一种基于物联网的智能农业监测系统的制作方法

本发明涉及物联网，具体为一种基于物联网的智能农业监测系统。背景技术：1、当前农作物灌溉领域面临的主要问题是水资源利用率低和依赖手动控制的限制。传统的农田灌溉方式通常依赖于人工经验和定期的时间表，这种方法存在着许多不足之处。2、首先，传统的手动控制方式无法充分利用水资源，导致水资源利用率较低。由于缺乏实时的土壤湿度和气象信息，农户难以准确判断农田的灌溉需求，因此往往采用过度灌溉或不足灌溉的方式。这不仅浪费了水资源，还可能导致土壤盐碱化和生态环境问题。3、其次，手动控制方式存在时效性差的问题。农户根据经验或传统的灌溉时间表进行操作，而不能及时调整灌溉计划以适应气象变化和作物生长的不同阶段。这使得灌溉决策缺乏灵活性，难以应对不同环境条件下的灌溉需求。因此，设计提高水资源利用效率且灌溉决策更灵活的一种基于物联网的智能农业监测系统是很有必要的。技术实现思路1、本发明的目的在于提供一种基于物联网的智能农业监测系统，以解决上述背景技术中提出的问题。2、为了解决上述技术问题，本发明提供如下技术方案：一种基于物联网的智能农业监测系统，该系统的运行方法包括以下步骤：3、步骤一：通过传感器获取土壤湿度信息，并进行根系数据以及天气数据获取；4、步骤二：通过水分渗透分析进行滞后性灌溉优化；5、步骤三：通过对多因素数据进行计算实现农作物智能灌溉；6、步骤四：通过引入远程监控与手动干预功能，实现农作物灌溉量智能控制。7、根据上述技术方案，所述通过传感器获取土壤湿度信息，并进行根系数据以及天气数据获取的步骤，包括：8、系统首先建立农作物根系数据库，该数据库详细记录了各类农作物在不同生长阶段的根系深度信息，涵盖了从播种期到收获期的各个生长阶段的根系深度变化情况，这些数据由系统通过网络进行收集，随后，当用户登入系统界面时，输入农作物类型，当农作物类型输入成功后，系统会利用农作物根系数据库中的相应数据，通过网络检索并获取该特定作物在当前生长阶段的根系深度信息，用户根据根系深度信息，进行传感器的安装，选择使用多层次土壤湿度传感器，传感器具有多个探测单元，随后，根据农作物的不同将传感器安置在不同的深度，包括根系活动区域、中间土层和深层土层，此外，传感器配备温度补偿功能，根据环境温度实时调整湿度测量，与此同时，系统通过与天气预报服务的实时连接，获取未来一段时间内的天气预测数据，通过实时连接，系统能够获取包括但不限于降雨概率、降雨强度、温度、湿度详细预报数据。9、根据上述技术方案，所述通过水分渗透分析进行滞后性灌溉优化的步骤，包括：10、通过步骤一中安装的土壤湿度传感器采集的数据对当前土壤的湿度进行分析，土壤湿度传感器提供土壤不同深度的湿度信息，包括根系活动区域h1、中间土层h2和深层土层h3的湿度，然后，将传感器测得的湿度数据hi转换为相对湿度百分比rhi，继而，通过综合各深度的相对湿度，利用加权平均方法，得到整体土壤湿度，表示为rhtotal，随后，根据土壤的特性和类型，系统建立土壤含水量计算的数学模型，即：θ＝a*rhtotal+b，该模型转化了相对湿度为具体的土壤含水量，θ表示土壤含水量，a和b是根据土壤类型和质地确定的系数，随后进行渗透性系数k计算，具体方法如下：利用实时土壤湿度数据，建立土壤水分变化模型，通过分析湿度变化的速率、幅度信息，系统反推土壤的渗透性系数，最后，以土壤含水量θ和渗透性系数k为基础进行水分渗透模型建立，即其中，t是时间，▽是梯度运算符，表示对空间坐标的梯度，该模型考虑了土壤对水分渗透的难易程度，通过模拟土壤中水分的传播过程，可以更好地理解土壤中水分的运动规律，预测水分在土壤中的变化，以便优化灌溉计划，减少过多灌溉和水资源浪费。11、根据上述技术方案，所述通过对多因素数据进行计算实现农作物智能灌溉的步骤，包括：12、考虑土壤类型、蒸腾速率、天气预报因素，以提高农业灌溉效率；13、通过设定灌溉决策规则和阈值，动态调整灌溉计划，优化目标函数。14、根据上述技术方案，所述考虑土壤类型、蒸腾速率、天气预报因素，以提高农业灌溉效率的步骤，包括：15、系统首先进行土壤类型的分析，通过传感器网络或实地采样手段获取土壤的物理和化学特性，这些特性包括土壤含水量、质地、渗透性，通过对这些特性的综合考虑，系统可以建立土壤水分保持能力的数学模型，如其中fc是土壤水分保持能力，wc是土壤含水量，a和b是根据土壤类型确定的系数，随后系统根据农作物品种的水分需求差异，对各种植物进行适应性分析，这包括植物的根系深度、蒸腾速率因素，系统使用以下的公式计算植物的实际蒸腾需求：ea＝k*(ta-tref)，其中ea是植物的实际蒸腾需求，ta是当前气温，tref是植物的参考蒸腾温度，k是根据植物品种确定的系数，最后，系统实时整合天气预报数据，包括降雨概率、温度、湿度信息，使用这些数据并结合土壤分析、植物适应性分析，系统实时调整灌溉计划，通过优化目标函数，如最小化水资源使用、最大化作物产量，系统能够确定最佳的灌溉时机和水量，通过以下公式实现最小化水资源使用：最小化θ＝α*wc+β*ea+γ*pr，其中，α，β，γ是根据优化目标确定的权重系数，wc是土壤含水量，ea是植物的实际蒸腾需求，pr是降雨量。16、根据上述技术方案，所述通过设定灌溉决策规则和阈值，动态调整灌溉计划，优化目标函数的步骤，包括：17、通过综合考虑土壤含水量、植物蒸腾需求和天气预报的降雨量实现灌溉控制，首先，设定灌溉决策规则，根据预设的规则进行判断，在土壤含水量低于设定阈值的情况下，且未来天气预报中没有降雨预测时，系统将触发灌溉，相反，当土壤含水量适中，但天气预报中有高降雨概率，系统相应减少灌溉量或推迟灌溉时间，其次，我们进行了阈值的设定，考虑植物品种的需求和土壤类型的特性，以确保在土壤含水量低于阈值时能够及时进行灌溉，此外，系统进行灌溉量控制，根据植物蒸腾需求和天气预报的降雨量进行调整，系统会根据实时监测的土壤含水量变化，动态调整灌溉计划，并记录反馈信息以优化算法。18、根据上述技术方案，所述通过引入远程监控与手动干预功能，实现农作物灌溉量智能控制的步骤，包括：19、在系统中引入远程监控与手动干预功能，首先，建立一个高效的远程监控系统，通过互联网连接，用户可以实时访问关键数据，包括土壤含水量、植物蒸腾需求、天气预报和灌溉计划，系统提供了直观的图形化界面，展示各项数据的趋势和变化，此外，用户可以根据实际需要调整系统参数，如修改土壤含水量阈值、植物蒸腾需求权重，或者优化目标函数中的权重系数，这样的调整可以通过简单的公式表达，如新的土壤含水量阈值等于原阈值加上用户设定的调整值，在远程监控系统中，用户可以直接手动干预系统的灌溉计划，通过简单的操作选择手动启动或停止灌溉，这项功能使用户能够根据当地经验和实际条件进行即时调整，以确保系统更好地适应特殊情况，手动灌溉量可以由用户设定。20、根据上述技术方案，所述该系统包括：21、数据采集与预处理模块，用于获取实时的土壤湿度信息、农作物根系和天气数据，以为智能灌溉算法提供可靠的数据基础；22、智能灌溉算法与优化模块，用于综合考虑土壤、植物和天气多因素数据，通过算法实现灌溉决策与优化，以提高农业灌溉效率并确保土壤湿度在合适范围内；23、远程监控与手动干预模块，用于建立远程监控系统，让用户能够实时访问关键数据，调整系统参数，并进行手动灌溉控制，以适应不同条件和实现更灵活的农田管理。24、根据上述技术方案，所述智能灌溉算法与优化模块包括：25、土壤与植物适应性分析模块，用于进行土壤类型的分析，建立土壤水分保持能力的数学模型，并通过植物品种的水分需求差异进行适应性分析；26、多因素数据计算模块，用于综合考虑土壤含水量、植物蒸腾需求和天气预报的降雨量，进行灌溉控制；27、智能灌溉决策规则模块，用于设定灌溉决策规则，判断土壤含水量、天气预报及降雨情况，触发灌溉或相应调整灌溉量。28、根据上述技术方案，所述远程监控与手动干预模块包括：29、远程监控模块，用于通过互联网连接，用户可以实时访问关键数据；30、远程参数调整模块，用于用户可以根据实际需要调整系统参数，如修改土壤含水量阈值、植物蒸腾需求权重；31、手动灌溉控制模块，用于通过简单的操作，用户可以选择手动启动或停止灌溉，根据实际情况进行及时调整，确保系统更好地适应特殊情况。32、与现有技术相比，本发明所达到的有益效果是：在本发明中，首先，通过传感器获取土壤湿度信息，结合农作物根系数据库和实时天气数据，系统建立了全面的土壤湿度、天气和农作物根系信息数据库，其次，通过实时监测土壤湿度和应用渗透模型，系统能够更准确地预测水分的渗透行为，从而避免灌溉时出现过多水分滞后的情况，接着，系统通过综合考虑土壤类型、蒸腾速率、天气预报等多因素，通过数学模型和优化算法实现了智能灌溉决策，最后，引入了远程监控与手动干预功能，使用户能够实时访问关键数据、调整系统参数，并在需要时手动干预灌溉计划，提高了系统的灵活性和适应性，这一综合设计旨在优化农业灌溉效率，提高水资源利用，并为农户提供智能、实时的农田管理方案。