CN105511529B - 一种设施农业环境智能控制方法 - Google Patents
一种设施农业环境智能控制方法 Download PDFInfo
- Publication number
- CN105511529B CN105511529B CN201511008369.8A CN201511008369A CN105511529B CN 105511529 B CN105511529 B CN 105511529B CN 201511008369 A CN201511008369 A CN 201511008369A CN 105511529 B CN105511529 B CN 105511529B
- Authority
- CN
- China
- Prior art keywords
- mrow
- crops
- pest
- reflectance spectrum
- temperature
- 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.)
- Active
Links
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)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明提供一种设施农业环境智能控制方法,其通过采集农作物所处环境的温度、湿度、风速、土壤养分浓度、土壤PH值和农作物的反射光谱,实现了远程对农业的温度、湿度、光照等参数的测量,并通过过执行机构来实时监测农业现场的温度、湿度等情况,并能够远程监控农作物的病虫害等病虫害,能够对农业的发展状况作出及时、正确的判断,有效的防止了农业出现的病虫害、干枯等问题,同时,本发明能够防患未然,对监测的各个参数信息发送给监控人员,并能够根据监测的各个参数对执行机构进行自动控制,提高了农业设施的智能化,此外,还设置了手动控制模式,必要时根据需要实现手动人为控制,以便实现人机交互的模式。
Description
技术领域
本发明涉及设施农业智能控制技术领域,具体为一种设施农业环境智能控制方法,属于农业工程技术领域。
背景技术
随着我国综合国力的发展,农民增收难和日益短缺的能源危机逐渐成为农村发展的最大阻碍。大力发展农业科技、实现农业现代化,是改变农村落后面貌、提高农民收入的根本途径。而智能化农业,是指在相对可以控制的条件下,实现工业化生产,从而实现集约的可持续发展。智能农业是先进的、开放的领域,技术规格配套,生产的集约化管理模式、效率高。这是一个集科研,生产,加工,销售,实现周年,全天候,反季节生产企业规模;它集成了当代生物工程技术、农业工程学、农用新材料学等部分学科,以现代智能农业设备为基础且具备高科技,高产值,高产出率和高生产率,是一个跨世纪农业新技术革命的国家项目。智能农业通过在温室环境参数实时采集温度,土壤温度、湿度和光信号的影响,湿度,露点温度,自动开启或关闭指定的装置。能够按照用户的需求,随时随地进行处理,对自动监控检测综合农业生态信息、自动控制环境参数和为智能化的管理提供有力的科学证明。温度传感器模块采集到温度信号后,经由无线收发模块对数据进行接受和发送或者通过有线总线结构对数据进行传输,能够实现对温室的温度和湿度的完整的远程监控。而我国现代技术起步较晚,而且传统手工农业的思想还没明显改变,农民相对耕地少,采用现代技术成本相对较高,所以智能农业在我国还没有大面积普及,只有少量的试点。自20世纪特别是20世纪中叶往后,由于近现代工业文明向农业文明的渗透以及现代控制技术的发展,智能农业得到了迅猛发展,特别是在美国等西方发达国家智能农业更是发展迅速,形成了一个巨大的支柱型产业。到了20世纪末期,以美国为首研究和制作的温室智能控制和管理系统能够据温室作物的需求变化,完成对光照、湿度,水,天然气和其他因素的自动控制,并能完全控制鲜花、水果、蔬菜、农产品和其他产品,,但是,很多农业智能控制系统都是针对于某一特定的环境构建配置的,离开了特定的环境,要将系统移植到其他地域,可能要对系统做很大的改变,这样相对来说成本就会增加而且可能会延误农作物的生长。
基于以上技术问题,本发明提供了一种设施农业环境智能控制方法,其实现了远程对农业的温度、湿度、光照等参数的测量,并通过过执行机构来实时监测农业现场的温度、湿度等情况,并能够远程监控农作物的病虫害等病虫害,能够对农业的发展状况作出及时、正确的判断,有效的防止了农业出现的病虫害、干枯等问题,同时,本发明能够防患未然,对监测的各个参数信息发送给监控人员,并能够根据监测的各个参数对执行机构进行自动控制,提高了农业设施的智能化,此外,还设置了手动控制模式,必要时根据需要实现手动人为控制,以便实现人机交互的模式。
发明内容
本发明的目的是提供一种结构和使用简单、合理,精度高,性能稳定的一种设施农业环境智能控制方法。
为实现上述目的,本发明采用如下技术方案:一种设施农业环境智能控制方法,其特征在于,其包括以下步骤:
(1)数据采集与预处理:分别采集农作物所处环境的温度、湿度、风速、土壤养分浓度、土壤PH值和农作物的反射光谱,然后对所采集的数据进行预处理;
(2)数据发送与存储:将上述步骤所采集的数据和预处理后得到的数据以无线通信的方式发送给控制中心,控制中心将采集的数据和预处理的数据一一对应的存储于控制中心的数据库中;
(3)控制中心采用模糊控制算法,确定输入变量、输出变量和隶属度函数,利用模糊控制算法对存储于数据库中的数据进行分析计算;
(4)控制中心根据步骤(3)中计算的结果,实现对农业设施的智能控制。
进一步,作为优选,该设施农业环境智能控制方法是基于下述的设施农业环境智能控制系统来实现的,其中,该设施农业环境智能控制系统包括:数据采集组件、数据预处理器、通信模块、控制中心和执行机构,其中,所述数据采集组件包括温度传感器节点、湿度传感器节点、风速传感器节点、土壤养分浓度传感器节点、土壤PH值传感器节点和农作物的反射光谱接收器节点,所述数据预处理器为上位机,所述数据采集组件与所述上位机采用RS232接口通信,所述数据采集组件上还设置有光电耦合隔离电路负逻辑电路,以便隔离数字信号,防止干扰所采集的数据,上位机和数据采集组件依次通过低通滤波器和隔离变压器接入供电电源,所述上位机采用所述通信模块与所述控制中心进行通信,其中,所述通信模块包括传感器汇聚节点、无线收发射频单元、信号处理单元,其中,数据采集组件的各个传感器节点与所述传感器汇聚节点之间采用所述无线收发射频单元通信连接,所述传感器汇聚节点通过所述信号处理单元与所述控制中心连接,所述控制中心与存储模块通信连接,所述信号处理单元负责对数据采集组件的各个传感器节点采集的信号或者反射光谱进行转换、放大、编辑或者整合,所述执行机构与所述控制中心连接,所述执行机构包括灌溉开启阀、温度报警器、施肥报警器、土壤质量报警器和病虫害报警器;所述控制中心内还设置有标准数据库,其中,该标准数据库是采用如下方法获得:分析研究出农作物在正常的最佳生长的各个时期,农作物所需的水分、温度、风速、土壤PH值以及土壤养分浓度,并分析农作物在正常生长的各个时期农作物的红外波段反射光的光谱特性,并将该分析得到的水分、温度、风速、土壤PH值以及土壤养分浓度和光谱特性存储于标准数据库;
利用该设施农业环境智能控制系统对病虫害进行报警的步骤如下:
首先,利用安装在农业环境区域内的机载光谱成像仪来采集此刻农作物的红外波段反射光谱;然后,基于所采集的农作物的红外波段反射光谱,过滤排除掉来自特殊区域部位的红外波段反射光谱,其中,特殊区域至少包括农作物叶尖部、干枯叶片的区域;之后,将过滤之后的红外波段反射光谱与所述标准数据库中的光谱特性进行比较,利用统计学方法构建光谱指数监控模型,分析得出此刻农作物的生长情况;此时,如果农作物生长情况高于设定的阈值,则表明农作物生长良好;如果分析得出的农作物的生长情况低于设定的阈值,则读取数据库中存储的所采集的此刻的农作物所在区域的温度和湿度,并将获得的温度、湿度与存储于标准数据库中的病虫害种群发育温度、湿度进行比较,采用病虫害发育预警模型进行预测,得出病虫害风险预测结果;根据预测的结果,病虫害报警器将农作物的病虫害风险预测结果以报警的形式发送给监控人员;其中,过滤排除掉来自特殊区域部位的红外波段反射光谱所采用的方法是基于光谱的反射率、波峰和发射陡坡进行判断的,其中,将不满足以下条件的反射光谱特性的区域的反射光谱均过滤掉:所采集的反射的红外波段的反射率为10-17%,且在0.80μm-0.96μm间有一个反射的陡坡,且在1.05-1.08μm处有一峰值,光谱指数监控模型采用如下公式计算得出:
