CN108781926A - 基于神经网络预测的大棚灌溉系统及方法 - Google Patents
基于神经网络预测的大棚灌溉系统及方法 Download PDFInfo
- Publication number
- CN108781926A CN108781926A CN201810611767.6A CN201810611767A CN108781926A CN 108781926 A CN108781926 A CN 108781926A CN 201810611767 A CN201810611767 A CN 201810611767A CN 108781926 A CN108781926 A CN 108781926A
- Authority
- CN
- China
- Prior art keywords
- module
- neural network
- greenhouse
- network prediction
- monitoring
- 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.)
- Granted
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 69
- 238000003973 irrigation Methods 0.000 title claims abstract description 54
- 230000002262 irrigation Effects 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 80
- 239000002689 soil Substances 0.000 claims abstract description 14
- 230000005068 transpiration Effects 0.000 claims abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 17
- 239000003337 fertilizer Substances 0.000 claims description 11
- 230000003698 anagen phase Effects 0.000 claims description 6
- 230000004720 fertilization Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 210000004218 nerve net Anatomy 0.000 claims 3
- 238000005516 engineering process Methods 0.000 description 12
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 244000144730 Amygdalus persica Species 0.000 description 1
- 244000241235 Citrullus lanatus Species 0.000 description 1
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 description 1
- 241000207199 Citrus Species 0.000 description 1
- 244000241257 Cucumis melo Species 0.000 description 1
- 235000009847 Cucumis melo var cantalupensis Nutrition 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000016623 Fragaria vesca Nutrition 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 1
- 235000006040 Prunus persica var persica Nutrition 0.000 description 1
- 235000009754 Vitis X bourquina Nutrition 0.000 description 1
- 235000012333 Vitis X labruscana Nutrition 0.000 description 1
- 240000006365 Vitis vinifera Species 0.000 description 1
- 235000014787 Vitis vinifera Nutrition 0.000 description 1
- 235000020971 citrus fruits Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
- A01G9/247—Watering arrangements
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- 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
