一种基于机器学习的大棚温湿度监测及自适应调节系统

本发明属于智慧农业技术领域；尤其涉及一种基于机器学习的大棚温湿度监测及自适应调节系统。

背景技术：

随着我国大力推广新型农业温室大棚种植技术，温室大棚的数量越来越多；因由于智能温室大棚的成本高且有一定的技术含量等等诸多的因素影响，大多数的温室大棚还是采用的人工的方法来控制温室大棚里的环境条件。即使具有多年经验的大棚种植人员也不能够有效地控制大棚里的各种环境因素。现有技术中，采用人工的方法对大棚进行管理不仅费时费力，有时还由于管理人员的疏忽大意而导致一些不必要的损失出现。所以，如果可以设计一种成本低，易上手，可以广泛使用的自动监测控制装置来监测、预测并控制温室大棚里的环境因素，当系统预测到温湿度将要超过正常数值时，能够发出警报提醒种植户并及时对温湿度进行调整，避免造成不必要的损失。

技术实现要素：

本发明的目的是提供了一种基于机器学习的大棚温湿度监测及自适应调节系统。本发明的初衷就是为了解决这一问题，它可以及时准确地调整温室大棚里的温度、湿度等环境因素，以减少人工操作时带来的诸多不便，减少不必要的损失。

本发明是通过以下技术方案实现的：

本发明涉及一种基于机器学习的大棚温湿度监测及自适应调节系统，包括：温湿度监测模块、无线收发装置、上位机、微处理器单元、报警装置以及温湿度调节装置；

其中，

所述温湿度监测模块，包括：空气温湿度传感器、土壤湿度传感器以及ad转换模块；空气温湿度以及土壤湿度传感器测量出的信号均为模拟信号，ad转换器则将这些模拟信号转换为数字信号，进行下一步的处理；

所述无线收发装置，包括：无线信号发送装置以及无线信号接收装置；所述无线信号发送装置通过can总线与分布在大棚内各测量点相互连接，实现数据的实时传输；所述无线信号接收装置则通过can总线与上位机相连接，实时传输数据给上位机；

所述上位机用于接收到来自无线信号接收端实时传入的数据，将这些数据输入到上位机中温湿度预测模型中进行实时的数据分析预测；

所述微处理器单元通过串口与上位机相连接；当上位机中的预测模型预测出大棚内的温湿度数值将要超出正常范围值时，上位机向微处理单元以及报警装置发送指；微处理器接收到指令后，发送控制指令给温湿度调节模块以及报警装置，启动对应的调节报警机构工作；

所述报警装置，包括：语音报警器以及报警铃；所述报警装置接收到微处理器发出的报警信号，启动语音报警器，实时播报大棚内的环境状况；同时，报警铃响起，及时的提醒种植户大棚内的温湿度有所异常；

所述温湿度调节装置，包括：温度调节装置以及湿度调节装置；温度调节装置包括暖风机、排气风扇、大棚顶部以及侧面的遮光帘和对应的驱动电机；湿度调节装置包括空气除湿器、近地面吹风机以及自动喷淋装置。需要说明的是，温湿度的变化不是一个迅速的过程，温湿度调节的变化需要一定的时间。因此，需要设定温湿度上下限浮动范围。

优选地，所述上位机中温湿度预测模型的建立具体步骤为：

步骤1、收集温室大棚内温湿度的历史数据。

步骤2、对收集到的历史数据进行数据预处理，构建出用于预测温湿度的训练数据集以及测试数据集。

步骤3、通过机器学习算法将训练数据集进行训练，得出预测模型。再用测试数据集对预测模型做测试，输出相应的置信度。

优选地，步骤2中数据预处理主要包括数据清洗以及数据标准化。

优选地，步骤3所述的机器学习算法为线性回归中的岭回归算法。在本申请中，预测的自变量为大棚内的温度和湿度。这两个变量之间存在着较大的共线性，这使得输入数据的矩阵x不是满秩矩阵，在后续求解过程中会出现无法求解问题。岭回归实际是一种改进的最小二乘估计法。

本发明具有以下优点：本发明通过收集大棚历史温湿度数据建立机器学习预测模型，能够及时准确的预测出大棚内温湿度实时变化趋势并对大棚内的环境因素进行适当调节，以减少不必要的损失，有较大的实用价值。

附图说明

图1是本发明基于机器学习的大棚温湿度监测及自适应调节系统的结构图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。应当指出的是，以下的实施实例只是对本发明的进一步说明，但本发明的保护范围并不限于以下实施例。

