CN117470306B - 一种菇棚生长环境监测分析方法及系统 - Google Patents
一种菇棚生长环境监测分析方法及系统 Download PDFInfo
- Publication number
- CN117470306B CN117470306B CN202311429354.3A CN202311429354A CN117470306B CN 117470306 B CN117470306 B CN 117470306B CN 202311429354 A CN202311429354 A CN 202311429354A CN 117470306 B CN117470306 B CN 117470306B
- Authority
- CN
- China
- Prior art keywords
- data
- module
- environment
- regulation
- threshold
- 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
- 235000001674 Agaricus brunnescens Nutrition 0.000 title claims abstract description 45
- 230000012010 growth Effects 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 238000013500 data storage Methods 0.000 claims abstract description 29
- 230000007613 environmental effect Effects 0.000 claims abstract description 19
- 238000003891 environmental analysis Methods 0.000 claims abstract description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 6
- 239000001569 carbon dioxide Substances 0.000 claims description 6
- 238000013450 outlier detection Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
Abstract
本发明涉及一种菇棚生长环境监测分析方法及系统,属于室内环境监测分析与处理技术领域。本发明实施例公开了一种菇棚生长环境监测分析方法及系统。其中,该系统包括数据采集模块、数据存储模块、环境分析模块、设备调控模块、终端控制模块;数据采集模块采集菇棚内作物生长的环境数据参数,将环境数据参数传输至环境分析模块,对环境数据参数进行环境监测分析;数据存储模块允许由环境分析模块和终端控制模块的调用指令访问;设备调控模块用于综合分析预警指令;终端控制模块接收设备调控模块发送的调控信息生成操作指令与服务器进行数据互通,最终显示在云平台上。实现了实时动态采集菇棚内环境信息,在线监测菇棚内环境以及联动控制功能。
Description
技术领域
本发明属于室内环境监测分析与处理技术领域,具体涉及一种菇棚生长环境监测分析方法及系统。
背景技术
市场的需求量催动了蘑菇种植业的发展,很多野生菌也开始了人工培育的道路。由于蘑菇生长条件的苛刻,空气相对湿度、温度等都有严格要求,因此需要在菇棚内进行栽培。
目前仍存在以下待改进的地方:
(1)由于作物生长的不确定性和温室环境的可变性,需要使温室大棚内环境保持在最适宜植物生长的条件。
(2)传统的管理模式信息化、智能化程度较低,浪费了大量的人力、物力,而且作物产量低、质量差。
发明内容
为解决现有技术中存在的上述问题,本发明提供了一种菇棚生长环境监测分析方法及系统,
本发明的目的可以通过以下技术方案实现:
S1:通过菇棚环境检测器实时获取当前时间段内棚温、料温、环境温度、二氧化碳浓度、湿度数据得到各类别待处理数据样本;
剔除所述待处理数据样本中重复次数超过10次的样本数据得到集成数据样本;
将所述集成数据样本从小到大排列得到偏度序列,计算离群检出值,计算公式为:
其中,b为离群检出值,n为偏度序列样本总数,i为样本计数,xi为偏度序列值,为偏度序列样本平均值;
从所述集成数据样本中剔除大于所述离群检出值的数据得到初始化数据参数;
为所述初始化数据参数添加时间映射整合为数据表,将所述数据表上传至内置数据库;
S2:动态更新所述内置数据库,预设时间步长与时域宽度,将所述数据表中相同时间步长内的数据参数进行融合得到数据插值,对所述时域宽度内的数据插值进行误差估计后得到重构误差,将所述数据插值和上述时间映射构建为多重参数时间序列;
S3:提取所述多重参数时间序列的统计特征,预设检测窗口大小,通过捕获两个相邻检测窗口中所述统计特征大小的变化得到时间变量矩阵,将所述时间变量矩阵发送至自动编码器,为各类别编码为位向量,将上述重构误差作为隐藏状态嵌入所述位向量中,通过解码器将所述位向量生成重构向量,通过所述重构向量重建时间序列得到重构时间序列;
S4:根据所述重构时间序列确定最优域宽系数,统计一周内的历史时段已存储的初始化数据参数,计算公式为:
其中,h为最优域宽系数,ny为历史样本数,i为样本计数,为历史样本数据平均值,yi为历史样本数据;
根据所述最优域宽系数确定初始阈值上限与初始阈值下限,通过超出阈值上限样本、在初始阈值范围内样本、低于阈值下限样本的概率密度函数计算阈值参数上限和阈值参数下限的误报率和漏报率,通过所述误报率和漏报率确定上限优化目标函数和下限优化目标函数,计算公式为:
F1(x)=Z2×P1×E(Tf)+Z3×P2×E(Tm),
F2(x)=Z2×P3×E(Tf)+Z1×P4×E(Tm),
其中,x为历史样本,F1为阈值上限,F2为阈值下限,Z2为超出初始阈值上限样本数,Z3为在预设阈值区间内样本数,Z1为低于初始阈值下限样本数,P1为阈值参数上限误报率,P2为阈值参数上限漏报率,P3为阈值参数下限误报率,P4为阈值参数下限漏报率,E(Tf)为误报一次时间损失的期望,E(Tm)为漏报一次时间损失的期望;
S5:判断实时获取的所述初始化数据参数是否超过所述阈值上限或低于所述阈值下限,是,则发送异常信息,否,则保存所述初始化数据参数。
优选地,一种菇棚生长环境监测分析系统,包括数据采集模块、数据存储模块、环境分析模块、设备调控模块、终端控制模块;
所述数据采集模块用于采集菇棚内作物生长的环境数据参数,其中,所述菇棚内作物生长的环境数据参数包括棚温、料温、环境温度、二氧化碳浓度、湿度,并将所述环境数据参数传输至所述环境分析模块;
所述环境分析模块用于接收菇棚内作物生长的环境数据参数,并对所述环境数据参数进行环境监测分析,据此得到存储指令和预警指令,将存储指令发送到数据存储模块,将所述预警指令发送到设备管理模块;
所述数据存储模块用于将所述菇棚内作物生长的环境数据参数存储在数据存储区,所述数据存储区允许由所述环境分析模块和所述终端控制模块的调用指令访问;
所述设备调控模块用于接收所述环境分析模块的所述预警指令,并获取分析对象所对应的设备,对所述设备发送的信号进行综合分析处理得到调控信息,将所述调控信息发送至终端控制模块;
所述终端控制模块用于接收所述设备管理模块发送的调控信息,通过分析所述调控信息生成操作指令,根据所述操作指令调节控制单元。
具体地,所述环境分析模块具体运行过程包括:从所述数据存储模块中调用历史数据参数,通过所述环境监测分析方法生成环境判断阈值上限与阈值下限,判断实时获取的环境数据参数是否超出阈值范围,是,则发送报警指令至所述设备调控模块,否,则将所述环境数据参数存储至数据存储模块并发送安全指令至所述设备调控模块。
具体地,所述综合分析处理包括解析所述预警指令得到状态字段和位置字段,根据所述位置字段向所述数据存储模块发送调用指令得到位置信息,解析所述状态字段转化为状态信息,将所述状态信息和所述位置信息融合为调控信息。
具体地,所述终端控制模块具体包括信息传递单元、调控分析单元、控制单元、显示单元;所述信息传递单元用于传输所述数据存储模块和所述设备调控模块数据;调控分析单元用于分析显示单元和信息传递单元接收的数据生成操作指令;控制单元连接菇棚环境设备,并处理所述调控分析单元的操作指令;显示单元用于展示所述系统运行的内部数据,并接收终端产生的操作指令。
本发明的有益效果为:
(1)通过设置菇棚环境检测器,实时获取作物的生长环境信息并将监测到的当前生长环境信息存储,根据历史存储数据计算最优阈值并迭代优化得到标准生长环境信息;将当前生长环境信息与标准生长环境信息进行比对,根据比对结果驱动终端控制模块进行环境调节。
(2)通过设置菇棚生长环境监测分析系统,实时动态采集菇棚内环境信息,通过无线网络通讯将菇棚内设备连接至云平台,在线监测菇棚内环境,实现联动控制功能,支持自动、远程控制方式,实时显示并自动记录监测数据和设备工作状态,及时处理异常报警。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的一种菇棚生长环境监测分析系统的结构框图。
具体实施方式
为更进一步阐述本发明为实现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,对依据本发明的具体实施方式、结构、特征及其功效,详细说明如下。
请参阅图1,一种菇棚生长环境监测分析方法及系统,包括如下步骤:
S1:通过菇棚环境检测器实时获取当前时间段内棚温、料温、环境温度、二氧化碳浓度、湿度数据得到各类别待处理数据样本;
剔除所述待处理数据样本中重复次数超过10次的样本数据得到集成数据样本;
将所述集成数据样本从小到大排列得到偏度序列,计算离群检出值,计算公式为:
其中,b为离群检出值,n为偏度序列样本总数,i为样本计数,xi为偏度序列值,为偏度序列样本平均值;
从所述集成数据样本中剔除大于所述离群检出值的数据得到初始化数据参数;
为所述初始化数据参数添加时间映射整合为数据表,将所述数据表上传至内置数据库;
S2:动态更新所述内置数据库,预设时间步长与时域宽度,将所述数据表中相同时间步长内的数据参数进行融合得到数据插值,对所述时域宽度内的数据插值进行误差估计后得到重构误差,将所述数据插值和上述时间映射构建为多重参数时间序列;
S3:提取所述多重参数时间序列的统计特征,预设检测窗口大小,通过捕获两个相邻检测窗口中所述统计特征大小的变化得到时间变量矩阵,将所述时间变量矩阵发送至自动编码器,为各类别编码为位向量,将上述重构误差作为隐藏状态嵌入所述位向量中,通过解码器将所述位向量生成重构向量,通过所述重构向量重建时间序列得到重构时间序列;
S4:根据所述重构时间序列确定最优域宽系数,统计一周内的历史时段已存储的初始化数据参数,计算公式为:
其中,h为最优域宽系数,ny为历史样本数,i为样本计数,为历史样本数据平均值,yi为历史样本数据;
根据所述最优域宽系数确定初始阈值上限与初始阈值下限,通过超出阈值上限样本、在初始阈值范围内样本、低于阈值下限样本的概率密度函数计算阈值参数上限和阈值参数下限的误报率和漏报率,通过所述误报率和漏报率确定上限优化目标函数和下限优化目标函数,计算公式为:
F1(x)=Z2×P1×E(Tf)+Z3×P2×E(Tm),
F2(x)=Z2×P3×E(Tf)+Z1×P4×E(Tm),
其中,x为历史样本,F1为阈值上限,F2为阈值下限,Z2为超出初始阈值上限样本数,Z3为在预设阈值区间内样本数,Z1为低于初始阈值下限样本数,P1为阈值参数上限误报率,P2为阈值参数上限漏报率,P3为阈值参数下限误报率,P4为阈值参数下限漏报率,E(Tf)为误报一次时间损失的期望,E(Tm)为漏报一次时间损失的期望;
S5:判断实时获取的所述初始化数据参数是否超过所述阈值上限或低于所述阈值下限,是,则发送异常信息,否,则保存所述初始化数据参数。本实施例中,通过一个样本点周围的样本点所处位置的平均密度与该样本点所在位置的密度的比值来判定。设置相同的种子,使得每次生成的随机数相同,clf=LocalOutlierFactor(n_neighbors=20,algorithm='auto',contamination=0.1,n_jobs=-1,p=2)距离度量函数采用欧式距离,获取p距离的领域内每个点到中心点的距离,并从小到大排列,返回到clf.kneighbors(data)中,通过clf.decision_function(data)获取每个样本的检测值,再通过clf.predict(data)返回初始化数据参数。将初始化数据参数集看作时间序列,利用LSTM对控制系统中单个参数进行预测获得参数的预测误差,从而根据误差进行异常检测。定义控制系统中单参数的时间序列数据,通过LSTM-AE对多时间步长下的多维参数数据进行重建,首先利用控制系统的正常数据对模型进行训练,模型训练完成后计算训练数据的重构误差序列。得到控制系统正常数据的误差序列后,确定误差阈值。对误差的分布进行假设,然后利用特定分布对误差进行拟合,最终确定最优阈值的范围。
优选地,一种菇棚生长环境监测分析系统,包括数据采集模块、数据存储模块、环境分析模块、设备调控模块、终端控制模块;
所述数据采集模块用于采集菇棚内作物生长的环境数据参数,其中,所述菇棚内作物生长的环境数据参数包括棚温、料温、环境温度、二氧化碳浓度、湿度,并将所述环境数据参数传输至所述环境分析模块;
所述环境分析模块用于接收菇棚内作物生长的环境数据参数,并对所述环境数据参数进行环境监测分析,据此得到存储指令和预警指令,将存储指令发送到数据存储模块,将所述预警指令发送到设备管理模块;
所述数据存储模块用于将所述菇棚内作物生长的环境数据参数存储在数据存储区,所述数据存储区允许由所述环境分析模块和所述终端控制模块的调用指令访问;
所述设备调控模块用于接收所述环境分析模块的所述预警指令,并获取分析对象所对应的设备,对所述设备发送的信号进行综合分析处理得到调控信息,将所述调控信息发送至终端控制模块;
所述终端控制模块用于接收所述设备管理模块发送的调控信息,通过分析所述调控信息生成操作指令,根据所述操作指令调节控制单元。
具体地,所述环境分析模块具体运行过程包括:从所述数据存储模块中调用历史数据参数,通过所述环境监测分析方法生成环境判断阈值上限与阈值下限,判断实时获取的环境数据参数是否超出阈值范围,是,则发送报警指令至所述设备调控模块,否,则将所述环境数据参数存储至数据存储模块并发送安全指令至所述设备调控模块。
具体地,所述综合分析处理包括解析所述预警指令得到状态字段和位置字段,根据所述位置字段向所述数据存储模块发送调用指令得到位置信息,解析所述状态字段转化为状态信息,将所述状态信息和所述位置信息融合为调控信息。
具体地,所述终端控制模块具体包括信息传递单元、调控分析单元、控制单元、显示单元;所述信息传递单元用于传输所述数据存储模块和所述设备调控模块数据;调控分析单元用于分析显示单元和信息传递单元接收的数据生成操作指令;控制单元连接菇棚环境设备,并处理所述调控分析单元的操作指令;显示单元用于展示所述系统运行的内部数据,并接收终端产生的操作指令。
使用HTML+Java+Jsp+Android语言,以Spring Boot为核心框架,并融合Hadoop+Mapreduce+Spark分布式框架,数据库使用MySQL,采用Processon系统数据设计工具来实现。通过部署在大棚的数据采集装置进行数据采集,数据采集模块采用无线形式工作,集成各类传感器、4G通讯模块、太阳能供电设备。在采集数据时,太阳能和蓄电池负责为各组件提供电源,各类传感器自动采集各种数据,传感器先将采集的数据储存到其内置的数据库,然后传感器通过RS485接口与4GDTU模块通讯,4GDTU模块再将数据通过4G传输的方式传输到应用系统的服务器。在系统进行数据分析时,服务器首先将收到的数据分类保存,然后进行挖掘,再与系统中设定好的参数做数据比对、分析,最后将分析结果以信息和图形的方式展示到显示模块上。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭示如上,然而并非用以限定本发明,任何本领域技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (5)
1.一种菇棚生长环境监测分析方法,其特征在于,包括:
S1:通过菇棚环境检测器实时获取当前时间段内棚温、料温、环境温度、二氧化碳浓度、湿度数据得到各类别待处理数据样本;
剔除所述待处理数据样本中重复次数超过10次的样本数据得到集成数据样本;
将所述集成数据样本从小到大排列得到偏度序列,计算离群检出值,计算公式为:
其中,b为离群检出值,n为偏度序列样本总数,i为样本计数,xi为偏度序列值,为偏度序列样本平均值;
从所述集成数据样本中剔除大于所述离群检出值的数据得到初始化数据参数;
为所述初始化数据参数添加时间映射整合为数据表,将所述数据表上传至内置数据库;
S2:动态更新所述内置数据库,预设时间步长与时域宽度,将所述数据表中相同时间步长内的数据参数进行融合得到数据插值,对所述时域宽度内的数据插值进行误差估计后得到重构误差,将所述数据插值和上述时间映射构建为多重参数时间序列;
S3:提取所述多重参数时间序列的统计特征,预设检测窗口大小,通过捕获两个相邻检测窗口中所述统计特征大小的变化得到时间变量矩阵,将所述时间变量矩阵发送至自动编码器,为各类别编码为位向量,将上述重构误差作为隐藏状态嵌入所述位向量中,通过解码器将所述位向量生成重构向量,通过所述重构向量重建时间序列得到重构时间序列;
S4:根据所述重构时间序列确定最优域宽系数,统计一周内的历史时段已存储的初始化数据参数,计算公式为:
其中,h为最优域宽系数,ny为历史样本数,i为样本计数,为历史样本数据平均值,yi为历史样本数据;
根据所述最优域宽系数确定初始阈值上限与初始阈值下限,通过超出阈值上限样本、在初始阈值范围内样本、低于阈值下限样本的概率密度函数计算阈值参数上限和阈值参数下限的误报率和漏报率,通过所述误报率和漏报率确定上限优化目标函数和下限优化目标函数,计算公式为:
F1(x)=Z2×P1×E(Tf)+Z3×P2×E(Tm),
F2(x)=Z2×P3×E(Tf)+Z1×P4×E(Tm),
其中,x为历史样本,F1为阈值上限,F2为阈值下限,Z2为超出初始阈值上限样本数,Z3为在预设阈值区间内样本数,Z1为低于初始阈值下限样本数,P1为阈值参数上限误报率,P2为阈值参数上限漏报率,P3为阈值参数下限误报率,P4为阈值参数下限漏报率,E(Tf)为误报一次时间损失的期望,E(Tm)为漏报一次时间损失的期望;
S5:判断实时获取的所述初始化数据参数是否超过所述阈值上限或低于所述阈值下限,是,则发送异常信息,否,则保存所述初始化数据参数。
2.一种菇棚生长环境监测分析系统,用于执行如权利要求1所述的一种菇棚生长环境监测分析方法,其特征在于,包括数据采集模块、数据存储模块、环境分析模块、设备调控模块、终端控制模块;
所述数据采集模块用于采集菇棚内作物生长的环境数据参数,其中,所述菇棚内作物生长的环境数据参数包括棚温、料温、环境温度、二氧化碳浓度、湿度,并将所述环境数据参数传输至所述环境分析模块;
所述环境分析模块用于接收菇棚内作物生长的环境数据参数,并对所述环境数据参数进行环境监测分析,据此得到存储指令和预警指令,将存储指令发送到数据存储模块,将所述预警指令发送到设备管理模块;
所述数据存储模块用于将所述菇棚内作物生长的环境数据参数存储在数据存储区,所述数据存储区允许由所述环境分析模块和所述终端控制模块的调用指令访问;
所述设备调控模块用于接收所述环境分析模块的所述预警指令,并获取分析对象所对应的设备,对所述设备发送的信号进行综合分析处理得到调控信息,将所述调控信息发送至终端控制模块;
所述终端控制模块用于接收所述设备管理模块发送的调控信息,通过分析所述调控信息生成操作指令,根据所述操作指令调节控制单元。
3.根据权利要求2所述的一种菇棚生长环境监测分析系统,其特征在于,所述环境分析模块具体运行过程包括:
从所述数据存储模块中调用历史数据参数,通过所述环境监测分析方法生成环境判断阈值上限与阈值下限,判断实时获取的环境数据参数是否超出阈值范围,是,则发送报警指令至所述设备调控模块,否,则将所述环境数据参数存储至数据存储模块并发送安全指令至所述设备调控模块。
4.根据权利要求2所述的一种菇棚生长环境监测分析系统,其特征在于,所述综合分析处理包括:解析所述预警指令得到状态字段和位置字段,根据所述位置字段向所述数据存储模块发送调用指令得到位置信息,解析所述状态字段转化为状态信息,将所述状态信息和所述位置信息融合为调控信息。
5.根据权利要求2所述的一种菇棚生长环境监测分析系统,其特征在于,所述终端控制模块具体包括信息传递单元、调控分析单元、控制单元、显示单元;
所述信息传递单元用于传输所述数据存储模块和所述设备调控模块数据;调控分析单元用于分析显示单元和信息传递单元接收的数据生成操作指令;控制单元连接菇棚环境设备,并处理所述调控分析单元的操作指令;
显示单元用于展示所述系统运行的内部数据,并接收终端产生的操作指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311429354.3A CN117470306B (zh) | 2023-10-31 | 2023-10-31 | 一种菇棚生长环境监测分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311429354.3A CN117470306B (zh) | 2023-10-31 | 2023-10-31 | 一种菇棚生长环境监测分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117470306A CN117470306A (zh) | 2024-01-30 |
CN117470306B true CN117470306B (zh) | 2024-04-02 |
Family
ID=89626906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311429354.3A Active CN117470306B (zh) | 2023-10-31 | 2023-10-31 | 一种菇棚生长环境监测分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117470306B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107844149A (zh) * | 2017-09-02 | 2018-03-27 | 孟旭 | 一种基于物联网的温室智能检测系统 |
CN107992136A (zh) * | 2017-12-28 | 2018-05-04 | 福建省科技厅农牧业科研中试中心 | 一种蘑菇栽培环境智能监测预警与调控系统 |
CN110435634A (zh) * | 2019-08-29 | 2019-11-12 | 吉林大学 | 一种基于缩小soc可行域的随机动态规划能量管理策略优化方法 |
WO2019245122A1 (ko) * | 2018-06-21 | 2019-12-26 | 주식회사 에스에스엘 | 아이오티 기반 온실 내 작물 생육상태 실시간 모니터링 시스템 |
CN112762972A (zh) * | 2021-02-01 | 2021-05-07 | 中国农业科学院农业资源与农业区划研究所 | 一种用于环境监测的移动推车及其控制系统、控制方法 |
KR20210074509A (ko) * | 2019-12-12 | 2021-06-22 | 대한민국(농촌진흥청장) | 클라우드 기반 실시간 온실 환경 의사결정지원 서버 및 이를 이용한 실시간 온실 환경 의사결정지원 시스템 |
CN113138865A (zh) * | 2020-08-10 | 2021-07-20 | 西安天和防务技术股份有限公司 | 环境监测方法、系统、平台以及存储介质 |
CN114567860A (zh) * | 2021-11-12 | 2022-05-31 | 山东农业大学 | 一种基于北斗报文通讯的菇棚智能监测控制方法和系统 |
CN114969068A (zh) * | 2022-05-06 | 2022-08-30 | 清华大学合肥公共安全研究院 | 城市压力管网实时流量监测数据分析方法及系统 |
US11758887B1 (en) * | 2022-08-10 | 2023-09-19 | China Agricultural University | Method, system and apparatus for intelligently monitoring aquafarm with multi-dimensional panoramic perception |
CN116843085A (zh) * | 2023-08-29 | 2023-10-03 | 深圳市明心数智科技有限公司 | 淡水鱼生长监控方法、装置、设备及存储介质 |
-
2023
- 2023-10-31 CN CN202311429354.3A patent/CN117470306B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107844149A (zh) * | 2017-09-02 | 2018-03-27 | 孟旭 | 一种基于物联网的温室智能检测系统 |
CN107992136A (zh) * | 2017-12-28 | 2018-05-04 | 福建省科技厅农牧业科研中试中心 | 一种蘑菇栽培环境智能监测预警与调控系统 |
WO2019245122A1 (ko) * | 2018-06-21 | 2019-12-26 | 주식회사 에스에스엘 | 아이오티 기반 온실 내 작물 생육상태 실시간 모니터링 시스템 |
CN110435634A (zh) * | 2019-08-29 | 2019-11-12 | 吉林大学 | 一种基于缩小soc可行域的随机动态规划能量管理策略优化方法 |
KR20210074509A (ko) * | 2019-12-12 | 2021-06-22 | 대한민국(농촌진흥청장) | 클라우드 기반 실시간 온실 환경 의사결정지원 서버 및 이를 이용한 실시간 온실 환경 의사결정지원 시스템 |
CN113138865A (zh) * | 2020-08-10 | 2021-07-20 | 西安天和防务技术股份有限公司 | 环境监测方法、系统、平台以及存储介质 |
CN112762972A (zh) * | 2021-02-01 | 2021-05-07 | 中国农业科学院农业资源与农业区划研究所 | 一种用于环境监测的移动推车及其控制系统、控制方法 |
CN114567860A (zh) * | 2021-11-12 | 2022-05-31 | 山东农业大学 | 一种基于北斗报文通讯的菇棚智能监测控制方法和系统 |
CN114969068A (zh) * | 2022-05-06 | 2022-08-30 | 清华大学合肥公共安全研究院 | 城市压力管网实时流量监测数据分析方法及系统 |
US11758887B1 (en) * | 2022-08-10 | 2023-09-19 | China Agricultural University | Method, system and apparatus for intelligently monitoring aquafarm with multi-dimensional panoramic perception |
CN116843085A (zh) * | 2023-08-29 | 2023-10-03 | 深圳市明心数智科技有限公司 | 淡水鱼生长监控方法、装置、设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
基于物联网技术的温室大棚智能管理系统构建;梁瑞华;;河南农业大学学报;20160615(第03期);全文 * |
基于物联网技术的温室智能化无线远程监控管理系统设计;旭日;李占平;;电脑编程技巧与维护;20170418(第08期);全文 * |
宁夏南部山区杏鲍菇温室环境远程监控系统设计;谢翠芳;邢坤;宁晓光;朱学军;;农机化研究;20140301(第03期);全文 * |
海鲜菇栽培环境因子监控系统设计;白雪萍;赵丽;田鑫;朱学军;;中国农机化学报;20160515(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117470306A (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111460990B (zh) | 一种基于大数据的高寒牧区草原虫害监测预警系统及方法 | |
KR102369167B1 (ko) | 머신러닝을 이용한 지능형 스마트팜 운영 시스템 | |
CN111126662B (zh) | 基于大数据的灌溉决策制定方法、装置、服务器和介质 | |
CN114297907A (zh) | 温室环境空间分布预测方法及装置 | |
CN113273449A (zh) | 用于日光温室精准监测的数字孪生体构造方法 | |
CN110687619B (zh) | 一种用于农田气象站的气象数据校验方法及系统 | |
Carlos et al. | Monitoring system of environmental variables for a strawberry crop using IoT tools | |
Murugamani et al. | Machine learning technique for precision agriculture applications in 5G-based internet of things | |
CN110069032A (zh) | 一种基于小波神经网络的茄子温室环境智能检测系统 | |
NO20210919A1 (en) | Systems and methods for predicting growth of a population of organisms | |
CN112465109A (zh) | 一种基于云边协同的农业大棚控制装置 | |
Nyakuri et al. | IoT and AI based smart soil quality assessment for data-driven irrigation and fertilization | |
CN117470306B (zh) | 一种菇棚生长环境监测分析方法及系统 | |
WO2020228568A1 (zh) | 训练光伏电站发电量预测模型的方法、光伏电站发电量预测方法和装置、训练系统和预测系统及存储介质 | |
KR20210149623A (ko) | Vr 기반의 실감형 스마트팜 연구 시스템 | |
KR102387765B1 (ko) | 작물의 생육량 예측 방법 및 장치 | |
CN112019607A (zh) | 基于可视化云平台的智慧农场综合控制方法及系统 | |
CN116645232A (zh) | 一种农业栽培智慧管理系统 | |
CN115442405A (zh) | 一种智慧农业生产管理服务系统 | |
US20220079125A1 (en) | Holding Tank Monitoring System Based On Wireless Sensor Network And Monitoring Method | |
Zhou et al. | A data-secured intelligent IoT system for agricultural environment monitoring | |
Wang et al. | Image detection system based on smart sensor network and ecological economy in the context of fine agriculture | |
Suciu et al. | IoT and energy efficiency for smart agriculture using adcon telemetry devices | |
CA3127938A1 (en) | Holding tank monitoring system based on wireless sensor network and monitoring method | |
KR102457824B1 (ko) | 스마트팜 데이터셋 유효성 검증을 위한 수집 데이터 선별 장치 및 그 방법 |
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 |