白，本专利基于此原因发明番茄灌溉智能控制系统。

发明内容

本发明的目的是提供一种番茄灌溉的智能控制系统，本发明针对番茄各个生长阶段对土壤水分的需要和番茄生长环境土壤水分变化非线性、大惯性、大时滞以及时变性的特点，设计了一种番茄灌溉智能控制系统，该系统由番茄生长环境土壤水分采集与控制平台、基于多模型的内模—智能串级番茄生长环境土壤水分控制系统和基于遗传算法的番茄水分设定专家系统3部分组成，形成对番茄生长地水分的检测、智能控制与管理的番茄生长过程土壤水分的监控。

1）、番茄生长环境土壤水分采集与控制平台：包括番茄生长环境土壤水分的检测节点1、控制节点2、网关3和现场监控端4，通过节点间的自组织方式构建成番茄生长环境土壤水分的测控网络，检测节点1负责检测番茄生长环境土壤水分的实际值并通过测控网络上传给现场监控端4，现场监控端4和控制节点2通过对调节阀开度的调节实现对番茄生长环境土壤水分的智能化控制，现场监控端4负责对番茄生长环境土壤水分的智能控制与管理；番茄生长环境土壤水分采集与控制平台见图1。

2）、根据番茄生长环境土壤水分的非线性、大惯性、大时滞及时变性的特点，在现场监控端4和控制节点2中设计基于多模型的内模—智能串级番茄生长环境土壤水分控制系统来提高番茄生长环境土壤水分控制系统的稳定性、水分控制精度和响应速度，该控制系统见图5下半部分。

基于多模型的内模—智能串级番茄生长环境土壤水分控制系统包括包括模糊支持向量机控制器、PID神经网络、遗传算法、多个SVM预测模型和基于灰色关联度的数据融合模型组成，由现场监控端4的模糊支持向量机控制器作为主调节器与控制节点2的PID神经网络副调节器构成串级控制系统，在现场监控端4设计遗传算法对模糊支持向量机控制器的参数进行在线优化，以使其控制性能适应对象的变化而达到最优，使模糊支持向量机控制器进行控制的收敛速度快、动态响应好、鲁棒性强、超调小、控制精度高和稳定性好；由于番茄生长环境土壤水分作为被控对象具有非线性、大惯性、大时滞和时变性的特性和空间大的特点，在现场监控端4设计多个土壤水分的SVM预测模型和基于灰色关联度的数据融合模型与串级控制形成内模控制，多个SVM预测模型预测番茄生长环境土壤水分的未来值，通过与监测点实际值运算后得到被监控点水分的误差，经过基于灰色关联度的数据融合模型的运算得到被监控番茄生长环境土壤水分误差，该误差作为串级控制的反馈值形成基于多模型的内模—智能串级番茄生长环境土壤水分控制系统，提高番茄生长环境土壤水分控制的抗干扰性和鲁棒性，来确保番茄生长环境土壤水分的稳定，有效抑制外部环境对番茄生长环境土壤水分的影响，确保番茄生长环境土壤水分的稳定性和准确性，基于多模型的内模—智能串级番茄生长环境土壤水分控制系统见图5下半部分。

该基于多模型的内模—智能串级番茄生长环境土壤水分控制系统解决番茄生长环境土壤水分的非线性、大惯性、大滞后和时变性的控制难题，实现对番茄生长环境土壤水分的自适应超前调节，可以有效避免番茄生长环境土壤水分的控制过程中带来波动，提高系统的鲁棒性，实验结果证明该系统适应性强，稳定性好，响应速度和控制精度均满足系统要求，对于解决番茄生长环境土壤水分由于非线性严重、滞后性和时变性而导致控制困难的问题具有较强的针时性。

3）、基于遗传算法的番茄水分设定专家系统由遗传算法、基于支持向量机的番茄生长过程土壤水分模型、生长标准、生长阶段和数据库组成，系统采用遗传算法优化番茄生长过程中理想的土壤水分值，它作为番茄灌溉智能控制系统水分目标值，提高番茄灌溉智能控制系统水分目标参数设定的可靠性与科学性，专家系统的原理见图5上半部分。

