CN110692338A - 水肥一体化灌溉系统控制方法及水肥一体化灌溉系统 - Google Patents
水肥一体化灌溉系统控制方法及水肥一体化灌溉系统 Download PDFInfo
- Publication number
- CN110692338A CN110692338A CN201911046157.7A CN201911046157A CN110692338A CN 110692338 A CN110692338 A CN 110692338A CN 201911046157 A CN201911046157 A CN 201911046157A CN 110692338 A CN110692338 A CN 110692338A
- Authority
- CN
- China
- Prior art keywords
- water
- crop
- fertilizer
- crops
- control method
- 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.)
- Pending
Links
- 239000003337 fertilizer Substances 0.000 title claims abstract description 132
- 238000003973 irrigation Methods 0.000 title claims abstract description 92
- 230000002262 irrigation Effects 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 32
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 112
- 230000012010 growth Effects 0.000 claims abstract description 69
- 239000002689 soil Substances 0.000 claims abstract description 57
- 230000004720 fertilization Effects 0.000 claims abstract description 25
- 239000007788 liquid Substances 0.000 claims description 11
- 235000015097 nutrients Nutrition 0.000 claims description 10
- 210000003608 fece Anatomy 0.000 claims description 9
- 239000010871 livestock manure Substances 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 239000003621 irrigation water Substances 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 claims description 2
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 claims description 2
- 238000013527 convolutional neural network Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000003190 augmentative effect Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 claims 1
- 238000012271 agricultural production Methods 0.000 abstract description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 14
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 9
- 239000011591 potassium Substances 0.000 description 9
- 229910052700 potassium Inorganic materials 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 9
- 241000227653 Lycopersicon Species 0.000 description 7
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 7
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 7
- 229910052757 nitrogen Inorganic materials 0.000 description 7
- 229910052698 phosphorus Inorganic materials 0.000 description 7
- 239000011574 phosphorus Substances 0.000 description 7
- 230000005855 radiation Effects 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 239000000618 nitrogen fertilizer Substances 0.000 description 4
- KWYUFKZDYYNOTN-UHFFFAOYSA-M Potassium hydroxide Chemical compound [OH-].[K+] KWYUFKZDYYNOTN-UHFFFAOYSA-M 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 229940072033 potash Drugs 0.000 description 3
- 235000015320 potassium carbonate Nutrition 0.000 description 3
- BWHMMNNQKKPAPP-UHFFFAOYSA-L potassium carbonate Substances [K+].[K+].[O-]C([O-])=O BWHMMNNQKKPAPP-UHFFFAOYSA-L 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 229910019142 PO4 Inorganic materials 0.000 description 2
- ZJPGOXWRFNKIQL-JYJNAYRXSA-N Phe-Pro-Pro Chemical compound C([C@H](N)C(=O)N1[C@@H](CCC1)C(=O)N1[C@@H](CCC1)C(O)=O)C1=CC=CC=C1 ZJPGOXWRFNKIQL-JYJNAYRXSA-N 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 235000015816 nutrient absorption Nutrition 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 2
- 239000010452 phosphate Substances 0.000 description 2
- 239000002686 phosphate fertilizer Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000009331 sowing Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- YUWBVKYVJWNVLE-UHFFFAOYSA-N [N].[P] Chemical compound [N].[P] YUWBVKYVJWNVLE-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000011001 backwashing Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C23/00—Distributing devices specially adapted for liquid manure or other fertilising liquid, including ammonia, e.g. transport tanks or sprinkling wagons
- A01C23/04—Distributing under pressure; Distributing mud; Adaptation of watering systems for fertilising-liquids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Water Supply & Treatment (AREA)
- Environmental Sciences (AREA)
- Soil Sciences (AREA)
- Quality & Reliability (AREA)
- Fertilizing (AREA)
Abstract
本发明涉及农业生产技术领域,提供一种水肥一体化灌溉系统控制方法及水肥一体化灌溉系统。其中,控制方法包括步骤S1,获取作物的图像信息、作物生长区的土壤信息及作物生长区的气象环境信息,基于ResNet‑101的深度网络模型分析作物的水分供给状况、肥料供给状况及所处的生育期;步骤S2,基于水分供给状况、肥料供给状况及所处的生育期控制水肥一体化灌溉装置的运行。本发明提供的控制方法,针对不同的作物可以自动、准确、实时确定作物水分供给状况、肥料供给状况及所处的生育期,从而针对不同的作物按需进行灌溉施肥,有效避免传统的借助经验进行灌溉施肥决策的问题,实现实时按需灌溉施肥。
Description
技术领域
本发明涉及农业生产技术领域,尤其涉及一种水肥一体化灌溉系统控制方法及水肥一体化灌溉系统。
背景技术
随着现代农业的发展,高水平的自动化设备为推动种植业水平的提高发挥了越来越重要的作用。目前,我国农业的快速发展依赖于水肥药等的大量使用,这种方式造成资源日益短缺,并引发严重的环境污染问题。我国目前农业灌溉用水量多,化肥施用量远超国际公认的化肥施用安全上线,多余的化肥随着水流进入生态圈,造成水体富营养化,并导致土壤板结和盐碱化,严重影响农业的可持续发展。
为此,现阶段人们采用水肥一体化灌溉系统,以精确配置肥料、节省资源及减小环境污染。但现有的水肥一体化灌溉系统存在以下问题:常见的水肥一体化灌溉系统施肥形式多种多样,比如可以采用简易的自动灌溉施肥设备,但灌溉量和施肥量仍然依赖粗放的经验或者定时定量灌溉,缺乏科学的依据;市场上大型园区水肥一体化灌溉系统中采用的控制装置多数成本较高,且以土壤水分或单一环境参数作为灌溉施肥决策的主要依据,不符合作物实时生长特性和水肥需求量要求。
发明内容
(一)要解决的技术问题
本发明的目的之一是提供一种水肥一体化灌溉系统控制方法,用以解决现有的水肥一体化灌溉系统依赖粗放经验或定时定量灌溉缺乏科学依据的问题。
本发明的目的之二是提供一种采用上述控制方法的水肥一体化灌溉系统,用以解决现有的水肥一体化灌溉系统以土壤水分或单一环境参数为决策依据而缺乏科学性的问题。
(二)发明内容
为了解决上述技术问题之一,本发明提供一种水肥一体化灌溉系统控制方法,包括:步骤S1,获取作物的图像信息、作物生长区的土壤信息及作物生长区的气象环境信息,基于ResNet-101的深度网络模型分析作物的水分供给状况、肥料供给状况及所处的生育期;
步骤S2,基于水分供给状况、肥料供给状况及所处的生育期控制水肥一体化灌溉装置的运行。
为了解决上述技术问题之二,本发明提供一种水肥一体化灌溉系统,包括计算机视觉云端服务器及水肥一体化装置,所述视觉云端服务器采用如上所述的控制方法控制水肥一体化装置的运行。
(三)有益效果
本发明提供的水肥一体化灌溉系统控制方法,通过获取作物的图像信息、土壤信息和气象环境信息,基于ResNet-101的深度网络模型即可自动识别出作物的水分供给状况、肥料供给状况及所处的生育期,从而针对不同的作物按需进行灌溉施肥,有效避免传统的借助经验进行灌溉施肥决策的问题,实现实时按需灌溉施肥;
本发明提供的水肥一体化灌溉系统,通过计算机视觉云端服务器,将气象预报信息、气象环境信息、土壤信息、作物种植信息、地理位置信息多种信息进行融合分析,获得作物的最佳灌溉时间、实际灌溉量及实际施肥量,从而实现按需灌溉施肥,为农民灌溉施肥提供科学指导。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例水肥一体化灌溉系统控制方法的流程图;
图2为图1所示流程图中实际施肥量的控制流程图;
图3为图1所示流程图中实际灌溉量的控制流程图;
图4为图1所示流程图中灌溉施肥时间的控制流程图;
图5为本发明实施例水肥一体化灌溉系统的结构示意图。
图中:1、计算机视觉云端服务器;2、水源;3、水肥一体化单元;31、电动蝶阀;32、供水泵;33、视觉传感器;34、环境监测组件;35、配肥组件;36、阀门组件;361、阀控器;362、网关;363、电磁阀;364、土壤温湿度传感器;4、肥液桶;5、气象站;6、砂石过滤器;7、反冲洗过滤器;8、水泵。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本发明实施例提供水肥一体化灌溉系统控制方法,如图1所示,包括:
步骤S1:获取作物的图像信息、作物生长区的土壤信息及作物生长区的气象环境信息,基于ResNet-101的深度网络模型分析作物的水分供给状况、肥料供给状况及所处的生育期;
步骤S2:基于水分供给状况、肥料供给状况及所处的生育期控制水肥一体化灌溉装置的运行。
本发明实施例提供的水肥一体化灌溉系统控制方法,通过获取作物的图像信息、土壤信息和气象环境信息,基于ResNet-101的深度网络模型即可自动识别出作物的水分供给状况、肥料供给状况及所处的生育期,针对不同的作物可以自动、准确、实时确定作物水分供给状况、肥料供给状况及所处的生育期,从而针对不同的作物按需进行灌溉施肥,有效避免传统的借助经验进行灌溉施肥决策的问题,实现实时按需灌溉施肥。
其中,基于ResNet-101深度网络模型分析作物的水分供给状况、肥料供给状况及所处的生育期的步骤如下:
S11:获取生长区作物的图像,将采集到的图像放置于对应类别的训练模型文件中。其中,图像信息可以借助相机等视觉装置获取。为准确判断作物的水分供给状况和肥料供给状况,优选的,该图像信息为彩色的RGB图像,彩色图像比对效果好,RGB图像方便进行图像处理。
S12:对图像进行预处理。具体地,使用自适应直方图均衡化处理方式,提升RGB彩色图像质量及扩增图像样本集数量。
S13:对图像进行数据增广。采用随机裁剪、随机旋转角度等处理方法对数据进行增广,减小深度卷积神经网络训练过程中的过拟合概率。
S14:基于ResNet-101深度卷积神经网络模型对图像进行训练,以对作物的图像进行分类识别,确定作物水分供给状况、肥料供给状况及所处的生育期。
本发明实施例中的视觉装置预留了多种作物的识别模型,借助获取的图像信息、土壤信息及生长气象环境信息可以精确识别当前作物的生育期,进而结合该作物的生理特性获取当前作物在该生育期的灌溉系数和施肥系数。
其中,作物的生理特性模型包括各种作物不同生育期所需的施肥量和施肥浓度。
本发明实施例中,基于水分供给状况、肥料供给状况及所处的生育期控制水肥一体化灌溉装置的运行,具体包括:基于水分供给状况、气象环境信息、土壤信息和所处的生育期修正作物蒸散量,确定当前作物所需要的实际灌溉量;基于土壤信息、所处的生育期、肥料供给状况及作物种植信息确定作物的实际施肥量;基于地理位置信息调整灌溉施肥时间。进一步的,在确定好灌溉施肥时间后结合当前气象预报信息判断是否进行本次灌溉施肥。
其中,气象环境信息包括空气湿度、空气温度及太阳总辐射。空气温度、空气湿度及太阳总辐射分别借助相应的传感器进行测定。土壤信息包括土壤温湿度、土壤田间持水量、土壤容量及土壤养分情况。土壤田间持水量、土壤容量及土壤养分情况通过在作物生长区采集土样进行测定;土壤温湿度借助土壤温湿度传感器进行实时采集。作物种植信息包括作物的目标产量、作物类型、种植密度及种植时间。气象预报信息包括光照强度、空气温湿度、大气压力、风速及降雨量。
上述实际灌溉量与实际施肥量的确定在时间上不分先后。即,可以先确定作物所需的实际灌溉量,然后再确定作物的实际施肥量,最后确定灌溉施肥时间;也可以先确定作物的实际施肥量,然后确定所需的实际灌溉量,最后确定灌溉时间;还可以同步确定实际灌溉量和实际施肥量。对此,本发明实施例不做具体限定。
具体地,在本发明实施例中,如图2所示,视觉装置识别出当前作物所处的生育期,基于作物所处的生育期查询当前作物不同生育期内的生理特性模型以获取该作物当前生育期所需的施肥需求,结合视觉装置识别出的肥料供给状况获得理论施肥量,然后根据土壤信息采集装置获取的土壤养分情况结合作物种植信息修正理论施肥量以获取作物的实际施肥量。
本发明实施例中针对作物不同生育期所需的肥料分为缺肥、正常、过量三个状态。以常见的肥料氮(N)、磷(P)、钾(K)为例,氮肥的供给状况记为NK,缺氮肥时,NK值为1;氮肥正常时,NK值为0,氮肥过量时,NK为-1;磷肥的供给状况记为PK,缺磷肥时,PK值为1,磷肥正常时,PK值为0,磷肥过量时,PK为-1;钾肥的供给状况记为KK,缺钾肥时,KK值为1,钾肥正常时,KK值为0,钾肥过量时,KK为-1。
其中,以大果番茄为例,大果番茄的生育期包括:播种、露白、出苗、苗期、开花期、结果期、采收期。以下以大果番茄为例说明实际施肥量的确定。表1是大果番茄在不同生育期的施肥浓度和氮磷钾需求量,表1中,EC表示土壤的电导率,pH表示作物生长区土壤的酸碱度。表1中的每行数据表示大果番茄处于该生育期时适宜的土壤电导率、土壤酸碱度、氮需求量、磷需求量及钾需求量。比如,在大果番茄的播种期,其土壤电导率为EC1、土壤酸碱度pH1、氮需求量N1、磷需求量P1及钾需求量K1,其他生育期与此相同,不再赘述。
表1大果番茄不同生育期的需肥情况
视觉装置识别出当前作物的肥料供给状况及生育期i,由此可以计算出理论施肥量FN、FP和FK。其采用的计算公式如下:
FN=Ni*(1+NK);
FP=Pi*(1+PK);
FK=Ki*(1+KK);
式中,Ni、Pi和Ki表示作物处于生育期i时的氮需求量、磷需求量及钾需求量,通过查阅表1即可获得具体值;NK、PK和KK表示作物的肥料供给状况,当缺肥时记为1,肥料供给正常时记为0,肥料供给过量时记为-1。
通过对土壤进行采样分析,获取土壤养分情况并结合作物类型确定作物的养分吸收特性,当前作物对氮、磷、钾的吸收特性分别记为SN、SP和SK。基于计算出的理论施肥量FN、FP和FK,结合土壤养分情况及作物养分吸收特性征确定作物的实际施肥量(FNN、FPP、FKK)。实际施肥量的计算公式如下:
FNN=FN*SN;
FPP=FP*SP;
FKK=FK*SK。
确定实际施肥量后在计算确定的灌溉施肥时间进行施肥操作,为了提高肥料的利用率,视觉装置确定生育期后先进行判断,确定是否要进行下一生长期,若要进入下一生长期,则进行下一生长期理论施肥量和实际施肥量的计算;若不进入下一生长期,则继续监测,等待时机,直到作物即将进入下一生长期。
其中,氮、磷、钾可以借助施加N肥、P2O5和K2O提供。
具体地,在本发明实施例中,如图3所示,基于气象环境信息利用修正P-M公式确定作物的理论蒸散量;视觉装置识别出当前作物所处的生育期,基于当前作物类型和土壤信息确定作物的实际蒸散量;当作物的实际蒸散量累计值超过设定值时,基于当前作物的水分供给状况及灌溉水利用系数确定作物所需要的实际灌溉量。
为此,本发明实施例将水分供给状况分为三个状态,分别为过量、正常和缺水,其对应的系数W(P)分别为-1、0、1。即,当确定作物水分处于过量状态时,其水分供给系数W(P)=-1;当确定作物水分处于正常状态时,其水分供给系数W(P)=0;当确定作物处于缺水状态时,其水分供给系数W(P)=1。当处于过量时,土壤水分过于充足,存在洪涝风险;当处于正常时,土壤水分可以满足作物基本生长需水量;当处于缺水时,作物缺少生长必需的水分,植株和叶片呈现缺水状态。当然,也可以根据实际情况将水分供给状况分成其他形式的级别及该级别对应的系数。
具体地,根据最高、最低及平均气温、日照、风速、湿度、总辐射等参数,结合作物生理发育规律及耗水规律,利用现有的修正P-M公式计算作物的理论蒸散量ET0:
ET0=Fet(Rn,G,T,UZ,ea,ed,Δ,g)。
式中,Rn为作物所处生长区的太阳总辐射;G为土壤热通量;T为2m高的平均气温;UZ为2m高的风速;ea为饱和水气压;ed为实际水气压;Δ为温度饱和水气压曲线上在T处的斜率;g为湿度表常数。
根据作物的生理特性模型,明确作物生长的动态因子特征指数,基于土壤信息和气象环境信息结合作物的当前生育期和作物类型修正作物的理论蒸散量。具体地,利用公式ET=KSKcET0计算作物的实际蒸散量ET。式中:KS为土壤水分修正系数;KC为作物系数。
作物每天的实际蒸散量累积在一起形成作物在两次灌溉间隔期内的耗水量,具体地,该作物在相邻两次灌溉时间内的累计蒸散量In为:式中,In为作物累积蒸散量(mm);ETi为第i天作物的实际蒸散量(mm)。
结合灌溉水利用系数计算作物实际累积蒸散量Ia。具体地,利用公式Ia=In/δ计算作物实际累积蒸散量。式中,Ia为作物实际累积蒸散量(mm),δ为灌溉水利用系数。
当作物实际累积蒸散量Ia达到设定值后,结合视觉装置识别出的水分供给系数W(P),确定作物所需要的实际灌溉量Iap,然后在计算出的灌溉施肥时间进行灌溉或施肥。若作物实际累积蒸散量Ia未达到设定值,则继续监测作物生长状态,再次计算作物实际累积蒸散量Ia,重新进行判断,具体如图3所示。具体地,利用公式Iap=Ia*(1+W(P))确定作物所需要的实际灌溉量。式中,Ia为作物实际累积蒸散量(mm),W(P)为水分供给系数。按照上述水分供给系数定义方式,针对不同的水分供给状况,W(P)分别为-1、0、1。
具体地,本发明实施例中,基于当前作物的地理位置信息调整灌溉施肥时间。进一步的,如图4所示,基于设定的时间、气象环境信息和作物种植信息确定出作物生长区当天的最佳浇灌施肥时间,同时根据当前的经纬度可以计算出当前地区的日出日落时间,根据每天的日出日落时间差ΔUT动态调整每天的最佳灌溉施肥时间。
日出日落时间UT计算方法:
ΔUT=UT-UTO=GHA+Long±e
其中,地理位置信息包括时区Zone、经度Long及纬度Lat。式中,UT0为上次保存的日出日落时间。首次使用时UT0为12小时,GHA为太阳时间角,e为修正值。
最佳灌溉施肥时间T利用公式T=T1+ΔUT。
式中,ΔUT为每天的日出日落时间差,T为调整后的最佳灌溉施肥时间,T1为上一次确定的灌溉施肥时间。
另外,可以基于获取的气象预报信息,判断是否需要开启水肥一体灌溉装置。具体地,在晴天开启水肥一体灌溉装置,补充缺失的水分和肥料;在阴天可以暂时关闭灌溉装置,以防水肥流失,造成洪涝。
具体地,本发明实施例中借助视觉装置识别判断作物生育期、水分供给状况和肥料供给状况。基于ResNet-101的深度网络模型实时在线识别出种植作物的生育期、水分供给状况和肥料供给状况(氮、磷和钾)。
如图5所示,本发明实施例提供的一种水肥一体化灌溉系统,包括计算机视觉云端服务器1及水肥一体化装置,视觉云端服务器1包括视觉装置及控制装置,视觉装置与控制装置信号连接,控制装置与水肥一体化装置信号连接。该视觉装置采用如上所述的方法识别作物的水分供给状况和肥料供给状况及所处的生育期;控制装置基于视觉装置的识别结果采用上述控制方法控制水肥一体化装置的运行。
具体地,水肥一体化装置包括水源2及至少一套水肥一体化单元3,水肥一体化单元3通过4G或光纤接入计算机视觉云端服务器1,以便进行集中管理和服务。一个计算机视觉云端服务器1最多接入20000个水肥一体化单元3。如图2所示,仅示意出一个种植区。
其中,计算机视觉云端服务器1包括一个中央云服务计算机,该中央云服务计算机是整个系统的核心,对接入的水肥一体化单元3的灌溉施肥进行决策。计算机视觉云端服务器1包括作物生理特性模型、样本数据集、数据融合分析模型、ResNet-101深度网络模型及视觉识别模型。其中,视觉识别模型由计算机视觉云端服务器1的样本数据集经过ResNet-101深度网络模型训练得到,其具体地工作过程为:视觉传感器33用于采集作物的彩色RGB图像,然后将该RGB图像发送到计算机视觉云端服务器1;视觉识别模型识别当前图像内作物的生育期、水分供给状况和肥料供给状况;然后将采集的图像保存到样本数据集,增加样本集数量。
具体地,每个水肥一体化单元3包括电动蝶阀31、供水泵32、视觉传感器33、环境监测组件34及配肥组件35和阀门组件36;水肥一体化系统根据计算机视觉云端服务器1的操作指令来控制阀门组件36和供水泵32的开启和关闭,从而实现灌溉和施肥的智能化管控。其中,环境监测组件34用于对该种植区的空气温度、空气湿度、太阳辐射等气象环境信息进行科学监测和分析,为灌溉施肥的决策提供依据。视觉传感器33用于采集作物的RGB图像并将其传输到计算机视觉云端服务器1,以便识别出作物的生育期、水分供给状况和肥料供给状况。配肥组件35通过管道将肥液桶4内的肥料吸入,其吸入量基于根据当前作物对水分和养分的需求确定,实现水肥的高效管理。阀门组件36包括阀控器361、网关362、电磁阀363、土壤温湿度传感器364。其中,阀控器361与电磁阀363信号连接,土壤温湿度传感器364与阀控器361信号连接。阀控器361实时控制电磁阀363的启停,并将土壤温湿度传感器364采集到土壤湿度和土壤温度信息定时传输给网关362,然后由网关362转换成GPRS/4G/光纤等信号传送到计算机视觉云端服务器1。需要说明的是,多个水肥一体化单元3的阀门组件36可以共用一个网关362也可以每个水肥一体化单元3的阀门组件36单独设置一个网关362。
除此之外,本发明实施例提供的水肥一体化灌溉系统还包括与计算机视觉云端服务器1信号连接的气象信息装置,该气象信息装置包括气象站5和天气预报数据。其中,气象站5能够实现大田气象环境监测,实现空气温湿度、太阳辐射、风速、风向、降雨量、大气气压等的采集功能,农业气象站和天气预报数据经由网络传递至计算机视觉云端服务器1,从而及时掌握气候变化信息,提前预报灾情,对灌溉施肥决策进行预警,增强灾害抵御能力。
另外,优选的,水源2提供的水流经过砂石过滤器6和反冲洗过滤器7将水输送到水肥一体化单元3。在水源2和水肥一体化单元3之间安装有水泵8,借助水泵8将水输送至各水肥一体化单元3。
本发明实施例提供的水肥一体化灌溉系统,通过计算机视觉云端服务器,结合气象预报信息、气象环境信息、土壤信息、作物种植信息、地理位置信息等多种信息进行融合分析,获得作物的最佳灌溉时间、实际灌溉量及实际施肥量,从而实现按需灌溉施肥,为农民灌溉施肥提供科学指导。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (15)
1.一种水肥一体化灌溉系统控制方法,其特征在于,包括:
步骤S1,获取作物的图像信息、作物生长区的土壤信息及作物生长区的气象环境信息,基于ResNet-101的深度网络模型分析作物的水分供给状况、肥料供给状况及所处的生育期;
步骤S2,基于水分供给状况、肥料供给状况及所处的生育期控制水肥一体化灌溉装置的运行。
2.根据权利要求1所述的水肥一体化灌溉系统控制方法,其特征在于,步骤S1包括:
步骤S11,获取生长区作物的图像,将采集到的图像放置于对应类别的训练模型文件中;
步骤S12,对图像进行预处理和数据增广;
步骤S13,利用训练好的ResNet-101深度卷积神经网络模型对作物的图像进行分类识别,确定作物的水分供给状况、肥料供给状况及所处的生育期。
3.根据权利要求1或2所述的水肥一体化灌溉系统控制方法,其特征在于,步骤S2包括:
基于水分供给状况、气象环境信息、土壤信息和所处的生育期修正作物蒸散量,确定当前作物所需要的实际灌溉量;基于所述土壤信息、所处的生育期、肥料供给状况及作物种植信息确定作物的实际施肥量;基于地理位置信息调整灌溉施肥时间。
4.根据权利要求3所述的水肥一体化灌溉系统控制方法,其特征在于,基于作物所处的生育期查询当前作物不同生育期内的生理特性模型获取该作物当前生育期的肥料需求量,结合作物的肥料供给状况获得理论施肥量,基于土壤养分情况及作物种植信息修正理论施肥量以获取作物的实际施肥量。
5.根据权利要求4所述的水肥一体化灌溉系统控制方法,其特征在于,所述理论施肥量FN采用公式FN=Ni*(1+NK)确定,式中,Ni表示当前作物处于生育期i时的某一肥料需求量;NK表示作物的肥料供给状况,当缺肥时记为1,肥料供给正常时记为0,施肥过量时记为-1。
6.根据权利要求4所述的水肥一体化灌溉系统控制方法,其特征在于,当前作物土壤养分情况及作物养分吸收特性记为SN,基于计算出的理论施肥量FN与当前作物土壤养分情况和作物养分吸收特性征SN确定作物的实际施肥量FNN,所述实际施肥量FNN利用公式FNN=FN*SN确定。
7.根据权利要求3所述的水肥一体化灌溉系统控制方法,其特征在于,基于气象环境信息确定作物的理论蒸散量;基于理论蒸散量、当前作物所处的生育期、当前作物类型和土壤信息确定作物的实际蒸散量;当作物的实际蒸散量累计值超过设定值时,基于当前作物的水分供给状况及灌溉水利用系数确定作物所需要的实际灌溉量。
8.根据权利要求7所述的水肥一体化灌溉系统控制方法,其特征在于,基于气象环境信息利用修正的P-M公式确定作物的理论蒸散量。
9.根据权利要求7所述的水肥一体化灌溉系统控制方法,其特征在于,利用公式ET=KSKcET0确定作物的实际蒸散量;式中,ET为作物的实际蒸散量,KS为土壤水分修正系数;KC为作物系数,ET0为作物的理论蒸散量。
11.根据权利要求3所述的水肥一体化灌溉系统控制方法,其特征在于,基于设定的时间、气象环境信息和作物种植信息确定出作物生长区当天的最佳浇灌施肥时间,同时根据当前的经纬度确定出当前地区的日出日落时间,根据每天的日出日落时间差动态调整每天的最佳灌溉施肥时间。
12.一种水肥一体化灌溉系统,其特征在于,包括计算机视觉云端服务器及水肥一体化装置,所述视觉云端服务器采用如权利要求1-11任一项所述的控制方法控制水肥一体化装置的运行。
13.根据权利要求12所述的水肥一体化灌溉系统,其特征在于,水肥一体化装置包括水源及至少一套水肥一体化单元,所述水肥一体化单元与所述计算机视觉云端服务器信号连接。
14.根据权利要求13所述的水肥一体化灌溉系统,其特征在于,所述水肥一体化单元包括视觉传感器、环境监测组件、配肥组件和阀门组件;所述环境监测组件用于采集气象环境信息,所述视觉传感器用于采集作物的图像,所述视觉传感器、所述环境监测组件、所述配肥组件与所述阀门组件均与所述计算机视觉云端服务器信号连接。
15.根据权利要求14所述的水肥一体化灌溉系统,其特征在于,所述阀门组件包括阀控器、网关、电磁阀及土壤温湿度传感器,其中,所述阀控器、所述土壤温湿度传感器分别与所述电磁阀信号连接,所述阀控器经由所述网关与所述计算机视觉云端服务器信号连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911046157.7A CN110692338A (zh) | 2019-10-30 | 2019-10-30 | 水肥一体化灌溉系统控制方法及水肥一体化灌溉系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911046157.7A CN110692338A (zh) | 2019-10-30 | 2019-10-30 | 水肥一体化灌溉系统控制方法及水肥一体化灌溉系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110692338A true CN110692338A (zh) | 2020-01-17 |
Family
ID=69202908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911046157.7A Pending CN110692338A (zh) | 2019-10-30 | 2019-10-30 | 水肥一体化灌溉系统控制方法及水肥一体化灌溉系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110692338A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111316802A (zh) * | 2020-02-20 | 2020-06-23 | 中国农业大学 | 基于大型喷灌机的作物水肥监测方法、装置、设备及介质 |
CN111557158A (zh) * | 2020-05-29 | 2020-08-21 | 珠江水利委员会珠江水利科学研究院 | 智能灌溉控制方法及系统 |
CN111758538A (zh) * | 2020-07-27 | 2020-10-13 | 肖智安 | 一种节水灌溉系统 |
CN112772384A (zh) * | 2021-01-28 | 2021-05-11 | 深圳市协润科技有限公司 | 一种基于卷积神经网络的农水灌溉系统和方法 |
CN112913436A (zh) * | 2021-03-30 | 2021-06-08 | 西京学院 | 水肥一体化节水灌溉控制系统、方法、介质、设备及终端 |
CN113034303A (zh) * | 2021-03-22 | 2021-06-25 | 北京农业智能装备技术研究中心 | 一种温室作物施肥方法及系统 |
CN113040034A (zh) * | 2021-03-26 | 2021-06-29 | 西京学院 | 一种节水灌溉控制系统及控制方法 |
CN113182339A (zh) * | 2021-05-12 | 2021-07-30 | 谢非 | 一种农田治理用新型土壤治理系统 |
CN113196929A (zh) * | 2021-05-07 | 2021-08-03 | 新疆农业科学院农业机械化研究所 | 水肥一体化智能控制系统及其控制方法 |
CN113221446A (zh) * | 2021-04-21 | 2021-08-06 | 兰州里丰正维智能科技有限公司 | 盐渍土水肥策略的获取方法、系统、存储介质和电子设备 |
CN113229123A (zh) * | 2021-06-02 | 2021-08-10 | 湖北工程学院 | 农作物智能灌溉方法、装置、设备及存储介质 |
CN114326869A (zh) * | 2021-09-29 | 2022-04-12 | 潍坊市农业科学院(山东省农业科学院潍坊市分院) | 一种小麦综合管理系统 |
CN114442705A (zh) * | 2021-12-31 | 2022-05-06 | 浙江优控云科技有限公司 | 一种基于物联网的智慧农业系统及控制方法 |
CN114757326A (zh) * | 2021-06-22 | 2022-07-15 | 布瑞克农业大数据科技集团有限公司 | 一种基于人工智能确定农场作物施肥配方的方法和系统 |
CN114766172A (zh) * | 2022-04-29 | 2022-07-22 | 安徽农业大学 | 一种大田固定管网式智能水肥灌溉方法 |
CN114821253A (zh) * | 2022-03-18 | 2022-07-29 | 北京国垦节水科技有限公司 | 一种喷滴灌水肥一体化系统的适用性调控方法及系统 |
CN114868505A (zh) * | 2022-07-12 | 2022-08-09 | 山西方圆村信息技术有限公司 | 一种智能水肥控制柜 |
CN116362402A (zh) * | 2023-04-03 | 2023-06-30 | 中国水利水电科学研究院 | 一种基于天气预报与表型信息监测的灌溉制度优化系统 |
CN117114243A (zh) * | 2023-09-25 | 2023-11-24 | 杭州智驳科技有限公司 | 一种基于物联网的数字乡村管理系统 |
CN117981663A (zh) * | 2024-04-07 | 2024-05-07 | 黑龙江智云互联农业科技有限公司 | 水稻田自动化节水精准灌溉系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108094370A (zh) * | 2017-12-15 | 2018-06-01 | 河北省科学院应用数学研究所 | 灌溉控制方法及装置 |
CN108781926A (zh) * | 2018-06-14 | 2018-11-13 | 淮安信息职业技术学院 | 基于神经网络预测的大棚灌溉系统及方法 |
CN109492619A (zh) * | 2018-12-17 | 2019-03-19 | 北京精禾大数据科技有限公司 | 集遥感、模型、算法为一体的变量施农药方法及系统 |
CN110169336A (zh) * | 2019-06-21 | 2019-08-27 | 昆山千亿圆生物科技有限公司 | 一种大棚种植灌溉系统及方法 |
CN110214506A (zh) * | 2019-06-26 | 2019-09-10 | 北京农业智能装备技术研究中心 | 水肥管控方法及系统 |
CN110244804A (zh) * | 2019-06-14 | 2019-09-17 | 武汉合创源科技有限公司 | 一种大数据农业管理系统及其方法 |
-
2019
- 2019-10-30 CN CN201911046157.7A patent/CN110692338A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108094370A (zh) * | 2017-12-15 | 2018-06-01 | 河北省科学院应用数学研究所 | 灌溉控制方法及装置 |
CN108781926A (zh) * | 2018-06-14 | 2018-11-13 | 淮安信息职业技术学院 | 基于神经网络预测的大棚灌溉系统及方法 |
CN109492619A (zh) * | 2018-12-17 | 2019-03-19 | 北京精禾大数据科技有限公司 | 集遥感、模型、算法为一体的变量施农药方法及系统 |
CN110244804A (zh) * | 2019-06-14 | 2019-09-17 | 武汉合创源科技有限公司 | 一种大数据农业管理系统及其方法 |
CN110169336A (zh) * | 2019-06-21 | 2019-08-27 | 昆山千亿圆生物科技有限公司 | 一种大棚种植灌溉系统及方法 |
CN110214506A (zh) * | 2019-06-26 | 2019-09-10 | 北京农业智能装备技术研究中心 | 水肥管控方法及系统 |
Non-Patent Citations (3)
Title |
---|
苏涛 等: "《遥感原理与应用》", 30 September 2015, 煤炭工业出版社 * |
金雅琴 等: "《园林植物栽培学》", 30 September 2012, 上海交通大学出版社 * |
钟方雷 等: "《生态经济学的研究进展 ——实践篇》", 31 December 2013, 黄河水利出版社 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111316802B (zh) * | 2020-02-20 | 2021-06-25 | 中国农业大学 | 基于大型喷灌机的作物水肥监测方法、装置、设备及介质 |
CN111316802A (zh) * | 2020-02-20 | 2020-06-23 | 中国农业大学 | 基于大型喷灌机的作物水肥监测方法、装置、设备及介质 |
CN111557158A (zh) * | 2020-05-29 | 2020-08-21 | 珠江水利委员会珠江水利科学研究院 | 智能灌溉控制方法及系统 |
CN111758538A (zh) * | 2020-07-27 | 2020-10-13 | 肖智安 | 一种节水灌溉系统 |
CN112772384A (zh) * | 2021-01-28 | 2021-05-11 | 深圳市协润科技有限公司 | 一种基于卷积神经网络的农水灌溉系统和方法 |
CN112772384B (zh) * | 2021-01-28 | 2022-12-20 | 深圳市协润科技有限公司 | 一种基于卷积神经网络的农水灌溉系统和方法 |
CN113034303A (zh) * | 2021-03-22 | 2021-06-25 | 北京农业智能装备技术研究中心 | 一种温室作物施肥方法及系统 |
CN113040034A (zh) * | 2021-03-26 | 2021-06-29 | 西京学院 | 一种节水灌溉控制系统及控制方法 |
CN113040034B (zh) * | 2021-03-26 | 2023-10-24 | 西京学院 | 一种节水灌溉控制系统及控制方法 |
CN112913436A (zh) * | 2021-03-30 | 2021-06-08 | 西京学院 | 水肥一体化节水灌溉控制系统、方法、介质、设备及终端 |
CN113221446A (zh) * | 2021-04-21 | 2021-08-06 | 兰州里丰正维智能科技有限公司 | 盐渍土水肥策略的获取方法、系统、存储介质和电子设备 |
CN113196929A (zh) * | 2021-05-07 | 2021-08-03 | 新疆农业科学院农业机械化研究所 | 水肥一体化智能控制系统及其控制方法 |
CN113182339A (zh) * | 2021-05-12 | 2021-07-30 | 谢非 | 一种农田治理用新型土壤治理系统 |
CN113229123A (zh) * | 2021-06-02 | 2021-08-10 | 湖北工程学院 | 农作物智能灌溉方法、装置、设备及存储介质 |
CN114757326A (zh) * | 2021-06-22 | 2022-07-15 | 布瑞克农业大数据科技集团有限公司 | 一种基于人工智能确定农场作物施肥配方的方法和系统 |
CN114326869A (zh) * | 2021-09-29 | 2022-04-12 | 潍坊市农业科学院(山东省农业科学院潍坊市分院) | 一种小麦综合管理系统 |
CN114442705A (zh) * | 2021-12-31 | 2022-05-06 | 浙江优控云科技有限公司 | 一种基于物联网的智慧农业系统及控制方法 |
CN114821253A (zh) * | 2022-03-18 | 2022-07-29 | 北京国垦节水科技有限公司 | 一种喷滴灌水肥一体化系统的适用性调控方法及系统 |
CN114766172A (zh) * | 2022-04-29 | 2022-07-22 | 安徽农业大学 | 一种大田固定管网式智能水肥灌溉方法 |
CN114868505A (zh) * | 2022-07-12 | 2022-08-09 | 山西方圆村信息技术有限公司 | 一种智能水肥控制柜 |
CN114868505B (zh) * | 2022-07-12 | 2022-10-04 | 山西方圆村信息技术有限公司 | 一种智能水肥控制柜 |
CN116362402A (zh) * | 2023-04-03 | 2023-06-30 | 中国水利水电科学研究院 | 一种基于天气预报与表型信息监测的灌溉制度优化系统 |
CN117114243A (zh) * | 2023-09-25 | 2023-11-24 | 杭州智驳科技有限公司 | 一种基于物联网的数字乡村管理系统 |
CN117981663A (zh) * | 2024-04-07 | 2024-05-07 | 黑龙江智云互联农业科技有限公司 | 水稻田自动化节水精准灌溉系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110692338A (zh) | 水肥一体化灌溉系统控制方法及水肥一体化灌溉系统 | |
CN111480557B (zh) | 一种基于大数据物联网的农业灌溉实时监测调控系统 | |
CN113439520A (zh) | 一种农作物灌溉施肥智慧决策方法及系统 | |
CN111557159B (zh) | 一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 | |
CN109315113B (zh) | 一种智能农业大棚管理系统 | |
CN105941101B (zh) | 智能灌溉施肥控制方法、装置及系统 | |
CN112882517B (zh) | 基于大数据和物联网的智慧农业种植环境监测方法和云监测平台 | |
CN209749385U (zh) | 一种精准灌溉监控系统 | |
CN112042353A (zh) | 一种适用于日光温室的水肥精准决策方法及系统 | |
CN111557158A (zh) | 智能灌溉控制方法及系统 | |
CN116776129B (zh) | 一种多源农业数据的采集管理方法 | |
CN114723113A (zh) | 一种农业自动化生产管理系统 | |
CN111459033A (zh) | 水、肥精量灌溉的灰色预测模糊pid控制方法及设备 | |
CN111685014A (zh) | 基于多源信息融合的作物节水灌溉决策方法及测控系统 | |
CN116362578A (zh) | 一种灌溉策略的确定方法和装置 | |
CN113642729A (zh) | 基于机器学习的智能沼液施用方法、系统及存储介质 | |
CN117063818A (zh) | 一种水肥精准调控系统 | |
KR102071175B1 (ko) | 작물 생육상태에 따른 생장 관리 시스템 | |
CN109934400B (zh) | 基于改进神经网络的集雨调亏作物需水量预测方法 | |
CN116755485A (zh) | 一种温室调控方法、装置、系统、设备和存储介质 | |
CN115486358A (zh) | 一种多年生牧草滴灌自动化灌溉管理决策控制系统 | |
CN115349432A (zh) | 一种基于光辐射与气象预测的智能灌溉方法和系统 | |
CN216017775U (zh) | 一种多通道智能水肥一体化灌溉系统 | |
CN108801355A (zh) | 一种物联网大棚种植数据监控方法 | |
CN214708748U (zh) | 农作物精准营养灌溉管控系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200117 |
|
RJ01 | Rejection of invention patent application after publication |