一种基于卷积神经网络的大田水肥智能控制方法和系统

1.本发明属于农业设备技术领域，具体涉及一种基于卷积神经网络的大田水肥智能控制方法和系统。


背景技术：

2.目前大田灌溉、施肥通常是对大田进行无差别的灌溉、施肥，这就会导致一些区域肥力过剩出现抑制生长现场，而一些区域肥力不足出现作物生长缓慢现象，一些区域水量过多导致根系腐烂，一些区域水量过少导致作物缺水干旱。


技术实现要素：

3.本发明实施例提供一种基于卷积神经网络的大田水肥智能控制方法和系统，旨在对大田各区域进行精确灌溉、施肥，保证作物生长状态良好。
4.为实现上述目的，本发明采用的技术方案是：
5.第一方面，本发明实施例提供一种基于卷积神经网络的大田水肥智能控制方法，包括以下步骤：
6.将大田分为若干灌溉畦，并进行编号；
7.获取训练数据，所述训练数据表征为若干灌溉畦的图像与每个图像对应的数据信息，所述数据信息包括每个图像对应的灌溉畦的编号和需水、需肥数值；
8.利用所述训练数据对卷积神经网络的进行深度训练，使其能够根据灌溉畦的图像识别出对应灌溉畦的需水、需肥的数据信息；
9.利用图像采集设备，对若干所述灌溉畦的作物进行图像采集，并将图像信息传递给基于卷积神经网络的信息处理单元；
10.通过所述基于卷积神经网络的信息处理单元对图像进行识别、处理并分析得出每块灌溉畦对应的数据信息，并将信息传递给信息存储分析单元；
11.设定偏差范围，所述信息存储分析单元将若干所述灌溉畦对应的需水、需肥的数值按照从小到大的顺序排列，并以最小的数值为起始数值，以所述偏差范围为间隔，将若干所述灌溉畦分为若干灌溉区域，并取每个所述灌溉区域内若干所述灌溉畦需水、需肥的数值的平均值作为该灌溉区域内每个所述灌溉畦需水、需肥的数值，将信息传递给控制单元；
12.通过控制单元控制灌溉系统，并调控各灌溉区域对应的水肥浓度，再依次对若干所述灌溉区域内的作物进行灌溉。
13.第二方面，本发明实施例还提供了一种基于卷积神经网络的大田水肥智能控制系统，包括：
14.若干标记组件，分别设在若干灌溉畦内，每个所述标记组件上均设有编号，以分别对若干所述灌溉畦进行标号；
15.若干边界组件，分别设在每个所述灌溉畦的四角，用来标记每个所述灌溉畦的范围；
16.图像信息采集设备，用来采集若干所述灌溉畦内的图像信息；
17.基于卷积神经网络的信息处理模块，用来接收所述图像信息采集设备传递的图像信息，通过识别所述图像信息中的所述标记组件和所述边界组件对应的像素信息而识别出每个所述灌溉畦对应的所述编号，同时，对所述图像信息中其他像素信息进行识别，得出每个所述编号对应的所述灌溉畦的需水、需肥的数值；并将若干所述灌溉畦对应的需水、需肥的数值按照从小到大的顺序排列，以最小的数值为起始数值，以预设的偏差范围为间隔，将若干所述灌溉畦分为若干灌溉区域，并取每个所述灌溉区域内若干所述灌溉畦需水、需肥的数值的平均值作为该灌溉区域需水、需肥的数值；
18.灌溉系统，用来对若干所述灌溉畦进行灌溉；
19.控制模块，与所述图像信息采集设备、所述基于卷积神经网络的信息处理模块和所述灌溉系统电性连接，用来控制所述图像信息采集设备进行图像信息采集、接收所述基于卷积神经网络的信息处理模块传递的信息、并依据所述基于卷积神经网络的信息处理模块传递的信息调节所述灌溉系统输出的水肥浓度，并控制所述灌溉系统依次对若干所述灌溉区域进行灌溉。
20.结合第二方面，在一种可能的实现方式中，所述标记组件包括标杆和编号牌，所述标杆插设在对应所述灌溉畦内，所述编号牌与所述标杆连接，所述标号牌上设有所述编号。
21.结合第二方面，在一种可能的实现方式中，所述边界组件包括边界杆和边界牌，所述边界杆一端插入土壤中，另一端与所述边界牌连接。
22.结合第二方面，在一种可能的实现方式中，所述图像信息采集设备包括拍摄无人机、摄像设备和信号收发模块，所述摄像设备和所述信号接收发射模块均与所述拍摄无人机连接。
23.结合第二方面，在一种可能的实现方式中，所述灌溉系统包括：水肥箱、水泵、混合组件、物料泵、肥料浓度检测仪、输送泵、若干流量传感器、若干电控节流阀、若干电磁阀、主管道和若干分管道，所述水泵的进水口用来与水源连通；所述物料泵的进料口与所述水肥箱连通；所述混合组件与所述水泵的出水口和所述物料泵的出料口连接，以将水肥稀释；所述肥料浓度检测仪与所述混合组件连接，用来检测稀释后水肥的浓度；若干所述流量传感器分别设在所述水泵与所述混合组件和所述物料泵与所述混合组件之间，以分别检测所述水泵和所述物料泵的总流量；若干所述电控节流阀分别与所述水泵的出水口和所述物料泵的出料口连接；所述输送泵的进料端与所述混合组件连通，出料端与所述主管道连通，若干所述分管道均一端与所述主管道连通，另一端分别设在若干所述灌溉畦内，若干电磁阀分别设在若干所述分管道上，以控制所述分管道的通断。
24.结合第二方面，在一种可能的实现方式中，所述混合组件包括混合罐和循环泵，所述混合罐与所述水泵的出水口和所述物料泵的出料口连接，并与所述输送泵的进料端连接，所述循环泵的进料端与所述混合罐的下部连接，所述循环泵的出料端与所述混合罐的上部连接。
25.结合第二方面，在一种可能的实现方式中，所述控制模块分别与所述水泵、所述物料泵、所述若干流量传感器、若干所述电控节流阀、所述输送泵、若干所述电磁阀和所述肥料浓度检测仪电性连接，以根据所述信息处理模块传递的信息，结合肥料浓度检测仪控制若干电控节流阀调节混合组件输出的稀释后的水肥的浓度、结合若干流量传感器控制若干
所述电控节流阀控制输出的水量和水肥量、并通过控制若干所述电磁阀的开闭来控制所述灌溉系统灌溉的区域。
26.结合第二方面，在一种可能的实现方式中，所述灌溉系统还包括若干支架和若干灌溉喷枪，若干所述支架分别夹设在若干所述灌溉畦的中间，所述灌溉喷枪与所述支架连接，所述灌溉喷枪的进水端与所述分管道连接。
27.结合第二方面，在一种可能的实现方式中，每个所述灌溉喷枪均包括安装座、进水管、壳体、喷管、喷嘴、摇摆架、扭簧和散射器；所述安装座与所述支架连接，所述进水管穿过所述安装座，并与所述安装座连接，所述进水管下端与所述分管道连接，所述进水管的上端沿周设有出水口，所述出水口在竖直方向上的宽度沿周呈周期性变化，每九十度角为一个变化周期；所述壳体套设在所述进水管上，与所述进水管转动密封连接；所述喷管一端与所述喷嘴连接，另一端与所述壳体连接并连通，所述喷管与所述壳体的连通口与所述进水管的出水口对齐；所述喷嘴的出水端设有所述散射器，以将喷射出的水流打散为水幕；所述摇摆架与所述壳体转动连接，所述摇摆架前端设有挡水板，所述摇摆架与所述壳体之间设有所述扭簧，以使所述喷管在喷水过程中，绕所述进水管周圈转动；所述输送泵为恒压泵，所述喷管绕所述进水管周圈转动的过程中，所述进水管的所述出水口与所述喷管对齐的面积呈周期性变化，进而使所述喷嘴喷出的水的距离呈周期性变化。
28.本发明提供的基于卷积神经网络的大田水肥智能控制方法的有益效果是：与现有技术相比，本发明提供的基于卷积神经网络的大田水肥智能控制方法经过对卷积神经网络的深度训练，使基于卷积神经网络的信息处理单元能够根据灌溉畦的图像识别出每个灌溉畦的需水、需肥的数据信息，从而实现精准灌溉、施肥，保证作物生长状态良好；同时，通过信息存储分析单元将若干灌溉畦分为若干灌溉区域，并以灌溉区域内若干灌溉畦需水、需肥的数值的平均值作为该灌溉区域内每个灌溉畦的需水、需肥的数值，以在保证精准灌溉的同时，提高灌溉效率。
29.本发明提供的基于卷积神经网络的大田水肥智能控制系统的有益效果是：与现有技术相比，本发明提供的基于卷积神经网络的大田水肥智能控制系统设置标记组件和边界组件，使基于卷积神经网络的信息处理模块能够跟据图像中标记组件和边界组件对应的像素信息识别出每块灌溉畦的位置信息，并对图像信息中其他像素信息进行识别，得出每个编号对应的灌溉畦的需水、需肥的数值，以实现精准灌溉、施肥，保证农作物的生长状态良好；同时，依据预设的偏差范围将若干灌溉畦分为若干灌溉区域，然后通过控制模块，调节灌溉系统输出的水肥浓度，并控制灌溉系统依次对若干灌溉区域进行灌溉，以在实现精准灌溉、施肥的基础上，提高灌溉效率。
附图说明
30.图1为本发明实施例提供的基于卷积神经网络的大田水肥智能控制方法的流程图；
31.图2为本发明实施例提供的基于卷积神经网络的大田水肥智能控制系统的灌溉畦及其内部装置的立体结构示意图；
32.图3为本发明实施例提供的基于卷积神经网络的大田水肥智能控制系统中的灌溉系统的示意图；
33.图4为本发明实施例提供的基于卷积神经网络的大田水肥智能控制系统中的灌溉系统中的支架和灌溉喷枪的立体结构示意图；
34.附图标记说明：
35.10、灌溉畦；20、标记组件；21、标杆；22、编号牌；
36.30、边界组件；31、边界杆；32、边界牌；41、水肥箱；
37.42、水泵；43、物料泵；44、混合罐；45、循环泵；
38.46、肥料浓度检测仪；47、输送泵；48、流量传感器；49、电控节流阀；
39.50、电磁阀；51、主管道；52、分管道；53、支架；
40.60、灌溉喷枪；61、安装座；62、进水管；621、出水口；
41.63、壳体；64、喷管；65、喷嘴；66、摇摆架；
42.661、挡水板；67、扭簧；68、散射器。
具体实施方式
43.为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
44.请一并参阅图1，现对本发明提供的基于卷积神经网络的大田水肥智能控制方法进行说明。所述基于卷积神经网络的大田水肥智能控制方法，包括以下步骤：
45.将大田分为若干灌溉畦10，并进行编号；
46.获取训练数据，训练数据表征为若干灌溉畦10的图像与每个图像对应的数据信息，数据信息包括每个图像对应的灌溉畦10的编号和需水、需肥数值；
47.利用训练数据对卷积神经网络的进行深度训练，使其能够根据灌溉畦10的图像识别出对应灌溉畦10的需水、需肥的数据信息；
48.利用图像采集设备，对若干灌溉畦10的作物进行图像采集，并将图像信息传递给基于卷积神经网络的信息处理单元；
49.通过基于卷积神经网络的信息处理单元对图像进行识别、处理并分析得出每块灌溉畦10对应的数据信息，并将信息传递给信息存储分析单元；
50.设定偏差范围，信息存储分析单元将若干灌溉畦10对应的需水、需肥的数值按照从小到大的顺序排列，并以最小的数值为起始数值，以偏差范围为间隔，将若干灌溉畦10分为若干灌溉区域，并取每个灌溉区域内若干灌溉畦10需水、需肥的数值的平均值作为该灌溉区域需水、需肥的数值，将信息传递给控制单元；
51.通过控制单元控制灌溉系统，并调控各灌溉区域对应的水肥浓度，再依次对若干灌溉区域内的作物进行灌溉。
52.需要说明的是，现有灌溉系统通常是通过一个输送泵灌溉多个灌溉畦，且输送向每个灌溉畦的水肥浓度是相同的；利用上述控制方法可以精确分析出每个灌溉畦需水、需肥的量，实现精准灌溉，但是在灌溉一个灌溉畦时需要将通向其他灌溉畦的管道关闭，既只能逐个灌溉，大大降低了灌溉效率；为此，本控制方法中还设定了偏差范围，依据偏差范围将全部灌溉畦分为若干灌溉区域，每个灌溉区域内的灌溉畦同时灌溉，大大提高灌溉效率。
53.需要理解的是，偏差范围根据经验设定，对灌溉畦10灌溉的水量、肥量与对应的需
水、需肥的量的差值在偏差范围内时，不会对农作的生长产生明显影响。
54.本实施例提供的基于卷积神经网络的大田水肥智能控制方法的有益效果是：与现有技术相比，本实施例提供的基于卷积神经网络的大田水肥智能控制方法经过对卷积神经网络的深度训练，使基于卷积神经网络的信息处理单元能够根据灌溉畦10的图像识别出每个灌溉畦10的需水、需肥的数据信息，从而实现精准灌溉、施肥，保证作物生长状态良好；同时，通过信息存储分析单元将若干灌溉畦10分为若干灌溉区域，并以灌溉区域内若干灌溉畦10需水、需肥的数值的平均值作为该灌溉区域内每个灌溉畦10的需水、需肥的数值，以在保证精准灌溉的同时，提高灌溉效率。
55.基于同一发明构思，本技术实施例还提供一种基于卷积神经网络的大田水肥智能控制方法的控制系统，包括若干标记组件20、若干边界组件30、图像信息采集设备、基于卷积神经网络的信息处理模块、灌溉系统和控制模块；若干标记组件20分别设在若干灌溉畦10内，每个标记组件20上均设有编号，以分别对若干灌溉畦10进行标号；若干边界组件30分别设在每个灌溉畦10的四角，用来标记每个灌溉畦10的范围；图像信息采集设备用来采集若干灌溉畦10内的图像信息；基于卷积神经网络的信息处理模块，用来接收图像信息采集设备传递的图像信息通过识别图像信息中的标记组件20和边界组件30对应的像素信息而识别出每个灌溉畦10对应的编号，同时，对图像信息中其他像素信息进行识别，得出每个编号对应的灌溉畦10的需水、需肥的数值；并将若干灌溉畦10对应的需水、需肥的数值按照从小到大的顺序排列，以最小的数值为起始数值，以预设的偏差范围为间隔，将若干灌溉畦10分为若干灌溉区域，并取每个灌溉区域内若干灌溉畦10需水、需肥的数值的平均值作为该灌溉区域内每个灌溉畦10需水、需肥的数值；灌溉系统用来对若干灌溉畦10进行灌溉；控制模块与图像信息采集设备、基于卷积神经网络的信息处理模块和灌溉系统电性连接，用来控制图像信息采集设备进行图像信息采集、接收基于卷积神经网络的信息处理模块传递的信息、并依据基于卷积神经网络的信息处理模块传递的信息调节灌溉系统输出的水肥浓度，并控制灌溉系统依次对若干灌溉区域进行灌溉。
56.本实施例提供的基于卷积神经网络的大田水肥智能控制系统的有益效果是：与现有技术相比，本实施例提供的基于卷积神经网络的大田水肥智能控制系统设置标记组件20和边界组件30，使基于卷积神经网络的信息处理模块能够跟据图像中标记组件20和边界组件30对应的像素信息识别出每块灌溉畦10的位置信息，并对图像信息中其他像素信息进行识别，得出每个编号对应的灌溉畦10的需水、需肥的数值，以实现精准灌溉、施肥，保证农作物的生长状态良好；同时，依据预设的偏差范围将若干灌溉畦10分为若干灌溉区域，然后通过控制模块，调节灌溉系统输出的水肥浓度，并控制灌溉系统依次对若干灌溉区域进行灌溉，以在实现精准灌溉、施肥的基础上，提高灌溉效率。
57.如图2所示，在一种具体的实施方式中，标记组件20包括标杆21和编号牌22，标杆21插设在对应灌溉畦10内，编号牌22与标杆21连接，标号牌上设有编号，边界组件30包括边界杆31和边界牌32，边界杆31一端插入土壤中，另一端与边界牌32连接，用来供基于卷积神经网络的信息处理模块识别每块灌溉畦10的位置和范围。
58.在一种具体的实施方式中，图像信息采集设备包括拍摄无人机、摄像设备和信号收发模块，摄像设备和信号接收发射模块均与拍摄无人机连接。
59.需要说明的是，图像信息采集设备在早晨或者傍晚进行图像采集，以避免中午的
高温影响农作物对缺水状态的外在表征，控制模块与信号收发模块电性连接，用以控制拍摄无人机的起飞、降落以及飞行路径，基于卷积神经网络的信息处理模块与信号收发模块电性连接，用以接收图像信息。
60.如图3所示，在一种具体的实施方式中，灌溉系统包括：水肥箱41、水泵42、混合组件、物料泵43、肥料浓度检测仪46、输送泵47、若干流量传感器48、若干电控节流阀49、若干电磁阀50、主管道51和若干分管道52，水泵42的进水口用来与水源连通；物料泵43的进料口与水肥箱41连通；混合组件与水泵42的出水口621和物料泵43的出料口连接，以将水肥稀释；肥料浓度检测仪46与混合组件连接，用来检测稀释后水肥的浓度；若干流量传感器48分别设在水泵42与混合组件和物料泵43与混合组件之间，以分别检测水泵42和物料泵43的总流量；若干电控节流阀49分别与水泵42的出水口621和物料泵43的出料口连接；输送泵47的进料端与混合组件连通，出料端与主管道51连通，若干分管道52均一端与主管道51连通，另一端分别设在若干灌溉畦10内，若干电磁阀50分别设在若干分管道52上，以控制分管道52的通断；混合组件包括混合罐44和循环泵45，混合罐44与水泵42的出水口621和物料泵43的出料口连接，并与输送泵47的进料端连接，循环泵45的进料端与混合罐44的下部连接，循环泵45的出料端与混合罐44的上部连接；控制模块分别与水泵42、物料泵43、若干流量传感器48、若干电控节流阀49、输送泵47、若干电磁阀50和肥料浓度检测仪46电性连接，以根据信息处理模块传递的信息，结合肥料浓度检测仪46控制若干电控节流阀49调节混合组件输出的稀释后的水肥的浓度、结合若干流量传感器48控制若干电控节流阀49控制输出的水量和水肥量、并通过控制若干电磁阀50的开闭来控制灌溉系统灌溉的区域。
61.需要理解是，控制模块接收到信心处理模块传递的信息后，控制水泵42、物料泵43和循环泵45打开，通过肥料浓度检测仪46监测混合罐44内水肥的浓度，通过控制电控节流阀49的开度来调节水肥浓度，直至达到待灌溉区域所需的水肥浓度；保持电控节流阀49开度不变，打开输送泵47和待灌溉区域内灌溉畦10对应的分管道52上的电磁阀50，对其进行灌溉，再此过程中，控制模块通过流量传感器48实时监测水泵42和物料泵43向外泵送的总流量，直至达到对应灌溉区域的需水、需肥的数值，关闭水泵42和物料泵43，带输送泵47将混合罐44内水肥泵送完后，关闭输送泵47和电磁阀50，既完成一片灌溉区域的灌溉；此时，控制模块再次控制水泵42和物料泵43打开，控制混合罐44内水肥浓度达到另一待灌溉区域所需的水肥浓度，循环往复，直至完成所有灌溉区域的灌溉。
62.如图4所示，在一种具体的实施方式中，灌溉系统还包括若干支架53和若干灌溉喷枪60，若干支架53分别夹设在若干灌溉畦10的中间，灌溉喷枪60与支架53连接，灌溉喷枪60的进水端与分管道52连接；每个灌溉喷枪60均包括安装座61、进水管62、壳体63、喷管64、喷嘴65、摇摆架66、扭簧67和散射器68；安装座61与支架53连接，进水管62穿过安装座61，并与安装座61连接，进水管62下端与分管道52连接，进水管62的上端沿周设有出水口621，出水口621在竖直方向上的宽度沿周呈周期性变化，每九十度角为一个变化周期；壳体63套设在进水管62上，与进水管62转动密封连接；喷管64一端与喷嘴65连接，另一端与壳体63连接并连通，喷管64与壳体63的连通口与进水管62的出水口621对齐；喷嘴65的出水端设有散射器68，以将喷射出的水流打散为水幕；摇摆架66与壳体63转动连接，摇摆架66前端设有挡水板661，摇摆架66与壳体63之间设有扭簧67，以使喷管64在喷水过程中，绕进水管62周圈转动；输送泵47为恒压泵，喷管64绕进水管62周圈转动的过程中，进水管62的出水口621与喷管64
对齐的面积呈周期性变化，进而使喷嘴65喷出的水的距离呈周期性变化，而使其喷射范围呈正方形或者近似于正方形。
63.需要说明的是，现有喷灌中喷枪的喷射范围通常为圆形，为了实现全覆盖，必然会出现重复灌溉的区域，这部分区域有一定概率出现因肥量过剩而出现烧苗现象，而本实施例中喷枪的喷射范围呈正方向或者近似于正方形，能够大幅减小灌溉时的重复灌溉区域。
64.以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。