TW201622558A - 植栽補光系統 - Google Patents

Abstract

本發明揭示一種植栽補光系統，用於解決習知系統未依植物實際生長情況調整補光內容之問題，該植栽補光系統包含：一模糊控制器用以依據模糊演算法控制補光功能，並產生數個輸出資料；一光譜產生模組將該模糊控制器輸出的資料轉換成對應的光譜分佈函數，用以產生符合一光譜輻射強度的光源；一光度轉換器將該光譜輻射強度轉換成光量子密度；一植栽觀測模組用以栽培植物，並產生影像供觀測植物生長；及一影像處理器用以進行影像處理，並輸出數個影像訊號至該模糊控制器，供該模糊控制器作為產生該輸出資料之依據。藉此，可確實解決上述問題。

Description

植栽補光系統

本發明係關於一種光源系統；特別是關於一種植栽補光系統。

習知先進型溫室(advanced greenhouse)產業發展出的立體種植技術，可提升植物(plants)利用日光的程度，然此技術可供植物生長所需的光照強度仍然不足，主要係因自然光照射植物時，會受反射、透射、漏射或陰雨等因素影響，而降低光合作用能力，導致植物徒長(hypocotyl length of leggy seedlings)的現象。由此可知，植物的光合作用(Photosynthesis)、生長型態(growth patterns)與光照週期(lighting period)、光譜分佈(spectrum distribution)極為相關。

在太陽光譜(spectrum)中，並非所有波段皆為植物所需，植物生長時只需吸收某些特定波長的光能，且光源波長、照光方式、照光時間皆會影響植物的莖、葉尺寸。舉例而言，紅光可促進萵苣種子發芽，而紅外光抑制之；紅光會刺激植物細胞中的光敏色素，且亮暗變化將影響植物的莖、葉生長；另，藍光則會影響植物生長、營養吸收及向光性(phototropism)，對植物分化(differentiate)及氣孔(stoma)調節十分重要，若藍光不足且紅光過多，則會造成莖部(stem)過度成長及葉(leaf)片黃化；相較之下，綠光對植物的生長型態較無顯著影響，但可用於增加葉片色澤、強化碳水化合物、硝酸鹽及形成類胡蘿蔔素等。

因此，在育苗階段(seeding stage)若可使用人工光源(如： 發光二極體，LED)對植物照光，並調控光質和光量子密度(PPFD)，不僅能改變植物生長發育型態，更可縮短培養週期，可大幅減少能耗及成本。目前雖已發展出未來立體農業所需的人工補光系統，利用多組不同波長的LED組合出光譜可調式光源。然而，此種光源多未依據植物實際生長情況予以調整，因此，尚需建立一套完整的植物光譜自動化調整機制，以便適用於植栽補光系統中。

有鑑於此，有必要改善上述先前技術的缺點，以符合實際需求，提升其實用性。

本發明係提供一種植栽補光系統，可依植物實際生長情況自動調節光譜，以補充植物所在環境中的不足光照。

本發明揭示一種植栽補光系統，包含：一模糊控制器，用以依據模糊演算法控制補光功能，並產生數個輸出資料；一光譜產生模組，電性連接該模糊控制器，該光譜產生模組將該模糊控制器輸出的資料轉換成對應的光譜分佈函數，用以產生符合一光譜輻射強度的光源；一光度轉換器，電性連接該光譜產生模組，該光度轉換器將該光譜輻射強度轉換成光量子密度；一植栽觀測模組，電性連接該光度轉換器及該模糊控制器，該植栽觀測模組用以栽培植物，並產生影像供觀測植物生長；及一影像處理器，電性連接該植栽觀測模組及該模糊控制器，該影像處理器用以進行影像處理，並輸出數個影像訊號至該模糊控制器，供該模糊控制器作為產生該輸出資料之依據。

所述模糊控制器依據植物生長階段之葉面積指數、葉面色澤及莖部高度產生該數個輸出資料。

所述數個輸出資料包含一紅光光源驅動電流值、一綠光光源驅動電流值及一藍光光源驅動電流值。

所述光譜產生模組產生該光譜分佈函數的計算方式，如下式所示： 其中，ρ_λ代表光源於光軸方向上的光譜輻射強度，α₁、α₂、α₃分別代表紅、綠、藍光光源驅動電流與光功率輸出的轉換係數，I₁、I₂、I₃為紅、綠、藍光光源驅動電流值，對於各λ_p1、λ_p2、λ_p3為紅、綠、藍光波段的峰值，η₁、η₂、η₃為紅、綠、藍光光量強度密度分佈函數的半峰全寬。

