CN116755376A - 一种基于农业物联网的监控方法及系统 - Google Patents
一种基于农业物联网的监控方法及系统 Download PDFInfo
- Publication number
- CN116755376A CN116755376A CN202311034717.3A CN202311034717A CN116755376A CN 116755376 A CN116755376 A CN 116755376A CN 202311034717 A CN202311034717 A CN 202311034717A CN 116755376 A CN116755376 A CN 116755376A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- preset
- coefficient
- sets
- optimization
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 296
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000004458 analytical method Methods 0.000 claims abstract description 99
- 238000005457 optimization Methods 0.000 claims description 107
- 238000012937 correction Methods 0.000 claims description 67
- 230000008569 process Effects 0.000 claims description 50
- 239000011159 matrix material Substances 0.000 claims description 31
- 238000005286 illumination Methods 0.000 claims description 30
- 238000009423 ventilation Methods 0.000 claims description 27
- 230000001276 controlling effect Effects 0.000 claims description 26
- 230000007613 environmental effect Effects 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 230000005856 abnormality Effects 0.000 claims description 18
- 238000012806 monitoring device Methods 0.000 claims description 16
- 230000001105 regulatory effect Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 239000000758 substrate Substances 0.000 claims description 9
- 230000005587 bubbling Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 7
- 239000003102 growth factor Substances 0.000 description 3
- 102000051759 human factor J Human genes 0.000 description 3
- 108700008420 human factor J Proteins 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 240000006499 Flammulina velutipes Species 0.000 description 2
- 235000016640 Flammulina velutipes Nutrition 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000233866 Fungi Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- 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
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明涉及一种基于农业物联网的监控方法及系统,尤其涉及智慧农业技术领域,所述系统包括,信息获取模块,获取环境信息和农作物的生长信息,分析模块,对获取的环境温度、环境湿度和CO2浓度对农作物的生长环境状态进行分析,调整模块,获取的通风时间及基质的PH值对分析过程进行调整,监控模块,农作物生长环境状态的分析结果设置农作物的监控方式,调控模块,用以根据获取的农作物的图像控制监控设备的运行状态,优化模块,用以根据光照强度及基质湿度对监控设备控制过程进行优化,反馈优化模块,用以根据获取的农作物的产量对监控方式的设置进行优化,本发明提高了对农作物的监控效率,同时减少了设备功耗。
Description
技术领域
本发明涉及智慧农业技术领域,尤其涉及一种基于农业物联网的监控方法及系统。
背景技术
基于农业物联网的监控系统通过获取农作物的环境信息及生长信息,并对其进行分析来获取农作物的监控方式并控制监控设备的运行状态,提高了对农作物的监控效率,同时减少了设备功耗。
农业是人类社会的基础产业之一,但面临着诸如人口增长、资源短缺、气候变化等挑战。农业物联网的发展旨在通过数字化、自动化和智能化的手段,提高农业生产的效率和可持续性,以满足不断增长的食品需求,农业物联网是将物联网技术应用于农业领域,以提高农业生产效率、资源利用率和农产品质量。它借助传感器、通信技术、数据分析等手段,实现对农田、农作物、畜禽等农业要素的实时监测、控制和管理。
中国专利公开号:CN116127168A公开了一种基于物联网的农作物生长实时监控系统及方法,包括:农作物生长特别事件收集模块,用于收集农作物生长特别事件;事件发生条件分析模块,用于分析农作物生长特别事件的事件发生条件;农作物信息获取模块,用于获取农业园的分园内种植的农作物的农作物信息;目标事件确定模块,用于基于事件发生条件和农作物信息,确定可能发生于分园内的农作物生长特别事件,并作为目标事件;事件特征分析模块,用于分析目标事件的事发特征;物联网监控任务生成模块,用于基于事发特征,生成物联网监控任务并下发;由此可见,该方案在生成监控任务时仅对农作物生长特别事件进行分析,未针对农作物的成长状态采取不同监控方式进行监控,存在对农作物的监控效率低、监控设备功耗高的问题。
发明内容
为此,本发明提供一种基于农业物联网的监控方法及系统,用以克服现有技术中对农作物的监控效率低、监控设备功耗高的问题。
为实现上述目的,本发明提供一种基于农业物联网的监控系统,所述系统包括,
信息获取模块,用以获取环境信息和农作物的生长信息;
分析模块,用以根据获取的环境温度、环境湿度和CO2浓度对农作物的生长环境状态进行分析;
调整模块,用以根据获取的基质的PH值和通风时间对农作物生长环境状态的分析过程进行调整,所述调整模块设有调节单元,其用以根据获取的基质PH值对农作物生长环境的分析过程进行调节,所述调整模块还设有修正单元,其用以根据获取的通风时间对农作物生长环境的分析过程的调节过程进行修正;
监控模块,用以根据农作物生长环境状态的分析结果设置农作物的监控方式;
调控模块,用以根据农作物的监控方式和获取的农作物的图像控制下一监控周期监控设备的运行状态,所述调控模块设有系数计算单元,所述系数计算单元将获取的农作物的图像与各预设图像进行匹配,以计算出均方误差,并对均方误差进行排序,并根据均方误差的排序结果计算生长系数,所述调控模块还设有调控单元,所述调控单元根据农作物监控方式的设置结果和生长系数的计算结果对下一监控周期监控设备的运行状态进行调控;
优化模块,用以根据获取的光照强度和基质湿度对下一监控周期监控设备的运行状态的控制过程进行优化;
反馈优化模块,用以根据当前生长周期内的农作物的产量对下一生长周期的监控方式的设置过程进行优化。
进一步地,所述温度分析单元将获取的各预设时间节点的环境温度T0与各预设温度进行比对,并根据比对结果对农作物的生长环境状态进行分析,其中:
当T0<T1或T0>T2时,所述温度分析单元判定该预设时间节点农作物的生长环境状态为温度异常,并判定此预设时间节点为温度异常时间节点;
当T1≤T0≤T2时,所述温度分析单元判定该预设时间节点农作物的生长环境状态为温度正常;
当预设时间节点农作物的生长环境状态为温度正常时,所述湿度分析单元将获取的环境湿度S0与各预设湿度进行比对,并根据比对结果对农作物的生长环境状态进行二次分析,其中:
当S0<S1或S0>S2时,所述湿度分析单元判定该预设时间节点农作物的生长环境状态为湿度异常,并判定此预设时间节点为湿度异常时间节点;
当S1≤S0≤S2时,所述湿度分析单元判定该预设时间节点农作物的生长环境状态为湿度正常;
当预设时间节点农作物的生长环境状态为湿度正常时,所述CO2浓度分析单元将获取各预设时间节点的CO2浓度与各预设浓度进行比对,并根据比对结果对农作物的生长环境状态进行三次分析,其中:
当f0<f1或f0>f2时,所述CO2浓度分析单元判定该预设时间节点农作物的生长环境状态为CO2浓度异常,并判定该预设时间节点为CO2浓度异常时间节点;
当f1≤f0≤f2时,所述CO2浓度分析单元判定该预设时间节点农作物的生长环境状态为CO2浓度正常。
进一步地,所述调节单元将获取的监控周期内基质PH值e0与各预设PH值进行比对,并根据比对结果计算出调节系数对农作物生长环境状态的分析过程进行调节,其中:
当e0<e1时,所述调节单元设置第一调节系数α1对预设温度T2进行调节,设定α1=1-(e1-e0)/(e1+e0);
当e1≤e0≤e2时,所述调节单元不进行调节;
当e0>e2时,所述调节单元设置第二调节系数α2对预设温度T2进行调节,设定α2=1-(e2-e0)/(e2+e0);
所述调节单元根据调节系数对预设温度T2进行调节,并将调节后的预设温度设为T2’,设定T2’=T2×αE,E=1,2;
其中,e1为预设PH的最小值,e2为预设PH的最大值。所述修正单元将获取的监控周期内的通风时间t0与各预设时间进行比对,并根据比对结果计算出修正系数对农作物生长环境状态的分析过程的调节过程进行修正,其中:
当t0<tc1时,所述修正单元设置第一修正系数β1对调节系数进行修正,设定β1=1-(tc1-t0)/(tc1+t0);
当tc1≤t0≤tc2时,所述修正单元不进行修正;
当t0>tc2时,所述修正单元设置第二修正系数β2对调节系数进行修正,设定β2=1-(tc2-t0)/(tc2+t0);
所述修正单元根据修正系数对调节系数进行修正,并将修正后的调节系数设为αE’,设定αE’=αE×βF,F=1,2;
其中,tc1为预设通风时间的最小值,tc2为预设通风时间的最大值,c为监控周期的类别,当c=1时,监控周期为w1,当c=2时,监控周期为w2,当c=3时,监控周期为w3。
进一步地,所述监控模块根据农作物的生长环境状态对农作物的监控方式进行设置,其中:
当r1/Ub>B时,所述监控模块将下一监控周期设为W1,将预设时间节点的数量设为U1,并发出温度异常预警,其中,r1为温度异常时间节点的数量,Ub为监控周期预设时间节点的数量,B为预设状态系数;
当r1/Ub≤B且r2/Ub>B时,所述监控模块将下一监控周期设为W2,将预设时间节点的数量设为U2,并发出湿度异常预警,其中,r2为湿度异常时间节点的数量;
当r1/Ub≤B且r2/Ub≤B且r3/Ub>B时,所述监控模块将下一监控周期设为W3,将预设时间节点的数量设为U3,并发出通风时间异常预警,其中,r3为CO2浓度异常时间节点的数量;
当r1/Ub≤B且r2/Ub≤B且r3/Ub≤B时,所述监控模块将下一监控周期监控设备运行状态设为关闭;
其中,W3>W2>W1。
进一步地,所述系数计算单元将获取的监控周期内农作物的监控图像与各预设图像进行匹配,以计算出均方误差,并根据计算结果对各均方误差进行排序,以得到最小均方误差,所述排序单元将均方误差设为Mxu,设定 ,0<x≤X,0<u≤Ub,其中,N是像素总数,u表示第u个预设时间节点,Ub为预设时间节点的数量,I1[i]表示获取的农作物的监控图像第i个像素位置的像素值,I2[i]表示预设图像在第i个像素位置的像素值,x表示第x个预设图像,X为预设图像的数量,所述排序单元将计算出的各均方误差按照冒泡排序法按照从大到小的顺序进行排序,并将最小的均方误差设为Mxu’;
所述系数计算单元将最小均方误差与预设均方误差H进行比对,并根据比对结果计算生长系数,其中:
当Mxu’<H时,所述系数计算单元将生长系数设为Q1,设定Q1=0.5×[1-(H-Mxu’)/(H+Mxu’)];
当Mxu’≥H时,所述系数计算单元将生长系数设为Q2,设定Q2=0.8×[1-(H1-Mxu’)/(H1+Mxu’)]。
进一步地,当所述监控模块将下一监控周期监控设备运行状态设为关闭时,所述调控单元将生长系数与预设生长系数J进行比对,并根据比对结果对下一监控周期监控设备的运行状态进行调控,其中:
当Qq<J时,所述调控单元将下一监控周期监控设备的状态判定为开启,其中q=1,2;
当Qq≥J,所述调控单元将下一监控周期监控设备的状态判定为关闭,并在下一监控周期结束后将监控设备重新开启,所述监控模块将下一监控周期设为W2,预设时间节点的数量设为d2。
进一步地,所述优化模块设有优化调节单元,所述优化调节单元用以将获取的光照强度G0与各预设光照强度进行比对,并根据比对结果计算出优化调节系数对下一监控周期监控设备的运行状态的调控过程进行调节,其中:
当G0<G1时,所述优化调节单元设置第一优化调节系数Y1对预设生长系数J进行调节,以调整设备的运行状态,设定Y1=1-(G1-G0)/(G1+G0);
当G1≤G0≤G2时,所述优化调节单元不进行调节;
当G0>G2时,所述优化调节单元设置第二优化调节系数Y2对预设生长系数J进行调节,以调整设备的运行状态,设定Y2=1-(G2-G0)/(G2+G0);
所述优化调节单元根据优化调节系数对预设生长系数J进行调节,并将调节后的预设生长系数设为J1,设定J1=J×Yy,y=1,2;
其中,G1为预设最弱光照强度,G2为预设最强光照强度。
进一步地,所述优化模块还设有优化修正单元,所述优化修正单元用以将获取的基质湿度k0与预设基质湿度进行比对,并根据比对结果计算出优化修正系数对下一监控周期监控设备运行状态的调控过程的调节过程进行修正,其中:
当k0<k1时,所述优化修正单元设置第一优化修正系数Z1对优化调节系数Yy进行修正,设定Z1=1-(k1-k0)/(k1+k0);
当k1≤k0≤k2时,所述优化修正单元不进行修正;
