一种基于人工智能的植物生长参数决策方法和系统

摘要

本发明涉及智能育苗技术领域，且公开了一种基于人工智能的植物生长参数决策方法和系统，包括1)计算LED阵列，通过控制PWM占空比调节光谱配比，调控电流以调节光照强度；2)采用多联机控制原理实现干式毛细管辐射全辐射制热和制冷；3)建立蔬菜幼苗不同缺素的叶片特征数据库，研究基于AI视觉技术的穴盘苗养分丰缺监测技术；4)通过传感器检测环境因素，结合养分丰缺监测技术，水位传感器精确确定水肥供给量，自适应控制水肥浇灌。该基于人工智能的植物生长参数决策方法和系统，通过LED智能补光系统能实现自适应补光控制，使秧苗生长周期缩短，通过干式毛细管辐射控温系统，实现温度场均匀分布，温差低于1.5℃，能耗比降低。

说明书

技术领域

本发明涉及智能育苗技术领域，具体为一种基于人工智能的植物生长参数决策方法和系统。

背景技术

育苗是蔬菜生产关键环节，目前我国蔬菜种苗市场规模近7000亿元，工厂化育苗市场潜力巨大，蔬菜育苗周期短，特别是嫁接育苗，极易受“光、温、水、气、肥”等因素影响，对环境调控精准度要求高，目前国内外主要是解决蔬菜育苗冬季加热防冻的问题，主要技术手段包括薄膜覆膜保温、热水采暖、电热采暖等，薄膜覆膜保温效果差，无法调控，低温环境时棚内温度只能维持在3℃左右，电地热线升温慢，温升效果差、安全性差，燃煤锅炉热水采暖，燃煤产生大量的有害气体，严重污染环境，水/低源热泵开始用于温室大棚，但加热的是大棚的空气，并不能对土壤或蔬菜根部加热，浪费能源，如果要加热整个大棚，设备投资费用高。

传统育苗存在能耗高、调控不精准、智能化程度低、秧苗质量不稳定，育苗效率低等问题。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于人工智能的植物生长参数决策方法和系统，具备使秧苗生长周期缩短、温度场均匀分布、能耗比降低、节省水肥和育苗效率提高的优点，解决传统育苗存在能耗高、调控不精准、智能化程度低、秧苗质量不稳定，育苗效率低等问题。

(二)技术方案

本发明解决上述技术问题的技术方案如下：一种基于人工智能的植物生长参数决策方法，包括步骤：

1)利用Trace Pro光学仿真软件计算LED阵列，通过控制PWM占空比调节光谱配比，调控电流以调节光照强度，以实现自适应调控光配方，利用Trace Pro光学仿真软件对LED阵列进行仿真，计算LED阵列分布和光源距离对光照度的影响，为LED的布局优化奠定基础，并进行实验验证光源阵列分布；

2)采用多联机控制原理实现干式毛细管辐射全辐射制热和制冷，设计局部控温方案；

3)建立蔬菜幼苗不同缺素的叶片特征数据库，研究基于AI视觉技术的穴盘苗养分丰缺监测技术，实现穴盘苗数字化营养诊断，研究不同环境因子对秧苗生长发育的影响因素；

4)通过传感器检测环境因素，结合养分丰缺监测技术，水位传感器精确确定水肥供给量，自适应控制水肥浇灌。

进一步，步骤1)中针对蔬菜瓜类育苗中不同时期光照饱和度的需求，研究LED光源不同光质对选定的多种蔬菜育苗生长特征的影响，确定出LED最优光源光质或最优组合方式，并确定光质配比。

进一步，步骤1)中以STC89C51单片机为核心控制器，采用光敏电阻传感器进行光线采集，通过调节算法进行光强自适应调整，达到光照强度控制，光照强度检测模块采用光敏电阻传感器，采集数据信息反馈给控制器，由控制器模块设计计算补光模式，并根据所反馈的情况输出特定的PWM来控制补光照明模块光质配比，通过调控电流来调节发光强度。

进一步，步骤2)中采用高能效干式毛细管辐射控温系统，末端换热介质为制冷剂，通过多联干式毛细管辐射空调，每个苗床安装一套毛细管组，各设计安装一个电子膨胀阀，各毛细管组独立控制。

进一步，多联干式毛细管辐射空调中压缩机输出能力按照变压力目标控制法，制热和制冷时分别按照变冷凝温度目标和变蒸发温度目标来控制压缩机转速，电子膨胀阀按照变过热度目标控制法，制热按照吸气过热度目标，控制室外机电子膨胀阀开关，制冷时按照各毛细管进出口的温度差控制。

进一步，步骤3)中以试验性方式对育苗养分丰缺做定性分析，对选定的幼苗，通过设计不同营养液组分配方，培育并采集不同营养组分下幼苗叶片图像，建立正常养分缺氮、磷、钾三类幼苗叶片特征图像数据库，提取图像数字化特征值，进行回归分析，确定不同缺素与叶片图像数字特征值的相关性，进而指导水肥管理，提高壮苗指数。

进一步，步骤4)中设计潮汐式水肥浇灌设备和精确的控制系统，设计计算出能自适应育苗不同生长期与环境因素变化的水肥浇灌频率和水肥量，潮汐式浇灌系统可实现自动化、智能化运行。

进一步，潮汐式灌溉系统包括动力系统、智能灌溉系统、储存系统、过滤消毒系统和智能监控系统；

智能灌溉系统由给水泵、栽培池或苗床、给回水管道、水位传感器和电磁阀等部分组成；

过滤消毒系统由过滤装置、紫外消毒装置等组成；

智能控制系统由控制器、数据传输系统、数据统计分析及处理系统组成。

进一步，一种基于人工智能的植物生长参数系统，所述系统包括：

由云端管理系统集中管理的LED智能补光系统、干式毛细管辐射控温系统、苗盘养分丰缺监测系统、潮汐水肥一体化控制系统；

LED智能补光系统包括LED阵列仿真、STC89C51单片机控制器、光照强度检测模块；

干式毛细管辐射控温系统包括苗床局部控温模块、电子膨胀阀、室外换热器、压缩机；

苗盘养分丰缺监测系统包括计算机视觉模块、卷积神经网络模块；

潮汐水肥一体化控制系统包括环境和土壤温湿度检测模块、水位监测模块、回液循环模块、土壤养分图像识别模块、土壤吸水速率监测模块、潮汐式灌溉系统。

本发明的有益效果是：

该基于人工智能的植物生长参数决策方法和系统，通过LED智能补光系统能实现自适应补光控制，使秧苗生长周期缩短，通过干式毛细管辐射控温系统，实现温度场均匀分布，温差低于1.5℃，能耗比降低，潮汐水肥一体化控制系统实现自适应数字化水肥管理，极大的节省水肥，苗盘养分丰缺监测系统使得育苗数字化精准调控，整体提高育苗效率。

附图说明

图1为本发明的系统示意图；

图2为本发明LED智能补光系统图；

图3为本发明LED智能补光流程图；

图4为干式毛细管辐射控温系统原理图；

图5为干式毛细管辐射控温系统安装布局图；

图6为卷积神经网络测试算法流程图。

具体实施方式

下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。

实施例一，一种基于人工智能的植物生长参数决策方法，包括步骤：

1)利用Trace Pro光学仿真软件计算LED阵列，通过控制PWM占空比调节光谱配比，调控电流以调节光照强度，以实现自适应调控光配方，利用Trace Pro光学仿真软件对LED阵列进行仿真，计算LED阵列分布和光源距离对光照度的影响，为LED的布局优化奠定基础，并进行实验验证光源阵列分布保证高密度穴盘种植空间的光照均匀性，避免上层幼苗徒长；

2)采用多联机控制原理实现干式毛细管辐射全辐射制热和制冷，设计局部控温方案；

3)建立蔬菜幼苗不同缺素的叶片特征数据库，研究基于AI视觉技术的穴盘苗养分丰缺监测技术，实现穴盘苗数字化营养诊断，研究不同环境因子对秧苗生长发育的影响因素；

4)通过传感器检测环境因素，结合养分丰缺监测技术，水位传感器精确确定水肥供给量，自适应控制水肥浇灌。

步骤1)中针对蔬菜瓜类育苗中不同时期光照饱和度的需求，研究LED光源不同光质对选定的多种蔬菜育苗生长特征的影响，确定出LED最优光源光质或最优组合方式，并确定光质配比，研究瓜类育苗光源长期处于光饱和点的高效光照控制策略，设计智能化控制，达到最优光控以及节能要求。

步骤1)中以STC89C51单片机为核心控制器，采用光敏电阻传感器进行光线采集，通过调节算法进行光强自适应调整，达到光照强度控制，光照强度检测模块采用光敏电阻传感器，采集数据信息反馈给控制器，由控制器模块设计计算补光模式，并根据所反馈的情况输出特定的PWM来控制补光照明模块光质配比，通过调控电流来调节发光强度。

步骤2)中采用高能效干式毛细管辐射控温系统，末端换热介质为制冷剂，提高能效，避免冬季冻坏管路的风险通过多联干式毛细管辐射空调，每个苗床安装一套毛细管组，各设计安装一个电子膨胀阀，各毛细管组独立控制，实现高效节能，避免仅加热空气，可大幅降低机组成本。

多联干式毛细管辐射空调中压缩机输出能力按照变压力目标控制法，制热和制冷时分别按照变冷凝温度目标和变蒸发温度目标来控制压缩机转速，电子膨胀阀按照变过热度目标控制法，制热按照吸气过热度目标，控制室外机电子膨胀阀开关，制冷时按照各毛细管进出口的温度差控制，可以在不同环境温度下实现恒定的苗床温度，且节能。

步骤3)中以试验性方式对育苗养分丰缺做定性分析，对选定的幼苗，通过设计不同营养液组分配方，培育并采集不同营养组分下幼苗叶片图像，建立正常养分缺氮、磷、钾三类幼苗叶片特征图像数据库，提取图像数字化特征值，进行回归分析，确定不同缺素与叶片图像数字特征值的相关性，进而指导水肥管理，提高壮苗指数，作物缺素会导致植株各部位的异常特征，特别是叶片颜色变化，计算机视觉技术可以采集和挖掘出肉眼难以辨别的特征颜色，运用图像处理技术可以分析其细小的差别来判断缺少的营养元素，本发明使用卷积神经网络来识别幼苗生长状况，卷积神经网络主要由两部分组成，一部分是特征提取包括卷积、激活函数和池化，另一部分是分类识别，在本发明的实施步骤为：A。数据准备；B。搭建网络；C。迭代训练；D。测试算法与结果展示流程。

步骤4)中设计潮汐式水肥浇灌设备和精确的控制系统，设计计算出能自适应育苗不同生长期与环境因素变化的水肥浇灌频率和水肥量，潮汐式浇灌系统可实现自动化、智能化运行。

潮汐式灌溉系统包括动力系统、智能灌溉系统、储存系统、过滤消毒系统和智能监控系统；

智能灌溉系统由给水泵、栽培池或苗床、给回水管道、水位传感器和电磁阀等部分组成；

过滤消毒系统由过滤装置、紫外消毒装置等组成；

智能控制系统由控制器、数据传输系统、数据统计分析及处理系统组成，对水肥浇灌进行监测和智能控制，构建苗期梯度精量灌溉施肥。

一种基于人工智能的植物生长参数系统，包括：

由云端管理系统集中管理的LED智能补光系统、干式毛细管辐射控温系统、苗盘养分丰缺监测系统、潮汐水肥一体化控制系统；

LED智能补光系统包括LED阵列仿真、STC89C51单片机控制器、光照强度检测模块；

干式毛细管辐射控温系统包括苗床局部控温模块、电子膨胀阀、室外换热器、压缩机；

苗盘养分丰缺监测系统包括计算机视觉模块、卷积神经网络模块；

潮汐水肥一体化控制系统包括环境和土壤温湿度检测模块、水位监测模块、回液循环模块、土壤养分图像识别模块、土壤吸水速率监测模块、潮汐式灌溉系统；

云端管理系统通过对作物生长的机理进行研究，将与光照、温湿度、土壤等相关的作物生理过程和水分、养分运移规律提取为生长模型，通过对光照、温湿度、水、肥以及养分的检测技术，找到影响作物生长的不同因素间的动态表示关系，最终实现作物生长过程的精准控制。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。