所述紅、綠、藍光光量強度密度分佈函數的半峰全寬分別為35、45、40奈米。

上揭植栽補光系統，可自動擷取植栽的生長型態值(如：葉面積指數、葉面色澤及莖部高度等)，並經由模糊演算產生植物於不同生長階段應補強的三色光源電流驅動值，以提供適當的光譜輻射強度及光量子密度，供生長中的植物進行光質及光量的補強，供植物提升葉面積指數、避免莖部徒長及改善葉面色澤，可以達成「為植栽量身調節補光內容」功效，相較於習知未依植物實際生長情況調整補光量的系統，本發明植栽補光系統實施例可確實補充植栽所需的光量，且可更為節省補光過程中的耗電量。

1‧‧‧模糊控制器

11‧‧‧決策邏輯

12‧‧‧模糊化介面

13‧‧‧反模糊化介面

14‧‧‧知識庫

2‧‧‧光譜產生模組

3‧‧‧光度轉換器

4‧‧‧植栽觀測模組

5‧‧‧影像處理器

‧‧‧植物第n個生長階段之葉面積指數

‧‧‧植物第n個生長階段之葉面色澤

‧‧‧植物第n個生長階段之莖部高度

‧‧‧紅光光源驅動電流值

‧‧‧綠光光源驅動電流值

‧‧‧藍光光源驅動電流值

L1~L9‧‧‧光譜曲線

C1~C6‧‧‧光譜曲線

U1~U3‧‧‧光譜曲線

第1圖：係本發明植栽補光系統實施例的系統方塊圖。

第2圖：係本發明植栽補光系統實施例進行影像處理過程的結果影 像。

第3圖：係本發明植栽補光系統實施例於三種日光密度的補光光譜曲線圖。

第4圖：係本發明植栽補光系統實施例於單日不同時段進行補光與不補光的光譜曲線比對圖。

第5圖：係本發明植栽補光系統實施例於單日不同時段的補光光譜曲線圖。

為讓本發明之上述及其他目的、特徵及優點能更明顯易懂，下文特舉本發明之較佳實施例，並配合所附圖式，作詳細說明如下： 本發明全文所述之「補光」，係指在植物生長過程中，依據其光照需求與環境光源之差異，進行光質、光量補充之過程，係本發明所屬技術領域中具有通常知識者可以理解。

請參閱第1圖所示，其係揭示本發明植栽補光系統實施例的系統方塊圖。其中，該植栽補光系統實施例包含一模糊控制器1、一光譜產生模組2、一光度轉換器3、一植栽觀測模組4及一影像處理器5，該模糊控制器1電性連接該光譜產生模組2，該光譜產生模組2電性連接該光度轉換器3，該植栽觀測模組4電性連接該光度轉換器3及模糊控制器1，該影像處理器5電性連接該植栽觀測模組4及模糊控制器1。

請再參閱第1圖所示，該模糊控制器1可為內建模糊演算法(Fuzzy Algorithm)的資料處理裝置，如：嵌入式系統(Embedded System)等，用以依據模糊演算法控制補光功能，如：決策紅、綠、藍光的多寡，惟不以此為限。在此實施例中，如第1圖所示，該模糊控制器1內部可規劃一決策邏輯(Decision making logic)11、一模糊化介面(Fuzzification Interface)12、一反模糊化介面(De-fuzzification Interface)13及一知識庫 (Knowledge Database)14，該決策邏輯11可依人類認知的模糊行為概念進行決策，該決策取決於模糊規則及推論；該模糊化介面12可將輸入變數(如：植物第n個生長階段之葉面積指數、葉面色澤、莖部高度等，n=1,2,3,...)進行前置處理(如：正規化等)，在進行刻度映射(scaling mapping)，以轉換輸入變數值的範圍，使輸入資料轉換至適合的語言值(suitable linguistic values)，該語言值可視為一模糊集合之標籤(labels of fuzzy sets)；該反模糊化介面13可將輸出變數(如：紅光光源驅動電流值、綠光光源驅動電流值、藍光光源驅動電流值等)轉換至對等的論域(universes of discourse)中，再由推論出的模糊控制動作轉換成實際控制動作；該知識庫14內含模糊資料庫(fuzzy database)及語意控制規則庫(linguistic control rules)，該模糊資料庫可提供變數的模糊子集合與歸屬函數規劃時所需的定義，該語意控制規則庫可透過領域專家建立的標準規則描述控制目的與策略，如：植物育苗(seedling stage)等生長型態數據(plant growth pattern data)及對應紅、綠、藍光源量之關聯性資料等，舉例說明如下，惟不以此為限。

