【技术实现步骤摘要】
本专利技术涉及温室种植，尤其涉及一种智能温室光合优化方法及系统。
技术介绍
1、随着人口增长和城市化进程加快，如何提高农业生产效率成为了一个重要课题，而光合作用是植物生长发育过程中至关重要的生物化学过程之一，通过合理调控光照强度、光谱组成等因素可以显著提升植物光合作用效率，进而增加农作物产量，然而，传统温室栽培中由于缺乏有效的监测与调节机制，很难实现对这些因素的最佳配置。
2、因此，开发一套高效可靠的智能温室光合优化方法及系统显得尤为必要。
技术实现思路
1、为了克服传统温室栽培中由于缺乏有效的监测与调节机制，很难实现对这些因素的最佳配置的缺点，本专利技术提供一种智能温室光合优化方法及系统。
2、本专利技术的技术方案是：一种智能温室光合优化方法，包括有：
3、步骤1：在温室内进行多源传感器网络实时监测，进行高密度状态下的传感器网络部署，其密度需要基于温室面积以及温室内植物覆盖分布进行具体计算；
4、步骤2：利用深度学习技术分析处理这些数据并生成针对不同作物的最佳光照策略，收集不同作物在各种环境条件下的历史数据作为训练样本，采用卷积神经网络结合长短时记忆网络来捕捉空间和时间上的复杂关系，之后利用大量标注数据训练模型，使其能够预测特定作物在给定条件下所需的最佳光照策略；
5、步骤3：根据模型输出的结果，形成自适应控制逻辑，按照控制逻辑使得系统自动调节led补光灯的颜色、亮度及开关时间等培养参数；
6、步骤4：同步设
7、作为本专利技术的一个优选，包括有数据采集层，所述数据采集层内配置有传感器网络和图像识别技术，包括但不限于光照强度传感器、温度传感器、湿度传感器、二氧化碳浓度传感器、土壤湿度传感器、ph值监测传感器和植物生长状态监测摄像头，所有传感器通过无线方式将数据上传至中央服务器内。
8、作为本专利技术的一个优选，包括有数据处理层，所述数据处理层内配置有云计算平台，所述云计算平台用于收集来自底层的数据，并对其进行清洗、整合与初步分析，之后建立预测模型，根据历史数据推断出最佳光照条件组合。
9、作为本专利技术的一个优选，包括有控制执行层，所述控制执行层配置有自动调节装置和远程监控中心，所述自动调节装置内配置有自适应led补光系统、雾化喷灌系统和精准施肥系统，所述自适应led补光系统采用可调节色温和亮度的led灯，根据植物生长周期和当前天气状况自动调整至最优状态，所述雾化喷灌系统和精准施肥系统结合ai算法精确计算所需水分与营养物质量，使用微滴灌溉技术直接作用于根部区域。
10、作为本专利技术的一个优选，在进行传感器密度计算时，可以使用下述公式来进行计算：
11、
12、其中，d是传感器密度，r是每个传感器的有效监测半径，a是温室总面积，p是植物覆盖区域面积，v是高价值作物或敏感作物覆盖区域面积，e是环境条件变化较大的区域面积，α是植物覆盖影响系数，β是高价值作物或敏感作物影响系数，γ是环境条件变化影响系数。
13、作为本专利技术的一个优选，在进行模型训练时，采用下述方式来进行具体的训练和最终预测：
14、首先从温室内部署的多种传感器收集实时数据，并收集过去几年中同一作物在相同或相似条件下的生长数据，包括光照策略及其效果，然后进行正常的数据清洗处理；
15、完成操作后进行模型结构设计，接受图像特征向量作为输入，使用多个卷积层来提取图像中的局部特征，通过池化操作减少特征图的空间维度，保留重要信息，将提取到的图像特征映射到一个固定长度的特征向量，此时完成对卷积层神经网络的基本架构；
16、接着进行长短时记忆网络的架构，接受传感器数据的时间序列作为输入，使用多层lstm单元来捕捉时间上的依赖关系，将lstm输出的特征向量映射到一个固定长度的特征向量；
17、然后将两个特征向量进行匹配融合，提取更高层次的特征向量，最终输出层用于预测特定作物在给定条件下的最佳光照策略。
18、作为本专利技术的一个优选，在采用图像识别技术对植物生长情况进行判断时，可以采用下述公式来进行健康值计算：
19、
20、其中，n是图像中植物区域的像素总数，ri、gi、bi分别是第ii个像素的红色、绿色和蓝色通道值，最终能够计算出绿色像素的比例。
21、作为本专利技术的一个优选，在利用ai算法进行精确计算时，其所采用的公式如下：
22、首先对蒸散量进行计算：
23、
24、其中，δ是饱和水汽压曲线斜率，mn是净辐射数值，n是土壤热通量密度数值，θ是干湿表常数数值，t是平均气温，μ2是对应高度下的风速情况，eδ和eσ分别是饱和水汽压和实际水汽压的数值；