其中,c为光速,λ为红外波段反射光谱的反射波长,h为普朗克常数,h=6.6262×10-34J·S;k为波尔兹曼系数,k=1.3806×10-23J·K;T为摄氏温度;
ti为所采集的红外波段反射光谱,ri为存储于标准数据库中的参考光谱,nb为波段数,α的取值范围为0-90°;
当采用上述模型计算出的所采集的反射光谱的D小于同时期的标准数据库中反射光谱的D,且所采集的反射光谱的α大于同时期的标准数据库中反射光谱的α时,表明此刻农作物生长良好;所述病虫害发育预警模型是采用温度、湿度、反演的斜率来判定,具体评价算法为:
PIMD=a×T+b×LWC+c×NDVI;
其中,PIMD为病虫害灾害报警指数,a为存储于标准数据库中的病虫害种群发育温度的反演斜率,b为存储于标准数据库中的病虫害种群发育湿度的反演斜率,c为存储于标准数据库中的病虫害种群发育的反演斜率,LWC为所采集的湿度,NDVI为所采集的植被覆盖度。
进一步,作为优选,本发明还包括显示步骤,所述显示步骤是将所采集的农作物所处环境的温度、湿度、风速、土壤养分浓度、土壤PH值和农作物的反射光谱显示在控制中心的显示屏上。
进一步,作为优选,所述步骤(4)中,还包括手动控制步骤,其中,将控制中心切换为手动控制时,能够实现手动对农业设施的执行机构进行手动控制。
进一步,作为优选,所述步骤(1)中,以1-5min每次的速率分别采集农作物所处环境的温度、湿度、风速、土壤养分浓度、土壤PH值和农作物的反射光谱。
进一步,作为优选,本发明还包括以GSM短信的方式,将控制中心对农业设施的智能控制的信息发送给监控人员。
本发明的有益效果在于:
本发明提供的一种设施农业环境智能控制方法,其实现了远程对农业的温度、湿度、光照等参数的测量,并通过过执行机构来实时监测农业现场的温度、湿度等情况,并能够远程监控农作物的病虫害等病虫害,能够对农业的发展状况作出及时、正确的判断.有效的防止了农业出现的病虫害、干枯等问题,同时,本发明能够防患未然,对监测的各个参数信息发送给监控人员,并能够根据监测的各个参数对执行机构进行自动控制,提高了农业设施的智能化,此外,还设置了手动控制模式,必要时根据需要实现手动人为控制,以便实现人机交互的模式。
附图说明
图1是本发明的一种设施农业环境智能控制方法的流程示意图;
具体实施方式
以下结合附图来对本发明进行详细的描绘。然而应当理解,附图的提供仅为了更好地理解本发明,它们不应该理解成对本发明的限制。
如图1所示,本发明提供一种设施农业环境智能控制方法,其包括以下步骤:
(1)数据采集与预处理:分别采集农作物所处环境的温度、湿度、风速、土壤养分浓度、土壤PH值和农作物的反射光谱,然后对所采集的数据进行预处理;
(2)数据发送与存储:将上述步骤所采集的数据和预处理后得到的数据以无线通信的方式发送给控制中心,控制中心将采集的数据和预处理的数据一一对应的存储于控制中心的数据库中;
(3)控制中心采用模糊控制算法,确定输入变量、输出变量和隶属度函数,其中,模糊控制算法已经属于现有技术,在此不再赘述,利用模糊控制算法对存储于数据库中的数据进行分析计算;
(4)控制中心根据步骤(3)中计算的结果,实现对农业设施的智能控制。
在本实施例中,该设施农业环境智能控制方法是基于下述的设施农业环境智能控制系统来实现的,其中,该设施农业环境智能控制系统包括:数据采集组件、数据预处理器、通信模块、控制中心和执行机构,其中,所述数据采集组件包括温度传感器节点、湿度传感器节点、风速传感器节点、土壤养分浓度传感器节点、土壤PH值传感器节点和农作物的反射光谱接收器节点,所述数据预处理器为上位机,所述数据采集组件与所述上位机采用RS232接口通信,所述数据采集组件上还设置有光电耦合隔离电路负逻辑电路,以便隔离数字信号,防止干扰所采集的数据,上位机和数据采集组件依次通过低通滤波器和隔离变压器接入供电电源,所述上位机采用所述通信模块与所述控制中心进行通信,其中,所述通信模块包括传感器汇聚节点、无线收发射频单元、信号处理单元,其中,数据采集组件的各个传感器节点与所述传感器汇聚节点之间采用所述无线收发射频单元通信连接,所述传感器汇聚节点通过所述信号处理单元与所述控制中心连接,所述控制中心与存储模块通信连接,所述信号处理单元负责对数据采集组件的各个传感器节点采集的信号或者反射光谱进行转换、放大、编辑或者整合,所述执行机构与所述控制中心连接,所述执行机构包括灌溉开启阀、温度报警器、施肥报警器、土壤质量报警器和病虫害报警器;所述控制中心内还设置有标准数据库,其中,该标准数据库是采用如下方法获得:分析研究出农作物在正常的最佳生长的各个时期,农作物所需的水分、温度、风速、土壤PH值以及土壤养分浓度,并分析农作物在正常生长的各个时期农作物的红外波段反射光的光谱特性,并将该分析得到的水分、温度、风速、土壤PH值以及土壤养分浓度和光谱特性存储于标准数据库;
