一种花生肥料的施肥方法及智能监测系统与流程

本发明属于肥料施肥技术领域，尤其涉及一种花生肥料的施肥方法及智能监测系统。

背景技术：

花生根部有丰富的根瘤；茎直立或匍匐，长30-80厘米，茎和分枝均有棱，被黄色长柔毛，后变无毛。叶通常具小叶2对；托叶长2-4厘米，具纵脉纹，被毛；叶柄基部抱茎，长5-10厘米，被毛；小叶纸质，卵状长圆形至倒卵形，长2-4厘米，宽0.5-2厘米，先端钝圆形，有时微凹，具小刺尖头，基部近圆形，全缘，两面被毛，边缘具睫毛；侧脉每边约10条；叶脉边缘互相联结成网状；小叶柄长2-5毫米，被黄棕色长毛；花长约8毫米；苞片2，披针形；小苞片披针形，长约5毫米，具纵脉纹，被柔毛；萼管细，长4-6厘米；花冠黄色或金黄色，旗瓣直径1.7厘米，开展，先端凹入；翼瓣与龙骨瓣分离，翼瓣长圆形或斜卵形，细长；龙骨瓣长卵圆形，内弯，先端渐狭成喙状，较翼瓣短；花柱延伸于萼管咽部之外，柱头顶生，小，疏被柔毛。荚果长2-5厘米，宽1-1.3厘米，膨胀，荚厚，种子横径0.5-1厘米。花果期6-8月。然而，现有花生施肥通过人工现场机械施肥，耗费人力、费时费力；同时，现有施肥机械的驱动电机所施加的电流或者力矩指令来确定所述提前角，因该电流或该力矩与该相位差不具相关性，从而根据基于该电流或该力矩确定出的提前角来调整该相位差，不能保证使得电机高效运转和可靠运行。另外，也有采用转速指令来确定相位角的，由于实际运行与速度指令存在差异，也不能保证使得电机高效运转和可靠运行。

喷洒肥料流量处理中，流量分析计算是一个重要部分，基于动态规划的相似度等几种。可以归纳为两类：一是不需要或仅需要浅层的分析，二是需要深层的分析。相似度的衡量机制与对分析深度是密切相关的。大多数的研究及应用均考虑其形式简洁、便于应用等优点。但是，这些方法用于不同作物用量相似度计算时，可能会遗失一些重要的分析数据。

综上所述，现有技术存在的问题是：

(1)现有花生施肥通过人工现场机械施肥，耗费人力、费时费力；同时，现有施肥机械的驱动电机所施加的电流或者力矩指令来确定所述提前角，因该电流或该力矩与该相位差不具相关性，从而根据基于该电流或该力矩确定出的提前角来调整该相位差，不能保证使得电机高效运转和可靠运行，对施肥环境中的温湿度检测不够灵敏，对施肥效果产生不利的影响。

(2)采用转速指令来确定相位角时，由于实际运行与速度指令存在差异，也不能保证使得电机高效运转和可靠运行，主控设备中的单片机对数据的处理效率较低，迭代次数较大，工作效率较低。

(3)传统的搅拌机电机没有对额定温度与实际温度的对比与修正，在产时间的运行过程中容易造成温度过高而对电机烧坏。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种花生肥料的施肥方法及智能监测系统。

本发明是这样实现的，一种花生肥料的施肥方法，包括：主控设备对喷料设备利用喷头对花生进行喷洒肥料操作中的流量进行分析、处理；具体包括：

基于依存关系对，将两个流量数据的依存关系对集合进行匹配，选取使关系对相似度之和最大的对应关系，在对应关系的基础上，求出各关系对相似度之和的平均值，作为两个流量数据的相似度；并与预定的喷洒肥料设定的阈值进行比较，将与喷洒肥料设定的阈值相似接近的为正确流量数据；

进一步，比较依存关系中流量数据本身的关系特征量进行度量，综合衡量流量数据的相似关系；

通过计算两个依存流量数据树的相似度，实现流量数据的相似度计算；

所述依存关系对的相容度的获取方法包括：

依存关系对<r1,r2>,分别对比r1(c1,a1，d1，cp1,ap1)和r2(c2,a2，d2，cp2,ap2)中的五个特征量，相容取1，不相容取0；

然后，按权重顺序从高位到低位排列这五个0或1，得到一个二进制数(bbbbb)2，该值的取值范围为0-31，其中0对应r1和r2完全不相等的情况，31对应r1和r2完全相等的情况；在该二进制数的基础上，定义r1和r2的结构相容度如下：

假设在两个五元组r1(c1,a1,d1,cp1,ap1)和r2(c2,a2,d2,cp2,ap2)中，c1与c2相容，a1与a2不相容，d1与d2相容，cp1与cp2相容，ap1与ap2不相容，则依照各特征权重顺序排列得出二进制数为(10110)2，则r1和r2的相容度为：

依存关系对的相似度计算方法包括：

依存关系对<r1,r2>中的元素存在语义相容，通过计算<r1,r2>相对应的核心词和支配词的语义相似度，度量依存关系对的语义相似度，采用基于知网的计算方法计算词的语义相似度，并赋予不同的权值α和β，得到r1和r2的语义相似度如下：

ss(r1,r2)＝αsw(c1,c2)+βsw(a1,a2)；

式中，sw(c1,c2)表示<r1,r2>中对应核心流量数据的相似度，sw(a1,a2)表示对应支配流量数据相似度，α>β且α+β＝1；

基于和式ss(r1,r2)＝αsw(c1,c2)+βsw(a1,a2)，得到依存关系对的相似度计算方法如下：

r1|r2＝sim(r1,r2)＝sc(r1,r2)·ss(r1,r2)；

所述依存关系对集合相似度计算方法包括：

存在依存关系对集合a＝(a1,a2…an)和依存关系对集合b＝(b1,b2…bm)，不失一般性，a中依存关系对的数目小于等于b，即n≤m；对于每一个ai∈a,1≤i≤n，找到若干个bj∈b,1≤j≤m与之对应，不同的ai对应不同bj，则集合a与集合b的对应关系总数如下:

集合a与b存在确定的对应关系在ωk中，对于给定的ai都有一个bj与之匹配，记作bj＝ωk(ai)；则定义ωk的相似度为：

两个依存关系对集合a与b的相似度取ωk中的最大值，即：

式中，

进一步，所述花生肥料的施肥方法具体包括：

步骤一，通过视频采集设备利用摄像器采集施肥场景视频数据信息；通过温湿度检测设备利用温湿度传感器检测施肥环境的温度、湿度数据信息；土壤温湿度传感器采用先进的zigbee无线收发技术和无线传感器网络技术，作为土壤温湿度智能检测系统模型的核心部分，具体检测方法为：

(1)无线传感器监测网络通过分布在土壤中多个智能传感器节点，实时采集土壤水分，温度参数；

(2)网关节点将全部数据通过gprs无线通信传输方式转发到远程数据中心，远程数据中心负责数据的接收，存储和分析；

步骤二，通过遥控设备利用无线信号进行远程遥控操作；

步骤三，主控设备通过驱动设备利用电机驱动万向轮进行行驶操作；

步骤四，通过储料设备利用肥料罐储备花生肥料；通过搅拌设备利用搅拌机对肥料进行搅拌操作；

步骤五，通过翻土设备利用铲刀对花生土壤进行翻土操作，通过喷料设备利用喷头对花生进行喷洒肥料操作。

进一步，所述驱动设备驱动方法如下：

(1)检测电机转子的实际转速；

(2)基于所述实际转速，以特设算法计算出实际电压提前角，所述特设算法是在所述实际转速和所述实际电压提前角之间建立的算法；

(3)基于所述实际电压提前角生成驱动信号，以所述驱动信号控制向电机输出的三相电压。

本发明的另一目的在于提供一种花生肥料的施肥计算机控制程序，所述花生肥料的施肥计算机控制程序实现所述的花生肥料的施肥方法。

本发明的另一目的在于提供一种终端，所述终端至少搭载实现所述花生肥料的施肥方法的控制器。

本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的花生肥料的施肥方法。

本发明的另一目的在于提供一种实施所述的花生肥料的施肥方法的花生肥料的施肥智能监测系统，所述花生肥料的施肥智能监测系统包括：

视频采集设备，与主控设备连接，用于通过摄像器采集施肥场景视频数据信息；

温湿度检测设备，与主控设备连接，用于通过温湿度传感器检测施肥环境的温度、湿度数据信息；

遥控设备，与主控设备连接，用于通过无线信号进行远程遥控操作；

主控设备，与视频采集设备、温湿度检测设备、遥控设备、驱动设备、储料设备、搅拌设备、翻土设备、喷料设备连接，用于通过单片机控制各个设备正常工作；

驱动设备，与主控设备连接，用于通过电机驱动万向轮进行行驶操作；

储料设备，与主控设备连接，用于通过肥料罐储备花生肥料；

搅拌设备，与主控设备连接，用于通过搅拌机对肥料进行搅拌操作；

翻土设备，与主控设备连接，用于通过铲刀对花生土壤进行翻土操作；

喷料设备，与主控设备连接，用于通过喷头对花生进行喷洒肥料操作。

进一步，所述遥控设备包括信号发射设备、信号放大设备、抗干扰设备；

信号发射模块，用于通过信号发射器发射无线信号；

信号放大模块，用于通过信号放大电路对发射的信号进行放大；

抗干扰模块，用于通过抗干扰电路过滤干扰信号。

本发明的另一目的在于提供一种至少搭载所述花生肥料的施肥智能监测系统的花生肥料的施肥机动车。

本发明的优点及积极效果为：

(1)本发明通过遥控设备可以实现远程控制施肥，操作简单方便，大大降低人力，提高施肥效率，减轻劳动力，通过对土壤温湿度传感器的智能控制，提高了传感器的灵敏度，提高了施肥效果。

(2)本发明通过驱动设备实时检测电子转子的实际转速，并根据实际转速以特设算法确定实际电压提前角；通过对单片机采用改进的pso算法，提高了单片机对数据的处理效率，减小了迭代次数，提高了工作效率。

(3)基于该实际电压提前角控制驱动信号的生成，以生成的驱动信号控制向电机输出的三相电的电压，在该电压的三相电驱动下能够提高电机的运转效率和保证电机的运行可靠；通过对搅拌机的电机的改进，避免了对电机的损坏。

本发明喷洒肥料流量处理中，流量分析在充分进行相似度计算，深入依存关系，充分考虑各元素的角色及其重要性，避免丢失信息。基于依存关系对，将两个相近的流量的依存关系对集合进行匹配，选取使关系对相似度之和最大的对应关系；在该对应关系的基础上，求出各关系对相似度之和的平均值，作为两个流量的相似度与预设定阈值对比。最后确定出与预设定阈值接近的流量数据为正确的流量。

附图说明

图1是本发明实施提供的花生肥料的施肥方法流程图；

图2是本发明实施提供的花生肥料的施肥智能监测系统结构图；

图中：1、视频采集设备；2、温湿度检测设备；3、遥控设备；4、主控设备；5、驱动设备；6、储料设备；7、搅拌设备；8、翻土设备；9、喷料设备。

图3是本发明实施例提供的对不同调制类型的算法的时频重叠信号在不同信噪比下的估计性能示意图。

图4是本发明实施例提供的不同算法交会性能随网络规模的变化示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图及具体实施例对本发明的应用原理作进一步描述。

如图1所示，本发明提供的一种花生肥料的施肥方法包括以下步骤：

s101，通过视频采集设备利用摄像器采集施肥场景视频数据信息；通过温湿度检测设备利用温湿度传感器检测施肥环境的温度、湿度数据信息；

s102，通过遥控设备利用无线信号进行远程遥控操作；

s103，主控设备通过驱动设备利用电机驱动万向轮进行行驶操作；

s104，通过储料设备利用肥料罐储备花生肥料；通过搅拌设备利用搅拌机对肥料进行搅拌操作；

s105，通过翻土设备利用铲刀对花生土壤进行翻土操作，通过喷料设备利用喷头对花生进行喷洒肥料操作。

步骤s101中，通过视频采集设备利用摄像器采集施肥场景视频数据信息；通过温湿度检测设备利用温湿度传感器检测施肥环境的温度、湿度数据信息；土壤温湿度传感器采用先进的zigbee无线收发技术和无线传感器网络技术，作为土壤温湿度智能检测系统模型的核心部分，具体检测方法为：

(1)无线传感器监测网络通过分布在土壤中多个智能传感器节点，实时采集土壤水分，温度参数；

(2)网关节点将全部数据通过gprs无线通信传输方式转发到远程数据中心，远程数据中心负责数据的接收，存储和分析；

步骤s103中，主控设备通过驱动设备利用电机驱动万向轮进行行驶操作；主控设备中的单片机采用改进的pso算法对喷料设备的肥料流量进行控制，具体为：

式中：wmax和wmin表示惯性权重最大和最小值,t表示迭代次数,itermax表示最大迭代次数；

步骤s104中，通过储料设备利用肥料罐储备花生肥料；通过搅拌设备利用搅拌机对肥料进行搅拌操作；搅拌机的电机采用改进的热模型算法，算法模型为：

式中:t′(t)为电动机的温升；i′(t)为电动机的电流；c为电动机的热容量系数；h为电动机的散热系数；r为电动机的定子电阻；

步骤五，通过翻土设备利用铲刀对花生土壤进行翻土操作，通过喷料设备利用喷头对花生进行喷洒肥料操作。

如图2所示，本发明实施例提供的花生肥料的施肥智能监测系统，包括：视频采集设备1、温湿度检测设备2、遥控设备3、主控设备4、驱动设备5、储料设备6、搅拌设备7、翻土模8、喷料设备块9。

视频采集设备1，与主控设备4连接，用于通过摄像器采集施肥场景视频数据信息；

温湿度检测设备2，与主控设备4连接，用于通过温湿度传感器检测施肥环境的温度、湿度数据信息；

遥控设备3，与主控设备4连接，用于通过无线信号进行远程遥控操作；

主控设备4，与视频采集设备1、温湿度检测设备2、遥控设备3、驱动设备5、储料设备6、搅拌设备7、翻土设备8、喷料设备9连接，用于通过单片机控制各个设备正常工作；

驱动设备5，与主控设备4连接，用于通过电机驱动万向轮进行行驶操作；

储料设备6，与主控设备4连接，用于通过肥料罐储备花生肥料；

搅拌设备7，与主控设备4连接，用于通过搅拌机对肥料进行搅拌操作；

翻土设备8，与主控设备4连接，用于通过铲刀对花生土壤进行翻土操作；

喷料设备9，与主控设备4连接，用于通过喷头对花生进行喷洒肥料操作。

本发明提供的遥控设备3包括：

信号发射模块，用于通过信号发射器发射无线信号；

信号放大模块，用于通过信号放大电路对发射的信号进行放大；

抗干扰模块，用于通过抗干扰电路过滤干扰信号。

本发明提供的驱动设备5驱动方法如下：

(1)检测电机转子的实际转速；

(2)基于所述实际转速，以特设算法计算出实际电压提前角，所述特设算法是在所述实际转速和所述实际电压提前角之间建立的算法；

(3)基于所述实际电压提前角生成驱动信号，以所述驱动信号控制向电机输出的三相电压。

本发明提供的特设算法具体为：

其中，所述an为所述实际电压提前角，所述nn为所述实际转速，所述nr为电机的额定转速，所述ar为与所述额定转速nr对应的基准电压提前角。

下面结合具体分析对本发明作进一步描述。

本发明实施例提供的花生肥料的施肥方法，包括：主控设备对喷料设备利用喷头对花生进行喷洒肥料操作中的流量进行分析、处理；具体包括：

基于依存关系对，将两个流量数据的依存关系对集合进行匹配，选取使关系对相似度之和最大的对应关系，在对应关系的基础上，求出各关系对相似度之和的平均值，作为两个流量数据的相似度；并与预定的喷洒肥料设定的阈值进行比较，将与喷洒肥料设定的阈值相似接近的为正确流量数据；

比较依存关系中流量数据本身的关系特征量进行度量，综合衡量流量数据的相似关系；

通过计算两个依存流量数据树的相似度，实现流量数据的相似度计算；

所述依存关系对的相容度的获取方法包括：

依存关系对<r1,r2>,分别对比r1(c1,a1，d1，cp1,ap1)和r2(c2,a2，d2，cp2,ap2)中的五个特征量，相容取1，不相容取0；

然后，按权重顺序从高位到低位排列这五个0或1，得到一个二进制数(bbbbb)2，该值的取值范围为0-31，其中0对应r1和r2完全不相等的情况，31对应r1和r2完全相等的情况；在该二进制数的基础上，定义r1和r2的结构相容度如下：

假设在两个五元组r1(c1,a1,d1,cp1,ap1)和r2(c2,a2,d2,cp2,ap2)中，c1与c2相容，a1与a2不相容，d1与d2相容，cp1与cp2相容，ap1与ap2不相容，则依照各特征权重顺序排列得出二进制数为(10110)2，则r1和r2的相容度为：

依存关系对的相似度计算方法包括：

依存关系对<r1,r2>中的元素存在语义相容，通过计算<r1,r2>相对应的核心词和支配词的语义相似度，度量依存关系对的语义相似度，采用基于知网的计算方法计算词的语义相似度，并赋予不同的权值α和β，得到r1和r2的语义相似度如下：

ss(r1,r2)＝αsw(c1,c2)+βsw(a1,a2)；

式中，sw(c1,c2)表示<r1,r2>中对应核心流量数据的相似度，sw(a1,a2)表示对应支配流量数据相似度，α>β且α+β＝1；

基于和式ss(r1,r2)＝αsw(c1,c2)+βsw(a1,a2)，得到依存关系对的相似度计算方法如下：

r1|r2＝sim(r1,r2)＝sc(r1,r2)·ss(r1,r2)；

所述依存关系对集合相似度计算方法包括：

存在依存关系对集合a＝(a1,a2…an)和依存关系对集合b＝(b1,b2…bm)，不失一般性，a中依存关系对的数目小于等于b，即n≤m；对于每一个ai∈a,1≤i≤n，找到若干个bj∈b,1≤j≤m与之对应，不同的ai对应不同bj，则集合a与集合b的对应关系总数如下:

集合a与b存在确定的对应关系在ωk中，对于给定的ai都有一个bj与之匹配，记作bj＝ωk(ai)；则定义ωk的相似度为：

两个依存关系对集合a与b的相似度取ωk中的最大值，即：

式中，

下面结合仿真实验验证本发明的运算方法有效性。

为了测试本发明的检验统计量的性能，参数设置如下：升余弦成形滤波函数的滚降系数α＝0.5；采样频率为1600hz；采样点数500000；码元速率分别为200hz和160hz；载波频率分别为400hz和300hz；功率比1：1。仿真结果如图3所示，本发明的不同算法信噪比估计方法是有效可行的。由此说明本发明在低信噪比和高频谱重叠率条件下，对underlay频谱共享方式下时频重叠信号的分量信号信噪比估计具有较好的估计性能。

仿真

利用matlab对adfc-ch算法进行仿真，并和l-ddp【yangb,zhengm,liangw.padded-dyck-path-basedrendezvousalgorithmsforheterogeneouscognitiveradionetworks[c]//201524thinternationalconferenceoncomputercommunicationandnetworks(icccn).ieee,2015:1-8】、dscr【n.c.theis,r.w.thomas,andl.a.dasilva,“rendezvousforcognitiveradios,”ieeetransactionsonmobilecomputing,vol.10,no.2,pp.216–227,feb.2011】和ssb【reguerava,guerraeo,souzard,etal.shortchannelhoppingsequenceapproachtorendezvousforcognitivenetworks[j].ieeecommunicationsletters,2014,18(2):289-292】算法进行对比。考虑了网络中信道个数分别为20,35,50,65,80的五种情况，选择的lock的大小分别为p/4,p/3,p/2,2p/3,3p/4,4p/5,p(p为系统信道个数)，选择的度量标准分别是最大交会时间mttr，平均交会时间ettr,交会度rd，达到最大交会度需要的时间tmrd。

图4给出了本发明的所有算法在不同网络规模下网络性能的比较图，其中图4(a)中的热模型算法选择的lock大小为3p/4，图4(b)中热模型选择的lock块大小为4p/5，图4(c)中热模型算法选择的lock块大小为p/4。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。