CN113439520A - 一种农作物灌溉施肥智慧决策方法及系统 - Google Patents
一种农作物灌溉施肥智慧决策方法及系统 Download PDFInfo
- Publication number
- CN113439520A CN113439520A CN202110826941.0A CN202110826941A CN113439520A CN 113439520 A CN113439520 A CN 113439520A CN 202110826941 A CN202110826941 A CN 202110826941A CN 113439520 A CN113439520 A CN 113439520A
- Authority
- CN
- China
- Prior art keywords
- water
- fertilizer
- information
- crops
- fertilization
- 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
- 230000002262 irrigation Effects 0.000 title claims abstract description 98
- 238000003973 irrigation Methods 0.000 title claims abstract description 98
- 230000004720 fertilization Effects 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 140
- 239000003337 fertilizer Substances 0.000 claims abstract description 138
- 239000002689 soil Substances 0.000 claims abstract description 41
- 230000007613 environmental effect Effects 0.000 claims abstract description 40
- 238000003745 diagnosis Methods 0.000 claims abstract description 34
- 238000004519 manufacturing process Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims description 39
- 235000013399 edible fruits Nutrition 0.000 claims description 33
- 238000013473 artificial intelligence Methods 0.000 claims description 32
- 239000007788 liquid Substances 0.000 claims description 24
- 235000015097 nutrients Nutrition 0.000 claims description 21
- 238000003384 imaging method Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000002329 infrared spectrum Methods 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 12
- 230000005855 radiation Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 229930002875 chlorophyll Natural products 0.000 claims description 7
- 235000019804 chlorophyll Nutrition 0.000 claims description 7
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 7
- 238000002310 reflectometry Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000001105 regulatory effect Effects 0.000 description 16
- 239000000523 sample Substances 0.000 description 10
- 239000002352 surface water Substances 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 5
- 238000004566 IR spectroscopy Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 210000003608 fece Anatomy 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000010871 livestock manure Substances 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 244000037666 field crops Species 0.000 description 2
