一种基于大数据的智能灌溉系统技术方案

本发明专利技术公开了一种基于大数据的智能灌溉系统，包括云平台、用户管理模块、环境监测模块、水量预测模块、设备监测模块和辅料添加模块；本发明专利技术设置了环境监测模块，该设置通过对农作物生长环境进行监测，并根据监测结果判断农作物是否需要进行灌溉，有助于用户实时了解农作物的状态；本发明专利技术设置了水量预测模块，该设置利用历史数据和人工智能算法对农作物灌溉用水量进行预测，不仅有助于提高农作物的灌溉效率，而且能够避免水资源的浪费；本发明专利技术设置了辅料添加模块，该设置根据农作物叶片的状态判断是否需要添加辅料，判断的准确度较高，且有助于提高辅料的利用率。且有助于提高辅料的利用率。且有助于提高辅料的利用率。

【技术实现步骤摘要】
一种基于大数据的智能灌溉系统


[0001]本专利技术属于农业灌溉
，具体是一种基于大数据的智能灌溉系统。

技术介绍

[0002]在农业发展中，灌溉一直对农作物的生长起到决定性作用，现有农业灌溉系统是孤立存在的，农业耕作者完全依据天气预报信息，依靠观察实地土壤湿度进行灌溉，非常耗费精力，并且不能完成保证灌溉时间合适，没有形成适宜的精准的农作物灌溉控制系统，不利于农作物的良好生长；同时，现有的智能灌溉系统往往采用定时灌溉的方式，不能根据环境状况智能调整灌溉量，往往造成水资源的浪费。
[0003]公开号为CN107873493A的专利技术专利提供了一种基于大数据的智能灌溉系统，包括：云服务器、移动终端、本地端主机、监测模块及管网系统，监测模块还包括湿度传感器、第一流量传感器、第一通信模块及第一MCU，本地端主机包括第二通信模块，湿度传感器、第一流量传感器及通信模块分别与第一MCU连接，第一通信模块与第二通信模块通信连接，本地端主机、移动终端分别于云服务器无线通信连接；管网系统包括主管道、支管道、灌溉管道及喷头，主管道与蓄水池连接，支管道设置在主管道上，灌溉管道设置在所述支管道上，喷头设置在所述灌溉管道末端，监控模块数量与喷头数量一一对应。
[0004]上述方案通过云服务器结合天气环境、土壤湿度智能调整灌溉量，有效地节约了水源，根据历史数据生成管理表，用户可根据管理表查看各个时间段地灌溉量；但是，上述方案结合地源数据信息较少，没有对不同农作物的灌溉信息进行区分，而且管理表的方式较为陈旧，应用起来不方便且准确率不足；因此，上述方案仍需进一步改进。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提出一种基于大数据的智能灌溉系统，以致力于解决
技术介绍
中的全部问题或者之一。
[0006]本专利技术的目的可以通过以下技术方案实现：一种基于大数据的智能灌溉系统，包括云平台、用户管理模块、环境监测模块、水量预测模块和数据存储模板，所述用户管理模块、所述环境监测模块、所述水量预测模块和所述数据存储模板均与所述云平台连接，所述数据存储模板与所述用户管理模块连接；
[0007]所述环境监测模块用于对农作物的生长环境进行监测，包括：
[0008]获取农作物品种，并将农作物品种标记为i，i＝1，2，
……
，n；
[0009]获取灌溉评估系数GPXi；
[0010]所述环境监测模块将灌溉评估系数GPXi发送给云平台处理，然后云平台输出预警信号发送给水量预测模块和用户管理模块；
[0011]通过云平台将预警信号发送记录发送至数据存储模块进行存储；
[0012]所述水量预测模块用于对灌溉用水量进行预测，包括：
[0013]当水量预测模块接收预警信号后，获取农作物生长区域面积和农作物生长时长；
[0014]云平台获取数据存储模块中已经训练完成的人工智能算法模型；
