一种用于物联网基质栽培的浇灌管理系统及方法与流程

本发明涉及浇灌管理，更具体地说，本发明涉及一种用于物联网基质栽培的浇灌管理系统及方法。

背景技术：

1、基质栽培是一种无土栽培技术，在这种方法中，植物生长在一种替代土壤的基质中，并非传统的土壤中。基质栽培的基质可以是多种材料，如椰糠、珍珠岩、蛭石、岩棉等，这些材料提供植物所需的支持和养分。基质栽培主要应用在农业温室种植、城市垂直农业、商业园艺种植以及研究机构实验室等，为了提高植物的生长效率和产量，现有技术中通过控制供水系统对所需要水分的植物按预设指令或动作进行自动化浇灌来实现，例如，公开号为cn115471024a的中国专利申请公开了一种植物种植自动化供水的系统及方法，根据不同地区的环境因子和植物的实际需水量进行精准浇灌，以提高浇灌效率和质量，减少水资源的浪费，如公开号为cn117522059a的中国专利申请公开了一种基于多源信息融合的园林绿化浇灌决策方法及系统；上述方法虽能实现对植物种植自动化浇灌，提高植物生长效率，但经发明人对上述方法以及现有技术进行研究和应用发现，上述方法以及现有技术至少存在以下部分缺陷：

2、1.由于基质栽培特殊性，上述的浇灌方法未对水质进行检测，容易使得水中的杂质或病菌污染基质栽培介质和植物，进而导致基质栽培的植物生长出现异常，降低了植物的生长效率；

3、2.未根据植物的不同生长阶段调整营养液浓度，容易使得植物营养需求达不到标准，造成植物生长缓慢。

4、为此，本发明提供了一种用于物联网基质栽培的浇灌管理系统及方法。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明提供了一种用于物联网基质栽培的浇灌管理系统及方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，第一方面，本发明提供如下技术方案：一种用于物联网基质栽培的浇灌管理方法，包括：

3、步骤1：在t时刻采集第n个栽培子区域内用于浇灌基质栽培植物的水质监测数据，根据水质监测数据计算每个植物生长阶段的实时水质系数，基于实时水质系数判断是否存在正常水质；若存在正常水质，则生成水肥配比指令，所述水质监测数据包括ph值、重金属含量以及病原菌含量；

4、步骤2：在t时刻提取第n个栽培子区域内基质栽培植物的i幅植物图像数据，并获取预设图像标准数据进行图像筛选，以获得目标图像；将目标图像输入至预构建的生长阶段分析模型中，以获得植物所处的植物生长阶段；

5、步骤3：接收水肥配比指令，根据当前植物生长阶段，获取第n个栽培子区域内的基质栽培介质的水肥配比训练数据；所述水肥配比训练数据包括每一摄氏温度与第一配比系数差的关系以及每一百分比湿度与第二配比系数差的关系；

6、步骤4：基于水肥配比训练数据，训练出用于反馈基质栽培介质的配比系数的配比分析模型；

7、步骤5：对配比分析模型输出的配比系数进行比对分析，确定浇灌管理等级，所述浇灌管理等级包括第一浇灌管理等级、第二浇灌管理等级和第三浇灌管理等级。

8、进一步地，根据水质监测数据计算每个植物生长阶段的实时水质系数，包括：

9、将水质监测数据中的ph值、重金属含量以及病原菌含量分别标记为、和；

10、对ph值、重金属含量以及病原菌含量无量纲化并公式化计算，获得实时水质系数，其计算公式为：

11、；

12、式中，为实时水质系数，为ph值的权重因子，为重金属含量的权重因子，为病原菌含量的权重因子。

13、进一步地，基于实时水质系数判断是否存在正常水质，包括：

14、预设系数阈值和，且＜，将实时水质系数与预设系数阈值进行对比；

15、若＜或，则生成水质异常指令；

16、若，则生成水肥配比指令。

17、进一步地，所述植物图像数据包括植物图像的实时图像对比度、实时图像亮度和实时图像分辨率值；所述预设图像标准数据包括标准图像对比度、标准图像亮度和标准图像分辨率值。