- 239000003673 groundwater Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/005—Following a specific plan, e.g. pattern
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Theoretical Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Animal Husbandry (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Mining & Mineral Resources (AREA)
- General Business, Economics & Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Agronomy & Crop Science (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及农业信息和节水灌溉技术交叉领域，提供一种农作物灌溉施肥智慧决策方法及系统，其中，农作物灌溉施肥智慧决策方法包括：基于试验或生产获取的水肥投入量、产量和品质数据构建水肥‑产量‑品质‑效益模型；利用采集的农作物水肥需求信息和环境信息，建立AI诊断模型；结合水肥‑产量‑品质‑效益模型，根据实时的农作物水肥需求信息和环境信息，采用AI诊断模型实时优化决策农作物不同生育期灌溉量、施肥量和水肥比，并控制灌溉施肥系统以这些参数进行灌溉施肥。该发明实现了按照农作物需求进行精准地调控灌溉和施肥，提高了水肥利用率，提升了农作物产量和品质，降低了水土环境污染，减少了劳动力消耗，达到节水、环保和省工。
Description
技术领域
本发明涉及农业信息和节水灌溉技术交叉领域，特别是涉及一种农作物灌溉施肥智慧决策方法及系统。
背景技术
不合理的灌溉施肥所导致的农产品品质低和水土环境污染是制约农业高质量发展的主要因素。目前，人们受限于使用经验或者单一的数据对灌溉施肥进行调整，仍有许多地区依靠大量投入水、肥等资源来追求高产，不仅造成了水肥浪费以及土壤和水环境污染，还降低了农产品品质。
通过利用现代传感技术，在不同农作物的不同生育期，采集不同深度的根区水分、养分信息，结合气象信息和水资源供应状况等情况，整合到统一的物联网信息云平台，实现智能化、自动化、模型化控制灌溉施肥；并利用多媒体技术和远程监控平台实现对灌溉施肥的实时在线监控。尽管通过物联网远程监控可以获得大量数据，但是现有的一些系统不支持建模或者通过其他方式使用这些数据。人们受限于使用直觉或者单一的数据对灌溉施肥进行调整，因此，通过已经开发的机器学习方法和人工智能决策系统，可以实现基于数据集的学习模型，对多个来源的数据进行整合和分析，从而构建出AI诊断模型，达到精准指导灌溉施肥的目的。
在现有的技术基础上，结合基于已有试验或生产数据构建的水肥-产量-品质-效益模型，通过实时监测农作物不同生育期的水肥需求信息和环境信息，采用人工智能模块迭代和训练得到AI诊断模型，实时优化决策农作物不同生育期的灌溉量、施肥量和水肥比，并控制灌溉施肥系统以这些参数进行灌溉施肥，通过对农作物的精量实时灌溉施肥来调控农作物内部的水肥信号以及物质流动和代谢，进而调控农产品的产量和品质，以达到最大的经济和环境效益，在保证在一定产量的前提下用较少的水肥来实现节水、丰产、优质、减污的高质量发展。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种农作物灌溉施肥智慧决策方法及系统，能够实现按照农作物需求进行精准地调控灌溉和施肥，不仅提高了水肥利用率，减少了土壤次生盐渍化和对地下水、地表水的污染，还有助于提升农作物果实产量和品质，减少了灌溉施肥的劳动力。
本发明第一方面实施例提供了一种农作物灌溉施肥智慧决策方法，包括：基于试验或生产获取的数据构建水肥-产量-品质-效益模型；利用采集的农作物的水肥需求信息和环境信息，建立AI诊断模型；结合所述水肥-产量-品质-效益模型，根据实时的农作物水肥需求信息和环境信息，采用AI诊断模型实时优化决策不同生育期的农作物灌溉量、施肥量和水肥比，并按照上述优化后的参数进行灌溉施肥调控；其中，所述水肥-产量-品质-效益模型是利用试验或生产获取的农作物的水肥投入量以及产量和品质样本数据通过人工智能模块迭代和训练得到；AI诊断模型是利用农作物的水肥需求信息和环境信息样本数据通过人工智能模块迭代和训练得到。
本发明第一方面的实施例提供的农作物灌溉施肥智慧决策方法，通过对试验或生产获取的农作物(如果树或大田作物)的需水需肥规律、水肥投入量以及产量和品质等数据进行训练迭代构建水肥-产量-品质-效益模型；并收集农作物的水肥需求信息和环境信息(如土壤温湿度和养分、大气温度、空气相对湿度、太阳辐射等)样本数据，再对样本数据进行统计分析以通过机器学习模块创建AI(Artificial Intelligence，人工智能)诊断模型，通过实时采集获取农作物水肥需求信息和环境信息，结合水肥-产量-品质-效益模型，利用机器学习模块创建的AI诊断模型对实时的农作物水肥需求信息和环境信息进行分析和评估处理，实时优化决策灌溉量和施肥量及水肥比，并以这些参数智慧调控灌溉施肥系统，便能够实现按照农作物不同生育期的需求进行精准地灌溉和施肥调控，不仅有效地提高了水肥利用率，还有助于提升农作物果实产量和品质，降低了土壤次生盐渍化和对地下水、地表水的污染，减少了灌溉施肥的劳动力。
