TWI759586B - 農田澆灌建議方法 - Google Patents
農田澆灌建議方法 Download PDFInfo
- Publication number
- TWI759586B TWI759586B TW108109113A TW108109113A TWI759586B TW I759586 B TWI759586 B TW I759586B TW 108109113 A TW108109113 A TW 108109113A TW 108109113 A TW108109113 A TW 108109113A TW I759586 B TWI759586 B TW I759586B
- Authority
- TW
- Taiwan
- Prior art keywords
- unit
- data
- soil
- humidity
- model
- Prior art date
Links
Images
Abstract
本發明有關於一種農田澆灌建議方法,其提供至少一資料蒐集模組之複數個感測單元感測大氣之溫溼度及土壤之溫溼度,而一外部資訊單元從氣象單位接收大氣溫度、大氣溼度與日照量之資訊;透過一管理單元紀錄農作物資訊與預計的澆灌排程;將資料蒐集模組之資料由一無線傳輸單元傳輸給一伺服器端,由一模型建立模組之資料整合單元將接收到之資料儲存於至少一資料庫中;模型建立單元再根據資料庫中所儲存之資料建立一土壤溼度模型,並儲存於資料庫;伺服器端之一預測模組再根據儲存在資料庫之資料預測土壤之溼度,以提供最佳的作物澆灌建議排程。
Description
本發明係有關於一種農田澆灌建議方法,尤其係指一種能夠預測土壤溼度變化的系統,使栽種者對土壤溼度有足夠的掌握,並提供農作物較佳澆灌之時間點的建議,以達到良好的栽種效果,又可避免水資源過度浪費。
按,農業提供人們「食」的生活需求,栽種者於農地上播種、栽培、收成,在此過程中係需要耗費大量的時間,且農業本身也是相當仰賴天氣的產業,因此對應天氣四季的變化以及海拔高度的不同,栽種者所栽種的植物也會有所改變,以達到較佳的效益;隨著科技的發展,現代許多農業相關的管理系統被開發出來,提供栽種者透過電子元件來對農地進行管理與監控,目前大部分的農業系統主要是提供各種感測器的數據監控,將感測器設置與農地中,並回饋即時的數據給使用者,讓使用者可以根據得知的數據變化,以決定後續栽種的策略。
對於農作物而言,影響其生長的因子包含有溼度、溫度、日照量等;中華民國專利公告號TW I624656「種植環境水分檢測方法」即揭露一種可檢測種植環境的水分的方法,其將栽培介質於不同的狀態下量測導電度、介電常數,栽培介質可例如為沙土、壤土、泥土、有機培養土等,在乾燥時、注水後量測出導電度、介電常數,並計算出多筆比值,再產生回歸值後,另取一個與栽培介質相同的待檢種植樣本,量測待檢種植樣本之導電度與介電常數,藉由待檢種植樣本的導電度與介電常數,與先前計算出的回歸值去運算出待檢種植樣本的含水率,以減少誤差。
中國專利公告號CN 208016574 U「一種智能澆灌系統」即揭露一種可遠端控制澆灌作業的系統,其主要是藉由Arduino板去蒐集土壤之數據,透過土壤溼度的感測,以控制澆灌模組執行澆灌作業,使繼電器導通水泵,對植物進行澆水,此控制行為可由栽種者從遠端自行操作,或由系統自行執行。由前案專利可知,目前已有對於蒐集土壤數據之技術,然而,不同的植物品種所需要的澆灌時機不同,而其他的氣候因素也都必須列為考量,因此即便回饋相關的數據給栽種者知道,栽種者亦必須依靠自身栽種的經驗去決定供給養分的時機。
目前農業之監控系統多僅是將土壤的資訊轉換為數值呈現給栽種者知道,並無對該等數據進行分析或提供日後變化的預測,因此對於栽種者在栽種上的幫助仍有限;爰此,如何提供一種可預測未來幾日的土壤變化,並給予正確的澆灌建議,即為本發明人所思及之方向。
今,發明人即是鑑於上述現有之農業管理系統於實際實施使用時仍具有多處缺失,於是乃一本孜孜不倦之精神,並藉由其豐富專業知識及多年之實務經驗所輔佐,而加以改善,並據此研創出本發明。
本發明主要目的為提供一種農田澆灌建議方法,其能夠藉由感測土壤的溼度,去建立一個土壤溼度模型,藉由此模型去預測日後土壤溼度的變化,使栽種者可掌握土壤溼度,且透過預測土壤溼度亦提供農作物較佳澆灌之時間點的建議,以達到良好的栽種效果。
