基于物联网的日光温室环境监测在线校准

doi:10.11924/j.issn.1000-6850.casb18100028

中国农学通报 ›› 2020, Vol. 36 ›› Issue (5): 120-124.doi: 10.11924/j.issn.1000-6850.casb18100028

所属专题：智慧农业

基于物联网的日光温室环境监测在线校准

华净¹^,², 王秀娟¹^,³, 王浩宇¹^,⁴, 郭少鑫¹^,⁴, 康孟珍¹^,²()

¹ 中国科学院自动化研究所复杂系统管理与控制国家重点实验室,北京 100190
² 青岛智能产业技术研究院平行农业技术创新中心,山东青岛 266000
³ 中国科学院自动化研究所北京市智能化技术与系统工程技术研究中心,北京 100190
⁴ 青岛中科慧农科技有限公司,山东青岛 266000

收稿日期:2018-10-10 修回日期:2018-12-19 出版日期:2020-02-15 发布日期:2020-02-21
通讯作者: 康孟珍
作者简介:华净,男,1981年出生,江苏泰州人,助理研究员,博士,研究方向：植物生长建模,智慧农业,编程语言,分布式计算系统及计算机图形学。通信地址：100190 北京市海淀区中关村东路95号,Tel：010-82544776,E-mail：jing.hua@ia.ac.cn。
基金资助:
国家自然科学基金委青年项目“基于三维空间结构和光线追踪算法的树木冠层光分布研究”(31400623);“油菜产量构成因素形成的时间动态和空间特征模型研究”(31700315)

Online Calibration of Environmental Monitoring in Solar Greenhouse Based on Internet of Things

Hua Jing¹^,², Wang Xiujuan¹^,³, Wang Haoyu¹^,⁴, Guo Shaoxin¹^,⁴, Kang Mengzhen¹^,²()

¹ The State Key Laboratory of Management and Control for Complex Systems, Institute of Automation,Chinese Academy of Sciences (SKL-MCCS, CASIA), Beijing 100190
² Qingdao Academy of Intelligent Industries,Parallel Agricultural Technology Innovation Center, Qingdao Shandong 266000
³ Beijing Engineering Research Center of Intelligent Systems and Technology, Institute of Automation of Academia Sinica,Beijing 100190
⁴ Qingdao AgriTech Co., Ltd, Qingdao Shandong 266000

Received:2018-10-10 Revised:2018-12-19 Online:2020-02-15 Published:2020-02-21
Contact: Kang Mengzhen

摘要/Abstract

摘要：

温室环境条件特别是温度对于作物生长和发育具有十分显著的影响。日光温室调控的主要环境因子之一是温度。然而,自然环境下的光照对温度产生作用,影响空气温度的监测精度。采用机器学习中的支持向量机算法(SVM),对日光温室内的温度智能监测算法进行了研究,根据光照情况对实时监测的温度数据进行校准。通过与实验测量的数据进行对比分析,结果表明：所提出的监测方法可以较为准确地实时监测空气温度,从而无需使用隔热材料或者遮阳处理,就可以基于监测的数据更精确地对相应的环境因素进行调节。基于该方法,可采用常用的工业设备实现温室大棚内实时温度数据的监测,既可以节约设备和人力成本,又可以为温室控制提供准确的数据。

关键词: 日光温室, 温度监测, 在线校准, 智能算法, 远程校准

Abstract:

Greenhouse environmental conditions, especially temperature, play a crucial role in crop growth and development. Temperature is one of the main environmental factors that can be regulated in the greenhouse. However, under natural environment, the light condition takes effect on temperature level, which further influences the monitoring precision of air temperature. Based on Support Vector Machine (SVM) algorithm in machine learning, an intelligent algorithm was proposed which calibrated the monitored temperature according to the illumination level. By comparing the calibrated air temperatures with the monitored data, the results indicated that the proposed method could monitor accurately the air temperature without using insulation materials or shading treatment, which was the basis for regulating the environmental factors. With this method, online temperature data could be obtained using commonly-used industrial device, which could save cost and provide accurate data for greenhouse control.

Key words: solar greenhouse, temperature monitoring, online calibration, intelligent algorithm, remote calibration

中图分类号:

华净, 王秀娟, 王浩宇, 郭少鑫, 康孟珍. 基于物联网的日光温室环境监测在线校准[J]. 中国农学通报, 2020, 36(5): 120-124.

Hua Jing, Wang Xiujuan, Wang Haoyu, Guo Shaoxin, Kang Mengzhen. Online Calibration of Environmental Monitoring in Solar Greenhouse Based on Internet of Things[J]. Chinese Agricultural Science Bulletin, 2020, 36(5): 120-124.

图/表 6

图1. 基于物联网的温室监测系统架构

图2. 系统终端PC和App界面

图3. 3种监测设备

图4. 3种监测设备测量的温度数据对比

图5. 防水盒监测设备温度随光强的变化

图6. 校准结果与实测结果对比

参考文献 21

[1]	赵俊芳, 郭建平, 张艳红 , 等. 气候变化对农业影响研究综述[J]. 中国农业气象, 2010(2):200-205.
[2]	冶明珠, 郭建平, 蒋跃林 , 等. 气候变化对农作物气候适宜度影响研究进展[J]. 安徽农业科学, 2011(15):9104-9105,9134.
[3]	房世波, 沈斌, 谭凯炎 , 等. 大气[CO₂]和温度升高对农作物生理及生产的影响[J]. 中国生态农业学报, 2010(5):1116-1124.
[4]	高洪蛟, 李奇 . 浅谈积温[J]. 黑龙江气象, 2017(2):15.
[5]	周溯 . 夏季自然通风日光温室温湿度试验研究与模拟优化[D]. 太原:太原理工大学, 2012.
[6]	Henten E J . Greenhouse climate management: an optimal control approach[D]. 1994.
[7]	杨学坤, 蒋晓, 诸刚 . 温室环境控制技术的研究现状与发展趋势[J]. 中国农机化学报, 2013(4):16-18.
[8]	李萍萍, 王纪章 . 温室环境信息智能化管理研究进展[J]. 农业机械学报, 2014,45(4):236-243.
[9]	程曼, 袁洪波, 蔡振江 , 等. 基于全局变量预测模型的温室环境控制方法[J]. 农业工程学报, 2013,29(a01):177-183.
[10]	罗黎晨 . 日光温室的环境特点及调控技术[J]. 农业科技与信息, 2007(1):25-26.
[11]	王君, 于海业, 张蕾 . 温室环境控制系统的发展[J]. 中国农学通报, 2010,26(12):371-375.
[12]	周长吉 . 现代温室工程[M]. 北京: 化学工业出版社, 2010.
[13]	卢嫚, 李彦斌, 李仁忠 , 等. 温室内分布式温度监测系统[J]. 中国农机化学报, 2015(4):59-64.
[14]	马万征, 马万敏 . 智能温室环境控制的研究现状及发展趋势[J]. 北方园艺, 2011(23):179-180.
[15]	董伟, 朱建勇 . 基于多传感器的温室环境数据融合算法研究[J]. 物联网技术, 2013(2):16-18.
[16]	程曼, 袁洪波, 张素 , 等. 基于多传感器数据融合的温室环境控制的研究[J]. 农机化研究, 2009(7):213-214,217.
[17]	王媛彬 . 多传感器信息融合概述及其应用[J]. 传感器世界, 2010,16(12):6-9.
[18]	Chang C C, Lin C J . LIBSVM:A library for support vector machines[J]. 2011,2(3):1-27.
[19]	Kang M, Fan X R, Hua J , et al. Managing Traditional Solar Greenhouse With CPSS:A Just-for-Fit Philosophy[J]. IEEE Transactions on Cybernetics, 2018,48(12), 3371-3380.
[20]	左志宇, 毛罕平, 张晓东 , 等. 基于时序分析法的温室温度预测模型[J]. 农业机械学报, 2010(11):173-177,182.
[21]	陈俐均, 杜尚丰, 李嘉鹏 , 等. 温室环境温度预测自适应机理模型参数在线识别方法[J]. 农业工程学报, 2017(z1):315-321.

基于物联网的日光温室环境监测在线校准

Online Calibration of Environmental Monitoring in Solar Greenhouse Based on Internet of Things

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 21

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

[1]	赵立群, 田文, 田雅楠, 曹玲玲, 徐秀兰. 育苗温室辣根素消毒处理效果研究[J]. 中国农学通报, 2022, 38(5): 37-42.
[2]	唐佳宁, 陈启峰, 余朝阁, 富宏丹, 刘长春, 郑淑荣, 宋卫丽, 孙周平. 东西垄丛栽方式对日光温室秋冬茬番茄生长及其温光环境的影响[J]. 中国农学通报, 2022, 38(30): 65-71.
[3]	王惠贞, 吴瑞芬, 姜少杰. 内蒙古日光温室大风灾害风险区划研究[J]. 中国农学通报, 2022, 38(28): 98-106.
[4]	苏利军, 潘耀婷. 呼和浩特地区不同类型日光温室光热性能研究[J]. 中国农学通报, 2022, 38(2): 106-118.
[5]	王岩文, 雒娜, 王广印. 油菜素内酯及配施外源钙对日光温室越冬茬番茄生长、坐果及产量的影响[J]. 中国农学通报, 2021, 37(4): 43-48.
[6]	王萍, 朱海霞, 王晾晾, 王晓明, 姜蓝齐, 李秀芬, 姜丽霞, 闫平. 黑龙江省典型日光温室气候生产潜力估算及分析[J]. 中国农学通报, 2021, 37(28): 81-87.
[7]	杨琦智, 赵青青, 陈青君, 张国庆, 刘桂平. 日光温室不同配方和工艺栽培大球盖菇的农艺性状分析[J]. 中国农学通报, 2021, 37(14): 59-65.
[8]	尹庆珍, 张天策, 宫彬彬, 郄丽娟, 韩建会. 三连栋日光温室温度场分布及应用[J]. 中国农学通报, 2020, 36(7): 112-121.
[9]	庞敏晖, 左强, 邹国元, 韩贵成, 常希光, 冯霜. 日光温室不同种植位置温光变化及对结球生菜产量的影响[J]. 中国农学通报, 2020, 36(34): 38-43.
[10]	刘红, 党晓东, 都全胜, 马润年, 白石轮. 基于随机森林算法的日光温室内气温预测模型研究[J]. 中国农学通报, 2020, 36(25): 95-100.
[11]	田永强, 聂国伟, 李凯, 张晓萍, 戴丽蓉. 日光温室甜樱桃叶片叶绿素含量影响因子初探[J]. 中国农学通报, 2020, 36(2): 64-67.
[12]	尹庆珍,杨立永,陈苏,马雄丰,郄丽娟,韩建会. 异质复合墙体日光温室的设计建造及保温性能的测定[J]. 中国农学通报, 2018, 34(34): 118-125.
[13]	张晓月,李荣平,王莹,李琳琳,张琪,黄岩,李雨鸿. 日光温室小气候要素预报模型研究[J]. 中国农学通报, 2018, 34(32): 113-118.
[14]	温永菁,李春,薛庆禹,董朝阳,黎贞发,李秀芬,陈思宁. 基于逐步回归与BP神经网络的日光温室温湿度预测模型对比分析[J]. 中国农学通报, 2018, 34(16): 115-125.
[15]	孙培良,邱东凤,宁瑞斌,闫景东. 日光温室内不同浓度CO2对番茄产量的影响[J]. 中国农学通报, 2018, 34(13): 64-67.