本发明涉及智能农业,尤其涉及一种葡萄园智能灌溉方法。
背景技术:
1、目前,全世界范围内,并没有一套关于酿酒葡萄园的科学灌溉标准。科学精准灌溉的目标是:根据不同区块的实际水分状况,进行差异化灌溉,使得葡萄叶片的水势在不同生长阶段均能维持在相应的最佳范围内。如今智能灌溉系统可轻易的实现定时定量灌溉,然而定时定量灌溉会大幅影响葡萄的品质,甚至影响所酿葡萄酒的口感。如何判断植株水分状况,控制区域的精准科学灌溉已成为当前研究热点。
技术实现思路
1、本发明要解决的技术问题是针对上述现有技术的不足,提供一种葡萄园智能灌溉方法,能够实现葡萄园精准科学灌溉以提升葡萄品质。
2、为解决上述技术问题,本发明所采取的技术方案是:
3、一种葡萄园智能灌溉方法,包括以下步骤:
4、步骤1:构建葡萄16个物候期的数据集和其中几个特定物候期的茎尖状态数据集,具体方法如下;
5、步骤1.1:采集不同葡萄物候期和茎尖状态的图片;
6、步骤1.2:按不同时期对葡萄物候期图片和茎尖状态进行标注;
7、步骤1.3:标注完成后对各个葡萄物候期和各时期葡萄茎尖状态进行统计,并对数据集过/重采样,解决类内和类间类别不平衡问题;
8、步骤2:使用深度学习模型对所采集的16个物候期数据集进行训练,并得到训练权重;
9、步骤3:将训练好的权重回归,识别测试集上16个物候期,用于对应各物候期的灌溉规则;
10、步骤4:在葡萄园内选取若干“哨兵葡萄树”;每个灌溉单元选取一棵哨兵葡萄树,其挑选条件为:轮廓清晰、背景简单、不位于灌溉单元外围;
11、步骤5:调用网络摄像头,在每日黎明的同一时间对“哨兵葡萄树”物候期进行检测识别;
12、步骤6:每日通过土壤水势传感器监测黎明前水势,根据灌溉规则识别相应物候期对应相应灌溉量,控制灌溉系统的开或关,从而实现灌溉开启或停止;若识别的物候期为特定物候期,则需识别其茎尖状态并计算茎尖指数来判断是否开启灌溉。
13、进一步地,所述步骤1中16个物候期包括:a休眠芽、b芽膨大、c绿色稍尖、d发芽、e展叶、f花序可见、g花序分离、h花朵分离、i开花、j坐果、k浆果豌豆粒大小、l封穗、m转色、n成熟、o枝条成熟、p落叶;
14、所述几个特定物候期包括k浆果豌豆粒大小、l封穗、m转色、n成熟。
15、进一步地,所述步骤1.2中进行标注的标注软件为labelimg,标注的格式为.txt文件。
16、进一步地,所述步骤2使用的深度学习模型为yolov5。
17、进一步地,所述步骤6中的灌溉规则,对应16个物候期具体如下:a休眠芽阶段不进行灌溉;b芽膨大阶段的黎明前土壤水势需大于-0.2mpa;c绿色稍尖阶段的黎明前土壤水势需大于-0.2mpa;d发芽阶段的黎明前土壤水势需大于-0.2mpa;e展叶阶段的黎明前土壤水势需大于-0.2mpa;f花序可见阶段的黎明前土壤水势需大于-0.2mpa;g花序分离阶段的黎明前土壤水势需大于-0.2mpa;h花朵分离阶段不进行灌溉;i开花阶段不进行灌溉;j坐果阶段不进行灌溉;k浆果豌豆粒大小阶段,识别茎尖状态,若茎尖指数小于2.5,黎明前水势需大于-0.2mpa,若茎尖指数大于或等于2.5,黎明前土壤水势控制在-0.4~-0.2mpa;l封穗阶段,识别茎尖状态,若茎尖指数小于2.5,黎明前水势需大于-0.2mpa,若茎尖指数大于或等于2.5,黎明前土壤水势控制在-0.4~-0.2mpa;m转色阶段,识别茎尖状态,若茎尖指数大于1.5,不进行灌溉,若茎尖指数小于或等于1.5,黎明前土壤水势控制在-0.4~-0.2mpa;n成熟阶段,识别茎尖状态,若茎尖指数大于1.5,不进行灌溉,若茎尖指数小于或等于1.5,黎明前土壤水势控制在-0.4~-0.2mpa;o枝条成熟阶段的黎明前土壤水势需大于-0.2mpa;p落叶阶段的黎明前土壤水势需大于-0.2mpa。
18、进一步地,所述茎尖状态包括茎尖完全停止生长、茎尖生长缓慢和茎尖生长快速;
19、所述步骤6中茎尖指数的计算如下式所示:
20、s=1w1+2w2+3w3
21、其中,s表示茎尖指数;w1、w2和w3分别代表完全停止生长的茎尖的百分比、生长缓慢的茎尖的百分比和快速生长的茎尖的百分比。
22、采用上述技术方案所产生的有益效果在于:本发明提供的葡萄园智能灌溉方法,采用深度学习模型,以更精准的实现物候期的判别,从而达到科学精准灌溉。在此种灌溉模式下,葡萄园用水量将会得到有效节省,更可省去传统灌溉模式下人为决策的环节以及灌溉所需的人工成本。同时,酿酒葡萄的品质也可得到充分的保证。
1.一种葡萄园智能灌溉方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的葡萄园智能灌溉方法,其特征在于:所述步骤1中16个物候期包括:a休眠芽、b芽膨大、c绿色稍尖、d发芽、e展叶、f花序可见、g花序分离、h花朵分离、i开花、j坐果、k浆果豌豆粒大小、l封穗、m转色、n成熟、o枝条成熟、p落叶;
3.根据权利要求2所述的葡萄园智能灌溉方法,其特征在于:所述步骤6中的灌溉规则,对应16个物候期具体如下:a休眠芽阶段不进行灌溉;b芽膨大阶段的黎明前土壤水势需大于-0.2mpa;c绿色稍尖阶段的黎明前土壤水势需大于-0.2mpa;d发芽阶段的黎明前土壤水势需大于-0.2mpa;e展叶阶段的黎明前土壤水势需大于-0.2mpa;f花序可见阶段的黎明前土壤水势需大于-0.2mpa;g花序分离阶段的黎明前土壤水势需大于-0.2mpa;h花朵分离阶段不进行灌溉;i开花阶段不进行灌溉;j坐果阶段不进行灌溉;k浆果豌豆粒大小阶段,识别茎尖状态,若茎尖指数小于2.5,黎明前水势需大于-0.2mpa,若茎尖指数大于或等于2.5,黎明前土壤水势控制在-0.4~-0.2mpa;l封穗阶段,识别茎尖状态,若茎尖指数小于2.5,黎明前水势需大于-0.2mpa,若茎尖指数大于或等于2.5,黎明前土壤水势控制在-0.4~-0.2mpa;m转色阶段,识别茎尖状态,若茎尖指数大于1.5,不进行灌溉,若茎尖指数小于或等于1.5,黎明前土壤水势控制在-0.4~-0.2mpa;n成熟阶段,识别茎尖状态,若茎尖指数大于1.5,不进行灌溉,若茎尖指数小于或等于1.5,黎明前土壤水势控制在-0.4~-0.2mpa;o枝条成熟阶段的黎明前土壤水势需大于-0.2mpa;p落叶阶段的黎明前土壤水势需大于-0.2mpa。
4.根据权利要求3所述的葡萄园智能灌溉方法,其特征在于:所述茎尖状态包括茎尖完全停止生长、茎尖生长缓慢和茎尖生长快速;
5.根据权利要求1所述的葡萄园智能灌溉方法,其特征在于:所述步骤1.2中进行标注的标注软件为labelimg,标注的格式为.txt文件。
6.根据权利要求1所述的葡萄园智能灌溉方法,其特征在于:所述步骤2使用的深度学习模型为yolov5。