本发明涉及作物监测,特别涉及作物生长环境预测和调控方法。
背景技术:
在棚内作物生长中,现在我国很多大型及很多试验基地都已经开始使用农业物联网的生长数据采集,及远程监控和远程控制,但在实际运用中传感器采集上来的数据没有得到真正的运用,远程控制也大多数是人为手动的控制棚内环境,还没有一个科学的真正根据不同作物和作物的不同生长阶段预测一个作物最佳生长环境,以及调控生长环境的一种方法,现需一种能根据不同作物不同生长阶段,根据采集数据和生长环境进行调控形成一种作物最佳生长环境的方法,达到增长产量,提高经济价值和效益。
技术实现要素:
为了解决上述现有技术方案中的不足,本发明提供了一种能获取作物的优化生长环境参数并及时调控的作物生长环境预测及调控方法。
一种作物生长环境预测及调控方法,所述作物生长环境预测及调控方法以下步骤:
(A1)预先采集作物的生产环境参数,并建立基础数据库模型;
(A2)传感器采集作物的生产环境数据,并将数据汇聚到网关;所述生产环境数据包括作物的生产环境参数、图像;
(A3)所述网关将所述数据上传到数据中间件模块;
(A4)所述数据中间件模块通过编解码后把数据存入消息队列及数据库中;
(A5)数据库按照类别标记所述数据;消息队列中数据上传云平台;
(A6)云平台清洗接收到的数据,并利用所述基础数据库模型输出结果;获得所述输出结果和作物生产信息的差别,根据所述差别调整所述基础数据库模型,从而获得作物生长环境预测和调控模型。
根据上述的作物生长环境预测及调控方法,可选地,所述作物生长环境预测及调控方法进一步包括以下步骤:
(A7)利用所述作物生长环境预测和调控模型获得所述作物的优化生长环境参数;
(A8)将作物的生长环境参数调整到所述作物的优化生长环境参数。
根据上述的作物生长环境预测及调控方法,可选地,在步骤(A2)中,信息录入模块将作物生产信息,所述作物生产信息汇聚到所述网关。
根据上述的作物生长环境预测及调控方法,可选地,所述作物生产信息包括作物生长种植信息、投入品、农事操作记录会、作物收成信息或经济效益。
根据上述的作物生长环境预测及调控方法,可选地,所述图像被传送到云平台的HDFS文件服务器,并建立索引,将图像数据和作物的生长环境参数一一对应。
根据上述的作物生长环境预测及调控方法,可选地,所述传感器包括空气温湿度传感器、光照强度传感器、土壤温度传感器、土壤湿度传感器、氨气浓度传感器、二氧化碳浓度传感器、风速传感器、风向传感器、图像传感器。
根据上述的作物生长环境预测及调控方法,可选地,数据库模块包括Redis数据缓存模块。
根据上述的作物生长环境预测及调控方法,可选地,采用分布时文件存储图像并建立索引,将索引文件写入数据文件中,然后将图像数据存储到分布式文件系统HDFS中;采用MapReduce并行编程模型实现索引数据的检索,将检索空间进行分块,并将图像数据和采集的生长环境参数一一对应。
根据上述的作物生长环境预测及调控方法,优选地,所述图像为作物在敏感波长照射下的作物影像。
根据上述的作物生长环境预测及调控方法,可选地,在步骤(A6)中,所述云平台判断清洗后的数据是否超出阈值,如超出,则利用设备调整作物的环境参数,使得环境参数不超出阈值。
与现有技术相比,本发明具有的有益效果为:
本发明采用分布式部署,兼容性好,性能高,最终形成一种采用无线网络来测量和调控作物最佳适宜的生长环境,为棚内种植精准调控提供了科学的方法,能够达到增产,改善品质,提高种植户经济效益,更重要的是促进了传统农业的向现代化农业转型升级。
附图说明
参照附图,本发明的公开内容将变得更易理解。本领域技术人员容易理解的是:这些附图仅仅用于举例说明本发明的技术方案,而并非意在对本发明的保护范围构成限制。图中:
图1是根据本发明实施例的作物生长环境预测和调控方法的流程图。
具体实施方式
图1和以下说明描述了本发明的可选实施方式以教导本领域技术人员如何实施和再现本发明。为了教导本发明技术方案,已简化或省略了一些常规方面。本领域技术人员应该理解源自这些实施方式的变型或替换将在本发明的范围内。本领域技术人员应该理解下述特征能够以各种方式组合以形成本发明的多个变型。由此,本发明并不局限于下述可选实施方式,而仅由权利要求和它们的等同物限定。
实施例:
图1示意性地给出了本发明实施例的棚内作物生长环境预测和调控方法的流程图,如图1所示,所述作物生长环境预测和调控方法包括以下步骤:
(A1)预先采集作物的生产环境参数,并建立基础数据库模型;所述生产环境参数包括不同地区、不同时间、不同生长阶段的作物的环境参数,如空气温湿度、光照强度、土壤温度、土壤湿度、氨气浓度、二氧化碳浓度、风速及风向等;
(A2)传感器采集作物的生产环境数据,并通过Zigbee自组网方式将数据汇聚到网关;所述生产环境数据包括作物的生产环境参数、图像;生产环境参数包括空气温湿度、光照强度、土壤温度、土壤湿度、氨气浓度、二氧化碳浓度、风速及风向等;所述图像为作物在敏感波长照射下的作物影像,使作物图像在包含作物长势信息的前提下,具有最少量的信息;
信息录入模块将作物生产信息,所述作物生产信息汇聚到所述网关;所述作物生产信息包括作物生长种植信息、投入品、农事操作记录会、作物收成信息或经济效益;
(A3)所述网关通过Modbus TCP、IP方式将所述数据上传到数据中间件模块;
(A4)所述数据中间件模块中间件模块根据私有协议进行数据解析和验证确定数据的准确性和安全性,并通过编解码后把数据存入消息队列及数据库中;
(A5)数据库按照类别标记所述数据:根据采集的数据根据不同区域,基地种植的作物、时间、相应的数据值进行对应的标记;数据库模块包括Redis数据缓存模块,Redis缓存模块主要将待处理的采集数据进行缓存,满足实时处理分析的要求,Mysql数据库模块保存采集上来的原数据和相应的农事操作等数据;
消息队列中数据上传云平台;
(A6)云平台清洗接收到的数据,以去除错误的或不一致的数据,并利用所述基础数据库模型输出结果;获得所述输出结果和作物生产信息的差别,根据所述差别调整所述基础数据库模型,从而获得作物生长环境预测和调控模型;
所述图像被传送到云平台的HDFS文件服务器,并建立索引,将图像数据和作物的生长环境参数一一对应,具体为:采用分布时文件存储图像并建立索引,将索引文件写入数据文件中,然后将图像数据存储到分布式文件系统HDFS中;采用MapReduce并行编程模型实现索引数据的检索,将检索空间进行分块,并将图像数据和采集的生长环境参数一一对应;
所述云平台判断清洗后的数据是否超出阈值,如超出,则利用设备调整作物的环境参数,使得环境参数不超出阈值;
(A7)利用所述作物生长环境预测和调控模型获得所述作物的优化生长环境参数;
(A8)将作物的生长环境参数调整到所述作物的优化生长环境参数。
本技术方案的核心在于:数据上传云平台后,根据不同采集环境参数,不同作物、不同生长阶段和实时生长图像进行数据处理,利用云计算技术对数据进行分析,及时发现出现的问题和模型库进行对比,并进行环境参数控制,不断修改模型,验证模型,不断数据积累最终形成大数据系统。