CN114451180B - 一种基于光伏的大棚系统 - Google Patents

一种基于光伏的大棚系统 Download PDF

Info

Publication number
CN114451180B
CN114451180B CN202210134776.7A CN202210134776A CN114451180B CN 114451180 B CN114451180 B CN 114451180B CN 202210134776 A CN202210134776 A CN 202210134776A CN 114451180 B CN114451180 B CN 114451180B
Authority
CN
China
Prior art keywords
pixel
triode
pixel value
resistor
module
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
CN202210134776.7A
Other languages
English (en)
Other versions
CN114451180A (zh
Inventor
杨向东
陈芋杭
杨丝娅
杨继萍
李智浩
陈奕昂
杨鹏程
阳辉
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.)
Sichuan Shangtai Technology Co ltd
Original Assignee
Sichuan Shangtai Technology Co ltd
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 Sichuan Shangtai Technology Co ltd filed Critical Sichuan Shangtai Technology Co ltd
Priority to CN202210134776.7A priority Critical patent/CN114451180B/zh
Publication of CN114451180A publication Critical patent/CN114451180A/zh
Application granted granted Critical
Publication of CN114451180B publication Critical patent/CN114451180B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/14—Greenhouses
    • 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
    • A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/18—Greenhouses for treating plants with carbon dioxide or the like
    • 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
    • A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
    • A01G9/243—Collecting solar energy
    • 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
    • A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
    • A01G9/246—Air-conditioning systems
    • 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
    • A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
    • A01G9/247—Watering arrangements
    • 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
    • A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
    • A01G9/26—Electric devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2207/00—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J2207/20—Charging or discharging characterised by the power electronics converter
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
    • Y02P60/12—Technologies relating to agriculture, livestock or agroalimentary industries using renewable energies, e.g. solar water pumping

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Environmental Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Sustainable Development (AREA)
  • Power Engineering (AREA)
  • Cultivation Of Plants (AREA)

Abstract

本发明公开了一种基于光伏的大棚系统，包括：信息采集模块、数据分析处理模块、动作执行模块、通信模块、电源模块和光伏板阵列；所述光伏板阵列的输出端与电源模块的输入端连接；所述电源模块的输出端分别与信息采集模块、数据分析处理模块、动作执行模块和通信模块电连接；所述数据分析处理模块分别与信息采集模块、动作执行模块和通信模块通信连接；所述信息采集模块、数据分析处理模块、动作执行模块、通信模块和电源模块置于大棚内部；所述光伏板阵列固定设置于大棚顶部；本发明解决了现有缺乏一种全自动化大棚管理系统的问题。

Description

一种基于光伏的大棚系统
技术领域
本发明涉及发电和配电领域，具体涉及一种基于光伏的大棚系统。
背景技术
现有大棚中，主要通过人力的方式来实现大棚内温度的调节、二氧化碳浓度的调节、土壤湿度的调节、空气湿度的调节以及大棚内光照强度的调节，导致人力成本倍增，同时也无法对温度、二氧化碳浓度、土壤湿度、空气湿度和光照强度进行精确控制。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于光伏的大棚系统解决了现有缺乏一种全自动化大棚管理系统的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种基于光伏的大棚系统，包括：信息采集模块、数据分析处理模块、动作执行模块、通信模块、电源模块和光伏板阵列；
所述光伏板阵列的输出端与电源模块的输入端连接；所述电源模块的输出端分别与信息采集模块、数据分析处理模块、动作执行模块和通信模块电连接；所述数据分析处理模块分别与信息采集模块、动作执行模块和通信模块通信连接；所述信息采集模块、数据分析处理模块、动作执行模块、通信模块和电源模块置于大棚内部；所述光伏板阵列固定设置于大棚顶部。
进一步地，信息采集模块包括：温度传感器、空气湿度传感器、二氧化碳浓度传感器、土壤湿度传感器和图像传感器；
所述动作执行模块包括：温度调节器、加湿器、二氧化碳发生器、水管喷水装置和光伏板驱动器；
所述电源模块包括依次连接的光伏板稳压充电电路、电池和线性稳压电路。
进一步地，光伏板稳压充电电路包括：接地电容C1、电容C2、电容C3、接地电容C4、三极管Q1、三极管Q2、三极管Q3、NMOS管VT1、NMOS管M1、接地电阻R1、电阻R2、电阻R3、电阻R4、滑动变阻器R5、接地电阻R6、电阻R7、电感L1、二极管VD1和二极管VD2；
所述NMOS管VT1的漏极分别与接地电容C1、电阻R2的一端、二极管VD1的正极和NMOS管M1的漏极连接，并作为光伏板稳压充电电路的输入端；
所述NMOS管VT1的栅极分别与NMOS管VT1的源极、三极管Q1的发射极和三极管Q2的发射极连接；所述三极管Q1的基极与滑动变阻器R5的动端连接，其集电极接地；所述三极管Q2的基极分别与电阻R2的另一端和电容C2的一端连接，其集电极分别与接地电阻R1和三极管Q3的基极连接；所述三极管Q3的集电极与电阻R4的一端连接，其发射极接地；所述NMOS管M1的栅极与电容C2的另一端连接，其源极分别与二极管VD2的负极、电容C3的一端和电感L1的一端连接；所述电容C3的另一端分别与电阻R4的另一端和电阻R3的一端连接；所述电阻R3的另一端与二极管VD1的负极连接；所述二极管VD2的正极接地；所述滑动变阻器R5的第一不动端与电阻R7的一端连接，其第二不动端与接地电阻R6连接；所述电阻R7的另一端分别与电感L1的另一端和接地电容C4连接，并作为光伏板稳压充电电路的输出端。
进一步地，线性稳压电路包括：电阻R8、接地电阻R9、接地电容C5、接地电容C6、三极管Q4、三极管Q5、三极管Q6和二极管VD3；
所述三极管Q4的集电极分别与电阻R8的一端、三极管Q5的基极和接地电容C5连接，其基极分别与三级管Q5的发射极和接地电阻R9连接，其发射极接地；所述三极管Q6的基极与三极管Q5的集电极连接，其集电极与电阻R8的另一端连接，并作为线性稳压电路的输入端；所述三极管Q6的发射极分别与二极管VD3的正极和接地电容C6连接，并作为线性稳压电路的输出端；所述二极管VD3的负极接地。
进一步地，温度传感器用于采集大棚内温度数据；
所述数据分析处理模块根据大棚内温度数据，对温度调节器的功率进行调节；
所述空气湿度传感器用于采集大棚内空气湿度数据；
所述数据分析处理模块根据大棚内空气湿度数据，对加湿器的功率进行调节；
所述二氧化碳浓度传感器用于采集大棚内二氧化碳浓度数据，对二氧化碳发生器的阀门进行调节；
所述土壤湿度传感器用于采集大棚内土壤湿度数据；
所述数据分析处理模块根据大棚内土壤湿度数据，对水管喷水装置的阀门进行调节；
所述图像传感器用于采集植被图像，所述数据分析处理模块用于对植被图像进行分析，得到植被的种类和生长情况；
所述数据分析处理模块根据植被的种类和生长情况，对光伏板驱动器施加驱动力，实现光伏板的角度调节。
进一步地，数据分析处理模块用于对植被图像进行分析，得到植被的种类和生长情况包括以下步骤：
A1、对植被图像进行去噪处理，得到去噪后的植被图像；
A2、采用训练完成的卷积神经网络对去噪后的植被图像进行分类，得到植被的种类和生长情况。
进一步地，步骤A1包括以下分步骤：
A11、筛选植被图像中超过噪声阈值的像素点，得到异常噪声点；
A12、根据异常噪声点邻域，计算异常噪声点的像素值；
A13、采用异常噪声点的像素值替换异常噪声点原始的像素值，得到初步去噪的植被图像；
A14、对初步去噪的植被图像按列或按行进行每列或每行的去噪，得到去噪完成的植被图像。
进一步地，步骤A12中计算异常噪声点的像素值的公式为：
其中，f为异常噪声点的像素值，fn为邻域内第n个未超过噪声阈值的像素点的像素值，f1为邻域内第1个未超过噪声阈值的像素点的像素值，fN为邻域内第N个未超过噪声阈值的像素点的像素值，N为邻域内未超过噪声阈值的像素点的数量。
上述进一步方案的有益效果为：在步骤A1中，本发明先将明显异常的噪声点筛选出来，再通过邻域内未超过噪声阈值的像素点的像素值去估算噪声点的像素值，在估算时充分考虑每一个未超过噪声阈值的像素点的像素值在邻域中的比重，从而精确计算异常噪声点的实际像素值，在将明显异常的噪声点去噪后，需对图像进行整体去噪。
进一步地，步骤A14包括以下分步骤：
A141、根据初步去噪的植被图像上像素值的排布，依次取同一列的几个像素值构成一组列像素组；
A142、将同列的像素值依次插入列像素组首位中，并将像素组末位的像素值移除列像素组，计算按列去噪的像素值；
A143、根据初步去噪的植被图像上像素值的排布，依次取同一行的几个像素值构成一组行像素组；
A144、将同行的像素值依次插入行像素组首位中，并将行像素组末位的像素值移除像素组，计算按行去噪的像素值；
A145、根据按列去噪的像素值与按行去噪的像素值在植被图像上的位置，对按列去噪的像素值和按行去噪的像素值进行加权，得到去噪完成的植被图像。
上述进一步方案的有益效果为：在一个像素值输入列像素组或行像素组后，会将列像素组或行像素组末位的像素值移除一个，在一个像素值输入列像素组或行像素组后，会计算得到一个去噪的像素值，该去噪的像素值即为当前列像素组或行像素组输入的像素值对应的去噪后的像素值。
植被图像本身是一个二维矩阵，通过行和列的两次计算，那么同一个位置上存在两个去噪的像素值，将两个去噪的像素值进行加权计算，则得到该位置上的最终的去噪像素值，使得最终的去噪像素值同时考虑了行和列上数据变化的规律。
进一步地，步骤A141中得到按列去噪的像素值的公式为：
其中，y0、y1、…、yi、…、yI为列像素组中依次填入初步去噪的植被图像中的像素值，yI为最新填入列像素组中像素值，居于首位，y0为当前列像素组中居于末位的像素值，y为按列计算时yI所在位置的去噪像素值，即y为按列计算时yI对应的去噪像素值。
上述进一步方案的有益效果为：根据每个像素值在列像素组中不同的占比赋予像素值不同的权重，同时考虑数据间的变换趋势，在数据变化剧烈时，去噪后像素值也能跟随原始数据的变化趋势，保留有效的技术特征。
进一步地，所述步骤A144中计算按行去噪的像素值的公式为：
其中，g0、g1、…、gi、…、gI为行像素组中依次填入初步去噪的植被图像中的像素值，gI为最新填入行像素组中像素值，居于首位，g0为当前行像素组中居于末位的像素值，g为按行计算时gI所在位置的去噪像素值，即g为按行计算时gI对应的去噪像素值。
上述进一步方案的有益效果为：根据每个像素值在行像素组中不同的占比赋予像素值不同的权重，同时考虑数据间的变换趋势，在数据变化剧烈时，去噪后像素值也能跟随原始数据的变化趋势，保留有效的技术特征。
进一步地，所述步骤A145中对按列去噪的像素值和按行去噪的像素值进行加权的公式为：
其中，X为考虑行和列方向的去噪像素值。
综上，本发明的有益效果为：
1、本发明通过温度传感器、空气湿度传感器、二氧化碳浓度传感器、土壤湿度传感器和图像传感器监控大棚内植物的生长环境和生长情况，根据生长环境和生长情况去驱动相应的动作执行模块去对大棚内生长环境进行调节，实现大棚的全自动系统。
2、本发明通过图像传感器对大棚内植物进行图像采集，从而对其进行分析，得到植被的种类和生长情况，根据植被的种类和生长情况，可得到植被需要的光照强度，从而调节光伏板驱动器的功率，使得光伏板旋转，从而导致大棚中植被的光照面积发生变化，实现对大棚内光照强度的调节。
附图说明
图1为一种基于光伏的大棚系统的光伏板阵列示意图；
图2为一种基于光伏的大棚系统的系统框图；
图3为电源模块的系统框图；
图4为光伏板稳压充电电路的电路图；
图5为线性稳压电路的电路图；
其中，1、光伏板阵列。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1～2所示，一种基于光伏的大棚系统，包括：信息采集模块、数据分析处理模块、动作执行模块、通信模块、电源模块和光伏板阵列1；
所述光伏板阵列1的输出端与电源模块的输入端连接；所述电源模块的输出端分别与信息采集模块、数据分析处理模块、动作执行模块和通信模块电连接；所述数据分析处理模块分别与信息采集模块、动作执行模块和通信模块通信连接；所述信息采集模块、数据分析处理模块、动作执行模块、通信模块和电源模块置于大棚内部；所述光伏板阵列1固定设置于大棚顶部。
信息采集模块包括：温度传感器、空气湿度传感器、二氧化碳浓度传感器、土壤湿度传感器和图像传感器；
所述动作执行模块包括：温度调节器、加湿器、二氧化碳发生器、水管喷水装置和光伏板驱动器。在本实施例中温度调节器可为加热器、空调等设备。二氧化碳发生器和水管喷水装置都设有阀门，可通过对阀门的控制，实现对二氧化碳浓度和喷水的调节。
通信模块可将当前内大棚的情况和数据传输给监控端，实现远程监控。
如图3所示，所述电源模块包括依次连接的光伏板稳压充电电路、电池和线性稳压电路。
如图4所示，光伏板稳压充电电路包括：接地电容C1、电容C2、电容C3、接地电容C4、三极管Q1、三极管Q2、三极管Q3、NMOS管VT1、NMOS管M1、接地电阻R1、电阻R2、电阻R3、电阻R4、滑动变阻器R5、接地电阻R6、电阻R7、电感L1、二极管VD1和二极管VD2；
所述NMOS管VT1的漏极分别与接地电容C1、电阻R2的一端、二极管VD1的正极和NMOS管M1的漏极连接，并作为光伏板稳压充电电路的输入端；
所述NMOS管VT1的栅极分别与NMOS管VT1的源极、三极管Q1的发射极和三极管Q2的发射极连接；所述三极管Q1的基极与滑动变阻器R5的动端连接，其集电极接地；所述三极管Q2的基极分别与电阻R2的另一端和电容C2的一端连接，其集电极分别与接地电阻R1和三极管Q3的基极连接；所述三极管Q3的集电极与电阻R4的一端连接，其发射极接地；所述NMOS管M1的栅极与电容C2的另一端连接，其源极分别与二极管VD2的负极、电容C3的一端和电感L1的一端连接；所述电容C3的另一端分别与电阻R4的另一端和电阻R3的一端连接；所述电阻R3的另一端与二极管VD1的负极连接；所述二极管VD2的正极接地；所述滑动变阻器R5的第一不动端与电阻R7的一端连接，其第二不动端与接地电阻R6连接；所述电阻R7的另一端分别与电感L1的另一端和接地电容C4连接，并作为光伏板稳压充电电路的输出端。
如图5所示，线性稳压电路包括：电阻R8、接地电阻R9、接地电容C5、接地电容C6、三极管Q4、三极管Q5、三极管Q6和二极管VD3；
所述三极管Q4的集电极分别与电阻R8的一端、三极管Q5的基极和接地电容C5连接，其基极分别与三级管Q5的发射极和接地电阻R9连接，其发射极接地；所述三极管Q6的基极与三极管Q5的集电极连接，其集电极与电阻R8的另一端连接，并作为线性稳压电路的输入端；所述三极管Q6的发射极分别与二极管VD3的正极和接地电容C6连接，并作为线性稳压电路的输出端；所述二极管VD3的负极接地。
温度传感器用于采集大棚内温度数据；
所述数据分析处理模块根据大棚内温度数据，对温度调节器的功率进行调节；
所述空气湿度传感器用于采集大棚内空气湿度数据；
所述数据分析处理模块根据大棚内空气湿度数据，对加湿器的功率进行调节；
所述二氧化碳浓度传感器用于采集大棚内二氧化碳浓度数据，对二氧化碳发生器的阀门进行调节；
所述土壤湿度传感器用于采集大棚内土壤湿度数据；
所述数据分析处理模块根据大棚内土壤湿度数据，对水管喷水装置的阀门进行调节；
所述图像传感器用于采集植被图像，所述数据分析处理模块用于对植被图像进行分析，得到植被的种类和生长情况；
所述数据分析处理模块根据植被的种类和生长情况，对光伏板驱动器施加驱动力，实现光伏板的角度调节。
数据分析处理模块用于对植被图像进行分析，得到植被的种类和生长情况包括以下步骤：
A1、对植被图像进行去噪处理，得到去噪后的植被图像；
A2、采用训练完成的卷积神经网络对去噪后的植被图像进行分类，得到植被的种类和生长情况。
步骤A1包括以下分步骤：
A11、筛选植被图像中超过噪声阈值的像素点，得到异常噪声点；
A12、根据异常噪声点邻域，计算异常噪声点的像素值；
A13、采用异常噪声点的像素值替换异常噪声点原始的像素值，得到初步去噪的植被图像；
A14、对初步去噪的植被图像按列或按行进行每列或每行的去噪，得到去噪完成的植被图像。
步骤A12中计算异常噪声点的像素值的公式为：
其中，f为异常噪声点的像素值，fn为邻域内第n个未超过噪声阈值的像素点的像素值，f1为邻域内第1个未超过噪声阈值的像素点的像素值，fN为邻域内第N个未超过噪声阈值的像素点的像素值，N为邻域内未超过噪声阈值的像素点的数量。
在步骤A1中，本发明先将明显异常的噪声点筛选出来，再通过邻域内未超过噪声阈值的像素点的像素值去估算噪声点的像素值，在估算时充分考虑每一个未超过噪声阈值的像素点的像素值在邻域中的比重，从而精确计算异常噪声点的实际像素值，在将明显异常的噪声点去噪后，需对图像进行整体去噪。
步骤A14包括以下分步骤：
A141、根据初步去噪的植被图像上像素值的排布，依次取同一列的几个像素值构成一组列像素组；
A142、将同列的像素值依次插入列像素组首位中，并将像素组末位的像素值移除列像素组，计算按列去噪的像素值；
A143、根据初步去噪的植被图像上像素值的排布，依次取同一行的几个像素值构成一组行像素组；
A144、将同行的像素值依次插入行像素组首位中，并将行像素组末位的像素值移除像素组，计算按行去噪的像素值；
A145、根据按列去噪的像素值与按行去噪的像素值在植被图像上的位置，对按列去噪的像素值和按行去噪的像素值进行加权，得到去噪完成的植被图像。
在一个像素值输入列像素组或行像素组后，会将列像素组或行像素组末位的像素值移除一个，在一个像素值输入列像素组或行像素组后，会计算得到一个去噪的像素值，该去噪的像素值即为当前列像素组或行像素组输入的像素值对应的去噪后的像素值。
植被图像本身是一个二维矩阵，通过行和列的两次计算，那么同一个位置上存在两个去噪的像素值，将两个去噪的像素值进行加权计算，则得到该位置上的最终的去噪像素值，使得最终的去噪像素值同时考虑了行和列上数据变化的规律。
初始建立的行像素组和列像素组中有几个像素值未进行去噪计算的，可直接采用原数值，由于该部分占比很小，不对整体构成影响。
步骤A141中得到按列去噪的像素值的公式为：
其中，y0、y1、…、yi、…、yI为列像素组中依次填入初步去噪的植被图像中的像素值，yI为最新填入列像素组中像素值，居于首位，y0为当前列像素组中居于末位的像素值，y为按列计算时yI所在位置的去噪像素值，即y为按列计算时yI对应的去噪像素值。
根据每个像素值在列像素组中不同的占比赋予像素值不同的权重，同时考虑数据间的变换趋势，在数据变化剧烈时，去噪后像素值也能跟随原始数据的变化趋势，保留有效的技术特征。
所述步骤A144中计算按行去噪的像素值的公式为：
其中，g0、g1、…、gi、…、gI为行像素组中依次填入初步去噪的植被图像中的像素值，gI为最新填入行像素组中像素值，居于首位，g0为当前行像素组中居于末位的像素值，g为按行计算时gI所在位置的去噪像素值，即g为按行计算时gI对应的去噪像素值。
根据每个像素值在行像素组中不同的占比赋予像素值不同的权重，同时考虑数据间的变换趋势，在数据变化剧烈时，去噪后像素值也能跟随原始数据的变化趋势，保留有效的技术特征。
步骤A145中对按列去噪的像素值和按行去噪的像素值进行加权的公式为：
其中，X为考虑行和列方向的去噪像素值。

Claims (3)

1.一种基于光伏的大棚系统，其特征在于，包括：信息采集模块、数据分析处理模块、动作执行模块、通信模块、电源模块和光伏板阵列（1）；
所述光伏板阵列（1）的输出端与电源模块的输入端连接；所述电源模块的输出端分别与信息采集模块、数据分析处理模块、动作执行模块和通信模块电连接；所述数据分析处理模块分别与信息采集模块、动作执行模块和通信模块通信连接；所述信息采集模块、数据分析处理模块、动作执行模块、通信模块和电源模块置于大棚内部；所述光伏板阵列（1）固定设置于大棚顶部；
所述信息采集模块包括：温度传感器、空气湿度传感器、二氧化碳浓度传感器、土壤湿度传感器和图像传感器；
所述动作执行模块包括：温度调节器、加湿器、二氧化碳发生器、水管喷水装置和光伏板驱动器；
所述电源模块包括依次连接的光伏板稳压充电电路、电池和线性稳压电路；
所述温度传感器用于采集大棚内温度数据；
所述数据分析处理模块根据大棚内温度数据，对温度调节器的功率进行调节；
所述空气湿度传感器用于采集大棚内空气湿度数据；
所述数据分析处理模块根据大棚内空气湿度数据，对加湿器的功率进行调节；
所述二氧化碳浓度传感器用于采集大棚内二氧化碳浓度数据，对二氧化碳发生器的阀门进行调节；
所述土壤湿度传感器用于采集大棚内土壤湿度数据；
所述数据分析处理模块根据大棚内土壤湿度数据，对水管喷水装置的阀门进行调节；
所述图像传感器用于采集植被图像，所述数据分析处理模块用于对植被图像进行分析，得到植被的种类和生长情况；
所述数据分析处理模块根据植被的种类和生长情况，对光伏板驱动器施加驱动力，实现光伏板的角度调节；
所述数据分析处理模块用于对植被图像进行分析，得到植被的种类和生长情况包括以下步骤：
A1、对植被图像进行去噪处理，得到去噪后的植被图像；
A2、采用训练完成的卷积神经网络对去噪后的植被图像进行分类，得到植被的种类和生长情况；
所述步骤A1包括以下分步骤：
A11、筛选植被图像中超过噪声阈值的像素点，得到异常噪声点；
A12、根据异常噪声点邻域，计算异常噪声点的像素值；
A13、采用异常噪声点的像素值替换异常噪声点原始的像素值，得到初步去噪的植被图像；
A14、对初步去噪的植被图像按列或按行进行每列或每行的去噪，得到去噪完成的植被图像；
所述步骤A12中计算异常噪声点的像素值的公式为：
其中，为异常噪声点的像素值，/>为邻域内第/>个未超过噪声阈值的像素点的像素值，/>为邻域内第1个未超过噪声阈值的像素点的像素值，/>为邻域内第/>个未超过噪声阈值的像素点的像素值，/>为邻域内未超过噪声阈值的像素点的数量；
所述步骤A14包括以下分步骤：
A141、根据初步去噪的植被图像上像素值的排布，依次取同一列的几个像素值构成一组列像素组；
A142、将同列的像素值依次插入列像素组首位中，并将像素组末位的像素值移除列像素组，计算按列去噪的像素值；
A143、根据初步去噪的植被图像上像素值的排布，依次取同一行的几个像素值构成一组行像素组；
A144、将同行的像素值依次插入行像素组首位中，并将行像素组末位的像素值移除像素组，计算按行去噪的像素值；
A145、根据按列去噪的像素值与按行去噪的像素值在植被图像上的位置，对按列去噪的像素值和按行去噪的像素值进行加权，得到去噪完成的植被图像；
所述步骤A141中得到按列去噪的像素值的公式为：
其中，、/>、…、/>、…、/>为列像素组中依次填入初步去噪的植被图像中的像素值，/>为最新填入列像素组中像素值，居于首位，/>为当前列像素组中居于末位的像素值，/>为按列计算时/>所在位置的去噪像素值，即/>为按列计算时/>对应的去噪像素值；
所述步骤A144中计算按行去噪的像素值的公式为：
其中，、/>、…、/>、…、/>为行像素组中依次填入初步去噪的植被图像中的像素值，为最新填入行像素组中像素值，居于首位，/>为当前行像素组中居于末位的像素值，/>为按行计算时/>所在位置的去噪像素值，即/>为按行计算时/>对应的去噪像素值，/>为列像素组或行像素组的长度；
所述步骤A145中对按列去噪的像素值和按行去噪的像素值进行加权的公式为：
其中，为考虑行和列方向的去噪像素值。
2.根据权利要求1所述的基于光伏的大棚系统，其特征在于，所述光伏板稳压充电电路包括：接地电容C1、电容C2、电容C3、接地电容C4、三极管Q1、三极管Q2、三极管Q3、NMOS管VT1、NMOS管M1、接地电阻R1、电阻R2、电阻R3、电阻R4、滑动变阻器R5、接地电阻R6、电阻R7、电感L1、二极管VD1和二极管VD2；
所述NMOS管VT1的漏极分别与接地电容C1、电阻R2的一端、二极管VD1的正极和NMOS管M1的漏极连接，并作为光伏板稳压充电电路的输入端；
所述NMOS管VT1的栅极分别与NMOS管VT1的源极、三极管Q1的发射极和三极管Q2的发射极连接；所述三极管Q1的基极与滑动变阻器R5的动端连接，其集电极接地；所述三极管Q2的基极分别与电阻R2的另一端和电容C2的一端连接，其集电极分别与接地电阻R1和三极管Q3的基极连接；所述三极管Q3的集电极与电阻R4的一端连接，其发射极接地；所述NMOS管M1的栅极与电容C2的另一端连接，其源极分别与二极管VD2的负极、电容C3的一端和电感L1的一端连接；所述电容C3的另一端分别与电阻R4的另一端和电阻R3的一端连接；所述电阻R3的另一端与二极管VD1的负极连接；所述二极管VD2的正极接地；所述滑动变阻器R5的第一不动端与电阻R7的一端连接，其第二不动端与接地电阻R6连接；所述电阻R7的另一端分别与电感L1的另一端和接地电容C4连接，并作为光伏板稳压充电电路的输出端。
3.根据权利要求1所述的基于光伏的大棚系统，其特征在于，所述线性稳压电路包括：电阻R8、接地电阻R9、接地电容C5、接地电容C6、三极管Q4、三极管Q5、三极管Q6和二极管VD3；
所述三极管Q4的集电极分别与电阻R8的一端、三极管Q5的基极和接地电容C5连接，其基极分别与三级管Q5的发射极和接地电阻R9连接，其发射极接地；所述三极管Q6的基极与三极管Q5的集电极连接，其集电极与电阻R8的另一端连接，并作为线性稳压电路的输入端；所述三极管Q6的发射极分别与二极管VD3的正极和接地电容C6连接，并作为线性稳压电路的输出端；所述二极管VD3的负极接地。
CN202210134776.7A 2022-02-14 2022-02-14 一种基于光伏的大棚系统 Active CN114451180B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210134776.7A CN114451180B (zh) 2022-02-14 2022-02-14 一种基于光伏的大棚系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210134776.7A CN114451180B (zh) 2022-02-14 2022-02-14 一种基于光伏的大棚系统

Publications (2)

Publication Number Publication Date
CN114451180A CN114451180A (zh) 2022-05-10
CN114451180B true CN114451180B (zh) 2023-12-12

Family

ID=81413689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210134776.7A Active CN114451180B (zh) 2022-02-14 2022-02-14 一种基于光伏的大棚系统

Country Status (1)

Country Link
CN (1) CN114451180B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204945843U (zh) * 2015-08-04 2016-01-06 安阳师范学院 光伏温棚监控系统
CN107179795A (zh) * 2017-06-30 2017-09-19 合肥慧明瀚生态农业科技有限公司 一种无线通信光伏节能农业温室大棚综合管控系统
CN107239514A (zh) * 2017-05-19 2017-10-10 邓昌顺 一种基于卷积神经网络的植物识别方法及系统
CN107836249A (zh) * 2017-12-25 2018-03-27 滨州学院 一种温室大棚智能控制系统及控制方法
CN108627189A (zh) * 2018-06-19 2018-10-09 徐州佳联农业发展有限公司 一种用于农业温室大棚的监控装置
CN108919754A (zh) * 2018-06-21 2018-11-30 马鞍山中粮生物化学有限公司 一种智能大棚实时监控系统及监控方法
CN109711448A (zh) * 2018-12-19 2019-05-03 华东理工大学 基于判别关键域和深度学习的植物图像细粒度分类方法
CN112514779A (zh) * 2020-12-09 2021-03-19 广州大学华软软件学院 一种智能灌溉系统
CN112766427A (zh) * 2021-04-06 2021-05-07 浙江口碑网络技术有限公司 图像识别模型的训练方法、装置及设备
CN113570507A (zh) * 2020-04-29 2021-10-29 浙江宇视科技有限公司 一种图像降噪方法、装置、设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204945843U (zh) * 2015-08-04 2016-01-06 安阳师范学院 光伏温棚监控系统
CN107239514A (zh) * 2017-05-19 2017-10-10 邓昌顺 一种基于卷积神经网络的植物识别方法及系统
CN107179795A (zh) * 2017-06-30 2017-09-19 合肥慧明瀚生态农业科技有限公司 一种无线通信光伏节能农业温室大棚综合管控系统
CN107836249A (zh) * 2017-12-25 2018-03-27 滨州学院 一种温室大棚智能控制系统及控制方法
CN108627189A (zh) * 2018-06-19 2018-10-09 徐州佳联农业发展有限公司 一种用于农业温室大棚的监控装置
CN108919754A (zh) * 2018-06-21 2018-11-30 马鞍山中粮生物化学有限公司 一种智能大棚实时监控系统及监控方法
CN109711448A (zh) * 2018-12-19 2019-05-03 华东理工大学 基于判别关键域和深度学习的植物图像细粒度分类方法
CN113570507A (zh) * 2020-04-29 2021-10-29 浙江宇视科技有限公司 一种图像降噪方法、装置、设备及存储介质
CN112514779A (zh) * 2020-12-09 2021-03-19 广州大学华软软件学院 一种智能灌溉系统
CN112766427A (zh) * 2021-04-06 2021-05-07 浙江口碑网络技术有限公司 图像识别模型的训练方法、装置及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
葛致磊等编著.导弹导引系统原理.北京：国防工业出版社,2016,(第1版),第117页倒数第1段-第118页倒数第2段. *

Also Published As

Publication number Publication date
CN114451180A (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
US11190131B2 (en) Method and system for power prediction of photovoltaic power station based on operating data of grid-connected inverters
WO2011089999A1 (ja) 太陽光発電システムの診断方法、診断装置、および診断プログラム
CN104821152A (zh) 补偿amoled电压降的方法及系统
CN105931600A (zh) Amoled显示器件及其补偿方法
CN116755376B (zh) 一种基于农业物联网的监控方法及系统
CN105845083A (zh) 用于发光器件显示器中的不均匀性的补偿的系统和方法
CN106485002B (zh) 在复杂地形气候区域估算甘蔗潜在产量的方法
CN105136308A (zh) 一种红外焦平面阵列变积分时间下的自适应校正方法
CN114451180B (zh) 一种基于光伏的大棚系统
WO2012001991A1 (ja) 表示装置およびその駆動方法
CN112801332B (zh) 一种基于灰度共生矩阵的短期风速预测方法
CN112232532A (zh) 基于视觉感知的光伏电池板夜间清洁方案自动生成方法
CN104424890B (zh) 有机el显示装置
CN116797944A (zh) 一种基于无人机图像识别光伏面板清洁度的检测方法及系统
CN116108318A (zh) 基于无人机多光谱影像的油菜氮肥推荐追施量计算的方法
CN109738973B (zh) 一种基于太阳方位的全天空成像仪标定方法
CN114472424A (zh) 一种光伏清扫机器人的智能调控方法及系统
Al-Hilfi et al. Estimating generated power of photovoltaic systems during cloudy days using gene expression programming
CN101739956B (zh) 显示装置
DE112020004421T5 (de) Überwachungs-/steuerungssystem für eine photovoltaische erzeugungsstätte
CN106768385A (zh) 一种探测器非均匀性退化修复方法
CN113141930B (zh) 基于物联网的农业环境模拟系统
CN107203150B (zh) 基于红外半实物仿真系统的非均匀性校正方法
CN105574853A (zh) 一种基于图像识别的麦穗粒数计算的方法及系统
WO2023019536A1 (zh) 基于深度强化学习的光伏组件智能追日方法

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