一种针对阳台或屋面绿植的智能滴灌方法及系统技术方案

本发明专利技术公开了一种针对阳台或屋面绿植的智能滴灌方法及系统，所述方法包括以下步骤：在一个浇灌周期内，检测土壤湿度；判断土壤湿度是否过低：若过低，则预测本浇灌周期内下雨概率及降雨量，以及日晒概率及时长，并由此计算出当前土壤最佳湿度；开启出水阀门，进行浇灌，直至土壤达到预定湿度；开启进水阀门，进行补水，直至水箱水位达到高水位线，结束本浇灌周期。本发明专利技术实现对绿植浇灌水量的按需、按量精细化控制，能够实现基于局部气候预测的智能浇灌，且能实现针对绿植本身的浇灌策略的可持续优化。续优化。续优化。

【技术实现步骤摘要】
一种针对阳台或屋面绿植的智能滴灌方法及系统


[0001]本专利技术涉及绿植滴灌领域，特别涉及一种针对阳台或屋面绿植的智能滴灌方法及系统。

技术介绍

[0002]当前，许多建筑的屋面或阳台都栽种着绿植，它们不但美化和改善了环境，也给人们在工作生活之余增添了乐趣，但是，绿植的常态化浇水也成为了许多人的负担，因为不同的植物品种、在不同的季节和局部气候条件下，所需要的浇水频率、水量有所不同。
[0003]专利申请号为CN202211294637.7、专利名称为基于云边端协同的植物浇灌控制系统的技术方案，包括：浇灌单元、边缘计算模块、 温湿度传感器、云服务器、移动端等。在一种可能实现的方案中，数据采集与处理模块、无线通信模块、图像采集模块、储水监测模块、出水控制模块、交互控制模块、电源供电模块可架设在浇灌单元上。参考图2，图像采集模块获取当前植物图像信息，数据采集与处理模块通过无线通信模块将当前植物图像信息上传至边缘计算模块，边缘计算模块利用嵌入式深度学习模型对图像进行识别。若识别成功，则在数据库中查询该植物对应的生长习性、历史浇灌记录和温湿度等信息；若识别失败，则边缘计算模块将该图像通过有线或无线的方式传送至云服务器，云服务器利用复杂深度学习模型对其进行识别，并将该植物的名称、生长习性等信息传送至边缘计算模块。边缘计算模块更新嵌入式深度学习模型，并将该植物信息存入边缘计算模块上的数据库中。边缘计算模块综合利用查询到的信息确定该植物应浇水量，并将其通过无线通信方式传送至数据采集与处理模块。数据采集与处理模块接收边缘计算模块发送过来的信息后，通过储水监测模块判断所储存水量是否足够(储水量是否大于应浇水量)。若不够，则通过交互控制模块提醒用户加水；若足够，则用户通过交互控制模块选择自动/手动浇灌模式，出水控制模块根据用户选择的浇灌方式进行浇灌，并将出水量信息实时传送至数据采集与处理模块判断是否浇灌完毕(已出水量是否大于应浇水量)。若浇灌完毕，交互控制模块提醒用户浇灌完毕，并通过无线通信模块将浇灌信息传送至边缘计算模块。边缘计算模块接收信息后更新数据库中该植物的历史浇灌记录。另外，边缘计算模块还可定时判断是否有植物需要浇灌(简单的方式是可以通过浇灌时间间隔来判断，这个时间间隔可以人为设定，也可以由边缘计算模块根据植物自身的生长习性和环境的温湿度自动计算确定)。若确定有植物需要浇灌，则将植物缺水信息发送至云服务器，云服务器通过无线通信方式发送至移动端，提醒用户及时对该植物进行浇灌。
[0004]上述方案存在以下缺点：1）上述技术无法做到按需、按量的精细化浇灌。因为其对每次浇水量的判断，是基于查询数据库得出“应浇水量”与“实际出水量”来判断的。但事实上，土壤中水分的蒸发速度、植物对水量的吸收速度与季节、气候等息息相关，土壤的实际湿度无法通过其所述“数据库中查询该植物对应的生长习性、历史浇灌记录和温湿度等信息”精准判断，而是在土壤中加入土壤湿度传感器实际探测为宜。
[0005]2）上述技术无法做到基于气候预警的智能浇灌。因为其“应浇水量”没有与局部气候预警相关联。局部气候若预警到一段时间后有雨，其浇水量应根据算法模型有所减少；若预警一段时间后为烈日，其浇水量应根据算法模型相应增加。
[0006]3）上述技术无法做到系统的持续优化。植物在不同的生长周期、在不同的季节和气候条件下，土壤湿度对植物生长的影响均可能不同。应该针对不同品种的植物，建立一个可持续优化迭代的模型，来判断不同的土壤湿度对植物的影响。