当k0>k2时,所述优化修正单元设置第二优化修正系数Z2对优化调节系数Yy进行修正,设定Z2=1-(k2-k0)/(k2+k0);
所述优化修正单元根据优化修正系数对优化调节系数Yy进行修正,并将修正后的优化调节系数设为Yy’,设定Yy’=Zz×Yy,z=1,2,其中,k1为预设最小基质湿度,k2为预设最大基质湿度。
进一步地,所述反馈优化模块将获取的当前生长周期农作物的产量P0与预设产量进行比对,并根据比对结果对下一生长周期监控方式的设置过程进行优化,其中:
当P0<P1时,所述反馈优化模块设置第一优化系数V1对预设状态系数B进行优化,以优化下一生长周期的监控方式,设定V1=1+(P1-P0)/(P1+P0);
当P1≤P0≤P2时,所述反馈优化模块不进行优化;
当P0>P2时,所述反馈优化模块设置第二优化系数V2对预设状态系数B进行优化,以优化下一生长周期的监控方式,设定V2=1-(P2-P0)/(P2+P0);
所述反馈优化模块根据优化系数对预状态系数B进行优化,并将优化后的预设状态系数B设为B’,设定B’=B×Pp,p=1,2;
其中,P1为预设最小产量,P2为预设最大产量。
另一方面,本发明还提供一种基于农业物联网的监控方法,包括,
步骤S1:获取环境信息和农作物的生长信息;
步骤S2:根据获取的环境温度、环境湿度和CO2浓度对农作物的生长环境状态进行分析;
步骤S3:根据获取的基质的PH值和通风时间对农作物生长环境状态的分析过程进行调整;
步骤S4:根据农作物生长环境状态的分析结果设置农作物的监控方式;
步骤S5:根据农作物的监控方式和获取的农作物的图像控制下一监控周期监控设备的运行状态;
步骤S6:根据获取的光照强度和基质湿度对下一监控周期监控设备的运行状态的控制过程进行优化;
步骤S7:根据当前生长周期内的农作物的产量对下一生长周期的监控方式的设置过程进行优化。
与现有技术相比,本发明的有益效果在于,所述温度分析单元通过设置温度阈值对农作物的生长环境进行分析,根据分析结果设置所对应的监控方式对农作物进行监控,以提高监控效率,同时减少设备功耗,所述湿度分析单元通过设置湿度阈值对农作物的生长环境进行分析,根据分析结果设置所对应的监控方式对农作物进行监控,以提高监控效率,同时减少设备功耗,所述CO2浓度分析单元通过设置浓度阈值对农作物的生长环境进行分析,根据分析结果设置所对应的监控方式对农作物进行监控,以提高监控效率,同时减少设备功耗,所述调节单元通过设置预设PH值以提高调节系数的准确性,从而提高对于农作物生长环境状态分析的准确性,进而提高监控方式设置的准确性,最终提高监控效率,同时减少设备功耗,所述修正单元通过设置预设时间以提高修正系数的准确性,从而提高对于农作物生长环境状态分析的准确性,进而提高监控方式设置的准确性,最终提高监控效率,同时减少设备功耗,所述监控模块通过设置不同的监控方式对处于不同生长环境的农作物进行监控,以提高监控效率,同时可以减少设备功耗,所述系数计算单元利用均方误差计算两个图片的相似度,所述均方误差是在统计学和机器学习中常用的一个指标,用于衡量预测值与实际观测值之间的差异,以提高系数计算的准确性,从而提高控制监控设备运行状态的准确性,所述调控单元通过设置预设生长系数对计算出的生长系数进行判断,以提高对下一监控周期监控设备的运行状态调控的准确性,以提高监控效率,同时减少监控设备的功耗,所述优化调节单元通过设置预设光照强度以提高优化调节系数的准确性,从而提高对下一监控周期监控设备的运行状态调控的准确性,进而提高监控效率,同时减少设备功耗,所述优化修正单元通过设置预设基质湿度以提高优化修正系数的准确性,从而提高对下一监控周期监控设备的运行状态调控的准确性,进而提高监控效率,同时减少设备功耗,述反馈优化模块通过设置预设产量以提高优化系数的准确性,从而提高对下一监控周期监控方式设置的准确性,进而提高监控效率,同时减少设备功耗。
附图说明
图1为本实施例农业物联网的监控系统的结构示意图;
图2为本实施例分析模块的结构示意图;
图3为本实施例调整模块的结构示意图;
图4为本实施例调控模块的结构示意图;
图5为本实施例优化模块的结构示意图;
图6为本实施例基于农业物联网的监控方法的流程示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,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,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本实施例基于农业物联网的监控系统结构示意图,所述系统包括,
信息获取模块,用以获取环境信息和农作物的生长信息,所述环境信息包括基质湿度、基质的PH值、环境温度、环境湿度、环境中CO2浓度、通风时间和光照强度,所述通风时间在监控周期内通过智能设备进行获取,所述光照强度在监控周期的中间时段获取通过光照传感器获取,所述基质湿度在监控周期的中间时段获取通过湿度传感器获取,所述基质的PH值在监控周期的中间时段通过pH测试仪获取,所述环境温度、环境湿度和环境中CO2浓度在监控周期内每个预设时间节点通过各类智能传感器获取,所述生长信息包括农作物的图像和农作物的产量,所述环境信息可通过各类智能传感器获取,所述农作物的图像通过摄像头传感器获取,通过设置监控周期,并在一个监控周期的各预设时间节点对农作物进行拍摄,从而得到农作物的图像,所述农作物的产量是当前生长周期农作物的产量,所述生长周期包含当前所有监控周期,所述农作物的产量通过交互获取;本实施例中不对监控周期和预设时间节点作具体限定,本领域技术人员可自由设置,只需满足监控周期和预设时间节点的设置要求即可,如设置三天为一个监控周期,每隔三小时为一个预设时间节点等;本实施中还设有若干预设图像,所述预设图像是农作物生长异常的图像;本实施例不对环境信息和生长信息的获取方式作具体限定,本领域技术人员可自由设置,只需满足环境信息和生长信息的获取方式即可;
分析模块,用以根据获取的环境温度、环境湿度和CO2浓度对农作物的生长环境状态进行分析,分析模块与所述信息获取模块连接;
调整模块,用以根据获取的基质的PH值和通风时间对农作物生长环境状态的分析过程进行调整,调整模块与所述分析模块连接;
监控模块,用以根据农作物生长环境状态的分析结果设置农作物的监控方式,监控模块与所述调整模块连接;
调控模块,用以根据农作物的监控方式和获取的农作物的图像控制下一监控周期监控设备的运行状态,调控模块与所述监控模块连接;
优化模块,用以根据获取的光照强度和基质湿度对下一监控周期监控设备的运行状态的控制过程进行优化,优化模块与所述调控模块连接;
反馈优化模块,用以根据当前生长周期内的农作物的产量对下一生长周期的监控方式的设置过程进行优化,反馈优化模块与所述优化模块连接。
请参阅图2所示,其为本实施例分析模块的结构示意图,所述分析模块包括,
温度分析单元,用以根据获取的环境温度对农作物的生长环境状态进行分析;
湿度分析单元,用以根据获取的环境湿度对农作物的生长环境状态进行二次分析,湿度分析单元与所述温度分析单元连接;
CO2浓度分析单元,用以根据获取的CO2浓度对农作物的生长环境状态进行三次分析,CO2浓度分析单元与所述湿度分析单元连接;
请参阅图3所示,其为本实施例调整模块的结构示意图,所述调整模块包括,
调节单元,用以根据获取的基质PH值对农作物生长环境的分析过程进行调节;
修正单元,用以根据获取的通风时间对农作物生长环境的分析过程的调节过程进行修正,修正单元与所述调节单元连接。
请参阅图4所示,其为本实施例调控模块的结构示意图,所述调控模块包括,
