基于Open-L系统及递归表示的虚拟植物模型

构建符合植物学规律的虚拟植物模型是动态模拟植物生长发育的基础.为增强Open-L系统功能及克服其应用时的繁琐与不足,建立了植物与其生长环境的信息交互模型,并采用Open-L系统的递归表示来构建虚拟植物模型.通过实例验证表明,该模型能有效地模拟植物受外部环境作用下的生长过程.     

温室植物生长数字化模型构建技术

根据试验观测值提取植物生长特征信息,以累积生长度日为参数构造植物的形态发生模型,采用信息映射与归一化方法对信息进行重构,建立植物生长数字化模型.通过实例验证表明,该方法实现了植物生长受外部环境作用下的动态模拟,为实时掌握与合理决策植物适宜的生长条件提供依据.     

基于信息融合的温室CO_2调控量决策方法

提出一种以利润最大化为目标的温室CO2调控量决策方法.以生菜为研究对象,运用神经网络建立非线性的植物生长速率预测模型,采用多项式函数拟合得到植物市场价格规律模型,并考虑CO2施肥的成本,寻求最优CO2体积比的调控量.以生菜生长过程中的实验数据和2004～2006年凌家塘批发市场提供的生菜价格季节性变化规律为依据,结合实际情况建立预测模型并实现了多信息的融合,为温室测控系统CO2调控量的决策提供了依据.     

基于信息融合的温室CO2调控量决策方

提出一种以利润最大化为目标的温室CO2调控量决策方法。以生菜为研究对象，运用神经网络建立非线性的植物生长速率预测模型，采用多项式函数拟合得到植物市场价格规律模型，并考虑CO2施肥的成本，寻求最优CO2体积比的调控量。以生菜生长过程中的实验数据和2004～2006年凌家塘批发市场提供的生菜价格季节性变化规律为依据，结合实际情况建立预测模型并实现了多信息的融合，为温室测控系统CO2调控量的决策提供了依据。     

基于时控L系统的虚拟植物生长三维结构模型

表现出植物生长过程的连续性,有效地描述植物根与冠两者间在生长速度上的关系,对虚拟植物生长模型研究有重要意义.为此,用时控L系统来描述植物的拓扑结构以及生长连续性的条件,依据异速生长模型和植物生长函数描述植物根与冠的生长关系,构建了基于时控L系统的虚拟植物生长三维结构模型.同时,通过对PlantVR平台的植物生长构建规则进行改进,实现了该模型在此平台上的仿真.仿真实验表明:该模型能够清晰地表现植物生长过程的连续性,有效地描述植物根与冠两者间在生长速度上的关系,并对植物生长可视化有一定的借鉴意义.     

基于BP神经网络算法的温室番茄CO2增施策略优化

CO2浓度是植物光合作用的主要原料之一,确定植株生长阶段的最适CO2浓度需求量,对日光温室内CO2浓度调控具有重要意义。以开花期番茄植株为研究对象,将定植后的番茄分为4个CO2浓度梯度处理组,其中,C1、C2、C3处理组CO2增施摩尔比分别为(700±50)、(1 000±50)、(1 300±50)μmol/mol,CK处理组为温室内自然状态下CO2摩尔比(约450μmol/mol)。实验利用无线传感器网络节点实时监测温室环境因子,包括空气温湿度、光照强度和CO2浓度;利用LI-6400XT型便携式光合速率仪进行光合日动态和环境因子交互影响实验测定。光合日动态组间差异性研究表明,对开花期番茄增施1 000~1 300μmol/mol的CO2时,可使番茄单叶净光合速率提高约37.13%~40.42%。以环境因子为输入参数,建立基于BP神经网络的光合速率预测模型,用于不同CO2浓度梯度下的光合日动态预测。结果表明,模型训练集和测试集的相关系数分别为0.98和0.93,预测精度较高;C1、C2、C3和CK处理组的日动态预测相关系数分别为0.96、0.94、0.78和0.96,与实测结果吻合度较高且相对误差较小,因此该模型可以为可变环境下的番茄光合日变化动态预测提供依据。     

基于机器视觉的大田植株生长动态三维定量化研究

高通量植物三维表型的研究对判定植株表型特征至关重要。基于机器视觉的植株三维表型获取方法在温室中已广泛应用,能够动态监测植株生长过程,但在大田复杂环境中应用较少。以大田生长的玉米、大豆植株为研究对象,基于机器视觉分析方法对不同生长时期玉米、大豆植株进行个体和群体的三维重建,并基于手动测量值对叶长、叶最大宽进行精度评估。研究结果表明,叶长、叶最大宽的计算值与手动测量值的R2均大于0.97,精度较高,表明大田环境下此方法可以满足作物表型三维构建参数提取的精度要求,但是当冠层遮挡较严重时,三维重建精度将明显下降。进一步自动提取了株高、冠幅和器官生长动态,结果可为与基因型相关的表型高通量分析提供方法,并可进行株型与冠层辐射的精确评价。     

虚拟植物系统模型耦合构建技术

在构建植物生长模型时考虑其形态结构与生理功能交互关系,建立了虚拟植物模拟模型,并基于图形技术建立了植物形态的可视化模型.通过模型耦合构建出虚拟植物系统.基于芦苇生长过程进行了模拟检验,结果表明本系统对植物生长发育具有较好的预测性和可行性.     

基于光照的温室加热系统模糊PID控制

为了给冬季作物提供适宜的生长环境,综合考虑自然光和节能因素,提出了一种基于光照的温室加热系统模糊PID控制方法。首先,根据温室的光照强度和天气预报信息,建立温室内温度的设定模型;然后,结合常规PID控制算法简单、鲁棒性好及可靠性的优点,采用模糊控制思想对PID控制参数进行调整,使控制系统可以依据不同的偏差相应地调整;最后,使用Mat Lab中Simulink对控制算法进行了仿真试验。结果表明:该控制方法稳定性高、动态响应好、抗干扰能力强,为提高温室生产的经济效益提供了理论依据。     

辣椒生长的三维可视化模拟

以辣椒动态生长过程虚拟为目标,在测定辣椒植物器官形态结构主要特征的基础上,用NURBS曲面建模方法建立辣椒叶、基于椭球变形的建模方法建立辣椒果实等器官的模型,提出以子结构为单位来生成植物结构的生长过程动态虚拟方法,用VC++结合OpenGL重构了辣椒器官和个体三维形态,实现了具有较好真实感的辣椒生长过程可视化模拟.     

温室环境控制方法研究进展分析与展望

温室环境优化调控方法和技术能有效改善温室作物的生产条件,提高光能资源的利用效率,从而实现温室作物的高产、高效、优质生产。为了充分利用国内外的研究成果,促进我国在该领域的研究与应用,从基于设定值、智能算法、多目标优化、多因子耦合和基于作物生长信息的环境控制方法等5方面,综述了温室环境控制方法的国内外研究进展。针对我国该领域的研究现状和存在的问题,提出今后应解决光/温/营养耦合高效控制机理、植物表型高通量检测方法等重大科学问题,突破信息感知、物联网、智慧管控等关键技术,形成具有中国特色的温室智能化测控技术体系。     

基于PID算法的温室环境控制系统设计

随着现代计算机信息技术和自动化控制技术在农业领域的快速发展，温室的结构档次正不断提高，加之农作物对外部环境的依赖性强，搭建一种适合农作物生长的温室环境控制系统，已成为农业种植者的迫切需求。该文针对温室环境信息智能化管理需求，通过调控农作物的环境因素，创造出适宜农作物生长的环境，从而达到农作物反季节生产和提高产量的目的。为了进一步提高温室智能控制的精准度以及提高农作物生产效率，基于PID控制算法，设计了一套典型的、符合我国农情的温室环境控制系统。该系统将在调节温室环境参数和改善作物生长环境方面发挥重要作用。      

作物生长和环境信息多传感检测系统设计

研发了适用于温室高架栽培作物的轨道式移动检测方法,设计了移动检测平台,可搭载作物生长和环境信息多传感检测装置,可实现对高架作物的茎、果、叶长势和冠气温差等生长信息,以及环境温湿度、光照强度等气象环境因子的检测。为了适应温室路面环境,提高行走的稳定性,移动检测平台采用轨道式机构设计,可利用温室加热管道为轨道。移动检测平台采用高举升降机构,结合5个自由度机械臂系统,能准确地将检测设备置于目标高度和预定位姿,实现对不同株型不同生长期温室高架栽培作物长势和环境信息的检测。     

基于SSA-LSTM的日光温室环境预测模型研究

构建日光温室环境预测模型,准确预测温室环境变化有助于精准调控作物生长环境,促进果蔬生长。而温室小气候环境数据多参数并存、耦合关系复杂,且具有时序性和非线性,难以建立准确的预测模型。针对以上问题,提出一种基于麻雀搜索算法(SSA)优化的长短期记忆网络(LSTM)温室环境预测模型,实现了温室环境数据的精准预测。实验结果表明,采用SSA自动进行参数选优的方式,解决了LSTM模型参数手动选择的难题,大幅缩短模型训练时间,且最优的网络参数能够发挥模型的最佳性能。对日光温室内空气温湿度、土壤温湿度、CO₂浓度和光照强度6种环境参数进行预测,SSA-LSTM平均拟合指数高达97.6%,相比BP、门控循环单元(GRU)、LSTM,其预测拟合指数分别提升8.1、4.1、4.3个百分点,预测精度明显提升。     

基于作物生长模型的温室智能控制系统

在对国内外温室智能控制系统进行调查分析的基础上,针对高档温室自动控制的需要,探索性地将温室作物生长模型引入到温室智能控制系统结构中,开发了基于作物生长模型的温室智能控制系统.该系统基于温室作物生长模型理论,对温室内外环境因子进行实时监测和智能化决策调节,为温室内作物生长创造最优化的生长条件.该系统功能强大,软硬件全中文界面,操作简便,运行可靠.     

作物行识别算法的虚拟试验方法

针对作物行识别算法的传统开发过程对田间作物生长周期依赖性较强,错过适当的田间图像采集时期将直接导致算法开发周期延长等问题,提出一种基于虚拟场景的作物行识别算法测试方法,即在虚拟环境下模拟农田作物行场景和图像采集系统,运用虚拟作物行图像测试作物行的识别算法。该方法在虚拟现实环境下建立作物行场景模型;提出一种融合建模法,根据作物和杂草的几何特征建立对应的三维几何模型;根据实际田间作物的空间分布特征,建立株距、行距可调的田间作物行模型;以Vega Prime为视景仿真工具,通过配置投影模式、渲染模式、视点位姿和图像采集规格,构建图像采集系统,输出作物行场景图像。以苗期棉花作物行为建模对象,对一种经过田间试验验证的双目视觉作物行识别算法进行测试试验。对比实际棉田图像对应的试验结果,同一作物行识别算法的识别正确率、偏差角和图像处理时间均相近。结果表明,本文建立的虚拟棉田作物行与实际棉田作物行场景相近,能够用于作物行识别算法的测试。     

无线传感器网络在温室农业监测中的应用

针对传统温室农业数据采集系统存在的问题, 提出了一种使用无线传感器网络技术组建农业温室监控系统的设计方案,实现了作物生长环境的无线监控,解决了传统温室农业布线的繁琐性和局限性,为提高温室环境信息管理自动化程度和设施农业种植决策提供依据, 顺应传感器的无线化与网络化的趋势.