-
- 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
Abstract
本发明公开了一种基于神经网络预测的大棚灌溉系统及方法,包括:若干大棚监测区，所述大棚监测区设于大棚内，所述大棚监测区内设有监测模块，所述监测模块包括湿度监测系统、温度监测系统、土壤墒情监测系统；神经网络预测模块，所述神经网络预测模块与所述监测模块连接，所述神经网络预测模块用于大棚内作物的腾发量；模糊控制决策模块，所述与所述神经网络预测模块连接，所述模糊控制决策模块采用模糊PID控制方式；灌溉模块，所述灌溉模块与所述大棚以及模糊控制决策模块连接。
Description
技术领域
本发明属于灌溉技术领域，尤其涉及一种基于神经网络预测的大棚灌溉系统及方法。
背景技术
大棚原是蔬菜生产的专用设备，随着生产的发展大棚的应用越加广泛。当前大棚已用于盆花及切花栽培；果树生产用于栽培葡萄、草莓、西瓜、甜瓜、桃及柑桔等；林业生产用于林木育苗、观赏树木的培养等。随着人口的日益增多和工业化的发展，水资源匮乏问题越来越显著。这就要求我们改变传统低水分利用率的农业模式，进行智慧农业经营模式。以作物各时期对水分的需求量为依据，以提高作物的水分利用率为目标，适时适量地进行灌溉，使作物一直生长在最佳土壤湿度状态，最终实现农业生产的高品质、高产量、高效益。
智慧农业是在传统农业基础上，运用高新技术进行生产管理的一种农业模式。智慧农业较传统农业其先进之处主要是应用全球定位系统、地理信息技术、计算机控制技术等先进技术，实现对农业生产的定位、定时、定量的管理，做到精耕细作。精准灌溉就是在智慧农业的基础上发展起来的。由于农业管理点较为分散，用传统方法进行数据采集和信息传输的缺点是精度差、速度慢。因此，把电子技术、微电子技术和通信技术紧密结合起来，采用现代方法进行自动化监控和管理是非常必要的。
因此，国内外学者对于灌溉预测与决策的控制方法开展了大量的研究工作，他们认为，采取有效的控制方法如模糊逻辑推理、专家知识、神经网络等来预测农作物的灌溉用水量，并且不断根据环境参数进行及时的调节，满足不同环境下的作物的生长用水是最合理和有前景的方法，相关的控制方法研究较多，可分为现代控制策略、模型预测控制和无模型的智能控制方法三大类。
针对作物精准灌溉中亟待解决的需水量预测与智能决策控制等关键问题，开展理论分析、数值模拟、创新优化与实验研究，并以大棚为实验对象进行实验验证，最终形成以神经网络预测和模糊控制决策为基础的作物灌溉的控制理论与方法，推动精准灌溉控制技术的发展，做到适时适量的精准灌溉。
发明内容
为达到上述目的，本发明采用的技术方案为：基于神经网络预测的大棚灌溉系统及方法，
进一步的，气象监测模块，所述气象监测模块设于大棚外,所述气象监测模块与所述神经网络预测模块连接。
进一步的，所述气象监测系统能够是气象监测仪、气象传感器或气象卫星。
进一步的，所述神经网络预测模块依靠所述监测模块和气象监测模块预测作物腾发量。
进一步的，所述神经网络预测模块采用Penman-Monteith公式和BP神经网络对作物需水量进行建模和预测。
进一步的，所述神经网络预测模块采用BP神经网络ET0预测模型。
进一步的，所述灌溉模块包括控制系统和灌溉系统。
进一步的，所述灌溉系统能够是洒水机、洒水喷头或灌溉管道。
进一步的，基于神经网络预测的灌溉方法，包含以下步骤：
S1、监测模块将湿度监测系统、温度监测系统和土壤墒情监测系统收集的数据传输到神经网络预测模块；
S2、神经网络预测模块分析收集到的数据预测作物的腾发量，并将分析后的数据输入到模糊控制决策模块；
S3、模糊控制决策模块结合土壤墒情、气象信息等外界因素对作物各生长阶段灌溉量的影响，分析作物需水量的变化趋势，并将分析数据输送到灌溉模块；
S4、灌溉模块根据需水量变化趋势对作物进行精准灌溉。
进一步的，施肥模块，所述施肥模块与所述模糊控制决策模块连接，所述监测模块还包括肥料监测系统；
S1、监测模块将肥料监测系统收集的数据传输到神经网络预测模块；
S2、神经网络预测模块分析收集到的数据预测作物的需肥量，并将分析后的数据输入到模糊控制决策模块；
S3、模糊控制决策模块结合土壤墒情、气象信息等外界因素对作物各生长阶段施肥量的影响，分析作物施肥量的变化趋势，并将分析数据输送到施肥模块；
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
1本发明采用神经网络预测和模糊控制决策，再配合计算机控制技术等先进技术，对大棚的灌溉施肥实行定位、定时、定量的自动化监控和管理。
2采用Penman-Monteith公式和BP神经网络对作物需水量进行建模和预测，利用前一阶段的气象数据、大棚温湿度和作物需水量来预测后一阶段需水量，从而揭示气象数据和作物需水量之间的复杂关系，对发展节水灌溉理论，实行有效的灌溉具有重要的理论意义和实用价值。
3由于灌溉系统具有大惯性、非线性和纯时延等特点，提出基于BP神经网络预测的模糊PID控制算法，进行在线优化设计，从而实现高效、可靠、准确的控制。
4本发明根据大棚面积大小设置监测区个数，监测区在大棚里可以阵列排布，或者根据水田地理位置灵活设置，保证水田监测区中监测模块收集的数据具有代表性。