利用该设施农业环境智能控制系统对病虫害进行报警的步骤如下:
首先,利用安装在农业环境区域内的机载光谱成像仪来采集此刻农作物的红外波段反射光谱;然后,基于所采集的农作物的红外波段反射光谱,过滤排除掉来自特殊区域部位的红外波段反射光谱,其中,特殊区域至少包括农作物叶尖部、干枯叶片的区域;之后,将过滤之后的红外波段反射光谱与所述标准数据库中的光谱特性进行比较,利用统计学方法构建光谱指数监控模型,分析得出此刻农作物的生长情况;此时,如果农作物生长情况高于设定的阈值,则表明农作物生长良好;如果分析得出的农作物的生长情况低于设定的阈值,则读取数据库中存储的所采集的此刻的农作物所在区域的温度和湿度,并将获得的温度、湿度与存储于标准数据库中的病虫害种群发育温度、湿度进行比较,采用病虫害发育预警模型进行预测,得出病虫害风险预测结果;根据预测的结果,病虫害报警器将农作物的病虫害风险预测结果以报警的形式发送给监控人员;其中,过滤排除掉来自特殊区域部位的红外波段反射光谱所采用的方法是基于光谱的反射率、波峰和发射陡坡进行判断的,其中,将不满足以下条件的反射光谱特性的区域的反射光谱均过滤掉:所采集的反射的红外波段的反射率为10-17%,且在0.80μm-0.96μm间有一个反射的陡坡,且在1.05-1.08μm处有一峰值,光谱指数监控模型采用如下公式计算得出:
其中,c为光速,λ为红外波段反射光谱的反射波长,h为普朗克常数,h=6.6262×10-34J·S;k为波尔兹曼系数,k=13806×10-23J·K;T为摄氏温度;
ti为所采集的红外波段反射光谱,ri为存储于标准数据库中的参考光谱,nb为波段数,α的取值范围为0-90°;
当采用上述模型计算出的所采集的反射光谱的D小于同时期的标准数据库中反射光谱的D,且所采集的反射光谱的α大于同时期的标准数据库中反射光谱的α时,表明此刻农作物生长良好;所述病虫害发育预警模型是采用温度、湿度、反演的斜率来判定,具体评价算法为:
PIMD=a×T+b×LWC+c×NDVI;
其中,PIMD为病虫害灾害报警指数,a为存储于标准数据库中的病虫害种群发育温度的反演斜率,b为存储于标准数据库中的病虫害种群发育湿度的反演斜率,c为存储于标准数据库中的病虫害种群发育的反演斜率,LWC为所采集的湿度,NDVI为所采集的植被覆盖度。
此外,本发明还包括显示步骤,所述显示步骤是将所采集的农作物所处环境的温度、湿度、风速、土壤养分浓度、土壤PH值和农作物的反射光谱显示在控制中心的显示屏上。所述步骤(4)中,还包括手动控制步骤,其中,将控制中心切换为手动控制时,能够实现手动对农业设施的执行机构进行手动控制。所述步骤(1)中,以1-5min每次的速率分别采集农作物所处环境的温度、湿度、风速、土壤养分浓度、土壤PH值和农作物的反射光谱。本发明还包括以GSM短信的方式,将控制中心对农业设施的智能控制的信息发送给监控人员。
本发明实现了远程对农业的温度、湿度、光照等参数的测量,并通过过执行机构来实时监测农业现场的温度、湿度等情况,并能够远程监控农作物的病虫害等病虫害,能够对农业的发展状况作出及时、正确的判断,有效的防止了农业出现的病虫害、干枯等问题,同时,本发明能够防患未然,对监测的各个参数信息发送给监控人员,并能够根据监测的各个参数对执行机构进行自动控制,提高了农业设施的智能化,此外,还设置了手动控制模式,必要时根据需要实现手动人为控制,以便实现人机交互的模式。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (5)
1.一种设施农业环境智能控制方法,其特征在于,其包括以下步骤:
(1)数据采集与预处理:分别采集农作物所处环境的温度、湿度、风速、土壤养分浓度、土壤PH值和农作物的反射光谱,然后对所采集的数据进行预处理;