本发明专利与现有技术相比，具有以下明显优点：

1）、本发明专利设计一种基于最小二乘算法的模糊支持向量机(LS-SVM)控制器作为主调节器，模糊控制(FC)是一种仿人思维的智能化非线性控制技术，它不依赖被控对象模型、鲁棒性强，已得到广泛应用，但传统的模糊控制所依赖的控制规则缺乏在线自学习能力，不适应被控对象变化的需要，严重影响控制效果；SVM 技术的出现为自适应FC 的设计提供了新的方法，它可实现隶属函数的优化和模糊推理，从而设计模糊支持向量机(FSVM)控制系统。该控制器融合了支持向量机和模糊技术两者的优点，它既有支持向量机的具有SVM小样本学习、泛化能力强、全局最优等优点，又有模糊技术的不依赖被控对象模型和鲁棒性强的特点。

2）、针对被灌溉番茄生长环境土壤水分的大惯性、大迟延、时变和多干扰的特点，利用遗传算法来在线优化支持向量机性能参数和模糊比例因子，以使其控制性能适应对象的变化而达到最优，使模糊支持向量机控制器进行控制的收敛速度快、动态响应好、鲁棒性强、超调小、控制精度高和稳定性好，满足了被控制环境水分变化过程的控制要求，实现了番茄生长环境土壤水分的智能控制。试验表明这种控制器具有良好的控制效果，而且能够较好地抵消多种干扰的影响。

3）、针对被灌溉番茄生长环境土壤水分的大惯性、大迟延、时变和多干扰的特点，设计了现场监控端4的模糊支持向量机控制器作为主调节器与控制节点2的PID神经网络副调节器构成串级控制系统，多个执行机构的PID神经网络副调节器是根据模糊支持向量机控制器的主调节器输出来调整番茄生长环境土壤水分电动阀开度的随动系统，多个副调节器回路已经尽可能把被控过程中对番茄生长环境土壤水分影响变化剧烈、频繁和幅度大的主要扰动包括在副调节器回路中，这些副调节器回路对包含在其中影响整番茄生长环境土壤水分的二次扰动具有很强的抑制能力和自适应能力，二次扰动通过模糊支持向量机控制器主调节器回路和副调节器回路的调节对主被控量番茄生长环境土壤水分的影响很小，所以番茄生长环境土壤水分变化幅度小和稳定，系统能够快速响应番茄生长环境土壤水分的要求，提高响应速度、控制精度和提高系统的稳定性。

4）、根据番茄生长环境土壤水分作为被控对象具有非线性、大惯性、大时滞和时变性的特性和空间大的特点，设计多个SVM预测模型预测多个监控点番茄生长环境土壤水分的未来值，通过和实际监测值运算后得到被控制点水分的误差，经过基于灰色关联度的数据融合模型的运算得到被控制环境水分误差，该误差作为串级控制的反馈值形成基于多模型的内模—智能串级番茄生长环境土壤水分控制系统。采用多模型自适应内模控制在响应快速性、稳定性和鲁棒性方面都优于单模型的内模控制，多模型内模控制系统动态性能比采用单模型内模控制的控制效果更好，且工作状态发生大范围变化时，控制系统具有较强的鲁棒性和抗干扰性，同时该方法简单易于工程实现，具有较好的实际应用价值。

5）、针对被灌溉番茄环境土壤水分的大惯性、大迟延、时变、多干扰的特点，将内模控制与串级控制相结合，设计了基于多模型的内模—智能串级番茄生长环境土壤水分控制系统，充分发挥内模控制克服时间滞后方面的优良特性和串级控制良好的抗干扰性，设计了基于多模型的内模—智能串级番茄生长环境土壤水分控制系统，该系统实现了内模控制与串级控制方法的有机结合，充分发挥了串级控制系统的抗扰性强，内模控制鲁棒性好的特点，理论研究和实践应用表明系统响应快和良好的抗扰性与鲁棒性。

6）、系统采用基于遗传算法的水分设定专家系统来确定被控制番茄生长环境土壤水分的目标值，构建了基于支持向量机的番茄生长过程土壤水分模型，提高了控制系统确定番茄生长各个阶段设定水分理想值的可靠性和科学性。

