一种基于AI数据检测的物联网作物离子生成输送系统的制作方法

摘要: 本发明涉及智能农业物联网,具体为一种基于ai数据检测的物联网作物离子生成输送系统。背景技术:1、作物根际离子生成输送调控中,现有技术通常依据根部区域单一或平均离...
一种基于AI数据检测的物联网作物离子生成输送系统的制作方法

本发明涉及智能农业物联网,具体为一种基于ai数据检测的物联网作物离子生成输送系统。

背景技术:

1、作物根际离子生成输送调控中,现有技术通常依据根部区域单一或平均离子浓度检测值、定时控制或固定阈值比较,驱动离子发生器和输送管路阀门。部分系统采集多个传感器数据后直接取均值或加权,作为离子供给调节依据。该方式以浓度绝对数值或简单统计结果作为控制输入,未对原位检测序列进行波动成分分解,不能提取各传感器所处微区的离子浓度波动特征。传感器漂移、瞬时扰动和局部浓度尖峰容易直接进入控制决策,造成离子供给频繁波动或滞后;多个微区的空间差异被平均化处理,根系吸收动态在根际空间上的非均匀变化难以体现。现有控制缺少对历史状态向量演化轨迹几何形态的度量,无法有效识别吸收模式转变,在根系吸收需求发生模式跃迁时,离子生成和输送仍按上一模式运行,容易出现过量供给或供给不足。

2、为改善上述问题,需要从根部区域多个离子浓度传感器的原位检测序列中分离波动成分,获得各微区的离子浓度波动特征量,并融合根部环境参数构建描述作物根系离子吸收动态的瞬时吸收状态向量;还需要根据当前时刻之前多个历史时刻的瞬时吸收状态向量,度量状态向量在向量空间中演化轨迹的几何形态,获得吸收模式跃迁因子,利用该因子和当前状态向量预测下一时刻的作物根际离子浓度分布偏移量,以指导离子发生器和输送管路阀门的调节。

3、此外,现有系统在作物出现营养元素缺乏时,通常依赖人工观察和经验判断,缺乏基于原位检测数据的自动缺素识别和针对性增养机制,难以在缺素初期及时响应,影响了作物的正常生长和产量形成。因此,还需在离子浓度调节的基础上,增加对缺素状态的自动判定和增养策略生成能力,使系统能够主动补充作物所需的特定营养离子。

技术实现思路

1、针对现有作物离子生成输送控制中依赖浓度绝对值或简单统计、未提取微区波动特征、难以识别吸收模式演化的问题,本发明提供一种基于ai数据检测的物联网作物离子生成输送系统,目的在于通过原位检测序列波动成分分解和状态向量演化轨迹几何度量,预测根际离子浓度分布偏移量,并生成离子发生器和输送管路阀门的调节控制量,使离子供给适应作物根系吸收动态变化。

2、为了实现上述目的,本发明提供如下技术方案:本发明提供了一种基于ai数据检测的物联网作物离子生成输送系统,包括数据采集模块、波动分解模块、状态构建模块、模式判别模块、分布预测模块和执行控制模块。数据采集模块获取作物根部区域多个离子浓度传感器的原位检测序列,以及对应采集时刻的根部环境参数序列;波动分解模块对每个原位检测序列进行波动成分分解,提取各传感器所处微区的离子浓度波动特征量;状态构建模块基于所有微区的离子浓度波动特征量和根部环境参数序列,构建描述作物根系离子吸收动态的瞬时吸收状态向量;模式判别模块根据当前时刻之前多个历史时刻的瞬时吸收状态向量,通过度量状态向量在向量空间中的演化轨迹的几何形态,获取当前时刻的吸收模式跃迁因子;分布预测模块利用当前时刻的吸收模式跃迁因子和当前时刻的瞬时吸收状态向量,预测下一时刻的作物根际离子浓度分布偏移量;执行控制模块依据离子浓度分布偏移量,生成离子生成输送系统的调节控制量,并作用于离子发生器和输送管路阀门。该系统将多微区离子浓度波动与根部环境参数进行融合,能够识别根系吸收模式的跃迁趋势,对根际离子分布偏移进行预测,并据此调节离子发生与输送,提高离子供给与作物吸收需求在时间和空间上的匹配度,减少调节滞后与过量供给。

