欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020105522817
申请人: 浙大城市学院
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2025-12-24
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种智能植物工厂环境下名优花卉及药用植物栽培工厂监控系统,其特征在于,包括:植物工厂数据采集模块、雾采集模块、云存储模块和监视系统可视化模块;所述植物工厂数据采集模块通过WiFi或蓝牙连接雾采集模块进行数据传输,所述雾采集模块上传数据至云存储模块,所述监视系统可视化模块从云存储模块读取数据。

2.根据权利要求1所述智能植物工厂环境下名优花卉及药用植物栽培工厂监控系统,其特征在于:所述植物工厂数据采集模块内设有传感器,所述传感器包括温度传感器、二氧化碳传感器和湿度传感器;所述雾采集模块用于进行数据规模估计、自适应采样和自适应滤波;所述云存储模块用于将数据上传云端和数据本地备份;所述监视系统可视化模块用于进行环境数据可视化、植物生长可视化和营养液状况可视化。

3.一种如权利要求1所述智能植物工厂环境下名优花卉及药用植物栽培工厂监控系统的雾计算监控技术,其特征在于,包括如下步骤:步骤1、搭建传感网络,对植物工厂进行区域划分,为每个本地雾计算设备划分监控区域,植物工厂数据采集模块在每个区域部署若干本地设备进行传感数据的采集;将采集的传感数据上传至雾采集模块;

步骤2、每台本地设备采集到传感数据之后,在本地通过轻量级的数据规模估计模型估计后续的数据规模来调整转发量,同时通过本地的自适应采样模型和自适应滤波模型对传感数据进行处理,最后通过转发设备按调整后的转发量向云服务器转发处理后的传感数据;

步骤2.1、依据传感数据规模通过概率指数加权移动平均值模型和趋势检测估计后续数据规模,在线更新概率指数加权移动平均值模型并量调整数据转发量:在本地设备上部署轻量级的数据规模估计模型,利用特定环境监测设备过去一段时间的监测数据来预测其未来时刻的监测数据;将两个连续数据点vi和vi-1值之间的距离δi定义如下所示:δi=|vi-vi-1|

用距离δi更新传感数据流ρ(M)本地参考运行时间的变化,通过移动平均来计算当前传感数据流变化,表示为μi,将接下来的两个数据点的距离记为δi+1;使用概率指数加权移动平均值模型进行监测传感数据的近似预测,引入加权因子(0<α<1)按指数变化模式降低传感数据的权重,如下式所示:上式中,用δ1来初始化u1;

步骤2.2、在本地设备上部署面向植物工厂精细化栽培监控的自适应采样模型,并依据传感数据规模计算置信度,与用户定义的不精确度对比后,调整采样周期并对传感数据采样;

步骤2.3、在本地设备上部署面向植物工厂精细化栽培监控的自适应滤波模型,对经过采样的传感数据进行滤波:将滤波范围表示为R,如果值vi∈[vi-1-R,vi-1+R],则过滤vi的当前数据点di;并根据Fano因子根据监测传感数据流变化动态调整滤波范围R,根据滤波结果调整采样周期;

步骤2.4、在本地设备上部署面向植物工厂精细化栽培监控的自适应转发模型,对经过采样或滤波的数据按数据规模估计模型估计得到的转发量进行转发,将数据传输至云服务器;

步骤3、云服务器接收并解析由本地设备转发的传感数据,将不同类型的传感数据保存至本地数据库,同时在设备上通过可视化图表显示植物生长状况数据或植物生长环境数据,向管理人员提供实时数据监控。

4.根据权利要求3所述智能植物工厂环境下名优花卉及药用植物栽培工厂监控系统的雾计算监控技术,其特征在于:所述步骤1中本地设备包括传感器。

5.根据权利要求3所述智能植物工厂环境下名优花卉及药用植物栽培工厂监控系统的雾计算监控技术,其特征在于,所述步骤2.1具体包括以下步骤:步骤2.1.1、基于传感器数据利用概率指数加权方法计算后续的数据量变化:使用加权因子来适应数据突然的瞬态变化产生的影响:上式中,u1为当前传感数据流变化,δi为两个连续数据点vi和vi-1值之间的距离; 为加权因子, Pi为第i次迭代的权重; 值是当前δi的概率;β是Pi的权重;α为加权因子,0<α<1;将权重更新为1-βPi;

步骤2.1.2、使用Holt提出的模型来估算传感数据流变化中的单调增长或单调衰减:

上式中,xi为当前传感数据流;u1为当前传感数据流变化;δi为两个连续数据点vi和vi-1值之间的距离;ξ是[0,1]范围内的平滑权重;将i的初值取2;

步骤2.1.3、根据上述计算结果在每个本地设备部署数据规模估计模型,根据传感数据流对后续传感数据规模进行估计,在线更新概率指数加权移动平均值模型并调整数据转发量。

6.根据权利要求3所述智能植物工厂环境下名优花卉及药用植物栽培工厂监控系统的雾计算监控技术,其特征在于,所述步骤2.2具体包括如下步骤:步骤2.2.1、根据当前采样周期Ti监测下一个数据点的估计采样周期Ti+1:如果负载减小则增加下一个数据点的估计采样周期Ti+1,如果负载增加则减小下一个数据点估计采样周期Ti+1;所述下一个数据点估计采样周期Ti+1增加或减小的幅度取决于置信度ci,当传感数据流置信度ci较大时,自适应采样模型采用更大的采样周期;

步骤2.2.2、在更新数据规模估计模型和计算传感数据流置信度ci后,将其与用户定义的不精确度γ进行比较,γ∈[0,1];同时计算新的采样周期Ti+1:上式中,λ为权重系数,ci为置信度;γ为不精确度,如果γ→0,上式将收敛到周期性采样方法;如果γ→1,将每个采样间隔进行调整;如果数据规模估计模型在某个置信区间内无法提供估计,则自适应采样模型将在下一个数据估计点di+1回滚到默认采样周期Tmin。

7.根据权利要求3所述智能植物工厂环境下名优花卉及药用植物栽培工厂监控系统的雾计算监控技术,其特征在于,所述步骤2.3具体包括如下步骤:步骤2.3.1、在一段时间窗口上进行计算Fano因子:

上式中,σ2为方差,μ为均值,σi和μi都由数据规模估计模型提供的变化概率P加权计算得到;所述Fano因子表示为W,作为方差σ2与均值μ的比率;

步骤2.3.2、计算完Fi后,将错误方差σerr与用户提供的最大不精确度γ进行比较:如果Fi表示当前传感数据流未分散且σerr小于γ,则过滤范围变大,过滤掉附近的值;如果Fi表示当前传感数据流过度分散,则缩短过滤范围或将其恢复为默认值并报告数据中的异常。

8.根据权利要求6所述智能植物工厂环境下名优花卉及药用植物栽培工厂监控系统的雾计算监控技术,其特征在于:所述步骤2.2.2中不精确参数γ用于设置灵敏度。

9.根据权利要求3所述智能植物工厂环境下名优花卉及药用植物栽培工厂监控系统的雾计算监控技术,其特征在于:所述步骤2.2中自适应采样模型的自适应采样方法的时间复杂性为常数时间。