系数计算单元,所述排序单元将获取的农作物的图像与各预设图像进行匹配,计算农作物的图像与各预设图像的均方误差,并对均方误差进行排序,所述系数计算单元根据均方误差的排序结果计算生长系数;
调控单元,所述判断单元根据农作物监控方式的设置结果和生长系数的计算结果对下一监控周期监控设备的运行状态进行调控,调控单元与所述系数计算单元连接。
请参阅图5所示,其为本实施例优化模块的结构示意图,所述优化模块包括,
优化调节单元,用以根据获取的光照强度对下一监控周期监控设备运行状态的调控过程进行调节;
优化修正单元,用以根据获取的基质湿度对下一监控周期监控设备运行状态的调控过程的调节过程进行修正,优化修正单元与所述优化调节单元连接。
具体而言,本实施例应用于在大棚内食用菌生长期的监控,通过获取农作物的环境信息及生长信息,并对其进行分析来获取农作物的监控方式并控制监控设备的运行状态,提高了对农作物的监控效率,同时减少了设备功耗。
具体而言,所述温度分析单元通过设置温度阈值对农作物的生长环境进行分析,根据分析结果设置所对应的监控方式对农作物进行监控,以提高监控效率,同时减少设备功耗,所述湿度分析单元通过设置湿度阈值对农作物的生长环境进行分析,根据分析结果设置所对应的监控方式对农作物进行监控,以提高监控效率,同时减少设备功耗,所述CO2浓度分析单元通过设置浓度阈值对农作物的生长环境进行分析,根据分析结果设置所对应的监控方式对农作物进行监控,以提高监控效率,同时减少设备功耗,所述调节单元通过设置预设PH值以提高调节系数的准确性,从而提高对于农作物生长环境状态分析的准确性,进而提高监控方式设置的准确性,最终提高监控效率,同时减少设备功耗,所述修正单元通过设置预设时间以提高修正系数的准确性,从而提高对于农作物生长环境状态分析的准确性,进而提高监控方式设置的准确性,最终提高监控效率,同时减少设备功耗,所述监控模块通过设置不同的监控方式对处于不同生长环境的农作物进行监控,以提高监控效率,同时可以减少设备功耗,所述系数计算单元利用均方误差计算两个图片的相似度,所述均方误差是在统计学和机器学习中常用的一个指标,用于衡量预测值与实际观测值之间的差异,以提高系数计算的准确性,从而提高控制监控设备运行状态的准确性,所述调控单元通过设置预设生长系数对计算出的生长系数进行判断,以提高对下一监控周期监控设备的运行状态调控的准确性,以提高监控效率,同时减少监控设备的功耗,所述优化调节单元通过设置预设光照强度以提高优化调节系数的准确性,从而提高对下一监控周期监控设备的运行状态调控的准确性,进而提高监控效率,同时减少设备功耗,所述优化修正单元通过设置预设基质湿度以提高优化修正系数的准确性,从而提高对下一监控周期监控设备的运行状态调控的准确性,进而提高监控效率,同时减少设备功耗,述反馈优化模块通过设置预设产量以提高优化系数的准确性,从而提高对下一监控周期监控方式设置的准确性,进而提高监控效率,同时减少设备功耗。
具体而言,所述温度分析单元将获取的各预设时间节点的环境温度T0与各预设温度进行比对,并根据比对结果对农作物的生长环境状态进行分析,其中:
当T0<T1或T0>T2时,所述温度分析单元判定该预设时间节点农作物的生长环境状态为温度异常,并判定此预设时间节点为温度异常时间节点;
当T1≤T0≤T2时,所述温度分析单元判定该预设时间节点农作物的生长环境状态为温度正常;
其中,T1为预设最低温度,T2为预设最高温度。
具体而言,所述温度分析单元通过设置温度阈值对农作物的生长环境进行分析,根据分析结果设置所对应的监控方式对农作物进行监控,以提高监控效率,同时减少设备功耗;本实施例中不对预设温度的取值作具体限定,本领域技术人员可自由设置,只需满足预设温度的设置要求即可,如当监测的农作物为蘑菇类时,T1的最佳取值为20度,T2的最佳取值为24度。
具体而言,当预设时间节点农作物的生长环境状态为温度正常时,所述湿度分析单元将获取的环境湿度S0与各预设湿度进行比对,并根据比对结果对农作物的生长环境状态进行二次分析,其中:
当S0<S1或S0>S2时,所述湿度分析单元判定该预设时间节点农作物的生长环境状态为湿度异常,并判定此预设时间节点为湿度异常时间节点;
当S1≤S0≤S2时,所述湿度分析单元判定该预设时间节点农作物的生长环境状态为湿度正常;
其中,S1为预设最低湿度,S2为预设最高湿度。
具体而言,所述湿度分析单元通过设置湿度阈值对农作物的生长环境进行分析,根据分析结果设置所对应的监控方式对农作物进行监控,以提高监控效率,同时减少设备功耗;本实施例中不对预设湿度的取值作具体限定,本领域技术人员可自由设置,只需满足预设湿度的设置要求即可,如当监测的农作物为蘑菇类时,S1的最佳取值为85%,S2的最佳取值为95%。
具体而言,当预设时间节点农作物的生长环境状态为湿度正常时,所述CO2浓度分析单元将获取各预设时间节点的CO2浓度与各预设浓度进行比对,并根据比对结果对农作物的生长环境状态进行三次分析,其中:
当f0<f1或f0>f2时,所述CO2浓度分析单元判定该预设时间节点农作物的生长环境状态为CO2浓度异常,并判定该预设时间节点为CO2浓度异常时间节点;
当f1≤f0≤f2时,所述CO2浓度分析单元判定该预设时间节点农作物的生长环境状态为CO2浓度正常;
其中,f1为预设浓度的最小值,f2为预设浓度的最大值。
具体而言,所述CO2浓度分析单元通过设置浓度阈值对农作物的生长环境进行分析,根据分析结果设置所对应的监控方式对农作物进行监控,以提高监控效率,同时减少设备功耗;本实施例中不对预设浓度的取值作具体限定,本领域技术人员可自由设置,只需满足预设浓度的取值条件即可,如当监测的农作物为蘑菇类时,f1的最佳取值为0.5%,f2的最佳取值为1.0%。
具体而言,所述调节单元将获取的监控周期内基质PH值e0与各预设PH值进行比对,并根据比对结果计算出调节系数对农作物生长环境状态的分析过程进行调节,其中:
当e0<e1时,所述调节单元设置第一调节系数α1对预设温度T2进行调节,设定α1=1-(e1-e0)/(e1+e0);
当e1≤e0≤e2时,所述调节单元不进行调节;
当e0>e2时,所述调节单元设置第二调节系数α2对预设温度T2进行调节,设定α2=1-(e2-e0)/(e2+e0);
所述调节单元根据调节系数对预设温度T2进行调节,并将调节后的预设温度设为T2’,设定T2’=T2×αE,E=1,2;
其中,e1为预设PH的最小值,e2为预设PH的最大值。
具体而言,所述调节单元通过设置预设PH值以提高调节系数的准确性,从而提高对于农作物生长环境状态分析的准确性,进而提高监控方式设置的准确性,最终提高监控效率,同时减少设备功耗;本实施例中不对PH的取值作具体限定,本领域技术人员可自由设置,只需满足PH的取值条件即可,如当监测的农作物为蘑菇类时,e1的最佳取值为6.0,T2的最佳取值为7.5。
具体而言,所述修正单元将获取的监控周期内的通风时间t0与各预设时间进行比对,并根据比对结果计算出修正系数对农作物生长环境状态的分析过程的调节过程进行修正,其中:
当t0<tc1时,所述修正单元设置第一修正系数β1对调节系数进行修正,设定β1=1-(tc1-t0)/(tc1+t0);
当tc1≤t0≤tc2时,所述修正单元不进行修正;
当t0>tc2时,所述修正单元设置第二修正系数β2对调节系数进行修正,设定β2=1-(tc2-t0)/(tc2+t0);
所述修正单元根据修正系数对调节系数进行修正,并将修正后的调节系数设为αE’,设定αE’=αE×βF,F=1,2;
其中,tc1为预设通风时间的最小值,tc2为预设通风时间的最大值,c为监控周期的类别,当c=1时,监控周期为w1,当c=2时,监控周期为w2,当c=3时,监控周期为w3。
