温室大棚控制方法及系统与流程-k8凯发

本发明涉及数据控制，尤其涉及一种温室大棚控制方法及系统。

背景技术：

1、大棚养殖技术已经日渐成熟和先进，越来越多的养殖商家利用大棚技术来养殖或培育反季节或与当地气候不适应的作物，大棚的智能化程度也越来越高，能够设置多种可控的部件，例如遮阳设备或灌溉设备都设置了多种控制方式，如申请人过往研发的专利号为cn202222476217.2的实用新型专利便公开了一种温室大棚的遮阳结构，而申请人过往研发的专利号为cn202321101376.2的实用新型专利便公开了一种温室大棚的灌溉装置，这些研发成果都极大提高了大棚的智能化程度。

2、但现有技术在实现大棚的智能化控制时，没有考虑到充分利用算法技术和传感数据来充分分析大棚的天气和作物生长情况，以提高控制的精确程度，因此显然现有技术实现的大棚控制技术的智能化程度有所欠缺。可见，现有技术存在缺陷，亟需解决。

技术实现思路

1、本发明所要解决的技术问题在于，提供一种温室大棚控制方法及系统，能够实现更加智能化和精确的大棚控制，提高大棚的工作效率和作物的培育效果。

2、为了解决上述技术问题，本发明第一方面公开了一种温室大棚控制方法，所述方法包括：

3、获取目标温室大棚区域的图像传感数据、温湿度传感数据和雨水收集数据；

4、根据所述温湿度传感数据和所述雨水收集数据，基于预设的天气分析数据规则，确定所述目标温室大棚区域对应的历史天气信息和当前天气信息；

5、根据所述图像传感数据，基于预设的作物生长分析数据规则，确定所述目标温室大棚区域中每一子区域对应的作物生长情况；

6、根据所述历史天气信息、所述当前天气信息和所述作物生长情况，确定所述目标温室大棚区域对应的大棚控制指令；所述大棚控制指令用于控制所述目标温室大棚区域的灌溉设备和遮阳设备的工作。

7、作为一种可选的实施方式，在本发明第一方面中，所述雨水收集数据包括多个雨水导流管对应的多个历史时间段的水流量数据；所述温湿度数据包括所述目标温室大棚区域在多个历史时间段的温湿度数据。

8、作为一种可选的实施方式，在本发明第一方面中，所述根据所述温湿度传感数据和所述雨水收集数据，基于预设的天气分析数据规则，确定所述目标温室大棚区域对应的历史天气信息和当前天气信息，包括：

9、将所述多个雨水导流管对应的每一历史时间段的水流量数据，以及所述目标温室大棚区域在对应的所述历史时间段的温湿度数据，输入至训练好的天气预测神经网络模型中，以得到所述目标温室大棚区域在每一历史时间段对应的历史天气信息；所述天气预测神经网络模型通过包括有多个训练水流量数据和训练温湿度数据和对应的天气标注的训练数据集训练得到；

10、将所述目标温室大棚区域在最近一个历史时间段对应的历史天气信息，确定为所述目标温室大棚区域对应的当前天气信息；所述历史天气信息和所述当前天气信息为全晴朗、大部分晴朗、晴雨平衡、大部分下雨或全下雨。

11、作为一种可选的实施方式，在本发明第一方面中，所述图像传感数据包括所述目标温室大棚区域在多个历史时间段的多个位置的多个图像传感数据。

12、作为一种可选的实施方式，在本发明第一方面中，所述根据所述图像传感数据，基于预设的作物生长分析数据规则，确定所述目标温室大棚区域中每一子区域对应的作物生长情况，包括：

13、根据每一所述图像传感数据对应的获取位置，确定每一所述图像传感数据所对应的所述目标温室大棚区域的子区域；

14、对于每一所述子区域，将该子区域对应的所有所述图像传感数据，输入至训练好的图像分析算法模型中，以得到该子区域对应的作物生长情况。

15、作为一种可选的实施方式，在本发明第一方面中，所述图像分析算法模型包括有作物识别算法模型和作物生长情况预测神经网络模型；所述作物识别算法模型用于对每一所述图像传感数据中的作物图像进行分割和提取；所述作物生长情况预测神经网络模型用于对每一所述作物图像对应的作物生长情况进行预测；所述作物生长情况预测神经网络模型通过包括有多个训练作物图像和对应的生长情况标注的训练数据集训练得到。

16、作为一种可选的实施方式，在本发明第一方面中，所述根据所述历史天气信息、所述当前天气信息和所述作物生长情况，确定所述目标温室大棚区域对应的大棚控制指令，包括：

17、根据所述历史天气信息和任一所述子区域的所述作物生长情况，基于预设的数据判断规则，判断该子区域是否存在作物缺水情况或作物缺日照情况；

18、当判断到该子区域存在作物缺水情况，确定所述目标温室大棚区域的灌溉设备的控制指令为对该子区域进行灌溉；

19、当判断到该子区域存在作物缺日照情况时，判断所述当前天气信息是否符合预设的充分日照天气条件，若是，确定所述目标温室大棚区域的遮阳设备的控制指令为打开部分区域以使得该子区域得到日照。

20、本发明第二方面公开了一种温室大棚控制系统，所述系统包括：

21、获取模块，用于获取目标温室大棚区域的图像传感数据、温湿度传感数据和雨水收集数据；

22、第一确定模块，用于根据所述温湿度传感数据和所述雨水收集数据，基于预设的天气分析数据规则，确定所述目标温室大棚区域对应的历史天气信息和当前天气信息；

23、第二确定模块，用于根据所述图像传感数据，基于预设的作物生长分析数据规则，确定所述目标温室大棚区域中每一子区域对应的作物生长情况；

24、第三确定模块，用于根据所述历史天气信息、所述当前天气信息和所述作物生长情况，确定所述目标温室大棚区域对应的大棚控制指令；所述大棚控制指令用于控制所述目标温室大棚区域的灌溉设备和遮阳设备的工作。

25、作为一种可选的实施方式，在本发明第二方面中，所述雨水收集数据包括多个雨水导流管对应的多个历史时间段的水流量数据；所述温湿度数据包括所述目标温室大棚区域在多个历史时间段的温湿度数据。

26、作为一种可选的实施方式，在本发明第二方面中，所述第一确定模块根据所述温湿度传感数据和所述雨水收集数据，基于预设的天气分析数据规则，确定所述目标温室大棚区域对应的历史天气信息和当前天气信息的具体方式，包括：

27、将所述多个雨水导流管对应的每一历史时间段的水流量数据，以及所述目标温室大棚区域在对应的所述历史时间段的温湿度数据，输入至训练好的天气预测神经网络模型中，以得到所述目标温室大棚区域在每一历史时间段对应的历史天气信息；所述天气预测神经网络模型通过包括有多个训练水流量数据和训练温湿度数据和对应的天气标注的训练数据集训练得到；

28、将所述目标温室大棚区域在最近一个历史时间段对应的历史天气信息，确定为所述目标温室大棚区域对应的当前天气信息；所述历史天气信息和所述当前天气信息为全晴朗、大部分晴朗、晴雨平衡、大部分下雨或全下雨。

29、作为一种可选的实施方式，在本发明第二方面中，所述图像传感数据包括所述目标温室大棚区域在多个历史时间段的多个位置的多个图像传感数据。

30、作为一种可选的实施方式，在本发明第二方面中，所述第二确定模块根据所述图像传感数据，基于预设的作物生长分析数据规则，确定所述目标温室大棚区域中每一子区域对应的作物生长情况的具体方式，包括：

31、根据每一所述图像传感数据对应的获取位置，确定每一所述图像传感数据所对应的所述目标温室大棚区域的子区域；

32、对于每一所述子区域，将该子区域对应的所有所述图像传感数据，输入至训练好的图像分析算法模型中，以得到该子区域对应的作物生长情况。

33、作为一种可选的实施方式，在本发明第二方面中，所述图像分析算法模型包括有作物识别算法模型和作物生长情况预测神经网络模型；所述作物识别算法模型用于对每一所述图像传感数据中的作物图像进行分割和提取；所述作物生长情况预测神经网络模型用于对每一所述作物图像对应的作物生长情况进行预测；所述作物生长情况预测神经网络模型通过包括有多个训练作物图像和对应的生长情况标注的训练数据集训练得到。

34、作为一种可选的实施方式，在本发明第二方面中，所述第三确定模块根据所述历史天气信息、所述当前天气信息和所述作物生长情况，确定所述目标温室大棚区域对应的大棚控制指令的具体方式，包括：

35、根据所述历史天气信息和任一所述子区域的所述作物生长情况，基于预设的数据判断规则，判断该子区域是否存在作物缺水情况或作物缺日照情况；

36、当判断到该子区域存在作物缺水情况，确定所述目标温室大棚区域的灌溉设备的控制指令为对该子区域进行灌溉；

37、当判断到该子区域存在作物缺日照情况时，判断所述当前天气信息是否符合预设的充分日照天气条件，若是，确定所述目标温室大棚区域的遮阳设备的控制指令为打开部分区域以使得该子区域得到日照。

38、本发明第三方面公开了另一种温室大棚控制系统，所述系统包括：

39、存储有可执行程序代码的存储器；

40、与所述存储器耦合的处理器；

41、所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的温室大棚控制方法中的部分或全部步骤。

42、本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的温室大棚控制方法中的部分或全部步骤。

43、与现有技术相比，本发明具有以下有益效果：

44、本发明能够根据多种传感数据分析温室大棚区域的天气和作物生长情况，并基于此确定大棚的控制指令，从而能够实现更加智能化和精确的大棚控制，提高大棚的工作效率和作物的培育效果。