7）、本发明专利将模糊支持向量机控制器作土壤水分的主调节器，PID神经网络作为水流量的副调节器构成串级控制系统，运用在线遗传算法优化模糊支持向量机控制器参数，通过土壤水分的SVM预测模型组与基于灰色关联度的数据融合模型和串级控制系统构成基于多模型的内模-智能串级控制系统，实现对番茄生长环境土壤环境水分进行精确控制。它充分综合了模糊控制、内模控制、串级控制、智能控制的优点。通过对番茄生长环境的水分进行试验表明，该智能控制器的控制效果优于常规的PID串级控制，它能适应对象参数的变化，具有较强的鲁棒性、抗干扰性和自适应能力，控制品质好，本专利具有较好的应用和推广价值，本发明专利具有明显实质性进步。

附图说明

图1番茄生长环境土壤水分采集与控制平台

1-检测节点，2-控制节点，3-网关，4-现场监控端

图2检测节点图

图3控制节点图

图4网关图

图5 基于多模型的内模—智能串级番茄生长环境土壤水分控制系统

图6 番茄灌溉智能控制系统平面布置图

实施方式：

1、总体设计

针对番茄生长环境地域有线接线困难的特点，本发明专利设计了基于无线传感器网络的番茄生长环境土壤水分参数采集与智能控制系统，设计水分采集的检测节点1和控制节点2，它们分别采用CC2431处理器和CC2420结合MSP430系列微处理器实现检测节点1与控制节点2之间的无线通信；为了实现控制节点2与现场监控端4的信息交互，设计了网关3实现番茄生长环境水分检测节点1与控制节点2和现场监控端4之间的信息交互。检测节点1和控制节点2安装在被监控单元番茄种植区域内，以自组织的形式构成网络，采用多跳中继方式将监测数据以无线的方式上传到网关3，最终通过网关3和现场监控端4进行信息交互。网关3拥有相对较强的处理器和较大的存储器空间，其功能是首先对检测节点1传输过来的传感器数据进行初步处理，将检测的数据发送给现场监控端4；相反通过它也把现场监控端4的控制信息传输到检测节点1和控制节点2。整个系统结构见图1所示。

2、检测节点的设计

采用大量微型的检测节点1作为番茄灌溉土壤环境水分参数感知终端，检测节点1和控制节点2通过自组织无线网络与网关3之间实现信息的相互交互。检测节点1包括采集番茄生长环境土壤水分传感器、调理电路以及A/D转换电路；它自身携带无线通信模块，它的软件流程主要实现：无线通信和水分参数的采集。软件采用C语言程序设计，兼容程度高，大大提高了软件设计开发的工作效率，增强了程序代码的可靠性、可读性和可移植性。检测节点结构见图2。FDS100 型水分传感器是一款基于介电理论，并运用频域测量技术，能够精确测量土壤和其他多孔介质的体积含水量的传感器，土壤水分检测节点见图2。

3、控制节点的设计

控制节点2在输出通路设计了1路D/A转换电路实现对电动阀的控制，流量计信号通过A/D转换采集调节番茄土壤水分的水流量作为PID神经网络控制器的实际反馈值；根据需要设计CC2420的通信接口，在控制节点软件中设计了流量采集、PID神经网络控制器和通信子程序，控制节点2实现PID神经网络控制器副调节器功能和检测节点1以及网关3的通信，土壤水分控制节点见图3。

4、网关节点的设计

土壤水分检测节点1与控制节点2与现场监控端4的信息交互需要通过网关3来实现，网关3是它们之间信息交互的中转站，起着承上启下的作用。现场监控端4发出的指令经过网关3传送到具体的某个检测节点1和控制节点2；检测节点1与控制节点2的信息是通过网关3的中转传输给现场监控端4。网关4主要具有数据传输和路由选择等功能，它主要由携带ZigBee协议的CC2420、RJ45以太网接口和GPRS/GSM通信接口实现被监控番茄土壤环境水分检测节点1与控制节点2和现场监控端4的信息交互。网关4软件主要由无线信息接收/发送任务、多串口通信任务和以太网通信任务等组成，各个任务的协调运行由μC/OS-Ⅱ实时多任务操作系统调度和管理，网关结构见图4。

