CN115203979A - 一种生物环境仿真模拟控制方法和系统 - Google Patents
一种生物环境仿真模拟控制方法和系统 Download PDFInfo
- Publication number
- CN115203979A CN115203979A CN202211091664.4A CN202211091664A CN115203979A CN 115203979 A CN115203979 A CN 115203979A CN 202211091664 A CN202211091664 A CN 202211091664A CN 115203979 A CN115203979 A CN 115203979A
- Authority
- CN
- China
- Prior art keywords
- data
- environment
- growth environment
- environment data
- real
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000012010 growth Effects 0.000 claims abstract description 140
- 238000013499 data model Methods 0.000 claims abstract description 72
- 239000002689 soil Substances 0.000 claims description 38
- 238000005286 illumination Methods 0.000 claims description 15
- 238000012417 linear regression Methods 0.000 claims description 13
- 230000003750 conditioning effect Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000004378 air conditioning Methods 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 241000196324 Embryophyta Species 0.000 description 57
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 36
- 238000006243 chemical reaction Methods 0.000 description 24
- 239000001569 carbon dioxide Substances 0.000 description 18
- 229910002092 carbon dioxide Inorganic materials 0.000 description 18
- 230000007613 environmental effect Effects 0.000 description 18
- 238000012545 processing Methods 0.000 description 18
- KRKNYBCHXYNGOX-UHFFFAOYSA-N citric acid group Chemical group C(CC(O)(C(=O)O)CC(=O)O)(=O)O KRKNYBCHXYNGOX-UHFFFAOYSA-N 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 11
- 239000007789 gas Substances 0.000 description 8
- 239000000463 material Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008635 plant growth Effects 0.000 description 5
- UIIMBOGNXHQVGW-UHFFFAOYSA-M Sodium bicarbonate Chemical group [Na+].OC([O-])=O UIIMBOGNXHQVGW-UHFFFAOYSA-M 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000004161 plant tissue culture Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 241000219112 Cucumis Species 0.000 description 2
