一种基于物联网的灌溉方法及设备技术

本申请提出了一种基于物联网的灌溉方法及设备，用以解决现有的灌溉方法劳动力投入高，并造成水资源浪费的技术问题。方法包括：服务器接收土壤水份传感器上传的当前土壤含水量以及接收气象传感器上传的气象信息，并基于气象信息，确定预设时间段内的降水量；接收图像采集设备上传的农作物区域的图像数据，并将其输入至农作物种类识别模型中，得到农作物区域对应的农作物种类；基于农作物种类及当前土壤含水量，确定农作物种类在预设时间段内的实际需水量；计算得出降水量与实际需水量之间的第一差值，进而确定农作物区域内若干个灌溉设备的放水状态。本申请提出的灌溉方法，可自动提出有针对性的灌溉方案，有效的节约了灌溉用水。

【技术实现步骤摘要】
一种基于物联网的灌溉方法及设备
本申请涉及农业灌溉
，尤其涉及一种基于物联网的灌溉方法及设备。
技术介绍
我国是一个农业大国，农产品及粮食产量一直居于世界前列。同时，我国又是一个人口大国，我国人口大部分都从事农业生产，依靠农业产品发展。但随着全球水资源的不断减少，给农业生产带来了一定的难题。农业灌溉是农业种植和生产过程的重要环节，对提高粮食产量起到决定性作用。我国人均水资源匮乏，但是大面积的漫灌浇地现象使得资源浪费问题更加严重。虽然近年来管道浇灌技术的应用在一定程度上缓解了水资源浪费程度，但是大面积农田模式的出现，现有的农业灌溉技术需占用更多的人力物力，同时需要依据种植经验人为预测需水量，也更加加剧了水资源的浪费，造成水资源的利用率较低。
技术实现思路
本申请实施例提供了一种基于物联网的灌溉方法及设备，解决了在农业灌溉过程中，使用现有的灌溉技术劳动力投入过高，并且水资源利用率较低的技术问题。一方面，本申请实施例提供了一种基于物联网的灌溉方法，方法包括：服务器接收土壤水份传感器上传的当前土壤含水量，以及接收气象传感器上传的气象信息，并基于气象信息，确定农作物区域在预设时间段内的降水量；其中，土壤水份传感器、气象传感器安装于同一农作物区域；当前土壤含水量为预设土壤深度的当前土壤含水量信息；以及，接收图像采集设备上传的农作物区域的图像数据；并将农作物区域的图像数据输入至农作物种类识别模型中，以识别出农作物区域的图像数据中包含的农作物种类；基于农作物种类及当前土壤含水量，确定农作物种类在预设时间段内的实际需水量；计算得出预设时间段内的降水量与实际需水量之间的第一差值，并基于第一差值，确定农作物区域内若干个灌溉设备的放水状态；其中，放水状态用于指示各个灌溉设备是否放水及放水量。在本申请的一种实现方式中，在将农作物区域的图像数据输入至农作物种类识别模型之前，方法还包括：服务器接收来自互联网的第一农作物图像数据，并基于第一农作物图像数据，构建神经网络模型的训练数据集及特征样本库；利用训练数据集及特征样本库对神经网络模型进行训练；训练直至输出收敛，得到农作物种类识别模型。在本申请的一种实现方式中，基于第一农作物图像数据，构建神经网络模型的训练数据集及特征样本库，具体包括：服务器对第一农作物图像数据进行预处理，得到第二农作物图像数据；其中，预处理包括以下任一项或者多项：调整尺寸大小、调整亮度、调整对比度；基于第二农作物图像数据，构建神经网络模型的训练数据集；对第二农作物图像数据以预设方式提取特征信息，得到第二农作物图像数据中包含的农作物种类对应的一个或多个特征信息，并基于一个或多个特征信息构建特征样本库。