TWI682351B

TWI682351B - 智能排程系統及其方法

Info

Publication number: TWI682351B
Application number: TW106124546A
Authority: TW
Inventors: 郭耀煌; 荊士懷; 蔡文豪
Original assignee: 森淨科技股份有限公司
Priority date: 2017-07-21
Filing date: 2017-07-21
Publication date: 2020-01-11
Also published as: TW201909093A

Abstract

一種智能排程系統，適用於對一農作物進行澆灌施作，其包含一即時資料、一歷史資料庫、一分析模組、一自動澆灌模組，及一參數回饋資料庫。該即時資料為複數筆該農作物之即時外在環境變數資料，該歷史資料庫儲存有複數筆該農作物的歷史生長資料，該分析模組儲存有複數筆對該即時外在環境變數資料與該歷史生長資料進行資料處理所製作出的澆灌排程參數資料，該自動澆灌模組與該分析模組連接，並包括一可接收該澆灌排程參數資料之自動澆灌機，該參數回饋資料庫儲存有複數筆該自動澆灌機對該農作物所作出之澆灌施作過程的參數回饋資料以及手動調整之參數調整資料。

Description

智能排程系統及其方法

本發明是有關一種排程系統，特別是指一種智能排程系統及其方法。

傳統用於農業或植栽業之灌溉設備係以人為方式監控現行土壤的狀況，並依據實際需要予以灌溉。舉以蘭花園的工作現場來說，仍為人力噴灑為主，而噴灑的時程與水量也是以現場人員的評估為依據，若是工作人員調動，新舊人員之間會產生不同的判斷，將會因人為因素而造成不必要之資源浪費。

參閱圖1，為中華民國發明第201519954公開號專利「自動噴灑系統及其方法」，該自動噴灑系統100包含一承載元件102，在該承載元件102上分別設置一用以擷取影像訊號之影像擷取元件104、一用以分析上述影像訊號之影像分析元件106，一噴嘴108以及一用以調整該噴嘴108開口方向之第一作動元件110，於運作時，該第一作動元件110會調整該噴嘴108之開口方向，使該噴嘴108之開口方向朝向該影像分析元件106所辨識出之預定噴灑區域，以精準地完成噴灑動作。

經由以上之敘述，可知習知自動噴灑系統及其方法於實際使用時仍然有以下的缺點產生：

一、灌溉成效不佳

農作物於同一灌溉區域中可能因外在環境因素，如陽光照射角度而有不同的土壤濕度需求，因此，必須依據不同的濕度需求控制灌溉水量，以滿足農作物理想的土壤濕度環境，然而，習知的噴灑系統僅可對農作物之外表進行影像分析，當溫度過高或者是濕度不足時，並無法自動偵測啟動該噴嘴108進行灑水，顯然不足以應付此種灌溉需求。

二、功能性不足

栽培農作物之周遭環境的監測以及農作物栽培之管理，為一項極為重要的工作，習知僅針對農作物本身變化進行影像分析，並無針對周遭環境進行監測，以做為管理人員立即作相對應的處理、或是噴灑之依據，令一般農民無法輕易使用。

上述缺點都顯現習知自動噴灑系統及其方法在使用上所衍生的種種問題，如能改善現有噴灑方法，設計出可減少人為因素所造成的影響以及資源的消耗，並同時提升蘭花生長的穩定性，將得以提升市場上的競爭力。

有鑑於此，本發明之目的，是提供一種智能排程系統，適用於對一農作物進行澆灌施作，其包含一即時資料、一歷史資料庫、一分析模組、一自動澆灌模組，及一參數回饋資料庫。

該即時資料為複數筆該農作物之即時外在環境變數資料，該歷史資料庫儲存有複數筆該農作物的歷史生長資料，該分析模組與該即時資料及該歷史資料庫連接，並儲存有複數筆對該即時外在環境變數資料與該歷史生長資料進行資料處理所製作出的澆灌排程參數資料，該自動澆灌模組與該分析模組連接，並包括一可接收該澆灌排程參數資料之自動澆灌機，該參數回饋資料庫與該分析模組及該自動澆灌模組連接，儲存有複數筆該自動澆灌機對該農作物所作出之澆灌施作過程的參數回饋資料。

本發明的另一技術手段，是在於上述之智能排程系統更包含一遠端控制模組，其包括一與該分析模組連接之通訊介面，用以傳送該澆灌排程參數資料至該自動澆灌機。

本發明的又一技術手段，是在於上述之自動澆灌模組更包括一設置於該自動澆灌機上之調控器，用以供一使用者手動調整該自動澆灌機之作動，而該參數回饋資料庫更儲存有複數筆該調控器作動的參數調整資料。

本發明的再一技術手段，是在於上述之即時外在環境變數資料紀錄有對該農作物所在環境之溫度、溼度、大氣壓力、土壤、照明燈、風扇，及冷氣等資料。

本發明的另一技術手段，是在於上述之歷史生長資料紀錄有專家對該農作物所預先排定之澆灌施作流程、該農作物施作資訊、該農作物報廢資訊、該農作物育成率，及歷史的即時外在環境變數資料等資料。

本發明之另一目的，即在提供一種以上述之智能排程系統所進行的方法，該智能排程方法包含一蒐集步驟、一資料處理步驟、一施作步驟，及一參數回饋步驟。

首先，進行該蒐集步驟，對該農作物之外在環境進行環境變數資料蒐集，並作出該即時外在環境變數資料傳送至該分析模組，接著，進行該資料處理步驟，該分析模組針對該農作物之即時外在環境變數資料，及該歷史生長資料進行資料處理作業，以得到該澆灌排程參數資料，並傳送至該自動澆灌機，然後，進行該施作步驟，當該自動澆灌機接收到該澆灌排程參數資料後，該自動澆灌機即遵照該澆灌排程參數資料對該農作物進行澆灌施作，最後，進行該參數回饋步驟，當該自動澆灌機對該農作物進行澆灌施作後，會作出該參數回饋資料，並傳送至該參數回饋資料庫中。

本發明的又一技術手段，是在於上述之資料處理步驟是利用該通訊介面傳送該澆灌排程參數資料至該自動澆灌機。

本發明的再一技術手段，是在於上述之智能排程方法，更包含一位於該參數回饋步驟後之經驗學習步驟，在該經驗學習步驟中，是將該參數回饋資料傳送至該分析模組中進行資料處理步驟的資料處理作業。

本發明的另一技術手段，是在於上述之智能排程方法，更包含一位於該資料處理步驟與該施作步驟間之手動調整步驟，在該手動調整步驟中，當該自動澆灌機接收到該澆灌排程參數資料，且尚未對該農作物進行澆灌施作前，該使用者可手動調整該調控器，以改變該自動澆灌機對該農作物進行澆灌施作的澆灌參數，並製作出該參數調整資料，再將該參數調整資料傳送至該分析模組中進行資料處理步驟的資料處理作業。

本發明的又一技術手段，是在於上述之資料處理步驟中，是指對資料進行資料過濾、資料分析、資料正規化、資料訓練，以及資料彙整等作業。

本發明之有益功效在於，利用該即時外在環境變數資料與該歷史生長資料作出之澆灌排程參數資料、該農作物進行澆灌施作後作出之參數回饋資料，以及該使用者手動調整該調控器作出之參數調整資料，回饋給該分析模組進行機器學習，並作為下一次澆灌施作的經驗學習參數，建立一套標準施作策略，達到不需依賴專家之幫助，即可進行之自動化智能農業。

2‧‧‧農作物

3‧‧‧即時資料

31‧‧‧即時外在環境變數資料

4‧‧‧歷史資料庫

41‧‧‧歷史生長資料

5‧‧‧分析模組

51‧‧‧澆灌排程參數資料

6‧‧‧自動澆灌模組

61‧‧‧自動澆灌機

62‧‧‧調控器

7‧‧‧參數回饋資料庫

71‧‧‧參數回饋資料

72‧‧‧參數調整資料

8‧‧‧遠端控制模組

81‧‧‧通訊介面

91~96‧‧‧步驟

圖1是一立體示意圖，說明習知台灣發明第201519954公開號一種自動噴灑系統及其方法；圖2是一方塊示意圖，說明本發明智能排程系統之第一較佳實施例；圖3是一步驟示意圖，說明本發明智能排程方法之第一較佳實施例的流程示意；圖4是一方塊示意圖，說明本發明智能排程系統之第二較佳實施例；及圖5是一步驟示意圖，說明本發明智能排程方法之第二較佳實施例的流程示意。

有關本發明之相關申請專利特色與技術內容，在以下配合參考圖式之較佳實施例的詳細說明中，將可清楚的呈現。

參閱圖2，為本發明智能排程系統及其方法的第一較佳實施例，該智能排程系統適用於對一農作物2進行澆灌施作，其包含一即時資料3、一歷史資料庫4、一分析模組5、一自動澆灌模組6、一參數回饋資料庫7，及一遠端控制模組8。

該即時資料3為複數筆該農作物2之即時外在環境變數資料31。在該第一較佳實施例中，該農作物2是位於一溫室中，該即時外在環境變數資料31紀錄有對該農作物2所在環境之溫度、溼度、大氣壓力、土壤、照度等環境資訊，而照明燈、風扇，及冷氣等資料則為該溫室環境的控制設備。

該歷史資料庫4儲存有複數筆該農作物2的歷史生長資料41，其中，該歷史生長資料41紀錄有專家對該農作物2所預先排定之澆灌施作流程，該農作物施作資訊，例如施肥、澆灌、水洗等施作過程，該農作物報廢資訊則為報廢數量、種類等、該農作物育成率與出貨量以及歷史的即時外在環境變數資料31等。透過該複數歷史生長資料41詳實的記錄對於該農作物2所做的一切施作，有利於後續的資料分析。

該分析模組5與該即時資料3及該歷史資料庫4連接，並儲存有複數筆對該即時外在環境變數資料31與該歷史生長資料41進行資料處理所製作出的澆灌排程參數資料51，且該澆灌排程參數資料51紀錄有澆灌時間與澆灌配方。

該自動澆灌模組6與該分析模組5連接，並包括一可接收該澆灌排程參數資料51之自動澆灌機。其中，該自動澆灌機61可控制對該農作物2進行澆灌施作的水壓速度、作動速度、流量速度等可控制參數。

該參數回饋資料庫7與該分析模組5及該自動澆灌模組6連接，其儲存有複數筆該自動澆灌機61對該農作物2所作出之澆灌施作過程的參數回饋資料71。

該遠端控制模組8包括一與該分析模組5連接之通訊介面81，於此，該通訊介面81可以是一智慧型手機或是一平板電腦等通訊裝置，除了可傳送該澆灌排程參數資料51至該自動澆灌機61，更可供使用者進行遠程監控。實際實施時，該通訊介面81亦可直接設置於該自動澆灌模組6上，端視使用需求而定，不應以此為限。

配合參閱圖3，依據上述之智能排程系統，本發明智能排程方法包含一蒐集步驟91、一資料處理步驟92、一施作步驟93、一參數回饋步驟94，及一經驗學習步驟95。

首先，進行該蒐集步驟91，對該農作物2之外在環境進行環境變數資料蒐集，並作出該即時外在環境變數資料31傳送至該分析模組5中。

接著，進行該資料處理步驟92，該分析模組5針對該農作物2之即時外在環境變數資料31，及該歷史生長資料41進行資料處理作業，以得到該澆灌排程參數資料51，並傳送至該自動澆灌機61。於此，該澆灌排程參數資料51紀錄有最佳土壤(介質)濕度預測，以及澆灌週期預測等資料。

其中，在該資料處理步驟92中，是指對資料進行資料過濾、資料分析、資料正規化、資料訓練，以及資料彙整等作業。此外，該澆灌排程參數資料51是透過該通訊介面81傳送至該自動澆灌機61。

值得一提的是，當進行該蒐集步驟91，以對該農作物2之外在環境進行環境變數資料蒐集的過程中，所蒐集到的資料品質會受現場網路環境的影響，若連線環境不佳的時候，會造成收到的資料有所缺漏，利用該資料處理步驟92的資料處理技術，將可找出資料中缺漏的部分，並且補上一個估計值，也就是利用該歷史生長資料41的數據為參考，尋找出異常值的部分，再用前後幾筆的資料補上該估計值。

本發明是利用該即時外在環境變數資料31，及該歷史生長資料41分析該溫室的澆灌週期，並輔以氣象相關資訊提前或延後該澆灌週期。進一步地，由該歷史生長資料41中分析報廢種類、報廢數量、育成率與介質濕度的關係，找出該溫室最適合的施作介質濕度區間，利用先驗算法檢驗育成率與最高、最低濕度之間的關係，以找出最能產生出較高育成率的高、低濕度。

進一步來說，該澆灌週期是使用非線性自回歸模型(Nonlinear autoregressive exogenous model，簡稱NARX)架構的類神經網路，並採用mini-batch、backpropagation的方式訓練網路，其輸出則當作下一次預測的輸入y _t+1=f(y _t,y _t-1,...,y _t-n,u _t,...,u_t-n)+e。

然後，進行該施作步驟93，當該自動澆灌機61接收到該澆灌排程參數資料51後，該自動澆灌機61即遵照該澆灌排程參數資料51對該農作物2進行澆灌施作。藉由該自動澆灌模組6，可減少人力的使用量、減少多餘的水消耗量，以及減少人為因素所造成的水量分布不平均的問題，以提升該農作物2生長的穩定性。

接著，進行該參數回饋步驟94，當該自動澆灌機61對該農作物2進行澆灌施作後，會作出該參數回饋資料71，並傳送至該參數回饋資料庫7中。

最後，進行該經驗學習步驟95中，是將該參數回饋資料71傳送至該分析模組5中進行資料處理步驟92的資料處理作業，以作為下一次澆灌施作的經驗學習參數。

舉例來說，欲對該農作物2進行澆灌施作時，該分析模組5由該歷史資料庫4的歷史生長資料41得到澆灌時間為7天後，使用水量為360L之澆灌配方A，再搭配該即時外在環境變數資料31得到澆灌時間為6天後，澆灌水量為350L，因此，該澆灌排程參數資料51之澆灌時間訂為6天後，澆灌水量350L，透過該通訊介面81將該澆灌排程參數資料51傳送至該自動澆灌機61，6天後該自動澆灌機61即自動啟動，以對該農作物2進行澆灌施作，並將最終之參數回饋資料71傳送至該分析模組5中進行資料處理作業，以作為下一次澆灌施作的經驗學習參數。

本發明是使用線上學習(online-learning)的方式訓練一個多層認知(multilayer perceptron)來模擬人員調整澆灌施作數據，以及利用梯度下降法(stochastic gradient descent)，而得到最佳的澆灌施作參數。

透過將專家的經驗系統化，並蒐集該即時外在環境變數資料31，及該歷史生長資料41進行資料處理，以得到該澆灌排程參數資料51，建立一套標準化的施作策略，減少人為因素所造成的影響，以及資源的消耗，不僅有助於提升該農作物2生長的穩定性，更可進一步提升業界之接受度。

參閱圖4、5，為本發明智能排程系統及其方法之第二較佳實施例，該第二較佳實施例與該第一較佳實施例大致相同，相同之處於此不再贅述，不同之處在於，該自動澆灌模組6更包括一設置於該自動澆灌機61上之調控器62，該參數回饋資料庫7更儲存有複數筆參數調整資料72，而該智能排程方法更包含一位於該資料處理步驟92與該施作步驟93間之手動調整步驟96。

