農業物聯網數據處理若干關鍵技術

蘇小波 周海波 嚴志雁

摘 要 科學是第一生產力，隨著科學技術向農業生產中逐漸滲透，使得農業生產逐漸趨向于智能化的發展趨向，尤其是物聯網技術的應用，實現了農業生產的集中化管理和遠程智能控制，但物聯網技術的接入會產生大量的數據，而這些數據該如何處理，如何發揮其數據價值，是農業物聯網關鍵技術必須面對的問題，因此，就物聯網在農業生產中的數據進行了剖析，對數據處理的若干關鍵技術進行探討，為物聯網在農業生產中的更深入、更廣泛的應用奠定基礎。

關鍵詞 農業生產；物聯網；數據處理；專家系統

中圖分類號：TP391.44；TN929.5 文獻標志碼：B 文章編號：1673-890X（2015）36--03

物聯網技術的接入會產生大量的數據，而這些數據該如何處理，如何發揮其數據價值，是農業物聯網關鍵技術必須面對的問。目前，在農業數據處理方面已經研發出了不同類型的農業數據處理服務系統，這些數據處理系統，既有對農業生產的單方面開發的，也有針對農業生產中單源產品的開發[1]。因此，就農業生產中的數據處理需求和數據類型進行了簡單的介紹，分析農業生產數據的特點，進而對數據信息處理服務系統進行了剖析，探討了物聯網在農業生產中的數據處理關鍵技術。

1 數據處理

數據是針對指令的一種表達形式，對數據的處理主要包括數據采集、傳遞、保存和轉換等，這些過程既可以依靠智能化技術來實現，也可以由傳統手工操作實現。就表現形式來看，任何形式的文字、影像和音頻都可以作為數據的表現，而數據的信息只有在數據本身具有了一定的含義后才具有的[2]。

1.1 農業生產中數據處理的目標

任何形式的數據處理，其根本目的都是在龐大的數據量中通過一系列的手段進行分類、整理、提取和轉換，最終形成對使用者有一定的價值的信息數據。就農業生產中的數據處理而言，主要是通過RFID、傳感器和執行器進行數據采集，然后通過一系列的處理方法，提取數據內容中的有用價值，這些有用的數據信息將會對農業生產起到一定的積極作用，這樣就是農業物聯網的數據處理的最終目的。

1.2 農業生產中數據處理系統的應用現狀

物聯網接入到農業領域中，目的是通過數據的處理，通過挖掘數據中的價值與信息，以此來更好的服務于農業生產，而農業生產比較復雜。因此，針對農業生產的數據應用也是分門別類，不同的系統有著不同的作用，總的來說，分為以下農業專家系統和可追溯系統[3]。

1.2.1 可追溯系統

Traceability System指的是溯源系統，也就是可追溯系統，主要的作用是在農業的產品生產中對所涉及到的數據信息進行采集、記錄和保存，當產品發生了質量問題時，可追溯系統就可以立即準確的定位到問題所在，發現是哪一個生產環節出了問題，通過查詢問題來制定措施，這一系列的處理過程是保證產品質量的重要途徑。可追溯系統貫穿于所有的農產品（包括了飼料和食品以及其他生產資料）的生產全過程，從原材料提取，到生產過程，到產品進入市場，可以說是一個保障質量和安全的信息系統[4]。

溯源系統最早誕生于20世紀末，一些歐洲國家，尤其是英國正在遭受瘋牛病的影響，暴露出了丹麥暴肉沙門氏菌污染和蘇格蘭大腸桿菌2件重大的食品衛生事故，其中蘇格蘭大腸桿菌食品安全問題共造成了21人喪生，這一度使得消費者對于政府的食品安全監管失去信心，而這也是溯源系統產生的最根本原因，由于對食品安全問題的擔憂，歐盟首先在歐洲國家地區建立了溯源系統，為消費者提供所有食品的生產信息，為保障食品安全提供了服務支持。

目前已經有20多個國家建立了農產品溯源體系，該體系使農產品的生產和供應每個環節都被標識，并以信息數據的形式保存和管理，實現了農產品的追溯。而我國在食品安全監管方面仍然和發達國家有著較大的差距，頻繁的食品安全問題的暴露，使我國消費者對食品安全缺乏信息，不管是食品追溯體系的建立還是數據信息系統的建設方面，都處在初步階段。從2005年開始，沿海地區逐漸開始進行可追溯制度調研和建設，對地區實行可追溯體系的可行性進行了分析，在檔案管理、產地編碼、規范包裝標識等方面展開了許多工作，已經初步建立了關于茶葉產品質量安全、熟肉制品質量安全、果蔬類多源農產品和糧食質量安全的追溯系統。這些系統都是基于農產品的生產特點和生產流程來設計的。因此，具有特殊性，局限于某一種特定農產品的追溯。針對這一問題，已有研究人員開展了面向服務架構思想的農產品質量追溯系統架構，這一系統架構將供應鏈的業務流程和功能以服務的形式提供，而邏輯流程的編碼使得和下層應用隔離，而系統之間是依靠服務來進行調動，此舉有助于對業務的需求和變化做出快速反應。

1.2.2 農業專家系統

Agricultural Expert System是基于農業領域中的人工智能技術，稱為農業專家系統，該系統是利用人工智能技術，結合農業生產的專業理論知識，通過模擬農業生產中的問題推理過程，分析問題并做出決策，農業專家系統的目的是為了突破時空的限制，通過信息技術，將農業專家在專業領域上積累下的理論知識和實踐經驗進行整合，將知識轉化為生產力。

20世紀70年代，我國展開了專家系統的研究，浙江大學與中國農科院桑蠶研究所合作開發了香育種專家系統，植物保護研究所開發了黏蟲測報專家系統，寧夏農林科學院開發了春小麥條銹病預測專家系統。這些農業專家系統的開發，推動了我國農業發展，實現了農業經濟的創收。

以目前農業專家系統的研究成果來看，大部分的農業專家系統都包含了知識庫、數據庫、推理機以及用戶界面和功能模塊，其架構如圖1所示。

知識庫和推理機是該系統中最為核心的內容，農業專家的經驗和理論知識保存在知識庫中，形成了專業的理論知識，而推理機的作用是通過數據的調用，協調，而數據在推理中由數據庫保存，再經由功能模塊中的知識模塊提取，將專家知識和經驗進行轉化，存儲在知識庫中，在經由功能模塊中的解釋模塊對用戶的問題進行解答，并提交給系統內部模塊進行處理，之后系統進行研判，做出決策，并通過用戶界面向用戶進行反饋。

農業專家系統的應用對于解決農業生產中的問題有著重大的實踐意義，究其實際應用來說，農業專家系統具有權威性、非時空限制性、靈活性、啟發性和透明性等特征。農業專家系統通過啟發式的形式對用戶反饋出的問題進行推理和研判，并將推理過程以公開透明的方式進行解釋，并以靈活的知識獲取方式，對知識庫里的知識進行調整和控制，使知識庫時刻保持內容更新，并以程序的形式永久保存，知識庫中包含了農業專家的理論知識和實踐經驗，具有權威性。

3 農業物聯網數據處理服務

3.1 農業領域數據特點

3.1.1 種植領域數據特點

農業領域中種植業占比最大。我國種植業氛圍糧食作物和經濟作物2大類，經濟作物種植類包括油菜、花生、芝麻、果樹和蔬菜。糧食作物種植包括小麥、高粱、玉米和水稻等。

種植領域中的數據內容主要包括了農業生產人員的勞動信息，土壤土層信息，種子和肥料信息，農藥使用和病蟲害信息等。種植業的品種紛繁復雜，對于不同的品種的種植生產也有著不同的控制點。例如，白菜和蘋果的種植，白菜的種植是直接播種，并且不需要經過育苗，而蘋果的種植要先對種子進行育苗，之后在進行栽種。另外，白菜不需要中耕，而蘋果需要進行中耕處理。種植業中的數據除了種植物數據之外，還包括了較多的環境信息數據。

3.1.2 養殖領域數據特點

養殖業類主要包含畜牧、家禽、水產及特種經濟動物養殖，如蠶、蜂等。對于養殖領域中的數據處理，主要包含養殖所涉及到的勞作、農舍、伺料、藥劑以及牲畜疾病等數據信息。同樣不同的養殖對象控制點也不同，如不同的養殖環境下，數據的采集和依賴有著明顯的差異性。放養方式的畜牧類對環境數據要求相對較低，而水產類對水環境數據要求則相對較高。

將種植業和養殖類的數據需求進行對比可以發現，種植類的數據內容更多的是對土壤環境、土壤肥力及蟲害進行分析，而養殖類的農業數據更多的關注與牲畜疾病信息的分析。

3.2 數據處理的需求分析

根據不同的農業生產對象，在生產過程中的數據信息的采集和處理也有著不同的方式，不同的路徑，就共性來看，農業生產的數據處理需求主要包括了以下幾個方面。

3.2.1 提前預警

農業生產中經常遇到生長環境和生長過程中的突發狀況，因而農業的數據處理能夠對這些突發狀況進行分析和預測，提前做出警示，提前采取預防或是準備措施，實施預警有助于避免農業生產中的不必要損失。

3.2.2 問題決策

農業生產中會遇到生長環境和生長過程中的一系列問題，數據處理將對管理人員由于缺乏經驗無法解決的問題做出決策，將已有的農業知識進行提取和存儲，通過數據分析和問題分析，為解決問題提供一些決策方案。決策方案的提出依賴于專家知識庫中的內容，因此專家知識庫要不斷的更新，以匹配越來也多、越來越復雜的農業問題。

3.2.3 數據的檢索與可視化

通過檢索數據，獲取數據信息價值，是物聯網數據處理中的一個絕對性的需求，在數據的一系列采集、存儲和傳遞等過程中，用戶可能會需要對數據進行統計或是檢索調取數據。例如，當天的氣候環境，空氣的濕度，為播種、施肥等處理提供信息幫助。數據的可視化主要表現在數據的檢索之后可以以直觀的圖表形式進行呈現，而不是輸出大量的連續數據，可視化的原則是簡介、高效。

3.2.4 數據追溯

農產品在生產和投入市場之后，消費者可以根據農產品的編碼查詢到相關數據，這一功能也涉及到了數據的查詢和可視化功能，通過生產中的數據檢索和統計，在終端顯示給消費者，生產者對農產品的追溯可以依據市場需求的反映來及時的調整經營。

3.3 數據處理服務關鍵技術

3.3.1 農業預測預警技術

這一技術的實現依據設計的數學模型，通過對農業生產的對象所涉及到的生長環境信息和生長過程信息進行推理和預估。預警和預測是結合的，農業生產中可能會發生一些不確定性和潛在的危險情況，數據處理的預警技術要給出決策判斷，避免發生不必要的損失。在數學模型方面，國內外的研發較為成熟，主要有貝葉斯網絡預測技術、神經網絡預測技術、灰色理論預測技術等。

3.3.2 農業智能控制技術

農業智能控制技術是依賴于控制模型和控制策略，對農業生產中的所有相關個體和環境進行監控，通過監控將農業生產中的每個環境進行控制。目前，智能控制研究內容十分廣泛，有對外部環境的光源和強度控制、農業滴灌控制水質控制、溫室溫度和濕度智能控制以及動物生長環境智能控制等。

3.3.3 農業智能決策技術

決策技術是依賴于專家系統中的知識庫，通過經驗和知識的總結，以計算機的形式對知識進行表示，存入知識庫，通過推理模塊和解決問題的數學模型，對用戶反映出的問題進行推理、判斷及分析，模擬專家的思維為農業生產提供決策支持，國內外對農業智能決策的研究內容主要體現在設施園藝、動物飼料配方動物養殖、病蟲害預防和防治、農田肥力、品種和灌溉等方面。

3.3.4 農業診斷推理技術

農業的診斷推理技術屬于決策技術的范疇中，診斷推理往往是對用戶反映出的問題進行分析和提取，在知識庫中查詢是否有相似的問題，進行判斷和推理，這一部分主要表現在病蟲害防治方面

3.3.5 農業視覺處理技術

視覺處理技術是將農業生產中的數據進行處理，從而實現視覺化，換言之，就是將原本紛繁復雜的數據內容根據經過規范化的處理、統計和歸納，最終將數據以一定的視覺形式呈現給用戶，用戶在終端獲得視覺數據內容，用于處理實際問題。目前，可視化技術主要是將數據以報表、圖標、文檔的形式呈現，可視化處理。

4 結語

任何形式的數據處理，其根本目的都是在龐大的數據量中通過一系列的手段進行分類、整理、提取和轉換，最終形成對使用者有一定的價值的信息數據。物聯網在農業生產中的應用涉及到大量的農業數據的處理，包括了預警、推理、研判及可視化等數據需求。但目前，此方面的研究仍然有較大的局限性，例如專家知識庫的及時更新、用戶屬性化，數據算法泛化性能等。因此物聯網在農業生產的實踐還有待提高。

參考文獻

[1]趙霞，吳建強，杜永林，等.物聯網在現代農業中的應用研究[J].農業網絡信息，2011（6）.

[2]沈蘇彬，范曲立，宗平，等.物聯網的體系結構與相關技術研究[J].南京郵電大學學報：自然科學版，2009（6）.

[3]吳婷.開心農場：從網絡走進現實——物聯網技術在農業信息化中的應用[J].湖南農業科學，2012（20）.

[4]劉東紅.周建偉.莫凌飛.物聯網技術在食品及農產品中應用的研究進展[J].農業機械學報，2012（1）.

（責任編輯：趙中正）