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010979 pH adjustment Methods 0.000 description 2
- 239000003380 propellant Substances 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 229910000030 sodium bicarbonate Inorganic materials 0.000 description 2
- 235000017557 sodium bicarbonate Nutrition 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- WZLMXYBCAZZIRQ-UHFFFAOYSA-N [N].[P].[K] Chemical compound [N].[P].[K] WZLMXYBCAZZIRQ-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Mining & Mineral Resources (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Cultivation Of Plants (AREA)
Abstract
本说明书实施例提供一种生物环境仿真模拟控制方法和系统,属于植物培育领域,其中,该系统包括环境数据获取端,用于获取待培育植物的真实生长环境数据;模型建立端,用于基于环境数据获取端获取的真实生长环境数据建立数据模型;环境仿真端,用于基于环境数据获取端获取的真实生长环境数据和/或数据模型建立模拟生长环境,还用于基于模拟生长环境培育待培育植物,具有模拟真实的生长环境,提高植物培育效果的优点。
Description
技术领域
本说明书涉及植物培育领域,特别涉及一种生物环境仿真模拟控制方法和系统。
背景技术
我国是农业大国,设施农业发展迅速,温室种植已成为农村新的经济增长点,是解决“三农”问题重要举措之一,也是实现农村城镇化、农业产业化的必然需要。而植物组培是设施农业产业链中的重要节点。目前,我国已经成为全球规模最大的组培苗生产基地和出口基地,并成为最大的组培苗消费市场。据2005年农业部统计,组培实验室和组培工厂的面积为100万m2,约有1万多家。据估计,植物组培苗的贸易额约占总额的10%,即150亿美元,并以每年15%速度递增。伴随着传感技术、单片机技术、无线传输、物联网等技术的发展,利用新技术、新材料和新能源对其光照、温湿度、CO2浓度等环境信息进行实时、精细、智能、远程监测,提高控制精确度,降低生产能耗、提高效率,人为地创造适宜植物组培的最佳环境,实现高质、高产,已成为科学工作者竞相研究的热点。
因此,需要提供一种生物环境仿真模拟控制方法和系统,用于模拟真实的生长环境,提高植物培育效果。
发明内容
本说明书实施例之一提供一种生物环境仿真模拟控制系统,包括:环境数据获取端,用于获取待培育植物的真实生长环境数据;模型建立端,用于基于所述环境数据获取端获取的真实生长环境数据建立数据模型;环境仿真端,用于基于所述环境数据获取端获取的真实生长环境数据和/或所述数据模型建立模拟生长环境,还用于基于所述模拟生长环境培育所述待培育植物。
在一些实施例中,所述真实生长环境数据至少包括所述待培育植物所在的真实生长环境的多个生长时间点的土壤相关信息、大气环境信息、光照信息、天气信息及生物信息。
在一些实施例中,所述获取待培育植物的真实生长环境数据,包括:通过用户终端和/或数据采集装置获取所述待培育植物的真实生长环境数据。
在一些实施例中,所述模型建立端还用于:剔除所述真实生长环境数据中异常数据,获取有效生长环境数据;基于所述有效生长环境数据建立数据模型。
在一些实施例中,所述有效生长环境数据包括第一层生长环境数据及第二层生长环境数据,所述第一层生长环境数据至少包括所述待培育植物所在的真实生长环境的多个生长时间点的土壤相关信息、大气环境信息及光照信息,所述第二层生长环境数据至少包括天气信息及生物信息;所述模型建立端还用于:对所述第一层生长环境数据进行线性拟合,建立第二数据模型。
在一些实施例中,所述模型建立端还用于:对所述第二数据模型进行数据抽取,建立第三数据模型。
在一些实施例中,所述模型建立端还用于:基于所述第二层生长环境数据及所述第三数据模型进行线性拟合,建立第四数据模型。
在一些实施例中,所述环境仿真端包括植物培养室及环境仿真设备;所述植物培养室至少包括仿真种植箱、种植大棚或露天种植地;所述环境仿真设备安装在所述植物培养室内,所述环境仿真设备用于基于所述环境数据获取端获取的真实生长环境数据和/或所述数据模型建立模拟生长环境。
在一些实施例中,所述环境仿真设备至少包括控制器、土壤调节装置、空气调整装置及光照调整装置;所述控制器用于基于所述环境数据获取端获取的真实生长环境数据和/或所述数据模型控制所述土壤调节装置、所述空气调整装置及所述光照调整装置建立模拟生长环境。
本说明书实施例之一提供一种生物环境仿真模拟控制方法,包括:获取待培育植物的真实生长环境数据;基于所述环境数据获取端获取的真实生长环境数据建立数据模型;基于所述环境数据获取端获取的真实生长环境数据和/或所述数据模型建立模拟生长环境;基于所述模拟生长环境培育所述待培育植物。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的一种生物环境仿真模拟控制系统的结构示意图;
图2是根据本说明书一些实施例所示的一种生物环境仿真模拟控制方法的示例性流程图;
图中,110、处理设备;120、网络;130、用户终端;140、存储设备;150、环境数据获取端;160、环境仿真端。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本申请一些实施例所示的一种生物环境仿真模拟控制系统的示意图。
如图1所示,生物环境仿真模拟控制系统可以包括处理设备110、网络120、用户终端130、存储设备140、环境数据获取端150及环境仿真端160。
环境数据获取端150可以为用于获取待培育植物的真实生长环境数据的设备。其中,真实生长环境可以指待培育植物在自然环境下的环境数据。环境数据获取端150可以在待培育植物在自然环境下的生长的过程中,在多个时间点获取真实生长环境数据。
在一些实施例中,真实生长环境数据至少包括待培育植物所在的真实生长环境的多个生长时间点的土壤相关信息、大气环境信息、光照信息、天气信息及生物信息。其中,土壤相关信息可以包括与土壤成分相关的信息,例如,土壤温度、土壤湿度、土壤pH、土壤氮磷钾含量等;大气环境信息可以包括与空气成分相关的信息,例如,空气湿度、空气温度、二氧化碳浓度等;光照信息可以为与光照相关的信息,例如,光照时长、光线成分、光线强度等;天气信息可以与天气相关的信息,例如,风速、降雨量等;生物信息可以为待培育植物所在自然环境中的动物、植物、微生物相关的信息。
对应的,环境数据获取端150可以由多个传感器(如图1所示,传感器A、传感器B及传感器N等)组成。仅作为示例地,环境数据获取端150可以包括土壤温度传感器、土壤湿度传感器、土壤pH传感器、土壤氮磷钾传感器、光强度传感器、空气温度传感器、空气湿度传感器、光照传感器、二氧化碳浓度传感器等。环境数据获取端150还可以包括图像获取装置,图像获取装置用于获取待培育植物的真实生长环境的图像,环境数据获取端150可以对图像获取装置获取的图像进行图像识别,获取真实生长环境数据(例如,生物信息)。图像识别可以包括:对图像获取装置获取的图像进行预处理,消除图像信息无关的信息,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据;对预处理后的图像进行特征提取,可以基于方向梯度直方图(HOG)特征、局部二值模式(LBP)特征、Haar-like特征等算法提取获取真实生长环境数据(例如,生物信息、天气情况等)。
在一些实施例中,处理设备110可以包括模型建立端,模型建立端可以处理生物环境仿真模拟控制系统中的信息或数据。例如,模型建立端可以基于环境数据获取端150获取的真实生长环境数据建立数据模型。
数据模型可以表征生长环境与植物的生长状态的对应关系。可以理解的,植物存在多个生长阶段(例如,幼苗期、缓苗期、生长旺盛期、开花期及休眠期),不同的生长阶段期望的生长状态不同,在真实的生长环境数据中,随着时间的推移,处于不同时间点的待培育植物对应的真实生长环境数据不同。
在一些实施例中,模型建立端可以对获取的多个时间点的真实生长环境数据和该多个时间点对应的待培育植物的生长状态进行拟合,例如,线性回归拟合、非线性回归拟合、指数拟合或对数拟合等,以获取生长环境与植物的生长时间点的对应关系。具体的,模型建立端可以先基于SPSS软件根据获取的多个时间点的真实生长环境数据和该多个时间点对应的待培育植物的生长状态建立散点图,通过多种曲线拟合形式(例如,线性回归拟合、非线性回归拟合、指数拟合或对数拟合等),获取多条候选拟合曲线,从多条候选拟合曲线选择与散点图最吻合的候选拟合曲线作为目标拟合曲线,根据该目标拟合曲线确定数据模型。
在一些实施例中,在建立数据模型之前,模型建立端可以剔除真实生长环境数据中异常数据,获取有效生长环境数据,再基于有效生长环境数据建立数据模型。在一些实施例中,模型建立端可以通过设置阈值剔除真实生长环境数据中异常数据。具体的,当真实生长环境数据超过对应的阈值时,该真实生长环境数据为异常数据。例如,真实生长环境数据中土壤pH为8,大于阈值7,即判断采集的该土壤pH为异常数据。可以理解的,不同时间点采集的真实生长环境数据对应的阈值可以不同。例如,在春季采集的空气温度对应的阈值小于在夏季采集的空气温度对应的阈值。
在一些实施例中,通过在建立数据模型之前,模型建立端可以剔除真实生长环境数据中异常数据,获取有效生长环境数据,再基于有效生长环境数据建立数据模型,可以使得建立的数据模型更加准确。
在一些实施例中,有效生长环境数据包括第一层生长环境数据及第二层生长环境数据,第一层生长环境数据至少包括待培育植物所在的真实生长环境的多个生长时间点的土壤相关信息、大气环境信息及光照信息,第二层生长环境数据至少包括天气信息及生物信息。模型建立端可以对第一层生长环境数据进行拟合,例如,线性回归拟合、非线性回归拟合、指数拟合或对数拟合等,建立第二数据模型。其中,第二数据模型可以表征待培育植物在不同的生长时间点与第一层生长环境数据的对应关系。建立第二数据模型的方式与建立数据模型的方式相似,关于建立第二数据模型的更多描述可以参见建立数据模型的相关描述,此处不再赘述。
在一些实施例中,第二数据模型可以为多元线性回归模型,其中,该多元线性回归模型的自变量为环境数据(例如,土壤相关信息、大气环境信息、光照信息、天气信息及生物信息等),该多元线性回归模型的因变量为植物生长状态。建立第二数据模型的具体过程可以为:先建立初始多元线性回归模型,获取待培育植物在多个时间点的真实生长环境数据及生长状态,基于待培育植物在多个时间点的真实生长环境数据及生长状态对初始多元线性回归模型进行求解,确定多元线性回归模型的参数,从而确定第二数据模型。
在一些实施例中,模型建立端还可以用于对第二数据模型进行数据抽取,建立第三数据模型。例如,对于每五组真实生长环境数据,可以只保留两组真实生长环境数据,基于保留的真实生长环境数据建立第三数据模型,以减少数据量。
在一些实施例中,模型建立端还可以对不同的植物的生长时间点对应的第一层生长环境数据及第二层生长环境数据进行拟合,例如,线性回归拟合、非线性回归拟合、指数拟合或对数拟合等,建立第四数据模型。其中,第四数据模型可以表征待培育植物在不同的生长时间点与第一层生长环境数据级第二层生长环境数据的对应关系。建立第四数据模型的方式与建立数据模型的方式相似,关于建立第四数据模型的更多描述可以参见建立数据模型的相关描述,此处不再赘述。
在一些实施例中,通过对不同的植物的生长时间点对应的第一层生长环境数据及第二层生长环境数据进行拟合,建立第四数据模型,在第二数据模型的基础上拟合了更多维的生长环境数据,使得第四数据模型更加符合待培育植物的实际生长场景。
在一些实施例中,处理设备110可以是区域的或者远程的。例如,处理设备110可以通过网络120访问存储于用户终端130和存储设备140中的信息和/或资料。在一些实施例中,处理设备110可以直接与用户终端130和存储设备140连接以访问存储于其中的信息和/或资料。在一些实施例中,处理设备110可以在云平台上执行。例如,该云平台可以包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。在一些实施例中,处理设备110可以包含处理器,处理器可以包含一个或多个子处理器(例如,单芯处理设备或多核多芯处理设备)。仅仅作为范例,处理器可包含中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
网络120可促进生物环境仿真模拟控制系统中数据和/或信息的交换。在一些实施例中,生物环境仿真模拟控制系统中的一个或多个组件(例如,处理设备110、用户终端130、存储设备140、环境数据获取端150及环境仿真端160)可以通过网络120发送数据和/或信息给生物环境仿真模拟控制系统中的其他组件。在一些实施例中,网络120可以是任意类型的有线或无线网络。例如,网络120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络(LAN)、广域网络(WAN)、无线区域网络(WLAN)、都会区域网络(MAN)、公共电话交换网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或以上任意组合。
用户终端130可以获取生物环境仿真模拟控制系统中的信息或数据,用户(例如,生物环境仿真模拟控制系统的使用者)可以是用户终端130的使用者。例如,用户终端130可以通过网络120发送控制指令处理设备110,处理设备110可以根据该控制指令通过基于环境数据获取端150获取的真实生长环境数据建立数据模型。在一些实施例中,用户终端130可以包括移动装置、平板电脑、笔记本电脑等中的一种或其任意组合。在一些实施例中,移动装置可以包括可穿戴装置、智能行动装置、虚拟实境装置、增强实境装置等或其任意组合。
在一些实施例中,存储设备140可以与网络120连接以实现与生物环境仿真模拟控制系统的一个或多个组件(例如,处理设备110、用户终端130、环境数据获取端150及环境仿真端160等)通讯。生物环境仿真模拟控制系统的一个或多个组件可以通过网络120访问存储于存储设备140中的资料或指令。在一些实施例中,存储设备140可以直接与生物环境仿真模拟控制系统中的一个或多个组件(例如,处理设备110、用户终端130、环境数据获取端150及环境仿真端160等)连接或通讯。在一些实施例中,存储设备140可以是处理设备110的一部分。
环境仿真端160可以为基于环境数据获取端150获取的真实生长环境数据和/或数据模型建立模拟生长环境,培育待培育植物的设备。在一些实施例中,环境仿真端160包括植物培养室及环境仿真设备;植物培养室至少包括仿真种植箱、种植大棚或露天种植地;环境仿真设备安装在植物培养室内,环境仿真设备用于基于环境数据获取端150获取的真实生长环境数据和/或数据模型建立模拟生长环境。
在一些实施例中,环境仿真端160可以直接基于环境数据获取端150实时获取的真实生长环境数据,控制环境仿真设备模拟真实生长环境数据,提供给植物培养室内的待培育植物与真实生长环境相似的环境。
在一些实施例中,环境仿真端160可以根据数据模型(例如,第二数据模型、第三数据模型或第四数据模型),获取植物培养室内的待培育植物期望的生长状态对应的生长环境,控制环境仿真设备模拟该生长环境,提供给植物培养室内的待培育植物与该生长环境相似的环境。
在一些实施例中,环境仿真设备至少包括控制器、土壤调节装置、空气调整装置及光照调整装置。控制器用于基于环境数据获取端150获取的真实生长环境数据和/或数据模型控制土壤调节装置、空气调整装置及光照调整装置建立模拟生长环境。
控制器是用于控制土壤调节装置、空气调整装置及光照调整装置调整植物培养室内的生长环境的设备。控制器可包含中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
土壤调节装置可以为用于对植物培养室内的土壤进行调整的设备。在一些实施例中,土壤调节装置可以包括用于对土壤的pH值进行调整的土壤pH值调整组件、用于对土壤的湿度进行调整和降温的土壤加湿组件、用于对土壤进行升温的土壤加热组件、用于调整土壤中土壤氮磷钾含量的加肥组件等。
空气调整装置可以为用于对植物培养室内的空气进行调整的设备。在一些实施例中,空气调节装置可以包括用于对空气的pH值进行调整的空气pH值调整组件、用于对空气的湿度进行调整和降温的空气加湿组件、用于对空气进行升温的空气加热组件、用于调整空气中二氧化碳含量的二氧化碳含量调整组件等。
在一些实施例中,二氧化碳含量调整组件可以包括:二氧化碳发生器、传输管道、通气件和气体流速调节阀。传输管道的一端连接二氧化碳发生器,另一端可与通气件连通,二氧化碳发生器可以设置植物培养室内或外,通气件可以设置在植物培养室内。传输管道可以为柔性管道,便于灵活调整二氧化碳发生器的位置,并防止传输管道损坏,通气件可以进气端和多个出气端。通气件的进气端与上述传输管道的另一端连接,多个出气端分别安装在植物培养室内不同位置。作为优选,多个出气端可以设于植物培养室的顶部。气体流速调节阀设于传输管道上,可以用于调节传输管道中传输的二氧化碳气体的气流大小,从而控制植物培养室内的二氧化碳浓度。
其中一个实施例中,二氧化碳发生器包括分别容纳不同发生剂的第一反应室和第二反应室。其中,第一反应室与第二反应室连通,通过将第一反应室内的发生剂导入第二反应室内并与第二反应室内的发生剂反应以生成二氧化碳。第二反应室与传输管道连通,以将生产的二氧化碳经传输管道输送给植物培养室。
在一些实施例中,第一反应室内容纳的发生剂为柠檬酸溶液,第二反应室内容纳的发生剂为碳酸氢钠溶液。第一反应室内的柠檬酸溶液导入第二反应室内的碳酸氢钠溶液中并开始反应生成二氧化碳。
在一些实施例中,第一反应室与第二反应室经有吸管连通,吸管一端插入第一反应室内的发生剂、另一端悬于第二反应室的发生剂上方。在第二反应室中产生初始的二氧化碳气体会导致第二反应室压力增强,随后二氧化碳气体会通过导管从第二反应室进入第一反应室,从而导致第一反应室中的气压随之增大,直至第一反应室中如柠檬酸溶液上方的气压将柠檬酸溶液再次通过吸管压入第二反应室中,如此形成循环的化学反应,持续供应二氧化碳。
光照调整装置可以为用于对植物培养室内的光照进行调整的设备。在一些实施例中,土壤调节装置可以包括LED阵列,LED阵列至少包括蓝色LED单元、绿色LED单元、红外LED单元、紫外LED单元及红色LED单元,其中,蓝色LED单元、红外LED单元及紫外LED单元围绕绿色LED单元排布,红色LED单元位于排布的最外侧。在一些实施例中,蓝色LED单元、绿色LED单元、红外LED单元、紫外LED单元及红色LED单元的比例为1:2:1:1:8。排布原则为绿色在中间,其余颜色围绕绿色后在最外侧补充剩余的四个红色。LED阵列通过设置LED单元、绿色LED单元、红色LED单元、紫色LED单元和红色LED单元,可以模拟真实生长环境数据调整照射至待培育植物的光线的成分及强度。
可以理解的,生物环境仿真模拟控制系统,通过环境数据获取端150获取待培育植物的真实生长环境数据,通过模型建立端基于环境数据获取端150获取的真实生长环境数据建立数据模型,并通过环境仿真端160基于环境数据获取端150获取的真实生长环境数据和/或数据模型建立模拟生长环境,基于模拟生长环境培育待培育植物,实现模拟真实的生长环境,提高植物培育效果。例如,环境数据获取端150获取新疆哈密瓜的沙漠的环境,通过环境仿真端160模拟新疆沙漠的环境,在模拟环境中种植哈密瓜。
应该注意的是,上述描述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域普通技术人员而言,在本申请内容的指导下,可做出多种变化和修改。可以以各种方式组合本申请描述的示例性的实施例的特征、结构、方法和其他特征,以获得另外的和/或替代的示例性的实施例。例如,存储设备140可以是包括云计算平台的数据存储设备,例如公共云、私有云、社区云和混合云等。然而,这些变化与修改不会背离本申请的范围。
应当理解,图1所示的系统及其模块可以利用各种方式来实现。需要注意的是,以上对于生物环境仿真模拟控制系统的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。
图2是根据本说明书一些实施例所示的一种生物环境仿真模拟控制方法的示例性流程图。在一些实施例中,生物环境仿真模拟控制方法可以由生物环境仿真模拟控制系统执行。如图2所示,生物环境仿真模拟控制方法可以包括如下步骤。
步骤210,获取待培育植物的真实生长环境数据。
步骤220,基于环境数据获取端150获取的真实生长环境数据建立数据模型。
步骤230,基于环境数据获取端150获取的真实生长环境数据和/或数据模型建立模拟生长环境。
步骤240,基于模拟生长环境培育待培育植物。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种生物环境仿真模拟控制系统,其特征在于,包括:
环境数据获取端,用于获取待培育植物的真实生长环境数据,其中,所述环境数据获取端包括多个传感器及图像采集装置,所述图像获取装置用于获取待培育植物的真实生长环境的图像,对图像获取装置获取的图像进行图像识别,基于方向梯度直方图(HOG)特征、局部二值模式(LBP)特征或Haar-like特征从所述待培育植物的真实生长环境的图像提取生物信息及天气情况,其中,所述真实生长环境数据包括所述生物信息及天气情况;
模型建立端,用于基于所述环境数据获取端获取的真实生长环境数据建立数据模型;
环境仿真端,用于基于所述环境数据获取端获取的真实生长环境数据和/或所述数据模型建立模拟生长环境,还用于基于所述模拟生长环境培育所述待培育植物;
所述模型建立端基于所述环境数据获取端获取的真实生长环境数据建立数据模型,包括:
先基于SPSS软件根据获取的多个时间点的真实生长环境数据和该多个时间点对应的待培育植物的生长状态建立散点图,通过多种曲线拟合形式,获取多条候选拟合曲线,从多条候选拟合曲线选择与散点图最吻合的候选拟合曲线作为目标拟合曲线,根据该目标拟合曲线确定数据模型,其中,所述多种曲线拟合形式包括线性回归拟合、非线性回归拟合、指数拟合或对数拟合。
2.如权利要求1所述的生物环境仿真模拟控制系统,其特征在于,所述真实生长环境数据至少包括所述待培育植物所在的真实生长环境的多个生长时间点的土壤相关信息、大气环境信息、光照信息、天气信息及生物信息。
3.如权利要求1所述的生物环境仿真模拟控制系统,其特征在于,所述获取待培育植物的真实生长环境数据,包括:
通过用户终端和/或数据采集装置获取所述待培育植物的真实生长环境数据。
4.如权利要求1所述的生物环境仿真模拟控制系统,其特征在于,所述模型建立端还用于:
剔除所述真实生长环境数据中异常数据,获取有效生长环境数据;
基于所述有效生长环境数据建立数据模型。
5.如权利要求4所述的生物环境仿真模拟控制系统,其特征在于,所述有效生长环境数据包括第一层生长环境数据及第二层生长环境数据,所述第一层生长环境数据至少包括所述待培育植物所在的真实生长环境的多个生长时间点的土壤相关信息、大气环境信息及光照信息,所述第二层生长环境数据至少包括天气信息及生物信息;
所述模型建立端还用于:
对所述第一层生长环境数据进行线性拟合,建立第二数据模型。
6.如权利要求5所述的生物环境仿真模拟控制系统,其特征在于,所述模型建立端还用于:
对所述第二数据模型进行数据抽取,建立第三数据模型。
7.如权利要求6所述的生物环境仿真模拟控制系统,其特征在于,所述模型建立端还用于:
基于所述第二层生长环境数据及所述第三数据模型进行线性拟合,建立第四数据模型。
8.如权利要求1-7任意一项所述的生物环境仿真模拟控制系统,其特征在于,所述环境仿真端包括植物培养室及环境仿真设备;
所述植物培养室至少包括仿真种植箱、种植大棚或露天种植地;
所述环境仿真设备安装在所述植物培养室内,所述环境仿真设备用于基于所述环境数据获取端获取的真实生长环境数据和/或所述数据模型建立模拟生长环境。
9.如权利要求8所述的生物环境仿真模拟控制系统,其特征在于,所述环境仿真设备至少包括控制器、土壤调节装置、空气调整装置及光照调整装置;
所述控制器用于基于所述环境数据获取端获取的真实生长环境数据和/或所述数据模型控制所述土壤调节装置、所述空气调整装置及所述光照调整装置建立模拟生长环境。
10.一种生物环境仿真模拟控制方法,其特征在于,包括:
获取待培育植物的真实生长环境数据,包括:通过多个传感器及图像采集装置获取所述待培育植物的真实生长环境数据,所述图像获取装置用于获取待培育植物的真实生长环境的图像,对图像获取装置获取的图像进行图像识别,基于方向梯度直方图(HOG)特征、局部二值模式(LBP)特征或Haar-like特征从所述待培育植物的真实生长环境的图像提取生物信息及天气情况,其中,所述真实生长环境数据包括所述生物信息及天气情况;
基于所述环境数据获取端获取的真实生长环境数据建立数据模型,包括:
先基于SPSS软件根据获取的多个时间点的真实生长环境数据和该多个时间点对应的待培育植物的生长状态建立散点图,通过多种曲线拟合形式,获取多条候选拟合曲线,从多条候选拟合曲线选择与散点图最吻合的候选拟合曲线作为目标拟合曲线,根据该目标拟合曲线确定数据模型,其中,所述多种曲线拟合形式包括线性回归拟合、非线性回归拟合、指数拟合或对数拟合;
基于所述环境数据获取端获取的真实生长环境数据和/或所述数据模型建立模拟生长环境;
基于所述模拟生长环境培育所述待培育植物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211091664.4A CN115203979A (zh) | 2022-09-07 | 2022-09-07 | 一种生物环境仿真模拟控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211091664.4A CN115203979A (zh) | 2022-09-07 | 2022-09-07 | 一种生物环境仿真模拟控制方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115203979A true CN115203979A (zh) | 2022-10-18 |
Family
ID=83572767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211091664.4A Pending CN115203979A (zh) | 2022-09-07 | 2022-09-07 | 一种生物环境仿真模拟控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115203979A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116306027A (zh) * | 2023-05-16 | 2023-06-23 | 启迪万众网络科技(北京)有限公司 | 一种基于环境仿真的云数据处理系统 |
-
2022
- 2022-09-07 CN CN202211091664.4A patent/CN115203979A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116306027A (zh) * | 2023-05-16 | 2023-06-23 | 启迪万众网络科技(北京)有限公司 | 一种基于环境仿真的云数据处理系统 |
CN116306027B (zh) * | 2023-05-16 | 2023-08-01 | 启迪万众网络科技(北京)有限公司 | 一种基于环境仿真的云数据处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Reddy et al. | Soil-Plant-Atmosphere-Research (SPAR) facility: A tool for plant research and modeling | |
Bernard et al. | The development of a foliar fungal pathogen does react to leaf temperature! | |
Curry et al. | SOYMOD I: A dynamic simulator of soybean growth and development | |
CN107329511A (zh) | 基于适宜根温区间的水培蔬菜光环境高效调控方法与系统 | |
Manoharan | Supervised Learning for Microclimatic parameter Estimation in a Greenhouse environment for productive Agronomics | |
CN106651149A (zh) | 一种植物生长行为分析方法 | |
CN108633697A (zh) | 一种基于植物日常数据分析与云技术的智能植物养培方法 | |
CN115909070B (zh) | 一种基于改进yolov5网络的杂草检测方法 | |
CN103247006A (zh) | 一种基于智能决策的食用菌栽培监控装置及方法 | |
CN109635347A (zh) | 一种高架温室草莓生产智能设施虚拟仿真平台 | |
Laktionov et al. | Planning of remote experimental research on effects of greenhouse microclimate parameters on vegetable crop-producing | |
CN115203979A (zh) | 一种生物环境仿真模拟控制方法和系统 | |
CN113158750A (zh) | 一种基于卷积神经网络的植物长势模型的自反馈学习评估方法 | |
Jiang et al. | WSN-based control system of CO2 concentration in greenhouse | |
CN107871039A (zh) | 一种基于虚拟模型的水稻株距优化方法 | |
Ting et al. | Universality of an improved photosynthesis prediction model based on PSO-SVM at all growth stages of tomato | |
KR102213394B1 (ko) | 기계학습 기반 열영상 분석을 통한 절화식물의 수명 예측 장치 및 방법 | |
CN108181814A (zh) | 植物生长环境监控方法及装置、计算机存储介质 | |
Wang et al. | Real-time monitoring of environmental information and modeling of the photosynthetic rate of tomato plants under greenhouse conditions | |
CN110175525B (zh) | 一种耐盐黄秋葵品种快速筛选方法 | |
CN108319134A (zh) | 一种基于极限学习机网络的温室环境智能控制方法 | |
CN204790646U (zh) | 一种农业智能温室 | |
Raja Reddy et al. | Exploring the use of the environmental productivity index concept for crop production and modeling | |
CN106803209A (zh) | 实时数据库和先进控制算法的作物培育模式分析优化方法 | |
US20230309464A1 (en) | Method and apparatus for automated crop recipe optimization |
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 |