实施例

本实施例涉及一种基于机器学习的大棚温湿度监测及自适应调节系统，包括：如图1所示：温湿度监测模块、无线收发装置、上位机、微处理器单元、报警装置以及温湿度调节装置。

所述温湿度监测模块将采集到的实时温湿度数据通过发射装置发出，无线接收装置接收到这些数据值并将其传输给上位机，上位机接收到数据值将其输入到已经预先使用机器学习方式训练好的温湿度预测模型中进行实时的分析预测。若预测模型预测到大棚内的温湿度数值将要超过种植户预设的温湿度上下限数值时，上位机发送指令给微处理器单元。微处理器则连接着报警装置以及温湿度调节模块。报警模块接收来自微处理器的报警信号后，触发报警机制，提示大棚种植户。同时，微处理器接收到上位机发送的指令后，发送启动指令用来启动对应的温湿度调节装置进行大棚内的温湿度调节。上位机接收到温湿度监测模块提供的实时监测数据，若大棚内的实时温湿度已经在预设的正常温湿度浮动范围内，上位机发送指令驱使相应的调节模块关闭，从而达到大棚温湿度自适应调节的效果。

所述温湿度监测模块包括空气温湿度传感器、土壤湿度传感器以及ad转换模块。空气温湿度以及土壤湿度传感器测量出的信号均为模拟信号，ad转换器则将这些模拟信号转换为数字信号，进行下一步的处理。

所述无线收发装置包括无线信号发送装置以及无线信号接收装置。其中，所述无线信号发送装置通过can总线通过ad转化器与分布在大棚内各测量点(测量点1、测量点2……测量n)相互连接，实现数据的实时传输；所述的无线信号接收装置则通过can总线与上位机相连接，实时传输数据给上位机。

所述上位机接收到来自无线信号接收端实时传入温湿度数据，将该数据输入到上位机中的温湿度预测模型中进行实时的数据分析预测。其中，所述的温湿度预测模型的建立具体步骤为：

步骤1、收集温室大棚内温湿度的历史数据。

步骤2、对收集到的历史数据进行数据预处理，构建出用于预测温湿度的训练数据集以及测试数据集。

步骤3、通过机器学习算法将训练数据集进行训练，得出预测模型。再用测试数据集对预测模型做测试，输出相应的置信度。

所述的温湿度预测模型，其特征在于，步骤2中数据预处理主要包括数据清洗以及数据标准化。

所述数据清洗主要包括对收集到的历史数据进行缺失值和异常值处理。

其中，对于缺失值的处理主要取决于其所在属性的重要程度以及缺失率而定。若数据的缺失率低并且其属性的重要程度低，采用平均值对缺失值进行填充；若数据的缺失率高(超过90％)且其属性的重要程度低，直接删除该缺失值；若数据的缺失率高且其属性的重要程度高，采用建模法对缺失值进行填充。

所述的建模法指的是，利用数据集中其它数据的属性，通过回归、决策树、随机森林以及贝叶斯等模型对缺失值的数据进行预测，将预测结果用来填充缺失值。

对于异常值处理一般采用三种处理方法：直接删除缺失值、对异常值不做处理、视为缺失值，视为缺失值进行填补。若异常值很少且明显可以观察到的异常值可直接删除；当采用的算法对于异常值不敏感时，可以保留异常值不做处理；其它情况可按照处理缺失值方式进行相应的处理。

所述数据标准化采用min-max法。具体公式为其中，x'表示标准化后的数据，x为原始数据值，min为原始数据中的最小值，max为原始数据中的最大值。

步骤3中，所述机器学习算法为线性回归中的岭回归算法。在本发明中，预测的自变量为大棚内的温度和湿度。这两个变量之间存在着较大的共线性，这使得输入数据的矩阵x不是满秩矩阵，在后续求解过程中会出现无法求解问题。岭回归实际是一种改进的最小二乘估计法。

所述岭回归算法的具体步骤为以下步骤：

步骤1、对于数据集d＝((x⁽¹⁾,y⁽¹⁾)；(x⁽²⁾,y⁽²⁾)；...(x⁽ⁱ⁾,y⁽ⁱ⁾))，其中x⁽ⁱ⁾表示第i个样本点，建立多元线性回归预测模型：

hθ(x⁽ⁱ⁾)＝θ0+θ1x1⁽ⁱ⁾+θ2x2⁽ⁱ⁾+...+θjxj⁽ⁱ⁾(1.1)

其中，hθ(x⁽ⁱ⁾)表示预测值，θj表示模型参数，θ0为模型偏置

式1.1可写为以下向量表达式：

hθ(x⁽ⁱ⁾)＝θ^tx⁽ⁱ⁾(1.2)

步骤2、损失函数的矩阵形式为

其中：表示训练样本数据；

y＝[y⁽¹⁾,y⁽²⁾...y⁽ⁿ⁾]^t表示所有训练样本输出构成的向量；

θ＝[θ0,θ1,...θn]^t为回归系数。

步骤3、求解回归系数θ可以看作求解优化问题：

采用最小二乘法求得其解为：

θ＝(x^tx)^-1x^ty(1.5)

当矩阵x^tx不可逆时，即自变量具有共线性时，θ无解，此时在原来的损失函数加入参数的l2范数的惩罚项，则最优化问题变为：

其中，λ为非负数，λ越大，惩罚项的作用越明显。

对式1.6关于θ求导，令导数为零，得：

θ＝(x^tx+λi)^-1x^ty(1.7)

根据式1.7可以发现，θ是关于λ的函数，当λ非负时，在平面直角坐标系绘制出θ-λ曲线，称为岭迹线。当θ趋于稳定时，所对应的λ值就是要寻找的值。

步骤4、求解到θ值后，代入式1.1可解得对应的预测值hθ(x⁽ⁱ⁾)。

所述微处理器单元通过串口通讯与上位机相连接。当上位机中的预测模型预测出大棚内的温湿度数值将要超出正常范围值时，上位机向微处理单元以及报警装置发送指令。微处理器单元接收到指令后，发送控制指令给温湿度调节模块以及报警装置，启动对应的调节报警机构工作。

所述报警装置包括语音报警器以及报警铃。报警装置接收到微处理器单元发出的报警信号，启动语音报警器，实时播报大棚内的环境状况；同时，报警铃响起，及时的提醒种植户大棚内的温湿度有所异常。

所述温湿度调节装置包括温度调节装置以及湿度调节装置。温度调节装置包括暖风机、排气风扇、大棚顶部以及侧面的遮光帘和对应的驱动电机；湿度调节装置包括空气除湿器、近地面吹风机以及自动喷淋装置。温湿度的变化不是一个迅速的过程，温湿度调节的变化需要一定的时间。因此，需要设定温湿度上下限浮动范围。

所述温度调节装置中的排气风扇以及大棚顶部以及侧面的遮光帘作用是：当预测到大棚内温度将要超过正常水平时，微处理器发送指令给驱动电机，驱动大棚顶部以及侧面遮光帘闭合，避免阳光直射。同时，排气风扇启动，加快大棚内的空气流动。在排气风扇以及遮光帘的共同作用下，达到降温的目的。

所述温度调节装置中的暖风机的作用是：当预测到大棚内温度将要低于正常水平时，微处理器发送指令给驱动电机，驱动暖风机电机工作，达到提升温度的目的。

所述湿度调节装置中的空气除湿器以及近地面吹风机的作用是：当预测到大棚内土壤湿度将要高于正常水平时，微处理器发送指令启动空气除湿器，降低空气的湿度数值。同时，近地面吹风机工作，通过加快近地面空气流速，达到降低土壤湿度的目的。

所述湿度调节装置中的自动喷淋装置的作用是：当预测到大棚内的土壤湿度数值将要低于正常水平时，微处理器发送指令启动自动喷淋装置，以此来加大空气以及土壤中的湿度数值。此外，喷淋装置还可以作为降温装置使用。

所述温度调节装置以及湿度调节装置均通过rs485总线与微处理器单元相互连接。

本发明所涉及的温湿度监测模块将采集到的实时温湿度数据通过发射装置发出，无线接收装置接收到这些数据值并将其传输给上位机，上位机接收到数据值将其输入到已经预先使用机器学习方式训练好的温湿度预测模型中进行实时的分析预测。若预测模型预测到大棚内的温湿度数值将要超过种植户预设的温湿度上下限数值时，上位机发送指令给微处理器单元。微处理器则连接着报警装置以及温湿度调节模块。报警模块接收来自微处理器的报警信号后，触发报警机制，提示大棚种植户。同时，微处理器接收到上位机发送的指令后，发送启动指令用来启动对应的温湿度调节装置进行大棚内的温湿度调节。上位机接收到温湿度监测模块提供的实时监测数据，若大棚内的实时温湿度已经在预设的正常温湿度浮动范围内，上位机发送指令驱使相应的调节模块关闭，从而达到大棚温湿度自适应调节的效果。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质。