[发明专利]一种基于作物需求的设施补光控制方法与系统

说明书

技术领域

本发明属于智能设施农业技术领域，特别涉及一种基于作物需求的设施补光控制方法与系统。

背景技术

我国设施蔬菜栽培面积占世界总面积的90％以上，已成为我国现代农业的重要组成部分。尽管我国设施管理技术水平逐年提升，与发达国家相比仍存在较大差距，设施蔬菜单位面积产量仅为荷兰的1/5-1/3，其中生产过程中光合速率低是造成该现象的关键因素。相关研究表明，光照、CO₂、温度、肥力、水分是影响光合速率的主要因素，其中光照是决定光合速率的直接因素，已有研究证明进行补光可有效提高光合作用效率，茄果类作物产量可增加20％-30％，成熟期也可提前7-10天，实现品质和明显的提升，因此，设施内部光环境调控技术的研究的关注度日渐提升。特别是近期出现的LED光源技术，其一定程度避免热量高、耗能大、不能定量调节亮度，光质、光子通量密度难以调控等传统补光设备的问题，基于LED的设施补光技术已成为设施补光研究的热点，出现了各种基于LED的设施补光设备，一定程度提高了作物品质和节能效果。

但是通过光合速率机理的进一步分析可以发现，作物光合作用中不仅温度、CO₂、光照对光合速率存在相互影响；而且作物生长的连续性使得生长期中环境对光合速率影响具有时序特性；同时生理生境动态变化导致优化调控目标值动态变化。从而，造成不同作物品种、不同生长时期、不同生长环境是由于对光照的需求不同，而现有补光系统均未完全充分考虑上述问题对作物补光效果的影响，不仅可能造成补光不足或者能源浪费，过强的光照还有可能产生光抑制现象，影响作物生长。因此，如何构建可面向不同作物全生长期需求的通用设施光环境智能调控系统，已成为限制设施发展的关键瓶颈。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于作物需求的设施补光控制方法与系统，可面向不同作物全生长期需求，实现光环境智能调控。

为了实现上述目的，本发明采用的技术方案是：

一种基于作物需求的设施补光控制方法，监测设施内实时温度、光合有效辐射和二氧化碳浓度，结合预先建立的对应作物的需光模型，计算出该作物的当前需光量进行补光，其中，所述需光模型的建立过程如下：

采集温度、二氧化碳浓度、光照强度三个环境因子多梯度光合速率实验数据，建立基于SVM的光合速率模型；

实例化光合速率模型里的温度、二氧化碳浓度两个变量，得到一系列温度、二氧化碳浓度条件下的光合速率与光照强度的关系；

使用蚁群算法对光合速率寻优，得到这些条件下最大光合速率对应的光照强度值，即作物的需光量，这一系列温度、二氧化碳浓度以及对应的需光量光照强度构成了需光模型样本集；

根据需光模型样本集，以温度、二氧化碳浓度为输入量，作物需光量为输出量，使用多项式拟合方式构建需光模型。

根据每个分区的作物类型和定值时间实例化当天的作物需光量模型，过程如下：

步骤1，零点时轮询各分区运行状态，如果该区域设备处于工作状态则对该区域的作物模型实例化操作；

步骤2，从非易失储存器中读取分区的定植日期、种植的作物种类，载入对应种类的作物需光量通用模型f_n(T,CO₂,D)，根据定植日期和当前日期计算出植物的生长时间，将生长时间带入该模型，降维得到一个二维输入的模型f_n'(T,CO₂)，将实例化的模型存储到内存空间。

步骤3，除每日零点外，设备开机初始化、工作状态更新、分区参数更新时也会触发步骤2。

实例化的优点：每天生长时间D都是相同的，在同一天的工作中仅数秒进行一次模型计算以尽快响应环境变化，进行实例化降维，可节约大量的CPU时间。

分区控制主要是考虑到在实际的温室管理中，可能会在一个温室内种植多种作物，而每种作物在相同时间空间条件下的需光量不同。同时受到温室的内部结构、温室周边环境影响，每个温室形成相对独立的小环境。

在作物需求和实际的环境条件都不尽相同的情况下，就需要对种植不同作物区域、不同温室环境进行差异化管理，不同的作物种植区域按照不同作物的需光模型进行需光量计算，不同的温室环境部署独立部署环境监测节点采集环境数据，根据每个区的实际需光量进行补光。

而作物模型实例化是基于时间参数对作物模型进行降维，可使作物模型多项式从16项降至9项，减少30％以上的浮点预算，节约嵌入式设备的CPU资源，大大降低对硬件性能的需求。