CN112197819A - 一种基于生产基地的植物生长精准控制方法 - Google Patents

一种基于生产基地的植物生长精准控制方法 Download PDF

Info

Publication number
CN112197819A
CN112197819A CN202011413703.9A CN202011413703A CN112197819A CN 112197819 A CN112197819 A CN 112197819A CN 202011413703 A CN202011413703 A CN 202011413703A CN 112197819 A CN112197819 A CN 112197819A
Authority
CN
China
Prior art keywords
plant
growth
stage
temperature
environmental factors
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
Application number
CN202011413703.9A
Other languages
English (en)
Inventor
刘洋
冯敏
李相国
孙吉元
吴高
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hongjing Technology Co ltd
Original Assignee
Hongjing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hongjing Technology Co ltd filed Critical Hongjing Technology Co ltd
Priority to CN202011413703.9A priority Critical patent/CN112197819A/zh
Publication of CN112197819A publication Critical patent/CN112197819A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING 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
    • G01D21/00Measuring or testing not otherwise provided for
    • G01D21/02Measuring two or more variables by means not covered by a single other subclass
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01GHORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G17/00Cultivation of hops, vines, fruit trees, or like trees
    • A01G17/005Cultivation methods
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01GHORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G18/00Cultivation of mushrooms
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01GHORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G22/00Cultivation of specific crops or plants not otherwise provided for
    • A01G22/05Fruit crops, e.g. strawberries, tomatoes or cucumbers
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01GHORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G22/00Cultivation of specific crops or plants not otherwise provided for
    • A01G22/60Flowers; Ornamental plants
    • A01G22/63Orchids
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D27/00Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
    • G05D27/02Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/42Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Abstract

本发明涉及一种基于生产基地的植物生长精准控制方法,其包括步骤1:对植物进行监控拍摄,获得植物图像,根据图像识别处理,以识别植物当前的生长阶段;步骤2:对拍摄到的植物图片进行光谱分析,确定出植物的生长特性,生长特性包括植物的冠层叶与营养元素间的耦合关系;步骤3:采集种植区域内的环境因子,根据环境因子确定植物各个生长阶段对应匹配的环境因子;步骤4:根据植物的当前生长阶段,结合生长特性和环境因子形成生长环境因素,根据生长环境因素匹配出生长阶段对应的生长管控模型,根据生长管控模型控制调整植物的生长环境因素。本发明提高设植物生产运维水平,减少人员用工和降低劳力成本,并实现工厂化种植植物。

Description

一种基于生产基地的植物生长精准控制方法
技术领域
本发明涉及植物生长控制技术领域,具体涉及一种基于生产基地的植物生长精准控制方法。
背景技术
目前在生产基地种植各类植物,例如种植农作物,对植物的生长过程中还需要较多人力进行管理,以使得植物生长情况良好。更具体地,种植人员根据不同种类植物和植物不同生长阶段进行不同管理,包括施肥时间、施肥量、水分、二氧化碳浓度、湿度、光照等环境因素的管理,以使得植物能够在最适合其生长的环境中生长,提高经济效益。而对这些植物管理,往往依赖于种植人员的经验,无法形成植物生长管控模型,从而导致无法工业化来种植相关植物。在这样的背景下,国家和社会均希望能够实现对植物更精准的控制方法,以期能够在生产基地进行工厂化种植植物,减少人力,提高经济效益。
发明内容
针对现有技术的不足,本发明的目的提供一种基于生产基地的植物生长精准控制方法,其能够解决植物精准控制的问题。
实现本发明的目的的技术方案为:一种基于生产基地的植物生长精准控制方法,包括如下步骤:
步骤1:对生产基地内的种植区域的植物进行监控拍摄,获得植物图像,对植物图像进行图像识别处理,以识别植物当前的生长阶段;
步骤2:采用光谱识别方法对拍摄到的植物图片进行光谱分析,确定出植物的生长特性,生长特性包括植物的冠层叶与营养元素间的耦合关系;
步骤3:采集种植区域内的环境因子,环境因子包括光强、温度、空气湿度、风速、PH值、电导率、土壤墒情、二氧化碳、氧气浓度之一或多个组合,并记录采集时间,根据采集时间和环境因子的对应关系,确定出植物各个生长阶段对应匹配的环境因子;
步骤4:根据对植物识别出的当前生长阶段,并结合生长特性和环境因子形成生长环境因素,根据生长环境因素匹配出植物所处当前生长阶段的生长管控模型,
检测当前植物生长情况,判断植物是否符合生长管控模型的生长环境因素,若不符合,则根据生长管控模型控制调整种植区域内植物的生长环境因素,以使得植物始终处于生长特性和环境因子最优的生长状态。
进一步地,根据生长参数识别出所述植物当前的生长阶段,包括,
根据监控拍摄到的植物图片进行图像识别处理,统计某一段时间内植物的生长参数变化情况,生长参数变化情况包括叶片大小变化、叶片密度变化、叶片颜色变化、果实变化、植物高度变化和植物消耗肥料变化等生长变化情况中之一者或组合,并建立生长参数变化情况与生长阶段的映射关系,从而根据生长参数变化情况确定出植物当前所处的生长阶段。
进一步地,若所述植物为樱桃番茄,在统计时间段内,樱桃番茄从无果实到出现樱桃番茄果实并且樱桃番茄植物的叶片出现明显增大,判断当前樱桃番茄处于开花结果期的生长阶段,
若所述植物为草菇,在统计时间段内,草菇平均每天消耗的肥料明显加大,则判断草菇处于出菇期,
若所述植物为柑橘,在统计时间段内,根据柑橘的果实颜色变化或是否出现开花变化确定柑橘所处的生长阶段。
进一步地,所述叶片出现明显增大,通过比较前后叶片面积差与预设阈值的大小来判定,若前后叶片面积差大于等于预设阈值,则视为叶片明显增大,否则,不视为叶片变化明显。
进一步地,所述植物为草菇或樱桃番茄或柑橘或兰花,草菇生长阶段包括菌丝期、出菇期和成熟期,樱桃番茄生长阶段包括苗期、开花结果期和结果期,柑橘按时间划分的生长阶段包括春季期、夏季期、秋季期和冬季期,兰花生长阶段包括“假鳞茎基部芽点膨大,芽的苞片打开,明显出芽”期、假鳞茎开始增粗期、止叶成熟期、假鳞茎成熟期,
其中,菌丝期对应的生长环境因素为:环境参数:温度:30-35℃、湿度:70-80%、CO2:<500ppm、光照:无要求;肥料:含水量:65%-75%、温度:30-35℃、PH值:7-8,
出菇期对应的生长环境因素为:环境参数:温度:30-35℃、湿度:85-95%、CO2:<2000ppm,需氧量增加、光照:200lux;肥料:含水量:65%-75%、温度:30-35℃、PH值:7-8,
成熟期对应的生长环境因素为:环境参数:温度:30-35℃、湿度:85-95%、CO2:<2000ppm、光照:200lux;肥料:含水量:65%-75%、温度:30-35℃、PH值:7-8。
进一步地,采用巡航机器人根据规划路径在种植区域进内巡航进行所述监控拍摄,规划路径包括全局规划路径与局部规划路径,全局路径规划是指整个种植区域的巡航路径,局部路径规划是指对种植区域内的某个小范围内的区域进行巡航,以控制巡航机器人对植物监控的角度,以实现从不同角度拍摄植物图片,更好监控植物。
进一步地,所述巡航机器人采用DWA动态窗口算法来建立规划路径,通过循环机器人当前所在的方位角、当前轨迹与最近障碍物之间的最小距离和速度进行协调,优化计算得到最优的路径轨迹,巡航机器人按此路径轨迹建立规划路径。
进一步地,通过对植物进行监控达到识别植物当前的生长阶段,还可以采用以下步骤实现,包括,
根据拍摄到的图像进行图像识别,提取出植物特征,根据植物特征识别当前植物类别,植物类别识别采用基于深度卷积神经网络学习模型得到的植物识别模型,
识别出植物类别后,对植物图像进行图像分割,然后再对单株植物进行语义分割,从而提取到植物整体特征和植物部位特征,根据植物部位特征和植物整体特征判断出植物当前所处的生长阶段。
进一步地,通过图像分割提取出植物的花、果、茎、叶的组成部分,并据此提取反映作物生长阶段和特性的植物各部位细微的植物部位特征,植物部位特征包括单个花、果、茎、叶的特征,
其中,花的特征包括花朵的大小、颜色、展开度、花瓣的数量,果的特征包括果实的尺寸、颜色、颜色比、形状,茎的特征包括粗细、表面条纹走向、表面纹理粗糙度,叶的特征包括大小、完整性、叶脉走向、丰富程度,
植物整体特征包括植物颜色特征、形状特征和纹理特征,形状特征包括植物周长、面积、形状指数、外接圆半径、漏空比。
进一步地,所述环境因子包括光强、温度、空气湿度、风速、PH值、电导率、土壤墒情、二氧化碳和氧气浓度,当采集到的环境因子与植物处于生长阶段所需的环境因子不相同时,进行调整环境因子,以使得植物不同的生长阶段匹配相应的环境因子,
调整环境因子中的空气湿度、温度通过VAV变风量温湿度空调控制来调整种植区域内的湿度和温度,从而将湿度和温度控制在设定范围。
本发明的有益效果为:本发明可以提高设生成基地的设施园艺作物生产的运维水平,减少人员用工数量和大幅度降低劳力成本。并通过生长精准管控模型,可解决设施园艺作物生长状况难以智能化管控的问题,实现工厂化种植植物。
附图说明
图1为本发明较佳实施例的流程示意图。
具体实施方式
下面,结合附图以及具体实施方案,对本发明做进一步描述。
如图1所示,一种基于生产基地的植物生长精准控制方法,包括如下步骤:
步骤1:对生产基地内的种植区域的植物进行监控,以识别植物当前的生长阶段。
植物在不同的生长阶段具有不同的一些特征,特征主要体现在生长参数上,进而可以通过生长参数识别植物当前处于哪个生长阶段,包括以下步骤:
根据监控拍摄到的植物图片进行图像识别处理,统计某一段时间内(例如一周或半个月)植物的生长参数变化情况,生长参数变化情况包括叶片大小变化、叶片密度变化、叶片颜色变化、果实变化、植物高度变化和植物消耗肥料变化等生长变化情况中之一者或组合,并建立生长参数变化情况与生长阶段的映射关系,从而可以根据生长参数变化情况确定出植物当前所处的生长阶段。例如,统计三天内的植物为樱桃番茄(亦称为圣女果)的生长参数变化情况,若在该时间段内,从无到出现樱桃番茄果实并且樱桃番茄植物的叶片出现明显增大,从而可以判断当前樱桃番茄处于开花结果期的生长阶段。其中,叶片是否出现明显增大,可以通过预设阈值,例如在三天内,前后叶片面积差大于等于某个阈值(例如0.5平方厘米),则可以视为叶片明显增大,否则,不视为叶片变化明显。因为处于开花结果期的樱桃番茄会开始出现果实并且叶片增长较快,叶片变化明显,从而可以快速通过叶片变化情况和果实是否出现来判断樱桃番茄所处的生长阶段。又例如,统计三天内以草菇为植物的生长参数变化情况,若在此三天时间内,草菇消耗肥料明显加大,则可以判断草菇处于出菇期,因为处于此阶段的草菇需要的肥料明显增大,相比于其他阶段,此时的草菇平均每天消耗的肥料明显更大。其中,草菇消耗肥料是否明显加大,可以统计在此时间段内平均每天肥料的消耗量或前后两天肥料消耗量的差值,通过平均消耗量或差值来判断需要的肥料是否明显增大。其他植物也可以根据变化情况之一或组合来判断,例如,柑橘,可以根据果实颜色变化或是否出现开花变化,从而快速确定柑橘处于哪个季节期。
不同植物具有不同的生长阶段,例如,草菇生长阶段包括菌丝期、出菇期和成熟期,其中出菇期包括初期的出菇期和催蕾出菇期,樱桃番茄生长阶段包括苗期、开花结果期和结果期,柑橘按时间划分的生长阶段包括春季期、夏季期、秋季期和冬季期,兰花生长阶段包括“假鳞茎基部芽点膨大,芽的苞片打开,明显出芽”期、假鳞茎开始增粗期、止叶成熟期、假鳞茎成熟期。其中,处于假鳞茎成熟期的兰花无法直接通过图像准确识别判断,但可通过营养状况(如NPK比例)和/或叶绿度等指标来进行判断。同一植物在不同生长阶段所需要的生长环境因素不同,生长环境因素包括肥料和环境参数,肥料是指影响植物生长的营养元素,例如培养基因子,包括水分、微量元素等;环境参数是影响植物生长的一些外在条件,主要包括温度、湿度、二氧化碳浓度、光照等。不同植物之间的生长环境因素也不相同,从而可以根据植物所处的生长阶段,控制调整提供植物所需要的生长环境因素。调整肥料可以通过水肥一体化方式调整植物所需要的肥料含量。
对草菇而言,菌丝期对应的生长环境因素为:
环境参数:温度:30-35℃、湿度:70-80%、CO2:<500ppm、光照:无要求;肥料:含水量:65%-75%、温度:30-35℃、PH值:7-8。出菇期对应的生长环境因素为:环境参数:温度:30-35℃、湿度:85-95%、CO2:<2000ppm,需氧量增加、光照:200lux;肥料:含水量:65%-75%、温度:30-35℃、PH值:7-8。成熟期对应的生长环境因素为:环境参数:温度:30-35℃、湿度:85-95%、CO2:<2000ppm、光照:200lux;肥料:含水量:65%-75%、温度:30-35℃、PH值:7-8。
对其他植物而言,在不同的生长阶段也具有不同要求的生长环境因素,其具体的生长环境因素可预设存储在数据库内,在此不进行赘述。
作为一个可选的实施方式,采用巡航机器人根据规划路径对种植区域进行巡航监控,以完成对种植区域内种植的植物进行拍摄监控。巡航机器人在巡航过程中,对植物进行拍摄(包括摄像和拍照)监控,根据拍摄到的植物图像(包括图片和/或视频)进行图像识别处理,从而识别出植物当前的生长阶段。巡航机器人会对种植区域进行路径规划,建立包括全局与局部规划路径,全局路径规划是指整个种植区域的巡航路径,巡航机器人会根据规划好的全局路径进行巡航,以将种植区域内的所有植物完成监控。局部路径规划是指对某个小范围内的区域进行巡航,从而可以控制巡航机器人对植物监控的角度,从而可以从不同角度拍摄植物图片,以便更好监控植物。巡航机器人会根据建立的规划路径进行巡航,以对种植区域内的所有植物进行监控。巡航机器人采用DWA(Dynamic Window Approach)动态窗口算法来建立规划路径,通过循环机器人当前所在的方位角、当前轨迹与最近障碍物(通常为植物)之间的最小距离和速度进行协调,不断优化计算得到最优的路径轨迹,巡航机器人按此路径轨迹建立规划路径,即可依此进行巡航监控。
通过对植物进行监控达到识别植物当前的生长阶段,还可以采用以下具体步骤实现,包括,
步骤11:根据拍摄到的图像进行图像识别,以识别当前植物类别,植物类别识别采用WTPlant模型,利用堆叠的卷积神经网络进行图像分割,用于多尺度分析的新型预处理阶段以及深卷积网络以提取最具判别力的植物特征,根据植物特征识别出植物类别。
本步骤中,WTPlant模型是一种基于深度卷积神经网络学习模型得到的植物识别模型,可以识别出植物类别。
步骤12:根据识别出的植物类别,采用图像分割技术,对植物图像进行图像分割后,再对单株植物进行语义分割,从而提取到植物整体特征和植物部位特征。其中,通过图像分割出来提取出植物的花、果、茎、叶等组成部分并进行精确分割,并以此为基础,提取反映作物生长阶段和特性的植物各部位细微的植物部位特征。
在本步骤中,可以利用计算机视觉的关键点检测算法,根据已标注好的植物生长各阶段特征大量样本图像来建立特征检测的深度学习模型,从而利用建立的深度学习模型检测出植物整体特征和植物部位特征,从而可以判断植物当前所处的生长阶段。
植物部位特征包括单个花、果、茎、叶的特征,其中,花(即花朵)的特征包括花朵的大小、颜色、展开度、花瓣的数量等,果(即果实)的特征包括果实的尺寸、颜色、颜色比、形状等,茎(即茎秆)的特征包括粗细、表面条纹走向、表面纹理粗糙度,叶(即叶子)的特征包括大小、完整性、叶脉走向、丰富程度等。同时,提取单株植物的植物整体特征。
植物整体特征包括植物颜色特征、形状特征和纹理特征,形状特征包括植物周长、面积、形状指数、外接圆半径、漏空比等,纹理特征采用基于Contourlet 变换和分形维的特征提取与识别算法来得到。根据植物部位特征和植物整体特征判断出植物当前所处的生长阶段。
其中,图像分割采用基于高斯背景滤除方法滤除噪声,并采用Codebook模型对经过噪声滤除后的图像对背景进行更新,以滤除背景,从而将植物作为前景从背景中分离出来。对单株植物进行语义分割采用全卷积神经网络(FCN)方法进行处理。
步骤2:采用光谱识别方法确定出植物的生长特性,生长特性包括植物的冠层叶与营养元素间的耦合关系,营养元素包括植物所需要的水和微量元素,微量元素包括氮、磷、钾、钙等微量元素。通过多光谱相机拍摄到的植物图片进行光谱分析,得到不同波段光影响下植物的冠层叶生长情况,从而确定出植物当前含水和微量元素的情况,以评估植物当前是否缺失水分或微量元素,从而可以确定出植物是否需要补充水分和微量元素。
若通过光谱识别出植物当前的生长特性不符合植物当前所处生长阶段的生长特性,则给植物补充相应营养元素。例如,通过光谱识别出植物当前叶片处于枯萎状态或出现枯萎征兆,则给植物补充水分,并增大种植区域内的湿度。又例如,通过对兰花冠层高光谱图像扫描得到兰花冠层光谱图,根据兰花冠层光谱图提取出光谱特征,根据光谱特征评估出兰花的氮磷钾含量,从而确定出植物是否缺失氮磷钾微量元素,若缺失,则进行补充相应的微量元素。
补充营养元素,可以通过安装在种植区域内或种植区域附近的肥料供给装置向植物进行补充,肥料供给装置包括多个或单个,每个肥料供给装置可以补充相同的营养元素,也可以补充不同的营养元素。通过肥料供给装置可以实现自动化向植物提供不同的营养元素。例如通过管道采用滴灌方法来对植物补充水分和微量元素。
步骤3:采集种植区域内的环境因子,环境因子包括光强(光照强度)、温度、空气湿度、风速、PH值、电导率、土壤墒情、二氧化碳、氧气浓度中之一或多个组合,并记录采集时间。当采集到的环境因子与植物处于生长阶段所需的环境因子不相同时,进行调整环境因子,以使得植物不同的生长阶段匹配相应的环境因子,从而可以在植物的不同生长阶段调整相应的环境因子,以使得植物处于最优的生长状态。
采集上述环境因子可以通过分布在种植区域内的各类传感器完成,例如,通过二氧化碳传感器测量出种植区域内当前的二氧化碳浓度,湿度传感器测量湿度、光照度传感器、营养液PH传感器、营养液EC传感器等可以测量出上述相应的一个环境因子。
调整环境因子中的空气湿度、温度可以通过VAV变风量温湿度空调控制来调整种植区域内的湿度和温度,从而将湿度和温度控制在设定范围,使得植物处于当前生长阶段所需要的湿度和温度的环境中。
步骤4:根据对植物识别出的当前生长阶段,并结合生长特性和环境因子形成生长环境因素,根据生长环境因素匹配出植物所处当前生长阶段的生长管控模型。检测当前植物生长情况,判断植物是否符合生长管控模型的生长环境因素,若不符合,则根据生长管控模型控制调整种植区域内植物的生长环境因素,以使得植物始终处于生长特性和环境因子最优的生长状态。
其中,草菇的生长管控模型如下:生长环境因素包括温湿度、CO2浓度、光照等,适宜温度 28℃-38℃,生长周期仅10-15天左右,其各生长阶段特征的生长管控模型如下:
菌丝期:播种后的培养料面覆盖薄膜,维持料温 33℃-35℃,发菌2天左右,揭去薄膜后继续培养2天至菌丝长满料面,维持料温,并保持室温 32℃-35℃,空气相对湿度在80%左右。处于菌丝期的草菇,可以看出出现了较为明显的菌丝。
出菇期:菌丝培养完成后,第4-5天喷淋第一次催菇水,并雾化加湿和通风,维持菇房温度30℃-33℃;适当增加光照,以促进草菇原基分化,子实体形成。处于出菇期的草菇,可以看出开始出现了一些草菇的实体形态。
催蕾出菇期:第6-7天再喷一次出菇水,进行通风,二氧化碳浓度勿超过800ppm,适当提供光照,维持菇房温度30℃-33℃,空气相对湿度90%左右,至菇蕾大面积发生。
成熟期:菇蕾生长极快,一至两天即可采收,也即达到成熟期,外观呈蛋形或表面灰褐色或灰黑色或菇体略伸长即可采收。处于成熟期的草菇,可以看出已经出现了较为完整的草菇实体。
樱桃番茄营养分:每亩产5000公斤,须吸收氮17kg、磷5kg、钾26kg。氮肥运筹:幼苗期10%、开花结果期40%、结果期50%,土壤溶液含氮量0.02%-0.024%,硝态氮:铵态氮=3:1。磷肥运筹:第一花穗果实坐果吸收磷占90%,前期磷肥要充足,土壤溶液磷含量 0.016%。钾肥运筹:果实膨大后土壤溶液钾含量 0.027%,叶钾浓度 2%以上。
当检测到当前植物缺失水分和营养元素时,控制施肥装置向植物补充水分和营养元素,以满足植物所需要的营养元素。
通过以上步骤处理,可以提高设生成基地的设施园艺作物生产的运维水平,减少人员用工数量和大幅度降低劳力成本。并通过生长精准管控模型,可解决设施园艺作物生长状况难以智能化管控的问题,实现工厂化种植植物。
本说明书所公开的实施例只是对本发明单方面特征的一个例证,本发明的保护范围不限于此实施例,其他任何功能等效的实施例均落入本发明的保护范围内。对于本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及变形,而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。

Claims (8)

1.一种基于生产基地的植物生长精准控制方法,其特征在于,包括如下步骤:
步骤1:对生产基地内的种植区域的植物进行监控拍摄,获得植物图像,对植物图像进行图像识别处理,以识别植物当前的生长阶段;
步骤2:采用光谱识别方法对拍摄到的植物图片进行光谱分析,确定出植物的生长特性,生长特性包括植物的冠层叶与营养元素间的耦合关系;
步骤3:采集种植区域内的环境因子,环境因子包括光强、温度、空气湿度、风速、PH值、电导率、土壤墒情、二氧化碳、氧气浓度之一或多个组合,并记录采集时间,根据采集时间和环境因子的对应关系,确定出植物各个生长阶段对应匹配的环境因子;
步骤4:根据对植物识别出的当前生长阶段,并结合生长特性和环境因子形成生长环境因素,根据生长环境因素匹配出植物所处当前生长阶段的生长管控模型,
检测当前植物生长情况,判断植物是否符合生长管控模型的生长环境因素,若不符合,则根据生长管控模型控制调整种植区域内植物的生长环境因素,以使得植物始终处于生长特性和环境因子最优的生长状态。
2.根据权利要求1所述的基于生产基地的植物生长精准控制方法,其特征在于,所述步骤1中对植物图像进行图像识别处理,以识别植物当前的生长阶段,其具体实现过程包括,
根据监控拍摄到的植物图片进行图像识别处理,统计某一段时间内植物的生长参数变化情况,生长参数变化情况包括叶片大小变化、叶片密度变化、叶片颜色变化、果实变化、植物高度变化和植物消耗肥料变化等生长变化情况中之一者或组合,并建立生长参数变化情况与生长阶段的映射关系,从而根据生长参数变化情况确定出植物当前所处的生长阶段。
3.根据权利要求2所述的基于生产基地的植物生长精准控制方法,其特征在于,若所述植物为樱桃番茄,在统计时间段内,樱桃番茄从无果实到出现樱桃番茄果实并且樱桃番茄植物的叶片出现明显增大,判断当前樱桃番茄处于开花结果期的生长阶段,
若所述植物为草菇,在统计时间段内,草菇平均每天消耗的肥料明显加大,则判断草菇处于出菇期,
若所述植物为柑橘,在统计时间段内,根据柑橘的果实颜色变化或是否出现开花变化确定柑橘所处的生长阶段。
4.根据权利要求3所述的基于生产基地的植物生长精准控制方法,其特征在于,所述叶片出现明显增大,通过比较前后叶片面积差与预设阈值的大小来判定,若前后叶片面积差大于等于预设阈值,则视为叶片明显增大,否则,不视为叶片变化明显。
5.根据权利要求1所述的基于生产基地的植物生长精准控制方法,其特征在于,所述植物为草菇或樱桃番茄或柑橘或兰花,草菇生长阶段包括菌丝期、出菇期和成熟期,樱桃番茄生长阶段包括苗期、开花结果期和结果期,柑橘按时间划分的生长阶段包括春季期、夏季期、秋季期和冬季期,兰花生长阶段包括“假鳞茎基部芽点膨大,芽的苞片打开,明显出芽”期、假鳞茎开始增粗期、止叶成熟期、假鳞茎成熟期,
其中,菌丝期对应的生长环境因素为:环境参数:温度:30-35℃、湿度:70-80%、CO2:<500ppm、光照:无要求;肥料:含水量:65%-75%、温度:30-35℃、PH值:7-8,
出菇期对应的生长环境因素为:环境参数:温度:30-35℃、湿度:85-95%、CO2:<2000ppm,需氧量增加、光照:200lux;肥料:含水量:65%-75%、温度:30-35℃、PH值:7-8,
成熟期对应的生长环境因素为:环境参数:温度:30-35℃、湿度:85-95%、CO2:<2000ppm、光照:200lux;肥料:含水量:65%-75%、温度:30-35℃、PH值:7-8。
6.根据权利要求1所述的基于生产基地的植物生长精准控制方法,其特征在于,通过对植物进行监控达到识别植物当前的生长阶段,还可以采用以下步骤实现,包括,
根据拍摄到的图像进行图像识别,提取出植物特征,根据植物特征识别当前植物类别,植物类别识别采用基于深度卷积神经网络学习模型得到的植物识别模型,
识别出植物类别后,对植物图像进行图像分割,然后再对单株植物进行语义分割,从而提取到植物整体特征和植物部位特征,根据植物部位特征和植物整体特征判断出植物当前所处的生长阶段。
7.根据权利要求6所述的基于生产基地的植物生长精准控制方法,其特征在于,通过图像分割提取出植物的花、果、茎、叶的组成部分,并据此提取反映作物生长阶段和特性的植物各部位细微的植物部位特征,植物部位特征包括单个花、果、茎、叶的特征,
其中,花的特征包括花朵的大小、颜色、展开度、花瓣的数量,果的特征包括果实的尺寸、颜色、颜色比、形状,茎的特征包括粗细、表面条纹走向、表面纹理粗糙度,叶的特征包括大小、完整性、叶脉走向、丰富程度,
植物整体特征包括植物颜色特征、形状特征和纹理特征,形状特征包括植物周长、面积、形状指数、外接圆半径、漏空比。
8.根据权利要求1所述的基于生产基地的植物生长精准控制方法,其特征在于,所述环境因子包括光强、温度、空气湿度、风速、PH值、电导率、土壤墒情、二氧化碳和氧气浓度,当采集到的环境因子与植物处于生长阶段所需的环境因子不相同时,进行调整环境因子,以使得植物不同的生长阶段匹配相应的环境因子,
调整环境因子中的空气湿度、温度通过VAV变风量温湿度空调控制来调整种植区域内的湿度和温度,从而将湿度和温度控制在设定范围。
CN202011413703.9A 2020-12-07 2020-12-07 一种基于生产基地的植物生长精准控制方法 Pending CN112197819A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011413703.9A CN112197819A (zh) 2020-12-07 2020-12-07 一种基于生产基地的植物生长精准控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011413703.9A CN112197819A (zh) 2020-12-07 2020-12-07 一种基于生产基地的植物生长精准控制方法

Publications (1)

Publication Number Publication Date
CN112197819A true CN112197819A (zh) 2021-01-08

Family

ID=74033834

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011413703.9A Pending CN112197819A (zh) 2020-12-07 2020-12-07 一种基于生产基地的植物生长精准控制方法

Country Status (1)

Country Link
CN (1) CN112197819A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160079A (zh) * 2019-06-28 2020-05-15 广西慧云信息技术有限公司 一种快速识别柑橘花期的方法
CN112906505A (zh) * 2021-01-29 2021-06-04 郑州尼采生物科技有限公司 一种基于无人机的药剂精准处理植物方法
CN112930926A (zh) * 2021-01-28 2021-06-11 电凯(常州)新能源技术研究院有限公司 一种基于深度学习的植物生产参数调优方法
CN113052251A (zh) * 2021-03-31 2021-06-29 青岛农业大学 一种基于深度学习的红掌生长指标获取方法
CN113310514A (zh) * 2021-05-24 2021-08-27 广州大气候农业科技有限公司 一种农作物生长状况检测方法、系统、装置及存储介质
CN113361377A (zh) * 2021-06-02 2021-09-07 华南农业大学 一种植物生长管控模型构建方法、电子设备、存储介质
CN113470007A (zh) * 2021-07-26 2021-10-01 柒久园艺科技(北京)有限公司 一种基于植物生长状态的数据分析方法、系统及存储介质
CN114208595A (zh) * 2022-01-27 2022-03-22 蓬溪骆峰菌业有限公司 一种金针菇培养系统
CN114698543A (zh) * 2022-05-13 2022-07-05 湖北玉如意生物科技股份有限公司 一种活体豆芽培养装置及监测方法
CN114868542A (zh) * 2022-04-11 2022-08-09 四维生态科技(杭州)有限公司 一种用于草莓种植的环境处理方法、装置及系统
CN114982580A (zh) * 2022-06-07 2022-09-02 山东师范大学 一种基于图像识别的智能花卉辅助栽培方法及系统
TWI781873B (zh) * 2022-01-19 2022-10-21 新加坡商鴻運科股份有限公司 植物光照調節方法、電腦設備及儲存介質
CN116909166A (zh) * 2023-05-15 2023-10-20 北京信通云峰科技有限公司 一种数字孪生虚拟仿真处理方法及系统
CN117152620A (zh) * 2023-10-30 2023-12-01 江西立盾光电科技有限公司 一种跟随植物状态变化的植物生长控制方法及系统
CN117352083A (zh) * 2023-09-28 2024-01-05 中国科学院沈阳应用生态研究所 一种基于物联网技术的土壤精准施肥方法
CN117522083A (zh) * 2024-01-05 2024-02-06 山西农众物联科技有限公司 一种物联网传感数据识别的栽培控制方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6160902A (en) * 1997-10-10 2000-12-12 Case Corporation Method for monitoring nitrogen status using a multi-spectral imaging system
CN108029515A (zh) * 2017-12-08 2018-05-15 内蒙古农业大学 一种现代农业智能节水灌溉系统
CN207488729U (zh) * 2017-04-12 2018-06-12 重庆光电信息研究院有限公司 监测植物生长趋势后仿人脑处理系统的养育设备及系统
CN108614602A (zh) * 2018-05-07 2018-10-02 深圳春沐源控股有限公司 光照控制方法及装置
CN109197531A (zh) * 2018-09-30 2019-01-15 宁波工程学院 一种基于物联网的屋顶花园智能养护系统及其控制方法
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
CN111480557A (zh) * 2020-04-23 2020-08-04 顾晓东 一种基于大数据物联网的农业灌溉实时监测调控系统
CN111713317A (zh) * 2020-07-24 2020-09-29 韶关市诚湃新能源科技有限公司 一种基于大数据的农作物监测系统及监测方法
CN111964723A (zh) * 2020-08-18 2020-11-20 合肥金果缘视觉科技有限公司 一种基于人工智能的花生米短芽检测系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6160902A (en) * 1997-10-10 2000-12-12 Case Corporation Method for monitoring nitrogen status using a multi-spectral imaging system
CN207488729U (zh) * 2017-04-12 2018-06-12 重庆光电信息研究院有限公司 监测植物生长趋势后仿人脑处理系统的养育设备及系统
CN108029515A (zh) * 2017-12-08 2018-05-15 内蒙古农业大学 一种现代农业智能节水灌溉系统
CN108614602A (zh) * 2018-05-07 2018-10-02 深圳春沐源控股有限公司 光照控制方法及装置
CN109197531A (zh) * 2018-09-30 2019-01-15 宁波工程学院 一种基于物联网的屋顶花园智能养护系统及其控制方法
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
CN111480557A (zh) * 2020-04-23 2020-08-04 顾晓东 一种基于大数据物联网的农业灌溉实时监测调控系统
CN111713317A (zh) * 2020-07-24 2020-09-29 韶关市诚湃新能源科技有限公司 一种基于大数据的农作物监测系统及监测方法
CN111964723A (zh) * 2020-08-18 2020-11-20 合肥金果缘视觉科技有限公司 一种基于人工智能的花生米短芽检测系统

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160079A (zh) * 2019-06-28 2020-05-15 广西慧云信息技术有限公司 一种快速识别柑橘花期的方法
CN112930926A (zh) * 2021-01-28 2021-06-11 电凯(常州)新能源技术研究院有限公司 一种基于深度学习的植物生产参数调优方法
CN112906505A (zh) * 2021-01-29 2021-06-04 郑州尼采生物科技有限公司 一种基于无人机的药剂精准处理植物方法
CN113052251A (zh) * 2021-03-31 2021-06-29 青岛农业大学 一种基于深度学习的红掌生长指标获取方法
CN113310514A (zh) * 2021-05-24 2021-08-27 广州大气候农业科技有限公司 一种农作物生长状况检测方法、系统、装置及存储介质
CN113361377A (zh) * 2021-06-02 2021-09-07 华南农业大学 一种植物生长管控模型构建方法、电子设备、存储介质
CN113470007A (zh) * 2021-07-26 2021-10-01 柒久园艺科技(北京)有限公司 一种基于植物生长状态的数据分析方法、系统及存储介质
TWI781873B (zh) * 2022-01-19 2022-10-21 新加坡商鴻運科股份有限公司 植物光照調節方法、電腦設備及儲存介質
CN114208595A (zh) * 2022-01-27 2022-03-22 蓬溪骆峰菌业有限公司 一种金针菇培养系统
CN114868542A (zh) * 2022-04-11 2022-08-09 四维生态科技(杭州)有限公司 一种用于草莓种植的环境处理方法、装置及系统
CN114868542B (zh) * 2022-04-11 2024-01-09 四维生态科技(杭州)有限公司 一种用于草莓种植的环境处理方法、装置及系统
CN114698543A (zh) * 2022-05-13 2022-07-05 湖北玉如意生物科技股份有限公司 一种活体豆芽培养装置及监测方法
CN114698543B (zh) * 2022-05-13 2023-11-17 湖北玉如意生物科技股份有限公司 一种活体豆芽培养装置及监测方法
CN114982580A (zh) * 2022-06-07 2022-09-02 山东师范大学 一种基于图像识别的智能花卉辅助栽培方法及系统
CN114982580B (zh) * 2022-06-07 2024-04-12 山东师范大学 一种基于图像识别的智能花卉辅助栽培方法及系统
CN116909166A (zh) * 2023-05-15 2023-10-20 北京信通云峰科技有限公司 一种数字孪生虚拟仿真处理方法及系统
CN117352083A (zh) * 2023-09-28 2024-01-05 中国科学院沈阳应用生态研究所 一种基于物联网技术的土壤精准施肥方法
CN117152620A (zh) * 2023-10-30 2023-12-01 江西立盾光电科技有限公司 一种跟随植物状态变化的植物生长控制方法及系统
CN117152620B (zh) * 2023-10-30 2024-02-13 江西立盾光电科技有限公司 一种跟随植物状态变化的植物生长控制方法及系统
CN117522083A (zh) * 2024-01-05 2024-02-06 山西农众物联科技有限公司 一种物联网传感数据识别的栽培控制方法及系统
CN117522083B (zh) * 2024-01-05 2024-03-12 山西农众物联科技有限公司 一种物联网传感数据识别的栽培控制方法及系统

Similar Documents

Publication Publication Date Title
CN112197819A (zh) 一种基于生产基地的植物生长精准控制方法
CN106372592B (zh) 一种基于冬小麦面积指数的冬小麦种植面积计算方法
CN111666815B (zh) 一种基于Sentinel-2遥感影像的大蒜种植信息自动化提取方法
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
CN105700593B (zh) 一种植物种植监控系统及其方法
CN112800665A (zh) 一种基于人工智能的植物生长自反馈学习培育方法
CN106688705A (zh) 一种智能种植大棚及其采用的监测方法
CN111504371A (zh) 大数据服务系统
CN112930926A (zh) 一种基于深度学习的植物生产参数调优方法
CN111096130B (zh) 一种使用ai光谱的无人干预种植系统及其控制方法
CN108710766B (zh) 一种基于生长模型的温室植物水肥机调肥参数计算方法
CN114740930B (zh) 用于温室大棚智能管控平台系统及管控处理方法
CN115204689A (zh) 一种基于图像处理的智慧农业管理系统
CN113158750A (zh) 一种基于卷积神经网络的植物长势模型的自反馈学习评估方法
Ozdemır et al. Precision Viticulture tools to production of high quality grapes.
Yang et al. Canopy structure and light interception partitioning among shoots estimated from virtual trees: comparison between apple cultivars grown on different interstocks on the Chinese Loess Plateau
CN113469112A (zh) 农作物生长状况图像识别方法及系统
CN116797601B (zh) 一种基于图像识别的华山松生长动态的监控方法及系统
CN109116897A (zh) 一种基于大数据的农业种植环境智能调节方法
CN114299393A (zh) 一种基于光学和雷达时序数据的烟稻种植模式识别方法
CN108733013A (zh) 一种基于大数据分析的葡萄种植管理系统
Yihang et al. Automatic recognition of rape seeding emergence stage based on computer vision technology
CN113448368A (zh) 一种物联网智能农业控制检测方法及系统
Modina et al. Variable rate irrigation in a vineyard and an orchard
Jayathilaka et al. Effectiveness of IoT based automation system for salad cucumber (Cucumis sativus) cultivation in protected house under Sri Lankan conditions

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: 20210108

RJ01 Rejection of invention patent application after publication