天正动态

断网也能精准灌溉?天正高科两项发明专利,不靠稳定云连接,田里的阀门也"会思考"

提起数字农业,很多人先想到"智慧灌溉""精准施肥"。但真把系统铺到田间,有两个绕不开的现实:一是田里的网络并不总是稳定,二是作物需水随土层、随天气连续变化,远不是“湿度低了就浇水”那么简单。“智慧农业的难点,不在于把设备连上网,而在于让设备在断网时,依然能做出准确的判断。”

发明专利

天正高科近期两项发明专利,分别从"边缘算力底座"和"灌溉阀门控制"两个层面给出了工程化思路:一项是已获授权的《一种具有边缘计算功能的人工智能可编程逻辑控制器》,另一项是《一种基于智能灌溉电动阀门的远程控制与智能调节方法》。放在一起看,能清晰看见一家农业科技企业在"硬件—算法—场景"上的系统布局。

农业场景里,灌溉到底难在哪

发明专利

规模化农田里,麻烦往往是叠加出现的。

看不准。 不少系统依赖单点土壤湿度或单一数据模型,但作物根系层是分层的,水分运移有自身物理规律。只看一个点、一个时刻,容易误判根区真实缺水——要么旱着作物,要么白白浪费水。

调不稳。 一片灌区多个阀门同时工作,若只按单阀需求或简单压力反馈开阀,易出现多阀抢水、末端压力不足,甚至因水流突变引发水锤冲击,长期有爆管风险,也伤设备。

断网就抓瞎。 田间 4G/5G 信号弱、基站波动是常事。云端一连不上,依赖云的系统就失去决策能力,可能盲目开阀、突然停阀或灌溉中断,打乱田间节奏。

用不久。 阀门硬启硬停、开度过冲、执行偏差逐次累积,不仅精度下降,阀门和执行机构的寿命也会缩短。

专利一:给田间设备一个"本地大脑"

发明专利

2026 年 9 月获国家知识产权局授权,专利权人为北京天正高科智能科技有限公司。核心是把 AI 推理能力下沉到 PLC 本地端,也就是"边缘侧"。

传统 PLC 擅长逻辑控制,但本地算力有限,跑不动 AI 模型;纯云端方案又受延迟和带宽制约。这项专利用四个模块破局:IO 转译模块做信号识别与协议转译;边缘计算模块在本地完成逻辑运算和 AI 推理;计时器模块内置可调节的"边缘计算等待时间阈值"(0~1000 毫秒);暂存模块负责缓存与云端交互。

关键在这个"等待时间阈值"——它相当于算力分配的调节阀:调大,优先让本地边缘端算,适合高实时性逻辑控制;调小,快速切云端,适合高复杂度 AI 推理。实时性与大算力不必二选一。

切换不出乱子,靠的是时序管控与链路仲裁:边缘结果默认优先,云端冗余结果被屏蔽,避免指令冲突;通信中断可断点续传,工业数据端到端加密。计时器还支持自适应模式,用模糊控制算法按历史计算时长、云端延迟和实时性要求自动调阈值,减少人工干预。

硬件上,边缘计算模块采用高性能嵌入式主控搭配 NPU 神经网络加速核,支持 TensorFlow Lite、ONNX 等轻量化模型部署,模型可在线更新、量化裁剪,适配边缘端有限算力。对农业物联网来说,这相当于给田间设备装上一颗"不依赖稳定云连接、又能跑 AI"的本地大脑。

专利二:让灌溉阀门"会思考、能应急"

发明专利

第二项专利聚焦智能灌溉电动阀门的远程控制与智能调节,正好把前述边缘计算的专利能力用到了农业场景。它设计了七步闭环:状态接入、根系层水动力混合预测、管网容量校核、阀门启闭约束控制、边缘应急控制、受限微步调节、执行反馈更新。

最有看点的是"根系层水动力混合预测模型"。它不走"纯物理"或"纯数据"的极端,而是把两者结合:依托土壤水动力学机理描述土壤水分的运移规律,生成基准轨迹;再采用时序智能网络学习历史灌溉状态与物理残差的一致性,形成残差记忆特征;最后由"根区胁迫门控"按根区真实缺水状态约束修正。简单说,这套模型既懂土壤水分运移规律,又记得历史灌溉偏差,让需水判断更贴近根区实际。

针对"调不稳",专利引入管网容量校核,把根区需水优先级、管网供水能力和水锤风险放进一张"校验单":谁先浇、分多少水、开多大阀、有没有爆管风险,一次算清,从机制上减少多阀抢水和末端压力不足。

针对"用不久",设计了 S 形速度曲线和受限微步调节:阀门不再硬启硬停,而按水锤风险约束量平滑加减速,到位前进入缓冲区间,既防过冲也护设备。

针对"断网就抓瞎",边缘应急控制直接复用边缘计算思路——云端通信超时后,系统读取本地缓存的"最近有效管网容量校核结果",按边缘规则本地决策,对不满足供水条件的阀门保持当前开度或关闭,避免盲目动作。控制过程还会依据灌溉执行反馈,持续更新模型参数与控制规则,越用越贴合地块。

两项专利放在一起,看见的是研发路径

单独看,一项是边缘算力底座,一项是农业灌溉应用;合起来恰好构成"底座支撑应用"的闭环。第二项专利里反复出现的边缘网关本地预测、断网应急,正是前述专利要解决的典型工况——说明天正高科的布局不是零散功能拼凑,而是从底层硬件到行业算法的协同设计。

能力厚度体现在几层:硬件上,能做带 NPU 加速、兼容 Modbus/Profinet/EtherCAT 等工业总线的边缘 AI 控制器;算法上,能把物理方程与深度学习结合,写出作物级的需水预测与阀门控制逻辑;场景上,懂灌溉的真实约束——水锤、抢水、断网、设备寿命,而不是把工业控制逻辑简单搬过来。

数字农业真正稀缺的,往往不是"连上网"的能力,而是"断网也能做出靠谱判断"的能力,以及"把物理规律和数据经验融合进控制回路"的能力。这两项专利给出的,正是这个方向的解法。

发明专利

农业数字化没有捷径,靠的是一项项能落地、经得起田间检验的技术积累。如果你也在做智能灌溉、农田物联网,或正被田间联网、阀门控制、节水增效的问题困扰,欢迎在评论区聊聊你的场景。