具体而言,所述修正单元通过设置预设时间以提高修正系数的准确性,从而提高对于农作物生长环境状态分析的准确性,进而提高监控方式设置的准确性,最终提高监控效率,同时减少设备功耗;本实施例中不对预设时间的取值作具体限定,本领域技术人员可自由设置,只需满足预设时间的设置要求即可,如当监测的农作物为蘑菇类时,t1的最佳取值为15min,t2的最佳取值为30min。
具体而言,所述监控模块根据农作物的生长环境状态对农作物的监控方式进行分析,其中:
当r1/Ub>B时,所述监控模块将下一监控周期设为W1,将预设时间节点的数量设为U1,并发出温度异常预警,其中,r1为温度异常时间节点的数量,Ub为监控周期预设时间节点的数量,B为预设状态系数;
当r1/Ub≤B且r2/Ub>B时,所述监控模块将下一监控周期设为W2,将预设时间节点的数量设为U2,并发出湿度异常预警,其中,r2为湿度异常时间节点的数量;
当r1/Ub≤B且r2/Ub≤B且r3/Ub>B时,所述监控模块将下一监控周期设为W3,将预设时间节点的数量设为U3,并发出通风时间异常预警,其中,r3为CO2浓度异常时间节点的数量;
当r1/Ub≤B且r2/Ub≤B且r3/Ub≤B时,所述监控模块将下一监控周期监控设备运行状态设为关闭;
其中,W3>W2>W1。
具体而言,所述监控模块通过设置不同的监控方式对处于不同生长环境的农作物进行监控,以提高监控效率,同时可以减少设备功耗;本实施例中不对监控方式的设置作具体限定,本领域技术人员可自由设置,只需满足监控方式的设置要求即可,如当监测的农作物为蘑菇类时,将监控周期设置为24h,预设时间节点的数量设为12,则监控设备每隔两小时对环境信息与生长信息进行获取并进行处理,其中,通风时间按照监控周期进行获取,光照强度和基质湿度在监控周期的中间时段获取,w1的最佳取值为24h,w2的最佳取值为48h,w3的最佳取值为72h,U1的最佳取值为12,U2的最佳取值为16,U3的最佳取值为18;本实施例中不对预设状态系数B的取值作具体限定,本领域技术人员可自由设置,只需满足B的设置要求即可,如当监测的农作物为蘑菇类时,B的最佳取值为0.2。
具体而言,所述系数计算单元将获取的监控周期内农作物的监控图像与各预设图像进行匹配,以计算出均方误差,并根据计算结果对各均方误差进行排序,以得到最小均方误差,所述排序单元将均方误差设为Mxu,设定 ,0<x≤X,0<u≤Ub,其中,N是像素总数,u表示第u个预设时间节点,Ub为预设时间节点的数量,I1[i]表示获取的农作物的监控图像第i个像素位置的像素值,I2[i]表示预设图像在第i个像素位置的像素值,x表示第x个预设图像,X为预设图像的数量,所述排序单元将计算出的各均方误差按照冒泡排序法按照从大到小的顺序进行排序,并将最小的均方误差设为Mxu’;/>
所述系数计算单元将最小均方误差与预设均方误差H进行比对,并根据比对结果计算生长系数,其中:
当Mxu’<H时,所述系数计算单元将生长系数设为Q1,设定Q1=0.5×[1-(H-Mxu’)/(H+Mxu’)];
当Mxu’≥H时,所述系数计算单元将生长系数设为Q2,设定Q2=0.8×[1-(H1-Mxu’)/(H1+Mxu’)]。
具体而言,所述系数计算单元利用均方误差计算两个图片的相似度,所述均方误差是在统计学和机器学习中常用的一个指标,用于衡量预测值与实际观测值之间的差异,以提高系数计算的准确性,从而提高控制监控设备运行状态的准确性;本实施例中不对预设均方误差的取值作具体限定,本领域技术人员可自由设置,只需满足预设均方误差的取值要求即可,其中,预设均方误差的最佳取值为0.13。
具体而言,当所述监控模块将下一监控周期监控设备运行状态设为关闭时,所述调控单元将生长系数与预设生长系数J进行比对,并根据比对结果对下一监控周期监控设备的运行状态进行调控,其中:
当Qq<J时,所述调控单元将下一监控周期监控设备的状态判定为开启,其中q=1,2;
当Qq≥J,所述调控单元将下一监控周期监控设备的状态判定为关闭,并在下一监控周期结束后将监控设备重新开启,所述监控模块将下一监控周期设为W2,预设时间节点的数量设为d2。
具体而言,所述调控单元通过设置预设生长系数对计算出的生长系数进行判断,以提高对下一监控周期监控设备的运行状态调控的准确性,以提高监控效率,同时减少监控设备的功耗;本实施例中不对预设生长系数J的取值作具体限定,本领域技术人员可自由设置,只需满足预设生长系数J的取值要求即可,其中,J的最佳取值为0.53。
具体而言,所述优化调节单元将获取的光照强度G0与各预设光照强度进行比对,并根据比对结果计算出优化调节系数对下一监控周期监控设备的运行状态的调控过程进行调节,其中:
当G0<G1时,所述优化调节单元设置第一优化调节系数Y1对预设生长系数J进行调节,以调整设备的运行状态,设定Y1=1-(G1-G0)/(G1+G0);
当G1≤G0≤G2时,所述优化调节单元不进行调节;
当G0>G2时,所述优化调节单元设置第二优化调节系数Y2对预设生长系数J进行调节,以调整设备的运行状态,设定Y2=1-(G2-G0)/(G2+G0);
所述优化调节单元根据优化调节系数对预设生长系数J进行调节,并将调节后的预设生长系数设为J1,设定J1=J×Yy,y=1,2;
其中,G1为预设最弱光照强度,G2为预设最强光照强度。
具体而言,所述优化调节单元通过设置预设光照强度以提高优化调节系数的准确性,从而提高对下一监控周期监控设备的运行状态调控的准确性,进而提高监控效率,同时减少设备功耗;本实施例中不对预设光照强度的取值作具体限定,本领域技术人员可自由设置,只需满足预设时间的设置要求即可,如当监测的农作物为金针菇时,G1的最佳取值为30lux,G2的最佳取值为80lux。
具体而言,所述优化修正单元将获取的基质湿度k0与预设基质湿度进行比对,并根据比对结果计算出优化修正系数对下一监控周期监控设备运行状态的调控过程的调节过程进行修正,其中:
当k0<k1时,所述优化修正单元设置第一优化修正系数Z1对优化调节系数Yy进行修正,设定Z1=1-(k1-k0)/(k1+k0);
当k1≤k0≤k2时,所述优化修正单元不进行修正;
当k0>k2时,所述优化修正单元设置第二优化修正系数Z2对优化调节系数Yy进行修正,设定Z2=1-(k2-k0)/(k2+k0);
所述优化修正单元根据优化修正系数对优化调节系数Yy进行修正,并将修正后的优化调节系数设为Yy’,设定Yy’=Zz×Yy,z=1,2,其中,k1为预设最小基质湿度,k2为预设最大基质湿度。
具体而言,所述优化修正单元通过设置预设基质湿度以提高优化修正系数的准确性,从而提高对下一监控周期监控设备的运行状态调控的准确性,进而提高监控效率,同时减少设备功耗;本实施例中不对预设基质湿度的取值作具体限定,本领域技术人员可自由设置,只需满足预设基质湿度的设置要求即可,如当监测的农作物为蘑菇类时,k1的最佳取值为60%,k2的最佳取值为75%。
具体而言,所述反馈优化模块将获取的当前生长周期农作物的产量P0与预设产量进行比对,并根据比对结果对下一生长周期监控方式的设置过程进行优化,其中:
当P0<P1时,所述反馈优化模块设置第一优化系数V1对预状态系数B进行优化,以优化下一生长周期监控方式,设定V1=1+(P1-P0)/(P1+P0);
当P1≤P0≤P2时,所述反馈优化模块不进行优化;
当P0>P2时,所述反馈优化模块设置第二优化系数V2对预状态系数B进行优化,以优化下一生长周期监控方式,设定V2=1-(P2-P0)/(P2+P0);
所述反馈优化模块根据优化系数对预状态系数B进行优化,并将优化后的预设状态系数B设为B’,设定B’=B×Pp,p=1,2;
