CN116627193A - 一种温室大棚智能管控平台及方法 - Google Patents
一种温室大棚智能管控平台及方法 Download PDFInfo
- Publication number
- CN116627193A CN116627193A CN202310896621.1A CN202310896621A CN116627193A CN 116627193 A CN116627193 A CN 116627193A CN 202310896621 A CN202310896621 A CN 202310896621A CN 116627193 A CN116627193 A CN 116627193A
- Authority
- CN
- China
- Prior art keywords
- plant height
- greenhouse
- plant
- data
- control
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 53
- 230000008635 plant growth Effects 0.000 claims abstract description 43
- 238000012806 monitoring device Methods 0.000 claims abstract description 37
- 230000007613 environmental effect Effects 0.000 claims abstract description 22
- 239000003337 fertilizer Substances 0.000 claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 15
- 230000009546 growth abnormality Effects 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims description 48
- 230000012010 growth Effects 0.000 claims description 43
- 238000004458 analytical method Methods 0.000 claims description 39
- 238000005286 illumination Methods 0.000 claims description 39
- 238000004088 simulation Methods 0.000 claims description 31
- 230000005540 biological transmission Effects 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 22
- 239000002689 soil Substances 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 238000003973 irrigation Methods 0.000 claims description 14
- 230000002262 irrigation Effects 0.000 claims description 14
- 210000003608 fece Anatomy 0.000 claims description 12
- 239000007788 liquid Substances 0.000 claims description 12
- 239000010871 livestock manure Substances 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000011835 investigation Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 230000005012 migration Effects 0.000 claims description 4
- 238000013508 migration Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000000737 periodic effect Effects 0.000 abstract 1
- 241000196324 Embryophyta Species 0.000 description 186
- 238000007726 management method Methods 0.000 description 35
- 238000013528 artificial neural network Methods 0.000 description 8
- 230000008636 plant growth process Effects 0.000 description 8
- 230000004720 fertilization Effects 0.000 description 7
- 241000227653 Lycopersicon Species 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 6
- 230000002068 genetic effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Greenhouses (AREA)
Abstract
本发明公开一种温室大棚智能管控平台及方法,涉及温室大棚智能监测技术领域,包括温室大棚监控系统、植物株高监控装置、数据采集传输模块、管控显示平台和长势异常监控模块,所述温室大棚监控系统设置在温室大棚内,获取温室大棚内的环境参数和水肥施加参数。本发明在采用传统的温室大棚监控系统完成对温室大棚的环境参数和水肥施加参数进行监测的基础上,增加植物株高监控装置,实现对植物株高的定期测量,同时设计了长势异常监控模块,对植物的长势进行模拟,通过基于模拟和实测的株高比较,能够在对温室大棚进行智能化的监控同时,实现代表植物长势株高是否符合预期的智能化判断,避免植物长势较差带来的减产风险。
Description
技术领域
本发明涉及温室大棚智能监测技术领域,尤其是涉及一种温室大棚智能管控平台及方法。
背景技术
随着我国农业信息化进程的不断推进,温室大棚作为现代农业的重要组成部分,其产生的农业数据量呈现爆炸式增长的趋势。
温室大棚的运用有效降低了外界环境对农植物生长带来的恶劣环境,是提高农植物的生长周期与产量的有效途径之一。在农植物种植过程中,温室大棚环境的控制对于种植农植物的生长状况至关重要。
由于温室大棚的所有者一般都是种植大户或者种植工厂,他们一般都用于数量较多的温室大棚,这样人力所能管理和关注到的温室大棚运行情况的精力有限,就更加依靠温室大棚的智能管控平台。
现有技术下的温室大棚智能监测技术会基于温湿度传感器、CO2传感器、墒情传感器、光照传感器以及摄像头可以接入到物通博联工业智能网关,实时采集温湿度、CO2浓度、光照强度等数据并上传到云平台进行监控,管理者就能及时管理控制,保证温室大棚内的环境适宜稳定,为作物的高产、优质、高效、生态、安全创造条件。
目前现有的温室大棚的智能管控平台一般都是一种数据监控平台,并不能基于监控的数据对植物的长势做出智能化的判断,不能满足大面积工厂化的温室大棚管控需求。
发明内容
为了解决现有技术中温室大棚的智能管控平台实现基于监测数据对植物长势做出智能化判断的技术问题,本发明提供一种温室大棚智能管控平台及方法。采用如下的技术方案:
一种温室大棚智能管控平台,包括温室大棚监控系统、植物株高监控装置、数据采集传输模块、管控显示平台和长势异常监控模块,所述温室大棚监控系统设置在温室大棚内,获取温室大棚内的环境参数和水肥施加参数,所述植物株高监控装置设置在温室大棚种植区的一侧,基于视觉分析实现对植物株高数据的监测,温室大棚监控系统和植物株高监控装置分别通过数据采集传输模块与管控显示平台通信连接,所述管控显示平台展示温室大棚监控系统和植物株高监控装置的监测参数,所述长势异常监控模块与管控显示平台的数据接口通信连接,实现数据交互,长势异常监控模块基于交互的温室大棚内种植植物的种类、环境参数和水肥施加参数,对植物生长进行模拟,并将模拟结果的株高与植物株高监控装置测得的植物株高进行对比,设定株高差异阈值,当对比值大于株高差异阈值时,输出植物长势异常的警告结果,并通过管控显示平台显示植物长势异常的判断结果。
通过采用上述技术方案,在采用传统的温室大棚监控系统完成对温室大棚的环境参数和水肥施加参数进行监测的基础上,增加植物株高监控装置,植物株高监控装置采用视觉拍摄和视觉分析的方式对温室大棚内种植植物的株高进行测量,数据采集传输模块是指常用的数据采集器,管控显示平台的作用主要是对各种数据的汇集及显示,并可以根据种植的植物对各种环境参数、灌溉和施肥等参数进行设定,从而可以实现温室大棚的智能监控;
同时针对现有技术无法对植物长势进行判断,设计了长势异常监控模块,植物株高是植物形态学调查工作中最基本的指标之一,也是选育优良品种的参考数值之一,株高是植物表型的一种,也是植物的基本特征之一,对于植物株高的判断能直接反应植物的长势,长势异常监控模块基于温室大棚内种植植物的种类、环境参数和水肥施加参数,对植物的长势进行模拟,模拟的参数是在该环境参数下,该植物正常生长的预期,并通过并将模拟结果的株高与植物株高监控装置测得的植物株高进行对比,得到差异值,若差异值过大,这个过大可能是测得的植物株高低于或高于模拟结果,当对比差异值大于设定的株高差异阈值时,可以认为植物长势异常,此时应当发出警告,不管这个差异是过低还过高,都应当提醒管理人员进行重点关注,若差异是实际生长过低导致的,那么就应当检测设定的温湿度、光照、灌溉和施肥是否符合标准,或者是否存在设备损坏,若差异是实际生长过高导致的,那么也应当进行经验总结,对于长势过快的情况进行分析。
通过这种基于模拟和实测的株高比较,能够在对温室大棚进行智能化的监控同时,实现代表植物长势株高是否符合预期的智能化判断,避免植物长势较差带来的减产风险。
可选的,温室大棚监控系统包括传感器模块、基于芯片的主控电路板、温湿度控制设备、温室水肥自动灌溉设备和温室光照控制系统,所述传感器模块采集温室内的光照值、温湿度值和土壤墒情值,传感器模块与主控电路板通信连接,所述主控电路板控制温湿度控制设备、温室水肥自动灌溉设备和温室光照控制系统的执行动作,使温室大棚内的温湿度和光照度在设定值,同时对土壤的灌溉和施肥按照设定参数进行。
通过采用上述技术方案,温室大棚监控系统的环境参数和水肥参数的控制主要基于传感器模块采集的数据,传感器模块一般是指温湿度传感器、土壤墒情传感器、光照传感器等传感器实现,环境参数的调节主要依靠温湿度控制设备,灌溉和施肥的实现主要依靠温室水肥自动灌溉设备实现,光照度的调节主要依靠温室光照控制系统,温室光照控制系统是指可调节的温室大棚顶棚和额外设置的补光灯等设备,可以实现植物光照可控可调。
可选的,植物株高监控装置包括底部电动直线导轨、相机支撑架、视觉相机、视觉分析模块和基于芯片的拍摄控制器,所述底部电动直线导轨的轨道设置在温室大棚种植区的一侧,所述相机支撑架的底部安装在底部电动直线导轨的滑块上,并跟随滑块水平移动,所述视觉相机设置在相机支撑架的一侧,用于拍摄温室大棚种植区的植物,并传输给视觉分析模块,所述视觉分析模块基于视觉分析获得植物株高数据,视觉分析模块的数据输出端与数据采集传输模块通信连接,通过数据采集传输模块将植物株高数据传输给管控显示平台,所述拍摄控制器与控制电动直线导轨、视觉相机和视觉分析模块控制连接。
可选的,植物株高监控装置还包括竖向电动直线导轨,所述竖向电动直线导轨的轨道设置在相机支撑架的一侧,所述视觉相机安装在竖向电动直线导轨的滑块上,拍摄控制器控制竖向电动直线导轨的执行动作。
通过采用上述技术方案,植物株高监控装置的设计思路是基于两个电动直线导轨,底部电动直线导轨的动作可以实现将视觉相机水平移动,这样就可以实现一部相机拍摄多排植物的设计需求,竖向电动直线导轨的滑块动作可以实现视觉相机垂直方向的移动,从而使得视觉相机位于植物的中心区域,拍摄的画面变形量更小,后续株高的分析结果更加准确。
视觉分析模块基于视觉分析可以获得植物株高数据,这个株高数据是指,拍摄对应一行植物的最高的那一株植物的株高,假定一个拍摄周期下,共有N行植物,那么分别得到N行植物的视觉分析株高,通过后续的均值处理就可以得到植物的测量株高。
当然视觉分析模块还可以对植物的生长健康状况进行分析,例如可以基于枯黄叶视觉特征检测实现生长健康状况的检测,并最终通过管控显示平台进行显示。
可选的,管控显示平台包括微电脑、工业触摸显示屏和数据存储器,所述微电脑与数据采集传输模块通信连接,所述工业触摸显示屏和数据存储器分别与微电脑通信连接。
通过采用上述技术方案,微电脑的作用主要是对各种数据的汇集并通过数据存储器存储备查,再通过工业触摸显示屏进行显示。
可选的,长势异常监控模块包括计算机和数据连接器,所述计算机通过数据连接器与微电脑通信连接,计算机架设植物生长预测模型,所述植物生长预测模型基于温室大棚内种植植物的种类、环境参数和水肥施加参数实现对植物生长进行模拟,获得植物的模拟株高数据。
通过采用上述技术方案,长势异常监控模块主要是基于计算机实现的,计算机架设植物生长预测模型,植物生长预测模型具体是指植物生长过程的RBF神经网络模型,近年发展起来的RBF理论具有拓扑结构简单和学习速度快等优,遗传算法是模拟生物进化现象,采用进化的机制,快速有效解决问题的一种随机性迭代式概率搜索方法。遗传算法和神经网络相结合时,可只考虑体现问题的信息模式,并通过对信息模式的处理求得问题解,特别适用于非线性极强而难以建立模型的系统。针对植物生长过程的建模问题,提出一种RBF神经网络和遗传算法相结合的方法来建立温室栽培植物的生长过程模型。
为预测植物生长过程中茎高的变化,取温室环境因子:温度、湿度、光照强度、施肥量为输入变量,以植物在生长过程中每天的增长量为输出变量,建立模型辨识结构。选择植物生长过程中的第10天到第200天中的190个株高样本对RBF神经网络进行训练,经过训练后的RBF神经网络可以更准确和快速地对植物株高进行模拟并输出模拟株高数据。
可选的,长势异常监控模块还包括声光报警器,所述计算机与声光报警器控制连接,当计算机输出植物长势异常的警告结果时,控制声光报警器报警。
通过采用上述技术方案,当计算机输出植物长势异常的警告结果时,声光报警器的设置可以实现对管控工作人员的计时提醒。
可选的,数据连接器是串口连接器。
一种温室大棚智能管控方法,具体包括以下步骤:
步骤1,根据植物种类通过温室大棚监控系统设定温湿度值,光照方案和浇水施肥方案;
步骤2,传感器模块采集温室内的光照值、温湿度值和土壤墒情值通过数据采集传输模块传输给微电脑;
步骤3,微电脑将采集的数据传输给工业触摸显示屏进行显示,并传输给数据存储器存储备查;
步骤4,计算机通过数据连接器采集微电脑中的光照值、温湿度值和土壤墒情值,基于设定的植物种类和植物生长预测模型对植物生长进行模拟,并输出模拟结果,模拟结果是植物株高模拟值;
步骤5,植物株高监控装置按照设定,间隔24小时对每行植物进行拍摄,视觉分析模块根据拍摄画面分析得到每行植物的最高值数据,计算机采集每行植物的最高值数据进行平均值处理得到植物株高测定值;
步骤6,设植物株高模拟值为Hi,植物株高测定值为Hc,设株高差异阈值X,设植物株高对比值为Y,则,若Y大于X,则计算机输出植物长势异常的警告结果,并控制声光报警器报警。
可选的,步骤6中,株高差异阈值X为20%。
综上所述,本发明包括以下至少一种有益技术效果:
本发明能提供一种温室大棚智能管控平台及方法,在采用传统的温室大棚监控系统完成对温室大棚的环境参数和水肥施加参数进行监测的基础上,增加植物株高监控装置,实现对植物株高的定期测量,同时设计了长势异常监控模块,基于温室大棚内种植植物的种类、环境参数和水肥施加参数,对植物的长势进行模拟,并通过并将模拟结果的株高与植物株高监控装置测得的植物株高进行对比,当对比差异值大于设定的株高差异阈值时,可以认为植物长势异常,此时应当发出警告提醒管理人员进行重点关注,通过这种基于模拟和实测的株高比较,能够在对温室大棚进行智能化的监控同时,实现代表植物长势株高是否符合预期的智能化判断,避免植物长势较差带来的减产风险。
附图说明
图1是本发明一种温室大棚智能管控平台的电器件连接示意图;
图2是本发明一种温室大棚智能管控平台的结构示意图;
图3是本发明一种温室大棚智能管控方法的流程示意图。
附图标记说明:1、管控显示平台;11、微电脑;12、工业触摸显示屏;13、数据存储器;2、长势异常监控模块;21、计算机;22、数据连接器;31、传感器模块;32、主控电路板;33、温室水肥自动灌溉设备;34、温室光照控制系统;35、温湿度控制设备;41、底部电动直线导轨;42、相机支撑架;43、视觉相机;44、视觉分析模块;45、拍摄控制器;46、竖向电动直线导轨;5、声光报警器;100、温室大棚;101、数据采集传输模块。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本发明实施例公开一种温室大棚智能管控平台及方法。
参照图1-图3,一种温室大棚智能管控平台,包括温室大棚监控系统、植物株高监控装置、数据采集传输模块101、管控显示平台1和长势异常监控模块2,温室大棚监控系统设置在温室大棚100内,获取温室大棚100内的环境参数和水肥施加参数,植物株高监控装置设置在温室大棚100种植区的一侧,基于视觉分析实现对植物株高数据的监测,温室大棚监控系统和植物株高监控装置分别通过数据采集传输模块101与管控显示平台1通信连接,管控显示平台1展示温室大棚监控系统和植物株高监控装置的监测参数,长势异常监控模块2与管控显示平台1的数据接口通信连接,实现数据交互,长势异常监控模块2基于交互的温室大棚100内种植植物的种类、环境参数和水肥施加参数,对植物生长进行模拟,并将模拟结果的株高与植物株高监控装置测得的植物株高进行对比,设定株高差异阈值,当对比值大于株高差异阈值时,输出植物长势异常的警告结果,并通过管控显示平台1显示植物长势异常的判断结果。
在采用传统的温室大棚监控系统完成对温室大棚100的环境参数和水肥施加参数进行监测的基础上,增加植物株高监控装置,植物株高监控装置采用视觉拍摄和视觉分析的方式对温室大棚100内种植植物的株高进行测量,数据采集传输模块101是指常用的数据采集器,管控显示平台1的作用主要是对各种数据的汇集及显示,并可以根据种植的植物对各种环境参数、灌溉和施肥等参数进行设定,从而可以实现温室大棚100的智能监控;
同时针对现有技术无法对植物长势进行判断,设计了长势异常监控模块2,植物株高是植物形态学调查工作中最基本的指标之一,也是选育优良品种的参考数值之一,株高是植物表型的一种,也是植物的基本特征之一,对于植物株高的判断能直接反应植物的长势,长势异常监控模块2基于温室大棚100内种植植物的种类、环境参数和水肥施加参数,对植物的长势进行模拟,模拟的参数是在该环境参数下,该植物正常生长的预期,并通过并将模拟结果的株高与植物株高监控装置测得的植物株高进行对比,得到差异值,若差异值过大,这个过大可能是测得的植物株高低于或高于模拟结果,当对比差异值大于设定的株高差异阈值时,可以认为植物长势异常,此时应当发出警告,不管这个差异是过低还过高,都应当提醒管理人员进行重点关注,若差异是实际生长过低导致的,那么就应当检测设定的温湿度、光照、灌溉和施肥是否符合标准,或者是否存在设备损坏,若差异是实际生长过高导致的,那么也应当进行经验总结,对于长势过快的情况进行分析。
通过这种基于模拟和实测的株高比较,能够在对温室大棚100进行智能化的监控同时,实现代表植物长势株高是否符合预期的智能化判断,避免植物长势较差带来的减产风险。
温室大棚监控系统包括传感器模块31、基于芯片的主控电路板32、温湿度控制设备35、温室水肥自动灌溉设备33和温室光照控制系统34,传感器模块31采集温室内的光照值、温湿度值和土壤墒情值,传感器模块31与主控电路板32通信连接,主控电路板32控制温湿度控制设备35、温室水肥自动灌溉设备33和温室光照控制系统34的执行动作,使温室大棚100内的温湿度和光照度在设定值,同时对土壤的灌溉和施肥按照设定参数进行。
温室大棚监控系统的环境参数和水肥参数的控制主要基于传感器模块31采集的数据,传感器模块31一般是指温湿度传感器、土壤墒情传感器、光照传感器等传感器实现,环境参数的调节主要依靠温湿度控制设备35,灌溉和施肥的实现主要依靠温室水肥自动灌溉设备33实现,光照度的调节主要依靠温室光照控制系统34,温室光照控制系统34是指可调节的温室大棚顶棚和额外设置的补光灯等设备,可以实现植物光照可控可调。
植物株高监控装置包括底部电动直线导轨41、相机支撑架42、视觉相机43、视觉分析模块44和基于芯片的拍摄控制器45,底部电动直线导轨41的轨道设置在温室大棚100种植区的一侧,相机支撑架42的底部安装在底部电动直线导轨41的滑块上,并跟随滑块水平移动,视觉相机43设置在相机支撑架42的一侧,用于拍摄温室大棚100种植区的植物,并传输给视觉分析模块44,视觉分析模块44基于视觉分析获得植物株高数据,视觉分析模块44的数据输出端与数据采集传输模块101通信连接,通过数据采集传输模块101将植物株高数据传输给管控显示平台1,拍摄控制器45与控制底部电动直线导轨41、视觉相机43和视觉分析模块44控制连接,拍摄控制器45还与管控显示平台1通信连接,可以通过管控显示平台1设置拍摄控制器45的拍摄参数。
植物株高监控装置还包括竖向电动直线导轨46,竖向电动直线导轨46的轨道设置在相机支撑架42的一侧,视觉相机43安装在竖向电动直线导轨46的滑块上,拍摄控制器45控制竖向电动直线导轨46的执行动作。
植物株高监控装置的设计思路是基于两个电动直线导轨,底部电动直线导轨41的动作可以实现将视觉相机43水平移动,这样就可以实现一部相机拍摄多排植物的设计需求,竖向电动直线导轨46的滑块动作可以实现视觉相机43垂直方向的移动,从而使得视觉相机43位于植物的中心区域,拍摄的画面变形量更小,后续株高的分析结果更加准确。
视觉分析模块44基于视觉分析可以获得植物株高数据,这个株高数据是指,拍摄对应一行植物的最高的那一株植物的株高,假定一个拍摄周期下,共有N行植物,那么分别得到N行植物的视觉分析株高,通过后续的均值处理就可以得到植物的测量株高。
当然视觉分析模块44还可以对植物的生长健康状况进行分析,例如可以基于枯黄叶视觉特征检测实现生长健康状况的检测,并最终通过管控显示平台1进行显示。
管控显示平台1包括微电脑11、工业触摸显示屏12和数据存储器13,微电脑11与数据采集传输模块101通信连接,工业触摸显示屏12和数据存储器13分别与微电脑11通信连接。
微电脑11的作用主要是对各种数据的汇集并通过数据存储器13存储备查,再通过工业触摸显示屏12进行显示。
长势异常监控模块2包括计算机21和数据连接器22,计算机21通过数据连接器22与微电脑11通信连接,计算机21架设植物生长预测模型,植物生长预测模型基于温室大棚100内种植植物的种类、环境参数和水肥施加参数实现对植物生长进行模拟,获得植物的模拟株高数据。
长势异常监控模块2主要是基于计算机21实现的,计算机21架设植物生长预测模型,植物生长预测模型具体是指植物生长过程的RBF神经网络模型,近年发展起来的RBF理论具有拓扑结构简单和学习速度快等优,遗传算法是模拟生物进化现象,采用进化的机制,快速有效解决问题的一种随机性迭代式概率搜索方法。遗传算法和神经网络相结合时,可只考虑体现问题的信息模式,并通过对信息模式的处理求得问题解,特别适用于非线性极强而难以建立模型的系统。针对植物生长过程的建模问题,提出一种RBF神经网络和遗传算法相结合的方法来建立温室栽培植物的生长过程模型。
为预测植物生长过程中茎高的变化,取温室环境因子:温度、湿度、光照强度、施肥量为输入变量,以植物在生长过程中每天的增长量为输出变量,建立模型辨识结构。选择植物生长过程中的第10天到第200天中的190个株高样本对RBF神经网络进行训练,经过训练后的RBF神经网络可以更准确和快速地对植物株高进行模拟并输出模拟株高数据。
长势异常监控模块2还包括声光报警器5,计算机21与声光报警器5控制连接,当计算机21输出植物长势异常的警告结果时,控制声光报警器5报警。
当计算机21输出植物长势异常的警告结果时,声光报警器5的设置可以实现对管控工作人员的计时提醒。
数据连接器22是串口连接器。
一种温室大棚智能管控方法,具体包括以下步骤:
步骤1,根据植物种类通过温室大棚监控系统设定温湿度值,光照方案和浇水施肥方案;
步骤2,传感器模块31采集温室内的光照值、温湿度值和土壤墒情值通过数据采集传输模块101传输给微电脑11;
步骤3,微电脑11将采集的数据传输给工业触摸显示屏12进行显示,并传输给数据存储器13存储备查;
步骤4,计算机21通过数据连接器22采集微电脑11中的光照值、温湿度值和土壤墒情值,基于设定的植物种类和植物生长预测模型对植物生长进行模拟,并输出模拟结果,模拟结果是植物株高模拟值;
步骤5,植物株高监控装置按照设定,间隔24小时对每行植物进行拍摄,视觉分析模块44根据拍摄画面分析得到每行植物的最高值数据,计算机21采集每行植物的最高值数据进行平均值处理得到植物株高测定值;
步骤6,设植物株高模拟值为Hi,植物株高测定值为Hc,设株高差异阈值X,设植物株高对比值为Y,则,若Y大于X,则计算机21输出植物长势异常的警告结果,并控制声光报警器5报警。
步骤6中,株高差异阈值X为20%。
本发明实施例一种温室大棚智能管控平台及方法的实施原理为:
在一个具体温室大棚100的管控应用场景下,温室大棚100内种植是的番茄,根据番茄通过温室大棚监控系统设定温湿度值,光照方案和浇水施肥方案;
传感器模块31采集温室内的光照值、温湿度值和土壤墒情值通过数据采集传输模块101传输给微电脑11;微电脑11将采集的数据传输给工业触摸显示屏12进行显示,并传输给数据存储器13存储备查;计算机21通过数据连接器22采集微电脑11中的光照值、温湿度值和土壤墒情值,基于设定的番茄和番茄生长预测模型对植物生长进行模拟,并输出模拟结果,模拟结果是植物株高模拟值;
植物株高监控装置按照设定,间隔24小时对每行植物进行拍摄,视觉分析模块44根据拍摄画面分析得到每行植物的最高值数据,计算机21采集每行植物的最高值数据进行平均值处理得到植物株高测定值;
设植物株高模拟值为Hi,植物株高测定值为Hc,设株高差异阈值X,设植物株高对比值为Y,则,在第30天时,通过番茄生长预测模型预测的植物株高模拟值为Hi=12cm,同时植物株高测定值Hc=9.5cm,此时/>=20.83%,Y大于X,此时计算机21输出植物长势异常的警告结果,并控制声光报警器5报警,工作人员听到报警信号,进行设备查看发现番茄株高低于预期,分析原因是光照度不够,基于连续阴雨天气,通过补充植物光照灯的方式来增加光照。
以上均为本发明的较佳实施例,并非以此限制本发明的保护范围,故:凡依本发明的结构、形状、原理所做的等效变化,均应涵盖于本发明的保护范围之内。
Claims (10)
1.一种温室大棚智能管控平台,其特征在于:包括温室大棚监控系统、植物株高监控装置、数据采集传输模块(101)、管控显示平台(1)和长势异常监控模块(2),所述温室大棚监控系统设置在温室大棚(100)内,获取温室大棚(100)内的环境参数和水肥施加参数,所述植物株高监控装置设置在温室大棚(100)种植区的一侧,基于视觉分析实现对植物株高数据的监测,温室大棚监控系统和植物株高监控装置分别通过数据采集传输模块(101)与管控显示平台(1)通信连接,所述管控显示平台(1)展示温室大棚监控系统和植物株高监控装置的监测参数,所述长势异常监控模块(2)与管控显示平台(1)的数据接口通信连接,实现数据交互,长势异常监控模块(2)基于交互的温室大棚(100)内种植植物的种类、环境参数和水肥施加参数,对植物生长进行模拟,并将模拟结果的株高与植物株高监控装置测得的植物株高进行对比,设定株高差异阈值,当对比值大于株高差异阈值时,输出植物长势异常的警告结果,并通过管控显示平台(1)显示植物长势异常的判断结果。
2.根据权利要求1所述的一种温室大棚智能管控平台,其特征在于:温室大棚监控系统包括传感器模块(31)、基于芯片的主控电路板(32)、温湿度控制设备(35)、温室水肥自动灌溉设备(33)和温室光照控制系统(34),所述传感器模块(31)采集温室内的光照值、温湿度值和土壤墒情值,传感器模块(31)与主控电路板(32)通信连接,所述主控电路板(32)控制温湿度控制设备(35)、温室水肥自动灌溉设备(33)和温室光照控制系统(34)的执行动作,使温室大棚(100)内的温湿度和光照度在设定值,同时对土壤的灌溉和施肥按照设定参数进行。
3.根据权利要求2所述的一种温室大棚智能管控平台,其特征在于:植物株高监控装置包括底部电动直线导轨(41)、相机支撑架(42)、视觉相机(43)、视觉分析模块(44)和基于芯片的拍摄控制器(45),所述底部电动直线导轨(41)的轨道设置在温室大棚(100)种植区的一侧,所述相机支撑架(42)的底部安装在底部电动直线导轨(41)的滑块上,并跟随滑块水平移动,所述视觉相机(43)设置在相机支撑架(42)的一侧,用于拍摄温室大棚(100)种植区的植物,并传输给视觉分析模块(44),所述视觉分析模块(44)基于视觉分析获得植物株高数据,视觉分析模块(44)的数据输出端与数据采集传输模块(101)通信连接,通过数据采集传输模块(101)将植物株高数据传输给管控显示平台(1),所述拍摄控制器(45)与底部电动直线导轨(41)、视觉相机(43)和视觉分析模块(44)控制连接。
4.根据权利要求3所述的一种温室大棚智能管控平台,其特征在于:植物株高监控装置还包括竖向电动直线导轨(46),所述竖向电动直线导轨(46)的轨道设置在相机支撑架(42)的一侧,所述视觉相机(43)安装在竖向电动直线导轨(46)的滑块上,拍摄控制器(45)控制竖向电动直线导轨(46)的执行动作。
5.根据权利要求4所述的一种温室大棚智能管控平台,其特征在于:管控显示平台(1)包括微电脑(11)、工业触摸显示屏(12)和数据存储器(13),所述微电脑(11)与数据采集传输模块(101)通信连接,所述工业触摸显示屏(12)和数据存储器(13)分别与微电脑(11)通信连接。
6.根据权利要求5所述的一种温室大棚智能管控平台,其特征在于:长势异常监控模块(2)包括计算机(21)和数据连接器(22),所述计算机(21)通过数据连接器(22)与微电脑(11)通信连接,计算机(21)架设植物生长预测模型,所述植物生长预测模型基于温室大棚(100)内种植植物的种类、环境参数和水肥施加参数实现对植物生长进行模拟,获得植物的模拟株高数据。
7.根据权利要求6所述的一种温室大棚智能管控平台,其特征在于:长势异常监控模块(2)还包括声光报警器(5),所述计算机(21)与声光报警器(5)控制连接,当计算机(21)输出植物长势异常的警告结果时,控制声光报警器(5)报警。
8.根据权利要求6所述的一种温室大棚智能管控平台,其特征在于:数据连接器(22)是串口连接器。
9.一种温室大棚智能管控方法,其特征在于:采用权利要求7所述的一种温室大棚智能管控平台对温室大棚(100)进行监测管控,具体包括以下步骤:
步骤1,根据植物种类通过温室大棚监控系统设定温湿度值,光照方案和浇水施肥方案;
步骤2,传感器模块(31)采集温室内的光照值、温湿度值和土壤墒情值通过数据采集传输模块(101)传输给微电脑(11);
步骤3,微电脑(11)将采集的数据传输给工业触摸显示屏(12)进行显示,并传输给数据存储器(13)存储备查;
步骤4,计算机(21)通过数据连接器(22)采集微电脑(11)中的光照值、温湿度值和土壤墒情值,基于设定的植物种类和植物生长预测模型对植物生长进行模拟,并输出模拟结果,模拟结果是植物株高模拟值;
步骤5,植物株高监控装置按照设定,间隔24小时对每行植物进行拍摄,视觉分析模块(44)根据拍摄画面分析得到每行植物的最高值数据,计算机(21)采集每行植物的最高值数据进行平均值处理得到植物株高测定值;
步骤6,设植物株高模拟值为Hi,植物株高测定值为Hc,设株高差异阈值X,设植物株高对比值为Y,则,若Y大于X,则计算机(21)输出植物长势异常的警告结果,并控制声光报警器(5)报警。
10.根据权利要求9所述的一种温室大棚智能管控方法,其特征在于:步骤6中,株高差异阈值X为20%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310896621.1A CN116627193A (zh) | 2023-07-21 | 2023-07-21 | 一种温室大棚智能管控平台及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310896621.1A CN116627193A (zh) | 2023-07-21 | 2023-07-21 | 一种温室大棚智能管控平台及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116627193A true CN116627193A (zh) | 2023-08-22 |
Family
ID=87613811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310896621.1A Pending CN116627193A (zh) | 2023-07-21 | 2023-07-21 | 一种温室大棚智能管控平台及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116627193A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116997053A (zh) * | 2023-09-26 | 2023-11-03 | 北京猫猫狗狗科技有限公司 | 一种植物灯光照控制方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914786A (zh) * | 2014-03-10 | 2014-07-09 | 北京农业信息技术研究中心 | 一种大田农业生产情景感知计算方法及装置 |
CN108279678A (zh) * | 2018-02-24 | 2018-07-13 | 浙江大学 | 一种用于检测植株生长状况的田间自动行走装置及其行走控制方法 |
CN108387262A (zh) * | 2018-01-03 | 2018-08-10 | 江苏大学 | 一种基于悬挂式滑轨平台的温室信息自动监测方法 |
CN108445942A (zh) * | 2018-05-03 | 2018-08-24 | 牡丹江师范学院 | 智能农业环境信息监测系统 |
CN110068277A (zh) * | 2019-04-30 | 2019-07-30 | 中国农业科学院农业环境与可持续发展研究所 | 一种自动观测农作物株高数据的系统及方法 |
CN110545531A (zh) * | 2019-09-20 | 2019-12-06 | 河南工业大学 | 一种基于大数据和云计算的农作物长势监控方法与系统 |
CN112270129A (zh) * | 2020-11-09 | 2021-01-26 | 威海精讯畅通电子科技有限公司 | 一种基于大数据分析的植物长势预测方法 |
CN212460057U (zh) * | 2020-05-28 | 2021-02-02 | 宁夏农林科学院农业经济与信息技术研究所(宁夏农业科技图书馆) | 一种用于田间作业的巡检小车 |
CN215219537U (zh) * | 2021-08-18 | 2021-12-17 | 山东交通学院 | 一种可视化温室大棚监控系统 |
CN113962474A (zh) * | 2021-11-01 | 2022-01-21 | 广州极飞科技股份有限公司 | 用于预测植物株高的方法及处理器 |
EP3973769A1 (fr) * | 2020-09-28 | 2022-03-30 | Myfood France | Serre connectée intelligente, procédé de gestion et de maintenance d'une telle serre et système associé |
CN115013661A (zh) * | 2022-06-02 | 2022-09-06 | 温州科技职业学院 | 结合图像处理技术的金线莲生长检测系统 |
CN217424287U (zh) * | 2022-05-27 | 2022-09-13 | 海南大学 | 一种自走式作物株高测量装置 |
CN115348281A (zh) * | 2022-06-30 | 2022-11-15 | 苏州碳感科技有限公司 | 一种基于自优化的植物自动种植方法及系统 |
CN115993148A (zh) * | 2023-01-31 | 2023-04-21 | 重庆文理学院 | 基于边缘计算的温室大棚监控系统 |
CN219263770U (zh) * | 2023-04-14 | 2023-06-27 | 新疆农业科学院粮食作物研究所 | 田间玉米图像采集装置 |
-
2023
- 2023-07-21 CN CN202310896621.1A patent/CN116627193A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914786A (zh) * | 2014-03-10 | 2014-07-09 | 北京农业信息技术研究中心 | 一种大田农业生产情景感知计算方法及装置 |
CN108387262A (zh) * | 2018-01-03 | 2018-08-10 | 江苏大学 | 一种基于悬挂式滑轨平台的温室信息自动监测方法 |
CN108279678A (zh) * | 2018-02-24 | 2018-07-13 | 浙江大学 | 一种用于检测植株生长状况的田间自动行走装置及其行走控制方法 |
CN108445942A (zh) * | 2018-05-03 | 2018-08-24 | 牡丹江师范学院 | 智能农业环境信息监测系统 |
CN110068277A (zh) * | 2019-04-30 | 2019-07-30 | 中国农业科学院农业环境与可持续发展研究所 | 一种自动观测农作物株高数据的系统及方法 |
CN110545531A (zh) * | 2019-09-20 | 2019-12-06 | 河南工业大学 | 一种基于大数据和云计算的农作物长势监控方法与系统 |
CN212460057U (zh) * | 2020-05-28 | 2021-02-02 | 宁夏农林科学院农业经济与信息技术研究所(宁夏农业科技图书馆) | 一种用于田间作业的巡检小车 |
EP3973769A1 (fr) * | 2020-09-28 | 2022-03-30 | Myfood France | Serre connectée intelligente, procédé de gestion et de maintenance d'une telle serre et système associé |
CN112270129A (zh) * | 2020-11-09 | 2021-01-26 | 威海精讯畅通电子科技有限公司 | 一种基于大数据分析的植物长势预测方法 |
CN215219537U (zh) * | 2021-08-18 | 2021-12-17 | 山东交通学院 | 一种可视化温室大棚监控系统 |
CN113962474A (zh) * | 2021-11-01 | 2022-01-21 | 广州极飞科技股份有限公司 | 用于预测植物株高的方法及处理器 |
CN217424287U (zh) * | 2022-05-27 | 2022-09-13 | 海南大学 | 一种自走式作物株高测量装置 |
CN115013661A (zh) * | 2022-06-02 | 2022-09-06 | 温州科技职业学院 | 结合图像处理技术的金线莲生长检测系统 |
CN115348281A (zh) * | 2022-06-30 | 2022-11-15 | 苏州碳感科技有限公司 | 一种基于自优化的植物自动种植方法及系统 |
CN115993148A (zh) * | 2023-01-31 | 2023-04-21 | 重庆文理学院 | 基于边缘计算的温室大棚监控系统 |
CN219263770U (zh) * | 2023-04-14 | 2023-06-27 | 新疆农业科学院粮食作物研究所 | 田间玉米图像采集装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116997053A (zh) * | 2023-09-26 | 2023-11-03 | 北京猫猫狗狗科技有限公司 | 一种植物灯光照控制方法 |
CN116997053B (zh) * | 2023-09-26 | 2023-12-26 | 北京猫猫狗狗科技有限公司 | 一种植物灯光照控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN209517198U (zh) | 一种智慧农业标准化管理系统 | |
Kaburuan et al. | A design of IoT-based monitoring system for intelligence indoor micro-climate horticulture farming in Indonesia | |
CN110545531A (zh) | 一种基于大数据和云计算的农作物长势监控方法与系统 | |
CN106406178A (zh) | 一种温室作物生长信息实时对等监测装置及监测方法 | |
CN112450056A (zh) | 一种基于机器学习算法的水肥药一体化智能灌溉系统 | |
CN106777683A (zh) | 一种作物苗情监测系统和方法 | |
CN116627193A (zh) | 一种温室大棚智能管控平台及方法 | |
CN112506111A (zh) | 一种基于大数据和云计算的农作物长势监控方法与系统 | |
CN206178392U (zh) | 一种温室作物生长信息实时对等监测装置 | |
CN113273449A (zh) | 用于日光温室精准监测的数字孪生体构造方法 | |
CN112465109A (zh) | 一种基于云边协同的农业大棚控制装置 | |
CN112116206A (zh) | 一种基于大数据的智慧农业系统 | |
CN205281296U (zh) | 一种植物生长环境监测控制系统 | |
CN112883230A (zh) | 马铃薯生产管理系统 | |
CN112003948A (zh) | 一种智慧农业物联网系统 | |
CN115993148A (zh) | 基于边缘计算的温室大棚监控系统 | |
CN114543869A (zh) | 一种基于物联网技术的农业支撑系统 | |
CN110308710A (zh) | 一种番茄种植监控平台 | |
CN115756037A (zh) | 一种设施大棚蔬菜管控方法及系统 | |
CN115793756A (zh) | 用于调节植物生长周期的种植柜环境控制系统 | |
CN212208065U (zh) | 一种基于bim可视化的温室环境监控装置 | |
Pandey et al. | IOT based smart polyhouse system using data analysis | |
CN104635816A (zh) | 一种水稻智能生长系统 | |
CN113837207A (zh) | 一种远程操控的植物照护装置及方法 | |
CN211908856U (zh) | 一种基于物联网的植物数据采集系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230822 |