CN115943875B - 一种针对阳台或屋面绿植的智能滴灌方法及系统 - Google Patents

一种针对阳台或屋面绿植的智能滴灌方法及系统 Download PDF

Info

Publication number
CN115943875B
CN115943875B CN202310223886.5A CN202310223886A CN115943875B CN 115943875 B CN115943875 B CN 115943875B CN 202310223886 A CN202310223886 A CN 202310223886A CN 115943875 B CN115943875 B CN 115943875B
Authority
CN
China
Prior art keywords
irrigation
water
prediction
rainfall
probability
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
CN202310223886.5A
Other languages
English (en)
Other versions
CN115943875A (zh
Inventor
郭卫宏
何怡炜
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202310223886.5A priority Critical patent/CN115943875B/zh
Publication of CN115943875A publication Critical patent/CN115943875A/zh
Application granted granted Critical
Publication of CN115943875B publication Critical patent/CN115943875B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02A40/22—Improving land use; Improving water use or availability; Controlling erosion

Landscapes

  • Control Of Non-Electrical Variables (AREA)

Abstract

本发明公开了一种针对阳台或屋面绿植的智能滴灌方法及系统，所述方法包括以下步骤：在一个浇灌周期内，检测土壤湿度；判断土壤湿度是否过低：若过低，则预测本浇灌周期内下雨概率及降雨量，以及日晒概率及时长，并由此计算出当前土壤最佳湿度；开启出水阀门，进行浇灌，直至土壤达到预定湿度；开启进水阀门，进行补水，直至水箱水位达到高水位线，结束本浇灌周期。本发明实现对绿植浇灌水量的按需、按量精细化控制，能够实现基于局部气候预测的智能浇灌，且能实现针对绿植本身的浇灌策略的可持续优化。

Description

一种针对阳台或屋面绿植的智能滴灌方法及系统
技术领域
本发明涉及绿植滴灌领域，特别涉及一种针对阳台或屋面绿植的智能滴灌方法及系统。
背景技术
当前，许多建筑的屋面或阳台都栽种着绿植，它们不但美化和改善了环境，也给人们在工作生活之余增添了乐趣，但是，绿植的常态化浇水也成为了许多人的负担，因为不同的植物品种、在不同的季节和局部气候条件下，所需要的浇水频率、水量有所不同。
专利申请号为CN202211294637.7、专利名称为基于云边端协同的植物浇灌控制系统的技术方案，包括：浇灌单元、边缘计算模块、 温湿度传感器、云服务器、移动端等。在一种可能实现的方案中，数据采集与处理模块、无线通信模块、图像采集模块、储水监测模块、出水控制模块、交互控制模块、电源供电模块可架设在浇灌单元上。参考图2，图像采集模块获取当前植物图像信息，数据采集与处理模块通过无线通信模块将当前植物图像信息上传至边缘计算模块，边缘计算模块利用嵌入式深度学习模型对图像进行识别。若识别成功，则在数据库中查询该植物对应的生长习性、历史浇灌记录和温湿度等信息；若识别失败，则边缘计算模块将该图像通过有线或无线的方式传送至云服务器，云服务器利用复杂深度学习模型对其进行识别，并将该植物的名称、生长习性等信息传送至边缘计算模块。边缘计算模块更新嵌入式深度学习模型，并将该植物信息存入边缘计算模块上的数据库中。边缘计算模块综合利用查询到的信息确定该植物应浇水量，并将其通过无线通信方式传送至数据采集与处理模块。数据采集与处理模块接收边缘计算模块发送过来的信息后，通过储水监测模块判断所储存水量是否足够(储水量是否大于应浇水量)。若不够，则通过交互控制模块提醒用户加水；若足够，则用户通过交互控制模块选择自动/手动浇灌模式，出水控制模块根据用户选择的浇灌方式进行浇灌，并将出水量信息实时传送至数据采集与处理模块判断是否浇灌完毕(已出水量是否大于应浇水量)。若浇灌完毕，交互控制模块提醒用户浇灌完毕，并通过无线通信模块将浇灌信息传送至边缘计算模块。边缘计算模块接收信息后更新数据库中该植物的历史浇灌记录。另外，边缘计算模块还可定时判断是否有植物需要浇灌(简单的方式是可以通过浇灌时间间隔来判断，这个时间间隔可以人为设定，也可以由边缘计算模块根据植物自身的生长习性和环境的温湿度自动计算确定)。若确定有植物需要浇灌，则将植物缺水信息发送至云服务器，云服务器通过无线通信方式发送至移动端，提醒用户及时对该植物进行浇灌。
上述方案存在以下缺点：
1）上述技术无法做到按需、按量的精细化浇灌。因为其对每次浇水量的判断，是基于查询数据库得出“应浇水量”与“实际出水量”来判断的。但事实上，土壤中水分的蒸发速度、植物对水量的吸收速度与季节、气候等息息相关，土壤的实际湿度无法通过其所述“数据库中查询该植物对应的生长习性、历史浇灌记录和温湿度等信息”精准判断，而是在土壤中加入土壤湿度传感器实际探测为宜。
2）上述技术无法做到基于气候预警的智能浇灌。因为其“应浇水量”没有与局部气候预警相关联。局部气候若预警到一段时间后有雨，其浇水量应根据算法模型有所减少；若预警一段时间后为烈日，其浇水量应根据算法模型相应增加。
3）上述技术无法做到系统的持续优化。植物在不同的生长周期、在不同的季节和气候条件下，土壤湿度对植物生长的影响均可能不同。应该针对不同品种的植物，建立一个可持续优化迭代的模型，来判断不同的土壤湿度对植物的影响。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提供一种针对阳台或屋面绿植的智能滴灌方法。
本发明的另一目的在于提供一种针对阳台或屋面绿植的智能滴灌系统。
本发明的目的通过以下的技术方案实现：
一种针对阳台或屋面绿植的智能滴灌方法，包括以下步骤：
S1、在一个浇灌周期内，检测土壤湿度；
S2、判断土壤湿度是否过低：若过低，则预测本浇灌周期内下雨概率及降雨量，以及日晒概率及时长，并由此计算出当前土壤最佳湿度；
S3、开启出水阀门，进行浇灌，直至土壤达到预定湿度；
S4、开启进水阀门，进行补水，直至水箱水位达到高水位线，结束本浇灌周期。
步骤S2中，所述本浇灌周期内下雨概率及降雨量通过下雨概率预测模型、降雨量预测模型进行预测：
下雨概率预测模型如下：
Figure SMS_1
；
其中，n=0,1,2,3…表示时间间隔；
a=2,3,4…表示雨天拟合系数，用以调整预测算法的拟合效率和准确度；
Prn表示第n个时间段是否降雨的预测概率，根据预测算法计算得来；
Pyn表示第n个时间段是否降雨的天气预报概率，通过采集公开的天气预报信息而得到；
Pan表示第n个时间段是否降雨的修正系数，由预测概率与实际降雨与否结合算法计算得来；
Pn表示第n个时间段是否实际降雨，由降雨量传感器采集而来，若降雨量达到或大于当次应浇水量，则设值为1，否则设为0；
降雨量预测模型如下：
Figure SMS_2
；
其中，n=0,1,2,3…表示时间间隔；
b=2,3,4…表示降雨量拟合系数，用以调整预测算法的拟合效率和准确度；
Yn表示第n个时间段的预测降雨量，根据预测算法计算得来；
Yyn表示第n个时间段降雨的天气预报降雨量，通过采集公开的天气预报信息而得到。
步骤S2中，所述日晒概率及时长通过日晒概率预测模型、日晒时长模型进行预测：
日晒概率预测模型如下：
Figure SMS_3
；
其中，n=0,1,2,3…表示时间间隔；
c=2,3,4…表示日晒拟合系数，用以调整预测算法的拟合效率和准确度；
Psn表示第n个时间段是否有日晒的预测概率，根据预测算法计算得来；
Pwn表示第n个时间段是否有日晒的天气预报概率，通过采集公开的天气预报信息而得到；
Pbn表示第n个时间段是否有日晒的修正系数，由预测概率与实际降雨与否结合算法计算得来；
Ptn表示第n个时间段的实际日晒情况，由光照传感器采集而来，当光照大于预设照度值的时长占本时间间隔的预设比例以上时，则设值为1，否则设为0；
日晒时长预测模型如下：
Figure SMS_4
；
其中，n=0,1,2,3…表示时间间隔；
d=2,3,4…表示日晒拟合系数，用以调整预测算法的拟合效率和准确度；
Tn表示第n个时间段内的预测日晒时长，由系统根据预测算法计算得来；
Ty表示第n个时间段内的天气预报预测日晒时长，通过采集公开的天气预报信息而得到。
步骤S2中，所述当前土壤最佳湿度通过以下方式进行计算：
Figure SMS_5
；
其中，n=0,1,2,3…表示时间间隔系数；
Sjn表示第n个时间段内的自然补水量期望值，根据预测算法计算得来；
Wyn表示第n个时间段内土壤湿度的变化期望值，其大于0时不需要灌溉，其小于0时则需要灌溉；
Wn表示第n个时间段内土壤最佳湿度；
M表示所要浇水区域的土壤净重。
步骤S3中，所述浇灌对应的浇灌策略为：
设Wyn表示第n个时间段内土壤湿度的变化期望值，其大于0时不需要灌溉，其小于0时则需要灌溉；Wn表示第n个时间段内土壤最佳湿度；Tn表示第n个时间段内的预测日晒时长；
满足启动或触发条件，开始动作：
（1）若Wyn≥0，本周期内不需要灌溉，本周期结束；若Wyn＜0，转入步骤（2）；
（2）若Wyn≥-0.25 Wn，启动浇水，直到Wyn＝Wn，本周期结束；若Wyn＜-0.25 Wn，转入步骤（3）；
（3）若Wyn≥-0.5 Wn，则判断Tn是否大于预设值：若是，则启动浇水，直到Wyn＝-0.25Wn，待机一段时间后重新启动；若否，则启动浇水，直到Wyn＝Wn，本周期结束；
若Wyn＜-0.5 Wn，转入步骤（4）；
（4）若Wyn≥-0.75 Wn，则判断Tn是否大于预设值：若是，则启动浇水，直到Wyn＝-0.5Wn，待机一段时间后重新启动；若否，则启动浇水，直到Wyn＝Wn，本周期结束。
步骤S3中，所述浇灌的方式为滴灌。
步骤S1中，所述检测土壤湿度，是取不同深度的若干个点的湿度均值，作为土壤湿度的。
本发明的另一目的通过以下的技术方案实现：
一种针对阳台或屋面绿植的智能滴灌系统，包括探测模组、滴灌模组、储水模组，以及控制模组；其中，探测模组包括土壤湿度传感器、光照传感器、降雨量传感器、空气温湿度传感器，滴灌模组包括输水管道、出水阀门、滴灌喷头、多通水管连接头，储水模组包括储水水箱、进水阀门，控制模组包括计算单元、控制单元、通信单元、供电单元；其中，探测模组采集土壤湿度、光照照度、降雨量、空气温湿度并传输至控制模组；控制模组基于对局部气候预测下的浇灌策略，对比该类植物所需的土壤湿度范围，自动完成从自来水到储水水箱的进水控制、从水箱到滴灌管道的出水控制、从管道滴灌至土壤到土壤实际湿度实时检测反馈全流程，实现提前预测、自动控制、实时反馈的智能滴灌系统。
本发明与现有技术相比，具有如下优点和有益效果：
1）本发明实现对绿植浇灌水量的按需、按量精细化控制。基于预测模型中的“应浇水量”与土壤实际湿度等多维度变量综合制定浇灌策略，策略包括浇灌时长、间隔、每次浇灌水量（对应达到的土壤湿度）等方面，并且采用滴灌技术以尽可能精细化的水量控制。
2）本发明实现基于局部气候预测的智能浇灌。绿植的生长直接受局部气候（局部气候与地区气候息息相关，又与建筑形态、朝向、围蔽、遮阳等其他因素相关）影响，浇水策略与局部气候相关联，达到智能化的浇灌目的。
3）本发明实现针对绿植本身的浇灌策略的可持续优化。每一种乃至每一棵绿植，对土壤湿度的需求不尽相同。对于名贵绿植，需要更加精细化的算法模型来控制，以实现科学的、可持续的浇灌。
附图说明
图1为本发明所述一种针对阳台或屋面绿植的智能滴灌系统的结构示意图。
图2为一个浇灌周期的工作流程图。
图3为浇灌对应的浇灌策略的流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
如图1，一种针对阳台或屋面绿植的智能滴灌系统，包括探测模组、滴灌模组、储水模组，以及控制模组；其中，探测模组包括土壤湿度传感器、光照传感器、降雨量传感器、空气温湿度传感器，滴灌模组包括输水管道、出水阀门、滴灌喷头、多通水管连接头，储水模组包括储水水箱、进水阀门，控制模组包括计算单元、控制单元、通信单元、供电单元；其中，探测模组采集土壤湿度、光照照度、降雨量、空气温湿度并传输至控制模组；控制模组基于对局部气候（含区域天气预报与局部小气候预测模型）预测下的浇灌策略，对比该类植物所需的土壤湿度范围（湿度上下限的有效区间），自动完成从自来水到储水水箱（静置挥发氯气）的进水控制、从水箱到滴灌管道的出水控制、从管道滴灌至土壤到土壤实际湿度实时检测反馈（取不同土壤深度的湿度均值）全流程，实现提前预测、自动控制、实时反馈的智能滴灌系统。
如图2，一种针对阳台或屋面绿植的智能滴灌方法，包括以下步骤：
S1、在一个浇灌周期内，取不同深度的若干个点的湿度均值作为土壤湿度；
S2、判断土壤湿度是否过低：若过低，则预测本浇灌周期内下雨概率及降雨量，以及日晒概率及时长，并由此计算出当前土壤最佳湿度；
所述本浇灌周期内下雨概率及降雨量通过下雨概率预测模型、降雨量预测模型进行预测：
下雨概率预测模型如下：
Figure SMS_6
；
其中，n=0,1,2,3…表示时间间隔，根据需要动作的时间周期自行设定，比如设置为1天，4个小时等，作为一般情况，本发明设置为12小时，即T=12h，下同；
a=2,3,4…表示雨天拟合系数，用以调整预测算法的拟合效率和准确度，一般的，可考虑设置为2；
Prn表示第n个时间段是否降雨的预测概率，根据预测算法计算得来；
Pyn表示第n个时间段是否降雨的天气预报概率，通过采集公开的天气预报信息而得到；
Pan表示第n个时间段是否降雨的修正系数，由预测概率与实际降雨与否结合算法计算得来；
Pn表示第n个时间段是否实际降雨，由降雨量传感器采集而来，若降雨量达到或大于当次应浇水量，则设值为1，否则设为0；
降雨量预测模型如下：
Figure SMS_7
；
其中，n=0,1,2,3…表示时间间隔；
b=2,3,4…表示降雨量拟合系数，用以调整预测算法的拟合效率和准确度，一般的，可考虑设置为2；
Yn表示第n个时间段的预测降雨量，根据预测算法计算得来；
Yyn表示第n个时间段降雨的天气预报降雨量，通过采集公开的天气预报信息而得到。
所述日晒概率及时长通过日晒概率预测模型、日晒时长模型进行预测：
日晒概率预测模型如下：
Figure SMS_8
；
其中，n=0,1,2,3…表示时间间隔；
c=2,3,4…表示日晒拟合系数，用以调整预测算法的拟合效率和准确度，一般的，可考虑设置为2；
Psn表示第n个时间段是否有日晒的预测概率，根据预测算法计算得来；
Pwn表示第n个时间段是否有日晒的天气预报概率，通过采集公开的天气预报信息而得到；
Pbn表示第n个时间段是否有日晒的修正系数，由预测概率与实际降雨与否结合算法计算得来；
Ptn表示第n个时间段的实际日晒情况，由光照传感器采集而来，当光照大于预设照度值（如500Lx）的时长占本时间间隔的预设比例（如50%）以上时，则设值为1，否则设为0；
日晒时长预测模型如下：
Figure SMS_9
；
其中，n=0,1,2,3…表示时间间隔；
d=2,3,4…表示日晒拟合系数，用以调整预测算法的拟合效率和准确度，一般的，可考虑设置为2；
Tn表示第n个时间段内的预测日晒时长，由系统根据预测算法计算得来；
Ty表示第n个时间段内的天气预报预测日晒时长，通过采集公开的天气预报信息而得到。
所述当前土壤最佳湿度通过以下方式进行计算：
Figure SMS_10
；
其中，n=0,1,2,3…表示时间间隔系数；
Sjn表示第n个时间段内的自然补水量期望值，根据预测算法计算得来；
Wyn表示第n个时间段内土壤湿度的变化期望值，其大于0时不需要灌溉，其小于0时则需要灌溉，且根据其绝对值的大小与日晒时长预测值，决定浇灌策略；
Wn表示第n个时间段内土壤最佳湿度；
M表示所要浇水区域的土壤净重，为简化计算，考虑其为恒定值。
S3、开启出水阀门，进行浇灌，直至土壤达到预定湿度；所述浇灌的方式为滴灌。
如图3，所述浇灌对应的浇灌策略为：
设Wyn表示第n个时间段内土壤湿度的变化期望值，其大于0时不需要灌溉，其小于0时则需要灌溉；Wn表示第n个时间段内土壤最佳湿度；Tn表示第n个时间段内的预测日晒时长；
满足启动或触发条件，开始动作：
（1）若Wyn≥0，本周期内不需要灌溉，本周期结束；若Wyn＜0，转入步骤（2）；
（2）若Wyn≥-0.25 Wn，启动浇水，直到Wyn＝Wn，本周期结束；若Wyn＜-0.25 Wn，转入步骤（3）；
（3）若Wyn≥-0.5 Wn，则判断Tn是否大于预设值：若是，则启动浇水，直到Wyn＝-0.25Wn，待机一段时间后重新启动；若否，则启动浇水，直到Wyn＝Wn，本周期结束；
若Wyn＜-0.5 Wn，转入步骤（4）；
（4）若Wyn≥-0.75 Wn，则判断Tn是否大于预设值：若是，则启动浇水，直到Wyn＝-0.5Wn，待机一段时间后重新启动；若否，则启动浇水，直到Wyn＝Wn，本周期结束。
S4、开启进水阀门，进行补水，直至水箱水位达到高水位线，结束本浇灌周期。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.一种针对阳台或屋面绿植的智能滴灌方法，其特征在于，包括以下步骤：
S1、在一个浇灌周期内，检测土壤湿度；
S2、判断土壤湿度是否过低：若过低，则预测本浇灌周期内下雨概率及降雨量，以及日晒概率及时长，并由此计算出当前土壤最佳湿度；
所述日晒概率及时长通过日晒概率预测模型、日晒时长模型进行预测：
日晒概率预测模型如下：
Figure QLYQS_1
；
其中，n=0,1,2,3…表示时间间隔；
c=2,3,4…表示日晒拟合系数，用以调整预测算法的拟合效率和准确度；
Psn表示第n个时间段是否有日晒的预测概率，根据预测算法计算得来；
Pwn表示第n个时间段是否有日晒的天气预报概率，通过采集公开的天气预报信息而得到；
Pbn表示第n个时间段是否有日晒的修正系数，由预测概率与实际降雨与否结合算法计算得来；
Ptn表示第n个时间段的实际日晒情况，由光照传感器采集而来，当光照大于预设照度值的时长占本时间间隔的预设比例以上时，则设值为1，否则设为0；
日晒时长预测模型如下：
Figure QLYQS_2
；
其中，n=0,1,2,3…表示时间间隔；
d=2,3,4…表示日晒拟合系数，用以调整预测算法的拟合效率和准确度；
Tn表示第n个时间段内的预测日晒时长，由系统根据预测算法计算得来；
Ty表示第n个时间段内的天气预报预测日晒时长，通过采集公开的天气预报信息而得到；
所述当前土壤最佳湿度通过以下方式进行计算：
Figure QLYQS_3
；
其中，n=0,1,2,3…表示时间间隔系数；
Sjn表示第n个时间段内的自然补水量期望值，根据预测算法计算得来；
Wyn表示第n个时间段内土壤湿度的变化期望值，其大于0时不需要灌溉，其小于0时则需要灌溉；
Wn表示第n个时间段内土壤最佳湿度；
M表示所要浇水区域的土壤净重；
S3、开启出水阀门，进行浇灌，直至土壤达到预定湿度；
S4、开启进水阀门，进行补水，直至水箱水位达到高水位线，结束本浇灌周期。
2.根据权利要求1所述针对阳台或屋面绿植的智能滴灌方法，其特征在于，步骤S2中，所述本浇灌周期内下雨概率及降雨量通过下雨概率预测模型、降雨量预测模型进行预测：
下雨概率预测模型如下：
Figure QLYQS_4
；
其中，n=0,1,2,3…表示时间间隔；
a=2,3,4…表示雨天拟合系数，用以调整预测算法的拟合效率和准确度；
Prn表示第n个时间段是否降雨的预测概率，根据预测算法计算得来；
Pyn表示第n个时间段是否降雨的天气预报概率，通过采集公开的天气预报信息而得到；
Pan表示第n个时间段是否降雨的修正系数，由预测概率与实际降雨与否结合算法计算得来；
Pn表示第n个时间段是否实际降雨，由降雨量传感器采集而来，若降雨量达到或大于当次应浇水量，则设值为1，否则设为0；
降雨量预测模型如下：
Figure QLYQS_5
；
其中，n=0,1,2,3…表示时间间隔；
b=2,3,4…表示降雨量拟合系数，用以调整预测算法的拟合效率和准确度；
Yn表示第n个时间段的预测降雨量，根据预测算法计算得来；
Yyn表示第n个时间段降雨的天气预报降雨量，通过采集公开的天气预报信息而得到。
3.根据权利要求1所述针对阳台或屋面绿植的智能滴灌方法，其特征在于，步骤S3中，所述浇灌对应的浇灌策略为：
设Wyn表示第n个时间段内土壤湿度的变化期望值，其大于0时不需要灌溉，其小于0时则需要灌溉；Wn表示第n个时间段内土壤最佳湿度；Tn表示第n个时间段内的预测日晒时长；
满足启动或触发条件，开始动作：
（1）若Wyn≥0，本周期内不需要灌溉，本周期结束；若Wyn＜0，转入步骤（2）；
（2）若Wyn≥-0.25 Wn，启动浇水，直到Wyn＝Wn，本周期结束；若Wyn＜-0.25 Wn，转入步骤（3）；
（3）若Wyn≥-0.5 Wn，则判断Tn是否大于预设值：若是，则启动浇水，直到Wyn＝-0.25Wn，待机一段时间后重新启动；若否，则启动浇水，直到Wyn＝Wn，本周期结束；
若Wyn＜-0.5 Wn，转入步骤（4）；
（4）若Wyn≥-0.75 Wn，则判断Tn是否大于预设值：若是，则启动浇水，直到Wyn＝-0.5Wn，待机一段时间后重新启动；若否，则启动浇水，直到Wyn＝Wn，本周期结束。
4.根据权利要求1所述针对阳台或屋面绿植的智能滴灌方法，其特征在于，步骤S3中，所述浇灌的方式为滴灌。
5.根据权利要求1所述针对阳台或屋面绿植的智能滴灌方法，其特征在于，步骤S1中，所述检测土壤湿度，是取不同深度的若干个点的湿度均值，作为土壤湿度的。
6.一种针对阳台或屋面绿植的智能滴灌系统，其特征在于：用于实现权利要求1至5任一权利要求所述智能滴灌方法；包括探测模组、滴灌模组、储水模组，以及控制模组；其中，探测模组包括土壤湿度传感器、光照传感器、降雨量传感器、空气温湿度传感器，滴灌模组包括输水管道、出水阀门、滴灌喷头、多通水管连接头，储水模组包括储水水箱、进水阀门，控制模组包括计算单元、控制单元、通信单元、供电单元；其中，探测模组采集土壤湿度、光照照度、降雨量、空气温湿度并传输至控制模组；控制模组基于对局部气候预测下的浇灌策略，对比该类植物所需的土壤湿度范围，自动完成从自来水到储水水箱的进水控制、从水箱到滴灌管道的出水控制、从管道滴灌至土壤到土壤实际湿度实时检测反馈全流程，实现提前预测、自动控制、实时反馈的智能滴灌系统。
CN202310223886.5A 2023-03-09 2023-03-09 一种针对阳台或屋面绿植的智能滴灌方法及系统 Active CN115943875B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310223886.5A CN115943875B (zh) 2023-03-09 2023-03-09 一种针对阳台或屋面绿植的智能滴灌方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310223886.5A CN115943875B (zh) 2023-03-09 2023-03-09 一种针对阳台或屋面绿植的智能滴灌方法及系统

Publications (2)

Publication Number Publication Date
CN115943875A CN115943875A (zh) 2023-04-11
CN115943875B true CN115943875B (zh) 2023-06-06

Family

ID=85896204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310223886.5A Active CN115943875B (zh) 2023-03-09 2023-03-09 一种针对阳台或屋面绿植的智能滴灌方法及系统

Country Status (1)

Country Link
CN (1) CN115943875B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110036884B (zh) * 2019-05-13 2021-05-11 中国水利水电科学研究院 基于作物生长周期用水特征和实时天气的灌溉方法及装置
CN111324039A (zh) * 2020-04-13 2020-06-23 湖南文理学院 一种用于屋顶花园浇灌的雨水循环系统及其控制方法
CN111480557B (zh) * 2020-04-23 2021-09-21 河北塔元庄同福农业科技有限责任公司 一种基于大数据物联网的农业灌溉实时监测调控系统
CN112470888A (zh) * 2020-11-02 2021-03-12 广东职业技术学院 一种智慧社区的自动浇水方法及系统
CN114578881B (zh) * 2022-03-04 2023-06-20 云南林奚绿化科技发展有限公司 一种智能养护管理系统

Also Published As

Publication number Publication date
CN115943875A (zh) 2023-04-11

Similar Documents

Publication Publication Date Title
CN110036884B (zh) 基于作物生长周期用水特征和实时天气的灌溉方法及装置
CN106688827B (zh) 一种基于农业系统模型的灌溉决策系统及方法
EP3986107B1 (en) System for optimizing the use of water in irrigation based on the predictive calculation of the soil's water potential
US7403840B2 (en) Irrigation control system
US7096094B2 (en) Automatic irrigation frequency adjustment for deep watering
US9107354B2 (en) Remote analysis and correction of crop condition
CN109452146B (zh) 冬小麦节水灌溉决策方法、控制装置及控制系统
US20090326723A1 (en) Irrigation control system
US7957843B2 (en) System and method for irrigation controller
US8554380B2 (en) Weather based irrigation controller
CN112136667B (zh) 一种基于边缘机器学习的智能喷灌方法及系统
CN110754334A (zh) 一种基于移动终端的智能喷灌控制系统
US8260466B2 (en) Modulated watering device based on watering index percentage
CN114610100A (zh) 基于物联网的番茄种植温室环境的调控方法及调控系统
CN116362578A (zh) 一种灌溉策略的确定方法和装置
CN115633622A (zh) 一种果园智能灌溉系统及其方法
CN109302972B (zh) 一种基于设施作物冠层积温的智能灌溉系统
CN206611933U (zh) 田间智能灌溉系统
CN115943875B (zh) 一种针对阳台或屋面绿植的智能滴灌方法及系统
De Graaf et al. Comparing calculated and measured water consumption in a study of the (minimal) transpiration of cucumbers grown on rockwool
CN212427822U (zh) 一种绿色建筑节能屋面
CN116746463A (zh) 一种基于天气预报和土壤监测的智能浇灌系统
CN111642291A (zh) 一种人工智能物联网室内花卉管理系统及方法
CN106804392B (zh) 基于加权平均湿度的绿色屋顶灌溉方法、控制装置及系统
CN115349432A (zh) 一种基于光辐射与气象预测的智能灌溉方法和系统

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