一种基于UDP-IoT与时空数据的自主灌溉集群控制方法、系统及存储介质与流程

本发明属于农业物联网与精准灌溉，具体涉及一种基于udp-iot与时空数据的自主灌溉集群控制方法、系统及存储介质。

背景技术：

1、随着数字乡村、智慧农业、现代农业产业园的快速发展，农业生产方式逐步从传统人工管理向自动化、智能化、数字化方向转型。灌溉作业作为农业生产中最基础、最频繁、最重要的环节，直接影响作物生长状态、产量水平与品质等级。近年来，物联网（iot）技术在农业领域得到广泛应用，各类智能灌溉系统、自动灌溉设备、水肥一体化装置逐步普及。在此基础上，现有技术在规模化灌溉场景下仍存在以下可进一步优化的技术空间：

2、1.在通信传输环节，现有智能灌溉系统采用的通信方案主要包括以下几类：

3、（1）基于tcp协议的传输方案。tcp协议面向连接、传输可靠，但握手流程繁琐、报文头部开销达20字节，在大规模设备集群并发接入时容易出现拥堵、掉线、响应慢等问题。同时，tcp的重传机制、流量控制、拥塞控制在农业灌溉场景下形成冗余开销，该场景数据传输保密性要求较低、设备控制实时性要求较高、集群设备数量多、部署环境复杂、供电条件有限，tcp的复杂机制反而降低系统整体效率。

4、（2）基于lora协议或nbiot协议的传输方案。lora与nbiot具备远距离传输能力，但部署成本高、数据速率低、实时性不足，无法满足灌溉指令快速下发、设备状态实时反馈的场景需求。

5、（3）基于coap协议的传输方案。coap是运行于udp之上的应用层协议，已在大量智慧农业项目中广泛部署。但coap采用类似http的请求－响应模式，uri解析和选项遍历机制对嵌入式终端的计算资源和内存占用仍有一定要求，在超大规模传感器节点集群场景下存在进一步优化空间。

6、2.在数据处理与决策分析环节，多数灌溉系统缺乏时空数据融合能力，未结合地理位置、土壤墒情空间分布、管网拓扑结构实现分区精准控制，灌溉决策多基于经验阈值规则，未能充分考虑土壤温湿度、气象条件、作物需水规律等多维时空因素的动态耦合关系，存在灌溉均匀性不足、局部过灌与欠灌等问题。

7、3.在设备监测环节，现有灌溉系统普遍缺乏对阀门、水泵、管道等核心执行设备的全生命周期状态监测功能，无法实时获取设备开关状态、运行参数和健康状况，一旦出现阀门卡滞、水泵故障、管道泄漏、压力异常等问题，难以及时发现与定位，导致灌溉中断、水资源浪费和设备损坏。

8、4.现有技术在通信协议、数据处理、决策算法、控制执行各环节之间缺乏系统级协同设计，各模块独立运行、信息孤岛严重，导致单项技术的优化成果无法通过上下游联动放大为整体效能增益。在智慧农业与数字孪生技术深度融合的背景下，对灌溉系统提出更高要求：轻量化组网、低延迟控制、集群协同作业、时空数据驱动、设备全状态可视、异常快速预警、自主决策与人工控制兼备。现有技术在通信效率、实时响应、集群扩展、监测覆盖、决策精度、模式灵活性、故障排查及系统级协同等方面存在可进一步优化的空间，制约智慧农业灌溉系统的进一步推广应用。

9、因此，在规模化灌溉场景下进一步优化基于轻量级udp协议、iot设备组网、时空数据融合、自主决策模型的灌溉系统集成效能，具有重要的技术意义与应用价值。

技术实现思路

1、本发明提供一种基于udp-iot与时空数据的自主灌溉集群控制方法及系统，旨在解决现有技术中通信协议开销大、灌溉决策精度不足、集群设备协同控制困难，以及通信协议、数据处理、决策算法、控制执行各环节之间缺乏系统级协同设计的技术问题。

2、本发明第一方面提供一种基于udp-iot与时空数据的自主灌溉集群控制方法，包括以下步骤：

3、s1，获取目标种植区域内的时空数据以及灌溉设备的实时状态数据；

4、s2，采用udp定制二进制报文帧结构建立iot设备与控制中心之间的通信链路，完成数据上传与指令下发；

5、s3，对获取的时空数据与灌溉设备实时状态数据进行数据预处理，提取多维时序特征并构建灌溉决策时序特征矩阵；

6、s4，将所述灌溉决策时序特征矩阵输入混合神经网络模型，判定对应种植分区各网格是否需要灌溉，对于需要灌溉的网格计算推荐灌溉量；

7、s5，根据所述判定结果及推荐灌溉量生成灌溉控制指令，按照种植分区时序依次驱动灌溉集群执行设备完成灌溉作业。

8、在一个优选的实施方式中，步骤s2中所述udp定制二进制报文帧结构由固定长度帧头、变长负载字段和帧尾校验码组成；所述固定长度帧头包含帧起始标志字段、消息类型字段、序列号字段和时间戳字段，各字段在帧头中排列顺序固定且长度固定；所述消息类型字段用于标识报文类型，各报文类型的所述变长负载字段采用预定义固定字段结构，设备端根据所述报文类型确定所述变长负载字段的字段结构；所述帧尾校验码用于帧完整性校验。

9、在另一个优选的实施方式中，步骤s2中所述通信链路的数据传输还包括可靠传输机制：发送端在发送报文后等待接收端返回应答确认报文，若在预设超时时间内未收到应答确认，则自动重发；接收端基于序列号字段进行报文去重和乱序重排处理。

10、在再一个优选的实施方式中，步骤s3包括：选取与灌溉决策直接相关的多维时序特征向量，将种植区域按预设空间网格尺寸划分为若干网格单元，每个网格关联其对应传感器采集的时空数据；以预设时长为时间步长、预设窗口长度为滑动窗口宽度、预设步长为滑动距离，提取各网格在窗口内的多维时序特征；对提取的多维时序特征进行归一化处理，得到各网格的标准化时序特征矩阵；将所有网格的标准化时序特征矩阵堆叠为三维张量，作为所述混合神经网络模型的直接输入。

11、在再一个优选的实施方式中，所述归一化处理采用z-score归一化方法，对每维特征分别计算其原始值与该维度历史均值的差值，再除以该维度历史标准差，得到标准化后的特征值。

12、在再一个优选的实施方式中，步骤s4中所述混合神经网络模型为cnn-lstm混合神经网络模型，包括：一维卷积层，用于对输入时序特征矩阵进行局部特征提取，捕捉多维环境数据在短时间尺度上的相关性与耦合模式；最大池化层，用于对卷积特征图进行下采样，降低特征维度并保留显著激活特征；lstm循环层，用于对池化后的时序特征序列进行长程时间依赖建模，捕捉土壤墒情与环境参数的演化趋势；dropout正则化层，用于在训练阶段随机丢弃部分神经元连接，防止模型过拟合；全连接输出层，用于将lstm隐藏状态映射为灌溉概率值。

13、在再一个优选的实施方式中，步骤s4中所述判定对应种植分区各网格是否需要灌溉包括：当所述灌溉概率值大于或等于预设阈值时，判定对应网格需要灌溉，并由所述灌溉概率值经线性映射函数计算推荐灌溉量；当所述灌溉概率值小于所述预设阈值时，判定对应网格暂不灌溉。

14、在再一个优选的实施方式中，所述方法还包括，在自主决策模式与人工远程控制模式下进行双模式统一调度，所述自主决策模式基于所述混合神经网络模型的推理结果自动下发灌溉指令，所述人工远程控制模式响应远程管理终端的人工干预指令，两种模式在同一控制框架下实现无缝切换与平滑衔接。

15、在再一个优选的实施方式中，步骤s5中所述按照种植分区时序依次驱动灌溉集群执行设备完成灌溉作业具体为：根据各网格是否需要灌溉的判定结果及推荐灌溉量，按照网格优先级顺序依次向对应分区的水泵控制器和阀门控制器中的至少一种发送启停和开度调节指令，各分区灌溉设备按照时序错峰启动和停止，避免集群设备同时启动造成的电压波动与水压冲击。

16、在再一个优选的实施方式中，所述方法还包括：对灌溉设备的运行状态进行连续监测，识别设备异常并生成异常预警信息；所述识别设备异常至少包括以下类型之一：阀门卡滞趋势预判，通过监测阀门驱动电流的微分值是否超过预设卡滞阈值进行判断；水泵性能衰减分析，通过监测水泵流量与电流比值是否低于预设衰减阈值进行判断；管道微小泄漏检测，通过监测管道压力下降速率是否超过预设泄漏阈值进行判断。

17、本发明第二方面提供一种基于udp-iot与时空数据的自主灌溉集群控制系统，包括：

18、时空数据采集模块，用于采集多源时空数据，所述多源时空数据包括土壤墒情数据、环境气象数据、地理位置数据和管网分布数据；

19、设备状态监测模块，用于采集灌溉设备状态数据，所述灌溉设备状态数据包括阀门状态、水泵运行参数、管道压力流量参数和供电在线状态；

20、udp通信模块，用于基于udp定制二进制报文帧结构建立iot设备与控制中心之间的通信链路，完成数据上传与指令下发；

21、数据处理与时序分析模块，用于对所述时空数据进行空间网格化划分，并以滑动时间窗口进行滚动分析，提取多维时序特征并构建灌溉决策时序特征矩阵；

22、自主灌溉决策模块，用于将所述灌溉决策时序特征矩阵输入混合神经网络模型进行端到端推理，判定对应种植分区各网格是否需要灌溉，对于需要灌溉的网格计算推荐灌溉量；

23、集群执行控制模块，用于根据所述判定结果及推荐灌溉量生成灌溉控制指令，按照种植分区时序依次驱动灌溉集群执行设备完成灌溉作业；

24、异常识别与预警模块，用于对灌溉设备的运行状态进行连续监测，识别设备异常并生成异常预警信息。

25、本发明第三方面提供一种灌溉管理终端，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序；以及所述计算机程序，被配置为执行如本发明第一方面任一项所述的方法。

26、本发明第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时，实现如本发明第一方面任一项所述的方法。

27、本发明具有以下有益效果：

28、从本发明第一方面自主灌溉集群控制方法的角度：

29、第一，通过采用udp定制二进制报文帧结构建立iot设备与控制中心之间的通信链路，帧结构采用固定长度帧头设计，设备端直接读取固定偏移位置的数据即可完成字段解析，相比标准coap协议省去了uri解析和选项遍历的过程，降低了嵌入式终端的计算资源和内存占用，在低成本传感器节点上部署门槛更低。

30、第二，通过对时空数据进行空间网格化划分，并以滑动时间窗口进行滚动分析，提取多维时序特征并构建灌溉决策时序特征矩阵，将土壤墒情、环境气象、地理位置等多维时空数据融合为结构化的模型输入，充分反映了农田环境的时空异质性和动态变化规律，为精准灌溉决策提供了高质量的数据基础。

31、第三，通过将灌溉决策时序特征矩阵输入cnn-lstm混合神经网络模型进行端到端推理，判定各网格是否需要灌溉并对于需要灌溉的网格计算推荐灌溉量，相比传统固定阈值规则方法，能够自动学习多维时空特征之间的非线性耦合关系，在复杂农田环境下实现更精准的灌溉决策，有效减少灌溉不足和过度灌溉的情况。

32、第四，通过根据判定结果及推荐灌溉量生成灌溉控制指令，按照种植分区时序依次驱动灌溉集群执行设备完成灌溉作业，各分区灌溉设备按照时序错峰启动和停止，避免了集群设备同时启动造成的电网电压骤降和水管网压力波动，提高了设备使用寿命和灌溉均匀性。

33、从本发明第二方面自主灌溉集群控制系统的角度：

34、第五，通过各功能模块的协同运行，将数据获取、通信传输、决策推理和执行控制整合为统一的系统级解决方案，克服了通信协议、数据处理、决策算法、控制执行各环节独立运行时存在的信息孤岛问题。

35、从本发明第三方面计算机可读存储介质的角度：

36、第六，通过计算机可读存储介质存储程序指令，使得本发明的方法能够在不同硬件平台上灵活部署，具有良好的可移植性和可扩展性。