本发明涉及自动控制领域，尤其涉及一种智慧社区的自动浇水方法及系统。
背景技术：
社区园林指社区中的园林绿化设计，为了保持园林绿化中的绿植正常生长，需要定期对社区园林的绿植进行浇水，目前，智慧社区内，采用两种方式进行浇水，一种是采用人工方式，通过人工实用软水管对园林的绿植进行浇水，另一种采用自动化浇水，但一般是定时和定量地对园林的绿植进行浇水，以上两种方式对绿植浇水的准确性都比较低，虽然有些智慧社区能够根据土壤的湿润程度进行浇水，但并未考虑天气预报，则存在这边刚浇水完毕，当天出现下雨天气，导致土壤里的水含量过大以及水资源的浪费。因此，寻找一种准确的绿植浇水方法成为了智慧社区发展待解决的问题。
技术实现要素：
本发明提供一种智慧社区的自动浇水方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
第一方面，本发明实施例提供了一种智慧社区的自动浇水方法，应用于智慧社区的自动浇水系统，所述系统包括至少一个传感器节点、控制器和至少一个浇水组件，传感器节点与浇水组件一一对应，所述至少一个传感器节点与控制器无线通信，控制器通过有线或无线控制所述至少一个浇水组件；所述自动浇水方法包括：
控制器从每个传感器节点获取土壤湿度信息，其中每个传感器节点周期性对土壤进行采样，并将采样的土壤湿度信息发送给控制器；
控制器从所述至少一个传感器节点中确定目标传感器节点，所述目标传感器节点为采集的土壤湿度信息小于阈值的传感器节点；
控制器获取未来一段时间内的第一天气预报数据，根据第一天气预报数据预测未来一段时间内的降雨量；
控制器根据预测的降雨量确定浇水量；
控制器发送包括浇水量的启动信号给目标浇水组件，以控制目标浇水组件以所述浇水量对目标浇水组件所在区域的植物进行浇水，其中，所述目标浇水组件为与目标传感器节点对应的浇水组件。
进一步，每个传感器节点均包括湿度传感器，通过所述湿度传感器周期性对土壤进行采样。
进一步，所述根据第一天气预报数据预测未来一段时间内的降雨量包括：
从所述第一天气预报数据中提取第一天气数据特征；
根据所述第一天气数据特征确定降雨类型；
根据所述降雨类型选取对应的降雨量预测模型，其中不同的降雨类型对应不同的降雨量预测模型；
将所述第一天气数据特征作为输入数据，输入到所述对应的降雨量预测模型得到预测的未来一段时间内的降雨量。
进一步，各个降雨量预测模型由以下步骤获取：
收集过去一段时间的降雨数据，降雨数据包括第二天气预报数据和实际降雨量；
从第二天气预报数据中提取第二天气数据特征；
将第二天气数据特征输入到k-means聚类模型，对降雨类型进行聚类，得到聚类结果；
根据聚类结果，将第二天气数据特征分为不同降雨类型的天气数据特征；
为不同降雨类型分别构建深度学习网络模型，将实际降雨量设置为第二天气数据特征的标签，将各个降雨类型的带有标签的第二天气数据特征输入对应的深度学习网络模型，通过反向传播算法对深度学习网络模型进行训练，得到各个训练好的降雨量预测模型。
进一步，所述天气数据特征包括：天气现象、温度、降雨概率、降雨量、气压和相对湿度。
进一步，所述控制器根据预测的降雨量确定浇水量；
控制器根据预测的降雨量确定降雨等级；
控制器根据降雨等级与浇水量对应表确定浇水量。
第二方面，本发明实施例还提供了一种智慧社区的自动浇水系统，包括至少传感器节点、控制器和至少浇水组件，传感器节点与浇水组件一一对应，所述至少一个传感器节点与控制器无线通信，控制器通过有线或无线控制所述至少一个浇水组件；
每个传感器节点，用于周期性对土壤进行采样，并将采样的土壤湿度信息发送给控制器；
控制器，用于从所述至少一个传感器节点中确定目标传感器节点，所述目标传感器节点为采集的土壤湿度信息小于阈值的传感器节点，及获取未来一段时间内的天气预报数据，根据天气预报数据预测未来一段时间内的降雨量，根据预测的降雨量确定浇水量，发送启动信号给目标浇水组件，其中，所述启动信号包括所述浇水量，所述目标浇水组件为与目标传感器节点对应的浇水组件；
浇水组件，用于接收到所述启动信号时，以所述浇水量对其所在区域的植物进行浇水。
进一步，每个传感器节点均包括湿度传感器，通过所述湿度传感器周期性对土壤进行采样。
第三方面，本发明实施例还提供了一种电子设备，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现第一方面所述的方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现第一方面所述的方法。
本发明实施例的一种，至少具有以下有益效果：周期性获取土壤湿度信息，能够及时发现植物缺水，采集的土壤湿度信息小于阈值时才考虑浇水，另外，还获取未来一段时间内的天气预报数据，根据天气预报数据预测未来一段时间内的降雨量，根据预测的降雨量确定浇水量，基于土壤湿度信息和天气预报数据确定浇水量，使得植物浇水更准确，避免浪费水资源。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1是本发明一实施例提供的一种智慧社区的自动浇水方法的流程图。
图2是本发明一实施例提供的根据第一天气预报数据预测未来一段时间内的降雨量的流程图。
图3是本发明一实施例提供的获取各个降雨量预测模型的流程图。
图4是本发明一实施例提供的根据预测的降雨量确定浇水量的流程图。
图5是本发明一实施例提供的一种智慧社区的自动浇水系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
需要说明的是，虽然在系统示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于系统中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
图1是本发明实施例提供的一种智慧社区的自动浇水方法，应用于智慧社区的自动浇水系统，智慧社区的自动浇水系统包括至少一个传感器节点、控制器和至少一个浇水组件，传感器节点与浇水组件一一对应，所述至少一个传感器节点与控制器无线通信，控制器通过有线或无线控制所述至少一个浇水组件；智慧社区的自动浇水方法包括以下步骤：
s11、控制器从每个传感器节点获取土壤湿度信息，其中每个传感器节点周期性对土壤进行采样，并将采样的土壤湿度信息发送给控制器；
s12、控制器从至少一个传感器节点中确定目标传感器节点，该目标传感器节点为采集的土壤湿度信息小于阈值的传感器节点；
s13、控制器获取未来一段时间内的第一天气预报数据，根据第一天气预报数据预测未来一段时间内的降雨量；
s14、控制器根据预测的降雨量确定浇水量；
s15、控制器发送包括浇水量的启动信号给目标浇水组件，以控制目标浇水组件以该浇水量对目标浇水组件所在区域的植物进行浇水，其中，目标浇水组件为与目标传感器节点对应的浇水组件。
其中，每个传感器节点均包括湿度传感器，通过所述湿度传感器周期性对土壤进行采样。通过周期性进行采样能够及时发现植物缺水。采样周期可以实际季节设置，例如夏天的采样周期可以设计比冬天的采样周期更短。
未来一段时间可以根据实际需要设置，例如是未来24小时，获取未来24小时的天气预报，或者是获取未来2天的天气预报。
如图2所示，步骤s13中根据第一天气预报数据预测未来一段时间内的降雨量具体包括以下步骤：
s21、从第一天气预报数据中提取第一天气数据特征；
s22、根据第一天气数据特征确定降雨类型；
s23、根据降雨类型选取对应的降雨量预测模型，其中不同的降雨类型对应不同的降雨量预测模型；
s24、将该第一天气数据特征作为输入数据，输入到对应的降雨量预测模型得到预测的未来一段时间内的降雨量。
其中，如图3所示，各个降雨量预测模型由以下步骤获取：
s31、收集过去一段时间内的降雨数据，降雨数据包括第二天气数据特征和实际降雨量；其中过去一段时间的降雨数据可以是历年的降雨数据。因此，降雨数据包括大量的降雨数据。
s32、从第二天气预报数据中提取第二天气数据特征；
s33、将第二天气数据特征输入到k-means聚类模型，对降雨类型进行聚类，得到聚类结果；
s34、根据聚类结果，将第二天气数据特征分为不同降雨类型的天气数据特征；
s35、为不同降雨类型分别构建深度学习网络模型，将实际降雨量设置为第二天气数据特征的标签，将各个降雨类型的带有标签的第二天气数据特征输入对应的深度学习网络模型，通过反向传播算法对深度学习网络模型进行训练，得到各个训练好的降雨量预测模型。
进一步，天气数据特征包括：天气现象、温度、降雨概率、降雨量、气压和相对湿度。
部分天气现象信息编码义如下表1表示。
表1天气现象与信息编码的对应关系
根据天气现象类型可以将降雨类型分为：小雨、中雨、大雨、阵雨、暴雨五个类型。由于大暴雨、特大暴雨频率较低，将暴雨、大暴雨、特大暴雨都归类为暴雨，采用编码10表示。使用天气现象的编码作为输入数据。此外，将第一天气数据特征输入训练好的降雨量预测模型之前、以及将第二天气数据特征输入深度学习网络模型之前进行归一化处理。
如图4所示，步骤s14中根据预测的降雨量确定浇水量包括以下步骤：
s41、根据预测的降雨量确定降雨等级；
s42、根据降雨等级与浇水量对应表确定浇水量。
具体地，根据降雨量分级标准分为七个等级，如下表2所示。
表2降雨量与降雨等级的对应关系
控制器预先存储降雨等级与降雨量对应表，根据预测的降雨量确定降雨等级，并根据降雨等级确定浇水量。预先设置降雨等级与浇水量对应表，降雨等级与浇水量对应表中，浇水量与降雨等级的对应关系设置如下：
其中w为浇水组件输出的浇水量，r为降雨等级，r＝0，1，2，3，4，5，6分别对应无雨，小雨，中雨，大雨，暴雨，大暴雨，特大暴雨，w表示无雨时输出的浇水量。因此，根据天气预报预测降雨量的降雨等级为大雨或大雨级别以上时，则即使土壤湿度信息小于阈值，也不在进行浇水，以免浇水之后出现大雨或大雨级别以上降雨，导致土壤里的水含量过大以及浪费水资源。
图5是本发明实施例提供的一种智慧社区的自动浇水系统，包括至少传感器节点、控制器和至少浇水组件，传感器节点与浇水组件一一对应，所述至少一个传感器节点与控制器无线通信，控制器通过有线或无线控制所述至少一个浇水组件；图5虽然只示出了3个区域，每个区域设置1个传感器节点和1个浇水组件，但是需要说明的是，可以根据智慧社区的园林大小进行划分区域数量，传感器和浇水组件的数量可以根据智慧社区的园林大小进行设置，各个浇水组件设置于不同的区域，每个传感器节点和与其对于的浇水组件设置于同一个区域。
每个传感器节点，用于周期性对土壤进行采样，并将采样的土壤湿度信息发送给控制器；
控制器，用于从所述至少一个传感器节点中确定目标传感器节点，所述目标传感器节点为采集的土壤湿度信息小于阈值的传感器节点，及获取未来一段时间内的天气预报数据，根据天气预报数据预测未来一段时间内的降雨量，根据预测的降雨量确定浇水量，发送启动信号给目标浇水组件，其中，所述启动信号包括所述浇水量，所述目标浇水组件为与目标传感器节点对应的浇水组件；
浇水组件，用于接收到所述启动信号时，以所述浇水量对其所在区域的植物进行浇水。
进一步，每个传感器节点均包括湿度传感器，通过所述湿度传感器周期性对土壤进行采样。
本发明实施例的一种智能家居控制方法及控制系统，至少具有以下有益效果：周期性获取土壤湿度信息，能够及时发现植物缺水，采集的土壤湿度信息小于阈值时才考虑浇水，另外，还获取未来一段时间内的天气预报数据，根据天气预报数据预测未来一段时间内的降雨量，根据预测的降雨量确定浇水量，基于土壤湿度信息和天气预报数据确定浇水量，使得植物浇水更准确，避免浪费水资源。
本发明实施例还提供的一种电子设备，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述的方法步骤。
本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现上述的方法步骤。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。
1.一种智慧社区的自动浇水方法，其特征在于，应用于智慧社区的自动浇水系统，所述系统包括至少一个传感器节点、控制器和至少一个浇水组件，传感器节点与浇水组件一一对应，所述至少一个传感器节点与控制器无线通信，控制器通过有线或无线控制所述至少一个浇水组件；所述自动浇水方法包括：
控制器从每个传感器节点获取土壤湿度信息，其中每个传感器节点周期性对土壤进行采样，并将采样的土壤湿度信息发送给控制器；
控制器从所述至少一个传感器节点中确定目标传感器节点，所述目标传感器节点为采集的土壤湿度信息小于阈值的传感器节点；
控制器获取未来一段时间内的第一天气预报数据，根据第一天气预报数据预测未来一段时间内的降雨量；
控制器根据预测的降雨量确定浇水量；
控制器发送包括浇水量的启动信号给目标浇水组件，以控制目标浇水组件以所述浇水量对目标浇水组件所在区域的植物进行浇水，其中，所述目标浇水组件为与目标传感器节点对应的浇水组件。
2.根据权利要求1所述的智慧社区的自动浇水方法，其特征在于，每个传感器节点均包括湿度传感器，通过所述湿度传感器周期性对土壤进行采样。
3.根据权利要求1所述的智慧社区的自动浇水方法，其特征在于，所述根据第一天气预报数据预测未来一段时间内的降雨量包括：
从所述第一天气预报数据中提取第一天气数据特征；
根据所述第一天气数据特征确定降雨类型；
根据所述降雨类型选取对应的降雨量预测模型，其中不同的降雨类型对应不同的降雨量预测模型；
将所述第一天气数据特征作为输入数据，输入到所述对应的降雨量预测模型得到预测的未来一段时间内的降雨量。
4.根据权利要求3所述的智慧社区的自动浇水方法，其特征在于，各个降雨量预测模型由以下步骤获取：
收集过去一段时间的降雨数据，降雨数据包括第二天气预报数据和实际降雨量；
从第二天气预报数据中提取第二天气数据特征；
将第二天气数据特征输入到k-means聚类模型，对降雨类型进行聚类，得到聚类结果；
根据聚类结果，将第二天气数据特征分为不同降雨类型的天气数据特征；
为不同降雨类型分别构建深度学习网络模型，将实际降雨量设置为第二天气数据特征的标签，将各个降雨类型的带有标签的第二天气数据特征输入对应的深度学习网络模型，通过反向传播算法对深度学习网络模型进行训练，得到各个训练好的降雨量预测模型。
5.根据权利要求3所述的智慧社区的自动浇水方法，其特征在于，所述天气数据特征包括：天气现象、温度、降雨概率、降雨量、气压和相对湿度。
6.根据权利要求1所述的智慧社区的自动浇水方法，其特征在于，所述控制器根据预测的降雨量确定浇水量；
控制器根据预测的降雨量确定降雨等级；
控制器根据降雨等级与浇水量对应表确定浇水量。
7.一种智慧社区的自动浇水系统，其特征在于，包括至少传感器节点、控制器和至少浇水组件，传感器节点与浇水组件一一对应，所述至少一个传感器节点与控制器无线通信，控制器通过有线或无线控制所述至少一个浇水组件；
每个传感器节点，用于周期性对土壤进行采样，并将采样的土壤湿度信息发送给控制器；
控制器，用于从所述至少一个传感器节点中确定目标传感器节点，所述目标传感器节点为采集的土壤湿度信息小于阈值的传感器节点，及获取未来一段时间内的天气预报数据，根据天气预报数据预测未来一段时间内的降雨量，根据预测的降雨量确定浇水量，发送启动信号给目标浇水组件，其中，所述启动信号包括所述浇水量，所述目标浇水组件为与目标传感器节点对应的浇水组件；
浇水组件，用于接收到所述启动信号时，以所述浇水量对其所在区域的植物进行浇水。
8.根据权利要求7所述的智慧社区的自动浇水系统，其特征在于，每个传感器节点均包括湿度传感器，通过所述湿度传感器周期性对土壤进行采样。
9.一种电子设备，其特征在于，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-6任一项所述的方法。
10.一种计算机可读存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-6中任一项所述的方法。
技术总结