CN106613783B - 一种通用智能灌溉系统及其控制方法 - Google Patents
一种通用智能灌溉系统及其控制方法 Download PDFInfo
- Publication number
- CN106613783B CN106613783B CN201610914674.1A CN201610914674A CN106613783B CN 106613783 B CN106613783 B CN 106613783B CN 201610914674 A CN201610914674 A CN 201610914674A CN 106613783 B CN106613783 B CN 106613783B
- Authority
- CN
- China
- Prior art keywords
- soil
- irrigation
- parameters
- pls
- calculation
- 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.)
- Expired - Fee Related
Links
- 230000002262 irrigation Effects 0.000 title claims abstract description 62
- 238000003973 irrigation Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000002689 soil Substances 0.000 claims abstract description 76
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 230000002776 aggregation Effects 0.000 claims abstract description 14
- 238000004220 aggregation Methods 0.000 claims abstract description 14
- 230000005068 transpiration Effects 0.000 claims abstract description 12
- 238000012821 model calculation Methods 0.000 claims abstract description 11
- 239000003621 irrigation water Substances 0.000 claims abstract description 10
- 230000007613 environmental effect Effects 0.000 claims abstract description 6
- 230000008859 change Effects 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical class O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 abstract description 3
- 238000001556 precipitation Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 102100036539 Brorin Human genes 0.000 description 1
- 101000782224 Homo sapiens Brorin Proteins 0.000 description 1
- 101000782222 Homo sapiens von Willebrand factor C and EGF domain-containing protein Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- HPNSNYBUADCFDR-UHFFFAOYSA-N chromafenozide Chemical compound CC1=CC(C)=CC(C(=O)N(NC(=O)C=2C(=C3CCCOC3=CC=2)C)C(C)(C)C)=C1 HPNSNYBUADCFDR-UHFFFAOYSA-N 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 102100036538 von Willebrand factor C and EGF domain-containing protein Human genes 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
- A01G25/167—Control by humidity of the soil itself or of devices simulating soil or of the atmosphere; Soil humidity sensors
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Environmental Sciences (AREA)
