基于物联网的水肥精准调控方法、智能装备及系统技术方案

本发明专利技术适用于农业灌溉施肥管理技术领域，提供了基于物联网的水肥精准调控方法、智能装备及系统，本发明专利技术采用物联网的感知层、传输层(接入层和网络层)、支撑层和应用层四层架构模式；基于STM32F103RET6自主研发多功能采集控制装置并对射流器与文丘里混合器结构进行了优化；自行设计短距离通信协议结合Lora及TCP/IP等多种协议实现智能水肥一体化联网；基于BPNN的营养液EC、营养液PH、土壤温度T、土壤湿度H等多传感器数据融合设计了具有缓冲混肥桶的传递函数并与二维增量式模糊PID控制方法集合，实现了土壤水分、养分控制过程的响应速度和精度；采用LSTM长短期记忆神经网络预测未来7

【技术实现步骤摘要】
基于物联网的水肥精准调控方法、智能装备及系统


[0001]本专利技术属于农业灌溉施肥管理
，尤其涉及基于物联网的水肥精准调控方法、智能装备及系统。

技术介绍

[0002]随着网络技术、信息技术的飞速发展，赋予了农业信息化建设丰富的内涵，形成以物联网为基础，采用无线网络来测量获得作物生长的最佳条件，并进行精准调控，达到增产、改善品质、调节生长周期、节水节肥、减少环境污染、提高经济效益的目的。在农田中布置无线传感器网络以及一些自动化、智能化设备可以实现远程对农田信息的实时监测和控制，保证农作物的科学合理生长，大大减少了各种人力资源的消耗，改变了传统农业生产方式，提高了农业发展的速度。农业物联网技术在农业领域中的应用，逐渐成为新时代农业现代化水平的标志。
[0003]通过查找资料得知，农作物电导率r(t)范围一般在0.8～2.5mS/cm之间，电导率r(t)偏差e范围应不超过
±
0.8mS/cm；大多数作物以在中性或弱酸性、弱碱性的土壤中生长为适宜，农作物生长的pH值在6.5～7.5之间，土壤的酸性或碱性过强都不利于作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于物联网的水肥精准调控系统，其特征在于：包括信息感知层、信息传输层、支撑层及信息应用层，其中：所述信息感知层包括条形码、二维码、RFID、基于STM32F103RET6自主研发多功能采集控制装置、智能传感器、智能摄像头、超文本信息及自组织网络；所述信息传输层包括信息接入层和网络层，接入层现场传感器有线路由与无线组网，其中主要采用RS232/485、wifi、Zigbee、Lora，网络层主要有GSM、4G、5G、互联网、物联网、通讯网等异构网络的接入和传输；所述支撑层设计主要包括云计算、数据挖掘、数据可视化、多源异构数据融合、数据库级GIS/GPS/RS技术等；所述信息应用层主要包括监控、报警查询、智能控制、行业接口、信息系统、决策支持系统(生育期及土壤水分控制阈值)。2.如权利要求1所述基于物联网的水肥精准调控系统，其特征在于：其中关于所述采集控制装置，所述采集控制装置以嵌入式单片机STM32F103RET6控制器为核心，实现水位、流量、闸位、泵站、视频及闸(阀)门启闭信息的采集，并通过Lora、RS232/485模块实现信息的传输。3.如权利要求1所述基于物联网的水肥精准调控系统，其特征在于：其中关于所述数据挖掘主要为根据历史时段内有效降雨量P，采用LSTM长短期记忆神经网络预测未来5
‑
15日降水量，并通过连续无雨日旱情评估及主要旱地作物旱情评估，结合作物灌溉制度，确定灌水的时间、计划及灌水量，用于提高灌溉施肥的精准性。所述的灌溉制度主要为主要为贵州火龙果、猕猴桃及茶叶三种作物生育期及土壤水分控制阈值见表6、表7和表8。表6火龙果生育期及土壤水分控制阈值表7猕猴桃生育期及土壤水分控制阈值
