一种温室大棚智能管理方法及系统与流程

本发明涉及智能控制领域，尤其涉及一种温室大棚智能管理方法及系统。

背景技术：

近年来，设施作物生产发展迅速，但是对于大面积的大棚来说，通常需要人工进行管理，管控效率低下，对于不同的农作物，智能依赖经验人工调整其棚内的环境参数，不仅调控效率低下，而且无法使棚内环境始终保持在理想条件。

技术实现要素：

本发明所要解决的技术问题是针对现有技术的不足，提供一种温室大棚智能管理方法及系统。

本发明解决上述技术问题的技术方案如下：

一种温室大棚智能管理方法，包括：

获取对主棚的控制设备进行控制以调节所述主棚内环境参数的控制指令，并将所述控制指令发送给至少一个从棚的控制设备；

获取各所述从棚的控制设备根据所述控制指令对各所述从棚内环境参数进行控制后得到的反馈信息；

根据所述反馈信息对所述控制指令进行调整。

本发明的有益效果是：本发明提供的一种温室大棚智能管理方法，通过对主棚内环境参数进行控制，并将控制指令对等地发送给各从棚的控制设备，使各从棚的控制设备能够自动地控制从棚内的环境，并根据从棚内的调节反馈对主棚内的控制指令进行调整，实现了主棚和从棚的联动，能够根据从棚的实施效果及时地反馈实施信息，并及时地改变主棚的控制方案，能够满足不同作物的个性换环境需求，并且不用依赖人工调节，调剂速度快效率高，能够使棚内的环境始终稳定在理想状态。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步地，所述控制指令包括：对所述主棚的水泵进行控制的水量控制指令、对肥泵进行控制的肥量控制指令、对卷帘机进行控制的卷帘控制指令、对风口进行控制的通风量控制指令、对补光灯进行控制的灯光控制指令、对二氧化碳发生器进行控制的二氧化碳浓度控制指令。

进一步地，所述获取对主棚的控制设备进行控制以调节所述主棚内环境参数的控制指令之前，还包括：

采集主棚内的环境信息；

对所述环境信息进行处理分析，得到对所述主棚内的环境参数进行调节的控制指令。

进一步地，所述对所述环境信息进行处理分析，具体包括：

通过神经网络对采集到的所述环境信息进行训练学习，得到环境模型；

根据所述环境模型对所述环境信息进行处理分析。

采用上述进一步方案的有益效果是：通过神经网络对采集到的所述环境信息进行训练学习，能够使对于环境的调控更加智能。

进一步地，还包括：

通过神经网络对所述反馈信息进行训练学习，对所述环境模型进行修正。

本发明解决上述技术问题的另一种技术方案如下：

一种温室大棚智能管理系统，包括：

通信装置，用于获取对主棚的控制设备进行控制以调节所述主棚内环境参数的控制指令，并将所述控制指令发送给至少一个从棚的控制设备，并获取各所述从棚的控制设备根据所述控制指令对各所述从棚内环境参数进行控制后得到的反馈信息；

控制器，用于根据所述反馈信息对所述控制指令进行调整。

本发明的有益效果是：本发明提供的一种温室大棚智能管理系统，通过控制器对主棚内环境参数进行控制，并通过通信装置将控制指令对等地发送给各从棚的控制设备，使各从棚的控制设备能够自动地控制从棚内的环境，并根据从棚内的调节反馈对主棚内的控制指令进行调整，实现了主棚和从棚的联动，能够根据从棚的实施效果及时地反馈实施信息，并及时地改变主棚的控制方案，能够满足不同作物的个性换环境需求，并且不用依赖人工调节，调剂速度快效率高，能够使棚内的环境始终稳定在理想状态。

进一步地，所述控制指令包括：对所述主棚的水泵进行控制的水量控制指令、对肥泵进行控制的肥量控制指令、对卷帘机进行控制的卷帘控制指令、对风口进行控制的通风量控制指令、对补光灯进行控制的灯光控制指令、对二氧化碳发生器进行控制的二氧化碳浓度控制指令。

进一步地，还包括：

采集传感器，用于采集主棚内的环境信息；

处理器，用于对所述环境信息进行处理分析，得到对所述主棚内的环境参数进行调节的控制指令。

进一步地，所述处理器包括：

神经网络学习单元，用于通过神经网络对采集到的所述环境信息进行训练学习，得到环境模型；

分析单元，用于根据所述环境模型对所述环境信息进行处理分析。

进一步地，所述神经网络学习单元还用于通过神经网络对所述反馈信息进行训练学习，对所述环境模型进行修正。

本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。

附图说明

图1为本发明一个实施例提供的一种温室大棚智能管理方法的流程示意图；

图2为本发明另一实施例提供的一种温室大棚智能管理方法的流程示意图；

图3为本发明另一实施例提供的一种温室大棚智能管理系统的结构框架图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，为本发明一个实施例提供的一种温室大棚智能管理方法的流程示意图，该方法包括：

S1，获取对主棚的控制设备进行控制以调节主棚内环境参数的控制指令，并将控制指令发送给至少一个从棚的控制设备。

需要说明的，控制设备指的是能够调节棚内环境参数的设备，例如，可以为控制棚内土壤水量的水泵、控制棚内土壤肥量的肥泵、控制棚内温度、日照强度的卷帘机、控制棚内通风情况的通风口、控制棚内光照情况的补光灯、控制棚内二氧化碳浓度的二氧化碳发生器等。

S2，获取各从棚的控制设备根据控制指令对各从棚内环境参数进行控制后得到的反馈信息。

需要说明的是，反馈信息指的是从棚的控制设备根据主棚的控制指令对从棚的棚内环境参数进行控制后，棚内作物的生长情况、目标产出物的产量、作物病死率等信息。

下面给出几种获得反馈信息的优选实施方式。

优选地，在对从棚的棚内环境参数进行控制后，可以通过摄像装置实时地采集棚内作物的影像，通过对各从棚内的影像进行分析，判断各从棚内作物的生长情况。

需要说明的是，可以通过预存的作物匹配识别算法，对作物的生长情况进行判断，可以根据影像中的作物的叶片姿态、颜色等，与预设的健康作物的叶片姿态、颜色等进行对比分析，得出各棚内作物的生长情况和病虫害情况。

在本优选实施方案中，可以通过数值的形式对作物的生长情况进行反馈，作为反馈信息。

例如，对于作物的叶片颜色来说，可以分为多个等级，例如，1级可以代表作物叶片颜色与健康作物的叶片颜色完全一致，属于非常健康的作物；2级可以代表作物叶片颜色与健康作物的叶片颜色差别不大，属于一般健康的作物；3级可以代表作物叶片颜色与健康作物的叶片颜色差别较大，属于不健康的作物。

对于叶片的姿态来说也可以分为多个等级，例如，1级可以代表叶片直挺，与健康作物的叶片姿态完全一致，属于非常健康的作物；2级可以代表叶片稍微弯曲，与健康作物的叶片姿态差别不大，属于一般健康的作物；3级可以代表叶片卷曲，与健康作物的叶片姿态差别很大，属于不健康的作物。

需要说明的是，以上只是优选实施方式，实际应用中，可以根据实际情况设置多个梯度的级别，以提高反馈信息的精确度。

优选地，还可以在对从棚的棚内环境参数进行控制后，通过摄像装置实时地采集棚内作物的影像，将采集到的各从棚的影像发送到用户监控终端，人工监控判断作物的生长情况，然后对作物的生长情况进行反馈。

例如，监控人员可以对棚内作物的生长情况进行打分，将得到的分值作为反馈信息。

例如，当监控人员发现棚内作物长势良好时，可以打100分，那么这个100分就可以作为反馈信息发送给主棚；也可以打60分，那么这个60分就可以作为反馈信息发送给主棚。

需要说明的是，以上只是优选实施方式，实际应用中，可以通过对作物长势、病死情况、叶片姿态、叶片颜色等分别进行打分，以提高反馈的准确度。

优选地，还可以在对从棚的棚内环境参数进行控制后，还可以通过传感器对棚内环境信息进行采集分析，得到反馈信息。

例如，可以通过温度传感器、湿度传感器、光照传感器、二氧化碳浓度传感器等对棚内的环境进行监控，并对监控结果与预设条件进行比较分析，将分析结果作为反馈信息。

例如，在对从棚的控制设备进行控制后，发现其他的指标都符合要求了，唯独土壤的湿度不够，那么得到的反馈信息就是需要对水泵进行控制，加大进水了。

又例如，在对从棚的控制设备进行控制后，发现其他的指标都符合要求了，光照强度不够但二氧化碳浓度超量，那么得到的反馈信息就是需要加强光照，并减少二氧化碳浓度。

S3，根据反馈信息对控制指令进行调整。

例如，当接收到叶片颜色1级，叶片姿态1级的反馈信息时，通过对该反馈信息进行分析，可以认为从棚内的作物长势良好，不需要对控制指令进行调整；当接收到叶片颜色1级，叶片姿态3级的反馈信息时，说明从棚内的作物长势不好，叶片卷曲严重，说明可能是水量不足，那么可以对控制指令进行调整，使水泵的浇水次数变多，浇水量变大等。

又例如，当接收到需要加强光照，并减少二氧化碳浓度的反馈信息时，可以对控制指令进行相应的修改，以增多补光灯的照射时间、并减少二氧化他发生器的工作时间。

需要说明的是，可以通过CAN总线或485总线等实现数据在主棚和从棚之间的传输。

本实施例提供的一种温室大棚智能管理方法，通过对主棚内环境参数进行控制，并将控制指令对等地发送给各从棚的控制设备，使各从棚的控制设备能够自动地控制从棚内的环境，并根据从棚内的调节反馈对主棚内的控制指令进行调整，实现了主棚和从棚的联动，能够根据从棚的实施效果及时地反馈实施信息，并及时地改变主棚的控制方案，能够满足不同作物的个性换环境需求，并且不用依赖人工调节，调剂速度快效率高，能够使棚内的环境始终稳定在理想状态。

如图2所示，为本发明另一实施例提供的一种温室大棚智能管理方法的流程示意图，该方法包括：

S1，获取对主棚的控制设备进行控制以调节主棚内环境参数的控制指令，并将控制指令发送给至少一个从棚的控制设备。

优选地，控制指令包括：对主棚的水泵进行控制的水量控制指令、对肥泵进行控制的肥量控制指令、对卷帘机进行控制的卷帘控制指令、对风口进行控制的通风量控制指令、对补光灯进行控制的灯光控制指令、对二氧化碳发生器进行控制的二氧化碳浓度控制指令。

优选地，在步骤S1之前，还可以包括以下步骤：

S01，采集主棚内的环境信息。

需要说明的是，主棚内的环境信息可以包括：空气温度、空气湿度、光照强度、土壤温度、土壤湿度、二氧化碳浓度等信息。这些环境信息可以通过设置在棚内和土壤中的传感器采集得到。

S02，通过神经网络对采集到的环境信息进行训练学习，得到环境模型。

需要说明的是，环境模型指的是通过智能学习得到的不断更新和完善的各类作物的最佳生长环境，可以将得到的环境模型存储在模型库中，便于对训练学习得到的环境模型进行修正和补充。

S03，根据环境模型对环境信息进行处理分析。

需要说明的是，根据环境模型可以自动地对采集到的环境信息进行分析，得出当前需要的各类环境参数的数值。

例如，当A作物需要的光照强度为a，水量为b，B作物需要的光照强度为c，水量为d时，那么在根据环境模型进行分析后，就可以根据当前的环境信息得到需要调节的光照强度量和水量。

S04，得到对主棚内的环境参数进行调节的控制指令。

根据上一步骤中得到的需要调节的环境参数的数值，生成对相应控制设备进行控制的控制指令。

例如，当需要对主棚的水泵进行控制时，就生成水量控制指令；当需要对肥泵进行控制时；就生成肥量控制指令；当需要对卷帘机进行控制时，就生成卷帘控制指令；当需要对风口进行控制时；就生成通风量控制指令；当需要对补光灯进行控制时，就生成灯光控制指令；当需要对二氧化碳发生器进行控制时，就生成二氧化碳浓度控制指令。

S05，通过神经网络对反馈信息进行训练学习，对环境模型进行修正。

通过神经网络对采集到的环境信息进行训练学习，能够使对于环境的调控更加智能。

S2，获取各从棚的控制设备根据控制指令对各从棚内环境参数进行控制后得到的反馈信息。

S3，根据反馈信息对控制指令进行调整。

本实施例提供的一种温室大棚智能管理方法，通过神经网络预先对主棚内的环境信息进行训练学习，并对环境参数进行控制，并将控制指令对等地发送给各从棚的控制设备，使各从棚的控制设备能够自动地控制从棚内的环境，并根据从棚内的调节反馈对主棚内的控制指令进行调整，实现了主棚和从棚的联动，能够根据从棚的实施效果及时地反馈实施信息，并及时地改变主棚的控制方案，能够满足不同作物的个性换环境需求，并且不用依赖人工调节，调剂速度快效率高，能够使棚内的环境始终稳定在理想状态。

如图3所示，为本发明另一实施例提供的一种温室大棚智能管理系统的结构框架图，该系统包括主棚1和从棚2两个部分，主棚可以为1个，从棚2可以根据实际需求设置为多个，各从棚2内设置有相应的控制设备21，主棚1包括：

通信装置12，用于获取对主棚1的控制设备11进行控制以调节主棚4内环境参数的控制指令，并将控制指令发送给至少一个从棚2的控制设备21，并获取各从棚2的控制设备21根据控制指令对各从棚2内环境参数进行控制后得到的反馈信息。

控制器13，用于根据反馈信息对控制指令进行调整。

优选地，控制指令包括：对主棚的水泵进行控制的水量控制指令、对肥泵进行控制的肥量控制指令、对卷帘机进行控制的卷帘控制指令、对风口进行控制的通风量控制指令、对补光灯进行控制的灯光控制指令、对二氧化碳发生器进行控制的二氧化碳浓度控制指令。

优选地，主棚1内还包括：

采集传感器14，用于采集主棚1内的环境信息。

处理器15，用于对环境信息进行处理分析，得到对主棚1内的环境参数进行调节的控制指令。

优选地，处理器15包括：

神经网络学习单元151，用于通过神经网络对采集到的环境信息进行训练学习，得到环境模型。

分析单元152，用于根据环境模型对环境信息进行处理分析。

优选地，神经网络学习单元151还用于通过神经网络对反馈信息进行训练学习，对环境模型进行修正。

本实施例提供的一种温室大棚智能管理系统，通过控制器对主棚内环境参数进行控制，并通过通信装置将控制指令对等地发送给各从棚的控制设备，使各从棚的控制设备能够自动地控制从棚内的环境，并根据从棚内的调节反馈对主棚内的控制指令进行调整，实现了主棚和从棚的联动，能够根据从棚的实施效果及时地反馈实施信息，并及时地改变主棚的控制方案，能够满足不同作物的个性换环境需求，并且不用依赖人工调节，调剂速度快效率高，能够使棚内的环境始终稳定在理想状态。

读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。