- Soil Sciences (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种通用智能灌溉系统及其控制方法，包括多个气象信息传感器和多个土壤信息传感器，多个气象信息传感器和多个所述土壤信息传感器分别连接一个数据汇聚模块，两个数据汇聚模块分别连接模型计算及控制模块，模型计算及控制模块连接执行器，执行器连接灌溉设备；模型计算及控制模块包括PLS计算模型和ANFIS计算模型，该系统以传感器检测到的环境及土壤参数为基础，利用机器学习算法，通过提取各项参数中对所需灌溉用水量影响最大的参数，并建立相应的作物蒸腾计算模型，根据计算结果进行灌溉控制。本发明的通用智能灌溉控制方法采用闭环控制模式，能够根据不同的气象情况和作物生长情况自动灵活的调整灌溉频率和灌溉用水量。
Description
技术领域
本发明属于农业灌溉技术领域，尤其是涉及一种通用智能灌溉控制方法。
背景技术
当前的自动灌溉控制基本上分为以下几类，一种是定时灌溉，即事先规定好灌溉时间表，定时开始，定时结束；一种是根据作物蒸腾量进行灌溉，即根据特定的计算公式进行作物蒸腾量的计算，当达到某一设定值时进行灌溉，并根据计算数据确定灌溉量的大小；一种是根据传感器数据进行灌溉，即通过插入或埋入土壤里的土壤湿度传感器实时检测土壤湿度的变化，达到某一设定值时进行灌溉，并根据传感器的检测数据确定灌溉停止时间；还有就是综合利用多种传感器的数据确定灌溉行为，比如根据空气的温湿度、光照、风速等气象参数结合土壤湿度传感器进行综合判断，最终得到灌溉的控制策略。
以上所述多种自动灌溉控制方法均存在一定的缺陷和不足：一、定时灌溉模式属于开环控制，该式中灌溉制度是静态的，作物所需灌溉用水量及灌溉时间由事先估计来确定，但是作物生长及其环境是动态变化的，作物生长所需灌溉量也是不断随之变化的，该方法无法准确提供作物生长所需用水量，存在多灌或少灌的现象，而且不能根据气象条件灵活变化，即便存在降水情况，仍然会按照时间表进行灌溉控制，如果某段时间天气特别干旱而事先没有估计到，则会造成作物缺水现象。二、根据作物蒸腾量进行灌溉也属于开环控制，该种方法一般会根据气象信息进行作物蒸腾量的估算，并据此进行灌溉控制，虽然相对定时灌溉，灵活程度有所提高，但是仍然无法避免降水情况下执行灌溉行为的情况出现，而且当灌溉管道或滴头、喷头等存在堵塞情况时，作物是否得到了应该得到的灌溉用水量，无法进行反馈。三、根据土壤湿度传感器数据进行灌溉，虽然在一定程度上解决了系统开环存在的问题，但是仍然存在一些不足。其一、传感器数据是否一直准确无法保证；其二，不能根据具体气象情况进行灵活调整，比如即将有降水出现，但是当前传感器数据显示应该进行灌溉行为，则可能出现刚灌溉完毕，很快出现了降水情况，那么在一定程度上就造成了水资源的浪费。四、综合利用多种气象参数和土壤参数进行灌溉控制，虽然和其它方法相比有所进步，但是该种控制多是采用一些智能算法建立模型，然后根据模型进行灌溉控制，而建立模型需要大量的数据，否则控制精度无法保证。如果采用该种控制方法，需要事先根据本地区的前期大量数据进行训练才能建立相对精确的控制模型，通用性较差，如果无法得到本地区的前期气象、土壤等环境参数，则很难利用这种控制方法；而且如果影响模型的参数过少，即便有大量的数据，也无法保证模型的精度，如果参数过多，比如利用空气温度、空气湿度、光照、土壤温度、土壤湿度、风速、雨量监测等等很多参数，不但增加了数据流，造成模型训练速度过慢，还有可能在多种参数之间存在一些相互矛盾的数据，同时多参数，大数据量也存在数据冗余的情况，直接影响控制模型的计算速度。
发明内容
为了解决上述的技术问题，本发明的目的是提供一种通用智能灌溉控制方法，该方法采用闭环控制模式，能够根据不同的气象情况和作物生长情况自动灵活的调整灌溉频率和灌溉用水量。
为解决上述技术问题，本发明采用如下技术方案：
包括多个用于监测空气温度、空气相对湿度、光辐射强度、风速、雨量、饱和水汽压值、土壤温度、土壤基质势的气象信息传感器和多个用于监测土壤湿度的土壤信息传感器，多个所述气象信息传感器连接第一数据汇聚模块，多个所述土壤信息传感器连接第二数据汇聚模块，所述第一数据汇聚模块和第二数据汇聚模块分别连接模型计算及控制模块，所述模型计算及控制模块连接执行器，所述执行器连接灌溉设备；所述模型计算及控制模块包括PLS计算模型和ANFIS计算模型。
优选的，多个土壤信息传感器分别用于监测20-25cm深度土壤湿度、40-45cm深度土壤湿度和70-80cm深度土壤湿度。
一种通用智能灌溉控制方法，包括如下步骤：
A、开始，初始化系统，设定有效参数变化率值；
B、输入通过气象传感器和土壤传感器得到的如下所有环境及土壤参数：
空气温度、空气相对湿度、光辐射强度、风速、雨量、饱和水汽压值、土壤温度、土壤基质势、20-25cm深度土壤湿度、40-45cm深度土壤湿度、70-80cm深度土壤湿度；
C、判断是否得到最终有效参数，若得到最终有效参数，则转步骤F，若没有得到最终有效参数，则执行步骤D；
D、输入上述步骤B中所有环节及土壤参数值，启动PLS计算模型，将PLS算法得到的影响灌溉用水量的主要影响参数，标记为有效参数，其中根据PLS的计算值和土壤传感器反馈值，每一次执行PLS算法时，不断修正PLS算法，所以有效参数是变化的，然后，根据有效参数实时在线计算作物蒸腾量；根据得到的相邻两次有效参数值自动计算有效参数变化率CVP，若有效参数变化率低于设定值，则将得到的最后一次有效参数标记为最终有效参数；
E、判断是否达到灌溉开启阈值，若没有达到开启阈值，则转步骤D，继续计算，若达到开启阈值，则执行灌溉操作，执行完毕转步骤D；