5本发明在大棚外部设置气象监测模块监测外部气象信息，收集气象数据，因为外部气象对大棚内部有一定影响，所以不仅要考虑大棚内部温湿度也要考虑外部气象，从而精准预测植物需水量。
附图说明
下面结合附图和实施例对本发明进一步说明；
图1为本发明的优选实施例的；
图2为大棚内部示意图；
图中：1、监测模块；2、湿度监测系统；3、温度监测系统；4、土壤墒情监测系统；5、气象监测模块；6、大棚；7、神经网络预测模块；8、模糊控制决策模块；9、灌溉模块。
具体实施方式
现在结合附图和实施例对本发明作进一步详细的说明，这些附图均为简化的示意图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅本发明的一部分实施例，而不是全部的实施例。仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
以下结合具体实施方式对本发明的实现进行详细的描述。
如图1和图2所示，基于神经网络预测的大棚灌溉系统及方法，包括：若干大棚6监测区，所述大棚6监测区设于大棚6内，所述大棚6监测区内设有监测模块1，所述监测模块1包括湿度监测系统2、温度监测系统3、土壤墒情监测系统4；神经网络预测模块7，所述神经网络预测模块7与所述监测模块1连接，所述神经网络预测模块7用于大棚6内作物的腾发量；模糊控制决策模块8，所述与所述神经网络预测模块7连接，所述模糊控制决策模块8采用模糊PID控制方式；灌溉模块9，所述灌溉模块9与所述大棚6以及模糊控制决策模块8连接。
根据作物需水量(腾发量)优化神经网络预测，应用当前的智能化技术根据天气环境参数来预测作物的腾发量。将人工神经网络技术与多维自回归模型相结合，通过多个气象因素与作物需水量的相关分析，来确定网络的拓扑结构，用训练好的神经网络实时预测作物需水量。由于神经网络在处理非线性、不确定性或模糊关系方面具有独特的优势，采用Penman-Monteith公式和BP神经网络对作物需水量进行建模和预测，利用前一阶段的气象数据和作物需水量来预测后一阶段需水量，从而揭示气象数据和作物需水量之间的复杂关系，对发展节水灌溉理论，实行有效的灌溉具有重要的理论意义和实用价值。
气象监测模块5，所述气象监测模块5设于大棚6外,所述气象监测模块5与所述神经网络预测模块7连接。气象监测模块设于大棚外部收集各类气象信息，鉴于外部气象对大棚内部有一定影响，所以应把外部气象考虑到影响因素中来，外部气象信息结合大棚内部温湿度信息可准确预测植物需水量。
所述气象监测系统能够是气象监测仪、气象传感器或气象卫星。
所述神经网络预测模块7依靠所述监测模块1和气象监测模块5预测作物腾发量。监测模块1和气象监测模块5将收集的数据输送到神经网络预测模块7，神经网络预测模块7经过处理预测腾发量。
所述神经网络预测模块7采用Penman-Monteith公式和BP神经网络对作物需水量进行建模和预测。
所述神经网络预测模块7采用BP神经网络ET0预测模型。采用BP神经网络ET0预测模型，拟选取八个基本的气象数据——最高气温、平均气温、最低气温、实际日照时间、风速、平均相对湿度、纬度、海拔，利用彭曼公式计算出ET0值作为标准值，接着选取不同气象数据作为输入值，彭曼公式计算值为输出值，依次训练网络。根据8个基本气象参数与ET0的相关性，通过依次减少气象参数并进行组合，接着利用BP神经网络预测算法对ET0值进行预测，分析相应的预测精度。
所述灌溉模块9包括控制系统和灌溉系统。可以理解的是，制系统可以是自动化控制系统。
所述灌溉系统能够是洒水机、洒水喷头或灌溉管道。可以理解的是，灌溉系统不限于洒水机、洒水喷头或灌溉管道，可以根据需要选择。
灌溉方法，包含以下步骤：
S1、监测模块1将湿度监测系统2、温度监测系统3和土壤墒情监测系统4收集的数据传输到神经网络预测模块7；
S2、神经网络预测模块7分析收集到的数据预测作物的腾发量，并将分析后的数据输入到模糊控制决策模块8；
S3、模糊控制决策模块8结合土壤墒情、气象信息等外界因素对作物各生长阶段灌溉量的影响，分析作物需水量的变化趋势，并将分析数据输送到灌溉模块9；
S4、灌溉模块9根据需水量变化趋势对作物进行精准灌溉。
施肥模块，所述施肥模块与所述模糊控制决策模块8连接，所述监测模块1还包括肥料监测系统；
S1、监测模块1将肥料监测系统收集的数据传输到神经网络预测模块7；
S2、神经网络预测模块7分析收集到的数据预测作物的需肥量，并将分析后的数据输入到模糊控制决策模块8；
S3、模糊控制决策模块8结合土壤墒情、气象信息等外界因素对作物各生长阶段施肥量的影响，分析作物施肥量的变化趋势，并将分析数据输送到施肥模块；
S4、灌溉模块9根据施肥量变化趋势对作物进行精准施肥。
施肥模块和灌溉模块9互相配合，实现精准灌溉和精准施肥，合理分配资源，使水资源达到高效率的利用。
以上依据本发明的理想实施例为启示，通过上述的说明内容，相关人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定技术性范围。
Claims (10)
1.一种基于神经网络预测的大棚灌溉系统，其特征在于，包括：
若干大棚监测区，所述大棚监测区设于大棚内，所述大棚监测区内设有监测模块，所述监测模块包括湿度监测系统、温度监测系统、土壤墒情监测系统；
神经网络预测模块，所述神经网络预测模块与所述监测模块连接，所述神经网络预测模块用于大棚内作物的腾发量；