其中,P1为预设最小产量,P2为预设最大产量。
具体而言,所述反馈优化模块通过设置预设产量以提高优化系数的准确性,从而提高对下一监控周期监控方式设置的准确性,进而提高监控效率,同时减少设备功耗;本实施例中不对预设产量的取值作具体限定,本领域技术人员可自由设置,只需满足预设产量的设置要求即可,如当监测的农作物为金针菇时,P1的最佳取值为4kg/m3,P2的最佳取值为8kg/m3。
请参阅图6所示,其为本实施例基于农业物联网的监控方法的流程示意图,所述方法包括:
步骤S1:获取环境信息和农作物的生长信息;
步骤S2:根据获取的环境温度、环境湿度和CO2浓度对农作物的生长环境状态进行分析;
步骤S3:根据获取的基质的PH值和通风时间对农作物生长环境状态的分析过程进行调整;
步骤S4:根据农作物生长环境状态的分析结果设置农作物的监控方式;
步骤S5:根据农作物的监控方式和获取的农作物的图像控制下一监控周期监控设备的运行状态;
步骤S6:根据获取的光照强度和基质湿度对下一监控周期监控设备的运行状态的控制过程进行优化;
步骤S7:根据当前生长周期内的农作物的产量对下一生长周期的监控方式的设置过程进行优化。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种基于农业物联网的监控系统,其特征在于,包括,
信息获取模块,用以获取环境信息和农作物的生长信息;
分析模块,用以根据获取的环境温度、环境湿度和CO2浓度对农作物的生长环境状态进行分析;
调整模块,用以根据获取的基质的PH值和通风时间对农作物生长环境状态的分析过程进行调整,所述调整模块设有调节单元,其用以根据获取的基质PH值对农作物生长环境的分析过程进行调节,所述调整模块还设有修正单元,其用以根据获取的通风时间对农作物生长环境的分析过程的调节过程进行修正;
监控模块,用以根据农作物生长环境状态的分析结果设置农作物的监控方式;
调控模块,用以根据农作物的监控方式和获取的农作物的图像控制下一监控周期监控设备的运行状态,所述调控模块设有系数计算单元,所述系数计算单元将获取的农作物的图像与各预设图像进行匹配,以计算出均方误差,并对均方误差进行排序,并根据均方误差的排序结果计算生长系数,所述调控模块还设有调控单元,所述调控单元根据农作物监控方式的设置结果和生长系数的计算结果对下一监控周期监控设备的运行状态进行调控;
优化模块,用以根据获取的光照强度和基质湿度对下一监控周期监控设备的运行状态的控制过程进行优化;
反馈优化模块,用以根据当前生长周期内的农作物的产量对下一生长周期的监控方式的设置过程进行优化。
2.根据权利要求1所述的基于农业物联网的监控系统,其特征在于,所述温度分析单元将获取的各预设时间节点的环境温度T0与各预设温度进行比对,并根据比对结果对农作物的生长环境状态进行分析,其中:
当T0<T1或T0>T2时,所述温度分析单元判定该预设时间节点农作物的生长环境状态为温度异常,并判定此预设时间节点为温度异常时间节点;
当T1≤T0≤T2时,所述温度分析单元判定该预设时间节点农作物的生长环境状态为温度正常;
当预设时间节点农作物的生长环境状态为温度正常时,所述湿度分析单元将获取的环境湿度S0与各预设湿度进行比对,并根据比对结果对农作物的生长环境状态进行二次分析,其中:
当S0<S1或S0>S2时,所述湿度分析单元判定该预设时间节点农作物的生长环境状态为湿度异常,并判定此预设时间节点为湿度异常时间节点;
当S1≤S0≤S2时,所述湿度分析单元判定该预设时间节点农作物的生长环境状态为湿度正常;
当预设时间节点农作物的生长环境状态为湿度正常时,所述CO2浓度分析单元将获取各预设时间节点的CO2浓度与各预设浓度进行比对,并根据比对结果对农作物的生长环境状态进行三次分析,其中:
当f0<f1或f0>f2时,所述CO2浓度分析单元判定该预设时间节点农作物的生长环境状态为CO2浓度异常,并判定该预设时间节点为CO2浓度异常时间节点;
当f1≤f0≤f2时,所述CO2浓度分析单元判定该预设时间节点农作物的生长环境状态为CO2浓度正常。
3.根据权利要求2所述的基于农业物联网的监控系统,其特征在于,所述调节单元将获取的监控周期内基质PH值e0与各预设PH值进行比对,并根据比对结果计算出调节系数对农作物生长环境状态的分析过程进行调节,其中:
当e0<e1时,所述调节单元设置第一调节系数α1对预设温度T2进行调节,设定α1=1-(e1-e0)/(e1+e0);
当e1≤e0≤e2时,所述调节单元不进行调节;
当e0>e2时,所述调节单元设置第二调节系数α2对预设温度T2进行调节,设定α2=1-(e2-e0)/(e2+e0);
所述调节单元根据调节系数对预设温度T2进行调节,并将调节后的预设温度设为T2’,设定T2’=T2×αE,E=1,2;
其中,e1为预设PH的最小值,e2为预设PH的最大值,所述修正单元将获取的监控周期内的通风时间t0与各预设时间进行比对,并根据比对结果计算出修正系数对农作物生长环境状态的分析过程的调节过程进行修正,其中:
当t0<tc1时,所述修正单元设置第一修正系数β1对调节系数进行修正,设定β1=1-(tc1-t0)/(tc1+t0);
当tc1≤t0≤tc2时,所述修正单元不进行修正;
当t0>tc2时,所述修正单元设置第二修正系数β2对调节系数进行修正,设定β2=1-(tc2-t0)/(tc2+t0);
所述修正单元根据修正系数对调节系数进行修正,并将修正后的调节系数设为αE’,设定αE’=αE×βF,F=1,2;
其中,tc1为预设通风时间的最小值,tc2为预设通风时间的最大值,c为监控周期的类别,当c=1时,监控周期为w1,当c=2时,监控周期为w2,当c=3时,监控周期为w3。
4.根据权利要求2所述的基于农业物联网的监控系统,其特征在于,所述监控模块根据农作物的生长环境状态对农作物的监控方式进行设置,其中:
当r1/Ub>B时,所述监控模块将下一监控周期设为W1,将预设时间节点的数量设为U1,并发出温度异常预警,其中,r1为温度异常时间节点的数量,Ub为监控周期预设时间节点的数量,B为预设状态系数;
当r1/Ub≤B且r2/Ub>B时,所述监控模块将下一监控周期设为W2,将预设时间节点的数量设为U2,并发出湿度异常预警,其中,r2为湿度异常时间节点的数量;
当r1/Ub≤B且r2/Ub≤B且r3/Ub>B时,所述监控模块将下一监控周期设为W3,将预设时间节点的数量设为U3,并发出通风时间异常预警,其中,r3为CO2浓度异常时间节点的数量;
当r1/Ub≤B且r2/Ub≤B且r3/Ub≤B时,所述监控模块将下一监控周期监控设备运行状态设为关闭;
其中,W3>W2>W1。
5.根据权利要求1所述的基于农业物联网的监控系统,其特征在于,所述系数计算单元将获取的监控周期内农作物的监控图像与各预设图像进行匹配,以计算出均方误差,并根据计算结果对各均方误差进行排序,以得到最小均方误差,所述排序单元将均方误差设为Mxu,设定 ,0<x≤X,0<u≤Ub,其中,N是像素总数,u表示第u个预设时间节点,Ub为预设时间节点的数量,I1[i]表示获取的农作物的监控图像第i个像素位置的像素值,I2[i]表示预设图像在第i个像素位置的像素值,x表示第x个预设图像,X为预设图像的数量,所述排序单元将计算出的各均方误差按照冒泡排序法按照从大到小的顺序进行排序,并将最小的均方误差设为Mxu’;
所述系数计算单元将最小均方误差与预设均方误差H进行比对,并根据比对结果计算生长系数,其中:
当Mxu’<H时,所述系数计算单元将生长系数设为Q1,设定Q1=0.5×[1-(H-Mxu’)/(H+Mxu’)];
