共查询到20条相似文献,搜索用时 328 毫秒
1.
CO 2是植物进行光合作用的重要原料,合理增施可提高作物的光合速率。为实现温室CO 2气肥的精细管理,设计了基于无线传感器网络(WSN)的温室CO 2气肥调控系统。该系统由监控节点、智能网关和远程管理软件组成,其中监控节点能够自动实时监测温室环境信息(CO 2浓度、光照强度、空气温湿度和土壤温湿度),并控制CO 2增施气阀的开关;智能网关不仅能实现监控节点与远程管理软件之间的通信,还可在本地实现对温室环境信息的显示与存储,以及CO 2增施调控等操作;远程管理软件除了具备基本的数据接收、存储和查询功能外,还可通过建立的光合速率预测模型对CO 2气肥实现远程自动调控。本文以番茄为研究对象,采用开发的系统实时获取环境信息,使用LI-6400XT光合速率仪获取单叶净光合速率,建立了基于支持向量机(SVM)的番茄光合速率预测模型。为了提高预测模型的通用性,实验将苗后期番茄在4个CO 2浓度梯度进行培育,其中C1、C2、C3分别进行700、 1 000 、1 300 μmol/mol浓度的CO 2增施,CK为对照组(CO 2浓度约为450 μmol/mol)。数据分析采用SVM算法,以多种环境信息作为输入变量,以单叶净光合速率作为输出变量,得到光合速率预测模型。经过测试与验证,CO 2浓度调控系统能够稳定可靠地采集温室环境信息,适合应用在温室环境中;光合速率模型预测值和实测值相关系数为0.981 5,均方根误差为1.092 5 μmol/(m 2 ·s),具有较好的预测效果,为温室番茄CO 2定量增施调控提供了依据。 相似文献
2.
3.
黄瓜整株光合积累不仅与温度、CO2浓度、光照强度有关,而且与不同叶位的光合特性显著相关,实现不同叶位需光参数动态获取,是设施黄瓜立体光环境优化调控亟待解决的问题。本文提出了融合多智能算法的黄瓜立体光环境优化调控模型,设计了多因素嵌套实验获取多维样本数据,构建耦合叶位、温度、光照强度、CO2浓度的回归型支持向量机光合速率预测模型;基于粒子群算法进行光饱和点寻优,获取不同环境条件下不同叶位的目标光照强度;采用回归型支持向量机算法,针对目标光照强度构建立体光环境优化调控模型。结果表明,本文所提方法可动态计算作物整株不同叶位不同环境因子作用下的目标光照强度,模型决定系数为0. 999 3,均方根误差为2. 349μmol/(m~2·s),进一步分析不同叶位叶绿素含量与光合特性关系,证明两者具有强关联性,研究对提高设施藤蔓类作物立体光环境调控效率具有重要意义。 相似文献
4.
5.
6.
7.
设计了一套基于无线传感网的设施环境二氧化碳精准调控系统,包括主控节点、监测节点及补施节点,通过Zig Bee协议实现节点间信息交互。监测节点实时获取设施内多点二氧化碳浓度、温度、光照数据;主控节点根据作物各阶段最适生长环境,结合温度与光照阈值,动态计算二氧化碳浓度目标值与实时值之间的差值作为调控参数,采用反馈控制实现二氧化碳动态调控;为改善以往设施二氧化碳补施不均的普遍现象,设施中气体扩散管道采取双M型布置方式,设计开孔大小不同的二氧化碳扩散孔,由补施节点配合对流装置控制各小区域的二氧化碳排放量,达到均匀和定量补施的目的。实地布置和试验表明基于无线传感网的设施环境二氧化碳调控系统可实现稳定可靠运行,以设施番茄为研究对象,在面积36.66 m~2日光温室内补施目标值与实时值的相对误差小于3.5%,在面积27.74 m~2玻璃温室内验证监测节点间二氧化碳浓度变异系数小于2.93%,证明本系统可实现二氧化碳精准及均匀补充。 相似文献
8.
《农业机械学报》2019,(Z1)
作物蒸腾作用是基质水分传输的主要驱动力,建立了基于基质含水率变化量的温室番茄作物蒸腾量估算模型和预测模型,并进行对比分析。使用校准后的EC5基质含水率传感器,记录第1次灌溉后与第2次灌溉前基质实时含水率变化量,使用称量法测量作物实时蒸腾量。通过基质含水率变化量与基质栽培槽体积的多元线性回归运算,建立番茄单株日蒸腾量估算模型;将基质含水率变化量、空气温度、空气湿度和光照强度作为输入,利用GABP神经网络算法,建立番茄单株日蒸腾量预测模型。将试验所得温室作物日蒸腾量估算模型和预测模型分别与温室作物实际日蒸腾量进行线性回归分析,结果表明,基于基质含水率变化量建立的估算模型在苗期、花期的预测精度分别为0. 972 9、0. 979 6,预测模型的预测精度分别为0. 991 5、0. 989 0,两者之间差异不大,但估算模型运算速度远高于预测模型的运算速度,估算模型对于温室灌溉管理具有推广应用价值。 相似文献
9.
环境因子是制约蔬菜产量与品质的关键因素。为了精准指导温室番茄生产管理、探索环境因子变化对其影响,利用无线传感网络(Wireless Sensor Network,WSN)采集了连栋温室番茄在不同生育期、高度、位置下环境因子数据。数据分析发现:不同发育期温湿度变化范围不同,光照强度减弱,光照时间减少,二氧化碳浓度变化延迟;白天,冠层的温度、光照强度比其他高度的大,湿度比其他高度的低,中间层与根部接近,夜间3个高度环境因子相近;不同位置温度由南向北、湿度由北向南呈高到低之势,光照强度和二氧化碳浓度最大差值分别为6 562.5 lux及9 3.7 6×1 0-6。测试结果表明:WSN可为番茄连栋温室环境调控提供参考和决策支持。 相似文献
10.
基于离散曲率的温室CO2优化调控模型研究 总被引:1,自引:0,他引:1
提出了基于离散曲率算法的温室CO_2优化调控模型,通过设计嵌套试验采集温室不同温度、光照强度、CO_2浓度组合下的番茄光合速率,利用支持向量机回归算法(Support vector regression algorithm,SVR)构建光合速率预测模型;以预测模型网络为目标函数,采用L弦长曲率算法实现CO_2响应曲线离散曲率的计算,利用爬山法获得不同温度、光照强度组合条件的CO_2响应曲线曲率最大点,以此作为效益最优的调控目标值,进而基于SVR构建CO_2优化调控模型。结果表明,调控模型的决定系数为0. 99、均方根误差为4. 42μmol/mol、平均绝对误差为3. 17μmol/mol,拟合效果良好。与CO_2饱和点目标值的调控效果对比发现,理论上CO_2供需量平均下降61. 81%,光合速率平均减少15. 58%;验证试验中,相较饱和点调控下光合速率平均下降15. 14%,CO_2供需量下降57. 61%,相较自然条件下光合速率升高26. 70%。说明此温室CO_2优化调控模型具有高效节能特点,为设施作物CO_2高效精准调控和节本增效提供了理论基础。 相似文献
11.
基于物联网的温室智能监控系统设计 总被引:15,自引:0,他引:15
根据现代温室监控与管理需求,基于物联网技术框架,设计并实现了一种基于物联网的温室智能监控系统。系统由现场监控子系统、远程监控子系统和数据库3部分组成。采用基于分布式CAN总线的硬件系统实现环境数据的实时采集与设备控制,将分布图法应用于采集系统离异数据的在线检测。为了提高远程监控子系统的响应速度与交互性,采用了基于异步Java Script和XML技术(Ajax)的Web数据交互方式。结合温室环境调控的特点,将基于混杂自动机模型的温室温度系统智能控制算法应用于实际系统,实现了温室环境的自动调控。为保证设备控制的安全性,采用轮询法实现了现场监控子系统和远程监控子系统中设备状态的同步,并将基于Zernike矩的图像识别技术应用于双向型设备的状态检测,实现设备的自动校准。试验表明系统数据传输稳定,环境调控可靠,满足现代温室智能监控的需求。 相似文献
12.
设施光环境是影响作物生长发育的重要因素之一,其包括设施光强和光质。不同温度下,两者与光合速率存在显著的互作关系,建立融合作物光质需求的设施光环境智能调控模型,是设施农业环境调控急需解决的问题之一。本文以黄瓜为试验材料,设计了温度、光照强度、光质比嵌套的植株净光合速率测试试验,获取了多因子耦合的试验样本,并利用支持向量机建立了融合黄瓜光质需求的光合速率预测模型。其次,提出了基于粒子群算法的光照强度和光质比寻优算法,获取了不同温度条件下最适合植物生长的光照强度和光质比。最后,基于寻优结果,利用偏最小二乘回归法构建红蓝光目标值调控模型。验证结果表明,光合速率预测模型训练集数据和测试集数据的拟合度分别为0. 997 1和0. 996 9,均方根误差分别为0. 363 0、0. 436 7μmol/(m~2·s)。红、蓝光目标值调控模型均方根误差分别为15. 087 8、10. 138 3μmol/(m~2·s),可满足调控模型精度要求。其调控效果相比于传统固定光质比调控模型有明显提升,为有效地进行设施光环境调控提供了重要依据。 相似文献
13.
14.
温室番茄光合速率的准确预测对于番茄的生长和产量评估具有重要意义。然而,由于温室环境的复杂性和多变性,传统的光合速率预测模型往往难以满足精准预测的需求。因此,为了进一步提高预测模型的准确性和稳定性,本研究提出了一种基于多模型融合策略的温室番茄光合速率预测方法。首先,采集温湿度、光照强度、CO2浓度不同组合下的番茄光合速率,构建样本集,并采用五折交叉验证法(Cross-Validation)对数据进行预处理。以预处理的数据为基础,分别基于粒子群优化支持向量机(PSO-SVR)、布谷鸟优化极限学习机(CS-ELM)和北方苍鹰优化高斯过程回归(NGO-GPR)算法建立番茄光合速率预测模型对光合速率进行初步预测,然后采用Stacking算法通过基于决策树的集成学习模型(XGBoost)组合各基础模型的预测结果,进而实现多模型融合。仿真分析结果表明,与单一预测模型相比,基于多模型融合的光合速率预测模型充分发挥了各基础模型的优势,可以进一步提高光合速率预测的准确性和稳定性,该模型验证集MAE为0.5697μmol/(m2·s),RMSE为0.7214μmol/(m2·s)。因此,本文提出的方法在温室作物光合速率预测方面具有一定的优势,可为温室番茄等作物光环境优化调控提供一定的理论基础和技术支撑。 相似文献
15.
16.
基于BP神经网络算法的温室番茄CO2增施策略优化 总被引:6,自引:0,他引:6
CO2浓度是植物光合作用的主要原料之一,确定植株生长阶段的最适CO2浓度需求量,对日光温室内CO2浓度调控具有重要意义。以开花期番茄植株为研究对象,将定植后的番茄分为4个CO2浓度梯度处理组,其中,C1、C2、C3处理组CO2增施摩尔比分别为(700±50)、(1 000±50)、(1 300±50)μmol/mol,CK处理组为温室内自然状态下CO2摩尔比(约450μmol/mol)。实验利用无线传感器网络节点实时监测温室环境因子,包括空气温湿度、光照强度和CO2浓度;利用LI-6400XT型便携式光合速率仪进行光合日动态和环境因子交互影响实验测定。光合日动态组间差异性研究表明,对开花期番茄增施1 000~1 300μmol/mol的CO2时,可使番茄单叶净光合速率提高约37.13%~40.42%。以环境因子为输入参数,建立基于BP神经网络的光合速率预测模型,用于不同CO2浓度梯度下的光合日动态预测。结果表明,模型训练集和测试集的相关系数分别为0.98和0.93,预测精度较高;C1、C2、C3和CK处理组的日动态预测相关系数分别为0.96、0.94、0.78和0.96,与实测结果吻合度较高且相对误差较小,因此该模型可以为可变环境下的番茄光合日变化动态预测提供依据。 相似文献
17.
18.
温室环境控制技术是指创造必要的种植条件 ,改善不良环境。智能化环境调控技术是现代温室技术的核心 ,是计算机技术和农业知识的结合 ,它包括光照环境、温度环境、湿度环境、气体环境、土壤环境等的控制。1主要环境因子的特征及其调节1 1光照环境及其调节植物的生命活动与光照密不可分 ,光照是植物赖以生存的物质基础。光照环境包括光照强度、光照时数、光质等。1 1 1光照强度温室内的光照强度一般比自然光弱 ,这是因为自然光在通过透明的覆盖材料 ,进入温室的过程中 ,被覆盖材料吸收、反射 ,同时还被覆盖材料内部结露的水珠折射、吸… 相似文献
19.
基于移动端的温室环境监控系统设计 总被引:3,自引:0,他引:3
针对温室中的光照强度、土壤湿度、空气温湿度等环境参数的监控问题,设计了一种基于移动终端和WiFi无线通信的温室大棚在线环境监控系统。系统采用单片机和传感器完成光照强度等数据的采集,然后通过无线WiFi模块将温室现场的环境参数传输给移动客户端,并在手机APP监控界面上显示实时数据。试验表明:该系统具有操作界面简洁、扩展性强等特点,可以对温室环境参数进行有效的监控。 相似文献