CN115407735A - 一种基于数字孪生的植物工厂管理系统 - Google Patents

一种基于数字孪生的植物工厂管理系统 Download PDF

Info

Publication number
CN115407735A
CN115407735A CN202211024479.3A CN202211024479A CN115407735A CN 115407735 A CN115407735 A CN 115407735A CN 202211024479 A CN202211024479 A CN 202211024479A CN 115407735 A CN115407735 A CN 115407735A
Authority
CN
China
Prior art keywords
model
plant growth
digital twin
module
data
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
Application number
CN202211024479.3A
Other languages
English (en)
Inventor
戴敏
沈雨田
王礼星
缪宏
曾英
葛永成
张燕军
张善文
刘思幸
杨坚
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.)
Yangzhou University
Original Assignee
Yangzhou University
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 Yangzhou University filed Critical Yangzhou University
Priority to CN202211024479.3A priority Critical patent/CN115407735A/zh
Publication of CN115407735A publication Critical patent/CN115407735A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及农业工程领域，具体提供了一种基于数字孪生的植物工厂管理系统，包括通过获取植物工厂数据以及植物生长状况数据构成实体数字孪生模型，经数据处理模块预处理后输入并建立随时间变化的虚拟数字孪生模型，确定植物生长各参数的预警值，如有异常预警器会发出警报以监控植物生长过程；将植物生长阶段分别以环境参数为输入，植物生长量为输出，建立XGBoost预测模型，将虚拟数字孪生模型导入XGBoost模型模块预测植物生长量，由判断模块判断是否需要调整植物生长参数，然后由决策选择模块基于预测生长量以及所需要执行机构操作消耗的能源共同进行决策的选取，最后通过控制器模块完成决策的实施，以达到对植物生长过程管理以及节约能源消耗的效果。

Description

一种基于数字孪生的植物工厂管理系统
技术领域
本发明涉及农业工厂的技术领域，尤其涉及一种基于数字孪生的植物工厂管理系统。
背景技术
近年来，随着人口的增长和城市化的加剧，中国对农产品需求的数量和质量持续增加，但是农业作为不可再生资源却在不断减少。大气污染、土壤污染和水污染等环境污染日益严重，气候变化及其灾害逐年增多，导致农田生产的不确定性增加，粮食、蔬菜、水果等食物产出数量和质量难以保证，同时食物安全问题日益凸显。如何通过现代化手段并结合物联网技术推进我国传统农业向现代农业迈进，合理利用农业生产资源，由人工走向智能，实现对农业的科学管理与精细耕种，最有效方法是建立植物工厂，进行科学管理和批量生产。
数字孪生(Digital Twin，DT)技术构建了车间“情境感知仿真计算、协同决策、生产执行”的闭环逻辑，使得制造业生产管控模式发生了根本性的变化。在农业领域建立数字孪生模型可达到减少能源消耗，增高产值的目的。
而数字孪生技术在产品设计、产品制造、医学分析等领域应用较为普遍，但是由于植物工厂的环境比较复杂，数字孪生技术并未在植物工厂领域得到广泛应用，因此本发明的提出填补了此方面的空白。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：现有的植物工厂不能精确地控制植物的产值以及能源消耗的问题。
为解决上述技术问题，本发明提供如下技术方案：一种基于数字孪生的植物工厂管理系统，包括：
实体数字孪生模型模块、数据处理模块、虚拟数字孪生模型模块、XGBoost模型模块、判断模块、决策选取模块、控制器模块和预警器模块；
通过获取植物工厂数据以及植物生长状况数据构成实体数字孪生模型，经数据处理模块预处理后输入并建立随时间变化的虚拟数字孪生模型，确定植物生长各参数的预警值，如有异常预警器会发出警报以监控植物生长过程；将植物生长阶段分别以环境参数为输入，植物生长量为输出，建立XGBoost预测模型，将虚拟数字孪生模型导入XGBoost模型模块预测植物生长量，由判断模块判断是否需要调整植物生长参数，然后由决策选择模块基于预测生长量以及所需要执行机构操作消耗的能源共同进行决策的选取，最后通过控制器模块完成决策的实施，以达到对植物生长过程管理以及节约能源消耗的效果。
作为本发明所述的一种基于数字孪生的植物工厂管理系统，其中：所述实体数字孪生模型模块包括执行装置和状态检测装置；
状态检测装置，包括监控摄像头、温度传感器、湿度传感器、光照传感器以及二氧化碳浓度传感器。
作为本发明所述的一种基于数字孪生的植物工厂管理系统，其中：所述状态检测装置用于测量植物工厂以及植物生长的各项数据，包括监控摄像头、温度传感器、湿度传感器、光照传感器以及二氧化碳浓度传感器；
监控摄像头获取植物工厂内植物生长状况数据包括表面颜色以及大小；温度传感器、湿度传感器、光照传感器以及二氧化碳浓度传感器获取植物工厂温度、湿度、光照强度、二氧化碳浓度的数据。
作为本发明所述的一种基于数字孪生的植物工厂管理系统，其中：将获取的植物工厂数据通过数据处理模块进行预处理，并剔除异常数据。
作为本发明所述的一种基于数字孪生的植物工厂管理系统，其中：将预处理后的植物工厂数据和植物生长状况数据输入虚拟数字孪生模型模块，建立随时间变化的虚拟数字孪生模型，确定植物生长各参数的预警阈值。
作为本发明所述的一种基于数字孪生的植物工厂管理系统，其中：将实体数字孪生模型的状态数据与所述预警阈值对比，如果数据超出预警阈值，所述预警器就会发出警报，以监控植物生长过程。
作为本发明所述的一种基于数字孪生的植物工厂管理系统，其中：对所述虚拟数字孪生模型进行预测实验，以预测结果为依据判断是否需要执行装置介入，包括：
定义模型涉及m个环境参数变量，i株植物，基于TwinBuilder软件构建该植物工厂的三维虚拟数字孪生模型；将大量该植物不同生长阶段：幼苗期、生长期、开花期、结果期所对应包括m个环境参数变量和生长量ei数据存储在excel中作为模型训练数据；
基于MATLAB构建XGBoost预测模型，对于包含n条m维的植物数据集，预测植物生长量模型可表示为：
Figure BDA0003815052590000031
其中，yi为植物生长量，xi为输入的第i个样本数据，fk(xi)为第K棵决策树，fk为树几何空间F的一个函数。
作为本发明所述的一种基于数字孪生的植物工厂管理系统，其中：定义该模型的最优目标函数为Obj:
Obj＝L+Ω
Figure BDA0003815052590000032
Figure BDA0003815052590000033
其中，L为误差函数项，Ω为模型复杂函数项，γ和λ表示加权因子，T为叶子节点个数，wj表示叶子节点权重；
在使用训练数据时对模型进行优化训练时，需要保留原有模型不变，加入一个新的函数f到模型中，使目标函数尽可能的减少，此时函数表示为：
Figure BDA0003815052590000034
其中，Obj作为评价模型的打分函数，值越小模型效果越好；通过递归调用所述树的建立方法，得到大量回归树结构，并使用Obj搜索最优的树结构，建立最优的XGBoost模型。
作为本发明所述的一种基于数字孪生的植物工厂管理系统，其中：将模型训练数据导入建立好的XGBoost模型中，得到训练好的预测模型，将虚拟数字孪生模型数据导入该模型进行植物生长量ei预测，植物生长量E表示为：
Figure BDA0003815052590000035
利用判断模块进行比较E的大小，判断是否需要执行装置进行植物生长参数的调整。
作为本发明所述的一种基于数字孪生的植物工厂管理系统，其中：如需执行装置介入，系统将在虚拟数字孪生模型中自动生成若干组环境参数进行再次进行模型预测，基于决策选取模块、预测生长量E以及其所需执行机构操作消耗的能源Q共同进行决策的选取，控制器接受所述决策选取模块的实验结果，并直接控制执行装置中的风扇、打药装置、日光灯、灌溉装置以及二氧化碳发生器。
本发明的有益效果：本发明通过数字孪生技术应用在植物工厂中，实时监控植物工厂中的温度、湿度、光照强度以及二氧化碳浓度数据，并通过监控摄像头实现对植物生长状况进行监控；本发明通过获取植物环境参数以及植物生长状况数据实现建立虚拟数字孪生模型实现对植物生长过程精准的预警；本发明基于XGBoost模型预测实验、预测生长量以及其所需执行机构操作消耗的能源共同进行决策，实现管理植物生长过程中的每一阶段。
附图说明
为了更清楚地说明本发明实施例的技术方案，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例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例提供的一种基于数字孪生的植物工厂管理系统的整体系统模块图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”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的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。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中的具体含义。
实施例1
参照图1，为本发明的一个实施例，该实施例提供了一种基于数字孪生的植物工厂管理系统，包括：实体数字孪生模型模块100、数据处理模块200、虚拟数字孪生模型模块300、XGBoost模型模块400、判断模块500、决策选取模块600、控制器模块700和预警器模块1000；
通过获取植物工厂数据以及植物生长状况数据导入实体数字孪生模型模块100构成实体数字孪生模型，经数据处理模块200预处理后输入虚拟数字孪生模型模块300并建立随时间变化的虚拟数字孪生模型，确定植物生长各参数的预警值，如有异常预警器1000会发出警报以监控植物生长过程；将植物生长阶段分别以环境参数为输入，植物生长量为输出，建立XGBoost预测模型，将虚拟数字孪生模型导入XGBoost模型模块400预测植物生长量，由判断模块500判断是否需要调整植物生长参数，然后由决策选择模块600基于预测生长量以及所需要执行机构操作消耗的能源共同进行决策的选取，最后通过控制器模块700完成决策的实施，以达到对植物生长过程管理以及节约能源消耗的效果。
具体的，所述实体数字孪生模型模块100包括执行装置800和状态检测装置900；
状态检测装置900用于测量植物工厂以及植物生长的各项数据，包括监控摄像头901、温度传感器902、湿度传感器903、光照传感器904以及二氧化碳浓度传感器905；
监控摄像头901获取植物工厂内植物生长状况数据包括表面颜色以及大小；温度传感器902、湿度传感器903、光照传感器904以及二氧化碳浓度传感器905获取植物工厂温度、湿度、光照强度、二氧化碳浓度的数据。
应说明的是，监控摄像头901采用360°可旋转式球形摄像头。
具体的，将获取的植物工厂数据通过数据处理模块200进行预处理，并剔除异常数据；然后将预处理后的植物工厂数据和植物生长状况数据输入虚拟数字孪生模型300，建立随时间变化的虚拟数字孪生模型，确定植物生长各参数的预警阈值；最后将实体数字孪生模型的状态数据与所述预警阈值对比，如果数据超出预警阈值，所述预警器1000就会发出警报，以监控植物生长过程。
具体的，将所述虚拟数字孪生模型3进行预测实验，以预测结果为依据判断是否需要执行装置800介入，包括：
定义模型涉及m个环境参数变量，i株植物，基于TwinBuilder软件构建该植物工厂的三维虚拟数字孪生模型；将大量该植物不同生长阶段：幼苗期、生长期、开花期、结果期所对应包括m个环境参数变量和生长量ei数据存储在excel中作为模型训练数据；
基于MATLAB构建XGBoost预测模型，对于包含n条m维的植物数据集，预测植物生长量模型可表示为：
Figure BDA0003815052590000061
其中，yi为植物生长量，xi为输入的第i个样本数据，fk(xi)为第K棵决策树，fk为树几何空间F的一个函数。
具体的，定义该模型的最优目标函数为Obj:
Obj＝L+Ω
Figure BDA0003815052590000071
Figure BDA0003815052590000072
其中，L为误差函数项，Ω为模型复杂函数项，γ和λ表示加权因子，T为叶子节点个数，wj表示叶子节点权重；
在使用训练数据时对模型进行优化训练时，需要保留原有模型不变，加入一个新的函数f到模型中，使目标函数尽可能的减少，此时函数表示为：
Figure BDA0003815052590000073
其中，Obj作为评价模型的打分函数，值越小模型效果越好；通过递归调用所述树的建立方法，得到大量回归树结构，并使用Obj搜索最优的树结构，建立最优的XGBoost模型。
具体的，将模型训练数据导入建立好的XGBoost模型中，得到训练好的预测模型，将虚拟数字孪生模型数据导入该模型进行植物生长量ei预测，植物生长量E表示为：
Figure BDA0003815052590000074
利用判断模块500进行比较E的大小，判断是否需要执行装置800进行植物生长参数的调整。
具体的，如需执行装置800介入，系统将在虚拟数字孪生模型中自动生成若干组环境参数进行再次进行模型预测，基于决策选取模块600、预测生长量E以及其所需执行机构操作消耗的能源Q共同进行决策的选取，控制器700接受所述决策选取模块600的实验结果，并直接控制执行装置800中的风扇801、打药装置802、日光灯803、灌溉装置804以及二氧化碳发生器805。
应说明的是，日光灯803通过PCB印刷板，将日光灯中的红光灯珠、蓝光灯珠、白光灯珠、绿光灯珠分开控制实现不同的光强和光质，以满足植物在育苗期、生长期、开花期、结果期等生长周期中所需要的光强和光质，使得植物在不同生长周期内都能够更好的生长。
实施例2
参照图1，为本发明的一个实施例，提供了一种基于数字孪生的植物工厂管理系统，为了验证本发明的有益效果，通过对比现有的系统进行说明，具体请见如下表格。
Figure BDA0003815052590000081
由上述可知，我方发明组件开放性、编程效率、维护便携性、时效性、管理有效性和系统拓展性方面有极大的优势。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于数字孪生的植物工厂管理系统，其特征在于，包括：
实体数字孪生模型模块(100)、数据处理模块(200)、虚拟数字孪生模型模块(300)、XGBoost模型模块(400)、判断模块(500)、决策选取模块(600)、控制器模块(700)和预警器模块(1000)；
通过获取植物工厂数据以及植物生长状况数据构成实体数字孪生模型，经数据处理模块(200)预处理后输入并建立随时间变化的虚拟数字孪生模型，确定植物生长各参数的预警值，如有异常预警器(1000)会发出警报以监控植物生长过程；将植物生长阶段分别以环境参数为输入，植物生长量为输出，建立XGBoost预测模型，将虚拟数字孪生模型导入XGBoost模型模块(400)预测植物生长量，由判断模块(500)判断是否需要调整植物生长参数，然后由决策选择模块(600)基于预测生长量以及所需要执行机构操作消耗的能源共同进行决策的选取，最后通过控制器模块(700)完成决策的实施，以达到对植物生长过程管理以及节约能源消耗的效果。
2.如权利要求1所述的基于数字孪生的植物工厂管理系统，其特征在于：所述实体数字孪生模型模块(100)包括执行装置(800)和状态检测装置(900)。
3.如权利要求2所述的基于数字孪生的植物工厂管理系统，其特征在于：所述状态检测装置(900)用于测量植物工厂以及植物生长的各项数据，包括监控摄像头(901)、温度传感器(902)、湿度传感器(903)、光照传感器(904)以及二氧化碳浓度传感器(905)；
监控摄像头(901)获取植物工厂内植物生长状况数据包括表面颜色以及大小；温度传感器(902)、湿度传感器(903)、光照传感器(904)以及二氧化碳浓度传感器(905)获取植物工厂温度、湿度、光照强度、二氧化碳浓度的数据。
4.如权利要求3所述的基于数字孪生的植物工厂管理系统，其特征在于：将获取的植物工厂数据通过数据处理模块(200)进行预处理，并剔除异常数据。
5.如权利要求3或4所述的基于数字孪生的植物工厂管理系统，其特征在于：将预处理后的植物工厂数据和植物生长状况数据输入虚拟数字孪生模型模块(300)，建立随时间变化的虚拟数字孪生模型，确定植物生长各参数的预警阈值。
6.如权利要求5所述的基于数字孪生的植物工厂管理系统，其特征在于：将实体数字孪生模型的状态数据与所述预警阈值对比，如果数据超出预警阈值，所述预警器模块(1000)就会发出警报，以监控植物生长过程。
7.如权利要求6所述的基于数字孪生的植物工厂管理系统，其特征在于：对所述虚拟数字孪生模型进行预测实验，以预测结果为依据判断是否需要执行装置(800)介入，包括：
定义模型涉及m个环境参数变量，i株植物，构建该植物工厂的三维虚拟数字孪生模型；将大量该植物不同生长阶段：幼苗期、生长期、开花期、结果期所对应包括m个环境参数变量和生长量ei数据存储在excel中作为模型训练数据；
构建XGBoost预测模型，对于包含n条m维的植物数据集，预测植物生长量模型可表示为：
Figure FDA0003815052580000021
其中，yi为植物生长量，xi为输入的第i个样本数据，fk(xi)为第K棵决策树，fk为树几何空间F的一个函数。
8.如权利要求7所述的基于数字孪生的植物工厂管理系统，其特征在于：定义该模型的最优目标函数为Obj:
Obj＝L+Ω
Figure FDA0003815052580000022
Figure FDA0003815052580000023
其中，L为误差函数项，Ω为模型复杂函数项，γ和λ表示加权因子，T为叶子节点个数，wj表示叶子节点权重；
在使用训练数据时对模型进行优化训练时，需要保留原有模型不变，加入一个新的函数f到模型中，使目标函数尽可能的减少，此时函数表示为：
Figure FDA0003815052580000024
其中，Obj作为评价模型的打分函数，值越小模型效果越好；通过递归调用所述树的建立方法，得到大量回归树结构，并使用Obj搜索最优的树结构，建立最优的XGBoost模型。
9.如权利要求8所述的基于数字孪生的植物工厂管理系统，其特征在于：将模型训练数据导入建立好的XGBoost模型中，得到训练好的预测模型，将虚拟数字孪生模型数据导入该模型进行植物生长量ei预测，植物生长量E表示为：
Figure FDA0003815052580000031
利用判断模块(500)进行比较E的大小，判断是否需要执行装置(800)进行植物生长参数的调整。
10.如权利要求9所述的基于数字孪生的植物工厂管理系统，其特征在于：如需执行装置(800)介入，系统将在虚拟数字孪生模型中自动生成若干组环境参数进行再次进行模型预测，基于决策选取模块(600)、预测生长量E以及其所需执行机构操作消耗的能源Q共同进行决策的选取，控制器(700)接受所述决策选取模块(600)的实验结果，并直接控制执行装置(800)中的风扇(801)、打药装置(802)、日光灯(803)、灌溉装置(804)以及二氧化碳发生器(805)。
CN202211024479.3A 2022-08-25 2022-08-25 一种基于数字孪生的植物工厂管理系统 Pending CN115407735A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211024479.3A CN115407735A (zh) 2022-08-25 2022-08-25 一种基于数字孪生的植物工厂管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211024479.3A CN115407735A (zh) 2022-08-25 2022-08-25 一种基于数字孪生的植物工厂管理系统

Publications (1)

Publication Number Publication Date
CN115407735A true CN115407735A (zh) 2022-11-29

Family

ID=84162692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211024479.3A Pending CN115407735A (zh) 2022-08-25 2022-08-25 一种基于数字孪生的植物工厂管理系统

Country Status (1)

Country Link
CN (1) CN115407735A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116909166A (zh) * 2023-05-15 2023-10-20 北京信通云峰科技有限公司 一种数字孪生虚拟仿真处理方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116909166A (zh) * 2023-05-15 2023-10-20 北京信通云峰科技有限公司 一种数字孪生虚拟仿真处理方法及系统

Similar Documents

Publication Publication Date Title
CN107390753B (zh) 基于物联网云平台的智能植物生长环境调节装置与方法
CN103869796A (zh) 食用菌生产环境监控方法及监控系统
CN103217905A (zh) 一种设施农业温室大棚环境参数自适应控制方法
CN115407735A (zh) 一种基于数字孪生的植物工厂管理系统
CN105259827A (zh) 一种固态发酵过程状况的实时监控系统与监控方法
CN115456479A (zh) 一种基于物联网的智慧农业大棚环境监测系统
CN110069032A (zh) 一种基于小波神经网络的茄子温室环境智能检测系统
CN109856973A (zh) 一种基于模糊神经网络的温室环境控制方法及系统
CN114637351B (zh) 一种设施作物温室环境调控方法及系统
CN115292753A (zh) 一种基于区块链的农业大棚数据溯源与管理方法
CN109116827B (zh) 基于物联网的日光温室水肥一体化灌溉控制方法及装置
CN106803209B (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
CN114092776A (zh) 应用于智慧农业的多传感器数据融合方法
CN110102075A (zh) 溴素蒸馏工艺中基于视觉识别的加氯控制方法及装置
CN116562813A (zh) 一种基于农业物联网的智慧农业综合管理系统
CN117215351A (zh) 一种食用菌种植环境智能监测预警系统
CN116503200A (zh) 一种基于数据分析的国兰栽培环境实时监管系统
CN111625030A (zh) 一种温室环境控制方法、装置、设备、系统及存储介质
CN117172983A (zh) 一种基于遥感技术的植被生态水储量监测系统
CN115453868B (zh) 基于番茄光响应差分特征的全生长期光强调控方法
Abu et al. Simulation of soil PH Control system using fuzzy logic Method
CN115640980A (zh) 基于目标控制的电网工程造价动态管理系统
CN115442405A (zh) 一种智慧农业生产管理服务系统
CN114586706A (zh) 一种孵化种蛋温度监测方法及装置
CN112925207A (zh) 一种基于参数辨识的温室环境温度自适应方法

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