3、波动分解模块将每个原位检测序列按照时间顺序排列,构成对应传感器的原始浓度时间序列;对原始浓度时间序列进行多尺度滑动窗口分割,在每个窗口内计算序列数值的相对排列模式,得到窗口模式描述子;将所有窗口模式描述子按照窗口中心时刻排序,组成模式演化序列;将模式演化序列中具有相同描述子的相邻窗口进行合并,以合并后的连续段数量作为该传感器所处微区的离子浓度波动特征量。该特征量能够反映离子浓度波动模式变化的频繁程度,使根系微区离子扰动特征得到有效表达。

4、优选的,窗口模式描述子的生成方式为:将窗口内的所有浓度数值按照大小顺序进行排序,得到每个数值在窗口内的排序位次;将窗口内各数值对应的排序位次按照数值在窗口中的原始时间顺序排列,形成位次排列向量;将位次排列向量转换为预设长度的二进制编码串,作为该窗口的窗口模式描述子。该方式能够对浓度波动形态进行紧凑编码,降低噪声对后续模式识别的影响。

5、状态构建模块将同一采集时刻下所有微区的离子浓度波动特征量按传感器空间排列顺序拼接,形成该时刻的浓度波动分布向量;将同一采集时刻的根部环境参数序列中的各类环境参数按照预设顺序排列,形成该时刻的环境参数向量;将浓度波动分布向量和环境参数向量首尾拼接,得到该时刻的瞬时吸收状态向量。该状态向量融合了离子浓度空间波动信息和根部环境信息,能够较完整地描述作物根系离子吸收动态。

6、模式判别模块将当前时刻之前连续多个历史时刻的瞬时吸收状态向量按照时间顺序排列,形成状态向量序列;计算状态向量序列中相邻两个状态向量之间的转移差异度量,得到转移差异序列;将转移差异序列中的每个转移差异度量按照时间顺序依次累加,得到累积转移路径长度;将累积转移路径长度除以状态向量序列中首尾两个状态向量之间的直接差异度量,得到当前时刻的吸收模式跃迁因子。该跃迁因子能够体现状态向量在向量空间中演化轨迹的几何弯曲和跃迁强度,有利于捕捉吸收模式由平稳转为剧烈变化的趋势。

7、优选的,相邻两个状态向量之间的转移差异度量通过以下方式获得:将状态向量序列中相邻两个状态向量进行向量差运算,得到差异向量;计算差异向量中每个元素的正负符号,形成符号序列;将符号序列中符号发生变化的相邻位置进行标记,并以标记位置之间的间隔长度构建间隔长度序列;将间隔长度序列中所有间隔长度的均值作为该相邻两个状态向量之间的转移差异度量。该差异度量能够反映状态向量各维度变化方向的一致性,使轨迹几何形态度量对多维度状态变化更加灵敏。

8、分布预测模块获取当前时刻之前预设数量个历史时刻各自对应的吸收模式跃迁因子,组成跃迁因子历史序列;计算跃迁因子历史序列中相邻元素之间的差值,得到跃迁因子变化量序列;根据跃迁因子变化量序列的数值分布范围,确定下一时刻的跃迁因子估计值的波动区间边界;选取波动区间边界中与当前时刻的吸收模式跃迁因子差异最小的边界值,作为下一时刻的跃迁因子预测值;将下一时刻的跃迁因子预测值与当前时刻的瞬时吸收状态向量相乘,得到下一时刻的作物根际离子浓度分布偏移量。该预测方式通过历史跃迁因子变化范围确定下一时刻的合理波动区间,并对预测值进行边界约束,能够降低异常波动对预测结果的影响,提升根际离子浓度分布偏移预测的稳定性。

9、优选的,波动区间边界的确定方式为:将跃迁因子变化量序列中的所有数值按照大小顺序排列,得到有序变化量序列;从有序变化量序列中提取位于预设分位点的第一变化量值和第二变化量值,其中第一变化量值小于第二变化量值;以当前时刻的吸收模式跃迁因子与第一变化量值的和作为波动区间的下边界;以当前时刻的吸收模式跃迁因子与第二变化量值的和作为波动区间的上边界。采用分位点确定边界能够自适应历史变化幅度的分布特征,避免个别极端变化量造成预测区间过大。

10、执行控制模块将离子浓度分布偏移量按照各传感器对应的空间位置进行分解,得到每个微区的期望浓度变化方向;对于每个微区,根据该微区的期望浓度变化方向的正负符号,确定输送管路阀门中对应支路的开度调节方向;统计所有微区的期望浓度变化方向的绝对值之和,作为离子发生器总输出调节幅度;根据每个微区的期望浓度变化方向的绝对值占离子发生器总输出调节幅度的比例,分配各支路的阀门开度调节量。该控制方式能够根据根际不同微区的离子偏移方向和幅度进行差异化调节,使离子发生器总输出和各支路阀门开度协调动作,提高离子输送的空间针对性。

11、优选的,期望浓度变化方向通过以下方式得到:提取离子浓度分布偏移量中与各传感器位置对应的偏移分量数值;对每个偏移分量数值进行符号判断,若偏移分量数值大于零则标记为正方向,若小于零则标记为负方向;将每个传感器所处微区的空间坐标与该微区对应的正方向或负方向标记进行关联,得到该微区的期望浓度变化方向。通过空间坐标与方向标记的关联,能够将预测偏移量映射到具体输送支路,有利于实现按微区需求进行供给调节。

12、在上述技术方案中,本发明提供的技术效果和优点:

13、对每个原位检测序列按时间顺序构成原始浓度时间序列后,进行多尺度滑动窗口分割,在每个窗口内以浓度数值相对排列模式生成窗口模式描述子,再按窗口中心时刻排序并合并相同描述子的相邻窗口,以合并后的连续段数量作为该微区的离子浓度波动特征量。该处理将离子浓度绝对数值转化为窗口内排序位次关系,降低传感器基线漂移、瞬时噪声和局部异常值对控制决策的干扰;合并相同模式相邻窗口后得到的连续段数量能够反映微区离子浓度波动结构的复杂程度和变化频次,比直接使用浓度均值或方差更能体现根系吸收引起的局部动态变化。基于该特征量按传感器空间排列顺序拼接浓度波动分布向量,并与根部环境参数向量首尾拼接形成瞬时吸收状态向量,使状态表达同时携带根际空间分布信息和环境条件信息,模式判别和分布预测具有空间针对性。在获取当前时刻之前连续多个历史时刻的瞬时吸收状态向量后,计算相邻状态向量之间的转移差异度量并依次累加,得到累积转移路径长度;将累积转移路径长度除以首尾状态向量之间的直接差异度量,得到当前时刻的吸收模式跃迁因子。该比值描述状态向量在向量空间中的轨迹弯曲程度,轨迹弯曲越明显,吸收模式越接近非平稳跃迁;相比于固定阈值或单一浓度变化率判断,该因子能够从历史状态序列的几何形态中捕捉吸收动态的转变趋势,降低对单个采样点异常的敏感性。预测下一时刻根际离子浓度分布偏移量时,利用跃迁因子历史序列的相邻差值确定波动区间边界,并选取与当前跃迁因子差异最小的边界作为下一时刻预测值,与当前瞬时吸收状态向量相乘得到偏移量。由此预测的偏移量包含各微区分量,可按传感器空间位置分解得到期望浓度变化方向,进一步生成对应支路阀门开度调节方向和离子发生器总输出调节幅度,使离子生成和输送在空间上匹配根际浓度变化趋势,减少吸收模式变化时的供给滞后和局部过量或不足。