CN118077558A - 基于自动灌溉管理的云计算服务系统 - Google Patents
基于自动灌溉管理的云计算服务系统 Download PDFInfo
- Publication number
- CN118077558A CN118077558A CN202410305103.2A CN202410305103A CN118077558A CN 118077558 A CN118077558 A CN 118077558A CN 202410305103 A CN202410305103 A CN 202410305103A CN 118077558 A CN118077558 A CN 118077558A
- Authority
- CN
- China
- Prior art keywords
- soil
- time interval
- farmland
- acquisition device
- intelligent analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003973 irrigation Methods 0.000 title claims abstract description 57
- 230000002262 irrigation Effects 0.000 title claims abstract description 57
- 239000002689 soil Substances 0.000 claims abstract description 237
- 230000000875 corresponding effect Effects 0.000 claims description 44
- 238000003384 imaging method Methods 0.000 claims description 32
- 238000010276 construction Methods 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 5
- 230000010355 oscillation Effects 0.000 claims description 4
- 239000010453 quartz Substances 0.000 claims description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 9
- 238000012216 screening Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于自动灌溉管理的云计算服务系统，包括：智能分析机构，由云计算服务网元来实现，用于采用智能分析模型基于农田土壤区域的针对性筛选的各项基础数据智能分析农田土壤区域在当前时间区间内的平均土壤湿度以及平均土壤温度；策略定制机构，用于基于平均土壤湿度以及平均土壤温度确定在当前时间区间的自动灌溉策略。本发明的基于自动灌溉管理的云计算服务系统结构紧凑、运行智能。由于能够采用定制结构的智能分析模式基于针对性筛选的各项基础数据对未来时间区间内的设定农田区域的各个环境信息进行可靠预测，从而不需要各类传感器即可完成对设定农田区域的各个环境信息的捕获和采集以及自动灌溉策略的动态定制。
Description
技术领域
本发明涉及自动灌溉领域，尤其涉及一种基于自动灌溉管理的云计算服务系统。
背景技术
自动灌溉系统是一种能够自动执行灌溉任务的设备，通过传感器、控制器等设备，自动感知土壤湿度、水源温度等信息，从而自动选择适当的灌溉方式和时间，节约人力成本，提高水资源利用效率。自动灌溉系统需要配备各种传感器和控制器，用于感知土壤湿度、水源温度等环境信息。传感器的选择需要根据具体的应用场景进行选择，一般来说，传感器的可靠性、精度和成本都是需要考虑的因素。控制器的选择需要根据传感器的输出信号进行选择，一般来说，控制器需要能够对传感器输出信号进行放大、滤波、采样、计算等处理，以实现自动化灌溉。
由此可见，为了保证对农田灌溉的自动进行，需要对每一时刻的各个环境信息采用多种类型的传感器进行现场捕获和采集，显然，这种数据处理模式是带有滞后性的，现场捕获和采集各个环境信息的时间与执行自动灌溉的时间是不一致的，后者晚于前者，同时，多种类型的传感器进行各自的捕获和采集信号的放大、滤波、采样、计算等处理，再用于后续的自动灌溉的控制，这种捕获和采集模式费时费力且需要大量的物理设施。
发明内容
为了解决相关领域的技术问题，本发明提供了一种基于自动灌溉管理的云计算服务系统，能够采用定制结构的智能分析模式基于针对性筛选的各项基础数据对未来时间区间内的设定农田区域的各个环境信息进行可靠预测，从而不需要多种类型的传感器进行各自的捕获和采集信号的放大、滤波、采样、计算等处理，即可完成对设定农田区域的各个环境信息的捕获和采集，并定制自适应的自动灌溉策略，从而提升了农田区域灌溉的自动化水平和智能化水平。
根据本发明，提供了一种基于自动灌溉管理的云计算服务系统，所述系统包括：
第一采集器件，用于针对待执行自动灌溉的整块农田土壤区域获取所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息，所述当前时间区间以当前时刻为起点；