在本申请的一种实现方式中，利用训练数据集及特征样本库对神经网络模型进行训练，具体包括：对输入神经网络模型的农作物图像以预设编码方式进行编码，得到农作物图像对应的特征向量；对特征向量以预设解码方式进行解码，以得到农作物图像对应的特征信息；将农作物图像对应的特征信息与特征数据库中的数据内容进行匹配；在农作物图像对应的特征信息与特征数据库中的预设数量个特征信息匹配成功的情况下，神经网络模型输出农作物图像对应的农作物种类。在本申请的一种实现方式中，基于农作物种类及当前土壤含水量，确定农作物种类在预设时间段内的实际需水量，具体包括：服务器基于农作物种类，接收来自互联网平台的种植数据；并基于种植数据，确定农作物种类在预设时间段内的标准土壤含水量；其中，标准土壤含水量与当前土壤含水量对应同一土壤深度；计算当前土壤含水量与标准土壤含水量之间的第二差值，并基于第二差值确定农作物种类的实际需水量。在本申请的一种实现方式中，基于第一差值，确定农作物区域内若干个灌溉设备的放水状态，具体包括：服务器基于第一差值，确定农作物区域内若干个灌溉设备的总放水量；在总放水量低于预设阈值的情况下，确定预设数量个灌溉设备进行放水，以及确定各个进行放水的所述灌溉设备的放水量；其中，第一预设数量小于所述若干个灌溉设备的总数量。在本申请的一种实现方式中，方法还包括：在总放水量高于预设阈值的情况下，确定若干个灌溉设备全部进行放水，以及确定各个进行放水的灌溉设备的放水量。在本申请的一种实现方式中，方法还包括：在若干个灌溉设备的放水状态对应的总放水量大于蓄水量的情况下，服务器将蓄水量平均分配至各个进行放水的灌溉设备，并向移动终端发送缺水警报信息。在本申请的一种实现方式中，在确定农作物区域内若干个灌溉设备的放水状态之后，方法还包括：服务器基于放水状态，控制若干个灌溉设备开始工作，并将放水状态信息发送至移动终端。另一方面，本申请实施例还提供了一种基于物联网的灌溉设备，设备包括：处理器；及存储器，其上存储有可执行代码，当可执行代码被执行时，使得处理器执行如上述的一种基于物联网的灌溉方法。本申请实施例提供的一种基于物联网的灌溉方法及设备，通过安装于农作物区域的气象传感器及土壤水份传感器上传的数据，确定当前土壤含水量及预设时间段内的降水量；通过农作物种类识别模型，确定农作物区域对应的农作物种类，根据农作物种类、降水量及当前土壤含水量确定放水总量。充分利用降水及当前土壤所含水份，节省了灌溉用水量。另外，本申请实施例提出的灌溉方法还可以根据农作物种类做适当调整，根据不同的农作物种类所需的不同水量，确定不同的放水总量，进一步保证了灌溉用水的利用率，更好地避免了水资源浪费的问题。另外，本申请实施例提供的一种基于物联网的灌溉方法及设备，通过各种传感器、服务器及灌溉设备相配合，可自动生成灌溉方案，不需要人为经验判断，并且完成农作物区域的灌溉行为，减少了人为参与，降低了劳动力的投入量，进而提高了农业灌溉的智能化水平。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请实施例提供的一种农作物区域内部设备安装分布示意图；图2为本申请实施例提供的一种基于物联网的灌溉方法流程示意图；图3为本申请实施例提供的一种基于物联网的灌溉设备内部结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。我国是一个农业大国，农业用水量占我国总用水量的一大部分。但随着经济的发展及社会的进步，工业用水、家庭用水量急剧增加，进一步缩小了农业的用水量。另外，我国农业的灌溉方式比较单一，在农村地区，大多数灌溉方法采用人工灌溉，需要人为轮流的看管灌溉设备及农田灌溉水量，且灌溉水量依靠农民的种植经验判断。这种灌溉方法不仅浪费了大量的人力物力，使劳动力投入过高，降低灌溉效率。而且依靠经验判断灌本文档来自技高网...