為了達到上述實施目的,本發明一種農田澆灌建議方法,其提供至少一資料蒐集模組之複數個感測單元感測大氣之溫度與溼度及土壤之溫度與溼度,並由至少一資料蒐集模組之一外部資訊單元從氣象單位之公開平台接收大氣溫度、大氣溼度與日照量之資訊;透過至少一資料蒐集模組之一管理單元紀錄農作物資訊與預計的澆灌排程;將複數個感測單元、外部資訊單元與管理單元之資料經由一無線傳輸單元傳輸給一伺服器端之一模型建立模組;模型建立模組之資料整合單元會將接收到之資料儲存於至少一資料庫中;模型建立模組之模型建立單元根據至少一資料庫中所儲存之資料建立一土壤溼度模型,並將土壤溼度模型儲存於至少一資料庫;伺服器端之一預測模組再根據至少一資料庫中之土壤溼度模型、複數個感測單元、外部資訊單元與該管理單元之資料預測土壤之溼度;輸出作物澆灌建議排程。
於本發明之一實施例中,至少一資料蒐集模組之複數個感測單元係為土壤溫溼度感測器與大氣溫溼度感測器。
於本發明之一實施例中,至少一資料蒐集模組進一步包含有一處理單元與一電性連接處理單元之顯示單元,處理單元又電性連接複數個感測單元、外部資訊單元、管理單元與無線傳輸單元。
於本發明之一實施例中,模型建立單元係根據複數個感測單元感測之土壤溼度、土壤溫度、大氣溼度與大氣溫度之資料、由外部資訊單元獲取之大氣溼度、大氣溫度與日照量之資料、以及土壤流失溼度之資料建立土壤溼度模型。
於本發明之一實施例中,模型建立單元將所接收到的資料進行離散化(Discretization)處理,並透過關聯性規則探勘技術(Association rules mining)建立土壤溼度模型。
於本發明之一實施例中,伺服器端係進一步電性連接一個人電腦或一行動設備,或上述兩者之組合。
本發明之目的及其結構功能上的優點,將依據以下圖面所示之結構,配合具體實施例予以說明,俾使審查委員能對本發明有更深入且具體之瞭解。
請參閱第一圖與第二圖,本發明一種農田澆灌建議方法,其建立一系統以達到本案預測農田溼度的方法;其系統包含有至少一資料蒐集模組(1),係具有一處理單元(11)、一電性連接處理單元(11)之顯示單元(12)、一電性連接處理單元(11)之無線傳輸單元(13)、複數個電性連接處理單元(11)之感測單元(14),一電性連接處理單元(11)之外部資訊單元(15)與一電性連接處理單元(11)之管理單元(16);以及一伺服器端(2),係接收該資料蒐集模組(1)之資料,其具有一模型建立模組(21)與至少一電性連接模型建立模組(21)之資料庫(22)與一電性連接資料庫(22)之預測模組(23),其中,模型建立模組(21)具有一電性連接該資料蒐集模組(1)之無線傳輸單元(13)的資料整合單元(211)與一模型建立單元(212);此外,伺服器端(2)可電性連接一個人電腦(3)或一行動設備(4),或上述兩者之組合。
透過上述系統使該資料蒐集模組(1)之複數個感測單元(14)為安裝於農田中之土壤溫溼度感測器與大氣溫溼度感測器,其用以蒐集農田大氣之溫度與溼度及土壤之溫度與溼度資料,並由資料蒐集模組(1)之外部資訊單元(15)從氣象單位之公開平台接收該區域之大氣溫度、大氣溼度與日照量等資訊(包含即時與預測的天氣溫濕度);透過資料蒐集模組(1)之管理單元(16)於開始栽種時輸入所栽種的農作物資訊 (如作物種類、所需濕度等),並建立初步預計的灌溉的預訂時程;將複數個感測單元(14)、外部資訊單元(15)與管理單元(16)之資料經由一無線傳輸單元(13)傳輸給該伺服器端(2)之模型建立模組(21);模型建立模組(21)之資料整合單元(211)會將接收到之資料儲存於資料庫(22)中;模型建立模組(21)之模型建立單元(212)讀取資料庫(22)中所儲存之資料,即包含有感測單元(14)感測之土壤溼度、土壤溫度、大氣溼度與大氣溫度之資料、由外部資訊單元(15)獲取之大氣溼度、大氣溫度與日照量之資料、以及土壤流失溼度之資料,並將所接收到的資料進行離散化(Discretization)處理,再透過關聯性規則探勘技術(Association rules mining)處理後,以建立一土壤溼度模型,並將土壤溼度模型儲存於資料庫(22);伺服器端(2)之預測模組(23)再根據資料庫(22)中之土壤溼度模型、複數個感測單元(14)、外部資訊單元(15)與該管理單元(16)之資料預測該種植區域土壤之溼度,並輸出作物澆灌建議排程。
此外,藉由下述具體實施例,可進一步證明本發明可實際應用之範圍,但不意欲以任何形式限制本發明之範圍。
請繼續參閱第一圖與第二圖,本發明農田澆灌建議方法由資料蒐集模組(1)與伺服器端(2)組建而成,資料蒐集模組(1)主要蒐集用於建立土壤溼度模型所需要的資訊,而伺服器端(2)主要又具有模型建立模組(21)與預測模組(23),主要用以管理與儲存蒐集到的資訊,並執行土壤溼度模型的建立與預測土壤溼度的作業,以提供最佳的作物澆灌建議排程。
實際使用時,可以使用一個或一個以上之資料蒐集模組(1),所以資料蒐集模組(1)會蒐集土壤中的數據,因此若農田的範圍較廣,可使用一個以上的資料蒐集模組(1);在本實施例中,單一個資料蒐集模組(1)會由處理單元(11)以無線方式電性連接複數個感測單元(14),分別為土壤溫溼度感測器與大氣溫溼度感測器,感測單元(14)會放置在農田中以進行感測並蒐集資料,每個感測單元(14)皆可指定一個唯一的識別碼(ID)識別,以便可以佈置農田中以擷取不同區域的溫溼資訊,感測單元(14)的數量可以依照種植區域的大小彈性擴充,以便提供種植者可以即時了解各個種植區域的土壤溫溼度情況;
土壤溫溼度感測器負責感測該種植區域土壤之溼度與溫度,大氣溫溼度感測器則負責感測該種植區域大氣之溼度與溫度,並將感測到的屬性資料傳輸給處理單元(11),處理單元(11)彙整感測單元(14)的資料,並整理出如表一之表格,可透過顯示單元(12)去檢視;
表一
No | time | dcmID | senID | soil_m | soil_t | hum | tmp |
1 | t1 | dc1 | s1 | sm1 | st1 | hs1 | ts1 |
2 | t2 | dc2 | s2 | sm2 | st1 | hs2 | ts2 |
.. | .. | .. | .. | .. | .. | .. | .. |
N | tn | dcn | sn | smn | stn | hsn | tsn |
表一之欄位分別有序號(No)、時間(time)、資料蒐集模組ID(dcmID)、感測單元ID(senID)、土壤溼度(soil_m)、土壤溫度(soil_t)、大氣溼度(hum)與大氣溫度(tmp),同一個資料蒐集模組ID (dcmID)會對應到多個感測單元ID (senID)表示同一個栽種區域的不同感測單元(14)所傳回的值。
接續地,外部資訊單元(15)再由氣象單位之公開平台的開放式資料庫(22)所提供之資料,去蒐集栽種農田之區域的大氣溫度、大氣溼度及日照量等屬性資料,並將資料傳輸給處理單元(11)進行彙整,以生成如表二之表格,此氣象單位所提供之資料包含有預報及即時的資料;
表二
No | obsTime | lat | lon | dcmID | temp | humd | sun |
1 | ot1 | la1 | lo1 | dc1 | to1 | ho1 | sn1 |
2 | ot2 | la2 | lo2 | dc2 | to1 | ho2 | sn2 |
.. | .. | .. | .. | .. | .. | .. | .. |
N | otn | lan | lon | dcn | ton | hon | snn |
表二之欄位分別有序號(No)、時間(obsTime)、經緯度 (lat與lon)、資料蒐集模組ID(dcmID)、大氣溫度(temp)、大氣溼度(humd)與日照量(sun),日照量是以MJ/m2
為單位,其中所對應的dcmID
是經由經緯度來對應的。
除了蒐集土壤與天氣相關的資料外,由於不同的農作物對於溼度、溫度的要求也不同,因此栽種者在實際栽種時,需要透過該資料蒐集模組(1)之管理單元(16)去輸入關於欲栽種之作物的基本資料,其會建立如表三之表格;而在作物種植期間栽種者可以透過管理單元(16)於成長期間註記作物的成長情況,註記的資料項目如表四所示;再者,栽種者於管理單元(16)中,還要輸入該作物預計的澆灌排程,例如幾月幾號的哪個時間點預計會進行澆灌。
表三
cropID | nameID | moiH | moiL | tmpH | tmpL | harT | harS | harE | harR |
cid1 | nid1 | mh1 | ml1 | th1 | tl1 | ht1 | vs1 | ve1 | vr1 |
cid2 | nid2 | mh2 | ml2 | th2 | tl2 | ht2 | vs2 | ve2 | vr2 |
.. | .. | .. | .. | .. | .. | .. | .. | .. | |
cidn | nidn | mhn | mln | thn | tln | htn | vsn | ven | vrn |
表四
