物聯網智能農業系統在果蔬種植中的應用

濮永仙

(德宏師范高等專科學校計算機科學系　德宏　678400)

物聯網智能農業系統在果蔬種植中的應用

濮永仙

(德宏師范高等專科學校計算機科學系德宏678400)

摘要因引入基于物聯網技術的智能農業系統,能加快我國邁向現代化農業的進程,為此設計開發了物聯網智能農業系統。通過開發具備基于支持向量機的病害預警診斷、生產的智能化管理、產品溯源等功能的軟件系統,同時在田間合理布置各種傳感器、攝像頭、可控設施,并應用了3G、GPRS、ZigBee等物聯網技術,從而實現農業生產一體化的智能管理系統。該物聯網智能農業系統應用于黃瓜示范生產,起到了預警診斷病害,智能、精細地控制棚內肥水、農藥、溫濕度等生產要素,以及產品安全溯源等功效,若大范圍應用,將會產生較好的經濟效益。

關鍵詞物聯網; 智能農業系統; 產品溯源; 瓜果生產

Class NumberTP302

1引言

2015年“中央一號文件”指出:中國農業必須盡快從主要追求產量和依賴資源消耗的粗放型經營方式轉到數量、質量、效益并重,可持續發展的集約型生產方式上來,走產出高效、產品安全、資源節約、環境友好的現代農業發展道路。智能農業是將人工智能、通信、計算機和農學等學科相結合,利用傳感器及監控設備采集影響作物生長的信息,通過智能專家系統分析,并指導作物生產的過程。智能農業系統由田間信息采集、信息管理與分析、經分析做出決策、由決策決定具體實施方案共四個步驟組成。其中,對農田信息的快捷、準確獲取是實現智能農業的關鍵,否則將無法建造真正的智能農業[1]。物聯網作為現代信息技術發展的產物,具有全面感知、可靠傳輸、智能處理等特征[2～3],將其用于農業生產,可為實現田間信息采集、遠程監測、控制等提供可靠保障。目前,物聯網技術已在不少領域深入應用了[4～7]。將物聯網技術與智能農業相結合,通過在田間合理部署各種傳感器、網絡傳輸設備、環境控制設施等,實時采集影響作物生長的環境參數,傳至上位機,依托智能專家系統對采集的信息進行分析,依據設置的各參數閾值,自動開啟或關閉可調控設備(遮陽簾、澆灌、風機、加熱器等),對作物生長的環境進行智能化調控。此外,應用物聯網技術對作物產品的生長、運輸、加工、消費等環節進行監控、跟蹤,從而實現產品質量安全溯源服務。物聯網技術與智能農業系統的珠聯璧合,不但可最大限度提高農業現實生產力,而且是實現優質、高產、低耗和環保的可持續發展農業的有效途徑。

基于物聯網智能農業的果蔬種植系統包括軟、硬件兩部分,軟件開發含三個服務平臺,依托智能專家系統,分別為基于支持向量機的病害預測、生產智能管理、溯源交易等服務平臺。通過合理布置無線傳感器,融合無線網絡,以及物聯網技術與軟件平臺的具體應用,在果蔬生產中對肥水、溫濕度、農藥等農資要素進行精細化、智能化控制,從而實現果蔬生產的智能化管理。

2物聯網智能農業系統在果蔬生產中的應用

2.1智能專家系統構建

智能專家系統是人工智能的一個重要分支,是用人工智能的方法來模擬專家的特性,以便使電腦能象專家一樣來解決問題。智能專家系統=知識庫+推理機,任務是將人類專家的知識和經驗以適當的形式存入知識庫,用戶提供數據給專家系統,通過適當的推理算法,相應地得到專家系統的判斷和決策。其中,知識庫是專家系統的核心部分,是問題求解的知識集合,推理機是專家系統運用知識對數據進行推理的邏輯核心,它控制著知識庫中的知識,對綜合數據庫中的數據進行推理,以得出新的結論。

在作物生長過程中,不同作物對環境因素的需求各部相同。依據智能專家系統原理,將作物專家具有的作物生產經驗知識創建專家系統,利用物聯網技術對影響作物生長的環境因素進行采集、通過推理機推理,得出決策,實現對棚內設備進行調控,使作物生長在最佳的環境中。本文依據領域專家知識創建了基于支持向量機的病害預測、生產智能控制、產品質量溯源等智能服務平臺。平臺采用B/S三層體系結構,在Windows NT Server平臺下使用,SQL Server 2008為數據庫管理系統,采用Visual C#.NET編程語言,整個軟件分病害診斷、生產智能管理、溯源等服務平臺,平臺包括表現層、業務層、數據訪問層和數據庫四個層次。數據訪問用于所有業務層與數據庫之間的數據管理,是一個公共層,由數據訪問組件與數據庫連接組件構成,業務層根據不同的管理對象建立不同的業務組件,如用戶注冊管理組件、信息采集組件、實施控制組件等,還可根據實際需求的變化方便地增改組件,易于系統的維護和升級[8]。

2.2基于支持向量機的果蔬病害預測

實現果蔬病害預測,是有效防治和控制病害發生發展,減少農藥施用和生產無公害果蔬的最佳途徑。影響果蔬病害發生的因素較多,包括氣象、自然環境、本身表現出的密度和非密度制約因素等。其中,氣象因子與病害密切相關,如棚內濕度、溫度不適是造成病害發生和蔓延的主要原因。如黃瓜種植中常見病害有:霜霉病、灰霉病、褐斑病、炭疽病等,且每種病害有其獨特的生長習性。其中,霜霉病在溫度為20℃～25℃、相對濕度為70%～85%時最可能發病;灰霉病在低溫18℃～23℃、相對濕度94%以上、光照不足時容易發病;炭疽病在生長中后期發病較重,主要危害葉片,當濕度高達87%～95%時發病迅速。

因氣象因子與病害不具備線性關系,若用數理統計方法找出氣象因子與病害之間的某種函數關系有一定難度。而支持向量機是Vapnik等根據統計學理論中結構風險最小化原則提出的一種模式識別方法,它在解決小樣本、非線性及高維模式識別問題中表現出許多特有的優勢[9～11]。

支持向量機的基本原理是:如有兩類線性集合D={(x1,y1),(x2,y2),…,(xi,yi)},x∈Rd,y∈{-1,1}為保證對所有樣本均正確分類,要求滿足如下約束:

yi[ω·x+b]-1≥0(i=1,2,…,n)

(1)

式中ω為分類面權系數向量,此時最大化分類間隔等價于式(1)約束下,求式(2)的最小值。

(2)

解決約束最小化問題引入Lagrange函數,有:

(3)

將原問題變為對偶問題,有

(4)

式中a為Lagrange乘子,若a*為最優解,則

(5)

式中s為訓練樣本下標集合,其相應的分類閾值為b*,xs為特定的支持向量。解上述問題得最優分類函數。

(6)

對線性不可分問題,只需加一個松弛變量ξi,此時約束條件為

yi[ω·xi+b]≥1-ξi

(7)

目標函數變為

(8)

式中C為懲罰因子,控制著對錯分樣本懲罰度的作用。對非線性的解決是定義一個核函數k(xi,xj),使其在高維空間線性可分,k(xi,xj)=〈φ(xi),φ(xj)〉,相應的分類函數變為

(9)

常用的核函數有線性核函數、多項式核函數、徑向基核函數、Sigmoid核函數等。

實踐證明,對同種病害發生發展的氣象、氣候等一些自然條件是穩定的,本文以最高溫度、最底溫度、平均溫度、最高濕度、最底濕度、平均濕度、光照強度共七個因素為輸入參數,以作物病感指數為輸出。規定將病感指數的計算分別見表1病害分級標準和式(10)。

表1　病害分級標準

×100%

(10)

本文選擇黃瓜常見病害:霜霉病、炭疽病、褐斑病、灰霉病共四種為對象,收集樣本400個,每種病害100個,在Matlab2009a環境下用Matlab語言編程進行仿真實驗。為加快分類收斂性及泛化能力,其輸入參數采用最大最小規格化方法將特征向量數據進行歸一化處理。分類器選用SVM的一對一投票策略實現預測結果識別。共訓練k(k-1)/2(k為類別數取4)個二值分類器,在分類時采用了打分策略,分別用訓練過程得到的k(k-1)/2個分類器進行測試,每個結果為1分,累計各類別得分,選擇得分最高的為測試類別。采用SVM中徑向基核函數K(x,y)=exp(-γ|x-y|2)作為核函數,經多次實驗其參數C=50,γ=0.125效果較好,輸出采用十進制編碼輸出,0代表正常,1代表輕,2代表偏輕,3代表中,4代表重,5代表偏重,共六種輸出。

采用同樣的數據,構建并訓練基于遺傳算法優化BP神經網絡的識別模型,最后用BP神經網絡的三層結構BP(7,23,6)表示,即輸入層節點數為7,輸出層為6,隱含層節點數通過試湊法選定為23。

為比較識別結果,引入四種病害的平均絕對誤差、均方差及平均絕對百分比誤差作為評價指標,結果如表2所示。

表2　支持向量機/利用BP神經網絡識別結果比較

從表2可知,支持向量機的識別精度要比用遺傳算法優化后的BP神經網絡模型的高。通過物聯網技術實時獲取作物生長的氣象參數,用支持向量技術進行預測,這樣提高了診斷的效率和精準度,為作物保護智能化、變量噴藥等提供了科學依據。

2.3生產智能管理平臺

作物生產智能管理平臺由視頻監控、作物生長環境監測、數據存儲分析及遠程控制系統組成。視頻監控系統用于定點、定時地觀測作物生長情況,該系統包括遠程Web在線查看、視頻數據存儲、回放等功能。作物生長環境監測是實現智能管理的基礎核心部分,用于定量、定時、定區域地監測影響作物生長的環境關鍵因素。控制系統主要由控制設備和相應的繼電器控制電路組成,軟件為作物生產自動化控制預留了端口,用戶可利用智能終端設備(程序自動完成)遠程控制棚內可控設施,以實現作物生產環境的智能化控制?；谝陨瞎δ芤?本文以物聯網傳輸技術為核心,設計了物聯網智能農業大棚作物生產智能控制系統,其結構圖見圖1物聯網大棚作物生產智能管理系統。通過該系統,可定時采集棚內的環境參數,如光照強度、CO2濃度、溫濕度、土壤元素含量、作物長勢等信息,采集的信息通過無線方式上傳至以專家系統為主的上位機數據處理系統中,進行存儲、分析,使生產管理者可通過智能終端查看監控區域的詳細信息、分析結果、決策建議等。同時,應用遠程控制功能,并結合專家系統與實際生產需求,執行上位機或用戶智能終端設備發來的命令,開啟或關閉可調控設施(噴淋、抽風機、加熱器等),以創造適宜作物生長的最佳環境。

圖1　物聯網智能農業大棚果蔬生產控制系統

不同果蔬在不同生長時期,所需的環境因素各不相同,如黃瓜生長的適宜溫度為15℃～32℃,在不同生長期對溫度的要求又不同,如種子萌芽期適宜溫度為28℃～32℃;幼苗期,白天的溫度在晴天不應超過24℃～28℃,陰天不應低于18℃～22℃,而在夜晚不應低于12℃～17℃;開花結果期,白天溫度不能低于20℃,25℃～30℃溫度條件下果實生長最快。若氣溫、地溫過低,會導致種子發芽、出苗延遲,會導致苗黃、苗弱,生長受阻,或發生猝倒病、根腐病等多種病害。此外,黃瓜的根系對地溫比較敏感,最適溫度為20℃～25℃,地溫降至12℃以下,根系生長受阻會引起下部葉片發黃,地溫過高,超過32℃～35℃,根系生長受阻。軟件系統中大棚自動控制部分可根據需求提前設定控制程序,如提前設定適宜值范圍,當所測溫度一旦超出范圍,根據提前設定的程序,系統將自動幵啟或關閉抽風機系統、加熱器等。同樣光照、濕度、CO2濃度、肥水等自動控制策略也可提前在專家系統中設定。

2.4大棚內傳感節點布置

在基于物聯網的智能農業生產中,無線傳感器節點是采集最末端單元,為保證果蔬生長在最適宜的環境中,對傳感器節點的設計提出了較高的要求,既要求傳感器節點能夠精確檢測各種環境參數,又要求合理設計及部署傳感器節點,有效覆蓋整個環境,最大化整個系統的效率。傳感器節點通常是一個嵌入式系統,各傳感器節點集成有傳感器其執行器模塊、計算與存儲模塊、通信模塊和電源模塊[12～13]。

本系統在黃瓜大棚中進行實驗,傳感器節點的處理器單元和無線傳輸單元采用CHIPCON公司的CC2430芯片,它是一款基于ZigBee協議,集成89C51內核處理器的芯片和ZigBee無線收發模塊,內置RF2420射頻芯片,并增加CC2591增益放大芯片,是一種比較成熟的無線傳感芯片。其傳感器節點結構圖如圖2所示。單點之間傳輸有效距離可達700m,系統監測并存儲大棚內各個環境數據,所有監測節點均采用無線傳輸。大棚內空氣溫濕度、CO2濃度、光照強度按每隔10m布置一個監測節點,每個監測點分上中下三個層次,距地面高度分別為50cm、100cm、160cm;土壤溫濕度傳感器每個大棚部署三個監測點,每個監測點分為土層5cm、10cm、15cm三個層次,另布置pH值和氨氮傳感器,共部署三個監測點,每個監測點分土層5cm、30cm兩個層次。施工采用支架插入土壤方式,種植時可方便布置,空閑季節,可方便收回至倉庫保管,若需增加監測節點,只需在后臺系統中設置即可,而無需在采集節點修改硬件。采集節點供電采用鋰電池供電和太陽能板供電兩種形式,根據無線節點的采集頻率和傳感器耗電量而定,當采集頻率間隔大于等于5min/次,無線節點的低功耗模式啟動,節點可持續工作6個月。

圖2　傳感器節點結構圖

2.5果蔬溯源交易服務平臺

產品溯源交易平臺是作物生產的擴展平臺,是作物生產管理功能的延伸,能提升產品的附加值。本平臺主要依靠各個環節中的智能信息節點,使用電子標簽技術、GPS定位技術、互聯網技術、無線傳感技術和數據庫技術,將各個節點有機的結合在一起,通過無線、有線網絡與溯源中心數據庫相連接,對生產、加工、物流、檢測、銷售等各個環節的數據進行搜集[14],利用二維碼編碼技術生成二維碼,采用手機掃描產品二維碼,實現對產品信息的追溯。據于此,本平臺的系統結構功能圖如圖3所示,共分三層,分別是作物生產現場層、溯源數據管理層和用戶層。為使溯源信息的采集,查詢更加便捷,在用戶層利用了主流的操作系統開發了分別基于Android和IOS系統的APP,一個用于客戶端采集信息,另一個供消費者掃碼查詢溯源信息。這樣通過在Android(2.2及以上版本)和IOS操作系統的3G手機上安裝客戶端軟件,信息錄入時,用戶可利用采集客戶端方便快捷地錄入信息,如將圖片、音頻、視頻等文件上傳至溯源數據中。消費者通過使用查詢客戶端軟件掃碼二維碼或者手工錄入條碼后,可以查詢到產品的溯源信息,如查看是哪個大棚生產的,是否施過農藥與化肥,生產保質期相關信息,以及各個環節的詳細信息。同時消費者還可通過客戶端的信息反饋菜單向監管部門投訴,監管部門在處理后,會及時將處理結果反饋給消費者,以節約時間及保障溯源系統的正常運行。

圖3　產品溯源平臺結構圖

3結語

本文將智能農業理論和物聯網技術的珠聯合碧,通過在田間合理布置各種影響作物生長的信息獲取和環境因素控制設備,以及智能控制平臺的創建,可實現病害的預測,變量噴施肥水、農藥等,以及能自動控制棚內設施,使作物生長在最佳的環境中,既節約資源、人力,又提高了產品質量。此外,從產品安全追溯的角度出發,實施了果蔬質量安全溯源服務平臺,能宣傳產地果蔬生態生產,價格也得到一定幅度的提升?；谖锫摼W的智能農業系統在果蔬種植中的應用,節約了成本,提高果蔬的品質,為高品質果蔬打下良好口碑,也防止了其他地方果蔬假冒,強化區域生態果蔬打造,為本地高端精品果蔬的推廣做好鋪墊工作。

目前,基于物聯網的智能農業系統還處于試驗階段,主要應用在示范基地,其涉及技術門類多,融合了3G、寬帶、物聯網、傳感器等技術,成本還較高,也存在一些安全威脅[15]是項目全面推廣的風險因素。隨著物聯網的廣泛應用,成本會大幅降低,其應用將拓展到農業生產的各個環節。

參 考 文 獻

[1] 王汝傳,孫力娟.物聯網技術導論[M].北京:清華大學出版社,2011:11-15.

WANG Ruchuan, SUN Lijuan. The introduction to the Internet of things technology[M]. Beijing: Tsinghua University Press,2011:11-15.

[2] International Telecommunication Union. ITU Internet Reports 2005: The Internet of Things[R]. Geneva: ITU,2005.

[3] 寧煥生.RFID重大工程與國家物聯網[M].北京:機械人民出版社,2010:48-52.

NING Huansheng. RFID major projects and national iot[M]. Beijing: Mechanical Industry Press,2010:48-52.

[4] 方露.淺析物聯網技術在科技館中的應用[J].科技通報,2012,28(3):165-168.

FANG Lu. Application of the Internet of Things Technology in the Museum Service[J]. Bulletin of Science and Technology,2012,28(3):165-168.