18、进一步地，提取第n个栽培子区域内基质栽培植物的i幅植物图像数据，并获取预设图像标准数据进行图像筛选，以获得目标图像，包括：

19、计算第i幅植物图像的实时图像对比度与标准图像对比度的对比度差值绝对值，并将对比度差值绝对值作为对比度评估系数；

20、计算第i幅植物图像的实时图像亮度与标准图像亮度的亮度差值绝对值，并将亮度差值绝对值作为亮度评估系数；

21、计算第i幅植物图像的实时图像分辨率值与标准图像分辨率值的分辨率差值绝对值，并根据分辨率差值绝对值生成分辨率评估系数；

22、将对比度评估系数、亮度评估系数和分辨率评估系数进行公式化计算，以获取图像评估系数，其计算公式为：

23、；

24、式中：为对比度评估系数，为亮度评估系数,为分辨率评估系数；为对比度评估系数的权重因子，为亮度评估系数的权重因子，为分辨率评估系数，、和均大于零；

25、预设图像评估阈值，将图像评估系数与图像评估阈值进行对比；

26、若图像评估系数大于或等于图像评估阈值，则提取对应植物图像，反之，若图像评估系数小于图像评估阈值，则剔除对应植物图像；

27、将对应的图像评估系数与图像评估阈值的差值标记为阈值差值，并在图像评估系数大于或等于图像评估阈值情况下，对所述阈值差值进行大小排序，筛选出阈值差值最大的植物图像作为目标图像。

28、进一步地，所述植物生长阶段包括发芽阶段、幼苗阶段、生长阶段、开花阶段以及结果阶段；

29、预构建的生长阶段分析模型的训练方法包括：

30、获取历史植物生长图像集，所述历史植物生长图像集中包括发芽阶段图像、幼苗阶段图像、生长阶段图像、开花阶段图像以及结果阶段图像，对历史植物生长图像集进行数字标注，所述数字标注逻辑为：将发芽阶段图像标注“1”、将幼苗阶段图像标注为“2”、将生长阶段图像标注为“3”、将开花阶段图像标注为“4”以及将结果阶段图像标注为“5”，将历史植物生长图像集划分为生长图像训练集和生长图像测试集，构建分类器，将生长图像训练集中的发芽阶段图像、幼苗阶段图像、生长阶段图像、开花阶段图像以及结果阶段图像作为分类器的输入，将生长图像训练集中的数字标注作为分类器的输出，对分类器进行训练，得到初始分类器，利用生长图像测试集对初始分类器进行测试，输出满足预设准确度的初始分类器作为生长阶段分析模型；

31、所述分类器为决策树分类模型、随机森林分类模型、支持向量机分类模型、逻辑回归网络模型或神经网络模型中的一种。

32、进一步地，每一摄氏温度与第一配比系数差的关系的获取方法包括：

33、步骤a1：在实验场景下，获取第e摄氏温度下用于浇灌基质栽培植物的实时配比系数；

34、第e摄氏温度下用于浇灌基质栽培植物的实时配比系数的获取方法，包括：

35、当基质栽培介质为第e摄氏温度时，从系统数据库中调取浇水量和营养液浓度，将浇水量和营养液浓度分别标记为和；

36、将浇水量和营养液浓度进行公式化计算获得实时配比系数，其计算公式为：

37、；

38、式中，为实时配比系数，为浇水量的权重因子，为营养液浓度的权重因子，且和均大于零，g为常数；g取值在1x10-10至1x10-8之间；

39、步骤a2：提取预存于系统数据库中设定标准温度下用于浇灌基质栽培植物的标准配比系数；

40、步骤a3：计算第e摄氏温度下用于浇灌基质栽培植物的实时配比系数与标准配比系数的差值，将第e摄氏温度下用于浇灌基质栽培植物的实时配比系数与标准配比系数的差值作为第一配比系数差；

41、步骤a4：将第一配比系数差与预设第一配比系数差阈值进行比较，若第一配比系数差小于预设第一配比系数差阈值，则令e=e+1，并返回步骤a1；若第一配比系数差大于或等于预设第一配比系数差阈值，则记录第e摄氏温度与第一配比系数差的关系，再令e=e+1，并返回步骤a1；

42、步骤a5：重复上述步骤a1～步骤a4，直至e等于设定温度e时，结束循环，得到每一摄氏温度与第一配比系数差的关系，将每一摄氏温度与第一配比系数差的关系作为水肥配比训练数据，e、e为大于零的整数。

43、进一步地，每一百分比湿度与第二配比系数差的关系的获取方法，包括：

44、步骤b1：在实验场景下，获取第f百分比湿度下用于浇灌基质栽培植物的实时配比系数；

45、所述第f百分比湿度下用于浇灌基质栽培植物的实时配比系数的获取方法同第e摄氏温度下用于浇灌基质栽培植物的实时配比系数的获取方法；

46、步骤b2：提取预存于系统数据中设定标准百分比湿度下用于浇灌基质栽培植物的标准配比系数；

47、步骤b3：计算第f百分比湿度下用于浇灌基质栽培植物的实时配比系数与标准配比系数的差值，将第f百分比湿度下的基质栽培植物的实时配比系数与标准配比系数的差值作为第二配比系数差；

48、步骤b4：将第二配比系数差与预设第二配比系数差阈值进行比较，若第二配比系数差小于预设第二配比系数差阈值，则令f=f+1，并返回步骤b1；若第二配比系数差大于或等于预设第二配比系数差阈值，则记录第f百分比湿度与第二配比系数差的关系，再令f=f+1，并返回步骤b1；

49、步骤b5：重复上述步骤b1～步骤b4，直至f等于设定百分比湿度f时，结束循环，得到每一百分比湿度与第二配比系数差的关系，将每一百分比湿度与第二配比系数差的关系作为水肥配比训练数据，f、f为大于零的整数。

50、进一步地，所述配比分析模型的训练逻辑如下：

51、提取水肥配比训练数据中的每一摄氏温度与第一配比系数差的关系以及每一百分比湿度与第二配比系数差的关系；

52、将每一摄氏温度与第一配比系数差的关系以及每一百分比湿度与第二配比系数差的关系划分为配比系数训练集和配比系数测试集；

53、构建神经网络模型，将配比系数训练集中每一摄氏温度与第一配比系数差的关系以及每一百分比湿度与第二配比系数差的关系，输入配比分析模型中进行训练，得到训练后的神经网络模型；

54、利用配比系数测试集对训练后的神经网络模型进行模型验证，输出大于或等于预设测试准确度的训练后的神经网络模型作为配比分析模型；所述配比分析模型为rnn神经网络、dnn神经网络或cnn神经网络模型中的一种。

55、进一步地，对配比分析模型输出的配比系数进行比对分析，确定浇灌管理等级，包括：

56、预设配比系数阈值和，＜，将配比系数与配比系数阈值进行比对；

57、若配比系数大于配比系数阈值，则将对应基质栽培植物划分为第一浇灌管理等级；

58、若配比系数小于等于配比系数阈值，且大于等于配比系数阈值，则将对应基质栽培植物划分为第二浇灌管理等级；

59、若配比系数小于配比系数阈值，则将对应基质栽培植物划分为第三浇灌管理等级；

60、第一浇灌管理等级＞第二浇灌管理等级＞第三浇灌管理等级。

61、第二方面，本发明提供了一种用于物联网基质栽培的浇灌管理系统，用于实施上述的一种用于物联网基质栽培的浇灌管理方法，包括：

62、水质分析模块，用于在t时刻采集第n个栽培子区域内用于浇灌基质栽培植物的水质监测数据，根据水质监测数据计算每个植物生长阶段的实时水质系数，基于实时水质系数判断是否存在正常水质；若存在正常水质，则生成水肥配比指令，所述水质监测数据包括ph值、重金属含量以及病原菌含量；

63、植物分析模块，用于在t时刻提取第n个栽培子区域内基质栽培植物的i幅植物图像数据，并获取预设图像标准数据进行图像筛选，以获得目标图像；将目标图像输入至预构建的生长阶段分析模型中，以获得植物所处的植物生长阶段；所述植物生长阶段包括发芽阶段、幼苗阶段、生长阶段、开花阶段以及结果阶段；

64、数据采集模块，用于接收水肥配比指令，根据当前植物生长阶段，获取第n个栽培子区域内的基质栽培介质的水肥配比训练数据；所述水肥配比训练数据包括每一摄氏温度与第一配比系数差的关系以及每一百分比湿度与第二配比系数差的关系；

65、模型训练模块，基于水肥配比训练数据，训练出用于反馈基质栽培介质的配比系数的配比分析模型；

66、浇灌管理模块，用于对配比分析模型输出的配比系数进行比对分析，确定浇灌管理等级，所述浇灌管理等级包括第一浇灌管理等级、第二浇灌管理等级和第三浇灌管理等级。

67、第三方面，本发明提供了一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；

68、所述处理器通过调用所述存储器中存储的计算机程序，执行上述的一种用于物联网基质栽培的浇灌管理方法。

69、第四方面，本发明提供了一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行上述的一种用于物联网基质栽培的浇灌管理方法。

70、本发明的技术效果和优点：

71、1.本发明通过在t时刻采集栽培子区域内的水质监测数据（ph值、重金属含量及病原菌含量），实时计算每个植物生长阶段的水质系数，从而准确判断水质是否正常，这确保了基质栽培植物始终处于健康的生长环境，避免了因水质问题引起的生长异常或病害。

72、2.本发明根据当前基质栽培介质的温度和湿度条件动态地调整水肥配比，以实现对基质栽培植物的精准管理。在浇灌管理过程中，利用温度传感器和湿度传感器实时监测基质栽培介质的环境参数，并根据预先设定的标准配比系数和阈值进行比对分析，确定浇灌管理等级，并自动调整浇灌和施肥系统。整个过程实现了对植物生长环境的智能化管理，有助于提高植物生长效率和产量。