水肥濃度智能感知與精準配比系統(tǒng)研制與試驗

金洲 張俊卿 郭紅燕 胡宜敏 陳翔宇 黃河 王紅艷

摘要： 為解決農(nóng)場當?shù)禺敃r的復合肥料精準化配料問題，本研究將水肥一體化智能灌溉施肥系統(tǒng)作為研究對象，構建了水肥濃度智能感知與精準配比系統(tǒng)。首先提出現(xiàn)場在線水肥溶液智能感知模型的快速建立方法，利用數(shù)據(jù)分析算法從傳感器實時監(jiān)測的一系列濃度梯度的肥料溶液中挖掘出模型。其次基于上述模型設計水肥濃度智能感知與精準配比系統(tǒng)的框架結構，闡述系統(tǒng)工作原理;并通過三種水體模擬在線配肥驗證了該系統(tǒng)原位指導水肥濃度配比的有效性，同時評價了水體電導率對水肥配比濃度的干擾。試驗結果表明，正則化條件下二階的多項式擬合曲線是表達溶液電導率與水肥濃度的變化關系最優(yōu)的模型，相關系數(shù)R2均大于0.999，由此模型可得出用戶關心的復合肥各指標濃度。三種水體模擬在線配肥結果表明，水體會干擾電導率導致無法準確反演水肥配比的濃度，相對偏差值超過了0.1。因此，本研究提出的在線水肥智能感知與精準配比系統(tǒng)實現(xiàn)了消除當?shù)厮w電導率對水肥配比準確性的干擾，通過模型計算實現(xiàn)復合肥精準化配比，并得出各指標濃度。該系統(tǒng)結構簡單，配比精準，易與現(xiàn)有水肥一體機或者人工配肥系統(tǒng)結合使用，可廣泛應用于設施農(nóng)業(yè)栽培、果園栽培和大田經(jīng)濟作物栽培等環(huán)境下的精準智能施肥。

關鍵詞： 水肥一體化;電導率;感知;精準配比;系統(tǒng)建模;多項式擬合

中圖分類號： S237 文獻標志碼： A 文章編號： 202003-SA012

引文格式：金洲， 張俊卿， 郭紅燕， 胡宜敏， 陳翔宇， 黃河， 王紅艷. 水肥濃度智能感知與精準配比系統(tǒng)研制與試驗[J]. 智慧農(nóng)業(yè)（中英文）， 2020， 2（2）： 82-93.

Citation：JIN Zhou， ZHANG Junqing， GUO Hongyan， HU Yimin， CHEN Xiangyu， HUANG He， WANG Hongyan. Development and testing of intelligent sensing and precision proportioning system of water and fertilizer concentration[J]. Smart Agriculture， 2020， 2（2）： 82-93.

1 引 ?言

在現(xiàn)代農(nóng)業(yè)生產(chǎn)中，將灌溉與施肥結合一同作用于作物根系的水肥一體化技術已逐漸成為趨勢，自動灌溉施肥技術被認為是當今世界提高養(yǎng)分利用率的最有效方法之一[1]。灌溉施肥的主要優(yōu)點是施肥均勻、準確，可以穩(wěn)定且高精度地控制灌水量、施肥量、施肥時間等參數(shù)，從而提高水肥的利用效率，避免肥料施在較干的表土層引起揮發(fā)損失、溶解慢，最終導致肥效發(fā)揮慢的問題，既節(jié)約氮肥又有利于環(huán)境保護。水肥一體化技術已廣泛應用于設施農(nóng)業(yè)栽培[2]、果園栽培[3]和棉花等大田作物栽培[4]，以及經(jīng)濟效益較好的其他作物[5]栽培，并取得了顯著的經(jīng)濟和社會效益[6]。因此，研發(fā)與推廣高效的水肥一體化技術具有重要的應用價值。