(2)数据发送与存储:将上述步骤所采集的数据和预处理后得到的数据以无线通信的方式发送给控制中心,控制中心将采集的数据和预处理的数据一一对应的存储于控制中心的数据库中;
(3)控制中心采用模糊控制算法,确定输入变量、输出变量和隶属度函数,利用模糊控制算法对存储于数据库中的数据进行分析计算;
(4)控制中心根据步骤(3)中计算的结果,实现对农业设施的智能控制;
该设施农业环境智能控制方法是基于下述的设施农业环境智能控制系统来实现的,其中,该设施农业环境智能控制系统包括:数据采集组件、数据预处理器、通信模块、控制中心和执行机构,其中,所述数据采集组件包括温度传感器节点、湿度传感器节点、风速传感器节点、土壤养分浓度传感器节点、土壤PH值传感器节点和农作物的反射光谱接收器节点,所述数据预处理器为上位机,所述数据采集组件与所述上位机采用RS232接口通信,所述数据采集组件上还设置有光电耦合隔离电路负逻辑电路,以便隔离数字信号,防止干扰所采集的数据,上位机和数据采集组件依次通过低通滤波器和隔离变压器接入供电电源,所述上位机采用所述通信模块与所述控制中心进行通信,其中,所述通信模块包括传感器汇聚节点、无线收发射频单元、信号处理单元,其中,数据采集组件的各个传感器节点与所述传感器汇聚节点之间采用所述无线收发射频单元通信连接,所述传感器汇聚节点通过所述信号处理单元与所述控制中心连接,所述控制中心与存储模块通信连接,所述信号处理单元负责对数据采集组件的各个传感器节点采集的信号或者反射光谱进行转换、放大、编辑或者整合,所述执行机构与所述控制中心连接,所述执行机构包括灌溉开启阀、温度报警器、施肥报警器、土壤质量报警器和病虫害报警器;所述控制中心内还设置有标准数据库,其中,该标准数据库是采用如下方法获得:分析研究出农作物在正常的最佳生长的各个时期,农作物所需的水分、温度、风速、土壤PH值以及土壤养分浓度,并分析农作物在正常生长的各个时期农作物的红外波段反射光的光谱特性,并将该分析得到的水分、温度、风速、土壤PH值以及土壤养分浓度和光谱特性存储于标准数据库;
利用该设施农业环境智能控制系统对病虫害进行报警的步骤如下:
首先,利用安装在农业环境区域内的机载光谱成像仪来采集此刻农作物的红外波段反射光谱;然后,基于所采集的农作物的红外波段反射光谱,过滤排除掉来自特殊区域部位的红外波段反射光谱,其中,特殊区域至少包括农作物叶尖部、干枯叶片的区域;之后,将过滤之后的红外波段反射光谱与所述标准数据库中的光谱特性进行比较,利用统计学方法构建光谱指数监控模型,分析得出此刻农作物的生长情况;此时,如果农作物生长情况高于设定的阈值,则表明农作物生长良好;如果分析得出的农作物的生长情况低于设定的阈值,则读取数据库中存储的所采集的此刻的农作物所在区域的温度和湿度,并将获得的温度、湿度与存储于标准数据库中的病虫害种群发育温度、湿度进行比较,采用病虫害发育预警模型进行预测,得出病虫害风险预测结果;根据预测的结果,病虫害报警器将农作物的病虫害风险预测结果以报警的形式发送给监控人员;其中,过滤排除掉来自特殊区域部位的红外波段反射光谱所采用的方法是基于光谱的反射率、波峰和发射陡坡进行判断的,其中,将不满足以下条件的反射光谱特性的区域的反射光谱均过滤掉:所采集的反射的红外波段的反射率为10-17%,且在0.80μm-0.96μm间有一个反射的陡坡,且在1.05-1.08μm处有一峰值,光谱指数监控模型采用如下公式计算得出:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>D</mi>
<mo>=</mo>
<mn>2</mn>
<msup>
<mi>&pi;hc</mi>
<mn>2</mn>
</msup>
<msup>
<mi>v</mi>
<mn>3</mn>
</msup>
<mo>&CenterDot;</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msup>
<mi>e</mi>
<mfrac>
<mrow>
<mi>c</mi>
<mi>h</mi>
<mi>v</mi>
</mrow>
<mrow>
<mi>k</mi>
<mi>T</mi>
</mrow>
</mfrac>