技术实现思路

[0007]本专利技术的目的在于克服现有技术的缺点与不足，提供一种针对阳台或屋面绿植的智能滴灌方法。
[0008]本专利技术的另一目的在于提供一种针对阳台或屋面绿植的智能滴灌系统。
[0009]本专利技术的目的通过以下的技术方案实现：一种针对阳台或屋面绿植的智能滴灌方法，包括以下步骤：S1、在一个浇灌周期内，检测土壤湿度；S2、判断土壤湿度是否过低：若过低，则预测本浇灌周期内下雨概率及降雨量，以及日晒概率及时长，并由此计算出当前土壤最佳湿度；S3、开启出水阀门，进行浇灌，直至土壤达到预定湿度；S4、开启进水阀门，进行补水，直至水箱水位达到高水位线，结束本浇灌周期。
[0010]步骤S2中，所述本浇灌周期内下雨概率及降雨量通过下雨概率预测模型、降雨量预测模型进行预测：下雨概率预测模型如下： ；其中，n=0,1,2,3
…
表示时间间隔；a=2,3,4
…
表示雨天拟合系数，用以调整预测算法的拟合效率和准确度；P
rn
表示第n个时间段是否降雨的预测概率，根据预测算法计算得来；P
yn
表示第n个时间段是否降雨的天气预报概率，通过采集公开的天气预报信息而得到；
P
an
表示第n个时间段是否降雨的修正系数，由预测概率与实际降雨与否结合算法计算得来；P
n
表示第n个时间段是否实际降雨，由降雨量传感器采集而来，若降雨量达到或大于当次应浇水量，则设值为1，否则设为0；降雨量预测模型如下：；其中，n=0,1,2,3
…
表示时间间隔；b=2,3,4
…
表示降雨量拟合系数，用以调整预测算法的拟合效率和准确度；Y
n
表示第n个时间段的预测降雨量，根据预测算法计算得来；Y
yn
表示第n个时间段降雨的天气预报降雨量，通过采集公开的天气预报信息而得到。
[0011]步骤S2中，所述日晒概率及时长通过日晒概率预测模型、日晒市场模型进行预测：日晒概率预测模型如下：；其中，n=0,1,2,3
…
表示时间间隔；c=2,3,4
…
表示日晒拟合系数，用以调整预测算法的拟合效率和准确度；P
sn
表示第n个时间段是否有日晒的预测概率，根据预测算法计算得来；P
wn
表示第n个时间段是否有日晒的天气预报概率，通过采集公开的天气预报信息而得到；P
bn
表示第n个时间段是否有日晒的修正系数，由预测概率与实际降雨与否结合算法计算得来；
Ptn表示第n个时间段的实际日晒情况，由光照传感器采集而来，当光照大于预设照度值的时长占本时间间隔的预设比例以上时，则设值为1，否则设为0；日晒时长预测模型如下：；其中，n=0,1,2,3
…
表示时间间隔；d=2,3,4
…
表示日晒拟合系数，用以调整预测算法的拟合效率和准确度；T
n
表示第n个时间段内的预测日晒时长，由系统根据预测算法计算得来；T
y
表示第n个时间段内的天气预报预测日晒时长，通过采集公开的天气预报信息而得到。
[0012]步骤S2中，所述当前土壤最佳湿度通过以下方式进行计算：；其中，n=0,1,2,3
…
表示时间间隔系数；S
jn
表示第n个时间段内的自然补水量期望值，根据预测算法计算得来；W
yn
