滚移式喷灌机工作视频(「技术前沿」植物工厂的智能喷灌系统研究)

Posted 2023-06-01

篇首语：你不好好奋斗，拿什么显摆的自己的成功，对于背后的人看不起。本文由小常识网(cha138.com)小编为大家整理，主要介绍了滚移式喷灌机工作视频(「技术前沿」植物工厂的智能喷灌系统研究)相关的知识，希望对你有一定的参考价值。

滚移式喷灌机工作视频(「技术前沿」植物工厂的智能喷灌系统研究)

植物工厂是通过设施内高精度的环境控制实现农作物连续生产的高效农业系统，应用计算机自动控制植物生长过程的温度、湿度、光照、CO2浓度以及营养液等环境条件，使农作物的生长不依赖土地与气候环境条件。跟传统农业农田种植方式相比，采用植物工厂种植，单位面积产量可达露地同等面积的几十倍，可以有效缓解人口膨胀与耕地缺乏之间的矛盾，使中国农民摆脱长期以来“看天吃饭”的状况；同时也克服了环境污染对植物生长的影响，产品安全无污染，是保障食品安全的必然趋势和手段。

喷灌系统是植物工厂中高效灌溉系统的装备之一，具有灌溉、施肥、喷药、加湿等多项功能。喷灌系统智能化不但能更高效地利用水资源和肥料，提高作物产量和品质，还能降低人力和管理成本，显著提高效益。随着我国农业现代化进程加快和农业结构的调整，对智能化喷灌系统需求会越来越大。

1、国内喷灌系统应用现状

目前国内温室喷灌系统大多采用固定式喷灌设备，灌溉水滴落在地表时往往分布不均匀。在盆栽和袋栽作物、穴盘育苗等温室生产中，由于盆、袋、穴盘等栽培容器的限制，无法依靠普通的固定式喷灌获得理想的灌溉效果，目前国内厂家参照国外进口的喷灌机开发出一种自走式喷灌机，将微喷头安装在可移动喷灌机的喷灌管上，并随喷灌机的行走进行微喷灌。在温室中采用自走式喷灌机，减少了输水管道和微喷头的数量，通过微喷头的密集排列，解决了固定式喷灌设备灌溉水滴落在水平面上分布不够均匀的问题。但现有的自走式喷灌机一般采用定时循环等简单控制方式，自动化程度低，更谈不上智能化，不能为作物生长提供精准高效的喷灌方案；此外由于喷头离作物表面的距离是固定的，会存在喷洒不到位的情况，从而造成水和肥料的浪费。近年来一些科研机构研制的自动灌溉施肥系统在植物工厂中得到了应用，采用可编程控制器或单片机为核心的控制技术，既可以按照任意设定周期进行灌溉控制，也可以根据检测的土壤水分数据进行闭环控制。这些系统虽然提高了自动化程度，但仍停留在对环境的简单控制方面，智能化程度不高。

2 喷灌系统智能化的构想

2.1 感知智能和农作物生长大数据

随着我国农业现代化进程加快以及人工智能、通信等技术的迅速发展，喷灌设备技术将朝着智能化、精准高效的方向发展。喷灌系统的智能化首先是感知智能，基于物联网的传感器采集实时数据，包括空气温度、湿度、光照、土壤含水量、CO2浓度以及作物生长图像信息等。数据通过互联网实时传输到喷灌智能决策系统，当某些数据不符合农作物生长的最佳条件时，喷灌智能决策系统自动向喷灌设备发出指令，进行浇水、施肥等操作。近年来随着传感器技术的发展，一些新型传感器在农业上得到应用，为农业智能化提供准确数据。比如日本企业SenSprout公司开发的土壤监测系统“SenSpriut”是一款能够检测植物叶片静电容量变化的传感器，能实时监控土壤中的水分、温度变化。同时多传感器数据融合技术的应用和发展也为感知智能提供更多可能。多传感器数据融合技术具有信息表示的粒度大、数据和结果的确定性更高、消除噪声和误差获得的精度更高、了解的环境更全面等优势，能够为智能化提供更加全面和准确的数据。在采集实时数据的基础上，结合作物品种、生长阶段等信息，形成自己的数据库，成为农业大数据的一部分。农业大数据对于农业智能化来说是重要的基础工程，没有大数据的支持，任何人工智能都是空中楼阁。农作物生长大数据作为农业大数据的一部分主要包含了有关农作物生长的各类数据：环境（气候）数据、土壤数据、农作物生长数据、病虫害数据等。如图1所示。

植物工厂喷灌系统智能化是以农作物生长大数据为基础的。以灌溉、加湿功能为例，智能化与空气温湿度、光照、土壤温湿度、农作物生长数据等数据相关联；施肥功能与土壤的EC值、PH值以及营养成分含量、农作物生长数据等数据相关联；喷药功能则与病虫害及相应解决方案数据等相关联。

2.2 云计算的应用

大数据的处理需要强大的云计算平台。云计算具有节省资金，提升灵活性，以及为系统提供更好的数据保护等特点。目前许多优秀的互联网企业都有提供云计算服务的云服务平台，如百度云、阿里云、华为云等等。以阿里云为例，阿里云提供了各种各样的云服务产品：云计算基础、数据库、安全、大数据、人工智能、物联网等等。其中云计算基础包含弹性计算、存储服务、CDN 和边缘、云通信、网络等服务。弹性计算中GPU云服务器适用于AI深度学习、科学计算、视频处理、图像识别等应用场景，可以满足喷灌系统智能化需求。

2.3 应用深度学习算法建立认知智能

有了大数据和云计算两大基础，再加上合理算法的构建，就能使智能系统实现自主学习。目前机器学习和先进的算法技术发展迅速。有些技术已经在农业领域有所应用。基于人工神经网络技术发展起来的深度学习作为机器学习的一个分支，近年来在人工智能热潮中得到了迅猛发展，技术上取得了巨大的进步和突破。深度学习已经在计算机视觉、语音识别、自然语言处理等各个不同领域展现出优异的性能。

喷灌系统智能化（以灌溉为例）需要对作物需水量进行分析，将灌溉用水量控制在最佳状况，既能满足农作物在某一时期的生长需求，又能有效降低灌溉用水量，在节约水资源的同时保证农作物的优质高产。影响作物需水量主要有两大因素：①作物因素：包括作物品种和作物生长阶段；②环境因素：湿度、温度、光照、土壤含水量等（在植物工厂环境下）。在考虑作物需水量的同时也要考虑灌溉合理指标：作物的形态指标和生理指标。作物生理指标有叶片细胞液浓度、叶片水势和气孔开度等。由于传感器技术的限制，无法实时检测作物生理指标，因此无法使用作物生理指标对灌溉用水量的合理性进行验证。而作物形态指标是作物生长的形态指标。在作物缺水时常表现出一些形态特征，如生长缓慢、幼嫩茎叶萎蔫、叶色呈暗绿色或茎叶变红等现象。因此可以利用计算机视觉技术对作物的生长形态进行识别，从而对灌溉用水量的合理性进行验证。喷灌系统智能决策系统运用深度学习算法，以作物品种、作物生长阶段、湿度、温度、光照、土壤含水量等为参数变量，以作物生长图像信息为数据来训练系统神经网络。被大量参数和数据训练的神经网络合理地预测灌溉量，并以此制定出灌溉方案。在灌溉过程中利用多传感器信息融合和计算机视觉等技术自动验证喷灌效果，自主优化喷灌方案，以使喷灌方案更加精准高效，使用水量控制在最佳状况。喷灌系统还能利用计算机视觉技术准确定位，自动调节喷头与作物之间的距离，使水和肥料能最大限度地喷洒在作物栽培容器范围内。通过深度学习的模型建立形成喷灌系统的认知智能，从而实现喷灌系统智能化。

3 喷灌系统智能化面临的困难

目前喷灌系统智能化受到一些条件的限制，有待突破。首先是缺乏农作物生长大数据。一是缺乏数据收集标准；二是收集农作物生长数据周期太长。人工智能应用需要大量数据对算法进行恰当的训练。

农作物都有生长季节，一年几季，数据经过收集、预处理、验证，可能需要几年才能得到具有统计意义的数据。虽然在植物工厂人工环境下已经大大缩短了农作物生长周期，但相对于工业数据而言，收集农业数据周期仍然太长。农作物生长大数据缺乏是当前制约农业智能化发展的一大障碍。其次是传感器技术仍有待提高，如前面提到的作物生理指标无法实时检测。这些指标直接反应灌溉用水量是否合理，如果能实时检测，就能提高智能系统的控制精度。

目前喷灌系统控制方式简单，自动化、智能化程度低，已无法满足快速发展的植物工厂的需求。本文简单阐述了在植物工厂环境下喷灌系统智能化的构想，以及面临的困难。虽然面临一些挑战，相信在国家政策的支持下，随着人工智能各项技术的迅猛发展，人工智能在农业领域的应用发展一定会有所突破，喷灌系统智能化程度也会越来越高。

作者：夏滨

来源：福建农机

欢迎大家在评论区交流分享

更多精彩资讯，请持续关注数字农业分会官方账号！