一种基于数字农场的智能施肥及施药系统的制作方法

本发明属于农场种植管理领域，涉及农场的智能施肥、施药技术，具体是一种基于数字农场的智能施肥及施药系统。

背景技术：

1、数字农场是一种利用现代信息技术和物联网技术，将农业生产过程中的各个环节进行数字化管理和控制的农场；智能施肥、施药是数字农场中的重要环节，采用传感器监测土壤和植物状态，可以精确控制施肥量和时机，减少浪费和过量施肥，从而节省肥料成本；同时，智能施肥、施药设备可以按照系统的指令自动执行作业任务，从而提高作业效率，降低人工成本；合理施肥、施药可以提高植物质量，增加产量，使农民获得更高的经济效益，智能施肥、施药技术可以根据农作物的生长需求，实现养分追肥和精准喷雾，有利于农作物的生长和发育。

2、现有技术(公开号为cn116686687a的发明专利申请)公开了一种高效农业智能控制系统，该系统通过将灌溉环节、施肥环节和施药环节合并执行，节约工作人员的施肥施药时间，并且全程通过智能控制装置进行自动协调控制，从而达到高效农业智能控制的目的；在肥力监测装置和病虫监测装置监测到肥力缺失和病虫害发生时，通过喷洒调配装置对灌溉水进行调配，添加肥料和/或农药，并通过各喷洒灌溉装置进行精准定量灌溉，达到减少人员工作量，增加农业控制精度，通过自动执行事件对农业种植块田进行管理，且全程自动化执行，并能根据其缺失元素和病虫害类型，制定施肥施药计划，还兼顾用户设置的主动执行事件，从而实现农业高效灵活控制；然而，现有技术中通过将灌溉环节、施肥环节和施药环节合并执行来节约工作人员的施肥施药时间，未考虑针对种植区域的土壤或病虫害的不同问题，采取针对性的措施，导致施肥或施药的类型没有针对性。

3、本发明提供了一种基于数字农场的智能施肥及施药系统，以解决以上技术问题。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于数字农场的智能施肥及施药系统，用于解决现有技术未考虑针对种植区域的土壤或病虫害的不同问题，采取针对性的措施，导致施肥或施药的类型没有针对性的技术问题。

2、为实现上述目的，本发明的第一方面提供了一种基于数字农场的智能施肥及施药系统，包括：处理分析模块，以及与之相连的数据采集模块、执行控制模块；其特征在于，

3、数据采集模块：采集农作物种植区域的若干土壤样本，对若干土壤样本进行检测得到检测数据；通过数据传感器采集农作物生长过程中的环境数据；通过图像采集设备采集种植区域的实时图像数据；其中，检测数据包括有机质、氮、磷、钾含量、酸碱度；环境数据包括温度数据、湿度数据、光照强度以及土壤肥力传感监测数据；实时图像数据包括农作物的叶片特征；

4、处理分析模块：基于检测数据判断土壤是否达到能够种植的标准，是，则对农作物进行种植；否，则生成基肥施肥处方图；根据环境数据判断设定时间段内土壤传感监测肥力是否能够满足农作物生长，是，则持续对环境数据进行监测分析；否，则根据环境数据生成追肥处方图；以及，

5、基于实时图像数据判断种植区域内是否有病虫害，是，则分析病虫害类型；否，则持续对实时图像数据进行检测；根据病虫害类型生成施药处方图；

6、执行控制模块：根据处方图控制植保无人机执行对应的作业任务，将作业任务上传至管理数据库中，农场管理人员通过管理数据库对植保无人机的作业任务进行查询和监控；其中，处方图包括基肥施肥处方图、追肥处方图以及施药处方图；作业任务包括施肥任务或者施药任务。

7、优选的，所述采集农作物种植区域的若干土壤样本，包括：

8、获取种植区域的面积，将种植区域划分成n个面积相同的采集区域，将采集区域按照位置顺序进行编号i；从n个面积相同的采集区域内随机采集对应的土壤样本i；其中，i＝1,2，…，n，n为正整数。