根据本发明的一个实施例，所述采用AI诊断模型实时优化决策农作物不同生育期的灌溉量、施肥量和水肥比，包括：
AI诊断模型进行在线整合和分析，以实时调整灌溉量和施肥量及水肥比。
智能决策系统能够结合所述水肥-产量-品质-效益模型，根据实时采集的农作物的水肥需求信息和环境信息，利用所述诊断模型进行在线整合和分析，如农作物的不同生育期对灌溉量和施肥量及水肥比的需求不同，则通过调整各个生育期的灌溉量和施肥量及水肥比需求，进而可实时调整灌溉和施肥。
根据本发明的一个实施例，所述农作物水肥需求信息包括采集农作物的需水信息和采集农作物的需肥信息，
所述采集农作物的需水信息包括：采集农作物的茎秆液流信息、茎秆或果实直径微变化信息和冠层温度信息；
所述采集农作物的需肥信息包括：采集农作物的叶片光谱反射率和叶绿素含量。
通过实时监测农作物的茎秆液流、农作物的茎秆或果实直径微变化和农作物的冠层温度，并结合土壤湿度信息，通过诊断模型进行分析和处理，从而能够快速确定农作物的需水情况，以便快速并精确地调控灌溉系统进行灌溉，使农作物快速得到适宜的补水量，有助于提高农作物果实的品质。
通过实时监测农作物叶片光谱反射率和叶绿素含量等需肥信息，并结合土壤的养分信息进行诊断，当农作物的叶片光谱反射率或叶绿素含量低于预设阈值时，及时通过精确调控施肥系统进行施肥，以确保农作物正常生长，并提高果实品质。
根据本发明的一个实施例，所述采集农作物的环境信息，包括：
采集农作物所处环境的大气温度、空气相对湿度、太阳辐射、风速和降雨量；
采集所述农作物的土壤温湿度和养分信息。
农作物所处环境的环境信息包括大气湿度、空气相对湿度、太阳辐射、风速、降雨量以及土壤温湿度和养分信息，通过实时监测农作物的环境信息，并结合农作物水肥需求信息和环境信息进行整合和分析，并合理调控灌溉量和施肥量及水肥比，实现精确调控灌溉和施肥的目的。
本发明第二方面实施例提供了一种灌溉施肥智慧决策系统，包括：
灌溉施肥系统；
传感器系统，用于实时采集农作物的水肥需求信息和环境信息并传送到远程网络决策云平台；
远程网络决策云平台，分别与所述传感器系统、所述灌溉施肥系统通过无线网络相连，所述远程网络决策云平台用于接收所述水肥需求信息和所述环境信息，并根据所述水肥需求信息和所述环境信息实时优化决策调整灌溉量和施肥量及水肥比，并将决策的结果通过无线网络发送给灌溉施肥系统，灌溉施肥系统再依据这些决策参数对所述农作物进行灌溉施肥。
本发明第二方面实施例提供的灌溉施肥智慧决策系统，包括灌溉施肥系统、传感器系统和远程网络决策云平台。其中，传感器系统和灌溉施肥系统与远程网络决策云平台通过无线网络相连，传感器系统用于实时采集农作物的水肥需求信息和农作物所处环境的环境信息，并发送至远程网络决策云平台，远程网络决策云平台通过对农作物的水肥需求信息和环境信息进行整合和分析，以精确调控灌溉施肥系统对农作物进行灌溉和施肥，以达到灌溉施肥的实时监测及可控性，提高了水肥利用率，且有助于提升农作物果实的品质，降低肥料对土壤环境及地下水、地表水的污染，减少了灌溉施肥的劳动力。
根据本发明的一个实施例，所述灌溉施肥系统包括：
水泵；
输水管，所述输水管的进口端与所述水泵相连；
滴灌电磁阀，设于所述输水管的出口端；
施肥罐，用于存放液体肥料；
施肥泵，与所述施肥罐相连；
输肥管道，与所述施肥泵相连；
过滤器，所述过滤器设置于所述输肥管道；
加肥电磁阀，设于所述输肥管道的出口端；
滴灌带，分别与所述滴灌电磁阀、加肥电磁阀相连；
控制装置，分别与所述水泵、所述滴灌电磁阀、所述施肥泵、所述加肥电磁阀相连，所述控制装置通过无线网络与所述远程网络决策云平台连接。灌溉施肥系统包括水泵、输水管、滴灌电磁阀、施肥罐、施肥泵、输肥管道、过滤器、加肥电磁阀、滴灌带和控制装置。其中，水泵连接水源，输水管与水泵相连，且输水管出口端设置有滴灌电磁阀，施肥罐与施肥泵相连，过滤器与施肥泵相连，且过滤器连接输肥管道，在输肥管道的出口端设有加肥电磁阀，滴灌电磁阀和加肥电磁阀连接滴灌带，滴灌带在农作物根部周围附近设置有小孔作为滴头。滴灌电磁阀和加肥电磁阀与远程网络决策云平台通过无线网络连接，远程网络决策云平台通过控制电磁阀使肥料随水通过滴灌带输送到农作物根部。
根据本发明的一个实施例，
所述传感器系统包括：与所述远程网络决策云平台相连的气象信息传感器、土壤信息传感器、茎秆液流传感器、茎秆或果实直径微变化传感器和遥测传感器；
其中，所述气象信息传感器用于监测气象信息；所述土壤信息传感器分别用于监测不同深度的土壤温湿度和养分；所述茎秆液流传感器用于监测农作物的液流信息；所述茎秆或果实直径微变化传感器用于监测农作物的茎秆或果实生长变化信息；所述遥测传感器包括无人机热红外光谱成像装置或卫星热红外光谱成像装置，所述无人机热红外光谱成像装置或卫星热红外光谱成像装置用于监测农作物的冠层温度和光谱信息。
传感器系统包括与远程网络决策云平台通过无线网络连接的气象信息传感器、土壤信息传感器、茎杆液流传感器、茎秆或果实直径微变化传感器和遥测传感器，其中，气息信息传感器分别用于监测大气温度、空气相对湿度、太阳辐射、风速、降雨量等气象信息；土壤信息传感器分别用于监测如10cm-20cm深度土壤温湿度和养分、20cm-40cm深度土壤温湿度和养分、40cm-60cm深度土壤温湿度和养分以及60cm-100cm深度土壤温湿度和养分；茎秆液流传感器运用热脉冲或热平衡或热扩散技术通过探针实时监测农作物液流情况；茎秆或果实直径微变化传感器用于监测农作物茎秆或果实生长变化信息；遥测传感器包括无人机热红外光谱成像装置或卫星热红外光谱成像装置，无人机热红外光谱成像装置或卫星热红外光谱成像装置用于监测农作物冠层温度和光谱信息。
根据本发明的一个实施例，所述远程网络决策云平台包括机器学习模块和控制系统，所述机器学习模块用于分析所述传感器系统的监测数据，并结合智能决策系统及农作物种植田地特征建立AI诊断模型，且所述机器学习模块适于根据所述气象传感器获取的气象信息以及获取的遥感数据，建立作物腾发量和水肥需求模型，并存储于数据库；所述控制系统适于根据所述传感器系统的实时监测数据，并结合AI诊断模型、作物水肥-产量-品质-效益模型控制所述灌溉施肥系统进行灌溉施肥。
根据本发明的一个实施例，还包括：报警装置，与所述远程网络决策云平台通过无线网络连接，在所述传感器系统的监测信息低于水肥信号预设阈值的情况下，所述远程网络决策云平台向报警装置发送报警信号。
本发明提供的农作物灌溉施肥智慧决策方法，采用AI诊断模型对所述农作物自身机理信息和所述环境信息进行分析和处理，能够实现按照农作物需求精准地调控灌溉和施肥，不仅提高了水肥利用率，还有助于提升农作物果实的品质，降低土壤环境及地下水、地表水的污染，减少了灌溉施肥的劳动力。
附图说明
图1为本发明一实施例提供的农作物灌溉施肥智慧决策方法的示意性流程图；
图2为本发明一实施例提供的灌溉施肥系统的示意性结构框图。
附图标号说明：
10、传感器系统；101、气象信息传感器；102、土壤信息传感器；103、茎秆液流传感器；104、茎秆或果实直径微变化传感器；105、遥测传感器；20、远程监控系统；201、机器学习模块；202、控制系统；203、报警装置；30、灌溉施肥系统。
具体实施方式
为使发明的目的、技术方案和优点更加清楚，下面将结合发明中的附图，对发明中的技术方案进行清楚地描述，显然，所描述的实施例是发明一部分实施例，而不是全部的实施例。基于发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于发明保护的范围。
在本发明实施例的描述中，需要说明的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明实施例的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“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。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实施例中的具体含义。
在本发明实施例中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
如图1所示，本发明第一方面实施例提供了一种农作物灌溉施肥智慧决策方法，包括：基于试验或生产获取的数据构建水肥-产量-品质-效益模型；利用采集的农作物的水肥需求信息和环境信息，建立AI诊断模型；结合所述水肥-产量-品质-效益模型，根据实时的农作物水肥需求信息和环境信息，采用AI诊断模型实时优化决策不同生育期的农作物灌溉量和施肥量及水肥比，并按照上述优化后的参数进行灌溉施肥调控；其中，所述水肥-产量-品质-效益模型是利用试验或生产获取的农作物的水肥投入量以及产量和品质样本数据通过人工智能模块迭代和训练得到；所述诊断模型是利用农作物的水肥需求信息和环境信息样本数据通过人工智能模块迭代和训练得到。
本发明第一方面的实施例提供的农作物灌溉施肥智慧决策方法，通过预存农作物(如果树或大田作物)的需水需肥规律，并收集农作物的水肥需求信息和环境信息(如土壤温湿度和养分、大气温度、空气相对湿度、太阳辐射等)样本数据，再对样本数据进行统计分析以通过机器学习模块创建AI(Artificial Intelligence，人工智能)诊断模型，通过实时采集获取农作物水肥需求信息和环境信息，结合水肥-产量-品质-效益模型并利用机器学习模块创建的AI诊断模型对农作物的水肥需求信息和环境信息进行分析和评估处理，实时优化决策灌溉量和施肥量及水肥比，并以这些参数智能控制灌溉施肥系统，便能够实现按照农作物需求精准地调控灌溉和施肥，不仅有效地提高了水肥利用率，还有助于提升农作物果实的产量和品质，降低了土壤次生盐渍化和对地下水、地表水的污染，减少了灌溉施肥的劳动力。
根据本发明的一个实施例，采用AI诊断模型实时优化决策农作物不同生育期的灌溉量、施肥量和水肥比，包括：
AI诊断模型进行在线整合和分析，以实时调整灌溉量和施肥量及水肥比。
智能决策系统能够根据实时采集的农作物的水肥需求信息和环境信息，结合水肥-产量-品质-效益模型进行在线整合和分析，如农作物的不同生育期对水肥的需求不同，则通过调整各个生育期的灌溉量和施肥量及水肥比，进而可实时调整灌溉和施肥。
根据本发明的一个实施例，农作物水肥需求信息包括采集农作物的需水信息和采集农作物的需肥信息，采集农作物的需水信息包括：采集农作物的茎秆液流信息、茎秆或果实直径微变化信息和冠层温度信息；采集农作物的需肥信息包括：采集农作物的叶片光谱反射率和叶绿素含量。通过实时监测农作物的茎秆液流和农作物的冠层温度，并通过AI诊断模型进行分析和处理，从而能够快速确定农作物的需水情况，以便快速并精确地调控灌溉施肥系统30进行灌溉，使农作物快速得到相应补水量，有助于提高农作物果实的品质。其中，农作物的茎秆与果实直径微变化也可以作为农作物需水信息，从而有助于进一步精确调控灌溉施肥系统30进行灌溉施肥。
通过实时监测农作物叶片光谱反射率和叶绿素含量等需肥信息，结合土壤养分信息进行诊断，当农作物的叶片光谱反射率或叶绿素含量低于预设阈值时，及时通过精确调控灌溉施肥系统30进行施肥，以确保农作物正常生长，并提高果实品质。
根据本发明的一个实施例，采集农作物的环境信息包括：采集农作物所处环境的大气温度、空气相对湿度、太阳辐射、风速和降雨量；采集农作物的土壤温湿度和养分信息。
农作物所处环境的环境信息包括大气湿度、空气相对湿度、太阳辐射、风速、降雨量以及土壤温湿度和养分信息，通过实时监测农作物的环境信息，并结合农作物水肥需求信息和环境信息进行整合和分析，并合理调控灌溉量和施肥量及水肥比，实现精确调控灌溉和施肥的目的。
如图2所示，本发明第二方面实施例提供了一种灌溉施肥智慧决策系统，包括：灌溉施肥系统30、传感器系统10和远程网络决策云平台20，传感器系统10用于监测农作物的水肥需求信息和环境信息；远程网络决策云平台20分别与传感器系统10、灌溉施肥系统30通过无线网络相连，远程网络决策云平台20用于接收水肥需求信息和环境信息，并根据水肥需求信息和环境信息实时优化决策调整灌溉量和施肥量及水肥比，并将决策的结果通过无线网络发送给灌溉施肥系统30，灌溉施肥系统30再依据这些决策参数对农作物进行灌溉施肥。
通过对农作物的水肥需求信息和环境信息进行整合和分析，以精确调控灌溉施肥系统30对农作物进行施肥和灌溉，以达到灌溉施肥的实时监测及可控性，提高了水肥利用率，且有助于提升农作物果实的产量和品质，降低肥料对土壤环境及地下水、地表水的污染，减少了灌溉施肥的劳动力。
根据本发明的一个实施例，灌溉施肥系统30包括：水泵、输水管、滴灌电磁阀、施肥罐、施肥泵、输肥管道、过滤器、加肥电磁阀、滴灌带和控制装置，其中，输水管的进口端与水泵相连，滴灌电磁阀设于输水管的出口端；施肥罐，用于存放液体肥料；施肥泵与施肥罐相连，输肥管道与施肥泵相连，过滤器设置于输肥管道，加肥电磁阀设于输肥管道的出口端，滴灌带分别与滴灌电磁阀、加肥电磁阀相连，控制装置分别与水泵、滴灌电磁阀、施肥泵、加肥电磁阀相连，控制装置通过无线网络与远程网络决策云平台连接。远程网络决策云平台20通过控制装置控制施肥泵和加肥电磁阀工作与停止使肥料通过输肥管道连接滴灌管输送到农作物根部；远程网络决策云平台20通过无线网络和控制装置控制水泵和滴灌电磁阀工作与停止使水肥依次通过输水管和滴灌带输送到农作物根部。
根据本发明的一个实施例，传感器系统10包括：与远程网络决策云平台20相连的气象信息传感器101、土壤信息传感器102、茎秆液流传感器103、茎秆或果实直径微变化传感器104、遥测传感器105；其中，气象信息传感器101用于监测气象信息；土壤信息传感器102分别用于监测不同深度的土壤温湿度和养分；茎秆液流传感器103用于监测农作物的液流信息；茎秆或果实直径微变化传感器104用于监测农作物的茎秆或果实直径微变化信息；遥测传感器105包括无人机热红外光谱成像装置或卫星热红外光谱成像装置，无人机热红外光谱成像装置或卫星热红外光谱成像装置用于监测农作物的冠层温度和光谱信息。
气息信息传感器101分别用于监测大气温度、空气相对湿度、太阳辐射、风速、降雨量等气象信息；土壤信息传感器102分别用于监测如10cm-20cm深度土壤温湿度和养分、20cm-40cm深度土壤温湿度和养分、40cm-60cm深度土壤温湿度和养分以及60cm-100cm深度土壤温湿度和养分；茎秆液流传感器103运用热脉冲或热平衡或热扩散技术通过探针实时监测农作物液流情况；茎秆或果实直径微变化传感器104用于监测农作物的茎秆或果实生长变化信息；遥测传感器105包括无人机热红外光谱成像装置或卫星热红外光谱成像装置，无人机热红外光谱成像装置或卫星热红外光谱成像装置用于监测农作物冠层温度和光谱信息。
根据本发明的一个实施例，远程网络决策云平台20包括机器学习模块201和控制系统202，机器学习模块201用于分析传感器系统10的监测数据，并结合智能决策系统及农作物种植田地特征建立AI诊断模型，且机器学习模块201适于根据气象传感器获取的气象信息以及获取的遥感数据，建立作物腾发量和水肥需求模型，并存储于数据库；控制系统202适于根据传感器系统10的实时监测数据，结合AI诊断模型和作物水肥-产量-品质-效益模型控制灌溉施肥系统30进行灌溉施肥。
报警装置203与远程网络决策云平台20连接，用于在传感器系统的监测信息低于水肥信号预设阈值的情况下，远程网络决策云平台向报警装置发送报警信号。
本发明提供的农作物灌溉施肥智慧决策方法，采用AI诊断模型对作物自身机理信息和环境信息进行分析和处理，能够实现按照农作物需求进行精准的调控灌溉和施肥，不仅提高了水肥利用率，还有助于提升农作物果实的品质，降低土壤环境及地下水、地表水的污染，减少了灌溉施肥的劳动力。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种农作物灌溉施肥智慧决策方法，其特征在于，包括：
基于试验或生产获取的数据构建水肥-产量-品质-效益模型；
利用采集的农作物水肥需求信息和环境信息，建立AI诊断模型；
结合所述水肥-产量-品质-效益模型，根据实时的农作物水肥需求信息和环境信息，采用AI诊断模型实时优化决策不同生育期的农作物灌溉量、施肥量和水肥比，并按照上述优化后的参数进行灌溉施肥调控；
其中，所述水肥-产量-品质-效益模型是利用试验或生产获取的农作物的水肥投入量以及产量和品质样本数据通过人工智能模块迭代和训练得到；AI诊断模型是采用农作物的水肥需求信息和环境信息样本数据通过人工智能模块迭代和训练得到。
2.根据权利要求1所述的农作物灌溉施肥智慧决策方法，其特征在于，所述采用AI诊断模型实时优化决策农作物不同生育期的灌溉量、施肥量和水肥比，包括：
AI诊断模型进行在线整合和分析，以实时调整灌溉量和施肥量及水肥比。
3.根据权利要求1或2所述的农作物灌溉施肥智慧决策方法，其特征在于，所述农作物水肥需求信息包括采集农作物的需水信息和采集农作物的需肥信息，所述采集农作物的需水信息包括：采集农作物的茎秆液流信息、茎秆或果实直径微变化信息和冠层温度信息；所述采集农作物的需肥信息包括：采集农作物的叶片光谱反射率和叶绿素含量。
4.根据权利要求1或2所述的农作物灌溉施肥智慧决策方法，其特征在于，所述采集农作物的环境信息包括：
采集农作物所处环境的大气温度、空气相对湿度、太阳辐射、风速和降雨量；
采集所述农作物所处的土壤温湿度和养分信息。
5.一种灌溉施肥智慧决策系统，其特征在于，包括：
灌溉施肥系统；
传感器系统，用于实时采集农作物的水肥需求信息和环境信息并传送到远程网络决策云平台；
远程网络决策云平台，分别与所述传感器系统、所述灌溉施肥系统通过无线网络相连，所述远程网络决策云平台用于接收所述水肥需求信息和所述环境信息，并根据所述水肥需求信息和所述环境信息实时优化决策调整灌溉量和施肥量及水肥比，并将决策的结果通过无线网络发送给灌溉施肥系统，灌溉施肥系统再依据这些决策参数对所述农作物进行灌溉施肥。
6.根据权利要求5所述的灌溉施肥智慧决策系统，其特征在于，所述灌溉施肥系统包括：
水泵；
输水管，所述输水管的进口端与所述水泵相连；
滴灌电磁阀，设于所述输水管的出口端；
施肥罐，用于存放液体肥料；
施肥泵，与所述施肥罐相连；
输肥管道，与所述施肥泵相连；
过滤器，所述过滤器设置于所述输肥管道；
加肥电磁阀，设于所述输肥管道的出口端；
滴灌带，分别与所述滴灌电磁阀、加肥电磁阀相连；
控制装置，分别与所述水泵、所述滴灌电磁阀、所述施肥泵、所述加肥电磁阀相连，所述控制装置通过无线网络与所述远程网络决策云平台连接。
7.根据权利要求5所述的灌溉施肥智慧决策系统，其特征在于，
所述传感器系统包括：与所述远程网络决策云平台相连的气象信息传感器、土壤信息传感器、茎秆液流传感器、茎秆或果实直径微变化传感器和遥测传感器；
其中，所述气象信息传感器用于监测气象信息；所述土壤信息传感器分别用于监测不同深度的土壤温湿度和养分；所述茎秆液流传感器用于监测农作物的液流信息；所述茎秆或果实直径微变化传感器用于监测农作物的茎秆或果实生长变化信息；所述遥测传感器包括无人机热红外光谱成像装置或卫星热红外光谱成像装置，所述无人机热红外光谱成像装置或卫星热红外光谱成像装置用于监测农作物的冠层温度和光谱信息。
8.根权利要求5所述的灌溉施肥智慧决策系统，其特征在于，
所述远程网络决策云平台包括机器学习模块和控制系统，所述机器学习模块用于分析所述传感器系统的监测数据，并结合智能决策系统及农作物种植田地特征建立AI诊断模型，且所述机器学习模块适于根据所述气象传感器获取的气象信息以及获取的遥感数据，建立作物腾发量和水肥需求模型，并存储于数据库；
所述控制系统适于根据所述传感器系统的实时监测数据，并结合AI诊断模型、作物水肥-产量-品质-效益模型控制所述灌溉施肥系统进行灌溉施肥。
9.根据权利要求5或6所述的灌溉施肥智慧决策系统，其特征在于，还包括：
报警装置，与所述远程网络决策云平台通过无线网络连接，在所述传感器系统的监测信息低于水肥信号预设阈值的情况下，所述远程网络决策云平台向报警装置发送报警信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110826941.0A CN113439520A (zh) | 2021-07-21 | 2021-07-21 | 一种农作物灌溉施肥智慧决策方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110826941.0A CN113439520A (zh) | 2021-07-21 | 2021-07-21 | 一种农作物灌溉施肥智慧决策方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113439520A true CN113439520A (zh) | 2021-09-28 |
Family
ID=77817015
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110826941.0A Pending CN113439520A (zh) | 2021-07-21 | 2021-07-21 | 一种农作物灌溉施肥智慧决策方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113439520A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114009200A (zh) * | 2021-11-16 | 2022-02-08 | 内蒙古农业大学 | 一种设施蔬菜智能水肥一体化控制系统及方法 |
| CN114158336A (zh) * | 2021-11-23 | 2022-03-11 | 南京南瑞信息通信科技有限公司 | 水肥一体优化控制系统及方法 |
| CN114586521A (zh) * | 2022-04-20 | 2022-06-07 | 甘肃省农业科学院旱地农业研究所 | 一种旱作农田水肥精确管理系统 |
| CN114902854A (zh) * | 2022-06-30 | 2022-08-16 | 河北省农林科学院农业资源环境研究所 | 基于计算机深度学习的大田精准水肥管理方法及系统 |
| CN114946617A (zh) * | 2022-01-18 | 2022-08-30 | 黄河水利职业技术学院 | 基于卫星遥感的水肥一体智能灌溉系统及其控制方法 |
| CN115362811A (zh) * | 2022-08-11 | 2022-11-22 | 贵州电子科技职业学院 | 一种基于数字孪生的山地农作物智慧栽培系统 |
| CN116578047A (zh) * | 2023-05-11 | 2023-08-11 | 江苏里下河地区农业科学研究所 | 一种用于辣椒生产的精细化智能控制方法及系统 |
| CN117158176A (zh) * | 2023-11-02 | 2023-12-05 | 江苏苏启智能科技有限公司 | 一种农业侧深施肥机的施肥速率控制方法和系统 |
| CN117322214A (zh) * | 2023-11-30 | 2024-01-02 | 余姚市农业技术推广服务总站 | 一种基于神经网络的农作物肥料精准施用方法与系统 |
| CN117378338A (zh) * | 2023-12-12 | 2024-01-12 | 潍坊信博理化检测有限公司 | 一种植物施肥监控管理方法及系统 |
| CN117441472A (zh) * | 2023-11-14 | 2024-01-26 | 南京农业大学 | 基于多信息融合的设施番茄水肥养分动态按需调控系统 |
| CN118235687A (zh) * | 2024-05-23 | 2024-06-25 | 中国农业大学 | 一种咸水淡化智能高效灌溉控制方法、系统及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106707767A (zh) * | 2017-03-13 | 2017-05-24 | 山东农业大学 | 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 |
| CN109685676A (zh) * | 2018-10-11 | 2019-04-26 | 上海交通大学 | 智能水肥管理方法和系统 |
| CN110347127A (zh) * | 2019-06-26 | 2019-10-18 | 北京农业智能装备技术研究中心 | 基于云服务的农作物种植托管系统及方法 |
| CN110414115A (zh) * | 2019-07-13 | 2019-11-05 | 沈阳农业大学 | 一种基于遗传算法的小波神经网络番茄产量预测方法 |
-
2021
- 2021-07-21 CN CN202110826941.0A patent/CN113439520A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106707767A (zh) * | 2017-03-13 | 2017-05-24 | 山东农业大学 | 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 |
| CN109685676A (zh) * | 2018-10-11 | 2019-04-26 | 上海交通大学 | 智能水肥管理方法和系统 |
| CN110347127A (zh) * | 2019-06-26 | 2019-10-18 | 北京农业智能装备技术研究中心 | 基于云服务的农作物种植托管系统及方法 |
| CN110414115A (zh) * | 2019-07-13 | 2019-11-05 | 沈阳农业大学 | 一种基于遗传算法的小波神经网络番茄产量预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王晓丽等: "基于改进SVM的水肥与番茄产量品质关系预测模型研究", 《河北农业大学学报》 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114009200A (zh) * | 2021-11-16 | 2022-02-08 | 内蒙古农业大学 | 一种设施蔬菜智能水肥一体化控制系统及方法 |
| CN114158336A (zh) * | 2021-11-23 | 2022-03-11 | 南京南瑞信息通信科技有限公司 | 水肥一体优化控制系统及方法 |
| CN114946617B (zh) * | 2022-01-18 | 2023-08-11 | 黄河水利职业技术学院 | 基于卫星遥感的水肥一体智能灌溉系统及其控制方法 |
| CN114946617A (zh) * | 2022-01-18 | 2022-08-30 | 黄河水利职业技术学院 | 基于卫星遥感的水肥一体智能灌溉系统及其控制方法 |
| CN114586521A (zh) * | 2022-04-20 | 2022-06-07 | 甘肃省农业科学院旱地农业研究所 | 一种旱作农田水肥精确管理系统 |
| CN114902854B (zh) * | 2022-06-30 | 2023-08-29 | 河北省农林科学院农业资源环境研究所 | 基于计算机深度学习的大田精准水肥管理方法及系统 |
| CN114902854A (zh) * | 2022-06-30 | 2022-08-16 | 河北省农林科学院农业资源环境研究所 | 基于计算机深度学习的大田精准水肥管理方法及系统 |
| CN115362811A (zh) * | 2022-08-11 | 2022-11-22 | 贵州电子科技职业学院 | 一种基于数字孪生的山地农作物智慧栽培系统 |
| CN116578047A (zh) * | 2023-05-11 | 2023-08-11 | 江苏里下河地区农业科学研究所 | 一种用于辣椒生产的精细化智能控制方法及系统 |
| CN116578047B (zh) * | 2023-05-11 | 2024-04-30 | 江苏里下河地区农业科学研究所 | 一种用于辣椒生产的精细化智能控制方法及系统 |
| CN117158176A (zh) * | 2023-11-02 | 2023-12-05 | 江苏苏启智能科技有限公司 | 一种农业侧深施肥机的施肥速率控制方法和系统 |
| CN117158176B (zh) * | 2023-11-02 | 2024-01-12 | 江苏苏启智能科技有限公司 | 一种农业侧深施肥机的施肥速率控制方法和系统 |
| CN117441472A (zh) * | 2023-11-14 | 2024-01-26 | 南京农业大学 | 基于多信息融合的设施番茄水肥养分动态按需调控系统 |
| CN117441472B (zh) * | 2023-11-14 | 2024-10-11 | 南京农业大学 | 基于多信息融合的设施番茄水肥养分动态按需调控系统 |
| CN117322214A (zh) * | 2023-11-30 | 2024-01-02 | 余姚市农业技术推广服务总站 | 一种基于神经网络的农作物肥料精准施用方法与系统 |
| CN117322214B (zh) * | 2023-11-30 | 2024-02-09 | 余姚市农业技术推广服务总站 | 一种基于神经网络的农作物肥料精准施用方法与系统 |
| CN117378338A (zh) * | 2023-12-12 | 2024-01-12 | 潍坊信博理化检测有限公司 | 一种植物施肥监控管理方法及系统 |
| CN118235687A (zh) * | 2024-05-23 | 2024-06-25 | 中国农业大学 | 一种咸水淡化智能高效灌溉控制方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113439520A (zh) | 一种农作物灌溉施肥智慧决策方法及系统 | |
| CN109673480B (zh) | 一种智能水肥一体化喷灌系统及控制方法 | |
| 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 | |
| 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 | |
| CN103838144B (zh) | 基于物联网土壤分析的甘蔗精细种植滴灌建模控制方法 | |
| CN110347127A (zh) | 基于云服务的农作物种植托管系统及方法 | |
| CN112450056A (zh) | 一种基于机器学习算法的水肥药一体化智能灌溉系统 | |
| CN105941101B (zh) | 智能灌溉施肥控制方法、装置及系统 | |
| 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 | |
| CN109874477B (zh) | 一种农业园区施肥机托管方法及系统 | |
| CN108781926B (zh) | 基于神经网络预测的大棚灌溉系统及方法 | |
| CN209749385U (zh) | 一种精准灌溉监控系统 | |
| CN110579987A (zh) | 基于lora通讯的智慧果园信息控制系统及方法 | |
| IL91839A (en) | A system control method and method, such as a control system for feeding plants, based on irradiated and topical plants, in accordance with predefined rules | |
| CN111557158A (zh) | 智能灌溉控制方法及系统 | |
| CN216088130U (zh) | 果树智能栽培系统 | |
| CN112042353A (zh) | 一种适用于日光温室的水肥精准决策方法及系统 | |
| 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 | |
| Gour et al. | IoT based Farming Techniques in Indoor Environment: A Brief Survey | |
| CN115362811A (zh) | 一种基于数字孪生的山地农作物智慧栽培系统 | |
| CN111295987B (zh) | 一种兼顾产出与投入自适应模型的精准农业系统与方法 | |
| CN113642729A (zh) | 基于机器学习的智能沼液施用方法、系统及存储介质 | |
| CN112099392A (zh) | 一种智慧农业大棚灌溉系统 | |
| Bwambale et al. | Smart irrigation monitoring and control |
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 |