舉例而言，在進行模糊化時，必須決定各單一輸入變數所對應之模糊子集合的數量與集合歸屬函數的型態，由於植物生長型態的曲線為非線性，故，可適用高斯歸屬函數(Gaussian membership functions，MFs)及Sigmoidal歸屬函數作為系統輸入歸屬函數之型態，其型態可映射於一向量x之函數(x)，如下式(1)所示： 其中，c_i、X_i分別為第i個模糊集合Aⁱ的中心及歸屬函數標準差，a_i、b_i為Sigmoidal歸屬函數的兩個參數，其可帶入一邊界條件，使該指數的絕 對值大於5時之值為無限大或零，該邊界條件可如下式(2)所示： 其中，δ為定義d_i最大增量的係數，使得下式(3)成立： 其中，於x=b_i，該Sigmoidal歸屬函數具有一彎曲點。

另，上述各輸入或輸出變數所對應到的模糊集合可分為三子集合，該等集合型態可由一Gaussian MFs及二Sigmoidal MFs所組成，其集合標籤(label)可定義為Pale(P)、Small(S)、Low(L)、Medium(M)、Big(B)、High(H)、Dark(D)，各輸入或輸出變數集合的範圍與個子集合的參數值可如下表一所示。

另，在完成輸入/輸出變數及歸屬函數參數設定後，接著，可建立模糊規則庫，如下表二所示，此規則可適用於生菜類育苗階段時期，其模糊推論語句主要基於Mamdani模式，如下式(4)所示： 其中，X、Z為語意變數，G ⁱ 、為歸屬函數記述的對應語意標籤。建立規則庫之準則在於葉面積指數的大小與紅光有關聯，葉面色澤深暗與綠光有關聯，莖部高度與藍光有關聯。且，知識庫可表示模糊系統內語意控制規則庫(如表二)或稱為決策邏輯，只要清楚描述各種行為發生時的處置方式，系統自然能清楚判斷應該呈現何種結果。

又，透過決策邏輯後，系統可得到三組輸出的模糊集合，然後利用解模糊化的技巧，可獲得明確的三組不同波段電流輸出值，其中姐 模糊化的方法可用重心法(Center of Gravity，COA)及最大平均值法(Mean of Maximal，MOM)，各組光質電流輸出值的計算方式可如下式(5)所示： 其中，Ψ _p 為第p個時間階段的電流值，x _j 為第j個歸屬函數的離散表示值，k為該模糊控制器1輸出集合的編號，(x _j )表示第j個量化階層的歸屬值。

請再參閱第1圖所示，該光譜產生模組2可為具有資料處理及發光功能之裝置，如：微處理器(MCU)搭配發光二極體(LED)等，該光譜產生模組2主要將該模糊控制器1輸出的資料(如：各光質驅動電流量)轉換成對應的光譜分佈函數(spectrum distribution function，SDF)，用以產生特定光譜的光源(如：由紅、綠、藍色LED混合而成的光源)，以便照射該植栽觀測模組4中的植栽，其中，波段(wavelength band)選擇可依植物實際需求而定，亦可增加額外的光波段。在此實施例中，可將該模糊控制器1輸出的紅、藍、綠光之驅動電流值輸入該光譜產生模組2，由於單色波段的LED的光輸出為一窄帶光譜，其帶寬約為20至50奈米(nm)，在理想狀態下可近似於高斯含數，故可假設三光質函數皆為高斯函數分佈，且可採用各自函數的累加，而形成該光譜分佈函數，如下式(6)所示： 其中，ρ_λ代表光源(如LED)於光軸方向上的光譜輻射強度；α₁、α₂、α₃ 分別代表紅、綠、藍光光源驅動電流與光功率輸出的轉換係數(可視為一常數)，使各波段LED之驅動電流I₁、I₂、I₃改變時，對於各波段的峰值λ_p1、λ_p2、λ_p3皆不發生漂移(shift)；η₁、η₂、η₃分別代表紅、綠、藍光光量強度密度分佈函數的半峰全寬。在此實施例中，η₁、η₂、η₃可分別為35、45、40奈米(nm)，使數值模擬結果近似色彩標準，如：International Commission on Illumination(CIE)1931 RGB顏色匹配函數，惟不以此為限。

請再參閱第1圖所示，該光度轉換器3可為具有資料轉換功能之裝置，如：微處理機(MCU)或記憶體(memory)等，該光度轉換器3主要將光譜輻射強度(spectral radiant intensity)轉換成光量子密度(PPFD)，以符合農業光強度之標準。詳言之，由於植物生長速率直接受到光合作用有效光(Photosynthetically Active Radiation，PAR)影響，亦即，受到400至700奈米光帶上的光子落到單位面積的平面上之光子密度(Photosynthetic Photon Flux Density，PPFD，單位：μmol．sec^-1．m^-2)影響所致。因此，需透過轉換公式將光譜輻射強度(W．m^-2)轉換成光子的密度。一般處於晴朗無雲的滿日光(full sunlight)情況下，近地面約500W．m^-2，若以光量子通量計算則約為2200μmol．sec^-1．m^-2，而此輻射強度落在波段400至700奈米之可見光約38.4%，換算成光量子通量約為845μmol．sec^-1．m^-2。其中，光子的密度與光譜輻射強度之換算公式可如下式(7)所示： 其中，1μmol=6.022×10¹⁷光子(photons)，φ=3×10⁸m/sec(代表光速)，κ為普朗克常數(Planck constant)，R表示光量子密度(單位：μmol．sec^-1． m^-2)，表示波段400至700奈米之間位於第k個區間△λ之中點波長的標準輻射輸出，通常△λ=1奈米。在此實施例中，紅光轉換係數為5.31，藍光轉換係數為7.22，綠光轉換係數為5.83作為實施態樣；其中，如紅光輻射強度為20W．m^-2，則轉換PPFD值為106.2μmol．sec^-1．m^-2，當計算單位一致後，即可計算出自然光源與補光光源之光量子密度值(PPFD)之總和。值得注意的是，因植物的型態長成對應於補光光質的量，故未限制最大總光量子密度值。

請再參閱第1圖所示，該植栽觀測模組4可為具有植栽觀測功能的器材，如：植物培養箱等，用以栽培植物並供觀察生長情況。在此實施例中，可用生菜類(Lettuce)植物作為實驗對象，惟不以此為限；該植栽觀測模組4可設有至少一取像元件(如：攝影機等)，該取像元件可朝向植物的垂直或水平方向攝取影像(原始影像)，亦可由該模糊控制器1操控而進行取像。在此實施例中，可用二攝影機分別擷取植物側邊及葉面方向的照片檔，惟不以此為限。

請再參閱第1圖所示，該影像處理器5可為具有影像處理功能的裝置，如：特殊功能積體電路(ASIC)等，該影像處理器5可接收該植栽觀測模組4所產生的原始影像，用以進行影像處理(image processing)，以利輸出數個影像訊號(image signals)至該模糊控制器1，供該模糊控制器1作為產生該輸出變數之參考。在此實施例中，該影像處理器5可對該原始影像進行一影像處理作業，如：二值化(Binarization)、區塊標記法(8-neighbor labeling)、雜訊濾除(Noise filtering)、葉面積指數計算(Leaf Area Index calculation)、莖長計算(Stem height calculation)及色彩識別(color identification)等運算，惟不以此為限；如第2圖所示，(a)為含有生菜類植物之原始影像，(b)為移除該原始影像之雜訊，(c)為使用RGB色彩空間法移除植物的非特定顏色，(d)為移除RB色彩空間， (e)為尋找植物葉子的可能面積，(f)為產生侵蝕與擴張等處理過程的結果影像。

其中，葉面積指數的計算方式可由人工量測方式取得，或如下式(8)所示：

其中，Λ _uv 、Ω _uv 為每株植物各葉片的葉長、最大葉寬；U為第v株植物的總葉片數；k為測定株數；Ψ為種植密度。葉面積指數為反映作物群體大小的較佳動態指標，在一定範圍內，作物的產量隨葉面積指數增加而提高，當葉面積指數增加到一定的限度後，將會產生〝田間鬱閉，光照不足〞現象，減弱光合效率，反而降低產量，通常蔬果類的葉面積指數最大值不超過5，可維持3~4為佳。

另，關於葉面色澤深度的判定方法可採用直接目測法、比色卡法、SPAD-502葉綠素儀及分光光度法等，葉面色澤可區分為〝枯黃〞、〝淺綠(灰綠)〞、〝中綠〞、〝深綠〞及〝墨綠〞，且可區分為9等級，通常葉片呈現墨綠色表示氮肥含量過多或綠光吸收過多，故葉面色澤以深綠色為佳。

本發明植栽補光系統實施例實際使用前，可先準備一實驗組及一對照組進行驗證。說明如下，首先，假設光暗週期、溫溼度及光質強度分布均勻度皆一致，進行下列步驟：步驟1，選擇一實驗植物(如：葉萵苣)，並建立模糊化歸屬函數(如表一)。步驟2，建立該實驗植物生長型態與各項光質強度值之間關連性的資料庫(如表二)，並建立該實驗植物生長光譜資料庫。步驟3，設定該實驗植物目前的生長天數，並對應該資料庫中的理想植物生長型態值(含葉面積指數、莖部高度及葉面色澤)，設定的植物生長型態、光譜分佈值與資料庫中資料比較，並計算出其形態差異，將該形態差異輸入至該植栽補光系統實施例之模糊控制器，供該模糊 控制器決定是否補充光源或應該補充何種光源。步驟4，設定理想光質函數內的參數，包含：光質波段、半峰全寬、電流與光功率輸出的轉換係數(如上式(6)、(7))，如此，可依該等函數調整各光質電流值，以達到理想光譜分佈。步驟5，將系統之三輸出值轉換至光量子值(PPF)，並計算總PPFD值。步驟6，重新進行步驟3，再行測試系統補光的正確性。

請參閱第3圖所示，其係本發明植栽補光系統實施例於三種日光密度的補光光譜曲線圖。其中，(a)、(b)、(c)分別為〝全日光(Full Sunlight)〞、〝有烏雲遮蔽(Shaded by Dark Clouds)〞、〝嚴重遮蔽或日光照射強度較弱(Mostly Shaded or When Sunlight Intensity is Low)〞時的實驗結果，其中，L1、L4、L7為理想日光的光譜曲線，L3、L6、L9為無任何補光的光譜曲線，L2、L5、L8為本發明植栽補光系統實施例補光後的光譜曲線。由圖可知，在自然光譜變化時，本發明植栽補光系統實施例可適時補充各光質不同強度之光譜分佈，進而達到理想光譜分佈。

請參閱第4圖所示，其係本發明植栽補光系統實施例於單日不同時段進行補光與不補光的光譜曲線比對圖。其中，C1、C3、C5分別為AM 10：00、PM 2：00、PM 6：00未補光情況下的光譜曲線，C2、C4、C6分別為AM 10：00、PM 2：00、PM 6：00以本發明植栽補光系統實施例補光後的光譜曲線，由圖可知，上午紅光波段強度偏低、中午藍光波段強度偏低、下午各波段強度皆偏低，儘管各時段皆有不同波段光譜偏低，但以本發明植栽補光系統實施例補光後，可於植物行光合作用最需要的三種波段進行光質及光量的調節，且較傳統未經調整的補光方式減少能源消耗。

請參閱第5圖所示，其係本發明植栽補光系統實施例於單日不同時段的補光光譜曲線圖。其中，U1、U2、U3分別為AM 10：00、PM 2：00、PM 6：00補光後的光譜曲線，由圖可知，傍晚(PM 6：00)時段需要補充的光量較多。

