CN112514779A - 一种智能灌溉系统 - Google Patents

Abstract

本发明公开了一种智能灌溉系统，包括：数据采集模块、智能分析模块、智能灌溉模块、App功能模块；数据采集模块包括湿度传感器和图像采集器；智能分析模块包括树莓派；智能灌溉模块包括单片机、水泵和无线通信模块；湿度传感器将采集到的土壤干湿度信号传送至单片机，单片机根据土壤干湿度信号控制水泵的开关；图像采集器将采集到的图像传输至树莓派，树莓派利用OpenCV进行图像识别，将识别到的植物特征数据传送至单片机和App功能模块，单片机根据植物特征数据控制水泵的开关，App功能模块根据植物特征数据控制水泵的开关。如此，利用树莓派模块对土壤、温度及植物状态进行分析，实现定量、定时、均匀的自动灌溉，减少人力和物力的浪费。

Description

一种智能灌溉系统

技术领域

本发明涉及智能灌溉技术领域，尤其涉及一种智能灌溉系统。

背景技术

智能灌溉系统一般指的是智能灌溉系统，属于自动化技术产业的一项具体内容，是国家农业信息化工程技术研究中心自主研发的集自动控制技术和专家系统技术，传感器技术、通讯技术、计算机技术等于一体的灌溉管理系统。

随着水资源供需矛盾的日益加剧，各国都十分重视发展节水型农业。发达国家除了普遍采用喷灌、微灌等先进的节水灌溉技术外，还应用先进的自动化控制技术实现精确灌溉，以作物实际需水为依据，以信息技术为手段，提高灌溉精准度、实施合理的灌溉制度，提高水的利用率。智能自动化控制灌溉能够提高灌溉管理水平，改变人为操作的随意性，同时智能控制灌溉能够减少灌溉用工，降低管理成本，显著提高效率。

目前市面上存在相关的智能灌溉系统产品有农业大田智能灌溉系统、园林绿化智能灌溉系统、高尔夫球场智能灌溉系统、温室智能灌溉系统、高速公路绿化带智能灌溉系统等。但现有产品主要以大型产业使用为主，体积较大、对周围环境有所要求、性价比较低，大都不适用于普通用户灌溉。且现有灌溉系统主要以机械操作为主，难以保证在最佳时机灌溉，且难以根据天气、土壤等环境因素，精确灌溉，导致园艺作物质量降低。

发明内容

本发明目的在于，提供一种智能灌溉系统，利用树莓派模块对土壤、温度及植物状态进行分析，实现定量、定时、均匀的自动灌溉，减少人力和物力的浪费，满足大部分人的灌溉需求。

为实现上述目的，本发明实施例提供一种智能灌溉系统，包括：数据采集模块、智能分析模块、智能灌溉模块、App功能模块；

所述数据采集模块包括湿度传感器和图像采集器；所述智能分析模块包括树莓派；所述智能灌溉模块包括单片机、水泵和无线通信模块；

所述湿度传感器将采集到的土壤干湿度信号传送至所述单片机，所述单片机根据所述土壤干湿度信号控制所述水泵的开关；

所述图像采集器将采集到的图像传输至所述树莓派，所述树莓派利用OpenCV进行图像识别，将识别到的植物特征数据传送至所述单片机和所述App功能模块，所述单片机根据所述植物特征数据控制所述水泵的开关，所述App功能模块根据所述植物特征数据控制所述水泵的开关，所述App功能模块还根据数据库内现有的植物数据进行介入操作，设定对应的灌溉策略。

在某一个实施例中，所述树莓派，用于：接收所述图像采集器传输的植物图像；对所述植物图像进行预处理，所述预处理包括图像灰度化、图像降噪、图像分割、形态学处理以及位置归一化；根据多尺度曲率空间法、Gabor分块局域二值模式和颜色空间模型分别提取所述植物图像和植物模板图像数据库中图像的区域特征，所述区域特征包括植物的形状特征、纹理特征和颜色特征；利用区域特征决策匹配法或卷积神经网络分类器对所述植物图像中的植物分类识别；获得所述植物图像中的植物特征数据。

在某一个实施例中，所述树莓派利用区域特征决策匹配法对植物分类识别，具体为：根据所述植物图像和所述植物模板图像数据库中图像的区域特征，计算二者图像中所述区域特征差异性；根据所述区域特征差异性计算所述植物图像和所述植物模板图像数据库中的图像的删除度，以实现图像匹配。

在某一个实施例中，所述卷积神经网络分类器的构建步骤，具体为：收集并标记植物图像；建立并训练深度卷积神经网络；收敛后结束训练，形成卷积神经网络分类器。

在某一个实施例中，所述图像采集器包括C270摄像头。

在某一个实施例中，所述湿度传感器包括LM393芯片。

在某一个实施例中，所述智能灌溉模块还包括显示屏，所述显示屏包括LED1602液晶显示屏，所述显示屏用于显示当前土壤的干湿度值、预设的土壤干度阈值和湿度阈值。

在某一个实施例中，所述单片机包括STM32F101R6单片机。

在某一个实施例中，所述水泵包括DC5V水泵。

在某一个实施例中，所述单片机包括ADC0832模数转换芯片。

本发明实施例的智能灌溉系统中，利用树莓派模块对土壤、温度及植物状态进行分析，实现定量、定时、均匀的自动灌溉，减少人力和物力的浪费。通过智能控制灌溉，提升灌溉系统的实用性与科学性，同时降低技术成本，提高水的利用率，使花卉灌溉系统安装和使用更为方便，提高现存灌溉系统的智能化程度。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式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方式，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是本发明某一实施例提供的智能灌溉系统的结构示意图；

图2是本发明某一实施例提供的智能灌溉系统的硬软件关系的示意图；

图3是本发明某一实施例提供的智能灌溉系统的硬软件关系的示意图；

图4是本发明某一实施例提供的智能灌溉系统的植物识别的流程图；

图5是本发明某一实施例提供的智能灌溉系统的区域特征法识别的流程图；

图6是本发明某一实施例提供的智能灌溉系统的部分识别算法的代码图；

图7是本发明某一实施例提供的智能灌溉系统的土壤干湿度传感器的电路图；

图8是本发明某一实施例提供的智能灌溉系统的LED1602液晶显示屏的读操作时序的示意图；

图9是本发明某一实施例提供的智能灌溉系统的LED1602液晶显示屏的写操作时序的示意图；

图10是本发明某一实施例提供的智能灌溉系统的单片机总控制电路示意图；

图11是本发明某一实施例提供的智能灌溉系统的单片机部分程序代码的示意图。

具体实施方式

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，所描述的实施例仅仅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。

应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。

应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1至图3，本发明实施例提供一种智能灌溉系统，包括：数据采集模块、智能分析模块、智能灌溉模块、App功能模块；

所述数据采集模块包括湿度传感器和图像采集器；所述智能分析模块包括树莓派；所述智能灌溉模块包括单片机、水泵和无线通信模块；

所述湿度传感器将采集到的土壤干湿度信号传送至所述单片机，所述单片机根据所述土壤干湿度信号控制所述水泵的开关；

所述智能灌溉模块与所述App功能模块通过所述无线通信模块建立连接；

所述图像采集器将采集到的图像传输至所述树莓派，所述树莓派利用OpenCV进行图像识别，将识别到的植物特征数据传送至所述单片机和所述App功能模块，所述单片机根据所述植物特征数据控制所述水泵的开关，所述App功能模块根据所述植物特征数据控制所述水泵的开关，所述App功能模块还根据数据库内现有的植物数据进行介入操作，设定对应的灌溉策略。

在本实施例中，所述湿度传感器埋于灌溉范围内土壤中，用于感知和监测植物土壤中含水量的微变化信号，并将感知到的信号传送给所述单片机，所述单片机将监测获得的微变化信号转换为微弱的电信号，即A/D转换，所述单片机识别电信号在设定的电信号范围内通过控制水泵开关对土壤进行灌溉，并提供实时的土壤含水量数据。

所述数据采集模块还包括所述图像采集器。所述图像采集器包括摄像头，通过所述摄像头采集到视频，并将所述视频发送至所述树莓派，所述树莓派把所述摄像头传回来的图像通过卷积神经网络OpenCV进行智能识别植物，然后把识别结果显示在App端，把识别数据传输到所述单片机。所述单片机根据所述树莓派传来的数据控制所述水泵的开关，以实现精准灌溉的目的，在水泵通电的同时蜂鸣器响起和红色警示灯发光。

所述无线通信模块，实现智能灌溉系统与智能终端的连接，所述树莓派将把所述摄像头传回来的图像通过卷积神经网络OpenCV进行智能识别植物，将所述识别结果传输至所述App功能模块，通过所述App功能模块，用户根据数据库内已存的植物数据(如植物的类型、品种)，可选择数据库内的植物进行介入操作，从而实现相对应的自动化灌溉功能，对所述智能灌溉模块进行控制。

App的加入主要是辅佐智能识别的精确度，即用户可以手动选择现有的植物数据而进行智能灌溉，以及可以实现无线开关水泵。本实施例中的App在于收集更多的植物数据以不断更新、完善灌溉功能。

因所述智能灌溉系统具备全自动化一体设备，拥有电子信息采集，可以实时检测盆栽环境，依据植物生长条件，合理灌溉，减少水源浪费。灌溉通过管道、喷枪或喷头形成喷灌、均匀、定量、定时喷洒盆栽，有效检测控制水源用量，一定程度节省了水源浪费。

在某一个实施例中，所述树莓派，用于：接收所述图像采集器传输的植物图像；对所述植物图像进行预处理，所述预处理包括图像灰度化、图像降噪、图像分割、形态学处理以及位置归一化；根据多尺度曲率空间法、Gabor分块局域二值模式和颜色空间模型分别提取所述植物图像和植物模板图像数据库中图像的区域特征，所述区域特征包括植物的形状特征、纹理特征和颜色特征；利用区域特征决策匹配法或卷积神经网络分类器对所述植物图像中的植物分类识别；获得所述植物图像中的植物特征数据。

在本实施例中，所述树莓派包括2018-11-13-raspbian-stretch-full版本的树莓派识别植物版块，在树莓派上使用OpenCV和Python 3进行识别植物，树莓派通过调用C270摄像头模块获取视频。

请参阅图4，基于图像分析的植物叶片识别主要有图像预处理、叶片特征提取和叶片分类识别三个步骤。图像预处理阶段主要包括图像灰度化、图像降噪、图像分割、形态学处理以及位置归一化等几个环节。这几个环节根据实际的识别情况选择应用，如需选取颜色特征时则不进行图像灰度化，当花朵无花柄时则不进行形态学处理。在特征提取阶段，可用识别的植物的形状特征、纹理特征和颜色特征。形状特征有基于区域特征、不变矩特征以及植物的结构特征。我们提取植物特征使用了多尺度曲率空间法(CSS)；植物的纹理特征有基于灰度直方图的统计测度、基于灰度共生矩阵的纹理特征量和基于游程的纹理描述特征，提取叶片纹理特征的方法我们采用了Gabor分块局域二值模式方法；颜色特征中，可以通过分析RGB颜色空间模型、SHI颜色空间模型以及YIQ模型进行判断从而得到颜色特征值和颜色特征差异。在分裂识别阶段，则是采用一些分类方法进行植物叶片的分类和识别，最后得到各种处理数据的识别结果。

在某一个实施例中，所述树莓派利用区域特征决策匹配法对植物分类识别，具体为：根据所述植物图像和所述植物模板图像数据库中图像的区域特征，计算二者图像中所述区域特征差异性；根据所述区域特征差异性计算所述植物图像和所述植物模板图像数据库中的图像的删除度，以实现图像匹配。

请参阅图5，在本实施例中，所述区域特征决策匹配法为所述树莓派接收到所述摄像头传送的植物图像后，进行图像预处理，将预处理后的植物图像Q进行提取植物区域特征1，从植物模板图像数据库中的植物图像T，提取植物区域特征2，将植物区域特征1与植物区域特征2进行相似性计算，在得到它们的一些区域特征后，针对这些区域特征分别计算差异性，再分别用删除度O(Q，T)来表示查询图像与数据库图像的匹配度。智能灌溉系统采用区域特征过滤决策匹配法，通过这种方法能够通过植物区域特征计算基于差异性测量的匹配度，从而实现图像匹配。其中，叶片区域包括叶片的高宽比，密度，似圆率，锯齿等。

在某一个实施例中，所述卷积神经网络分类器的构建步骤，具体为：收集并标记植物图像；建立并训练深度卷积神经网络；收敛后结束训练，形成卷积神经网络分类器。

在本实施例中，由于卷积神经网络分类器在植物识别上应用比较广泛，其思想是在得到植物的形状、纹理和颜色特征后，将这些特征向量作为分类器的输入特征向量矢量，通过巨眼神经网络对植物进行分类识别。因此，本实施例的智能灌溉系统采用OpenCV与numpy双联动调用卷积神经网络的方法，OpenCV被用来获取植物范围以及储存样本，numpy辅助一些矩阵的运算。智能灌溉系统采用OpenCV训练样本，所述树莓派收集并标记植物图像，建立并训练深度卷积神经网络，收敛后结束训练，形成卷积神经网络模型。

请参阅图6，为识别算法的部分代码和算法的运行界面。

在某一个实施例中，所述图像采集器包括C270摄像头。

在本实施例中，所述图像采集器包括C270摄像头，所述C270摄像头为500万像素的CMOS图像传感器，采用OmniBSI技术提供2592x1944视频输出。它通过串行摄像机控制总线或mipi接口提供多分辨率原始图像。

在某一个实施例中，所述湿度传感器包括LM393芯片。

请参阅图7，在本实施例中，采用的土壤干湿度传感器的比较器采用LM393芯片，因此该智能灌溉系统非常稳定，工作电压为3.3V-5V；PCB尺寸为3.2cm*1.4cm；此传感器可以宽范围控制土壤的湿度，通过电位器调节控制相应伐值，湿度低于设定值时，DO输出高电平，高于设定值时，DO输出低电平。

在某一个实施例中，所述智能灌溉模块还包括显示屏，所述显示屏包括LED1602液晶显示屏，所述显示屏用于显示当前土壤的干湿度值、预设的土壤干度阈值和湿度阈值。

请参阅图8和图9，在本实施例中，所述智能灌溉模块还包括LED1602液晶显示屏，所述LED1602液晶显示屏主要用于显示当前的土壤干湿度值、自动浇水湿度值以及关闭水泵阀门的湿度值。我们用的LED显示屏的显示容量为：16×2个字符，工作电压为4.5V—5.5V，工作电流为2.0mA(5.0V)，字符尺寸为2.95×4.35(W×H)mm。

在某一个实施例中，所述单片机包括STM32F101R6单片机。

请参阅图10和图11，在本实施例中，所述单片机采用STM32F101R6单片机，最高工作频率72MHz，1.25DMIPS/MHz，电压为2.5V-6V，存储器为32K的Flash存储器，主要在系统中担任处理由土壤湿度传感器传回来的电信号，并通过放大信号从而判断是否对水泵传出电信号。

在某一个实施例中，所述水泵包括DC5V水泵。

在某一个实施例中，所述单片机包括ADC0832模数转换芯片。

本发明实施例的智能灌溉系统中，利用树莓派模块对土壤、温度及植物状态进行分析，实现定量、定时、均匀的自动灌溉，减少人力和物力的浪费。通过智能控制灌溉，提升灌溉系统的实用性与科学性，同时降低技术成本，提高水的利用率，使花卉灌溉系统安装和使用更为方便，提高现存灌溉系统的智能化程度。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种智能灌溉系统，其特征在于，包括：数据采集模块、智能分析模块、智能灌溉模块、App功能模块；

所述数据采集模块包括湿度传感器和图像采集器；所述智能分析模块包括树莓派；所述智能灌溉模块包括单片机、水泵和无线通信模块；

所述湿度传感器将采集到的土壤干湿度信号传送至所述单片机，所述单片机根据所述土壤干湿度信号控制所述水泵的开关；

所述智能灌溉模块与所述App功能模块通过所述无线通信模块建立连接；

所述图像采集器将采集到的图像传输至所述树莓派，所述树莓派利用OpenCV进行图像识别，将识别到的植物特征数据传送至所述单片机和所述App功能模块，所述单片机根据所述植物特征数据控制所述水泵的开关，所述App功能模块根据所述植物特征数据控制所述水泵的开关，所述App功能模块还根据数据库内现有的植物数据进行介入操作，设定对应的灌溉策略。

2.根据权利要求1所述的智能灌溉系统，其特征在于，所述树莓派，用于：

接收所述图像采集器传输的植物图像；

对所述植物图像进行预处理，所述预处理包括图像灰度化、图像降噪、图像分割、形态学处理以及位置归一化；

根据多尺度曲率空间法、Gabor分块局域二值模式和颜色空间模型分别提取所述植物图像和植物模板图像数据库中图像的区域特征，所述区域特征包括植物的形状特征、纹理特征和颜色特征；

利用区域特征决策匹配法或卷积神经网络分类器对所述植物图像中的植物分类识别；

获得所述植物图像中的植物特征数据。

3.根据权利要求2所述的智能灌溉系统，其特征在于，所述树莓派利用区域特征决策匹配法对植物分类识别，具体为：

根据所述植物图像和所述植物模板图像数据库中图像的区域特征，计算二者图像中所述区域特征差异性；

根据所述区域特征差异性计算所述植物图像和所述植物模板图像数据库中的图像的删除度，以实现图像匹配。

4.根据权利要求2所述的智能灌溉系统，其特征在于，所述卷积神经网络分类器的构建步骤，具体为：

收集并标记植物图像；

建立并训练深度卷积神经网络；

收敛后结束训练，形成卷积神经网络分类器。

5.根据权利要求1所述的智能灌溉系统，其特征在于，所述图像采集器包括C270摄像头。

6.根据权利要求1所述的智能灌溉系统，其特征在于，所述湿度传感器包括LM393芯片。

7.根据权利要求1所述的智能灌溉系统，其特征在于，所述智能灌溉模块还包括显示屏，所述显示屏包括LED1602液晶显示屏，所述显示屏用于显示当前土壤的干湿度值、预设的土壤干度阈值和湿度阈值。

8.根据权利要求1所述的智能灌溉系统，其特征在于，所述单片机包括STM32F101R6单片机。

9.根据权利要求1所述的智能灌溉系统，其特征在于，所述水泵包括DC5V水泵。

10.根据权利要求1所述的智能灌溉系统，其特征在于，所述单片机包括ADC0832模数转换芯片。

Images