水肥一體機的相繼面世并通過不斷升級優(yōu)化機械結構顯著減少了人力，提升了生產(chǎn)效率[7]。然而，傳統(tǒng)水肥機無法在配比過程中獲取水肥濃度信息，因而無法實現(xiàn)水肥自動精確配比，也無法實現(xiàn)肥料減施。近幾年，智能化水肥一體機通過添加水和肥料的流量傳感器用以控制水肥的加入比例，試圖間接感知水肥濃度，從而提升肥料的利用率水平[8]，此類方法通過實現(xiàn)灌溉液的動態(tài)調(diào)節(jié)從而達到節(jié)水增效的目的。學者和科研人員在智能水肥一體化灌溉施肥方面做了很多工作。王成[9]、韋立德[10]和韓啟彪[11]分別對傳統(tǒng)灌溉施肥系統(tǒng)進行了研究和優(yōu)化，使得傳統(tǒng)施肥器能夠直接適用于灌溉施肥自動控制系統(tǒng);付強等[12]、劉永華等[13]、趙景波等[14]和吳琦等[15]從智能調(diào)控設備、智能吸肥設備和智能施肥算法等不同方面開展智能水肥一體化灌溉施肥的研究，顯著提升了傳統(tǒng)水肥一體化灌溉施肥系統(tǒng)的智能化水平。Yermiyahu等[16]在以色列利用傳感器網(wǎng)絡對作物水肥狀況進行遠程監(jiān)控，實現(xiàn)了一體化的灌溉和施肥。Pawlowski等[17]在西班牙基于事件的溫室灌溉過程預測控制方案建立了含水量模型觸發(fā)作物灌溉施肥系統(tǒng)完成精準水肥施用。Jayakumar等[18]在印度南部研究了椰子的生長參數(shù)與自動噴滴灌系統(tǒng)的關聯(lián)程度，研制出了高性能的椰子灌溉施肥設施。這些工作針對具體作物和特殊場景進行了優(yōu)化，但缺乏普適性，不具有良好的推廣性。智能灌溉施肥硬件也取得了一定發(fā)展，水肥一體化設備主要有以色列的Netajet自動灌溉施肥機、Fertijet施肥機[19]，國內(nèi)的WGF-6-12自動施肥機[20]、SYJ-2型液肥變量施肥機[21]和旁路吸肥式自動施肥機[22]等，推動節(jié)水灌溉與施肥于一體的新型農(nóng)業(yè)技術的應用和發(fā)展。然而，這些自動施肥機需要對農(nóng)場的灌溉設施進行升級改造，成本巨大，后期維護成本也較高。

物聯(lián)網(wǎng)、云計算和人工智能的快速發(fā)展，給水肥一體化灌溉施肥帶來了新的思路和方法[23]。趙進等[24]研制了一種基于物聯(lián)網(wǎng)遠程控制技術水肥一體化智能系統(tǒng)，將物聯(lián)網(wǎng)遠程控制技術引入水肥一體技術;江新蘭等[25]研制了基于兩線解碼技術的水肥一體化灌溉系統(tǒng)，降低了系統(tǒng)控制結構復雜度;駱東松和姜浩[26]設計了農(nóng)業(yè)水肥一體化智能監(jiān)測系統(tǒng)，利用物聯(lián)網(wǎng)和傳感器技術實現(xiàn)了遠程灌溉和施肥;姜巖等[27，28]將農(nóng)業(yè)專家系統(tǒng)與物聯(lián)網(wǎng)技術結合，提出了基于專家系統(tǒng)的水肥智能系統(tǒng)，優(yōu)化了氮肥、磷肥、鉀肥的配比。然而，以上智能化水肥一體機主要針對氮、磷、鉀的單一肥料種類，而農(nóng)戶實際上采用的是肥料廠家生產(chǎn)的復合水溶肥，建立不同肥料輸入和輸出裝置進行配肥，不僅增加管路系統(tǒng)的復雜性，也顯著提高了成本。同時，農(nóng)戶為降低成本，傾向于采用當?shù)刈匀凰w進行配肥。因此，針對復合肥料和當?shù)厮w，直接原位準確地感知配比各環(huán)節(jié)中水肥濃度，從而精確調(diào)控水和肥的比例，對顯著提升肥料利用率具有重要現(xiàn)實意義。

本研究首先以水肥一體化智能灌溉施肥系統(tǒng)作為研究對象，針對農(nóng)場當?shù)禺敃r的復合肥料精準化配料需求，創(chuàng)新性地提出可用于現(xiàn)場的水肥濃度智能感知和精準配比思想，從水肥濃度智能感知方法、水肥濃度智能感知建模、水肥濃度智能感知和精準配比系統(tǒng)等幾個方面進行了深入研究，提出了一級原位水肥濃度建模子系統(tǒng)與二級水肥精準配比子系統(tǒng)的結構，其中一級原位水肥濃度建模集成了非接觸式電導傳感器，用以感知水肥濃度，構建了水肥濃度智能感知與精準配比系統(tǒng)，并利用數(shù)據(jù)分析算法從傳感器實時監(jiān)測的一系列濃度梯度的肥料溶液中挖掘出最優(yōu)模型。其次設計了水肥濃度智能感知與精準配比系統(tǒng)的框架結構，通過3種水體模擬在線配肥驗證了系統(tǒng)的有效性，同時評價了水體電導率對水肥配比濃度的干擾。本研究提出的在線水肥智能感知與精準配比系統(tǒng)具有系統(tǒng)結構簡單、水肥配比精準、成本低等優(yōu)勢，易與現(xiàn)有水肥一體機或者人工配肥系統(tǒng)結合使用，可廣泛應用于設施農(nóng)業(yè)栽培、果園栽培和大田經(jīng)濟作物栽培等環(huán)境下的精準配比和智能施肥，具有實際應用推廣價值。

