[發(fā)明專利]一種基于作物需求的設(shè)施補(bǔ)光控制方法與系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710401412.X
• 申請(qǐng)日: 2017-05-31
• 公開（公告）號(hào): CN107291126A
• 公開（公告）日: 2017-10-24
• 發(fā)明（設(shè)計(jì)）人: 張海輝;張斯威;胡瑾;王智永;張珍;辛萍萍;張盼
• 申請(qǐng)（專利權(quán)）人: 西北農(nóng)林科技大學(xué)
• 主分類號(hào): G05D27/02
• 分類號(hào): G05D27/02;A01G7/04;H05B33/08;G06Q50/02
• 代理公司: 西安智大知識(shí)產(chǎn)權(quán)代理事務(wù)所61215
• 代理人: 段俊濤

技術(shù)領(lǐng)域

本發(fā)明屬于智能設(shè)施農(nóng)業(yè)技術(shù)領(lǐng)域，特別涉及一種基于作物需求的設(shè)施補(bǔ)光控制方法與系統(tǒng)。

背景技術(shù)

我國設(shè)施蔬菜栽培面積占世界總面積的90％以上，已成為我國現(xiàn)代農(nóng)業(yè)的重要組成部分。盡管我國設(shè)施管理技術(shù)水平逐年提升，與發(fā)達(dá)國家相比仍存在較大差距，設(shè)施蔬菜單位面積產(chǎn)量?jī)H為荷蘭的1/5-1/3，其中生產(chǎn)過程中光合速率低是造成該現(xiàn)象的關(guān)鍵因素。相關(guān)研究表明，光照、CO₂、溫度、肥力、水分是影響光合速率的主要因素，其中光照是決定光合速率的直接因素，已有研究證明進(jìn)行補(bǔ)光可有效提高光合作用效率，茄果類作物產(chǎn)量可增加20％-30％，成熟期也可提前7-10天，實(shí)現(xiàn)品質(zhì)和明顯的提升，因此，設(shè)施內(nèi)部光環(huán)境調(diào)控技術(shù)的研究的關(guān)注度日漸提升。特別是近期出現(xiàn)的LED光源技術(shù)，其一定程度避免熱量高、耗能大、不能定量調(diào)節(jié)亮度，光質(zhì)、光子通量密度難以調(diào)控等傳統(tǒng)補(bǔ)光設(shè)備的問題，基于LED的設(shè)施補(bǔ)光技術(shù)已成為設(shè)施補(bǔ)光研究的熱點(diǎn)，出現(xiàn)了各種基于LED的設(shè)施補(bǔ)光設(shè)備，一定程度提高了作物品質(zhì)和節(jié)能效果。

但是通過光合速率機(jī)理的進(jìn)一步分析可以發(fā)現(xiàn)，作物光合作用中不僅溫度、CO₂、光照對(duì)光合速率存在相互影響；而且作物生長(zhǎng)的連續(xù)性使得生長(zhǎng)期中環(huán)境對(duì)光合速率影響具有時(shí)序特性；同時(shí)生理生境動(dòng)態(tài)變化導(dǎo)致優(yōu)化調(diào)控目標(biāo)值動(dòng)態(tài)變化。從而，造成不同作物品種、不同生長(zhǎng)時(shí)期、不同生長(zhǎng)環(huán)境是由于對(duì)光照的需求不同，而現(xiàn)有補(bǔ)光系統(tǒng)均未完全充分考慮上述問題對(duì)作物補(bǔ)光效果的影響，不僅可能造成補(bǔ)光不足或者能源浪費(fèi)，過強(qiáng)的光照還有可能產(chǎn)生光抑制現(xiàn)象，影響作物生長(zhǎng)。因此，如何構(gòu)建可面向不同作物全生長(zhǎng)期需求的通用設(shè)施光環(huán)境智能調(diào)控系統(tǒng)，已成為限制設(shè)施發(fā)展的關(guān)鍵瓶頸。

發(fā)明內(nèi)容

為了克服上述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種基于作物需求的設(shè)施補(bǔ)光控制方法與系統(tǒng)，可面向不同作物全生長(zhǎng)期需求，實(shí)現(xiàn)光環(huán)境智能調(diào)控。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：

一種基于作物需求的設(shè)施補(bǔ)光控制方法，監(jiān)測(cè)設(shè)施內(nèi)實(shí)時(shí)溫度、光合有效輻射和二氧化碳濃度，結(jié)合預(yù)先建立的對(duì)應(yīng)作物的需光模型，計(jì)算出該作物的當(dāng)前需光量進(jìn)行補(bǔ)光，其中，所述需光模型的建立過程如下：

采集溫度、二氧化碳濃度、光照強(qiáng)度三個(gè)環(huán)境因子多梯度光合速率實(shí)驗(yàn)數(shù)據(jù)，建立基于SVM的光合速率模型；

實(shí)例化光合速率模型里的溫度、二氧化碳濃度兩個(gè)變量，得到一系列溫度、二氧化碳濃度條件下的光合速率與光照強(qiáng)度的關(guān)系；

使用蟻群算法對(duì)光合速率尋優(yōu)，得到這些條件下最大光合速率對(duì)應(yīng)的光照強(qiáng)度值，即作物的需光量，這一系列溫度、二氧化碳濃度以及對(duì)應(yīng)的需光量光照強(qiáng)度構(gòu)成了需光模型樣本集；

根據(jù)需光模型樣本集，以溫度、二氧化碳濃度為輸入量，作物需光量為輸出量，使用多項(xiàng)式擬合方式構(gòu)建需光模型。

根據(jù)每個(gè)分區(qū)的作物類型和定值時(shí)間實(shí)例化當(dāng)天的作物需光量模型，過程如下：

步驟1，零點(diǎn)時(shí)輪詢各分區(qū)運(yùn)行狀態(tài)，如果該區(qū)域設(shè)備處于工作狀態(tài)則對(duì)該區(qū)域的作物模型實(shí)例化操作；

步驟2，從非易失儲(chǔ)存器中讀取分區(qū)的定植日期、種植的作物種類，載入對(duì)應(yīng)種類的作物需光量通用模型f_n(T,CO₂,D)，根據(jù)定植日期和當(dāng)前日期計(jì)算出植物的生長(zhǎng)時(shí)間，將生長(zhǎng)時(shí)間帶入該模型，降維得到一個(gè)二維輸入的模型f_n'(T,CO₂)，將實(shí)例化的模型存儲(chǔ)到內(nèi)存空間。

步驟3，除每日零點(diǎn)外，設(shè)備開機(jī)初始化、工作狀態(tài)更新、分區(qū)參數(shù)更新時(shí)也會(huì)觸發(fā)步驟2。

實(shí)例化的優(yōu)點(diǎn)：每天生長(zhǎng)時(shí)間D都是相同的，在同一天的工作中僅數(shù)秒進(jìn)行一次模型計(jì)算以盡快響應(yīng)環(huán)境變化，進(jìn)行實(shí)例化降維，可節(jié)約大量的CPU時(shí)間。

分區(qū)控制主要是考慮到在實(shí)際的溫室管理中，可能會(huì)在一個(gè)溫室內(nèi)種植多種作物，而每種作物在相同時(shí)間空間條件下的需光量不同。同時(shí)受到溫室的內(nèi)部結(jié)構(gòu)、溫室周邊環(huán)境影響，每個(gè)溫室形成相對(duì)獨(dú)立的小環(huán)境。

在作物需求和實(shí)際的環(huán)境條件都不盡相同的情況下，就需要對(duì)種植不同作物區(qū)域、不同溫室環(huán)境進(jìn)行差異化管理，不同的作物種植區(qū)域按照不同作物的需光模型進(jìn)行需光量計(jì)算，不同的溫室環(huán)境部署獨(dú)立部署環(huán)境監(jiān)測(cè)節(jié)點(diǎn)采集環(huán)境數(shù)據(jù)，根據(jù)每個(gè)區(qū)的實(shí)際需光量進(jìn)行補(bǔ)光。

而作物模型實(shí)例化是基于時(shí)間參數(shù)對(duì)作物模型進(jìn)行降維，可使作物模型多項(xiàng)式從16項(xiàng)降至9項(xiàng)，減少30％以上的浮點(diǎn)預(yù)算，節(jié)約嵌入式設(shè)備的CPU資源，大大降低對(duì)硬件性能的需求。