一种智能灌溉决策方法及系统

摘要: 本发明属于智慧农业、精准灌溉与农业信息化,具体涉及一种基于土壤水分传感器实时监测与植株叶片热图像智能识别相结合的精准智能灌溉决策方法及系统。本发明可应用于设施农...
一种智能灌溉决策方法及系统

本发明属于智慧农业、精准灌溉与农业信息化,具体涉及一种基于土壤水分传感器实时监测与植株叶片热图像智能识别相结合的精准智能灌溉决策方法及系统。本发明可应用于设施农业及大田作物的节水灌溉管理,尤其适用于干旱与半干旱地区作物水分状态监测和灌溉自动控制。

背景技术:

1、目前农业灌溉决策主要依赖土壤含水量监测、人工经验判断或单一作物表型信息。虽然现有方法能够在一定程度上反映作物需水状态,但仍存在以下局限:

2、1)仅依赖土壤传感器存在片面性。土壤含水量只能反映根区水分环境,无法直接表征植株对水分胁迫的生理响应。不同天气条件和作物生长阶段下,单纯依据土壤水分阈值容易造成灌溉滞后或过量灌溉。

3、2)仅依赖人工观察效率低且主观性强。叶片卷曲、萎蔫、颜色变化等表型特征通常出现在胁迫较明显阶段,难以实现早期识别,也难以满足规模化生产需求。

4、3)单一热图像判别稳定性不足。叶片热图像能够反映作物蒸腾变化和冠层温度分布,但若缺少土壤水分背景信息,在复杂环境条件下容易受到辐射、风速和时段差异影响。

5、4)现有灌溉控制智能化程度不高。多数系统仍以固定阈值或定时灌溉为主,缺乏对“土壤-植株”双维信息的协同分析,难以实现更加精准和智能的灌溉管理。

6、因此,亟需一种能够融合土壤环境信息与作物实时生理响应信息的智能灌溉决策方法及系统,以提高灌溉决策准确性、降低水资源浪费,并增强系统在实际生产中的适用性。

技术实现思路

1、本发明的目的在于克服现有技术中的缺陷,并提供一种智能灌溉决策方法及系统。通过构建“数据采集-数据预处理-图像识别-融合决策-自动灌溉执行”的闭环控制体系,实现:1)提高灌溉决策的准确性和实时性;2)同时考虑土壤供水状况与作物实际缺水响应;3)实现灌溉过程的自动化、智能化与动态调控;4)降低无效灌溉和过度灌溉风险,提高水分利用效率;5)为干旱区节水农业和智慧灌溉系统构建提供技术支撑。

2、本发明所采用的具体技术方案如下:

3、第一方面,本发明提供了一种智能灌溉决策方法,具体如下:

4、s1:在作物根区布设土壤水分传感器,对土壤体积含水量进行监测,获得土壤水分动态数据,并设定灌溉下限阈值和灌溉上限阈值,同时利用热成像设备采集目标植株叶片热图像,获取反映植株蒸腾状态和叶片热分布状态的图像数据;

5、s2:对s1采集到的热图像进行预处理,形成用于图像识别模型输入的标准化图像数据;

6、s3:将s2预处理后的热图像输入训练好的识别模型,对作物水分状态进行识别,输出作物缺水状态识别结果;

7、s4:将s1获得的土壤体积含水量数据与s3所得作物缺水状态识别结果进行融合判断,生成灌溉决策指令;

8、s5:根据s4生成的灌溉决策指令控制灌溉设备是否启动供水,并持续监测土壤体积含水量变化;

9、s6:当监测到土壤体积含水量恢复至所述灌溉上限阈值后,控制灌溉设备停止供水,形成闭环灌溉控制过程。

10、作为优选,所述s2中,预处理包括裁剪、尺寸调整、通道转换、数据增强和归一化处理;其中,将热图像裁剪至目标叶片区域,将图像尺寸统一调整为224×224像素,并将单通道热图像归一化后转换为三通道图像。

11、作为优选,所述s3中,识别模型为卷积神经网络模型、轻量化网络模型或视觉transformer模型中的一种,并基于识别准确率、精确率、召回率、f1值、参数量、计算量和推理时间进行筛选。

12、作为优选,所述s3中,识别模型为efficientnet-b0模型;所述efficientnet-b0模型采用迁移学习方式训练,加载预训练权重作为初始权重,保留特征提取层和自适应池化层,并将原分类层替换为适用于作物水分状态识别的分类器。

13、进一步的,所述efficientnet-b0模型训练过程中冻结前端部分特征提取层,仅对后端特征提取层和分类器进行参数更新;模型训练采用加权交叉熵损失函数和adamw优化器,并对训练过程中的梯度范数进行监测,当梯度范数超过预设阈值时进行梯度裁剪。

14、作为优选,所述s4具体如下:

15、当土壤体积含水量低于所述灌溉下限阈值,且热图像识别结果表明作物处于缺水状态时,判定作物存在真实缺水需求,生成灌溉启动指令;

16、当土壤体积含水量低于所述灌溉下限阈值,但热图像识别结果未表明作物处于缺水状态时,生成延迟灌溉或小水量灌溉指令;

17、当土壤体积含水量处于所述灌溉下限阈值与所述灌溉上限阈值之间,且热图像识别结果表明作物存在异常热响应时,生成预警信息;

18、当土壤体积含水量处于所述灌溉下限阈值与所述灌溉上限阈值之间,且热图像识别结果为正常状态时,保持当前状态,不执行灌溉。

19、作为优选,执行完所述s6后,记录灌溉前后土壤体积含水量变化、叶片热图像变化及灌溉量数据,并基于记录的数据对识别模型参数和灌溉决策规则进行更新。

20、第二方面,本发明提供了一种智能灌溉决策系统,包括:

21、数据采集模块,用于在作物根区布设土壤水分传感器,对土壤体积含水量进行监测,获得土壤水分动态数据,并设定灌溉下限阈值和灌溉上限阈值,同时利用热成像设备采集目标植株叶片热图像,获取反映植株蒸腾状态和叶片热分布状态的图像数据;

22、数据预处理模块,用于对数据采集模块采集到的热图像进行预处理,形成用于图像识别模型输入的标准化图像数据;

23、图像识别模块,用于将数据预处理模块预处理后的热图像输入训练好的识别模型,对作物水分状态进行识别,输出作物缺水状态识别结果;

24、融合决策模块,用于将数据采集模块获得的土壤体积含水量数据与图像识别模块所得作物缺水状态识别结果进行融合判断,生成灌溉决策指令;

25、自动灌溉执行模块,用于根据融合决策模块生成的灌溉决策指令控制灌溉设备是否启动供水,并持续监测土壤体积含水量变化;当监测到土壤体积含水量恢复至所述灌溉上限阈值后,控制灌溉设备停止供水,形成闭环灌溉控制过程。

26、第三方面,本发明提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时,能实现如第一方面任一项所述的智能灌溉决策方法。

27、第四方面,本发明提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如第一方面任一项所述的智能灌溉决策方法。

28、本发明相对于现有技术而言,具有以下有益效果:

29、1)决策更精准:通过融合土壤传感器信息与作物叶片热图像信息,克服单一土壤或单一图像判别的局限,提高对真实缺水状态识别的准确性。

30、2)响应更智能:系统不仅依据土壤水分阈值判断,还结合作物实际生理响应进行综合分析,使灌溉控制更加贴合作物需水规律。

31、3)节水效果显著:通过按需灌溉和动态调控,可减少无效灌溉和过量灌溉,提高灌溉水利用效率。

32、4)自动化程度高:可实现从数据采集、状态识别、决策判断到灌溉执行的全过程自动控制,降低人工管理成本。

33、5)适用范围广:适用于温室、大棚及露地作物灌溉管理,尤其适合水资源短缺地区的智慧节水农业应用。

34、6)具有扩展潜力:后续可进一步融合环境温湿度、光照、作物生长阶段等多源信息,提升系统鲁棒性与推广价值。