一种基于远程巡检机器人接口的农业大棚智能控制系统 |
|||||||
申请号 | CN202311837703.5 | 申请日 | 2023-12-28 | 公开(公告)号 | CN117908478A | 公开(公告)日 | 2024-04-19 |
申请人 | 中国科学院合肥物质科学研究院; 安徽中科德技智能科技有限公司; | 发明人 | 董俊; 申大壮; 何俊明; 马凡; 吴双; | ||||
摘要 | 本 发明 公开了一种基于远程巡检 机器人 接口 的农业大棚智能控制系统,包括网络模 块 、 数据库 管理模块、 服务器 控 制模 块和移动 控制模块 ; 传感器 组采集农业大棚内的 农作物 生长因素参数;服务器控制模块根据 深度学习 算法 对农作物生长因素参数和网络数据进行处理,生成农业任务,由巡检机器人执行所述农业任务;移动控制模块通过 云 端服务器将农作物生长因素参数展示给用户,并使得用户能够实时获取巡检机器人的任务执行情况,对巡检机器人的任务进行处理。本发明的基于远程巡检机器人接口的农业大棚智能控制系统,具有能够在对农作物生长环境以及生长情况进行综合分析、提高巡检机器人的协同性和智能性、降低农业投资 风 险等优点。 | ||||||
权利要求 | 1.一种基于远程巡检机器人接口的农业大棚智能控制系统,其特征是,包括网络模块、数据库管理模块、服务器控制模块和移动控制模块;所述农业大棚内设置有传感器组和农业设备,远程巡检机器人设置在农业大棚的内部区域; |
||||||
说明书全文 | 一种基于远程巡检机器人接口的农业大棚智能控制系统技术领域[0001] 本发明涉及一种农业大棚控制平台,尤其是一种基于远程巡检机器人接口的农业大棚智能控制系统。 背景技术[0002] 智慧农业就是将物联网技术运用到传统农业中去,运用传感器和软件通过移动平台或者电脑平台对农业生产进行控制,使传统农业更具有智慧和更智能化。智慧农业是农业中的智慧经济,智慧经济形态在农业中的具体表现。智慧农业是智慧经济重要的组成部分;对于发展中国家而言,智慧农业是智慧经济主要的组成部分,是发展中国家消除贫困、实现后发优势、经济发展后来居上、实现赶超战略的主要途径。 [0003] 智慧农业大棚巡检机器人是近年来智能机器人在农业领域的一种重要应用,目的是实现对大棚内作物的环境进行自动监测和农业大棚中农业设备进行控制。但是,目前农业大棚中的巡检机器只能简单上传农业数据和接受用户提前制定的简单指令,不能灵活的处理当前指令外的事件以及多巡检机器人协同处理的情况,这降低了巡检机器人处理事务的能力和办事的效率。 [0004] 同时,目前巡检机器人只能依靠于简单的环境变量对农产品进行精准施肥和精准喷洒农药等,并没有综合考虑农作物以及其所有的生长环境进行准确的判断,这可能造成化肥、农药和水资源的浪费和环境的污染,降低了农作物的产量和质量。而且,目前农业大棚只是通过种植的过程对农产品生长环境进行控制,缺少对农产品预种植的手段,增加农场用户的投资风险。 发明内容[0005] 本发明是为避免上述已有技术中存在的不足之处,提供一种基于远程巡检机器人接口的农业大棚智能控制系统,以对矿井的湿热环境进行不同工况的模拟。 [0006] 本发明为解决技术问题采用以下技术方案。 [0007] 本发明的一种基于远程巡检机器人接口的农业大棚智能控制系统,包括网络模块、数据库管理模块、服务器控制模块和移动控制模块;所述农业大棚内设置有传感器组和农业设备,远程巡检机器人设置在农业大棚的内部区域; [0008] 所述传感器组用于采集农业大棚内的农作物生长因素参数,并将采集的农作物生长因素参数传输至数据库管理模块; [0009] 所述数据库管理模块,用于接收传感器组发送的农作物生长因素参数,并将农作物生长因素参数浓度存储至数据库内; [0010] 所述服务器控制模块包括云端服务器,用于从数据库内获取农作物生长因素参数并从网络模块获取网络数据,根据深度学习算法对农作物生长因素参数和网络数据进行处理,生成农业任务,由农业任务再生成任务指令,并将任务指令发送给巡检机器人,由巡检机器人执行所述农业任务; [0011] 所述网络模块,用于为数据库管理模块、服务器控制模块和移动控制模块提供数据通信服务; [0012] 所述移动控制模块,用于通过云端服务器将农作物生长因素参数展示给用户,并使得用户能够实时获取巡检机器人的任务执行情况,对巡检机器人的任务进行处理。 [0013] 本发明的一种基于远程巡检机器人接口的农业大棚智能控制系统的结构特点也在于: [0015] 进一步地,所述数据库管理模块的数据库采用联接表的方式进行数据组织和管理。 [0016] 进一步地,所述服务器控制模块中,根据生成的任务指令、巡检机器人的状态以及所需农业任务的位置信息,制定合理的任务分配表。 [0017] 进一步地,所述服务器控制模块中,根据农业任务的紧急程度、处理时间以农业任务的工作地点,制定农业任务处理的优先级。 [0018] 进一步地,所述服务器控制模块中,云端服务器根据任务分配表和农业任务处理的优先级,对多个巡检机器人进行路径规划和任务调度。 [0019] 进一步地,所述路径规划和任务调度的过程包括如下步骤: [0020] 步骤1:农业大棚的生成稀疏路径图和稀疏标签点云图; [0021] 步骤2:将稀疏标签点云图发送给云端服务器,云端服务器通过神经网络进行数据拟合后输出农业任务稀疏点云,并构建任务连通图; [0022] 步骤3:构建最短路径连通图; [0023] 步骤4:根据最短路径连通图,为各个巡检机器人分配任务和完成任务的路径。 [0024] 进一步地,所述步骤3中,采用Floyd算法寻找最短路径,从而构建最短路径连通图。 [0025] 进一步地,所述移动控制模块中,通过图表或曲线将农作物生长因素参数的趋势展示给用户。 [0026] 进一步地,所述移动控制模块内设置农作物生长模拟系统。 [0027] 与已有技术相比,本发明有益效果体现在: [0028] 本发明公开了一种基于远程巡检机器人接口的农业大棚智能控制系统,包括网络模块、数据库管理模块、服务器控制模块和移动控制模块;所述农业大棚内设置有传感器组和农业设备,远程巡检机器人设置在农业大棚的内部区域;所述传感器组用于采集农业大棚内的农作物生长因素参数,并将采集的农作物生长因素参数传输至数据库管理模块;所述数据库管理模块,用于接收传感器组发送的农作物生长因素参数,并将农作物生长因素参数浓度存储至数据库内;所述服务器控制模块包括云端服务器,用于从数据库内获取农作物生长因素参数并从网络模块获取网络数据,根据深度学习算法对农作物生长因素参数和网络数据进行处理,生成农业任务,由农业任务再生成任务指令,并将任务指令发送给巡检机器人,由巡检机器人执行所述农业任务;所述网络模块,用于为数据库管理模块、服务器控制模块和移动控制模块提供数据通信服务;所述移动控制模块,用于通过云端服务器将农作物生长因素参数展示给用户,并使得用户能够实时获取巡检机器人的任务执行情况,对巡检机器人的任务进行处理。 [0029] 本发明的基于远程巡检机器人接口的农业大棚智能控制系统,具有以下几个方面的技术特点和技术效果。 [0030] 1、本发明利用神经网络技术对不同的农作物生长环境以及生长情况进行综合分析,提高农产品环境需求的准确性。 [0031] 2、本发明采用多农业巡检机器人任务调度策略,提高多农业巡检机器人协同性和智能性,减少巡检机器人的功耗和工作时间,延长了巡检机器人的电池寿命。 [0032] 3、本发明通过模拟农作物在不同阶段农业大棚内的环境信息,实现对农作物多阶段生长模拟,在降低人工成本和投资风险的同时增加农业生产的趣味性和创新性。 [0035] 以下通过具体实施方式,并结合附图对本发明作进一步说明。 具体实施方式[0036] 参见图1,本发明的一种基于远程巡检机器人接口的农业大棚智能控制系统,包括网络模块、数据库管理模块、服务器控制模块和移动控制模块;所述农业大棚内设置有传感器组和农业设备,远程巡检机器人设置在农业大棚的内部区域; [0037] 所述传感器组用于采集农业大棚内的农作物生长因素参数,并将采集的农作物生长因素参数传输至数据库管理模块; [0038] 所述数据库管理模块,用于接收传感器组发送的农作物生长因素参数,并将农作物生长因素参数浓度存储至数据库内; [0039] 所述服务器控制模块包括云端服务器,用于从数据库内获取农作物生长因素参数并从网络模块获取网络数据,根据深度学习算法对农作物生长因素参数和网络数据进行处理,生成农业任务,由农业任务再生成任务指令,并将任务指令发送给巡检机器人,由巡检机器人执行所述农业任务; [0040] 根据深度学习算法对农作物生长因素参数和网络数据进行处理的过程如下: [0041] 1、神经网络的输入:当前农业大棚农产品P、当前农业大棚农产品相关环境信息E、当前农业大棚农作物生长状况S、平台收集相关农产品的历史数据D包含农产品Dp环境信息DE以及农作物历史生长状况DS以及所需农业操作DN。 [0043] 3、神经网络的训练,通过历史数据D进行有监督训练。 [0044] 4、网络预测D‘N=f(Dp,DE,DS)。 [0045] 5、网络损失函数:Loss=|DN‑D‘N|2。 [0046] 6、对新采集的数据,每间隔15天进行在线学习提升网络的鲁棒性。 [0047] 7、对于当前农业大棚采集的数据进行农业任务预测D‘N=f(P,E,S)。 [0048] 所述网络模块,用于为数据库管理模块、服务器控制模块和移动控制模块提供数据通信服务; [0049] 所述移动控制模块,用于通过云端服务器将农作物生长因素参数展示给用户,并使得用户能够实时获取巡检机器人的任务执行情况,对巡检机器人的任务进行处理。 [0050] 具体实施时,所述农作物生长因素参数包括温度、湿度、土壤性能参数、光照参数和CO2浓度。 [0051] 农业大棚中有许多传感器设备,构成一个传感器组。传感器组用于监测温度、土壤湿度、光照强度、CO2浓度等影响作物生长的环境因素。为了提高数据传输的效率和实时性,环境变量的数据采用UDP(User Datagram Protocol,用户数据报协议)通信协议,利用其低时延、简单轻量、速度快的特点,将采集到的数据统一发送到云端服务器然后通过云端服务器传输到用户移动端设备,用户通过移动端设备实时了解农业大棚的基本情况。除了传感器,农业大棚中还有巡检机器人以及各种农业控制设备,为了保证农业指令的准确性和可靠性,这些设备采用TCP(Transmission Control Protocol,传输控制协议)通信协议,利用其面向连接、可靠交付、拥塞控制的特点,实现对大棚的智能化管理。 [0052] 具体实施时,所述数据库管理模块的数据库采用联接表的方式进行数据组织和管理。 [0053] 农业大棚通过传感器采集温度、湿度、光照、CO2等农作物生长因素参数,并将其存储在数据库中。为了提高数据的存储效率和减少冗余,数据库采用联接表的方式进行数据组织和管理。同时,为了保证数据的安全性和合理性,数据库设置了不同的用户权限,对不同级别的用户进行数据访问和操作的控制。此外,数据库还具有数据迁移和日志管理等功能,以增强数据库的稳定性和安全性。 [0054] 具体实施时,所述服务器控制模块中,根据生成的任务指令、巡检机器人的状态以及所需农业任务的位置信息,制定合理的任务分配表。 [0055] 服务器控制模块的云端服务器采用BM1600微服务器作为核心器件。云端服务器获取大棚各种传感器设备和巡检机器人采集的不同农作物的环境信息。通过神经网络技术对农作物以及所述环境信息进行数据分析,根据不同农作物的生长特性,通过神经网络的预测,确定哪些农作物需要进行哪些农业操作,如灌溉、施肥、喷药等,对于指定的农作物生成相应的农业任务。云端服务器根据农业任务生成农业任务指令,根据生成的农业任务指令、巡检机器人的状态以及所需农业任务的位置信息,制定合理的任务分配表。 [0056] 具体实施时,所述服务器控制模块中,根据农业任务的紧急程度、处理时间以农业任务的工作地点,制定农业任务处理的优先级。 [0057] 对于一台巡检机器人无法单独完成的大农业任务,将其划分为多个子任务,同时并根据不同任务的紧急程度、处理时间以农业任务的工作地点,制定任务处理的优先级。 [0058] 具体实施时,所述服务器控制模块中,云端服务器根据任务分配表和农业任务处理的优先级,对多个巡检机器人进行路径规划和任务调度。 [0059] 云端服务器根据任务分配表和任务的优先级,对多个巡检机器人进行路径规划和任务调度,对农业设备进行控制,如精准施肥、喷洒农药等,在提高多巡检机器人的协同性和灵活性的同时降低农业巡检机器人的电池损耗。 [0060] 具体实施时,所述路径规划和任务调度的过程包括如下步骤: [0061] 步骤1:农业大棚的生成稀疏路径图和稀疏标签点云图; [0062] 农业大棚巡检机器人都采用ORB‑SLAM3的算法框架,并对农业大棚的生成整体的稀疏路径图,并对路径上的稀疏点提供农产品的信息和其环境信息,生成稀疏标签点云图。 [0063] 步骤2:将稀疏标签点云图发送给云端服务器,云端服务器通过神经网络进行数据拟合后输出农业任务稀疏点云,并构建任务连通图; [0064] 将带有标签的稀疏地图上传至云端服务器,云端服务器根据农产品和其周围环境信息,以及平台采集的各个农业大棚相关农产品历史信息,通过神经网络进行数据拟合,输出需要执行的相关农业任务稀疏点云,并对相邻且任务相同的农业工作点合并成一个农业任务点云。然后,估计这些农业工作点工作所需的时间T1(时间单位10分钟)、任务紧急程度S(等级标注1、2、3、4)、各个巡检机器人从一个点到有巡检机器人通路的路径上相邻的另一个点的时间T2(时间单位10分钟)以及各个农业巡检机器人到每个任务点的时间为T3,构建任务连通图。 [0065] 步骤3:构建最短路径连通图; [0066] 将w作为农业任务两个点的第一权重,T3作为巡检机器人到农业任务边的第二权重,通过Floyd算法寻找最短路径,并构建最短路径连通图。第一权重w的计算公式见下式(1)。 [0067] W= T1/S+T2 (2) [0068] 步骤4:根据最短路径连通图,为各个巡检机器人分配任务和完成任务的路径。 [0069] 综合考虑每个巡检机器人的工作能力(携带农药、水肥等容量),再根据获取的最短路径信息,给每个巡检机器人分配具体农业任务点,并将这些农业任务点,以及行走的路径转换成巡检机器指令传达给对应的巡检机器人。 [0070] 具体实施时,所述步骤3中,采用Floyd算法寻找最短路径,从而构建最短路径连通图。 [0071] 云端服务器除了任务的制定、部署和分配之外还有任务监督的功能,巡检机器人在执行任务时不断和云端服务器进行交互。 [0072] 云端服务器对巡检机器人的任务执行情况进行监控,如任务完成情况、任务异常情况、机器人状态情况等,并将相关信息反馈给用户。对于任务异常的情况服务器保留异常日志,并对任务异常进行分析,对于巡检机器异常的情况,则对异常农业的任务进行分析重新制定农业任务,增加巡检机器人的可靠性,实现对农业大棚的实时监控和智能化管理。 [0073] 具体实施时,所述移动控制模块中,通过图表或曲线将农作物生长因素参数的趋势展示给用户。 [0074] 农业大棚各种传感器设备,如温湿度传感器、光照强度传感器、土壤湿度传感器等,采集的环境信息,如温度、湿度、光照、CO2等数据上传至云端服务器。云端服务器将收集的环境信息以图表、曲线等形式展示给用户,让用户随时随地了解农业大棚内的实时情况,同时也可以查看历史数据和数据变化趋势。 [0075] 用户可以通过移动端设备查看云端服务器对于农业大棚的任务部署和调度,同时可以通过移动端设备对云端服务器预部署的任务进行增加、删除以及排序,也可以直接对农业大棚的设备进行直接的控制。 [0076] 具体实施时,所述移动控制模块内设置农作物生长模拟系统。 [0077] 移动控制模块不仅可以对环境信息进行监视和农业设备控制,还有农作物生长模拟的功能,实现农作物的虚拟预种植,以模仿农作物的生长过程。(1)云端服务器根据农产品的种类进行农产品生长阶段的划分,农户可以对不同的生长阶段进行生长环境的预制定。(2)云端服务器对农作物以及生长环境进行拟合,反馈农作物下个阶段的生长状况,对于不同阶段设置不同的生长环境,得到不同农产品的生产结果。(3)用户根据模拟结果,进行环境的模拟和调整。(4)当用户找到最优的农作物的生长路线时,再对农产品进行种植,农业巡检机器人、各种农业传感器以及农业设备对预定制生长路线的农产品生长环境进行检测和控制,来达到用户预定制不同生长阶段的环境要求。用户可以通过预种植手段,来提升农产品的生产效率和产量,降低农户对新产品的投资风险。 [0078] 本发明利用神经网络技术对不同的农作物生长环境以及生长情况进行综合分析,提高农产品环境需求的准确性。 [0079] 本发明采用多农业巡检机器人任务调度策略,提高多农业巡检机器人协同性和智能性,减少巡检机器人的功耗和工作时间,延长了巡检机器人的电池寿命。 [0080] 本发明通过模拟农作物在不同阶段农业大棚内的环境信息,实现对农作物多阶段生长模拟,在降低人工成本和投资风险的同时增加农业生产的趣味性和创新性。 [0081] 本发明的一种基于远程巡检机器人接口的农业大棚智能控制系统,制定了统一的标准,通过引入深度学习技术综合考虑农作物和环境变量,生成农业任务并指定农业指令传达给农业巡检机器人。多个巡检机器人对农业任务指令进行协同处理共同管理控制农业大棚,提高农业巡检机器人的智能化和办事效率,降低巡检机器人对电池的功耗增加巡检机器人电池使用寿命。同时,该平台还支持农作物预种植的功能,根据预种植的种植路线对农产品生长环境进行预制定,来提升农产品的生产效率和产量,降低农户对新产品的投资风险。 [0082] 对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。 [0083] 此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。 |