本发明涉及种植控制调节，尤其涉及一种水稻种植和水产养殖一体化综合智能监测系统。
背景技术：
1、随着全球人口的增长和资源需求的不断增加，农业和水产养殖业面临着提高产量和资源利用效率的双重挑战。稻渔综合种养作为一种高效的生态农业模式，通过将水稻种植和水产养殖结合在一起，不仅可以提高土地和水资源的利用效率，还能改善生态环境，增加农民收入。然而，传统的稻渔综合种养模式仍然存在一些技术瓶颈和挑战，主要表现在以下几个方面：
2、传统稻渔综合种养模式中，环境参数(如温度、湿度、光照强度和水质参数)的监测手段较为单一，无法实现对种养环境的全面、实时监测，缺乏对关键环境参数的准确监测，导致种养环境的调控效率低，难以及时发现和应对环境变化对水稻和水产品生长的影响。
3、传统模式中，环境参数的调控主要依赖人工经验和简单的调节手段，难以实现精准控制，由于水稻和水产品对环境参数的要求不同，难以同时满足两者的生长需求，常常导致水稻或水产品生长效果不佳，影响整体产量和收益。
4、目前市场上缺乏集成化的智能监测和控制系统，能够综合考虑水稻和水产品的生长需求，进行环境参数的优化调节，无法实现多参数的综合监测和调节，智能化水平较低，无法充分发挥稻渔综合种养的潜力。
5、针对上述问题，亟需一种能够实现多参数综合监测、智能分析和精准调节的系统，以优化稻渔综合种养环境，提升水稻和水产品的生长效率和产量。
技术实现思路
1、基于上述目的，本发明提供了一种水稻种植和水产养殖一体化综合智能监测系统。
2、一种水稻种植和水产养殖一体化综合智能监测系统，包括：
3、数据采集模块：用于采集种养环境中的多种环境数据，环境数据包括温度、湿度、光照强度、水质参数(ph值、溶解氧、氨氮)、水稻生长参数和水产品生长参数，所述数据采集模块包括多个传感器，包括水温传感器、湿度传感器、水质传感器、光照传感器，分别布置稻田不同位置，以保证数据采集的全面性和准确性；
4、数据传输模块：与所述数据采集模块连接，用于将采集到的数据传输到数据处理模块，所述数据传输模块采用无线通信方式，确保数据的实时传输和稳定性；
5、数据处理模块：与所述数据传输模块连接，用于对接收到的数据进行处理和分析，生成综合控制调节方案，具体包括：
6、数据预处理单元：对采集到的原始数据进行去噪、补全缺失值的预处理操作；
7、第一数学模型单元：基于环境数据与水稻生长参数的关联性分析，建立环境参数与水稻生长参数之间的第一数学模型，将实时监测水稻生长参数数据输入第一数学模型，生成初步环境参数控制指令，初步环境控制指令包括温度、湿度、光照强度、水质参数的具体控制值；
8、第二数学模型单元：基于环境参数与水产品生长参数的关联性分析，建立环境参数与水产品生长参数之间的第二数学模型，将初步环境参数控制指令导入第二数学模型，预测初步环境参数对水产品生长的影响；
9、综合调节单元：根据第二数学模型的预测结果结合约束条件，对初步环境参数控制指令进行调整，生成最终的综合控制调节方案，以同时满足水稻种植和水产品养殖的环境需求；
10、控制执行模块：与所述数据处理模块连接，用于根据最终的综合控制调节方案对种养环境进行调节。
11、可选的，所述水温传感器布置在稻田中水层的不同深度，分别监测水体的表层、中层和底层温度，获取到稻田不同水层的温度数据，以优化水稻和水产品的生长环境；
12、所述湿度传感器包括：
13、空气湿度传感器：安装在稻田上方，监测空气湿度，捕捉到稻田环境的湿度数据；
14、土壤湿度传感器：安装在稻田的土壤中，分别在不同深度布置，以监测土壤湿度变化，确保水稻根部的湿度适宜；
15、所述水质传感器布置在稻田中水层的不同位置和深度，包括：
16、ph值传感器：安装在稻田的表层、中层和底层，分别监测水体的酸碱度，确保水质适宜水稻和水产品的生长；
17、溶解氧传感器：安装在稻田的不同深度，分别监测水体的溶解氧含量，确保水产品的生长环境有充足的氧气供应；
18、氨氮传感器：安装在稻田的不同深度，分别监测水体的氨氮含量，确保水质符合水产品的健康生长需求；
19、所述光照传感器布置在稻田正上方，监测光照强度，确保光照条件适宜水稻和水产品的生长；
20、所述水稻生长参数包括植株高度、叶片数、叶绿素含量、茎粗；
21、所述水产品生长参数包括体长、体重。
22、可选的，所述环境数据与水稻生长参数的关联性分析以及环境参数与水产品生长参数的关联性分析均通过皮尔逊相关系数进行关联性分析；
23、使用皮尔逊相关系数分析环境数据与水稻生长参数之间的关系，确定对水稻生长具有显著影响的环境参数，使用皮尔逊相关系数分析环境数据与水产品生长参数之间的关系，确定对水产品生长具有显著影响的环境参数，对水稻生长以及水产品生长具有显著影响的环境参数均包括温度t、湿度h、光照强度l、和水质参数w。
24、可选的，所述使用皮尔逊相关系数分析环境数据与水稻生长参数之间的关系，确定对水稻生长具有显著影响的环境参数具体包括：
25、采集多种环境数据(温度、湿度、光照强度、水质参数)和水稻生长参数(植株高度、叶片数、叶绿素含量、茎粗)；
26、使用皮尔逊相关系数分析环境数据与水稻生长参数之间的关系，表示为：
27、其中，rxy为环境参数x和水稻生长参数y的相关系数，xi和yi分别为环境参数和水槄生长参数的数据点，和为其均值。
28、可选的，所述第一数学模型以及第二数学模型均采用多元线性回归模型，所述建立环境参数与水稻生长参数之间的第一数学模型具体包括：
29、使用历史数据和实验数据训练多元线性回归模型，确定模型参数：y＝β0+β1t+β2h+β3l+β4w，其中，y为水槄生长参数，包括植株高度、叶片数、叶绿素含量、茎粗，β0为常数项，β1,β2,β3,β4为回归系数；t为温度，h为湿度，l为光照强度，w为水质参数；
30、将实时环境参数数据输入第一数学模型，根据模型预测当前环境条件对未来水稻生长的影响，进行环境参数调整，基于模型预测结果，生成初步环境参数控制指令，调整温度、湿度、光照强度和水质参数，以优化水槄生长条件：
31、tcontrol＝ftemp(treal，hreal，lreal，wreal，yreal)；
32、hcontrol＝fhumid(treal，hreal，lreal，wreal，yreal)；
33、lcontrol＝flight(treal，hreal，lreal，wreal，yreal)；
34、wcontrol＝fwater(treal，hreal，lreal，wreal，yreal)；
35、其中，ftemp，fhumid，flight，fwater为通过模型计算的控制函数，用于生成各环境参数的具体控制值，tcontrol为初步环境控制指令的温度控制值；hcontrol为初步环境控制指令的湿度控制值；lcontrol为初步环境控制指令的光照强度控制值；wcontrol为初步环境控制指令的水质参数控制值。
36、建立环境参数与水产品生长参数之间的第二数学模型的方案与上述相同。
37、可选的，所述回归系数β0，β1，β2，β3，β4基于梯度下降法确定，通过迭代优化使损失函数最小化，表示为：
38、其中，yi是第i个样本的水稻生长参数，ti，hi，li，wi分别是第i个样本的温度、湿度、光照强度和水质参数，n是样本总数；
39、通过梯度下降算法更新回归系数：
40、其中，α为学习率。
41、可选的，所述第二数学模型表示为：z＝γ0+γ1t+γ2h+γ3l+γ4w，
42、其中，z为水产品生长参数，包括体长、体重，γ0为常数项，γ1，γ2，γ3，γ4为回归系数；
43、所述将初步环境参数控制指令导入第二数学模型，预测初步环境参数对水产品生长的影响具体包括：
44、将生成的初步环境参数控制指令(温度、湿度、光照强度、水质参数的具体控制值)输入第二数学模型，根据第二数学模型，预测初步环境参数控制指令对水产品生长的影响，预测控制指令下水产品的体长或体重变化：
45、predicted_fish_length＝γ0l+γ1ltcontrol+γ2lhcontrol+γ3llcontrol+γ4lwcontrol；
46、predicted_fish_weight＝γ0w+γ1wtcontrol+γ2whcontrol+γ3wlcontrol+γ4wwcontroi；
47、其中，tcontrol，hcontrol，lcontrol，wcontrol为初步环境参数控制指令中的温度、湿度、光照强度和水质参数的具体控制值；
48、γ0l，γ1l，γ2l，γ3l，γ4l和γ0w，γ1w，γ2w，γ3w，γ4w为通过梯度下降法确定的回归系数，γ0l，γ1l，γ2l，γ3l，γ4l是用于预测水产品体长的回归系数；γ0w，γ1w，γ2w，γ3w，γ4w是用于预测水产品体重的回归系数。
49、可选的，所述综合调节单元具体包括：
50、获取初步环境参数控制指令对水产品生长的影响；
51、定义约束条件：包括水稻和水产品的生长需求，以及环境参数的合理范围：
52、tmin≤t≤tmax；
53、hmin≤h≤hmax；
54、lmin≤l≤lmax；
55、wmin≤w≤wmax；
56、多目标优化：通过多目标粒子群优化算法，在约束条件下优化各环境参数，以同时满足水稻和水产品的生长需求，优化目标包括：
57、水稻生长优化：最大化水稻生长参数(如植株高度、叶片数、叶绿素含量、茎粗)；
58、水产品生长优化：最大化水产品生长参数(如体长、体重)。
59、可选的，所述多目标粒子群优化算法具体包括：
60、初始化粒子群，每个粒子代表一个环境参数组合x＝(t，h，l，w)，初始化每个粒子的速度v，设定每个粒子的初始位置和速度为随机值，在参数范围内生成；
61、适应度评估：计算每个粒子的适应度值，分别评估水稻生长参数和水产品生长参数，设f1表示水稻生长的优化目标，f2表示水产品生长的优化目标，多目标优化的目标是同时优化f1和f2，以找到一个折中方案，使得水稻和水产品都能在最佳环境中生长：
62、f1(x)＝α1(β0+β1t+β2h+β3l+β4w)；
63、f2(x)＝α2(γ0+γ1t+γ2h+γ3l+γ4w)；其中，α1和α2分别为水稻和水产品生长参数的权重系数，f1(x)用于评估环境参数组合x对水稻生长的影响，f2(x)用于评估环境参数组合x对水产品生长的影响；
64、更新每个粒子的个体最优解pi和全局最优解g，保持帕累托前沿解集；
65、更新粒子的速度和位置：
66、vi(t+1)＝ωvi(t)+c1r1(pi-xi(t))+c2r2(g-xi(t))；
67、xi(t+1)＝xi(t)+vi(t+1)；
68、其中，vi(t+1)为第i个粒子在第t+1次迭代的速度，ω为惯性权重，控制粒子移动的惯性，c1，c2为加速系数，分别控制粒子向个体最优解和全局最优解的加速，r1，r2为在0和1之间的随机数，增加粒子的随机性，pi为第i个粒子的个体最优位置，g为全局最优位置，xi(t)为第i个粒子在第t次迭代的位置，xi(t+1)为第i个粒子在第t+1次迭代的位置；
69、检查并修正粒子的当前位置，使其满足环境参数的约束条件；
70、重复适应度评估、更新个体和全局最优解、速度和位置更新、约束条件检查，直到达到预定的迭代次数或收敛条件；从帕累托前沿解集中选择最优解，作为最终的环境参数组合tfinal，hfinal，lfinal，wfinal。
71、可选的，所述控制执行模块具体包括：
72、灌溉控制单元：根据控制指令调节水稻种植环境中的水分供应，确保水稻的正常生长；
73、水质处理控制单元：根据控制指令调节水质处理系统，维持水体中的适宜水质参数，确保水产品的健康生长；
74、光照控制单元：根据控制指令调节光照系统，提供适宜的光照条件，促进水稻和水产品的生长；
75、温度控制单元：根据控制指令调节水温调节系统，提供适宜的温度条件，保证水稻和水产品的正常生长。
76、本发明的有益效果：
77、本发明，采用第一数学模型和第二数学模型分别描述环境参数与水稻生长参数及水产品生长参数之间的关系，通过相关性分析和多元线性回归方法，确定了各环境参数对生长参数的影响程度，利用实时监测数据输入第一数学模型，生成初步环境参数控制指令，初步控制指令随后输入第二数学模型，预测其对水产品生长的影响，双重模型结构确保了生成的控制指令既满足水稻的生长需求，又考虑到水产品的生长环境。
78、本发明，引入多目标粒子群优化算法，在定义的约束条件下，同时优化水稻和水产品的生长环境，适应度函数分别评估环境参数对水稻和水产品的影响，通过多目标优化算法求解出最优的环境参数组合，最终生成的综合控制调节方案结合了优化结果和平衡调整，确保温度、湿度、光照强度和水质参数在合理范围内。控制执行模块根据综合调节方案，实时调整种养环境，通过闭环控制机制，不断监测和反馈调节效果，保证水稻和水产品的最佳生长状态。
1.一种水稻种植和水产养殖一体化综合智能监测系统，其特征在于，包括：
2.根据权利要求1所述的一种水稻种植和水产养殖一体化综合智能监测系统，其特征在于，所述水温传感器布置在稻田中水层的不同深度，分别监测水体的表层、中层和底层温度，获取到稻田不同水层的温度数据；
3.根据权利要求1所述的一种水稻种植和水产养殖一体化综合智能监测系统，其特征在于，所述环境数据与水稻生长参数的关联性分析以及环境参数与水产品生长参数的关联性分析均通过皮尔逊相关系数进行关联性分析；
4.根据权利要求3所述的一种水稻种植和水产养殖一体化综合智能监测系统，其特征在于，所述使用皮尔逊相关系数分析环境数据与水稻生长参数之间的关系，确定对水稻生长具有影响的环境参数具体包括：
5.根据权利要求4所述的一种水稻种植和水产养殖一体化综合智能监测系统，其特征在于，所述第一数学模型以及第二数学模型均采用多元线性回归模型，所述建立环境参数与水稻生长参数之间的第一数学模型具体包括：
6.根据权利要求5所述的一种水稻种植和水产养殖一体化综合智能监测系统，其特征在于，所述回归系数β0，β1，β2，β3，β4基于梯度下降法确定，通过迭代优化使损失函数最小化，表示为：
7.根据权利要求5所述的一种水稻种植和水产养殖一体化综合智能监测系统，其特征在于，所述第二数学模型表示为：z＝γ0+γ1t+γ2h+γ3l+γ4w，
8.根据权利要求7所述的一种水稻种植和水产养殖一体化综合智能监测系统，其特征在于，所述综合调节单元具体包括：
9.根据权利要求8所述的一种水稻种植和水产养殖一体化综合智能监测系统，其特征在于，所述多目标粒子群优化算法具体包括：
10.根据权利要求1所述的一种水稻种植和水产养殖一体化综合智能监测系统，其特征在于，所述控制执行模块具体包括：