該調控器62用以供一使用者手動調整該自動澆灌機61之作動，而該複數參數調整資料72則是用以儲存該調控器62的作動參數過程，過程中，該使用者可參考該即時外在環境變數資料31，及該歷史生長資料41的參數進行調整，以提升澆灌施作的即時性。

在該手動調整步驟96中，當該自動澆灌機61接收到該澆灌排程參數資料51，且尚未對該農作物2進行澆灌施作前，該使用者可手動調整該調控器62，以改變該自動澆灌機61對該農作物2進行澆灌施作的澆灌參數，並製作出該參數調整資料72，儲存於該參數回饋資料庫7中，再將該參數調整資料72傳送至該分析模組5中進行資料處理步驟92的資料處理作業。

實際實施時，傳送至該自動澆灌機61之澆灌排程參數資料51的原訂澆灌時間為6天後，澆灌水量350L，該使用者可依自身經驗調整該調控器62，以將澆灌時間調整為5天後，澆灌水量320L，5天後該自動澆灌機61即自動啟動，以對該農作物2進行澆灌施作，並將最終之參數回饋資料71傳送至該分析模組5中進行資料處理作業，以作為下一次澆灌施作的經驗學習參數。

藉由該即時外在環境變數資料31與該歷史生長資料41作出之澆灌排程參數資料51、該農作物2進行澆灌施作後作出之參數回饋資料71，以及該使用者手動調整該調控器62作出之參數調整資料72，回饋給該分析模組5進行機器學習，並作為下一次澆灌施作的經驗學習參數，建立一套標準施作策略，達到不需依賴專家之幫助，即可減少施作後產生的農作物2報廢數量，並同時提升種植之育成率。

經由以上較佳實施例之敘述可知本發明智能排程系統及其方法確實具有下列功效增進之處：

一、提升育成率

藉由該自動澆灌模組6，可減少人力的使用量、減少多餘的水消耗量，以及減少人為因素所造成的水量分布不平均的問題，以提升該農作物2生長的穩定性與育成率。

二、建立標準化的施作策略

透過該複數歷史生長資料41詳實的記錄對於該農作物2所做的一切施作以及外在環境，有利於後續的資料分析。進一步地，將專家的經驗系統化，並蒐集該即時外在環境變數資料31，及該歷史生長資料41進行資料處理，以得到該澆灌排程參數資料51，建立一套標準化的施作策略，以提升業界之接受度。

三、機器學習

藉由該即時外在環境變數資料31、該歷史生長資料41、該澆灌排程參數資料51、該參數回饋資料71，以及該參數調整資料72，回饋給該分析模組5進行機器學習，並作為下一次澆灌施作的經驗學習參數，達到不需依賴專家，即可進行之自動化智能農業。

綜上所述，本發明智能排程系統及其方法，藉以該蒐集步驟91、該資料處理步驟92、該施作步驟93、該參數回饋步驟94、該經驗學習步驟95，及該手動調整步驟96間相互設置，利用該即時外在環境變數資料31與該歷史生長資料41作出之澆灌排程參數資料51、該農作物2進行澆灌施作後作出之參數回饋資料71，以及該使用者手動調整該調控器62作出之參數調整資料72，回饋給該分析模組5進行機器學習，並作為下一次澆灌施作的經驗學習參數，建立一套標準施作策略，達到不需依賴專家之幫助，即可進行之自動化澆灌施作農業，並同時提升種植之育成率，故確實可以達成本發明之目的。

惟以上所述者，僅為本發明之二個較佳實施例而已，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。

91~96‧‧‧步驟

Claims

一種智能排程系統，適用於對一農作物進行澆灌施作，其包含：一即時資料，為複數筆農作物的即時外在環境變數資料；一歷史資料庫，儲存有複數筆農作物的歷史生長資料，該等農作物的歷史生長資料包含專家對農作物所預先排定的澆灌施作流程、農作物施作資訊、農作物報廢資訊、農作物育成率、及歷史的即時外在環境變數資料；一分析模組，與該即時資料及該歷史資料庫連接，用於以該等農作物的歷史生長資料為參考依據尋找出該等農作物之即時外在環境變數資料中的缺漏部分，接著以該等農作物之歷史生長資料中對應該缺漏部分的前後筆資料對該缺漏部分補上估計部分，最後對該等農作物的即時外在環境變數資料與該等農作物的歷史生長資料進行資料處理以製作並儲存有複數筆澆灌排程參數資料；一自動澆灌模組，與該分析模組連接，並包括一接收該等澆灌排程參數資料的自動澆灌機用以對該農作物進行澆灌施作；及一參數回饋資料庫，與該分析模組及該自動澆灌模組連接，並儲存有複數筆該自動澆灌機對該農作物所作出之澆灌施作過程的參數回饋資料。
依據申請專利範圍第1項所述之智能排程系統，更包含：一遠端控制模組，其包括一與該分析模組連接的通訊介面，用以傳送該等澆灌排程參數資料至該自動澆灌機。
依據申請專利範圍第2項所述之智能排程系統，其中，該自動澆灌模組更包括：一設置於該自動澆灌機上的調控器，用以供一使用者手動調整該自動澆灌機之作動，而該參數回饋資料庫更儲存有複數筆該調控器作動的參數調整資料。
依據申請專利範圍第3項所述之智能排程系統，其中，該等農作物的即時外在環境變數資料包含農作物所在環境的溫度、溼度、大氣壓力、土壤、照明燈、風扇、及冷氣資料。
一種以前述申請專利範圍第1項之智能排程系統所進行的方法，包含下列步驟：一蒐集步驟，對該農作物之外在環境進行環境變數資料蒐集，以作出該等農作物的即時外在環境變數資料並傳送至該分析模組；一資料處理步驟，該分析模組以該歷史資料庫中之該等農作物的歷史生長資料為參考依據尋找出該等農作物之即時外在環境變數資料中的缺漏部分，並以該等農作物之歷史生長資料中對應該缺漏部分的前後筆資料對該缺漏部分補上估計部分，後針對該等農作物的即時外在環境變數資料及該歷史資料庫中之該等農作物的歷史生長資料進行資料處理作業，以得到該等澆灌排程參數資料，並傳送至該自動澆灌機；一施作步驟，當該自動澆灌機接收到該等澆灌排程參數資料後，該自動澆灌機即遵照該等澆灌排程參數資料對該農作物進行澆灌施作；及一參數回饋步驟，當該自動澆灌機對該農作物進行澆灌施作後，會作出該等參數回饋資料，並傳送至該參數回饋資料庫中。
依據申請專利範圍第5項所述之智能排程方法，其中，在該資料處理步驟中，是利用一通訊介面傳送該等澆灌排程參數資料至該自動澆灌機。
依據申請專利範圍第6項所述之智能排程方法，更包含：一位於該參數回饋步驟後之經驗學習步驟，在該經驗學習步驟中，是將該等參數回饋資料傳送至該分析模組中進行資料處理作業。
依據申請專利範圍第7項所述之智能排程方法，更包含：一位於該資料處理步驟與該施作步驟間之手動調整步驟，在該手動調整步驟中，當該自動澆灌機接收到該等澆灌排程參數資料，且尚未對該農作物進行澆灌施作前，一使用者手動調整一調控器，以改變該自動澆灌機對該農作物進行澆灌施作的澆灌參數，並製作出該等參數調整資料，再將該等參數調整資料傳送至該分析模組中進行資料處理作業。
依據申請專利範圍第8項所述之智能排程方法，其中，在該資料處理步驟中，是指對該等資料進行資料過濾、資料分析、資料正規化、資料訓練、及資料彙整作業。