25、接着根据不同作物和生长阶段选择合适的作物系数，然后考虑考虑土壤水分的入渗和蒸发，计算当前土壤水分含量，使用下述公式进行计算土壤水分平衡状态：
26、τ＝τt-1+f降水-e-i
27、其中，τ表示当前土壤水分含量，τt-1为前一时刻土壤水分含量，f降水为降水量，l是灌溉量；
28、在计算灌溉量的时候，需要考虑的灌溉区域面积y和土壤深度d，其公式如下：
29、i＝(τmax-τ)τ×y×d
30、完成初步计算后，基于作物生长阶段和历史数据，构建营养需求模型，定期进行土壤测试，获取土壤中的营养元素含量，之后安装微滴灌溉管道和滴头，确保水分和营养物质直接作用于根部区域，最后依靠所述控制执行层根据计算结果自动调整灌溉和施肥的时间和量。
31、通过采用上述技术方案，本专利技术具有如下优点：
32、1、本专利技术通过精确的算法，实现对温室内环境参数的精确监测与调控，从而为不同作物提供最佳的光照条件，以提高其生长速度和产量，通过al算法精确计算作物所需的水分量，并使用微滴灌溉技术直接作用于根部区域，减少了水分的浪费，并且根据作物的生长阶段和土壤测试结果，ai算法能够精确计算所需营养物质量，避免过量或不足施肥。
33、2、本专利技术通过自动化控制系统减少了对人工的依赖，降低了劳动力成本，可以根据不同作物的需求和外部环境的变化自动调整灌溉和施肥策略，具有较强的适应性。
本文档来自技高网...【技术保护点】
1.一种智能温室光合优化方法，其特征在于，包括有：
2.基于权利要求1所述的一种智能温室光合优化方法，其特征在于，包括有数据采集层，所述数据采集层内配置有传感器网络和图像识别技术，包括但不限于光照强度传感器、温度传感器、湿度传感器、二氧化碳浓度传感器、土壤湿度传感器、pH值监测传感器和植物生长状态监测摄像头，所有传感器通过无线方式将数据上传至中央服务器内。
3.基于权利要求1所述的一种智能温室光合优化方法，其特征在于，包括有数据处理层，所述数据处理层内配置有云计算平台，所述云计算平台用于收集来自底层的数据，并对其进行清洗、整合与初步分析，之后建立预测模型，根据历史数据推断出最佳光照条件组合。
4.基于权利要求1所述的一种智能温室光合优化方法，其特征在于，包括有控制执行层，所述控制执行层配置有自动调节装置和远程监控中心，所述自动调节装置内配置有自适应LED补光系统、雾化喷灌系统和精准施肥系统，所述自适应LED补光系统采用可调节色温和亮度的LED灯，根据植物生长周期和当前天气状况自动调整至最优状态，所述雾化喷灌系统和精准施肥系统结合AI算法精确计算
5.基于权利要求1所述的一种智能温室光合优化方法，其特征在于，在进行传感器密度计算时，可以使用下述公式来进行计算：
6.基于权利要求1所述的一种智能温室光合优化方法，其特征在于，在进行模型训练时，采用下述方式来进行具体的训练和最终预测：
7.基于权利要求1所述的一种智能温室光合优化方法，其特征在于，在采用图像识别技术对植物生长情况进行判断时，可以采用下述公式来进行健康值计算：
8.基于权利要求4所述的一种智能温室光合优化方法，其特征在于，在利用AI算法进行精确计算时，其所采用的公式如下：
...【技术特征摘要】
1.一种智能温室光合优化方法，其特征在于，包括有：
2.基于权利要求1所述的一种智能温室光合优化方法，其特征在于，包括有数据采集层，所述数据采集层内配置有传感器网络和图像识别技术，包括但不限于光照强度传感器、温度传感器、湿度传感器、二氧化碳浓度传感器、土壤湿度传感器、ph值监测传感器和植物生长状态监测摄像头，所有传感器通过无线方式将数据上传至中央服务器内。
3.基于权利要求1所述的一种智能温室光合优化方法，其特征在于，包括有数据处理层，所述数据处理层内配置有云计算平台，所述云计算平台用于收集来自底层的数据，并对其进行清洗、整合与初步分析，之后建立预测模型，根据历史数据推断出最佳光照条件组合。
4.基于权利要求1所述的一种智能温室光合优化方法，其特征在于，包括有控制执行层，所述控制执行层配置有自动调节装置和远程监控中心，所述自动调节装置内配置有自适应le...
【专利技术属性】
技术研发人员：姬红利，张洋，宋小民，罗云，李宝光，王书恒，刘燕，
申请(专利权)人：江西省农业科学院蔬菜花卉研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。