[发明专利]一种基于物联网的灌溉方法及设备

权利要求书

1.一种基于物联网的灌溉方法，其特征在于，所述方法包括：

服务器接收土壤水分传感器上传的当前土壤含水量，以及接收气象传感器上传的气象信息，并基于所述气象信息，确定农作物区域在预设时间段内的降水量；其中，所述土壤水分传感器、气象传感器安装于同一农作物区域；所述当前土壤含水量为预设土壤深度的当前土壤含水量信息；

以及，接收图像采集设备上传的所述农作物区域的图像数据；并将所述农作物区域的图像数据输入至农作物种类识别模型中，以识别出所述农作物区域的图像数据中包含的农作物种类；

基于所述农作物种类及当前土壤含水量，确定所述农作物种类在所述预设时间段内的实际需水量；

计算得出所述预设时间段内的降水量与实际需水量之间的第一差值，并基于所述第一差值，确定所述农作物区域内若干个灌溉设备的放水状态；其中，所述放水状态用于指示各个所述灌溉设备是否放水及放水量；

在将所述农作物区域的图像数据输入至农作物种类识别模型之前，所述方法还包括：

服务器接收来自互联网的第一农作物图像数据，并基于所述第一农作物图像数据，构建神经网络模型的训练数据集及特征样本库；

利用所述训练数据集及特征样本库对神经网络模型进行训练；

训练直至输出收敛，得到所述农作物种类识别模型；

所述基于所述第一农作物图像数据，构建神经网络模型的训练数据集及特征样本库，具体包括：

服务器对所述第一农作物图像数据进行预处理，得到第二农作物图像数据；其中，所述预处理包括以下任一项或者多项：调整尺寸大小、调整亮度、调整对比度；

基于所述第二农作物图像数据，构建神经网络模型的训练数据集；

对所述第二农作物图像数据以预设方式提取特征信息，得到所述第二农作物图像数据中包含的农作物种类对应的一个或多个特征信息，并基于所述一个或多个特征信息构建特征样本库；

所述利用所述训练数据集及特征样本库对神经网络模型进行训练，具体包括：

对输入神经网络模型的农作物图像以预设编码方式进行编码，得到所述农作物图像对应的特征向量；

对所述特征向量以预设解码方式进行解码，以得到所述农作物图像对应的特征信息；

将所述农作物图像对应的特征信息与特征数据库中的数据内容进行匹配；

在所述农作物图像对应的特征信息与所述特征数据库中的预设数量个特征信息匹配成功的情况下，神经网络模型输出所述农作物图像对应的农作物种类；

所述基于所述第一差值，确定所述农作物区域内若干个灌溉设备的放水状态，具体包括：

服务器基于所述第一差值，确定所述农作物区域内若干个灌溉设备的总放水量；

在所述总放水量小于预设阈值的情况下，确定预设数量个灌溉设备进行放水，以及确定各个进行放水的所述灌溉设备的放水量；其中，所述预设数量小于所述若干个灌溉设备的总数量；

所述方法还包括：

在所述总放水量大于或者等于预设阈值的情况下，确定所述若干个灌溉设备全部进行放水，以及确定各个进行放水的所述灌溉设备的放水量。

2.根据权利要求1所述的一种基于物联网的灌溉方法，其特征在于，所述基于农作物种类及当前土壤含水量，确定所述农作物种类在所述预设时间段内的实际需水量，具体包括：

服务器基于所述农作物种类，接收来自互联网平台的种植数据；并基于所述种植数据，确定所述农作物种类在所述预设时间段内的标准土壤含水量；其中，所述标准土壤含水量与所述当前土壤含水量对应同一土壤深度；

计算所述当前土壤含水量与所述标准土壤含水量之间的第二差值，并基于所述第二差值确定所述农作物种类的实际需水量。

3.根据权利要求1所述的一种基于物联网的灌溉方法，其特征在于，所述方法还包括：

在所述若干个灌溉设备的放水状态对应的总放水量大于蓄水量的情况下，服务器将所述蓄水量平均分配至各个进行放水的所述灌溉设备，并向移动终端发送缺水警报信息。

4.根据权利要求1所述的一种基于物联网的灌溉方法，其特征在于，在确定所述农作物区域内若干个灌溉设备的放水状态之后，所述方法还包括：

服务器基于所述放水状态，控制所述若干个灌溉设备开始工作，并将所述放水状态信息发送至移动终端。

5.一种基于物联网的灌溉设备，其特征在于，所述设备包括：

处理器；

及存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如权利要求1-4任一项所述的一种基于物联网的灌溉方法。