CN114442705B - 一种基于物联网的智慧农业系统及控制方法 - Google Patents

Abstract

本发明涉及一种基于物联网的智慧农业系统及控制方法，包含云平台、土壤墒情监测模块、田间气象监测模块、灌溉控制模块和视频监测模块，其中，所述土壤墒情监测模块、所述田间气象监测模块、所述灌溉控制模块和视频监测模块均通过物联网与所述云平台连接；所述云平台包括数据接收模块和数据分析模块，所述数据接收模块用于进行各种目标数据的获取，所述土壤墒情监测模块、所述田间气象监测模块、所述灌溉控制模块和视频监测模块均所述数据接收模块连接，所述数据分析模块用于对接收到的数据进行分析，并获得作物的生长环境数据和生长状态数据，所述灌溉控制模块根据所述生长环境数据和所述生长状态数据控制灌溉参数。

Description

一种基于物联网的智慧农业系统及控制方法

技术领域

本发明属于智慧农业技术领域，具体涉及一种基于物联网的智慧农业系统及控制方法。

背景技术

现有的农田自大多是依靠农业水利管理人员的个人经验来控制，而凭经验控制灌溉不能根据农作物的需水量来科学地进行灌溉控制，且不同农作物在不同生长时期的需水量是不同的，传统的灌溉容易导致浇灌的水过多或过少，无法对浇灌量进行准确地控制，存在浇灌量的准确性差，无法为农作物在各生长阶段提供最佳的浇灌量，影响农作物的生长。

发明内容

本发明的目的是提供一种基于物联网的智慧农业系统及控制方法，以实现精准灌溉。

一种基于物联网的智慧农业系统，包含云平台、土壤墒情监测模块、田间气象监测模块、灌溉控制模块和视频监测模块，其中，所述土壤墒情监测模块、所述田间气象监测模块、所述灌溉控制模块和视频监测模块均通过物联网与所述云平台连接；所述土壤墒情监测模块包括土壤温湿度传感器、土壤PH值传感器以及土壤水含量传感器；所述田间气象监测模块包括风向监测传感器、光强传感器、大气压传感器；视频监测模块用于采集作物的图像；所述云平台包括数据接收模块和数据分析模块，所述数据接收模块用于进行各种目标数据的获取，所述土壤墒情监测模块、所述田间气象监测模块、所述灌溉控制模块和视频监测模块均所述数据接收模块连接，所述数据分析模块用于对接收到的数据进行分析，并获得作物的生长环境数据和生长状态数据，所述灌溉控制模块根据所述生长环境数据和所述生长状态数据控制灌溉参数。

优选的，所述数据分析模块包括图像分析单元，用于将历史图像作为输入，将历史图像对应的生长状态作为输出，训练卷积神经网络模型，将训练好的所述卷积神经网络模型作为第一预测模型；将当前获得的图像作为输入，输入预测模型，生成与所述图像对应的生长状态数据。

优选的，所所述图像分析单元还用于将所述图像进行图像分区处理，得到多个第一图像单元区；将多个所述第一图像单元区输入深度神经网络模型，得到多个第二图像单元区，所述第一图像单元区与所述第二图像单元区一一对应；从所述历史图像中获得与多个所述第二图像单元区相似度最高的多个第三图像单元区，所述第二图像单元区与所述第三图像单元区一一对应；根据多个所述第二图像单元区和多个所述第三图像单元区得到修正后图像，并将修正后图像输入第一预测模型。

优选的，所所述图像分析单元还用于获取图像中第一图像单元区的坐标；将图像统一缩放至指定尺寸，并将第一图像单元区的坐标映射至缩放后的图像上，然后将所述图像上各像素值进行归一化；将归一化的数据输入深度神经网络模型中进行训练，输出训练后的第二图像单元区以及第二图像单元区对应的坐标，并将其与从第三图像单元区的坐标进行计算，得到多个误差值；根据误差值对多个所述第二图像单元区进行修正，得到修正后图像。

优选的，所所述灌溉控制模块用于并根据所述生长状态数据得到作物的干旱程度；并用于将历史干旱程度、历史生长环境数据作为输入，将历史灌溉用水量作为输出，训练卷积神经网络模型，将训练好的所述卷积神经网络模型作为第二预测模型；并用于将所述干旱程度、所述生长环境数据输入至第二预测模型，得到灌溉用水量。

优选的，所还包括智能终端，所述智能终端与云平台连接，用于获取云平台的参数，并发送指令给灌溉控制模块。

优选的，所还包括病虫害防控模块和生长调控模块，生长调控模块用于调控生长条件；所述病虫害防控模块用于调控作物的浇水施肥打药。

一种基于物联网的智慧农业系统的控制方法，适用于所述的智慧农业系统，所述方法包括：

利用土壤墒情监测模块获得土壤性能参数，并利用田间气象监测模块获取环境参数，利用视频监测模块获取作物的生长状态；

利用云平台并根据土壤性能参数、环境参数和生长状态，获得生长环境数据和生长状态数据；

利用灌溉控制模块并根据所述生长环境数据和所述生长状态数据控制灌溉参数。

本发明提供的基于物联网的智慧农业系统及控制方法，通过视频监测模块分析农作物的种类及其生长阶段，通过土壤墒情监测模块、田间气象监测模块获得作物的生长环境数据，并灌溉控制模块根据所述生长环境数据和所述生长状态数据控制灌溉参数，从而提高了对土壤浇灌量的准确性，能够合理地根据当前土壤及农作物的实际情况分析土壤需水量，减少了水资源的浪费。

附图说明

图1为本发明提供的基于物联网的智慧农业系统的控制方法的流程图。

具体实施方式

下面通过实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”，“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。

本发明提供了一种基于物联网的智慧农业系统，包含云平台、土壤墒情监测模块、田间气象监测模块、灌溉控制模块和视频监测模块，其中，所述土壤墒情监测模块、所述田间气象监测模块、所述灌溉控制模块和视频监测模块均通过物联网与所述云平台连接；所述土壤墒情监测模块包括土壤温湿度传感器、土壤PH值传感器以及土壤水含量传感器；所述田间气象监测模块包括风向监测传感器、光强传感器、大气压传感器；视频监测模块用于采集作物的图像；所述云平台包括数据接收模块和数据分析模块，所述数据接收模块用于进行各种目标数据的获取，所述土壤墒情监测模块、所述田间气象监测模块、所述灌溉控制模块和视频监测模块均所述数据接收模块连接，所述数据分析模块用于对接收到的数据进行分析，并获得作物的生长环境数据和生长状态数据，所述灌溉控制模块根据所述生长环境数据和所述生长状态数据控制灌溉参数。

本发明提供的基于物联网的智慧农业系统，通过视频监测模块分析农作物的种类及其生长阶段，通过土壤墒情监测模块、田间气象监测模块获得作物的生长环境数据，并灌溉控制模块根据所述生长环境数据和所述生长状态数据控制灌溉参数，从而提高了对土壤浇灌量的准确性，能够合理地根据当前土壤及农作物的实际情况分析土壤需水量，减少了水资源的浪费。

土壤墒情监测模块能够实现对土壤墒情(土壤湿度)的长时间连续监测，用户可以根据监测需要，灵活布置土壤水分传感器，也可以将传感器布置在不同的深度，测量剖面土壤分布情况。从而实现实时监测土壤水分、土壤温度，可同时将监测数据上报过个中心。

田间气象监测模块基于4G无线传输数据采集终端，根据具体需求配置连接风速风向传感器、空间温湿度传感器、光照传感器等，实时监测土壤温湿度、风速、光照强度等，数据采集存储可灵活调整，可同时将监测数据上报过个中心，可远程升级设参。

作为优选的实施方式的，所述数据分析模块包括图像分析单元，用于将历史图像作为输入，将历史图像对应的生长状态作为输出，训练卷积神经网络模型，将训练好的所述卷积神经网络模型作为第一预测模型；将当前获得的图像作为输入，输入预测模型，生成与所述图像对应的生长状态数据。

通过图像分析单元以及利用卷积神经网络模型，可更准确地分析出生长状态数据。其中，卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络。

作为优选的实施方式的，所述图像分析单元还用于将所述图像进行图像分区处理，得到多个第一图像单元区；将多个所述第一图像单元区输入深度神经网络模型，得到多个第二图像单元区，所述第一图像单元区与所述第二图像单元区一一对应；从所述历史图像中获得与多个所述第二图像单元区相似度最高的多个第三图像单元区，所述第二图像单元区与所述第三图像单元区一一对应；根据多个所述第二图像单元区和多个所述第三图像单元区得到修正后图像，并将修正后图像输入第一预测模型。

通过对图像分区处理等处理，实现对图像进行修改正，使得数据更加准确。深度神经网络模型分为两步，一是每次训练一层网络，二是调优使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。

优选的，所所述图像分析单元还用于获取图像中第一图像单元区的坐标；将图像统一缩放至指定尺寸，并将第一图像单元区的坐标映射至缩放后的图像上，然后将所述图像上各像素值进行归一化；将归一化的数据输入深度神经网络模型中进行训练，输出训练后的第二图像单元区以及第二图像单元区对应的坐标，并将其与从第三图像单元区的坐标进行计算，得到多个误差值；根据误差值对多个所述第二图像单元区进行修正，得到修正后图像。通过归一化等，可减少误差，使得修正后图像更加准确。归一化方式可采用现有任意方式。

优选的，所述灌溉控制模块用于并根据所述生长状态数据得到作物的干旱程度；并用于将历史干旱程度、历史生长环境数据作为输入，将历史灌溉用水量作为输出，训练卷积神经网络模型，将训练好的所述卷积神经网络模型作为第二预测模型；并用于将所述干旱程度、所述生长环境数据输入至第二预测模型，得到灌溉用水量。

优选的，所还包括智能终端，所述智能终端与云平台连接，用于获取云平台的参数，并发送指令给灌溉控制模块。还包括病虫害防控模块和生长调控模块，生长调控模块用于调控生长条件；所述病虫害防控模块用于调控作物的浇水施肥打药。在其它优选实施例中，智慧农业系统通过智能感知，会自动根据作物长势和温室内外环境状况，进行智能遮阳控制。

如图1所示，本发明还提供了一种基于物联网的智慧农业系统的控制方法，适用于所述的智慧农业系统，所述方法包括：

利用土壤墒情监测模块获得土壤性能参数，并利用田间气象监测模块获取环境参数，利用视频监测模块获取作物的生长状态；

利用云平台并根据土壤性能参数、环境参数和生长状态，获得生长环境数据和生长状态数据；

利用灌溉控制模块并根据所述生长环境数据和所述生长状态数据控制灌溉参数。

本发明提供的基于物联网的智慧农业系统的控制方法，通过视频监测模块分析农作物的种类及其生长阶段，通过土壤墒情监测模块、田间气象监测模块获得作物的生长环境数据，并灌溉控制模块根据所述生长环境数据和所述生长状态数据控制灌溉参数，从而提高了对土壤浇灌量的准确性，能够合理地根据当前土壤及农作物的实际情况分析土壤需水量，减少了水资源的浪费。

土壤墒情监测模块能够实现对土壤墒情(土壤湿度)的长时间连续监测，用户可以根据监测需要，灵活布置土壤水分传感器，也可以将传感器布置在不同的深度，测量剖面土壤分布情况。从而实现实时监测土壤水分、土壤温度，可同时将监测数据上报过个中心。

田间气象监测模块基于4G无线传输数据采集终端，根据具体需求配置连接风速风向传感器、空间温湿度传感器、光照传感器等，实时监测土壤温湿度、风速、光照强度等，数据采集存储可灵活调整，可同时将监测数据上报过个中心，可远程升级设参。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的实施例。

Claims (6)

1.一种基于物联网的智慧农业系统，其特征在于，包含云平台、土壤墒情监测模块、田间气象监测模块、灌溉控制模块和视频监测模块，其中，所述土壤墒情监测模块、所述田间气象监测模块、所述灌溉控制模块和视频监测模块均通过物联网与所述云平台连接；所述土壤墒情监测模块包括土壤温湿度传感器、土壤PH值传感器以及土壤水含量传感器；所述田间气象监测模块包括风向监测传感器、光强传感器、大气压传感器；视频监测模块用于采集作物的图像；所述云平台包括数据接收模块和数据分析模块，所述数据接收模块用于进行各种目标数据的获取，所述土壤墒情监测模块、所述田间气象监测模块、所述灌溉控制模块和视频监测模块均与所述数据接收模块连接，所述数据分析模块用于对接收到的数据进行分析，并获得作物的生长环境数据和生长状态数据，所述灌溉控制模块根据所述生长环境数据和所述生长状态数据控制灌溉参数；

所述数据分析模块包括图像分析单元，用于将历史图像作为输入，将历史图像对应的生长状态作为输出，训练卷积神经网络模型，将训练好的所述卷积神经网络模型作为第一预测模型；将当前获得的图像作为输入，输入预测模型，生成与所述图像对应的生长状态数据；

所述灌溉控制模块用于并根据所述生长状态数据得到作物的干旱程度；并用于将历史干旱程度、历史生长环境数据作为输入，将历史灌溉用水量作为输出，训练卷积神经网络模型，将训练好的所述卷积神经网络模型作为第二预测模型；并用于将所述干旱程度、所述生长环境数据输入至第二预测模型，得到灌溉用水量；

所述土壤墒情监测模块，用于对土壤墒情的长时间连续监测，通过将传感器布置在不同的深度，测量剖面土壤分布情况，实时监测土壤水分、土壤温度，同时将土壤墒情监测数据上报；

所述田间气象监测模块基于4G无线传输数据采集终端，根据需求配置连接风速风向传感器、空间温湿度传感器、光照传感器，实时监测土壤温湿度、风速、光照强度，同时将田间气象监测数据上报。

2.根据权利要求1所述的基于物联网的智慧农业系统，其特征在于，所述图像分析单元还用于将所述图像进行图像分区处理，得到多个第一图像单元区；将多个所述第一图像单元区输入深度神经网络模型，得到多个第二图像单元区，所述第一图像单元区与所述第二图像单元区一一对应；从所述历史图像中获得与多个所述第二图像单元区相似度最高的多个第三图像单元区，所述第二图像单元区与所述第三图像单元区一一对应；根据多个所述第二图像单元区和多个所述第三图像单元区得到修正后图像，并将修正后图像输入第一预测模型。

3.根据权利要求2所述的基于物联网的智慧农业系统，其特征在于，所述图像分析单元还用于获取图像中第一图像单元区的坐标；将图像统一缩放至指定尺寸，并将第一图像单元区的坐标映射至缩放后的图像上，然后将所述图像上各像素值进行归一化；将归一化的数据输入深度神经网络模型中进行训练，输出训练后的第二图像单元区以及第二图像单元区对应的坐标，并将其与从第三图像单元区的坐标进行计算，得到多个误差值；根据误差值对多个所述第二图像单元区进行修正，得到修正后图像。

4.根据权利要求1所述的基于物联网的智慧农业系统，其特征在于，还包括智能终端，所述智能终端与云平台连接，用于获取云平台的参数，并发送指令给灌溉控制模块。

5.根据权利要求1所述的基于物联网的智慧农业系统，其特征在于，

还包括病虫害防控模块和生长调控模块，生长调控模块用于调控生长条件；

所述病虫害防控模块用于调控作物的浇水施肥打药。

6.一种基于物联网的智慧农业系统的控制方法，适用于如权利要求1-5任一项所述的智慧农业系统，其特征在于，所述方法包括：

利用土壤墒情监测模块获得土壤性能参数，并利用田间气象监测模块获取环境参数，利用视频监测模块获取作物的生长状态；

利用云平台并根据土壤性能参数、环境参数和生长状态，获得生长环境数据和生长状态数据；

利用灌溉控制模块并根据所述生长环境数据和所述生长状态数据控制灌溉参数。

Images