模糊控制决策模块，所述与所述神经网络预测模块连接，所述模糊控制决策模块采用模糊PID控制方式；
灌溉模块，所述灌溉模块与所述大棚以及模糊控制决策模块连接。
2.根据权利要求1所述的基于神经网络预测的大棚灌溉系统，其特征在于，还包括：气象监测模块，所述气象监测模块设于大棚外,所述气象监测模块与所述神经网络预测模块连接。
3.根据权利要求2所述的基于神经网络预测的大棚灌溉系统，其特征在于：所述气象监测系统能够是气象监测仪、气象传感器或气象卫星。
4.根据权利要求1所述的基于神经网络预测的大棚灌溉系统，其特征在于：所述神经网络预测模块依靠所述监测模块和气象监测模块预测作物腾发量。
5.根据权利要求4所述的基于神经网络预测的大棚灌溉系统，其特征在于：所述神经网络预测模块采用Penman-Monteith公式和BP神经网络对作物需水量进行建模和预测。
6.根据权利要求5所述的基于神经网络预测的大棚灌溉系统，其特征在于：所述神经网络预测模块采用BP神经网络ET0预测模型。
7.根据权利要求1所述的基于神经网络预测的大棚灌溉系统，其特征在于：所述灌溉模块包括控制系统和灌溉系统。
8.根据权利要求7所述的基于神经网络预测的大棚灌溉系统，其特征在于：所述灌溉系统能够是洒水机、洒水喷头或灌溉管道。
9.一种利用权利要求1-8中任一权利要求所述的灌溉系统进行的灌溉方法，其特征在于，包含以下步骤：
S1、监测模块将湿度监测系统、温度监测系统和土壤墒情监测系统收集的数据传输到神经网络预测模块；
S2、神经网络预测模块分析收集到的数据预测作物的腾发量，并将分析后的数据输入到模糊控制决策模块；
S3、模糊控制决策模块结合土壤墒情、气象信息等外界因素对作物各生长阶段灌溉量的影响，分析作物需水量的变化趋势，并将分析数据输送到灌溉模块；
S4、灌溉模块根据需水量变化趋势对作物进行精准灌溉。
10.根据权利要求9所述的灌溉方法，其特征在于，还包括：施肥模块，所述施肥模块与所述模糊控制决策模块连接，所述监测模块还包括肥料监测系统；
S1、监测模块将肥料监测系统收集的数据传输到神经网络预测模块；
S2、神经网络预测模块分析收集到的数据预测作物的需肥量，并将分析后的数据输入到模糊控制决策模块；
S3、模糊控制决策模块结合土壤墒情、气象信息等外界因素对作物各生长阶段施肥量的影响，分析作物施肥量的变化趋势，并将分析数据输送到施肥模块；
S4、灌溉模块根据施肥量变化趋势对作物进行精准施肥。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810611767.6A CN108781926B (zh) | 2018-06-14 | 2018-06-14 | 基于神经网络预测的大棚灌溉系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810611767.6A CN108781926B (zh) | 2018-06-14 | 2018-06-14 | 基于神经网络预测的大棚灌溉系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108781926A true CN108781926A (zh) | 2018-11-13 |
| CN108781926B CN108781926B (zh) | 2021-10-22 |
Family
ID=64086005
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810611767.6A Active CN108781926B (zh) | 2018-06-14 | 2018-06-14 | 基于神经网络预测的大棚灌溉系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108781926B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108388291A (zh) * | 2018-01-17 | 2018-08-10 | 中国农业大学 | 一种温室集群环境调控方法与系统 |
| CN109634329A (zh) * | 2018-12-29 | 2019-04-16 | 河源春沐源旅游文化有限公司 | 封闭空间环境参数的控制方法、系统及存储介质 |
| CN110069032A (zh) * | 2019-04-19 | 2019-07-30 | 淮阴工学院 | 一种基于小波神经网络的茄子温室环境智能检测系统 |
| CN110109193A (zh) * | 2019-04-19 | 2019-08-09 | 淮阴工学院 | 一种基于drnn神经网络的茄子温室温度智能化检测装置 |
| CN110472840A (zh) * | 2019-07-29 | 2019-11-19 | 重庆邮电大学 | 一种基于神经网络技术的农业水利调度方法及系统 |
| CN110692338A (zh) * | 2019-10-30 | 2020-01-17 | 北京农业智能装备技术研究中心 | 水肥一体化灌溉系统控制方法及水肥一体化灌溉系统 |
| CN110896761A (zh) * | 2019-09-18 | 2020-03-24 | 北京农业信息技术研究中心 | 一种温室的灌溉决策方法及系统 |
