[发明专利]智慧农业生产系统智能闭环控制方法

权利要求书

1.一种智慧农业生产系统智能闭环控制方法，其特征在于，包括以下步骤：

步骤1：采集种植区内各类监测设备的监测数据、各类生产设备的生产数据和农作物的生长态势数据，并根据采集时间和采集地理位置对监测数据、生产数据和生长态势数据进行汇总，得到具有时间属性和位置属性的数据矢量集合；

步骤2：利用数据矢量集合中数据矢量的地理位置属性，分别计算出各类监测设备的监测覆盖范围、各类生产设备的生产覆盖范围及生长态势数据的采样覆盖范围，并将计算出的覆盖范围属性对应补充到数据矢量集合中；

步骤3：分别以每类生产设备的生产覆盖范围为目标区域，在数据矢量集合中提取监测覆盖范围与目标区域相交部分所对应的监测数据和采样覆盖范围与目标区域相交部分所对应的生长态势数据，然后结合该类生产设备的生产数据形成区域化数据子集；

步骤4：根据区域化数据子集，建立农作物生长闭环控制模型，然后依据区域化数据子集内的历史及实时数据，在当前生长态势数据最优的前提下，求解出当前最优的生产数据，实现智慧农业生产系统的智能闭环控制；

步骤1中，监测设备包括环境监测设备、土壤监测设备和虫情监测设备；生产设备包括灌溉设备、农药喷洒设备、灭虫设备和施肥设备；农作物的生长态势数据包括植物株高、叶面积和果实数；

步骤2中，对于各类监测设备和各类生产设备，基于构建泰森多边形确定每类设备的覆盖范围，其确定方法为：

S1：根据设备在种植区内的位置，在电子地图上描绘出该类设备的分布离散点；

S2：根据离散点自动构建Delaunay三角网，离散点位于三角形的顶点；

S3：为所有三角形编号，并记录每个离散点相邻的所有三角形的编号；

S4：对与每个离散点相邻的三角形按顺时针方向排序，并计算每个三角形的外接圆圆心；

S5：按照上述排序的顺序依次连接外接圆圆心，连接完成后得到该离散点的泰森多边形，该泰森多边形即为该离散点所对应设备的覆盖范围；

步骤3中，区域化数据子集的形成方法为：分别以每类生产设备的生产覆盖范围为目标区域，遍历各类监测设备的监测覆盖范围和采样覆盖范围，当有监测覆盖范围与目标区域相交时，在数据矢量集合中提取相交部分所对应的监测数据；当有采样覆盖范围与目标区域相交时，在数据矢量集合中提取相交部分所对应的生长态势数据；然后将提取的监测数据和生长态势数据与该类生产设备的生产数据相结合形成区域化数据子集；

步骤1中，设定采集的监测数据为Dm_i，则在数据矢量集合中，每一监测数据Dm的数据矢量为Dm＝{w,{T,Data}}；其中，i表示不同种类的监测设备，w为监测设备的位置矢量，{T,Data}为监测设备的数据矢量，T为数据采集时间，Data为在T时刻采集的数据；

设定采集的生产数据为Df_j，则在数据矢量集合中，每一生产数据Df的数据矢量为Df＝{w,{T,Data}}；其中，j表示不同种类的生产设备，w为生产设备的位置矢量，{T,Data}为生产设备的数据矢量，T为数据采集时间，Data为在T时刻采集的数据；

设定采集的生长态势数据为Dg_k，则在数据矢量集合中，每一生长态势数据Dg的数据矢量为Dg＝{w,{T,Data}}；其中，k表示各种生长态势数据种类，w为生长态势的采样点位置矢量，{T,Data}为生长态势的数据矢量，T为数据采集时间，Data为在T时刻采集的数据；

步骤2中，将计算出的覆盖范围属性对应补充到数据矢量集合中后，得到如下具有覆盖范围属性数据矢量集合：

对于生产数据，Df_j＝{w,CR_f，{T,Data}}

对于监测数据，Dm_i＝{w,CR_m，{T,Data}}

对于生长态势数据，Dg_k＝{w,CR_g，{T,Data}}

其中，对于生产数据，CR_f为生产设备的生产覆盖区域；对于监测数据，CR_m为监测设备的监测覆盖区域；对于生长态势数据，CR_g为生长态势数据的采样覆盖范围；

步骤3中，针对其中一类生产设备产生的生产数据Df，以该类生产设备的覆盖范围CR_f为目标区域，设定与该目标区域内相交部分所对应的监测数据和生长态势数据分别为Dm、Dg，则形成的区域化数据子集为{Df、Dm、Dg}；

步骤4中，按照区域化数据子集为{Df、Dm、Dg}，建立农作物生长闭环控制模型为：

步骤4中，农作物生长闭环控制模型的求解方法为：

先采用多项式回归方法，利用区域化数据子集{Df、Dm、Dg}内的历史数据，求解出Dg＝f(Dm,Df)的关系函数；再通过高斯-牛顿法求解非线性方程的方法，并利用区域化数据子集{Df、Dm、Dg}内的实时数据，求解出在当前生长态势数据Dg最优前提下当前最优的生产数据Df；

在方程Dg＝f(Dm,Df)中，采用多项式来近似函数f，即其中，a_r为多项式系数，N为多项式最大指数，进而利用历史数据，求解出多项式系数，计算出生长态势数据Dg、监测数据Dm、生产数据Df的函数关系；

为求解多元多项式拟合回归，将上述方程进行处理为其中x_r＝Dm^N-rDf^r，由于监测数据Dm和生产数据Df为历史采集的数据，从而可由监测数据Dm和生产数据Df计算出x_r；因此，转换为线性回归问题，根据采集的Dg和Dm、Df历史数据，利用最小二乘法方法，可求解出多项式系数a_r，从而求解出函数关系式

对于计算生成的关系式针对生产数据Df进行求导，并根据导数为0，且生长态势数据Dg取最大值时，建立方程F(Dm,Df)＝0；针对当前采集的监测数据Dm₀，代入方程，即为F(Dm₀,Df)＝0，其中Df为待求解的变量；利用高斯-牛顿法进行非线性方程F(Dm₀,Df)＝0求解，计算得到此时的Df₀，从而求解出在生长态势数据Dg取最大值条件下，当监测数据为Dm₀时的生产数据Df₀。