[0015]获取输入数据，将输入数据输入到人工智能算法模型中，得到终输出数据，将终输出数据标记为预测用水量YYL；
[0016]获取数据存储模块中存储的标准用水量范围[L3,L4]，当预测用水量YYL满足L3≤YYL≤L4，则判定预测用水量YYL满足条件，通过云平台将预测用水量YYL发送至用户管理模块和数据存储模块，其中L3和L4为预设标准用水量阈值；
[0017]云平台根据预测用水量YYL控制灌溉设备对农作物进行灌溉。
[0018]可选的，通过数据存储模块获取训练输入数据和训练输出数据，所述训练输入数据包括农作物生长区域的环境温度值HWDi和环境湿度值HSDi、农作物生长区域的所述土壤湿度值TSDi和所述土壤温度值TWDi、农作物生长区域面积和农作物生长时长，将训练输入数据进行归一化得到所述输入数据。
[0019]可选的，训练所述人工智能算法模型：
[0020]通过数据存储模块获取训练输出数据，所述训练输出数据为训练输入数据对应条件下的最佳灌溉用水量；
[0021]将训练输出数据进行归一化处理得到预输出数据，将所述输出数据和所述预输出数据对人工智能算法模型进行训练而得到训练完成的人工智能算法模型，所述人工智能算法模型包括误差前向传播神经网络、RBF神经网络和模糊神经网络；
[0022]将训练完成的人工智能算法模型通过云平台发送至数据存储模块进行存储。
[0023]可选的，所述预警信号包括农作物水分正常信号、农作物非充分灌溉信号和农作物充分灌溉信号；
[0024]当灌溉评估系数GPXi满足0<GPXi≤L1时，则判定农作物不需要灌溉，云平台发送农作物水分正常信号至水量预测模块和用户管理模块；当灌溉评估系数GPXi满足L1<GPXi≤L2时，则判定农作物轻微缺水，云平台发送农作物非充分灌溉信号至水量预测模块和用户管理模块；当灌溉评估系数GPXi满足L2<GPXi时，则判定农作物严重缺水，云平台发送农作物充分灌溉信号至水量预测模块和用户管理模块；
[0025]其中L1和L2为预设灌溉评估系数阈值。
[0026]可选的，获取监测数据，所述监测数据包括环境评估系数HPXi和土壤评估系数TPXi，所述灌溉评估系数GPXi＝α6
×
(HPXi+TPXi)+α7，通过云平台将监测数据及灌溉评估系数GPXi发送至数据存储模块进行存储；
[0027]其中α6和α7为预设比例系数，且0<α6<α7。
[0028]可选的，获取农作物生长区域的环境温度值HWDi和环境湿度值HSDi，所述监测数据还包括农作物生长区域的环境温度值HWDi和环境湿度值HSDi，环境评估系数HPXi＝α1
×
HWDi
×
e
α2
×
HSDi
+α3；
[0029]其中α1、α2和α3为预设比例系数，α1、α2和α3均大于0，且α1+α2+α3＝1.125，e为自然常数。
[0030]7.根据权利要求5所述的一种基于大数据的智能灌溉系统，其特征在于，获取农作物生长区域的所述土壤湿度值TSDi和所述土壤温度值TWDi，所述监测数据还包括农作物生长区域的所述土壤湿度值TSDi和所述土壤温度值TWDi，土壤评估系数
[0031]其中α4和α5为预设比例系数，且α4和α5均大于0。
[0032]可选的，所述云平台连接有设备监测模块，所述设备监测模块用于对灌溉设备进行监测，所述灌溉设备包括主管道、支管道、灌溉管道及喷头，所述主管道与蓄水池连接，所述主管道通过主管道连接所述灌溉管道，所述喷头设置在灌溉管道末端；
[0033]所述设备监测模块，包括：
[0034]获取设备评估系数SPX；
[0035]当设备评估系数SPX满足0<SPX≤L5时，则判定灌溉设备正常，通过云平台发送灌溉设备正常信号至用户管理模块；当设备评估系数SPX满足L5&本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的智能灌溉系统，其特征在于，包括云平台、用户管理模块、环境监测模块、水量预测模块和数据存储模板，所述用户管理模块、所述环境监测模块、所述水量预测模块和所述数据存储模板均与所述云平台连接，所述数据存储模板与所述用户管理模块连接；所述环境监测模块用于对农作物的生长环境进行监测，包括：获取农作物品种，并将农作物品种标记为i，i＝1，2，
……
，n；获取灌溉评估系数GPXi；所述环境监测模块将灌溉评估系数GPXi发送给云平台处理，然后云平台输出预警信号发送给水量预测模块和用户管理模块；通过云平台将预警信号发送记录发送至数据存储模块进行存储；所述水量预测模块用于对灌溉用水量进行预测，包括：当水量预测模块接收预警信号后，获取农作物生长区域面积和农作物生长时长；云平台获取数据存储模块中已经训练完成的人工智能算法模型；获取输入数据，将输入数据输入到人工智能算法模型中，得到终输出数据，将终输出数据标记为预测用水量YYL；获取数据存储模块中存储的标准用水量范围[L3,L4]，当预测用水量YYL满足L3≤YYL≤L4，则判定预测用水量YYL满足条件，通过云平台将预测用水量YYL发送至用户管理模块和数据存储模块，其中L3和L4为预设标准用水量阈值；云平台根据预测用水量YYL控制灌溉设备对农作物进行灌溉。2.根据权利要求1所述的一种基于大数据的智能灌溉系统，其特征在于，通过数据存储模块获取训练输入数据和训练输出数据，所述训练输入数据包括农作物生长区域的环境温度值HWDi和环境湿度值HSDi、农作物生长区域的所述土壤湿度值TSDi和所述土壤温度值TWDi、农作物生长区域面积和农作物生长时长，将训练输入数据进行归一化得到所述输入数据。3.根据权利要求2所述的一种基于大数据的智能灌溉系统，其特征在于，训练所述人工智能算法模型：通过数据存储模块获取训练输出数据，所述训练输出数据为训练输入数据对应条件下的最佳灌溉用水量；将训练输出数据进行归一化处理得到预输出数据，将所述输出数据和所述预输出数据对人工智能算法模型进行训练而得到训练完成的人工智能算法模型，所述人工智能算法模型包括误差前向传播神经网络、RBF神经网络和模糊神经网络；将训练完成的人工智能算法模型通过云平台发送至数据存储模块进行存储。4.根据权利要求1所述的一种基于大数据的智能灌溉系统，其特征在于，所述预警信号包括农作物水分正常信号、农作物非充分灌溉信号和农作物充分灌溉信号；当灌溉评估系数GPXi满足0<GPXi≤L1时，则判定农作物不需要灌溉，云平台发送农作物水分正常信号至水量预测模块和用户管理模块；当灌溉评估系数GPXi满足L1<GPXi≤L2时，则判定农作物轻微缺水，云平台发送农作物非充分灌溉信号至水量预测模块和用户管理模块；当灌溉评估系数GPXi满足L2<GPXi时，则判定农作物严重缺水，云平台发送农作物充分灌溉信号至水量预测模块和用户管理模块；
其中L1和L2为预设灌溉评估系数阈值。5.根据权利要求1或者4所述的一种基于大数据的智能灌溉系统，其特征在于，获取监测数据，所述监测数据包括环境评估系数HPXi和土壤评估系数TPXi，所述灌溉评估系数GPXi＝α6
×
(HPXi+TPXi)+α7，通过云平台将监测数据及灌溉评估系数GPXi发送至数据存储模块进行存储；其中...

【专利技术属性】
技术研发人员：邱意敏，李炜，欣龙，沈钰，朋琦，胡杰文，夏宏业，夏奎，王晶，徐诺，周颖，薛青松，张亚丽，沈云畅，罗丹，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：