2 試驗設計與方案

2.1 儀器與試劑

水肥感知與配比模型試驗所需儀器和設備：MSP60-3A注射泵（慧宇偉業(yè)（北京）流體設備有限公司），雷磁DDSJ-308A型電導率儀（帶兩支鉑黑電導率探頭，電極常數(shù)和量程分別為k=0.957，2～20，000 μS/cm;k=10.57，2～200 mS/cm;上海儀電科學儀器股份有限公司）;分析天平（北京賽多利斯儀器公司）;超聲波清洗器（昆山市超聲儀器有限公司）。

水肥感知與配比模型試驗所需試劑和材料：芭田水溶肥料13-6-40（深圳市芭田生態(tài)工程股份有限公司），芭田水溶肥料20-20-20（深圳市芭田生態(tài)工程股份有限公司），超純水（18.25 MΩ·cm），150 mm定量濾紙（生工生物工程（上海）股份有限公司）。

水樣采集與前處理：采集安徽省合肥市董鋪水庫水體，用定量濾紙進行過濾，濾液作為水肥在線配比試驗的水庫水。直接收集安徽省合肥市自來水廠市政供水作為自來水體。

2.2 試驗方案

為解決農(nóng)場復合肥料精準化配料問題，本研究建立如圖1所示的試驗方案：將復合肥料進行標準化檢驗，獲得各項指標的具體數(shù)值;在實驗室采用純水配置一系列濃度梯度的復合肥溶液，進行電導率測試試驗;獲取的電導率數(shù)據(jù)進行水肥感知模型構建，通過回歸擬合篩選出最優(yōu)模型;設計搭建硬件水肥精準配比硬件系統(tǒng);采集自然水體，在硬件系統(tǒng)中通過先投肥料再持續(xù)加液的方式模擬農(nóng)場復合肥料配比，在每個濃度特征點即時采集水肥溶液中電導率參數(shù);通過篩選出的最優(yōu)模型指導自然水體配肥的模型校驗，并進行模型評價。

標準數(shù)值建立：試驗選取同一批次的兩種芭田水溶肥料，各稱取500 g水溶肥料樣品送檢至安徽省產(chǎn)品質(zhì)量監(jiān)督檢驗研究院，委托對肥料中總氮（N）、五氧化二磷（P2O5）、氧化鉀（K2O）等指標按照NY1107-2010標準進行檢驗，各指標的檢驗值作為建立水肥濃度智能感知模型的基準。

水肥模型建立試驗的前處理：分別稱取兩種水溶肥料，超純水定容，放入超聲波清洗器內(nèi)溶解，分別配比成一系列濃度梯度的待測溶液。為了貼近農(nóng)業(yè)生產(chǎn)實際配比值，依據(jù)復合肥廠家對不同作物施肥的配比建議，并在此基礎上適當擴大梯度范圍，確保農(nóng)戶施肥的配比值被標準曲線覆蓋，試驗中的肥料與水的配比濃度梯度選用為1：50、1：100、1：150、1：200、1：250、1：300、1：400和1：500共計8個濃度水平。

電導率測試：試驗體系中引入溫度電極對電導率測試數(shù)據(jù)進行修正，保證試驗裝置可以適用于現(xiàn)場檢測。試驗過程中將溫度補償電極與鉑黑電導率探頭一起依次插入待測溶液中，待測量值穩(wěn)定，進行讀數(shù)。測試樣品之間用純水反復沖洗電導率探頭并擦干吹干，確保無交叉污染。

水肥濃度智能感知與精準配比系統(tǒng)試驗：為了探究自然水體對水肥智能配比系統(tǒng)的影響，并在后臺系統(tǒng)中修正水體本身電導率引入的誤差，試驗體系設計三種不同水體進行配肥試驗測試對比。三種水體分別為：安徽省合肥市董鋪水庫水過濾后的濾液、合肥蜀山區(qū)自來水和超純水，分別采用帶有溫度補償?shù)碾妼孰姌O進行電導率測試。在實驗室環(huán)境模擬水肥濃度智能感知與精準配比系統(tǒng)的原位使用，試驗時三種水體的水溫均為17℃。將MSP60-3A型注射泵的進口管路插入試驗水體的桶中，出口管路放置在配肥池的燒杯內(nèi)壁，稱取2 g芭田13-40-6水溶肥料加入燒杯內(nèi)，溫度補償電極與鉑黑電導率插入燒杯內(nèi)。試驗時，注射泵每次自動注入50 mL容量的試驗水體，每次注入間隔為60 s，用以攪拌均勻與電導率讀數(shù)。

2.3 水肥濃度智能感知方法

智能感知是根據(jù)多傳感器所提供的多源信息，經(jīng)過智能信息分析和處理，實現(xiàn)對環(huán)境和對象的認知，從而使基于經(jīng)驗判斷和智能處理的決策成為可能。現(xiàn)代智能感知系統(tǒng)的首要任務是從各種傳感信息中抽取對象的各種特征，并利用對象的特征信息來確定目標和環(huán)境的屬性，構建特征和目標屬性的關系模型，從而完成智能感知的完整過程。

