基于边缘机器学习的智慧喷灌系统

刘洪全

摘要：基于5G、大数据、云计算、物联网、GIS等技术，通过物联网传感设备实时采集和监测喷灌区域的实时数据，并通过智慧喷灌数据模型算法技术精准计算分析。只有当植物真正感觉渴了才进行浇水，植物喝饱了自动停水。本智能喷灌系统针对园林植物特性，喷灌过程无需人工监管，在保证植物正常生长的同时提高水资源利用率。

关键词：智慧园林;智能喷灌;数据模型

引言

在国家数字化、智慧化建设的浪潮推动下，智慧城市、智慧园林正加速发展，越来越多的企业将5G、物联网、云计算、大数据等技术应用于园林建设中，促使城市园林向数字化、智能化、平台化、生态化的智慧园林转变。关系植物生长质量最重要的因素就是浇水，但是由于植物自身特性和环境因素影响，什么时间需要浇水？浇多少水适合？无法准确的通过植物的表象准确展示出来，所以浇水问题一直是园林行业研究的重点。如何通过科技手段准确“知道”植物喝水需求，并结合喷灌系统，精确浇水，使园林植物更健康成长，是智慧园林建设的重要内容。

1.国内外现状、水平和发展趋势

国外喷灌技术使用较早，相应的喷灌设备和技术趋于成熟，例如美国的雨鸟公司、亨特公司，以色列的耐特非姆等公司的喷灌产品都已经成为世界公认品牌。以色列本身是水资源匮乏国家，但是利用大棚滴灌技术进行农产品浇灌，充分节约水资源，其农产品即可以满足本国需求，还可以部分出口至周边国家。智能灌溉技术可以结合环境因素、植物生长特性，利用喷灌系统智能调解浇水量，保证植物最优生长。但是由于植物自身生长特性和外界自然环境变化多样，目前只实现了部分农产品的全自动灌溉，在其他农产品或者园林植物上应用仍然存在技术难點。

我国的喷灌系统使用时间较晚，同国外发达国家相比，在喷灌技术方面存在较大差距。国内企业经过不断学习和自主研发，凭借其产品较高的性价比优势，逐渐被国内市场接受。目前，我国智能化喷灌主要应用于农业，在城市园林绿化中应用很少，然而城市园林绿化每年需要大量水资源浇灌植物，有效的喷灌技术可以节约水资源，具有广阔的市场空间。

2.传统灌溉存在的问题

传统园林绿化行业大多以人工浇灌、定时喷灌等方式进行灌溉，该方式存在众多不足。

人工浇灌需要大量的人力、水车、配套设备来完成浇灌作业，浇灌过程从土层表面快速完成，缺少有效的渗透时间，相应的水资源流失到非浇灌区域，浇灌过程中浪费大量水资源。

定时喷灌方式存在浇灌不均、不科学的问题。过度依赖人的经验，植物的灌溉频次、需水量难以进行科学化的量化，无法精准捕捉到植物的实际需求。容易出现浇水不均、旱涝分化的情况。

传统灌溉方式水资源的有效利用率仅有50%，同时存在植物成活率、存活率低等问题。

3.智能灌溉的优势

基于边缘机器学习的智能喷灌技术，借助于物联网技术和数据模型算法技术，可实现只有当植物“渴了”的时候才浇水，当植物“喝饱了”的时候停止浇水，整个喷灌过程无需人工参与，可解决传统灌溉中水资源浪费、人工成本高、灌溉不科学等问题。

3.1.技术难点

植物喝水需求受以下外界因素影响：

（1）所处区域的地理自然环境变化因素影响，其中包含南北方地域降雨量差异;区域内的日照时长、日照强度变化;风速等级、频率等自然因素的变化，从长时间周期看自然环境变化有一定的规律，从短时间周期看变化无常，从而造成无法形成固定规律。

（2）所处位置的土壤类型影响，土壤类型分为松砂土、砂壤土、中壤土、重壤土、重粘土，相应的田间持水量和凋萎系数不同。植物能吸收的水分受土壤类型影响。

土壤有效含水范围指土壤所含可以利用水的范围。公式如下：A=F-W。A：有效含水量（植物最多可利用水量），F： 田间持水量（饱和后，能够保持住的最大含水量，有效水上限），W：凋萎系数（有效水下限）。

（3）植物自身的生长习性影响，植物本身有自己的生长习性，喜阴，喜光，耐旱，耐涝。不同的植物对喝水的需求不一样。城市园林绿化注重园林艺术和景观美感，园林植物并非单一品种，而是多种品种和群落的搭配。这样造成浇灌区域内植物种类繁多，分布交叉。如何通过喷灌技术来满足多种植物的喝水需求也成为智慧喷灌的难点问题。

3.2.技术方案

针对城市园林植物浇水需求的特点，本系统主要分为喷灌设计施工部分和智慧喷灌数据模型控制系统部分。

（1）喷灌设计施工部分

首先根据植物种类和群落区分不同的喷灌区域，并设置不同类型的喷头。花卉带区域采用射线旋转喷头，减少水压对花瓣的冲击;草坪区域采用散射喷头，出水量大、覆盖面积广;灌木带采用高出灌木的旋转射线喷头，防止出水口被灌木遮挡;乔木带采用涌泉喷头，在每棵乔木根处放置喷头，针对乔木浇水。

（2）智慧喷灌数据模型控制系统部分

基于5G、大数据、云计算、物联网、GIS等技术，通过物联网设备采集多种环境数据，并通过智慧喷灌模型精准分析预测，向终端自动下达正确的喷灌决策，智能补充植物所需水份，从而实现喷灌的智能化、科学化、精准化。

本系统采用了如图3.2.1所示的方法流程来进行喷灌控制。

智慧喷灌系统在终端侧通过物联网传感设备准确采集喷灌区域的多种环境数据，利用电磁阀及喷头实现浇水作业;在边缘侧通过喷灌控制系统实现浇水控制;在云平台侧通过云计算系统实现喷灌数据模型不断自我学习和运算，下发指令控制喷灌系统。整体实现“端-边-云”一体的智能喷灌系统。

3.4核心技术

本系统充分考虑植物喝水需求受多种外界因素影响问题，提供一种基于机器学习的智能喷灌方法和系统，将复杂的影响因素通过数据模型算法解决。

（1）收集喷灌区域的历史数据，采集喷灌区域2年以来的土壤湿度、土壤温度数据、空气温度、空气湿度、区域日累计降水量、风速风向等。结合《中国地面国际交换站气候资料日值数据集》中的历史数据，采用彭曼公式计算作物的蒸腾量，搭建神经网络模型代替复杂的彭曼公式，使其能根据部分参数预测作物的蒸腾量。

式中，蒸腾量（mm/d），饱和水气压曲线斜率（kPa/℃），地表净辐射（MJ/（m*d），土壤热通量（MJ/（m?*d），干湿表常数（kPa/℃），日平均温度（℃），2 米高处风速（m/s），饱和水气压（kPa），实际水气压（kPa）。

（2）通过历史数据采用机器学习（迭代决策树GBRT）方法，训练得到蒸腾量的数据模型。选择早晨6时为喷灌时间，输入数据为终端侧采集提供的前一日的土壤湿度、土壤温度、降水量、风速，输出数据为计算得到的当日蒸腾量;

（3）间隔半个小时采集喷灌区域的土壤湿度，若当前土壤湿度低于设定的过干旱阈值，则表明植物严重缺水，立即下发喷灌指令进行浇水。根据喷灌区域的土壤类型，设定凋萎系数的120%为过干旱阈值。土壤湿度的采集方法：对多个土壤湿度传感器的历史数据进行正态分布和归一化计算，取计算后的土壤湿度值为该喷灌区域的土壤湿度。有效避免由于单个土壤湿度传感器不准确造成误差。

（4）若土壤湿度高于设定过干旱阈值，则执行智能喷灌数据模型，指示喷灌区域是否浇水及浇多少水。智能喷灌数据模型利用水平衡公式并结合蒸腾量计算出区域内植物总的失水量，并结合植物特性和土壤类型，计算出最终的需水量。水平衡公式，式中，M需水量，W0当天初始的土壤湿度，Wt当天最后的土壤湿度;Wr当天数值最高的土壤湿度，K当天的地下水补给量，为实际降雨量，蒸腾量;将喷灌周期设置为1天，若得到的植物需水量为负值，表示植物无需喷灌;若得到的需水量为正值，则按照该值的大小匹配喷灌多少水量。

4.结论

基于机器学习的智慧喷灌系统与目前市场上其他喷灌系统相比，增加了智慧喷灌数据模型，具备可靠的端-边-云系统功能。可根据不同植物、不同地域、不同土壤类型建立不同的智慧喷灌数据模型，对当天需水量进行精准预测，按需喷灌，节约人力成本，提升水资源利用率，具有极高的推广价值。

参考文献

[1]闫华，郑文刚，申长军.ET管理系统在农业高效灌溉中的应用[J].农业工程学报，2008，24（supp.2）：50-53.

[2]屈敬朝，赵宏彬.物联网与人工智能结合的智慧园林系统初探[J].学苑，2020