No | cropID | time | harvest | Irri |
1 | cid1 | t1 | hv1 | ir1 |
2 | cid1 | t2 | hv2 | ir2 |
.. | .. | .. | .. | |
N | cidk | tn | hvn | irn |
表三之欄位分別有作物ID(cropID)、名稱ID(nameID)、適合成長的溼度範圍(moiL到moiH)、溫度範圍(tmpL到tmpH)、種植時間(harT)、預計成長期間(harS到harE個月)與實際收成時間(harR個月);表四之欄位分別有序號(No)、作物ID(cropID)、註記時間(time)以及成長情況(harvest),以分數1~10表示不佳與良好之成長情況,此紀錄中還包含了澆灌的註記(Irri)。
當資料蒐集模組(1)將所有資料蒐集與輸入完畢後,即可透過無線傳輸單元(13),將感測單元(14)所蒐集之資料、外部資訊單元(15)所蒐集之資料與管理單元(16)輸入之資料傳輸給該伺服器端(2)的模型建立模組(21),由模型建立模組(21)的資料整合單元(211)接收,資料整合單元(211)具有資料管理、外部資訊整合與感測資料整合三種功能,而分別把不同的資料儲存於資料庫(22)中,資料庫(22)可分為儲存原始資料的資料庫(22)與儲存模型資料的資料庫(22),而資料整合單元(211)係將來自資料蒐集模組(1)的資料儲存在原始資料的資料庫(22);
該模型建立模組(21)之模型建立單元(212)即會從資料庫(22)中取出該等資料,並以天為單位來整理資料,所整理的資料如表五(用於建立土壤溼度模型的資料前置處理)所示;
表五
Date | dcmID | soil_m | soil_t | hum | tmp | temp | humd | sun | smd |
d1 | d1 | sm1 | st1 | hs1 | ts1 | to1 | ho1 | sn1 | sd1 |
d2 | d2 | sm2 | st1 | hs2 | ts2 | to1 | ho2 | sn2 | sd2 |
.. | .. | .. | .. | .. | .. | .. | .. | .. | .. |
dn | dn | smn | stn | hsn | tsn | ton | hon | snn | sdn |
表五之日期欄位(Date)以天為單位,其整理之屬性資料有從感測單元(14)取得之土壤溼度(soil_m)、土壤溫度(soil_t)、大氣溼度(hum)與大氣溫度(tmp),與外部資訊單元(15)取得之大氣溼度(humd)、大氣溫度(temp)與日照量(sun)等資料,最後的欄位係為土壤流失溼度(smd)為當日的土壤溼度減掉隔日的土壤溼度,而此差值係在未進行澆灌的情況下,即代表自然狀況下土壤流失溼度的數值,土壤流失溼度(smd)還會參照表四的澆灌註記,當di日有進行澆灌時,由於di日的溼度已受到澆灌的影響,則di-1日(即前一日)的smd資料便需要刪除,因為模型建立單元(212)所建立的土壤溼度模型是要代表未受澆灌影響下的溼度變化情形。
模型建立單元(212)中所生成的數值雖然已經以天為單位進行整理,然而數值型的資料係不利於分析,因此模型建立單元(212)會再對數值型的資料進行離散化的處理,如表六(將前置處理後的資料以離散化處理)所示;
表六
Date | dcmID | soil_m | soil_t | hum | tmp | temp | humd | sun | smd |
d1 | dc1 | sm1 ' | st1 ' | hs1 ' | ts1 ' | to1 ' | ho1 ' | sn1 ' | sd1 ' |
d2 | dc2 | sm2 ' | st1 ' | hs2 ' | ts2 ' | to1 ' | ho2 ' | sn2 ' | sd2 ' |
.. | .. | .. | .. | .. | .. | .. | .. | .. | .. |
dn | dcn | smn ' | stn ' | hsn ' | tsn ' | ton ' | hon ' | snn ' | sdn ' |
表六即是將原本連續的資料區分成數值區間,每個區間利用一個標籤表示,例如表示土壤溼度的數值sm1
可以表示成區段的形式,若區段顯示為[50; 65),就代表土壤溼度大於等於50%而小於65%,並以標籤sm1
'表示。接著透過關聯性規則資料探勘技術來建立關聯性規則,所建立的規則可以表示如式1的形式,其中v11
與v12
表示為表6中某屬性αi
的範圍值,例如土壤溼度大於50%而小於65%,則v11
為50,v12
為65;因此,當某天的土壤溼度介於式1所列的區段範圍內時,便可以預測隔天的土壤溼度變化值smd為ui
,如此,模型建立單元(212)建立出的土壤溼度模型就能用於預測隔天的土壤溼度變化的情形,而土壤溼度模型會再傳輸給用於儲存模型資料的資料庫(22)內。
式1
{a 1
:[v 11
;v 12
], ...,a n
:[v n1
:v n2
]} ® {u i
}
接續地,預測模組(23)會由儲存原始資料的資料庫(22)與儲存模型資料的資料庫(22)中取出感測單元(14)所取得之土壤溼度、土壤溫度、大氣溼度與大氣溫度,與外部資訊單元(15)取得之大氣溼度、大氣溫度與日照量,以及栽種者於管理單元(16)所輸入之預計的澆灌排程等資料,並再由用於儲存模型資料的資料庫(22)內取出模型建立單元(212)所建立的土壤溼度模型,藉此,以進行日後土壤溼度的預測;
請參閱第三圖,利用di
日所蒐集的資料vi
(如表五所列之整列資料)輸入到土壤溼度模型之規則中,以預測di
+1日(隔天)的土壤流失溼度(smd欄位的sdi
),接著再用vi+1
的資料來預測di+2
日(隔天)的土壤流失溼度(smd欄位的資料),並顯示所預測到的土壤溼度值給栽種者檢視,而di+2
日的土壤流失溼度亦可以直接利用vi
的資料,但其中土壤溼度(soil_m)欄位的資料要先扣除對於di+1
日之土壤流失溼度的預測值sdi
;
以前述過程持續計算到無法於土壤溼度模型所建立之規則中來預測下一天的土壤流失溼度,或所預測的土壤溼度(soil_m)低於該作物所設定之適合成長的最低溼度(表三moiL欄位的值)時,當無法找到規則時,則顯示可以預測的土壤溼度值予栽種者,而當土壤溼度(soil_m)欄位值低於適合成長的最低溼度(表三moiL欄位的值)欄位值時,則顯示需要澆灌的日期,例如di+k
日表示需要於k天後進行澆灌,但當所預測的土壤溼度(soil_m) 欄位值仍高於該作物所設定之適合成長的最高溼度(表三moiH欄位的值)時,則表示尚未需要澆灌。
下面以一個實例來說明本發明如何應用於農田澆灌的預測上,該模型建立模組(21)之模型建立單元(212)實際代入資料庫(22)之資料時,會如表七所示;
表七
Date | dcmID | soil_m | soil_t | hum | tmp | temp | humd | sun | smd |
01-01 | A01 | 60 | 19 | 70 | 17 | 18 | 72 | 6.7 | -6 |
01-02 | A01 | 54 | 16 | 75 | 16 | 15 | 74 | 6.5 | -4 |
.. | .. | .. | .. | .. | .. | .. | .. | .. | |
01-28 | A01 | 45 | 20 | 68 | 20 | 19 | 67 | 6.6 | ? |
表七中顯示模型建立單元(212)由資料庫(22)中的資料整理出1月1日至1月28日之各項屬性的數據,將資料經過離散化(Discretization)處理,並利用關聯性規則探勘技術(Association rules mining)處理所建立規則,如表八所示;
表八
RuleID | Rule-L | Rule-R |
R1 | soil_m:[45;50], tmp:[15;20], Humd:(66;70] | -4 |
R2 | soil_m:(50;54], temp:[16;21], sun:[6.3;6.8) | -6 |
.. | .. | .. |
Rn | soil_m:(41;44], hum:[67;70], Humd:[68;70) | -5 |
表八整理出土壤溼度模型的各項規則,以規則ID(RuleID)編號,每一個規則ID對應有規則左式(Rule-L),代表當所蒐集屬性數據可落於規則式之區間時,便可以預測土壤溼度的值會有規則右式(Rule-R)數值的增減變化。
以表七資料中的1月28日為di
日,利用其屬性數據進行預測,發現此1月28日之資料符合R1
的範圍,因此可以預測隔日1月29日(01-29)的土壤流失溼度(smd)為-4,亦即土壤溼度(soil_m)的值會由1月28日降低4,而變為41,於是表七1月28日之?的部分可填入-4,再利用1月29日的預測值帶入土壤溼度模型的規則中進行預測,由Rn
的預測可以得到土壤流失溼度(smd)為-5,亦即1月30日之土壤溼度(soil_m)的值預測會降低到36;若再帶入1月30日的資料到土壤溼度模型的規則中,則無法再找到符合的規則,此時,若該作物適合成長的最低溼度要求設定為15,則建議目前無需澆灌,可整理如表九所示,栽種者即可透過自己的個人電腦(3)或是行動設備(4)連接到伺服器端(2),檢視到預測模組(23)所預測出之表格;
表九
Date | dcmID | soil_m | soil_t | hum | tmp | temp | Humd | sun | smd |
01-29 | A01 | 41 | 20 | 68 | 20 | 19 | 69 | 6.6 | -5 |
01-30 | A01 | 36 | 16 | 75 | 16 | 15 | 74 | 6.5 | ? |
01-31 | A01 | - | - | - | - | - | - | - | - |
然而,本發明所預測的土壤溼度可以搭配每日所蒐集到的實際資料進行修正,例如在1月29日時,可以利用由資料蒐集模組(1)之感測單元(14)所蒐集到的各項數值再次進行預測與修正,以便提供栽種者澆灌排程的參考。
由上述之實施說明可知,本發明與現有技術相較之下,本發明具有以下優點:
1.本發明農田澆灌建議方法透過一個或一個以上的資料蒐集模組可蒐集栽種農田之區域的土壤溫溼度、大氣溫溼度、日照度等資料,該等資料包含自行感測與氣象單位公開平台之資料,以提升後續土壤溼度預測的準確度。
2.本發明農田澆灌建議方法之模型建立單元建立一土壤溼度模型,以判斷出目前農田之土壤溼度的規則變化,使預測模組可以代入當日的屬性數據至規則內,以預測隔日的土壤溼度,並給予何時應再進行澆灌的建議,達到良好的灌溉效果。
綜上所述,本發明之農田澆灌建議方法,的確能藉由上述所揭露之實施例,達到所預期之使用功效,且本發明亦未曾公開於申請前,誠已完全符合專利法之規定與要求。爰依法提出發明專利之申請,懇請惠予審查,並賜准專利,則實感德便。
惟,上述所揭之圖示及說明,僅為本發明之較佳實施例,非為限定本發明之保護範圍;大凡熟悉該項技藝之人士,其所依本發明之特徵範疇,所作之其它等效變化或修飾,皆應視為不脫離本發明之設計範疇。
(1):資料蒐集模組
(11):處理單元
(12):顯示單元
(13):無線傳輸單元
(14):感測單元
(15):外部資訊單元
(16):管理單元
(2):伺服器端
(21):模型建立模組
(211):資料整合單元
(212):模型建立單元
(22):資料庫
(23):預測模組
(3):個人電腦
(4):行動設備
第一圖:本發明其較佳實施例之架構方塊圖。
第二圖:本發明其較佳實施例之資料分析關係圖。
第三圖:本發明其較佳實施例之預測土壤溼度變化圖。
(1):資料蒐集模組
(11):處理單元
(12):顯示單元
(13):無線傳輸單元
(14):感測單元
(15):外部資訊單元
(16):管理單元
(2):伺服器端
(21):模型建立模組
(211):資料整合單元
(212):模型建立單元
(22):資料庫
(23):預測模組
(3):個人電腦
(4):行動設備
Claims (5)
- 一種農田澆灌建議方法,其包含有:提供至少一資料蒐集模組之複數個感測單元感測大氣之溫度與溼度及土壤之溫度與溼度,並由該至少一資料蒐集模組之一外部資訊單元從氣象單位之公開平台接收大氣溫度、大氣溼度與日照量之資訊;透過該至少一資料蒐集模組之一管理單元紀錄農作物資訊與預計的澆灌排程;將該複數個感測單元、該外部資訊單元與該管理單元之資料經由一無線傳輸單元傳輸給一伺服器端之一模型建立模組;該模型建立模組之資料整合單元會將接收到之資料儲存於至少一資料庫中;該模型建立模組之模型建立單元根據該至少一資料庫中所儲存之資料進行離散化(Discretization)處理,並透過關聯性規則探勘技術(Association rules mining)建立一土壤溼度模型,並將該土壤溼度模型儲存於該至少一資料庫;該伺服器端之一預測模組再根據該至少一資料庫中之該土壤溼度模型、該複數個感測單元、該外部資訊單元與該管理單元之資料預測土壤之溼度;再輸出作物澆灌建議排程。
- 如請求項1所述農田澆灌建議方法,其中該至少一資料蒐集模組之複數個感測單元係為土壤溫溼度感測器與大氣溫溼度感測器。
- 如請求項1所述農田澆灌建議方法,其中該至少一資料蒐集模組進一步包含有一處理單元與一電性連接該處理單元之顯示單元,該處理單元又電性連接該複數個感測單元、該外部資訊單元、該管理單元與該無線傳輸單元。
- 如請求項1所述農田澆灌建議方法,其中該模型建立單元係根據該複數個感測單元感測之土壤溼度、土壤溫度、大氣溼度與大氣溫度之資料、由該外部資訊單元獲取之大氣溼度、大氣溫度與日照量之資料、以及土壤流失溼度之資料建立該土壤溼度模型。
- 如請求項1所述農田澆灌建議方法,其中該伺服器端係進一步電性連接一個人電腦或一行動設備,或上述兩者之組合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108109113A TWI759586B (zh) | 2019-03-18 | 2019-03-18 | 農田澆灌建議方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108109113A TWI759586B (zh) | 2019-03-18 | 2019-03-18 | 農田澆灌建議方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202036450A TW202036450A (zh) | 2020-10-01 |
TWI759586B true TWI759586B (zh) | 2022-04-01 |
Family
ID=74091207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108109113A TWI759586B (zh) | 2019-03-18 | 2019-03-18 | 農田澆灌建議方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI759586B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102473247A (zh) * | 2009-06-30 | 2012-05-23 | 陶氏益农公司 | 用于在包含分子遗传标志物的植物和动物数据集中挖掘关联规则,继而利用由这些关联规则创建的特征进行分类或预测的机器学习方法的应用 |
CN106718695A (zh) * | 2017-01-04 | 2017-05-31 | 吉林省沃特管业有限公司 | 一种智能节水灌溉物联网控制系统 |
CN107087539A (zh) * | 2017-05-27 | 2017-08-25 | 苟瀚文 | 一种基于物联网的果蔬智能灌溉系统 |
TWM559057U (zh) * | 2017-11-16 | 2018-05-01 | Chuen Fa Green Energy Technology Co Ltd | 智慧溫室控制模組 |
CN108012640A (zh) * | 2017-11-29 | 2018-05-11 | 上海华维节水灌溉股份有限公司 | 一种基于作物环境协同反馈的灌溉施肥系统 |
CA3042292A1 (en) * | 2016-11-02 | 2018-05-11 | The Yield Technology Solutions Pty Ltd | Controlling agricultural production areas |
TW201909093A (zh) * | 2017-07-21 | 2019-03-01 | 森淨科技股份有限公司 | 智能排程系統及其方法 |
-
2019
- 2019-03-18 TW TW108109113A patent/TWI759586B/zh active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102473247A (zh) * | 2009-06-30 | 2012-05-23 | 陶氏益农公司 | 用于在包含分子遗传标志物的植物和动物数据集中挖掘关联规则,继而利用由这些关联规则创建的特征进行分类或预测的机器学习方法的应用 |
CA3042292A1 (en) * | 2016-11-02 | 2018-05-11 | The Yield Technology Solutions Pty Ltd | Controlling agricultural production areas |
CN106718695A (zh) * | 2017-01-04 | 2017-05-31 | 吉林省沃特管业有限公司 | 一种智能节水灌溉物联网控制系统 |
CN107087539A (zh) * | 2017-05-27 | 2017-08-25 | 苟瀚文 | 一种基于物联网的果蔬智能灌溉系统 |
TW201909093A (zh) * | 2017-07-21 | 2019-03-01 | 森淨科技股份有限公司 | 智能排程系統及其方法 |
TWM559057U (zh) * | 2017-11-16 | 2018-05-01 | Chuen Fa Green Energy Technology Co Ltd | 智慧溫室控制模組 |
CN108012640A (zh) * | 2017-11-29 | 2018-05-11 | 上海华维节水灌溉股份有限公司 | 一种基于作物环境协同反馈的灌溉施肥系统 |
Also Published As
Publication number | Publication date |
---|---|
TW202036450A (zh) | 2020-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8340828B2 (en) | Water and fertilizer management system | |
US20020170229A1 (en) | System and method for phytomonitoring | |
WO2008083062A1 (en) | Automated location-based information recall | |
KR20190143680A (ko) | IoT 기반 온실 내 작물 생육상태 실시간 모니터링 시스템 | |
CN104991459A (zh) | 一种有机蔬菜大棚监控系统及方法 | |
CN106777683A (zh) | 一种作物苗情监测系统和方法 | |
CN112042353A (zh) | 一种适用于日光温室的水肥精准决策方法及系统 | |
Carlos et al. | Monitoring system of environmental variables for a strawberry crop using IoT tools | |
KR20210063218A (ko) | 시설 운영 이력을 저장할 수 있는 스마트팜 운영 시스템 | |
Helmer et al. | CropAssist, an automated system for direct measurement of greenhouse tomato growth and water use | |
CN112215522A (zh) | 农作物长势监测系统、方法、计算机设备及存储介质 | |
CN103744369A (zh) | 一种实现智能管理农作物监控平台的方法 | |
JP2021128756A (ja) | 先物取引情報表示プログラム | |
TWI759586B (zh) | 農田澆灌建議方法 | |
CN110414859B (zh) | 一种基于物联网技术的稻谷收储作业5t评价方法 | |
US20220365054A1 (en) | Crop monitoring system and method | |
WO2020184241A1 (ja) | 農作物の収穫量予測プログラム、栽培環境判別プログラム | |
US20230082714A1 (en) | Soil Property Model Using Measurements of Properties of Nearby Zones | |
KR102214008B1 (ko) | 식물생장 관리 시스템 및 이를 이용한 식물생장 관리방법 | |
Haun | Determination of Wheat Growth‐Environment Relationships 1 | |
KR102355211B1 (ko) | 농작물 재배 모니터링 시스템 | |
CN211908856U (zh) | 一种基于物联网的植物数据采集系统 | |
Suciu et al. | IoT agro-meteorology for viticulture disease warning | |
CN112508508A (zh) | 智慧农场管理系统 | |
CN111262950A (zh) | 一种基于物联网的植物数据采集系统 |