张妍欣

（陕西省土地工程建设集团有限责任公司， 陕西 西安 710075）

在农业生产规模不断扩大的过程中，农业合理用水是亟待解决的一个问题。以往的大范围漫灌方式对水资源的使用并不充分[1]，而人工智能技术的兴起为农业灌溉提供了全新的解决方案。在农业灌溉领域中引入人工智能技术[2-10]，可以避免水资源浪费，极大地提升农业灌溉效率。

1 人工智能技术的应用

1.1 农业灌溉系统整体布局

农作物干旱指数衡量参照如表1 所示，当测得干旱指数大于5 时，开启智能灌溉系统是合理的决策。智能灌溉系统是一种基于现代科技的灌溉管理方式，通过采集土壤墒情信息数据，并经过合理地处理和转化，实现对灌溉的智能控制[2]。对于不同的农作物培养对象，其灌溉要求可能存在差异。智能灌溉系统可以根据不同的农作物需求，通过设置合适的参数和控制策略，实现对每种作物的个性化灌溉。

表1 农作物干旱指数衡量参照

农业灌溉系统的通用布局框架如图1 所示，智能灌溉系统是通过在农田中设置土壤墒情传感器等采集仪器的方式，实时监测土壤湿度、温度等参数，获取相关的土壤墒情信息数据。通过通信设备将这些数据传输到灌溉控制中心，并对数据进行处理和控制。通过预设的算法和控制策略，灌溉控制中心生成有效的灌溉指令，根据农作物的需水量、土壤类型、气象条件等因素，实现智能的灌溉调度。在一些地区，智能灌溉系统还可以增设智能终端设备，用于输入和更新农田信息和参数，提供更精确的灌溉控制和管理。智能灌溉系统的应用可以实现精细化的灌溉管理，提高效率、节约水资源，并且可以根据不同农作物的需求，实现个性化的灌溉控制，为农业生产提供更好的支持。

图1 农业灌溉系统的通用布局框架

1.2 农业灌溉系统模型构建

农业灌溉智能控制模型设置如表2 所示。以实时监测到的田间环境温度值为自变量，结合水分蒸发的程度作为切入点，建立精准控制灌溉模型。该模型可以根据田间环境温度的变化和水分蒸发的情况，实时调整灌溉量，以确保农作物得到适量的水分供给。

表2 农业灌溉智能控制模型设置

1）假设田间环境温度为T（摄氏度），水分蒸发的程度为E（单位时间内水分蒸发的量）。

2）使用实测的田间环境温度值T，计算相应的水分蒸发程度E。

3）建立灌溉量I 与水分蒸发程度E 之间的关系，可以采用线性关系模型，即I=k*E，其中k 为灌溉效率系数。

4）根据农作物的需水量，确定灌溉量的目标值I_target。

5）根据实测的田间环境温度值T，计算出水分蒸发程度E。

6）根据目标灌溉量I_target 和实际计算得到的灌溉量I，进行调整，确定最终的灌溉量I_final。

7）根据实测的田间环境温度值T，计算水分蒸发程度E，使用水分蒸发模型Penman-Monteith公式。

8）根据农作物的需水量和生长阶段，确定目标灌溉量I_target。

9）将实际计算得到的灌溉量I 和目标灌溉量I_target进行比较。

10）如果I＞I_target，则减少灌溉量，调整为I_final=I-(I-I_target)*α，其中α 为调整系数，用于控制调整的幅度。

11）如果I＜I_target，则增加灌溉量，调整为I_final=I+(I_target-I)*β，其中β 为调整系数，用于控制调整的幅度。

12）根据最终的灌溉量I_final，进行实际的灌溉操作。

通过精准控制灌溉，可以避免灌溉过度或灌溉不足的情况发生，提高灌溉的效率和水资源利用率。同时，该模型还可以根据不同农作物的需水量和生长阶段的变化，进行个性化的灌溉调控，为农业生产提供更精确的支持。通过实时监测和精准控制，这个灌溉模型能够在不同的环境条件下，实现灵活而有效的灌溉管理。基于人工智能的农业灌溉智能控制模型如图2 所示。

图2 基于人工智能的农业灌溉智能控制模型

1.3 系统软件控制

人工智能平台下的灌溉精准控制软件流程如图3所示，基于人工智能平台的灌溉精准控制软件实现了传感器数据采集、灌溉控制、数据传输和通信、平台数据处理、用户交互等功能，实现了人工智能与灌溉系统的无缝串接。用户可以远程监控和控制灌溉系统，实现灌溉的精准调控。

图3 人工智能平台下的灌溉精准控制软件流程

通过设置不同编号的功能控制，实现了对灌溉系统和农田环境的精准监控和管理。例如：编号4 和编号5 用于实时监测和调整灌溉系统的工作状态和参数设置，包括灌溉设备的状态和灌溉量的设置；而编号7 和编号8 则用于实时获取和显示农田作物温度和土壤墒情数据。在软件程序中，根据不同编号设定了相应的数据采集和处理逻辑，分别与灌溉系统和农田环境相关。用户可以通过不同的数据展示和操作界面，实时查看灌溉系统的状态和参数设置，以及农田作物温度和土壤墒情数据，并进行相应的控制和调整操作。这样，灌溉系统的工作和农田环境的管理得到了精准监控和有效调控。

1.4 系统硬件控制

基于人工智能的灌溉系统硬件配置及组成如图4所示。手持终端设备是农业灌溉系统的智能控制终端，用于实时监测和控制系统的各项参数和功能[3]。汇聚节点模块用于将各个通信节点的数据汇集并传输到平台上进行集中管理和控制。现场灌溉控制装置适用于实际的灌溉操作，根据设定的参数和控制策略来控制水泵和阀门等设备的运行。水泵阀组用于控制水源的供给和灌溉水流的分配。而LED 显示设备则用于显示系统的工作状态和各项参数。

图4 基于人工智能的灌溉系统硬件配置及组成

基于人工智能的农业灌溉系统精准化控制硬件参数内部设置如表3 所示，通过这些硬件设备的匹配和组合，农业灌溉系统能够实现智能控制、远程监测和精确灌溉等功能。不仅能够提高灌溉效率和节约资源，还能够提高农作物的产量和品质。因此，在农业灌溉系统的建设和运行中，对这些要素进行全覆盖和专业化的硬件性匹配是非常重要的。

表3 基于人工智能的农业灌溉系统精准化控制硬件参数内部设置

2 实例应用分析

2.1 作业条件

基于人工智能的农业灌溉系统可以实现对800 m×2 000 m 的试验田进行精准的土壤湿度、温度和光照控制，以满足土豆生长的需求。农业灌溉系统的精准化控制实践流程如图5所示。

图5 农业灌溉系统的精准化控制实践流程

1）为确保灌溉系统的精准性，需要选择合适的传感器并对其进行准确的校准。对于土豆的灌溉，关键监测参数可能包括土壤湿度、土壤温度和光照强度等。通过选择合适的传感器并进行准确的校准，可以确保监测数据的准确性和可靠性。在设置过程关键监测参数时，需要根据土豆的生长需求和环境条件来进行合理的设定，以确保灌溉系统能够根据实时监测数据进行精准控制。

2）为确保灌溉系统的精准控制，需要设计和开发合适的控制程序，并将其与硬件设备进行协调。控制程序应能根据监测数据实时调整灌溉系统的运行状态，确保水源供给、灌溉装置和阀门等硬件设备的动作与控制程序的执行一致。通过有效的软硬件协调，可以实现精准的灌溉操作，提高土豆的生长效果。

3）在精准灌溉实践中，确保数据的可信度和原始性非常重要。为此，需要选择合适的数据记录和存储设备，并进行准确的数据记录和导出。同时，在数据记录和导出过程中，需要采取相应的措施确保数据的安全性和完整性，以防止数据的篡改和损坏。通过保证数据的可信度与原始性，可以提高对于灌溉实践过程的分析和评估的准确性，为农业生产提供科学依据。

2.2 结果分析

通过统计不同实践次数下的灌溉水量、灌溉时间和土壤湿度的变化情况，可以评估人工智能平台的灌溉系统在不同实践次数下的水量控制精准度、时间控制精准度和土壤湿度的精准控制能力。同时，通过统计不同实践次数下的能耗情况和土豆生长情况，可以评估系统的能耗效率和灌溉效果，包括土豆的生长速度、产量和品质等指标。这些评估指标的统计分析有助于优化灌溉系统设计和改进控制策略，提高灌溉系统的精准度和效率，助力农业生产可持续发展。

如表4 所示，在不同的灌溉实践次数下，系统的平均决策响应时间为2.05 s，数据显示灌溉实践次数对系统的决策响应时间没有明显影响。然而，系统的偏差在不同实践次数下有一定的变化，平均偏差为±4.05%。综合来看，人工智能平台的灌溉系统在不同实践次数下对决策响应时间有较高的精准度，但对偏差的控制仍需要进一步优化和改进。

表4 不同灌溉实践次数下的指标参数统计

如表5 所示，通过人工智能的模型应用，系统的响应率从86.50%提高到94.18%，精准度从89.70%提高到95.95%，动作延迟率从4.21%下降到1.49%，灌溉作物合格率从83.79%提高到94.20%，灌溉节水效率从85.50%提高到91.50%。综合来看，基于人工智能的模型应用对系统性能参数有着显著的改善效果，包括响应率、精准度、动作延迟率、灌溉作物合格率和灌溉节水效率的显著提升。这表明基于人工智能的模型应用在农业灌溉中具有重要的促进作用。

表5 基于人工智能的模型应用前后性能参数对比

3 结语

基于人工智能技术的精准控制模型应用在灌溉系统中取得了显著的改善效果。通过对比前后的数据，系统的响应率从86.50%提高到94.18%，动作延迟率从4.21%下降到1.49%。系统整体实现了较好的灌溉节水效果。这种基于人工智能技术的灌溉系统优化设计理念，充分结合了灌溉作业机理和系统自动控制性能，旨在实现优化目标。它不仅推动了我国农业灌溉系统集成化发展，还为智能化、人性化的农作物管理提供了有效途径。