基于Resin系統的溫室植物生長環境數據采集分析平臺建設

劉長悅+張遠芳+王海亮+郝志愚+吳貺+王坤+劉偉+王建春+郭銳

摘 要：農業大數據是運用大數據的技術和方法，解決農業或涉農領域數據的采集、存儲、計算與應用等一系列問題，為食品安全、環境監測、精細生產、產品溯源、生物感知以及農業科研等管理與研究提供科學支撐。本文論述了基于Resin系統的數據自動采集分析平臺的建設方法，及其實現了數據采集、遠程傳輸、數據篩選和環境分析的功能。

關鍵詞：大數據；采集；分析；溫室環境；Resin

中圖分類號：TP274+.2 文獻標識碼：A DOI 編碼：10.3969/j.issn.1006-6500.2017.08.016

Abstract： Agriculture big data wasto solve the problems of agriculture data acquisition， storage， calculation and analysis， to provide scientific support for food safety， environmental monitoring， precision production， product traceability and biological sensing of agricultural scientific research management and research. This paper discusses the construction methods of automatic data acquisition and analysis platform based on Resin system， and how it realizes the functions of data acquisition， remote transmission， data screening and environment analysis.

Key words： big data； acquisition； analysis； greenhouse environment； Resin

隨著信息技術的不斷進步，利用現代信息技術和信息系統為農業生產、供、銷及相關的管理和服務提供有效的信息支持，已經成為當今農業發展的主流趨勢[1]。在農業物聯網技術的帶動下，傳統農業信息化也逐漸升級為智能化農業和大數據農業。大數據是數量龐大的數據集合，而農業大數據有著密度低，數量廣，特征多樣的特點[2-3]。目前，對農業大數據的研究還處于剛剛起步的階段，但是科研人員已經意識到大數據的價值，國內外的政府和研究機構都在加大對農業大數據領域的投入[4-5]。在農業種植領域，大數據的采集和分析具有系統性、智能化、自動化的特點[6-7]。數據采集分析系統一般由以下部分構成：（1）環境感知采集設備，如土壤傳感器、氣體傳感器、溫濕度傳感器等，通過傳感器進行基礎數據的收集[8]；（2）網絡傳輸設備，由無線WIFI、ZigBee網絡、數據接口等構成，對采集到的數據進行傳輸，對數據分析結果和控制指令進行傳達[9-10]；（3）分析決策設備，包括數據庫服務器，應用服務器等，是云計算技術支持下進行數據篩選、儲存、處理、分析的核心平臺[11]；（4）終端執行反饋設備，如種植現場的灌溉設備，溫室大棚的卷簾機、風扇等，核心平臺對數據經過分析處理后對終端執行反饋設備發布命令，執行相應的動作來調整農業生產。隨著數據采集設備、傳播手段和數據儲存環境的不斷升級，數據采集分析過程呈現體量龐大、模態多元、實時性強、關聯復雜的特點[12—14]。筆者開發的基于Resin系統的數據自動采集分析平臺，實現了數據采集、遠程傳輸、數據篩選和環境分析的功能，大大減小了傳統數據采集過程中受空間和時間條件限制的問題，提高了對有效數據利用和分析的程度。

1 平臺設計與實現

1.1 平臺設計

WebService數據自動采集分析平臺通過分析溫室植物種植數據，采集系統功能與實現的要求，結合軟件使用習慣架構將整個系統劃分為4個基本模塊：氣象數據、環境調控、溫室信息、田間數據。數據采集的硬件部分包括溫度、濕度、光照強度傳感器。軟件部分數據節點操作系統為centOs系統，應用服務器和數據庫服務器分別為Resin 3.0和Oracle 11g系統，信息搜索和共享由Hadoop實現，平臺的開發工具為Eclipse。

1.2 平臺實現

氣象數據模塊包括收集與整理京津冀地區近十年來的氣象數據，數據主要包括氣溫、地溫、積溫、濕度、降雨量、氣壓、蒸發量、風速、光照等（圖1）。環境調控模塊包括作物生長發育與環境之間的相互作用及良好的生長相關參數（圖2）。

大棚信息模塊通過Web Service接口自動采集溫室實時環境數據，主要包括空氣溫度、空氣濕度、土壤溫度、土壤濕度、光照、二氧化碳含量等數據，并進行分析及圖表展示。數據可由采集傳感器實時傳輸，也可通過Excel表格批量上傳數據，實現新建、修改和刪除功能（圖3～圖5）。

