CN117389355B - 一种番茄种植的智能温室温度控制方法及系统 - Google Patents
一种番茄种植的智能温室温度控制方法及系统 Download PDFInfo
- Publication number
- CN117389355B CN117389355B CN202311665852.8A CN202311665852A CN117389355B CN 117389355 B CN117389355 B CN 117389355B CN 202311665852 A CN202311665852 A CN 202311665852A CN 117389355 B CN117389355 B CN 117389355B
- Authority
- CN
- China
- Prior art keywords
- temperature
- value
- monitoring
- stage
- difference
- 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
- 235000007688 Lycopersicon esculentum Nutrition 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 29
- 240000003768 Solanum lycopersicum Species 0.000 title claims description 47
- 238000012544 monitoring process Methods 0.000 claims abstract description 140
- 238000012549 training Methods 0.000 claims abstract description 41
- 230000007613 environmental effect Effects 0.000 claims abstract description 27
- 230000001105 regulatory effect Effects 0.000 claims abstract description 27
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 23
- 230000033228 biological regulation Effects 0.000 claims description 21
- 230000012010 growth Effects 0.000 claims description 16
- 238000003306 harvesting Methods 0.000 claims description 15
- 241000227653 Lycopersicon Species 0.000 abstract 2
- 241000196324 Embryophyta Species 0.000 description 21
- 230000005855 radiation Effects 0.000 description 17
- 230000000694 effects Effects 0.000 description 12
- 238000012423 maintenance Methods 0.000 description 11
- 238000009825 accumulation Methods 0.000 description 10
- 235000013399 edible fruits Nutrition 0.000 description 10
- 230000008635 plant growth Effects 0.000 description 7
- 238000009833 condensation Methods 0.000 description 5
- 230000005494 condensation Effects 0.000 description 5
- 230000000630 rising effect Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 230000008844 regulatory mechanism Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Greenhouses (AREA)
Abstract
本发明提出了一种番茄种植的智能温室温度控制方法及系统,通过控制系统为番茄的温室设置多个监测阶段,通过传感器组监测每个监测阶段的不同时间节点的温室环境状态,对每个监测阶段分别设置预设温度;对环境数据进行预处理并分组,获得不同类别组;通过结合多种数据组成训练集,训练温度预测模型,通过所述模型获得温度预测数据,根据公式设置差值阈值和温度平衡值,计算温度预测数据与预设温度的差值;将所述差值和所述差值阈值进行比较,根据比较结果判断是否按照调节速度将当前温度调节至温度平衡值或对差值进行持续监测。控制系统不仅可以根据预设的调节速度将当前温度调节至温度平衡值,还能够根据实际情况持续监测差值。
Description
技术领域
本发明提出了一种番茄种植的智能温室温度控制方法及系统,涉及智能温室控制技术领域,具体涉及番茄种植的智能温室控制技术领域。
背景技术
在目前的科技发展过程中,智能温室的应用越来越广泛,越来越多的温室种植实现了智能化的控制,但在现有技术中仍存在诸多问题,如对植株的种植无法实现分期分阶段的监测,无法精准的预测未来某一时间节点的温度,无法通过缓慢调节的方式,在所述时间节点到达之前通过预设温度,将温度调节到目标的温度平衡值,使温室温度在预测时间节点达到理想的温度,实现智能化的温室温度调节控制。
发明内容
本发明提供了一种番茄种植的智能温室温度控制方法及系统,用以解决无法精准的预测未来某一时间节点的温度,无法通过缓慢调节的方式,在所述时间节点到达之前通过预设温度,将温度调节到目标的温度平衡值,使温室温度在预测时间节点达到理想的温度,缺少能够解决上述问题的智能化温室温度调节控制方法的问题:
本发明提出的一种番茄种植的智能温室温度控制方法及系统,所述方法包括:
S1、通过控制系统为番茄的温室设置多个监测阶段,在温室中设置传感器组,通过传感器组监测每个监测阶段的不同时间节点的温室环境状态,获得环境数据,对每个监测阶段分别设置预设温度;
S2、控制系统对环境数据进行预处理并分组,获得不同类别组;
S3、控制系统通过结合多种数据组成训练集,训练温度预测模型,通过所述模型获得温度预测数据,根据公式设置差值阈值和温度平衡值,计算温度预测数据与预设温度的差值;将所述差值和所述差值阈值进行比较,根据比较结果判断是否按照调节速度将当前温度调节至温度平衡值或对差值进行持续监测。
进一步地,所述S1包括:
通过控制系统对番茄的生长阶段进行分期,所述分期包括定植初期、采收前期和采收期;
在每个分期中,按照日照状态设置七个监测阶段;根据番茄的生长阶段,设置不同分期内每个监测阶段的预设温度。
进一步地,所述S1包括:
在温室中设置传感器组,在不同的监测阶段分别设置多个时间节点,通过所述传感器组监测每个监测阶段的多个时间节点的温室环境状态,获得环境数据;
所述传感器组包括温度传感器和湿度传感器。
进一步地,所述S2包括:
控制系统对环境数据的每一时间节点的数据进行预处理,并分成不同类别组;所述不同类别组包括温度组和湿度组,所述温度组包括每一时间节点的温室内实际温度和温室外实际温度。
进一步地,所述S3包括:
通过将每个监测阶段的预设温度、所述监测阶段的不同时间节点的环境数据、所述监测阶段的不同时间节点的天气预报数据和每个监测阶段的平均温度组成训练集,通过所述训练集训练温度预测模型,通过所述温度预测模型获得每一监测阶段的每一时间节点的温度预测数据;
通过控制系统的控制器设置差值阈值,分别计算不同监测阶段的每一时间节点的温度预测数据与其对应监测阶段的预设温度的差值;
设置每一监测阶段的每一时间节点的温度平衡值。
进一步地,所述差值阈值包括:
所述差值阈值的计算公式为:
其中,Y为差值阈值,Cmax为历史差值的最大值,Cmin为历史差值的最小值。
进一步地,所述温度平衡值包括:
所述温度平衡值的计算公式为:
其中,P为温度平衡值,U为温度预测模型的预测数据的时间节点在历史所有对应时间节点的温度均值,Tmax为历史所述对应时间节点中存在的最大温度值,Tmin为历史所述对应时间节点中存在的最小温度值,β为温度补偿值,所述补偿值的取值范围为20℃至负10℃。
进一步地,所述S1包括:
通过控制系统的控制器对每一温度预测数据对应时间节点的差值进行监测;
当所述差值大于所述差值阈值时,控制器控制温控装置将当前温度按照当前温度变化对应的调节速度调节至温度平衡值,并对所述差值进行持续监测,直至到达所述差值对应的时间节点;
当所述差值小于所述差值阈值时,控制器停止对这一时间节点的差值进行监测。
进一步地,所述当前温度变化对应的调节速度包括:
所述当前温度变化包括高温阶段和低温阶段;
高温阶段即当前温度维持在预设温度的1.5倍及以上,且超过一个单位时间,或温度在一个单位时间内急速上升2℃以上,则此时温度变化对应的调节速度为低于每小时1.5℃;
低温阶段为除高温阶段以外的其它阶段,此时的温度变化对应的调节速度为低于每小时0.5℃。
进一步地,所述系统包括:
环境数据获取模块,用于通过控制系统为番茄的温室设置多个监测阶段,在温室中设置传感器组,通过传感器组监测每个监测阶段的不同时间节点的温室环境状态,获得环境数据,对每个监测阶段分别设置预设温度;
分组模块,用于通过控制系统对环境数据进行预处理并分组,获得不同类别组;
监测调节模块,用于通过控制系统通过结合多种数据组成训练集,训练温度预测模型,通过所述模型获得温度预测数据,根据公式设置差值阈值和温度平衡值,计算温度预测数据与预设温度的差值;将所述差值和所述差值阈值进行比较,根据比较结果判断是否按照调节速度将当前温度调节至温度平衡值或对差值进行持续监测。
本发明有益效果:
本发明提出了一种番茄种植的智能温室温度控制方法及系统,本申请通过对温室进行分期监测,并分别设置预设温度,控制系统可以更精细地监测每个监测阶段的环境数据。这有助于精确监测植物在不同的生长阶段的不同时间节点生长环境。控制系统能够自动对环境数据进行预处理、分组,并使用训练集训练模型以获得预测数据。通过本申请的训练集训练温度预测模型,可以获得不同监测阶段不同时间节点的精准的温度预测数据。此外,它还能够自动比较差值与差值阈值,并根据比较结果判断是否需要调节温度或持续监测差值。这大大减少了人工干预的需求,并使温室管理更加智能化。控制系统通过比较差值和阈值,可以快速有效地判断是否需要调节温度。如果差值超过阈值,控制系统就会启动调节过程,使温度按照特定调节速度逐渐达到平衡值。这种机制可以大大提高调节效率,避免无效或低效的调节,同时可以防止过渡调节以及调节速度过快导致破坏植株生长环境;控制系统不仅可以根据预设的调节速度将当前温度调节至温度平衡值,还能够根据实际情况持续监测差值。这种适应性调节机制使得本系统在面对不同的环境条件和植物需求时,仍能保持良好的控制效果。
附图说明
图1为一种番茄种植的智能温室温度控制方法的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明的一个实施例,本发明提出的一种番茄种植的智能温室温度控制方法及系统,所述方法包括:
S1、通过控制系统为番茄的温室设置多个监测阶段,在温室中设置传感器组,通过传感器组监测每个监测阶段的不同时间节点的温室环境状态,获得环境数据,对每个监测阶段分别设置预设温度;
S2、控制系统对环境数据进行预处理并分组,获得不同类别组;
S3、控制系统通过结合多种数据组成训练集,训练温度预测模型,通过所述模型获得温度预测数据,根据公式设置差值阈值和温度平衡值,计算温度预测数据与预设温度的差值;将所述差值和所述差值阈值进行比较,根据比较结果判断是否按照调节速度将当前温度调节至温度平衡值或对差值进行持续监测。
上述技术方案的工作原理为:通过控制系统为番茄的温室设置多个监测阶段,在温室中设置传感器组,通过传感器组监测每个监测阶段的不同时间节点的温室环境状态,获得环境数据,对每个监测阶段分别设置预设温度;控制系统对环境数据进行预处理并分组,获得不同类别组;控制系统通过结合多种数据组成训练集,训练温度预测模型,通过所述模型获得温度预测数据,根据公式设置差值阈值和温度平衡值,计算温度预测数据与预设温度的差值;将所述差值和所述差值阈值进行比较,根据比较结果判断是否按照调节速度将当前温度调节至温度平衡值或对差值进行持续监测。
上述技术方案的技术效果为:本申请通过对温室进行分期监测,并分别设置预设温度,控制系统可以更精细地监测每个监测阶段的环境数据。这有助于精确监测植物在不同的生长阶段的不同时间节点生长环境。控制系统能够自动对环境数据进行预处理、分组,并使用训练集训练模型以获得预测数据。通过本申请的训练集训练温度预测模型,可以获得不同监测阶段不同时间节点的精准的温度预测数据。此外,它还能够自动比较差值与差值阈值,并根据比较结果判断是否需要调节温度或持续监测差值。控制系统通过比较差值和阈值,可以快速有效地判断是否需要调节温度。如果差值超过阈值,控制系统就会启动调节过程,使温度按照特定调节速度逐渐达到平衡值。这种机制可以大大提高调节效率,避免无效或低效的调节,同时可以防止过渡调节以及调节速度过快导致破坏植株生长环境;控制系统不仅可以根据预设的调节速度将当前温度调节至温度平衡值,还能够根据实际情况持续监测差值。这种适应性调节机制使得本系统在面对不同的环境条件和植物需求时,仍能保持良好的控制效果。
本发明的一个实施例,所述S1包括:
通过控制系统对番茄的生长阶段进行分期,所述分期包括定植初期、采收前期和采收期;
在每个分期中,按照日照状态设置七个监测阶段;所述七个监测阶段包括前半夜(20点到24点)、后半夜(24点到4点)、日出前升温(4点到6点)、日出后温度维稳阶段(6点到9点)、日出后升温阶段(9点到12点)、高温维持阶段(12点到17点)和温度骤降阶段(17点到20点),根据番茄的生长阶段,设置不同分期内每个监测阶段的预设温度。
上述技术方案的工作原理为:通过控制系统对番茄的生长阶段进行分期通过控制系统对番茄的生长阶段进行分期,所述分期包括定植初期、采收前期和采收期;所述分期根据室外气候与植株状态分为四个阶段,第一阶段为定植后缓苗阶段(定植5周内),此阶段植株处于低坐果负载;第二阶段为采收前期阶段,番茄作物从开始坐果到开始采收;第三阶段为采收盛期阶段。从采收开始到打顶阶段,植株处于满负载阶段;第四阶段为打顶到拉秧阶段,在该阶段内负载会逐步降低。
1)定植后阶段:(定植后5周内,高温高辐射,室内温度不可控,植株坐果负载);
24小时平均温度=0.002*室内辐射积累量+(20-22/阴晴),24小时平均温度主要取决于室外条件,最高上限为25℃。
室内辐射积累量=室外辐射积累量*透光率。一般9月定植,室外为高温高辐射,由于温室内温度不可控,一般温室内24小时平均温度较高,其平均温度主要与室外等同,由于在植株无负载/坐果负载情况下需要较高的温度以分配消耗同化物。较高的24小时平均温度促进植株生长与同化物的分配利用,促进花穗萌发。
2)采收前期阶段(植株负载开始增加到满负载);
中大型番茄24小时平均温度=0.002*室内辐射积累量+16-17.5
小果型番茄24小时平均温度=0.002*室内辐射积累量+17-18.5
温室内外温度可控,但辐射走弱,植株坐果负载开始增加,但库器官对同化物的需求仍低于植株光合产出,所以在辐射积累量的基础上应下调24小时平均温度,以维持植株同化物-植株负载平衡。一般按照每增加一穗坐果,基准温度降低0.2℃。
3)采收盛期阶段(11月初-拉秧打顶,植株满负载);
从开始采收到打顶,植株处于满负载状态,基准温度应该维持稳定。
中大型番茄24小时平均温度=0.002*室内辐射积累量+16
小果型番茄24小时平均温度=0.002*室内辐射积累量+17.5
4)打顶到拉秧阶段;
考虑到无新生花穗,能接受更高的温度,其次,在高均温不影响果实转色的情况下,提高24小时平均温度有利于加快采收,因此提高基准温度2℃;在该时期最高温室温度建议控制在25℃以下。
中大型番茄24小时平均温度=0.002*室内辐射积累量+(16+2)
小型番茄24小时平均温度=0.002*室内辐射积累量+(17.5+2)
所述四个阶段其每日的温度设置可以分为七个阶段,具体可包括:
在每个分期中,按照日照状态设置七个监测阶段;所述七个监测阶段包括前半夜(20点到24点)、后半夜(24点到4点)、日出前升温(4点到6点)、日出后温度维稳阶段(6点到9点)、日出后升温阶段(9点到12点)、高温维持阶段(12点到17点)和温度骤降阶段(17点到20点)。具体时间受区域等因素影响,使用者可根据具体情况进行适应性调节。
前半夜:前半夜基准温度要略低于后半夜温度,延迟前半夜低温时可以通过延长前半夜结束时间。
后半夜:一般于日出前3-4h开始升温。
日出前升温:后半夜结束到日出,一般日出前升温控制在1.5℃/h以内,防治升温过快导致冷凝。
日出后温度维稳阶段:日出到日出后升温,日出后升温较快,主要是将果实温度提高到当前空气温度,防治晨降现象(避免空气温度快速下降后导致果实结露)。阴天时,该阶段维持时长增加以避免日间均温偏高。
日出后升温:日出后1-2小时到当日辐射强度350-500w,一般于上午11点,夏季则提前。阴天时,日出后温度维稳阶段、日出后升温阶段4、5阶段均延迟进行,缩减了高温维持阶段高温维持时长。
高温维持阶段:当晴天辐射强度>700w时,温度维持在24-27,当阴雨天辐射强度<350w时,温度维持在20-23,一般于下午外界辐射低于300w时开始降温,阴天时提前结束高温维持阶段。
下午日落前骤降:一般于日落前1小时到日落,降温时间根据植株状态调整;阴天情况下,下午温度骤降提前,骤降阶段与高温维持阶段同步提前。
日出和日落时间根据当地天气预报进行确定。
上述技术方案的技术效果为:通过控制系统对番茄的生长阶段进行分期,可以实现对各个分期进行针对性改变参数或针对性调节;在每个分期中,按照日照状态设置七个监测阶段;前半夜(20点到24点)、后半夜(24点到4点)、日出前升温(4点到6点)、日出后温度维稳阶段(6点到9点)、日出后升温阶段(9点到12点)、高温维持阶段(12点到17点)和温度骤降阶段(17点到20点)之间温度变化相对较大,所以分阶段监测,可以达到对7个不同时间段的针对性监测和调节,针对不同分期的预设温度需进行针对性设置,实现预设温度设置的灵活性和简便性,根据番茄的生长阶段,设置不同分期内每个监测阶段的预设温度。
本发明的一个实施例,所述S1包括:
在温室中设置传感器组,在不同的监测阶段分别设置多个时间节点,通过所述传感器组监测每个监测阶段的多个时间节点的温室环境状态,获得环境数据;
所述传感器组包括温度传感器和湿度传感器。
所述S2包括:
控制系统对环境数据的每一时间节点的数据进行预处理,并分成不同类别组;所述不同类别组包括温度组和湿度组,所述温度组包括每一时间节点的温室内实际温度和温室外实际温度。
上述技术方案的工作原理为:在温室中设置传感器组,在不同的监测阶段分别设置多个时间节点,通过所述传感器组监测每个监测阶段的多个时间节点的温室环境状态,获得环境数据;所述传感器组包括温度传感器和湿度传感器。系统对环境数据的每一时间节点的数据进行预处理,并分成不同类别组;所述不同类别组包括温度组和湿度组,所述温度组包括每一时间节点的温室内实际温度和温室外实际温度。
上述技术方案的技术效果为:在温室中设置传感器组,在不同的监测阶段分别设置多个时间节点,可以监测到不同时间节点的环境数据,通过所述传感器组监测每个监测阶段的多个时间节点的温室环境状态,获得精确的受多种因素影响的综合的环境数据;所述传感器组包括温度传感器和湿度传感器。控制系统对环境数据的每一时间节点的数据进行预处理,并分成不同类别组;所述不同类别组包括温度组和湿度组,所述温度组包括每一时间节点的温室内实际温度和温室外实际温度,环境数据的每一时间节点的数据均分别包括不同类别组中内容,数据采集更加全面。
本发明的一个实施例,所述S3包括:
通过将每个监测阶段的预设温度、所述监测阶段的不同时间节点的环境数据、所述监测阶段的不同时间节点的天气预报数据和每个监测阶段的平均温度组成训练集,通过所述训练集训练温度预测模型,通过所述温度预测模型获得每一监测阶段的每一时间节点的温度预测数据;
通过控制系统的控制器设置差值阈值,分别计算不同监测阶段的每一时间节点的温度预测数据与其对应监测阶段的预设温度的差值;
设置每一监测阶段的每一时间节点的温度平衡值。
上述技术方案的工作原理为:通过将每个监测阶段的预设温度、所述监测阶段的不同时间节点的环境数据、所述监测阶段的不同时间节点的天气预报数据和每个监测阶段的平均温度组成训练集,通过所述训练集训练温度预测模型,通过所述温度预测模型获得每一监测阶段的每一时间节点的温度预测数据;通过控制系统的控制器设置差值阈值,分别计算不同监测阶段的每一时间节点的温度预测数据与其对应监测阶段的预设温度的差值;差值的计算采用的是同一监测阶段的不同时间节点的预测数据,分别和所述监测阶段对应的预设温度进行差值的计算,即温度预测数据与预设温度相减,或预设温度与温度预测数据相减,获得差值。两者之间较大的数与较小的数相减。设置每一监测阶段的每一时间节点的温度平衡值。
上述技术方案的技术效果为:通过将每个监测阶段的预设温度、所述监测阶段的不同时间节点的环境数据、所述监测阶段的不同时间节点的天气预报数据和每个监测阶段的平均温度组成训练集,通过所述训练集训练温度预测模型,可以分别得到各个时间节点的温度预测数据,对所需预测时间节点的温度是精准预测,通过所述温度预测模型获得每一监测阶段的每一时间节点的温度预测数据;通过控制系统的控制器设置差值阈值,通过差值阈值的设置可以确定差值是否在正常范围,实现对预测温度的精准监控,分别计算不同监测阶段的每一时间节点的温度预测数据与其对应监测阶段的预设温度的差值;差值的计算采用的是同一监测阶段的不同时间节点的预测数据,分别和所述监测阶段对应的预设温度进行差值的计算,即温度预测数据与预设温度相减,或预设温度与温度预测数据相减,获得差值。两者之间较大的数与较小的数相减,通过上述内容可以精确的知道预测数据相比于预设温度的大小,设置每一监测阶段的每一时间节点的温度平衡值。温度平衡值的设置,可以确定系统对当前温度的调节范围,保障温度调节的合理性,同时保障温度符合植株生长环境,既不会过高也不会过低。
本发明的一个实施例,所述差值阈值包括:
所述差值阈值的计算公式为:
其中,Y为差值阈值,Cmax为历史差值的最大值,Cmin为历史差值的最小值。
上述技术方案的工作原理为:
通过历史差值的最大值和历史差值的最小值计算差值阈值,Cmin大于1。
上述技术方案的技术效果为:通过历史差值的最大值和历史差值的最小值计算差值阈值,可以实现阈值计算的精确性,结合历史最大差值和历史最小差值的数据,保障了公式的合理性,同时使差值阈值的计算公式适用于更多差值数据对应的情况,适用性更广,同时公式中的可以作为系数,使得差值阈值的计算结果更具灵活性和实用性。Cmin大于1,保障公式的合理性。
本发明的一个实施例,所述温度平衡值包括:
所述温度平衡值的计算公式为:
其中,P为温度平衡值,U为温度预测模型的预测数据的时间节点在历史所有对应时间节点的温度均值,Tmax为历史所述对应时间节点中存在的最大温度值,Tmin为历史所述对应时间节点中存在的最小温度值,β为温度补偿值,所述补偿值的取值范围为20℃至负10℃。
上述技术方案的工作原理为:通过温度预测模型的预测数据的时间节点在历史所有对应时间节点的温度均值、历史所述对应时间节点中存在的最大温度值、历史所述对应时间节点中存在的最小温度值、温度补偿值计算温度平衡值,所述补偿值的取值范围为20℃至负10℃。所述补偿系数用于对温度进行补偿。使用者可根据实际情况通过补偿系数,对温度平衡值进行调节。Tmin大于1。
上述技术方案的技术效果为:通过温度预测模型的预测数据的时间节点在特定监测阶段历史所有对应时间节点的温度均值,可得到历史情况中每个对应时间节点的大致温度情况,为平衡值的计算提供充分的数据支持;通过历史所述对应时间节点中存在的最大温度值、历史所述对应时间节点中存在的最小温度值可以反应历史温度的波动情况,使公式的计算得到充分的数据参照、温度补偿值计算温度平衡值,所述补偿值的取值范围为20℃至负10℃。所述补偿系数用于对温度进行补偿。使用者可根据实际情况通过补偿系数,对温度平衡值进行调节,增加平衡值设置的灵活性。Tmin大于1。
本发明的一个实施例,所述S1包括:
通过控制系统的控制器对每一温度预测数据对应时间节点的差值进行监测;
当所述差值大于所述差值阈值时,控制器控制温控装置将当前温度按照当前温度变化对应的调节速度调节至温度平衡值,并对所述差值进行持续监测,直至到达所述差值对应的时间节点;
当所述差值小于所述差值阈值时,控制器停止对这一时间节点的差值进行监测。
上述技术方案的工作原理为:通过控制系统的控制器对每一温度预测数据对应时间节点的差值进行监测;当所述差值大于所述差值阈值时,控制器控制温控装置将当前温度按照当前温度变化对应的调节速度调节至温度平衡值,并对所述差值进行持续监测,直至到达所述差值对应的时间节点;差值对应的时间节点即为差值对应的温度预测数据对应的时间节点。差值大于所述差值阈值即代表温度预测数据相比预设数据过高或过低。番茄种植的温度过高或过低都会导致番茄的状态不好,所以在差值大于差值阈值时,将温度通过特定的调节速度调节至温度平衡值。环境数据会对预设温度造成影响,所以需要监测差值的大小,用以调节温室温度。当所述差值小于所述差值阈值时,控制器停止对这一时间节点的差值进行监测。
上述技术方案的技术效果为:通过控制系统的控制器对每一温度预测数据对应时间节点的差值进行监测,实现对温度预测数据是否在正常范围的监测;当所述差值大于所述差值阈值时,控制器控制温控装置将当前温度按照当前温度变化对应的调节速度调节至温度平衡值。通过上述方法可以避免到达温度预测数据对应时间节点时,调节范围过大,或调速过快无法达到预期效果,破环植株生长环境,通过调节速度调节可以避免调节过度或调节速度过快影响植株生长,并对所述差值进行持续监测,直至到达所述差值对应的时间节点;差值对应的时间节点即为差值对应的温度预测数据对应的时间节点。差值大于所述差值阈值即代表温度预测数据相比预设数据过高或过低。番茄种植的温度过高或过低都会导致番茄的状态不好,所以在差值大于差值阈值时,将温度通过特定的调节速度调节至温度平衡值。环境数据会对预设温度造成影响,所以需要监测差值的大小,用以调节温室温度。当所述差值小于所述差值阈值时,控制器停止对这一时间节点的差值进行监测,避免过度的调节,节约能源。
本发明的一个实施例,所述当前温度变化对应的调节速度包括:
所述当前温度变化包括高温阶段和低温阶段;
高温阶段即当前温度维持在预设温度的1.5倍及以上,且超过一个单位时间,或温度在一个单位时间内急速上升2℃以上,则此时温度变化对应的调节速度为低于每小时1.5℃;
低温阶段为除高温阶段以外的其它阶段,此时的温度变化对应的调节速度为低于每小时0.5℃。
上述技术方案的工作原理为:所述当前温度变化包括高温阶段和低温阶段;
高温阶段即当前温度维持在预设温度的1.5倍及以上,且超过一个单位时间,或温度在一个单位时间内急速上升2℃以上,则此时温度变化对应的调节速度为低于每小时1.5℃;所述单位时间为每两个相邻时间节点之间的时间长度。高温阶段也可为温度急速上升阶段。
低温阶段为除高温阶段以外的其它阶段,此时的温度变化对应的调节速度为低于每小时0.5℃。温室温度的调节速度过高或过低会导致冷凝或过热等风险,进而影响番茄的种植生长情况,调节速度需分情况调节。
上述技术方案的技术效果为:所述当前温度变化包括高温阶段和低温阶段;将温度分成两个阶段,便于针对性调用对应方案,实现调节速度的灵活控制;高温阶段即当前温度维持在预设温度的1.5倍及以上,且超过一个单位时间,或温度在一个单位时间内急速上升2℃以上,则此时温度变化对应的调节速度为低于每小时1.5℃;所述单位时间为每两个相邻时间节点之间的时间长度。高温阶段也可为温度急速上升阶段。低温阶段为除高温阶段以外的其它阶段,此时的温度变化对应的调节速度为低于每小时0.5℃。通过两种调节速度的区分,实现不同温度阶段的针对性调节,避免了因调节速度的不对应,引起资源的浪费,和生长环境的破坏,如使植株周边水分冷凝结露等;温室温度的调节速度过高或过低会导致冷凝或过热等风险,进而影响番茄的种植生长情况,调节速度需分情况调节。本方案实现了温室温度调节速度的智能化自动化的控制。
本发明的一个实施例,所述系统包括:
环境数据获取模块,用于通过控制系统为番茄的温室设置多个监测阶段,在温室中设置传感器组,通过传感器组监测每个监测阶段的不同时间节点的温室环境状态,获得环境数据,对每个监测阶段分别设置预设温度;
分组模块,用于通过控制系统对环境数据进行预处理并分组,获得不同类别组;
监测调节模块,用于通过控制系统通过结合多种数据组成训练集,训练温度预测模型,通过所述模型获得温度预测数据,根据公式设置差值阈值和温度平衡值,计算温度预测数据与预设温度的差值;将所述差值和所述差值阈值进行比较,根据比较结果判断是否按照调节速度将当前温度调节至温度平衡值或对差值进行持续监测。
上述技术方案的工作原理为:环境数据获取模块用于通过控制系统为番茄的温室设置多个监测阶段,在温室中设置传感器组,通过传感器组监测每个监测阶段的不同时间节点的温室环境状态,获得环境数据,对每个监测阶段分别设置预设温度;分组模块用于通过控制系统对环境数据进行预处理并分组,获得不同类别组;监测调节模块,用于通过控制系统通过结合多种数据组成训练集,训练温度预测模型,通过所述模型获得温度预测数据,根据公式设置差值阈值和温度平衡值,计算温度预测数据与预设温度的差值;将所述差值和所述差值阈值进行比较,根据比较结果判断是否按照调节速度将当前温度调节至温度平衡值或对差值进行持续监测。
上述技术方案的技术效果为:环境数据获取模块通过对温室进行分期监测,并分别设置预设温度,控制系统可以更精细地监测每个监测阶段的环境数据。这有助于精确监测植物在不同的生长阶段的不同时间节点生长环境。分组模块能够自动对环境数据进行预处理、分组,并使用训练集训练模型以获得预测数据。通过本申请的训练集训练温度预测模型,可以获得不同监测阶段不同时间节点的精准的温度预测数据。此外,它还能够自动比较差值与差值阈值,并根据比较结果判断是否需要调节温度或持续监测差值。这大大减少了人工干预的需求,并使温室管理更加智能化。监测调节模块通过比较差值和阈值,可以快速有效地判断是否需要调节温度。如果差值超过阈值,控制系统就会启动调节过程,使温度按照特定调节速度逐渐达到平衡值。这种机制可以大大提高调节效率,避免无效或低效的调节,同时可以防止过渡调节以及调节速度过快导致破坏植株生长环境;控制系统不仅可以根据预设的调节速度将当前温度调节至温度平衡值,还能够根据实际情况持续监测差值。这种适应性调节机制使得本系统在面对不同的环境条件和植物需求时,仍能保持良好的控制效果。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种番茄种植的智能温室温度控制方法,其特征在于,所述方法包括:
S1、通过控制系统为番茄的温室设置多个监测阶段,在温室中设置传感器组,通过传感器组监测每个监测阶段的不同时间节点的温室环境状态,获得环境数据,对每个监测阶段分别设置预设温度;
S2、控制系统对环境数据进行预处理并分组,获得不同类别组;
S3、控制系统通过结合多种数据组成训练集,训练温度预测模型,通过所述模型获得温度预测数据,根据公式设置差值阈值和温度平衡值,计算温度预测数据与预设温度的差值;将所述差值和所述差值阈值进行比较,根据比较结果判断是否按照调节速度将当前温度调节至温度平衡值或对差值进行持续监测;
其中,所述S3包括:
通过将每个监测阶段的预设温度、所述监测阶段的不同时间节点的环境数据、所述监测阶段的不同时间节点的天气预报数据和每个监测阶段的平均温度组成训练集,通过所述训练集训练温度预测模型,通过所述温度预测模型获得每一监测阶段的每一时间节点的温度预测数据;
通过控制系统的控制器设置差值阈值,分别计算不同监测阶段的每一时间节点的温度预测数据与其对应监测阶段的预设温度的差值;
设置每一监测阶段的每一时间节点的温度平衡值;
其中,所述差值阈值包括:
所述差值阈值的计算公式为:
其中,Y为差值阈值,Cmax为历史差值的最大值,Cmin为历史差值的最小值;
其中,所述温度平衡值包括:
所述温度平衡值的计算公式为:
其中,P为温度平衡值,U为温度预测模型的预测数据的时间节点在历史所有对应时间节点的温度均值,Tmax为历史所述对应时间节点中存在的最大温度值,Tmin为历史所述对应时间节点中存在的最小温度值,β为温度补偿值,所述补偿值的取值范围为20℃至负10℃。
2.根据权利要求1所述一种番茄种植的智能温室温度控制方法,其特征在于,所述S1包括:
通过控制系统对番茄的生长阶段进行分期,所述分期包括定植初期、采收前期和采收期;
在每个分期中,按照日照状态设置七个监测阶段;根据番茄的生长阶段,设置不同分期内每个监测阶段的预设温度。
3.根据权利要求1所述一种番茄种植的智能温室温度控制方法,其特征在于,所述S1包括:
在温室中设置传感器组,在不同的监测阶段分别设置多个时间节点,通过所述传感器组监测每个监测阶段的多个时间节点的温室环境状态,获得环境数据;
所述传感器组包括温度传感器和湿度传感器。
4.根据权利要求1所述一种番茄种植的智能温室温度控制方法,其特征在于,所述S2包括:
控制系统对环境数据的每一时间节点的数据进行预处理,并分成不同类别组;所述不同类别组包括温度组和湿度组,所述温度组包括每一时间节点的温室内实际温度和温室外实际温度。
5.根据权利要求1所述一种番茄种植的智能温室温度控制方法,其特征在于,所述S1包括:
通过控制系统的控制器对每一温度预测数据对应时间节点的差值进行监测;
当所述差值大于所述差值阈值时,控制器控制温控装置将当前温度按照当前温度变化对应的调节速度调节至温度平衡值,并对所述差值进行持续监测,直至到达所述差值对应的时间节点;
当所述差值小于所述差值阈值时,控制器停止对这一时间节点的差值进行监测。
6.根据权利要求5所述一种番茄种植的智能温室温度控制方法,其特征在于,所述当前温度变化对应的调节速度包括:
所述当前温度变化包括高温阶段和低温阶段;
高温阶段即当前温度维持在预设温度的1.5倍及以上,且超过一个单位时间,或温度在一个单位时间内急速上升2℃以上,则此时温度变化对应的调节速度为低于每小时1.5℃;
低温阶段为除高温阶段以外的其它阶段,此时的温度变化对应的调节速度为低于每小时0.5℃。
7.一种番茄种植的智能温室温度控制系统,其特征在于,所述系统包括:
环境数据获取模块,用于通过控制系统为番茄的温室设置多个监测阶段,在温室中设置传感器组,通过传感器组监测每个监测阶段的不同时间节点的温室环境状态,获得环境数据,对每个监测阶段分别设置预设温度;
分组模块,用于通过控制系统对环境数据进行预处理并分组,获得不同类别组;
监测调节模块,用于通过控制系统通过结合多种数据组成训练集,训练温度预测模型,通过所述模型获得温度预测数据,根据公式设置差值阈值和温度平衡值,计算温度预测数据与预设温度的差值;将所述差值和所述差值阈值进行比较,根据比较结果判断是否按照调节速度将当前温度调节至温度平衡值或对差值进行持续监测;
其中,所述监测调节模块包括:
通过将每个监测阶段的预设温度、所述监测阶段的不同时间节点的环境数据、所述监测阶段的不同时间节点的天气预报数据和每个监测阶段的平均温度组成训练集,通过所述训练集训练温度预测模型,通过所述温度预测模型获得每一监测阶段的每一时间节点的温度预测数据;
通过控制系统的控制器设置差值阈值,分别计算不同监测阶段的每一时间节点的温度预测数据与其对应监测阶段的预设温度的差值;
设置每一监测阶段的每一时间节点的温度平衡值;
其中,所述差值阈值包括:
所述差值阈值的计算公式为:
其中,Y为差值阈值,Cmax为历史差值的最大值,Cmin为历史差值的最小值;
其中,所述温度平衡值包括:
所述温度平衡值的计算公式为:
其中,P为温度平衡值,U为温度预测模型的预测数据的时间节点在历史所有对应时间节点的温度均值,Tmax为历史所述对应时间节点中存在的最大温度值,Tmin为历史所述对应时间节点中存在的最小温度值,β为温度补偿值,所述补偿值的取值范围为20℃至负10℃。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311665852.8A CN117389355B (zh) | 2023-12-07 | 2023-12-07 | 一种番茄种植的智能温室温度控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311665852.8A CN117389355B (zh) | 2023-12-07 | 2023-12-07 | 一种番茄种植的智能温室温度控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117389355A CN117389355A (zh) | 2024-01-12 |
CN117389355B true CN117389355B (zh) | 2024-03-12 |
Family
ID=89470545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311665852.8A Active CN117389355B (zh) | 2023-12-07 | 2023-12-07 | 一种番茄种植的智能温室温度控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117389355B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117652328B (zh) * | 2024-01-31 | 2024-04-30 | 凯盛浩丰农业集团有限公司 | 一种基于物联网的番茄植株智能培育系统 |
CN118034409B (zh) * | 2024-04-12 | 2024-06-25 | 山西华凯伟业科技有限公司 | 一种基于物联网的分段控温调节方法及系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002048354A (ja) * | 2000-07-28 | 2002-02-15 | Nepon Inc | 施設園芸用温室における暖房用熱源水の温度制御方法 |
CA2424245A1 (en) * | 2003-04-02 | 2004-10-02 | Ralph Arthur Kinnis | Greenhouse climate control system |
RU2403705C1 (ru) * | 2009-06-29 | 2010-11-20 | Федеральное государственное общеобразовательное учреждение высшего профессионального образования "Челябинский государственный агроинженерный университет" | Способ автоматического управления температурно-световым режимом в теплице |
CN101950321A (zh) * | 2010-07-30 | 2011-01-19 | 沈阳农业大学 | 一种建立日光温室长季节栽培番茄植株叶片数模型用于控制番茄长势的方法 |
CN103941782A (zh) * | 2014-04-10 | 2014-07-23 | 东华大学 | 一种应用于温室大棚的温湿度先进控制方法 |
CN105117787A (zh) * | 2015-07-14 | 2015-12-02 | 温州科技职业学院 | 一种温室能耗的模型优化预测方法 |
CN105389452A (zh) * | 2015-12-31 | 2016-03-09 | 西北农林科技大学 | 基于神经网络的黄瓜全程光合速率预测模型及建立方法 |
CN106774527A (zh) * | 2016-12-30 | 2017-05-31 | 深圳前海弘稼科技有限公司 | 大棚温度控制方法及系统 |
CN106920174A (zh) * | 2017-03-09 | 2017-07-04 | 中国农业科学院农业经济与发展研究所 | 一种温室加温控制系统及方法 |
JP2017127281A (ja) * | 2016-01-22 | 2017-07-27 | 学校法人酪農学園 | 栽培環境管理装置、栽培環境管理方法および栽培環境管理プログラム |
CN110377961A (zh) * | 2019-06-25 | 2019-10-25 | 北京百度网讯科技有限公司 | 作物生长环境控制方法、装置、计算机设备及存储介质 |
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 |
CN114077269A (zh) * | 2020-08-17 | 2022-02-22 | 青岛平行智能产业管理有限公司 | 基于数据驱动模型的温室环境预测与优化控制方法 |
CN114610100A (zh) * | 2022-01-27 | 2022-06-10 | 宁夏大学 | 基于物联网的番茄种植温室环境的调控方法及调控系统 |
CN116185098A (zh) * | 2023-03-09 | 2023-05-30 | 京东方后稷科技(北京)有限公司 | 用于日光温室的调节控制方法及装置 |
EP4186352A1 (en) * | 2021-11-24 | 2023-05-31 | Georgios Papadakis | A greenhouse's heating system |
KR20230102856A (ko) * | 2021-12-30 | 2023-07-07 | 강원대학교산학협력단 | Lstm 기반 온실 온도 및 습도 예측 시스템 및 방법 |
KR20230122192A (ko) * | 2022-02-14 | 2023-08-22 | 강원대학교산학협력단 | 스마트팜 온실 내부 온도 예측 방법 |
-
2023
- 2023-12-07 CN CN202311665852.8A patent/CN117389355B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002048354A (ja) * | 2000-07-28 | 2002-02-15 | Nepon Inc | 施設園芸用温室における暖房用熱源水の温度制御方法 |
CA2424245A1 (en) * | 2003-04-02 | 2004-10-02 | Ralph Arthur Kinnis | Greenhouse climate control system |
RU2403705C1 (ru) * | 2009-06-29 | 2010-11-20 | Федеральное государственное общеобразовательное учреждение высшего профессионального образования "Челябинский государственный агроинженерный университет" | Способ автоматического управления температурно-световым режимом в теплице |
CN101950321A (zh) * | 2010-07-30 | 2011-01-19 | 沈阳农业大学 | 一种建立日光温室长季节栽培番茄植株叶片数模型用于控制番茄长势的方法 |
CN103941782A (zh) * | 2014-04-10 | 2014-07-23 | 东华大学 | 一种应用于温室大棚的温湿度先进控制方法 |
CN105117787A (zh) * | 2015-07-14 | 2015-12-02 | 温州科技职业学院 | 一种温室能耗的模型优化预测方法 |
CN105389452A (zh) * | 2015-12-31 | 2016-03-09 | 西北农林科技大学 | 基于神经网络的黄瓜全程光合速率预测模型及建立方法 |
JP2017127281A (ja) * | 2016-01-22 | 2017-07-27 | 学校法人酪農学園 | 栽培環境管理装置、栽培環境管理方法および栽培環境管理プログラム |
CN106774527A (zh) * | 2016-12-30 | 2017-05-31 | 深圳前海弘稼科技有限公司 | 大棚温度控制方法及系统 |
CN106920174A (zh) * | 2017-03-09 | 2017-07-04 | 中国农业科学院农业经济与发展研究所 | 一种温室加温控制系统及方法 |
CN110377961A (zh) * | 2019-06-25 | 2019-10-25 | 北京百度网讯科技有限公司 | 作物生长环境控制方法、装置、计算机设备及存储介质 |
CN114077269A (zh) * | 2020-08-17 | 2022-02-22 | 青岛平行智能产业管理有限公司 | 基于数据驱动模型的温室环境预测与优化控制方法 |
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 |
EP4186352A1 (en) * | 2021-11-24 | 2023-05-31 | Georgios Papadakis | A greenhouse's heating system |
KR20230102856A (ko) * | 2021-12-30 | 2023-07-07 | 강원대학교산학협력단 | Lstm 기반 온실 온도 및 습도 예측 시스템 및 방법 |
CN114610100A (zh) * | 2022-01-27 | 2022-06-10 | 宁夏大学 | 基于物联网的番茄种植温室环境的调控方法及调控系统 |
KR20230122192A (ko) * | 2022-02-14 | 2023-08-22 | 강원대학교산학협력단 | 스마트팜 온실 내부 온도 예측 방법 |
CN116185098A (zh) * | 2023-03-09 | 2023-05-30 | 京东方后稷科技(北京)有限公司 | 用于日光温室的调节控制方法及装置 |
Non-Patent Citations (2)
Title |
---|
王健 ; 谢南 ; .基于变论域模糊理论的温室番茄智能控温策略.中国农业科技导报.2018,第77-85页. * |
王鸿磊 ; 李晓东 ; 徐平平 ; .模糊专家与PID混合控制的温室高效增温算法研究.现代电子技术.2017,第22-26页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117389355A (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117389355B (zh) | 一种番茄种植的智能温室温度控制方法及系统 | |
US10492381B2 (en) | Electricity generation method adapted to crops | |
EP3018997B1 (en) | Method, device and computer program product for controlling growth of a plant | |
CN109324506B (zh) | 考虑节能与产量效益最优的温室温度设定值自动获取方法 | |
CN108617355B (zh) | 一种集群温室灌溉决策方法及系统 | |
CN113966680B (zh) | 一种植物补光方法、系统、装置、设备及存储介质 | |
Yano et al. | Development of a greenhouse side-ventilation controller driven by photovoltaic energy | |
Robinson et al. | Predicting chemical thinner response with a carbohydrate model | |
CN116362399A (zh) | 一种基于气候变化的小麦物候期和产量预测方法及系统 | |
KR101518966B1 (ko) | 저온에서 성장하는 채소를 고온기에 재배할 수 있는 하우스 시스템 | |
KR100673601B1 (ko) | 씨감자의 생산방법 | |
CN116449897A (zh) | 温室环境最优控制方法、服务器及系统 | |
CN115349432A (zh) | 一种基于光辐射与气象预测的智能灌溉方法和系统 | |
CN114660975A (zh) | 一种基于物联网的智能农业监控系统 | |
CN1561675A (zh) | 基于经济最优的温室环境控制技术 | |
CN108415256A (zh) | 一种面向连栋日光能温室作物的栽培控制系统 | |
KR20190071340A (ko) | 시설원예용 양액 공급 장치 및 방법 | |
CN102273387A (zh) | 一种调节温室番茄冬季根圈环境温度的设施及方法 | |
CN106325328A (zh) | 一种种植设备温度调节的方法及装置 | |
NO161411B (no) | Fremgangsmaate og anlegg for klimaregulering i forbindelsemed bestoevningen av drivhusplanter. | |
SU1438657A1 (ru) | Способ автоматического управлени температурным режимом в теплице | |
CN117941583A (zh) | 对于番茄不同生长周期的需求温度的调节方法 | |
US20230134154A1 (en) | Optimization of hybrid growing infrastructure for different weather profiles and market conditions | |
KR102525171B1 (ko) | 스마트 팜 온도 제어 및 재배 시기 예측 방법 및 시스템 | |
CN213523350U (zh) | 马铃薯原原种雾培栽培用自动控温装置 |
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 |