藉由前揭之技術手段，本發明植栽補光系統實施例的主要特點列舉如下：該模糊控制器電性連接該光譜產生模組，該光譜產生模組電性連接該光度轉換器，該植栽觀測模組電性連接該光度轉換器及模糊控制器，該影像處理器電性連接該植栽觀測模組及模糊控制器。該模糊控制器用以依據模糊演算法控制補光功能；該光譜產生模組主要將該模糊控制器輸出的資料轉換成對應的光譜分佈函數，用以產生符合一光譜輻射強度的光源，以便照射該植栽觀測模組中的植栽；該光度轉換器主要將光譜輻射強度轉換成光量子密度；該植栽觀測模組用以栽培植物並供觀察生長情況；該影像處理器用以進行影像處理，以利輸出數個影像訊號至該模糊控制器，供該模糊控制器作為產生該輸出資料之依據。

藉此，本發明植栽補光系統實施例，可自動擷取植栽的生長型態值(如：葉面積指數、葉面色澤及莖部高度等)，並經由模糊演算產生植物於不同生長階段應補強的三色光源電流驅動值，以提供適當的光譜輻射強度及光量子密度，可依植物實際生長情況自動調節光譜，供生長中的植物進行光質及光量的補強，以補充植物所在環境中的不足光照，供植物提升葉面積指數、避免莖部徒長及改善葉面色澤，可以達成「為植栽量身調節補光內容」功效，相較於習知未依植物實際生長情況調整補光量的系統，本發明植栽補光系統實施例可確實補充植栽所需的光量，且可更為節省補光過程中的耗電量。

雖然本發明已利用上述較佳實施例揭示，然其並非用以限定本發明，任何熟習此技藝者在不脫離本發明之精神和範圍之內，相對上述實施例進行各種更動與修改仍屬本發明所保護之技術範疇，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

1‧‧‧模糊控制器

11‧‧‧決策邏輯

12‧‧‧模糊化介面

13‧‧‧反模糊化介面

14‧‧‧知識庫

2‧‧‧光譜產生模組

3‧‧‧光度轉換器

4‧‧‧植栽觀測模組

5‧‧‧影像處理器

‧‧‧植物第n個生長階段之葉面積指數

‧‧‧植物第n個生長階段之葉面色澤

‧‧‧植物第n個生長階段之莖部高度

‧‧‧紅光光源驅動電流值

‧‧‧綠光光源驅動電流值

‧‧‧藍光光源驅動電流值

Claims (5)

1. 一種植栽補光系統，包含：一模糊控制器，用以依據模糊演算法控制補光功能，並產生數個輸出資料；一光譜產生模組，電性連接該模糊控制器，該光譜產生模組將該模糊控制器輸出的資料轉換成對應的光譜分佈函數，用以產生符合一光譜輻射強度的光源；一光度轉換器，電性連接該光譜產生模組，該光度轉換器將該光譜輻射強度轉換成光量子密度；一植栽觀測模組，電性連接該光度轉換器及該模糊控制器，該植栽觀測模組用以栽培植物，並產生影像供觀測植物生長；及一影像處理器，電性連接該植栽觀測模組及該模糊控制器，該影像處理器用以進行影像處理，並輸出數個影像訊號至該模糊控制器，供該模糊控制器作為產生該輸出資料之依據。
2. 根據申請專利範圍第1項所述之植栽補光系統，其中該模糊控制器依據植物生長階段之葉面積指數、葉面色澤及莖部高度產生該數個輸出資料。
3. 根據申請專利範圍第1項所述之植栽補光系統，其中該數個輸出資料包含一紅光光源驅動電流值、一綠光光源驅動電流值及一藍光光源驅動電流值。
4. 根據申請專利範圍第1項所述之植栽補光系統，其中該光譜產生模組產生該光譜分佈函數的計算方式，如下式所示： 其中，ρ_λ代表光源於光軸方向上的光譜輻射強度，α₁、α₂、α₃分別代表紅、綠、藍光光源驅動電流與光功率輸出的轉換係數，I₁、I₂、I₃為紅、綠、藍光光源驅動電流值，對於各λ_p1、λ_p2、λ_p3為紅、綠、藍光波段的峰值，η₁、η₂、η₃為紅、綠、藍光光量強度密度分佈函數的半峰全寬。
5. 根據申請專利範圍第4項所述之植栽補光系統，其中該紅、綠、藍光光量強度密度分佈函數的半峰全寬分別為35、45、40奈米。