第二采集器件，用于获取采用俯拍摄像机构在当前时刻对所述农田土壤区域拍摄的实时俯拍画面，并基于所述农田土壤区域的外形成像特征从所述实时俯拍画面中分割出农田成像子画面，所述俯拍摄像机构设置在所述农田土壤区域的中心位置的正上方且悬挂高度等于设定拍摄高度；
模型构建器件，用于对前馈神经网络执行多次训练以获得智能分析模型，所述前馈神经网络执行的多次训练对应的训练总次数与所述农田土壤区域的占地面积正向关联；
智能分析机构，由云计算服务网元来实现，分别与所述第一采集器件、所述第二采集器件以及所述模型构建器件连接，用于将所述农田土壤区域的多项配置信息、所述设定拍摄高度、所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息以及所述农田成像子画面的各个像素点分别对应的各份像素值同步输入到所述智能分析模型，并运行所述智能分析模型，以获得所述智能分析模型输出的所述农田土壤区域在当前时间区间内的平均土壤湿度以及平均土壤温度，并分别作为参考土壤湿度和参考土壤温度输出；
策略定制机构，与所述智能分析机构连接，用于基于所述参考土壤湿度和所述参考土壤温度确定在当前时间区间执行的针对所述农田土壤区域的自动灌溉策略；
其中，基于所述参考土壤湿度和所述参考土壤温度确定在当前时间区间执行的针对所述农田土壤区域的自动灌溉策略包括：所述参考土壤湿度越高，单位时间自动灌溉的水量越少，所述参考土壤温度越高，自动灌溉的水体的水温越低；
其中，将所述农田土壤区域的多项配置信息、所述设定拍摄高度、所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息以及所述农田成像子画面的各个像素点分别对应的各份像素值同步输入到所述智能分析模型，并运行所述智能分析模型，以获得所述智能分析模型输出的所述农田土壤区域在当前时间区间内的平均土壤湿度以及平均土壤温度，并分别作为参考土壤湿度和参考土壤温度输出包括：所述农田土壤区域的多项配置信息包括所述农田土壤区域的占地面积、最大宽度、最大长度以及单位体积含水量，以及每一个像素点对应的像素值为所述像素点在YUV空间下的色调分量数值、亮度分量数值和饱和度分量数值；
其中，针对待执行自动灌溉的整块农田土壤区域获取所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息包括：每一个历史时间区间对应的单份土壤信息包括所述农田土壤区域在所述历史时间区间内的平均土壤湿度以及平均土壤温度。
因此，本发明具备了以下几处突出的技术效果：
(1)为待执行自动灌溉的整块农田土壤区域智能分析所述农田土壤区域在当前时间区间内的平均土壤湿度以及平均土壤温度，以分别作为参考土壤湿度和参考土壤温度，基于所述参考土壤湿度和所述参考土壤温度确定在当前时间区间执行的针对所述农田土壤区域的自动灌溉策略，其中，所述参考土壤湿度越高，单位时间自动灌溉的水量越少，所述参考土壤温度越高，自动灌溉的水体的水温越低，从而自适应满足不同条件下的农田土壤的灌溉需求；
(2)引入定制结构设计的智能分析模型用于执行农田土壤区域在当前时间区间内的平均土壤湿度以及平均土壤温度的智能分析，其中，所述智能分析模型的结构定制表现在，所述智能分析模型为经过多次训练后的前馈神经网络，且所述前馈神经网络执行的多次训练对应的训练总次数与所述农田土壤区域的占地面积正向关联；
(3)为了保证智能分析结果的可靠性和稳定性，为智能分析模型针对性筛选了各项基础数据，具体包括农田土壤区域的多项配置信息、设定拍摄高度、农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息以及农田成像子画面的各个像素点分别对应的各份像素值。
本发明的基于自动灌溉管理的云计算服务系统结构紧凑、运行智能。由于能够采用定制结构的智能分析模式基于针对性筛选的各项基础数据对未来时间区间内的设定农田区域的各个环境信息进行可靠预测，从而不需要多种类型的传感器即可完成对设定农田区域的各个环境信息的捕获和采集以及后续的自适应的自动灌溉策略的动态定制。
附图说明
以下将结合附图对本发明的实施例进行描述。
图1为根据本发明实施例一示出的基于自动灌溉管理的云计算服务系统的结构方框图。
图2为根据本发明实施例二示出的基于自动灌溉管理的云计算服务系统的结构方框图。
图3为根据本发明实施例三示出的基于自动灌溉管理的云计算服务系统的结构方框图。
具体实施方式
下面将参照附图对本发明的基于自动灌溉管理的云计算服务系统的实施例进行详细说明。
实施例一
图1为根据本发明实施例一示出的基于自动灌溉管理的云计算服务系统的结构方框图，所述系统包括：
第一采集器件，用于针对待执行自动灌溉的整块农田土壤区域获取所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息，所述当前时间区间以当前时刻为起点；
第二采集器件，用于获取采用俯拍摄像机构在当前时刻对所述农田土壤区域拍摄的实时俯拍画面，并基于所述农田土壤区域的外形成像特征从所述实时俯拍画面中分割出农田成像子画面，所述俯拍摄像机构设置在所述农田土壤区域的中心位置的正上方且悬挂高度等于设定拍摄高度；
示例的，可以选择分别采用不同型号的CPLD器件来实现所述第一采集器件以及所述第二采集器件；
具体的，可以选择分别采用不同型号的CPLD器件来实现所述第一采集器件以及所述第二采集器件包括：基于VHDL语言对分别采用不同型号的CPLD器件进行编程和设计；
模型构建器件，用于对前馈神经网络执行多次训练以获得智能分析模型，所述前馈神经网络执行的多次训练对应的训练总次数与所述农田土壤区域的占地面积正向关联；
智能分析机构，由云计算服务网元来实现，分别与所述第一采集器件、所述第二采集器件以及所述模型构建器件连接，用于将所述农田土壤区域的多项配置信息、所述设定拍摄高度、所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息以及所述农田成像子画面的各个像素点分别对应的各份像素值同步输入到所述智能分析模型，并运行所述智能分析模型，以获得所述智能分析模型输出的所述农田土壤区域在当前时间区间内的平均土壤湿度以及平均土壤温度，并分别作为参考土壤湿度和参考土壤温度输出；
策略定制机构，与所述智能分析机构连接，用于基于所述参考土壤湿度和所述参考土壤温度确定在当前时间区间执行的针对所述农田土壤区域的自动灌溉策略；
其中，基于所述参考土壤湿度和所述参考土壤温度确定在当前时间区间执行的针对所述农田土壤区域的自动灌溉策略包括：所述参考土壤湿度越高，单位时间自动灌溉的水量越少，所述参考土壤温度越高，自动灌溉的水体的水温越低；
其中，将所述农田土壤区域的多项配置信息、所述设定拍摄高度、所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息以及所述农田成像子画面的各个像素点分别对应的各份像素值同步输入到所述智能分析模型，并运行所述智能分析模型，以获得所述智能分析模型输出的所述农田土壤区域在当前时间区间内的平均土壤湿度以及平均土壤温度，并分别作为参考土壤湿度和参考土壤温度输出包括：所述农田土壤区域的多项配置信息包括所述农田土壤区域的占地面积、最大宽度、最大长度以及单位体积含水量，以及每一个像素点对应的像素值为所述像素点在YUV空间下的色调分量数值、亮度分量数值和饱和度分量数值；
其中，针对待执行自动灌溉的整块农田土壤区域获取所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息包括：每一个历史时间区间对应的单份土壤信息包括所述农田土壤区域在所述历史时间区间内的平均土壤湿度以及平均土壤温度；
其中，每一个历史时间区间对应的单份土壤信息包括所述农田土壤区域在所述历史时间区间内的平均土壤湿度以及平均土壤温度包括：所述农田土壤区域在所述历史时间区间内的平均土壤湿度为所述农田土壤区域在所述历史时间区间内间隔均匀的各个时刻分别对应的各份已测土壤湿度的算术平均值，所述农田土壤区域在所述历史时间区间内的平均土壤温度为所述农田土壤区域在所述历史时间区间内间隔均匀的各个时刻分别对应的各份已测土壤温度的算术平均值；
其中，针对待执行自动灌溉的整块农田土壤区域获取所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息还包括：当前时间区间之前各个历史时间区间与当前时间区间在时间轴上共同组成一个完整的时间分段。
实施例二
图2为根据本发明实施例二示出的基于自动灌溉管理的云计算服务系统的结构方框图，图2中的基于自动灌溉管理的云计算服务系统可以包括：
第一采集器件，用于针对待执行自动灌溉的整块农田土壤区域获取所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息，所述当前时间区间以当前时刻为起点；
第二采集器件，用于获取采用俯拍摄像机构在当前时刻对所述农田土壤区域拍摄的实时俯拍画面，并基于所述农田土壤区域的外形成像特征从所述实时俯拍画面中分割出农田成像子画面，所述俯拍摄像机构设置在所述农田土壤区域的中心位置的正上方且悬挂高度等于设定拍摄高度；
模型构建器件，用于对前馈神经网络执行多次训练以获得智能分析模型，所述前馈神经网络执行的多次训练对应的训练总次数与所述农田土壤区域的占地面积正向关联；
智能分析机构，由云计算服务网元来实现，分别与所述第一采集器件、所述第二采集器件以及所述模型构建器件连接，用于将所述农田土壤区域的多项配置信息、所述设定拍摄高度、所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息以及所述农田成像子画面的各个像素点分别对应的各份像素值同步输入到所述智能分析模型，并运行所述智能分析模型，以获得所述智能分析模型输出的所述农田土壤区域在当前时间区间内的平均土壤湿度以及平均土壤温度，并分别作为参考土壤湿度和参考土壤温度输出；
策略定制机构，与所述智能分析机构连接，用于基于所述参考土壤湿度和所述参考土壤温度确定在当前时间区间执行的针对所述农田土壤区域的自动灌溉策略；
并行数据接口，用于供所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别连接，以分别从所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构处接收数据，并将来自并行数据总线的并行数据分别发送给所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构；
其中，并行数据接口，用于供所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别连接，以分别从所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构处接收数据，并将来自并行数据总线的并行数据分别发送给所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构包括：所述并行数据总线为16位并行数据总线和32并行数据总线中的一种。
实施例三
图3为根据本发明实施例三示出的基于自动灌溉管理的云计算服务系统的结构方框图，图3中的基于自动灌溉管理的云计算服务系统可以包括：
第一采集器件，用于针对待执行自动灌溉的整块农田土壤区域获取所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息，所述当前时间区间以当前时刻为起点；
第二采集器件，用于获取采用俯拍摄像机构在当前时刻对所述农田土壤区域拍摄的实时俯拍画面，并基于所述农田土壤区域的外形成像特征从所述实时俯拍画面中分割出农田成像子画面，所述俯拍摄像机构设置在所述农田土壤区域的中心位置的正上方且悬挂高度等于设定拍摄高度；
模型构建器件，用于对前馈神经网络执行多次训练以获得智能分析模型，所述前馈神经网络执行的多次训练对应的训练总次数与所述农田土壤区域的占地面积正向关联；
智能分析机构，由云计算服务网元来实现，分别与所述第一采集器件、所述第二采集器件以及所述模型构建器件连接，用于将所述农田土壤区域的多项配置信息、所述设定拍摄高度、所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息以及所述农田成像子画面的各个像素点分别对应的各份像素值同步输入到所述智能分析模型，并运行所述智能分析模型，以获得所述智能分析模型输出的所述农田土壤区域在当前时间区间内的平均土壤湿度以及平均土壤温度，并分别作为参考土壤湿度和参考土壤温度输出；
策略定制机构，与所述智能分析机构连接，用于基于所述参考土壤湿度和所述参考土壤温度确定在当前时间区间执行的针对所述农田土壤区域的自动灌溉策略；
用户控制接口，分别与所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构连接，用于接收用户分别对所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构的控制指令。
接着，继续对本发明的基于自动灌溉管理的云计算服务系统的具体结构进行进一步的说明。
在根据本发明的各个实施例的基于自动灌溉管理的云计算服务系统中：
所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构与同一石英振荡设备连接，用于获取所述石英振荡设备提供的时序数据，以及所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别与同一内容存储芯片连接，所述内容存储芯片为FLASH闪存、SDRAM存储芯片以及DDR存储芯片中的一种。
在根据本发明的各个实施例的基于自动灌溉管理的云计算服务系统中：
所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别与同一IIC控制总线连接，用于接收所述IIC控制总线发送的各种控制命令，所述各种控制命令用于分别配置所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构的各个工作参数；
其中，所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别与所述IIC控制总线连接，用于接收通过所述IIC控制总线发送的各项控制指令。
以及在根据本发明的各个实施例的基于自动灌溉管理的云计算服务系统中：
所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别与同一MCU控制器连接，用于在所述同一MCU控制器的控制下，所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别在休眠模式和工作模式之间切换；
其中，所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别与同一MCU控制器连接，用于在所述同一MCU控制器的控制下，所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别在休眠模式和工作模式之间切换包括：所述同一MCU控制器基于ARM13内核设计。
另外，在所述基于自动灌溉管理的云计算服务系统中，获取采用俯拍摄像机构在当前时刻对所述农田土壤区域拍摄的实时俯拍画面，并基于所述农田土壤区域的外形成像特征从所述实时俯拍画面中分割出农田成像子画面，所述俯拍摄像机构设置在所述农田土壤区域的中心位置的正上方且悬挂高度等于设定拍摄高度包括：所述农田土壤区域的外形成像特征为所述农田土壤区域的边缘构成的几何形状。
这里虽参照附图详述了本发明的具体实施方式，但应理解，本发明不限于这些精密的实施例，它们不准备把本发明穷举或限于所揭示的精密形式，因而众多修正与变化是显而易见的。
Claims (9)
1.一种基于自动灌溉管理的云计算服务系统，其特征在于，所述系统包括：
第一采集器件，用于针对待执行自动灌溉的整块农田土壤区域获取所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息，所述当前时间区间以当前时刻为起点；
第二采集器件，用于获取采用俯拍摄像机构在当前时刻对所述农田土壤区域拍摄的实时俯拍画面，并基于所述农田土壤区域的外形成像特征从所述实时俯拍画面中分割出农田成像子画面，所述俯拍摄像机构设置在所述农田土壤区域的中心位置的正上方且悬挂高度等于设定拍摄高度；
模型构建器件，用于对前馈神经网络执行多次训练以获得智能分析模型，所述前馈神经网络执行的多次训练对应的训练总次数与所述农田土壤区域的占地面积正向关联；
智能分析机构，由云计算服务网元来实现，分别与所述第一采集器件、所述第二采集器件以及所述模型构建器件连接，用于将所述农田土壤区域的多项配置信息、所述设定拍摄高度、所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息以及所述农田成像子画面的各个像素点分别对应的各份像素值同步输入到所述智能分析模型，并运行所述智能分析模型，以获得所述智能分析模型输出的所述农田土壤区域在当前时间区间内的平均土壤湿度以及平均土壤温度，并分别作为参考土壤湿度和参考土壤温度输出；
策略定制机构，与所述智能分析机构连接，用于基于所述参考土壤湿度和所述参考土壤温度确定在当前时间区间执行的针对所述农田土壤区域的自动灌溉策略；
其中，基于所述参考土壤湿度和所述参考土壤温度确定在当前时间区间执行的针对所述农田土壤区域的自动灌溉策略包括：所述参考土壤湿度越高，单位时间自动灌溉的水量越少，所述参考土壤温度越高，自动灌溉的水体的水温越低；
其中，将所述农田土壤区域的多项配置信息、所述设定拍摄高度、所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息以及所述农田成像子画面的各个像素点分别对应的各份像素值同步输入到所述智能分析模型，并运行所述智能分析模型，以获得所述智能分析模型输出的所述农田土壤区域在当前时间区间内的平均土壤湿度以及平均土壤温度，并分别作为参考土壤湿度和参考土壤温度输出包括：所述农田土壤区域的多项配置信息包括所述农田土壤区域的占地面积、最大宽度、最大长度以及单位体积含水量，以及每一个像素点对应的像素值为所述像素点在YUV空间下的色调分量数值、亮度分量数值和饱和度分量数值；
其中，针对待执行自动灌溉的整块农田土壤区域获取所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息包括：每一个历史时间区间对应的单份土壤信息包括所述农田土壤区域在所述历史时间区间内的平均土壤湿度以及平均土壤温度。
2.如权利要求1所述的基于自动灌溉管理的云计算服务系统，其特征在于：
每一个历史时间区间对应的单份土壤信息包括所述农田土壤区域在所述历史时间区间内的平均土壤湿度以及平均土壤温度包括：所述农田土壤区域在所述历史时间区间内的平均土壤湿度为所述农田土壤区域在所述历史时间区间内间隔均匀的各个时刻分别对应的各份已测土壤湿度的算术平均值，所述农田土壤区域在所述历史时间区间内的平均土壤温度为所述农田土壤区域在所述历史时间区间内间隔均匀的各个时刻分别对应的各份已测土壤温度的算术平均值；
其中，针对待执行自动灌溉的整块农田土壤区域获取所述农田土壤区域在当前时间区间之前各个历史时间区间分别对应的各份土壤信息还包括：当前时间区间之前各个历史时间区间与当前时间区间在时间轴上共同组成一个完整的时间分段。
3.如权利要求2所述的基于自动灌溉管理的云计算服务系统，其特征在于，所述系统还包括：
并行数据接口，用于供所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别连接，以分别从所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构处接收数据，并将来自并行数据总线的并行数据分别发送给所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构；
其中，并行数据接口，用于供所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别连接，以分别从所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构处接收数据，并将来自并行数据总线的并行数据分别发送给所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构包括：所述并行数据总线为16位并行数据总线和32并行数据总线中的一种。
4.如权利要求3所述的基于自动灌溉管理的云计算服务系统，其特征在于，所述系统还包括：
用户控制接口，分别与所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构连接，用于接收用户分别对所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构的控制指令。
5.如权利要求2-4任一所述的基于自动灌溉管理的云计算服务系统，其特征在于：
所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构与同一石英振荡设备连接，用于获取所述石英振荡设备提供的时序数据，以及所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别与同一内容存储芯片连接，所述内容存储芯片为FLASH闪存、SDRAM存储芯片以及DDR存储芯片中的一种。
6.如权利要求2-4任一所述的基于自动灌溉管理的云计算服务系统，其特征在于：
所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别与同一IIC控制总线连接，用于接收所述IIC控制总线发送的各种控制命令，所述各种控制命令用于分别配置所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构的各个工作参数。
7.如权利要求6所述的基于自动灌溉管理的云计算服务系统，其特征在于：
所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别与所述IIC控制总线连接，用于接收通过所述IIC控制总线发送的各项控制指令。
8.如权利要求2-4任一所述的基于自动灌溉管理的云计算服务系统，其特征在于：
所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别与同一MCU控制器连接，用于在所述同一MCU控制器的控制下，所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别在休眠模式和工作模式之间切换。
9.如权利要求8所述的基于自动灌溉管理的云计算服务系统，其特征在于：
所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别与同一MCU控制器连接，用于在所述同一MCU控制器的控制下，所述第一采集器件、所述第二采集器件、所述模型构建器件以及所述智能分析机构分别在休眠模式和工作模式之间切换包括：所述同一MCU控制器基于ARM13内核设计。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410305103.2A CN118077558A (zh) | 2024-03-18 | 2024-03-18 | 基于自动灌溉管理的云计算服务系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410305103.2A CN118077558A (zh) | 2024-03-18 | 2024-03-18 | 基于自动灌溉管理的云计算服务系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118077558A true CN118077558A (zh) | 2024-05-28 |
Family
ID=91148814
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410305103.2A Pending CN118077558A (zh) | 2024-03-18 | 2024-03-18 | 基于自动灌溉管理的云计算服务系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118077558A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110719336A (zh) * | 2019-10-21 | 2020-01-21 | 江苏省农业科学院 | 一种基于物联网的灌溉用水分析监控系统 |
| KR20200112342A (ko) * | 2019-03-22 | 2020-10-05 | 주식회사 업데이터 | 디지털 트윈 기반의 지능형 원격농장 시스템 및 방법 |
| CN113039915A (zh) * | 2021-03-30 | 2021-06-29 | 中慧高芯技术(山东)有限公司 | 一种基于物联网和数据计算分析的农田灌溉系统及方法 |
| KR20220001514U (ko) * | 2020-12-18 | 2022-06-27 | 대한민국(농촌진흥청장) | 아날로그식 자동 관수 관비 시스템 |
| CN115530054A (zh) * | 2022-10-12 | 2022-12-30 | 河北省科学院应用数学研究所 | 灌溉控制方法、装置、电子设备及存储介质 |
| CN115623975A (zh) * | 2022-11-25 | 2023-01-20 | 中科明睿(天津)科技有限公司 | 一种智能化农田水利灌溉用管控系统及使用方法 |
| CN115804334A (zh) * | 2022-11-28 | 2023-03-17 | 江苏大学 | 一种基于数字孪生的农田灌溉智慧决策系统 |
| CN116806515A (zh) * | 2023-07-26 | 2023-09-29 | 宁波市农业技术推广总站 | 一种智慧水肥一体化灌溉方法及系统 |
| CN116957141A (zh) * | 2023-06-30 | 2023-10-27 | 宁波市产城生态建设集团有限公司 | 一种基于Transformer模型的智能灌溉预测方法及系统 |
| CN116975789A (zh) * | 2023-09-21 | 2023-10-31 | 北京建工环境修复股份有限公司 | 一种基于大数据的农田场地智能分析方法、系统及介质 |
| CN117694220A (zh) * | 2024-01-30 | 2024-03-15 | 华港龙生物科技(广州)有限公司 | 基于图像分析的农业灌溉策略解析系统 |
-
2024
- 2024-03-18 CN CN202410305103.2A patent/CN118077558A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200112342A (ko) * | 2019-03-22 | 2020-10-05 | 주식회사 업데이터 | 디지털 트윈 기반의 지능형 원격농장 시스템 및 방법 |
| CN110719336A (zh) * | 2019-10-21 | 2020-01-21 | 江苏省农业科学院 | 一种基于物联网的灌溉用水分析监控系统 |
| KR20220001514U (ko) * | 2020-12-18 | 2022-06-27 | 대한민국(농촌진흥청장) | 아날로그식 자동 관수 관비 시스템 |
| CN113039915A (zh) * | 2021-03-30 | 2021-06-29 | 中慧高芯技术(山东)有限公司 | 一种基于物联网和数据计算分析的农田灌溉系统及方法 |
| CN115530054A (zh) * | 2022-10-12 | 2022-12-30 | 河北省科学院应用数学研究所 | 灌溉控制方法、装置、电子设备及存储介质 |
| CN115623975A (zh) * | 2022-11-25 | 2023-01-20 | 中科明睿(天津)科技有限公司 | 一种智能化农田水利灌溉用管控系统及使用方法 |
| CN115804334A (zh) * | 2022-11-28 | 2023-03-17 | 江苏大学 | 一种基于数字孪生的农田灌溉智慧决策系统 |
| CN116957141A (zh) * | 2023-06-30 | 2023-10-27 | 宁波市产城生态建设集团有限公司 | 一种基于Transformer模型的智能灌溉预测方法及系统 |
| CN116806515A (zh) * | 2023-07-26 | 2023-09-29 | 宁波市农业技术推广总站 | 一种智慧水肥一体化灌溉方法及系统 |
| CN116975789A (zh) * | 2023-09-21 | 2023-10-31 | 北京建工环境修复股份有限公司 | 一种基于大数据的农田场地智能分析方法、系统及介质 |
| CN117694220A (zh) * | 2024-01-30 | 2024-03-15 | 华港龙生物科技(广州)有限公司 | 基于图像分析的农业灌溉策略解析系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101957498B1 (ko) | 빅데이터 분석 기반의 축우 관리 시스템 및 방법 | |
| CN104040448B (zh) | 用于捕获自动化数据的方法和系统 | |
| WO2005066868A3 (en) | Sleep and environment control method and system | |
| CN109358546B (zh) | 家用电器的控制方法、装置和系统 | |
| CN116563293B (zh) | 一种基于机器视觉的光伏载具生产质量检测方法及系统 | |
| CN105930809B (zh) | 指纹识别控制方法、指纹识别控制装置及电子装置 | |
| CN117694220A (zh) | 基于图像分析的农业灌溉策略解析系统 | |
| CN118077558A (zh) | 基于自动灌溉管理的云计算服务系统 | |
| CN110779175A (zh) | 一种运行模式控制方法及装置 | |
| CN114532923B (zh) | 健康检测方法、装置、扫地机器人及存储介质 | |
| CN115131670B (zh) | 一种水稻图片智能审核方法、系统、装置及设备 | |
| CN115965875A (zh) | 一种农作物病虫害智能监控方法及系统 | |
| CN116415488A (zh) | 一种土壤湿度预测方法、装置、电子设备及存储介质 | |
| Jacob et al. | An Integrated Framework for Crop Cultivation using Internet of Things and Computational Intelligence | |
| CN115933561A (zh) | 一种工厂自动化设备的数据采集方法及其系统、电子设备 | |
| CN109474851A (zh) | 视频转换方法、装置及设备 | |
| CN114325257A (zh) | 变压器局部放电传感器数据采集自适应调节方法及监测系统 | |
| CN111586616A (zh) | 一种区域环境参数采集系统、方法以及设备 | |
| CN114764833A (zh) | 植物生长曲线确定方法、装置、电子设备及介质 | |
| CN117690000B (zh) | 一种基于人工智能的物联网数据交互方法及系统 | |
| CN110487787A (zh) | 一种元器件损耗检测方法、装置、存储介质及终端设备 | |
| CN118196839B (zh) | 基于监督学习的低氧状态预估方法及系统 | |
| CN115164845B (zh) | 一种生态恢复遥感自动探测装置及方法 | |
| CN111797808B (zh) | 一种基于视频特征点追踪的逆向方法及系统 | |
| CN204695062U (zh) | 一种用于物联网的传感网络节点装置 |
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 |