CN110531815A - 一种融合室内外环境参数的温室智能预调控装置及方法 - Google Patents
一种融合室内外环境参数的温室智能预调控装置及方法 Download PDFInfo
- Publication number
- CN110531815A CN110531815A CN201910908562.9A CN201910908562A CN110531815A CN 110531815 A CN110531815 A CN 110531815A CN 201910908562 A CN201910908562 A CN 201910908562A CN 110531815 A CN110531815 A CN 110531815A
- Authority
- CN
- China
- Prior art keywords
- greenhouse
- sensor group
- parameter
- data
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000001143 conditioned effect Effects 0.000 title claims abstract description 18
- 230000007613 environmental effect Effects 0.000 claims abstract description 33
- 238000006243 chemical reaction Methods 0.000 claims abstract description 29
- 238000005286 illumination Methods 0.000 claims abstract description 24
- 230000001105 regulatory effect Effects 0.000 claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims description 34
- 238000012549 training Methods 0.000 claims description 27
- 239000000126 substance Substances 0.000 claims description 18
- 230000012010 growth Effects 0.000 claims description 16
- 229910001220 stainless steel Inorganic materials 0.000 claims description 15
- 239000010935 stainless steel Substances 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 239000005341 toughened glass Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000003780 insertion Methods 0.000 claims description 2
- 230000037431 insertion Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000006549 dyspepsia Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
- A01G7/00—Botany in general
- A01G7/04—Electric or magnetic or acoustic treatment of plants for promoting growth
- A01G7/045—Electric or magnetic or acoustic treatment of plants for promoting growth with electric lighting
-
- 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
- A01G9/14—Greenhouses
-
- 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
-
- 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
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/14—Measures for saving energy, e.g. in green houses
