智能控制技术及其农业应用.docx

智能控制技术及其农业应用.docx

《智能控制技术及其农业应用.docx》由会员分享，可在线阅读，更多相关《智能控制技术及其农业应用.docx（6页珍藏版）》请在冰豆网上搜索。

智能控制技术及其农业应用

智能控制技术及其农业应用1

摘要1

引言2

1模糊控制技术在农业中应用2

1.1模糊逻辑及模糊控制概念2

1.2分析方法探讨3

1.3模糊控制设置设计4

1.4模糊控制应用及前景展望5

2神经网络在农业中应用6

2.1神经网络概念6

2.2神经网络应用现状7

2.3神经网络在农业中应用8

3开展智能测控技术在设施农业中推广应用10

参考文献10

智能控制技术及其农业应用

摘要

智能测控技术应用于设施农业生产中，具有高投资、高产出、高效益、无污染等可持续农业特征。

模糊控制是基于模糊逻辑描述一个过程控制算法。

它不需要建立设备模型，因此基本上是自适应，具有很强鲁棒性。

模糊控制作为一项正在发展新技术，目前在大多数专家还把主要精力放在应用系统研究上，并取得了相当成果，但在理论研究和系统分析上还是相对落后，以至于一些学考质疑其理论依据和有效性。

神经网络最早研究20世纪40年代心理学家Mcculloch和数学家Pitts合作提出，他们提出MP模型拉开了神经网络研究序幕。

神经网络以其独特结构和处理信息方法，在许多实际应用领域中取得了显著成效，神经网络模型可以用过去事件来进行学习，学习好网络模型就能以过去经验来进行预测。

智能测控技术得到了地方政府重视和支持，充分利用信息化技术有效进行农业现代化建设，实现我国农业跨越式发展。

关键词模糊控制；神经网络；应用现状；农业现代化

引言

智能测控技术应用于设施农业生产中，可以使农业生产摆脱白然环境束缚，如高温、暴雨、低温、霜冻等，实现周期性、全天候、反季节企业化规模生产，以期获得速生、高产、优质、高效农产品。

它可以在一定程度上克服传统农业难以解决限制因素，使得资源要素配置合理，加强了资源集约高效利用，从而大幅度地提高农业系统生产力，使单位面积上产出成倍其至数十倍地增长，具有高投资、高产出、高效益、无污染等可持续农业特征。

本文对我国现有儿种在农业中应用自动化测控技术进行了总结，介绍了模糊控制技术和神经网络技术在设施农业中应用现状，最后根据国内设施农业自动化要求并结合国外设施农业自动化技术，探讨了我国设施农业自动化推广措施。

1模糊控制技术在农业中应用

1.1模糊逻辑及模糊控制概念

1965年，加州大学伯克利分校计算机专家LoftyZadeh提出“模糊逻辑”概念，其根本在于区分布尔逻辑或清晰逻辑，用來定义那些

含混不清，无法量化或精确化问题，对于冯•诺依曼开创基于“真一假”推理机制，以及因此开创电子电路和集成电路布尔算法，模糊逻辑填补了特殊事物在取样分析方面空白。

在模糊逻辑为基础模糊集合理论中，某特定事物具有特色集隶属度，他可以在“是”和“非”之间范围内取任何值。

而模糊逻辑是合理量化数学理论，是以数学基础为为根本去处理这些非统计不确定不精确信息。

模糊控制是基于模糊逻辑描述一个过程控制算法。

对于参数精确已知数学模型，我们可以用Berd图或者Nyquist图来分析家其过程以获得精确设计参数。

而对一些复杂系统，如粒子反应，气象预报等设备，建立一个合理而精确数学模型是非常困难，对于电力传动中变速矢量控制问题，尽管可以通过测量得知其模型，但对于多变量且非线性变化，起精确控制也是非常困难。

而模糊控制技术仅依据及操作者实践经验和直观推断，也依靠设计人员和研发人员经验和知识积累，它不需要建立设备模型，因此基本上是自适应，具有很强鲁棒性。

历经多年发展，已有许多成功应用模糊控制理论案例，如Rutherford,Carter和Ostergaard分别应用及冶金炉和热交换器控制装置。

1.2分析方法探讨

工业控制系统稳定性是探讨问题前提，由于难以对非线性和不统一描述，做出判断，因此模糊控制系统分析方法稳定性分析一直是一个热点，综合近年来各位学者发表论文，目前系统稳定性分析有以下集中：

1、李普亚诺夫法:

基于直接法离散时间（D-T）和连续时间模糊控制稳定性

分析和设计方法，相对而言起稳定条件比价保守.

2、滑动变结构系统分析法

3、圆稳定性判据方法:

利用扇区有界非线性概念，根据稳定判据可推导模糊控制稳定性.

4、POPOV判据

5、其他方法如关系矩阵分析法，超稳定理论，相平面法，矩阵不等式或凸优化法，模糊穴穴映射等，详细资料及有关文献很多，在此不再一一赘述.

1.3模糊控制设置设计

模糊控制设计是一个非常复杂过程，一般而言，釆取设计步骤和工具比较规范.其中模糊控制器一般采用专用软硬件，通用型硬件芯片在目前市场上比较多，其中主流产品如下表所示.而专用IC发展也很迅速，它把专用IC和软件控制器集成在一起.

设计过程中，一般采取设计步骤为：

1、综合考虑该课题能否采用模糊控制系统。

即考虑采用常规控制方式可能。

2、从设备操作人员处获取尽可能多信息。

3、选取可能数学模型，如果用常规方法设计，估计设备性能特点。

4、确定模糊逻辑控制对象。

5、确定输入输出变量。

6、确定所确定各个变量归属范围。

7、确定各变量对应规则。

8、确定比例系数。

9、如果有现成数学模型，用已确定模糊控制器对系统仿真，观测设备性能，并不断调整规则和比例系数直到达到满意性能。

否则重新设计模糊控制器。

10、实时运行控制器，不断调整以达到最佳性能。

1.4模糊控制应用及前景展望

模糊控制作为一项正在发展新技术，目前在大多数专家还把主要精力放在应用系统研究上，并取得了相当成果，但在理论研究和系统分析上还是相对落后，以至于一些学者质疑其理论依据和有效性。

鉴于此可以明确得知：

模糊控制理论和实践结合仍有待于进一步探索.其发展前景是十分诱人，而且在近年来，其理论研究也取得了显著进展.在近四十年发展进程中，模糊控制也有一些局限性：

1、控制精度低，性能不高，稳定性较差；

2、理论体系不完整；

3、自适应能力低.对于这些弱点，模糊控制及一些其他新技术，比如神经网络（NN）,遗传算法相结合，向更高层次应用发展拓展了巨大空

间.

2神经网络在农业中应用

2.1神经网络概念

神经网络最早研究20世纪40年代心理学家Mcculloch和数学家Pitts合作提出，他们提出MP模型拉开了神经网络研究序幕。

神经网络发展大致经过三个阶段：

1947X969年为初期，在这期间科学家们提出了许多神经元模型和学习规则，如MP模型、HEBB学习规则和感知器等；1970^986年为过渡期，这个期间神经网络研究经过了一个低潮，继续发展。

在此期间，科学家们做了大量工作，如Hopfield教授对网络引入能量函数概念,给出了网络稳定性判据，提出了用于联想记忆和优化计算途径。

1984年，Hiton教授提出Boltzman机模型。

1986年Kumelhart等人提出误差反向传播神经网络，简称BP网络。

目前，BP网络己成为广泛使用网络；1987年至今为发展期，在此期间，神经网络受到国际重视，各个国家都展开研究，形成神经网络发展另一个高潮。

神经网络具有以下优点：

1、具有很强鲁棒性和容错性，因为信息是分布贮于网络内神经元中。

2、并行处理方法，使得计算快速。

3、自学习、自组织、自适应性，使得网络可以处理不确定或不知道系统。

4、可以充分逼近任意复杂非线性关系。

5、具有很强信息综合能力，能同时处理定量和定性信息，能很好地协调多种输入信息关系，适用于多信息融合和多媒体技术。

2.2神经网络应用现状

神经网络以其独待结构和处理信息方法，在许多实际应用领域中取得了显著成效，主要应用如下：

1、图像处理。

对图像进行边缘监测、图像分割、图像压缩和图像恢复。

2、信号处理。

能分别对通讯、语音、心电和脑电信号进行处理分类;可用于海底声纳信号检测及分类，在反潜、扫雷等方面得到应用。

3、模式识别。

己成功应用于手写字符、汽车牌照、指纹和声音识别,还可用于目标自动识别和定位、机器人传感器图像识别以及地震信号鉴别等。

4、机器人控制。

对机器人眼手系统位置进行协调控制，用于机械手故障诊断及排除、智能自适应移动机器人导航。

5、卫生保健、医疗。

比如通过训练自主组合多层感知器可以区分正常心跳和非正常心跳、基于BP网络波形分类和特征提取在计算机临床诊断中应用。

6、焊接领域。

国内外在参数选择、质量检验、质量预测和实时控制方面都有研究，部分成果已得到应用。

7、经济。

能对商品价格、股票价格和企业可信度等进行短期预测。

8、另外，在数据挖掘、电力系统、交通、军事、矿业、农业和气象等方面亦有应用。

2.3神经网络在农业中应用

神经网络模型可以用过去事件来进行学习，学习好网络模型就能以过去经验来进行预测。

LinkoEl］等采用在发酵过程中容易测取量如pH值、搅拌速度、C02和02消耗率等指标作为输入量，将酶活性及干物质生成量作为输出，建立神经网络模型。

经过数学习，此系统可以满意地用葡萄糖淀粉酶过程中在线检测数据来预测反映结果，而对输入过程进行控制。

Thai［2］等用神经网络分析甜瓜质量物理测量指标及人们感官对甜瓜香味、甜度、酸度、组织结构、水份等质量指标相关关系，来预测甜瓜质量。

将实测物理标及人感官分类联系起来，对食品质量进行预测，在食品工业中有很重要意义。

Murase［3］等用神经网络来预测西红柿表皮破裂时，表皮中产生最大应力。

西红柿表皮应力增加及西红柿内靠近表皮部分水分增加有关，当表皮应力超过最大表皮强度时，将导致表皮破裂。

神经网络系统可以预测在环境温度和湿度下表皮应力。

可用来控制环境变量来降低西红柿表皮破裂造成损失。

Das［4］等采用计算机视觉技术将灯光照射鸡蛋图像数字化，然后建立神经网络模型对图像进行分析。

鸡蛋在孵化过程中，胚胎图像变化可以说明鸡蛋是否受精或是否死胎。

将鸡蛋照射图像灰度直方图分为八个部分，每部分灰度频度平均值做为输入量输入神经网络模型。

学习好网络分辨鸡蛋孵化第三天后死胎率，精度可达93.5%o禹建丽［5］等以我国粮食播种面积XI、成灾面积X2、单位面积化肥用量X3为输入神经元，以我国粮食总产量Y为输出神经元，建立BP神经网络模型，在神经网络训练后,得到了令人满意回检精度和预测精度。

在农业工程中，存在着大量分类问题，如农产品分级分类等。

由于分类指标涉及到体积、尺寸、形状、重量、色彩、生物特征等，许多产品过去都只能靠人工来进行分类和分级，这样很不准确，而且因为人为因素也带来了很多弊病和漏洞。

采用计算机视觉系统，将产品外观信息输入计算机，根据图像分类特征将图像数据进行预处理，然后输入神经网络进行学习，学习好网络系统用于分类分级，达到了良好效果。

Liao[6]等将玉米种子图像形态用34个设计参数来描述，其中包括16个沿周边最大曲率，13个沿主轴对称比，1个外形圆度及主轴长度比，1个面积值及3个垂直于主轴副轴长度比，作为神经网络输入变量，输出为种子形态五种分类，经过学习神经网络模型分类精度可达到91%以上。

Deck[7]等用正交放置两个摄像机拍摄土豆图像，对土豆进行鉴别和分类。

他们将彩色图像中红、绿和蓝三个分量转换成色彩度，将预处理后色彩度直方图数据和面积等六个参数作为神经网络输入变量，把土豆按形状尺寸和发绿程度分类，其结果也优于传统分类方法。

MillerM用相同系数将葡萄柚分类，釆用面积比二物体面积/包围物体矩形面积，圆度二周长*周长/物体面积，直径范围二dmax-dmin及直径比=dmax/dmin作为神经网络输入变量，可以准确地将水果分为不同等级。

Yang[9]用平行光栅照射苹果表面所得到一组表面曲线曲率特征以及苹果图像特征作为输入，建立神经网络模型来区分苹果表面伤痕及正常凹陷。

经学习后网络识别正确率达

96%以上。

3开展智能测控技术在设施农业中推广应用

智能测控技术得到了地方政府重视和支持，遵照“政府参及、行政推动、专家服务、农民受益”宗旨，建立健全了示范推广体系，普遍髙质量地完成了农业专家系统二次开发，探讨出符合示范区客观实际智能化农业发展应用模式。

但随着推广示范工作进一步深入，示范模式中一些不足之处也表现了出来。

传统耕作观念难以突破是一个方面，同时智能化农业专家系统自身完善是推广示范工作顺利展开技术保证。

因此，智能化农业专家系统推广示范中，一方面，要因地制宜，扬长补短，采用适合各地实际情况推广模式。

另一方面，政府要加大推动和财政支持力度，加强宣传引导，加强农业专家系统推广示范区建设，组织开发操作简单易学“傻瓜化”和本地化农业专家系统，加强农业信息化建设，在开展农业专家系统推广同时，开展全方位农业信息服务。

充分利用信息化技术有效进行农业现代化建设，实现我国农业跨越式发展。

参考文献

[11蔡徳聪•测控技术在现代农业中应用[J].测控技术,2001（11）:

22〜24⑵王成，乔晓军,焦春岩.分布式温室环境信息监测系统[J].自动化技术及应用,2005

（1）:

54〜56

[3]高峰，俞立，卢尚琼.国外设施农业现状及发展趋势[J].浙江林学院学

报,2009

（2）:

279〜285

[4]杨其长•设施农业现状及发展趋势[J]•中国农业科学院设施农业研究中心,2001（3）:

10〜11

[5]郭炳辉，李进京,江启峰.温室智能测控仪发展现状及前景展望[J].农业装备技术，2003（3）:

36〜37

[6]韩金玉，卢博友.我国农业自动化现状及发展趋势[J].农机化研究,2003（7）:

8〜10

[7]PLinko,YZhu.Neuralnetworkmodelingforrealtimevariableestimationandpredictioninthecontrolofglucoamylase,

[J]Fer-mentationProcessBiochemistry,1992,27:

275^283・

[8]CNThai,AVAResurreccion,GGDull,DASmittlle・Modelingconsumerpreferenceswithneuralnetworks・ASAEPaper,907550・

[9]禹建丽，黎娅.基于人工神经网络粮食产量预测模型[J].河南农业科学,2005,（7）:

44~46・