CN112400676B - 一种基于大数据的智能灌溉系统 - Google Patents

一种基于大数据的智能灌溉系统 Download PDF

Info

Publication number
CN112400676B
CN112400676B CN202011156550.4A CN202011156550A CN112400676B CN 112400676 B CN112400676 B CN 112400676B CN 202011156550 A CN202011156550 A CN 202011156550A CN 112400676 B CN112400676 B CN 112400676B
Authority
CN
China
Prior art keywords
irrigation
module
crop
cloud platform
crops
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.)
Active
Application number
CN202011156550.4A
Other languages
English (en)
Other versions
CN112400676A (zh
Inventor
邱意敏
李炜
欣龙
沈钰
朋琦
胡杰文
夏宏业
夏奎
王晶
徐诺
周颖
薛青松
张亚丽
沈云畅
罗丹
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.)
Anhui Polytechnic University
Original Assignee
Anhui Polytechnic University
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 Anhui Polytechnic University filed Critical Anhui Polytechnic University
Priority to CN202011156550.4A priority Critical patent/CN112400676B/zh
Publication of CN112400676A publication Critical patent/CN112400676A/zh
Application granted granted Critical
Publication of CN112400676B publication Critical patent/CN112400676B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G25/00—Watering gardens, fields, sports grounds or the like
    • A01G25/16—Control of watering
    • A01G25/162—Sequential operation
    • 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
    • A01C23/047—Spraying of liquid fertilisers
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
    • A01M7/0025—Mechanical sprayers
    • A01M7/0032—Pressure sprayers
    • A01M7/0042—Field sprayers, e.g. self-propelled, drawn or tractor-mounted
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
    • A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
    • A01M7/0089—Regulating or controlling systems

Abstract

本发明公开了一种基于大数据的智能灌溉系统，包括云平台、用户管理模块、环境监测模块、水量预测模块、设备监测模块和辅料添加模块；本发明设置了环境监测模块，该设置通过对农作物生长环境进行监测，并根据监测结果判断农作物是否需要进行灌溉，有助于用户实时了解农作物的状态；本发明设置了水量预测模块，该设置利用历史数据和人工智能算法对农作物灌溉用水量进行预测，不仅有助于提高农作物的灌溉效率，而且能够避免水资源的浪费；本发明设置了辅料添加模块，该设置根据农作物叶片的状态判断是否需要添加辅料，判断的准确度较高，且有助于提高辅料的利用率。

Description

一种基于大数据的智能灌溉系统
技术领域
本发明属于农业灌溉技术领域，具体是一种基于大数据的智能灌溉系统。
背景技术
在农业发展中，灌溉一直对农作物的生长起到决定性作用，现有农业灌溉系统是孤立存在的，农业耕作者完全依据天气预报信息，依靠观察实地土壤湿度进行灌溉，非常耗费精力，并且不能完成保证灌溉时间合适，没有形成适宜的精准的农作物灌溉控制系统，不利于农作物的良好生长；同时，现有的智能灌溉系统往往采用定时灌溉的方式，不能根据环境状况智能调整灌溉量，往往造成水资源的浪费。
公开号为CN107873493A的发明专利提供了一种基于大数据的智能灌溉系统，包括：云服务器、移动终端、本地端主机、监测模块及管网系统，监测模块还包括湿度传感器、第一流量传感器、第一通信模块及第一MCU，本地端主机包括第二通信模块，湿度传感器、第一流量传感器及通信模块分别与第一MCU连接，第一通信模块与第二通信模块通信连接，本地端主机、移动终端分别于云服务器无线通信连接；管网系统包括主管道、支管道、灌溉管道及喷头，主管道与蓄水池连接，支管道设置在主管道上，灌溉管道设置在所述支管道上，喷头设置在所述灌溉管道末端，监控模块数量与喷头数量一一对应。
上述方案通过云服务器结合天气环境、土壤湿度智能调整灌溉量，有效地节约了水源，根据历史数据生成管理表，用户可根据管理表查看各个时间段地灌溉量；但是，上述方案结合地源数据信息较少，没有对不同农作物的灌溉信息进行区分，而且管理表的方式较为陈旧，应用起来不方便且准确率不足；因此，上述方案仍需进一步改进。
发明内容
有鉴于此，本发明的目的在于提出一种基于大数据的智能灌溉系统，以致力于解决背景技术中的全部问题或者之一。
本发明的目的可以通过以下技术方案实现：一种基于大数据的智能灌溉系统，包括云平台、用户管理模块、环境监测模块、水量预测模块和数据存储模板，所述用户管理模块、所述环境监测模块、所述水量预测模块和所述数据存储模板均与所述云平台连接，所述数据存储模板与所述用户管理模块连接；
所述环境监测模块用于对农作物的生长环境进行监测，包括：
获取农作物品种，并将农作物品种标记为
Figure 100002_IMAGE002
，
Figure 100002_IMAGE002
=1，2，……，
Figure 100002_IMAGE004
；
获取灌溉评估系数
Figure 100002_IMAGE006
；
所述环境监测模块将灌溉评估系数
Figure 100002_IMAGE006
发送给云平台处理，然后云平台输出预警信号发送给水量预测模块和用户管理模块；
通过云平台将预警信号发送记录发送至数据存储模块进行存储；
所述水量预测模块用于对灌溉用水量进行预测，包括：
当水量预测模块接收预警信号后，获取农作物生长区域面积和农作物生长时长；
云平台获取数据存储模块中已经训练完成的人工智能算法模型；
获取输入数据，将输入数据输入到人工智能算法模型中，得到终输出数据，将终输出数据标记为预测用水量
Figure 100002_IMAGE008
；权
获取数据存储模块中存储的标准用水量范围[
Figure 100002_IMAGE010
]，当预测用水量
Figure 100002_IMAGE008
满足
Figure 100002_IMAGE012
，则判定预测用水量
Figure 100002_IMAGE008
满足条件，通过云平台将预测用水量
Figure 100002_IMAGE008
发送至用户管理模块和数据存储模块，其中
Figure 100002_IMAGE014
3和L4为预设标准用水量阈值；
云平台根据预测用水量
Figure 100002_IMAGE008
控制灌溉设备对农作物进行灌溉。
可选的，通过数据存储模块获取训练输入数据和训练输出数据，所述训练输入数据包括农作物生长区域的环境温度值
Figure 100002_IMAGE016
和环境湿度值
Figure 100002_IMAGE018
、农作物生长区域的所述土壤湿度值
Figure 100002_IMAGE020
和所述土壤温度值
Figure 100002_IMAGE022
、农作物生长区域面积和农作物生长时长，将训练输入数据进行归一化得到所述输入数据。
可选的，训练所述人工智能算法模型：
通过数据存储模块获取训练输出数据，所述训练输出数据为训练输入数据对应条件下的最佳灌溉用水量；
将训练输出数据进行归一化处理得到预输出数据，将所述输入数据和所述预输出数据对人工智能算法模型进行训练而得到训练完成的人工智能算法模型，所述人工智能算法模型包括误差前向传播神经网络、RBF神经网络和模糊神经网络；
将训练完成的人工智能算法模型通过云平台发送至数据存储模块进行存储。
可选的，所述预警信号包括农作物水分正常信号、农作物非充分灌溉信号和农作物充分灌溉信号；
当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE024
时，则判定农作物不需要灌溉，云平台发送农作物水分正常信号至水量预测模块和用户管理模块；当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE026
时，则判定农作物轻微缺水，云平台发送农作物非充分灌溉信号至水量预测模块和用户管理模块；当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE028
时，则判定农作物严重缺水，云平台发送农作物充分灌溉信号至水量预测模块和用户管理模块；
其中
Figure 100002_IMAGE030
和
Figure 100002_IMAGE032
为预设灌溉评估系数阈值。
可选的，获取监测数据，所述监测数据包括环境评估系数
Figure 100002_IMAGE034
和土壤评估系数
Figure 100002_IMAGE036
，所述灌溉评估系数
Figure 100002_IMAGE038
，通过云平台将监测数据及灌溉评估系数
Figure 100002_IMAGE006
发送至数据存储模块进行存储；
其中
Figure 100002_IMAGE040
和
Figure 100002_IMAGE042
为预设比例系数，且
Figure 100002_IMAGE044
。
可选的，获取农作物生长区域的环境温度值
Figure 100002_IMAGE016
和环境湿度值
Figure 100002_IMAGE018
，所述监测数据还包括农作物生长区域的环境温度值
Figure 100002_IMAGE016
和环境湿度值
Figure 100002_IMAGE018
，环境评估系数
Figure 100002_IMAGE046
；
其中
Figure 100002_IMAGE048
、
Figure 100002_IMAGE050
和
Figure 100002_IMAGE052
为预设比例系数，
Figure 100002_IMAGE048
、
Figure 100002_IMAGE050
和
Figure 100002_IMAGE052
均大于0，且
Figure 100002_IMAGE054
，
Figure 100002_IMAGE056
为自然常数。
获取农作物生长区域的所述土壤湿度值
Figure 100002_IMAGE020
和所述土壤温度值
Figure 100002_IMAGE022
，所述监测数据还包括农作物生长区域的所述土壤湿度值
Figure 100002_IMAGE020
和所述土壤温度值
Figure 100002_IMAGE022
，土壤评估系数
Figure 100002_IMAGE058
；
其中
Figure 100002_IMAGE060
和
Figure 100002_IMAGE062
为预设比例系数，且
Figure 100002_IMAGE060
和
Figure 100002_IMAGE062
均大于0。
可选的，所述云平台连接有设备监测模块，所述设备监测模块用于对灌溉设备进行监测，所述灌溉设备包括主管道、支管道、灌溉管道及喷头，所述主管道与蓄水池连接，所述主管道通过主管道连接所述灌溉管道，所述喷头设置在灌溉管道末端；
所述设备监测模块，包括：
获取设备评估系数
Figure 100002_IMAGE064
；
当设备评估系数
Figure 100002_IMAGE064
满足
Figure 100002_IMAGE066
时，则判定灌溉设备正常，通过云平台发送灌溉设备正常信号至用户管理模块；当设备评估系数
Figure 100002_IMAGE064
满足
Figure 100002_IMAGE068
时，则判定灌溉设备异常，通过云平台发送灌溉设别异常信号至用户管理模块，其中
Figure 100002_IMAGE070
为预设设备评估系数阈值；
通过云平台将灌溉设备正常信号发送记录和灌溉设备异常信号发送记录发送至数据存储模块进行存储。
可选的，获取灌溉设备的使用年限，并将使用年限标记为
Figure 100002_IMAGE072
，获取灌溉时主管道和灌溉管道的水流速度，并将主管道水流速度和灌溉管道水流速度分别标记为
Figure 100002_IMAGE074
和
Figure 100002_IMAGE076
，所述设备评估系数
Figure 100002_IMAGE078
；
其中
Figure 100002_IMAGE056
为自然常数，
Figure 100002_IMAGE080
、
Figure 100002_IMAGE082
和
Figure 100002_IMAGE084
为预设比例系数，且
Figure 100002_IMAGE080
、
Figure 100002_IMAGE082
和
Figure 100002_IMAGE084
均为大于0的实数。
可选的，所述云平台连接有辅料添加模块，所述辅料添加模块用于在灌溉时添加辅料，所述辅料包括肥料和杀虫剂，
所述辅料添加模块，包括；
获取
Figure 100002_IMAGE086
幅不同的农作物叶片图像，对农作物叶片图像进行图像预处理，得到标准叶片图像；所述农作物叶片图像为农作物单个叶片的图像；其中
Figure 100002_IMAGE086
为大于1000的整数；
获取标准叶片图像的灰度平均值
Figure 100002_IMAGE088
，通过灰度平均值
Figure 100002_IMAGE088
获取农作物叶片灰度均值
Figure 100002_IMAGE090
，农作物叶片灰度均值
Figure 100002_IMAGE092
，其中
Figure 100002_IMAGE094
=1，2，……，
Figure 100002_IMAGE086
；
当农作物叶片灰度均值
Figure 100002_IMAGE090
满足
Figure 100002_IMAGE096
时，则判定农作物不需要添加辅料；当农作物叶片灰度均值
Figure 100002_IMAGE090
满足
Figure 100002_IMAGE098
时，则判定农作物需要添加肥料，云平台发送肥料添加信号至用户管理模块；当农作物叶片灰度均值
Figure 100002_IMAGE090
满足
Figure 100002_IMAGE100
时，则判定农作物需要添加杀虫剂，云平台发送杀虫剂添加信号至用户管理模块；其中
Figure 100002_IMAGE102
为预设农作物叶片灰度均值阈值；
通过数据存储模块获取辅料添加对照表，根据农作物叶片灰度均值、农作物生长区域面积和农作物品种添加辅料。
与现有技术相比，本发明的有益效果是：
1、本发明设置了环境监测模块，该设置用于对农作物的生长环境进行监测；获取农作物品种，获取灌溉评估系数
Figure IMAGE104
；当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE024
时，则判定农作物不需要灌溉，云平台发送农作物水分正常信号至水量预测模块和用户管理模块；当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE026
时，则判定农作物轻微缺水，云平台发送农作物非充分灌溉信号至水量预测模块和用户管理模块；当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE028
时，则判定农作物严重缺水，云平台发送农作物充分灌溉信号至水量预测模块和用户管理模块，环境监测模块通过对农作物生长环境进行监测，并根据监测结果判断农作物是否需要进行灌溉，有助于用户实时了解农作物的状态；
2、本发明设置了水量预测模块，该设置用于对灌溉用水量进行预测；当水量预测模块接收预警信号后，获取农作物生长区域面积和农作物生长时长；云平台获取数据存储模块中已经训练完成的人工智能算法模型；获取输入数据，将输入数据输入到人工智能算法模型中，得到终输出数据，将终输出数据标记为预测用水量
Figure 100002_IMAGE008
；获取数据存储模块中存储的标准用水量范围[
Figure 100002_IMAGE010
]，当预测用水量
Figure 100002_IMAGE008
满足
Figure 100002_IMAGE012
，则判定预测用水量
Figure 100002_IMAGE008
满足条件，通过云平台将预测用水量
Figure 100002_IMAGE008
发送至用户管理模块和数据存储模块；云平台根据预测用水量
Figure 100002_IMAGE008
控制灌溉设备对农作物进行灌溉，水量预测模块利用历史数据和人工智能算法对农作物灌溉用水量进行预测，不仅有助于提高农作物的灌溉效率，而且能够避免水资源的浪费；
3、本发明设置了辅料添加模块，所述辅料添加模块用于在灌溉时添加辅料，所述辅料包括肥料和杀虫剂，所述辅料添加模块包括；获取
Figure 100002_IMAGE086
幅不同的农作物叶片图像，对农作物叶片图像进行图像预处理，得到标准叶片图像；所述图像预处理包括图像分割、图像增强、图像校正和灰度变换；所述农作物叶片图像为农作物单个叶片的图像；其中
Figure 100002_IMAGE086
为大于1000的整数；获取标准叶片图像的灰度平均值
Figure 100002_IMAGE088
，通过灰度平均值
Figure 100002_IMAGE088
获取农作物叶片灰度均值
Figure 100002_IMAGE090
，农作物叶片灰度均值
Figure 100002_IMAGE092
，其中
Figure 100002_IMAGE094
=1，2，……，
Figure 100002_IMAGE086
；当农作物叶片灰度均值
Figure 100002_IMAGE090
满足
Figure 100002_IMAGE096
时，则判定农作物不需要添加辅料；当农作物叶片灰度均值
Figure 100002_IMAGE090
满足
Figure 100002_IMAGE098
时，则判定农作物需要添加肥料，云平台发送肥料添加信号至用户管理模块；当农作物叶片灰度均值
Figure 100002_IMAGE090
满足
Figure 100002_IMAGE100
时，则判定农作物需要添加杀虫剂，云平台发送杀虫剂添加信号至用户管理模块；其中
Figure 100002_IMAGE102
为预设农作物叶片灰度均值阈值；通过数据存储模块获取辅料添加对照表，根据农作物叶片灰度均值、农作物生长区域面积和农作物品种添加辅料；辅料添加模块根据农作物叶片的状态判断是否需要添加辅料，判断的准确度较高，且有助于提高辅料的利用率。
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简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
一种基于大数据的智能灌溉系统，包括云平台、用户管理模块、环境监测模块、水量预测模块和数据存储模板，所述用户管理模块、所述环境监测模块、所述水量预测模块和所述数据存储模板均与所述云平台连接，所述数据存储模板与所述用户管理模块连接；
所述环境监测模块用于对农作物的生长环境进行监测，包括：
获取农作物品种，并将农作物品种标记为
Figure 100002_IMAGE002
，
Figure 100002_IMAGE002
=1，2，……，
Figure 100002_IMAGE004
；
获取灌溉评估系数
Figure 100002_IMAGE006
：
获取农作物生长区域的环境温度值
Figure 100002_IMAGE016
和环境湿度值
Figure 100002_IMAGE018
，所述监测数据还包括农作物生长区域的环境温度值
Figure 100002_IMAGE016
和环境湿度值
Figure 100002_IMAGE018
，环境评估系数
Figure 100002_IMAGE046
；
其中
Figure 100002_IMAGE048
、
Figure 100002_IMAGE050
和
Figure 100002_IMAGE052
为预设比例系数，
Figure 100002_IMAGE048
、
Figure 100002_IMAGE050
和
Figure 100002_IMAGE052
均大于0，且
Figure 100002_IMAGE054
，
Figure 100002_IMAGE056
为自然常数；
获取农作物生长区域的所述土壤湿度值
Figure 100002_IMAGE020
和所述土壤温度值
Figure 100002_IMAGE022
，所述监测数据还包括农作物生长区域的所述土壤湿度值
Figure 100002_IMAGE020
和所述土壤温度值
Figure 100002_IMAGE022
，土壤评估系数
Figure 100002_IMAGE058
；
其中
Figure 100002_IMAGE060
和
Figure 100002_IMAGE062
为预设比例系数，且
Figure 100002_IMAGE060
和
Figure 100002_IMAGE062
均大于0；
获取监测数据，所述监测数据包括环境评估系数
Figure 100002_IMAGE034
和土壤评估系数
Figure 100002_IMAGE036
，所述灌溉评估系数
Figure 100002_IMAGE038
，通过云平台将监测数据及灌溉评估系数
Figure 100002_IMAGE006
发送至数据存储模块进行存储；
其中
Figure 100002_IMAGE040
和
Figure 100002_IMAGE042
为预设比例系数，且
Figure 100002_IMAGE044
；
所述预警信号包括农作物水分正常信号、农作物非充分灌溉信号和农作物充分灌溉信号；
所述环境监测模块将灌溉评估系数
Figure 100002_IMAGE006
发送给云平台处理，
当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE024
时，则判定农作物不需要灌溉，云平台发送农作物水分正常信号至水量预测模块和用户管理模块；当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE026
时，则判定农作物轻微缺水，云平台发送农作物非充分灌溉信号至水量预测模块和用户管理模块；当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE028
时，则判定农作物严重缺水，云平台发送农作物充分灌溉信号至水量预测模块和用户管理模块；
其中
Figure 100002_IMAGE030
和
Figure 100002_IMAGE032
为预设灌溉评估系数阈值。
通过云平台将预警信号发送记录发送至数据存储模块进行存储。
环境监测模块通过对农作物生长环境进行监测，并根据监测结果判断农作物是否需要进行灌溉，有助于用户实时了解农作物的状态。
所述水量预测模块用于对灌溉用水量进行预测，包括：
当水量预测模块接收预警信号后，获取农作物生长区域面积和农作物生长时长；
通过数据存储模块获取训练输入数据和训练输出数据，所述训练输入数据包括农作物生长区域的环境温度值
Figure 100002_IMAGE016
和环境湿度值
Figure 100002_IMAGE018
、农作物生长区域的所述土壤湿度值
Figure 100002_IMAGE020
和所述土壤温度值
Figure 100002_IMAGE022
、农作物生长区域面积和农作物生长时长，将训练输入数据进行归一化得到所述输入数据；
训练所述人工智能算法模型：
通过数据存储模块获取训练输出数据，所述训练输出数据为训练输入数据对应条件下的最佳灌溉用水量；
将训练输出数据进行归一化处理得到预输出数据，将所述输入数据和所述预输出数据对人工智能算法模型进行训练而得到训练完成的人工智能算法模型，所述人工智能算法模型包括误差前向传播神经网络、RBF神经网络和模糊神经网络；
将训练完成的人工智能算法模型通过云平台发送至数据存储模块进行存储；
云平台获取数据存储模块中已经训练完成的人工智能算法模型；
获取输入数据，将输入数据输入到人工智能算法模型中，得到终输出数据，将终输出数据标记为预测用水量
Figure 100002_IMAGE008
；
获取数据存储模块中存储的标准用水量范围[
Figure 100002_IMAGE010
]，当预测用水量
Figure 100002_IMAGE008
满足
Figure 100002_IMAGE012
，则判定预测用水量
Figure 100002_IMAGE008
满足条件，通过云平台将预测用水量
Figure 100002_IMAGE008
发送至用户管理模块和数据存储模块，其中
Figure 100002_IMAGE014
3和L4为预设标准用水量阈值；
云平台根据预测用水量
Figure 100002_IMAGE008
控制灌溉设备对农作物进行灌溉。
所述标准用水量范围通过查找标准用水量表获取，所述标准用水量表为农业专家根据农作物品种、农作物生长区域面积和农作物生长时长制定的标准灌溉用水量范围。
水量预测模块利用历史数据和人工智能算法对农作物灌溉用水量进行预测，不仅有助于提高农作物的灌溉效率，而且能够避免水资源的浪费。
所述预警信号包括农作物水分正常信号、农作物非充分灌溉信号和农作物充分灌溉信号；
当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE024
时，则判定农作物不需要灌溉，云平台发送农作物水分正常信号至水量预测模块和用户管理模块；当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE026
时，则判定农作物轻微缺水，云平台发送农作物非充分灌溉信号至水量预测模块和用户管理模块；当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE028
时，则判定农作物严重缺水，云平台发送农作物充分灌溉信号至水量预测模块和用户管理模块；
其中
Figure 100002_IMAGE030
和
Figure 100002_IMAGE032
为预设灌溉评估系数阈值。
所述云平台连接有设备监测模块，所述设备监测模块用于对灌溉设备进行监测，所述灌溉设备包括主管道、支管道、灌溉管道及喷头，所述主管道与蓄水池连接，所述主管道通过主管道连接所述灌溉管道，所述喷头设置在灌溉管道末端；
所述设备监测模块，包括：
获取设备评估系数
Figure 100002_IMAGE064
：
获取灌溉设备的使用年限，并将使用年限标记为
Figure 100002_IMAGE072
，获取灌溉时主管道和灌溉管道的水流速度，并将主管道水流速度和灌溉管道水流速度分别标记为
Figure 100002_IMAGE074
和
Figure 100002_IMAGE076
，所述设备评估系数
Figure 100002_IMAGE078
；
其中
Figure 100002_IMAGE056
为自然常数，
Figure 100002_IMAGE080
、
Figure 100002_IMAGE082
和
Figure 100002_IMAGE084
为预设比例系数，且
Figure 100002_IMAGE080
、
Figure 100002_IMAGE082
和
Figure 100002_IMAGE084
均为大于0的实数；
当设备评估系数
Figure 100002_IMAGE064
满足
Figure 100002_IMAGE066
时，则判定灌溉设备正常，通过云平台发送灌溉设备正常信号至用户管理模块；当设备评估系数
Figure 100002_IMAGE064
满足
Figure 100002_IMAGE068
时，则判定灌溉设备异常，通过云平台发送灌溉设别异常信号至用户管理模块，其中
Figure 100002_IMAGE070
为预设设备评估系数阈值；
通过云平台将灌溉设备正常信号发送记录和灌溉设备异常信号发送记录发送至数据存储模块进行存储。
所述云平台连接有辅料添加模块，所述辅料添加模块用于在灌溉时添加辅料，所述辅料包括肥料和杀虫剂，
所述辅料添加模块，包括；
获取
Figure 100002_IMAGE086
幅不同的农作物叶片图像，对农作物叶片图像进行图像预处理，得到标准叶片图像；其中所述图像预处理包括图像分割、图像增强、图像校正和灰度变换；所述农作物叶片图像为农作物单个叶片的图像；其中
Figure 100002_IMAGE086
为大于1000的整数；
获取标准叶片图像的灰度平均值
Figure 100002_IMAGE088
，通过灰度平均值
Figure 100002_IMAGE088
获取农作物叶片灰度均值
Figure 100002_IMAGE090
，农作物叶片灰度均值
Figure 100002_IMAGE092
，其中
Figure 100002_IMAGE094
=1，2，……，
Figure 100002_IMAGE086
；
当农作物叶片灰度均值
Figure 100002_IMAGE090
满足
Figure 100002_IMAGE096
时，则判定农作物不需要添加辅料；当农作物叶片灰度均值
Figure 100002_IMAGE090
满足
Figure 100002_IMAGE098
时，则判定农作物需要添加肥料，云平台发送肥料添加信号至用户管理模块；当农作物叶片灰度均值
Figure 100002_IMAGE090
满足
Figure 100002_IMAGE100
时，则判定农作物需要添加杀虫剂，云平台发送杀虫剂添加信号至用户管理模块；其中
Figure 100002_IMAGE102
为预设农作物叶片灰度均值阈值；
通过数据存储模块获取辅料添加对照表，根据农作物叶片灰度均值、农作物生长区域面积和农作物品种添加辅料。
辅料添加模块根据农作物叶片的状态判断是否需要添加辅料，判断的准确度较高，且有助于提高辅料的利用率。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理：
本发明设置了环境监测模块，该设置用于对农作物的生长环境进行监测；获取农作物品种，获取灌溉评估系数
Figure IMAGE104
；当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE024
时，则判定农作物不需要灌溉，云平台发送农作物水分正常信号至水量预测模块和用户管理模块；当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE026
时，则判定农作物轻微缺水，云平台发送农作物非充分灌溉信号至水量预测模块和用户管理模块；当灌溉评估系数
Figure 100002_IMAGE006
满足
Figure 100002_IMAGE028
时，则判定农作物严重缺水，云平台发送农作物充分灌溉信号至水量预测模块和用户管理模块，环境监测模块通过对农作物生长环境进行监测，并根据监测结果判断农作物是否需要进行灌溉，有助于用户实时了解农作物的状态。
本发明设置了水量预测模块，该设置用于对灌溉用水量进行预测；当水量预测模块接收预警信号后，获取农作物生长区域面积和农作物生长时长；云平台获取数据存储模块中已经训练完成的人工智能算法模型；获取输入数据，将输入数据输入到人工智能算法模型中，得到终输出数据，将终输出数据标记为预测用水量
Figure 100002_IMAGE008
；获取数据存储模块中存储的标准用水量范围[
Figure 100002_IMAGE010
]，当预测用水量
Figure 100002_IMAGE008
满足
Figure 100002_IMAGE012
，则判定预测用水量
Figure 100002_IMAGE008
满足条件，通过云平台将预测用水量
Figure 100002_IMAGE008
发送至用户管理模块和数据存储模块；云平台根据预测用水量
Figure 100002_IMAGE008
控制灌溉设备对农作物进行灌溉，水量预测模块利用历史数据和人工智能算法对农作物灌溉用水量进行预测，不仅有助于提高农作物的灌溉效率，而且能够避免水资源的浪费。
本发明设置了辅料添加模块，所述辅料添加模块用于在灌溉时添加辅料，所述辅料包括肥料和杀虫剂，所述辅料添加模块包括；获取
Figure 100002_IMAGE086
幅不同的农作物叶片图像，对农作物叶片图像进行图像预处理，得到标准叶片图像；所述图像预处理包括图像分割、图像增强、图像校正和灰度变换；所述农作物叶片图像为农作物单个叶片的图像；其中
Figure 100002_IMAGE086
为大于1000的整数；获取标准叶片图像的灰度平均值
Figure 100002_IMAGE088
，通过灰度平均值
Figure 100002_IMAGE088
获取农作物叶片灰度均值
Figure 100002_IMAGE090
，农作物叶片灰度均值
Figure 100002_IMAGE092
，其中
Figure 100002_IMAGE094
=1，2，……，
Figure 100002_IMAGE086
；当农作物叶片灰度均值
Figure 100002_IMAGE090
满足
Figure 100002_IMAGE096
时，则判定农作物不需要添加辅料；当农作物叶片灰度均值
Figure 100002_IMAGE090
满足
Figure 100002_IMAGE098
时，则判定农作物需要添加肥料，云平台发送肥料添加信号至用户管理模块；当农作物叶片灰度均值
Figure 100002_IMAGE090
满足
Figure 100002_IMAGE100
时，则判定农作物需要添加杀虫剂，云平台发送杀虫剂添加信号至用户管理模块；其中
Figure 100002_IMAGE102
为预设农作物叶片灰度均值阈值；通过数据存储模块获取辅料添加对照表，根据农作物叶片灰度均值、农作物生长区域面积和农作物品种添加辅料；辅料添加模块根据农作物叶片的状态判断是否需要添加辅料，判断的准确度较高，且有助于提高辅料的利用率。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围（包括权利要求）被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路（IC）芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的（即，这些细节应当完全处于本领域技术人员的理解范围内）。在阐述了具体细节（例如，电路）以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构（例如，动态RAM（DRAM））可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (3)

1.一种基于大数据的智能灌溉系统，其特征在于，包括云平台、用户管理模块、环境监测模块、水量预测模块和数据存储模板，所述用户管理模块、所述环境监测模块、所述水量预测模块和所述数据存储模板均与所述云平台连接，所述数据存储模板与所述用户管理模块连接；
所述环境监测模块用于对农作物的生长环境进行监测，包括：
获取农作物品种，并将农作物品种标记为
Figure IMAGE002
，
Figure IMAGE002
=1，2，……，
Figure IMAGE004
；
获取灌溉评估系数
Figure IMAGE006
；
所述环境监测模块将灌溉评估系数
Figure IMAGE006
发送给云平台处理，然后云平台输出预警信号发送给水量预测模块和用户管理模块；
通过云平台将预警信号发送记录发送至数据存储模块进行存储；
所述水量预测模块用于对灌溉用水量进行预测，包括：
当水量预测模块接收预警信号后，获取农作物生长区域面积和农作物生长时长；
云平台获取数据存储模块中已经训练完成的人工智能算法模型；
获取输入数据，将输入数据输入到人工智能算法模型中，得到终输出数据，将终输出数据标记为预测用水量
Figure IMAGE008
；
获取数据存储模块中存储的标准用水量范围[
Figure IMAGE010
]，当预测用水量
Figure IMAGE008
满足
Figure IMAGE012
，则判定预测用水量
Figure IMAGE008
满足条件，通过云平台将预测用水量
Figure IMAGE008
发送至用户管理模块和数据存储模块，其中
Figure IMAGE014
3和L4为预设标准用水量阈值；
云平台根据预测用水量
Figure IMAGE008
控制灌溉设备对农作物进行灌溉；
通过数据存储模块获取训练输入数据和训练输出数据，所述训练输入数据包括农作物生长区域的环境温度值
Figure IMAGE016
和环境湿度值
Figure IMAGE018
、农作物生长区域的土壤湿度值
Figure IMAGE020
和土壤温度值
Figure IMAGE022
、农作物生长区域面积和农作物生长时长，将训练输入数据进行归一化得到所述输入数据；
训练所述人工智能算法模型：
通过数据存储模块获取训练输出数据，所述训练输出数据为训练输入数据对应条件下的最佳灌溉用水量；
将训练输出数据进行归一化处理得到预输出数据，将所述输入数据和所述预输出数据对人工智能算法模型进行训练而得到训练完成的人工智能算法模型，所述人工智能算法模型包括误差前向传播神经网络、RBF神经网络和模糊神经网络；
将训练完成的人工智能算法模型通过云平台发送至数据存储模块进行存储；
所述预警信号包括农作物水分正常信号、农作物非充分灌溉信号和农作物充分灌溉信号；
当灌溉评估系数
Figure IMAGE006
满足
Figure IMAGE024
时，则判定农作物不需要灌溉，云平台发送农作物水分正常信号至水量预测模块和用户管理模块；当灌溉评估系数
Figure IMAGE006
满足
Figure IMAGE026
时，则判定农作物轻微缺水，云平台发送农作物非充分灌溉信号至水量预测模块和用户管理模块；当灌溉评估系数
Figure IMAGE006
满足
Figure IMAGE028
时，则判定农作物严重缺水，云平台发送农作物充分灌溉信号至水量预测模块和用户管理模块；
其中
Figure IMAGE030
和
Figure IMAGE032
为预设灌溉评估系数阈值；
获取监测数据，所述监测数据包括环境评估系数
Figure IMAGE034
和土壤评估系数
Figure IMAGE036
，所述灌溉评估系数
Figure IMAGE038
，通过云平台将监测数据及灌溉评估系数
Figure IMAGE006
发送至数据存储模块进行存储；
其中
Figure IMAGE040
和
Figure IMAGE042
为预设比例系数，且
Figure IMAGE044
；
获取农作物生长区域的环境温度值
Figure IMAGE016
和环境湿度值
Figure IMAGE018
，所述监测数据还包括农作物生长区域的环境温度值
Figure IMAGE016
和环境湿度值
Figure IMAGE018
，环境评估系数
Figure IMAGE046
；
其中
Figure IMAGE048
、
Figure IMAGE050
和
Figure IMAGE052
为预设比例系数，
Figure IMAGE048
、
Figure IMAGE050
和
Figure IMAGE052
均大于0，且
Figure IMAGE054
，
Figure IMAGE056
为自然常数；
所述监测数据还包括农作物生长区域的所述土壤湿度值
Figure IMAGE020
和所述土壤温度值
Figure IMAGE022
，土壤评估系数
Figure IMAGE058
；
其中
Figure IMAGE060
和
Figure IMAGE062
为预设比例系数，且
Figure IMAGE060
和
Figure IMAGE062
均大于0；
所述云平台连接有辅料添加模块，所述辅料添加模块用于在灌溉时添加辅料，所述辅料包括肥料和杀虫剂，
所述辅料添加模块，包括：
获取
Figure IMAGE064
幅不同的农作物叶片图像，对农作物叶片图像进行图像预处理，得到标准叶片图像；所述农作物叶片图像为农作物单个叶片的图像；其中
Figure IMAGE064
为大于1000的整数；
获取标准叶片图像的灰度平均值
Figure IMAGE066
，通过灰度平均值
Figure IMAGE066
获取农作物叶片灰度均值
Figure IMAGE068
，农作物叶片灰度均值
Figure IMAGE070
，其中
Figure IMAGE072
=1，2，……，
Figure IMAGE064
；
当农作物叶片灰度均值
Figure IMAGE068
满足
Figure IMAGE074
时，则判定农作物不需要添加辅料；当农作物叶片灰度均值
Figure IMAGE068
满足
Figure IMAGE076
时，则判定农作物需要添加肥料，云平台发送肥料添加信号至用户管理模块；当农作物叶片灰度均值
Figure IMAGE068
满足
Figure IMAGE078
时，则判定农作物需要添加杀虫剂，云平台发送杀虫剂添加信号至用户管理模块；其中
Figure IMAGE080
为预设农作物叶片灰度均值阈值；
通过数据存储模块获取辅料添加对照表，根据农作物叶片灰度均值、农作物生长区域面积和农作物品种添加辅料。
2.根据权利要求1所述的一种基于大数据的智能灌溉系统，其特征在于，所述云平台连接有设备监测模块，所述设备监测模块用于对灌溉设备进行监测，所述灌溉设备包括主管道、支管道、灌溉管道及喷头，所述主管道与蓄水池连接，所述主管道通过主管道连接所述灌溉管道，所述喷头设置在灌溉管道末端；
所述设备监测模块，包括：
获取设备评估系数
Figure IMAGE082
；
当设备评估系数
Figure IMAGE082
满足
Figure IMAGE084
时，则判定灌溉设备正常，通过云平台发送灌溉设备正常信号至用户管理模块；当设备评估系数
Figure IMAGE082
满足
Figure IMAGE086
时，则判定灌溉设备异常，通过云平台发送灌溉设别异常信号至用户管理模块，其中
Figure IMAGE088
为预设设备评估系数阈值；
通过云平台将灌溉设备正常信号发送记录和灌溉设备异常信号发送记录发送至数据存储模块进行存储。
3.根据权利要求2所述的一种基于大数据的智能灌溉系统，其特征在于，获取灌溉设备的使用年限，并将使用年限标记为
Figure IMAGE090
，获取灌溉时主管道和灌溉管道的水流速度，并将主管道水流速度和灌溉管道水流速度分别标记为
Figure IMAGE092
和
Figure IMAGE094
，所述设备评估系数
Figure IMAGE096
；
其中
Figure IMAGE056
为自然常数，
Figure IMAGE098
、
Figure IMAGE100
和
Figure IMAGE102
为预设比例系数，且
Figure IMAGE098
、
Figure IMAGE100
和
Figure IMAGE102
均为大于0的实数。
CN202011156550.4A 2020-10-26 2020-10-26 一种基于大数据的智能灌溉系统 Active CN112400676B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011156550.4A CN112400676B (zh) 2020-10-26 2020-10-26 一种基于大数据的智能灌溉系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011156550.4A CN112400676B (zh) 2020-10-26 2020-10-26 一种基于大数据的智能灌溉系统

Publications (2)

Publication Number Publication Date
CN112400676A CN112400676A (zh) 2021-02-26
CN112400676B true CN112400676B (zh) 2023-02-28

Family

ID=74840815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011156550.4A Active CN112400676B (zh) 2020-10-26 2020-10-26 一种基于大数据的智能灌溉系统

Country Status (1)

Country Link
CN (1) CN112400676B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115226612B (zh) * 2022-07-15 2023-04-07 深圳市粤港科技有限公司 一种水资源配置管理用智能分配系统
CN115826655B (zh) * 2023-02-16 2023-04-25 山西农业大学 一种基于机器视觉的苗木施肥控制系统
CN117035336B (zh) * 2023-08-18 2024-03-29 无锡利源节水股份有限公司 一种基于大数据的水资源管理一体化管控系统
CN116776129B (zh) * 2023-08-22 2023-10-31 贵州中昂科技有限公司 一种多源农业数据的采集管理方法
CN116868746B (zh) * 2023-09-07 2023-12-15 中国农业科学院农田灌溉研究所 基于数据分析的智能灌溉施肥控制系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101416296B1 (ko) * 2013-01-25 2014-07-14 (주)에스이랩 지능형 관수 제어 시스템 및 그의 제어 방법
CN203893883U (zh) * 2014-05-04 2014-10-22 河北省水利技术试验推广中心 农田作物灌溉预报信息的实时采集系统
WO2016111376A1 (ja) * 2015-01-09 2016-07-14 日立マクセル株式会社 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法
CN109566362A (zh) * 2019-01-17 2019-04-05 广州大学 一种智能灌溉系统及其控制方法
CN110050673A (zh) * 2019-04-30 2019-07-26 黄河水利委员会黄河水利科学研究院 一种智能灌溉管理系统
CN110738196A (zh) * 2019-11-13 2020-01-31 云南农业大学 一种基于区域墒情监测和遥感数据的实时灌溉预报系统
CN111369093A (zh) * 2018-12-26 2020-07-03 天云融创数据科技（北京）有限公司 基于机器学习的灌溉方法和装置
CN111418332A (zh) * 2020-05-15 2020-07-17 许辉 一种基于大数据的智慧农业实时监测管理系统
CN111492959A (zh) * 2020-06-02 2020-08-07 山东贵合信息科技有限公司 一种基于物联网的灌溉方法及设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11026376B2 (en) * 2015-08-05 2021-06-08 Dtn, Llc Customized land surface modeling in a soil-crop system using satellite data to detect irrigation and precipitation events for decision support in precision agriculture
WO2017024254A1 (en) * 2015-08-05 2017-02-09 Iteris, Inc. Customized land surface modeling for irrigation decision support in a crop and agronomic advisory service in precision agriculture
CN107896951A (zh) * 2017-12-12 2018-04-13 四川安创云通能源技术服务有限公司 基于云计算的故障浇灌补偿系统
CN109991944A (zh) * 2019-04-03 2019-07-09 安徽中科智能感知产业技术研究院有限责任公司 一种分布式农业植保网络服务系统
CN110719336B (zh) * 2019-10-21 2020-06-16 江苏省农业科学院 一种基于物联网的灌溉用水分析监控系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101416296B1 (ko) * 2013-01-25 2014-07-14 (주)에스이랩 지능형 관수 제어 시스템 및 그의 제어 방법
CN203893883U (zh) * 2014-05-04 2014-10-22 河北省水利技术试验推广中心 农田作物灌溉预报信息的实时采集系统
WO2016111376A1 (ja) * 2015-01-09 2016-07-14 日立マクセル株式会社 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法
CN111369093A (zh) * 2018-12-26 2020-07-03 天云融创数据科技（北京）有限公司 基于机器学习的灌溉方法和装置
CN109566362A (zh) * 2019-01-17 2019-04-05 广州大学 一种智能灌溉系统及其控制方法
CN110050673A (zh) * 2019-04-30 2019-07-26 黄河水利委员会黄河水利科学研究院 一种智能灌溉管理系统
CN110738196A (zh) * 2019-11-13 2020-01-31 云南农业大学 一种基于区域墒情监测和遥感数据的实时灌溉预报系统
CN111418332A (zh) * 2020-05-15 2020-07-17 许辉 一种基于大数据的智慧农业实时监测管理系统
CN111492959A (zh) * 2020-06-02 2020-08-07 山东贵合信息科技有限公司 一种基于物联网的灌溉方法及设备

Also Published As

Publication number Publication date
CN112400676A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN112400676B (zh) 一种基于大数据的智能灌溉系统
CN106707767B (zh) 基于多源信息融合的大田水肥一体化智能管控系统及方法
JP7149348B2 (ja) 農業灌漑水需要量予測方法
CN104904569B (zh) 一种基于动态含水量估计的智能灌溉调控系统及方法
WO2019118460A1 (en) Irrigation system control with predictive water balance capabilities
CN111561972A (zh) 一种基于时间序列的土壤含水量预测系统及方法
CN113191302B (zh) 一种草原生态监测方法及系统
CN110741914A (zh) 一种基于循环神经网络的稻田自动化节水灌溉系统及方法
CN114442705B (zh) 一种基于物联网的智慧农业系统及控制方法
CN104297452B (zh) 基于无线传感器网络的土壤墒情数据预处理方法
CN106613783A (zh) 一种通用智能灌溉系统及其控制方法
CN109116827B (zh) 基于物联网的日光温室水肥一体化灌溉控制方法及装置
CN111612331A (zh) 基于土壤水势的模糊智能植物生长监控系统及控制目标阈值获取方法
Sundaresan et al. Machine learning and IoT-based smart farming for enhancing the crop yield
CN117114374B (zh) 一种基于天气预测的智慧农业灌溉管理系统
Fang et al. Modeling weather and stocking rate effects on forage and steer production in northern mixed-grass prairie
CN206235353U (zh) 一种小麦白粉病预报信息收集装置
Liu Research on the Optimization of Agricultural Industry Structure Based on Genetic Algorithm
Macabiog et al. Soil moisture and rain prediction based irrigation controller for the strawberry farm of La Trinidad, Benguet
CN114931072B (zh) 基于ai识别与大数据技术的柑橘种植方法及系统
TW202025063A (zh) 作物生長階段計算方法及電腦程式產品
Ramadan et al. Smart techniques for improving water use under the conditions of arid and semi-arid environmental areas: a review
Valov et al. Design of a Sensor Measuring Station for Pasture Parameters Remote Monitoring
CN116883221B (zh) 一种流域生态监测方法
CN109360121A (zh) 岩溶地区水资源脆弱性量化调控方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant