一种基于水肥一体化的智能灌溉系统及方法与流程

1.本发明涉及农业生产技术领域，具体涉及一种基于水肥一体化的智能灌溉系统及方法。


背景技术：

2.我国作为一个农业大国，存在人多地少、水资源缺乏的现状。但长期以来，在农业生产中，许多地方一直沿用传统的大水漫灌方式，因此，现有技术中也出现了一些可节约人工与用水量的智能灌溉方案，但这些方案从其本质上来说，就是一个定时灌溉的方案，即使结合有水肥的应用，应用时，也存在半人工、半自动化的问题。
3.同时，在应用的过程中，所制定的灌溉方案大多依赖于种植经验，所考虑的影响因素少，且相互之间缺少关联，从而造成智能性差的缺陷。


技术实现要素：

4.针对现有技术中的技术缺陷，本发明实施例的目的在于提供一种基于水肥一体化的智能灌溉系统及方法，以克服现有技术中所存在的所考虑的影响因素少、智能性差的缺陷。
5.为实现上述目的，第一方面，本发明实施例提供了一种基于水肥一体化的智能灌溉系统，所述系统包括：
6.数据采集单元，用于获取检测数据和气象数据；其中，所述检测数据包括农作物数据、土壤数据和环境数据；
7.控制单元，用于：
8.将所述检测数据送入到预先形成的策略模型中进行处理，以得到对应的控制计划；其中，所述策略模型利用神经网络算法训练所得；
9.利用所述气象数据对所述控制计划进行修正，得到对应的灌溉计划；
10.灌溉单元，用于根据所述灌溉计划驱动执行设备动作进行智能灌溉；其中，所述执行设备包括水肥一体化设备和灌溉设备。
11.优选地，所述农作物数据包括农作物的种类和农作物的各个生长周期；其中，所述各生长周期对应有生长条件；
12.所述土壤数据包括土壤类型、土壤熵情、土壤养分数据和土壤的蓄水能力；
13.所述环境数据包括风向、风速、温湿度、光照和气压数据。
14.优选地，所述数据采集单元还用于获取下一种植周期，该地块所计划种植的农作物信息；
15.所述控制单元还用于根据所计划种植的农作物信息调整所述灌溉计划，以减少交替种植时的水肥冲突。
16.优选地，所述灌溉单元在执行所述灌溉计划时，采用间歇式工作方式。
17.优选地，所述灌溉计划中既包括水肥一体化的灌溉，也包括后续的清水冲洗计划。
18.第二方面，本发明实施例还提供了一种基于水肥一体化的智能灌溉方法，应用于第一方面所述的一种基于水肥一体化的智能灌溉系统，所述方法包括：
19.获取检测数据和气象数据；其中，所述检测数据包括农作物数据、土壤数据和环境数据；
20.将所述检测数据送入到预先形成的策略模型中进行处理，以得到对应的控制计划；其中，所述策略模型利用神经网络算法训练所得；
21.利用所述气象数据对所述控制计划进行修正，得到对应的灌溉计划；
22.再根据所述灌溉计划驱动执行设备动作进行智能灌溉；其中，所述执行设备包括水肥一体化设备和灌溉设备。
23.优选地，所述方法还包括：
24.获取下一种植周期，该地块所计划种植的农作物信息；
25.根据所计划种植的农作物信息调整所述灌溉计划，以减少交替种植时的水肥冲突。
26.优选地，在执行所述灌溉计划时，采用间歇式工作方式。
27.优选地，所述灌溉计划中既包括水肥一体化的灌溉，也包括后续的清水冲洗计划。
28.实施本发明实施例，通过将所获取的农作物数据、土壤数据和环境数据，送入到预先形成的策略模型中进行处理以得到控制计划，并结合气象数据对所述控制计划进行修正，得到对应的灌溉计划，使得灌溉计划的得出，依赖于多种因素，并建立与气象数据的关联，从而提升该方案的智能性和准确性，克服现有技术中所存在的所考虑的影响因素少、智能性差的缺陷。
附图说明
29.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
30.图1是本发明实施例提供的一种基于水肥一体化的智能灌溉系统的结构框图；
31.图2是本发明实施例提供的一种基于水肥一体化的智能灌溉方法的流程图。
具体实施方式
32.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
33.请参考图1，本发明实施例提供的一种基于水肥一体化的智能灌溉系统，所述系统包括：
34.数据采集单元，用于获取检测数据和气象数据；其中，所述检测数据包括农作物数据、土壤数据和环境数据。
35.具体地，所述农作物数据包括农作物的种类和农作物的各个生长周期；其中，所述各生长周期对应有生长条件；
36.所述土壤数据包括土壤类型、土壤熵情、土壤养分数据和土壤的蓄水能力；
37.所述环境数据包括风向、风速、温湿度、光照和气压数据；
38.需要说明的是，上述数据只是进行举例，并不是对其进行限制。
39.控制单元，用于：
40.将所述检测数据送入到预先形成的策略模型中进行处理，以得到对应的控制计划；其中，所述策略模型利用神经网络算法训练所得；
41.利用所述气象数据对所述控制计划进行修正，得到对应的灌溉计划。
42.具体地，所述神经网络算法可采用预先存储的专家知识库作为训练集和验证集；然后在应用时，将所述数据采集单元所获取的数据作为输入，土壤熵情、土壤养分、水肥灌溉量等数据作为输出，形成对应的控制计划；
43.同时考虑到与灌溉所关联的气象数据，以避免后期出现极端气象的影响；例如，所述控制计划中水的灌溉量需要600l，但是气象数据显示后续降雨有等效的200l灌溉量，则将其进行结合关联，一来避免水资源的浪费，二来避免过多的水量造成对农作物的生长影响。
44.灌溉单元，用于根据所述灌溉计划驱动执行设备动作进行智能灌溉；其中，所述执行设备包括水肥一体化设备和灌溉设备。
45.具体地，应用时，所述灌溉计划包括具体的灌溉数据、土壤熵情指标以及设备控制命令等；所述灌溉单元在执行所述灌溉计划时，采用间歇式工作方式；这样可充分让水肥与土壤结合，然后所述控制单元根据所述数据采集单元周期性的反馈数据，更新对应的灌溉计划，使得灌溉更加准确。
46.进一步地，实施时，所述灌溉计划中既包括水肥一体化的灌溉，也包括后续的清水冲洗计划；即，灌溉完成后，进行一定时间的管道冲洗，从而为下一次灌溉做好准备，在此，将清洗所产生的灌溉量也考虑在内，提高灌溉的精确性。
47.这是考虑到在水肥灌溉后，为减少水肥中物质的沉淀、管道的堵塞以及不同农作物水肥之间的干扰，以确保安全有效的施肥。
48.从以上描述可以得出，实施本发明实施例所提供的一种基于水肥一体化的智能灌溉系统，通过将所获取的农作物数据、土壤数据和环境数据，送入到预先形成的策略模型中进行处理以得到控制计划，并结合气象数据对所述控制计划进行修正，得到对应的灌溉计划，使得灌溉计划的得出，依赖于多种因素，并建立与气象数据的关联，从而提升该方案的智能性和准确性，克服现有技术中所存在的所考虑的影响因素少、智能性差的缺陷。
49.在另一实施例中，在上述方案的基础上，为了能够全方位考虑不同因素的关联影响，还利用所述气象数据、土壤类型和土壤的蓄水能力对所述控制计划进行修正，得到对应的灌溉计划；例如，土壤可以分为砂质土、黏质土、壤土三种类型。其中：
50.砂质土：粗粒土是指大于0.1毫米颗粒含量较多的土，可分为砾类土和砂类土。它的特点有含沙量多，颗粒粗糙，渗水速度快，保水性能差，通气性能好。
51.黏质土：有保水性能好等特点，它的特点有含沙量少，颗粒细腻，渗水速度慢，保水性能好，通气性能差。
52.壤土：指土壤颗粒组成中黏粒、粉粒、砂粒含量适中的土壤，颗粒大小在0.2mm至0.02mm之间。质地介于黏土和砂土之间，兼有黏土和砂土的优点。它的特点有含沙量一般，颗粒一般，渗水速度一般，保水性能一般，通风性能一般。
53.进一步地，为符合实际的应用场景，考虑地块交替种植所带来的影响，在上述实施方案的基础上，在另一实施例中，所述方案还包括：
54.所述数据采集单元还用于获取下一种植周期，该地块所计划种植的农作物信息；
55.所述控制单元还用于根据所计划种植的农作物信息调整所述灌溉计划，以减少交替种植时的水肥冲突。
56.具体地，所计划种植的农作物信息包括水稻、小麦、大豆、玉米等农作物；以交替种植水稻、小麦为例，水稻需要水分多，有机肥或施用少量的尿素，但切不可偏氮；而小麦是喜旱，使用有机肥或尿素等氮肥为最多；由此，为避免冲突，例如，可选用无冲突的有机肥，以保证下一种植周期的良性延续，减少后期进行土壤改良所花费的资源。
57.基于相同的发明构思，本发明实施例提供了一种基于水肥一体化的智能灌溉方法，应用于前文所述的一种基于水肥一体化的智能灌溉系统，如图2所示，所述方法包括：
58.s101，获取检测数据和气象数据；其中，所述检测数据包括农作物数据、土壤数据和环境数据。
59.具体地，所述农作物数据包括农作物的种类和农作物的各个生长周期；其中，所述各生长周期对应有生长条件；
60.所述土壤数据包括土壤类型、土壤熵情、土壤养分数据和土壤的蓄水能力；
61.所述环境数据包括风向、风速、温湿度、光照和气压数据。
62.s102，将所述检测数据送入到预先形成的策略模型中进行处理，以得到对应的控制计划；其中，所述策略模型利用神经网络算法训练所得。
63.具体地，所述神经网络算法可采用预先存储的专家知识库作为训练集和验证集；然后在应用时，将所述数据采集单元所获取的数据作为输入，土壤熵情、土壤养分、水肥灌溉量等数据作为输出，形成对应的控制计划。
64.s103，利用所述气象数据对所述控制计划进行修正，得到对应的灌溉计划。
65.具体地，在本实施例中，虑到与灌溉所关联的气象数据，以避免后期出现极端气象的影响，结合所述气象数据，一来避免水资源的浪费，二来避免过多的水量造成对农作物的生长影响。
66.s104，再根据所述灌溉计划驱动执行设备动作进行智能灌溉；其中，所述执行设备包括水肥一体化设备和灌溉设备。
67.具体地，应用时，所述灌溉计划包括具体的灌溉数据、土壤熵情指标以及设备控制命令等；所述灌溉单元在执行所述灌溉计划时，采用间歇式工作方式；这样可充分让水肥与土壤结合，然后所述控制单元根据所述数据采集单元周期性的反馈数据，更新对应的灌溉计划，使得灌溉更加准确。
68.进一步地，实施时，所述灌溉计划中既包括水肥一体化的灌溉，也包括后续的清水冲洗计划；即，灌溉完成后，进行一定时间的管道冲洗，从而为下一次灌溉做好准备，在此，将清洗所产生的灌溉量也考虑在内，提高灌溉的精确性。
69.这是考虑到在水肥灌溉后，为减少水肥中物质的沉淀、管道的堵塞以及不同农作物水肥之间的干扰，以确保安全有效的施肥。
70.进一步地，为符合实际的应用场景，考虑地块交替种植所带来的影响，在上述实施方案的基础上，在另一实施例中，所述方法还包括：
71.所述数据采集单元还用于获取下一种植周期，该地块所计划种植的农作物信息；
72.所述控制单元还用于根据所计划种植的农作物信息调整所述灌溉计划，以减少交替种植时的水肥冲突。
73.具体地，所计划种植的农作物信息包括水稻、小麦、大豆、玉米等农作物；以交替种植水稻、小麦为例，水稻需要水分多，有机肥或施用少量的尿素，但切不可偏氮；而小麦是喜旱，使用有机肥或尿素等氮肥为最多；由此，为避免冲突，例如，可选用无冲突的有机肥，以保证下一种植周期的良性延续，减少后期进行土壤改良所花费的资源。
74.从以上描述可以得出，实施本发明实施例所提供的一种基于水肥一体化的智能灌溉方法，通过依赖于多种因素，并建立相互之间的关联，以得到对应的灌溉计划，从而提升该方案的智能性、准确性和实用性，克服现有技术中所存在的所考虑的影响因素少、智能性差的缺陷。
75.需要说明的是，关于方法实施例更为具体的工作流程，请参考前述系统实施例部分，在此不再赘述。
76.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
77.在本技术所提供的几个实施例中，应该理解到，所揭露的方法和系统，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，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。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
78.以上所述，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。