基于物聯網的農田環境信息采集控制與預警系統

薛文龍

摘要：為提高我國農業信息化建設，增強農民自主抗風險能力，利用基于物聯網的農田環境信息采集控制系統，為農民提供農田第一手環境資料，實現自動灌溉和基本風險預警，有效地降低農業損失和農民勞動強度，為農業信息化提供有力依據。

關鍵詞：物聯網；農業預警；信息化；ZigBee

中圖分類號： TP274+.2文獻標志碼： A

文章編號：1002-1302（2017）09-0195-03

隨著物聯網技術的發展，國內外農業信息技術應用研究有了很大進步，已有很多科研人員將新一代物聯網技術整合進了農田信息采集與反饋控制系統中。物聯網技術是通過信息感知設備，使用某種約定協議，如ZigBee無線傳輸協議，將物體與物體、物體與互聯網絡相連接，進而交換、傳輸和處理信息，實現對物體的跟蹤、定位、鑒別、監控和管理一體化的網絡技術[1]。本研究利用物聯網技術解決農業生產中環境變量信息的實時采集、作物預警等現代農業碰到的棘手問題。

1系統設計

1.1系統方案設計

本系統采用模塊化設計，包括ZigBee監測控制網絡、微型氣象站、ZigBee協調控制器和控制中心。ZigBee監測控制網絡包括傳感路由節點、協調器節點、土壤水質水分傳感器、噴灌管道、噴灌頭與控制電磁閥。微型氣象站部署在大田附近，用于檢測大氣氣壓、大田環境溫濕度、區域降水量、大田風力、風向、太陽輻射等氣象參數。本系統結構如圖1所示。[LL]

根據農田環境情況，本系統采用擴展星型網絡拓撲結構。土壤墑情信息采集是由1個ZigBee網關路由節點（協調器）和數十個具有雙路輸入輸出信號的ZigBee傳感路由節點組成的1個無線網絡。傳感路由節點可外接土壤水分傳感器。系統工作時，從控制中心通過GPRS網絡對相應的監測點發出“數據采集”命令，經過GPRS網絡，網關路由節點收到命令后，向傳感路由節點發出命令，傳感路由節點切換到數據采集工作狀態，啟動相應控制指令，從外接土壤水分傳感器端口采集數據，由傳感路由節點將數據封裝為ZigBee協議數據包，并從傳感路由節點的ZigBee模塊發出信息經網關路由節點、通過GPRS網絡傳輸至控制中心；微型氣象站采集的氣象信息經GPRS網絡上報給控制中心，控制中心收到數據包后，進行數據包解析，提取需要的土壤墑情信息和環境信息，記入數據庫存儲。系統根據農田土壤墑情和環境信息進行算法判斷，如果判斷作物缺水則實施精準灌溉并進行作物缺水預警；環境信息判斷，如果有惡劣天氣（比如強風），則進行天氣預警。用戶則通過4G網絡訪問控制中心，獲取農田環境預警信息。

1.2傳輸方式

目前，在農田環境中，農田環境信息采集控制系統的首選是無線網絡。目前主要有Blue Tooth、ZigBee、GPRS、3G、4G和Wi-Fi等無線網絡傳輸方式[2]。在本研究中，考慮到農田環境平整，阻隔不大，農田環境信息采集控制系統采集的數據量不大，因此，農田間的每個采集控制節點擬采用ZigBee傳輸方式組成無線自組網網絡，將采集的環境信息傳輸到網關節點；在網關節點與控制中心及微型氣象站與控制中心之間選用GPRS無線傳輸方式，用戶終端則通過4G網絡訪問控制中心，以獲取農田環境信息和預警信息。

2系統硬件設計

考慮到本系統的需求和農田環境信息采集與控制技術的特點，本系統中的傳感路由節點采用TI公司生產的CC2530作為主控芯片。CC2530內部集成了高性能的8051內核，執行本系統中所有的控制。為了確保系統網絡穩定和暢通，本系統將所有傳感節點都設置成路由節點，而不是大多數 ZigBee 自組網當中所采用的終端節點。因為傳感終端節點沒有路由功能，而路由節點自身除了能采集并上傳數據外還能路由別的傳感節點的數據包。另外，整個系統都在野外，電磁環境復雜，不確定因素較多，比如設置傳感節點時事先并不知道應該放在什么地方，而將所有傳感節點都設置成路由節點的話，可以有效避免由于數據不能順利到達網關節點而造成數據包丟失現象的發生。

2.1微型氣象站的選型

本研究選用的微型氣象站是武漢中科能慧科技發展有限公司的NHQXZ601無線氣象站，該站采用ARM技術，用來測量大田環境風力和風向、空氣溫濕度、大氣壓力、太陽輻射量、降雨量和蒸騰量等環境氣象指標。整個系統采用分組模塊化設計，根據客戶需要變換相應的模塊或者傳感器，以滿足不同客戶的需求。系統備有顯示設備，具有可自主保存數據、全自動數據通信等功能。該站具有技術領先于同行、測量效果好、測量精度高、內存大、測量距離遠、交互界面友好、適用性好等優點，廣泛應用于氣象探測、海洋環境探測、環境保護、機場和港口環境預報等領域。

2.2傳感路由節點電路設計

傳感路由節點由土壤水分傳感器、信號功放電路、A/D轉換模塊、CC2530_QFN處理器、射頻及電源模塊組成，負責采集農田土壤環境信息（土壤溫濕度），并將其轉換為電信號。選擇HS-102STR土壤水分傳感器，對農田土壤溫濕度信息進行數據采集。選擇傳感器時主要考慮單位能耗、測量距離、測量精度、單位成本與功耗等因素[3]。傳感路由節點通過相互協作的方式完成農田土壤環境信息采集，最終將數據匯聚到無線傳感器網絡的網關路由節點。HS-102STR土壤水分傳感器采集的信號為電壓和電流信號，本研究利用標定的方法得到實際想要的參數。

CC2530_QFN芯片共有41個引腳，其中包括了電源接口、晶振接口、I/O接口和RF射頻接口等。其中總共有21個通用I/O端口，有些端口還存在特殊用途，用來連接其他的外部設備。CC2530_QFN芯片的應用電路比較簡單，只需要少數的外接元件即可實現。本系統中該芯片的應用電路如圖2所示，部分引腳具體說明如下：（1）22和23引腳外接 32 MHz 晶振。雖然CC2530內部集成了1個16 MHz的RC振蕩電路，用來給芯片正常工作時提供時鐘，但RF射頻模塊必須工作在32 MHz的頻率，所以要使用CC2530的無線射頻功能，就必須在電路中設計1個32 MHz的晶振。（2）32和33引腳外接32.768 kHz晶振，用來做看門狗定時器和睡眠定時器的控制時鐘。看門狗時鐘獨立于系統時鐘，可以防止系統出錯，睡[CM（25]眠時鐘獨立于系統時鐘，可以在芯片休眠時起作用。（3）

20引腳為低電平復位引腳，向該引腳輸入低電平即實現芯片的復位。系統復位電路采用上電復位的方式，將該引腳與33 V電源直接相連，從而實現芯片的上電復位。（4）25和26引腳為CC2530芯片本身自帶的RF射頻接口，只需要一些簡單的電路元件即可實現無線通信功能。

2.3網關路由節點

較強的數據處理能力和較快的運行速度是網關路由節點的標配，因此在設計網關路由節點時，本研究選擇TI公司生產的OMAP3530處理器作為主處理器，該處理器采用 Cortex-A8架構。本研究使用OMAP3530處理器對網關路由節點進行配置，用以接收傳感路由節點通過ZigBee發來的數據，而后使用AT命令初始化GPRS模塊，利用P2P協議將網關路由節點連接到GPRS網絡上并獲得電信運營商分配的IP地址，進而與控制中心建立連接[4]，采集的信息通過GPRS模塊向控制中心轉發。網關節點的結構框圖如圖3所示。

3系統軟件設計

3.1傳感路由節點軟件設計

傳感路由節點上電后進行一系列的初始化，等待接收網關路由節點發送的組網信號，接收到組網信號后，向網關路由節點發送請求入網，如果網關路由節點允許其加入網絡則入網成功，如果網關路由點不允許其加入網絡則傳感路由節點持續請求入網直到加入網絡。組網成功后傳感路由節點周期性采集土壤溫濕度信息并發送給網關路由節點，傳感路由節點完成采集任務后進入休眠模式直到下一次任務到達或者休眠時間到。傳感路由節點工作流程如圖4所示。

3.2網關程序設計

網關程序用來實現ZigBee網絡與GPRS網絡的數據交互，網關程序主要實現串口通信配置、數據格式轉換、聯網信息發送與接收、信息在屏幕上顯示。在網關里面本研究植入了 Android 3.0系統，因為Android系統也是基于開源Linux系統內核，所以使用開源的驅動程序。同時在網關內嵌了TCP/IP協議，在數據傳輸之前會自動增加幀頭和幀尾，有效地提高傳輸效率，減輕網關的工作負擔。其工作流程如圖5所示。

3.3墑情感知算法設計

依據傳感器獲取到的土壤墑情數據特性，同時綜合考慮土壤墑情的地域變異性，本研究采用模糊C-均值聚類算法（fuzzy C-means algorithm，簡稱FCMA或FCM）[5]進行土壤墑情預警。首先，設置模糊C的權重屬性，通過分析土壤墑情地域變異特性來獲取。通過土壤墑情數據分析表明，試驗地塊土壤中的墑情變異系數為46.56%。本研究在層次分析法中引入土壤墑情變異系數，進而求解模糊C的權重系數，采用層次分析法算出模糊C的權重系數算法為[5]：（1）構造雙向比較矩陣；（2）取n維歸一化初始向量Ψ（0）；（3）計算，Ψ （k+1）=AΨ（k），k=1，2，…；A為一致性矩陣；（4）歸一化處理Ψ[TX-]（k+1）；（5）對于給定的精度ε，當|Ψi（k+1）-Ψi（k）|<ε，i=1，2，…，n，成立時，Ψ[TX-]（k+1）即為所求向量，否則返回第二步；（6）計算最大特征值λ= 1n ∑ ni=1 Ψ （k+1）Ψ[TX-]（k）[SX）]；（7）計算目標一致性指標Am= λ-nn-1 ，λ為最大特征值；（8）計算目標一致性比率 RA= AmRI ，RI為平均一致性指標；（9）若RA<0.1成立，則通過一致性檢驗；否則，重新構造雙向比較矩陣。（10）若所有步驟都計算完成，則可以獲得總目標的權重向量A=a1，a2，…，am；否則，返回到第一步。

其次，模糊C權重系數算法，實際上是使用模糊概念去處理聚類問題，最后，每一個節點數據通過表現出的隸屬度屬于某一聚類[6]。本研究給出的目標函數為：

J（U，c1，…，cc）=∑ ci=1 Ji=∑ ci=1 ∑ nj umijd2ij。

這里uij取值介于[0，1]之間，ci為模糊組Ⅰ的聚類中心，通過對目標函數的計算得知，使各個節點到聚類中心的距離加權平方之和最小的目標函數就是本研究所需的結果。

通過上面的公式分析，不難看出FCM算法需要2個參數聚類數目c和參數m。總體來說c要遠遠小于聚類樣本的總個數，但要保證c>1。而m是一個控制算法的柔性的參數，如果m過大，則聚類效果會很差，而過小則算法會接近HCM聚類算法。

本研究將土壤水分傳感器獲取到的數據迭代進模糊C-均值聚類算法，則能算出數據間的相似度非常小（表1）。

而經過土壤墑情預警和精準灌溉后，類別間的差異減小（表2），不同區塊土壤墑情的差異趨于平緩，則說明預警有效，整個地塊的土壤墑情得到改善。

4總結

本研究提出基于物聯網的農田環境信息采集控制系統的系統架構和軟硬件實現，能夠有效采集田間土壤及環境變量信息，在為進一步實現農業安全預警提供數據來源的同時實現基于FCM的墑情預警，為廣大農民提供農田的第一手環境資料、實現自動灌溉和基本風險預警，有效地降低農業損失和農民勞動強度，為農業信息化提供有力依據。

參考文獻：

[1]郭家，馬新明，郭偉，等. 基于ZigBee網絡的農田信息采集系統設計[J]. 農機化研究，2013，35（11）：65-70.

[2]王明磊，楊建青，李紅嶺，等. 大麥田間視頻采集與無線傳輸系統設計[J]. 中國農業大學學報，2015，20（5）：256-261.

[3]劉媛媛，朱路，黃德昌. 基于GPRS與無線傳感器網絡的農田環境監測系統設計[J]. 農機化研究，2013，35（7）：229-232.

[4]李曉維. 無線傳感器網絡技術[M]. 北京：北京理工大學出版社，2007：241-246.

[5]陳桂芬，曹麗英，王國偉. 加權空間模糊動態聚類算法在土壤肥力評價中的應用[J]. 中國農業科學，2009，42（10）：3559-3563.

[6]姜秋香，付強，王子龍. 改進的蟻群聚類在精準灌溉管理分區中的應用[J]. 農業工程學報，2010，26（2）：37-42.