CN116182945A - 基于无线传感器网络的可控农业温室环境监测系统及方法 - Google Patents

基于无线传感器网络的可控农业温室环境监测系统及方法 Download PDF

Info

Publication number
CN116182945A
CN116182945A CN202310146493.9A CN202310146493A CN116182945A CN 116182945 A CN116182945 A CN 116182945A CN 202310146493 A CN202310146493 A CN 202310146493A CN 116182945 A CN116182945 A CN 116182945A
Authority
CN
China
Prior art keywords
data
temperature
greenhouse
sensor network
expressed
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.)
Granted
Application number
CN202310146493.9A
Other languages
English (en)
Other versions
CN116182945B (zh
Inventor
夏鸽飞
吕名礼
朱登平
高承才
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.)
Shanghai Huawei Controllable Agricultural Technology Group Co ltd
Original Assignee
Shanghai Huawei Controllable Agricultural Technology Group 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 Shanghai Huawei Controllable Agricultural Technology Group Co ltd filed Critical Shanghai Huawei Controllable Agricultural Technology Group Co ltd
Priority to CN202310146493.9A priority Critical patent/CN116182945B/zh
Publication of CN116182945A publication Critical patent/CN116182945A/zh
Application granted granted Critical
Publication of CN116182945B publication Critical patent/CN116182945B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Environmental Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Greenhouses (AREA)

Abstract

本发明公开了基于无线传感器网络的可控农业温室环境监测系统及方法，属于温室环境监测领域，该农业环境监测系统包括数据采集模块、数据库、数据分析模块和用户提醒模块，数据采集模块用于采集基础数据信息，通过传感器对温室环境进行监测，数据库用于对采集的数据信息和分析结果进行加密存储，数据分析模块用于对采集的数据信息进行分析处理，用户提醒模块用于根据分析结果，对相关技术人员进行报警提醒，并智能调节温室温度。本发明通过无线传感器网络实时监测温室环境，对温室的积尘量进行预测分析，及时提醒相关技术人员进行清理，并对积尘对应位置的温度进行分析，对温度进行智能调控，节省成本，促进温室植物的生长。

Description

基于无线传感器网络的可控农业温室环境监测系统及方法
技术领域
本发明涉及温室环境监测领域，具体为基于无线传感器网络的可控农业温室环境监测系统及方法。
背景技术
随着科技的不断发展，我国的农业也在不断进步，向着现代化、规模化和智能化方向发展。温室是设施农业的重要组成部分，是现代农业发展的重点之一，它能够在多变的自然条件下为作物生长创造一个适宜的环境，从而缩短作物的生长周期，增加经济效益；可控农业温室技术是在环境相对可控条件下，采用工程技术手段，进行动植物高效生产的一种现代农业方式，可控农业温室技术跨多学科，需要配套：硬件设备、软件控制系统、物联网联动的种植养殖技术。在可控农业温室中，无线传感器网络发挥着巨大作用，无线传感器网络是一种分布式传感网络，它的末梢是可以感知和检查外部世界的传感器。无线传感器网络中的传感器通过无线方式通信，因此网络设置灵活，设备位置可以随时更改，还可以跟互联网进行有线或无线方式的连接。智能传感器是用嵌入式技术将传感器与微处理器集成为一体，使其成为具有环境感知、数据处理、智能控制与数据通信功能的智能数据终端设备。无线传感器网络不仅减少了设备之间的信号传输线，便于维护和检修，提高了系统的准确性和扩展性，还能够准确监测温室的温度、光照强度和温室受到的压力等参数。
在农业温室使用的过程中，常常会出现大量积尘，包括人为种植时的草屑、泥土以及自然环境中的灰尘等，积尘覆盖在温室表面容易造成温室透光率降低，同时积尘对应位置由于阳光减少，温度降低，从而影响植物生长。但是，人们常常选择经历长时间后集中清理，对积尘多的位置影响大，长期进行温室补光会损耗大量的电力资源，直接更换温室表面的材料需要耗费大量的成本。
由此看来，如何通过对可控农业温室表面环境进行监测，提醒相关技术人员清理温室表面积尘，如何智能调节温室温度是很有必要的。因此，需要基于无线传感器网络的可控农业温室环境监测系统及方法。
发明内容
本发明的目的在于提供基于无线传感器网络的可控农业温室环境监测系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：基于无线传感器网络的可控农业温室环境监测系统，该农业环境监测系统包括：数据采集模块、数据库、数据分析模块和用户提醒模块；
所述数据采集模块的输出端与数据库的输入端相连接，数据库的输出端与数据分析模块的输入端相连接，数据分析模块的输出端与用户提醒模块相连接，数据分析模块的输出端与数据库的输入端相连接；所述数据采集模块用于采集基础数据信息，通过传感器对温室环境进行监测，所述数据库用于对采集的数据信息和分析结果进行加密存储，所述数据分析模块用于对采集的数据信息进行分析处理，所述用户提醒模块用于根据分析结果，对相关技术人员进行报警提醒，并智能调节温室温度。
进一步的，所述数据采集模块包括基础数据采集单元和环境监测单元，所述基础数据采集单元用于采集基础数据信息，所述环境监测单元用于通过无线传感器网络，对温室环境进行监测，无线传感器网络是一种由传感器节点构成的网络，能够实时地监测、感知和采集节点部署区的环境或观察者感兴趣的感知对象的各种信息，并对这些信息进行处理后以无线的方式发送出去，为后续的数据分析提供了数据基础。
进一步的，所述数据库包括数据存储单元和数据加密单元，所述数据存储单元通过Lakehouse存储技术对采集的数据和分析的结果进行存储，Lakehouse存储技术是指湖仓一体，是一种新的大数据存储架构，将数据仓库的数据结构和管理功能与数据湖的低成本存储和灵活性相结合，具有以下优点：a、减少数据冗余；b、成本效益，通过利用低成本的对象存储实现数据湖的高效益的存储功能，提供单一的解决方案，消除了维护多个数据存储系统的成本和时间；c、事务的支持，许多数据管道通常会同时读取和写入数据；d、支持Schema的实施和进化，支持数据仓库的模式架构；e、使用的存储格式是开放和标准化的；f、存储与计算解耦，能够扩展到更多的并发用户和更大的数据大小；g、支持各种工作负载；h、端到端的流计算支持；所述数据加密单元通过ECC加密算法对数据采集、数据传输、数据分析和报警提醒的过程进行加密，保障了数据传输过程的安全，避免了信息泄露造成地风险，ECC加密算法指椭圆曲线加密算法，是基于椭圆曲线数学理论实现的一种非对称加密算法，该加密方式基于“离散对数”这种数学难题，ECC主要优势是可以使用更小的密钥并提供相当高等级的安全。ECC 164位的密钥产生一个安全级，相当于RSA 1024位密钥提供的保密强度，而且计算量较小，处理速度更快，存储空间和传输带宽占用较少。
进一步的，所述数据分析模块包括积尘量分析单元和温度分析单元，所述积尘量分析单元用于根据无线传感器网络各个节点采集的数据信息，对农业温室表面的积尘量进行预测分析，所述温度分析单元用于根据对积尘量的分析结果，构建温度预测模型，对农业温室内部的温度情况进行预测分析处理。
进一步的，所述用户提醒模块包括温度调控单元、屏幕显示单元和语音提醒单元，所述温度调控单元用于根据分析的温室内部的温度情况，通过温度控制设备，对温室的温度进行智能调控，保障了温室内部植物的最佳生长状态，提高了农业温室的能动性和鲁棒性，所述屏幕显示单元用于在出现异常情况下，通过显示设备，对相关技术人员展示分析结果，便于相关技术人员快速了解出现异常的具体情况，及时采取措施，提高了相关技术人员的工作效率，所述语音提醒单元用于在出现异常情况下，通过语音设备，对相关技术人员进行提醒，确保相关技术人员能够及时获取信息，及时未能观看到显示设备，也能收到提醒。
基于无线传感器网络的可控农业温室环境监测方法，包括下列步骤：
S1、采集基础数据信息，通过无线传感器网络，对农业温室的环境数据进行监测，并对采集的数据信息进行加密存储；
S2、根据采集的基础数据信息和环境数据，对农业温室表面的积尘量进行预测分析处理；
S3、根据采集的基础数据信息、环境数据和分析的积尘量结果，构建温度预测模型，对农业温室内部的温度情况进行预测分析；
S4、根据积尘量和温度情况分析结果，智能调控温室温度，当出现异常情况时，通过显示设备和语音设备对相关技术人员进行报警提醒，并对分析结果进行加密存储。
进一步的，在步骤S2中，还包括以下步骤：
S201、对无线传感器网络中的各个节点进行标号，通过气象传感器，对农业温室周围的气象环境数据进行采集，形成训练集合
Figure BDA0004089298470000031
其中，xi表示为采集的输入数据，yi表示为类标记，若yi＝+1，则称xi为正例；若yi＝-1，则称xi为负例，便于对训练样本进行正确分类，m表示为数据数量；
S202、根据采集的数据，采用支持向量机回归预测方法建立预测模型，对积尘量与气象数据关系进行分析，支持向量机是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，以期获得最好的推广能力，在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中；
通过下列公式对损失函数|y-f(x)|α进行计算：
Figure BDA0004089298470000041
其中，f(x)表示为气象影响预测函数，α表示为精度，则分离超平面表示为：
Figure BDA0004089298470000042
其中，ω表示为分离超平面的法向量，/>
Figure BDA0004089298470000043
表示为核函数，用于对采集的数据进行维度变换，b为偏差，/>
Figure BDA0004089298470000044
表示为向量ω和/>
Figure BDA0004089298470000045
的内积；通过下列公式对最优化问题进行求解：
Figure BDA0004089298470000046
其中，C表示为惩罚系数，βi表示为松弛变量，βi ′表示为松弛变量的最优解，δi表示为第i个数据的拉格朗日乘子，δi ′表示为第i个数据的拉格朗日乘子的最优解，ri和ri ′表示为权值；通过下列公式进行化简得：
Figure BDA0004089298470000047
其中，K表示为引入核函数，
Figure BDA0004089298470000048
Figure BDA0004089298470000049
表示为采集数据xi对应的核函数，/>
Figure BDA00040892984700000410
表示为采集数据xj对应的核函数，δj表示为第j个数据的拉格朗日算子，δj ′表示为第j个数据的拉格朗日乘子的最优解，通过求偏导后得到偏差b为：
Figure BDA00040892984700000411
则通过下列公式对气象影响预测函数f(x)进行计算：
Figure BDA00040892984700000412
S203、根据采集的数据信息，利用大数据，对积尘量与时间关系进行分析；
通过下列公式对时间影响预测函数g(x)进行计算：
Figure BDA00040892984700000413
其中，t表示为时间，p1表示为时间t趋于无穷小时g(x)的最小值，p2表示为时间t趋于无穷大时g(x)的最大值，t0表示为拐点，τ表示为拐点处曲线斜率的相关系数；
S204、通过下列公式对积尘量预测值Z进行计算：
Z＝γ1f(x)+γ2g(x)；
其中，γ1和γ2表示为权值；
设置积尘量阈值为Z阈，当Z<Z阈，说明温室积尘量小，表示为正常状态，不进行报警提醒；当Z≥Z阈，说明温室积尘量大，表示为异常情况，此时根据无线传感器网络中的节点标号，确定出现异常情况的位置，通过屏幕显示和语音进行展示，并提醒相关人员进行清洁。
进一步的，在步骤S3中，还包括以下步骤：
S301、根据采集的基础数据，获得植物的生长高度为h，通过温度传感器，温室内植物生长的标准温度T标进行监测，通过压力传感器对温室表面的积尘的实时压力G进行监测，通过图像传感器对积尘面积S进行监测；
S302、通过下列公式对温室积尘下的实际温度T实进行计算：
Figure BDA0004089298470000051
其中，μ表示为调节指数，g表示为重力系数，ρ1和ρ2表示为权值，C表示为随机变量；
S303、设置温度阈值为T阈，当T标≥T实≥T阈时，表示在误差范围内，此时不进行增温，当T实<T阈时，表示实际温度低于阈值，此时通过温度控制设备，对温室的温度进行智能调控，提高温室的温度，保证了温室内部植物的最佳生长状态，避免出现温度低，难以达到植物的种植要求的情况出现。
进一步的，在步骤S4中，根据分析结果，当积尘量超过阈值时，通过显示设备和语音设备对相关技术人员进行提醒，确保温室能够及时得到清理，避免积尘造成的透光效果差的情况出现，同时，实时对温度进行智能调控，避免出现相关技术人员未及时清理积尘导致对应位置的温度达不到植物种植需求的情况出现，提高了相关技术人员的工作效率，促进了农业温室内植物的生长。
与现有技术相比，本发明所达到的有益效果是：
本发明通过采集基础数据信息，通过无线传感器网络监测可控农业温室的环境，根据采集的数据信息，对农业温室表面的积尘量进行分析预测，当积尘量出现异常情况时，通过显示设备和语音设备，对相关技术人员进行展示和提醒，便于相关技术人员及时对出现异常情况的无线传感器网络节点进行清理，增强了温室的透光程度，保障了温室内部植物的种植光照需求，避免出现光照不足造成的黄化现象等情况发生，提高了相关技术人员的工作效率，降低了农业温室的成本损耗；同时根据预测的积尘量，构建温度预测模型，对温室内部的温度进行预测分析，对温室内的温度进行智能调控，保证了温室内部植物的种植温度需求，避免出现植物的生长不良和产量下降，促进了农业温室的发展，提高了系统的鲁棒性。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明基于无线传感器网络的可控农业温室环境监测系统的模块组成示意图；
图2是本发明基于无线传感器网络的可控农业温室环境监测方法的步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术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，都属于本发明保护的范围。
请参阅图1-图2，本发明提供技术方案：基于无线传感器网络的可控农业温室环境监测系统，该农业环境监测系统包括：数据采集模块、数据库、数据分析模块和用户提醒模块；
所述数据采集模块的输出端与数据库的输入端相连接，数据库的输出端与数据分析模块的输入端相连接，数据分析模块的输出端与用户提醒模块相连接，数据分析模块的输出端与数据库的输入端相连接；
所述数据采集模块用于采集基础数据信息，通过传感器对温室环境进行监测，数据采集模块包括基础数据采集单元和环境监测单元，所述基础数据采集单元用于采集基础数据信息，例如温室建筑材料数据和温室内植物种植高度等，所述环境监测单元用于通过无线传感器网络，对温室环境进行监测，例如通过气象传感器对天气情况进行监测，通过温度传感器对温室内植物生长的标准温度进行监测和通过压力传感器对温室表面的积尘重量进行监测等，无线传感器网络是一种由传感器节点构成的网络，能够实时地监测、感知和采集节点部署区的环境或观察者感兴趣的感知对象的各种信息，并对这些信息进行处理后以无线的方式发送出去，为后续的数据分析提供了数据基础。
所述数据库用于对采集的数据信息和分析结果进行加密存储，数据库包括数据存储单元和数据加密单元，所述数据存储单元通过Lakehouse存储技术对采集的数据和分析的结果进行存储，Lakehouse存储技术是指湖仓一体，是一种新的大数据存储架构，将数据仓库的数据结构和管理功能与数据湖的低成本存储和灵活性相结合，具有以下优点：a、减少数据冗余；b、成本效益，通过利用低成本的对象存储实现数据湖的高效益的存储功能，提供单一的解决方案，消除了维护多个数据存储系统的成本和时间；c、事务的支持，许多数据管道通常会同时读取和写入数据；d、支持Schema的实施和进化，支持数据仓库的模式架构，如星型模式/雪花模式；e、使用的存储格式是开放和标准化的，例如Parquet，它们提供了一个API，因此各种工具和引擎，包括机器学习和Python/R库，可以有效地直接访问数据；f、存储与计算解耦，能够扩展到更多的并发用户和更大的数据大小；g、支持各种工作负载，包括数据科学、机器学习、SQL和数据分析等；h、端到端的流计算支持；所述数据加密单元通过ECC加密算法对数据采集、数据传输、数据分析和报警提醒的过程进行加密，保障了数据传输过程的安全，避免了信息泄露造成地风险，ECC加密算法指椭圆曲线加密算法，是基于椭圆曲线数学理论实现的一种非对称加密算法，该加密方式基于“离散对数”这种数学难题，ECC主要优势是可以使用更小的密钥并提供相当高等级的安全。ECC 164位的密钥产生一个安全级，相当于RSA 1024位密钥提供的保密强度，而且计算量较小，处理速度更快，存储空间和传输带宽占用较少。
所述数据分析模块用于对采集的数据信息进行分析处理，数据分析模块包括积尘量分析单元和温度分析单元，所述积尘量分析单元用于根据无线传感器网络各个节点采集的数据信息，对农业温室表面的积尘量进行预测分析，所述温度分析单元用于根据对积尘量的分析结果，构建温度预测模型，对农业温室内部的温度情况进行预测分析处理。
所述用户提醒模块用于根据分析结果，对相关技术人员进行报警提醒，并智能调节温室温度。用户提醒模块包括温度调控单元、屏幕显示单元和语音提醒单元，所述温度调控单元用于根据分析的温室内部的温度情况，通过温度控制设备，例如电热泵、热风炉和电热加热等，对温室的温度进行智能调控，保障了温室内部植物的最佳生长状态，提高了农业温室的能动性和鲁棒性，所述屏幕显示单元用于在出现异常情况下，通过显示设备，例如电脑、手机和中控大屏等，对相关技术人员展示分析结果，便于相关技术人员快速了解出现异常的具体情况，及时采取措施，提高了相关技术人员的工作效率，所述语音提醒单元用于在出现异常情况下，通过语音设备，例如广播和报警铃等，对相关技术人员进行提醒，确保相关技术人员能够及时获取信息，及时未能观看到显示设备，也能收到提醒。
基于无线传感器网络的可控农业温室环境监测方法，包括下列步骤：
S1、采集基础数据信息，通过无线传感器网络，对农业温室的环境数据进行监测，并对采集的数据信息进行加密存储；
S2、根据采集的基础数据信息和环境数据，对农业温室表面的积尘量进行预测分析处理；
在步骤S2中，还包括以下步骤：
S201、对无线传感器网络中的各个节点进行标号，通过气象传感器，对农业温室周围的气象环境数据进行采集，形成训练集合
Figure BDA0004089298470000081
其中，xi表示为采集的输入数据，yi表示为类标记，若yi＝+1，则称xi为正例；若yi＝-1，则称xi为负例，便于对训练样本进行正确分类，m表示为数据数量；
S202、根据采集的数据，采用支持向量机回归预测方法建立预测模型，对积尘量与气象数据关系进行分析，支持向量机是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，以期获得最好的推广能力，在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中；
通过下列公式对损失函数|y-f(x)|α进行计算：
Figure BDA0004089298470000082
其中，f(x)表示为气象影响预测函数，α表示为精度，则分离超平面表示为：
Figure BDA0004089298470000083
其中，ω表示为分离超平面的法向量，/>
Figure BDA0004089298470000084
表示为核函数，用于对采集的数据进行维度变换，b为偏差，/>
Figure BDA0004089298470000085
表示为向量ω和/>
Figure BDA0004089298470000086
的内积；通过下列公式对最优化问题进行求解：
Figure BDA0004089298470000087
其中，C表示为惩罚系数，βi表示为松弛变量，βi ′表示为松弛变量的最优解，δi表示为第i个数据的拉格朗日乘子，δi ′表示为第i个数据的拉格朗日乘子的最优解，ri和ri ′表示为权值；通过下列公式进行化简得：
Figure BDA0004089298470000088
其中，K表示为引入核函数，
Figure BDA0004089298470000091
Figure BDA0004089298470000092
表示为采集数据xi对应的核函数，/>
Figure BDA0004089298470000093
表示为采集数据xj对应的核函数，δj表示为第j个数据的拉格朗日算子，δ′j表示为第j个数据的拉格朗日乘子的最优解，通过求偏导后得到偏差b为：
Figure BDA0004089298470000094
则通过下列公式对气象影响预测函数f(x)进行计算：
Figure BDA0004089298470000095
S203、根据采集的数据信息，利用大数据，对积尘量与时间关系进行分析；
通过下列公式对时间影响预测函数g(x)进行计算：
Figure BDA0004089298470000096
其中，t表示为时间，p1表示为时间t趋于无穷小时g(x)的最小值，p2表示为时间t趋于无穷大时g(x)的最大值，t0表示为拐点，τ表示为拐点处曲线斜率的相关系数；
S204、通过下列公式对积尘量预测值Z进行计算：
Z＝γ1f(x)+γ2g(x)；
其中，γ1和γ2表示为权值；
设置积尘量阈值为Z阈，当Z<Z阈，说明温室积尘量小，表示为正常状态，不进行报警提醒；当Z≥Z阈，说明温室积尘量大，表示为异常情况，此时根据无线传感器网络中的节点标号，确定出现异常情况的位置，通过屏幕显示和语音进行展示，并提醒相关人员进行清洁。
S3、根据采集的基础数据信息、环境数据和分析的积尘量结果，构建温度预测模型，对农业温室内部的温度情况进行预测分析；
在步骤S3中，还包括以下步骤：
S301、根据采集的基础数据，获得植物的生长高度为h，通过温度传感器，温室内植物生长的标准温度T标进行监测，通过压力传感器对温室表面的积尘的实时压力G进行监测，通过图像传感器对积尘面积S进行监测；
S302、通过下列公式对温室积尘下的实际温度T实进行计算：
Figure BDA0004089298470000097
其中，μ表示为调节指数，g表示为重力系数，ρ1和ρ2表示为权值，C表示为随机变量；
S303、设置温度阈值为T阈，当T标≥T实≥T阈时，表示在误差范围内，此时不进行增温，当T实<T阈时，表示实际温度低于阈值，此时通过温度控制设备，例如电热泵、热风炉和电热加热等，对温室的温度进行智能调控，提高温室的温度，保证了温室内部植物的最佳生长状态，避免出现温度低，难以达到植物的种植要求的情况出现。
S4、根据积尘量和温度情况分析结果，智能调控温室温度，当出现异常情况时，通过显示设备和语音设备对相关技术人员进行报警提醒，并对分析结果进行加密存储。
在步骤S4中，根据分析结果，当积尘量超过阈值时，通过显示设备和语音设备对相关技术人员进行提醒，确保温室能够及时得到清理，避免积尘造成的透光效果差的情况出现，同时，实时对温度进行智能调控，避免出现相关技术人员未及时清理积尘导致对应位置的温度达不到植物种植需求的情况出现，提高了相关技术人员的工作效率，促进了农业温室内植物的生长。
实施例一：
若在某一无线传感器网络节点处，植物的生长高度h1＝0.1m，h2＝0.5m，h3＝1m，通过压力传感器对温室表面的积尘的实时压力为0.05N，积尘量预测值为Z＝5g/m3，通过图像传感器得到积尘面积为1m2在温室无积尘时，通过温度传感器测得标准温度T标＝26℃，重力系数g＝9.8N/kg，调节指数μ＝1，权值ρ1＝0.8，ρ2＝0.2，随机变量为0.3，此时温室积尘下的实际温度T实为：
Figure BDA0004089298470000101
Figure BDA0004089298470000102
Figure BDA0004089298470000103
设置温度阈值T阈＝25℃，此时T实1<T阈，T实2<T阈，T实3<T阈，表示实际温度低于阈值，此时通过温度控制设备，对温室的温度进行智能调控，提高温室的温度。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.基于无线传感器网络的可控农业温室环境监测系统，其特征在于：该农业环境监测系统包括：数据采集模块、数据库、数据分析模块和用户提醒模块；
所述数据采集模块的输出端与数据库的输入端相连接，数据库的输出端与数据分析模块的输入端相连接，数据分析模块的输出端与用户提醒模块相连接，数据分析模块的输出端与数据库的输入端相连接；所述数据采集模块用于采集基础数据信息，通过传感器对温室环境进行监测，所述数据库用于对采集的数据信息和分析结果进行加密存储，所述数据分析模块用于对采集的数据信息进行分析处理，所述用户提醒模块用于根据分析结果，对相关技术人员进行报警提醒，并智能调节温室温度。
2.根据权利要求1所述的基于无线传感器网络的可控农业温室环境监测系统，其特征在于：所述数据采集模块包括基础数据采集单元和环境监测单元，所述基础数据采集单元用于采集基础数据信息，所述环境监测单元用于通过无线传感器网络，对温室环境进行监测。
3.根据权利要求2所述的基于无线传感器网络的可控农业温室环境监测系统，其特征在于：所述数据库包括数据存储单元和数据加密单元，所述数据存储单元通过Lakehouse存储技术对采集的数据和分析的结果进行存储；所述数据加密单元通过ECC加密算法对数据采集、数据传输、数据分析和报警提醒的过程进行加密。
4.根据权利要求3所述的基于无线传感器网络的可控农业温室环境监测系统，其特征在于：所述数据分析模块包括积尘量分析单元和温度分析单元，所述积尘量分析单元用于根据无线传感器网络各个节点采集的数据信息，对农业温室表面的积尘量进行预测分析，所述温度分析单元用于根据对积尘量的分析结果，构建温度预测模型，对农业温室内部的温度情况进行预测分析处理。
5.根据权利要求4所述的基于无线传感器网络的可控农业温室环境监测系统，其特征在于：所述用户提醒模块包括温度调控单元、屏幕显示单元和语音提醒单元，所述温度调控单元用于根据分析的温室内部的温度情况，通过温度控制设备，对温室的温度进行智能调控，所述屏幕显示单元用于在出现异常情况下，通过显示设备，对相关技术人员展示分析结果，所述语音提醒单元用于在出现异常情况下，通过语音设备，对相关技术人员进行提醒。
6.基于无线传感器网络的可控农业温室环境监测方法，其特征在于：包括下列步骤：
S1、采集基础数据信息，通过无线传感器网络，对农业温室的环境数据进行监测，并对采集的数据信息进行加密存储；
S2、根据采集的基础数据信息和环境数据，对农业温室表面的积尘量进行预测分析处理；
S3、根据采集的基础数据信息、环境数据和分析的积尘量结果，构建温度预测模型，对农业温室内部的温度情况进行预测分析；
S4、根据积尘量和温度情况分析结果，智能调控温室温度，当出现异常情况时，通过显示设备和语音设备对相关技术人员进行报警提醒，并对分析结果进行加密存储。
7.根据权利要求6所述的基于无线传感器网络的可控农业温室环境监测方法，其特征在于：在步骤S2中，还包括以下步骤：
S201、对无线传感器网络中的各个节点进行标号，通过气象传感器，对农业温室周围的气象环境数据进行采集，形成训练集合
Figure FDA0004089298450000021
其中，xi表示为采集的输入数据，yi表示为类标记，m表示为数据数量；
S202、根据采集的数据，采用支持向量机回归预测方法建立预测模型，对积尘量与气象数据关系进行分析；
通过下列公式对损失函数|y-f(x)|α进行计算：
Figure FDA0004089298450000022
其中，f(x)表示为气象影响预测函数，α表示为精度，则分离超平面表示为：
Figure FDA0004089298450000023
其中，ω表示为分离超平面的法向量，/>
Figure FDA0004089298450000024
表示为核函数，b为偏差，
Figure FDA0004089298450000025
表示为向量ω和/>
Figure FDA0004089298450000026
的内积；通过下列公式对最优化问题进行化简求解：
Figure FDA0004089298450000027
其中，K表示为引入核函数，
Figure FDA0004089298450000028
Figure FDA0004089298450000029
表示为采集数据xi对应的核函数，
Figure FDA00040892984500000210
表示为采集数据xj对应的核函数，δi表示为第i个数据的拉格朗日乘子，δi ′表示为第i个数据的拉格朗日乘子的最优解，δj表示为第j个数据的拉格朗日算子，δj ′表示为第j个数据的拉格朗日乘子的最优解，通过求偏导后得到偏差b为：
Figure FDA0004089298450000031
则通过下列公式对气象影响预测函数f(x)进行计算：
Figure FDA0004089298450000032
S203、根据采集的数据信息，利用大数据，对积尘量与时间关系进行分析；
通过下列公式对时间影响预测函数g(x)进行计算：
Figure FDA0004089298450000033
其中，t表示为时间，p1表示为时间t趋于无穷小时g(x)的最小值，p2表示为时间t趋于无穷大时g(x)的最大值，t0表示为拐点，τ表示为拐点处曲线斜率的相关系数；
S204、通过下列公式对积尘量预测值Z进行计算：
Z＝γ1f(x)+γ2g(x)；
其中，γ1和γ2表示为权值；
设置积尘量阈值为Z阈，当Z<Z阈，表示为正常状态，不进行报警提醒；当Z≥Z阈，表示为异常情况，此时根据无线传感器网络中的节点标号，确定出现异常情况的位置，通过屏幕显示和语音进行展示，并提醒相关人员进行清洁。
8.根据权利要求7所述的基于无线传感器网络的可控农业温室环境监测方法，其特征在于：在步骤S3中，还包括以下步骤：
S301、根据采集的基础数据，获得植物的生长高度为h，通过温度传感器，温室内植物生长的标准温度T标进行监测，通过压力传感器对温室表面的积尘的实时压力G进行监测，通过图像传感器对积尘面积S进行监测；
S302、根据采集的数据信息，构建温度预测模型，通过下列公式对温室积尘下的实际温度T实进行计算：
Figure FDA0004089298450000034
其中，μ表示为调节指数，g表示为重力系数，ρ1和ρ2表示为权值，C表示为随机变量；
S303、设置温度阈值为T阈，当T标≥T实≥T阈时，表示在误差范围内，此时不进行增温，当T实<T阈时，表示实际温度低于阈值，此时通过温度控制设备，对温室的温度进行智能调控，提高温室的温度。
9.根据权利要求8所述的基于无线传感器网络的可控农业温室环境监测方法，其特征在于：在步骤S4中，根据分析结果，当积尘量超过阈值时，通过显示设备和语音设备对相关技术人员进行提醒，同时，实时对温度进行智能调控。
CN202310146493.9A 2023-02-22 2023-02-22 基于无线传感器网络的可控农业温室环境监测系统及方法 Active CN116182945B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310146493.9A CN116182945B (zh) 2023-02-22 2023-02-22 基于无线传感器网络的可控农业温室环境监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310146493.9A CN116182945B (zh) 2023-02-22 2023-02-22 基于无线传感器网络的可控农业温室环境监测系统及方法

Publications (2)

Publication Number Publication Date
CN116182945A true CN116182945A (zh) 2023-05-30
CN116182945B CN116182945B (zh) 2023-11-07

Family

ID=86434233

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310146493.9A Active CN116182945B (zh) 2023-02-22 2023-02-22 基于无线传感器网络的可控农业温室环境监测系统及方法

Country Status (1)

Country Link
CN (1) CN116182945B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116679774A (zh) * 2023-06-06 2023-09-01 上海华维可控农业科技集团股份有限公司 一种基于物联网的低功耗水体智能调控系统及方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203054554U (zh) * 2012-12-27 2013-07-10 南通纺织职业技术学院 一种温室大棚控制装置
US20150237812A1 (en) * 2012-09-06 2015-08-27 Sat Parkash Gupta Environment controlled structured green houses for cost effective food production
CN206769228U (zh) * 2017-03-17 2017-12-19 杨亚娇 一种园艺设施的清洗消毒装置
CN208488116U (zh) * 2018-04-04 2019-02-12 新疆农业科学院农业机械化研究所 一种基于ZigBee的温室环境温湿度监测系统
CN110119169A (zh) * 2019-04-19 2019-08-13 淮阴工学院 一种基于最小向量机的番茄温室温度智能预警系统
CN112418498A (zh) * 2020-11-12 2021-02-26 中国农业大学 用于智能温室的温度预测方法及系统
CN113133364A (zh) * 2021-05-18 2021-07-20 宁夏好家乡生态农业科技发展有限公司 一种温室大棚温湿度智能控制方法及系统
CN115220506A (zh) * 2022-09-16 2022-10-21 同方德诚(山东)科技股份公司 一种基于物联网终端的多点源冷暖控制系统
CN115456267A (zh) * 2022-09-02 2022-12-09 珠海爱浦京软件股份有限公司 一种基于数据分析的能源数据处理系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150237812A1 (en) * 2012-09-06 2015-08-27 Sat Parkash Gupta Environment controlled structured green houses for cost effective food production
CN203054554U (zh) * 2012-12-27 2013-07-10 南通纺织职业技术学院 一种温室大棚控制装置
CN206769228U (zh) * 2017-03-17 2017-12-19 杨亚娇 一种园艺设施的清洗消毒装置
CN208488116U (zh) * 2018-04-04 2019-02-12 新疆农业科学院农业机械化研究所 一种基于ZigBee的温室环境温湿度监测系统
CN110119169A (zh) * 2019-04-19 2019-08-13 淮阴工学院 一种基于最小向量机的番茄温室温度智能预警系统
CN112418498A (zh) * 2020-11-12 2021-02-26 中国农业大学 用于智能温室的温度预测方法及系统
CN113133364A (zh) * 2021-05-18 2021-07-20 宁夏好家乡生态农业科技发展有限公司 一种温室大棚温湿度智能控制方法及系统
CN115456267A (zh) * 2022-09-02 2022-12-09 珠海爱浦京软件股份有限公司 一种基于数据分析的能源数据处理系统及方法
CN115220506A (zh) * 2022-09-16 2022-10-21 同方德诚(山东)科技股份公司 一种基于物联网终端的多点源冷暖控制系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116679774A (zh) * 2023-06-06 2023-09-01 上海华维可控农业科技集团股份有限公司 一种基于物联网的低功耗水体智能调控系统及方法
CN116679774B (zh) * 2023-06-06 2024-01-30 上海华维可控农业科技集团股份有限公司 一种基于物联网的低功耗水体智能调控系统及方法

Also Published As

Publication number Publication date
CN116182945B (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
Channe et al. Multidisciplinary model for smart agriculture using internet-of-things (IoT), sensors, cloud-computing, mobile-computing & big-data analysis
Murugamani et al. Machine Learning Technique for Precision Agriculture Applications in 5G‐Based Internet of Things
CN106254476A (zh) 基于物联网、大数据和云计算的农业生态环境信息管理及监控方法与系统
Manoharan Supervised Learning for Microclimatic parameter Estimation in a Greenhouse environment for productive Agronomics
CN116182945B (zh) 基于无线传感器网络的可控农业温室环境监测系统及方法
CN111476149A (zh) 一种植物培育控制方法和系统
CN110119767A (zh) 一种基于lvq神经网络的黄瓜温室温度智能化检测装置
CN112348261A (zh) 一种交易量预测方法、设备、装置及存储介质
Nayagam et al. Control of pests and diseases in plants using iot technology
CN115685862B (zh) 一种基于边缘计算的智慧农业检测系统
Chen et al. Pest incidence forecasting based on internet of things and long short-term memory network
CN117391482A (zh) 一种基于大数据监测的大棚温度智能预警方法及系统
Durga et al. Internet of things based weather and water quality monitoring system
Kumar et al. Multiparameter optimization system with DCNN in precision agriculture for advanced irrigation planning and scheduling based on soil moisture estimation
CN110414859B (zh) 一种基于物联网技术的稻谷收储作业5t评价方法
CN117694070A (zh) 养分要素反演评估与智能变量精准施肥决策系统
KR20210114751A (ko) 작물의 생육량 예측 방법 및 장치
CN118095792A (zh) 一种基于大数据的智慧农业管理系统
CN118313650A (zh) 一种基于大数据的智慧农业云平台监控系统
Park et al. Understanding IoT climate data based predictive model for outdoor smart farm
CN110309960A (zh) 一种大数据智能分析预测系统
Sadeghi Big data based on IoT in the agriculture industry: developments, opportunities, and challenges ahead
JP7314825B2 (ja) 予測装置、予測システム、及び予測方法
Hoshi et al. A daily harvest prediction model of cherry tomatoes by mining from past averaging data and using topological case-based modeling
Cheng Application of big data analysis to agricultural production, agricultural product marketing, and influencing factors in intelligent agriculture

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