基于物联网的枣树智能灌溉控制系统研究
尽管滴灌系统能够大幅度提高水分利用率,但未能大面积实现智能化灌溉。如果将滴灌技术与智能化相结合,不仅可以实现实时精准灌溉,还能实现无人操作,有效降低人工成本。目前智能灌溉系统已取得显著成效,其被广泛使用在温室大棚、大田等区域实现监测、自动灌溉等功能。但据调查发现,新疆农业灌溉系统实现智能化研究较少,尤其是南疆枣树等特色林果研究还很少提及,基于深度学习与作物灌溉相关的气象指标预测还鲜见报道,因此本研究开发一套基于农业物联网的枣园信息获取装置,实现智能化灌溉,并根据历史信息开展深度学习建立预测模型,为用于作物不同生长期的灌溉智能决策奠定基础,为新疆枣园智能化灌溉发展提供技术支撑。本文主要结论如下:（1）基于人机交互技术设计了枣园监控系统。该系统由现场终端和远程客户端组成,实现监测、控制、实时显示、报警等功能。系统通过串口连接现场终端与远程客户端完成数据收发,以I2C协议建立传感器与MCU之间的通信,以SPI协议建立存储设备与MCU之间的通信,并以4G模块作为远程数据传输媒介,用Modbus RTU协议作为远程传输协议。该系统计算分析部分采用编程软件Keil5实现数据采集监测、模数转换、数据库对比、计算分析与灌溉决策等功能,并最终验证了监控系统的准确性。（2）基于监控系统设计了系统智能灌溉控制部分。基于南疆枣园环境设计了灌溉流程,分为手动与自动模式。系统默认为自动模式,在自动模式状态下,将适宜枣树生长的根区土壤相对含水率上下限值作为灌溉决策的阈值,系统根据其阈值自动控制灌溉,同时记录灌溉信息与预警情况。测试结果表明,系统能根据所设阈值进行自主灌溉。（3）建立气温、空气相对湿度、蒸发量预测模型。模型使用了Tensor Flow的高阶API—Keras深度学习框架,运用Keras构建Sequential模型,利用Sequential建立深度神经网络并基于LSTM算法实现了时间序列类型的预测。该预测模型选用全国温室数据系统阿拉尔站点2009年-2018年的气象数据作为训练特征,分别预测了2019年的平均气温、平均空气相对湿度与蒸发量。预测结果表明,各模型Loss曲线均表现为下降趋势,预测曲线与实际曲线趋势接近且未出现数据误差较大的点,说明该模型较合理,预测结果较准确。
- 作者：
- 谭昆
- 学位授予单位：
- 塔里木大学
- 授予学位：
- 硕士
- 学位年度：
- 2021年
- 导师姓名：
- 孙三民
- 中图分类号：
- TP391.44；TN929.5；S665.1；S274.2；TP273.5
- 关键词：
- 智能灌溉；监控系统；智慧农业；深度学习；预测模型
-
- 基金项目：
- 国家自然科学基金项目“南疆枣树根区冠层水分双控节水高效模式”（项目编号:51869030）课题主持人:孙三民教授%新疆生产建设兵团科技项目“基于物联网的南疆灌区与特色作物智能灌溉系统研发”的部分研究成果（项目编号:2021CB021）课题主持人:孙三民教授（塔里木大学）