[5] 朱景鋒.物聯網環境下電子政務信息系統入侵檢測技術分析與對策研究[J].科技通報,2012,28(4):130-132.

ZHU Jingfeng. Analysis and Countermeasures on Intrusion Detection Based on the E-government Information Systems Under the Internet of Things[J]. Bulletin of Science and Technology,2012,28(4):130-132.

[6] 張國軍,賴小龍,楊睿茜,等.物聯網技術在精準農業環境監測系統中的應用研究[J].湖南農業科學,2011(15):173-176.

ZHANG Junguo, LAI Xiaolong, YANG Ruixi, et al. Application of Internet of Things Technology in environmental Monitoring System for Precise Agriculture[J]. Hunan Agricultural Sciences,2011(15):173-176.

[7] 張翔,耿曉琴,張云華.農產品溯源系統的設計與實現[J].工業控制計算機,2014,27(6):129-133.

ZHANG Xiang, GENG Xiaoqin, ZHANG Yunhua. The Design and Development of the Traceability System for Agricultural Products[J]. Industrial Control Computer,2014,27(6):129-133.

[8] 楊嵐,李書琴.基于Web Service的農產品交易系統的研究與設計[J].計算機工程與設計,2008,29(8):2118-2120.

YANG Lan, LI Shuqin. Research and design of business system for farm produce based on web service[J]. Computer Engineering and Design,2008,29(8):2118-2120.

[9] Domini Mazzoni, Michael J Garay. An operational MISR pixel classifier using support vector machines[J]. Remte sensing of Envioronment,2007,107(1):149-158.

[10] Burges C J C. A totorial on support vector machines for pattern recognition[J]. Data Mining and Knowledge Discovery,1998,2(2):121-169.

[11] Steve R Gunn. Support vector machines for classification and regression[R]. Technical Report, Southampton: University of Southampton,1998:1-28.

[12] 董方敏,王紀華,任東.農業物聯網技術及應用[M].北京:中國農業出版社,2012.

DONG Fangmin, WANG Jihua, REN Dong. Agricultural Internet technology and applications[M]. Beijing: China Agriculture Press,2012.

[13] 丁海峽,賈寶磊,倪遠平.基于GPRS和ZigBee的精準農業模式研究[J].自動化儀表,2009,4(30):17-23.

DING Haixia, JIA Baolei, NI Yuanping. Research on Precision Agriculture Based on GPRS and ZigBee[J]. Automation Instrument,2009,4(30):17-23.

[14] 王靜.西部綠色農產品物聯網結構模式與系統優化——以典型山區農業市商洛為例[J].社會科學家,2011,9(4):14-17.

WANG Jing. Western Internet of green agricultural products structure model and practical system optimization, with typical hilly agricultural city as an example[J]. Social Scientist,2011,9(4):14-17.

[15] 楊光,耿貴寧,都婧,等.物聯網安全威脅與措施[J].清華大學學報(自然科版),2011,51(10):1335-1340.

YANG Guang, GENG Guining, DU Jing, et al. Security threats and measures for the Internet of Things[J]. J Tsinghua Univ Sci Tech,2011,51(10):1335-1340.

Application of Intelligent Agricultural System Base on IOT in Melon and Fruit Production

PU Yongxian

(Department of Computer Science, Dehong Teachers’ College, Dehong678400)

AbstractThe introduction of intelligent agricultural system based on the technology of IOT can accelerate the process of our country’s entry into the modern agriculture. For this purpose, the intelligent agricultural system based on IOT was designed and developed. By developing such software systems as the early warning diagnosis of disease based on support vector machine(SVM), the intelligent production management, product traceability and arranging a variety of sensors, cameras, controllable facilities in the field, and with IOT technology such as 3G, GPRS and ZigBee, the integrating intelligent management system of agricultural production has been achieved. The system has been applied in cucumber production, which functions as the early warning diagnosis of disease, intelligent and precise control of such relative factors of production as fertilizer, pesticides, temperature, humidity, and product safety traceability of production etc. If it is applied on a large scale, it will bring about a better economic benefie.

Key WordsIOT, intelligent agriculture, intelligent expert system, fruit and vegetable production

收稿日期:2015年12月11日,修回日期:2016年1月30日

基金項目:云南省科學研究基金子課題(編號:2013Y571)資助。

作者簡介:濮永仙,女,碩士,副教授,研究方向:物聯網智能農業系統,作物病害診斷,物聯網技術等。

中圖分類號TP302

DOI:10.3969/j.issn.1672-9722.2016.06.024