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对阳台或屋面绿植的智能滴灌方法，其特征在于，包括以下步骤：S1、在一个浇灌周期内，检测土壤湿度；S2、判断土壤湿度是否过低：若过低，则预测本浇灌周期内下雨概率及降雨量，以及日晒概率及时长，并由此计算出当前土壤最佳湿度；S3、开启出水阀门，进行浇灌，直至土壤达到预定湿度；S4、开启进水阀门，进行补水，直至水箱水位达到高水位线，结束本浇灌周期。2.根据权利要求1所述针对阳台或屋面绿植的智能滴灌方法，其特征在于，步骤S2中，所述本浇灌周期内下雨概率及降雨量通过下雨概率预测模型、降雨量预测模型进行预测：下雨概率预测模型如下：；其中，n=0,1,2,3
…
表示时间间隔；a=2,3,4
…
表示雨天拟合系数，用以调整预测算法的拟合效率和准确度；P
rn
表示第n个时间段是否降雨的预测概率，根据预测算法计算得来；P
yn
表示第n个时间段是否降雨的天气预报概率，通过采集公开的天气预报信息而得到；P
an
表示第n个时间段是否降雨的修正系数，由预测概率与实际降雨与否结合算法计算得来；P
n
表示第n个时间段是否实际降雨，由降雨量传感器采集而来，若降雨量达到或大于当次应浇水量，则设值为1，否则设为0；降雨量预测模型如下：；
其中，n=0,1,2,3
…
表示时间间隔；b=2,3,4
…
表示降雨量拟合系数，用以调整预测算法的拟合效率和准确度；Y
n
表示第n个时间段的预测降雨量，根据预测算法计算得来；Y
yn
表示第n个时间段降雨的天气预报降雨量，通过采集公开的天气预报信息而得到。3.根据权利要求1所述针对阳台或屋面绿植的智能滴灌方法，其特征在于，步骤S2中，所述日晒概率及时长通过日晒概率预测模型、日晒市场模型进行预测：日晒概率预测模型如下：；其中，n=0,1,2,3
…
表示时间间隔；c=2,3,4
…
表示日晒拟合系数，用以调整预测算法的拟合效率和准确度；P
sn
表示第n个时间段是否有日晒的预测概率，根据预测算法计算得来；P
wn
表示第n个时间段是否有日晒的天气预报概率，通过采集公开的天气预报信息而得到；P
bn
表示第n个时间段是否有日晒的修正系数，由预测概率与实际降雨与否结合算法计算得来；Ptn表示第n个时间段的实际日晒情况，由光照传感器采集而来，当光照大于预设照度值的时长占本时间间隔的预设比例以上时，则设值为1，否则设为0；日晒时长预测模型如下：；其中，n=0,1,2,3
…
表示时间间隔；
d=2,3,4
…
表示日晒拟合系数，用以调整预测算法的拟合效率和准确度；T
n
表示第n个时间段内的预测日晒时长，由系统根据预测算法计算得来；T
y
表示第n个时间段内的天气预报预测日晒时长，通过采集公开的天气预报信息而得到。4.根据权利要求1所述针对阳台或屋面绿植的智能滴灌方法，其特征在于，步骤S2中，所述当前土壤最佳湿度通过以下方式进行计算：；其中，n=0,1,2,3
…
表示时间间隔系数；S
jn
表示第n个时间段内的自然补水量期望值，根据预测算法计算得来；W
...

【专利技术属性】
技术研发人员：郭卫宏，何怡炜，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：