CN117370823B - 一种用于农业种植的喷淋控制方法及系统 - Google Patents
一种用于农业种植的喷淋控制方法及系统 Download PDFInfo
- Publication number
- CN117370823B CN117370823B CN202311647999.4A CN202311647999A CN117370823B CN 117370823 B CN117370823 B CN 117370823B CN 202311647999 A CN202311647999 A CN 202311647999A CN 117370823 B CN117370823 B CN 117370823B
- Authority
- CN
- China
- Prior art keywords
- data
- spraying
- humidity
- value
- spraying area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005507 spraying Methods 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000002689 soil Substances 0.000 claims abstract description 53
- 238000009826 distribution Methods 0.000 claims abstract description 25
- 238000003860 storage Methods 0.000 claims abstract description 7
- 239000007921 spray Substances 0.000 claims description 36
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004321 preservation Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000009736 wetting Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000021048 nutrient requirements Nutrition 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理领域,具体涉及一种用于农业种植的喷淋控制方法及系统,该方法获取喷淋区域土壤数据点;对喷淋区域土壤数据分布特点进行分析,采用DBSCAN密度聚类对数据进行清洗获取正常数据;分析各数据点以及邻域数据点湿度数据的差异性以及分布特征构建区域整体邻域熵值和层次差异模型;获取喷淋区域的延伸规律程度;构建喷淋区域的干旱存有程度;获取喷淋区域的自适应喷淋时长,从而完成农业种植的喷淋控制,有效解决由于喷淋时长单一对农作物造成的环境问题,满足农作物的生长需求。
Description
技术领域
本发明涉及数据处理领域,具体涉及一种用于农业种植的喷淋控制方法及系统。
背景技术
农业种植中的喷淋是一种常见的灌溉方法,它涉及使用水或液体肥料以雾状或细小的水滴形式均匀喷洒到植物的根部或叶面,以满足植物的水分和养分需求。喷淋技术的合理使用有助于提高农田的产量、节约水资源并降低环境影响。通过改变喷淋的控制方式,得到更智能的控制系统对于喷淋技术的发展具有重要意义。
传统的喷淋控制方法主要以种植者的经验判断为主,对喷淋时长进行控制,但是农业植物的生长情况与每一块土壤的区域环境具有多样性与多变性,统一的喷淋时长无法对区域的差异、追踪区域的变化及时做出调整,无法使每一部分的植物获得相对应的最佳喷淋配置,从而影响部分农作物的生长,降低整体产量,降低水资源利用率。
针对以上问题,本发明提出了一种用于农业种植的喷淋控制方法及系统,该方法结合土壤湿度数据的空间分布特征,根据不同喷淋区域土壤的数据特征自适应获得该区域的喷淋时长,高效精准地实施种植喷淋。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种用于农业种植的喷淋控制方法及系统,所采用的技术方案具体如下:
第一方面,本发明实施例提供了一种用于农业种植的喷淋控制方法,该方法包括以下步骤:
获取喷淋区域土壤数据点;
根据喷淋区域土壤数据的分布获取DBSCAN密度聚类的最小邻域半径;根据DBSCAN密度聚类的最小邻域半径获取正常数据;根据正常数据各数据点以及邻域数据点湿度数据的差异性获取各喷淋区域的区域整体邻域熵值;根据喷淋区域内的湿度分布构建各喷淋区域的层次差异模型;根据各喷淋区域的层次差异模型获取各喷淋区域的延伸规律程度;结合各喷淋区域的区域整体邻域熵值以及延伸规律程度获取喷淋区域的干旱存有程度;根据各喷淋区域的干旱存有程度获取各喷淋区域的喷淋时长。