田間數據模塊負責收集與整理日光溫室日常田間作業數據，主要包括試驗數據管理、生成管理記錄、生成前期準備、施肥情況管理、病蟲害防治信息管理、作物生長狀態記錄等（圖6）。

2 結果與分析

2.1 Oracle 11g數據庫寫入數據測試

本試驗選取5個數據采集點，將2016年11月至2017年5月采集的到全部環境數據進行寫入測試。分別采用服務器默認配置（簡稱“默認”），無預分區并設置10M緩存區（簡稱“無預分”），設置6個預分區并設置10M緩存區（簡稱“預分”）3種試驗方案，運行于10個節點的分布式集群中，測試的數據量分別為100萬，200萬，300萬，400萬條，得出數據量與運行時間的折線圖（圖7）。

圖7可見，使用預分區設置的方式寫入數據，曲線傾斜率最小，時間增長率低，說明在數據量增大的時候，預分區設置的寫入性能優于默認設置和無預分區設置。

2.2 回歸性分析性能測試

本測試以空氣溫度、空氣濕度、土壤溫度、土壤濕度與番茄果實重量的回歸分析為例。環境指標存于不同Condition表中，以天為單位計算Condition表中平均值計入Test表中，果實數據存于Result表中。根據Test和Result表中數據計算得出回歸方程。

每組Condition表初始數據為200萬條，以200萬條單位遞增生成5組測試數據，隨著Condition組增加，不同數據量對運行時間的影響，結果如圖8所示。

圖8可見，時間增長率并未隨著數據量增加和環境條件增加而變大，說明本平臺適合處理大量數據和多指標參數的復雜數據，并具有良好的擴展性。

3 結 論

（1）首次建立農業種植大數據平臺，將多指標環境參數進行綜合性回歸分析。該平臺具有良好的擴展性，可通過添加或更換相應的傳感器，再對系統進行改進和調試，從而進行更復雜的生長模型分析。

（2）首次將歷史環境數據庫融入數據平臺建設，并在后臺進行數據分析和新老數據對比，此舉有助于提高今后大數據分析的準確性。

參考文獻：

[1]汪偉偉，李紹穩，孟浩，等. 基于Data Socket的果園生態環境遠程數據采集系統[J].微計算機信息， 2007， 23（13）：117-119.

[2]孟祥寶，謝秋波，劉海峰，等. 農業大數據應用體系架構和平臺建設[J]. 廣東農業科學， 2014 ， 41 （14）：173-178.

[3]袁偉，羅麗瓊，趙路，等. 基于Hadoop的葡萄種植環境數據處理及性能測試[J]. 山東農業科學， 2015，47（8）：119-122，126；

[4]余歡，劉勇，鄭秀國，等. 基于STM32的農業環境數據采集終端設計與開發[J]. 上海農業學報， 2016，32（4）：140-146.

[5]周國民，樊景超，吳定峰，等. 基于XML的果園環境數據采集和數據表示[J]. 農業經濟與信息技術， 2015，21（12）：76-79，83；

[6]華雪琦，孫明喆，黃冠博，等. 農業物聯網示范基地環境數據共享與管理系統研發[J]. 天津農林科技，2015（S）： 57-58.

[7]羅桂蘭，張梅，馮立波，等. 生態環境數據預測方法研究[J]. 大理學院院報，2015， 14 （6）：13-17.

[8]李秀峰，陳守合，郭雷風. 大數據時代農業信息服務的技術創新[J].中國農業科技導報， 2014，16（4）：10-15；

[9]郭承坤，劉延忠，陳英義，等. 發展農業大數據的主要問題及任務[J]. 安徽農業科學， 2014，42（27）：9642-9645；

[10]王文生，郭雷風. 關于我國農業大數據中心建設的設想[J]. 大數據， 2016， 2 （1）：28-34.

[11]黎玲萍，毛克彪，付秀麗，等. 國內外農業大數據應用研究分析[J]. 高技術通訊， 2016， 26 （4）：414-422.

[12]陶佰睿，李春輝，苗鳳娟，等. 基于云端的農業大數據采集與管理系統淺析[J]. 工業和信息化教育， 2016 （9）：81-89.

[13]王文生，郭雷風. 農業大數據機器應用展望[J]. 江蘇農業科學，2015，43（9）：1-5.

[14]溫孚江. 農業大數據研究的戰略意議與協同機制[J]. 高等農業教育， 2013 （11）：3-6.