CN116187171A - 农田全自动多路智能灌溉设备及改进lstm灌溉方法 - Google Patents
农田全自动多路智能灌溉设备及改进lstm灌溉方法 Download PDFInfo
- Publication number
- CN116187171A CN116187171A CN202310023674.2A CN202310023674A CN116187171A CN 116187171 A CN116187171 A CN 116187171A CN 202310023674 A CN202310023674 A CN 202310023674A CN 116187171 A CN116187171 A CN 116187171A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- farmland
- data
- intelligent irrigation
- irrigation equipment
- 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.)
- Withdrawn
Links
- 238000003973 irrigation Methods 0.000 title claims abstract description 52
- 230000002262 irrigation Effects 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 92
- 239000003621 irrigation water Substances 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000013500 data storage Methods 0.000 claims abstract description 10
- 230000008447 perception Effects 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 16
- 239000007788 liquid Substances 0.000 claims description 12
- 239000002689 soil Substances 0.000 claims description 11
- 230000004913 activation Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 5
- 230000009191 jumping Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000013144 data compression Methods 0.000 claims description 4
- 230000000630 rising effect Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims 1
- 230000006835 compression Effects 0.000 claims 1
- 238000009434 installation Methods 0.000 claims 1
- 241000209094 Oryza Species 0.000 description 15
- 235000007164 Oryza sativa Nutrition 0.000 description 15
- 235000009566 rice Nutrition 0.000 description 15
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
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
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Geometry (AREA)
- Environmental Sciences (AREA)
- Medical Informatics (AREA)
