[发明专利]一种玉米中耕实时变量施肥的智能控制方法及装置

说明书

本发明属于农业生产设备技术领域，具体涉及一种玉米中耕实时变量施肥的智能控制方法及装置，智能控制方法根据实时采集的玉米冠层NDVI光谱数据，通过学习功能的智能算法，实时修正NDVI光谱数据的均值，不断调整优化基于中耕玉米长势的变量施肥模型。1、求得修正前的均值；2、根据修正前的均值Y(n)求修正系数a；3、根据修正系数对均值进行修正，修正后计算施肥量；4、当前的NDVI光谱数据与实时均值运算得出偏差，确定当前检测的玉米植株长势与总体长势差异性。该智能控制方法解决了处方图变量施肥方式实时性差、操作繁琐、费时费力等问题。解决了实时控制变量施肥方式智能化程度低、工作量较大，操作繁琐，技术要求高等问题。

技术领域

本发明属于农业生产设备技术领域，具体涉及一种玉米中耕实时变量施肥的智能控制方法及装置。

背景技术

农田地块土壤养分（包含氮含量）分布是不均匀的，有差异性的，如果按平均施肥量进行均匀施肥，会造成农田地块氮含量分布不均，氮含量丰富的区域玉米长势较好；而氮含量不足的区域，得不到足够氮肥供给，影响玉米生长，由此衍生出了精准变量施肥技术。

精准农业变量施肥技术是依托现代先进的科学技术装备，在充分掌握田间土壤、作物以及环境信息的前提下，实现小区域按量按需进行精准变量施肥，氮含量丰富的区域少施肥；而氮含量不足的区域，相应多施肥，满足作物对养分需求，提高肥料利用率，增加粮食产量，减少肥料浪费，增加收入，保护生态环境。

目前变量施肥技术的方式有两种：处方图控制变量施肥和实时控制变量施肥。

处方图变量施肥，一般要建立在大规模作物长势采样调查的基础上，在经过复杂而繁琐的采集田间作物的空间分布信息、施肥决策、建立处方图等过程，然后根据施肥处方图进行变量变量施肥。该方法必须先制作出处方图，才能进行变量施肥。所以，处方图变量施肥方式存在操作过程繁琐、技术要求高、费时费力、实时性差、很难由农户独自操作完成等缺点。

发明内容

本发明的目的是提供一种玉米中耕实时变量施肥的智能控制方法及装置。实时变量施肥的智能控制方法欲解决处方图变量施肥方式实时性差、操作繁琐、费时费力等问题。解决了实时控制变量施肥方式智能化程度低、工作量较大，操作繁琐，技术要求高等问题。解决了根据玉米冠层NDVI光谱数据，不断修正变量施肥模型，智能控制方法问题。

基于智能控制算法的实时变量施肥，根据车载光谱传感器实时获取玉米冠层NDVI光谱数据，通过智能控制算法，不断修正变量施肥模型（玉米长势与施肥量关系，此关系是变化的），实时变量控制施肥量，保证在总施肥量不变的情况下完成智能变量施肥。该实时变量施肥方式不需要作业前获取整个地块的NDVI光谱数据，工作量较小，技术要求较低，且实时性强，智能化程度高，操作简便。

本发明采用的技术方案为：一种玉米中耕实时变量施肥的智能控制方法，所述智能控制方法根据实时采集的玉米冠层NDVI光谱数据，通过学习功能的智能算法，实时修正NDVI光谱数据的均值，不断调整优化基于中耕玉米长势的变量施肥模型，包括以下步骤：

第一步，求得修正前的均值，其计算公式如下所示：

（1）

其中：为检测玉米冠层NDVI光谱数据的个数；为本次修正前NDVI光谱数据均值的输出值；为本次NDVI光谱数据的采样值；为上次修正前NDVI光谱数据均值的输出值；

第二步，根据修正前的均值求修正系数a，其计算公式如下所示：

（2）

第三步，根据修正系数对均值进行修正，修正后计算施肥量，其计算公式如下所示：

（3）

其中：为本次修正后NDVI光谱数据均值的输出值；