【技术保护点】
1.一种基于物联网的灌溉方法，其特征在于，所述方法包括：/n服务器接收土壤水份传感器上传的当前土壤含水量，以及接收气象传感器上传的气象信息，并基于所述气象信息，确定农作物区域在预设时间段内的降水量；其中，所述土壤水份传感器、气象传感器安装于同一农作物区域；所述当前土壤含水量为预设土壤深度的当前土壤含水量信息；/n以及，接收图像采集设备上传的所述农作物区域的图像数据；并将所述农作物区域的图像数据输入至农作物种类识别模型中，以识别出所述农作物区域的图像数据中包含的农作物种类；/n基于所述农作物种类及当前土壤含水量，确定所述农作物种类在所述预设时间段内的实际需水量；/n计算得出所述预设时间段内的降水量与实际需水量之间的第一差值，并基于所述第一差值，确定所述农作物区域内若干个灌溉设备的放水状态；其中，所述放水状态用于指示各个所述灌溉设备是否放水及放水量。/n

【技术特征摘要】
1.一种基于物联网的灌溉方法，其特征在于，所述方法包括：
服务器接收土壤水份传感器上传的当前土壤含水量，以及接收气象传感器上传的气象信息，并基于所述气象信息，确定农作物区域在预设时间段内的降水量；其中，所述土壤水份传感器、气象传感器安装于同一农作物区域；所述当前土壤含水量为预设土壤深度的当前土壤含水量信息；
以及，接收图像采集设备上传的所述农作物区域的图像数据；并将所述农作物区域的图像数据输入至农作物种类识别模型中，以识别出所述农作物区域的图像数据中包含的农作物种类；
基于所述农作物种类及当前土壤含水量，确定所述农作物种类在所述预设时间段内的实际需水量；
计算得出所述预设时间段内的降水量与实际需水量之间的第一差值，并基于所述第一差值，确定所述农作物区域内若干个灌溉设备的放水状态；其中，所述放水状态用于指示各个所述灌溉设备是否放水及放水量。


2.根据权利要求1所述的一种基于物联网的灌溉方法，其特征在于，在将所述农作物区域的图像数据输入至农作物种类识别模型之前，所述方法还包括：
服务器接收来自互联网的第一农作物图像数据，并基于所述第一农作物图像数据，构建神经网络模型的训练数据集及特征样本库；
利用所述训练数据集及特征样本库对神经网络模型进行训练；
训练直至输出收敛，得到所述农作物种类识别模型。


3.根据权利要求2所述的一种基于物联网的灌溉方法，其特征在于，所述基于所述第一农作物图像数据，构建神经网络模型的训练数据集及特征样本库，具体包括：
服务器对所述第一农作物图像数据进行预处理，得到第二农作物图像数据；其中，所述预处理包括以下任一项或者多项：调整尺寸大小、调整亮度、调整对比度；
基于所述第二农作物图像数据，构建神经网络模型的训练数据集；
对所述第二农作物图像数据以预设方式提取特征信息，得到所述第二农作物图像数据中包含的农作物种类对应的一个或多个特征信息，并基于所述一个或多个特征信息构建特征样本库。


4.根据权利要求2所述的一种基于物联网的灌溉方法，其特征在于，所述利用所述训练数据集及特征样本库对神经网络模型进行训练，具体包括：
对输入神经网络模型的农作物图像以预设编码方式进行编码，得到所述农作物图像对应的特征向量；
对所述特征向量以预设解码方式进行解码，以得到所述农作物图像对应的特征信息；
将所述农作物图像...

【专利技术属性】
技术研发人员：周冰，宋志华，李静，曹书森，侯晓辉，
申请(专利权)人：山东贵合信息科技有限公司，
类型：发明
国别省市：山东;37