- Water Supply & Treatment (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提出了一种农田全自动多路智能灌溉设备及改进LSTM灌溉方法。该方法包括以下步骤：步骤1，搭建智能灌溉设备检测系统的感知层；步骤2，建立智能灌溉设备检测系统的网络层；步骤3，将网络层传输至数据存储层的数据进行解码和分析，并计算腾发量；步骤4，设计改进LSTM农田需水估计模型；步骤5，对改进LSTM智能灌溉需水估计模型参数进行微调，直至模型收敛；步骤6，模型在线应用。本发明可保障农作物的正常生长需求，避免农作物因灌溉水源缺失导致农作物生长不良、产量降低等问题，特别适用于农田区域水资源缺乏、农田分布较广的区域使用。
Description
技术领域
本发明涉及农业设备技术领域，具体为农田全自动多路智能灌溉设备及改进LSTM灌溉方法。
背景技术
农业生产发展是我们生活的根本，如何让有限的土地资源生产出满足我们生存的资源一直是我们农民和农业专家们不懈努力的动力，在农业生产中我们通过很多农业技术改变原有的耕种方式，使农作物获得高产，如优良种子、高效化肥、生产性农药、先进的耕种机械设备等，为我们农业提供高效服务，在农作物的生产生长过程中有着重要的几大要素如土壤、水、肥料、光照、通风等，这些都是影响农作物生长生产在重要因素，因此控制好这些关键要素便可使农作物获得高产；而在我国水稻种植是一种种植较为广泛的农作物，水稻是一种水生植物，水稻种植需要大量的水源，因此为了水稻的茁壮成长需要给其提供满足生长的水源，因此水稻的种植离不开农田，农田能为水稻生长提供良好的土壤和水源，但在一些水源缺乏的地区或在一些容易干旱的地方，我们也有水稻种植的需求，为此我们一般都修建有水库或地下水井，用来保障水稻农田的水源供给，但在实际生产过程中，因人员差异性和管理不标准性会导致大量的水资源被浪费，水稻农田也需要人员经常性查看，在农田干涸后需用搬运水泵设备等给农田提供水源，这样导致大量的人力资源浪费，为此申请人根据水稻农田的种植需求，设计制作一种农田全自动多路智能灌溉设备能根据水稻种植农田的实际需求，智能控制农田内水量的多少，有效节约水资源和人力资源，智能化实现农田的供水，保障水稻生长需求，保障水稻生产。
发明内容
为解决上述技术问题，本发明提出了农田全自动多路智能灌溉设备及改进LSTM灌溉方法，通过在农田全自动多路智能灌溉设备安装设置智能控制器、增压水泵、电机、流量计、电控阀、液位传感器和给水管网，使用时在智能控制器上设置相关的农田灌溉需求，设备根据水稻生长需求将需要的灌溉用水输送到农田，并通过液位传感器反馈信号，保障农作物的正常生长需求，有避免农作物因灌溉水源缺失导致生长不良、产量降低等问题，同时还能大量节约水资源、节约人力资源，避免水资源、人力资源浪费问题。
为实现上述目的，本发明采取的技术方案是：
本发明提供一种农田全自动多路智能灌溉设备的灌溉方法，具体步骤如下：
步骤1，搭建智能灌溉设备检测系统的感知层：通过外部温度传感器、湿度传感器、土壤PH值传感器、光强传感器分别测量空气温度、土壤湿度、土壤PH值和光照强度信号，传感器采集到电信号后通过网络层将数据上传至智能控制器的数据存储层中；
步骤2，建立智能灌溉设备检测系统的网络层：使用FPGA并行接收传感器数据，同时对数据进行压缩、拼接后将数据发送至智能灌溉设备检测系统的数据存储层中；
步骤2中数据压缩表示为：
步骤2.1，依次读取传感器数据，建立滑动窗口，对滑动窗口外的数据查找匹配，如果能查询到所匹配的部分跳转步骤2.2，否则跳转步骤2.3；
步骤2.2，分别记录：所匹配的部分到滑动窗口右边界距离off、匹配部分的长度len、匹配窗口外的匹配部分的下一位字符c，并将所记录的三部分组成三元组(off，len，c)，再输出该三元组，跳转步骤2.4；
步骤2.3，记录匹配窗口外的匹配部分的下一位字符c，组成三元组(0，0，c)，并输出该三元组，跳转步骤2.4；
步骤2.4，将滑动窗口匹配部分长度len加1，可表示为len+1，跳转步骤2.1；
步骤3，将网络层传输至数据存储层的数据进行解码和分析，并计算腾发量；
步骤4，设计改进LSTM农田需水估计模型：将步骤3处理后的数据作为输入，农田需水量作为输出，构建改进LSTM智能灌溉需水估计模型；
步骤4中设计改进LSTM智能灌溉需水估计模型可表示为：
步骤4.1，构建改进LSTM模型的遗忘门，遗忘门输出ft表示如下：
ft＝g(Wxfxt+Whfht-1+Wcfct-1+bf)
式中，t为时间变量，xt是步骤1所采集的各传感器数据，Wxf是遗忘门和xt间的权重系数，Whf是遗忘门和隐藏向量ht-1间的权重系数，Wcf为遗忘门样本与细胞状态ct-1间的权重系数，bf是遗忘门的偏置项，g为激活函数；
步骤4.2，构建改进LSTM模型的输入门，输入门可表示为：
it＝σ(Wxixt+Whiht-1+bi)
式中，
是时间节点，tanh和б是激活函数，Wxi是输入门与xt之间的权重系数，Whi是输入门与ht-1之间的权重系数，bi为输入门的偏置项，Wxc是细胞状态与xt之间的权重系数，Whc是细胞状态与隐藏向量ht-1间的权重系数，bc为细胞状态的偏置项；
步骤4.3，构建改进LSTM模型的细胞状态ct：
ct-1是上一时刻的细胞状态；
步骤4.4，构建改进LSTM模型的输出门，输出高炉的温度和应变值st：
st＝g(Wxsxt+Whsht-1+bs)
式中，st是输出门输出的高炉温度和应变估计值，Wxs是输出门与xt间的权重系数，Whs是输出门样本与ht-1之间的权重系数，Wcs是输出门样本与ct之间的权重系数，bs为输出门的偏置项；
步骤4.5，空间注意力机制模块把隐藏向量H＝[h1,h2,…，ht-1]通过下式计算隐藏向量权重：
a＝Sigmoid(conv2(tanh(conv1]H)))
其中，Sigmoid是激活函数，conv1和conv2表示卷积操作，a是隐藏向量权重；
步骤4.6，对隐藏层向量H进行更新获得更新后的隐藏向量ht：
ht＝d×H
步骤4.7，将腾发量和步骤1中传感器所采集的数据组合成训练数据标上对应的需水量，通过根据损失函数阈值和循环次数重复步骤4.1～步骤4.6，预训练改进的LSTM网络；
步骤5，对改进LSTM智能灌溉需水估计模型参数进行微调，直至模型收敛；
步骤6，模型在线应用：将步骤5训练得到的改进LSTM智能灌溉需水估计模型在线应用，智能控制器根据模型情况及流量计和液位传感器交互控制电磁阀和增压水泵实现对农田需水的智慧灌溉。
作为本发明方法进一步改进，所述步骤2中数据压缩后的压缩表表示为：
步骤2.1，依次读取传感器数据，建立滑动窗口，对滑动窗口外的数据查找匹配，如果能查询到所匹配的部分跳转步骤2.2，否则跳转步骤2.3；
步骤2.2，分别记录：所匹配的部分到滑动窗口右边界距离off、匹配部分的长度len、匹配窗口外的匹配部分的下一位字符c，并将所记录的三部分组成三元组(off，len，c)，再输出该三元组，跳转步骤2.4；
步骤2.3，记录匹配窗口外的匹配部分的下一位字符c，组成三元组(0，0，c)，并输出该三元组，跳转步骤2.4；
步骤2.4，将滑动窗口匹配部分长度len加1，可表示为len+1，跳转步骤2.1。
本发明提供一种农田全自动多路智能灌溉设备，包括有电机、智能控制器、增压水泵、进水接口、出水接口、分流管、电控阀、流量计、控制线缆、连接法兰、给水管道、液位传感器和信号线，所述农田全自动多路智能灌溉设备设置增压水泵，所述增压水泵上部安装电机，所述电机外侧安装智能控制器，所述增压水泵底部设置进水接口和出水接口，所述出水接口连接分流管，所述分流管后端安装多组给水管道，所述给水管道靠近分流管的位置依次安装电控阀和流量计，所述给水管道配套设置有液位传感器，所述液位传感器上设置信号线连接到流量计处，所述流量计和电控阀处设置有控制线缆连接到智能控制器处，所述给水管道通过连接法兰连接。
作为本发明设备进一步改进，所述农田全自动多路智能灌溉设备设置智能控制器，所述智能控制器芯片型号为xilinx 7020，智能控制器设置触控面板。
作为本发明设备进一步改进，所述农田全自动多路智能灌溉设备设置智能控制器，所述智能控制器设置远程通讯功能，智能控制器配套设置智能APP，可通过智能APP对智能控制器实现远程访问和控制。
本发明提供一种农田全自动多路智能灌溉设备，通过设置安装在农田全自动多路智能灌溉设备上的智能控制器的参数，在使用时智能控制器控制安装在农田全自动多路智能灌溉设备上的增压水泵、电机和电控阀等设备，给农田内的水稻生长提供充足水源，并通过流量计和液位传感器反馈信号，保障农作物水稻的正常生长需求，有避免农作物因灌溉水源缺失导致生长不良、产量降低等问题，同时还能大量节约水资源、节约人力资源，避免水资源、人力资源浪费问题，带来的好处是：
1、农田全自动多路智能灌溉设备的智能控制器能根据给水管所处的农田区域，智能计算农田内水稻各生长周期能需要的用水量，通过流量计计量，并通过安装在农田内的移位传感器获取农田实际的水位，在具备其他水源补充的情况下关闭电控阀，重新计算农田用水量，避免给水管给农田补水，浪费水资源；
2、农田全自动多路智能灌溉设备设置流量计和移位传感器，在使用时通过输入的农田面积和水深要求，智能控制电控阀，在检测到供水量大于农田实际需要的用水量后，如移位传感器未获取到反馈信号，则智能通知农田管理人员查看农田情况，农田是否出现缺口或管道破损情况，避免水资源浪费。
3、农田全自动多路智能灌溉设备的智能控制器设置远程通讯功能，智能控制器配套设置智能APP，可通过智能APP对智能控制器实现远程访问和控制。
4、农田全自动多路智能灌溉设备的设置多组给水管，一台增压水泵满足多个区域的供水需求，节约费用成本；
5、本发明充分利用了LSTM网络在时间序列上优异的建模能力，从而很好的建立传感器采集值、腾发量与需水量的映射关系。
附图说明
图1是本发明整体结构示意图；
图2是本发明俯视结构示意图；
图中标记为：1、电机；2、智能控制器；3、增压水泵；4、进水接口；5、出水接口；
6、分流管；7、电控阀；8、流量计；9、控制线缆；10、连接法兰；11、给水管道；
12、液位传感器、13、信号线。
图3是本发明算法流程图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
如图1-2所示：所示一种农田全自动多路智能灌溉设备，包括有电机1、智能控制器2、增压水泵3、进水接口4、出水接口5、分流管6、电控阀7、流量计8、控制线缆9、连接法兰10、给水管道11、液位传感器12和信号线13，如图1所示，所示农田全自动多路智能灌溉设备设置增压水泵3，增压水泵3设置一台，所示增压水泵3上部安装电机1，所示电机1外侧安装智能控制器2，所示智能控制器2基于LSTM开发利用，智能控制器2设置触控面板，通过触控面板能设置设备运行参数，所示智能控制器2设置远程通讯功能，智能控制器2配套设置智能APP，智能APP可安装电能或手机等智能设备上，可通过智能APP对智能控制器2实现远程访问和控制，所示增压水泵3底部设置进水接口4和出水接口5，所示出水接口5连接分流管6，分流管6通过管道焊接制作而成，分流数量根据现场实际需求制作而成，所示分流管6后端安装多组给水管道11，所示给水管道11靠近分流管6的位置依次安装电控阀7和流量计8，电控阀7通过智能控制器2控制开关，流量计8对流经管道水量进行计量反馈给智能控制器2，所示给水管道11配套设置有液位传感器12，移位传感器12安装到农田的检测点，将检测点的液位信号反馈给智能控制器2，所示液位传感器12上设置信号线13连接到流量计8处，所示流量计8和电控阀7处设置有控制线缆9连接到智能控制器2处，流量计8和电控阀7的控制线缆9将信号传输到智能控制器2内，所示给水管道11通过连接法兰10连接，所示农田全自动多路智能灌溉设备在使用时，将给水管11分管的农田参数输入智能控制器2后，智能控制器2根据农田的水稻生长周期进行农田进水量的智能的控制，确保水稻正常生长所需的水量，在下雨或有其他水渠补水时，智能控制器2控制关闭电控阀7不再相农田给水，农田水位的高度通过液位传感器12进行检测，在正常供水过程中，设备在检测到供水量大于农田实际需要的用水量后，如移位传感器12未获取到反馈信号，则智能通知农田管理人员查看农田情况，查看农田是否出现缺口或管道破损情况，避免水资源浪费，有效节约水资源和人力资源。
一种农田全自动多路智能灌溉设备的灌溉方法，本发明算法流程图如图3所示，具体步骤如下：
步骤1，搭建智能灌溉设备检测系统的感知层：通过温度传感器、湿度传感器、土壤PH值传感器、光强传感器分别测量空气温度、土壤湿度、土壤PH值、光照强度等信号，传感器采集到电信号后通过网络层将数据上传至智能控制器2的数据存储层中；；
步骤2，建立智能灌溉设备检测系统的网络层：使用FPGA并行接收传感器数据，同时对数据进行压缩、拼接后将数据发送至智能灌溉设备检测系统的数据存储层中；
步骤2中数据压缩可表示为：
步骤2.1，依次读取传感器数据，建立滑动窗口，对滑动窗口外的数据查找匹配，如果能查询到所匹配的部分跳转步骤2.2，否则跳转步骤2.3；
步骤2.2，分别记录：所匹配的部分到滑动窗口右边界距离off、匹配部分的长度len、匹配窗口外的匹配部分的下一位字符c，并将所记录的三部分组成三元组(off，len，c)，再输出该三元组，跳转步骤2.4；
步骤2.3，记录匹配窗口外的匹配部分的下一位字符c，组成三元组(0，0，c)，并输出该三元组，跳转步骤2.4；
步骤2.4，将滑动窗口匹配部分长度len加1，可表示为len+1，跳转步骤2.1。
步骤3，将网络层传输至数据存储层的数据进行解码和分析，并计算腾发量；
步骤4，设计改进LSTM农田需水估计模型：将步骤3处理后的数据作为输入，农田需水量作为输出，构建改进LSTM智能灌溉需水估计模型；
步骤4中设计改进LSTM智能灌溉需水估计模型可表示为：
步骤4.1，构建改进LSTM模型的遗忘门，遗忘门输出ft表示如下：
ft＝g(Wxfxt+Wbfht-1+Wcfct-1+bf)
式中，t为时间变量，xt是步骤1所采集的各传感器数据，Wxf是遗忘门和xt间的权重系数，Whf是遗忘门和隐藏向量ht-1间的权重系数，Wcf为遗忘门样本与细胞状态ct-1间的权重系数，bf是遗忘门的偏置项，g为激活函数；
步骤4.2，构建改进LSTM模型的输入门，输入门可表示为：
it＝σ(Wxixt+Whiht-1+bi)
式中，
是时间节点，tanh和б是激活函数，Wxi是输入门与xt之间的权重系数，Whi是输入门与ht-1之间的权重系数，bi为输入门的偏置项，Wxc是细胞状态与xt之间的权重系数，Whc是细胞状态与隐藏向量ht-1间的权重系数，bc为细胞状态的偏置项；
步骤4.3，构建改进LSTM模型的细胞状态ct：
ct-1是上一时刻的细胞状态；
步骤4.4，构建改进LSTM模型的输出门，输出高炉的温度和应变值st：
St＝g(Wxsxt+Whsht-1+bs)
式中，st是输出门输出的高炉温度和应变估计值，Wxs是输出门与xt间的权重系数，Whs是输出门样本与ht-1之间的权重系数，Wcs是输出门样本与ct之间的权重系数，bs为输出门的偏置项；
步骤4.5，空间注意力机制模块把隐藏向量H＝[h1,h2,…，ht-1]通过下式计算隐藏向量权重：
d＝Sigmoid(conv2(tanh(conv1H)))
其中，Sigmoid是激活函数，conv1和conv2表示卷积操作，a是隐藏向量权重；
步骤4.6，对隐藏层向量H进行更新获得更新后的隐藏向量ht：
ht＝a×H
步骤4.7，将腾发量和步骤1中传感器所采集的数据组合成训练数据标上对应的需水量，通过根据损失函数阈值和循环次数重复步骤4.1～步骤4.6，预训练改进的LSTM网络。
步骤5，对改进LSTM智能灌溉需水估计模型参数进行微调，直至模型收敛；
步骤6，模型在线应用：将步骤5训练得到的改进LSTM智能灌溉需水估计模型在线应用，智能控制器2根据模型情况及流量计8和液位传感器12交互控制电磁阀7和增压水泵3实现对农田需水的智慧灌溉。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。
Claims (5)
1.一种农田全自动多路智能灌溉设备，包括有电机(1)、智能控制器(2)、增压水泵(3)、进水接口(4)、出水接口(5)、分流管(6)、电控阀(7)、流量计(8)、控制线缆(9)、连接法兰(10)、给水管道(11)、液位传感器(12)和信号线(13)，其特征在于：所述农田全自动多路智能灌溉设备设置增压水泵(3)，所述增压水泵(3)上部安装电机(1)，所述电机(1)外侧安装智能控制器(2)，所述增压水泵(3)底部设置进水接口(4)和出水接口(5)，所述出水接口(5)连接分流管(6)，所述分流管(6)后端安装多组给水管道(11)，所述给水管道(11)靠近分流管(6)的位置依次安装电控阀(7)和流量计(8)，所述给水管道(11)配套设置有液位传感器(12)，所述液位传感器(12)上设置信号线(13)连接到流量计(8)处，所述流量计(8)和电控阀(7)处设置有控制线缆(9)连接到智能控制器(2)处，所述给水管道(11)通过连接法兰(10)连接。
2.根据权利要求1所述的一种农田全自动多路智能灌溉设备，其特征在于：所述农田全自动多路智能灌溉设备设置智能控制器(2)，所述智能控制器(2)芯片型号为xilinx 7020，智能控制器(2)设置触控面板。
3.根据权利要求1所述的一种农田全自动多路智能灌溉设备，其特征在于：所述农田全自动多路智能灌溉设备设置智能控制器(2)，所述智能控制器(2)设置远程通讯功能，智能控制器(2)配套设置智能APP，可通过智能APP对智能控制器(2)实现远程访问和控制。
4.根据权利要求1-3任意一项所述农田全自动多路智能灌溉设备的灌溉方法，具体步骤如下，其特征在于：
步骤1，搭建智能灌溉设备检测系统的感知层：通过外部温度传感器、湿度传感器、土壤PH值传感器、光强传感器分别测量空气温度、土壤湿度、土壤PH值和光照强度信号，传感器采集到电信号后通过网络层将数据上传至智能控制器(2)的数据存储层中；
步骤2，建立智能灌溉设备检测系统的网络层：使用FPGA并行接收传感器数据，同时对数据进行压缩、拼接后将数据发送至智能灌溉设备检测系统的数据存储层中；
步骤3，将网络层传输至数据存储层的数据进行解码和分析，并计算腾发量；
步骤4，设计改进LSTM农田需水估计模型：将步骤3处理后的数据作为输入，农田需水量作为输出，构建改进LSTM智能灌溉需水估计模型；
步骤4中设计改进LSTM智能灌溉需水估计模型可表示为：
步骤4.1，构建改进LSTM模型的遗忘门，遗忘门输出ft表示如下：
ft＝g(Wxfxt+Wfht-1+Wcfct-1+bf)
式中，t为时间变量，xt是步骤1所采集的各传感器数据，Wxf是遗忘门和xt间的权重系数，Whf是遗忘门和隐藏向量ht-1间的权重系数，Wcf为遗忘门样本与细胞状态ct-1间的权重系数，bf是遗忘门的偏置项，g为激活函数；
步骤4.2，构建改进LSTM模型的输入门，输入门可表示为：
it＝σ(Wxixt+Whiht-1+bi)
式中，
是时间节点，tanh和
是激活函数，Wxi是输入门与xt之间的权重系数，Whi是输入门与ht-1之间的权重系数，bi为输入门的偏置项，Wxc是细胞状态与xt之间的权重系数，Whc是细胞状态与隐藏向量ht-1间的权重系数，bc为细胞状态的偏置项；
步骤4.3，构建改进LSTM模型的细胞状态ct：
ct-1是上一时刻的细胞状态；
步骤4.4，构建改进LSTM模型的输出门，输出高炉的温度和应变值st：
St＝g(Wxsxt+Whsht-1+bs)
式中，st是输出门输出的高炉温度和应变估计值，Wxs是输出门与xt间的权重系数，Whs是输出门样本与ht-1之间的权重系数，Wcs是输出门样本与ct之间的权重系数，bs为输出门的偏置项；
步骤4.5，空间注意力机制模块把隐藏向量H＝[h1,h2,…，ht-1]通过下式计算隐藏向量权重：
a＝Sigmoid(cov2(tanh(conv1H)))
其中，Sigmoid是激活函数，conv1和conv2表示卷积操作，a是隐藏向量权重；
步骤4.6，对隐藏层向量H进行更新获得更新后的隐藏向量ht：
ht＝a×H
步骤4.7，将腾发量和步骤1中传感器所采集的数据组合成训练数据标上对应的需水量，通过根据损失函数阈值和循环次数重复步骤4.1～步骤4.6，预训练改进的LSTM网络；
步骤5，对改进LSTM智能灌溉需水估计模型参数进行微调，直至模型收敛；
步骤6，模型在线应用：将步骤5训练得到的改进LSTM智能灌溉需水估计模型在线应用，智能控制器(2)根据模型情况及流量计(8)和液位传感器(12)交互控制电磁阀(7)和增压水泵(3)实现对农田需水的智慧灌溉。
5.根据权利要求4所述农田全自动多路智能灌溉设备的灌溉方法，具体步骤如下，其特征在于：
所述步骤2中数据压缩后的压缩表表示为：
步骤2.1，依次读取传感器数据，建立滑动窗口，对滑动窗口外的数据查找匹配，如果能查询到所匹配的部分跳转步骤2.2，否则跳转步骤2.3；
步骤2.2，分别记录：所匹配的部分到滑动窗口右边界距离off、匹配部分的长度len、匹配窗口外的匹配部分的下一位字符c，并将所记录的三部分组成三元组(off，len，c)，再输出该三元组，跳转步骤2.4；
步骤2.3，记录匹配窗口外的匹配部分的下一位字符c，组成三元组(0，0，c)，并输出该三元组，跳转步骤2.4；
步骤2.4，将滑动窗口匹配部分长度len加1，可表示为len+1，跳转步骤2.1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310023674.2A CN116187171A (zh) | 2023-01-09 | 2023-01-09 | 农田全自动多路智能灌溉设备及改进lstm灌溉方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310023674.2A CN116187171A (zh) | 2023-01-09 | 2023-01-09 | 农田全自动多路智能灌溉设备及改进lstm灌溉方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116187171A true CN116187171A (zh) | 2023-05-30 |
Family
ID=86441692
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310023674.2A Withdrawn CN116187171A (zh) | 2023-01-09 | 2023-01-09 | 农田全自动多路智能灌溉设备及改进lstm灌溉方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116187171A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116451886A (zh) * | 2023-06-20 | 2023-07-18 | 创辉达设计股份有限公司 | 一种高标准农田水平衡计算方法 |
-
2023
- 2023-01-09 CN CN202310023674.2A patent/CN116187171A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116451886A (zh) * | 2023-06-20 | 2023-07-18 | 创辉达设计股份有限公司 | 一种高标准农田水平衡计算方法 |
| CN116451886B (zh) * | 2023-06-20 | 2023-10-10 | 创辉达设计股份有限公司 | 一种高标准农田水平衡计算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104460582B (zh) | 一种基于模糊控制的物联网智能灌溉施肥控制方法及系统 | |
| CN110209077B (zh) | 基于互联网的远程灌排系统实时动态监测系统 | |
| CN205594695U (zh) | 一种基于物联网的农业智能应用系统 | |
| CN110187688A (zh) | 设施农业智能水肥一体化控制系统及控制方法 | |
| Dursun et al. | An efficient improved photovoltaic irrigation system with artificial neural network based modeling of soil moisture distribution–A case study in Turkey | |
| CN108094370A (zh) | 灌溉控制方法及装置 | |
| CN102450211A (zh) | 一种智能灌溉控制系统 | |
| CN109392676A (zh) | 一种基于区块链结构的云算法平台控制灌溉施肥的系统 | |
| CN110741914A (zh) | 一种基于循环神经网络的稻田自动化节水灌溉系统及方法 | |
| CN116187171A (zh) | 农田全自动多路智能灌溉设备及改进lstm灌溉方法 | |
| CN101836573A (zh) | 一种农田智能控制配水管理系统及管理方法 | |
| CN111459033A (zh) | 水、肥精量灌溉的灰色预测模糊pid控制方法及设备 | |
| CN111742825A (zh) | 农田精准灌溉控制模型的构建与应用 | |
| CN205093309U (zh) | 一种农业给水给肥灌溉系统 | |
| CN202093402U (zh) | 一种土壤湿度控制器 | |
| Sathya et al. | Automatic control of irrigation system in paddy using WSN | |
| CN206442816U (zh) | 种苗场环境监测及自动灌溉、施肥系统 | |
| CN201595053U (zh) | 一种模糊灌溉控制系统 | |
| Li et al. | Reconciling crop production and ecological conservation under uncertainty: A fuzzy credibility-based multi-objective simulation-optimization model | |
| CN117236650B (zh) | 一种水肥一体化智慧泵房控制方法 | |
| CN105242724A (zh) | 一种可gsm短信远程调控的农业种植环境智能调节装置 | |
| CN106919156A (zh) | 一种大型园区或生产基地的水肥管理系统及实现方法 | |
| CN207561040U (zh) | 基于物联网的智能花卉培育系统 | |
| Liu et al. | Optimal allocation of soil and water resources in agriculture under the total regional evapotranspiration indicator: A case study in Guangping, China | |
| CN108122137A (zh) | 一种智能均衡农产品供需的方法及系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230530 |