</msup>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>v</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>&lambda;</mi>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>&alpha;</mi>
<mo>=</mo>
<msup>
<mi>cos</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>n</mi>
<mi>b</mi>
</msub>
</munderover>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>n</mi>
<mi>b</mi>
</msub>
</munderover>
<msubsup>
<mi>t</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msup>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>n</mi>
<mi>b</mi>
</msub>
</munderover>
<msubsup>
<mi>r</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msup>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
</mrow>
其中,c为光速,λ为红外波段反射光谱的反射波长,h为普朗克常数,h=6.6262×10- 34J·S;k为波尔兹曼系数,k=1.3806×10-23J·K;T为摄氏温度;
ti为所采集的红外波段反射光谱,ri为存储于标准数据库中的参考光谱,nb为波段数,α的取值范围为0-90°;
当采用上述模型计算出的所采集的反射光谱的D小于同时期的标准数据库中反射光谱的D,且所采集的反射光谱的α大于同时期的标准数据库中反射光谱的α时,表明此刻农作物生长良好;所述病虫害发育预警模型是采用温度、湿度、反演的斜率来判定,具体评价算法为:
PIMD=a×T+b×LWC+c×NDVI;
其中,PIMD为病虫害灾害报警指数,a为存储于标准数据库中的病虫害种群发育温度的反演斜率,b为存储于标准数据库中的病虫害种群发育湿度的反演斜率,c为存储于标准数据库中的病虫害种群发育的反演斜率,LWC为所采集的湿度,NDVI为所采集的植被覆盖度。
2.根据权利要求1所述的一种设施农业环境智能控制方法,其特征在于,所述步骤(4)中,还包括显示步骤,所述显示步骤是将所采集的农作物所处环境的温度、湿度、风速、土壤养分浓度、土壤PH值和农作物的反射光谱显示在控制中心的显示屏上。
3.根据权利要求1所述的一种设施农业环境智能控制方法,其特征在于,所述步骤(4)中,还包括手动控制步骤,其中,将控制中心切换为手动控制时,能够实现手动对农业设施的执行机构进行手动控制。
4.根据权利要求1所述的一种设施农业环境智能控制方法,其特征在于,所述步骤(1)中,以1-5min每次的速率分别采集农作物所处环境的温度、湿度、风速、土壤养分浓度、土壤PH值和农作物的反射光谱。
5.根据权利要求1所述的一种设施农业环境智能控制方法,其特征在于,所述步骤(4)中,还包括以GSM短信的方式,将控制中心对农业设施的智能控制的信息发送给监控人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511008369.8A CN105511529B (zh) | 2015-12-28 | 2015-12-28 | 一种设施农业环境智能控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511008369.8A CN105511529B (zh) | 2015-12-28 | 2015-12-28 | 一种设施农业环境智能控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105511529A CN105511529A (zh) | 2016-04-20 |
CN105511529B true CN105511529B (zh) | 2017-11-03 |
Family
ID=55719589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511008369.8A Active CN105511529B (zh) | 2015-12-28 | 2015-12-28 | 一种设施农业环境智能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105511529B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844883A (zh) * | 2016-04-30 | 2016-08-10 | 安徽软申软件申报服务有限公司 | 一种基于物联网的农业病虫害预防系统 |
CN106500775B (zh) * | 2016-12-29 | 2019-10-11 | 宁夏垣懿农业科技有限公司 | 一种有效的农作物生长监测系统 |
CN106718366A (zh) * | 2017-01-25 | 2017-05-31 | 张彩芬 | 一种温室大棚环境控制方法 |
CN106912237A (zh) * | 2017-03-20 | 2017-07-04 | 浙江省农业科学院 | 水肥一体化四控灌溉施肥方法 |
CN108961712A (zh) * | 2018-06-12 | 2018-12-07 | 河北大地数字信息技术有限公司 | 一种实现智慧农业的系统 |
CN109470299A (zh) * | 2018-10-19 | 2019-03-15 | 江苏大学 | 一种基于物联网的作物生长信息监测系统和方法 |
CN109688231B (zh) * | 2019-01-28 | 2020-02-04 | 温州华隆建设有限公司 | 一种园林生态环境生态智能监测系统 |
CN111624165A (zh) * | 2020-05-20 | 2020-09-04 | 农芯科技(北京)有限责任公司 | 一种气象环境参数及光谱同步测量系统及方法 |
CN114190213A (zh) * | 2021-09-01 | 2022-03-18 | 南开大学 | 一种利用传感器综合防治农作物病虫害的系统和方法 |
CN117390110B (zh) * | 2023-12-13 | 2024-02-06 | 四川省林业科学研究院 | 一种病虫害电子地图的生成方法及系统 |
CN117722841B (zh) * | 2024-02-07 | 2024-04-19 | 云南师范大学 | 一种基于温湿度反馈微波控制的农业物料干燥方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101074925A (zh) * | 2007-06-12 | 2007-11-21 | 浙江大学 | 可见和近红外光谱特征波段的植物叶片灰霉病害诊断方法 |
CN101470421B (zh) * | 2007-12-28 | 2012-01-11 | 中国科学院沈阳应用生态研究所 | 一种基于人工智能技术的植物生长室及其控制系统 |
CN101770245A (zh) * | 2010-01-22 | 2010-07-07 | 上海恩济节能科技有限公司 | 一种节能型日光温室控制器 |
CN102354119A (zh) * | 2011-09-01 | 2012-02-15 | 山东省农业科学院科技信息工程技术研究中心 | 一种设施农业环境智能控制方法 |
AU2013100351A4 (en) * | 2013-03-22 | 2013-05-02 | Huang, Xu PROF | An Apparatus and Method based on dynamic window fuzzy controller for Scalar Multiplication in Elliptic Curve Cryptography on Wireless Sensor Platform |
CN104266982B (zh) * | 2014-09-04 | 2017-03-15 | 浙江托普仪器有限公司 | 一种大面积虫害量化监测系统 |
CN104656617B (zh) * | 2015-01-15 | 2017-11-10 | 青岛智能产业技术研究院 | 基于物联网和云计算技术的温室环境调控系统和方法 |
-
2015
- 2015-12-28 CN CN201511008369.8A patent/CN105511529B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105511529A (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105511529B (zh) | 一种设施农业环境智能控制方法 | |
CN209517198U (zh) | 一种智慧农业标准化管理系统 | |
CN112800665A (zh) | 一种基于人工智能的植物生长自反馈学习培育方法 | |
FuBing | Research on the agriculture intelligent system based on IOT | |
CN110119766B (zh) | 一种多组合智能化模型的青椒温室温度智能化预警装置 | |
CN112930926A (zh) | 一种基于深度学习的植物生产参数调优方法 | |
CN105445214A (zh) | 一种农业工程遥感监测方法 | |
CN103593962A (zh) | 基于传感通讯的有机蔬菜质量远程网络实时监控方法 | |
CN102789579A (zh) | 基于计算机视觉技术的温室作物水肥胁迫状态识别方法 | |
CN113221723B (zh) | 可溯源的自反馈学习城市植物工厂 | |
Pérez-Expósito et al. | An IoT monitoring system for precision viticulture | |
Lin et al. | A review on computer vision technologies applied in greenhouse plant stress detection | |
Biabi et al. | Design and implementation of a smart system for water management of lilium flower using image processing | |
CN115633622A (zh) | 一种果园智能灌溉系统及其方法 | |
Anand et al. | Applications of Internet of Things (IoT) in agriculture: The need and implementation | |
CN109213240A (zh) | 一种基于自适应控制的草莓大棚无线监测与控制系统 | |
CN107093316A (zh) | 一种智能农业大棚监控系统 | |
Abdulla et al. | Agriculture based on Internet of Things and Deep Learning | |
CN216596050U (zh) | 大棚设施农作物生长环境因子监控系统 | |
CN202024959U (zh) | 基于归一化植被差异指数的无线氮素营养检测仪 | |
Bălăceanu et al. | The use of IoT technology in Smart Viticulture | |
Singh et al. | Smart Nursery with Health Monitoring System Through Integration of IoT and Machine Learning | |
CN113342036A (zh) | 一种农作物的精准管控系统及其管控方法 | |
Khan et al. | Application of Technology for Achieving Sustainable Agriculture | |
CN112146710A (zh) | 一种环境实时监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |