TỔNG QUAN VỀ HỆ THỐNG ĐIỀU KHIỂN TƯỚI CHÍNH XÁC  TRONG CANH TÁC

Vũ Minh Trung; Phạm Châu Thùy; Chu Đức Hà; Phạm Minh Triển

doi:10.34238/tnu-jst.7294

TỔNG QUAN VỀ HỆ THỐNG ĐIỀU KHIỂN TƯỚI CHÍNH XÁC TRONG CANH TÁC

Thông tin bài báo

Ngày nhận bài: 07/02/23 Ngày hoàn thiện: 14/04/23 Ngày đăng: 19/04/23

Các tác giả

1. Vũ Minh Trung, Trường Đại học Công nghệ - ĐH Quốc gia Hà Nội
2. Phạm Châu Thùy, Trường Đại học Công nghệ - ĐH Quốc gia Hà Nội
3. Chu Đức Hà, Trường Đại học Công nghệ - ĐH Quốc gia Hà Nội
4. Phạm Minh Triển , Trường Đại học Công nghệ - ĐH Quốc gia Hà Nội

Tóm tắt

Quản lý nguồn nước tưới tiêu trong canh tác được xem là một trong những nhiệm vụ trọng tâm của ngành nông nghiệp nhằm đảm bảo năng suất của cây trồng. Các phương pháp tưới tiêu truyền thống gây ra sự lãng phí về nguồn tài nguyên nước. Do đó, cần thiết phải xây dựng hệ thống điều khiển tưới tiêu nhằm can thiệp vào tốc độ nước, lượng nước, thời điểm tưới và vị trí tưới phù hợp. Tuy nhiên, những hiểu biết về xây dựng hệ điều khiển sử dụng trong tưới tiêu vẫn còn hạn chế. Mục tiêu của bài tổng quan này nhằm tóm lược những hệ điều khiển dạng vòng mở và dạng vòng kín được áp dụng phổ biến trong tưới tiêu. Cụ thể, nguyên lý hoạt động và ưu nhược điểm của từng hệ thống được phân tích, các thông số môi trường, cây trồng và đất đã được đề cập một cách cụ thể. Trong đó, các hệ điều khiển dạng vòng kín, điển hình như hệ điều khiển tuyến tính, hệ điều khiển thông minh và điều khiển dự báo dựa trên mô hình đã được tóm lược đầy đủ. Kết quả của bài tổng quan này có thể định hướng cho việc xây dựng những mô hình hệ thống điều khiển tưới chính xác phục vụ canh tác các loại cây trồng có giá trị kinh tế cao.

Từ khóa

Tưới tiêu; Điều khiển; Điều khiển dạng mở; Điều khiển dạng kín; Chỉ tiêu

Toàn văn:

PDF

Tài liệu tham khảo

[1] D. C. Plett et al., “The intersection of nitrogen nutrition and water use in plants: new paths toward improved crop productivity,” Journal of Experimental Botany, vol. 71, no. 15, pp. 4452-4468, 2020, doi: 10.1093/jxb/eraa049.

[2] S. Fahad et al., “Crop production under drought and heat stress: Plant responses and management options,” Frontiers in Plant Science, vol. 8, p. 1147, 2017, doi: 10.3389/fpls.2017.01147.

[3] K. Wiebe et al., “Climate change impacts on agriculture in 2050 under a range of plausible socioeconomic and emissions scenarios,” Environmental Research Letters, vol. 10, 2015, Art. no. 085010, doi: 10.1088/1748-9326/10/8/085010.

[4] V. H. Nguyen et al., “An assessment of irrigated rice cultivation with different crop establishment practices in Vietnam,” Scientific Reports, vol. 12, no. 1, p. 401, 2022, doi: 10.1038/s41598-021-04362-w.

[5] Q. T. Ha et al., “Investigation on sweet orange farming practices and establishment of the watering model combined with fertilizing for development of sweet orange in Hung Yen,” Journal of Vietnam Agricultural Science and Technology, vol. 8, no. 129, pp. 83-88, 2021.

[6] P. D. Hynds et al., “Contamination of groundwater systems in the US and Canada by enteric pathogens, 1990-2013: A review and pooled-analysis,” PLoS One, vol. 9, no. 4, 2014, Art. no. e93301, doi: 10.1371/journal.pone.0093301.

[7] F. A. Ward et al., “Water conservation in irrigation can increase water use,” Proceedings of the National Academy of Sciences of the United States of America, vol. 105, no. 47, pp. 18215-18220, 2008, doi: 10.1073/pnas.0805554105.

[8] L. Garcia et al., “IoT-based smart irrigation systems: An overview on the recent trends on sensors and IoT systems for irrigation in precision agriculture,” Sensors, vol. 20, no. 4, p. 1042, 2020, doi: 10.3390/s20041042.

[9] A. A. Emmanuel et al., “A review on monitoring and advanced control strategies for precision irrigation,” Computers and Electronics in Agriculture, vol. 173, 2020, Art. no. 105441, doi: 10.1016/j.compag.2020.105441.