F、输入最终有效参数值，将PLS算法切换为ANFIS算法，实时在线计算作物蒸腾量；
G、判断是否达到灌溉开启阈值，若没有达到开启阈值，则转步骤F，继续计算，若达到开启阈值，则执行灌溉操作，执行完毕转步骤F。
本发明是以各种传感器检测到的环境及土壤各项参数(包括空气温度、空气相对湿度、光辐射强度、风速、雨量、饱和水汽压值、土壤温度、土壤基质势、20-25cm深度土壤湿度、40-45cm深度土壤湿度、70-80cm深度土壤湿度)为基础，利用机器学习算法(偏最小二乘回归法PLS和自适应神经模糊推理算法ANFIS)，通过提取所有各项参数中对所需灌溉用水量影响最大的主要参数，并建立相应的作物蒸腾计算模型，进而根据计算结果进行灌溉控制。全面的环境及土壤参数保证了本方法的通用性，不会遗漏对灌溉用水量有影响的任何参数，适用于各种环境及情况；使用前期采用PLS算法，不需要使用大数据量进行模型的训练，又能够提取出对灌溉用水量影响较大的有效参数，数据量达到一定程度后，可以切换ANFIS算法，将PLS算法提取的有效参数作为输入变量，即可以满足计算精度，又能够提高计算速度，同时还避免了由于存在过多参数引起的数据冲突和冗余数据带来的噪声影响
与现有技术相比，本发明的有益技术效果：
1、通用的智能灌溉控制方法，无需大量前期数据进行训练即可使用；
2、可切换的机器学习算法：PLS+ANFIS，PLS算法能够在数据量不足的情况下进行灌溉控制模型的建立和计算，当数据量积累达到一定程度时可以自动切换到ANFIS算法，提高灌溉控制模型的控制精度；
3、充足的环境参数：环境温度、相对湿度、光辐射强度、饱和水汽压(VPD)、蒸腾量、风速、降水量、土壤温度、土壤基质势、不同深度土壤湿度能够保证控制模型的计算精度，而且利用PLS方法可以根据具体情况自动提取有效的参数作为控制模型的输入量，即不降低模型的计算精度，又避免了因数据量多大导致的系统计算速度下降问题，同时有效减少了冗余数据带来的噪声影响。
附图说明
下面结合附图说明对本发明作进一步说明。
图1为本发明一种通用智能灌溉控制方法的系统模块图；
图2为本发明一种通用智能灌溉控制方法的控制流程图。
具体实施方式
如图1所示，一种通用智能灌溉系统，包括多个用于监测空气温度、空气相对湿度、光辐射强度、风速、雨量、饱和水汽压值、土壤温度、土壤基质势的气象信息传感器和多个用于监测土壤湿度的土壤信息传感器，多个所述气象信息传感器连接第一数据汇聚模块，多个所述土壤信息传感器连接第二数据汇聚模块，所述第一数据汇聚模块和第二数据汇聚模块分别连接模型计算及控制模块，所述模型计算及控制模块连接执行器，所述执行器连接灌溉设备；所述模型计算及控制模块包括PLS计算模型和ANFIS计算模型。
其中多个土壤信息传感器分别用于监测20-25cm深度土壤湿度、40-45cm深度土壤湿度和70-80cm深度土壤湿度。
如图2所示，为通用智能灌溉控制方法的控制流程图，其控制方法如下：
A、开始，初始化系统，设定有效参数变化率值CVPth；
B、输入通过气象传感器和土壤传感器得到的如下所有环境及土壤参数：
空气温度Ta、空气相对湿度RHa、光辐射强度SR、风速WS、雨量RF、饱和水汽压值VPD、土壤温度Ts、土壤基质势SWP、20-25cm深度土壤湿度VWC1、40-45cm深度土壤湿度VWC2、70-80cm深度土壤湿度VWC3；
C、判断是否得到最终有效参数VP，若得到最终有效参数VP，则转步骤F，若没有得到最终有效参数VP，则执行步骤D；
D、输入上述步骤B中所有环节及土壤参数值，启动PLS计算模型，将PLS算法得到的影响灌溉用水量的主要影响参数，标记为有效参数VP，其中根据PLS的计算值和土壤传感器反馈值，每一次执行PLS算法时，不断修正PLS算法，所以有效参数是变化的，然后，根据有效参数实时在线计算作物蒸腾量ET；根据得到的相邻两次有效参数值自动实时计算有效参数变化率CVP，若有效参数变化率CVP低于设定值CVPth，即CVP<CVPth,则将得到的最后一次有效参数标记为最终有效参数VP；
E、判断是否达到灌溉开启阈值ETth，若没有达到开启阈值ETth，即ET<ETth,则转步骤D，继续计算，若达到开启阈值，即ET>ETth,则执行灌溉操作，执行完毕转步骤D；
F、输入最终有效参数值VP，将PLS算法切换为ANFIS算法，实时在线计算作物蒸腾量ET；
G、判断是否达到灌溉开启阈值，若没有达到开启阈值，即ET<ETth,则转步骤F，继续计算，若达到开启阈值，即ET>ETth,则执行灌溉操作，执行完毕转步骤F。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
Claims (2)
1.一种通用智能灌溉系统，其特征在于:包括多个用于监测空气温度、空气相对湿度、光辐射强度、风速、雨量、饱和水汽压值、土壤温度、土壤基质势的气象信息传感器和多个用于监测土壤湿度的土壤信息传感器，多个所述气象信息传感器连接第一数据汇聚模块，多个所述土壤信息传感器连接第二数据汇聚模块，所述第一数据汇聚模块和第二数据汇聚模块分别连接模型计算及控制模块，所述模型计算及控制模块连接执行器，所述执行器连接灌溉设备；所述模型计算及控制模块包括PLS计算模型和ANFIS计算模型，使用前期采用PLS算法，数据量积累后可切换ANFIS算法，将PLS算法提取的有效参数作为输入变量；多个土壤信息传感器分别用于监测20-25cm深度土壤湿度、40-45cm深度土壤湿度和70-80cm深度土壤湿度。
2.一种通用智能灌溉的控制方法，其特征在于，包括如下步骤：
A、开始，初始化系统，设定有效参数变化率值；
B、输入通过气象传感器和土壤传感器得到的如下所有环境及土壤参数：
空气温度、空气相对湿度、光辐射强度、风速、雨量、饱和水汽压值、土壤温度、土壤基质势、20-25cm深度土壤湿度、40-45cm深度土壤湿度、70-80cm深度土壤湿度；
C、判断是否得到最终有效参数，若得到最终有效参数，则转步骤F，若没有得到最终有效参数，则执行步骤D；
D、输入上述步骤B中所有环节及土壤参数值，启动PLS计算模型，将PLS算法得到的影响灌溉用水量的主要影响参数，标记为有效参数，其中根据PLS的计算值和土壤传感器反馈值，每一次执行PLS算法时，不断修正PLS算法，所以有效参数是变化的，然后，根据有效参数实时在线计算作物蒸腾量；根据得到的相邻两次有效参数值计算有效参数变化率CVP，若有效参数变化率低于设定值，则将得到的最后一次有效参数标记为最终有效参数；
E、判断是否达到灌溉开启阈值，若没有达到开启阈值，则转步骤D，继续计算，若达到开启阈值，则执行灌溉操作，执行完毕转步骤D；
F、输入最终有效参数值，将PLS算法切换为ANFIS算法，实时在线计算作物蒸腾量；
G、判断是否达到灌溉开启阈值，若没有达到开启阈值，则转步骤F，继续计算，若达到开启阈值，则执行灌溉操作，执行完毕转步骤F。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610914674.1A CN106613783B (zh) | 2016-10-20 | 2016-10-20 | 一种通用智能灌溉系统及其控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610914674.1A CN106613783B (zh) | 2016-10-20 | 2016-10-20 | 一种通用智能灌溉系统及其控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106613783A CN106613783A (zh) | 2017-05-10 |
| CN106613783B true CN106613783B (zh) | 2020-02-14 |
Family
ID=58856011
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610914674.1A Expired - Fee Related CN106613783B (zh) | 2016-10-20 | 2016-10-20 | 一种通用智能灌溉系统及其控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106613783B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107168140A (zh) * | 2017-07-02 | 2017-09-15 | 武汉梦之蓝科技有限公司 | 一种基于互联网控制的城市公路绿化带自动灌溉管理系统 |
| CN107330805B (zh) * | 2017-07-07 | 2020-05-05 | 中国灌溉排水发展中心 | 一种灌水频率与强度的确定方法 |
| MX2020001072A (es) * | 2017-08-01 | 2020-08-06 | Valmont Industries | Sistema y metodo para el control y la compensacion del viento de riego de tasa variable. |
| CN107896949A (zh) * | 2017-11-20 | 2018-04-13 | 深圳春沐源控股有限公司 | 一种水肥灌溉自动控制方法及系统 |
| CN108040840A (zh) * | 2017-12-05 | 2018-05-18 | 深圳春沐源控股有限公司 | 灌溉控制方法 |
| CN108886937B (zh) * | 2018-06-14 | 2021-09-03 | 福建农林大学 | 一种基于传感器网络的梯田水肥灌溉压力自适应调节系统 |
| CN110084539B (zh) * | 2018-11-30 | 2021-10-22 | 武汉大学 | 灌溉决策学习方法、装置、服务器和存储介质 |
| CN109548634B (zh) * | 2018-12-31 | 2021-06-15 | 宁波工程学院 | 一种基于labview的智能灌溉方法 |
| CN113219865B (zh) * | 2021-04-19 | 2022-09-16 | 西北农林科技大学 | 基于光辐射量和蒸腾时滞效应的温室番茄超前决策高频智能灌溉方法及系统 |
| CN117814097B (zh) * | 2024-03-06 | 2024-05-03 | 北京佳格天地科技有限公司 | 基于机器学习的高效农田灌溉方法以及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102487788A (zh) * | 2011-12-15 | 2012-06-13 | 南京成风大气信息技术有限公司 | 基于气象信息服务的智能喷灌排放控制系统 |
| CN103299882A (zh) * | 2013-06-20 | 2013-09-18 | 北方民族大学 | 一种灌区田间节水智能化灌溉系统 |
| CN204426223U (zh) * | 2015-01-09 | 2015-07-01 | 河南慧之盟电子科技有限公司 | 一种田间节水智能化灌溉系统 |
| CN105706862A (zh) * | 2016-03-04 | 2016-06-29 | 温岭市创嘉信息科技有限公司 | 园林智能灌溉系统及灌溉方法 |
-
2016
- 2016-10-20 CN CN201610914674.1A patent/CN106613783B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102487788A (zh) * | 2011-12-15 | 2012-06-13 | 南京成风大气信息技术有限公司 | 基于气象信息服务的智能喷灌排放控制系统 |
| CN103299882A (zh) * | 2013-06-20 | 2013-09-18 | 北方民族大学 | 一种灌区田间节水智能化灌溉系统 |
| CN204426223U (zh) * | 2015-01-09 | 2015-07-01 | 河南慧之盟电子科技有限公司 | 一种田间节水智能化灌溉系统 |
| CN105706862A (zh) * | 2016-03-04 | 2016-06-29 | 温岭市创嘉信息科技有限公司 | 园林智能灌溉系统及灌溉方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106613783A (zh) | 2017-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106613783B (zh) | 一种通用智能灌溉系统及其控制方法 | |
| CN106688827B (zh) | 一种基于农业系统模型的灌溉决策系统及方法 | |
| CN106707767B (zh) | 基于多源信息融合的大田水肥一体化智能管控系统及方法 | |
| US20220248616A1 (en) | Irrigation control with deep reinforcement learning and smart scheduling | |
| CN110741914A (zh) | 一种基于循环神经网络的稻田自动化节水灌溉系统及方法 | |
| CN107219759B (zh) | 一种温室环境控制方法及装置 | |
| CN113994868B (zh) | 一种基于植物生长周期的自动灌溉方法及系统 | |
| CN106804414B (zh) | 一种封闭式无土栽培自动灌溉控制方法及系统 | |
| KR102377716B1 (ko) | 관수 제어 시스템, 및 딥러닝 기반의 관수 제어 방법 | |
| US11805740B2 (en) | Systems and methods for monitoring and controlling crop irrigation schedules | |
| CN109116827B (zh) | 基于物联网的日光温室水肥一体化灌溉控制方法及装置 | |
| CN117873238A (zh) | 一种植物生长控制方法及其系统、计算机设备和存储介质 | |
| Musa et al. | An intelligent plant dissease detection system for smart hydroponic using convolutional neural network | |
| CN117084155A (zh) | 一种智能农业精准农业技术方法 | |
| CN115761514A (zh) | 一种农田交替灌溉方法及系统 | |
| CN205284485U (zh) | 一种雾灌系统 | |
| Djalilov et al. | DEVELOPMENT OF AUTOMATED INTELLIGENT DRIP IRRIGATION SYSTEM | |
| CN104303961A (zh) | 一种灌溉自动控制装置及该控制装置的控制方法 | |
| KR20180029381A (ko) | 시설원예 환경 제어 장치 및 방법 | |
| Balbis et al. | Dynamic model of soil moisture for smart irrigation systems | |
| CN117426289A (zh) | 一种农田智能浇灌系统 | |
| CN107041282A (zh) | 一种能够实现闭环控制的水肥一体化算法及控制器 | |
| Pajany et al. | Enhancing Irrigation Efficiency with AI-Based Instinctive Irrigation System (IIS) in Wireless Sensor Networks | |
| CN106804392B (zh) | 基于加权平均湿度的绿色屋顶灌溉方法、控制装置及系统 | |
| CN107330570A (zh) | 一种利用物联网技术进行水稻干物质预测的系统 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200214 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |