技术摘要：
本发明涉及植物生长领域，尤其涉及一种基于土壤水势的模糊智能植物生长监控系统，其包括温室中央控制器、智能计算控制模块、综合网络传输模块、数字图像采集模块、水肥耦合灌溉首部设备及电源管理模块，所述的数字图像采集模块负责动态实时获取植物生长表型变化数据，  全部
背景技术：
设施农业是发达地区现代农业的重要标志，是天津沿海都市型农业的支柱产业和 农民增收的主要途径，在农业及农村经济发展中的地位和作用越来越重要。人工智能技术 在温室植物生长监控中已得到了广泛的应用，研究人员将先进的电子信息技术与智能控制 技术用于温室植物生长监控中,使他们的温室智能化水平不断提高。温室系统是一个复杂 的大系统，不仅具有大惯性、非线性和纯时延等特点，而且很难对其建立精确的数学模型， 传统的控制方法已不能满足其控制要求。人工智能技术在植物生长调节过程中的使用大大 改善了此状态，科研人员将模糊逻辑推理、专家知识、神经网络相结合来预测农作物的生长 变化和灌溉用水量，并且不断的根据传感器釆集到的环境参数进行及时的调节，满足不同 环境下的农作物的生长用水，做到准时、准确地灌溉。在设施农业生产过程中，植物的生长 对于水、肥的依赖在其整个生育期内都是毋庸置疑的。传统的大水漫灌或者是不当的灌水 施肥制度，将会使植物无法在最适环境中生长，导致发病率大大提高，生长受限，甚至死亡。 因此获取植物生长过程中最佳灌溉指标是实现水肥耦合、节水灌溉、植物生长调节的关键 技术，同时，配合智能灌溉系统更可以为农作物提供更加科学有效的生长调节。 设施蔬菜最佳灌溉指标是对植物智能生长调控的控制目标，以往所设计的智能控 制系统中，主要以检测到的土壤当前湿度和最佳湿度作为对比，当实时湿度小于最佳湿度 下限时则对植株进行适当灌溉从而达到节水目的。但是由于不同地区的土壤成分差异，湿 度不能反映出土壤水分对植物的有效性，比如15％的含水量沙土适合所有植物的生长，但 是在此湿度的黏土上植物却无法生存。如果不同地区都使用相同最佳土壤湿度，不可避免 造成水分的浪费或者对植物生长造成影响。而水势则与土壤类型无关，含有相同水势的不 同类型土壤对作物的水分有效性相同，因此，以土壤水势作为灌溉指标更具有普遍适用性。 如何挑选出植物生长过程中最优综合指标，以及评价植物生长的好坏，是确定系 统控制目标必不可少的步骤，这时就需要采用合理的评价模型对植物生长过程中的各项指 标进行评价。最为人们熟知的评价模型是线性的，即评价指标加权平均综合模型。其评价思 想的核心是建立在评价结果可以叠加，评价因子为线性关系的假设之上。这种模型计算简 单，建模方便，目前现有的评价大多采用这一方法。但是实际上这种假设条件并不能成立， 因此实际操作起来结果往往不能令人满意，评价结果的可信度也较差。
技术实现要素：
本发明的主要目的就是针对上述问题，提供一种基于土壤水势的模糊智能植物生 长监控系统。 5 CN 111612331 A 说　明　书 2/11 页 一种基于土壤水势的模糊智能植物生长监控系统，其特征在于：包括温室中央控 制器、智能计算控制模块、综合网络传输模块、数字图像采集模块、水肥耦合灌溉首部设备 及电源管理模块； 所述综合网络传输模块包括用于接收田间水势数据和温室小气候数据的短距离 无线传输模块和用于向云端远程监控终端接收和发送数据的远程无线通讯模块，所述的远 程无线通讯模块作为4G网络传输终端与温室中央控制器通过以太网接口进行连接； 所述温室中央控制器用于接收温室中央控制器、智能计算控制模块、综合网络传 输模块的控制信号并控制水肥耦合灌溉首部设备工作； 所述电源管理模块用于为温室中央控制器、智能计算控制模块以及网络传输模块 供电； 所述的智能计算控制模块包括模糊智能控制模块和最佳指标计算模块，所述的模 糊智能控制模块建立Mamdani型模糊控制器作为推理机，以土壤水势及其变化率作为输入 量，最佳灌溉时长作为输出量，采用水肥耦合灌溉首部设备进行植物营养调节；所述最佳指 标计算模块将数字图像数据与手动输入指标参数分级、分类，采用主客观权重和偏好系数 的二级模糊综合评判方法计算得出最佳土壤水势范围作为控制目标阈值； 所述水肥耦合灌溉首部，用于实现水路、肥路独立输出和水肥混合输出。 所述温室中央控制器包括嵌入式触控一体机，采用12寸电容触摸一体机  SS- 104WD，分辨率：1024*768，CPU：J1900；安装内存：8.00GB；系统类型：  Win7  64位操作系统； 固态硬盘容量：128G。 所述电源管理模块具有短路、过流、过压、欠压和漏电保护功能，提供220V  转24V 适配器，稳压器。 水肥耦合灌溉首部设备包括肥液桶、支架、搅拌器、第一电磁阀、第二电磁阀和第 三电磁阀；所述肥液桶内设有搅拌器，侧壁上设有上限位传感器和下限位传感器，所述第一 电磁阀的一端通过过滤器与主进水口连接，所述第一电磁阀的另一端与所述肥液桶连接， 所述第二电磁阀和第三电磁阀的一个共同端与所述过滤器连接，第三电磁阀的另一端与比 例泵的一端连接，比例泵的另一端与第二电磁阀的另一端连接后共同接入流量计的一端， 所述比例泵的入口通过管路与所述肥液桶内部连通。 所述的电磁阀采用DC6-12V直流电磁阀，直流功率：4.5W，超动电流0.3A，工作电流 0.28A，工作压力0.1～1.04MPa，流量0.45～34.05m3/h，螺纹内牙。 所述的比例施肥器采用以色列泰丰比例施肥器，添加比例0.4～4％，流量范围20 ～2500L/h，工作压力0.2～8.0bar，接口尺寸3/4”外螺纹，水利驱动比例施肥方式，稳定供 液。 所述的数字图像采集模块，采用RGB-D传感器KinectV2相机，分辨率  1920*1080像 素，监测范围0.5～4.5m，可以由2D颜色信息通过Kinect  SDK坐标转换关系匹配到3D空间 点。 一种控制目标阈值获取方法， 具体包括以下步骤： 步骤1：基于层次分析法的主观权重确定 i.计算指标权重值 6 CN 111612331 A 说　明　书 3/11 页 其中Mj为判断矩阵每一行元素的乘积，ωj为所求特征向量，即各指标权重值； ii.判断矩阵的一次性检验 式中，λmax为判断矩阵最大特征根，CI为一致性指标，CR为一致性比率，当CR＜0.1 时便认为判断矩阵满足一致性要求； 步骤2：基于熵权法的客观权重确定 i.对于数值越大越好的收益型指标，第j个指标在第i个对象中的属性值xij可以按 公式(91)转换为： 式中， 是指按第j个指标统计的最大属性值，即选择性能最优的属性值； 对于数值越小越好的成本型指标，第j个指标在第i个对象中的属性值xij可以按式 (8)转换为： 式中： 是指按第j个指标统计的最小属性值，即选择性能最差的属性值。 如果属性值xij的极差相差很大，为了提高转换精度，可以将标准化的转换形式变 换为式(9)、式(10)： 3)对于越大越好指标。 4)对于越小越好的指标， 7 CN 111612331 A 说　明　书 4/11 页 可以根据属性值的情况选择其中一种变化形式； ii.计算指标的信息熵值 第j个指标的指标熵如式(11)： 式中， (i＝1 ,2 ,...,m；j＝1 ,2 ,...,n)，如果f i j＝0，则定义 iii.计算指标权重 第j个指标的权重用式(12)表示： 步骤3：综合权重的计算 在确定综合权重时，取主观偏好系数α＝0.6(0<α<1)，则设施蔬菜品质指标综合权 重为WQUA＝0.6W1 0.4W2，同理可获得生长指标综合权重值WGRO、耗水指标综合权重值WWAT和产 量指标综合权重WYIE； 步骤4：对于一级指标运用相同的赋权法，得到四项一级指标权重，从而获得不同 水分梯度下设施黄瓜综合评判值；选取数值最大的指标作为最适土壤水势指标范围。 步骤5：将评判结果作为控制系统输入变量的物理论域，写入到以LABVIEW  为开发 平台的模糊推理机中。 本方法中包括4个二级指标，按照关系的密切程度划分为耗水指标、生长指标、产 量指标和品质指标，其中，耗水指标包括总用水量和水分生产率，生长指标包括叶长、叶宽、 茎粗、节间距和叶片数；产量指标包括、总产量指标；品质指标包括平均单果重、直瓜比、维 生素C、硝态氮、可溶性糖。 本发明的有益效果是: 本发明选取设施蔬菜生长过程中的13个指标按照关系的密切程度划分两级指标， 采用AHP模糊综合评判算法进行二级模糊综合评判计算，联合应用AHP  和熵权法进行权重 分配，最后加入偏好系数进行综合权重计算以确定不同水分梯度下设施黄瓜生长的模糊综 合评判值。较传统对比实验方法，能够更加综合的记录植物生长过程中因局部小气候环境 变化产生的生长变化，判断方法更具有科学性、全面性，最终，将评判结果作为控制系统输 入变量的物理论域。 8 CN 111612331 A 说　明　书 5/11 页 附图说明 图1为本发明的原理图； 图2为本发明的控制器结构图； 图3为本发明中水肥耦合灌溉首部设备结构图； 图4为本发明中级模糊评判的因素集。