[10] S. Anderson, “Caloric irrigators: air, open-loop water and closed-loop water,” British Journal of Audiology, vol. 29, no. 2, pp. 117-128, 1995, doi: 10.3109/03005369509086589.

[11] F. S. Zazueta et al., “Microcomputer-based control of irrigation systems,” Applied Engineering in Agriculture, vol. 8, no. 5, pp. 593-596, 1992, doi: 10.13031/2013.26129.

[12] H. Zia et al., “An experimental comparison of IoT-based and traditional irrigation scheduling on a flood-irrigated subtropical lemon farm,” Sensors, vol. 21, no. 12, 2021, Art. no. 4175, doi: 10.3390/s21124175.

[13] A. Sudarmaji et al., “Time based automatic system of drip and sprinkler irrigation for horticulture cultivation on coastal area,” IOP Conference Series: Earth and Environmental Science, vol. 250, 2019, Art. no. 12074, doi:10.1088/1755-1315/250/1/012074.

[14] F. F. Montesano et al., “Timer versus moisture sensor-based irrigation control of soilless lettuce: Effects on yield, quality and water use efficiency,” Horticultural Sciences, vol. 43, no. 2, pp. 67-75, 2016, doi: 10.17221/312/2014-HORTSCI.

[15] H. Tran et al., “Establishment of the drip irrigation methods combined with the fertilizer levels in cultivation of mango in Mekong Delta,” Journal of Water Resources, vol. 1, pp. 30-41, 2021.

[16] M. Rufi-Salis et al., “Closed-loop crop cascade to optimize nutrient flows and grow low-impact vegetables in cities,” Frontiers in Plant Sciences, vol. 11, 2020, Art. no. 596550, doi: 10.3389/fpls.2020.596550.

[17] B. Rekha et al., “Review on closed loop automated irrigation system,” The Asian Review of Civil Engineering, vol. 6, no. 1, pp. 9-14, 2017.

[18] C. Kamienski et al., “Smart water management platform: IoT-based precision irrigation for agriculture,” Sensors, vol. 19, no. 2, 2019, Art. no. 176, doi: 10.3390/s19020276.

[19] M. Mohammed et al., “Efficient IoT-based control for a smart subsurface irrigation system to enhance irrigation management of date palm,” Sensors, vol. 21, no. 12, 2021, Art. no. 3942, doi: 10.3390/s21123942.

[20] M. Huang et al., “Parameter optimization of PID controller for water and fertilizer control system based on partial attraction adaptive firefly algorithm,” Scientific Reports, vol. 12, no. 1, 2022, Art. no. 12182, doi: 10.1038/s41598-022-16425-7.

[21] M. S. Goodchild et al., “A novel dielectric tensiometer enabling precision PID-based irrigation control of polytunnel-grown strawberries in coir,” Biosystems Engineering, vol. 165, pp. 70-76, 2018. doi: 10.1016/j.biosystemseng.2017.10.018.

[22] G. Mantri et al., “Design and optimization of PID controller using genetic algorithm,” International Journal of Research in Engineering and Technology, vol. 2, no. 6, pp. 926-930, 2013, doi: 10.15623/ijret.2013.0206002.

[23] A. Gloria et al., “Sustainable irrigation system for farming supported by machine learning and real-time sensor data,” Sensors, vol. 2, no. 9, 2021, Art. no. 3079, doi: 10.3390/s21093079.

[24] S. Dimitriadis et al., "Applying machine learning to extract new knowledge in precision agriculture applications," Panhellenic Conference on Informatics, 2008, pp. 100-104, doi: 10.1109/PCI.2008.30.

[25] A. Goldstein et al., “Applying machine learning on sensor data for irrigation recommendations: revealing the agronomist’s tacit knowledge,” Precision Agriculture, vol. 19, pp. 421-444, 2018, doi: 10.1007/s11119-017-9527-4.

[26] A. K. Mousa et al., “Fuzzy based decision support model for irrigation system management,” International Journal Computer Application, vol. 104, no. 9, pp. 14-20, 2014, doi: 10.5120/18230-9177.

[27] F. Hasan et al., “Implementation of fuzzy logic in autonomous irrigation system for efficient use of water,” In Joint 7^thInternational Conference on Informatics, Electronics & Vision and 2^ndInternational Conference on Imaging, Vision & Pattern Recognition, 2018, pp. 234-238, doi. 10.1109/ICIEV.2018.8641017.

[28] L. Wang et al., “An adaptive fuzzy hierarchical control for maintaining solar greenhouse temperature,” Computers and Electronics in Agriculture, vol. 155, pp. 251-256, 2018, doi: 10.1016/j.compag.2018.10.023.

[29] B. Keswani et al., “Adapting weather conditions based IoT enabled smart irrigation technique in precision agriculture mechanisms,” Neural Computing and Applications, vol. 31, pp. 277-292, 2019, doi: 10.1007/s00521-018-3737-1.

[30] S. Fengshen et al., “Research on water-fertilizer integrated technology based on neural network prediction and fuzzy control,” IOP Conference Series: Earth and Environmental Science, vol. 170, no. 3, 2018, Art. no. 032168, doi: 10.1088/1755-1315/170/3/032168.

[31] M. H. Hussain et al., “Fuzzy logic controller for automation of greenhouse irrigation system,” 3^rd CUTSE International Conference, 2011, pp. 1-6.

[32] F. Viani et al., “Low-cost wireless monitoring and decision support for water saving in agriculture,” IEEE Sensors Journal, vol. 17, no. 13, pp. 4299-4309, 2017, doi: 10.1109/JSEN.2017.2705043.

[33] S.W. Tsang et al., “Applying artificial intelligence modeling to optimize green roof irrigation,” Energy and Buildings, vol. 127, pp. 360-369, 2016, doi: 10.1016/j.enbuild.2016.06.005.

[34] J. Kelley et al., “Using neural networks to estimate site-specific crop evapotranspiration with low-cost sensors,” Agronomy, vol. 9, 2019, Art. no. 108, doi: 10.3390/agronomy9020108.

[35] S. Sharma et al., “Prediction of evapotranspiration by artificial neural network and conventional methods,” International Journal of Engineering Research, vol. 5, no. 1, pp. 184-187, 2016, doi: 10.17950/ijer/v5i1/043.

[36] S. M. Umair et al., “Automation of irrigation system using ANN based controller,” International Journal of Electrical & Computer Sciences, vol. 10, no. 2, pp. 45-51, 2010.

[37] J. Gu et al., “An improved back propagation neural network prediction model for subsurface drip irrigation system,” Computers & Electrical Engineering, vol. 60, pp. 58-65, 2017, doi: 10.1016/j.compeleceng.2017.02.016.

[38] J. M. McKinion et al., “Expert systems for agriculture,” Computers and Electronics in Agriculture, vol. 1, no. 1, pp. 31-40, 1985, doi: 10.1016/0168-1699(85)90004-3.

[39] A. Nada et al., “Irrigation expert system for trees,” International Journal of Engineering and Innovative Technology, vol. 3, no. 8, pp. 170-175, 2014.

[40] R. Shahzadi et al., “Internet of things based expert system for smart agriculture,” International Journal of Advanced Computer Science and Applications, vol. 7 no. 9, pp. 341-350, 2016, doi: 10.14569/IJACSA.2016.070947.

[41] S. Eid et al., “Developments of an expert system for on-farm irrigation water management under arid conditions,” Journal of Soil Sciences and Agricultural Engineering, vol. 9, no. 1, pp. 69-76, 2018, doi: 10.21608/JSSAE.2018.35544.

[42] W. Chen et al., “Improved nonlinear model predictive control based on genetic algorithm,” Advanced Model Predictive Control, pp. 1-14, 2011, doi: 10.5772/18778.

[43] M. F. Allawi et al., “Synchronizing artificial intelligence models for operating the dam and reservoir system,” Water Resources Management, vol. 32, no. 10, pp. 3373-3389, 2018, doi: 10.1007/s11269-018-1996-3.

[44] D. Tseng et al., “Towards automating precision irrigation: Deep learning to infer local soil moisture conditions from synthetic aerial agricultural images,” 14^th International Conference on Automation Science and Engineering, 2018, pp. 284-291.

[45] A. A. Emmanuel et al., “A model predictive controller for precision irrigation using discrete lagurre networks,” Computers and Electronics in Agriculture, vol. 181, pp. 105953, 2021, doi: 10.1016/j.compag.2020.105953.

[46] V. Puig et al., “Model predictive control of combined irrigation and water supply systems: Application to the Guadiana river,” 9^th International Conference on Networking, Sensing and Control, 2012, pp. 1-7, doi: 10.1109/ICNSC.2012.6204896.

[47] C. Lozoya et al., “Model predictive control for closed-loop irrigation,” IFAC Proceedings Volumes, vol. 47, no. 3, pp. 4429-4434, 2014, doi: 10.3182/20140824-6-ZA-1003.02067.

[48] P. Patil et al., “Intelligent irrigation control system by employing wireless sensor networks,” International Journal of Computer Applications, vol. 79, no. 11, pp. 33-40, 2013, doi: 10.5120/13788-1882.

[49] Q. Bo et al., “Intelligent control of agricultural irrigation through water demand prediction based on artificial neural network,” Computational Intelligence and Neuroscience, vol. 2021, 2021, Art. no. 7414949, doi: 10.1155/2021/7414949.

[50] A. Afzal et al., “Leaf thickness and electrical capacitance as measures of plant water status,” Transactions of the ASABE, vol. 60, no. 4, p. 1063, 2017, doi: 10.13031/trans.12083.

DOI: https://doi.org/10.34238/tnu-jst.7294

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