表8茶叶生育期及土壤水分控制阈值表8茶叶生育期及土壤水分控制阈值4.如权利要求1所述基于物联网的水肥精准调控系统，其特征在于：其中关于所述智能控制包括基于BPNN的EC传感器、PH传感器、土壤温湿度传感器(T、H)等多传感器数据融合，其结构如图8所示。采用三层(4
‑8‑
1)结构，即4输入(EC、PH、T、H)，隐含层层数为8层，输出层层数为1层(目标营养液电导率y)，建立BPNN多传感器数据融合非线性函数为：y＝f(ec,ph,t,h)
ꢀꢀꢀꢀꢀꢀ
(1)其中ec,ph,t,h为神经网络的输入。二维增量式模糊PID控制方法及自动灌溉施肥控制，所述智能控制主要为二维增量式模糊PID控制方法，即以实际土壤电导率r与土壤目标电导率y间的偏差e、偏差变化率ec的二维增量式模糊PID控制模型。通过模糊化处理、模糊控制规则、模糊决策及解模糊化处理环节，输出量为PID控制器的3个输入修正参数ΔKp、ΔKi、ΔKd，形成的二维增量式模糊PID控制模型。当e(t)、ec(t)按不同规律变化时，根据人工经验制定出制定合理的模糊规则，并根据模糊规则对PID各参数进行在线修改，从而使系统性能达到最佳，之后，参照模糊规则展开模糊推理，推理结果经解模糊化处理，清晰量ΔKp、ΔKi、ΔKd再经过量化因子(或比例因子)计算作为输出量，最后经过Kp、Ki、Kd得到该采样时刻的实际控制量，最终确定电磁阀的开启时间t；
关于具有缓冲施肥桶的传递函数所述二维增量式模糊PID控制模型将文丘里射流器在吸肥的同时进行混肥的过程视为在缓冲混肥桶中就增加了虚拟的混肥容积V
F
，混合过程为平推流(塞流)和理想搅拌混合的结合，整个系统为二阶滞后系统，系统的传递函数为(8)，式(8)中，K2代表增加文丘里射流器后形成的二阶系统增益，T
F
表示在文丘里射流器中营养液制备过程的时间常数，V
F
表示增加文丘里射流器后增加的预混合容积；T
p
＝γT
r
，γ表示混合系数，对于平流模式，γ＝0，对于理想搅拌模式，γ＝1，V
T
为混肥桶有效混合容积，Q
F
代表流入文丘里射流器的液体流量；Qw表示注入混肥桶的水流量；τ表示肥料母液Q
NS
在缓冲混肥桶的混合滞后及测量滞后时间，包括液体在管道中的流动时间和混合时间，τ＝(1
‑
γ)Tr＝1；τ'为新的滞后时间，Q
NS
≤Q
F
＜Qw，Q
NS
表示注入肥料桶中肥料母液的流量。5.如权利要求1所述基于物联网的水肥精准调控系统，其特征在于：其中还包括双目机器视觉技术判断作物缺水状态为在日光条件下采集火龙果、猕猴桃、茶叶叶片图像，然后分别提取红绿蓝(RGB)三色分量和它们的相对系数grb及色度H，采用红色分量R、绿色分量G、蓝色分量B、以及r分量、b分量，通过CNN通过多层卷积和池化操作可以自主学习并提取数据每个局部特征，获取相对于显式特征提取方法更加有效的抽象特征映射，快速判断火龙果、猕猴桃、茶叶缺水状况的指标。CNN通过设置网络第1卷积层的卷积核大小为9
×
9，数量为12，激活函数为RELU；第2卷积层的卷积核大小为3
×
3，数量为18，每个输出特征图由不同的卷积核在前一层所有特征图上作卷积并将对应元素累加后加偏置，再通过RELU函数激活得到...

【专利技术属性】
技术研发人员：王永涛，刘坚，黄维，李蓉，杨文峰，索鑫宇，胡芮家，
申请(专利权)人：贵州省水利科学研究院贵州省灌溉试验中心站，
类型：发明
国别省市：