為解決農(nóng)場(chǎng)當(dāng)?shù)禺?dāng)時(shí)的復(fù)合肥料精準(zhǔn)化配料問(wèn)題,本研究將水肥一體化智能灌溉施肥系統(tǒng)作為研究對(duì)象,構(gòu)建了水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)。首先提出現(xiàn)場(chǎng)在線水肥溶液智能感知模型的快速建立方法,利用數(shù)據(jù)分析算法從傳感器實(shí)時(shí)監(jiān)測(cè)的一系列濃度梯度的肥料溶液中挖掘出模型。其次基于上述模型設(shè)計(jì)水肥濃度智能感知與精準(zhǔn)配比系統(tǒng)的框架結(jié)構(gòu),闡述系統(tǒng)工作原理;并通過(guò)三種水體模擬在線配肥驗(yàn)證了該系統(tǒng)原位指導(dǎo)水肥濃度配比的有效性,同時(shí)評(píng)價(jià)了水體電導(dǎo)率對(duì)水肥配比濃度的干擾。試驗(yàn)結(jié)果表明,正則化條件下二階的多項(xiàng)式擬合曲線是表達(dá)溶液電導(dǎo)率與水肥濃度的變化關(guān)系最優(yōu)的模型,相關(guān)系數(shù)R2均大于0.999,由此模型可得出用戶關(guān)心的復(fù)合肥各指標(biāo)濃度。三種水體模擬在線配肥結(jié)果表明,水體會(huì)干擾電導(dǎo)率導(dǎo)致無(wú)法準(zhǔn)確反演水肥配比的濃度,相對(duì)偏差值超過(guò)了0.1。因此,本研究提出的在線水肥智能感知與精準(zhǔn)配比系統(tǒng)實(shí)現(xiàn)了消除當(dāng)?shù)厮w電導(dǎo)率對(duì)水肥配比準(zhǔn)確性的干擾,通過(guò)模型計(jì)算實(shí)現(xiàn)復(fù)合肥精準(zhǔn)化配比,并得出各指標(biāo)濃度。該系統(tǒng)結(jié)構(gòu)簡(jiǎn)單,配比精準(zhǔn),易與現(xiàn)有水肥一體機(jī)或者人工配肥系統(tǒng)結(jié)合使用,可廣泛應(yīng)用于設(shè)施農(nóng)業(yè)栽培、果園栽培和大田經(jīng)濟(jì)作物栽培等環(huán)境下的精準(zhǔn)智能... 

【文章來(lái)源】：智慧農(nóng)業(yè)(中英文). 2020,2(02)

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

試驗(yàn)方案技術(shù)路線

由結(jié)果可見(jiàn)，曲線的相關(guān)指數(shù)R2大于0.95，均達(dá)到顯著水平，一階到二階擬合曲線的相關(guān)指數(shù)R2從0.995到0.999有明顯提高，說(shuō)明二階擬合曲線對(duì)比一階擬合曲線的精度更高，擬合度更好，更接近實(shí)際濃度。多項(xiàng)式階數(shù)的進(jìn)一步增加相關(guān)指數(shù)沒(méi)有顯著變化，而且隨著階數(shù)和樣本特征增加，當(dāng)樣本數(shù)相對(duì)較少時(shí)，上圖中的高階曲線擬合過(guò)程容易使得模型陷入過(guò)擬合。為緩解過(guò)擬合問(wèn)題，本研究采用第二種方法對(duì)芭田13-40-6水肥溶液不同階的曲線擬合，即引入正則化項(xiàng)，最終目標(biāo)函數(shù)在平均損失函數(shù)上增加不同的正則化項(xiàng)，從而選擇模型誤差和模型復(fù)雜度同時(shí)較小的模型。如圖3所示，芭田13-40-6多項(xiàng)式回歸的基礎(chǔ)上對(duì)目標(biāo)函數(shù)正則化，分別利用L1范數(shù)，L1范數(shù)結(jié)合L2范數(shù)建立多項(xiàng)式回歸的正則項(xiàng)，對(duì)應(yīng)的損失函數(shù)分別是：

其中，λ>0,p∈[0,1]，分別表示L1范數(shù)的系數(shù)和L1范數(shù)的權(quán)重。肥料進(jìn)行不同階的曲線擬合，損失函數(shù)正則化后的擬合曲線如圖2所示。正則化項(xiàng)是多項(xiàng)式系數(shù)的單調(diào)遞增函數(shù)，最小化損失函數(shù)的過(guò)程中，經(jīng)驗(yàn)風(fēng)險(xiǎn)越小模型偏差越小，而復(fù)雜度越高；模型越復(fù)雜，正則化項(xiàng)取值越大，從而限制模型的復(fù)雜度。對(duì)比正則化前后的曲線圖2(a），圖3(a）和圖3(b），隨著多項(xiàng)式階數(shù)的增加，標(biāo)準(zhǔn)多項(xiàng)式擬合曲線圖2(a）存在偏離，而正則化后的多項(xiàng)式擬合曲線圖3(a）和圖3(b），在高階擬合曲線情況下正則化取值增大，模型變量受到限制，避免了過(guò)擬合現(xiàn)象的出現(xiàn)。

【參考文獻(xiàn)】：
期刊論文
[1]農(nóng)業(yè)水肥一體化智能監(jiān)控系統(tǒng)的研究與實(shí)現(xiàn)[J]. 駱東松,姜浩.  自動(dòng)化技術(shù)與應(yīng)用. 2020(01)
[2]智能混肥控制系統(tǒng)水肥濃度控制策略研究[J]. 趙景波,張文彬,朱敬旭輝,邱騰飛,劉信潮.  農(nóng)機(jī)化研究. 2020(05)
[3]基于混合蟻群算法和變論域模糊控制的混肥系統(tǒng)設(shè)計(jì)[J]. 吳琦,詹宇,于家旋,任昊宇,任振輝.  中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2019(07)
[4]水肥一體化智能管理系統(tǒng)設(shè)計(jì)[J]. 趙進(jìn),張?jiān)?趙麗清,程簫,白雪峰.  中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2019(06)
[5]果樹(shù)水肥一體化高效利用技術(shù)研究進(jìn)展[J]. 劉思汝,石偉琦,馬海洋,王國(guó)安,陳清,徐明崗.  果樹(shù)學(xué)報(bào). 2019(03)
[6]寧夏枸杞水肥一體化智能控制技術(shù)應(yīng)用效益[J]. 李永梅,陳學(xué)東,李鋒,張學(xué)儉.  江蘇農(nóng)業(yè)科學(xué). 2018(21)
[7]旁路吸肥式水肥一體化自動(dòng)施肥機(jī)的設(shè)計(jì)與試驗(yàn)[J]. 田莉,李家春,吳景來(lái),張賓賓,盧劍鋒.  節(jié)水灌溉. 2018(11)
[8]水肥一體化灌溉系統(tǒng)中的施肥設(shè)備[J]. 吳松,李國(guó)輝.  農(nóng)業(yè)技術(shù)與裝備. 2018(10)
[9]基于物聯(lián)網(wǎng)技術(shù)的水肥一體化智能管理系統(tǒng)[J]. 姜巖,段杰,王茂勵(lì),趙景波.  現(xiàn)代農(nóng)業(yè)科技. 2018(16)
[10]基于專家系統(tǒng)的水肥一體機(jī)智能控制系統(tǒng)[J]. 姜巖,唐勇偉,李成攻,王茂勵(lì),趙景波.  現(xiàn)代農(nóng)業(yè)科技. 2018(10)

博士論文
[1]滴灌壓差施肥肥液濃度變化及其對(duì)水肥分布影響研究[D]. 韓啟彪.揚(yáng)州大學(xué) 2018

碩士論文
[1]渭北旱塬蘋果及葡萄水肥一體化技術(shù)研究[D]. 章偉.西北農(nóng)林科技大學(xué) 2016



本文編號(hào)：3485875