9、需要说明的是，从采集区域内随机采集一个对应的土壤样本，土壤样本与采集区域一一对应；在划定采集区域时，采集区域的面积小于设定的面积阈值，以保证采集的土壤样本能够表示整个采集区域的土壤。

10、本发明将种植区域划分成若干采集区域，并对其进行编号；从若干采集区域内随机采集土壤样本，能够根据土壤样本的编号匹配对应的采集区域，有利于后续对施肥、施药的区域进行划分，对种植区域进行管理。

11、优选的，所述基于检测数据判断土壤是否达到能够种植的标准，包括：

12、调取检测数据中的有机质、氮、磷、钾含量，判断检测数据含量是否大于阈值，是，则对土壤的酸碱度进行判断；否，则将检测结果标记为有机质、氮、磷、钾不合格；

13、调取检测数据中的酸碱度，判断酸碱度是否在标准范围之内，是，则将检测结果标记为合格；否，则将检测结果标记为酸性或碱性。

14、需要说明的是，当采集区域的土壤样本中的有机质含量和酸碱度都不合格时，则检测结果标记为有机质不合格、酸性/碱性。

15、本发明对土壤样本的检测数据进行分析，判断土壤是否达到种植的标准；当土壤的状态没有达到种植的条件时，能够及时对土壤的状态进行改善；有利于为后续改善土壤状态提供了依据。

16、优选的，所述生成基肥施肥处方图，包括：

17、调取对应土壤样本的检测结果，当检测结果为合格时，则直接在对应采集区域进行种植；

18、当检测结果为有机质、氮、磷、钾不合格时，计算对应采集区域的有机质含量与阈值之间的差值；根据差值构建有基肥施肥处方图；

19、当检测结果为酸性或碱性时，将该区域从种植区域中剔除。

20、需要说明的是，阈值根据种植的农作物种类进行确定，标准值为标准范围内的中间值。

21、本发明根据检测结果生成种植区域的基肥处方图，能够针对不同采集区域土壤的不同状态制定施肥方案，有利于根据土壤状态及时对施肥方式进行调整，能够避免过度施肥。

22、优选的，所述根据环境数据判断设定时间段内土壤传感监测肥力是否能够满足农作物生长，包括：

23、将环境数据中的温度数据、湿度数据以及光照强度整合成肥力检测序列；调用肥力预测模型，将肥力检测序列输入肥力预测模型，得到肥力消耗数据；其中，肥力预测模型基于人工智能模型构建；

24、调取环境数据中的土壤肥力传感监测数据，判断土壤肥力传感监测数据是否大于肥力消耗数据，是，则判定设定时间段内的土壤肥力能够满足农作物生长；否，则根据环境数据生成追肥处方图；其中，设定时间段根据经验设定。

25、本发明根据环境数据对设定时间段内农作物的肥力消耗数据进行预测，将环境数据中土壤肥力传感监测数据与肥力消耗数据进行比较，当土壤肥力不能满足设定时间段内农作物的生长时，及时对农作物施肥，有利于农作物的正常生长。

26、优选的，所述肥力预测模型基于人工智能模型构建，包括：

27、获取标准训练数据，其中，标准训练数据包括与肥力检测序列内容属性相一致的标准输入数据，以及与肥力消耗数据内容属性相一致的标准输出数据；

28、利用标准训练数据对人工智能模型进行训练，将训练好的人工智能模型标记为肥力预测模型；其中，人工智能模型包括卷积神经网络模型或者bp神经网络模型。

29、优选的，所述根据环境数据生成追肥处方图，包括：

30、调取环境数据中的土壤肥力传感监测数据tf，提取预测的肥力消耗数据rx；

31、通过公式sf＝α×(rx-tf)计算得到施肥含量；将施肥含量相同的采集区域进行整合得到施肥区域；根据施肥区域需要施肥含量的大小生成追肥处方图；其中，α为大于0的比例系数。

32、本发明根据土壤肥力传感监测数据和预测的肥力消耗数据计算得到施肥含量，将施肥含量相同的采集区域整合成施肥区域，生成追肥处方图；有利于针对不同采集区域农作物所需的肥力分区进行施肥，避免因施肥过多而造成环境污染。

33、优选的，所述基于实时图像数据判断种植区域内是否有病虫害，包括：

34、s1：调取实时图像数据，对实时图像数据进行预处理得到检测图像；其中，预处理包括去噪、图像增强以及图像灰度处理；

35、s2：提取检测图像的特征，将检测图像的特征整合成检测序列；利用病虫害识别模型对检测序列进行检测，得到识别数据；判断种植区域内是否有病虫害，是，则分析病虫害的类型；否，则持续对实时图像进行分析；其中，病虫害识别模型包括alexnet模型或者googlenet模型；特征包括颜色、纹理、形状。

36、本发明对实时图像进行处理，并提取实时图像中的特征，利用病虫害识别模型对特征进行识别，判断是否有病虫害；能够在识别出病虫害时，及时对病虫害进行处理，有利于避免病虫害影响农作物的生长。

37、优选的，所述分析病虫害类型，包括：

38、调取识别数据，将识别数据与病虫害数据库中的病虫害类型进行匹配；其中，病虫害数据库根据历史数据构建；

39、将相匹配的病虫害类型作为对应采集区域的病虫害类型。

40、本发明将识别数据与病虫害数据库中的病虫害类型进行匹配，得到病虫害的类型，有利于针对不同的病虫害使用不同的打虫药，为后续生成施药处方图提供了数据基础。

41、优选的，所述根据病虫害类型生成施药处方图，包括：

42、调取采集区域的病虫害类型，将病虫害类型相同的采集区域进行整合，得到若干施药区域；

43、根据若干施药区域的病虫害类型构建不同的施药处方图。

44、本发明将病虫害类型相同的采集区域整合成若干施药区域，针对若干施药区域的病虫害生成施药处方图；有利于针对病虫害类型进行施药，提高施药的效率和精确性。

45、与现有技术相比，本发明的有益效果是：

46、1.本发明将种植区域划分成若干采集区域，并对其进行编号；从若干采集区域内随机采集土壤样本，能够根据土壤样本的编号匹配对应的采集区域，有利于后续对施肥、施药的区域进行划分，对种植区域进行管理；对采集的土壤样本进行检测，得到检测数据；对土壤样本的检测数据进行分析，判断土壤是否达到种植的标准；当土壤的状态没有达到种植的条件时，能够及时对土壤的状态进行改善；根据检测结果生成种植区域的基肥处方图，能够针对不同采集区域土壤的不同状态制定施肥方案，有利于根据土壤状态及时对施肥方式进行调整，能够避免过度施肥。

47、2.本发明通过数据传感器采集农作物生长过程中的环境数据，根据环境数据对设定时间段内农作物的肥力消耗数据进行预测，将环境数据中土壤肥力传感监测数据与肥力消耗数据进行比较，当土壤肥力不能满足设定时间段内农作物的生长时，根据土壤肥力传感监测数据和预测的肥力消耗数据计算得到施肥含量，将施肥含量相同的采集区域整合成施肥区域，生成追肥处方图；有利于针对不同采集区域农作物所需的肥力分区进行施肥，避免因施肥过多而造成环境污染。

48、3.本发明通过图像采集设备采集种植区域的实时图像数据，对实时图像进行处理，并提取实时图像中的特征，利用病虫害识别模型对特征进行识别，得到识别数据；判断是否有病虫害；当出现病虫害时，将识别数据与病虫害数据库中的病虫害类型进行匹配，得到病虫害的类型，将病虫害类型相同的采集区域整合成若干施药区域，针对若干施药区域的病虫害生成施药处方图；有利于针对不同的病虫害使用不同的打虫药，针对病虫害类型进行施药，提高施药的效率和精确性。