一种果实霜冻预防方法及其装置

本发明属于果树种植技术领域，具体涉及一种果实霜冻预防方法及其装置。

背景技术：

随着农业的现代化，霜冻预防系统在生态农业、设施农业等方面得到广泛应用。果农在种植果物过程中通常根据经验来确定预防霜冻的时间，往往造成果实成熟率低的现状，导致果农成本变相增加、收益减少的问题。优化果实霜冻预防模式，确定预防霜冻的最佳的时段，对提高果农科学预防霜冻伤害有重要意义。

现今，关于果实霜冻预防系统的研究很多，但是主要集中在果实的发芽期、花蕾期和开花期的霜冻预防研究上，大多数基于植物的经验模型，监控植物的生长状态，按照经验给出植物不同时段的最低适应温度，对植物进行霜冻伤害的预防。以上研究没有实际分析不同时段植物生长环境的温度变化对果实生长的影响，还不能满足真正植物的霜冻预防需要。随着物联网技术的发展，目前的霜冻预防技术中根据植物的生长状态判断不同时段霜冻预防的温度阈值对植物进行霜冻预防的研究较多，但大多数模型都没有对果实生长信息的监测，并未根据植物生长信息进行霜冻预防调控设置的闭环控制研究，导致植物的果实出现无效生长的状况，从而导致果实产量下降，不能实现经济效益最大化。

技术实现要素：

本发明所要解决的技术问题在于针对上述现有技术的不足，提供一种果实霜冻预防方法及其装置，用于解决现有技术中无法根据植物果实的生长状况和生长环境温度进行适应性的霜冻预防与调控，造成植物果实的结果率低、产量低的问题。

为解决上述技术问题，本发明采用的技术方案是：一种果实霜冻预防方法，其特征在于，包括以下步骤：

s1、获取果实的实时生长期和生长状况参数数据：基于xtion传感器来识别当前果实的生长状态，基于智能传感器获取果实生长环境温度参数数据，结合最佳预防霜冻的生长环境温度参数数据下果实的生长期和生长状况参数数据进行对比分析；所述生长期依次包括发芽期、花蕾期、开花期和结果期；

s2、根据果实的生长环境温度参数对生长期和生长状况参数数据的影响程度，判断果实不同时段对霜冻伤害承受的温度阈值，决策预防霜冻目标方案，通过控制指令对霜冻预防方式进行调控；

s3、基于logistic回归的霜冻预测模型得出生长环境参数预测值，通过生长环境温度预测值和生长环境温度参数标准值得到对比分析，对霜冻预防控制指令结束时间进行选择。

优选地，基于xtion传感器来识别当前果实的生长状态具体包括以下步骤：

s201、植物果实点云获取及三维重建，利用光传感器获取多视角植物果实点云，实现不规则形状特征植物果实的几何模型重构，得到三维可视化模型反应植物果实不同时期的几何形状；

s202、植物叶片点云数据获取及其三维重建：采用xtion作为点云数据采集设备，利用欧几里德聚类分割方法进行叶片分割，使用欧几里德距离判断提取目标叶片点云，采用体素化网格进行采样，并采用贪婪三角方法进行网格化处理，体现叶片原自然生长形态；

s203、植物果实形态参数提取：对已获取的植物果实三维可视化模型利用solidworks等三维相关软件对植物果实不同时期不同特征进行参数提取。

优选地，所述logistic回归的霜冻预测模型为概率型非线性回归模型，利用logistic回归的霜冻预测模型得出生长环境参数预测值具体包括以下步骤：

s301、地表温度数据采集得到数据集和预处理；

s302、将地表温度数据中的第三组取出作为测试集，用于检测样本的预测质量；将地表温度数据中剩余数据样本作为训练集，用于构建logistic回归模型；

s303、使用训练集对logistic回归模型进行训练；

s304、使用完成训练的logistic回归模型预测生长环境的地表温度。

优选地，s301中所述的预处理具体包括以下步骤：

s401、剔除数据集到或者缺失的数据；

s402、使用minmaxscaler将剔除后的数据集内的所有数据归一化，公式为：

z^*＝(z-zmax)/(zmax-zmin)式(1)

其中，z^*表示归一化后的数据，zmax表示数据的最大值，zmin表示数据的最小值。

优选地，使用训练集对logistic回归模型进行训练具体包括以下步骤：

s501、通过式(1)计算地表温度的输出值；

s502、计算每个地表温度的误差项；其中：l(m-l)为训练的样本总数；ti为预测值；yi为真实值；

s503、按照相应的误差项，计算每个的softwords(ti)；

s504、选用基于梯度的优化算法，计算每个softwords(ti)的误差项，并按照反向计算方式，来更新训练的模型参数，最小化网络损失。

一种应用于所述果实霜冻预防方法的霜冻预防装置，其特征在于，包括生长状态参数获取模块、生长环境温度获取模块和环境温度调控模块；

所述生长状态参数获取模块为xtion传感器；

所述生长环境温度获取模块为智能传感器，用于检测地表温度参数；

所述环境温度调控模块包括主控箱、风力涡旋机和暖风机，所述主控制箱电连接风力涡旋机和暖风机；所述风力涡旋机和暖风机通过支架安装，所述支架为矩形框架结构，所述支架包括竖梁和横梁，四根等高竖梁之间固定设置横梁，所述横梁固定安装有滑动平台，所述风力涡旋机和暖风机通过滑轮滑动安装在滑动平台上。一个风力涡旋机和暖风机为一组，两组风力涡旋机和暖风机分别位于滑动平台的对角端。由于果实霜冻基本是平流霜冻，在出现霜冻后生长环境温度出现逆流，上层温度高，下层温度低；通过风力涡旋机将下层低温吹至上层，从而达到温度调控作用，同时风力涡旋机将暖风机吹出的暖风吹散混合在空气中提高升温效果。为了提高地表层温度，及时对果园进行霜冻保护措施，故将两个风力涡旋机分别安装在距离地表30cm到50cm的高度和距离地表350cm到400cm的高度，有利于快速提高环境温度。

优选地，所述主控箱内设置有处理器和与处理器连接的存储器，处理器的控制信号输出端与所述风力涡旋机和暖风机连接，所述处理器的信号输入端与所述xtion传感器和智能传感器连接。

植物果实在不同的生长状况下表现的特征不同，而不同的特征可以反映果实在不同生长状态下的耐寒能力，所以在确定果实的生长状况后，选择该状况下果实的耐寒能力和实时监控的生长环境温度进行对比，判断出果实是否处于果实霜冻的临界值，当即将处于霜冻的临界状态时，对霜冻状态进一步分析，根据分析结果打开风力涡旋机，通过调整空气温度，实现果实的霜冻伤害预防。通过历史获取的生长环境温度参数与当前生长环境的实时监测获取的生长环境温度参数，对环境温度参数进行与预测，根据预测值和已经获取到环境温度的最佳生长状况下的环境温度参数基准值进行比较，当预测值与基准值一致时，关闭风力涡旋机，停止吹风，结束霜冻预防操作。

本发明与现有技术相比具有以下优点：

1、本发明通过检测果实生长期特征，结合生长环境的温度数据变化，实时了解植物对温度的要求，辅助进行环境温度优化调控，一定程度上完善了霜冻预防模型的时滞性，有效提高开花率和结果率，解决了果农难以掌握的问题，提高了果农的果实产量，节约人力。

2、本发明设计科学合理，调温防冻效果好，成本低廉，智能化程度高，使用维护方便，可推广使用。

下面结合附图和实施例对本发明作进一步详细说明。

附图说明

图1是本发明中果实霜冻预防方法的整体操作流程图。

图2是本发明中基于xtion传感器来识别当前果实的生长状态的方法流程图。

图3是本发明中环境温度调控模块的安装结构示意图。

附图标记说明：

601—下层横梁；602—下层竖梁；603—滑轨；

604—滑轮；605—风力涡旋机；606—暖风机；

607—支架。608—上层横梁；609—上层竖梁；

具体实施方式

如图1所示，本发明包括一种果实霜冻预防方法，其特征在于，包括以下步骤：

s1、获取果实的实时生长期和生长状况参数数据：基于xtion传感器来识别当前果实的生长状态，基于智能传感器获取果实生长环境温度参数数据，结合最佳预防霜冻的生长环境温度参数数据下果实的生长期和生长状况参数数据进行对比分析；所述生长期依次包括发芽期、花蕾期、开花期和结果期；

s2、根据果实的生长环境温度参数对生长期和生长状况参数数据的影响程度，判断果实不同时段对霜冻伤害承受的温度阈值，决策预防霜冻目标方案，通过控制指令对霜冻预防方式进行调控；

s3、基于logistic回归的霜冻预测模型得出生长环境参数预测值，通过生长环境温度预测值和生长环境温度参数标准值得到对比分析，对霜冻预防控制指令结束时间进行选择。

如图2所示，本实施例中，基于xtion传感器来识别当前果实的生长状态具体包括以下步骤：

s201、植物果实点云获取及三维重建，利用光传感器获取多视角植物果实点云，实现不规则形状特征植物果实的几何模型重构，得到三维可视化模型反应植物果实不同时期的几何形状；

s202、植物叶片点云数据获取及其三维重建：采用xtion作为点云数据采集设备，利用欧几里德聚类分割方法进行叶片分割，使用欧几里德距离判断提取目标叶片点云，采用体素化网格进行采样，并采用贪婪三角方法进行网格化处理，体现叶片原自然生长形态；

s203、植物果实形态参数提取：对已获取的植物果实三维可视化模型利用solidworks等三维相关软件对植物果实不同时期不同特征进行参数提取。

本实施例中，所述logistic回归的霜冻预测模型为概率型非线性回归模型，利用logistic回归的霜冻预测模型得出生长环境参数预测值具体包括以下步骤：

s301、地表温度数据采集得到数据集和预处理；

s302、将地表温度数据中的第三组取出作为测试集，用于检测样本的预测质量；将地表温度数据中剩余数据样本作为训练集，用于构建logistic回归模型；

s303、使用训练集对logistic回归模型进行训练；

s304、使用完成训练的logistic回归模型预测生长环境的地表温度。

本实施例中，s301中所述的预处理具体包括以下步骤：

s401、剔除数据集到或者缺失的数据；

s402、使用minmaxscaler将剔除后的数据集内的所有数据归一化，公式为：

z^*＝(z-zmax)/(zmax-zmin)式(1)

其中，z^*表示归一化后的数据，zmax表示数据的最大值，zmin表示数据的最小值。

本实施例中，使用训练集对logistic回归模型进行训练具体包括以下步骤：

s501、通过式(1)计算地表温度的输出值；

s502、计算每个地表温度的误差项；其中：l(m-l)为训练的样本总数；ti为预测值；yi为真实值；

s503、按照相应的误差项，计算每个的softwords(ti)；

s504、选用基于梯度的优化算法，计算每个softwords(ti)的误差项，并按照反向计算方式，来更新训练的模型参数，最小化网络损失。

一种应用于所述果实霜冻预防方法的霜冻预防装置，其特征在于，包括生长状态参数获取模块、生长环境温度获取模块和环境温度调控模块；

所述生长状态参数获取模块为xtion传感器；

所述生长环境温度获取模块为智能传感器，用于检测地表温度参数；

如图3所示，所述环境温度调控模块包括主控箱、风力涡旋机和暖风机，所述主控制箱电连接风力涡旋机和暖风机；所述风力涡旋机和暖风机通过支架安装，所述支架为矩形框架结构，所述支架607包括竖梁602和横梁601，四根等高竖梁602之间固定设置横梁601，所述横梁601固定安装有矩形连通滑轨603，矩形连通滑轨603构成滑动平台，所述风力涡旋机605和暖风机606通过滑轮604滑动安装在滑轨603上，滑轮603由电力驱动通过主控箱控制。一个风力涡旋机605和暖风机606为一组，两组风力涡旋机605和暖风机606分别位于滑动平台的上下两层最远对角端。由于果实霜冻基本是平流霜冻，在出现霜冻后生长环境温度出现逆流，上层温度高，下层温度低；通过风力涡旋机605将下层低温吹至上层，同时将暖风机606的暖风吹散从而达到温度调控作用。支架607下层的风力涡旋机605安装在下层横梁601上，距离地面30cm到50cm之间的高度，支架607上层的风力涡旋机605安装在上层横梁608上，距离地面高度为350cm到400cm的高度，两组处于空间上的对角的位置，实现高效的对流控温效果；智能传感器为温度传感器，由于环境中的温度会随着季节变化而变化，需要随时对变化的温度进行实时监测，并且要求温度传感器的的灵敏度系数较高，故选择c8051f片内温度传感器，该型号的温度传感器测量精度高、价格低廉、使用方便。

本实施例中，所述主控箱内设置有处理器和与处理器连接的存储器，处理器的控制信号输出端与所述风力涡旋机605和暖风机606连接，所述处理器的信号输入端与所述xtion传感器和智能传感器连接。

本实施例中，当所述风力涡旋机605和暖风机606收到主控制箱的调控指令时，在风力涡旋机605和暖风机606移动过程中风力涡旋机606将暖风机606释放出的暖风吹到果树下层，同时，可以对种植区域进行分块，为每一个块区设置一个预设位置。

总体来讲，本发明通过获取果实的生长状态来判断果实霜冻预防的临界通过果实生长环境温度调控模块，决策出相应的霜冻预防方案，发出控制指令打开风力涡旋机605和暖风机606，结合果实生长环境预测判断是否达到霜冻预防的临界要求，进而控制果实生长环境温度控制模块的电磁阀开关，以此实现对果实霜冻预防控制，提高了果实的开花率和结果率。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制。凡是根据发明技术实质对以上实施例所作的任何简单修改、变更以及等效变化，均仍属于本发明技术方案的保护范围内。