进一步的,所述获取喷淋区域土壤数据点,包括盐度数据、湿度数据以及位置数据。
进一步的,所述根据喷淋区域土壤数据的分布获取DBSCAN密度聚类的最小邻域半径,包括:
获取土壤数据中最大湿度值、最大盐度值;获取最大湿度值对应位置的八邻域的湿度均值;获取最大盐度值对应位置的八邻域的盐度均值;将所述最大湿度值与所述湿度均值的差值保存为湿度最大差异距离;将所述最大盐度值与所述盐度均值的差值保存为盐度最大差异距离;将所述湿度最大差异距离与盐度最大差异距离的和值作为DBSCAN密度聚类的最小邻域半径。
进一步的,所述根据DBSCAN密度聚类的最小邻域半径获取正常数据,具体为:
将喷淋区域的湿度数据和盐度数据作为DBSCAN密度聚类的输入,DBSCAN密度聚类的最小邻域半径作为参数,根据DBSCAN密度聚类的聚类结果,将湿度数据和盐度数据同时异常的数据点剔除获取正常数据。
进一步的,所述根据正常数据各数据点以及邻域数据点湿度数据的差异性获取各喷淋区域的区域整体邻域熵值,包括:
计算各数据点八邻域的湿度均值;将各数据点的湿度与所述湿度均值的差值作为点差;将所述点差的方差作为区域整体邻域熵值。
进一步的,所述根据喷淋区域内的湿度分布构建各喷淋区域的层次差异模型,具体为:
以喷淋区域内湿度最低的数据点为中心点,向八邻域区域扩展;计算八邻域湿度均值与中心点湿度的差值;对八邻域中各点计算所述差值;直至计算到喷淋区域边界。
进一步的,所述根据各喷淋区域的层次差异模型获取各喷淋区域的延伸规律程度,具体为:
将各喷淋区域的层次差异模型每次计算所述差值的和值作为各喷淋区域的延伸规律程度。
进一步的,所述结合各喷淋区域的区域整体邻域熵值以及延伸规律程度获取喷淋区域的干旱存有程度,具体为:
将各喷淋区域的延伸程度归一化值与各喷淋区域的区域整体邻域熵值的归一化值的加权和值作为喷淋区域的干旱存有程度。
进一步的,所述根据各喷淋区域的干旱存有程度获取各喷淋区域的喷淋时长,具体为:
获取各喷淋区域的原始喷淋时长;计算原始喷淋时长与干旱存有程度的乘积;将原始喷淋时长与所述乘积的均值作为各喷淋区域的喷淋时长。
第二方面,本发明实施例还提供了一种用于农业种植的喷淋控制系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明至少具有如下有益效果:
本发明自适应分配不同区域的喷淋时长,相比于现有技术统一进行喷淋,通过喷淋区域的土壤湿度数据分布的邻域混乱程度得到区域熵值,根据区域熵值获得区域干旱存有程度,根据不同区域的干旱存有程度对喷淋时长自适应进行调整,从而达到更高效精准的喷淋控制。
本发明通过分析区域的干旱点分布特征,进一步对土壤湿度数据的邻域延伸特征进行分析,结合邻域延伸程度得到更完整的干旱存有特征模型,从而自适应对不同区域的喷淋时长进行调整,得到更理想的自适应控制方法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种用于农业种植的喷淋控制方法的步骤流程图;
图2为喷淋时长获取流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于农业种植的喷淋控制方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于农业种植的喷淋控制方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于农业种植的喷淋控制方法的步骤流程图,该方法包括以下步骤:
步骤S001:采集获取土壤湿度盐度数据并进行预处理。
使用土壤湿度盐度传感器,实时检测土壤的湿度盐度数据并将数据传输到农田管理系统中。农田中存在多个喷淋区域,每个喷淋区域中各行各列均匀分配多个传感器,以获得同一喷淋区域中土壤湿度数据的分布信息。对于同一喷淋区域的土壤湿度数据,记录其位置信息,每一个数据点携带了位置信息、湿度数据与盐度数据,在数据采集中,会出现数据缺失的情况,本实施例采用均值插值的方法进行填充。需要说明的是,均值插值法为现有公知技术,本实施例中不再详细赘述。
将同一喷淋区域各盐度数据、湿度数据按照位置信息排列在二维矩阵中,矩阵中每一个点代表一个数据点,即各传感器代表一个数据点。
至此,获得喷淋区域各数据点的土壤信息。
步骤S002:根据土壤湿度盐度特征获得干旱存有程度,自适应分配区域喷淋时长。
本实施例考虑结合土壤湿度分布特征来减少常规喷淋控制中喷淋时长控制单一的缺陷,根据不同区域的土壤环境,作物生长情况具有差异,需要对不同区域喷淋时长进行调整以满足所有喷淋区域的作物生长需求。
本实施例首先对采集到的数据进行清洗,根据采集到的盐度与湿度数据构建二维坐标点集进行聚类,通过排除异常离群点得到清洗后的正常数据。清洗后的数据根据喷淋区域被划分为不同区块,根据每个区块的土壤湿度特征来自适应其区域喷淋时长。根据作物的生长程度,土壤的稀疏程度,作物根系的分布情况,在上一次喷淋一段时间后,土壤中的湿润程度会各不相同,土壤中可能存在大块干旱点,或是分散的部分干旱点需要大量补水。因此土壤的干湿程度不仅仅体现在传感器采集到数据的直观数据上,需要通过分析数据的分布特征得到区域的潜在干旱点风险。由此通过获得区域的熵值特征程度以及进一步分析其邻域延伸程度来构建区域的干旱存有程度模型,由模型分析区域内需要补水的程度,进而自适应分配喷淋时长。
具体的,考虑到获得的湿度盐度数据中会存在因为传感器误检或其它因素导致的异常数据,这些异常数据会对后续分析计算产生影响,所以需要对数据进行清洗,对于明显的异常数据进行排除。本实施例采用DBSCAN密度聚类的方法,将所有喷淋区域的数据点均投射到同一个二维坐标轴系进行聚类,轴系横轴为湿度,纵轴为盐度。正常范围内的数据,若具有相似的密度性,则表现为聚在一起,异常较为明显的数据则表现为距离较远的单点。其中DBSCAN密度聚类的参数最小邻域半径由喷淋场景特征获取,因为土壤中的盐度与湿度情况对于周围土壤具有一定的蔓延性,所以当出现过干旱与过湿润的检测数据时,在正常范围数据与该检测数据之间一定有对应的过度阶段的检测数据存在。因此最小邻域半径选择历史数据中,最大过干旱部分作物土壤与其相邻区域土壤的盐度与湿度的均值差,具体表现为:
式中,表示DBSCAN密度聚类的最小邻域半径,/>、/>分别表示盐度数据最大值、湿度数据最大值,/>表示盐度数据最大值时其八邻域数据点的盐度均值,/>表示湿度数据最大值时其八邻域数据点的湿度均值;/>表示在二维坐标轴系中的盐度最大差异距离;表示在二维坐标轴系中的湿度最大差异距离,将盐度数据与湿度数据结合,通过做和运算共同构建得到满足盐度与湿度的最大差异的最小邻域半径。
密度聚类后,得到聚类结果,排除掉明显的离群聚类点,该类点表示数据的盐度与湿度均出现明显异常,对其进行去除,得到清洗后的正常数据。需要说明的是,DBSCAN密度聚类为现有公知技术,本实施例中不做详细赘述。
至此,通过对采集的数据点集进行密度聚类处理,能够得到清洗后的正常数据点集。
获得正常数据点集后,对数据的场景特征进行分析,对喷淋时长调控。喷淋时长通常取决于土壤的失水程度,即干旱程度,对于同一区域喷淋的土壤,可能会出现由于喷淋不均匀、作物生长情况不同,根系分布不均、不同部分土壤疏水性不同等,导致同一区域中出现土壤干旱度不一的情况,因此无法仅通过传感器得到的表象湿度数值累加和对该区域内的干湿程度进行判断。对于同一喷淋区域内,由于以上因素,会出现某一小块部分土壤突然缺水的情况,这种现象通常被称为土壤干旱点,通过对土壤干旱点的分布情况进行分析得到该区域的干旱存有程度,进而根据干旱存有程度判断干湿情况自适应进行分配喷淋时长。
土壤干旱点通常表现为在同一块土地上的某些小块区域中出现,而其他区域相对湿润。所以其表现为不均匀分布,当干旱点在喷淋区域内存在越多时,区域内存在的干湿度差异情况会越大,分布不均匀情况越明显,则区域内传感器采集到的数据整体熵值就越高。由于喷淋区域内每个传感器作为一个数据点,在数据处理后具体表现为二维矩阵中的一点,以每一点相邻区域的均值表示相邻区域值,获得每一点与相邻区域的均值差的方差,表示整体的邻域熵值,干旱值越高,干旱点分布数量越多,方差的值越大,对应整体的邻域熵值越高。本实施例中,相邻邻域具体为八邻域,实施者可根据实际情况自行设置相邻邻域的范围。对此构建邻域熵值特征模型,分析区域内的湿度数据熵值情况,表达式为:
式中,表示喷淋区域的土壤的区域内整体邻域熵值,/>表示喷淋区域内数据点的数量,即对应传感器的布置数量,/>表示第i个数据点,/>表示第i个位置的湿度值,/>表示该值邻域其它值的均值,将/>保存为点差,/>表示整体点差的均值。
表示点差,该差值越大说明该数据点所处位置湿度值越异常,对方差正向扩大的贡献值就越大,/>为整体点差的均值,/>为区域中所有点差的方差,该方差越大,说明整体的邻域熵值越高。
区域内邻域熵值越高则该区域的干旱点分布越多,干旱存有程度越高,但是也存在其它情况如干旱点过于密集以至于连成一片大面积的干旱点,在这种情况下区域内的邻域熵值较低,但是区域干旱程度较高,所以需要对区域内的干旱点分布进行进一步分析。对于较大面积的单一干旱点,通过分析整体区域内的延伸规律来获得干旱程度。由于土壤中的水分具有一定程度的扩散性,较大的单一干旱点对周围的土壤部分必然存在逐层递减的干旱程度扩散。对此构建层次差值模型来描述区域内的延伸规律程度。选取区域内湿度最低,即干旱值最高的点为中心点,向八邻域区域进行扩展,获得八邻域湿度值均值与中心点湿度值的差值,再对八邻域中每一个点的八邻域向外进行扩展,获得外层邻域均值与八邻域均值的差值,由此迭代直至扩展至喷淋区域边界,对差值进行累加和,当出现单点较高程度干旱点时,会出现逐层的湿度值梯度递增,所以逐层差值应均为正值,则差值累加和会相较于正常情况明显增大,该层次差值累计越高说明延伸规律越明显,据此构建延伸规律程度,表达式为:
式中,表示喷淋区域的延伸规律程度, />表示由中心点八邻域向外延伸可以达到的最大层数,/>表示第i层,/>表示第i层的湿度值均值。当i=1时,/>为中心点干旱点的湿度值,/>为逐层差值的累计和,该值越大,延伸规律越明显。
由此可以得到完整的干旱存有程度模型,由邻域熵值特征程度与延伸规律程度组成,表达式为:
式中,表示喷淋区域的干旱存有程度, />表示归一化函数,/>表示喷淋区域的土壤的区域内整体邻域熵值,/>表示喷淋区域的延伸规律程度。因为熵值程度与延伸规律程度均与干旱存有程度为正比,所以采用正比例归一化。/>与/>为两部分程度对应的权重,由于熵值程度对于干旱程度概率影响更大,所以本实施例对/>,/>分别分配权值为0.6与0.4,实施者可根据实际情况自行调整权重。
每个喷淋区域根据获得的干旱存有程度对区域内喷淋时长进行调整,表达式为:
式中,表示喷淋区域的喷淋时长,/>表示原始喷淋时长,/>表示喷淋区域的干旱存有程度。在原始时长基础上,根据干旱存有程度对时长进行不同程度的延长,达到根据干旱程度进行精细化调控喷淋时长的目的。其中,喷淋时长的获取流程如图2所示。
至此,根据土壤湿度特征获得干旱存有程度,自适应分配区域喷淋时长。
基于与上述方法相同的发明构思,本发明实施例还提供了一种用于农业种植的喷淋控制系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种用于农业种植的喷淋控制方法中任意一项所述方法的步骤。
综上所述,本发明实施例自适应分配不同区域的喷淋时长,相比于现有技术统一进行喷淋,通过喷淋区域的土壤湿度数据分布的邻域混乱程度得到区域熵值,根据区域熵值获得区域干旱存有程度,根据不同区域的干旱存有程度对喷淋时长自适应进行调整,从而达到更高效精准的喷淋控制。
本实施例通过分析区域的干旱点分布特征,进一步对土壤湿度数据的邻域延伸特征进行分析,结合邻域延伸程度得到更完整的干旱存有特征模型,从而自适应对不同区域的喷淋时长进行调整,得到更理想的自适应控制方法。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,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 (6)
1.一种用于农业种植的喷淋控制方法,其特征在于,该方法包括以下步骤:
获取喷淋区域土壤数据点;
根据喷淋区域土壤数据的分布获取DBSCAN密度聚类的最小邻域半径;根据DBSCAN密度聚类的最小邻域半径获取正常数据;根据正常数据各数据点以及邻域数据点湿度数据的差异性获取各喷淋区域的区域整体邻域熵值;根据喷淋区域内的湿度分布构建各喷淋区域的层次差异模型;根据各喷淋区域的层次差异模型获取各喷淋区域的延伸规律程度;结合各喷淋区域的区域整体邻域熵值以及延伸规律程度获取喷淋区域的干旱存有程度;根据各喷淋区域的干旱存有程度获取各喷淋区域的喷淋时长;
所述获取喷淋区域土壤数据点,包括盐度数据、湿度数据以及位置数据;
所述根据喷淋区域内的湿度分布构建各喷淋区域的层次差异模型,具体为:
以喷淋区域内湿度最低的数据点为中心点,向八邻域区域扩展;计算八邻域湿度均值与中心点湿度的差值;对八邻域中各数据点计算所述差值;直至计算到喷淋区域边界;
所述根据各喷淋区域的层次差异模型获取各喷淋区域的延伸规律程度,具体为:
将各喷淋区域的层次差异模型每次计算所述差值的和值作为各喷淋区域的延伸规律程度;
所述结合各喷淋区域的区域整体邻域熵值以及延伸规律程度获取喷淋区域的干旱存有程度,具体为:
将各喷淋区域的延伸程度归一化值与各喷淋区域的区域整体邻域熵值的归一化值的加权和值作为喷淋区域的干旱存有程度。
2.如权利要求1所述的一种用于农业种植的喷淋控制方法,其特征在于,所述根据喷淋区域土壤数据的分布获取DBSCAN密度聚类的最小邻域半径,包括:
获取土壤数据中最大湿度值、最大盐度值;获取最大湿度值对应位置的八邻域的湿度均值;获取最大盐度值对应位置的八邻域的盐度均值;将所述最大湿度值与所述湿度均值的差值保存为湿度最大差异距离;将所述最大盐度值与所述盐度均值的差值保存为盐度最大差异距离;将所述湿度最大差异距离与盐度最大差异距离的和值作为DBSCAN密度聚类的最小邻域半径。
3.如权利要求1所述的一种用于农业种植的喷淋控制方法,其特征在于,所述根据DBSCAN密度聚类的最小邻域半径获取正常数据,具体为:
将喷淋区域的湿度数据和盐度数据作为DBSCAN密度聚类的输入,DBSCAN密度聚类的最小邻域半径作为参数,根据DBSCAN密度聚类的聚类结果,将湿度数据和盐度数据同时异常的数据点剔除获取正常数据。
4.如权利要求1所述的一种用于农业种植的喷淋控制方法,其特征在于,所述根据正常数据各数据点以及邻域数据点湿度数据的差异性获取各喷淋区域的区域整体邻域熵值,包括:
计算各数据点八邻域的湿度均值;将各数据点的湿度与所述湿度均值的差值作为点差;将所述点差的方差作为区域整体邻域熵值。
5.如权利要求1所述的一种用于农业种植的喷淋控制方法,其特征在于,所述根据各喷淋区域的干旱存有程度获取各喷淋区域的喷淋时长,具体为:
获取各喷淋区域的原始喷淋时长;计算原始喷淋时长与干旱存有程度的乘积;将原始喷淋时长与所述乘积的均值作为各喷淋区域的喷淋时长。
6.一种用于农业种植的喷淋控制系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-5任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311647999.4A CN117370823B (zh) | 2023-12-05 | 2023-12-05 | 一种用于农业种植的喷淋控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311647999.4A CN117370823B (zh) | 2023-12-05 | 2023-12-05 | 一种用于农业种植的喷淋控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117370823A CN117370823A (zh) | 2024-01-09 |
CN117370823B true CN117370823B (zh) | 2024-02-20 |
Family
ID=89406140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311647999.4A Active CN117370823B (zh) | 2023-12-05 | 2023-12-05 | 一种用于农业种植的喷淋控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117370823B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018234733A1 (en) * | 2017-06-19 | 2018-12-27 | Earlham Institute | DATA PROCESSING OF IMAGES OF A PLANT CULTURE |
CN110689173A (zh) * | 2019-09-12 | 2020-01-14 | 黄河水利委员会黄河水利科学研究院 | 一种灌区农业灌溉用水需求决策方法及系统 |
CN112205222A (zh) * | 2020-10-13 | 2021-01-12 | 安庆中春自动化技术有限公司 | 一种智慧农业农作物种植生长环境监测智能调控系统 |
CN113575388A (zh) * | 2021-07-30 | 2021-11-02 | 沭阳翔玮生态农业开发有限公司 | 基于人工智能和大数据的农业智能灌溉系统 |
CN114372611A (zh) * | 2021-12-15 | 2022-04-19 | 华能煤炭技术研究有限公司 | 水资源优化分配方法和装置 |
CN114402969A (zh) * | 2022-01-21 | 2022-04-29 | 湖南生物机电职业技术学院 | 一种基于5g技术智能农业环境监测系统 |
CN115316233A (zh) * | 2022-06-23 | 2022-11-11 | 海南哲力科技有限公司 | 灌溉控制系统、方法及电子设备 |
WO2023037282A1 (en) * | 2021-09-08 | 2023-03-16 | Alma Mater Studiorum - Universita' Di Bologna | Method and system for soil-moisture monitoring |
WO2023108213A1 (en) * | 2021-12-14 | 2023-06-22 | Rubicon Research Pty Ltd | Methods and systems for classifying and benchmarking irrigation performance |
CN116502170A (zh) * | 2023-06-29 | 2023-07-28 | 山东浩坤润土水利设备有限公司济宁经济开发区分公司 | 基于云平台的农业水利监测方法及相关装置 |
CN116502901A (zh) * | 2023-03-15 | 2023-07-28 | 长光卫星技术股份有限公司 | 一种基于光学遥感数据的农田干旱空间分布评价方法 |
CN116739645A (zh) * | 2023-07-26 | 2023-09-12 | 淄博海草软件服务有限公司 | 基于企业管理的订单异常监督系统 |
CN117036088A (zh) * | 2023-08-21 | 2023-11-10 | 安阳市游园管理站 | 一种ai识别绿化植物生长态势的数据采集分析方法 |
CN117084155A (zh) * | 2023-09-21 | 2023-11-21 | 山西西电信息技术研究院有限公司 | 一种智能农业精准农业技术方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019118453A1 (en) * | 2017-12-11 | 2019-06-20 | The Texas A&M University System | Agricultural sensor placement and fault detection in wireless sensor networks |
-
2023
- 2023-12-05 CN CN202311647999.4A patent/CN117370823B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018234733A1 (en) * | 2017-06-19 | 2018-12-27 | Earlham Institute | DATA PROCESSING OF IMAGES OF A PLANT CULTURE |
CN110689173A (zh) * | 2019-09-12 | 2020-01-14 | 黄河水利委员会黄河水利科学研究院 | 一种灌区农业灌溉用水需求决策方法及系统 |
CN112205222A (zh) * | 2020-10-13 | 2021-01-12 | 安庆中春自动化技术有限公司 | 一种智慧农业农作物种植生长环境监测智能调控系统 |
CN113575388A (zh) * | 2021-07-30 | 2021-11-02 | 沭阳翔玮生态农业开发有限公司 | 基于人工智能和大数据的农业智能灌溉系统 |
WO2023037282A1 (en) * | 2021-09-08 | 2023-03-16 | Alma Mater Studiorum - Universita' Di Bologna | Method and system for soil-moisture monitoring |
WO2023108213A1 (en) * | 2021-12-14 | 2023-06-22 | Rubicon Research Pty Ltd | Methods and systems for classifying and benchmarking irrigation performance |
CN114372611A (zh) * | 2021-12-15 | 2022-04-19 | 华能煤炭技术研究有限公司 | 水资源优化分配方法和装置 |
CN114402969A (zh) * | 2022-01-21 | 2022-04-29 | 湖南生物机电职业技术学院 | 一种基于5g技术智能农业环境监测系统 |
CN115316233A (zh) * | 2022-06-23 | 2022-11-11 | 海南哲力科技有限公司 | 灌溉控制系统、方法及电子设备 |
CN116502901A (zh) * | 2023-03-15 | 2023-07-28 | 长光卫星技术股份有限公司 | 一种基于光学遥感数据的农田干旱空间分布评价方法 |
CN116502170A (zh) * | 2023-06-29 | 2023-07-28 | 山东浩坤润土水利设备有限公司济宁经济开发区分公司 | 基于云平台的农业水利监测方法及相关装置 |
CN116739645A (zh) * | 2023-07-26 | 2023-09-12 | 淄博海草软件服务有限公司 | 基于企业管理的订单异常监督系统 |
CN117036088A (zh) * | 2023-08-21 | 2023-11-10 | 安阳市游园管理站 | 一种ai识别绿化植物生长态势的数据采集分析方法 |
CN117084155A (zh) * | 2023-09-21 | 2023-11-21 | 山西西电信息技术研究院有限公司 | 一种智能农业精准农业技术方法 |
Non-Patent Citations (2)
Title |
---|
基于同化数据的标准化土壤湿度指数监测农业干旱的适宜性研究;周洪奎;武建军;李小涵;刘雷震;杨建华;韩忻忆;;生态学报(第06期);第2192-2201页 * |
基于最大熵原理的区域农业干旱度概率分布模型;陈海涛;黄鑫;邱林;王文川;;水利学报(第02期);第221-226页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117370823A (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190075727A1 (en) | Generating a Yield Map for an Agricultural Field Using Classification and Regression Methods | |
Evans et al. | Site-specific sprinkler irrigation in a water limited future | |
US20170270446A1 (en) | Agronomic systems, methods and apparatuses for determining yield limits | |
CN104486435B (zh) | 基于传感器网络的低能耗生态环境监控节点部署方法 | |
WO2023179167A1 (zh) | 一种基于AquaCrop模型与SVR的作物灌溉需水量预测方法 | |
US11716985B2 (en) | Method for remediating developmentally delayed plants | |
CN107219759B (zh) | 一种温室环境控制方法及装置 | |
Silva et al. | Spatial variability of irrigated corn yield in relation to field topography and soil chemical characteristics | |
CN116738766A (zh) | 基于数字孪生的智慧农业线上产业化服务系统 | |
Heermann et al. | Interdisciplinary irrigated precision farming research | |
Avigal et al. | Simulating polyculture farming to tune automation policies for plant diversity and precision irrigation | |
Mathi et al. | An Internet of Things-based Efficient Solution for Smart Farming | |
CN117370823B (zh) | 一种用于农业种植的喷淋控制方法及系统 | |
US20220132724A1 (en) | Advanced crop manager for crops stress mitigation | |
CN116843493B (zh) | 一种基于物联网的油茶林种植生态数字监测管理系统 | |
CN107423263A (zh) | 一种枣缩果病预测方法及装置 | |
CN116616019A (zh) | 基于物联网和人工智能的油茶水肥一体化滴灌方法及系统 | |
CN114821253B (zh) | 一种喷滴灌水肥一体化系统的适用性调控方法及系统 | |
Xu et al. | The impact of climate change on yield potential of maize across China | |
US20230309459A1 (en) | Method for determining output data from crop plant characteristics for a crop plant, method for controlling operation of an agricultural machine, agricultural machine, and computer program product | |
Baíllo et al. | A survey and a new selection criterion for statistical home range estimation | |
Dhurjad et al. | Smart Irrigation System Using IOT and ML | |
Ammouri et al. | Self-Organizing Maps Applied to Soil Conservation in Mediterranean Olive Groves | |
CN113973559B (zh) | 一种智能施肥方法及装置 | |
Yedukondalu et al. | A Review on Digital Farming using Machine Learning Techniques |
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 |