針對復合肥料配比中的快速智能感知問題，本研究提出一種新的思路，通過提前建立當時當?shù)貜秃戏赎P鍵特征與水溶肥濃度關系的模型，后期在實際水肥配比工作中，基于模型即可準確得知配肥池中氮磷鉀各指標的濃度。因此需首先探究如何合理地構建復合肥料配比的智能感知模型。

本研究將溫度補償電極與鉑黑電導率探頭用于快速感知時序變化的水肥溶液濃度特征信息，依據(jù)電導率值變化進行水肥控制是水肥一體化的有效方法[29]，實時提取水肥溶液的電導率值作為關鍵特征信息。當水肥溶液的關鍵特征被獲取后，實時利用后臺參數(shù)擬合算法學習出當時當?shù)夭捎脧秃戏暑A測水肥濃度的回歸模型，再通過模型準確得知配肥池中的氮磷鉀各項指標濃度。

為了對比評價原位水肥濃度智能感知模型建立的準確性，本研究重點是通過分析不同階數(shù)和不同正則化項的回歸模型，建立水肥濃度與電導率的關系，確定水肥濃度智能感知模型的最佳表達形式。基于統(tǒng)計回歸分析，每種水肥的濃度對溶液的電導率變化規(guī)律可用曲線函數(shù)表示為：

3 試驗結果與討論

3.1 復合肥料檢驗值

為了更精確地評價不同回歸曲線，委托安徽省產(chǎn)品質(zhì)量監(jiān)督檢驗研究院對本研究采購的兩種水溶肥進行了標準化檢測。兩種水溶復合肥N、P2O5及K2O含量的詳細數(shù)據(jù)展示在表1中，這些數(shù)據(jù)將作為基準值。

3.2 水肥濃度智能感知模型構建

針對復合肥料配比中的智能感知問題，研究通過感知每種復合肥料配比中關鍵濃度點，建立電導率與水溶肥濃度關系的回歸模型的方法來實現(xiàn)。本節(jié)探討構建復合肥料配比的智能感知模型的合理性。

表2是采用的兩種肥料在8個濃度水平下的電導率檢測結果，這些關鍵特征濃度點為建立回歸模型提供支持。表2結果表明，溶液電導率和溶液濃度呈正相關，濃度越大電導率越高。根據(jù)水肥濃度智能感知方法對兩種肥料進行不同階的曲線擬合，溶液的電導率與水肥濃度的變化關系可以分別用圖2的不同曲線進行描述。

圖2（a）和圖2（b）分別是芭田20-20-20和芭田13-6-40兩種水肥溶液濃度的多項式擬合曲線，溶液的電導率對肥料濃度變化關系由1階到6階的曲線圖和對應相關指數(shù)R2表示。

由結果可見，曲線的相關指數(shù)R2大于0.95，均達到顯著水平，一階到二階擬合曲線的相關指數(shù)R2從0.995到0.999有明顯提高，說明二階擬合曲線對比一階擬合曲線的精度更高，擬合度更好，更接近實際濃度。多項式階數(shù)的進一步增加相關指數(shù)沒有顯著變化，而且隨著階數(shù)和樣本特征增加，當樣本數(shù)相對較少時，上圖中的高階曲線擬合過程容易使得模型陷入過擬合。

上述式中x是水肥溶液電導率值，mS/cm;y是對應養(yǎng)分指標的濃度值，g/L。由此得出，通過建立這種水肥配比過程中濃度與電導率的關系，在測定水肥溶液中的電導率后，可以得出用戶關心的N、P2O5和K2O各主要指標的具體濃度數(shù)值，為用戶精準施肥提供參考依據(jù)。同時，這也說明電導率反演水肥中各指標濃度具有可操作性，為下一步建立水肥濃度智能感知與精準配比系統(tǒng)提供依據(jù)。

4 水肥濃度智能感知與精準配比系統(tǒng)設計

4.1 結構設計

面對實際生產(chǎn)中復合肥料的智能感知與精準配比問題，在完成合理的復合肥料配比的智能感知模型構建后，本研究提出基于在配肥現(xiàn)場原位電導率速測的兩級水肥配比系統(tǒng)作為智能感知的模型構建的硬件載體。此配比系統(tǒng)包括一級水肥濃度智能感知模型建立子系統(tǒng)與二級水肥精準配比子系統(tǒng)，水肥一體配肥系統(tǒng)結構如圖4所示。

一級系統(tǒng)設計為便攜式裝置，亦可與現(xiàn)有傳統(tǒng)水肥系統(tǒng)兼容，主要基于在線原位電導率探頭自動采集水肥溶液的電導率數(shù)據(jù)，實時構建水肥濃度智能感知模型。一級系統(tǒng)主要包括一臺精密的加液泵，可實現(xiàn)準確定量加液;一只大量程在線電導率探頭，一只水肥配比塑料桶，以及配套的控制、感知與模型建立軟件。二級系統(tǒng)設計為動態(tài)精準配肥裝置，在水肥濃度智能感知模型的基礎上，依據(jù)不同肥料濃度需求進行配肥決策，自動進行肥料濃度的配比。二級系統(tǒng)主要包括一臺加液水泵，支持定量加液控制;一只大量程在線電導率探頭，用于實時檢測水肥濃度變化，并反饋給配肥控制機構;一只流動稀釋混肥罐，一個復合肥加肥裝置，用來按需添加和存儲肥液，一套施肥管路用于水肥傳輸，以及配套的用戶交互、控制軟件。

4.2 水肥配比系統(tǒng)試驗和模型校驗

前期走訪調(diào)研發(fā)現(xiàn)，農(nóng)戶為節(jié)約成本，配肥過程中采用的水體種類繁多。考慮到農(nóng)場當時當?shù)嘏浞仕盟w的水質(zhì)問題，為了探究水體本身的電導率是否與實驗室采用純水建立的模型的不同、是否會干擾水肥智能配比系統(tǒng)等問題，同時，農(nóng)場采用流動注水方式配肥，與實驗室提前配制樣本溶液、再逐一檢測的方式不同，本研究建立了一種近似原位配肥環(huán)境的裝置與方法，試圖實現(xiàn)在現(xiàn)場即時建立匹配當?shù)厮w的水肥濃度智能感知模型，用以指導農(nóng)戶精確配肥。通過不同水體的配比試驗從而驗證本研究提出的水肥智能感知配比系統(tǒng)在面對當時當?shù)氐乃w具有較好的寬容性與一致性，實現(xiàn)從試驗環(huán)境到生產(chǎn)環(huán)境的推廣。

如圖5所示，本研究在實驗室搭建了一級配比系統(tǒng)試驗裝置，試驗前稱量2 g芭田13-40-6水溶肥料加入燒杯內(nèi)。

考慮到復合肥廠家提供的對不同作物施肥的幾種建議配比，并在此基礎上適當擴大了梯度范圍，確保農(nóng)戶施肥的配比值被標準曲線覆蓋，試驗的肥料與水的配比濃度梯度選用為1：25、1：50、1：75、1：100、1：125、1：150、1：175、1：200、1：225、1：250、1：275、1：300、1：325、1：350、1：375、1：400、1：425、1：450、1：475和1：500。試驗采用精密注射泵按設置好的濃度梯度自動加入確定體積的水量，嚴格控制肥料重量與加液體積實現(xiàn)與實驗室同等精度的配比。每個配比濃度加液完成后停留30 s，攪拌并多次測量電導率值，電導率值依次輸入軟件，進行建模分析。試驗中，選取純水作為對照組，選取過濾后的董鋪水庫水和自來水作為試驗組，三組各配比濃度梯度對應的電導率值如表3所示。

根據(jù)水肥濃度智能感知模型構建方法對芭田13-40-6不同水質(zhì)條件下的溶液的電導率與水肥濃度的變化關系進行曲線擬合，正則化采用L_1范數(shù)結合L_2范數(shù)，各階曲線的擬合結果如圖6所示。對比圖中曲線，不同水質(zhì)配比的水肥溶液電導率和溶液濃度呈正相關，濃度越大電導率越高，曲線的相關指數(shù)均達到顯著水平。芭田13-40-6不同水質(zhì)條件下擬合誤差如表4所示，隨著擬合階數(shù)的增大，數(shù)據(jù)點偏差逐漸減小，二階擬合曲線在偏差指標回歸平方和滿足小于1的條件下殘差平方和最小，精度和擬合程度達到最佳。同時擬合曲線的相關指數(shù)R2在高階擬合隨階數(shù)減小，表明復雜模型擬合過程容易陷入過擬合狀態(tài)。

由圖8可知，不同水體對溶液濃度的準確感知會產(chǎn)生影響，水體電導率越大，配肥的濃度誤差越大。隨著溶液電導率的增大，水質(zhì)對溶液濃度的影響將逐漸降低。在低濃度水肥檢測中，水體對電導率檢測水肥濃度方法的干擾不可忽視，水肥濃度相對偏差值甚至超過了0.1，這將對實際生產(chǎn)作業(yè)產(chǎn)生較大影響。因此，在建立水肥濃度智能感知模型時需對水體作為重要因素進行考慮。這進一步說明本研究提出的建立原位水肥模型的系統(tǒng)具有重要意義，可以消除當?shù)厮w電導率的干擾因素，從而確保了水肥配比系統(tǒng)的準確性。

據(jù)此，本研究提出基于原位電導率速測的兩級水肥配比系統(tǒng)，可以針對復合肥料與當?shù)厮w進行定制化的精準配肥，通過現(xiàn)場快速建立所用肥料與水體的智能感知模型，可以消除當?shù)厮w本底電導率對水肥濃度的干擾。建立的配肥模型可以直接指導在二級水肥智能配比系統(tǒng)中進行的配肥。通過測試二級水肥智能配比系統(tǒng)中的電導率，可直接告知用戶N、P2O5和K2O各主要指標的具體濃度數(shù)值。

5 結 ?論

本研究通過將水肥一體化智能灌溉施肥系統(tǒng)作為研究對象，針對農(nóng)場當?shù)禺敃r的復合肥料精準化配料問題，提出一級原位水肥濃度建模子系統(tǒng)與二級水肥精準配比子系統(tǒng)的結構，在一級子系統(tǒng)中構建水肥濃度智能感知模型，消除當?shù)厮w電導率對水肥配比準確性的干擾，實現(xiàn)水肥濃度智能感知與精準配比系統(tǒng)。本研究利用數(shù)據(jù)分析算法從傳感器實時監(jiān)測的一系列濃度梯度的肥料溶液中挖掘出模型，正則化條件下二階的多項式擬合曲線是表達溶液的電導率與水肥濃度的變化關系最優(yōu)的模型，由模型可得出用戶關心的各指標濃度。通過建立流動配肥裝置并建立三種水體的配肥模型，深入探究了三種水體的電導率對水肥配比準確性的影響，從而確定了水體對電導率檢測水肥濃度方法的干擾不可忽視。

本研究提出的在線水肥感知與配比系統(tǒng)具有系統(tǒng)結構簡單，自動化程度高、水肥精準配比，易與現(xiàn)有水肥一體機或者人工配肥系統(tǒng)結合使用的優(yōu)勢，可廣泛應用于設施農(nóng)業(yè)栽培、果園栽培和大田經(jīng)濟作物栽培等環(huán)境下的精準施肥。

參考文獻：

[1] 徐志龍， 喬曉君. 自動灌溉施肥機在設施生產(chǎn)中的應用[J]. 農(nóng)業(yè)工程技術（溫室園藝）， 2008（6）： 15-16.

XU Z， QIAO X. Application of automatic irrigation and fertilizer applicator in facility production[J]. Agriculture Engineering Technology （Greenhouse & Horticulture）， 2008（6）： 15-16.

[2] 李友麗， 李銀坤， 郭文忠， 等. 有機栽培水肥一體化系統(tǒng)設計與試驗[J]. 農(nóng)業(yè)機械學報， 2016， 47（S1）： 273-279.

LI Y， LI Y， GUO W， et al. Design and test of integrated water and fertilizer system in organic cultivation[J]. Transactions of the CSAM， 2016， 47（S1）： 273-279.

[3] 章偉. 渭北旱塬蘋果及葡萄水肥一體化技術研究[D]. 楊凌： 西北農(nóng)林科技大學， 2016.

ZHANG W. Application of fertigation in apple and grape orchard in Weibei arid plateau[D]. Yangling： Northwest A&F University， 2016.

[4] 高玉山， 孫云云， 劉方明， 等.玉米膜下滴灌水肥一體化技術研究進展[J]. 玉米科學， 2016， 24（6）： 155-159.

GAO Y， SUN Y， LIU F， et al. Research progress of maize fertigation with drip irrigation under mulching film[J]. Journal of Maize Sciences， 2016， 24（6）： 155-159.

[5] 劉思汝， 石偉琦， 馬海洋， 等. 果樹水肥一體化高效利用技術研究進展[J]. 果樹學報， 2019， 36（3）： 366-384.

LIU S， SHI W， MA H， et al. Advances in research on efficient utilization of fertigation in fruit trees[J]. Journal of Fruit Science， 2019， 36（3）： 366-384.

[6] 李永梅， 陳學東， 李鋒， 等. 寧夏枸杞水肥一體化智能控制技術應用效益[J]. 江蘇農(nóng)業(yè)科學， 2018， 46（21）： 160-163.

LI Y， CHEN X， LI F， et al. Application benefits of water and fertilizer integration intelligent control technology for Lycium Barbarum[J]. Jiangsu Agricultural Sciences， 2018， 46（21）： 160-163.

[7] 吳松， 李國輝. 水肥一體化灌溉系統(tǒng)中的施肥設備[J]. 農(nóng)業(yè)技術與裝備， 2018（10）： 78-80， 83.

WU S， LI G. Fertilizer applying equipment in water and fertilizer integrated irrigation system[J]. Agricultural Technology & Equipment， 2018（10）： 78-80， 83.

[8] 韓啟彪， 馮紹元， 黃修橋， 等. 我國節(jié)水灌溉施肥裝置研究現(xiàn)狀[J].節(jié)水灌溉， 2014（12）： 76-79， 83.

HAN Q， FENG S， HUANG X， et al. Research on fertilizer injection units in saving-water irrigation in China[J]. Water Saving Irrigation， 2014（12）： 76-79， 83.

[9] 王成. 滴灌系統(tǒng)常用施肥裝置操作要點及優(yōu)缺點分析[J]. 現(xiàn)代農(nóng)業(yè)科技， 2015（9）： 234， 238.

WANG C. Analysis on operation points， advantages and disadvantages of common fertilizer devices in drip irrigation system[J]. Modern Agricultural Science and Technology， 2015（9）： 234， 238.

[10] 韋立德. 低壓灌溉系統(tǒng)文丘里混肥器變量施肥調(diào)控方式研究[D]. 昆明： 昆明理工大學， 2018.

WEI L. Study of variable fertilization controlling method of Venturi fertilizer applicator under low pressure irrigation System[D]. Kunming： Kunming University of Science and Technology， 2018.

[11] 韓啟彪. 滴灌壓差施肥濃度變化及其對水肥分布影響研究[D]. 揚州： 揚州大學， 2018.

HAN Q. Research on solute concentration change in drip fertigation of differential pressure and its effect on water and nitrogen distribution[D]. Yangzhou： Yangzhou University， 2018.

[12] 付強， 梅樹立， 李莉， 等.水肥一體化智能調(diào)控設備智能液位開關設計[J]. 農(nóng)業(yè)機械學報， 2015， 46（S1）： 108-115.

FU Q， MEI S， LI L， et al. Intelligent switcher design in water and fertilizer integration equipment[J]. Transactions of the CSAM， 2015， 46（S1）： 108-115.

[13] 劉永華， 沈明霞， 蔣小平， 等. 水肥一體化灌溉施肥機吸肥器結構優(yōu)化與性能試驗[J]. 農(nóng)業(yè)機械學報， 2015， 46（11）： 76-81， 48.

LIU Y， SHEN M， JIANG X， et al. Structure optimization of suction device and performance test of integrated water and fertilizer fertigation machin[J]. Transactions of the CSAM， 2015， 46（11）： 76-81， 48.

[14] 趙景波， 張文彬， 朱敬旭輝， 等.智能混肥控制系統(tǒng)水肥濃度控制策略研究[J]. 農(nóng)機化研究， 2020， 42（5）： 236-242.

ZHAO J， ZHANG W， ZHU J， et al. Study on water and fertilizer concentration control strategy of intelligent mixed fertilizer control system[J]. Journal of Agricultural Mechanization Research， 2020， 42（5）： 236-242.

[15] 吳琦， 詹宇， 于家旋， 等. 基于混合蟻群算法和變論域模糊控制的混肥系統(tǒng)設計[J]. 中國農(nóng)機化學報， 2019， 40（7）： 146-150.

WU Q， ZHAN Y， YU J， et al. Design of water and fertilizer mixing system based on hybrid ant colony algorithm and variable domain fuzzy control[J]. Journal of Chinese Agricultural Mechanization， 2019， 40（7）： 146-150.

[16] YERMIYAHU U， TAL A， BEN-GAL A， et al. Rethinking desalinated water quality and agriculture[J]. Science， 2007， 318（5852）： 920-921.

[17] PAWLOWSKI A， SáNCHEZ-MOLINA J A， GUZMáN J L， et al. Evaluation of event-based irrigation system control scheme for tomato crops in greenhouses[J]. Agricultural Water Management， 2016， 183： 16-25.

[18] JAYAKUMAR M， JANAPRIYA S， SURENDRAN U. Effect of drip fertigation and polythene mulching on growth and productivity of coconut （Cocos nucifera L.）， water， nutrient use efficiency and economic benefits[J]. Agricultural Water Management， 2017， 182： 87-93.

[19] FEDLER J. Israeli agriculture： Coping with growh[N]. Jerusalem Post， 2001： 5-18.

[20] 左志宇， 毛罕平， 魏新華， 等. WGF-6-12型溫室自動灌溉施肥機的研制[C]// 中國農(nóng)業(yè)工程學會2011年學術年會論文集. 北京， 中國： 中國農(nóng)業(yè)工程學會， 2011.

ZUO Z， MAO H， WEI X， et al. Development of WGF-6-12 automatic greenhouse fertigation machine[C]// Proceedings of 2011 Annual Meeting of China Society of Agricultural Engineering. Beijing， China： Chinese Society of Agricultural Engineering， 2011.

[21] 王金武， 潘振偉， 周文琪，等. SYJ-2型液肥變量施肥機設計與試驗[J]. 農(nóng)業(yè)機械學報， 2015， 46（7）： 53-58.

WANG J， PAN Z， ZHOU W， et al. Design and test of SYJ-2 type liquid variable fertilizer[J]. Transactions of the CSAM， 2015， 46（7）： 53-58.

[22] 田莉， 李家春， 吳景來， 等. 旁路吸肥式水肥一體化自動施肥機的設計與試驗[J].節(jié)水灌溉， 2018 （11）： 98-102， 106.

TIAN L， LI J， WU J， et al. Design and experiment of bypass fertilizer-type water and fertilizer integrated automatic fertilizer applicator[J]. Water Saving Irrigation， 2018 （11）： 98-102， 106.

[23] WANG M， TANG Y， HAO H， et al. The design of agricultural machinery autonomous navigation system based on linux-ARM[C]// Advanced Information Management， Communicates， Electronic and Automation Control Conference.Piscataway， New York， USA： IEEE， 2016.

[24] 趙進， 張越， 趙麗清， 等.水肥一體化智能管理系統(tǒng)設計[J]. 中國農(nóng)機化學報， 2019， 40（6）： 184-190.

ZHAO J， ZHANG Y， ZHAO L， et al. Design of integral management system of water and fertilization[J]. Journal of Chinese Agricultural Mechanization， 2019， 40（6）： 184-190.

[25] 江新蘭， 楊邦杰， 高萬林， 等. 基于兩線解碼技術的水肥一體化云灌溉系統(tǒng)研究[J]. 農(nóng)業(yè)機械學報， 2016， 47（S1）： 267-272.

JIANG X， YANG B， GAO W， et al. Cloud computing irrigation system of water and fertilizer based on dual-line decoding technology[J]. Transactions of the CSAM， 2016， 47（S1）： 267-272.

[26] 駱東松， 姜浩. 農(nóng)業(yè)水肥一體化智能監(jiān)控系統(tǒng)的研究與實現(xiàn)[J]. 自動化技術與應用. 2020， 39（1）： 164-168， 172.

LUO D， JIANG H. Research and realization of intelligent monitoring system of agricultural water and fertilizer integration [J]. Techniques of Automation and Applications， 2020， 39（1）： 164-168， 172.

[27] 姜巖， 唐勇偉， 李成攻， 等. 基于專家系統(tǒng)的水肥一體機智能控制系統(tǒng)[J]. 現(xiàn)代農(nóng)業(yè)科技， 2018（10）： 191-193.

JIANG Y， TANG Y， LI C， et al. Intelligent system of water and fertilizer based on expert system[J]. Modern Agricultural Science and Technology， 2018（10）： 191-193.

[28] 姜巖， 段杰， 王茂勵， 等. 基于物聯(lián)網(wǎng)技術的水肥一體化智能管理系統(tǒng)[J]. 現(xiàn)代農(nóng)業(yè)科技， 2018（16）： 279-281.

JIANG Y， DUAN J， WANG M， et al. Intelligent system of water and fertilizer based on internet of things technology[J]. Modern Agricultural Science and Technology， 2018（16）： 279-281.

[29] PERALTAPENA， ANGELMIGUEL. Fertilizer injection with rotary vane pumps and electrical conductivity control in mixed solutions for fertirrigation[J]. Revista Ciencias Te?cnicas Agropecuaria， 2010， 19： ID 3.

Abstract： Water and fertilizer integration technology can effectively improve nutrient utilization efficiency. However， the existing water and fertilizer machines have some shortcomings， such as huge cost， single fertilizer injection， need for cleaning water and so on， which hinder the development of water and fertilizer integration technology. Aiming at the problems of precise and low-cost compounding of compound fertilizer at the local farm， the water and fertilizer integrated intelligent irrigation and fertilization system were taken as the research object. In this research， new concept of an intelligent sensing system was proposed， and accurate proportioning system of water and fertilizer concentration was constructed and implemented. Firstly， a fast on-line method of intelligent sensing model of water and fertilizer was established based on a series of concentration gradient compound fertilizer solutions. The conductivity values of these formulated solutions were tested by contactless conductivity detection electrodes. Subsequently， the data analysis algorithms were discussed and compared to fit regression model. Based on the intelligent sensing model of water and fertilizer ， the framework structure of in-situ intelligent sensing and accurate proportioning system of water and fertilizer concentration was designed， and the working principle of the system was also explained. The system proposed includs a first-level water and fertilizer concentration intelligent perception model building subsystem and a second-level water and fertilizer accurate proportioning subsystem. The first-level subsystem was designed as a portable device， which mainly included a precise pump for quantitative dosing， a large-range online conductivity sensor， a plastic bucket and supporting control and model building software. The second-level subsystem was designed as a dynamic and precise fertilizer distribution device. The effectiveness of the system was verified by three types of water intelligent fertilizer application so as to guide the in-situ water and fertilizer concentration ratio. The testing results showed that the second-order polynomial fitting curve under regularization conditions was the best model to express the relationship between the conductivity and the concentration of water and fertilizer， and the correlation coefficients R2 was higher than 0.999. Combined with the proportion of each index of compound fertilizer， the concentration of each index of compound fertilizer that the user cares about can be obtained according to this model. The results of three types of water intelligent fertilizer application showed that the conductivity of natural water had an effect on the water and fertilizer system， and the relative deviation was more than 0.1. The online water and fertilizer perception and ratio system proposed in this research realized the elimination of the interference of the local water conductivity on the accuracy of the ratio of water and fertilizer， and the accurate calculation of compound fertilizer was achieved through model calculation. This system has a simple structure and accurate ratio， low cost， and can be easily combined with the existing water and fertilizer integrated machine or artificial fertilizer system. The system could be widely used in facility agriculture， orchard cultivation and field cash crop cultivation， et al.

Key words： water and fertilizer integration; conductivity; intelligent sensing; precision proportioning; system modeling; polynomial curve fitting