| CN113966714A (zh) * | 2021-10-27 | 2022-01-25 | 山东润浩水利科技有限公司 | 一种大田自动灌溉用施肥装置及施肥方法 |
| US20220100997A1 (en) * | 2020-09-25 | 2022-03-31 | China Institute Of Water Resources And Hydropower Research | Farmland reference crop evapotranspiration prediction method considering uncertainty of meteorological factors |
| CN114287220A (zh) * | 2021-12-14 | 2022-04-08 | 中天水土治理科技(山东)股份有限公司 | 一种基于水肥一体化的智能灌溉系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202602714U (zh) * | 2012-05-28 | 2012-12-12 | 广东顺德宸熙物联科技有限公司 | 一种基于物联网和云计算技术的智能温室监控系统 |
| CN105588930A (zh) * | 2015-12-17 | 2016-05-18 | 镇江市高等专科学校 | 温室大棚土壤参数测量方法 |
| CN106688705A (zh) * | 2017-01-13 | 2017-05-24 | 湖南理工学院 | 一种智能种植大棚及其采用的监测方法 |
| CN107168066A (zh) * | 2017-06-23 | 2017-09-15 | 太原理工大学 | 一种温室环境自适应控制方法 |
| CN107678410A (zh) * | 2017-09-30 | 2018-02-09 | 中国农业大学 | 一种面向温室环境的智能控制方法、系统与控制器 |
-
2018
- 2018-06-14 CN CN201810611767.6A patent/CN108781926B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202602714U (zh) * | 2012-05-28 | 2012-12-12 | 广东顺德宸熙物联科技有限公司 | 一种基于物联网和云计算技术的智能温室监控系统 |
| CN105588930A (zh) * | 2015-12-17 | 2016-05-18 | 镇江市高等专科学校 | 温室大棚土壤参数测量方法 |
| CN106688705A (zh) * | 2017-01-13 | 2017-05-24 | 湖南理工学院 | 一种智能种植大棚及其采用的监测方法 |
| CN107168066A (zh) * | 2017-06-23 | 2017-09-15 | 太原理工大学 | 一种温室环境自适应控制方法 |
| CN107678410A (zh) * | 2017-09-30 | 2018-02-09 | 中国农业大学 | 一种面向温室环境的智能控制方法、系统与控制器 |
Non-Patent Citations (1)
| Title |
|---|
| 蒋任飞等: "基于BP 神经网络的参照腾发量预测模型", 《中国水利水电科学研究院学报》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108388291A (zh) * | 2018-01-17 | 2018-08-10 | 中国农业大学 | 一种温室集群环境调控方法与系统 |
| CN109634329A (zh) * | 2018-12-29 | 2019-04-16 | 河源春沐源旅游文化有限公司 | 封闭空间环境参数的控制方法、系统及存储介质 |
| CN110069032B (zh) * | 2019-04-19 | 2021-04-23 | 淮阴工学院 | 一种基于小波神经网络的茄子温室环境智能检测系统 |
| CN110069032A (zh) * | 2019-04-19 | 2019-07-30 | 淮阴工学院 | 一种基于小波神经网络的茄子温室环境智能检测系统 |
| CN110109193A (zh) * | 2019-04-19 | 2019-08-09 | 淮阴工学院 | 一种基于drnn神经网络的茄子温室温度智能化检测装置 |
| CN110109193B (zh) * | 2019-04-19 | 2021-01-01 | 淮阴工学院 | 一种基于drnn神经网络的茄子温室温度智能化检测装置 |
| CN110472840A (zh) * | 2019-07-29 | 2019-11-19 | 重庆邮电大学 | 一种基于神经网络技术的农业水利调度方法及系统 |
| CN110472840B (zh) * | 2019-07-29 | 2022-03-22 | 重庆邮电大学 | 一种基于神经网络技术的农业水利调度方法及系统 |
| CN110896761A (zh) * | 2019-09-18 | 2020-03-24 | 北京农业信息技术研究中心 | 一种温室的灌溉决策方法及系统 |
| CN110692338A (zh) * | 2019-10-30 | 2020-01-17 | 北京农业智能装备技术研究中心 | 水肥一体化灌溉系统控制方法及水肥一体化灌溉系统 |
| US20220100997A1 (en) * | 2020-09-25 | 2022-03-31 | China Institute Of Water Resources And Hydropower Research | Farmland reference crop evapotranspiration prediction method considering uncertainty of meteorological factors |
| CN113966714A (zh) * | 2021-10-27 | 2022-01-25 | 山东润浩水利科技有限公司 | 一种大田自动灌溉用施肥装置及施肥方法 |
| CN113966714B (zh) * | 2021-10-27 | 2022-12-06 | 山东润浩水利科技有限公司 | 一种大田自动灌溉用施肥装置及施肥方法 |
| CN114287220A (zh) * | 2021-12-14 | 2022-04-08 | 中天水土治理科技(山东)股份有限公司 | 一种基于水肥一体化的智能灌溉系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108781926B (zh) | 2021-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108781926A (zh) | 基于神经网络预测的大棚灌溉系统及方法 | |
| CN107945042B (zh) | 一种作物生长灌溉决策控制系统 | |
| CN104460582B (zh) | 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统 | |
| CN109191074A (zh) | 智慧果园种植管理系统 | |
| CN205594695U (zh) | 一种基于物联网的农业智能应用系统 | |
| CN104866970B (zh) | 智能种植管理方法和智能种植设备 | |
| CN110347127A (zh) | 基于云服务的农作物种植托管系统及方法 | |
| CN110545531A (zh) | 一种基于大数据和云计算的农作物长势监控方法与系统 | |
| CN107807598A (zh) | 物联网+节水、节肥精准灌溉系统及方法 | |
| CN112450056A (zh) | 一种基于机器学习算法的水肥药一体化智能灌溉系统 | |
| CN107330804A (zh) | 一种智慧水利管控云平台及方法 | |
| CN113657751A (zh) | 一种智慧农业产融综合服务平台 | |
| CN106777683A (zh) | 一种作物苗情监测系统和方法 | |
| CN108762084A (zh) | 基于模糊控制决策的水田灌溉系统及方法 | |
| WO2021007363A1 (en) | Irrigation control with deep reinforcement learning and smart scheduling | |
| CN106773720A (zh) | 一种温室大棚环境自动控制系统 | |
| Mamatha et al. | Machine learning based crop growth management in greenhouse environment using hydroponics farming techniques | |
| Li et al. | Systematic water-saving management for strawberry in basic greenhouses based on the internet of things | |
| CN111459033A (zh) | 水、肥精量灌溉的灰色预测模糊pid控制方法及设备 | |
| Yue et al. | Research and application of agricultural internet of things technology in intelligent agriculture | |
| Wanyama et al. | Precision water management | |
| Violino et al. | A data-driven bibliometric review on precision irrigation | |
| CN111176238B (zh) | Aipa智慧决策型精准农业系统 | |
| CN114287320A (zh) | 一种根抱石栽培系统及方法 | |
| CN211236722U (zh) | 基于智能化园林绿化和荒漠生态修复装置 |
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 | ||
| CB02 | Change of applicant information |