5、现场监控端软件的设计

现场监控端4是一台工业控制计算机，现场监控端4主要实现对番茄生长环境土壤水分信息进行采集与控制。它通过网关3与检测节点1和控制节点2的信息交互，现场监控端4主要实现通信参数设置、专家系统、数据库管理、模糊支持向量机、遗传算法、多个SVM预测模型和基于灰色关联度的数据融合模型和系统维护。该管理软件选择了Microsoft Visual++ 6.0作为开发工具，调用系统的Mscomm通信控件来设计通讯程序。基于多模型的内模—智能串级番茄生长环境土壤水分控制系统见图5。

①、模糊支持向量机

模糊支持向量机控制器结构如图5 所示。图中，变量、、、、分别是系统给定值、被控对象的预测值与实际值偏差、模糊支持向量机控制器输出值、模糊支持向量机控制器输入偏差值和偏差变化率，，。模糊支持向量机控制器的输入和输出变量采取模糊支持向量机决策过程的模糊量、、 与实际量、、之间的模糊比例关系采用、、模糊化处理，并对它们的空间进行模糊区域划分。SVM 回归可用3 层的网络结构来表示，其中输入层、隐层、输出层节点数分别为n、N、1，而输入与隐层之间、隐层与输出之间的连接权值分别为1、。

Ⅰ、输入层：实现输入变量e、c进行模糊化，以此作为控制系统的输入x。

(1)

Ⅱ、隐层：实现二维输入x 与SVM进行核运算。

(2)

Ⅲ、输出层：实现SVM回归运算，得到副调节器实际输入控制量u。

(3)

②、GA优化模糊SVM参数算法

模糊支持向量机控制器（FSVM）的模糊量与实际量之间的模糊比例关系也影响系统性能，这些参数总是在一个有限的范围内才能表现出较好的性能，偏离这些范围会使模糊支持向量机性能明显下降，且不同的被控对象总存在一个最佳的参数组合点。根据对象的变化，采用遗传算法（GA）在线优化SVM 性能参数和模糊比例因子， 提高控制系统的适应性。通过寻找最佳的参数组合，使系统的控制性能达到最佳。本发明专利采用GA算法在线优化SVM参数和模糊比例因子，以使控制系统的性能能适应被控制对象变化的需要而自适应达到最佳。影响SVM 性能的参数主要有支持向量机个数、处罚因子、核宽度和不敏感系数 等参数； FSVM 决策过程的模糊量、、 与实际量、、之间的模糊比例关系、、也影响系统性能。这些参数总是在一个有限的范围内才能表现出较好的性能， 偏离这些范围会使FSVM性能明显下降，且不同的被控对象总存在一个最佳的参数组合点。本文采用GA 算法来在线优化这些参数，寻找最佳的参数组合，从而使系统的控制性能达到最佳。设定GA基本参数分别种群数目M = 100、交叉概率=0.7，变异概率=0.01，采用二进制编码表示模糊支持向量机控制器的参数，适应度函数F 取给定输入与系统输出的累积误差，根据这6 个参数值计算出各个个体的适应度后，利用期望值方法选择作为母体的个体，繁殖时采用单点交叉算子，并将每一代的最佳个体保留至下一代，变异算子采用简单的按位变异算子，循环终止条件为误差小于某一个范围或循环达到最大迭代次数。

③、SVM预测模型组

Ⅰ、输入层：模糊支持向量机输出，被控制环境第i个监测点的实际值作为预测模型的输入x。

(4)

Ⅱ、隐层：实现二维输入x与SVM进行核运算。

(5)

Ⅲ、输出层：实现SVM回归运算，得到被辨识点的预测值。

(6)

④、基于灰色关联度的数据融合模型

根据灰色关联度的数据融合模型对多点的预测进行运算，运算结果作为模糊支持向量机的反馈值构成内模控制，则式：

， （7）

式中E(t)为各个监测点误差融合值，为第i监测点融合模型权重系数。本发明专利采用灰色关联度确定融合模型的权重系数，如果某一监测点水分浓度预测值与参考预测特征值关联度越大，那么认为该监测点的预测值与实际值越接近，则该监测的水分浓度误差应赋予较大的权重系数，以使得组合预测的预测误差尽可能复合实际状况。设在t时刻被监测环境n个监测点的水分浓度预测值序列和参考预测特征值序列分别为：和，设为t时刻被监测环境水分浓度参考预测特征值，表示各监测点的水分浓度预测误差值，各个监测点的参考预测特征值与该时刻被监测环境水分浓度预测误差值的绝对差为，则 ，式中t表示1，2，…m；j表示1，2，…n。

令为预测误差序列对于参考序列在第t时刻的灰色关联系数，则其算式为：

（8）

式中为分辨系数，本发明专利取0.5。设为预测误差序列对于参考序列的灰色关联度，各个监测点水分误差融合权重的求取：

（9）

⑤、水分设定专家系统

在现场监控端4设计了水分设定专家系统，该专家系统结构见图5的上部分，它包括番茄生长过程数据库、生长阶段、生长标准、遗传算法和基于支持向量机的番茄生长过程土壤水分模型，应用遗传算法和基于支持向量机的番茄生长过程土壤水分模型优化番茄生长过程理想的水分值，确定番茄生长各个阶段被监控番茄生长环境土壤水分目标值，基于支持向量机的番茄生长过程土壤水分模型包括以下组成部分：

Ⅰ、输入层包括番茄苗期、开花和果实膨大期、果实成熟与采摘期、全生育期等4个生长阶段番茄番茄生长环境理想的水分值作为输入x。

(10)

Ⅱ、隐层实现二维输入x 与SVM进行核运算。

(11)

Ⅲ、输出层实现SVM回归运算，得到番茄生长量。

(12)

6、番茄灌溉控制系统的设计举例

根据番茄生长环境的状况，系统布置了检测节点1和控制节点2、网关3和现场监控端4的平面布置安装图，水管网分布在番茄地的两侧，整个系统平面布置见图6。

本发明未提及技术采用常规技术。

Claims (1)

1.一种番茄灌溉智能控制系统，其特征在于：所述系统由番茄生长环境土壤水分采集与控制平台、基于多模型的内模—智能串级番茄生长环境土壤水分控制系统和基于遗传算法的番茄水分设定专家系统3部分组成；其中：

1）番茄生长环境土壤水分采集与控制平台由番茄生长环境水分的检测节点、控制节点、网关和现场监控端组成，由检测节点、控制节点、网关通过自组织方式构建成基于无线传感器番茄生长环境土壤水分的测控网络，检测节点负责检测番茄生长环境土壤水分的实际值并通过测控网络上传给现场监控端，在现场监控端和控制节点设计基于多模型的内模—智能串级番茄生长环境土壤水分控制系统和基于遗传算法的番茄水分设定专家系统实现对番茄生长环境土壤水分的智能控制；

2）基于多模型的内模—智能串级番茄生长环境土壤水分控制系统由模糊支持向量机控制器、PID神经网络、遗传算法、多个SVM预测模型和基于灰色关联度的数据融合模型组成，由现场监控端的模糊支持向量机控制器作为主调节器与控制节点的PID神经网络副调节器构成串级控制系统，应用遗传算法对模糊支持向量机控制器的参数进行在线优化；由多个SVM预测模型预测多个监控点番茄生长环境土壤水分的未来值，它们与监控点实际值相减后得到被监控点水分的误差，采用基于灰色关联度的数据融合模型对各个监控点水分误差进行融合得到被控制环境土壤水分误差，该误差与串级控制系统构成基于多模型的内模—智能串级番茄生长环境土壤水分控制系统，提高番茄生长环境土壤水分控制系统的抗干扰性和鲁棒性；

3）基于遗传算法的番茄水分设定专家系统由遗传算法、基于支持向量机的番茄生长过程土壤水分模型、生长标准、生长阶段和数据库组成，采用遗传算法优化番茄生长过程中理想的土壤水分值，它作为番茄灌溉智能控制系统水分的目标值，提高番茄灌溉智能控制系统水分目标值设定的可靠性与科学性。