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Botany (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Greenhouses (AREA)
Abstract
本发明提供了一种融合室内外环境参数的温室智能预调控装置及方法,包括培养温室、室外传感器组、室内传感器组、控制箱、显示板、环境调节装置和连接导线。培养温室固定在地面上,室外传感器组安装在培养温室外,室内传感器组、控制箱和显示板安装在培养温室内,环境调节装置包括LED照明灯、水帘风机和电加热器,本发明不仅实现了根据室外环境参数的变化趋势来预测外界各项环境参数的变化情况,并自动调整温室内设备运行,对外界的环境突变做出预先反应,使温室内各项环境参数更加稳定;还可以将复杂的物理参数进行语义转换输出易于农户理解的操作建议,具有降低温室维护成本、可推广性强、操作简便、自动化程度高等优点。
Description
技术领域
本发明属于农业物联网技术领域,具体涉及一种融合室内外环境参数的温室智能预调控装置及方法。
背景技术
现阶段我国在温室设施蔬菜领域的主要研究都集中在通过温室内安装仪器设备对环境进行监控,也就是说只有在温室环境产生变化超过一定范围后才开始调整,而这种调节方式在环境变化过快时可能由于设备启动的不及时而导致作物品质降低甚至减产。同时,由于各科研单位温室培养蔬菜的日益重视,越来越多的监测设备进入到温室当中,然而农户难以理解各种复杂的环境参数,监控设备仅能为科研人员提供详实数据而无法促进温室实际增产。
发明内容
本发明所要解决的技术问题在于针对上述现有技术的不足,提供一种融合室内外环境参数的温室智能预调控装置及方法,通过监测外界环境变化趋势,预测未来外界环境数据,相应地调节温室内环境,减少温室内环境参数波动,稳定在最适宜作物生长的温室环境。同时,还可以将预测的多种复杂内外环境参数转换为易于农户理解的环境等级和操作建议,实用性强。
为解决上述技术问题,本发明采用的技术方案是:一种融合室内外环境参数的温室智能预调控装置,其特征在于,包括培养温室、室外传感器组、室内传感器组、控制箱、显示板和环境调节装置,所述培养温室固定设置在地面上,所述室外传感器组安装在所述培养温室的顶板外侧表面几何中心上,所述室内传感器组由安装支架安装在培养温室内顶板下1m的几何中心处,所述控制箱、显示板和环境调节装置设置在所述培养温室内侧壁上,所述环境调节装置包括LED照明灯、水帘风机和电加热器,所述控制箱同时与所述室内传感器组、室外传感器组、显示板和环境调节装置通过连接导线连接。
优选地,所述培养温室的主体为不锈钢材质的长方体框架,除底部外每面均镶嵌有多块透光性良好的正方形钢化玻璃,相邻两块所述钢化玻璃之间由不锈钢条连接,所述不锈钢条焊接固定在培养温室上,所述培养温室内部上方靠近顶面处焊接有3根不锈钢空心横梁,在所述培养温室左侧的墙面靠底部处安装有用于操作人员和大型设备进出的温室出入门。
优选地,所述室外传感器组和室内传感器组均包括温度传感器、湿度传感器、光辐射传感器和风速传感器且依次安装在同一根不锈钢架上,所述室外传感器组和室内传感器组均每10min反馈一次环境监测数据信息。
优选地,所述LED照明灯嵌入安装在所述培养温室的3根横梁上,每根所述横梁上安装6个LED照明灯。所述水帘风机重叠镶嵌在所述培养温室右侧侧壁上,水帘风机内的水帘机位于培养温室内部,水帘风机内的风机靠近培养温室外侧。所述电加热器安装在培养温室内部后侧的墙壁上。环境调节装置可以根据所述控制箱给出的不同档位信号,对应调节输出功率。LED照明灯用于调节温室内部光辐射强度,水帘风机用于调节温室内部湿度和风速,电加热器用于调节温室内部温度,从多方面调节室内的环境。
优选地,所述控制箱包括电路板以及设置在电路板上的室外传感器组接口、室内传感器组接口、显示板接口、LED照明灯接口、水帘风机接口、电加热器触发器接口、生长模型传输接口、A/D转换器、STC12单片机、内部存储器、DTU数据传输模块和电源模块,所述室外传感器组接口、室内传感器组接口、生长模型传输接口与A/D转换器连接,所述LED照明灯接口、水帘风机接口、电加热器接口、显示板接口与所述触发器连接,所述触发器、A/D转换器、内部存储器、DTU数据传输模块、电源模块均与所述STC12单片机连接。
另外,本发明还提供了一种融合室内外环境参数的温室智能预调控方法,其特征在于,包括以下工作流程:首先由室内传感器组反馈室内环境监测数据,由室外传感器组反馈室外环境监测数据,控制箱上集成的环境参数预测方法在得到室内环境监测数据和室外环境监测数据后进行计算分析,将未来3次室内环境监测数据的预测值分别使用参数语义转换方法和装置调节控制方法进行处理显示并控制环境调节装置对室内环境进行预调节;通过参数语义转换方法为将未来3次室内环境监测数据的预测值转换后输出到显示板,再通过装置调节控制方法为在接到未来3次室内环境监测数据的预测值后,判断预测值超过阈值后,向环境调节装置发送指令,对室内环境参数进行对应的预先调节;当所述室内传感器组和所述室外传感器组再次返回数据时循环上述过程。
优选地,所述环境参数预测方法为:将1000组6次在同一时间监测到的室内环境监测数据输入到神经网络中训练和验证,进而得到室内环境参数预测模型;所述环境参数预测计算方法为:将3次在同一时间监测到的所述室内环境监测数据输入到所述室内环境参数预测模型中,得到在不进行调节的情况下未来3次室内环境监测数据的预测值;所述参数语义转换方法包括参数语义训练方法和参数语义转换计算方法,所述数语义训练方法为将1000组连续6次所述室内环境监测数据输入到神经网络中进行分类训练及验证,神经网络的全连接层连接到通过生长模型输入接口输入的作物生长环境评价函数,得到室内参数语义转换模型;所述参数语义转换计算方法为将所述环境参数预测计算方法给出的未来3次室内环境监测数据的预测值和由所述室内传感器组传回的最近3次室内环境监测数据输入到所述室内参数语义转换模型中,将输出结果传递到所述显示板;所述装置调节控制方法为通过接收所述环境参数预测方法计算得出的在不进行调节的情况下未来3次室内环境监测数据,对比所述生长模型输入接口输入的环境参数阈值,判断在不进行调节的情况下未来3次室内环境监测数据超过所述环境参数阈值的大小,进而对应调节所述环境调节装置的启动和停止。
优选地,所述室内参数语义转换模型输出结果包括综合分析温室内环境参数信息,将温室环境的适宜度划分为由不适到适宜的5个级别标注1-5;同时根据环境中的温度变化预测未来环境温度,并给出启动电加热器按级别返回数字“1”至“5”中的一个,关闭电加热器返回数字“0”;根据环境中的湿度变化预测未来是否有雨,并给出降雨概率从低到高的5个级别标注1-5和启动水帘按级别返回数字“1”至“5”中的一个,关闭所述水帘返回数字“0”;根据环境中的光辐射变化预测未来是否阴天,并给出阴天概率从低到高的5个级别标注1-5和启动所述LED照明灯按级别返回数字“1”至“5”中的一个,关闭所述LED照明灯返回数字“0”;根据环境中的风速变化预测未来环境中的风速,启动所述风机按级别返回数字“1”至“5”中的一个,关闭所述风机返回数字“0”。
优选地,所述神经网络包括训练数据的预处理、多个残差单元和全连接单元,训练数据的预处理包括对训练数据进行去均值和归一化计算;所述残差单元包括主路径和捷径,所述主路径包括3个卷积层以及3个卷积层两两之间的修正线性单元,所述3个卷积层依次包括多个1×1卷积核的卷积层多个3×3卷积核的卷积层和多个1×1卷积核的卷积层,输入数据在所述主路径计算之后的结果与所述捷径上直接传递过来的所述输入数据对应相加,然后,输入数据在所述主路径计算之后的结果F(x)与所述捷径上直接传递过来的所述输入数据x对应相加:
H(x)=F(x)+x。
再计算所述修正线性单元得到残差单元的输出数据。其中,若所述残差单元为所述神经网络中第1个残差单元,则所述输入数据是经过所述预处理的训练数据;否则所述输入数据是前1个所述残差单元的输出数据。所述残差单元主路径计算的结果,当F(x)=0时,那么H(x)=x,也就是恒等映射。于是,所述残差单元相当于将学习目标改变了,不再是学习一个完整的输出,而是目标值H(x)和x的差值,也就是所谓的残差F(x)=H(x)-x,因此,后面的所述残差单元的训练目标就是要将所述残差结果逼近于0,使到随着网络加深,准确率不下降。最后,所述全连接单元将最后一个所述残差单元的输出数据按行展开至一维后进行计算,得到判断结果。
本发明与现有技术相比具有以下优点:
1、本发明装置结构设计科学合理,安装方便,成本可控,能通过预测未来外界环境数据来调节温室内环境,减少温室内环境参数波动,稳定在最适宜作物生长的温室环境。
2、本发明提供了生长模型的输入接口,可以根据不同作物的实际生长环境要求输入不同的环境参数阈值。另外,预测值可通过语义转换算法将更易于农户理解的语句输出到显示板上,提高科研参数的利用价值的同时为农户的实际生产提供具体参考,显示结果简单明了,易于操作。
3、本发明通过安装在室外的室外传感器组实时监测室外环境变化来判断预测环境变化,进而通过设置在室内的室内传感器组监测到的室内实时环境参数来控制室内的环境调节装置工作改变室内环境达到预调整的目的,避免室外环境大幅度波动对室内环境造成的影响,持续为植物温室提供稳定的环境条件,提高经济效益。
下面结合附图和实施例对本发明作进一步详细说明。
附图说明
图1是本发明的结构示意图。
图2是本发明的电路原理框图。
图3是本发明的智能预调控流程框图。
附图标记说明:
101—培养温室; 102—温室出入门; 103—横梁;
104—室内传感器组; 105—室外传感器组; 106—LED照明灯;
107—显示板; 108—水帘风机; 109—控制箱;
110—连接导线; 111—电加热器。
具体实施方式
如图1所示,本发明包括所述一种融合室内外环境参数的温室智能预调控装置包括培养温室101、室内传感器组104、室外传感器组105、显示板107、控制箱109、环境调节装置、连接导线110。
本实施例中,所述培养温室101的主体为不锈钢长方体框架,除底部外每面均镶嵌有多块透光性良好的正方形钢化玻璃。相邻两块所述钢化玻璃之间由不锈钢条连接,所述不锈钢条焊接在所述培养温室上。培养温室内部上方靠近顶部处焊接有3根不锈钢空心横梁103。培养温室左侧的墙面靠底部处安装有1个双开不锈钢温室出入门102,用于操作人员和大型设备进出温室。
本实施例中,培养温室101放置在地面上;室内传感器组104通过支架安装在培养温室101顶板下表面中心点下方1m处,室外传感器组105安装在培养温室101顶板外表面的中心点,显示板107安装在所述框架体101前侧靠右下方的内表面上,控制箱109安装在显示板107上方,环境调节装置包括:LED照明灯106、水帘风机108和电加热器111,LED照明灯106安装在横梁103上,水帘风机108镶嵌在所述培养温室101右侧壁内,电加热器111安装述培养温室101后侧内表面上,控制箱109和室内传感器104、控制箱109和室外传感器105、控制箱109和显示板107、控制器109和环境调节装置均通过连接导线110连接。
本实施例中,室内传感器组104和室外传感器组105均包括温度传感器、湿度传感器、光辐射传感器和风速传感器,室内传感器组104依次安装在同一根不锈钢架上。所述室内传感器组104和室外传感器组105每10分钟反馈1次环境监测数据。
本实施例中,环境调节装置包括:LED照明灯106、水帘风机108和电加热器111。LED照明灯106嵌入安装在所述培养温室的3根横梁103上,每根横梁103上安装6个LED照明灯106。水帘风机108重叠镶嵌在培养温室101右侧侧壁上,水帘风机108包括水帘机和风机,电加热器111安装在所述培养温室101内部后侧壁上。环境调节装置均有编号1-5的5个不同功率的启动模式,每个模式具有不同强度的调节效果,编号1号输出功率最高,编号5号输出功率最低,可以根据控制箱109的不同指令采用不同的启动模式以达到节能减排,降低成本的效果。所述LED照明灯106用于调节温室内部光辐射强度;水帘机用于调节温室内部湿度;风机用于调节温室内风速;电加热器111用于调节温室内部温度。
如图2所示,本实施例中,控制箱109位于所述培养温室101内部,安装在培养温室101前侧墙体内侧靠右的位置,控制箱109包括电路板以及镶嵌在所述电路板上的室外传感器组接口、室内传感器组接口、显示板接口、LED照明灯接口、水帘风机接口、电加热器触发器接口、生长模型传输接口、A/D转换器、STC12单片机、内部存储器、DTU数据传输模块和电源模块。室外传感器组接口、室内传感器组接口、生长模型传输接口连接在A/D转换器上,LED照明灯接口、水帘风机接口、电加热器接口、显示板接口连接在所述触发器上,触发器、A/D转换器、内部存储器、DTU数据传输模块、电源模块均连接在所述STC12单片机上。
一种融合室内外环境参数的温室智能预调控方法,其特征在于,包括以下工作流程:首先由室内传感器组104反馈室内环境监测数据,由室外传感器组105反馈室外环境监测数据,控制箱109上集成的环境参数预测方法在得到室内环境监测数据和室外环境监测数据后进行计算分析,将未来3次室内环境监测数据的预测值分别使用参数语义转换方法和装置调节控制方法进行处理显示并控制环境调节装置对室内环境进行预调节;通过参数语义转换方法为将未来3次室内环境监测数据的预测值转换后输出到显示板107上,再通过装置调节控制方法为在接到未来3次室内环境监测数据的预测值后,判断预测值超过阈值后,向环境调节装置发送指令,对室内环境参数进行对应的预先调节;当所述室内传感器组104和所述室外传感器105组再次返回数据时循环上述过程。
本实施例中,所述环境参数预测方法为:将1000组6次在同一时间监测到的室内环境监测数据输入到神经网络中训练和验证,进而得到室内环境参数预测模型;所述环境参数预测计算方法为:将3次在同一时间监测到的所述室内环境监测数据输入到所述室内环境参数预测模型中,得到在不进行调节的情况下未来3次室内环境监测数据的预测值;所述参数语义转换方法包括参数语义训练方法和参数语义转换计算方法,所述数语义训练方法为:将1000组连续6次所述室内环境监测数据输入到神经网络中进行分类训练及验证,神经网络的全连接层连接到通过生长模型输入接口输入的作物生长环境评价函数,得到室内参数语义转换模型;所述参数语义转换计算方法为:将所述环境参数预测计算方法给出的未来3次室内环境监测数据的预测值和由所述室内传感器组传回的最近3次室内环境监测数据输入到所述室内参数语义转换模型中,将输出结果传递到所述显示板;所述装置调节控制方法为:通过接收所述环境参数预测方法计算得出的在不进行调节的情况下未来3次室内环境监测数据,对比所述生长模型输入接口输入的环境参数阈值,判断在不进行调节的情况下未来3次室内环境监测数据超过所述环境参数阈值的大小,进而对应调节所述环境调节装置的启动和停止。
本实施例中,所述室内参数语义转换模型输出结果包括综合分析温室内环境参数信息,将温室环境的适宜度划分为由不适到适宜的5个级别标注1-5;同时根据环境中的温度变化预测未来环境温度,并给出启动电加热器按级别返回数字“1”至“5”中的一个,关闭电加热器返回数字“0”;根据环境中的湿度变化预测未来是否有雨,并给出降雨概率从低到高的5个级别标注1-5和启动水帘按级别返回数字“1”至“5”中的一个,关闭所述水帘返回数字“0”;根据环境中的光辐射变化预测未来是否阴天,并给出阴天概率从低到高的5个级别标注1-5和启动所述LED照明灯按级别返回数字“1”至“5”中的一个,关闭所述LED照明灯返回数字“0”;根据环境中的风速变化预测未来环境中的风速,启动所述风机按级别返回数字“1”至“5”中的一个,关闭所述风机返回数字“0”。
本实施例中,神经网络包括训练数据的预处理、多个残差单元和全连接单元,训练数据的预处理包括对训练数据进行去均值和归一化计算;残差单元包括主路径和捷径,主路径包括3个卷积层以及3个卷积层两两之间的修正线性单元,3个卷积层依次包括多个1×1卷积核的卷积层、多个3×3卷积核的卷积层和多个1×1卷积核的卷积层,输入数据在所述主路径计算之后的结果与所述捷径上直接传递过来的所述输入数据对应相加,然后,输入数据在所述主路径计算之后的结果F(x)与所述捷径上直接传递过来的所述输入数据x对应相加:H(x)=F(x)+x,再计算所述修正线性单元得到残差单元的输出数据。其中,若所述残差单元为所述神经网络中第1个残差单元,则所述输入数据是经过所述预处理的训练数据;否则输入数据是前1个所述残差单元的输出数据。残差单元主路径计算的结果,当F(x)=0时,那么H(x)=x。于是,残差单元相当于将学习目标改变了,不再是学习一个完整的输出,而是目标值H(x)和x的差值,也就是所谓的残差F(x)=H(x)-x,因此,后面的残差单元的训练目标就是要将残差结果逼近于0,使到随着网络加深,准确率不下降。最后,全连接单元将最后一个残差单元的输出数据按行展开至一维后进行计算,得到判断结果。
如图3所示,采用上述融合室内外环境参数的温室智能预调控装置进行温室智能预调控方法,该方法包括以下工作流程:在温室智能预调控装置启动后,由室内传感器组104反馈室内环境监测数据,由室外传感器105组反馈室外环境监测数据,控制箱109上集成的环境参数预测方法在得到室内环境监测数据和所述室外环境监测数据后进行计算分析,通过参数语义转换方法将未来3次室内环境监测数据的预测值转换后输出到显示板107,再通过装置调节控制方法接到未来3次室内环境监测数据的预测值后,判断预测值超过阈值后,向环境调节装置发送指令,对环境参数进行对应的预先调节。当室内传感器组104和所述室外传感器105组再次返回数据时循环上述过程。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何限制。凡是根据发明技术实质对以上实施例所作的任何简单修改、变更以及等效变化,均仍属于本发明技术方案的保护范围内。
Claims (7)
1.一种融合室内外环境参数的温室智能预调控装置,其特征在于,包括培养温室(101)、室外传感器组(105)、室内传感器组(104)、控制箱(109)、显示板(107)和环境调节装置,所述培养温室(101)固定设置在地面上,所述室外传感器组(105)安装在所述培养温室(101)的顶板外侧表面上,所述室内传感器组(104)、控制箱(109)、显示板(107)和环境调节装置设置在所述培养温室(101)内,所述环境调节装置包括LED照明灯(106)、水帘风机(108)和电加热器(111),所述控制箱(109)同时与所述室内传感器组(104)、室外传感器组(105)、显示板(107)和环境调节装置连接。
2.根据权利要求1所述的一种融合室内外环境参数的温室智能预调控装置,其特征在于,所述室外传感器组(105)和室内传感器组(104)均包括温度传感器、湿度传感器、光辐射传感器和风速传感器,所述室外传感器组(105)安装在所述培养温室(101)顶板外侧表面的几何中心处,所述室内传感器组(104)安装在所述培养温室(101)顶板内侧表面的几何中心处。
3.根据权利要求1所述的一种融合室内外环境参数的温室智能预调控装置,其特征在于,所述控制箱(109)包括电路板以及设置在电路板上的室外传感器组接口、室内传感器组接口、显示板接口、LED照明灯接口、水帘风机接口、电加热器触发器接口、生长模型传输接口、A/D转换器、STC12单片机、内部存储器、DTU数据传输模块和电源模块,所述室外传感器组接口、室内传感器组接口、生长模型传输接口与A/D转换器连接,所述LED照明灯接口、水帘风机接口、电加热器接口、显示板接口与所述触发器连接,所述触发器、A/D转换器、内部存储器、DTU数据传输模块、电源模块均与所述STC12单片机连接。
4.根据权利要求1所述的一种融合室内外环境参数的温室智能预调控装置,其特征在于,所述培养温室(101)由不锈钢长方体框架和固定在框架上的多块透光性良好的正方形钢化玻璃构成,相邻两块钢化玻璃之间由不锈钢条连接,所述不锈钢条焊接在所述培养温室上;所述培养温室(101)内部上方靠近顶面处焊接有3根不锈钢空心横梁(103),培养温室(101)底部处安装有温室出入门(102),所述LED照明灯(106)嵌入安装在所述培养温室(101)的3根横梁(103)上,每根横梁(103)上安装6个LED照明灯(106);所述水帘风机(108)重叠镶嵌在培养温室(101)的右侧侧壁上,所述水帘风机(108)包括水帘机和风机,所述电加热器(111)安装在所述培养温室(101)内部后侧壁上。
5.一种融合室内外环境参数的温室智能预调控方法,其特征在于,该方法包括以下流程:首先由室内传感器组(104)反馈室内环境监测数据,由室外传感器组(105)反馈室外环境监测数据,控制箱(109)上集成的环境参数预测方法在得到室内环境监测数据和室外环境监测数据后进行计算分析,将未来3次室内环境监测数据的预测值分别使用参数语义转换方法和装置调节控制方法进行处理显示并控制环境调节装置对室内环境进行预调节;其中使用参数语义转换方法将未来3次室内环境监测数据的预测值转换后输出到显示板(107),再通过装置调节控制方法接到未来3次室内环境监测数据的预测值后,判断预测值超过阈值后,向环境调节装置发送指令,对室内环境参数进行对应的预先调节;当所述室内传感器组(104)和所述室外传感器(105)组再次返回数据时循环上述过程。
6.根据权利要求5所述的一种融合室内外环境参数的温室智能预调控方法,其特征在于,所述环境参数预测方法为:将1000组6次在同一时间监测到的室内环境监测数据输入到神经网络中训练和验证,进而得到室内环境参数预测模型;
所述环境参数预测计算方法为:将3次在同一时间监测到的所述室内环境监测数据输入到所述室内环境参数预测模型中,得到在不进行调节的情况下未来3次室内环境监测数据的预测值;
所述参数语义转换方法包括参数语义训练方法和参数语义转换计算方法,所述参数语义训练方法为:将1000组连续6次所述室内环境监测数据输入到神经网络中进行分类训练及验证,神经网络的全连接层连接到通过生长模型输入接口输入的作物生长环境评价函数,得到室内参数语义转换模型;
所述参数语义转换计算方法为:将所述环境参数预测计算方法给出的未来3次室内环境监测数据的预测值和由所述室内传感器组(104)传回的最近3次室内环境监测数据输入到所述室内参数语义转换模型中,将输出结果传递到所述显示板(107)上;
所述装置调节控制方法为:通过接收所述环境参数预测方法计算得出的在不进行调节的情况下未来3次室内环境监测数据,对比所述生长模型输入接口输入的环境参数阈值,判断在不进行调节的情况下未来3次室内环境监测数据超过所述环境参数阈值的大小,进而对应调节所述环境调节装置的启动和停止。
7.根据权利要求6所述的一种融合室内外环境参数的温室智能预调控方法,其特征在于,所述神经网络包括训练数据的预处理、多个残差单元和全连接单元,训练数据的预处理包括对训练数据进行去均值和归一化计算;所述残差单元包括主路径和捷径,所述主路径包括3个卷积层以及3个卷积层两两之间的修正线性单元,所述3个卷积层依次包括多个1×1卷积核的卷积层、多个3×3卷积核的卷积层和多个1×1卷积核的卷积层,输入数据在所述主路径计算之后的结果与所述捷径上直接传递过来的所述输入数据对应相加,再计算所述修正线性单元得到残差单元的输出数据,若所述残差单元为所述神经网络中第1个残差单元,则所述输入数据是经过所述预处理的训练数据;否则所述输入数据是前1个所述残差单元的输出数据;所述全连接单元将最后一个所述残差单元的输出数据按行展开至一维后进行计算,得到计算结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910908562.9A CN110531815A (zh) | 2019-09-25 | 2019-09-25 | 一种融合室内外环境参数的温室智能预调控装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910908562.9A CN110531815A (zh) | 2019-09-25 | 2019-09-25 | 一种融合室内外环境参数的温室智能预调控装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110531815A true CN110531815A (zh) | 2019-12-03 |
Family
ID=68670009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910908562.9A Withdrawn CN110531815A (zh) | 2019-09-25 | 2019-09-25 | 一种融合室内外环境参数的温室智能预调控装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110531815A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111272224A (zh) * | 2020-03-03 | 2020-06-12 | 四川飨誉食界供应链管理有限公司 | 农业生态产业园智能化监控系统及方法 |
CN112729396A (zh) * | 2020-12-24 | 2021-04-30 | 东南大学 | 一种监测、预测、控制一体化的室内环境智能监测设备 |
CN113219871A (zh) * | 2021-05-07 | 2021-08-06 | 淮阴工学院 | 一种养护室环境参数检测系统 |
CN114819588A (zh) * | 2022-04-20 | 2022-07-29 | 南京同筑盛世信息科技有限公司 | 基于物联网融合5g的施工风险监测调控系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202694113U (zh) * | 2012-06-29 | 2013-01-23 | 南京农业大学 | 一种融入作物信息的温室环境控制系统 |
CN103235620A (zh) * | 2013-04-19 | 2013-08-07 | 河北农业大学 | 基于全局变量预测模型的温室环境智能控制方法 |
CN206788675U (zh) * | 2016-11-10 | 2017-12-22 | 中国农业科学院农业信息研究所 | 养殖场的环境自动控制系统 |
WO2018214060A1 (zh) * | 2017-05-24 | 2018-11-29 | 北京质享科技有限公司 | 一种城市小尺度空气质量指数预测方法与系统 |
CN109945439A (zh) * | 2019-03-29 | 2019-06-28 | 龙马智芯(珠海横琴)科技有限公司 | 一种室内环境参数控制方法及系统 |
CN110081931A (zh) * | 2019-04-30 | 2019-08-02 | 深圳春沐源控股有限公司 | 环境参数提示方法、系统、环境监测装置及存储介质 |
CN110119169A (zh) * | 2019-04-19 | 2019-08-13 | 淮阴工学院 | 一种基于最小向量机的番茄温室温度智能预警系统 |
CN110193475A (zh) * | 2019-05-28 | 2019-09-03 | 中国农业科学院农业信息研究所 | 一种饲料杂质筛选分离系统及其方法 |
CN210222589U (zh) * | 2019-09-25 | 2020-03-31 | 中国农业科学院农业信息研究所 | 一种融合室内外环境参数的温室智能预调控装置 |
-
2019
- 2019-09-25 CN CN201910908562.9A patent/CN110531815A/zh not_active Withdrawn
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202694113U (zh) * | 2012-06-29 | 2013-01-23 | 南京农业大学 | 一种融入作物信息的温室环境控制系统 |
CN103235620A (zh) * | 2013-04-19 | 2013-08-07 | 河北农业大学 | 基于全局变量预测模型的温室环境智能控制方法 |
CN206788675U (zh) * | 2016-11-10 | 2017-12-22 | 中国农业科学院农业信息研究所 | 养殖场的环境自动控制系统 |
WO2018214060A1 (zh) * | 2017-05-24 | 2018-11-29 | 北京质享科技有限公司 | 一种城市小尺度空气质量指数预测方法与系统 |
CN109945439A (zh) * | 2019-03-29 | 2019-06-28 | 龙马智芯(珠海横琴)科技有限公司 | 一种室内环境参数控制方法及系统 |
CN110119169A (zh) * | 2019-04-19 | 2019-08-13 | 淮阴工学院 | 一种基于最小向量机的番茄温室温度智能预警系统 |
CN110081931A (zh) * | 2019-04-30 | 2019-08-02 | 深圳春沐源控股有限公司 | 环境参数提示方法、系统、环境监测装置及存储介质 |
CN110193475A (zh) * | 2019-05-28 | 2019-09-03 | 中国农业科学院农业信息研究所 | 一种饲料杂质筛选分离系统及其方法 |
CN210222589U (zh) * | 2019-09-25 | 2020-03-31 | 中国农业科学院农业信息研究所 | 一种融合室内外环境参数的温室智能预调控装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111272224A (zh) * | 2020-03-03 | 2020-06-12 | 四川飨誉食界供应链管理有限公司 | 农业生态产业园智能化监控系统及方法 |
CN112729396A (zh) * | 2020-12-24 | 2021-04-30 | 东南大学 | 一种监测、预测、控制一体化的室内环境智能监测设备 |
CN113219871A (zh) * | 2021-05-07 | 2021-08-06 | 淮阴工学院 | 一种养护室环境参数检测系统 |
CN114819588A (zh) * | 2022-04-20 | 2022-07-29 | 南京同筑盛世信息科技有限公司 | 基于物联网融合5g的施工风险监测调控系统 |
CN114819588B (zh) * | 2022-04-20 | 2023-03-07 | 南京同筑盛世信息科技有限公司 | 基于物联网融合5g的施工风险监测调控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110531815A (zh) | 一种融合室内外环境参数的温室智能预调控装置及方法 | |
CN101470421B (zh) | 一种基于人工智能技术的植物生长室及其控制系统 | |
CN103135540B (zh) | 一种植物组培环境信息监测与模拟系统 | |
CN103704063A (zh) | 一种植物生长装置及其控制植物生长的方法 | |
CN107622361B (zh) | 一种用于食用菌大棚环境的数学建模及其控制方法 | |
CN110084417A (zh) | 一种基于grnn神经网络的草莓温室环境参数智能监测系统 | |
CN203597153U (zh) | 一种植物生长贩卖机 | |
CN106383536A (zh) | 一种温室智能控制系统及方法 | |
CN107853183A (zh) | 大型养猪场智能化猪舍 | |
CN205284410U (zh) | 一种智能终端控制的大棚温室系统 | |
KR20180022159A (ko) | 기계학습을 이용한 양액제어장치 및 방법 | |
JP2017035025A (ja) | 環境制御システム | |
CN116649160B (zh) | 食用菌菌种生产监测系统及监测方法 | |
Van Straten et al. | The significance of crop co-states for receding horizon optimal control of greenhouse climate | |
CN203276003U (zh) | 基于物联网的蚕室监控系统 | |
CN107728473A (zh) | 一种温室环境多参数协同控制系统及调控方法 | |
CN212087289U (zh) | 一种温室农业智能通风系统 | |
CN210222589U (zh) | 一种融合室内外环境参数的温室智能预调控装置 | |
JP6573849B2 (ja) | 農業用ハウス内環境制御装置 | |
CN105248192A (zh) | 光伏农业温棚及其环境参数控制方法、装置 | |
Zhang et al. | Modeling and simulation of temperature control system in plant factory using energy balance. | |
CN110073857A (zh) | 一种温室立面通风保温抗风系统及控制方法 | |
CN105700597A (zh) | 基于单片机的大棚智能调节系统 | |
CN204598834U (zh) | 一种植物生长箱 | |
Gao et al. | Application of Artificial Intelligence System Design Based on Genetic Algorithm In Horticultural Cultivation |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191203 |