[发明专利]一种智慧社区的自动浇水方法及系统

权利要求书

1.一种智慧社区的自动浇水方法，其特征在于，应用于智慧社区的自动浇水系统，所述系统包括至少一个传感器节点、控制器和至少一个浇水组件，传感器节点与浇水组件一一对应，所述至少一个传感器节点与控制器无线通信，控制器通过有线或无线控制所述至少一个浇水组件；所述自动浇水方法包括：

控制器从每个传感器节点获取土壤湿度信息，其中每个传感器节点周期性对土壤进行采样，并将采样的土壤湿度信息发送给控制器；

控制器从所述至少一个传感器节点中确定目标传感器节点，所述目标传感器节点为采集的土壤湿度信息小于阈值的传感器节点；

控制器获取未来一段时间内的第一天气预报数据，根据第一天气预报数据预测未来一段时间内的降雨量；

控制器根据预测的降雨量确定浇水量；

控制器发送包括浇水量的启动信号给目标浇水组件，以控制目标浇水组件以所述浇水量对目标浇水组件所在区域的植物进行浇水，其中，所述目标浇水组件为与目标传感器节点对应的浇水组件。

2.根据权利要求1所述的智慧社区的自动浇水方法，其特征在于，每个传感器节点均包括湿度传感器，通过所述湿度传感器周期性对土壤进行采样。

3.根据权利要求1所述的智慧社区的自动浇水方法，其特征在于，所述根据第一天气预报数据预测未来一段时间内的降雨量包括：

从所述第一天气预报数据中提取第一天气数据特征；

根据所述第一天气数据特征确定降雨类型；

根据所述降雨类型选取对应的降雨量预测模型，其中不同的降雨类型对应不同的降雨量预测模型；

将所述第一天气数据特征作为输入数据，输入到所述对应的降雨量预测模型得到预测的未来一段时间内的降雨量。

4.根据权利要求3所述的智慧社区的自动浇水方法，其特征在于，各个降雨量预测模型由以下步骤获取：

收集过去一段时间的降雨数据，降雨数据包括第二天气预报数据和实际降雨量；

从第二天气预报数据中提取第二天气数据特征；

将第二天气数据特征输入到K-means聚类模型，对降雨类型进行聚类，得到聚类结果；

根据聚类结果，将第二天气数据特征分为不同降雨类型的天气数据特征；

为不同降雨类型分别构建深度学习网络模型，将实际降雨量设置为第二天气数据特征的标签，将各个降雨类型的带有标签的第二天气数据特征输入对应的深度学习网络模型，通过反向传播算法对深度学习网络模型进行训练，得到各个训练好的降雨量预测模型。

5.根据权利要求3所述的智慧社区的自动浇水方法，其特征在于，所述天气数据特征包括：天气现象、温度、降雨概率、降雨量、气压和相对湿度。

6.根据权利要求1所述的智慧社区的自动浇水方法，其特征在于，所述控制器根据预测的降雨量确定浇水量；

控制器根据预测的降雨量确定降雨等级；

控制器根据降雨等级与浇水量对应表确定浇水量。

7.一种智慧社区的自动浇水系统，其特征在于，包括至少传感器节点、控制器和至少浇水组件，传感器节点与浇水组件一一对应，所述至少一个传感器节点与控制器无线通信，控制器通过有线或无线控制所述至少一个浇水组件；

每个传感器节点，用于周期性对土壤进行采样，并将采样的土壤湿度信息发送给控制器；

控制器，用于从所述至少一个传感器节点中确定目标传感器节点，所述目标传感器节点为采集的土壤湿度信息小于阈值的传感器节点，及获取未来一段时间内的天气预报数据，根据天气预报数据预测未来一段时间内的降雨量，根据预测的降雨量确定浇水量，发送启动信号给目标浇水组件，其中，所述启动信号包括所述浇水量，所述目标浇水组件为与目标传感器节点对应的浇水组件；

浇水组件，用于接收到所述启动信号时，以所述浇水量对其所在区域的植物进行浇水。

8.根据权利要求7所述的智慧社区的自动浇水系统，其特征在于，每个传感器节点均包括湿度传感器，通过所述湿度传感器周期性对土壤进行采样。