Address after: 223005 No. 3 Meicheng Road, Huai'an Economic Development Zone, Jiangsu Province Applicant after: Jiangsu vocationnal college of electronics and information Address before: 223003 Huai'an Information Vocational and Technical College, No. 3 Meizheng Road, Huai'an University, Jiangsu Province Applicant before: Jiangsu vocationnal college of electronics and information |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 223005 No. 3 Meicheng Road, Huaian Economic and Technological Development Zone, Jiangsu Province Applicant after: Jiangsu electronic information Vocational College Address before: 223005 No. 3 Meicheng Road, Huai'an Economic Development Zone, Jiangsu Province Applicant before: Jiangsu vocationnal college of electronics and information |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20181113 Assignee: Huaian Lingmei Technology Co.,Ltd. Assignor: Jiangsu electronic information Vocational College Contract record no.: X2021980012087 Denomination of invention: Greenhouse irrigation system and method based on neural network prediction Granted publication date: 20211022 License type: Common License Record date: 20211109 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231110 Address after: 230000 Room 203, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Hefei Jiuzhou Longteng scientific and technological achievement transformation Co.,Ltd. Address before: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee before: Dragon totem Technology (Hefei) Co.,Ltd. Effective date of registration: 20231110 Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Dragon totem Technology (Hefei) Co.,Ltd. Address before: 223005 No. 3 Meicheng Road, Huaian Economic and Technological Development Zone, Jiangsu Province Patentee before: Jiangsu electronic information Vocational College |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240304 Address after: 200120, 4th Floor, No. 30, Lane 123, Shenmei Road, Pudong New Area, Shanghai Patentee after: Shanghai Wuwu Technology Development Co.,Ltd. Country or region after: China Address before: 230000 Room 203, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee before: Hefei Jiuzhou Longteng scientific and technological achievement transformation Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |