CN112465109A - 一种基于云边协同的农业大棚控制装置 - Google Patents
一种基于云边协同的农业大棚控制装置 Download PDFInfo
- Publication number
- CN112465109A CN112465109A CN202011275023.5A CN202011275023A CN112465109A CN 112465109 A CN112465109 A CN 112465109A CN 202011275023 A CN202011275023 A CN 202011275023A CN 112465109 A CN112465109 A CN 112465109A
- Authority
- CN
- China
- Prior art keywords
- data
- agricultural greenhouse
- cloud
- growth process
- crop growth
- 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
- 230000012010 growth Effects 0.000 claims abstract description 103
- 238000000034 method Methods 0.000 claims abstract description 91
- 230000008569 process Effects 0.000 claims abstract description 82
- 238000011217 control strategy Methods 0.000 claims abstract description 69
- 238000007726 management method Methods 0.000 claims abstract description 35
- 230000005540 biological transmission Effects 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000013480 data collection Methods 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims description 29
- 238000013500 data storage Methods 0.000 claims description 24
- 239000002689 soil Substances 0.000 claims description 16
- 241000607479 Yersinia pestis Species 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 201000010099 disease Diseases 0.000 claims description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 7
- 238000012098 association analyses Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 8
- 235000013311 vegetables Nutrition 0.000 description 6
- 241000238631 Hexapoda Species 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000035784 germination Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 235000003095 Vaccinium corymbosum Nutrition 0.000 description 2
- 240000000851 Vaccinium corymbosum Species 0.000 description 2
- 235000017537 Vaccinium myrtillus Nutrition 0.000 description 2
- 235000021014 blueberries Nutrition 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000002779 inactivation Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 235000021012 strawberries Nutrition 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Animal Husbandry (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Biodiversity & Conservation Biology (AREA)
- Agronomy & Crop Science (AREA)
- Game Theory and Decision Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Greenhouses (AREA)
Abstract
本发明公开了一种基于云边协同的农业大棚控制装置，其数据采集单元采集农业大棚农作物生长过程数据；数据传输单元将数据采集单元所采集的农作物生长过程数据发送给边缘计算单元；边缘计算单元设置于本地控制计算机上，接收数据传输单元发送的农作物生长过程数据，并生成农作物生长过程的日志文件，对农业大棚进行本地控制；云计算单元运行于云端服务器上，对作物生长过程数据进行存储和处理，并构建农业大棚控制策略模型。本发明的基于云边协同的农业大棚控制装置，具有能够解决作物生长过程数据关联分析不足和共享不充分的问题、全面地给出作物生长环境及状态信息，实现对农业大棚高效而精准的智能化远程管理等技术优点。
Description
技术领域
本发明涉及农作物栽培领域，特别是涉及一种基于云边协同的农业大棚控制装置。
背景技术
我国是温室栽培起源最早的国家。远在在2000多年前，就已经能利用保护设施(温室的雏形)栽培多种蔬菜。20世纪60年代，我国即开始建造和发展塑料大棚。随着我国农业的不断发展，温室、大棚蔬菜的种植面积连年增加，大棚温室的作用是用来改变植物的生长环境，避免外界四季变化和恶劣气候对农作物生长的不利影响，为植物生长创造适宜的良好条件。采用大棚种植蔬菜时，如果大棚内的温湿度不适宜，则会造成蔬菜的生长不良。当白天光照充足时，大棚内的温度升高，如果大棚不能及时通风降温，不仅严重影响蔬菜的生长，甚至导致蔬菜病虫害的侵染和发生。
当前的农业大棚自动控制系统，普遍沿用了传统工业的控制方案，现场由传感器，控制柜即控制器和执行器三个主要部分组成。大棚管理人员想要知道棚内空气的温湿度、照度、土壤的温湿度等信息必须通过亲自查看大棚内温度计、湿度显示仪、光照检测设备等传感器来获得当前棚内作物的生长环境信息，并通过控制柜对农作物的生长环境人为地进行调节，其生产效率低下，智能化程度不高，浪费大量的人力、物力。为了保证农业大棚作物正常生长、经济投入等要求，使得农业大棚以成本较低的方式运行，需要对农业大棚进行远程、实时、智能控制。
中国实用新型专利CN201420576405.5，通过调节无线传感单元采集大棚内的环境参数，并将大棚内各模块之间无线连接，仅实现了远程调控农业大棚内部环境。中国发明专利CN201710873304.2，通过云服务器采集并存储各个传感器的参数，感知现场环境，虽然可根据预先设定和控制策略及专家库提供的意见，给出结果并无线发送到相应的设施栽培设备上执行，但各传感器参数控制彼此独立，并未作为整体考虑它们之间的内在关系。这些现有技术，虽然一定程度上解决了农业大棚的远程、智能控制问题。但是，采集的数据并未包含作物图像数据，控制策略较为简单，而且多是使用集中式的云平台直接对采集到的种类繁多的大量数据进行分析，会导致较大的带宽占用和网络延迟，特别是大量“垃圾”数据并不需要传递到云端，从而造成资源浪费，难以对农业大棚进行实时控制。
发明内容
本发明所要解决的技术问题是提供一种基于云边协同的农业大棚控制装置，以能够更全面地给出作物生长环境及状态信息，实现对农业大棚高效而精准的智能化远程管理。
为解决上述技术问题，本发明采用如下的技术方案。
一种基于云边协同的农业大棚控制装置，其特点是，包括数据采集单元、数据传输单元、边缘计算单元和云计算单元；
所述数据采集单元，用于采集农业大棚农作物生长过程数据；
所述数据传输单元，用于将数据采集单元所采集的农作物生长过程数据发送给边缘计算单元；
所述边缘计算单元，设置于本地控制计算机上，用于接收数据传输单元发送的农作物生长过程数据，并根据农作物生长过程数据生成农作物生长过程的日志文件，同时对农业大棚进行本地控制；
所述云计算单元，运行于云端服务器上，用于对作物生长过程数据进行存储和处理，并基于深度学习和专家知识构建农业大棚控制策略模型。
本发明的基于云边协同的农业大棚控制装置还具有以下几个特点。
所述边缘计算单元包括本地数据存储模块、本地数据预处理模块、本地控制策略管理模块、本地控制策略运行模块和本地预警管理模块。
所述云计算单元包括远程数据存储模块、远程数据分析模块、远程控制策略管理模块、远程控制策略运行模块。
所述农作物生长过程数据包括土壤PH值、土壤EC值、CO2浓度值、土壤温湿度、光线强度、空气温湿度、虫害数据和病害数据。
所述虫害数据和病害数据包括由摄像装置采集的农作物视频数据和农作物图像数据，通过深度学习算法处理农作物视频数据和农作物图像数据，对农作物进行生育期识别和病虫害识别。
所述本地数据存储模块，用于存储当前一段时间内的作物生长过程数据，并在任务空闲时将数据上传至云计算单元。
所述本地数据预处理模块，用于将本地数据存储模块中的作物生长过程数据进行时间戳的统一对齐与数据预处理，并将预处理后提取的数据特征通过数据传输单元传输到云计算单元。
所述本地控制策略管理模块，用于向云计算单元请求最新训练的农业大棚控制策略模型及所述数据预处理规则和特征提取规则。
所述所述远程数据分析模块，用于使用远程数据存储模块存储的数据训练农业大棚控制策略模型。
所述远程控制策略管理模块，用于农业大棚控制策略模型的更新控制，接收并处理来自所述本地控制策略管理模块的农业大棚控制策略模型及所述数据预处理规则和特征提取规则请求。
本发明的有益效果是：
本发明的一种基于云边协同的农业大棚控制装置，包括数据采集单元、数据传输单元、边缘计算单元和云计算单元；所述数据采集单元，用于采集农业大棚农作物生长过程数据；所述数据传输单元，用于将数据采集单元所采集的农作物生长过程数据发送给边缘计算单元；所述边缘计算单元，设置于本地控制计算机上，用于接收数据传输单元发送的农作物生长过程数据，并根据农作物生长过程数据生成农作物生长过程的日志文件，同时对农业大棚进行本地控制；所述云计算单元，运行于云端服务器上，用于对作物生长过程数据进行存储和处理，并基于深度学习和专家知识构建农业大棚控制策略模型。
(1)利用云边协同架构，实现对农业大棚底层设备的实时监控和智能化控制；通过作物视觉图像采集、作物生长过程数据整体分析、边缘控制三个层面的不断创新，可以帮助农业大棚管理人员收集和管理丰富数据，实现农业大棚管理的灵活性。
(2)采用边缘计算单元实时响应和云计算单元深入分析相结合的数据处理方式，一方面，能够实时相应安装和连接在边缘计算单元环境中的PLC装置发送，及时处理其所发送的数据，延迟几乎为零，另一方面，通过云计算单元对前述数据收集后进行深入分析，反哺边缘计算，以指导边缘计算正确响应PLC装置控制底层设备。同时，缩短了海量数据的上传时间，节约网络资源，解决了作物生长过程数据关联分析不足、共享不充分的问题，还可以显著降低云上的存储成本，有助于有效的管理数据。
本发明的一种基于云边协同的农业大棚控制装置，云计算单元对边缘计算单元的数据收集后进行深入分析，反哺边缘计算单元，具有能够解决作物生长过程数据关联分析不足和共享不充分的问题、全面地给出作物生长环境及状态信息，实现对农业大棚高效而精准的智能化远程管理等技术优点。
附图说明
图1是本发明基于云边协同的农业大棚控制装置的框图。
图2是本发明基于云边协同的农业大棚控制装置的远程数据分析模块的农业大棚控制策略模型训练流程图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
如图1所示，一种基于云边协同的农业大棚控制装置，包括数据采集单元、数据传输单元、边缘计算单元和云计算单元；
所述数据采集单元，用于采集农业大棚农作物生长过程数据；
所述数据传输单元，用于将数据采集单元所采集的农作物生长过程数据发送给边缘计算单元；
所述边缘计算单元，设置于本地控制计算机上，用于接收数据传输单元发送的农作物生长过程数据，并根据农作物生长过程数据生成农作物生长过程的日志文件，同时对农业大棚进行本地控制；
所述云计算单元，运行于云端服务器上，用于对作物生长过程数据进行存储和处理，并基于深度学习和专家知识构建农业大棚控制策略模型。
所述边缘计算单元包括本地数据存储模块、本地数据预处理模块、本地控制策略管理模块、本地控制策略运行模块和本地预警管理模块。
所述云计算单元包括远程数据存储模块、远程数据分析模块、远程控制策略管理模块、远程控制策略运行模块。
所述农作物生长过程数据包括土壤PH值、土壤EC值、CO2浓度值、土壤温湿度、光线强度、空气温湿度、虫害数据和病害数据。
所述虫害数据和病害数据包括由摄像装置采集的农作物视频数据和农作物图像数据，通过深度学习算法处理农作物视频数据和农作物图像数据，对农作物进行生育期识别和病虫害识别。
所述本地数据存储模块，用于存储当前一段时间内的作物生长过程数据，并在任务空闲时将数据上传至云计算单元。
所述本地数据预处理模块，用于将本地数据存储模块中的作物生长过程数据进行时间戳的统一对齐与数据预处理，并将预处理后提取的数据特征通过数据传输单元传输到云计算单元。
所述本地控制策略管理模块，用于向云计算单元请求最新训练的农业大棚控制策略模型及所述数据预处理规则和特征提取规则。
所述所述远程数据分析模块，用于使用远程数据存储模块存储的数据训练农业大棚控制策略模型。
所述远程控制策略管理模块，用于农业大棚控制策略模型的更新控制，接收并处理来自所述本地控制策略管理模块的农业大棚控制策略模型及所述数据预处理规则和特征提取规则请求。
本发明的基于云边协同的农业大棚控制装置，包括：数据采集单元、边缘计算单元、云计算单元和数据传输单元。本发明在现有技术的基础上，增加了对作物图像信息的采集，在边缘侧对传感器数据进行数据融合来分担云计算的压力，借助云边协同的方法缓解云计算和边缘计算隔离或不协调造成的高延迟、高能耗和低带宽使用率，比传统方法更全面地给出作物生长环境及状态信息，在此基础上更快地对农业大棚做出动态实时控制安排，实现对农业大棚高效而精准的智能化远程管理。
所述数据采集单元用于采集农业大棚作物生长过程数据，并通过数据传输单元将采集到的数据以固定时间间隔传输到边缘计算单元。
进一步地，所述农作物生长过程数据包括：土壤PH值、土壤EC值、CO2浓度值、土壤温湿度、光线强度、空气温湿度、虫害数据和病害数据等。
进一步地，所属固定时间间隔，可根据所述作农物生长过程数据种类的不同分别进行设定。
优选地，所述虫害、病害数据可由摄像机、搭载图像传感器的机器人/无人机、智能手机/平板采集作物视觉图片获得，并通过深度学习算法对农作物进行生育期识别和病虫害识别。
所述边缘计算单元运行在本地计算机终端，用于将采集的作物生长过程数据在本地进行数据融合，生成作物生长过程的日志文件，同时对农业大棚进行本地控制。
边缘计算单元包括：本地数据存储模块、本地数据预处理模块、本地控制策略管理模块、本地控制策略运行模块、本地预警管理模块。
进一步地，所述本地数据存储模块用于存储当前一段时间内的作物生长过程数据，并在任务空闲时将数据上传至云计算单元。
优选地，所述任务空闲指的是任务不会影响当前在边缘计算单元和云计算单元运行的数据处理分析任务。
进一步地，所述本地数据预处理模块用于将本地数据存储模块中的作物生长过程数据进行时间戳的统一对齐与数据预处理，并将预处理后提取的数据特征通过数据传输单元传输到云计算单元；
优选地，所述数据预处理根据作物生长过程数据类型的不同，采用不同的数据预处理规则和特征提取规则。
具体的，所述数据预处理规则包括对采集的数据包含大量环境噪音，出现诸多异常数据的情况。数据的处理过程中，采用有限幅滤波法、中位值滤波法、算术平均滤波法或小波阈值滤波法进行去噪；对包括图片在内的非格式化数据进行格式化处理，对转化完成后的图片进行校验，利用图像处理算法如：坐标变换、图像灰度化、图像增强、图像滤波以及图像分割，再对检测目标特征进行分析、处理和识别。
具体的，所述特征提取规则包括数据抽取方式、分类的特征属性、选用的特征变换和选择算法以及深度学习模型。
进一步地，本地控制策略管理模块，用于向云计算单元请求最新训练的农业大棚控制策略模型及所述数据预处理规则和特征提取规则，请求频率可根据需求自行设置。
进一步地，本地控制策略运行模块，根据本地数据预处理模块对作物生长过程实时数据分析出的结果。当无法连接云计算单元时，运行本地控制策略管理模块中的当前农业大棚控制策略模型，将运行得到的作物生长过程中的设备设定值通过数据传输单元下发给PLC装置来控制底层设备。底层设备包括执行装置和采集装置。
优选地，所述设备设定值还可在连接云计算单元时进行在线更新，此时所述设备设定值自动切换到更新值，所述更新值由本地控制策略运行模块根据最新训练的农业大棚控制策略模型运行得到。
优选地，所述底层设备的执行装置，是指可以调节所述作物生长过程数据的设备，包括：内遮阳设备、顶开窗设备、外翻窗设备、轴流风机、环流风机、湿帘水泵、臭氧防控装置。
优选地，所述底层设备的采集装置，除了用于监测温度和湿度等参数的传感器以外，还包括摄像机，用于拍摄监控图像和录制监控视频。通过调节摄像机参数，获得较好的作物生育期和病虫害识别效果。
进一步地，本地预警管理模块，用于底层设备当前工作状态无法按农业大棚控制策略模型调节时进行告警。
云计算单元运行在云端服务器，用于对作物生长过程数据进行存储和处理，并基于深度学习和专家知识构建农业大棚控制策略模型。
云计算单元包括：包括远程数据存储模块、远程数据分析模块、远程控制策略管理模块、远程控制策略运行模块。
进一步地，所述远程数据存储模块，用于长期接收存储所述本地数据存储模块获取的作物生长过程数据，包括当前一段时间内的作物生长过程数据和作物生长过程历史数据，以及所述本地数据预处理模块提取的数据特征信息，为模型构建提供充足数据支持，其数据可被远程查询。
具体的，所述远程查询支持电脑端web和移动端app、微信小程序以及公众号。
进一步地，所述远程数据存储模块还包括专家知识库。
优选地，所述专家知识库根据作物生长发育周期，通常包括发芽期、幼苗期、甩条发棵期和结果期四个时期，将相应时期的生长环境划分为非常适宜、适宜、比较适宜和不适宜四个生长区域，然后在不同生长区域给出相应作物生长过程数据区间值。
进一步地，所述远程数据分析模块，用于使用远程数据存储模块存储的数据训练农业大棚控制策略模型。
优选地，所述农业大棚控制策略模型训练方法如图2所示，其具体过程包括以下4个步骤。
步骤1：对预处理后的作物生长过程数据依靠专家知识进行标注。所述作物生长过程数据包括：土壤PH值、土壤EC值、CO2浓度值、土壤温湿度、光线强度、空气温湿度、虫害、病害。所述标注标签表征作物生长环境状态，为作物类型、作物生长发育周期、生长环境区域的组合，比如蓝莓发芽期适宜。
具体的，所述作物类型包括草莓、蓝莓；所述作物生长发育周期包括发芽期、幼苗期、甩条发棵期和结果期；所述生长环境区域包括非常适宜、适宜、比较适宜和不适宜。
步骤2：将标注后的作物生长过程数据采用训练、验证、测试三分法进行数据集划分，输入建立的深度神经网络模型进行学习和测试，得到训练好的所述深度神经网络模型。
具体的，所述深度神经网络模型包括依次设置的输入层、多层LSTM网络、全连接层和输出层，其中，所述全连接层执行分类，并应用ReLU函数对该层节点实施随机失活操作。
步骤3：将标注后的作物生长过程数据分别输入专家知识库和训练好的所述深度神经网络模型，然后将各自的判别结果通过多模态融合网络进行融合，得到农业大棚控制策略模型。
具体的，所述多模态融合网络采用1～2层全连接网络，通过给各自模型的判别结果赋予权重，从而给出当前作物生长过程数据所对应的作物生长环境状态。
步骤4：将当前作物生长过程数据经预处理后输入到农业大棚控制策略模型，给出作物生长环境状态，然后根据预先设定的控制策略及农业大棚控制策略模型提供的意见，给出底层设备参数调整结果并发送到相应的PLC装置上执行，通过不断对比输出和输入，根据误差大小判断控制效果，并调节PLC装置中的控制算法并优化控制策略，实现控制算法的自学习、调整和进化。
具体的，所述农业大棚控制策略模型提供的意见可能存在运行优化同一指标时，给出底层设备参数的多个调整策略，此时所述远程控制策略运行模块根据历史底层设备的实际指标设定值对策略进行评价，将评价结果最小的策略下发给所述本地控制策略运行模块。
进一步地，所述远程控制策略管理模块，用于农业大棚控制策略模型更新控制，接收并处理来自所述本地控制策略管理模块的农业大棚控制策略模型及所述数据预处理规则和特征提取规则请求。
优选地，所述农业大棚控制策略模型更新控制，取决于是否采用所述远程数据存储模块中预处理后的当前一段时间内的作物生长过程数据参与到所述农业大棚控制策略模型训练。若是，则对所述农业大棚控制策略模型进行更新。
进一步地，所述远程控制策略运行模块，用于预先设定控制策略，并对所述底层设备参数可能存在的多个调整策略进行评价、下发。
具体的，所述预先设定的控制策略包括调整步长、远程/本地控制、停止条件。所述停止条件为输出和输入误差小于某一给定阈值。所述远程/本地控制若为远程控制，则此时底层设备参数调整由所述远程控制策略运行模块完成。
数据传输单元，通过公网或专线进行数据的传输，传输方式包括4G、5G、Wi-Fi以及物联网网关。
本发明的一种基于云边协同的农业大棚控制装置，包括数据采集单元、数据传输单元、边缘计算单元和云计算单元；所述数据采集单元，用于采集农业大棚农作物生长过程数据；所述数据传输单元，用于将数据采集单元所采集的农作物生长过程数据发送给边缘计算单元；所述边缘计算单元，设置于本地控制计算机上，用于接收数据传输单元发送的农作物生长过程数据，并根据农作物生长过程数据生成农作物生长过程的日志文件，同时对农业大棚进行本地控制；所述云计算单元，运行于云端服务器上，用于对作物生长过程数据进行存储和处理，并基于深度学习和专家知识构建农业大棚控制策略模型。
(1)利用云边协同架构，实现对农业大棚底层设备的实时监控和智能化控制；通过作物视觉图像采集、作物生长过程数据整体分析、边缘控制三个层面的不断创新，可以帮助农业大棚管理人员收集和管理丰富数据，实现农业大棚管理的灵活性。
(2)采用边缘计算单元实时响应和云计算单元深入分析相结合的数据处理方式，一方面，能够实时相应安装和连接在边缘计算单元环境中的PLC装置发送，及时处理其所发送的数据，延迟几乎为零，另一方面，通过云计算单元对前述数据收集后进行深入分析，反哺边缘计算，以指导边缘计算正确响应PLC装置控制底层设备。同时，缩短了海量数据的上传时间，节约网络资源，解决了作物生长过程数据关联分析不足、共享不充分的问题，还可以显著降低云上的存储成本，有助于有效的管理数据。
本发明的一种基于云边协同的农业大棚控制装置，云计算单元对边缘计算单元的数据收集后进行深入分析，反哺边缘计算单元，具有能够解决作物生长过程数据关联分析不足和共享不充分的问题、全面地给出作物生长环境及状态信息，实现对农业大棚高效而精准的智能化远程管理等技术优点。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种基于云边协同的农业大棚控制装置，其特征在于，包括数据采集单元、数据传输单元、边缘计算单元和云计算单元；
所述数据采集单元，用于采集农业大棚农作物生长过程数据；
所述数据传输单元，用于将数据采集单元所采集的农作物生长过程数据发送给边缘计算单元；
所述边缘计算单元，设置于本地控制计算机上，用于接收数据传输单元发送的农作物生长过程数据，并根据农作物生长过程数据生成农作物生长过程的日志文件，同时对农业大棚进行本地控制；
所述云计算单元，运行于云端服务器上，用于对作物生长过程数据进行存储和处理，并基于深度学习和专家知识构建农业大棚控制策略模型。
2.根据权利要求1所述的基于云边协同的农业大棚控制装置，其特征在于，所述边缘计算单元包括本地数据存储模块、本地数据预处理模块、本地控制策略管理模块、本地控制策略运行模块和本地预警管理模块。
3.根据权利要求1所述的基于云边协同的农业大棚控制装置，其特征在于，所述云计算单元包括远程数据存储模块、远程数据分析模块、远程控制策略管理模块、远程控制策略运行模块。
4.根据权利要求1所述的基于云边协同的农业大棚控制装置，其特征在于，所述农作物生长过程数据包括土壤PH值、土壤EC值、CO2浓度值、土壤温湿度、光线强度、空气温湿度、虫害数据和病害数据。
5.根据权利要求4所述的基于云边协同的农业大棚控制装置，其特征在于，所述虫害数据和病害数据包括由摄像装置采集的农作物视频数据和农作物图像数据，通过深度学习算法处理农作物视频数据和农作物图像数据，对农作物进行生育期识别和病虫害识别。
6.根据权利要求2所述的基于云边协同的农业大棚控制装置，其特征在于，所述本地数据存储模块，用于存储当前一段时间内的作物生长过程数据，并在任务空闲时将数据上传至云计算单元。
7.根据权利要求2所述的基于云边协同的农业大棚控制装置，其特征在于，所述本地数据预处理模块，用于将本地数据存储模块中的作物生长过程数据进行时间戳的统一对齐与数据预处理，并将预处理后提取的数据特征通过数据传输单元传输到云计算单元。
8.根据权利要求2所述的基于云边协同的农业大棚控制装置，其特征在于，所述本地控制策略管理模块，用于向云计算单元请求最新训练的农业大棚控制策略模型及所述数据预处理规则和特征提取规则。
9.根据权利要求3所述的基于云边协同的农业大棚控制装置，其特征在于，所述所述远程数据分析模块，用于使用远程数据存储模块存储的数据训练农业大棚控制策略模型。
10.根据权利要求3所述的基于云边协同的农业大棚控制装置，其特征在于，所述远程控制策略管理模块，用于农业大棚控制策略模型的更新控制，接收并处理来自所述本地控制策略管理模块的农业大棚控制策略模型及所述数据预处理规则和特征提取规则请求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011275023.5A CN112465109A (zh) | 2020-11-16 | 2020-11-16 | 一种基于云边协同的农业大棚控制装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011275023.5A CN112465109A (zh) | 2020-11-16 | 2020-11-16 | 一种基于云边协同的农业大棚控制装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112465109A true CN112465109A (zh) | 2021-03-09 |
Family
ID=74836216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011275023.5A Pending CN112465109A (zh) | 2020-11-16 | 2020-11-16 | 一种基于云边协同的农业大棚控制装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112465109A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113093835A (zh) * | 2021-04-13 | 2021-07-09 | 广州中国科学院沈阳自动化研究所分所 | 基于边缘控制器的温室大棚控制系统及方法 |
| CN114097563A (zh) * | 2021-12-06 | 2022-03-01 | 湖南省烟草公司衡阳市公司常宁市分公司 | 简易烟草育苗大棚管理方法 |
| CN114726889A (zh) * | 2022-03-09 | 2022-07-08 | 昆明理工大学 | 一种基于端-边-云协同的智慧种植方法及系统 |
| CN114911174A (zh) * | 2022-02-09 | 2022-08-16 | 北大荒信息有限公司 | 一种植物仿生的方法和装置 |
| CN115685862A (zh) * | 2022-10-19 | 2023-02-03 | 慧之安信息技术股份有限公司 | 一种基于边缘计算的智慧农业检测系统 |
| CN118393898A (zh) * | 2024-06-24 | 2024-07-26 | 天津昌特净化科技有限公司 | 生物隔离装置的智能控制方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108901474A (zh) * | 2018-05-03 | 2018-11-30 | 河北师范大学 | 一种智能种植大棚及控制方法 |
| CN111766820A (zh) * | 2020-07-20 | 2020-10-13 | 成都快乐猴科技有限公司 | 一种应用于智能农业的智能精细化管理控制系统 |
| CN111818146A (zh) * | 2020-07-01 | 2020-10-23 | 深圳市中深农创科技有限公司 | Soa云雾计算智慧农业数据处理方法及系统 |
-
2020
- 2020-11-16 CN CN202011275023.5A patent/CN112465109A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108901474A (zh) * | 2018-05-03 | 2018-11-30 | 河北师范大学 | 一种智能种植大棚及控制方法 |
| CN111818146A (zh) * | 2020-07-01 | 2020-10-23 | 深圳市中深农创科技有限公司 | Soa云雾计算智慧农业数据处理方法及系统 |
| CN111766820A (zh) * | 2020-07-20 | 2020-10-13 | 成都快乐猴科技有限公司 | 一种应用于智能农业的智能精细化管理控制系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113093835A (zh) * | 2021-04-13 | 2021-07-09 | 广州中国科学院沈阳自动化研究所分所 | 基于边缘控制器的温室大棚控制系统及方法 |
| CN114097563A (zh) * | 2021-12-06 | 2022-03-01 | 湖南省烟草公司衡阳市公司常宁市分公司 | 简易烟草育苗大棚管理方法 |
| CN114911174A (zh) * | 2022-02-09 | 2022-08-16 | 北大荒信息有限公司 | 一种植物仿生的方法和装置 |
| CN114726889A (zh) * | 2022-03-09 | 2022-07-08 | 昆明理工大学 | 一种基于端-边-云协同的智慧种植方法及系统 |
| CN115685862A (zh) * | 2022-10-19 | 2023-02-03 | 慧之安信息技术股份有限公司 | 一种基于边缘计算的智慧农业检测系统 |
| CN115685862B (zh) * | 2022-10-19 | 2024-09-27 | 慧之安信息技术股份有限公司 | 一种基于边缘计算的智慧农业检测系统 |
| CN118393898A (zh) * | 2024-06-24 | 2024-07-26 | 天津昌特净化科技有限公司 | 生物隔离装置的智能控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112465109A (zh) | 一种基于云边协同的农业大棚控制装置 | |
| CN209517198U (zh) | 一种智慧农业标准化管理系统 | |
| CN111476149A (zh) | 一种植物培育控制方法和系统 | |
| CN117036088A (zh) | 一种ai识别绿化植物生长态势的数据采集分析方法 | |
| KR20220071405A (ko) | 스마트 팜의 빅 데이터를 이용한 농업 지원 시스템 및 방법 | |
| Zhou et al. | Applications of Internet of Things in the facility agriculture | |
| CN207020511U (zh) | 一种农业智能装备与大数据服务系统 | |
| CN114442705B (zh) | 一种基于物联网的智慧农业系统及控制方法 | |
| CN113273449A (zh) | 用于日光温室精准监测的数字孪生体构造方法 | |
| Carlos et al. | Monitoring system of environmental variables for a strawberry crop using IoT tools | |
| CN117893346A (zh) | 一种基于物联网的ai智慧农业采收管理系统及其应用 | |
| CN115993148A (zh) | 基于边缘计算的温室大棚监控系统 | |
| CN118011970A (zh) | 基于物联网的智能农业生产管理系统 | |
| KR20220036433A (ko) | 과일 생장 모니터링 시스템 및 이를 이용한 과일 생장 모니터링 방법 | |
| CN115756037A (zh) | 一种设施大棚蔬菜管控方法及系统 | |
| CN115292753A (zh) | 一种基于区块链的农业大棚数据溯源与管理方法 | |
| AU2021105327A4 (en) | A computer implemented and IoT based method for increasing crop production using machine learning model | |
| Singla et al. | IoT based monitoring for the growth of basil using machine learning | |
| CN114543869A (zh) | 一种基于物联网技术的农业支撑系统 | |
| CN117933913A (zh) | 基于多维数据的智慧农业数据监测管控系统及智能终端 | |
| CN117979330A (zh) | 一种基于物联网的智慧农业信息监测系统 | |
| CN117669885A (zh) | 一种智能烟草种植管理系统及方法 | |
| KR102377963B1 (ko) | 육묘장 관리 시스템 및 방법 | |
| CN109631990B (zh) | 一种基于大数据和wsn技术的农业信息采集系统 | |
| CN112581302A (zh) | 一种农业物联管理监测系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210309 |