当Mxu’≥H时,所述系数计算单元将生长系数设为Q2,设定Q2=0.8×[1-(H1-Mxu’)/(H1+Mxu’)]。
6.根据权利要求5所述的基于农业物联网的监控系统,其特征在于,当所述监控模块将下一监控周期监控设备运行状态设为关闭时,所述调控单元将生长系数与预设生长系数J进行比对,并根据比对结果对下一监控周期监控设备的运行状态进行调控,其中:
当Qq<J时,所述调控单元将下一监控周期监控设备的状态判定为开启,其中q=1,2;
当Qq≥J,所述调控单元将下一监控周期监控设备的状态判定为关闭,并在下一监控周期结束后将监控设备重新开启,所述监控模块将下一监控周期设为W2,预设时间节点的数量设为d2。
7.根据权利要求6所述的基于农业物联网的监控系统,其特征在于,所述优化模块设有优化调节单元,所述优化调节单元用以将获取的光照强度G0与各预设光照强度进行比对,并根据比对结果计算出优化调节系数对下一监控周期监控设备的运行状态的调控过程进行调节,其中:
当G0<G1时,所述优化调节单元设置第一优化调节系数Y1对预设生长系数J进行调节,以调整设备的运行状态,设定Y1=1-(G1-G0)/(G1+G0);
当G1≤G0≤G2时,所述优化调节单元不进行调节;
当G0>G2时,所述优化调节单元设置第二优化调节系数Y2对预设生长系数J进行调节,以调整设备的运行状态,设定Y2=1-(G2-G0)/(G2+G0);
所述优化调节单元根据优化调节系数对预设生长系数J进行调节,并将调节后的预设生长系数设为J1,设定J1=J×Yy,y=1,2;
其中,G1为预设最弱光照强度,G2为预设最强光照强度。
8.根据权利要求7所述的基于农业物联网的监控系统,其特征在于,所述优化模块还设有优化修正单元,所述优化修正单元用以将获取的基质湿度k0与预设基质湿度进行比对,并根据比对结果计算出优化修正系数对下一监控周期监控设备运行状态的调控过程的调节过程进行修正,其中:
当k0<k1时,所述优化修正单元设置第一优化修正系数Z1对优化调节系数Yy进行修正,设定Z1=1-(k1-k0)/(k1+k0);
当k1≤k0≤k2时,所述优化修正单元不进行修正;
当k0>k2时,所述优化修正单元设置第二优化修正系数Z2对优化调节系数Yy进行修正,设定Z2=1-(k2-k0)/(k2+k0);
所述优化修正单元根据优化修正系数对优化调节系数Yy进行修正,并将修正后的优化调节系数设为Yy’,设定Yy’=Zz×Yy,z=1,2,其中,k1为预设最小基质湿度,k2为预设最大基质湿度。
9.根据权利要求4所述的基于农业物联网的监控系统,其特征在于,所述反馈优化模块将获取的当前生长周期农作物的产量P0与预设产量进行比对,并根据比对结果对下一生长周期监控方式的设置过程进行优化,其中:
当P0<P1时,所述反馈优化模块设置第一优化系数V1对预设状态系数B进行优化,以优化下一生长周期的监控方式,设定V1=1+(P1-P0)/(P1+P0);
当P1≤P0≤P2时,所述反馈优化模块不进行优化;
当P0>P2时,所述反馈优化模块设置第二优化系数V2对预设状态系数B进行优化,以优化下一生长周期的监控方式,设定V2=1-(P2-P0)/(P2+P0);
所述反馈优化模块根据优化系数对预状态系数B进行优化,并将优化后的预设状态系数B设为B’,设定B’=B×Pp,p=1,2;
其中,P1为预设最小产量,P2为预设最大产量。
10.一种基于农业物联网的监控方法,应用于如权利要求1-9任一项所述的基于农业物联网的监控系统,其特征在于,包括,
步骤S1:获取环境信息和农作物的生长信息;
步骤S2:根据获取的环境温度、环境湿度和CO2浓度对农作物的生长环境状态进行分析;
步骤S3:根据获取的基质的PH值和通风时间对农作物生长环境状态的分析过程进行调整;
步骤S4:根据农作物生长环境状态的分析结果设置农作物的监控方式;
步骤S5:根据农作物的监控方式和获取的农作物的图像控制下一监控周期监控设备的运行状态;
步骤S6:根据获取的光照强度和基质湿度对下一监控周期监控设备的运行状态的控制过程进行优化;
步骤S7:根据当前生长周期内的农作物的产量对下一生长周期的监控方式的设置过程进行优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311034717.3A CN116755376B (zh) | 2023-08-17 | 2023-08-17 | 一种基于农业物联网的监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311034717.3A CN116755376B (zh) | 2023-08-17 | 2023-08-17 | 一种基于农业物联网的监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116755376A true CN116755376A (zh) | 2023-09-15 |
CN116755376B CN116755376B (zh) | 2023-11-03 |
Family
ID=87951869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311034717.3A Active CN116755376B (zh) | 2023-08-17 | 2023-08-17 | 一种基于农业物联网的监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116755376B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252523A (zh) * | 2023-11-17 | 2023-12-19 | 山东海鲲数控设备有限公司 | 一种生产线监控系统及方法 |
CN117252650A (zh) * | 2023-11-17 | 2023-12-19 | 滕州市中等职业教育中心学校 | 一种商品信息推送服务系统 |
CN117437080A (zh) * | 2023-12-20 | 2024-01-23 | 潍坊汇金海物联网技术有限公司 | 一种农田土壤水肥营养补给系统及方法 |
CN117723114A (zh) * | 2023-12-14 | 2024-03-19 | 北京爱朗格瑞科技有限公司 | 一种智能高压电缆工作环境监测系统 |
CN117849016A (zh) * | 2024-03-07 | 2024-04-09 | 徐州市检验检测中心 | 一种定量荧光测量校准系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090543A (zh) * | 2014-06-20 | 2014-10-08 | 广西小草信息产业有限责任公司 | 一种大棚农作物监控的方法、装置及系统 |
WO2015135333A1 (zh) * | 2014-03-10 | 2015-09-17 | 深圳市大雅新科技有限公司 | 一种智能农业管理系统及管理方法 |
US20160378086A1 (en) * | 2014-02-28 | 2016-12-29 | Clayton L. Plymill | Control System Used for Precision Agriculture and Method of Use |
CN107589729A (zh) * | 2017-09-12 | 2018-01-16 | 合肥师范学院 | 一种基于物联网和专家系统的智慧农业管理系统及方法 |
