基于WSN與TinyOS技術的智能溫室監控系統設計

王亞平+張寶華+董麗榮

摘要：構建傳統的溫室監控系統需要大量的線纜，從而增加了造價，并給維護造成很大的困難。研究用無線傳感網絡技術實現前端溫室信息的采集與遠程監控，不但節省了造價，而且系統采用TinyOS技術，可以實現低功耗、高魯棒性、數據快速傳輸。研究的系統在溫室監控中有一定的實際應用價值。

關鍵詞：WSN；TinyOS；節點；低功耗；農業生產；智能溫室

中圖分類號：TP277.2；S126 文獻標志碼：A

文章編號：1002-1302（2014）08-0408-03

我國是一個農業大國，提高農作物產量對我國經濟發展尤為重要。溫室種植是我國現代化農業生產的重要手段之一，也是信息化農業生產的重要組成部分。利用先進的信息技術可以不受自然環境、季節等因素的制約而生產出高質量、反季節的新鮮水果與蔬菜，從而滿足人們的需求，創造出更多的利潤。傳統的溫室監控系統在溫室內放置大量的傳感器，對溫室的光、空氣溫度、空氣濕度、二氧化碳濃度等信息進行采集，而且傳感器多采用有線的形式，需要鋪設大量的線路，維護難度大。本系統設計的基于無線傳感網絡（wireless sensor network，WSN）與TinyOS技術的智能溫室監控系統，在無線傳感器節點設計上采用多傳感融合技術采集光、空氣溫度、空氣濕度、二氧化碳濃度等信息，并通過無線的形式將信息傳送到監控終端^[1]。系統設計結構見圖1。

1 總體技術架構設計

本系統結合農業實際生產需求，利用設計的無線傳感器節點將溫室內的光、溫度、濕度、二氧化碳等信息進行集中采集，再將信息發送給路由節點。路由節點在這個網絡中起到中繼的作用，將信息經過多次轉發傳送給Sink節點^[2]。Sink節點會對信息進行匯總，可以通過3G網絡或者Internet網絡將信息發送給監控終端。監控終端對前端采集的信息能夠進行實時監控，同時監控終端平臺配置一臺智能分析服務器和數據庫服務器。智能分析服務器會對信息進行智能分析，以指導對前端溫室環境的控制^[3]。數據庫服務器對數據進行儲存和管理，可以對指定的傳感器進行查詢與分析。系統總體技術架構見圖2。

同時，系統能夠實現這些功能：（1）系統能夠對前端采集的數據進行實時監控；（2）系統支持數據查詢功能，即當監控人員要求對具體區域的節點進行查詢時，能供監控人員使用；（3）系統支持故障檢測功能，即當前端某個節點發生損壞時，能夠通過節點編號查到節點的具體位置，維護人員可以根據提供的信息快速準確找到損壞節點的位置并更換節點，從而

遙感（remote sensing，RS）是通過某種傳感器裝置在遠距離、不直接接觸研究對象的情況下，對目標進行測量、分析并判定目標性質的一門科學和技術^[1]。利用遙感技術獲取的數據具有實時性高、覆蓋范圍廣、信息豐富客觀等優點，因而被廣泛應用于航空、航天、軍事偵察、災害預報、環境監測、資源勘探、土地規劃與利用、災害動態監測、農作物估產、氣象預報等諸多軍事及民用領域。農業遙感始于1971年美國開展的大面積農作物估產試驗，目前在農作物遙感監測、產量估算、長勢評估等方面都取得了較好的進展。近年來，我國的農業遙感技術主要體現在農業資源的監測與保護、農作物長勢監測和大面積估產、農業氣象災害監測與預測和作物遙感模型等幾個方面^[2]。

基于過程的作物生長模擬模型能夠定量描述作物生長發育及產量品質形成過程，已經成為現代農業發展的一個重要領域。美國的CERES和荷蘭“de Wit”系列模型是作物生長模型的典型代表，并且國內外已經研制了一批作物生長模擬與決策支持系統，同時實現了作物生長各階段長勢的模擬預測和決策支持^[3]。但是，已有的作物生長模型通常是基于單株作物生長發育及產量品質形成過程的模擬，而對于多株或一定范圍內作物的生長發育狀況的研究相對較少。與此相關的主要體現在宏觀上，利用遙感影像實現大面積作物的監測、評估^[4]。實際上，由于影像分辨率、真實地況差異、相關算法效率、人工誤差等諸多因素的存在，大面積作物長勢分析、種植面積估算等研究具有很大的不確定性和不可靠性，而近年來普及的遙感技術和日益豐富的影像數據為上述問題的解決提供了便利。利用高、中、低等不同層次分辨率的遙感影像可以實現大到區域級、小到單株作物級的監測和評估，為作物長勢分析、產量估算及其真實生長模型監控等提供必要的途徑。

本研究擬構建一個基于農作物生長發育不同階段的特征顯著的模板數據庫，實現農作物從播種到收獲各階段的過程模擬化和模型數據化。通過選取高、中分辨率遙感影像建立不同尺度級別作物的分析、對比、評估，可以滿足一定區域內作物估產、作物長勢分析、災害預警等應用需要，實現遙感信息定性、定量、定位一體化快速處理，從而推動數字農業、精細化農業的快速發展。

1 作物長勢模板數據庫分析

1.1 需求分析

遙感影像是通過安裝在遙感平臺上的設備對目標物表面攝影或掃描獲得的影像。遙感影像具有多平臺、多傳感器、多波段、多比例尺、多時相等優點，能提供豐富的信息，其特征能夠反映地理環境或目標物的質、量和動態信息^[5]。波譜特性、空間特性、時間特性是遙感影像的基本屬性。其中，波譜特性指物體發射、反射的電磁波強度，在遙感影像中通常表現為顏色、亮度、陰影等特征信息。空間特性包括成像信息的空間分辨率和投影性質分析，涉及影像空間位置、空間布局以及地物的形狀、紋理、圖案等特征信息。該特征為從形態學方面識別地物、繪制地圖、目標解譯以及對圖像進行幾何糾正、增強處理等提供了重要的依據。時間特性是以一定的周期對地面重復成像，獲取多時相遙感影像進行對比分析。遙感影像的多時相性主要表現在地理環境的自然變換過程和地物的節律性變化。由于不同時期太陽輻射、氣候、植被等環境因素的變化，不同季節或日期的地物在同波段影像上色調存在差異。endprint

農業生產是人類社會最基本和最重要的生產活動之一，是人類社會生存和發展的基本條件。農作物長勢監測能夠提供全面、客觀、精準的基礎數據，盡早對糧食市場進行監控和預測，為農業政策的制定和糧食安全、糧食貿易提供決策依據。利用遙感技術可以實現農作物長勢的全程監控，包括作物的苗情、生長狀況、變化規律以及自然災害等情況，也為農作物產量估測、災害預警等其他研究提供了必要的前提^[6]。目前，農作物長勢監測的方法主要包括直接檢測方法、同期對比方法、診斷模型以及作物生長過程監測、生長模型方法等。這些方法在一定條件下能夠實現特定農作物的長勢監測，但也都存在一定的局限性，如物候差異問題、長勢與最后產量預測脫節、缺乏定量監測等。

農作物長勢模板數據庫就是通過分析農作物生長發育各階段的顯著特點和不同階段關注的核心問題，選取合適尺度的遙感影像并提取重要特征參數，建立長勢模板數據庫，并根據遙感監測結果進行動態更新，從而為作物長勢分析、產量估測、災害預警提供可靠的數據基礎和高效的分析方法。

1.2 構建流程

農作物長勢模板數據庫構建主要包括RS影像選取、圖像特征提取、數據存儲、數據更新4個階段（圖1）。

4 總結

農作物長勢監測是農業遙感監測和估產的核心部分，其本質是根據作物生長發育各階段監控作物種植和糧食培育過程中的問題，實時動態地了解作物生長狀況，確保作物豐收增產，從而保證國家的糧食安全。本研究提出利用高、中、低分辨率遙感影像建立區域性作物生長發育數據庫，結合已有農業數據和歷年遙感影像歷史數據實現對當前作物種植、長勢、估產等若干問題的監控和管理，為農業信息化的實現提供了很好的參考模式。隨著遙感技術的發展，大量厘米級分辨率的高分辨遙感影像不斷出現并快速更新，可以實現田塊級別、單株級別作物長勢狀況分析，從而為精細化農業發展提供了必要的基礎。

參考文獻：

[1]李小文. 遙感原理與應用[M]. 北京：科學出版社，2008：1-8.

[2]邢素麗，張廣錄. 我國農業遙感的應用現狀與展望[J]. 農業工程學報，2003，19（6）：174-178.

[3]陳仲新. GEOSS背景下的農業遙感監測[J]. 中國農業資源與區劃，2012，33（4）：5-10.

[4]馮學智，肖鵬峰，趙書河，等. 遙感數字圖像處理與應用[M]. 北京：商務印書館，2011：267-274.

[5]陳圣波，孟治國，湛邵斌，等. 遙感影像信息庫[M]. 北京：科學出版社，2011：23-35.

[6]劉 慧，湯 亮，張文宇，等. 基于模型的可視化水稻生長系統的構建與實現[J]. 農業工程學報，2009，25（9）：148-154，彩插2.

[7]Mather P M. Computer processing of remotely-sensed images：an introduction[M]. 3rd ed. Chichester：John Wiley & Sons，2004：110-123.

[8]杜根遠. 海量遙感圖像內容檢索關鍵技術研究[D]. 成都：成都理工大學，2011：46-48.

[9]熊德蘭，杜根遠.遙感影像模板數據庫設計與實現[J]. 現代計算機：上半月版，2012，10（10）：62-65.

[10]蔣 楠，李衛國，杜培軍. 雷達遙感在水稻生長監測應用中的研究進展[J]. 江蘇農業科學，2011，39（2）：491-493

[11]中國科學院計算機網絡信息中心. 地理空間數據云[DB/OL]. [2013-12-01]. http：//www.gscloud.cn/.

[12]柳欽火，辛曉洲. 定量遙感模型、應用及不確定性研究[M]. 北京：科學出版社，2010：52-80.endprint

農業生產是人類社會最基本和最重要的生產活動之一，是人類社會生存和發展的基本條件。農作物長勢監測能夠提供全面、客觀、精準的基礎數據，盡早對糧食市場進行監控和預測，為農業政策的制定和糧食安全、糧食貿易提供決策依據。利用遙感技術可以實現農作物長勢的全程監控，包括作物的苗情、生長狀況、變化規律以及自然災害等情況，也為農作物產量估測、災害預警等其他研究提供了必要的前提^[6]。目前，農作物長勢監測的方法主要包括直接檢測方法、同期對比方法、診斷模型以及作物生長過程監測、生長模型方法等。這些方法在一定條件下能夠實現特定農作物的長勢監測，但也都存在一定的局限性，如物候差異問題、長勢與最后產量預測脫節、缺乏定量監測等。

農作物長勢模板數據庫就是通過分析農作物生長發育各階段的顯著特點和不同階段關注的核心問題，選取合適尺度的遙感影像并提取重要特征參數，建立長勢模板數據庫，并根據遙感監測結果進行動態更新，從而為作物長勢分析、產量估測、災害預警提供可靠的數據基礎和高效的分析方法。

1.2 構建流程

農作物長勢模板數據庫構建主要包括RS影像選取、圖像特征提取、數據存儲、數據更新4個階段（圖1）。

4 總結

農作物長勢監測是農業遙感監測和估產的核心部分，其本質是根據作物生長發育各階段監控作物種植和糧食培育過程中的問題，實時動態地了解作物生長狀況，確保作物豐收增產，從而保證國家的糧食安全。本研究提出利用高、中、低分辨率遙感影像建立區域性作物生長發育數據庫，結合已有農業數據和歷年遙感影像歷史數據實現對當前作物種植、長勢、估產等若干問題的監控和管理，為農業信息化的實現提供了很好的參考模式。隨著遙感技術的發展，大量厘米級分辨率的高分辨遙感影像不斷出現并快速更新，可以實現田塊級別、單株級別作物長勢狀況分析，從而為精細化農業發展提供了必要的基礎。

參考文獻：

[1]李小文. 遙感原理與應用[M]. 北京：科學出版社，2008：1-8.

[2]邢素麗，張廣錄. 我國農業遙感的應用現狀與展望[J]. 農業工程學報，2003，19（6）：174-178.

[3]陳仲新. GEOSS背景下的農業遙感監測[J]. 中國農業資源與區劃，2012，33（4）：5-10.

[4]馮學智，肖鵬峰，趙書河，等. 遙感數字圖像處理與應用[M]. 北京：商務印書館，2011：267-274.

[5]陳圣波，孟治國，湛邵斌，等. 遙感影像信息庫[M]. 北京：科學出版社，2011：23-35.

[6]劉 慧，湯 亮，張文宇，等. 基于模型的可視化水稻生長系統的構建與實現[J]. 農業工程學報，2009，25（9）：148-154，彩插2.

[7]Mather P M. Computer processing of remotely-sensed images：an introduction[M]. 3rd ed. Chichester：John Wiley & Sons，2004：110-123.

[8]杜根遠. 海量遙感圖像內容檢索關鍵技術研究[D]. 成都：成都理工大學，2011：46-48.

[9]熊德蘭，杜根遠.遙感影像模板數據庫設計與實現[J]. 現代計算機：上半月版，2012，10（10）：62-65.

[10]蔣 楠，李衛國，杜培軍. 雷達遙感在水稻生長監測應用中的研究進展[J]. 江蘇農業科學，2011，39（2）：491-493

[11]中國科學院計算機網絡信息中心. 地理空間數據云[DB/OL]. [2013-12-01]. http：//www.gscloud.cn/.

[12]柳欽火，辛曉洲. 定量遙感模型、應用及不確定性研究[M]. 北京：科學出版社，2010：52-80.endprint

農業生產是人類社會最基本和最重要的生產活動之一，是人類社會生存和發展的基本條件。農作物長勢監測能夠提供全面、客觀、精準的基礎數據，盡早對糧食市場進行監控和預測，為農業政策的制定和糧食安全、糧食貿易提供決策依據。利用遙感技術可以實現農作物長勢的全程監控，包括作物的苗情、生長狀況、變化規律以及自然災害等情況，也為農作物產量估測、災害預警等其他研究提供了必要的前提^[6]。目前，農作物長勢監測的方法主要包括直接檢測方法、同期對比方法、診斷模型以及作物生長過程監測、生長模型方法等。這些方法在一定條件下能夠實現特定農作物的長勢監測，但也都存在一定的局限性，如物候差異問題、長勢與最后產量預測脫節、缺乏定量監測等。

農作物長勢模板數據庫就是通過分析農作物生長發育各階段的顯著特點和不同階段關注的核心問題，選取合適尺度的遙感影像并提取重要特征參數，建立長勢模板數據庫，并根據遙感監測結果進行動態更新，從而為作物長勢分析、產量估測、災害預警提供可靠的數據基礎和高效的分析方法。

1.2 構建流程

農作物長勢模板數據庫構建主要包括RS影像選取、圖像特征提取、數據存儲、數據更新4個階段（圖1）。

4 總結

農作物長勢監測是農業遙感監測和估產的核心部分，其本質是根據作物生長發育各階段監控作物種植和糧食培育過程中的問題，實時動態地了解作物生長狀況，確保作物豐收增產，從而保證國家的糧食安全。本研究提出利用高、中、低分辨率遙感影像建立區域性作物生長發育數據庫，結合已有農業數據和歷年遙感影像歷史數據實現對當前作物種植、長勢、估產等若干問題的監控和管理，為農業信息化的實現提供了很好的參考模式。隨著遙感技術的發展，大量厘米級分辨率的高分辨遙感影像不斷出現并快速更新，可以實現田塊級別、單株級別作物長勢狀況分析，從而為精細化農業發展提供了必要的基礎。

參考文獻：

[1]李小文. 遙感原理與應用[M]. 北京：科學出版社，2008：1-8.

[2]邢素麗，張廣錄. 我國農業遙感的應用現狀與展望[J]. 農業工程學報，2003，19（6）：174-178.

[3]陳仲新. GEOSS背景下的農業遙感監測[J]. 中國農業資源與區劃，2012，33（4）：5-10.

[4]馮學智，肖鵬峰，趙書河，等. 遙感數字圖像處理與應用[M]. 北京：商務印書館，2011：267-274.

[5]陳圣波，孟治國，湛邵斌，等. 遙感影像信息庫[M]. 北京：科學出版社，2011：23-35.

[6]劉 慧，湯 亮，張文宇，等. 基于模型的可視化水稻生長系統的構建與實現[J]. 農業工程學報，2009，25（9）：148-154，彩插2.

[7]Mather P M. Computer processing of remotely-sensed images：an introduction[M]. 3rd ed. Chichester：John Wiley & Sons，2004：110-123.

[8]杜根遠. 海量遙感圖像內容檢索關鍵技術研究[D]. 成都：成都理工大學，2011：46-48.

[9]熊德蘭，杜根遠.遙感影像模板數據庫設計與實現[J]. 現代計算機：上半月版，2012，10（10）：62-65.

[10]蔣 楠，李衛國，杜培軍. 雷達遙感在水稻生長監測應用中的研究進展[J]. 江蘇農業科學，2011，39（2）：491-493

[11]中國科學院計算機網絡信息中心. 地理空間數據云[DB/OL]. [2013-12-01]. http：//www.gscloud.cn/.

[12]柳欽火，辛曉洲. 定量遙感模型、應用及不確定性研究[M]. 北京：科學出版社，2010：52-80.endprint