CN115328233A (zh) * | 2022-09-13 | 2022-11-11 | 湖南化工职业技术学院(湖南工业高级技工学校) | 一种温室大棚环境智能调节管理系统 |
CN115685862A (zh) * | 2022-10-19 | 2023-02-03 | 慧之安信息技术股份有限公司 | 一种基于边缘计算的智慧农业检测系统 |
CN116127168A (zh) * | 2023-01-19 | 2023-05-16 | 重庆市农业科学院 | 一种基于物联网的农作物生长实时监控系统及方法 |
-
2023
- 2023-08-17 CN CN202311034717.3A patent/CN116755376B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160378086A1 (en) * | 2014-02-28 | 2016-12-29 | Clayton L. Plymill | Control System Used for Precision Agriculture and Method of Use |
WO2015135333A1 (zh) * | 2014-03-10 | 2015-09-17 | 深圳市大雅新科技有限公司 | 一种智能农业管理系统及管理方法 |
CN104090543A (zh) * | 2014-06-20 | 2014-10-08 | 广西小草信息产业有限责任公司 | 一种大棚农作物监控的方法、装置及系统 |
CN107589729A (zh) * | 2017-09-12 | 2018-01-16 | 合肥师范学院 | 一种基于物联网和专家系统的智慧农业管理系统及方法 |
CN115328233A (zh) * | 2022-09-13 | 2022-11-11 | 湖南化工职业技术学院(湖南工业高级技工学校) | 一种温室大棚环境智能调节管理系统 |
CN115685862A (zh) * | 2022-10-19 | 2023-02-03 | 慧之安信息技术股份有限公司 | 一种基于边缘计算的智慧农业检测系统 |
CN116127168A (zh) * | 2023-01-19 | 2023-05-16 | 重庆市农业科学院 | 一种基于物联网的农作物生长实时监控系统及方法 |
Non-Patent Citations (1)
Title |
---|
李鑫;贾小林;: "基于物联网的农作物管理系统的研究与设计", 物联网技术, no. 10 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252523A (zh) * | 2023-11-17 | 2023-12-19 | 山东海鲲数控设备有限公司 | 一种生产线监控系统及方法 |
CN117252650A (zh) * | 2023-11-17 | 2023-12-19 | 滕州市中等职业教育中心学校 | 一种商品信息推送服务系统 |
CN117252523B (zh) * | 2023-11-17 | 2024-01-30 | 山东海鲲数控设备有限公司 | 一种生产线监控系统及方法 |
CN117252650B (zh) * | 2023-11-17 | 2024-03-15 | 滕州市中等职业教育中心学校 | 一种商品信息推送服务系统 |
CN117723114A (zh) * | 2023-12-14 | 2024-03-19 | 北京爱朗格瑞科技有限公司 | 一种智能高压电缆工作环境监测系统 |
CN117437080A (zh) * | 2023-12-20 | 2024-01-23 | 潍坊汇金海物联网技术有限公司 | 一种农田土壤水肥营养补给系统及方法 |
CN117437080B (zh) * | 2023-12-20 | 2024-03-19 | 潍坊汇金海物联网技术有限公司 | 一种农田土壤水肥营养补给系统及方法 |
CN117849016A (zh) * | 2024-03-07 | 2024-04-09 | 徐州市检验检测中心 | 一种定量荧光测量校准系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116755376B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116755376B (zh) | 一种基于农业物联网的监控方法及系统 | |
WO2022166919A1 (zh) | 一种畜禽舍养殖环境温度预测控制系统及其调控方法 | |
CN111795488B (zh) | 一种分布式机房温度的智能调控系统及方法 | |
Manoharan | Supervised Learning for Microclimatic parameter Estimation in a Greenhouse environment for productive Agronomics | |
CN111325522B (zh) | 一种基于物联网的智能渔业养殖管理方法和系统 | |
CN114442705B (zh) | 一种基于物联网的智慧农业系统及控制方法 | |
CN107589729A (zh) | 一种基于物联网和专家系统的智慧农业管理系统及方法 | |
CN114077269B (zh) | 基于数据驱动模型的温室环境预测与优化控制方法 | |
CN105867495A (zh) | 一种以时间参数远程控制工厂化食用菌出菇系统及其方法 | |
CN113133364A (zh) | 一种温室大棚温湿度智能控制方法及系统 | |
CN116824380A (zh) | 一种智慧农业云平台监控系统 | |
CN116954291A (zh) | 一种环控设备快速调节集成方法 | |
CN116649160A (zh) | 食用菌菌种生产监测系统及监测方法 | |
KR20140143272A (ko) | 시설재배 최적 생장 환경 제공 시스템 및 그 방법 | |
CN115685862A (zh) | 一种基于边缘计算的智慧农业检测系统 | |
JP2019083746A (ja) | 作物生産管理装置 | |
CN107656564B (zh) | 农业用温室内环境控制装置 | |
Crispim et al. | Prediction of the solar radiation evolution using computational intelligence techniques and cloudiness indices | |
CN115171036A (zh) | 一种智能农业大棚的植物管理控制方法和系统 | |
KR102471742B1 (ko) | 스마트팜의 생산량과 환경에 대한 최적선형모델 구축 방법 | |
KR20210056213A (ko) | 농장 운영정보 제공 시스템 | |
CN116452358B (zh) | 基于物联网的智慧农业管理系统 | |
CN116797106B (zh) | 一种植保无人机作业效果评价系统 | |
CN116224870B (zh) | 一种基于多网络融合和植物光合作用反馈的智慧种植环境控制系统及方法 | |
CN117391482B (zh) | 一种基于大数据监测的大棚温度智能预警方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |